JP2006198410A - 心臓の３ｄ画像データセットにおける左心室の位置および向きの自動決定方法 - Google Patents

Abstract

【課題】心臓の３Ｄ画像データセットにおける左心室および／または隣接範囲の位置および向きの自動決定方法において、使用者との時間のかかる対話なしに左心室および／または隣接範囲の位置および向きの決定を自動的に実施可能にする。
【解決手段】造影剤注入下で画像化断層撮影法により記録された心臓の３Ｄ画像データセットにおける左心室および／または隣接範囲の位置および向きの決定方法において、まず左心室が大まかにセグメント化され、長手主軸がセグメント化された画像データから決定され、この長手主軸から出発して少なくとも１つの平面内において探索線の使用により中隔の境界線の終了点が検出され、セグメント化された画像データ、長手主軸および終了点が左心室の位置および向きを決定し、この画像データ自動分析に基づいてセグメントモデルが割り付けられ、および／または表面モデルが画像データのより正確なセグメント化のために画像データセットにマッチングされる。
【選択図】図１

Description

本発明は、造影剤注入下で画像化断層撮影法、特にコンピュータ断層撮影法により記録された心臓の３Ｄ画像データセットにおける左心室および／または隣接範囲の位置および向きの自動決定方法に関する。

コンピュータ断層撮影法、特にマルチスライスコンピュータ断層撮影法の現代技術により、既に従来行なわれていた冠状血管心臓病の可視化のほかに、機能的分析のための心臓可視化も可能にされる。心臓の３Ｄ画像データの画像記録は、血流の有る範囲、従って造影剤を投与された範囲を、血流の無い構造から区別し得るために、造影剤注入下で行なわれる。

断層撮影モダリティの３Ｄ画像データに基づく機能的心臓分析のための重要な条件は、観察者によって心臓画像中にマーキングされた任意の個所の正確な位置をいつでも観察者が認識および／または照会することができる適切な画像データ可視化である。これは、とりわけ左心室、右心室および心筋層の間のはっきりした区画を必要とする。

この種の区画のために、心臓の個々の範囲への３Ｄ画像データのセグメント化が必要である。最近では、このために、例えばいわゆるＡＳＭ（＝Ａｃｔｉｖｅ Ｓｈａｐｅ Ｍｏｄｅｌ、アクティブシェープモデル）またはいわゆるＰＤＭ（＝Ｐｏｉｎｔ Ｄｉｓｔｒｉｂｕｔｉｏｎ Ｍｏｄｅｌ、ポイント分布モデル）のようなモデルに基づく方法がますます使用される。

トレーニングデータに基づいて作成され、かつ今問題にしている３Ｄ画像データに合わせられる（マッチングされる）これらのモデルについての詳細は公知である（例えば、非特許文献１参照）。心臓の３Ｄ画像データにおける左心室および心筋層構造のセグメント化は、この種のモデルによれば、従来、もちろん使用者による時間のかかる手動対話操作でしか行なうことができない。米国心臓病学会（Ａｍｅｒｉｃａｎ Ｈｅａｒｔ Ａｓｓｏｃｉａｔｉｏｎ；ＡＨＡ）の１７セグメントモデル（ＡＨＡセグメントモデル）の如きセグメントモデルによる心臓の個々の範囲の割り付けのためにも、従来では使用者による手動対話操作を必要とする。この手動対話操作の際、使用者は表示された画像において、既にセグメント化された画像データに関連してセグメントモデルの割り付けを行なうことを可能にする中隔の境界点をマーキングしなければならない。この種のセグメントモデルは心臓を基底範囲、中央窩洞範囲および頂部範囲に分割し、その都度これらの範囲が専門家において心臓描出時に考慮される。
Ｔ．Ｃｏｏｔｅｓ ｅｔ ａｌ．，"Ｓｔａｔｉｓｔｉｃａｌ Ｍｏｄｅｌｓ ｏｆ Ａｐｐｅａｒａｎｃｅ ｆｏｒ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ"，Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｍａｎｃｈｅｓｔｅｒ，５．Ｄｅｃｅｍｂｅｒ ２０００

本発明の課題は、心臓の３Ｄ画像データセットにおける左心室および／または隣接範囲の位置および向きの自動決定方法において、使用者との時間のかかる対話なしに、左心室および／または隣接範囲の位置および向きの決定を自動的に行なえるようにすることにある。

この課題は、本発明によれば、造影剤注入下で画像化断層撮影法により記録された心臓の３Ｄ画像データセットが準備され，３Ｄ画像データセットにおいて、左心室が画像処理アルゴリズムにより少なくとも大まかにセグメント化され、左心室の長手主軸がセグメント化された画像データから決定され、長手主軸から出発して、少なくとも１つの平面において半径方向の探索線により中隔の境界線の２つの終了点が検出され、セグメント化された画像データ、長手主軸および終了点に基づいて左心室の位置および向きが決定されることによって解決される。
さらに、本発明の有利な実施態様は次の通りである。
セグメント化された画像データ、長手主軸および終了点に基づいて、３Ｄ画像データセットまたはその３Ｄ画像データセットからセグメント化された画像データに、左心室のセグメントモデルが割り付けられる（請求項２）。
左心室の大まかなセグメント化が、モデル、特に表面モデルのマッチングによって改善される（請求項３）。モデルのマッチングのための開始パラメータとして開始位置および開始スケーリングが、大動脈における任意の予め与え得る開始点から出発する領域成長アルゴリズムに基づいて大動脈から左心室への移行を検出し右心室に対する左心室の境界を定める前処理によって決定される（請求項４）。開始点から出発する領域成長アルゴリズムがスライスごとにセグメント化を行ない、各スライスにおけるセグメント化によってマスクされたデータにおいて、マスクされた面の重心が決定され、大動脈から左心室への移行が或るスライスから次のスライスへの重心の飛躍的移動に基づいて検出される（請求項５）。
長手主軸の周りを回転するモデルの初期位置を決定するための終了点が、モデルのマッチングのための他の開始パラメータとして利用される（請求項６）。
中隔の境界線（２７）が勾配閾値法によって決定される（請求項７）。

本発明による方法では、造影剤注入下で画像化断層撮影法により記録された心臓の３Ｄ画像データセット、特にコンピュータ断層撮影（ＣＴ）による画像データセットが準備される。３Ｄ画像データセットにおいて、画像処理アルゴリズムにより、左心室がまず少なくとも大まかにセグメント化され、左心室の長手主軸がセグメント化された画像データから決定される。長手主軸から出発して、長手主軸に対して垂直な少なくとも１つの平面において半径方向の探索線により中隔の境界線の２つの終了点が検出される。この検出は閾値法を介して完全自動化されて行なわれる。大まかにセグメント化された画像データ、既知の長手主軸および検出された終了点の位置に基づいて、左心室の位置および向きが決定される。

好ましくは、左心室のこの決定された位置および向きは、３Ｄ画像データまたはその３Ｄ画像データからセグメント化された画像データへのセグメントモデル、特にＡＨＡセグメントモデルの割り付けに利用される。観察者は、その都度表示された画像内における相応の点または範囲のクリックまたはマーキングによって、割り付けられたセグメントに関する情報をセグメントモデルに従って得ることができる。

本方法の他の非常に有利な実施態様において、大まかなセグメント化が３Ｄ画像データセットへのモデルのマッチングによって改善され、モデルのマッチングのための開始パラメータ、すなわち開始位置、スケーリングおよび長手主軸の周りでの回転の向きが、既に存在するデータ、すなわち長手主軸の位置、中隔の境界線の終了点ならびに左心室の大まかなセグメント化から得られる。このようにしてモデルマッチングのために使用者による時間のかかる手動対話操作が回避される。

有利な実施態様において、使用者は心臓の表示画像内の大動脈をクリックすることにより１つの開始点を設定するだけであり、その開始点から出発して本方法の更なるステップが完全自動化されて実行される。使用者は、３Ｄ画像データセットにおける左心室および／または隣接範囲の位置および向きの決定後に、本方法に従って、あらゆる任意の画像表示を指定することができ、いつでも個々の表示された画像範囲の正確な位置に関する情報を知ることができる。これは、使用者による時間のかかかる先行の対話操作なしに、断層撮影による３Ｄ画像データ、特にＣＴ画像データに基づく機能的な心臓分析を可能にする。

以下において、特許請求の範囲によって予め与えられる保護範囲の制限なしに、図面を参照しながら実施例に基づいて本方法をもう一度さらに詳細に説明する。
図１は本方法の実施時における個々の方法ステップの例を示し、
図２は大動脈のセグメント化の際の領域成長アルゴリズムの例を示し、
図３は左心室と右心室との間の分離の例を示し、
図４は中隔の境界線の終了点検出を示し、
図５はＡＨＡセグメントモデルならびに画像データのポーラーマップの例を示し、
図６は中央窩洞平面における中隔の境界線の終了点表示を示す。

本方法の実施時における個々の方法ステップの例が図１に示されている。以下において個々の方法ステップをもう一度さらに詳細に説明する。まず、造影剤注入下でコンピュータ断層撮影装置により記録された心臓の３Ｄ画像データセットが準備される。この場合に機能的心臓分析のための画像データのセグメント化は、心外膜表面および心内膜表面を記述するＡＳＭを３Ｄ画像データセットにマッチングさせることによって行なわれる。

モデルのマッチングのための開始パラメータを自動決定するために、アルゴリズム開始時に３Ｄ画像データセットの表示画像内における大動脈の上部範囲内の一個所を使用者がマウスクリックすることだけが必要であるアルゴリズムが使用される。このようにしてマーキングされた画素から出発して、３Ｄ画像データセットの最初のスライスにおいてこのマーキングされた画素の周りの予め与えられた範囲内の平均強度が算出される。引続いて領域成長アルゴリズム（Ｒｅｇｉｏｎ Ｇｒｏｗｉｎｇ Ａｌｇｏｒｉｔｈｍ）が始まる。この領域成長アルゴリズム（領域拡張アルゴリズムとも呼ばれる）は、このスライスにおいてそれぞれ隣接する全てのボクセルを、それらがこの平均強度値の予め与えられた閾値間隔内にあるか否かという観点で検査する。その間隔内にある全てのボクセルは大動脈と見なされて相応にマーキングされる。その都度その下にある次のスライスに対して同じプロセスが行なわれ、今度は平均の強度平均値が先行スライスにおいてマーキングされたボクセルの平均強度から算出される。領域成長アルゴリズムのスライスごとの実行が図２に概略的に示されている。図２は大動脈１８と領域成長アルゴリズムにおいて相次いで走破される個々のスライス１９とを概略的に示す。

心臓全体への制御されない異常成長を回避するために、領域成長アルゴリズムに成長制限が設定される。これは、本例では、その都度各マーキングされたボクセルの周りに矩形範囲が設定され、この囲われた範囲において最小個数のボクセルがマーキングされているかどうかが検査されることによって行なわれる。この囲われた範囲において最小個数のボクセルがマーキングされていない場合、この範囲がマスクから減じられる。この囲われた範囲において最小個数のボクセルがマーキングされている場合、この範囲がマスクに付け加えられる。このようにして領域成長時の願わしくない成長が回避される。今ここで使用されている領域成長アルゴリズムの結果として、大動脈、左心室のマスクならびに右心室、左心房および右心房の部分のマスクが得られる。

心臓弁の平面を検出するためにスライスごとに画像データの分析が行なわれる。このために、領域成長アルゴリズムにおいて走破される各スライスにおいて、マーキングされたボクセル面の重心が決定される。大動脈から左心室への移行時に、セグメント化された画像データから決定され得るこの重心の強い横方向移動が起こる。従って、重心のこの跳躍が画像データセットにおける大動脈の端部を決定する。マーキングされた面に所属するボクセルの個数もこの個所において飛躍的に増加する。この分析により、３Ｄ画像データセットにおいて大動脈から左心室への移行を自動的に決定することができる。

領域成長アルゴリズムは右心室においても作動可能であるので、これが検出されて右心室が画像データにおいて相応に分離されなければならない。このケースは、大動脈の端部後における重心の新たな跳躍に基づいて検出可能である。この種の跳躍が発生する場合、このことはアルゴリズムが右心室に入り込む兆候である。この場合にはこの新たな跳躍が検出されたスライスの表示において、左心室（ＬＶ）と右心室（ＲＶ）との間に分離線２３が設定される。これが図３に具体的に示されている。この分離線２３の位置決めは、先行スライスにおいてマーキングされた面がこの線によってなんとか交差されないように行なわれる。線の向きは、ＤＩＣＯＭフォーマットに存在する３Ｄ画像データセットに対する付加情報から得ることができる。これらの画像データから画像撮影時における患者の向きが既知となり、この向きによって分離線の向きが同様に決定されている。分離線２３の上方における全てのボクセル（図３参照）が切り離され、マーキングに使用されない。

先行の方法ステップの結果として、左心室のバイナリーマスクが得られ、これに基づいて開始パラメータとしてのＡＳＭの向きおよびスケーリングを決定することができる。

しかしながら、モデルの迅速かつ正確なマッチングのためにはスケーリングおよび位置決めがまだ十分でない。それによっては主軸周りの回転がまだ決定しておらず、同様に決定されなければならない。本方法においては、これが中隔の相応の境界点の手動による決定により行われるのではなく、寧ろこれらの点が次のようにして自動的に決定される。

左心室の上述の構成要素分析から長手主軸２４が既知である。更に、患者の向きは、ＤＩＣＯＭ情報から既知であり、中隔探索時に図４に示された画像表示の右側部分を除外するために利用される。探索は左半球だけにおいて行なわれる。このために、画像データを通して、このスライスにおいて既知の主軸２４から探索線２６が半径方向に引かれる。それぞれの探索線２６に沿ったそれぞれ隣り合うボクセル間の勾配の分析によって、中隔の境界線２７を検出することができる。この場合に予め与え得る閾値を上回る勾配が探索されるだけである。この境界線２７のマッチングのために付加的に数学的な曲線マッチングを行なうとよい。境界線がこのようにして検出され、平滑化される。この境界線２７の勾配が閾値以下になる終了点２８だけが重要である。これらの終了点２８は主軸の周りでの左心室の回転の向きを決定するために利用される。これらの終了点２８の認識によってＡＨＡセグメントモデルが３Ｄ画像データに割り付けられる。モデルは図５の左側に示されている。図５の右側は心臓の画像データの（ブルアイズプロジェクション（Ｂｕｌｌ Ｅｙｅｓ Ｐｒｏｊｅｃｔｉｏｎ）とも呼ばれる）ポーラーマップ表示２９を示し、この表示はＡＨＡセグメントモデルに応じた眺めを表す。この種のポーラーマップ表示は使用者によって指示され３Ｄ画像データから容易に作成可能である。

最後に図６はさらに心臓の中央心室範囲におけるスライスの光学的表示を示す。この表示にはセグメントモデルに応じた個々のセグメントならびに中隔の境界線の終了点２８が示されている。

本発明方法の実施時における個々の方法ステップの例を示すフローチャート 大動脈のセグメント化時の領域成長アルゴリズムの例を示す図 左心室と右心室との間の分離の例を示す図 ＡＨＡセグメントモデルならびに画像データのポーラーマップの例を示す図 中隔の境界線の終了点検出を示す図 中央窩洞平面における中隔の境界線の終了点を示す図

符号の説明

１８ 大動脈
１９ スライス
２３ 分離線
２４ 長手主軸
２５ 右側範囲
２６ 探索線
２７ 境界線
２８ 終了点
２９ ポーラーマップ表示
ＬＶ 左心室
ＲＶ 右心室

Claims (7)

1. 造影剤注入下で画像化断層撮影法により記録された心臓の３Ｄ画像データセットが準備され，
   ３Ｄ画像データセットにおいて、左心室が画像処理アルゴリズムにより少なくとも大まかにセグメント化され、左心室の長手主軸（２４）がセグメント化された画像データから決定され、
   長手主軸（２４）から出発して、少なくとも１つの平面において半径方向の探索線（２６）により中隔の境界線（２７）の２つの終了点（２８）が検出され、
   セグメント化された画像データ、長手主軸（２４）および終了点（２８）に基づいて左心室の位置および向きが決定される
   ことを特徴とする心臓の３Ｄ画像データセットにおける左心室および／または隣接範囲の位置および向きの自動決定方法。
2. セグメント化された画像データ、長手主軸（２４）および終了点（２８）に基づいて、３Ｄ画像データセットまたはその３Ｄ画像データセットからセグメント化された画像データに、左心室のセグメントモデルが割り付けられることを特徴とする請求項１記載の方法。
3. 左心室の大まかなセグメント化が、モデル、特に表面モデルのマッチングによって改善されることを特徴とする請求項１又は２記載の方法。
4. モデルのマッチングのための開始パラメータとして開始位置および開始スケーリングが、大動脈（１８）における任意の予め与え得る開始点から出発する領域成長アルゴリズムに基づいて大動脈（１８）から左心室への移行を検出し右心室に対する左心室の境界を定める前処理によって決定されることを特徴とする請求項３記載の方法。
5. 開始点から出発する領域成長アルゴリズムがスライスごとにセグメント化を行ない、各スライスにおけるセグメント化によってマスクされたデータにおいて、マスクされた面の重心が決定され、大動脈（１８）から左心室への移行が或るスライスから次のスライスへの重心の飛躍的移動に基づいて検出されることを特徴とする請求項４記載の方法。
6. 長手主軸（２４）の周りを回転するモデルの初期位置を決定するための終了点（２８）が、モデルのマッチングのための他の開始パラメータとして利用されることを特徴とする請求項３乃至５の１つに記載の方法。
7. 中隔の境界線（２７）が勾配閾値法によって決定されることを特徴とする請求項１乃至６の１つに記載の方法。