JP6434036B2 - 脳の磁気共鳴画像における多関節構造レジストレーション - Google Patents
脳の磁気共鳴画像における多関節構造レジストレーション Download PDFInfo
- Publication number
- JP6434036B2 JP6434036B2 JP2016544627A JP2016544627A JP6434036B2 JP 6434036 B2 JP6434036 B2 JP 6434036B2 JP 2016544627 A JP2016544627 A JP 2016544627A JP 2016544627 A JP2016544627 A JP 2016544627A JP 6434036 B2 JP6434036 B2 JP 6434036B2
- Authority
- JP
- Japan
- Prior art keywords
- brain
- image data
- registration
- substructure
- registered
- 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.)
- Active
Links
- 210000004556 brain Anatomy 0.000 title claims description 133
- 238000002595 magnetic resonance imaging Methods 0.000 title description 9
- 238000000034 method Methods 0.000 claims description 20
- 238000011524 similarity measure Methods 0.000 claims description 5
- 230000009466 transformation Effects 0.000 claims description 5
- 230000011218 segmentation Effects 0.000 claims description 4
- 238000003384 imaging method Methods 0.000 description 18
- 210000001320 hippocampus Anatomy 0.000 description 14
- 230000015654 memory Effects 0.000 description 10
- 230000000971 hippocampal effect Effects 0.000 description 9
- 238000003745 diagnosis Methods 0.000 description 5
- 230000003068 static effect Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000013480 data collection Methods 0.000 description 3
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 2
- 210000003484 anatomy Anatomy 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000011002 quantification Methods 0.000 description 2
- 208000024827 Alzheimer disease Diseases 0.000 description 1
- 206010003694 Atrophy Diseases 0.000 description 1
- 208000003174 Brain Neoplasms Diseases 0.000 description 1
- 206010012289 Dementia Diseases 0.000 description 1
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 1
- 241001653634 Russula vesca Species 0.000 description 1
- 208000006011 Stroke Diseases 0.000 description 1
- 230000037444 atrophy Effects 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000037237 body shape Effects 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 230000004641 brain development Effects 0.000 description 1
- 210000005013 brain tissue Anatomy 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 210000001947 dentate gyrus Anatomy 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 210000001353 entorhinal cortex Anatomy 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 239000001307 helium Substances 0.000 description 1
- 229910052734 helium Inorganic materials 0.000 description 1
- SWQJXJOGLNCZEY-UHFFFAOYSA-N helium atom Chemical compound [He] SWQJXJOGLNCZEY-UHFFFAOYSA-N 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 125000004435 hydrogen atom Chemical class [H]* 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000005415 magnetization Effects 0.000 description 1
- 210000004165 myocardium Anatomy 0.000 description 1
- 230000004770 neurodegeneration Effects 0.000 description 1
- 208000015122 neurodegenerative disease Diseases 0.000 description 1
- 229910052698 phosphorus Inorganic materials 0.000 description 1
- 239000011574 phosphorus Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 210000002637 putamen Anatomy 0.000 description 1
- 210000001103 thalamus Anatomy 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Images
Classifications
-
- 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
-
- 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
- A61B5/0042—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 for the brain
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/40—Detecting, measuring or recording for evaluating the nervous system
- A61B5/4058—Detecting, measuring or recording for evaluating the nervous system for evaluating the central nervous system
- A61B5/4064—Evaluating the brain
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
- G06F18/21355—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis nonlinear criteria, e.g. embedding a manifold in a Euclidean space
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/60—Rotation of whole images or parts thereof
-
- 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
-
- 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
- G06T7/37—Determination of transform parameters for the alignment of images, i.e. image registration using transform domain methods
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2576/00—Medical imaging apparatus involving image processing or analysis
- A61B2576/02—Medical imaging apparatus involving image processing or analysis specially adapted for a particular organ or body part
- A61B2576/026—Medical imaging apparatus involving image processing or analysis specially adapted for a particular organ or body part for the brain
-
- 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
- G06T2207/10088—Magnetic resonance imaging [MRI]
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20016—Hierarchical, coarse-to-fine, multiscale or multiresolution image processing; Pyramid transform
-
- 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
- G06T2207/30016—Brain
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- General Health & Medical Sciences (AREA)
- Radiology & Medical Imaging (AREA)
- Medical Informatics (AREA)
- Neurology (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- Surgery (AREA)
- Heart & Thoracic Surgery (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Biophysics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Neurosurgery (AREA)
- Physiology (AREA)
- High Energy & Nuclear Physics (AREA)
- Quality & Reliability (AREA)
- Psychology (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Description
アルツハイマー病及びその他の種類の認知症は、膨大な数の人を襲っている消耗状態である。このような状態の発症の早期発見は、早期介入を容易にし、患者の健康、生活の質、及び全体としての転帰を向上させることができる。これらの状態は、脳の海馬部分の萎縮に結び付けられてきた。
脳の磁気共鳴（ＭＲ）ボリュームのレジストレーションは、脳情報の処理のための基本的演算である。この情報は、脳腫瘍の診断、小児の脳の発達の診断、脳卒中治療、及び神経変性病の診断で使用されている。診断のために処理されるべきターゲットの脳である１つの脳の、その構造についての既知の情報を含んだテンプレート又はアトラスの脳である別の１つの脳に対するレジストレーションは、臨床医がターゲットの脳とテンプレートの脳との間でボクセルごとに形状及び明暗度の情報を比較することを可能にする。ターゲット脳とテンプレート脳との間での形状／明暗度の違いの特定及び定量化は、臨床医が、自動的又は半自動的に、脳診断のための特徴を生成することを可能にする。
脳のレジストレーションのための現行手法は、（ｉ）グローバル（大域的）レジストレーションと、（ｉｉ）ローカル（局所的）レジストレーションとに分類される。グローバルレジストレーション法では、ターゲット脳の全体が、重心の平行移動と、例えばアフィン変換によってなどでの回転との組み合わせによって、テンプレート脳にレジストレーションされる。ローカルレジストレーションでは、ターゲット脳の各ボクセルが、テンプレート脳ボクセルの形状及び明暗度特性に合致するように変換される。
上で提示した、これらの現在知られている方法は、例えばアフィンレジストレーションなどのグローバルレジストレーション若しくは計算による生体構造でのローカルレジストレーションの何れか、又は双方の組み合わせによる、２Ｄ／３Ｄの領域／物体のレジストレーションを提案している。しかしながら、これらのレジストレーション手法は、グローバル又はローカルのレジストレーションの何れの取り組みにも、物体構造情報を組み入れていない。
一実施形態によれば、脳レジストレーションシステムは、レジストレーションプロセッサを有し、レジストレーションプロセッサは、脳画像データを注釈付け、グローバル脳レジストレーションを用いて、脳画像データをテンプレート画像データとレジストレーションし、ローカル脳サブ構造レジストレーションを用いて、脳画像データの少なくとも１つの脳構造をテンプレート画像データの対応する脳構造に対してレジストレーションし、且つレジストレーションされた脳構造の多関節サブ構造同士を関節接合し、多関節サブ構造レジストレーションを用いてレジストレーションを改善するように構成されたプロセッサを有する。
１つの方法によれば、脳レジストレーションの方法は、脳画像データを注釈付け、グローバル脳レジストレーションを用いて、脳画像データをテンプレート画像データとレジストレーションし、ローカル脳サブ構造レジストレーションを用いて、脳画像データの少なくとも１つの脳構造をテンプレート画像データの対応する脳構造に対してレジストレーションし、且つレジストレーションされた脳構造の多関節サブ構造同士を関節接合し、多関節サブ構造レジストレーションを用いてレジストレーションを改善することを有する。
他の一実施形態によれば、脳レジストレーションシステムは、脳画像データを注釈付ける注釈付けモジュールと、グローバル脳レジストレーションを用いて、脳画像データをテンプレート画像データとレジストレーションするグローバルレジストレーションモジュールと、ローカル脳サブ構造レジストレーションを用いて、脳画像データの少なくとも１つの脳構造をテンプレート画像データの対応する脳構造に対してレジストレーションするローカルレジストレーションモジュールと、レジストレーションされた脳構造の多関節サブ構造同士を関節接合し、多関節サブ構造レジストレーションを用いてレジストレーションを改善する関節接合モジュールとを有する。
１つの利点は、脳ＭＲＩとテンプレート脳との間の増大された重なり合いである。
他の１つの利点は、グローバル及びローカルの脳レジストレーション手法の間の橋渡しである。
以下の詳細な説明を読んで理解した当業者には、本発明のより更なる利点が理解されることになる。
本出願は、グローバルレジストレーションとローカルレジストレーションとの間で機能する方法を提供する。本出願は、一組の多関節サブ構造によって表現される脳構造のレジストレーションを提供する。これは、解剖学的及び機能的に、例えば海馬、視床、及び被殻などの脳構造は一組のサブ構造（部分構造）からなることを考慮に入れるものである。これらのサブ構造の形状、姿勢及び明暗度は、脳ごとに、そして更には同一の脳の異なる脳半球間で様々である。各々の脳サブ構造が、剛体形状とそれに関連する表面明暗値とによって記述され、それが多関節物体として変形される。この多関節変形は、機械的なヒンジと同様の接点ポイントの周りの一組の回転を記述する。各サブ構造はまた、レジストレーションを可能な限り精密にするために、より小さいサブ部分に細分化されることができる。
図１を参照するに、磁気共鳴（ＭＲ）撮像システム１０は、ＭＲを利用して、患者１２の関心領域（ＲＯＩ）すなわち脳を画像化する。システム１０は、ＲＯＩを収容するサイズにされる撮像ボリューム１６（透視的に示している）を定めるスキャナ１４を含んでいる。患者サポート（支持台）が、スキャナ１４内で患者１２を支持するために使用されることができ、撮像ボリューム１６内にＲＯＩを位置付けることを支援する。
スキャナ１４は、撮像ボリューム１６の全体に延在する強い静Ｂ０磁場を作り出す主磁石１８を含んでいる。主磁石１８は典型的に、超伝導コイルを用いて静Ｂ０磁場を作り出す。しかしながら、主磁石１８はまた、永久磁石又は常伝導磁石を採用することもできる。超伝導コイルが採用される限りにおいて、主磁石１８は、例えば液体ヘリウム冷却される低温保持装置などの、超伝導コイル用の冷却システムを含む。静Ｂ０磁場の強さは一般に、撮像ボリューム１６内で０．２３テスラ、０．５テスラ、１．５テスラ、３テスラ、及び７テスラなどのうちの１つであるが、その他の強さも企図される。
スキャナ１４の勾配コントローラ２０が、スキャナ１４の複数の磁場勾配（グラディエント）コイル２２を用いて撮像ボリューム１６内の静Ｂ０磁場に例えばｘ、ｙ及びｚ勾配などの磁場勾配を重畳するように制御される。磁場勾配は、撮像ボリューム１６内の磁気スピンを空間エンコードする。典型的に、複数の磁場勾配コイル２２は、３つの直交する空間方向で空間エンコードを行う３つの別々の磁場勾配コイルを含む。
さらに、例えばトランシーバなどの１つ以上の送信器２４が、スキャナ１４の例えば全身コイル２６及び／又は表面コイル２８などの１つ以上の送信コイルアレイを用いて撮像ボリューム１６内にＢ１共鳴励起・操作ラジオ周波数（ＲＦ）パルスを送るように制御される。Ｂ１パルスは、典型的に短時間のものであり、磁場勾配とともに用いられるとき、磁気共鳴の選択された操作を達成する。例えば、Ｂ１パルスが、水素ダイポールを共鳴へと励起し、磁場勾配が、共鳴信号の周波数及び位相の中に空間情報をエンコードする。ＲＦ周波数を調節することにより、例えば骨などの既知の組織に集まる傾向にあるリンなどのその他のダイポールに共鳴を励起することができる。
例えばトランシーバなどの１つ以上の受信器３０が、撮像ボリューム１６からの空間エンコードされた磁気共鳴信号を受信し、且つ受信した空間エンコードされた磁気共鳴信号をＭＲデータセットへと復調するように制御される。ＭＲデータセットは、例えば、ｋ空間データ軌跡を含む。空間エンコードされた磁気共鳴信号を受信するため、受信器３０は、スキャナ１４の例えば全身コイル２６及び／又は表面コイル２８などの１つ以上の受信コイルアレイを使用する。受信器３０は典型的に、ＭＲデータセットをバッファメモリに格納する。
システム１０のバックエンドシステム５８が、スキャナ１４を用いてＲＯＩを画像化する。バックエンドシステム５８は典型的に、スキャナ１４から遠隔であり、スキャナ１４を用いたＲＯＩの撮像を実行するための複数のモジュール６０（後述）を含んでいる。有利には、バックエンドシステムは、精密でないインバージョン時間選択の影響なく心筋を特徴付けることができ、標準的尺度での真に定量的な信号定量化を提供することができる。
バックエンドシステム５８の制御モジュール６２が、バックエンドシステム５８の全体的な動作を制御する。制御モジュール６２は好ましくは、バックエンドシステム５８の表示装置６４を用いて、バックエンドシステム５８のユーザにグラフィカルユーザインタフェース（ＧＵＩ）を表示する。また、制御モジュール６２は好ましくは、オペレータがバックエンドシステム５８のユーザ入力装置６６を用いてＧＵＩとインタラクトすることを可能にする。例えば、ユーザは、ＧＵＩとインタラクトして、ＲＯＩの撮像をコーディネートするようにバックエンドシステム５８に指示することができる。
バックエンドシステム５８のデータ収集モジュール６８が、ＲＯＩのＭＲスキャンを実行する。各ＭＲスキャンに関して、データ収集モジュール６８は、例えばスライス数などのスキャンパラメータに従って送信器２４及び／又は勾配コントローラ２０を制御して、撮像ボリューム１６内で撮像シーケンスを実行する。撮像シーケンスは、撮像ボリューム１６からの空間エンコードされたＭＲ信号を作り出すＢ１パルス及び／又は磁場勾配のシーケンスを規定する。また、データ収集モジュール６８は、空間エンコードされたＭＲ信号を収集するためのスキャンパラメータに従って受信器３０及びドライバ回路３６の同調／離調制御信号を制御し、ＭＲデータセットとする。ＭＲデータセットは典型的に、バックエンドシステム５８の少なくとも１つのストレージメモリ７０に格納される。
ＭＲ収集に備えて、ＲＯＩが撮像ボリューム１６内に位置付けられる。例えば、患者１２が患者サポート上に位置付けられる。次いで、例えば８チャンネル又は３２チャンネルの受信頭部コイルといった表面コイル２８が患者１２上に位置付けられ、患者サポートがＲＯＩを撮像ボリューム１６の中へと移動させる。
バックエンドシステム５８の再構成モジュール７２が、ＭＲ診断スキャンのＭＲデータセットを、ＲＯＩのＭＲ画像又はマップへと再構成する。これは、ＭＲデータセットによってキャプチャされた各ＭＲ信号に関して、磁場勾配による空間エンコードを空間デコードして、例えば各ピクセル又は各ボクセルなどの各空間領域からのＭＲ信号の特性を突き止めることを含む。一般に、ＭＲ信号の強さ又は大きさが解明されるが、位相、緩和時間、磁化移動、及びこれらに類するものなどに関係するその他の特性を解明することもできる。収集されたＭＲ画像又はマップは典型的に、ストレージメモリ７０に格納され得る。メモリ７０はまた、正常な状態及び／又は様々な疾患状態を描写する脳のテンプレート又はアトラスも格納する。
バックエンドシステム５８のレジストレーションプロセッサ７４が、図２に示す強化さえたターゲット脳内での多関節構造レジストレーションの方法１００を実行する。方法１００は、ターゲット脳の中のセグメント化された構造の、テンプレート脳構造に対する改善されたレジストレーションを可能にする。方法１００は、海馬のサブ構造のセグメンテーション及びレジストレーションを記述するが、その他の解剖学的構造も企図される。
例示した方法１００によれば、レジストレーションプロセッサ７４は、データ収集モジュール６８からＭＲデータを受信する。ＭＲデータは、ターゲットの脳又はその他の関心領域の撮影されたＭＲ画像を含む。次いで、レジストレーションプロセッサ７４は、脳サブ構造の注釈付け（アノテーション）１０４を実行し、例えば、撮像領域内の関心ある脳構造及び隣接する構造のセグメンテーションを実行する。セグメント化された構造は、例えば、位置形状、隣接する構造、及びこれらに類するものに基づいて、特定されてラベル付けられる。脳サブ構造の注釈付け１０４は、専門的な注釈付けに基づき、先験的な脳サブ構造の形状及び姿勢を決定する。図３を参照するに、収集されたターゲット脳画像の上に、専門的に注釈付けられた海馬サブ構造２０２が重ねられている。
レジストレーションプロセッサ７４は、グローバルレジストレーション１０６を実行する。レジストレーションプロセッサ７４は、第１に、０次及び１次のモーメントに基づいて、収集されたターゲットＭＲＩ脳画像及び基準テンプレートＭＲＩ画像の重心（ＣＭ）を計算する。この情報に基づき、テンプレート脳画像が、そのＣＭが収集ターゲット脳画像のＣＭと同じ位置になるように平行移動される。第２に、レジストレーションプロセッサ７４は、モーメントに基づいてテンプレート脳画像及び収集ターゲット脳画像に関する３つの直交する方向軸を計算し、次いで、テンプレート脳座標軸を、収集ターゲット脳画像の座標軸と揃うように回転させる。第３に、レジストレーションプロセッサ７４は、２つの脳ボリュームの重なり合いを最大化するように、３つの座標軸に沿ってテンプレート脳の関心ボリュームをスケーリングし、これは、等方的（アイソトロピック）なモーメントベースのグローバルレジストレーションと呼ばれる。一実施形態において、スケーリングは実行されず、これは、異方的（アンアイソトロピック）なモーメントベースのグローバルレジストレーションと呼ばれる。一実施形態において、グローバル脳レジストレーションは、例えばＥｌａｓｔｉｘなどのレジストレーションソフトウェアを用いて実行される。
関心ボリューム、すなわち、海馬の全体を発見するため、レジストレーションプロセッサ７４は、テンプレート脳の各直交方向における境界の交わりを計算する。レジストレーションプロセッサ７４は、テンプレートの関心ボリュームを用いて、ターゲット脳の関心ボリュームを計算する。
レジストレーションプロセッサ７４は、多関節サブ構造レジストレーション１０８を実行する。多関節サブ構造レジストレーションは、脳構造の内部の関節の存在を用いて、例えば収集ターゲット脳ＭＲＩである１つの関節接合可能な画像を、例えばテンプレート脳画像である固定された画像にアライメントする。図４を参照するに、レジストレーションさえたターゲット海馬がテンプレート脳画像にオーバーレイされており、海馬の一部は重なっており、一部は揃っていない。収集ターゲット脳画像の海馬がテンプレート脳画像に正しくレジストレーションされているところ３０２では、画像が例えば緑（斜めのストライプ領域）で色分けされる。海馬部分が正しく揃っていないところ３０４では、ターゲット画像が例えば赤（横方向のストライプ領域）で色分けされ、そして、基準テンプレート画像内の海馬構造の揃っていない部分３０６が、例えば白（白色領域）である第３の色で色分けされる。多関節サブ構造レジストレーション１０８は、例えば収集ターゲット画像内の揃っていない海馬部分であるサブ構造の各々を、狙いのテンプレート画像３０６上への重なりが増大するように回転させることによって、不正確なレジストレーション３０４を補償する。多関節サブ構造レジストレーション１０８は、重なり合いを増大させるように、海馬のサブ構造又は部分を、海馬のその他の部分に対して関節接合する。図５を参照するに、海馬の複数部分に従った複数のサブ構造へと分割された、関節接合された海馬が示されている。サブ構造は、鉤状回ＳＵＢ、歯状回ＤＧ、内嗅皮質ＥＣ、又はアンモン角ＣＡ１、ＣＡ２、ＣＡ３を含む。
各サブ構造の関心ボリュームを発見するため、レジストレーションプロセッサ７４は、テンプレート脳の各直交方向における境界の交わりを計算する。レジストレーションプロセッサ７４は、テンプレートサブ構造の関心ボリュームを用いて、ターゲット脳のサブ構造の関心ボリュームを計算する。
レジストレーションプロセッサ７４は、ローカル脳レジストレーション１１０を実行して、ターゲット脳構造をテンプレート脳構造に対してレジストレーションする。ローカルレジストレーションは、ターゲット脳画像内の各ボクセルを、対応するテンプレート脳画像ボクセルの形状及び明暗度特性に合致するように変換する。ローカル脳レジストレーションは、例えば、ローカルのピクセル（ボクセル）明暗度補間のためにＢスプラインを適用することを含む。一実施形態において、ローカル脳レジストレーションは、例えばＥｌａｓｔｉｘ又はＦＳＬ ＦＬＩＲＴなどのレジストレーションソフトウェアを用いて実行される。
図６を参照するに、レジストレーションプロセッサ７４は、多関節サブ構造レジストレーション１０８を、先ず、脳サブ構造連結ジョイントを計算５０２することによって実行する。連結ジョイントは、それによって２つのサブ構造（例えば、揃っていない海馬部分と、揃っている海馬部分）が接続される連結箇所である。ＭＲ画像ピクセル／ボクセルが、全てのピクセルが画像の明暗値とその値の物理的位置とを含むように、空間内の物理的な点にマッピングされる。レジストレーションプロセッサ７４は、２つのサブ構造間のジョイントを、空間内の物理的な点として表現する。図７を参照するに、画像内の２つのオブジェクト６０２／６０４が、例えば図４の海馬部分３０２及び３０４などの、２つのサブ構造を表す。レジストレーションプロセッサ７４は、ジョイント６０６を脳サブ構造連結ジョイントとして見出す。レジストレーションプロセッサ７４は、それらの間に最小のユークリッド距離を持つ一対のピクセル／ボクセル（構造６０２からの１ピクセル／ボクセルと構造６０４からの１ピクセル）を計算することによって、ジョイント６０６を計算する。一実施形態において、同一の最小距離を持つ対が２つ以上存在することもあり得るので、複数のピクセル対の組が計算される。レジストレーションプロセッサ７４は、全ての組み合わせのピクセル／ボクセル対を取得し、各対間の距離を比較することによって、最小ユークリッド距離を持つ対を計算する。レジストレーションプロセッサ７４は、計算した対の組から、各構造６０２、６０４からのピクセル／ボクセルの各々の平均位置を計算し、各構造の端点を見付ける。レジストレーションプロセッサ７４は、端点同士の間の中間点をジョイント６０６として計算する。
レジストレーションプロセッサ７４は、位置の整合を最大化するように、計算したジョイント６０６を中心とする回転５０４を適用する。海馬の例において、レジストレーションプロセッサ７４は、収集ターゲット脳画像の内の揃っていない海馬部分を、テンプレート脳画像内の対応する海馬部分とのアライメントを最適化するように、ジョイント６０６の周りで回転させる。レジストレーションプロセッサ７４は、先ず、収集画像とテンプレート画像との間の類似指標を計算５０６し、類似指標に従って画像間の類似度を最大化する。類似指標は、二乗差の和、正規化された相関係数、又は相互情報量指標、及びこれらに類するもののうちの１つとし得る。類似指標を用いて、レジストレーションプロセッサ７４は、例えば関節接合動作である最適な変換を計算する。一実施形態において、レジストレーションプロセッサ７４は、最適な変換を計算するために、レジストレーションプロセッサ７４が所定量の回転を適用して類似指標を計算し、次いでジョイント周りの回転を増やして類似指標を再計算するという、繰り返しプロセスを用いる。レジストレーションプロセッサ７４は繰り返し変換をＭＲＩバイナリ画像に適用し、それにより、ターゲット構造とＭＲＩ画像との間の重なり合いを最大化する。
複数のモジュール６０、１００、１１０の各々は、プロセッサ実行可能命令、回路（すなわち、プロセッサから独立）、又はこれら２つの組み合わせによって具現化され得る。プロセッサ実行可能命令は、バックエンドシステム５８の少なくとも１つのプログラムメモリ７６に格納され、バックエンドシステム５８の１つ以上のプロセッサ７８によって実行される。図示のように、複数のモジュール６０は、プロセッサ実行可能命令によって具現化される。しかしながら、理解されるように、バリエーションが企図される。例えば、データ収集モジュール６８は回路とし得る。
ここで使用されるとき、メモリは、非一時的なコンピュータ読み取り可能媒体、磁気ディスク若しくはその他の磁気記憶媒体、光ディスク若しくはその他の光記憶媒体、ランダムアクセスメモリ（ＲＡＭ）、読み出し専用メモリ（ＲＯＭ）、又はその他の電子メモリデバイス若しくはチップ、若しくは動作可能に相互接続された複数のチップ、又は、インターネット／イントラネット若しくはローカルエリアネットワークを介してそこから格納命令を取り出し得るインターネット／イントラネットサーバ、及びこれらに類するもののうちの１つ以上を含む。また、ここで使用されるとき、プロセッサは、マイクロプロセッサ、マイクロコントローラ、グラフィック処理ユニット（ＧＰＵ）、特定用途向け集積回路（ＡＳＩＣ）、ＦＰＧＡ、及びこれらに類するもののうちの１つ以上を含み、コントローラは、（１）プロセッサとメモリであり、プロセッサが、コントローラの機能を具現化するメモリ上のコンピュータ実行可能命令を実行する、プロセッサとメモリ、又は（２）コントローラの機能を実行するアナログ及び／又はデジタルのハードウェアを含み、ユーザ入力装置は、マウス、キーボード、タッチスクリーンディスプレイ、ボタン、スイッチ、音声認識エンジン、及びこれらに類するもののうちの１つ以上を含み、データベースは、１つ以上のメモリを含み、ユーザ出力装置は、表示装置、聴覚装置、及びこれらに類するものを含み、表示装置は、液晶ディスプレイ（ＬＣＤ）、発光ダイオード（ＬＥＤ）ディスプレイ、プラズマディスプレイ、プロジェクションディスプレイ、タッチスクリーンディスプレイ、及びこれらに類するもののうちの１つ以上を含む。
好適な実施形態を参照しながら本発明を説明した。以上の詳細な説明を読んで理解した者は変更及び改変に想到し得るであろう。意図されることには、本発明は、添付の請求項の範囲又はその均等範囲に入る限りにおいて、全てのそのような変更及び改変を含むとして解釈されるものである。
Claims (11)
- レジストレーションプロセッサを有する脳レジストレーションシステムであって、
前記レジストレーションプロセッサは、
磁気共鳴により取得された脳画像データを注釈付け、それにより、前記脳画像データ内の脳構造のセグメンテーションを取得し、
グローバル脳レジストレーションを用いて、前記脳画像データをテンプレート画像データとレジストレーションし、それにより、レジストレーションされた脳構造を有した、レジストレーションされた脳画像データを取得し、
前記レジストレーションされた脳構造の少なくとも１つのサブ構造の不正確なレジストレーションを補償する、
ように構成されたプロセッサを有し、
前記補償することは、
連結ジョイントは、それによって２つのサブ構造が接続される点であるとして、前記レジストレーションされた脳構造の一対のサブ構造間の連結ジョイントを特定し、且つ
前記レジストレーションされた脳画像データ内の前記一対のサブ構造のうち少なくとも一方を前記連結ジョイントの周りで回転させて、該回転されたサブ構造を有する前記レジストレーションされた脳画像データと前記テンプレート画像データとの間で計算される類似指標に従って、前記テンプレート画像データとの類似度を最大化する
ことを有する、
システム。 - 前記レジストレーションプロセッサは更に、
前記脳画像データ内の前記サブ構造を前記連結ジョイントの周りで繰り返し回転させるとともに、各繰り返しで、脳画像サブ構造とテンプレート画像サブ構造との間の類似指標を計算し、且つ
前記類似指標を最大化した繰り返しを選択する
ように構成されている、請求項１に記載のシステム。 - 前記レジストレーションプロセッサは更に、
前記少なくとも１つの脳構造と、対応するテンプレート構造との間の重なり合いを最大化するように、前記脳画像データに変換を適用する
ように構成されている、請求項１又は２に記載のシステム。 - 前記レジストレーションプロセッサは更に、
前記サブ構造間の全てのピクセル対／ボクセル対についてユークリッド距離を計算し、
最小のユークリッド距離を持つピクセル対／ボクセル対を選択し、且つ
前記選択されたピクセル対／ボクセル対の間の中間点を、前記サブ構造間の前記連結ジョイントとして計算する
ように構成されている、請求項１乃至３の何れか一項に記載のシステム。 - 前記グローバル脳レジストレーションは、アイソトロピックなモーメントベースのグローバルレジストレーションを含む、請求項１乃至４の何れか一項に記載のシステム。
- 脳レジストレーションの方法であって、
磁気共鳴により取得された脳画像データを注釈付け、それにより、前記脳画像データ内の脳構造のセグメンテーションを取得し、
グローバル脳レジストレーションを用いて、前記脳画像データをテンプレート画像データとレジストレーションし、それにより、レジストレーションされた脳構造を有した、レジストレーションされた脳画像データを取得し、
前記レジストレーションされた脳構造の少なくとも１つのサブ構造の不正確なレジストレーションを補償する、
ことを有し、
前記補償することは、
連結ジョイントは、それによって２つのサブ構造が接続される点であるとして、前記レジストレーションされた脳構造の一対のサブ構造間の連結ジョイントを特定し、且つ
前記レジストレーションされた脳画像データ内の前記一対のサブ構造のうち少なくとも一方を前記連結ジョイントの周りで回転させて、該回転されたサブ構造を有する前記レジストレーションされた脳画像データと前記テンプレート画像データとの間で計算される類似指標に従って、前記テンプレート画像データとの類似度を最大化する
ことを有する、
方法。 - 前記補償することは更に、
前記脳画像データ及び前記テンプレート画像データのうちの一方内の前記サブ構造を前記連結ジョイントの周りで繰り返し回転させるとともに、各繰り返しで、脳画像サブ構造とテンプレート画像サブ構造との間の類似指標を計算し、且つ
前記類似指標を最大化した繰り返しを選択する
ことを含む、請求項６に記載の方法。 - 前記少なくとも１つの脳構造と、対応するテンプレート構造との間の重なり合いを最大化するように、前記脳画像データに変換を適用する、
ことを含む請求項６又は７に記載の方法。 - 前記連結ジョイントを特定することは、
前記サブ構造間の全てのピクセル対／ボクセル対についてユークリッド距離を計算し、
最小のユークリッド距離を持つピクセル対／ボクセル対を選択し、且つ
前記選択されたピクセル対／ボクセル対の間の中間点を、前記サブ構造間の前記連結ジョイントとして計算する
ことを含む、請求項６乃至８の何れか一項に記載の方法。 - 前記グローバル脳レジストレーションは、アイソトロピックなモーメントベースのグローバルレジストレーションを含む、請求項６乃至９の何れか一項に記載の方法。
- 命令を有した非一時的なコンピュータ読み取り可能媒体であって、前記命令は、コンピュータによって実行されるときに、該コンピュータに、請求項６乃至１０の何れか一項に記載の方法を実行させる、非一時的なコンピュータ読み取り可能媒体。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US201461923821P | 2014-01-06 | 2014-01-06 | |
| US61/923,821 | 2014-01-06 | ||
| PCT/IB2015/050083 WO2015101961A1 (en) | 2014-01-06 | 2015-01-06 | Articulated structure registration in magnetic resonance images of the brain |
Publications (3)
| Publication Number | Publication Date |
|---|---|
| JP2017502772A JP2017502772A (ja) | 2017-01-26 |
| JP2017502772A5 JP2017502772A5 (ja) | 2018-05-31 |
| JP6434036B2 true JP6434036B2 (ja) | 2018-12-05 |
Family
ID=52440746
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2016544627A Active JP6434036B2 (ja) | 2014-01-06 | 2015-01-06 | 脳の磁気共鳴画像における多関節構造レジストレーション |
Country Status (5)
| Country | Link |
|---|---|
| US (1) | US10049448B2 (ja) |
| EP (1) | EP3092618B1 (ja) |
| JP (1) | JP6434036B2 (ja) |
| CN (1) | CN106030655B (ja) |
| WO (1) | WO2015101961A1 (ja) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111260546B (zh) * | 2020-03-11 | 2022-09-23 | 联想(北京)有限公司 | 一种图像处理方法、装置及电子设备 |
| CN116382465B (zh) * | 2023-02-17 | 2024-02-13 | 中国科学院自动化研究所 | 光学脑机接口***和方法 |
Family Cites Families (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE69332042T2 (de) | 1992-12-18 | 2003-01-02 | Koninkl Philips Electronics Nv | Ortungszurückstellung von relativ elastisch verformten räumlichen Bildern durch übereinstimmende Flächen |
| US7006677B2 (en) * | 2002-04-15 | 2006-02-28 | General Electric Company | Semi-automatic segmentation algorithm for pet oncology images |
| US7822456B2 (en) * | 2004-04-02 | 2010-10-26 | Agency For Science, Technology And Research | Locating a mid-sagittal plane |
| JP5676840B2 (ja) | 2004-11-17 | 2015-02-25 | コーニンクレッカ フィリップス エヌ ヴェ | 改良された弾性画像レジストレーション機能 |
| US20080292194A1 (en) * | 2005-04-27 | 2008-11-27 | Mark Schmidt | Method and System for Automatic Detection and Segmentation of Tumors and Associated Edema (Swelling) in Magnetic Resonance (Mri) Images |
| US8687917B2 (en) | 2005-05-02 | 2014-04-01 | Agency For Science, Technology And Research | Method and apparatus for registration of an atlas to an image |
| EP1894161A2 (en) | 2005-06-15 | 2008-03-05 | Koninklijke Philips Electronics N.V. | Method of model-based elastic image registration for comparing a first and a second image |
| US8068652B2 (en) * | 2008-08-29 | 2011-11-29 | General Electric Company | Semi-automated registration of data based on a hierarchical mesh |
| US8861891B2 (en) | 2010-03-05 | 2014-10-14 | Siemens Aktiengesellschaft | Hierarchical atlas-based segmentation |
| EP2545527B1 (en) * | 2010-03-11 | 2014-07-02 | Koninklijke Philips N.V. | Probabilistic refinement of model-based segmentation |
| GB201012519D0 (en) * | 2010-07-26 | 2010-09-08 | Ucl Business Plc | Method and system for anomaly detection in data sets |
| WO2013023073A1 (en) * | 2011-08-09 | 2013-02-14 | Boston Scientific Neuromodulation Corporation | System and method for weighted atlas generation |
| JP5989354B2 (ja) * | 2012-02-14 | 2016-09-07 | 東芝メディカルシステムズ株式会社 | 画像診断支援装置及び画像診断支援装置の作動方法 |
| US9569863B2 (en) * | 2012-08-06 | 2017-02-14 | Siemens Healthcare Gmbh | System for accelerated segmented MR image data acquisition |
-
2015
- 2015-01-06 WO PCT/IB2015/050083 patent/WO2015101961A1/en active Application Filing
- 2015-01-06 US US15/109,469 patent/US10049448B2/en active Active
- 2015-01-06 JP JP2016544627A patent/JP6434036B2/ja active Active
- 2015-01-06 CN CN201580003903.8A patent/CN106030655B/zh active Active
- 2015-01-06 EP EP15702007.4A patent/EP3092618B1/en active Active
Also Published As
| Publication number | Publication date |
|---|---|
| EP3092618A1 (en) | 2016-11-16 |
| WO2015101961A1 (en) | 2015-07-09 |
| US10049448B2 (en) | 2018-08-14 |
| JP2017502772A (ja) | 2017-01-26 |
| CN106030655B (zh) | 2019-07-23 |
| US20160328847A1 (en) | 2016-11-10 |
| EP3092618B1 (en) | 2018-08-29 |
| CN106030655A (zh) | 2016-10-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10631829B2 (en) | Segmentation of large objects from multiple three-dimensional views | |
| Hartkens et al. | Measurement and analysis of brain deformation during neurosurgery | |
| US20110228998A1 (en) | System and method for automatic computation of mr imaging scan parameters | |
| EP2870488B1 (en) | A method for maintaining geometric alignment of mr scans in cases of strong patient motion | |
| US10667786B2 (en) | Ultrasound imaging apparatus and method for segmenting anatomical objects | |
| JP2010125329A (ja) | 対称性検出及び画像位置合わせを用いた自動式走査計画のシステム及び方法 | |
| US11304683B2 (en) | Biopsy workflow using multimodal imaging | |
| CN112946547A (zh) | 用于从校准图像生成诊断扫描参数的***和方法 | |
| CN110797112A (zh) | 利用深度神经网络的自动图形处方的***和方法 | |
| JP6434036B2 (ja) | 脳の磁気共鳴画像における多関節構造レジストレーション | |
| US11119171B2 (en) | Systems and methods for adaptive multi-resolution magnetic resonance imaging | |
| Roujol et al. | Robust real-time-constrained estimation of respiratory motion for interventional MRI on mobile organs | |
| Zhang et al. | Adaptive non-rigid registration of real time 3d ultrasound to cardiovascular mr images | |
| Liu et al. | Thalamic nuclei segmentation in clinical 3T T1-weighted Images using high-resolution 7T shape models | |
| US20150161789A1 (en) | System and method for adaptive registration of varying contrast-weighted images for improved tissue characterization | |
| KR101467346B1 (ko) | 영상영역확장을 위한 자기공명영상 정합 및 합성 방법 | |
| Liu et al. | Employing symmetry features for automatic misalignment correction in neuroimages | |
| Ciulla et al. | Performance assessment of an algorithm for the alignment of fMRI time series | |
| Liu et al. | Symmetry identification using partial surface matching and tilt correction in 3D brain images | |
| Ramesh et al. | Distance-map-supervised feature localisation for MR-TRUS registration | |
| Caan et al. | Dual tensor atlas generation based on a cohort of coregistered non-HARDI datasets | |
| Prima et al. | Computation of the mid-sagittal plane in diffusion tensor MR brain images | |
| Divakaran | An Explainable Method for Image Registration with Applications in Medical Imaging | |
| Zou et al. | Integrated modeling of PET and DTI information based on conformal brain mapping | |
| Fei et al. | Registration algorithms for interventional MRI-guided treatment of the prostate |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20180104 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180410 |
|
| A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20180410 |
|
| A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20180605 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20180612 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180831 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20181009 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20181107 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6434036 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |