JP2007044488A - パスベースのツリーマッチングのためのシステムおよび方法 - Google Patents
パスベースのツリーマッチングのためのシステムおよび方法 Download PDFInfo
- Publication number
- JP2007044488A JP2007044488A JP2006172696A JP2006172696A JP2007044488A JP 2007044488 A JP2007044488 A JP 2007044488A JP 2006172696 A JP2006172696 A JP 2006172696A JP 2006172696 A JP2006172696 A JP 2006172696A JP 2007044488 A JP2007044488 A JP 2007044488A
- Authority
- JP
- Japan
- Prior art keywords
- tree
- path
- paths
- matching
- match
- 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
- 238000000034 method Methods 0.000 title claims abstract description 97
- 238000005259 measurement Methods 0.000 claims abstract description 19
- 239000011159 matrix material Substances 0.000 claims description 32
- 230000011218 segmentation Effects 0.000 claims description 14
- 210000001367 artery Anatomy 0.000 claims description 11
- 238000011524 similarity measure Methods 0.000 claims description 11
- 238000000605 extraction Methods 0.000 claims description 9
- 238000004891 communication Methods 0.000 claims description 7
- 239000000284 extract Substances 0.000 claims description 5
- 210000003462 vein Anatomy 0.000 claims description 5
- 239000006185 dispersion Substances 0.000 claims description 4
- 230000007547 defect Effects 0.000 abstract 1
- 238000002372 labelling Methods 0.000 description 19
- 238000002059 diagnostic imaging Methods 0.000 description 14
- 238000004422 calculation algorithm Methods 0.000 description 13
- 230000006870 function Effects 0.000 description 12
- 210000004072 lung Anatomy 0.000 description 12
- 230000035479 physiological effects, processes and functions Effects 0.000 description 8
- 238000003384 imaging method Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000013459 approach Methods 0.000 description 5
- 238000002591 computed tomography Methods 0.000 description 5
- 238000002604 ultrasonography Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 238000010191 image analysis Methods 0.000 description 4
- 238000013507 mapping Methods 0.000 description 4
- 238000012067 mathematical method Methods 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 238000013439 planning Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000002685 pulmonary effect Effects 0.000 description 4
- 238000011158 quantitative evaluation Methods 0.000 description 4
- 238000009877 rendering Methods 0.000 description 3
- 238000004040 coloring Methods 0.000 description 2
- 239000002131 composite material Substances 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000000877 morphologic effect Effects 0.000 description 2
- 230000037361 pathway Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 210000001147 pulmonary artery Anatomy 0.000 description 2
- 238000002603 single-photon emission computed tomography Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000010200 validation analysis Methods 0.000 description 2
- 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 1
- 206010061818 Disease progression Diseases 0.000 description 1
- 125000002015 acyclic group Chemical group 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 210000000621 bronchi Anatomy 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000005750 disease progression Effects 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 238000005304 joining Methods 0.000 description 1
- 210000002414 leg Anatomy 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 210000004185 liver Anatomy 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 230000002040 relaxant effect Effects 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 210000003437 trachea Anatomy 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
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
-
- 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
- G06T7/344—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/754—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries involving a deformation of the sample pattern or of the reference pattern; Elastic matching
-
- 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
- G06T2207/10072—Tomographic images
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20036—Morphological image processing
- G06T2207/20044—Skeletonization; Medial axis transform
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20072—Graph-based image processing
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20128—Atlas-based segmentation
-
- 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
-
- 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
- G06T2207/30101—Blood vessel; Artery; Vein; Vascular
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Multimedia (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
【課題】従来技術の欠点を回避するパスベースのツリーマッチングのための方法およびシステムを提供すること。
【解決手段】物理的オブジェクトまたはモデルを表すツリー状構造を収集し;第1のツリー状構造からパスを抽出し、第2のツリー状構造からパスを抽出し、パスに対する類似測定を計算することによって、第1および第2のツリー状構造のパスを比較し;類似測定に基づいてこれらのパスが一致しているか否かを定める、ツリーマッチングのための方法。
【選択図】図2
【解決手段】物理的オブジェクトまたはモデルを表すツリー状構造を収集し;第1のツリー状構造からパスを抽出し、第2のツリー状構造からパスを抽出し、パスに対する類似測定を計算することによって、第1および第2のツリー状構造のパスを比較し;類似測定に基づいてこれらのパスが一致しているか否かを定める、ツリーマッチングのための方法。
【選択図】図2
Description
関連出願の相互参照
本発明は、本願明細書に、その写しが参照として取り入れられた2005年6月22日出願のアメリカ合衆国仮出願60/692,954号の便益を主張するものである。
本発明は、本願明細書に、その写しが参照として取り入れられた2005年6月22日出願のアメリカ合衆国仮出願60/692,954号の便益を主張するものである。
技術分野
本発明は、ツリーマッチングアルゴリズムに関し、より詳細には、医療用画像処理アプリケーションとともに使用される、パスベースのツリーマッチングのためのシステムおよび方法に関する。
本発明は、ツリーマッチングアルゴリズムに関し、より詳細には、医療用画像処理アプリケーションとともに使用される、パスベースのツリーマッチングのためのシステムおよび方法に関する。
ツリーマッチングアルゴリズムは、医療結像において多数の用途を有している。これは殊に、レジストレーション(重ね合わせ)、解剖学的ラベリング、セグメント化、血管および気道ツリー等の器官の案内を含む。
殊に、ツリーマッチングアルゴリズムは肺結像において以下の目的のために使用される。すなわち:異なる時間に撮影された同じ患者の画像内の気道−気道/動脈−動脈ツリーマッチング;異なる患者からの気道−気道/動脈−動脈ツリーマッチング;解剖学的なラベリングを行うための、アトラスに対する患者からの気道−気道/動脈−動脈ツリーマッチング;2つのツリー構造間での対応関係を定めるため、または付加的な気道または動脈の検出を補助するため、または気管支鏡案内のための画像内での気道−動脈マッチング;アトラス、または異なった時間に撮影された同じ患者の画像との静脈のマッチング、である。
異なった時間での同じ患者内の気道−気道および動脈−動脈マッチングは、イメージレジストレーションおよび自動化された量的分析に対する重要な基礎を提供する。例えばこのようなマッチングによって、病気の進行または治療に対する反応を監視するための、時間にわたった気管支壁厚さの自動的な変化測定が可能になる。アトラスとのマッチングは、レントゲン技師に対して幾つかのタスクを容易にする。この例は、K. Mori, J.-I. Hasegawa著「Automated Anatomical Labeling of the Bronchial Branch and Its Application to the Virtual Bronchoscopy System (IEEE Trans, on Medical Imaging, pp. 103-114, Vol. 19, Feb 2000)」およびH. Kitaoka, Y. Park, J. Tschirren, J. Reinhardt著 「Automated Nomenclature Labeling of the Bronchial Tree in 3D-CT Lung Images(Proceedings of the 5th International Conference on Medical Image Computing and Computer Assisted Intervention-Part II, pp. 1-11, Sep 2002)」に記載されている。
アトラスマッチングは、レントゲン技師の報告において識別された問題領域と関連して解剖学的名称を定めるために使用される。異なった患者とのマッチングによって、患者データの大きなスケールでの比較が可能になる。同じ患者内での気道−動脈マッチングは気管支鏡案内のために使用される。これに対する例は、B. Geiger, A.P. Kiraly, D.P. Naidich, C.L. Novak著「Virtual Bronchoscopy of Peripheral Nodules using Arteries as Surrogate Pathways (SPIE Physiology, Function, and Structure From Medical Images, Vol. 5746,2005)」およびB. Geiger, A.P. Kiraly, D.P. Naidich, C.L. Novak, 「System and Method for Endoscopic Path Planning(米国特許出願公開第20050107679号明細書)」 に記載されている。同じ患者内の気道−動脈マッチングは、改善された動脈または気道セグメント化に対する基礎としても用いられる。この例は、T. Buelow, R. Wiemker, T. Blaffert, C. Lorenz, S. Renisch著 「Automatic Extraction of the Pulmonary Artery Tree from Multi-Slice CT Data( SPIE Physiology, Function, and Structure From Medical Images, pp. 730-740, Vol. 5746,2005)」に記載されている。
ツリーマッチングアルゴリズムは、入力としてツリー構造を必要とする。この構造は、分岐点を通じて相互に接続された一連の分枝としてツリーをあらわしている。幾つかの既知のアルゴリズムが、このツリー構造を得るために使用される。これは殊に追跡、セグメント化およびスケルトン化を含む。この例は、 A.P. Kiraly, J.P. Helferty, E.A. Hoffman, G. McLennanおよび W.E. Higgins著 「3D Path Planning for Virtual Bronchoscopy(IEEE Trans. on Medical Imaging, pp. 1365-1379, Vol. 23, Nov 2004)」に記載されている。ツリー構造が得られると、マッチングアルゴリズムは構造およびそこに含まれているあらゆるデータに直接的に作用する。気道、動脈および静脈等の非環ツリー構造体は親分枝および子分枝の固有ヒエラルキーを含む。このようなツリーは、有向性、かつ分岐グラフとして見られる。
同じ患者からの気道−気道ツリーをマッチングさせる幾つかのアプローチがある。アプローチの例はC. Pisupati, L. Wolff, W. Mitzner, E. Zerhouni著「Tracking 3-D Pulmonary Tree Structures (Mathematical Methods in Biomedical Image Analysis, pp. 160-169,1996)」およびJ. Tschirren, K. Palagyi, J.M. Reinhardt, E.A. Hoffmanおよび M. Sonka著「Segmentation, Skeletonization, and Branchpoint Matching - A Fully Automated Quantitative Evaluation of Human Intrathoracic Airway Trees( SPIE Medical Imaging 2003: Physiology and Function: Methods, Systems, and Applications, pp. 187-194, Vol. 5031,2003)」に記載されている。
さらに、気管支ツリーの自動化された解剖学的ラベリングに対する幾つかのアプローチがある。このアプローチの例は、K. Mori, J.-I. Hasegawa著「Automated Anatomical Labeling of the Bronchial Branch and Its Application to the Virtual Bronchoscopy System (IEEE Trans. on Medical Imaging, pp. 103-114, Vol. 19, Feb 2000)」 およびH. Kitaoka, Y. Park, J. Tschirren, J. Reinhardt著「Automated Nomenclature Labeling of the Bronchial Tree in 3D-CT Lung Images(Proceedings of the 5th International Conference on Medical Image Computing and Computer Assisted Intervention-Part II, pp. 1-11, Sep 2002)」に記載されている。
近年のアルゴリズムは一般的に、分岐部点内のフィーチャのセットを結びつける。このアルゴリズムの例は、C. Pisupati, L. Wolff, W. Mitzner, E. Zerhouni著「Tracking 3-D Pulmonary Tree Structures( Mathematical Methods in Biomedical Image Analysis, pp. 160-169,1996)」および J. Tschirren, K. Palagyi, J.M. Reinhardt, E.A. Hoffmanおよび M. Sonka著「Segmentation, Skeletonization, and Branchpoint Matching - A Fully Automated Quantitative Evaluation of Human Intrathoracic Airway Trees( SPIE Medical Imaging 2003: Physiology and Function: Methods, Systems, and Applications, pp. 187-194, Vol. 5031,2003)」および A.C.M. Dumay, R. v.d. Geest, JJ. Gerbrands, E. Jansen, Johan H.C. Reiber著「 Consistent Inexact Graph Matching Applied to Labelling Coronary Segments in Arteriograms( Proc. l1th IAPR, pp. 439-446, Vol. III, 1992)」 および K. Haris, S.N. Efstratiadis, N. Maglaveras, C. Pappas, J. Gourassas, G. Louridas著「Model-based Morphological Segmentation and Labeling of Coronary Angiograms( IEEE Trans, on Medical Imaging, pp.1003-1015, Vol 18, Oct 1999)」に記載されている。
これらのアルゴリズムは、関連したグラフ内で最大クリークを見つけるような一般的なグラフマッチング方法を使用する。この例は、M. Pelillo, K. Siddiqi, S.W. Zucker著 「Matching Hierarchical Structures Using Association Graphs(IEEE Trans. on Pattern Analysis and Machine Intelligence, pp. 1105-1120, Vol. 21, Nov 1999)」およびH. Kitaoka, Y. Park, J. Tschirren, J. Reinbardt著 「Automated Nomenclature
Labeling of the Bronchial Tree in 3D-CT Lung Images (Proceedings of the 5 th
International Conference on Medical Image Computing and Computer Assisted
Intervention-Part II, pp. 1-11, Sep 2002)」に記載されている。 これらのアルゴリズムが、ファジィ割り当を緩和することによってグラフマッチングを行ってよい。この例は、S. Medasani, R. Krishnapuram, Y.S. Choi著 「Graph Matching by Relaxation of Fuzzy Assignments ( IEEE Trans. on Fuzzy Systems, pp. 173-182, Vol. 9, Feb 2001)」に記載されている。
Labeling of the Bronchial Tree in 3D-CT Lung Images (Proceedings of the 5 th
International Conference on Medical Image Computing and Computer Assisted
Intervention-Part II, pp. 1-11, Sep 2002)」に記載されている。 これらのアルゴリズムが、ファジィ割り当を緩和することによってグラフマッチングを行ってよい。この例は、S. Medasani, R. Krishnapuram, Y.S. Choi著 「Graph Matching by Relaxation of Fuzzy Assignments ( IEEE Trans. on Fuzzy Systems, pp. 173-182, Vol. 9, Feb 2001)」に記載されている。
上述したツリーマッチングアルゴリズムはグラフマッチング技術に頼っており、単独のアプリケーションに焦点を合わせている。グラフマッチング技術は、確固たる理論的背景を有しているが、現実世界の医療アプリケーションにとって最適な選択ではないだろう。ここでは誤ったまたは欠落した分枝および相違、および解剖分析における変化が生じ得る。さらに、上述したマッチング方法はツリーのヒエラルキー構造を使用して、分枝−分枝レベルでのマッチングを行う。これらの方法はツリー構造を、分枝データから計算されたフィーチャを有するノードの連続としてみなすので、誤った枝はこの方法の効力を低減させてしまう。さらに、これらの方法のうちの幾つかは、各ツリー構造に対して一致された開始点を必要とし、これによってこの情報が得られない時にはこれらの方法は使用できなくなってしてしまう。この要求によって、より正確な結果のためにツリーの予備的なレジストレーションを行うことも必要になる。さらに、多くの上述した方法は、これらの制限を回避するために手動で作成されるまたは編集されることを必要とする、ツリー構造を必要とする。
米国特許出願公開第20050107679号明細書
K. Mori, J.-I. Hasegawa著「Automated Anatomical Labeling of the Bronchial Branch and Its Application to the Virtual Bronchoscopy System」 IEEE Trans. on Medical Imaging, pp. 103-114, Vol. 19, Feb 2000
H. Kitaoka, Y. Park, J. Tschirren, J. Reinhardt著 「Automated Nomenclature Labeling of the Bronchial Tree in 3D-CT Lung Images」Proceedings of the 5th International Conference on Medical Image Computing and Computer Assisted Intervention-Part II, pp. 1-11, Sep 2002
B. Geiger, A.P. Kiraly, D.P. Naidich, C.L. Novak著「Virtual Bronchoscopy of Peripheral Nodules using Arteries as Surrogate Pathways 」SPIE Physiology, Function, and Structure From Medical Images, Vol. 5746,2005
T. Buelow, R. Wiemker, T. Blaffert, C. Lorenz, S. Renisch著 「Automatic Extraction of the Pulmonary Artery Tree from Multi-Slice CT Data」 SPIE Physiology, Function, and Structure From Medical Images, pp. 730-740, Vol. 5746,2005
A.P. Kiraly, J.P. Helferty, E.A. Hoffman, G. McLennanおよび W.E. Higgins著 「3D Path Planning for Virtual Bronchoscopy」IEEE Trans. on Medical Imaging, pp. 1365-1379, Vol. 23, Nov 2004
C. Pisupati, L. Wolff, W. Mitzner, E. Zerhouni著「Tracking 3-D Pulmonary Tree Structures 」Mathematical Methods in Biomedical Image Analysis, pp. 160-169,1996
J. Tschirren, K. Palagyi, J.M. Reinhardt, E.A. Hoffmanおよび M. Sonka著「Segmentation, Skeletonization, and Branchpoint Matching - A Fully Automated Quantitative Evaluation of Human Intrathoracic Airway Trees」 SPIE Medical Imaging 2003: Physiology and Function: Methods, Systems, and Applications, pp. 187-194, Vol. 5031,2003
K. Mori, J.-I. Hasegawa著「Automated Anatomical Labeling of the Bronchial Branch and Its Application to the Virtual Bronchoscopy System (IEEE Trans. on Medical Imaging, pp. 103-114, Vol. 19, Feb 2000)」
H. Kitaoka, Y. Park, J. Tschirren, J. Reinhardt著「Automated Nomenclature Labeling of the Bronchial Tree in 3D-CT Lung Images(Proceedings of the 5th International Conference on Medical Image Computing and Computer Assisted Intervention-Part II, pp. 1-11, Sep 2002)」
C. Pisupati, L. Wolff, W. Mitzner, E. Zerhouni著「Tracking 3-D Pulmonary Tree Structures( Mathematical Methods in Biomedical Image Analysis, pp. 160-169,1996)」
J. Tschirren, K. Palagyi, J.M. Reinhardt, E.A. Hoffmanおよび M. Sonka著「Segmentation, Skeletonization, and Branchpoint Matching - A Fully Automated Quantitative Evaluation of Human Intrathoracic Airway Trees( SPIE Medical Imaging 2003: Physiology and Function: Methods, Systems, and Applications, pp. 187-194, Vol. 5031,2003)」
A.C.M. Dumay, R. v.d. Geest, JJ. Gerbrands, E. Jansen, Johan H.C. Reiber著「 Consistent Inexact Graph Matching Applied to Labelling Coronary Segments in Arteriograms」 Proc. l1th IAPR, pp. 439-446, Vol. III, 1992
K. Haris, S.N. Efstratiadis, N. Maglaveras, C. Pappas, J. Gourassas, G. Louridas著「Model-based Morphological Segmentation and Labeling of Coronary Angiograms」 IEEE Trans. on Medical Imaging, pp.1003-1015, Vol 18, Oct 1999
M. Pelillo, K. Siddiqi, S.W. Zucker著 「Matching Hierarchical Structures Using Association Graphs」 IEEE Trans. on Pattern Analysis and Machine Intelligence, pp. 1105-1120, Vol. 21, Nov 1999
H. Kitaoka, Y. Park, J. Tschirren, J. Reinbardt著 「Automated Nomenclature Labeling of the Bronchial Tree in 3D-CT Lung Images 」 Proceedings of the 5 th International Conference on Medical Image Computing and Computer Assisted Intervention-Part II, pp. 1-11, Sep 2002
S. Medasani, R. Krishnapuram, Y.S. Choi著 「Graph Matching by Relaxation of Fuzzy Assignments 」 IEEE Trans. on Fuzzy Systems, pp. 173-182, Vol. 9, Feb 2001
本発明の課題は、従来技術の欠点を回避するパスベースのツリーマッチングのための方法およびシステムを提供することである。
上述の課題は、物理的オブジェクトまたはモデルを表すツリー状構造を収集し;第1のツリー状構造からパスを抽出し、第2のツリー状構造からパスを抽出し、前記パスに対する類似測定を計算することによって、第1および第2のツリー状構造のパスを比較し;当該類似測定に基づいて前記パスが一致しているか否かを定める、ことを特徴とする、ツリーマッチングのための方法によって解決される。さらに上述の課題は、第1のツリー状構造および第2のツリー状構造からパスを収集し;第1のツリー状構造のパスおよび第2のツリー状構造のパスに対する類似測定を計算することによって、第1のツリー状構造のパスと、第2のツリー状構造のパスを比較し;第2のツリー状構造のパスのどのパスが、第1のツリー状構造のパスと最も一致しているのかを、当該類似測定に基づいて定める、ことを特徴とする、ツリー状構造のパスを別のツリー状構造にマッチングさせるための方法によって解決される。さらに上述の課題は、プログラムを格納するためのメモリデバイスと;当該メモリデバイスと通信するプロセッサとを含み、ここでこのプロセッサプログラムで動作し:物理的オブジェクトまたはモデルを表すツリー状構造を収集し;第1のツリー状構造からパスを抽出し、第2のツリー状構造からパスを抽出し:前記パスに対する類似測定を計算することによって、第1および第2のツリー状構造のパスを比較し;当該類似測定に基づいて前記パスが一致しているか否かを定める、ツリーマッチングのためのシステムによって解決される。さらに、上述の課題は、ツリー状構造のパスを別のツリー状構造にマッチングさせるためのシステムであって:プログラムを格納するためのメモリデバイスと;当該メモリデバイスと通信するプロセッサとを含み、ここでこのプロセッサはプログラムで動作し:第1のツリー状構造および第2のツリー状構造からパスを収集し;第1のツリー状構造のパスおよび第2のツリー状構造のパスに対する類似測定を計算することによって、第1のツリー状構造のパスと、第2のツリー状構造のパスを比較し;第2のツリー状構造のパスのどのパスが、第1のツリー状構造のパスと最も一致しているのかを、当該類似測定に基づいて定める、ことを特徴とする、ツリー状構造のパスを別のツリー状構造にマッチングさせるためのシステムによって解決される。
発明の概要
本発明の1つの実施形態では、ツリーマッチング方法は以下のステップを含む、すなわち:物理的オブジェクトまたはモデルをあらわすツリー状構造を収集する;第1のツリー状構造からのパスおよび第2のツリー状構造からのパスを抽出する;これらパスに対する類似測定を計算することによって、第1および第2のツリー状構造のパスを比較する;この類似測定に基づいてこれらのパスが一致しているか否かを定める。
本発明の1つの実施形態では、ツリーマッチング方法は以下のステップを含む、すなわち:物理的オブジェクトまたはモデルをあらわすツリー状構造を収集する;第1のツリー状構造からのパスおよび第2のツリー状構造からのパスを抽出する;これらパスに対する類似測定を計算することによって、第1および第2のツリー状構造のパスを比較する;この類似測定に基づいてこれらのパスが一致しているか否かを定める。
この方法はさらに、ツリー状構造の各パスがマッチングするまたは除外されるまで、抽出ステップ、比較ステップおよび確定ステップを繰り返すことを含む。
パスは、1つまたは2つのツリー状構造のヒエラルキーに従って比較される。この方法はさらに以下のステップを含む。すなわち:他のパスの類似測定に基づいてパスが一致しているか否かを定める;マッチされたパスを記録するためのマッチングマトリクスを作成する;最も一致しているパスが既に別のパスと一致している場合には、次の最適一致パスにパスをマッチングさせるための確率マトリクス(Probability matrix)を作成する。
この方法はさらにパスを比較する前にツリー状構造をアライメントすることを含む。
ツリー状構造は気道、動脈または静脈である。ツリー状構造は、追跡、セグメント化、またはスケルトン化(細線化)によって得られる。パスはセグメント化、中心線抽出、または直接的にツリー状構造から抽出される。
パスの抽出は、複数のパスのうちの1つのパスを、複数のパス間の比較に対する基礎として選択することを含む。長いパスのサブセクションにマッチする短いパスが、複数のパス間の比較に対する基礎として選択される。類似測定はパスの距離フィーチャ、角度フィーチャ、距離分散(distance variance)フィーチャ、またはこれらのフィーチャの数値的な組み合わせである。
本発明の他の実施形態では、ツリー状構造のパスを別のツリー状構造とマッチングさせるための方法は次のことを含む。すなわち:第1のツリー状構造および第2のツリー状構造からパスを収集する;第1のツリー状構造のパスおよび第2のツリー状構造のパスに対する類似測定を計算することによって、第1のツリー状構造のパスと、第2のツリー状構造のパスを比較する;第2のツリー状構造のパスのどのパスが、第1のツリー状構造のパスと最も一致しているのかを、この類似測定に基づいて定める。
この方法はさらに、第1および第2のツリー状構造をマッチさせるために、収集ステップ、比較ステップおよび確定ステップを繰り返すことを含む。
第1および第2のツリー状構造のパスは、1つまたは2つのツリー状構造のヒエラルキーに従って比較される。
この方法はさらに以下のステップを有する。すなわち:マッチされたパスを記録するためのマッチングマトリクスを作成する;最も一致パスが既に別のパスに一致している場合には、次の最適一致パスを可能にするために、パスをマッチングさせるための確率マトリクスを作成する。
この方法はさらに以下のステップを有する。すなわち:マッチされたパスを記録するためのマッチングマトリクスを作成する;最も一致パスが既に別のパスに一致している場合には、次の最適一致パスを可能にするために、パスをマッチングさせるための確率マトリクスを作成する。
本発明のさらに別の実施形態では、ツリーマッチングのためのシステムは以下のものを含む。すなわち:プログラムを格納するためのメモリデバイスと;このメモリデバイスと通信するプロセッサを含み、このプロセッサは以下のプログラムで動作する、すなわち:物理的オブジェクトまたはモデルをあらわすツリー状構造を収集する;第1のツリー状構造からのパスおよび第2のツリー状構造からのパスを抽出する;これらのパスに対する類似測定を計算することによって、第1および第2のツリー状構造のパスを比較する;この類似測定に基づいてこれらのパスが一致しているか否かを定める。
このプロセッサはさらに、ツリー状構造の各パスがマッチするまたは除外されるまで抽出ステップ、比較ステップおよび確定ステップを繰り返すプログラムコードで動作する。
パスは1つまたは2つのツリー状構造のヒエラルキーに従って比較される。
このプロセッサはさらに、以下のプログラムコードで動作する。すなわち:他のパスの類似測定に基づいてこれらのパスが一致しているか否かを定める;マッチされたパスを記録するためのマッチングマトリクスを作成する;最も一致しているパスが既に別のパスに一致している場合にパスを次の最適一致パスにマッチングさせるための確率マトリクスを作成する。
このプロセッサはさらに、以下のプログラムコードで動作する。すなわち:他のパスの類似測定に基づいてこれらのパスが一致しているか否かを定める;マッチされたパスを記録するためのマッチングマトリクスを作成する;最も一致しているパスが既に別のパスに一致している場合にパスを次の最適一致パスにマッチングさせるための確率マトリクスを作成する。
本発明のさらに別の実施形態では、ツリー状構造のパスを別のツリー状構造とマッチングさせるためのシステムは以下のものを含む。すなわち:プログラムを格納するためのメモリデバイスと;このメモリデバイスと通信するプロセッサとを含み、ここでこのプロセッサは以下のプログラムで動作する。すなわち:第1のツリー状構造および第2のツリー状構造からパスを収集する;第1のツリー状構造および第2のツリー状構造からのパスに対する類似測定を計算することによって、第1のツリー状構造のパスを第2のツリー状構造のパスと比較する;この類似測定に基づいて、第2のツリー状構造のどのパスが、第1のツリー状構造のパスと最も一致するかを定める。
このプロセッサはさらにプログラムコードで作動し、第1および第2のツリー状構造がマッチするまで、収集ステップ、比較ステップおよび確定ステップを繰り返す。
第1および第2のツリー状構造のパスは、1つまたは2つのツリー状構造のヒエラルキーに従って比較される。
このプロセッサはさらにプログラムコードで作動し:マッチされたパスを記録するためのマッチングマトリクスを作成する;最も一致しているパスが既に別のパスにマッチングしている場合に次の最適一致パスを可能にするために、パスをマッチングさせるための確率マトリクスを作成する。
上述の特徴は代表的な実施形態のものであり、本発明の理解を補助するために提示されている。これらは特許請求の範囲によって規定される本発明を限定するもの、また特許請求の範囲に相当するものを限定するものと考えられるべきではない。従って、この特徴の概要は相当事項を確定するための方向性を定めるものと考えられるべきではない。本発明のさらなる特徴は以下の説明、図および特許請求の範囲から明らになるであろう。
実施例の詳細な説明
本発明の実施形態に従ったパスベースツリーマッチングに対する一般的な枠組みは、ツリー構造から導かれたパスを他のツリー構造からのパスと比較することを伴う。これはパスの逐点(point-by-point)比較を行うことによって実行される。ここではこのパス間の類似性をあらわすフィーチャが使用され、これらのフィーチャに基づいて数値的な値が得られる。その後この数値的値は、これらのパスが一致したのか否かを定めるために使用される。
本発明の実施形態に従ったパスベースツリーマッチングに対する一般的な枠組みは、ツリー構造から導かれたパスを他のツリー構造からのパスと比較することを伴う。これはパスの逐点(point-by-point)比較を行うことによって実行される。ここではこのパス間の類似性をあらわすフィーチャが使用され、これらのフィーチャに基づいて数値的な値が得られる。その後この数値的値は、これらのパスが一致したのか否かを定めるために使用される。
パスベースのツリーマッチング方法はグラフマッチングから独立している。これは完全なパスの逐点比較に基づいているので分岐点から独立しており、従って誤った分枝および欠落した分枝に対して非常に強い。このパスベースのツリーマッチング方法は不規則なツリー構造を支持する。これは例えば複数の親を有する分枝または不完全なセグメント化および中心線抽出によって生じる平らなループである。
これらのフィーチャはヒエラルキーを回避することによって得られるが、階層的な拘束を伴うツリー全体のマッチングは粗い方法で起こり得る。これは例えば、本発明の実施形態に相応する分枝拘束を用いることによって起こり得る。付加的に、パスベースツリーマッチング方法は多対一パスマッピングを可能にするが、一対一パスマッピングがマッチングマトリクスによって強化される。さらにパスベースツリーマッチング方法は、一般的なグラフマッチングアルゴリズムよりも多くの処理時間を必要とするが、実行時間を低減させるために使用される種々の最適化が考察される。
本発明の実施形態に相応する、パスベースツリーマッチングのためのシステムおよび方法を以下で詳細に説明する。
図1は、本発明の実施形態に相応した、パスベースツリーマッチングのためのシステム100をあらわすブロックダイヤグラムである。図1に示されているようにシステム100は収集デバイス105、PC110およびオペレータコンソール115を含む。ここでこのオペレータコンソールはワイヤ接続された、またはワイヤレスのネットワーク120を介して接続されている。
収集デバイス105は、磁気共鳴(MR)結像デバイス、コンピュータトモグラフィ(CT)結像デバイス、ヘリカルCTデバイス、陽電子放射型コンピュータ断層撮影(PET)デバイス、シングルフォトンエミッションコンピューテッドトモグラフィ(SPECT)デバイス、ハイブリッドPET−CTデバイス、ハイブリッドSPECT−CTデバイス、二次元または三次元蛍光透視デバイス、二次元、三次元または四次元超音波(US)結像デバイス、またはx線デバイスであってよい。さらに、収集デバイスはマルチモデルまたはハイブリッド収集デバイスであってよい。これは例えばPETモード、SPECTモードまたはMRモードで画像を収集することができる。
PC110は、ポータブルまたはラップトップコンピュータ、医療診断結像システムまたはPicture archiving communication system(PACS)データ管理ステーションであってよく、CPU125およびメモリ130を含む。これは入力デバイス150および出力デバイス155と接続されている。CPU125は、パスベースツリーマッチングモジュール145を含む。これは、以降で図2〜6を参照して考察するパスベースツリーマッチングを実施するための1つまたは複数の方法を含んでいる。CPU125内に示されているが、パスベースツリーマッチングモジュール145はCPU125の外側に配置されていてもよい。
メモリ130は、ランダムアクセスメモリ(RAM)135およびリードオンリーメモリ(ROM)140を含む。メモリ130は、データベース、ディスクドライブ、テープドライブ等、またはその組み合わせを含み得る。RAM135はデータメモリとして機能する。これはCPU125内のプログラムの実行の間に使用されるデータを格納し、ワーク領域として使用される。ROM140は、CPU125内で実行されるプログラムを格納するためのプログラムメモリとして機能する。入力部150は、キーボード、マウス等によって構成されており、出力部150は液晶ディスプレイLCD、CRTディスプレイまたはプリンタによって構成される。
システム100の動作はオペレータコンソール115からコントロールされる。このオペレータコンソールは例えばキーボードであるコントローラ165およびディスプレイ160を含む。オペレータコンソール115はPC115および収集デバイス105と通信し、収集デバイス105によって集められた画像データがPC110によってレンダリングされ、ディスプレイ160上で見られる。PC110は、オペレータコンソール115がなくても、収集デバイス105によって供給された情報を処理し、表示することができるものと理解されたい。これは例えばコントローラ165およびディスプレイ160によって実行される特定のタスクを行う、入力150および出力155デバイスを用いることで行われる。
オペレータコンソール115はさらに、あらゆる適切な画像レンダリングシステム/ツール/アプリケーションを含んでよい。これは、収集されたイメージデータセットのデジタルイメージデータ(またはその一部)を処理し、イメージを作成し、ディスプレイ160上に表示する。より詳細には、画像レンダリングシステムは、医療画像データをレンダリングし、視覚化するアプリケーションであり、汎用コンピュータワークステーションまたは専用コンピュータワークステーションで実行される。PC110も上述した画像レンダリングシステム/ツール/アプリケーション含み得ることを理解されたい。
図2は、本発明の実施形態に従った、パスベースツリーマッチング方法の動作を表すフローチャートである。
図2に示されているように、物理的オブジェクトまたはモデルをあらわすツリー状構造が収集される(210)。
パスベースのツリーマッチング方法ではツリーTは、二重リンク有向性分枝B=(SB、PB、CB)の集合である。これは等距離の部位(Site)のセットSBを含み、自身の親PB(例えば気道または動脈内の1つ)にリンクし、その子CB(例えば気道または動脈に2つまたはそれより多い)にリンクする。親を有していない分枝PB=φはルート分枝と定められ、またいかなる子も有していない分枝CB=φは終端分枝と定められる。部位のセットSBは、順序付けされた等距離の三次元座標のベクトルである。これは開始部位として定められた第1の部位と、SBの終端部位と定められた最後の部位を伴う。さらに、分枝は常に親または子であると見なされているので、ツリーは固有のヒエラルキーを含む。ループがないと想定すると、各分枝は特定の世代番号に属する。ルート分枝は世代0で、このルートの子は世代1である、等である。
ツリー状構造は、気道、動脈、静脈および管路系等のあらゆる分岐管状構造である。この分岐管状構造は例えば収集デバイス105を使用することによって得られる。これは例えばCTスキャナーであり、患者の胸部をスキャンして、肺に関する、一連の二次元画像切片を作成する。その後、この肺の二次元画像切片が組み合わされ、三次元画像が作成される。
肺に加えて、分岐管状構造は体のあらゆる部分から収集されることを理解された。これは例えば肝臓、脚または脳である。さらに、MRIデバイスまたは他のあらゆる結像デバイスから得られた他のタイプのデータが、本発明の実施形態に相応して使用されてよい。これらの結像デバイスは収集デバイス105の種々の変更に関連する。
ツリー状構造が得られると、各構造からパスが抽出される(220)。
パスは、1つまたは複数の直接的にリンクされた分枝の組み合わせである。これは、第1の分枝内のあらゆる部位で始まり、関連する最後の分枝のあらゆる部位で終了する。完全なパスは、ルート分枝のルート部位で始まり、あらゆる終端分枝の終端部位で終わるパスとして定められる。このヒエラルキーの故に、あらゆる完全なパスは常にルート分枝を含む。このパスはあらゆるセグメント化、中心線抽出またはキャプチャー方法によって抽出される。
各ツリー状構造からパスを抽出した後、これらのパスは、パス間の類似測定を計算することによって相互に比較される(230)。この測定は関数を使って定められる。この関数は、1つのパスからの点を他のパス内の点と比較する。ここでパスのうちの1つが、比較のための基礎として選択される。
パス比較のための2つのパスのうちのより短いほうを選択することはより効果的であることを理解されたい。なぜなら、短いほうのパスは長いほうパスのサブセクションにマッチすると想定されるからである。これは等しい対応部分を有していない部位毎の(site-by-site)比較における点を使用することを回避する。しかし、長いほうのパスを使用することも可能であり、このパスベースツリーマッチング方法の使用を制限するものではない。例えば、完全な気道パスがより隣接して始まるルート部位を有し、動脈パスがおそらくさらに周囲へ向かって延在するであろう場合にも、周辺の気管支に対して動脈をマッチングさせることが可能である。
基礎またはオリジナルツリー内の開始および終了部位を選択した後に、全ての部位を、中間的に1つの構造体に結合させることによってオリジナルパスが作成される。ここでこの構造体はヒエラルキー情報を有していない。すなわち、親および子分枝の全ての概念が除去され、一連の部位が残される。
幾つかの異なった類似性フィーチャがパスを比較するのに使用される。3つの例が含まれる。すなわち:距離、角度および分散である。距離フィーチャはパス間のオフセットをあらわし、角度フィーチャはパス方向における差を示し、分散フィーチャはパス間のオフセットの変化を計算する。他のフィーチャも、パスを比較するために使用可能である。最適なフィーチャの選択はアプリケーションに依存するが、上述したフィーチャは、一般的なケースにおいて良好に機能する。他の数値的なフィーチャを容易にパスベースツリーマッチング方法に組み入れることができる。
距離フィーチャは比較されるパス間の平均二乗された距離をあらわす。これは、オリジナルパスの各部位と、比較パス内のその最も近い部位の間の、二乗された距離を要約することによって計算される。その後、オリジナルパスの部位の数によって、この合計が除算される。核分枝の全ての部位が等しい距離に位置しているので、部位の数はパスの長さに等しい。
ここでPi=オリジナルパスの部位iであり、C(Pi| q)=Piに対する比較構造のパスq内の最も近い部位である。
角度フィーチャは、比較される2つのパスの方向の平均差異を見積もる。分枝の直線再現は使用されないので、各部位でのパスの方向は僅かに異なり得る。正確な差異を計算するために、オリジナルパスのどの部位が、比較分枝のどの部位に相応するのかを知る必要がある。この関係は事前には知られていないので、オリジナルパスの各部位での正接の方向と、比較パスの最も近い部位での方向の間の差異が使用される。その後、合計がオリジナルパスの点の数によって除算される。
ここで
=オリジナルパスの部位iでの方向であり、
=Piに対する比較構造のパスq内の最も近い部位での方向である。
=オリジナルパスの部位iでの方向であり、
=Piに対する比較構造のパスq内の最も近い部位での方向である。
分散フィーチャは、上述した距離フィーチャにわたる分散である。
ここでPi=オリジナルパスの部位iであり、C(Pi| q)=Piに対するパスq内の最も近い部位であり、dは平均二乗された距離である。
これらのフィーチャが計算されると、パスが一致しているか否かが定められる(240)。
これは例えば、これらのフィーチャを比較ツリーの完全なパスに加えることによって、実行される。これによってオリジナルパスに関する距離ベクトルが得られる。このベクトルを単独値に変換するために、ノルム化されたコンビネーション(Normed combination)と称される、シンプルなコンビネーション方法が使用される。ノルム化されたコンビネーションは、各成分の変化性を考慮する。ここで高い変化性を伴う成分は、低い変化性を伴う成分よりも低い重みを受け取る。これは各成分をその分散で再スケーリングすることによって得られる。距離ベクトル
のノルムは
に等しい。
のノルムは
ここで、
は分散のマトリクスであり、ここでメインダイアゴナルおよびゼロ値およびあらゆるほかのところでの分散を有する。結果として、比較ツリーの各完全なパスは単独値を有する。これはオリジナルパスへのその類似性をあらわす。ここで、もっとも小さい値を有するパスが最適一致になる。等しい小さい値を複数のパスが有する場合には、そのうちの1つが無作為に選択される、またはより進歩した分析が、現在のマッチとの調和に基づいて実施される。
は分散のマトリクスであり、ここでメインダイアゴナルおよびゼロ値およびあらゆるほかのところでの分散を有する。結果として、比較ツリーの各完全なパスは単独値を有する。これはオリジナルパスへのその類似性をあらわす。ここで、もっとも小さい値を有するパスが最適一致になる。等しい小さい値を複数のパスが有する場合には、そのうちの1つが無作為に選択される、またはより進歩した分析が、現在のマッチとの調和に基づいて実施される。
このパスベースツリーマッチング方法を使用して完全なツリーがマッチする場合には、多対一マッチングが生じる。なぜならマッチングはパス毎に行われ、現在のマッチ割当を考慮しないからである。換言すれば、オリジナルツリー内の各パスが、比較ツリー内のパスに対して1つの一致しか有していなくても、比較ツリー内の所与のパスは、オリジナルパス内の1つより多いパスと一致される。一対一マッチングは、最初に完全な距離マトリクスを計算すること、および次にこのマトリクスに基づいてベストマッチを選択することによって得られる。
2つのパスが一致しているので、種々のラインベースフィーチャが使用されて、類似測定値が定められる。この類似測定値は、2つの三次元曲線間の変換に基づいてよい。曲率および一連の点の関数のあらゆる他の尺度等のフィーチャも使用可能である。例えば高い次数の多項式がパスにフィットし、その方程式が比較に使用される。さらに、これらのフィーチャの組み合わせが使用され、パスベースツリーマッチング方法の強さが高められる。
全体的なツリー構造をマッチングさせるためのパスベースツリーマッチング方法の使用の記述が続く。例えば、一致が所望されているオリジナルツリー内でパスを手動で示す代わりに、各完全なパスが自動的に選択され、他のツリー内の他の完全なパスに一致される。これは、ツリー内の全てのパスが一致されるまで各可能な完全なパスに対して、繰り返される(250)。
しかし、計算されるフィーチャ、特に距離フィーチャを収納するために、ツリー構造全体がマッチングされる前に、ツリー構造の幾つかの種類のアライメントが実施される必要があることを理解されたい。このアライメントは、多くのアプリケーションにおいて、ツリー構造の主要分枝点を用いることで実行される。このアライメントは自動的に行われ得る。気道−動脈マッチングでは、ルート部位における違い(例えば、気道に対する気管および動脈に対する心臓)のために、このアライメントプロセスが可能でないことがある。
角度および距離変動等の他のフィーチャはパス位置からより独立しているので、ツリー構造はアライメントされる必要がない。なぜなら、これらはアフィン変換に対してそれほど敏感ではない、または不変だからである。これらのフィーチャはおそらく、適切なマッチングのために付加的な拘束を必要とするであろう。なぜならこれらは多くの可能な一致を可能にするからである。例えば、これらのフィーチャは、左肺および右肺内の気道パスを、第2のツリーの右肺内のパスに一致させることを可能にする。従って、このようなことを起こるのを阻止するために付加的な拘束が必要とされる。
一対一マッチング拘束がマッチングマトリクスを使用することによって付加される。パス対パスマッチングが多対一マッピングを生じさせるので、一対一に対する一致を拘束する目的のために、一致のマトリクスが作成される。このマトリクスは、列内に挙げられた第1のツリーの全ての可能なパスを含む。また、第2のツリーの全ての可能なパスが行内に挙げられている。マトリクス内の各エントリは、2つのパス間の一致の尺度を含む。全ての距離値の絶対的な最小距離の反復した選択し、上述したようにタイを処理し、一致したとして関連するパスにラベリングし、これらをさらなるマッチングに対して無視することによって、一対一一致拘束が強制的に実施される。
オリジナルパスは比較ツリー内に同等なものを有していないので、一対一マッチング拘束は適切な結果を得ずに、早期の一致が不正確に行われた場合には、誤ったラベリングの連鎖に終わってしまう。従って、確率マトリクスが導入される。この確率マトリクスは一対一一致を作成することを試みるが、単独のケースでは多対一マッチングを可能にもする。従って一致されたパスは、さらなるマッチに対して完全には無視されない。
例えば、最も一致しているパスが既に一致されている場合には、その相違測定値が僅かにのみ高い、次のベストの、一致されていないパスがベストマッチよりも高い可能性になる。このような要求を満たすさらなるパスが見つけられない場合には、既に一致しているパスがベストマッチとしてラベリングされ、この一致の確率およびこのパスの既に存在している一致の確率が割り当てられた一致の数によって低減される。このマッチングマトリクスを用いることによって、一対一マッチングが改善される。これは先行の一致のスコアが特定の一致に与えられることが阻止されることによって行われる。このマトリクスは、この枠内で拘束が形成される1つの方法でしかない。
一致されたパスが与えられると、これらのパス内のどの分枝が対応しているのかが定められる。従って分枝対分枝マッチングはこの結果から導き出される。これは、一致されたパスを介して一致されている、各分枝または一連の点に対して一致票数を作成することによって実行される。より頻繁に一致される分枝が、最初に一致される。例えば、n個の一致されたパスが暗に同じ2つの分枝に一致する場合、この分枝一致はn票数を得る。この投票スキーマは、どの分枝がともに一致しているのかを定めるのに使用されるだけでなく、所与の分枝一致が得た票の数、および第2の競争相手が得た票の数に基づいて信頼度を定めるのにも使用される。この信頼度ファクターは、さらなる処理ステップに影響を与えるために使用される。
例えば、レジストレーション方法において、より大きな信頼度を有する一致はレジストレーションモデルに対してより大きい影響力を有する。低い信頼性領域もユーザに提供可能であり、これによって迅速な半自動インタフェースが可能になる。付加的に、一連の一が一致されるので、オリジナルツリー内の1つの分枝が他のツリー内の2つの分枝に一致される。誤った分枝が正しい分枝を2つの部分に分ける場合にこれが起こり得る。
分枝マッチングの使用は、ヒエラルキー拘束も可能にする。高い信頼度でマッチングされた2つの分枝は、次のことを課す。すなわち、これらの分枝を有する全ての他の可能なパスがこれらの分枝の部位で一致しなければならないことを課す。付加的に、1つの分枝が一致すると、反復プロセスが行われ、一致された分枝の終端がルート部位として機能し、プロシージャが繰り返される。この反復方法はヒエラルキー拘束の使用を可能にする。また同時にグラフマッチングを基本とした方法の欠点を同じく回避することができる。
パスベースツリーマッチング方法は、一般的なグラフマッチングアルゴリズムより長い処理時間を必要とするので、以下で説明する幾つかの最適化がこの方法の速度を高めるために使用される。
第1に、比較動作はそれぞれ独立しているので、パスベースツリーマッチング方法は多重インプリメンテーションに対して開放されている。これによってデュアル・プロセッサ上で潜在的に速度が2倍になり、より多くのプロセッサを有するプロセッサ上でさらに速くなる。第2に、遠いまたは非常に不所望なパス一致が容易に識別され、よりコストのかかる比較ステップが回避される。第3に、最適なフィーチャ組み合わせの識別の後、各比較ペアに対する個々のフィーチャの計算が最適化され、各フィーチャセットに対する計算時間が単独フィーチャの目下の計算時間よりも長くなることがない。フィーチャはポイントベースなので、計算時間は、パスを定める部位の数に依存する。幾つかのケースでは、最適な結果に達するための部位の間の必要な距離が増加する。これは、各フィーチャ計算に対する計算時間を直接的に低減させる。
他の最適化では、現在の一致に基づくマッチングマトリクスおよびヒエラルキー拘束が、どのパスが比較されるべきでないのかを予測するのに使用される。従って、従来のグラフマッチングのほうが本来は速いが、これらの最適化の使用はパスベースツリーマッチング方法に必要とされる時間を格段に低減させる。しかし、単独パスのマッチのみを必要とする気管支鏡プランニング等のアプリケーションにおいては、パスベースのツリーマッチング方法はグラフマッチングアプローチより性能が優れている。なぜなら全体的なマッチングプロセスが行われる必要がないからである。
全ての分岐を可能な一致であると考慮しない場合の速度差の例を次に挙げる。1つのフィーチャを使用して、44のパスを有するツリーを、66のパスを有するツリーにマッチングさせるための時間は4分28秒である。各オリジナルパスが全ての比較パスと比較されるので、このフィーチャは約2900回計算され、これは92.2msの平均処理時間で行われる。これは各パス内の部位の数に依存する。例えば右/左の上葉支と右/左の体幹中間との間の分岐点の事前識別は、オリジナルツリーを4つの部分に分ける。これは約4倍の速度上昇になる。一般的な距離等の他の比較フィーチャも、どのパスが比較される必要がないかを定めるために使用される。
このパスベースのツリーマッチング方法は、気道−気道マッチングおよび気道−動脈マッチングで、優秀な結果を伴ってテストされている。最初の妥当性確認のために、気道ツリーの一部は合成して作成された比較ツリーに一致されている。人工的なツリーは、基礎としてオリジナルのデータを使用し、その後このデータを修正することによって作成される。はじめに、パラメータ特有の領域内のランダムオフセットが各部位に加えられ、これらのツリーの間のポジショニング偏差がシミュレートされる。次にパラメータ化された変化を伴うガウシアン分布ノイズが部位に加えられ、呼吸のような他の可能な差の源がシミュレートされる。この技術を使用して、マッチングに対するフィーチャの頑強性に対するノイズとオフセットの影響が試験される。5000より多くのパス一致の妥当性確認結果が、図3に示されている。図3に示された結果を生じさせる実験は、3つのフィーチャD(距離)、A(角度)、V(分散)、Euc(ユークリッド)およびNorm(ノルム)の妥当性確認を、オフセットおよびノイズに対する75個の異なったパラメータセッティングを有する組み合わせで含む。ここでこれらのマッチング結果は、グラウンドトルースと比較され、正しい分類の割合が定められる。
それぞれが単独で加えられる場合、図3に示されているように、角度および分散フィーチャは、95%を超える正しいマッチング結果に達する。単独で加えられた場合に、距離フィーチャだけが、他のフィーチャによって得られるような良好な結果を得ない。しかし約85%の正しい分類を有し、単独で加えられた場合に距離フィーチャは完全には使用不可能ではない(図1におけるy軸が0で始まるのではないことに注意されたい)。ユークリッドコンビネーションの領域が分散フィーチャの領域より高いので、これは距離フィーチャの結果によって影響される。結果として、角度と分散のユークリッドコンビネーションは、傑出した結果に達する。対照的に、ノルム組み合わせは、低いフィーチャパフォーマンスによってそれほど影響されない。他方でユークリッドコンビネーションは従って多くの組み合わせが、95%を超える正しいマッチング結果に達する。距離フィーチャと分散フィーチャの組み合わせはそれ程正確ではないが、それでも距離フィーチャ単独よりも信頼性がある。
図4は、患者の抽出した気道ツリーと数ヶ月後の同じ患者の追跡収集との間のマッチング結果を示している。ここでは全てのバリエーションにおけるD(距離)、A(角度)、V(分散)Euc(ユークリッド)およびNorm(ノルム)組み合わせがテストされている。最初の気道セグメンテーションは追跡ツリーではセグメンテーションされていかった分枝を含んでいるので、完全に正確なマッチングは行われない。これらの付加的な分枝に対応するパスは、「N/A」としてラベリングされる。このマッチング結果は、グラウンドトルースと比較され、「真実(例えば正しい)」および「誤り(例えば正しくない)」分類が定められる。
総体的に、44のパスが含まれたマッチングは、平均で7.75個の分枝をパス毎に有している、83の分枝から成る。マッチングマトリクスを使用しない場合、6.8%(例えば44のうち3つ)の誤りマッチングレートが、分散を除くあらゆるフィーチャを用いて得られる。マッチングマトリクスを導入した場合、例えば、2つの付加的な正しいマッチによって、D(距離)、V(分散)およびNorm(ノルム)組み合わせが改善される。これは結果としてパスの2.3%の誤りマッチングレートになる。付加的に、誤ったマッチの多くは終端分枝において誤りを含む。従って、誤ったマッチとラベリングされたパスさえも、多くの分枝にわたって正しいことがある。図5に示されているように、2つのツリー(例えば濃い点線で示されているオリジナルツリーと薄い点線で示されている比較ツリー)は分枝の数および長さにおいて相違を有する。それにもかかわらずパスベースのツリーマッチング方法は首尾良く多くの分枝とパスを一致させる。分枝レベルでのパスベースツリーマッチング方法の評価も可能である。なぜなら、パスマッチが与えられていると、分枝対分枝マッピングを構成することが可能だからである。
図6には気道と動脈パスとの間のマッチングが示されている。ここで気管支ツリー内に大きい円で示された開始部位が手動で選択される。次に、開始部位の周辺のサブボリューム内の血管が自動的にセグメント化され、開始部位に近い血管セグメンテーション内でルート部位を無作為に選択することによってツリー構造体にキャプチャーされる。次に開始部位で始まる全てのパスおよび全ての子孫終端分枝で終わる全てのパスが血管ツリー内の全ての完全なパスにマッチされる。あらゆるマッチングマトリクスを使用せずに選択された一致されたパスには2つのツリー内で同じ色が与えられ、濃い線でレンダリングされたオリジナルツリーと、薄い線でレンダリングされた比較ツリーを伴う。2つの異なる一致からの部位が重畳される場合、最後に一致されたパスの色が重畳領域内の全ての部位に与えられる。このカラーリングプロシージャの結果は、分枝対分枝カラーリングに類似してあらわれる。
本発明の実施形態に相応するパスベースツリーマッチング方法は、種々のツリーマッチングアプリケーションに使用可能である。現在の方法はグラフマッチング技術に頼っている。これはより厳格な要求を有し、誤った分枝によってより妨害されやすい。しかしパスベースツリーマッチング方法は、ツリーの異なった部分でルート分枝を有することの柔軟性を可能にし、また成功した一致が得られる。付加的に、パスベースツリーマッチング方法によって、1つのツリー内の2つの分枝が比較ツリー内の分枝と一致され、誤った中央分枝が収容される。これは標準のノードベースマッチング方法で実現するのは困難である。
さらに、本発明を種々の形態のハードウェア、ソフトウェア、ファームウェア、特定の目的のプロセッサまたはこれらの組み合わせに実装可能であることを理解されたい。1つの実施形態では、本発明はアプリケーションプログラムとしてソフトウェア内に実装される。これは実体的にプログラム記憶装置上で実行される(例えば磁気フロッピィディスク、RAM、CD−ROM、DVD、ROMおよびフラッシュメモリ)。このアプリケーションプログラムはあらゆる適切なアーキテクチャを含む機械によってアップロードされ、実行される。
さらに、添付図面内に示された幾つかの構成素子的なシステムコンポーネントおよび方法ステップがソフトウェアで実装され、システムコンポーネント(またはプロセスステップ)間の実際のコネクションが、本発明がプログラムされる方法に依存して異なってよいことを理解されたい。この明細書に示された本発明の教示があれば、当業者はこれらおよび本発明の実装または構成に類似したものを企図することができる。
また上記の説明は、具体的な実施形態を示すためのものにすぎないことも理解されたい。理解しやすいように、上記の説明では可能な実施形態の代表的な例に的を絞っていたが、これらは本発明の基本的な思想を詳解するためのものであって、すべての可能な変形形態を排他的に列挙したわけではない。本発明の特定部分において代替的な実施形態が示されなかったこと、またはさらなる未記載の選択肢が部分に対して使用可能であることは、これらの実施形態の放棄と見なされるべきではない。別の適用形態や実施形態も、本発明の趣旨および範囲から逸脱することなく直接実現することができる。
したがって本発明は、特記された実施形態に制限されることない。なぜなら、上述のものに対する非新規的な代用に関連する上述したものおよび実装の多くの置き換えおよび組み合わせを作成することが可能だからである。本発明は、後続の請求の範囲で特定される。請求の範囲における文言上の範囲には未記載の実施形態が多く含まれ、これらも本発明と同等のものであることを理解されたい。
100 システム、 105 収集デバイス、 115 オペレータコンソール、 125 CPU、 130 メモリ、 135 RAM、 140 ROM、 145 パスベースツリーマッチングモジュール、 150 入力部、 155 出力部、 160 ディスプレイ、 165 コントローラ
Claims (29)
- ツリーマッチングのための方法であって、
物理的オブジェクトまたはモデルを表すツリー状構造を収集し;
第1のツリー状構造からパスを抽出し、第2のツリー状構造からパスを抽出し、
前記パスに対する類似測定を計算することによって、第1および第2のツリー状構造のパスを比較し;
当該類似測定に基づいて前記パスが一致しているか否かを定める、
ことを含む、
ことを特徴とする、ツリーマッチングのための方法。 - 前記ツリー状構造の各パスが一致される、または除外されるまで、前記抽出ステップ、比較ステップ、確定ステップを繰り返す、請求項1記載の方法。
- 前記パスを、1つまたは2つのツリー状構造のヒエラルキーに従って比較する、請求項2記載の方法。
- パスが一致しているかを、他のパスの類似測定に基づいて定める、請求項3記載の方法。
- 一致されたパスを記録するためにマッチングマトリクスを作成する、請求項4記載の方法。
- 最も一致しているパスが既に別のパスと一致している場合、次の最適一致パスとパスを一致させるために確率マトリクスを作成する、請求項4記載の方法。
- パスを比較する前に、ツリー状構造をアライメントする、請求項2記載の方法。
- 前記ツリー状構造は気道、動脈または静脈である、請求項1記載の方法。
- 前記ツリー状構造を追跡、セグメント化またはスケルトン化によって収集する、請求項1記載の方法。
- 前記パスを、セグメント化、中心線抽出によって抽出する、または直接的にツリー状構造から抽出する、請求項1記載の方法。
- 前記パスの抽出は、前記パス間の比較のための基礎として、前記パスのうちの1つを選択することを含む、請求項10記載の方法。
- 長いパスのサブセクションに一致する短いパスを、前記パス間の比較のための基礎として選択する、請求項11記載の方法。
- 前記類似測定は、前記パスの距離フィーチャ、角度フィーチャ、距離分散フィーチャまたは当該フィーチャの数値的な組み合わせである、請求項1記載の方法。
- ツリー状構造のパスを別のツリー状構造にマッチングさせるための方法であって、
第1のツリー状構造および第2のツリー状構造からパスを収集し;
第1のツリー状構造のパスおよび第2のツリー状構造のパスに対する類似測定を計算することによって、第1のツリー状構造のパスと、第2のツリー状構造のパスを比較し;
第2のツリー状構造のパスのどのパスが、第1のツリー状構造のパスと最適に一致するのかを、当該類似測定に基づいて定める、
ことを含む、
ことを特徴とする、ツリー状構造のパスを別のツリー状構造にマッチングさせるための方法。 - 第1および第2のツリー状構造を一致させるために、前記収集ステップ、比較ステップおよび確定ステップを繰り返す、請求項14記載の方法。
- 第1および第2のツリー状構造のパスを、1つまたは2つのツリー状構造のヒエラルキーに従って比較する、請求項15記載の方法。
- 一致されたパスを記録するためのマッチングマトリクスを作成する、請求項16記載の方法。
- 最も一致しているパスが既に別のパスと一致している場合、次の最適一致パスを可能にするためにパスをマッチングさせる確率マトリクスを作成する、請求項16記載の方法。
- ツリーマッチングのためのシステムであって:
プログラムを格納するためのメモリデバイスと;
当該メモリデバイスと通信するプロセッサとを含み、ここで当該プロセッサはプログラムで動作し:
物理的オブジェクトまたはモデルを表すツリー状構造を収集し;
第1のツリー状構造からパスを抽出し、第2のツリー状構造からパスを抽出し:
前記パスに対する類似測定を計算することによって、第1および第2のツリー状構造のパスを比較し;
当該類似測定に基づいてこれらのパスが一致しているか否かを定める、
ことを特徴とする、ツリーマッチングのためのシステム。 - 前記プロセッサはさらにプログラムコードで動作し;ツリー状構造の各パスが一致するまたは除外されるまで抽出ステップ、比較ステップおよび確定ステップを繰り返す、請求項19記載のシステム。
- 前記パスを、1つまたは2つのツリー状構造のヒエラルキーに従って比較する、請求項20記載のシステム。
- 前記プロセッサはさらにプログラムコードで動作し:他のパスの類似測定に基づいてパスが一致しているかを定める、請求項21記載のシステム。
- 前記プロセッサはさらにプログラムコードで動作し:一致されたパスを記録するためのマッチングマトリクスを作成する、請求項22記載のシステム。
- 前記プロセッサはさらにプログラムコードで動作し:最も一致しているパスが既に別のパスと一致している場合、次の最適一致パスとパスを一致させるために確率マトリクスを作成する、請求項22記載のシステム。
- ツリー状構造のパスを別のツリー状構造にマッチングさせるためのシステムであって:
プログラムを格納するためのメモリデバイスと;
当該メモリデバイスと通信するプロセッサとを含み、ここで当該プロセッサはプログラムで動作し:
第1のツリー状構造および第2のツリー状構造からパスを収集し;
第1のツリー状構造のパスおよび第2のツリー状構造のパスに対する類似測定を計算することによって、第1のツリー状構造のパスと、第2のツリー状構造のパスを比較し;
第2のツリー状構造のパスのどのパスが、第1のツリー状構造のパスと最も一致するかを、当該類似測定に基づいて定める、
ことを含む、
ことを特徴とする、ツリー状構造のパスを別のツリー状構造にマッチングさせるためのシステム。 - 前記プロセッサはさらにプログラムコードで動作し:第1および第2のツリー状構造を一致させるために、前記収集ステップ、比較ステップおよび確定ステップを繰り返す、請求項25記載の方法。
- 第1および第2のツリー状構造のパスを、1つまたは2つのツリー状構造のヒエラルキーに従って比較する、請求項25記載の方法。
- 前記プロセッサはさらにプログラムコードで動作し:一致されたパスを記録するためにマッチングマトリクスを作成する、請求項27記載の方法。
- 前記プロセッサはさらにプログラムコードで動作し:最も一致しているパスが既に別のパスと一致している場合、次の最適一致パスを可能にするために、パスをマッチングさせる確率マトリクスを作成する、請求項27記載の方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US69295405P | 2005-06-22 | 2005-06-22 | |
US11/424,948 US7646903B2 (en) | 2005-06-22 | 2006-06-19 | System and method for path based tree matching |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2007044488A true JP2007044488A (ja) | 2007-02-22 |
Family
ID=37588788
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2006172696A Pending JP2007044488A (ja) | 2005-06-22 | 2006-06-22 | パスベースのツリーマッチングのためのシステムおよび方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US7646903B2 (ja) |
JP (1) | JP2007044488A (ja) |
DE (1) | DE102006028812A1 (ja) |
Cited By (32)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011519590A (ja) * | 2008-04-18 | 2011-07-14 | 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 | 肺動脈のセグメント化 |
JP2012228396A (ja) * | 2011-04-27 | 2012-11-22 | Fujifilm Corp | 木構造抽出装置および方法ならびにプログラム |
JP2013054459A (ja) * | 2011-09-01 | 2013-03-21 | Fuji Xerox Co Ltd | 診療情報検索装置、及びプログラム |
JP2015501183A (ja) * | 2011-10-26 | 2015-01-15 | コーニンクレッカ フィリップス エヌ ヴェ | 血管ツリー画像の内視鏡的位置合わせ |
JP2015033494A (ja) * | 2013-08-09 | 2015-02-19 | 富士通株式会社 | 血管データ生成装置、血管データ生成方法、および血管データ生成プログラム |
JP2015505502A (ja) * | 2012-02-06 | 2015-02-23 | コーニンクレッカ フィリップス エヌ ヴェ | 血管ツリー画像内での見えない分岐部の検出 |
WO2015163089A1 (ja) * | 2014-04-24 | 2015-10-29 | 株式会社日立製作所 | 医用画像情報システム、医用画像情報処理方法及びプログラム |
JP2015530903A (ja) * | 2012-08-14 | 2015-10-29 | インテュイティブ サージカル オペレーションズ, インコーポレイテッド | 多数のビジョンシステムのレジストレーションのためのシステム及び方法 |
US9445777B2 (en) | 2010-03-31 | 2016-09-20 | Fujifilm Corporation | Projection image generation apparatus, program and method |
US10013533B2 (en) | 2012-05-11 | 2018-07-03 | Fujitsu Limited | Parallel processing coronary circulation simulation method and simulator apparatus using newton-raphson analysis |
JP2020022730A (ja) * | 2018-06-07 | 2020-02-13 | グローバス メディカル インコーポレイティッド | 自然基準を使用した共登録を提供するロボットシステムおよび関連方法 |
US10842461B2 (en) | 2012-06-21 | 2020-11-24 | Globus Medical, Inc. | Systems and methods of checking registrations for surgical systems |
US10874466B2 (en) | 2012-06-21 | 2020-12-29 | Globus Medical, Inc. | System and method for surgical tool insertion using multiaxis force and moment feedback |
US11045267B2 (en) | 2012-06-21 | 2021-06-29 | Globus Medical, Inc. | Surgical robotic automation with tracking markers |
US11253327B2 (en) | 2012-06-21 | 2022-02-22 | Globus Medical, Inc. | Systems and methods for automatically changing an end-effector on a surgical robot |
US11298196B2 (en) | 2012-06-21 | 2022-04-12 | Globus Medical Inc. | Surgical robotic automation with tracking markers and controlled tool advancement |
US11317971B2 (en) | 2012-06-21 | 2022-05-03 | Globus Medical, Inc. | Systems and methods related to robotic guidance in surgery |
US11399900B2 (en) | 2012-06-21 | 2022-08-02 | Globus Medical, Inc. | Robotic systems providing co-registration using natural fiducials and related methods |
US11589771B2 (en) | 2012-06-21 | 2023-02-28 | Globus Medical Inc. | Method for recording probe movement and determining an extent of matter removed |
WO2023079657A1 (ja) * | 2021-11-04 | 2023-05-11 | 国立大学法人東北大学 | 情報処理装置、木構造を示す器官の構造の対応付け方法、及び、木構造を示す器官の構造の対応付けプログラム |
US11786324B2 (en) | 2012-06-21 | 2023-10-17 | Globus Medical, Inc. | Surgical robotic automation with tracking markers |
US11793570B2 (en) | 2012-06-21 | 2023-10-24 | Globus Medical Inc. | Surgical robotic automation with tracking markers |
US11819365B2 (en) | 2012-06-21 | 2023-11-21 | Globus Medical, Inc. | System and method for measuring depth of instrumentation |
US11857266B2 (en) | 2012-06-21 | 2024-01-02 | Globus Medical, Inc. | System for a surveillance marker in robotic-assisted surgery |
US11857149B2 (en) | 2012-06-21 | 2024-01-02 | Globus Medical, Inc. | Surgical robotic systems with target trajectory deviation monitoring and related methods |
US11864839B2 (en) | 2012-06-21 | 2024-01-09 | Globus Medical Inc. | Methods of adjusting a virtual implant and related surgical navigation systems |
US11864745B2 (en) | 2012-06-21 | 2024-01-09 | Globus Medical, Inc. | Surgical robotic system with retractor |
US11883217B2 (en) | 2016-02-03 | 2024-01-30 | Globus Medical, Inc. | Portable medical imaging system and method |
US11896446B2 (en) | 2012-06-21 | 2024-02-13 | Globus Medical, Inc | Surgical robotic automation with tracking markers |
US11963755B2 (en) | 2012-06-21 | 2024-04-23 | Globus Medical Inc. | Apparatus for recording probe movement |
US11974822B2 (en) | 2012-06-21 | 2024-05-07 | Globus Medical Inc. | Method for a surveillance marker in robotic-assisted surgery |
US12004905B2 (en) | 2012-06-21 | 2024-06-11 | Globus Medical, Inc. | Medical imaging systems using robotic actuators and related methods |
Families Citing this family (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7450743B2 (en) * | 2004-01-21 | 2008-11-11 | Siemens Medical Solutions Usa, Inc. | Method and system of affine registration of inter-operative two dimensional images and pre-operative three dimensional images |
US20070217665A1 (en) * | 2006-02-13 | 2007-09-20 | Siemens Corporate Research, Inc. | System and Method For Image-Based Tree Matching And Registration |
JP5291955B2 (ja) * | 2008-03-10 | 2013-09-18 | 富士フイルム株式会社 | 内視鏡検査システム |
SG191664A1 (en) * | 2008-04-08 | 2013-07-31 | Univ Singapore | Retinal image analysis systems and methods |
US8803963B2 (en) * | 2008-09-22 | 2014-08-12 | Kranthi Kiran Pulluru | Vein pattern recognition based biometric system and methods thereof |
JP5572440B2 (ja) * | 2009-09-15 | 2014-08-13 | 富士フイルム株式会社 | 診断支援システム、診断支援プログラムおよび診断支援方法 |
JP5478328B2 (ja) | 2009-09-30 | 2014-04-23 | 富士フイルム株式会社 | 診断支援システム、診断支援プログラムおよび診断支援方法 |
JP5551960B2 (ja) | 2009-09-30 | 2014-07-16 | 富士フイルム株式会社 | 診断支援システム、診断支援プログラムおよび診断支援方法 |
JP4914517B2 (ja) * | 2009-10-08 | 2012-04-11 | 富士フイルム株式会社 | 構造物検出装置および方法ならびにプログラム |
JP4981938B2 (ja) * | 2010-03-08 | 2012-07-25 | 富士フイルム株式会社 | 診断支援装置、冠動脈解析プログラムおよび冠動脈解析方法 |
JP5955847B2 (ja) * | 2010-09-15 | 2016-07-20 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | 血管ツリー画像に基づく内視鏡のロボット制御 |
US8977648B2 (en) | 2012-04-10 | 2015-03-10 | Seiko Epson Corporation | Fast and robust classification algorithm for vein recognition using infrared images |
JP6386998B2 (ja) * | 2012-05-14 | 2018-09-05 | インテュイティブ サージカル オペレーションズ, インコーポレイテッド | 制限された探索空間を使用した医療装置のレジストレーションのためのシステム及び方法 |
US10039473B2 (en) | 2012-05-14 | 2018-08-07 | Intuitive Surgical Operations, Inc. | Systems and methods for navigation based on ordered sensor records |
JP6438395B2 (ja) * | 2012-08-22 | 2018-12-12 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | 効果的な表示及び報告のための画像資料に関連する以前の注釈の自動検出及び取り出し |
US9472017B2 (en) * | 2013-01-29 | 2016-10-18 | Siemens Aktiengesellschaft | Fast rendering of curved reformation of a 3D tubular structure |
US20140278723A1 (en) * | 2013-03-13 | 2014-09-18 | Xerox Corporation | Methods and systems for predicting workflow preferences |
US10373719B2 (en) * | 2014-09-10 | 2019-08-06 | Intuitive Surgical Operations, Inc. | Systems and methods for pre-operative modeling |
US10152651B2 (en) | 2014-10-31 | 2018-12-11 | Toshiba Medical Systems Corporation | Medical image processing apparatus and medical image processing method |
US10226199B2 (en) * | 2015-12-21 | 2019-03-12 | Canon Kabushiki Kaisha | Medical-image processing apparatus, method for controlling the same, and storage medium |
US11017304B2 (en) | 2017-10-30 | 2021-05-25 | International Business Machines Corporation | Original idea extraction from written text data using knowledge graphs |
CN112381758B (zh) * | 2020-10-09 | 2024-01-30 | 北京师范大学 | 一种计算血管树相似度的方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1317715A1 (en) * | 2000-08-04 | 2003-06-11 | Infoglide Corporation | System and method for comparing heterogeneous data sources |
US7822461B2 (en) * | 2003-07-11 | 2010-10-26 | Siemens Medical Solutions Usa, Inc. | System and method for endoscopic path planning |
-
2006
- 2006-06-19 US US11/424,948 patent/US7646903B2/en not_active Expired - Fee Related
- 2006-06-21 DE DE102006028812A patent/DE102006028812A1/de not_active Withdrawn
- 2006-06-22 JP JP2006172696A patent/JP2007044488A/ja active Pending
Cited By (38)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8805044B2 (en) | 2008-04-18 | 2014-08-12 | Koninklijke Philips N.V. | Segmenting pulmonary arteries |
JP2011519590A (ja) * | 2008-04-18 | 2011-07-14 | 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 | 肺動脈のセグメント化 |
US9445777B2 (en) | 2010-03-31 | 2016-09-20 | Fujifilm Corporation | Projection image generation apparatus, program and method |
JP2012228396A (ja) * | 2011-04-27 | 2012-11-22 | Fujifilm Corp | 木構造抽出装置および方法ならびにプログラム |
US8842894B2 (en) | 2011-04-27 | 2014-09-23 | Fujifilm Corporation | Tree structure extraction apparatus, method and program |
JP2013054459A (ja) * | 2011-09-01 | 2013-03-21 | Fuji Xerox Co Ltd | 診療情報検索装置、及びプログラム |
JP2015501183A (ja) * | 2011-10-26 | 2015-01-15 | コーニンクレッカ フィリップス エヌ ヴェ | 血管ツリー画像の内視鏡的位置合わせ |
JP2015505502A (ja) * | 2012-02-06 | 2015-02-23 | コーニンクレッカ フィリップス エヌ ヴェ | 血管ツリー画像内での見えない分岐部の検出 |
US10013533B2 (en) | 2012-05-11 | 2018-07-03 | Fujitsu Limited | Parallel processing coronary circulation simulation method and simulator apparatus using newton-raphson analysis |
US11819283B2 (en) | 2012-06-21 | 2023-11-21 | Globus Medical Inc. | Systems and methods related to robotic guidance in surgery |
US11864839B2 (en) | 2012-06-21 | 2024-01-09 | Globus Medical Inc. | Methods of adjusting a virtual implant and related surgical navigation systems |
US12004905B2 (en) | 2012-06-21 | 2024-06-11 | Globus Medical, Inc. | Medical imaging systems using robotic actuators and related methods |
US11974822B2 (en) | 2012-06-21 | 2024-05-07 | Globus Medical Inc. | Method for a surveillance marker in robotic-assisted surgery |
US11963755B2 (en) | 2012-06-21 | 2024-04-23 | Globus Medical Inc. | Apparatus for recording probe movement |
US11896446B2 (en) | 2012-06-21 | 2024-02-13 | Globus Medical, Inc | Surgical robotic automation with tracking markers |
US11864745B2 (en) | 2012-06-21 | 2024-01-09 | Globus Medical, Inc. | Surgical robotic system with retractor |
US10842461B2 (en) | 2012-06-21 | 2020-11-24 | Globus Medical, Inc. | Systems and methods of checking registrations for surgical systems |
US10874466B2 (en) | 2012-06-21 | 2020-12-29 | Globus Medical, Inc. | System and method for surgical tool insertion using multiaxis force and moment feedback |
US11045267B2 (en) | 2012-06-21 | 2021-06-29 | Globus Medical, Inc. | Surgical robotic automation with tracking markers |
US11253327B2 (en) | 2012-06-21 | 2022-02-22 | Globus Medical, Inc. | Systems and methods for automatically changing an end-effector on a surgical robot |
US11298196B2 (en) | 2012-06-21 | 2022-04-12 | Globus Medical Inc. | Surgical robotic automation with tracking markers and controlled tool advancement |
US11317971B2 (en) | 2012-06-21 | 2022-05-03 | Globus Medical, Inc. | Systems and methods related to robotic guidance in surgery |
US11399900B2 (en) | 2012-06-21 | 2022-08-02 | Globus Medical, Inc. | Robotic systems providing co-registration using natural fiducials and related methods |
US11589771B2 (en) | 2012-06-21 | 2023-02-28 | Globus Medical Inc. | Method for recording probe movement and determining an extent of matter removed |
US11857149B2 (en) | 2012-06-21 | 2024-01-02 | Globus Medical, Inc. | Surgical robotic systems with target trajectory deviation monitoring and related methods |
US11786324B2 (en) | 2012-06-21 | 2023-10-17 | Globus Medical, Inc. | Surgical robotic automation with tracking markers |
US11793570B2 (en) | 2012-06-21 | 2023-10-24 | Globus Medical Inc. | Surgical robotic automation with tracking markers |
US11857266B2 (en) | 2012-06-21 | 2024-01-02 | Globus Medical, Inc. | System for a surveillance marker in robotic-assisted surgery |
US11819365B2 (en) | 2012-06-21 | 2023-11-21 | Globus Medical, Inc. | System and method for measuring depth of instrumentation |
JP2015530903A (ja) * | 2012-08-14 | 2015-10-29 | インテュイティブ サージカル オペレーションズ, インコーポレイテッド | 多数のビジョンシステムのレジストレーションのためのシステム及び方法 |
JP2015033494A (ja) * | 2013-08-09 | 2015-02-19 | 富士通株式会社 | 血管データ生成装置、血管データ生成方法、および血管データ生成プログラム |
US10262762B2 (en) | 2013-08-09 | 2019-04-16 | Fujitsu Limited | Apparatus for generating first vascular data having a tree structure based on anatomical data and generating second vascular data without relying on the anatomical data |
JP2015208385A (ja) * | 2014-04-24 | 2015-11-24 | 株式会社日立製作所 | 医用画像情報システム、医用画像情報処理方法及びプログラム |
US10085707B2 (en) | 2014-04-24 | 2018-10-02 | Hitachi, Ltd. | Medical image information system, medical image information processing method, and program |
WO2015163089A1 (ja) * | 2014-04-24 | 2015-10-29 | 株式会社日立製作所 | 医用画像情報システム、医用画像情報処理方法及びプログラム |
US11883217B2 (en) | 2016-02-03 | 2024-01-30 | Globus Medical, Inc. | Portable medical imaging system and method |
JP2020022730A (ja) * | 2018-06-07 | 2020-02-13 | グローバス メディカル インコーポレイティッド | 自然基準を使用した共登録を提供するロボットシステムおよび関連方法 |
WO2023079657A1 (ja) * | 2021-11-04 | 2023-05-11 | 国立大学法人東北大学 | 情報処理装置、木構造を示す器官の構造の対応付け方法、及び、木構造を示す器官の構造の対応付けプログラム |
Also Published As
Publication number | Publication date |
---|---|
US7646903B2 (en) | 2010-01-12 |
US20070001879A1 (en) | 2007-01-04 |
DE102006028812A1 (de) | 2007-02-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2007044488A (ja) | パスベースのツリーマッチングのためのシステムおよび方法 | |
US11631174B2 (en) | Adaptive navigation technique for navigating a catheter through a body channel or cavity | |
Li et al. | Optimal surface segmentation in volumetric images-a graph-theoretic approach | |
US8953856B2 (en) | Method and system for registering a medical image | |
Aykac et al. | Segmentation and analysis of the human airway tree from three-dimensional X-ray CT images | |
US7574026B2 (en) | Method for the 3d modeling of a tubular structure | |
RU2436161C2 (ru) | Регистрация изображений при деформации для лучевой терапии с управлением по изображениям | |
US20100067760A1 (en) | Method and System for Automatic Coronary Artery Detection | |
US20060056685A1 (en) | Method and apparatus for embolism analysis | |
JP2007506531A (ja) | 管状臓器の3次元再構成を行うシステム及び方法 | |
US8244007B2 (en) | System and method for registration of medical images based on insufficiently similar image areas | |
JP2007518461A (ja) | 心臓関連の取得のための自動的な最適面の決定 | |
KR20100089704A (ko) | 연속된 컴퓨터 단층촬영의 폐결절 다단계 정합 방법 및 장치 | |
Zhang et al. | Simultaneous registration of location and orientation in intravascular ultrasound pullbacks pairs via 3D graph-based optimization | |
Li et al. | An integrated model‐driven method for in‐treatment upper airway motion tracking using cine MRI in head and neck radiation therapy | |
Kaftan et al. | A novel multipurpose tree and path matching algorithm with application to airway trees | |
Bauer et al. | Automated measurement of uptake in cerebellum, liver, and aortic arch in full‐body FDG PET/CT scans | |
Charnoz et al. | Liver registration for the follow-up of hepatic tumors | |
Perchet et al. | Advanced navigation tools for virtual bronchoscopy | |
WO2022172817A1 (ja) | 学習装置、学習方法、学習済みモデル、及びプログラム | |
US11380060B2 (en) | System and method for linking a segmentation graph to volumetric data | |
JP2006136506A (ja) | 画像処理装置 | |
Meisner et al. | Anatomical reconstructions of pediatric airways from endoscopic images: a pilot study of the accuracy of quantitative endoscopy | |
US11837355B2 (en) | System and method for assisting verification of labeling and contouring of multiple regions of interest | |
US12051156B2 (en) | System and method for linking a segmentation graph to volumetric data |