JP2016193191A - 医用画像処理装置及び医用画像処理プログラム - Google Patents

医用画像処理装置及び医用画像処理プログラム Download PDF

Info

Publication number
JP2016193191A
JP2016193191A JP2016072490A JP2016072490A JP2016193191A JP 2016193191 A JP2016193191 A JP 2016193191A JP 2016072490 A JP2016072490 A JP 2016072490A JP 2016072490 A JP2016072490 A JP 2016072490A JP 2016193191 A JP2016193191 A JP 2016193191A
Authority
JP
Japan
Prior art keywords
alignment
image data
medical image
time phase
measure
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
JP2016072490A
Other languages
English (en)
Inventor
ダバー モハマド
Dabbah Mohammad
ダバー モハマド
ゴートマン キース
Goatman Keith
ゴートマン キース
プール イアン
Poole Ian
プール イアン
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 JP2016193191A publication Critical patent/JP2016193191A/ja
Pending legal-status Critical Current

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
    • A61B5/004—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room adapted for image acquisition of a particular organ or body part
    • 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
    • A61B6/461—Displaying means of special interest
    • 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
    • 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
    • A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic 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
    • A61B6/52—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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/08—Detecting organic movements or changes, e.g. tumours, cysts, swellings
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/001—Texturing; Colouring; Generation of texture or colour
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G06T7/0014—Biomedical image inspection using an image reference approach
    • 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
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • 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
    • A61B6/54—Control of apparatus or devices for radiation diagnosis
    • A61B6/541—Control of apparatus or devices for radiation diagnosis involving acquisition triggered by a physiological signal
    • 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
    • G06T2207/10016—Video; Image sequence
    • 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
    • G06T2207/10081—Computed x-ray tomography [CT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30061—Lung

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Biophysics (AREA)
  • Veterinary Medicine (AREA)
  • Optics & Photonics (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Quality & Reliability (AREA)
  • Dentistry (AREA)
  • Physiology (AREA)
  • Human Computer Interaction (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

【課題】例えばＣＯＰＤ等を画像診断する場合において、従来には存在しない新たな診断指標を提供し、肺の正常／異常評価を支援することができる医用画像処理装置等の提供。
【解決手段】実施形態に係る医用画像処理装置は、位置合わせユニット、計算ユニット、評価ユニットを具備する。位置合わせユニットは、第１の時相における所定患者の対象領域を表す第１の画像データと、第１の時相と異なる第２の時相における所定患者の前記対象領域を表す第２の画像データと、の間の位置合わせを行う。計算ユニットは、第１の画像データと第２の画像データとの間の位置合わせを実行し、対象領域中の複数の位置のそれぞれについて位置合わせデータを計算する。評価ユニットは、対象領域中の複数の位置について、位置合わせデータと統計アトラスとを比較し、対象領域に異常が存在するかどうかを評価する。
【選択図】 図２

Description

本実施形態は、医用画像データにおける異常、例えば、慢性閉塞性肺疾患（ＣＯＰＤ）から生じることがある異常など、肺の正常／異常評価を支援する医用画像処理装置及び医用画像処理プログラムに関する。
様々な医用画像モダリティ、例えば、コンピュータ断層撮影法（ＣＴ）、核磁気共鳴映像法（ＭＲＩ）、陽電子放射断層撮影法（ＰＥＴ）、および超音波は、診断または他の目的のために患者または他の対象を表す医用画像データを得るためのよく知られた技法になっている。
異なる条件下でまたは異なるモダリティを使用して異なる時間に測定を行うことによって同じ患者または他の対象の多数の医用画像データセットを得ることが知られている。そのような多数の医用画像データセットは、多くの場合、異なる座標系を有し、その結果、対象の同じ解剖学的特徴が、異なる医用画像データセットでは異なる座標を有する位置で現れることになる（例えば、簡単な場合、異なる画像データセットが得られたとき、患者または他の対象がスキャナ内の異なる相対位置を有していたことに起因して）。
異なる医用画像データセット、例えば、異なる時間に得られた同じ患者または他の対象の異なる医用画像データセットを位置合わせして、医用画像データセットの一方または両方の座標の変換を備えるかまたは表す位置合わせデータを得ることが知られている。医用画像データセットの一方または両方の座標を変換することによって、医用画像データセットからの同じ解剖学的特徴が共通座標系において実質的に同じまたは対応する位置に現れるように医用画像データセットが位置合わせされることが実現され得る。
既知の分析技法を使用して手動でまたは自動で位置合わせを行うことが知られている。異なるタイプの位置合わせ変換、例えば、（自由度が増加する順序で）剛体、アフィン、または非剛体が使用され得る。
この文脈における剛***置合わせは、あるデータセットを別のデータセットに位置合わせするためにあるデータセットのデータ点の座標が回転および／または平行移動を受ける位置合わせを備えることができる。この文脈におけるアファイン変換位置合わせは、あるデータセットを別のデータセットに位置合わせするためにあるデータセットのデータ点の座標が回転および／または平行移動および／またはスケーリングおよび／またはシアリングを受ける位置合わせを備えることができる。したがって、剛***置合わせは、特定のタイプのアフィン位置合わせであると見なされ得る。
非剛***置合わせは、位置合わせされるべきデータセットのボクセルごとに異なる変位を与えることができ、例えば、あるデータセットを別のデータセットに位置合わせするためにあるデータセットのデータ点の座標が撓み変形を受ける非線形変換を使用することができる。非線形変換は、場合によっては、３次元データセットのボクセルごとに個々の変位を定義するワープフィールドなどのベクトル場、またはＢスプラインなどの他の場もしくは関数を使用して定義され得る。
慢性閉塞性肺疾患（ＣＯＰＤ）は２０１１年の死亡原因の第４位であり、世界中で推定３００万人の死の原因であった。現在、診断は、主として、非画像法を使用してなされており、重症度が、慢性閉塞性肺疾患に対するグローバルイニシアチブ（ＧＯＬＤ）重症度スコアとして知られている両方の肺に対する単一測度（single measure）を使用してランクづけされている。現在、ＣＯＰＤの治療法はないが、適切な早期治療は進行を遅くし、患者のクオリティーオブライフを改善することができる。ＣＯＰＤは、様々な徴候および症状、例えば、肺気腫、気管支炎、および機能的末梢気道疾患（ｆＳＡＤ）のうちの１つまたは複数を含むことがある。
ＣＯＰＤを診断するかまたはモニタするために画像法を使用することが示唆されている。特に、一方は完全吸気で獲得され、他方は完全呼気で獲得された２つの肺ＣＴスキャンに基づいてＣＯＰＤを診断することが示唆されている。第１の閾値未満のＣＴ強度値をもつ吸気スキャンボクセルは、肺気腫組織を表すとして識別される。第２の閾値未満のＣＴ強度値をもつ呼気スキャンボクセルは、ガストラッピングを示すと見なされる。それらの閾値と、呼気スキャンと吸気スキャンの両方からのＣＴ強度値の組合せを表すパラメトリック応答マップとを使用して、正常組織、肺気腫、およびガストラッピングがあるが肺気腫ではない組織の機能的末梢気道疾患（ｆＳＡＤ）のカテゴリが、ＣＴ強度値に基づいて決定される。既知の方法は、ＣＴ強度値と閾値の比較に基づいている。
特開２０１４−２１０１７１号公報
目的は、例えばＣＯＰＤ等を画像診断する場合において、従来には存在しない新たな診断指標を提供し、例えば肺の正常／異常評価を支援することができる医用画像処理装置及び医用画像処理プログラムを提供することである。
実施形態に係る医用画像処理装置は、位置合わせユニット、計算ユニット、評価ユニットを具備する。位置合わせユニットは、第１の時相における所定患者の対象領域を表す第１の画像データと、第１の時相と異なる第２の時相における所定患者の前記対象領域を表す第２の画像データと、の間の位置合わせを行う。計算ユニットは、第１の画像データと第２の画像データとの間の位置合わせを実行し、対象領域中の複数の位置のそれぞれについて位置合わせデータを計算する。評価ユニットは、対象領域中の複数の位置について、位置合わせデータと統計アトラスとを比較し、対象領域に異常が存在するかどうかを評価する。
一実施形態による画像データ処理システムの概略図。 一実施形態による医用画像データセットにおける異常を決定するプロセスを概略で表す流れ図。 図２のプロセスのいくつかのステージをより詳細に表す流れ図。 軽症のＣＯＰＤを有する患者のスライス画像。 重症のＣＯＰＤを有する患者のスライス画像。 統計アトラスを発生させるプロセスを概略で表す流れ図。
本実施形態は、多様な形式での実施形態を受け入れる余地があるが、図面に示されまた特定の実施形態が詳しくここに説明される。このような実施形態の本実施形態は、複数の原則の一例であり、図示され、説明された特定の実施形態に本実施形態を制限する意図はないということを念頭に置いておかれたい。以下の説明において、同様の参照番号がいくつかの図を通して同一のまたは対応する部分を指示している図を参考にしている。
なお、本実施形態においては、医用画像診断装置がＸ線ＣＴ装置である場合を例として説明する。しかしながら、本実施形態はそれに拘泥されず、例えば、磁気共鳴イメージング装置（ＭＲＩ）、Ｘ線診断装置そしてこれらの組み合わせを含む、その他のモダリティに適用され得る。
一実施形態による画像データ処理装置１０が、図１に概略的に示される。
画像データ処理装置１０は、Ｘ線ＣＴ装置（医用画像診断装置）１４に接続された計算装置（医用画像処理装置）１２、この場合、パーソナルコンピュータ（ＰＣ）またはワークステーションと、表示画面を含むかまたは表示画面に関連する表示制御ユニット１６と、コンピュータキーボードおよびマウスなどの１つまたは複数の入力デバイス１８とを備える。本実施形態では、画像データはＸ線ＣＴ装置１４によって得られ、データ記憶装置２０に格納される。他の実施形態では、画像データは、遠隔データ記憶装置または他のメモリからロードされ得る。任意の好適なＸ線ＣＴ装置が使用され得る。
計算装置１２は、医用画像データを受け取り処理するための処理リソースを備える。計算装置１２は、Ｘ線ＣＴ装置１４から、データ記憶装置２０から、または遠隔データ記憶装置もしくは他のメモリから医用画像データを受け取るための受取りユニット２４を含む。計算装置１２は、医用画像データのセット間の位置合わせを表す位置合わせデータを得るために位置合わせプロセスを行うための位置合わせユニット２６をさらに含む。計算装置１２は、位置合わせに関して得られた位置合わせ測度の値を決定するために位置合わせデータを処理するように構成された評価（判定）ユニット２８をさらに含む。評価ユニット２８は、以下でより詳細に説明されるように、位置合わせ測度の値を統計アトラスと比較し、比較に基づいて異常の測度を決定するようにさらに構成される。
本実施形態では、受取りユニット２４、位置合わせユニット２６、および評価ユニット２８は各々実施形態の方法を行うための計算装置の中央処理装置（ＣＰＵ）によって実行可能である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計算装置１２に実装される。しかしながら、他の実施形態では、様々なユニットは、ハードウェア、ソフトウェア、またはハードウェアおよびソフトウェアの任意の好適な組合せとして実装され得る。実施形態によっては、ユニットは、例えば、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）、または他の専用回路として実装され得る。
計算装置１２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スカードを含むハードウェアデバイスを含むＰＣの他の構成要素とをさらに含む。そのような構成要素は、見やすくするために図１に示されていない。
図１に示した本実施形態に係る医用画像処理装置においては、例えばＣＯＰＤ等を画像診断する場合において、診断の対象となる患者の呼気状態時の画像と吸気状態時の画像との間で位置合わせとして位置合わせ測度を計算し、その結果と予め生成された統計アトラスと比較することで、肺の異常の評価を支援するための正常／異常マップを生成し提供するものである。以下、診断の対象となる患者の呼気状態時の画像と吸気状態時の画像との間で位置合わせによる位置合わせ測度の計算、統計アトラスとの比較、正常／異常マップの生成について、図２、図３、図４、図５を参照しながら詳しく説明する。なお、統計アトラスの生成については、図６を用いて後で詳しく説明する。
図２は、本実施形態に係る位置合わせ測度の計算、統計アトラスとの比較、正常／異常マップの生成にいての流れを示したフローチャートである。図２に示す様に、ステージ４０において、受取りユニット２４は、対象の同じ領域に、しかし、異なる時間に、Ｘ線ＣＴ装置１４によって行われたスキャンから得られた第１の組の医用画像データと第２の組の画像データとを備える１対の医用画像データセットを受け取る。この場合、第１の組の医用画像データは、患者の胸腔領域を表し、吸息状態（例えば、患者が吸息する過程にあったか、または実質的に完全に吸息してしまったとき）の所定時相における患者の肺を表すＣＴデータを含むＣＴスキャンデータであり、第２の組の医用画像データは、患者の胸腔領域を表し、第１の医用画像データセットの対象である吸息状態の直後の後続の呼息状態の間（例えば、患者が呼息する過程にあったか、または実質的に完全に呼息してしまったとき）の所定時相における患者の肺を表すＣＴデータ（ＲＡＷデータ、或いは再構成後のデータ。なお、ＲＡＷデータの場合、後段の位置合わせ等の処理は、ＲＡＷデータを用いた再構成後の画像によって処理される。）である。この場合、第１の医用画像データセットは吸気容積と呼ばれることがあり、第２の医用画像データセットは呼気容積と呼ばれることがある。
この場合の第１の医用画像データセットと第２の医用画像データセットの両方は、ボクセルの３次元アレイを備える容積測定データと、各ボクセルが位置を表す位置値を有する、ボクセルがスキャンされた容積に対応する、その位置のＣＴスキャンのＸ線放射線の減衰を表す強度値とを備える。減衰を表す強度値は、通常、ハウンスフィールド単位（ＨＵ）で測定される。
ステージ４２において、第１および第２の医用画像データセットが位置合わせされ、位置合わせに基づいて決定された位置合わせ測度値を備えるスカラ場が得られる。データセットを位置合わせし、スカラ場を得るステージ４２のそのプロセスは、いくつかのステージを備える。ステージ４２のプロセスの詳細が、図３の流れ図に概略で示され、ステージ５０から６２を備える。
図３は、所定患者の位置合わせ測度の計算を説明するための図である。図３の第１のステージ５０において、位置合わせユニット２６は、非剛***置合わせ手順を使用して第１の組の画像データを第２の組の画像データに位置合わせする。任意の好適な非剛***置合わせ手順が使用され得る。本実施形態では、非剛***置合わせ手順は、Ｐｉｐｅｒ， Ｊ等、Ｏｂｊｅｃｔｉｖｅ ｅｖａｌｕａｔｉｏｎ ｏｆ ｔｈｅ ｃｏｒｒｅｃｔｉｏｎ ｂｙ ｎｏｎ−ｒｉｇｉｄ ｒｅｇｉｓｔｒａｔｉｏｎ ｏｆ ａｂｄｏｍｉｎａｌ ｏｒｇａｎ ｍｏｔｉｏｎ ｉｎ ｌｏｗ−ｄｏｓｅ ４Ｄ ｄｙｎａｍｉｃ ｃｏｎｔｒａｓｔ−ｅｎｈａｎｃｅｄ ＣＴ、Ｐｈｙｓｉｃｓ ｉｎ Ｍｅｄｉｃｉｎｅ ａｎｄ Ｂｉｏｌｏｇｙ ５７（６）巻、１７０１〜１７１５頁（２０１２年）に報告されたものと同様である。グローバル非剛***置合わせ手順は、例えば、相互情報量を類似性測度として使用して行われ、変形場はＣｒｕｍ−Ｈｉｌｌ−Ｈａｗｋｅｓ方式（Ｗｉｌｌｉａｍ Ｒ． Ｃｒｕｍ、Ｄｅｒｅｋ Ｌ． Ｇ． Ｈｉｌｌ、Ｄａｖｉｄ Ｊ． Ｈａｗｋｅｓ、Ｉｎｆｏｒｍａｔｉｏｎ Ｔｈｅｏｒｅｔｉｃ Ｓｉｍｉｌａｒｉｔｙ Ｍｅａｓｕｒｅｓ ｉｎ Ｎｏｎ−ｒｉｇｉｄ Ｒｅｇｉｓｔｒａｔｉｏｎ、Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ＩＰＭＩ’２００３、３７８〜３８７頁）を使用して計算される。本実施形態では、変形場は高密度ベクトル場であり、個別の変位ベクトルがボクセルごとに定義される。任意の他の好適な位置合わせ手順が代替実施形態で使用され得る。例えば、医用画像データセット内の異なる場所の特異な動きを識別することができる非剛***置合わせアルゴリズムなどの任意の好適な位置合わせアルゴリズムが使用され得る。実施形態によっては、高密度変位サンプリング（ＤＥＥＤＳ：dense displacement sampling）アルゴリズムによる離散的最適化が使用され得る。ＤＥＥＤＳアルゴリズムの一例は、「ＭＲＦ−Ｂａｓｅｄ Ｄｅｆｏｒｍａｂｌｅ Ｒｅｇｉｓｔｒａｔｉｏｎ ａｎｄ Ｖｅｎｔｉｌａｔｉｏｎ Ｅｓｔｉｍａｔｉｏｎ ｏｆ Ｌｕｎｇ ＣＴ」、Ｍａｔｔｉａｓ Ｐ． Ｈｅｉｎｒｉｃｈ、Ｍ． Ｊｅｎｋｉｎｓｏｎ、Ｍ． Ｂｒａｄｙ、およびＪ．Ａ． Ｓｃｈｎａｂｅｌ、ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｍｅｄｉｃａｌ Ｉｍａｇｉｎｇ ２０１３、３２巻、７号、２０１３年７月、１２３９〜１２４８頁に説明されている。
ステージ５０において位置合わせユニット２６によって行われた位置合わせ手順の出力はワープフィールドの形態の１組の位置合わせデータとしてステージ５２において供給され、その１組の位置合わせデータは第２の画像データセットの複数の場所の座標におけるオフセットであって、これらの場所を第１の画像データセットの対応する場所に位置合わせするオフセットを表す。したがって、例えば、位置合わせが完全である場合、かつ第２の画像データセットの各ボクセルの座標が位置合わせデータに従って変換されるべきである場合、対応する解剖学的特徴（例えば、肺特徴または他の臓器特徴）は、第１の画像データセットおよび変換された第２の画像データセットにおいて実質的に同じ位置で表されることになる。
本実施形態では、位置合わせデータは、第２の画像データセットのボクセルごとに、それを第１の画像データの対応するボクセルに位置合わせするのに必要とされるそのボクセルの変位の方向および大きさを備えるそれぞれのベクトルを備えるワープフィールドを備える。任意の好適なタイプの位置合わせデータ、例えば、任意の好適なベクトル場または任意の他の好適な場もしくは関数、あるいは座標間の位置合わせまたは変換を表す任意の他の好適なデータが他の実施形態では使用され得る。
次のステージ５４において、評価ユニット２８は、ボクセル位置ごとに、位置合わせデータ、この場合、位置合わせワープフィールドのヤコビアンの対数を計算する。この実施形態のヤコビアンは、ボクセル位置ごとに、各空間次元に関するボクセル位置でのワープフィールドの偏導関数を表す。ヤコビアンは、例えば、ｈｔｔｐ：／／ｍａｔｈｗｏｒｌｄ．ｗｏｌｆｒａｍ．ｃｏｍ／Ｊａｃｏｂｉａｎ．ｈｔｍｌに説明されている。
ヤコビアンの対数は、吸息および呼息（吸気および呼気とも呼ばれる）の間の局所容積変化をボクセルごとに表し、位置合わせ測度とも呼ばれ得る。位置合わせされたデータセットの座標空間での異なる位置の位置合わせ測度の値は、スカラ場を構成する。本実施形態では、位置合わせ測度（この場合、ヤコビアンの対数によって表された）のそれぞれの値がボクセルごとに決定される。
ステージ５０における第１の医用画像データセットと第２の医用画像データセットの位置合わせだけでなく、位置合わせユニット２６は、さらに、ステージ５６において、第１の医用画像データセット（吸気容積または吸気とも呼ばれる）を、統計アトラスの一部を形成するかまたは統計アトラスに関連するテンプレートデータセットに位置合わせする。この実施形態の位置合わせは、ステージ５０に関連して説明されたものなどの非剛***置合わせ手順を使用して得られるが、任意の好適な位置合わせ手順が代替実施形態では使用され得る。ステージ５６における第１の医用画像データセットとテンプレートデータセットの位置合わせの出力は、第１の医用画像データセットのボクセルごとに、それをテンプレートデータの対応するボクセルに位置合わせするのに必要とされるそのボクセルの変位の方向および大きさを備えるそれぞれのベクトルを備えるワープフィールドである。
この場合のテンプレートデータセットは１組のボクセルを備え、各ボクセルは、複数の基準データセットから得られたそのボクセル位置の強度値を平均化することによって得られた平均強度値を表す。この実施形態の基準データセットは、吸息フェーズ（吸気フェーズとも呼ばれる）の間に複数の基準対象（例えば、正常な組織を有する患者の平均画像等）の測定から得られ、テンプレートデータセットは吸気テンプレートと呼ばれ得る。
この実施形態におけるテンプレートデータセットを含む統計アトラスデータセットは、データ記憶装置２０に格納されている事前計算された統計アトラスデータセットである。しかしながら、統計アトラスデータセットは、さらに、代替実施形態ではプロセスの一部として計算され得る。一実施形態による統計アトラスデータセットを決定するプロセスが、図６に関連して以下でより詳細に説明される。
図３のプロセスに戻ると、位置合わせユニット２６は、ステージ５８において第１の医用画像データセットのテンプレートデータセットへの位置合わせから得られたワープフィールドを使用して、ステージ５４で得られたスカラ場データ（この場合、局所容積変化を表す対数ヤコビアン値）の座標を統計アトラスおよびテンプレートデータセットの座標空間に変換する。
スカラ場データはステージ５８で得られたワープフィールドに従って変換され、その結果、第１の医用画像データセットのボクセルごとに、患者の第１の医用画像データセットから決定されたそのボクセル位置での吸息と呼息との間の局所容積変化を表すスカラ場値（例えば、対数ヤコビアン値）が、統計アトラスおよびテンプレートデータセットの対応する解剖学的位置に位置合わせされる。したがって、対応する解剖学的特徴は、両方のスカラ場データならびに統計アトラスおよびテンプレートデータセットの共通座標空間の同じ位置に表され得る。
次のステージにおいて、変換されたスカラ場データは、さらなるデータ、例えば、第１および／または第２の医用画像データから得られるか、または第１および／または第２の医用画像データに関連する他のメトリクスによって補足され得る。この実施形態では、さらなるデータは、第１の医用画像データセットのボクセル強度値を備える。これらは、ステージ６２の終りに得られたスカラ場データの各ボクセルまたはボクセル位置が対数ヤコビアン値（そのボクセル位置の吸息と呼息との間の局所容積変化を表す）を備えるように決定された対数ヤコビアン値、およびそのボクセル位置の吸息フェーズの間に得られたＣＴ強度値に組み合わされる。したがって、この実施形態では、ステージ６２の終りのスカラ場データは２次元スカラ場データである。図３のプロセスは、患者のＣＴデータセット吸気／呼気対（第１および第２の医用画像データセット）の強度値および非剛***置合わせワープフィールドからスカラ場データを発生させる。
図３のステージ６２の終りにおいて、プロセスは、図２の主要プロセスのステージ４４に戻る。ステージ４４において、評価ユニットは、患者の異常測度の値を決定するために、ステージ６２で患者に対して得られたスカラ場データ値を統計アトラス値と比較することを備える分析を行う。
ステージ４４のプロセスをより詳細に考察すると、この実施形態の統計アトラスは、ボクセル位置ごとに、複数の基準患者または他の対象から得られた基準医用画像データセットの複数の対の位置合わせに関して得られた、そのボクセル位置の位置合わせ測度の値（この場合、対数ヤコビアン値）の分布を備えるかまたは表す。複数の対の各々は、吸息フェーズの間に得られた医用画像データセットと、呼息フェーズの間に得られた医用画像データセットとを備え、ボクセル位置ごとに、対数ヤコビアン値がデータセットの対の各々に対して計算され、それにより、ボクセル位置ごとに対数ヤコビアン値の分布が与えられる。統計アトラスを得るために使用される基準医用画像データセットの対に関して、吸息フェーズの間に得られた基準医用画像データセットは、さらに、ステージ５６における位置合わせで使用されるテンプレート医用画像データセットを得るために使用される。
本実施形態では、ボクセル位置ごとに、統計アトラスとの比較は、位置合わせ測度値がそのボクセル位置の位置合わせ測度値の分布上でどこに入るかを表す位置合わせ測度値（この場合、対数ヤコビアン値）の統計的距離を決定することを備える。この場合、決定される統計的距離は、分布の中心からの標準偏差の数値である。決定される統計的距離は、異常測度であると解釈され得る。位置合わせ測度値が分布の中心から遠くに入るほど、異常であると考えられる可能性が高くなる。
実施形態によっては、決定される異常測度の値は、閾値と比較され、例えば、比較に依存して正常または異常のいずれかであるとして分類される。
この実施形態の位置合わせ測度値は、局所容積変化（対数ヤコビアン値によって表された）を表し、そのため、特定のボクセル位置について正常な患者（例えば、統計アトラスを得るために使用された基準対象）で発生された値の予測分布は、そのボクセルによって表された解剖学的特徴に応じて異なることになる。例えば、骨を表すボクセル位置での吸息フェーズと呼息フェーズとの間の局所容積変化は、位置合わせ不良がない場合、非常に小さくなり、事実上ゼロとなることになる。したがって、統計アトラスにおけるそのようなボクセル位置の位置合わせ測度値の分布は、狭いと予測されることになる。対照的に、肺組織を表すボクセル位置では、吸息フェーズと呼息フェーズとの間の局所容積変化は、例えば、患者間の肺活量、構造、および機能の変動に依存して基準患者間で著しく変わると予測され得るので、統計アトラスの位置合わせ測度値の分布は広い可能性がある。
異常の測度として統計的距離、例えば、標準偏差の数値を使用すると、すべてのボクセル位置に対して固定閾値を単に使用することとは対照的に、異なるボクセル位置での分布幅の変動を考慮に入れることができる。任意の好適な測度が、異常の測度、例えば、統計的距離の測度として代替実施形態では使用され得る。例えば、ｚスコア、マハラノビス距離、または標準偏差の数値のうちの１つまたは複数が、実施形態で使用され得る。単一メトリック（局所容積変化）を使用するとき、測度は、例えば、ｚスコアとすることができるが、これは、追加のメトリクス（例えば、元のＨＵ値）を使用するとき、例えばマハラノビス距離を使用して拡張され得る。
図３の実施形態のステージ４４の終りにおいて、異常測度値がボクセル位置ごとに決定される。この場合、ボクセル位置ごとの異常測度値は、そのボクセルの統計アトラスの位置合わせ測度値の分布の中心から離れているそのボクセルの位置合わせ測度値の標準偏差の数値（この場合、局所容積変化を表す対数ヤコビアン）を表す。
次のステージ４６において、ボクセル位置ごとにそのボクセル位置の異常測度の値をグラフ式に表す正常または異常マップが発生され得る。ここで、所定の位置の異常測度の値ｚは、当該患者の画像の所定位置における画素値ｘ、統計アトラスに用いた各画像の対応する位置における平均画素値μ、統計アトラスに用いた複数の画像の画素値分散σを用いて、例えばｚ＝（ｘ−μ）／σとして計算することができる。
また、例えば、異なるボクセル位置の異常測度の値によって決まる視覚効果が、吸息（または呼息フェーズ）を表す第１の（または第２の）医用画像データセットを描画するかまたはさもなければ処理することによって得られる画像に適用され得る。正常または異常マップは、表示制御ユニット１６の制御下で表示画面に表示され得る。
図４ｃおよび４ｄは、軽症のＣＯＰＤをもつ患者の第１の画像データセット（例えば、吸息フェーズデータセット）を処理することによって得られた軸方向スライス画像（図４ｃ）および冠状スライス画像（図４ｄ）から構成された正常／異常マップの１つの例を表す。画像の各画素は、その画素に対応するボクセル位置の異常測度値に依存して色づけされるかまたは陰影づけされる。例えば、１つの例では、正常な患者の予測される局所容積変化に類似している位置に関連する画素は、緑色／シアンに色づけされ得るが、一方、予測される局所容積変化からの著しい偏差（例えば、正常な患者で予測されるものよりも少ない肺容積変化）がある位置に関連する画素は、ダークブルー／紫に色づけされ得る。
画像の各画素が、その画素に対応するボクセル位置の位置合わせ測度値（例えば、局所容積変化を表す対数ヤコビアンスカラ場値）に依存して色づけされているかまたは陰影づけされている対応する軸方向および冠状スライス画像が、比較のために図４ａおよび４ｂに示されている。図４ａおよび４ｂには大きい容積変化に対応する暗い陰影つき区域があるが、図４ｃおよび４ｄの対応する区域は周囲の領域よりも暗くないことが見て分かる。それが示すところによれば、たとえ肺のそれらの区域に吸息と呼息との間で大きい局所容積変化があるとしても、そのような大きい容積変化は正常な肺で予測され得る（統計アトラスによって表されるように）。
図５ａ、５ｂ、５ｃ、および５ｄは、図４ａ、４ｂ、４ｃ、および４ｄの軸方向スライス画像および冠状スライス画像に対応する軸方向スライス画像および冠状スライス画像であり、図５ａおよび５ｂの陰影づけまたは色づけは位置合わせ測度値（例えば、対数ヤコビアン値）によって決まり、図５ａおよび５ｂの陰影づけまたは色づけは異常測度値（例えば、統計アトラスの対数ヤコビアン値の分布の中心からの対数ヤコビアン値の統計的距離）によって決まる。しかしながら、図５ａ、５ｂ、５ｃ、および５ｄは、軽症のＣＯＰＤではなく重症のＣＯＰＤをもつ患者から得られる。図４ａおよび４ｂの暗い陰影つき領域（大きい局所容積変化を示す）は、図５ａおよび５ｂにはなく、それは異常を表していることが見て分かる。そのような異常は、図５ｃおよび５ｄでは好適な色づけまたは陰影づけによって示される。実際、図５ｃおよび５ｄの画素の大部分は同様に色づけされるかまたは陰影づけされており、それは、図５ｃおよび５ｄの対象である肺の大部分またはすべてが、本実施形態の方法によれば異常であるとして分類されることを示している。
任意の好適な視覚効果が代替実施形態では医用画像データから得られた医用画像の異常（または代替として正常）部分を示すために使用されてもよく、例えば、任意の好適な視覚効果が画像の一部に選択的に適用されてもよい。例えば、陰影づけ、強調表示、ブランキング、フェージング、または色の塗布のうちの任意の１つまたは複数が視覚効果として使用され得る。
ステージ４４に関連して上述したこの実施形態では、位置合わせ測度値と統計アトラス値の比較は１次元比較であり、ボクセル位置ごとに、位置合わせ測度値（例えば、対数ヤコビアン値）が、統計アトラスにおけるそのボクセル位置の位置合わせ測度値の分布と比較される。
しかしながら、上述のように、説明している例のスカラ場は、強度値と位置合わせ測度値の両方を備える２次元スカラ場である。実施形態の変型では、統計アトラスは、ボクセル位置ごとの結合分布、この例では、強度値と位置合わせ値の両方の分布から構成された結合分布を備えるかまたは表す。そのような変型でのステージ４４の比較は、強度と位置合わせ測度値の両方と結合分布の比較であり、結合分布に関連する統計的分布を決定するのに好適な統計測度は、異常測度として使用され得る。例えば、マハラノビス距離は、異常測度として、または異常測度の決定のときに使用され得る。
代替実施形態では、スカラ場と、統計アトラスの分布とは、任意の所望の数のパラメータを表す任意の所望の数の次元を有することができる。例えば、いくつかの実施形態では、位置合わせ測度に加えて、画像テクスチャパラメータが、スカラ場のパラメータとして、および統計アトラスでは強度と同様にまたは強度の代わりに含まれ得る。
いくつかの実施形態では、様々な異なる統計アトラスが、データ記憶装置に格納されてもよく、使用される統計アトラスは、検査中の患者の少なくとも１つの性質に依存して評価ユニットによって選択されてもよい。例えば、年齢範囲、体重範囲、ボディーマスインデックス（ＢＭＩ）の範囲、性別（男性もしくは女性）、喫煙者もしくは非喫煙者、または他の性質の異なる値に対して、基準対象から得られる異なる統計アトラスが格納され得る。次に、アトラスは、例えば、検査中の患者の年齢、体重、ＢＭＩ、性別、または喫煙者／非喫煙者状態のうちの１つまたは複数に依存して選択され得る。
（統計アトラス）
図２に従う処理の説明においては、統計アトラスはデータ記憶装置２０に事前格納された。実施形態の変型ではまたは代替実施形態では、統計アトラスは、図１のシステムそれ自体によって発生され、データ記憶装置２０に格納される。本実施形態に係る統計アトラスは、上記説明からのわかるように、健常者の対象領域（今の場合、肺の少なくとも一部を含む複数）の呼気状態の複数の画像及び吸気状態の複数の画像とを用いて位置合わせをし、少なくとも局所容積変化と相関する位置合わせ測度の空間分布を少なくとも示すものである。
統計アトラスを発生させるための一実施形態によるプロセスが、図６の流れ図に概略で示される。以下でより詳細に説明されるように、プロセスは、統計アトラスを構築するために、正常な（ゼロのＧＯＬＤスコア）吸気および呼気肺容量データ対のデータベースを使用する。対ごとに、所望のメトリックのスカラ場（例えば、局所容積変化を与えるヤコビアンの対数）がテンプレートデータセットの座標空間で決定され、スカラ場は統計アトラスを構築するために使用される。
プロセスをより詳細に考察すると、第１のステージ７０において、以前に格納された基準医用画像データセットの対が受取りユニット２４で受け取られる。対ごとに、医用画像データのセットの一方は、対象の胸腔領域を表すＣＴスキャンデータ（吸息データまたは吸気容積と呼ばれる）であり、吸息状態の（例えば、患者が吸息する過程にあったか、または実質的に完全に吸息してしまったときの）患者の肺を表すＣＴデータを含む。対ごとに、医用画像データのセットの他方は、やはり、同じ対象の胸腔領域を表すＣＴスキャンデータ（呼息データまたは呼気容積と呼ばれる）であり、後続の呼息状態の間の（例えば、患者が呼息する過程にあったか、または実質的に完全に呼息してしまったときの）患者の肺を表すＣＴデータを含む。この実施形態では、アトラスデータセットは、ＣＯＰＤなしの正常な患者を表すように意図され、対象の各々はゼロのＧＯＬＤスコアを有する。
次のステージ７２において、位置合わせユニット２６は、吸息基準データセットの各々を一緒に共通座標系で位置合わせする。共通座標系は、吸息基準データセットの１つの座標系となるように選ぶことができ、または任意の選択された座標系とすることができる。位置合わせユニット２６は、対応する解剖学的特徴が変換済みデータセットのすべてで同じまたは同様の位置に表されるように、位置合わせに基づいて吸息基準データセットを変換する。
次に、位置合わせユニット２６は、ボクセル位置ごとに、変換された吸息データセットの各々からのそのボクセル位置の強度値を処理して、そのボクセル位置の平均強度値を得て、その強度値をテンプレートデータセットの対応するボクセルに割り当てる。したがって、テンプレートデータセットは、吸息基準データセットから得られた平均強度値を表す。
次のステージ７４において、基準医用画像データセットの対ごとに、位置合わせユニット２６は、呼息状態の医用画像セットを吸息状態の医用画像データセットに位置合わせして、その対に対する位置合わせデータを得る。この実施形態では、位置合わせデータは、図３のステージ５０に関連して上述したようなワープフィールドデータである。
次のステージ７６において、基準医用画像データセットの対ごとにおよび位置ごとに、評価ユニット２８は、その位置およびその対に対する位置合わせ測度値を決定する。この実施形態では、ボクセルごとおよびデータセットの対ごとの位置合わせ測度値は、対のデータセット間の位置合わせのための、そのボクセル位置の位置合わせワープフィールドのヤコビアンの対数を備えるかまたは表す。ヤコビアンの対数は、その対のデータセットによって表されるような吸息と呼息との間の局所容積変化をボクセルごとに表す。
次のステージにおいて、評価ユニット２８は、基準データセットの異なる対に対して得られた位置合わせ測度値のアレイから統計アトラスを発生させる。ボクセル位置ごとに、基準データセットの異なる対から得られた位置合わせ測度値の分布が存在することになる。
いくつかの実施形態では、評価ユニット２８は、ボクセル位置ごとに、位置合わせ測度値を処理して、その位置の位置合わせ測度値の分布を表す少なくとも１つの統計パラメータを決定し、次に、統計アトラスは決定された統計パラメータのアレイを備える。任意の好適な統計パラメータ、例えば、平均、標準偏差、または任意の好適な分布フィットパラメータのうちの１つまたは複数が使用され得る。代替としてまたは追加として、いくつかの実施例では、統計アトラスは、基準データセットの異なる対に対して得られた位置合わせ測度値のアレイを備え、統計パラメータの決定、または特定の患者の位置合わせ測度データが分布に対してどこにあるかの決定が、オンザフライで行われ得る。
いくつかの実施形態では、統計アトラスは、位置合わせ測度値と、少なくとも１つのさらなるパラメータ、例えば、画像強度またはテクスチャパラメータ（例えば、強度グラディエント）の値との結合分布を表すことができる。
図６の実施形態において、位置合わせユニット２６によって行われた位置合わせプロセスは、図３のステージ５０および５６に関連して説明されたものなどの非剛***置合わせプロセスである。しかしながら、任意の好適な代替の位置合わせプロセスが代替の実施形態では使用され得る。
図２の実施形態に関連して上述で説明された特定の例の位置合わせデータは、ワープフィールドデータを備える。代替の実施形態では、位置合わせデータは、任意の好適なタイプのデータ、例えば、任意の好適なタイプのベクトルまたはベクトル場データを備えることができる。位置合わせデータは、実施形態によっては、ボクセルごとに個別の位置合わせデータエントリを必ずしも備えておらず、特定のボクセルに特に関連するデータエントリを必ずしも含むことなくボクセルの座標空間でデータセット間の位置合わせを表すことができる。例えば、位置合わせデータは、ベクトル場のパラメトリック表示を備えることができ、界面識別ユニットは、ベクトル場の空間的に変化するグラディエントまたは高次導関数の値に基づいて界面を識別することができる。例えば、位置合わせデータが十分に急速に、例えば、実質的に不連続的に変化する領域があることを、ベクトル場の空間的に変化するグラディエントまたは高次導関数が示す場合、界面識別ユニットはその領域を界面領域として識別することができる。
位置合わせデータが位置合わせワープフィールドのヤコビアンの対数を備えるかまたは表す実施形態が説明されたが、任意の他の好適な位置合わせ測度が代替実施形態では使用され得る。例えば、吸息フェーズと呼息フェーズとの間の局所容積変化を表す任意の好適な測度がいくつかの実施形態では使用され得る。代替としてまたは追加として、位置合わせデータは、位置合わせによって表される局所変位の大きさ、例えばユークリッドの距離を備えることができる。
医用画像データセットの各対が、吸息フェーズの間に得られたデータセットと、呼息フェーズの間に得られた医用画像データセットとを備える実施形態が説明されたが、代替の実施形態では、両方のデータセットは、吸息フェーズの異なるステージで、または呼息フェーズの異なるステージで得られ得る。代替としてまたは追加として、２つを超える医用画像データセットのシリーズが実施形態によっては使用され得る。シリーズのデータセットの各々は少なくとも１つの他のデータセット、例えば、基準データセットに位置合わせされて、医用画像データセットの各々に関して少なくとも１組の位置合わせデータを得ることができる。次に、位置合わせデータのセットの各々が評価ユニットによって処理されて、位置合わせ測度の値が決定され、説明されたように位置合わせ測度値が統計アトラスと比較され得る。医用画像データのセットのシリーズは、吸息−呼息サイクルの異なる点で得られ得る。代替としてまたは追加として、医用画像データセットのシリーズ中の異なるデータセットは、異なるスキャン手順の間に、例えば異なる日に得ることができ、それにより、例えば、患者の長期的な検査を表すことができる。
位置合わせ測度の値が統計アトラスと比較される実施形態が説明された。代替の実施形態では、位置合わせ測度の値の代わりに１つまたは複数の他のパラメータ、例えば、位置合わせされた画像データのパラメータの値が、統計アトラスと比較される。そのような実施形態では、統計アトラスは、そのような他の１つまたは複数のパラメータの値の分布を表す。そのような他のパラメータの例は、画像強度および／または画像テクスチャを含む。
実施形態は、ＣＴデータを備える医用画像データセットの処理に関連して説明された。任意の好適なデータセット、例えば、核磁気共鳴映像法（ＭＲＩ）データセット、陽電子放射断層撮影法（ＰＥＴ）データセット、超音波データセットが代替実施形態では使用され得る。
医用画像データは様々な形態とすることができ、医用画像モダリティによる測定から得られた任意の好適なデータおよび／または１つまたは複数の解剖学的特徴を表す任意の好適なデータを含むことができる。医用画像データは、患者または他の医用対象の少なくとも一部の画像を得るために描画され得るかまたはさもなければ処理され得る任意のデータ、および／または１つまたは複数の解剖学的特徴の画像を得るために描画され得るかまたはさもなければ処理され得る任意のデータを備えることができる。容積測定医用画像データは、例えば、ボクセルのアレイの形態とすることができる。ボクセルのそのようなアレイは、例えば、３次元位置の関数として強度、吸収、または他のパラメータを表すことができ、例えば、医用画像モダリティで得られた測定信号の好適な処理によって得られ得る。
いくつかの実施形態によれば、３Ｄ容積測定のデータから肺疾病を分析および定量化し、ボクセルレベルで疾病のパラメトリック正常マップを発生させるために、統計アトラスと非剛***置合わせアルゴリズムとを備える医用画像化方法が提供され得る。
肺疾病はＣＯＰＤを備えることができ、３Ｄ容積測定データは吸気および呼気ＣＴスキャンとすることができる。３Ｄ容積測定データは、異なる吸気レベルで獲得された２つ以上の容積測定スキャンを備えることができる。この方法は、位置合わせワープフィールドのヤコビアン行列の決定要素（determinant）から計算された、局所容積変化の使用による統計アトラスを構築することを備えることができる。統計アトラスは、ワープフィールド（例えば、局所容積変化、全容積変化など）、画像ボクセルデータ（例えば、テクスチャ情報などの派生したメトリクスを含む強度値）、および患者情報（例えば、喫煙状態、身長、ＢＭＩ、年齢、性別など）から抽出された多数のメトリクスを使用して構築され得る。この方法は、符号付きｚスコアを備える正常マップを出力することを備えることができる。この方法は、マハラノビス距離を備える正常マップを出力することを備えることができる。
いくつかの実施形態によれば、吸気画像と呼気画像とを位置合わせするように構成された位置合わせユニットと、吸気／呼気画像および統計アトラス画像の画素値間の差に基づいて疾病情報を計算するように構成された評価ユニットと、差に基づく疾病情報をディスプレイ上に表示するように構成された表示制御ユニットとを備える医用画像処理装置が提供される。肺疾病はＣＯＰＤとすることができ、吸気／呼気画像は３Ｄ容積測定データを備えることができる。
実施形態は、実施形態の方法を行うために実行可能であるコンピュータ可読命令を有する１つまたは複数のコンピュータプログラムによってある機能を実施することができることを当業者はよく理解されよう。コンピュータプログラム機能はハードウェアで（例えば、ＣＰＵによって）実施され得る。実施形態は、さらに、１つまたは複数のＡＳＩＣ（特定用途向け集積回路）、またはハードウェアもしくはソフトウェアの混合によって実施され得る。
特定のユニットが本明細書で説明されたが、代替実施形態では、これらのユニットのうちの１つまたは複数に関する機能は単一のユニットで行われてもよく、または単一のユニットで行われる機能は２つ以上のユニットで組み合わせて行われてもよい。単一のユニットへの言及は、そのユニットの機能を行う多数の構成要素を、そのような構成要素が互いに隔たっているかどうかにかかわらず、包含し、多数のユニットへの言及は、それらのユニットの機能を行う単一の構成要素を包含する。
また、上記実施形態においては、ＣＯＰＤを画像診断する場合を例として説明した。しかしながら、当該例に拘泥されず、例えば間質性肺炎等の、肺において呼吸に伴う容積の変動が診断基準となり得る部位については、本実施形態に係る医用画像処理装置を適用することができる。
また、本実施形態に係る医用画像処理装置は、変形例として、次の構成を採用することも可能である。
他の実施形態は、第１の時間における対象領域を表す第１の医用画像データと、もっと後の第２の時間における対象の前記領域を表す第２の医用画像データとを受け取るように構成された受取りユニットと、第１の医用画像データと第２の医用画像データとの間の位置合わせを得るために位置合わせ手順を行うように構成された位置合わせユニットと、領域中の複数の位置のうちの少なくともいくつかについて、位置合わせのパラメータの値、あるいは位置合わせされた第１または第２の医用画像データの値を統計アトラスと比較することによって、異常が存在するかどうかを決定するように構成された評価ユニットとを備える医用画像処理装置を提供する。
他の実施形態は、第１の時間における対象領域を表す第１の医用画像データと、もっと後の第２の時間における対象領域を表す第２の医用画像データとを受け取ることと、第１の医用画像データと第２の医用画像データとの間の位置合わせを得るために位置合わせ手順を行うことと、領域中の複数の位置のうちの少なくともいくつかについて、位置合わせのパラメータの値、あるいは位置合わせされた第１または第２の医用画像データの値を統計アトラスと比較することによって、異常が存在するかどうかを決定することとを備える医用画像データ処理方法を提供する。
いくつかの実施形態が説明されたが、これらの実施形態は単なる例として提示されており、本発明の範囲を限定することは意図されていない。実際、本明細書で説明された新規な方法およびシステムは様々な他の形態で具現され得る。さらに、本明細書で説明された方法およびシステムの形態における様々な省略、置換、および変更が、本発明の趣旨から逸脱することなく行われ得る。添付の特許請求の範囲およびその均等物は、本発明の範囲内に入ることになるそのような形態および改変を包含することが意図される。

Claims (10)

  1. 第１の時相における所定患者の対象領域を表す第１の画像データと、前記第１の時相と異なる第２の時相における前記所定患者の前記対象領域を表す第２の画像データと、の間の位置合わせを行う位置合わせユニットと、
    前記第１の画像データと前記第２の画像データとの間の位置合わせを実行し、前記対象領域中の複数の位置のそれぞれについて位置合わせデータを計算する計算ユニットと、
    前記対象領域中の複数の位置について、前記位置合わせデータと統計アトラスとを比較し、前記対象領域に異常が存在するかどうかを評価する評価ユニットと、
    を具備する医用画像処理装置。
  2. 前記計算ユニットは、前記対象領域中の複数の位置のそれぞれについて位置合わせデータとして、前記第１の画像データと前記第２の画像データとの間の位置合わせ測度を計算する請求項１記載の医用画像処理装置。
  3. 前記計算ユニットは、第３の時相における健常者の前記対象領域に関する対象領域を表す複数の第３の画像データと、前記第３の時相と異なる前記健常者の前記対象領域に関する第４の時相における前記対象領域を表す複数の第４の画像データと、の間の位置合わせを実行し、前記対象領域中の複数の位置のそれぞれについて前記位置合わせ測度を計算し、前記位置合わせ測度の分布を示す前記統計アトラスを生成する請求項１又は２記載の医用画像処理装置。
  4. 前記評価ユニットは、前記複数の位置の各々について異常の測度の値を決定し、前記異常の測度の値の空間分布を示す異常マップを生成する請求項１乃至３のうちいずれか一項記載の医用画像処理装置。
  5. 前記対象領域は、少なくとも１つの肺の少なくとも一部を含み、前記第１の時相及び前記第３の時相は吸息状態または呼息状態の一方における所定の時相であり、前記第２の時相及び前記第４の時相は吸息状態または呼息状態の他方における所定の時相である請求項１乃至４のうちいずれか一項記載の医用画像処理装置。
  6. 前記計算ユニットは、局所変形のサイズ、局所容積変化、その位置の前記ベクトル場のヤコビアン行列の決定要素のうちの少なくともいずれかを前記位置合わせ測度として計算する請求項３記載の医用画像処理装置。
  7. 前記計算ユニットは、前記対象領域における信号強度、テクスチャパラメータ、所定の性質を示すパラメータのうちの少なくとも１つの空間分布を示す前記統計アトラスを生成する請求項３記載の医用画像処理装置。
  8. 前記評価ユニットは、ｚスコア、マハラノビス距離の少なくとも一方を前記異常の測度の値として計算する請求項４記載の医用画像処理装置。
  9. 前記異常は、慢性閉塞性肺疾患（ＣＯＰＤ）又は間質性肺炎に関連する請求項１乃至８のうちいずれか一項に記載の医用画像処理装置。
  10. コンピュータに、
    第１の時相における所定患者の対象領域を表す第１の画像データと、前記第１の時相と異なる第２の時相における前記所定患者の前記対象領域を表す第２の画像データと、の間の位置合わせを実行させる位置合わせ機能と、
    前記第１の画像データと前記第２の画像データとの間の位置合わせを実行させ、前記対象領域中の複数の位置のそれぞれについて位置合わせデータを計算させる計算機能と、
    前記対象領域中の複数の位置について、前記位置合わせデータと統計アトラスとを比較させ、前記対象領域に異常が存在するかどうかを評価させる評価機能と、
    を実現させる医用画像処理プログラム。
JP2016072490A 2015-03-31 2016-03-31 医用画像処理装置及び医用画像処理プログラム Pending JP2016193191A (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US14/674,543 2015-03-31
US14/674,543 US9962086B2 (en) 2015-03-31 2015-03-31 Medical image data processing apparatus and method for determining the presence of an abnormality

Publications (1)

Publication Number Publication Date
JP2016193191A true JP2016193191A (ja) 2016-11-17

Family

ID=57017692

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2016072490A Pending JP2016193191A (ja) 2015-03-31 2016-03-31 医用画像処理装置及び医用画像処理プログラム

Country Status (2)

Country Link
US (1) US9962086B2 (ja)
JP (1) JP2016193191A (ja)

Families Citing this family (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
ES2841414T3 (es) 2014-04-15 2021-07-08 4Dmedical Ltd Método de obtención de imágenes
US9905006B2 (en) * 2015-02-12 2018-02-27 Toshiba Medical Systems Corporation Medical image processing apparatus, medical image processing method, and medical imaging system
GB2542114B (en) * 2015-09-03 2018-06-27 Heartfelt Tech Limited Method and apparatus for determining volumetric data of a predetermined anatomical feature
US11200664B2 (en) * 2015-12-18 2021-12-14 The Regents Of The University Of California Interpretation and quantification of emergency features on head computed tomography
US11723617B2 (en) 2016-02-03 2023-08-15 4DMedical Limited Method and system for imaging
CA3019744A1 (en) 2016-03-04 2017-09-08 4Dx Limited Method and system for imaging
JP2018122093A (ja) * 2017-02-02 2018-08-09 キヤノンメディカルシステムズ株式会社 医用画像処理装置、ｘ線ｃｔ装置、及び医用画像処理方法
EP3384848B1 (de) * 2017-04-04 2021-06-23 Siemens Healthcare GmbH Flexibler einsatz eines klinischen entscheidungsunterstützungssystems
US20190295709A1 (en) * 2018-03-20 2019-09-26 Siemens Healthcare Gmbh Automatic analysis of a large patient population using medical image data
US10832403B2 (en) 2018-05-14 2020-11-10 Koninklijke Philips N.V. Systems, methods, and apparatuses for generating regions of interest from voxel mode based thresholds
US10918885B2 (en) * 2018-09-27 2021-02-16 Varian Medical Systems International Ag Systems, methods and devices for automated target volume generation
EP3657391B1 (en) * 2018-11-21 2023-07-26 Siemens Healthcare GmbH Processing a medical image
US11311207B2 (en) * 2018-12-06 2022-04-26 William Beaumont Hospital Systems and methods for pulmonary ventilation from image processing
US11931143B2 (en) * 2020-05-08 2024-03-19 William Beaumont Hospital Systems and methods for lung compliance imaging
CN113808178A (zh) 2020-06-11 2021-12-17 通用电气精准医疗有限责任公司 图像配准方法及其模型训练方法
US11842492B2 (en) 2021-04-16 2023-12-12 Natasha IRONSIDE Cerebral hematoma volume analysis
US11915829B2 (en) 2021-04-19 2024-02-27 Natasha IRONSIDE Perihematomal edema analysis in CT images

Family Cites Families (28)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4294881B2 (ja) * 2000-05-12 2009-07-15 富士フイルム株式会社 画像の位置合わせ方法および装置
JP3486615B2 (ja) * 2001-05-22 2004-01-13 畦元 将吾 医療用画像の領域抽出方法
US20020169730A1 (en) * 2001-08-29 2002-11-14 Emmanuel Lazaridis Methods for classifying objects and identifying latent classes
US8090164B2 (en) * 2003-08-25 2012-01-03 The University Of North Carolina At Chapel Hill Systems, methods, and computer program products for analysis of vessel attributes for diagnosis, disease staging, and surgical planning
US7319781B2 (en) * 2003-10-06 2008-01-15 Carestream Health, Inc. Method and system for multiple passes diagnostic alignment for in vivo images
US7903849B2 (en) * 2005-04-15 2011-03-08 Kabushiki Kaisha Toshiba Medical image processing apparatus
WO2006114003A1 (en) * 2005-04-27 2006-11-02 The Governors Of The University Of Alberta A method and system for automatic detection and segmentation of tumors and associated edema (swelling) in magnetic resonance (mri) images
US7929737B2 (en) * 2005-09-29 2011-04-19 General Electric Company Method and system for automatically generating a disease severity index
EP1881453A3 (en) * 2006-07-18 2009-07-22 Kabushiki Kaisha Toshiba A medical image-processing apparatus and a method for processing medical images
EP2126841A2 (en) * 2007-01-16 2009-12-02 Optasia Medical, Limited Image processing systems and methods
US20080200840A1 (en) * 2007-02-16 2008-08-21 Jose Gerarado Tamez-Pena Structural quantification of cartilage changes using statistical parametric mapping
US8538111B2 (en) * 2008-04-21 2013-09-17 University Of South Florida Method and apparatus for pulmonary ventilation imaging using local volume changes
EP2120208A1 (en) * 2008-05-13 2009-11-18 IBBT vzw Method and system for lesion segmentation
WO2010086776A1 (en) * 2009-01-30 2010-08-05 Koninklijke Philips Electronics N.V. System for providing lung ventilation information
WO2010148250A2 (en) * 2009-06-17 2010-12-23 Tomotherapy Incorporated System and method of applying anatomically-constrained deformation
DE102009030110A1 (de) * 2009-06-22 2010-12-23 Siemens Aktiengesellschaft Verfahren zur Ermittlung der Ventilation einer Lunge
WO2011093921A1 (en) * 2010-01-29 2011-08-04 Mayo Foundation For Medical Education And Research Automated vascular region separation in medical imaging
WO2011137370A2 (en) * 2010-04-30 2011-11-03 The Johns Hopkins University Intelligent atlas for automatic image analysis of magnetic resonance imaging
US8934685B2 (en) * 2010-09-21 2015-01-13 General Electric Company System and method for analyzing and visualizing local clinical features
US10529121B2 (en) * 2010-10-07 2020-01-07 H. Lee Moffitt Cancer Center And Research Institute, Inc. Method and apparatus for use of function-function surfaces and higher-order structures as a tool
US8724850B1 (en) * 2011-06-21 2014-05-13 The United States Of America As Represented By The Secretary Of The Navy Small object detection using meaningful features and generalized histograms
WO2013003826A1 (en) * 2011-06-29 2013-01-03 The Regents Of The University Of Michigan Analysis of temporal changes in registered tomographic images
US20130044927A1 (en) * 2011-08-15 2013-02-21 Ian Poole Image processing method and system
JP2014064733A (ja) 2012-09-26 2014-04-17 Fujifilm Corp 光音響計測装置
EP2982304B1 (en) * 2013-04-05 2018-04-25 Toshiba Medical Systems Corporation Medical image processing apparatus and medical image processing method
US9311570B2 (en) * 2013-12-06 2016-04-12 Kabushiki Kaisha Toshiba Method of, and apparatus for, segmentation of structures in medical images
JP6548393B2 (ja) * 2014-04-10 2019-07-24 キヤノンメディカルシステムズ株式会社 医用画像表示装置および医用画像表示システム
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

Also Published As

Publication number Publication date
US9962086B2 (en) 2018-05-08
US20160292864A1 (en) 2016-10-06

Similar Documents

Publication Publication Date Title
JP2016193191A (ja) 医用画像処理装置及び医用画像処理プログラム
US9117287B2 (en) Image analysis apparatus, method, and program
CN109035355B (zh) 用于pet图像重建的***和方法
US20180068446A1 (en) Tissue phasic classification mapping system and method
CN109009200B (zh) 用于正电子发射断层成像图像重建的***和方法
EP2982304B1 (en) Medical image processing apparatus and medical image processing method
US8483467B2 (en) Medical image diagnosis assisting apparatus and method, and computer readable recording medium on which is recorded program for the same
JP4560643B2 (ja) 呼吸気ｃｔ画像による換気分布計測方法
US8050734B2 (en) Method and system for performing patient specific analysis of disease relevant changes of a disease in an anatomical structure
Zha et al. Semiautomated ventilation defect quantification in exercise-induced bronchoconstriction using hyperpolarized helium-3 magnetic resonance imaging: a repeatability study
US8655040B2 (en) Integrated image registration and motion estimation for medical imaging applications
US11282243B2 (en) Method for processing computed tomography imaging data of a suspect's respiratory system
Zha et al. Deep convolutional neural networks with multiplane consensus labeling for lung function quantification using UTE proton MRI
US20220254016A1 (en) Regional Pulmonary V/Q via image registration and Multi-Energy CT
Tustison et al. Pulmonary kinematics from image data: a review
Guo et al. Thoracic CT‐MRI coregistration for regional pulmonary structure–function measurements of obstructive lung disease
JP6852545B2 (ja) 画像表示システム及び画像処理装置
Genkin et al. Semiautomated segmentation and analysis of airway lumen in pediatric patients using ultra short echo time MRI
Bhatia et al. Automated quantification of inflamed lung regions in chest CT by UNET++ and SegCaps: a comparative analysis in COVID-19 cases
EP4231234A1 (en) Deep learning for registering anatomical to functional images
US20230169653A1 (en) Medical image processing apparatus, medical image processing method, and storage medium
HASHIMOTO et al. Quantification of the Respiratory Activity of the Lung using CT Images
Kavuri et al. Quantitative accuracy of lung function measurement using parametric response mapping: A virtual imaging study
Gorbunova Image registration of lung CT scans for monitoring disease progression
Cadman Wei Zha, PhD, David J. Niles, PhD, Stanley J. Kruger, PhD, Bernard J. Dardzinski, PhD, Robert V. Cadman, PhD, David G. Mummy, MS, Scott K. Nagle, MD, PhD, Sean B. Fain, PhD