画像セグメンテーションに基づく画像分類
本発明は、画像データ内の対象に適応されるモデルに基づいて、画像データを分類するシステム１００であって、システムは、モデルを画像データの対象に適応させることによって、画像データをセグメント化するセグメンテーションユニット１１０と、画像データ内の対象に適応されたモデルに基づいて、クラスを画像データに割り当て、それによって画像データを分類する分類ユニット１２０と、を有し、分類ユニット１２０は、画像データ内の対象に適応されたモデルに基づいて、モデルの属性の値を計算する属性ユニット１２２を有し、割り当てられるクラスは、属性の計算された値に基づく、システムに関する。従って、本発明のシステム１００は、任意のユーザ入力なしに画像データを分類することができる。画像データ１０を分類するために必要とされるすべての入力は、画像データ内の対象に適応されるモデルを構成する。しかしながら、当業者であれば、システム１００のいくつかの実施形態において、ユーザにシステム及び分類プロセスに影響を与えさせ、それらを制御させるための限定された数のユーザ入力が可能にされることが分かるであろう。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、画像データを分類することに関し、より具体的には、画像データ内の対象に適応されるモデルに基づいて画像データを分類することに関する。
【背景技術】
【０００２】
放射線医は、解析され、分類され、記述されるべき画像の常に増加する数に起因する常に増加する作業負担に直面している。画像データを分類することは、例えば、画像データの取り出しのために有用でありうる。今日、画像データのクラスは、一般に、例えばＣＴのような取得モダリティ、例えば胸部のような画像データによって表現される解剖学的構造の一部、例えば男性、若い成人のような患者の性別及び年齢群、及び画像データによって記述される対象、に基づく。画像データによって表現される解剖学的構造の記述は、特に時間がかかり、多くの場合、取得された画像データに基づいてレンダリングされる多くの画像を検討することを必要とする。レンダリングされた画像は、放射線医によって観察され、記述される。放射線医をその作業において支援するために、ソフトウェア実現される画像解析システムが利用可能である。多くのソフトウェアパッケージは、画像内の対象を測定するための対話的ツールを提供する。例えば、ユーザは、２つのポイント間の距離を計算するために、血管の壁上の２つのポイントを選択することができ、それによって血管の直径を得る。他のシステムは、画像内のエッジ及び表面のようなフィーチャの輪郭を描くための画像セグメンテーションシステム及び画像セグメンテーションに基づいて画像データ内の対象を測定するための測定ツールを有する。
【発明の概要】
【発明が解決しようとする課題】
【０００３】
例えば、「Automated Measurement of Geometrical Properties」というタイトルの国際公開第２００３／０２３７１７号パンフレットは、モデルに基づく画像セグメンテーションを使用して、対象に含まれる３次元構造の幾何学的パラメータを測定する方法を記述する。最初に、第１のモデルが、画像データ内の対象に適応される。次いで、第２のモデルが、第２のモデルの幾何学的パラメータの値を調整することによって、適応された第１のモデルに適合される。例えば、第２のモデルは、球体でありえ、幾何学的パラメータは、球体の直径でありうる。第１のモデルは、画像データに表される大腿骨に適応させるための三角形メッシュでありうる。球体は、大腿骨頭に適合されることができる。必要なパラメータ値を得た後、放射線医は、所見を記述し及び／又は所見に基づいて画像データを分類する必要がある。一般に、これは、記述を口述し、スピーチをテキストに変換するためのスピーチ認識技法を使用することによって行われる。
【０００４】
放射線医からより少ない入力を要求する画像データを分類する手段を提供することが有利である。
【課題を解決するための手段】
【０００５】
従って、１つの見地において、本発明は、画像データ内の対象に適応されるモデルに基づいて画像データを分類するシステムであって、モデルを画像データ内の対象に適応させることによって、画像データをセグメント化するセグメンテーションユニットと、画像データ内の対象に適応されたモデルに基づいて、クラスを画像データに割り当て、それによって画像データを分類する分類ユニットと、を有し、分類ユニットは、画像データ内の対象に適応されたモデルに基づいて、モデルの属性の値を計算する属性ユニットを有し、割り当てられるクラスは、属性の計算された値に基づく、システムを提供する。
【０００６】
従って、本発明のシステムは、いかなるユーザ入力もなく画像データを分類することができる。画像データを分類するために必要とされるすべての入力は、画像データ内の対象に適応されるモデルを構成する。しかしながら、当業者であれば、ある実施形態によれば、限定された数のユーザ入力、例えば、画像データ内の対象に適応されるモデルを選択するための入力が、ユーザに、システム及び分類プロセスへの影響を与えさせ、それらを制御させることを可能にしうることが分かるであろう。
【０００７】
システムの一実施形態において、モデルの属性は、モデルに基づいて又はユーザ属性入力に基づいて、規定される。システムの分類ユニットは、属性の値を計算する属性ユニットを用いるように構成される。属性の値が計算されるべきである該属性は、モデルに基づいて規定されることができる。例えば、モデルが、画像内の対象に適応させるためのメッシュを有する場合、モデルは更に、２つの頂点を特定することができる。２つの頂点は、メッシュの属性、すなわち前記頂点間の距離、を規定することができる。属性ユニットは、適応されたメッシュの指定された頂点間の距離の値を計算するように構成されることができる。このような属性は、モデルに基づいて決定される。代替として、ユーザに、例えばモデルメッシュの２つの頂点を示すための、ユーザ属性入力を提供させるために有用である。２つの頂点は、メッシュ属性、すなわち前記頂点間の距離、を規定することができる。属性ユニットは、適応されたメッシュの示された頂点間の距離の値を計算するように構成されることができる。このような属性は、ユーザ属性入力に基づいて決定される。
【０００８】
当業者であれば、特定の属性が、モデル又はユーザ属性入力によって規定される必要がないことが可能であることが分かるであろう。例えば、システムは、メッシュのあらゆる２つの頂点間の距離の値を計算する属性ユニットを有することができる。属性ユニットは更に、最大値を選択するように構成されうる。このような属性、すなわちモデルメッシュのすべての頂点を含む最小球体の直径は、メッシュごとに計算されることができ、モデルによって又はユーザ属性入力によって規定される必要がない。システムは、決まった手順としてこのような属性の値を計算するように構成されることができる。
【０００９】
システムの一実施形態において、モデルの属性の値は、画像データを分類するためのテキストである。テキストの値をもつ属性は、ユーザにとって理解し、解釈するのが一層容易でありうる。テキストの値をもつ属性の一例は、「悪性」又は「良性」値を呈しうる、Ｘ線画像において検出される胸部結節のタイプである。値は、造影剤注入後のセグメント化された結節の明るさに基づいて割り当てられることができる。悪性腫瘍は、それらの自身の血液供給系を成長させるので、それらは、Ｘ線画像において良性結節より明るくみえる。閾値以上の明るさを有する結節は、悪性であると分類されることができる。
【００１０】
システムの一実施形態において、モデルの属性の値は、画像データを分類するための少なくとも１つの数である。上述したように、属性は、モデルメッシュの２つの頂点間の距離でありうる。
【００１１】
システムの一実施形態において、モデルの属性の値は、画像データを分類するためのレンジ又はベクトルである。例えば、ベクトルの値をもつ属性は、例えば脊椎骨のような構造の慣性テンソルのメインの主軸を記述することができる。例示的なレンジの値をもつ属性は、動脈プラークによる動脈の狭窄のパーセントレンジである。
【００１２】
一実施形態において、システムは更に、画像データに割り当てられるクラスに基づいて記述を生成する記述ユニットを有する。記述は、画像に割り当てられたクラスから導き出されるテキスト及び数字のデータを含みうる。記述ユニットは、構文的に正しい文を組み立てるための語彙及び文法規則を使用するように構成されることができる。記述は、例えばレポートを生成するために使用されることができる。
【００１３】
システムの一実施形態において、セグメンテーションユニットは更に、第２の画像データ内の第２の対象にモデルを適応させることによって、第２の画像データをセグメント化するように構成され、分類ユニットは更に、第２の画像データ内の第２の対象に適応されたモデルに基づいて、第２の画像データに第２のクラスを割り当て、それによって第２の画像データを分類するように構成され、システムは更に、画像データ及び第２の画像データの間の対応を判定するために、画像データに割り当てられたクラスを、第２の画像データに割り当てられた第２のクラスと比較する比較ユニットを有する。対応は、画像データ及び第２の画像データの類似性に基づくことができる。代替として、対応は、画像データ及び第２の画像データの相補性に基づくことができる。
【００１４】
一実施形態において、システムは更に、画像データ及びデータレコードの間の対応を判定するために、画像データに割り当てられたクラスをデータレコードと比較する第２の比較ユニットを有する。データレコードは、例えばハンドブック又は百科事典からのエントリでありうる。
【００１５】
一実施形態において、システムは更に、データレコードにデータレコードクラスを割り当て、それによってデータレコードを分類する第２の分類ユニットを有し、第２の比較ユニットは、画像データに割り当てられたクラスを、データレコードに割り当てられたデータレコードクラスと比較するように構成される。
【００１６】
本発明の他の見地において、本発明によるシステムは、データベースシステムに含められる。データベースは、アイテムを含む。各データレコードは、データレコードクラスを割り当てられる。データベースからデータレコードを取り出すためのクエリは、システムによって画像データに割り当てられたクラスに基づいて決定される。システムは、画像に割り当てられたクラスをデータレコードに割り当てられたクラスと比較することによって、画像と同様である又は相補的であるデータレコードを識別するように構成される。
【００１７】
他の見地において、本発明によるシステムは、画像取得装置に含められる。
【００１８】
他の見地において、本発明によるシステムは、ワークステーションに含められる。
【００１９】
他の見地において、本発明は、画像データ内の対象に適応されるモデルに基づいて画像データを分類する方法であって、モデルを画像データ内の対象に適応させることによって、画像データをセグメント化するセグメンテーションステップと、画像データ内の対象に適応されたモデルに基づいて、画像データにクラスを割り当て、それによって画像データを分類する分類ステップと、を含み、分類ステップは、画像データ内の対象に適応されたモデルに基づいて、モデルの属性の値を計算する属性ステップを含み、割り当てられるクラスは、属性の計算された値に基づく、方法を提供する。
【００２０】
他の見地において、本発明は、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製品であって、コンピュータプログラムは、画像データ内の対象に適応されるモデルに基づいて、画像データを分類する命令を含み、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製品は、ロードされた後、方法のステップを実行する能力を前記処理ユニットに提供する、コンピュータプログラム製品を提供する。
【００２１】
当業者であれば、本発明の上述の実施形態、実現及び／又は見地のうちの２又はそれ以上が、有用とみなされる任意のやり方で、組み合わせられることができることが分かるであろう。
【００２２】
システムの記述される変形及び変更に対応する、データベースシステム、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製品の変形及び変更が、本明細書に基づいて当業者によって実施されることができる。
【００２３】
当業者であれば、方法は、限定的ではないが例えばＸ線イメージング、コンピュータトモグラフィ（ＣＴ）、磁気共鳴イメージング（ＭＲＩ）、超音波（ＵＳ）、ポジトロンエミッショントモグラフィ（ＰＥＴ）、シングルフォトンエミッションコンピュータトモグラフィ（ＳＰＥＣＴ）及び核医学（ＮＭ）のようなさまざまな取得モダリティによって取得される２次元（２Ｄ）、３次元（３Ｄ）、４次元（４Ｄ）画像データのような、多次元画像データに適用されうることが分かるであろう。
【００２４】
本発明のこれら及び他の見地は、以下に説明される実現例及び実施形態並びに添付の図面から明らかになり、それらを参照して以下に説明される。
【図面の簡単な説明】
【００２５】
【図１】システムの例示の実施形態のブロック図。
【図２】視神経のセグメンテーションを示す図。
【図３】左視神経に沿った左視神経モデル及び左鞘モデルの直径バリエーションを示す図。
【図４】左視神経に沿った左視神経モデルに基づいて決定される強度バリエーションを示す図。
【図５】方法の例示の実現例を示すフローチャート。
【図６】データベースシステムの例示の実施形態を概略的に示す図。
【図７】画像取得装置の例示の実施形態を概略的に示す図。
【図８】ワークステーションの例示の実施形態を概略的に示す図。
【発明を実施するための形態】
【００２６】
図面において、同じ基準数字が同様の部分を示すために使用されている。
【００２７】
図１は、画像データ内の対象に適応されるモデルに基づいて、画像データを分類するシステム１００の例示の実施形態のブロック図を示しており、システムは、画像データ内の対象にモデルを適応させることによって、画像データをセグメント化するセグメンテーションユニット１１０と、画像データ内の対象に適応されたモデルに基づいて、画像データにクラスを割り当て、それによって画像データを分類する分類ユニット１２０と、を有し、分類ユニットは、画像データ内の対象に適応されたモデルに基づいて、モデルの属性の値を計算する属性ユニット１２２を有し、割り当てられるクラスは、属性の計算された値に基づく。
【００２８】
システム１００の例示の実施形態は、以下の任意のユニットを更に有する：
−画像データに割り当てられたクラスに基づいて記述を生成する記述ユニット１３０；
−画像データ及び第２の画像データの間の対応を判定するために、画像データに割り当てられたクラスを第２の画像データに割り当てられた第２のクラスと比較する比較ユニット１４０；
−データレコードにデータレコードクラスを割り当て、それによってデータレコードを分類する第２の分類ユニット１５０；
−画像データ及びデータレコードの間の対応を判定するために、画像データに割り当てられたクラスをデータレコードと比較する第２の比較ユニット１５５；
−システム１００の作業を制御する制御ユニット１６０；
−ユーザ及びシステム１００の間の通信のためのユーザインタフェース１６５；及び
−データを記憶するためのメモリユニット１７０。
【００２９】
システム１００の一実施形態において、入来データのための３つの入力コネクタ１８１、１８２及び１８３がある。第１の入力コネクタ１８１は、限定的でないが、ハードディスク、磁気テープ、フラッシュメモリ又は光学ディスクのようなデータ記憶手段から入来するデータを受け取るように構成される。第２の入力コネクタ１８２は、限定的でないが、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来するデータを受け取るように構成される。第３の入力コネクタ１８３は、例えばキーボードのようなユーザ入力装置から入来するデータを受け取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。
【００３０】
システム１００の一実施形態において、送出データのための２つの出力コネクタ１９１及び１９２がある。第１の出力コネクタ１９１は、例えばハードディスク、磁気テープ、フラッシュメモリ又は光学ディスクのような、データ記憶手段にデータを出力するように構成される。第２の出力コネクタ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１９０を介して個々のデータを受け取る。
【００３１】
当業者であれば、システム１００の入力コネクタ１８１、１８２及び１８３に入力装置を接続し、出力コネクタ１９１及び１９２に出力装置を接続するための多くのやり方があることが分かるであろう。これらのやり方は、限定的でないが、ワイヤード及びワイヤレス接続、例えば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、デジタル電話網のようなデジタルネットワーク、及びアナログ電話網を含む。
【００３２】
システム１００の一実施形態において、システム１００は、メモリユニット１７０を有する。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け取り、受け取られた入力データをメモリユニット１７０に記憶す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するデータ部分への迅速なアクセスを可能にする。入力データは、例えば画像データ及びモデルデータを含みうる。メモリユニット１７０は、限定的でないが、ランダムアクセスメモリ（ＲＡＭ）チップ、読出し専用メモリ（ＲＯＭ）チップ、及び／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現されることができる。メモリユニット１７０は更に、出力データを記憶するように構成されることができる。出力データは、例えば画像に割り当てられたクラスを含みうる。任意には、出力データは更に、画像データ内の対象に適応されたモデル及び／又は属性の値を含みうる。メモリユニット１７０は更に、メモリバス１７５を介して、セグメンテーションユニット１１０、分類ユニット１２０、属性ユニット１２２、記述ユニット１３０、比較ユニット１４０、第２の分類ユニット１５０、第２の比較ユニット１５５、制御ユニット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け取り及び／又はそれらにデータを送るように構成されることができる。メモリユニット１７０は更に、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するように構成される。メモリユニット１７０にシステム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のユニットの性能及びシステム１００のユニットから外部装置への出力データの転送のレートを有利に改善することができる。
【００３３】
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外部メモリ又はプロセッサのような少なくとも１つの外部装置によって供給されることができる。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外部メモリ又はプロセッサのような少なくとも１つの外部装置に供給されることができる。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け取るように構成されることができる。
【００３４】
システム１００の一実施形態において、システム１００は、システム１００を制御する制御ユニット１６０を含む。制御ユニットは、システム１００のユニットから制御データを受け取り、それらのユニットに制御データを供給するように構成されうる。例えば、画像データに対するモデルの適応化の後、セグメンテーションユニット１１０は、制御ユニット１６０に、制御データ「画像データがセグメント化される」を供給するように構成されることができ、制御ユニット１６０は、分類ユニット１２０に、制御データ「画像データを分類する」を供給するように構成されることができる。代替として、制御機能は、システム１００の別のユニットにおいて実現されることができる。
【００３５】
システム１００の一実施形態において、システム１００は、ユーザ及びシステム１００の間の通信のためのユーザインタフェース１６５を有する。ユーザインタフェース１６５は、画像データ内の対象に適応されるモデルを選択するためのユーザ入力を受け取るように構成されることができる。ユーザインタフェースは更に、対象に適応されたメッシュのビューを表示する手段を提供することができる。任意には、ユーザインタフェースは、例えば外部又は内部エネルギー表現のターム又は事前位置決め方法について、システムの動作モードを選択するためのユーザ入力を受け取ることができる。当業者であれば、より多くの機能がシステム１００のユーザインタフェース１６５において有利に実現されることができることが分かるであろう。
【００３６】
一実施形態において、本発明のシステムは、視神経を記述する画像データを分類するように構成される。図２は、左Ｎ１及び右Ｎ２視神経モデルを使用する左及び右視神経のセグメンテーションを示す。各視神経は、網膜から脳に電気インパルスを送信するための繊維束を含む。左及び右視神経は、個々の眼球モデルＥ１及びＥ１によってモデル化される個々の眼球を離れ、視神経管を介して、両方の視神経の繊維の部分的な交差がある、交叉モデルＣによってモデル化される交叉の方に向かう。各眼球における各視神経のセグメントは、左モデルＳ１によってモデル化される鞘及右鞘モデルＳ２によって保護される。視神経の一般的な直径は、眼球内部における約１．６ｍｍから、眼球軌道における３．５ｍｍにまで増加し、更に頭蓋空間内の４．５ｍｍにまで増加する。
【００３７】
一実施形態において、モデルＮ１、Ｎ２、Ｅ１、Ｅ２及びＣは、メッシュ表面モデルである。視神経をモデル化するのに適したメッシュモデルは、Proceedings SPIE Medical Imaging 2008:Image Processing, J. M. Reinhardt and J. P. Pluim, eds.に示されるSPIE Medical Imaging, Conference 6914 Image Processing, Session 7, "Segmentation of the heart and major vascular structures in cardiovascular CT images", Jochen Peters, Olivier Ecabert, Cristian Lorenz, Jens von Berg, Matthew J. Walker, Mani Vembar, Mark E. Olszewski, Jurgen Weese, San Diego 18 February 2008に記述されており、以下、文献１と呼ぶ。各視神経は、文献１のセクション２．３に更に詳しく記述されるように、連続するリングのスタックによってモデル化される。各リングは、固定の数の頂点によって規定される。２つの連続するリングの頂点は、三角面によりセグメントメッシュを形成するエッジと接続される。視神経をモデル化するための三角形メッシュは、画像データ空間に配置され、イメージングされたデータ内の視神経に適応される。配置は、一般化されたハフ変換を使用して、画像データ内の神経又は基準構造の検出に基づくことができる。一般化されたハフ変換を使用してメッシュを配置する方法は、M. J. Walker, A. Chakrabarty, M. E. Olszewski, O. Ecabert, J. Peters, C. Lorenz, J. von Berg, M. Vembar, K. Subramanyan, and J. Weese, "Comparison of two initialization methods for automatic, whole-heart, model-based segmentation of multiphase cardiac MSCT images," in Proc. 1st Annual Scientific Meeting Soc. Cardiovascular Computed Tomography, Int. Journal Cardiovascular Imaging, 22 (suppl. 1), p. 12, July 2006に記述されている。初期化されたメッシュの適応は、例えば、J. Peters, O. Ecabert, C. Meyer, H. Schramm, R. Kneser, A. Groth, and J. Weese, "Automatic whole heart segmentation in static magnetic resonance image volumes," in Proc. MICCAI, N. Ayache, S. Ourselin, and A. Maeder, eds., LNCS 4792, pp. 402-410, Springer, 2007に記述される方法を用いる。視神経の各鞘は、視神経をモデル化するために使用されるものと同様のアプローチを使用してモデル化される。
【００３８】
一実施形態において、２つの視神経モデルＮ１及びＮ２並びに２つの鞘モデルＳ１及びＳ２は、個々の眼球モデルＥ１及びＥ２並びに交叉モデルＣにつなげられ、交叉モデルＣは、中枢神経系の他の構造にもつなげられる。複数の部分を含むこのような包括的なモデルは、画像データ内の構造に適応される。代替として、コンポーネントモデルは、基準構造のモデルと次々と適応されることができる。例えば２つの脳半球及び眼球は、眼球モデルＥ１及びＥ２及び交叉モデルＣにつなげられる視神経モデルＮ１及びＮ２及び鞘モデルＳ１及びＳ２の適応の前に、適応される。
【００３９】
当業者であれば、本発明によるシステムによって使用されることができる他のモデル及びこのようなモデルを画像データ内の対象に適応させる他の方法があることが分かるであろう。上述されたモデル及び方法は、システムの実施形態を示すものであり、請求項の範囲を制限するものとして解釈されるべきでない。
【００４０】
一実施形態において、画像データは、左視神経の状態に基づいて分類される。更に詳細には、画像データは、画像データ内の左視神経に適応された左視神経モデルＮ１の２つの属性、すなわち左視神経モデルＮ１の直径及び左視神経モデルＮ１の平均強度、に基づいて分類される。直径の値及び平均グレー値は、左視神経をモデル化するために使用されるリングのスタックの各リングについて決定される。左視神経モデルＮ１のｉ番目のリングの直径ｄｉは、式Ａｉ＝π（ｄｉ／２）２を使用して、各々の適応されたリングごとに計算される。ここで、Ａｉは、リングの面積である。リングの面積は、リングの頂点によって規定される多角形の面積によって近似される。各リングの位置は、中心線に沿って測定される、左眼球モデルの表面からリング中心までの距離によって規定される。各リングのこの距離は、当該リングと眼球に隣接するリングとの間の連続するリングの中心同士の距離の合計によって近似される。各リングの中心は、リングの頂点の質量中心として規定される。鞘モデルＳ１の直径が、類似したやり方で計算されることができる。図３は、左視神経に沿った左視神経モデルＮ１及び左鞘モデルＳ１の直径バリエーションを示す。
【００４１】
左視神経モデルＮ１のｉ番目のリングの平均グレー値は、サンプリングポイントのグレー値から計算される。サンプリングポイントは、リング中心から始まって、リングの頂点の方へ延びる各セミライン上の等しい距離のところに選択されるポイントである。これらのサンプリングポイントのグレー値のヒストグラムは、グレー値Ｉ０，ｉ及びＪ０，ｉの２つの大きい最大値を示す。ここで、ｉはリングインデックスである。２つのグレー値のうちの、Ｉ０，ｉと示される大きいほうは、ｉ番目のリングの位置に対応する位置における視神経の平均強度を近似する。２つのグレー値のうちのＪ０，ｉと示される小さいほうは、ｉ番目のリングの位置に対応する位置における鞘の平均強度を近似する。図４は、左視神経に沿って左視神経モデルＮ１に基づいて決定される強度バリエーションを示す。
【００４２】
システムの一実施形態において、画像データのクラスを規定するために使用される左視神経モデルの２つの属性がある。第１の属性は、視神経の直径のグラフであり、第２の属性は、視神経モデルの平均強度のグラフである。第２の属性は視神経モデルに基づいて規定されるが、第２の属性の値は更に、画像データのグレー値に基づくことは指摘する価値がある。２つのグラフは、視神経に沿った位置（すなわちリングの質量中心の座標）並びに視神経の直径及び視神経の平均強度の対応する値を含むテーブルによって表現されることができる。直径及び平均強度の値は、クラスの数を制限するために量子化されることができる。本文脈において、量子化とは、値のレンジからの各値を１つの値と置き換えることを意味し、１つの値は、例えば値のレンジからの最小値若しくは最大値又は前記最小値及び最大値の中間値である。任意には、グラフの値は、例えば直径の平均値に基づいて、「高い」、「低い」又は「中程度」のようなテキスト値でありうる。
【００４３】
一実施形態において、左視神経直径のグラフが更に処理され、画像データが、グラフの処理の結果に基づいて分類される：
【００４４】
−平滑化フィルタは、セグメンテーションのアーチファクトを低減するために、直径値ｄ０，ｉのシーケンスに適用される；例えば、移動平均フィルタが、使用されることができる；このステップの出力は、平滑化された直径値ｄ１，ｉである。
【００４５】
−平滑化された直径値ｄ１，ｉの最大値Ｍ及び最小値ｍが計算され、例えば各値から最小値ｍを減算し、得られた値をＭ−ｍで除算することによって、直径値が正規化される；このステップの出力は、正規化された直径値ｄ２，ｉである；
【００４６】
−正規化された直径値ｄ２，ｉの一次導関数が計算される；このステップの出力は、一次導関数値Ｄ２，ｉである；
【００４７】
−正の閾値ｔは、一次導関数値Ｄ２，ｉに基づいて計算される；この閾値は、以下のように一次導関数値Ｄ２，ｉを量子化するために使用される：
−ｔ＜Ｄ２，ｉ＜ｔである場合、Ｄ２，ｉは０と置き換えられる；
Ｄ２，ｉ＞ｔである場合、Ｄ２，ｉは１と置き換えられる；
Ｄ２，ｉ＜−ｔである場合、Ｄ２，ｉは−１と置き換えられる；
このステップの出力は、量子化された一次導関数値Ｄ３，ｉである；
平滑化フィルタが、量子化された導関数値Ｄ３，ｉに適用される；例えば、移動平均フィルタが使用されることができる；このステップの出力は、平滑化された導関数値Ｄ４，ｉである；
【００４８】
−第２の正の閾値ｓは、平滑化された導関数値Ｄ４，ｉに基づいて計算される；この閾値は、以下のように平滑化された導関数値Ｄ４，ｉを量子化するために使用される：
−ｓ＜Ｄ４，ｉ＜ｓである場合、Ｄ４，ｉは０と置き換えられる；
Ｄ４，ｉ＞ｓである場合、Ｄ４，ｉは１と置き換えられる；
Ｄ４，ｉ＜−ｓである場合、Ｄ４，ｉは−１と置き換えられる；
このステップの出力は、量子化された平滑化された導関数値Ｄ５，ｉである。
【００４９】
量子化された平滑化された導関数値Ｄ５，ｉのシーケンス-1...0...1は、太くなった（enlarged）神経を示し、従って、このシーケンスは、太くなった神経シーケンスと呼ばれる。量子化された平滑化された導関数値Ｄ５，ｉのシーケンス1...0...-1は、細くなった（thinned）神経を示し、従って、このシーケンスは、細くなった神経シーケンスと呼ばれる。従って、太くなったシーケンスを含む視神経を示す画像データは、太くなったものとして分類され、細くなった神経シーケンスを含む視神経を示す画像データは、細くなったものと分類される。太くなった神経シーケンスを含まず、細くなった神経シーケンスも含まない視神経を示す画像データは、正常と分類される。太くなった神経シーケンス及び細くなった神経シーケンスの両方を含む視神経を示す画像データは、太くなったもの又は細くなったものと分類されることができる。任意には、例えば太くなったもの、細くなったもの、のような複数の値を含む分類が、使用されることもできる。
【００５０】
一実施形態において、左視神経平均強度のグラフが更に処理され、画像データが、グラフの処理の結果に基づいて分類される：
【００５１】
−平滑化フィルタが、セグメンテーションのアーチファクトを低減するために、平均強度値Ｉ０，ｉのシーケンスに適用される；例えば、移動平均フィルタが、使用されることができる；このステップの出力は、平滑化された強度値Ｉ１，ｉである。
【００５２】
−平滑化された平均強度値Ｉ１，ｉの最大値Ｍ及び最小値ｍが計算され、グレー値が、例えば各値から最小値ｍを減算し、得られた値をＭ−ｍで除算することによって、正規化される；このステップの出力は、正規化された強度値Ｉ２，ｉである；
【００５３】
−正規化された平均強度値Ｉ２，ｉの一次導関数が計算される；このステップの出力は、一次導関数値Ｄ２，ｉである；
【００５４】
−正の閾値ｔが、一次導関数値Ｄ２，ｉに基づいて計算される；この閾値は、以下のように一次導関数値Ｄ２，ｉを量子化するために使用される：
−ｔ＜Ｄ２，ｉ＜ｔである場合、Ｄ２，ｉは０と置き換えられる；
Ｄ２，ｉ＞ｔである場合、Ｄ２，ｉは１と置き換えられる；
Ｄ２，ｉ＜−ｔである場合、Ｄ２，ｉは−１と置き換えられる；
このステップの出力は、量子化された一次導関数値Ｄ３，ｉである；
【００５５】
−平滑化フィルタは、量子化された導関数値Ｄ３，ｉに適用される；例えば、移動平均フィルタが使用されることができる；このステップの出力は、平滑化された導関数値Ｄ４，ｉである；
【００５６】
−第２の正の閾値ｓが、平滑化された導関数値Ｄ４，ｉに基づいて計算される；この閾値は、以下のように平滑化された導関数値Ｄ４，ｉを量子化するために使用される：
−ｓ＜Ｄ４，ｉ＜ｓである場合、Ｄ４，ｉは０と置き換えられる；
Ｄ４，ｉ＞ｓである場合、Ｄ４，ｉは１と置き換えられる；
Ｄ４，ｉ＜−ｓである場合、Ｄ４，ｉは−１と置き換えられる；
このステップの出力は、量子化された平滑化された導関数値Ｄ５，ｉである。
【００５７】
量子化された平滑化された導関数値Ｄ５，ｉのシーケンス-1...0...1は低信号を示し、従って、このシーケンスは、低信号シーケンスと呼ばれる。量子化された平滑化された導関数値Ｄ５、ｉのシーケンス1...0...-1は、高信号を示し、従って、このシーケンスは、高信号シーケンスと呼ばれる。従って、低信号シーケンスを含む視神経を示す画像データは、低信号と分類され、高信号シーケンスを含む視神経を示す画像データは、高信号と分類される。低信号シーケンスも高信号シーケンスも含まない視神経を示す画像データは、等信号（isointense）と分類される。低信号シーケンス及び高信号シーケンスの両方を含む視神経を示す画像データは、高信号又は低信号と分類されることができる。任意には、例えば低信号、高信号のような、複数の値を含む分類が、使用されることもできる。
【００５８】
図４に示される平均強度グラフは、上述されたフィルタを使用して検出される視神経を含む低信号の画像データを示す。ＭＲバイアス磁界のため、視神経のグレーレベルが球体から交叉へと増加することは指摘する値がある。フィルタの使用は、画像データの正しい分類を可能にする。
【００５９】
表１は、画像データ内の左視神経に適応された左視神経モデルの直径及び強度属性に基づいて、画像データを分類するための分類スキームを示す。
【００６０】
画像を分類することは非常に有用でありうる。画像データクラスディスクリプタは、画像を記述するために、画像データに基づく所見に関する医療レポートを書くために、更には他のデータベースを検索するためのクエリを構築するために、使用されることができる。画像データクラス及びデータベース内のデータレコードのクラスが、同じであり又は特定の条件を満たす場合、データレコードは、画像データに対応するデータレコードとして取り出されることができる。
【００６１】
システム１００の一実施形態において、各リングごとの直径値及び／又は強度値の統計分布が、画像データを分類するために使用される。直径及び強度値の統計分布は、訓練フェーズにおいて画像データの訓練セットから学習されることができる。任意には、システム１００は、このような訓練を行うために適応されることができる。分類ユニットは、計算された直径及び強度値を「異常」を示す学習されたシーケンスと比較するように、前記異常の発生の蓋然性を計算するように、又は単に蓋然性の閾値に基づいて画像データを「正常」又は「異常」と分類するように、構成されることができる。
【００６２】
当業者であれば、システム１００の分類ユニット１２０は、複数の属性ユニット１２２を有することができ、各属性ユニット１２２は、画像データ内の対象に適応されたモデルに基づいて、属性値を計算するように構成されることが分かるであろう。複数の計算された属性値が、画像データのクラスを規定する。任意には、システム１００は更に、複数のセグメンテーションユニット１１０及び複数の対応する分類ユニット１２０を有することができる。各セグメンテーションユニットは、それ自身のモデルに基づいてそれ自身のセグメンテーション方法を用いることができる。対応する分類ユニット１２０の属性ユニット１２２は、セグメンテーションユニット１１０によって用いられるモデルの属性値を計算するように構成されることができる。
【００６３】
システム１００の一実施形態において、ユーザは、画像データを分類するために分類ユニット１２０によって使用されるべき属性を選択することを可能にされることができる。例えば、ユーザが視神経の直径に関心をもつ場合、ユーザは、分類が視神経モデルの直径のみに基づくべきであることを示すために、ユーザインタフェース１６５を使用することができる。別の状況において、ユーザは、視神経の直径及び強度に基づいて、画像データを分類することに関心をもつことがある。それゆえ、ユーザは、ユーザインタフェースを介して、システムに、画像データ分類のために視神経モデルの両方の属性を使用するように指示することができる。
【００６４】
システム１００の一実施形態において、システム１００のセグメンテーションユニット１１０は更に、モデルを第２の画像データ内の第２の対象に適応させることによって、第２の画像データをセグメント化するように構成される。分類ユニット１２０は更に、第２の画像データ内の第２の対象に適応されたモデルに基づいて、第２のクラスを第２の画像データに割り当て、それによって第２の画像データを分類するように構成される。以下で第１の画像データと呼ばれる画像データは、第１の画像データのクラスに基づいて、第２の画像データと比較されることができ、それらのクラスは、以下で第１のクラス及び第２のクラスと呼ばれる。比較が、第１及び第２の画像データの間の対応を判定するために、比較ユニット１４０によって行われる。比較ユニット１４０は、第１のクラス及び第２のクラスが条件を満たすことを検証するように構成されることができる。条件が満たされる場合、第２の画像データは、対応する画像データと考えられる。条件は、同一性条件でありうる：第１のクラスが第２のクラスと同じである場合、第１の画像データは、第２の画像データに対応する。条件は、類似性条件でありうる：第１のクラスが第２のクラスに同様である場合、第１の画像データは、第２の画像データに対応する。条件は更に、相補性条件でありうる：２つのジグソーパズルピースのように第１のクラスが第２とクラスと相補的である場合、第１の画像データは、第２の画像データに対応する。
【００６５】
第２の画像データは、画像データのデータベースからの画像データでありうる。第１の画像データは、クエリ画像データでありうる。第１の画像データと同様である第２の画像データを見つけることは、医師にとって非常に有益なツールでありえ、診断及び治療計画に有用である。このようなツールは、医師が、画像データのデータベースから基準画像を取り出すことを可能にする。
【００６６】
一実施形態において、システム１００は更に、画像データ及びデータレコードの間の対応を判定するために、画像データに割り当てられたクラスをデータレコードに割り当てられたデータレコードクラスと比較する第２の比較ユニット１５５を有する。データレコードクラスは、データベースインデックスにおいてすでに利用可能でありうる。例えば、画像データのクラスは、「左視神経」、「太くなった」及び「低信号」のようなキーワードによって規定されることができる。第２の比較ユニット１５５は、神経科医のためのガイドラインのハンドブックからのエントリのキーワード「左視神経」、「太くなった」及び「低信号」について、キーワード検索を実施するように構成されうる。エントリのヒットの数が閾値を超える場合、このエントリは画像データに対応すると判定される。代替として又は付加的に、システム１００は更に、データレコードクラスをデータレコードに割り当て、それによってデータレコードを分類するための第２の分類ユニット１５０を有することができ、第２の比較ユニット１５５は、画像データに割り当てられたクラスを、データレコードに割り当てられたデータレコードクラスと比較するように構成される。第２の分類ユニット１５０は、例えば、臀部インプラントのカタログからの臀部インプラントの仕様、又は画像データを取得するために使用されたモダリティとは異なるモダリティを使用して取得された第２の画像データを分類するユニットでありうる。任意には、第２の分類ユニット１５０は、他のモダリティを使用して取得された画像データをセグメント化する第２のセグメンテーションユニットを有することができる。代替として、第２の分類ユニット１５０は、例えば、百科事典又はガイドラインのエントリのような、別のデータレコードを分類するユニットでありうる。
【００６７】
当業者であれば、システム１００は、医師の仕事の多くの見地において医師を支援するための価値のあるツールでありうることが分かるであろう。更に、システムの一実施形態は、システムの医用アプリケーションを使用して説明されているが、システムの非医用アプリケーションもまた企図される。
【００６８】
当業者であれば、システム１００の他の実施形態もまた可能であることが分かるであろう。とりわけ、システムのユニットを定義し直し、それらの機能を分配し直すことが可能である。説明された実施形態は、医用画像に当てはまるが、医用アプリケーションに関連しないシステムの他のアプリケーションもまた可能である。
【００６９】
システム１００のユニットは、プロセッサを使用して実現されることができる。通常、それらの機能は、ソフトウエアプログラム製品の制御下において実施される。実行中、ソフトウエアプログラム製品は、通常ＲＡＭのようなメモリにロードされ、そこから実行される。プログラムは、例えばＲＯＭ、ハードディスク又は磁気及び／又は光学記憶媒体のようなバックグラウンドメモリからロードされることができ、又は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ることができる。任意には、特定用途向け集積回路が、説明された機能を提供することができる。
【００７０】
図５は、画像データ内の対象に適応されるモデルに基づいて画像データを分類する方法５００の例示的な実現例のフローチャートを示す。方法５００は、モデルを画像データ内の対象に適応させることによって画像データをセグメント化するセグメンテーションステップ５１０から始まる。セグメンテーションステップの後、方法５００は、画像データ内の対象に適応されたモデルに基づいて、クラスを画像データに割り当て、それによって画像データを分類する分類ステップ５２０に続く。分類ステップ５２０は、画像データ内の対象に適応されたモデルに基づいてモデルの属性の値を計算する属性ステップ５２２を含み、割り当てられるクラスは、属性の計算された値に基づく。
【００７１】
分類ステップ５２０の後、方法５００は終了する。
【００７２】
当業者であれば、本発明によって意図される概念から逸脱することなく、いくつかのステップの順序を変えることができ、又はスレッディングモデル、マルチプロセッサシステム又は複数のプロセスを使用していくつかのステップを同時に実施することができることが分かるであろう。任意には、本発明の方法の２又はそれ以上のステップは、１つのステップに組み合わせられることができる。任意には、本発明の方法のステップは、複数のステップに分割されることができる。任意には、方法５００は、システム１００の個々のユニットに対応する説明ステップ、比較ステップ、第２の分類ステップ及び／又は第２の比較ステップを更に含むことができる。
【００７３】
図６は、本発明のシステム１００を用いるデータベースシステム６００の例示的な実施形態を概略的に示し、前記データベースシステム６００は、内部接続を介してシステム１００に接続されるデータベースユニット６１０、外部入力コネクタ６０１及び外部出力コネクタ６０２を有する。この装置は、データベースシステム６００の能力を有利に増大し、前記データベースシステム６００にシステム１００の有利な能力を提供する。
【００７４】
図７は、本発明のシステム１００を用いる画像取得装置７００の例示的な実施形態を概略的に示し、前記画像取得装置７００は、内部接続を介してシステム１００と接続される画像取得ユニット７１０、入力コネクタ７０１及び出力コネクタ７０２を有する。この装置は、画像取得装置７００の能力を有利に増大し、前記画像取得装置７００にシステム１００の有利な能力を提供する。
【００７５】
図８は、ワークステーション８００の例示的な実施形態を概略的に示す。ワークステーションは、システムバス８０１を有する。プロセッサ８１０、メモリ８２０、ディスク入力／出力（Ｉ／Ｏ）アダプタ８３０及びユーザインタフェース（ＵＩ）８４０は、システムバス８０１に機能的に接続されている。ディスク記憶装置８３１は、ディスクＩ／Ｏアダプタ８３０に機能的に結合される。キーボード８４１、マウス８４２及びディスプレイ８４３は、ＵＩ８４０に機能的に結合される。コンピュータプログラムとして実現される本発明のシステム１００は、ディスク記憶装置８３１に記憶される。ワークステーション８００は、プログラム及び入力データをメモリ８２０にロードし、プロセッサ８１０上でプログラムを実行するように構成される。ユーザは、キーボード８４１及び／又はマウス８４２を使用して、ワークステーション８００に情報を入力することができる。ワークステーションは、表示装置８４３及び／又はディスク８３１に情報を出力するように構成される。当業者であれば、従来技術において知られているワークステーション８００の多数の他の実施形態があるとともに、本実施形態は、本発明を説明する目的にかなうものであり、本発明をこの特定の実施形態に制限するものとして解釈されてはならないことが分かるであろう。
【００７６】
上述の実施形態は、本発明を制限するものではなく、説明するものであり、当業者であれば、添付の請求項から逸脱することなく、代替の実施形態を設計することが可能であることに注意すべきである。請求項において、括弧内に置かれた任意の基準符号は、請求項を制限するものとして解釈されるべきでない。「有する、含む」という語は、請求項又は明細書に列挙されていない構成要素又はステップの存在を除外しない。構成要素に先行する「a」又は「an」という語は、このような構成要素の複数の存在を除外しない。本発明は、いくつかの異なる構成要素を含むハードウェアによって及びプログラムされるコンピュータによって、実現されることができる。いくつかのユニットを列挙するシステムの請求項において、これらのユニットのいくつかは、１つの同じハードウェア又はソフトウェアアイテムによって具体化されることができる。第１、第２、第３等の語の使用は、任意の順序付けを示さない。これらの語は、名前として解釈されるべきである。
【技術分野】
【０００１】
本発明は、画像データを分類することに関し、より具体的には、画像データ内の対象に適応されるモデルに基づいて画像データを分類することに関する。
【背景技術】
【０００２】
放射線医は、解析され、分類され、記述されるべき画像の常に増加する数に起因する常に増加する作業負担に直面している。画像データを分類することは、例えば、画像データの取り出しのために有用でありうる。今日、画像データのクラスは、一般に、例えばＣＴのような取得モダリティ、例えば胸部のような画像データによって表現される解剖学的構造の一部、例えば男性、若い成人のような患者の性別及び年齢群、及び画像データによって記述される対象、に基づく。画像データによって表現される解剖学的構造の記述は、特に時間がかかり、多くの場合、取得された画像データに基づいてレンダリングされる多くの画像を検討することを必要とする。レンダリングされた画像は、放射線医によって観察され、記述される。放射線医をその作業において支援するために、ソフトウェア実現される画像解析システムが利用可能である。多くのソフトウェアパッケージは、画像内の対象を測定するための対話的ツールを提供する。例えば、ユーザは、２つのポイント間の距離を計算するために、血管の壁上の２つのポイントを選択することができ、それによって血管の直径を得る。他のシステムは、画像内のエッジ及び表面のようなフィーチャの輪郭を描くための画像セグメンテーションシステム及び画像セグメンテーションに基づいて画像データ内の対象を測定するための測定ツールを有する。
【発明の概要】
【発明が解決しようとする課題】
【０００３】
例えば、「Automated Measurement of Geometrical Properties」というタイトルの国際公開第２００３／０２３７１７号パンフレットは、モデルに基づく画像セグメンテーションを使用して、対象に含まれる３次元構造の幾何学的パラメータを測定する方法を記述する。最初に、第１のモデルが、画像データ内の対象に適応される。次いで、第２のモデルが、第２のモデルの幾何学的パラメータの値を調整することによって、適応された第１のモデルに適合される。例えば、第２のモデルは、球体でありえ、幾何学的パラメータは、球体の直径でありうる。第１のモデルは、画像データに表される大腿骨に適応させるための三角形メッシュでありうる。球体は、大腿骨頭に適合されることができる。必要なパラメータ値を得た後、放射線医は、所見を記述し及び／又は所見に基づいて画像データを分類する必要がある。一般に、これは、記述を口述し、スピーチをテキストに変換するためのスピーチ認識技法を使用することによって行われる。
【０００４】
放射線医からより少ない入力を要求する画像データを分類する手段を提供することが有利である。
【課題を解決するための手段】
【０００５】
従って、１つの見地において、本発明は、画像データ内の対象に適応されるモデルに基づいて画像データを分類するシステムであって、モデルを画像データ内の対象に適応させることによって、画像データをセグメント化するセグメンテーションユニットと、画像データ内の対象に適応されたモデルに基づいて、クラスを画像データに割り当て、それによって画像データを分類する分類ユニットと、を有し、分類ユニットは、画像データ内の対象に適応されたモデルに基づいて、モデルの属性の値を計算する属性ユニットを有し、割り当てられるクラスは、属性の計算された値に基づく、システムを提供する。
【０００６】
従って、本発明のシステムは、いかなるユーザ入力もなく画像データを分類することができる。画像データを分類するために必要とされるすべての入力は、画像データ内の対象に適応されるモデルを構成する。しかしながら、当業者であれば、ある実施形態によれば、限定された数のユーザ入力、例えば、画像データ内の対象に適応されるモデルを選択するための入力が、ユーザに、システム及び分類プロセスへの影響を与えさせ、それらを制御させることを可能にしうることが分かるであろう。
【０００７】
システムの一実施形態において、モデルの属性は、モデルに基づいて又はユーザ属性入力に基づいて、規定される。システムの分類ユニットは、属性の値を計算する属性ユニットを用いるように構成される。属性の値が計算されるべきである該属性は、モデルに基づいて規定されることができる。例えば、モデルが、画像内の対象に適応させるためのメッシュを有する場合、モデルは更に、２つの頂点を特定することができる。２つの頂点は、メッシュの属性、すなわち前記頂点間の距離、を規定することができる。属性ユニットは、適応されたメッシュの指定された頂点間の距離の値を計算するように構成されることができる。このような属性は、モデルに基づいて決定される。代替として、ユーザに、例えばモデルメッシュの２つの頂点を示すための、ユーザ属性入力を提供させるために有用である。２つの頂点は、メッシュ属性、すなわち前記頂点間の距離、を規定することができる。属性ユニットは、適応されたメッシュの示された頂点間の距離の値を計算するように構成されることができる。このような属性は、ユーザ属性入力に基づいて決定される。
【０００８】
当業者であれば、特定の属性が、モデル又はユーザ属性入力によって規定される必要がないことが可能であることが分かるであろう。例えば、システムは、メッシュのあらゆる２つの頂点間の距離の値を計算する属性ユニットを有することができる。属性ユニットは更に、最大値を選択するように構成されうる。このような属性、すなわちモデルメッシュのすべての頂点を含む最小球体の直径は、メッシュごとに計算されることができ、モデルによって又はユーザ属性入力によって規定される必要がない。システムは、決まった手順としてこのような属性の値を計算するように構成されることができる。
【０００９】
システムの一実施形態において、モデルの属性の値は、画像データを分類するためのテキストである。テキストの値をもつ属性は、ユーザにとって理解し、解釈するのが一層容易でありうる。テキストの値をもつ属性の一例は、「悪性」又は「良性」値を呈しうる、Ｘ線画像において検出される胸部結節のタイプである。値は、造影剤注入後のセグメント化された結節の明るさに基づいて割り当てられることができる。悪性腫瘍は、それらの自身の血液供給系を成長させるので、それらは、Ｘ線画像において良性結節より明るくみえる。閾値以上の明るさを有する結節は、悪性であると分類されることができる。
【００１０】
システムの一実施形態において、モデルの属性の値は、画像データを分類するための少なくとも１つの数である。上述したように、属性は、モデルメッシュの２つの頂点間の距離でありうる。
【００１１】
システムの一実施形態において、モデルの属性の値は、画像データを分類するためのレンジ又はベクトルである。例えば、ベクトルの値をもつ属性は、例えば脊椎骨のような構造の慣性テンソルのメインの主軸を記述することができる。例示的なレンジの値をもつ属性は、動脈プラークによる動脈の狭窄のパーセントレンジである。
【００１２】
一実施形態において、システムは更に、画像データに割り当てられるクラスに基づいて記述を生成する記述ユニットを有する。記述は、画像に割り当てられたクラスから導き出されるテキスト及び数字のデータを含みうる。記述ユニットは、構文的に正しい文を組み立てるための語彙及び文法規則を使用するように構成されることができる。記述は、例えばレポートを生成するために使用されることができる。
【００１３】
システムの一実施形態において、セグメンテーションユニットは更に、第２の画像データ内の第２の対象にモデルを適応させることによって、第２の画像データをセグメント化するように構成され、分類ユニットは更に、第２の画像データ内の第２の対象に適応されたモデルに基づいて、第２の画像データに第２のクラスを割り当て、それによって第２の画像データを分類するように構成され、システムは更に、画像データ及び第２の画像データの間の対応を判定するために、画像データに割り当てられたクラスを、第２の画像データに割り当てられた第２のクラスと比較する比較ユニットを有する。対応は、画像データ及び第２の画像データの類似性に基づくことができる。代替として、対応は、画像データ及び第２の画像データの相補性に基づくことができる。
【００１４】
一実施形態において、システムは更に、画像データ及びデータレコードの間の対応を判定するために、画像データに割り当てられたクラスをデータレコードと比較する第２の比較ユニットを有する。データレコードは、例えばハンドブック又は百科事典からのエントリでありうる。
【００１５】
一実施形態において、システムは更に、データレコードにデータレコードクラスを割り当て、それによってデータレコードを分類する第２の分類ユニットを有し、第２の比較ユニットは、画像データに割り当てられたクラスを、データレコードに割り当てられたデータレコードクラスと比較するように構成される。
【００１６】
本発明の他の見地において、本発明によるシステムは、データベースシステムに含められる。データベースは、アイテムを含む。各データレコードは、データレコードクラスを割り当てられる。データベースからデータレコードを取り出すためのクエリは、システムによって画像データに割り当てられたクラスに基づいて決定される。システムは、画像に割り当てられたクラスをデータレコードに割り当てられたクラスと比較することによって、画像と同様である又は相補的であるデータレコードを識別するように構成される。
【００１７】
他の見地において、本発明によるシステムは、画像取得装置に含められる。
【００１８】
他の見地において、本発明によるシステムは、ワークステーションに含められる。
【００１９】
他の見地において、本発明は、画像データ内の対象に適応されるモデルに基づいて画像データを分類する方法であって、モデルを画像データ内の対象に適応させることによって、画像データをセグメント化するセグメンテーションステップと、画像データ内の対象に適応されたモデルに基づいて、画像データにクラスを割り当て、それによって画像データを分類する分類ステップと、を含み、分類ステップは、画像データ内の対象に適応されたモデルに基づいて、モデルの属性の値を計算する属性ステップを含み、割り当てられるクラスは、属性の計算された値に基づく、方法を提供する。
【００２０】
他の見地において、本発明は、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製品であって、コンピュータプログラムは、画像データ内の対象に適応されるモデルに基づいて、画像データを分類する命令を含み、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製品は、ロードされた後、方法のステップを実行する能力を前記処理ユニットに提供する、コンピュータプログラム製品を提供する。
【００２１】
当業者であれば、本発明の上述の実施形態、実現及び／又は見地のうちの２又はそれ以上が、有用とみなされる任意のやり方で、組み合わせられることができることが分かるであろう。
【００２２】
システムの記述される変形及び変更に対応する、データベースシステム、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製品の変形及び変更が、本明細書に基づいて当業者によって実施されることができる。
【００２３】
当業者であれば、方法は、限定的ではないが例えばＸ線イメージング、コンピュータトモグラフィ（ＣＴ）、磁気共鳴イメージング（ＭＲＩ）、超音波（ＵＳ）、ポジトロンエミッショントモグラフィ（ＰＥＴ）、シングルフォトンエミッションコンピュータトモグラフィ（ＳＰＥＣＴ）及び核医学（ＮＭ）のようなさまざまな取得モダリティによって取得される２次元（２Ｄ）、３次元（３Ｄ）、４次元（４Ｄ）画像データのような、多次元画像データに適用されうることが分かるであろう。
【００２４】
本発明のこれら及び他の見地は、以下に説明される実現例及び実施形態並びに添付の図面から明らかになり、それらを参照して以下に説明される。
【図面の簡単な説明】
【００２５】
【図１】システムの例示の実施形態のブロック図。
【図２】視神経のセグメンテーションを示す図。
【図３】左視神経に沿った左視神経モデル及び左鞘モデルの直径バリエーションを示す図。
【図４】左視神経に沿った左視神経モデルに基づいて決定される強度バリエーションを示す図。
【図５】方法の例示の実現例を示すフローチャート。
【図６】データベースシステムの例示の実施形態を概略的に示す図。
【図７】画像取得装置の例示の実施形態を概略的に示す図。
【図８】ワークステーションの例示の実施形態を概略的に示す図。
【発明を実施するための形態】
【００２６】
図面において、同じ基準数字が同様の部分を示すために使用されている。
【００２７】
図１は、画像データ内の対象に適応されるモデルに基づいて、画像データを分類するシステム１００の例示の実施形態のブロック図を示しており、システムは、画像データ内の対象にモデルを適応させることによって、画像データをセグメント化するセグメンテーションユニット１１０と、画像データ内の対象に適応されたモデルに基づいて、画像データにクラスを割り当て、それによって画像データを分類する分類ユニット１２０と、を有し、分類ユニットは、画像データ内の対象に適応されたモデルに基づいて、モデルの属性の値を計算する属性ユニット１２２を有し、割り当てられるクラスは、属性の計算された値に基づく。
【００２８】
システム１００の例示の実施形態は、以下の任意のユニットを更に有する：
−画像データに割り当てられたクラスに基づいて記述を生成する記述ユニット１３０；
−画像データ及び第２の画像データの間の対応を判定するために、画像データに割り当てられたクラスを第２の画像データに割り当てられた第２のクラスと比較する比較ユニット１４０；
−データレコードにデータレコードクラスを割り当て、それによってデータレコードを分類する第２の分類ユニット１５０；
−画像データ及びデータレコードの間の対応を判定するために、画像データに割り当てられたクラスをデータレコードと比較する第２の比較ユニット１５５；
−システム１００の作業を制御する制御ユニット１６０；
−ユーザ及びシステム１００の間の通信のためのユーザインタフェース１６５；及び
−データを記憶するためのメモリユニット１７０。
【００２９】
システム１００の一実施形態において、入来データのための３つの入力コネクタ１８１、１８２及び１８３がある。第１の入力コネクタ１８１は、限定的でないが、ハードディスク、磁気テープ、フラッシュメモリ又は光学ディスクのようなデータ記憶手段から入来するデータを受け取るように構成される。第２の入力コネクタ１８２は、限定的でないが、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来するデータを受け取るように構成される。第３の入力コネクタ１８３は、例えばキーボードのようなユーザ入力装置から入来するデータを受け取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。
【００３０】
システム１００の一実施形態において、送出データのための２つの出力コネクタ１９１及び１９２がある。第１の出力コネクタ１９１は、例えばハードディスク、磁気テープ、フラッシュメモリ又は光学ディスクのような、データ記憶手段にデータを出力するように構成される。第２の出力コネクタ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１９０を介して個々のデータを受け取る。
【００３１】
当業者であれば、システム１００の入力コネクタ１８１、１８２及び１８３に入力装置を接続し、出力コネクタ１９１及び１９２に出力装置を接続するための多くのやり方があることが分かるであろう。これらのやり方は、限定的でないが、ワイヤード及びワイヤレス接続、例えば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、デジタル電話網のようなデジタルネットワーク、及びアナログ電話網を含む。
【００３２】
システム１００の一実施形態において、システム１００は、メモリユニット１７０を有する。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け取り、受け取られた入力データをメモリユニット１７０に記憶す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するデータ部分への迅速なアクセスを可能にする。入力データは、例えば画像データ及びモデルデータを含みうる。メモリユニット１７０は、限定的でないが、ランダムアクセスメモリ（ＲＡＭ）チップ、読出し専用メモリ（ＲＯＭ）チップ、及び／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現されることができる。メモリユニット１７０は更に、出力データを記憶するように構成されることができる。出力データは、例えば画像に割り当てられたクラスを含みうる。任意には、出力データは更に、画像データ内の対象に適応されたモデル及び／又は属性の値を含みうる。メモリユニット１７０は更に、メモリバス１７５を介して、セグメンテーションユニット１１０、分類ユニット１２０、属性ユニット１２２、記述ユニット１３０、比較ユニット１４０、第２の分類ユニット１５０、第２の比較ユニット１５５、制御ユニット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け取り及び／又はそれらにデータを送るように構成されることができる。メモリユニット１７０は更に、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するように構成される。メモリユニット１７０にシステム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のユニットの性能及びシステム１００のユニットから外部装置への出力データの転送のレートを有利に改善することができる。
【００３３】
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外部メモリ又はプロセッサのような少なくとも１つの外部装置によって供給されることができる。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外部メモリ又はプロセッサのような少なくとも１つの外部装置に供給されることができる。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け取るように構成されることができる。
【００３４】
システム１００の一実施形態において、システム１００は、システム１００を制御する制御ユニット１６０を含む。制御ユニットは、システム１００のユニットから制御データを受け取り、それらのユニットに制御データを供給するように構成されうる。例えば、画像データに対するモデルの適応化の後、セグメンテーションユニット１１０は、制御ユニット１６０に、制御データ「画像データがセグメント化される」を供給するように構成されることができ、制御ユニット１６０は、分類ユニット１２０に、制御データ「画像データを分類する」を供給するように構成されることができる。代替として、制御機能は、システム１００の別のユニットにおいて実現されることができる。
【００３５】
システム１００の一実施形態において、システム１００は、ユーザ及びシステム１００の間の通信のためのユーザインタフェース１６５を有する。ユーザインタフェース１６５は、画像データ内の対象に適応されるモデルを選択するためのユーザ入力を受け取るように構成されることができる。ユーザインタフェースは更に、対象に適応されたメッシュのビューを表示する手段を提供することができる。任意には、ユーザインタフェースは、例えば外部又は内部エネルギー表現のターム又は事前位置決め方法について、システムの動作モードを選択するためのユーザ入力を受け取ることができる。当業者であれば、より多くの機能がシステム１００のユーザインタフェース１６５において有利に実現されることができることが分かるであろう。
【００３６】
一実施形態において、本発明のシステムは、視神経を記述する画像データを分類するように構成される。図２は、左Ｎ１及び右Ｎ２視神経モデルを使用する左及び右視神経のセグメンテーションを示す。各視神経は、網膜から脳に電気インパルスを送信するための繊維束を含む。左及び右視神経は、個々の眼球モデルＥ１及びＥ１によってモデル化される個々の眼球を離れ、視神経管を介して、両方の視神経の繊維の部分的な交差がある、交叉モデルＣによってモデル化される交叉の方に向かう。各眼球における各視神経のセグメントは、左モデルＳ１によってモデル化される鞘及右鞘モデルＳ２によって保護される。視神経の一般的な直径は、眼球内部における約１．６ｍｍから、眼球軌道における３．５ｍｍにまで増加し、更に頭蓋空間内の４．５ｍｍにまで増加する。
【００３７】
一実施形態において、モデルＮ１、Ｎ２、Ｅ１、Ｅ２及びＣは、メッシュ表面モデルである。視神経をモデル化するのに適したメッシュモデルは、Proceedings SPIE Medical Imaging 2008:Image Processing, J. M. Reinhardt and J. P. Pluim, eds.に示されるSPIE Medical Imaging, Conference 6914 Image Processing, Session 7, "Segmentation of the heart and major vascular structures in cardiovascular CT images", Jochen Peters, Olivier Ecabert, Cristian Lorenz, Jens von Berg, Matthew J. Walker, Mani Vembar, Mark E. Olszewski, Jurgen Weese, San Diego 18 February 2008に記述されており、以下、文献１と呼ぶ。各視神経は、文献１のセクション２．３に更に詳しく記述されるように、連続するリングのスタックによってモデル化される。各リングは、固定の数の頂点によって規定される。２つの連続するリングの頂点は、三角面によりセグメントメッシュを形成するエッジと接続される。視神経をモデル化するための三角形メッシュは、画像データ空間に配置され、イメージングされたデータ内の視神経に適応される。配置は、一般化されたハフ変換を使用して、画像データ内の神経又は基準構造の検出に基づくことができる。一般化されたハフ変換を使用してメッシュを配置する方法は、M. J. Walker, A. Chakrabarty, M. E. Olszewski, O. Ecabert, J. Peters, C. Lorenz, J. von Berg, M. Vembar, K. Subramanyan, and J. Weese, "Comparison of two initialization methods for automatic, whole-heart, model-based segmentation of multiphase cardiac MSCT images," in Proc. 1st Annual Scientific Meeting Soc. Cardiovascular Computed Tomography, Int. Journal Cardiovascular Imaging, 22 (suppl. 1), p. 12, July 2006に記述されている。初期化されたメッシュの適応は、例えば、J. Peters, O. Ecabert, C. Meyer, H. Schramm, R. Kneser, A. Groth, and J. Weese, "Automatic whole heart segmentation in static magnetic resonance image volumes," in Proc. MICCAI, N. Ayache, S. Ourselin, and A. Maeder, eds., LNCS 4792, pp. 402-410, Springer, 2007に記述される方法を用いる。視神経の各鞘は、視神経をモデル化するために使用されるものと同様のアプローチを使用してモデル化される。
【００３８】
一実施形態において、２つの視神経モデルＮ１及びＮ２並びに２つの鞘モデルＳ１及びＳ２は、個々の眼球モデルＥ１及びＥ２並びに交叉モデルＣにつなげられ、交叉モデルＣは、中枢神経系の他の構造にもつなげられる。複数の部分を含むこのような包括的なモデルは、画像データ内の構造に適応される。代替として、コンポーネントモデルは、基準構造のモデルと次々と適応されることができる。例えば２つの脳半球及び眼球は、眼球モデルＥ１及びＥ２及び交叉モデルＣにつなげられる視神経モデルＮ１及びＮ２及び鞘モデルＳ１及びＳ２の適応の前に、適応される。
【００３９】
当業者であれば、本発明によるシステムによって使用されることができる他のモデル及びこのようなモデルを画像データ内の対象に適応させる他の方法があることが分かるであろう。上述されたモデル及び方法は、システムの実施形態を示すものであり、請求項の範囲を制限するものとして解釈されるべきでない。
【００４０】
一実施形態において、画像データは、左視神経の状態に基づいて分類される。更に詳細には、画像データは、画像データ内の左視神経に適応された左視神経モデルＮ１の２つの属性、すなわち左視神経モデルＮ１の直径及び左視神経モデルＮ１の平均強度、に基づいて分類される。直径の値及び平均グレー値は、左視神経をモデル化するために使用されるリングのスタックの各リングについて決定される。左視神経モデルＮ１のｉ番目のリングの直径ｄｉは、式Ａｉ＝π（ｄｉ／２）２を使用して、各々の適応されたリングごとに計算される。ここで、Ａｉは、リングの面積である。リングの面積は、リングの頂点によって規定される多角形の面積によって近似される。各リングの位置は、中心線に沿って測定される、左眼球モデルの表面からリング中心までの距離によって規定される。各リングのこの距離は、当該リングと眼球に隣接するリングとの間の連続するリングの中心同士の距離の合計によって近似される。各リングの中心は、リングの頂点の質量中心として規定される。鞘モデルＳ１の直径が、類似したやり方で計算されることができる。図３は、左視神経に沿った左視神経モデルＮ１及び左鞘モデルＳ１の直径バリエーションを示す。
【００４１】
左視神経モデルＮ１のｉ番目のリングの平均グレー値は、サンプリングポイントのグレー値から計算される。サンプリングポイントは、リング中心から始まって、リングの頂点の方へ延びる各セミライン上の等しい距離のところに選択されるポイントである。これらのサンプリングポイントのグレー値のヒストグラムは、グレー値Ｉ０，ｉ及びＪ０，ｉの２つの大きい最大値を示す。ここで、ｉはリングインデックスである。２つのグレー値のうちの、Ｉ０，ｉと示される大きいほうは、ｉ番目のリングの位置に対応する位置における視神経の平均強度を近似する。２つのグレー値のうちのＪ０，ｉと示される小さいほうは、ｉ番目のリングの位置に対応する位置における鞘の平均強度を近似する。図４は、左視神経に沿って左視神経モデルＮ１に基づいて決定される強度バリエーションを示す。
【００４２】
システムの一実施形態において、画像データのクラスを規定するために使用される左視神経モデルの２つの属性がある。第１の属性は、視神経の直径のグラフであり、第２の属性は、視神経モデルの平均強度のグラフである。第２の属性は視神経モデルに基づいて規定されるが、第２の属性の値は更に、画像データのグレー値に基づくことは指摘する価値がある。２つのグラフは、視神経に沿った位置（すなわちリングの質量中心の座標）並びに視神経の直径及び視神経の平均強度の対応する値を含むテーブルによって表現されることができる。直径及び平均強度の値は、クラスの数を制限するために量子化されることができる。本文脈において、量子化とは、値のレンジからの各値を１つの値と置き換えることを意味し、１つの値は、例えば値のレンジからの最小値若しくは最大値又は前記最小値及び最大値の中間値である。任意には、グラフの値は、例えば直径の平均値に基づいて、「高い」、「低い」又は「中程度」のようなテキスト値でありうる。
【００４３】
一実施形態において、左視神経直径のグラフが更に処理され、画像データが、グラフの処理の結果に基づいて分類される：
【００４４】
−平滑化フィルタは、セグメンテーションのアーチファクトを低減するために、直径値ｄ０，ｉのシーケンスに適用される；例えば、移動平均フィルタが、使用されることができる；このステップの出力は、平滑化された直径値ｄ１，ｉである。
【００４５】
−平滑化された直径値ｄ１，ｉの最大値Ｍ及び最小値ｍが計算され、例えば各値から最小値ｍを減算し、得られた値をＭ−ｍで除算することによって、直径値が正規化される；このステップの出力は、正規化された直径値ｄ２，ｉである；
【００４６】
−正規化された直径値ｄ２，ｉの一次導関数が計算される；このステップの出力は、一次導関数値Ｄ２，ｉである；
【００４７】
−正の閾値ｔは、一次導関数値Ｄ２，ｉに基づいて計算される；この閾値は、以下のように一次導関数値Ｄ２，ｉを量子化するために使用される：
−ｔ＜Ｄ２，ｉ＜ｔである場合、Ｄ２，ｉは０と置き換えられる；
Ｄ２，ｉ＞ｔである場合、Ｄ２，ｉは１と置き換えられる；
Ｄ２，ｉ＜−ｔである場合、Ｄ２，ｉは−１と置き換えられる；
このステップの出力は、量子化された一次導関数値Ｄ３，ｉである；
平滑化フィルタが、量子化された導関数値Ｄ３，ｉに適用される；例えば、移動平均フィルタが使用されることができる；このステップの出力は、平滑化された導関数値Ｄ４，ｉである；
【００４８】
−第２の正の閾値ｓは、平滑化された導関数値Ｄ４，ｉに基づいて計算される；この閾値は、以下のように平滑化された導関数値Ｄ４，ｉを量子化するために使用される：
−ｓ＜Ｄ４，ｉ＜ｓである場合、Ｄ４，ｉは０と置き換えられる；
Ｄ４，ｉ＞ｓである場合、Ｄ４，ｉは１と置き換えられる；
Ｄ４，ｉ＜−ｓである場合、Ｄ４，ｉは−１と置き換えられる；
このステップの出力は、量子化された平滑化された導関数値Ｄ５，ｉである。
【００４９】
量子化された平滑化された導関数値Ｄ５，ｉのシーケンス-1...0...1は、太くなった（enlarged）神経を示し、従って、このシーケンスは、太くなった神経シーケンスと呼ばれる。量子化された平滑化された導関数値Ｄ５，ｉのシーケンス1...0...-1は、細くなった（thinned）神経を示し、従って、このシーケンスは、細くなった神経シーケンスと呼ばれる。従って、太くなったシーケンスを含む視神経を示す画像データは、太くなったものとして分類され、細くなった神経シーケンスを含む視神経を示す画像データは、細くなったものと分類される。太くなった神経シーケンスを含まず、細くなった神経シーケンスも含まない視神経を示す画像データは、正常と分類される。太くなった神経シーケンス及び細くなった神経シーケンスの両方を含む視神経を示す画像データは、太くなったもの又は細くなったものと分類されることができる。任意には、例えば太くなったもの、細くなったもの、のような複数の値を含む分類が、使用されることもできる。
【００５０】
一実施形態において、左視神経平均強度のグラフが更に処理され、画像データが、グラフの処理の結果に基づいて分類される：
【００５１】
−平滑化フィルタが、セグメンテーションのアーチファクトを低減するために、平均強度値Ｉ０，ｉのシーケンスに適用される；例えば、移動平均フィルタが、使用されることができる；このステップの出力は、平滑化された強度値Ｉ１，ｉである。
【００５２】
−平滑化された平均強度値Ｉ１，ｉの最大値Ｍ及び最小値ｍが計算され、グレー値が、例えば各値から最小値ｍを減算し、得られた値をＭ−ｍで除算することによって、正規化される；このステップの出力は、正規化された強度値Ｉ２，ｉである；
【００５３】
−正規化された平均強度値Ｉ２，ｉの一次導関数が計算される；このステップの出力は、一次導関数値Ｄ２，ｉである；
【００５４】
−正の閾値ｔが、一次導関数値Ｄ２，ｉに基づいて計算される；この閾値は、以下のように一次導関数値Ｄ２，ｉを量子化するために使用される：
−ｔ＜Ｄ２，ｉ＜ｔである場合、Ｄ２，ｉは０と置き換えられる；
Ｄ２，ｉ＞ｔである場合、Ｄ２，ｉは１と置き換えられる；
Ｄ２，ｉ＜−ｔである場合、Ｄ２，ｉは−１と置き換えられる；
このステップの出力は、量子化された一次導関数値Ｄ３，ｉである；
【００５５】
−平滑化フィルタは、量子化された導関数値Ｄ３，ｉに適用される；例えば、移動平均フィルタが使用されることができる；このステップの出力は、平滑化された導関数値Ｄ４，ｉである；
【００５６】
−第２の正の閾値ｓが、平滑化された導関数値Ｄ４，ｉに基づいて計算される；この閾値は、以下のように平滑化された導関数値Ｄ４，ｉを量子化するために使用される：
−ｓ＜Ｄ４，ｉ＜ｓである場合、Ｄ４，ｉは０と置き換えられる；
Ｄ４，ｉ＞ｓである場合、Ｄ４，ｉは１と置き換えられる；
Ｄ４，ｉ＜−ｓである場合、Ｄ４，ｉは−１と置き換えられる；
このステップの出力は、量子化された平滑化された導関数値Ｄ５，ｉである。
【００５７】
量子化された平滑化された導関数値Ｄ５，ｉのシーケンス-1...0...1は低信号を示し、従って、このシーケンスは、低信号シーケンスと呼ばれる。量子化された平滑化された導関数値Ｄ５、ｉのシーケンス1...0...-1は、高信号を示し、従って、このシーケンスは、高信号シーケンスと呼ばれる。従って、低信号シーケンスを含む視神経を示す画像データは、低信号と分類され、高信号シーケンスを含む視神経を示す画像データは、高信号と分類される。低信号シーケンスも高信号シーケンスも含まない視神経を示す画像データは、等信号（isointense）と分類される。低信号シーケンス及び高信号シーケンスの両方を含む視神経を示す画像データは、高信号又は低信号と分類されることができる。任意には、例えば低信号、高信号のような、複数の値を含む分類が、使用されることもできる。
【００５８】
図４に示される平均強度グラフは、上述されたフィルタを使用して検出される視神経を含む低信号の画像データを示す。ＭＲバイアス磁界のため、視神経のグレーレベルが球体から交叉へと増加することは指摘する値がある。フィルタの使用は、画像データの正しい分類を可能にする。
【００５９】
表１は、画像データ内の左視神経に適応された左視神経モデルの直径及び強度属性に基づいて、画像データを分類するための分類スキームを示す。
【００６０】
画像を分類することは非常に有用でありうる。画像データクラスディスクリプタは、画像を記述するために、画像データに基づく所見に関する医療レポートを書くために、更には他のデータベースを検索するためのクエリを構築するために、使用されることができる。画像データクラス及びデータベース内のデータレコードのクラスが、同じであり又は特定の条件を満たす場合、データレコードは、画像データに対応するデータレコードとして取り出されることができる。
【００６１】
システム１００の一実施形態において、各リングごとの直径値及び／又は強度値の統計分布が、画像データを分類するために使用される。直径及び強度値の統計分布は、訓練フェーズにおいて画像データの訓練セットから学習されることができる。任意には、システム１００は、このような訓練を行うために適応されることができる。分類ユニットは、計算された直径及び強度値を「異常」を示す学習されたシーケンスと比較するように、前記異常の発生の蓋然性を計算するように、又は単に蓋然性の閾値に基づいて画像データを「正常」又は「異常」と分類するように、構成されることができる。
【００６２】
当業者であれば、システム１００の分類ユニット１２０は、複数の属性ユニット１２２を有することができ、各属性ユニット１２２は、画像データ内の対象に適応されたモデルに基づいて、属性値を計算するように構成されることが分かるであろう。複数の計算された属性値が、画像データのクラスを規定する。任意には、システム１００は更に、複数のセグメンテーションユニット１１０及び複数の対応する分類ユニット１２０を有することができる。各セグメンテーションユニットは、それ自身のモデルに基づいてそれ自身のセグメンテーション方法を用いることができる。対応する分類ユニット１２０の属性ユニット１２２は、セグメンテーションユニット１１０によって用いられるモデルの属性値を計算するように構成されることができる。
【００６３】
システム１００の一実施形態において、ユーザは、画像データを分類するために分類ユニット１２０によって使用されるべき属性を選択することを可能にされることができる。例えば、ユーザが視神経の直径に関心をもつ場合、ユーザは、分類が視神経モデルの直径のみに基づくべきであることを示すために、ユーザインタフェース１６５を使用することができる。別の状況において、ユーザは、視神経の直径及び強度に基づいて、画像データを分類することに関心をもつことがある。それゆえ、ユーザは、ユーザインタフェースを介して、システムに、画像データ分類のために視神経モデルの両方の属性を使用するように指示することができる。
【００６４】
システム１００の一実施形態において、システム１００のセグメンテーションユニット１１０は更に、モデルを第２の画像データ内の第２の対象に適応させることによって、第２の画像データをセグメント化するように構成される。分類ユニット１２０は更に、第２の画像データ内の第２の対象に適応されたモデルに基づいて、第２のクラスを第２の画像データに割り当て、それによって第２の画像データを分類するように構成される。以下で第１の画像データと呼ばれる画像データは、第１の画像データのクラスに基づいて、第２の画像データと比較されることができ、それらのクラスは、以下で第１のクラス及び第２のクラスと呼ばれる。比較が、第１及び第２の画像データの間の対応を判定するために、比較ユニット１４０によって行われる。比較ユニット１４０は、第１のクラス及び第２のクラスが条件を満たすことを検証するように構成されることができる。条件が満たされる場合、第２の画像データは、対応する画像データと考えられる。条件は、同一性条件でありうる：第１のクラスが第２のクラスと同じである場合、第１の画像データは、第２の画像データに対応する。条件は、類似性条件でありうる：第１のクラスが第２のクラスに同様である場合、第１の画像データは、第２の画像データに対応する。条件は更に、相補性条件でありうる：２つのジグソーパズルピースのように第１のクラスが第２とクラスと相補的である場合、第１の画像データは、第２の画像データに対応する。
【００６５】
第２の画像データは、画像データのデータベースからの画像データでありうる。第１の画像データは、クエリ画像データでありうる。第１の画像データと同様である第２の画像データを見つけることは、医師にとって非常に有益なツールでありえ、診断及び治療計画に有用である。このようなツールは、医師が、画像データのデータベースから基準画像を取り出すことを可能にする。
【００６６】
一実施形態において、システム１００は更に、画像データ及びデータレコードの間の対応を判定するために、画像データに割り当てられたクラスをデータレコードに割り当てられたデータレコードクラスと比較する第２の比較ユニット１５５を有する。データレコードクラスは、データベースインデックスにおいてすでに利用可能でありうる。例えば、画像データのクラスは、「左視神経」、「太くなった」及び「低信号」のようなキーワードによって規定されることができる。第２の比較ユニット１５５は、神経科医のためのガイドラインのハンドブックからのエントリのキーワード「左視神経」、「太くなった」及び「低信号」について、キーワード検索を実施するように構成されうる。エントリのヒットの数が閾値を超える場合、このエントリは画像データに対応すると判定される。代替として又は付加的に、システム１００は更に、データレコードクラスをデータレコードに割り当て、それによってデータレコードを分類するための第２の分類ユニット１５０を有することができ、第２の比較ユニット１５５は、画像データに割り当てられたクラスを、データレコードに割り当てられたデータレコードクラスと比較するように構成される。第２の分類ユニット１５０は、例えば、臀部インプラントのカタログからの臀部インプラントの仕様、又は画像データを取得するために使用されたモダリティとは異なるモダリティを使用して取得された第２の画像データを分類するユニットでありうる。任意には、第２の分類ユニット１５０は、他のモダリティを使用して取得された画像データをセグメント化する第２のセグメンテーションユニットを有することができる。代替として、第２の分類ユニット１５０は、例えば、百科事典又はガイドラインのエントリのような、別のデータレコードを分類するユニットでありうる。
【００６７】
当業者であれば、システム１００は、医師の仕事の多くの見地において医師を支援するための価値のあるツールでありうることが分かるであろう。更に、システムの一実施形態は、システムの医用アプリケーションを使用して説明されているが、システムの非医用アプリケーションもまた企図される。
【００６８】
当業者であれば、システム１００の他の実施形態もまた可能であることが分かるであろう。とりわけ、システムのユニットを定義し直し、それらの機能を分配し直すことが可能である。説明された実施形態は、医用画像に当てはまるが、医用アプリケーションに関連しないシステムの他のアプリケーションもまた可能である。
【００６９】
システム１００のユニットは、プロセッサを使用して実現されることができる。通常、それらの機能は、ソフトウエアプログラム製品の制御下において実施される。実行中、ソフトウエアプログラム製品は、通常ＲＡＭのようなメモリにロードされ、そこから実行される。プログラムは、例えばＲＯＭ、ハードディスク又は磁気及び／又は光学記憶媒体のようなバックグラウンドメモリからロードされることができ、又は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ることができる。任意には、特定用途向け集積回路が、説明された機能を提供することができる。
【００７０】
図５は、画像データ内の対象に適応されるモデルに基づいて画像データを分類する方法５００の例示的な実現例のフローチャートを示す。方法５００は、モデルを画像データ内の対象に適応させることによって画像データをセグメント化するセグメンテーションステップ５１０から始まる。セグメンテーションステップの後、方法５００は、画像データ内の対象に適応されたモデルに基づいて、クラスを画像データに割り当て、それによって画像データを分類する分類ステップ５２０に続く。分類ステップ５２０は、画像データ内の対象に適応されたモデルに基づいてモデルの属性の値を計算する属性ステップ５２２を含み、割り当てられるクラスは、属性の計算された値に基づく。
【００７１】
分類ステップ５２０の後、方法５００は終了する。
【００７２】
当業者であれば、本発明によって意図される概念から逸脱することなく、いくつかのステップの順序を変えることができ、又はスレッディングモデル、マルチプロセッサシステム又は複数のプロセスを使用していくつかのステップを同時に実施することができることが分かるであろう。任意には、本発明の方法の２又はそれ以上のステップは、１つのステップに組み合わせられることができる。任意には、本発明の方法のステップは、複数のステップに分割されることができる。任意には、方法５００は、システム１００の個々のユニットに対応する説明ステップ、比較ステップ、第２の分類ステップ及び／又は第２の比較ステップを更に含むことができる。
【００７３】
図６は、本発明のシステム１００を用いるデータベースシステム６００の例示的な実施形態を概略的に示し、前記データベースシステム６００は、内部接続を介してシステム１００に接続されるデータベースユニット６１０、外部入力コネクタ６０１及び外部出力コネクタ６０２を有する。この装置は、データベースシステム６００の能力を有利に増大し、前記データベースシステム６００にシステム１００の有利な能力を提供する。
【００７４】
図７は、本発明のシステム１００を用いる画像取得装置７００の例示的な実施形態を概略的に示し、前記画像取得装置７００は、内部接続を介してシステム１００と接続される画像取得ユニット７１０、入力コネクタ７０１及び出力コネクタ７０２を有する。この装置は、画像取得装置７００の能力を有利に増大し、前記画像取得装置７００にシステム１００の有利な能力を提供する。
【００７５】
図８は、ワークステーション８００の例示的な実施形態を概略的に示す。ワークステーションは、システムバス８０１を有する。プロセッサ８１０、メモリ８２０、ディスク入力／出力（Ｉ／Ｏ）アダプタ８３０及びユーザインタフェース（ＵＩ）８４０は、システムバス８０１に機能的に接続されている。ディスク記憶装置８３１は、ディスクＩ／Ｏアダプタ８３０に機能的に結合される。キーボード８４１、マウス８４２及びディスプレイ８４３は、ＵＩ８４０に機能的に結合される。コンピュータプログラムとして実現される本発明のシステム１００は、ディスク記憶装置８３１に記憶される。ワークステーション８００は、プログラム及び入力データをメモリ８２０にロードし、プロセッサ８１０上でプログラムを実行するように構成される。ユーザは、キーボード８４１及び／又はマウス８４２を使用して、ワークステーション８００に情報を入力することができる。ワークステーションは、表示装置８４３及び／又はディスク８３１に情報を出力するように構成される。当業者であれば、従来技術において知られているワークステーション８００の多数の他の実施形態があるとともに、本実施形態は、本発明を説明する目的にかなうものであり、本発明をこの特定の実施形態に制限するものとして解釈されてはならないことが分かるであろう。
【００７６】
上述の実施形態は、本発明を制限するものではなく、説明するものであり、当業者であれば、添付の請求項から逸脱することなく、代替の実施形態を設計することが可能であることに注意すべきである。請求項において、括弧内に置かれた任意の基準符号は、請求項を制限するものとして解釈されるべきでない。「有する、含む」という語は、請求項又は明細書に列挙されていない構成要素又はステップの存在を除外しない。構成要素に先行する「a」又は「an」という語は、このような構成要素の複数の存在を除外しない。本発明は、いくつかの異なる構成要素を含むハードウェアによって及びプログラムされるコンピュータによって、実現されることができる。いくつかのユニットを列挙するシステムの請求項において、これらのユニットのいくつかは、１つの同じハードウェア又はソフトウェアアイテムによって具体化されることができる。第１、第２、第３等の語の使用は、任意の順序付けを示さない。これらの語は、名前として解釈されるべきである。
【特許請求の範囲】
【請求項１】
画像データ内の対象に適応されるモデルに基づいて、該画像データを分類するシステムであって、
前記モデルを前記画像データ内の前記対象に適応させることによって、前記画像データをセグメント化するセグメンテーションユニットと、
前記画像データ内の対象に適応された前記モデルに基づいて、クラスを前記画像データに割り当て、それによって前記画像データを分類する分類ユニットと、
を有し、前記分類ユニットは、前記画像データ内の前記対象に適応された前記モデルに基づいて、前記モデルの属性の値を計算する属性ユニットを有し、前記割り当てられるクラスは、前記属性の前記計算された値に基づく、システム。
【請求項２】
前記モデルの前記属性は、前記モデルに基づいて又はユーザ属性入力に基づいて規定される、請求項１に記載のシステム。
【請求項３】
前記モデルの前記属性の前記値は、前記画像データを分類するためのテキストである、請求項１に記載のシステム。
【請求項４】
前記モデルの前記属性の前記値は、前記画像データを分類するための少なくとも１つの数である、請求項１に記載のシステム。
【請求項５】
前記モデルの前記属性の前記値は、前記画像データを分類するためのレンジ又はベクトルである、請求項４に記載のシステム。
【請求項６】
前記画像データに割り当てられた前記クラスに基づいて記述を生成する記述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７】
前記セグメンテーションユニットは更に、前記モデルを前記第２の画像データ内の第２の対象に適応させることによって、前記第２の画像データをセグメント化し、
前記分類ユニットは更に、前記第２の画像データ内の前記第２の対象に適応された前記モデルに基づいて、第２のクラスを前記第２の画像データに割り当て、それによって前記第２の画像データを分類し、
前記システムは更に、前記画像データ及び前記第２の画像データの間の対応を判定するために、前記画像データに割り当てられた前記クラスを、前記第２の画像データに割り当てられた前記第２のクラスと比較する比較ユニットを有する、請求項１に記載のシステム。
【請求項８】
前記画像データ及びデータレコードの間の対応を判定するために、前記画像データに割り当てられた前記クラスを前記データレコードと比較する第２の比較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９】
データレコードクラスを前記データレコードに割り当て、それによって前記データレコードを分類する第２の分類ユニットを更に有し、前記第２の比較ユニットは、前記画像データに割り当てられた前記クラスを、前記データレコードに割り当てられた前記データレコードクラスと比較する、請求項８に記載のシステム。
【請求項１０】
請求項７乃至９のいずれか１項に記載のシステムを有するデータベースシステム。
【請求項１１】
請求項１乃至１０のいずれか１項に記載のシステムを有する画像取得装置。
【請求項１２】
請求項１乃至１０のいずれか１項に記載のシステムを有するワークステーション。
【請求項１３】
画像データ内の対象に適応されるモデルに基づいて該画像データを分類する方法であって、
前記モデルを前記画像データ内の対象に適応させることによって、前記画像データをセグメント化するセグメンテーションステップと、
前記画像データ内の前記対象に適応された前記モデルに基づいて、クラスを前記画像データに割り当て、それによって前記画像データを分類する分類ステップと、
を含み、前記分類ステップは、前記画像データ内の前記対象に適応された前記モデルに基づいて、前記モデルの属性の値を計算する属性ステップを含み、前記割り当てられるクラスは、前記属性の前記計算された値に基づく、方法。
【請求項１４】
画像データ内の対象に適応されるモデルに基づいて該画像データを分類する命令を含む、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は、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は、ロードされた後、請求項１３に記載の方法の各ステップを実行する能力を前記処理ユニットに提供する、コンピュータプログラム。
【請求項１】
画像データ内の対象に適応されるモデルに基づいて、該画像データを分類するシステムであって、
前記モデルを前記画像データ内の前記対象に適応させることによって、前記画像データをセグメント化するセグメンテーションユニットと、
前記画像データ内の対象に適応された前記モデルに基づいて、クラスを前記画像データに割り当て、それによって前記画像データを分類する分類ユニットと、
を有し、前記分類ユニットは、前記画像データ内の前記対象に適応された前記モデルに基づいて、前記モデルの属性の値を計算する属性ユニットを有し、前記割り当てられるクラスは、前記属性の前記計算された値に基づく、システム。
【請求項２】
前記モデルの前記属性は、前記モデルに基づいて又はユーザ属性入力に基づいて規定される、請求項１に記載のシステム。
【請求項３】
前記モデルの前記属性の前記値は、前記画像データを分類するためのテキストである、請求項１に記載のシステム。
【請求項４】
前記モデルの前記属性の前記値は、前記画像データを分類するための少なくとも１つの数である、請求項１に記載のシステム。
【請求項５】
前記モデルの前記属性の前記値は、前記画像データを分類するためのレンジ又はベクトルである、請求項４に記載のシステム。
【請求項６】
前記画像データに割り当てられた前記クラスに基づいて記述を生成する記述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７】
前記セグメンテーションユニットは更に、前記モデルを前記第２の画像データ内の第２の対象に適応させることによって、前記第２の画像データをセグメント化し、
前記分類ユニットは更に、前記第２の画像データ内の前記第２の対象に適応された前記モデルに基づいて、第２のクラスを前記第２の画像データに割り当て、それによって前記第２の画像データを分類し、
前記システムは更に、前記画像データ及び前記第２の画像データの間の対応を判定するために、前記画像データに割り当てられた前記クラスを、前記第２の画像データに割り当てられた前記第２のクラスと比較する比較ユニットを有する、請求項１に記載のシステム。
【請求項８】
前記画像データ及びデータレコードの間の対応を判定するために、前記画像データに割り当てられた前記クラスを前記データレコードと比較する第２の比較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９】
データレコードクラスを前記データレコードに割り当て、それによって前記データレコードを分類する第２の分類ユニットを更に有し、前記第２の比較ユニットは、前記画像データに割り当てられた前記クラスを、前記データレコードに割り当てられた前記データレコードクラスと比較する、請求項８に記載のシステム。
【請求項１０】
請求項７乃至９のいずれか１項に記載のシステムを有するデータベースシステム。
【請求項１１】
請求項１乃至１０のいずれか１項に記載のシステムを有する画像取得装置。
【請求項１２】
請求項１乃至１０のいずれか１項に記載のシステムを有するワークステーション。
【請求項１３】
画像データ内の対象に適応されるモデルに基づいて該画像データを分類する方法であって、
前記モデルを前記画像データ内の対象に適応させることによって、前記画像データをセグメント化するセグメンテーションステップと、
前記画像データ内の前記対象に適応された前記モデルに基づいて、クラスを前記画像データに割り当て、それによって前記画像データを分類する分類ステップと、
を含み、前記分類ステップは、前記画像データ内の前記対象に適応された前記モデルに基づいて、前記モデルの属性の値を計算する属性ステップを含み、前記割り当てられるクラスは、前記属性の前記計算された値に基づく、方法。
【請求項１４】
画像データ内の対象に適応されるモデルに基づいて該画像データを分類する命令を含む、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は、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は、ロードされた後、請求項１３に記載の方法の各ステップを実行する能力を前記処理ユニットに提供する、コンピュータプログラム。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【公表番号】特表２０１１−５２３１２３（Ｐ２０１１−５２３１２３Ａ）
【公表日】平成２３年８月４日（２０１１．８．４）
【国際特許分類】
【出願番号】特願２０１１−５０９０５９（Ｐ２０１１−５０９０５９）
【出願日】平成２１年５月８日（２００９．５．８）
【国際出願番号】ＰＣＴ／ＩＢ２００９／０５１８９４
【国際公開番号】ＷＯ２００９／１３８９２５
【国際公開日】平成２１年１１月１９日（２００９．１１．１９）
【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２３年８月４日（２０１１．８．４）
【国際特許分類】
【出願日】平成２１年５月８日（２００９．５．８）
【国際出願番号】ＰＣＴ／ＩＢ２００９／０５１８９４
【国際公開番号】ＷＯ２００９／１３８９２５
【国際公開日】平成２１年１１月１９日（２００９．１１．１９）
【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 ]