JP2021503319A - 人工知能による解剖学的ランドマークのローカライゼーション - Google Patents

Abstract

本開示は、予め決められた解剖学的構造の解剖学的ランドマークを位置特定するための医用イメージング方法に関する。方法は、ａ）取得パラメータセットを使用して取得された画像データ内の解剖学的ランドマークを予測し、画像データの後続の取得のために前記取得パラメータセットの後続の取得パラメータセットを予測するための機械学習モデルを提供するステップと、ｂ）現在の取得パラメータセットを決定するステップと、ｃ）解剖学的構造のスライスを表す調査画像データを受信するステップであって、前記調査画像データは、現在の取得パラメータセットを有する、ステップと、ｄ）機械学習モデルを使用して、受信された画像データ内の解剖学的ランドマークを識別するステップと、ｅ）機械学習モデルを使用して別の取得パラメータセットを予測し、予測された取得パラメータセットを現在のパラメータセットとして使用して、予め決められた繰り返し回数にわたってステップｃ）−ｅ）を繰り返すステップと、ｆ）識別された解剖学的ランドマークを提供するステップと、を有する。

Description

本発明は、スキャンイメージングシステムに関し、特に、予め決められた解剖学的構造の解剖学的ランドマークを位置特定する方法に関する。

磁気共鳴イメージング（ＭＲＩ）は、治療方法の選択に影響を与える診断情報を提供することができるので、脳卒中のような急性神経疾患の評価において増加する役割を果たしている。

ＭＲＩスキャンの取得は、通常、第１のステップとしての計画を含む。このステップは、スキャン計画のために使用される調査スキャンを取得することを必要とする。しかしながら、このステップは、ユーザの介入を伴い、ユーザの経験レベルに依存し、これは、スキャン計画を遅くする。

米国特許出願第２００９／０１５４７８３号は、所望の解剖学的に重要な座標系を識別するために、スパースなスカウト画像内の解剖学的に重要なランドマークを放射線技師が識別することに関する。

様々な実施形態は、独立請求項の主題によって説明されるように、予め決められた解剖学的構造の解剖学的ランドマークを位置特定するための方法、医用分析システム、及びコンピュータプログラム製品を提供する。有利な実施形態は従属請求項に記載されている。

本開示は、適応的な取得による解剖学的ランドマークのロバストで高速な検出のための方法を提供する。本方法は、既に利用可能な部分的な解剖学的情報に基づいて、調査スキャンの取得プロセスを動的に適応させる又は駆動することができる。例えば、調査磁気共鳴画像データの生成は、高い診断空間分解能での磁気共鳴信号の取得の（自動）計画の基礎となり得る。調査磁気共鳴画像のための磁気共鳴データの取得は、規則に基づいて行われることができる。これらの規則は、以前に取得された画像からの解剖学的ランドマークの識別から、機械学習又は人工知能を使用して自動的に生成されることができる。
一態様では、本発明は、予め決められた解剖学的構造の解剖学的ランドマークを位置特定するための医用イメージング方法に関する。この方法は、
−取得パラメータセットを使用して得られた画像データ内の解剖学的ランドマークを予測し、画像データの後続の取得のために取得パラメータセットの後続の取得パラメータセットを予測するための機械学習モデルにアクセスするステップと、
−現在の取得パラメータセットを決定するステップと、
−解剖学的構造のスライス（又は２Ｄスライス）を表す調査画像データを受け取るステップであって、調査画像データは、現在の取得パラメータセットを有する、ステップと、
−機械学習モデルを用いて、前記受け取られた調査画像データ内の解剖学的ランドマークを識別するステップと、
−機械学習モデルを使用して別の取得パラメータセットを予測し、予測された取得パラメータセットを現在のパラメータセットとして使用して、予め決められた繰り返し回数にわたってステップｃ）−ｅ）を繰り返すステップと、識別された解剖学的ランドマークを提供するステップと、を有する。

調査画像データは、ＭＲＩシステム及び現在の取得パラメータセットを使用して取得されることができる。「調査スキャン」とは、画像再構成等に用いられることができる撮像条件及び／又はデータを決定するためのスキャンであって、臨床スキャンやメインスキャンとは別に行われるスキャンである。調査スキャンは、臨床スキャンの前に行うことができる。「物理スキャン」、「臨床スキャン」又は「メインスキャン」という語は、Ｔ１強調画像等の意図される診断画像をイメージングするためのスキャンをいい、較正スキャンのためにＭＲ信号を取得するスキャンを含まない。臨床スキャンは、較正スキャンよりも高い画像解像度で実行される。

本発明の方法によってアクセスすることができる提供された機械学習モデルは、分類アルゴリズム及び強化アルゴリズムのうちの少なくとも１つを使用して生成されることができる。機械学習モデルは、現在の取得パラメータセット及び／又は以前の繰り返しの少なくとも一部の各繰り返しの取得パラメータセットを使用して、後続の取得パラメータセットを予測又は選択することができる。

「機械学習」という用語は、確率モデル（機械学習モデルと呼ばれる）を自動化された方法で構築することによってトレーニングデータから有用な情報を抽出するために使用されるコンピュータアルゴリズムを指す。機械学習は、線形回帰、Ｋ平均、分類アルゴリズム、強化アルゴリズムなどの１つ又は複数の学習アルゴリズムを使用して実行されることができる。「モデル」は、例えば、他の既知の値から測定されていない値（例えば、所与のトークンに対応するタグ）を予測すること、及び／又は将来の報酬を最大化するか又は将来のペナルティを最小化するためにアクションを予測又は選択することを可能にする方程式又は規則のセットであってもよい。一実施形態によれば、機械学習モデルは、深層学習モデルである。

本発明は、機械学習に基づいて解剖学的ランドマークを位置特定するための医用イメージング方法に関する。したがって、本発明の医用イメージング方法は、機械学習モデル、すなわち、トレーニングデータからトレーニングされたコンピュータアルゴリズムにアクセスすることを含む。本発明によれば、解剖学的ランドマークが導出される（調査）画像は、ランドマークの識別中に構築される。具体的には、調査スライス画像が受信され、かかる調査スライス画像から、ランドマークが検出されることができる。次の繰り返しでは、取得パラメータが更新されて、次の調査画像が生成され、そこからさらなる解剖学的ランドマークが識別される。更新は、以前の繰り返しからすでに識別されている解剖学的ランドマークに依存することがある。このプロセスは、プリセットされた最大繰り返し回数によって、又は識別されたランドマークのプリセットされた最大数を見つけることを達成する繰り返し回数によって規定されることができる、予め決定された繰り返し回数の間、続行し得る。現在の調査画像スライスからの（追加の）解剖学的ランドマークの識別は、すでに識別された解剖学的ランドマークから次の調査スライス画像取得を設定するように刺激される機械学習モデルによって行われ、すでに識別されたランドマークからさらなる解剖学的ランドマークを予測しうるトレーニング規則を使用する。すなわち、さらなる画像スライスが追加されるにつれて、ますます多くの解剖学的ランドマークが識別されることができる。最初、調査画像スライスは、診断イメージングされるべき解剖学的構造の部分にとって重要な解剖学的ランドマークを含まないことさえある。その調査画像スライスの画像情報から、機械学習モデルは、１つ又は複数の重要な解剖学的ランドマークを含む次の調査画像スライスを予測することができる。

本方法は、ユーザのワークフローを妨害することなく、完全に自動化されたスキャン計画を可能にすることができるので、有利であり得る。これは、画像の数及び複雑さが増加し、放射線科医が画像を解釈する処理能力を上回る恐れがある場合に、特に有利である。本方法は、スキャン計画ステップを含めて、画像取得を簡素化し、時間短縮することができる。これは、例えば、脳卒中による脳組織の損傷がある場合に有利でありえ、なぜなら、この状況は、ほんの数時間の治療ウィンドウしか有さず、初期の脳卒中又は外傷性脳損傷におけるＭＲＩシステムの利用を増やすことができる。

本方法は、患者の解剖学的構造の関心領域をカバーするために、調査画像（のための設定）の生成を大幅に自動化することを可能にすることができる。これは、調査画像の生成のためのオペレータの介入の必要性を低減することができる。

一実施形態によれば、ステップｅ）は、機械学習モデルを使用して、識別された解剖学的ランドマークに信頼レベルを割り当てることを更に含み、繰り返しの回数は、予め決められた閾値よりも高い信頼レベルを得るために必要とされる繰り返しの回数である。別の例では、ステップｄ）は、識別された解剖学的ランドマークの肯定応答又は非肯定応答を受信するようにユーザに促すステップを更に含むことができ、繰り返しの数は、ユーザから肯定応答を受け取るまでの繰り返しの回数である。繰り返し回数は、ゼロより大きく又はゼロに等しい。

これらの実施形態は、ランドマークを生成するための最適かつ制御されたプロセスを提供することができる。制御は、自動的であり、又はユーザ入力を伴って半自動的であってもよい。

一実施形態によれば、本方法は更に、画像データのトレーニングセットに、ランドマークの既知のセット及び複数の取得パラメータセットを提供するステップと、機械学習モデルを生成するためにトレーニングセットについて学習アルゴリズムを実行するステップとを有する。例えば、トレーニングセットは、ランドマークのセットを示す注釈付き画像のシーケンスを含むことができる。

例えば、学習アルゴリズムは、分類及び／又は強化アルゴリズムを含むことができる。強化アルゴリズムは、例えば、現在のパラメータセット及び／又は以前に使用されたパラメータセットに基づいて次のパラメータセット（アクション）を決定するために、トレーニングセットを使用して、１つ又は複数のポリシー又は規則を学習するように構成されることができる。例えば、現在のパラメータセット及び／又は以前の取得パラメータセットから開始して、機械学習モデルは、予め決められた閾値より高い信頼レベルで解剖学的ランドマークを識別するまで、新しい取得パラメータセットのためのポリシーに従うことができる。例えば、機械学習モデルの報酬は、信頼レベルと予め決められた閾値との間の差に基づいて決定されることができ、例えば、差が小さいほど、報酬は高くなる。ポリシーは、各ステップにおけるモデルの意思決定プロセスを表し、例えば、どのパラメータを変更すべきか、及びどのように変更すべきか、どの新しいパラメータをパラメータセットに追加すべきか等を規定する。アクションの選択は、将来の報酬を最大化するために、入力画像上にマークされた既知のランドマークに基づいて学習することによって、最適化されることができる。例えば、将来のペナルティを使用する場合、機械学習モデルによって使用されるペナルティ値（強化学習によって得られる）は、必要とされるスキャンステップの最小数を目指すために、繰り返しごとに増加し得る。

一実施形態によれば、トレーニングセットは、ランドマークのセットの各々のロケーションを示す。ランドマークのロケーション又は位置は、画像データ内のランドマークを識別するための正確なパラメータを提供することができ、したがって、学習プロセスに適切でありうる。別の例では、トレーニングセットは更に、ランドマークのセットのボクセル又はピクセル強度を示すことができる。

一実施形態によれば、トレーニングセットは、解剖学的構造の３Ｄボリュームを表す画像データを含む。画像データは、解剖学的構造のランドマークのセットのロケーションを示すことができる。例えば、画像データは、３Ｄボリュームを提供するために、２Ｄマルチスライス取得を使用して、又は３Ｄ取得を使用して取得されることができる。

一実施形態によれば、学習アルゴリズムの実行は、トレーニングセットから、所与のパラメータセットに対応するスライスを表す画像データを決定することと、スライスを使用して学習アルゴリズムを実行することとを含む。スライスの画像データは、解剖学的構造のランドマークのセットのロケーションを示すことができる。例えば、機械学習モデルは、パラメータセットを選択し、ランドマークを識別するための規則のセットを含むことができる。規則のセットは、例えば、（例えば、技術専門家によって）ユーザ定義されてもよく、及び／又は訓練スキャンのセットが与えられた場合に機械学習技術によって自動的に取得されてもよい。例えば、任意のパラメータセットに対する任意の画像は、それらの対応するグラウンドトゥルース情報（例えば、技術者によって手動でマークされるような解剖学的ランドマークの位置、又はＳｍａｒｔＥｘａｍのような自動アプローチによって決定されるような解剖学的ランドマークの位置）を用いてプラナリフォーマットすることによって、トレーニングスキャンから抽出されることができる。

一実施形態によれば、トレーニングセットから、所与のパラメータセットに対応するスライスを表す画像データを決定することは、マルチプラナリフォーマット方法を使用して実行される。例えば、トレーニングは、解剖学的ランドマークの既知の位置を有する３Ｄ脳スキャンのレトロスペクティブなデータセットに基づいて行うことができる。例えば、ディープラーニングシステムの強化トレーニングは、所望のスキャンパラメータ（例えば、サイズ、方向、原点など）に合致するスライスを抽出するために、３Ｄ脳スキャンにマルチプラナリフォーマッティング（ＭＰＲ）を適用し、スキャナ上でそれらの取得をシミュレートすることによって行われることができる。深部学習ネットワークの出力変数は、データセットにＭＰＲを適用することによって再びシミュレートされることができる次のスライスのパラメータを伴う、解剖学的ランドマークの推定位置及びそれらの信頼レベルである。

一実施形態によれば、取得パラメータセットは、解剖学的構造のスライスの標示、画像データのボクセルサイズ、画像データのボクセルの数、画像データのボクセルの中心、スライスの３Ｄ方向のうちの少なくとも１つのタイプを含む。

一実施形態によれば、予測されたパラメータセットは、パラメータセット及び／又は修正されたパラメータセットのタイプに関してそれぞれ異なる値を含む。取得パラメータセットは、使用されるスキャンシーケンス（例えば、Ｔ１−ＴＦＥ、Ｔ１−ＦＦＥ又はＴ２）、又はエコー時間（ＴＥ）及び反復時間（ＴＲ）のような取得パラメータのような、より多くの情報を含むように拡張されてもよい。修正されたパラメータセットは、画像データのＴＥ、ＴＲ及び／又はフリップ角を含むことができる。この拡張は、解剖学的ランドマークを見つけるプロセスがマルチコントラスト分析によって加速され得る場合に有益であり得る。

一実施形態によれば、本方法は、提供された解剖学的ランドマークを使用して、後続の医用画像のスキャン計画を実行するステップを更に含む。本方法のスキャン計画は、オンザフライで、又は動的に実行されることができる。本発明の方法によって、スキャンジオメトリ計画は、限られたユーザ負担により利用可能にされることができる。

「スキャンジオメトリ」という用語は、例えば、解剖学的構造に対する、又は患者の座標系に対する医用画像の視野を記述する位置情報を指す。位置情報は、調査スキャンのジオメトリに対して、又は調査スキャンにおいて自動的に検出される解剖学的ランドマークに対して、表されることができる。

「スキャン」という用語は、単一の２Ｄ画像フレーム取得パスのみを含むスキャンと、３Ｄスキャン技法との両方を含むことができ、３Ｄスキャン技法の場合、各個別のスキャンは、パラメータ及びコントラストに関して等しい時系列の個別の取得パスとして実行される。例えば、スキャンイメージングシステムがＭＲＩシステムである場合、「スキャン」という用語は、静磁場及び勾配磁場を印加すること、ＲＦパルスを送信すること、ＭＲＩ信号を受信すること、ＮＭＲ信号に対して予め決められた処理を実行すること、及び処理されたＭＲＩ信号を記憶することを含むデータ取得シーケンスを指すことができる。

別の態様では、本発明は、プロセッサによる実行のためのマシン実行可能命令を含むコンピュータプログラム製品に関し、マシン実行可能命令の実行は、プロセッサに、上述の実施形態のいずれかの方法を行わせる。

別の態様では、本発明は、医用分析システムに関する。医用分析システムは、マシン実行可能命令を含むメモリと、医用分析システムを制御するためのプロセッサとを含み、前記マシン実行可能命令の実行は、前記プロセッサに、
−取得パラメータセットを使用して取得された画像データ内の解剖学的ランドマークを予測し、画像データの後続の取得のために取得パラメータセットの後続の取得パラメータセットを予測するための機械学習モデルを提供するステップと、
−現在の取得パラメータセットを決定するステップと、
−解剖学的構造のスライスを表す調査画像データを受信するステップであって、調査画像データは、現在の取得パラメータセットを有する、ステップと、
−機械学習モデルを使用して、取得された画像データ内の解剖学的ランドマークを識別するステップと、
−機械学習モデルを使用して別の取得パラメータセットを予測し、予測された取得パラメータセットを現在のパラメータセットとして使用して、予め決められた繰り返し回数にわたってステップｃ）−ｅ）を繰り返すステップと、
−識別された解剖学的ランドマークを提供するステップと、を実行させる。

一実施形態によれば、ＭＲＩシステムが提供される。ＭＲＩシステムは、医用分析システムと、調査画像データなどの画像データを取得するように構成された取得コンポーネントとを有する。

本発明の前述の実施形態のうちの１又は複数は、組み合わされた実施形態が相互に排他的でない限り、組み合わされてもよいことが理解される。

以下、本発明の好ましい実施形態を、単なる例示として、図面を参照して説明する。

医用分析システムの概略図。 予め決められた解剖学的構造の解剖学的ランドマークを位置特定するための方法のフローチャート。 ＭＲＩシステムの機能を示す断面図。

以下では、図中の同様の番号が付された構成要素は、同様の構成要素であるか、又は同等の機能を実行するかのいずれかである。前述した構成要素は、機能が同等である場合には、必ずしも後の図で説明されない。

さまざまな構造、システム、及びデバイスが、単に説明の目的のために、及び当業者によく知られた詳細により本発明を不明瞭にしないように、図面に概略的に示されている。それにもかかわらず、添付の図面は、開示された主題の例示的な例を記述し、説明するために含められる。

図１は、医用分析システム１００の概略図である。医用分析システム１００は、スキャンイメージングシステム（又は取得コンポーネント）１０１に接続するように構成された制御システム１１１を備える。制御システム１１１は、プロセッサ１０３と、医用システム１００の１つ又は複数のコンポーネントとそれぞれ通信することができるメモリ１０７と、を有する。例えば、制御システム１１１のコンポーネントは、双方向システムバス１０９に結合される。

本明細書で説明される方法は、少なくとも部分的に非対話型であり、コンピュータ化されたシステムによって自動化されることが理解されるであろう。例えば、これらの方法は更に、ソフトウェア１２１（ファームウェアを含む）、ハードウェア、又はそれらの組み合わせで実現されることができる。例示的な実施形態において、本明細書に記載する方法は、実行可能プログラムとしてソフトウェアにおいて実施され、パーソナルコンピュータ、ワークステーション、ミニコンピュータ、又はメインフレームコンピュータなどの専用又は汎用デジタルコンピュータによって実現される。

プロセッサ１０３は、ソフトウェア、特にメモリ１０７に記憶されたソフトウェアを実行するためのハードウェア装置である。プロセッサ１０３は、任意のカスタムメイド又は市販のプロセッサ、中央処理装置（ＣＰＵ）、制御システム１１１に関連するいくつかのプロセッサのうちの補助プロセッサ、半導体ベースのマイクロプロセッサ（マイクロチップ又はチップセットの形態）、マイクロプロセッサ、又は一般にソフトウェア命令を実行するための任意のデバイスとすることができる。プロセッサ１０３は、スキャンイメージング・システム１０１の動作を制御することができる。

メモリ１０７は、揮発性メモリ素子（例えば、ランダムアクセスメモリ、ＳＲＡＭ、ＳＤＲＡＭなどのＲＡＭ）及び不揮発性メモリ素子（例えば、ＲＯＭ、イレーサブルプログラマブルリードオンリーメモリ、電子的にイレーサブルプログラマブルリードオンリーメモリ、ＥＥＰＲＯＭ、プログラマブルリードオンリーメモリなど）の任意の１つ又は組み合わせを含むことができる。メモリ１０７は分散アーキテクチャを有することができ、この場合、様々なコンポーネントが互いに離れた場所に配置されるが、プロセッサ１０３によってアクセスされることができることに留意されたい。メモリ１０７は、医用システム１００の少なくとも１つの他の構成要素に関連する命令又はデータを記憶することができる。

制御システム１１１は、例えばユーザインタフェース１２９上に文字及び画像等を表示する表示装置１２５を更に有することができる。表示装置１２５は、タッチスクリーン表示装置であってもよい。

医用分析システム１００は、医用分析システム１００に電力を供給するための電源１０８を更に有することができる。電源１０８は、例えば、バッテリ又は標準的なＡＣコンセントによって供給される電気を供給するような外部電源でありうる。

スキャンイメージングシステム１０１は、ＭＲＩ、ＣＴ、及びＰＥＴ−ＣＴイメージャのうちの少なくとも１つを含むことができる。制御システム１１１及びスキャンイメージングシステム１０１は、一体化部分であってもなくてもよい。換言すれば、制御システム１１１は、スキャンイメージングシステム１０１の外部にあってもよく、外部になくてもよい。

スキャンイメージングシステム１０１は、制御システム１１１に画像データを提供するようにスキャンイメージングシステム１０１を構成するために、プロセッサ１０３によって制御され得るコンポーネントを有する。スキャンイメージングシステム１０１の構成は、スキャンイメージングシステム１０１の動作を可能にし得る。スキャンイメージングシステム１０１の動作は、例えば、自動であってもよい。図３は、ＭＲＩシステムであるスキャンイメージングシステム１０１のコンポーネントの例を示す。

制御システム１１１とスキャンイメージングシステム１０１との間の接続は、例えば、ＢＵＳイーサネット（登録商標）接続、ＷＡＮ接続、インターネット接続などを含むことができる。

一例では、スキャンイメージングシステム１０１は、指定された測定値に応答して画像などの出力データを提供するように構成されることができる。制御システム１１１は、ＭＲＩスキャンイメージングシステム１０１から調査画像データなどのデータを受け取るように構成されることができる。例えば、プロセッサ１０３は、互換性のあるデジタル形式でスキャンイメージングシステム１０１から情報を（自動的に又は要求に応じて）受け取るように適応されることができ、それにより、そのような情報が表示装置１２５上に表示されることができる。このような情報は、動作パラメータ、アラーム通知、及びスキャンイメージングシステム１０１の使用、動作及び機能に関連する他の情報を含むことができる。

医用分析システム１００は、ネットワーク１３０を介して、他のスキャンイメージングシステム１３１及び／又はデータベース１３３と通信するように構成されることができる。ネットワーク１３０は、例えば、無線ローカルエリアネットワーク接続、ＷＡＮ（Wide Area Network）接続、ＬＡＮ（Local Area Network）接続、又はこれらの組み合わせを含む。データベース１３３は、患者、スキャンイメージングシステム、解剖学的構造、スキャン幾何学的形状、スキャンパラメータ、スキャン等に関する情報を含むことができる。データベース１３３は、例えば、患者のＥＭＲを含むＥＭＲデータベース、放射線情報システムデータベース、医用画像データベース、ＰＡＣＳ、病院情報システムデータベース、及び／又はスキャンジオメトリを計画するために使用されることができるデータを比較する他のデータベースを含むことができる。データベース１３３は、例えば、機械学習モデルを生成するために使用されるトレーニングセットを含むことができる。追加的又は代替的に、トレーニングセットは、制御システム１１１のローカル記憶装置（例えば、ディスク記憶装置又はメモリ）に記憶されることができる。

メモリ１０７は、人工知能（ＡＩ）コンポーネント１５０を更に有することができる。コンポーネント１５０は、ソフトウェアコンポーネント１２１の一部であってもなくてもよい。ＡＩコンポーネント１５０は、適応的な取得による解剖学的ランドマークのロバストかつ高速な検出のために構成されることができる。本明細書で更に説明されるように、ＡＩコンポーネント１５０は、すでに利用可能な部分的な解剖学的情報に基づいて、調査スキャンの取得プロセスを動的に適応させる／駆動するように構成されることができ、したがって、必要とされる画像の数を低減し、その結果、完全に自動化されたスキャン計画に必要とされる解剖学的ランドマークを位置特定するための全体的なスキャン時間を短縮する。

ＡＩコンポーネント１５０は、既にスキャンされた（それらのスキャンパラメータを有する）利用可能な画像のセットが与えられると、新しい画像のための戦略的なパラメータセットを提案する又は予測するように構成されることができる。

ＡＩコンポーネント１５０は、取得パラメータセットを使用して得られた画像データ内の解剖学的ランドマークを予測し、その後の画像データの取得のために前記取得パラメータセットの後続の取得パラメータセットを予測する１又は複数の機械学習モデルを生成するように、トレーニングセットに対して機械学習を実行するよう構成されることができる。トレーニングプロセスは、既知の方法を使用して構成されてもよい。

図２は、スキャンイメージングシステム、例えば、ＭＲＩスキャンイメージングシステムを使用して、所定の解剖学的構造の解剖学的ランドマークを位置特定するための方法のフローチャートである。解剖学的構造は、撮像される対象（例えば、図３の３１８）の一部でありうる。解剖学的構造は、例えば、心臓、脳、膝、脊椎、肩、***などでありうる。解剖学的構造のイメージングは、治療デリバリなどのさらなるアクションを実行するために使用されることができる画像をもたらすことができる。

ステップ２０１において、現在の取得パラメータセットが決定されることができる。現在のパラメータセットは、例えば、制御システム１１１によって決定されることができる。例えば、取得パラメータセットは、Ｘ方向及びＹ方向のボクセル数、ボクセルサイズ（単位ｍｍ）、例えばＤＩＣＯＭタグ"ImagePositionPatient"を用いたＤＩＣＯＭ患者座標系のボクセル中心（０，０）、及びＤＩＣＯＭタグ"ImageOrientationPatient"を用いたＤＩＣＯＭ患者座標系の３Ｄ方向の少なくとも１つを含むことができる。ＤＩＣＯＭは、Digital Imaging and Communications in Medicineを表す。

ステップ２０３では、解剖学的構造のスライスを表す調査画像データが、例えば制御システム１１１において受け取られる。例えば、調査画像データの受信は、自動的に実施されることができる。別の例では、制御システム１１１は、現在の取得パラメータセットを使用して調査画像データを取得するためにＭＲＩシステムを制御するように構成されることができる。調査画像データの取得は、調査パルスシーケンスデータを用いてＭＲＩシステムを制御することによって、解剖学的構造から調査磁気共鳴データを取得することを含む。調査パルスシーケンスデータは、調査スキャンジオメトリに従って解剖学的構造のスライスを表す磁気共鳴データを取得するようにＭＲＩシステムを制御するための命令を含む。

ステップ２０５では、機械学習モデルを使用して、取得された画像データ内の解剖学的ランドマークを識別することができる。例えば、信頼レベルが、識別された解剖学的ランドマークに割り当てられることができる。例えば、取得した画像データは、機械学習モデルに入力されることができる。識別されたランドマークは、例えば、機械学習モデルの生成に使用されたランドマークのセットの少なくとも一部に対応しうる。例えば、トレーニングセットのランドマークのセットが、それぞれの位置ｐ１−ｐ１０を有する１０個のランドマークを有する場合、識別されたランドマークは、それぞれの位置ｋ１−ｋ５を有し及びランドマーク位置ｐ１−ｐ５に対応する、５個のランドマークを有することができる。この対応は、信頼レベルによって定量化されることができる。

（照会ステップ２０７）予め決められた繰り返し回数に達した場合（又は停止基準が満たされた場合）、ステップ２１１において、識別された解剖学的ランドマークが提供されることができ、そうでない場合、ステップ２０９において、別の取得パラメータのセットが機械学習モデルを使用してを予測されることができ、ステップ２０３）−２１１）が、予測された取得パラメータセットを現在のパラメータセットとして使用して繰り返されることができる。

取得パラメータセットの予測は、調査画像データ及び１又は複数の以前の繰り返しのパラメータセットを使用して実行されることができる。例えば、上述の取得パラメータは、既に取得されている（ｎ−１）個の２Ｄ画像とそれらのスキャンパラメータ（又は、例えば、固定の最新の画像セット）とが与えられた場合に、ｎ番目の２Ｄ画像について決定されることができる。例えば、取得パラメータセットの予測は、現在の取得パラメータセットを、使用されるスキャンシーケンス（例えば、Ｔ１−ＴＦＥ、Ｔ１−ＦＦＥ、Ｔ２、．．）、又はＴＥ及びＴＲのような取得パラメータのような、より多くの情報を含むように拡張することを含むことができる。この拡張は、解剖学的ランドマークを見つけるプロセスがマルチコントラスト分析によって加速され得る場合に有益であり得る。

繰り返しの回数は、予め決められた閾値（例えば、８０％）よりも高い信頼レベルを得るために必要とされる繰り返しの回数として規定されてもよく、又は停止基準は、信頼レベルが予め決められた閾値よりも高くなることを要求してもよい。

図３は、医用システム１００の一例としての磁気共鳴イメージングシステム３００を示す。磁気共鳴イメージングシステム３００は、磁石３０４を有する。磁石３０４は、その中にボア３０６を有する超電導円筒型の磁石である。異なる種類の磁石の使用も可能である。例えば、分割円筒形磁石といわゆるオープン磁石の両方を使用することも可能である。分割円筒形磁石は、クライオスタットが磁石の等平面へのアクセスを可能にするために２つのセクションに分割されていることを除いて、標準的な円筒形磁石と同様である。このような磁石は、例えば、荷電粒子ビーム治療と併せて使用することができる。オープン磁石は、撮像される対象３１８を受け入れるのに十分な大きさの空間をそれらの間に有する２つの磁石セクションを有し、２つのセクションの配置は、ヘルムホルツコイルと同様である。円筒形磁石のクライオスタットの内部には、超電導コイルの集合がある。円筒形磁石３０４のボア３０６内には、磁場が磁気共鳴イメージングを実行するのに十分に強くかつ均一であるイメージングゾーン又はボリューム又は解剖学的構造３０８がある。

磁石のボア３０６内には、磁気共鳴データの取得中に、磁石３０４のイメージングボリューム又は検査ボリューム３０８内のターゲット領域の磁気スピンを空間的に符号化するために使用される、一組の磁場勾配コイル３１０も存在する。磁場勾配コイル３１０は、磁場勾配コイル電源３１２に接続される。磁場勾配コイル３１０は、例示的なものであることが意図されている。典型的には、磁場勾配コイル３１０は、３つの直交する空間方向における符号化のために３つの別個のコイルセットを有する。勾配磁場電源は、磁場勾配コイルに電流を供給する。磁場勾配コイル３１０に供給される電流は、時間の関数として制御され、ランプ状にされてもパルス状にされてもよい。

ＭＲＩシステム３００は更に、ＲＦ励起パルスを生成するために、対象３１８のところに検査ボリューム３０８に隣接してＲＦコイル３１４を有する。ＲＦコイル３１４は、例えば、一組の表面コイル又は他の専用ＲＦコイルを有することができる。ＲＦコイル３１４は、ＲＦパルスの送信ならびに磁気共鳴信号の受信のために交互に使用されてもよく、例えば、ＲＦコイル３１４は、複数のＲＦ送信コイルを含む送信アレイコイルとして実現されてもよい。ＲＦコイル３１４は、１つ又は複数のＲＦ増幅器３１５に接続される。構成要素３０４−３１５及び３２０は、ＭＲＩシステム３００の取得コンポーネントを形成することができる。

磁場勾配コイル電源３１２及びＲＦ増幅器３１５は、制御システム１１１のハードウェアインタフェースに接続される。制御システム１１１のメモリ１０７は、例えば、制御モジュールを有することができる。制御モジュールは、プロセッサ１０３が磁気共鳴イメージングシステム３００の動作及び機能を制御することを可能にするコンピュータ実行可能コードを有する。制御モジュールは更に、磁気共鳴データの取得など、磁気共鳴イメージングシステム３００の基本的な動作を可能にする。

当業者には理解されるように、本発明の態様は、装置、方法、又はコンピュータプログラム製品として具体化されることができる。したがって、本発明の態様は、全体的にハードウェアの実施形態、全体的にソフトウェアの実施形態（ファームウェア、常駐ソフトウェア、マイクロコードなどを含む）、又は本明細書ではすべて「回路」、「モジュール」、又は「システム」と概して呼ばれうるソフトウェア及びハードウェアの態様を組み合わせた実施形態の形をとることができる。更に、本発明の態様は、コンピュータ実行可能コードが具現化された１つ又は複数のコンピュータ可読媒体に具現化されたコンピュータプログラム製品の形をとることができる。

１つ又は複数のコンピュータ可読媒体の任意の組み合わせを利用することができる。コンピュータ可読媒体は、コンピュータ可読信号媒体又はコンピュータ可読記憶媒体でありうる。本明細書で使用される「コンピュータ可読記憶媒体」は、コンピューティングデバイスのプロセッサによって実行可能な命令を記憶することができる任意の有形の記憶媒体を包含する。コンピュータ可読記憶媒体は、コンピュータ可読の非一時的記憶媒体と呼ばれうる。コンピュータ可読記憶媒体は、有形のコンピュータ可読媒体とも呼ばれうる。いくつかの実施形態では、コンピュータ可読記憶媒体は、コンピューティングデバイスのプロセッサによってアクセス可能なデータを記憶することも可能である。コンピュータ可読記憶媒体の例としては、フロッピーディスク、磁気ディスクドライブ、ハードディスク、ソリッドステートハードディスク、フラッシュメモリ、ＵＳＢドライブ、ランダムアクセスメモリ（ＲＡＭ）、リードオンリメモリ（ＲＯＭ）、光ディスク、磁気光ディスク、及びプロセッサのレジスタファイルが挙げられるが、これらに限定されない。光ディスクの例としては、ＣＤ−ＲＯＭ、ＣＤ−ＲＷ、ＣＤ−Ｒ、ＤＶＤ−ＲＯＭ、ＤＶＤ−ＲＷ、又はＤＶＤ−Ｒディスクなどの、コンパクトディスク（ＣＤ）及びデジタル汎用ディスク（ＤＶＤ）がある。コンピュータ可読記憶媒体という用語はまた、ネットワーク又は通信リンクを介してコンピュータ装置によってアクセスされることができる種々のタイプの記録媒体を指す。例えば、データは、モデム、インターネット、又はローカル・エリア・ネットワークを介して取り出されることができる。コンピュータ可読媒体上に具現化されたコンピュータ実行可能コードは、無線、有線、光ファイバケーブル、ＲＦなど、又は前述のものの任意の適切な組み合わせを含むがこれらに限定されない、任意の適切な媒体を使用して送信され得る。

コンピュータ可読信号媒体は、例えば、ベースバンドで、又は搬送波の一部として、コンピュータ実行可能コードがその中に具現化された伝搬データ信号を含むことができる。そのような伝播信号は、電磁、光学、又はそれらの任意の適切な組み合わせを含むが、それらに限定されない、任意の様々な形態をとることができる。コンピュータ可読信号媒体は、命令実行システム、機器又は装置によって又はそれに関連して使用されるプログラムを通信、伝播、又は転送することができる、コンピュータ可読記憶媒体ではない任意のコンピュータ可読媒体でありうる。

「コンピュータメモリ」又は「メモリ」は、コンピュータ可読記憶媒体の一例である。コンピュータメモリは、プロセッサに直接アクセス可能な任意のメモリである。「コンピュータ記憶装置」又は「記憶装置」は、コンピュータ可読記憶媒体の他の例である。コンピュータ記憶装置は、任意の不揮発性コンピュータ可読記憶媒体である。いくつかの実施形態において、コンピュータ記憶装置は、コンピュータメモリであってもよく、又はその逆であってもよい。

本明細書で使用される「プロセッサ」は、プログラム又はマシン実行可能命令又はコンピュータ実行可能コードを実行することができる電子コンポーネントを包含する。「プロセッサ」を有するコンピューティングデバイスへの言及は、複数のプロセッサ又はプロセッシングコアを含む可能性があるものとして解釈されるべきである。プロセッサは、例えば、マルチコアプロセッサでありうる。プロセッサは更に、単一のコンピュータシステム内のプロセッサの集合を指してもよく、又は複数のコンピュータシステム間に分散されてもよい。更に、コンピューティングデバイスという用語は、各々が１又は複数のプロセッサを有するコンピューティングデバイスの集合体又はネットワークを意味する場合もあると解釈されるべきである。コンピュータ実行可能コードは、同一のコンピューティングデバイス内にあってもよく、又は複数のコンピューティングデバイスに分散されていてもよい複数のプロセッサによって実行されることができる。

コンピュータ実行可能コードは、プロセッサに本発明の態様を実行させるマシン実行可能命令又はプログラムを有することができる。本発明の態様のための動作を実行するためのコンピュータ実行可能コードは、Ｊａｖａ、Ｓｍａｌｌｔａｌｋ、Ｃ＋＋などのオブジェクト指向プログラミング言語、及び'Ｃ'プログラミング言語又は同様のプログラミング言語などの従来のプロシージャルプログラミング言語を含む、１又は複数のプログラミング言語の任意の組み合わせで書かれ、マシン実行可能命令にコンパイルされる。場合によっては、コンピュータ実行可能コードは、高級言語の形態であっても、コンパイル済みの形態であってもよく、オンザフライでマシン実行可能命令を生成するインタプリタと共に使用されることもできる。

コンピュータ実行可能コードは、スタンドアロンソフトウェアパッケージとして完全にユーザのコンピュータ上で又は部分的にユーザのコンピュータ上で実行されるか、部分的にユーザのコンピュータ上で及び部分的にリモートコンピュータ上で実行されるか、又は完全にリモートコンピュータ又はサーバ上で実行されることができる。後者のシナリオでは、リモートコンピュータは、ローカルエリアネットワーク又は広域ネットワークを含む任意のタイプのネットワークを介してユーザのコンピュータに接続されることができ、又は、接続は、（例えば、インターネットサービスプロバイダを用いてインターネットを介して）外部コンピュータに対して行われてもよい。

本発明の態様は、本発明の実施形態による方法、装置（システム）、及びコンピュータプログラム製品のフローチャート図及び／又はブロック図を参照して説明される。フローチャート、図、及び／又はブロック図の各ブロック又はブロックの一部は、適用可能な場合、コンピュータ実行可能コードの形態のコンピュータプログラム命令によって実現可能であることが理解されるであろう。更に、相互に排他的ではない場合、それぞれ異なるフローチャート、図、及び／又はブロック図におけるブロックが組み合わせられることができることを理解されたい。これらのコンピュータプログラム命令は、汎用コンピュータ、専用コンピュータ、又は他のプログラマブルデータ処理装置のプロセッサに提供されて、コンピュータ又は他のプログラマブルデータ処理装置のプロセッサを介して実行される命令が、フローチャート及び／又はブロック図の１つ又は複数のブロックで指定された機能／動作を実施する手段を作成するように、マシンを生成することができる。

これらのコンピュータプログラム命令は、コンピュータ、他のプログラマブルデータ処理装置、又は他のデバイスに特定の方法で機能するように指示することができるコンピュータ可読媒体に記憶することもでき、その結果、コンピュータ可読媒体に記憶された命令は、フローチャート及び／又はブロック図の１つ又は複数のブロックに指定される機能／動作を実現する命令を含む製品を生成する。

コンピュータプログラム命令は更に、コンピュータ、他のプログラマブルデータ処理装置、又は他のデバイスにロードされて、一連の動作ステップがコンピュータ、他のプログラマブル装置、又は他のデバイス上で実行されて、コンピュータ又は他のプログラマブル装置上で実行される命令が、フローチャート及び／又はブロック図の１つ又は複数のブロックに指定される機能／動作を実現するためのプロセスを提供するように、コンピュータ実現されるプロセスを生成することも可能である。

「ユーザインタフェース」という語は、本明細書で使用される場合、ユーザ又はオペレータがコンピュータ又はコンピュータシステムと対話することを可能にするインタフェースである。「ユーザインタフェース」は、「ヒューマンインタフェースデバイス」とも呼ばれる。ユーザインタフェースは、オペレータに情報又はデータを提供し、及び／又はオペレータから情報又はデータを受け取ることができる。ユーザインタフェースは、オペレータからの入力をコンピュータが受け取ることを可能にし、コンピュータからユーザに出力を提供することができる。換言すれば、ユーザインタフェースは、オペレータがコンピュータを制御又は操作することを可能にすることができ、インタフェースは、コンピュータがオペレータの制御又は操作の効果を示すことを可能にすることができる。ディスプレイ又はグラフィカルユーザインタフェース上へのデータ又は情報の表示は、オペレータに情報を提供する一例である。キーボード、マウス、トラックボール、タッチパッド、ポインティングスティック、グラフィックスタブレット、ジョイスティック、ゲームパッド、ウェブカメラ、ヘッドセット、ギアスティック、ステアリングホイール、ペダル、ワイヤードグローブ、ダンスパッド、リモートコントロール、及び加速度計を介したデータの受信は、すべて、オペレータからの情報又はデータの受信を可能にするユーザインタフェースコンポーネントの例である。

「ハードウェアインタフェース」は、本明細書で使用される場合、コンピュータシステムのプロセッサが、外部のコンピューティングデバイス及び／又は装置と相互作用し、及び／又はそれらを制御することを可能にするインタフェースを包含する。ハードウェアインタフェースは、プロセッサが、制御信号又は命令を外部コンピューティングデバイス及び／又は装置に送信することを可能にし得る。ハードウェアインタフェースは更に、プロセッサが外部コンピューティングデバイス及び／又は装置とデータを交換することを可能にしうる。ハードウェアインタフェースの例としては、ユニバーサルシリアルバス、ＩＥＥＥ１３９４ポート、パラレルポート、ＩＥＥＥ１２８４ポート、シリアルポート、ＲＳ２３２ポート、ＩＥＥＥ４８８ポート、ブルートゥース接続、無線ローカルエリアネットワーク接続、ＴＣＰ／ＩＰ接続、イーサネット接続、制御電圧インタフェース、ＭＩＤＩインタフェース、アナログ入力インタフェース、及びデジタル入力インタフェースがあるが、これらに限定されない。

「ディスプレイ」又は「表示装置」は、本明細書で使用される場合、画像又はデータを表示するように適応された出力デバイス又はユーザインタフェースを包含する。ディスプレイは、視覚データ、聴覚データ、及び／又は触覚データを出力することができる。

ディスプレイの例としては、コンピュータモニタ、テレビジョンスクリーン、タッチスクリーン、触覚電子ディスプレイ、点字スクリーン、陰極管（ＣＲＴ）、蓄積管、双安定ディスプレイ、電子ペーパー、ベクトルディスプレイ、フラットパネルディスプレイ、真空蛍光ディスプレイ（ＶＦ）、発光ダイオード（ＬＥＤ）ディスプレイ、エレクトロルミネッセンスディスプレイ（ＥＬＤ）、プラズマディスプレイパネル（ＰＤＰ）、液晶ディスプレイ（ＬＣＤ）、有機発光ダイオードディスプレイ（ＯＬＥＤ）、プロジェクタ、及びヘッドマウントディスプレイが挙げられるが、これらに限定されない。

本発明は、図面及び前述の説明において詳細に図示及び説明されてきたが、そのような図示及び説明は、説明的又は例示的であり、限定的ではないと考えられるべきであり、本発明は、開示された実施形態に限定されない。

開示された実施形態に対する他の変形は、図面、開示、及び添付の特許請求の範囲の検討から、特許請求された発明を実施する際に当業者によって理解され、実施されることができる。請求項において、「有する、含む（comprising）」という語は、他の構成要素又はステップを排除するものではなく、不定冠詞「a」又は「an」は、複数を排除するものではない。単一のプロセッサ又は他のユニットは、特許請求の範囲に列挙されるいくつかのアイテムの機能を満たすことができる。特定の手段が相互に異なる従属請求項に記載されているという単なる事実は、これらの手段の組み合わせが有利に使用されることができないことを示すものではない。コンピュータプログラムは、他のハードウェアと一緒に、又はその一部として供給される光学記憶媒体又はソリッドステート媒体などの適切な媒体上に記憶／配布されることができるが、インターネット又は他の有線もしくは無線電気通信システムなどを介して、他の形態で配布されることもできる。特許請求の範囲におけるいかなる参照符号も、請求項の範囲を限定するものとして解釈されるべきではない。

１００ 医用システム
１０１ スキャンイメージングシステム
１０３ プロセッサ
１０７ メモリ
１０８ 電源
１０９ バス
１１１ 制御システム
１２１ ソフトウェア
１２５ ディスプレイ
１２９ ユーザインタフェース
１５０ ＡＩコンポーネント
２０１−２１１ 方法ステップ
３００ 磁気共鳴イメージングシステム
３０４ 磁石
３０６ 磁石のボア
３０８ イメージングゾーン
３１０ 勾配磁場コイル
３１２ 勾配磁場コイル電源
３１４ 高周波コイル
３１５ ＲＦ増幅器
３１８ 対象

Claims (14)

1. 予め決められた解剖学的構造の解剖学的ランドマークを位置特定するための医用イメージング方法であって、
   ａ）取得パラメータセットを使用して取得された画像データ内の解剖学的ランドマークを予測し、画像データの後続の取得のために前記取得パラメータセットの後続の取得パラメータセットを予測するための機械学習モデルにアクセスするステップと、
   ｂ）現在の取得パラメータセットを決定するステップと、
   ｃ）解剖学的構造のスライスを表す調査画像データを受け取るステップであって、前記調査画像データは、前記現在の取得パラメータセットを有する、ステップと、
   ｄ）前記機械学習モデルを用いて、前記受け取られた調査画像データ内の解剖学的ランドマークを識別するステップと、
   ｅ）前記機械学習モデルを使用して別の取得パラメータセットを予測し、前記予測された取得パラメータセットを前記現在のパラメータセットとして使用して、予め決められた繰り返し回数にわたってステップｃ）−ｅ）を繰り返すステップと、
   ｆ）前記識別された解剖学的ランドマークを提供するステップと、
   を有する方法。
2. 前記機械学習モデルを使用して、前記識別された解剖学的ランドマークに信頼レベルを割り当てるステップを更に有し、前記繰り返し回数は、予め決められた閾値よりも高い信頼レベルを得るために必要とされる繰り返し回数である、請求項１に記載の方法。
3. 画像データのトレーニングセットに、既知のランドマークのセット及び複数の取得パラメータセットを提供するステップと、前記機械学習モデルを生成するために、前記トレーニングセットに対し学習アルゴリズムを実行するステップと、を更に有する、請求項１又は２に記載の方法。
4. 前記トレーニングセットは、前記ランドマークのセットの各々のロケーションを示す、請求項３に記載の方法。
5. 前記トレーニングセットは、前記解剖学的構造の３Ｄボリュームを表す画像データを有する、請求項３又は４に記載の方法。
6. 前記学習アルゴリズムの実行は、前記トレーニングセットから、所与のパラメータセットに対応するスライスを表す画像データを決定するステップと、前記スライスに対し前記学習アルゴリズムを実行するステップと、を有する、請求項３乃至５のいずれか１項に記載の方法。
7. 前記トレーニングセットから前記所与のパラメータセットに対応するスライスを表す画像データを決定する前記ステップは、マルチプラナリフォーマット方法を使用して実行される、請求項６に記載の方法。
8. 前記取得パラメータセットが、
   前記解剖学的構造のスライスの標示、
   前記画像データのボクセルサイズ、
   前記画像データのボクセル数、
   前記画像データ内のボクセル中心、
   前記スライスの３Ｄ方向、
   のうちの少なくとも１つを含む、請求項１乃至７のいずれか１項に記載の方法。
9. 前記機械学習モデルが深層学習モデルである、請求項１乃至８のいずれか１項に記載の方法。
10. 前記予測された取得パラメータセットが、前記取得パラメータセット及び／又は修正された取得パラメータセットについてそれぞれ異なる値を有し、前記修正された取得パラメータセットが、前記画像データのエコー時間（ＴＥ）、反復時間（ＴＲ）、及び／又はフリップ角度を有する、請求項１乃至９のいずれか１項に記載の方法。
11. 前記提供された解剖学的ランドマークを使用して、後続の医用画像のスキャン計画を実行するステップを更に有する、請求項１乃至１０に記載の方法。
12. プロセッサにより実行されるマシン実行可能命令を有するコンピュータプログラムであって、前記マシン実行可能命令の実行は、前記プロセッサに、請求項１乃至１１のいずれか１項に記載の方法を実行させる、コンピュータプログラム。
13. 医用分析システムであって、マシン実行可能命令を有するメモリと、前記医用分析システムを制御するプロセッサと、を有し、前記マシン実行可能命令の実行は、前記プロセッサに、
    ａ）取得パラメータセットを使用して取得された画像データ内の解剖学的ランドマークを予測し、画像データの後続の取得のために前記取得パラメータセットの後続の取得パラメータセットを予測するための機械学習モデルにアクセスするステップと、
    ｂ）現在の取得パラメータセットを決定するステップと、
    ｃ）前記解剖学的構造のスライスを表す調査画像データを受信するステップであって、前記調査画像データは、前記現在の取得パラメータセットを有する、ステップと、
    ｄ）前記機械学習モデルを用いて、前記取得された調査画像データ内の解剖学的ランドマークを識別するステップと、
    ｅ）前記機械学習モデルを使用して別の取得パラメータセットを予測し、前記予測された取得パラメータセットを前記現在のパラメータセットとして使用して、予め決められた繰り返し回数にわたってステップｃ）−ｅ）を繰り返すステップと、
    ｆ）前記識別された解剖学的ランドマークを提供するステップと、
    を実行させる、医用分析システム。
14. 請求項１３に記載の医用分析システムを有する磁気共鳴イメージングシステムであって、前記調査画像データを取得するように構成される、磁気共鳴イメージングシステム。

Images