特許 7159341 正則化再構成のための学習ベースのボクセル進化

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】

(24)【登録日】2022-10-14

(45)【発行日】2022-10-24

(54)【発明の名称】正則化再構成のための学習ベースのボクセル進化

(51)【国際特許分類】

   G01T 1/161 20060101AFI20221017BHJP

   A61B 6/03 20060101ALI20221017BHJP

   G06T 7/187 20170101ALI20221017BHJP

   G06T 7/00 20170101ALI20221017BHJP

   G06T 1/00 20060101ALN20221017BHJP

【ＦＩ】

G01T1/161 A

A61B6/03 377

A61B6/03 350X

A61B6/03 360J

A61B6/03 360T

G06T7/187

G06T7/00 612

G06T1/00 290B

【請求項の数】 20

(21)【出願番号】P 2020555303

(86)(22)【出願日】2018-12-24

(65)【公表番号】

(43)【公表日】2021-03-11

(86)【国際出願番号】 EP2018086838

(87)【国際公開番号】W WO2019134871

(87)【国際公開日】2019-07-11

【審査請求日】2021-12-22

(31)【優先権主張番号】62/612,828

(32)【優先日】2018-01-02

(33)【優先権主張国・地域又は機関】US

【早期審査対象出願】

(73)【特許権者】

【識別番号】590000248

【氏名又は名称】コーニンクレッカ フィリップス エヌ ヴェ

【氏名又は名称原語表記】Ｋｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ．

【住所又は居所原語表記】Ｈｉｇｈ Ｔｅｃｈ Ｃａｍｐｕｓ ５２， ５６５６ ＡＧ Ｅｉｎｄｈｏｖｅｎ，Ｎｅｔｈｅｒｌａｎｄｓ

(74)【代理人】

【識別番号】110001690

【氏名又は名称】特許業務法人Ｍ＆Ｓパートナーズ

(72)【発明者】

【氏名】ドイヴェーディー シェカール

(72)【発明者】

【氏名】バイ チュアンヨン

(72)【発明者】

【氏名】アンドレーエフ アンドリー

(72)【発明者】

【氏名】チャン ビン

(72)【発明者】

【氏名】フー チーチャン

【審査官】遠藤 直恵

(56)【参考文献】

【文献】米国特許出願公開第２０１７／００３９７０６（ＵＳ，Ａ１）

【文献】国際公開第２０１７／１７４６２７（ＷＯ，Ａ１）

【文献】国際公開第２０１８／０６０１０６（ＷＯ，Ａ１）

【文献】Tetsuya KOBAYASHI et al.，Fusion of Image Reconstruction and Lesion Detection Using a Bayesian Framework for PET/SPECT，IEEE Nuclear Science Symposium Conference，2008年，3617-3624，https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=4774102

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｇ０１Ｔ １／１６１－１／１６６

Ａ６１Ｂ ６／００－６／１４

Ｇ０６Ｔ １／００－１／４０、３／００－５／５０、７／００－７／９０、９／００－９／４０

(57)【特許請求の範囲】

【請求項1】

画像再構成方法を行うために少なくとも１つの電子プロセッサによって読み取り可能及び実行可能な命令を格納する非一時的コンピュータ可読媒体であって、
前記画像再構成方法は、
画像取得デバイスを使用して取得した撮像データの反復画像再構成を行うステップと、
前記反復画像再構成によって生成される複数の更新画像から更新画像を選択するステップと、
ホットスポットアーチファクトマップを生成するために、選択された前記更新画像を処理するステップと、
前記反復画像再構成によって出力される再構成画像において、生成された前記ホットスポットアーチファクトマップによって識別されたホットスポットを抑制するステップと、
を含む、非一時的コンピュータ可読媒体。

【請求項2】

前記処理するステップは、
３次元連結成分解析を用いて、選択された前記更新画像における撮像カウントから、選択された前記更新画像における特徴及び背景にラベルを付けるステップと、
選択された前記更新画像におけるラベル付けされた前記特徴及び前記背景を除去するステップと、
除去された前記特徴及び背景を用いて、選択された前記更新画像を更新するステップと、
を含む、請求項１に記載の非一時的コンピュータ可読媒体。

【請求項3】

前記処理するステップは、
前記３次元連結成分解析を用いて、選択された前記更新画像における疑わしいホットスポットにラベルを付けるステップと、
選択された前記更新画像におけるホットスポットを決定するために、ラベル付けされた前記疑わしいホットスポットに、ホットスポット疑い認定プロセスを適用するステップと、
決定された前記ホットスポットを用いて前記ホットスポットアーチファクトマップを生成するステップと、
を含む、請求項２に記載の非一時的コンピュータ可読媒体。

【請求項4】

決定された前記ホットスポットを用いてピクセル更新プロセスを更新するステップを更に含み、
前記ラベル付けするステップ、前記適用するステップ、前記生成するステップ及び前記更新するステップは、選択された前記更新画像内に撮像カウントが残らなくなるまで繰り返される、請求項３に記載の非一時的コンピュータ可読媒体。

【請求項5】

前記ホットスポット疑い認定プロセスは、
前記疑わしいホットスポットを含む近傍画像ピクセルのウィンドウの解析に基づいて、ホットスポットが真のホットスポットであるかどうかを決定するステップと、
決定された前記真のホットスポットを用いて、ピクセル更新プロセスを更新するステップと、
を含む、請求項３に記載の非一時的コンピュータ可読媒体。

【請求項6】

前記処理するステップは、
選択された前記更新画像を正規化するステップと、
正規化された前記更新画像にエッジ検出変換を適用するステップと、
前記エッジ検出変換が適用された前記更新画像のピクセルカウントを表すヒストグラムを生成するステップと、
前記ヒストグラムのビニング構成を決定するステップと、
前記ビニング構成を使用して、選択された前記更新画像における１つ以上のホットスポットを決定するステップと、
を含む、請求項１に記載の非一時的コンピュータ可読媒体。

【請求項7】

前記処理するステップは、
前記ビニング構成において、前記１つ以上のホットスポットについてのビンを決定するステップと、
前記反復画像再構成によって生成される前記複数の更新画像にわたる前記ビニング構成のビンにおける前記１つ以上のホットスポットにおけるピクセルの進化のモデルをフィッティングするステップと、
各ビニング構成の近似曲線を決定するステップと、
疑わしい各ホットスポットの各ピクセルの値を抽出するステップと、
抽出された各値に前記近似曲線をフィッティングするステップと、
真のホットスポットを決定するために、前記モデル及び前記近似曲線を評価プロセスに適用するステップと、
を含む、請求項６に記載の非一時的コンピュータ可読媒体。

【請求項8】

前記反復画像再構成によって生成される前記複数の更新画像から前記更新画像を選択するステップは、
前記撮像データの得られた画像における疑わしいホットスポットの最大数を決定するステップと、
得られた前記画像のそれぞれにおけるホットスポットの前記最大数が一定になるときを決定するステップと、
前記疑わしいホットスポットが一定の数になるときの前記更新画像を選択するステップと、
を含む、請求項１に記載の非一時的コンピュータ可読媒体。

【請求項9】

前記反復画像再構成によって出力される前記再構成画像において、ホットスポットを抑制するステップは、
前記反復画像再構成によって生成される中間更新画像において、生成された前記ホットスポットアーチファクトマップによって識別されたホットスポットを抑制するステップと、
前記ホットスポットが抑制された前記中間更新画像から開始して、前記反復画像再構成を継続するステップと、
を含む、請求項１に記載の非一時的コンピュータ可読媒体。

【請求項10】

電子プロセッサと、
画像再構成方法を行うために前記電子プロセッサによって読み取り可能及び実行可能な命令を格納する非一時的コンピュータ可読媒体と、
を含み、
前記画像再構成方法は、
画像取得デバイスを使用して取得した撮像データの反復画像再構成を行うステップと、
前記反復画像再構成によって生成される複数の更新画像から更新画像を選択するステップと、
ホットスポットアーチファクトマップを生成するために、選択された前記更新画像を処理するステップと、
前記反復画像再構成によって出力される再構成画像において、生成された前記ホットスポットアーチファクトマップによって識別されたホットスポットを抑制するステップと、
を含む、画像処理デバイス。

【請求項11】

前記処理するステップは、
３次元連結成分解析を用いて、選択された前記更新画像における撮像カウントから、選択された前記更新画像における特徴及び背景にラベルを付けるステップと、
選択された前記更新画像におけるラベル付けされた前記特徴及び前記背景を除去するステップと、
除去された前記特徴及び背景を用いて、選択された前記更新画像を更新するステップと、
を含む、請求項１０に記載の画像処理デバイス。

【請求項12】

前記処理するステップは、
前記３次元連結成分解析を用いて、選択された前記更新画像における疑わしいホットスポットにラベルを付けるステップと、
選択された前記更新画像におけるホットスポットを決定するために、ラベル付けされた前記疑わしいホットスポットに、ホットスポット疑い認定プロセスを適用するステップと、
決定された前記ホットスポットを用いて前記ホットスポットアーチファクトマップを生成するステップと、
決定された前記ホットスポットを用いてピクセル更新プロセスを更新するステップと、
を含み、
前記ラベル付けするステップ、前記適用するステップ、前記生成するステップ及び前記更新するステップは、選択された前記更新画像内に撮像カウントが残らなくなるまで繰り返される、請求項１１に記載の画像処理デバイス。

【請求項13】

前記ホットスポット疑い認定プロセスは、
前記疑わしいホットスポットを含む近傍画像ピクセルのウィンドウの解析に基づいて、ホットスポットが真のホットスポットであるかどうかを決定するステップと、
決定された前記真のホットスポットを用いて、前記ピクセル更新プロセスを更新するステップと、
を含む、請求項１２に記載の画像処理デバイス。

【請求項14】

前記処理するステップは、
選択された前記更新画像を正規化するステップと、
正規化された前記更新画像にエッジ検出変換を適用するステップと、
前記エッジ検出変換が適用された前記更新画像のピクセルカウントを表すヒストグラムを生成するステップと、
前記ヒストグラムのビニング構成を決定するステップと、
前記ビニング構成を使用して、選択された前記更新画像における１つ以上のホットスポットを決定するステップと、
を含む、請求項１０に記載の画像処理デバイス。

【請求項15】

前記処理するステップは、
前記ビニング構成において、前記１つ以上のホットスポットについてのビンを決定するステップと、
前記反復画像再構成によって生成される前記複数の更新画像にわたる前記ビニング構成のビンにおける前記１つ以上のホットスポットにおけるピクセルの進化のモデルをフィッティングするステップと、
各ビニング構成の近似曲線を決定するステップと、
疑わしい各ホットスポットの各ピクセルの値を抽出するステップと、
抽出された各値に前記近似曲線をフィッティングするステップと、
真のホットスポットを決定するために、前記モデル及び前記近似曲線を評価プロセスに適用するステップと、
を含む、請求項１４に記載の画像処理デバイス。

【請求項16】

前記反復画像再構成によって生成される前記複数の更新画像から前記更新画像を選択するステップは、
前記撮像データの得られた画像における疑わしいホットスポットの最大数を決定するステップと、
得られた前記画像のそれぞれにおける疑わしいホットスポットの前記最大数が一定になるときを決定するステップと、
前記疑わしいホットスポットが一定の数になるときの前記更新画像を選択するステップと、
を含む、請求項１０に記載の画像処理デバイス。

【請求項17】

前記反復画像再構成によって出力される前記再構成画像において、ホットスポットを抑制するステップは、
前記反復画像再構成によって生成される中間更新画像において、生成された前記ホットスポットアーチファクトマップによって識別されたホットスポットを抑制するステップと、
前記ホットスポットが抑制された前記中間更新画像から開始して、前記反復画像再構成を継続するステップと、
を含む、請求項１６に記載の画像処理デバイス。

【請求項18】

電子プロセッサと、
画像再構成方法を行うために前記電子プロセッサによって読み取り可能及び実行可能な命令を格納する非一時的コンピュータ可読媒体と、
を含み、
前記画像再構成方法は、
画像取得デバイスを使用して取得した撮像データの反復画像再構成を行うステップと、
反復プロセスを使用して前記反復画像再構成によって生成される更新画像からホットスポットアーチファクトマップを生成するステップと、
前記反復画像再構成によって出力される再構成画像において、前記ホットスポットアーチファクトマップによって識別されたホットスポットを抑制するステップと、
を含み、
前記反復プロセスでは、各反復は、
（ｉ）閾値処理された画像を生成するために、前記反復用に選択された閾値を使用して前記更新画像のピクセルを閾値処理するステップと、
（ｉｉ）疑わしいホットスポット及び背景領域を識別するために、前記閾値処理された画像に３次元連結解析を行うステップと、
を含む、画像処理デバイス。

【請求項19】

前記閾値処理するステップは、前記更新画像の２次元スライスにおいて行われる、請求項１８に記載の画像処理デバイス。

【請求項20】

各反復は更に、（ｉｉｉ）サイズ基準を使用して疑わしいホットスポットを認定するステップを含み、前記サイズ基準よりも小さい疑わしいホットスポットは、ホットスポットとして識別される、請求項１９に記載の画像処理デバイス。

【発明の詳細な説明】

【技術分野】

【0001】

以下は、概して医用撮像技術、医用画像解釈技術、画像再構成技術及び関連技術に関する。

【背景技術】

【0002】

正則化反復画像再構成における偽のホットピクセルの除去は、解決が難しい問題である。ホットスポットアーチファクトは、特にエッジ保存正則化を使用するタイプの反復再構成中に発生する可能性のある特に問題のあるタイプのアーチファクトである。ホットスポットアーチファクトは、ランダムノイズ強度変動が、正則化のエッジ保存閾値を満たすのに十分に大きくなると発生する。この場合、ホットスポットアーチファクトは保存され、腫瘍や病変に起因する「本物」のホットスポットと間違われる可能性がある。パラメータを調整し、反復画像全体にフィッティング手法を適用して、平均の成功率でこの問題を解決するための努力がなされてきている。

【発明の概要】

【発明が解決しようとする課題】

【0003】

以下に、これらの問題を克服する新規且つ改良されたシステム及び方法について開示する。

【課題を解決するための手段】

【0004】

開示される１つの態様では、非一時的コンピュータ可読媒体が、画像再構成方法を行うために少なくとも１つの電子プロセッサによって読み取り可能及び実行可能な命令を格納する。方法は、画像取得デバイスを使用して取得した撮像データの反復画像再構成を行うステップと、反復画像再構成によって生成される複数の更新画像から１つの更新画像を選択するステップと、選択された更新画像を処理して、ホットスポットアーチファクトマップを生成するステップと、反復画像再構成によって出力される再構成画像において、生成されたホットスポットアーチファクトマップによって識別されたホットスポットを抑制するステップとを含む。

【0005】

別の開示される態様では、画像処理デバイスが、電子プロセッサと、画像再構成方法を行うために電子プロセッサによって読み取り可能及び実行可能な命令を格納する非一時的コンピュータ可読媒体とを含む。方法は、画像取得デバイスを使用して取得した撮像データの反復画像再構成を行うステップと、反復画像再構成によって生成される複数の更新画像から１つの更新画像を選択するステップと、選択された更新画像を処理して、ホットスポットアーチファクトマップを生成するステップと、反復画像再構成によって出力される再構成画像において、生成されたホットスポットアーチファクトマップによって識別されたホットスポットを抑制するステップとを含む。

【0006】

別の開示される態様では、画像処理デバイスが、電子プロセッサと、画像再構成方法を行うために電子プロセッサによって読み取り可能及び実行可能な命令を格納する非一時的コンピュータ可読媒体とを含む。方法は、画像取得デバイスを使用して取得した撮像データの反復画像再構成を行うステップと、反復プロセスを使用して反復画像再構成によって生成される更新画像からホットスポットアーチファクトマップを生成するステップと、反復画像再構成によって出力される再構成画像において、ホットスポットアーチファクトマップによって識別されたホットスポットを抑制するステップとを含む。反復プロセスでは、各反復は、（ｉ）当該反復用に選択された閾値を使用して更新画像のピクセルを閾値処理して、閾値処理された画像を生成するステップと、（ｉｉ）閾値処理された画像に３次元連結解析を行い、疑わしいホットスポット及び背景領域を識別するステップとを含む。

【0007】

１つの利点は、正則化反復画像再構成プロセス又は反復画像後処理において生成されるホットスポットピクセルが除去される点にある。

【0008】

別の利点は、撮像システムが追加のパラメータ調整を必要としない点にある。

【0009】

別の利点は、任意の過去の学習モデルやテンプレートをインポートする必要なくプロセスを適応及び自動化することにより、撮像システムが、ホットスポットを適応的に除去することができる点にある。

【0010】

本開示を読み、理解すれば当業者には明らかとなるように、所与の実施形態は、前述の利点のいずれも提供しない若しくは１つ、２つ以上若しくはすべての利点を提供するか、及び／又は、他の利点を提供することができる。

【図面の簡単な説明】

【0011】

本発明は、様々なコンポーネント及びコンポーネントの構成、また、様々なステップ及びステップの構成の形を取ってよい。図面は、好適な実施形態を例示するに過ぎず、本発明を限定するものと解釈されるべきではない。

【0012】

【図1】図１は、一態様による画像再構成システムを図示する。

【図2】図２は、図１のシステムの動作の例示的なフローチャートを示す。

【図3】図３は、図２のフローチャートにおける１つの動作のグラフを示す。

【図4】図４は、図２の動作のうちの幾つかの動作の例示的なフローチャートを示す。

【図5】図５は、図２のフローチャートにおける１つの動作のカーネルのグラフを示す。

【図6】図６は、図４の動作のうちの幾つかの動作の例示的なフローチャートを示す。

【図7】図７は、図２の動作のうちの幾つかの動作の例示的なフローチャートを示す。

【図8】図８は、図７の動作のうちの幾つかの動作の例示的なフローチャートを示す。

【図9】図９は、図２の動作によって再構成される画像を示す。

【発明を実施するための形態】

【0013】

本明細書では、ホットスポットアーチファクトのマップを生成する画像再構成システム用のプラグインを開示する。これは、様々に使用することができ、例えば最終画像から除去するためのマスクとして又は反復画像再構成へのフィードバックとして使用することができる。開示するホットスポットアーチファクト検出器は、幾つかのコンポーネントを有する。

【0014】

幾つかの実施形態では、上記プラグインは、反復再構成中に生成された反復画像に作用する。ホットスポットアーチファクトを検出するために処理されるように選択される反復画像は、反復再構成の比較的早い段階で生成することができる。したがって、この反復画像から得られるホットスポットアーチファクトマップは、例えば後の反復のフィードバックとして機能するように再構成の完了前に利用できるようになる。１つのアプローチでは、反復画像は、画像内容の反復間変化が基準を下回るとき（即ち、反復再構成が収束し始めたとき）の最初の画像として選択される。或いは、例えば５番目の反復画像といったように固定の反復画像が選択されてもよい。ホットスポットアーチファクトの検出は、反復シーケンスにおいて幾つかの画像についてリアルタイムで行うことができ、更に（例えば投票アルゴリズムを用いて）処理して、真のホットスポットを決定することができる。

【0015】

幾つかの実施形態では、画像再構成システムは、反復画像を処理してホットスポット（本物とアーチファクトとの両方）を識別するための閾値を選択し、識別されたホットスポットを処理して、本物、アーチファクト又は不確実に分類し、アーチファクトと分類されたホットスポットをホットスポットアーチファクトマップに追加し、本物と分類されたホットスポット及びアーチファクトと分類されたホットスポットの両方を、ホットスポットのすぐ近傍における、例えば投票アルゴリズムから導出される値を有する背景ピクセル強度で置換することによって画像を更新し、ホットスポットがなくなるまで、更新された画像に対してこのプロセスを反復的に繰り返す反復プロセスを利用する。この反復プロセスは、有利には、閾値の反復間調整によって、後の反復において低コントラストのホットスポットアーチファクトをより効果的に検出する。

【0016】

他の実施形態では、上記プラグインは、２Ｄ画像スライスで閾値ベースのホットスポット識別を行うが、識別されたホットスポットの分類は、２Ｄスライスで識別されたホットスポットを、３Ｄ領域成長連結性解析を使用してマージした後に３Ｄで行われる。このアプローチは、２Ｄスライス空間内のホットスポットのより効果的な識別を、３Ｄボリューム空間内の識別されたホットスポットのより正確な分類と組み合わせる。

【0017】

更なる実施形態では、閾値ベースのホットスポット識別は、エッジ検出変換（例えば修正２Ｄラプラシアンエッジ強調処理）を使用して、ホットスポット識別を向上させる。

【0018】

幾つかの実施形態では、ホットスポット分類は、任意選択的に、学習ベースのアプローチを使用する。ここでは、所与の強度クラス（つまり、強度ヒストグラムビン）の識別されたすべてのホットスポットの反復間進化が平均化されて、ほとんどのホットスポットが本物である（つまり、アーチファクトではない）との期待下で「典型的な」進化が生成される。次に、分類される各ホットスポットの反復間進化が「典型的な」進化と定量的に比較され、基準差以上に異なる場合、アーチファクトとラベル付けされる。学習は、履歴データから学習したパラメータを、再構成中の撮像データのホットスポットから「学習した」「典型的な」進化と組み合わせることができる。

【0019】

他の考えられる実施形態は、生成されたホットスポットアーチファクトマップの様々な使用を含む。１つの応用では、ホットスポットアーチファクトマップは、反復再構成が完了した後に、アーチファクトを除去するマスクとして使用される。別の応用では、マスクは、ホットスポットを抑制するために、反復再構成が完了する前に生成される。更なる変形例として、ホットスポットアーチファクトが除去された画像／されていない画像を医療従事者に提示し、医療従事者が、除去されたホットスポットが本当にアーチファクトであると考えられるかどうかを独立して評価できるようにすることが有利である。

【0020】

本明細書ではＰＥＴ撮像システムについて説明しているが、開示するアプローチは、ハイブリッドＰＥＴ／コンピュータ断層撮影（ＣＴ）撮像システム、ガンマカメラ単光子放出コンピュータ断層撮影（ＳＰＥＣＴ）撮像システム、ハイブリッドＳＰＥＣＴ／ＣＴ撮像システム、ハイブリッドＰＥＴ／磁気共鳴（ＭＲ）撮像システム等であってもよい。

【0021】

図１を参照すると、例示的な医用撮像システム１０が示されている。図１に示すように、システム１０は、放出画像取得デバイス１２を含む。一例では、画像取得デバイス１２は、ＰＥＴ撮像デバイスである。他の例では、画像取得デバイス１２は、任意の他の適切な画像取得デバイス（例えばＳＰＥＣＴ、ハイブリッドデバイス等）である。患者テーブル１４が、患者を検査領域１６内にロードするように配置される。より具体的には、患者テーブル１４は、腹臥位又は仰臥位の患者を、ＰＥＴ撮像のためにＰＥＴスキャナ１２の検査領域内に軸方向に移動させることができる。

【0022】

システム１０はまた、少なくとも１つの電子プロセッサ２０、少なくとも１つのユーザ入力デバイス（例えばマウス、キーボード、トラックボール等）２２及び表示デバイス２４といった典型的なコンポーネントを有するコンピュータ、ワークステーション又は他の電子データ処理デバイス１８を含む。幾つかの実施形態では、表示デバイス２４は、コンピュータ１８とは別個のコンポーネントである。ワークステーション１８はまた、１つ以上のデータベースか、又は、１つ以上のデータベース（例えば電子医療記録（ＥＭＲ）データベース、放射線情報システム（ＲＩＳ）及び／又は画像保管通信システム（ＰＡＣＳ）データベース等）を格納する非一時的記憶媒体２６（磁気ディスク、ＲＡＩＤ若しくは他の磁気記憶媒体、ソリッドステートドライブ、フラッシュドライブ、電子的に消去可能な読み取り専用メモリ（ＥＥＲＯＭ）若しくは他の電子メモリ、光ディスク若しくは他の光学ストレージ又はこれらの様々な組み合わせ等）を含んでよい。表示デバイス２４は、ユーザ入力デバイス２２からユーザ入力を受け取るための１つ以上のフィールドを含むグラフィカルユーザーインターフェース（ＧＵＩ）２８を表示する。

【0023】

少なくとも１つの電子プロセッサ２０は、１つ以上の非一時的記憶媒体２６と動作可能に接続される。非一時的記憶媒体２６は更に、画像再構成方法又はプロセス１００を行うことを含む開示する動作を行うように、少なくとも１つの電子プロセッサ２０によって読み取り可能且つ実行可能な命令を格納する。幾つかの例では、画像再構成方法又はプロセス１００は、少なくとも部分的にクラウド処理で行われる。

【0024】

図２を参照すると、画像再構成方法１００の例示的な実施形態がフローチャートとして図示されている。

【0025】

ステップ１０２において、少なくとも１つの電子プロセッサ２０は、画像取得デバイス１２を使用して取得された撮像データの反復画像再構成を行うようにプログラムされる。

【0026】

ステップ１０４において、少なくとも１つの電子プロセッサ２０は、反復画像再構成によって生成された複数の更新画像から１つの更新画像を選択するようにプログラムされる。

【0027】

ステップ１０６において、少なくとも１つの電子プロセッサ２０は、選択された更新画像を処理するようにプログラムされる。

【0028】

ステップ１０８において、少なくとも１つの電子プロセッサ２０は、選択された画像の処理から疑わしいホットスポットアーチファクトマップを生成するようにプログラムされる。

【0029】

ステップ１１０において、少なくとも１つの電子プロセッサ２０は、生成された疑わしいホットスポットアーチファクトマップを処理するようにプログラムされる。

【0030】

ステップ１１２において、少なくとも１つの電子プロセッサ２０は、疑わしいホットスポットアーチファクトマップの処理から真のホットスポットアーチファクトマップを生成するようにプログラムされる。

【0031】

ステップ１１４において、少なくとも１つの電子プロセッサ２０は、反復画像再構成によって出力された再構成画像において、生成された真のホットスポットアーチファクトマップによって識別されたホットスポットを抑制するようにプログラムされる。

【0032】

幾つかの実施形態では、反復画像再構成（即ち、ステップ１０２及びステップ１０４）によって生成された複数の更新画像から１つの更新画像を選択することは、取得画像のそれぞれにおける疑わしいホットスポットの最大数を決定することと、取得画像のそれぞれにおける疑わしいホットスポットの最大数が一定になるときを決定することと、疑わしいホットスポットの一定の数の決定時の画像を選択することとを含む。

【0033】

画像選択ステップ１０４によって、疑わしいホットピクセルを特定するのに使用することができる「最も適切な」画像が選択される。この最も適切な画像は、すべての反復画像の中で最大数の疑わしいホットピクセルを有している。最初の反復画像から始めて、画像選択プロセスは、ピクセルの最大強度クラスを探し出す。最大強度クラスは、最大値クラスが２つの連続する反復で一定になるまですべての反復画像について探し出される。この最大数が一定になると、その反復画像が選択されたと見なされる。

【0034】

図３に、画像選択プロセスの一例を示す。図３に示すように、最大値クラス（例えばピークの位置）は、画像の反復の数の増加に伴って減少し、反復画像６の後で一定になる。したがって、反復画像６が選択される。

【0035】

幾つかの実施形態では、処理ステップ１０６は、３次元連結成分解析を用いて、選択された画像内の撮像カウントから選択された画像内の特徴及び背景にラベルを付けることと、選択された画像内のラベル付けされた特徴及び背景を除去することと、除去した特徴及び背景を用いて選択された画像を更新することとを含む。他の実施形態では、処理ステップ１０６は、３次元連結成分解析を用いて、選択された画像内の疑わしいホットスポットにラベルを付けることと、ラベル付けされた疑わしいホットスポットに、ホットスポット疑い認定プロセスを適用して、選択された画像内のホットスポットを決定することと、決定されたホットスポットを用いてホットスポットアーチファクトマップを生成することと、決定されたホットスポットを用いてピクセル更新プロセスを更新することとを含む。上記ラベル付け、適用、生成及び更新は、選択された画像内に撮像カウントがなくなるまで繰り返される。更なる実施形態では、ホットスポット疑い認定プロセスは、疑わしいホットスポットを含む近傍画像ピクセルのウィンドウの解析に基づいて、ホットスポットが真のホットスポットであるかどうかを決定することと、決定された真のホットスポットを用いてピクセル更新プロセスを更新することとを含む。更に他の実施形態では、処理ステップ１０６は、選択された画像を正規化することと、エッジ検出変換（例えば正規化された画像への修正ラプラシアン変換）を適用することと、ラプラシアン変換が適用された画像のピクセルカウントを表すヒストグラムを生成することと、ヒストグラムのビニング構成を決定することと、ビニング構成を使用して、選択された画像内の１つ又は複数のホットスポットを決定することとを含む。

【0036】

図４は、処理ステップ１０６が、ステップ２０２からステップ２３４を含むことを示す。ステップ２０２において、（例えばステップ１０４において）選択された画像は、３Ｄ画像正規化アルゴリズムを用いて正規化される。画像正規化プロセスは、画像内のすべてのピクセル強度を所定範囲内にする。幾つかの例では、正規化アルゴリズムは、逆正接関数を使用して実施されるため、高輝度ピクセルは広がり、低輝度ピクセルはすべて原点に向かって集合する。高輝度ピクセルの広がりは、撮像技術を使用して、特徴及び偽のホットピクセルを特定するのに役立つ。式１は、正規化されたピクセル強度の決定に使用される。
Ｐ_ｘ＝ｆ（Ｐ_ｘ／Ｐ_ｍａｘ）^＊Ｎ_{ｃｏｎｓｔ}
ここで、Ｐ_ｘは、ピクセル強度であり、Ｐ_ｍａｘは、３Ｄボリューム（又は２Ｄスライス）における最大ピクセル強度である。幾つかの例では、関数ｆ（）は、任意の適切な関数（例えば逆正接関数、シグモイド関数、修正シグモイド関数、正規化線形関数及び強度範囲を所定範囲に制限する他の同様のアルゴリズム）である。図５は、正規化ステップ２０２において使用される正規化カーネルの一例を示し、ｘ軸は元のピクセル強度を示し、ｙ軸は正規化されたピクセル強度を示す。

【0037】

ステップ２０４において、正規化された画像は、２Ｄ修正ラプラシアン変換で処理される。変換により、正規化された画像の中心ピクセルに重みが追加され、画像のエッジが強調される。つまり、この変換はエッジ保持変換である。

【0038】

ステップ２０６において、変換が適用された画像は、マスキング演算で処理される。マスキング演算により、元の画像のすべての特徴が確実に捕捉される。

【0039】

ステップ２０８において、画像は２Ｄヒストグラム解析で処理される。ヒストグラムは、画像内のビンの強度対画像のビンにおけるピクセルカウントの関数として生成される。

【0040】

ステップ２１０において、ヒストグラムはリビニングアルゴリズムで処理される。リビニングアルゴリズムは、各画像スライスの閾値を設定して、画像内の機能及び背景を最適化する。

【0041】

ステップ２１２において、画像は２Ｄ２値化プロセスで処理される。２値化プロセスは、画像内のすべての疑わしいホットスポットを、（３Ｄ空間ではなく２Ｄ空間にあることによって）それらのスポットが１つのスポットになるように識別する。

【0042】

ステップ２１４において、画像は３Ｄ連結成分プロセスで処理される。連結成分プロセスは、画像内のすべての特徴を選択するために使用される領域成長アルゴリズムである。

【0043】

３Ｄ連結成分プロセス２１４から、画像は２つの処理ループを経る。第１のループは、ステップ２１６からステップ２２０を含み、第２のループは、ステップ２２２からステップ２３４を含む。ステップ２１６において、画像内の特徴（例えば骨、心臓壁への取り込み、他の重要な病変及び構造等）及び背景が識別される。ステップ２１８において、特徴及び背景は画像から除去される。ステップ２２０において、画像は、除去された機能及び背景で更新される。次に、この更新された画像は、２Ｄ修正ラプラシアンで処理され（ステップ２０８）、更新された画像に対してステップ２０８からステップ２１８が繰り返される。

【0044】

ステップ２２２において、（ステップ２１４における）連結成分プロセス後、画像内の疑わしいホットスポットが識別される。ステップ２２４において、画像は、各ホットスポット候補に適用されるホットスポット疑い認定（ＨＳＳＱ）プロセスで処理されて、疑わしいホットスポットが真のホットスポット（つまり、実際の物体ではなく、ノイズ変動の強調）であるかどうかを判断する。疑わしいホットスポットが真であると判断された場合、ステップ２２６において、ホットスポットは、ホットスポットピクセルマップに追加される（つまり、ステップ１０８）。疑わしいホットスポットが偽であると判断された場合、ステップ２２８において、残っているカウントの数がゼロより大きいかどうか（つまり、カウントがまだ利用可能かどうか）が判断される。残っているカウントの数がゼロの場合、真のホットスポットピクセルマップの処理（つまり、ステップ１１０）が行われる。カウントが残っている場合は、ステップ２３０において、画像はピクセル更新プロセスで処理され、「偽」のホットスポットを識別された背景特徴とマージする。ステップ２３２において、画像は、背景ピクセルとマージされた偽のホットスポットで（つまり、偽のホットスポットがステップ２２０の次の反復で除去されるように）更新される。

【0045】

図６は、ＨＳＳＱプロセス２２４をより詳細に示す。ＨＳＳＱプロセス２２４は、２Ｄヒストグラム解析により多くの疑わしいホットスポットが生成されることにより必要となる。ＨＳＳＱプロセス２２４は、ステップ３０２からステップ３０８を含む。ステップ３０２において、画像内の疑わしい各ホットスポットについて、適応２Ｄ又は３Ｄウィンドウサイズ（例えば３Ｘ３ボリューム要素ウィンドウサイズ）を使用して疑わしいホットスポットのすべての近傍ピクセルが特定される。ステップ３０４において、各ホットスポットについて、ホットスポット近傍挙動基準が満たされているかどうかが判定される。例えば基準は、すべてのピクセルが、疑わしいホットスポットピクセルの最大グレイスケール強度値の特定の割合（例えば６０％）未満であるかどうかであってよい。基準が満たされる場合、ステップ３０６において、疑わしいホットスポットは、認定ホットスポットとしてラベル付けされる。或いは、疑わしいホットスポットのピクセルの近傍から決定された投票プロセスを実施して、ＨＳＳＱプロセス２２４をデザインすることができる。ステップ３０８において、ピクセル更新プロセス（ステップ２３０）が、次の反復のために、認定ホットスポットの局所強度プロファイルに基づいて更新される。

【0046】

幾つかの実施形態では、ステップ１１０及びステップ１１２は、ビニング構成において、疑わしい各ホットスポットについてのビンを決定することと、反復画像再構成によって生成された複数の更新画像にわたるビニング構成の各ビンおける疑わしい各ホットスポットにおける各ピクセルの進化のモデルをフィッティングすることと、各ビニング構成の曲線について曲線フィッティングプロセス（例えば２次式、多項式等）を決定することと、疑わしい各ホットスポットの各ピクセルの値を抽出することと、抽出された各値について２次式をフィッティングすることと、モデル及び２次式を評価プロセスに適用して真のホットスポットを決定することとを含む。

【0047】

図７は、ステップ１１０をより詳細に示す。ステップ１１０は、ステップ４０２～ステップ４１２を含む。ステップ４０２において、疑わしい各ピクセルについて、すべてのピクセルが、疑わしいピクセルが属するヒストグラムのクラスにおいて探し出される。ステップ４０４において、第１の２次式モデルが、当該クラスにおけるすべての反復画像にわたるすべてのピクセルについてフィッティングされる。ステップ４０６において、第１の２次式は、当該クラスの代表的な曲線について平均化される。この代表的な曲線は、疑わしいピクセルが高輝度特徴クラスの値を得る可能性が、その進化は同じではない場合があるため計算される。したがって、ピクセルの進化曲線は、それが、代表的な画像内の実際のピクセル値と共に特徴として認定されるためには、代表クラスの進化曲線に近い必要がある。ステップ４０８において、疑わしい各ピクセルについて、すべての反復画像にわたって疑わしいピクセルの値が抽出される。ステップ４１０において、第２の２次式モデルが、当該クラスのすべての画像のすべてのピクセルについてフィッティングされる。ステップ４１２において、平均化された第１の２次式モデル及び第２の２次式が評価プロセスで評価される。

【0048】

図８は、評価プロセス４１２の一例を示す。図８に示すように、代表ピクセル曲線（ＲＰＣ）と代表クラス曲線（ＲＣＣ）とが計算される。評価アルゴリズムは、ＲＰＣ及びＲＣＣから正規化されたピクセル強度（ＮＰＩ）を計算する。これらの曲線からの２つの値の割合差が、例えば０．５％を超える場合、それは偽のホットスポットと見なされる。０．５％の閾値は、経験的に得られた値として選択される。この値は、疑わしいホットスポットが存在する領域や、使用される再構成アルゴリズムやその他のパラメータ等、幾つかのパラメータに応じて変わる可能性がある。この値は、様々な疑わしいホットスポットに適応することができ、０．５との値は、一般的な値である。評価基準の値は非常に厳しいため、ホットスポットピクセルを誤って識別することはない。

【0049】

幾つかの実施形態では、ステップ１１４は、反復画像再構成によって生成された中間更新画像における、生成されたホットスポットアーチファクトマップによって識別されたホットスポットを抑制することと、ホットスポットが抑制された中間更新画像から開始して、反復画像再構成を継続することとを含む。

【0050】

図９は、再構成方法１００からの例示的な画像を示す。ホットスポット（白いボックスで示す）を有する元のスライスがステップ１０４において選択される。ホットスポットマップ（選択された画像内の白いボックスに対応する白いボックスで示す）は、ステップ１０６からステップ１１２によって生成される。ホットスポットマップは選択された画像に適用され、ホットスポットが除去される（更新された画像において白いボックスが除去されていることによって示す）。

【0051】

本発明は、好適な実施形態を参照して説明した。前述の詳細な説明を読んで理解すると、他の人が修正態様及び変更態様を想到することができるであろう。本発明は、添付の特許請求の範囲又はその均等物の範囲内にある限り、このようなすべての修正態様及び変更態様を含むと解釈されることが意図されている。

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】