JP2013141603A - 医用画像処理装置、医用画像処理方法および医用画像処理プログラム - Google Patents

医用画像処理装置、医用画像処理方法および医用画像処理プログラム Download PDF

Info

Publication number
JP2013141603A
JP2013141603A JP2012141851A JP2012141851A JP2013141603A JP 2013141603 A JP2013141603 A JP 2013141603A JP 2012141851 A JP2012141851 A JP 2012141851A JP 2012141851 A JP2012141851 A JP 2012141851A JP 2013141603 A JP2013141603 A JP 2013141603A
Authority
JP
Japan
Prior art keywords
volume data
map
region
interest
medical image
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
JP2012141851A
Other languages
English (en)
Other versions
JP6042112B2 (ja
Inventor
Marco Razeto
マルコ・ラゼト
James Matthews
ジェームス・マシューズ
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Toshiba Corp
Canon Medical Systems Corp
Original Assignee
Toshiba Corp
Toshiba Medical Systems Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Toshiba Corp, Toshiba Medical Systems Corp filed Critical Toshiba Corp
Publication of JP2013141603A publication Critical patent/JP2013141603A/ja
Application granted granted Critical
Publication of JP6042112B2 publication Critical patent/JP6042112B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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]
    • 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
    • A61B6/46—Arrangements for interfacing with the operator or the patient
    • A61B6/467—Arrangements for interfacing with the operator or the patient characterised by special input means
    • A61B6/469—Arrangements for interfacing with the operator or the patient characterised by special input means for selecting a region of interest [ROI]
    • 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
    • A61B6/48—Diagnostic techniques
    • A61B6/481—Diagnostic techniques involving the use of contrast agents
    • 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
    • A61B6/48—Diagnostic techniques
    • A61B6/486—Diagnostic techniques involving generating temporal series of image data
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
    • A61B6/503—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of the heart
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
    • A61B6/504—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of blood vessels, e.g. by angiography
    • 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
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A61B6/5229—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image
    • A61B6/5235—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image combining images from the same or different ionising radiation imaging techniques, e.g. PET and CT
    • 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
    • G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
    • 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
    • G06T7/38—Registration of image sequences
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30101—Blood vessel; Artery; Vein; Vascular

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • Molecular Biology (AREA)
  • Public Health (AREA)
  • Biophysics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Optics & Photonics (AREA)
  • Pathology (AREA)
  • Radiology & Medical Imaging (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Vascular Medicine (AREA)
  • Cardiology (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

【課題】関心領域における２種のボリュームデータの位置合わせを改善することが可能な医用画像処理装置を提供すること。
【解決手段】本実施形態に係る医用画像処理装置は、第１のボリュームデータと第２のボリュームデータとを記憶する記憶部と、前記第１、第２のボリュームデータに基づいて、前記第１のボリュームデータに対する第２のボリュームデータの非剛***置合わせに用いられる第１マップを決定する第１マップ決定部と、前記第２のボリュームデータに関心領域を設定する関心領域設定部と、前記関心領域に対応する前記第１マップに基づいて、剛***置合わせに用いられる第２マップを決定する第２マップ決定部と、前記関心領域については前記第２マップを用い、非関心領域については前記第１マップを用いることにより、前記第１のボリュームデータに前記第２のボリュームデータを位置合わせする位置合わせ部と、を具備することを特徴とする。
【選択図】図１

Description

本明細書に記載されている実施形態は、一般に、医用画像データの位置合わせを行う方法（医用画像処理方法）およびそのための装置（医用画像処理装置）、プログラム（医用画像処理プログラム）、例えば異なる時の被検体における測定（撮影）によって、または異なる医用撮影装置を使用して得られた医用画像データ（例えばボリュームデータ）の位置合わせを行うための方法、装置、プログラムに関する。
２つ以上の類似の医用画像データセット、例えば３次元医用画像データセット（以下ボリュームデータと呼ぶ）の正確な整合を達成することがしばしば望まれる。ボリュームデータは、ほぼ同じ解剖学的組織に関連しながら、取得時、画像診断法、撮影パラメータ、患者の姿勢または動作、造影剤、疾患の進行、およびさらには患者の個人情報の違いを反映し得る。
同一または等価の解剖学的組織の間の相関関係がわかるようにこうしたボリュームデータの位置合わせを行う利点は数多くある。こうした利点には、ボリュームデータを同時に視覚化しながらナビゲーションが容易であること、異なるエネルギーで撮影されるＣＴ（Ｃｏｍｐｕｔｅｄ Ｔｏｍｏｇｒａｐｈｙ）スキャンを含めて、別々の画像診断法によって提供される生理的および解剖学的な情報を相関させること、一旦前のスキャンで識別済みであれば、対象の特徴の位置を追跡スキャンで容易に突き止めること（例えば、腫瘍の経過、脈管プラークおよび他の疾患、並びにステントの移動など）、特定の解剖学的組織を識別するために、新しいボリュームデータを既知の特性の参照ボリュームデータと比較すること、造影増強ボリュームデータと非造影増強ボリュームデータとの間のデジタルサブトラクションのさらなるステップを可能にし、それによって骨、血管石灰化、およびステントなど、ボリュームデータを不明瞭にすることを取り除くことができることなどがある。
３次元医用画像データセット（ボリュームデータ）の位置合わせの多くの手法が知られている。通常、これらは、位置合わせを取得するために使用するデータ座標の変換のタイプによって分類することができる。
第１のタイプの既知の位置合わせは、あるボリュームデータを別のボリュームデータに位置合わせするために、その位置合わせするボリュームデータにおけるデータポイントの座標が回転、平行移動、およびスケーリングを受ける剛***置合わせ（ｒｉｇｉｄ ｒｅｇｉｓｔｒａｔｉｏｎ）である。
第２のタイプの既知の位置合わせは、あるボリュームデータを別のボリュームデータに位置合わせするために、その位置合わせするボリュームデータにおけるデータポイントの座標が回転、平行移動、スケーリング、および剪断を受けるアフィン位置合わせ（ａｆｆｉｎｅ ｒｅｇｉｓｔｒａｔｉｏｎ）である。
第３のタイプの既知の位置合わせは、自由形状の変換を使用し、ある位置合わせするデータを別の位置合わせするデータに位置合わせするために、その位置合わせするデータにおけるデータポイントの座標が柔軟性のある自由な形式の変換を受ける。
以下、剛***置合わせに用いられるボクセルの座標変換を剛体変換、アフィン位置合わせに用いられるボクセルの座標変換をアフィン変換と呼ぶ。剛***置合わせは、線形位置合わせである。自由形状の変換に対応する位置合わせは、例えば、非剛***置合わせと呼ばれる。非剛***置合わせは、例えば、ワープフィールドにより定義される非線形位置合わせである。
剛体変換およびアフィン変換は、限定された数（剛体では最大９個、アフィンでは１２個）のパラメータを使用して定義することができる。自由形状の変換は、ワープフィールド（ｗａｒｐｆｉｅｌｄ）を使用して定義することができる。ワープフィールドは、通常、密なベクトル場であり、３次元データセット（ボリュームデータ）における複数のボクセル各々の変位を定義する。自由形状の変換は、例えばＢスプライン関数または薄板スプライン関数を使用するなど、他の場または関数を使用して定義することもできる。
ボリュームデータにおける複数のボクセル各々は、ワープフィールド、すなわちボリュームデータにおける複数のボクセル各々の座標における変位量を示すベクトル場により、シフトされる。ワープフィールドをボリュームデータに適用する事により、複数のボクセル各々は、非剛体的にゆがむ。
通常、位置合わせアルゴリズムは、２つのボリュームデータの間の何らかの類似度を定義し、次いでこうした類似度を試用し、最大にすることに取りかかる。剛体変換またはアフィン変換の場合、直接最適化方式を展開することができる。自由形状または他の非剛***置合わせの場合、例えばクラム−ヒル−ホークス（Ｃｒｕｍ−Ｈｉｌｌ−Ｈａｗｋｅｓ）方法や薄板プレートスプライン方法など、他の最適化方式を使用することができる。
一般に、類似度の最適化は、既知の位置合わせ手順の最終段階のうちの１つである。通常、例えば画像フィルタリング、マスキング、またはクロッピングなど、プロセスの初めにかなりの量の前処理が起こる。さらに、多くの方法は、マルチスケールベースで動作し、これは、ボリュームデータが前処理の前にサブサンプリングされることを意味する。これらの動作はすべて、アルゴリズム実行時およびメモリフットプリントに目立つ影響を及ぼす可能性がある。
剛体およびアフィンベースの位置合わせ手順は、自由形状の位置合わせ手順より簡単でより短時間な傾向はあるが、例えば身体の内部臓器において起こり得るものなど、複雑な変形を回復することができないことが多い。大部分の状況において、例えば心臓や腹部など人体の大部分をカバーする２つのスキャンを所望の精度まで整合させるのに、単一の全体的な剛体またはアフィン変換が十分であることはまずない。
上記の既知の位置合わせ方法のバリエーションは、部分的な位置合わせ方法であり、ボリュームデータは、ボリュームデータにわたるデータ（ボクセル）に隣接するタイルまたは立方体に分割され、ボリュームデータのタイルまたは立方体は個々に処理される。
上記の既知の手法のそれぞれは、被検体のボリュームデータに全体的に適用されると、小さいオブジェクトを整合させるために必要なきめの細かい局所的な位置合わせを提供することに失敗することが多い。
ある用途において、患者の心臓領域を表す画像データセット（ボリュームデータ）の位置合わせを行うことが望ましい。ボリュームデータは、例えば、ＣＴデータセット、または他の任意の適したタイプのボリュームデータでもよい。第１のボリュームデータは、例えば、静脈内造影剤の注入の前に、またはスキャンの目的の対象領域に造影剤が到達する前に取得される。第２のボリュームデータは、静脈内造影剤がスキャンの目的の対象領域に到達した後、取得される。第１および第２のボリュームデータの位置合わせ後、造影増強剤のみを備える第３のボリュームデータを提供するために、第１のボリュームデータを第２のボリュームデータから減算することができ、例えば、脈管構造の妨害されていない図を提供し、これは診断に役立ち得る。
しかし、２つのスキャンの間の時間間隔の間に血管が動くまたは変形する場合、問題が起こり得る。結果として得られた大きい局所的な空間的相異は、全体的な非剛***置合わせアルゴリズムによってうまく対処することができない。それによって、減算されたボリュームデータの異常がもたらされる。
このタイプの特に顕著なエラーは、影響を受けた血管が石灰化またはステントのエリアを含むときに生じる。こうしたエリアは、通常小さく（直径２、３ミリメートル）、静脈内造影剤より密度が高く、通常の血液または軟部組織よりさらに信号値が高い。位置合わせに比較的小さい誤りがある場合、石灰化またはステントのエリアで、信号値が異常に高いおよび低い隣接するエリアの減算されたデータセットに顕著なエラーの出現がもたらされることがある。これは血流の評価などの診断タスクを妨げる可能性がある。
目的は、関心領域における２種のボリュームデータの位置合わせを改善することが可能な医用画像処理装置を提供することにある。
本実施形態に係る医用画像処理装置は、第１のボリュームデータと第２のボリュームデータとを記憶する記憶部と、前記第１、第２のボリュームデータに基づいて、前記第１のボリュームデータに対する第２のボリュームデータの非剛***置合わせに用いられる第１マップを決定する第１マップ決定部と、前記第２のボリュームデータに関心領域を設定する関心領域設定部と、前記関心領域に対応する前記第１マップに基づいて、剛***置合わせに用いられる第２マップを決定する第２マップ決定部と、前記関心領域については前記第２マップを用い、非関心領域については前記第１マップを用いることにより、前記第１のボリュームデータに前記第２のボリュームデータを位置合わせする位置合わせ部と、を具備することを特徴とする。
図１は、本実施形態による医用画像処理装置の構成を示す構成図である。 図２は、図１の本実施形態の動作モードの概要を示すフローチャートである。 図３は、本実施形態に係り、造影前および造影後の画像の例を示し、全体的な位置合わせおよび減算プロセスの後に生成された図、および局所的な改良の後に生成された図である。 図４は、本実施形態に係り、石灰化を含む造影前および造影後の画像の例を示す図である。 図５は、本実施形態に係り、勾配画像の例を示す図である。 図６は、本実施形態に係り、造影前および造影後の画像のさらなる例を示し、全体的な位置合わせおよび減算プロセスの後に生成された図、および局所的な改良の後に生成された図である。 図７は、本実施形態に係り、造影前および造影後の画像のさらなる例を示し、全体的な位置合わせおよび減算プロセスの後に生成された図、および局所的な改良の後に生成された図である。 図８は、本実施形態に係り、造影前および造影後の画像のさらなる例を示し、全体的な位置合わせおよび減算プロセスの後に生成された図、および局所的な改良の後に生成された図である。 図９は、本実施形態に係り、造影前および造影後の画像のさらなる例を示し、全体的な位置合わせおよび減算プロセスの後に生成された図、および局所的な改良の後に生成された図である。
一実施形態によれば、第１の組の医用画像データ（以下、第１のボリュームデータと呼ぶ）と第２の組の医用画像データ（以下、第２のボリュームデータと呼ぶ）との位置合わせを行う方法が提供され、第１のボリュームデータと第２のボリュームデータとの最初の位置合わせを実行することと、さらなる位置合わせのための領域を選択することと、第１のボリュームデータからの選択された領域に対応する第１のボリュームデータと第２のボリュームデータからの選択された第２のボリュームデータとのさらなる位置合わせを実行することとを備える。
本実施形態による医用画像処理装置１は、図１に概略的に図示されており、前のパラグラフに記載されている方法を実施するように構成される。医用画像処理装置１は、この場合表示部４に接続されているパーソナルコンピュータ（ＰＣ）またはワークステーションである処理部２と、ＣＴ（Ｃｏｍｐｕｔｅｄ Ｔｏｍｏｇｒａｐｈｙ）スキャナ（Ｘ線コンピュータ断層撮影装置）６と、この場合コンピュータキーボードおよびマウスである入力部８とを備える。
例えば東芝メディカル社製のＡｑｕｉｌｉｏｎ（ＴＭ）シリーズのスキャナのうちの１つなど、患者または他の被検体に３次元ＣＴ撮影を実行することが可能な任意の適したタイプのＣＴスキャナを使用することができる。図１の実施形態はＣＴスキャンデータに関して記載されているが、例えば適した形のＭＲデータ、または適した前処理またはデジタルサブトラクションにかけられていればＸ線血管造影法データなど、任意の適したタイプの医用画像データ（ボリュームデータ）を生成する任意の他の適したタイプのスキャナを代替の実施形態で使用することができる。
処理部２は、ボリュームデータを自動的または半自動的に処理する処理リソースを提供し、様々なソフトウェアモジュール、または図２に関して下記で詳しく説明するような方法を実行するように構成された他のソフトウェア構成要素をロードし、実行するように動作可能である中央演算処理装置（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ：以下、ＣＰＵと呼ぶ）１０を備える。
ソフトウェアモジュールは、剛体および非剛***置合わせ手順を実行するための位置合わせ部１２と、ボリュームデータの勾配を決定するための勾配ボリュームデータ発生部１４と、位置合わせされた画像を改良するための画像改良部１６と、改良のための画像の部分（関心領域）を設定するための関心領域設定部１８と、第１マップ決定部２０と、第２マップ決定部２２と、差分処理部２４とを含む。
第１マップ決定部２０は、第１、第２ボリュームデータに基づいて、第１のボリュームデータに対する第２のボリュームデータの非剛***置合わせに用いられる第１マップを決定する。第１マップとは、例えば、ワープフィールドである。ワープフィールドとは、第２のボリュームデータにおける複数のボクセル各々の座標における変位量を示すベクトル場である。
第２マップ決定部２２は、関心領域に対応する第１マップに基づいて、第１のボリュームデータに対する第２のボリュームデータの剛***置合わせに用いられる第２マップを決定する。具体的には、第２マップ決定部２２は、第２のボリュームデータの関心領域に含まれる複数のボクセルについての変位量を用いて、前記関心領域の各位置における回転成分と並進成分とを計算する。第２マップ決定部２２は、前記計算された回転成分と前記並進成分と第１、第２のボリュームデータとに基づいて、第２マップを決定する。なお、第１、第２マップ決定部の機能については、後程詳述する。
差分処理部２４は、剛体および非剛体的に位置合わせされた第１、第２のボリュームデータを差分処理する。これにより、差分されたボリュームデータが発生される。
また、処理部２は、ハードドライブと、ＲＡＭ、ＲＯＭ、データバス、様々なデバイスドライバを含むオペレーティングシステム、およびグラフィックカードを含むハードウェアデバイスなどＰＣの他の構成要素とを含む。明瞭にするために、図１にはこうした構成要素は示されていない。
図１の実施形態において、処理部２は、例えば、Ｅ５５０４ ２．０ＧＨｚチップセットと、２ｘ４コアプロセッサとを備え、９スレッドを使用するマルチスレッド環境を提供し、６．０ギガバイトのＲＡＭが設けられている。しかし、任意の適したＣＰＵおよび他の構成要素を使用することができる。
図１の実施形態において、画像データセット（ボリュームデータ）７は、ＣＴスキャナ６によるスキャンの実行の後、処理部２によってＣＴスキャナ６から受信され、格納され、処理される。図１の実施形態に示されるスキャナはＣＴスキャナ６であるが、代替の実施形態でボリュームデータを取得するために、他の任意の適したタイプのスキャナを使用することができる。
図１の実施形態の変形例において、処理部２は、スキャナ６からよりもむしろリモートデータストア（図示せず）からボリュームデータを受信する。リモートデータストアは、関連する患者データと共に、一定時間にわたって多くの異なるスキャナから取得される多数の異なるボリュームデータを格納する。データストアは、大量の患者データを格納するサーバとすることができ、例えば東芝Ｒａｐｉｄｅｙｅ（ＴＭ）システムなど、画像保存通信システム（Ｐｉｃｔｕｒｅ Ａｒｃｈｉｖｉｎｇ ａｎｄ Ｃｏｍｍｕｎｉｃａｔｉｏｎ Ｓｙｓｔｅｍ：ＰＡＣＳ）の一部を形成することができる。
図１のシステムは、図２のフローチャートに概要が示される一連の段階を有するプロセスを実行するように構成される。
第１の段階Ｓ１で、処理装置２は、ＣＴスキャナ６から第１および第２のボリュームデータを取得する。この場合、第１のボリュームデータは、造影剤が注入された後であって、特定のスキャンにおいて最も関心のある心臓領域の部分に造影剤が達する前に取得された被検体の心臓領域に関するＣＴ画像データである。第２のボリュームデータは、スキャンにおいて最も関心のある心臓領域の部分に造影剤が到達し、かつ存在するときに、同じ被検体に対して取得された心臓領域に関するＣＴ画像データである。
第１のボリュームデータがＣＴスキャナ６によって取得された時刻と、第２のボリュームデータがＣＴスキャナ６によって取得された時刻とは、造影剤が最も関心のあるエリアに到達可能な期間に亘って離れている。被検体は第１のボリュームデータの取得と第２のデータセットの取得との間で、ＣＴスキャナ６内で実質的に静止したままである。記載した実施形態の場合、第１のボリュームデータの取得と第２のボリュームデータの取得とは、被検体が息を止めることが可能である時間より短い期間に亘って隔てられている。第１、第２のボリュームデータは、被検体の１呼吸の停止期間の間に取得される。他の実施形態において、例えば、実行されている撮影とＣＴスキャナ６の特性とに応じて、第１のボリュームデータの取得と第２のボリュームデータの取得との間の時間は、上記期間より長くてもよい。第１のボリュームデータの取得と第２のボリュームデータの取得との間に、被検体について必然的な何らかの動きがある。第１のボリュームデータの取得と第２のボリュームデータの取得との間に、例えば自然な生理的プロセスによる心臓領域内での血管および他の解剖学的特徴に関して何らかの動きもある。
造影剤の存在により第２のボリュームデータにおいて識別される血管をはっきりと見るために、第１のボリュームデータを第２のボリュームデータから減算することが要求される。しかしながら、まず第１に、減算手順を実行する前に、第１のボリュームデータと第２のボリュームデータとを正確に整合することを確実にするために、位置合わせ手順を実行する必要がある。
したがって、次の段階Ｓ２で、位置合わせ部１２によって第１のボリュームデータに対する第２のボリュームデータの位置合わせを行う（または逆もまた同じ）ために、非剛***置合わせ手順が適用される。非剛***置合わせ手順は、第１および第２のボリュームデータにおける複数のボクセルに関して位置合わせを実行する大域的な位置合わせ手順である。
第１マップ決定部２０は、非剛***置合わせに係り、第２のボリュームデータの複数のボクセルにおいて、直交する３軸（例えばｘ軸、ｙ軸、ｚ軸）にそれぞれ対応する３種類の変位量を表す３種類のワープフィールドを決定する。ここで、ワープ（ｗａｒｐ）とは、歪みを表すものである。３種類のワープフィールドは、第２のボリュームデータの複数のボクセル各々に対応付けられて、第１のボリュームデータの複数のボクセル各々に非剛体的に位置合わせするための変位量を有する。
前処理段階は、大域的な非剛***置合わせ手順を実行する前に第１および第２のボリュームデータから無関係のデータを除去するために利用することができる。除去された無関係のデータは、例えば、余白を表すデータ（撮像範囲でないデータ）を有してもよい。場合によっては、パディング（画像処理におけるマスク領域）、または天板（Ｐａｔｉｅｎｔ ｔａｂｌｅ）または他のアーチファクトを表すデータを含んでいてもよい。前処理段階は、必要に応じて省略されてもよい。
段階Ｓ２で、任意の適した非剛***置合わせ手順を使用することができる。図１の実施形態において、大域的な非剛***置合わせ手順は、類似度として相互情報量を使用する。非剛***置合わせに関するワープフィールドは、クラム−ヒル−ホークス方式（William R. Crum, Derek L. G. Hill, David J. Hawkes. Information Theoretic Similarity Measures in Non-rigid Registration, Proceedings of IPMI'2003, pp.378-387）を用いて計算される。この特定の用途において、サブサンプリング数４および２を有するマルチスケール手法が使用される。実行時間およびメモリの観点からの要求が厳しいことが判明しているため、フルスケールの大域的な非剛***置合わせが、この段階Ｓ２の動作モードで実行されないことを意味している。
サブサンプリング数とは、ワープフィールドにおける一つのベクトル（変位量）が適用されるボクセルの数である。例えば、サブサンプリング数が４の場合、４つのボクセルに対してワープフィールド内の１つのベクトルが適用される。具体的には、ボリュームデータにおける隣接する４つのボクセルに対して、ワープフィールドにおける一つのベクトルが対応する。対応するベクトルは、４つのボクセルの重心座標に対応するワープフィールド内の同一座標におけるベクトルである。サブサンプリング数が４の場合、ワープフィールドにおけるベクトルの数は、ボリュームデータおける複数のボクセル数の４分の１となる。具体的には、ワープフィールドは、３次元空間の３つの方向（例えば、ｘ、ｙ、ｚ方向）ごとに重心座標の変位量を示すデータ（以下、ワープボリュームデータと呼ぶ）である。例えば、ｘ方向に関するワープボリュームデータは、重心座標に対して、ｘ方向の変位量を示すデータである。
また、サブサンプリング数が２の場合、２つのボクセルに対してワープフィールド内の１つのベクトルが適用される。具体的には、ボリュームデータにおける隣接する２つのボクセルに対して、ワープフィールドにおける一つのベクトルが対応する。対応するベクトルは、２つのボクセルの重心座標に対応するワープフィールド内の同一座標におけるベクトルである。
また、フルスケールとは、サブサンプリング数が１の場合に対応する。ボリュームデータにおける複数ボクセルと、ワープフィールドを示すベクトル場の複数のベクトルとがそれぞれ対応することを意味する。
第１および第２のボリュームデータのそれぞれは、１揃いのボクセルを有する。各ボクセルは、強度値を有する。各ボクセルは、空間的な位置を表す１組の座標（例えば、ｘ、ｙ、ｚの座標）を有する。ボクセルの強度値は、空間的な位置に関して選択された座標系（例えば、デカルト座標系）において、ＣＴスキャナ６による撮影により得られる。
非剛***置合わせは、ボクセルごとに、そのボクセルの空間座標のオフセットを備えるワープフィールドを生成する。オフセットとは、例えば、第１、第２のボリュームデータにおける天板の位置ずれなどである。非剛***置合わせに係るワープフィールドにより変換された第２のボリュームデータを取得するために、非剛***置合わせ手順からワープフィールドが得られる。得られたワープフィールドを第２のボリュームデータに適用することで、変換前の第２のボリュームデータにおける複数のボクセル各々の空間的な座標は、変換後の第２ボリュームデータにおける各ボクセルの位置が、同じ空間座標を有する第１のボリュームデータにおけるあるボクセルの位置と、被検体における実質的に同じ位置（実質的に同じ解剖学的位置）を示すように、ワープフィールドに従ってシフトされる。大部分の実際的な状況において、時間または処理の制約のためにマルチスケール位置合わせ手順を使用することが必要である。ワープフィールドが低減されたバージョン（例えば、サブサンプリング数が４または２のバージョン）を用いて、第１、第２のボリュームデータが互いに非剛体的に位置合わせされる。こうしたマルチスケール位置合わせ手順は、ワープフィールドとの対応で、完全なデータ（第１、第２のボリュームデータ）に関連するデータポイントの補間、およびそこからの選択を必要とする。こうした補間プロセスおよび選択プロセスは、位置合わせにおけるいくつかのエラーを必然的にもたらす。エラーは、比較的小さい場合はあるが、例えば石灰化およびステントなど、コントラストが高い小さい領域の位置合わせおよび表示にかなりの影響が依然としてあり得る。
非剛***置合わせおよび変換手順の後、第１のボリュームデータは、位置合わせされた第２のボリュームデータから減算され、結果として得られた減算されたボリュームデータは、ユーザに対して表示部４上に表示される。位置合わせが完全である場合、減算されたボリュームデータは、造影剤が存在する血管のみを示す。実際には、マルチスケール位置合わせ手順に固有の位置合わせエラーのため、また、大域的な非剛***置合わせは、第１のボリュームデータの取得と第２のボリュームデータの取得との間の解剖学的特徴の位置および向きにおけるすべてのシフトを正確に補償することができないため、大域的な非剛***置合わせは決して完全ではない。
図３は、大域的な非剛***置合わせ手順の実行の前に第２のボリュームデータを表す画像４２と共に、表示部上に画像４０として表示される第１のボリュームデータを示す。大域的な非剛***置合わせ手順の後、変換された第２のボリュームデータから第１のボリュームデータを減算したボリュームデータを表す画像４４も、図３において示される。
画像４０および４２において、石灰化の領域が血管に存在することがわかる。石灰化の領域は、画像４０、４２において、白いエリア４８、５０として鮮明に現れる。
石灰化の領域の特徴は、その領域が剛体であって、一般に伸張および剪断変形しないことである。これに対して、組織および血管の周囲のエリアは、時間に応じて著しく伸張および剪断変形する。大域的な非剛***置合わせアルゴリズムは、こうした伸張および剪断変形のプロセスを効果的に補償する位置合わせを生成することができる。しかし、すでに上述したように、実際にはいくらかのエラーがマルチスケール位置合わせプロセスに固有である。こうしたエラーは、石灰化またはステントなど高コントラストの特徴が、例えば血管など対象のエリアに隣接して存在するとき、既知のシステムにおいて重大になり得る。さらに、実際には、例えば血管など、検査される特徴のサイズおよび性質に関して、第１および第２のボリュームデータの変位のサイズのために、既知の技術を使用するとき、重大なエラーが起こり得る。ボリュームデータ間の変位のために既知の技術を使用する位置合わせにおいて必然的にいくつかのエラーがあり、例えば血管など、減算されたボリュームデータにおいて検査される特徴が比較的小さいとき、こうしたエラーは特に重大になる。
減算された画像４４において、石灰化の存在が減算された画像４４において重大なアーチファクトを生成することがわかる。画像４４において、アーチファクトは、暗いエリア５２として現れる。さらなる問題は、石灰化のエリアが通常血管の表面で発見されることと、減算された画像において目的の対象とすることができる特徴（血管）と隣接しているということである。減算された画像におけるアーチファクトの存在は、減算された画像における関心のある特徴の表示または解析を不明瞭にする。または、アーチファクトの存在は、減算された画像における関心のある特徴の表示または解析に著しく干渉する。図１の実施形態の特徴は、次に説明するように、アーチファクトを取り除くためにさらなる局所的な位置合わせ手順が実行されることである。
プロセスの次の段階Ｓ３で、さらなる局所的な位置合わせ手順の実行のために、関心領域設定部１８の制御下で、関心領域（Ｒｅｇｉｏｎ ｏｆ ｉｎｔｅｒｅｓｔ：以下、ＲＯＩと呼ぶ）が選択される。図１の実施形態において、画像におけるあるポイント上でマウスポインタをクリックすることによって、ユーザは、関心領域の中心を選択される。次いでマウスをドラッグすることによって、関心領域を規定するために、選択されたポイントの周辺で円形の境界を拡張される。こうした円形の境界５４は、図３の減算された画像４４に示される。円形の境界に関する半径を有し、ユーザによって選択されたポイントを中心とする球体が、関心領域設定部１８によってＲＯＩとして規定される。
代替の実施形態では、ユーザによる関心領域の選択として、任意の適した方法を使用することができる。例えば、任意の適した一連のマウス動作または他のユーザ入力デバイス動作を使用して、関心領域を選択することができる。関心領域は球形であることに限定されず、任意の適した形を使用することができる。例えば、関心領域は、立方体または矩形になるように選択されてもよい。また、関心領域設定部１８は、関心領域の輪郭を形成するためにユーザによって選択される複数のポイントを連結することができる。ユーザに表示される減算された画像は、いくつかの実施形態において２次元ではなく、むしろ３次元であってもよい。ユーザは、３次元画像から関心領域を選択してもよい。他の実施形態において、ユーザは、位置合わせされて減算された画像からではなく、取得された画像（第１、第２のボリュームデータにそれぞれ対応する画像）の一方または両方から領域を選択することができる。
別の代替の実施形態において、例えば所定の閾値を超える高コントラストの領域の存在の自動検出に基づいて、関心領域が自動的に選択されてもよい。
図１の実施形態において、ユーザによって選択されたＲＯＩは、画像改良部１６によって後段Ｓ４、Ｓ５において決定された別の改良位置合わせが少なくとも適用される領域である。ＲＯＩ（例えばＲＯＩの境界から始まり、半径方向に所定の距離だけ延びる中空の球形シェル）を囲むバッファ領域は、関心領域設定部１８によって規定されてもよい。さらなる改良位置合わせは、ＲＯＩのための改良位置合わせを大域的な非剛***置合わせと組み合わせる組合せ手順の一部として、バッファ領域に部分的に適用される。その組み合わせについては、手順の段階Ｓ６との関連で、下記でより詳細に説明する。
ＲＯＩに関して取得された位置合わせを改良し、位置合わせの質を改善するために、ＲＯＩに対応するボリュームデータのみを使用して、段階Ｓ５で、さらなる位置合わせ手順が実行される。
図１の実施形態の重要な特徴は、さらなる位置合わせ手順を実行する前に、最初の大域的な位置合わせ手順を使用してＲＯＩに対して取得された非剛体のワープフィールドの剛体近似（ｒｉｇｉｄ ａｐｐｒｏｘｏｍａｔｉｏｎ）が段階Ｓ４で決定されることにある。剛体近似は、非剛体のワープフィールドにできるだけ一致させられる。次いで、段階Ｓ５のさらなる位置合わせ手順の開始点として剛体近似が使用される。
第２マップ決定部２２により決定される第２マップは、関心領域に対応する第１マップ、すなわちワープフィールドを剛体近似したマップである。
段階Ｓ４の非剛体のワープフィールドに対する剛体近似の決定の背後にある理由は、造影前のスキャンと造影後のスキャンと（このケースでは、第１のボリュームデータと第２のボリュームデータ）の間の運動が（例えば冠状動脈の規模では）相当なものになり得るからである。局所的な剛***置合わせ（以下、局所剛***置合わせと呼ぶ）アルゴリズムにおいて、開始点の剛体近似が最終的な局所剛***置合わせにかなり近い適当な開始点でない場合、いくつかのケースで、ＲＯＩに関する局所剛***置合わせ手順を完全に成功させるためには、位置合わせされていない造影前のボリュームデータ（第１のボリュームデータ）と造影後のボリュームデータ（第２のボリュームデータ）との間で関連する構造の重なりが小さすぎる可能性があることがわかった。こうした開始点は、非剛体のワープフィールドの剛体近似の決定によって提供される。代替の実施形態では、局所的な剛***置合わせアルゴリズムの開始点として、ワープフィールドのアフィン近似を決定し、使用することができる。
局所的な剛***置合わせを適切に初期化するために、ＲＯＩ内のワープフィールドは、以下の方法を使用して、段階Ｓ４で剛体変換によって近似される。
以下の方法は、一例として記載したものであって、他の方法でＲＯＩに関する大域的非剛体変換を剛体変換に近似してもよい。
１．ＲＯＩ内のボクセルのポイント座標（例えば、２００００ポイント）をサンプリングする。
２．サンプル個体群におけるポイントごとに、ワープフィールド（第１マップ）を適用し、ワープ座標を記録する。
３．結果として得られた対応する座標対（最初のボクセル座標と対応するワープ座標と）を使用して、最初のボクセル座標を対応するワープ座標にマップするアフィン変換を決定するために、多重線形最小２乗回帰手順（ｍｕｌｉｔｉ−ｌｉｎｅａｒ ｌｅａｓｔ ｓｑｕａｒｅ ｒｅｇｒｅｓｓｉｏｎ ｐｒｏｃｅｄｕｒｅ）を適用する。このプロセスは、アフィン変換行列の行列要素を算出し、これはスケーリング成分（例えば、拡大および縮小）および剪断成分を依然として含み得る。
なお、スケーリング成分および剪断成分を取り除くために、段階Ｓ４の手順は、以下の通りに続けてもよい。
４．極分解を使用して、既知の技術を使用したアフィン変換行列の回転部分を抽出（計算）する。適した極分解技術の一例は、K.Shoemake and T.Duff, Matrix Animation and Polar Decomposition, Proceedings of Graphical Interface 1992, pp 258-264, 1992に記載されている。
５．ＲＯＩの中心点（ＲＯＩの重心とも呼ばれる）にステップ３で見つけたアフィン変換を適用する。
６．ワープ後の重心と最初の重心との間の変位を決定し、その変位を剛体変換の並進部分を表すものと見なす。
７．ＲＯＩについてのワープフィールドの剛体近似を取得するために、ステップ４、５、および６の結果を結合する。剛体近似は、ステップ４およびステップ６で決定された回転成分および並進成分を備える。この特定の用途において、スケーリングは、設計上１に固定されており、そのためスケーリングの抽出は必要ない。しかし、必要に応じてスケーリング成分を抽出することもできる。
段階Ｓ４の終わりに、ＲＯＩについての非剛体のワープフィールドの局所的な剛体近似が取得される。局所的な剛体近似は、最初の非剛体の位置合わせと同程度にしかなり得ず、これは、低品質の大域的なワープフィールドは低品質の局所的な剛体近似を生成する可能性があることを意味する。こうした場合、局所的な剛***置合わせが失敗する可能性がある。しかし、実際には、こうした状況は起こらず、一般に、大域的なワープフィールドを使用して、満足な局所的な剛***置合わせ近似を生成できることがわかっている。
次の段階Ｓ５で、ＲＯＩについて、第１および第２のボリュームデータ（それぞれ造影前データおよび造影後データ）からのデータの位置合わせを行うために、局所的な剛***置合わせ手順が実行される。図１の実施形態において、局所的な剛***置合わせアルゴリズムは、一般に相互情報類似度のパウエルスタイルの最適化の既知の原則に基づいているが、他の任意の適したアルゴリズムが使用されてもよい。
ＲＯＩ内に含まれる第２のボリュームデータのデータが、ＲＯＩ内に含まれる第１のボリュームデータに位置合わせされる。局所的な剛***置合わせ手順は、段階Ｓ４で取得された局所的な剛***置合わせの近似を開始点（初期条件）と見なし、次いで、最適化された局所的な剛***置合わせが取得されるまで、相互情報類似度のパウエルスタイルの最適化または他の任意の適した最適化手順を使用して、位置合わせを変更する。
すなわち、まず、段階Ｓ４で決定された非剛体変換を剛体近似した局所的な剛体変換（以下、第１の局所的剛体変換と呼ぶ）を、第２のボリュームデータに適用する。次いで、ＲＯＩ内において、変換後の第２のボリュームデータと第１のボリュームデータとの相互情報の類似度を計算する。相互情報類似度を最適するために、第１の局所的剛体変換を第２の局所的剛体変換に変更する。相互情報類似度が最適化されるまで、例えばｎ回（ｎは自然数）局所的剛体変換を変更する。第２マップは、相互情報類似度が最適化された局所剛体変換に対応する。
いくつかの動作モードでの局所的な剛***置合わせ手順の実行の前に、選択されたデータの何らかの前処理があり得る。例えば、局所的な剛***置合わせ手順が実行される前に、パディング、天板、または他の機器および／または空気に対応するデータなど、無関係なデータは、既知の技術を使用して取り除くことができる。
局所的な剛***置合わせ手順の前に実行することができる別の前処理手順は、閾値処理手順を備える。多くの場合、「造影前」データ（図１に関する上記の説明における第１のボリュームデータ）と呼ばれるものは、実際に、造影剤が被検体に注入された後であるが、造影剤が大動脈および冠状動脈血栓（またはスキャンの目的の対象である他の特徴）に達する前に実行されたスキャンから得られたデータである。それにもかかわらず、造影剤は、例えば、造影前スキャン時に右心室に存在してもよい。これは、造影前スキャンでの心臓の予想外の部分において明るい材料のエリアがあり得ることを意味する。左冠状動脈ツリーが右心室に極めて近くなるにつれて、問題が生じる可能性があり、位置合わせアルゴリズムを混乱させる可能性がある。
結果は、一例として、造影剤が右心室６４に存在するが、大動脈および左冠状動脈６６に達する前に取得された造影前スキャンデータ（例えば、第１のボリュームデータ）を表す画像６０を示す図４において観察されてもよい。造影剤が大動脈および冠状動脈に達したときに取得される造影後スキャンデータ（例えば、第２のボリュームデータ）を表す画像６２も示される。石灰化６８、７０の２つの領域は、画像６０と画像６２の両方に示されてもよい。大動脈および冠状動脈まで通過する前に造影剤が存在するために、右心室６４が造影後画像６２においてより造影前画像６０において非常に明るいということもわかる。造影前画像６０におけるその大きい、より明るいエリアの存在は、位置合わせプロセスに干渉する可能性がある。
記載した実施形態の異型において、段階Ｓ４と段階Ｓ５との間にさらなる位置合わせ前処置を実行することによって、前のパラグラフに記載されている問題が対処される。位置合わせ前手順によれば、所定の閾値を上回る強度、および所定のサイズを上回るサイズを有する造影前画像データ（例えば、第１のボリュームデータ）の領域は、画像改良部１６によって自動的に識別され、位置合わせの目的で、無視される。このように、位置合わせの目的で、造影前のボリュームデータにおいて造影剤がある血液を識別し、破棄することができる。造影後画像データ（例えば、第２のボリュームデータ）の対応する領域は、位置合わせの目的で無視されてもよい。１つの動作モードにおいて、閾値強度は、例えば、約２００ＨＵ（ハウンスフィールドユニット）となるように選択される。閾値サイズは、典型的な大きいステントまたは石灰化より大きくなるハウンスフィールドユニットとして設定される（例えば、閾値サイズは、約１２．５ｍｍ3、または実質的に１２．５ｍｍ3に等しくなるように設定されてもよい）。閾値処理手順によって選択される領域は、マスクアウトすることができる。
図１の実施形態の１つの動作モードにおいて、段階Ｓ５の剛***置合わせ手順は、第１および第２のボリュームデータの強度データにおいて実行される。しかし、比較的大量のデータにわたって計算される場合、相互情報量（Ｍｕｔｕａｌ Ｉｎｆｏｒｍａｔｉｏｎ：以下、ＭＩと呼ぶ）は最適に働く。残念なことに、位置合わせを行うためにプロセスが使用される石灰化の多くは、かなり小さく、限定された数のボクセルから成る。そのため、構造同士、特に境界同士を当てはめる際、ＭＩでは信頼性がより低い。さらに、石灰化は、造影剤がある血液によって部分的に明るい領域に囲まれることが多く、それによってボクセル強度の不整合が増す。
この影響を緩和するために、図１の実施形態の他の動作モードで、勾配情報は、画像強度データの位置合わせを行う代わりに、第１および第２のボリュームデータから導出される勾配規模データ（ｇｒａｄｉｅｎｔ ｍａｇｎｉｔｕｄｅ ｄａｔａ：以下、勾配ボリュームデータと呼ぶ）の位置合わせを行うことによって、段階Ｓ５で使用される位置合わせアルゴリズムに組み込まれる。
位置に応じた勾配規模データ（勾配ボリュームデータ）は、造影前データと造影後データ（この場合、第１のボリュームデータと第２のボリュームデータ）の両方についてのＲＯＩ内のボリュームデータについて、勾配ボリュームデータ発生部１４によって発生される。次いで、第１のボリュームデータから取得された第１の勾配ボリュームデータに対して第２のボリュームデータから取得された第２の勾配ボリュームデータの位置合わせを行うために、段階Ｓ５の剛***置合わせプロセスが実行される。
いくつかの動作モードにおいて、対象の構造（造影剤がある血液および石灰化／ステント）のみに焦点を絞るために、勾配ボリュームデータを発生する前に画像クランプ（ｉｍａｇｅ ｃｌａｍｐ）が適用される。画像クランプは、例えば、ハウンスフィールドユニット、または輝度値により指定された範囲で実行される。これらの範囲の目安は、石灰化およびステントに関する範囲である。
クランピングの限度は、例えば５０ＨＵおよび６００ＨＵとすることができ、これは、５０ＨＵを下回る、および６００ＨＵを上回る強度値がそれぞれ５０ＨＵおよび６００ＨＵに限定されることを意味する。
一旦クランピングが実行されると、勾配規模が算出され、段階Ｓ５の剛***置合わせ手順が実行される。クランピングし、勾配規模を算出した後に結果として得られた勾配ボリュームデータは、高低強度の詳細が多く失われたために、情報で劣るが、正しく整合させるために最も重要なエリア、例えば石灰化の端部などに、すべての情報が集中する。通常、クランプされた勾配ボリュームデータが正しい位置合わせを得るためだけに使用されることに留意することが重要である。次いで、第１のボリュームデータと第２のボリュームデータとを整合させるために、位置合わせが最初の第２のボリュームデータの強度データに適用される。
図５は、造影剤が左心室７４に存在し、かつ造影剤が冠状動脈に達する前に取得され、クランプされたＣＴ画像データ（第１のボリュームデータ）から得られた一揃いの勾配データから生成された画像７０の一例を示す。図５は、造影剤が冠状動脈７６に存在するときに取得されるクランプされたＣＴ画像データ（第２のボリュームデータ）から取得された一揃いの勾配ボリュームデータから生成された同じ領域の画像７２も示す。画像７２上に重ねられる黒ベゼル（ｂｅｚｅｌ：縁）形状７８は、選択されたＲＯＩの境界を示す。勾配およびクランプのプロセスの使用は、位置合わせプロセスの組織境界情報の有効な活用を可能にする。
段階Ｓ５の終わりに、ＲＯＩにおける第１のボリュームデータに対する第２のボリュームデータの位置合わせを表す局所的な剛***置合わせ（第２マップ）が決定される。第１のボリュームデータ全体に対する第２のボリュームデータ全体の位置合わせを表す、大域的な非剛体の位置合わせが段階Ｓ２ですでに決定されている。次の段階Ｓ６で、局所的な剛***置合わせは、組み合された位置合わせを取得するために、大域的な非剛体の位置合わせに組み合わされる。
すなわち、段階Ｓ６において、関心領域に関する第２マップと非関心領域に関する第１マップとを結合した結合マップが発生される。
位置合わせの組み合わせ（結合マップ）は、関心領域設定部１８によって定義されるＲＯＩ（例えばＲＯＩの境界から始まり、半径方向に所定の距離だけ延びる中空の球形シェル）を囲むバッファ領域を使用して、画像改良部１６によって実行される。バッファ領域は、フェザリングバッファと呼ばれることもあり、固定サイズでもよい。
マージは、２つの連続するプロセスを使用することによって実行することができる。まず第１に、局所的な剛体変形と、大域的な非剛体の位置合わせから取得される大域的なワープフィールドとが、バッファ内の各位置（各ボクセル）で２つの加重平均をとることによって混合される。
加重平均算出において使用される加重（第１、第２の重み）は、ＲＯＩからの距離の変化によって線形に変化し、その結果、ＲＯＩ内では局所的な剛***置合わせのみが使用され、混合バッファ外では大域的な非剛体の位置合わせのみが使われる。
混合バッファ内に位置を有し、しかしＲＯＩとの境界に近いボクセルでは、組み合わされた位置合わせによって取得された最初の第２のボリュームデータにおけるそのボクセルの座標に対するボクセルの座標の変位は、主に局所的な剛***置合わせによって決定され、第１の重みにより重み付けされた大域的な非剛***置合わせのため、小さい調整がある。同様に、混合バッファ内に位置し、しかしＲＯＩから最も遠い境界に近いボクセルでは、組み合わされた位置合わせに従って取得された最初の第２のボリュームデータにおけるそのボクセルの座標に対するボクセルの座標の変位は、主に大域的な非剛***置合わせによって決定され、第２の重みにより加重された局所的な剛***置合わせのため、小さい調整がある。
他の任意の適した組み合わせプロセスを、代替の実施形態で使用することができる。例えば、加重（第１、第２の重み）は、任意の適した方法で異なっていてもよく、ＲＯＩからの距離によって直線的に変わる必要はない。例えば、加重（第１、第２の重み）は、例えば、距離の二次または他の多項式関数、シグモイド関数または双曲線関数など、任意の適した距離の関数として変化してもよい。加重が適用される領域と加重が適用されない領域との間の境界は、それらの位置についての大域的な位置合わせと局所的な剛***置合わせとの間の違いに応じて選択することができ、例えば、バッファ領域境界のサイズおよび位置は、こうした違いに応じて自動的に決定することができる。
次の段階Ｓ７で、第１のボリュームデータに対して位置合わせされる第２のボリュームデータを取得するために、組み合わされた位置合わせが第２のボリュームデータに適用される。次いで、石灰化、ステント、または他の無関係の特徴を除外する、またはその突出を低減するデジタル的に減算された画像を得るために、位置合わせされた第２のボリュームデータを、第１のボリュームデータから減算されてもよい。
この方法は、パフォーマンスを高速にし、必要なメモリを少なくした、選択されたＲＯＩについてのボリュームデータの位置合わせの正確な自動化または半自動化された改良を提供する。
この方法は、石灰化を含む領域の改良された位置合わせに関して説明したが、他の無関係の特徴を含む領域、特に実質的に堅く、非剛体の位置合わせ手順を使用してうまく位置合わせを行うことができない特徴、および／または所定の閾値を上回る画像強度を提供する特徴の位置合わせを改善するために、この方法を使用することもできる。こうした他の特徴の例には、ステントがある。この方法は、相対的に小さい領域に関する位置合わせを改善する際に最適に働く。ステント、または相対的に長い他の特徴の場合、ステントまたは他の特徴の長さにわたるいくつかの異なるＲＯＩを定義することができる。個別の剛***置合わせは、ＲＯＩごとに実行することができ、個別の剛***置合わせはすべて、大域的な非剛***置合わせに組み合わせることができる。
ある動作モードにおいて、進歩的な方法で局所的な改良を適用することによって、大きなステントの良好な位置合わせを取得することができる。問題のエリア（例えばステントのエリア）をカバーするために、複数の小さいＲＯＩが使用される。
例えば、図２の方法の段階Ｓ５でＲＯＩのうちの１つについて、改良された局所的な剛***置合わせが取得された後、その改良された局所的な剛***置合わせを大域的な非剛***置合わせに組み合わせて、組み合わせた位置合わせ（結合マップ）を生成することができる。次いで、その組み合わせた位置合わせ（結合マップ）が、次の隣接するＲＯＩの改良された局所的な剛***置合わせを決定するための局所的な剛***置合わせ手順の開始点として使用される。新たな組み合された位置合わせを生成するために、改良された局所的な剛***置合わせは、上記組み合された位置合わせに組み込まれる。次いで、新たに組み合わされた位置合わせは、次のＲＯＩの改良された局所的な剛***置合わせを決定するための局所的な剛***置合わせ手順の開始点として使用することができる。改良された局所的な剛***置合わせがＲＯＩのそれぞれについて取得されるまで、プロセスを繰り返すことができる。
いくつかの実験例において、合計２８個の別々のケースについて、複数のＲＯＩを有する１０個の異なるボリュームデータに、記載した実施形態のプロセスが実行された。実験において、グランドトルース変換（ｇｒｏｕｎｄ ｔｒｕｔｈ ｔｒａｎｓｆｏｒｍａｔｉｏｎ）が、記載した実施形態の方法の実行によって取得された結果と比較された。グランドトルースは、専門家がＲＯＩにおけるボリュームデータを手動で整合し、結果として得られた剛体変換を記録することによって取得された。それらの実験による変換エラーのために取得された数値（ピクセル数）は、０．４５１画素であった。これは、この方法を使用して取得された位置合わせをどの特定のピクセルに適用しても、グランドトルースにより示された特定のピクセルがあるべき場所から平均して０．４５１画素離れた位置に位置合わせされることを意味する。このピクセル数は、１ミリメートルの約１／４の数値に対応する。大域的な非剛***置合わせ手順が使用された場合、改良された局所的な剛***置合わせなしで、エラーは１．７９画素であった。実行時に関して、プロセス全体にかかった時間は、１７ラップトップコンピュータにおいて、ＲＯＩごとに１５秒未満であった。
動脈の構造など最も関心のある構造における造影剤が存在する前（造影前と呼ばれる）、および造影剤が最も関心のある構造に存在する（造影後と呼ばれる）ときに取得された第１および第２のボリュームデータを表す画像８０ａ、８０ｂ、８０ｃ、８０ｄと、画像８２ａ、８２ｂ、８２ｃ、８２ｄの例は、図６〜図９に示される。各図は、位置合わせされた第２のボリュームデータが大域的な非剛***置合わせ手順のみを使用して位置合わせされた場合において、第１のボリュームデータからの位置合わせされた第２のボリュームデータの減算によって取得された減算されたボリュームデータを表す画像８４ａ、８４ｂ、８４ｃ、８４ｄも含む。各図は、位置合わせされた第２のボリュームデータが、ＲＯＩについての局所的な剛体改良と共に大域的な非剛***置合わせ手順を使用して位置合わせされた場合において、第１のボリュームデータからの位置合わせされた第２のボリュームデータの減算によって取得された減算されたボリュームデータを表す画像８６ａ、８６ｂ、８６ｃ、８６ｄも含む。ＲＯＩ８８ａ、８８ｂ、８８ｃ、８８ｄも各図に示される。図６〜図９のそれぞれは、それぞれ異なる被検体から取得された画像から成る。
いずれの場合でも、大域的な非剛***置合わせのみを使用して取得された減算された画像８４ａ、８４ｂ、８４ｃ、８４ｄのＲＯＩ内には、通常暗いエリアとして、重大なアーチファクトが見られる。それらのアーチファクトは、ＲＯＩについての局所的な剛***置合わせと共に大域的な非剛***置合わせを使用して取得された減算された画像８６ａ、８６ｂ、８６ｃ、８６ｄにおいて除去される。
図１との関連で記載した実施形態において、ＲＯＩの選択は、ユーザによる画像のポイントまたはエリアの選択に基づいて、手動または半自動で実行される。代替の実施形態では、ＲＯＩの選択は、次に説明するように、自動的に実行される。
ＲＯＩを自動的に識別するためのサブプロセスの第１の段階で、例えば対象の血管など、検査の対象である特徴に近くない領域の位置が識別される。いくつかの実施形態において、その第１の段階は省略することができ、しかし、関係ない高コントラストの特徴を含む領域、またはそうでなければＲＯＩを含むものとして誤って識別され得る領域をボリュームデータが含む可能性があることがわかっているとき、第１の段階を含むことが重要であり得る。例えば、心臓血管を見るための心臓領域のスキャンの場合、スキャンは、例えば肋骨や脊椎など大きいエリアの骨、または対象ではない血管を含むことがあり、残りのデータのＲＯＩを自動的に識別するためにさらなる手順を実行する前に、こうした領域をボリュームデータからマスクアウトすることは有用である。
現在説明している実施形態の場合、サブプロセスの第１の段階は、異なる解剖学的領域の位置、または画像データ（ボリュームデータ）からの特徴を識別するために、セグメント化手順を実行することを備える。任意の適したセグメント化プロセス、例えば環椎ベースのセグメント化プロセスを使用することもできる。
次いで、第１のマスクは、セグメント化に基づいて形成され、これは、対象（位置合わせのための処理対象）ではない特徴に対応するデータ（ボリュームデータの一部分）を削除するために使用することができる。心臓血管を見るための心臓領域のスキャンの場合、肋骨や脊椎などの骨のエリアは対象ではなく、例えば、こうした特徴に対応するデータをマスクアウトするために、セグメンテーションマスクを使用することができる。同様に、非冠状または非大動脈血管に対応するデータは、特定のプロセスについて対象ではない場合があり、マスクアウトすることができる。例えば冠状動脈および大動脈起始部など、対象のエリアに関するデータは保持される。
次いで、セグメンテーションマスクが、第１のボリュームデータからの大域的な非剛***置合わせに従って変換される第２のボリュームデータの減算によって段階２２で取得された減算されたボリュームデータに適用される。このように、（この場合）骨など無関係な特徴に対応する減算されたデータをマスクアウトすることができる。
現在説明している実施形態において、対象ではないデータのこうした領域をマスクアウトするために、セグメント化プロセスが実行されるが、他の任意の適したプロセスを使用して、それが対象ではないとわかっているデータの領域を除外することができる。例えば、いくつかの実施形態で、残りのデータにおけるＲＯＩを自動的に識別するために、さらなるプロセスが実行される前に、ユーザは、対象ではないデータの領域を手動で選択することができる。
ＲＯＩは、さらなる局所的な位置合わせを実行することが望ましい領域であり、それらは、小さい、高強度の特徴（例えば石灰化またはステント）がある程度位置ずれしている領域であることが多い。こうした特徴の位置ずれは、通常、減算されたボリュームデータにおける異常に高強度のエリアおよび異常に低強度の隣接するエリアを備えるサブトラクションによるアーチファクトを生成する。
サブプロセスの次の段階で、選択された閾値より大きい（例えば、２００ＨＵより大きい）強度を有するマスクされ、減算されたボリュームデータの領域を識別するために、閾値処理手順が使用される。閾値処理手順は、例えばコントラストがある血液およびサブトラクションによるアーチファクトの明るい部分を識別するために使用することができる。
サブプロセスの次の段階で、選択された閾値未満の（例えば、−１００ＨＵ未満の）強度を有するマスクされた、減算されたボリュームデータの領域を識別するために、さらなる閾値処理手順が使用される。さらなる閾値処理手順は、例えばサブトラクションによるアーチファクトの暗い部分を識別するために使用することができる。
次いで、第２のマスクは、閾値処理手順およびさらなる閾値処理手順によって識別される領域の結合から形成される。次いで、例えば各方向に選択された量（例えば、１ｍｍ）だけマスクのサイズを増加させるために、小さい形態学的な膨張がさらなるマスクに適用される。
位置合わせされた造影前データ（第１のボリュームデータ）とサブトラクションデータとの間に残り得る小さい位置ずれを補償するために、形態学的な膨張を使用することができる。第１のボリュームデータと第２のボリュームデータとが大きくずれている場合、形態学的な膨張のサイズを増やすことが必要となる場合もある。
サブプロセスの次の段階で、選択された値より大きい（例えば、２００ＨＵより大きい）強度を有する造影前データにおける領域を識別するために、別の閾値処理手順が造影前データセット（この場合第１のボリュームデータ）に適用される。選択された値より大きい強度を有し、選択されたサイズの閾値より大きいサイズ（例えば、２０００ｍｍ3より大きいボリューム）を有する造影前データの領域が取り除かれる。それは、冠状動脈の近くにあるかなりの量の骨（および、場合によっては、造影前画像データに存在し得るコントラストがある血液）を取り除くのに役立つ。次いで、造影前データに実行される閾値処理手順から決定される残りの高強度の領域を表す第３のマスクが形成される。
次いで、第２の形態学的に膨張されたマスクと第３のマスクとの共通部分からさらなる結合マスクが形成される。さらなる結合マスクは、冠状動脈の近くにあり、したがって、例えば石灰化またはステントに対応し得る小さい明るい対象物を自動的に識別するために使用することができる。第２のマスクは、（セグメント化手順から取得される第１のマスクの最初の適用によってすでに除外された対象ではないことがわかっている領域を有する）減算されたデータから取得され、第３のマスクは造影前データから取得される。互いに完全には位置合わせされないデータ（例えば、減算されたデータと大域的に位置合わせされた造影前データ）から取得されるマスクが結合されることが、記載した実施形態の重要な特徴である。それは、潜在的に困難をもたらすと考えられる。しかし、形態学的な膨張は、例えば、さらなる結合マスクを形成するときのデータ間の任意の相違を補償するためのものであり、このプロセスはＲＯＩを自動的に識別することに効果的であることが実際にわかっている。
代替の実施形態では、例えばサブプロセスが特に石灰化を識別するために使用されるとき、形態学的な膨張および／または第３のマスクの形成は省略することができる。代わりに、ＲＯＩを識別するために、造影前画像データセット上に直接第２のマスクをワープ（非剛体変換）させるために、さらなる位置合わせ手順を使用することができる。
次に、ＲＯＩは、さらなる結合マスクの領域から自動的に形成される。ＲＯＩは、任意の適した方法で形成することができる。例えば、単一のＲＯＩは、識別された領域に対応して形成することができ、または、識別された領域は、それぞれ所定のサイズ以下のいくつかのＲＯＩに分割することができる。あるいは、またはさらに、さらなる結合マスクの領域をカバーする所定の形状（例えば球形または立方体の）のＲＯＩを選択することができる。自動的に決定されたＲＯＩは、例えば、隣接または重複していてもよい。
ＲＯＩが一旦自動的に決定されると、プロセスは段階２６を続け、図２に関してすでに説明したように、ＲＯＩの局所的な位置合わせ、組み合わせプロセス、および減算プロセスが実行される。
図１との関連で記載した実施形態において、局所的な位置合わせ手順は、１つまたは複数の選択された領域について全体的な位置合わせを改良するために実行される局所的な剛***置合わせ手順である。代替の実施形態では、局所的な位置合わせ手順は、アフィン位置合わせ手順である。さらなる実施形態において、局所的な位置合わせ手順は、さらなる自由形状の位置合わせ（非剛***置合わせ）がＲＯＩに対応する選択されたデータに適用される自由形状の位置合わせ手順でもよく、結果として得られた自由形状の位置合わせは、大域的な自由形状の位置合わせに組み合わされる。
図１の実施形態の動作は、石灰化またはステントがある場合、血管の閲覧を改善するために、患者の心臓領域から取得された画像データ（ボリュームデータ）の処理との関連で説明した。しかし、実施形態は、任意の適した画像データの位置合わせおよび閲覧を改善するために使用することができ、別の、および／または高強度の特徴に隣接するものと比べて１つの画像データの造影剤強調を受ける比較的小さい特徴の閲覧に関して、特に有益であり得る。説明した技術は、例えば、ウィリス動脈輪を表す脳画像データなど、身体の任意の適した領域から血管画像データを処理するために使用することができる。
選択されたＲＯＩは、任意の適したサイズのものとすることができるが、いくつかの適用では、ＲＯＩが３０ｍｍ3と１０００ｍｍ3との間のボリュームを有することがわかっている。
実施形態がソフトウェアによってある機能を実施するが、その機能が単にハードウェアにおいて（例えば１つまたは複数のＡＳＩＣ（特定用途向けＩＣ）によって）、またはハードウェアとソフトウェアの混合によって実施することができることは、当業者であれば十分理解されよう。このように、実施形態は、ソフトウェアで実施されることのみに限定されない。
本明細書では特定のモジュールについて説明しているが、代替の実施形態では、こうしたモジュールの１つまたは複数の機能は、単一モジュールまたは他の構成要素によって提供することができ、単一モジュールによって提供される機能は、２つ以上のモジュールまたは他の構成要素によって組み合わせて提供することができる。
いくつかの実施形態について説明してきたが、これらの実施形態は、一例として提示したにすぎず、本発明の範囲を限定するためのものではない。実際、本明細書に記載した新しい方法およびシステムは、様々な他の形で具体化することができ、さらに、本発明の意図を逸脱することなく、本明細書に記載した方法およびシステムの形の様々な省略、置換、および変更を行うことができる。添付の請求の範囲およびそれらの等価物は、本発明の範囲内に含まれる形態および修正をカバーするものとする。
本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら新規な実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれるとともに、特許請求の範囲に記載された発明とその均等の範囲に含まれる。
１…医用画像処理装置、２…処理部、４…表示部、６…ＣＴスキャナ、７…画像データセット、８…入力部、１０…ＣＰＵ（中央演算処理装置）、１２…位置合わせ部、１４…勾配ボリュームデータ発生部、１６…画像改良部、１８…関心領域設定部、２０…第１マップ発生部、２２…第２マップ発生部、２４…差分処理部

Claims (27)

  1. 第１のボリュームデータと第２のボリュームデータとを記憶する記憶部と、
    前記第１、第２のボリュームデータに基づいて、前記第１のボリュームデータに対する第２のボリュームデータの非剛***置合わせに用いられる第１マップを決定する第１マップ決定部と、
    前記第２のボリュームデータに関心領域を設定する関心領域設定部と、
    前記関心領域に対応する前記第１マップに基づいて、剛***置合わせに用いられる第２マップを決定する第２マップ決定部と、
    前記関心領域については前記第２マップを用い、非関心領域については前記第１マップを用いることにより、前記第１のボリュームデータに前記第２のボリュームデータを位置合わせする位置合わせ部と、
    を具備することを特徴とする医用画像処理装置。
  2. 前記第１マップ決定部は、前記第２のボリュームデータの各ボクセルについての変位量を有する前記第１マップを決定し、
    前記第２マップ決定部は、前記関心領域に含まれる複数のボクセルについての前記変位量を用いて前記関心領域の各位置における回転成分と並進成分とを計算し、前記計算された回転成分と前記並進成分と前記第１、第２のボリュームデータとに基づいて前記第２マップを決定すること、
    を特徴とする請求項１に記載の医用画像処理装置。
  3. 前記第２マップ決定部は、前記関心領域からパディング領域と空気に関する領域とを取り除いた領域における前記第１、第２のボリュームデータと、前記回転成分と前記並進成分とに基づいて、前記第２マップを決定すること、
    を特徴とする請求項２に記載の医用画像処理装置。
  4. 前記第２マップ決定部は、前記第１、第２のボリュームデータにおいて所定の閾値以下の値を有する複数のボクセルを用いて、前記第２マップを決定すること、
    を特徴とする請求項２に記載の医用画像処理装置。
  5. 前記第１マップ決定部は、前記第１マップとして、前記非剛***置合わせとして非線形位置合わせに用いられるマップを決定し、
    前記第２マップ決定部は、前記第２マップとして、前記剛***置合わせとして線形位置合わせに用いられるマップを決定すること、
    を特徴する請求項１に記載の医用画像処理装置。
  6. 前記第２マップ決定部は、前記第２マップとして、前記剛***置合わせとしてアフィン位置合わせに用いられるマップを決定すること、
    を特徴とする請求項１に記載の医用画像処理装置。
  7. 前記第１マップ決定部は、前記第１マップとして、ワープフィールドに対応するマップを決定すること、
    を特徴とする請求項１に記載の医用画像処理装置。
  8. 前記第１マップ決定部は、前記第１マップとして、前記非剛***置合わせとして自由形状の位置合わせに用いられるマップであること、
    を特徴とする請求項１に記載の医用画像処理装置。
  9. 前記関心領域設定部は、前記関心領域を複数の領域として設定し、
    前記第２マップ決定部は、前記複数の関心領域各々に対応する第１マップに基づいて、前記複数の関心領域に対応する一揃いの第２マップセットを決定し、
    前記位置合わせ部は、前記複数の関心領域については前記第２マップセットを用いること、
    を特徴とする請求項１に記載の医用画像処理装置。
  10. 前記位置合わせ部は、前記非関心領域に対応する前記第１マップと前記関心領域に対応する前記第２マップとを結合した結合マップを用いることにより、前記第１のボリュームデータに前記第２のボリュームデータを位置合わせすること、
    を特徴とする請求項１に記載の医用画像処理装置。
  11. 前記第２マップ決定部は、前記関心領域を部分的にまたは全体的に囲むバッファ領域に対応する前記第１マップに基づいて、前記バッファ領域における前記第２マップを決定し、
    前記結合マップは、前記第１マップと前記第２マップとの間に前記バッファ領域を有し、
    前記バッファ領域は、第１の重みを付与した前記第１マップと第２の重みを付与した前記第２マップとを加算または加算平均した第３マップを有すること、
    を特徴とする請求項１０に記載の医用画像処理装置。
  12. 前記第１、第２の重みは、前記関心領域からの距離に応じた重みであること、
    を特徴とする請求項１１に記載の医用画像処理装置。
  13. 前記第１、第２マップを用いて前記位置合わせされた第２のボリュームデータを前記第１のボリュームデータから差分した差分ボリュームデータを発生する差分処理部をさらに具備すること、
    を特徴とする請求項１に記載の医用画像処理装置。
  14. 前記第２マップ決定部は、前記関心領域における前記非剛***置合わせを前記剛***置合わせまたは前記アフィン位置合わせで近似的に表すために、前記関心領域に対応する前記第１マップに基づいて、前記第２マップを決定すること、
    を特徴とする請求項６に記載の医用画像処理装置。
  15. 前記第２マップ決定部は、
    前記関心領域に対応する前記第１マップに基づいて、前記第２マップセットのうち少なくとも一つの第２マップを決定し、
    決定された第２マップに基づいて、前記第２マップセットのうち他の第２マップを決定すること、
    を特徴とする請求項９に記載の医用画像処理装置。
  16. 前記第１のボリュームデータに基づいて前記関心領域に対応する第１の勾配ボリュームデータを発生し、前記第２のボリュームデータに基づいて前記関心領域に対応する第２の勾配ボリュームデータを発生する勾配ボリュームデータ発生部をさらに具備し、
    前記第２マップ決定部は、前記関心領域に対する第１マップと前記第１、第２の勾配ボリュームデータとに基づいて、前記第２マップを決定すること、
    を特徴とする請求項１に記載の医用画像処理装置。
  17. 前記第１、第２勾配ボリュームデータは、所定の閾値により閾値処理された複数のボクセルにより構成されること、
    を特徴とする請求項１６に記載の医用画像処理装置。
  18. 前記差分処理部は、前記第１マップを用いて位置合わせされた第２のボリュームデータから前記第１のボリュームデータを差分した差分ボリュームデータを発生し、
    前記関心領域設定部は、前記差分ボリュームデータに対応する差分画像への入力に基づいて、前記関心領域を設定すること、
    を特徴とする請求項１３に記載の医用画像処理装置。
  19. 前記差分処理部は、前記第１マップを用いて前記第１のボリュームデータに非剛***置合わせされた前記第２のボリュームデータを、前記第１のボリュームデータから差分した差分ボリュームデータを発生し、
    前記関心領域設定部は、所定の閾値処理が実行された前記第１のボリュームデータと前記差分ボリュームデータとに基づいて前記第２ボリュームデータの一部領域を切り出すことにより、前記関心領域を設定すること、
    を特徴とする請求項１３に記載の医用画像処理装置。
  20. 前記記憶部は、前記第１、第２のボリュームデータとして、Ｘ線コンピュータ断層撮影装置により取得されたボリュームデータを記憶すること、
    を特徴とする請求項１に記載の医用画像処理装置。
  21. 前記記憶部は、前記第１、第２のボリュームデータとして、被検体の胸部領域のうち心臓領域と、前記被検体の脈管構造のうち冠状動脈領域またはウィリス動脈輪領域とのうち少なくとも一方を有するボリュームデータを記憶すること、
    を特徴とする請求項１に記載の医用画像処理装置。
  22. 前記第２マップ決定部は、周辺組織より堅い部分組織に関するボクセルと、所定の閾値を超える強度を有するボクセルとのうち少なくとも一方のボクセルを有する前記関心領域内の第２のボリュームデータを用いること、
    を特徴とする請求項１に記載の医用画像処理装置。
  23. 前記第２マップ決定部は、石灰化に関する領域とステントに対応する領域とのうち少なくとも一方を有する前記関心領域内の前記第２のボリュームデータを用いること、
    を特徴とする請求項１に記載の医用画像処理装置。
  24. 前記記憶部は、
    前記第１のボリュームデータとして、造影前に取得されたボリュームデータを記憶し、
    前記第２のボリュームデータとして、造影後に取得されたボリュームデータを記憶すること、
    を特徴とする請求項１に記載の医用画像処理装置。
  25. 前記第１マップ決定部は、前記第１のボリュームデータとして、造影剤に関する領域は所定の閾値処理により除去されたボリュームデータを用いること、
    を特徴とする請求項１に記載の医用画像処理装置。
  26. 被検体に関する第１のボリュームデータと前記被検体に関する第２のボリュームデータとに基づいて、前記第１のボリュームデータに対する第２のボリュームデータの非剛***置合わせに用いられる第１マップを決定し、
    前記第２のボリュームデータに関心領域を設定し、
    前記関心領域に対応する前記第１マップに基づいて、剛***置合わせに用いられる第２マップを決定し、
    前記関心領域については前記第２マップを用い、非関心領域については前記第１マップを用いることにより、前記第１のボリュームデータに前記第２のボリュームデータを位置合わせすること、
    を具備することを特徴とする医用画像処理方法。
  27. 医用画像処理装置に内蔵されたコンピュータに
    第１のボリュームデータと第２のボリュームデータとを記憶させる記憶機能と、
    前記第１、第２のボリュームデータに基づいて、前記第１のボリュームデータに対する第２のボリュームデータの非剛***置合わせに用いられる第１マップを決定させる第１マップ決定機能と、
    前記第２のボリュームデータに関心領域を設定させる関心領域機能と、
    前記関心領域に対応する前記第１マップに基づいて、剛***置合わせに用いられる第２マップを決定させる第２マップ決定機能と、
    前記関心領域については前記第２マップを用い、非関心領域については前記第１マップを用いることにより、前記第１のボリュームデータに前記第２のボリュームデータを位置合わせさせる位置合わせ機能と、
    を実現させる医用画像処理プログラム。
JP2012141851A 2012-01-12 2012-06-25 医用画像処理装置、医用画像処理方法および医用画像処理プログラム Active JP6042112B2 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US13/349,010 US8675944B2 (en) 2012-01-12 2012-01-12 Method of registering image data
US13/349,010 2012-01-12

Publications (2)

Publication Number Publication Date
JP2013141603A true JP2013141603A (ja) 2013-07-22
JP6042112B2 JP6042112B2 (ja) 2016-12-14

Family

ID=48750276

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2012141851A Active JP6042112B2 (ja) 2012-01-12 2012-06-25 医用画像処理装置、医用画像処理方法および医用画像処理プログラム

Country Status (3)

Country Link
US (1) US8675944B2 (ja)
JP (1) JP6042112B2 (ja)
CN (1) CN103202705B (ja)

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015023997A (ja) * 2013-07-26 2015-02-05 富士フイルム株式会社 診断支援装置および診断支援方法並びに診断支援プログラム
JP2015128546A (ja) * 2014-01-09 2015-07-16 富士通株式会社 臓器位置推定装置、臓器位置推定装置の制御方法および臓器位置推定装置の制御プログラム
JP2016104121A (ja) * 2014-11-25 2016-06-09 株式会社東芝 医用画像処理装置および医用画像処理方法
JP2017127623A (ja) * 2016-01-15 2017-07-27 キヤノン株式会社 画像処理装置、画像処理方法、およびプログラム
EP3206189A1 (en) 2016-01-15 2017-08-16 Canon Kabushiki Kaisha Image processing apparatus, image processing method, and program
US9846939B2 (en) 2015-02-05 2017-12-19 Fujitsu Limited Image display apparatus and image display method
JP2018022334A (ja) * 2016-08-03 2018-02-08 キヤノン株式会社 画像処理装置および画像処理方法
JP2018068982A (ja) * 2016-11-04 2018-05-10 株式会社日立製作所 データ処理装置及びデータ処理方法
US10039514B2 (en) 2015-07-24 2018-08-07 Fujitsu Limited Computer readable storage medium, apparatus, and method for image processing
US10588581B2 (en) 2015-09-02 2020-03-17 Fujitsu Limited Cross-sectional image generating apparatus, cross-sectional image generating method, and recording medium
CN114612527A (zh) * 2022-03-01 2022-06-10 京东科技信息技术有限公司 图像配准方法、装置、电子设备及存储介质

Families Citing this family (31)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9384555B2 (en) * 2012-07-02 2016-07-05 Kabushiki Kaisha Toshiba Motion correction apparatus and method
US20140086464A1 (en) * 2012-09-21 2014-03-27 Mim Software Inc. Dynamic local registration system and method
JP6112479B2 (ja) * 2012-11-29 2017-04-12 パナソニックＩｐマネジメント株式会社 監視カメラ装置、それを含む監視システム、マスク処理方法、及びマスク処理プログラム
US9552533B2 (en) * 2013-03-05 2017-01-24 Toshiba Medical Systems Corporation Image registration apparatus and method
US9547894B2 (en) 2013-10-08 2017-01-17 Toshiba Medical Systems Corporation Apparatus for, and method of, processing volumetric medical image data
WO2015055599A2 (en) 2013-10-18 2015-04-23 Koninklijke Philips N.V. Registration of medical images
US9542529B2 (en) * 2013-10-31 2017-01-10 Toshiba Medical Systems Corporation Medical image data processing apparatus and method
US9818200B2 (en) * 2013-11-14 2017-11-14 Toshiba Medical Systems Corporation Apparatus and method for multi-atlas based segmentation of medical image data
CN105744892B (zh) * 2013-11-20 2019-10-25 皇家飞利浦有限公司 用于x射线成像中的导航的医学图像查看设备、医学成像***、和用于提供改善的x射线图像导航信息的方法
JP6215108B2 (ja) * 2014-03-27 2017-10-18 株式会社日立製作所 放射線治療装置向けベッド位置決め装置
CN106462971B (zh) 2014-06-25 2021-01-26 皇家飞利浦有限公司 用于配准不同成像模态的成像设备
US10062167B2 (en) * 2014-08-15 2018-08-28 Toshiba Medical Systems Corporation Estimated local rigid regions from dense deformation in subtraction
US9727965B2 (en) 2014-11-25 2017-08-08 Toshiba Medical Systems Corporation Medical image processing apparatus and medical image processing method
CN105719273A (zh) * 2014-12-05 2016-06-29 Ge医疗***环球技术有限公司 一种在医学影像上测量脊椎的旋转参数的方法及装置
US9697603B2 (en) * 2014-12-19 2017-07-04 Toshiba Medical Systems Corporation Medical image data processing system and method for vessel segmentation using pre- and post-contrast data
JP6873099B2 (ja) * 2015-07-17 2021-05-19 コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． 組織病理学画像の位置合せ
US9760983B2 (en) * 2015-10-19 2017-09-12 Shanghai United Imaging Healthcare Co., Ltd. System and method for image registration in medical imaging system
CN106611411B (zh) * 2015-10-19 2020-06-26 上海联影医疗科技有限公司 一种医学图像中肋骨分割的方法及医学图像处理装置
US10147171B2 (en) * 2016-09-21 2018-12-04 General Electric Company Systems and methods for generating subtracted images
GB2555623A (en) * 2016-11-04 2018-05-09 Univ College Dublin Nat Univ Ireland Dublin A method of processing images
CN107145910A (zh) * 2017-05-08 2017-09-08 京东方科技集团股份有限公司 医学影像的表现生成***、其训练方法及表现生成方法
CN107689057B (zh) * 2017-07-10 2019-10-29 中国科学院高能物理研究所 自适应小动物脑功能磁共振成像数据分析方法
CN107886508B (zh) * 2017-11-23 2021-11-23 上海联影医疗科技股份有限公司 差分减影方法和医学图像处理方法及***
CN108389193B (zh) * 2018-02-12 2021-03-16 中国人民解放军第三军医大学 一种颈动脉支架后三维体素模型分析方法及***
CN108550104B (zh) * 2018-02-28 2022-06-10 北京集光通达科技股份有限公司 图像配准方法、装置
KR102254971B1 (ko) * 2019-07-24 2021-05-21 가톨릭대학교 산학협력단 인공지능을 이용한 조영증강 영상 및 비조영증강 영상 변환 방법 및 장치
US11151703B2 (en) 2019-09-12 2021-10-19 International Business Machines Corporation Artifact removal in medical imaging
WO2022272160A1 (en) * 2021-06-25 2022-12-29 Inteneural Networks Inc. A method for cerebral vessel calcification detection and quantification, using machine learning
US11941825B2 (en) * 2021-10-28 2024-03-26 Canon Medical Systems Corporation Method and apparatus for registering image volumes
CN115089839B (zh) * 2022-08-25 2022-11-11 柏斯速眠科技(深圳)有限公司 一种头部的检测方法、***和助眠设备的控制方法、***
CN116503453B (zh) * 2023-06-21 2023-09-26 福建自贸试验区厦门片区Manteia数据科技有限公司 图像配准方法、装置、计算机可读存储介质及电子设备

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002032735A (ja) * 2000-05-12 2002-01-31 Fuji Photo Film Co Ltd 画像の位置合わせ方法および装置
JP2002324238A (ja) * 2001-04-26 2002-11-08 Fuji Photo Film Co Ltd 画像の位置合わせ方法および装置
JP2005006331A (ja) * 2003-06-13 2005-01-06 Ge Medical Systems Global Technology Co Llc 二重エネルギ分解画像又は多重エネルギ分解画像を用いた時間変化の解析
JP2007152104A (ja) * 2005-11-30 2007-06-21 General Electric Co <Ge> 悪性腫瘍を自動的に特徴評価する方法及び装置
JP2007526033A (ja) * 2004-02-13 2007-09-13 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 構造化オブジェクトの画像を登録するための装置及び方法
US20080137923A1 (en) * 2006-12-06 2008-06-12 Siemens Medical Solutions Usa, Inc. X-Ray Identification of Interventional Tools
JP2008161266A (ja) * 2006-12-27 2008-07-17 Ritsumeikan 画像処理装置、コンピュータプログラム、及び画像処理方法
JP2011041656A (ja) * 2009-08-20 2011-03-03 Yamatake Corp ボリュームデータ間の対応付け方法
JP2011254847A (ja) * 2010-06-04 2011-12-22 Toshiba Corp Ｘ線撮影装置

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5839440A (en) 1994-06-17 1998-11-24 Siemens Corporate Research, Inc. Three-dimensional image registration method for spiral CT angiography
US5690106A (en) 1995-06-30 1997-11-25 Siemens Corporate Research, Inc. Flexible image registration for rotational angiography
US5647360A (en) * 1995-06-30 1997-07-15 Siemens Corporate Research, Inc. Digital subtraction angiography for 3D diagnostic imaging
WO2003046833A2 (en) 2001-11-24 2003-06-05 Image Analysis, Inc. Automatic detection and quantification of coronary and aortic calcium
US7117026B2 (en) * 2002-06-12 2006-10-03 Koninklijke Philips Electronics N.V. Physiological model based non-rigid image registration
US7778490B2 (en) * 2003-01-13 2010-08-17 Koninklijke Philips Electronics N.V. Method of image registration and medical image data processing apparatus
JP5030588B2 (ja) * 2003-08-21 2012-09-19 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 ２つの画像を組み合わせるための装置及び方法
FR2862786B1 (fr) * 2003-11-21 2006-01-06 Ge Med Sys Global Tech Co Llc Procede de recalage elastique d'une image applique a l'angiographie soustraite numerisee
US20070189593A1 (en) * 2006-02-10 2007-08-16 Yim Peter J Precision subtraction computed tomographic angiography
DE102006029718A1 (de) * 2006-06-28 2008-01-10 Siemens Ag Verfahren zur Auswertung zweier Abbilder sowie medizinisches Abbildungssystem
US7907766B2 (en) 2007-01-02 2011-03-15 General Electric Company Automatic coronary artery calcium detection and labeling system
US8554308B2 (en) * 2007-02-28 2013-10-08 Koninklijke Philips N.V. Phase-free cardiac roadmapping
US9451924B2 (en) * 2009-12-30 2016-09-27 General Electric Company Single screen multi-modality imaging displays
JP5597429B2 (ja) * 2010-03-31 2014-10-01 富士フイルム株式会社 医用画像処理装置および方法、並びにプログラム

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002032735A (ja) * 2000-05-12 2002-01-31 Fuji Photo Film Co Ltd 画像の位置合わせ方法および装置
JP2002324238A (ja) * 2001-04-26 2002-11-08 Fuji Photo Film Co Ltd 画像の位置合わせ方法および装置
JP2005006331A (ja) * 2003-06-13 2005-01-06 Ge Medical Systems Global Technology Co Llc 二重エネルギ分解画像又は多重エネルギ分解画像を用いた時間変化の解析
JP2007526033A (ja) * 2004-02-13 2007-09-13 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 構造化オブジェクトの画像を登録するための装置及び方法
JP2007152104A (ja) * 2005-11-30 2007-06-21 General Electric Co <Ge> 悪性腫瘍を自動的に特徴評価する方法及び装置
US20080137923A1 (en) * 2006-12-06 2008-06-12 Siemens Medical Solutions Usa, Inc. X-Ray Identification of Interventional Tools
JP2008161266A (ja) * 2006-12-27 2008-07-17 Ritsumeikan 画像処理装置、コンピュータプログラム、及び画像処理方法
JP2011041656A (ja) * 2009-08-20 2011-03-03 Yamatake Corp ボリュームデータ間の対応付け方法
JP2011254847A (ja) * 2010-06-04 2011-12-22 Toshiba Corp Ｘ線撮影装置

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015023997A (ja) * 2013-07-26 2015-02-05 富士フイルム株式会社 診断支援装置および診断支援方法並びに診断支援プログラム
JP2015128546A (ja) * 2014-01-09 2015-07-16 富士通株式会社 臓器位置推定装置、臓器位置推定装置の制御方法および臓器位置推定装置の制御プログラム
JP2016104121A (ja) * 2014-11-25 2016-06-09 株式会社東芝 医用画像処理装置および医用画像処理方法
US9846939B2 (en) 2015-02-05 2017-12-19 Fujitsu Limited Image display apparatus and image display method
US10039514B2 (en) 2015-07-24 2018-08-07 Fujitsu Limited Computer readable storage medium, apparatus, and method for image processing
US10588581B2 (en) 2015-09-02 2020-03-17 Fujitsu Limited Cross-sectional image generating apparatus, cross-sectional image generating method, and recording medium
EP3444781A1 (en) 2016-01-15 2019-02-20 Canon Kabushiki Kaisha Image processing apparatus and image processing method
EP3206189A1 (en) 2016-01-15 2017-08-16 Canon Kabushiki Kaisha Image processing apparatus, image processing method, and program
US10417777B2 (en) 2016-01-15 2019-09-17 Canon Kabushiki Kaisha Image processing apparatus, image processing method, and non-transitory computer-readable storage medium
JP2017127623A (ja) * 2016-01-15 2017-07-27 キヤノン株式会社 画像処理装置、画像処理方法、およびプログラム
JP2018022334A (ja) * 2016-08-03 2018-02-08 キヤノン株式会社 画像処理装置および画像処理方法
JP2018068982A (ja) * 2016-11-04 2018-05-10 株式会社日立製作所 データ処理装置及びデータ処理方法
CN114612527A (zh) * 2022-03-01 2022-06-10 京东科技信息技术有限公司 图像配准方法、装置、电子设备及存储介质

Also Published As

Publication number Publication date
US20130182925A1 (en) 2013-07-18
US8675944B2 (en) 2014-03-18
CN103202705B (zh) 2015-04-22
JP6042112B2 (ja) 2016-12-14
CN103202705A (zh) 2013-07-17

Similar Documents

Publication Publication Date Title
JP6042112B2 (ja) 医用画像処理装置、医用画像処理方法および医用画像処理プログラム
JP6448972B2 (ja) 医用画像処理装置及び医用画像処理方法
CN106682636B (zh) 血管提取方法及其***
US9275432B2 (en) Method of, and apparatus for, registration of medical images
US9384555B2 (en) Motion correction apparatus and method
JP5643304B2 (ja) 胸部トモシンセシスイメージングにおけるコンピュータ支援肺結節検出システムおよび方法並びに肺画像セグメント化システムおよび方法
US8761475B2 (en) System and method for automatic recognition and labeling of anatomical structures and vessels in medical imaging scans
US9471987B2 (en) Automatic planning for medical imaging
US8326086B2 (en) Elastic image registration
US9741131B2 (en) Anatomy aware articulated registration for image segmentation
US8620050B2 (en) System and method for 2-D/3-D registration between 3-D volume and 2-D angiography
US8068665B2 (en) 3D-image processing apparatus, 3D-image processing method, storage medium, and program
Baka et al. Statistical shape model-based femur kinematics from biplane fluoroscopy
JP6905323B2 (ja) 画像処理装置、画像処理方法、およびプログラム
JP2016041245A (ja) 医用画像処理装置及び医用画像処理方法
JP4991181B2 (ja) ３次元画像処理装置、３次元画像処理方法及び３次元画像処理装置で使用される制御プログラム
CN111862312B (zh) 一种脑部血管显示装置及方法
Razeto et al. Accurate registration of coronary arteries for volumetric CT digital subtraction angiography
Razeto et al. Accurate, fully-automated registration of coronary arteries for volumetric CT digital subtraction angiography
Broehan et al. Multimodal registration procedure for the initial spatial alignment of a retinal video sequence to a retinal composite image
Han et al. Reconstruction of Partially Broken Vascular Structures in X-Ray Images via Vesselness-Loss-Based Multi-Scale Generative Adversarial Networks
Duan et al. Augmenting CT cardiac roadmaps with segmented streaming ultrasound
US20070058846A1 (en) Three-dimensional image processing apparatus, three-dimensional image processing method and control program used in three-dimensional image processing apparatus
Wang et al. An adaptive approach for image subtraction
Lidayová et al. Coverage segmentation of 3D thin structures

Legal Events

Date Code Title Description
RD04 Notification of resignation of power of attorney

Free format text: JAPANESE INTERMEDIATE CODE: A7424

Effective date: 20131219

RD04 Notification of resignation of power of attorney

Free format text: JAPANESE INTERMEDIATE CODE: A7424

Effective date: 20131226

RD04 Notification of resignation of power of attorney

Free format text: JAPANESE INTERMEDIATE CODE: A7424

Effective date: 20140109

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20150601

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20160310

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20160315

A711 Notification of change in applicant

Free format text: JAPANESE INTERMEDIATE CODE: A711

Effective date: 20160511

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20160513

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20161011

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20161109

R150 Certificate of patent or registration of utility model

Ref document number: 6042112

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

S533 Written request for registration of change of name

Free format text: JAPANESE INTERMEDIATE CODE: R313533

R350 Written notification of registration of transfer

Free format text: JAPANESE INTERMEDIATE CODE: R350