(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公表特許公報(A)
(11)【公表番号】
(43)【公表日】2022-02-24
(54)【発明の名称】脳病変情報提供装置及び方法
(51)【国際特許分類】
A61B 5/055 20060101AFI20220216BHJP
【ＦＩ】
A61B5/055 376
【審査請求】未請求
【予備審査請求】未請求
(21)【出願番号】P 2021538502
(86)(22)【出願日】2019-12-27
(85)【翻訳文提出日】2021-07-21
(86)【国際出願番号】 KR2019018593
(87)【国際公開番号】W WO2020139011
(87)【国際公開日】2020-07-02
(31)【優先権主張番号】10-2018-0171152
(32)【優先日】2018-12-27
(33)【優先権主張国・地域又は機関】KR
(81)【指定国・地域】
(71)【出願人】
【識別番号】521285399
【氏名又は名称】ジェイエルケイ インコーポレイテッド
【氏名又は名称原語表記】ＪＬＫ， ＩＮＣ．
(74)【代理人】
【識別番号】100147485
【弁理士】
【氏名又は名称】杉村 憲司
(74)【代理人】
【識別番号】230118913
【弁護士】
【氏名又は名称】杉村 光嗣
(74)【代理人】
【識別番号】100186716
【弁理士】
【氏名又は名称】真能 清志
(72)【発明者】
【氏名】キム ウォンテ
(72)【発明者】
【氏名】カン シンウク
(72)【発明者】
【氏名】リ ミョンジェ
(72)【発明者】
【氏名】キム ドンミン
(72)【発明者】
【氏名】チャン チンソン
【テーマコード（参考）】
4C096
【Ｆターム（参考）】
4C096AA10
4C096AB07
4C096BA18
4C096BA37
4C096DA15
4C096DC20
4C096DC33
(57)【要約】
本開示の一態様による脳病変情報提供装置が提供できる。前記脳病変情報提供装置は、ユーザの入力を反映して３Ｄ ＴＯＦ ＭＲＡ（３Ｄ Ｔｉｍｅ－ｏｆ－ｆｌｉｇｈｔ ｍａｇｎｅｔｉｃ ｒｅｓｏｎａｎｃｅ ａｎｇｉｏｇｒａｐｈｙ）を表示することができる環境を提供するＭＲＡ提供部と、脳病変領域を設定し、前記設定された脳病変領域及び前記３Ｄ ＴＯＦ ＭＲＡを結合して脳病変画像を生成及び管理する脳病変入力部と、前記脳病変画像のプロジェクション位置に対応する少なくとも一つの画像フレームを含むＭＩＰ（Ｍａｘｉｍｕｍ ｉｎｔｅｎｓｉｔｙ ｐｒｏｊｅｃｔｉｏｎ）画像データを構成するＭＩＰ変換部と、前記ＭＩＰ画像データに含まれている前記少なくとも一つの画像フレームから脳病変情報のノイズを除去し、前記ノイズの除去された脳病変情報を反映した、補正されたＭＩＰ画像データを構成するノイズ除去部と、前記補正されたＭＩＰ画像データを逆投影（ｂａｃｋ－ｐｒｏｊｅｃｔｉｏｎ）して、補正された脳病変画像を再構成するＭＲＡ再構成部と、を含むことができる。
【選択図】図１
【選択図】図１
【特許請求の範囲】
【請求項1】
画像に基づいて脳病変情報を提供する電子装置において、ユーザの入力を反映して３Ｄ ＴＯＦ ＭＲＡ（３Ｄ Ｔｉｍｅ－ｏｆ－ｆｌｉｇｈｔ ｍａｇｎｅｔｉｃ ｒｅｓｏｎａｎｃｅ ａｎｇｉｏｇｒａｐｈｙ）を表示することができる環境を提供するＭＲＡ提供部と、
脳病変領域を設定し、前記設定された脳病変領域及び前記３Ｄ ＴＯＦ ＭＲＡを結合して脳病変画像を生成及び管理する脳病変入力部と、
前記脳病変画像のプロジェクション位置に対応する少なくとも一つの画像フレームを含むＭＩＰ（Ｍａｘｉｍｕｍ ｉｎｔｅｎｓｉｔｙ ｐｒｏｊｅｃｔｉｏｎ）画像データを構成するＭＩＰ変換部と、
前記ＭＩＰ画像データに含まれている前記少なくとも一つの画像フレームから脳病変情報のノイズを除去し、前記ノイズの除去された脳病変情報を反映した、補正されたＭＩＰ画像データを構成するノイズ除去部と、
前記補正されたＭＩＰ画像データを逆投影（ｂａｃｋ－ｐｒｏｊｅｃｔｉｏｎ）して、補正された脳病変画像を再構成するＭＲＡ再構成部と、を含むことを特徴とする、脳病変情報提供装置。
【請求項2】
前記ノイズ除去部は、前記少なくとも一つの画像フレームから脳病変情報を検出し、前記脳病変情報を用いて少なくとも一つの３次元サイノグラム（Ｓｉｎｏｇｒａｍ）で再構成し、
前記少なくとも一つの３次元サイノグラムを用いて前記脳病変情報に対するエラー又はノイズを除去することを特徴とする、請求項１に記載の脳病変情報提供装置。
【請求項3】
前記ノイズ除去部は、前記少なくとも一つの３次元サイノグラムに所定の少なくも一つのフィルタを適用するが、前記所定の少なくとも一つのフィルタに対するＤｉｌａｔｉｏｎ（膨張）又はＥｒｏｓｉｏｎ（侵食）を適用し、適用された結果を反映して前記脳病変情報に対するエラー又はノイズを除去することを特徴とする、請求項２に記載の脳病変情報提供装置。
【請求項4】
前記ノイズ除去部は、前記少なくとも一つの３次元サイノグラムのフィルタリングした結果に対して、加重和（Ｗｅｉｇｈｔｅｄ ｓｕｍｍａｔｉｏｎ）演算を処理して前記脳病変情報に対するエラー又はノイズを除去することを特徴とする、請求項３に記載の脳病変情報提供装置。
【請求項5】
前記脳病変入力部は、ユーザが前記脳病変領域を設定することができる環境を提供し、前記ユーザから前記脳病変領域の入力を受けて設定することを特徴とする、請求項１に記載の脳病変情報提供装置。
【請求項6】
前記脳病変入力部は、予め学習された脳病変領域学習モデルを用いて脳病変領域を検出及び設定することを特徴とする、請求項１又は５に記載の脳病変情報提供装置。
【請求項7】
電子装置が画像に基づいて脳病変情報を提供する方法において、３Ｄ ＴＯＦ ＭＲＡ（３Ｄ Ｔｉｍｅ－ｏｆ－ｆｌｉｇｈｔ ｍａｇｎｅｔｉｃ ｒｅｓｏｎａｎｃｅ ａｎｇｉｏｇｒａｐｈｙ）を提供する過程と、
脳病変領域を設定し、前記設定された脳病変領域及び前記３Ｄ ＴＯＦ ＭＲＡを結合して脳病変画像を生成する過程と、
前記脳病変画像のプロジェクション位置に対応する少なくとも一つの画像フレームを含むＭＩＰ（Ｍａｘｉｍｕｍ ｉｎｔｅｎｓｉｔｙ ｐｒｏｊｅｃｔｉｏｎ）画像データを構成する過程と、
前記ＭＩＰ画像データに含まれている前記少なくとも一つの画像フレームから脳病変情報のノイズを除去し、前記ノイズの除去された脳病変情報を反映した、補正されたＭＩＰ画像データを構成する過程と、
前記補正されたＭＩＰ画像データを逆投影（ｂａｃｋ－ｐｒｏｊｅｃｔｉｏｎ）して、補正された脳病変画像を再構成する過程と、を含むことを特徴とする、脳病変情報提供方法。
【請求項8】
前記補正されたＭＩＰ画像データを構成する過程は、前記少なくとも一つの画像フレームから脳病変情報を検出する過程と、
前記脳病変情報を用いて少なくとも一つの３次元サイノグラム（Ｓｉｎｏｇｒａｍ）で再構成する過程と、
前記少なくとも一つの３次元サイノグラムを用いて前記脳病変情報に対するエラー又はノイズを除去する過程と、を含むことを特徴とする、請求項７に記載の脳病変情報提供方法。
【請求項9】
前記脳病変情報に対するエラー又はノイズを除去する過程は、前記少なくとも一つの３次元サイノグラムに所定の少なくとも一つのフィルタを適用するが、前記所定の少なくとも一つのフィルタに対するＤｉｌａｔｉｏｎ（膨張）又はＥｒｏｓｉｏｎ（侵食）を適用し、適用された結果を反映して前記脳病変情報に対するエラー又はノイズを除去することを特徴とする、請求項８に記載の脳病変情報提供方法。
【請求項10】
前記脳病変情報に対するエラー又はノイズを除去する過程は、前記少なくとも一つの３次元サイノグラムのフィルタリング結果に対して、加重和（Ｗｅｉｇｈｔｅｄ ｓｕｍｍａｔｉｏｎ）演算を処理して前記脳病変情報に対するエラー又はノイズを除去することを特徴とする、請求項９に記載の脳病変情報提供方法。
【請求項11】
前記脳病変画像を生成する過程は、ユーザから脳病変領域の入力を受けて前記脳病変領域を設定する過程、又は
予め学習された脳病変領域学習モデルを用いて前記脳病変領域を検出及び設定する過程を含むことを特徴とする、請求項７に記載の脳病変情報提供方法。
【発明の詳細な説明】
【技術分野】
【0001】
本開示は、画像処理技術に係り、より具体的には、検出又は入力された脳病変情報を３次元脳画像にマーキングして提供する方法及び装置に関する。
【背景技術】
【0002】
医療画像装置は、対象体の内部構造を画像として取得するための装備である。医療画像処理装置は、非侵襲検査装置であって、身体内の構造的詳細、内部組織及び流体の流れなどを撮影及び処理してユーザに示す。ユーザ（例えば、医師）は、医療用画像処理装置から出力される医療画像を用いて患者の健康状態及び疾病を診断することができる。
【0003】
生体組織が静的であるのに反し、血管の内部は循環が持続するという特性の違いを利用して、血管と組織を画像で区分することができ、このような特性を利用して、３Ｄ ＴＯＦ（ｔｉｍｅ ｏｆ ｆｌｉｇｈｔ）－ＭＲＡ（Ｍａｇｎｅｔｉｃ Ｒｅｓｏｎａｎｃｅ Ａｎｇｉｏｇｒａｐｈｙ）撮影装置が使われている。
【0004】
３Ｄ ＴＯＦ ＭＲＡは、循環する血流が静的な組織内に進入しながら発生する相対的磁化（ｍａｇｎｅｔｉｚａｔｉｏｎ）の差を画像化させたものであって、血管疾患、特に脳血管疾患を分析するのに多く使われている。このような３Ｄ ＴＯＦ ＭＲＡは、単に対象（例えば、患者）の血管状態のみを示し、脳血管疾患などの脳病変を直接示してはいない。
【0005】
ユーザ（例えば、医師）が３Ｄ ＴＯＦ ＭＲＡを確認し、脳血管疾患などの脳病変の発生が疑われる領域を患者に提供したり、今後疾病の分析に使用したり、手術時に参考画像として使用したりするのが一般的である。脳血管疾患などの脳病変の場合には、３次元の構造からなるが、３Ｄ形状のＴＯＦ ＭＲＡ上に脳病変の発生が疑われる領域を直接表示したりマーキングしたりすることができないという問題がある。
【発明の概要】
【発明が解決しようとする課題】
【0006】
ユーザ（例えば、医師）が３Ｄ ＴＯＦ ＭＲＡ上に脳血管疾患などの脳病変の発生が疑われる領域を直接表示又はマーキングし、ユーザによってマーキングされた領域、すなわち脳病変発生領域を３次元構造で表示することができる装置が要求される。
【0007】
一方、ディープラーニング（ｄｅｅｐ ｌｅａｒｎｉｎｇ）は、非常に膨大な量のデータを学習して、新しいデータが入力される場合、学習結果に基づいて、確率的に最も高い回答を選択することである。このようなディープラーニングは、画像に応じて適応的に動作することができ、データに基づいてモデルを学習する過程で特性因子を自動的に見つけるので、最近、人工知能分野でこれを活用しようとする試みが増えている傾向にある。
前述したところを考慮して、医療画像を用いて学習モデルを構築するためには、学習に使われるデータセット、例えば、疾患発生領域を正確にマーキングした画像が要求される。特に、前述した３Ｄ ＴＯＦ ＭＲＡを用いて脳病変領域を正確に学習するためには、脳病変発生領域を３次元構造で表示した画像が要求される。
前述したところを考慮して、医療画像を用いて学習モデルを構築するためには、学習に使われるデータセット、例えば、疾患発生領域を正確にマーキングした画像が要求される。特に、前述した３Ｄ ＴＯＦ ＭＲＡを用いて脳病変領域を正確に学習するためには、脳病変発生領域を３次元構造で表示した画像が要求される。
【0008】
本開示の技術的課題は、３Ｄ ＴＯＦ ＭＲＡを用いて検出された脳病変領域を３次元構造で正確に示す３次元画像を構成することができる方法及び装置を提供することにある。
本開示の他の技術的課題は、入力時に発生しうるノイズを除去して脳病変領域を３次元画像に正確に示すことができる方法及び装置を提供することにある。
本開示が解決しようとする技術的課題は上述した技術的課題に限定されず、上述していない別の技術的課題は以降の記載から本開示の属する技術分野における通常の知識を有する者に明確に理解できるであろう。
本開示の他の技術的課題は、入力時に発生しうるノイズを除去して脳病変領域を３次元画像に正確に示すことができる方法及び装置を提供することにある。
本開示が解決しようとする技術的課題は上述した技術的課題に限定されず、上述していない別の技術的課題は以降の記載から本開示の属する技術分野における通常の知識を有する者に明確に理解できるであろう。
【課題を解決するための手段】
【0009】
本開示の一態様によれば、脳病変情報提供装置が提供できる。この脳病変情報提供装置は、ユーザの入力を反映して３Ｄ ＴＯＦ ＭＲＡ（３Ｄ Ｔｉｍｅ－ｏｆ－ｆｌｉｇｈｔ ｍａｇｎｅｔｉｃ ｒｅｓｏｎａｎｃｅ ａｎｇｉｏｇｒａｐｈｙ）を表示することができる環境を提供するＭＲＡ提供部と、脳病変領域を設定し、前記設定された脳病変領域及び前記３Ｄ ＴＯＦ ＭＲＡを結合して脳病変画像を生成及び管理する脳病変入力部と、前記脳病変画像のプロジェクション位置に対応する少なくとも一つの画像フレームを含むＭＩＰ（Ｍａｘｉｍｕｍ ｉｎｔｅｎｓｉｔｙ ｐｒｏｊｅｃｔｉｏｎ）画像データを構成するＭＩＰ変換部と、前記ＭＩＰ画像データに含まれている前記少なくとも一つの画像フレームから脳病変情報のノイズを除去し、前記ノイズの除去された脳病変情報を反映した、補正されたＭＩＰ画像データを構成するノイズ除去部と、前記補正されたＭＩＰ画像データを逆投影（ｂａｃｋ－ｐｒｏｊｅｃｔｉｏｎ）して、補正された脳病変画像を再構成するＭＲＡ再構成部と、を含むことができる。
【0010】
本開示の他の態様によれば、脳病変情報提供方法が提供できる。この脳病変情報提供方法は、３Ｄ ＴＯＦ ＭＲＡ（３Ｄ Ｔｉｍｅ－ｏｆ－ｆｌｉｇｈｔ ｍａｇｎｅｔｉｃ ｒｅｓｏｎａｎｃｅ ａｎｇｉｏｇｒａｐｈｙ）を提供する過程と、脳病変領域を設定し、前記設定された脳病変領域及び前記３Ｄ ＴＯＦ ＭＲＡを結合して脳病変画像を生成する過程と、前記脳病変画像のプロジェクション位置に対応する少なくとも一つの画像フレームを含むＭＩＰ（Ｍａｘｉｍｕｍ ｉｎｔｅｎｓｉｔｙ ｐｒｏｊｅｃｔｉｏｎ）画像データを構成する過程と、前記ＭＩＰ画像データに含まれている前記少なくとも一つの画像フレームから脳病変情報のノイズを除去し、前記ノイズの除去された脳病変情報を反映した、補正されたＭＩＰ画像データを構成する過程と、前記補正されたＭＩＰ画像データを逆投影（ｂａｃｋ－ｐｒｏｊｅｃｔｉｏｎ）して、補正された脳病変画像を再構成する過程と、を含むことができる。
【0011】
本開示について簡略に要約された上記の特徴は、後述する本開示の詳細な説明の例示的な様相に過ぎず、本開示の範囲を限定するものではない。
【発明の効果】
【0012】
本開示によれば、３Ｄ ＴＯＦ ＭＲＡを用いて検出された脳病変領域を３次元構造で正確に示す３次元画像を構成することができる方法及び装置が提供できる。
また、本開示によれば、入力時に発生しうるノイズを除去して脳病変領域を３次元画像に正確に示すことができる方法及び装置が提供できる。
また、本開示によれば、入力時に発生しうるノイズを除去して脳病変領域を３次元画像に正確に示すことができる方法及び装置が提供できる。
【0013】
本開示で得られる効果は、上述した効果に限定されず、上述していない別の効果は、以降の記載から本開示の属する技術分野における通常の知識を有する者に明確に理解できるだろう。
【図面の簡単な説明】
【0014】
【図1】本開示の一実施形態による脳病変情報提供装置の構成を示すブロック図である。
【図2】本開示の一実施形態による脳病変情報提供装置によって脳病変を入力する動作を例示する図である。
【図3】本開示の一実施形態による脳病変情報提供装置で形成される脳病変画像及びＭＩＰ画像データを例示するが図である。
【図4】本開示の一実施形態による脳病変情報提供装置で形成される、補正された脳病変画像及び補正されたＭＩＰ画像データを例示する図である。
【図6】本開示の一実施形態に係る脳病変情報提供装置に備えられる脳血管疾患検出装置の構成を示すブロック図である。
【図8】本開示の一実施形態による脳病変情報提供方法の手順を示すフローチャートである。
【図9】本開示の一実施形態による脳病変情報提供装置及び方法を実行するコンピューティングシステムを例示するブロック図である。
【発明を実施するための形態】
【0015】
以下、添付図面を参照して、本開示の実施形態について、本開示の属する技術分野における通常の知識を有する者が容易に実施し得るように詳細に説明する。ところが、本開示は、様々な異なる形態で実現でき、ここで説明する実施形態に限定されない。
本開示の実施形態を説明するにあたり、公知の構成又は機能についての具体的な説明が本発明の要旨を不明確にするおそれがあると判断された場合には、それについての詳細な説明は省略する。そして、図面において、本開示についての説明と関係のない部分は省略し、同様の部分には同様の符号を付した。
本開示の実施形態を説明するにあたり、公知の構成又は機能についての具体的な説明が本発明の要旨を不明確にするおそれがあると判断された場合には、それについての詳細な説明は省略する。そして、図面において、本開示についての説明と関係のない部分は省略し、同様の部分には同様の符号を付した。
【0016】
本開示において、ある構成要素が他の構成要素に「連結」、「結合」又は「接続」されているとするとき、これは、直接的な連結関係だけでなく、それらの間に別の構成要素が介在する間接的な連結関係も含むことができる。また、ある構成要素が他の構成要素を「含む」又は「有する」とするとき、これは、特に反対される記載がない限り、他の構成要素を排除するのではなく、別の構成要素をさらに含むことができることを意味する。
本開示において、「第１」、「第２」などの用語は、一つの構成要素を他の構成要素から区別する目的のみで使用され、特に記載されない限り、構成要素間の順序又は重要度などを限定しない。したがって、本開示の範囲内において、一実施形態における第１の構成要素は、他の実施形態における第２の構成要素と呼ぶこともあり、これと同様に、一実施形態における第２の構成要素を他の実施形態における第１の構成要素と呼ぶこともある。
本開示において、互いに区別される構成要素はそれぞれの特徴を明確に説明するためであり、構成要素が必ずしも分離されることを意味するのではない。つまり、複数の構成要素が統合されて一つのハードウェア又はソフトウェア単位からなってもよく、一つの構成要素が分散されて複数のハードウェア又はソフトウェア単位からなってもよい。したがって、特に断りのない場合でも、このように統合又は分散された実施形態も、本開示の範囲に含まれる。
本開示において、「第１」、「第２」などの用語は、一つの構成要素を他の構成要素から区別する目的のみで使用され、特に記載されない限り、構成要素間の順序又は重要度などを限定しない。したがって、本開示の範囲内において、一実施形態における第１の構成要素は、他の実施形態における第２の構成要素と呼ぶこともあり、これと同様に、一実施形態における第２の構成要素を他の実施形態における第１の構成要素と呼ぶこともある。
本開示において、互いに区別される構成要素はそれぞれの特徴を明確に説明するためであり、構成要素が必ずしも分離されることを意味するのではない。つまり、複数の構成要素が統合されて一つのハードウェア又はソフトウェア単位からなってもよく、一つの構成要素が分散されて複数のハードウェア又はソフトウェア単位からなってもよい。したがって、特に断りのない場合でも、このように統合又は分散された実施形態も、本開示の範囲に含まれる。
【0017】
本開示において、様々な実施形態で説明する構成要素が、必ずしも必要不可欠な構成要素を意味するものではなく、その一部は選択的な構成要素であってもよい。したがって、一実施形態で説明する構成要素の部分集合で構成される実施形態も、本開示の範囲に含まれる。また、様々な実施形態で説明する構成要素にさらに他の構成要素を含む実施形態も、本開示の範囲に含まれる。
【0018】
以下、添付図面を参照して本開示の実施形態について説明する。
図１は本開示の一実施形態による脳病変情報提供装置の構成を示すブロック図である。
図１を参照すると、脳病変情報提供装置１０は、ＭＲＡ提供部１１、脳病変入力部１３、ＭＩＰ変換部１５、ノイズ除去部１７、及びＭＲＡ再構成部１９を含むことができる。
図１は本開示の一実施形態による脳病変情報提供装置の構成を示すブロック図である。
図１を参照すると、脳病変情報提供装置１０は、ＭＲＡ提供部１１、脳病変入力部１３、ＭＩＰ変換部１５、ノイズ除去部１７、及びＭＲＡ再構成部１９を含むことができる。
【0019】
ＭＲＡ提供部１１は、３Ｄ ＴＯＦ ＭＲＡ（３Ｄ Ｔｉｍｅ－ｏｆ－ｆｌｉｇｈｔ ｍａｇｎｅｔｉｃ ｒｅｓｏｎａｎｃｅ ａｎｇｉｏｇｒａｐｈｙ）をユーザの入力を反映して表示することができる環境を提供することができる。３Ｄ ＴＯＦ ＭＲＡは、脳領域で血管が存在する領域の信号を強く測定して取得した３Ｄ形状のＭＲＡであることができる。３Ｄ ＴＯＦ ＭＲＡが３Ｄ形状のデータであるので、ＭＲＡ提供部１１は、ユーザによって入力される領域を確認し、確認された領域に応じてプロジェクション位置を設定することができる。
【0020】
例えば、ＭＲＡ提供部１１は、マウス装置、デジタイザ装置、タッチスクリーン装置などの外部入力装置に接続でき、外部入力装置を介して入力される信号を確認することができる。また、ＭＲＡ提供部１１は、ユーザインターフェースを備えることができ、外部入力装置の入力信号をユーザインターフェースを介して提供することができる。具体的には、ユーザインターフェースは、外部入力装置の入力領域に対応するプロジェクション位置を確認し、これに対応する位置に現れる３Ｄ ＴＯＦ ＭＲＡを表示するように構成できる。また、ユーザインターフェースは、外部入力装置の入力信号に応じて、ＭＲＡを拡大又は縮小して表示するように構成できる。
【0021】
脳病変入力部１３は、ＭＲＡ提供部１１が提供する３Ｄ ＴＯＦ ＭＲＡを表示しながら、ユーザによって選択される領域を脳病変領域として設定することができる環境を提供することができる。
【0022】
具体的には、脳病変入力部１３は、３Ｄ ＴＯＦ ＭＲＡ２００（図２参照）をディスプレイに出力し、出力される３Ｄ ＴＯＦ ＭＲＡで脳病変が存在する領域、すなわち、脳病変領域の入力を受けることができるユーザインターフェースを提供することができる。例えば、脳病変入力部１３は、マウス装置、デジタイザ装置、タッチスクリーン装置などの外部入力装置を介して接続でき、外部入力装置によって指定される領域に所定の表示子を出力し、外部入力装置を介して選択される領域を脳病変領域２０１、２０２として設定（ａｎｎｏｔａｔｉｏｎ）することができる。
【0023】
脳病変入力部１３は、設定（ａｎｎｏｔａｔｉｏｎ）された脳病変領域を脳病変情報として保存及び管理することができ、特に、３Ｄ形状のＭＲＡと結合して脳病変画像を生成及び管理することができる。脳病変画像は、３Ｄ形状のＭＲＡをベースとするので、３Ｄ形状からなることができ、プロジェクション位置によって異なるように表示することができる。これに基づいて、ＭＩＰ変換部１５は、３Ｄ形状の脳病変画像を所定のプロジェクション位置に対応する少なくとも一つのＭＩＰ（Ｍａｘｉｍｕｍ ｉｎｔｅｎｓｉｔｙ ｐｒｏｊｅｃｔｉｏｎ）画像に変換して提供することができる。
【0024】
例えば、ＭＩＰ変換部１５は、所定のプロジェクション位置を確認することができ、脳病変画像から、確認されたプロジェクション位置に対応する画像フレームを取得することができる。そして、ＭＩＰ変換部１５は、前述した動作を介して取得された複数の画像フレームを組み合わせてＭＩＰ画像データを構成することができる。
【0025】
例えば、図３を参照すると、複数の２Ｄ ＭＲＡ画像３００を積層して構成された３Ｄ ＴＯＦ ＭＲＡ３１０をベースとした脳病変画像３２０が生成できる。そして、脳病変画像を中心に少なくとも一つのプロジェクション位置が設定できるが、ＭＩＰ変換部１１は、第１プロジェクション位置Ｐ１で取得して第１画像フレームＦ１を構成し、第２プロジェクション位置Ｐ２で取得して第２画像フレームＦ２を構成することができる。ＭＩＰ変換部１１は、このような動作を繰り返し行い、ｎ個のプロジェクション位置Ｐｎに対応するｎ個の画像フレームＦｎを取得することができる。そして、ＭＩＰ変換部１５は、ｎ個の画像フレームＦｎを所定の位置に沿って整列してＭＩＰ画像データ３３０を構成することができる。
【0026】
ノイズ除去部１７は、ＭＩＰ画像データに含まれている画像フレームそれぞれから脳病変情報を抽出することができ、抽出された脳病変情報のノイズを確認して除去することができる。例えば、画像フレームそれぞれから抽出された脳病変情報に所定のノイズが含まれ得るが、ノイズ除去部１７は、抽出された脳病変情報に対するＤｉｌａｔｉｏｎ（膨張）、Ｅｒｏｓｉｏｎ（侵食）などの処理を行うことにより、ノイズを除去することができる。さらに、ノイズ除去部１７は、抽出された脳病変情報に対するＤｉｌａｔｉｏｎ（膨張）、Ｅｒｏｓｉｏｎ（侵食）などの処理を行った結果に所定の重みを適用して加重和（Ｗｅｉｇｈｔｅｄ ｓｕｍｍａｔｉｏｎ）処理を施すことにより、ノイズを除去することもできる。
【0027】
また、ノイズ除去部１７は、ノイズの除去された脳病変情報をＭＩＰ画像データに反映して、補正されたＭＩＰ画像データ４１０（図４参照）を構成することができる。
ノイズ除去部１７がノイズを除去する具体的な動作は、後述する図５ａ乃至図５ｃを参照して詳細に説明する。
ノイズ除去部１７がノイズを除去する具体的な動作は、後述する図５ａ乃至図５ｃを参照して詳細に説明する。
【0028】
一方、ＭＲＡ再構成部１９は、ノイズ除去部１７が提供する、補正されたＭＩＰ画像データ４１０を用いて３Ｄ形状の脳病変画像（以下、「補正された脳病変画像」という）４３０を再構成することができる。つまり、ＭＲＡ再構成部１９は、脳病変画像に基づいてＭＩＰ画像データを構成するときに使用されたプロジェクション方式を考慮して、補正されたＭＩＰ画像データ４１０を逆投影（ｂａｃｋ－ｐｒｏｊｅｃｔｉｏｎ）することにより、補正された脳病変画像４３０を構成することができる。
【0029】
以下、図５ａ～図５ｃを参照して、前述したノイズ除去部の詳細動作を説明する。
図５ａ～図５ｃは本開示の一実施形態による脳病変情報提供装置に備えられたノイズ除去部によって処理されるデータを例示する図であって、図５ａはノイズ除去部によって構成されるサイノグラム（Ｓｉｎｏｇｒａｍ）を例示し、図５ｂはサイノグラムを用いてノイズ除去を行う動作を例示し、図５ｃはノイズの除去されたサイノグラムから補正されたＭＩＰ画像データを構成する動作を例示する。
図５ａ～図５ｃは本開示の一実施形態による脳病変情報提供装置に備えられたノイズ除去部によって処理されるデータを例示する図であって、図５ａはノイズ除去部によって構成されるサイノグラム（Ｓｉｎｏｇｒａｍ）を例示し、図５ｂはサイノグラムを用いてノイズ除去を行う動作を例示し、図５ｃはノイズの除去されたサイノグラムから補正されたＭＩＰ画像データを構成する動作を例示する。
【0030】
まず、図５ａを参照すると、ＭＩＰ変換部から提供されたＭＩＰ画像データ５１０は、脳病変情報を含む脳病変画像に基づいて構成されたデータであるので、ノイズ除去部１７は、ＭＩＰ画像データ５１０に含まれているそれぞれの画像フレームから脳病変情報、すなわち脳病変領域を検出することができる。
【0031】
以後、ノイズ除去部１７は、それぞれの画像フレームから検出された脳病変情報、すなわち脳病変領域を３次元サイノグラム（Ｓｉｎｏｇｒａｍ）５２０で再構成することができる。
【0032】
脳病変情報は、ユーザがユーザインターフェースを用いて入力するか、或いは予め学習された脳病変領域学習モデルを用いて検出されるものなので、脳病変領域のエラー又はノイズ５２１ａ、５２１ｂ、５２１ｃ（図５ｂ参照）が存在することができる。したがって、ノイズ除去部１７は、所定の方向フィルタ（ｄｉｒｅｃｔｉｏｎａｌ ｆｉｌｔｅｒ）を用いて脳病変情報に対するＤｉｌａｔｉｏｎ（膨張）、Ｅｒｏｓｉｏｎ（侵食）などの処理を実行することができる。
【0033】
例えば、ノイズ除去部１７は、３次元サイノグラム５２０を対象としてＤｉｌａｔｉｏｎ（膨張）、Ｅｒｏｓｉｏｎ（侵食）などの処理を繰り返し行い、脳病変領域のエラー又はノイズ５２１ａ、５２１ｂ、５２１ｃを除去することができる。さらに、ノイズ除去部１７は、３次元サイノグラム５２０を対象として、Ｄｉｌａｔｉｏｎ（膨張）、Ｅｒｏｓｉｏｎ（侵食）などを処理した結果に所定の重みを適用する加重和（Ｗｅｉｇｈｔｅｄ ｓｕｍｍａｔｉｏｎ）演算を介してエラー又はノイズ除去を行うことができる。
【0034】
前述した動作によって、ノイズ除去部１７は、３次元サイノグラム５２０に存在するエラー又はノイズ５２１ａ、５２１ｂ、５２１ｃが除去された状態のサイノグラム、すなわち、補正されたサイノグラム５３０を構成することができる。
【0035】
以後、ノイズ除去部１７は、それぞれの画像フレームに対応する、補正されたサイノグラム５３０を確認し、それぞれの画像フレームのプロジェクション位置Ｐ１、Ｐ２、．．．、Ｐｎを考慮して補正されたサイノグラム５３０を反映することにより、補正されたＭＩＰ画像データ５４０（図５ｃ参照）を構成することができる。
【0036】
一方、前述した本開示の一実施形態において、脳病変情報提供装置に備えられた脳病変入力部は、ユーザが脳病変領域を入力することを例示した。
他の例として、脳病変入力部は、予め学習された脳病変領域学習モデルを用いて脳病変領域を検出及び入力することができる。
他の例として、脳病変入力部は、予め学習された脳病変領域学習モデルを用いて脳病変領域を検出及び入力することができる。
【0037】
別の例として、脳病変入力部は、予め学習された脳病変領域学習モデルを用いて検出される脳病変領域と、ユーザが入力する脳病変領域とを組み合わせて、脳病変領域を入力することも可能である。
【0038】
以下、予め学習された脳病変領域学習モデルを用いて脳病変領域を検出する装置及び動作について詳細に説明する。
【0039】
図６は本開示の一実施形態に係る脳病変情報提供装置に備えられる脳血管疾患検出装置の構成を示すブロック図である。
【0040】
図６を参照すると、脳血管疾患検出装置６０は、ＭＩＰ ＭＲＡ構成部６１、空間特性検出部６２、フレーム特性検出部６４、及び病変特性検出部６６を含むことができる。
ＭＩＰ ＭＲＡ構成部６１は、３Ｄ ＴＯＦ ＭＲＡ（３Ｄ Ｔｉｍｅ－ｏｆ－ｆｌｉｇｈｔ ｍａｇｎｅｔｉｃ ｒｅｓｏｎａｎｃｅ ａｎｇｉｏｇｒａｐｈｙ）の入力を受け、ＭＩＰ ＭＲＡ（Ｍａｘｉｍｕｍ ｉｎｔｅｎｓｉｔｙ ｐｒｏｊｅｃｔｉｏｎ ｍａｇｎｅｔｉｃ ｒｅｓｏｎａｎｃｅ ａｎｇｉｏｇｒａｐｈｙ）を構成することができる。ここで、３Ｄ ＴＯＦ ＭＲＡは、脳領域で血管が存在する領域の信号を強く測定して取得した３Ｄ形状のＭＲＡであることができ、ＭＩＰ ＭＲＡは、３Ｄ ＴＯＦ ＭＲＡを様々な方向からプロジェクション（Ｐｒｏｊｅｃｔｉｏｎ）して取得した画像フレームを時系列的に組み合わせて構成した動画データであることができる。
ＭＩＰ ＭＲＡ構成部６１は、３Ｄ ＴＯＦ ＭＲＡ（３Ｄ Ｔｉｍｅ－ｏｆ－ｆｌｉｇｈｔ ｍａｇｎｅｔｉｃ ｒｅｓｏｎａｎｃｅ ａｎｇｉｏｇｒａｐｈｙ）の入力を受け、ＭＩＰ ＭＲＡ（Ｍａｘｉｍｕｍ ｉｎｔｅｎｓｉｔｙ ｐｒｏｊｅｃｔｉｏｎ ｍａｇｎｅｔｉｃ ｒｅｓｏｎａｎｃｅ ａｎｇｉｏｇｒａｐｈｙ）を構成することができる。ここで、３Ｄ ＴＯＦ ＭＲＡは、脳領域で血管が存在する領域の信号を強く測定して取得した３Ｄ形状のＭＲＡであることができ、ＭＩＰ ＭＲＡは、３Ｄ ＴＯＦ ＭＲＡを様々な方向からプロジェクション（Ｐｒｏｊｅｃｔｉｏｎ）して取得した画像フレームを時系列的に組み合わせて構成した動画データであることができる。
【0041】
例えば、ＭＩＰ ＭＲＡ構成部６１は、所定のプロジェクション位置を確認することができ、確認されたプロジェクション位置に対応する画像フレームを取得することができる。そして、ＭＩＰ ＭＲＡ構成部６１は、前述した動作を介して取得された複数の画像フレームを所定の時間単位を基準として時系列的に組み合わせて動画データを構成することができる。
【0042】
例えば、図７を参照すると、複数の２Ｄ ＭＲＡ画像７００を積層して構成された３Ｄ ＴＯＦ ＭＲＡ７１０を中心に少なくとも一つのプロジェクション位置が設定できるが、ＭＩＰ ＭＲＡ構成部６１は、第１プロジェクション位置Ｐ１で取得して第１画像フレームＦ１を構成し、第２プロジェクション位置Ｐ２で取得して第２画像フレームＦ２を構成することができる。ＭＩＰ ＭＲＡ構成部６１は、このような動作を繰り返し行い、ｎ個のプロジェクション位置Ｐｎに対応するｎ個の画像フレームＦｎを取得することができる。ＭＩＰ ＭＲＡ構成部６１は、ｎ個の画像フレームＦｎを所定の位置に沿って整列し、整列された複数の画像フレームを所定の時間単位６０ｍｓごとに配置及び組み合わせして動画データ形式のＭＩＰ ＭＲＡ７３０を構成することができる。
【0043】
さらに、ＭＩＰ ＭＲＡは、画像フレームＦ１、Ｆ２、．．．、Ｆｎに対応するプロジェクション位置Ｐ１、Ｐ２、．．．、Ｐｎ及び時間又は配列順序に対する情報を含むことができる。
【0044】
空間特性検出部６２は、ＭＩＰ ＭＲＡに含まれている画像フレームＦ１、Ｆ２、．．．、Ｆｎそれぞれから空間特性を抽出することができる。特に、空間特性検出部６２は、空間特性学習モデル６３を備えることができ、空間特性学習モデル６３を用いて、ＭＩＰ ＭＲＡに含まれている画像フレームＦ１、Ｆ２、．．．、Ｆｎそれぞれから空間特性を抽出することができる。
【0045】
例えば、空間特性学習モデル６３には、ＭＩＰ ＭＲＡに含まれている画像フレームＦ１、Ｆ２、．．．、Ｆｎの数に対応するＣＮＮが備えられることができる。空間特性学検出部６２は、第１画像フレームＦ１を第１ＣＮＮの入力に伝達し、第２画像フレームＦ２を第２ＣＮＮの入力に伝達し、第ｎ画像フレームＦｎを第ｎＣＮＮの入力に伝達することができる。
【0046】
これに対応して、空間特性学習モデル６３に備えられる複数のＣＮＮは、複数の画像フレームＦ１、Ｆ２、．．．、Ｆｎそれぞれに対応する複数の空間特性を出力することができ、空間特性検出部６２は、前述した複数の空間特性を順次配列してシーケンシャルなデータで構成することができる。この時、空間特性検出部６２は、画像フレームＦ１、Ｆ２、．．．、Ｆｎに対応するプロジェクション位置Ｐ１、Ｐ２、．．．、Ｐｎ及び時間又は配列順序に対する情報を考慮して直列化（Ｓｅｑｕｅｎｔｉａｌ）データを構成することができる。
【0047】
一方、フレーム特性検出部６４は、直列化データで構成された複数の空間特性の入力を受け、画像フレーム間の関係に対する特性（すなわち、フレーム特性）を検出することができる。好ましくは、フレーム特性検出部６４は、循環ニューラルネットワーク（ＲＮＮ、Ｒｅｃｕｒｒｅｎｔ Ｎｅｕｒａｌ Ｎｅｒｗｏｒｋ）学習方式に基づいたフレーム特性学習モデル６５を用いてフレーム特性を検出することができる。
【0048】
一方、病変特性検出部６６は、複数の画像フレームＦ１、Ｆ２、．．．、Ｆｎそれぞれに対応する病変情報を学習することができる。このために、フレーム特性検出部６４は、シーケンシャルなデータで構成されたフレーム特性を再構成して並列化（ｐａｒａｌｌｅｌ）データを構成することができる。
【0049】
病変特性検出部６６は、フレーム特性検出部６４から提供されるフレーム特性から病変特性を抽出することができる。特に、病変特性検出部６６は、病変特性学習モデル６７を備えることができる。
【0050】
病変特性学習モデル６７は、ＣＮＮ学習方式に基づいた学習モデルであることができ、ＭＩＰ ＭＲＡに含まれている画像フレームＦ１、Ｆ２、．．．、Ｆｎの数に対応するだけのＣＮＮを備えることができる。そして、病変特性検出部６６は、第１画像フレームＦ１に対応する第１フレーム特性を第１ＣＮＮの入力に伝達し、第２画像フレームＦ２に対応する第１フレーム特性を第２ＣＮＮの入力に伝達し、第ｎ画像フレームＦｎに対応する第ｎフレーム特性を第ｎＣＮＮの入力に伝達するように構成することができる。
さらに、空間特性学習モデル６３に備えられる複数のＣＮＮは、情報抽出ドメイン（Ｄｏｍａｉｎ）のサイズを減らすプーリング（Ｐｏｏｌｉｎｇ）構造を備えることができ、病変特性学習モデル６７に備えられる複数のＣＮＮは、特徴マップ（ｆｅａｔｕｒｅ ｍａｐ）のドメイン（Ｄｏｍａｉｎ）サイズを増やすアップサンプリング（ｕｐｓａｍｐｌｉｎｇ）構造を備えることができる。
さらに、空間特性学習モデル６３に備えられる複数のＣＮＮは、情報抽出ドメイン（Ｄｏｍａｉｎ）のサイズを減らすプーリング（Ｐｏｏｌｉｎｇ）構造を備えることができ、病変特性学習モデル６７に備えられる複数のＣＮＮは、特徴マップ（ｆｅａｔｕｒｅ ｍａｐ）のドメイン（Ｄｏｍａｉｎ）サイズを増やすアップサンプリング（ｕｐｓａｍｐｌｉｎｇ）構造を備えることができる。
【0051】
空間特性学習モデル６３及び病変特性学習モデル６７に備えられる複数のＣＮＮは、それぞれ２回の３×３畳み込みを備えることが好ましい。また、空間特性学習モデル６３は、２×２最大プーリング演算（ｍａｘ－ｐｏｏｌｉｎｇ ｏｐｅｒａｔｉｏｎ）構造を備え、病変特性学習モデル６７は、共一次内挿法（ｂｉｌｉｎｅａｒ ｉｎｔｅｒｐｏｌａｔｉｏｎ）で長さと幅を２倍に増加させる構造を備えることができる。
【0052】
たとえ、本開示の一実施形態において、空間特性学習モデル６３及び病変特性学習モデル６７に備えられる畳み込みのサイズ及び個数、空間特性学習モデル６３に備えられるプーリング（Ｐｏｏｌｉｎｇ）構造、アップサンプリング（ｕｐｓａｍｐｌｉｎｇ）構造などを例示したが、本開示は、これに限定されるものではなく、多様に変更できるのはいうまでもよい。
【0053】
図８は本開示の一実施形態による脳病変情報提供方法の手順を示すフローチャートである。
【0054】
本開示の一実施形態による脳病変情報提供方法は、前述した脳病変情報提供装置によって行われることができる。
まず、Ｓ８０１ステップで、脳病変情報提供装置は、３Ｄ ＴＯＦ ＭＲＡ（３Ｄ Ｔｉｍｅ－ｏｆ－ｆｌｉｇｈｔ ｍａｇｎｅｔｉｃ ｒｅｓｏｎａｎｃｅ ａｎｇｉｏｇｒａｐｈｙ）をユーザの入力を反映して表示することができる環境を提供することができる。３Ｄ ＴＯＦ ＭＲＡは、脳領域で血管が存在する領域の信号を強く測定して取得した３Ｄ形状のＭＲＡであることができる。３Ｄ ＴＯＦ ＭＲＡが３Ｄ形状のデータであるので、脳病変情報提供装置は、ユーザによって入力される領域を確認し、確認された領域に応じてプロジェクション位置を設定することができる。
まず、Ｓ８０１ステップで、脳病変情報提供装置は、３Ｄ ＴＯＦ ＭＲＡ（３Ｄ Ｔｉｍｅ－ｏｆ－ｆｌｉｇｈｔ ｍａｇｎｅｔｉｃ ｒｅｓｏｎａｎｃｅ ａｎｇｉｏｇｒａｐｈｙ）をユーザの入力を反映して表示することができる環境を提供することができる。３Ｄ ＴＯＦ ＭＲＡは、脳領域で血管が存在する領域の信号を強く測定して取得した３Ｄ形状のＭＲＡであることができる。３Ｄ ＴＯＦ ＭＲＡが３Ｄ形状のデータであるので、脳病変情報提供装置は、ユーザによって入力される領域を確認し、確認された領域に応じてプロジェクション位置を設定することができる。
【0055】
例えば、脳病変情報提供装置は、マウス装置、デジタイザ装置、タッチスクリーン装置などの外部入力装置に接続でき、外部入力装置を介して入力される信号を確認することができる。そして、脳病変情報提供装置は、外部入力装置の入力領域に対応するプロジェクション位置を確認し、これに対応する位置で現れる３Ｄ ＴＯＦ ＭＲＡを表示することができる
【0056】
Ｓ８０２ステップで、脳病変情報提供装置は、３Ｄ ＴＯＦ ＭＲＡを表示しながら、ユーザによって選択される領域を脳病変領域として設定することができる。
具体的には、脳病変情報提供装置は、３Ｄ ＴＯＦ ＭＲＡをディスプレイに出力し、出力される３Ｄ ＴＯＦ ＭＲＡで脳病変が存在する領域、すなわち脳病変領域の入力を受けることができるユーザインターフェースを提供することができ、これにより、選択される領域を脳病変領域として設定（ａｎｎｏｔａｔｉｏｎ）することができる。
具体的には、脳病変情報提供装置は、３Ｄ ＴＯＦ ＭＲＡをディスプレイに出力し、出力される３Ｄ ＴＯＦ ＭＲＡで脳病変が存在する領域、すなわち脳病変領域の入力を受けることができるユーザインターフェースを提供することができ、これにより、選択される領域を脳病変領域として設定（ａｎｎｏｔａｔｉｏｎ）することができる。
【0057】
脳病変情報提供装置は、設定（ａｎｎｏｔａｔｉｏｎ）された脳病変領域を脳病変情報として保存及び管理することができ、特に、３Ｄ形状のＭＲＡと結合して脳病変画像を生成及び管理することができる。脳病変画像は、３Ｄ形状のＭＲＡをベースとするので、３Ｄ形状からなることができ、プロジェクション位置によって異なるように示すことができる。これに基づいて、Ｓ８０３ステップで、脳病変情報提供装置は、３Ｄ形状の脳病変画像を所定のプロジェクション位置に対応する少なくとも一つのＭＩＰ（Ｍａｘｉｍｕｍ ｉｎｔｅｎｓｉｔｙ ｐｒｏｊｅｃｔｉｏｎ）画像に変換して提供することができる。
【0058】
例えば、脳病変情報提供装置は、所定のプロジェクション位置を確認することができ、脳病変画像から、確認されたプロジェクション位置に対応する画像フレームを取得することができる。そして、脳病変情報提供装置は、前述した動作を介して取得された複数の画像フレームを組み合わせてＭＩＰ画像データを構成することができる。
【0059】
例えば、図３を参照すると、複数の２Ｄ ＭＲＡ画像３００を積層して構成された３Ｄ ＴＯＦ ＭＲＡ３１０をベースにした脳病変画像３２０が生成できる。そして、脳病変画像を中心に少なくとも一つのプロジェクション位置が設定できるが、脳病変情報提供装置は、第１プロジェクション位置Ｐ１で取得して第１画像フレームＦ１を構成し、第２プロジェクション位置Ｐ２で取得して第２画像フレームＦ２を構成することができる。ＭＩＰ変換部１５は、このような動作を繰り返し行い、ｎ個のプロジェクション位置Ｐｎに対応するｎ個の画像フレームＦｎを取得することができる。そして、脳病変情報提供装置は、ｎ個の画像フレームＦｎを所定の位置に沿って整列してＭＩＰ画像データ３３０を構成することができる。
【0060】
Ｓ８０４ステップで、脳病変情報提供装置は、ＭＩＰ画像データに含まれている画像フレームそれぞれから脳病変情報を抽出することができ、抽出された脳病変情報のノイズを確認して除去することができる。
【0061】
具体的には、ＭＩＰ画像データ５１０（図５ａを参照）は、脳病変情報を含む脳病変画像に基づいて構成されたデータであるので、脳病変情報提供装置は、ＭＩＰ画像データ５１０に含まれているそれぞれの画像フレームから脳病変情報、すなわち脳病変領域を検出することができる。
【0062】
以後、脳病変情報提供装置は、それぞれの画像フレームから検出された脳病変情報、すなわち、脳病変領域を３次元サイノグラム（Ｓｉｎｏｇｒａｍ）５２０で再構成することができる。
【0063】
脳病変情報は、ユーザがユーザインターフェースを用いて入力するか、或いは予め学習された脳病変領域学習モデルを用いて検出されるものなので、脳病変領域のエラー又はノイズ５２１ａ、５２１ｂ、５２１ｃ（図５ｂ参照）が存在することができる。したがって、脳病変情報提供装置は、所定の方向フィルタ（ｄｉｒｅｃｔｉｏｎａｌ ｆｉｌｔｅｒ）を用いて脳病変情報に対するＤｉｌａｔｉｏｎ（膨張）、Ｅｒｏｓｉｏｎ（侵食）などの処理を行うことができる。
【0064】
例えば、脳病変情報提供装置は、３次元サイノグラム５２０を対象に、Ｄｉｌａｔｉｏｎ（膨張）、Ｅｒｏｓｉｏｎ（侵食）などの処理を繰り返し行い、脳病変領域のエラー又はノイズ５２１ａ、５２１ｂ、５２１ｃを除去することができる。
さらに、脳病変情報提供装置は、３次元サイノグラム５２０を対象にＤｉｌａｔｉｏｎ（膨張）、Ｅｒｏｓｉｏｎ（侵食）などを処理した結果に所定の重みを適用する加重和（Ｗｅｉｇｈｔｅｄ ｓｕｍｍａｔｉｏｎ）演算によってエラー又はノイズ除去を行うことができる。
さらに、脳病変情報提供装置は、３次元サイノグラム５２０を対象にＤｉｌａｔｉｏｎ（膨張）、Ｅｒｏｓｉｏｎ（侵食）などを処理した結果に所定の重みを適用する加重和（Ｗｅｉｇｈｔｅｄ ｓｕｍｍａｔｉｏｎ）演算によってエラー又はノイズ除去を行うことができる。
【0065】
前述した動作によって、脳病変情報提供装置は、３次元サイノグラム５２０に存在するエラー又はノイズ５２１ａ、５２１ｂ、５２１ｃが除去された状態のサイノグラム、すなわち、補正されたサイノグラム５３０を構成することができる。
以後、脳病変情報提供装置は、それぞれの画像フレームに対応する、補正されたサイノグラム５３０を確認し、それぞれの画像フレームのプロジェクション位置Ｐ１、Ｐ２、．．．、Ｐｎを考慮して補正されたサイノグラム５３０を反映することにより、補正されたＭＩＰ画像データ５４０（図５ｃ参照）を構成することができる。
以後、脳病変情報提供装置は、それぞれの画像フレームに対応する、補正されたサイノグラム５３０を確認し、それぞれの画像フレームのプロジェクション位置Ｐ１、Ｐ２、．．．、Ｐｎを考慮して補正されたサイノグラム５３０を反映することにより、補正されたＭＩＰ画像データ５４０（図５ｃ参照）を構成することができる。
【0066】
一方、Ｓ８０５ステップで、脳病変情報提供装置は、補正されたＭＩＰ画像データ４１０（図４参照）を用いて３Ｄ形状の脳病変画像（以下、「補正された脳病変画像」という）４３０を再構成することができる。つまり、脳病変情報提供装置は、脳病変画像に基づいてＭＩＰ画像データを構成するときに使用されたプロジェクション方式を考慮して、補正されたＭＩＰ画像データ４１０を逆投影することにより、補正された脳病変画像４３０を構成することができる。
【0067】
図９は本開示の一実施形態による脳病変情報装置及び方法を実行するコンピューティングシステムを例示するブロック図である。
【0068】
図９を参照すると、コンピューティングシステム１０００は、バス１２００を介して接続される少なくとも一つのプロセッサ１１００、メモリ１３００、ユーザインターフェース入力装置１４００、ユーザインターフェース出力装置１５００、ストレージ１６００、及びネットワークインターフェース１７００を含むことができる。
【0069】
プロセッサ１１００は、中央処理装置（ＣＰＵ）又はメモリ１３００および／又はストレージ１６００に保存された命令語に対する処理を実行する半導体装置であることができる。メモリ１３００及びストレージ１６００は、さまざまな種類の揮発性又は不揮発性記憶媒体を含むことができる。例えば、メモリ１３００は、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）及びＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）を含むことができる。
【0070】
したがって、本明細書に開示された実施形態と関連して説明された方法又はアルゴリズムのステップは、プロセッサ１１００によって実行されるハードウェア、ソフトウェアモジュール、又はその２つの組み合わせで直接実現できる。ソフトウェアモジュールは、ＲＡＭメモリ、フラッシュメモリ、ＲＯＭメモリ、ＥＰＲＯＭメモリ、ＥＥＰＲＯＭメモリ、レジスタ、ハードディスク、着脱型ディスク、ＣＤ－ＲＯＭなどの記憶媒体（すなわち、メモリ１３００および／又はストレージ１６００）に常駐することもできる。例示的な記憶媒体は、プロセッサ１１００にカップリングされ、そのプロセッサ１１００は、記憶媒体から情報を読み取ることができ、記憶媒体に情報を書き込むことができる。他の方法として、記憶媒体は、プロセッサ１１００と一体型であることもできる。プロセッサ及び記憶媒体は、特定用途向け集積回路（ＡＳＩＣ）内に常駐することもできる。ＡＳＩＣは、ユーザ端末内に常駐することもできる。別の方法として、プロセッサ及び記憶媒体は、ユーザ端末内に個別コンポーネントとして常駐することもできる。
【0071】
本開示の例示的な方法は、説明の明確性のために動作のシリーズで表現されているが、これは、ステップが行われる順序を制限するためのものではなく、必要な場合には、それぞれのステップが同時に又は異なる順序で行われることも可能である。本開示による方法を実現するために、例示するステップにさらに他のステップを含むか、一部のステップを除いて残りのステップを含むか、或いは一部のステップを除いて更なる他のステップを含むことも可能である。
【0072】
本開示の様々な実施形態は、すべての可能な組み合わせを羅列したものではなく、本開示の代表的な様相を説明するためのものであり、様々な実施形態で説明する事項は、独立して適用されるか、或いは二つ以上の組み合わせで適用されることも可能である。
【0073】
また、本開示の様々な実施形態は、ハードウェア、ファームウェア（ｆｉｒｍｗａｒｅ）、ソフトウェア、又はそれらの組み合わせなどによって実現できる。ハードウェアによる実現の場合、一つ又はそれ以上のＡＳＩＣｓ（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔｓ）、ＤＳＰｓ（Ｄｉｇｉｔａｌ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｏｒｓ）、ＤＳＰＤｓ（Ｄｉｇｉｔａｌ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｄｅｖｉｃｅｓ）、ＰＬＤｓ（Ｐｒｏｇｒａｍｍａｂｌｅ Ｌｏｇｉｃ Ｄｅｖｉｃｅｓ）、ＦＰＧＡｓ（Ｆｉｅｌｄ Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙｓ）、汎用プロセッサ（ｇｅｎｅｒａｌ ｐｒｏｃｅｓｓｏｒ）、コントローラ、マイクロコントローラ、マイクロプロセッサなどによって実現できる。
【0074】
本開示の範囲は、様々な実施形態の方法による動作が装置又はコンピュータ上で実行されるようにするソフトウェア又はマシン－実行可能な命令（例えば、オペレーティングシステム、アプリケーション、ファームウェア（ｆｉｒｍｗａｒｅ）、プログラムなど）、およびこのようなソフトウェア又は命令などが保存されて装置又はコンピュータ上で実行可能な非一時的コンピュータ可読媒体（ｎｏｎ－ｔｒａｎｓｉｔｏｒｙ ｃｏｍｐｕｔｅｒ－ｒｅａｄａｂｌｅ ｍｅｄｉｕｍ）を含む。
【図1】
【図2】
【図3】
【図4】
【図5a】
【図5b】
【図5c】
【図6】
【図7】
【図8】
【図9】
【国際調査報告】