JP2014528348A - 心臓内モーションを用いる動的イメージングモダリティーからの局所的心機能および同期不全の評価方法 - Google Patents

Abstract

本発明に従い、実施形態は、心臓の心臓内特性のモーションを用いてイメージングモダリティーから局所的心臓機能および同期不全を評価するための方法およびシステムを提供する。この方法およびシステムにおいて、たとえば、CTスキャナーなどのようなイメージングモダリティーは、画像シーケンスを得るために使用され、それは次いで、コンピュータープログラムを用いて処理される。コンピュータープログラムは、少なくとも対象体の心臓での関心がある領域を表す三角形成分から形成される心臓内メッシュを作り出すために構成される。少なくとも二つの時点でこの心臓内メッシュ上の保存されたトポロジカル（位相的な）特性のモーションを追跡することから、ディスプレースメントマップをモデル化することができる。ディスプレースメントマップは、さらに、たとえば、SQUEEZ（スクウィーズ）、心筋のひずみ、ねじれなどのような局部的な機能のメトリクス（基準）を決定するために分析することができ、そしてディスプレースメントマップはまた、対象体の心臓の機能の視覚的表示を作り出すために用いることができる。

Description

関連出願の相互参照．この出願は、2011年10月12日付け出願の米国仮特許出願第61/546311号の利益を主張し、それはここに参照することによりその全体が組み込まれる。

本発明の分野．本発明は、概してイメージングモダリティー（画像診断法）の使用に関する。より一層詳しくは、本発明は、イメージングモダリティーを用いる心機能の評価のための方法に関する。

本発明の背景

現在、冠動脈造影は、心臓CTの最も一般的な使用法である。局部的心筋機能の評価は、心筋虚血および心筋不全の診断およびモニタリングにおいて価値を有する。臨床状況において大部分の力学的な解析は、二次元モーション（運動）データに由来する心エコー法に基づく。すべてのトモグラフィック（断層撮影の）イメージングモダリティーは、詳細な局部的機能評価のための十分な時間的および空間的な分解能を有するデータを生成することができるわけではない。心筋機能を推定するために、定量的な断層撮影法の一つの難しさは、乏しい空間分解能のため、心臓において十分なランドマーク（標識点）を取得することができないことである。

心臓血管磁気共鳴（CMR）組織タギングは、現在基準方法と考えられ、検証され、そして正確であるものの、それは遅く、スライス選択方向性（slice selection direction）において不十分な分解能しか有さず、そして長期の息止めを必要とし、そしてその画像解析は、時間のかかるものであり、それは心筋境界を検出するために必要とされる手動のセグメンテーション（区分け）のためである。加えて、CMRイメージング（画像化）はなお、埋め込まれたペースメーカーおよび埋め込まれた除細動器を有する受動体（患者）の急速な増加集団（rapidly growing population）において禁忌と考えられる。

心臓CTイメージング技術における最近の目覚ましい進歩は、少し（2または3くらい）のガントリーローテーションを伴う心臓全体の容量的機能イメージングを可能にする。広範囲に及ぶデテクター（検出器）CTを有する全体の心臓ボリューム（容量）の高い時間的分解能の獲得は、コントラストボーラスが、非常に高い空間的分解能を有する心臓サイクルにおいて短いウィンドウにわたって結像されることを許し、たとえば、心内膜表面上、トラベキュラ（小柱）などのような可視的な微細な解剖学的構造が作成される。

したがって、左心室（LV）ウォールモーション（壁運動）を追跡すること、そして時間をかけて表面の幾何学的特性とマッチするような、早い、非剛体（軟質）の、表面レジストレーション（位置合わせ）アルゴリズムを用いて高解像度の容量的心臓CT画像における局所的心機能を評価することについての方法を提供することが有益である。

発明の概略

前述のニーズは、本発明によって、かなりの程度まで、満たされ、そこでは、一つの態様において、対象体の心臓の、少しのボクセルから心臓全体までの範囲に及ぶサイズを有する、関心がある領域の機能（関数）の評価のための方法は、イメージングモダリティー（画像診断法）を用いて対象体の心臓の関心がある領域についての画像シーケンスを取得すること、およびステップを実行するために構成されたプロセッサー中に画像シーケンスを入力することが含まれる。プロセッサーによって実行されるステップには、画像シーケンスの各三次元画像（ボリューム）のためのバイナリーボリュームを定めること、および対象体の心臓の関心がある領域についての心臓内境界を表す三角形メッシュを作り出すことが含まれる。プロセッサーはまた、たとえば、三角形メッシュについての形状インデックス値のような形状メトリックを計算するために、およびたとえば、コヒーレントポイントドリフト（CPD、コヒーレント点ドリフト）のような非剛体レジストレーション（位置決め）アルゴリズムにおいて対象体の心臓の関心がある領域の座標と共に形状インデックス値を使用して関心がある領域のディスプレースメント（変位）マップを得るために構成される。これは、少なくとも二つの時点についてこの心臓内メッシュ上の保存されたトポロジー特性の動きを追跡することによって行われる。変位マップは、対応する三角形要素を有するメッシュを得るために、対象体の心臓の関心がある領域上の個々の点のトラジェクトリー（軌跡）を計算するために使用される。対応する三角形要素のエリア（面積）の比の関数が計算され、そして心機能の決定がなされる。

本発明の一態様によれば、本方法にはまた、対象体の心臓の関心がある領域の視覚化（可視化）をもたらすこと（creating a visualization）が含まれる。視覚化は、三次元ムービー（立体動画）および一連の二次元ブルズアイプロット（標的中心プロット、bull’s-eye plots）からなる群より選ばれる一つの形態をとることができる。イメージングモダリティーは、少なくともトモグラフィー（断層撮影）スキャナー、コンピュータートモグラフィー（CT）スキャナー、磁気共鳴イメージングデバイス、または陽電子放出トモグラフィースキャナーの一つである。イメージングモダリティーは、マルチビートセグメント化（multi-beat segmented）再構成アルゴリズムを用いて毎分最大でおよそ180ビートの心拍数でおよそ40ms（ミリ秒）乃至およそ75msの範囲内の時間分解能を有する画像ボリュームを生成することが可能なコンピュータートモグラフィースキャナーの形態をとることができる。

本発明の別の態様によれば、本方法には、変位マップを用いて心臓内ひずみ、心臓のねじれ、および指向性ひずみの少なくとも一つを計算することが含まれる。画像シーケンスは、安静およびストレス条件の双方の下であることができる。ストレスは、運動または薬物によって誘導される。また、形状インデックス値はアルゴリズム

を使用し、式中、k₁およびk₂は表面の主曲率である。

さらに、対応する三角形要素のエリアの比の関数は、
を用いて計算される。

対象体の心臓の関心がある領域には、左心室が含まれ、そして対象体には、制限はないが、ヒト、類人猿、モンキー（サル科の動物）、キャット（ネコ科の動物）、ドッグ（イヌ科の動物）、ピッグ（ブタ）、齧歯動物、家畜、および他の哺乳動物のいずれか一つであることができる。また、画像シーケンス内の三次元画像（またはボリューム）の数は、少なくとも2である。

本発明の別の態様によれば、対象体の心臓の関心がある領域の機能の評価のためのシステムには、対象体の心臓の関心がある領域の画像シーケンスを取得するために構成されたイメージングモダリティーおよびステップを実行するために構成されたプロセッサーが含まれる。プロセッサーによって実行されるステップには、対象体の心臓の関心がある領域のための心臓内境界を表す三角形メッシュについての形状インデックス値を算出すること、および関心がある領域の変位マップを得るために、コヒーレントポイントドリフト（CPD）のような非剛体レジストレーションアルゴリズムにおける対象体の心臓の関心がある領域の座標と一緒に形状インデックス値を使用することが含まれる。プロセッサーはまた、対象体の心臓の関心がある領域上の個々の点の軌跡を計算して変位マップを用いて対応する三角形要素を有するメッシュを得るために使用される。別のステップには、対応する三角形要素のエリアの比の関数を計算することが含まれ、またさらに別のものには、心機能の決定を行うことが含まれる。

本発明のさらに別の態様によれば、プロセッサーは、対象体の心臓の関心がある領域の視覚化をもたらすように構成される。可視化は、三次元ムービー（映画）または二次元ブルズアイプロットの形態を採用する。イメージングモダリティーは、トモグラフィースキャナー、コンピュータートモグラフィースキャナー、磁気共鳴イメージングデバイス、または陽電子放出トモグラフィースキャナーの形態を採用する。あるいはまた、イメージングモダリティーには、マルチビートセゲメンテッド（segemented）再構成アルゴリズムを用いて毎分最大およそ180ビートまでの心拍数でおよそ40ms乃至およそ75msの範囲内の時間分解能を有する画像ボリュームを生成することが可能なコンピュータートモグラフィースキャナーが含まれる。プロセッサーは、変位マップを用いて心臓内（心内膜）のひずみ、心臓のねじれ、および指向性のひずみの少なくとも一つを計算するために構成され、そして安静条件およびストレス条件の双方の下で画像シーケンスを取得することができる。このストレス条件は、運動によって、または薬物を使用することによって誘導することができる。また、プロセッサーは、アルゴリズム
を用いて形状インデックス値（形状指標値）を計算するために構成することができる。

対応する三角形要素のエリアの比の関数は、
を使用して計算される。

対象体（被験体）の心臓の関心があるエリアは、左心室であることができ、そして対象体は、制限されないが、ヒト、類人猿、サル、ネコ、イヌ、ブタ、齧歯類、家畜、または他の哺乳動物のいずれか一つであることができる。また、画像シーケンスにおいて三次元画像（ボリューム）の数には、少なくとも2つが含まれる。

添付図面は、ここに開示する代表的な実施形態をより一層十分に説明するために使用される視覚的表現を提供し、そしてそれらおよびそれらの固有の利益をより一層良好に理解するためにこの技術においての熟練した者（当業者）によって使用することができる。これらの図面において、同様の参照番号は対応する要素を明らかにする。
本発明の実施形態に従う局所心機能決定用の方法のフローダイアグラムを示す。 本発明の実施形態に従う局所心機能決定用のシステムの概略図を示す。 3A-3Fは、本発明の実施形態に従う局所心機能決定用の方法のステップの結果を表す画像を示す。 本発明の実施形態に従う異なる表面形状についての形状インデックス（SI）値のグラフ図を示す。 本発明の実施形態に従う健康および梗塞対象体についての左心室全体機能測定値（global left ventrical function measures）のグラフ図を示す。 6Aおよび6Bは本発明の実施形態に従う三つの典型的な梗塞および3つの典型的な健康動物についてのSQUEEZ（スクイーズ）値のブルズアイプロットを示す。 7A-7Cは、本発明の実施形態に従う局所心機能決定用の方法の実行の過程において作り出された結果として得られる画像およびグラフのグラフ図を示す。 本発明の実施形態に従う局所心機能決定用の方法の実行の過程において取られたスキャンの間の比較のグラフ図を示す。

詳細な記載

本開示の主題は、次に本発明の若干の、すべてではないが実施形態が示される添付図面を参照して、下文により一層十分に説明する。同様の数字は、全体を通して同じ要素を参照する。本開示の主題は、多くの異なる形態で具現化することができ、そしてここに記載した実施形態に制限されると解釈されるべきではなく、むしろ、本開示が適用可能な法的要件を満たすように、これらの実施形態が提供される。実際に、ここに記載する本開示の主題の多くの修飾および他の具現化は、本開示の主題が属する技術における熟練者にとって、前述の説明および関連する図面に提示された教示の利益を有することを思い浮かぶであろう。したがって、本開示の主題は、開示する特定の実施形態に制限されるものではなく、修飾および他の具現化が添付の請求の範囲内に包含されるように意図されていることが理解されるべきである。

本発明に従う実施形態は、心内膜の動きを用いた画像診断技術から局所心機能および同期不全を評価するための方法およびシステムを提供する。この方法およびシステムにおいて、たとえば、CTスキャナーなどのような画像診断技術が画像シーケンスを得るために使用され、次いで、それがコンピュータープログラムを用いて処理される。コンピュータープログラムは、少なくとも対象体の心臓の関心がある領域を表す三角形成分から形成される心内膜メッシュを作り出すように構成される。この心内膜メッシュから変位マップをモデル化することができる。変位マップはさらに、SQUEEZ式を用いて局部心機能を決定するために分析することができ、そして変位マップはまた、対象体の心臓の機能の視覚的表現を作り出すために使用することができる。

本発明の一部として、心機能の評価の方法は、コンピューティングデバイス上で実行するためのソフトウェアとして開発され、そして履行されている。ここに説明する方法は、個々に、またはそれらの任意の組合せなどのいずれかでもコンピューティングデバイス上で履行することができる。実際、それらの方法は、心機能を評価するために、独立して、またはすべて一緒に使用することができる。本方法は、好適には、たとえば、デスクトップまたはラップトップコンピュータ、タブレット、スマートフォン、サーバー、または当業者によって知られるか、または考えられる他のコンピューティングデバイスなどのようなコンピューティングデバイス上で実行可能なソフトウェアプログラムとして具現化される。また、この方法は、画像診断技術からの出力と組み合わせて使用されるため、ソフトウェアはまた、たとえば、MRIスキャナー、断層撮影スキャナー、コンピューター断層撮影スキャナー、またはPETスキャナーなどのような当業者に知られた画像診断技術の任意の種類と関連付けられたプロセッサー上で実行され得ることもある。ソフトウェアプログラムは、当業者によって、知られ、または考えられる任意の適切なコンピューター可読媒体上に蓄えることができる。好ましくは、ソフトウェアは、Matlab（マトラボ）およびC++において書かれるが、当業者によって知られ、または考えられる任意の適切なソフトウェアプラットフォームを使用することもできることに注目すべきである。

図1は、本発明の一実施形態に従う方法のフローダイアグラムを示す。方法10において、ステップ12には、イメージングモダリティーを用いて、対象体の心臓の関心がある領域の画像シーケンスを取得することが含まれる。ステップ14には、画像シーケンスにおいて各心臓相からのボリュームを定めることが含まれ、そしてステップ16には、画像シーケンスにおける各三次元画像（ボリューム）を、ここに記載の方法のステップを実行するように構成されたプロセッサーへ入力することが含まれる。プロセッサーは、前述したデバイスおよびコンピューター可読媒体、または当業者に既知の任意の他の適切なデバイスおよび媒体の形態をとることができる。

より一層具体的には、図1に関して、プロセッサーはステップ18を実行するために構成され、それには、画像シーケンスにおいて各々のボリュームについてバイナリーボリュームを決定することが含まれる。ステップ20には、画像シーケンスにおいて各々のボリュームにおける受動体の心臓の関心がある領域についての心臓内境界を表す三角形メッシュを作り出すことが含まれる。別のステップ22には、三角形メッシュについて形状インデックス値を計算することが含まれ、およびステップ24には、ディスプレースメントマップを得るために、対象体の心臓の関心がある領域の座標と共に形状インデックス値を用いて非剛体レジストレーションアルゴリズム、たとえば、コヒーレントポイントドリフト（CPD）のために結果を計算することが含まれる。ステップ26には、対象体の心臓の関心がある領域において個々の点のトラジェクトリーを計算して対応する三角形要素を有する種々の心臓相にて関心がある領域のメッシュを得るためにディスプレースメントマップを用いることが含まれる。ステップ28において、対応する三角形要素のエリアの比の関数を計算し、およびステップ30において、関心がある領域の視覚化をもたらす。さらに、ステップ32には、対象体の心臓の関心がある領域に基づいて心臓の機能の決定を行うことが含まれる。

さらに、図1に関して、上記のように説明した方法のステップを例示するために、図2は、その方法を実行するために使用するシステム50の概略図を示す。システム50には、イメージングモダリティー52が含まれ、そして当業者によって知られ、または考えられる任意の適切なイメージングモダリティーが、対象体の心臓の画像を得るために使用しうることに注目すべきである。例としては、イメージングモダリティーは、トモグラフィースキャナー、コンピュータートモグラフィースキャナー、磁気共鳴イメージングデバイス（装置）、または陽電子放出トモグラフィースキャナーの形態をとることができる。イメージングモダリティー52を用いてとられた画像シーケンスを構成する画像は、ネットワーク54、たとえば、ローカルエリアネットワーク、そのインターネット、サーバー、または当業者によって知られ、または考えられる任意の他の適切なネットワーキング構築物などのようなものを介して、コンピューティングデバイス56に転送することができる。代わりに、コンピューティングデバイス56は、ハードワイヤードの接続を用いてイメージングモダリティー52に接続された別個のデバイスであることができる。

さらに、図2に関し、コンピューティングデバイス56には、好ましくは、コンピューター可読媒体58または当業者に知られた他の実行可能なディスクが含まれる。コンピューター可読媒体には、ここに記載する方法を実行し、そして心機能を決定するのに使用できるコードが含まれる。コンピューター読み取り可能な記録媒体58はまた、任意の必要な値を入力し、またはプログラムの機能を構成し、ならびに、コンピューティングデバイス56によって実行された方法の結果を見るために、オペレータがシステム50と情報をやりとりすることができるように、ユーザーインターフェース60およびディスプレイ62を含むことができる。ディスプレイは、コンピュータースクリーン、タブレットコンピューティングデバイス、スマートフォン、テレビ、または当業者に既知の他のディスプレイデバイスの形態を採用することができる。ディスプレイ62は、好ましくは、本方法の実行の結果が、三次元ムービーまたは一連の二次元ブルズアイ（極性）のプロットとして視覚化することができるように構成される。

より一層具体的には、本方法およびその実行に関し、患者の心臓の関心がある領域の動きを追跡する。例では、以下のように、関心がある領域は、左心室の形態をとることが含まれるが、心臓の他の領域にもマッピングすることができた。動きは、患者の心臓の各心臓内表面を表す心臓内メッシュを形成する三角形上の点について軌跡を計算することによって追跡される。各心臓内表面が心周期を通じてバーテックス（頂点）間の1対1に対応して、三角形の同じ数が含まれる必要があることに注目される。三角形上の点は拡張末期（ED）から収縮末期（ES）まで追跡される。このことは、テンプレートメッシュを選定し、そして図3Dおよび4に示すように、テンプレートメッシュ上のすべての三角形がターゲットメッシュ上の対応する三角形を有するように、ターゲットメッシュ上にそれをワーピングすることによって達成される。コヒーレントポイントドリフト（ CPD）として言及する非剛体ポイントレジストレーションアルゴリズムは、表面ワーピングを実行するために使用される。CPDは、非剛体表面レジストレーションのために使用される確率的方法であり、そこでは、表面ポイントがポイントセット（点集合）の位相構造を維持するためにグループとしてコヒーレントに動くことを余儀なくされる。コヒーレンスコンストレイント（coherence constraint）（コヒーレンス制約）はディスプレースメントフィールド（変位場）を調整し、そして最適なワーピング（とう曲、反り）を導出する変分計算法を使用することによってインポーズされた。CPDのファーストインプレメンテーション（高速遂行）は、ファーストガウストランスフォーム（fast Gaussian transform）に基づき、好ましくは、高解像度画像データに関連するコンピューターによる計算負荷を低減するために使用することができる。

表面ワーピングを通してアナトミー（解剖学）にマッチ（適合）するように、相同解剖学的特性およびそれらの対応を識別する。したがって、微細な解剖学的構造、トラベキュラ（小柱、骨梁）および乳頭筋のようなものによって心臓内表面にエングレーブされた（刻まれた）特性は、形状インデックス（SI）と称し、そして更に方法の精度を改善するためにワーピングアルゴリズムにおいて組み込まれるスケール依存性の局所的な形状の尺度を使用してコードされる。より一層具体的には、SIは、曲率ベースの測定であり、そして各ポイントについて

によって規定され、式中、k₁およびk₂はそのポイントでの主要な〔サインドマキシマムおよびミニマム（符号付き最大値および最小値）〕曲率である。図4は、異なる表面形状についてSI値を示す。鞍点について、k₁=-k₂であり；そして従って、SI=0である。球面について、k₁=-k₂≠0、そして曲率が負の場合SI=-1、そして曲率が正の場合+1で、それぞれ球形カップおよびキャップに対応する。バレーについて、k₁=0、およびk₂は任意の負の値を有することができ（定義k₁≧k₂により）；それで、k₂が非ゼロである限り、

リッジについても同様であり、それは0.5のSI値を有する。中間のSI値は、これらの形状がスムーズに相互にワープしているときに対応する。また、SIがストレッチ不変であることに注目すべきである。上述のように、表面の特性（例は、リッジおよびバレー）は、それらの形状のみに基づいて、それらの曲率〔即ち、スティープネス（急勾配）〕に基づかないある一定のSI値を有するであろう。したがって、表面のトポロジーが圧縮またはストレッチ下で変化しない限り、解剖学的特性、たとえば、心臓内表面上のリッジおよびバレーなどのようなものは、それらのSI値を保持するであろう。このため、SIは心臓内特性をエンコードするために有用なツールである。

さらに、CPDアルゴリズムの出力は、局所心機能の測定を計算するために使用されるディスプレースメントフィールドである。局所心機能の測定は、心臓内エングレーブゾーンのストレッチクウォンティファイアー（心内膜彫刻の伸長数量）（SQUEEZ、Stretch Quantifier of Endocardial Engraved Zones）と呼ばれ、
として規定され、式中、A(v、0)は、EDでの心臓内Mesh（メッシュ）上の小さな三角形パッチ(v)のエリア（面積）であり、およびA(v、t)は、時間tにおけるその同じパッチのエリアである。SQUEEZは、表面上の各三角パッチについて計算され、その結果として、たとえば、左心室などのような関心がある領域の高分解能局所心筋機能マップがもたらされる。

図3A-Fはさらに、図1に関して説明する本提案方法のモデル化された画像を示す。図3Aは、クロップド（短く刈った）アキシャル画像（軸位像）、この場合、心臓、特に、左心室の関心がある領域のCT画像を示す。図3Bは、閾値化処理することによってボリュームからセグメント化した血液プールの視覚的な表示を説明するものである。図3Cは、セグメント化した画像から抽出した心臓内表面の画像を示す（ビューアーに面する下外側壁）。図3Dは、心臓内表面上のトラベキュラ構造によってエングレーブされた特性をエンコードするために計算された形状インデックス値を示す。コヒーレントポイントドリフトアルゴリズムを、ED（左）での心臓内特性の間の対応を見出すために用い、テンプレート（鋳型）として用い、および他の収縮期（右）で、標的として用いる。図3Eは、対応する三角形を有する心臓内メッシュにおけるCPDワーピング結果の図を示す。SQUEEZは、EDの心臓内表面メッシュ上の各三角形について、異なる心臓相での対応する三角形を計算するために使用する。A(0)はEDでの三角形のエリアであり、そしてA(t)は、心臓相tでのエリアである。SQUEEZは、収縮期での心臓内表面上の三角形のエリア対EDでのそのエリアの比の平方根である。加えて、図3Fは、EDからESまでの5つの心臓相での心臓内表面上のすべての三角形について計算した模範的なSQUEEZマップを示す。

上述の方法に加え、心臓内ひずみ、心臓のねじれ、指向性のひずみおよび他の類似のメトリクスは、当業者によって知られ、または考えられ、また、SQUEEZメトリクスに加えて計算することができる。イメージングモダリティーは、安静時およびストレス下の双方で、あるいは、低および高心拍数の下で交互にエンゲージ（連動）することができる。局部心臓機能のメトリクスは、安静およびストレススキャンから計算され、そして病的心臓の領域を検出し、そして定量的に心筋収縮性を評価するために、互いに対して比較される。

また、ストレスは、たとえば、トレッドミル、リカンベント自転車、または他の同様な装置を使用するなどのようなエクササイズを通して、またはたとえば、ドブタミンまたは他の薬物の投与などのような別の方法を通して誘導することができる。この方法は、現在の、慣習的なストレステストで使用されているように、放射線の線量の投与の必要性を排除する。さらに、本方法は、マルチビートセグメント化再構成アルゴリズムを用いて、180bpmほど高い心拍数での高い時間分解能（40-75ms）を用いて画像を生成することが可能な新しい世代のCTスキャナーを用いて向上させることができる。このことは、そのような心臓ストレステストを実行するのに十分な時間分解能および画質を提供する。しかしながら、他の適切な走査機構が、当業者に知られており、または将来考案され得ることが考えられる。

例

次の例は、本方法の例示としてのみ含まれ、そして制限されると考えられることは意図されていない。この例は、上述する方法の多くの可能なアプリケーションの一つである。当業者に知られ、またはその者らによって考えられる上記の方法の任意の他の適切なアプリケーションはまた、作り出され、そして使用することができる。この例は、左心室機能の分析に向けられているが、関心のある任意の適切な領域を調査することができる。

慢性心筋梗塞（MIs）を有するブタを実験に使用した。簡単に言うと、MIを、透視下に、8Fホッケースティックカテーテルを用いて左（冠動脈）前下降枝（LAD）を係合することによって誘導した。次いで、0.014in（0.014インチ、1インチ=約2.54cmで換算して約0.03556cm）の血管形成術ガイドワイヤーを、LADに挿入し、そして2.5×12mmのMaverick（マーベリック）バルーン〔Boston Scientific（ボストン・サイエンティフィック社）〕をLADの第二対角枝のすぐ遠位で4気圧まで膨張させた。120分後に、血管の閉塞を、バルーンを縮ませることによって終了させ、そしてLADにおける流れの回復を血管造影で確認した。CTおよびMRIの研究を、MI誘導後ニアリーイコール（二重波線）（以下、「≒」で表す）130乃至180日間実施した。合計11体の動物について検討した（7体の慢性MI、1体の急性MI、および3体の健康体）。

各動物を0.5mm×320ロー（row、列）のディテクタースキャナーを使用して心電図モニタリングによりスキャンした〔Aquilion ONE（アクイリオン・ワン）、Toshiba Medical Systems Corporation（東芝メディカルシステムズ株式会社）〕。動物は、<100ビート/分の心拍数を達成するために、静脈内でメトプロロール（2-5mg）、アミオダロン（50〜150mg）、またはその両方を受けた。取得スカウト後（After scout acquisition）、イオジキサノールの50-乃至60 mLのボーラス〔320mgのヨウ素/mL、Visipaque（ビジパーク）、Amersham Health（アマシャム・ヘルス社）〕を静脈内に注入し、そして全体の心周期について初回通過心かん流スキャンを実施した。CT取得中に、呼吸を中断させ、そしてイメージングを、次のパラメータ：ガントリー回転時間、350ms；時間分解能、マルチセグメント再構成を使用して最大で58msまで；ディテクターコリメーション、0.5mm×320ロー（等方性ボクセル、0.5×0.5×0.5mm3）；管電圧、120kV；および管電流、400mAを使用し、レトロスペクティブゲーテッドCTプロトコルを用いて行った。一つの梗塞データセットを、最大10％のX線管電流変調を、R-R間隔の75％の時点だけで最大電流を伴って用いて取得した。画像は標準Kernel（カーネル）（FC03）、QDS+ノイズ低減フィルター、およびマルチセグメント（3-5ビート）再構成アルゴリズムを使用して、収縮期におけるR-R間隔の10％ごとに再構築した。必要なときには、不整脈を考慮するために心電図編集が行われた。さらに、低用量のセット、予想されるゲーテッドスキャン（R-Rの0％および50％での120kVおよび20mA）は、高用量（120kVおよび400mA）のレトロスペクティブゲーテッドスキャンと共に、管電流低減の実現可能性および心機能解析についての予想されるゲーティングを評価するために1動物について取得した。

インビボCMR画像を、3T MRスキャナー〔Achieva（アチーバ）；Philips（フィリップス社）を使用して、32要素の心臓フェーズドアレイで取得した。心筋生存性を、ガドリニウムジエチレントリアミンペンタ酢酸（0.2ミリモル/kg体重）〔Magnevist（マグネビスト）；Berlex（ベルレックス）〕の二倍用量の静脈内注入後20乃至25分で取得した後期ガドリニウム増強画像を用いて視覚化した。三次元の、 ECGトリガー型、独立呼吸ナビゲータゲーテッド、呼吸停止、位相敏感反転回復グラジエントエコーイメージングパルスシーケンス（phase-sensitive inversion recovery gradient echo imaging pulse sequence）を用いた。イメージング視野は、24×24×12cm3であり、200×195×30のイメージングマトリクスを有し、0.91×0.91×2.0mm3に再構築された1.20×1.23×4.0mm3の取得ボクセルサイズが生産された。他の関連するイメージングパラメーターは、以下のようであった。すなわち、フリップ角、15°；繰り返し時間、5.3ms；エコー時間、2.6ms；およびレシーバー帯域幅、289Hz/ピクセル。

各収縮期心臓相について、 LVにおいて血液を、概略200および650Hounsfield（ハウンズフィールド）ユニットの間でボクセル強度を閾値処理することによって、心筋からセグメント化した。手動で冠状動脈（血栓）、大動脈；そして、いくつかのデータセットでは、右心室〔http://mipav.cit.nih.govのthe National Institutes of Health（米国立衛生研究所）から入手可能なMedical Image Processing（医用画像処理）、Analysis（解析）、およびVisualization program（視覚化プログラム）を使用して〕を取り除いた後、心臓内表面を表す三角メッシュを、図3A-3Cおよび3E に示すように、LV血液キャストの境界面から抽出した。すべてのコンピューテーション（コンピューター計算）は、他に特定しない限り、Matlab（マトラボ）〔MathWorks Inc（マス・ワークス社）〕ソフトウェアを用いて行った。既存のCTウォールモーショントラッキングソフトウェアに対する提案されたアルゴリズムの結果を比較するために、データセットを、Vitrea fX（ヴィトレアfX）のソフトウェア〔Vital Images（バイタルイメージ）〕を使用して分析した。これらの画像は、次に、上記の方法を、特に図1に関して用いて処理した。

11体の動物から得られたデータのプールについて、2-tailed paired Student t-test（2-テールドペアードスチューデントt検定）統計分析を、健常および梗塞領域におけるこれらのパラメータの手段での違いを評価するために、SQUEEZ値および時間に対するSQUEEZの傾きに関して実行した。レジストレーションアルゴリズムの精度は、ターゲットおよびワープドデータセットの間の最小ペアワイズユークリッド距離（the minimum pairwise Euclidean distance）の手段を用いて評価した（すなわち、テンプレートメッシュ上の各点に対して、ワープドメッシュ上の各点までのユークリッド距離を計算し、そして最小が選定される）。最小距離の中間（ミーン）±SDを報告する。

休止LV機能を評価するために、LVの血液プールを、三次元ボリュームにおけるEDおよびES相においてセグメント化し、およびEDボリューム、ESボリューム、ストローク量ボリューム、駆出率を、図5に示すように、LVについて計算した。SQUEEZ値は、健常および梗塞動物において異なる心臓相にて、図6Aおよび6Bに示すように、およびコントラスト増強MRIによって検出されるような梗塞および遠隔心筋の異なる位置で、図7A-7Cに示すように測定した。

また、図5は、健常（n=3）および梗塞（n=8）のブタについて左心室全体機能測定のグラフ表示を示す。健常対梗塞ブタについて、それぞれ、EDVは87.8±17.7対92.5±15.6 mL；ESV、40.1±7.3対50.4±6.6mL；SV（EDV-ESV）、47.6±10.5対42.0±11.0mL；および％Ef（SV/EDV）、54.1±1.3％対44.9±5.6％である。バーおよびウィスカーは、それぞれ、量の中間±SDを示す。EDVは拡張終期ボリュームを； Ef、駆出率；ESV、収縮末期ボリューム；SV、一回拍出ボリューム示す。*P<0.05。

図6Aおよび6Bは、拡張末期から10％のR-R間隔での収縮末期までの3体の典型的な梗塞（図6A）および3体の健常動物（図6B ）についてのSQUEEZ値のブルズアイプロットを示す。梗塞の動物は、LAD冠動脈テリトリー（前方および前壁中隔セグメント）において心内膜の異常ストレッチを示し、これはこの研究で使用した梗塞モデル（第二対角後LAD冠動脈閉塞）と一致する。 SQUEEZは、エンドカーディアル（心臓内）エングレーブゾーンについてのストレッチクウォンティファイアー（Stretch Quantifier for Endocardial Engraved Zones）を；LAD、左前下行枝を示す。

図7A-7Cは、この例についてのMRIの結果を示す。図7Aは、前方/前壁中隔不均一梗塞領域（anterior/anteroseptal heterogeneously infarcted region）（左）を有するある動物の短軸相感受性反転回復（short-axis phase-sensitive inverted recovery）MRIを示す。梗塞領域は特徴的な高い信号強度を有する。同じ動物の収縮末期SQUEEZブルズアイプロット（右）である。左側上での短軸画像は、ダッシュ付きアークに沿ったSQUEEZ値にほぼ対応する。MRIにおける梗塞のサブリージョン（小領域）は、矢印によって描かれるSQUEEZプロットにおいて検出された領域に対応する。左から右には、機能の若干の損失を有するセクション、壁膨張を示す機能の完全な損失を有するセクション、若干の収縮性を有する小さなセクション、および機能の損失を有する第4のサブリージョンを示す。図7Bは、3体の健常および7体の梗塞ブタについての心収縮における健康、MI、および非MI領域の平均SQUEEZ値の時間プロットを示す。領域は、the American Heart Association（米国心臓協会）17セグメントモデルにおけるセグメントのおおよそのサイズになるように選ばれた。すべての梗塞ブタは、MIおよび非MI領域についてSQUEEZに有意差が認められた（P<0.0001）。図7Cは、図7Bにおける曲線に適するラインの傾きを超えて平均することによって計算された平均SQUEEZレート値を示す。SQUEEZレートは、梗塞心臓においてMIおよび非MI領域間で著しく異なる（P<0.0001）。梗塞の心臓における非MI領域および健常な心臓において選ばれた同じ領域の間に有意差は認められなかった。MIは心筋梗塞を示す。

非剛体レジストレーションアルゴリズムの精度は、すべての点で評価された標的およびワープド表面の間の最小ユークリッド距離の中間を用いて評価した。本方法により解析した11体の動物あたり、0.6±0.4ピクセル（0.3±0.2mm）のサブピクセルの平均エラーが発生した。メッシュ上のすべての三角形パッチは、両側≧1ピクセルを有した。

SQUEEZは、各心臓相でのLV心臓内表面上のすべてのポイントについて計算した。すべての梗塞動物はLADテリトリーにおいて延伸異常を示し、それはこの例で使用される梗塞モデルと一致した。ある動物は、2つの別個のMIゾーンを示し、そしてこれを、CMR画像を調べることによって確認し、それは下方の壁において二次的なMIを示した。

図7Aに示すように、造影（コントラスト強調）CMR画像を、SQUEEZマップにおいて検出した梗塞領域の位置を確認するために使用した。造影CMR画像によって規定されるように、ポイントは、MIゾーン付近の心臓内表面の領域上で選定した。ほぼ同数のポイントは、図7Bに示すように、MIの兆候のない心臓の遠隔領域において選定した。選定した領域のサイズは、おおよそ17セグメントのAmerican Heart Associationモデルの1LVセグメントのものに対応した。

平均SQUEEZ値を、各ゾーンについて計算し、そして図7Bに示すように、梗塞の動物においてMIおよび非MI領域の間の有意差が示された（p<0.0001）。健康な動物については、側壁上の領域を選定し、梗塞動物において選定したリモート非MI領域に対応した。梗塞心臓における非MI領域および健常心臓における選ばれた領域についてのSQUEEZ値は有意に異なることはなかった。

図7Cに示すように、SQUEEZに加え、SQUEEZの変化の比率も、梗塞動物におけるMIおよび非MI領域間の有意差を示し（p<0.0001）、そして健常なものの同じ横方向の領域および非MI領域の間では差異は見出されなかった。非MI領域は、≒-0.6±0.2の平均SQUEEZレート示したが、MIゾーンは、≒0±0.1の比率を有し、ほとんどまたは全く伸びまたは収縮を示さなかった。

管電流モジュレーテッド（変調された）データセットについてのSQUEEZ時間プロットは、増加した騒音レベルの原因のためより一層高いSDsを示した。しかし、MIおよび非MI領域間の差は依然として有意であり、図7Bに示すように、プロットの傾向は、高用量のデータセットのものと同様であった。

SQUEEZマップを、低用量のプロスペクティブにゲーティングしたデータセットについて計算し、そしてR-R間隔の50％にて高用量のレトロスペクティブにゲーティングしたデータセットのSQUEEZと比較した。SQUEEZマップ間の差をコンピューターで計算し、そして図8のグラフに示す。それらの結果は、高用量レトロスペクティブおよび低用量プロスペクティブスキャンの間で、低バイアスを示した（0.01；95％CI、-0.12乃至0.15）。違いの原因は、より一層低い管電流のためノイズの増加にあるだけでなく、取得中の心拍数の変動にありえた。より一層多く行われる実験が、SQUEEZの精度上のCTノイズの影響を十分に調査するために遂行される。低用量のプロスペクティブスキャンの使用は、≒10倍だけ放射線量を減少させた。低バイアスおよび低用量スキャンの95％CIは、心機能のために、低用量の、プロスペクティブにゲーティングしたCTの使用を非常に有望なものにする。

領域の駆出率（rEF）はVitrea fXソフトウェアを使用して、各心臓セグメントについて、ESにて計算した。心臓内境界の自動セグメンテーションが手動修正を必要とし、それは提案された方法での必要なオペレータの相互作用の4±2分とは対照的に、≒150±15分かかった。SQUEEZ値は、the American Heart Association 16セグメントに平均化し、Vitrea fXから取得した1-rEF値と比較した。良好な相関が6つのミッドキャビティ（半ば空洞な）セグメント（セグメント7-12）について認められた（r=0.81、P<0.001）が、いずれのデータセットにおいてもベーサル（基底）およびアピカル（尖端）セグメントでは、相関関係は見出されなかった。

本発明の多くの特性および利益は、詳細な明細書から明らかであり、そして従って、本発明のすべてのこのような特性および利益をカバーすることが、添付の請求の範囲によって意図され、それらが本発明の正当な精神および範囲内に入る。さらに、多くの修飾および変形が当業者に容易に想起されるので、本発明を、図示および説明した厳密な構成および動作に限定することは望まず、そしてそれに応じて、すべての適切な修飾および等価なものは本発明の範囲を頼りにしてもよいし、その範囲内に入りうる。

本発明は、その好ましい実施形態に関連して説明したが、付加、欠失、修飾、および具体的に記載されていない置換が、添付の請求の範囲に規定されるような本発明の精神および範囲から離れることなくなされうることは当業者によって理解される。

Claims (28)

1. 対象体の心臓での関心がある領域の機能の評価のための方法であって、
   イメージングモダリティーを用いて対象体の心臓での関心がある領域についての画像シーケンスを取得すること、
   ステップを実行するために構成されたプロセッサーに画像シーケンスを入力することを含み：
   画像シーケンスの各画像についてのバイナリーボリュームを定めること、
   対象体の心臓の関心がある領域についての心臓内境界を表す三角形メッシュを作り出すこと、
   メッシュの局所的な幾何学的特性を記述する定量的マップを計算すること、
   時間を通して局所的な特性を追跡して関心がある領域のディスプレースメントマップを得るために非剛体レジストレーションアルゴリズムにおける対象体の心臓での関心がある領域の座標と共に定量的マップを用いること、
   対象体の心臓での関心がある領域上の個々のポイントのトラジェクトリーを計算して対応する三角形要素を有するメッシュを得るためにディスプレースメントマップを用いること、
   対応する三角形要素のエリアの比の関数を計算すること、および
   心機能の決定を行うこと
   を含む、方法。
2. さらに、対象体の心臓での関心がある領域の視覚化をもたらすことが含まれる、請求項１の方法。
3. さらに、三次元ムービーおよび一連の二次元ブルズアイプロットからなる群より選ばれる一の形態を採用する視覚化が含まれる、請求項２の方法。
4. イメージングモダリティーには、トモグラフィースキャナー、コンピュータートモグラフィースキャナー、磁気共鳴イメージングデバイス、または陽電子放出トモグラフィースキャナーからなる群より選ばれる一つが含まれる、請求項１の方法。
5. イメージングモダリティーには、マルチビートセグメント化された再構成アルゴリズムを用いて、毎分最大でおよそ180ビートまでの心拍数でおよそ40ms乃至およそ75msの範囲内の時間分解能を有する画像の生成が可能なコンピュータートモグラフィースキャナーが含まれる、請求項１の方法。
6. さらに、ディスプレースメントマップを用いて心臓内のひずみ、心臓のねじれ、および指向性のひずみの少なくとも一つを計算することが含まれる、請求項１の方法。
7. さらに、安静およびストレス条件の双方の下で画像シーケンスを取得することが含まれる、請求項１の方法。
8. さらに、運動によって誘導されるストレスが含まれる、請求項７の方法。
9. さらに、薬物を用いて誘導されるストレスが含まれる、請求項７の方法。
10. さらに、アルゴリズム
    を用いて形状インデックス値を計算することが含まれる、請求項１の方法。
11. さらに、
    を用いて、対応する三角形要素のエリアの比の関数を計算することが含まれる、請求項１の方法。
12. 対象体の心臓での関心がある領域には、左心室が含まれる、請求項１の方法。
13. 定量的マップには、形状インデックスが含まれる、請求項１の方法。
14. 画像シーケンスにおける多数の三次元画像には、少なくとも二つの時間枠が含まれる、請求項１の方法。
15. 対象体の心臓での関心がある領域の機能の評価のためのシステムであって、
    対象体の心臓での関心がある領域についての画像シーケンスの取得用に構成されるイメージングモダリティー、
    ステップを実行するために構成されるプロセッサー
    を含み、
    対象体の心臓での関心がある領域についての心臓内境界を表す三角形メッシュのための形状インデックス値を計算すること、
    関心がある領域のディスプレースメントマップを得るためにモーション追跡アルゴリズムにおいて対象体の心臓での関心がある領域の座標と共に形状インデックス値を用いること、
    対象体の心臓での関心がある領域上の個々のポイントのトラジェクトリーを計算して対応する三角形要素を有するメッシュを得るためにディスプレースメントマップを用いること、
    対応する三角形要素のエリアの比の関数を計算すること、および
    心機能の決定を行うこと
    を含む、システム。
16. さらに、対象体の心臓での関心がある領域の視覚化をもたらすために構成されるプロセッサーが含まれる、請求項１５のシステム。
17. さらに、三次元ムービーおよび一連の二次元ブルズアイプロットからなる群より選ばれる一の形態を採用する視覚化が含まれる、請求項１６のシステム。
18. イメージングモダリティーには、トモグラフィースキャナー、コンピュータートモグラフィースキャナー、磁気共鳴イメージングデバイス、または陽電子放出トモグラフィースキャナーからなる群より選ばれる一つが含まれる、請求項１５のシステム。
19. イメージングモダリティーには、マルチビートセグメント化された再構成アルゴリズムを用いて、毎分最大でおよそ180ビートまでの心拍数でおよそ40ms乃至およそ75msの範囲内の時間分解能を有する画像の生成が可能なコンピュータートモグラフィースキャナーが含まれる、請求項１５のシステム。
20. さらに、ディスプレースメントマップを用いて心臓内のひずみ、心臓のねじれ、および指向性のひずみの少なくとも一つを計算するために構成されるプロセッサーが含まれる、請求項１５のシステム。
21. さらに、安静およびストレス条件の双方の下で画像シーケンスを取得するために構成されるプロセッサーが含まれる、請求項１５のシステム。
22. さらに、運動によって誘導されるストレスが含まれる、請求項２１のシステム。
23. さらに、薬物を用いて誘導されるストレスが含まれる、請求項２１のシステム。
24. さらに、アルゴリズム
    を用いて形状インデックス値を計算するために構成されるプロセッサーが含まれる、請求項１５のシステム。
25. さらに、
    を用いて、対応する三角形要素のエリアの比の関数を計算するために構成されるプロセッサーが含まれる、請求項１５のシステム。
26. 対象体の心臓での関心がある領域には、左心室が含まれる、請求項１５のシステム。
27. モーション追跡アルゴリズムには、コヒーレントポイントドリフト（CPD）アルゴリズムが含まれる、請求項１５のシステム。
28. 画像シーケンスにおける多数の三次元画像には、少なくとも２つの時間枠が含まれる、請求項１５のシステム。