モデルベースの冠状動脈中心線の位置決め
本発明は、基準オブジェクトモデル及び血管モデルを含む結合モデルに基づいて画像データセットに血管モデルを登録するシステム１００に関する。上記のシステムは、画像データセットの空間に結合モデルを配置し、これにより配置された基準オブジェクトモデル及び配置された血管モデルを含む配置された結合モデルを生成する配置ユニット１１０と、画像データセットにおいて対応するランドマークと関連する配置基準オブジェクトモデルのランドマークの変位を含むランドマーク変位場に基づいて、変形場を計算する計算ユニット１２０と、変形場を使用して、配置結合モデルを変換させ、これにより変換基準オブジェクトモデル及び変換血管モデルを含む変換結合モデルを生成する変換ユニット１３０と、変換血管モデルを修正すること、及び修正した変換血管モデルの目的関数を最適化することに基づいて、画像データセットに変換血管モデルを登録する登録ユニット１４０とを有し、目的関数は、変換結合モデルと関連する修正した変換血管モデルの位置決めに基づく事前知識の位置の項を有する。それゆえ、システムは、基準モデルによって記載される基準解剖構造と関連する血管モデルの位置決めを考慮して、血管をモデル化するように構成される。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、医用画像データセグメント化の分野に関し、より詳細には、本発明は、医用画像データの血管のセグメント化に関する。
【背景技術】
【０００２】
脈管及び心臓画像のセグメント化に対するモデルベースの手法は、ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｍｅｄｉｃａｌ Ｉｍａｇｉｎｇ， Ｖｏｌ． １８， Ｎｏ． １０， １９９９， ｐａｇｅｓ ９４６―９５６，においてＡ． Ｆ． Ｆｒａｎｇｉらによる"Ｍｏｄｅｌ―Ｂａｓｅｄ Ｑｕａｎｔｉｆｉｃａｔｉｏｎ ｏｆ ３―Ｄ Ｍａｇｎｅｔｉｃ Ｒｅｓｏｎａｎｃｅ Ａｎｇｉｏｇｒａｐｈｉｃ Ｉｍａｇｅｓ"と表題を付けられた論文で示され、これは、以下では参考文献１と称す。論文は、２ステップのモデルベースの血管セグメント化を記載する。第１に中心血管軸（以下血管中心線と称す）の表示が、得られる。モデル血管中心線は、ｓ＋１個の制御点による次数ｎのＢスプライン曲線を使用して記載される。モデル血管中心線は、費用関数又は目的関数とも呼ばれるエネルギー関数を最小化することにより、画像に含まれる血管の中心線に適応される。エネルギー関数は、外部の項と内部エネルギー項とを含む。内部エネルギー項は、伸長エネルギー項と屈曲エネルギー項とを含む。伸長エネルギー項及び屈曲エネルギー項は、血管中心線の変形への内部抑圧を規定する。外部エネルギー項は、血管の中心軸線にありがちな３次元画像特徴に対する血管中心線の引力を規定する。A. F. FrangiらによるMedical Image Computing and Computer Assisted Intervention - MICCAI'98, W. M. Wells, A. Colchester and S. L. Delp (Eds.), Lecture Notes in Computer Science, Vol. 1496 - Springer Verlag, Berlin, Germany, pages 130-137の"Multiscale vessel enhancement filtering"という表題の記事（以下参考文献２と称す）に記載されるベッセルネス（vesselness）フィルタが、使用される。
【発明の概要】
【発明が解決しようとする課題】
【０００３】
参考文献１に記載される方法の更なる改良は、可能である。参考文献１に記載される目的関数の事前知識の項、すなわち伸長エネルギー項及び屈曲エネルギー項は、形状の事前知識に基づく、すなわちモデル血管中心線によって規定される血管形状の事前知識に基づく事前知識の項である。しかしながら、参考文献１の事前知識の項は、位置の事前知識、すなわち画像データセットに含まれる基準解剖構造に関連する血管中心線の位置決め（localization）により規定される血管の位置決めの事前知識に基づく事前知識の項を考慮しない。
【課題を解決するための手段】
【０００４】
血管をモデル化するシステムに対して、画像データセットにおいて識別される基準解剖構造と関連する血管モデルの位置決めを考慮させることは、有利であろう。
【０００５】
この懸念に対処するため、本発明の態様において、基準オブジェクトモデル及び血管モデルを含む結合モデルに基づいて、画像データセットに血管モデルを登録するシステムは、
画像データセットの空間に結合モデルを配置し、これにより配置基準オブジェクトモデル及び配置血管モデルを含む配置結合モデルを生成する配置ユニットと、
画像データセットの対応するランドマークと関連する配置基準オブジェクトモデルのランドマークの変位を含むランドマーク変位場に基づいて変形場を計算する計算ユニットと、
変形場を使用して配置結合モデルを変換させ、これにより変換された基準オブジェクトモデル及び変換された血管モデルを含む変換された結合モデルを生成する変換ユニットと、
変換された血管モデルを修正すること、及び修正された変換血管モデルの目的関数を最適化することに基づいて画像データセットに変換された血管モデルを登録する登録ユニットとを有し、目的関数は、変換結合モデルと関連する修正された変換血管モデルの位置決めに基づく事前知識の位置の項を含む。
【０００６】
本発明は、２つのステップで画像データセットをセグメント化するシステムを説明する。第１ステップにおいて、配置された結合モデルに含まれる配置された基準オブジェクトモデル及び配置された血管モデルは、計算ユニットによって計算される変形場を使用して変換ユニットによって変換される。変形場は、画像データセットにおいて対応するランドマークと関連する配置基準オブジェクトモデルのランドマークの変位に基づいて決定される。この変換が画像データセットの基準オブジェクトのモデル化にとって充分であり得る一方、これはまさに配置された血管モデルの申し分のない初期化であり得る。したがって、第２ステップにおいて、変換された血管モデルは、変換された血管モデルの修正、及び修正した変換済み血管モデルの目的関数の最適化に基づいて、画像データセットに登録される。目的関数は、変換された結合モデルと関連する修正された血管モデルの位置決めに基づく事前知識の位置の項を含む。それゆえ、システムは、基準モデルによって記載される基準解剖構造と関連する血管モデルの位置決めを考慮して、血管をモデル化するように構成される。
【０００７】
システムの実施例において、システムは、配置された基準オブジェクトモデルを画像データセットに適合させ、これにより画像データセットにおいて対応するランドマークを規定する適合ユニットを有する。例えばユーザ入力に基づいて規定されるランドマークを含む配置された基準オブジェクトモデルは、画像データセットに適合される。適応された配置基準オブジェクトモデルのランドマークは、画像データセットにおいて対応するランドマークを規定する。配置基準オブジェクトモデルを適応させることは、画像データセットにおいて対応するランドマークと関連する配置基準オブジェクトモデルのランドマークの変位を含むランドマーク変位場を計算することを著しく単純化及び／又は改善し得る。
【０００８】
システムの実施例において、基準オブジェクトモデルは、複数の頂点を含むメッシュを含む。配置された基準オブジェクトモデルは、配置されたメッシュを有する。適合ユニットは、配置された基準オブジェクトモデル、すなわち配置されたメッシュを画像データセットに適応させる。メッシュを画像データセットに適応させる多くの役立つ方法が存在する。配置されたメッシュの配置された頂点が、配置されたモデルのランドマークとして使用され得、適応する配置されたメッシュの適応する配置された頂点が、対応するランドマークとして使用され得る。これは、多数の役立つ対応するランドマークを生成する便利な態様である。
【０００９】
システムの実施例において、血管モデルは、血管中心線を記載する複数の制御点を含む。このような血管中心線は、区分的線形でありえるか、又は例えばＢ―スプラインを用いてモデル化され得る。複数の制御点によって記載される血管中心線を使用することは、モデル化された血管の重要な態様を記載し、目的関数を実行するのに便利である。
【００１０】
システムの実施例において、目的関数は、画像データセットの空間のベッセルネスフィルタの位置において、ベッセルネスの程度（measure）を計算するベッセルネスフィルタに基づくベッセルネス項を更に含む。適切なベッセルネスフィルタは、例えば、参考文献２において規定される。ベッセルネス項は、修正した変換血管モデルが画像データセットに含まれる血管のあり得る位置に引き寄せられることを可能にする。
【００１１】
システムの実施例において、血管モデルは、血管壁を記載するため、血管の複数の直径を有する。血管モデルのパラメータとして複数の直径を使用することは、画像データセットの空間のベッセルネスフィルタの位置における、ベッセルネスフィルタのスケールパラメータの値の簡潔な決定を可能にする。
【００１２】
システムの実施例において、事前知識の位置の項は、変換された基準オブジェクトモデルに依存する。変換された基準オブジェクトモデルに依存する事前知識の位置の項は、修正された変換血管モデルの変形の処罰項（penalize）により、変換血管モデルの登録を画像データセットに導くことを改善し、結果として、変換された基準オブジェクトモデルと関連して修正した変換された血管モデルの位置決めが、変換された基準オブジェクトモデルと関連して変換された血管モデルの位置決めと非常に異なることになる。
【００１３】
本発明の更なる態様において、本発明によるシステムは、画像取得装置に含まれる。
【００１４】
本発明の更なる態様において、本発明によるシステムは、ワークステーションに含まれる。
【００１５】
本発明の更なる態様において、基準オブジェクトモデル及び血管モデルから成る結合モデルに基づいて画像データセットに血管モデルを登録する方法は、
画像データセットの空間に結合モデルを配置し、これにより配置された基準オブジェクトモデル及び配置された血管モデルを含む配置された結合モデルを生成する配置ステップと、
画像データセットにおいて対応するランドマークと関連する配置基準オブジェクトモデルのランドマークの変位を含むランドマーク変位場に基づいて、変形場を計算する計算ステップと、
変形場を使用して配置結合モデルを変換し、これにより変換された基準オブジェクトモデル及び変換された血管モデルを含む変換された結合モデルを生成する変換ステップと、
変換血管モデルを修正すること、及び修正された変換血管モデルの目的関数を最適化することに基づいて、画像データセットに変換血管モデルを登録する登録ステップとを含み、ここで目的関数は、変換結合モデルと関連する修正された変換血管モデルの位置決めに基づく事前知識の位置の項を備える。
【００１６】
本発明の更なる態様において、コンピュータ装置によってロードされるコンピュータプログラムは、基準オブジェクトモデル及び血管モデルを含む結合モデルに基づいて画像データセットに血管モデルを登録する命令を含み、コンピュータ装置は、処理ユニット及びメモリを含み、コンピュータプログラムは、ロードされた後、
画像データセットの空間に結合モデルを配置し、これにより配置された基準オブジェクトモデル及び配置された血管モデルを含む配置された結合モデルを生成するステップと、
画像データセットにおける対応するランドマークと関連する配置基準オブジェクトモデルのランドマークの変位を含むランドマーク変位場に基づいて変形場を計算するステップと、
変形場を使用して配置された結合モデルを変換し、これにより変換された基準オブジェクトモデル及び変換された血管モデルを含む変換された結合モデルを生成するステップと、
変換血管モデルを修正すること、及び修正された変換血管モデルの目的関数を最適化することに基づいて画像データセットに変換血管モデルを登録するステップとを遂行する能力を前記処理ユニットに提供し、ここで目的関数は、変換結合モデルと関連する修正された変換血管モデルの位置決めに基づく事前知識の位置の項を含む。
【００１７】
システムの修正例及び変形例に対応する、画像取得装置、ワークステーション、方法、及び／又はコンピュータプログラムの修正及び変更は、本記載に基づいて当業者により実施され得る。
【００１８】
当業者は、方法が、限定的ではないが、コンピュータ断層撮影法（ＣＴ）、磁気共鳴画像化法（ＭＲＩ）、超音波（ＵＳ）、ポジトロン放出断層撮影（ＰＥＴ）、単光子放出コンピュータ断層撮影法（ＳＰＥＣＴ）及び核医学（ＮＭ）のような様々な取得モダリティによって得られる容積測定、すなわち３次元（３Ｄ）及び４次元（４Ｄ）画像データに適用され得ることを理解するであろう。
【００１９】
本発明のこれら及び他の態様は、以下に記載される実施例及び実施形態並びに添付の図面から明らかになり、解明されるであろう。
【００２０】
同一参照番号は、図の全体にわたって同様の一部を示すのに用いられる。
【図面の簡単な説明】
【００２１】
【図１】図１は、システムの例示的実施形態のブロック図を概略的に示す。
【図２】図２は、方法の例示的な実施のフローチャートを示す。
【図３】図３は、画像取得装置の例示的な実施例を概略的に示す。
【図４】図４は、ワークステーションの例示的実施形態を概略的に示す。
【発明を実施するための形態】
【００２２】
図１は、基準オブジェクトモデル及び血管モデルを含む結合モデルに基づいて、画像データセットに血管モデルを登録するシステム１００の例示的実施形態のブロック図を概略的に示し、システムは、
画像データセットの空間に結合モデルを配置し、これにより配置された基準オブジェクトモデル及び配置された血管モデルを含む配置された結合モデルを生成するための配置ユニット１１０と、
画像データセットにおける対応するランドマークと関連する配置基準オブジェクトモデルのランドマークの変位を含むランドマーク変位場に基づいて変形場を計算する計算ユニット１２０と、
変形場を使用して配置された結合モデルを変換し、これにより変換された基準オブジェクトモデル及び変換された血管モデルを含む変換された結合モデルを生成する変換ユニット１３０と、
変換血管モデルを修正すること、及び修正した変換血管モデルの目的関数を最適化することに基づいて、画像データセットに、変換血管モデルを登録する登録ユニット１４０とを含み、ここで目的関数は、変換結合モデルと関連する修正した変換血管モデルの位置決めに基づく事前知識の位置の項を含む。
【００２３】
システム１００の例示的実施形態は、オプションのユニットとして、
配置された基準オブジェクトモデルを画像データセットに適応させる適合ユニット１１５と、
システム１００のワークフローを制御する制御装置１６０と、
システム１００のユーザと通信するユーザインタフェース１６５と、
データを記憶するメモリ装置１７０とを更に含む。
【００２４】
システム１００の実施例において、入力データのための３つの入力コネクタ１８１、１８２及び１８３がある。第１入力コネクタ１８１は、限定的ではないがハードディスク、磁気テープ、フラッシュメモリ又は光ディスクのようなデータ記憶部から入るデータを受信するように構成される。第２入力コネクタ１８２は、限定的ではないがマウス又はタッチスクリーンのようなユーザ入力装置から入るデータを受信するように構成される。第３入力コネクタ１８３は、キーボードのようなユーザ入力装置から入るデータを受信するように構成される。入力コネクタ１８１、１８２及び１８３は、入力制御ユニット１８０に接続される。
【００２５】
システム１００の実施例において、出力データのための２つの出力コネクタ１９１及び１９２がある。第１出力コネクタ１９１は、ハードディスク、磁気テープ、フラッシュメモリ又は光ディスクのようなデータ記憶部にデータを出力するように構成される。第２出力コネクタ１９２は、表示装置にデータを出力するように構成される。出力コネクタ１９１及び１９２は、出力制御ユニットユニット１９０を介してそれぞれのデータを受信する。
【００２６】
当業者は、入力装置をシステム１００の入力コネクタ１８１、１８２及び１８３に接続し、出力装置を出力コネクタ１９１及び１９２に接続する多くの態様があると理解するであろう。これらの態様は、有線の及びワイヤレス接続、限定的ではないがローカルエリアネットワーク（ＬＡＮ）及びワイドエリアネットワーク（ＷＡＮ）、インターネット、デジタル電話網及びアナログの電話網のようなデジタルネットワークを含む。
【００２７】
システム１００の実施例において、システム１００は、メモリユニット１７０を含む。システム１００は、入力コネクタ１８１、１８２及び１８３のいずれかを介して外部装置から入力データを受信し、受信入力データをメモリユニット１７０に記憶させるように構成される。入力データをメモリユニット１７０にロードすることは、システム１００のユニットによる関連したデータ部への高速なアクセスを可能にする。入力データは、例えば画像データセット及び結合モデルを含み得る。メモリユニット１７０は、限定的ではないがランダムアクセスメモリ（ＲＡＭ）チップ、読取り専用メモリ（ＲＯＭ）チップ、並びに／又はハードディスクドライブ及びハードディスクのような装置によって実施され得る。メモリユニット１７０は、出力データを記憶するように更に構成され得る。出力データは、例えば登録された血管モデル及び変換された基準オブジェクトモデルを含み得る。メモリユニット１７０は、メモリバス１７５を介して配置ユニット１１０、適合ユニット１１５、計算ユニット１２０、第１変換ユニット１３０、登録ユニット１４０、制御装置１６０及びユーザインタフェース１６５を含むシステム１００のユニットからデータを受信し、これらにデータを配信するようにも構成される。メモリユニット１７０は、出力コネクタ１９１及び１９２のいずれかを介して出力データを外部装置に利用可能にされる。メモリユニット１７０のシステム１００のユニットからのデータを記憶することは、システム１００のユニットから外部装置への出力データの転送レート、及びシステム１００のユニットの性能を有利に向上させ得る。
【００２８】
代替として、システム１００は、メモリユニット１７０及びメモリバス１７５を含まなくてもよい。システム１００によって使用される入力データは、システム１００のユニットに接続される少なくとも一つの外部装置、例えば外部メモリ又はプロセッサにより供給され得る。同様に、システム１００によって生成される出力データは、システム１００のユニットに接続される少なくとも一つの外部装置、例えば外部メモリ又はプロセッサに供給され得る。システム１００のユニットは、内部接続を介して、又はデータバスを介して互いからデータを受信するように構成され得る。
【００２９】
システム１００の実施例において、システム１００は、システム１００のワークフローを制御する制御装置１６０を含む。制御ユニット１６０は、制御データをシステム１００のユニットから受信し、制御データを該ユニットに供給するように構成され得る。例えば変形場を計算した後、計算ユニット１２０は、「変形場が計算される」という制御データを制御ユニット１６０に送信するように構成され得、制御ユニット１６０は、変換ユニット１３０に「変形場を使用して結合モデルを変換させる」という制御データを供給して、変換ユニット１３０が配置結合モデルを変換することを要求するように構成され得る。オプションとして、制御関数は、システム１００の他のユニットにおいて実行され得る。
【００３０】
システム１００の実施例において、システム１００は、システム１００のユーザと通信するユーザインタフェース１６５を含む。ユーザインタフェース１６５は、画像データ空間の結合モデルを手動で配置するための手段をユーザに提供するように構成され得る。オプションとして、ユーザインタフェースは、システム１００の動作モード、例えば結合モデルを選択するモード、及び／又は適合ユニット１１５によって使用される適合方法を選択するモードを選択するため、ユーザ入力を受信し得る。当業者は、より多くの関数がシステム１００のユーザインタフェース１６５において有利に実施され得ると理解するであろう。
【００３１】
容積測定（すなわち三次元の（３Ｄ））画像データセットは、データ要素を含む。画像データの各データ要素（ｘ、ｙ、ｚ、Ｉ）は、通常、画像データ空間座標系の３つの直交座標ｘ、ｙ、ｚにより表わされる位置（ｘ、ｙ、ｚ）と、この位置における強度Ｉとを有する。
画像データ要素は、ボクセル、すなわち小さい典型的に立方の又は立方体様のボリュームと、このボリュームに割り当てられる強度とによって表され得る。座標ｘ、ｙ、ｚは、立方又は立方体様ボクセルの頂点の座標であり得る。画像データ空間又は画像データボリュームとも称される画像データセットの空間は、画像データ要素（ｘ、ｙ、ｚ、Ｉ）に含まれる全ての位置（ｘ、ｙ、ｚ）を含むボリュームとして規定され得る。画像ボリュームは、全てのボクセルボリュームの結合とも解釈され得る。容積測定画像データセットは、画像ボリュームの一まとまりの実質的に平面の断面又はスライス、例えば座標系のｚ軸と実質的に直角をなす断面又はスライスとして構成され得る。４Ｄ画像データセットは、異なる時間インスタンス又は異なる運動フェーズで得られる一まとまりの容積測定画像データセットを有する。
【００３２】
血管として冠状動脈、例えば右の冠状動脈（ＲＣＡ）又はＲＣＡ、左前下行（ＬＡＤ）冠状動脈及び回旋（ＬＣＸ）動脈から成る主冠状動脈ツリーに適用され、基準オブジェクトとして、心臓周期のフェーズ、例えば拡張終期フェーズで心臓に適用されるとき、システム１００は、特に役立つ。しかしながら、当業者は、システム１００が血管のような構造、すなわち管状構造、例えば限定的ではないが、血管、空気パイプ、及び神経のいずれかを登録するために使用され得ると理解するであろう。基準オブジェクトは、限定的ではないが肋骨、脊柱及び腎臓のような、血管のような構造の相対的な位置決めを決定することに役立ついかなる解剖学的構造でもあり得る。好ましくは、画像データセットに含まれる基準オブジェクトは、容易に検出可能であり、基準オブジェクトモデルを用いて比較的容易に詳細に描写され得る。血管に又は血管モデルに関して使用する「位置決め」という用語は、それぞれ全体血管又は血管モデルの位置、方向及び構成を含む、全体の血管又は血管モデルを説明する。
【００３３】
４つの心室及び主動脈及び静脈トランクのマルチ表面心臓モデルから成る例示的な結合モデルは、Ｊ．ｖｏｎ Ｂｅｒｇ ａｎｄ Ｃ． Ｌｏｒｅｎｚによる、¨Ｍｕｌｔｉ―ｓｕｒｆａｃｅ Ｃａｒｄｉａｃ Ｍｏｄｅｌｉｎｇ， Ｓｅｇｍｅｎｔａｔｉｏｎ， ａｎｄ Ｔｒａｃｋｉｎｇ¨ｉｎ Ａ．Ｆ．Ｆｒａｎｇｉ ｅｔ ａｌ．（Ｅｄｓ．）：ＦＩＭＨ ２００５，ＬＮＣＳ ３５０４，Ｓｐｒｉｎｇｅｒ―Ｖｅｒｌａｇ Ｂｅｒｌｉｎ Ｈｅｉｄｅｌｂｅｒｇ ２００５，ｐａｇｅｓ １―１１（以下引用文献３と称す）という論文に記載される。今日では、オブジェクトモデルは、しばしば平均モデルであり、すなわちモデルは複数のオブジェクト、例えば複数の患者からの心臓に基づいて構成される。このような平均モデルは、モデル化されたオブジェクトの典型的特徴を記載する。参考文献３に記載されるマルチ表面心臓モデルは、このような平均モデルであり、心臓表面は、三角形メッシュを使用して記載される。他のメッシュ、例えば単純メッシュも使用され得る。
【００３４】
冠状動脈をモデル化することは、C. Lorenzらによる"Modeling the coronary artery tree" in International Conference on Shape Modeling and Applications 2004 (SMI'04) 2004, Genoa, Italy, June 6-9, 2004, pages 354-357.という論文に記載される。論文は、線分によってつなげられる点（制御点とも称される）として描写される冠状動脈中心線のツリーモデルを使用する。代替として、制御点は、例えば立方スプライン、Ｂ―スプライン、又はベジェ曲線によってつながれ得る。当業者は、請求項の範囲が血管中心線の実施に依存しないことを理解するであろう。心臓及び脈管構造の結合されたモデルは、C. Lorenz and J. von Bergによる"Towards a Comprehensive Geometric Model of the Heart" in A. F. Frangi et al (Eds.), FIMH 2005, LNCS 3504, Springer Verlag, Berlin, Germany, 2005, pages 102-112（以下引用文献４と称す）という論文に記載される。
【００３５】
システム１００の配置ユニット１１０は、画像データセットの空間に結合モデルを配置するように構成される。配置は、自動的になされ、例えば、C. Lorenz and J. von Bergによる"Fast automated object detection by recursive casting of search rays" in Proc. CARS. 2005, pages 230-235という記事に記載されるレイキャスティング、又は、H. Schrammらによる"Towards Fully Automatic Object Detection and Segmentation" in Proc. SPIE Vol. 6144, 614402, Medical Imaging 2006: Image Processing, J. M. Reinhardt and J. P. Pluim (Eds.), pages 11-20.という記事に記載されるヒュー変換を使用して、基準オブジェクトを検出することに基づき得る。オプションとして、配置は、ユーザインタフェース１６５により提供されるモデルを操作するための手段を用いて、手動で洗練又は実行され得る。配置は、固定（rigid）変形を用いて実行される。オプションとして、配置は、結合モデルの更にグローバルな変形、例えばスケーリングを含み得る。
【００３６】
計算ユニット１２０は、画像データセットにおける対応するランドマークと関連する配置基準オブジェクトモデルのランドマークの変位を含むランドマーク変位場に基づく高密度変形場を計算するように構成される。ランドマークのセットは、参考文献４において説明されたように、結合モデルに含まれ得る。システムは、画像データセットにおける対応するランドマークの位置を決定するため、ユーザ入力を得ることがあり得る。代替として、例えば画像データセットにおける対応するランドマークの位置は、ランドマーク特徴検出を用いたシステムによって計算され得る。配置基準オブジェクトモデルのランドマークの位置、及び画像データセットにおける対応するランドマークの位置が決定されるとき、計算ユニット１２０は、画像データセットの対応するランドマークと関連して配置された基準オブジェクトモデルのランドマークの変位、すなわち変位のベクトルを含むランドマーク変位場を計算するように構成される。この場は、高密度変形場を計算するため、計算ユニット１２０によって更に使用される。例えば、計算ユニット１２０は、薄いプレートスプラインを用いて、変位場を内挿するように構成され得る。低密度ベクトル場から薄いプレートスプライン内挿を用いて高密度ベクトル場を生成することは、F. L. Booksteinによる "Principal warps: Thin-plate splines and the decomposition of deformations" in IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol. 11, pages 567-585, 1989.という論文に記載される。「高密度」という言葉は、ここでは変形場が配置結合モデルを変換させるために画像データセット空間に適用され得るという意味で使用される。
【００３７】
システム１００の実施例において、システムは、配置基準オブジェクトモデルを画像データセットに適応させ、これにより適応する配置基準オブジェクトモデルのランドマークとして画像データセットにおける対応するランドマークを規定する適合ユニット１１５を更に有する。適合ユニット１１５は、対応するランドマークが、例えば、O. Ecabertらによる"Towards Automatic Full Heart Segmentation in Computed-Tomography Images" 32th Conference on Computers in Cardiology, 2005, pages 223-226.という論文に記載される方法を使用して自動的に識別されることを可能にする。代替として、適合ユニット１１５によって使用される適合方法は、半自動又は手動であり得る。
【００３８】
システム１００の実施例において、基準オブジェクトモデルは、メッシュを含む。メッシュは、多角形のメッシュ、例えば三角形メッシュであり得る。有利なことに、セットのランドマークは、配置基準オブジェクトモデルの配置されたメッシュの頂点のサブセットであり得る。例えば、配置されたメッシュの全ての頂点は、基準オブジェクトモデルのランドマークであり得る。オプションとして、画像データセットに配置されたメッシュを適合する間に検出される「強い」画像データセット特徴に対応する頂点、例えば閾値よりも大きい計算された重み（重みの定義にはJ. Weeseらによる"Shape constrained deformable models for 3D medical image segmentation" in Proc. IPMI. 2001, pages 380-387という論文のセクション２．２を参照されたい）を有する頂点のみが、配置された基準オブジェクトモデルのランドマークを規定するために使用され得る。それから、適応された配置メッシュの頂点は、画像データセットにおける対応するランドマークとして使用され得る。
【００３９】
変形場は、変形場を配置結合モデルに適用することにより、配置結合モデルを変換結合モデルに変換するため、変換ユニット１３０によって使用される。この変形場は、配置基準オブジェクトモデル及び配置血管モデルの両方を変換する。変形場が画像データセットにおいて対応するランドマークに、配置基準オブジェクトモデルのランドマークを登録することによって構成されるので、基準オブジェクトモデルの変換は、画像データセットの基準オブジェクトを詳細に描写することに申し分ない。しかしながら、変換血管モデルの位置決めは、実際の血管位置決めのかなり粗い評価であり得、変換血管モデルの更なる登録のために開始する位置決めとして役立つ。
【００４０】
システム１００の登録ユニット１４０は、変換血管モデルを修正すること、及び修正した変換血管モデルの目的関数を最適化することに基づいて、変換された血管モデルを画像データセットに登録するように構成され、ここで目的関数は、変換結合モデルと関連する修正された変換血管モデルの位置決めに基づく事前知識の位置の項を含む。目的関数を最適化することは、例えば目的関数の最大値又は最小値を見つけることに基づき得る。血管モデルを記載するパラメータは、血管中心線の制御点の座標を含み得る。血管中心線は、Ｂ―スプラインを用いて内挿され得る。登録の間、各制御点は、例えば制御点のＢ―スプラインの接線に対して実質的に直角の平面、又は元の制御点を中心とする球面のこの座標を変化させ得る。血管中心線が変形するとき、平面又は球面の方向は調整され得る。
【００４１】
システム１００の実施例において、事前知識の位置の項は、変換血管モデルにおける位置から、修正した変換血管モデルの中心線の変位の処罰項であり得る。これは、例えば、G. BorgeforsによるDistance transforms in digital images" in IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol. 34, 1986, pages 344-371.という論文に記載される距離変換を使用して実現され得る。距離変換は、画像データ空間のある位置から画像データ空間の位置の特定のセットまでの距離として規定される。画像データ空間の位置から位置の特定のセットまでの距離は、位置の特定のセットに含まれる最も近い位置に対する前記位置のユークリッド距離であり得る。位置の特定のセットは、血管の典型的、すなわち最もありそうな位置決めを記載し得る。画像データ空間の位置から血管の典型的な位置決めを記載する位置のセットまでの距離の逆数は、血管が画像データ空間の前記位置に位置される確率と解釈され得る。
【００４２】
血管の典型的な位置決めを記載する位置の特定のセットは、多くの態様で規定され得る。例えば、位置の特定のセットは血管中心線上の位置によって規定され得、例えば血管中心線によって交差されるボクセルによって規定され得る。オプションとして、位置の特定のセットは、血管中心線上の位置に隣接した位置か、又は中心線からの特定の距離の範囲内の位置を更に含み得る。他の可能性は、平均血管モデルを構成するために使用されるサンプル血管モデルの集団からサンプル血管モデルの各々の位置決めを識別することである。各サンプル血管モデルは、画像データ空間に配置され、計算ユニット１２０によって計算される変形場を使用して変換ユニット１３０によって変換され得る。変換されるサンプル血管モデルの全ての位置は、位置の特定のセットを規定する。当業者は、位置の特定のセットを規定する他の態様が役立ち得、請求項の範囲が位置の特定のセットの規定に依存しないことを理解するであろう。
【００４３】
システム１００の実施例において、事前知識の位置の項は、変換基準オブジェクトモデルと関連する修正された変換血管モデルの中心線の変位の処罰項であり得る。例えば適応する配置基準オブジェクトモデルに含まれるランドマークのサブセットと同一である画像データセットにおける対応するランドマークのサブセットは、基準セットとして使用され得る。中心線に沿った次の制御点の各組に対して、制御点の対及び基準セットからのランドマークの位置によって規定される三角形の領域が、計算され得る。オプションとして、制御点のセットは、中心線に沿う、他の、例えばより大きな点のセットと置き換えられ得る。制御点の全ての対によって規定される三角形の領域は、まとめられ得る。合計は、例えば複数のトレーニング画像データセットを使用して、学ばれる「グランドトゥルース」の合計と比較され得る。同様の合計は、残りのランドマークのために計算され得る。事前知識の位置の項は、基準セットからランドマークごとに計算される合計の指数関数として規定され得る。例えば、ベキ指数は、計算された合計と「グランドトゥルース」合計との違いの加重された平方和の負の二乗根であり得る。重み付けは、負でない。
【００４４】
当業者は、他の事前知識の位置の項が使用されること、及び記載された事前知識の位置の項が請求項の範囲を制限するのではなく、本発明を説明すると理解するであろう。
【００４５】
システム１００の実施例において、目的関数は、画像データセットの血管を検出するためのベッセルネス項を更に有する。例示的なベッセルネス項は、特定の直径の明るい延長構造体を検出するベッセルネスフィルタを使用する。ベッセルネスフィルタは、参考文献２に記載されている。画像データ空間のフィルタ位置に適用されるベッセルネスフィルタは、フィルタ位置におけるベッセルネスの程度、すなわち血管がフィルタ位置にある確率を得る。ベッセルネスフィルタは、検出された血管の直径に対応するスケールパラメータを有する。
ベッセルネスの量は、スケールパラメータの値に依存する。修正された変換血管モデルがフィルタ位置の血管の予想される直径を持つ場合、この予想される直径は、ベッセルネスの測定値が最大を達成するスケールパラメータの値と比較され得る。予想される血管直径が、ベッセルネスの量の最大を達成するスケールパラメータに近ければ近いほど、フィルタ位置に血管がある確率は高くなる。代替として、ベッセルネスフィルタのスケールは、予想される血管直径に設定され得る。ベッセルネスフィルタは、フィルタ位置においても血管のような構造の接線も推定する。この付加的情報は、例えば修正された変換血管モデルによって規定される血管の予想される方向によって、血管のような構造の正接の内積を用いて修正された変換血管モデルにより規定される血管の予想される方向と比較され得る。
【００４６】
実施例において、ベッセルネス項及び事前知識の位置の項は、結合され、目的関数の外部エネルギー項は、Ｅｅｘｔ＝ΣｊＣ（ｓｊ,σｊ）として書かれ、ただし画像データ空間における各フィルタ位置ｓｊに対して、例えば修正された変換血管モデルの中心線の各制御点に対してＣ（ｓｊ,σｊ）＝ｄ（ｓｊ）ｗ（ｓｊ,σｊ）Ｄ（ｓｊ）＋Ｉ（ｓｊ）である。ここでσｊは、血管モデルに含まれる予想される血管直径に等しいベッセルネスフィルタの大きさであり、ｄ（ｓｊ）は、この位置で修正した変換された血管モデルによって規定される血管の予想される方向による、フィルタ位置ｓｊの血管のような構造の正規化された正接の内積であり、Ｄ（ｓｊ）は、フィルタ位置ｓｊから位置の特定のセットまでの距離の逆数であり、ｗ（ｓｊ,σｊ）は、フィルタ位置ｓｊのベッセルネス量である。ベッセルネス量ｗ（ｓｊ，σｊ）は、参考文献２、C. Lorenzらによる"A multi-scale line filter with automatic scale selection based on the Hessian matrix for medical image segmentation", Lecture Notes In Computer Science, Vol. 1252, Proceedings of the First International Conference on Scale-Space Theory in Computer Vision, 1997, pages, 152-163, Y. Satoらによる"3D multiscale line filter for segmentation and visualization of curvilinear structures in medical images", Conference on Computer Vision, Virtual Reality and Robotics in Medicine and Medial Robotics and Computer-Assisted Surgery, 1997, pages 213-222に記載されるフィルタのうちの１つ、又はこれら全ての重みづけられた総和であり得る。任意の項Ｉ（ｓｊ）は、フィルタ位置ｓｊでの画像データ強度を評価する。この項は、例えば肺血管と冠状動脈とを区別することに使用され得る。ＣＴ画像データセットにおいて、肺血管は冠状動脈と同様のベッセルネス測定値を示し得るが、冠状動脈は更に明るい。
【００４７】
実施例において、外部のエネルギー項は、Ｅｅｘｔ＝Ｅｖｅｓｓ＋Ｅｌｏｃと書かれ得、ここでEvess=Σj(d(sj)w(sj,σj)+I(sj))は、ベッセルネス項であり、Eloc=ΣjD(sj)が事前知識の位置の項である。当業者は、外部のエネルギー項を構成する他の態様を知っているであろう。記載される実施態様は、実施例を図示したものであり、請求項の範囲を制限しない。
【００４８】
目的関数は、中心線の高い湾曲の処罰項である内部エネルギー項を更に含み得る。オプションとして、中心線の全長は、曲率の大域的な尺度として役立ち得、これは、カーブされた中心線がまっすぐな中心線よりも長くなる傾向にあるためである。
【００４９】
当業者は、目的関数に含まれ得る多くの他の役立つ項があることを理解するであろう。これらの項は、制限されないが、J. Petersらによる"Feature optimization via simulated search for model-based heart segmentation", CARS 2005 - Computer Assisted Radiology and Surgery, Proceedings of the 19th International Congress and Exhibition Berlin, Germany, June 22 - 25, 2005;に記載される方法を用いて、トレーニング画像から学ばれる特徴であって、平均血管モデル形状からの偏差と、
画像データセットに適応される更なる基準オブジェクトと関連する位置と、屈伸エネルギー項とを有する。請求項の範囲は、これらの項を含むことに依存しない。
【００５０】
当業者は、目的関数を最適化する他の態様があり得ると更に理解するであろう。例えば、目的関数を最適化することが最小の目的関数を見つけることに基づくという態様で、目的関数が再定義され得る。オプションとして、複数の値を得る多次元目的関数が規定され得る。目的関数の最適条件に対応する、最適化された目的関数のパラメータ、例えば修正した変換された血管モデル中心線の制御点は、画像データセットに登録される血管モデルを規定する。
【００５１】
当業者は、システム１００の他の実施例があり得ると理解するであろう。とりわけシステムのユニットを再定義し、これらの関数を再配信することはあり得る。例えば、システム１００の実施例において、配置ユニット１１０及び適合ユニット１１５の関数は、１つの初期化ユニットに結合され得る。システム１００の更なる実施例において、複数の項計算ユニットがあり得る。各ユニットは、目的関数の項を計算するように構成され得る。ユーザは、目的関数を計算するための登録ユニット１４０によって使用される項計算ユニットを選択するための入力を提供することによって、目的関数を規定し得る。
【００５２】
システム１００のユニットは、プロセッサを使用して実施され得る。通常これらの関数は、ソフトウエアプログラムの制御の下で実行される。実行する間、ソフトウエアプログラムは、通常ＲＡＭのようなメモリにロードされ、ここから実行される。プログラムは、ＲＯＭ、ハードディスク又は磁気及び／若しくは光学記憶装置のようなバックグラウンドメモリからロードされ得るか、インターネットのようなネットワークを介してロードされ得る。オプションとして、特定用途向け集積回路が、記載された機能を提供し得る。
【００５３】
図２は、基準オブジェクトモデル及び血管モデルを含む結合モデルに基づいて画像データセットに血管モデルを登録する方法２００の例示的な実施のフローチャートを示す。方法２００は、画像データセットの空間に結合モデルを配置し、これによって、配置された基準オブジェクトモデル及び配置された血管モデルを含む配置された結合モデルを生成する配置ステップ２１０から開始される。配置ステップ２１０の後、方法２００は、配置された基準オブジェクトモデルを画像データセットに適合させ、これによって、画像データセットにおける対応するランドマークを規定するための適合ステップ２１５に継続する。適合ステップ２１５の後、方法２００は、画像データセットにおける対応するランドマークと関連する配置基準オブジェクトモデルのランドマークの変位を含むランドマーク変位場に基づいて変形場を計算する計算ステップ２２０に継続する。計算ステップ２２０の後、方法２００は、変形場を使用して配置結合モデルを変換し、これによって、変換基準オブジェクトモデル及び変換血管モデルを含む変換結合モデルを生成する変換ステップ２３０に継続する。変換ステップ２３０の後、方法２００は、変換された血管モデルを修正すること、及び修正した変換血管モデルの目的関数を最適化することに基づいて、変換された血管モデルを画像データセットに登録する登録ステップ２４０に継続し、ここで目的関数は、変換結合モデルと関連する修正された変換血管モデルの位置決めに基づく事前知識の位置の項を含む。登録ステップ２４０の後、この方法は、終了する。
【００５４】
当業者は、方法２００のステップで規定されるいくつかの作業の順序を変更し得、又は本発明によって意図される概念を逸脱しない範囲でスレッディングモデル、マルチプロセッサシステム若しくは複数のプロセスシステムを使用していくつかの作業を並行して実行し得る。オプションとして、本発明の方法２００の２又はそれより多くのステップが、１つのステップに結合され得る。オプションとして、本発明の方法２００のステップは、複数のステップに分割され得る。
【００５５】
図３は、図式的に、システム１００を使用した画像取得装置３００の例示的な実施例を示し、前記画像取得装置３００は、内部接続を介してシステム１００、入力コネクタ３０１及び出力コネクタ３０２に接続される画像取得ユニット３１０を含む。この装置は、有利なことに、基準オブジェクトモデル及び血管モデルを含む結合モデルに基づく画像データセットに血管モデルを登録するシステム１００の有利な性能を画像取得装置３００に提供し、画像取得装置３００の能力を向上させる。画像取得装置の例は、制限的ではないが、ＣＴシステム、Ｘ線システム、ＭＲＩシステム、超音波システム、ＰＥＴシステム、ＳＰＥＣＴシステム及びＮＭシステムを含む。
図４は、図式的に、ワークステーション４００の例示的な実施例を示す。ワークステーションは、システムバス４０１を有する。プロセッサ４１０、メモリ４２０、ディスク入出力（Ｉ／Ｏ）アダプタ４３０及びユーザインタフェース（ＵＩ）４４０は、システムバス４０１に動作可能に接続される。ディスク記憶装置４３１は、ディスク入出力アダプタ４３０に動作可能に結合される。キーボード４４１、マウス４４２及びディスプレイ４４３は、ＵＩ４４０に動作可能に結合される。コンピュータプログラムとして実施される本発明のシステム１００は、ディスク記憶装置４３１に記憶される。ワークステーション４００は、プログラム及び入力データを記憶４２０にロードし、プロセッサ４１０上のプログラムを実行するように構成される。ユーザは、情報をキーボード４４１及び／又はマウス４４２を使用してワークステーション４００に入力し得る。ワークステーションは、表示装置４４３に及び／又はディスク４３１に情報を出力するように構成される。当業者は、周知のワークステーション４００の多数の他の実施例があること、及び本実施例が本発明を図示する目的で役立ち、本発明をこの具体例に制限するとして解釈されてはならないことを理解するであろう。
【００５６】
上述の実施例が本発明を制限するのではなく図示すること、及び当業者が添付の請求の範囲の要旨を逸脱しない範囲で別の実施例を設計することが可能なことに留意されるべきである。請求項において、括弧の間に配置されるいかなる参照記号も、請求項を制限するものとして解釈されるべきではない。「含む」という語は、請求項において又は記載において列挙されない要素又はステップの存在を除外しない。要素に対する単数形の表記は、このような要素の複数の存在を除外しない。本発明は、いくつかの異なる要素から成るハードウェア、及びプログラムされたコンピュータによって実施され得る。いくつかのユニットを列挙するシステム請求項において、これらのユニットのいくつかは、ハードウェア又はソフトウェアの同一のアイテムによって実施され得る。第１、第２、及び第３等の語の使用は、いかなる順序も示さない。これらの語は、名称と解釈されるべきである。
【技術分野】
【０００１】
本発明は、医用画像データセグメント化の分野に関し、より詳細には、本発明は、医用画像データの血管のセグメント化に関する。
【背景技術】
【０００２】
脈管及び心臓画像のセグメント化に対するモデルベースの手法は、ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｍｅｄｉｃａｌ Ｉｍａｇｉｎｇ， Ｖｏｌ． １８， Ｎｏ． １０， １９９９， ｐａｇｅｓ ９４６―９５６，においてＡ． Ｆ． Ｆｒａｎｇｉらによる"Ｍｏｄｅｌ―Ｂａｓｅｄ Ｑｕａｎｔｉｆｉｃａｔｉｏｎ ｏｆ ３―Ｄ Ｍａｇｎｅｔｉｃ Ｒｅｓｏｎａｎｃｅ Ａｎｇｉｏｇｒａｐｈｉｃ Ｉｍａｇｅｓ"と表題を付けられた論文で示され、これは、以下では参考文献１と称す。論文は、２ステップのモデルベースの血管セグメント化を記載する。第１に中心血管軸（以下血管中心線と称す）の表示が、得られる。モデル血管中心線は、ｓ＋１個の制御点による次数ｎのＢスプライン曲線を使用して記載される。モデル血管中心線は、費用関数又は目的関数とも呼ばれるエネルギー関数を最小化することにより、画像に含まれる血管の中心線に適応される。エネルギー関数は、外部の項と内部エネルギー項とを含む。内部エネルギー項は、伸長エネルギー項と屈曲エネルギー項とを含む。伸長エネルギー項及び屈曲エネルギー項は、血管中心線の変形への内部抑圧を規定する。外部エネルギー項は、血管の中心軸線にありがちな３次元画像特徴に対する血管中心線の引力を規定する。A. F. FrangiらによるMedical Image Computing and Computer Assisted Intervention - MICCAI'98, W. M. Wells, A. Colchester and S. L. Delp (Eds.), Lecture Notes in Computer Science, Vol. 1496 - Springer Verlag, Berlin, Germany, pages 130-137の"Multiscale vessel enhancement filtering"という表題の記事（以下参考文献２と称す）に記載されるベッセルネス（vesselness）フィルタが、使用される。
【発明の概要】
【発明が解決しようとする課題】
【０００３】
参考文献１に記載される方法の更なる改良は、可能である。参考文献１に記載される目的関数の事前知識の項、すなわち伸長エネルギー項及び屈曲エネルギー項は、形状の事前知識に基づく、すなわちモデル血管中心線によって規定される血管形状の事前知識に基づく事前知識の項である。しかしながら、参考文献１の事前知識の項は、位置の事前知識、すなわち画像データセットに含まれる基準解剖構造に関連する血管中心線の位置決め（localization）により規定される血管の位置決めの事前知識に基づく事前知識の項を考慮しない。
【課題を解決するための手段】
【０００４】
血管をモデル化するシステムに対して、画像データセットにおいて識別される基準解剖構造と関連する血管モデルの位置決めを考慮させることは、有利であろう。
【０００５】
この懸念に対処するため、本発明の態様において、基準オブジェクトモデル及び血管モデルを含む結合モデルに基づいて、画像データセットに血管モデルを登録するシステムは、
画像データセットの空間に結合モデルを配置し、これにより配置基準オブジェクトモデル及び配置血管モデルを含む配置結合モデルを生成する配置ユニットと、
画像データセットの対応するランドマークと関連する配置基準オブジェクトモデルのランドマークの変位を含むランドマーク変位場に基づいて変形場を計算する計算ユニットと、
変形場を使用して配置結合モデルを変換させ、これにより変換された基準オブジェクトモデル及び変換された血管モデルを含む変換された結合モデルを生成する変換ユニットと、
変換された血管モデルを修正すること、及び修正された変換血管モデルの目的関数を最適化することに基づいて画像データセットに変換された血管モデルを登録する登録ユニットとを有し、目的関数は、変換結合モデルと関連する修正された変換血管モデルの位置決めに基づく事前知識の位置の項を含む。
【０００６】
本発明は、２つのステップで画像データセットをセグメント化するシステムを説明する。第１ステップにおいて、配置された結合モデルに含まれる配置された基準オブジェクトモデル及び配置された血管モデルは、計算ユニットによって計算される変形場を使用して変換ユニットによって変換される。変形場は、画像データセットにおいて対応するランドマークと関連する配置基準オブジェクトモデルのランドマークの変位に基づいて決定される。この変換が画像データセットの基準オブジェクトのモデル化にとって充分であり得る一方、これはまさに配置された血管モデルの申し分のない初期化であり得る。したがって、第２ステップにおいて、変換された血管モデルは、変換された血管モデルの修正、及び修正した変換済み血管モデルの目的関数の最適化に基づいて、画像データセットに登録される。目的関数は、変換された結合モデルと関連する修正された血管モデルの位置決めに基づく事前知識の位置の項を含む。それゆえ、システムは、基準モデルによって記載される基準解剖構造と関連する血管モデルの位置決めを考慮して、血管をモデル化するように構成される。
【０００７】
システムの実施例において、システムは、配置された基準オブジェクトモデルを画像データセットに適合させ、これにより画像データセットにおいて対応するランドマークを規定する適合ユニットを有する。例えばユーザ入力に基づいて規定されるランドマークを含む配置された基準オブジェクトモデルは、画像データセットに適合される。適応された配置基準オブジェクトモデルのランドマークは、画像データセットにおいて対応するランドマークを規定する。配置基準オブジェクトモデルを適応させることは、画像データセットにおいて対応するランドマークと関連する配置基準オブジェクトモデルのランドマークの変位を含むランドマーク変位場を計算することを著しく単純化及び／又は改善し得る。
【０００８】
システムの実施例において、基準オブジェクトモデルは、複数の頂点を含むメッシュを含む。配置された基準オブジェクトモデルは、配置されたメッシュを有する。適合ユニットは、配置された基準オブジェクトモデル、すなわち配置されたメッシュを画像データセットに適応させる。メッシュを画像データセットに適応させる多くの役立つ方法が存在する。配置されたメッシュの配置された頂点が、配置されたモデルのランドマークとして使用され得、適応する配置されたメッシュの適応する配置された頂点が、対応するランドマークとして使用され得る。これは、多数の役立つ対応するランドマークを生成する便利な態様である。
【０００９】
システムの実施例において、血管モデルは、血管中心線を記載する複数の制御点を含む。このような血管中心線は、区分的線形でありえるか、又は例えばＢ―スプラインを用いてモデル化され得る。複数の制御点によって記載される血管中心線を使用することは、モデル化された血管の重要な態様を記載し、目的関数を実行するのに便利である。
【００１０】
システムの実施例において、目的関数は、画像データセットの空間のベッセルネスフィルタの位置において、ベッセルネスの程度（measure）を計算するベッセルネスフィルタに基づくベッセルネス項を更に含む。適切なベッセルネスフィルタは、例えば、参考文献２において規定される。ベッセルネス項は、修正した変換血管モデルが画像データセットに含まれる血管のあり得る位置に引き寄せられることを可能にする。
【００１１】
システムの実施例において、血管モデルは、血管壁を記載するため、血管の複数の直径を有する。血管モデルのパラメータとして複数の直径を使用することは、画像データセットの空間のベッセルネスフィルタの位置における、ベッセルネスフィルタのスケールパラメータの値の簡潔な決定を可能にする。
【００１２】
システムの実施例において、事前知識の位置の項は、変換された基準オブジェクトモデルに依存する。変換された基準オブジェクトモデルに依存する事前知識の位置の項は、修正された変換血管モデルの変形の処罰項（penalize）により、変換血管モデルの登録を画像データセットに導くことを改善し、結果として、変換された基準オブジェクトモデルと関連して修正した変換された血管モデルの位置決めが、変換された基準オブジェクトモデルと関連して変換された血管モデルの位置決めと非常に異なることになる。
【００１３】
本発明の更なる態様において、本発明によるシステムは、画像取得装置に含まれる。
【００１４】
本発明の更なる態様において、本発明によるシステムは、ワークステーションに含まれる。
【００１５】
本発明の更なる態様において、基準オブジェクトモデル及び血管モデルから成る結合モデルに基づいて画像データセットに血管モデルを登録する方法は、
画像データセットの空間に結合モデルを配置し、これにより配置された基準オブジェクトモデル及び配置された血管モデルを含む配置された結合モデルを生成する配置ステップと、
画像データセットにおいて対応するランドマークと関連する配置基準オブジェクトモデルのランドマークの変位を含むランドマーク変位場に基づいて、変形場を計算する計算ステップと、
変形場を使用して配置結合モデルを変換し、これにより変換された基準オブジェクトモデル及び変換された血管モデルを含む変換された結合モデルを生成する変換ステップと、
変換血管モデルを修正すること、及び修正された変換血管モデルの目的関数を最適化することに基づいて、画像データセットに変換血管モデルを登録する登録ステップとを含み、ここで目的関数は、変換結合モデルと関連する修正された変換血管モデルの位置決めに基づく事前知識の位置の項を備える。
【００１６】
本発明の更なる態様において、コンピュータ装置によってロードされるコンピュータプログラムは、基準オブジェクトモデル及び血管モデルを含む結合モデルに基づいて画像データセットに血管モデルを登録する命令を含み、コンピュータ装置は、処理ユニット及びメモリを含み、コンピュータプログラムは、ロードされた後、
画像データセットの空間に結合モデルを配置し、これにより配置された基準オブジェクトモデル及び配置された血管モデルを含む配置された結合モデルを生成するステップと、
画像データセットにおける対応するランドマークと関連する配置基準オブジェクトモデルのランドマークの変位を含むランドマーク変位場に基づいて変形場を計算するステップと、
変形場を使用して配置された結合モデルを変換し、これにより変換された基準オブジェクトモデル及び変換された血管モデルを含む変換された結合モデルを生成するステップと、
変換血管モデルを修正すること、及び修正された変換血管モデルの目的関数を最適化することに基づいて画像データセットに変換血管モデルを登録するステップとを遂行する能力を前記処理ユニットに提供し、ここで目的関数は、変換結合モデルと関連する修正された変換血管モデルの位置決めに基づく事前知識の位置の項を含む。
【００１７】
システムの修正例及び変形例に対応する、画像取得装置、ワークステーション、方法、及び／又はコンピュータプログラムの修正及び変更は、本記載に基づいて当業者により実施され得る。
【００１８】
当業者は、方法が、限定的ではないが、コンピュータ断層撮影法（ＣＴ）、磁気共鳴画像化法（ＭＲＩ）、超音波（ＵＳ）、ポジトロン放出断層撮影（ＰＥＴ）、単光子放出コンピュータ断層撮影法（ＳＰＥＣＴ）及び核医学（ＮＭ）のような様々な取得モダリティによって得られる容積測定、すなわち３次元（３Ｄ）及び４次元（４Ｄ）画像データに適用され得ることを理解するであろう。
【００１９】
本発明のこれら及び他の態様は、以下に記載される実施例及び実施形態並びに添付の図面から明らかになり、解明されるであろう。
【００２０】
同一参照番号は、図の全体にわたって同様の一部を示すのに用いられる。
【図面の簡単な説明】
【００２１】
【図１】図１は、システムの例示的実施形態のブロック図を概略的に示す。
【図２】図２は、方法の例示的な実施のフローチャートを示す。
【図３】図３は、画像取得装置の例示的な実施例を概略的に示す。
【図４】図４は、ワークステーションの例示的実施形態を概略的に示す。
【発明を実施するための形態】
【００２２】
図１は、基準オブジェクトモデル及び血管モデルを含む結合モデルに基づいて、画像データセットに血管モデルを登録するシステム１００の例示的実施形態のブロック図を概略的に示し、システムは、
画像データセットの空間に結合モデルを配置し、これにより配置された基準オブジェクトモデル及び配置された血管モデルを含む配置された結合モデルを生成するための配置ユニット１１０と、
画像データセットにおける対応するランドマークと関連する配置基準オブジェクトモデルのランドマークの変位を含むランドマーク変位場に基づいて変形場を計算する計算ユニット１２０と、
変形場を使用して配置された結合モデルを変換し、これにより変換された基準オブジェクトモデル及び変換された血管モデルを含む変換された結合モデルを生成する変換ユニット１３０と、
変換血管モデルを修正すること、及び修正した変換血管モデルの目的関数を最適化することに基づいて、画像データセットに、変換血管モデルを登録する登録ユニット１４０とを含み、ここで目的関数は、変換結合モデルと関連する修正した変換血管モデルの位置決めに基づく事前知識の位置の項を含む。
【００２３】
システム１００の例示的実施形態は、オプションのユニットとして、
配置された基準オブジェクトモデルを画像データセットに適応させる適合ユニット１１５と、
システム１００のワークフローを制御する制御装置１６０と、
システム１００のユーザと通信するユーザインタフェース１６５と、
データを記憶するメモリ装置１７０とを更に含む。
【００２４】
システム１００の実施例において、入力データのための３つの入力コネクタ１８１、１８２及び１８３がある。第１入力コネクタ１８１は、限定的ではないがハードディスク、磁気テープ、フラッシュメモリ又は光ディスクのようなデータ記憶部から入るデータを受信するように構成される。第２入力コネクタ１８２は、限定的ではないがマウス又はタッチスクリーンのようなユーザ入力装置から入るデータを受信するように構成される。第３入力コネクタ１８３は、キーボードのようなユーザ入力装置から入るデータを受信するように構成される。入力コネクタ１８１、１８２及び１８３は、入力制御ユニット１８０に接続される。
【００２５】
システム１００の実施例において、出力データのための２つの出力コネクタ１９１及び１９２がある。第１出力コネクタ１９１は、ハードディスク、磁気テープ、フラッシュメモリ又は光ディスクのようなデータ記憶部にデータを出力するように構成される。第２出力コネクタ１９２は、表示装置にデータを出力するように構成される。出力コネクタ１９１及び１９２は、出力制御ユニットユニット１９０を介してそれぞれのデータを受信する。
【００２６】
当業者は、入力装置をシステム１００の入力コネクタ１８１、１８２及び１８３に接続し、出力装置を出力コネクタ１９１及び１９２に接続する多くの態様があると理解するであろう。これらの態様は、有線の及びワイヤレス接続、限定的ではないがローカルエリアネットワーク（ＬＡＮ）及びワイドエリアネットワーク（ＷＡＮ）、インターネット、デジタル電話網及びアナログの電話網のようなデジタルネットワークを含む。
【００２７】
システム１００の実施例において、システム１００は、メモリユニット１７０を含む。システム１００は、入力コネクタ１８１、１８２及び１８３のいずれかを介して外部装置から入力データを受信し、受信入力データをメモリユニット１７０に記憶させるように構成される。入力データをメモリユニット１７０にロードすることは、システム１００のユニットによる関連したデータ部への高速なアクセスを可能にする。入力データは、例えば画像データセット及び結合モデルを含み得る。メモリユニット１７０は、限定的ではないがランダムアクセスメモリ（ＲＡＭ）チップ、読取り専用メモリ（ＲＯＭ）チップ、並びに／又はハードディスクドライブ及びハードディスクのような装置によって実施され得る。メモリユニット１７０は、出力データを記憶するように更に構成され得る。出力データは、例えば登録された血管モデル及び変換された基準オブジェクトモデルを含み得る。メモリユニット１７０は、メモリバス１７５を介して配置ユニット１１０、適合ユニット１１５、計算ユニット１２０、第１変換ユニット１３０、登録ユニット１４０、制御装置１６０及びユーザインタフェース１６５を含むシステム１００のユニットからデータを受信し、これらにデータを配信するようにも構成される。メモリユニット１７０は、出力コネクタ１９１及び１９２のいずれかを介して出力データを外部装置に利用可能にされる。メモリユニット１７０のシステム１００のユニットからのデータを記憶することは、システム１００のユニットから外部装置への出力データの転送レート、及びシステム１００のユニットの性能を有利に向上させ得る。
【００２８】
代替として、システム１００は、メモリユニット１７０及びメモリバス１７５を含まなくてもよい。システム１００によって使用される入力データは、システム１００のユニットに接続される少なくとも一つの外部装置、例えば外部メモリ又はプロセッサにより供給され得る。同様に、システム１００によって生成される出力データは、システム１００のユニットに接続される少なくとも一つの外部装置、例えば外部メモリ又はプロセッサに供給され得る。システム１００のユニットは、内部接続を介して、又はデータバスを介して互いからデータを受信するように構成され得る。
【００２９】
システム１００の実施例において、システム１００は、システム１００のワークフローを制御する制御装置１６０を含む。制御ユニット１６０は、制御データをシステム１００のユニットから受信し、制御データを該ユニットに供給するように構成され得る。例えば変形場を計算した後、計算ユニット１２０は、「変形場が計算される」という制御データを制御ユニット１６０に送信するように構成され得、制御ユニット１６０は、変換ユニット１３０に「変形場を使用して結合モデルを変換させる」という制御データを供給して、変換ユニット１３０が配置結合モデルを変換することを要求するように構成され得る。オプションとして、制御関数は、システム１００の他のユニットにおいて実行され得る。
【００３０】
システム１００の実施例において、システム１００は、システム１００のユーザと通信するユーザインタフェース１６５を含む。ユーザインタフェース１６５は、画像データ空間の結合モデルを手動で配置するための手段をユーザに提供するように構成され得る。オプションとして、ユーザインタフェースは、システム１００の動作モード、例えば結合モデルを選択するモード、及び／又は適合ユニット１１５によって使用される適合方法を選択するモードを選択するため、ユーザ入力を受信し得る。当業者は、より多くの関数がシステム１００のユーザインタフェース１６５において有利に実施され得ると理解するであろう。
【００３１】
容積測定（すなわち三次元の（３Ｄ））画像データセットは、データ要素を含む。画像データの各データ要素（ｘ、ｙ、ｚ、Ｉ）は、通常、画像データ空間座標系の３つの直交座標ｘ、ｙ、ｚにより表わされる位置（ｘ、ｙ、ｚ）と、この位置における強度Ｉとを有する。
画像データ要素は、ボクセル、すなわち小さい典型的に立方の又は立方体様のボリュームと、このボリュームに割り当てられる強度とによって表され得る。座標ｘ、ｙ、ｚは、立方又は立方体様ボクセルの頂点の座標であり得る。画像データ空間又は画像データボリュームとも称される画像データセットの空間は、画像データ要素（ｘ、ｙ、ｚ、Ｉ）に含まれる全ての位置（ｘ、ｙ、ｚ）を含むボリュームとして規定され得る。画像ボリュームは、全てのボクセルボリュームの結合とも解釈され得る。容積測定画像データセットは、画像ボリュームの一まとまりの実質的に平面の断面又はスライス、例えば座標系のｚ軸と実質的に直角をなす断面又はスライスとして構成され得る。４Ｄ画像データセットは、異なる時間インスタンス又は異なる運動フェーズで得られる一まとまりの容積測定画像データセットを有する。
【００３２】
血管として冠状動脈、例えば右の冠状動脈（ＲＣＡ）又はＲＣＡ、左前下行（ＬＡＤ）冠状動脈及び回旋（ＬＣＸ）動脈から成る主冠状動脈ツリーに適用され、基準オブジェクトとして、心臓周期のフェーズ、例えば拡張終期フェーズで心臓に適用されるとき、システム１００は、特に役立つ。しかしながら、当業者は、システム１００が血管のような構造、すなわち管状構造、例えば限定的ではないが、血管、空気パイプ、及び神経のいずれかを登録するために使用され得ると理解するであろう。基準オブジェクトは、限定的ではないが肋骨、脊柱及び腎臓のような、血管のような構造の相対的な位置決めを決定することに役立ついかなる解剖学的構造でもあり得る。好ましくは、画像データセットに含まれる基準オブジェクトは、容易に検出可能であり、基準オブジェクトモデルを用いて比較的容易に詳細に描写され得る。血管に又は血管モデルに関して使用する「位置決め」という用語は、それぞれ全体血管又は血管モデルの位置、方向及び構成を含む、全体の血管又は血管モデルを説明する。
【００３３】
４つの心室及び主動脈及び静脈トランクのマルチ表面心臓モデルから成る例示的な結合モデルは、Ｊ．ｖｏｎ Ｂｅｒｇ ａｎｄ Ｃ． Ｌｏｒｅｎｚによる、¨Ｍｕｌｔｉ―ｓｕｒｆａｃｅ Ｃａｒｄｉａｃ Ｍｏｄｅｌｉｎｇ， Ｓｅｇｍｅｎｔａｔｉｏｎ， ａｎｄ Ｔｒａｃｋｉｎｇ¨ｉｎ Ａ．Ｆ．Ｆｒａｎｇｉ ｅｔ ａｌ．（Ｅｄｓ．）：ＦＩＭＨ ２００５，ＬＮＣＳ ３５０４，Ｓｐｒｉｎｇｅｒ―Ｖｅｒｌａｇ Ｂｅｒｌｉｎ Ｈｅｉｄｅｌｂｅｒｇ ２００５，ｐａｇｅｓ １―１１（以下引用文献３と称す）という論文に記載される。今日では、オブジェクトモデルは、しばしば平均モデルであり、すなわちモデルは複数のオブジェクト、例えば複数の患者からの心臓に基づいて構成される。このような平均モデルは、モデル化されたオブジェクトの典型的特徴を記載する。参考文献３に記載されるマルチ表面心臓モデルは、このような平均モデルであり、心臓表面は、三角形メッシュを使用して記載される。他のメッシュ、例えば単純メッシュも使用され得る。
【００３４】
冠状動脈をモデル化することは、C. Lorenzらによる"Modeling the coronary artery tree" in International Conference on Shape Modeling and Applications 2004 (SMI'04) 2004, Genoa, Italy, June 6-9, 2004, pages 354-357.という論文に記載される。論文は、線分によってつなげられる点（制御点とも称される）として描写される冠状動脈中心線のツリーモデルを使用する。代替として、制御点は、例えば立方スプライン、Ｂ―スプライン、又はベジェ曲線によってつながれ得る。当業者は、請求項の範囲が血管中心線の実施に依存しないことを理解するであろう。心臓及び脈管構造の結合されたモデルは、C. Lorenz and J. von Bergによる"Towards a Comprehensive Geometric Model of the Heart" in A. F. Frangi et al (Eds.), FIMH 2005, LNCS 3504, Springer Verlag, Berlin, Germany, 2005, pages 102-112（以下引用文献４と称す）という論文に記載される。
【００３５】
システム１００の配置ユニット１１０は、画像データセットの空間に結合モデルを配置するように構成される。配置は、自動的になされ、例えば、C. Lorenz and J. von Bergによる"Fast automated object detection by recursive casting of search rays" in Proc. CARS. 2005, pages 230-235という記事に記載されるレイキャスティング、又は、H. Schrammらによる"Towards Fully Automatic Object Detection and Segmentation" in Proc. SPIE Vol. 6144, 614402, Medical Imaging 2006: Image Processing, J. M. Reinhardt and J. P. Pluim (Eds.), pages 11-20.という記事に記載されるヒュー変換を使用して、基準オブジェクトを検出することに基づき得る。オプションとして、配置は、ユーザインタフェース１６５により提供されるモデルを操作するための手段を用いて、手動で洗練又は実行され得る。配置は、固定（rigid）変形を用いて実行される。オプションとして、配置は、結合モデルの更にグローバルな変形、例えばスケーリングを含み得る。
【００３６】
計算ユニット１２０は、画像データセットにおける対応するランドマークと関連する配置基準オブジェクトモデルのランドマークの変位を含むランドマーク変位場に基づく高密度変形場を計算するように構成される。ランドマークのセットは、参考文献４において説明されたように、結合モデルに含まれ得る。システムは、画像データセットにおける対応するランドマークの位置を決定するため、ユーザ入力を得ることがあり得る。代替として、例えば画像データセットにおける対応するランドマークの位置は、ランドマーク特徴検出を用いたシステムによって計算され得る。配置基準オブジェクトモデルのランドマークの位置、及び画像データセットにおける対応するランドマークの位置が決定されるとき、計算ユニット１２０は、画像データセットの対応するランドマークと関連して配置された基準オブジェクトモデルのランドマークの変位、すなわち変位のベクトルを含むランドマーク変位場を計算するように構成される。この場は、高密度変形場を計算するため、計算ユニット１２０によって更に使用される。例えば、計算ユニット１２０は、薄いプレートスプラインを用いて、変位場を内挿するように構成され得る。低密度ベクトル場から薄いプレートスプライン内挿を用いて高密度ベクトル場を生成することは、F. L. Booksteinによる "Principal warps: Thin-plate splines and the decomposition of deformations" in IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol. 11, pages 567-585, 1989.という論文に記載される。「高密度」という言葉は、ここでは変形場が配置結合モデルを変換させるために画像データセット空間に適用され得るという意味で使用される。
【００３７】
システム１００の実施例において、システムは、配置基準オブジェクトモデルを画像データセットに適応させ、これにより適応する配置基準オブジェクトモデルのランドマークとして画像データセットにおける対応するランドマークを規定する適合ユニット１１５を更に有する。適合ユニット１１５は、対応するランドマークが、例えば、O. Ecabertらによる"Towards Automatic Full Heart Segmentation in Computed-Tomography Images" 32th Conference on Computers in Cardiology, 2005, pages 223-226.という論文に記載される方法を使用して自動的に識別されることを可能にする。代替として、適合ユニット１１５によって使用される適合方法は、半自動又は手動であり得る。
【００３８】
システム１００の実施例において、基準オブジェクトモデルは、メッシュを含む。メッシュは、多角形のメッシュ、例えば三角形メッシュであり得る。有利なことに、セットのランドマークは、配置基準オブジェクトモデルの配置されたメッシュの頂点のサブセットであり得る。例えば、配置されたメッシュの全ての頂点は、基準オブジェクトモデルのランドマークであり得る。オプションとして、画像データセットに配置されたメッシュを適合する間に検出される「強い」画像データセット特徴に対応する頂点、例えば閾値よりも大きい計算された重み（重みの定義にはJ. Weeseらによる"Shape constrained deformable models for 3D medical image segmentation" in Proc. IPMI. 2001, pages 380-387という論文のセクション２．２を参照されたい）を有する頂点のみが、配置された基準オブジェクトモデルのランドマークを規定するために使用され得る。それから、適応された配置メッシュの頂点は、画像データセットにおける対応するランドマークとして使用され得る。
【００３９】
変形場は、変形場を配置結合モデルに適用することにより、配置結合モデルを変換結合モデルに変換するため、変換ユニット１３０によって使用される。この変形場は、配置基準オブジェクトモデル及び配置血管モデルの両方を変換する。変形場が画像データセットにおいて対応するランドマークに、配置基準オブジェクトモデルのランドマークを登録することによって構成されるので、基準オブジェクトモデルの変換は、画像データセットの基準オブジェクトを詳細に描写することに申し分ない。しかしながら、変換血管モデルの位置決めは、実際の血管位置決めのかなり粗い評価であり得、変換血管モデルの更なる登録のために開始する位置決めとして役立つ。
【００４０】
システム１００の登録ユニット１４０は、変換血管モデルを修正すること、及び修正した変換血管モデルの目的関数を最適化することに基づいて、変換された血管モデルを画像データセットに登録するように構成され、ここで目的関数は、変換結合モデルと関連する修正された変換血管モデルの位置決めに基づく事前知識の位置の項を含む。目的関数を最適化することは、例えば目的関数の最大値又は最小値を見つけることに基づき得る。血管モデルを記載するパラメータは、血管中心線の制御点の座標を含み得る。血管中心線は、Ｂ―スプラインを用いて内挿され得る。登録の間、各制御点は、例えば制御点のＢ―スプラインの接線に対して実質的に直角の平面、又は元の制御点を中心とする球面のこの座標を変化させ得る。血管中心線が変形するとき、平面又は球面の方向は調整され得る。
【００４１】
システム１００の実施例において、事前知識の位置の項は、変換血管モデルにおける位置から、修正した変換血管モデルの中心線の変位の処罰項であり得る。これは、例えば、G. BorgeforsによるDistance transforms in digital images" in IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol. 34, 1986, pages 344-371.という論文に記載される距離変換を使用して実現され得る。距離変換は、画像データ空間のある位置から画像データ空間の位置の特定のセットまでの距離として規定される。画像データ空間の位置から位置の特定のセットまでの距離は、位置の特定のセットに含まれる最も近い位置に対する前記位置のユークリッド距離であり得る。位置の特定のセットは、血管の典型的、すなわち最もありそうな位置決めを記載し得る。画像データ空間の位置から血管の典型的な位置決めを記載する位置のセットまでの距離の逆数は、血管が画像データ空間の前記位置に位置される確率と解釈され得る。
【００４２】
血管の典型的な位置決めを記載する位置の特定のセットは、多くの態様で規定され得る。例えば、位置の特定のセットは血管中心線上の位置によって規定され得、例えば血管中心線によって交差されるボクセルによって規定され得る。オプションとして、位置の特定のセットは、血管中心線上の位置に隣接した位置か、又は中心線からの特定の距離の範囲内の位置を更に含み得る。他の可能性は、平均血管モデルを構成するために使用されるサンプル血管モデルの集団からサンプル血管モデルの各々の位置決めを識別することである。各サンプル血管モデルは、画像データ空間に配置され、計算ユニット１２０によって計算される変形場を使用して変換ユニット１３０によって変換され得る。変換されるサンプル血管モデルの全ての位置は、位置の特定のセットを規定する。当業者は、位置の特定のセットを規定する他の態様が役立ち得、請求項の範囲が位置の特定のセットの規定に依存しないことを理解するであろう。
【００４３】
システム１００の実施例において、事前知識の位置の項は、変換基準オブジェクトモデルと関連する修正された変換血管モデルの中心線の変位の処罰項であり得る。例えば適応する配置基準オブジェクトモデルに含まれるランドマークのサブセットと同一である画像データセットにおける対応するランドマークのサブセットは、基準セットとして使用され得る。中心線に沿った次の制御点の各組に対して、制御点の対及び基準セットからのランドマークの位置によって規定される三角形の領域が、計算され得る。オプションとして、制御点のセットは、中心線に沿う、他の、例えばより大きな点のセットと置き換えられ得る。制御点の全ての対によって規定される三角形の領域は、まとめられ得る。合計は、例えば複数のトレーニング画像データセットを使用して、学ばれる「グランドトゥルース」の合計と比較され得る。同様の合計は、残りのランドマークのために計算され得る。事前知識の位置の項は、基準セットからランドマークごとに計算される合計の指数関数として規定され得る。例えば、ベキ指数は、計算された合計と「グランドトゥルース」合計との違いの加重された平方和の負の二乗根であり得る。重み付けは、負でない。
【００４４】
当業者は、他の事前知識の位置の項が使用されること、及び記載された事前知識の位置の項が請求項の範囲を制限するのではなく、本発明を説明すると理解するであろう。
【００４５】
システム１００の実施例において、目的関数は、画像データセットの血管を検出するためのベッセルネス項を更に有する。例示的なベッセルネス項は、特定の直径の明るい延長構造体を検出するベッセルネスフィルタを使用する。ベッセルネスフィルタは、参考文献２に記載されている。画像データ空間のフィルタ位置に適用されるベッセルネスフィルタは、フィルタ位置におけるベッセルネスの程度、すなわち血管がフィルタ位置にある確率を得る。ベッセルネスフィルタは、検出された血管の直径に対応するスケールパラメータを有する。
ベッセルネスの量は、スケールパラメータの値に依存する。修正された変換血管モデルがフィルタ位置の血管の予想される直径を持つ場合、この予想される直径は、ベッセルネスの測定値が最大を達成するスケールパラメータの値と比較され得る。予想される血管直径が、ベッセルネスの量の最大を達成するスケールパラメータに近ければ近いほど、フィルタ位置に血管がある確率は高くなる。代替として、ベッセルネスフィルタのスケールは、予想される血管直径に設定され得る。ベッセルネスフィルタは、フィルタ位置においても血管のような構造の接線も推定する。この付加的情報は、例えば修正された変換血管モデルによって規定される血管の予想される方向によって、血管のような構造の正接の内積を用いて修正された変換血管モデルにより規定される血管の予想される方向と比較され得る。
【００４６】
実施例において、ベッセルネス項及び事前知識の位置の項は、結合され、目的関数の外部エネルギー項は、Ｅｅｘｔ＝ΣｊＣ（ｓｊ,σｊ）として書かれ、ただし画像データ空間における各フィルタ位置ｓｊに対して、例えば修正された変換血管モデルの中心線の各制御点に対してＣ（ｓｊ,σｊ）＝ｄ（ｓｊ）ｗ（ｓｊ,σｊ）Ｄ（ｓｊ）＋Ｉ（ｓｊ）である。ここでσｊは、血管モデルに含まれる予想される血管直径に等しいベッセルネスフィルタの大きさであり、ｄ（ｓｊ）は、この位置で修正した変換された血管モデルによって規定される血管の予想される方向による、フィルタ位置ｓｊの血管のような構造の正規化された正接の内積であり、Ｄ（ｓｊ）は、フィルタ位置ｓｊから位置の特定のセットまでの距離の逆数であり、ｗ（ｓｊ,σｊ）は、フィルタ位置ｓｊのベッセルネス量である。ベッセルネス量ｗ（ｓｊ，σｊ）は、参考文献２、C. Lorenzらによる"A multi-scale line filter with automatic scale selection based on the Hessian matrix for medical image segmentation", Lecture Notes In Computer Science, Vol. 1252, Proceedings of the First International Conference on Scale-Space Theory in Computer Vision, 1997, pages, 152-163, Y. Satoらによる"3D multiscale line filter for segmentation and visualization of curvilinear structures in medical images", Conference on Computer Vision, Virtual Reality and Robotics in Medicine and Medial Robotics and Computer-Assisted Surgery, 1997, pages 213-222に記載されるフィルタのうちの１つ、又はこれら全ての重みづけられた総和であり得る。任意の項Ｉ（ｓｊ）は、フィルタ位置ｓｊでの画像データ強度を評価する。この項は、例えば肺血管と冠状動脈とを区別することに使用され得る。ＣＴ画像データセットにおいて、肺血管は冠状動脈と同様のベッセルネス測定値を示し得るが、冠状動脈は更に明るい。
【００４７】
実施例において、外部のエネルギー項は、Ｅｅｘｔ＝Ｅｖｅｓｓ＋Ｅｌｏｃと書かれ得、ここでEvess=Σj(d(sj)w(sj,σj)+I(sj))は、ベッセルネス項であり、Eloc=ΣjD(sj)が事前知識の位置の項である。当業者は、外部のエネルギー項を構成する他の態様を知っているであろう。記載される実施態様は、実施例を図示したものであり、請求項の範囲を制限しない。
【００４８】
目的関数は、中心線の高い湾曲の処罰項である内部エネルギー項を更に含み得る。オプションとして、中心線の全長は、曲率の大域的な尺度として役立ち得、これは、カーブされた中心線がまっすぐな中心線よりも長くなる傾向にあるためである。
【００４９】
当業者は、目的関数に含まれ得る多くの他の役立つ項があることを理解するであろう。これらの項は、制限されないが、J. Petersらによる"Feature optimization via simulated search for model-based heart segmentation", CARS 2005 - Computer Assisted Radiology and Surgery, Proceedings of the 19th International Congress and Exhibition Berlin, Germany, June 22 - 25, 2005;に記載される方法を用いて、トレーニング画像から学ばれる特徴であって、平均血管モデル形状からの偏差と、
画像データセットに適応される更なる基準オブジェクトと関連する位置と、屈伸エネルギー項とを有する。請求項の範囲は、これらの項を含むことに依存しない。
【００５０】
当業者は、目的関数を最適化する他の態様があり得ると更に理解するであろう。例えば、目的関数を最適化することが最小の目的関数を見つけることに基づくという態様で、目的関数が再定義され得る。オプションとして、複数の値を得る多次元目的関数が規定され得る。目的関数の最適条件に対応する、最適化された目的関数のパラメータ、例えば修正した変換された血管モデル中心線の制御点は、画像データセットに登録される血管モデルを規定する。
【００５１】
当業者は、システム１００の他の実施例があり得ると理解するであろう。とりわけシステムのユニットを再定義し、これらの関数を再配信することはあり得る。例えば、システム１００の実施例において、配置ユニット１１０及び適合ユニット１１５の関数は、１つの初期化ユニットに結合され得る。システム１００の更なる実施例において、複数の項計算ユニットがあり得る。各ユニットは、目的関数の項を計算するように構成され得る。ユーザは、目的関数を計算するための登録ユニット１４０によって使用される項計算ユニットを選択するための入力を提供することによって、目的関数を規定し得る。
【００５２】
システム１００のユニットは、プロセッサを使用して実施され得る。通常これらの関数は、ソフトウエアプログラムの制御の下で実行される。実行する間、ソフトウエアプログラムは、通常ＲＡＭのようなメモリにロードされ、ここから実行される。プログラムは、ＲＯＭ、ハードディスク又は磁気及び／若しくは光学記憶装置のようなバックグラウンドメモリからロードされ得るか、インターネットのようなネットワークを介してロードされ得る。オプションとして、特定用途向け集積回路が、記載された機能を提供し得る。
【００５３】
図２は、基準オブジェクトモデル及び血管モデルを含む結合モデルに基づいて画像データセットに血管モデルを登録する方法２００の例示的な実施のフローチャートを示す。方法２００は、画像データセットの空間に結合モデルを配置し、これによって、配置された基準オブジェクトモデル及び配置された血管モデルを含む配置された結合モデルを生成する配置ステップ２１０から開始される。配置ステップ２１０の後、方法２００は、配置された基準オブジェクトモデルを画像データセットに適合させ、これによって、画像データセットにおける対応するランドマークを規定するための適合ステップ２１５に継続する。適合ステップ２１５の後、方法２００は、画像データセットにおける対応するランドマークと関連する配置基準オブジェクトモデルのランドマークの変位を含むランドマーク変位場に基づいて変形場を計算する計算ステップ２２０に継続する。計算ステップ２２０の後、方法２００は、変形場を使用して配置結合モデルを変換し、これによって、変換基準オブジェクトモデル及び変換血管モデルを含む変換結合モデルを生成する変換ステップ２３０に継続する。変換ステップ２３０の後、方法２００は、変換された血管モデルを修正すること、及び修正した変換血管モデルの目的関数を最適化することに基づいて、変換された血管モデルを画像データセットに登録する登録ステップ２４０に継続し、ここで目的関数は、変換結合モデルと関連する修正された変換血管モデルの位置決めに基づく事前知識の位置の項を含む。登録ステップ２４０の後、この方法は、終了する。
【００５４】
当業者は、方法２００のステップで規定されるいくつかの作業の順序を変更し得、又は本発明によって意図される概念を逸脱しない範囲でスレッディングモデル、マルチプロセッサシステム若しくは複数のプロセスシステムを使用していくつかの作業を並行して実行し得る。オプションとして、本発明の方法２００の２又はそれより多くのステップが、１つのステップに結合され得る。オプションとして、本発明の方法２００のステップは、複数のステップに分割され得る。
【００５５】
図３は、図式的に、システム１００を使用した画像取得装置３００の例示的な実施例を示し、前記画像取得装置３００は、内部接続を介してシステム１００、入力コネクタ３０１及び出力コネクタ３０２に接続される画像取得ユニット３１０を含む。この装置は、有利なことに、基準オブジェクトモデル及び血管モデルを含む結合モデルに基づく画像データセットに血管モデルを登録するシステム１００の有利な性能を画像取得装置３００に提供し、画像取得装置３００の能力を向上させる。画像取得装置の例は、制限的ではないが、ＣＴシステム、Ｘ線システム、ＭＲＩシステム、超音波システム、ＰＥＴシステム、ＳＰＥＣＴシステム及びＮＭシステムを含む。
図４は、図式的に、ワークステーション４００の例示的な実施例を示す。ワークステーションは、システムバス４０１を有する。プロセッサ４１０、メモリ４２０、ディスク入出力（Ｉ／Ｏ）アダプタ４３０及びユーザインタフェース（ＵＩ）４４０は、システムバス４０１に動作可能に接続される。ディスク記憶装置４３１は、ディスク入出力アダプタ４３０に動作可能に結合される。キーボード４４１、マウス４４２及びディスプレイ４４３は、ＵＩ４４０に動作可能に結合される。コンピュータプログラムとして実施される本発明のシステム１００は、ディスク記憶装置４３１に記憶される。ワークステーション４００は、プログラム及び入力データを記憶４２０にロードし、プロセッサ４１０上のプログラムを実行するように構成される。ユーザは、情報をキーボード４４１及び／又はマウス４４２を使用してワークステーション４００に入力し得る。ワークステーションは、表示装置４４３に及び／又はディスク４３１に情報を出力するように構成される。当業者は、周知のワークステーション４００の多数の他の実施例があること、及び本実施例が本発明を図示する目的で役立ち、本発明をこの具体例に制限するとして解釈されてはならないことを理解するであろう。
【００５６】
上述の実施例が本発明を制限するのではなく図示すること、及び当業者が添付の請求の範囲の要旨を逸脱しない範囲で別の実施例を設計することが可能なことに留意されるべきである。請求項において、括弧の間に配置されるいかなる参照記号も、請求項を制限するものとして解釈されるべきではない。「含む」という語は、請求項において又は記載において列挙されない要素又はステップの存在を除外しない。要素に対する単数形の表記は、このような要素の複数の存在を除外しない。本発明は、いくつかの異なる要素から成るハードウェア、及びプログラムされたコンピュータによって実施され得る。いくつかのユニットを列挙するシステム請求項において、これらのユニットのいくつかは、ハードウェア又はソフトウェアの同一のアイテムによって実施され得る。第１、第２、及び第３等の語の使用は、いかなる順序も示さない。これらの語は、名称と解釈されるべきである。
【特許請求の範囲】
【請求項１】
基準オブジェクトモデル及び血管モデルを含む結合モデルに基づいて画像データセットに前記血管モデルを登録するシステムであって、
前記画像データセットの空間において前記結合モデルを配置し、これにより、配置基準オブジェクトモデル及び配置血管モデルを含む配置結合モデルを生成する配置ユニットと、
前記画像データセットにおいて対応するランドマークと関連する前記配置基準オブジェクトモデルのランドマークの変位を含むランドマーク変位場に基づいて、変形場を計算する計算ユニットと、
前記変形場を使用して、前記配置結合モデルを変換し、これにより、変換基準オブジェクトモデル及び変換血管モデルを含む変換結合モデルを生成する変換ユニットと、
前記変換血管モデルを修正すること、及び前記修正変換血管モデルの目的関数を最適化することに基づいて、前記変換血管モデルを前記画像データセットに登録する登録ユニットとを有し、前記目的関数が、前記変換結合モデルと関連する前記修正変換血管モデルの位置決めに基づく事前知識の位置の項を含む、システム。
【請求項２】
前記配置基準オブジェクトモデルを画像データセットに適合させ、これにより画像データセットにおける対応するランドマークを規定する適合ユニットを更に有する、請求項１に記載のシステム。
【請求項３】
前記基準オブジェクトモデルが複数の頂点を含むメッシュを備える、請求項２に記載のシステム。
【請求項４】
前記血管モデルが、血管中心線を記載するための複数の制御点を備える、請求項１に記載のシステム。
【請求項５】
前記目的関数が、画像データセットの空間のベッセルネスフィルタの位置におけるベッセルネスの量を計算するベッセルネスフィルタに基づくベッセルネス項を更に有する、請求項１に記載のシステム。
【請求項６】
前記血管モデルが、血管壁を記載するための前記血管の複数の直径を更に含む、請求項５に記載のシステム。
【請求項７】
前記事前知識の位置の項が、前記変換基準オブジェクトモデルに依存する、請求項１に記載のシステム。
【請求項８】
請求項１に記載のシステムを含む画像取得装置。
【請求項９】
請求項１に記載のシステムを含むワークステーション。
【請求項１０】
基準オブジェクトモデル及び血管モデルを含む結合モデルに基づいて画像データセットに血管モデルを登録する方法であって、
前記画像データセットの空間に前記結合モデルを配置し、これにより、配置基準オブジェクトモデル及び配置血管モデルを含む配置結合モデルを生成する配置ステップと、
前記画像データセットにおける対応するランドマークと関連する前記配置基準オブジェクトモデルのランドマークの変位を含むランドマーク変位場に基づいて、変形場を計算する計算ステップと、
前記変形場を使用して、前記配置結合モデルを変換し、これにより、変換基準オブジェクトモデル及び変換血管モデルを含む変換結合モデルを生成する変換ステップと、
前記変換血管モデルを修正すること、及び前記修正変換血管モデルの目的関数を最適化することに基づいて前記画像データセットに前記変換血管モデルを登録する登録ステップとを含み、前記目的関数が、変換結合モデルと関連する修正変換血管モデルの位置決めに基づく事前知識の位置の項を含む方法。
【請求項１１】
基準オブジェクトモデル及び血管モデルを含む結合モデルに基づいて画像データセットに血管モデルを登録する命令を有する、コンピュータ装置によってロードされるコンピュータプログラムであって、前記コンピュータ装置が処理ユニット及びメモリを有し、前記コンピュータプログラムがロードされた後、前記処理ユニットに対して、
前記画像データセットの空間に結合モデルを配置し、これにより配置基準オブジェクトモデル及び配置血管モデルを含む配置結合モデルを生成するステップと、
前記画像データセットにおいて対応するランドマークと関連する前記配置基準オブジェクトモデルのランドマークの変位を含むランドマーク変位場に基づいて、変形場を計算するステップと、
前記変形場を使用して前記配置結合モデルを変換し、これにより変換基準オブジェクトモデル及び変換血管モデルを含む変換結合モデルを生成するステップと、
前記変換血管モデルを修正すること、及び前記修正変換血管モデルの目的関数を最適化することに基づいて画像データセットを有する変換血管モデルを登録するステップとを遂行する能力を提供し、前記目的関数が、変換結合モデルと関連する修正変換血管モデルの位置決めに基づく事前知識の位置の項を有する、コンピュータプログラム。
【請求項１】
基準オブジェクトモデル及び血管モデルを含む結合モデルに基づいて画像データセットに前記血管モデルを登録するシステムであって、
前記画像データセットの空間において前記結合モデルを配置し、これにより、配置基準オブジェクトモデル及び配置血管モデルを含む配置結合モデルを生成する配置ユニットと、
前記画像データセットにおいて対応するランドマークと関連する前記配置基準オブジェクトモデルのランドマークの変位を含むランドマーク変位場に基づいて、変形場を計算する計算ユニットと、
前記変形場を使用して、前記配置結合モデルを変換し、これにより、変換基準オブジェクトモデル及び変換血管モデルを含む変換結合モデルを生成する変換ユニットと、
前記変換血管モデルを修正すること、及び前記修正変換血管モデルの目的関数を最適化することに基づいて、前記変換血管モデルを前記画像データセットに登録する登録ユニットとを有し、前記目的関数が、前記変換結合モデルと関連する前記修正変換血管モデルの位置決めに基づく事前知識の位置の項を含む、システム。
【請求項２】
前記配置基準オブジェクトモデルを画像データセットに適合させ、これにより画像データセットにおける対応するランドマークを規定する適合ユニットを更に有する、請求項１に記載のシステム。
【請求項３】
前記基準オブジェクトモデルが複数の頂点を含むメッシュを備える、請求項２に記載のシステム。
【請求項４】
前記血管モデルが、血管中心線を記載するための複数の制御点を備える、請求項１に記載のシステム。
【請求項５】
前記目的関数が、画像データセットの空間のベッセルネスフィルタの位置におけるベッセルネスの量を計算するベッセルネスフィルタに基づくベッセルネス項を更に有する、請求項１に記載のシステム。
【請求項６】
前記血管モデルが、血管壁を記載するための前記血管の複数の直径を更に含む、請求項５に記載のシステム。
【請求項７】
前記事前知識の位置の項が、前記変換基準オブジェクトモデルに依存する、請求項１に記載のシステム。
【請求項８】
請求項１に記載のシステムを含む画像取得装置。
【請求項９】
請求項１に記載のシステムを含むワークステーション。
【請求項１０】
基準オブジェクトモデル及び血管モデルを含む結合モデルに基づいて画像データセットに血管モデルを登録する方法であって、
前記画像データセットの空間に前記結合モデルを配置し、これにより、配置基準オブジェクトモデル及び配置血管モデルを含む配置結合モデルを生成する配置ステップと、
前記画像データセットにおける対応するランドマークと関連する前記配置基準オブジェクトモデルのランドマークの変位を含むランドマーク変位場に基づいて、変形場を計算する計算ステップと、
前記変形場を使用して、前記配置結合モデルを変換し、これにより、変換基準オブジェクトモデル及び変換血管モデルを含む変換結合モデルを生成する変換ステップと、
前記変換血管モデルを修正すること、及び前記修正変換血管モデルの目的関数を最適化することに基づいて前記画像データセットに前記変換血管モデルを登録する登録ステップとを含み、前記目的関数が、変換結合モデルと関連する修正変換血管モデルの位置決めに基づく事前知識の位置の項を含む方法。
【請求項１１】
基準オブジェクトモデル及び血管モデルを含む結合モデルに基づいて画像データセットに血管モデルを登録する命令を有する、コンピュータ装置によってロードされるコンピュータプログラムであって、前記コンピュータ装置が処理ユニット及びメモリを有し、前記コンピュータプログラムがロードされた後、前記処理ユニットに対して、
前記画像データセットの空間に結合モデルを配置し、これにより配置基準オブジェクトモデル及び配置血管モデルを含む配置結合モデルを生成するステップと、
前記画像データセットにおいて対応するランドマークと関連する前記配置基準オブジェクトモデルのランドマークの変位を含むランドマーク変位場に基づいて、変形場を計算するステップと、
前記変形場を使用して前記配置結合モデルを変換し、これにより変換基準オブジェクトモデル及び変換血管モデルを含む変換結合モデルを生成するステップと、
前記変換血管モデルを修正すること、及び前記修正変換血管モデルの目的関数を最適化することに基づいて画像データセットを有する変換血管モデルを登録するステップとを遂行する能力を提供し、前記目的関数が、変換結合モデルと関連する修正変換血管モデルの位置決めに基づく事前知識の位置の項を有する、コンピュータプログラム。
【図１】
【図２】
【図３】
【図４】
【図２】
【図３】
【図４】
【公表番号】特表２０１０−５０５４９３（Ｐ２０１０−５０５４９３Ａ）
【公表日】平成２２年２月２５日（２０１０．２．２５）
【国際特許分類】
【出願番号】特願２００９−５３０９８４（Ｐ２００９−５３０９８４）
【出願日】平成１９年９月２８日（２００７．９．２８）
【国際出願番号】ＰＣＴ／ＩＢ２００７／０５３９４９
【国際公開番号】ＷＯ２００８／０４１１６５
【国際公開日】平成２０年４月１０日（２００８．４．１０）
【出願人】（５９００００２４８）コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ (12,071)
【Ｆターム（参考）】
【公表日】平成２２年２月２５日（２０１０．２．２５）
【国際特許分類】
【出願日】平成１９年９月２８日（２００７．９．２８）
【国際出願番号】ＰＣＴ／ＩＢ２００７／０５３９４９
【国際公開番号】ＷＯ２００８／０４１１６５
【国際公開日】平成２０年４月１０日（２００８．４．１０）
【出願人】（５９００００２４８）コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ (12,071)
【Ｆターム（参考）】
[ Back to top ]