JP7253068B2 - 脳の構造を用いた脳画像補正方法及び装置 - Google Patents

Description

本発明は、脳の構造を用いた脳画像補正方法及び装置に関する。

脳深部刺激療法とは、電極を頭の中あるいは、外に付着させて電流が流れるようにして最終的に脳に電流を印加する方法をいう。脳深部刺激療法は簡単に施術できる非侵襲的治療方法であって、刺激を与える位置及び刺激の種類によって多様な脳疾患を治療するのに広く利用されている。

また、対象体の脳の活動による電気活動を測定できる脳波検査（Ｅｌｅｃｔｒｏｅｎｃｅｐｈａｌｏｇｒａｍ、ＥＥＧ）も同様に、神経科及び神経精神科の治療に広く利用されている。

脳深部刺激療法とＥＥＧ脳波検査は何れも非侵襲的検査及び治療方法であって、簡単に施術できるという長所がある。また、このような施術を行うためには、施術対象者それぞれの脳画像を獲得し、得られた脳画像を通じて治療を行う。このとき、施術の目的に適合した脳画像を獲得することが重要であり、特に脳の実際の構造と一致するように各脳領域を分類した脳画像を獲得することが重要である。従って、脳画像を通じて脳の実際の構造と一致するように各脳領域を分類する方法の開発が求められる。

本発明は、上記事情に鑑みてなされたものであって、その目的は、脳の構造を用いた脳画像補正方法及び装置を提供することにある。

また、本発明の他の課題は、脳のレイヤ配置構造に符合する複数の脳領域に分割された脳画像を獲得する方法及び装置を提供することにある。

更に本発明の別の目的は、脳画像で脳のレイヤ配置構造を満たさない脳領域を検出し、これを補正する方法及び装置を提供することにある。

本発明が解決しようとする課題は、以上で言及した課題に限らず、言及されていない更に他の課題は、以下の記載から通常の技術者が明確に理解できるだろう。

本発明の一実施例に係るコンピュータが行う脳の構造を用いた脳画像補正方法は、対象体の脳を含む頭部画像を獲得する段階と、前記頭部画像を脳の構造に基づいて複数の領域に分割する段階と、前記複数の領域に対して脳のレイヤ配置条件を用いて補正を行う段階とを含む。

本発明の一実施例において、前記複数の領域に分割する段階は、脳の構造に基づいて脳をラベリングする学習モデルを用いて、前記頭部画像内の脳を前記複数の領域に分割できる。

本発明の一実施例において、前記複数の領域のそれぞれは、前記学習モデルを通じて脳の構造に基づいてラベリングされたそれぞれの脳領域に対応していてもよい。

本発明の一実施例において、前記補正を行う段階は、前記複数の領域に対して前記脳のレイヤ配置条件に合っているか否かを判断する段階と、前記複数の領域の中から前記脳のレイヤ配置条件に合わない領域を抽出して補正する段階とを含み、前記脳のレイヤ配置条件は、皮膚、頭蓋骨、脳脊髄液、及び脳の内部領域の順に配置される脳のレイヤ構造を基に設定されることができる。

本発明の一実施例において、前記脳のレイヤ配置条件は、皮膚に対応するレイヤよりも外部に配置されたレイヤが存在してはならない第１条件と、脳脊髄液に対応するレイヤが皮膚に対応するレイヤと接触してはならない第２条件と、脳の内部領域に対応するレイヤが頭蓋骨又は皮膚に対応するレイヤと接触してはならない第３条件と、脳の内部領域内の白質に対応するレイヤが脳の内部領域内の灰白質に対応するレイヤよりも外部に存在してはならない第４条件と、前記脳のレイヤ構造でレイヤ全体の配置分布が一定の範囲内に存在しなければならない第５条件のうちの少なくとも１つを含むことができる。

本発明の一実施例において、前記脳のレイヤ配置条件に合わない領域を抽出して補正する段階は、前記皮膚、頭蓋骨、脳脊髄液、及び脳の内部領域の順序に符合するように前記脳のレイヤ配置条件に合わない領域を配置し直す段階を含むことができる。

本発明の一実施例において、前記脳のレイヤ配置条件を用いて補正された前記頭部画像を基に前記対象体の３次元脳モデリングを行う段階を更に含むことができる。

本発明の一実施例において、前記脳のレイヤ配置条件を用いて補正された前記頭部画像を基に前記対象体の脳に対する電気刺激をシミュレーションする段階を更に含むことができる。

本発明の一実施例に係る装置は、１つ以上のインストラクションを格納するメモリと、前記メモリに格納された前記１つ以上のインストラクションを実行するプロセッサとを含み、前記プロセッサは前記１つ以上のインストラクションを実行することによって、対象体の脳を含む頭部画像を獲得する段階と、前記頭部画像を脳の構造に基づいて複数の領域に分割する段階と、前記複数の領域に対して脳のレイヤ配置条件を用いて補正を行う段階とを行う。

本発明の一実施例に係るコンピュータプログラムは、ハードウェアであるコンピュータに、前記脳の構造を用いた脳画像補正方法を実行させるプログラムである。

本発明によれば、脳のレイヤ配置構造に合うように脳を領域別に分割し、分割された脳領域別に補正を行うことによって、より正確な脳領域に分割された脳画像を生成できる。

本発明によれば、脳のレイヤ配置構造を用いて脳を領域別に分割することによって、実際の脳の構造に更に合う脳領域に分類された脳画像を獲得できる。

本発明によれば、脳のレイヤ構造と一致するように各脳領域を補正した脳画像を獲得することによって、多様な脳疾患を治療するために施される脳深部刺激療法時に、より正確な電気刺激を与えるターゲット地点を獲得できる。また、正確な電気刺激地点を獲得することによって、治療効果も向上させることができる。

本発明によれば、脳のレイヤ構造に合うように各脳領域を分割する際に学習モデルを用いることによって、効果的に脳画像において各脳領域を分類できる。

本発明の効果は、以上で言及した効果に限らず、言及されていない更に他の効果は、以下の記載から通常の技術者が明確に理解できるだろう。

本発明の一実施例に係る脳の構造を用いた脳画像補正方法を概略的に示すフローチャートである。 本発明の一実施例によって脳の構造を基に脳を分割して脳領域別にラベリングする一例を示す図である。 本発明の一実施例によって脳の構造を基に脳を分割して脳領域別にラベリングする一例を示す図である。 本発明の一実施例によって脳の構造を基に脳を分割して脳領域別にラベリングする一例を示す図である。 本発明の一実施例によって脳の構造を基に脳を分割して脳領域別にラベリングする一例を示す図である。 本発明の一実施例によって脳の構造を基に脳を分割して脳領域別にラベリングする一例を示す図である。 本発明の一実施例によって脳の構造を基に脳を分割して脳領域別にラベリングする一例を示す図である。 本発明の一実施例によって頭部画像を複数の領域に分割した結果の例示を示す図である。 本発明の一実施例に係る脳の構造を用いた脳画像補正方法を行う装置２００の構成を概略的に示す図である。

本発明の利点及び特徴、そしてそれらを達成する方法は、添付の図面と共に詳細に後述されている実施例を参照すれば明確になる。しかし、本発明は、以下で開示される実施例に制限されるものではなく、互いに異なる多様な形態に実現できる。但し、本実施例は本発明の開示を完全なものにし、本発明が属する技術分野における通常の技術者に本発明の範疇を完全に理解させるために提供されるものであり、本発明は請求項の範疇により定義されるに過ぎない。

本明細書で用いられる用語は、実施例を説明するためのものであり、本発明を制限しようとするものではない。本明細書において、単数型は特に言及しない限り複数型も含む。明細書で用いられる「含む（ｃｏｍｐｒｉｓｅｓ）」及び／又は「含んでいる（ｃｏｍｐｒｉｓｉｎｇ）」は、言及された構成要素以外に１つ以上の他の構成要素の存在又は追加を排除しない。明細書全体に亘って同一の図面符号は同一の構成要素を示し、「及び／又は」は言及された構成要素のそれぞれ及び１つ以上の全ての組み合わせを含む。たとえ、「第１」、「第２」などが多様な構成要素を叙述するために用いられていても、これらの構成要素はこれらの用語により制限されないのは当然である。これらの用語は、単に１つの構成要素を他の構成要素と区別するために用いる。従って、以下で言及される第１構成要素は、本発明の技術的思想内で第２構成要素でもあり得るのは言うまでもない。

他の定義がなければ、本明細書で用いられる全ての用語（技術及び科学的用語を含む）は、本発明が属する技術分野における通常の技術者が共通して理解できる意味として用いられる。また、一般に用いられる辞典に定義されている用語は、明白に特に定義されていない限り、理想的に又は過度に解釈されない。

明細書で用いられる「部」又は「モジュール」という用語はソフトウェア、ＦＰＧＡ又はＡＳＩＣのようなハードウェアの構成要素を意味し、「部」又は「モジュール」は特定の役割を果たす。しかし、「部」又は「モジュール」はソフトウェア又はハードウェアに限定されることを意味しない。「部」又は「モジュール」は、アドレッシングできる格納媒体に存在するように構成されてもよく、１つ又はそれ以上のプロセッサを再生させるように構成されてもよい。従って、一例として「部」又は「モジュール」はソフトウェアの構成要素、オブジェクト指向ソフトウェアの構成要素、クラスの構成要素及びタスクの構成要素のような構成要素と、プロセス、関数、属性、プロシージャ、サブルーチン、プログラムコードのセグメント、ドライバ、ファームウェア、マイクロコード、回路、データ、データベース、データの構造、テーブル、アレイ及び変数を含む。構成要素と「部」又は「モジュール」内で提供される機能は、より少数の構成要素及び「部」又は「モジュール」で結合されるか、追加の構成要素と「部」又は「モジュール」などに更に分離されることができる。

本明細書において「コンピュータ」は、演算処理を行ってユーザに結果を提供できる多様な装置が何れも含まれる。例えば、コンピュータは、デスクトップパソコン、ノートブック（Ｎｏｔｅ Ｂｏｏｋ）だけでなく、スマートフォン（Ｓｍａｒｔ ｐｈｏｎｅ）、タブレットＰＣ、セルラーフォン（Ｃｅｌｌｕｌａｒ ｐｈｏｎe）、ＰＣＳフォン（ＰＣＳ Ｐｈｏｎｅ；Ｐｅｒｓｏｎａｌ Ｃｏｍｍｕｎｉｃａｔｉｏｎ Ｓｅｒｖｉｃｅｐｈｏｎｅ）、同期式／非同期式ＩＭＴ-２０００（Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｍｏｂｉｌｅ Ｔｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎ-２０００）の移動端末、パームＰＣ（Ｐａｌｍ Ｐｅｒｓｏｎａｌ Ｃｏｍｐｕｔｅｒ）、携帯個人端末（ＰＤＡ；Ｐｅｒｓｏｎａｌ Ｄｉｇｉｔａｌ Ａｓｓｉｓｔａｎｔ）なども該当し得る。また、 ヘッドマウントディスプレイ（Ｈｅａｄ Ｍｏｕｎｔｅｄ Ｄｉｓｐｌａｙ；ＨＭＤ）装置がコンピューティング機能を含む場合、ＨＭＤ装置がコンピュータになり得る。また、コンピュータは、クライアントから要請を受信して情報処理を行うサーバがこれに該当し得る。

以下、添付の図面を参照して本発明の実施例を詳細に説明する。

図１は、本発明の一実施例に係る脳の構造を用いた脳画像補正方法を概略的に示すフローチャートである。

図１の方法は説明の便宜上、コンピュータにより行われるものとして叙述するが、各段階の実行主体が特定の装置に限定されるものではなく、コンピューティング処理を行える装置を包含する意味として使用できる。即ち、本実施例において、コンピュータは、本発明の実施例に係る脳の構造を用いた脳画像補正方法を実行できる装置を意味する。

図１を参照すれば、本発明の一実施例に係る脳の構造を用いた脳画像補正方法は、対象体の脳を含む頭部画像を獲得する段階（Ｓ１００）、前記頭部画像を脳の構造に基づいて複数の領域に分割する段階（Ｓ２００）、及び前記複数の領域に対して脳のレイヤ配置条件を用いて補正を行う段階（Ｓ３００）を含むことができる。以下、各段階についての詳細な説明を記載する。

コンピュータは、対象体の脳を含む頭部画像を獲得できる（Ｓ１００）。

ここで、対象体（ｏｂｊｅｃｔ）は、人又は動物、又は人の一部又は動物の一部を含むことができる。

頭部画像とは、対象体の脳を含む頭部分を撮影した医療画像のことをいい、例えば、医療画像撮影装置で撮影したコンピュータ断層撮影（Ｃｏｍｐｕｔｅｄ Ｔｏｍｏｇｒａｐｈｙ；ＣＴ）画像、磁気共鳴画像（Ｍａｇｎｅｔｉｃ Ｒｅｓｏｎａｎｃｅ Ｉｍａｇｉｎｇ；ＭＲＩ）、陽電子放射断層撮影（Ｐｏｓｉｔｒｏｎ Ｅｍｉｓｓｉｏｎ Ｔｏｍｏｇｒａｐｈｙ；ＰＥＴ）画像などを含むことができる。

また、頭部画像は対象体の脳だけでなく、対象体の頭蓋骨及び頭皮（皮膚）を含んで撮影された医療画像であり得る。

コンピュータは、対象体の頭部画像を脳の構造に基づいて複数の領域に分割（ｓｅｇｍｅｎｔａｔｉｏｎ；セグメンテーション）できる（Ｓ２００）。

一実施例として、コンピュータは、脳の構造を基に脳領域別に対象体の頭部画像を分割できる。

ここで、脳の構造はレイヤ構造からなることができ、例えば頭皮（皮膚）、頭蓋骨、脳脊髄液、脳の内部領域からなることができる。また、脳の内部領域は大脳、小脳、脳室を含むことができ、大脳と小脳の場合、灰白質と白質に更に細分化されたレイヤ構造からなることができる。

即ち、コンピュータは頭皮、頭蓋骨、脳脊髄液、脳の内部領域（大脳の灰白質／白質、小脳の灰白質／白質、脳室）に基づいて、対象体の頭部画像を脳のレイヤ構造に相応する複数の領域に分割できる。

ここで、脳のレイヤ構造を頭皮、頭蓋骨、脳脊髄液、脳の内部領域（大脳の灰白質／白質、小脳の灰白質／白質、脳室）からなるものとして説明したが、これは１つの例示に過ぎず、本発明がこれに限定されるものではない。実施例によっては脳の構造を他の方式に分類でき、分類方式によって脳領域の種類が異なっていてもよい。

また、コンピュータは、学習を通じて対象体の頭部画像を複数の領域に分割することもできる。一実施例として、コンピュータは、脳の構造に基づいて脳を領域別にラベリングする学習モデルを用いて、対象体の頭部画像に含まれている脳を複数の領域に分割できる。ここで、学習モデルは、ディープラーニングを用いた学習を通じて導き出されたものであってもよい。

例えば、コンピュータは、脳を含む頭部分を撮影した医療画像を多数の対象体から獲得し、これを学習データとして用いて学習（例えば、Ｃｏｎｖｏｌｕｔｉｏｎａｌ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ；ＣＮＮを用いた学習）を行える。このとき、コンピュータは、脳のレイヤ構造を基に脳を複数の領域に分割し、分割された複数の領域のそれぞれをラベリングするように学習データを学習させることができる。そして、コンピュータは、学習データを学習することによって学習モデルを導き出すことができる。即ち、コンピュータは、学習データを基に学習を行って、脳のレイヤ構造を基に脳を領域別にラベリングする学習モデルを予め構築しておくことができる。従って、コンピュータは、学習モデルに特定の対象体の頭部画像を入力値として入力し、学習モデルから特定の対象体の頭部画像を複数の領域に分割した出力値を獲得できる。このとき、出力された複数の領域は、学習モデルを通じて脳のレイヤ構造に基づいてラベリングされたそれぞれの脳領域に対応できる。

図２乃至図７は、本発明の一実施例によって脳の構造を基に脳を分割して脳領域別にラベリングする一例を示す図である。

上述したように、脳の構造は頭皮、頭蓋骨、脳脊髄液、脳の内部領域（大脳の灰白質／白質、小脳の灰白質／白質、脳室）の順に配置されるレイヤ構造からなることができる。従って、コンピュータは、このような脳のレイヤ配置構造を基に図２乃至図７に示されるように、複数の脳領域に分割し、分割された各領域に対してそれぞれラベル値（即ち、識別値）を付与してラベリングできる。

一実施例として、コンピュータは、脳の内部領域を大脳、小脳、脳室に細分化でき、細分化された各領域に特定のラベル値を付与できる。

図２の（ａ）は、脳を含む頭部画像で大脳灰白質（Ｃｅｒｅｂｒａｌ Ｇｒａｙ Ｍａｔｔｅｒ）に該当する領域１０を示すものであって、図２の（ｂ）は、大脳白質（Ｃｅｒｅｂｒａｌ Ｗｈｉｔｅ Ｍａｔｔｅｒ）に該当する領域１１を示すものである。例えば、コンピュータは、大脳の外側の領域である大脳灰白質領域１０に対してラベル値を１に設定し、大脳の内部領域を満たしている大脳白質領域１１に対してラベル値を２に設定できる。

図３の（ａ）は、脳を含む頭部画像で小脳灰白質（Ｃｅｒｅｂｅｌｌａｒ Ｇｒａｙ Ｍａｔｔｅｒ）に該当する領域２０を示すものであって、図３の（ｂ）は、小脳白質（Ｃｅｒｅｂｅｌｌａｒ Ｗｈｉｔｅ Ｍａｔｔｅｒ）に該当する領域２１を示すものである。例えば、コンピュータは、小脳の外側の領域である小脳灰白質領域２０に対してラベル値を３に設定し、小脳の内部領域を満たしている小脳白質領域２１に対してラベル値を４に設定できる。

図４は、脳を含む頭部画像で脳室（Ｖｅｎｔｒｉｃｌｅｓ；Ｌａｔｅｒａｌ Ｖｅｎｔｒｉｃｌｅｓ）に該当する領域３０を示す図である。例えば、コンピュータは、脳の内部領域で互いに繋がっている空き空間に該当する脳室領域３０に対してラベル値を５に設定できる。

図５は、脳を含む頭部画像で脳脊髄液（Ｃｅｒｅｂｒｏｓｐｉｎａｌ ｆｌｕｉｄ；ＣＳＦ）に該当する領域４０を示す図である。ここで、脳脊髄液４０とは、大脳／小脳灰白質の外側と頭蓋骨との間を満たしている液体をいう。実施例によって、脳脊髄液に該当する領域４０は、上矢状静脈洞（ｓｕｐｅｒｉｏｒ ｓａｇｇｉｔａｌｓｉｎｕｓ）と横静脈洞（ｔｒａｎｓｖｅｒｓｅ ｓｉｎｕｓ）を含むことができる。また、大脳鎌の場合、脳脊髄液の一部に分類されることもできる。例えば、コンピュータは、脳脊髄液領域４０に対してラベル値を６に設定できる。

図６は、脳を含む頭部画像で頭蓋骨（Ｓｋｕｌｌ）に該当する領域５０を示す図である。例えば、コンピュータは、頭蓋骨領域５０に対してラベル値を７に設定できる。

図７は、脳を含む頭部画像で皮膚（Ｓｋｉｎ）に該当する領域６０を示す図である。例えば、コンピュータは、皮膚領域６０に対してラベル値を８に設定できる。

図２乃至図７に示すように、コンピュータは、脳の構造を基にラベル値１～８にラベリングされた８個の脳領域に分割できる。ここで、８個の脳領域に分割したのは、臨床的なレイヤ構造に基づいたものである。従って、コンピュータは、段階Ｓ１００で獲得した特定の対象体の頭部画像に対して、既に設定されたラベル値を有する脳領域に対応するように複数の領域に分割できる。

このとき、コンピュータは、上述したように、ディープラーニングを用いた学習を通じて、図２乃至図７に示すように、ラベル値１～８にラベリングされた８個の脳領域に分割された学習モデルを導き出すことができる。この場合、コンピュータは、前記学習モデルに段階Ｓ１００で獲得した特定の対象体の頭部画像を入力し、その結果として、ラベル値１～８にラベリングされた８個の脳領域に分割された頭部画像を獲得できる。

更に、図１を参照すれば、コンピュータは、段階Ｓ２００で分割された複数の領域に対して脳のレイヤ配置条件を用いて補正を行える（Ｓ３００）。

一実施例として、コンピュータは、複数の領域に分割された頭部画像に対して脳のレイヤ配置条件に合っているか否かを判断し、複数の領域の中から脳のレイヤ配置条件に合わない領域を抽出して補正を行える。

ここで、脳のレイヤ配置条件は上述したように、脳を皮膚、頭蓋骨、脳脊髄液、脳の内部領域（大脳の灰白質／白質、小脳の灰白質／白質、脳室）の順に配置される脳のレイヤ構造を基に設定される条件であってもよい。例えば、コンピュータは、図２乃至図７に示すように、ラベル値１～８にラベリングされた８個の脳領域に分割された脳のレイヤ構造に一致する配置関係を有するように条件を設定できる。

一実施例として、脳のレイヤ配置条件は、次の第１乃至第５条件のうちの少なくとも１つを含むことができる。

第１条件は、皮膚に対応するレイヤよりも外部に配置されたレイヤが存在してはならない。例えば、ラベル値８（図７の皮膚）に該当する領域の外部には、如何なるラベル値を有する領域も配置されることができない。

第２条件は、脳脊髄液に対応するレイヤが皮膚に対応するレイヤと接触してはならない。例えば、ラベル値６（図５の脳脊髄液）に該当する領域は、ラベル値８（図７の皮膚）に該当する領域と直接当接しないように配置されなければならない。

第３条件は、脳の内部領域に対応するレイヤが頭蓋骨又は皮膚に対応するレイヤと接触してはならない。例えば、ラベル値１～５（図２の大脳、図３の小脳、図４の脳室）に該当する領域は、ラベル値７（図６の頭蓋骨）又はラベル値８（図７の皮膚）に該当する領域と直接当接しないように配置されなければならない。

第４条件は、脳の内部領域内の白質に対応するレイヤが脳の内部領域内の灰白質（皮質）に対応するレイヤよりも外部に存在してはならない。例えば、ラベル値２（図２の（ｂ）の大脳白質）に該当する領域は、ラベル値１（図２の（ａ）の大脳灰白質）に該当する領域よりも外側に配置されてはならない。また、ラベル値４（図３の（ｂ）の小脳白質）に該当する領域は、ラベル値３（図３の（ａ）の小脳灰白質）に該当する領域よりも外側に配置されてはならない。

第５条件は、脳のレイヤ構造でレイヤ全体の配置分布が一定の範囲内に存在しなければならない。例えば、ラベル全体（ラベル値１～８）と一定範囲内に分布しておらず、一定範囲から外れた領域に分布しているラベル値が最小化するようにしなければならない。

即ち、コンピュータは、上述した第１乃至第５条件を基に複数の領域に分割された頭部画像に対して脳のレイヤ構造（例えば、図２乃至図７に示すラベル値）に符合する配置関係を有するか否かを判断できる。コンピュータは、判断結果によって頭部画像から脳のレイヤ構造に符合しない配置関係を有する領域を抽出し、抽出された該当領域を補正できる。例えば、コンピュータは、脳のレイヤ配置条件を満たさない領域を補正する上で皮膚、頭蓋骨、脳脊髄液、脳の内部領域の順序に符合するように該当領域を配置し直すことができる。

図８は、本発明の一実施例によって頭部画像を複数の領域に分割した結果の例示を示す図である。例えば、図８は、段階Ｓ２００を行った結果である。

上述したように、コンピュータは、対象体の頭部画像を複数の脳領域に分割した後、分割された各脳領域に対して脳のレイヤ配置条件（第１乃至第５条件）を満たしているか否かを判断できる。

一例として、図８の（ａ）のように、複数の領域に分割された頭部画像１００の場合、コンピュータは、脳のレイヤ配置条件（第１乃至第５条件）を基に頭部画像１００で皮膚に該当するレイヤの外側に他のレイヤ（例えば、頭蓋骨）１０１が存在するのを認識し、これにより第１条件を満たしていないものと判断できる。この場合、コンピュータは、第１条件を満たしていないレイヤ領域（例えば、頭蓋骨）１０１を脳のレイヤ構造に合うように補正できる。例えば、コンピュータは、第１条件を満たしていないレイヤ領域（例えば、頭蓋骨）１０１を皮膚の内部領域に配置するように頭部画像を補正できる。

このとき、一実施例として第１条件を満たしているか否かを判断する上で、コンピュータは、まず頭蓋骨を拡張（ｂｉｎａｒｙ ｄｉｌａｔｉｏｎ）させた領域から拡張前の本来の頭蓋骨領域を差し引いただけの差領域を含む皮膚レイヤ領域を獲得できる。このとき、皮膚レイヤ領域は、頭蓋骨を完全に覆う。次に、コンピュータは、差領域を含む皮膚レイヤ領域の中から新たに頭蓋骨を覆っている部分を抽出し、抽出された該当部分を「皮膚の外部に存在する領域」と判断できる。この場合、コンピュータは、頭部画像から「皮膚の外部に存在する領域」を抽出することによって、皮膚に対応するレイヤよりも外部に配置されたレイヤが存在してはならない第１条件を満たしていないことが把握できる。

他の例として、図８の（ｂ）のように複数の領域に分割された頭部画像１１０の場合、コンピュータは、脳のレイヤ配置条件（第１乃至第５条件）を基に頭部画像１１０で脳脊髄液に該当するレイヤ１１１の一部領域が皮膚に該当するレイヤ１１２の一部領域と接触する部分１１３が存在することを認識し、これにより第２条件を満たしていないものと判断できる。この場合、コンピュータは、第２条件を満たしていない接触部分１１３を脳のレイヤ構造に合うように補正できる。例えば、コンピュータは、接触部分１１３を皮膚の内部領域に配置するように頭部画像を補正できる。

このとき、一実施例として第２条件を満たしているか否かを判断する上で、コンピュータはまず脳脊髄液を拡張（ｂｉｎａｒｙ ｄｉｌａｔｉｏｎ）させた領域から拡張前の本来の脳脊髄液領域を差し引いただけの差領域を含む頭蓋骨レイヤ領域を獲得できる。このとき、頭蓋骨レイヤ領域は、脳脊髄液を完全に覆う。次に、コンピュータは、差領域を含む頭蓋骨レイヤ領域の中から新たに脳脊髄液を覆っている部分を抽出し、抽出された該当部分を「脳脊髄液が皮膚と直接当接する部分」と判断できる。この場合、コンピュータは、頭部画像から「脳脊髄液が皮膚と直接当接する部分」を抽出することによって、脳脊髄液に対応するレイヤが皮膚に対応するレイヤと接触してはならない第２条件を満たしていないことを把握できる。

更に他の例として、コンピュータは、脳のレイヤ配置条件（第１乃至第５条件）を基に頭部画像で脳の内部領域（例えば、ラベル値１～５に該当する脳領域）に該当するレイヤの一部が頭蓋骨又は／及び皮膚の一部と接触する部分が存在することを認識した場合、第３条件を満たしていないものと判断できる。この場合、コンピュータは、第３条件を満たしていない接触部分を脳のレイヤ構造に合うように補正できる。例えば、コンピュータは、接触部分を頭蓋骨又は／及び皮膚の内部に配置するように頭部画像を補正できる。

このとき、一実施例として第３条件を満たしているか否かを判断する上で、コンピュータはまず脳の内部領域（大脳、小脳、脳室）全体を拡張（ｂｉｎａｒｙ ｄｉｌａｔｉｏｎ）させた領域から拡張前の本来の脳の内部領域を差し引いただけの差領域を含む脳脊髄液レイヤ領域を獲得できる。このとき、脳脊髄液レイヤ領域は、脳の内部領域を完全に覆う。次に、コンピュータは、差領域を含む脳脊髄液レイヤ領域の中から新たに脳の内部領域を覆っている部分を抽出し、抽出された該当部分を「脳の内部領域が頭蓋骨又は／及び皮膚と直接当接する部分」と判断できる。この場合、コンピュータは、頭部画像から「脳の内部領域が頭蓋骨又は／及び皮膚と直接当接する部分」を抽出することによって、脳の内部領域に対応するレイヤが頭蓋骨又は皮膚に対応するレイヤと接触してはならない第３条件を満たしていないことを把握できる。

別の例として、図８の（ｃ）のように、複数の領域に分割された頭部画像１２０の場合、コンピュータは、脳のレイヤ配置条件（第１乃至第５条件）を基に頭部画像１２０で大脳の白質に該当するレイヤの一部領域１２１が大脳の灰白質に該当するレイヤよりも外部に存在することを認識し、これにより第４条件を満たしていないものと判断できる。この場合、コンピュータは、第４条件を満たしていない一部領域１２１を脳のレイヤ構造に合うように補正できる。例えば、コンピュータは、第４条件を満たしていない一部領域１２１を大脳の灰白質の内部に配置するように頭部画像を補正できる。

このとき、一実施例として第４条件を満たしているか否かを判断する上で、コンピュータはまず白質を拡張（ｂｉｎａｒｙ ｄｉｌａｔｉｏｎ）させた領域から拡張前の本来の白質領域を差し引いただけの第１差領域を獲得し、灰白質を拡張（ｂｉｎａｒｙ ｄｉｌａｔｉｏｎ）させた領域で拡張前の本来の灰白質領域を差し引いただけの第２差領域を獲得できる。次に、コンピュータは、第１差領域と第２差領域の共通部分（即ち、共通集合部分）を抽出し、抽出された共通部分を「灰白質が白質を覆っていない部分」と判断できる。この場合、コンピュータは、頭部画像から「灰白質が白質を覆っていない部分」を抽出することによって、脳の内部領域内の白質に対応するレイヤが脳の内部領域内の灰白質（皮質）に対応するレイヤよりも外部に存在してはならない第４条件を満たしていないことを把握できる。

更に他の例として、図８の（ｄ）のように、複数の領域に分割された頭部画像１３０の場合、コンピュータは、脳のレイヤ配置条件（第１乃至第５条件）を基に頭部画像１３０で脳領域全体と塊になって分布しておらず、一定範囲から外れた位置に分布している部分１３１が存在することを認識し、これにより第５条件を満たしていないものと判断できる。この場合、コンピュータは、第５条件を満たしていない部分１３１を脳のレイヤ構造に合うように補正できる。例えば、コンピュータは、連結構成要素基盤のノイズの除去（Ｃｏｎｎｅｃｔｅｄ Ｃｏｍｐｏｎｅｎｔ-ｂａｓｅｄ Ｎｏｉｓｅ Ｒｅｊｅｃｔｉｏｎ）を行って、第５条件を満たしていない部分１３１を除去する補正を行える。

このとき、一実施例として第５条件を満たしているか否かを判断する上で、コンピュータは、脳室を除いた残りのレイヤ領域に対してホール（ｈｏｌｅ）を満たす演算（ｂｉｎａｒｙ ｆｉｌｌ ｈｏｌｅ）を行い、その後、連結構成要素基盤のノイズの除去を行って脳領域全体の中から最も大きな塊からなっている領域を抽出できる。このとき、脳領域全体のうち連結構成要素基盤のノイズの除去を通じて除去された領域を「レイヤ領域全体と一定範囲内に分布しない部分」と判断できる。ここで、脳室領域に対しては最も大きな塊からなっている領域の大きさに基づいて基準大きさ（例えば、最も大きな塊の大きさに比べて３０％の大きさ）に満たない脳室領域が存在する場合、該当脳室領域に対して「レイヤ領域全体と一定範囲内に分布しない部分」と判断できる。

ここで、第５条件を満たしているか否かを判断する際に脳室を除いた脳領域全体に対してホール（ｈｏｌｅ）を満たす演算（ｂｉｎａｒｙ ｆｉｌｌ ｈｏｌｅ）を行うため、各脳領域の内部が満たされており、脳のレイヤ順に合うように配置し直さなければならない。この場合、コンピュータは、まず脳のレイヤ順（例えば、皮膚、頭蓋骨、脳脊髄液、脳の内部領域の順）に合うように各脳領域を配置し直し、再配置された脳領域のそれぞれに対して依然として第５条件を満たしていない領域が存在するか否かを連結構成要素基盤のノイズの除去を通じて判断できる。次に、コンピュータは、依然として第５条件を満たしていない領域に対してＮｘＮｘＮ大きさの正六面体領域を設定し、設定された正六面体領域の周辺領域が属するレイヤ（例えば、ラベル値）を確認できる。コンピュータは、確認結果によって周辺領域が最も多く属するレイヤ（例えば、ラベル値）を選択して、第５条件を満たしていない領域を選択されたレイヤ領域に属するように補正できる。

上述したように、コンピュータは、対象体の頭部画像を複数の脳領域に分割した後、分割された各脳領域に対して脳のレイヤ配置条件（第１乃至第５条件）を満たしているか否かを判断できる。

このとき、コンピュータは第５条件、第４条件、第３条件、第２条件、第１条件、再び第５条件の順に脳のレイヤ構造に符合する配置関係を有するか否かを判断できる。

一実施例として、まずコンピュータは、複数の領域に分割された頭部画像に対して脳領域全体と塊になって分布しておらず、一定範囲から外れた位置に分布している部分が存在するかを判断できる。即ち、コンピュータは、脳領域全体と離れている脳領域を検出できる。これは第５条件に合っているかを判断する過程で、各レイヤ（例えば、脳の構造を基に脳を領域別に分割してラベル値１～８に特定した領域）のホール（ｈｏｌｅ）を穴埋め（ｂｉｎａｒｙ ｆｉｌｌ ｈｏｌｅ）演算を通じて埋め、脳室（ｖｅｎｔｒｉｃｌｅ）を除いたレイヤ領域を連結構成要素ラベル技法（連結構成要素基盤のノイズの除去）を通じて最も大きな塊からなっている領域のみを抽出する過程に該当する。

このような過程を通じて、複数の領域に分割された頭部画像はホールが満たされた状態になり、また脳領域全体と離れている脳領域が除去された状態に処理されることができる。従って、コンピュータは、このように処理された状態の頭部画像を用いて次の過程を行える。

次に、コンピュータは、上述したような穴埋め演算及び連結構成要素基盤のノイズ除去演算を経た後の頭部画像で、大脳の白質に該当するレイヤが大脳の灰白質に該当するレイヤよりも外部に存在してはならない第４条件を満たしているか否かを判断できる。第４条件を満たしているか否かを判断する過程については、図８を参照して詳細に説明したので、ここでは具体的な説明を省略する。コンピュータは、第４条件の判断結果として頭部画像から「灰白質が白質を覆っていない部分」が存在するか否かを検出でき、これを補正できる。

次に、コンピュータは、上述したような穴埋め演算及び連結構成要素基盤のノイズ除去演算を経た後の頭部画像で、脳の内部領域（大脳、小脳、脳室）に該当するレイヤが頭蓋骨又は／及び皮膚と接触してはならない第３条件を満たしているか否かを判断できる。第３条件を満たしているか否かを判断する過程については、図８を参照して詳細に説明したので、ここでは具体的な説明を省略する。コンピュータは、第３条件の判断結果として「脳の内部領域が頭蓋骨又は／及び皮膚と直接当接する部分」が存在するか否かを検出でき、これを補正できる。

次に、コンピュータは、上述したような穴埋め演算及び連結構成要素基盤のノイズ除去演算を経た後の頭部画像で、脳脊髄液に該当するレイヤが皮膚と接触してはならない第２条件を満たしているか否かを判断できる。第２条件を満たしているか否かを判断する過程については、図８を参照して詳細に説明したので、ここでは具体的な説明を省略する。コンピュータは、第２条件の判断結果として「脳脊髄液が皮膚と直接当接する部分」が存在するか否かを検出でき、これを補正できる。

次に、コンピュータは、上述したような穴埋め演算及び連結構成要素基盤のノイズ除去演算を経た後の頭部画像で、皮膚に該当するレイヤよりも外部に配置された他のレイヤが存在してはならない第１条件を満たしているか否かを判断できる。第１条件を満たしているか否かを判断する過程については、図８を参照して詳細に説明したので、ここでは具体的な説明を省略する。コンピュータは、第１条件の判断結果として「皮膚の外部に皮膚ではない他の領域」が存在するか否かを検出でき、これを補正できる。

次に、コンピュータは上記過程、即ち第４条件、第３条件、第２条件、第１条件の順に処理された各レイヤ領域に対して、脳の構造に合うように配置し直すことができる。このとき、上記過程を経た各レイヤ領域は、穴埋め演算を通じて内部が満たされているため、脳の構造に合うように各レイヤを配置し直さなければならない。従って、コンピュータは、皮膚、頭蓋骨、脳脊髄液、脳の内部領域の順に各レイヤを並べ替える。

各レイヤを配置し直した後、コンピュータは、再配置された各レイヤに対して依然として脳領域全体と離れている領域が存在するかを確認できる。このとき、コンピュータは、再配置された各レイヤに対して連結構成要素ラベル技法を適用できる。その後、コンピュータは、脳領域全体と離れている領域が存在すれば、ＮｘＮｘＮ大きさの正六面体領域を設定し、設定された正六面体領域の周辺領域を抽出できる。このとき、コンピュータは、正六面体領域から抽出された周辺領域が属するレイヤ（例えば、ラベル値）を確認して、当該正六面体の周辺に最も多く分布したレイヤを導き出すことができる。従って、コンピュータは、脳領域全体と離れている領域（該当正六面体領域）を周辺に最も多く分布したレイヤ領域に変更する補正を行える。

即ち、コンピュータは、頭部画像に対して上述したような第５条件、第４条件、第３条件、第２条件、第１条件、再び第５条件の順に脳のレイヤ構造に符合する配置関係を有するか否かを判断し、脳のレイヤ構造に符合しないレイヤに対して補正を行うことによって、最終的に臨床的な脳の構造に符合する脳画像を導き出すことができる。

図１乃至図８を参照して説明したところによれば、コンピュータは、脳のレイヤ配置条件を用いて補正された頭部画像を獲得できる。従って、より正確な複数の脳領域に分割された頭部画像を導き出すことができる。

また、本発明の一実施例によれば、コンピュータは、補正された頭部画像を基に対象体の３次元脳モデリングを行って、対象体の３次元脳画像を生成できる。この場合、より正確な臨床的な脳のレイヤ構造に合う３次元脳モデルを獲得できる。

更に、本発明の一実施例によれば、コンピュータは、補正された頭部画像を基に対象体の脳に対する電気刺激をシミュレーションできる。又は、コンピュータは、補正された頭部画像を基に生成された３次元脳画像を用いて対象体の脳に対する電気刺激をシミュレーションすることもできる。

本発明の一実施例のように、脳のレイヤ構造と一致するように各脳領域を補正した頭部画像を用いず、一般的な頭部画像（即ち、間違った領域に分割された頭部画像）を用いて脳モデリングや脳に対する電気刺激の伝達過程をシミュレーションする場合、間違って分割された脳部分に対して電気刺激を与えると、電圧、電場値などが過度に高くなるか、低くなり得る。即ち、対象体の頭部の一地点に特定の電気刺激を与え、特定の電気刺激が対象体の脳で伝播される経路をシミュレーションする際に正確なシミュレーション結果を導き出すことができなくなる。

しかし、本発明の一実施例においては、脳のレイヤ構造と一致するように各脳領域を補正した頭部画像を用いるため、対象体の頭部画像上で電気刺激を与える特定地点をより正確に指定できる。従って、シミュレーション結果の正確度もやはり向上し得る。

図９は、本発明の一実施例に係る脳の構造を用いた脳画像補正方法を行う装置２００の構成を概略的に示す図である。

図９を参照すれば、プロセッサ２１０は、１つ以上のコア（ｃｏｒｅ、図示せず）及びグラフィック処理部（図示せず）及び／又は他の構成要素と信号を送受信する連結通路（例えば、バス（ｂｕｓ）など）を含むことができる。

一実施例に係るプロセッサ２１０は、メモリ２２０に格納された１つ以上のインストラクションを実行することによって、図１乃至図８と関連して説明された脳の構造を用いた脳画像補正方法を実行する。

一例として、プロセッサ２１０は、メモリ２２０に格納された１つ以上のインストラクションを実行することによって、対象体の脳を含む頭部画像を獲得する段階と、前記頭部画像を脳の構造に基づいて複数の領域に分割する段階と、前記複数の領域に対して脳のレイヤ配置条件を用いて補正を行う段階とを実行できる。

一方、プロセッサ２１０は、プロセッサ２１０の内部で処理される信号（又は、データ）を一時的及び／又は永久的に格納するラム（ＲＡＭ：Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ、図示せず）及びロム（ＲＯＭ：Ｒｅａｄ-Ｏｎｌｙ Ｍｅｍｏｒｙ、図示せず）を更に含むことができる。また、プロセッサ２１０はグラフィック処理部、ラム及びロムのうちの少なくとも１つを含むシステムオンチップ（ＳｏＣ：ｓｙｓｔｅｍ ｏｎ ｃｈｉｐ）の形態にて実現できる。

メモリ２２０には、プロセッサ２１０の処理及び制御のためのプログラム（１つ以上のインストラクション）を格納することができる。メモリ２２０に格納されたプログラムは、機能によって複数のモジュールに区分できる。

以上で前述した本発明の一実施例に係る脳の構造を用いた脳画像補正方法は、ハードウェアであるコンピュータにて実行するためにプログラム（又はアプリケーション）として実現して媒体に格納できる。

前記前述したプログラムは、前記コンピュータがプログラムを読み込んでプログラムにて実現した前記方法を実行させるために、前記コンピュータのプロセッサ（ＣＰＵ）が前記コンピュータの装置インターフェースを介して読み取られるＣ、Ｃ＋＋、ＪＡＶＡ（登録商標）、機械語などのコンピュータ言語でコード化されたコード（Ｃｏｄｅ）を含むことができる。このようなコードは、前記方法を実行するのに必要な機能を定義した関数などと関連する機能的なコード（Ｆｕｎｃｔｉｏｎａｌ Ｃｏｄｅ）を含むことができ、前記機能を前記コンピュータのプロセッサが所定の手順通りに実行させるのに必要な実行手順関連の制御コードを含むことができる。また、このようなコードは、前記機能を前記コンピュータのプロセッサが実行させるのに必要な追加の情報やメディアが前記コンピュータの内部又は外部メモリのどの位置（アドレス）で参照されるべきかに対するメモリ参照関連のコードを更に含むことができる。また、前記コンピュータのプロセッサが前記機能を実行させるために、遠隔（Ｒｅｍｏｔｅ）にある任意の他のコンピュータやサーバなどと通信が必要な場合、コードは前記コンピュータの通信モジュールを用いて遠隔にある任意の他のコンピュータやサーバなどとどのように通信すべきか、通信時に如何なる情報やメディアを送受信すべきかなどに対する通信関連のコードを更に含むことができる。

前記格納される媒体は、レジスタ、キャッシュ、メモリなどのように短時間でデータを格納する媒体ではなく、半永久的にデータを格納し、機器により読み取り（ｒｅａｄｉｎｇ）可能な媒体を意味する。具体的には、前記格納される媒体の例としては、ＲＯＭ、ＲＡＭ、ＣＤ-ＲＯＭ、磁気テープ、フロッピーディスク、光データ格納装置などが挙げられるが、これに制限されない。即ち、前記プログラムは、前記コンピュータが接続できる多様なサーバ上の多様な記録媒体又はユーザの前記コンピュータ上の多様な記録媒体に格納できる。また、前記媒体は、ネットワークで接続されたコンピュータシステムに分散されて分散方式でコンピュータが読み取れるコードを格納できる。

本発明の実施例と関連して説明された方法又はアルゴリズムの段階は、ハードウェアで直接実現するか、ハードウェアにより実行されるソフトウェアモジュールで実現するか、又はこれらの結合により実現することができる。ソフトウェアモジュールは、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＥＰＲＯＭ（Ｅｒａｓａｂｌｅ Ｐｒｏｇｒａｍｍａｂｌｅ ＲＯＭ）、ＥＥＰＲＯＭ（Ｅｌｅｃｔｒｉｃａｌｌｙ Ｅｒａｓａｂｌｅ Ｐｒｏｇｒａｍｍａｂｌｅ ＲＯＭ）、フラッシュメモリ（Ｆｌａｓｈ Ｍｅｍｏｒｙ）、ハードディスク、脱着型ディスク、ＣＤ-ＲＯＭ、又は本発明が属する技術分野において周知されている任意の形態のコンピュータ読み取り可能な記録媒体に常に存在し得る。

以上、添付の図面を参照して本発明の実施例を説明したが、本発明が属する技術分野における通常の技術者は、本発明がその技術的思想や必須な特徴を変更することなく、他の具体的な形態に実施され得るということが理解できるだろう。従って、以上で述べた実施例はあらゆる面で例示的なものであり、制限的ではないものとして理解すべきである。

Claims (15)

1. 装置により実行される脳の構造を用いた脳画像補正方法において、
   対象体の脳を含む頭部画像を獲得する段階と、
   前記頭部画像を脳の構造に基づいて複数の領域に分割する段階と、
   前記複数の領域に対して脳のレイヤ配置条件を用いて補正を行う段階と、
   を含み、
   前記補正を行う段階は、前記複数の領域に対して前記脳のレイヤ配置条件に合っているか否かを判断して、前記脳のレイヤ配置条件に合わない領域を抽出し、脳のレイヤ構造を配置し直して補正する段階を含む、
   脳の構造を用いた脳画像補正方法。
2. 前記複数の領域に分割する段階は、
   脳の構造に基づいて脳をラベリングする学習モデルを用いて、前記頭部画像内の脳を前記複数の領域に分割する段階を含むことを特徴とする請求項１に記載の脳の構造を用いた脳画像補正方法。
3. 前記複数の領域のそれぞれは、
   前記学習モデルを通じて脳の構造に基づいてラベリングされたそれぞれの脳領域に対応することを特徴とする請求項２に記載の脳の構造を用いた脳画像補正方法。
4. 前記補正を行う段階は、
   前記複数の領域に対して、第５条件、第４条件、第３条件、第２条件、第１条件、第５条件の順に脳のレイヤ配置条件に合っているか否かを判断する段階と、
   前記複数の領域の中から前記脳のレイヤ配置条件に合わない領域を抽出して補正する段階と、を含み、
   前記脳のレイヤ配置条件は、
   皮膚、頭蓋骨、脳脊髄液、及び脳の内部領域の順に配置される脳のレイヤ構造を基に設定され、
   前記脳の内部領域は大脳、小脳、脳室に細分化されることを特徴とする請求項１に記載の脳の構造を用いた脳画像補正方法。
5. 前記脳のレイヤ配置条件は、
   皮膚に対応するレイヤよりも外部に配置されたレイヤが存在してはならない前記第１条件と、
   脳脊髄液に対応するレイヤが皮膚に対応するレイヤと接触してはならない前記第２条件と、
   脳の内部領域に対応するレイヤが頭蓋骨又は皮膚に対応するレイヤと接触してはならない前記第３条件と、
   脳の内部領域内の白質に対応するレイヤが脳の内部領域内の灰白質に対応するレイヤよりも外部に存在してはならない前記第４条件と、
   前記脳のレイヤ構造でレイヤ全体の配置分布が一定の範囲内に存在しなければならない前記第５条件のうちの少なくとも１つを含むことを特徴とする請求項４に記載の脳の構造を用いた脳画像補正方法。
6. 前記脳のレイヤ配置条件に合わない領域を抽出して補正する段階は、
   前記皮膚、前記頭蓋骨、前記脳脊髄液、及び前記脳の内部領域の順序に符合するように前記脳のレイヤ配置条件に合わない領域を配置し直す段階を含むことを特徴とする請求項４に記載の脳の構造を用いた脳画像補正方法。
7. 前記脳のレイヤ配置条件を用いて補正された前記頭部画像を基に前記対象体の３次元脳モデリングを行う段階を更に含むことを特徴とする請求項１に記載の脳の構造を用いた脳画像補正方法。
8. 前記脳のレイヤ配置条件を用いて補正された前記頭部画像を基に前記対象体の脳に対する電気刺激をシミュレーションする段階を更に含むことを特徴とする請求項１に記載の脳の構造を用いた脳画像補正方法。
9. 脳の構造を用いた脳画像補正装置において、
   前記脳の構造を用いた脳画像を補正するための少なくとも１つのインストラクションを格納するメモリと、
   前記メモリに格納された少なくとも１つのインストラクションを実行するプロセッサとを含み、
   前記プロセッサは、前記少なくとも１つのインストラクションが実行されると、前記インストラクションに対する応答として、
   対象体の脳を含む頭部画像を獲得し、
   前記頭部画像を脳の構造に基づいて複数の領域に分割し、
   前記複数の領域に対して脳のレイヤ配置条件を用いて補正を行い、
   前記プロセッサは、
   前記補正を行う際に、前記複数の領域について前記脳のレイヤ配置条件に合っているか否かを判断して、前記脳のレイヤ配置条件に合わない領域を抽出し、脳のレイヤ構造を配置し直して補正する、
   脳の構造を用いた脳画像補正装置。
10. 前記プロセッサは、
    前記複数の領域に分割する際に、脳の構造に基づいて脳をラベリングする学習モデルを用いて、前記頭部画像内の脳を前記複数の領域に分割することを特徴とする請求項９に記載の脳の構造を用いた脳画像補正装置。
11. 前記プロセッサは、
    前記補正を行う際に、前記複数の領域に対して、第５条件、第４条件、第３条件、第２条件、第１条件、第５条件の順に脳のレイヤ配置条件に合っているか否かを判断し、前記複数の領域の中から前記脳のレイヤ配置条件に合わない領域を抽出して補正し、
    前記脳のレイヤ配置条件は、
    皮膚、頭蓋骨、脳脊髄液、及び脳の内部領域の順に配置される脳のレイヤ構造を基に設定され、
    前記脳の内部領域は大脳、小脳、脳室に細分化されることを特徴とする請求項９に記載の脳の構造を用いた脳画像補正装置。
12. 前記脳のレイヤ配置条件は、
    皮膚に対応するレイヤよりも外部に配置されたレイヤが存在してはならない前記第１条件と、
    脳脊髄液に対応するレイヤが皮膚に対応するレイヤと接触してはならない前記第２条件と、
    脳の内部領域に対応するレイヤが頭蓋骨又は皮膚に対応するレイヤと接触してはならない前記第３条件と、
    脳の内部領域内の白質に対応するレイヤが脳の内部領域内の灰白質に対応するレイヤよりも外部に存在してはならない前記第４条件と、
    前記脳のレイヤ構造でレイヤ全体の配置分布が一定の範囲内に存在しなければならない前記第５条件のうちの少なくとも１つを含むことを特徴とする請求項１１に記載の脳の構造を用いた脳画像補正装置。
13. 前記プロセッサは、
    前記脳のレイヤ配置条件に合わない領域を抽出して補正する際に、前記皮膚、前記頭蓋骨、前記脳脊髄液、及び前記脳の内部領域の順序に符合するように前記脳のレイヤ配置条件に合わない領域を配置し直すことを特徴とする請求項１１に記載の脳の構造を用いた脳画像補正装置。
14. 前記プロセッサは、
    前記脳のレイヤ配置条件を用いて補正された前記頭部画像を基に前記対象体の脳に対する電気刺激をシミュレーションすることを特徴とする請求項９に記載の脳の構造を用いた脳画像補正装置。
15. 請求項１に記載の脳の構造を用いた脳画像補正方法を行うようにコンピュータを機能させるためのコンピュータプログラムが記録されたコンピュータで読み取れる非揮発性記録媒体。
    

Images