JP2010517030A - 神経変性疾患の診断を支援するためのツール - Google Patents

Abstract

【課題】ＡＤの病理学的プロセスの検出するために臨床前フェーズ、予備的診断フェーズ及び診断フェーズのすべてに関して患者を迅速かつ正確に評定する改良型の方法を提供すること。
【解決手段】対象内に存在する神経変性疾患の臨床的評価のためのシステム（１００）及び方法について記載している。システム（１００）は、対象の脳を表す画像データを収集するように動作可能な画像収集モジュール（１２２）と、画像解析器（１２４）と、を備える。画像解析器（１２４）は、画像データから対象の脳内に存在する神経変性疾患のレベルを意味している１つの定量値を決定するように動作可能である。本発明の様々な実施形態は、神経変性疾患（例えば、アルツハイマー病（ＡＤ）など）に対する早期診断及び監視の向上を支援するツールを提供する。
【選択図】図１

Description

本発明は、神経変性疾患の診断を支援するためのツールに関する。具体的には本発明は、神経変性疾患（例えば、アルツハイマー病（ＡＤ）など）の診断を支援するために脳画像データに対して画像解析技法を適用するための装置及び方法に関する。

様々な神経変性疾患（例えば、アルツハイマー病など）はインビボにおいて確定的に診断することが困難であることが知られている。例えばＡＤ発症に対する遺伝的な素因を有する可能性のある対象者を特定することは可能である［１、２］が、予備的診断の提供は、様々な特徴的な症状が熟練した臨床医に対して明らかとなった時点における実験室的、臨床的かつ晩期の神経撮像検査に由来するデータに基づいてのみ可能であることが多い。

こうしたＡＤに対する予備的診断の生成を支援するためには様々な技法が使用されてきた。これらの技法には、患者の眼がＡＤの進行に一致する神経節細胞喪失を受けているか否かを判定するために光学技法が利用されるような例えばＮｅｗｍａｎにより考案された光学テスト［３］などの様々な物理的スクリーニングテストが含まれる。

こうした予備的診断は有用である。しかし最近、何らかのこうした予備的診断が実施される（すなわち所謂、疾病の臨床前段階の）数十年前であってもＡＤの病理学的プロセスが始まっている可能性があるという証拠の出現が増えつつある。この臨床前段階は、主たる２つのフェーズ（すなわち、観察可能な症状が全く存在しない初めの「潜伏フェーズ」と、これに続く予備的臨床診断には不十分な穏やかな症状が存在している「前駆的フェーズ」）に分割することができる。

したがって、この２つの臨床前フェーズの間に病理学的プロセスの様々な兆候を特定しようと試みることによって、より早い段階で診断を提供しようとする様々な試みもなされてきた。ＡＤの早期段階病理に関連する可能性がある何らかの異常な変動を特定するためには、これまで２つの主たる技法（すなわち、ａ）脳の磁気共鳴撮像（ＭＲＩ）及び機能的磁気共鳴撮像（ｆＭＲＩ）［４、７］並びにｂ）陽電子放出断層（ＰＥＴ）スキャナを用いて放射性の^１８Ｆ−２−フルオロ−２−デオキシ−Ｄ−グルコース（ＦＤＧ）の取り込みを監視することによる脳の代謝性変化の評価［２、５、６］）が使用されてきた。

ＵＳ２００３／０２３３１９７（Ｃａｒｌｏｓ Ｅ．Ｐａｄｉｌｌａ及びＶａｌｅｒｉ Ｉ．Ｋａｒｌｏｖ） ＵＳ２００５／０２８３０５４（Ｅｒｉｃ Ｍ．Ｒｅｉｍａｎ） ＵＳ２００５／００９４０９９（Ｒｉｃｈａｒｄ Ｗ．Ｎｅｗｍａｎ及びＣｏｒｉｎｎ Ｃ．Ｆａｈｒｅｎｋｒｕｇ） ＵＳ２００５／０１９７５６０（Ｓｔｅｐｈｅｎ Ｍ．Ｒａｏ及びＣａｔｈｅｒｉｎｅ Ｌ．Ｅｌｓｉｎｇｅｒ） ＵＳ２００５／０２１５８８９（Ｊａｍｅｓ Ｃ．Ｐａｔｔｅｒｓｏｎ ＩＩ） ＵＳ２００５／０２７３００７（Ｚｉａｄ Ｂｕｒｂａｒ） ＷＯ０２／１０１４０７（Ｎｉｃｈｏｌａｓ Ｆｏｘ及びＩｌｙａ Ｃｈａｒｌｅｓ） ＷＯ２００６／０８３３７８（Ｖｌａｄｉｍｉｒ Ｋｅｐｅら）

許諾された場合、上述の参考文献の内容も参照によりその全体を本出願に組み入れるものとする。

こうした技法はＡＤの診断において実際に役に立っているが、上で言及した方法のすべては疾病の２次的影響を計測することに関して限界があり、またＡＤの病理学的プロセスの検出するために疾病の臨床前フェーズ、予備的診断フェーズ及び診断フェーズの３つのフェーズすべてに関して患者を迅速かつ正確に評定する改良型の方法の提供が必要である。このことは、臨床前段階において特に重要であり、この段階での疾病プロセス及び治療の早期の特定は疾病の進行を阻止または遅らせるために望ましい。さらに、この３つの疾病フェーズのいずれかにある患者について治療に対する応答を含むＡＤの進行を評定するためのより適当な方法が存在することが必要とされている。

本発明の様々な態様及び実施形態は、従来の技法に関する上述の欠点を考慮に入れながら神経変性疾患（例えば、ＡＤなど）の診断及び監視を支援するためのツールを提供するために開発したものである。

本発明の第１の態様では、対象内に存在する神経変性疾患の臨床的評価のためのシステムを提供する。本システムは、対象の脳を表す画像データを収集するように動作可能な画像収集モジュールと、画像解析器と、を備える。この画像解析器は画像データから１つの定量値を決定するように動作可能であり、該定量値は対象の脳内に存在する神経変性疾患のレベルを意味している。

本発明の第２の態様では、対象内に存在する神経変性疾患の臨床的評価のための方法を提供する。本方法は、対象の脳を表す画像データを収集する工程と、該画像データから１つの定量値を決定するために画像データを解析する工程と、を含む。この定量値は、対象の脳内に存在する神経変性疾患のレベルを意味している。

本発明の第３の態様では、データ処理装置を構成するように動作可能なコンピュータコードを備えており本発明の態様及び実施形態に従った様々な方法の工程のうちの１つまたは幾つかを実現することを可能とさせたコンピュータプログラム成果物を提供する。

本発明のこれらの態様によるシステム、方法及びコンピュータプログラム成果物の様々な実施形態は、その定量値が様々なヘルスケア専門家がその診断を支援するために使用可能なある精密な値（例えば、数値）を表しているので有利である。したがってこの定量値は、ある特定の神経変性疾患に関する様々なインジケータの有無を計測するため、並びに疾病重篤度に関する指示を提供するために利用することが可能である。さらにこうした値は定量的であるため、ヘルスケア専門家が様々な時間期間にわたって患者状態の変化を追跡する際の支援として使用することができ、これによってこうしたシステム、方法及びコンピュータプログラム成果物は疾病の進行（例えば、悪化／寛解）、施した治療の有効性、その他を監視する際の支援において用途を見出し得る。

添付の図面を参照しながらここで本発明の様々な態様及び実施形態について記載することにする。

本発明の一実施形態による対象内に存在する神経変性疾患の臨床的評価のためのシステムを表した図である。 本発明の様々な実施形態による対象内に存在する神経変性疾患の臨床的評価を支援するための方法を表した図である 本発明の態様に従った様々な方法を含んだワークフローを表した図である。 異方性フィルタを用いて平滑化済みの単一対象ＭＲＩテンプレートを用いたＰＥＴデータの解剖学的標準化を表した図である。 本発明の一態様による灰白質対白質比を用いた診断性フィーチャの抽出を表した図である。 本発明の一態様によるＡＤを有する対象から撮像された画像からの強度プロフィールを診断性フィーチャとして使用する様子を表した図である。 本発明の一態様による健常対照（ＮＣ）の対象から撮像された画像からの強度プロフィールを診断性フィーチャとして使用する様子を表した図である。 本発明の一態様に従って導出された関心対象脳ボリューム（ＶＯＩ）及び灰白質対白質計測値に関する結果を３次元（３Ｄ）グラフィック表示で示した図である。 本発明の一態様に従って導出された脳強度プロフィール解析に関する結果をグラフィック表示で示した図である。 本発明の一態様に従って導出された脳ボクセルベースのフィーチャ解析に関する結果をグラフィック表示で示した図である。 本発明の一態様に従って導出されたＡＤを有する対象の脳強度プロフィール解析に関する結果を３Ｄグラフィック表示で示した図である。 本発明の一態様に従って導出されたＡＤを有しない健常対象の脳強度プロフィール解析に関する結果を３Ｄグラフィック表示で示した図である。

図１は、本発明の一実施形態による対象内に存在する神経変性疾患の臨床的評価のためのシステム１００を表している。システム１００は、様々なインタフェース１２３、１２６、画像収集モジュール１２２及び画像解析器１２４を提供するように構成されたデータ処理装置１２０を含む。インタフェース１２３、１２６、画像収集モジュール１２２及び画像解析器１２４は中央処理ユニット（図示せず）の制御下でデータバス１２５によって一体に論理的に結合させることが可能である。

データ処理装置１２０を外部の構成要素とインタフェースさせるために、データ処理装置１２０は第１の汎用インタフェース１２６を提供する。この実施形態における外部の構成要素としては、ユーザ入力デバイス１２８（例えば、マウス／キーボード／その他）と結合させた入力データリンク１２７、インターネット１４２と結合させたネットワークデータリンク１４３、及びディスプレイ１３０と結合させたディスプレイデータリンク１２９が含まれる。さらに汎用インタフェース１２６は、グラフィカルユーザインタフェース（ＧＵＩ）１２３も提供しており、これを介してシステム１００のユーザは、データ、コマンドその他を入力すること並びにディスプレイ１３０を観察することによって視覚的情報を受け取ることが可能である。

ＧＵＩ１２３は、対象の脳の少なくとも一部に関する２次元及び／または３次元描出を作成するように動作可能とさせることがある。こうした描出には、脳の領域内のそれぞれにおける物質の取り込みに従った領域のカラーコード化を含むことがある。これによってシステム１００のユーザに対する視覚化の容易性がもたらされる。さらに様々な実施形態では、入力デバイス１２８を用いたＧＵＩ１２３の操作によってユーザは画像及び／またはスライス３Ｄ画像を回転させることも可能である。

ＧＵＩ１２３はさらに、表形式のデータをその３次元描出とリンクさせるように動作可能とさせることもできる。例えばユーザは、表示されたテーブル内のデータ値をクリックし、脳のある画像内の対応する領域をライトアップさせること、あるいはこの逆の操作を行うこともあり得る。これによればユーザは表示された画像から定量値に迅速にアクセスすることが可能となる。

様々な実施形態では、データ処理装置１２０は汎用のコンピュータ（例えば、パーソナルコンピュータ（ＰＣ））によって提供することが可能である。こうした汎用のコンピュータはソフトウェアモジュールを用いて画像収集モジュール１２２と画像解析器１２４の両者を提供することが可能であり、このためソフトウェアアップグレードを用いて既存装置の機能能力をアップグレードすることによってこれを実現することが可能である。例えば、コンピュータコードを備えたコンピュータプログラム成果物１４４を遠隔のサーバー（図示せず）からインターネット１４２を介しネットワークデータリンク１４３を通してデータ処理装置１２０に転送することがある。

システム１００はまた、データリンク１３９によってデータ処理装置１２０と結合させた任意選択の陽電子放出断層（ＰＥＴ）スキャナ１４０と、データリンク１３１によってデータ処理装置１２０と結合させた任意選択のデータ記憶１３２と、を備える。ＰＥＴスキャナ１４０及び／またはデータ記憶１３２は、画像収集モジュール１２２に対して画像データを提供するように構成されることがある。例えばＰＥＴスキャナを設けない場合に、その内部に記憶してある以前に作成した画像データを包含することができるデータ記憶１３２から画像データが提供される可能性がある。こうした以前に作成した画像データは、システム１００から離れた場所（例えば、適当な画像データ作成施設が利用可能であるような遠隔の病院やその他の場所）で作成され、引き続いて画像収集モジュール１２２により取り出し可能な箇所からデータ記憶１３２に転送される可能性もある。画像収集モジュール１２２はさらに、ＰＥＴスキャナ１４０により作成された画像データをアーカイブ目的でデータ記憶１３２に転送するように動作可能である。

画像解析器１２４は、画像データから１つの定量値を決定するように動作可能であり、該定量値は対象の脳内に存在する神経変性疾患のレベルを意味している。この定量値は、１組の健常者画像データからの様々な解剖学的及び／または化学的な変動の存在を基にして決定される数値とすることができる。好ましい一動作モードではその画像解析器１２４は、ＰＥＴスキャナ１４０からの画像データを用い、対象の脳内におけるアミロイドプラーク濃度を決定することによって該画像データから１つの定量値を決定する。ヒトの脳内にあるアミロイドプラーク濃度を画像化することは、ＡＤの疾病プロセスと直接結合させた尺度を取得するための有望な技法の１つであり、またしたがってアミロイド画像化データを量的に評価する方法が重要である。

例えばβ−アミロイドなどのアミロイド含有の決定は、ＡＤの診断並びに治療効果の監視において特に重要である。ＰＥＴやＳＰＥＣＴを用いてアミロイド含有を画像化するために幾つかの放射性トレーサが開発中であり、本発明の一態様はこうしたデータの自動解析に関する。さらに本技法のこの態様によればさらに、データ収集の複雑さを低減して簡略化したプロトコルの使用を可能とさせることができ、またこのため複数の撮像技法で要求される長い収集時間が回避されることによって任意の神経変性疾患のレベルを示す定量値の取得に要する時間を短縮することが可能である。

システム１００は脳アミロイド含有を解析するためのアミロイドの有無を検出する少なくとも１つのモードを用いて動作させることが好ましいが、システム１００は必ずしもこの動作モードに限定する必要がないことを理解されたい。例えばシステム１００の様々な動作モードを、アミロイド含有のＰＥＴ撮像、脳代謝のＦＤＧ撮像、ＭＲＩ、ｆＭＲＩ、その他のうちの１つまたは幾つかと組み合わせることが可能である。こうしたモードは、特に組み合わせて用いることによって、例えば画像データ収集時間、画像データ処理時間、その他を犠牲にすればシステム１００の特定の任意の所望の臨床応用に従ったより正確な撮像またしたがってより正確な定量計測値を取得することができる。

図２は、対象内に存在する神経変性疾患の臨床的評価を支援するための方法２００の一実施形態を表している。方法２００は、本発明に従って製作した装置（例えば、図１に示したシステム１００など）の様々な実施形態を用いて実現することができる。

方法２００は脳画像データを収集する工程２２０を含む。この工程それ自体はさらに、例えばデータ記憶デバイスから画像データを単に取得する工程を含むことがあり、あるいは対象の脳の少なくとも一部に関してＰＥＴスキャンを実行する工程を含むことがある。後者のケースでは、患者に対して放射性トレーサ物質が投与されることがある。例えばその放射性トレーサ物質は、ＷＯ０２／１６３３３及びＷＯ２００４／０８３１９５に記載されているようなＧＥ Ｐｉｔｔｓｂｕｒｇｈ Ｃｏｍｐｏｕｎｄ Ｂ（ＰｉＢ）族のトレーサのような放射性医薬品、あるいはＷＯ００／１０６１４に記載されているようなトレーサＦＤＤＮＰ及び類似物などアミロイドたんぱくと選択的に結合する化学物質を含むことがあり得る。したがって、神経変性疾患の診断を支援するために有用な対象の脳内のアミロイド濃度から１つの定量値を決定することができる。

方法２００は、画像データを解析する工程２４０及び定量値を決定する工程２６０を含む。この２つの工程２４０、２６０の組み合わせによって多種多様な技法を得ることができる（そのうちの幾つかの例について以下でさらに詳細に記載することにする）。例えば画像データを解析する工程２４０は、画像データによって規定された画像内に基準領域を規定する工程、脳灰白質内の取り込みの脳白質内の取り込みに対する比として物質の取り込みから定量値を決定する工程、脳内の所定の投影に沿った画像データ規模の変化率として定量値を決定する工程、その他のうちの１つまたは幾つかの工程を含むことがある。

方法２００の様々な実施形態では、対象のＰＥＴスキャンの解析のために利用可能な画像情報を最大限に利用するようにされている。例えばＭＲＩスキャンが利用可能であれば、ＭＲＩスキャンによって解剖学的標準化を駆動させることが可能である。ＰＥＴ／ＣＴデータが利用可能であれば、ＣＴ成分を使用することが可能である。このスキームは、解析の時点で利用可能な情報が与えられたときに確実に最大確度を実現させるのに役立つ。この方法について以下でより詳細に記載することにする。

図３は、本発明のある種の態様及び実施形態による様々な方法３２０、３５０、３８０を含むワークフロー３００を表している。例えば、方法３２０、３５０、３８０のうちの１つまたは幾つかは、図１のシステム１００によって実現させること、あるいは図２の方法２００の一部として含まれることがある。

ワークフロー３００の第１の態様は、健常者画像データベース（ＮＩＤ）を取得するための方法３２０を提供する。ＮＩＤは１組の制御データを提供するために使用されており、この制御データ組は引き続いて神経変性疾患の有無を指示することが可能な異常な生理学的、化学的または解剖学的データインジケータを特定するために使用することが可能である。ＮＩＤは、例えば中央の医療施設で取得した後に配布されることがあり、あるいは健常対象者のテストに基づいて１つまたは複数のシステムのところで局所的に提供される可能性もある。

本発明の様々な実施形態ではそのＮＩＤは、その内部のデータの確度を向上させるためにある特定の箇所において健常対象者をスキャンすることによって恒常的に更新することが可能である。こうしたＮＩＤデータはさらに、異なる箇所に提供された多くのシステム間で共有される可能性があり、これによってこれら箇所のすべてにおけるＮＩＤ内のデータの広域的全体確度を向上させることができる。このことは例えば、本発明の一実施形態によるシステムが小さい病院に提供されているが、それ自体としては局所的に導出された統計的に有用なＮＩＤデータ組を提供可能とするには使用する対象／患者の数が十分でないような場合に特に有用である。

工程３２２、３２２’において、多くの数の健常対象者からのスキャンを処理しＮＩＤ内に含めることが可能である。明瞭にするために２つのスキャン３２２、３２２’だけを表しているが、Ｎは任意の正の整数に対応しており、Ｎは最適化ＮＩＤを取得するために実際上可能な限り大きくすることが好ましい。

工程３２４では、工程３２２、３２２’におけるスキャンから取得した画像データに対する処理が実行される。この画像データに対する処理は３つの工程（すなわち、１）解剖学的標準化、２）強度正規化及び３）フィーチャ抽出）からなる。これらの３つの処理を実現するための様々な方法について、以下でそれぞれの見出しの下に記載することにする。
［解剖学的標準化］
解剖学的標準化（ときに、空間的正規化とも呼ぶ）の目的は、異なる対象からのデータを、例えばＴａｌａｉｒａｃｈ及びＭＮＩ（Ｍｏｎｔｒｅａｌ Ｎｅｕｒｏｌｏｇｉｃａｌ Ｉｎｓｔｉｔｕｔｅ）空間などの標準的な解剖学的空間に変換することである。解剖学的標準化は、１つの画像組（フローティング画像と呼ぶこともある）に対して第２の画像組（基準画像と呼ぶこともある）とマッチングさせるような空間的変換を適用することによって達成される。大部分の方法は変換したフローティング画像とこれに対応する基準画像との間で算出されるある類似性尺度を最大化するようにその変換を反復式に調整することによって進められる。適当な変換を見出すには、最適化アルゴリズムを使用することを必要とするのが通常である。変換のタイプ及び使用されるパラメータの数によって解剖学的標準化の確度が決定される。一般的な解剖学的標準化では、ＰＥＴやＳＰＥＣＴなどの機能性画像を用いる場合と比べてより高い確度で高分解能の解剖学的画像（例えば、ＭＲＩ）の利用を実施することが可能である。

解剖学的標準化では、指定されたある解剖学的構造は標準空間内でも同じ箇所を占有しているため、異なる対象からのデータの直接比較が可能である。解剖学的標準化ではまた例えば、健常者画像データベースを作成すること、並びに例えば対象に対して様々なトレーサを投与した場合に異なる領域における取り込みの自動定量化のために関心対象ボリューム（ＶＯＩ）テンプレートを使用すること、が可能である。

正確な解剖学的標準化が重要であると共に、また一般に本処理は解剖学的画像をＰＥＴ由来の撮像データと連携して用いた場合により正確となる。しかし解剖学的画像は常に利用可能であるとは限らないため、ＰＥＴデータを直接用いて正確な解剖学的標準化を実行することが可能な方法があることが重要である。この理由により、上で言及したような画像データのクラス（または、複数のクラス）に応じて画像解析モードを自動選択するような方法を利用することが可能である。こうした選択技法は以下のものを含むことがある。

ａ）対象のＭＲＩデータが利用可能である場合、対象のＭＲＩをＰＥＴスキャンと相互位置合わせする。このＭＲＩ画像は、対象のＭＲＩと標準化空間のＭＲＩテンプレートとの間の類似性を最大化するような非リジッドな（ｎｏｎ−ｒｉｇｉｄ）位置合わせを適用することによって空間的に正規化させる。この結果、ＭＲＩを標準化空間に対してマッピングする変換が得られる。次いで、前の工程で取得した変換を用いてＰＥＴスキャンを標準化空間に変換させる。

ｂ）ＭＲＩデータが利用可能でないがＰＥＴとコンピュータ断層撮像（ＣＴ）の複合スキャナ（ＰＥＴ／ＣＴ）を用いたＰＥＴ画像データが取得されている場合、ＣＴスキャンとＰＥＴスキャンからの画像データは既に位置合わせ状態にあるのが通常である。しかしこの前提をチェックして画像データが整列していなければ、ＣＴ画像データをＰＥＴ画像データと相互位置合わせする。ＰＥＴ／ＣＴ画像データのＣＴ成分は、対象のＣＴと標準化空間のテンプレートとの間の類似性を最大化するような非リジッドな位置合わせを適用することによって空間的に正規化させる。この結果、ＣＴデータを標準化空間に対してマッピングする変換が得られる。次いで、前の工程で取得した変換を用いてＰＥＴスキャン画像データを標準化空間に変換させる。

ｃ）ＰＥＴ画像データだけが利用可能である場合、ＰＥＴスキャン画像データは、ＰＥＴデータと標準化空間のテンプレートとの間の類似性を最大化するような非リジッドな位置合わせを適用することによって空間的に正規化させる。アミロイドデータ（例えば、ＰＩＢ）については、アルツハイマーの対象からの画像を健常対照からの画像と比較したときに画像パターンに特徴的な差異が存在する。これによってＰＥＴデータを解剖学的に標準化するために標準的な方法を利用したとしても系統誤差が生じることがあり得る。さらにアミロイドデータでは、基準領域（以下を参照）の周りのエリアで良好な位置合わせを有することが特に重要である。これらの困難を克服するには、以下の方法が利用される。基準テンプレートとしては、ＭＮＩ空間に対して位置合わせされた単一対象ＭＲＩ脳（例えば、図４参照）が用いられる。類似性関数において極小値が得られるリスクを低減するために、その基準テンプレートは、組織境界を依然として保全する一方でテンプレートをより平滑とさせる異方性フィルタによるフィルタ処理を受ける。

基準テンプレートに対するＰＥＴスキャンの位置合わせでは、正規化した相互情報に基づいた類似性関数が使用される。さらにこの位置合わせは２段階式で実行される。その第１の段階では、１８個のパラメータをもつ多項式変換を用いてＰＥＴスキャンが基準テンプレートに対して広域性に位置合わせされる。第２の段階では、基準領域の周りで局所的位置合わせが実行される。内側及び外側の３Ｄ形状（ボックス、球状または不規則形状）によって規定された枠取りボックスが基準領域の周りに配置されると共に、内側形状の内部でリジッドな（ｒｉｇｉｄ）変換を用いてデータの局所的位置合わせが実行される。内側形状と外側形状の間のエリアにあるデータは、枠取りボックスの内部と外部のデータ間の平滑な遷移を確実にするために補間を受ける。この方法によって、基準領域の近傍域（すなわち、枠取りボックス内部）におけるデータの確度を上昇させて対象の脳に関する良好な全体的位置合わせが保証される。図４は、基準領域を脳橋の周りとした枠取りボックス４１０を表しているが、これ以外の基準領域（例えば、小脳）を使用することも可能であることを理解されたい。

手順ｂ）で使用されるテンプレートはＭＲＩやＣＴベースのものとすることができるが、工程ｃ）で使用されるテンプレートはＭＲＩベースのものであることに留意されたい。使用する位置合わせ方法は、相関性、相互情報、正規化相互情報を含む類似性尺度の最大化、並びに例えばアフィン、多項式、離散コサイン変換（ＤＣＴ）、その他を含むデータの空間的正規化に使用される変換に基づいた方法とすることができる。
［強度正規化（基準領域）］
様々な対象にわたる画像データの比較を可能にするために、そのデータは、注入された活量、様々な対象の重量、その他を考慮に入れるようにスケール調整した強度とすることが可能である。利用し得る技法の１つは、如何なる関心対象の神経変性疾患が調査対象であるかによって影響を受けないと考えられる領域内における取り込みに従ってデータをスケール調整することである。

本発明の様々な実施形態では、対象内に存在する神経変性疾患のレベルをそこから決定するための画像データによって規定された画像内で１つの基準領域が規定される。この基準領域は例えば、脳の下位エリア（例えば、脳橋、視床、小脳、その他など）に対応することがある。こうした比較的小さい基準エリアを利用すると、このエリアに関する堅実な画定を有する必要性が増大する。

例えばアミロイド画像化（例えば、Ｃ１１−ＰＩＢを用いる）では、使用する領域を小脳の灰白質エリアとすることがある。典型的にはこの領域は、相互位置合わせされたＭＲＩ内で手作業で輪郭抽出される。しかし自動化方法では、基準領域を標準化空間内において規定しなければならない。この工程を堅実なものとするためには、さらに最大確率マスクを利用することが可能である。以下の説明では、ａ）こうしたマスクを作成する方法、並びにｂ）マスクの使用方法に関して例で説明することにする。

ａ）基準領域確率マスクの作成：１）Ｎ個の対象について、ＭＲＩとＰＥＴスキャンの間で画像データを相互位置合わせし；２）エキスパートを利用し相互位置合わせ済みのＭＲＩデータ内で小脳基準領域を輪郭抽出させ；３）この方法を使用し前セクションで輪郭抽出したデータをすべて標準化空間に変換し；かつ４）各ボクセルごとに当該ボクセルがＮ個の対象のすべての基準領域内に存在する確率を示す確率マップを算出するという技法に従って、最大確率灰白質マスクを作成した。このため、すべての対象内の基準領域の一部となったボクセルには１．０という数値を与え、１つを除いてすべての領域の一部となったボクセルには値（Ｎ−１）／Ｎを与え、また以下同様とした。基準領域（例えば、脳橋や皮質下白質など）に関する確率基準マスクを作成するために、他の領域についても同じ方式を利用した。

ｂ）強度正規化データに対する基準領域確率マスクの使用：１）解剖学的に標準化したＰＥＴ画像データに対して確率マスクを適用し；２）マスクによって規定されたすべてのボクセルに関する平均ボクセル値を算出すると共に、マスク内の対応する確率に従ってこれらのボクセルに相対的寄与度を与え；３）全体画像を算出された平均値で割り算する、という技法を用いてマスクを適用した。こうして比画像が取得され、これにより基準領域に基づいてトレーサ取り込みをスケール調整した。

こうした確率マスクを基準領域の周りのエリアで高い確度を有する解剖学的標準化技法と組み合わせて使用することによって、基準値の堅実な抽出が可能となると共に、スキャン全体にわたる比較の確度が向上することに留意されたい。
［フィーチャ抽出］
フィーチャ抽出の目的は、調査対象のある具体的な神経変性疾患に特徴的な情報を抽出することにある。異なる計測値（または、フィーチャ）は補完的であると共に、これらは、診断情報の提供、長期のフォローアップのための正確な計測値の提供、さらには様々な画像データの視覚的解釈の強化のために用いることが可能である。

関心対象フィーチャを特定するためには様々な技法が用いられることがあり、これらのうちの４つの例についてここでより詳細に説明することにする。

ａ）標的領域対基準領域の比を決定するためにデータに対してＶＯＩを適用することが可能である。これを実施するための一方法は、１）比画像（すなわち、解剖学的に標準化しかつ強度正規化したスキャン）に対して脳葉、Ｂｒｏｄｍａｎｎエリアその他などの解剖学的領域の画定を含んだＶＯＩアトラスを適用すること、並び２）該アトラスによって規定された異なるＶＯＩの内部において統計値を算出すること、によっている。ＶＯＩアトラスは、ラベル付けしたボリュームまたは多角形を含む様々なフォーマットで保存することが可能である。次いで、このアトラスから標準化空間へのマッピングを存在させなければならない。その最も単純な形式ではこれは、ラベル付けしたボリューム内の各ボクセルが標準化空間内の１つのボクセルに対応するような一対一マッピングとなる。次いで、ＶＯＩアトラス内の任意の構造を標準化空間における画像に対して適用可能なＶＯＩとして使用することが可能であり、またＶＯＩによって規定されたすべてのボクセル値に関する平均、分散及び標準偏差などＶＯＩ内部のボクセルの異なる特性を算出することが可能である。

ｂ）ＰＥＴアミロイドデータは、その対象がアルツハイマー病であるか否かに応じて特徴的に異なったパターンを示すことに留意されたい。ＡＤ患者のＰＥＴアミロイドスキャンは皮質エリアにおいて高信号を示し、一方健常な対象では白質領域において高信号をかつ皮質領域において低信号を示す。この理由により、アミロイドデータの解析に特に有用なＶＯＩベースのフィーチャでは灰白質／白質比が使用される。この値は、１）比画像（すなわち、解剖学的に標準化しかつ強度正規化したスキャン）に対して脳葉、Ｂｒｏｄｍａｎｎエリアその他などの解剖学的領域の画定を含み、さらに脳の灰白質と白質エリアを規定するＶＯＩアトラスを適用すること、２）脳葉などのＶＯＩについて灰白質領域においてＶＯＩ及び灰白質マスクによって規定されたボクセルのみを考慮した取り込みを算出すること、３）同じＶＯＩについて白質領域においてＶＯＩ及び白質マスクによって規定されたボクセルのみを考慮した取り込みを算出すること、並びに４）各ＶＯＩごとに灰白質／白質比を算出すること、によって取得することができる。

様々な実施形態では、脳白質内の物質取り込みに対する脳灰白質内の物質取り込みの比として１つの定量値が決定される。この物質は例えば、神経変性疾患が存在する場合にその比が変化するような任意の物質（例えば、ＰＥＴ撮像用のＦＤＧ、ＰＥＴ撮像に伴うアミロイドトレーサ、その他）とすることができる。こうした技法の利点の１つは、必ずしも基準エリア正規化を必要としないことである。

このような灰白質対白質比の利用の一方法について図５に関連しながら以下でより詳細に記載することにする。

ｃ）強度プロフィールフィーチャを用いることが可能である。これを実施するための一方法は、１）標準化空間内の表面点数及び面法線に沿ったレイ数、並びに各表面点がＶＯＩアトラス内のどのＶＯＩ（すなわち、どの解剖学的領域）に属するかを規定するラベルを規定すること；２）比画像（すなわち、解剖学的に標準化しかつ強度正規化したスキャン）を利用し脳表面と直交するトレースを用いて（例えば、図５ａ及び５ｂ参照）事前定義のＶＯＩに関する強度プロフィールを計算すること；３）各レイに沿った強度分布を描いた１つの特性（こうした特性の１つは各レイに沿って強度の変化率を描いた傾斜である）を算出すること；並びに４）各ＶＯＩ内部のすべてのレイに関して算出された特性（例えば、傾斜値）を平均化し対象の脳内に存在する神経変性疾患のレベルを意味している１つの定量値を規定するために使用可能な１つの数値を見出すこと、によっている。

様々な実施形態では、その定量値は脳内の所定の投影に沿った画像データ規模の変化率として決定される。これによって、神経変性疾患が存在するか否かの判定、並びに対象に対する後続の検査／テスト／スキャンに関するその定量化が可能となる。

こうした強度プロフィールフィーチャを使用するための一方法について図６ａ及び６ｂに関連させながら以下で詳細に記載することにする。

ｄ）ボクセルベースのフィーチャを用いることが可能である。これを実施するための一方法は、診断用及び監視用フィーチャとして脳全体における（あるいは、ＶＯＩアトラスによって規定された解剖学的領域によるマスクに従って）ボクセル強度を利用することによっている。

ｅ）アミロイドデータでは、算出されたフィーチャを組み合わせて１つの「アミロイド指標」にすることが望ましい。この組み合わせは、ＶＯＩ解析及び／または強度プロフィール解析により算出されたＶＯＩ値の加重平均を算出し、これを１つまたは幾つかの基準領域内で対応する値によって割り算することによって実施することができる。

上で言及した技法のうちの１つまたは幾つかに従ってＮＩＤに関する画像データが決定された後、次いで健常者画像データは様々な統計情報（例えば、年齢の一致した対象群に関する抽出フィーチャの平均値及び分散など）と一緒にデータベース３２６内に保存される。

図３はまた、ワークフロー３００の第２の態様も表している。ワークフロー３００のこの態様は、対象の脳内に存在する任意の神経変性疾患のレベルを指示する定量値を画像データから決定するという方式によって対象内に存在する神経変性疾患の臨床的評価のための方法３５０を提供する。

方法３５０は、対象／患者に対してスキャンを実行する工程３５２を含む。このスキャンは、ＰＥＴスキャン、ＭＲＩスキャン、ＣＴスキャンその他のうちの１つまたは幾つかとすることがある。好ましい一動作モードでは、そのスキャンは、患者の脳のアミロイド含有に関するＰＥＴスキャンを含む。このスキャン（複数のこともある）からの画像データは、臨床的に重要な情報を抽出するように工程３５４で処理される。例えば工程３５４の処理によって、画像データから１つの定量値が提供されることがある。工程３５６では、工程３５４の処理の結果が健常対象者の結果と比較され、神経変性疾患が対象の脳内に存在することを示す何らかの異常が存在するか否かが判定される。この比較の結果は工程３５８において提示され、次いで工程３６０でレポートが作成される。

図示した例ではその工程３５４の処理は、上で言及した技法のいずれかを、ＮＩＤを提供するために使用した工程３２４の処理と連携して使用することが可能である。しかし当業者であれば、本発明の態様及び実施形態は必ずしもこのように限定されるものでないことを理解されよう。

工程３５６では、スキャン３５２の抽出フィーチャをＮＩＤと比較するために様々な方法が可能である。一方法は様々な診断性フィーチャの比較によっている。例えば、ａ）異なるＶＯＩの内部の平均値をＮＩＤによる規定に従った健常レンジと比較しｚスコアを含む偏差を算出するためのＶＯＩフィーチャを用いることが可能であり；ｂ）異なるＶＯＩに関する比をＮＩＤによる規定に従った健常レンジと比較しｚスコアを含む偏差を算出するための灰白質対白質比を用いることが可能であり；ｃ）各レイに沿った強度特性に対応する値（ｍａｘ強度、ｍａｘ傾斜及び別のフィーチャ）をＮＩＤによる規定に従った健常レンジと比較しｚスコアを含む偏差を算出するための強度プロフィールフィーチャを用いることが可能であり；かつ／またはｄ）ボクセルデータをＮＩＤ内の平均値及び標準偏差データと比較し、ｚスコア画像が算出し、かつデータ及びすべてのクラスターに対してあるサイズ未満のものを棄却するようなクラスター解析法が適用されるようなボクセルベースのフィーチャを用いることが可能である。

工程３５６においてそのスキャンがＮＩＤと比較され終わると、その結果が次いで工程３５８において提示することができる。以下の図７ａ〜７ｃ並びに８ａ及び８ｂは、これをどの様にして達成できるかに関して２次元と３次元の両方についての様々な例を表している。もちろんこうした結果は、健常対象者からのスキャンとの偏差の存在をさらに強調するように色相によってより良好に提示されることもある。

ＶＯＩフィーチャまたは灰白質対白質比が使用されるような一実施形態では、データは表形式並びに輪郭抽出したＶＯＩ画定による標準化空間内での脳画像のサーフェスレンダリングによるグラフィック形式で提示される。このＶＯＩ及び／または灰白質対白質はその有意性に従ってカラーコード化される。強度プロフィールフィーチャでは、そのデータは各レイに沿った値（ｍａｘ強度、ｍａｘ傾斜及びその他のフィーチャ）を有する表面投影として提示することが可能であり（図８ａ及び８ｂ）、かつ／または２Ｄスライス内に投影された健常のデータと比較した強度プロフィールフィーチャのｚスコアデータとして及び標準化空間内で脳の３Ｄレンダリング上で提示することが可能である（図７ａ〜７ｃ）。ボクセルベースのフィーチャでは、偏差画像及びｚスコアマップもＭＲＩデータ上に重ね合わせて表示させることが可能である。

この実施形態では、レポート作成３６０も提供される。このレポートは、将来利用するためにアーカイブしておくこと、かつ／または関心のある担当者による検討のために遠隔の箇所（病院その他）に伝達することが可能である。このレポートは次の情報：すなわち、ａ）患者情報、日付その他；ｂ）元の患者スキャンを示す画像；ｃ）結果を示す処理済み画像；ｄ）計測値（例えば、ＶＯＩ結果）のテーブル；並びにある調査の知見が健常レンジの域内にあるか否かを指示するステートメント；を含むことがある。

図３はまた、ワークフロー３００の第３の態様も表している。ワークフロー３００のこの態様は、対象内に存在する任意の神経変性疾患の進行を監視するための方法３８０を提供する。

方法３８０は、以前に患者ベースラインスキャン３８２を実行したことがある対象／患者に対するフォローアップスキャンを実行する工程３８４を含む。これらのスキャンは、ＰＥＴスキャン、ＭＲＩスキャン、ＣＴスキャンその他のうちの１つまたは幾つかとすることができる。好ましい一動作モードではそのスキャンは、患者の脳のアミロイド含有に関するＰＥＴスキャンを含む。

診断スキャン３５０と同様に、スキャン（複数のこともある）からの画像データは臨床的に重要な情報を抽出するように工程３８６で処理される。例えば工程３８６の処理は、画像データから１つの定量値を提供することがある。工程３８８では、工程３８６の処理結果が、対象の脳内に存在する神経変性疾患の進行を定量化するように以前のベースラインスキャン３８２の結果と比較される。この比較の結果は工程３９０で提示され、さらに工程３９２においてレポートが作成される。これらの結果の提示３９０並びにレポートの作成３９２に関する方法は上で言及したような診断ワークフローに関するそれぞれ工程３５８と３６０と同様とすることができる。

図示した例では工程３８６の処理は、ＮＩＤの提供のために使用される工程３２４の処理と連携して上で言及した技法のうちのいずれかを用いることができる。しかし当業者であれば、本発明の態様及び実施形態をこのように限定する必要はないことを理解されよう。

比較工程３８８では、フォローアップスキャンについて様々なＶＯＩ内部の平均値をベースラインスキャンの対応する値と比較するためのＶＯＩフィーチャを用いることが可能である。次いで差異が算出され、これをＮＩＤによって規定された健常レンジと比較することが可能である。フォローアップスキャンについて様々なＶＯＩの比をベースラインスキャンの対応する値と比較するための灰白質対白質比を用いることも可能である。次いで差異が算出され、これをＮＩＤによって規定された健常レンジと比較することが可能である。フォローアップスキャンに関する各レイに沿った値（ｍａｘ強度、ｍａｘ傾斜及び別のフィーチャ）をベースラインスキャンの対応する値と比較するための強度プロフィールフィーチャを用いることが可能である。次いで差異が算出され、これをＮＩＤによって規定された健常レンジと比較することが可能である。差分画像及び増減を示す統計パラメータマップを算出するためのボクセルベースのフィーチャを用いることも可能である。

図４は、ＰＥＴアミロイドスキャンの位置合わせを表している。基準画像（最下段）はＭＮＩ空間で規定される単一対象ＭＲＩスキャンである。このＭＲＩスキャンは組織クラス内にあるデータは平滑化するが組織間の境界は保全するような異方性フィルタを用いてボケさせて（ｂｌｕｒｒｅｄ）ある。この図には、解剖学的標準化前のＰＥＴデータ（最上段）と解剖学的標準化後のＰＥＴデータ（中段）を表している。図４にはさらに、２段階式位置合わせで使用される枠取りボックス４１０の使用についても図示している。

図５は、本発明の一態様による灰白質対白質比を用いた診断性フィーチャの抽出を表している。使用した標準空間（例えば、ＭＮＩ空間）内において多数の解剖学的領域が、関心対象ボリューム（ＶＯＩ）並びに白質マスク５３０及び灰白質マスク５４０を規定している。図５に示した具体的なＶＯＩは前頭葉５２０に対応するものである。

定量化は以下のように動作する。論理ＡＮＤを用いて前頭葉のＶＯＩ５２０を白質マスク５３０と合成させ前頭葉の白質領域のみを覆うＶＯＩ５３５を作成する。この新たなＶＯＩを画像データ５５０に適用し、これを用いて前頭葉内の白質の値を抽出する。同様に、論理ＡＮＤを用いて前頭葉ＶＯＩ５２０を灰白質マスク５４０と合成し、前頭葉の灰白質領域のみを覆うＶＯＩ５３５を作成する。このＶＯＩを画像データ５５０に適用し、これを用いて前頭葉内の灰白質の値を抽出する。次いでこの２つの値を組み合わせて前頭葉の灰白質対白質比を作成すると共に、ボックスプロット５６０によってアルツハイマー対象（ＡＤ）と健常対照（ＮＣ）の間をこの比により分離する方法を示している。灰白質領域と白質領域は必ずしも上述の手順に従って算出する必要はないこと、例えば灰白質及び白質のＶＯＩを作成するために対話式に灰白質ＶＯＩと白質ＶＯＩが同等に良好に線引きされてある可能性もあり得ることは、当業者には明らかであろう。

図６ａは、本発明の一態様によるＡＤを有する対象から撮像された画像からの強度プロフィールを診断性フィーチャとして使用する様子を表した図である。

図６ｂは、本発明の一態様による健常対照（ＮＣ）の対象から撮像された画像からの強度プロフィールを診断性フィーチャとして使用する様子を表した図である。

本方法のこの実施形態は以下のように動作する。標準化空間（例えば、ＭＮＩ）にある標準脳を用い、バックグラウンドと対面したすべてのボクセルを表面ボクセルと見なす。表面ボクセルのすべてについて、座標（ｘ，ｙ，ｚ）を当該点における面法線と一緒に表面点リストと名付けたリスト内に保存する。さらに、ある表面点がどの解剖学的領域に属するかを示す表面点リストと関連付けさせたラベルリストを存在させている。すなわち表面点リスト内の各入力項目は、その表面点がどの解剖学的領域に属するかを示しているラベルリスト内の１つの対応する入力項目を有することになる。複数のリストを有することによって複数の所属が可能になる（例えば、１つの表面点が左前頭回と左前頭葉との両方に属することができる）。

画像を解析するときには先ず、これを空間的に正規化し表面点リスト内の座標によって規定された表面点を解析対象画像内の脳の表面上の点と対応させるようにしなければならない。次いでこの表面点のリストが参照されると共に、各点ごとに面法線の負方向に沿ったレイ６２０、６４０が算出される。このレイは表面点を開始点として横動させ（あるいは、本方法をより堅実なものにするには若干外にすることもある）、脳内に至るレイを追跡しながらこのレイに沿った値を記録しアレイの形で保存する。このデータは副次サンプリング（ｓｕｂｓａｍｐｌｅ）され、このレイに沿った各点間の距離並びに脳に至る最大距離を変動する可能性があるパラメータとしている。この手順によって、アレイ内に保存されたレイに沿った強度プロフィール６２５、６４５が各表面点ごとに得られることになる。次いでこの強度プロフィールが解析され、診断性フィーチャが抽出される。本発明の一例では、ある固定の距離にある２つの点間の差として算出した最大傾斜が診断性フィーチャとして使用される。本発明の第２の例では、レイに沿った最大強度が算出される。本発明の第３の例では、レイに沿ったある距離にある点同士の比が算出される。もちろん、強度プロフィールに関する様々な別の特性を算出することも可能であることは当業者であれば理解されよう。

図７ａは、本発明の一態様に従って導出された脳関心対象ボリューム（ＶＯＩ）及び灰白質対白質計測値に関する結果を３次元（３Ｄ）グラフィック表示で示した図である。

選択した動作モードにより取得した解析結果に従って３Ｄレンダリングした脳がカラーコード化される。本発明の一態様では、ｍａｘ傾斜などの強度プロフィールフィーチャが脳構造（例えば、前頭葉）の全体にわたって平均化され、次いでこの算出した平均値がＮＩＤと比較されてｚスコアが作成される。次いで、様々な脳構造に関して取得したｚスコアを用いて３Ｄレンダリングした脳がカラーコード化される。このためには、ＮＩＤによる判定に従った正常性からの有意の変化を伴うエリアをハイライトさせるような適当なカラースケールが用いられる。

図７ｂは、本発明の一態様に従って導出された脳強度プロフィール解析に関する結果をグラフィック表示で示した図である。本発明のこの態様では、強度プロフィールフィーチャは脳領域全体にわたって平均化されていない。これに代えて、各表面点をＮＩＤと比較してｚスコアを作成し、このｚスコアを用いて標準化空間内のジェネリックなＭＲテンプレートをカラーコード化することができる。ユーザはカットオフ値を設定しておきそのしきい値を超えたｚスコアのみが表示されるようにすることができる。例えばデフォルトのカットオフが２．０であれば、表示させるためには値は平均値から少なくとも２標準偏差だけ離れていなければならない。ユーザに対して内部皮質エリアも同様に検査できるようにさせるには、標準脳が２つの半球に分割されると共に、これらの表面点も内部表面上で規定される。

図７ｃは、本発明の一態様に従って導出された脳ボクセルベースのフィーチャ解析に関する結果をグラフィック表示で示した図である。この図は、ボクセルベース解析の結果を表している。

図８ａは、本発明の一態様に従って導出されたＡＤを有する対象の脳強度プロフィール解析に関する結果を３Ｄグラフィック表示で示した図である。強度プロフィールは上述のようにして算出される、すなわち表面点のリストが参照されると共に、各点ごとに面法線の負方向に沿ったレイを算出してこのレイを横動させている。レイに沿ったデータは副次サンプリングされ、強度プロフィールが算出される。この強度プロフィールに基づいて、プロフィールに沿ったｍａｘ値やｍａｘ傾斜などの様々なフィーチャが算出される。次いで各表面点の値を用いて、３Ｄレンダリングした脳上の対応する点に対してユーザにより変更可能な事前定義のカラースケールを用いたカラーコード化がなされる。この図はＭａｘ傾斜法により解析したＡＤ脳を表している。

図８ｂは、本発明の一態様に従って導出されたＡＤを有しない健常対象の脳強度プロフィール解析に関する結果を３Ｄグラフィック表示で示した図である。この表示を駆動させる原理は図８ａに関連して上に記載した原理と同じである。

本発明の様々な実施形態はハードウェア、ソフトウェア及び／またはファームウェアのうちの１つまたは幾つかを用いて実現することができる。一実施形態では、本発明の様々な態様及び／または実施形態に従った新たな機能を提供するために既存の従来システムをアップグレードするように動作可能なソフトウェア成果物としてコンピュータコードを提供することができる。このコンピュータコードはさらに、あるいは追加として、例えば運搬媒体上に設け得るコンピュータプログラム成果物として提供することもできる。例えばこうした運搬媒体は、例えばインターネット、ワイヤレスリンク、光学リンク、無線周波数リンク、電子リンク、専用のデータ／電話リンク、ＬＡＮ／ＷＡＮ、その他などの様々なリンクを介して伝送可能な信号を含むことがあり、また運搬媒体は既存のシステムのアップグレードのために用いられることがあり、かつ／または運搬媒体は磁気ディスク、磁気テープ、光ディスク、半導体デバイス、その他などの従来の運搬媒体上のコンピュータコードを含むことがある。

当業者であれば、既存のシステムをアップグレードするために様々な実施形態が利用されることがあることを理解されよう。当業者であればまた、異なるデータ処理装置によって異なる機能が実行されるようにした分散システムを用いたある種の実施形態が実現可能であることも理解されよう。例えば様々な実施形態では、ＰＥＴスキャナ内に画像収集モジュールが組み込まれることがあり、かつ／またはデータ処理装置をＰＥＴスキャナの一部とすることも可能である。

本発明について様々な実施形態に関連して記載してきたが、当業者であれば本発明がこうした実施形態に限定されるものでないこと、並びに添付の特許請求の範囲によって規定される本発明の趣旨の域内にあるようにして多くの変形形態が考案可能であることを理解されよう。

１００ 神経変性疾患の臨床的評価のためのシステム
１２０ データ処理装置
１２２ 画像収集モジュール
１２３ グラフィカルユーザインタフェース（ＧＵＩ）
１２４ 画像解析器
１２５ データバス
１２６ インタフェース
１２７ 入力データリンク
１２８ ユーザ入力デバイス
１２９ ディスプレイデータリンク
１３０ ディスプレイ
１３１ データリンク
１３２ データ記憶
１３９ データリンク
１４０ 陽電子放出断層（ＰＥＴ）スキャナ
１４２ インターネット
１４３ ネットワークデータリンク
１４４ コンピュータプログラム
２００ 神経変性疾患の臨床的評価を支援するための方法
３００ ワークフロー
４１０ 枠取りボックス
５２０ 前頭葉
５３０ 白質マスク
５３５ 白質領域のみを覆うＶＯＩ
５３５ 灰白質領域のみを覆うＶＯＩ
５４０ 灰白質マスク
５５０ 画像データ
５６０ ボックスプロット
６２０ レイ
６２５ 強度プロフィール
６４０ レイ
６４５ 強度プロフィール

Claims (27)

1. 対象内に存在する神経変性疾患の臨床的評価のためのシステム（１００）であって、
   対象の脳を表す画像データを収集するように動作可能な画像収集モジュール（１２２）と、
   画像データから１つの定量値を決定するように動作可能な画像解析器（１２４）であって、該定量値は対象の脳内に存在する神経変性疾患のレベルを意味している画像解析器と、
   を備えるシステム（１００）。
2. 画像収集モジュール（１２２）及び画像解析器（１２４）を提供するように構成されたデータ処理装置（１２０）をさらに備える請求項１に記載のシステム（１００）。
3. 画像収集モジュール（１２２）に撮像データを提供するように動作可能な陽電子放出断層（ＰＥＴ）スキャナ（１４０）をさらに備える請求項１または請求項２に記載のシステム（１００）。
4. 前記画像解析器（１２４）はさらに前記定量値を、対象の脳内のアミロイドプラーク濃度を決定することによって画像データから決定するように動作可能である、前記請求項のいずれかに記載のシステム（１００）。
5. 画像解析器（１２４）はさらに、画像データによって規定された画像内において対象内に存在する神経変性疾患のレベルをそこから決定するための基準領域を規定するように動作可能である、前記請求項のいずれかに記載のシステム（１００）。
6. 前記画像解析器（１２４）はさらに前記定量値を、脳白質内の物質取り込みに対する脳灰白質内の物質取り込みの比として決定するように動作可能である、前記請求項のいずれかに記載のシステム（１００）。
7. 前記画像解析器（１２４）はさらに前記定量値を、画像データ強度の脳内の所定の投影に沿った変化率として決定するように動作可能である、前記請求項のいずれかに記載のシステム（１００）。
8. 前記画像解析器（１２４）はさらに、画像データのクラス（または、複数のクラス）に応じて解剖学的標準化及び／または画像解析モードを自動的に選択するように動作可能である、前記請求項のいずれかに記載のシステム（１００）。
9. 対象の脳の３次元描出を作成するように動作可能なグラフィカルユーザインタフェース（ＧＵＩ）（１２３）をさらに備えると共に、該３次元描出は脳の領域内のそれぞれにおける物質の取り込みに従った領域のカラーコード化を含む、前記請求項のいずれかに記載のシステム（１００）。
10. 前記ＧＵＩ（１２３）はさらに表形式のデータを前記３次元描出とリンクさせるように動作可能である、請求項９に記載のシステム（１００）。
11. 対象内に存在する神経変性疾患の臨床的評価を支援するための方法（２００）であって、
    対象の脳を表す画像データを収集する工程（２２０）と、
    前記画像データから１つの定量値を決定する（２６０）ように画像データを解析する工程（２４０）であって、該定量値は対象の脳内に存在する神経変性疾患のレベルを意味している解析工程と、
    を含む方法（２００）。
12. 画像データを収集する前記工程（２２０）は、対象の脳の少なくとも一部に関してＰＥＴスキャンを実行する工程をさらに含む、請求項１１に記載の方法（２００）。
13. アミロイドたんぱくと選択的に結合する化学物質を備えた放射性トレーサ物質を患者に投与する工程をさらに含む請求項１２に記載の方法（２００）
14. 前記定量値は対象の脳内のアミロイド濃度として決定される、請求項１１〜１３のいずれか一項に記載の方法（２００）。
15. 画像データを解析する前記工程（２４０）は画像データによって規定された画像内に基準領域を規定するために確率マスクを利用する工程を含む、請求項１１〜１４のいずれか一項に記載の方法（２００）。
16. 画像データを解析する前記工程（２４０）は、物質の取り込みから前記定量値を脳灰白質内の取り込みの脳白質内の取り込みに対する比として決定する工程を含む、請求項１１〜１５のいずれか一項に記載の方法（２００）。
17. 画像データを解析する前記工程（２４０）は、前記定量値を脳内の所定の投影に沿った画像データ強度の変化率として決定する工程を含む、請求項１１〜１６のいずれか一項に記載の方法（２００）。
18. 画像データのクラス（または、複数のクラス）に応じて解剖学的標準化及び／または画像解析モードを自動的に選択する工程をさらに含む請求項１１〜１７のいずれか一項に記載の方法（２００）。
19. 解剖学的標準化の処理過程が、
    広域的位置合わせの実行、
    内側と外側の３Ｄ形状によって境界設定されたエリアでリジッドな位置合わせを用いることによって位置合わせを改良することであって、最終の位置合わせは広域的位置合わせとリジッドな位置合わせの組み合わせであり、かつ内側と外側の３Ｄ形状間のデータは局所的に改良したエリアと広域的位置合わせされたデータの間の平滑な遷移を作成するように補間されている位置合わせの改良、
    という２段階式方法で実行されている、請求項１１〜１８のいずれか一項に記載の方法（２００）。
20. アミロイドＰＥＴデータに対して解剖学的標準化を実行する工程であって、標準化空間内の単一対象ＭＲＩスキャンから基準テンプレートが取得されており、かつ最適化のために相互情報または正規化相互情報が用いられている解剖学的標準化の実行工程をさらに含む請求項１１〜１９のいずれか一項に記載の方法（２００）。
21. 前記単一対象ＭＲＩ基準テンプレートは、組織境界を保全するために異方性フィルタによってボケさせている、請求項２０に記載の方法（２００）。
22. １組の解剖学的領域内で算出された値の加重平均を少なくとも１つの基準領域内の対応する値で割り算した値としてアミロイド指標を算出する工程であって、各領域内の値はＶＯＩ解析及び／または強度プロフィール解析を用いて算出されているアミロイド指標算出工程をさらに含む請求項１１〜２１のいずれか一項に記載の方法（２００）。
23. 脳の領域内のそれぞれにおける物質の取り込みに従った領域のカラーコード化を含む対象の脳に対する３次元描出を作成する工程をさらに含む請求項１１〜２２のいずれか一項に記載の方法（２００）。
24. 対象内に存在する神経変性疾患の有無に関する指示、定量値、対象内に存在する神経変性疾患の有無に関する定量的指示、患者情報、日付、時刻、元の患者スキャンの画像、請求項１１〜２２のいずれか一項に記載の方法の結果の処理済み画像、計測値を伴うテーブル、ＶＯＩ結果、アミロイド指標、並びに任意の知見について健常のパラメータレンジの域内に属するか否かに関するステートメントのうちの１つまたは幾つかを含んだレポートを作成する工程をさらに含む請求項１１〜２３のいずれか一項に記載の方法（２００）。
25. 前記請求項１１〜２４のいずれか一項に記載の方法（２００）の工程のうちの１つまたは幾つかを実現するためのデータ処理装置（１２０）を構成するように動作可能なコンピュータコードを含むコンピュータプログラム成果物（１４４）。
26. 運搬媒体（１４２）上に設けられている請求項２５に記載のコンピュータプログラム成果物（１４４）。
27. 前記運搬媒体（１４２）は、磁気ディスク、磁気テープ、光ディスク、電子信号、光学信号、無線周波数信号及び半導体デバイスのうちの１つまたは幾つかを含む、請求項２６に記載のコンピュータプログラム成果物（１４４）。