KR102166648B1

KR102166648B1 - 시간 경과에 따른 통계 분석에 기초한 영상 진단 애플리케이션에서의 분할

Info

Publication number: KR102166648B1
Application number: KR1020157019736A
Authority: KR
Inventors: 피터 프린킹
Original assignee: 브라코 스위스 에스.에이.
Priority date: 2012-12-21
Filing date: 2013-12-18
Publication date: 2020-10-19
Also published as: JP2016501599A; BR112015014164A2; EP2936433A1; CN104885121A; WO2014096041A1; JP6333287B2; KR20150099823A; US9734584B2; CN104885121B; EP2936433B1; BR112015014164B1; US20150348277A1; BR112015014164A8

Abstract

화상 진단 애플리케이션에 사용하는 분할 해결안이 제시된다. 대응하는 데이터 처리 분할 방법(A1-A10)은: 조영제(contrast agent)로 관류되는 신체 부위의 0이 아닌 분석 시간 동안의 표시를 제공하는 단계(A1-A4)로서, 상기 표시는 상기 신체 부위의 일 세트의 위치의 각각의 위치에 대해 상기 위치의 분석시간 동안 질의 신호(interrogation signal)에 대한 응답 지시를 포함하는 상기 단계; 일 세트의 선택된 위치의 각각의 선택된 위치에 대해, 상기 선택된 위치의 분석 시간 동안의 응답의 통계 분포 중 적어도 하나의 통계 파라미터의 값을 연산하는 단계(A5-A6)로서, 상기 선택된 위치의 세트는 모든 위치 또는 그의 일부를 포함하는 상기 단계; 및 적어도 하나의 분할 임계치를 가진 상기 선택된 위치에 대한 상기 적어도 하나의 통계 파라미터의 값들 사이의 비교에 따라 상기 선택된 위치를 분할하는 단계(A7-A9);를 포함한다.

Description

시간 경과에 따른 통계 분석에 기초한 영상 진단 애플리케이션에서의 분할{SEGMENTATION IN DIAGNOSTIC IMAGING APPLICATIONS BASED ON STATISTICAL ANALYSIS OVER TIME}

본 발명에 따른 해결안은 영상 진단 분야에 관한 것이다. 보다 구체적으로, 본 해결안은 영상 진단 애플리케이션에서의 분할(segmentation)에 관한 것이다.

분할 기술은 영상 진단 애플리케이션(또는 간단히 영상 애플리케이션)에서 폭넓게 이용되고; 일반적으로, 분할 기술이 분석하에 있는 환자의 신체 일부의 표시(예를 들면, 그의 디지털 이미지)를 각각 실질적으로 동일한 특징을 가진 신체 일부의 표시의 부분을 포함하는 2개 이상의 세그먼트로 분할되는 것을 목적으로 한다.

예를 들면, 분할 기술은 DCE-US(Dynamic Contrast-Enhanced Ultrasound) 화상 애플리케이션에서의 혈 관류(blood perfusion)의 평가에 사용될 수 있다. 이 경우, 효율적인 초음파 반사기로서 기능하는 초음파 조영제(UCA; ultrasound contrast agent) 또는 간단히 조영제가 환자에게 투여된다. 조영제는 환자의 내부에서 적혈구와 동일한 속도로 흘러서 초음파에 응답하여 리턴된 에코 신호를 녹음함으로써 그의 검출은 대응하는 혈 관류에 관한 정보를 제공하도록 한다. 특히, 에코 신호가 기록된 신체 부위의 각각의 위치에 대해, 그것을 특징화하는 관류 파라미터 값(피크 증대와 같은)이 연산된다(예를 들면, 시간 경과에 따라 에코 신호를 피팅하는 파라미터 함수로부터). 파라미터 이미지는 신체 부위의 위치를 나타내는 각각의 픽셀에 대해 대응하는 관류 파라미터 값을 할당함으로써 구축된다. 파라미터 이미지는 상처를 포함하는 신체 부위의 분석 영역 내에서의 관류 파라미터 값의 통합된 값(consolidated value)(예를 들면, 그의 평균값(mean))을 연산하는 데에 이용될 수 있다; 일반적으로, 분석 영역의 통합된 값은 건강한 조직을 포함하는 신체 부위의 제어 영역 내의 관류 파라미터 값의 통합된 값에 대한 상대적인 항으로 표현된다. 이러한 상대적인 통합된 값은 예를 들면 자신의 치료 후속 조치에서 사용될 수 있는 상처의 정량적인 특성을 제공한다.

그러나, 분석 영역과 제어 영역의 통합된 값은, 그것들이 완벽하게 동일하지 않은 신체 부위의 영역에서 전역에 걸쳐 연산되기 때문에, 본질적으로 어느 정도의 부정확도에 의해 영향을 받고; 예를 들면, 분석 영역은 과소 관류된(hypo-perfused) 괴사성 조직(necrotic tissue)을 구비하고 제어 영역은 과대 관류된 큰 혈관(blood vessel)을 구비한다. 이들 분석 영역과 제어 영역의 과소 관류된(hypo-perfused) 부분 및 과대 관류된(hyper-perfused) 부분은 각각 분석 영역의 상대적인 통합된 값에서 반영하는 자신들의 통합된 값에서의 오차를 가져온다. 이러한 단점은 특히 치료 후속조치(follow-up)에서 결정적이고, 여기서 자신의 치료 동안 상처의 관류에서의 미묘한 변화조차 처리의 효과를 나타낼 수 있다.

대안으로, WO-A-2011/026866(그 전체가 참조에 의해 본 명세서에 통합됨)은 시간의 모델 함수(예를 들면, 로그 정규(lognormal) 분포 함수)에 의해 자신의 에코-파워 신호를 피팅함으로써 분석 영역의 각 픽셀의 분석 함수를 판정하고(관심 영역을 정의), 시간의 동일한 모델 함수에 의해 자신의 에코 파워 신호의 평균을 피팅함으로써 기준 영역(건강한 유조직(parenchyma)을 포함하는)에 대해 기준 함수를 판정하는 것을 개시한다. 분석 영역의 각각의 픽셀에 대해, 차이 함수(difference function)는 자신의 분석 함수로부터 기준 함수를 차감함으로써 연산되고; 픽셀은 그런다음 자신의 차이 함수의 극성 추세(즉, 양의 단극(unipolar) 클래스, 음의 단극 클래스, 양-음 바이폴라 클래스, 및 음-양 바이폴라 클래스)에 따라 상이한 클래스로 할당된다. 이러한 목적을 위해, 차이 함수의 양의 에너지와 음의 에너지를 연산할 수 있고; 양의 에너지와 음의 에너지의 합이 중대한 임계치 보다 더 높을 때, 상대적 양의 에너지 및 상대적 음의 에너지가 연산된다. 상대적 양의 에너지 또는 상대적 음의 에너지가 차등 임계치를 초과하는 경우, 차이 함수는 양의 단극 클래스 또는 음의 단극 클래스로 각각 할당되고; 역으로, 차이 함수는 자신의 주된 극성 변화의 순서에 따라 양-음 바이폴라 클래스 또는 음-양 바이폴라 클래스로 할당된다.

분할 기술은 또한 초음파 분자 이미징(UMI) 애플리케이션에서 이용될 수 있다. 이 경우, 타겟 지정 조영제가 사용되고; 타겟 지정 조영제는 특정 생물학적 타겟(예를 들면, 상처)에 도달하도록 조정되고, 그런다음 특정 상호작용에 의해 그 위에 고정되어 유지된다. 신체 부위에 고정되는 타겟 지정 조영제의 임의의 입자의 검출은 그렇지 않으면 발견하기 어려운 대응하는 상처를 식별하도록 하고; 더구나, 이들 고정된 입자의 정량화는 예를 들면 자신의 치료 후속조치에서의 사용될 수 있는 상처의 상태를 판정하도록 한다.

그러나, 타겟 지정 조영제의 고정된 입자의 검출 및 정량화는 자신의 총 양 중 작은 분량 만이 실제로 타겟에 도달하고 그 위에 고정되어 유지된다는 사실에 의해 방해받고; 타겟 지정 조영제의 대다수는 대신에 예를 들면, 환자의 폐 및/또는 간에서 필터링될 때까지 매우 오랜 시간 동안(예를 들면, 수분 동안) 순환하는 것을 계속한다. 따라서, 신체 부위에서의 타겟 지정 조영제 입자는 그 위에 고정된 입자의 기여 및 여전히 순환하고 있는 입자의 기여 모두를 포함하고; 그 결과, 2개의 기여 사이를 구별하는 것은 매우 어렵다(특히, 타겟 지정 조영제의 투여후 이른 시간에는).

본 발명의 간략한 요약이 본 발명의 기본적인 이해를 제공하기 위해 본 명세서에 제시되지만; 본 요약의 순수한 목적은 자신의 하기의 보다 상세한 설명에 대한 준비로서 간략한 형태로 본 개시물의 일부 개념을 소개하기 위한 것이고, 본 개시물의 범위의 개요로서가 아니고 자신의 주요한 엘리먼트의 식별로서도 해석되지 않는다.

일반적으로, 본 개시물은 시간에 따른 통계 분석에 대한 분할을 기반으로하는 아이디어에 기초한다.

특히, 일 양태는 화상진단 애플리케이션에서 사용하는 데이터 처리 분할 방법을 제공하고, 여기서 조영제로 관류된 신체 부위의 표시 중 선택된 위치가 각각의 선택된 위치의 분석 기간 동안 질의 신호(interrogation signal)에 대한 응답에 관한 적어도 하나의 통계적 파라미터의 값에 따라 분할된다.

추가적인 양태는 대응하는 컴퓨터 프로그램을 제공한다.

추가적인 양태는 대응하는 컴퓨터 프로그램 제품을 제공한다.

추가적인 양태는 대응하는 시스템을 제공한다.

추가적인 양태는 대응하는 화상진단 방법을 제공한다.

보다 구체적으로, 본 개시물의 하나 이상의 양태는 독립항에서 기술되고, 본 개시물의 이점이 있는 특징들이 종속항에서 기술되며, 모든 청구범위의 워딩은 본 명세서에서 참조에 의해 말 그대로 통합된다.(임의의 이로운 특징이 모든 다른 양태에 대해 필요한 변경을 가하여 적용한 임의의 특정한 측면을 참조하여 제공된다)

본 개시물의 하나 이상의 실시예에 따른 해결안, 추가적인 특징 및 그의 이점은 첨부 도면과 함께 판독되는 순수하게 비한정적인 지시에 의해 주어진 하기의 상세한 설명을 참조하여 가장 잘 이해될 것이다(여기서, 간략화를 위해, 대응하는 엘리먼트는 동일하거나 유사한 참조에 의해 표기되고, 그의 설명은 반복되지 않으며, 각각의 엔티티의 명칭은 전체적으로 값, 컨텐츠 및 표시와 같은 자신의 유형 및 속성 모두를 표기하기 위해 이용된다).
도 1은 본 발명의 하나의 실시예에 따른 해결안을 실시하기 위해 이용될 수 있는 시스템의 도면 표시를 도시한다.
도 2는 본 발명의 하나의 실시예에 따른 해결안의 애플리케이션을 위한 시험관 내(in-vitro) 시나리오의 예시를 도시한다.
도 3a-3b는 본 발명의 하나의 실시예에 따른 해결안의 애플리케이션의 예시를 도시한다.
도 4a-4d는 본 발명의 추가적인 실시예에 따른 해결안의 애플리케이션의 예시를 도시한다.
도 5a-5c는 본 발명의 추가적인 실시예에 따른 해결안의 애플리케이션의 예시를 도시한다.
도 6은 본 발명의 하나의 실시예에 따른 해결안을 구현하기 위해 이용되는 주된 컴포넌트의 규칙을 표시하는 콜라보레이션 다이어그램을 도시한다.
도 7, 8 및 9는 본 발명의 하나의 실시예에 따른 해결안의 시험관 내의 애플리케이션의 상이한 예시들을 도시한다.

특히 도 1을 참조하면, 본 발명의 하나의 실시예에 따른 해결안을 실시하는 데에 이용될 수 있는 시스템(100)이 도시된다. 특히, 시스템(100)은 중앙 처리장치(central unit)(105) 및 그에 연결된 예를 들면 어레이 타입의 핸드헬드 송수신 이미징 프로브(또는 간단하게 이미징 프로브)(110)를 포함하는 초음파 스캐너이다. 이미징 프로브(110)는 초음파 펄스의 시퀀스(예를 들면, 1 내지 50MHz 사이의 중심 주파수를 가지는)를 구비하는 초음파를 송신하고, 선택된 스캐닝 평면에서 초음파 펄스의 반사로 인해 발생한 무선 주파수(RF) 에코 신호를 수신하고; 이를 목적으로, 이미징 프로브(110)는 이미징 프로브(110)를 상술한 펄스 에코 모드에서 이용하도록 허용하는 송/수신 멀티플렉서가 제공된다.

중앙 처리 장치(105)는 초음파 스캐너(100)의 동작을 제어하는 전자회로가 장착되는 마더보드(115)(예를 들면, 마이크로프로세서, 작업 메모리 및 하드디스크 드라이브)를 하우징한다. 또한, 하나 이상의 딸 보드(dauther board)(참조 번호 120에 의해 전체가 표기됨)가 마더보드(115)로 플러그인 되고; 딸 보드(120)는 이미징 프로브(110)를 구동시키고 에코 신호를 처리하는 전자 회로를 제공한다. 중앙 처리 장치(105)는 또한 착탈가능한 디스크(130)(CD 또는 DVD와 같은)용 드라이브(125)가 장착된다. 모니터(135)는 처리 중에 있는 분석 프로세스에 관한 이미지를 표시하기 위해 중앙 처리 장치(105)로 연결된다. 초음파 스캐너(100)의 동작은 키보드(140)(종래 방식으로 중앙 처리 장치(105)에 연결됨)에 의해 제어되고; 바람직하게는 키보드(140)는 모니터(135) 상의 포인터(도면에 도시되지 않음)의 위치를 조정하는 데에 이용되는 트랙볼(145)이 제공된다.

초음파 스캐너(100)는 환자(155)의 신체 부위(150)를 분석하는 데에 이용되고; 이러한 목적을 위해, (초음파) 조영제가 환자(155)에게 투여된다.

조영제는 양질의 초음파 반사체로서 작용하는 입자들을 포함한다. 예를 들면, 조영제는 액체 캐리어 내의 가스-충전 버블 현탁액(suspension)이고; 일반적으로, 가스-충전 버블은 환자(155)의 혈관계(vascular system) 내에 자신들을 유지시키도록, 그러나 동시에 자신들의 환자의 모세혈관 통과를 허용하도록 약 0.1-5㎛의 직경을 가진다. 가스-충전 버블은 일반적으로, 인지질(phospholipid), 유화제(emulsifier), 기름, 농축제(thickener), 설탕, 단백질 또는 폴리머를 포함하는, 자신의 가스 또는 전구물질(precursor)을 다양한 시스템 내로 혼입시키거나(entraining) 또는 캡슐화함으로써 안정화되고; 안정화된 가스-충전 버블은 일반적으로 미소낭포(microvesicle)라고 한다. 특히, 수성 매질에서 분산되고 계면활성제(즉, 양쪽 친매성(amphiphilic) 재료)를 함유한 매우 얇은 엔벨로프에 의해 가스/액체 인터페이스에서 얽매인 미소낭포는 미세기포로도 알려져 있다. 대안으로, 지질 또는 (자연 또는 합성) 폴리머에 의해 형성된 고체 재료 엔벨로프에 의해 둘러싸여진 미소낭포는 마이크로벌룬(microballoon) 또는 마이크로캡슐로도 알려져있다. 또다른 종류의 조영제는 폴리머 또는 기타 고체의 공극있는(porous) 미세입자들의 현탁액을 포함하고, 이는 미세입자의 공극 내에 포획된(entrapped) 가스 버블을 운반한다. 특정한 마이크로버블 및 마이크로벌룬에서, 미소낭포의 적절한 수용성 현탁액의 예시, 및 그의 조제용 물질의 예시는 EP-A-0458745, WO-A-91/15244, EP-A-0554213, WO-A-94/09829, 및 WO-A-95/16467(그 전체 개시물이 참조에 의해 본 명세서에 통합됨)에 기술된다. 미소낭포를 구비하는 상용 조영제의 예시는 Bracco International BV의 SonoVue(상표)이다.

조영제는 또한 타겟 특정 유형이다. 타겟 특정 조영제는 실질적으로 환자(155) 내에서 순환하는 데에 있어서 자유롭지만; 타겟 특정 조영제는 또한 특정 기간 동안 실질적으로 고정된 위치에 유지되도록 선택된(생물학적) 타겟 상에서 고정될 수 있다. 이러한 목적으로, 타겟 특정 조영제는 그들 사이의 특정한 상호작용에 의해 원하는 타겟에 대해 선택적으로 화학결합(bind) 시키는 방식으로 조성된다. 예를 들면, 이러한 동작은 원하는 조직 또는 수용체(receptor)에 대해 선택적으로 화학결합 시킬 수 있는(예를 들면, 생화학적 친화성(biochemical affinity) 및/또는 정전기 상호작용을 통해) 타겟 특정 리간드(ligand)를 통합시킴으로써 달성될 수 있다. 타겟 지정 리간드(마이크로버블의 막(membrane)으로 삽입될 수 있는)의 예시는 단일 클론 항체(monoclonal antibody), 펩티드, 또는 다당류이다. 조직이라는 용어는(그 의미 안에) 막 또는 기관(organ)과 같은 세포의 집합체 뿐만 아니라 개별 세포를 포함한다. 이 용어는 정상(건강한) 또는 비정상(병리상의) 세포 또는 세포의 집합을 가리킨다. 조직의 예시는 심근 조직(심근 세포 및 심장근육세포(cardiomyocyte) 포함), 막 조직(내피(endothelium) 및 상피(epithelium)), 및 결합 조직이고; 병리 조직(pathological tissue)의 예시는 경색된 심장 조직, 혈전, 동맥경화성 플라크(atherosclerotic plaques), 염증 조직 및 종양 조직이다. 수용체는 조직 상에 위치된 분자 구조이고(예를 들면, 세포 내에 또는 자신의 표면 상에), 이는 선택적으로 특정한 물질에 대해 선택적으로 화학 결합할 수 있다. 예시적인 수용체는 당단백 GPIIbIIIa 또는 피브린(예를 들면, 혈전 또는 트롬비(thrombi)에 위치된), P-셀렉틴(예를 들면, 염증이 생긴 조직의 활성화된 내피에 위치된) 또는 KDR(예를 들면, 종양 조직 내에 위치된)이다. 적절한 타겟 특정 조영제 또는 타겟 특정 리간드의 예시는 "Pochon et al., BR55: A lipopeptide-based VEGFR2-targeted ultrasound contrast agent for molecular imaging of angiogenesis. Inves Radiol 2010; 45:89-95" 및 "Tardy et al., Ultrasound molecular imaging of VEGFR2 in a rat prostate tumor model using BR55, Inves Radiol 2010; 573-578", 및 WO-A-2006018433(개시물 전체가 본 명세서에 참조에 의해 통합됨)에 기술된다.

조영제는 초음파를 적용하고 그에 응답하여 리턴되는 에코 신호를 기록함으로써 검지될 수 있고; 조영제는 환자(155) 내부의 적혈구 세포와 동일한 속도로 흐르기 때문에, 신체 부위(150) 내부에서 그의 검지와 추적은 대응하는 혈관 관류에 관한 정보를 제공한다.

예를 들면, 조영제가 한 회 투약분, 즉, 단기간(약 2-20초) 동안 일회용 주사기로 손에 의해 제공되는 단일한 도우즈 만큼 정맥안으로 환자(155)에게 투여된다. 조영제는 신체 부위(150)에 관류시키도록 환자(155)의 혈관 시스템 내에서 순환한다. 동시에, 이미징 프로브(110)가 신체 부위(150)의 영역 내에서 환자(155)의 피부와 접촉하여 위치된다. 초음파 펄스의 이미징 프레임의 시퀀스가 신체 부위(150)에 적용되고; 분석 기간(시간) 동안의 시간에 대한 연속한 획득 순간에서(예를 들면, 2-25 초 동안의 4-20Hz의 프레임률로) 상이한 이미징 프레임의 초음파 펄스에 응답하여 기록된 에코 신호는 분석 기간동안 신체 부위(150)의 대응하는 위치의 표시(선택된 스캐닝 평면에서의 자신의 슬라이스로)를 제공한다. 에코 신호는 조영제(존재한다면)와 주변의 조직에 의해 생성된 상이한 기여의 합성으로부터 발생한다. 바람직하게는, 초음파 스캐너(100)는 실질적으로 에코 신호에서 조직의 주요한(선형) 기여를 감소시키기 위해, 예를 들면 "Rafer et al., Imaging technologies and techniques, Cardiology Clinics 22(2004), pp 181-197"(전체 개시물이 본 명세서에 참조에 의해 통합됨)에 기술된 바와 같이, 고조파 이미징(HI), 펄스 인벌전(PI), 전력 변조(PM) 또는 기타 컨트라스트 펄스 시퀀싱(CPS) 기술에 기초하여, 조영제의 (비선형) 기여에 대해 컨트라스트-특정(contrast-specific) 이미징 모드로 동작한다. 대응하는 시퀀스의 (컨트라스트 특정) 비디오 이미지가 그런 다음 생성되고; 각각의 획득 순간에 대해, 비디오 이미지는 신체 부위의 대응하는 위치를 표시하는 각각의 시각화 엘리먼트(즉, 픽셀)에 대한 디지털 값을 포함하고; 픽셀 값은 그 획득 순간의 위치에 대해 기록된 에코 신호의 강도 값에 의해 정의된다. 이러한 방식으로, 비디오 이미지의 시퀀스는 분석 기간 동안의 신체 부위(150)의 관류의 진전(elovution)을 표시한다.

본 발명의 실시예에 따른 해결안의 애플리케이션에 대한 시험관 내 시나리오의 예시가 도 2에 도시된다.

특히, (안정화된 인지질) 마이크로버블이 흐름 착시(flow phantom)을 흉내 낸 조직 내에 포함된 3mm의 직경을 가진 관을 통과하는 1mm/s의 중간 유속으로 순환하도록 만들어 진다. 대응하는 시퀀스의 비디오 이미지가 25초 동안 4Hz의 프레임률(즉, 100 이미징 프레임)로 CPS 모드로 Siemens Medical Systems의 Sequoia(상표) 초음파 스캐너를 가지고 획득된다. 이미징 프레임 No. 25, No. 43 및 No. 66에 대응하는 비디오 이미지는 각각 참조번호 205a, 205b, 및 205c로 도면에 표기된다. 도시된 바와 같이, 관의 상부 벽의 마이크로버블은 예를 들면 참조번호(210s)로 표기된 영역에 대해서 볼 수 있는 층류의(laminar) 흐름 조건 때문에 실질적으로 정적이고; 반대로, 관의 중심에서의 마이크로버블(자신의 상부 벽으로부터 공간을 두고 이격된)은 예를 들면 참조번호(201m)으로 표기된 영역에 대해 볼 수 있는 바와 같이 평균 유속으로 이동한다.

본 발명의 실시예에 따른 해결안에서, 하기에서 상술된 바와 같이, 분할(이 경우, 정적 마이크로버블의 픽셀과 이동 마이크로버블의 픽셀 사이의)은 시간 경과에 대한 픽셀의 통계 분석에 기초한다.

특히, 본 발명의 실시예에 따른 해결안의 응용 예시는 도 3a-3b에 도시된다.

도 3a로 시작하면, 정적 마이크로버블의 영역 및 이동 마이크로버블의 영역 내의 대표적인 픽셀에 대한 (선형화된) 픽셀 값은 각각 가로축(차원없이(adimensional)) 상의 프레임 수에 대해 세로축(임의의 단위, a.u.) 상의 픽셀 값을 플로팅한 공통 다이어그램에서 곡선(305s)(실선) 및 곡선(305m)(점선)에 의해 표시된다.

도시된 바와 같이, 정적 마이크로버블의 픽셀(곡선(305s)) 및 이동 마이크로버블의 픽셀(곡선(305m))에 대한 시간 경과에 따른 픽셀 값의 역학관계(dynamics)는 실질적으로 상이하고; 특히, 정적 마이크로버블에 대한 곡선(305s)은 거의 일정한 반면, 이동 마이크로버블에 대한 곡선(305m)은 높은 변동성(마이크로 버블의 출현 및 소실에 기인한)을 나타낸다. 따라서, 각각의 픽셀의 시간 경과에 따른 픽셀 값의 통계 분포의 통계 파라미터가 이를 식별하는 데에 이용될 수 있다.

예를 들면, 각각의 픽셀에 대해, 그의 통계 분포의 (산술) 평균, 중간값 및 표준 편차가 연산된다.

특히, 이산 값 X_i(i=1...N)(즉, 이 경우 시간 경과에 따른 픽셀 값)을 가지는 통계 변수의 평균

는 하기와 같고:

;

평균

는 대칭 형상을 가진 통계 분포를 가질 때 통계 변수의 기대 값을 나타내는 중심 경향 통계 파라미터(즉, 통계 변수 값이 모이는 주변의 값을 나타내는)이다.

동일한 통계 변수 X_i(자신의 값 중 가장 작은 X₁로부터 가장 큰 X_N으로 소팅된)의 중간값

는 하기와 같고:

;

중간값

는 경사진 형상(즉, 비대칭 형상)을 가진 통계 분포를 가질 때 통계 변수의 기대 값을 나타내는 또다른 중심 경향 통계 파라미터이다.

동일한 통계 변수 X_i의 표준 편차 σ는 하기와 같고:

;

표준 편차 σ는 통계 변수 값이 자신의 기대값으로부터 어떻게 분산되는지를 나타내는 분산 통계 파라미터(dispersion statistical parameter)(즉, 통계 변수값의 변동성 또는 스프레드를 나타내는)이다.

도 3b에 대해, 이들 통계 파라미터는 정적 마이크로 버블과 이동 마이크로 버블을 식별하기 위해 도 2의 비디오 이미지를 분할하는 데에 이용될 수 있다. 이러한 목적을 위해, 3개의 상이한 파라미터 이미지(305μ, 305d, 305σ)가 연산된다. 특히, 파라미터 이미지(305μ, 305d, 305σ)는 비디오 이미지와 동일한 크기를 가지고; 파라미터 이미지(305μ, 305d, 305σ)의 각각의 픽셀은 각각 시간 경과에 따른 대응하는 픽셀 값의 평균, 중간값 및 표준 편차의 값과 같은 파라미터 값을 가진다.

도시된 바와 같이, 정적 마이크로버블의 픽셀과 이동 마이크로버블의 픽셀(예를 들면, 참조번호(310a 및 310m)로 각각 표기된 영역에 대해 볼 수 있는) 사이의 컨트라스트(또는 차이)는 현저하게 개선된다. 특히, 평균에 대한 파라미터 이미지(305μ) 및 중간값에 대한 파라미터 이미지(305d)에서, 파라미터 값은 정적 마이크로버블의 픽셀(영역(301s))에서 더 높고 이동 마이크로버블의 픽셀(영역(310m))에서 더 낮을 것이고; 이는 픽셀값의 기대값(평균 및 중간값으로 표시되는 것과 같은)이 이동 마이크로버블의 픽셀에서보다는 정적 마이크로버블의 픽셀에서 더 높다는 사실에 기인한다. 컨트라스트는 이동 마이크로 버블의 픽셀에서 자신의 픽셀값의 아웃라이어(outliers)(평균을 자신의 값을 향해 끌어당기는)는 중간값에 영향을 끼치지 않기 때문에, 평균에 대한 파라미터 이미지(305μ)에서 보다 중간값에 대한 파라미터 이미지(305d)에서 더 높다. 역으로, 표준 편차에 대한 파라미터 이미지(305μ)에서, 파라미터값은 정적 마이크로버블의 픽셀(영역(310s))에서 더 낮고 이동 마이크로버블의 픽셀(영역(310m))에서 더 높고; 이는 픽셀값이 이동 마이크로버블의 픽셀에서 보다는 정적 마이크로버블의 픽셀에서 시간 경과에 따라 덜 분산된다는 사실에 기인한다. 예를 들면, 정적 마이크로버블과 이동 마이크로버블 사이의 컨트라스트는 대응하는 픽셀의 파라미터 값들의 평균 사이의 비율을 연산함으로써 측정될 수 있다. 특히, 이 비율은 평균에 대한 파라미터 이미지(305μ)에서 1.69와 같고, 중간값에 대한 파라미터 이미지(305d)에서는 2.72와 같고, 표준 편차에 대한 파라미터 이미지(305σ)에서는 0.84와 같고; 이는 최상의 결과를 제공하는 통계 파라미터가 중간값(평균과 표준 편차가 그 다음)이라는 것을 확인한다.

상술한 파라미터값(및, 특히 중간값)은 임계기법으로 원래 이미지를 분할하는 데에 이용될 수 있다. 예를 들면, 파라미터값에 대한 분할 임계치는 정적 마이크로버블의 픽셀의 파라미터값의 평균과 이동 마이크로버블의 픽셀의 파라미터값의 평균 사이의 평균과 같도록 설정될 수 있고(수동 선택); 각각의 픽셀은 그런다음 자신의 파라미터값이 분할 임계치보다 더 높을 때 정적 마이크로버블의 세그먼트에 할당되고 또는 그렇지 않으면 이동 마이크로버블의 세그먼트에 할당된다.

일반적으로, 상술한 해결안은 획득된 결과의 정확도에 대해 유익한 효과를 가지고 분할을 돕는다.

특히, 이 해결안은 DCE-US 이미징 애플리케이션에서 상처의 양적 형질화(quantitative characterization)의 성능을 개선시키는 데에 이용될 수 있다. 예를 들면, 이는 분석될 상처를 포함하는 분석 영역 내의 과소 관류된(hypo-perfused) 부분(예를 들면, 괴사성 조직)의 기여 및/또는 상처와 비교되는 건강한 조직을 포함하는 제어 영역 내의 과대 관류된(hyper-perfused) 부분의 기여를 배제하는 것(또는 적어도 실질적으로 감소시키는 것)을 허용한다. 그 결과, 분석 영역의 상대적 통합된 값(consolidated value)에 반영할 수 있는 대응하는 오류가 현저하게 감소된다(자신의 품질이 당업자의 기술 및 경험에 현재 보다 덜 의존적이기 때문에 분석/제어 영역이 오퍼레이터에 의해 수동으로 선택될 때보다 분할이 덜 번식할 수 있도록(reproducible)).

또한, 동일한 해결안이 UMI 애플리케이션에서 타겟 특정 조영제의 고정된 입자의 검지 및 정량화를 개선시키는 데에 이용될 수 있다. 예를 들면, 이는 특히 조영제의 투여후 조기에 타겟 특정 조영제의 순환 입자의 기여를 제거하는 것(또는 적어도 실질적으로 감소시키는 것)을 허용한다.

처치의 유효성을 나타낼 수 있는 처치 동안 후속 치료가 상처의 관류에서의 균등한 적절한 변화의 식별을 돕기 때문에 상술한 이점은 후속치료의 측면에서 특히 인지된다.

추가 개선으로서, 분할은 각각의 픽셀의 시간 경과에 따른 픽셀 값에 관한 2개 이상의 통계 파라미터에 기초할 수 있다.

특히, 본 발명의 추가적인 실시예에 따른 해결안의 애플리케이션의 예시는 도 4a-4d에 도시된다.

도 4a로 시작하면, 가로축 상의 평균값과 세로축(차원이 없는) 상의 표준 편차값을 플로팅한 공통 산포도에서, 도 3b의 정적 마이크로버블의 영역(301s) 및 이동 마이크로버블의 영역(310m)의 평균값 및 표준 편차가 각각 포인트(405As)(원형) 및 포인트(405Am)(엑스표)로 표시되고; 특히 참조번호(405As'(검은색으로 채워진 원) 및 405Am'(검은 색으로 채워진 별모양))으로 표기된 포인트가 도 2의 정적 마이크로버블의 영역에서의 대표적인 픽셀(201s) 및 이동 마이크로버블의 영역에서의 대표적인 픽셀(201m)에 각각 대응한다.

평균값에 대한 분할 임계치 THμ=97 및 표준편차 값에 대한 분할 임계치 TH σ=57이 연산된다(예를 들면, 포인트(405As' 및 405Am')의 대응하는 파라미터값을 평균함으로써). 분할 임계치 THμ 및 THσ는 산포도에서 4개의 분할 사분면을 정의한다. 특히, 우측 상부 분할 사분면 QAur은 분할 기준(평균값 >THμ AND 표준편차값 > THσ)에 의해 정의되고, 좌측 상부 분할 사분면 QAul은 분할 기준(평균값 ≤ THμ AND 표준편차값 > THσ)에 의해 정의되고, 좌측 하부 분할 사분면 QAll은 분할 기준(평균값 ≤ THμ AND 표준편차값 ≤ THσ)에 의해 정의되고, 우측 하부 분할 사분면 QAlr은 분할 기준(평균값 >THμAND 표준편차값 ≤ THσ)에 의해 정의된다.

유사하게, 도 4b에서, 도 3b의 정적 마이크로버블의 영역(310s) 및 이동 마이크로버블의 영역(310m)의 픽셀의 평균값과 표준편차값은 가로축 상의 중간값과 세로축(차원없이(adimensional)) 상의 표준 편차값을 플로팅한 또다른 공통 산포도에서 각각 포인트(405Bs)(원형) 및 포인트(405Bm)(엑스표)로 표시되고; 특히 참조번호(405Bs'(검은색으로 채워진 원) 및 405Bm'(검은색으로 채워진 별모양))로 표기된 포인트가 도 2의 정적 마이크로버블의 영역(201s)에서의 대표적인 픽셀 및 이동 마이크로버블의 영역(201m)에서의 대표적인 픽셀에 각각 대응한다.

중간값에 대한 분할 임계치 THd = 79는 표준편차 값에 대한 동일한 분할 임계치 THσ=57에 추가하여 상기와 같이 연산된다. 분할 임계치 THd 및 THσ는 산포도에서 다른 4개의 분할 사분면을 정의한다. 특히, 우측 상부 분할 사분면 QBur은 분할 기준(중간값 >THd AND 표준편차값 > THσ)에 의해 정의되고, 좌측 상부 분할 사분면 QBul은 분할 기준(중간값 ≤ THd AND 표준편차값 > THσ)에 의해 정의되고, 좌측 하부 분할 사분면 QBll은 분할 기준(평균값 ≤ THd AND 표준편차값 ≤ THσ)에 의해 정의되고, 우측 하부 분할 사분면 QBlr은 분할 기준(중간값 >THd AND 표준편차값 ≤ THσ)에 의해 정의된다.

도 4a-도 4b의 산포도를 비교함으로써 알 수 있듯이, 정적 마이크로버블의 픽셀과 이동 마이크로버블의 픽셀 사이의 컨트라스트는 평균값/표준편차(도 4a의 포인트(405Am' 405As'에 대해 도 4b의 포인트(405Bm', 405Bs')에 대해 명확하듯이)에 대해 도 4a의 산포도에서 보다 중간값/표준편차에 대한 도 4b의 산포도에서 더 높고; 이는 표준편차와 연결하여 더 나은 결과를 제공하는 통계 파라미터는 다시 중간값이라는 것을 확인시킨다.

상술한 파라미터 값은 대응하는 분할 기준에 따른 원래 이미지를 분할하는데에 이용될 수 있다.

예를 들면, 도 4c에 도시되는 바와 같이, 4개의 분할 마스크(MAur, MAul, MAll, 및 MAlr)이 평균값/표준편차에 대해 각각 도 4a의 분할 사분면(QAur, QAul, QAll 및 QAlr)에 대응하는 분할 기준을 이용하여 구축된다. 각각의 분할 마스크(MAur, MAul, MAll 및 MAlr)은 비디오 이미지와 동일한 크기를 갖고; 대응하는 분할 기준을 충족시키는 파라미터 값을 가진 픽셀은 백색이며, 반면 다른 픽셀은 검은색이다. 또한, 모든 분할 마스크(MAur, MAul, MAll 및 MAlr)에서, 영역(410)은 비디오 이미지를 획득하는 데에 이용되는 3mm 관의 흐름 착시를 표시한다(자신의 벽을 표시하는 2개의 점선에 의해 범위가 정해짐).

도시된 바와 같이, 분할 마스크(MAur 및 MAlr)에서의 백색 픽셀은 관(410)의 상부 벽에서의 정적 마이크로버블의 픽셀의 부분을 검지하고(관(410)의 중심의 일부 백색 픽셀이 분할 마스크(MAur)에 나타난다고 할지라도); 반면 분할 마스크(MAul 및 MAll)에서의 백색 픽셀은 관(410)의 중심에서의 이동 마이크로버블의 픽셀의 부분을 검지한다(아마도 노이즈 및 팬텀 조직 신호에 기인한 분할 마스크(MAll)에서의 관(410) 외부의 백색 픽셀을 가지고).

유사하게, 다른 4개의 분할 마스크(MBur. MBul, MBll, 및 MBlr)가 중간값/표준편차에 대해 각각 도 4b의 분할 사분면(QBur, QBul, QBll 및 QBlr)에 대응하는 분할 기준을 이용하여 상기와 같이 구축된다(참조번호(410)에 의해 다시 식별되는 관의 동일한 영역을 가지고). 상기와 같이, 분할 마스크(MBur 및 MBlr)에서의 백색 픽셀은 관(410)의 상부 벽에서의 정적 마이크로버블의 픽셀의 부분을 검지하고(관(410)의 중심의 일부 백색 픽셀이 분할 마스크(MBur)에 나타난다고 할지라도(그러나 낮은 정도로)); 반면 분할 마스크(MBul 및 MBll)에서의 백색 픽셀은 관(410)의 중심에서의 이동 마이크로버블의 픽셀의 부분을 검지한다(아마도 다시 노이즈 및 팬텀 조직 신호에 기인한 분할 마스크(MBll)에서의 관(410) 외부의 백색 픽셀을 가지고).

도 4c-도 4d의 분할 마스크를 비교함으로써 알 수 있듯이, 정적 마이크로버블의 픽셀과 이동 마이크로버블의 픽셀 사이의 분할은, 예를 들면 도 4c의 분할 마스크(MAur)에 대해 도 4d의 분할 마스크(MBur)에 대해 명확하게 드러나듯이, 평균값/표준편차에 대한 도 4c의 분할 마스크에서보다, 중간값/표준편차에 대한 도 4d의 분할 마스크에서 더 낮고; 이는 표준편차와 연결하여 더 나은 결과를 제공하는 통계 파라미터는 중간값이라는 것을 다시 확인시킨다.

추가적인 개선안으로서, 분할이 각각의 픽셀의 시간 경과에 따른 픽셀값에 관련하여 상술한 통계 파라미터에 기초할 수 있고, 이는 변환되어 경사진 형상을 가진 (변환된) 픽셀값의 (변환된) 통계 분포를 제공하도록 한다.

특히, 본 발명의 추가적인 실시예에 따른 해결안의 애플리케이션의 예시가 도 5a-5c에 도시된다.

도 5a로 시작하면, (변환된) 통계 분포는 로그 정규(lognormal) 통계분포인 것으로 가정된다. 로그 정규 통계 분포에서, 통계 변수의 자연 로그는 정규 통계 분포를 가진다. 특히, 연속한 통계 변수 X의 경우에, (연속) 정상 통계 분포를 나타내는 통계 밀도 함수는 정규 통계 밀도 함수(또는 간단히 정규 함수)이다:

,

여기서, 동일한 심볼

및 σ는 각각 통계 변수 X의 평균 및 표준 편차를 나타내는 데에 이용되고; 따라서, (연속) 로그 정규 통계 분포를 나타내는 통계 밀도 함수는 로그 정규 통계 밀도 함수(또는 간단히 정규 함수)이다:

,

여기서, m과 s는 지금 각각 통계 변수 X의 자연 로그(즉, ln(X))의 평균값 및 표준 편차이다.

이 경우 (로그 정규) 평균값 m 및 (로그 정규) 표준 편차 s는 하기의 변환 공식을 적용함으로써 (정규) 평균

및 (정규) 중간값

으로부터 직접 연산될 수 있다:

,

.

분할은 지금 로그 정규 평균 및 로그 정규 표준 편차에 의해 형성된 파라미터 값에 기초한다. 이러한 목적을 위해, 각각의 픽셀의 로그 정규 평균값 및 로그 정규 표준 편차는 시간 경과에 따른 자신의 픽셀의 실제 평균값과 중간값에 대해 상술한 변환 공식을 적용함으로써 연산된다. 도 3b의 정적 마이크로버블의 영역(301s)과 이동 마이크로버블의 영역(310m)에서의 픽셀의 로그 정규 평균값 및 로그 정규 표준 편차값은 각각 가로축 상의 로그 정규 평균값과 세로축(차원이 없는) 상의 로그 정규 표준 편차값을 플로팅하는 공통 산포도에서의 포인트(505s)(원) 및 포인트(505m)(엑스표)에 의해 표시되고; 특히, 참조 번호(505s'(검은색으로 채워진 원) 및 505m'(검은색으로 채워진 별모양))으로 표기된 포인트들은 도 2의 정적 마이크로버블의 영역(201s)에서의 대표적인 픽셀 및 이동 마이크로버블의 영역(210m)에서의 대표적인 픽셀에 각각 대응한다.

로그 정규 평균값에 대한 분할 임계치 THm=4.4 및 로그 정규 표준 편차값에 대한 분할 임계치 THs=0.54는 상기와 같이 연산된다. 분할 임계치 THm 및 THs는 산포도 내에서 4개의 분할 사분면을 정의한다. 특히, 우측 상부 분할 사분면(QLur)은 분할 기준(로그 정규 평균값 >THm AND 로그 정규 표준편차 > THs)에 의해 정의되고, 좌측 상부 분할 사분면(QLul)은 분할 기준(로그 정규 평균값 ≤ THm AND 로그 정규 표준편차값 > THs)에 의해 정의되고, 좌측 하부 분할 사분면(QLll)은 분할 기준(로그 정규 평균값 ≤ THm AND 로그 정규 표준편차값 ≤ THs)에 의해 정의되고, 우측 하부 분할 사분면(QLlr)은 분할 기준(로그 정규 평균값 >THm AND 로그 정규 표준편차값 ≤ THs)에 의해 정의된다.

도시된 바와 같이, 정적 마이크로버블의 픽셀과 이동 마이크로버블의 픽셀 사이의 컨트라스트는 더 개선되고; 실제로, 이 경우, 정적 마이크로버블과 이동 마이크로버블의 포인트들은 오버랩이 감소되면서 산포도의 상이한 영역에서 모인다. 이는 분할 임계치 THm, THs가 지금 분할의 성능을 절충하지 않고 독립적으로 정의될 수 있기 때문에 분할을 더 보조한다.

도 5b로 이동하면, 4개의 분할 마스크(MLur. MLul, MLll, 및 MLlr)가 각각 도 5a의 분할 사분면(QLur, QLul, QLll 및 QLlr)에 대응하는 분할 기준을 이용하여 상기와 같이 구축된다(관의 동일한 영역이 참조번호(410)로 다시 식별되는).

이 경우, 분할 마스크(MLlr)에서의 백색 픽셀은 관(410)의 상부 벽의 정적 마이크로버블의 픽셀 중 대부분을 검지하는 반면; 분할 마스크(MLul)에서의 백색 픽셀은 관(410)의 중심에서의 이동 마이크로버블의 픽셀의 대부분을 검지한다(아마도 관(410) 내부의 고 농도의 마이크로버블과 결합하는 CPS 모드의 음향 인공물에 기인하고, 상기 음향 인공물은 마이크로버블의 농도를 감소시킴으로써 감소될 수 있는, 분할 마스크(MLul)의 관(410) 외부의 백섹 픽셀을 가지고). 역으로, 분할 마스크(MLur 및 MLll)의 픽셀의 대부분은 검은색이다(다시 아마도 노이즈 및 팬텀 조직(phantom tissue) 신호에 기인하는 분할 마스크(MBll)에서의 관(410) 외부의 백색 픽셀을 가지고). 이는 픽셀값의 로그 변환이 분할의 성능을 개선시킨다는 것을 확인한다.

도 5c에 도시된 바와 같이, 상기와 같이 정의된 분할 마스크는 도 3b의 파라미터 이미지(305μ)(각각의 픽셀의 평균값을 나타내는)에 적용될 수 있다. 특히, 4개의 분할 이미지(SIur, SIul, SIll, SIlr)은 본 파라미터 이미지에 대해 도 5b의 분할 마스크(MLur, MLul, MLll 및 MLlr)를 각각 적용시킴으로써 구축되고; 분할 이미지(SIur, SIul, SIll, SIlr)의 각 픽셀은, 대응하는 분할 마스크에서 그것이 백색인 경우에는, 자신의 파라미터값, 즉 평균값(디스플레이 목적으로 40dB의 압축 팩터로 로그-압축된)에 할당되는 반면, 그렇지 않으면 그것은 여전히 검은색을 유지한다(분할된 픽셀만의 평균값을 표시하기 위해). 그 결과, 분할된 이미지(SIlr)은 주로 관(410)의 상부벽에서의 정적 마이크로버블의 픽셀을 도시하는 반면, 분할된 이미지(SIul)은 주로 관(410)의 중심에서 이동 마이크로버블의 픽셀을 도시한다(그것들의 식별을 돕기 위해).

본 발명의 실시예에 따른 해결안을 구현하는 데에 이용될 수 있는 주된 컴포넌트의 규칙을 표시하는 협력도(collaboration diagram)가 도 6에 도시된다.

특히, 참조번호(600)으로 모든 컴포넌트들이 전체로서 표기되고; 도면은 컴포넌트(600)의 정적 구조와 그것들의 동적 동작(각각 심볼 "A"로 전술된 시퀀스 번호로 표기된 대응하는 동작을 표시하는 일련의 교환 메시지에 의해) 모두를 기술한다.

정보(프로그램 및 데이터)는 일반적으로 하드디스크에 저장되고, 운영체제 및 기타 애플리케이션 프로그램(도면에 도시되지 않음)과 함께 프로그램이 실행될 때 초음파 스캐너의 작업 메모리로 로딩된다(적어도 부분적으로). 프로그램은 최초 예를 들면 착탈가능한 디스크로부터 하드디스크 상으로 설치된다. 이에 대해, 컴포넌트(600)의 각각은 특정한 논리 함수(또는 그 이상)를 구현하기 위한 하나 이상의 실행가능한 명령어를 구비하는 모듈, 세그먼트 또는 코드의 부분을 표시할 수 있다.

보다 특정하여, 획득자(acquirer)(603)가 비디오 이미지를 획득하는 데에 이용된다. 이러한 목적으로, 획득자(603)는 이미징 프로브를 제어하는 드라이버를 포함한다. 예를 들면, 이 이미징 프로브 드라이버는 각각의 획득 순간에 피분석 대상 신체 부위에 적용되는 초음파 펄스의 이미징 프레임을 생성하기 위한 전송 빔 형성자(former) 및 진동기(pulser)가 설치되고; 초음파 펄스는 아주 소량의 조영제 파괴를 가진다(연속한 이미징 프레임 사이에서 자신의 로컬 농도의 5% 보다 더 적고, 바람직하게는 1% 보다 더 적은)를 유도하기 위해 저 음향 에너지(기계적 지수 MI=0.01-0.3)를 가진다. 이미징 프로브는 그런다음 각각의 획득 순잔에 신체 부위의 상이한 위치(선택된 스캐닝 평면에서)에 의해 반사되는 (아날로그 RF) 에코 신호를 수신한다. 이들 아날로그 RF 에코 신호는 수신 프로세서로 공급되고, 이는 아날로그 RF 에코 신호를 사전 증폭(pre-amplify)하고 예비 시간-이득 보상(TGC)을 적용하고; 아날로그 RF 에코 신호는 그런다음 아날로그-디지털 컨버터(ADC)에 의해 디지털값으로 변환되고 수신 빔 형성기를 통해 포커싱된 빔 신호로 조합된다. 이와 같이 획득된 디지털 RF 에코 신호는 바람직하게는 추가적인 디지털 알고리즘 및 기타 선형 또는 비선형 신호 컨디셔너(conditioner)(예를 들면, 포스트-빔-형성 TGC)를 통해 처리되고; 특히 수신 프로세서는 조직의 기여를 감소시키기 위해 컨트라스트-특정 알고리즘(예를 들면 CPS 기술에 기초하는 것과 같은)을 적용한다. 디지털 RF 에코 신호는 그런다음 복조되고, 로그압축되고(잘 균형잡힌 컨트라스트를 가진 이미지를 획득하기 위해), 비디오 포맷으로 스캔변환되고, 주어진 컬러-지도 팔레트에 따라 렌더링된다. 이러한 방식으로, 각각의 획득 순잔에 대한 비디오 이미지가 생성된다. 비디오 이미지는 각각 대응하는 픽셀값을 저장하는 셀의 매트릭스에 의해 정의된다. 픽셀값은 픽셀의 휘도를 정의하고; 예를 들면 그레이 스케일 비디오 이미지에서 픽셀 값이 대응하는 에코 신호의 강도의 함수(그 획득 순간에 신체 부위의 대응하는 위치의 음향 응답을 표시하는)로서 0(검은색)부터 255(백색)까지 증가하면서 8비트로 코딩될 수 있다.

분석 프로세스의 시작에서, 초음파 스캐너의 오퍼레이터는 이미징 프로브를 작동시키고 그것을 분석되는 신체 부위의 주위로 이동시킨다(조영제를 투여하기 전에). 대응하는 비디오 이미지는 그것들이 획득되자 마자 디스플레이어(606)로 제공되고; 디스플레이어(606)는 이들 비디오 이미지의 디스플레이가 실시간이 되도록 하기 위해 초음파 스캐너의 모니터를 제어하는 드라이버를 구비한다(액션 "A1. 디스플레이").

오퍼레이터는 신체 부위의 특정한 슬라이스를 나타내는 스캔 평면을 선택하고(예를 들면, 분석될 상처를 포함하는), 미리정의된 분석 시간 동안 이 위치에 이미징 프로브를 고정시킨다. 조영제는 지금 환자에게 투여되고, 비디오 이미지의 대응하는 시퀀스(분석 기간동안 신체 부위의 선택된 스캔 평면에서의 관류를 표시하는)가 상기와 같이 획득된다. 이들 비디오 이미지(그의 연결이 명료화를 위해 도면에서 도시되지 않은 디스플레이어(606)에 의해 실시간으로 표시되는 것에 추가하여)는 또한 그것들을 리포지터리(609)에 저장함으로써 등록된다(액션 "A2. 등록").

선택기(612)가 리포지터리(609)의 하나의 임의의 선택된 비디오 이미지에서 분석될 신체 부위의 원하는 관심 영역(ROI)을 선택하도록 오퍼레이터에 의해 이용된다. 관심 영역은 ROI 마스크를 가지고 표시되며, 이는 비디오 이미지와 동일한 크기를 가진 셀의 매트릭스를 포함하고; ROI 마스크의 각각의 셀은 대응하는 픽셀이 관심 영역 내에 있을 때(즉, 그것이 선택되었을 때) 영향을 미치거나(asserted)(예를 들면, 논리값 1에서) 또는 그렇지 않으면 그것이 영향을 미치지 않는(deasserted)(예를 들면, 논리값 0에서) ROI 플래그(즉, 바이너리 값)를 저장한다. ROI 마스크는 리포지터리(615)로 저장된다(액션 "A3. 선택").

전처리기(pre-processor)(618)는 리포지터리(609) 내의 비디오 이미지와 리포지터리(615) 내의 ROI 마스크에 액세스한다. 각 비디오 이미지에 대해, 전처리기(618)는 그것을 조영제의 대응하는 국부적 농도에 대해 직접 비례하도록 하기 위해 ROI 마스크내의 ROI 플래그가 영향을 받는(즉, 관심 영역 내의) 자신의 각각의 셀의 픽셀값을 처리한다. 예를 들면, 이 결과는 역 휘도 팔레트(inverse palette luminance) 표와 역 로그 압축(획득자(603)에 의해 자신의 적용의 효과를 반전시키도록)을 적용하고 그런다음 그와 같이 획득된 값을 제곱함으로써(squaring)(그 전체 개시물이 참조에 의해 본 명세서에 통합되는, WO-A-2004/110279에 기술된 바와 같이) 달성될 수 있다. 전처리기(618)는 그런다음 픽셀값 벡터의 지도를 생성하고, 이는 비디오 이미지와 동일한 크기를 가지는 셀의 매트릭스를 포함하고; 그의 ROI 마스크 내의 ROI 플래그가 영향을 받는 픽셀값 벡터의 지도의 각각의 셀은 픽셀값 벡터를 저장하고, 이는 비디오 이미지를 따라서 있는 대응하는 선형화된 픽셀값의 시퀀스를 포함한다(분석 기간의 내구 기간에 대응하는 길이로). 이러한 픽셀값 벡터의 지도는 리포지터리(621)로 저장된다(액션, "A4 전처리(Pre-process)").

리포지터리(621)의 픽셀값 벡터의 지도가 연산기(624)로 제공되고, 이는 또한 리포지터리(615)(그의 연결은 간략화를 위해 도면에 도시되지 않음)의 ROI 마스크에 액세스한다. 그의 ROI 마스크의 ROI 플래그가 영향을 받는(즉, 관심 영역 내에 있는) 픽셀값 벡터의 지도의 각각의 셀에 대해, 연산기(624)는 대응하는 (선형화된) 픽셀값의 시퀀스의 평균값 및 중간값을 연산한다. 연산기(624)는 그런다음 평균값에 대한 파라미터 이미지 및 중간값에 대한 파라미터 이미지를 생성하고, 이들 각각은 비디오 이미지와 동일한 크기를 가진 셀의 매트릭스를 구비하고; 그의 ROI 마스크의 ROI 플래그가 영향을 받는 평균값에 대한 파라미터 이미지 및 중간값에 대한 파라미터 이미지의 각각의 셀은 대응하는 평균값 및 중간값을 각각 저장한다. 이들 파라미터 이미지는 리포지터리(627)로 저장된다(액션 "A5. 연산").

리포지터리(627)의 파라미터 이미지는 변환기(630)로 제공되고, 이는 또한 리포지터리(615)(그의 연결은 간략화를 위해 도시되지 않음)의 ROI 마스크에 액세스한다. 그의 ROI 마스크의 ROI 플래그가 영향을 받는(즉, 관심 영역 내에 있는) 파라미터 이미지의 각각의 픽셀에 대해, 변환기(630)는 대응하는 변환 공식을 적용함으로써 대응하는 평균값과 중간값으로부터 로그 정규 평균값과 로그 정규 표준 편차의 값을 연산한다. 변환기(630)는 그런다음 비디오 이미지와 동일한 크기를 가진 셀의 매트릭스를 구비하는 통계 지도를 생성하고; 그의 ROI 마스크의 ROI 플래그가 영향을 받는 통계 지도의 각각의 셀은 대응하는 통계 파라미터(즉, 로그 정규 평균값 및 로그 정규 표준 편차값)를 저장한다. 이 통계 지도는 리포지터리(633)로 저장된다(액션 "A6. 변환").

리포지터리(633)의 통계 지도가 분할기(segmenter)(636)로 제공되고, 이는 또한 리포지터리(615)(그의 연결은 간략화를 위해 도시되지 않음)의 ROI 마스크에 액세스한다. 분할기(636)는 리포지터리(639)로부터 선택된 분할 기준(또는 그 이상)을 추출하고, 이는 로그 정규 평균값 및 로그 정규 표준 편차에 대한 분할 임계치에 기초하여 다수의 미리정해진 분할 기준을 저장하고; 예를 들면, 이들 분할 임계치는 공지된 특성을 가지고 샘플 신체 부위를 분석함으로써 학습 단계(learning phase) 동안 설정될 수 있다. 그의 ROI 마스크의 ROI 플래그가 영향을 받는(즉, 관심 영역 내에 있는) 통계 지도의 각각의 픽셀에 대해, 분할기(636)는 대응하는 통계 파라미터가 선택된 기준을 충족시키는지(그것이 대응하는 동일한 특성을 가진 신체 부위의 일부를 나타내는 대응하는 세그먼트에 속하는 것을 의미) 여부를 증명한다. 분할기(636)는 그런다음 비디오 이미지와 동일한 크기를 가진 셀의 매트릭스를 구비한 선택된 분할 기준을 위한 분할 마스크를 생성하고; 분할 마스크의 각각의 셀은 대응하는 분할 기준이 충족될 때(즉, 대응하는 픽셀이 세그멘트에 속할 때) 영향을 받거나 또는 그렇지 않으면 그것이 영향을 받지 않는 분할 플래그(즉, 바이너리 값)를 저장한다. 이와 같이 생성된 각각의 분할 마스크는 리포지터리(642)로 저장된다(액션 "A7. 분할").

적용기(applier)(645)는 리포지터리(642)로부터 선택된 분할 마스크(또는 그 이상)를 추출하고; 적용기(645)는 또한 리포지터리(627)로부터 선택된 파라미터 이미지(또는 그 이상) 및/또는 리포지터리(609)로부터 선택된 비디오 이미지(또는 그 이상)를 추출한다. 적용기(645)는 그것들에 셀 단위로(cell by cell) 곱해서 (선택된) 파라미터/비디오 이미지에 (선택된) 분할 마스크를 적용한다. 이 동작은 비디오/파라미터 이미지와 동일한 크기를 가진 셀의 매트릭스를 구비하는 분할된 이미지를 생성하고; 분할 마스크에 의해 정의된 세그먼트에 속하는(즉, 그의 분할 플래그가 영향을 받는) 분할된 이미지의 각각의 셀은 대응하는 파라미터/픽셀값을 저장하는 반면, 다른 셀들은 0으로 재설정된다. 이와 같이 생성된 각각의 분할된 이미지는 리포지터리(648)로 저장된다(액션 "A8. 적용").

리포지터리(648) 내의 각각의 분할된 이미지는 지금 자신의 디스플레이와 그의 다음번 이용을 위해 디스플레이어(606)로 통과된다(액션 "A9. 디스플레이"). 예를 들면, 타겟 특정 조영제의 잔여 순환 입자들로부터 고정된 입자들을 식별하는 분할된 이미지가 고정된 입자를 검지하고 그에 따라 신체 부위 내에서 대응하는 상처를 식별하도록 이용될 수 있다. 추가적으로 또는 대안으로, 통합기consolidator)(651)는 리포지터리(642)로부터 선택된 분할 마스크(또는 그 이상) 및/또는 리포지터리(648)로부터 선택된 분할된 이미지(또는 그 이상)를 추출할 수 있다. 통합기(651)는 (선택된) 분할 마스크/분할된 이미지에 의해 정의된 세그먼트로 표시된 신체 부위의 일부의 통합된 값(또는 그 이상)을 연산하고; 예를 들면, 통합된 값은 분할 마스크에서 영향을 받는(신체 부위의 부분을 측정하는) 분할 플래그의 수와 같도록 설정되거나 또는 통합된 값은 분할된 이미지의 픽셀/파라미터값의 합 또는 평균(신체 부위의 부분을 특징화시키는)과 같도록 설정될 수 있다. 이와 같이 연산된 각각의 통합된 값은 다음번 사용을 위해 리포지터리(654)로 저장된다(액션 "A10. 통합"). 예를 들면, 과소 관류된 부분이 네거티브하게 식별되는 분할된 이미지에서 분석되는 상처를 포함하는 분석 영역에 관련된 ROI의 파라미터 값의 평균은 그의 기여에 의해 자동으로 영향을 받는 것은 아니고, 과대 관류된 부분이 네거티브하게 식별되는 분할된 이미지의 상처와 비교되는 건강한 조직을 구비하는 제어 영역에 관련된 ROI의 파라미터값의 평균이 자신의 기여에 의해 자동으로 영향을 받는 것은 아니며; 따라서, 이들 통합된 값은 제어 영역의 통합된 값에 대해 상대적인 수식(relative term)으로 표현되는 분석 영역의 통합된 값(예를 들면, 그의 비율과 같은)으로 조합될 수 있다. 또한, 타겟 특정 조영제의 고정된 입자를 식별하는 분할 마스크에서 영향을 받는 분할 플래그의 수와 타겟 특정 조영제의 고정된 입자들을 다시 식별하는 분할된 이미지의 픽셀/파라미터 값의 합, 그 모두가 이들 고정된 입자들을 정량화한다.

본 발명의 실시예에 따른 해결안의 시험관 내의 애플리케이션의 상이한 예시가 도 7, 도 8, 및 도 9에 도시된다.

도 7로 시작하면, 간 종양의 비디오 이미지(705)가 조영제의 주사 후에(피크 불투명화(peak opacification) 동안) 20초에 컨트라스트 특정 이미징 모드로 획득되었고; 2개의 (과소 관류된) 영역(710a 및 710b)(더 어두운 부분)이 비디오 이미지(705) 상에서 수동으로 윤곽이 그려진다.

분할 마스크(715)가 분할 기준(로그 정규 평균값 > 5.0 AND 로그 정규 표준 편차값 > 0)을 가지고 비디오 이미지(705)의 획득 순간 근방의 12.5초 동안 획득된 간 종양의 100개의 비디오 이미지의 시퀀스로부터 생성된다. 도시된 바와 같이, 분할 마스크(715)는 배제된 영역(720a 및 720b) 사이에서 양호한 오버랩 및 분할 마스크(715) 상의 회색 점선에 의해 보고된 과소 관류된 영역(710a 및 710b)의 윤곽에 의해 확인된 바와 같이 각각 과소 관류된 영역(710a 및 710b)에 실질적으로 대응하는 2개의 영역(720a 및 720b)(검은색)을 배제한다.

도 8로 이동하면, 기준 영역으로서 사용되는 간의 건강한 조직의 비디오 이미지(805)가 상기와 같이 획득되고; 큰 혈관에 대응하는 (과대 관류된)영역(810)(보다 밝은 색)이 비디오 이미지(805) 상에서 수동으로 윤곽이 그려진다.

분할 마스크(815)는 분할 기준(로그 정규 평균값 < 5.9 AND 로그 정규 표준 편차값 > 0)을 가지고 비디오 이미지(805)의 획득 순간 근방의 3초 동안 획득된 간의 25개의 비디오 이미지의 시퀀스로부터 생성된다. 도시된 바와 같이, 분할 마스크(815)는 배제된 영역(820)과 분할 마스크(815) 상의 회색 점선에 의해 보고된 과대 관류된 영역(810)의 윤곽 사이의 양호한 오버랩에 의해 확인된 바와 같이 과대 관류된 영역(810)에 실질적으로 대응하는 영역(820)(검은색)을 배제한다.

도 9를 참조하면, (선암) 종양을 가진 실험용 쥐(model rat)의 전립선의 비디오 이미지(905)가 혈관 세포 분자 1(VCAM-1)에 대해 타겟 특정 조영제를 주입한 후에 2분에 컨트라스트 특정 이미징 모드로 획득되고; 종양 영역(910)(더 밝은 색)이 비디오 이미지(905) 상에서 수동으로 윤곽이 그려진다.

분할 마스크는 분할 기준(로그 정규 평균값 > 4.4 AND 로그 정규 표준 편차값 > 0.54)을 가지고 비디오 이미지(905)의 획득 순간 후의 15초 동안 획득된 전립선의 60개의 비디오 이미지로부터 생성되고; 분할된 이미지(915)는 그런다음 상기와 같이 동일한 시퀀스의 비디오 이미지로부터 생성된 평균값에 대해 이 분할 마스크를 파라미터 이미지에 적용함으로써 생성된다. 도시된 바와 같이, 분할된 이미지(915)는, 실질적으로 분할된 이미지(915)에 없는 비디오 이미지(905)의 종양 영역(910) 외부에 있는 타겟 특정 조영제의 잔여 순환 입자를 가진, 종양 영역(910) 내에서만 타겟 특정 컨트라스트의 고정된 입자를 도시한다. 또한, 종양 영역(910) 내에서, 타겟 특정 조영제의 잔여 순환 입자는 실질적으로 제거된다(비디오 이미지(905) 내의 종양 영역(910)과 그것을 비교함으로써 명확하게 되는 바와 같이).

제어로서, 또다른 비디오 이미지(925)가 동일한 조건으로 그러나 지금 조영제(타겟을 특정하지 않은)를 이용하여 획득되고, 대응하는 분할된 이미지(935)가 상기와 같이 생성된다.

이 경우에, 분할된 이미지(935)에서 볼 수 있는 조영제의 (순환/고정된) 입자는 실질적으로 없다(종양 영역(910) 내부 및 외부 모두에서).

변형

당연히, 국부적이고 특정한 요구조건을 만족시키기 위해, 당업자는 다수의 논리적 및/또는 물리적 변형과 변경을 상술한 해결안에 적용할 수 0있다. 보다 구체적으로, 본 해결안이 자신의 하나 이상의 실시예를 참조하여 일정한 정도의 특정성을 가지고 기술되었지만, 다른 실시예에 더하여 형태 및 상세에 있어서 다양한 생략, 대체, 및 변화가 가능하다는 것이 이해되어야한다. 특히, 본 발명의 상이한 실시예가 그의 보다 철저한 이해를 제공하기 위해 상기 설명에서 기술된 특정한 상세(수치 값과 같은)없이 실시될 수 있고; 역으로, 공지된 특징이 불필요한 특정성을 가지고 설명을 불명확하게 하지 않기 위해 생략 또는 간략화될 수 있다. 또한, 개시된 해결안의 임의의 실시예와 연결하여 기술된 특정한 엘리먼트 및/또는 방법 단계가 일반적인 설계 선택의 문제로서 임의의 다른 실시예에 통합될 수 있다는 것이 명시적으로 의도된다. 어느 경우에서건, 동일한 명칭을 가진 엘리먼트들을 구별하기 위한 라벨로서 일반적인 또는 기타 유자격자(qualifier)가 사용될 수 있지만, 그 자체로 임의의 우선권, 우선 순위 또는 순서를 함축하는 것은 아니다. 또한, include, comprise, have, contain, 및 involve(그리고 그의 임의의 형태)라는 용어들은 개방형의, 배제하지 않는 의미(즉, 인용된 항목에 한정되지 않음)를 가지는 것으로 의도되고, based on, dependent on, according to, function of(그리고 그의 임의의 형태)라는 용어는 배타적이지 않은 관계(즉, 추가적인 변형이 가능한 것을 포함)로서 의도되어야하고, a/an이라는 용어는 하나 이상의 항목(명시적으로 그렇지 않다고 표시되지 않는 경우가 아니라면)으로서 의도되어야 한다.

예를 들면, 하나의 실시예는 화상 진단 애플리케이션에 사용하는 데이터 처리 분할 방법을 제공한다. 본 방법은 하기의 단계들을 포함한다. 신체 부위(조영제로 관류되는)의 0이 아닌 분석 시간동안의 표시가 제공되고; 상기 표시는 신체 부위의 일 세트의 위치 중 각 위치에 대해 질의 신호(interrogation signal)에 대한 위치의 분석 시간 동안의 응답 표시를 포함한다. 선택된 위치의 세트 중 각각의 선택된 위치에 대해, 선택된 위치의 분석 시간 동안 응답의 통계 분포의 적어도 하나의 통계 파라미터의 값이 연산되고; 상기 선택된 위치의 세트는 자신의 모든 위치 또는 그 일부를 포함한다. 선택된 위치는 적어도 하나의 분할 임계치와 선택된 위치에 대한 상기 적어도 하나의 통계 파라미터의 값 사이의 비교에 따라 분할된다.

그러나, 신체 부위의 표시는 0이 아닌 길이(통계적으로 현저하게 되도록 충분히 긴)를 가진 분석 시간 기간 동아 자신의 표시를 제공하기 위해 임의의 방식으로(하기를 참조) 제공될 수 있고; 표시는 임의의 유형의 조영제(비타겟 또는 타겟 유형의)의 임의의 유형의 관류(예를 들면, 파괴 플래쉬(destruction flash)를 가진 연속한 주입에 기초한)에 연관된다. 본 방법은 임의 유형의 위치의 레벨에서(예를 들면, 픽셀, 3D 화소, 또는 그의 그룹) 적용될 수 있고; 특히, 상기 표시를 공간적으로 서브샘플링하고, 서브샘플링된 표시에 대한 분할을 판정하고, 그런다음 원래 표시에 대해 자신의 애플리케이션을 위한 보간법 기술을 가지고 풀 사이즈의 분할을 복원하는 것이 가능하다. 또한, 본 방법은 임의의 선택된 위치(예를 들면, 임의의 방식으로 정의된 하나 이상의 관심 영역에서) 또는 신체 부위 전체 표시로 적용될 수 있다. 통계 파라미터는 임의의 유형 및, 임의의 숫자일 수 있고(하기 참조); 또한, 선택된 위치는 임의의 유형 및 숫자의 분할 임계치와 통계 파라미터(들)의 값들 사이의 임의의 비교에 따른 임의의 수의 세그먼트(2개 이상)로 분할될 수 있다.(하기 참조)

하나의 실시예에서, 신체 부위의 0이 아닌 분석 시간 동안 표시를 제공하는 상기 단계는 분석 시간동안 등록된 신체 부위의 디지털 이미지의 시퀀스를 제공하는 단계를 포함하고; 각각의 디지털 이미지는 분석 시간내의 대응하는 획득 순간에 위치의 응답에 기초하여 각각의 위치에 대한 강도 값을 포함한다. 적어도 하나의 통계 파라미터의 값을 연산하는 상기 단계는 디지털 이미지를 따라서 있는 선택된 위치의 강도 값으로부터 상기 적어도 하나의 통계 파라미터의 값을 연산하는 단계를 포함한다.

그러나, 디지털 이미지는 임의의 방식으로 등록될 수 있다(예를 들면, 모션 인공물을 보상하거나 또는 배경 이미지를 배제하기 위해 디지털 이미지들을 전처리함으로써). 디지털 이미지는 임의의 크기 및 임의의 0이 아닌 수(통계적으로 현저하게 되도록)를 가진 임의의 유형이 될 수 있고(예를 들면, 단독 또는 조합된, 3D 유형, 임의의 컨트라스트 특정 이미징 모드에 기초한, 또는 기초 B-모드); 강도값은 임의의 유형(예를 들면 로그 압축된 값)일 수 있고, 임의의 방식(예를 들면, 임의의 수의 비트에 대해 컬러-코딩된)으로 코딩될 수 있다. 어떤 경우에도, 동일한 방법을 신체 부위의 임의의 표시(이미지의 형태가 아닐지라도)에 적용하는 가능성이 배제되지 않는다. 예를 들면, 신체 부위의 0이 아닌 분석 시간 동안의 표시가 로(raw)(처리되지 않은 RF) 에코 신호에 의해 정의될 수 있다. 이 경우, 각각의 선택된 위치에 대해, 상기 적어도 하나의 통계 파라미터(응답의 통계 분포의) 값은 자신의 크기 또는 위상의 레벨에서 선택된 위치의 로 에코 신호 그런다음 (복소수) 상관 관계 계수 또는 그의 변형의 힐버트 변환을 연산함으로써 (그런 다음 적어도 하나의 분할 임계치와 이들 통계 파라미터(들)의 값들 사이의 비교에 따라 상기와 같이 분할된 선택된 위치를 가지고) 획득된다.

하나의 실시예에서, 상기 적어도 하나의 통계 파라미터는 복수의 통계 파라미터이다.

그러나, 통계 파라미터는 임의의 수 이내가 될 수 있다(단일한 것으로 하향되거나 또는 반대로 3개 이상으로).

하나의 실시예에서, 통계 파라미터는 중심 경향 통계 파라미터이고, 분산 통계 파라미터이다.

그러나, 임의의 중심 경향 통계 파라미터(예를 들면, (산술) 평균 및 중간값, 모드, 기하학적 평균, 조화 평균, 절사 평균(truncated mean), 중급 평균(midrange mean) 등에 추가하여) 및/또는 임의의 분산 통계 파라미터(예를 들면, 표준 편차, 평균 차이, 평균 편차, 분산 등에 추가하여)를 이용하는 것이 가능하다. 임의의 경우에, 상이하고, 추가적이거나, 또는 대안의 유형의 통계 파라미터가 사용될 수 있다(예를 들면, 위치 또는 형상 통계 파라미터).

하나의 실시예에서, 적어도 하나의 통계 파라미터의 값을 연산하는 상기 단계는 경사진 형상을 가지고 분석 시간 동안 변환된 응답의 변환된 통계 분포를 제공하도록 변환되는 응답에 관한 상기 적어도 하나의 통계 파라미터의 값을 연산하는 단계를 포함한다.

그러나, 이 연산은 임의의 변환된 통계 분포(하기 참조)에 따라 임의의 방식으로 구현될 수 있다. 임의의 경우에, 응답의 (원래) 통계 분포로부터만 통계 파라미터를 연산할 가능성이 배제되지 않는다.

하나의 실시예에서, 변환된 통계 분포는 로그 정규 통계 분포이다.

그러나, 경사진 형상을 가진 임의의 기타 변환된 통계 분포가 사용될 수 있다(예를 들면, 감마 또는 로컬 밀도 랜덤 워크 분포(random walk distribution)).

하나의 실시예에서, 적어도 하나의 통계 파라미터의 값을 연산하는 상기 단계는 선택된 위치의 분석 시간 동안 응답의 통계 분포로부터 적어도 하나의 추가적인 통계 파라미터의 값을 연산하는 단계, 및 상기 적어도 하나의 추가적인 통계 파라미터의 값에 대해 변환된 통계 분포에 기초한 대응하는 변환을 적용함으로써 각각의 통계 파라미터의 값을 연산하는 단계를 포함한다.

그러나, 변환은 임의의 유형(하기 참조)이 될 수 있다. 어느 경우에건, 변환된 응답으로부터 응답을 변환하고 그런다음 원하는 통계 파라미터를 직접적으로 연산하는 것으로 방지하는 것은 없고; 예를 들면, 로그 정규 평균값 및 로그 정규 표준 편차를 하기와 같이 연산하는 것이 가능하다:

,

.

대안으로, 변환된 통계 분포(직접 또는 자신의 히스토그램으로부터)의 분포 함수를 나타내는 파라미터 모델의 사례인 파라미터 함수에 의해 각각의 응답을 피팅하고 그런다음 이 파라미터 함수로부터 원하는 통계 파라미터를 연산하는 것이 또한 가능하다.

하나의 실시예에서, 대응하는 변환을 적용함으로써 각각의 통계 파라미터의 값을 연산하는 상기 단계는 대수 변환(logarithmic transformation)을 상기 적어도 하나의 추가적인 통계 파라미터의 값에 적용하는 단계를 포함한다.

그러나, 변환은 임의의 유형(예를 들면, 지수 형태의)이 될 수 있다.

하나의 실시예에서, 상기 적어도 하나의 통계 파라미터는 로그 정규 평균값 및 로그 정규 표준 편차이고, 상기 적어도 하나의 추가적인 통계 파라미터는 정규 평균값 및 정규 중간값이다.

그러나, 통계 파라미터 및/또는 추가적인 통계 파라미터는 임의의 유형 및 임의의 수가 될 수 있다(예를 들면, 상술한 바와 같이).

하나의 실시예에서, 대응하는 변환을 적용시킴으로써 각각의 통계 파라미터의 값을 연산하는 상기 단계는 로그 정규 평균값을 정규 중간값의 자연 로그와 같도록 설정하고, 로그 정규 표준 편차의 값을 정규 평균값과 정규 중간값 사이의 비율이 절대적으로 1보다 큰 경우 상기 비율의 자연로그의 2배의 제곱근과 같도록 설정하거나, 또는 그렇지 않으면 0과 같도록 설정하는 단계를 포함한다.

그러나, 다른 변환이 변환된 통계 분포 및/또는 통계 파라미터의 유형에 따라 사용될 수 있다.

하나의 실시예에서, 선택된 위치들을 분할하는 상기 단계는 각각의 통계 파라미터의 값과 상기 적어도 하나의 분할 임계치 중 대응하는 임계치 사이의 비교에 따라 선택된 위치를 분할하는 단계를 포함한다.

그러나, 분할 임계치는 임의의 방식으로 정의될 수 있다. 예를 들면, 통계 파라미터의 값들을 서로 관련시키지 않기 위해(uncorrelate) 주성분 분석(PCA: Principal Component Analysis) 기술을 적용하는 것이 가능하고; 또한, 분할 임계치는 대응하는 통계 파라미터의 값의 무게 중심으로부터 연산될 수 있다. 선택된 위치는 각각의 통계 파라미터와 대응하는 분할 임계치 사이의 비교(예를 들면, 임의의 조합에서의 절대 항에서 더 높거나 낮은지, 또는 미리정해진 비율에 의해)에 따라 분할될 수 있다. 어느 경우에서건, 통계 파라미터 중 하나와 상이한 다수의 분할 임계치를 이용하는 것을 방지하는 것은 없다(예를 들면, 분할이 통계 파라미터의 임의의(선형 또는 비선형) 조합에 기초할 때).

하나의 실시예에서, 선택된 위치의 상기 분할 단계는 신체 부위(분석될 상처 포함)의 분석 영역의 각각의 선택된 위치를 중심 경향 통계 파라미터가 대응하는 분할 임계치보다 더 높고 분산 통계 파라미터의 값이 대응하는 분할 임계치 보다 더 높을 때 제1 세그먼트(분석 영역의 과소 관류된 부분에 연관된)에 할당하고, 또는 그렇지 않은 경우 제2 세그먼트에 할당하는 단계를 포함하고; 본 방법은 제1 세그먼트에 포함되지 않은 분석 영역의 선택된 위치의 응답의 통합된 값을 연산하는 단계를 더 포함한다.

그러나, 본 분할은 기타 분할 기준에 기초할 수 있고(예를 들면, 로 에코 신호의 힐버트 변환의 고 상관관계 계수 및 저 분산); 또한 이는 분석 영역의 임의의 통합된 값(예를 들면, 피크, 비대칭도 등에 대한 그의 평균 시간)을 연산하는 데에 이용될 수 있다.

하나의 실시예에서, 선택된 위치를 분할하는 상기 단계는 중심 경향 통계 파라미터의 값이 대응하는 분할 임계치보다 더 낮고 분산 통계 파라미터의 값이 대응하는 분할 임계치 보다 더 높을 때에는 신체 부위의 제어 영역(분석 영역과 비교되는 건강한 조직을 포함하는)의 각각의 선택된 위치를 추가적인 제1 세그먼트(제어 영역의 과대 관류된 부분에 관련된)으로 할당하고, 그렇지 않은 경우에는 추가적인 제2 세그먼트에 할당하는 단계를 포함하고; 본 방법은 추가적인 제1 세그먼트에 포함되지 않는 제어 영역 중 선택된 위치의 응답의 추가적인 통합된 값을 연산하는 단계를 더 포함한다.

그러나, 본 분할은 다른 분할 기준(예를 들면, 로 에코 신호의 힐버트 변환의 저 상관 계수 및 고 분산)에 기초하고; 또한 이는 상기와 같이 제어 영역의 임의의 통합된 값을 연산하는 데에 이용된다.

하나의 실시예에서, 본 방법은 통합된 값 및 추가적인 통합된 값의 조합에 따라 제어 영역에 대해 분석 영역의 상대적 통합된 값을 연산하는 단계를 더 포함한다.

그러나, 상대적 통합된 값은 임의의 방식으로 연산될 수 있고(예를 들면, 통합된 값과 추가적인 통합된 값 사이의 차이로서); 임의의 경우에, 추가적인 통합된 값은 임의의 다른 방식으로(예를 들면, 전체 파라미터 이미지의 파라미터 값을 정규화시키도록) 사용될 수 있다.

하나의 실시예에서, 조영제는 환자의 내부에서 순환할 수 있고 실질적으로 생물학적 타겟 상에 고정될 수 있는 타겟팅된 조영제이고; 선택된 위치를 분할하는 상기 단계는 각각의 선택된 위치를, 중심 경향 통계 파라미터의 값이 대응하는 분할 임계치보다 더 높고 분산 통계 파라미터의 값이 대응하는 분할 임계치 보다 더 낮을 때에는 제1 세그먼트(고정된 타겟팅된 조영제에 연관된)로 할당하고, 그렇지 않은 경우에는 제2 세그먼트에 할당하는 단계를 포함한다.

그러나, 타겟팅된 조영제는 임의의 유형(예를 들면, 특정 또는 비특정 상호작용에 기초하여)이 될 수 있고; 또한 본 분할은 다른 분할 기준(예를 들면, 로 에코 신호의 힐버트 변환의 고 상관 계수 및 저 분산)에 기초할 수 있다.

어느 경우에건, 동일한 기술이 임의의 기타 화상 진단 애플리케이션에서 사용될 수 있고; 예를 들면, 동일한 프로시저가 선택된 세그먼트에 대해 반복(한 번 이상 횟수로)될 수 있고, 또는 동일한 프로시저가 대응하는 세그먼트의 교차점(intersection)(로직 AND), 연결(union)(로직 OR) 또는 배타적 연결(exclusive union)(XOR)을 얻는 것과 같은 논리 연산자에 의해 조합되는 결과인 분할 마스크를 가지고 상이한 분할 기준으로 반복하여 적용될 수 있다.

일반적으로, 동일한 해결안은, 등가인 방법을 가지고(하나 이상의 단계들의 동일한 기능 또는 그의 부분을 가지고 유사한 단계들을 이용하고 필수적이지 않은 일부 단계들을 제거하거나, 또는 추가적인 동작 단계를 추가함으로써) 구현되는 경우 적용하고; 또한 상기 단계들은 상이한 순서, 동시 또는 삽입 방식(interleaved way)(적어도 부분적으로)으로 수행될 수 있다.

어느 경우에서건, 상술한 방법은 환자(그리고, 특히 상기 방법을 수행하기 전에 환자에 미리 투약될 수 있는 조영제와)와의 임의의 상호작용과는 독립적으로 수행될 수 있는 데이터 처리(또는 연산) 방법이라는 것이 강조된다. 또한, 조영제가 비침습 방식(예를 들면, 위장관(gasto intestinal tract)을 이미징하기 위해 구강으로 또는 분무기를 통해서 기도로)으로, 또는 임의의 경우에 의학적 전문지식을 요구하거나 또는 환자에 대해 임의의 건강상 위험을 수반하는(예를 들면, 근육 내로) 그 위의 실질적인 물리적 개입을 필요로 하지 않고 환자에게 투여될 수 있다. 임의의 경우에, 제시된 방법이 의사의 업무를 돕지만, 그것은 일반적으로 예를 들면 진단 목적으로(엄밀한 의미로 치료 목적의 진단이 항상 의사 자신에 의해 이루어질지라도) 신체 부위를 분석할 때 의사를 도울 수 있는 중간 결과 만을 제공한다.

추가적인 실시예는 컴퓨터 프로그램이 컴퓨팅 시스템 상에서 실행될 때 컴퓨팅 시스템으로 하여금 상술한 방법을 수행하도록 구성되는 컴퓨터 프로그램을 제공한다.

추가적인 실시예는 컴퓨터 프로그램을 구현하는 비일시적인 컴퓨터 판독가능 매체를 구비하는 컴퓨터 프로그램 제품을 제공하고; 컴퓨터 프로그램은 컴퓨팅 시스템의 작업 메모리로 로딩가능하여, 컴퓨팅 시스템으로 하여금 동일한 방법을 수행하도록 구성한다.

그러나, 동일한 솔루션이 스탠드-어론 모듈로서, 초음파 스캐너의 제어 프로그램용 플러그 인으로서 또는 제어 프로그램 그 자체에서 직접적으로 구현될 수 있고; 동일한 해결안을 네트워크(인터넷에서와 같이)를 통해 액세스되는 서비스로서 효율적으로 사용할 수 있다는 것이 용이하게 명확하게 될 것이다. 어느 경우에서건, 유사한 고려가 소프트웨어 프로그램(본 발명의 각각의 실시예를 구현하는 데에 이용될 수 있는)이 상이한 방식으로 구축되는 경우 또는 추가적인 모듈 또는 기능이 제공되는 경우에 적용하고; 유사하게, 메모리 구조는 기타 유형이 되거나 또는 등가의 엔티티로 대체될 수 있다. 프로그램은 임의의 컴퓨팅(또는 데이터 처리) 시스템에 의해 또는 그것들 사이를 연결하여 사용되기에 적절한 임의의 형태(예를 들면 가상 머신 내에서)를 취하여, 시스템이 원하는 동작을 수행하도록 구성할 수 있고; 특히, 프로그램은 외부 또는 상주 소프트웨어, 펌웨어, 또는 마이크로코드(예를 들면, 컴파일되거나 인터프리트되는 오브젝트 코드 또는 소스 코드로)의 형태가 될 수 있다. 또한, 컴퓨터 사용가능한 매체(특히 비일시적 매체 상의 제조 물품으로서) 상의 프로그램을 제공할 수 있고; 매체는 프로그램을 유지 또는 저장하기에 적합한 임의의 엘리먼트가 될 수 있다. 예를 들면, 매체는 전자, 자기, 광학, 전자기, 적외선 또는 반도체 유형이 될 수 있고; 이러한 매체의 예시는 (프로그램이 미리로딩될 수 있는) 고정된 디스크, 착탈가능한 디스크, 테이프, 카드 등이다. 임의의 경우에, 본 발명의 실시예에 따른 해결안은 그 자체가 하드웨어 구조(예를 들면 반도체 재료의 칩에 집적된)를 가지고 또는 적절하게 프로그래밍되거나 그렇지 않으면 구성된 소프트웨어 및 하드웨어의 조합을 가지고 구현되도록 한다.

추가적인 실시예는 상술한 방법의 단계들을 수행하도록 구성된 수단을 포함하는 시스템을 제공한다.

그러나, 동일한 해결안이 초음파 스캐너 및 별개의 컴퓨터(또는 등가인 시스템)을 포함하는 시스템으로 적용될 수 있고; 이 경우, 기록된 정보는 초음파 스캐너로부터 그의 처리(예를 들면, 디지털, 아날로그 또는 네트워크 연결)를 위한 컴퓨터로 전송된다. 어느 경우에건, 제시된 해결안이 예를 들면 자기공명영상(MRI) 또는 X선 컴퓨터 단층촬영(CT)에 기초한 임의의 기타 화상 진단 시스템에 적용되는 가능성을 배제하지 않는다.

일반적으로 유사한 고려가 시스템이 상이한 구조를 가지거나 또는 등가의 컴포넌트를 포함하고, 또는 다른 동작 특징을 가지는 경우에 적용한다. 어느 경우에건, 그의 모든 컴포넌트는 보다 다수의 엘리먼트로 분리될 수 있고, 2개 이상의 컴포넌트들이 함께 단일한 엘리먼트로 조합될 수 있고; 또한 각각의 컴포넌트가 병렬로 대응하는 동작의 실행을 지원하기 우해 복제될 수 있다. 또한, 다르게 지정되지 않는다면, 상이한 컴포넌트 사이의 임의의 상호작용은 일반적으로 연속할 필요가 없고, 그것은 하나 이상의 매개자(intermediary)를 통해 직접 또는 간접적이 될 수 있다.

추가적인 실시예는 하기의 단계들을 포함하는 화상 진단 방법을 제공한다. 조영제가 환자에게 투여되어 조영제로 하여금 환자의 신체 부위를 관류하도록 한다. 질의 신호가 신체 부위로 0이 아닌 분석 시간 동안 적용된다. 신체 부위의 분석 시간 동안 표시가 획득되고; 표시는 신체 부위의 일 세트의 위치 중 각각의 위치에 대해 질의 신호(모든 위치 및 그의 일부를 포함하는 선택된 위치의 세트를 분할하도록 상기와 동일한 방법에 따라 처리되는 표시를 가지고)에 대한 위치의 분석 시간 동안의 응답의 표시를 포함한다. 신체 부위의 상태는 상기 분할에 따라 평가된다.

그러나, 본 방법은 임의의 종류의 진단 애플리케이션(예를 들면 새로운 상처를 발견하거나 공지된 상처를 모니터링하는 것을 목적으로 하는 것과 같은 가장 폭넓은 의미로)에서 그리고 임의의(인간 또는 동물) 환자의 임의의 종류의 신체 부위(예를 들면 간, 전립선 또는 심장과 같은 기관, 영역 또는 조직)를 분석하기 위한 애플리케이션을 찾을 수 있다. 특히, 분할은 예를 들면 건강한 조직으로부터 상처를 식별하는 것과 같이 어떤 생리적 상태에서도 신체 부위의 영역 또는 상이한 관류 파라미터를 가진 신체의 부위를 식별하는 데에 이용될 수 있다.

Claims

화상 진단 애플리케이션에 사용하는 데이터 처리 분할 방법(A1-A10)에 있어서,
조영제(contrast agent)로 관류되는 신체 부위의 0이 아닌 분석 시간 동안 표시를 제공하는 단계(A1-A4)로서, 상기 표시는 상기 신체 부위의 일 세트의 위치의 각각의 위치에 대해 상기 위치의 분석시간 동안 질의 신호(interrogation signal)에 대한 응답 지시를 포함하는 상기 단계;
일 세트의 선택된 위치의 각각의 선택된 위치에 대해, 상기 선택된 위치의 분석 시간 동안의 응답의 통계 분포 중 적어도 하나의 통계 파라미터의 값을 연산하는 단계(A5-A6)로서, 상기 선택된 위치의 세트는 모든 위치 또는 그의 일부를 포함하는 상기 단계; 및
적어도 하나의 분할 임계치를 가진 상기 선택된 위치에 대한 상기 적어도 하나의 통계 파라미터의 값들 사이의 비교에 따라 상기 선택된 위치를 분할하는 단계(A7-A9);
를 포함하는 것을 특징으로 하는 화상 진단 애플리케이션에 사용하는 데이터 처리 분할 방법.
제1 항에 있어서, 상기 신체 부위의 0이 아닌 분석 시간 동안 표시를 제공하는 단계(A1-A4)는:
상기 분석 시간 동안 등록된 신체 부위의 디지털 이미지의 시퀀스를 제공하는 단계(A2)로서, 각각의 디지털 이미지는 상기 분석 시간내의 대응하는 획득 순간에서의 상기 위치의 응답에 기초하여 각각의 위치에 대한 강도 값을 포함하는 상기 단계;
를 포함하고,
상기 적어도 하나의 통계 파라미터의 값을 연산하는 단계(A5-A6)는:
상기 디지털 이미지를 따라서 있는 상기 선택된 위치의 강도 값으로부터 상기 적어도 하나의 통계 파라미터의 값을 연산하는 단계(A5);
를 포함하는 것을 특징으로 하는 화상 진단 애플리케이션에 사용하는 데이터 처리 분할 방법.
제1 항 또는 제2 항에 있어서, 상기 적어도 하나의 통계 파라미터는 복수의 통계 파라미터인 것을 특징으로 하는 화상 진단 애플리케이션에 사용하는 데이터 처리 분할 방법.
제3 항에 있어서, 상기 통계 파라미터는 중심 경향(central tendency) 통계 파라미터와 분산 통계 파라미터인 것을 특징으로 하는 화상 진단 애플리케이션에 사용하는 데이터 처리 분할 방법.
제1항에 있어서, 상기 적어도 하나의 통계 파라미터의 값을 연산하는 단계(A5-A6)는:
경사진 형상(skewed shape)을 가지고 상기 분석 시간 동안의 변환된 응답의 변환된 통계 분포를 제공하도록 변환되는 응답에 관한 상기 적어도 하나의 통계 파라미터의 값을 연산하는 단계(A5-A6)를 포함하는 것을 특징으로 하는 화상 진단 애플리케이션에 사용하는 데이터 처리 분할 방법.
제5 항에 있어서, 상기 변환된 통계 분포는 로그 정규 통계 분포인 것을 특징으로 하는 화상 진단 애플리케이션에 사용하는 데이터 처리 분할 방법.
제5 항에 있어서, 상기 적어도 하나의 통계 파라미터의 값을 연산하는 단계(A5-A6)는:
상기 선택된 위치의 분석 시간 동안 상기 응답의 통계 분포로부터 적어도 하나의 추가적인 통계 파라미터의 값을 연산하는 단계(A5); 및
상기 적어도 하나의 추가적인 통계 파라미터의 값에 대해 변환된 통계 분포에 따른 대응하는 변환을 적용함으로써 각각의 통계 파라미터의 값을 연산하는 단계(A6);
를 포함하는 것을 특징으로 하는 화상 진단 애플리케이션에 사용하는 데이터 처리 분할 방법.
제7 항에 있어서, 대응하는 변환을 적용함으로써 각각의 통계 파라미터의 값을 연산하는 단계(A6)는:
상기 적어도 하나의 추가적인 통계 파라미터의 값에 대한 대수 변환을 적용하는 단계(A6)를 포함하는 것을 특징으로 하는 화상 진단 애플리케이션에 사용하는 데이터 처리 분할 방법.
제7 항에 있어서, 상기 적어도 하나의 통계 파라미터는 로그 정규 평균값(mean) 및 로그 정규 표준 편차이고, 상기 적어도 하나의 추가적인 통계 파라미터는 정규 평균값(normal mean) 및 정규 중간값(normal median)인 것을 특징으로 하는 화상 진단 애플리케이션에 사용하는 데이터 처리 분할 방법.
제9 항에 있어서, 대응하는 변환을 적용함으로써 각각의 통계 파라미터의 값을 연산하는 단계(A6)는:
상기 로그정규 평균값을 상기 정규 중간값의 자연 로그와 같도록 설정하고, 상기 정규 평균값과 상기 정규 중간값의 값 사이의 비율이 1보다 더 높으면 상기 로그정규 표준 편차의 값을 상기 정규 평균값과 상기 정규 중간값 사이의 비율의 자연 로그의 2배의 제곱근과 같도록 설정하고, 그렇지 않으면 0으로 설정하는 단계(A6)를 포함하는 것을 특징으로 하는 화상 진단 애플리케이션에 사용하는 데이터 처리 분할 방법.
제1 항에 있어서, 상기 선택된 위치를 분할하는 단계(A7-A9)는:
상기 적어도 하나의 분할 임계치 중 대응하는 임계치와 각각의 통계 파라미터의 값 사이의 비교에 따라 상기 선택된 위치를 분할하는 단계(A7)를 포함하는 것을 특징으로 하는 화상 진단 애플리케이션에 사용하는 데이터 처리 분할 방법.
제11 항에 있어서,
상기 선택된 위치를 분할하는 단계(A7-A9)는: 중심 경향 통계 파라미터의 값이 상기 대응하는 분할 임계치 보다 더 높고 분산 통계 파라미터의 값이 상기 대응하는 분할 임계치보다 더 높을 때 분석되는 상처를 포함하는 신체 부위의 분석 영역 중 각각의 선택된 위치를 상기 분석 영역 중 과소 관류된(hypo-perfused) 부분에 관한 제1 세그먼트로 할당하고, 그렇지 않은 경우 제2 세그먼트로 할당하는 단계(A7-A8)를 포함하고;
상기 제1 세그먼트에 포함되지 않은 분석 영역의 선택된 위치의 응답의 통합된 값을 연산하는 단계(A10)를 더 포함하는 것을 특징으로 하는 화상 진단 애플리케이션에 사용하는 데이터 처리 분할 방법.
제12 항에 있어서,
상기 선택된 위치를 분할하는 단계(A7-A9)는: 상기 중심 경향 통계 파라미터의 값이 상기 대응하는 분할 임계치 보다 더 낮고 상기 분산 통계 파라미터의 값이 상기 대응하는 분할 임계치보다 더 높을 때 상기 분석 영역과 비교되는 건강한 조직을 포함하는 신체 부위의 제어 영역 중 각각의 선택된 위치를 상기 제어 영역 중 과대 관류된(hyper-perfused) 부분에 관한 추가적인 제1 세그먼트로 할당하고, 그렇지 않은 경우 추가적인 제2 세그먼트로 할당하는 단계(A7-A8)를 포함하고;
상기 추가적인 제1 세그먼트에 포함되지 않은 상기 제어 영역의 선택된 위치의 응답의 추가적인 통합된 값을 연산하는 단계(A10)를 더 포함하는 것을 특징으로 하는 화상 진단 애플리케이션에 사용하는 데이터 처리 분할 방법.
제13 항에 있어서, 상기 통합된 값과 상기 추가적인 통합된 값의 조합에 따라 상기 제어 영역에 대한 상기 분석 영역의 상대적인 통합된 값을 연산하는 단계(A10)를 더 포함하는 것을 특징으로 하는 화상 진단 애플리케이션에 사용하는 데이터 처리 분할 방법.
제11 항에 있어서, 상기 조영제는 환자의 내부에서 순환할 수 있고 실질적으로 생물학적 타겟 상에 고정될 수 있는 타겟팅된 조영제이고,
상기 선택된 위치를 분할하는 단계(A7-A9)는:
중심 경향 통계 파라미터의 값이 상기 대응하는 분할 임계치보다 더 높고 분산 통계 파라미터의 값이 상기 대응하는 분할 임계치보다 더 낮을 때 상기 고정된 타겟팅된 조영제에 관한 제1 세그먼트로 각각의 선택된 위치를 할당하고, 그렇지 않은 경우 제2 세그먼트로 할당하는 단계(A7-A8)를 포함하는 것을 특징으로 하는 화상 진단 애플리케이션에 사용하는 데이터 처리 분할 방법.
삭제
컴퓨터 프로그램(600)을 실시하는 비일시적 컴퓨터 판독가능 매체로서, 상기 컴퓨터 프로그램은 컴퓨팅 시스템(100)의 작업 메모리로 로딩가능하여, 상기 컴퓨팅 시스템으로 하여금 제1 항의 방법(A1-A10)을 수행하도록 구성하는 것을 특징으로 하는 컴퓨터 프로그램을 실시하는 비일시적 컴퓨터 판독가능 매체.
화상 진단 애플리케이션에 사용하는 시스템(100)으로서,
조영제로 관류되는 신체 부위의 0이 아닌 분석 시간 동안 표시를 제공하는 수단(603-621)으로서, 상기 표시는 상기 신체 부위의 위치 세트 중 각각의 위치에 대해 질의 신호(interrogation signal)에 대한 상기 위치의 분석 시간 동안의 응답의 지시를 포함하는 상기 수단(603-621);
선택된 위치의 세트 중 각각의 선택된 위치에 대해 상기 선택된 위치의 분석 시간 동안 응답의 통계 분포의 적어도 하나의 통계 파라미터의 값을 연산하는 수단(624-633)으로서, 상기 선택된 위치의 세트는 모든 위치 또는 그 중 일부를 포함하는 상기 수단(624-633); 및
적어도 하나의 분할 임계치를 가진 상기 선택된 위치에 대한 상기 적어도 하나의 통계 파라미터의 값들 사이의 비교에 따라 상기 선택된 위치를 분할하는 수단(636-648);
을 포함하는 것을 특징으로 하는 화상 진단 애플리케이션에 사용하는 시스템.
제18 항에 있어서, 신체 부위의 0이 아닌 분석시간 동안 표시를 제공하는 수단(603-621)은:
상기 분석시간 동안 등록된 상기 신체 부위의 디지털 이미지의 시퀀스를 제공하는 수단(603)으로서, 각각의 디지털 이미지는 상기 분석시간 내의 대응하는 획득 순간에서의 상기 위치의 응답에 기초하여 각각의 위치에 대한 강도 값을 포함하는 상기 수단(603);
을 포함하고,
상기 적어도 하나의 통계 파라미터의 값을 연산하는 수단(624-633)은:
상기 디지털 이미지를 따라서 있는 상기 선택된 위치의 강도 값으로부터 상기 적어도 하나의 통계 파라미터의 값을 연산하는 수단(624):
을 포함하는 것을 특징으로 하는 화상 진단 애플리케이션에 사용하는 시스템.
제18 항 또는 제19 항에 있어서, 상기 적어도 하나의 통계 파라미터는 복수의 통계 파라미터인 것을 특징으로 하는 화상 진단 애플리케이션에 사용하는 시스템.
제20 항에 있어서, 상기 통계 파라미터는 중심 경향(central tendency) 통계 파라미터와 분산 통계 파라미터인 것을 특징으로 하는 화상 진단 애플리케이션에 사용하는 시스템.
제18항에 있어서, 상기 적어도 하나의 통계 파라미터의 값을 연산하는 수단(624-633)은:
경사진 형상을 가지고 상기 분석시간 동안 변환된 응답의 변환된 통계 분포를 제공하도록 변환되는 응답에 관한 상기 적어도 하나의 통계 파라미터의 값을 연산하는 수단(630)을 포함하는 것을 특징으로 하는 화상 진단 애플리케이션에 사용하는 시스템.
제22 항에 있어서, 상기 변환된 통계 분포는 로그정규 통계 분포인 것을 특징으로 하는 화상 진단 애플리케이션에 사용하는 시스템.
제22 항에 있어서, 상기 적어도 하나의 통계 파라미터의 값을 연산하는 수단(624-633)은:
상기 선택된 위치의 분석시간 동안 상기 응답의 통계 분포로부터의 적어도 하나의 추가적인 통계 파라미터의 값을 연산하는 수단(624); 및
상기 적어도 하나의 추가적인 통계 파라미터의 값에 대해 변환된 통계 분포에 따른 대응하는 변환을 적용함으로써 각각의 통계 파라미터의 값을 연산하는 수단(630);을 포함하는 것을 특징으로 하는 화상 진단 애플리케이션에 사용하는 시스템.
제24 항에 있어서, 상기 대응하는 변환을 적용함으로써 각각의 통계 파라미터의 값을 연산하는 수단(630)은:
상기 적어도 하나의 추가적인 통계 파라미터의 값에 대해 대수 변환을 적용하는 수단(630)을 포함하는 것을 특징으로 하는 화상 진단 애플리케이션에 사용하는 시스템.
제24 항에 있어서, 상기 적어도 하나의 통계 파라미터는 로그 정규 평균값(mean) 및 로그 정규 표준 편차이고, 상기 적어도 하나의 추가적인 통계 파라미터는 정규 평균값(normal mean) 및 정규 중간값(normal median)인 것을 특징으로 하는 화상 진단 애플리케이션에 사용하는 시스템.
제26 항에 있어서, 상기 대응하는 변환을 적용함으로써 각각의 통계 파라미터의 값을 연산하는 수단(630)은:
상기 로그정규 평균값을 상기 정규 중간값의 자연 로그와 같도록 설정하고, 상기 정규 평균값과 상기 정규 중간값의 값 사이의 비율이 1보다 더 높으면 상기 로그정규 표준 편차의 값을 상기 정규 평균값과 상기 정규 중간값의 사이의 비율의 자연 로그의 2배의 제곱근과 같도록 설정하고, 그렇지 않으면 0으로 설정하는 수단(630)을 포함하는 것을 특징으로 하는 화상 진단 애플리케이션에 사용하는 시스템.
제18 항에 있어서, 상기 선택된 위치를 분할하는 수단(636-648)은:
상기 적어도 하나의 분할 임계치 중 대응하는 임계치와 각각의 통계 파라미터의 값 사이의 비교에 따라 상기 선택된 위치를 분할하는 수단(636, 645)을 포함하는 것을 특징으로 하는 화상 진단 애플리케이션에 사용하는 시스템.
제28 항에 있어서,
상기 선택된 위치를 분할하는 수단(636, 645)은:
중심 경향 통계 파라미터의 값이 상기 대응하는 분할 임계치 보다 더 높고 분산 통계 파라미터의 값이 상기 대응하는 분할 임계치보다 더 높을 때에는 분석되는 상처를 포함하는 신체 부위의 분석 영역 중 각각의 선택된 위치를 상기 분석 영역 중 과소 관류된(hypo-perfused) 부분에 관한 제1 세그먼트로 할당하고, 그렇지 않을 때에는 제2 세그먼트로 할당하는 수단(645)을 포함하고;
상기 시스템은:
상기 제1 세그먼트에 포함되지 않은 분석 영역의 선택된 위치의 응답의 통합된 값을 연산하는 수단(651)을 더 포함하는 것을 특징으로 하는 화상 진단 애플리케이션에 사용하는 시스템.
제29 항에 있어서,
상기 선택된 위치를 분할하는 수단(636, 645)은:
상기 중심 경향 통계 파라미터의 값이 상기 대응하는 분할 임계치 보다 더 낮고 상기 분산 통계 파라미터의 값이 상기 대응하는 분할 임계치보다 더 높을 때에는 상기 분석 영역과 비교되는 건강한 조직을 포함하는 신체 부위의 제어 영역 중 각각의 선택된 위치를 제어 영역 중 과대 관류된(hyper-perfused) 부분에 관한 추가적인 제1 세그먼트로 할당하고, 그렇지 않을 때에는 추가적인 제2 세그먼트로 할당하는 수단(645)을 포함하고;
본 시스템은:
상기 추가적인 제1 세그먼트에 포함되지 않은 상기 제어 영역의 선택된 위치의 응답의 추가적인 통합된 값을 연산하는 수단(651)을 더 포함하는 것을 특징으로 하는 화상 진단 애플리케이션에 사용하는 시스템.
제30 항에 있어서, 상기 통합된 값과 상기 추가적인 통합된 값의 조합에 따라 상기 제어 영역에 대한 상기 분석 영역의 상대적인 통합된 값을 연산하는 수단(651)을 더 포함하는 것을 특징으로 하는 화상 진단 애플리케이션에 사용하는 시스템.
제28 항에 있어서, 상기 조영제는 환자의 내부에서 순환할 수 있고 실질적으로 생물학적 타겟 상에 고정될 수 있는 타겟팅된 조영제이고, 상기 선택된 위치를 분할하는 수단(636, 645)은:
중심 경향 통계 파라미터의 값이 상기 대응하는 분할 임계치보다 더 높고 분산 통계 파라미터의 값이 상기 대응하는 분할 임계치보다 더 낮을 때 상기 고정된 타겟팅된 조영제에 관한 제1 세그먼트로 각각의 선택된 위치를 할당하고, 그렇지 않은 경우에는 제2 세그먼트로 할당하는 수단(645)을 포함하는 것을 특징으로 하는 화상 진단 애플리케이션에 사용하는 시스템.
조영제로 하여금 환자의 신체 부위를 관류하도록 상기 조영제를 환자에게 투여하는 단계;
0이 아닌 분석 시간 동안 질의 신호를 신체 부위로 적용하는 단계;
상기 신체 부위의 분석시간 동안 표시를 획득하는 단계로서, 상기 표시는 상기 신체 부위의 일 세트의 위치 중 각각의 위치에 대해 상기 위치의 분석시간 동안 질의 신호에 대한 응답 지시를 포함하고, 상기 표시는 제1 항의 방법에 따라 상기 위치 전부 또는 그 일부를 포함하는 선택된 위치의 세트를 분할하도록 처리되는 상기 단계; 및
상기 분할에 따라 상기 신체 부위의 상태를 평가하는 단계;
를 포함하는 것을 특징으로 하는 진단 방법.