JPH08502178A - パターン認識を利用した磁気共鳴画像処理 - Google Patents

Abstract

(57)【要約】 身体の異なった部分のサンプルの同一性が決定され、表示されるＭＲＩ技術である。１つの実施例において、この方法は既知の主要な腫瘍の患者の身体の他の部分への拡大を追跡するために使用することが可能である。ＭＲＩ装置は１またはそれ以上の学習サンプルから構成される学習セットを発生する。学習セットは身体の学習領域の合同な第１の複数の画像から生成される。各第１の画像は他の第１の画像を発生するために使用されたパルスシーケンスとは相違するＭＲＩパルスシーケンスを使用して生成される。各第１の画像は画素の配列から構成され、各学習サンプルは空間的に配置された各第１の画像中からの画素によって構成される。同様の技術は同一の身体の試験領域に対応する複数の試験サンプルを発生するために使用される。試験サンプルは学習サンプルと同一のパルスシーケンスを使用して発生される。学習および試験サンプルは、各試験サンプルに対して試験サンプルと学習サンプルとの同一性の程度を表す同一性データを発生するために比較される。表示は同一性データに基づいて発生される。

Description

【発明の詳細な説明】 パターン認識を利用した磁気共鳴画像処理 発明の分野 本発明は磁気共鳴画像処理（ＭＲＩ）に係わり、特にパターン認識方法のＭＲ Ｉへの応用に関する。 発明の背景 典型的なＭＲＩへの医学的な応用においては、患者は大きなドーナッツ型の磁 石の穴の中に配置される。磁石は患者の身体の長さ方向（頭から足に向かう）の 軸に沿って延びる静磁場を発生する。アンテナ（即ち導線のコイル）もまた大き な磁気の穴の中に配置され、患者の身体中の水素原子（陽子）を選択的に振動状 態に励起する振動無線周波数場を発生するために使用される。振動場は停止され 、アンテナは受信素子として使用される。典型的には、振動の強さは二次元平面 にわたって計測される。強さがこの平面中の位置の関数として表現されたときに は、結果はほとんどの場合この平面中に実際の解剖学的な特徴に対応する印象的 な画像を生み出す。 患者の身体の特定の点で検出される陽子振動の強さはその点の陽子の強さに比 例する。組織の異なる形式は異なる陽子の強さを有しているために、異なる組織 形は通常異なる画像濃度を有し、従ってＭＲ画像中に明瞭な構造を表示する。し かしながら、信号強さはまた画像化される組織の物理的化学的性質にも依存する 。簡略化されたＭＲＩモデルにおいて、画像化される平面のｘおよびｙ軸の位置 の関数として検出された信号強さは次式に比例する。 （１−ｅ^-TR/T1）ｅ^-TE/T2 （１） パラメータＴＲ（回復時間）およびＴＥ（エコー遅れ時間）はＭＲ画像処理装 置の操作員の制御下にあり、ある特定の画像にたいしては定数となる。しかしな がらＴ₁およびＴ₂は検査される組織の関数であり、従ってｘ−ｙ平面の位置に応 じて変化する。パラメータＴＲおよびＴＥを適切に選択することにより、それぞ れいわゆる「Ｔ₁荷重の」および「Ｔ₂荷重の」画像をそれぞれ生み出す式（１） 中のＴ₁あるいはＴ₂の一方を支配することが可能となる。 ＭＲＩが現在までに置かれていたより重要な医学的な使用方法の１つは良性か 悪性の腫瘍であるかを区別するための患者の身体の一部の非侵略的な走査である 。ＭＲＩがこのように使用される場合には、ＭＲ画像の所定部分が嚢種のような 他の腫瘍と対比されるように腫瘍を表示することを含む何らかの方法論を有する ことが必要である。腫瘍を区別する周知の１つの方法は、異なる画像パラメータ 、即ち異なったパラメータＴＲおよびＴＥを使用した患者の身体の同一の領域の 多重ＭＲ画像を学習することであった。簡単化された例を示すと、第１のパラメ ータ設定で所定の腫瘍が高画像濃度を、第２のパラメータ設定で低濃度を、さら に第３のパラメータ設定で高濃度を生じることが知られているとすると、濃度（ 高、低、高）のパターンを生じる患者の身体の部分は腫瘍であると試験的に区別 することが可能となる。 この形式のパターン認識手法は米国特許5,003,979に記載されている。この特 許はＭＲＩ技術を使用した胸の腫瘍障害の検知および表示の装置を記述している 。１つの記載された例によれば、３つの異なった画像の形式が所定の領域に対し て得られ、画像の画素は濃度パターンを嚢種あるいは癌のような純粋な腫瘍の周 知のパターンと比較することによって区別される。この特許は画像の３つの特定 の形式が胸部嚢種、癌および線維腺種のＭＲ画像を統計的に分離す るのに適していることを示している。 本出願人は多くの場合患者の腫瘍の濃度のパターンと異なる種類の腫瘍の標準 的なパターンとの比較は十分正確な結果をもたらさないことを発見している。基 本的な問題は１つのＭＲＩ装置と他の装置との間だけでなく１人の患者と他の患 者との間にも非常な相違があることに表れる。この理由によって、標準パターン の使用は生体組織検査のようなより確実な診断をしないですませるために患者が 持つべきより大きな自信を提供しない。この理由によって、ＭＲＩに基づく癌診 断は広く受け入れられていない。 癌の処置においてしばしば発生する問題は、患者の身体の他の部分に主要な腫 瘍が拡大したときにその部分に転移として周知のいわゆる副次的な腫瘍の発生を 検出することである。ＭＲＩあるいは他の画像技術を使用による転移の検出およ び正確な識別は、多段化の過程で発見された隔離した障害は転移あるいは良性の 付随的な発見を表すことがあるという事実によってしばしば複雑にされる。良性 の障害（肝血管腫および機能しない副腎腺腫）の多くはそれらが一般的な場合に そうであるように、周知の主要な腫瘍と共に患者のなかにしばしば発生する。 このジレンマを解決するために追加の画像あるいは生体組織検査が要求される が、しばしば顕著な不確定さが残る。生体組織検査は障害が脳あるいは縦隔であ る場合、あるいは患者が不完全な止血部分を有する場合には患者を本質的な危険 に曝すこととなる。生体組織検査が患者に深刻な危険を及ぼさない場合において も、それは脊髄中の局所的な障害のように技術的な挑戦であろう。 発明の要約 上記問題点に鑑み、周知の主要な腫瘍と未知の組織の隔離した障 害との間の同一性を非侵略的に計測する方法を有することは有用である。臨床医 は２つの障害が同一の組織に表われた可能性を決定するために測定された同一性 を使用するであろう。このような方法は病理的な骨折を周知の腫瘍を持つ患者の 良性の骨粗しょう症の圧縮的骨折とを区別するためにも使用できるであろう。同 様にこの方法は転移とテント上方にある単性の強められた障害を表す肺癌患者の 亀裂骨折とを区別するためにも使用できる。同じ組織に表れた２つの障害の可能 性を決定するための計算された同一性の使用は非侵略的な画像診断の信頼を顕著 に改善するであろう。 このようなアプローチは本発明にかかるＭＲＩ画像処理技術によって提供され る。望ましい実施例においては、ＭＲＩ装置は１枚あるいは複数枚の学習サンプ ルからなる学習セットを生成するために使用される。学習セットは身体の学習領 域の最初の画像と合同のセットから構成されている。学習領域は周知の主要な腫 瘍のある領域であろう。「合同」という語は、最初の画像のエコーが患者の身体 を通して同じ物理的な断面あるいは平面を表すという事実をいう。最初の画像は 予め定められた相互に相違するＭＲＩパルス列のセットを使用して生成される。 各最初の画像は画素の配列を構成し、各学習サンプルは各最初の画像から空間的 に配置された画素のセットを構成する。 ＭＲＩ装置は複数の試験サンプルを構成する試験セットを生成するためにも使 用される。この試験セットは同じ身体の試験領域の第２の画像の合同なセットか ら形成される。試験領域は副次的な腫瘍に対して走査されるべき領域であろう。 第２の画像は第１の画像と同様のＭＲＩパルスを使用して生成される。各第２の 画像は画素の配列を構成し、各試験サンプルは各第２の画像から空間的に配置さ れた画素のセットを構成する。 各試験サンプルに対して、試験サンプルと学習サンプルとの間の同一性の程度 を表す同一性データを生成する。そして表示はこの同一性データに基づいて生成 される。表示は学習サンプルと最も近似した試験サンプルを識別する。例えば、 第２の画像の１つは従来のグレースケールを使用して表示されるかもしれないが 、最も近似した画素はカラーで高輝度表示される。例えば第２の腫瘍において、 カラーで高輝度表示された第２の画像の領域は主要な腫瘍を構成する最初の領域 （学習セット）と最も近似した領域に対応する。従って、カラーで高輝度表示さ れた領域は二次的な腫瘍の可能性のある場所を特定することとなる。 他の面によれば本発明は、第１および第２の画像のエコーに基づく空間的相関 画像の発生、学習および試験サンプルを生成するための第１および第２の画像を 結合した空間的相関画像の使用を提供する。第１および第２の画像が身体の異な る平面あるいは異なったときに収集される場合には誤差を最小にするために計測 標準化技術が使用されるであろう。さらに他の面によれば、本発明はＭＲ画像の ある組織を圧縮し強調する技術を提供するであろう。 図面の簡単な説明 図１はＭＲＩ画像処理装置の透視図である。 図２は合同画像のセットの概念図である。 図３Ａ−３Ｃは学習および試験セットを生成するための３つの技術を示す。 図４は本発明の１つの望ましい実施例の基本ステップを示すフローチャートで ある。 図５は第１および第２の最も近接した隣接画素の概念図である。 図６は学習あるいは試験セットを生成するための原画像と空間的 相関画像との結合を示す図である。 図７は予め定めた組織形を含むＭＲ画像の一部を調整するための本発明の使用 を示す図である。 図８は同一性データの画像への変換を示すグラフである。 図９Ａおよび９Ｂは本発明にかかる脂肪圧縮を示すＭＲ画像である。 望ましい実施例の詳細な説明 図１は磁気共鳴画像処理のための従来からの装置の簡略化した斜視図である。 この装置はハウジング１２、オペレータコンソールとして機能するコンピュータ １４、電源供給モジュール１６、および信号処理モジュール１８から構成される 。ハウジング１２はＭＲ画像処理が実行される患者２０を取り囲む中空の円筒形 状を有している。ハウジングはハウジングの円筒中心軸（Ｚ軸）に沿って静磁界 を発生するために使用されるフィールドコイル２２を含んでいる。ハウジングは さらに振動する無線周波数磁場を発生し、また印加された静的および振動的磁場 に応答して患者の身体中によって発生される無線周波数信号を検出するために使 用されるアンテナ２４を含んでいる。アンテナによって検出された信号は、増幅 され、コンディションを整えられ、コンピュータ１４内に記憶するためにディジ タル化されるために信号処理モジュール１８に接続される。コンピュータは記憶 されたデータを処理し、患者の１ないしは２以上の平面あるいは断面２６の画像 を生成し表示する。 コンピュータによる断層写真（Computed tomograpy（ＣＴ））と異なり、磁気 共鳴（ＭＲ）画像処理は定量的な解析に適したデータを生成する。これはＭＲ信 号の強さがいくつかの変数によって決定されるからであり、従ってＭＲデータは 多次元であると言われてい る。ＭＲ信号をパターン認識方法として周知の１組の多変数統計によって解析す ることができるのはＭＲ信号の多次元性による。 パターン認識方法は従来のデータ解析方法よりも廉価により正確にデータ解析 を行うことができるので、科学および医学において広く使用されるようなってい る。例えば、標準合成物のライブラリと比較することによって未知の化学的合成 物を識別したいと仮定する。従来のアプローチは合成物の陽子核磁気共鳴（ＮＭ Ｒ）スペクルを採り、既知の標準スペクトルと比較することである。十分な高分 解能のＮＭＲスペクトルメータを使用することによって、極く近い合成物であっ ても時々は相互に区別することが可能である。しかしながらこれら計測器の精度 には限界があり、限られた能力は多くの研究者をしてこのアプローチを実用的で ないものとした。 その代替のアプローチがパターン認識方法である。ただ１回の高分解能計測に よる合成物の識別の試みに代えて、パターン認識方法は低分解能計測の結合によ っている。例えば未知の合成物のスペクトルは低分解能のＮＭＲ、近赤外および 質量分光計から得られるであろう。多変数統計がこれら３つのスペクトルと基準 スペクトルのライブラリとの比較に適用される。異なった形式によって実行され た低分解能の計測の結合は、しばしば高分解能の単一のＮＭＲスぺクトルメータ によって達成される以上の高識別力をもたらす。 サンプル間の同一性を認識するためのパターン認識方法の可能性はサンプルを 記述するデータの識別力のある分散と関連している。データの識別力のある分散 が大きくなるほど、パターン認識方法の可能性のある分解能は増加する。異なっ た方法で行われたいくつかの低分解能の結合によって１つの高分解能計測によっ て計測されたものより大きな識別力のある分散を得ることが可能である。 従来のＭＲ画像において、使用者は将来を見越して患者の質問に 応答するためにもっとも的確なパルスシーケンスを選択する。しかしながら本発 明によれば、使用者は組織によって要求される情報（分散）を最大にするために 選択されたシーケンスを適用する。従って、使用者は特定の患者の質問に回顧し て応答するデータのためにパターン認識技術を適用する。 ＭＲＩへのパターン認識の応用は患者の身体の同一領域で撮影された複数の画 像の集積に基づいている。しかしながらそれぞれは異なったＭＲＩパルスシーケ ンス、即ちＭＲＩ装置の異なったパラメータ設定を使用して収集されるため、映 像は相互に異なっている。このように収集された画像のセットは相互に合同であ ると言われている。 図２は８枚の合同な画像３１−３８の１セットを図示している。全ての画像は 、各画像毎に相違したパラメータの設定によって患者の身体の同一の断面あるい は平面から収集される。各画像は、画像３１の画素４１で表される画素の長方形 のあるいは正方形の配列から構成されている。例えば、一方の方向に沿って２５ ６画素（周波数符号化次元）であり、他の方向に沿っては６４−２５６画素（位 相符号化次元）であってよい。しかしながら画素の他の数も使用することもでき る。画像３２−３８は、それぞれ患者の身体における同一の物理的位置の計測を 表す画素４１に対応する画素４２−４８を含んでいる。 行列の収集分解能（例えば２５６×６４）は行列の表示分解能（例えば５１２ ×５１２）とは通常異なるものであることを認識することは重要である。収集行 列は通常５１２×５１２に内挿され、内挿された行列は（通常ローパスフィルタ を使用して）滑らかにされる。これら双方の操作は、画像の主観的な表現を改善 するために磁気的共鳴画像装置によって実行される。本発明による操作に基づ く画素は、収集された画素あるいは表示のために内挿され滑らかにされた画素に 対して行われればよい。一般に後者はより便利であり、好まれるであろう。 合同の画像の１セットにおける同一の相対的な位置からの、従って患者の身体 の同一の物理的位置からの画素の収集は、ここではサンプルとして参照される。 画像３１−３８によってカバーされる領域の各画素位置に関連した１つのサンプ ルが存在する。サンプル５０は対応する画素位置の患者の組織の性質に関する情 報を含む非常に低分解能スペクトルであると考えることができる。サンプル５０ はまた８次元の計測空間のベクトルとも考えることができる。 前述したように、画像の合同セットによって表されるデータが可能な限り区別 できる分散を有することは好ましいことである。これは画像を発生させるために 使用される特定のパラメータ設定がデータの有用性を最大にするために注意深く 選定されることが必要であることをを意味している。他の組織から腫瘍を区別す るために、画像が好ましくは以下の標準ＭＲパルスシーケンス、即ちＴ₁荷重の スピン−エコーシーケンス（１つの画像）、６エコー多重スピンエコー（ＭＥ− ６）シーケンス（６つの画像）、およびショートインバージョンタイムインバー ジョンリカバリ（ＳＴＩＲ）シーケンス（１つの画像）を使用して発生されるこ とが発見される。ＭＥ−６シーケンスのための適切なエコー時間は、１５００ｍ ｓのＴＲを有する２６／５２／７８／１０４／１３０／１５６ｍｓである。ＳＴ ＩＲシーケンスのために、適当なパラメータはＴＲ１８００−２０００ｍｓおよ び１１０ｍｓのインバージョンタイムである。このパルスシーケンスの特定の結 合は大きな分散を有する８つの画像データを発生し、多重分散解析の要求によく 適している。 他の多くのパルスシーケンスおよびパルスシーケンスの結合は本 発明の実行において使用され得る。他の適当な結合は、Ｔ₁荷重の勾配エコーシ ーケンス、高速Ｔ₂荷重スピンあるいは勾配エコーシーケンス、および有用な圧 縮に適用するためのスピンるいは傾斜エコーシーケンスを含んでいる。有用な圧 縮シーケンスは、参照文献として組み込まれたTien．Robert D．の“Fat Suppre ssion MRImaging in Neuroradiology： Techniques and Clinical Application （神経放射線学におけるＭＲ画像の脂肪圧縮：その技術と臨床的な応用）”Amer ican Journal of Roentgenology 158：369-379、1992年２月号に記述されている 。磁化転換シーケンスおよび拡散シーケンスは特定の応用に対して適当である。 コントラスト材料がＴ₁荷重画像を強調するコントラストを生成するために使用 されることが可能である。さらに、他のスピン−エコーシーケンスが異なった多 重化とともに使用されることが可能である。例えば、４−スピン多重スピンシー ケンスは多くの場合において優れた結果をもたらす。あるＭＲＩ装置において、 ＭＥ−４シーケンスは多くのＴ₁荷重およびＳＴＩＲシーケンスの典型的な場合 において自動的に多重にスタックされた平面を収集できるという利点を有してい る。全ての使用されたシーケンスに対し、シーケンスに適用可能などのパラメー タも、勿論、特定の応用に対する発明の有用性を最大とするために調整される。 例えば、ＳＴＩＲシーケンスに対するインバージョンタイムはより高い磁場強さ の装置に対して一般的に適当なより高いインバージョンタイムとともに３０−１ ６０ＭＳの範囲で調整することが可能である。勾配エコーシーケンスにおいては 、ＲＦフリップ角度はデータの区別できる分散を最大とするために調整されるこ とが可能である。 前記したように、本発明は特定の組織に対する予め周知のパターンとの同一性 に基づいてサンプルを特徴づけることはできない。そ の代わりに、本発明は患者のサンプルと同一の患者の他のサンプルとを比較する 。例えば図３Ａを参照すると、画像の合同なセット６０は患者から最初に取得さ れる。１つあるいは複数のサンプルの第１のグループは学習セット６２として選 択され、サンプルの第２のグループは試験セット６４として選択される。学習セ ット６２は周知の主要な腫瘍内にあってもよいが、試験セット６４は主要な腫瘍 に関連した副次的な腫瘍の存在に対して操作される。 いったん学習セット６２と試験セットとが選択された後は、試験セット６４と 学習セットの各サンプル間の同一性、あるいは「距離」の程度を決定する。同一 性計測を提供するための適当な技術は以下に述べられる。しかしながら、２つの 一般的なアプローチが好ましい。第１のアプローチにおいては、試験サンプルか ら各学習サンプルまでの距離が決定され、それらの距離の最小値が選択される。 第２のアプローチにおいては、平均学習サンプルが演算され、試験サンプルから 平均学習サンプルまでの距離が決定される。 距離あるいは同一性の測定値が各試験サンプルに対して決定されると、強調さ れた「最も近似した画素」（即ち１％の最も近似した画素）を有する試験セット ６４によって構成される画像の１枚が表示される。好ましい強調技術は、試験セ ットの画像の１枚の従来のグレイスケール表示上に重畳された色彩によって最も 近似した画素を表示することである。その結果の表示は、学習セットによって表 示される主要な腫瘍が試験セットによって取り囲まれた領域に広がる範囲を開業 医が識別することを許容するために臨床学的な変数を明らかにする。 図３Ｂおよび３Ｃは学習および試験セットを選択するための異なった技術を示 している。図３Ｂにおいて、例えば患者の身体の２つの相違した断面あるいは平 面である合同の画像の２つのセット６６ と６８を得る。１枚の学習セット７０はセット６６から選択され、第２のセット ６８全体は試験セットとして使用される。このバリエーションは本発明における 同一性の計測技術が、同一の画面上の２つの部分ではなく患者の身体中のいかな る２つの部分の同一性を計測するために使用されることを許容する。 図３Ｃは、第１のセット７２が時間に対して１点で収集され、セット７２の部 分が学習セット７６を形成するために使用される。後刻、数日後、数週間後、あ るいは数月後に第２の合同セット７４が患者の身体の同一の領域から採取され、 試験セットを形成するために使用される。この変更において、本発明は患者の身 体の他の部分への腫瘍の拡大を追跡するだけでなく、単一の腫瘍の発展の追跡お よび治療状況を評価するために使用できる。 図３Ａ−３Ｃに描かれたアプローチは徹底的なものではないことが理解できる であろう。例えば、時間的な、あるいは患者の身体の離れた部分の腫瘍の拡大を 追跡するために図３Ｂおよび３Ｃの技術を結合することが可能である。 図４は、図３Ａ−３Ｃに描かれた手順のいずれかを実行するために使用される ステップを示すフローチャートを提供する。ステップ８０において、従来のＭＲ 画像装置が主要な腫瘍を含んでいると考えられる患者の身体の一部分の複数の合 同な画像の第１のセットを採取するために使用される。ステップ８２において、 第１のセットの各画像は好ましくは図５および６に概要を示す空間的な相関処理 の対象となる。 図５を参照すると、Ｐは第１のセットのいずれかの画像のいずれかの画素を示 している。画素Ｐに対して、図５において１によって示される８個の境界を接す る画素は第１の最も近接する画素として参照されるが、２によって示される１６ 個の次のグループは第２の 最も近接する画素として参照される。図４に示すステップ８２の空間的相関にお いて、第１のセット中の「原」画像のそれぞれは、２ちの新しい画像を発生する ために他の原画像から分離される。第１の新しい画像において、各画素は第１の もっとも近接した画素の平均値と等しい値を有する。第２の新しい画像において 、各画素は第２のもっとも近接した画素の平均値と等しい値を有する。この処理 は第１のセットの原画像のそれぞれに対して実行される。（例えば、図２に示さ れるように）８枚の原第１のセット画像があるとすると、このステップは図６に 示すように合計２４枚の画像を発生する。積み重ね１１０は８枚の原第１の画像 セットを表し、積み重ね１１２は第１の最も近接した平均値によって発生された ８枚の新しい画像を表し、積み重ね１１４は第２の最も近接した平均値によって 発生された８枚の新しい画像を表わす。このように、空間的な相関ステップの結 果として患者の唯一の断面に対応して合計２４枚の新な合同の画像が存在する。 従ってこの断面に対する各サンプルはそれに関連した合計２４の濃度値を有する 。 図４に戻って、次のステップ８４は学習セット、即ち探索の対象である主要な 腫瘍を含むこの断面のサンプルのサブセットを選択する。このステップは使用者 に対しコンピュータ１４（図１）のディスプレイスクリーン上に８枚の原画像の １枚を表示し、使用者に学習セットとして使用するために選択される画像の部分 を覆うサイズを変更することのできるボックスの位置を問うことによって実行さ れるであろう。一端学習セットが選択されると、学習セットサンプルはステップ ８６においてスケーリングがなされる。スケーリングは、例えばデータの濃度値 が零平均値および単位の標準偏差を有するように線型的に調整される従来のパタ ーン認識手順である。学習サンプルはステップ８６において標準化されるであろ う。標準化は ＭＲＩ計測における時間的なドリフト、あるいは異なったＭＲＩ計測の間の相違 を補正する技術であり、以下でさらに説明される。 再度図４を参照すると、ステップ９０−９６は、副次的な腫瘍のために走査さ れる患者の身体の試験領域の２４枚の合同画像セットからなる試験セットを生成 するためにステップ８０−８６と同一の一連のステップである。ステップ９０に おいて、試験領域の合同な第２の画像の第２のセットが採取される。第２の画像 は同一のＭＲＩパルスシーケンス、即ちステップ８０における第１の画像と同一 である使用者によって調整可能なパラメータを使用して採取される。ステップ９ ２において、第２の画像は上述のさらに図５および６に記載された空間的な相関 手順の対象となる。ステップ９４において、試験セットが選択される。多くの場 合、試験セットは完全な第２の画像である。しかしながら、ある場合において処 理時間を節約するために、探索の実際の目標を含むサブ領域を特定することが望 ましい。最後にステップ９６において、ステップ８６で実行されるのと同一の方 法で試験セットはスケーリング（および標準化）される。 いったん学習および試験セットが準備されると、ステップ１００において学習 セットと試験セットのそれぞれとの間の相対的な「距離」を決定するために相互 に比較される。周知の統計的な技術のいくつかは、多次元データ空間における一 対の画素の間の距離を演算するために使用可能である。しかしながら、本発明の 目的に対して望ましい技術は、次式に示すように単純なユークリッド距離を決定 する。 Ｒ_iは学習サンプルのｉ番目の座標、Ｓ_iは試験サンプルのｉ番目の座標、Ｎは 各データセット中の次元の合計数（即ち２４）であ る。２つの好ましい技術は各試験セットサンプルの距離値に関連して上記で既に 説明した。第１の技術において、平均学習セットサンプルが演算され、各試験セ ットサンプルと平均学習セットサンプルとの間の距離が演算される。第２の技術 においては、各試験セットサンプルに対して、試験セットサンプルから各学習サ ンプルまでの距離が計測され、それらの距離の最小値が選択される。しかしなが ら、他の同等の計測が本発明の精神を離れることなく使用することが可能である 。 上式２による距離の計測は、Ｋ＝１におけるいわゆるＫＮＮ（Ｋ番目の最も近 接）法の例である。これは各次元が画像の１つに対応する多次元計測空間中のサ ンプル間のユークリッド距離に等しい。ＫＮＮ技術のこの実施例はノンパラメト リック分類アルゴリズムを使用した管理された分類の一例である。本発明の目的 に対しては、ベイズあるいはＳＩＭＣＡ法のようなパラメトリック分類を比較し た時にノンパラメトリック分類技術は好ましいものであると決定された。パラメ トリック法においては、分類が観察者バイアスに反映する可能性をもたらす使用 者によってなされなければならない前置的選択がある。ノンパラメトリック法の 可能性の限界はデータ中の本体から離れた部分を認識できないことにある。しか しながら、観察者は全体の画像の関係から分類の結果を予想することが可能であ る、即ち観察者は本体から離れた部分を認識できるため、実際上はこの制限は克 服される。 学習セット中のサンプルの平均値と試験セット中の所定のサンプルとの間のユ ークリッド距離の演算は高速に演算されるが、試験セットの不均一性に関しては 少しの情報しか提供しないという不利益を有する。組織の不均一性は学習セット の各サンプルと試験セットの所定のサンプルとの間の距離を計測し、代表距離と して最小の距 離を選択することによって正確に表される。この方法で計測された最小距離は試 験サット中のサンプルに最も近似した学習セット中のサンプルを表す。 本発明におけるパターン認識技術の精度は学習および試験セットの区別可能な 相関に依存し、データの区別可能な相関が大となるほど２つの異なった組織の近 似度はより正確に区別される。区別可能な相関を、関心の領域に適用される異な ったパルスシーケンス（画像）の数の増加によって増加することが可能である。 理論的には、分類の精度は使用されるシーケンスの数を増加することによって任 意に増加することが可能である。実際には、より高精度のために必要なことはデ ータが過度に多次元であってはいけない、撮像時間の物理的な制限という要求に よって均衡されなければならない。過度に多次元であるデータの使用は近似して いるが同一ではないサンプルを区別するための学習セットの特徴を一般化するた めの分類の可能性を減少し、分類のための未決定のデータの使用は特定できない 高輝度の大きな程度をもたらす。 最大分類精度は、全撮像時間を減少することに役立つＭＥ−６パルスシーケン スに対して相対的に低空間的分解能の使用によって達成される。６４×２５６画 素配列を有するこのシーケンス（位相周波数）の使用は、空間的な分解能の減少 は信号雑音比を改善する画素サイズの増加をもたらすために、より高い空間的な 分解能を有する配列（１２８×２５６）よりもより正確な分類をもたらす。これ は、画素当たりのより大きな情報内容を表すより高いスペクトル分解能を得るた めに空間的な分解能を代償とすることとなる。これはなによりも高空間的分解能 を達成しようとするＭＲＩにおける従来のアプローチからは離れてくる。 本発明入力よって達成される組織区分の程度は高輝度表示される 最も近接した距離のパーセンテージに依存する。極く小さなパーセンテージ（即 ち試験サンプルの０．２％から２％）の高輝度表示は高い識別度をもたらすが、 気の付かない障害を検出する感度を低下させる。大きなパーセント（２％から８ ％）の高輝度表示は組織識別の程度を減少するが、気の付かない障害の検出の可 能性を増加する。もしＭＲＩ使用の原理的な目的が気の付かない障害の検知より も当初未知の認識された障害の特定化であるとすると、組織識別を最大にするた めに、通常試験画像中の画素の０．５％から０．２％だけを高輝度表示すること が望ましい。 本発明の実行中に、各サンプルを記述する変数の数に対するサンプルの数の比 が少なくとも３であるように、データは適切に過度に決定されるべきである。結 合されたＭＥ−６、ＳＴＩＲおよびＴ１荷重シーケンスを表す各サンプルは８つ の原データと空間的な相関変数を表す１６の誘導データを含んでいる。２４ある いはそれ以上のサンプルを含む学習セットは、システム内において各サンプルに 対して収集された元の８個のデータに関連して適当に過度に決定される。 疑似的な相関（即ち偶然に発生するもの）を避けるために適切に過度に決定さ れたシステムを有することは理論的に重要であるが、学習セット中に含まれるサ ンプルの数は分類の精度に驚くほど少ししの影響しか有しない。４つのサンプル を有する学習セットは相対的に決定さらないが、２５から５０サンプルからなる 学習セットによって達成される分類と同様である分類とすることが可能である。 他の状態においては、７００サンプルを含む学習セットは、２５のサンプルの学 習セットと比較して特定されない高輝度表示する量を減少する。しかしながら、 ７００サンプルセットは２５サンプルセットに比べて２５倍以上の計算時間を要 求する。一般に、１６から ２５の学習セットが分類精度と計算負荷とを均衡させる。 本発明において要求される付加的な撮像時間は、腫瘍的な画像に対する放射線 医学者のアプローチに依存する。もし放射線医学者が身体の評価のためにＴ１荷 重およびＴ２荷重画像の結合を使用し、ＣＮＳ転移を適用したとすると、１つあ るいは複数のＳＴＩＲシーケンスおよび多重スピン−エコーシーケンスは実際的 ではないであろう。しかしながら多くの身体および背骨の腫瘍的画像はＳＴＩＲ およびＴ１荷重のスピン−エコーシーケンスの結合によって達成されるために、 ２つの選択された解剖学的な断面に対する多重−エコースピン−エコーシーケン スによる収集は、ＭＥ−６パルスシーケンスに対して相対的に低い空間的分解能 が使用された時には全体撮像時間に対して７分以下が追加となる。 分類の精度は、学習セットがどの程度正確に既知の組織を示しているかに依存 する。既知の腫瘍に隣接した通常の脂肪の部分が学習セット中に意図しないで含 まれているとすれば、区別された画像は腫瘍および通常の脂肪の両方で高輝度表 示されるであろう。同様に学習セットが壊死した腫瘍を含む場合には、試験セッ ト中の腫瘍の生きている部分は区別され得ない。クラスター分析は、使用者がこ の課題に対して代用するであろう単一の学習セット中の２つの組織の予期しない 包含を検出するために使用され得る。 最も正確な分類は学習および試験セットが共に平行な平面から採取されたとき に発生するので、若し学習セットが頭部の平面で採取されたとしたときには試験 セットも頭部の平面で採取されるべきである。所定の画像中の画素は等方性でな いので、学習セットと試験セットとは平行な平面で採取されるべきである。図３ Ｃに示されるように異なった時刻に学習セットと試験セットとが採取されたとき には、計測ドラフトによって発生する影響を最小にするために以下 に記述される標準化技術が使用されるべきである。すべての場合において、学習 および試験セットを発生するために使用される対応するシーケンスは同一の計測 パラメータ、即ち同一のパルスエコー方向、切断厚さ、監視範囲、平均値、ＳＴ ＩＲインバージョン時間、およびＴＲを使用して採取されるべきである。好まし くは、学習および試験セットは同一の計測で採取されるべきである。しかしなが ら、それらが異なった計測で採取されたときには、標準化技術を以下に述べるよ うに異なった計測の応答の効果を最小にするために使用することができる。 試験セット中の画素の特定されない高輝度表示は２つの状況、即ち第１はデー タの区別可能な分散が腫瘍と関連を持たない組織との間の区別のための分類方法 を可能とするには不十分である時、第２は組織のＭＲ画像が組織の形式にのみ依 存し撮影された平面中の組織の場所に依存しないという基本的な仮定に障害のあ る時に発生する。この仮定を妨げる状況は、位相符号化の傾きの方向に沿う人工 的な動き、傾きの不均一性、形状の悪い無線周波数パルス、および人工的切断、 固い臓器と腸間膜脂肪との間の境界のようにＭＲ信号強度の本質的な相違を有す る組織間の境界に発生する化学的人工的シフトである。 この方法の精度を評価するときには、どの方法が解決する能力を有しているか という診断的な質問とその方法が解決できないという質問とを区別することが重 要である。本発明は異なった組織の間の同一性を計測するが、一般的には良性で あるか悪性であるか、あるいは繁殖性であるか非繁殖性であるかは特定できない 。この方法は学習セットと試験セットとのいかなる結合からも距離の行列を発生 するので、使用者は臨床医学的に価値のある方法でこの発明を適用することを義 務付けられる。この方法は付随的な、置換できない、 経皮的な生体検査を意味する。 図３Ｃに関して前述したように、１つの応用において、本発明は異なった時刻 に形成された画像から学習および試験セットを生成する。しかしながら、学習お よび試験セットが異なった時刻に形成された時には、ＭＲＩ計測の結果のドリフ トがこの方法の結果に影響を与えるであろう学習および試験セット間の相違を発 生するであろう。さらにある場合には学習および試験サンプルが異なったＭＲＩ 計測装置を使用して収集されることが必要な場合もあり得る。この場合には２つ の計測の間の相違は対象となる組織の同一性とは関連しないサンプル間の距離に 影響する。 この影響を除去するあるいは少なくとも最小とするために、多変量計測標準化 技術が計測の相違に起因する誤差を制限するために使用されることが好ましい。 適切な技術は、ここで参照文献として組み入れられるWang、VeltkampおよびKowa iski著“MultivariateInstrument Standardization”Analytical Chemistry 63 ：2750-56に記述されている。Wang等によって記述された技術のうち好ましい技 術は、１枚の撮像期間が他の撮像期間に発生されたサンプルの予測値を発生する ために採取されている間にサンプルが発生される「直接」法（部分的直接を含む 。）である。典型的には学習サンプルよりも多数の試験サンプルが存在するため 、典型的には第１の撮像期間において収集されるであろう学習サンプルを採取す るための演算時間中に試験サンプルが収集される第２の撮像期間において発生さ れるであろう対象のサンプルの予測値を発生することが好ましい。 標準化は各撮像期間にＭＲ画像装置中に複数の較正標準を含むことによって実 行される。これは各較正標準を表すいくつかの画素が各画像中に表れるように較 正標準を配置することによって達成され る。代案としては、較正標準を周期的に（例えば１日１回）別に撮像し、その日 に撮像したすべての画像を標準化するために使用することも可能である。本発明 の目的のために、適切な較正標準は水、１ｍＭ（ミリモル）CuSO₄（水溶液）、 １：１（ｖ：ｖ）アセトン：水、サフラワー油、鉱物油、飽和サッカロース溶液 、９５％エチルアルコール、グリセリンである。しかしながら他の較正標準を使 用する事も可能である。正確な結果を得るために、学習および試験セットの収集 中は同一の較正標準が使用されるべきであり、較正標準は急激に変化もしくは時 間とともに分解してはならない。較正標準の適切な数は独立に撮像される画像の 数と等しい８である。 上述したように、本発明の方法の結果は元のグレイスケールＭＲ画像の１つを 表示することによって、さらに最も近似したサンプルに対応する画像の画素をカ ラーで高輝度表示することによって、表示されるであろう。学習および試験セッ トが画像の同一のセットから得られる限り、試験セットのサンプルの最も近いＸ ％が学習セットと実際上同一であるとする仮定は正しい。しかしながらこの仮定 は学習および試験セットが異なった画像のセットから採取されるときにはほとん ど正しくはない。このことは、学習組織、即ち学習サンプルによって拡大される 領域内の組織のいずれをも含んでいない試験セットの分類を考えることによって 理解される。距離の最も近い１％の表示は試験セットの画素の１％を高輝度表示 するであろうが、これらの距離は学習組織を含む試験セットで発見されるよりも 顕著に大となるであろう。 この問題を解決するために表示処理においてしきい値としての距離を採用する ことが可能である。この変更において、本発明は最小の距離を有する試験セット の画素のＸ％を区別することが好ましい。これらのサンプルに関し、選択された しきい値であるＹ以下の距離 を有するサンプルだけが表示される。このことは、使用者が画素の最も近似し、 しきい値距離Ｙ（これも使用者によって選択される）以下の距離を有する画素を 高輝度表示することを選択したときには、２％の画素が高輝度表示されるであろ う。しかしながらこれらの２％の一部がしきい値以上の距離を有する場合には、 ２％の一部のみが高輝度表示される。最近接の２％のいずれもがＹ以下でないと すれば、いずれの画素も高輝度表示されない。 本発明は所定の組織から得られる画像の部分を選択的に強調し圧縮するために ＭＲＩ画像の調整を許容するように適用することが可能である。例えば、多くの 臨床的な応用において、対象となる組織は同等のＭＲＩ輝度を有する脂肪のよう な他の組織によって囲まれているであろう。しかしながら、もし２つの組織がパ ターン認識の使用によって区別できるならば、脂肪に対応する画像部分は対象の 組織の分解能を改善するために輝度を低減することが可能である。 この処理の一例が図７−９に図示されている。この処理は患者の対象の領域を 含む画像の合同なセット１２０を生成することによって開始される。セット１２ ０は前述したように空間的相関によって発生された付加的な画像を含むことが望 ましい。セット１２０は試験セットを形成し、最小のサブセットが学習セットか ら選択される。学習セットは、可能な限り学習セットサンプルが圧縮（あるいは 強調）を望む組織のみに対応するように選択される。 試験および学習セットは、それぞれの試験サンプルと学習サンプルとの間の距 離を表す同一性データ１２４を生成するために上述の手段によってステップ１２ ２において比較される。ステップ１２６において同一性データは同一性画像に変 換される。同一性画像は学習セットと同一の試験セット領域の部分を描く。もし 学習セットが脂肪組織を含んでいる場合には、同一性画像は試験セット画像中に 脂肪を描く。目的が学習領域と同一の試験領域のたの部分を識別することであれ ば、同一性画像が表示されるであろう。代案として、同一性画像は以下に述べる ように調整され、原画像の脂肪部分を選択的に圧縮するために原画像１２０の１ つから抽出されるであろう。 同一性画像を発生するために適した技術は図８に図示されている。同一性デー タ１２４は試験セットの各サンプルに対する距離値を構成し、この距離値は多次 元計測空間中の学習サンプルから試験サンプルまでの距離値である。従って距離 が短くなるほど、同一性は大きくなる。図８において、線１３０は、距離値を同 一性画像を構成する画素の輝度に変換するために使用される数学的な関係を表し ている。距離０、即ち同一のサンプルに対しては、最大の画素輝度１３２が与え られる。距離が零から増加するに従って、割り付けられる画素輝度はカットオフ 距離１３４に到達するまで減少する。カットオフ距離と等しいあるいはそれ以上 のの距離に対しては、画素輝度は零に設定される。このように画素輝度はセット １２０中の原画像と合同な同一性画像を生成する際に各サンプルに関連している 。 ステップ１４０において、輝度しきい値は学習セットと最も近似した同一性画 像の画素の減算を使用者が制限することが可能であるように選択される。ステッ プ１４２において、しきい値より大である同一性画像の画素は、好ましくは使用 者によって零から１の間で与えられたスケーリング係数によって「スケーリング 」される。しきい値以上の同一性画像中のそれぞれの画素輝度はスケーリング係 数が乗算される。線１４４で表される調整された同一性画像は、表示される調整 画像１４８を発生すために線１４４によって表される原画像の１つから抽出され る。この処理の全体的な効果は、学習セット１２２中の画素と同一のパターンあ るいは特徴を有するサンプルに対して、調整された画像中において輝度が減少さ れる。減少 の量はステップ１４２で与えられるフケーリング係数によって制御される。同様 の手順は選択された組織の強調を生成するためにも使用することができる。 図７および８に示された画像調整処理の例は図９Ａおよび９Ｂに示されている 。図９Ａは患者の頭部の従来のＴ１荷重ＭＲ画像を示している。各目の後方領域 は視神経および周囲の脂肪を含んでいる。脂肪およびコントラストの強調された 腫瘍はほぼ等しい輝度を有しているために、脂肪は視神経を覆い隠す傾向があり 、視神経のコントラストの強調された腫瘍を覆い隠してしまう。この応用に対し て合同の画像は標準のＴ１荷重およびＴ２荷重スピン−エコーシーケンスによっ て発生される。この場合学習セット１５０は脂肪を含むが視神経を含まない領域 から選択される。この学習セットは、図９Ｂに示される調整された画像を生成す る原画像から抽出された同一性画像を構成するために使用される。画像の脂肪部 分の抽出は視神経のより明瞭な分解能を可能とする。 本発明の好ましい実施例が記述され説明されているが、この発明の精神と範囲 から離れることなく種々の変更が可能である。例えば、ＭＲＩ装置の高い価格は 現時点におけるＭＲＩに対する実際的な応用は人間に対する医学的な応用だけで ある。しかしながら、本発明の原理は固体中で１つの位置と他の位置とのＭＲ応 答の変化する非均一的な固体である動物あるいは食料品のような他の対象に応用 可能である。

───────────────────────────────────────────────────── フロントページの続き (51)Int.Cl.⁶ 識別記号 庁内整理番号 ＦＩ Ｇ０６Ｔ 5/00 9191−5Ｈ Ｇ０６Ｆ 15/68 ３１０ Ｊ 9287−5Ｈ 15/62 ３９０ Ｃ (81)指定国 ＥＰ(ＡＴ，ＢＥ，ＣＨ，ＤＥ， ＤＫ，ＥＳ，ＦＲ，ＧＢ，ＧＲ，ＩＥ，ＩＴ，ＬＵ，Ｍ Ｃ，ＮＬ，ＰＴ，ＳＥ)，ＯＡ(ＢＦ，ＢＪ，ＣＦ，ＣＧ ，ＣＩ，ＣＭ，ＧＡ，ＧＮ，ＭＬ，ＭＲ，ＮＥ，ＳＮ， ＴＤ，ＴＧ)，ＡＴ，ＡＵ，ＢＢ，ＢＧ，ＢＲ，ＣＡ， ＣＨ，ＣＺ，ＤＥ，ＤＫ，ＥＳ，ＦＩ，ＧＢ，ＨＵ，Ｊ Ｐ，ＫＰ，ＫＲ，ＫＺ，ＬＫ，ＬＵ，ＭＧ，ＭＮ，ＭＷ ，ＮＬ，ＮＯ，ＮＺ，ＰＬ，ＰＴ，ＲＯ，ＲＵ，ＳＤ， ＳＥ，ＳＫ，ＵＡ，ＵＳ，ＶＮ

Claims (1)

1. 【特許請求の範囲】 包括的な所有権あるいは特権が主張される発明の実施例は以下のように定義さ れる。 １．身体の画像を発生するための磁気共鳴画像装置（ＭＲＩ）を使用する方法 であって、 １または複数の学習サンプルを有し、それぞれが他の画像を生成するためのパ ルスシーケンスとは相違するＭＲＩパルスシーケンスを使用して生成され、空間 的に配置された画素セットを有する、身体の学習領域の合同な複数の第１の画像 から生成される１または複数の学習サンプルを含む学習セットを発生するために ＭＲＩ装置を使用するステップと、 第１の画像と同一のＭＲＩパルスシーケンスを使用して生成され、画素の配列 によって構成され、空間的に配置された画素セットを有する、同一の身体の試験 領域の合同な複数の第２の画像から生成される複数の試験サンプルを含む試験セ ットを発生するためにＭＲＩ装置を使用するステップと、 各試験サンプルに対して試験サンプルと学習サンプルとの間の同一性の程度を 示す同一性データを発生するステップと、 同一性データに基づいて表示を発生するステップと、からなる方法。 ２．前記学習セットが複数の学習サンプルから構成される請求項１に記載の方 法。 ３．各試験サンプルに対する同一性データが、各学習サンプルと試験サンプル との間の同一性を表す同一性値を決定し、最大の同一性値を選択することによっ て発生される請求項２に記載の方法。 ４．各試験サンプルに対する同一性データが、学習サンプルの平 均値に対する試験サンプルの同一性を決定する請求項２に記載の方法。 ５．ＭＲＩパルスシーケンスがＴ１荷重パルスシーケンス、多重スピンエコー パルスシーケンスおよびＳＴＩＲパルスシーケンスで構成される請求項１に記載 の方法。 ６．表示を発生するステップが、第２の画像から選択された１つを表示し、最 も高い同一性を有する試験サンプルに対応する選択された第２の画像の一部分を 視覚的に高輝度表示する請求項１に記載の方法。 ７．選択された第２の画像がグレイスケールを使用して表示され、高輝度表示 がカラーで行われる請求項６に記載の方法。 ８．第１および第２の画像が相互に同一であり、学習および試験セットがそれ らの異なった部分から生成される請求項１に記載の方法。 ９．第１および第２の画像が相互に異なっており、学習領域および試験領域が 身体の異なった部分から生成される請求項１に記載の方法。 １０．第１および第２の画像が同一のＭＲＩ装置を使用して生成される請求項 １に記載の方法。 １１．第１および第２の画像が相互に異なっており、学習領域および試験領域 が身体の同一の部分であり、第１および第２の画像が異なる時刻に生成される請 求項１に記載の方法。 １２．表示が、学習サンプルと最も高い同一性程度を有する試験サンプルを区 別する請求項１に記載の方法。 １３．同一性データを同一性画面に変換するステップをさらに含む請求項１に 記載の方法。 １４．表示を発生するために第２の画像の１つと同一性画面とを 結合するステップをさらに含む請求項１３に記載の方法。 １５．同一性画面が複数の画素を含み、結合ステップが補正された同一性画面 を発生するために同一性画面中の予め定めたしきい値以上の画素の輝度を調整し 、選択された第２の画像から補正された同一性画面を減算する請求項１４に記載 の方法。 １６．各画素が身体の対応位置からの磁気共鳴信号の強さに対応した画素値を 有し、学習セットが第１の画像に対応しかつその１と合同な少なくとも１の空間 的相関画像を含み、各空間的相関画像が空間的相関画素の配列であり、各空間的 相関画素が対応する１の第１の画像中の１またはそれ以上の近接画素値の予め定 められた関数の画素値を有し、各学習サンプルが各第１の画像および各だい１の 空間的相関画像の空間的に配置された画素セットから構成され、試験セットが第 ２の画像に対応しかつ合同な少なくとも１の第２の空間的相関画像を含み、第２ の空間的相関画像は第２の空間的相関画素から構成され、各試験サンプルが第２ の空間的相関画素は各第２の画像および各第２の空間的相関画像の空間的に配置 された画素から構成されたものである請求項１に記載の方法。 １７．前記予め定められた関数が平均値関数である請求項１６に記載の方法。 １８．２の空間的相関画像が第１および第２の画像のそれぞれに対して発生さ れ、一方の空間的相関画素が第１の最も近接した画素の平均値であり、他方の空 間的相関画素が第２の最も近接した画素の平均値である請求項１６に記載の方法 。