JPH0824247A

JPH0824247A - 内臓器官の複数画像フレームを使用した生体内における内臓器官輪郭抽出方法

Info

Publication number: JPH0824247A
Application number: JP6160378A
Authority: JP
Inventors: Eichi Shiihan Furoorensu; エイチ．シーハンフローレンス; Emu Hararitsuku Robaato; エム．ハラリックロバート; Rii Chiyannkiyuu; リーチャン−キュー
Original assignee: GUTSUDOMAN KK
Current assignee: GUTSUDOMAN KK
Priority date: 1994-07-12
Filing date: 1994-07-12
Publication date: 1996-01-30
Anticipated expiration: 2012-07-23
Also published as: JP2632501B2

Abstract

(57)【要約】【目的】左心室輪郭を抽出するために一連の画像フレ
ームから得た画像データを自動的に評価して、医師は心
臓の生理学的欠陥をより速く診断できる。【構成】一連の画像は、各画像フレームの各画素に対
する濃度値を同定するディジタルデータに変換される(1
00) 。左心室領域の初期推定(102) は、手動で抽出した
別の個体の心臓の左心室の輪郭を処理することによって
得た、あらかじめ決められていた事前パラメータに基づ
いて、確率を用いて行われる。左心室領域の初期推定(1
04) は、別の個体の心臓の手動抽出輪郭から決定される
学習データから得られた動態制約を用いて改善される(1
06) 。左心室領域が推定され、左心室の心尖付近の領域
についてさらに正確な左心室境界線を得るために、包括
的形状制約の適用し(110) 、左心室領域の座標が抽出さ
れる。最後に、推定された左心室境界線査定はその整合
性、許容できる推定であるかについてテストされ(114)
、推定に信頼性がない場合は警告が発せられ、各画像
フレームの最終的な自動抽出輪郭は画像データ作成後す
ぐに表示される(116) 。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は大まかに言えば、画像デ
ータに基づき内臓器官の境界線または輪郭を抽出するも
のであり、より詳細に述べれば、複数画像フレームによ
る画像データを処理することにより、内臓器官の輪郭を
抽出するためのものである。

【０００２】

【従来の技術】コントラスト心室造影法は、臨床現場に
おいて心臓カテーテル法を実施する際に日常的に行われ
る手順である。カテーテルを経皮血管的に心臓内に挿入
し、例えば、心臓の容量測定及び／又は流量率測定を行
うものである。心室造影図は心室の内部（または心内
膜）表面を図形として表すＸ線画像である。これらの画
像は通例、拡張終期、すなわち心臓が血液で充満してい
る時及び収縮終期、すなわち心臓が心周期における収縮
の最終段階にある時の心臓内の境界線を推定するもので
ある。心周期の始点、終点における心臓の内部表面の輪
郭または境界線をトレースすることにより、医師は左心
室の大きさ及び機能を測定でき、また心臓の特定の異常
や欠陥を診断することができる。心室造影図を作成する
ために、放射線不透過性液を患者の左心室に注入する。
Ｘ線源を心臓と同一線上に位置させ、心筋 (心筋層) の
心内表面を輪郭として表す投影図を作成する。左心室の
シルエット画像は放射線不透過性液とその他の周囲の生
理学的構造物とのコントラストにより視覚化される。通
常は、手動の心内境界線描写によって輪郭が抽出され
る。しかし、この方法は時間と相当量の訓練及び正確に
実施するための経験が必要となる。もう一つの方法とし
て医療従事者は目視により心室造影図を評価し、心内輪
郭を推定することができるが、このような評価は経験に
基づいた推測とほとんど変わらないことが多く、評価す
る心室造影図が収縮終期またはその近辺で作成された場
合は殊更である。手動の評価よりも、はるかに短時間
で、より正確な結果をもたらす自動境界検出技術のほう
があきらかに優位に立つであろう。上記の問題に取り組
むために数々の自動境界検出アルゴリズムが開発されて
きた。米国特許5,268,967 号において、身体の特定部分
を同定するために画像を解析できる抽出技術改良のため
に多種多様な先行画像処理技術が検討された。それによ
り、ヒストグラムに基づいた濃度階調変換が、画像のコ
ントラストを調整する簡単かつ効果的な方法であるこ
と、しかし画像のうちの希望する前景部分を背景クラッ
タと区別し、問題の対象物を前景及び背景と区別するに
は他の技術が必要であることが判明した。この目標を達
成するために他では何がなされてきたか、またこれらの
技術の問題点について検討した結果、本特許申請におい
ては、いずれのディジタルＸ線画像についても適用でき
る方法を開示する。この特許申請において開示される方
法にはエッジ検出、領域分割、領域分類、領域再分類及
びビットマップ作成の方法が含まれる。更に詳細に述べ
れば、最初に対象物のエッジを検出した後、画像は重複
しない近接した画素領域に分割され、領域毎に前景、背
景、及び対象物に分類される。領域分類過程では、各領
域それぞれ10の状態のうちどの段階にあるかを、一連の
臨床的、経験的に定められた判定法則に基づき推定す
る。各領域内の微細な構造物の評価により、領域分類は
再分類され、以後実施される画像処理のテンプレートと
して機能する２値画像が作成される。他の自動境界線検
出技術は画像を構成する濃度階調度を同定することに基
づくものである。この先行技術においては、濃度階調度
の閾値が心室造影図の濃度画像データの処理に適用さ
れ、左心室の境界線を同定する。他の処理は境界線を同
定する正確度を高めるために適用される。もう一つの可
能性として、指標、認識可能な形状、濃度値の組合せが
常に追跡可能であり、それによりフローベクトルとして
表される動きの方向や速度を決定できることがわかっ
た。フローベクトルのパターンを分析すると、内臓器官
の動きが評価できる。しかし、このフローベクトルは直
接内臓器官の輪郭を示すものではない。さらに他の技術
では時にディジタル減算により内臓器官の輪郭を抽出す
る。放射線不透過性造影剤を内臓器官に注入する前にマ
スク画像を記録する。このマスク画像には肋骨や脊椎の
ような内臓器官の輪郭の認識を阻害する傾向のある放射
線不透過性内臓器官が含まれることがある。内臓器官内
に放射線不透過性造影剤を注入し、２枚目の画像を作成
した後、ディジタルで２枚目の画像からマスク画像を減
算する。それによって２枚目の画像のクラッタ、すなわ
ち関心のない内臓器官が減算される。しかし、マスク画
像と放射線不透過性造影剤によって内臓器官が認識でき
る２枚目の画像をずれないように合わせるのは難しく、
実際にこの技術を実施するのは困難である。この技術を
応用したものが時間間隔遅延減算である。この技術は直
前に作成された画像を分析する画像から減算するもので
あり、２枚の差を示す画像には２枚の画像の時間間隔内
に動きのあった内臓器官部分のみが含まれる。しかし、
２枚の画像を作成する時間内に動きの無かった内臓器官
は描写することができない。形態的開閉処理も対象物の
輪郭を抽出する画像データ処理に利用することができ
る。このような技術はしばしばもっと一般的に、例え
ば、人工視覚システムに関するものなどにも適用するこ
ともでき、生理学的な観点に拘束されることはない。"M
edical Image Analysis using Model-Based Optimizati
on",James S. Duncan, Lawrence H. Staib, Thomas Bir
kholzer, Randall Owen, P. Anandan, IsilBosma(IEEE,
1990)という論文は、医療用診断画像の分析に経験的に
推定されたデータに基づく数学的モデルを利用すること
を提唱している。この論文で取り上げられている２番目
の例では、画像から求められる境界線の長さの尺度を持
つパラメータ形状モデルが使用されている。経験による
データをモデルに使用することによりその正確さは向上
するが、結果には依然多少不安定さが残る。

【０００３】

【発明が解決しようとする課題】輪郭抽出に関するこれ
までの技術の大部分は、単一画像の分析に焦点を絞って
きた。心臓のような内臓器官の輪郭抽出を目的とする現
在最良の自動アルゴリズムでさえも、非常に成功率が低
く、重大な誤りを防ぐには、通例、人による訂正が必要
である。現存する自動化技術の最大の問題は、医師が画
像評価をする際に分析すべき個々の室や内臓器官の予想
される形状や動きを、それら自動化技術が認識しないこ
とである。少なくとも専門家が行う画像分析の正確さを
得るために、画像から得られる情報をできるだけ多く利
用して内臓器官の表面を描写しなければならない。さら
に、自動化システムは作業を人よりも効率的にかつ迅速
に行わなければならない。最後に、自動化技術が内臓器
官の輪郭を抽出する際の正確さは、単一画像から得られ
るよりも多くの情報によって向上することが明確になっ
た。複数画像の分析はより高い正確さを確立するために
必要な更なる情報を提供し、また現在の技術よりも多く
の心臓及びその他の内臓器官に関する情報を医師に提供
することができる。

【０００４】

【課題を解決するための手段】上述の課題を解決するた
めになされた本発明の方法は、心臓の１心周期に渡って
作成された連続する画像フレームを含めた心臓の画像デ
ータの生体内での心室輪郭抽出法であって、前記連続す
る画像フレームは、心室が位置する関心領域を含み、心
周期内で時間的に大体等間隔で連続して作成され、各画
像フレームは濃度値がある複数の画素から構成され、 (a) 複数の他の心臓の目的とする心室の輪郭を手動で決
定して得られる学習データを用い、輪郭により区切られ
る領域の初期推定を決定するために、学習データの連続
する画像フレーム中の画素に関する濃度値に依存する確
率の関数として、生体内の心臓の画像フレーム中の画素
が、心室の輪郭のより内側にある可能性が高いか又は輪
郭の外側にある可能性が高いかを示すことにより、生体
内の心臓の各画像フレームの中の画素を分類する。 (b) 連続する画像フレームについて、生体内の心室の輪
郭で区切られる領域の初期推定を、その初期推定の輪郭
の周囲に渡り間隔をおいた複数の点に対し、連続する画
像フレーム間の輪郭上の各点の動きの限界を決定する動
態制約を適用することにより改善する。という過程から
構成されていることを特徴とするつまり、心臓の画像デ
ータに基づいて生体内における心室の輪郭を抽出する方
法は、１心周期分以上の連続した画像フレームを使用す
る。一連の画像フレームは心室が位置する関心領域を含
み、大体時間的に等間隔で記録される。各画像フレーム
は複数の画素により構成され、各画素にはそれぞれ濃度
値がある。初期輪郭推定を行うため、生体内における心
臓の各画像フレームの画素は、確率として、心室輪郭の
内側にある可能性が高いか、外側にある可能性が高いか
確率の関数として分類される。この過程では、別の個体
の複数の心臓において目的とする心室の輪郭を手動分析
することによって得られた学習データが使用される。輪
郭に関係する各画素の位置の確率は、学習データによっ
て決定される分類に関連する連続した画像フレームの画
素濃度値に左右される。輪郭の初期推定は、連続した画
像フレームにおける輪郭に対する動態制約を適用して改
善される。これらの動態制約は、輪郭の初期推定におけ
る各点の、連続した画像フレーム間の動きの限界を定め
る。

【０００５】また、このようにして抽出された心室の輪
郭は、確実性の低い輪郭部分の座標を決定するために、
確実性の高い輪郭部分の座標を処理するという包括的形
状制約を使用してさらに改善される。その包括的形状制
約は、別個体の心臓の対応する心室輪郭を手動評価して
得られる学習データに基づくものである。

【０００６】この方法には、以上のようにして抽出した
生体内の心室の輪郭の整合性をテストする過程も含まれ
ている。その過程は学習データにより決定されたパラメ
ータと輪郭の比較に基づいて、抽出した輪郭の整合性を
チェックするものである。

【０００７】本発明は、学習データは、別個体の心臓各
々について１心周期分以上作成した連続学習画像フレー
ムから得ることが好ましい。学習画像フレームも複数の
画素から構成されており、各画素は学習画像フレームの
縦軸、横軸に配列され、一連の画像フレームを通じてそ
の画素の位置に対する濃度値のベクトルと関連してい
る。他の各心臓の心室輪郭は各学習画像フレームから手
動で抽出する。各心臓の一連の学習画像フレームについ
て画素毎に１つの分類が指定される。その指定される分
類は以下のとおりである。 (a) 全心周期を通じて手動抽出の輪郭の内側にある学習
画像フレームの画素、(b) 全心周期を通じて手動抽出の
輪郭の外側にある学習画像フレームの画素、(c) １枚以
上の画像フレームである心周期の一部分において、手動
抽出の輪郭の内側にあり、心周期のそれ以外の部分にお
いては輪郭の外側にあった画素。

【０００８】最後の分類が(c) に該当する場合は、輪郭
に関係のある画素の輪郭に対する位置変化が起こった学
習画像フレームが、各学習画像フレームの画素の分類を
決定する。それぞれの画素の位置に関する条件、すなわ
ち輪郭の内側か外側かということ、または画素の輪郭に
対する位置変化（もしあれば）のあったフレームによっ
て分類が異なってくる。

【０００９】この方法には、他に別個体の心臓各々につ
いての学習画像フレームにおける各画素の平均値、共分
散または分類確率を指定する過程も含まれている。これ
らは一連の学習画像フレームの画素の濃度値及びその画
素に指定された分類に基づくものである。平均値、共分
散または分類確率は学習データから得られる事前情報に
含まれる。

【００１０】初期推定改善の過程に、別個体の心臓の輪
郭に関する境界線動態データ決定の過程、また１心周期
における各学習画像フレームについて、境界線動態デー
タに基づく動態制約を示す構成要素を推定する過程が含
まれることが好ましい。

【００１１】本発明の好ましい形態の一つは、生体内の
心室は左心室であって、画像フレームは心周期の収縮期
及び拡張期を通して作成されるとともに、その収縮期及
び拡張期の画像フレームは別々に処理されて、生体内の
心室の輪郭が抽出される。

【００１２】また、この方法が左心室を抽出の対象とす
る他に、生体内の他の内臓器官及び右心室、左右心房に
も適用できるということは注記しておかなければならな
い。

【００１３】また、この方法には、生体内の心臓の収縮
終期の画像フレームを決定する過程も含まれる。これは
一連の画像フレーム全体を通じた関心領域における濃度
値のフレーム毎のヒストグラムを用いた分類法によって
行われる。この分類法は濃度値のヒストグラムを利用
し、収縮終期の画像フレームを決定する。この画像フレ
ームは通常、関心領域において明るい画素が分布する最
も小さい範囲を示す。

【００１４】本発明は、更に、生体内での内臓器官を画
像データを使用してその生理学的機能を診断目的に分
析、評価する方法が含まれる。この方法は、一連の画像
フレームを通じて輪郭及びその変化を決定するものであ
る。一連の画像フレームの中の異なる画像フレームにお
ける輪郭の変化を観察することにより、内臓器官の生理
学的機能を評価し、例えば、心室の弁に漏れがあるかど
うかまたは心臓壁を含む筋肉が弱いかどうかという通常
単一画像による輪郭評価では本発明と同等の情報を医師
に提供することはできなかったことを確認できる。

【００１５】

【実施例】まず、本発明を利用する画像機器の説明をす
る。通常の従来型のＸ線造影装置10が図１に示されてい
る。本発明に適合する機器によって作成されるＸ線画像
を処理し、内臓器官の輪郭を抽出し表示するために必要
な機器も示されている。Ｘ線造影装置10において、Ｘ線
源12はＸ線源制御装置14から供給される電流をエネルギ
ーとし、このＸ線制御装置14はＸ線源12に送られる電流
及び電圧のレベル、電流が供給される時間間隔を決定す
る。Ｘ線制御装置14から送られる信号に反応して、Ｘ線
源12はＸ線ビーム18を発生させる。このＸ線ビームは患
者20の胸部を通過し、検出器16へと入る。Ｘ線源12と検
出器16は、共通の長軸に沿った一直線上にあり、Ｘ線ビ
ームは患者20の胸部にある関心領域を通過する。画像化
しようとする内臓器官は通常関心領域の中心、つまりビ
ーム18の中心にある。ビーム18は患者20の胸部を通過
後、検出器16内のイメージインテンシファイア22に入
り、Ｘ線ビームを目で見える画像に変換する。関心領域
に位置する内臓器官を周囲の軟組織と区別し、さらに鮮
明に描写するために、ヨウ素化合物のような放射線不透
過性造影剤を内臓器官に注入し、周囲の軟組織よりも多
くのＸ線エネルギーを吸収または阻止させる。その結
果、イメージインテンシファイア22によって作成される
画像では、内臓器官の内部が周囲の背景よりもかなり明
るく表示される。部分銀メッキの鏡24は検出器16の長軸
上にあり、イメージインテンシファイア22による画像の
光の一部を、検出器の長軸に対して横方向に、シネカメ
ラ26 (オプション) のレンズに向けて反射させる。画像
の残りの光は部分銀メッキの鏡24を通過して検出器16の
長軸方向にビデオカメラ28のレンズへと伝送される。図
に示された実施例では、ビデオカメラ28はイメージイン
テンシファイア22の画像を走査して得るアナログ信号を
発生する。もう一つの方法として、イメージインテンシ
ファイア22の画像は、検出器の外部に取り付けるビデオ
カメラ (図に示されていない) に投影することができ
る。アナログ信号は画像の各画素に対応する電圧を有
し、その値が画素の濃度値を示すのである。アナログ信
号はアナログ−ディジタル変換器(A-D CONV.)30 に入力
される。この変換器は各画素の濃度値を示す電圧を対応
するディジタル値に変換するのである。他のビデオカメ
ラには直接ディジタル出力信号を発するものがあり、そ
のビデオカメラを使用する場合はアナログ−ディジタル
変換器30を省略することができることを注記しておかな
ければならない。実施例では、ディジタル画像データの
各画素に対する濃度値の範囲は０から225 である (実際
は、最も暗い画素と最も明るい画素はそれよりもはるか
に小さな範囲内にある) 。Ｘ線源制御装置14で決定する
時間間隔をおいてＸ線造影装置10によって作成されるデ
ィジタル画像データを、この説明及び請求項において
「画像フレーム」とすることを注記しておかなければな
らない。実施例では、Ｘ線源制御装置14を、Ｘ線源12へ
繰り返しきわめて短時間電源が入るように設定すること
によって、時間間隔をおいた内臓器官の複数の連続した
画像フレームが作成される。後段で述べる本発明の適用
例においては、Ｘ線ビーム18によって画像化される関心
領域には患者20の心臓、もっと詳細に述べれば、左心室
が含まれる。１心周期分以上作成された左心室の連続デ
ィジタル画像フレームを処理することにより、本発明の
実施例では自動的に心周期内の複数の時点での左心室の
心内表面が連続的に抽出される。各画像フレームのデジ
タル画像データは画像記憶装置32に記憶される。この画
像記憶装置32は容量の大きなハードドライブまたは不揮
発性の記憶メディアとで構成されることが好ましい。画
像記憶装置32は双方向性でプロセッサ34に結合される。
このプロセッサ34はデスクトップ型等のパーソナルコン
ピュータ、またはワークステーションとで構成されるこ
とが好ましい。キーボード36及びマウス38(またはその
他の指示装置) はプロセッサ34と結合し、これにより操
作者は、プロセッサ34のソフトウェアを制御するための
データ及び／又は指示を入力することができる。このソ
フトウェアは本発明の方法を実行するためのものであ
り、画像記憶装置32に画像フレームとして記憶されたデ
ィジタル画像データを処理し、心周期の中の異なる時間
における左心室の輪郭を作成することができるようにす
るものである。このように本発明の方法で抽出された、
画像フレーム上の左心室の輪郭は、操作者その他の使用
者に対してプロセッサ34に接続されるディスプレイ40に
表示される。さらに、プロセッサ34によって抽出された
画像フレームの輪郭定義データは反対方向に画像記憶装
置32に記憶することができ、抽出後も任意の時に分析ま
たは評価ができる。

【００１６】ここで図２のヒトの心臓の部分断面図を見
てみる。これは心室造影図記録の際の典型的な投影角度
に対応するものであり、心臓の形状は外部面62によって
決定される。心臓60の左心室64の画像化に先立ち、放射
線不透過性造影剤を左心室に注入する。これはＸ線装置
で左心室64内の相対的に明るい領域を含む画像フレーム
を作成するためであってこの段階の画像で左心室を見分
けてはいるが、左心室64の心内膜 (または内部面) 66の
輪郭に囲まれた白い影は鮮明に描写できないことが判明
する。しかし本方法によればＸ線により作成された画像
フレームを処理し、患者の左心室にある心内膜にほぼ近
い輪郭を画像フレーム毎に得ることができる。本発明の
実施例においては、処理される画像データの型としてＸ
線により作成される画像フレームが示されているが、こ
の方法は、超音波画像、核磁気共鳴画像のデータを含む
他種の画像データにも適用できることを注記しておかな
ければならない。ただし、これら多種の技術により作成
される画像フレームでは、画像を解釈し、左心室の輪郭
を抽出することが困難である。その理由は、左心室 (ま
たは他の検査対象となる内臓器官) の輪郭が通例鮮明に
描写されないからである。特に、関心のある内臓器官の
例として左心室に関して言えば、心尖72の位置、つまり
輪郭の下部は、通常画像フレームのコントラストシルエ
ットでは左心室の上部、大動脈内へと開いている隣接大
動脈弁68、左心房74へと開いている僧帽弁76よりも、は
るかに低い鮮明度で描写される。左心室64の形状は心周
期を通じて変化し、その断面図も変化して収縮終期には
最小であり拡張終期には最大となる。心内膜表面の輪郭
によって定義される断面図と形状はこの周期を通して、
心収縮と心拡張の心壁の一部として変化する。１心周期
分以上の画像フレームをフレーム毎に左心室の変化につ
いて評価することにより、医師は、僧帽弁の漏れ、また
は左心室壁の心筋層（筋肉）がその動きの範囲が小さく
なり弱っているというような患者の心臓の内臓器官的な
問題を診断することができる。医師は、心周期を通して
心臓の輪郭を観察することにより心臓の生理学的な機能
不全を速やかに発見することができる。医師は、正常な
心臓の機能と比較して、フレームからフレームへの輪郭
形状に変化がないような問題があるかどうかを注意して
見る。そして例えば、左心室の壁の一部に動きの範囲が
小さくなり弱った筋肉がある場合、その部分の壁と他の
部分とを比較すれば、左心室の輪郭の相対的変化を研究
している医師にとって状況は明白となるであろう。なぜ
なら、心内膜の動きの範囲が小さくなって弱った筋肉を
含む部分は、通常の、または活発な収縮期における数枚
の画像フレームにおいて収縮不全となるからである。同
様に複数回の心周期を通じて輪郭を評価することにより
僧帽弁の漏れが明らかになる。画像作成後速やかに左心
室の輪郭を自動抽出する能力により、医師は、関連する
医療処置を行う際に、心臓の状況をより迅速に評価する
ことができる。この方法は１回以上の心周期を通じて、
左心室及び心臓の他の心室、心房 (または他の内臓器
官) の輪郭を、少なくともこの種の画像評価の専門家と
同程度の正確さで抽出し、この作業を人よりもはるかに
迅速に行うものである。

【００１７】次に、本発明に係る方法について概要を説
明する。左心室の輪郭を自動的に抽出する過程の概要は
図３に示されている。既に説明したように、この連続し
たディジタル画像フレームには左心室の輪郭を決定する
過程のための入力データが含まれている。この入力デー
タは左心室造影図100 に該当する。ブロック102 では、
左心室の輪郭について初期領域を１心周期以上に渡り間
隔をおいて推定する。この初期推定は全心周期において
作成された各画像フレームの画素毎の濃度値の関数であ
る。初期推定に形を与えるために、ベイズの分類法を用
いて、あらかじめ学習データを手動で評価して決定した
パラメータを参照し、各画素の位置及び濃度値の関数に
より画素を分類する。後に詳細に説明する学習データ
は、複数の他心臓の左心室を画像化して得た画像データ
である。患者の画像フレームの各画素をこのように、左
心室輪郭の内側にあるのか、外側にあるのかで分類する
ことで、推定された初期左心室領域がブロック104 で得
られる。次に行われる過程はブロック106 である。特
に、ブロック104 で推定された初期左心室領域は、連続
する画像フレーム間における領域の輪郭の変化に対して
動態制約を適用することによりさらに改善される。この
動態制約も、学習データから構成要素を決定することに
より得られる。即ち、学習データを作成するために使用
された他の個体の心臓の各左心室について、左心室の境
界線または輪郭上の点の、２つの連続した時点間での変
位の範囲を決定することによって得られる。この構成要
素は、当該患者について左心室領域の初期の推定を行う
際に使用される連続画像フレーム間での左心室輪郭の動
きに対する限界を決定する。動態制約の適用によってさ
らに改善し、推定された左心室領域が作成され、これが
ブロック108 となる。前記のとおり、左心室の心尖72の
輪郭は心内膜のうち、画像データ中に描写するのが最も
困難な部分である。通常、Ｘ線画像上で対比できるよう
に放射線不透過性造影剤は左心室中部に注入されるが、
下部の心尖のある領域では血液とよく混ざらない場合が
しばしばあるという物理的形状特性がある。さらに患者
の心臓が良好な収縮機能を持っていれば、放射線不透過
性造影剤は心尖に達するまえに左心室から排出されてし
まう物理的形状特性もある。したがって、心尖を中心と
した領域における左心室の不鮮明な輪郭を、より高い信
頼性で抽出するためにブロック110 の過程が行われる。
その際、包括的形状制約の適用によって、心尖72のある
領域以外の輪郭の関数として心尖72のある領域の輪郭を
決定するのである。この過程では包括的形状制約を決定
するためにあらかじめ収集された学習データが使用され
る。手動で抽出された別の個体の心臓の左心室の輪郭
を、左心室上部2/3 の輪郭と心尖付近の輪郭との関係を
確認するために評価する。この関係を利用してブロック
108 の推定された左心室領域を評価し、ブロック110 の
過程はブロック112 に記したとおり左心室LVの境界線を
推定する。ブロック112 の推定左心室境界線はかなり正
確に左心室の輪郭を表しているはずであるが、さらにブ
ロック114 の段階で各画像フレームの推定左心室境界線
が輪郭の予想される範囲内にあるかどうかを確認する。
ブロック114 の過程は単に推定した輪郭の決定過程中に
異常がないかを確認するものであり、別個体の心臓の左
心室に関する学習データから得られたパラメータについ
て再度境界線を評価しなおすことで確認するのである。
各画像フレームについての境界線がこの整合性のテスト
を通過した場合は、ブロック116 で許容される推定左心
室境界線が得られる。これは医師その他の医療従事者が
心臓の状態を診断したり、その他前記の目的のために観
察し得るものである。境界線は各画像フレームに関して
推定されるため、画像フレーム間の変化が即座に明確に
なり、医師が特定の疾患をより正確に診断するための意
義ある情報が得られる。

【００１８】上記方法について更に詳細に説明をする。
前記のとおり概要を説明した方法を詳細に実施するとき
に、いくつかの初期前提がある。第一に、収縮終期の画
像フレームは手動認識か、または、左心室造影図データ
100 を含む画像フレームを処理することによる自動認識
のどちらかにより決定されなければならない。第二に、
心周期の収縮期及び拡張期には境界線が単調な動きを示
すことが前提とされる。第三に、画像フレームにおける
左心室の方向を確定するため、心臓の大動脈弁面が認識
できなければならない。第四に、左心室は画像フレーム
のほぼ中央に位置していなければならない。最後に、初
期左心室領域の推定過程において、左心室内の領域から
外れている場合でも、左心室の外側の領域が含まれてい
ないことが前提とされる。しかし、この方法を適用して
さらに経験を積めば、これらの前提の大部分は緩和また
は排除できる。作成された左心室輪郭が、前提を考慮し
た際に条件に当てはまらない事を理由にエラーとみなさ
ないことを確認する方法に加えて、さらに追加処理を行
うことで排除できる前提もある。

【００１９】画像フレームの各画素の位置は縦軸、横軸
の座標によって決定される。一連の画像フレーム全体を
通じて各画素の濃度値ベクトルは各縦軸、横軸の位置に
関係づけられている。さらに、この方法では各画素に対
して「特徴ベクトル」を使用している。この「特徴ベク
トル」は一連の画像フレームを通しての濃度値ベクトル
で、縦軸、横軸の位置及び関心領域の中心からの距離を
示す追加要素を持つ。学習データは各分類毎に特徴ベク
トルの組を確定する。実施例では、学習データは正規化
され、収縮期について12画像フレーム、拡張期について
18画像フレームが作成される。収縮終期の画像フレーム
は手動で決定することができるが、図４のブロック118
に示すように、収縮終期の画像フレームは自動決定する
方が好ましい。ブロック100 の左心室造影図は、画素の
特徴ベクトルを利用して関心領域(ROI) を抽出するブロ
ック120 へ入力される。この過程に関連して、簡略化さ
れた分類法がブロック122 で利用される。分類法122
は、複数の他心臓の左心室に関して作成された学習デー
タから得られたパラメータを利用する。学習データは処
理され、手動で抽出された輪郭の学習画像フレームから
３領域を同定する。そして学習画像フレームの画素は、
この３つの領域の内のどれか１つに分類される。この３
つの領域は、(1) 明るい背景領域（これは画像装置で使
用される機械的シャッタを示すものであるので、関心領
域から除外される）、(2) 暗い背景領域、(3) 前景領域
（すなわち、手動で抽出した輪郭の内側の領域）であ
る。全画像フレームについての、及び全ての別個体毎に
ある心臓の左心室に関する輪郭の組は、学習データにお
ける前景領域にあるとして分類された画素をすべて収集
することにより抽出される。この組になった輪郭をもと
に、学習データにおける関心領域及び各領域内の画素の
濃度値の平均を決定するものであり、ブロック120 に記
したように、分類法122 は左心室造影図データ100 の関
心領域を決定することができる。ブロック120 の過程は
次のように実施される。ブロック124 に示したとおり、
左心室造影図データ100 に含まれる画像フレームの全画
素は、分類法122 により画素の特徴ベクトルを利用して
画素が関心領域内にあるかどうかで評価され、抽出され
る。ブロック121 に示されているように、暗い背景も分
類法122 で定義される。この過程は左心室造影図データ
100 に含まれる各画素に対して、全画素の位置が処理さ
れるまで抽出処理が繰り返され、左心室造影図データに
含まれる一連の画像について、ブロック124 では明るい
関心領域が、またブロック121 では暗い背景が抽出して
得られる。次の過程123 は、左心室造影図データ100 に
含まれる各画像について、ブロック121 における暗い背
景内の画素の濃度値を考慮するものである。画像フレー
ムの各画素についての相対的濃度値は、Ｘ線強度、検出
器の感度及びその他の要素の差によって著しく異なるこ
とがあるのは明白である。従って、ブロック123 に示し
たように各画像フレームの暗い領域の画素についてヒス
トグラムが作成される。それぞれの暗い背景のヒストグ
ラムには、画像フレームの同一の濃度値を持つ画素数を
示す個別の合計が含まれる。すなわち、画像フレームに
おける異なる濃度値毎の画素数の合計である。暗い背景
のヒストグラムはブロック125 に示されている正規化要
素を定義する。次に説明するように、正規化要素は、上
記の画像フレーム間での相対的濃度値の偏差を補償する
ものである。ブロック124 の関心領域及びブロック125
の暗い背景の正規化要素は、ブロック126 に示される収
縮終期の画像フレームを同定する過程へ入力される。収
縮終期には左心室は最小の領域を示すはずである。つま
り、収縮終期の画像フレームは関心領域内の相対的に明
るい画素を有する領域が最小である画像フレームに一致
することがしばしばある。そのため、ヒストグラムは各
画像フレームの関心領域内にある画素によって作成され
る。このヒストグラムには関心領域内の画素について各
濃度値毎に集計した、同一濃度値を持つ画素数の合計が
含まれる。各画像フレームの関心領域のヒストグラム
は、さらに各画像フレーム間の相対的濃度値の偏差に関
して、ブロック125 の正規化要素を利用して正規化され
る。それぞれの正規化された関心領域ヒストグラムは、
特徴ベクトル (画素ベクトル、から得られる特徴ベクト
ルとは異なる) として収縮終期の画像フレームを決定す
る分類法128 で利用される。分類法128 では複数の別個
体の心臓でつくられた学習データから得られるパラメー
タを使用する。手動で抽出された輪郭、手動で抽出され
た輪郭を含む関心領域、分類法122 による暗い背景領域
及び学習データの各画像フレームにおける関心領域の濃
度値ヒストグラムから得られる心室容量計算から、収縮
終期の画像フレームを同定するために学習データが処理
される。つまり、ブロック123 について述べたように、
暗い背景のヒストグラムが各学習データの画像フレーム
毎に作成され、まさにブロック125 に関して述べたよう
に学習データの暗い背景正規化要素が定義される。この
学習データの正規化要素を用いて、学習データの各画像
フレームの関心領域ヒストグラムが正規化される。最後
に学習データの各画像フレームにおける正規化した関心
領域及びその学習データにおける各心臓についての収縮
終期画像フレームの同定を基にして、分類法128 は、ブ
ロック126 で述べたように、左心室造影図データ100 、
すなわち当該患者の画像データについて収縮終期画像フ
レームを決定することができる。

【００２０】ブロック104 の初期左心室領域を推定する
過程は図５に示されている。初期左心室領域の推定の前
に、ブロック132 で左心室造影図データが前処理及び正
規化をされる。ブロック132 の詳細は図６に示されてい
る。この図について見てみると、ブロック160 では、ブ
ロック162 に示したような形態的開閉処理により左心室
造影図データ100 から「ノイズ」を除去する。形態的開
閉処理についての一般的な初歩的な議論については "Im
age Analysis Using Mathematical Morphology" by R.
M. Haralick, S.R. Sternberg, and X. Zhu- ang, IEEE
Trans. on Pattern Recognition and Machine Intelli
gence, Vol. 9, No. 4,pages 532-550 という論文に述
べられている。形態的閉鎖処理とは、画像フレームの明
るい領域にある相対的に暗い部分を明るくすることによ
って左心室造影図データを操作するものである。この処
理はモルタルの低い部分をこてで水平にするのと類似し
ている。この段階をさらによく理解するために、各画像
フレームを、２次元の面に各画素を垂直に投影させ、３
次元方向にその濃度値を高さで示してみるとよい。こう
すると、相対的に高い濃度値を持つ画素の集まった大き
な領域内に、相対的に低い濃度値持つ画素の集まった小
さな領域が、３次元方向に小さな窪みとして現れる。形
態的閉鎖処理を使用して、この画素の集まった小さな領
域の濃度値を高め、その回りの明るい画素の濃度値によ
り近づけようとするのである。同様に、形態的開放処理
とは暗い領域にある明るい部分の画素の相対的に高い濃
度値を低下させ、その部分の濃度値が周囲の画素の低い
濃度値に近づくようにするのである。ノイズを除去する
ために用いられるこれらの形態的開閉処理の特徴の一つ
は、相対的に明るい領域と暗い領域間の急激な遷移を著
しく変化させることがないということである。この技術
より以前からあるノイズフィルタリング技術ではこのよ
うな急激な遷移を不鮮明にする傾向がある。左心室造影
図データからノイズを除去することにより、ブロック16
4 のフィルタリングされた左心室造影図データができ
る。左心室造影図データ100 は１心周期分以上の画像デ
ータであって、画像データを構成する実際の画像フレー
ム数は患者20の心拍数によって１心周期の枚数が異な
る。従ってブロック166 では、ブロック164 のフィルタ
リング済の左心室造影図データを心拍数に関して正規化
する。この正規化はブロック168 に示した従来の補間法
により処理が行われ、これによりあらかじめ定義され要
求される一定した画像フレームの枚数が求められる。ブ
ロック170 に示された通り、補間処理の目的は心周期間
内に時間的にほぼ等間隔となるように間引いて余分な画
像フレームを省略した計30枚の画像フレーム (実施例で
は) 、すなわち収縮期12枚、拡張期18枚の画像フレーム
があることを確認することである。実施例で使用された
枚数とは異なる枚数の画像フレームで正規化して本発明
を実施することも可能である。前記の画像処理から生じ
る画像フレームの明るさの偏差は濃度値の最大値と最小
値を正規化することにより計算されなければならない。
この過程はブロック172 に示されている。正規化処理は
ブロック174 のスケーリングを参照し、濃度値の範囲が
一連の画像フレームのすべてに当てはまるか、そしてそ
れが希望する範囲内 (実施例では０から225)であるかを
確認する。このようにして正規化された左心室造影図デ
ータ134 はブロック132 の過程で作成される。

【００２１】図５に戻ると、正規化された左心室造影図
データはブロック136 へ入力され、事前情報156 を使用
して、各画像フレームの画素が分類される。ここで事前
情報156 は複数の別の個体の心臓について手動で抽出し
た左心室の輪郭から得たものであって以下のように決定
される。ブロック138 において、別の複数個体の心臓に
ついての複数の左心室造影図データセットが学習データ
として得られる (前記の図１のＸ線造影装置10によって
作成される）。この処理をテストする目的のために選択
された集団は約70個体から成り、うち20個体は何も疾患
や機能的な問題が観察されない、「正常」な心臓を持
つ。左心室造影図データ138 における各画像フレーム、
及び学習データを収集した集団の各個体の心臓につい
て、このような画像データ解釈専門の医師が手動でブロ
ック140 に示す境界線または左心室の輪郭を抽出する。
また、この心臓に関する左心室造影図データはブロック
132 における当該患者の左心室造影図データ100 の前処
理及び正規化と同じ過程を経てブロック142 で前処理さ
れる。学習データから事前情報156 を作成する処理のす
べてが、当該患者についての左心室造影図データ100 の
分析よりも前に行われると理解しなければならない。画
像データ保存装置32は、ブロック136 の過程で事前情報
を記憶しておくために用いられる。学習データの全画像
フレームを前処理することにより、ブロック146 で示す
正規化された左心室造影データの学習用画像フレームを
作成する。一方ブロック144 で、ブロック140 で求めた
輪郭内を塗りつぶし、心周期当り30枚の学習画像フレー
ムに正規化して、ブロック148 の手動抽出領域を作成す
る。ブロック148 の心周期のうち収縮期の手動抽出領域
を含む画像フレームをブロック152 へ入力する。各左心
室に関する一連の画像フレームにおける各画素に分類が
指定され、ブロック154 の位置による分類となる。同様
に、他の心臓についての左心室造影図データ138 の学習
画像フレームにおける全画素が拡張期間において処理さ
れ、その心周期部分についても位置による分類が行われ
る。ブロック152 で画素の分類を指定する段階は図13に
示してある。これは説明するための簡略化された図であ
り、３枚の画像フレーム82,84,86が示されているのみで
ある (実施例では、実際には収縮期12枚、拡張期18枚の
画像フレームがある) 。そして各画像フレームについ
て、90a,90b,90c,90d の４つの画素が示されているのみ
であるが、各画像フレームには多数の画素が含まれるも
のとする。収縮期において作成されたものを含む学習画
像フレームにおいて、画素の中には90dのように、常に
すべての学習画像フレームにおける手動で抽出した輪郭
の外側にあるものがある。同様に、90a のように数枚以
上の画像フレームにおいて、常に収縮期の画像フレーム
における手動抽出の輪郭の内側にある画素もある。最後
に、各学習画像フレームの、90b,90c のような画素は、
１枚またはそれ以上の画像フレームにおいて手動抽出の
輪郭の内側にあり、収縮期の残りの画像フレームにおい
ては手動抽出の輪郭の外側にある。表１は、心周期のう
ち収縮期において対応する画素の相対的な位置が、その
画素に対して位置による分類番号を指定する際にどの様
に適用されているかを、手動抽出の輪郭に対する画素の
相対的な位置として表に示されている。「０」は画素が
輪郭の外側、「１」は画素が輪郭の内側にあることを示
している。

【００２２】

【表１】表１フレーム輪郭に対する画素の位置１枚目００００１１１１２枚目００１１００１１３枚目０１０１０１０１分類番号０１２３４５６７

【００２３】対応する画素が、全画像フレームにおいて
常に手動抽出の輪郭の外側「０」にあれば、表１より分
類番号０となる。そこで画素90d は分類番号０というこ
とになる。同様にこの簡略化された例では、対応する画
素がいつも画像フレームにおける輪郭の内側にある画素
90a には分類番号７が指定される。他の画素について
は、対応する画素がその位置を輪郭の内側から外側へ変
えた画像フレームによって分類が決まる。このようにす
ると、画素90c は１枚目の画像フレームでは手動抽出の
輪郭の内側にあったが、２枚目、３枚目の画像フレーム
では輪郭の外側にある。従ってこの画素は分類番号４に
なる。同じ理論により、画素90b は１枚目、２枚目では
手動抽出輪郭の内側であるが、３枚目では外側にあり、
従って分類番号６になる。分類番号の総数は画像フレー
ム数をＮで表わすと数学的には２^Nであり得る。しか
し、実際にはすべての分類番号が存在するのではない。
なぜなら心臓の動きには限界があるからである。図13の
フレーム88は、この簡単な例に関して４つの可能性のあ
る位置による分類を示している。上記の処理に基づい
て、位置による分類が、他の心臓の左心室すべての各収
縮期学習画像フレームにおける画素に対して指定され
る。同様の処理が拡張期の学習画像フレームに対して適
用される。しかし、拡張期の場合には、収縮期とは逆の
動きとなるため最初に画像フレームの外側にあった画素
（相対的な位置「０」）は、その画素が手動抽出輪郭の
内側に移動した画像フレームに関連して分類される。従
ってブロック154 は収縮期及び拡張期の各画像フレーム
における各画素に対して位置による分類の番号が決定し
たことを示す。図５のブロック102 の右側の処理におい
て、ブロック142 とブロック144 とで処理される画像フ
レームは同一のものである。各組になった学習画像フレ
ームにおける画素は、その画素に割り当てられた位置に
よる分類の番号に基づいてまとめられ、事前情報156 を
構成する平均値、共分散及び分類確率というパラメータ
がブロック150 において指定される。平均値は、同じ位
置による分類の番号に該当するベクトル全ての濃度値の
平均であり、共分散は同じ位置による分類番号に該当す
る各ベクトルの平均濃度値からの偏差の程度の尺度であ
る。事前の分類確率は、単にある分類番号に該当する画
素数の、全画素が該当する分類番号の総数に対する割合
である。ブロック136 に示したように、収縮期について
得られた事前情報は、収縮期の画像フレームの画素の分
類に利用され、拡張期について得られた事前情報は、拡
張期の画像フレームの画素分類ために用いられ、この過
程の詳細は図７に示されている。図７を見てみると、ブ
ロック134 の正規化された左心室造影図に関するデータ
はブロック180 において画素の位置である縦軸、横軸座
標を付加する処理がされ、画像フレームの全画素につい
て特徴ベクトル182 が得られる。各特徴ベクトルには、
各画像フレームにおける同じ位置の画素の濃度値が含ま
れている。画素の位置は画素の縦軸、横軸座標 (及び関
心領域の中心からの距離) によって追跡される。ブロッ
ク184 では事前情報に基づき最も確率の高い分類番号を
見つけ出し、指定された分類番号ブロック186 が得られ
る。ブロック156 の事前情報は各分類P(C)の確率、分類
の条件付き確率P(X/C)を含む学習データから得られる。
ブロック184 の処理を行う際に、特徴ベクトルＸに関し
て、この段階で事後関数P(C/X)=P(X/C) * P(C)/P(X) を
最大にする分類が決定される。さらに、各分類Ｃと、分
類Ｃの各Xiとは多変量正規分布N(μc,Σc)に従う(図13
の簡略化した例について)。そこでは、

【００２４】

【式１】

【００２５】となり、δ² _ci, i ＝ 1,2,3の場合は自動
共分散であり、δ² _cij , i ≠ｊ＝1,2,3,の場合は交差
分散となる。分類番号が指定されると、ブロック188 で
はその分類番号を一連の２値画像へと変換され、画素が
輪郭の内側にあれば２進法の１で表示されまた画素が輪
郭の外側にあれば２進法の０で表示され、白黒表示の画
像フレームが作成される。その結果、ブロック104 に示
したように各画像フレーム毎に推定された初期左心室領
域が得られる。

【００２６】図８を見てみると、ブロック106 の詳細
は、すべての２枚組のフレーム間の動態制約が推定左心
室領域を改善する仕組みを示している。この過程を実行
する場合、境界線動態データ(BMO) を含む学習データが
ブロック190 に入力される。境界線動態データは、以下
に述べるようにブロック192 において動態制約を示す構
成要素を推定する過程に用いられる。実施例において
は、境界線動態データを作成する場合、その地域におけ
る一般的集団にごく普通に認められる様々な疾患を有す
る心臓の左心室造影図を選択するように心掛けた。構成
要素をそれほど多様なものにしないためには、多様な地
域又は人種の集団の心臓から境界線動態データを得るこ
とが望まれる。ブロック192 の詳細は図９に示されてい
る。境界線動態データはブロック200の境界線弧の長さ
及び心拍数のデータを正規化する処理へと入力される。
学習データは複数の別の個体について作成される複数の
組になった画像データから得られるものであるので、境
界線動態データの作成に使用される心臓の様々な大きさ
及び心拍数に合わせたデータの正規化が必要である。正
規化された境界線動態データ202 はブロック204 に入力
され、ここでは境界線または輪郭の動態を示す構成要素
が推定される。ブロック190 で境界線動態データが作成
される際、異なる他の182 人分の左心室造影図について
１心周期以上に渡り作成された学習画像フレームから心
内の輪郭を手動で抽出する。画像フレームは心周期内の
30時点、すなわち、収縮期において12時点、拡張期にお
いて18時点に補間される。手動で抽出された輪郭または
境界線を利用して、拡張期内及び収縮期内の連続する２
時点間の遷移の範囲が、ブロック202 における正規化さ
れた境界線動態データを構成する学習画像フレーム毎に
輪郭の周囲の100 の等間隔の地点で測定された。画像フ
レーム間での輪郭の内向性及び外向性の最大遷移は形態
的にブロック204 の２次元構成要素で示してある。構成
要素を推定する過程の詳細は図11に示してある。ブロッ
ク224 において、２枚の画像フレームｉ及びｊの間の境
界線の動きである境界線動態データから収縮期間の100
の指向性の拡張成分が抽出された（心周期の収縮期及び
拡張期における時間的に非常に近接した学習画像フレー
ムが使用できるが、時間的に間隔の長い学習画像フレー
ムを使用することも可能である）。同様にブロック226
では、２枚の画像フレームｉ及びｊの間の境界線の動き
から拡張期間の100 の指向性の収縮成分が抽出された。
ブロック224 及び226 で行われる過程により、ブロック
228 に示してあるような100 の指向性成分である境界線
動態成分が抽出される。ブロック230 では各方向の最大
の動きとなる成分を測定し、それによりブロック194 に
示されているとおり、拡張期及び収縮期の構成要素Ｋ_IJ
及びＬ_IJが得られる。構成要素Ｋ_IJ及びＬ_IJは、図９の
ブロック194 に示してあるように、動態制約を表し、画
像フレームｉの左心室輪郭の情報を利用して画像フレー
ムｊの左心室輪郭を改善する際に用いられる。Ｉ_t が時
間ｔにおける１枚の画像フレームであり、Ｉ_s が時間ｓ
におけるもう１枚の画像フレームであるならば、Ｉ_s の
境界線からＩ_t の境界線を予測できる。

【００２７】

【式２】

【００２８】ここでＬ_ts及びＫ_tSは、時間ｔ及び時間ｓ
間の内向性、外向性の動きに関する制約を示す構成要素
により、拡張期及び収縮期内の２枚の画像フレームを改
善することで、ブロック108 の推定左心室領域が得られ
る。つまり、この構成要素により、心周期の他の画像フ
レームから１本の境界線を与えられ、左心室が存在する
はずの環状の左心室領域を決定できる。動態制約はブロ
ック104 の初期左心室領域推定に繰り返し図８のブロッ
ク196 において適用され、ブロック108 の推定左心室領
域が得られる。

【００２９】図10に戻ると、ここには図３のブロック11
0 の中で包括的形状制約を用いて左心室境界線を推定す
るのに必要な過程が示されている。この過程では、学習
データが再度使用される。図に示されているとおり、ブ
ロック210 の学習左心室境界線の座標及びブロック212
の手動抽出した境界線または輪郭は共にブロック214へ
入力される。学習左心室境界線座標は学習データに図３
のブロック102 「一定時間の濃度により左心室領域を推
定する」及びブロック106 「全画像組間の動態制約によ
る左心室領域推定」の過程を適用することにより算定ま
たは決定される。前記のとおり、これは各学習画像フレ
ームについて推定輪郭を決定し、その輪郭の座標を決定
するものである。ブロック214 では、学習データの各画
像フレーム内のほぼ上部約2/3 について計算された座標
を輪郭の左心室心尖が含まれる部分に関連づけて推定さ
れることにより、回帰係数が推定される。前記のとお
り、左心室輪郭のうち心尖のある部分及び領域は画像フ
レームでは正確に定義できず、ブロック108 の推定左心
室領域もあまり正確ではない。従って、ブロック110に
おいて包括的形状制約を用いて、この左心室の心尖のあ
る領域の不正確さを補うようにする。ブロック216 の回
帰係数は、他の心臓について１心周期分以上作成された
200人分以上の左心室造影図から、コンピュータにより
抽出された輪郭を評価することにより求められたもので
あり、手動で抽出した輪郭の心尖のある部分の形状が、
コンピュータで抽出した輪郭の上部2/3 の形状と数学的
にどのような関係にあるのかを決定するためのものであ
る。ブロック216 の回帰係数を利用するため、ブロック
218 では、ブロック108 で左心室造影図データ100 につ
いて推定された左心室領域から左心室の輪郭の座標を抽
出する。輪郭の上部2/3 の境界線座標はブロック222 へ
入力され、ブロック216 の回帰係数を利用した回帰処理
が適用される。これにより左心室の心尖のある領域であ
る輪郭の下部1/3 を決定する。その結果がブロック112
の推定された左心室境界線である。ブロック112 で各画
像フレームについて推定左心室の境界線が得られたな
ら、その結果をテストし、医師がその結果を有効な輪郭
推定として正当に信頼できるかその整合性を判定するこ
とが好ましい。推定された左心室輪郭の整合性について
のテストの詳細は図12に示してある。この過程において
は、学習データから得られた動態制約がブロック231 で
再度使用される。輪郭の心尖部分を決定するために包括
的形状制約を適用することにより、前に適用した動態制
約に反して画像フレーム間の変化を招いた可能性があ
る。再度動態制約を適用した結果が各画像フレームにお
ける左心室境界線232 である。これら左心室境界線は、
ブロック234 に入力され、手動抽出の輪郭に基づいた別
個体の心臓の評価から得られた学習データによって決定
された曲率や左心室の中心からの距離で示される包括的
形状制約を適用する。ブロック236 は、その結果のデー
タが、あらかじめ学習データから得られた左心室境界線
の包括的形状制約を満たすことを示している。結果の境
界線に関するデータに整合性がないと思われる場合は、
ディスプレイ上にメッセージが現れ、操作者その他の使
用者に対して、ブロック238 に示されているように境界
線に誤りがあることを警告する。特に、この過程は、回
帰処理によって心尖部は満足されているが、形態上、凹
凸の数が満足されていない場合に警告を発する。もし、
凹凸の数が正しくても、心尖部に行なわれた回帰処理に
より示されるエリアが、大きすぎる場合には、推定され
た境界線は、信頼性が低すぎるとして除外される。この
ような警告が発せられない場合は、ブロック236 の画像
フレームについての境界線データは推定左心室境界線11
6 として許容される。このようにして得られた各画像フ
レームの許容された左心室境界線は、少なくともそれに
対応する手動抽出の境界線と同程度の正確さを持つ。な
ぜなら、この自動で輪郭及び境界線を決定する過程は、
前もってこの種の画像解釈専門の技術者によって手動で
抽出された学習データから得られた輪郭を基にしている
からである。自動化した処理は各画像フレームに関し、
その画像データを速やかに得たあと、前もって作成した
学習データを基に速やかに輪郭を抽出することができ、
従って心臓病学及びその他の内科的医療処置において医
師が使用する重要な貴重な手段となるであろう。本発明
の実施例については図示、説明ともにしたが、それらは
本発明の意図、観点から離れることなく変更することが
できる。

【００３０】

【発明の効果】本願発明により、医師が画像評価をする
際に分析すべき個々の心室や内臓器官の予想される形状
や動きを認識し、画像から得られる情報をできるだけ多
く利用して内臓器官の表面を推定して描写するので、少
なくともこの種の画像評価の専門家が行う画像分析と同
一程度の正確さを有した作業を、人よりも効率的にかつ
迅速に行うことができる。また、自動化技術が内臓器官
の輪郭を抽出する際の正確さは、単一画像から得られる
よりも多くの情報によって向上する。更に、複数画像の
分析はより高い正確さを確立するために必要な更なる情
報を提供し、また現在の技術よりも多くの心臓及びその
他の内臓器官に関する情報を医師に提供することができ
るので、医師は、関連する医療処置を行う際に、心臓そ
の他の内臓器官の状況をより迅速に評価することができ
る。

【図面の簡単な説明】

【図１】内蔵組織のＸ線画像を作成する装置及び、本発
明に基づく組織輪郭抽出のための画像を作成する器具を
示した図による概要図である。

【図２】左心室を含むヒトの心臓断面図である。

【図３】本発明に適用される、心周期を通して作成され
た複数画像に基づく、心周期の複数時点における左心室
の輪郭を抽出する処理過程の全体を示したフローチャー
トである。

【図４】１心周期分以上の連続画像フレームの中から収
縮終期の画像フレームを決定する処理理論を示すフロー
チャートである。

【図５】画像フレームを構成する画素の濃度値を基に左
心室輪郭を推定する処理過程を示すフローチャートであ
る。

【図６】画像フレームデータに対して適用される前処理
及び正規化の過程を示したフローチャートである。

【図７】２値画像を決定するための画素分類に関する図
５の過程の詳細である。

【図８】別個体の左心室の分析から得られた動態制約に
基づき、左心室の輪郭をさらに正確に推定する過程を示
したフローチャートである。

【図９】図８に関連した動態制約を推定するための過程
をさらに詳細に示したフローチャートである。

【図１０】包括的形状制約を適用して左心室心尖付近の
輪郭を推定する過程を示したフローチャートである。

【図１１】動態制約決定時に利用される構成要素の推定
に関した詳細を示すフローチャートである。

【図１２】推定された左心室輪郭の整合性をテストする
過程を示すフローチャートである。

【図１３】複数画像フレームにおける対応画素に対して
分類が指定される方法を示したフローチャートである。

───────────────────────────────────────────────────── フロントページの続き (72)発明者チャン−キューリーアメリカ合衆国ワシントン州シアトルバークアベニューノース 3420

Claims

【特許請求の範囲】

【請求項１】内臓器官が位置する領域のディジタル画
像データを基に内臓器官の輪郭を自動的に抽出する方法
であって、前記画像データは、内臓器官壁が内臓器官の
生理学的機能の一貫として反復運動を１周期以上完了す
る期間において作成された連続する画像フレームを表わ
し、前記連続画像フレームの各フレームは複数の画素を
有しており、 (a) 抽出の対象とは異なる個体について、抽出の目的と
する内臓器官の１周期以上にわたる画像を有する学習デ
ータに対し事前に手動で輪郭をトレースし、その画像フ
レームに含まれる画素が抽出の目的とする内臓器官の輪
郭の内側に存在する確率を基準に、その画素を分類する
ことによりあらかじめ得られたパラメータを用いて、抽
出の対象となる画像データを比較することにより、抽出
の対象となる一連の画像フレーム内の内臓器官の輪郭付
近の領域を初期推定する。 (b) 他の個体の目的とする内臓器官を手動で評価するこ
とによりあらかじめ得ておいた境界線動態データによ
り、一連の画像フレームのうち連続するフレーム間の輪
郭の動きの許容範囲を確定することにより、一連の画像
フレームの個々についての初期推定を改善して輪郭を抽
出する。という過程を含むことを特徴とする内臓器官の
複数画像フレームを使用した生体内における内臓器官輪
郭抽出方法。
【請求項２】前記(b) の過程において、輪郭で区切ら
れた領域の内臓器官の物理的形状特性に関して包括的形
状制約を適用することにより画像フレーム毎に推定され
た領域をさらに正確に改善する過程が含まれる請求項１
記載の方法。
【請求項３】各画像フレームの輪郭を学習データから
得られた制約と比較することにより、各画像フレームの
輪郭の整合性を評価する過程、及び輪郭が制約から外れ
ているかどうかを操作者に示す過程が含まれる請求項２
記載の方法。
【請求項４】一連の画像フレームの個々の画像フレー
ムにおいて内臓器官の輪郭に区切られた領域の初期推定
を得る前記過程に、画像フレームを、１周期を通じほぼ
等時間間隔となるように一定枚数に正規化する過程も含
まれる請求項１記載の方法。
【請求項５】前記パラメータは学習データから、 (a) 他の個体に関する学習データの各画像フレームにお
ける内臓器官の輪郭を念入りに調査し、手動で抽出す
る。 (b) 一連の各画像フレームの個々の画素を次の点により
分類する。周期を通じて、画素は (i) 常に輪郭の内側にある。 (ii) 常に輪郭の外側にある。 (iii) 輪郭の一方から他方へ遷移する。そして、画素
が前記のとおり輪郭の一方から他方へ遷移をした場合、
前記分類は、前記遷移が発生した画像フレームの関数と
して表現される。 (c) 他の個体の目的とする内臓器官に関し、１周期を通
じて学習データの画像フレームの各画素の濃度値ベクト
ルを決定する。 (d) 学習データの画像フレームの各画素毎に、濃度値ベ
クトル及び分類の関数として、学習データから得たパラ
メータを含む画素全体に関する平均値ベクトル、共分散
ベクトル及び分類確率を決定する。という過程により推
定される請求項１記載の方法
【請求項６】輪郭を抽出しようとする内臓器官の画像
データを構成する画素が持つ濃度値ベクトルの要素は内
臓器官壁の動きとともに変化し、各画素に対して、濃度
値ベクトル及び学習データから得たパラメータに基づき
前記分類が指定されるとともに、各画素に指定された分
類番号を、輪郭の内側にある画素、その他全ての輪郭の
外側にある画素を示す２進法の数値に置き換える過程も
含まれる請求項１記載の方法。
【請求項７】輪郭に区切られた領域の初期推定前に画
像データからノイズを、当該画像データの形態的開閉処
理によって除去する過程も含まれる請求項１記載の方
法。
【請求項８】他の個体の目的とする各内臓器官の学習
データから得た対応する連続した学習画像フレーム間に
おける輪郭の最大の動きに基づき２枚の画像間における
輪郭の動きを制限する動態制約を決定する構成要素を推
定するために境界線動態データを利用する過程を含む請
求項１記載の方法。
【請求項９】輪郭で区切られた領域の初期推定を、各
画像フレームの輪郭周辺の複数点における動きの限界内
で改善していく過程が含まれる請求項８記載の方法。
【請求項１０】輪郭に区切られた領域をより正確にす
るために、 (a) 学習データを用いて、輪郭の第１部分内にある内臓
器官の構造的指標の位置を求めるために、輪郭の第１部
分を含まない輪郭の別の第２部分の関数としての確率分
布を定義する回帰係数を決定する。 (b) 一連の画像フレームの個々について請求項１記載の
過程(b) で推定した、各画像フレームにおける、学習画
像フレームの輪郭の第２部分に対応する、比較的正確に
定義された輪郭部分を含む輪郭の座標を抽出する。 (c) 一連の画像フレームの個々のフレームにおける輪郭
の比較的正確に定義された部分の輪郭座標に対して、回
帰処理において回帰係数を適用し、一連の画像フレーム
の各フレームにおけるあまり正確に定義されていない輪
郭の他の部分をより正確に決定する。という過程から成
る請求項１及び請求項２記載の方法。
【請求項１１】心臓の１心周期に渡って作成された連
続する画像フレームを含めた心臓の画像データに基づく
生体内での心室輪郭抽出法であって、前記連続する画像
フレームは、心室が位置する関心領域を含み、心周期内
で時間的に大体等間隔で連続して作成され、各画像フレ
ームは濃度値がある複数の画素から構成されており、 (a) 複数の他の心臓の目的とする心室の輪郭を手動で決
定して得られる学習データを用い、輪郭により区切られ
る領域の初期推定を決定するために、学習データの連続
する画像フレーム中の画素に関する濃度値に依存する確
率の関数として、生体内の心臓の画像フレーム中の画素
が、心室の輪郭の内側にある可能性が高いか又は輪郭の
外側にある可能性が高いかを示すことにより、生体内の
心臓の各画像フレームの中の画素を分類する。 (b) 連続する画像フレームについて、生体内の心室の輪
郭で区切られる領域の初期推定を、その初期推定の輪郭
の周囲に渡り間隔をおいた複数の点に対し、連続する画
像フレーム間の輪郭上の各点の動きの限界を決定する動
態制約を適用することにより改善する。という過程から
構成されていることを特徴とする内臓器官の複数画像フ
レームを使用した生体内における内臓器官輪郭抽出方
法。
【請求項１２】前記過程(b) において決定された心室
の輪郭によって区切られる領域を、学習データに基づく
包括的形状制約を用いて前記輪郭のうちより信頼性の高
い部分の座標を処理して他の信頼性の低い部分の座標を
決定することによりさらに改善する過程が含まれる請求
項11記載の方法。
【請求項１３】このようにして一貫して決定された生
体内の心臓の輪郭の整合性について、その輪郭を、他の
心臓の目的とする心室の輪郭を手動抽出することに基づ
き学習データから得た制約との比較によって、テストす
る過程も含まれる請求項11記載の方法。
【請求項１４】学習データから得た前記パラメータに
ついて、 (a) 他の各心臓について１心周期分以上の複数の学習画
像フレーム作成するものであって、その学習画像フレー
ムは複数の画素により構成され、各画素は学習画像フレ
ームの縦軸、横軸によって配列されており、関連した濃
度値ベクトルを持つ。 (b) 各画像フレームにおける他の心室毎の輪郭を手動で
決定する。 (c) 他の心臓それぞれの学習画像フレームにおける各画
素に分類を指定する。この分類は１心周期以上観察し、
以下のことに基づいて決定する。 (i) 学習画像フレームの画素が心周期を通じて手動で
抽出された輪郭の内側にある。 (ii) 学習画像フレームの画素が心周期を通じて手動で
抽出された輪郭の外側にある。 (iii) 心周期の一部では画素は手動で抽出された輪郭の
一方にあり、心周期の残りの部分では輪郭の反対側にあ
る場合、画素が輪郭に対しての位置を変えた学習画像フ
レームに基づく。という過程による請求項11記載の方
法。
【請求項１５】各画素の濃度値ベクトルとその画素に
対して指定された分類に基づいて、学習画像フレームの
同じ分類の画素についての平均値、共分散または分類確
率を指定する過程が含まれる方法であって、前記の平均
値、共分散または分類確率は学習データから得られる事
前情報の一部である請求項14記載の方法。
【請求項１６】前記初期推定の改善過程には、他心臓
の目的とする心室の輪郭についての境界線動態データを
決定する過程、及び１心周期の各学習画像フレームにつ
いての境界線動態データに基づいて動態制約を示す構成
要素を推定する過程が含まれる請求項11記載の方法。
【請求項１７】前記初期推定の改善過程には、他心臓
の輪郭についての境界線動態データを決定する過程、及
び１心周期の各学習画像フレームについての境界線動態
データに基づいて動態制約を示す構成要素を推定する過
程が含まれる請求項12記載の方法。
【請求項１８】生体内の心室は左心室であって、画像
フレームは心周期の収縮期及び拡張期を通して作成され
るとともに、その収縮期及び拡張期の画像フレームは別
々に処理されて、生体内の心室の輪郭が抽出される請求
項11記載の方法。
【請求項１９】各画素の濃度値のヒストグラムを利用
する分類法を使用して生体内の心臓に関する収縮終期の
画像フレームを決定する過程が含まれる請求項18記載の
方法。
【請求項２０】診断目的で生体内の内臓器官の生理学
的機能を、異なる時点で自動的に抽出される内臓器官の
輪郭に基づいて分析及び評価する方法であって、 (a) 内臓器官が位置する領域の一連の画像フレームを表
すディジタル画像データを作成する。各画像フレームは
前記の一連の画像フレームを構成し、複数の画素を含
む。この一連の画像フレームは、内臓器官が、内臓器官
の生理学的機能の一貫として行う周期的運動を１周期以
上完了する間に時間間隔をおいて作成される。 (b) 他の対応する複数の内臓器官の画像から得た学習デ
ータを利用する。各対応内臓器官の輪郭を手動抽出し、
１周期以上にわたって作成した複数画像フレームにおけ
る生体内の心臓の輪郭を自動抽出する。 (c) 連続画像フレームにおいて自動抽出された輪郭の位
置の変化を比較し、疾患または機能不全を示す動きの異
常性を検出すべき内臓器官の生理学的機能を評価する。
という過程からなることを特徴とする内臓器官の複数画
像フレームを使用した生体内における内臓器官輪郭抽出
方法。
【請求項２１】前記内臓器官に心臓左心室が含まれ、
複数回の心周期を通じて、輪郭内にある領域の変化の関
数として、僧帽弁に漏れがあるかどうかを決定する過程
が含まれる評価の過程が含まれる請求項20記載の方法。
【請求項２２】前記内臓器官に左心室の輪郭の一部で
ある心筋を持つ心臓左心室が含まれ、評価の過程には、
心周期の一連の画像フレームについて輪郭の異なる地点
における動きの範囲を比較することにより、心筋にその
動きの範囲が小さくなって弱っている部分があるかどう
かを決定する過程がある請求項20記載の方法。