数量的データ分析の運動補償及び治療
装置は、診断用スキャナ（１０２）及び処理プランナ（１１２）を含む。処理プランナ（１１２）は、対象に付与される処理を計画する。処理装置（１１４）は、処理計画にしたがって前記対象を処理する。処理スキャナ（１０８）は、処理セッションの間に前記対象を走査する。運動モデラー（１１６）は、前記対象の運動をモデル化するように処理走査からの情報を使用する。運動補償された数量的データ生成器（１００４）は、前記対象の特徴を示す運動補償された数量的データを生成するように、診断（１０２）又は他のスキャナ（特徴ジオメトリ（１００８）及び特徴運動（１００６）情報と同様に）からのデータを使用する。
【発明の詳細な説明】
【技術分野】
【０００１】
本願は、対象への処理の適用に関連した運動追跡に関する。本願は、運動対象から得られる画像データの数量化にも関する。本願は、陽電子放射断層撮影（ＰＥＴ）データの数量化への特定の適用を見出した。本願はまた、医療治療の適用に関連して主な運動の実時間追跡を提供するためのＰＥＴデータの使用への特定の適用を見出した。
【背景技術】
【０００２】
手術、化学療法及び放射線療法は、伝統的に医学腫瘍学の３つの主要な処理オプションであった。放射線療法の場合、強度調整された放射線療法（ＩＭＲＴ）装置は、処理オプションとして広範囲にわたり受け入れられた。近年、陽子又はイオンのような粒子を用いた粒子療法が、注意をひいている。放射線及び粒子療法の背後の原理は、付与される用量を最小化し、よって損傷を最小化しながら、健康な組織を囲むように、エネルギーの局所的な堆積によって腫瘍又は他の病変の死を誘導することであった。
【０００３】
医学画像及び処理計画技術の進歩は、空間的に様々な処理計画の発展にも至った。このように、処理計画は、特定の状況の要件に合わせて、例えば、病変の比較的より積極的すなわち用量耐性領域に比較的より高い用量を付与することによって、より密接に調整されることができる。
【発明の概要】
【発明が解決しようとする課題】
【０００４】
比較的静止した又は静的病変の場合、治療供給システムは、比較的高い空間精度を持つ所望の用量を概して供給することができる。しかしながら、残念なことに、定期的な呼吸又は心臓運動のような運動は、病変が運動目標として示されることがありえる。この種の運動の効果を補償し、臨床目標ボリュームが所望の用量を受けることを確実にするため、前記用量が比較的大きなボリュームに付与される、計画マージンが確立された。しかしながら、残念なことに、この種のアプローチは、付与されなければ健康であろう組織に有害でありえる。さらに、この種の運動はまた、空間的に変動する用量が腫瘍の所望の領域に付与される、精度を低減する傾向がある。
【０００５】
内部微小な運動（すなわち、特定の処理部分の供給の間に起こる運動）を扱ういくつかのアプローチが、記述されている。呼吸でゲートして制御する供給において、用量供給は、測定された呼吸フェーズに従って（例えば、用量供給は、完全な呼気に対応する時間に限られるように）ゲートで制御された。他の技術では、Ｘ線管及びフラットパネルｘ線検出器は、線形加速器との既知の物理的な関係において、取り付けられ、当該検出器は内部解剖的なランドマークを示す。当該検出器は、解剖的運動を追跡し、よって腫瘍が、処理の間、生理的プロセス（例えば呼吸）のためどのように運動するのかの指示を提供する。他のアプローチにおいて、電磁トランスポンダが、治療部位において、又は、治療部位近くに移植される。トランスポンダ信号は、ローカライザによって検出され、位置情報が、処理の前にアイソセンターに患者の処理目標を登録するため、セラピストへの位置インストラクションを生成するために用いられる。処理の間、あらかじめ定められた閾値を越える位置についてのシフトを実時間でグラフをハイライトしながら、その定められた位置から前記目標のシフトを識別するために局地化情報を使用することが提案された。
【０００６】
前述の技術の各々は、さまざまな欠点がある。例えば、ゲートで制御された用量供給は、拡張された処理時間になってしまう。さらに、この種のアプローチの空間精度は、目標領域の位置及び運動が推定される精度に依存する。目標の位置が１つの呼吸サイクルから次まで変化するので空間精度も低減される。ｘ線検出器ベースの技術は、全般的な、非治療的なＸ線服用の適用を必要とし、また適切な解剖学的ランドマーク、位置及び運動を識別する能力にも依存し、これらは目標の病変のものと異なるかもしれない。トランスポンダ・ベースの技術は、浸潤性移植手順を必要とし、同様に位置及び運動が目標の位置のものに一致する位置にトランスポンダを移植する能力に依存する。
【０００７】
上記議論は所望の処理が供給される精度に集中しているが、適切な処理の識別及び選択も重要な考慮となる。ＰＥＴイメージングにおいて、平均標準取り込み値（ＳＵＶ）は、疑わしい病状の数量的評価又は興味がある他の特徴を提供するために用いられてきた。ＳＵＶが、他の数量的及び質的な情報とともに、病状の又は興味がある他の特徴の評価（例えば、腫瘍が悪性であるか良好かどうかの評価）及び／又は処理の適当なコースの選択に影響するので、臨床医又は他のユーザに比較的正確なＳＵＶ情報を提供することが、通常望ましい。
【０００８】
平均ＳＵＶは、特徴の測定された活動、付与される放射線用量及び患者重量のような要因の関数として、通常計算されている。潜在する放射線崩壊の統計的性質のため、所与のボクセルで測定される活動は、比較的雑音が多くあり、よって計算されるＳＵＶの変動に至る。これらの変動の効果を減らすため、同じ解剖学的又は形態学的な構造に帰属しているボクセルは、比較的より大きな関心領域（ＲＯＩ）を得るために結合される。より大きいＲＯＩ上の活動は、このようにＳＵＶを計算するために用いられる。残念なことに、画像獲得の間、より大きいＲＯＩの運動は活動測定の精度を劣化させ、ＳＵＶ計算の精度を減らす。
【０００９】
本出願の態様は、これらの事項その他に対処する。
【課題を解決するための手段】
【００１０】
本出願の一つの態様によると、装置は、処理目標が処理セッション中運動する当該処理目標を含む対象を示す投影データを取得するスキャナを含む。前記装置はまた、前記処理目標の運動をモデル化するために、前記処理セッション中に取得された投影データを使用する運動モデラーと、前記処理セッション中に前記目標を処理する処理装置とを含む。前記処理装置は、運動モデルの関数として適用された処理の空間的位置を変える。
【００１１】
他の態様によると、コンピュータ可読格納媒体は、プロセッサにより実行されるとき、当該プロセッサが方法を実施させる命令を含む。前記方法は、対象の運動する目標に付与される処理のセッション中に、前記対象の関心領域で発生する放射線崩壊を示す投影データを選択するステップと、前記関心領域の特徴を識別するため、選択された投影データを使用するステップと、前記特徴の前記運動をモデル化するステップと、前記選択するステップ、前記選択された投影データを使用するステップ及びモデル化するステップを複数回前記処理のセッション中繰り返すステップとを有する。
【００１２】
他の態様によると、方法は、対象の画像データを生成するステップと、目標の運動を表わす前記対象の関心領域を識別するように、生成された前記画像データを使用するステップとを含む。前記方法は更に、前記関心領域を示す前記対象の撮像検査で得られた生データを選択するステップと、前記目標の運動をモデル化するように選択された前記生のデータを使用するステップと、運動のモデルの関数として、前記目標へ付与するための処理の特性を調整するステップと、前記選択するステップ、前記選択された生のデータを使用するステップ、及び前記目標の運動と協働して前記特性を調整するために処理セッション中に実質的に実時間で調整するステップを繰り返すステップとを含む。
【００１３】
他の態様によると、運動追跡装置は、周期的な生理的運動に従属する対象の病変に付与される処理のセッション中、前記対象の放射線崩壊を示す生のデータを取得する手段を含む。当該装置は、前記処理セッションの間、実質的に実時間の３つの空間的次元での前記病変の特性特徴の運動を追跡するために前記生データを処理する手段も含む。
【００１４】
他の態様によると、装置は、対象の検査の間に検出された放射線崩壊を表わす空間的に変動する活動データを使用する運動補償された数量的データ生成器と、前記対象を示す数量的データを生成するための運動補償関数部とを有する。前記運動補償関数部は前記数量的データを生成するために前記活動データを使用する計算における運動アーティファクトで生じたエラーを補償する。
【００１５】
他の態様によると、コンピュータ可読格納媒体は、コンピュータにより実行されるとき、当該コンピュータにより方法を実施させる命令を含む。当該方法は、対象の特徴を示す運動補償された数量的データを生成するために、前記対象の放射線崩壊を表わす空間的に変動する活動データを使用するステップを含む。当該使用するステップは、前記空間的に変動する活動データにおける運動アーティファクトにより導入されるエラーを補償する運動補償関数部を適用するステップを含む。
【００１６】
他の態様によると、方法は、対象の病状を示す数量的データを生成するため放射線崩壊を示す空間的に変動する活動データを使用するステップと、前記空間的に変動する活動データの運動アーティファクトにより生じるエラーを補償する運動補償関数部にしたがって、前記数量的データを調整するステップとを含む。
【００１７】
他の態様によると、方法は、対象を示す第１の画像データをユーザに提示するステップを含む。前記画像データは、複数の特徴を含む。当該方法は、第１の特徴を選択するステップと、第１の特徴を示す数量的データを生成するステップと、第２の特徴を選択するステップと、第２の特徴の運動を補償する運動補償された再構成を実施するステップとを含む。
【００１８】
他の態様によると、装置は、対象を示す第１の画像データをユーザに提示する手段を含む。前記画像データは、複数の特徴を含む。前記装置はまた、第１の特徴を選択する手段と、第１の特徴を示す数量的データを生成する手段と、第２の特徴を選択する手段と、第２の特徴の運動を補償する運動補償された再構成を実施する手段とを含む。
【００１９】
他の態様によると、運動補償された数量的データ生成器は、運動補償された数量的データを生成するために、対象の放射線崩壊の空間的分布を表わすデータを使用する。前記運動補償された数量的データ生成器は、前記空間的分布を表わす前記データ内の運動アーティファクトを補償するために、運動補償を適用する。
【００２０】
本出願のなお更なる態様は、当業者によって以下の詳細な説明を読んで理解することによりわかるだろう。
【００２１】
本発明は、さまざまな部品及び部品の配置、並びにさまざまなステップ及びステップの配置の形式でなされる。図面は、好ましい実施例を例示するためにだけあって、本発明を制限するものとして解釈されない。
【図面の簡単な説明】
【００２２】
【図１】図１は、診断及び処理システムのブロック図である。
【図２】図２は、運動モデラーのブロック図である。
【図３】図３は、中間画像を表す。
【図４】図４は、中間画像を生成するための技術の態様を表す。
【図５】図５は、運動追尾方法を表す。
【図６】図６は、運動モデラーのブロック図である。
【図７】図７は、ベクトルを表す。
【図８】図８は、測定された活動上の運動の効果を表す。
【図９】図９は、運動補償関数を表す。
【図１０】図１０は、運動補償された数量的データ生成器を表す。
【図１１Ａ】図１１Ａは、運動補償された数量的データ生成器を表す。
【図１１Ｂ】図１１Ｂは、データ構造を表す。
【図１２】図１２は、運動補償された数量的データ生成器を表す。
【図１３】図１３は、運動補償された数量的データ生成器を表す。
【図１４】図１４は、方法を表す。
【図１５】図１５は、特徴分析システムを表す。
【発明を実施するための形態】
【００２３】
図１を参照すると、システム１００は、第１のスキャナすなわち診断用スキャナ１０２、処理プランナ１１２、処理装置１１４及び第２のスキャナすなわち処理スキャナ１０８を含む。
【００２４】
第１のスキャナ１０２は、検査の下、対象の内部を示す画像データを提供し、スキャナ・モダリティが、撮像されている対象の特徴、撮像され及び／又は処理されるべき領域などの要因に基づいて選択されている。好適なスキャナの例としては、対象（コンピュータ断層撮影（ＣＴ）、ＭＲＩ、超音波（ＵＳ）又は対象の構造に関する情報を提供するスキャナと同様に）に関する機能的な情報を提供する、陽電子放射断層撮影（ＰＥＴ）、単一光子排出断層撮影（ＳＰＥＣＴ）及び機能的な磁気共鳴映像法（ｆＭＲＩ）スキャナを含む。複数のモダリティからの情報が望ましいので、複数のスキャナが、備えられてもよい。複合型スキャナ、例えば組み合わされたＰＥＴ／ＣＴ、ＳＰＥＣＴ／ＣＴ及びＰＥＴ／ＭＲスキャナも、考察される。
【００２５】
図示されているように、第１のスキャナ１０２は、分析、反復的であるか、他の適切な再構築技術を使用して、検査の下、対象を示す容積データ又は像空間データを生成するため、画像検査の間に生成される生のすなわち投影データを再構成する再構成器１０６を含む。第１のスキャナ１０２が複数のモダリティを含むので、複数の再構成器１０６も備えてもよい。一つの実施例では、第１のスキャナ１０２及び再構成器１０６は、診断良質な画像を生成するために協働する。
【００２６】
処理プランナ１１２は、処理目標に付与されるべき処理を計画するために、第１のスキャナ１０２からの画像データ及び／又は他の関連した情報を使用する。例えば、放射線腫瘍学において用いられる放射線治療プランシステム（ＲＴＰ）の場合、処理計画は概して、腫瘍又は他の病変に付与されるべき空間的に様々な放射線量を含む。
【００２７】
図１にて図示されるように、処理スキャナ１０８は、ＰＥＴスキャナである。ＰＥＴスキャナは、従来は、一般にリング、又は円筒形の検査領域１２０の周りに配置された複数の感光性の検出器１１８を含む。ＰＥＴ検査に関しては、陽電子を発している放射線を含むトレーサが、検査の下、対象に導入される。放射線が壊変するにつれて、発された陽電子は、陽電子対消滅として知られているように電子と相互に作用し、当該対消滅は、時間的に一致する５１１キロ電子ボルト（ｋｅＶ）のガンマ線の対を生成し、当該対は、反応のライン（ＬＯＲ）１２２に沿って、実質的に逆の方向に進行する。スキャナ１０８が飛行時間（ＴＯＦ）ＰＥＴスキャナであるので、飛行時間検出器は、一致する光子の到達時間を測定し、結果として生じる情報は、ＬＯＲ１２２に沿って対消滅の位置を推定するために用いられる。
【００２８】
処理スキャナ１０８は、処理セッション又はセッションの一部中に検出される対消滅を示す生のすなわち投影データを生成するため、処理装置１１４と協働して動作する。リスト・モード獲得の場合、データは、所与の走査の間に検出される多くの対消滅のリストを含み、前記リストの項目は、ＬＯＲ１２２の位置及び方向づけ、ＬＯＲ１２２（特にＴＯＦシステムの場合）に沿ったイベントの位置、対消滅が検出された時間、及び他の関連した情報を示す情報を概して含む。投影データは運動追跡のために主に使われるので、スキャナ１０８によってできる投影データは、診断画像を作るには不十分な品質でもよいことに留意されたい。
【００２９】
再構成器１１０は、適切な反復的な、分析的な、又は他の再構成技術を使用して、生データを再構成するために備えられ、それ故、例えばモニタ、フィルム等を経た人間の認知可能な形の表示のために、対象を示す容積画像データを生成する。
【００３０】
更に以下に記載されているように、運動モデラー１１６は、処理セッションの間、さもなければ処理目標の運動を追跡するための処理装置１１４による処理の応用の間、処理スキャナ１０８によって得られる投影データを使用する。より詳しくは、運動追跡は、処理セッションの進行にわたって目標を追跡するために、実質的に実時間に好ましくは実行される。
【００３１】
運動が３つの空間次元においてモデル化されるので、運動トラック又はモデルは、以下の関係に従って表されることができる：
式１
Ｐ（ｔ）＝（ｘ（ｔ）、ｙ（ｔ）、ｚ（ｔ））
ここで、Ｐ（ｔ）は、時間の関数として目標の又は他の関心領域の位置であり、ｘ（ｔ）、ｙ（ｔ）及びｚ（ｔ）は、それぞれのｘ、ｙ及びｚ軸に沿った関心領域の位置を表す。前記運動モデルは、絶対的位置以外に関して（例えば、位置の違い、速度、加速等に関して）及び他の所望の座標系に関して表されてもよい。
【００３２】
処理領域１１９が少なくとも部分的に検査領域１２０に対応するようスキャナに関係して位置する処理装置１１４は、所望の処理を対象に付与するために、処理プランナ１１２及び運動モデラー１１６からの情報を使用する。より詳しくは、処理装置１１４は、付与された処理中、実質的に実時間において処理目標の運動を補償するため、運動モデルＰ（ｔ）からの運動情報を使用する。
【００３３】
図１にて図示したように、処理装置１１４は、付与された処理が処理プランナ１１２によって計算されたものに近いように、例えば、付与された量の空間的、時間的及び／又は、他の特性を変調することによって、対象に付与される処理の強度又は他の特徴を変調するモジュレータ１２１を含む。
【００３４】
また腫瘍学の外部の放射線療法の実施例に関係して、処理装置１１４は、強度変調された放射線療法装置を含んでもよい。この種の装置は、概して、所望の放射線量を腫瘍に付与するために付与放射エネルギーを変調するため用いられるマルチリーフコリメータを含む。他の処理装置（線形加速器、粒子治療装置、無線周波数除去又は他の装置を含むが、これに限定されるものではない）及び高いフィールド超音波処理装置も、考察される。
【００３５】
対象は、部分的に分けられた治療の場合複数の処理セッションのうちの１つである付与される処理に関連して、処理装置１１４及び処理スキャナ１２０のそれぞれの処理領域１１９、１２０に登録されるか又はさもなければ位置付けされる。処理されるべき対象及び当該処理の性質に応じて、この種の位置付けは、一部の対象（例えば、患者の頭部に付与されるべき治療の場合、共形フェースマスク）、他の制限又は他の適切な技術にかなう位置決め装置により基準マーカを介して容易となる。前記処理に関連して患者を最適に配置するため、他の位置決め補助と連動して単独で、運動モデルＰ（ｔ）からの情報も使用されてもよい。
【００３６】
ここで図２に戻って、運動モデラー１１６は、グルーパー２５２、フィルタ２５４、特性プロセッサ２５８及び位置決定器２８２を含む。上記の如く、運動モデラー１１６は、データが走査の間に得られるにつれて、実質的に実時間において、処理スキャナ１０８から、生のすなわち投影データを受信する。
【００３７】
グルーパー２５２は、処理スキャナ１０８からの投影データを時間的グループにグループ化する。前記データが例えばリスト・モードＰＥＴデータを含むので、モデル化される運動の性質及びレート、所望の時間的解像度、対消滅カウント率、運動モデラー１１６の速度、並びに処理装置１１４が操縦できるか又はさもなければ付与される治療法をモジュレートできる率のような要素の関数として、グループの期間が通常確立されて、グルーパー２５２は、さまざまなＬＯＲを時間的グループにグループ化する。一つの実施例では、前記グループは、ＬＯＲの数がグループによって異なって、各々同じ時間的期間を持つ。他の実施例では、時間的期間がグループで異なって、各グループは同じ数のＬＯＲを含む。他の実施例では、ＬＯＲの時間的期間及び数は、制限範囲内で、変化することができる。
【００３８】
フィルタ２５４は、好ましくは目標を含むユーザが決定した又は自動的に決定された関心領域（ＲＯＩ）を横切らない投影データをフィルタリングするか又は無視する（すなわち、逆に言えば、横切る投影データを選択する）。また腫瘍アプリケーションのＰＥＴデータの実施例において、フィルタ２５４は、治療される腫瘍を含むＲＯＩと交差するこれらのＬＯＲを選択する。ＴＯＦデータが利用できるので、対消滅が前記ＲＯＩの外におそらくあるＬＯＲは放棄される。
【００３９】
特性プロセッサ２５８は、特性特徴（例えばフィルタリングされたグループの投影データの質量中心又は他の中心機能）を決定する。図２の実施例に示すように、特性プロセッサ２５８のコントローラ２６０は、簡略化された再構成システム２４３にアクセスする。簡略化された再構成器２４３は、時間的グループに対応する部分的な画像を生成するために、フィルタリングされた投影データのさまざまなグループの局所的に圧迫された逆投影法を実行する。前記部分的な画像は、格納部品２７８（例えばメモリ）に格納される。
【００４０】
一つの実施例ではさまざまな投影がＲＯＩ２５６のボクセルを横切る距離が計算され、簡略化された再構成器２４３が計算された距離の関数としてボクセル値を更新する。簡略化された、それ故比較的より速い実施態様において、所与のボクセルの値はインクリメントされるか、さもなければ投影がボクセルを横切るたびに一様に増加する。これは、ＬＯＲ２６４が、ＲＯＩ２５６のボクセル２６６、２６８、２７０、２７２、２７４、及び２７６を横切るＰＥＴシステムの実施例の場合の図４に再び図示されている。利用できる場合、簡略化された再構成器２４３によって作られるボクセル加重がＴＯＦデータを考慮してもよい点に留意する。
【００４１】
図２に戻って、特性特徴生成器２８０は、質量中心、活動の中央又は部分的な画像の他の特性特徴を計算する。選択された簡略化された再構成技術に応じて、ＲＯＩ２５６の外側の領域を示す投影データの効果を減らすため、前記特性特徴を計算するときに、前記ＲＯＩのボクセルのサブセットだけを考慮することが望ましい。これは、例えば、前記ＲＯＩの最大のボクセル値に対するユーザにより選択されたか又は他の所望のパーセンテージより少ない値を持つボクセルが考慮されない閾値化技術を介して達成される。
【００４２】
運動決定器２８２は、運動モデルＰ（ｔ）を生成するために、特性特徴データを使用し、前記運動モデルは処理装置１１４にアクセス可能な又はそうでなければ処理装置１１４に供給されるコンピュータ可読のメモリに保存される。運動決定器２８２は、例えば、一つ以上の過去の運動測定値を使用して１次又は高次の外挿推定を実行することによって、病変の将来の位置又は運動を予測するために運動データを使用することに注意されたい。明らかなように、前記プロセスは、走査中に得られる複数の時間的グループの各々から、実質的に実時間で繰り返される。
【００４３】
図３は、ＲＯＩ３５６の１つの実施例及び１０個の連続した時間的グループに関連して簡略化された再構成器２４３によって生成される複数の中間画像３６２１―１０を表し、運動モデルＰｎ（ｔ）は、グループごとに通常生成されるだろうことは理解されている。図３の実施例において、腫瘍３２０は、ＲＯＩ３５６の一般に円形の、時計回りの運動を受ける。１０個の中間画像３６２及び運動モデルＰｎ（ｔ）が説明のために図３に示されるが、他の数の時間的グループ及び／又は中間画像も生成されてもよい。図３がＲＯＩ３５６の画像スライスを表すことも理解されるだろう。ＲＯＩ３５６がボリュームを含むので、当該ボリュームをカバーしている中間画像が再構成されるだろう。
【００４４】
図６は、類似の参照符号が図２に関係した上述のものと同様の項目を説明して、運動モデラー１１６の別の実施例を表す。
【００４５】
図示するように、特性プロセッサ２５８は、フィルタ２５４によって生成されるフィルタリングされた投影データを受信するベクトル解析部品６９６を含む。またＰＥＴイメージングにおいて生成されるＬＯＲにおいて、各ＬＯＲは、ＬＯＲ上の点
及びその方向を記述する単位ベクトル
によって記載できるとみなされる。図７は、この種の２つのＬＯＲ、点
及び単位ベクトル
によって記載されている第１のＬＯＲ９８及び点
及び単位ベクトル
によって記載されている第２のＬＯＲ１００を例示する。
【００４６】
点
は、第１の９８及び第２の１００のＬＯＲを接続している最も短い線分１０２の中心を表す。
式２
ここでｄはＬＯＲ９８及び１００を接続している線分の長さであり、
式３
ｎは、ＬＯＲ９８及び１００を接続している線分の方向に指している単位ベクトルであり、
式４
ｂは、以下によって定義される。
式５
図６に戻って、ベクトル解析部品６９６は、ＬＯＲのｎ個の連続した対に対して一まとまりの点｛Ｃ１、Ｃ２．．．Ｃｎ｝を生成し、このことにより点の雲を生成する。平行のＬＯＲ又はｘ軸と直角をなすＬＯＲが別々に処理されることに注意されたい。
【００４７】
特性特徴生成器２８０は、前記点の雲の中心、質量又は他の所望の特性特徴を決定する。所望ならば、質量中心を決定するとき、中心から離れた点は無視されてもよい。運動決定器２８２は、運動モデルＰ（ｔ）を生成するために、再び特性特徴データを使用する。
【００４８】
関心領域の運動を決定するための適切な技術は、「Ｌｏｃａｌ Ｍｏｔｉｏｎ Ｃｏｍｐｅｎｓａｔｉｏｎ Ｂａｓｅｄ ｏｎ Ｌｉｓｔ Ｍｏｄｅ Ｄａｔａ」と名付けられ、２００６年２月２８日に出願の共同所有された米国暫定特許出願番号第６０／７７７，４６９号においても開示されていて、この出願は全て参照としてここにはっきり含まれる。運動モデルＰ（ｔ）は、再構成された画像の運動を補償するために、再構成器１１０により用いられてもよい。例えば、ＰＥＴスキャナからのデータの場合、運動モデルＰ（ｔ）は、検出された運動を補償するため、ＲＯＩで起こるイベントを示すＬＯＲの位置を移すために用いることができる。それから、獲得したデータセットの全て又は所望の部分が、再構成される。
【００４９】
バリエーションが、考察される。第１の１０２及び第２の１０８のスキャナが別々の装置として記述されているが、これらは全く同一の装置でもよい。第２のスキャナ１０８は、ＰＥＴスキャナに制限されず、ＳＰＥＣＴ又は他のモダリティ・スキャナ、複合型モダリティ・スキャナ等でもよい。上記の技術はまた、腫瘍以外の医療用途に適用できるし、処理を運動対象に適用することが望ましい工業的に又は他の非医学的なアプリケーションに適用できる。
【００５０】
また、上記の機能の一部又は全部が単一デバイスに結合されるか、又は複数の装置に分けられることができる点に注意されたい。例えば、運動モデラー１１６の一部もしくは全部は、スキャナ１０８の一部として実施されてもよく、再構成器１０６、１１０は、スキャナ１０２、１０８の一部として以外に実行されてもよい。当業者によっても理解されるように、上記のさまざまな技術は、適切なコンピュータ可読のメディアに保存されるコンピュータ可読命令により実行されてもよい。コンピュータプロセッサによって実行されるとき、命令はコンピュータプロセッサに、記載された技術を実行させる。
【００５１】
上記の技術は、生のすなわち投影データが複数のごみ箱にソートされるか又は捨てられるような収集に適用されてもよい。この種の実施において、グルーパー２５２は、所望の時対応する再度捨てられたデータを収集するため、データ収集時に、又は、それに関連して動作するだろう。
【００５２】
運動モデルを確立するために効果的に対象の特異性病変又は他の特徴を識別することが比較的困難であるという状況があるだろう。例えば、病変又は他の目標は、対象の運動によってぼやけて、斯様なぼやけはホットスポットの平均強度を減らす傾向にある。強度の減少は、潜在的に病変の非識別につながるか又はさもなければその検出を難しくする。従って、運動修正は、病変を含む又はその疑いが知られた領域に適用される。前記運動修正が比較的より弱い領域を強化する傾向があり、よって疑惑の領域の識別を補助するので、運動修正データは、所望の目標領域を識別するために分析される。
【００５３】
前記ＲＯＩは、第２のすなわち運動ＲＯＩで確立されてもよく、当該ＲＯＩ運動の運動は、目標の運動の適切な代用として役立つ。この種の装置は、目標に対する親和性を持つトレーサが比較的低い強度ホットスポットを生じる状況に、特によく適していて、処理スキャナ１０８が前記目標を撮像することに特にはよく適してはいないモダリティであるが、前記トレーサは、第２のＲＯＩに対して親和性を持つ。
【００５４】
動作は、図５に関して記載されている。
【００５５】
診断走査は５０２で得られ、処理計画は５０４で確立される。
【００５６】
前記対象は、５０６で処理のため準備される。前記目標のための親和性を持つトレーサは、前記対象に導入される。また医学腫瘍のＰＥＴスキャナの実施例において、ガン病変の比較的より高い代謝率を示すＦＤＧのようなトレーサは、患者の体内に導入される。患者も、目標が処理１１９及び検査１２０領域に最適に置かれるように、配置される。この点に関しては、処理スキャナ１０８は、前記対象の最初のスキャンを行うために用いられ、結果として生じる画像データが前記対象の位置決めを援助し及び／又はＲＯＩを決定するために用いられる。
【００５７】
明らかなように、目標は、付与される処理のコース上の全体的か、周期的であるか、又は他の運動に従属してもよい。また患者の実施例としては、運動は、定期的な生理的運動（例えば呼吸であるか心臓運動、著しい患者の運動、例えば膀胱又は大腸を満たす生理的方法によって生じる位置シフト）又は他の原因に起因してもよい。
【００５８】
処理スキャンは、５０８で行われる。投影データは、５１０で時間的にグループ化され、グループ化されたデータは、５１２でフィルタリングされ、特性特徴が５１４で識別され、前記特性特徴の位置が、５１６で決定される。５１８に示されるように、５１６を通るステップ５０８は、処理セッション中に実質的に実時間で繰り返される。
【００５９】
運動補償された処理が５２０で付与され、特性特徴の決定された位置は、例えば、前記特性特徴の決定された位置との時間的協調して、付与された粒子、光子ビーム又はその他付与された処理をステアリング又はゲート制御することによって、前記目標の運動を補償するため用いられる。前記処理が付与され、前記処理スキャンが、時間的に並行して行われる（すなわち、検査及び処理のために最適に配置される対象を持って）一方、画像獲得及び処理アプリケーションは、ゲート制御されてもよいので、獲得及び処理が実行される時間の期間は相互に排他的、又は部分的に重複する等であることが理解されるだろう。
【００６０】
一時的に図１に戻ると、処理プランナ１１２は、所望の処理を展開するために、スキャナ１０２からの画像データ及び／又は他の関連した情報を使用する。ＰＥＴ又はＳＰＥＣＴスキャナにおいて、例えば、前記情報は、数量的データ（例えば測定された活動の関数として、計算される平均ＳＵＶ）を含んでもよい。実施例の平均ＳＵＶ計算は、以下の通りに表されることができる。
式６
ここで、ＶＲＯＩはＳＵＶが計算されるＲＯＩに帰属するボクセルのセットであり、｜ＶＲＯＩ｜は関連するボリューム測定値であり、αｍ（ｘ）はボリューム又は像空間内の位置ｘでの測定された活動である。ＳＵＶ計算に通常含まれるその他の要因（例えば放射線用量、患者の重量など）が説明の明快さのため式６から省略され、当業者によって直ちに組み込まれることができることは、留意されたい。
【００６１】
式６は、以下の通りに書き直されることができる：
式７
ここで、ａ（ｘ）は、測定時間Ｔの間の位置ｘでの測定された活動αｍの時間的平均である。
式８
【００６２】
図８にここで戻ると、データ収集の間に発生している運動は、活動測定の不正確さ及びＳＵＶの過小評価を導く。図８では、横座標すなわちｘ軸は、位置、すなわち画像又は計測空間の位置ｘを表す一方、縦座標すなわちｙ軸は、正規化された活動測定を表す。この説明のために、病変のような関心の特徴は、寸法８０２及びそのボリュームにわたって一様である正規化された活動α（ｘ）＝１を持つとみなされるだろう。
【００６３】
曲線８０４は、病変が静止している場合における測定された活動αｍ（ｘ）を表し、他のエラー源は説明の明確のため無視されている。しかしながら、プロフィール８０６、８０８、８１０で示すように、活動測定αｍ（ｘ）は、病変運動によって影響されるだろう。プロフィール８０６は、運動の振幅が寸法８０２に等しい第１の状況を例示する。見て分かるように、測定された活動αｍ（ｘ）は、点８１２での実際の活動α（ｘ）に等しい。プロフィール８０８は、運動の振幅が病変の寸法８０２より大きい第２の状況を例示する。見てわかるように、測定された活動αｍ（ｘ）のピークの値は実際の活動α（ｘ）未満である。プロフィール８１０は、運動の振幅が病変の寸法より小さい第３の状況を例示する。見てわかるように、測定された活動αｍ（ｘ）は位置８１４の範囲に対する実際の活動α（ｘ）に対応する。
【００６４】
これらの変化は、運動アーティファクト（例えば減少したコントラスト及びぼやけ）につながる。第３の状況において、例えば、画像データは、測定された活動の時間的平均ａ（ｘ）が大部分正しい中央領域を含む。しかしながら、中央領域（例えば、寸法８１４）の寸法は、過少に示されるだろう。いくらかより少ない中央領域（例えば、寸法８１４の外側であるが寸法８０２内部の領域）において、測定された活動の時間的平均ａ（ｘ）は、実際の活動α（ｘ）より低いだろう。さらにより少ない中央領域（例えば、寸法８０２の外側の領域）において、測定された活動α（ｘ）（従って測定された活動の時間的平均ａ（ｘ））は、実際の活動α（ｘ）より大きい。さまざまな曲線８０４、８０６、８０８、８１０の分析から理解されるように、これらの運動効果の大きさは、病変サイズ及び運動特性の関数として、変化する。
【００６５】
さらに、これらの運動効果は、適当なＲＯＩの識別を難しくする。例えば、病変サイズ及び運動が曲線８１０においてと同程度に表されるので、ＲＯＩの寸法が寸法８１４以下である場合、ＳＵＶは、正しく計算されるだろう。しかしながら、曲線８０６（例えば、病変が比較的より小さくて及び／又は運動が比較的より大きい場合）によって表される状況が接近するにつれて、寸法８１４は、減少する傾向があり、よって、ＳＵＶ計算における統計ノイズを増加させる傾向がある。これに対し、ＲＯＩの寸法が寸法８１４より大きい場合、ＳＵＶは、過小評価されるだろう。曲線８０８によって表される状況が接近するにつれて、測定された活動αｍ（ｘ）が実際の活動α（ｘ）と一致するＲＯＩは定められない。
【００６６】
図８のさまざまな実施例において見られるように、計算された平均ＳＵＶは、選択されたＲＯＩの寸法によって分けられるそれぞれの曲線８０４、８０６、８０８、８１０の下の領域である。病変のサイズ及び運動並びに選択されたＲＯＩのサイズ及び位置に再び依存して、測定された活動の時間的平均ａ（ｘ）が実際値未満である若干の確率があるので、式６に従って平均ＳＵＶを計算することは、ＳＵＶを過小評価する。
【００６７】
病変のジオメトリ及び運動又は関心の他の特徴に関する情報が利用できると仮定するならば、運動補償された数量的なデータが生成できる。運動補償された平均ＳＵＶ計算の第１の実施例が、振幅Ａを持つ正弦波運動を受けて、活動α（ｘ）＝１及び半径ｒ＝１を持つ例示的均一な球体に対して説明されるだろう。特徴の中央の位置Ｐは、（正規化した）時刻
の関数として、記載できる：
式９
Ｐ＝Ｐ（ｔ）＝ｙ０＋Ａｓｉｎ（２πｔ）、
ここで、ｙ０は前記球体の平均位置である。
【００６８】
本実施例のために、選択されたＲＯＩは、半径ｒを持つ球体であるとみなされる。上記の式６の平均ＳＵＶ計算は、以下の通りに表されることができる：
式１０
ここで、｜ＶＲＯＩ｜はＲＯＩのボリュームであり（すなわち本実施例に対しては４πｒ３／３である）、Ｖ（ｔ）は、位置Ｐ（ｔ）及びＲＯＩの球体の交差のボリュームである。Ｖ（ｔ）は球面及び／又は非球面ジオメトリ両方に対して容易に計算できることが理解されるだろう。
【００６９】
式１０からの値Ｓは、式６に従って計算されるＳＵＶに適用されることができる運動補償された関数として見られることもでき、よって、運動補償された平均ＳＵＶを生成する：
式１１
【００７０】
前述の実施例のように、特徴が半径ｒ＝７ｍｍ及び振幅Ａ＝１０ｍｍを持つとみなされるだろう。なお、医学画像で、１０ｍｍの振幅は、隔膜の近くの病変（例えば、肺及び肝臓に存在する病変）において一般的である。このような場合には、上記の式６又は７に従って計算される平均ＳＵＶは、約２．５倍に過小評価されるだろう。
式１２
ＳＵＶｍｅａｎ（ｒ＝７ｍｍ、Ａ＝１０ｍｍ）＝０．３９５
式６又は７に従って計算される平均ＳＵＶに約２．５の補償係数を乗算することは、運動補償された平均ＳＵＶを生じる。
【００７１】
前述のことは、図９を参照してさらに一般的に例示され、ここで、横座標は、ｍｍに対する対象の特徴の振幅Ａを表し、縦座標は、式１０で先に述べた通りに計算された運動補償された関数Ｓを表す。曲線９０２、９０４、９０６、９０８、９１０、９１２は、それぞれ５、７．５、１０、１５、２０、及び３０ｍｍの半径持つ対象の特徴に対して式１０に従って生成される運動補償された関数Ｓを例示する。見てわかるように、運動振幅Ａが増加し、特徴サイズが減少するので、必要な運動補償は増加する傾向がある。
【００７２】
第２の実施例の運動補償された平均ＳＵＶ計算が、ここで説明される。説明の明快さのために、病変又は他の特徴は、小さい病変に対してはほぼ真である一様な活動αを持つとみなされるだろう。空間的に均一でない活動を持つより大きな病変又は特徴に対しては、病変又は特徴は、活動が実質的に一様である小区域に再分割されることができる。
【００７３】
ＰＥＴ、ＳＰＥＣＴ又は他の検査において測定される病変（又は、小区域）の活動は、以下の通りに表される：
式１３
Δ（ｘ）＝α・ｐ（ｘ）
ここで、Δ（ｘ）は測定された活動であり、ｐ（ｘ）は、病変（又は、小区域）の活動が位置ｘにある間の獲得時間の一部である。関数ｐ（ｘ）（位置ｘでの病変の確率密度を表す）は、上記の通りに病変運動及び幾何学情報に基づいて計算される。
【００７４】
明らかなように、目的は、通常、実際の活動αを決定することである。それ故、式１３は、書き直されることができる：
式１４
他の投射図から見ると、このとき、確率密度ｐ（ｘ）は、データ収集の間、病変の運動を補償する空間的に様々な運動補償された関数として役立つことができる。
【００７５】
式１１との類似によって、運動補償された平均ＳＵＶは、以下の通りに計算できる：
式１５
病変が獲得の間に通過した全領域をＲＯＩが含む場合、統計信頼が改善される。
式１６
バリエーションは、可能である。例えば、ＲＯＩは、ｐ（ｘ）が閾値τより大きいサブセット
だけを含むように頭を切って短くできる。
式１７
この種の実施は、確率密度ｐ（ｘ）の見積り値が低い値で比較的信頼できない状況において特に魅力的である。振幅に関して比較的大きい病変又は他の特徴に対して、閾値τは１に又はその近くに設定でき、この場合ＲＯＩは、図８の領域８１４に対応する。
【００７６】
運動補償された数量的データ計算を実行する装置が、図１０に関して説明される。図示するように、運動補償された数量的データ生成器１００４は、対象の特徴を示す運動補償された数量的データ１０１０を生成するために、ＰＥＴ、ＳＰＥＣＴ又は対象の他の検査の間に検出された放射線崩壊を表わす空間的に変化する活動データ１００２、特徴運動情報１００６及び特徴的ジオメトリ情報１００８を使用する。前記対象が検査の間運動をするにつれて、それゆえに、空間的に様々なデータの運動アーティファクトが生じ、データ生成器１００４が、数量的データの計算におけるエラーを誘導する運動アーティファクトを補償する。運動修正した数量的データ１０１０及び／又は他の関連した情報は、ユーザ・インタフェース１０１２（例えばコンピュータ実行のグラフィカル・ユーザ・インタフェース（ＧＵＩ））を介してユーザに提示される。
【００７７】
特徴ジオメトリ１００８は、さまざまなソースから情報を使用して推定される。一つの例として、適切な画像診断法（例えばＣＴ、ＭＲ、ＵＳ、Ｘ線、複合型画像診断法又は他のイメージング又は非イメージング検査モダリティ）を使用して行った対象の検査からのデータは、特徴のサイズ及び／又は形状を推定するために用いられる。特徴ジオメトリ１００８も、活動データ１００２から推定される。ユーザ・インタフェース（例えばユーザ・インタフェース１０１２又は他の適切な評価技術）を介して、手動でユーザによって、分割化又は他の特徴検出アルゴリズムを使用して、特徴ジオメトリ１００８の評価が自動的に、又は、半自動的に実行されてもよいことに注意されたい。
【００７８】
他の実施例として、特徴シミュレータが、活動データ１００２にある特徴のものと類似の幾何学的な及び／又は運動特性を持つシミュレーションされた特徴を生成するために用いられる。さらに別の実施例として、特徴ジオメトリ１００８は、関心の特徴についての演繹的な知識に基づいて推定されてもよい。腫瘍において、例えば、特により小さい病変の場合、球面ジオメトリは、病変の形状に合理的な近いものを提供できる。評価は、組み合わせてさまざまなソースからの情報を使用することにも注意されたい。
【００７９】
特徴運動１００６は、同様に、さまざまなソースからの情報を使用して推定される。一つの例として、運動１００６は、関連した運動に適当である運動モニタを経由して推定される。医学的背景において、適切なセンサは、呼吸、心臓及び／又は、他の周期的であるか総体である運動のモニタを含む。運動は、適切なイメージング又は対象の他の検査からのデータ、対象及びその運動特性等についての演繹的な知識を使用して、推定されてもよい。
【００８０】
運動補償された数量的データ生成器の第１の実行が、図１１Ａに関係して説明される。図示するように、運動補償された数量的データ生成器は、数量的データ生成器１１０２及び運動補償器１１０４を含む。数量的データジェネレータ１００４は、運動によって誘発されたエラーを含む数量的データを生成する。また、前記数量的データが平均ＳＵＶを含む実施例において、前記平均ＳＵＶは、式６又は７に関係して、上記の通りに計算される。特徴ジオメトリ１００８が図１０に関連して上記の通りに推定されることに注意されたい。
【００８１】
データ生成器１１０２から数量的データを受け取る運動補償器１１０４は、運動補償された数量的データ１０１０を生成するために、補償関数１１０６と協働して動作する。一つの実施例では、前記運動補償器は、式１０に関して上記の通りに適切な運動補償関数Ｓを計算する。図１１Ｂに図式的に図示される他の実施態様で、補償関数１１０６は、適切なコンピュータ可読のメモリに格納される参照テーブル又は他のデータ構造１１５０から得られる。より詳しくは、データ構造１１５０は、式１０及び図９に関して上記の通りに計算される複数の運動補償値１１５２を含む。運動補償値１１５２は、特徴運動、特徴サイズ、特徴形状及び／又は他の関連した変数に従ってインデックスを付けられるか、又はアクセスされる。前記データ構造のさまざまなエントリ１１５２間の補間が、所望通り実行される。特徴運動１００６が図１０に関連して上記の通りに推定されることに注意されたい。
【００８２】
例えば式１１に関連して上記の通りの実施例のように、運動補償器１１０４は、補償関数１１０６を数量的データに適用する。運動補償された数量的データ１０１０は、単独で、又は、他の関連したデータと組み合わせて、ユーザ・インタフェース１０１２を介して、臨床医又は他のユーザに提示される。このように、例えば、前記数量的データは、活動データ１００２、数量的データ生成器１１０２からの数量的データ、特徴ジオメトリ１００８、補償係数又は特徴形状又は運動の表現の一つ以上と並行して提示される。他のバリエーションとして、ユーザは、病変サイズ又は運動、補償値又は他の関連したデータを入力して、確認して及び／又は、修正する機会を与えられる。
【００８３】
運動補償された数量的データ生成器の他の実行が、図１２に関係して説明される。図示するように、運動補償された数量的データ生成器１２０２は、運動補償された数量的データ１０１０を生成するため最尤生成器１２０４と連動して動作する。
【００８４】
最尤生成器１２０４は、画像獲得の間、病変又は他の特徴が、例えば、上記の通りに確率密度ｐ（ｘ）を計算することによって、活動データ１００２の空間内のさまざまな位置を訪れる確率又は最尤を決定するために、特徴ジオメトリ情報１００８及び／又は特徴運動情報１００６を使用する。運動補償された数量的データ生成器１２０２は、運動補償された数量的データを生成するために、活動データ１００２及び最尤情報を使用する。最尤情報は、このように、活動データ１００２の運動アーティファクトを補償する運動補償関数として役立つ。運動補償された数量的データ１０１０が運動補償された平均ＳＵＶを含むので、前記ＳＵＶは、式１５に関して上記の通りに計算できる。前記特徴は複数の小区域を含むので、前記ＳＵＶの計算は、前記小区域の各々に対して実行され、結果は複合ＳＵＶを生成するために結合されることに留意されたい。運動補償された数量的データ１０１０及び／又は他の関連した情報は、ユーザ・インタフェース１０１２を介してユーザに提示される。
【００８５】
運動補償されたデータ生成器の他の実施は、図１３に関連して説明される。図示するように、システムは、図１２に関して上述されたのと同様である。当該システムも、活動データ１００２に存在する特徴１３０２に近い、シミュレーションされた、すなわち仮想特徴を生成する特徴シミュレータ１３０４を含む。一つの実施例では、特徴シミュレータ１３０４は、特徴パラメータ（例えば特徴活動情報、特徴ジオメトリ情報１３０８及び／又は実際の特徴１３０２に近い仮想特徴を作る特徴運動情報１３０６）を識別する。この種のシミュレーションは、例えば、適切な最適関数に従って活動、ジオメトリ１３０８及び／又は運動１３０６パラメータを反復して調整することによって、実行される。他の実施において、パラメータ１３０６、１３０８は、ユーザ・インタフェース１０１２を介してユーザによって調整され、シミュレーションされた特徴は、ユーザによる評価のため実際の特徴１３０２に関して、最適に示される。適切なシミュレーション技術は、名称が両方とも「Ｖｉｒｔｕａｌ Ｌｅｓｉｏｎ Ｑｕａｎｔｉｆｉｃａｔｉｏｎ」である２００５年５月３日に出願の共有する米国の暫定特許出願番号第６０／６７７，１７２号であって、２００６年１１月１９日に公開された国際特許公開公報ＷＯ ２００６／１１７７０６Ａ１にも記述されて発表されていて、これらの出願及び公報は参照され全体として本願明細書に組み込まれるものとする。特徴シミュレータ１３０４及びそのオペレータインタフェースがデータ生成器１２０２及び／又は最尤生成器１２０４以外の異なるコンピュータで行ってもよいことに注意されたい。
【００８６】
動作は、図１４に関して説明される。
【００８７】
検査の下、患者又は他の対象を示す活動データは、例えば核医学画像スキャンを介して、１４０２で得られる。少なくとも一部の対象は、前記走査の間、周期的又は全体的運動をする。
【００８８】
１４０４で、活動データに存在する関心の一つ以上の特徴のジオメトリ及び／又は運動が、推定される。
【００８９】
１４０６で、活動、ジオメトリ及び／又は運動情報が、関心の特徴を示す運動補償された数量的データを生成するために用いられる。前記運動補償されたデータは、データ取得及び／又は評価ステップから取り除かれる時間と場所で生成されることに注意されたい。
【００９０】
１４０８で、前記運動補償されたデータが、人間の認知可能な形式にて示される。
【００９１】
１４１０で、前記運動補償されたデータが、対象への付与のための適切な処理を計画するために用いられる。
【００９２】
計画された処理が、付与される（１４１２）。一つの実施例では、当該処理は、上述の運動追跡を含む。他の実施例では、この種の追跡は、使用されない。前記処理は、処理計画動作から取り除かれる時間と場所で付与されてもよいことに注意されたい。
【００９３】
前述の技術の他のアプリケーションが、図１５に関して説明される。図示するように、システムは、コンピュータ補助検出（ＣＡＤ）システム１５０２、特徴セレクタ１５０８、運動補償された再構成器１５１０、及び運動補償された数量的データ生成器１００４を含む。
【００９４】
ＣＡＤシステム１５０２は、対象を示す画像データ１５００に存在する疑わしい病変、病理学的又は他の特徴１５０６を識別する。画像データ１５００は、複数の画像モダリティ、例えば複合型ＰＥＴ／ＣＴ、ＰＥＴ／ＭＲ、ＳＰＥＣＴ／ＣＴ又は他のシステムを使用して、生成されたデータを含むことに注意されたい。画像データ１５００は、運動アーティファクトを含む。
【００９５】
図示の例において、ＣＡＤシステム１５０２は、例えば獲得したＣＴ又はＸ線減衰データに基づいて、疑わしい小さな結節を識別する既知の肺結節検出システムとして設定される。場合によっては、ＣＡＤシステム１５０２は、複数の疑わしい特徴１５０６を識別してもよい。これらの特徴は、信頼の様々な程度でもって識別されてもよいし、又は、さもなければ臨床医又は他のユーザにとっての様々な関心のものでもよい。
【００９６】
一般に１５０４に示されるように、画像データ１５００及び／又は識別された特徴１５０６の一つ以上が、例えばコンピュータ実行されるＧＵＩを介して、ユーザに示される。提示された活動データが、呼吸又は他の運動のため運動アーティファクトを含むことに注意されたい。画像データ１５００が多くのこの種の特徴１５０６を含み、このうちの幾つかは臨床医にとって興味が少ないので、特徴１５０６の全ての運動補償された再構成を実行することは、コンピュータ資源及び時間、システム複雑さ等に関して正当化されない。
【００９７】
特徴セレクタ１５０８は、分析のためさまざまな特徴を選択する。一つの実施例では、全て又は第１のサブセットの特徴１５０６が、選択され、運動補償された数量的データ生成器１００４が、データ収集の間、それらの特徴の運動に対する補償を含む運動補償された数量的データを生成する。特徴１５０６の第２のサブセットも選択され、運動補償された再構成器１５１０は、データ取得中にこれらの特徴１５０６の運動に対する補償を含む特徴の再構成を実行する。適切な運動補償された再構成技術は、例えば、２００７年７月２６日にMotion Correction in Nuclear Imagingという名称で出願した米国特許出願シリアル番号第６０／９５１，９６８号に開示されていて、この出願はここに参照として組み込まれる。数量的データ及び運動補償された再構成は、ユーザインタフェースを介して所望のフォーマットで提示される。
【００９８】
種々の特徴選択技術が考察されることに留意されたい。例えば、第１及び第２の特徴サブセットに含まれるべき特徴１５０６は、サイズ、活動又は他の特徴１５０６特徴、ＣＡＤシステム１５０２が特定の特徴１５０６を疑わしいものと信頼度を持って識別した当該信頼度及び／又は他の選択基準の評価に基づいて、自動的に選択されてもよい。前記選択基準は、より更なる又はより詳細な評価（例えば、曖昧である又は特に疑わしい特徴）をより必要とするような特徴が第２のサブセットに含まれるように、通常確立されることに留意されたい。他の例として、第１及び／又は第２のサブセットに含まれるべき特徴１５０６がユーザにより識別され、よって選択される。特徴１５０６が医者又は他のユーザにより識別される場合、ＣＡＤシステム１５０２は省略されてもよいことに留意されたい。
【００９９】
前述の運動補償された技術は、病変の数量化又は呼吸及び／若しくは心臓運動に従属する器官にある他の特徴への特別な応用を見出す。この種の器官の非限定的な実施例としては、肝臓、肺及び心臓が挙げられるがこれらに限られない。前記技術は、周期運動に従属しない他の器官又は領域にも適用できる。例えば、前立腺は、膀胱の充填、腸のガスの蓄積などに起因する運動に従属してもよい。上記の技術がＳＵＶ計算に限定されず、特徴（例えば低酸素、アポトーシス及び潅流）を示す運動補償された数量的データの生成にも適用できることも、理解されるだろう。
【０１００】
前記技術は、実時間運動追跡を使用する処理技術に関連する使用に限定されず、化学療法、目標の放射線療法、分子治療、内部及び／又は外部の放射線療法及びこの種の追跡がない場合の他の処理モダリティに関連して使用されてもよい。
【０１０１】
当業者によっても理解されるように、上記のさまざまな技術は、適切なコンピュータ可読のメディアに保存されるコンピュータ可読の指示として行ってもよい。コンピュータプロセッサによって実行されるとき、前記指示はコンピュータプロセッサに記載されている技術を実行させる。
【０１０２】
本発明は、好ましい実施例を参照して説明された。変更態様及び変更は、前の詳細な説明を読んで理解すると、他のものへ起こってもよい。本発明は、請求項又は当該請求項と同等のものの範囲内にあるすべてのこの種の変更態様及び変更を含むものとして解釈されることが意図されている。
【技術分野】
【０００１】
本願は、対象への処理の適用に関連した運動追跡に関する。本願は、運動対象から得られる画像データの数量化にも関する。本願は、陽電子放射断層撮影（ＰＥＴ）データの数量化への特定の適用を見出した。本願はまた、医療治療の適用に関連して主な運動の実時間追跡を提供するためのＰＥＴデータの使用への特定の適用を見出した。
【背景技術】
【０００２】
手術、化学療法及び放射線療法は、伝統的に医学腫瘍学の３つの主要な処理オプションであった。放射線療法の場合、強度調整された放射線療法（ＩＭＲＴ）装置は、処理オプションとして広範囲にわたり受け入れられた。近年、陽子又はイオンのような粒子を用いた粒子療法が、注意をひいている。放射線及び粒子療法の背後の原理は、付与される用量を最小化し、よって損傷を最小化しながら、健康な組織を囲むように、エネルギーの局所的な堆積によって腫瘍又は他の病変の死を誘導することであった。
【０００３】
医学画像及び処理計画技術の進歩は、空間的に様々な処理計画の発展にも至った。このように、処理計画は、特定の状況の要件に合わせて、例えば、病変の比較的より積極的すなわち用量耐性領域に比較的より高い用量を付与することによって、より密接に調整されることができる。
【発明の概要】
【発明が解決しようとする課題】
【０００４】
比較的静止した又は静的病変の場合、治療供給システムは、比較的高い空間精度を持つ所望の用量を概して供給することができる。しかしながら、残念なことに、定期的な呼吸又は心臓運動のような運動は、病変が運動目標として示されることがありえる。この種の運動の効果を補償し、臨床目標ボリュームが所望の用量を受けることを確実にするため、前記用量が比較的大きなボリュームに付与される、計画マージンが確立された。しかしながら、残念なことに、この種のアプローチは、付与されなければ健康であろう組織に有害でありえる。さらに、この種の運動はまた、空間的に変動する用量が腫瘍の所望の領域に付与される、精度を低減する傾向がある。
【０００５】
内部微小な運動（すなわち、特定の処理部分の供給の間に起こる運動）を扱ういくつかのアプローチが、記述されている。呼吸でゲートして制御する供給において、用量供給は、測定された呼吸フェーズに従って（例えば、用量供給は、完全な呼気に対応する時間に限られるように）ゲートで制御された。他の技術では、Ｘ線管及びフラットパネルｘ線検出器は、線形加速器との既知の物理的な関係において、取り付けられ、当該検出器は内部解剖的なランドマークを示す。当該検出器は、解剖的運動を追跡し、よって腫瘍が、処理の間、生理的プロセス（例えば呼吸）のためどのように運動するのかの指示を提供する。他のアプローチにおいて、電磁トランスポンダが、治療部位において、又は、治療部位近くに移植される。トランスポンダ信号は、ローカライザによって検出され、位置情報が、処理の前にアイソセンターに患者の処理目標を登録するため、セラピストへの位置インストラクションを生成するために用いられる。処理の間、あらかじめ定められた閾値を越える位置についてのシフトを実時間でグラフをハイライトしながら、その定められた位置から前記目標のシフトを識別するために局地化情報を使用することが提案された。
【０００６】
前述の技術の各々は、さまざまな欠点がある。例えば、ゲートで制御された用量供給は、拡張された処理時間になってしまう。さらに、この種のアプローチの空間精度は、目標領域の位置及び運動が推定される精度に依存する。目標の位置が１つの呼吸サイクルから次まで変化するので空間精度も低減される。ｘ線検出器ベースの技術は、全般的な、非治療的なＸ線服用の適用を必要とし、また適切な解剖学的ランドマーク、位置及び運動を識別する能力にも依存し、これらは目標の病変のものと異なるかもしれない。トランスポンダ・ベースの技術は、浸潤性移植手順を必要とし、同様に位置及び運動が目標の位置のものに一致する位置にトランスポンダを移植する能力に依存する。
【０００７】
上記議論は所望の処理が供給される精度に集中しているが、適切な処理の識別及び選択も重要な考慮となる。ＰＥＴイメージングにおいて、平均標準取り込み値（ＳＵＶ）は、疑わしい病状の数量的評価又は興味がある他の特徴を提供するために用いられてきた。ＳＵＶが、他の数量的及び質的な情報とともに、病状の又は興味がある他の特徴の評価（例えば、腫瘍が悪性であるか良好かどうかの評価）及び／又は処理の適当なコースの選択に影響するので、臨床医又は他のユーザに比較的正確なＳＵＶ情報を提供することが、通常望ましい。
【０００８】
平均ＳＵＶは、特徴の測定された活動、付与される放射線用量及び患者重量のような要因の関数として、通常計算されている。潜在する放射線崩壊の統計的性質のため、所与のボクセルで測定される活動は、比較的雑音が多くあり、よって計算されるＳＵＶの変動に至る。これらの変動の効果を減らすため、同じ解剖学的又は形態学的な構造に帰属しているボクセルは、比較的より大きな関心領域（ＲＯＩ）を得るために結合される。より大きいＲＯＩ上の活動は、このようにＳＵＶを計算するために用いられる。残念なことに、画像獲得の間、より大きいＲＯＩの運動は活動測定の精度を劣化させ、ＳＵＶ計算の精度を減らす。
【０００９】
本出願の態様は、これらの事項その他に対処する。
【課題を解決するための手段】
【００１０】
本出願の一つの態様によると、装置は、処理目標が処理セッション中運動する当該処理目標を含む対象を示す投影データを取得するスキャナを含む。前記装置はまた、前記処理目標の運動をモデル化するために、前記処理セッション中に取得された投影データを使用する運動モデラーと、前記処理セッション中に前記目標を処理する処理装置とを含む。前記処理装置は、運動モデルの関数として適用された処理の空間的位置を変える。
【００１１】
他の態様によると、コンピュータ可読格納媒体は、プロセッサにより実行されるとき、当該プロセッサが方法を実施させる命令を含む。前記方法は、対象の運動する目標に付与される処理のセッション中に、前記対象の関心領域で発生する放射線崩壊を示す投影データを選択するステップと、前記関心領域の特徴を識別するため、選択された投影データを使用するステップと、前記特徴の前記運動をモデル化するステップと、前記選択するステップ、前記選択された投影データを使用するステップ及びモデル化するステップを複数回前記処理のセッション中繰り返すステップとを有する。
【００１２】
他の態様によると、方法は、対象の画像データを生成するステップと、目標の運動を表わす前記対象の関心領域を識別するように、生成された前記画像データを使用するステップとを含む。前記方法は更に、前記関心領域を示す前記対象の撮像検査で得られた生データを選択するステップと、前記目標の運動をモデル化するように選択された前記生のデータを使用するステップと、運動のモデルの関数として、前記目標へ付与するための処理の特性を調整するステップと、前記選択するステップ、前記選択された生のデータを使用するステップ、及び前記目標の運動と協働して前記特性を調整するために処理セッション中に実質的に実時間で調整するステップを繰り返すステップとを含む。
【００１３】
他の態様によると、運動追跡装置は、周期的な生理的運動に従属する対象の病変に付与される処理のセッション中、前記対象の放射線崩壊を示す生のデータを取得する手段を含む。当該装置は、前記処理セッションの間、実質的に実時間の３つの空間的次元での前記病変の特性特徴の運動を追跡するために前記生データを処理する手段も含む。
【００１４】
他の態様によると、装置は、対象の検査の間に検出された放射線崩壊を表わす空間的に変動する活動データを使用する運動補償された数量的データ生成器と、前記対象を示す数量的データを生成するための運動補償関数部とを有する。前記運動補償関数部は前記数量的データを生成するために前記活動データを使用する計算における運動アーティファクトで生じたエラーを補償する。
【００１５】
他の態様によると、コンピュータ可読格納媒体は、コンピュータにより実行されるとき、当該コンピュータにより方法を実施させる命令を含む。当該方法は、対象の特徴を示す運動補償された数量的データを生成するために、前記対象の放射線崩壊を表わす空間的に変動する活動データを使用するステップを含む。当該使用するステップは、前記空間的に変動する活動データにおける運動アーティファクトにより導入されるエラーを補償する運動補償関数部を適用するステップを含む。
【００１６】
他の態様によると、方法は、対象の病状を示す数量的データを生成するため放射線崩壊を示す空間的に変動する活動データを使用するステップと、前記空間的に変動する活動データの運動アーティファクトにより生じるエラーを補償する運動補償関数部にしたがって、前記数量的データを調整するステップとを含む。
【００１７】
他の態様によると、方法は、対象を示す第１の画像データをユーザに提示するステップを含む。前記画像データは、複数の特徴を含む。当該方法は、第１の特徴を選択するステップと、第１の特徴を示す数量的データを生成するステップと、第２の特徴を選択するステップと、第２の特徴の運動を補償する運動補償された再構成を実施するステップとを含む。
【００１８】
他の態様によると、装置は、対象を示す第１の画像データをユーザに提示する手段を含む。前記画像データは、複数の特徴を含む。前記装置はまた、第１の特徴を選択する手段と、第１の特徴を示す数量的データを生成する手段と、第２の特徴を選択する手段と、第２の特徴の運動を補償する運動補償された再構成を実施する手段とを含む。
【００１９】
他の態様によると、運動補償された数量的データ生成器は、運動補償された数量的データを生成するために、対象の放射線崩壊の空間的分布を表わすデータを使用する。前記運動補償された数量的データ生成器は、前記空間的分布を表わす前記データ内の運動アーティファクトを補償するために、運動補償を適用する。
【００２０】
本出願のなお更なる態様は、当業者によって以下の詳細な説明を読んで理解することによりわかるだろう。
【００２１】
本発明は、さまざまな部品及び部品の配置、並びにさまざまなステップ及びステップの配置の形式でなされる。図面は、好ましい実施例を例示するためにだけあって、本発明を制限するものとして解釈されない。
【図面の簡単な説明】
【００２２】
【図１】図１は、診断及び処理システムのブロック図である。
【図２】図２は、運動モデラーのブロック図である。
【図３】図３は、中間画像を表す。
【図４】図４は、中間画像を生成するための技術の態様を表す。
【図５】図５は、運動追尾方法を表す。
【図６】図６は、運動モデラーのブロック図である。
【図７】図７は、ベクトルを表す。
【図８】図８は、測定された活動上の運動の効果を表す。
【図９】図９は、運動補償関数を表す。
【図１０】図１０は、運動補償された数量的データ生成器を表す。
【図１１Ａ】図１１Ａは、運動補償された数量的データ生成器を表す。
【図１１Ｂ】図１１Ｂは、データ構造を表す。
【図１２】図１２は、運動補償された数量的データ生成器を表す。
【図１３】図１３は、運動補償された数量的データ生成器を表す。
【図１４】図１４は、方法を表す。
【図１５】図１５は、特徴分析システムを表す。
【発明を実施するための形態】
【００２３】
図１を参照すると、システム１００は、第１のスキャナすなわち診断用スキャナ１０２、処理プランナ１１２、処理装置１１４及び第２のスキャナすなわち処理スキャナ１０８を含む。
【００２４】
第１のスキャナ１０２は、検査の下、対象の内部を示す画像データを提供し、スキャナ・モダリティが、撮像されている対象の特徴、撮像され及び／又は処理されるべき領域などの要因に基づいて選択されている。好適なスキャナの例としては、対象（コンピュータ断層撮影（ＣＴ）、ＭＲＩ、超音波（ＵＳ）又は対象の構造に関する情報を提供するスキャナと同様に）に関する機能的な情報を提供する、陽電子放射断層撮影（ＰＥＴ）、単一光子排出断層撮影（ＳＰＥＣＴ）及び機能的な磁気共鳴映像法（ｆＭＲＩ）スキャナを含む。複数のモダリティからの情報が望ましいので、複数のスキャナが、備えられてもよい。複合型スキャナ、例えば組み合わされたＰＥＴ／ＣＴ、ＳＰＥＣＴ／ＣＴ及びＰＥＴ／ＭＲスキャナも、考察される。
【００２５】
図示されているように、第１のスキャナ１０２は、分析、反復的であるか、他の適切な再構築技術を使用して、検査の下、対象を示す容積データ又は像空間データを生成するため、画像検査の間に生成される生のすなわち投影データを再構成する再構成器１０６を含む。第１のスキャナ１０２が複数のモダリティを含むので、複数の再構成器１０６も備えてもよい。一つの実施例では、第１のスキャナ１０２及び再構成器１０６は、診断良質な画像を生成するために協働する。
【００２６】
処理プランナ１１２は、処理目標に付与されるべき処理を計画するために、第１のスキャナ１０２からの画像データ及び／又は他の関連した情報を使用する。例えば、放射線腫瘍学において用いられる放射線治療プランシステム（ＲＴＰ）の場合、処理計画は概して、腫瘍又は他の病変に付与されるべき空間的に様々な放射線量を含む。
【００２７】
図１にて図示されるように、処理スキャナ１０８は、ＰＥＴスキャナである。ＰＥＴスキャナは、従来は、一般にリング、又は円筒形の検査領域１２０の周りに配置された複数の感光性の検出器１１８を含む。ＰＥＴ検査に関しては、陽電子を発している放射線を含むトレーサが、検査の下、対象に導入される。放射線が壊変するにつれて、発された陽電子は、陽電子対消滅として知られているように電子と相互に作用し、当該対消滅は、時間的に一致する５１１キロ電子ボルト（ｋｅＶ）のガンマ線の対を生成し、当該対は、反応のライン（ＬＯＲ）１２２に沿って、実質的に逆の方向に進行する。スキャナ１０８が飛行時間（ＴＯＦ）ＰＥＴスキャナであるので、飛行時間検出器は、一致する光子の到達時間を測定し、結果として生じる情報は、ＬＯＲ１２２に沿って対消滅の位置を推定するために用いられる。
【００２８】
処理スキャナ１０８は、処理セッション又はセッションの一部中に検出される対消滅を示す生のすなわち投影データを生成するため、処理装置１１４と協働して動作する。リスト・モード獲得の場合、データは、所与の走査の間に検出される多くの対消滅のリストを含み、前記リストの項目は、ＬＯＲ１２２の位置及び方向づけ、ＬＯＲ１２２（特にＴＯＦシステムの場合）に沿ったイベントの位置、対消滅が検出された時間、及び他の関連した情報を示す情報を概して含む。投影データは運動追跡のために主に使われるので、スキャナ１０８によってできる投影データは、診断画像を作るには不十分な品質でもよいことに留意されたい。
【００２９】
再構成器１１０は、適切な反復的な、分析的な、又は他の再構成技術を使用して、生データを再構成するために備えられ、それ故、例えばモニタ、フィルム等を経た人間の認知可能な形の表示のために、対象を示す容積画像データを生成する。
【００３０】
更に以下に記載されているように、運動モデラー１１６は、処理セッションの間、さもなければ処理目標の運動を追跡するための処理装置１１４による処理の応用の間、処理スキャナ１０８によって得られる投影データを使用する。より詳しくは、運動追跡は、処理セッションの進行にわたって目標を追跡するために、実質的に実時間に好ましくは実行される。
【００３１】
運動が３つの空間次元においてモデル化されるので、運動トラック又はモデルは、以下の関係に従って表されることができる：
式１
Ｐ（ｔ）＝（ｘ（ｔ）、ｙ（ｔ）、ｚ（ｔ））
ここで、Ｐ（ｔ）は、時間の関数として目標の又は他の関心領域の位置であり、ｘ（ｔ）、ｙ（ｔ）及びｚ（ｔ）は、それぞれのｘ、ｙ及びｚ軸に沿った関心領域の位置を表す。前記運動モデルは、絶対的位置以外に関して（例えば、位置の違い、速度、加速等に関して）及び他の所望の座標系に関して表されてもよい。
【００３２】
処理領域１１９が少なくとも部分的に検査領域１２０に対応するようスキャナに関係して位置する処理装置１１４は、所望の処理を対象に付与するために、処理プランナ１１２及び運動モデラー１１６からの情報を使用する。より詳しくは、処理装置１１４は、付与された処理中、実質的に実時間において処理目標の運動を補償するため、運動モデルＰ（ｔ）からの運動情報を使用する。
【００３３】
図１にて図示したように、処理装置１１４は、付与された処理が処理プランナ１１２によって計算されたものに近いように、例えば、付与された量の空間的、時間的及び／又は、他の特性を変調することによって、対象に付与される処理の強度又は他の特徴を変調するモジュレータ１２１を含む。
【００３４】
また腫瘍学の外部の放射線療法の実施例に関係して、処理装置１１４は、強度変調された放射線療法装置を含んでもよい。この種の装置は、概して、所望の放射線量を腫瘍に付与するために付与放射エネルギーを変調するため用いられるマルチリーフコリメータを含む。他の処理装置（線形加速器、粒子治療装置、無線周波数除去又は他の装置を含むが、これに限定されるものではない）及び高いフィールド超音波処理装置も、考察される。
【００３５】
対象は、部分的に分けられた治療の場合複数の処理セッションのうちの１つである付与される処理に関連して、処理装置１１４及び処理スキャナ１２０のそれぞれの処理領域１１９、１２０に登録されるか又はさもなければ位置付けされる。処理されるべき対象及び当該処理の性質に応じて、この種の位置付けは、一部の対象（例えば、患者の頭部に付与されるべき治療の場合、共形フェースマスク）、他の制限又は他の適切な技術にかなう位置決め装置により基準マーカを介して容易となる。前記処理に関連して患者を最適に配置するため、他の位置決め補助と連動して単独で、運動モデルＰ（ｔ）からの情報も使用されてもよい。
【００３６】
ここで図２に戻って、運動モデラー１１６は、グルーパー２５２、フィルタ２５４、特性プロセッサ２５８及び位置決定器２８２を含む。上記の如く、運動モデラー１１６は、データが走査の間に得られるにつれて、実質的に実時間において、処理スキャナ１０８から、生のすなわち投影データを受信する。
【００３７】
グルーパー２５２は、処理スキャナ１０８からの投影データを時間的グループにグループ化する。前記データが例えばリスト・モードＰＥＴデータを含むので、モデル化される運動の性質及びレート、所望の時間的解像度、対消滅カウント率、運動モデラー１１６の速度、並びに処理装置１１４が操縦できるか又はさもなければ付与される治療法をモジュレートできる率のような要素の関数として、グループの期間が通常確立されて、グルーパー２５２は、さまざまなＬＯＲを時間的グループにグループ化する。一つの実施例では、前記グループは、ＬＯＲの数がグループによって異なって、各々同じ時間的期間を持つ。他の実施例では、時間的期間がグループで異なって、各グループは同じ数のＬＯＲを含む。他の実施例では、ＬＯＲの時間的期間及び数は、制限範囲内で、変化することができる。
【００３８】
フィルタ２５４は、好ましくは目標を含むユーザが決定した又は自動的に決定された関心領域（ＲＯＩ）を横切らない投影データをフィルタリングするか又は無視する（すなわち、逆に言えば、横切る投影データを選択する）。また腫瘍アプリケーションのＰＥＴデータの実施例において、フィルタ２５４は、治療される腫瘍を含むＲＯＩと交差するこれらのＬＯＲを選択する。ＴＯＦデータが利用できるので、対消滅が前記ＲＯＩの外におそらくあるＬＯＲは放棄される。
【００３９】
特性プロセッサ２５８は、特性特徴（例えばフィルタリングされたグループの投影データの質量中心又は他の中心機能）を決定する。図２の実施例に示すように、特性プロセッサ２５８のコントローラ２６０は、簡略化された再構成システム２４３にアクセスする。簡略化された再構成器２４３は、時間的グループに対応する部分的な画像を生成するために、フィルタリングされた投影データのさまざまなグループの局所的に圧迫された逆投影法を実行する。前記部分的な画像は、格納部品２７８（例えばメモリ）に格納される。
【００４０】
一つの実施例ではさまざまな投影がＲＯＩ２５６のボクセルを横切る距離が計算され、簡略化された再構成器２４３が計算された距離の関数としてボクセル値を更新する。簡略化された、それ故比較的より速い実施態様において、所与のボクセルの値はインクリメントされるか、さもなければ投影がボクセルを横切るたびに一様に増加する。これは、ＬＯＲ２６４が、ＲＯＩ２５６のボクセル２６６、２６８、２７０、２７２、２７４、及び２７６を横切るＰＥＴシステムの実施例の場合の図４に再び図示されている。利用できる場合、簡略化された再構成器２４３によって作られるボクセル加重がＴＯＦデータを考慮してもよい点に留意する。
【００４１】
図２に戻って、特性特徴生成器２８０は、質量中心、活動の中央又は部分的な画像の他の特性特徴を計算する。選択された簡略化された再構成技術に応じて、ＲＯＩ２５６の外側の領域を示す投影データの効果を減らすため、前記特性特徴を計算するときに、前記ＲＯＩのボクセルのサブセットだけを考慮することが望ましい。これは、例えば、前記ＲＯＩの最大のボクセル値に対するユーザにより選択されたか又は他の所望のパーセンテージより少ない値を持つボクセルが考慮されない閾値化技術を介して達成される。
【００４２】
運動決定器２８２は、運動モデルＰ（ｔ）を生成するために、特性特徴データを使用し、前記運動モデルは処理装置１１４にアクセス可能な又はそうでなければ処理装置１１４に供給されるコンピュータ可読のメモリに保存される。運動決定器２８２は、例えば、一つ以上の過去の運動測定値を使用して１次又は高次の外挿推定を実行することによって、病変の将来の位置又は運動を予測するために運動データを使用することに注意されたい。明らかなように、前記プロセスは、走査中に得られる複数の時間的グループの各々から、実質的に実時間で繰り返される。
【００４３】
図３は、ＲＯＩ３５６の１つの実施例及び１０個の連続した時間的グループに関連して簡略化された再構成器２４３によって生成される複数の中間画像３６２１―１０を表し、運動モデルＰｎ（ｔ）は、グループごとに通常生成されるだろうことは理解されている。図３の実施例において、腫瘍３２０は、ＲＯＩ３５６の一般に円形の、時計回りの運動を受ける。１０個の中間画像３６２及び運動モデルＰｎ（ｔ）が説明のために図３に示されるが、他の数の時間的グループ及び／又は中間画像も生成されてもよい。図３がＲＯＩ３５６の画像スライスを表すことも理解されるだろう。ＲＯＩ３５６がボリュームを含むので、当該ボリュームをカバーしている中間画像が再構成されるだろう。
【００４４】
図６は、類似の参照符号が図２に関係した上述のものと同様の項目を説明して、運動モデラー１１６の別の実施例を表す。
【００４５】
図示するように、特性プロセッサ２５８は、フィルタ２５４によって生成されるフィルタリングされた投影データを受信するベクトル解析部品６９６を含む。またＰＥＴイメージングにおいて生成されるＬＯＲにおいて、各ＬＯＲは、ＬＯＲ上の点
及びその方向を記述する単位ベクトル
によって記載できるとみなされる。図７は、この種の２つのＬＯＲ、点
及び単位ベクトル
によって記載されている第１のＬＯＲ９８及び点
及び単位ベクトル
によって記載されている第２のＬＯＲ１００を例示する。
【００４６】
点
は、第１の９８及び第２の１００のＬＯＲを接続している最も短い線分１０２の中心を表す。
式２
ここでｄはＬＯＲ９８及び１００を接続している線分の長さであり、
式３
ｎは、ＬＯＲ９８及び１００を接続している線分の方向に指している単位ベクトルであり、
式４
ｂは、以下によって定義される。
式５
図６に戻って、ベクトル解析部品６９６は、ＬＯＲのｎ個の連続した対に対して一まとまりの点｛Ｃ１、Ｃ２．．．Ｃｎ｝を生成し、このことにより点の雲を生成する。平行のＬＯＲ又はｘ軸と直角をなすＬＯＲが別々に処理されることに注意されたい。
【００４７】
特性特徴生成器２８０は、前記点の雲の中心、質量又は他の所望の特性特徴を決定する。所望ならば、質量中心を決定するとき、中心から離れた点は無視されてもよい。運動決定器２８２は、運動モデルＰ（ｔ）を生成するために、再び特性特徴データを使用する。
【００４８】
関心領域の運動を決定するための適切な技術は、「Ｌｏｃａｌ Ｍｏｔｉｏｎ Ｃｏｍｐｅｎｓａｔｉｏｎ Ｂａｓｅｄ ｏｎ Ｌｉｓｔ Ｍｏｄｅ Ｄａｔａ」と名付けられ、２００６年２月２８日に出願の共同所有された米国暫定特許出願番号第６０／７７７，４６９号においても開示されていて、この出願は全て参照としてここにはっきり含まれる。運動モデルＰ（ｔ）は、再構成された画像の運動を補償するために、再構成器１１０により用いられてもよい。例えば、ＰＥＴスキャナからのデータの場合、運動モデルＰ（ｔ）は、検出された運動を補償するため、ＲＯＩで起こるイベントを示すＬＯＲの位置を移すために用いることができる。それから、獲得したデータセットの全て又は所望の部分が、再構成される。
【００４９】
バリエーションが、考察される。第１の１０２及び第２の１０８のスキャナが別々の装置として記述されているが、これらは全く同一の装置でもよい。第２のスキャナ１０８は、ＰＥＴスキャナに制限されず、ＳＰＥＣＴ又は他のモダリティ・スキャナ、複合型モダリティ・スキャナ等でもよい。上記の技術はまた、腫瘍以外の医療用途に適用できるし、処理を運動対象に適用することが望ましい工業的に又は他の非医学的なアプリケーションに適用できる。
【００５０】
また、上記の機能の一部又は全部が単一デバイスに結合されるか、又は複数の装置に分けられることができる点に注意されたい。例えば、運動モデラー１１６の一部もしくは全部は、スキャナ１０８の一部として実施されてもよく、再構成器１０６、１１０は、スキャナ１０２、１０８の一部として以外に実行されてもよい。当業者によっても理解されるように、上記のさまざまな技術は、適切なコンピュータ可読のメディアに保存されるコンピュータ可読命令により実行されてもよい。コンピュータプロセッサによって実行されるとき、命令はコンピュータプロセッサに、記載された技術を実行させる。
【００５１】
上記の技術は、生のすなわち投影データが複数のごみ箱にソートされるか又は捨てられるような収集に適用されてもよい。この種の実施において、グルーパー２５２は、所望の時対応する再度捨てられたデータを収集するため、データ収集時に、又は、それに関連して動作するだろう。
【００５２】
運動モデルを確立するために効果的に対象の特異性病変又は他の特徴を識別することが比較的困難であるという状況があるだろう。例えば、病変又は他の目標は、対象の運動によってぼやけて、斯様なぼやけはホットスポットの平均強度を減らす傾向にある。強度の減少は、潜在的に病変の非識別につながるか又はさもなければその検出を難しくする。従って、運動修正は、病変を含む又はその疑いが知られた領域に適用される。前記運動修正が比較的より弱い領域を強化する傾向があり、よって疑惑の領域の識別を補助するので、運動修正データは、所望の目標領域を識別するために分析される。
【００５３】
前記ＲＯＩは、第２のすなわち運動ＲＯＩで確立されてもよく、当該ＲＯＩ運動の運動は、目標の運動の適切な代用として役立つ。この種の装置は、目標に対する親和性を持つトレーサが比較的低い強度ホットスポットを生じる状況に、特によく適していて、処理スキャナ１０８が前記目標を撮像することに特にはよく適してはいないモダリティであるが、前記トレーサは、第２のＲＯＩに対して親和性を持つ。
【００５４】
動作は、図５に関して記載されている。
【００５５】
診断走査は５０２で得られ、処理計画は５０４で確立される。
【００５６】
前記対象は、５０６で処理のため準備される。前記目標のための親和性を持つトレーサは、前記対象に導入される。また医学腫瘍のＰＥＴスキャナの実施例において、ガン病変の比較的より高い代謝率を示すＦＤＧのようなトレーサは、患者の体内に導入される。患者も、目標が処理１１９及び検査１２０領域に最適に置かれるように、配置される。この点に関しては、処理スキャナ１０８は、前記対象の最初のスキャンを行うために用いられ、結果として生じる画像データが前記対象の位置決めを援助し及び／又はＲＯＩを決定するために用いられる。
【００５７】
明らかなように、目標は、付与される処理のコース上の全体的か、周期的であるか、又は他の運動に従属してもよい。また患者の実施例としては、運動は、定期的な生理的運動（例えば呼吸であるか心臓運動、著しい患者の運動、例えば膀胱又は大腸を満たす生理的方法によって生じる位置シフト）又は他の原因に起因してもよい。
【００５８】
処理スキャンは、５０８で行われる。投影データは、５１０で時間的にグループ化され、グループ化されたデータは、５１２でフィルタリングされ、特性特徴が５１４で識別され、前記特性特徴の位置が、５１６で決定される。５１８に示されるように、５１６を通るステップ５０８は、処理セッション中に実質的に実時間で繰り返される。
【００５９】
運動補償された処理が５２０で付与され、特性特徴の決定された位置は、例えば、前記特性特徴の決定された位置との時間的協調して、付与された粒子、光子ビーム又はその他付与された処理をステアリング又はゲート制御することによって、前記目標の運動を補償するため用いられる。前記処理が付与され、前記処理スキャンが、時間的に並行して行われる（すなわち、検査及び処理のために最適に配置される対象を持って）一方、画像獲得及び処理アプリケーションは、ゲート制御されてもよいので、獲得及び処理が実行される時間の期間は相互に排他的、又は部分的に重複する等であることが理解されるだろう。
【００６０】
一時的に図１に戻ると、処理プランナ１１２は、所望の処理を展開するために、スキャナ１０２からの画像データ及び／又は他の関連した情報を使用する。ＰＥＴ又はＳＰＥＣＴスキャナにおいて、例えば、前記情報は、数量的データ（例えば測定された活動の関数として、計算される平均ＳＵＶ）を含んでもよい。実施例の平均ＳＵＶ計算は、以下の通りに表されることができる。
式６
ここで、ＶＲＯＩはＳＵＶが計算されるＲＯＩに帰属するボクセルのセットであり、｜ＶＲＯＩ｜は関連するボリューム測定値であり、αｍ（ｘ）はボリューム又は像空間内の位置ｘでの測定された活動である。ＳＵＶ計算に通常含まれるその他の要因（例えば放射線用量、患者の重量など）が説明の明快さのため式６から省略され、当業者によって直ちに組み込まれることができることは、留意されたい。
【００６１】
式６は、以下の通りに書き直されることができる：
式７
ここで、ａ（ｘ）は、測定時間Ｔの間の位置ｘでの測定された活動αｍの時間的平均である。
式８
【００６２】
図８にここで戻ると、データ収集の間に発生している運動は、活動測定の不正確さ及びＳＵＶの過小評価を導く。図８では、横座標すなわちｘ軸は、位置、すなわち画像又は計測空間の位置ｘを表す一方、縦座標すなわちｙ軸は、正規化された活動測定を表す。この説明のために、病変のような関心の特徴は、寸法８０２及びそのボリュームにわたって一様である正規化された活動α（ｘ）＝１を持つとみなされるだろう。
【００６３】
曲線８０４は、病変が静止している場合における測定された活動αｍ（ｘ）を表し、他のエラー源は説明の明確のため無視されている。しかしながら、プロフィール８０６、８０８、８１０で示すように、活動測定αｍ（ｘ）は、病変運動によって影響されるだろう。プロフィール８０６は、運動の振幅が寸法８０２に等しい第１の状況を例示する。見て分かるように、測定された活動αｍ（ｘ）は、点８１２での実際の活動α（ｘ）に等しい。プロフィール８０８は、運動の振幅が病変の寸法８０２より大きい第２の状況を例示する。見てわかるように、測定された活動αｍ（ｘ）のピークの値は実際の活動α（ｘ）未満である。プロフィール８１０は、運動の振幅が病変の寸法より小さい第３の状況を例示する。見てわかるように、測定された活動αｍ（ｘ）は位置８１４の範囲に対する実際の活動α（ｘ）に対応する。
【００６４】
これらの変化は、運動アーティファクト（例えば減少したコントラスト及びぼやけ）につながる。第３の状況において、例えば、画像データは、測定された活動の時間的平均ａ（ｘ）が大部分正しい中央領域を含む。しかしながら、中央領域（例えば、寸法８１４）の寸法は、過少に示されるだろう。いくらかより少ない中央領域（例えば、寸法８１４の外側であるが寸法８０２内部の領域）において、測定された活動の時間的平均ａ（ｘ）は、実際の活動α（ｘ）より低いだろう。さらにより少ない中央領域（例えば、寸法８０２の外側の領域）において、測定された活動α（ｘ）（従って測定された活動の時間的平均ａ（ｘ））は、実際の活動α（ｘ）より大きい。さまざまな曲線８０４、８０６、８０８、８１０の分析から理解されるように、これらの運動効果の大きさは、病変サイズ及び運動特性の関数として、変化する。
【００６５】
さらに、これらの運動効果は、適当なＲＯＩの識別を難しくする。例えば、病変サイズ及び運動が曲線８１０においてと同程度に表されるので、ＲＯＩの寸法が寸法８１４以下である場合、ＳＵＶは、正しく計算されるだろう。しかしながら、曲線８０６（例えば、病変が比較的より小さくて及び／又は運動が比較的より大きい場合）によって表される状況が接近するにつれて、寸法８１４は、減少する傾向があり、よって、ＳＵＶ計算における統計ノイズを増加させる傾向がある。これに対し、ＲＯＩの寸法が寸法８１４より大きい場合、ＳＵＶは、過小評価されるだろう。曲線８０８によって表される状況が接近するにつれて、測定された活動αｍ（ｘ）が実際の活動α（ｘ）と一致するＲＯＩは定められない。
【００６６】
図８のさまざまな実施例において見られるように、計算された平均ＳＵＶは、選択されたＲＯＩの寸法によって分けられるそれぞれの曲線８０４、８０６、８０８、８１０の下の領域である。病変のサイズ及び運動並びに選択されたＲＯＩのサイズ及び位置に再び依存して、測定された活動の時間的平均ａ（ｘ）が実際値未満である若干の確率があるので、式６に従って平均ＳＵＶを計算することは、ＳＵＶを過小評価する。
【００６７】
病変のジオメトリ及び運動又は関心の他の特徴に関する情報が利用できると仮定するならば、運動補償された数量的なデータが生成できる。運動補償された平均ＳＵＶ計算の第１の実施例が、振幅Ａを持つ正弦波運動を受けて、活動α（ｘ）＝１及び半径ｒ＝１を持つ例示的均一な球体に対して説明されるだろう。特徴の中央の位置Ｐは、（正規化した）時刻
の関数として、記載できる：
式９
Ｐ＝Ｐ（ｔ）＝ｙ０＋Ａｓｉｎ（２πｔ）、
ここで、ｙ０は前記球体の平均位置である。
【００６８】
本実施例のために、選択されたＲＯＩは、半径ｒを持つ球体であるとみなされる。上記の式６の平均ＳＵＶ計算は、以下の通りに表されることができる：
式１０
ここで、｜ＶＲＯＩ｜はＲＯＩのボリュームであり（すなわち本実施例に対しては４πｒ３／３である）、Ｖ（ｔ）は、位置Ｐ（ｔ）及びＲＯＩの球体の交差のボリュームである。Ｖ（ｔ）は球面及び／又は非球面ジオメトリ両方に対して容易に計算できることが理解されるだろう。
【００６９】
式１０からの値Ｓは、式６に従って計算されるＳＵＶに適用されることができる運動補償された関数として見られることもでき、よって、運動補償された平均ＳＵＶを生成する：
式１１
【００７０】
前述の実施例のように、特徴が半径ｒ＝７ｍｍ及び振幅Ａ＝１０ｍｍを持つとみなされるだろう。なお、医学画像で、１０ｍｍの振幅は、隔膜の近くの病変（例えば、肺及び肝臓に存在する病変）において一般的である。このような場合には、上記の式６又は７に従って計算される平均ＳＵＶは、約２．５倍に過小評価されるだろう。
式１２
ＳＵＶｍｅａｎ（ｒ＝７ｍｍ、Ａ＝１０ｍｍ）＝０．３９５
式６又は７に従って計算される平均ＳＵＶに約２．５の補償係数を乗算することは、運動補償された平均ＳＵＶを生じる。
【００７１】
前述のことは、図９を参照してさらに一般的に例示され、ここで、横座標は、ｍｍに対する対象の特徴の振幅Ａを表し、縦座標は、式１０で先に述べた通りに計算された運動補償された関数Ｓを表す。曲線９０２、９０４、９０６、９０８、９１０、９１２は、それぞれ５、７．５、１０、１５、２０、及び３０ｍｍの半径持つ対象の特徴に対して式１０に従って生成される運動補償された関数Ｓを例示する。見てわかるように、運動振幅Ａが増加し、特徴サイズが減少するので、必要な運動補償は増加する傾向がある。
【００７２】
第２の実施例の運動補償された平均ＳＵＶ計算が、ここで説明される。説明の明快さのために、病変又は他の特徴は、小さい病変に対してはほぼ真である一様な活動αを持つとみなされるだろう。空間的に均一でない活動を持つより大きな病変又は特徴に対しては、病変又は特徴は、活動が実質的に一様である小区域に再分割されることができる。
【００７３】
ＰＥＴ、ＳＰＥＣＴ又は他の検査において測定される病変（又は、小区域）の活動は、以下の通りに表される：
式１３
Δ（ｘ）＝α・ｐ（ｘ）
ここで、Δ（ｘ）は測定された活動であり、ｐ（ｘ）は、病変（又は、小区域）の活動が位置ｘにある間の獲得時間の一部である。関数ｐ（ｘ）（位置ｘでの病変の確率密度を表す）は、上記の通りに病変運動及び幾何学情報に基づいて計算される。
【００７４】
明らかなように、目的は、通常、実際の活動αを決定することである。それ故、式１３は、書き直されることができる：
式１４
他の投射図から見ると、このとき、確率密度ｐ（ｘ）は、データ収集の間、病変の運動を補償する空間的に様々な運動補償された関数として役立つことができる。
【００７５】
式１１との類似によって、運動補償された平均ＳＵＶは、以下の通りに計算できる：
式１５
病変が獲得の間に通過した全領域をＲＯＩが含む場合、統計信頼が改善される。
式１６
バリエーションは、可能である。例えば、ＲＯＩは、ｐ（ｘ）が閾値τより大きいサブセット
だけを含むように頭を切って短くできる。
式１７
この種の実施は、確率密度ｐ（ｘ）の見積り値が低い値で比較的信頼できない状況において特に魅力的である。振幅に関して比較的大きい病変又は他の特徴に対して、閾値τは１に又はその近くに設定でき、この場合ＲＯＩは、図８の領域８１４に対応する。
【００７６】
運動補償された数量的データ計算を実行する装置が、図１０に関して説明される。図示するように、運動補償された数量的データ生成器１００４は、対象の特徴を示す運動補償された数量的データ１０１０を生成するために、ＰＥＴ、ＳＰＥＣＴ又は対象の他の検査の間に検出された放射線崩壊を表わす空間的に変化する活動データ１００２、特徴運動情報１００６及び特徴的ジオメトリ情報１００８を使用する。前記対象が検査の間運動をするにつれて、それゆえに、空間的に様々なデータの運動アーティファクトが生じ、データ生成器１００４が、数量的データの計算におけるエラーを誘導する運動アーティファクトを補償する。運動修正した数量的データ１０１０及び／又は他の関連した情報は、ユーザ・インタフェース１０１２（例えばコンピュータ実行のグラフィカル・ユーザ・インタフェース（ＧＵＩ））を介してユーザに提示される。
【００７７】
特徴ジオメトリ１００８は、さまざまなソースから情報を使用して推定される。一つの例として、適切な画像診断法（例えばＣＴ、ＭＲ、ＵＳ、Ｘ線、複合型画像診断法又は他のイメージング又は非イメージング検査モダリティ）を使用して行った対象の検査からのデータは、特徴のサイズ及び／又は形状を推定するために用いられる。特徴ジオメトリ１００８も、活動データ１００２から推定される。ユーザ・インタフェース（例えばユーザ・インタフェース１０１２又は他の適切な評価技術）を介して、手動でユーザによって、分割化又は他の特徴検出アルゴリズムを使用して、特徴ジオメトリ１００８の評価が自動的に、又は、半自動的に実行されてもよいことに注意されたい。
【００７８】
他の実施例として、特徴シミュレータが、活動データ１００２にある特徴のものと類似の幾何学的な及び／又は運動特性を持つシミュレーションされた特徴を生成するために用いられる。さらに別の実施例として、特徴ジオメトリ１００８は、関心の特徴についての演繹的な知識に基づいて推定されてもよい。腫瘍において、例えば、特により小さい病変の場合、球面ジオメトリは、病変の形状に合理的な近いものを提供できる。評価は、組み合わせてさまざまなソースからの情報を使用することにも注意されたい。
【００７９】
特徴運動１００６は、同様に、さまざまなソースからの情報を使用して推定される。一つの例として、運動１００６は、関連した運動に適当である運動モニタを経由して推定される。医学的背景において、適切なセンサは、呼吸、心臓及び／又は、他の周期的であるか総体である運動のモニタを含む。運動は、適切なイメージング又は対象の他の検査からのデータ、対象及びその運動特性等についての演繹的な知識を使用して、推定されてもよい。
【００８０】
運動補償された数量的データ生成器の第１の実行が、図１１Ａに関係して説明される。図示するように、運動補償された数量的データ生成器は、数量的データ生成器１１０２及び運動補償器１１０４を含む。数量的データジェネレータ１００４は、運動によって誘発されたエラーを含む数量的データを生成する。また、前記数量的データが平均ＳＵＶを含む実施例において、前記平均ＳＵＶは、式６又は７に関係して、上記の通りに計算される。特徴ジオメトリ１００８が図１０に関連して上記の通りに推定されることに注意されたい。
【００８１】
データ生成器１１０２から数量的データを受け取る運動補償器１１０４は、運動補償された数量的データ１０１０を生成するために、補償関数１１０６と協働して動作する。一つの実施例では、前記運動補償器は、式１０に関して上記の通りに適切な運動補償関数Ｓを計算する。図１１Ｂに図式的に図示される他の実施態様で、補償関数１１０６は、適切なコンピュータ可読のメモリに格納される参照テーブル又は他のデータ構造１１５０から得られる。より詳しくは、データ構造１１５０は、式１０及び図９に関して上記の通りに計算される複数の運動補償値１１５２を含む。運動補償値１１５２は、特徴運動、特徴サイズ、特徴形状及び／又は他の関連した変数に従ってインデックスを付けられるか、又はアクセスされる。前記データ構造のさまざまなエントリ１１５２間の補間が、所望通り実行される。特徴運動１００６が図１０に関連して上記の通りに推定されることに注意されたい。
【００８２】
例えば式１１に関連して上記の通りの実施例のように、運動補償器１１０４は、補償関数１１０６を数量的データに適用する。運動補償された数量的データ１０１０は、単独で、又は、他の関連したデータと組み合わせて、ユーザ・インタフェース１０１２を介して、臨床医又は他のユーザに提示される。このように、例えば、前記数量的データは、活動データ１００２、数量的データ生成器１１０２からの数量的データ、特徴ジオメトリ１００８、補償係数又は特徴形状又は運動の表現の一つ以上と並行して提示される。他のバリエーションとして、ユーザは、病変サイズ又は運動、補償値又は他の関連したデータを入力して、確認して及び／又は、修正する機会を与えられる。
【００８３】
運動補償された数量的データ生成器の他の実行が、図１２に関係して説明される。図示するように、運動補償された数量的データ生成器１２０２は、運動補償された数量的データ１０１０を生成するため最尤生成器１２０４と連動して動作する。
【００８４】
最尤生成器１２０４は、画像獲得の間、病変又は他の特徴が、例えば、上記の通りに確率密度ｐ（ｘ）を計算することによって、活動データ１００２の空間内のさまざまな位置を訪れる確率又は最尤を決定するために、特徴ジオメトリ情報１００８及び／又は特徴運動情報１００６を使用する。運動補償された数量的データ生成器１２０２は、運動補償された数量的データを生成するために、活動データ１００２及び最尤情報を使用する。最尤情報は、このように、活動データ１００２の運動アーティファクトを補償する運動補償関数として役立つ。運動補償された数量的データ１０１０が運動補償された平均ＳＵＶを含むので、前記ＳＵＶは、式１５に関して上記の通りに計算できる。前記特徴は複数の小区域を含むので、前記ＳＵＶの計算は、前記小区域の各々に対して実行され、結果は複合ＳＵＶを生成するために結合されることに留意されたい。運動補償された数量的データ１０１０及び／又は他の関連した情報は、ユーザ・インタフェース１０１２を介してユーザに提示される。
【００８５】
運動補償されたデータ生成器の他の実施は、図１３に関連して説明される。図示するように、システムは、図１２に関して上述されたのと同様である。当該システムも、活動データ１００２に存在する特徴１３０２に近い、シミュレーションされた、すなわち仮想特徴を生成する特徴シミュレータ１３０４を含む。一つの実施例では、特徴シミュレータ１３０４は、特徴パラメータ（例えば特徴活動情報、特徴ジオメトリ情報１３０８及び／又は実際の特徴１３０２に近い仮想特徴を作る特徴運動情報１３０６）を識別する。この種のシミュレーションは、例えば、適切な最適関数に従って活動、ジオメトリ１３０８及び／又は運動１３０６パラメータを反復して調整することによって、実行される。他の実施において、パラメータ１３０６、１３０８は、ユーザ・インタフェース１０１２を介してユーザによって調整され、シミュレーションされた特徴は、ユーザによる評価のため実際の特徴１３０２に関して、最適に示される。適切なシミュレーション技術は、名称が両方とも「Ｖｉｒｔｕａｌ Ｌｅｓｉｏｎ Ｑｕａｎｔｉｆｉｃａｔｉｏｎ」である２００５年５月３日に出願の共有する米国の暫定特許出願番号第６０／６７７，１７２号であって、２００６年１１月１９日に公開された国際特許公開公報ＷＯ ２００６／１１７７０６Ａ１にも記述されて発表されていて、これらの出願及び公報は参照され全体として本願明細書に組み込まれるものとする。特徴シミュレータ１３０４及びそのオペレータインタフェースがデータ生成器１２０２及び／又は最尤生成器１２０４以外の異なるコンピュータで行ってもよいことに注意されたい。
【００８６】
動作は、図１４に関して説明される。
【００８７】
検査の下、患者又は他の対象を示す活動データは、例えば核医学画像スキャンを介して、１４０２で得られる。少なくとも一部の対象は、前記走査の間、周期的又は全体的運動をする。
【００８８】
１４０４で、活動データに存在する関心の一つ以上の特徴のジオメトリ及び／又は運動が、推定される。
【００８９】
１４０６で、活動、ジオメトリ及び／又は運動情報が、関心の特徴を示す運動補償された数量的データを生成するために用いられる。前記運動補償されたデータは、データ取得及び／又は評価ステップから取り除かれる時間と場所で生成されることに注意されたい。
【００９０】
１４０８で、前記運動補償されたデータが、人間の認知可能な形式にて示される。
【００９１】
１４１０で、前記運動補償されたデータが、対象への付与のための適切な処理を計画するために用いられる。
【００９２】
計画された処理が、付与される（１４１２）。一つの実施例では、当該処理は、上述の運動追跡を含む。他の実施例では、この種の追跡は、使用されない。前記処理は、処理計画動作から取り除かれる時間と場所で付与されてもよいことに注意されたい。
【００９３】
前述の技術の他のアプリケーションが、図１５に関して説明される。図示するように、システムは、コンピュータ補助検出（ＣＡＤ）システム１５０２、特徴セレクタ１５０８、運動補償された再構成器１５１０、及び運動補償された数量的データ生成器１００４を含む。
【００９４】
ＣＡＤシステム１５０２は、対象を示す画像データ１５００に存在する疑わしい病変、病理学的又は他の特徴１５０６を識別する。画像データ１５００は、複数の画像モダリティ、例えば複合型ＰＥＴ／ＣＴ、ＰＥＴ／ＭＲ、ＳＰＥＣＴ／ＣＴ又は他のシステムを使用して、生成されたデータを含むことに注意されたい。画像データ１５００は、運動アーティファクトを含む。
【００９５】
図示の例において、ＣＡＤシステム１５０２は、例えば獲得したＣＴ又はＸ線減衰データに基づいて、疑わしい小さな結節を識別する既知の肺結節検出システムとして設定される。場合によっては、ＣＡＤシステム１５０２は、複数の疑わしい特徴１５０６を識別してもよい。これらの特徴は、信頼の様々な程度でもって識別されてもよいし、又は、さもなければ臨床医又は他のユーザにとっての様々な関心のものでもよい。
【００９６】
一般に１５０４に示されるように、画像データ１５００及び／又は識別された特徴１５０６の一つ以上が、例えばコンピュータ実行されるＧＵＩを介して、ユーザに示される。提示された活動データが、呼吸又は他の運動のため運動アーティファクトを含むことに注意されたい。画像データ１５００が多くのこの種の特徴１５０６を含み、このうちの幾つかは臨床医にとって興味が少ないので、特徴１５０６の全ての運動補償された再構成を実行することは、コンピュータ資源及び時間、システム複雑さ等に関して正当化されない。
【００９７】
特徴セレクタ１５０８は、分析のためさまざまな特徴を選択する。一つの実施例では、全て又は第１のサブセットの特徴１５０６が、選択され、運動補償された数量的データ生成器１００４が、データ収集の間、それらの特徴の運動に対する補償を含む運動補償された数量的データを生成する。特徴１５０６の第２のサブセットも選択され、運動補償された再構成器１５１０は、データ取得中にこれらの特徴１５０６の運動に対する補償を含む特徴の再構成を実行する。適切な運動補償された再構成技術は、例えば、２００７年７月２６日にMotion Correction in Nuclear Imagingという名称で出願した米国特許出願シリアル番号第６０／９５１，９６８号に開示されていて、この出願はここに参照として組み込まれる。数量的データ及び運動補償された再構成は、ユーザインタフェースを介して所望のフォーマットで提示される。
【００９８】
種々の特徴選択技術が考察されることに留意されたい。例えば、第１及び第２の特徴サブセットに含まれるべき特徴１５０６は、サイズ、活動又は他の特徴１５０６特徴、ＣＡＤシステム１５０２が特定の特徴１５０６を疑わしいものと信頼度を持って識別した当該信頼度及び／又は他の選択基準の評価に基づいて、自動的に選択されてもよい。前記選択基準は、より更なる又はより詳細な評価（例えば、曖昧である又は特に疑わしい特徴）をより必要とするような特徴が第２のサブセットに含まれるように、通常確立されることに留意されたい。他の例として、第１及び／又は第２のサブセットに含まれるべき特徴１５０６がユーザにより識別され、よって選択される。特徴１５０６が医者又は他のユーザにより識別される場合、ＣＡＤシステム１５０２は省略されてもよいことに留意されたい。
【００９９】
前述の運動補償された技術は、病変の数量化又は呼吸及び／若しくは心臓運動に従属する器官にある他の特徴への特別な応用を見出す。この種の器官の非限定的な実施例としては、肝臓、肺及び心臓が挙げられるがこれらに限られない。前記技術は、周期運動に従属しない他の器官又は領域にも適用できる。例えば、前立腺は、膀胱の充填、腸のガスの蓄積などに起因する運動に従属してもよい。上記の技術がＳＵＶ計算に限定されず、特徴（例えば低酸素、アポトーシス及び潅流）を示す運動補償された数量的データの生成にも適用できることも、理解されるだろう。
【０１００】
前記技術は、実時間運動追跡を使用する処理技術に関連する使用に限定されず、化学療法、目標の放射線療法、分子治療、内部及び／又は外部の放射線療法及びこの種の追跡がない場合の他の処理モダリティに関連して使用されてもよい。
【０１０１】
当業者によっても理解されるように、上記のさまざまな技術は、適切なコンピュータ可読のメディアに保存されるコンピュータ可読の指示として行ってもよい。コンピュータプロセッサによって実行されるとき、前記指示はコンピュータプロセッサに記載されている技術を実行させる。
【０１０２】
本発明は、好ましい実施例を参照して説明された。変更態様及び変更は、前の詳細な説明を読んで理解すると、他のものへ起こってもよい。本発明は、請求項又は当該請求項と同等のものの範囲内にあるすべてのこの種の変更態様及び変更を含むものとして解釈されることが意図されている。
【特許請求の範囲】
【請求項１】
処理セッション中、運動する処理目標を含む対象を示す投影データを取得するスキャナと、前記処理目標の運動をモデル化するために、前記処理セッション中に取得された投影データを使用する運動モデラーと、前記処理セッション中に前記処理目標を処理する処理装置とを有し、前記処理装置は、運動モデルの関数として、付与される処理の空間的位置を変える、装置。
【請求項２】
前記投影データは、前記目標内の放射線崩壊を示すデータを含む請求項1に記載の装置。
【請求項３】
前記投影データは、リストモード陽子対消滅データである、請求項2に記載の装置。
【請求項４】
前記運動モデラーは前記目標の前記運動をモデル化し、前記処理装置は略実時間で前記処理の前記空間的位置を変えることにより、前記付与される処理の前記空間的位置が、前記目標の空間的位置を追跡する、請求項1に記載の装置。
【請求項５】
前記運動モデラーは、前記処理セッション中に、複数回活動の中心の運動をモデル化する、請求項1に記載の装置。
【請求項６】
前記運動モデラーは、空間3次元で前記目標の運動をモデル化する、請求項1に記載の装置。
【請求項７】
前記運動モデラーは、前記目標の運動に対する代用として役立つ領域の運動をモデル化する、請求項1に記載の装置。
【請求項８】
前記対象の関心領域を示す投影データを識別するため、前記投影データをフィルタリングするフィルタと、前記関心領域の特徴を識別するため、フィルタリングされた前記投影データを処理する特徴プロセッサとを含み、前記フィルタ及び前記特徴プロセッサは、前記処理セッション中に、複数回の各々で前記特徴を識別するように動作する、請求項１に記載の装置。
【請求項９】
前記処理セッション中に、複数回前記フィルタリングされた投影データを再構成する再構成器を含む請求項８に記載の装置であって、前記特徴プロセッサは、前記特徴を識別するために再構成されたデータを使用する、装置。
【請求項１０】
前記フィルタは、前記関心領域を交差する投影データを識別する、請求項８に記載の装置。
【請求項１１】
前記投影データは応答のラインを含み、前記運動モデラーは前記応答のラインの間の距離を計算する、請求項１に記載の装置。
【請求項１２】
前記運動モデラーは、位置、速度及び加速度の少なくとも一つを含む、請求項１に記載の装置。
【請求項１３】
プロセッサにより実行されるとき、当該プロセッサが方法を実施させる命令を含む、コンピュータ可読格納媒体であって、前記方法は、対象の運動する目標に付与される処理のセッション中に、前記対象の関心領域で発生する放射線崩壊を示す投影データを選択するステップと、前記関心領域の特徴を識別するため選択された投影データを使用するステップと、前記特徴の前記運動をモデル化するステップと、前記選択するステップ、前記選択された投影データを使用するステップ及び前記モデル化するステップを複数回前記処理のセッション中繰り返すステップとを有する、コンピュータ可読格納媒体。
【請求項１４】
前記処理を付与する処理装置にアクセス可能なコンピュータ可読メモリに前記運動モデルを格納するステップを含む、請求項１３に記載のコンピュータ可読格納媒体。
【請求項１５】
前記投影データがレビンされた投影データを含む、請求項１３に記載のコンピュータ可読格納媒体。
【請求項１６】
前記投影データを選択するステップは、前記関心領域と交差しない投影データを捨てるステップを含む、請求項１３に記載のコンピュータ可読格納媒体。
【請求項１７】
前記目標は病変を含み、前記特性特徴は前記病変の特性特徴を含む、請求項１３に記載のコンピュータ可読格納媒体。
【請求項１８】
選択された前記投影データを使用するステップは、前記選択された投影データを背面投影するステップと、前記特性特徴を識別するため背面投影されたデータを使用するステップとを含む、請求項１３に記載のコンピュータ可読格納媒体。
【請求項１９】
前記投影データは陽電子対消滅を示す応答のラインを含み、前記選択された投影データを使用するステップは応答の第１のラインと応答の第２のラインとの間の距離を決定するステップを含む、請求項１３に記載のコンピュータ可読格納媒体。
【請求項２０】
前記特性特徴の運動をモデル化するステップは、前記特性特徴の空間的位置を決定するステップを含む、請求項１３に記載のコンピュータ可読格納媒体。
【請求項２１】
前記特性特徴の運動をモデル化するステップは、前記特性特徴の予期される運動を予想するように、前記処理中に生成される運動モデルを使用するステップを含む、請求項１３に記載のコンピュータ可読格納媒体。
【請求項２２】
前記繰り返すステップは、投影データを選択するステップと、選択された投影データを使用するステップと、前記特性特徴の運動を追跡するために実質的に実時間で複数の回数モデル化するステップとを繰り返すことを含む、請求項１３に記載のコンピュータ可読格納媒体。
【請求項２３】
前記運動は、全体的な対象運動、非周期的な生理的運動及び周期的な生理的運動の少なくとも一つによるものである、請求項１３に記載のコンピュータ可読格納媒体。
【請求項２４】
対象の画像データを生成するステップと、目標の運動を表わす前記対象の関心領域を識別するように、生成された前記画像データを使用するステップと、前記関心領域を示す前記対象の撮像検査で得られた生データを選択するステップと、前記目標の運動をモデル化するように選択された前記生のデータを使用するステップと、運動のモデルの関数として、前記目標へ付与するための処理の特性を調整するステップと、前記選択するステップ、前記選択された生のデータを使用するステップ、及び前記目標の運動と協働して前記特性を調整するために処理セッション中に実質的に実時間で調整するステップを繰り返すステップとを有する、方法。
【請求項２５】
前記生成された画像データを使用するステップは、ボリュームを含む前記関心領域を示すユーザ入力を受けるステップを含む、請求項２４に記載の方法。
【請求項２６】
前記関心領域は前記目標を含む、請求項２４に記載の方法。
【請求項２７】
前記生のデータは投影を含み、前記選択するステップは前記関心領域と交差しない投影を捨てるステップを含む、請求項２４に記載の方法。
【請求項２８】
生のデータが放射線崩壊を示すデータを含み、選択された生のデータを使用することは関心領域の活動の中心を決定するステップを含む、請求項２４に記載の方法。
【請求項２９】
調整するステップは、付与される処理の空間的位置を調整するステップを含む、請求項２４に記載の方法。
【請求項３０】
周期的な生理的運動に従属する対象の病変に付与される処理のセッション中、前記対象の放射線崩壊を示す生のデータを取得する手段と、前記処理セッションの間、実質的に実時間の３つの空間的次元での前記病変の特性特徴の運動を追跡するように前記生データを処理する手段とを有する、運動追跡装置。
【請求項３１】
追跡された運動の関数として、エネルギーの局地的堆積を介して、前記処理セッション中、前記病変を処理する手段を含む請求項３０に記載の装置。
【請求項３２】
対象の目標に付与される処理のセッションの間に取得される生のデータであって、前記対象の関心領域を示す当該生のデータを前記セッションの間に選択するステップであって、前記関心領域の運動が前記目標の運動を表わす当該選択するステップと、前記目標の運動をモデル化するために選択された生のデータを使用するステップと、前記運動のモデルの関数として、前記付与される処理の特性を調整するステップと、前記処理のセッション中、これら選択するステップ、使用するステップ及び調整するステップを繰り返すステップとを有する方法。
【請求項３３】
前記関心領域が前記目標を含む請求項３２に記載の方法。
【請求項３４】
前記処理は、前記目標へのエネルギーの局地的付与を含み、前記調整するステップは前記エネルギーが付与される空間的位置を調整するステップを含む、請求項３２に記載の方法。
【請求項３５】
対象の検査の間に検出された放射線崩壊を表わす空間的に変動する活動データを使用する運動補償された数量的データ生成器と、前記対象を示す数量的データを生成するための運動補償関数部とを有し、前記運動補償関数部は、前記数量的データを生成するために前記活動データを使用する計算における運動アーティファクトで生じたエラーを補償する、装置。
【請求項３６】
前記数量的データは、標準取り込み値を含む、請求項３５に記載の装置。
【請求項３７】
前記対象を示す第１の数量的データを生成するため前記活動データを使用する数量的データ生成器と、前記第１の数量的データに前記運動補償関数部を適用する運動補償器とを含む、請求項３５に記載の装置。
【請求項３８】
前記運動補償関数部を含むルックアップテーブルとコンピュータ可読格納媒体とを含み、前記ルックアップテーブルが前記媒体により格納される、請求項３７に記載の装置。
【請求項３９】
前記運動補償された数量的データは、前記対象の特徴を示し、前記運動補償器は前記特徴の運動及びジオメトリの関数として運動補償関数部を計算させる、請求項３７に記載の装置。
【請求項４０】
前記運動補償関数部は、空間的に変動する最尤関数部（ｐ（ｘ））を含む、請求項３５に記載の装置。
【請求項４１】
前記数量的データは、関数部
にしたがって生成された平均標準取り込み値を含む、請求項３５に記載の装置。
【請求項４２】
前記数量的データは、前記対象の特徴を表わす数量的データを含み、前記対象の前記特徴に近似するシミュレーションされた特徴を生成する特徴シミュレータを含む、請求項３５に記載の装置。
【請求項４３】
前記数量的データは、前記対象の特徴を表わすデータを含み、前記特徴のジオメトリ及び運動を評価する手段を含む、請求項３５に記載の装置。
【請求項４４】
前記運動アーティファクトは、前記対象の生理的運動により生じるぼやけを含む、請求項３５に記載の装置。
【請求項４５】
コンピュータにより実行されるとき、対象の特徴を示す運動補償された数量的データを生成するために、前記対象の放射線崩壊を表わす空間的に変動する活動データを使用するステップを含む方法を当該コンピュータにより実施させる命令を含むコンピュータ可読格納媒体であって、当該使用するステップは、前記空間的に変動する活動データにおける運動アーティファクトにより導入されるエラーを補償する運動補償関数部（ｐ（ｘ））を適用するステップを含む、コンピュータ可読格納媒体。
【請求項４６】
前記方法は、第１の数量的データを生成するため前記活動データを使用するステップと、前記運動補償関数部を第１の数量的データに適用するステップとを含む、請求項４５に記載のコンピュータ可読格納媒体。
【請求項４７】
前記方法は、第１の数量的データと前記運動補償された数量的データとをユーザに提示するステップを含む、請求項４６に記載のコンピュータ可読格納媒体。
【請求項４８】
前記方法は、前記補償関数部の値を決定するように前記活動データを生成するために使用される投影データの取得の間、前記特徴の推定される運動を使用するステップを含む、請求項４５に記載のコンピュータ可読格納媒体。
【請求項４９】
前記方法は、前記補償関数部の値を決定するため、前記特徴の推定されるボリュームを使用するステップを含む、請求項４５に記載のコンピュータ可読格納媒体。
【請求項５０】
前記方法は、空間的に変動する補償関数部（ｐ（ｘ））にしたがって、前記空間的に変動する活動データにおける複数の位置に対して、前記空間的に変動する活動データを調整するステップを含む、請求項４５に記載のコンピュータ可読格納媒体。
【請求項５１】
前記方法は、前記空間的に変動する補償関数部を生成するために、特徴運動情報及び特徴ジオメトリ情報を使用するステップを含む、請求項５０に記載のコンピュータ可読格納媒体。
【請求項５２】
ｐ（ｘ）が前記空間的に変動する補償関数部であり、τが閾値である、関数
に対するボリュームにわたって調整された空間的に変動する活動データを積分するステップを含む、請求項５０に記載のコンピュータ可読格納媒体。
【請求項５３】
前記空間的に変動する補償関数部は空間的に変動する確率密度を含む、請求項５０に記載のコンピュータ可読格納媒体。
【請求項５４】
前記方法は、前記特徴をシミュレートするステップと、前記特徴のパラメータを推定するため前記シミュレーションの結果を使用するステップとを含む、請求項４５に記載のコンピュータ可読格納媒体。
【請求項５５】
前記パラメータは、特徴運動又は特徴ジオメトリを含む、請求項５３に記載のコンピュータ可読格納媒体。
【請求項５６】
前記特徴は、肺病変又は肝臓病変を含む、請求項４５に記載のコンピュータ可読格納媒体。
【請求項５７】
対象の病状を示す数量的データを生成するため放射線崩壊を示す空間的に変動する活動データを使用するステップと、前記空間的に変動する活動データの運動アーティファクトにより導入されるエラーを補償する運動補償関数部にしたがって、前記数量的データを調整するステップとを有する方法。
【請求項５８】
前記調整するステップの前に前記使用するステップを実施することを含む、請求項５７に記載の方法。
【請求項５９】
前記調整するステップは、最尤関数に従って、測定された活動値を調整するステップを含む、請求項５７に記載の方法。
【請求項６０】
前記病変は前立腺病変を含む、請求項５７に記載の方法。
【請求項６１】
対象の検査中に、検出される放射線崩壊から生成される活動データに関連して使用されるとき、前記対象の特徴を示す数量的データを生成するために、前記活動データを使用する計算における運動アーティファクトによるエラーを補償する、複数の運動補償値を含むデータ構造を含む、コンピュータ可読格納媒体。
【請求項６２】
前記データ構造内の前記運動補償値が、前記特徴の運動にしたがって、インデックスを付けられる、請求項６１に記載のコンピュータ可読格納媒体。
【請求項６３】
前記データ構造内の前記運動補償値が、前記特徴のサイズにしたがって、インデックスを付けられる、請求項６２に記載のコンピュータ可読格納媒体。
【請求項６４】
前記データ構造内の前記運動補償値が、前記特徴の形状にしたがって、インデックスを付けられる、請求項６２に記載のコンピュータ可読格納媒体。
【請求項６５】
複数の特徴を含む、対象を示す第１の画像データをユーザに提示するステップと、第１の特徴を選択するステップと、第１の特徴を示す数量的データを生成するステップと、第２の特徴を選択するステップと、第２の特徴の運動を補償する運動補償された再構成を実施するステップとを有する方法。
【請求項６６】
前記第２の特徴を選択するステップは、ユーザにより識別される特徴を選択するステップを含む、請求項６５に記載の方法。
【請求項６７】
特徴の特性を評価するステップを含む請求項６５に記載の方法であって、前記第２の特徴を選択するステップは、前記評価の結果に基づいて、第２の特徴を選択するステップを含む、方法。
【請求項６８】
前記特徴は、疑わしい肺病変を含む、請求項６５に記載の方法。
【請求項６９】
前記特徴を識別するためにコンピュータ補助検出システムを使用するステップを含む、請求項６５に記載の方法。
【請求項７０】
前記数量的データは、運動補償取り込み値を含む、請求項６５に記載の方法。
【請求項７１】
複数の特徴を含む、対象を示す第１の画像データをユーザに提示する手段と、第１の特徴を選択する手段と、第１の特徴を示す数量的データを生成する手段と、第２の特徴を選択する手段と、第２の特徴の運動を補償する運動補償された再構成を実施する手段とを有する装置。
【請求項７２】
運動補償された数量的データを生成するために、対象の放射線崩壊の空間的分布を表わすデータを使用する運動補償された数量的データ生成器であって、前記空間的分布を表わす前記データ内の運動アーティファクトを補償するために、運動補償を適用する、運動補償された数量的データ生成器。
【請求項１】
処理セッション中、運動する処理目標を含む対象を示す投影データを取得するスキャナと、前記処理目標の運動をモデル化するために、前記処理セッション中に取得された投影データを使用する運動モデラーと、前記処理セッション中に前記処理目標を処理する処理装置とを有し、前記処理装置は、運動モデルの関数として、付与される処理の空間的位置を変える、装置。
【請求項２】
前記投影データは、前記目標内の放射線崩壊を示すデータを含む請求項1に記載の装置。
【請求項３】
前記投影データは、リストモード陽子対消滅データである、請求項2に記載の装置。
【請求項４】
前記運動モデラーは前記目標の前記運動をモデル化し、前記処理装置は略実時間で前記処理の前記空間的位置を変えることにより、前記付与される処理の前記空間的位置が、前記目標の空間的位置を追跡する、請求項1に記載の装置。
【請求項５】
前記運動モデラーは、前記処理セッション中に、複数回活動の中心の運動をモデル化する、請求項1に記載の装置。
【請求項６】
前記運動モデラーは、空間3次元で前記目標の運動をモデル化する、請求項1に記載の装置。
【請求項７】
前記運動モデラーは、前記目標の運動に対する代用として役立つ領域の運動をモデル化する、請求項1に記載の装置。
【請求項８】
前記対象の関心領域を示す投影データを識別するため、前記投影データをフィルタリングするフィルタと、前記関心領域の特徴を識別するため、フィルタリングされた前記投影データを処理する特徴プロセッサとを含み、前記フィルタ及び前記特徴プロセッサは、前記処理セッション中に、複数回の各々で前記特徴を識別するように動作する、請求項１に記載の装置。
【請求項９】
前記処理セッション中に、複数回前記フィルタリングされた投影データを再構成する再構成器を含む請求項８に記載の装置であって、前記特徴プロセッサは、前記特徴を識別するために再構成されたデータを使用する、装置。
【請求項１０】
前記フィルタは、前記関心領域を交差する投影データを識別する、請求項８に記載の装置。
【請求項１１】
前記投影データは応答のラインを含み、前記運動モデラーは前記応答のラインの間の距離を計算する、請求項１に記載の装置。
【請求項１２】
前記運動モデラーは、位置、速度及び加速度の少なくとも一つを含む、請求項１に記載の装置。
【請求項１３】
プロセッサにより実行されるとき、当該プロセッサが方法を実施させる命令を含む、コンピュータ可読格納媒体であって、前記方法は、対象の運動する目標に付与される処理のセッション中に、前記対象の関心領域で発生する放射線崩壊を示す投影データを選択するステップと、前記関心領域の特徴を識別するため選択された投影データを使用するステップと、前記特徴の前記運動をモデル化するステップと、前記選択するステップ、前記選択された投影データを使用するステップ及び前記モデル化するステップを複数回前記処理のセッション中繰り返すステップとを有する、コンピュータ可読格納媒体。
【請求項１４】
前記処理を付与する処理装置にアクセス可能なコンピュータ可読メモリに前記運動モデルを格納するステップを含む、請求項１３に記載のコンピュータ可読格納媒体。
【請求項１５】
前記投影データがレビンされた投影データを含む、請求項１３に記載のコンピュータ可読格納媒体。
【請求項１６】
前記投影データを選択するステップは、前記関心領域と交差しない投影データを捨てるステップを含む、請求項１３に記載のコンピュータ可読格納媒体。
【請求項１７】
前記目標は病変を含み、前記特性特徴は前記病変の特性特徴を含む、請求項１３に記載のコンピュータ可読格納媒体。
【請求項１８】
選択された前記投影データを使用するステップは、前記選択された投影データを背面投影するステップと、前記特性特徴を識別するため背面投影されたデータを使用するステップとを含む、請求項１３に記載のコンピュータ可読格納媒体。
【請求項１９】
前記投影データは陽電子対消滅を示す応答のラインを含み、前記選択された投影データを使用するステップは応答の第１のラインと応答の第２のラインとの間の距離を決定するステップを含む、請求項１３に記載のコンピュータ可読格納媒体。
【請求項２０】
前記特性特徴の運動をモデル化するステップは、前記特性特徴の空間的位置を決定するステップを含む、請求項１３に記載のコンピュータ可読格納媒体。
【請求項２１】
前記特性特徴の運動をモデル化するステップは、前記特性特徴の予期される運動を予想するように、前記処理中に生成される運動モデルを使用するステップを含む、請求項１３に記載のコンピュータ可読格納媒体。
【請求項２２】
前記繰り返すステップは、投影データを選択するステップと、選択された投影データを使用するステップと、前記特性特徴の運動を追跡するために実質的に実時間で複数の回数モデル化するステップとを繰り返すことを含む、請求項１３に記載のコンピュータ可読格納媒体。
【請求項２３】
前記運動は、全体的な対象運動、非周期的な生理的運動及び周期的な生理的運動の少なくとも一つによるものである、請求項１３に記載のコンピュータ可読格納媒体。
【請求項２４】
対象の画像データを生成するステップと、目標の運動を表わす前記対象の関心領域を識別するように、生成された前記画像データを使用するステップと、前記関心領域を示す前記対象の撮像検査で得られた生データを選択するステップと、前記目標の運動をモデル化するように選択された前記生のデータを使用するステップと、運動のモデルの関数として、前記目標へ付与するための処理の特性を調整するステップと、前記選択するステップ、前記選択された生のデータを使用するステップ、及び前記目標の運動と協働して前記特性を調整するために処理セッション中に実質的に実時間で調整するステップを繰り返すステップとを有する、方法。
【請求項２５】
前記生成された画像データを使用するステップは、ボリュームを含む前記関心領域を示すユーザ入力を受けるステップを含む、請求項２４に記載の方法。
【請求項２６】
前記関心領域は前記目標を含む、請求項２４に記載の方法。
【請求項２７】
前記生のデータは投影を含み、前記選択するステップは前記関心領域と交差しない投影を捨てるステップを含む、請求項２４に記載の方法。
【請求項２８】
生のデータが放射線崩壊を示すデータを含み、選択された生のデータを使用することは関心領域の活動の中心を決定するステップを含む、請求項２４に記載の方法。
【請求項２９】
調整するステップは、付与される処理の空間的位置を調整するステップを含む、請求項２４に記載の方法。
【請求項３０】
周期的な生理的運動に従属する対象の病変に付与される処理のセッション中、前記対象の放射線崩壊を示す生のデータを取得する手段と、前記処理セッションの間、実質的に実時間の３つの空間的次元での前記病変の特性特徴の運動を追跡するように前記生データを処理する手段とを有する、運動追跡装置。
【請求項３１】
追跡された運動の関数として、エネルギーの局地的堆積を介して、前記処理セッション中、前記病変を処理する手段を含む請求項３０に記載の装置。
【請求項３２】
対象の目標に付与される処理のセッションの間に取得される生のデータであって、前記対象の関心領域を示す当該生のデータを前記セッションの間に選択するステップであって、前記関心領域の運動が前記目標の運動を表わす当該選択するステップと、前記目標の運動をモデル化するために選択された生のデータを使用するステップと、前記運動のモデルの関数として、前記付与される処理の特性を調整するステップと、前記処理のセッション中、これら選択するステップ、使用するステップ及び調整するステップを繰り返すステップとを有する方法。
【請求項３３】
前記関心領域が前記目標を含む請求項３２に記載の方法。
【請求項３４】
前記処理は、前記目標へのエネルギーの局地的付与を含み、前記調整するステップは前記エネルギーが付与される空間的位置を調整するステップを含む、請求項３２に記載の方法。
【請求項３５】
対象の検査の間に検出された放射線崩壊を表わす空間的に変動する活動データを使用する運動補償された数量的データ生成器と、前記対象を示す数量的データを生成するための運動補償関数部とを有し、前記運動補償関数部は、前記数量的データを生成するために前記活動データを使用する計算における運動アーティファクトで生じたエラーを補償する、装置。
【請求項３６】
前記数量的データは、標準取り込み値を含む、請求項３５に記載の装置。
【請求項３７】
前記対象を示す第１の数量的データを生成するため前記活動データを使用する数量的データ生成器と、前記第１の数量的データに前記運動補償関数部を適用する運動補償器とを含む、請求項３５に記載の装置。
【請求項３８】
前記運動補償関数部を含むルックアップテーブルとコンピュータ可読格納媒体とを含み、前記ルックアップテーブルが前記媒体により格納される、請求項３７に記載の装置。
【請求項３９】
前記運動補償された数量的データは、前記対象の特徴を示し、前記運動補償器は前記特徴の運動及びジオメトリの関数として運動補償関数部を計算させる、請求項３７に記載の装置。
【請求項４０】
前記運動補償関数部は、空間的に変動する最尤関数部（ｐ（ｘ））を含む、請求項３５に記載の装置。
【請求項４１】
前記数量的データは、関数部
にしたがって生成された平均標準取り込み値を含む、請求項３５に記載の装置。
【請求項４２】
前記数量的データは、前記対象の特徴を表わす数量的データを含み、前記対象の前記特徴に近似するシミュレーションされた特徴を生成する特徴シミュレータを含む、請求項３５に記載の装置。
【請求項４３】
前記数量的データは、前記対象の特徴を表わすデータを含み、前記特徴のジオメトリ及び運動を評価する手段を含む、請求項３５に記載の装置。
【請求項４４】
前記運動アーティファクトは、前記対象の生理的運動により生じるぼやけを含む、請求項３５に記載の装置。
【請求項４５】
コンピュータにより実行されるとき、対象の特徴を示す運動補償された数量的データを生成するために、前記対象の放射線崩壊を表わす空間的に変動する活動データを使用するステップを含む方法を当該コンピュータにより実施させる命令を含むコンピュータ可読格納媒体であって、当該使用するステップは、前記空間的に変動する活動データにおける運動アーティファクトにより導入されるエラーを補償する運動補償関数部（ｐ（ｘ））を適用するステップを含む、コンピュータ可読格納媒体。
【請求項４６】
前記方法は、第１の数量的データを生成するため前記活動データを使用するステップと、前記運動補償関数部を第１の数量的データに適用するステップとを含む、請求項４５に記載のコンピュータ可読格納媒体。
【請求項４７】
前記方法は、第１の数量的データと前記運動補償された数量的データとをユーザに提示するステップを含む、請求項４６に記載のコンピュータ可読格納媒体。
【請求項４８】
前記方法は、前記補償関数部の値を決定するように前記活動データを生成するために使用される投影データの取得の間、前記特徴の推定される運動を使用するステップを含む、請求項４５に記載のコンピュータ可読格納媒体。
【請求項４９】
前記方法は、前記補償関数部の値を決定するため、前記特徴の推定されるボリュームを使用するステップを含む、請求項４５に記載のコンピュータ可読格納媒体。
【請求項５０】
前記方法は、空間的に変動する補償関数部（ｐ（ｘ））にしたがって、前記空間的に変動する活動データにおける複数の位置に対して、前記空間的に変動する活動データを調整するステップを含む、請求項４５に記載のコンピュータ可読格納媒体。
【請求項５１】
前記方法は、前記空間的に変動する補償関数部を生成するために、特徴運動情報及び特徴ジオメトリ情報を使用するステップを含む、請求項５０に記載のコンピュータ可読格納媒体。
【請求項５２】
ｐ（ｘ）が前記空間的に変動する補償関数部であり、τが閾値である、関数
に対するボリュームにわたって調整された空間的に変動する活動データを積分するステップを含む、請求項５０に記載のコンピュータ可読格納媒体。
【請求項５３】
前記空間的に変動する補償関数部は空間的に変動する確率密度を含む、請求項５０に記載のコンピュータ可読格納媒体。
【請求項５４】
前記方法は、前記特徴をシミュレートするステップと、前記特徴のパラメータを推定するため前記シミュレーションの結果を使用するステップとを含む、請求項４５に記載のコンピュータ可読格納媒体。
【請求項５５】
前記パラメータは、特徴運動又は特徴ジオメトリを含む、請求項５３に記載のコンピュータ可読格納媒体。
【請求項５６】
前記特徴は、肺病変又は肝臓病変を含む、請求項４５に記載のコンピュータ可読格納媒体。
【請求項５７】
対象の病状を示す数量的データを生成するため放射線崩壊を示す空間的に変動する活動データを使用するステップと、前記空間的に変動する活動データの運動アーティファクトにより導入されるエラーを補償する運動補償関数部にしたがって、前記数量的データを調整するステップとを有する方法。
【請求項５８】
前記調整するステップの前に前記使用するステップを実施することを含む、請求項５７に記載の方法。
【請求項５９】
前記調整するステップは、最尤関数に従って、測定された活動値を調整するステップを含む、請求項５７に記載の方法。
【請求項６０】
前記病変は前立腺病変を含む、請求項５７に記載の方法。
【請求項６１】
対象の検査中に、検出される放射線崩壊から生成される活動データに関連して使用されるとき、前記対象の特徴を示す数量的データを生成するために、前記活動データを使用する計算における運動アーティファクトによるエラーを補償する、複数の運動補償値を含むデータ構造を含む、コンピュータ可読格納媒体。
【請求項６２】
前記データ構造内の前記運動補償値が、前記特徴の運動にしたがって、インデックスを付けられる、請求項６１に記載のコンピュータ可読格納媒体。
【請求項６３】
前記データ構造内の前記運動補償値が、前記特徴のサイズにしたがって、インデックスを付けられる、請求項６２に記載のコンピュータ可読格納媒体。
【請求項６４】
前記データ構造内の前記運動補償値が、前記特徴の形状にしたがって、インデックスを付けられる、請求項６２に記載のコンピュータ可読格納媒体。
【請求項６５】
複数の特徴を含む、対象を示す第１の画像データをユーザに提示するステップと、第１の特徴を選択するステップと、第１の特徴を示す数量的データを生成するステップと、第２の特徴を選択するステップと、第２の特徴の運動を補償する運動補償された再構成を実施するステップとを有する方法。
【請求項６６】
前記第２の特徴を選択するステップは、ユーザにより識別される特徴を選択するステップを含む、請求項６５に記載の方法。
【請求項６７】
特徴の特性を評価するステップを含む請求項６５に記載の方法であって、前記第２の特徴を選択するステップは、前記評価の結果に基づいて、第２の特徴を選択するステップを含む、方法。
【請求項６８】
前記特徴は、疑わしい肺病変を含む、請求項６５に記載の方法。
【請求項６９】
前記特徴を識別するためにコンピュータ補助検出システムを使用するステップを含む、請求項６５に記載の方法。
【請求項７０】
前記数量的データは、運動補償取り込み値を含む、請求項６５に記載の方法。
【請求項７１】
複数の特徴を含む、対象を示す第１の画像データをユーザに提示する手段と、第１の特徴を選択する手段と、第１の特徴を示す数量的データを生成する手段と、第２の特徴を選択する手段と、第２の特徴の運動を補償する運動補償された再構成を実施する手段とを有する装置。
【請求項７２】
運動補償された数量的データを生成するために、対象の放射線崩壊の空間的分布を表わすデータを使用する運動補償された数量的データ生成器であって、前記空間的分布を表わす前記データ内の運動アーティファクトを補償するために、運動補償を適用する、運動補償された数量的データ生成器。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１Ａ】
【図１１Ｂ】
【図１２】
【図１３】
【図１４】
【図１５】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１Ａ】
【図１１Ｂ】
【図１２】
【図１３】
【図１４】
【図１５】
【公表番号】特表２０１０−５１７６７２（Ｐ２０１０−５１７６７２Ａ）
【公表日】平成２２年５月２７日（２０１０．５．２７）
【国際特許分類】
【出願番号】特願２００９−５４９０６９（Ｐ２００９−５４９０６９）
【出願日】平成１９年１０月１６日（２００７．１０．１６）
【国際出願番号】ＰＣＴ／ＵＳ２００７／０８１４５６
【国際公開番号】ＷＯ２００８／１２７３６８
【国際公開日】平成２０年１０月２３日（２００８．１０．２３）
【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５月２７日（２０１０．５．２７）
【国際特許分類】
【出願日】平成１９年１０月１６日（２００７．１０．１６）
【国際出願番号】ＰＣＴ／ＵＳ２００７／０８１４５６
【国際公開番号】ＷＯ２００８／１２７３６８
【国際公開日】平成２０年１０月２３日（２００８．１０．２３）
【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 ]