JP2016077906A - 医用画像処理装置及び医用画像処理方法 - Google Patents

Abstract

【課題】従来に比して、好適に心臓等の動きを推定する手法を提供すること。
【解決手段】 一実施形態に係る医用画像処理装置は、被検体の所定部位に関し第１の位相及び第２の位相のそれぞれに対応する第１のデータセット及び第２のデータセットを受け取る受信ユニットと、第１のデータセットに含まれる管状構造物及び第２のデータセットに含まれる管状構造物をセグメンテーションするセグメンテーションユニットと、第１のデータセットにおいてセグメンテーションされた管状構造物の長手方向に沿って基準となる第１の線と、第２のデータセットにおいてセグメンテーションされた管状構造物の長手方向に沿って基準となる第２の線とを決定する決定ユニットと、第１の線の少なくとも一部と第２の線の少なくとも一部とを結合することで、第１のデータセットに含まれる管状構造物に関して統合された基準線を生成する統合ユニットとを具備する。
【選択図】図１

Description

本実施形態は、医用画像診断装置によって取得された医用画像データにおける構造のセグメンテーションおよびマッチングを実行する医用画像処理装置及び医用画像処理方法に関する。

心臓のＣＴスキャンの画質は、心臓の動きの影響を受けることがある。心臓ＣＴスキャン取り込みの持続時間内の心臓の動きは、心臓ＣＴスキャンから得られる画像中の体動アーチファクトの存在を招くことがある。

図１は、心臓のＣＴスキャンから得られた画像を示す。楕円２は、重度の体動アーチファクトを有する血管を示す。通常、著しい体動アーチファクトなしにスキャンから得られる画像では、血管はほぼ円形であるように見えることが予想され得る。しかしながら、図１では、楕円２の中の血管は、著しく歪んでいる。

心臓の動きは、特に、高い心拍数、たとえば６０回毎分（ｂｐｍ）を超える心拍数で撮影されるスキャンの画質に影響を与えることがある。高性能スキャナは、適度に高い心拍数で良好な画質を得ることができるが、依然として、より高い心拍数において画質の低下が見られることがある。

いくつかの状況では、良好な画質の心臓ＣＴスキャンが取得され得る患者の範囲は、心臓ＣＴスキャン中に心拍数が高くない患者に限定され得る。患者の中には、患者の心拍数を減速させるために、たとえば患者の心拍数を６０回毎分未満に減速させるために、β遮断薬などの薬物が投与されてよい人がいる。しかしながら、たとえば病状により、β遮断薬を服薬できない患者もいる。より高い心拍数における良好な画質を取得し得るならば、良好な画質の心臓ＣＴスキャンから恩恵を受けることができる患者の数は増加され得る。

既存の方法は、複数の心拍動にわたってデータを取り込むことによって、心臓スキャンの画質を改善しようとする。しかしながら、複数の心拍動にわたってデータを取り込むことは、ＣＴスキャン時間の長さの増加につながり、患者への被爆線量が増加につながることがある。

また、異なる時点の間に発生した動きを判断するために、異なる時点を表すスキャンデータを比較することによって心臓の動きを推定する手法も存在する。しかしながら、当該手法でも、心臓等の動きを推定する手法としては、十分なものとは言えない。

本実施形態に係る医用画像処理装置は、被検体の所定部位に関し第１の位相に対応する第１のデータセットと、前記所定部位に関し前記第１の位相とは異なる第２の位相に対応する第２のデータセットと、を受け取る受信ユニットと、前記第１のデータセットに含まれる管状構造物をセグメンテーションし、前記第２のデータセットに含まれる前記管状構造物をセグメンテーションするセグメンテーションユニットと、前記第１のデータセットにおいてセグメンテーションされた前記管状構造物の長手方向に沿って基準となる第１の線を決定し、前記第２のデータセットにおいてセグメンテーションされた前記管状構造物の長手方向に沿って基準となる第２の線を決定する決定ユニットと、前記第１の線の少なくとも一部と前記第２の線の少なくとも一部とを結合することで、前記第１のデータセットに含まれる管状構造物に関して統合された基準線を生成する統合ユニットと、を具備する。

体動アーチファクトを示す心臓ＣＴ画像。 一実施形態による装置の概略図。 一実施形態により実行される処理を概略的に示すフロー図。 一実施形態により実行されるセグメンテーション処理を概略的に示すフロー図。 通常データセットからセグメンテーションされた血管を示す画像。 動きの影響を受けたスキャンデータから再構成された３つの位相からセグメンテーションされた血管を示す画像。 動きの影響を受けたスキャンデータから再構成された３つの位相からセグメンテーションされた血管を示す画像。 動きの影響を受けたスキャンデータから再構成された３つの位相からセグメンテーションされた血管を示す画像。 一実施形態により実行される血管ツリー統合処理（tree synthesis process）を概略的に示すフロー図。 血管ツリー統合処理の概略図。 血管ツリー統合に関与する一連の段階を概略的に示す図。 血管ツリー統合に関与する一連の段階を概略的に示す図。 血管ツリー統合に関与する一連の段階を概略的に示す図。 血管ツリー統合に関与する一連の段階を概略的に示す図。 血管ツリー統合に関与する一連の段階を概略的に示す図。 血管ツリー統合に関与する一連の段階を概略的に示す図。 血管ツリー統合に関与する一連の段階を概略的に示す図。 血管ツリー統合処理の概略図。 自動血管セグメンテーションおよび血管ツリー統合の結果を示す図。 自動血管セグメンテーションおよび血管ツリー統合の結果を示す図。 自動血管セグメンテーションおよび血管ツリー統合の結果を示す図。 一実施形態により実行されるマルコフ確率場血管マッチング処理を概略的に示すフロー図。 マルコフ確率場血管マッチングの概略図。 血管が長手方向に歪んでいるマッチングを示す図。 著しい血管の歪みのないマッチングを示す図。

一実施形態による医用画像処理装置１０が、図２に概略的に示されている。医用画像処理装置１０は、コンピューティング装置１２、たとえばパーソナルコンピュータ（ＰＣ：ｐｅｒｓｏｎａｌ ｃｏｍｐｕｔｅｒ）またはワークステーションを備え、コンピューティング装置１２は、医用画像診断装置１４、１つまたは複数のディスプレイ画面１６、およびコンピュータキーボード、マウス、またはトラックボールなどの１つまたは複数の入力デバイス１８に接続される。なお、本実施形態では、説明を具体的にするため、医用画像診断装置１４がＸ線コンピュータ断層撮像装置（ＣＴスキャナ）である場合を例とする。しかしながら、当該例に拘泥されず、医用画像診断装置１４は、他の任意のイメージングモダリティにおけるスキャナ、たとえばＭＲＩ（磁気共鳴イメージング：ｍａｇｎｅｔｉｃ ｒｅｓｏｎａｎｃｅ ｉｍａｇｉｎｇ）スキャナ、Ｘ線スキャナ、ＰＥＴ（ポジトロンエミッション断層撮影法：ｐｏｓｉｔｒｏｎ ｅｍｉｓｓｉｏｎ ｔｏｍｏｇｒａｐｈ）スキャナ、ＳＰＥＣＴ（単光子放出コンピュータ断層撮影法：ｓｉｎｇｌｅ ｐｈｏｔｏｎ ｅｍｉｓｓｉｏｎ ｃｏｍｐｕｔｅｄ ｔｏｍｏｇｒａｐｈｙ）スキャナ、または超音波スキャナによって置き換えられても補完されてもよい。

ＣＴスキャナ１４は、患者の部位のボリューム（volumetric）ＣＴデータを得るように構成された任意のＣＴスキャナであってよい。本実施形態では、患者の部位は心臓である。他の実施形態では、患者の部位は、任意の適切な部位、たとえば任意の臓器であってよい。患者の部位は、たとえば、肺または肝臓であってよい。患者の部位のボリュームＣＴデータは、画像処理に適した１つまたは複数のボリュームイメージングデータセットに再構成されてよい。

本実施形態では、ＣＴスキャナ１４によって得られるボリュームＣＴデータセットはメモリ２０に記憶され、その後、コンピューティング装置１２に提供される。以下の説明では、ボリュームＣＴデータセットという用語は、スキャナから受け取られ得る未加工（再構築されていない）データを指すために使用され、ボリュームイメージングデータセットという用語は、再構成されたデータ、たとえばボクセルの三次元配列を指すために使用され、各ボクセルは、スキャンされたボリューム内の対応する場所を表す。代替実施形態では、ボリュームＣＴデータセットは、医用画像保管通信システム（ＰＡＣＳ）の一部を形成することができるリモートデータストア（図示せず）から供給される。メモリ２０またはリモートデータストアは、任意の適切な形態の記憶装置を備えてよい。

コンピューティング装置１２は、イメージングデータセットを自動的または半自動的に処理するための処理リソースを提供し、中央処理装置（ＣＰＵ：ｃｅｎｔｒａｌ ｐｒｏｃｅｓｓｉｎｇ ｕｎｉｔ）２２を備える。

コンピューティング装置１２は、データを受け取るためのデータ受信ユニット２４と、イメージングデータから少なくとも１つの構造をセグメンテーションするためのセグメンテーションユニット２６と、セグメンテーションされた構造に沿って線を決定するための線決定ユニット２８と、複数のデータセットからの線を使用して線を統合するための統合ユニット３０とを含む。本実施形態では、コンピューティング装置１２は、線をマッチングするためのマッチングユニット３２と、動きを推定するための動き推定ユニット３４と、ボリュームＣＴデータからボリューム画像データセットを再構成するための再構成ユニット３６も含む。

本実施形態では、ユニットは各々、実施形態の方法を実行するために実行可能なコンピュータ可読命令を有するコンピュータプログラムによってコンピューティング装置１２内で実施される。たとえば、各ユニットは、コンピューティング装置１２によって、たとえばＣＰＵ２２によって実行可能であるそれぞれのコンピュータプログラムまたはアルゴリズムとして実施されてよい。しかしながら、他の実施形態では、さまざまなユニットは、１つまたは複数のＡＳＩＣ（特定用途向け集積回路）またはＦＰＧＡ（フィールドプログラマブルゲートアレイ）として実施されてよい。

コンピューティング装置１２は、ハードドライブと、ＲＡＭとＲＯＭとデータバスとさまざまなデバイスドライバを含むオペレーティングシステムとグラフィックスカードを含むハードウェアデバイスとを含むＰＣの他の構成要素も含む。そのような構成要素は、図が見やすいように、図２に示されていない。

図２のシステムは、図３を参照しながら以下で説明する一実施形態の方法を実行するように構成される。

図３は、一実施形態の方法を概略的に示すフロー図である。図３の実施形態では、ボリュームＣＴスキャンデータが、複数の予備的ボリュームイメージングデータセット（各々は異なる時点を表す）に再構成され、予備的ボリュームイメージングデータセットの各々から、冠動脈が自動的にセグメンテーションされる。冠動脈のセグメンテーションは、ボリュームＣＴスキャンデータ内の体動アーチファクトにより不完全である。予備的ボリュームイメージングデータセット内の各々における冠動脈のセグメンテーションに対して中心線が得られ、この中心線は、ターゲット時刻における冠動脈を表す統合されたターゲット位相における中心線を決定するために結合され、個々の中心線のいずれよりも完全である。ボリュームＣＴスキャン中に発生した動きは、統合されたターゲットとする位相における基準線（例えば中心線）と個々の中心線を比較することによって推定される。この推定された動きは、体動アーチファクトが減少されたデータセットを再構成するために使用される。

図３の実施形態について、以下に概略的に説明する。概略的な説明に続いて、図３の処理におけるさまざまな段階について、図４〜図１５を参照しながら説明する。

図３のフロー図の段階４０では、再構成ユニット３６は、ＣＴスキャナ１４から（またはデータストア、たとえばリモートデータストアから）ボリュームＣＴデータセットを受け取る。ボリュームＣＴデータセットは、ＣＴスキャナ上で実行されたスキャンからの未加工ＣＴデータを備える。たとえば、この未加工ＣＴデータは、ＣＴスキャン中にスキャナによって得られた電圧データを表すことができる。本実施形態では、ボリュームＣＴデータセットは、何らかの動きを受けやすいと予想されるスキャンデータ、たとえば高い心拍数を有する患者の心臓ＣＴスキャンを備える。このスキャンは患者の心臓のＣＴスキャンであり、血液の量を強調するために造影剤が使用される。他の実施形態では、造影剤は使用されない。いくつかの実施形態では、動き補償を実行する際に、造影剤は必要とされない。

心臓のＣＴおよび／または血管造影では、造影剤が使用されることがある。肺気道などの他の用途では、造影剤が必要とされないことがある。いくつかの実施形態では、ボリュームＣＴデータセットの代わりに、ボリュームＭＲスキャンデータが使用される。いくつかのＭＲ血管造影プロトコル（たとえば、ダイナミック造影強調ＭＲ）は造影剤を必要とすることがあるが、タイムオブフライト法および非コントラスト冠状動脈シーケンス（non-contrast coronary sequence）などの他のプロトコルは、造影剤を必要としないことがある。

ボリュームＣＴデータセットは、１心拍動の間に取り込まれ得る。取り込み時間は、いくつかの状況では、ＣＴスキャナガントリの１回転またはＣＴスキャナガントリの回転の一部分に相当することがある。ＣＴスキャナガントリの回転の一部分は、１／２回転と１回転の間、たとえば回転の２／３であってよい。一実施形態では、スキャナガントリ回転時間は２７５ミリ秒であり、取り込み時間はスキャナガントリ回転時間の２／３である。いくつかの実施形態では、取り込み時間は、スキャナガントリ回転の半分プラスＣＴスキャナのファンビームの角度にわたって回転するためにかかる時間である。

再構成ユニット３６は、スキャナ１４から受け取られたボリュームＣＴデータセットから複数の予備的ボリュームイメージングデータセットを再構成する。再構成ユニット３６は、ボリュームＣＴデータセットの未加工ＣＴデータを、空間内の異なる点におけるＸ線の減衰を表すボクセル強度を備えるボリュームイメージングデータに変換する。

各予備的ボリュームイメージングデータセットは、ボリュームＣＴデータセットのそれぞれの部分から再構成される。各予備的ボリュームイメージングデータセットは、ボクセルの配列を備えるボリュームイメージングデータセットであり、各々は、関連付けられた強度値をハンスフィールドユニット（ＨＵ）単位で有する。

複数の予備的ボリュームイメージングデータセットは、臨床的関連のあるターゲット時刻前後の異なる時点に対応する。図３の実施形態では、再構成ユニット３６は、３つの予備的ボリュームイメージングデータセット、すなわち、ターゲット時点におけるターゲット位相データセットＴ（第１のデータセット）、ターゲット時点より前の時刻における基準位相データセットＡ（第２のデータセット）、およびターゲット時点より後の時刻における基準位相データセットＢ（第３のデータセット）を再構成する。

段階５０では、データ受信ユニット２４は、予備的ボリュームイメージングデータセットＴとＡとＢとを受け取り、セグメンテーションユニット２６は、予備的ボリュームイメージングデータセットＴ、Ａ、およびＢの各々から冠血管のセグメンテーションを得る。セグメンテーションユニット２６は、血管断片をセグメンテーションすることが可能な任意のセグメンテーション法を使用して、冠血管のセグメンテーションを得ることができる。本実施形態では、セグメンテーション法は、血管トラッキングを備えない直接セグメンテーション法である。本実施形態では、セグメンテーション法は、アトラスに基づいた心臓のセグメンテーションに続く冠血管のマルコフ確率場セグメンテーションを備える。使用されるセグメンテーション法については、図４のフロー図を参照しながら以下でさらに説明する。

予備的ボリュームイメージングデータセットＴ、Ａ、およびＢの各々では、セグメンテーションユニット２６によって得られる冠血管のセグメンテーションは、体動アーチファクトにより不完全である。冠血管のセグメンテーションの個別の部分は、血管断片と呼ばれることがある。

トラッキングに基づいたセグメンテーションアルゴリズムは、たとえば、初期方向と関連付けられてよいシード点を血管内部に配置することを備えることができる。トラッキングに基づいたセグメンテーションアルゴリズムは、次に、局所域を探索し、血管に沿って、たとえば血管中心線に沿って点を見つけることができる。トラッキングに基づいたセグメンテーションアルゴリズムは、血管内の明らかな間隙（たとえば、体動アーチファクトによって引き起こされる明らかな間隙）が到達されると、停止することができる。そのようなトラッキングに基づいたセグメンテーションアルゴリズムは、いくつかの状況では、すべての血管断片を見つけるのに失敗することがある。場合によっては、血管トラッキングを備えないセグメンテーション法（たとえば、アトラスに基づいた手法を使用するセグメンテーション法および／または血管に沿ったトラッキングを伴わずに強度しきい値を使用するセグメンテーション法）は、トラッキングに基づいたセグメンテーション法よりも多くの血管断片を見つけることがある。

段階６０では、線決定ユニット２８は、予備的ボリュームイメージングデータセットＴ、Ａ、およびＢの各々において、冠血管のセグメンテーションの中心線を決定する。以下、ターゲット位相データセットＴにおける冠血管のセグメンテーションの中心線「ターゲット位相における中心線（或いは第１の線）」と呼ぶ。また、以下、基準位相データセットＡにおける冠血管の中心線を「基準位相における中心線（或いは第２の線）」、基準位相データセットＢにおける冠血管の中心線を「基準位相における中心線（或いは第３の線）」と、それぞれ呼ぶことにする。各予備的ボリュームイメージングデータセットでは、冠血管のセグメンテーションは不完全であるので、各セグメンテーションの中心線は、冠血管のセグメンテーションにおける間隙に対応する間隙を有する。

本実施形態では、ターゲット位相における中心線および基準位相における中心線は、冠血管のセグメンテーションに対して中心軸変換を実行することによって得られる中心線である。他の実施形態では、血管のセグメンテーションに沿った線（中心線であってもなくてもよい）を得る任意の適切な方法が使用されてよい。各線は連続的であってもよいし、点からなる線を備えてもよい。各線は、（冠血管を表す線の場合のように）枝分かれしてもよい。

ターゲット位相における中心線は、ターゲット位相データセットＴの冠血管のセグメンテーションにおける少なくとも１つの間隙に対応する少なくとも１つの間隙を備える。基準位相における中心線は各々、ターゲット位相データセットＴのセグメンテーションにおける１つまたは複数の間隙と異なり得る少なくとも１つの間隙も備える。間隙は、体動アーチファクトによって引き起こされることがある。

統合ユニット３０は、基準位相における中心線をターゲット位相における中心線と結合し、それによって、ターゲット位相における中心線における１つまたは複数の間隙を少なくとも部分的に満たすことによって、統合されたターゲット位相における中心線を決定する。この統合されたターゲット位相における中心線は、ターゲット位相データセットＴの空間内の線である。（線決定ユニット２８によって得られるような）元のターゲット位相における中心線はすべて、統合されたターゲット位相における中心線の中に保持される。（ターゲット位相データセットＴからの冠血管のセグメンテーションにおける間隙に対応する）間隙がターゲット位相における中心線にある場合、ターゲット位相における中心線における間隙は、可能ならば、Ａからの基準位相における中心線および／またはＢからの基準位相における中心線を使用して満たされる。

中心線を決定し、中心線を結合して、統合されたターゲット位相における中心線を決定する処理については、図７のフロー図を参照しながら以下でさらに詳細に説明する。

段階７０では、マッチングユニット３２は、Ａからの基準位相における中心線と統合されたターゲット位相における中心線とをマッチングさせ、Ｂからの基準位相における中心線と統合されたターゲット位相における中心線とをマッチングさせる。血管の長さを実質的に維持する任意の適切なマッチング処理が使用されてよい。本実施形態では、マッチングユニット３２は、マルコフ確率場（ＭＲＦ：Ｍａｒｋｏｖ Ｒａｎｄｏｍ Ｆｉｅｌｄ）マッチング処理を使用して線をマッチングさせる。マッチング処理の効果は、各基準位相における中心線が、統合されたターゲット位相における中心線にレジストレーションされることである（レジストレーションの文脈では、ターゲット位相における中心線は基準と呼ばれ得るものであり、基準位相における中心線は、レジストレーションの文脈では、試験線または浮動線と呼ばれ得ることに注意されたい）。結果として得られる変換は、いくつかの他のレジストレーション法を使用する変換よりも疎に定義されることがある。

動き推定ユニット３４は、基準位相データセットＡからの基準位相における中心線と統合されたターゲット位相における中心線のマッチングを使用して、基準位相データセットＡの時刻とターゲット位相データセットＴのターゲット時刻の間に発生する動きを推定する。動き推定ユニット３４は、基準位相データセットＢからの基準位相における中心線と統合されたターゲット位相における中心線のマッチングを使用して、ターゲット位相データセットＴのターゲット時刻と基準位相データセットＢの時刻の間に発生する動きを推定する。動き推定ユニット３４は、各動き推定（統合されたターゲット位相における中心線およびＡからの基準位相における中心線からの動き推定、および統合されたターゲット位相における中心線とＢからの基準位相における中心線からの動き推定）をワープ場（変形場）として表す。

線のマッチングおよび動き推定については、図１２のフロー図を参照しながら以下でさらに詳細に説明する。

段階８０では、再構成ユニット３６は、さらなるデータセットを得るために、ボリュームＣＴデータセットの未加工ＣＴデータのさらなる再構成を実行する。さらなるデータセットの再構成は、関連付けられた強度値を有するボクセルの配列を得るためのフルＣＴスキャンからすべてのボリュームＣＴデータセットの再構成である。段階７０で得られた動き情報は、再構成幾何学系（reconstruction geometry）を調整するために使用される。

再構成の処理では、再構成ユニット３６は、段階７０からの推定された動きワープ場を使用して、ボリュームＣＴデータセットの取り込み中に発生した動きを補償する。推定された動きを使用する再構成は、たとえば、Ｔａｎｇら、Ａ ｃｏｍｂｉｎｅｄ ｌｏｃａｌ ａｎｄ ｇｌｏｂａｌ ｍｏｔｉｏｎ ｅｓｔｉｍａｔｉｏｎ ａｎｄ ｃｏｍｐｅｎｓａｔｉｏｎ ｍｅｔｈｏｄ ｆｏｒ ｃａｒｄｉａｃ ＣＴ、Ｐｒｏｃ．ＳＰＩＥ ９０３３、Ｍｅｄｉｃａｌ Ｉｍａｇｉｎｇ ２０１４：Ｐｈｙｓｉｃｓ ｏｆ Ｍｅｄｉｃａｌ Ｉｍａｇｉｎｇ、９０３３０４（２０１３年３月１９日）の方法を使用して実行され得る。

さらなるデータセットは、段階４０で予備的ボリュームイメージングデータセットが再構成された同じボリュームＣＴデータセットから得られるが、さらなるデータセットはボリュームＣＴデータセットの全体から再構成され、一方、予備的ボリュームイメージングデータセットは各々、ボリュームＣＴデータセットのそれぞれの部分から再構成された。

図３を参照しながら上記で説明した方法は、減少した体動アーチファクトを有する再構成されたデータセットを生成するために使用され得ることがわかっている。図３の方法は、冠動脈の動きの改善された推定を提供することができる。体動アーチファクトを減少させることによって、ＣＴスキャナの回転の速度を増加させることなく画質を改善することが可能なことがある。いくつかのＣＴシステムでは、以前に可能であったよりも高い心拍数で良好な画質の心臓画像を得ることが可能なことがある。複数の心臓信号の間スキャンする方法を使用して取得され得るよりも短いスキャン時間（および、したがって、この方法を使用して取得され得るよりも低い放射線線量）で良好な画質の心臓画像を得ることが可能なことがある。より優れた画質の画像をより頻繁に得ることが可能なことがあり、このことは、より少ないスキャンが実行される必要があることを意味することがある。より高い心拍数の患者をよりうまくスキャンすることが可能なことがある。

次に、図３を参照しながら概略的に説明した方法について、図４〜図１６を参照しながらより詳細に説明する。段階４０〜８０について、各々さらに説明する。段階５０〜７０は各々、より詳細な説明を行うために、副段階に細分される。

図３の段階４０では、上記で説明したように、再構成ユニット３６が、ＣＴスキャナ１４から受け取られたボリュームＣＴデータセットから複数の予備的ボリュームイメージングデータセットＴとＡとＢとを再構成する。再構成ユニット３６は、任意の適切な再構成法、たとえば逆投影法（フィルタ補正逆投影法であってよい）を使用してよい。他の実施形態では、再構成された予備的ボリュームイメージングデータセットＴ、Ａ、およびＢが、ＣＴスキャナ１４から、またはデータストアもしくは代替ユニットから受け取られ、再構成段階４０は実行されない。

本実施形態では、３つの予備的ボリュームイメージングデータセット（ターゲット位相データセットＴならびに２つの基準位相データセットＡおよびＢ）が、ボリュームＣＴデータから再構成される。他の実施形態では、任意の数の予備的ボリュームイメージングデータセットがボリュームＣＴデータから再構成されてよく、各々は異なる時点に対応する。たとえば、ターゲット位相データセットおよび１つ、３つ、４つ、または５つの基準位相データセットがボリュームＣＴデータから再構成されてよい。

本実施形態では、スキャナから受け取られるボリュームデータはボリュームＣＴデータである。他の実施形態では、任意の適切なモダリティのボリュームデータが受け取られ（たとえば、ＭＲ、ＰＥＴ、ＳＰＥＣＴ、Ｘ線、または超音波）、再構成ユニット３６は、受け取られたモダリティのデータからボリュームイメージングデータセットを再構成するのに適した再構成法を使用する。

図３のフロー図は段階５０に進む。段階５０では、データ受信ユニット２４がターゲット位相データセットＴと基準位相データセットＡとＢとを受け取り、セグメンテーションユニット２６は、受け取られたデータセットの各々から冠血管のセグメンテーションを得る。他の実施形態では、セグメンテーションが予備的ボリュームイメージングデータセットＴ、Ａ、およびＢの各々から得られる構造は、血管でなくてもよい。セグメンテーションが得られる各構造は、身体の任意の管状構造であってよい。この管状構造は、たとえば、身体の管状構造であってよい。この管状構造は、たとえば、血管、管腔、または気道であってよい。この管状構造は、骨、たとえば肋骨または大腿骨、または脊柱などの長い骨であってよい。管状骨のセグメンテーションは、整形外科用途に関連することがある。なお、本実施形態では、血管を例とする細長い管状構造物の樹木構造を例えば「血管ツリー」と呼び、血管に限定しない細長い管状構造物の樹木構造を例えば「ツリー」と呼ぶ。

図３の段階５０は、図４のフロー図では、副段階に細分される。図４を参照しながら、段階５０の副段階について順を追って説明する。図４は、段階５０の副段階５１〜５６について説明する。副段階５１〜５６は、予備的ボリュームイメージングデータセットＴ、Ａ、およびＢの各々に対して実行される。

以下の説明は、例として、ターゲット位相データセットＴに対して実行されている副段階５１〜５６の詳細を提供する。副段階５１〜５６は、基準位相データセットＡおよびＢに対しても実行される。

図４の副段階５１では、データ受信ユニット２４が、再構成ユニット３６からターゲット位相データセットＴを受け取る。データ受信ユニット２４は、ターゲット位相データセットＴをセグメンテーションユニット２６に渡す。他の実施形態では、データ受信ユニット２４は、ＣＴスキャナ１４から、データストアから、または代替ユニットから、ターゲット位相データセットＴを受け取ってよい。

ターゲット位相データセットＴは複数のボクセルを備え、各ボクセルは強度値を有し、各ボクセルは、強度値が関連付けられた空間位置を表す１組の座標（たとえば、ｘ座標、ｙ座標、ｚ座標）を有する。

図４の副段階５２では、セグメンテーションユニット２６が、複数の区画からなる（multi-compartment）アトラスに基づいたセグメンテーションアルゴリズムを使用して、心筋と冠血管とを含む、ターゲット位相データセットＴ内の部位を識別する。

セグメンテーションユニット２６は、セグメンテーション手順を実行して、造影剤で増強された心臓の心室をセグメンテーションし、それらの心室をターゲット位相データセットＴから除去する。セグメンテーションユニット２６は、造影剤で増強された心室に属するボクセルを識別する。造影剤で増強された心室をターゲット位相データセットＴから除去することは、たとえば、識別されたボクセルが含まれないサブセットを決定すること、または識別されたボクセルがデータセットに対するさらなる演算で使用されないように、識別されたボクセルにフラグを立てることを備えることができる。

任意の適切なセグメンテーション手順は、心室を表すデータをセグメンテーションおよび除去するために使用され得る。本実施形態では、使用されるセグメンテーション手順は、アトラスに基づいたセグメンテーション手順である。このアトラスに基づいたセグメンテーション手順は、参照により組み込まれる米国特許出願第１４／０４８１７０号で使用されるセグメンテーション手順に類似している。いくつかの実施形態では、使用されるセグメンテーション手順は、Ｍｕｒｐｈｙら、Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｊｏｕｒｎａｌ ｏｆ Ｃｏｍｐｕｔｅｒ Ａｓｓｉｓｔｅｄ Ｒａｄｉｏｌｏｇｙ ａｎｄ Ｓｕｒｇｅｒｙ、第７巻、第６号、８２９〜８３６ページ、２０１２年１１月に記載されているセグメンテーション手順である。

本実施形態のアトラスに基づいたセグメンテーション手順は、セグメンテーション手順で複数の構造が識別されるので、複数の区画からなるセグメンテーション手順と呼ばれることがある。本実施形態では、アトラスに基づいたセグメンテーション手順は、ターゲット位相データセットＴをアトラスデータセットとレジストレーションすることによって、心臓と１３の関連構造とを識別する。関連構造とは、左心室心外膜、右心室心外膜、左心室心内膜、右心室心内膜、左心房と左心耳、右心房と右心室、上大静脈、左下肺静脈、左上肺静脈、右下肺静脈、右上肺静脈、肺動脈幹、および大動脈起始部である。他の実施形態では、他の任意の適切なセグメンテーションが使用されてよい。

セグメンテーションユニット２６は、アトラスに基づいたセグメンテーション法を使用してセグメンテーションされなかった心臓の残りの部位を表すボクセルを備える、ターゲット位相データセットＴのサブセットを画定する。この残りの部位は、心筋と冠血管とを備える。サブセットは、セグメンテーションされた心筋および血管部位と呼ばれることがある。

図４の副段階５２では、セグメンテーションユニットは、ターゲット位相データセットＴのサブセットに局所補正フィルタを適用して、背景レベルを正規化する。本実施形態では、局所補正フィルタは、不鮮明なマスクフィルタである。この不鮮明なマスクフィルタは、血管を鮮明にする効果を有する。他の実施形態では、任意の適切なフィルタが使用されてよい。いくつかの実施形態では、フィルタが使用されなくてもよく、副段階５３が省略されてもよい。

副段階５４では、セグメンテーションユニットは、心筋および血管部位の外部から明るいハローを除去する（心筋および血管部位は、ターゲット位相データセットＴのサブセットによって表される部位である）。明るいハローを除去することによって、心筋および血管部位の境界線上のあらゆるボクセルが、境界線上にない任意の隣接するボクセルよりも低いＨＵ値を有することが保証され得る。副段階５４は、セグメンテーションされた心筋および血管部位の外部からデブリを一掃する効果を有することができる。他の実施形態では、明るいハローの除去が実行されなくてもよく、副段階５４が省略されてもよい。

さらなる実施形態では、本実施形態の副段階５３および５４の代わりに、またはこれらに加えて、代替フィルタまたはモルフォロジー演算が使用されてよい。

副段階５１〜５４は複数のドメインをもたらし、各ドメインはボクセルの集合である。本実施形態では、各ドメインは、隣接する（および連結された）ボクセルの集合である。

副段階５５では、セグメンテーションユニット２６が、副段階５１〜５４から生じたドメインを分類する。セグメンテーションユニット２６は、ロジスティック関数とマルコフ確率場の空間的制約との組み合わせを使用して、ボクセルを心筋と、または血管と分類する。本実施形態では、ＭＲＦは、ボクセル強度のロジスティック関数である単項のデータ項と、強磁性イジングモデルに従った重みを有する、前の２項（pairwise prior term）とにより定式化される。信頼性の強化された反復条件付きモード（ＣＥＩＣＭ：confidence enhanced iterated conditional modes）最適化手段（optimizer）が使用される。他の実施形態では、任意の適切なＭＲＦ最適化手段、たとえばグラフカット法またはシミュレーテッドアニーリング法が使用されてよい。ＭＲＦ法は、ドメインを直接分類する。他の実施形態では、任意の適切な分類法が使用されてよい。

セグメンテーションユニット２６は、ターゲット位相データセットＴ内のボクセルのさらなるサブセットを選択する。このさらなるサブセットは、冠血管に属すると分類されたすべてのボクセルを備える。このさらなるサブセットは、ターゲット位相データセットＴの血管サブセットと、またはターゲット位相データセットＴにおける冠血管のセグメンテーションと呼ばれることがある。ボリュームイメージングデータが動きに影響される場合、副段階５５から得られる血管サブセットが完全な血管ではなく冠血管の断片を表すことが予想され得る。副段階５６では、セグメンテーションユニット２６は、Ｔの血管サブセットを線決定ユニット２８に出力する。

副段階５１〜５６は基準位相データセットＡおよびＢに対しても実行され、Ａの血管サブセット（基準位相データセットＡにおける冠血管のセグメンテーションと呼ばれることがある）と、ボリュームＢの血管サブセット（基準位相データセットＢにおける冠血管のセグメンテーションと呼ばれることがある）とを得る。

図５は、あまり体動アーチファクトを持たない再構成されたデータセット（これは、通常データセットまたは動きに影響されないデータセットと呼ばれることがある）から得られた冠動脈のセグメンテーションを示す。図５の例では、データセットはボリュームＣＴデータから再構成される。図４を参照ながら上記で説明したＭＲＦセグメンテーション法（副段階５１〜５６を備える）は、血管サブセットを得るために、再構成されたデータセットに適用される。この血管サブセットは、図５の画像を提供するためにレンダリングされる。

図５のデータセットでは、図４のＭＲＦセグメンテーション法は、トラッキングを使用せずにより大きな冠動脈を確実に見つけることがわかっている。いくつかのデブリ１００はアトラスに基づいたセグメンテーションから残っているが、このデブリは血管に接続されていない。

図６Ａ〜図６Ｃは各々、冠動脈のセグメンテーションを示す。各セグメンテーションは、動きにひどく影響されるデータセットから再構成されたそれぞれの予備的ボリュームイメージングデータセットから得られた。図６Ａ〜図６Ｃによって表される例では、（３つの位相に関連する）３つの予備的ボリュームイメージングデータセットは、単一の動きによって影響されるスキャンからのデータから再構成され、この３つの予備的ボリュームイメージングデータセットは各々、異なる時点で再構成される。図４のＭＲＦセグメンテーション法は、予備的ボリュームイメージングデータセットの各々に適用されて、各予備的ボリュームイメージングデータセットに対するそれぞれの血管サブセットを得る。各血管サブセットは、次に、図６Ａ〜図６Ｃの画像を生成するためにレンダリングされる。

図６Ａ、図６Ｂ、および図６Ｃの各々に表される冠血管が断片化されることがわかり得る。レンダリングされた血管は、図５の血管よりもはるかに完全でない。図６Ａ〜図６Ｃのスキャンの間に発生した動きは、体動アーチファクトにより予備的ボリュームイメージングデータセットの各々において冠血管の部分が正常にセグメンテーションできないことを意味する。各予備的ボリュームイメージングデータセットのセグメンテーションの結果、同じ主な血管の異なる断片がもたらされる。たとえば、（血管サブセットによって表される）図６Ａの血管は、図６Ｂの血管と、または図６Ｃの血管と異なる点に間隙を有する。

副段階５６は、図３の段階５０を終了させる。図３に戻ると、段階５０の出力は、ターゲット位相データセットＴ、基準位相データセットＡ、および基準位相データセットＢの各々における冠血管のそれぞれのセグメンテーションである。図３の処理は、次に、段階６０に進む。

図３の段階６０では、統合ユニットは、予備的ボリュームイメージングデータセットＴ、Ａ、およびＢの各々のセグメンテーションを使用して、統合された樹木（血管ツリー或いはツリー血管ツリー。血管等に代表される細長い管状構造物の樹木構成。）を決定する。各位相に対するセグメンテーションされた血管断片（図６Ａ〜図６Ｃに示される）は、１つの位相（この場合、ターゲット位相データセットＴによって表されるターゲット位相）における血管のより完全な表示（representation）を作製するために使用される。本実施形態では、３つの不完全な血管セグメンテーションは、（本実施形態では、中心線を決定および結合することによって）１つのより完全な表示に結合される。段階６０の血管ツリー統合処理の結果は、少なくとも２つの位相に共通するすべての血管断片を表すことができる。

統合処理の基本概略図が図８に示されている。不完全な血管表示１０２、１０４、および１０６が結合されて、より完全な血管表示１１０を与えることができる。

次に、段階６０について、図７のフロー図および図９Ａ〜図９Ｇを参照しながら、さらに説明する。段階６０は、図７のフロー図に示される副段階６１〜６６に細分され得る。

図７を参照すると、副段階６１では、線決定ユニット２８が、血管サブセットに対して中心軸変換を実行することによって、ターゲット位相データセットＴに対して決定された血管サブセットから中心軸を抽出する。血管サブセットは、冠血管の一部であると分類されたボクセルを備える。線決定ユニット２８は、抽出された中心軸を使用して、ターゲット位相データセットＴの血管サブセット内に存在する冠血管の部分に対する血管中心線を作製する。同様に、線決定ユニット２８は、基準位相データセットＡの血管サブセットから、および基準位相データセットＢの血管サブセットから中心軸を抽出して、血管中心線を作製する。

他の実施形態では、中心線（または血管の経路を表す他の任意の線）を決定する任意の適切な方法が使用されてよい。

以下の説明では、血管中心線の間隙に対する言及がなされる。いくつかの実施形態では、血管中心線の間隙は、中心線の実際の切れ目として表される。他の実施形態では、中心線の間隙は、中心線が得られる血管セグメンテーションの間隙を表す中心線の一部であってよい。中心線の間隙は、血管ツリー統合処理のさらなる副段階において無視されるべき中心線の一部であってよい。

本実施形態の血管中心線１２０は、図９Ａに概略的に示されている。ターゲット位相データセットＴに対する中心線は１２０Ｔによって示され、Ａに対する中心線は１２０Ａによって示され、Ｂに対する中心線は１２０Ｂによって示される。中心線の各々が異なる欠落した区間を有することが留意されてよい。

図９Ａ〜図９Ｇの図面は概略であり、実際には、より多くの血管が存在してよく、各血管は、多数の切れ目を有し、各血管をいくつかの断片に分割してよい。したがって、中心線１２０は、より多くの切れ目と、はるかに多くの間隙とを有してよい。予備的ボリュームイメージングデータセットごとに、中心線１２０は、多数の分断された中心線成分を備えることができる。

図９Ａでは、中心線１２０Ａ、１２０Ｂ、１２０Ｔは、図が見やすいように、互いからずれているように示されている。中心線はすべて同じ血管を表すので、実際には、中心線１２０Ａ、１２０Ｂ、１２０Ｔの部分は、空間内で重ね合わされたり、ほとんど重ね合わされたりすることがある。

副段階６２では、統合ユニット３０が、血管ツリースパニング処理（tree spanning process）を実行して、複数の位相からなる血管ツリーの２つの集合、すなわち中心線１２０Ａおよび１２０Ｔを通る血管ツリーの一方の集合と、中心線１２０Ｂおよび１２０Ｔを通る血管ツリーの他方の集合とを作製する。血管ツリースパニング処理について、中心線１２０Ｂおよび１２０Ｔを参照しながら、一例として、図１０の概略図を参照しながら、以下で説明する。本実施形態では、血管ツリースパニング処理は、中心線１２０Ａおよび１２０Ｔに対しても実行される。より多数の基準位相データセットを有する実施形態では、血管ツリースパニング処理は、各基準位相における中心線をターゲット位相における中心線とマッチングさせるために実行される。

中心線１２０Ｂおよび１２０Ｔの各々に対して、１つの血管ツリーが定義され、この血管ツリーは、節点と辺の集合を備える。異なる辺は、異なる重みが与えられる。ターゲット位相内の辺のコストは、その辺のユークリッド距離である。基準位相内の（この例では、基準位相データセットＢ内の）辺のコストは、はるかに高い。

統合ユニット３０は、４Ｄ最小全域森アルゴリズムを使用して、１２０Ｂおよび１２０Ｔの血管ツリーに対して血管ツリースパニング処理を実行する。本実施形態では、統合ユニット３０は、プリムのアルゴリズムに基づく全域血管ツリーアルゴリズムを適用して、４次元の全域血管ツリーを見つける。第４の次元は、基準位相データセットＢとターゲット位相データセットＴの時間差を表す。代替実施形態では、他の任意の適切な血管ツリースパニング処理が使用されてよい。

全域血管ツリーアルゴリズムは、すべての位相から最良の成分を使用して最適な全域血管ツリーを見つける。全域血管ツリーアルゴリズムは、間隙に到達するまで、ターゲット位相血管ツリーを横断する。間隙が小さな間隙１２４である場合、その小さな間隙１２４はターゲット位相内で直接わたられる（spanned）（図１０を参照されたい）。間隙が大きな間隙１２２である場合、その大きな間隙１２２は、異なる位相（図１０では位相Ｂ）を横切ることによってわたられる。位相間の辺のコストもユークリッド距離である。

アルゴリズムは、ターゲット位相に戻らない他の位相への多数の短い枝１２６を生成することができる。そのような枝は、副段階６２の終了時の後処理ステップで除去され得る。

アルゴリズムは、ターゲット位相データセットＴからの、および基準位相データセットＢからの血管ツリーに対して複数回実行されて、連結成分（全域森）あたり１つの全域血管ツリーを得る。以下で個々の血管ツリーまたは中心線に言及するが、各データセットは、多数の血管断片を備えることができ、そのため、多数の連結成分を備えることができる。各データセットは、互いに接続されていない左冠動脈と右冠動脈の両方を表すことができる。個々の血管ツリーまたは中心線に対して実行されると以下で説明する各演算は、各データセット内の各血管ツリーまたは各中心線に対して実行され得る。

本実施形態では、マッチング処理で使用される４Ｄ最小全域森アルゴリズムは、プリムのアルゴリズムに基づいており、辺候補は、各軸内に最大１０画素を有する。プリムのアルゴリズムは、最小全域血管ツリーアルゴリズムである。他の実施形態では、異なる最小全域血管ツリーアルゴリズム、たとえばクラスカルのアルゴリズムが使用される。

血管ツリースパニング処理は、異なる位相における管状構造または１組の管状構造（たとえば、血管または１組の血管）を通るルートを決定する。他の実施形態では、異なる位相における管状構造または１組の管状構造を通るルートを決定するために、任意の適切な処理が使用されてよい。

中心線１２０Ｂおよび１２０Ｔからの血管ツリーについて上記で説明したように、同じ血管ツリースパニング処理が、中心線１２０Ａおよび１２０Ｔからの血管ツリーに対して実行される。

図９Ｂは副段階６２の概略図である。血管ツリースパニング処理が、中心線１２０Ａおよび１２０Ｔからの血管ツリー、ならびに中心線１２０Ｂおよび１２０Ｔからの血管ツリーに適用される。

複数の位相からなる全域血管ツリーの２つの集合、すなわちＡおよびＴからの１つの集合ならびにＢおよびＴからの１つの集合が生成される。副段階６３では、全域血管ツリーの複数の位相からなる各集合に対して、全域血管ツリーの組内の非ターゲット位相（ＡまたはＢ）からの各点が、横断された血管ツリーから計算された薄板スプラインを使用して、Ｔ内のその新しい位置にマッピングされる。このマッピングは図９Ｂに示されており、ＡおよびＴに対する中心線とＢおよびＴに対する中心線が、薄板スプラインによるマッピングを表す短い線１３０によって結び付けられる。薄板スプラインは、ＡおよびＴの中心線とＢおよびＴの中心線の間に不連続点がないように、Ａに対する中心線の部分をＴに対する中心線に併合し、Ｂに対する中心線の部分をＴに対する中心線に併合する働きをする。薄板スプラインアルゴリズムの代わりに、他の任意の適切な平滑化アルゴリズムまたは適合アルゴリズムが使用されてもよい。いくつかの実施形態では、Ｂ−スプラインアルゴリズムが使用される。

マッピングの結果は、血管ツリーの新しい２つの集合、すなわちＡおよびＴからの辺を含む血管ツリーの一方の集合と、ＢおよびＴからの辺を含む血管ツリーの他方の集合である。血管ツリーの各集合では、Ｔからの辺は当初と同じままであるが、それぞれの基準位相（ＡまたはＢ）からの辺は、薄板スプラインマッピングによってＴの空間にマッピングされている。

血管ツリーの新しい集合では、位相間に不連続点はない。たとえば、図１０を参照されたい。図１０では、間隙１２２にまたがる中心線１２０Ｔから中心線１２０Ｂへの変化により、生成される線に不連点が見られる。薄板スプラインを使用して１２０Ｂから１２０Ｔへの関連のある部分をマッピングすることによって、そのような不連続点を示さない線が得られ得る。

線決定ユニット２８は、血管ツリーの新しい集合をドメインに変換する。各中心線上の各線セグメント（線上の２点の間の区間）は、細い円筒に変換される。中心線のセグメントに関する細い円筒の連結（union）によって、中心線のドメイン表示が得られる。ドメインとは、連結された部位を形成するボクセルのグループである。細い円筒の連結は、段階５０で得られる当初の血管セグメンテーションのより細いものに類似していることがある。

線決定ユニット２８は、血管ツリーの新しい集合に対応するドメインを使用して、中心軸を再度算出する。再度算出された中心軸は、以下では１３２Ａおよび１３２Ｂと呼ばれる。ドメインに変換することおよび中心軸を再度算出することによって、中心線からラベルが除去され、マッチングされた２つの線がほぼ重なり合うが正確には重なり合わない区間が解消され得る。

ＡおよびＴに対する、ならびにＢおよびＴに対する血管ツリーの新しい集合からの中心軸１３２Ａ、１３２Ｂが、図９Ｃに概略的に示されている。中心軸１３２Ａおよび１３２Ｂは、図９Ｃでは、図が見やすいように、ずらされている。

副段階６４では、統合ユニット３０は、血管ツリーの新しい集合（新しい血管ツリーは、ＡおよびＴに、ならびにＢおよびＴに由来する）から算出された中心軸１３２Ａおよび１３２Ｂを使用して、さらなる血管ツリースパニング処理を実行する。さらなる血管ツリースパニング処理は、中心軸１３２Ａから得られた血管ツリーと中心軸１３２Ｂから得られた血管ツリーをマッチングさせるために実行される。

中心軸１３２Ｂは、Ｔから得られたいくつかの区間を備え、これらの区間は、変換されておらず、実質的には当初の中心線１２０Ｔ内でそうであったままである。いくつかの実施形態では、たとえば中心軸が再度算出されたとき、Ｔからの区間に対して、いくつかの小さな調整がなされることがある。

中心軸１３２Ｂは、中心線１２０Ｂから得られた区間をさらに備える。そのような区間は、副段階６３で決定された薄板スプラインによって変換されている（および、中心軸が再度算出されたとき、さらに調整されている）。

同様に、中心軸１３２Ａは、Ｔに対するいくつかの実質的に変換されていない区間（中心線１２０Ｔと実質的に同じである）と、副段階６３で決定された薄板スプラインによって変換された中心線１２０Ａからのいくつかの区間とを備える。

１３２Ａは、Ｔに由来する区間内で、１３２Ｂと同じであってもよいし、これに類似していてもよい。１３２Ａは、Ｔの間隙がＡからの区間によって満たされているかつ／またはＢからの区間によって満たされている区間内では、１３２Ｂと異なってよい。

統合ユニット３０は、コスト関数を使用して、１３２Ａおよび１３２Ｂの新しい血管ツリーを横断する。

副段階６５では、統合ユニット３０は、１３２Ａの新しい血管ツリーと１３２Ｂの新しい血管ツリーとを関連付ける薄板スプラインのさらなる集合を算出する。しかしながら、今回、薄板スプラインは、通常の変位の半分のみを有する。この理由は、１３２Ａと１３２Ｂが異なる区間（１３２Ａと１３２Ｂの両方を構築する際にＴが好ましいので、この区間は、Ｔ内で血管ツリーが利用可能でない区間であってよい）に対して、１３２Ａと１３２Ｂの間の道が取られる。

図９Ｄは、１３２Ａと１３２Ｂとを示す。１３２Ａと１３２Ｂは、Ｔから得られるすべての区間が１３２Ａおよび１３２Ｂに共通するので、１３２Ａおよび１３２Ｂの長さの大部分に沿って重なり合うように見られることがある。１３２Ａと１３２Ｂが異なる部位では、線１３４は、薄板スプラインのさらなる集合を表す（実際には、線１３４は変位全体を表すが、薄板スプラインは変位全体の半分を有する）。

統合ユニット３０は、Ａからの血管サブセットおよびＢからの血管サブセットの当初の中心軸変換（副段階６１で得られる中心線１２０Ａおよび１２０Ｂ）を、副段階６３で決定された薄板スプラインを用いて変換する。統合ユニット３０は、次に、得られた線を、副段階６５で決定されたさらなる薄板スプラインを用いて変換する。さらなる薄板スプラインを用いた変換では、線を１３２Ａの血管ツリーの空間と１３２Ｂの血管ツリーの空間の中間点に変換する。基準位相データセットＡと基準位相データセットＢの両方に当初存在していた（しかし、ターゲット位相データセットＴには存在していなかった）血管ツリーの区間は、重なり合うようにされる。

図９Ｅは、薄板スプラインによってＴの空間に変換されている中心線１２０Ａと１２０Ｂとを表す。１２０Ａ、１２０Ｂ、および１２０Ｔは、図が見やすいように、ずらされている。ＡおよびＢの変換は、結合された血管ツリーをもたらす。

中心軸変換およびさらなる中心軸変換の適用の結果は、血管ツリーＡおよびＢの各々が変換されて、変換された血管ツリーが得られることである。この変換された血管ツリーが当初のＴ位相と共に横断されて、Ｔの空間にマッピングされた３つの血管ツリーすべて（Ａ、Ｂ、およびＴ）から利用可能な血管セグメントのすべてを含む血管ツリーが得られる。得られた血管ツリー１３６が図９Ｆに示されている。この段階は、得られた血管ツリーの各部分が副段階６６に関して正しくラベリングされることを保証する。

副段階６６では、統合ユニット３０は、副段階６５で得られた中心軸１３６に枝刈りを施して（prune）、中心線１２０Ａまたは１２０Ｂに存在したが中心線１２０Ｔに存在しなかった枝を取り除く。中心軸の枝刈りは、任意選択のステップと考えられ得る。他の実施形態では、中心軸は枝刈りを施されない。

統合ユニット３０は、点が中心軸１３６に沿って密に分布されるように、中心軸１３６を再度サンプリングする。再度サンプリングされた最終的な中心軸は、統合されたターゲット位相における中心線１４０と呼ばれることがある。統合されたターゲット位相における中心線１４０は図９Ｇに示されている。取り除かれた枝１３８は、図９Ｇでは点線によって示されている。

副段階６６の出力は、ターゲット位相データセットＴの空間において統合されたターゲット位相における中心線１４０であり、統合されたターゲット位相における中心線１４０は、Ｔに存在しない枝を取り除くために枝刈りを施されていることがある。統合されたターゲット位相における中心線１４０は、Ｔからの欠落した区間を満たす、ＡおよびＢからの区間を備える。統合されたターゲット位相における中心線１４０は、副段階６１で決定されたターゲット位相における中心線（中心線１２０Ｔ）よりも完全である。

上記の説明は、単一の血管ツリーおよび単一の統合されたターゲット位相における中心線に対する処理について説明しているが、図７の処理は、各連結成分に対して実行される。

図３のフロー図を再度参照すると、段階６０の出力は、１つまたは複数の統合されたターゲット位相における中心線１４０である。

段階６０は、上記では、同じスキャンから再構成された３つの異なる予備的ボリュームイメージングデータセットに対して実行されると説明されているが、他の実施形態では、血管ツリー統合は、異なるスキャン、たとえば異なる時点に撮影されたスキャンから再構成されたデータセットに対して実行されてもよい。いくつかの状況では、時間的に遠く離れた点を表すデータに関してよりも、時間的に近い点を表すデータに関して、より優れた結果が実現され得る。

段階５０のセグメンテーション法および段階６０の血管ツリー統合は、いくつかの状況では、トラッキングに基づいたセグメンテーション法よりも動きに対してロバストであることがある（段階５０のセグメンテーション法は、トラッキングを備えない直接セグメンテーション法である）。体動アーチファクトは、過去のアーチファクトを追跡できない場合に、トラッキングアルゴリズムを早期に停止させることができる。したがって、追跡された動脈の区間が短く、不完全なことがある。

段階５０の自動セグメンテーション法および段階６０の血管ツリー統合は、トラッキングに基づいたいくつかの方法よりも冠動脈の多くを識別することがあり、シード点を必要としない。段階５０のセグメンテーション法および段階６０の血管ツリー統合のいくつかの結果が、図１１Ａ、図１１Ｂ、および図１１Ｃに示されている。段階５０の自動セグメンテーション法は、血管の分断された断片をセグメンテーションすることを可能にすることができる。段階６０の血管ツリー統合によって、異なる位相からの断片を結合することが可能になることができる。

図３のフロー図に戻ると、段階６０の終了時に、統合ユニットは、少なくとも１つの統合されたターゲット位相における中心線１４０を得ている。図３の処理は、次に、段階７０に進む。

段階７０では、統合されたターゲット位相における中心線１４０および各基準位相からのセグメンテーションされた血管断片に対する中心線１２０Ａ、１２０Ｂが、位相間の動きを推定するために使用される。中心線１２０Ａおよび１２０Ｂは各々、統合されたターゲット位相における中心線１４０とマッチングされる。中心線１２０Ａと統合されたターゲット位相における中心線１４０のマッチングは、基準位相データセットＡとターゲット位相データセットＴとを関連付ける第１の局所的ワープ場を決定するために使用される。中心線１２０Ｂと統合されたターゲット位相における中心線１４０のマッチングは、基準位相データセットＢとターゲット位相データセットＴとを関連付ける第２の局所的ワープ場を決定するために使用される。

段階７０に関する以下の説明では、ターゲット位相データセットＴの空間における単一の統合されたターゲット位相における中心線１４０と、血管断片の中心線１２０Ａとについて説明する。段階７０の処理は、分断された統合されたターゲット位相における中心線１４０がある（たとえば、中心線１２０Ａおよび１２０Ｂによって満たされ得ない、ターゲット位相データセットＴ内のセグメンテーションされた血管の中心線１２０Ｔの間隙がある）各統合されたターゲット位相における中心線１４０に対して実行され得る。

段階７０は、図１２のフロー図に示される副段階７１〜７５に細分され得る。次に、副段階７１〜７５について、中心線１２０Ａに関して説明する。副段階７１〜７５は、中心線１２０Ｂに対しても実行される。

副段階７１では、マッチングユニット３２は、統合されたターゲット位相における中心線１４０を統合ユニット３０から受け取る。マッチングユニット３２は、基準位相データセットＡの中心線１２０Ａを線決定ユニット２８から受け取る。中心線１２０Ａはいくつかの血管断片を表すことがあり、いくつかの間隙を備えることがある。

副段階７２では、マッチングユニット３２は、統合されたターゲット位相における中心線１４０に沿った節点１５０を有するマルコフ確率場を生成する。場合によっては、節点１５０の位置は、ボクセル位置に対応することがある。他の場合には、節点１５０の位置は、ボクセル位置に対応しないことがある。たとえば、ボクセル位置でない位置が補間されることがある。いくつかの実施形態では、節点１５０は、少なくとも１つの次元で線に沿って等間隔に離間することがある。

副段階７３では、マッチングユニット３２は、複数のラベルを生成する。各ラベルは、中心線１２０Ａ上にあるまたは中心線１２０Ａに近い点１５２に対応する。点１５２は、中心線１２０Ａから異なる距離に、中心線１２０Ａの長さに沿って異なる間隔で位置づけられるように擬似ランダムに生成される。マッチングユニット３２によって、節点１５０よりもはるかに多い点１５２が生成されることがある。

図１３は、統合された位相線１４０に沿った節点１５０の集合および基準位相における中心線１２０Ａ上またはその近くの点１５２の集合の概略図である（基準位相における中心線１２０Ａは図１３に示されていない）。図１３の図では、節点１５０が、統合された基準線１４０に沿ってさまざまな間隔で離間されていることがわかり得る。１つのそのような間隔が矢印１６０によって示されている。節点１５０よりもはるかに多い点１５２が設けられ、点１５２は、基準位相における中心線１２０Ａ上にすべてがあるとは限らないが、擬似乱数生成器によって決定されるような、基準位相における中心線１２０Ａから短い距離で配置されることがある。

中心線１２０Ａ上に当初あった点よりも多くの点を生成することによって、量子化誤差が減少され得る。中心線１２０Ａは、当初、たとえば１単位離れた点に関して定義されてよい。統合されたターゲット位相における中心線１４０も、１単位離れた節点に関して定義されてよい。そのような状況では、統合されたターゲット位相における中心線のいくつかの節点が中心線１２０Ａ上の中間場所により良くマッチングされる可能性が高いことがあるので、節点と点の１対１のマッチングが最良のマッチングをもたらす可能性が低いことがある。より多くの数の点を設けることによって、より良いマッチングの可能性が増加される。

副段階７４では、最適化手段は、所与の１組の制約に最も良く適合する節点１５０とラベルのマッチングを見つけるために使用される。本実施形態では、使用される最適化手段は、反復条件付きモード（ＩＣＭ）最適化手段である。他の実施形態では、任意の適切な最適化手段が使用されてよい。

各節点１５０は、可能なラベルの多くを獲得することができる。さらなる特殊ラベルが、マッチングされていない節点１５０に使用される。いくつかの節点１５０は、たとえば、それらの節点が中心線１２０Ａの対応する部分が利用可能でない統合されたターゲット位相における中心線の部分を表す場合、マッチングされていないままであることがある。

最適化手段によって使用される１組の制約は、空間的制約を備える。空間的制約は、血管の長手方向の歪みが最小限にされるが横方向の移動を可能にするように定義される。最適化手段は、長手方向の距離に依存するコスト関数を最適化する。連続した点の離間距離は、ほぼ同じままであってよい。

本実施形態では、空間的制約はマッチングユニット３２に保存され、実行されるあらゆるマッチング処理に対して同じである。他の実施形態では、空間的制約は、入力または編集されてもよいし、異なるユニットに保存されてもよい。

図１４Ａおよび図１４Ｂは、長手方向の歪みのある場合とない場合の血管マッチングを表す。

いくつかのマッチングおよびレジストレーションの手順では、１つの線上の点を、長さを考慮せずに（たとえば、１つの線に沿った点の間隔が別の線に沿った節点の間隔と同じであるかどうか考慮せずに）別の線上の節点とマッチングさせることが可能である。長さを考慮しない節点に対する点のマッチングが図１４Ａに示されている。マッチングされている構造、たとえばこの実施形態における血管は、そのようなマッチングによって著しく歪まされることがある。図１４Ｂは、長さが実質的に維持され、小さな長手方向の歪みがあるマッチングまたはレジストレーションを表す。

血管が、マッチングの際に長手方向に歪むことが許可される場合、そのような歪みは、不良な画質の動きの推定につながることがある。長手方向の歪みの量を制限することによって、血管のかなりの長手方向の歪みが許可される場合に得られるであろうよりも優れた動きの推定が得られることがある。

統合されたターゲット位相における中心線１４０と中心線１２０ＡのＭＲＦマッチングは、節点が定義される線（ＭＲＦマッチングの文脈ではターゲット血管ツリーと呼ばれることがあり、この場合は、統合されたターゲット位相における中心線１４０である）上に存在する点のマッチングのみを見つけることができる。

ＭＲＦマッチングが、マッチングのターゲット血管ツリーとしてターゲット位相中心線１２０Ｔを使用して実行される場合、ターゲット位相中心線１２０Ｔに存在する点のマッチングを実行することのみが可能であろう。基準位相中心線１２０Ａに存在するがターゲット位相中心線１２０Ｔには存在しない点をマッチングさせることは可能ではないだろう。代わりに、マッチングのターゲット血管ツリーとして統合されたターゲット位相における中心線１４０を使用することによって、点がターゲット中心線１２０Ｔに存在しないときですら、それらの点がマッチングされ得る。

ＭＲＦマッチングの結果は、基準位相データセットからターゲット位相データセットへのレジストレーションである。

副段階７４から生じるマッチングされた節点は、統合されたターゲット位相における中心線１４０と基準位相中心線１２０Ａの間の局所的な変位（図１３では矢印１５４として示される）を表す。副段階７５では、動き推定ユニット３４は、マッチングされた節点を使用して、平滑化によって第１の局所的なワープ場（変形場）を作製する。

第１の局所的なワープ場は、早期の段階から全体的なワープ場と併合され得る。この全体的なワープ場は、予備的ボリュームイメージングデータセットＡとＴの間の初期の厳密でないレジストレーションから得られ得る。

図１２のフロー図の副段階７１〜７５は、第２の局所的なワープ場を得るために、統合されたターゲット位相における中心線１４０および中心線１２０Ｂに対しても実行される。第２の局所的なワープ場は、早期の段階から全体的なワープ場と併合され得る。この全体的なワープ場は、予備的ボリュームイメージングデータセットＢとＴの間の初期の厳密でないレジストレーションから得られ得る。

各局所的なワープ場は、動き推定と考えられ得る。第１の局所的なワープ場（統合されたターゲット位相における中心線１４０および基準位相中心線１２０Ａから得られる）は、基準位相データセットＡの時刻とターゲット位相データセットＴの時刻の間の動きの推定である。第２の局所的なワープ場（統合されたターゲット位相における中心線１４０および基準位相中心線１２０Ｂから得られる）は、ターゲット位相データセットＴの時刻と基準位相データセットＢの時刻の間の動きの推定である。

図１２の副段階７５の出力は、第１の局所的なワープ場および第２の局所的なワープ場である。冠動脈の部位内で第１の局所的なワープ場と第２の局所的なワープ場とを決定することによって、いくつかの状況では、全体的な結果のみを使用する動き推定、たとえば冠動脈周囲での局所的な改良なしに予備的ボリュームイメージングデータセットＡとＴの間の全体的なレジストレーションと予備的ボリュームイメージングデータセットＢとＴの間の全体的なレジストレーションとを使用して得られる動き推定と比較されると、動き推定が改善され得る。

図３を再度参照すると、段階７０の出力は、第１の局所的なワープ場および第２の局所的なワープ場である。図３の処理は、次に、段階８０に進む。

段階８０では、再構成ユニット３６は、第１の局所的なワープ場および第２の局所的なワープ場を使用して、ボリュームＣＴデータセットから新しいボリュームイメージングデータセットを再構成する。第１の局所的なワープ場および第２の局所的なワープ場は各々、動きの推定を備える。本実施形態では、再構成ユニット３６は、Ｔａｎｇら、Ａ ｃｏｍｂｉｎｅｄ ｌｏｃａｌ ａｎｄ ｇｌｏｂａｌ ｍｏｔｉｏｎ ｅｓｔｉｍａｔｉｏｎ ａｎｄ ｃｏｍｐｅｎｓａｔｉｏｎ ｍｅｔｈｏｄ ｆｏｒ ｃａｒｄｉａｃ ＣＴ、Ｐｒｏｃ．ＳＰＩＥ ９０３３、Ｍｅｄｉｃａｌ Ｉｍａｇｉｎｇ ２０１４：Ｐｈｙｓｉｃｓ ｏｆ Ｍｅｄｉｃａｌ Ｉｍａｇｉｎｇ、９０３３０４（２０１３年３月１９日）に記載されている再構成法を使用して、新しいボリューム画像データセットを再構成する。Ｔａｎｇらの再構成法は、推定された動きを再構成に組み込む。他の実施形態では、動きが組み込まれる任意の適切な再構成法が使用されてよい。

新しいボリュームイメージングデータセットは、いくつかの動きの影響が除去されているデータセットである。再構成された予備的ボリュームイメージングデータセットＡ、Ｂ、およびＴのうち少なくとも１つにおける体動アーチファクトと比較されると、いくつかの体動アーチファクトが減少され得る。たとえば、新しいボリュームイメージングデータセットには、ターゲット位相データセットＴよりも少数の体動アーチファクトが存在し得、または、ターゲット位相データセットＴにおける体動アーチファクトの重大度と比較されると、体動アーチファクトの重大度が減少され得る。

血管セグメンテーションおよび血管ツリー統合を使用して、ＣＴスキャンにおける動きを推定することによって、得られる再構成データにおける体動アーチファクトが減少され得る。体動アーチファクトの減少によって、より増加した心拍数で良好なＣＴ画像を得ることが可能になることができる。いくつかの状況では、ＣＴガントリの回転の速度を増加させる必要なしに、画質の改善されたＣＴデータを得ることが可能であり得る。いくつかの状況では、複数の心拍動を使用する手法と比較して、減少されたスキャン時間および被爆線量で、高品質画像が取得され得る。

いくつかの状況では、図３の段階５０のセグメンテーション処理と図３の段階６０の血管ツリー統合処理と図３の段階７０の血管マッチング処理とを使用することによって、たとえば相互情報を使用する画像を直接レジストレーションすることによって取得され得るよりも優れた冠動脈のレジストレーションを得ることが可能であり得る。

上記の実施形態では、図３の処理は、心臓ＣＴスキャンからの冠血管をセグメンテーションおよびマッチングするために使用された。他の実施形態では、図３の処理の一部またはすべてが、さらなる医用イメージング用途に使用されることがある。図３の処理の一部またはすべては、複数の時点における画像が取得されるまたは再構成され得る任意の医用イメージング用途で使用されてよい。

一実施形態では、段階７０の血管マッチング処理は、数値ＣＴ−ＦＦＲ（コンピュータ断層撮影による冠血流予備量比イメージング：computed tomography fractional flow reserve imaging）で冠血管をマッチングするために使用される。

従来のＦＦＲ（冠血流予備量比）は、血管の狭窄を測定する侵襲的な方法である。ＣＴ−ＦＦＲでは、非侵襲的ＣＴスキャンから狭窄前後の圧力を決定するために、数値流体力学が使用される。

ＣＴ−ＦＦＲでは、データセットからセグメンテーションされた血管が比較的完全な場合がある。したがって、ＣＴ−ＦＦＲのいくつかの場合では、血管ツリー統合を実行することが必要でないことがある。しかしながら、段階７０のマッチング処理（１つの血管中心線上の節点と別の血管中心線上またはその近くの点のマルコフ確率場マッチングを備える）は、データセット間の、たとえば異なる位相にまたがる、血管をマッチングさせるために使用されてよい。

別の実施形態では、段階５０のセグメンテーション、段階６０の血管ツリー統合、および段階７０のマッチングのいずれかが、気道、肺および他の部分のイメージングに対して実行され得る。

さらなる実施形態では、図３の処理の１つまたは複数の段階が、ＭＲ冠動脈セグメンテーションおよびトラッキングに使用され得る。他の実施形態では、図３の処理の１つまたは複数の段階は、任意の適切なイメージングモダリティに使用されてよい。

実施形態では、段階５０のセグメンテーション、段階６０の血管ツリー統合、および段階７０の血管ツリーマッチングのいずれかが、多数の位相からなる肝臓血管系セグメンテーションを実行する際に使用されてよい。

本明細書では、特定のユニットについて説明してきた。いくつかの実施形態では、これらのユニットのうち１つまたは複数の機能は単一の処理リソースまたは他の構成要素によって提供可能であり、または、単一のユニットによって提供される機能は、組み合わされた２つ以上の処理リソースまたは他の構成要素によって提供可能である。単一のユニットへの言及は、そのユニットの機能を提供する複数の構成要素が互いに遠隔であるかどうかに関わりなく、そのような構成要素を包含し、複数のユニットへの言及は、それらのユニットの機能を提供する単一の構成要素を包含する。

特定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、例として提示したにすぎず、本発明の範囲を限定することを意図したものではない。実際、本明細書で説明する新規な方法およびシステムはさまざまな他の形態で実施することができる。そのうえ、本明細書で説明する方法およびシステムの形態におけるさまざまな省略、置き換え、および変更は、本発明の趣旨から逸脱することなく行うことができる。添付の特許請求の範囲およびその等価物は、本発明の範囲に含まれるこのような形態または変形形態を包含することを意図するものである。

１０…医用画像処理装置、１２…コンピューティング装置、１４…CTスキャナ、１６…ディスプレイ画面、１８…入力デバイス、２０…メモリ、２４…データ受信ユニット、２６…セグメンテーションユニット、２８…線決定ユニット、３０…統合ユニット、３２…マッチングユニット、３４…動き推定ユニット、３６…再構成ユニット

Claims (20)

1. 被検体の所定部位に関し第１の位相に対応する第１のデータセットと、前記所定部位に関し前記第１の位相とは異なる第２の位相に対応する第２のデータセットと、を受け取る受信ユニットと、
   前記第１のデータセットに含まれる管状構造物をセグメンテーションし、前記第２のデータセットに含まれる前記管状構造物をセグメンテーションするセグメンテーションユニットと、
   前記第１のデータセットにおいてセグメンテーションされた前記管状構造物の長手方向に沿って基準となる第１の線を決定し、前記第２のデータセットにおいてセグメンテーションされた前記管状構造物の長手方向に沿って基準となる第２の線を決定する決定ユニットと、
   前記第１の線の少なくとも一部と前記第２の線の少なくとも一部とを結合することで、前記第１のデータセットに含まれる管状構造物に関して統合された基準線を生成する統合ユニットと
   を具備する医用画像処理装置。
2. 前記セグメンテーションユニットは、前記第１のデータセット及び前記第２のデータセットにおいて、前記管状構造物に含まれる血管の少なくとも一部をセグメンテーションする請求項１に記載の医用画像処理装置。
3. 前記結合ユニットは、前記第１の線と前記第２の線とを用いたツリースパニング処理(tree spanning process)を実行することで、前記統合された基準線を得る請求項１に記載の医用画像処理装置。
4. 前記結合ユニットは、前記第１の線の間隙を前記第２の線の少なくとも一部で満たすことで、前記統合された基準線を得る請求項１に記載の医用画像処理装置。
5. 前記統合ユニットは、前記第１の線に併合されるように前記第２の線の少なくとも一部を調整する請求項４に記載の医用画像処理装置。
6. 前記統合ユニットは、平滑化アルゴリズム、薄板スプラインアルゴリズム、Ｂ−スプラインアルゴリズムのうち少なくとも１つを用いて、前記第２の線の少なくとも一部を調整する請求項４に記載の医用画像処理装置。
7. 前記第２の線と前記統合された基準線とをマッチングするマッチングユニットをさらに具備する請求項１乃至６のうちいずれか一項記載の医用画像処理装置。
8. 前記マッチングユニットは、
   前記統合された基準線に沿って少なくとも一つの節点を決定し、
   前記第２の線に沿った点又は前記第２の線に近傍する点に対応する少なくとも一つのラベルを決定し、
   所定のアルゴリズムを使用して前記少なくとも一つのラベルに前記少なくとも一つの節点をマッチングさせ、前記第１の線と前記第２の線とをマッチングする請求項６に記載の医用画像処理装置。
9. 前記所定のアルゴリズムは、前記統合された基準線及び第２の線の少なくとも一方の長手方向の歪みが抑制されるような空間的制約を有する請求項７に記載の医用画像処理装置。
10. 前記第２の線及び前記統合された基準線の前記マッチング処理に基づいて、前記第２のデータセットと前記第１のデータセットの間のずれを推定する推定ユニットをさらに具備する請求項７に記載の医用画像処理装置。
11. 前記ずれに基づいて第３のデータセットを再構成する再構成ユニットをさらに具備する請求項１０に記載の医用画像処理装置。
12. 前記第１のデータセットと前記第２のデータセットと前記第３のデータセットとは、それぞれ同じボリュームスキャンデータセットから再構成される請求項１１に記載の医用画像処理装置。
13. 前記セグメンテーションユニットは、アトラスに基づいたセグメンテーション法を使用することで、前記第１のデータセットに含まれる管状構造物をセグメンテーションし、前記第２のデータセットに含まれる前記管状構造物をセグメンテーションする請求項１乃至１２のうちいずれか一項記載の医用画像処理装置。
14. 前記セグメンテーションユニットは、直接セグメンテーション法を使用することで、前記第１のデータセットに含まれる管状構造物をセグメンテーションし、前記第２のデータセットに含まれる前記管状構造物をセグメンテーションする請求項１乃至１２のうちいずれか一項記載の医用画像処理装置。
15. 前記セグメンテーションユニットは、マルコフ確率場方法による直接分類に基づくセグメンテーション法を使用することで、前記第１のデータセットに含まれる管状構造物をセグメンテーションし、前記第２のデータセットに含まれる前記管状構造物をセグメンテーションする請求項１乃至１２のうちいずれか一項記載の医用画像処理装置。
16. 前記決定ユニットは、前記第１のデータセットにおいてセグメンテーションされた前記管状構造物の長手方向に沿った中心線を前記第１の線として決定し、前記第２のデータセットにおいてセグメンテーションされた前記管状構造物の長手方向に沿った中心線を前記第２の線として決定する請求項１乃至１５のうちいずれか一項記載の医用画像処理装置。
17. 前記受信ユニットは、前記所定部位に関し前記第１及び前記第２の位相とは異なる第３の位相に対応する第３のデータセットと、を受け取る受信ユニットと、
    前記セグメンテーションユニットは、前記第３のデータセットに含まれる管状構造物をセグメンテーションし、
    前記決定ユニットは、前記第３のデータセットにおいてセグメンテーションされた前記管状構造物の長手方向に沿って基準となる第３の線を決定し、
    前記統合ユニットは、前記第１の線の少なくとも一部と、前記第２の線の少なくとも一部と、前記第３の線の少なくとも一部と、を結合することで、前記基準線を生成する請求項１に記載の医用画像処理装置。
18. 前記第２の位相は、前記第１の位相の後の位相であり、且つ前記第３の位相の前の位相である請求項１７に記載の医用画像処理装置。
19. マルコフ確率場マッチング処理を使用して第１の血管の表示と第２の血管の表示のマッチングを実行するマッチングユニットを具備する医用画像処理装置。
20. 被検体の所定部位に関し第１の位相に対応する第１のデータセットと、前記所定部位に関し前記第１の位相とは異なる第２の位相に対応する第２のデータセットと、を受け取り、
    前記第１のデータセットに含まれる管状構造物をセグメンテーションし、前記第２のデータセットに含まれる前記管状構造物をセグメンテーションし、
    前記第１のデータセットにおいてセグメンテーションされた前記管状構造物の長手方向に沿って基準となる第１の線を決定し、前記第２のデータセットにおいてセグメンテーションされた前記管状構造物の長手方向に沿って基準となる第２の線を決定し、
    前記第１の線の少なくとも一部と前記第２の線の少なくとも一部とを結合することで、前記第１のデータセットに含まれる管状構造物に関して統合された基準線を生成すること、
    を具備する医用画像処理方法。