JP4319031B2

JP4319031B2 - 対象のセグメンテーション方法及び装置

Info

Publication number: JP4319031B2
Application number: JP2003525798A
Authority: JP
Inventors: スチュワートヤング; ヴラディミアぺカー; ユエルゲンウィーセ
Original assignee: Koninklijke Philips NV; Koninklijke Philips Electronics NV
Current assignee: Koninklijke Philips NV
Priority date: 2001-09-06
Filing date: 2002-08-29
Publication date: 2009-08-26
Anticipated expiration: 2022-08-29
Also published as: JP2005502139A; US20030056799A1; US7043290B2; EP1430443A2; WO2003021532A2; WO2003021532A3

Description

本発明は、選択された領域において対象に沿った経路を抽出することによる２次元又は３次元画像データセットにおける前記対象のセグメンテーション方法及び装置に関する。更に、本発明は、コンピュータプログラムプロダクトに関する。

磁気共鳴血管撮影（ＭＲＡ）画像は、動脈狭窄及び動脈瘤のような血管疾患の診断用の重要な情報を提供する。血管内の半減期を延ばしているＭＲ血液プール造影剤の最近の進歩は、脈管系の高解像度、高コントラスト３次元画像の収集を可能にする。

血管経路の視覚化は、どんな潜在的な問題でも迅速な信頼できる事前評価を可能にするためには非常に重要である。最も一般的な視覚化方法は、最大値投影（ＭＩＰ）を構築することである。しかしながら、血液プール造影剤を用いると、より高い解像度を達成するために必要なより長いスキャン時間は、造影剤拡散の定常状態の間のイメージングを必要とする。従って、動脈及び静脈の両方の画質が向上され（enhanced）、診断的に重要な情報（典型的には狭窄が起こる動脈）は、前記ＭＩＰにおいて完全に又は部分的に隠されるかもしれない。

血管領域に属するボクセルを選択するために幾つかのアプローチが行われる。血管の画質向上（vessel enhancement）のための広まっているアプローチは、へシアン行列の固有値解析に基づく、マルチスケール方向選択フィルタを使用するものであり、例えば、”Model-based quantitation of 3D magnetic resonance angiographic images”, A. Frangi et al., IEEE Transactions on medical imaging, Vol. 18, No. 10, October 1999から既知である。ここで、線状の血管セグメントが、血管壁表面に結合された中心血管軸曲線を用いてモデル化される。経路は、画像の等値面（iso-surface）を横切る最短経路を使用して開始される。しかしながら血管選択のためのフィルタに基づくアプローチの重大な制限は、血管構造を規定するのに必要とされる全てのボクセルが、フィルタの基準を満たすわけではなく、特に、構造の分岐点に近いピクセルが満たさない。他方で、血管に属さないピクセルも、例えば２つの近くの血管構造の間の領域において、フィルタに基づくアプローチで選択されてもよい。

また、他の対象、特に、医療画像データセットにおける骨又は気道のような解剖学的構造の視覚化、及びベッセルツリー（vessel
tree）のような２次元データセットにおける視覚化のために、対象のセグメンテーション方法が、しばしば適用される。

従って、本発明の目的は、画像データセットにおける対象を正確に及び自動的にセグメント化する方法及び装置を提供することである。

この目的は、請求項１に記載のセグメンテーション方法により達成され、前記方法は、
ａ）第１アクティブポイントとして経路の開始点を選択するステップと、
ｂ）前記開始点のまわりの第１アクティブセクションにおいて対象に適合可能モデルを適合させるステップと、
ｃ）選択された領域の次の点を発見するステップであって、
ｃ１）前記アクティブポイントの前記適合されたモデルの幾何学モデルパラメータを前記アクティブポイントの複数の隣接点にコピーするステップと、
ｃ２）前記コピーされたモデルパラメータを使用して前記複数の隣接点の各々の周りでモデルを傾け、前記モデルに基づいて前記隣接点の各々のまわりの最も近い対象点を探索するステップと、
ｃ３）各隣接点に関して発見された前記対象点に対して前記モデルを適合するステップと、
ｃ４）前記適合されたモデルが、前記対象に最も良く合うような前記隣接点を、前記選択された領域の次の点として及び次のアクティブポイントとして選択するステップと、
により発見する当該ステップと、
ｄ）前記経路の終点又は所定数の反復が達成されるまでステップｃ）を繰り返すステップと、
を有する。

本発明によると、ユーザは、前記経路が抽出されるべき前記選択された領域の第１アクティブ領域における第１アクションポイントとして開始点を選択する。好ましくは、終点も選択される。従って、関心のある対象が確認され、次いで自動的にセグメント化されるので、必要ならば画像から削除されることができる。前記セグメンテーションのために、優先順位をつけた領域拡張法（prioritized region growth）が使用され、ここで、反復的にボクセル／ピクセルは、モデル適合及び前記モデルが前記対象に最も良く合う点の選択に基づいて選択された領域に加えられる。本発明による前記方法は、従って、前記経路の以前の点のまわりで適合された前記モデルが、まず全ての隣接点にコピーされる間に、前記対象に沿った前記経路の点を発見するための反復アルゴリズムを有する。その後は、各隣接点に対して、前記モデルは、最も近い対象点を発見することにより前記対象に適合される。どの隣接点のどのモデルが前記対象に最も良く合うかの前記選択に基づき、前記隣接点からの前記経路の次の点が選択される。

前記優先順位をつけた領域拡張の間に、幾何学モデルパラメータ、例えば前記モデルの半径又は断面パラメータは、未だにパラメータ推定値を持たない隣接点に伝達される。第１ステップにおいて、これは、全ての隣接点を意味するが、しかし後のステップにおいては、前記隣接点の幾らかは、既にパラメータ推定値を持つだろう。

本発明による前記方法により、前記対象の境界は、正確に確認されることができる。更に、特に血管画像において、静脈及び動脈の経路が、しばしばすぐそばにあるので、適切な幾何学的モデルの使用によって、非常に近い別々の構造を区別することが可能であるので、これにより解剖学的に接続された経路のみが選択される。更に、前記方法は、様々なスケールにわたる対象を検出することができ、血管又は気道のような対象の幅は、著しく異なることができるので、このことは重要である。

本発明の好ましい実施例は、従属請求項に含まれる。前記目的は、また、請求項１２に記載のセグメンテーション装置によっても達成され、前記装置は、
ａ）第１アクティブポイントとして経路の開始点を選択する開始点選択手段と、
ｂ）前記開始点のまわりの第１アクティブセクションにおいて対象に適合可能モデルを適合する第１適合手段と、
ｃ）前記選択された領域の次の点を発見する経路抽出手段であって、
ｃ１）前記アクティブポイントの前記適合されたモデルの幾何学的モデルパラメータを前記アクティブポイントの複数の隣接点にコピーするコピー手段と、
ｃ２）前記コピーされたモデルパラメータを使用して前記複数の隣接点の各々のまわりにモデルを傾け、前記モデルに基づいて前記隣接点の各々のまわりで最も近い対象点を探索する探索手段と、
ｃ３）各隣接点に関して前記発見された対象点に対して前記モデルを適合する第２適合手段と、
ｃ４）前記適合されたモデルが、前記対象に最も良く合う前記隣接点を、前記選択された領域の次の点として、及び次のアクティブポイントとして選択する隣接選択手段と、
により発見する当該経路抽出手段と、
ｄ）前記経路の終点又は所定数の反復が達成されるまで手段ｃ）を繰り返す制御手段と、
を有する。

本発明は、更に、医療画像データを収集する手段と、請求項１３によるセグメンテーション装置を含む前記画像データを処理する手段とを有し、医療画像データを収集及び処理する装置、特に、磁気共鳴装置、コンピュータ断層撮影装置、Ｘ線装置、又は超音波装置に関する。更に、本発明は、コンピュータプログラムプロダクトに関し、前記コンピュータプログラムプロダクトは、コンピュータ上で実行される場合に、コンピュータに請求項１に記載の方法のステップを実行させるコンピュータプログラム手段を有する。これらの装置及び前記コンピュータプログラムプロダクトは、更に開発されることができ、請求項１を参照する従属請求項に含まれる実施例と同様な実施例を持つことができると理解されるべきである。

どのモデルが前記対象に最も良く合うか、即ち前記隣接点のどれが前記経路の前記次の点であるかの前記選択のために、距離尺度が、前記対象と前記モデルとの間の距離に基づいて使用される。従って、前記モデルの表面からの法線に沿った前記発見された対象点までの距離が形成され、前記法線に沿った前記距離は、各モデルに関する距離尺度を形成するように処理される。この距離尺度は、勾配尺度（円柱表面を横切る勾配の和）と組み合わされ、最小の組み合わされた尺度を持つモデルが選択される。対応する前記隣接点は、前記選択された領域に加えられるべき次の点として選択されるだろう。

新しい隣接点のまわりの前記モデルに最も近い画像データセットにおいて対象点を発見するためには、前記画像データセットにおける画像値の勾配が使用される。特に医療画像において、血管又は気道のような対象は、境界において、周囲の組織のグレー値と比較して高い勾配を示す。

一般に、本発明は、表面をセグメント化するために使用されることもできる。従って、前記表面は、適合可能モデルとして前記表面に沿った面を使用することにより、及び前記面を前記表面に適合されることにより抽出される。

本発明の好ましい応用は、上述されたように、医療画像における対象のセグメンテーションの分野に存在する。好ましくは、血管、骨及び気道のような管状の対象が、３次元医療画像データセットにおいてセグメント化されることができる。前記開始点は、この場合、前記管状の対象内で選択され、前記オブジェクト内の前記経路が抽出されることができ、前記経路は、主に前記管状の対象の中心線をたどる。

一般に、どんな種類の３次元モデルでも、３次元画像データセットにおける対象をセグメント化するときに使用されることができる。本発明を管状の対象のセグメンテーションに適用する場合、円柱モデルが有用であることが示され、前記円柱の断面は、円形、楕円形、又はセグメント化されるべき前記管状の対象の断面に更に近いかのどれかである。

このような円柱モデルを使用する場合、領域拡張法の第１ステップにおいて、前記円柱モデルのパラメータが、前記経路の前の点の隣接点全てにコピーされるときに、好ましくは、前記円柱モデルの方向及び半径は、全く同じ円柱モデルが各隣接点のまわりに配置されるように、各隣接点にコピーされる。このような円柱モデルに最も近い対象点を発見した後に、前記円柱モデルは、この場合、前記円柱モデルの前記方向及び前記半径を前記検出された対象点に従って適合することにより前記対象に適合される。

本発明によると、境界の応答（boundary response）に基づく円柱モデルは、領域拡張の間に優先機能として直接組み込まれ、前記セグメンテーションの増加された精度に導く。前記経路を完全に抽出した後に、この場合、選択された血管セグメントに対する単一の変形可能モデルを作成するために全てのモデルを組み合わせることにより前記モデルを調整し、次いで、特に前記表面上にメッシュを使用し、既知の方法を使用して前記対象に前記メッシュを適合することにより前記表面を調整することが可能である。

好ましくは、前記経路は、前記選択された領域の全ての選択された点から、前記選択された点が前記選択された領域に加えられた順番に前記点をたどることにより再現される。

本発明は、ここで図面を参照してより詳細に説明されるだろう。

図１に示されるフローチャートは、本発明によるセグメンテーション方法の主要なステップを図示する。第１ステップS1において、ユーザは、セグメント化されるべき対象に沿った経路に対する開始位置を選択し、また、これによりセグメント化されるべき前記対象を示す。前記開始位置は、選択された領域内の第１アクティブポイントとして使用される。第２ステップS2において、適合可能モデル、例えば適合可能な半径及び方向を持つ適合可能な幾何学的な基本円柱モデルが、前記開始点のまわりに配置され、前記対象に適合される。適合のために、しばしば特徴点とも称される対象点は、前記開始点のまわりで探索されるので、前記モデルは、局所的な輝度分布と可能な限り良く適合する。

前記選択された領域の次の点を発見するために、幾つかのステップS3ないしS11を有する反復アルゴリズムが実行される。

ステップS3ないしS10を有する再帰において、モデルは、前記第１アクティブポイントの各隣接点に適合されるべきである。前記再帰の第１ステップS3は、前記再帰が完了されるか、即ちモデルが、前記第１アクティブポイントの全ての隣接点に適合されているかを確認する。この場合には、全ての前記隣接点から前記選択された領域の前記次の点が選択されるステップS9にジャンプされる。もし依然として全ての隣接点が、ステップS4において行われたわけではないならば、モデルが適合されるべき次の隣接点が選択される。この後、ステップS5において、前記選択された隣接点が、まわりにモデルを配置するための幾何学的パラメータを既に持つか否かが、確認される。もし前記隣接点が既にパラメータを持つならば、ステップS7に向けてジャンプが行われるが、他の場合には、前記第１アクティブセクション、即ち前記開始点（前記第１アクティブポイント）のまわりのセクションの前記適合されたモデルの前記パラメータが、現在の隣接点にコピーされる。円柱を使用する場合、前記モデルは、長さ、半径及び軸方向を特徴とする。隣接点のまわりで、このように全く同じモデルが、前記アクティブポイントからコピーされた前記パラメータを使用して配置される。

ステップS7において、最も近い対象点が、前記現在の隣接点について探索される。発見された対象点に基づき、ステップS6において前記隣接点のまわりに配置されたモデルは、ここで、前記発見された対象点に適合され、即ち、前記モデルのサイズ及び方向は、前記モデルが、前記現在の隣接点に関して発見された前記対象点に対して可能な限り良く適合されるように適合される（ステップS8）。現在のアクティブポイントの全ての隣接点に対してこれらのステップを繰り返すために、前記アルゴリズムは、ステップS3にジャンプして戻る。

もし全ての隣接点に対して、各隣接点が個々のモデルを持つようにモデルが適合されていれば、前記隣接点は、前記対象に最も良く合う前記個々のモデルに基づいて前記選択領域の次の点として選択される（ステップS9）。前記選択された隣接点は、この場合、次のアクティブポイントとして使用され、もし−ステップS10における決定の否定の結果の後に−前記アルゴリズムが、前記選択された領域内の連続した次の点を探すためにステップS3を続けるならば、前記隣接点のまわりのセクションは、次のアクティブセクションとして使用されるであろう。

もし終点が到達されているならば、又はもし前記再帰的アルゴリズムの所定数の反復が行われていれば、ステップS10の質問は、肯定の結果を与えるので、前記セグメンテーション方法は、最後のステップS11を続け、ここで、前記選択された領域内の全ての点が、発見された順に組み合わされ、従って前記対象に沿った前記経路を与える。前記点の全ての適合されたモデルは、この場合、組み合わされ、前記モデルの前記表面上のメッシュ、特に既知の方法を使用して前記対象により近く調整されることができる三角形のメッシュを使用して調整されることができる。得られたセグメンテーションデータは、この場合、もし前記対象が、３次元画像データセットに含まれるが、最大値投影像においては見えないその他の情報を隠すならば、前記３次元データセットから得られる最大値投影像から前記対象を削除するのに使用されることができる。

本発明による前記方法は、関心のある対象の選択の後に、前記対象が自動的にセグメント化され、削除されるように実行されることができる。マルチスケールフィルタリングを使用する既知の方法と比較して、本発明による前記方法は、セグメンテーションの間に増加された精度を達成するので、最後の画像は、より高画質を持ち、前記対象が不正確にセグメント化される確率は、著しく減少される。

本発明による前記方法の特定のステップは、ここで、円柱モデルを使用して磁気共鳴血管撮影に対する最大値投影像における血管のセグメンテーションを示す特定の例の使用により図示されるだろう。動脈及び静脈は、しばしば最大値投影画像において完全に又は部分的に隠されるので、しばしば前記投影画像から削除するためにどちらかを選択する必要がある。典型的には、狭窄は動脈において起こるので、静脈がセグメント化され、削除されるべきである。主要なステップは、この後説明されるだろう。

図２は、本発明による前記セグメンテーション方法の前記主要なステップを概略的に図示する。図２ａは、どのように適合可能円柱モデル3が、血管1（前記対象）の境界に従って血管1内に適合されるかを示す。一連のこのような適合の後、最も良く合うモデルを持つ点は、関連した半径及び方向の推定値と一緒に、経路2を得るために抽出されることができる。これは図２ｂに図示される。図２ｃは、最後のセグメンテーションを調整するために変形されることができる円柱モデル3からの情報を使用して構築されたメッシュ4を示す。これは、経路2が完全に抽出され、全ての円柱モデル3が発見され、対象1に適合された後に、円柱モデル3を前記対象に更に適合するために行われる。結果として、対象1に関するセグメンテーションデータが得られる。

図３は、円柱モデル3の適合を図示する。管状の対象1、即ち血管1内で選択された開始点5があると仮定すると、開始セクション内の開始点5（第１アクティブポイント）のまわりに配置された最初の円柱モデル30は、血管1の境界17に適合される。適合された円柱モデル40の長さ、半径及び方向は、最初の円柱モデル30から始め、円柱モデル30の表面上の法線6に沿って探索することにより、対象点11ないし16を探索することにより発見される。対象点11ないし16は、特に、血管1の境界17の中又は外の組織の画像値の勾配と比較して、画像データセットの画像値、即ちグレー値の勾配における著しい増加を特長とする。このような対象点11ないし16が発見される場合、最初の円柱モデル30は、このような対象点11ないし16に可能な限り良く合うように適合され、結果として適合された円柱モデル40を生じる。このような適合ステップは、この後、前記選択された領域内の次の点を発見するために、前記再帰的アルゴリズムの間にも使用される。

図４ないし６において、前記選択された領域内の前記次の点を発見するステップ（図１におけるステップS3ないしS9）は、例証のためのみに２次元において図示されるべきであるが、現実には、前記円柱は３次元において適合される。パラメータセットP₄₀を持つ、適合された円柱モデル40が既に発見されているような開始点5から開始して、隣接点51ないし58の１つが、前記経路の次の点として選択されなければならない。初めに、適合された円柱40のパラメータP₄₀は、全ての隣接点51ないし58にコピーされ、各隣接点51ないし58のまわりで、全く同じ円柱が配置され、即ち、隣接点51ないし58の各々のまわりに配置された円柱モデル31ないし38（図示されていない）に関するパラメータセットP₃₁ないしP₃₈は、開始点5のまわりに配置された円柱モデル40のパラメータセットP₄₀と全く同じである。

図５に示される次のステップにおいて、パラメータセットP₃₁ないしP₃₈は、元の全く同じ円柱モデル31ないし38を前記対象に適合されている適合された円柱モデル41ないし48に変換することにより、パラメータセットP₄₁ないしP₄₈に更新される。円柱モデル31ないし38の適合の前に、各隣接点51ないし58が最も近い対象点を発見し、これにより円柱モデル31ないし38がこのような対象点に適合されることができるようにする必要があることに注意すべきである。

図６は、図３に示される例を使用して前記ステップを図示する。寸法及び距離が示差性を向上させるためにスケールされていないことに注意すべきである。現実には、隣接点の間の距離は、はるかに小さい。

適合された円柱モデル50と一緒にある開始点5及び全ての隣接点51ないし58が示される。上述されたように、各隣接点51ないし58のまわりに、円柱モデル40と全く同じ円柱モデル31ないし38が示される。単純にするため、隣接点52のまわりの１つの円柱モデル32のみが示される。次に、円柱モデル31ないし38の各々に対し、円柱モデル31ないし38の表面に直交する方向における対象1の表面17の最も近い対象点が探索される。例として円柱モデル32を使用すると、一方で（図面の左側）対象1の表面17に沿った対象点11、12及び13が発見されるが、他方で（図面の右側）対象点は発見されないことを見ることができる。これは、対象1の外側に位置する隣接点51、52、53、55、56及び57のまわりの円柱モデル31、33、35、36及び37に関して同様であろうが、対象1の内部に配置されたそれぞれ隣接点54及び58のまわりに配置された円柱モデル34及び38に関しては異なるであろう。円柱軸と垂直な全ての方向におけるこれらの円柱モデル34及び38に対し、対象点、例えば隣接点58のまわりの円柱モデル38に対する対象点21ないし26が、発見されることができる。

次に、最初の円柱モデル31ないし38が、各円柱モデルに関して発見された対象点を使用して前記対象に適合され、即ち前記円柱モデルのサイズ及び方向が、各円柱モデルを前記発見された対象点に可能な限り良く合うように変えられる。これは、例示的な円柱モデル42、47及び48の態様により図示される。円柱モデル42は、半径及び最終的には方向を変えることにより対象点11、12及び13に合わせられ、円柱モデル47は、対象点24、25及び26に可能な限り良く合わせられ、円柱モデル48は、半径を修正するだけではなく、前記隣接点のまわりの前記方向をも修正することにより対象点21ないし26に対して合わせられる。直ちに見られることができるように、円柱モデル48は、抽出されるべき前記経路が、隣接点58の方向に行くべきであり、隣接点54の方向であるべきではないという条件で、対象1に最も良く合う。

適合されたモデル41ないし48のどれが前記対象に最も良く合うのかを決定する尺度として、距離尺度が好ましくは使用される。前記適合された円柱モデルの各々に関して、前記適合された円柱モデルと、対応する前記発見された対象点との間の前記円柱軸に垂直な方向における距離が、測定される。このような距離、例えば円柱モデル48に関する距離d₂₁ないしd₂₆は、この場合、例えば前記距離の平均平方根を計算することにより、前記円柱モデルに関する距離尺度を決定するのに使用される。円柱モデル41ないし43及び55ないし57に関して、前記円柱軸に垂直な全ての方向において対象点が発見されるわけではないので、十分な距離が決定されることができないので、このような円柱モデルに関する距離尺度は、計算されることができないか、又は非常に高いと仮定され、これにより対応する隣接点51ないし53及び55ないし57が、前記経路に沿った一点になることから自動的に除外される。前記経路に沿った次の点として、最小距離尺度を持つ隣接点58が、選択される。この後、前記同じ再帰的アルゴリズムは、終点が到達されるまで、又は前記再帰的アルゴリズムの所定数の反復が完了されるまで、次のアクティブポイント58の全ての隣接点から前記経路に沿った次の点を発見するために使用される。

対象点検出の後、円柱パラメータは、以下のように更新されることができる。新しい軸方向は、同じ動径方向に対する前記円柱の向かい合う端における対象点の間の全てのベクトルにわたる平均方向として決定されることができる。前記円柱の前記更新された半径は、この場合、前記対象点の前記更新された軸に対する平均垂直距離として計算されることができる。

血管内部の経路の点を抽出する基準として前記血管をセグメント化する本発明の特定の応用において、前記適合された円柱モデルに関する血管性の応答（vesselness response）は、前記対象点と前記適合された円柱表面との間の残りの距離、及び特定のパラメータが対応する項に対する表面の発展の感度を制御する速度関数を導く独特の特性強度を使用して規定されることができる。

記述された前方伝播アプローチは、単純な局所構造が繰り返されて、より大きな複雑なパターンを形成する血管構造を選択するのに適している。最初の方向パラメータは、前記開始点において徹底的な探索によって推定され、次いで境界セットに移動される（３次元画像データセットにおける）ボクセルとして伝播され、時間が計算されるたびに更新される。経路は、この場合、点が加えられる順を追うことにより前記開始点と終点との間に構築されるだろう。

図７は、どのように幾つかの点5aないし5fが、この後に前記対象に沿った前記経路を形成するために抽出されるかを示す。図８は、抽出された経路を示す。点5, 5a, 5b,...,5fのまわりに、適合された円柱モデル60, 71ないし76と、開始点5を除く全ての点に関して、パラメータがそれぞれの前の点5ないし5dの円柱モデル60ないし64からコピーされた適合されていない円柱モデル61ないし66とが、示される。前記対象は、典型的にはボクセル間隔より大幅に大きいこと、及び示されたステップより更に多くの中間ステップがあることに、再び注意すべきである。しかしながら、隣接ボクセルの個々の円柱が著しく重なるので、これらの中間ステップは、容易に図示されることができない。

本発明によると、優先順位をつけられた領域拡張法によって抽出された中心線は、血管体積を再構築するために使用される。もし円柱に基づく速度関数が使用されるならば、方向及び半径の推定値は直接入手可能であり、さもなければ円柱モデルは、これらの推定値を回復するように適合された前記経路に沿った向きを定め得る。しかしながら、血管の断面プロファイルは、しばしば円形からはずれる。視覚化アプリケーションは、最大値投影像において残りの領域が表れるのを避けるために、血管壁の正確な検出を必要とする。従って、好ましくは変形可能モデルが、前記セグメンテーションを調整するように適合されることができる前記中心線及び半径の推定値を使用して構築される。

血管境界推定値は、例えば、画像特性に従って適合され、同時に変形において形状に基づく束縛をかける三角形に分割されたメッシュを使用して表されることができる。前記メッシュは、前記経路に沿った離散的なステップに一組のディスクを配置することにより形成される。各ディスクの半径及び方向は、前記ディスクの近傍内の全ての点に対して入手可能な推定値の平均として決定される。各ディスクの円周のまわりの一組の点が、この場合、前記三角形に分割されたメッシュを規定するために使用される。

選択されたメッシュ適合方法は、基礎をなす三角形構造を維持し、過度の変形を避けるために案内形状モデルとして初期化構成を使用する。適合は、上述された前記対象点検出と類似した表面検出からなる反復的な手順であり、エネルギ関数の最小化が後に続く。前記エネルギは、外部の画像に関するエネルギと、内部の形状に関する項とから構成され、ここで各項の相対的な影響力が重み付けされる。前記外部エネルギは、前記表面点に向けて前記メッシュを引きつける。前記内部エネルギは、隣接メッシュ頂点の間の差分ベクトルの変化に関して規定され、最初の形状からの大きなずれを不利にする。エネルギ最小化は、共役勾配法を使用する。

本発明は、表面8のセグメンテーションのために適用することもできる。これは、図９に図示される。ここで、単純にするため２次元断面に概略的に示される面E0ないしE3は、表面8に適合されるべきモデルとして使用される。面E0が表面8に適合される開始点80から開始して、面E0のパラメータは、全く同じ面（図示されない）が配置される全ての隣接点81, 82, 83にコピーされる。このような面に基づき、最も近い対象点、即ち表面8上の点は、前記面に垂直な方向において探索される。発見された前記対象点を使用して、隣接点81, 82, 83を通る最初の面は、この場合、適合され、結果として示された適合された面E1, E2, E3になる。これらの適合された面E1, E2, E3に基づき、前記面と表面8との間の距離は、この場合、前記面に垂直な方向において決定され、各隣接点81, 82, 83に関する距離尺度が計算される。図９において直ちに見られることができるように、隣接点81は、最小距離尺度を持ち、従って前記選択された領域内の次の点として及び前記領域内の前記次の点を発見するための次の開始点として隣接点81の選択に導く。

本発明によるセグメンテーション装置を含む医療イメージング装置が、図１０に示される。ここで、画像収集手段91が、関心のある対象90の医療画像を収集するために使用され、ここで前記関心のある対象は、血管造影画像データが得られるべき患者であってもよい。画像収集手段91は、磁気共鳴、コンピュータ断層撮影、Ｘ線、又は超音波のようなどんな種類の医療イメージングモダリティを含んでもよい。前記収集された画像データは、この場合、セグメンテーションユニット94と後処理ユニット95とを含む画像処理手段92に入力される。得られた画像データは、この場合、ディスプレイ93に表示されることができる。

上述されたようなセグメンテーション方法は、セグメンテーションユニット94により実行されるだろう。前記ユニットは、前記経路の開始点を選択する開始点選択ユニット941と、前記開始点のまわりの第１アクティブセクションにおいて前記対象に適合可能モデルを適合する第１適合ユニット942とを含む。経路抽出ユニット943は、この後、前記経路に沿って全ての点を抽出するために使用される。ユニット943は、前記開始セクションの前記適合されたモデルの幾何学的モデルパラメータを前記開始点の複数の隣接点、特に現在のパラメータを持たない点にコピーし、前記コピーされたパラメータを使用して前記隣接点の各々のまわりにモデルを傾けるコピーユニット945と、前記モデルに基づいて各隣接点のまわりで最も近い対象点を探索する探索ユニット946と、各隣接点に関して前記発見された対象点に対して前記モデルを適合する第２適合ユニット947と、前記選択された領域内の次の点として、及び次のアクティブポイントとして、前記モデルが前記対象に最も良く合う前記隣接点を選択する隣接選択ユニット948とを含む。加えて、終点又は反復回数が達成されるまで前記セグメンテーション方法を制御する制御手段944が設けられる。もし前記経路の抽出が終了されるならば、後処理ユニット95において、前記得られた適合されたモデルは、上述されたようにメッシュを使用して調整されることができ、前記セグメント化された対象は、前記画像データセット、例えば最大値投影像において、以前は前記セグメント化された対象により隠されていた対象を見えるようにするために、必要ならば前記最初の画像データセットから取り除かれることができる。

本発明は、特定の応用として血管セグメンテーションを使用することにより説明されている。しかしながら、本発明はこのような応用に制限されない。本発明は、気道、骨、又は好ましい、より一般的な管状の対象のような他の対象をセグメント化するために適用されることもできる。

本発明は、更に、他の幾何学的プリミティブ、例えば面の使用によって、２次元若しくは３次元画像データセット、又は他の対象におけるセグメンテーションに適用されることができる。前記円柱モデルの場合には、本発明を使用することは、最後にはより高い画質及び信頼性に導く増加された精度を提供することを示されている。

本発明は、前記領域に含む点の選択が、幾何学的形状プリミティブ（又はモデル）に対する“適合の良さ”応答に基づいて達成される、優先順位をつけた領域拡張法を使用する。前記領域内の各点は、関連した形状モデルを持つ。モデルパラメータは、前記選択された領域から他の境界点（選択されていないが、前記選択された領域に接する）まで、これらの点におけるパラメータに対する最初の推定値として伝播され、前記推定値は、その後、特徴探索及び新しい特徴点を使用するモデル適合によって更新される。パラメータ更新ステップ中のモデル適合の後、前記“適合の良さ”尺度は、前記適合されたモデルと前記抽出された特徴点とを比較することにより得られることができる。

本発明による方法のフローチャートを示す。前記方法の主要なステップを図示する。前記方法の主要なステップを図示する。前記方法の主要なステップを図示する。円柱モデル適合を示す。優先順位をつけた領域拡張法の第１ステップを示す。優先順位をつけた領域拡張法の他のステップを示す。経路の次の点を発見するステップを図示する。本発明による領域拡張法を示す。経路に沿った円柱モデルの適合を示す。表面のセグメンテーション方法の使用を図示する。本発明による医療イメージング装置を示す。

Claims

選択された領域における対象に沿った経路を抽出することによる２次元又は３次元画像データセットにおける前記対象のセグメンテーション方法であって、
ａ）第１アクティブポイントとして前記経路の開始点を選択するステップと、
ｂ）前記開始点のまわりの第１アクティブセクションにおいて適合可能モデルを配置し、前記対象に前記適合可能モデルを適合させるステップと、
ｃ）前記選択された領域の次の点を発見するステップであって、
ｃ１）前記アクティブポイントの前記適合されたモデルの幾何学モデルパラメータを前記アクティブポイントの複数の隣接点にコピーするステップと、
ｃ２）前記複数の隣接点に同じ適合可能モデルを配置し、前記コピーされたモデルパラメータを使用して前記複数の隣接点の各々の周りで前記モデルを傾け、前記モデルに基づいて前記隣接点の各々のまわりの最も近い対象点を探索するステップと、
ｃ３）各隣接点に関して発見された前記対象点に対して前記モデルを適合するステップと、
ｃ４）前記適合されたモデルが、前記対象に最も良く合うような前記隣接点を、前記選択された領域の次の点として及び次のアクティブポイントとして選択するステップと、
により発見する当該ステップと、
ｄ）前記経路の終点又は所定数の反復が達成されるまで前記ステップｃ）を繰り返すステップと、
を有する方法。
どのモデルが前記対象に最も良く合うかという前記ステップｃ４）における前記選択は、前記対象と前記モデルとの間の距離の距離尺度に基づくことを特徴とする、請求項１に記載の方法。
前記ステップｃ２）における前記対象点の前記探索は、前記画像データセットにおける前記モデルの表面の法線方向における画像値の勾配に基づくことを特徴とする、請求項１に記載の方法。
最も近い前記対象点が、各隣接点にコピーされた方向に垂直な方向において探索されることを特徴とする、請求項１に記載の方法。
前記方法が表面のセグメンテーションのために使用され、前記表面に沿った前記経路を抽出するために、面が適合可能モデルとして使用されることを特徴とする、請求項１に記載の方法。
前記方法が、３次元画像データセットにおける管状の対象、特に、３次元医療画像データセットにおける血管、骨、気道のような管状の医療対象のセグメンテーションに使用され、このような管状の対象の内部の前記経路を抽出するために、３次元適合可能モデルが使用されることを特徴とする、請求項１に記載の方法。
円柱モデルが前記適合可能モデルとして使用されることを特徴とする、請求項６に記載の方法。
前記ステップｃ１）において、前記円柱モデルの方向及び半径が、各隣接点にコピーされ、前記コピーされた方向及び半径を持つ円柱モデルが、前記各隣接点のまわりに配置されることを特徴とする、請求項７に記載の方法。
前記方法が、磁気共鳴血管撮影における血管のセグメンテーションに使用され、特に、最大値投影像から前記セグメント化された血管を取り除くために使用されることを特徴とする、請求項１に記載の方法。
前記抽出された経路に沿った前記適合されたモデルが、前記セグメンテーションの調整のために前記モデルの表面上のメッシュを使用して結合及び／又は調整されることを特徴とする、請求項１に記載の方法。
前記経路は、前記選択された領域の全ての選択された点から、前記点が前記選択された領域に加えられる順に前記点をたどることにより再現されることを特徴とする、請求項１に記載の方法。
選択された領域における対象に沿った経路を抽出することによる２次元又は３次元画像データセットにおける前記対象のセグメンテーション装置であって、
ａ）第１アクティブポイントとして前記経路の開始点を選択する開始点選択手段と、
ｂ）前記開始点のまわりの第１アクティブセクションにおいて適合可能モデルを配置し、前記対象に前記適合可能モデルを適合する第１適合手段と、
ｃ）前記選択された領域の次の点を発見する経路抽出手段であって、
ｃ１）前記アクティブポイントの前記適合されたモデルの幾何学的モデルパラメータを前記アクティブポイントの複数の隣接点にコピーするコピー手段と、
ｃ２）前記複数の隣接点に同じ適合可能モデルを配置し、前記コピーされたモデルパラメータを使用して前記複数の隣接点の各々のまわりで前記モデルを傾け、前記モデルに基づいて前記隣接点の各々のまわりで最も近い対象点を探索する探索手段と、
ｃ３）各隣接点に関して前記発見された対象点に対して前記モデルを適合する第２適合手段と、
ｃ４）前記適合されたモデルが、前記対象に最も良く合う前記隣接点を、前記選択された領域の次の点として、及び次のアクティブポイントとして選択する隣接選択手段と、
により発見する当該経路抽出手段と、
ｄ）前記経路の終点又は所定数の反復が達成されるまで前記手段ｃ）を繰り返す制御手段と、
を有する装置。
医療画像データを収集する手段と、請求項１２に記載のセグメンテーション装置を含む前記画像データを処理する手段とを有する、医療画像データを収集及び処理する装置、特に、磁気共鳴装置、コンピュータ断層撮影装置、Ｘ線装置、又は超音波装置。
コンピュータ上で実行される場合に、前記コンピュータに請求項１に記載の前記方法の前記ステップを実行させるコンピュータプログラム手段を有するコンピュータプログラムプロダクト。