JP2005521502A - 胸部および腹部の画像モダリティの重ね合わせ - Google Patents
胸部および腹部の画像モダリティの重ね合わせ Download PDFInfo
- Publication number
- JP2005521502A JP2005521502A JP2003581124A JP2003581124A JP2005521502A JP 2005521502 A JP2005521502 A JP 2005521502A JP 2003581124 A JP2003581124 A JP 2003581124A JP 2003581124 A JP2003581124 A JP 2003581124A JP 2005521502 A JP2005521502 A JP 2005521502A
- Authority
- JP
- Japan
- Prior art keywords
- image
- anatomical
- functional
- images
- scan
- 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
Links
- 230000003187 abdominal effect Effects 0.000 title description 12
- 238000000034 method Methods 0.000 claims abstract description 134
- 230000008569 process Effects 0.000 claims abstract description 74
- 238000002591 computed tomography Methods 0.000 claims abstract description 54
- 238000002600 positron emission tomography Methods 0.000 claims abstract description 44
- 210000001015 abdomen Anatomy 0.000 claims description 14
- 238000002604 ultrasonography Methods 0.000 claims description 14
- 210000004185 liver Anatomy 0.000 claims description 10
- 210000004072 lung Anatomy 0.000 claims description 8
- 210000003734 kidney Anatomy 0.000 claims description 7
- 210000002356 skeleton Anatomy 0.000 claims description 3
- 210000003491 skin Anatomy 0.000 claims description 3
- 230000001131 transforming effect Effects 0.000 claims 2
- 238000005481 NMR spectroscopy Methods 0.000 claims 1
- 238000004364 calculation method Methods 0.000 abstract description 3
- 230000011218 segmentation Effects 0.000 description 26
- 210000000056 organ Anatomy 0.000 description 22
- 230000009466 transformation Effects 0.000 description 19
- 210000003484 anatomy Anatomy 0.000 description 13
- 210000000038 chest Anatomy 0.000 description 12
- 230000033001 locomotion Effects 0.000 description 12
- 210000000115 thoracic cavity Anatomy 0.000 description 8
- 210000002216 heart Anatomy 0.000 description 7
- 238000002595 magnetic resonance imaging Methods 0.000 description 7
- 238000011524 similarity measure Methods 0.000 description 7
- 230000005540 biological transmission Effects 0.000 description 6
- 210000001519 tissue Anatomy 0.000 description 6
- 238000010521 absorption reaction Methods 0.000 description 5
- 238000013459 approach Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 5
- 238000002059 diagnostic imaging Methods 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 5
- 238000005457 optimization Methods 0.000 description 5
- 230000029058 respiratory gaseous exchange Effects 0.000 description 5
- 238000002603 single-photon emission computed tomography Methods 0.000 description 5
- 210000000481 breast Anatomy 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000004870 electrical engineering Methods 0.000 description 4
- 238000013519 translation Methods 0.000 description 4
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 3
- AOYNUTHNTBLRMT-SLPGGIOYSA-N 2-deoxy-2-fluoro-aldehydo-D-glucose Chemical compound OC[C@@H](O)[C@@H](O)[C@H](O)[C@@H](F)C=O AOYNUTHNTBLRMT-SLPGGIOYSA-N 0.000 description 3
- 210000000988 bone and bone Anatomy 0.000 description 3
- 210000004556 brain Anatomy 0.000 description 3
- 238000009792 diffusion process Methods 0.000 description 3
- 238000011478 gradient descent method Methods 0.000 description 3
- 238000009499 grossing Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 201000011510 cancer Diseases 0.000 description 2
- 150000001875 compounds Chemical class 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 239000012530 fluid Substances 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000000241 respiratory effect Effects 0.000 description 2
- 210000002784 stomach Anatomy 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 210000000779 thoracic wall Anatomy 0.000 description 2
- 238000003325 tomography Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 206010028980 Neoplasm Diseases 0.000 description 1
- 238000012879 PET imaging Methods 0.000 description 1
- 241000405217 Viola <butterfly> Species 0.000 description 1
- KRHYYFGTRYWZRS-BJUDXGSMSA-N ac1l2y5h Chemical compound [18FH] KRHYYFGTRYWZRS-BJUDXGSMSA-N 0.000 description 1
- 230000001154 acute effect Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 210000005013 brain tissue Anatomy 0.000 description 1
- 210000000621 bronchi Anatomy 0.000 description 1
- 230000000747 cardiac effect Effects 0.000 description 1
- 230000002490 cerebral effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011976 chest X-ray Methods 0.000 description 1
- 230000001054 cortical effect Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 125000002791 glucosyl group Chemical class C1([C@H](O)[C@@H](O)[C@H](O)[C@H](O1)CO)* 0.000 description 1
- 208000019622 heart disease Diseases 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000001727 in vivo Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 210000005240 left ventricle Anatomy 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 230000002503 metabolic effect Effects 0.000 description 1
- 208000037819 metastatic cancer Diseases 0.000 description 1
- 208000011575 metastatic malignant neoplasm Diseases 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 230000004899 motility Effects 0.000 description 1
- 238000002610 neuroimaging Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 230000035479 physiological effects, processes and functions Effects 0.000 description 1
- 238000012636 positron electron tomography Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000004393 prognosis Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000002285 radioactive effect Effects 0.000 description 1
- 239000000941 radioactive substance Substances 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 150000003384 small molecules Chemical class 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 230000002861 ventricular Effects 0.000 description 1
- 210000001835 viscera Anatomy 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/14—Transformations for image registration, e.g. adjusting or mapping for alignment of images
- G06T3/153—Transformations for image registration, e.g. adjusting or mapping for alignment of images using elastic snapping
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/35—Determination of transform parameters for the alignment of images, i.e. image registration using statistical methods
-
- 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
- A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computed tomography [CT]
- A61B6/037—Emission tomography
-
- 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
- G06T2207/30061—Lung
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Image Processing (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
本開示は、解剖学的医用画像と機能的医用画像とを重ね合わせる改良方法を提供する。一例として、X線コンピュータ断層撮影画像と、陽電子放出断層撮影画像との重ね合わせを扱う。プロセスは、コンピュータ計算および演算のための遅延時間が最小限に抑えられた、臨床的に有用な重ね合わせを特徴とする。予備的な粗い重ね合わせおよび最終的な精密重ね合わせの両方で、非剛体B−スプライン自由形状変形が使用される。精確かつ完全な重ね合わせを保証するために、追加工程が使用される。
Description
本発明は、陽電子放出断層撮影(PET:positron emission tomography)およびコンピュータ断層撮影(CT:computer tomography)によって得られる臨床的な胸部および腹部の画像を相関させる方法に関する。
関連出願の相互参照
本出願は、2002年4月3日に出願された米国仮特許出願第60/369,681号の優先権を請求するものである。
連邦政府委託研究または開発に関する報告
該当なし。
「マイクロフィッシュ付属書類」の参照
該当なし。
米国特許法施行規則(37CFR)1.97条および1.98条に基づいて開示された情報を含む関連技術の説明
X線像を使用するコンピュータ断層撮影法CT、および解剖学的構造の化学組成に基づいて画像を生成する磁気共鳴映像法(MRI:magnetic resonance imaging)は、ともに、骨の輪郭がはっきり示され、臓器の輪郭が骨よりもはっきり示された、または骨ほどはっきり示されていない、よく見かける解剖学的画像を生成する。他方、陽電子放出断層撮影法(PET)は、予め患者に静脈注射される、放射性活性物質で標識された代謝性化合物の代謝による取込み、例えば、フッ素18標識されたフルオロデオキシグルコース(18FDG)の取込みに基づいて画像を提供する。この化合物は、グルコース類似体であり、原発性および転移性の癌の病変部に特異的に集まることが示されている。臨床医が、患者の解剖構造のどこに18FDGが集まってくるかを決定して、患者の処置および予後を決定できるように、CT画像およびPET画像を相関させ、または重ね合わせる(register)ことが、臨床的に重要である。
18FDGが静脈注射される小さな分子であるという事実は、PETによって特定される位置が、CTによって得られる画像に比べて、あまりはっきり描かれないと予想されることを示唆している。加えて、画像を取得するプロセスも、重ね合わせの難しさをもたらす。ほとんどの場合、CT画像およびPET画像は、別個の機器によって異なる時間に患者から取得される。CT画像は、通常、患者が両腕を頭の上に上げた状態で、かつ患者が呼吸を止めている間に、数秒間のうちに取得される。対照的に、PET画像は、患者が両腕を体の側部に置いた非常に楽な姿勢をとり、必然的に通常の呼吸をしている状態で、かなり長い時間、約30分間かけて患者から取得される。このことが、PET測定の際の内臓の相当な動きを引き起こす。実際、PET画像は、ある期間にわたって統合された、動いている臓器の画像である。
CT画像とPET画像との重ね合わせの問題は、胸部および腹部の画像に関するときには、呼吸、心臓の動き、および腹部の臓器の動きがすべて関与し、重ね合わせを混乱させる働きをするので、特に深刻である。
本特許出願は、肺、肝臓、および腎臓のCT画像とPET画像とを重ね合わせる、改良方法を開示する。
重ね合わせ方法の概説は、Maitzらの文献に見られる。Maintz,J.B.A.およびViergever,M.A.のA survey of medical image registration.、Medical Image Analysis、第2巻、第1号(1998)、1〜36頁参照。
Taiらは、非剛体CTおよび全身PET技術を開発し、評価した。この方法の固有の問題の1つは、それがCT画像収集と放出型PET画像収集との間の患者の動きを考慮しないことである。Tai,Y−C.、Lin,K.P.、Hoh,C.K.、Henry Huant,S.C.、およびHoffman,E.J.のUtilization of 3−D Elastic Transformation in the Registration of chest X−ray CT and Whole Body PET.、IEEE Transactions on Nuclear Science、第44巻、第4号(1997年8月)、1606〜1612頁参照。
コーシー=ナビエ(Cauchy−Navier)スプライン変換を使用して、非剛体胸部医用画像の重ね合わせに関係した変形性の解剖学的挙動をモデル化する、点間マッチング法は、異なる2つのモダリティ画像から抽出されるランドマークに変換を適用する。Sato,M.、Hassanien,A−E.、およびNakajima,M.のNon−linear registration of medical images using Cauchy−Navier splines transformation.、SPIE Conference on Image Processing、第3361巻(1999年2月)、774〜781頁参照。
Mattesは、制御点の規則的なグリッドをボリュームにかぶせて置くことによって定義され、その後当該制御点を移動させることによって変更される、3次B−スプラインによるモデル変形に関わる、マルチモダリティ胸部画像の重ね合わせに対する一解決策を提案した。Mattes,D.、Automatic Multimodality Image Registration with Deformations.、米国ワシントン州シアトル、ワシントン大学医療センター電気工学科2000年度電気工学修士学位論文(Thesis for the degree of Master of Science in Electrical Engineering,Department of Electrical Engineering,University of Washington Medical Center,2000)参照。
ViolaおよびCollignonは、画像類似度の測定を使用し、Parzen窓ヒストグラムを用いて相互情報量(mutual information)の推定値を算出した。Viola,Paul A.、Alignment by Maximization of Mutual Information.、米国マサチューセッツ州ケンブリッジ、マサチューセッツ工科大学人工知能研究所1995年度哲学博士学位論文(Thesis for the degree of Doctor of Philosophy,Artificial Intelligence Laboratory,Massachusetts Institute of Technology,1995)参照。Collignon,A.、Maes,F.、Delaere,D.、Vandermeulen,D.、Suetens,P.、およびMarchal,G.、「Automated Multi−Modality Image Registration Based on Information Theory.」、Bizais,Y.ら、Information Processing in Medical Imaging(オランダ、Kluwer Academic Publishers、1996)、263〜274頁参照。
相互情報量は、1つの画像から得られた情報が、別の画像にどれだけ多く含まれているかを表す、情報理論的指標である。Studeholmeらは、実際の画像重複量が相互情報量の指標に影響を及ぼすのを防ぐために、正規化相互情報量(NMI:Normalized Mutual Information)を導入した。
Studeholme,C.、Hill,D.L.G.、およびHawkes,D.J.、An overlap invariant entropy measure of 3D medical image alignment.、Pattern Recognition、第32巻(1999)、71〜86頁参照。
Rueckertらは、コントラスト強調された***の磁気共鳴画像(MRI)の非剛体重ね合わせにNMIを使用した。重ね合わせは、変換の平滑度に関係したコストと画像類似度に関係したコストとの組合せを表すコスト関数を最小にすることによって達成される。この重ね合わせアルゴリズムは、剛体またはアフィン変換重ね合わせアルゴリズムよりも、***の動きおよび変形をはるかに良く補うことができる。Rueckert,D.、Sonoda,L.I.、Hayes,C.、Hill,D.L.G.、Leach,M.O.、およびHawkes,D.J.、Nonrigid Registration Using Free−Form Deformations:Application to Breast MR Images.、IEEE Transactions on Medical Imaging、第18巻、第8号(1999年8月)、712〜721頁参照。
これまで、画像処理では、ボクセルベースの方法における拘束変換の考え方、またはその考え方とセグメンテーションによって提供される情報との組合せが使用されてきた。Pluimらは、剛体またはアフィン変換による脳への適用において相互情報量と重ね合わせるべき画像の勾配に基づいた項とを組み合わせることによって、空間情報を含めて提案した。Pluim,J.P.W.、Maintz,J.B.A.、およびViergever,M.A.、Image Registration by Maximization of Combined Mutual Information and Gradient Information.、IEEE Transactions on Medical Imaging、第19巻、第8号(2000年8月)、809〜814頁参照。
Hellierらは、非剛体脳画像の重ね合わせにおいて、皮質の解剖学的セグメンテーションを導入して、関心領域を制限し、アルゴリズムを加速させ、指定された活動領域における結果を改善した。Hellier,P.、Recalge non rigide en imagerie cerebrale:methodes et validation.、フランス、レンヌ、レンヌ大学I2000年度哲学博士学位論文(Thesis for the degree of Doctor of Philosophy,Universite de Rennes I,2000)参照。
Masutaniらは、2つの論文で、画像誘導式肝臓手術における非剛体重ね合わせの適用に関して、自由形状変形(FFD:Free Form Deformations)のノードをより良く制御する方法を発展させた。彼らは、モード表示とFFDとを組み合わせ、肝臓の形態を取り囲むグリッド制御点をいくつかのモード(回転、平行移動、曲げ、およびねじり)で移動させて、体積変形をもたらした。Masutani,Y.およびKimura,F.、「Modally Controlled Free Form Deformation for Non−Rigid Registration in Image−Guided Liver Surgery.」、Medical Imaging Computing and Computer−Assisted Interventions.(2001)、1275〜1278頁参照。Masutani,Y.およびKimura,F.、「A new modal representation of liver deformation for non−rigid registration in image−guided surgery.」、International Congress Series、第1230巻(2001)、20〜26頁参照。
Geraudは、脳組織の分類用途における革新的な構造認識の考え方を発展させた。Geraud,T.、Segmentation des structures internes du cerveau en imagerie par resonance magnetique.、フランス、パリ、フランス国立電気通信高等学院1998年度哲学博士学位論文(Thesis for the degree of Doctor of Philosophy,Ecole nationale superieure des elecommunications,1998)参照。
Maesらは、相互情報量勾配の分析的形態を提供する3線部分体積分布補間法(trilinear partial volume distribution interpolation method)の使用を提案し、勾配に基づいた技術を使用してコスト関数を最適化する可能性を認めた。Maes,F.、Collingnon,A.、Vandermeulen,D.、Marchal,G.、およびSuetens,P.、Multimodality Image Registration by Maximization of Mutual Information.、IEEE Transactions on Medical Imaging、第16巻、第2号(1997年4月)、187〜198頁参照。
Segarsらは、スプラインに基づいた数学的心臓トルソ(MCAT:Mathematical Cardiac Torso)を使用して、呼吸サイクルによる胸部構造の動きをモデル化し、それによって変形に新しい制約を加えた。Segars,W.P.、Lalush,D.S.、およびTsui,B.M.W.、Modeling Respiratory Mechanics in the MCAT and Spline−Based MCAT Phantoms.、IEEE Transactions on Nuclear Science、第48巻、第1号(2001年2月)、89〜97頁参照。
Blackらは、コスト関数にM推定量を導入して、外れ値と呼ばれる、モデルに従わない点のパーセンテージを考慮した。Black,M.J.およびRangarajan,A.、On the Unification of Line Processes,Outlier Rejection,and robust Statistics with Applications in Early Vision.、International Journal of Computer Vision、第19巻、第1号(1996)、57〜91頁参照。
米国特許第5,299,253号は、腹部のCT画像およびMR画像を単光子放出コンピュータ断層撮影(SPECT:single photon emission computed tomography)と重ね合わせるプロセスを開示している。胴部が固定され、重ね合わせのために外部のコントラストマーカが使用される。
米国特許第5,608,221号は、SPECTシステムおよび陽電子放出断層撮影(PET)システムを備えた、デュアルヘッド核カメラを開示している。身体における吸収の不均一は、外部源を使用して吸収のばらつきを判断し、得られるSPECT画像を修正する、透過型コンピュータ断層撮影(transmission computed tomography)(TEM)によって補正される。
米国特許第5,750,991号は、減衰補正を決定して吸収の不均一を明らかにする目的で、外部線源を患者の周りの螺旋経路で移動させるシステムを開示している。個別の球状の線源が、患者の周りに巻かれたチューブ内を流体によって運ばれる。
米国特許第5,871,013号は、単光子透過型コンピュータ断層撮影(SPTCT:single photon transmission computerized tomography)画像およびSPECT画像を同時に生成する、同時透過/放出型断層撮影(STET:simultaneously transmission and emission tomography)と名付けられた装置を開示している。STET画像は、MRI、超音波、X線CTなど、他のモダリティ画像と重ね合わされる。STET画像とCT画像とを重ね合わせるプロセスは、SPTCT画像を取得し、それを変換してCT画像と重ね合わせ、次いで、同一のパラメータを使用してSTET画像とCT画像とを重ね合わせるものである。CTおよびSPTCTの両方に現れる体構造(骨など)が、変換の基盤を成す。
米国特許第5,974,165号は、異なる2つのモダリティから得られた画像を位置合わせして相関させる方法を開示している。放射性核種の画像と放射線画像とを重ね合わせるために、肺尖が使用される。2つの画像は、各画像で同等の有効ピクセルサイズを提供するためにスケーリングされる。
米国特許第6,040,580号は、米国特許第5,750,991号の開示を拡張させている。
米国特許第6,173,201号は、患者の上に置かれた堅固に固定されるフレームを開示している。フレーム上に配置された、いくつかのマーカが、CTまたはMRI画像をSPECまたはPET画像と重ね合わせる際に使用される。
米国特許第6,405,072号は、3D空間で身体の上のマーカまたは自然のランドマークを記録するカメラを備えたシステムを開示している。そのシステムは、X線、CT、MRI、またはPET撮像に使用される。患者の呼吸時の動きに対する対策がなされている。また、セグメンテーションも使用される。
公開されている米国特許出願第2002/0068864号は、注入された放射性溶液の左心室からの除去速度によって、心臓の状態を判定するプロセスを開示している。左心室領域の位置を特定するために、超音波、MRI、X線、CT、PET、またはSPEC画像が使用される。
本出願は、2002年4月3日に出願された米国仮特許出願第60/369,681号の優先権を請求するものである。
連邦政府委託研究または開発に関する報告
該当なし。
「マイクロフィッシュ付属書類」の参照
該当なし。
米国特許法施行規則(37CFR)1.97条および1.98条に基づいて開示された情報を含む関連技術の説明
X線像を使用するコンピュータ断層撮影法CT、および解剖学的構造の化学組成に基づいて画像を生成する磁気共鳴映像法(MRI:magnetic resonance imaging)は、ともに、骨の輪郭がはっきり示され、臓器の輪郭が骨よりもはっきり示された、または骨ほどはっきり示されていない、よく見かける解剖学的画像を生成する。他方、陽電子放出断層撮影法(PET)は、予め患者に静脈注射される、放射性活性物質で標識された代謝性化合物の代謝による取込み、例えば、フッ素18標識されたフルオロデオキシグルコース(18FDG)の取込みに基づいて画像を提供する。この化合物は、グルコース類似体であり、原発性および転移性の癌の病変部に特異的に集まることが示されている。臨床医が、患者の解剖構造のどこに18FDGが集まってくるかを決定して、患者の処置および予後を決定できるように、CT画像およびPET画像を相関させ、または重ね合わせる(register)ことが、臨床的に重要である。
18FDGが静脈注射される小さな分子であるという事実は、PETによって特定される位置が、CTによって得られる画像に比べて、あまりはっきり描かれないと予想されることを示唆している。加えて、画像を取得するプロセスも、重ね合わせの難しさをもたらす。ほとんどの場合、CT画像およびPET画像は、別個の機器によって異なる時間に患者から取得される。CT画像は、通常、患者が両腕を頭の上に上げた状態で、かつ患者が呼吸を止めている間に、数秒間のうちに取得される。対照的に、PET画像は、患者が両腕を体の側部に置いた非常に楽な姿勢をとり、必然的に通常の呼吸をしている状態で、かなり長い時間、約30分間かけて患者から取得される。このことが、PET測定の際の内臓の相当な動きを引き起こす。実際、PET画像は、ある期間にわたって統合された、動いている臓器の画像である。
CT画像とPET画像との重ね合わせの問題は、胸部および腹部の画像に関するときには、呼吸、心臓の動き、および腹部の臓器の動きがすべて関与し、重ね合わせを混乱させる働きをするので、特に深刻である。
本特許出願は、肺、肝臓、および腎臓のCT画像とPET画像とを重ね合わせる、改良方法を開示する。
重ね合わせ方法の概説は、Maitzらの文献に見られる。Maintz,J.B.A.およびViergever,M.A.のA survey of medical image registration.、Medical Image Analysis、第2巻、第1号(1998)、1〜36頁参照。
Taiらは、非剛体CTおよび全身PET技術を開発し、評価した。この方法の固有の問題の1つは、それがCT画像収集と放出型PET画像収集との間の患者の動きを考慮しないことである。Tai,Y−C.、Lin,K.P.、Hoh,C.K.、Henry Huant,S.C.、およびHoffman,E.J.のUtilization of 3−D Elastic Transformation in the Registration of chest X−ray CT and Whole Body PET.、IEEE Transactions on Nuclear Science、第44巻、第4号(1997年8月)、1606〜1612頁参照。
コーシー=ナビエ(Cauchy−Navier)スプライン変換を使用して、非剛体胸部医用画像の重ね合わせに関係した変形性の解剖学的挙動をモデル化する、点間マッチング法は、異なる2つのモダリティ画像から抽出されるランドマークに変換を適用する。Sato,M.、Hassanien,A−E.、およびNakajima,M.のNon−linear registration of medical images using Cauchy−Navier splines transformation.、SPIE Conference on Image Processing、第3361巻(1999年2月)、774〜781頁参照。
Mattesは、制御点の規則的なグリッドをボリュームにかぶせて置くことによって定義され、その後当該制御点を移動させることによって変更される、3次B−スプラインによるモデル変形に関わる、マルチモダリティ胸部画像の重ね合わせに対する一解決策を提案した。Mattes,D.、Automatic Multimodality Image Registration with Deformations.、米国ワシントン州シアトル、ワシントン大学医療センター電気工学科2000年度電気工学修士学位論文(Thesis for the degree of Master of Science in Electrical Engineering,Department of Electrical Engineering,University of Washington Medical Center,2000)参照。
ViolaおよびCollignonは、画像類似度の測定を使用し、Parzen窓ヒストグラムを用いて相互情報量(mutual information)の推定値を算出した。Viola,Paul A.、Alignment by Maximization of Mutual Information.、米国マサチューセッツ州ケンブリッジ、マサチューセッツ工科大学人工知能研究所1995年度哲学博士学位論文(Thesis for the degree of Doctor of Philosophy,Artificial Intelligence Laboratory,Massachusetts Institute of Technology,1995)参照。Collignon,A.、Maes,F.、Delaere,D.、Vandermeulen,D.、Suetens,P.、およびMarchal,G.、「Automated Multi−Modality Image Registration Based on Information Theory.」、Bizais,Y.ら、Information Processing in Medical Imaging(オランダ、Kluwer Academic Publishers、1996)、263〜274頁参照。
相互情報量は、1つの画像から得られた情報が、別の画像にどれだけ多く含まれているかを表す、情報理論的指標である。Studeholmeらは、実際の画像重複量が相互情報量の指標に影響を及ぼすのを防ぐために、正規化相互情報量(NMI:Normalized Mutual Information)を導入した。
Studeholme,C.、Hill,D.L.G.、およびHawkes,D.J.、An overlap invariant entropy measure of 3D medical image alignment.、Pattern Recognition、第32巻(1999)、71〜86頁参照。
Rueckertらは、コントラスト強調された***の磁気共鳴画像(MRI)の非剛体重ね合わせにNMIを使用した。重ね合わせは、変換の平滑度に関係したコストと画像類似度に関係したコストとの組合せを表すコスト関数を最小にすることによって達成される。この重ね合わせアルゴリズムは、剛体またはアフィン変換重ね合わせアルゴリズムよりも、***の動きおよび変形をはるかに良く補うことができる。Rueckert,D.、Sonoda,L.I.、Hayes,C.、Hill,D.L.G.、Leach,M.O.、およびHawkes,D.J.、Nonrigid Registration Using Free−Form Deformations:Application to Breast MR Images.、IEEE Transactions on Medical Imaging、第18巻、第8号(1999年8月)、712〜721頁参照。
これまで、画像処理では、ボクセルベースの方法における拘束変換の考え方、またはその考え方とセグメンテーションによって提供される情報との組合せが使用されてきた。Pluimらは、剛体またはアフィン変換による脳への適用において相互情報量と重ね合わせるべき画像の勾配に基づいた項とを組み合わせることによって、空間情報を含めて提案した。Pluim,J.P.W.、Maintz,J.B.A.、およびViergever,M.A.、Image Registration by Maximization of Combined Mutual Information and Gradient Information.、IEEE Transactions on Medical Imaging、第19巻、第8号(2000年8月)、809〜814頁参照。
Hellierらは、非剛体脳画像の重ね合わせにおいて、皮質の解剖学的セグメンテーションを導入して、関心領域を制限し、アルゴリズムを加速させ、指定された活動領域における結果を改善した。Hellier,P.、Recalge non rigide en imagerie cerebrale:methodes et validation.、フランス、レンヌ、レンヌ大学I2000年度哲学博士学位論文(Thesis for the degree of Doctor of Philosophy,Universite de Rennes I,2000)参照。
Masutaniらは、2つの論文で、画像誘導式肝臓手術における非剛体重ね合わせの適用に関して、自由形状変形(FFD:Free Form Deformations)のノードをより良く制御する方法を発展させた。彼らは、モード表示とFFDとを組み合わせ、肝臓の形態を取り囲むグリッド制御点をいくつかのモード(回転、平行移動、曲げ、およびねじり)で移動させて、体積変形をもたらした。Masutani,Y.およびKimura,F.、「Modally Controlled Free Form Deformation for Non−Rigid Registration in Image−Guided Liver Surgery.」、Medical Imaging Computing and Computer−Assisted Interventions.(2001)、1275〜1278頁参照。Masutani,Y.およびKimura,F.、「A new modal representation of liver deformation for non−rigid registration in image−guided surgery.」、International Congress Series、第1230巻(2001)、20〜26頁参照。
Geraudは、脳組織の分類用途における革新的な構造認識の考え方を発展させた。Geraud,T.、Segmentation des structures internes du cerveau en imagerie par resonance magnetique.、フランス、パリ、フランス国立電気通信高等学院1998年度哲学博士学位論文(Thesis for the degree of Doctor of Philosophy,Ecole nationale superieure des elecommunications,1998)参照。
Maesらは、相互情報量勾配の分析的形態を提供する3線部分体積分布補間法(trilinear partial volume distribution interpolation method)の使用を提案し、勾配に基づいた技術を使用してコスト関数を最適化する可能性を認めた。Maes,F.、Collingnon,A.、Vandermeulen,D.、Marchal,G.、およびSuetens,P.、Multimodality Image Registration by Maximization of Mutual Information.、IEEE Transactions on Medical Imaging、第16巻、第2号(1997年4月)、187〜198頁参照。
Segarsらは、スプラインに基づいた数学的心臓トルソ(MCAT:Mathematical Cardiac Torso)を使用して、呼吸サイクルによる胸部構造の動きをモデル化し、それによって変形に新しい制約を加えた。Segars,W.P.、Lalush,D.S.、およびTsui,B.M.W.、Modeling Respiratory Mechanics in the MCAT and Spline−Based MCAT Phantoms.、IEEE Transactions on Nuclear Science、第48巻、第1号(2001年2月)、89〜97頁参照。
Blackらは、コスト関数にM推定量を導入して、外れ値と呼ばれる、モデルに従わない点のパーセンテージを考慮した。Black,M.J.およびRangarajan,A.、On the Unification of Line Processes,Outlier Rejection,and robust Statistics with Applications in Early Vision.、International Journal of Computer Vision、第19巻、第1号(1996)、57〜91頁参照。
米国特許第5,299,253号は、腹部のCT画像およびMR画像を単光子放出コンピュータ断層撮影(SPECT:single photon emission computed tomography)と重ね合わせるプロセスを開示している。胴部が固定され、重ね合わせのために外部のコントラストマーカが使用される。
米国特許第5,608,221号は、SPECTシステムおよび陽電子放出断層撮影(PET)システムを備えた、デュアルヘッド核カメラを開示している。身体における吸収の不均一は、外部源を使用して吸収のばらつきを判断し、得られるSPECT画像を修正する、透過型コンピュータ断層撮影(transmission computed tomography)(TEM)によって補正される。
米国特許第5,750,991号は、減衰補正を決定して吸収の不均一を明らかにする目的で、外部線源を患者の周りの螺旋経路で移動させるシステムを開示している。個別の球状の線源が、患者の周りに巻かれたチューブ内を流体によって運ばれる。
米国特許第5,871,013号は、単光子透過型コンピュータ断層撮影(SPTCT:single photon transmission computerized tomography)画像およびSPECT画像を同時に生成する、同時透過/放出型断層撮影(STET:simultaneously transmission and emission tomography)と名付けられた装置を開示している。STET画像は、MRI、超音波、X線CTなど、他のモダリティ画像と重ね合わされる。STET画像とCT画像とを重ね合わせるプロセスは、SPTCT画像を取得し、それを変換してCT画像と重ね合わせ、次いで、同一のパラメータを使用してSTET画像とCT画像とを重ね合わせるものである。CTおよびSPTCTの両方に現れる体構造(骨など)が、変換の基盤を成す。
米国特許第5,974,165号は、異なる2つのモダリティから得られた画像を位置合わせして相関させる方法を開示している。放射性核種の画像と放射線画像とを重ね合わせるために、肺尖が使用される。2つの画像は、各画像で同等の有効ピクセルサイズを提供するためにスケーリングされる。
米国特許第6,040,580号は、米国特許第5,750,991号の開示を拡張させている。
米国特許第6,173,201号は、患者の上に置かれた堅固に固定されるフレームを開示している。フレーム上に配置された、いくつかのマーカが、CTまたはMRI画像をSPECまたはPET画像と重ね合わせる際に使用される。
米国特許第6,405,072号は、3D空間で身体の上のマーカまたは自然のランドマークを記録するカメラを備えたシステムを開示している。そのシステムは、X線、CT、MRI、またはPET撮像に使用される。患者の呼吸時の動きに対する対策がなされている。また、セグメンテーションも使用される。
公開されている米国特許出願第2002/0068864号は、注入された放射性溶液の左心室からの除去速度によって、心臓の状態を判定するプロセスを開示している。左心室領域の位置を特定するために、超音波、MRI、X線、CT、PET、またはSPEC画像が使用される。
本発明の目的は、胸部および腹部の解剖学的画像と機能的画像とを精確に重ね合わせる方法を提供することである。
本発明の他の目的は、最小限の演算だけを伴う、胸部および腹部の解剖学的画像と機能的画像とを精確に重ね合わせる方法を提供することである。
本発明の他の目的は、画像に描かれる臓器の動きに対処する、胸部および腹部の解剖学的画像と機能的画像とを精確に重ね合わせる方法を提供することである。
本発明の他の目的は、胸部および腹部の解剖学的画像と機能的画像とを精確に重ね合わせる非剛体的方法を提供することである。
本発明の他の目的は、臓器間の空間的関係を利用する、解剖学的画像と機能的画像とを精確に重ね合わせる方法を提供することである。
本発明の他の目的は、セグメンテーションに基づいた方法と強度に基づいた方法とを組み合わせる非剛体重ね合わせを使用する、解剖学的画像と機能的画像とを精確に重ね合わせる方法を提供することである。
本発明の最終的な目的は、高速で、最小限の演算設備しか必要とせず、操作に費用がかからない、解剖学的画像と機能的画像とを精確に重ね合わせる方法を提供することである。
本発明の他の目的は、最小限の演算だけを伴う、胸部および腹部の解剖学的画像と機能的画像とを精確に重ね合わせる方法を提供することである。
本発明の他の目的は、画像に描かれる臓器の動きに対処する、胸部および腹部の解剖学的画像と機能的画像とを精確に重ね合わせる方法を提供することである。
本発明の他の目的は、胸部および腹部の解剖学的画像と機能的画像とを精確に重ね合わせる非剛体的方法を提供することである。
本発明の他の目的は、臓器間の空間的関係を利用する、解剖学的画像と機能的画像とを精確に重ね合わせる方法を提供することである。
本発明の他の目的は、セグメンテーションに基づいた方法と強度に基づいた方法とを組み合わせる非剛体重ね合わせを使用する、解剖学的画像と機能的画像とを精確に重ね合わせる方法を提供することである。
本発明の最終的な目的は、高速で、最小限の演算設備しか必要とせず、操作に費用がかからない、解剖学的画像と機能的画像とを精確に重ね合わせる方法を提供することである。
一般に、画像重ね合わせ適用の目的は、1つの画像に含まれているデータを他のデータへとマッピングすることであり、ここでは、PETによって提供される機能的情報を解剖学的に精確なCTスキャンへとマッピングする。これは、両方の画像の同質のボクセルに最も良く合致する幾何学変換を見つけることを意味する。重ね合わせプロセスは、数学的には次式で定義され、
変換に関して、多くの場合、満足のいく解答は、剛体重ね合わせを用いて見つけることができ、すなわち、一部の脳適用例のように、データボリュームの1つを自由度6で平行移動および回転させるだけで、当該データボリュームが他のデータボリュームと位置合わせされる。また、画像間の全体的な相違も、12個までの自由パラメータを備える3Dアフィン空間変換によってモデル化することができる。そのような適用は、脳の画像化では、画像化される臓器が相対的に固定されているので効果的である。しかし、胸部および腹部への適用では、局所的な変形、臓器の動き、および収集の大きなばらつきの理由から、自由度が著しく高い非剛体的手法が必要である。
類似度指標に関しては、一見対立するように思われる2つの手法、すなわち、セグメンテーションに基づいた手法および強度に基づいた手法が使用される。セグメンテーションに基づいた方法は、両方の画像で同一の解剖学的構造の位置を特定する予備処理工程に頼っており、その解剖学的構造を、重ね合わせを実施するためのリファレンスとして使用することができる。これらの方法は、かなり迅速でロバスト性があるが、セグメンテーションのエラーが起こり得るので、その確度には限界がある。この欠点は、特に、セグメント化された構造の解剖学的等価を保証しなければならない多モード重ね合わせの場合に悪化する。他方、強度に基づいた方法は、画像の全グレーレベル量を統合する類似度指標を使用するので、達成できる精度が大きく向上する。それにも関わらず、この精度向上は、最大化プロセスの複雑さの増大を引き起こす。これは、良好な初期設定が与えられなかった場合に、収束時間が遅くなり、極小値に陥る危険が生じることを意味する。
本特許出願は、セグメンテーションに基づいた方法の速さおよびロバスト性を利用して、呼吸によるアーチファクトに起因した変形など、好ましくない変形を補償し、その後、強度に基づいた方法を使用して結果を微調整する、両方の手法を非線形の変換フレームワーク内で統合する方法を開示する。このプロセスは、セグメンテーションに基づいた方法の利点と強度に基づいた方法の利点とを結び付けるとともに、各方法の欠点を効果的に相殺する。
解剖学的画像と機能的画像との重ね合わせの難しさを解決するために、各画像における各臓器の近似的グレーレベル同質性や、臓器自体の特徴よりも変形の影響を受けにくい臓器間の空間的関係など、画像のいくつか共通の特徴が利用された。
問題の一部を回避して、同一試験での解剖学的情報および機能的情報の収集、ハードウェアの提供、または機械的な剛体重ね合わせを可能にするために、スキャナの構築者によって複合型PET−CT機械が導入された。そのようなシステムに残っていると考えられる唯一の重ね合わせ誤差は、心臓の近傍を除いて、主に呼吸によって引き起こされる胸部の生理的動き、ならびに患者の協力不十分に起因したものである。
一般に、類似度基準の選択は、一見対立するように思われる2つの視点から取り扱われてきた。解剖学的情報に基づいた方法は、重ね合わせを確立させるいくつかの解剖学的リファレンスの抽出を、検出またはセグメンテーション工程に頼っている。これらの方法は、概念的には単純でロバスト性があるが、セグメンテーション工程によってもたらされる誤差、すなわち、医用画像のノイズの多い不精確な性質に起因した重大な誤差をその最終結果に伝播するという、共通した欠点を有する。他の方法は、最終的な重ね合わせの精度向上を、画像に含まれる全情報を考慮した特定の基準の最小化に頼っている。これらの方法は、所望の解に近い比較的狭い範囲内で初期設定されない場合、選択された基準の極小値に陥る傾向にある。
本発明では、重ね合わせプロセスの第1工程の間に、セグメンテーション方法を非剛体変形フレームワークと併せて使用して、最大の置換を粗く処理し、その結果を、全情報による方法を使用して、詳細なグレーレベル情報を用いて微調整する。この両方法の複合使用は、両方法の利点を使用するとともに、各方法の欠点を相殺する。
患者の胸部および腹部の解剖学的画像と、当該患者の胸部および腹部の機能的画像とを重ね合わせるプロセスは、以下の工程で構成された。患者の胸部および腹部の解剖学的画像を取得した。また、同一患者の胸部および腹部の機能的画像も取得した。両方の画像の解剖学的特徴をセグメント化した。機能的画像は、実際には、前述の機能的画像と、照射を患者の身体の厚さ全体に透過させることによって得られる組織密度画像とを含めた、2つの画像の組合せである。組織密度画像は、機能的画像を患者の身体による吸収について補正するために使用される。加えて、組織密度画像は、解剖学的画像および機能的画像のセグメンテーションで使用される解剖学的情報を含んでいる。解剖学的画像と機能的画像との粗い重ね合わせ(coarse registration)は、以下の工程を含むプロセスによって得られた。解剖学的画像および機能的画像から抽出された解剖学的特徴を使用する非剛体B−スプライン自由形状変形を使用して、スキャンを変換した。変換されたスキャンおよびセグメント化された解剖学的特徴の対応するピクセルグレーレベルの2乗平均平方根の差を、最小にした。すべての制御点の位置の勾配降下(gradient descent)を最小にした。解剖学的画像および機能的画像に、以下の工程を含むプロセスで、精密重ね合わせ(fine registration)を実施した。非剛体B−スプライン自由形状変形を使用して、粗い重ね合わせおよび機能的スキャンの結果を変換した。正規化相互情報量ならびに粗い重ね合わせおよび解剖学的スキャンの結果を使用して、ある画像に含まれている他の画像からの情報を最大にした。すべての制御点の位置の勾配降下を最小に抑え、最後に、重ね合わされた解剖学的画像および機能的画像を表示した。
本特許出願では、用語「解剖学的画像」は、X線、コンピュータ断層撮影(CT)、磁気共鳴映像法(MRI)、超音波(US)など、解剖学的特徴が高解像度で示された医用画像を取得する方法を指す。「機能的画像」は、陽電子放出断層撮影(PET)や単光子放出透過型コンピュータ断層撮影(SPECT)など、注入された化学物質の体内挙動に依存した方法によって画像を取得する方法を指す。図は、プロセスの略図であり、長方形が、プロセス、またはプロセス内の諸工程を表わし、矢印が、データまたはデジタル情報の流れを表わす。
本発明のプロセスは、演算ならびに演算に要する時間を最小限に抑えて、解剖学的画像と機能的画像との精確な重ね合わせを提供する。これらのプロセスは、特に、胸部および腹部に見つかる癌の診断および処置、ならびに心臓病の診断および処置に有用である。
解剖学的画像および機能的画像を決定するいずれか適切な機器を、本発明のプロセスと併せて使用することができる。好ましいCTシステムは、米国ウィスコンシン州ウォーキシャ(Waukesha)のGeneral Electric Medical Systemsから入手できるGE Imatron C300 EBTスキャナである。好ましいPETシステムは、米国ウィスコンシン州ウォーキシャのGeneral Electric Medical Systemsから入手できるGE Advance Whole Body PET Systemである。好ましい複合型PET−CT収集システムは、米国ウィスコンシン州ウォーキシャのGeneral Electric Medical Systemsから入手されるDiscovery LS PET/CT Systemである。
図1は、本発明のCTスキャンおよびPETスキャンの非剛体重ね合わせのための方法の諸工程の略図である。粗い重ね合わせ、初期設定、または第1段階100と名付けられた概ね左側の部分は、両方のスキャンまたは画像のセグメント化された構造間の変形を最適化することによってスキャンの最初の粗い重ね合わせを見つける工程に相当する。精密重ね合わせ、最適化、または第2段階200と名付けられた右側の部分は、全強度画像間の変形を最適化することによって重ね合わせを改善する後続工程に相当する。
操作時には、同一患者の胸部領域および腹部領域のPETスキャン10ならびにCTスキャン20から、デジタルデータを抽出した。機能的画像は、実際には、前述した機能的画像と、照射を患者の身体の厚さ全体に透過させることによって得られる組織密度画像とを含めた、2つの画像の組合せである。組織密度画像は、機能的画像を患者の身体による吸収について補正するために使用される。加えて、組織密度画像は、解剖学的画像および機能的画像のセグメンテーションで使用される解剖学的情報を含んでいる。次いで、これらのデータを解剖学的特徴の抽出60によって処理した。このプロセスでは、可能ならば、主要な解剖学的特徴である、皮膚、肺、骨格、腎臓、および肝臓が識別される。次いで、データを第1段階100で処理した。
第1段階100では、データに、B−スプラインに基づいた反復自由形状変形プロセス(FFD)110を実施する。すべての変形プロセスでは、CT画像は変形されないが、PET画像は変形される。これらのプロセスは、重ね合わせに第1近似をもたらす、k−平均自動シェアホールディング(automatic shareholding)工程に関わるものである。これらのプロセスには、平行移動および回転、3つの軸での独立したスケーリング、ならびにPET画像とCT画像との間の対応がないボリューム部分のクロッピングが含まれる。
全ボリュームにわたって合計された対応するピクセルグレーレベルの2乗平均平方根(RMS:root mean square)120の差を最小にするように制御点を調整することによって、データをさらに改善した。
次に、すべての制御点の位置に同時に勾配降下法を反復適用することにより、勾配降下最小化(GDM:gradient descent minimization)130で最小化することによって、粗い重ね合わせデータを最適化した。局所スプリングフォース正則化項(local spring force regularization term)を適用することによって、ノードの交差を防いだ。
FFD、RMS、およびGDMプロセスを反復して最適な粗い重ね合わせデータを取得した後、精密重ね合わせプロセスを開始した。粗い重ね合わせプロセスから精密重ね合わせプロセスへの移行は、対応するピクセルグレーレベルのRMS差が所定の最小値に達したときに開始した。
精密重ね合わせ、最適化、または第2段階200プロセスは、第1段階100およびPETスキャン10からのデータのB−スプラインに基づいたFFD変形210による、さらなる処理に関する。
FFD210工程からのデータおよびCTデータを、類似度指標として正規化相互情報量(NMI)220を使用して改善した。
NMI220工程からのデータを、さらに、勾配降下の最小化(GDM)230によって最適化した。
FFD、NMI、およびGDMプロセスを反復して最適な精密重ね合わせデータを取得した後、重ね合わされた画像を、重ね合わせCT/PETスキャンとして表示した(300)。表示プロセスは、NMI類似度指標が所定の最大値に達したときに開始した。
第2の実施形態のプロセスでは、類似度指標としてNMIを用いず、代わりにParzen窓を用い、確率密度のよりロバストな演算値を取得して、それらを平滑化し、基準導関数(criterion derivative)の推定を可能にすることによって、FFD210工程からのデータおよびCTデータを改善した。これらのデータを、さらに、第1の実施形態と同様に処理した。表示プロセスは、Parzen窓の確率密度が所定の最大値に達したときに開始した。
精密重ね合わせプロセス200の諸工程を、最適な重ね合わせが得られるまで繰り返した。その結果を重ね合わせCT/PETスキャンとして表示した(300)。
B−スプライン自由形状変形(FFD)110に基づいた非剛体変換を使用して、粗い重ね合わせにおいてスキャン間の対応を確立し、同一のプロセス210を使用して、粗い重ね合わせを改善し、全強度画像の形態のスキャン間の対応を確立した。
このFFD方法は、胸部および腹部の解剖学的構造のばらつきが大きいという理由から、より多くの制約付きパラメトリックモデルにわたって選択された。FFDは、その下にある解剖構造についての仮定を立てない。実際の重ね合わせ方法適用時には、重ね合わせプロセスにデータ収集プロセスよりも長い時間がかかることはない。FFD方法の演算時間要件が比較的短いので、このFFD方法は、弾性モデルや流体モデルなど、他のより現実的かつ時間のかかる変形フレームワークよりも好ましいものになっている。
対象ボリュームの変形は、その下にある制御点のメッシュを調整することによって達成される。次いで、制御点置換を補間して、滑らかな連続C2変換を得る。B−スプラインに基づいたFFDは、1次元の3次B−スプラインの3Dテンソル積として記述される。間隔δで均一に離隔された制御点φi,j,kのnx×ny×nzグリッドをΦとする。ここで、−1≦i<nx−1、−1≦j<ny−1、−1≦k<nz−1である。これで、各像点x、y、zに関する弾性変換が次式によって算出される。
本発明のプロセスは、演算ならびに演算に要する時間を最小限に抑えて、解剖学的画像と機能的画像との精確な重ね合わせを提供する。これらのプロセスは、特に、胸部および腹部に見つかる癌の診断および処置、ならびに心臓病の診断および処置に有用である。
解剖学的画像および機能的画像を決定するいずれか適切な機器を、本発明のプロセスと併せて使用することができる。好ましいCTシステムは、米国ウィスコンシン州ウォーキシャ(Waukesha)のGeneral Electric Medical Systemsから入手できるGE Imatron C300 EBTスキャナである。好ましいPETシステムは、米国ウィスコンシン州ウォーキシャのGeneral Electric Medical Systemsから入手できるGE Advance Whole Body PET Systemである。好ましい複合型PET−CT収集システムは、米国ウィスコンシン州ウォーキシャのGeneral Electric Medical Systemsから入手されるDiscovery LS PET/CT Systemである。
図1は、本発明のCTスキャンおよびPETスキャンの非剛体重ね合わせのための方法の諸工程の略図である。粗い重ね合わせ、初期設定、または第1段階100と名付けられた概ね左側の部分は、両方のスキャンまたは画像のセグメント化された構造間の変形を最適化することによってスキャンの最初の粗い重ね合わせを見つける工程に相当する。精密重ね合わせ、最適化、または第2段階200と名付けられた右側の部分は、全強度画像間の変形を最適化することによって重ね合わせを改善する後続工程に相当する。
操作時には、同一患者の胸部領域および腹部領域のPETスキャン10ならびにCTスキャン20から、デジタルデータを抽出した。機能的画像は、実際には、前述した機能的画像と、照射を患者の身体の厚さ全体に透過させることによって得られる組織密度画像とを含めた、2つの画像の組合せである。組織密度画像は、機能的画像を患者の身体による吸収について補正するために使用される。加えて、組織密度画像は、解剖学的画像および機能的画像のセグメンテーションで使用される解剖学的情報を含んでいる。次いで、これらのデータを解剖学的特徴の抽出60によって処理した。このプロセスでは、可能ならば、主要な解剖学的特徴である、皮膚、肺、骨格、腎臓、および肝臓が識別される。次いで、データを第1段階100で処理した。
第1段階100では、データに、B−スプラインに基づいた反復自由形状変形プロセス(FFD)110を実施する。すべての変形プロセスでは、CT画像は変形されないが、PET画像は変形される。これらのプロセスは、重ね合わせに第1近似をもたらす、k−平均自動シェアホールディング(automatic shareholding)工程に関わるものである。これらのプロセスには、平行移動および回転、3つの軸での独立したスケーリング、ならびにPET画像とCT画像との間の対応がないボリューム部分のクロッピングが含まれる。
全ボリュームにわたって合計された対応するピクセルグレーレベルの2乗平均平方根(RMS:root mean square)120の差を最小にするように制御点を調整することによって、データをさらに改善した。
次に、すべての制御点の位置に同時に勾配降下法を反復適用することにより、勾配降下最小化(GDM:gradient descent minimization)130で最小化することによって、粗い重ね合わせデータを最適化した。局所スプリングフォース正則化項(local spring force regularization term)を適用することによって、ノードの交差を防いだ。
FFD、RMS、およびGDMプロセスを反復して最適な粗い重ね合わせデータを取得した後、精密重ね合わせプロセスを開始した。粗い重ね合わせプロセスから精密重ね合わせプロセスへの移行は、対応するピクセルグレーレベルのRMS差が所定の最小値に達したときに開始した。
精密重ね合わせ、最適化、または第2段階200プロセスは、第1段階100およびPETスキャン10からのデータのB−スプラインに基づいたFFD変形210による、さらなる処理に関する。
FFD210工程からのデータおよびCTデータを、類似度指標として正規化相互情報量(NMI)220を使用して改善した。
NMI220工程からのデータを、さらに、勾配降下の最小化(GDM)230によって最適化した。
FFD、NMI、およびGDMプロセスを反復して最適な精密重ね合わせデータを取得した後、重ね合わされた画像を、重ね合わせCT/PETスキャンとして表示した(300)。表示プロセスは、NMI類似度指標が所定の最大値に達したときに開始した。
第2の実施形態のプロセスでは、類似度指標としてNMIを用いず、代わりにParzen窓を用い、確率密度のよりロバストな演算値を取得して、それらを平滑化し、基準導関数(criterion derivative)の推定を可能にすることによって、FFD210工程からのデータおよびCTデータを改善した。これらのデータを、さらに、第1の実施形態と同様に処理した。表示プロセスは、Parzen窓の確率密度が所定の最大値に達したときに開始した。
精密重ね合わせプロセス200の諸工程を、最適な重ね合わせが得られるまで繰り返した。その結果を重ね合わせCT/PETスキャンとして表示した(300)。
B−スプライン自由形状変形(FFD)110に基づいた非剛体変換を使用して、粗い重ね合わせにおいてスキャン間の対応を確立し、同一のプロセス210を使用して、粗い重ね合わせを改善し、全強度画像の形態のスキャン間の対応を確立した。
このFFD方法は、胸部および腹部の解剖学的構造のばらつきが大きいという理由から、より多くの制約付きパラメトリックモデルにわたって選択された。FFDは、その下にある解剖構造についての仮定を立てない。実際の重ね合わせ方法適用時には、重ね合わせプロセスにデータ収集プロセスよりも長い時間がかかることはない。FFD方法の演算時間要件が比較的短いので、このFFD方法は、弾性モデルや流体モデルなど、他のより現実的かつ時間のかかる変形フレームワークよりも好ましいものになっている。
対象ボリュームの変形は、その下にある制御点のメッシュを調整することによって達成される。次いで、制御点置換を補間して、滑らかな連続C2変換を得る。B−スプラインに基づいたFFDは、1次元の3次B−スプラインの3Dテンソル積として記述される。間隔δで均一に離隔された制御点φi,j,kのnx×ny×nzグリッドをΦとする。ここで、−1≦i<nx−1、−1≦j<ny−1、−1≦k<nz−1である。これで、各像点x、y、zに関する弾性変換が次式によって算出される。
単一次元(unidimension)の3次B−スプラインは、次式で定義される。
B0=(1−u)3/6
Bl=(3u3−6u2+4)/6
B2=(−3u3+3u2+3u+1)/6
B3=u3/6
B−スプラインの非常に都合のよい特性は、それらの台(support)が限られているので、変換の局所的制御が可能であり、それによって最適化プロセスの間に必要な演算量が大幅に低減されることである。このコンパクトな台をテンソル積として分離できるので、B−スプラインを事前に計算し、配列に格納して、計算プロセスを加速させることができる。
第1段階。粗い重ね合わせ。
第1段階100の目標は、画像の解剖学的情報を可能な限り利用して、次の第2段階200に進む広範囲の解の探索を制約することである。第1段階は、主要な解剖学的構造を除いたすべてのデータをフィルタリングする、解剖学的多重解像度の工程と見なすことができる。第1段階の重ね合わせの結果は、第2段階へと送られて、より精密な解剖学的詳細が検討される。
第1段階の効率は、CTスキャンおよびPETスキャンのデータから抽出できる解剖学的情報に依存した。セグメンテーションによって進められる重ね合わせ方法とは異なり、セグメンテーション工程の間にもたらされた誤差は、第2段階の精密重ね合わせによって補正されるので、最終的に得られる重ね合わせには伝播しなかった。したがって、システムがCTスキャンおよびPETスキャンを必ずしも完全に自動的にセグメント化する必要はなかったが、両方のスキャンで見られる解剖学的構造の適度に近い近似、またはこれらの構造に関して検出できる可能な限り多くのリファレンスが必要であった。第1段階の目的は、確度でなく、速さおよび信頼性であった。
セグメンテーションの速度と質との間の妥協案として、最もはっきり識別できる特徴からの情報を使用し、あまりはっきり見えない特徴のセグメンテーションを制限する、様々な解剖学的構造を漸進的に分類することを目的としたいくつかのセグメンテーション工程から成る階層的手順が開発された。考慮すべき解剖学的特徴は、重要度の高いものから順に、皮膚、肺、骨格、腎臓、および肝臓である。
前述の臓器のセグメンテーションは、一連のいくつかのk−平均自動閾値設定工程を実施し、続いて、後述する数学的形態学的工程を実施することによって達成される。各閾値設定工程に続いて、寸法、体積、密度など、抽出された臓器の特定のパラメータを検査してそれらが予想範囲内にあることを確認する、結果の整合性の検証が実施される。
例えば、皮膚、骨格、および肺が検出された後に、腎臓を次のようにセグメント化した。初めに、骨格のセグメンテーションで得られた胸郭寸法を使用して、探索領域を軸平面に制限した。z軸の上限および下限は、横隔膜の位置および肺の寸法から概算した。また、ほとんど必要とされないが、背骨軸を使用することもできる。定義された領域内で、第1自動閾値設定工程が実施され、その後、検出された最大の構成要素の寸法および体積が検証された。必要ならば、寸法および体積が許容範囲内に入るまで、この閾値設定工程を繰り返す。検出された領域を、拡張して、オリジナル画像上にマスクとして適用した。次いで、セグメンテーションをさらに改善する目的で、このマスクされた画像に第2閾値設定工程を適用した。
このプロセスは、単純かつ簡単であるが、最も有用なものにするには、さらなる改善が必要である。1つの問題は、不十分な画像解像度または患者の動きが原因で臓器の縁部を決定するのが不可能なときに、プロセスにおいて臓器の形状についての事前の解剖学的知識の望ましい欠如が、臓器の境界の画定を困難にすることである。他の欠点は、画像から入手可能な詳細の量を制限する正則化項(regularization term)の欠如である。これで、CTスキャンでは検出できるがPETでは検出できず、したがって、重ね合わせプロセスが誤って変形として解釈し、間違って補償しようとする差異をもたらす、気管支など、はっきり見えない構造の場合の問題が判明した。
自動閾値設定工程によって得られた結果を改善するために、変形可能な3Dパラメトリックモデルが採用された。変形可能なモデルは、画像データから算出される外力を受けて発達するが、内力として表される特定の制約下にある、画像内に画定された曲線または表面である。3Dの動的輪郭は、次のようなパラメータ化された表面である:
X(u,v)=[x(u,v),y(u,v),z(u,v)]t
ここで、uε[0,1]、vε[0,1]。
この表面に関係したエネルギーは、モデルの物理的特性に関連した内部エネルギーの項と、モデルを画像内の所望の特徴に近付ける外部エネルギーの項とによって構成される。
E(X)=Eint(X)+Eext(X)
モデルの内部エネルギーは、次式で記載され、
ut=g(|Δf|)Δ2u−h(|Δf|)(u−Δf)
u(x,0)=Δf(x)
上記第1式の第1項は、平滑化項(smoothing term)と呼ばれ、得られるベクトル場を均一化する傾向にある。第2項は、データ項であり、ベクトル場uをデータから算出されたΔfへと近付ける。g()およびh()は、それぞれ平滑化項およびデータ項に適用される重み関数である。以下の項が使用される:
このGVFを、あまり精確でない、潜在的に不安定なバルーンフォースと組み合わせる利点は、3D拡散解を画像縁部の周りの帯域を越えたところに到達させる演算コストを回避することである。第1セグメンテーション近似が既に実施されているので、標的臓器またはGVFの引力場(attraction field)内の輪郭の開始が保証された。この拡張力は、それまでのセグメンテーション工程が臓器の境界の十分に良好な近似を提供できない場合に、モデルを縁部の近傍に近付けるプロセスを大きく加速させる。輪郭の近傍に入った後は、GVFが漸次的に優位になり、結果を歪めるのを避けるために拡張項が遮断される。臓器の輪郭のギャップを通ってリークする危険は、GVFがこれらのギャップのほとんどをシールするので、回避される。この段階での主要な関心事は、確度ではなくロバスト性であり、モデルの内部エネルギーが十分に強いので、モデルが残存するギャップを通ってリークせずに保持される。
臓器がセグメント化された後、そのセグメント化された臓器を使用して、重ね合わせに対する第1近似を自動的に作製する。これには、剛体運動(平行移動および回転)、3つの軸での独立したスケーリング、ならびに画像間の対応または適用関心のないボリューム部分のクロッピングが含まれる。
重ね合わせに対する第1近似は、前述のFFD変形を使用して実施された。グリッドの制御点を、所与の類似度規準を最小にするように調整し、全ボリュームにわたって合計された対応するピクセルグレーレベルの2乗平均平方根(RMS)差を使用して、最適な変形パラメータを決定した。
変形の最適化は、勾配降下法をすべての制御点の位置に同時に反復して適用することによって達成された。ノードが交差するのを防ぐために、局所スプリングフォース正則化項を追加した。
第2段階。精密解像度。
第1段階の粗い変換を、類似度指標として正規化相互情報量(NMI)を使用してB−スプラインに基づいたFFDによってモデル化した。そのような方法は、第1段階の粗い重ね合わせが、最終的な解に非常に近い、少なくともセグメント化された構造の近傍にある初期変換を提供する場合を除き、類似度基準の極小値に向かう傾向にある。粗い変換が、セグメント化された解剖学的構造から離れた領域については必ずしも有効でなかったので、第2段階または精密重ね合わせフェーズが必要であった。第2段階の他の目的は、画像のグレーレベル情報を利用する、構造セグメンテーション手順によってもたらされた誤差の補正であった。
第2段階では、第1段階で使用されたFFDアルゴリズムが使用されるが、この第2段階が全画像強度レベルを使用するので、最大化された類似度基準は、2乗平均平方根から、正規化相互情報量(NMI)と名付けられた相互情報量(MI)のばらつきに変化する。
MIは、画像Iからの情報が他の画像Jにどれだけ含まれているかを表す。この情報理論的指標の利点は、当該指標が、対応するボクセルの画像強度間の統計的依存の性質に関する仮定を立てずに、この依存を算出することである。したがって、画像が幾何学的に位置合わせされたときにMIが最大になる。
NMIは、実際の画像重複量が指標に影響を及ぼすのを防ぐ。
NMIの算出には、CT画像およびPET画像からの周辺確率分布ならびに結合確率分布の推定が必要であった。頻度近似(frequency approximation)、すなわち、pijを、他のものが強度iおよびjを有する推定確率とし、nijをこれらの強度をもったボクセル数、nをボクセルの総数としたときに、pij=nij/nであることを使用した。代替的な方法は、Parzen窓関数を使用して、確率密度のよりロバストな演算値を取得して、それらを平滑化し、基準導関数の推定を可能にする方法である。
最適化手順は、制御点グリッド上の局所差によって算出される勾配の推定に基づいたものであった。制御点ごとに、1工程置換を実施し、NMIの差を算出した。次いで、各段階で反復勾配降下法を使用して最適化した。第1段階の解剖学的多重解像度を含めて、第2段階の、時間がかかる解像度の劣った多重解像度工程の一部の省略することによって、第2段階の精密解像度の全体的プロセスが加速された。
本特許出願の方法を使用して、第1組の胸部および腹部領域の11個のCT/放出型/透過型PETスキャンを分析した。データが異なる3つの部位から取得され、様々な機械および臨床プロトコルが使用されたので、これは、非同質(inhomogeneous)のデータセットであった。複合型PET−CT収集システムである、米国ウィスコンシン州ウォーキシャのGeneral Electric Medical Systemsから入手されたDiscovery LS PET/CT Systemを使用して、第2組の4つの画像を取得した。分析に使用したプロセスは、スキャンパラメータに依存しないように設計された。一般に、CT画像は、xy平面内の分解能512×512ピクセル、46〜103スライス、ボクセル寸法約0.74×0.74×7.5mm3であった。PET画像は、xy平面内の分解能128×128ピクセル、163〜205スライス、ボクセル寸法約4.297×4.297×4.297mm3であった。PET−CT複合型機械のデータセットでは、CT画像の分解能は、xy平面内で512×512ピクセルであり、PET画像の分解能は、xy平面内で128×128ピクセルであり、ともに205スライスであった。ボクセル寸法は、CT画像では0.977×0.977×4.25mm3、PET画像では3.906×3.906×4.25mm3である。
医師が重ね合わせ確度の半定量的指標を生成できるように、非線形重ね合わせ評価プロトコルを考案した。オリジナルCTのボリュームおよび重ね合わされたPETのボリュームの解剖学的に重要ないくつかのスライスが評価者に提示された。各対の画像には、胸壁(胸郭)、縦隔壁(心臓)、肝臓、胃、腎臓など、重要な解剖学的構造と交差するところに、いくつかのリファレンス点を画定するルーラーで印が付けられた。これらのリファレンスによって、医師が、両方の画像における前述した構造の位置の相違を推定することができた。重ね合わせは、0点(良い重ね合わせ、誤差0.5cm未満)から2点(許容できない重ね合わせ、1.5cmを超える誤差)までのスケールにランク付けされた。第1の11対のデータセットについての結果を、表1に示す。
医師が重ね合わせ確度の半定量的指標を生成できるように、非線形重ね合わせ評価プロトコルを考案した。オリジナルCTのボリュームおよび重ね合わされたPETのボリュームの解剖学的に重要ないくつかのスライスが評価者に提示された。各対の画像には、胸壁(胸郭)、縦隔壁(心臓)、肝臓、胃、腎臓など、重要な解剖学的構造と交差するところに、いくつかのリファレンス点を画定するルーラーで印が付けられた。これらのリファレンスによって、医師が、両方の画像における前述した構造の位置の相違を推定することができた。重ね合わせは、0点(良い重ね合わせ、誤差0.5cm未満)から2点(許容できない重ね合わせ、1.5cmを超える誤差)までのスケールにランク付けされた。第1の11対のデータセットについての結果を、表1に示す。
表1は、様々な解剖学的領域に関する当該方法の性能を示す。医師間の分散が低いことは、評価方法が有効な結果をもたらすことを示している。表1は、肺、心臓、肝臓、および腎臓について優れた重ね合わせを示す。胃については比較的劣った重ね合わせが得られた。これは、この臓器の運動性が原因と思われる。
また、複合型CT−PET機械を使用して得られた第2組の画像も評価した。これらの機械によって達成されるハードウェア的な重ね合わせは、既に2人の患者について質の高いものであった。さらに他の2人の患者については、主に心臓の領域で重ね合わせ誤差が見られたが、これは、本発明の方法によってある程度補正された。
本特許出願の方法を使用して、第3組の胸部領域の18個のCT/放出型/透過型PETスキャンを分析した。データが異なる3つの部位から取得され、様々な機械および臨床プロトコルが使用されたので、これは、非同質のデータセットであった。分析に使用したプロセスは、スキャンパラメータに依存しないように設計された。一般に、CT画像は、xy平面内の分解能256×256ピクセル、60〜125スライス、ボクセル寸法約1.0×1.0×5.0mm3であった。PET画像は、xy平面内の分解能144×144ピクセル、160〜230スライス、ボクセル寸法約4.0×4.0×4.0mm3であった。
実施例1の評価方法を、実施例2で使用した。表2は、様々な解剖学的領域に関するこの評価方法の性能を示す。
実施例1の評価方法を、実施例2で使用した。表2は、様々な解剖学的領域に関するこの評価方法の性能を示す。
表2は、当該評価方法が、本特許出願の重ね合わせ方法の検証に使用するのに十分に反復的であることを示す。
表3は、第3組の18個のCTおよびPETスキャンの重ね合わせの評価結果を示す。
本明細書に記載した実施例および実施形態が、説明を目的としたものであって、制限しようとするものではなく、また、特許請求の範囲に記載の本発明の精神および範囲から逸脱することなく他の実施例を使用できることが、当業者には明らかである。
Claims (11)
- 患者の胸部および腹部の解剖学的画像と、前記患者の胸部および腹部の機能的画像とを重ね合わせるプロセスであって、
a.前記患者の胸部および腹部の解剖学的画像を取得するステップと、
b.前記患者の胸部および腹部の機能的画像を取得するステップであって、前記機能的画像が機能的特徴および解剖学的特徴を含むステップと、
c.前記解剖学的画像および前記機能的画像の解剖学的特徴を抽出するステップと、
d.前記解剖学的画像と前記機能的画像とを重ね合わせるステップであって、
1.前記解剖学的画像および前記機能的画像から抽出された解剖学的特徴を使用する非剛体B−スプライン自由形状変形を使用して、前記スキャンを変換する工程を含むプロセスによって重ね合わせるステップと、を含む、解剖学的画像と機能的画像とを重ね合わせるプロセス。 - 前記工程d.1.の後に、
2.正規化相互情報量を使用して、ある画像に含まれている他の画像からの情報を最大にする工程をさらに含む、請求項1に記載のプロセス。 - 患者の胸部および腹部の解剖学的画像と、前記患者の胸部および腹部の機能的画像とを重ね合わせるプロセスであって、
a.前記患者の胸部および腹部の解剖学的画像を取得するステップと、
b.前記患者の胸部および腹部の機能的画像を取得するステップであって、前記機能的画像が機能的特徴および解剖学的特徴を含むステップと、
c.前記解剖学的画像および前記機能的画像の解剖学的特徴を抽出するステップと、
d.前記解剖学的画像と前記機能的画像とを粗く重ね合わせるステップであって、
1.前記解剖学的画像および前記機能的画像から抽出された解剖学的特徴を使用する非剛体B−スプライン自由形状変形を使用して、前記スキャンを変換する工程と、
2.変換されたスキャンおよびセグメント化された解剖学的特徴の、対応するピクセルグレーレベルの2乗平均平方根の差を、最小にする工程と、
3.すべての制御点の位置の勾配降下を最小にする工程とを含むプロセスによって、粗く重ね合わせるステップと、
e.前記解剖学的画像と前記機能的画像とを精密に重ね合わせるステップであって、
1.非剛体B−スプライン自由形状変形を使用して、前記ステップd.および前記機能的スキャンの結果を変換する工程と、
2.正規化相互情報量ならびに前記工程e.1.および前記解剖学的スキャンの結果を使用して、ある画像に含まれている他の画像からの情報を最大にする工程と、
3.すべての制御点の位置の勾配降下を最小にする工程とを含む、精密に重ね合わせるステップと、
f.重ね合わされた解剖学的画像および機能的画像を表示するステップと、を含む、解剖学的画像と機能的画像とを重ね合わせるプロセス。 - 前記解剖学的画像がコンピュータ断層撮影スキャンである、請求項3に記載のプロセス。
- 前記機能的画像が陽電子放出断層撮影スキャンである、請求項3に記載のプロセス。
- 前記解剖学的画像が核磁気共鳴スキャンである、請求項3に記載のプロセス。
- 前記解剖学的画像が超音波スキャンである、請求項3に記載のプロセス。
- セグメント化される前記解剖学的特徴が、皮膚、肺、骨格、腎臓、または肝臓である、請求項3に記載のプロセス。
- 前記ステップd.の諸工程が繰り返される、請求項3に記載のプロセス。
- 前記ステップe.の諸工程が繰り返される、請求項3に記載のプロセス。
- 前記工程e.2.が削除され、
e.2A.Parzen窓ならびに前記工程e.1.および前記解剖学的スキャンの結果を使用して、ある画像に含まれている他の画像からの情報を最大にする工程に置き換えられる、請求項3に記載のプロセス。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US36968102P | 2002-04-03 | 2002-04-03 | |
PCT/IB2003/001893 WO2003083779A2 (en) | 2002-04-03 | 2003-04-01 | Image registration process |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2005521502A true JP2005521502A (ja) | 2005-07-21 |
Family
ID=28675582
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2003581124A Pending JP2005521502A (ja) | 2002-04-03 | 2003-04-01 | 胸部および腹部の画像モダリティの重ね合わせ |
Country Status (5)
Country | Link |
---|---|
US (1) | US7397934B2 (ja) |
EP (1) | EP1502237A2 (ja) |
JP (1) | JP2005521502A (ja) |
AU (1) | AU2003223072A1 (ja) |
WO (1) | WO2003083779A2 (ja) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008086400A (ja) * | 2006-09-29 | 2008-04-17 | Gifu Univ | ***画像診断システム |
JP2008307183A (ja) * | 2007-06-13 | 2008-12-25 | Fujifilm Corp | 画像処理装置および画像処理プログラム |
JP2009518060A (ja) * | 2005-12-05 | 2009-05-07 | フォルシュングスツェントルム ユーリッヒ ゲーエムベーハー | 被調査脳の変化の局所解剖図的表示方法 |
JP2010500089A (ja) * | 2006-08-11 | 2010-01-07 | 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 | 効率的診断のための解剖構造に関係した画像コンテキスト依存のアプリケーション |
JP2010515502A (ja) * | 2007-01-11 | 2010-05-13 | ジカット ゲゼルシャフト ミット ベシュレンクテル ハフツング ウント コンパニー コマンディトゲゼルシャフト | イメージレジストレーション |
WO2010058854A1 (en) * | 2008-11-20 | 2010-05-27 | Canon Kabushiki Kaisha | Information processing apparatus, information processing method, program, and storage medium |
WO2011052515A1 (en) * | 2009-10-27 | 2011-05-05 | Canon Kabushiki Kaisha | Information processing apparatus, information processing method, and program |
JP2011525271A (ja) * | 2008-05-23 | 2011-09-15 | ザ オーストラリアン ナショナル ユニヴァーシティ | 画像データ処理 |
KR101307605B1 (ko) | 2012-03-30 | 2013-09-12 | 한국과학기술원 | 중앙 처리 장치(cpu)와 그래픽 처리 장치(gpu)를 동시에 사용하는 nmi 기반의 3차원 비강체 영상 정합 병렬 처리 방법 및 장치 |
JP2013537078A (ja) * | 2010-09-17 | 2013-09-30 | コーニンクレッカ フィリップス エヌ ヴェ | 画像セグメント化のため生体構造変形モデルを選択すること |
JP2014089198A (ja) * | 2007-05-24 | 2014-05-15 | Surgiceye Gmbh | 放射性イメージングのための画像生成装置および方法 |
CN111429492A (zh) * | 2020-03-20 | 2020-07-17 | 南京航空航天大学 | 一种基于局部不变性的飞机c型梁配准方法 |
Families Citing this family (93)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8036731B2 (en) | 2001-01-22 | 2011-10-11 | Spectrum Dynamics Llc | Ingestible pill for diagnosing a gastrointestinal tract |
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 |
CN1310617C (zh) | 2001-01-22 | 2007-04-18 | V-目标技术有限公司 | 可咽下装置 |
US8150495B2 (en) | 2003-08-11 | 2012-04-03 | Veran Medical Technologies, Inc. | Bodily sealants and methods and apparatus for image-guided delivery of same |
US7398116B2 (en) | 2003-08-11 | 2008-07-08 | Veran Medical Technologies, Inc. | Methods, apparatuses, and systems useful in conducting image guided interventions |
US20050219558A1 (en) * | 2003-12-17 | 2005-10-06 | Zhengyuan Wang | Image registration using the perspective of the image rotation |
US9470801B2 (en) | 2004-01-13 | 2016-10-18 | Spectrum Dynamics Llc | Gating with anatomically varying durations |
US8571881B2 (en) | 2004-11-09 | 2013-10-29 | Spectrum Dynamics, Llc | Radiopharmaceutical dispensing, administration, and imaging |
WO2005067383A2 (en) | 2004-01-13 | 2005-07-28 | Spectrum Dynamics Llc | Multi-dimensional image reconstruction |
US7968851B2 (en) * | 2004-01-13 | 2011-06-28 | Spectrum Dynamics Llc | Dynamic spect camera |
US9040016B2 (en) | 2004-01-13 | 2015-05-26 | Biosensors International Group, Ltd. | Diagnostic kit and methods for radioimaging myocardial perfusion |
US8586932B2 (en) | 2004-11-09 | 2013-11-19 | Spectrum Dynamics Llc | System and method for radioactive emission measurement |
CN1926574B (zh) * | 2004-02-20 | 2013-09-18 | 皇家飞利浦电子股份有限公司 | 用于图像的多模式配准的设备和方法 |
EP1778957A4 (en) | 2004-06-01 | 2015-12-23 | Biosensors Int Group Ltd | OPTIMIZING THE MEASUREMENT OF RADIOACTIVE EMISSIONS IN SPECIFIC BODY STRUCTURES |
US8280124B2 (en) | 2004-06-01 | 2012-10-02 | Spectrum Dynamics Llc | Methods of view selection for radioactive emission measurements |
US7616799B2 (en) * | 2004-06-18 | 2009-11-10 | Siemens Medical Solutions Usa, Inc. | System and method for monitoring disease progression or response to therapy using multi-modal visualization |
US8090429B2 (en) * | 2004-06-30 | 2012-01-03 | Siemens Medical Solutions Usa, Inc. | Systems and methods for localized image registration and fusion |
US7639896B2 (en) * | 2004-08-09 | 2009-12-29 | Carestream Health, Inc. | Multimodal image registration using compound mutual information |
US8989349B2 (en) | 2004-09-30 | 2015-03-24 | Accuray, Inc. | Dynamic tracking of moving targets |
US9943274B2 (en) | 2004-11-09 | 2018-04-17 | Spectrum Dynamics Medical Limited | Radioimaging using low dose isotope |
US8000773B2 (en) | 2004-11-09 | 2011-08-16 | Spectrum Dynamics Llc | Radioimaging |
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 |
EP1827505A4 (en) | 2004-11-09 | 2017-07-12 | Biosensors International Group, Ltd. | Radioimaging |
WO2008059489A2 (en) | 2006-11-13 | 2008-05-22 | Spectrum Dynamics Llc | Radioimaging applications of and novel formulations of teboroxime |
US7502502B2 (en) * | 2005-01-14 | 2009-03-10 | Siemens Medical Solutions Usa, Inc. | System and method for PDE-based multiphase segmentation |
US7653264B2 (en) * | 2005-03-04 | 2010-01-26 | The Regents Of The University Of Michigan | Method of determining alignment of images in high dimensional feature space |
US7756563B2 (en) * | 2005-05-23 | 2010-07-13 | The Penn State Research Foundation | Guidance method based on 3D-2D pose estimation and 3D-CT registration with application to live bronchoscopy |
US8644910B2 (en) | 2005-07-19 | 2014-02-04 | Biosensors International Group, Ltd. | Imaging protocols |
US8837793B2 (en) | 2005-07-19 | 2014-09-16 | Biosensors International Group, Ltd. | Reconstruction stabilizer and active vision |
EP1908011B1 (en) | 2005-07-19 | 2013-09-04 | Spectrum Dynamics LLC | Reconstruction stabilizer and active vision |
US7738683B2 (en) * | 2005-07-22 | 2010-06-15 | Carestream Health, Inc. | Abnormality detection in medical images |
EP1924198B1 (en) | 2005-09-13 | 2019-04-03 | Veran Medical Technologies, Inc. | Apparatus for image guided accuracy verification |
US20070066881A1 (en) | 2005-09-13 | 2007-03-22 | Edwards Jerome R | Apparatus and method for image guided accuracy verification |
US20070133736A1 (en) * | 2005-10-17 | 2007-06-14 | Siemens Corporate Research Inc | Devices, systems, and methods for imaging |
US7715654B2 (en) * | 2005-10-18 | 2010-05-11 | Siemens Medical Solutions Usa, Inc. | System and method for fast multimodal registration by least squares |
CN100454337C (zh) * | 2005-11-01 | 2009-01-21 | 中国科学院自动化研究所 | 一种结合空间信息的图像配准方法 |
US20070206880A1 (en) * | 2005-12-01 | 2007-09-06 | Siemens Corporate Research, Inc. | Coupled Bayesian Framework For Dual Energy Image Registration |
US8894974B2 (en) | 2006-05-11 | 2014-11-25 | Spectrum Dynamics Llc | Radiopharmaceuticals for diagnosis and therapy |
US20070280556A1 (en) * | 2006-06-02 | 2007-12-06 | General Electric Company | System and method for geometry driven registration |
WO2008001297A2 (en) * | 2006-06-28 | 2008-01-03 | Koninklijke Philips Electronics N.V. | Variable resolution model based image segmentation |
CN101501727B (zh) * | 2006-08-08 | 2012-03-14 | 皇家飞利浦电子股份有限公司 | 用于识别感兴趣体积中的结构的方法、装置、*** |
US8064664B2 (en) * | 2006-10-18 | 2011-11-22 | Eigen, Inc. | Alignment method for registering medical images |
US20080095465A1 (en) * | 2006-10-18 | 2008-04-24 | General Electric Company | Image registration system and method |
WO2008075362A2 (en) | 2006-12-20 | 2008-06-26 | Spectrum Dynamics Llc | A method, a system, and an apparatus for using and processing multidimensional data |
WO2008103804A2 (en) * | 2007-02-23 | 2008-08-28 | Lockheed Martin Corporation | Iterative region-based automated control point generation |
US7995864B2 (en) * | 2007-07-03 | 2011-08-09 | General Electric Company | Method and system for performing image registration |
US20100272330A1 (en) * | 2007-08-03 | 2010-10-28 | Koninklijke Philips Electronics N.V. | Anatomically constrained image registration |
US8218905B2 (en) * | 2007-10-12 | 2012-07-10 | Claron Technology Inc. | Method, system and software product for providing efficient registration of 3D image data |
US8521253B2 (en) | 2007-10-29 | 2013-08-27 | Spectrum Dynamics Llc | Prostate imaging |
JP4604101B2 (ja) * | 2008-03-26 | 2010-12-22 | 株式会社日立製作所 | 画像情報作成方法,断層撮影装置の断層画像情報作成方法及び断層撮影装置 |
JP2009236793A (ja) * | 2008-03-28 | 2009-10-15 | Hitachi Ltd | 画像情報作成方法,断層撮影装置の断層画像情報作成方法及び断層撮影装置 |
US8355551B2 (en) * | 2009-02-27 | 2013-01-15 | General Electric Company | Method and apparatus for reducing image artifacts |
EP2422318B1 (en) * | 2009-04-15 | 2019-10-16 | Koninklijke Philips N.V. | Quantification of medical image data |
US8718232B2 (en) * | 2009-04-30 | 2014-05-06 | Siemens Aktiengesellschaft | Reconstruction of an emission tomography image |
WO2010150156A1 (en) * | 2009-06-24 | 2010-12-29 | Koninklijke Philips Electronics N.V. | Establishing a contour of a structure based on image information |
US8338788B2 (en) | 2009-07-29 | 2012-12-25 | Spectrum Dynamics Llc | Method and system of optimized volumetric imaging |
JP5815573B2 (ja) | 2010-03-18 | 2015-11-17 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | 機能的画像データ強調方法及びエンハンサ |
JP5553672B2 (ja) * | 2010-04-26 | 2014-07-16 | キヤノン株式会社 | 音響波測定装置および音響波測定方法 |
WO2012169990A2 (en) | 2010-05-04 | 2012-12-13 | Pathfinder Therapeutics, Inc. | System and method for abdominal surface matching using pseudo-features |
JP5612371B2 (ja) | 2010-06-11 | 2014-10-22 | 富士フイルム株式会社 | 画像位置合わせ装置および方法並びにプログラム |
US8696549B2 (en) | 2010-08-20 | 2014-04-15 | Veran Medical Technologies, Inc. | Apparatus and method for four dimensional soft tissue navigation in endoscopic applications |
US20120063656A1 (en) * | 2010-09-13 | 2012-03-15 | University Of Southern California | Efficient mapping of tissue properties from unregistered data with low signal-to-noise ratio |
KR101090375B1 (ko) * | 2011-03-14 | 2011-12-07 | 동국대학교 산학협력단 | 자동 초기화를 기반으로 흉곽 변형 정도의 평가 인덱스 계산을 자동화한 ct 영상 분석의 자동화 방법, 기록 매체 및 장치 |
US8447137B2 (en) * | 2011-04-12 | 2013-05-21 | Csi Ricerca & Ambiente Srl | Method of image fusion |
US8611692B2 (en) | 2011-09-26 | 2013-12-17 | Northrop Grumman Systems Corporation | Automated image registration with varied amounts of a priori information using a minimum entropy method |
US20130101193A1 (en) * | 2011-10-20 | 2013-04-25 | Jong Beom Ra | Positron Emission Tomography and Method for Correcting Attenuation of PET Image Using Magnetic Resonance Image |
US8634648B2 (en) | 2011-12-07 | 2014-01-21 | Elwha Llc | Reporting informational data indicative of a possible non-imaged portion of a skin |
US10249036B2 (en) | 2012-02-22 | 2019-04-02 | Veran Medical Technologies, Inc. | Surgical catheter having side exiting medical instrument and related systems and methods for four dimensional soft tissue navigation |
EP2849669B1 (en) | 2012-05-14 | 2018-11-28 | Intuitive Surgical Operations Inc. | Systems and methods for deformation compensation using shape sensing |
US8977026B2 (en) * | 2012-05-30 | 2015-03-10 | General Electric Company | Methods and systems for locating a region of interest in an object |
US20140160264A1 (en) * | 2012-12-10 | 2014-06-12 | The Johns Hopkins University | Augmented field of view imaging system |
GB2511052B (en) * | 2013-02-20 | 2015-03-04 | Siemens Medical Solutions | A method for combining a plurality of image data sets into one multi-fused image |
CN103593842B (zh) * | 2013-10-25 | 2016-10-12 | 西安电子科技大学 | 基于交叉爬山memetic量子进化计算的医学图像配准方法 |
EP3063736B1 (en) * | 2013-10-30 | 2019-10-09 | Koninklijke Philips N.V. | Registration of tissue slice image |
KR101547098B1 (ko) * | 2014-01-08 | 2015-09-04 | 삼성전자 주식회사 | 영상 생성 장치 및 그 제어 방법 |
US20150305650A1 (en) | 2014-04-23 | 2015-10-29 | Mark Hunter | Apparatuses and methods for endobronchial navigation to and confirmation of the location of a target tissue and percutaneous interception of the target tissue |
US20150305612A1 (en) | 2014-04-23 | 2015-10-29 | Mark Hunter | Apparatuses and methods for registering a real-time image feed from an imaging device to a steerable catheter |
KR102120867B1 (ko) | 2014-08-22 | 2020-06-09 | 삼성전자주식회사 | 엑스선 영상 장치 및 그에 따른 엑스선 영상 장치 제어방법 |
US10034610B2 (en) * | 2014-12-24 | 2018-07-31 | Infosys Limited | System and method for registration of brain images |
US10127655B2 (en) * | 2015-07-09 | 2018-11-13 | Samsung Medison Co., Ltd. | Medical imaging apparatus and method of operating same |
US9576219B2 (en) * | 2015-07-14 | 2017-02-21 | ADANI Systems, Inc. | Method and system for detection of contraband narcotics in human digestive tract |
US20170329927A1 (en) * | 2016-05-11 | 2017-11-16 | InFluidS LLC | System and method for analyzing airway-pulmonary response using computational fluid dynamics to diagnose and monitoring potential health anomalies |
JP6548615B2 (ja) * | 2016-08-23 | 2019-07-24 | 富士フイルム株式会社 | 磁場歪み算出装置、方法およびプログラム |
US9905044B1 (en) | 2016-08-25 | 2018-02-27 | General Electric Company | Systems and methods for functional imaging |
KR102592905B1 (ko) * | 2016-12-21 | 2023-10-23 | 삼성전자주식회사 | 엑스선 영상 촬영 장치 및 제어방법 |
US10803633B2 (en) | 2018-02-06 | 2020-10-13 | General Electric Company | Systems and methods for follow-up functional imaging |
CN111311655B (zh) * | 2020-02-13 | 2023-07-04 | 东软医疗***股份有限公司 | 多模态图像配准方法、装置、电子设备、存储介质 |
US11309072B2 (en) | 2020-04-21 | 2022-04-19 | GE Precision Healthcare LLC | Systems and methods for functional imaging |
US11300695B2 (en) | 2020-04-24 | 2022-04-12 | Ronald Nutt | Time-resolved positron emission tomography encoder system for producing event-by-event, real-time, high resolution, three-dimensional positron emission tomographic image without the necessity of performing image reconstruction |
US11054534B1 (en) | 2020-04-24 | 2021-07-06 | Ronald Nutt | Time-resolved positron emission tomography encoder system for producing real-time, high resolution, three dimensional positron emission tomographic image without the necessity of performing image reconstruction |
US11042971B1 (en) * | 2020-08-13 | 2021-06-22 | Omniscient Neurotechnology Pty Limited | Medical imaging with distortion correction |
US20230260141A1 (en) * | 2022-02-16 | 2023-08-17 | Siemens Medical Solutions Usa, Inc. | Deep learning for registering anatomical to functional images |
Family Cites Families (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6405072B1 (en) | 1991-01-28 | 2002-06-11 | Sherwood Services Ag | Apparatus and method for determining a location of an anatomical target with reference to a medical apparatus |
US5299253A (en) | 1992-04-10 | 1994-03-29 | Akzo N.V. | Alignment system to overlay abdominal computer aided tomography and magnetic resonance anatomy with single photon emission tomography |
EP0602730B1 (en) * | 1992-12-18 | 2002-06-19 | Koninklijke Philips Electronics N.V. | Registration of Volumetric images which are relatively elastically deformed by matching surfaces |
US6040580A (en) | 1993-03-26 | 2000-03-21 | Cti Pet Systems, Inc. | Method and apparatus for forming multi-dimensional attenuation correction data in tomography applications |
US5750991A (en) | 1993-03-26 | 1998-05-12 | Cti Pet Systems, Inc. | Method and apparatus for forming multidimenstional attenuation correction data in tomography applications |
US5961454A (en) * | 1993-08-13 | 1999-10-05 | The Brigham And Women's Hospital | Fusion of anatomical data sets into stereotactic coordinates |
EP0731956A4 (en) | 1993-11-30 | 1997-04-23 | Arch Dev Corp | AUTOMATIC METHOD AND SYSTEM FOR ALIGNING AND CORRELATING TWO DIFFERENT MODALITIES |
US5611000A (en) * | 1994-02-22 | 1997-03-11 | Digital Equipment Corporation | Spline-based image registration |
US5871013A (en) | 1995-05-31 | 1999-02-16 | Elscint Ltd. | Registration of nuclear medicine images |
US5608221A (en) | 1995-06-09 | 1997-03-04 | Adac Laboratories | Multi-head nuclear medicine camera for dual SPECT and PET imaging with monuniform attenuation correction |
US6009212A (en) * | 1996-07-10 | 1999-12-28 | Washington University | Method and apparatus for image registration |
US6096050A (en) * | 1997-09-19 | 2000-08-01 | Surgical Navigation Specialist Inc. | Method and apparatus for correlating a body with an image of the body |
US6205347B1 (en) * | 1998-02-27 | 2001-03-20 | Picker International, Inc. | Separate and combined multi-modality diagnostic imaging system |
US6173201B1 (en) | 1999-02-22 | 2001-01-09 | V-Target Ltd. | Stereotactic diagnosis and treatment with reference to a combined image |
US6490476B1 (en) * | 1999-10-14 | 2002-12-03 | Cti Pet Systems, Inc. | Combined PET and X-ray CT tomograph and method for using same |
US6563941B1 (en) * | 1999-12-14 | 2003-05-13 | Siemens Corporate Research, Inc. | Model-based registration of cardiac CTA and MR acquisitions |
DE10048029A1 (de) * | 2000-09-26 | 2002-04-25 | Philips Corp Intellectual Pty | Verfahren zur Berechnung einer zwei Abbildungen verbindenden Transformation |
US6597940B2 (en) | 2000-12-01 | 2003-07-22 | Neomed Technologies | Methods of detecting occlusion of the coronary artery system and imaging the heart |
US7158692B2 (en) * | 2001-10-15 | 2007-01-02 | Insightful Corporation | System and method for mining quantitive information from medical images |
CN1639737A (zh) * | 2002-03-06 | 2005-07-13 | 西门子共同研究公司 | 容积-容积融合的可视化 |
US7209579B1 (en) * | 2003-01-14 | 2007-04-24 | Jefferson Solence Ass. Llc | Anatomic and functional imaging of tagged molecules in animals |
-
2003
- 2003-04-01 EP EP03719043A patent/EP1502237A2/en not_active Withdrawn
- 2003-04-01 JP JP2003581124A patent/JP2005521502A/ja active Pending
- 2003-04-01 US US10/405,026 patent/US7397934B2/en not_active Expired - Fee Related
- 2003-04-01 AU AU2003223072A patent/AU2003223072A1/en not_active Abandoned
- 2003-04-01 WO PCT/IB2003/001893 patent/WO2003083779A2/en not_active Application Discontinuation
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009518060A (ja) * | 2005-12-05 | 2009-05-07 | フォルシュングスツェントルム ユーリッヒ ゲーエムベーハー | 被調査脳の変化の局所解剖図的表示方法 |
JP2010500089A (ja) * | 2006-08-11 | 2010-01-07 | 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 | 効率的診断のための解剖構造に関係した画像コンテキスト依存のアプリケーション |
JP2008086400A (ja) * | 2006-09-29 | 2008-04-17 | Gifu Univ | ***画像診断システム |
US8798346B2 (en) | 2007-01-11 | 2014-08-05 | Sicat Gmbh & Co. Kg | Image registration |
JP2010515502A (ja) * | 2007-01-11 | 2010-05-13 | ジカット ゲゼルシャフト ミット ベシュレンクテル ハフツング ウント コンパニー コマンディトゲゼルシャフト | イメージレジストレーション |
JP2014089198A (ja) * | 2007-05-24 | 2014-05-15 | Surgiceye Gmbh | 放射性イメージングのための画像生成装置および方法 |
JP2008307183A (ja) * | 2007-06-13 | 2008-12-25 | Fujifilm Corp | 画像処理装置および画像処理プログラム |
JP2011525271A (ja) * | 2008-05-23 | 2011-09-15 | ザ オーストラリアン ナショナル ユニヴァーシティ | 画像データ処理 |
CN102223845A (zh) * | 2008-11-20 | 2011-10-19 | 佳能株式会社 | 信息处理设备、信息处理方法、程序和存储介质 |
WO2010058854A1 (en) * | 2008-11-20 | 2010-05-27 | Canon Kabushiki Kaisha | Information processing apparatus, information processing method, program, and storage medium |
US8867808B2 (en) | 2008-11-20 | 2014-10-21 | Canon Kabushiki Kaisha | Information processing apparatus, information processing method, program, and storage medium |
WO2011052515A1 (en) * | 2009-10-27 | 2011-05-05 | Canon Kabushiki Kaisha | Information processing apparatus, information processing method, and program |
JP2011092263A (ja) * | 2009-10-27 | 2011-05-12 | Canon Inc | 情報処理装置、情報処理方法およびプログラム |
US8908944B2 (en) | 2009-10-27 | 2014-12-09 | Canon Kabushiki Kaisha | Information processing apparatus, information processing method, and program |
JP2013537078A (ja) * | 2010-09-17 | 2013-09-30 | コーニンクレッカ フィリップス エヌ ヴェ | 画像セグメント化のため生体構造変形モデルを選択すること |
KR101307605B1 (ko) | 2012-03-30 | 2013-09-12 | 한국과학기술원 | 중앙 처리 장치(cpu)와 그래픽 처리 장치(gpu)를 동시에 사용하는 nmi 기반의 3차원 비강체 영상 정합 병렬 처리 방법 및 장치 |
CN111429492A (zh) * | 2020-03-20 | 2020-07-17 | 南京航空航天大学 | 一种基于局部不变性的飞机c型梁配准方法 |
Also Published As
Publication number | Publication date |
---|---|
US20030216631A1 (en) | 2003-11-20 |
US7397934B2 (en) | 2008-07-08 |
WO2003083779A3 (en) | 2003-12-24 |
AU2003223072A8 (en) | 2003-10-13 |
WO2003083779A2 (en) | 2003-10-09 |
EP1502237A2 (en) | 2005-02-02 |
AU2003223072A1 (en) | 2003-10-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2005521502A (ja) | 胸部および腹部の画像モダリティの重ね合わせ | |
JP4576228B2 (ja) | 生理学的モデルに基づく非剛体画像位置合わせ | |
Li et al. | Establishing a normative atlas of the human lung: intersubject warping and registration of volumetric CT images | |
Mani et al. | Survey of medical image registration | |
Fischer et al. | Ill-posed medicine—an introduction to image registration | |
US9076201B1 (en) | Volumetric deformable registration method for thoracic 4-D computed tomography images and method of determining regional lung function | |
Wierzbicki et al. | Validation of dynamic heart models obtained using non-linear registration for virtual reality training, planning, and guidance of minimally invasive cardiac surgeries | |
JP2008529644A (ja) | 画像処理装置及び方法 | |
Baka et al. | Statistical shape model-based femur kinematics from biplane fluoroscopy | |
Baiker et al. | Automated registration of whole-body follow-up MicroCT data of mice | |
De Luca et al. | Estimation of large-scale organ motion in B-mode ultrasound image sequences: a survey | |
EP1652122B1 (en) | Automatic registration of intra-modality medical volume images using affine transformation | |
Hong et al. | Automatic lung nodule matching on sequential CT images | |
Camara et al. | Explicit incorporation of prior anatomical information into a nonrigid registration of thoracic and abdominal CT and 18-FDG whole-body emission PET images | |
Liu et al. | Accuracy validation for medical image registration algorithms: a review | |
Bennani et al. | Three-dimensional reconstruction of In Vivo human lumbar spine from biplanar radiographs | |
Gong et al. | Locally adaptive total p-variation regularization for non-rigid image registration with sliding motion | |
Wang et al. | A method of 2D/3D registration of a statistical mouse atlas with a planar X-ray projection and an optical photo | |
McLeod et al. | A near-incompressible poly-affine motion model for cardiac function analysis | |
West et al. | Hybrid point-and-intensity-based deformable registration for abdominal CT images | |
Li et al. | 3D intersubject warping and registration of pulmonary CT images for a human lung model | |
Gigengack et al. | Motion correction in thoracic positron emission tomography | |
Tsuzuki et al. | Animated solid model of the lung constructed from unsynchronized MR sequential images | |
Faber et al. | Automatic alignment of myocardial perfusion images with contrast-enhanced cardiac computed tomography | |
Dey et al. | Estimation of cardiac respiratory-motion by semi-automatic segmentation and registration of non-contrast-enhanced 4D-CT cardiac datasets |