JP2003508139A - 非剛体運動画像解析 - Google Patents

非剛体運動画像解析

Info

Publication number
JP2003508139A
JP2003508139A JP2001520357A JP2001520357A JP2003508139A JP 2003508139 A JP2003508139 A JP 2003508139A JP 2001520357 A JP2001520357 A JP 2001520357A JP 2001520357 A JP2001520357 A JP 2001520357A JP 2003508139 A JP2003508139 A JP 2003508139A
Authority
JP
Japan
Prior art keywords
boundary
sequence
segment
spline curve
image
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
JP2001520357A
Other languages
English (en)
Inventor
ノーブル、ジュリア、アリソン
ジェイコブ、ゲイリー
Original Assignee
イシス イノベイション リミテッド
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by イシス イノベイション リミテッド filed Critical イシス イノベイション リミテッド
Publication of JP2003508139A publication Critical patent/JP2003508139A/ja
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G06T7/0014—Biomedical image inspection using an image reference approach
    • G06T7/0016—Biomedical image inspection using an image reference approach involving temporal comparison
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G06T7/251—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments involving models
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
    • A61B6/508—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for non-human patients
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10132—Ultrasound image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30048—Heart; Cardiac

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Ultra Sonic Daignosis Equipment (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

(57)【要約】 心エコー画像シーケンスにおいて左心室の心内膜および心外膜境界を自動的に検出し、追跡する方法。心内膜境界を、画像シーケンスのいくつかのフレームにおいて手作業で位置付けし、手作業で位置付けした境界にＢスプライン曲線を適合させ、シーケンスを通じての境界の変形に関する形状空間を、運動の主成分分析（ＰＣＡ）によって計算する。次いで、形状空間を使用して、シーケンスにおける全てのフレームに関する心内膜境界の位置付けを予測し、この予測を、予測位置近傍での強度の鋭い変化など画像フィーチャに関するサーチによって調節する。心室壁の臨床的に有意な各セグメントにおける心内膜境界の移動量は、そのセグメントにおけるスプラインに関する制御点の移動の度合を測定し、また、各スプラインに関して制御点間の移動量の変動をモニタすることによって得られる。心外膜壁は、心内膜に基づく位置の予測と、心外膜壁に合致する画像強度の変動に関するサーチとを組み合わせることによって位置付けされる。その位置の予測は、２つの壁間の距離のＰＣＡモデルの構成に基づいている。サーチは、サーチ・ラインに沿って画像強度をプロットし、ウェーブレット・ベースのリッジ検出器を使用して強度プロフィルを分解することを含むことができる。心臓サイクル中の心筋肥厚は、心内膜および心外膜壁の追跡位置から導出することができ、肥厚と、各セグメント内部の肥厚の変動との定量測定を得ることができる。

Description

【発明の詳細な説明】
【０００１】 本発明は、非剛体運動を受ける変形可能対象物の画像を解析する方法に関する
。特に、本発明は、所望の画像フィーチャをシーケンスを通じて検出し、追跡す
ることができ、かつフィーチャの運動を自動的に定量化し、解析することができ
るように画像を解析する方法に関する。
【０００２】 運動中の対象物の画像を解析するための基本的な技法は、剛体運動、すなわち
対象物自体が変形しない場合に関しては比較的単純である。しかし、対象物が時
間と共に変形する非剛体運動の解析はより困難である。そのような非剛体運動は
多くの状況で起こり、しかし典型的なのは、人または動物の身体の器官がリアル
タイムでイメージされる医学または獣医学撮像の分野におけるものである。分析
する器官の非剛体運動によって生じる問題と共に、これらの撮像適用例は、特に
、画像がノイズを非常に多く含むという追加の問題を含む。しばしば、熟練した
操作者であっても、画像中に所望の画像フィーチャを見出すことが困難であり、
したがって、フィーチャの信頼可能な自動検出はかなり難しい。
【０００３】 心臓撮像の分野では、マルチゲート収集法（ＭＵＧＡ）、高速コンピュータ断
層撮影法（ＣＴ）、ポジトロン・エミッション・トモグラフィ（ＰＥＴ）、磁気
共鳴映像法（ＭＲＩ）、および心エコー検査法（すなわち超音波撮像）など様々
な技法が使用される。これらのうち、心エコー検査法が最も広く使用されている
。これは、撮像機器を比較的安価に入手して保守することができ、かつ機器が比
較的持ち運び可能なものであるためである。
【０００４】 心臓機能の評価では、心臓の左心室または右心室の性能が特に重要であり、室
寸法、面積、体積、駆出分画など心室測定値を得ることに大きな関心が集まって
いる。より正確な心室機能のピクチャを提供するために、特に、心室壁の一部の
みで生じる異常を評価できるようにするために、心室の運動の２つの特定の態様
が有意であると実証されている。これらは心内膜壁運動（壁偏移とも呼ばれる）
と心筋壁肥厚である。心臓の筋肉は、虚血状態（すなわち血が欠乏した状態）に
なると、その運動がほぼ即座に変更されることが判明している。異常は心室壁の
特定の部分に制限することができるので、壁運動の評価に関する系統的な方法は
、表面をいくつかの異なるセグメントに区分化することを含む。壁は様々な方法
で区分化することができ、しかし有用な方法は、Ａｍｅｒｉｃａｎ Ｓｏｃｉｅ
ｔｙ ｏｆ Ｅｃｈｏｃａｒｄｉｏｇｒａｐｈｙによって提案され、添付図面の
図８に例示した心臓の１６セグメント解剖学的モデルである。これは、２次元心
エコー検査法から導出される画像を評価する際に有用である。
【０００５】 図８（ｄ）に、以下に述べる技法での解析に使用される図の一例を示す。例え
ば左心室の心臓機能を評価する際、臨床医は、各セグメントの運動および肥厚を
検査して、心臓サイクルを通じての各セグメントの運動を視覚的に評価しようと
する。あるスコアリング・スキームでは、臨床医が各セグメントを以下のように
スコアする必要がある。
【０００６】 しかし、このスコアリング・スキームは非常に主観的なものである。したがっ
て、心エコー検査法による検査の臨床報告は、操作者に依存するところが大きく
、基本的には定性的である。また、各セグメントを正常か異常に分類しなければ
ならず、したがって、このスコアリング・システムでは、セグメントの一部のみ
が異常である場合などには、繊細な評価を臨床医が示すのは困難である。
【０００７】 したがって、壁運動および壁肥厚を検出し、定量化する自動的な方法が明らか
に求められているが、画像を自動的に評価するのは非常に困難である。添付図面
１（ａ）〜（ｄ）に、典型的な心エコー画像のセットを示す。図１（ａ）は、ビ
デオ記録からデジタル化された画像を示す。図１（ｂ）は、最新の超音波機の１
つから得られる画像を示す。図１（ｃ）は、静止している患者の負荷心エコー画
像を示し、図１（ｄ）は、ドプタミン（運動の効果をまねる薬物）のピーク投与
時の図１（ｃ）と同じ患者を示す。人が所望の心室領域を識別することは困難で
あり、自動解析ではさらに困難であることを理解されたい。
【０００８】 超音波画像内の領域の自動境界検出は、ＡＱ（ａｃｏｕｓｔｉｃ ｑｕａｎｔ
ｉｆｉｃａｔｉｏｎ、音響定量化）と呼ばれる技法によって、Ｈｅｗｌｅｔｔ−
Ｐａｃｋａｒｄ社から製造されている特定の機械で使用可能である。この技法は
、組織から戻る信号の不連続性を使用することによって画像形成前に境界を見分
ける。ユーザ定義しきい値を超える強度勾配を有する画素が境界点としてマーク
される。次いで、境界点としてラベル付けされた画素がまとめられて、つながっ
た境界を形成する。しかし、図２（ａ）〜（ｄ）は、この技法が常に有用という
わけではないことを示す。図２（ａ）および（ｃ）は、基本的な心エコー画像を
示し、図２（ｂ）および２（ｄ）は、別のしきい値での対応する当該ＡＱ画像を
示す。例示した境界は、実際の境界を正確にたどらないので画像の評価の助けに
全くならないことがわかる。
【０００９】 左心室の内側境界（心内膜）を検出するより良い方法が、Ｍｅｄｉｃａｌ Ｉ
ｍａｇｅ Ａｎａｌｙｓｉｓ（１９９７／８ ｖｏｌｕｍｅ３，ｎｕｍｂｅｒ１
，ｐｐ６３−７５）に掲載されたＪａｃｏｂ、Ｎｏｂｌｅ、Ｍｕｌｅｔ−Ｐａｒ
ａｄａ ａｎｄ Ｂｌａｋｅによる論文「Ｅｖａｌｕａｔｉｎｇ Ａ Ｒｏｂｕ
ｓｔ Ｃｏｎｔｏｕｒ Ｔｒａｃｋｅｒ Ｏｎ Ｅｃｈｏｃａｒｄｉｏｇｒａｐ
ｈｉｃ Ｓｅｑｕｅｎｃｅｓ」に提案されており、これを本明細書に参照により
組み込む。そこで提案されているように、内側境界、すなわち心内膜は、非剛体
輪郭（Ｂスプライン）によってモデル化され、心エコー・シーケンスを通じての
この輪郭の形状の変動（すなわち心臓が収縮および膨張するときの変動）は、形
状空間を使用することによって表される。これは、各画像における心内膜壁の位
置を、定義位置、例えば初期位置からの時間変化逸脱から構成されるものとみな
せることを意味し、この逸脱は、ある基本的なタイプの輪郭運動の時間変化重み
付け合計と特徴付けられる。例えば、非常に簡単な形状空間は、対象物の運動を
、定義位置と比較した回転の割合と並進の割合とからなるものと特徴付ける。こ
のとき、時間と共に変化するのは、回転および並進の相対量のみである。心エコ
ー図を解析する際には、より複雑な形状空間が必要であることが判明している。
上で参照した論文は、心内膜壁の運動の主成分分析（ＰＣＡ）を使用して、心内
膜壁の実際の運動に近似するように成分として効率的に使用することができる１
セットの定義運動を見出す。ここでも、シーケンスを通じて変化するのは、各画
像での様々な定義運動の相対的な重み付けだけである。
【００１０】 心内膜壁を検出し、追跡するこの技法では、臨床医がまず、画像シーケンスの
フレームを検査し、いくつかのフレームにおいて心内膜壁を手作業で位置付けし
、追跡する必要がある。例えば、６０〜８０フレームのシーケンスでは、臨床医
は、５フレームごとに心内膜境界の周りに手作業で「線を引く」ことができる。
次いで、手作業で描いた輪郭にＢスプライン曲線を適合させて、輪郭の近似を提
供し、主成分分析を実施して、画像シーケンスを通じての輪郭の運動の定義成分
を見出す。次いで、シーケンス全体を再処理し、それにより、事前定義した初期
位置から始めて、各フレームにおける心内膜壁の位置を、先行する２つのフレー
ムの位置とＰＣＡ結果とに基づいて予測する。心内膜壁の実際の位置を表す画像
フィーチャ（強度エッジなど）をサーチすることにより、各フレームでの予測が
補正される。このプロセスが完了すると、各フレームに関するＢスプライン曲線
を、そのフレーム上の画像に重ね合わせて表示することができ、それにより、シ
ーケンスが表示されたときに、シーケンスを通じて心内膜壁を追跡するように輪
郭が現れる。
【００１１】 これをより詳細に例示すると、Ｂスプライン曲線の形状がその制御点の位置に
よって決定されることが想起されよう。したがって、画像シーケンスを通じての
心内膜壁に適合されたスプライン曲線の移動を、フレームからフレームへのスプ
ライン曲線の制御点の位置の変化として完全に表現することができる。制御点の
ｘおよびｙ座標は従来、スプライン・ベクトルＱと呼ばれ、上で論じた行列の形
で書かれ、シーケンスの任意のフレームにおける制御点の位置を、定義済み位置
Ｑ0からのオフセットとして表現することができる。時間と共に変化するこのオ
フセットは、簡便には、形状空間ベクトルＸとして知られる時間変化部分と、形
状行列Ｗ（通常は一定と仮定される）と呼ばれる許容される運動のタイプ（運動
の主成分）を表す部分とに分けることができる。したがって、行列表記では、 Ｑ＝Ｑ0＋ＷＸ となる。
【００１２】 シーケンスのあらゆるフレームにおける心内膜境界に適合するスプライン曲線
を見出す（結果的にシーケンスのあらゆるフレームにおける曲線の制御点の位置
を見出すことになる）ために、第１のステップは、複数のフレームで、例えば５
フレームごとに、臨床医が境界の周りに手作業で線を引くことである。次いで、
ユーザ定義した数の制御点を使用して、線を引いた境界にＢスプライン曲線を適
合させる。図３（ａ）は、心内膜境界をモデルするために使用される２４個の制
御点を有する２次近似Ｂスプラインの概略図を示す。図３（ｂ）は、超音波画像
のフレーム上に重畳された曲線を示す。次いで、臨床医が区分化した各フレーム
における制御点の位置に対して主成分分析を実施して、Ｑ0およびＷを計算する
。このとき、狙いは、シーケンスの全てのフレームにおける心内膜境界の位置を
、臨床医がそれらの周りに手作業で線を引く必要なく、自動的に見出すことであ
る。図４にそのプロセスを概略的に示す。このプロセスは、先行フレームにおけ
る境界に基づいて各フレームに関して境界の位置を予測することを含む。すなわ
ち、唯一の時間変化部分であるＸ（形状ベクトル）の値を、先行する２つのフレ
ームでの値に基づいて予測する。次いで、心内膜境界の実際の位置を表す画像フ
ィーチャを見出すために、予測位置周辺でサーチを実施する。この技法では、予
測した曲線に沿って離隔された複数の基準値に沿ってサーチを実施し、サーチ・
ラインに沿った強度変動を見るなど、既知の画像処理操作によって画像フィーチ
ャを識別する。境界に対応する画像フィーチャが見出されたときに、予測位置を
更新することができ、（Ｂスプラインの制御点の位置によって表現される）輪郭
の実際の位置が確立される。
【００１３】 心内膜境界をＢスプラインとして表現すると、シーケンスを通じて時間変化す
る唯一の部分は制御点の位置であり、形状空間表現では形状ベクトルＸであるこ
とを理解されたい。Ｘの要素は、主成分分析で見出される異なるタイプの運動（
すなわち運動の様々な主成分）の重み付けであることを想起されたい。
【００１４】 図５は、１４個の制御点を有するＢスプラインを使用して超音波画像シーケン
スの４心臓サイクルで行われた主成分分析の一例を示す。６つの最も主要なモー
ドが示されており、それぞれが初期テンプレート（太い実線）として示され、運
動の成分によって表現される形状の変化が細い実線によって示される。図５の左
上の図が主流のモードであり、下の図は最も主流でないモードである。各モード
によって表される変形は、図６における代替方法で示され、フロー・ベクトルは
、スプライン曲線の各スパンの開始に中心を合わされ、曲線のその部分の移動を
示す。したがって、解析される画像シーケンスを通じての輪郭（スプライン曲線
）の運動を、これらの運動の合計として表現することができる。任意のフレーム
での曲線の位置が、特定の重み付けをされたこれらの運動の合計を表す。重み付
けはＸの成分の値であり、したがってＸの成分の時間変化を見ることによって運
動を完全に表現することができる。図７に、時間に伴うＸの変動を心エコー図シ
ーケンスに関して例示する。図７（ａ）は、このシーケンスに関するＰＣＡベー
スの成分を示し、図７（ｂ）は、それらの各成分の重み付け対時間の値を示す。
しかし、これらの成分および重み付けの有意性を臨床的に解釈するのは困難であ
る。例えば、図７（ａ）の第１の変形モード（左上）は、左心室境界の下位部分
のスケーリングとなるように現れている。対応するその成分の重み付けのプロッ
トは、この運動が基本的に周期的であることを示す。しかし、この運動成分は、
境界のただ１つの部分のみに影響を及ぼすだけでないので（境界の全ての部分が
移動する）、壁の任意の特定の領域の動きに関する良好な見解を与えない。また
、境界のその部分の運動に関する情報のいくつかが、他の成分に「コード化」さ
れる。
【００１５】 したがって、形状空間ベクトルＸの成分の大きさを与える主成分分析は追跡に
非常に有用であるが、結果を自動的に解釈するための良好な基礎を提供しない。
【００１６】 心筋肥厚と呼ばれる壁肥厚も、心臓の状態を評価するのに臨床的に有意な因子
であることは上述した。心臓が拍動しているとき、主に心室壁の周期的な肥厚に
よって心室が膨張および収縮をする。壁が厚くならない場合、心室体積が十分大
きな量だけ変化せず、血液のポンピングが減少する。したがって、心室壁の肥厚
の度合を定量的に解析できることが有利である。これは、上述したように内側（
心内膜）境界を検出するのと同様に、心室壁の外側（心外膜）境界を検出するこ
とによって簡単に行うことができると考えられる。しかし、心内膜境界（内側境
界）は、大きく異なる音響インピーダンスを有する筋肉と血液の間の境界である
。これは一般に、心内膜境界が心エコー図に良く現れることを意味する。一方、
心外膜境界は、組織と組織の境界面であり、したがって画像上への描画が非常に
困難である。
【００１７】 したがって、心内膜境界を追跡したとしても、心外膜境界の移動を検出して定
量的に解析するのは困難である。
【００１８】 本発明は、これらの２つの問題を解決するのに有用な技法を提供する。左心室
の心エコー図を解析するのに使用するように例示したが、この技法はそれに限定
されない。他の変形可能対象物の２次元または３次元での非剛体運動の解析にも
適用可能である。したがって、他の医学および獣医学適用例を有し、かつ一般に
変形可能対象物の撮像に適用可能であり、さらに、超音波以外のモダリティをイ
メージするのにも適用可能である。
【００１９】 本発明の第１の態様は、非剛体運動中の内部身体器官の画像のシーケンスを解
析する方法であって、シーケンスの各画像において器官の境界を検出するステッ
プと、検出した境界の臨床的に有意な複数のセグメントそれぞれのシーケンスを
通じての移動量を自動的に計算するステップとを含む方法を提供する。
【００２０】 図８に例示されるセグメント、好ましくは図８（ｄ）におけるセグメントであ
る場合がある臨床的に有意なセグメントそれぞれの移動量を、例えばグラフとし
て図式的に表示することができる。さらに、そのセグメントの移動量の平均値を
、そのセグメントの移動量を表すただ１つの数として計算することができる。ま
た、セグメントの移動量の変動を計算することもでき、変動が大きければ、それ
だけそのセグメントの一部のみが正常である可能性が高くなる。また、各セグメ
ントに関して、運動中に検出した境界の最大偏移を計算して出力することもでき
る。
【００２１】 好ましくは、上述した主成分分析とスプライン曲線の適合との技法によって境
界を検出して追跡する。
【００２２】 セグメントの移動量は、簡便には、各セグメントごとに、そのセグメント内部
の曲線を制御する制御点の移動量の尺度を計算して出力することによって見出す
ことができる。この尺度は単純な平均値であってよく、あるいは、各セグメント
の中央にある制御点が優位になるように重み付けすることができる。
【００２３】 セグメント内部の移動量の変動は、簡便には、そのセグメントに関する様々な
スプライン曲線制御点の移動量を比較することによって見出される。
【００２４】 これらの尺度は、追跡プロセスで使用されるのとは異なる新たな形状空間を定
義し、別の形状空間に対応する形状ベクトルを制御点から計算することによって
、シーケンスの各フレームにおける制御点の位置から簡単に得ることができる。
新たな形状空間を選択して、形状ベクトルの各成分が、ただ１つの臨床的に有意
なセグメントにおける制御点の移動量のみを表すことを保証することができる。
次いで、新たな形状ベクトルの時間変化成分を図式的に表示することで、そのセ
グメントの運動が良好に示される。本発明のこの態様は特に、心臓、例えば左心
室または右心室の超音波画像を解析するのに適用することができる。
【００２５】 本発明はまた、１つの形状空間で追跡された移動スプライン曲線を、別の形状
空間を使用することによって解釈することを企図する。したがって、本発明の別
の態様は、非剛体運動中の変形可能対象物の画像のシーケンスを解析する方法で
あって、シーケンスの複数のフレームそれぞれにおいて対象物の境界を検出する
ステップと、スプライン曲線が境界を追跡するように、第１の形状空間を使用し
てスプライン曲線の移動の形状空間表現を構成する際に境界にスプライン曲線を
適合させるステップと、第２の別の形状空間を使用して追跡スプライン曲線を分
解するステップとを含む方法を提供する。この別の形状空間は、特定の運動属性
を選択するように選ぶことができる。すなわち、１つの形状空間を使用して追跡
される運動を、同じ形状空間で解釈する必要がない。別の形状空間、すなわち解
釈形状空間を使用することができる。
【００２６】 本発明の別の態様は、２つの境界間の距離のモデルを生成することによって、
画像のシーケンスに見られる２つの境界を有する対象物の壁の構成をモデリング
することを含む。したがって、各境界を個別にモデリングするのではなく、それ
らの間の距離に関してモデルを構成する。したがって、本発明のこの態様は、非
剛体運動中の変形可能対象物の画像のシーケンスを解析する方法であって、シー
ケンスの複数のフレームにおいて対象物の第１および第２の境界を検出し、２つ
の境界間の距離のシーケンスを通じての変動の形状空間表現を構成することを含
む方法を提供する。
【００２７】 モデルは、境界間の距離の変化の形状空間であってよく、距離が変化する形で
の主成分分析に基づくことがある。外側境界を表す画像フィーチャを見出すよう
に画像をサーチすることによってモデルを改善することができる。このモデルは
、外側境界が内側境界よりも内側に交差するなど、不的確な結果を回避する。
【００２８】 本発明の別の態様は、対象物の壁の内側および外側境界を検出するために、非
剛体運動中の変形可能対象物の画像のシーケンスを解析する方法であって、内側
境界を検出するステップと、外側境界を表す画像フィーチャに関して内側境界よ
りも外側をサーチするステップとを含む方法を提供する。
【００２９】 したがって、内側境界が外側境界よりも内側にあることがわかっているので、
これは、外側境界を表す画像フィーチャのサーチに関する有用な開始点を提供す
る。
【００３０】 好ましくは、例えば、シーケンスのいくつかの画像のみにおいて内側および外
側境界を手作業で位置付けすること、２つの境界間の距離のシーケンスを通じて
の変化に関する形状空間を計算すること、内側境界を検出し、シーケンスの他の
画像中で、外側境界を表す画像フィーチャに関して内側境界よりも外側で前記サ
ーチを実施すること、および前記形状空間を使用して、シーケンスの前記他の画
像中の検出した画像フィーチャにスプライン曲線を適合させることによって、外
側境界を表す検出した画像フィーチャにスプライン曲線を適合させる。
【００３１】 したがって、この方法では、２つの境界間の距離を表す形状空間が得られる。
この形状空間の使用は、計算された外側境界が常に内側境界よりも外側にあるこ
とを保証する助けとなる。手作業で処理されるフレームにおける２つの境界間の
距離は、形状空間に関する基礎として使用される主成分分析を受ける場合がある
。このとき、これは対象物壁の変形の簡便なモデルを提供する。
【００３２】 外側境界を表す画像フィーチャに関するサーチは、例えば、内側境界から外側
に突出するサーチ・ラインに沿って、強度の極大値など画像強度の変化を解析す
ることによるものであってよい。ある画像では、強度のプロットが極端にノイズ
の多いものになる場合があり、明確な極大値を検出するのはかなり困難である場
合がある。この場合、画像強度のプロフィルのウェーブレット分解を実施して、
プロフィルを滑らかにすることができる。
【００３３】 実際の外側境界により良く適合するように、適合にさらなる条件を加えること
ができる。例えば、検出した画像フィーチャが非常に高い外側境界の曲率を示唆
する場合にその重み付けを減らすことができる。同様に、フィーチャが、形状空
間外の内側境界と外側境界との差を示唆する場合に重み付けを減らすことができ
る。
【００３４】 この技法は、特に心臓、例えば右心室または左心室の超音波画像の解析に特に
有用である。その場合、内側境界と外側境界の間の距離が心筋厚さを表し、画像
シーケンスを通じてのその厚さの変化が心臓の状態を示す。
【００３５】 ここでも、心室壁を図８のモデルに従って区分化することができ、各セグメン
ト内部での変動と同様に、各個別セグメントに関する肥厚の度合を計算し、図式
的に表示することができる。
【００３６】 本発明の方法は簡便にはコンピュータ・プログラムで実施され、したがって本
発明が、上述した方法を実施するためのコンピュータ・プログラムおよびコンピ
ュータ・システムを提供することを理解されたい。
【００３７】 本発明をさらに、添付図面を参照しながら、限定を加えない例によって説明す
る。
【００３８】 まず、例えば上述したＪａｃｏｂ他に記載されている技法を使用して左心室の
心内膜壁を追跡する、心エコー画像シーケンスから臨床的に有意な定量データを
提供するための本発明の一実施形態を説明する。心内膜壁の追跡は、次のように
、スプライン曲線の制御点の移動に関して定義できることを想起されたい。 Ｑ＝Ｑ0＋ＷPCAＸPCA
【００３９】 ここで、添え字「ＰＣＡ」は、追跡が主成分分析に基づいていることを示す。
時間変化部分は形状ベクトルＸであり、これは形状空間ＷPCAの擬似逆行列を使
用して戻すことができる。すなわち、 ＸPCA＝Ｗ* PCA（Ｑ−Ｑ0） ここで、Ｗ* PCAは擬似逆行列を表す。ただし、Ｘの時間変化成分に臨床的有意
性をおくのは簡単でないことを図７が実証していることを想起されたい。
【００４０】 しかし、本発明のこの実施形態を用いるとき、追跡の結果を分解するための新
たな形状空間を使用することができる。これは、「解釈形状空間」と呼ぶことが
でき、臨床的対象となる時間変化値をシーケンスを通じて制御点の位置から導出
するために選択することができる。行列表記では、これを次のように説明するこ
とができる。 ＸCLIN＝Ｗ* CLIN（Ｑ−Ｑ0）
【００４１】 Ｑの成分が制御点の座標（２次元、ただのｘおよびｙ座標）であることを想起
すると、ＸCLINの成分が特定の制御点のみの移動を表すように解釈形状空間を選
択することができる。例えば、図９に例示されるように各セグメントに関して４
つの制御点が存在する場合、行列乗算から得られるＸの成分が各セグメント内の
制御点の移動量の平均値となるように解釈形状空間を定義することができる。こ
れを達成するために、Ｗ* CLINの各行が、４つの非ゼロ重み付けを有して、ある
セグメント内の４つの制御点の４つのｘおよびｙ座標を取り出し、行の残りの位
置はゼロになるようにする。したがって、Ｗ* CLINの第１行の位置１〜４を１／
４にし、残りをゼロにして、乗算後に、第１のセグメント内の制御点のｘ座標の
平均値を生成することができる。第２行では、位置５〜８を１／４にし、残りを
ゼロにする。以下同様である。したがって、行列全体を書き出しはしないが、Ｗ * CLIN を次のようにすることができる。
【数１】
【００４２】 したがって、２次元で、第１の４つの制御点の位置（すなわち、基底下位セグ
メントに関する）を時間ｔ0では、
【数２】 となり、Ｑ−Ｑ0に解釈形状空間行列Ｗ* CLINを乗算することの効果は、ＸCLINの
成分を各セグメントのｘおよびｙ成分のただの平均値にすることであることがわ
かる。したがって、ＸCLINの第１の成分は、ただの
【数３】 となる。
【００４３】 同じことがｙ成分についても当てはまり、さらに他の各セグメントにも当ては
まる。
【００４４】 上述した解釈形状空間は、各セグメント内の均等に重み付けされた４つの制御
点を使用することに基づいている。しかし、各セグメントに関して異なる数の制
御点を使用することもできる。さらに、各セグメントの端部にある制御点は実際
には次のセグメントでのスプライン曲線に影響を及ぼすので、各セグメントの中
央にある制御点を優位にするように解釈形状空間内の成分の値を調節することも
可能である。例えば、成分を（１／４，１／４，１／４，１／４）ではなく、各
セグメントに関して成分を（１／６，１／３，１／３，１／６）と設定すること
ができる。
【００４５】 心臓の並進および回転運動を除去することによって分析をさらに向上させるこ
とができる。これは、（心臓壁を表す）輪郭の偏移が固定外部基準フレームから
測定されるためである。並進および回転の効果は、スプライン曲線の重心を差し
引くことによって除去することができる。すなわち、
【数４】 ここで
【数５】 および
【数６】 は、それぞれＱおよびＱ0の平均値である。
【００４６】 したがって、この解釈形状空間の使用は、形状空間ベクトル成分が臨床の観点
で意味のあるものであることを意味する。これらの成分は、左心室境界の各セグ
メントの平均関数を表す。
【００４７】 この値を示すために、図１０は、ＰＣＡ形状空間の６つの成分の時間変化のプ
ロットを、解釈形状空間からの６つの成分（すなわち、各セグメントに関する４
つの制御点の平均位置）の時間に伴う変化のプロットと比較する。図１０（ａ）
はＰＣＡ追跡形状空間に基づく変化を例示し、図１０（ｂ）は解釈形状空間に基
づく変化を例示する。図１０（ｂ）のプロットは、明らかに左心室境界の基礎局
所運動に関係付けられている場合がある。したがって、図１０（ａ）は、主に最
初の３つの成分において周期性を実証しているが、各成分が境界全体の運動を表
すので、その周期性を左心室境界の基礎運動に関連付けることは非常に難しい。
これに対し、図１０（ｂ）は、新たな形状空間の６つの成分全てが周期性をもつ
ことを示す。基底内部、中央内部、中央下位、および基底下位セグメントの全て
が正常に動くことがわかる。観察される基底下位領域でのより小さな移動は、正
常な心臓機能に従っている。ただし、先端下位および先端前方セグメントは、周
期的に動いているが、心内膜壁偏移が低減している。これは、この被検者が先端
領域に心筋梗塞を有するという診断に従う。したがって、解釈形状空間からの成
分プロットを臨床医に示すことで、心臓機能を評価するための貴重な、即座に認
識可能なツールが臨床医に与えられることを理解されたい。
【００４８】 心臓壁の異常領域は、単一のセグメントを完全に満たすことはなく、セグメン
トの一部のみであり、場合によっては他のセグメントの一部である場合もあるこ
とを理解されたい。その尺度は、各セグメント内部での移動量の変化を求めるこ
とによって本発明のこの実施形態の技法を使用することにより簡単に導出するこ
とができる。この実施形態では、これは、各セグメント内の４つの制御点の移動
の標準偏差を計算することによって行うことができる。当然、標準偏差は、異な
る制御点間の移動の度合の変化の尺度である。全ての制御点が同じ量だけ移動さ
れる場合、標準偏差は低くなる。ある点が他の点よりもかなり大きく移動される
場合、標準偏差は高くなる。
【００４９】 したがって、この実施形態によれば、各セグメントに関して２つの尺度、すな
わち心内膜壁偏移の平均値と標準偏差が得られる。図１１（ａ）は、図１０のプ
ロットに対応し、しかし解釈形状空間ベクトル成分に関して９５％信頼区間を含
むプロットを例示する。図１１（ａ）から、標準偏差は、基底内部、中央下位、
および基底下位セグメントでほぼ同じであることがわかる。ただし、先端前方お
よび先端下位セグメントは、特に心臓サイクルの収縮期段階中に、非常に顕著な
変化増分を示す。これは、全ての先端下位および先端前方セグメントが異常であ
るわけではないことを示唆する。図１１（ｂ）は、これらのプロットが臨床医に
表示される様式を示す。
【００５０】 現在、臨床医が各セグメントの移動を定性的にスコアしていることは冒頭で述
べた。各セグメントに関して同様の、しかし自動化され、そのためあまり主観的
なものではないスコアリング・スキームを提供することが有用である。この実施
形態では、スコアリング・システムは、境界セグメントの極大変位を計算するこ
とによって提供される。次いで、これを、６つのセグメント全てのうちの極大移
動に対して正規化する。得られた数は、心内膜壁の各セグメントの相対極大変位
を表すものである。壁偏移は、輪郭の極大（符号付き）偏移から輪郭の極小（符
号付き）偏移を引いた値として計算される。これを図１２に例示する。ピーク間
成分プロットが測定されている。図１３に、図１０からのデータに関するこれら
の値を例示する。図１３（ａ）は、画素単位での極大壁偏移を示し、図１３（ｂ
）は、６つの値のうち最大のもので割ることによって正規化された値を示す。こ
れらの値の相対的な大きさは、先端内部および先端前方領域内の心筋梗塞の診断
と整合性がある。
【００５１】 このスコアリング・システムが十分良く作動しない１つの例外的ケースがある
ことに留意されたい。それは、あらゆるセグメントが異常なときであり、この場
合、各最大心内膜壁偏移スコアが小さく、正規化されたスコアは完全に正常なも
のとして現れる。これは、心内膜壁偏移の最小許容可能振幅をセットすることに
よってモニタすることができる。
【００５２】 いわゆる「カラー・キネシス」によって、心内膜壁を追跡した結果の表示を改
善することができる。この場合、いくつかの輪郭が同じ画像上にまとめてプロッ
トされ、例えば前の２０の輪郭を１つの画像上にプロットすることができる。各
輪郭が、ある色、例えば緑色の最新のものから、別の色、例えば赤色の最も古い
ものまでカラー・コードされる。これにより、壁の動きがより簡単に認識される
。
【００５３】 さらに、各フレームとその先行フレームとの間の輪郭上の一点での速度を計算
することができる。このとき、この速度をカラー・コードすることができ、例え
ば、遅い速度を青色にコードし、より速い速度を赤色にコードして、これらの速
度が画像に重ねて表示される。
【００５４】 さらに、このシステムは、左心室、心外膜壁の外側境界を追跡し、追跡した心
内膜壁と心外膜壁の間の距離を測定することによって心筋壁の厚さを定量化する
方法も提供することができる。
【００５５】 心外膜壁は追跡がかなり困難であることを冒頭で述べた。このため、心内膜壁
に使用されるものに対応する追跡ストラテジを使用することはできない。本発明
のこの実施形態は、心外膜壁の予測を心内膜壁と心外膜壁の間の距離のモデルに
基づかせることによってこの難点を克服する。２つの壁間の距離に効果的に制約
を設け、これを用いて心外膜壁の追跡を最適化する。
【００５６】 画像シーケンスを仮定すると、この技法は、臨床医がはじめに、いくつかの画
像フレームでの心内膜および心外膜を表す輪郭を手作業で位置付け、その周りに
線を引くことを含む。次いで、上述した技法で心内膜壁の運動に関してＰＣＡ形
状空間を構成したのと同様に、この場合、ＰＣＡ形状空間を２つの壁の間の差に
関して構成する。これは「差分形状空間」と呼ばれる。したがって、差分形状空
間ＷDiffは、心外膜壁と心内膜壁の制御点間の差ＱDiffのＰＣＡに基づく。すな
わち、 ＱDiff＝ＱEP−ＱEN となる。
【００５７】 ＷDiffに関する形状空間ベクトルはＸDiffである。
【００５８】 次いで、心外膜壁を見出すための技法は、差分形状空間（予想することができ
る移動を示す）と、心外膜を表す画像フィーチャに関するサーチとの両方を使用
することである。このサーチは、心内膜（その位置は、より簡単に画像内に確立
される）から始め、次いで心内膜を表す曲線から基準値に沿ってサーチすること
によって行われる。サーチは、画像強度の変化など、心外膜壁を表す画像フィー
チャに関するものである。このとき、差分形状空間ＷDiffの使用により、輪郭は
測定結果に適合される。
【００５９】 以上のことをまとめると、心外膜推定に関するアルゴリズムは以下のようにな
る。 １．手作業で区分化した心内膜輪郭ＱEN,1，ＱEN,2，・・・，ＱEN,Mと心外膜
輪郭ＱEP,1，ＱEP,2，・・・，ＱEP,Mとの差の形状空間ＷDiffを得る。 ２．心外膜を表す画像測定値を見出すために、心内膜の推定位置に関して通常
のサーチを行う。 ３．これらの測定値を使用して、差分形状空間ＷDiffでの（以下の適合アルゴ
リズムからの）最良適合曲線
【数７】 を得る。この輪郭を
【数８】 と呼ぶ。 ４．次いで、
【数９】 によって推定心外膜位置
【数１０】 を得る。
【００６０】 ステップ３に関する適合アルゴリズム（「Ａｃｔｉｖｅ Ｃｏｎｔｏｕｒｓ」
，Ｂｌａｋｅ，Ａ．ａｎｄ Ｉｓａｒｄ，Ｍ．（１９９８），Ｓｐｒｉｎｇｅｒ
から）は以下のようなものである。 基準値
【数１１】 を有する初期形状推定
【数１２】 （すなわち形状空間における
【数１３】 ）、および正規化重み付け行列
【数１４】 を仮定して、例えば
【数１５】 を解くによって最小にする。 アルゴリズム １．ｓ1＝０，ｓi+1＝ｓi＋ｈ，ｓN＝Ｌ となるようにサンプルｓi（ｉ＝１，・・・，Ｎ）を選択する。 ２．各ｉに関して、ｒf（ｓi）の位置を確立するために、
【数１６】 を通過する適切なライン（例えば曲線基準値）に沿って何らかの画像処理フィル
タを適用する。 ３．Ｚ0＝０，Ｓ0＝０に初期化する。 ４．ｉ＝１，・・・，Ｎに関して、
【数１７】 を反復する。 ５．総計観察ベクトルを Ｚ＝ＺN とし、それに関連する統計情報を、 Ｓ＝ＳN とする。 ６．最後に、最良適合曲線を、
【数１８】 によって形状空間内に得る。
【００６１】 図１４に、これらの技法をある画像シーケンスに適用して、シーケンスのフレ
ーム２５、９６、１０４、１０９、および１１４に関する心外膜を検出した結果
を示す。
【００６２】 画像フィーチャの検出に関するサーチ・スケールの選択は追跡精度に影響を及
ぼす。例えば、１．１４ｃｍ（３０画素）の経験的に選択された一定のスケール
が、７２０×５１２画素の画像上に良好な結果を与える。ただし、心外膜に関す
るサーチ・スケールを心臓サイクルの段階に連係させ、それにより弛緩期よりも
収縮期にサーチ・スケールを長くすることができる。
【００６３】 それでも、上述した技法は心外膜壁を表す画像フィーチャの検出を必要とし、
その難点は何度か述べた。この実施形態で使用される特に有利な手法は、サーチ
・ライン（心内膜境界からの基準値）に沿って画像強度をプロットし、ウェーブ
レット・リッジ検出器を使用して心外膜境界に対応する画像フィーチャを見出す
ことである。この実施形態に関して選択したウェーブレットは、Ｃｏｉｆｆｍａ
ｎウェーブレット・シリーズである。これらの直交し、コンパクトにサポートさ
れたウェーブレットは、所与のフィルタ長さに関する最大数のバニシング・モー
メントを特徴とする。さらに、Ｃｏｉｆｆｍａｎセットでのいくつかのパケット
は、低解像度でリッジ状構造（心外膜など）を評価するのに特に適した空間分布
を有する。各プロフィル（図１５に示されるものなど）が、はじめに二項的に分
解され、次いで最良ベース・アルゴリズムを使用して再構成される。次いで、こ
の最適化されたセット内部の各パケットを最良ベース再構成全体と比較して、ど
の分解が元のプロフィル信号に最も強く寄与するか判定する。これらの特に低い
解像度での分解を、次の解析段階で使用して、フィルタ済みプロフィルの再構成
を連続プロフィルのリッジ特性の再構成に制限する。第１のプロフィル基準値は
、例えば基底前方セグメントの開始時に良好なコントラスト対ノイズ比（すなわ
ち良好なプロフィル）の領域内にあるように選択され、プロフィル基準値は、こ
の点から反時計回りに増分され、最後のものは基底下位セグメントの末端にある
。
【００６４】 非常に重い計算負担をかけることなく正確な結果を与えるので、６つのフィル
タ長を有するＣｏｉｆｆｍａｎウェーブレットを選択した。
【００６５】 このウェーブレット・セットを使用して画像フィーチャを検出した結果を図１
６に示す。あるサーチ・ラインに沿って得られた情報を次のサーチ・ラインに沿
ったサーチ中に使用することにより、検出をさらに改善することができる。
【００６６】 これを行うために、（１）（上述の追跡によって与えられる）心筋に関する推
定画像空間の外側に逸脱した場合、または（２）局所極大が心外膜境界の許容可
能な曲率から非常に大きく逸脱した場合に、サーチ・ラインに沿って見い出され
るピークまたはリッジ状フィーチャに負の重み付けをする。したがって、分解さ
れたプロフィルを前のプロフィルでのリッジ局所化を反映するように調節した後
、低解像度表現を、再構成用の低域および高域直角フィルタと随伴的に重畳する
。ここで、再構成されたプロフィルは、（限られた数の再構成用パケットを使用
することにより）滑らかであり、シフトされ、（低解像度重み付け関数により）
正規化されている。このとき、再構成されたプロフィルの極大値を見出すリッジ
検出がここに適用される。正味の結果として、リッジ検出は、心外膜の視覚的位
置にはるかに良く合致する（図１７）。
【００６７】 基底前方セグメントでは局所化が心外膜境界の他の部分よりも弱いことに留意
されたい。これは、僧帽弁がここに位置決めされ、境界の曲率が許容可能な曲率
をはるかに逸脱するためである。ただし、心外膜境界の残りの部分に関しては局
所化が改善される。
【００６８】 この技法の結果の一例を図１８に示す。図１８（ａ）に、心内膜壁および心外
膜壁を示し、図１８（ｂ）に、シーケンスを通じて生じる心筋肥厚を示す。これ
は、追跡された心外膜壁と心内膜壁の間の領域を色付けすることによって示され
る。
【００６９】 様々なセグメントにおける領域壁偏移、すなわち心内膜壁の移動を定量化した
のと同様に、セグメントに関する心筋肥厚の定量化も有用である。これは、心外
膜境界と心内膜境界の間の平均距離を計算することによって行うことができる。
代替方法は、差分形状空間ＷDiffおよびそれに関連する形状空間ベクトルＸDiff を使用することである。これらの値を個々のセグメントにわたって積分して、そ
のセグメントでの心筋厚さの尺度を提供することができる。画像シーケンスを通
じての各セグメントに関するこの値のプロットを図１９に示す。基底下位、中央
前方、中央下位、および基底下位セグメントの全てが正常に動くことがわかる。
肥厚がより小さいと、基底前方領域も正常になる。しかし、先端前方および先端
下位セグメントでの厚さの変化の低減は異常であり、この患者が先端領域内に心
筋梗塞を有するという診断を認める。
【００７０】 図２０に示すように、６つのセグメントそれぞれにおけるセグメント壁肥厚の
変化を見ることも有用である。このデータ・セットに関する開始点は弛緩期であ
り、約１０分の１秒後に心臓が収縮期に入る。基底前方および基底下位セグメン
トは、壁厚さの多くの変動を示す。先端前方セグメントで肥厚および変動がない
ことが、ここでも上述の診断に合致する。ただし、先端前方よりも先端下位で変
動がある。これは、全ての先端下位セグメントが虚血性というわけではないこと
を示唆している。したがってここでも、個々のセグメントの変動の測定により、
全てのセグメントが異常なのか、セグメントの一部のみが異常なのかについての
見解を得られる。
【００７１】 図２１に、臨床医に提示される場合があるデータを示す。このとき、心内膜壁
および心外膜壁が画像上に重ね合わされ、心室の運動を追跡する。各セグメント
内部での変動を含めた心内膜壁偏移および心筋肥厚のプロットが合わせて示され
ている。それにより臨床医は、左心室壁の異常領域をプロットから簡単に認識す
ることができる。
【００７２】 壁肥厚を表す単一数値スコアは、以下のように計算することもできる。
【数１９】
【００７３】 ここで、ＴｈESは収縮終期の心筋セグメントの厚さであり、ＴｈEDは弛緩終期
の心筋セグメントの厚さである（単位はｃｍ）。
【００７４】 図１３におけるデータに関する壁肥厚の局部パーセンテージのスコアを図２２
に示す。図２２（ａ）は、図１３に関する正規化最大心内膜壁偏移を示し、図２
２（ｂ）は、パーセンテージ心筋肥厚を示し、図２２（ｃ）は、臨床医に提示さ
れる形でのインターフェースを示す。
【００７５】 表示をさらに向上させるために、前述したカラー・キネシスの技法を使用する
こともできる。この場合、フレームとその先行フレームとの間での厚さの変化を
計算し、それらの累積距離を、最新のものをある色、例えば青色にし、最も古い
ものを別の色、例えば赤色にするようにカラー・コードする。それにより、前の
２０フレームのプロットを、色を変化させることによって時間を示しながら同じ
軸上に作成することができる。
【００７６】 上述した実施形態は、心エコーの分析および解釈に関して説明してきたが、こ
の技法を、変形可能な対象物の非剛体運動の画像シーケンスにも適用可能である
ことを理解されたい。したがって、これは、他の器官または他の対象物の超音波
画像、ならびに他の画像診断療法によって人間の器官または他の対象物から得ら
れる画像を含む。
【図面の簡単な説明】
【図１】 （ａ）〜（ｄ）は典型的な１組の心エコー画像を示す図である。
【図２】 （ａ）〜（ｄ）は定義心エコー画像、および当該のＡＱ画像を示す図である。
【図３（ａ）】 ２次近似Ｂスプラインの概略図である。
【図３（ｂ）】 超音波画像上に重畳された図３（ａ）のＢスプラインを示す図である。
【図４】 追跡プロセスの概略図である。
【図５】 ＰＣＡ分解の成分を示す図である。
【図６】 別の方法で図５の成分を示す図である。
【図７（ａ）】 ある画像シーケンスに関するＰＣＡベースの成分を示す図である。
【図７（ｂ）】 図７（ａ）の成分の時間に伴う変化を示す図である。
【図８】 心臓の１６セグメント解剖学的モデルを示す図である。
【図９】 Ｂスプラインに関する制御点の位置決め、および境界のセグメントの位置を概
略的に示す図である。
【図１０（ａ）】 画像シーケンスでのＰＣＡ成分の時間変化を示す図である。
【図１０（ｂ）】 解釈形状空間での成分の時間に伴う変化を示す図である。
【図１１（ａ）】 図１０のプロットに対応し、しかし成分に関する９５％信頼区間を含むプロッ
トを示す図である。
【図１１（ｂ）】 図１１（ａ）のプロットが臨床医に表示される様式を示す図である。
【図１２】 心内膜境界を追跡する輪郭の偏移の計算を示す図である。
【図１３（ａ）】 画素中の各セグメントに関する極大壁偏移を示す図である。
【図１３（ｂ）】 正規化されたこれらの値を示す図である。
【図１４】 画像シーケンスにおいて心内膜壁および心外膜壁を追跡した結果の表示を示す
図である。
【図１５】 Ｃｏｉｆｆｍａｎウェーブレット・パケットを示す図である。
【図１６】 ウェーブレット分解によって心外膜境界を検出した結果を示す図である。
【図１７】 前のサーチ・ラインから得た情報を使用する、改善された結果を示す図である
。
【図１８（ａ）】 心内膜壁および心外膜壁の追跡結果を示す図である。
【図１８（ｂ）】 影を付けられた心筋を示す図である。
【図１９】 画像シーケンスを通じての各セグメントに関する壁肥厚を示す図である。
【図２０】 各セグメント内部での肥厚の変化を示す図である。
【図２１】 臨床医に表示される場合がある肥厚情報を示す図である。
【図２２（ａ）】 図１３のデータに関する正規化された最大心内膜壁偏移と、同じデータに関す
るパーセンテージ心筋肥厚スコアとを示す図である。
【図２２（ｂ）】 臨床医に提示される形での心内膜壁偏移および心筋肥厚スコアを示す図である
。
───────────────────────────────────────────────────── フロントページの続き (51)Int.Cl.7 識別記号 ＦＩ テーマコート゛(参考） Ｇ０６Ｔ 7/20 Ａ６１Ｂ 6/00 ３５０Ｃ Ｆターム(参考） 4C093 AA26 CA15 CA50 DA02 FF16 FF22 FF24 FF33 4C096 AB38 AC04 AD14 DC19 DC23 DC25 DC33 4C301 DD07 EE11 EE14 JB23 JB27 JB29 JB32 JC01 JC06 JC07 JC08 JC12 JC16 KK12 KK24 KK30 5B057 AA07 BA03 BA05 BA07 DA06 DA16 DB02 DB09 DC09 DC16 5L096 AA06 BA06 BA13 CA24 DA02 DA04 EA06 FA06 FA32 FA66 FA68 GA09 GA55 HA02

Claims (48)

    【特許請求の範囲】
  1. 【請求項１】 非剛体運動中の内部身体器官の画像のシーケンスを解析する
    方法であって、 シーケンスの各画像において器官の境界を検出するステップと、 検出した境界の臨床的に有意な複数のセグメントそれぞれのシーケンスを通じ
    ての移動量を自動的に計算するステップと を含む方法。
  2. 【請求項２】 さらに、検出した境界の臨床的に有意なセグメントそれぞれ
    の計算した移動量を図式的に表示するステップを含む請求項１に記載の方法。
  3. 【請求項３】 さらに、検出した境界の臨床的に有意なセグメントそれぞれ
    について、そのセグメントの移動量の平均値を計算して出力するステップを含む
    請求項１または請求項２に記載の方法。
  4. 【請求項４】 さらに、検出した境界の臨床的に有意なセグメントそれぞれ
    について、そのセグメント内部での移動量の変動を計算するステップを含む請求
    項１、請求項２、または請求項３に記載の方法。
  5. 【請求項５】 さらに、臨床的に有意なセグメントそれぞれについて、前記
    非剛体運動中に、検出した境界の最大偏移を計算するステップを含む請求項１、
    請求項２、請求項３、または請求項４に記載の方法。
  6. 【請求項６】 前記器官が人または動物の心臓である請求項１から請求項５
    のいずれか一項に記載の方法。
  7. 【請求項７】 画像が、超音波ベース、ＭＲベース、またはＸ線ベースの撮
    像または核医学によって生成される請求項１から請求項６のいずれか一項に記載
    の方法。
  8. 【請求項８】 スプライン曲線が境界に適合する請求項１から請求項７のい
    ずれか一項に記載の方法。
  9. 【請求項９】 さらに、シーケンス中のいくつかの選択した画像のみにおい
    て境界を視覚的に位置付けし、スプライン曲線に関する制御点の計算によって、
    各選択した画像において視覚的に位置付けした境界にスプライン曲線を適合させ
    るステップを含む請求項８に記載の方法。
  10. 【請求項１０】 さらに、選択した画像を通じてのスプライン曲線の移動の
    形状空間空間表現を計算するステップを含む請求項９に記載の方法。
  11. 【請求項１１】 形状空間空間が、選択した画像を通じてのスプライン曲線
    の移動の主成分分析（ＰＣＡ）を実施することによって計算される請求項１０に
    記載の方法。
  12. 【請求項１２】 さらに、スプライン曲線に基づいてシーケンスの各フレー
    ムにおける境界の位置を予測するステップと、境界の予測位置近傍で境界を表す
    画像フィーチャを検出するステップと、検出した画像フィーチャに基づいて予測
    位置を補正するステップとを含む請求項９、請求項１０、または請求項１１に記
    載の方法。
  13. 【請求項１３】 さらに、画像に重なるスプライン曲線を表示するステップ
    を含む請求項８から請求項１２のいずれか一項に記載の方法。
  14. 【請求項１４】 さらに、前記臨床的に有意なセグメントそれぞれについて
    、そのセグメントに関するスプライン曲線制御点の移動量の平均値を計算して出
    力するステップを含む請求項８から請求項１３のいずれか一項に記載の方法。
  15. 【請求項１５】 前記平均値が、各セグメントの中央にあるスプライン曲線
    制御点を優位にするように重み付けされている請求項１４に記載の方法。
  16. 【請求項１６】 さらに、前記臨床的に有意なセグメントそれぞれについて
    、そのセグメントに関するスプライン曲線制御点の移動量の変動の尺度を計算し
    て出力するステップを含む請求項８から請求項１５のいずれか一項に記載の方法
    。
  17. 【請求項１７】 さらに、前記臨床的に有意なセグメントそれぞれについて
    、そのセグメントに関するスプライン曲線制御点の最大偏移の尺度を計算して出
    力するステップを含む請求項８から請求項１６のいずれか一項に記載の方法。
  18. 【請求項１８】 さらに、別の形状空間空間を定義し、スプライン関数制御
    点から、前記別の形状空間空間に対応する形状ベクトルを計算するステップを含
    む請求項１１、または請求項１１の任意の従属請求項に記載の方法。
  19. 【請求項１９】 前記別の形状空間空間の擬似逆行列が、臨床的に有意なセ
    グメントそれぞれについて、スプライン関数制御点の移動の尺度を形状ベクトル
    の成分として生成するように定義されている請求項１８に記載の方法。
  20. 【請求項２０】 さらに、形状ベクトル成分のシーケンスを通じての変動を
    図式的に表示するステップを含む請求項１９に記載の方法。
  21. 【請求項２１】 ４つのスプライン関数制御点が、臨床的に有意なセグメン
    トそれぞれについて定義される請求項８から請求項２０のいずれか一項に記載の
    方法。
  22. 【請求項２２】 対象物の壁の内側および外側境界を検出するために、非剛
    体運動中の変形可能対象物の画像のシーケンスを解析する方法であって、 内側境界を検出するステップと、 外側境界を表す画像フィーチャに関して内側境界よりも外側をサーチするステ
    ップと を含む方法。
  23. 【請求項２３】 さらに、外側境界を表す検出した画像フィーチャにスプラ
    イン曲線を適合させるステップを含む請求項２２に記載の方法。
  24. 【請求項２４】 前記スプライン曲線が、 シーケンスのいくつかの画像のみにおいて内側および外側境界を手作業で位置
    付けすること、 ２つの境界間の距離のシーケンスを通じての変化に関する形状空間空間を計算
    すること、 内側境界を検出し、シーケンスの画像中で、外側境界を表す画像フィーチャに
    関して内側境界よりも外側で前記サーチを実施すること、および 前記形状空間を使用することによって、シーケンスの前記他の画像中の検出画
    像フィーチャにスプライン曲線を適合させること によって適合される請求項２３に記載の方法。
  25. 【請求項２５】 さらに、前記形状空間空間に関する基礎として、２つの境
    界間の距離の変化の主成分分析を実施するステップを含む請求項２４に記載の方
    法。
  26. 【請求項２６】 外側境界を表す画像フィーチャに関して内側境界よりも外
    側でサーチするステップが、前記内側境界から外方向へ画像強度の変化を検出し
    て解析することを含む請求項２２から請求項２５のいずれか一項に記載の方法。
  27. 【請求項２７】 さらに、内側境界から外方向へ画像強度のプロットのリッ
    ジを検出することを含む請求項２６に記載の方法。
  28. 【請求項２８】 さらに、プロットを滑らかにするために画像強度のプロッ
    トのウェーブレット分解を実施し、滑らかにしたプロットの極大値を前記リッジ
    として検出することを含む請求項２７に記載の方法。
  29. 【請求項２９】 前記サーチが、前記内側境界に沿って離隔されており、か
    つ前記内側境界から半径方向外方向に延在する複数のサーチ・ラインに沿って行
    われる請求項２６、請求項２７、または請求項２８に記載の方法。
  30. 【請求項３０】 検出した画像フィーチャにスプライン曲線を適合させると
    きに、検出した画像フィーチャが、外側境界の高い曲率を示唆する場合に重み付
    けを減らされる請求項２３に従属するときの請求項２６から請求項２９のいずれ
    か一項に記載の方法。
  31. 【請求項３１】 検出した画像フィーチャにスプライン曲線を適合させると
    きに、検出した画像フィーチャが、差に関する形状空間空間外にある内側境界と
    外側境界の間の差を示唆する場合に重み付けを減らされる請求項２４に従属する
    ときの請求項２６から請求項３０のいずれか一項に記載の方法。
  32. 【請求項３２】 前記画像が超音波画像である請求項２２から請求項３１の
    いずれか一項に記載の方法。
  33. 【請求項３３】 前記対象物が人または動物の器官である請求項２２から請
    求項３２のいずれか一項に記載の方法。
  34. 【請求項３４】 前記対象物が人または動物の心臓である請求項２２から請
    求項３３のいずれか一項に記載の方法。
  35. 【請求項３５】 前記対象物が左心室または右心室である請求項３４に記載
    の方法。
  36. 【請求項３６】 さらに、内側境界と外側境界の間の距離のシーケンスを通
    じての変化を、心筋肥厚の表現として図式的に表示するステップを含む請求項３
    ４または請求項３５に記載の方法。
  37. 【請求項３７】 さらに、心臓の壁を区分化し、各セグメントに関して、内
    側境界と外側境界の間の距離のシーケンスを通じての変化を、そのセグメントに
    関する心筋肥厚の表現として図式的に表示することを含む請求項３４、請求項３
    ５、または請求項３６に記載の方法。
  38. 【請求項３８】 内側境界と外側境界の間の距離が、各セグメントに関して
    平均化される、または積分される請求項３７に記載の方法。
  39. 【請求項３９】 内側境界と外側境界の間の距離のシーケンスを通じての変
    化の、各セグメント内部での変動を計算するステップを含む請求項３７または請
    求項３８に記載の方法。
  40. 【請求項４０】 内側境界が、請求項１から請求項２１のいずれか一項の方
    法によって検出される請求項２２から請求項３９のいずれか一項に記載の方法。
  41. 【請求項４１】 非剛体運動中の変形可能対象物の画像のシーケンスを解析
    する方法であって、シーケンスの複数のフレームそれぞれにおいて対象物の境界
    を検出するステップと、スプライン曲線が境界を追跡するように、第１の形状空
    間を使用してスプライン曲線の移動の形状空間表現を構成する際に境界にスプラ
    イン曲線を適合させるステップと、第２の別の形状空間を使用して追跡スプライ
    ン曲線を分解するステップとを含む方法。
  42. 【請求項４２】 第１の形状空間が境界の移動の主成分分析に基づいている
    請求項４１に記載の方法。
  43. 【請求項４３】 第２の形状空間が所望の運動属性を選択するように適合さ
    れている請求項４１または請求項４２に記載の方法。
  44. 【請求項４４】 非剛体運動中の変形可能対象物の画像のシーケンスを解析
    する方法であって、シーケンスの複数のフレームにおいて対象物の第１および第
    ２の境界を検出し、２つの境界間の距離のシーケンスを通じての変動の形状空間
    表現を構成することを含む方法。
  45. 【請求項４５】 さらに、２つの境界にスプライン曲線を適合させるステッ
    プを含む請求項４４に記載の方法。
  46. 【請求項４６】 さらに、シーケンスの全てのフレームにおいて第１の境界
    の位置を見出し、前記形状空間と、前記第２の境界の画像フィーチャ表現に関す
    るサーチとに基づいて、第２の境界の全てのフレームでの位置を予測する請求項
    ４４または請求項４５に記載の方法。
  47. 【請求項４７】 プログラムがコンピュータ上で実行されるときに請求項１
    から請求項４６のいずれか一項の方法を実施するためのプログラム・コード手段
    を備えるコンピュータ・プログラム。
  48. 【請求項４８】 コンピュータ・システムによって読取り可能であり、請求
    項４７に記載のコンピュータプログラムをコード化するコンピュータ・プログラ
    ム記憶媒体。
JP2001520357A 1999-08-27 2000-07-19 非剛体運動画像解析 Pending JP2003508139A (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
GB9920401.8 1999-08-27
GB9920401A GB9920401D0 (en) 1999-08-27 1999-08-27 Non-rigid motion image analysis
PCT/GB2000/002767 WO2001016886A2 (en) 1999-08-27 2000-07-19 Non-rigid motion image analysis

Publications (1)

Publication Number Publication Date
JP2003508139A true JP2003508139A (ja) 2003-03-04

Family

ID=10859987

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2001520357A Pending JP2003508139A (ja) 1999-08-27 2000-07-19 非剛体運動画像解析

Country Status (5)

Country Link
US (1) US7043063B1 (ja)
EP (1) EP1212729A2 (ja)
JP (1) JP2003508139A (ja)
GB (1) GB9920401D0 (ja)
WO (1) WO2001016886A2 (ja)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003250801A (ja) * 2002-03-04 2003-09-09 Aloka Co Ltd 超音波診断装置
JP2004313545A (ja) * 2003-04-17 2004-11-11 Hitachi Medical Corp 心臓の運動表示方法及び画像診断装置
JP2006055631A (ja) * 2004-07-19 2006-03-02 Pie Medical Imaging Bv 分割結果の３次元位置情報を用いた生物学的構造を視覚化するための方法と装置
WO2007011000A1 (ja) * 2005-07-20 2007-01-25 Matsushita Electric Industrial Co., Ltd. 超音波診断装置
JP2007533353A (ja) * 2003-09-10 2007-11-22 シーメンス　メディカル　ソリューションズ　ユーエスエー　インコーポレイテッド ガイドポイントを使用する空間−時間モデリングシステム及び方法
JP2014532509A (ja) * 2011-11-07 2014-12-08 パイエオン インコーポレイテッドＰａｉｅｏｎ Ｉｎｃ． 心臓機構を検知および分析するための方法およびシステム
KR101733891B1 (ko) 2014-12-09 2017-05-08 지멘스 악티엔게젤샤프트 검사 대상의 주기적 움직임과 관련된 변형 계산
JP2019171102A (ja) * 2019-05-30 2019-10-10 コニカミノルタ株式会社 画像処理装置、画像処理方法、およびプログラム

Families Citing this family (95)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8565860B2 (en) 2000-08-21 2013-10-22 Biosensors International Group, Ltd. Radioactive emission detector equipped with a position tracking system
US8489176B1 (en) 2000-08-21 2013-07-16 Spectrum Dynamics Llc Radioactive emission detector equipped with a position tracking system and utilization thereof with medical systems and in medical procedures
US7826889B2 (en) * 2000-08-21 2010-11-02 Spectrum Dynamics Llc Radioactive emission detector equipped with a position tracking system and utilization thereof with medical systems and in medical procedures
US8909325B2 (en) 2000-08-21 2014-12-09 Biosensors International Group, Ltd. Radioactive emission detector equipped with a position tracking system and utilization thereof with medical systems and in medical procedures
WO2004042546A1 (en) * 2002-11-04 2004-05-21 V-Target Technologies Ltd. Apparatus and methods for imaging and attenuation correction
US8036731B2 (en) * 2001-01-22 2011-10-11 Spectrum Dynamics Llc Ingestible pill for diagnosing a gastrointestinal tract
GB0028491D0 (en) 2000-11-22 2001-01-10 Isis Innovation Detection of features in images
CN1310617C (zh) * 2001-01-22 2007-04-18 V-目标技术有限公司 可咽下装置
US6572547B2 (en) * 2001-07-31 2003-06-03 Koninklijke Philips Electronics N.V. Transesophageal and transnasal, transesophageal ultrasound imaging systems
US20030086596A1 (en) * 2001-11-07 2003-05-08 Medical Metrics, Inc. Method, computer software, and system for tracking, stabilizing, and reporting motion between vertebrae
DE10163813A1 (de) * 2001-12-22 2003-07-03 Philips Intellectual Property Verfahren zur Darstellung von unterschiedlichen Bildern eines Untersuchungsobjektes
US8538098B2 (en) * 2002-06-28 2013-09-17 Koninklijke Philips N.V. Image processing method for displaying information relating to parietal motions of a deformable 3-D object
WO2004068406A2 (en) * 2003-01-30 2004-08-12 Chase Medical, L.P. A method and system for image processing and contour assessment
US7912528B2 (en) * 2003-06-25 2011-03-22 Siemens Medical Solutions Usa, Inc. Systems and methods for automated diagnosis and decision support for heart related diseases and conditions
CA2530595A1 (en) * 2003-06-25 2005-01-06 Siemens Medical Solutions Usa, Inc. Automated regional myocardial assessment for cardiac imaging
US7596258B2 (en) * 2003-11-10 2009-09-29 Kabushiki Kaisha Toshiba Image processor
WO2007010534A2 (en) 2005-07-19 2007-01-25 Spectrum Dynamics Llc Imaging protocols
US7968851B2 (en) 2004-01-13 2011-06-28 Spectrum Dynamics Llc Dynamic spect camera
US8586932B2 (en) 2004-11-09 2013-11-19 Spectrum Dynamics Llc System and method for radioactive emission measurement
US9470801B2 (en) 2004-01-13 2016-10-18 Spectrum Dynamics Llc Gating with anatomically varying durations
US9040016B2 (en) 2004-01-13 2015-05-26 Biosensors International Group, Ltd. Diagnostic kit and methods for radioimaging myocardial perfusion
US7176466B2 (en) 2004-01-13 2007-02-13 Spectrum Dynamics Llc Multi-dimensional image reconstruction
US8571881B2 (en) 2004-11-09 2013-10-29 Spectrum Dynamics, Llc Radiopharmaceutical dispensing, administration, and imaging
US7653227B2 (en) * 2004-02-09 2010-01-26 Siemens Medical Solutions Usa, Inc. Hierarchical modeling in medical abnormality detection
DE102004008979B4 (de) * 2004-02-24 2006-12-28 Siemens Ag Verfahren zur Filterung tomographischer 3D-Darstellungen nach erfolgter Rekonstruktion von Volumendaten
US8280124B2 (en) * 2004-06-01 2012-10-02 Spectrum Dynamics Llc Methods of view selection for radioactive emission measurements
EP1778957A4 (en) * 2004-06-01 2015-12-23 Biosensors Int Group Ltd OPTIMIZING THE MEASUREMENT OF RADIOACTIVE EMISSIONS IN SPECIFIC BODY STRUCTURES
US20060100518A1 (en) * 2004-10-21 2006-05-11 Sriram Krishnan Automated diastolic function analysis with ultrasound
US9316743B2 (en) 2004-11-09 2016-04-19 Biosensors International Group, Ltd. System and method for radioactive emission measurement
US8615405B2 (en) 2004-11-09 2013-12-24 Biosensors International Group, Ltd. Imaging system customization using data from radiopharmaceutical-associated data carrier
US9943274B2 (en) 2004-11-09 2018-04-17 Spectrum Dynamics Medical Limited Radioimaging using low dose isotope
EP1827505A4 (en) 2004-11-09 2017-07-12 Biosensors International Group, Ltd. Radioimaging
US8423125B2 (en) 2004-11-09 2013-04-16 Spectrum Dynamics Llc Radioimaging
WO2008059489A2 (en) 2006-11-13 2008-05-22 Spectrum Dynamics Llc Radioimaging applications of and novel formulations of teboroxime
EP1844351A4 (en) * 2005-01-13 2017-07-05 Biosensors International Group, Ltd. Multi-dimensional image reconstruction and analysis for expert-system diagnosis
US20060247544A1 (en) * 2005-02-03 2006-11-02 Maleeha Qazi Characterization of cardiac motion with spatial relationship
US8837793B2 (en) 2005-07-19 2014-09-16 Biosensors International Group, Ltd. Reconstruction stabilizer and active vision
US8111886B2 (en) * 2005-07-19 2012-02-07 Spectrum Dynamics Llc Reconstruction stabilizer and active vision
US8131043B2 (en) * 2005-09-16 2012-03-06 The Ohio State University Method and apparatus for detecting interventricular dyssynchrony
WO2007035688A2 (en) * 2005-09-16 2007-03-29 The Ohio State University Method and apparatus for detecting intraventricular dyssynchrony
EP1952180B1 (en) * 2005-11-09 2017-01-04 Biosensors International Group, Ltd. Dynamic spect camera
US20070167784A1 (en) * 2005-12-13 2007-07-19 Raj Shekhar Real-time Elastic Registration to Determine Temporal Evolution of Internal Tissues for Image-Guided Interventions
US8538108B2 (en) * 2005-12-20 2013-09-17 University Of Maryland, Baltimore Method and apparatus for accelerated elastic registration of multiple scans of internal properties of a body
WO2007074466A2 (en) 2005-12-28 2007-07-05 Starhome Gmbh Late forwarding to local voicemail system of calls to roaming users
US8046045B2 (en) * 2006-05-08 2011-10-25 Siemens Medical Solutions Usa, Inc. Anatomical feature condition assessment system using tissue displacement characteristics
US8894974B2 (en) 2006-05-11 2014-11-25 Spectrum Dynamics Llc Radiopharmaceuticals for diagnosis and therapy
US8425418B2 (en) * 2006-05-18 2013-04-23 Eigen, Llc Method of ultrasonic imaging and biopsy of the prostate
JP2010502239A (ja) * 2006-05-25 2010-01-28 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ ３ｄ心エコー形状分析
DE102006026695A1 (de) * 2006-06-08 2007-12-13 Tomtec Imaging Systems Gmbh Verfahren, Vorrichtung und Computerprogrammprodukt zum Auswerten von dynamischen Bildern einer Kavität
WO2008017994A2 (en) * 2006-08-09 2008-02-14 Koninklijke Philips Electronics N.V. Ultrasound imaging system.
WO2008085193A2 (en) * 2006-08-14 2008-07-17 University Of Maryland Quantitative real-time 4d strees test analysis
US7889912B2 (en) * 2006-09-15 2011-02-15 The General Electric Company Method for real-time tracking of cardiac structures in 3D echocardiography
US8102799B2 (en) * 2006-10-16 2012-01-24 Assa Abloy Hospitality, Inc. Centralized wireless network for multi-room large properties
US8064664B2 (en) 2006-10-18 2011-11-22 Eigen, Inc. Alignment method for registering medical images
US7804989B2 (en) * 2006-10-30 2010-09-28 Eigen, Inc. Object recognition system for medical imaging
US9275451B2 (en) 2006-12-20 2016-03-01 Biosensors International Group, Ltd. Method, a system, and an apparatus for using and processing multidimensional data
US20080161687A1 (en) * 2006-12-29 2008-07-03 Suri Jasjit S Repeat biopsy system
US8175350B2 (en) * 2007-01-15 2012-05-08 Eigen, Inc. Method for tissue culture extraction
US20080186378A1 (en) * 2007-02-06 2008-08-07 Feimo Shen Method and apparatus for guiding towards targets during motion
DE102007009182B4 (de) * 2007-02-26 2016-09-22 Siemens Healthcare Gmbh Verfahren und Vorrichtung zur Bilddarstellung von sich zyklisch bewegenden Objekten
US7856130B2 (en) * 2007-03-28 2010-12-21 Eigen, Inc. Object recognition system for medical imaging
US8989468B2 (en) 2007-05-25 2015-03-24 Definiens Ag Generating an anatomical model using a rule-based segmentation and classification process
JP4690361B2 (ja) * 2007-05-28 2011-06-01 富士フイルム株式会社 心臓機能解析装置、方法およびそのプログラム
US20090048515A1 (en) * 2007-08-14 2009-02-19 Suri Jasjit S Biopsy planning system
US8571277B2 (en) * 2007-10-18 2013-10-29 Eigen, Llc Image interpolation for medical imaging
US8521253B2 (en) 2007-10-29 2013-08-27 Spectrum Dynamics Llc Prostate imaging
US7942829B2 (en) * 2007-11-06 2011-05-17 Eigen, Inc. Biopsy planning and display apparatus
US8208698B2 (en) * 2007-12-14 2012-06-26 Mela Sciences, Inc. Characterizing a texture of an image
CN100547617C (zh) * 2007-12-29 2009-10-07 浙江工业大学 基于nurbs的心脏三维表示方法
US20090324041A1 (en) * 2008-01-23 2009-12-31 Eigen, Llc Apparatus for real-time 3d biopsy
US20100001996A1 (en) * 2008-02-28 2010-01-07 Eigen, Llc Apparatus for guiding towards targets during motion using gpu processing
US20090238404A1 (en) * 2008-03-18 2009-09-24 Fredrik Orderud Methods for using deformable models for tracking structures in volumetric data
DE102009010291A1 (de) * 2009-02-24 2010-05-12 Siemens Aktiengesellschaft Verfahren und Vorrichtung zur Ermittlung und Klassifizierung von Wandbewegungsstörungen eines Myokards
US8338788B2 (en) 2009-07-29 2012-12-25 Spectrum Dynamics Llc Method and system of optimized volumetric imaging
US20110064287A1 (en) * 2009-09-14 2011-03-17 Alexandru Bogdan Characterizing a texture of an image
WO2012094308A1 (en) * 2011-01-03 2012-07-12 Massachusetts Institute Of Technology Quantitative elastography
CN102958440B (zh) * 2011-06-23 2015-12-02 株式会社东芝 图像处理装置以及x射线诊断装置
RU2014133533A (ru) * 2012-01-16 2016-03-20 Конинклейке Филипс Н.В. Устройство получения изображения
US8879814B2 (en) * 2012-05-22 2014-11-04 General Electric Company Method and apparatus for reducing motion related imaging artifacts using consistency values
KR20140002997A (ko) * 2012-06-28 2014-01-09 삼성메디슨 주식회사 진단 영상 장치 및 그 동작 방법
WO2014016705A2 (en) 2012-07-27 2014-01-30 Assa Abloy Ab Setback controls based on out-of-room presence information
US10050948B2 (en) 2012-07-27 2018-08-14 Assa Abloy Ab Presence-based credential updating
SG2013065057A (en) 2012-08-27 2014-03-28 Agency Science Tech & Res Quantifying curvature of biological structures from imaging data
US9530398B2 (en) 2012-12-06 2016-12-27 White Eagle Sonic Technologies, Inc. Method for adaptively scheduling ultrasound system actions
US9983905B2 (en) 2012-12-06 2018-05-29 White Eagle Sonic Technologies, Inc. Apparatus and system for real-time execution of ultrasound system actions
US10076313B2 (en) 2012-12-06 2018-09-18 White Eagle Sonic Technologies, Inc. System and method for automatically adjusting beams to scan an object in a body
US10499884B2 (en) 2012-12-06 2019-12-10 White Eagle Sonic Technologies, Inc. System and method for scanning for a second object within a first object using an adaptive scheduler
US9529080B2 (en) 2012-12-06 2016-12-27 White Eagle Sonic Technologies, Inc. System and apparatus having an application programming interface for flexible control of execution ultrasound actions
EP3177208A1 (en) * 2014-08-05 2017-06-14 Inovacor Ab A cardiac state monitoring system
US10716544B2 (en) 2015-10-08 2020-07-21 Zmk Medical Technologies Inc. System for 3D multi-parametric ultrasound imaging
CN105631931B (zh) * 2015-12-21 2018-05-04 电子科技大学 一种低复杂度的心脏表面三维形态在线建模***及方法
US10499867B2 (en) 2018-01-08 2019-12-10 Shenzhen Keya Medical Technology Corporation Method, storage medium, and system for analyzing image sequences of periodic physiological activities
US11786202B2 (en) 2018-01-08 2023-10-17 Shenzhen Keya Medical Technology Corporation Method, system, and medium for analyzing image sequence of periodic physiological activity
TW202116253A (zh) * 2019-07-04 2021-05-01 新加坡商派拉梅維爾私人有限公司 診斷支援程式
EP3866107A1 (en) * 2020-02-14 2021-08-18 Koninklijke Philips N.V. Model-based image segmentation

Family Cites Families (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4760548A (en) * 1986-06-13 1988-07-26 International Business Machines Corporation Method and apparatus for producing a curve image
US5214382A (en) 1990-02-23 1993-05-25 Baylor Research Institute Magnetic resonance imaging with selective contrast enhancement
US5054045A (en) 1990-11-14 1991-10-01 Cedars-Sinai Medical Center Coronary tracking display
US5090042A (en) 1990-12-24 1992-02-18 Bejjani Fadi J Videofluoroscopy system for in vivo motion analysis
GB2268351B (en) 1992-06-10 1995-09-06 Sony Broadcast & Communication Motion analysis of moving images
DE4226128A1 (de) 1992-08-07 1994-02-10 Philips Patentverwaltung Verfahren zur Ermittlung von Bewegungsvektoren
US5293574A (en) 1992-10-23 1994-03-08 General Electric Company Digital x-ray imaging system with automatic tracking
JP2942454B2 (ja) 1993-05-26 1999-08-30 松下電工株式会社 形状認識方法
US5435310A (en) * 1993-06-23 1995-07-25 University Of Washington Determining cardiac wall thickness and motion by imaging and three-dimensional modeling
US5471252A (en) 1993-11-03 1995-11-28 Matsushita Electric Industrial Corporation Of America Method and apparatus for estimating motion vector fields by rejecting local outliers
NO941126D0 (no) 1994-03-25 1994-03-25 Int Digital Tech Inc Multidomenes bevegelsesestimator
US5825936A (en) * 1994-09-22 1998-10-20 University Of South Florida Image analyzing device using adaptive criteria
CN1194047A (zh) 1995-03-22 1998-09-23 德国Idt国际数字技术有限公司 在多帧幅上协调确定移动的方法和设备
US5669382A (en) * 1996-11-19 1997-09-23 General Electric Company System for measuring myocardium in cardiac images
JP3563904B2 (ja) 1996-12-16 2004-09-08 ジーイー横河メディカルシステム株式会社 超音波診断装置および壁厚計測方法
GB9906420D0 (en) 1999-03-19 1999-05-12 Isis Innovation Method and apparatus for image processing
GB0006598D0 (en) 2000-03-17 2000-05-10 Isis Innovation Three-dimensional reconstructions from images
GB0028491D0 (en) 2000-11-22 2001-01-10 Isis Innovation Detection of features in images

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003250801A (ja) * 2002-03-04 2003-09-09 Aloka Co Ltd 超音波診断装置
JP2004313545A (ja) * 2003-04-17 2004-11-11 Hitachi Medical Corp 心臓の運動表示方法及び画像診断装置
JP4503238B2 (ja) * 2003-04-17 2010-07-14 株式会社日立メディコ 生体組織の運動表示方法及び画像診断装置
JP2007533353A (ja) * 2003-09-10 2007-11-22 シーメンス　メディカル　ソリューションズ　ユーエスエー　インコーポレイテッド ガイドポイントを使用する空間−時間モデリングシステム及び方法
JP2006055631A (ja) * 2004-07-19 2006-03-02 Pie Medical Imaging Bv 分割結果の３次元位置情報を用いた生物学的構造を視覚化するための方法と装置
WO2007011000A1 (ja) * 2005-07-20 2007-01-25 Matsushita Electric Industrial Co., Ltd. 超音波診断装置
US7946987B2 (en) 2005-07-20 2011-05-24 Panasonic Corporation Ultrasonic diagnostic apparatus
JP5014132B2 (ja) * 2005-07-20 2012-08-29 パナソニック株式会社 超音波診断装置
JP2014532509A (ja) * 2011-11-07 2014-12-08 パイエオン インコーポレイテッドＰａｉｅｏｎ Ｉｎｃ． 心臓機構を検知および分析するための方法およびシステム
KR101733891B1 (ko) 2014-12-09 2017-05-08 지멘스 악티엔게젤샤프트 검사 대상의 주기적 움직임과 관련된 변형 계산
JP2019171102A (ja) * 2019-05-30 2019-10-10 コニカミノルタ株式会社 画像処理装置、画像処理方法、およびプログラム

Also Published As

Publication number Publication date
EP1212729A2 (en) 2002-06-12
GB9920401D0 (en) 1999-11-03
WO2001016886A3 (en) 2001-11-01
WO2001016886A2 (en) 2001-03-08
US7043063B1 (en) 2006-05-09

Similar Documents

Publication Publication Date Title
JP2003508139A (ja) 非剛体運動画像解析
EP1846896B1 (en) A method, a system and a computer program for integration of medical diagnostic information and a geometric model of a movable body
US8480582B2 (en) Image processing apparatus and ultrasonic diagnosis apparatus
US8265363B2 (en) Method and apparatus for automatically identifying image views in a 3D dataset
JP5581511B2 (ja) 中心点軌跡を図表化す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可読記憶媒体
US8577441B2 (en) System and method for image based physiological monitoring of cardiovascular function
US20170065242A1 (en) Method and System for Analysis of Myocardial Wall Dynamics
US8487933B2 (en) System and method for multi-segment center point trajectory mapping
US8224047B2 (en) System and method for measuring left ventricular torsion
Lamash et al. Strain analysis from 4-D cardiac CT image data
JP2007160108A (ja) 循環系機能を画像ベースで生理学的にモニタリングするためのシステムおよび方法
US20120008833A1 (en) System and method for center curve displacement mapping
Jacob et al. Quantitative regional analysis of myocardial wall motion
JP5444175B2 (ja) 画像処理装置、方法およびプログラム
van Stralen et al. Left Ventricular Volume Estimation in Cardiac Three-dimensional Ultrasound: A Semiautomatic Border Detection Approach1
Lee et al. Comparative study of left ventricular low wall motion with scar tissue using 4d left ventricular cardiac images
Eusemann et al. Parametric display of myocardial function
JP2002282236A (ja) 時間経過につれて変形可能な臓器の変形に従う画像処理方法
Szilágyi et al. Volumetric analysis of the heart using echocardiography
Angelini et al. Comparison of segmentation methods for analysis of endocardial wall motion with real-time three-dimensional ultrasound
Loeckx et al. Spatiotemporal non-rigid image registration for 3D ultrasound cardiac motion estimation
CA3214686A1 (en) Tracking segmental movement of the heart using tensors
CN117557522A (zh) 多模态多维医学影像序列通用运动追踪方法及装置
Eusemann et al. Measurement and display of instantaneous regional motion of the myocardium
Eusemann et al. Quantitative analysis and parametric display of regional myocardial mechanics

Legal Events

Date Code Title Description
A711 Notification of change in applicant

Free format text: JAPANESE INTERMEDIATE CODE: A711

Effective date: 20040916