▶ シーメンス ヘルスケア ゲゼルシヤフト ミツト ベシユレンクテル ハフツングの特許一覧
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公開特許公報(A)
(11)【公開番号】P2024006985
(43)【公開日】2024-01-17
(54)【発明の名称】容量的医用画像の臓器の種類を識別する方法
(51)【国際特許分類】
A61B 5/00 20060101AFI20240110BHJP
A61B 6/03 20060101ALI20240110BHJP
G06T 7/00 20170101ALI20240110BHJP
【ＦＩ】
A61B5/00 G
A61B6/03 360T
A61B6/03 360D
A61B6/03 360J
G06T7/00 612
G06T7/00 350C
A61B5/00 D
【審査請求】有
【請求項の数】15
【出願形態】ＯＬ
【外国語出願】
(21)【出願番号】P 2023081846
(22)【出願日】2023-05-17
(31)【優先権主張番号】22182378
(32)【優先日】2022-06-30
(33)【優先権主張国・地域又は機関】EP
(71)【出願人】
【識別番号】516308401
【氏名又は名称】シーメンス ヘルスケア ゲゼルシヤフト ミツト ベシユレンクテル ハフツング
(74)【代理人】
【識別番号】110003317
【氏名又は名称】弁理士法人山口・竹本知的財産事務所
(74)【代理人】
【識別番号】100075166
【弁理士】
【氏名又は名称】山口 巖
(74)【代理人】
【識別番号】100133167
【弁理士】
【氏名又は名称】山本 浩
(74)【代理人】
【識別番号】100169627
【弁理士】
【氏名又は名称】竹本 美奈
(72)【発明者】
【氏名】ハーリト イェレバカン
(72)【発明者】
【氏名】アンナ イェレブコ
(72)【発明者】
【氏名】品川 嘉久
(72)【発明者】
【氏名】ジェラルド エルモシージョ バラデス
【テーマコード（参考）】
4C093
4C117
5L096
【Ｆターム（参考）】
4C093AA22
4C093AA26
4C093CA35
4C093DA02
4C093FD03
4C093FF16
4C093FF28
4C117XB06
4C117XB09
4C117XD21
4C117XE44
4C117XE45
4C117XE46
4C117XG14
4C117XJ01
4C117XJ14
4C117XJ34
4C117XK05
4C117XK19
4C117XR07
4C117XR08
4C117XR09
5L096AA09
5L096BA06
5L096BA13
5L096DA02
5L096EA03
5L096FA02
5L096FA59
5L096FA66
5L096HA11
5L096KA04
(57)【要約】 （修正有）
【課題】容量的医用画像（305）中の臓器（309）の種類を識別する方法、装置及びシステムを提供する。
【解決手段】一態様では、本方法は、ａ）少なくとも１つの臓器（309）又はその一部を含む容量的医用画像（305）を受け取り；ｂ）容量的医用画像（305）中の単一の関心点（310）を受け取り；ｃ）容量的医用画像（305）からボクセル（306、308）をサンプリングし、この際、２つのサンプリングされたボクセル（306、308）の間で少なくとも１つのボクセル（307）をスキップし；ｄ）サンプリングされたボクセル（306、308）に対して、訓練された分類器を適用することで、単一の関心点（310）における臓器（309）の種類を識別する。
【選択図】図3A
【解決手段】一態様では、本方法は、ａ）少なくとも１つの臓器（309）又はその一部を含む容量的医用画像（305）を受け取り；ｂ）容量的医用画像（305）中の単一の関心点（310）を受け取り；ｃ）容量的医用画像（305）からボクセル（306、308）をサンプリングし、この際、２つのサンプリングされたボクセル（306、308）の間で少なくとも１つのボクセル（307）をスキップし；ｄ）サンプリングされたボクセル（306、308）に対して、訓練された分類器を適用することで、単一の関心点（310）における臓器（309）の種類を識別する。
【選択図】図3A
【特許請求の範囲】
【請求項1】
容量的医用画像（３０５）中の臓器（３０９）の種類を識別するための、コンピュータを用いて実施される方法であって、
ａ）少なくとも１つの臓器（３０９）又は臓器の一部を含む容量的医用画像（３０５）を受け取ることと、
ｂ）前記容量的医用画像（３０５）中の単一の関心点（３１０）を受け取ることと、
ｃ）前記容量的医用画像（３０５）からボクセル（３０６、３０８）をサンプリングすることであって、この際、２つのサンプリングされたボクセル（３０６、３０８）の間で少なくとも１つのボクセル（３０７）をスキップすることと、
ｄ）前記サンプリングされたボクセル（３０６、３０８）に対して、訓練された分類器を適用することで、前記単一の関心点（３１０）における臓器の種類を識別すること、
の各ステップを含む方法。
ａ）少なくとも１つの臓器（３０９）又は臓器の一部を含む容量的医用画像（３０５）を受け取ることと、
ｂ）前記容量的医用画像（３０５）中の単一の関心点（３１０）を受け取ることと、
ｃ）前記容量的医用画像（３０５）からボクセル（３０６、３０８）をサンプリングすることであって、この際、２つのサンプリングされたボクセル（３０６、３０８）の間で少なくとも１つのボクセル（３０７）をスキップすることと、
ｄ）前記サンプリングされたボクセル（３０６、３０８）に対して、訓練された分類器を適用することで、前記単一の関心点（３１０）における臓器の種類を識別すること、
の各ステップを含む方法。
【請求項2】
前記ステップｃ）では、散在的及び／又はランダムな仕方でボクセル（３０６、３０８）をサンプリングする、請求項１に記載の方法。
【請求項3】
前記ステップｃ）では、前記単一の関心点（３１０）から前記各ボクセル（３０６、３０８）への距離（３１１）に伴って減少する単位長さ、単位面積、又は単位体積当たりのサンプリング率で前記ボクセル（３０６、３０８）をサンプリングする、請求項１又は２に記載の方法。
【請求項4】
前記サンプリング率が非線形速度で減少し、特に指数関数、対数関数又はべき関数の割合で減少する、請求項３に記載の方法。
【請求項5】
前記サンプリングされたボクセル（３０６、３０８）は、前記容量的医用画像（３０５）中のボクセル（３０６、３０７、３０８）の総数のうち１％未満であり、好ましくは０、１％未満であり、より好ましくは０、０、０１％未満である、請求項１乃至４のいずれか一項に記載の方法。
【請求項6】
前記訓練された分類器は、ニューラル・ネットワークであり、特に、多層パーセプトロン、畳み込みニューラル・ネットワーク、シャムネットワーク、又はトリプレットネットワークである、請求項１乃至５のいずれか一項に記載の方法。
【請求項7】
前記単一の関心点（３１０）を含む前記容量的医用画像（３０５）又はその一部は、グラフィカル・ユーザ・インタフェース（７００）上に表示され、その際、識別された臓器（３０９）の種類の意味記述（７０２）が生成されて、前記単一の関心点（３１０）の場所又はその近くに表示される、請求項１乃至５のいずれか一項に記載の方法。
【請求項8】
前記単一の関心点（３１０）は、ユーザによって選択され、及び／又は、
前記単一の関心点（３１０）は、グラフィカル・ユーザ・インタフェース（７００）上に表示された前記容量的医用画像（３０５）又はその一部の上で、ユーザによって操作されたカーソル（７０１）が一時停止されることで選択され、及び／又は、
前記容量的医用画像（３０５）又はその一部に関してユーザが測定（８００）を行う際、前記臓器（３０９）の識別された種類が前記測定（８００）と共にデータベース（９００）内に保存される、
請求項１乃至７のいずれか一項に記載の方法。
前記単一の関心点（３１０）は、グラフィカル・ユーザ・インタフェース（７００）上に表示された前記容量的医用画像（３０５）又はその一部の上で、ユーザによって操作されたカーソル（７０１）が一時停止されることで選択され、及び／又は、
前記容量的医用画像（３０５）又はその一部に関してユーザが測定（８００）を行う際、前記臓器（３０９）の識別された種類が前記測定（８００）と共にデータベース（９００）内に保存される、
請求項１乃至７のいずれか一項に記載の方法。
【請求項9】
臓器に特有の異常を識別するための、訓練されていない複数の分類器（１００１－１００３）を受け取ることと、
前記識別された臓器（３０９）に基づいて、前記複数の分類器の中から１つ又は複数の訓練されていない分類器（１００１－１００３）を選択することと、
前記容量的医用画像（３０５）を用いて、前記１つ又は複数の訓練されていない分類器（１００１－１００３）を訓練すること、
を含む、請求項１乃至８のいずれか一項に記載の方法。
前記識別された臓器（３０９）に基づいて、前記複数の分類器の中から１つ又は複数の訓練されていない分類器（１００１－１００３）を選択することと、
前記容量的医用画像（３０５）を用いて、前記１つ又は複数の訓練されていない分類器（１００１－１００３）を訓練すること、
を含む、請求項１乃至８のいずれか一項に記載の方法。
【請求項10】
前記容量的医用画像（３０５）中の「Ｎ－１」個の単一の関心点（３１０）の各々について、前記ａ）乃至ｄ）のステップを実行及び／又は繰り返し、この際、前記「Ｎ」は、前記容量的医用画像（３０５）中のボクセル（３０６、３０７、３０８）の総数以下であり、
好適には、１つ又は複数の処理装置（２０１）で、前記ａ）乃至ｄ）のステップを並列的に実行し、及び／又は、
好適には、前記「Ｎ」は、前記容量的医用画像（３０５）中に含まれるボクセル（３０６、３０７、３０８）の間隔を上回る格子間隔（Ｄ６）を有する格子（５０６）に相当する、
請求項１乃至９の方法のいずれか一項に記載の方法。
好適には、１つ又は複数の処理装置（２０１）で、前記ａ）乃至ｄ）のステップを並列的に実行し、及び／又は、
好適には、前記「Ｎ」は、前記容量的医用画像（３０５）中に含まれるボクセル（３０６、３０７、３０８）の間隔を上回る格子間隔（Ｄ６）を有する格子（５０６）に相当する、
請求項１乃至９の方法のいずれか一項に記載の方法。
【請求項11】
請求項１乃至１０のいずれか一項に記載の分類器を訓練するためのコンピュータ実施方法であって、
ａ）少なくとも１つの臓器（３０９）又は臓器の一部を含む容量的医用画像（３０５）を受け取り、かつ、前記少なくとも１つの臓器（２０９）の種類を受け取ることと、
ｂ）前記容量的医用画像（３０５）中の単一の関心点（３１０）を受け取ることと、
ｃ）前記容量的医用画像（３０５）からボクセルをサンプリングし、この際、２つのサンプリングされたボクセル（３０６、３０８）の間で少なくとも１つのボクセル（３０７）をスキップすることと、
ｄ）前記サンプリングされたボクセル（３０６、３０８）に対して訓練されていない分類器を適用することで、前記単一の関心点（３１０）における臓器（３０９）の種類を識別することと、
ｅ）前記識別された臓器（３０９）の種類を、前記受け取った少なくとも１つの臓器の種類とを比較することと、
ｆ）前記ステップｅ）での比較に基づいて前記分類器を調整することで、訓練された分類器を得ること、
の各ステップを含む方法。
ａ）少なくとも１つの臓器（３０９）又は臓器の一部を含む容量的医用画像（３０５）を受け取り、かつ、前記少なくとも１つの臓器（２０９）の種類を受け取ることと、
ｂ）前記容量的医用画像（３０５）中の単一の関心点（３１０）を受け取ることと、
ｃ）前記容量的医用画像（３０５）からボクセルをサンプリングし、この際、２つのサンプリングされたボクセル（３０６、３０８）の間で少なくとも１つのボクセル（３０７）をスキップすることと、
ｄ）前記サンプリングされたボクセル（３０６、３０８）に対して訓練されていない分類器を適用することで、前記単一の関心点（３１０）における臓器（３０９）の種類を識別することと、
ｅ）前記識別された臓器（３０９）の種類を、前記受け取った少なくとも１つの臓器の種類とを比較することと、
ｆ）前記ステップｅ）での比較に基づいて前記分類器を調整することで、訓練された分類器を得ること、
の各ステップを含む方法。
【請求項12】
容量的医用画像（３０５）中の臓器（３０９）の種類を識別するための装置（１０１）であって、
１つ又は複数の処理装置（２０１）と、
医用撮像装置（１０８）が取り込んだ１つ又は複数の容量的医用画像（３０５）を受け取るように構成された、第１の受信装置（１０４、２０４）と、
前記１つ又は複数の容量的医用画像（３０５）中の単一の関心点（３１０）を受け取るように構成された、第２の受信装置（１０４、２０４）と、
前記１つ又は複数の処理装置（２０１）とつなげられ、かつ請求項１乃至１１のいずれかに記載の方法の各ステップを実行するように構成されたモジュール（１０３）を含むメモリ（２０２）と、
を含む装置。
１つ又は複数の処理装置（２０１）と、
医用撮像装置（１０８）が取り込んだ１つ又は複数の容量的医用画像（３０５）を受け取るように構成された、第１の受信装置（１０４、２０４）と、
前記１つ又は複数の容量的医用画像（３０５）中の単一の関心点（３１０）を受け取るように構成された、第２の受信装置（１０４、２０４）と、
前記１つ又は複数の処理装置（２０１）とつなげられ、かつ請求項１乃至１１のいずれかに記載の方法の各ステップを実行するように構成されたモジュール（１０３）を含むメモリ（２０２）と、
を含む装置。
【請求項13】
容量的医用画像（３０５）中の臓器（３０９）の種類を識別するためのシステム（１００）であって、
１つ又は複数のサーバ（１０１）と、
前記１つ又は複数のサーバ（１０１）とつなげられた医用撮像装置（１０８）と、
を含み、
前記１つ又は複数のサーバ（１０１）は、命令を含み、当該命令は実行されると、前記１つ又は複数のサーバ（１０１）に働きかけて、請求項１乃至１１のいずれか一項に記載の方法の各ステップを実行させるようにする、システム。
１つ又は複数のサーバ（１０１）と、
前記１つ又は複数のサーバ（１０１）とつなげられた医用撮像装置（１０８）と、
を含み、
前記１つ又は複数のサーバ（１０１）は、命令を含み、当該命令は実行されると、前記１つ又は複数のサーバ（１０１）に働きかけて、請求項１乃至１１のいずれか一項に記載の方法の各ステップを実行させるようにする、システム。
【請求項14】
機械可読命令を含むコンピュータ・プログラム製品であって、１つ又は複数の処理装置（２０１）によって実行されると、１つ又は複数の処理装置（２０１）に働きかけて、請求項１乃至１１のいずれか一項に記載の方法の各ステップを実行させるようにする、コンピュータ・プログラム製品。
【請求項15】
コンピュータ・プログラムのプログラムコード部が保存されているコンピュータ可読媒体であって、前記プログラムコード部は、システム（１００）内にロード可能及び／又は実行可能であって、前記システム（１００）内で前記プログラムコード部が実行されると、前記システム（１００）に働きかけて、請求項１乃至１１のいずれか一項に記載の方法の各ステップを実行させるようにする、コンピュータ可読媒体。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、容量的医用画像中の臓器の種類を識別するためのコンピュータ実施方法と、装置と、システムと、コンピュータ・プログラム製品と、コンピュータ可読媒体とに関する。
【背景技術】
【0002】
医用画像の問題の核心の一つに、分割化（又はセグメンテーション）がある。これは、臓器の境界の識別、表示の視覚化、又は容積の計算に用いられている。顕著な使用例の一つには、位置の探索中における臓器の識別がある。しなしながら、この目的のために全ての臓器を完全に分割化する場合、三次元画像には数十億のボクセル（又は体積要素）が含まれ得るため、計算が集約的になる。また、関心のある場所で臓器を識別する際、ほとんどの場合で、完全な臓器の分割化が必要とされていない。
【0003】
臓器の位置の情報を識別する別の方法として、ランドマーキング（又はランドマーク）がある。しかしながら、ランドマークでは、表現のレベルが粗いため、選択された位置での内側と外側の情報が得られない。
【0004】
微細で、粒状な（又はざらざらした）臓器の分割化についての近年の研究によって、計算時間の負担が数秒まで削減されている。しかしながら、このような分割化の手法では、依然として、実行上、さらなるハードウェアを必要としているため、多くの設定で実用的ではない。
【0005】
放射線医学の読取りを行う前に、分割化のマスク（又はセグメンテーション・マスク）を予め計算することは可能である。しかし、このプロセスは、データベースの設計、認証、及び通信プロトコルを複雑にしている。
【0006】
非特許文献１と非特許文献２には、先行技術が開示されている。
【先行技術文献】
【非特許文献】
【0007】
【非特許文献1】Zhang、Fan、Yu Wang及びHua Yang著「腹部の複数の臓器のセグメンテーション用の効率的なコンテキスト指向（コンテキスト・アウェア）ネットワーク」arXiv（アーカイヴ）プレプリント、arXiv:2109.10601（２０２１年）
【非特許文献2】Yan, Zhennan等著「多段階ディープラーニング（深層学習）を用いた身体部分の認識」医用画像の情報処理についての国際会議、スプリンガー・チャム（２０１５年）
【発明の概要】
【発明が解決しようとする課題】
【0008】
従って、本発明の目的は、改善された臓器の識別を可能にする、方法、装置（又はデバイス）、及びシステムを提供することである。
【課題を解決するための手段】
【0009】
本発明に係る第１の態様では、容量的医用画像中の臓器の種類を識別するための、コンピュータを用いて実施される方法（又はコンピュータ実施方法）が提供されるが、本方法は、以下を含む。即ち、
ａ）少なくとも１つの臓器又は臓器の一部を含む容量的医用画像を受け取ることと、
ｂ）上記容量的医用画像中の単一の関心点を受け取ることと、
ｃ）上記容量的医用画像からボクセルをサンプリングし、この際、２つのサンプリングされたボクセルの間で少なくとも１つのボクセルをスキップする（又は、飛ばす）ことと、
ｄ）上記サンプリングされたボクセルに対して、訓練された（又はトレーニングされた）分類器（又は分類装置）を適用することで、上記単一の関心点での臓器の種類を識別すること、とを含む。
ａ）少なくとも１つの臓器又は臓器の一部を含む容量的医用画像を受け取ることと、
ｂ）上記容量的医用画像中の単一の関心点を受け取ることと、
ｃ）上記容量的医用画像からボクセルをサンプリングし、この際、２つのサンプリングされたボクセルの間で少なくとも１つのボクセルをスキップする（又は、飛ばす）ことと、
ｄ）上記サンプリングされたボクセルに対して、訓練された（又はトレーニングされた）分類器（又は分類装置）を適用することで、上記単一の関心点での臓器の種類を識別すること、とを含む。
【0010】
有利には、２つのサンプリングされたボクセルの間で、少なくとも１つのボクセルがスキップされる。このため、臓器の種類を識別するために、訓練された分類器によって処理される必要のあるデータの量を低減することができるため、計算の時間と、計算のリソースとが低減されるという効果がある。本発明者らによると、本方法を用いることで、訓練された分類器によって処理されるデータの量が低減されるにもかかわらず、依然として、信頼性があるように臓器の種類を識別できることを見出した。この理由の１つとして、サンプリングされたボクセル（これは、本明細書では、「記述子」としても参照され得る）は、より大きな視野に対応するため、より小さな小容量（サブボリューム）の全ボクセルがサンプリングされる場合と比較して、近傍情報を考慮するからである。
【0011】
臓器（又は器官）とは、共通の機能を行う構造単位で結合した組織の集合体として理解することができる。臓器は、ヒトの臓器であってもよい。臓器とは、例えば、腸、骨格、腎臓、胆のう、肝臓、筋肉、動脈、心臓、喉頭、咽頭、脳、リンパ節、肺、骨髄、脾臓、胃、静脈、膵臓、及び膀胱のうちの任意のものでもよい。
【0012】
容量的医用画像は、医用撮像装置（又は画像化装置）によって取込まれて、受け取ることができる。医用撮像装置について非限定的な例を挙げると、例えば、磁気共鳴撮像装置、コンピュータ断層撮影装置、Ｘ線撮像装置、超音波撮像装置等がある。容量的医用画像は、三次元（３Ｄ）及び／又は体積（ボリューム）に関するものでもよい。容量的医用画像は、複数のスライス（断片）から構成されていてもよく、つまり、複数の二次元（２Ｄ）医用画像から構成されていてもよい。二次元医用画像は、上記医用画像装置によって取込まれて、受け取られてもよい。次に、二次元医用画像を集合させて、容量的医用画像を形成してもよい。
【0013】
本明細書では、ボクセル（体積要素）は、三次元空間内の値を表すものとし、また、ピクセル（画素）は、二次元空間内の値を表すものとする。ピクセル又はボクセルは、それらの位置を有していてもよく、有していなくてもよく、つまり、その値で明示的に符号化されたその座標を有していてもよく、有していなくてもよい。替わりに、ピクセル又はボクセルの位置は、他のピクセル又はボクセルとの相対的な位置に基づいて推測されてもよい（つまり、単一の２Ｄ 又は３D（容量的）画像を構成するデータ構造内に位置する）。ボクセルは、３Ｄ格子（グリッド）上に配置されてもよく、ピクセルは、２Ｄ格子上に配置されてもよい。２Ｄ医用画像は、例えば、ピクセルのアレイ（配列）の形態でもよい。容量的医用画像は、ボクセルのアレイを含むことができる。容量的医用画像を構成する複数の２Ｄ医用画像のピクセルは、本明細書では、ボクセルとしても参照され得る。ピクセル又はボクセルは、三次元的な位置の関数として、強度、併合（吸収）又は他のパラメータを表すことができ、また、例えば、上記医用撮像装置の１つ又は複数から得られる測定信号を適切に処理することで得られてもよい。
【0014】
容量的医用画像中の単一の関心点は、三次元空間内の一つ（厳密に一つ）のピクセル又はボクセル、又は上記ピクセル又はボクセルの位置に対応していてもよい。方法のステップａ）からｄ）は、例えば容量的医用画像中の異なる臓器を識別するために、異なる単一の関心点について繰り返して行われてもよい。
【0015】
ボクセルをサンプリングすることは、データファイル、データベース、（例えば、一時的な）メモリ、又はボクセルを含むアレイから読み取ることで行われてもよい。ボクセルのサンプリングは、連続的に行ってもよく、又は並列的に行ってもよい（例えば、複数のボクセルを同時に読み取る）。２つのサンプリングされたボクセルの間で、少なくとも１つのボクセルがスキップされる。つまり、それらの三次元的な関係における容量的医用画像の全てのボクセルを見るとき、２つのサンプリングされたボクセルの間で少なくとも１つのボクセルがサンプリングされないことを意味する。例えば、容量的医用画像が、第１、第２及び第３のボクセルを同じ列又は行内に配置して含む場合には、第１のボクセルと第３のボクセルだけがサンプリングされて、第２のボクセルはサンプリングされない。このたまに、例えば、まず、第１のボクセルをサンプリングして、次に、第３のボクセルをサンプリングしてもよい。あるいは、第１のボクセルと第３のボクセルを並列的にサンプリングしてもよい。サンプルされたボクセルは、メモリ内に保存することができる。
【0016】
サンプリングされたボクセルに対して、訓練された分類器が適用される。特に、サンプリングされたボクセルがメモリから読み出されると、次に、訓練された分類器によって処理される。訓練された分類器は、例えば、訓練されたニューラル・ネットワークである。
【0017】
一実施形態では、臓器の識別された種類（又は後述する臓器特有の異常又は病変）に応じて、ロボット（例えば、ＣＴ又はＭＲ）スキャナ又は他の装置又は機械が制御される。例えば、ロボットは、患者の身体上で動作するように構成されていてもよい。特に、識別された臓器に基づいて、ロボット（例えば、メス等の操作器具）又はスキャナの動きが制御されてもよい。
【0018】
一実施形態では、ステップｃ）は、散在的な仕方及び／又はランダムな仕方でボクセルをサンプリングする。
【0019】
「散在的（又はまばら）」とは、容量的医用画像を構成するボクセルの総数を考慮するとき、ごくわずかボクセルのみが散在的なサンプリングで用いられることとして理解できる。特に、「散在的」とは、ステップｃ）において、容量的医用画像のボクセルの総数のうち、５０％未満、又は２０％未満、さらには１０％未満がサンプリングされることをいう。
【0020】
「ランダム」とは、サンプリングされるボクセルが規則的なパターンに従わないことを意味する（ただし、２つのサンプリングされたボクセルの間で、少なくとも１つのボクセルがスキップされる）。ステップｃ）で用いられる（ランダムな）パターンは、異なる単一の関心点について同じであってもよい。幾つかの実施形態では、ステップｃ）でサンプリングされるボクセルを選択するために、乱数発生器又は擬似乱数発生器を用いることができる。
【0021】
一実施形態では、ステップｃ）では、単一の関心点からの各ボクセルまでの距離と共に減少する、単位長さ、単位面積、又は単位体積当たりのサンプリング率でボクセルをサンプリングすることが含まれる。
【0022】
従って、単一の関心点に焦点を合わせている視野が得られると同時に、その関心点から離れる距離の情報も考慮に入れている。
【0023】
ステップｃ）では、サンプリング・モデルを用いることができる。サンプリング・モデルには、サンプリング対象の容量的医用画像中のボクセルの位置に関する情報が含まれており、従って、記述子が提供されている。サンプリング・モデルは、例えば、アルゴリズムであってもよく、又はアルゴリズムを利用するものでもよい。
【0024】
一実施形態では、サンプリング率は、非線形の割合で減少し、特に、指数関数、対数関数又はべき関数の割合で減少する。
【0025】
本発明者らは、本明細書で記載されたサンプリング率を用いることで、計算時間を有意に削減することができると同時に、信頼性があるように臓器の種類を識別することができることを見出した。
【0026】
さらなる実施形態では、サンプリングされたボクセルは、容量的医用画像中のボクセルの総数のうち、１％未満であり、好ましくは０．１％未満であり、より好ましくは０．０１％未満である。
【0027】
一実施形態では、訓練された分類器は、ニューラル・ネットワーク、特に、多層パーセプトロン、畳み込みニューラル・ネットワーク（又はコンボリューショナル・ニューラル・ネットワーク）、シャムネットワーク（又は結合体ネットワーク）、又はトリプレットネットワーク（又は三連ネットワーク）である。
【0028】
分類（訓練された分類器を用いるもの）とセグメント化（後者も通常ニューラル・ネットワークを用いて実施されるもの）との違いとして、分類では、単一の関心点（例えば特定のボクセル）に対して単一のラベル（例えば臓器の種類）が出力されるのに対して、セグメント化では、入力データの各ボクセルに対してラベルが決定される。このため、分類用の訓練と適用と、セグメント化用の訓練と適用とは、実質的に相違する。
【0029】
関心のある場所で記述子を用いて臓器ラベルを分類するために、単純なニューラル・ネットワーク分類器を用いることは可能である。このニューラル・ネットワーク分類器は、位置の変化と共に記述子が変化するため、トランスレーション不変モデルではない。
【0030】
一例を挙げると、ニューラル・ネットワークは、単一層ロジスティック回帰であり得る。その計算は、次のように定式化された記述子の値の線形結合のソフトマックスであり得る。
【0031】
【数1】
【0032】
なお、上の数式で、「ｌorgan」は、臓器ラベルを指し、「Ｗl 」は、異なる臓器のウェイト（重み）ベクトルを指し、「ｘ」は、記述子（descriptor）を指している。
【0033】
他の例では、非線形関係をモデル化するために、多層ニューラル・ネットワークを用いることができる。例えば、このことは、入力記述子に少なくとも１つの隠れ層を追加して、前の例の場合にソフトマックス分類器層を追加することで行うことができる。
【0034】
さらなる実施形態では、受け取った容量的医用画像、又は単一の関心点を含む容量的医用画像の一部分がグラフィカル・ユーザ・インタフェース（又はＧＵＩ）上に表示され、この際、識別された臓器の種類の意味記述（又は意味記述データ）が生成されて、単一の関心点の場所又はその近くの場所にそれを表示してもよい。
【0035】
このようにして、ユーザは、単一の関心点にどの種類の臓器が位置しているのかを迅速に理解することができる。
【0036】
一実施形態では、単一の関心点は、ユーザによって選択される。
例えば、単一の関心点は、グラフィカル・ユーザ・インタフェースと、ポインタ・デバイス等の入力デバイスとを使用して選択することができ、この際、入力デバイスは、単一の関心点を選択するために、ラフィカル・ユーザ・インターフェースと相互作用する。他の実施形態では、関単一の関心点は、キーボード、データファイル又は同様物を用いて入力されてもよい。
例えば、単一の関心点は、グラフィカル・ユーザ・インタフェースと、ポインタ・デバイス等の入力デバイスとを使用して選択することができ、この際、入力デバイスは、単一の関心点を選択するために、ラフィカル・ユーザ・インターフェースと相互作用する。他の実施形態では、関単一の関心点は、キーボード、データファイル又は同様物を用いて入力されてもよい。
【0037】
さらなる実施形態では、単一の関心点は、ユーザによって操作されるカーソルが、グラフィカル・ユーザ・インタフェース上に表示される容量的医用画像又はその一部の上で一時停止されることで選択されてもよい。
【0038】
本例では、分類（ステップｄ）は高速であり、例えば、１０ｍｓ未満で行われ（この速さは、グラフィカル・ユーザ・インタフェースの一部として用いられている画面リフレッシュ・レートよりも高速であり得る）、カーソルが短時間で一時停止される度に、単一の関心点に関連する臓器の種類、例えば意味記述が表示されてもよい。ここで、「一時停止」とは、カーソルがユーザによって動かされていないことを意味する。このため、ユーザ（例えば、医師）は、容量的医用画像について、迅速かつ効率的な分析を行うことが可能になる。
【0039】
さらなる実施形態では、ユーザが、容量的医用画像又はその一部に関して測定を行うと、その臓器の識別された種類が、その行われた測定と共にデータベース内に保存される。
【0040】
しばしば、ユーザが、容量的医用画像又はその一部に関して測定を行う。例えば、医師が、臓器の大きさ、又は、臓器の中の病変又は腫瘍の大きさを測定することがある。この測定は、例えば、グラフィカル・ユーザ・インタフェースを用いて行うことができる。特定の臓器と関連した測定を得ることで、その後、それについての参照を簡略化されて、より効率的にすることができる。
【0041】
本発明に係るさらなる態様では、本方法は、さらに、以下を含む。即ち、
臓器に特有の異常（又は異常性）を識別するための、訓練されていない複数の分類器を受け取ることと、
識別された臓器に基づいて、上記複数の分類器の中から１つ又は複数の訓練されていない分類器を選択することと、
容量的医用画像を用いて、上記１つ又は複数の訓練されていない分類器を訓練すること、
を含む。
臓器に特有の異常（又は異常性）を識別するための、訓練されていない複数の分類器を受け取ることと、
識別された臓器に基づいて、上記複数の分類器の中から１つ又は複数の訓練されていない分類器を選択することと、
容量的医用画像を用いて、上記１つ又は複数の訓練されていない分類器を訓練すること、
を含む。
【0042】
容量的医用画像の中で臓器の種類を識別するために構成された分類器（例えば、ニューラル・ネットワーク）が存在する。また、臓器に特有の異常を識別するために構成された分類器（例えば、ニューラル・ネットワーク）も存在する。上記臓器に特有の異常には、例えば、結節、病変及び腫瘍が含まれる。これら臓器に特有の異常は、それぞれ、形状、きめ（テクスチャ）、密度等が実質的に相違するため、それぞれの臓器の種類について上記分類器を訓練するのが好ましい。このため、上記のような臓器に特有の分類器に用いられる訓練データは、分類される必要がある。例えば、肺結節の分類器は、肺を示す容量的医用画像を用いて訓練することができ、肝臓病変の分類器は、肝臓を示す容量的医用画像を用いて訓練することができ、その他も同様である。本方法は、各分類器に、適当な容量的医用画像を提供するために効率的に用いることができる。
【0043】
さらなる実施態様では、本方法はさらに、容量的医用画像中の「Ｎ－１」個の単一の関心点のそれぞれに対して、ステップａ）－ｄ）を実施及び／又は繰り返すように構成され、この際、「N」は、容量的医用画像のボクセルの総数以下である。
【0044】
しばしば、１つの容量的医用画像の中で、複数の単一の関心点について、臓器の種類を決定することが求められることがある。このため、本方法では、異なる（複数の）単一の関心点について、何度も実施したり、繰り返すことができる。なお、「Ｎ」とは、正の実数かつ整数である。ここで、「実施（実行）する」と「繰り返す」との違いとして、「実施」の場合には、並行して実行できるが、「繰り返す」の場合には、連続的（逐次的）なアプローチが必要になる。典型的には、Ｎ個の関心点は、容量的医用画像に適用される粗い格子（グリッド）の節（ノード）に対応する。言い換えると、Ｎ個の単一の関心点は、格子に相当するが、これは、容量的医用画像中に含まれるボクセルの間隔を上回る格子間隔を有する。好適には、格子は、規則的な間隔を有する。しかしながら、極端な場合、Ｎがボクセルの総数に等しい場合、セグメンテーション法と対比して同様の結果を得ることができる。ただし、本方法の仕方では、すべての単一の関心点が互いに独立して評価される。
【0045】
好適には、ステップａ）－ｄ）は、１つ又は複数の処理装置で並列的に実施される。従って、処理時間をさらに削減することができる。
【0046】
本発明に係る第２の態様では、上記分類器（上記ステップｄ）参照）を訓練するための、コンピュータを用いて実施される方法が提供される。本方法は、以下を含む。即ち、
ａ）少なくとも１つの臓器又は臓器の一部を含む容量的医用画像を受け取り、そして、少なくとも１つの臓器の種類を受け取ることと、
ｂ）上記容量的医用画像中の単一の関心点を受け取ることと、
ｃ）上記容量的医用画像からボクセルをサンプリングすることであって、この際、２つのサンプリングされたボクセルの間で少なくとも１つのボクセルをスキップすることと、
ｄ）上記サンプリングされたボクセルに対して訓練されていない分類器を適用することで、上記単一の関心点での臓器の種類を識別することと、
ｅ）上記識別された臓器の種類を、上記受け取った臓器の種類と比較することと、
ｆ）上記ステップｅ）での比較に基づいて上記分類器を調整することで、訓練された分類器を得ること、
を含む。
ａ）少なくとも１つの臓器又は臓器の一部を含む容量的医用画像を受け取り、そして、少なくとも１つの臓器の種類を受け取ることと、
ｂ）上記容量的医用画像中の単一の関心点を受け取ることと、
ｃ）上記容量的医用画像からボクセルをサンプリングすることであって、この際、２つのサンプリングされたボクセルの間で少なくとも１つのボクセルをスキップすることと、
ｄ）上記サンプリングされたボクセルに対して訓練されていない分類器を適用することで、上記単一の関心点での臓器の種類を識別することと、
ｅ）上記識別された臓器の種類を、上記受け取った臓器の種類と比較することと、
ｆ）上記ステップｅ）での比較に基づいて上記分類器を調整することで、訓練された分類器を得ること、
を含む。
【0047】
受け取った少なくとも１つの臓器の種類は、上記ステップａ）の前に、データベースに保存することができる。少なくとも１つの臓器の種類は、上記ステップａ）の前に、上記ステップａ）にて受け取った容量的医用画像を人為的に調査することで決定することができ、又は、他の方法で決定されてもよい。上記ステップｆ）に従って分類器を修正することは、訓練されていない分類器又は部分的に訓練された分類器のニューラル・ネットワーク中で重み付け（ウエイト）を変更することを含むことができる。
【0048】
本発明に係る第３の態様では、容量的医用画像中の臓器の種類を識別するための装置（又はデバイス）が提供される。本装置は、以下を含む。即ち、
１つ又は複数の処理装置と、
医用撮像装置が取り込んだ１つ又は複数の容量的医用画像を受け取るように構成された、第１の受信装置と、
上記１つ又は複数の容量的医用画像中の単一の関心点を受け取るように構成された、第２の受信装置と、
上記１つ又は複数の処理装置とつなげられて、上記方法の各ステップを実行するように構成されたモジュールを含むメモリ（記憶装置）と、
を含む。
１つ又は複数の処理装置と、
医用撮像装置が取り込んだ１つ又は複数の容量的医用画像を受け取るように構成された、第１の受信装置と、
上記１つ又は複数の容量的医用画像中の単一の関心点を受け取るように構成された、第２の受信装置と、
上記１つ又は複数の処理装置とつなげられて、上記方法の各ステップを実行するように構成されたモジュールを含むメモリ（記憶装置）と、
を含む。
【0049】
各装置、例えば、処理装置、第１の受信装置、又は第２の受信装置は、ハードウェア及び／又はソフトウェアによって実装されてもよい。上記装置がハードウェアで実装される場合には、例えば、装置（デバイス）として実装されてもよく、例えば、コンピュータとして、プロセッサとして、又はシステム（例えば、コンピュータシステム）の一部として実装されてもよい。上記装置がソフトウェアで実装される場合には、コンピュータ・プログラムとして、機能（ファンクション）として、ルーチンとして、プログラムコードとして、又は実行可能オブジェクトとして実装されてもよい。
【0050】
本発明に係る第４の態様では、容量的医用画像中の臓器の種類を識別するためのシステムが提供される。本システムは、以下を含む。即ち、
１つ又は複数のサーバと、
上記１つ又は複数のサーバとつなげられた医用撮像装置と、
を含む。
上記１つ又は複数のサーバは、命令を含み、当該命令は実行されると、上記１つ又は複数のサーバに働きかけて、上記方法の各ステップを実行させるようにする。
１つ又は複数のサーバと、
上記１つ又は複数のサーバとつなげられた医用撮像装置と、
を含む。
上記１つ又は複数のサーバは、命令を含み、当該命令は実行されると、上記１つ又は複数のサーバに働きかけて、上記方法の各ステップを実行させるようにする。
【0051】
本発明に係る第５の態様では、機械可読命令を含むコンピュータ・プログラム製品であって、これは、１つ又は複数の処理装置によって実行されると、当該１つ又は複数の処理装置に働きかけて、上記方法の各ステップを実行させるようにする。
【0052】
コンピュータ・プログラム手段等のコンピュータ・プログラム製品は、例えば、メモリカードとして、ＵＳＢスティックとして、ＣＤ－ＲＯＭとして、ＤＶＤとして、又はネットワーク内のサーバからダウンロード可能なファイルとして実装されてもよい。例えば、このファイルは、ワイヤレス（無線）通信ネットワークからコンピュータ・プログラム製品を含むファイルを転送することによって提供されてもよい。
【0053】
本発明に係る第６の態様では、コンピュータ・プログラムのプログラムコード部が保存されているコンピュータ可読媒体であって、上記プログラムコード部は、システム内にロード可能及び／又は実行可能であって、当該システム内で上記プログラムコード部が実行されると、上記システムに働きかけて、上記方法の各ステップを実行させるようにする。
【0054】
第１の態様について説明した特徴、長所及び実施形態は、第２の態様及び後続の態様に対しても等しく適用され、その逆も同様である。
【0055】
本明細書では、「１つ（又は１つを意味する冠詞／Ａ）」は、単一の構成要素に限定的に用いられないことを理解されたい。むしろ、明示的に説明されていない場合には、これは、１つ又は複数の構成要素を意味することもできる。さらに、「序数詞（ａ、ｂ等）」（例えば、ステップａ）、ステップｂ）等）は、特定の順番に限定的に用いられるものではないことを理解されたい。むしろ、その順番は、当業者が妥当であると考えられる場合には、変更することができる。
【0056】
本明細書中に明示的に記載されていなくても、本発明のさらなる可能な実装又は代替の解決策として、上述又は後述の各実施形態で説明される特徴の組み合わせを含むことができる。また、当業者であれば、本発明の最も基本的な実施形態に対して、独立した又は個別の態様又は特徴を加えることができるであろう。
【0057】
本発明に係るさらなる実施形態、特徴、及び利点は、添付した図面を参照して、後述の説明と添付した特許請求の範囲とから明らかになるであろう。
【図面の簡単な説明】
【0058】
【発明を実施するための形態】
【0059】
以下、本発明の実施形態について詳述する。様々な実施形態について、図面を参照して説明するが、全図を通じて、同様の構成要素を説明するために同様の参照番号が用いられている。以下の説明では、１つ又は複数の実施形態について十分な理解が得られるように、説明の目的上、複数の特定の詳細についても記載されている。なお、自明だが、これら特定の詳細を伴うことなく、本発明の実施形態を実施することは可能である。
【0060】
図１は、クライアントとサーバ間の構造を例示したブロック図であって、容量的（又は容積的）医用画像中の臓器（又は器官）の種類を識別するためのシステムを例示した図である。このクライアントとサーバ間の構造１００には、サーバ１０１と、複数のクライアント側装置１０７Ａ－Ｎとが含まれている。各クライアント側装置１０７Ａ－Ｎは、ネットワーク１０５を介して、サーバ１０１と接続されており、例えば、ローカル・エリア・ネットワーク（ＬＡＮ）、ワイド・エリア・ネットワーク（ＷＡＮ）、ＷｉＦｉ等を介して接続されている。一実施形態では、サーバ１０１は、クラウド・コンピューティング環境内に配置される。本明細書で使用される用語「クラウド・コンピューティング環境」とは、構成可能な計算（コンフィギュラブル・コンピューティング）用の物理的及び論理的リソース（例えば、ネットワーク、サーバ、ストレージ、アプリケーション、サービス等）と、ネットワーク１０５（例えば、インターネット）上に分散されるデータとを含む処理環境を意味する。クラウド・コンピューティング環境では、構成可能な計算用の物理的及び論理的リソースの共有プールへのオンデマンド・ネットワーク・アクセスが提供される。サーバ１０１には、医用データベース１０２が含まれていてもよく、その医用データベース１０２には、複数の患者に関する医療画像が含まれるが、それら画像は、医療サービス提供者によって管理されている。一実施形態では、その医用データベース１０２には、ＭＲスキャナ及び／又はＣＴスキャナ等によって取り込まれた容量的医用画像が含まれている。サーバ１０１には、特に後述するように、容量的医用画像中の臓器の種類を識別するように構成されたモジュール１０３が含まれていてもよい。
【0061】
クライアント側装置１０７Ａ－Ｎは、ユーザ、例えば、放射線科医、病理医、医師等の医療従事者が使用するユーザ側の装置である。一実施形態では、ユーザ側装置１０７Ａ－Ｎは、患者に関する容量的医用画像又は２Ｄ（二次元）医用画像を受け取るために、ユーザによって用いられてもよい。そのデータは、ユーザ側装置１０７Ａ－ＮのエンドユーザＷｅｂアプリケーションのＧＵＩ（グラフィカル・ユーザ・インタフェース）を介して、ユーザによってアクセス可能となっている。別の実施形態では、ネットワーク１０５を介して、患者に関する医用画像にアクセスするために、リクエスト（要求）がサーバ１０１に送信されてもよい。
【0062】
撮像ユニット（又は医用撮像装置）１０８は、ネットワーク１０５を介して、サーバ１０１と接続可能になっている。このユニット１０８は、複数の容量的医用画像を取得可能な医用撮像ユニット１０８であってもよい。医用撮像ユニット１０８は、例えば、磁気共鳴撮像ユニット、コンピュータ断層撮像ユニット、Ｘ線透視撮像ユニット、超音波撮像ユニット等のスキャナ・ユニットであってもよい。
【0063】
図２は、本実施形態を実装可能なデータ処理システム１０１を例示したブロック図であって、例えば、後述するプロセスを実行可能に構成された容量的医用画像中の臓器の種類を識別するためのシステム１０１の図である。ここで、サーバ１０１とは、図２のシステムの例示的な実装であることを理解されたい。図２では、上記データ処理システム１０１は、処理装置（プロセッシング・ユニット）２０１、メモリ（記憶装置）２０２、ストレージ装置（記憶装置）２０３、入力装置２０４、出力装置２０６、バス２０５、及びネットワーク・インターフェース１０４を備えている。
【0064】
本明細書で用いられる処理装置２０１とは、任意の種類の計算回路を意味し、例えば、非限定的な例を挙げると、マイクロプロッサ、マイクロコントローラ、マイクロプロッサを計算させるための複雑な命令のセット、マイクロプロッサを計算させるためのより少ない命令のセット、マイクロプロッサ用の非常に長い命令語、マイクロプロッサを計算させるための明示的に並列な命令、グラフィックス・プロセッサ、デジタル・シグナル・プロセッサ、又は任意の他の種類の処理回路等が挙げられる。また、処理装置１０１は、埋込み型コントローラを含むことができ、例えば、汎用又はプログラム可能な論理デバイス又はアレイ、特定用途向け集積回路、シングル・チップ・コンピュータ等を含むことができる。
【0065】
メモリ２０２とは、揮発性メモリや不揮発性メモリであってもよい。このメモリ２０２は、上記処理装置２０１と通信可能なようにつなげられていてもよい。処理装置２０１は、メモリ２０２内に記憶された命令及び／又はコードを実行することができる。様々なコンピュータ可読の記憶媒体が上記メモリ２０２内に記憶されて、そこからアクセス可能になっている。メモリ２０２は、データや機械可読命令を記憶可能な任意の適切な構成要素を含むことができ、例えば、リード・オンリー・メモリ、ランダム・アクセス・メモリ、消去可能でプログラム可能なリード・オンリー・メモリ、電気的に消去可能でプログラム可能なリード・オンリー・メモリ、ハードドライブ、ＣＤ（コンパクトディスク）を取り扱うための取り外し可能なメディアドライブ、デジタル・ビデオ・ディスク、ディスケット、磁気テープカートリッジ、メモリカード等が含まれる。本実施形態では、メモリ２０１には、上記のいずれかの記憶媒体上に機械可読命令の形で保存されて、処理装置２０１と通信して、実行可能なモジュール１０３が含まれる。モジュール１０３は、処理装置２０１によって実行されると、処理装置２０１に働きかけて、容量的医用画像中の臓器の種類を識別させるようにする。上記機能を達成するために処理装置２０１によって実行される方法の各ステップは、後述の図を参照して説明される。
【0066】
保存装置２０３は、医用データベース１０２を保存可能な非一時的な記憶媒体であってもよい。入力装置２０４は、キーパッド、タッチ感応型ディスプレイ、カメラ（例えば、カメラによって取り込まれる身振りに基づく入力等）、マウス入力信号又はカメラ入力信号等の入力信号を供給可能なポート等の入力手段を含み得る。バス２０５は、プロセッサ（処理装置）２０１、メモリ２０２、保存装置２０３、入力装置２０４、出力装置２０６及びネットワーク・インターフェース１０４の間で相互接続するように作用する。容量的医用画像は、例えば、ネットワーク・インターフェース１０４又は入力装置２０４を介して、医用データベース１０２に読み取られてもよい。
【0067】
図１に例示した上記のハードウェアは、当業者であれば、特定の実装に従って変化可能なことを理解できるであろう。例示したハードウェアの代わりに、又はそれに加えて、例えば、光学ディスクドライブ等の他の周辺装置、ローカル・エリア・ネットワーク（ＬＡＮ）／ワイド・エリア・ネットワーク（ＷＡＮ）／ワイヤレス（例えば、Ｗｉ－Ｆｉ）アダプタ、グラフィック・アダプタ、ディスク・コントローラ、入出力（Ｉ／Ｏ）アダプタを用いることが可能である。上記の例示は、説明の目的上、例示されたに過ぎず、本開示内容の構成について限定することを意図したものではない。
【0068】
本開示内容の実施形態に係るデータ処理システム１０１は、グラフィカル・ユーザ・インタフェース（ＧＵＩ）を用いるオペレーティング・システム（ＯＳ）を含むことができる。上記オペレーティング・システムは、グラフィカル・ユーザ・インタフェース内に複数のディスプレイ・ウィンドウを表示することができ、その際、各ディスプレイ・ウィンドウは、異なるアプリケーションについてのインターフェースを提供したり、又は同一のアプリケーションの異なるインスタンス（事例）についてのインターフェースを提供することができる。上記グラフィカル・ユーザ・インタフェース内のカーソルは、ユーザによって、ポインティング・デバイスを介して操作されてもよい。カーソルの位置は変化可能であってもよく、及び／又は、マウスボタンをクリックする等のイベントが生じると、所望の応答を得ることができるようにしてもよい。
【0069】
様々な商用のオペレーティング・システムのうち、任意のものを用いることができる。例えば、ワシントン州レドモンドにあるマイクロソフト社の製品のマイクロソフト・ウィンドウズ（登録商標）の任意のバージョン等を用いることができるが、適当なように修正可能である。上記オペレーティング・システムは、本開示内容に従って、修正されたり、作成されてもよい。本開示内容の実施形態は、医用画像を処理するためのシステムと方法を提供する。
【0070】
図３には、容量的医用画像中の臓器の種類を識別するための方法の実施形態について、そのフローチャートが例示されている。
【0071】
ステップ３０５では、容量的医用画像３０５（後述の図３Ａ参照）が受信される。容量的医用画像３０５は、例えば、ネットワーク・インターフェース１０４又は入力装置２０３を介して、データ処理システム１０１内で受信されてもよい。
【0072】
図３Ａに例示した容量的医用画像３０５は、ボクセル（体積要素）３０６、３０７、３０８の三次元アレイ（配列）から構成されている。このアレイは、図３Ａでは、斜視図で見た立方体として例示されている。この立方体は、全ての三次元ｘ、ｙ、ｚに沿って広がるボクセル３０６、３０７、３０８の行と列とを含む。図３Ａの理解を助けるために、立方体内のボクセル３０６、３０７、３０８の一部のみが例示されている。
【0073】
本明細書で説明される方法では、３次元アレイの代わりに、複数のスライス（ピクセル又は画素の２次元アレイ）を使用して、（３次元）体積を合わせて記述することもできる。実際には、例えば、強度などの値を含み、三次元空間を記述する、他の任意のデータ構造を使用することもできる。このような値は、本明細書では「ボクセル」として参照される。この値は、他の値に関して三次元的な関係を記述する情報と組み合わされていてもよく、又は、三次元的な関係は、データ構造や、他の任意のソースから推論されてもよい。
【0074】
容量的医用画像３０５には、少なくとも１つの臓器３０９又は臓器３０９一部が含まれる。図３Ａの例では、例えば肺又は腎臓である臓器３０９の一部が、容量的医用画像３０５中のハッシュ化された（斜線を付けた）ボクセル３０８によって表されている。
【0075】
ステップ３０２では、容量的医用画像中の単一の関心点３１０が受信される。以下で詳述するように、単一の関心点３１０は、例えば、マウス等のポインティング・デバイス（ポインタ・デバイス）を用いたグラフィカル・ユーザ・インタフェースを介して、ユーザによって選択されてもよい。単一の関心点３１０は、例えば、ネットワーク・インターフェース１０４又は入力装置２０４（図２参照）を介して受信されてもよい。
【0076】
単一の関心点３１０とは、容量的医用画像中の点であって、当該点に対応する臓器３０９の種類を識別することが求められている。この単一の関心点３１０は、ｘ、ｙ、ｚの座標を用いて記述することができ、立方体内の特定のボクセルに対応することができる。例えば、単一の関心点３１０を選択するためにマウスが用いられる場合、例えば、画像上でカーソルをクリック又は一時停止（ポーズ）することで、単一の関心点３１０の選択が一度行われると、マウスカーソルの座標ｘ、ｙ、ｚが、例えば、入力装置２０４を介して、データ処理システム１０１に送信される。
【0077】
ステップ３０３では、容量的医用画像３０５からボクセル３０６、３０８がサンプリングされる。この目的のために、例えば、モジュール１０３（図２参照）は、データベース１０２中に含まれる容量的医用画像３０５から、ボクセル３０６、３０８を読み取る。２つのサンプリングされたボクセル３０６、３０８の間で、少なくとも１つのボクセル３０７がスキップされる。図３Ａでは、サンプリングされたボクセルはチェックの印を用いて表されており、一方、スキップされたボクセル又はサンプリングされていないボクセルはクロス（ｘ）の印を用いて表されている。図３Ａの実施形態では、隣接するボクセル３０６、３０７、３０８によって定められるボクセルの行中に、一つ置きの仕方で、ボクセル３０６、３０８のみがサンプリングされている。これらボクセル３０６、３０８は、連続的にサンプリングされてもよく、又は並行してサンプリングされてもよい。
【0078】
モジュール１０３は、どのボクセルがサンプリングされているか、また、どのボクセルでサンプリングされていないのかを定めるために、アルゴリズム又は他の種類のコードである対応するサンプリング・モデルを含むことができる。他、サンプリング・モデルは、入力装置２０４を介して、ユーザによって定められてもよく、又は、サンプリング・モデルは、ネットワーク・インターフェース１０４を介して、供給されてもよい。
【0079】
実施形態では、ステップ３０３にて、ボクセル３０６、３０８は、散在的な仕方でサンプリングされている。即ち、容量的医用画像３０５中でサンプリングされるボクセルの数は、容量的医用画像中に含まれるボクセルの総数よりも少ない。特に、サンプリングされるボクセルの数は、ボクセルの総数の５０％よりも少ない、又は、２０％よりも少ない、又は、１０％よりも少なく、散在的と考えられる。一実施形態では、サンプリングされたボクセル３０６、３０８は、容量的医用画像３０５中のボクセルの総数の１％よりも少なく、好ましくは０．１％よりも少なく、より好ましくは０．０１％よりも少ない。
【0080】
なお、ランダムな仕方でボクセルをサンプリングすることは可能である（ただし、２つのサンプリングされたボクセル間で少なくとも１つのボクセルがスキップされる場合を除く）。例えば、乱数発生器又は疑似乱数発生器を用いて、容量的医用画像３０５中のサンプリング対象のボクセル３０６、３０７、３０８を識別するとともに、サンプリング対象外の他のボクセルを識別してもよい。例えば、上記の乱数発生器又は擬似乱数発生器は、サンプリング・モデルの一部であってもよく、又は、上記のサンプリング・モデルを提供するために用いられてもよい。
【0081】
特に、本発明者らは、ステップ３０３では、単一の関心点３１０から距離３１１と共に減少する単位長さ、単位面積、又は単位体積当たりのサンプリング率で、ボクセル３０６、３０８がサンプリングされる場合、有利なことを見出した。また、サンプリング率が非線形の割合で減少すると、特に指数関数、対数関数又はべき関数の割合で減少する場合、より一層、結果が改善されることが分かった。
【0082】
この点に関し、図４及び図５を参照して説明する。これら図には、容量的医用画像３０５から取得された２次元の断片（２Ｄスライス）４０１中の、散在的なサンプリング・モデル４００が例示されている（なお、図の理解を容易にするために、サンプリング・モデル４００の一部ののみについて参照番号４００ａ、４００ｂ、４００ｃが付けられている）。サンプリング・モデル４００は、散在的なサンプリングを提供するように構成されているが、この際、単位体積当たりのサンプリング率は、ｘ、ｙ、ｚ方向に沿った距離と共に減少している。図４では２次元の画像が例示されていて、図４に例示された平面に対して垂直な深さ方向に相当するｙ軸方向については例示されていないが、図４中のｘ方向及びｚ方向について示したサンプリング率に対応して例示されている。
【0083】
図５には、例えば、図４に例示したサンプリング・モデル４００を定義するために用いられる異なる格子間隔での３次元の格子（グリッド）が例示されている。立方体（又は立方骨）は、符号５０１、５０２、５０３で表されている。立方体５０１、５０２、５０３は、互いに入れ子状に配置されており、その際、最小の立方体５０１が、例えば、その中心に、単一の関心点３１０を有している。各立方体には、それぞれ格子が含まれている。立方体５０１には格子５０４が含まれ、立方体５０２には格子５０５が含まれ、立方体５０３には格子５０６が含まれている。これら格子５０４、５０５、５０６は、立方体又は立方骨をその内に定義するように、規則的な間隔を有していてもよい。例示の目的上、これら格子５０４、５０５、５０６は、二次元（即ち、この用紙の紙面）でのみ例示されていて、部分的にしか示されていない。格子間隔は、各格子の２つの隣接するノード（節点）間の距離として定められている。３つの格子線の交点として、任意のノードが定められている。格子５０６について詳しく例示しているように、２つのノード（節点）５０７、５０８は、距離Ｄ6で離間している。同様に、格子５０４のグリッド間隔は、距離Ｄ4で定められていて、格子５０５の格子間隔は距離Ｄ5で定められている。
【0084】
本発明者等による実験では、Ｄ4を８ｍｍとし、Ｄ5を２０ｍｍとし、Ｄ6を８０ｍｍとして選択された。ノード５０７、５０８は、各立方体（又は立方骨）の体積内のノードであって、その立方体の中に入れ子状に配置された最も大きな立方体（又は立方骨）の体積を除いたものとして考えることができる。例えば、立方体５０３について、ノード５０７、５０８は、立方体５０２の体積の中に置かれていない立方体５０３の体積の内側にあると考えることができる。
【0085】
ノード５０７、５０８は、サンプリング・モデル４００を定めており、従って、容量的医用画像３０５中でサンプリングされたボクセル３０６、３０８（図３Ａ参照）を定めている。この場合、サンプリング・モデル４００を用いて容量的医用画像３０５をサンプリングすると、１，１９５個のボクセルがサンプリングされた（即ち、例えば、データベース１０２から読み取った強度の値）。一方、容量的医用画像中のボクセルの総数は２５，０００，０００個だった。従って、ボクセルの総数の０．１％未満がサンプリングされた。図６には、図４の断片（スライス）内でサンプリングされたボクセルが、併せて画像中に例示している。
【0086】
図３を再度参照すると、例示されたステップ３０４では、サンプリングされたボクセル３０６、３０８に対して訓練された分類器を適用することで、単一の関心点３１０における臓器３０９の種類が識別されている。訓練された分類器は、ニューラル・ネットワークであり、特に、多層パーセプトロン、畳み込みニューラル・ネットワーク、シャムネットワーク、又はトリプレットネットワークである。
【0087】
【0088】
最初に、比較の目的上、二次元のスライス（断片）を例示した図４の容量的医用画像３０５の各ボクセルについて、ラベル又は標識（臓器の種類）を見付け出すためにセグメンテーション（又は分割化）が用いられてもよい。特に、Ｕ－Ｎｅｔセグメンテーション・アルゴリズムを使用することができる。Ｕ－Ｎｅｔとは、フライブルク大学のコンピューターサイエンス学科で生物医学画像のセグメンテーションのために開発された畳み込みニューラル・ネットワークのことである。セグメンテーションには、通常１０ｓ［秒］を要するが、それは次の文献に記載の通りである。
Hatamizadeh、Ali等による、「UNETR: 三次元医用画像のセグメンテーション用の変換器（Transformers for 3D Medical Image Segmentation）」arXiv:2103.10504v3（２０２１年）
Hatamizadeh、Ali等による、「UNETR: 三次元医用画像のセグメンテーション用の変換器（Transformers for 3D Medical Image Segmentation）」arXiv:2103.10504v3（２０２１年）
【0089】
一方、本発明者が実験からは、記述子（デスクリプタ）を備えた訓練された分類器（サンプリング・モデル４００を用いて導出されたもの）を用いて、単一の関心点３１０でのラベル（即ち、臓器の種類）を見つけるには、１０ｍｓしか要しなかったことがわかった。この実験で用いられた訓練された分類器は、ＲｅｓＮｅｔ（残差ニューラル・ネットワーク：Residual Neural Network)分類器である。ＲｅｓＮｅｔは、数百もの層をもつ非常に深いフィードフォワードのニューラル・ネットワークを利用している。
【0090】
本発明者らが典型的な仕方でＲｅｓＮｅｔ分類器を適用したところ、即ち、容量的医用画像３０５中のボクセルの総数をサンプリングして、単一の関心点４１０にてラベル（臓器の種類）を求めたところ、データ処理に約１秒を要した。
【0091】
図７は、実施形態において、例えば、クライアント側装置１０７Ａ－Ｎのいずれかに表示されたグラフィカル・ユーザ・インタフェース７００の一部が例示されている。図７では、グラフィカル・ユーザ・インタフェース７００には、容量的医用画像３０５の断片（スライス）が例示されているが、その際、ある臓器３０９の一部の上に一時停止されたマウスのカーソル７０１が示されている。所定時間の間、カーソル７０１を容量的医用画像３０５の上で一時停止することで、ユーザは、容量的医用画像３０５中の単一の関心点３１０を選択することができる。従って、単一の関心点３１０の対応する座標が、例えば、モジュール１０３（図２参照）に送信されて、そのモジュール１０３は、ステップ３０１－３０４を実行することで、単一の関心点３１０にはどの臓器の種類が対応するのかを決定することができる。
【0092】
実施例の一つでは、臓器３０９が肺であることが見出されている。従って、モジュール１０３、又は、他のソフトウエア及び／又はハードウェアの一部は、意味記述データ（例えば「肺」についてのもの）を生成して、そのデータを単一の関心点３１０の場所又はその近く（例えば、図７参照）に表示する。
【0093】
図８では、ユーザは、臓器３０９上のグラフィカル・ユーザ・インタフェース７００を用いて、測定８００を行っている。例えば、この臓器３０９は、方法のステップ３０１－３０４を用いて、単一の関心点３１０について「左腎」であると識別されている。例えば、腫瘍の大きさ、臓器３０９の大きさ、又は同様物の大きさ等の測定８００が行われる。モジュール１０３、又は、任意の他のソフトウェア及び／又はハードウェアは、測定（又は測定値）８００（この例では、４０ｍｍの距離線で示されている長さ）と、図９に例示したデータベース９００中のラベル（つまり、測定８００と関連して単一の関心点３１０にて見出された器官の種類）とを保存するように構成することができる。データベース９００は、メモリ２０３中にも保存することができる（図２参照）。データベース９００内には、複数の測定８００が、意味記述ラベル７０２と、対応する単一の関心点３１０の座標９０１（ｘ、ｙ、ｚ）と共に保存される。情報８００、７０２、９０１は、配列（アレイ）９０２中に保存され得る。データベース９００中には、複数の配列９０２が保存され得る。
【0094】
図１０には、図３に示した方法を、連合学習に適用した例が示されている。データベース１０２には、複数の容量医用画像３０５が保存されている。モジュール１０３は、一実施形態では、各画像３０５中の予め定められた単一の関心点と、予め定められた分類器４００とを用いて、各画像３０５中に示された臓器３０９の種類を識別する。モジュール１０３は、識別された臓器の種類に応じて、肺を示すことがわかった画像３０５を肺結節分類器（分類装置）１００１に提供する。肝臓を示すことがわかった画像３０５’は、肝臓病変分類器１００２に提供されている。また、腎臓を示すことがわかった画像３０５’’は、腎臓病変分類器１００３に提供されている。
【0095】
特に、図１１に例示するように、連合学習の方法を実施することができる。
【0096】
最初に、モジュール１０３によって、例えば、訓練されていない分類器１００１－１００３が受け取られる（ステップ１１０１）。訓練されていない分類器１００１－１００３は、訓練されると、臓器に特有の病変（異常）を識別することができるように構成されている。例えば、肺結節分類器１００１は、訓練されると、肺内の小結節を検出するように構成される。同様に、病変分類器１００２は、訓練されると、病変と肝臓等を検出するように構成される。
【0097】
ステップ１１０２では、モジュール１０３は、ステップ３０４（図３参照）にて識別された容量的医用画像３０５中の特定の臓器と対応している訓練されていない分類器１００１－１００３から選択する。
【0098】
ステップ１１０３では、訓練されていない分類器１００１－１００３が、対応する臓器を示している容量的医用画像３０５を用いて訓練される。
【0099】
訓練を行うためには、各容量的医用画像３０５について、臓器に特有の異常を知る必要がある。そのような情報は、好適には、データベース１０２内にも保存されており、それは、訓練ステップ１１０２中に使用される。
【0100】
有利には、図１０及び図１１に例示した方法では、ステップ３０４の分類器は、ゲート機構（又はゲーティング機構）として用いることができ、それは、入力データ（特に容量的医用画像３０５）を正確な臓器特有の分類器１００１－１００３に向けることができる。従って、分類器１００１－１００３を効果的に訓練するために、完全なセグメンテーション（分割化）は不要である。このゲート機構は、分類器１００１－１００３を訓練するために使用することができるが、適用段階でも使用することができる。さらに、図３の方法は、同じ容量的医用画像３０５中の複数の単一の関心点３１０に対して適用することができる。同じ容量的医用画像３０５中に複数の臓器が識別される場合、その容量的医用画像は、異なる小画像（サブ画像）に区分又は分割して、それら各々が１つの臓器３０９を示すようにしてもよい。次に、小画像を用いて、臓器特有分類器１００１－１００３を訓練してもよい。小画像の中で識別された臓器が、臓器について特有の分類器１００１－１００３のものと対応する場合、その分類器１００１－１００３がその画像について訓練される。
【0101】
適用段階では、訓練された臓器特有の分類器１００１－１００３が選択されるが、例えば、モジュール１０３によって、ステップ３０４に続く処理ステップにて、識別された臓器に基づいて選択され、そして、訓練された臓器特有分類器１００１－１００３が、容量的医用画像３０５又はその小画像に対して適用される。従って、上記方法は、臓器の種類を識別するのに適しているだけでなく、臓器内の特定の異常を識別するのにも適している。
【0102】
図１２に例示した実施形態では、容量的医用画像３０５中のＮ個の単一の関心点に対して、ステップ３０１－３０４（図３参照）が行われる。例えば、図５の格子５０６（この例では格子５０４及び５０５は存在しないが、格子５０６は立方体５０３の全容積を満たしている）のような粗い格子が選択される。各ノード５０７、５０８は、それぞれの単一の関心点３１０として選択される。次に、例えば、同じサンプリング・モデル４００を使用して（しかし、可能であれば、容量的医用画像３０５に適用される時、サンプリング・モデル４００の中心に単一の関心点３１０が留まるように、サンプリング・モデルを移動させてもよい）、ボクセル３０６、３０８がサンプリングされる。その結果、各ステップ３０４にて、各関心点５０７，５０８における臓器３０９の種類が識別される。ステップ３０１－３０４は、各ノード５０７、５０８について、並列的に実施されてもよく、又は連続的に実施されてもよい。格子間隔、即ち、距離Ｄ6（図５参照）は、容量的医用画像３０５中の２つの隣接するボクセル３０５、３０６、３０７の間隔よりも大きいように選択される。その結果、図１２に示すような粗いレベルでのセグメンテーション（分割化）が得られる。依然として、このようなセグメンテーション・ニューラル・ネットワークは使用されないが、分類器が適用されて、この粗レベルでのセグメンテーションが得られる。図１２の例では、距離Ｄ６（図５参照）は１cm (解像度）に等しい。図１２に例示したセグメンテーションを得るために、ＣＰＵハードウェアは、余分な前処理ステップを必要とすることなく、０．４１秒を要したに過ぎない。
【0103】
【0104】
ステップ１２０１では、容量的医用画像３０５が受け取られるが、それと伴って、容量的医用画像３０５中に示された少なくとも１つの臓器３０９の種類を識別する識別子（ラベル）が受け取られる。この識別子は、図７及び図８で参照した意味記述ラベル７０２に対応するものでもよく、又は任意の他の適切な形態のものでもよい。この識別子は、ステップ１２０１の前に、容量的医用画像３０５に完全な分割化（フル・セグメンテーション）を適用することで得られてもよく、従って、画像３０５中の全てのボクセルについての識別子を提供してもよい。
【0105】
ステップ１２０２では、容量的医用画像３０５中の単一の関心点３１０が受け取られる。訓練の目的上、例えば、単一の関心点は、予め定められてもよく、又はランダムに生成されてもよい。
【0106】
ステップ１２０３では、容量的医用画像３０５からボクセルがサンプリングされるが、この際、２つのサンプリングされたボクセル３０６、３０８の間で少なくとも１つのボクセル３０７がスキップされる。
【0107】
ステップ１２０４では、サンプリングされたボクセル３０６、３０８に対して、訓練されていない分類器を適用することで、単一の関心点３１０における臓器３０９の種類が識別される。
【0108】
図３の方法に関して説明した特徴、長所及び説明は、ステップ１２０１－１２０４に対しても等しく適用され得る。特に、ステップ１２０３でのサンプリングは、上述のようにサンプリング・モデル４００を用いて実施することができるため、トレーニングのプロセスを高速化することができると同時に、その信頼性を高めることができる。
【0109】
ステップ１２０５では、臓器３０９の識別された種類が、受信された臓器の種類と比較される。
【0110】
ステップ１２０６では、上記比較に基づいて分類器が修正される。例えば、分類器に重み（ウエイト）付けがされることで、訓練された分類器を提供する。ステップ１２０１－１２０６は、分類器が完全に訓練されるまで、異なる容量的医用画像３０５に対して繰り返されて実施されてもよい。ステップ１２０１－１２０６は、図１及び図２に例示した装置１０１又はシステム１００を用いて実施されてもよい。特に、ステップ１２０１－１２０６を実施するために、モジュール１０３又は任意の他のハードウェア及び／又はソフトウェアを使用してもよい。
【0111】
上記の例は、説明の目的上、示されたに過ぎず、本明細書に開示された発明を限定するものとして解釈されるべきではない。様々な実施形態を参照して本発明について説明したが、本明細書で用いられた用語は、説明と図解の目的上のものであり、限定的なものとして理解されるべきではない。さらに、特定の手段、材料、及び実施形態を参照しながら本発明について説明したが、本発明は、本明細書で特に開示されたものに限定されず、むしろ、本発明は、添付した特許請求の範囲内で、機能的に等価又は均等な構造、方法、利用等のすべてに拡張することができる。当業者であれば、本明細書の教示内容に基づいて、様々な修正を行ったり、本発明の範囲内と技術思想から逸脱することなくその態様に変更を加えることができるであろう。
【符号の説明】
【0112】
１００：システム
１０１：コンピュータ実施装置（又はデバイス）
１０２：医用データベース
１０３：モジュール
１０４：ネットワーク・インターフェース
１０５：ネットワーク
１０７A－１０７Ｎ：クライアント側装置（又はユーザ側の装置）
１０８：医用撮像ユニット（又は医用撮像装置）
２０１：処理装置
２０２：メモリ
２０３：保存装置
２０４：入力装置
２０５：バス
２０６：出力装置
３０１－３０４：方法の各ステップ
３０５：容量的医用画像
３０５’：容量的医用画像
３０５’’：容量的医用画像
３０６－３０８：ボクセル（又は体積要素）
３０９：臓器（又は器官）
３１０：単一の関心点
３１１：距離
x、ｙ、ｚ：空間内の各直交方向
４００：サンプリング・モデル
４００ａ－４００ｃ：点
４０１：スライス
５０１－５０３：立方体
５０４－５０６：格子（又はグリッド）
５０７、５０８：ノード（又は節点）
Ｄ４、Ｄ５、Ｄ６：距離
７００：ＨＭＩ
７０１：カーソル
７０２：ラベル（又は標識）
８００：測定線
９００：データベース
９０１：座標
９０２：配列（又はアレイ）
１００１－１００３：分類器
１１０１－１１０３：方法のステップ
１２０１－１２０６：方法のステップ
１０１：コンピュータ実施装置（又はデバイス）
１０２：医用データベース
１０３：モジュール
１０４：ネットワーク・インターフェース
１０５：ネットワーク
１０７A－１０７Ｎ：クライアント側装置（又はユーザ側の装置）
１０８：医用撮像ユニット（又は医用撮像装置）
２０１：処理装置
２０２：メモリ
２０３：保存装置
２０４：入力装置
２０５：バス
２０６：出力装置
３０１－３０４：方法の各ステップ
３０５：容量的医用画像
３０５’：容量的医用画像
３０５’’：容量的医用画像
３０６－３０８：ボクセル（又は体積要素）
３０９：臓器（又は器官）
３１０：単一の関心点
３１１：距離
x、ｙ、ｚ：空間内の各直交方向
４００：サンプリング・モデル
４００ａ－４００ｃ：点
４０１：スライス
５０１－５０３：立方体
５０４－５０６：格子（又はグリッド）
５０７、５０８：ノード（又は節点）
Ｄ４、Ｄ５、Ｄ６：距離
７００：ＨＭＩ
７０１：カーソル
７０２：ラベル（又は標識）
８００：測定線
９００：データベース
９０１：座標
９０２：配列（又はアレイ）
１００１－１００３：分類器
１１０１－１１０３：方法のステップ
１２０１－１２０６：方法のステップ
【図1】
【図2】
【図3】
【図3A】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】
【図11】
【図12】
【図13】
【手続補正書】
【提出日】2023-11-16
【手続補正1】
【補正対象書類名】特許請求の範囲
【補正対象項目名】全文
【補正方法】変更
【補正の内容】
【特許請求の範囲】
【請求項1】
容量的医用画像（３０５）中の臓器（３０９）の種類を識別するための、コンピュータを用いて実施される方法であって、
ａ）少なくとも１つの臓器（３０９）又は臓器の一部を含む容量的医用画像（３０５）を受け取ることと、
ｂ）前記容量的医用画像（３０５）中の単一の関心点（３１０）を受け取ることと、
ｃ）前記容量的医用画像（３０５）からボクセル（３０６、３０８）をサンプリングすることであって、この際、２つのサンプリングされたボクセル（３０６、３０８）の間で少なくとも１つのボクセル（３０７）をスキップすることと、
ｄ）前記サンプリングされたボクセル（３０６、３０８）に対して、訓練された分類器を適用することで、前記単一の関心点（３１０）における臓器の種類を識別すること、
の各ステップを含む方法。
ａ）少なくとも１つの臓器（３０９）又は臓器の一部を含む容量的医用画像（３０５）を受け取ることと、
ｂ）前記容量的医用画像（３０５）中の単一の関心点（３１０）を受け取ることと、
ｃ）前記容量的医用画像（３０５）からボクセル（３０６、３０８）をサンプリングすることであって、この際、２つのサンプリングされたボクセル（３０６、３０８）の間で少なくとも１つのボクセル（３０７）をスキップすることと、
ｄ）前記サンプリングされたボクセル（３０６、３０８）に対して、訓練された分類器を適用することで、前記単一の関心点（３１０）における臓器の種類を識別すること、
の各ステップを含む方法。
【請求項2】
前記ステップｃ）では、散在的及び／又はランダムな仕方でボクセル（３０６、３０８）をサンプリングする、請求項１に記載の方法。
【請求項3】
前記ステップｃ）では、前記単一の関心点（３１０）から前記各ボクセル（３０６、３０８）への距離（３１１）に伴って減少する単位長さ、単位面積、又は単位体積当たりのサンプリング率で前記ボクセル（３０６、３０８）をサンプリングする、請求項１に記載の方法。
【請求項4】
前記サンプリング率が、指数関数、対数関数又はべき関数の割合を含む非線形速度の割合で減少する、請求項３に記載の方法。
【請求項5】
前記サンプリングされたボクセル（３０６、３０８）は、前記容量的医用画像（３０５）中のボクセル（３０６、３０７、３０８）の総数のうち１％未満である、請求項１に記載の方法。
【請求項6】
前記訓練された分類器は、多層パーセプトロン、畳み込みニューラル・ネットワーク、シャムネットワーク、又はトリプレットネットワークを含むニューラル・ネットワークである、請求項１に記載の方法。
【請求項7】
前記単一の関心点（３１０）を含む前記容量的医用画像（３０５）又はその一部は、グラフィカル・ユーザ・インタフェース（７００）上に表示され、その際、識別された臓器（３０９）の種類の意味記述（７０２）が生成されて、前記単一の関心点（３１０）の場所又はその近くに表示される、請求項１に記載の方法。
【請求項8】
前記単一の関心点（３１０）は、ユーザによって選択され、及び／又は、
前記単一の関心点（３１０）は、グラフィカル・ユーザ・インタフェース（７００）上に表示された前記容量的医用画像（３０５）又はその一部の上で、ユーザによって操作されたカーソル（７０１）が一時停止されることで選択され、及び／又は、
前記容量的医用画像（３０５）又はその一部に関してユーザが測定（８００）を行う際、前記臓器（３０９）の識別された種類が前記測定（８００）と共にデータベース（９００）内に保存される、
請求項１に記載の方法。
前記単一の関心点（３１０）は、グラフィカル・ユーザ・インタフェース（７００）上に表示された前記容量的医用画像（３０５）又はその一部の上で、ユーザによって操作されたカーソル（７０１）が一時停止されることで選択され、及び／又は、
前記容量的医用画像（３０５）又はその一部に関してユーザが測定（８００）を行う際、前記臓器（３０９）の識別された種類が前記測定（８００）と共にデータベース（９００）内に保存される、
請求項１に記載の方法。
【請求項9】
臓器に特有の異常を識別するための、訓練されていない複数の分類器（１００１－１００３）を受け取ることと、
前記識別された臓器（３０９）に基づいて、前記複数の分類器の中から１つ又は複数の訓練されていない分類器（１００１－１００３）を選択することと、
前記容量的医用画像（３０５）を用いて、前記１つ又は複数の訓練されていない分類器（１００１－１００３）を訓練すること、
を含む、請求項１に記載の方法。
前記識別された臓器（３０９）に基づいて、前記複数の分類器の中から１つ又は複数の訓練されていない分類器（１００１－１００３）を選択することと、
前記容量的医用画像（３０５）を用いて、前記１つ又は複数の訓練されていない分類器（１００１－１００３）を訓練すること、
を含む、請求項１に記載の方法。
【請求項10】
前記容量的医用画像（３０５）中の「Ｎ－１」個の単一の関心点（３１０）の各々について、前記ａ）乃至ｄ）のステップを実行及び／又は繰り返し、この際、前記「Ｎ」は、前記容量的医用画像（３０５）中のボクセル（３０６、３０７、３０８）の総数以下であり、
１つ又は複数の処理装置（２０１）で、前記ａ）乃至ｄ）のステップを並列的に実行し、及び／又は、
前記「Ｎ」は、前記容量的医用画像（３０５）中に含まれるボクセル（３０６、３０７、３０８）の間隔を上回る格子間隔（Ｄ６）を有する格子（５０６）に相当する、
請求項１に記載の方法。
１つ又は複数の処理装置（２０１）で、前記ａ）乃至ｄ）のステップを並列的に実行し、及び／又は、
前記「Ｎ」は、前記容量的医用画像（３０５）中に含まれるボクセル（３０６、３０７、３０８）の間隔を上回る格子間隔（Ｄ６）を有する格子（５０６）に相当する、
請求項１に記載の方法。
【請求項11】
請求項１に記載の分類器を訓練するためのコンピュータ実施方法であって、
ａ）少なくとも１つの臓器（３０９）又は臓器の一部を含む容量的医用画像（３０５）を受け取り、かつ、前記少なくとも１つの臓器（２０９）の種類を受け取ることと、
ｂ）前記容量的医用画像（３０５）中の単一の関心点（３１０）を受け取ることと、
ｃ）前記容量的医用画像（３０５）からボクセルをサンプリングし、この際、２つのサンプリングされたボクセル（３０６、３０８）の間で少なくとも１つのボクセル（３０７）をスキップすることと、
ｄ）前記サンプリングされたボクセル（３０６、３０８）に対して訓練されていない分類器を適用することで、前記単一の関心点（３１０）における臓器（３０９）の種類を識別することと、
ｅ）前記識別された臓器（３０９）の種類を、前記受け取った少なくとも１つの臓器の種類と比較することと、
ｆ）前記ステップｅ）での比較に基づいて前記分類器を調整することで、訓練された分類器を得ること、
の各ステップを含む方法。
ａ）少なくとも１つの臓器（３０９）又は臓器の一部を含む容量的医用画像（３０５）を受け取り、かつ、前記少なくとも１つの臓器（２０９）の種類を受け取ることと、
ｂ）前記容量的医用画像（３０５）中の単一の関心点（３１０）を受け取ることと、
ｃ）前記容量的医用画像（３０５）からボクセルをサンプリングし、この際、２つのサンプリングされたボクセル（３０６、３０８）の間で少なくとも１つのボクセル（３０７）をスキップすることと、
ｄ）前記サンプリングされたボクセル（３０６、３０８）に対して訓練されていない分類器を適用することで、前記単一の関心点（３１０）における臓器（３０９）の種類を識別することと、
ｅ）前記識別された臓器（３０９）の種類を、前記受け取った少なくとも１つの臓器の種類と比較することと、
ｆ）前記ステップｅ）での比較に基づいて前記分類器を調整することで、訓練された分類器を得ること、
の各ステップを含む方法。
【請求項12】
容量的医用画像（３０５）中の臓器（３０９）の種類を識別するための装置（１０１）であって、
１つ又は複数の処理装置（２０１）と、
医用撮像装置（１０８）が取り込んだ１つ又は複数の容量的医用画像（３０５）を受け取るように構成された、第１の受信装置（１０４、２０４）と、
前記１つ又は複数の容量的医用画像（３０５）中の単一の関心点（３１０）を受け取るように構成された、第２の受信装置（１０４、２０４）と、
前記１つ又は複数の処理装置（２０１）とつなげられ、かつ請求項１乃至１１のいずれかに記載の方法の各ステップを実行するように構成されたモジュール（１０３）を含むメモリ（２０２）と、
を含む装置。
１つ又は複数の処理装置（２０１）と、
医用撮像装置（１０８）が取り込んだ１つ又は複数の容量的医用画像（３０５）を受け取るように構成された、第１の受信装置（１０４、２０４）と、
前記１つ又は複数の容量的医用画像（３０５）中の単一の関心点（３１０）を受け取るように構成された、第２の受信装置（１０４、２０４）と、
前記１つ又は複数の処理装置（２０１）とつなげられ、かつ請求項１乃至１１のいずれかに記載の方法の各ステップを実行するように構成されたモジュール（１０３）を含むメモリ（２０２）と、
を含む装置。
【請求項13】
容量的医用画像（３０５）中の臓器（３０９）の種類を識別するためのシステム（１００）であって、
１つ又は複数のサーバ（１０１）と、
前記１つ又は複数のサーバ（１０１）とつなげられた医用撮像装置（１０８）と、
を含み、
前記１つ又は複数のサーバ（１０１）は、命令を含み、当該命令は実行されると、前記１つ又は複数のサーバ（１０１）に働きかけて、請求項１乃至１１のいずれか一項に記載の方法の各ステップを実行させるようにする、システム。
１つ又は複数のサーバ（１０１）と、
前記１つ又は複数のサーバ（１０１）とつなげられた医用撮像装置（１０８）と、
を含み、
前記１つ又は複数のサーバ（１０１）は、命令を含み、当該命令は実行されると、前記１つ又は複数のサーバ（１０１）に働きかけて、請求項１乃至１１のいずれか一項に記載の方法の各ステップを実行させるようにする、システム。
【請求項14】
機械可読命令を含むコンピュータ・プログラム製品であって、１つ又は複数の処理装置（２０１）によって実行されると、１つ又は複数の処理装置（２０１）に働きかけて、請求項１乃至１１のいずれか一項に記載の方法の各ステップを実行させるようにする、コンピュータ・プログラム製品。
【請求項15】
コンピュータ・プログラムのプログラムコード部が保存されているコンピュータ可読媒体であって、前記プログラムコード部は、システム（１００）内にロード可能及び／又は実行可能であって、前記システム（１００）内で前記プログラムコード部が実行されると、前記システム（１００）に働きかけて、請求項１乃至１１のいずれか一項に記載の方法の各ステップを実行させるようにする、コンピュータ可読媒体。
【外国語明細書】