▶ オックスフォード ユニヴァーシティ イノヴェーション リミテッドの特許一覧
(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】2022-11-10
(54)【発明の名称】医用画像の強調
(51)【国際特許分類】
A61B 5/055 20060101AFI20221102BHJP
G06T 7/00 20170101ALI20221102BHJP
G06V 10/82 20220101ALI20221102BHJP
【ＦＩ】
A61B5/055 380
A61B5/055 383
A61B5/055 390
G06T7/00 350C
G06V10/82
【審査請求】未請求
【予備審査請求】未請求
(21)【出願番号】P 2022514541
(86)(22)【出願日】2020-09-04
(85)【翻訳文提出日】2022-04-18
(86)【国際出願番号】 GB2020052117
(87)【国際公開番号】W WO2021044153
(87)【国際公開日】2021-03-11
(31)【優先権主張番号】1912701.8
(32)【優先日】2019-09-04
(33)【優先権主張国・地域又は機関】GB
(81)【指定国・地域】
(71)【出願人】
【識別番号】507226592
【氏名又は名称】オックスフォード ユニヴァーシティ イノヴェーション リミテッド
(74)【代理人】
【識別番号】110000855
【氏名又は名称】弁理士法人浅村特許事務所
(72)【発明者】
【氏名】チャン、キアン
(72)【発明者】
【氏名】ピークニク、ステファン
(72)【発明者】
【氏名】フェレイラ、ヴァネッサ
(72)【発明者】
【氏名】ハン、エヴァン
(72)【発明者】
【氏名】ポペシュ、イウリア アンドレイア
【テーマコード（参考）】
4C096
5L096
【Ｆターム（参考）】
4C096AA11
4C096AA18
4C096AB41
4C096AB46
4C096AC04
4C096AD14
4C096AD24
4C096DC20
4C096DC35
4C096DC40
5L096BA06
5L096BA13
5L096EA07
5L096HA11
5L096JA11
5L096KA04
(57)【要約】
患者に造影剤を投与する必要なしにコントラスト強調画像を生成するために、磁気共鳴画像を強調するための方法及び装置。本画像処理装置は、造影剤なし磁気共鳴画像から画像を生成するために、画像プロセッサとして、トレーニングされた機械学習アルゴリズム、好ましくは、敵対的生成ネットワークを利用し、生成された画像は、同様の外観と、実際に取得されたコントラスト強調画像よりも良い画像品質と、実際に取得されたコントラスト強調画像よりも良い病理学的感度とを有し、実際に取得されたコントラスト強調画像よりも多くの病的状態を区別することが可能である。
【特許請求の範囲】
【請求項1】
計算されたコントラスト強調医用画像を生成する方法であって、前記方法は、造影剤なし磁気共鳴撮像手順を実行することによって取得されたネイティブ定量マッピング画像を含む、被験者の画像データセットを受信することと、
前記画像データセットを画像プロセッサに入力し、計算されたコントラスト強調医用画像を生成するために前記画像プロセッサを用いて前記画像データセットを処理することと
を含み、
前記画像プロセッサが、画像のセットを含むトレーニング・データセット上でトレーニングされた機械学習プロセッサを備え、画像の各セットが、前記画像データセットの前記定量マッピング画像と同じ定量マッピングを有する造影剤なし定量マッピング画像と、対応する取得されたコントラスト強調医用画像とを含む、方法。
【請求項2】
前記ネイティブ定量マッピング画像がＴ１マッピング画像である、請求項１に記載の方法。
【請求項3】
前記ネイティブ定量マッピング画像がＴ２マッピング画像又はＴ２＊マッピング画像である、請求項１に記載の方法。
【請求項4】
前記対応する取得されたコントラスト強調医用画像がコントラスト強調磁気共鳴画像である、請求項１から３までのいずれか一項に記載の方法。
【請求項5】
前記対応する取得されたコントラスト強調医用画像が、前記画像データセットの前記定量マッピング画像と同じ定量マッピングを有するコントラスト強調定量マッピング画像である、請求項４に記載の方法。
【請求項6】
前記対応する取得されたコントラスト強調医用画像が非磁気共鳴モダリティのコントラスト強調画像である、請求項１から３までのいずれか一項に記載の方法。
【請求項7】
非磁気共鳴モダリティの前記コントラスト強調画像が、コントラスト強調コンピュータ断層撮影画像、コントラスト強調ＰＥＴ画像、コントラスト強調ＳＰＥＣＴ画像、又は超音波画像のうちの１つである、請求項６に記載の方法。
【請求項8】
前記被験者の前記画像データセットが前記ネイティブ定量マッピング画像のみを含む、請求項１から７までのいずれか一項に記載の方法。
【請求項9】
前記被験者の前記画像データセットが、前記画像データセットの前記定量マッピング画像の前記定量マッピング以外の造影剤なし磁気共鳴モダリティによって取得された少なくとも１つのさらなる磁気共鳴画像をさらに含み、前記トレーニング・データセットの画像の前記セットが、前記他の造影剤なし磁気共鳴モダリティによって取得された少なくとも１つのさらなる磁気共鳴画像をさらに含む、請求項１から７までのいずれか一項に記載の方法。
【請求項10】
前記少なくとも１つのさらなる磁気共鳴画像が、未加工磁気共鳴画像、未加工磁気共鳴画像の融合である画像、又は未加工磁気共鳴画像の派生物である画像のうちの少なくとも１つを含む、請求項９に記載の方法。
【請求項11】
前記少なくとも１つのさらなる磁気共鳴画像が、Ｔ１マッピング画像、Ｔ１強調画像、Ｔ２強調画像、Ｔ２＊強調画像、Ｔ２マッピング画像、Ｔ２＊マッピング画像、又はシネＣＭＲ画像のうちの少なくとも１つを含む、請求項９又は１０に記載の方法。
【請求項12】
前記少なくとも１つのさらなる磁気共鳴画像が、ＳＴＩＲ画像、タグ付きＣＭＲ画像、ストレイン符号化画像、拡散強調画像、拡散テンソル画像、動脈スピン・ラベリング画像、ＰＤ強調画像、又は脂肪水分離画像のうちの少なくとも１つを含む、請求項９から１１までのいずれか一項に記載の方法。
【請求項13】
前記被験者の前記画像データセットが、少なくとも１つの非磁気共鳴画像をさらに含み、前記トレーニング・データセットの画像の前記セットが、前記画像データセットの前記少なくとも１つの非磁気共鳴画像と同じタイプの少なくとも１つの非磁気共鳴画像をさらに含む、請求項１から７まで又は９から１２までのいずれか一項に記載の方法。
【請求項14】
前記少なくとも１つの非磁気共鳴画像が、心エコー図、核かん流画像、ＣＴ画像、電気生理学的心臓マップ画像、又は胸部Ｘ線のうちの少なくとも１つを含む、請求項１３に記載の方法。
【請求項15】
前記画像データセットが、画像データでないさらなるデータを含み、前記トレーニング・データセットが、画像データでない前記さらなるデータと同じタイプの画像の各セットに関連付けられたさらなるトレーニング・データを含む、請求項１から７まで又は９から１４までのいずれか一項に記載の方法。
【請求項16】
前記さらなるデータが、撮像メタデータ、画像取得パラメータ、又は非撮像診断テスト結果のうちの少なくとも１つを含む、請求項１５に記載の方法。
【請求項17】
前記非撮像診断テスト結果が、ＭＲスペクトロスコピー結果、血液検査結果、心電図、前記被験者の臨床特性、又は前記被験者の照会理由のうちの少なくとも１つである、請求項１６に記載の方法。
【請求項18】
同じ被験者の前の来診又は研究からすでに利用可能な少なくとも１つのＣＥ画像を前記画像プロセッサに入力するステップをさらに含む、請求項１から１７までのいずれか一項に記載の方法。
【請求項19】
前記画像が心臓画像である、請求項１から１８までのいずれか一項に記載の方法。
【請求項20】
前記画像プロセッサが、トレーニングされた変分オートエンコーダ、トレーニングされた完全畳み込みニューラル・ネットワーク、トレーニングされたＵネット、トレーニングされたＶネット、又は、随意に、トレーニングされた条件付き敵対的生成ネットワークである、トレーニングされた敵対的生成ネットワークのうちの１つである、請求項１から１９までのいずれか一項に記載の方法。
【請求項21】
前記画像プロセッサが、入力として１つ又は複数の画像モダリティを取るための１つ又は複数の畳み込みストリーム、及び／又は、入力として、関係する撮像メタデータ若しくは画像取得パラメータ若しくは非画像診断情報を取るためのストリームを含む、請求項１から２０までのいずれか一項に記載の方法。
【請求項22】
前記画像データセットが、異なる疾病感度を有する複数の計算されたコントラスト強調医用画像を生成するために、前記画像プロセッサを用いて処理され、本方法は、組み合わせられた計算されたコントラスト強調医用画像を生成するために前記複数の複数の複数の計算されたコントラスト強調医用画像を組み合わせることをさらに含む、請求項１から２１までのいずれか一項に記載の方法。
【請求項23】
前記機械学習プロセッサが、計算されたコントラスト強調医用画像を生成するために、前記トレーニング・データセットの前記造影剤なし定量マッピング画像を処理することによってトレーニングされた、請求項１から２２までのいずれか一項に記載の方法。
【請求項24】
前記トレーニングされた機械学習アルゴリズムが、前記画像プロセッサによって生成された前記計算されたコントラスト強調医用画像と、前記対応する取得されたコントラスト強調画像との間の差を最小にするようにトレーニングされた、請求項１から２３までのいずれか一項に記載の方法。
【請求項25】
前記機械学習プロセッサをトレーニングするステップをさらに含む、請求項１から２４までのいずれか一項に記載の方法。
【請求項26】
前記ネイティブ定量マッピング画像を含む前記画像データセットを取得するために、被験者に対して造影剤なし磁気共鳴撮像手順を実行するステップをさらに含む、請求項１から２５までのいずれか一項に記載の方法。
【請求項27】
コンピュータ装置による実行が可能なコンピュータ・プログラムであって、前記コンピュータ・プログラムは、実行すると、前記コンピュータ装置に請求項１から２５までのいずれか一項に記載の方法を実行させるように構成された、コンピュータ・プログラム。
【請求項28】
請求項２７に記載のコンピュータ・プログラムを記憶するコンピュータ可読記憶媒体。
【請求項29】
計算されたコントラスト強調医用画像を生成するように適応された画像プロセッサであって、前記画像プロセッサは、造影剤なし磁気共鳴撮像手順を実行することによって取得された定量マッピング画像を含む、被験者の画像データセットを受信するための入力と、
計算されたコントラスト強調医用画像を生成するために前記画像データセットを処理するためのデータ・プロセッサと
を備え、
前記データ・プロセッサが、画像のセットを含むトレーニング・データセット上でトレーニングされた機械学習プロセッサを備え、画像の各セットが、前記画像データセットの前記定量マッピング画像と同じ定量マッピングを有する造影剤なしネイティブ定量マッピング画像と、対応する取得されたコントラスト強調医用画像とを含む、画像プロセッサ。
【請求項30】
前記ネイティブ定量マッピング画像がＴ１マッピング画像である、請求項２９に記載の画像プロセッサ。
【請求項31】
前記ネイティブ定量マッピング画像がＴ２マッピング画像又はＴ２＊マッピング画像である、請求項２９に記載の画像プロセッサ。
【請求項32】
前記トレーニングされた機械学習アルゴリズムが、随意に、トレーニングされた条件付き敵対的生成ネットワークである、トレーニングされた敵対的生成ネットワーク、トレーニングされた変分オートエンコーダ、トレーニングされた完全畳み込みニューラル・ネットワーク、トレーニングされたＵネット、トレーニングされたＶネットのうちの１つである、請求項２９から３１までのいずれか一項に記載の画像プロセッサ。
【請求項33】
前記取得されたコントラスト強調医用画像がコントラスト強調磁気共鳴画像である、請求項２９から３２までのいずれか一項に記載の画像プロセッサ。
【請求項34】
前記取得されたコントラスト強調医用画像が、前記画像データセットの前記定量マッピング画像と同じ定量マッピングを有する定量マッピング画像である、請求項２８に記載の画像プロセッサ。
【請求項35】
前記取得されたコントラスト強調医用画像が非磁気共鳴モダリティのコントラスト強調画像である、請求項２９から３４までのいずれか一項に記載の画像プロセッサ。
【請求項36】
前記画像が心臓画像である、請求項２９から３５までのいずれか一項に記載の画像プロセッサ。
【請求項37】
前記被験者の前記画像データセットが前記ネイティブ定量マッピング画像のみを含む、請求項２９から３６までのいずれか一項に記載の画像プロセッサ。
【請求項38】
前記被験者の前記画像データセットが、前記画像データセットの前記定量マッピング画像の前記定量マッピング以外の造影剤なし磁気共鳴モダリティによって取得された少なくとも１つのさらなる磁気共鳴画像をさらに含み、前記トレーニング・データセットの画像の前記セットが、前記他の造影剤なし磁気共鳴モダリティによって取得された少なくとも１つのさらなる磁気共鳴画像をさらに含む、請求項２９から３６までのいずれか一項に記載の画像プロセッサ。
【請求項39】
前記少なくとも１つのさらなる磁気共鳴画像が、Ｔ１マッピング画像、Ｔ１強調画像、Ｔ２強調画像、Ｔ２＊強調画像、Ｔ２マッピング画像、Ｔ２＊マッピング画像、又はシネＣＭＲ画像のうちの少なくとも１つを含む、請求項３８に記載の画像プロセッサ。
【請求項40】
前記少なくとも１つのさらなる磁気共鳴画像が、ＳＴＩＲ画像、タグ付きＣＭＲ画像、ストレイン符号化画像、拡散強調画像、拡散テンソル画像、動脈スピン・ラベリング画像、ＰＤ強調画像、又は脂肪水分離画像のうちの少なくとも１つを含む、請求項３８又は３９に記載の画像プロセッサ。
【請求項41】
前記被験者の前記画像データセットが少なくとも１つの非磁気共鳴画像をさらに含み、前記トレーニング・データセットの画像の前記セットが、前記画像データセットの前記少なくとも１つの非磁気共鳴画像と同じタイプの少なくとも１つの非磁気共鳴画像をさらに含む、請求項２９から３６まで又は３８から４０までのいずれか一項に記載の画像プロセッサ。
【請求項42】
前記少なくとも１つの非磁気共鳴画像が、心エコー図、核かん流画像、ＣＴ画像、電気生理学的心臓マップ、又は胸部Ｘ線のうちの少なくとも１つを含む、請求項４１に記載の画像プロセッサ。
【請求項43】
前記画像データセットが、画像データでないさらなるデータを含み、前記トレーニング・データセットが、画像データでない前記さらなるデータと同じタイプの画像の各セットに関連付けられたさらなるトレーニング・データを含む、請求項２９から３６まで又は３８から４２までのいずれか一項に記載の画像プロセッサ。
【請求項44】
前記さらなるデータが、撮像メタデータ、画像取得パラメータ、又は非撮像診断テストのうちの少なくとも１つを含む、請求項４３に記載の画像プロセッサ。
【請求項45】
前記非撮像診断テスト結果が、ＭＲスペクトロスコピー結果、血液検査結果、心電図、前記被験者の臨床特性、又は前記被験者の照会理由のうちの少なくとも１つである、請求項４４に記載の画像プロセッサ。
【請求項46】
請求項２９から４５までのいずれか一項に記載のデータ・プロセッサをトレーニングする方法であって、前記方法は、ａ）被験者の造影剤なしネイティブ定量マッピング画像を含む画像の対応するセットを含む、トレーニング・データセットと、前記被験者の対応する取得されたコントラスト強調画像と、随意に、前記被験者の少なくとも１つのさらなる画像、及び／又は画像でないさらなるデータとを受信するステップと、
ｂ）前記データ・プロセッサに、各セットの前記造影剤なしネイティブ定量マッピング画像と、存在する場合、前記被験者の前記少なくとも１つのさらなる画像、及び／又は各セットの前記さらなるデータとを入力し、計算されたコントラスト強調医用画像を生成するために、生成的画像処理機能を使用して前記データ・プロセッサを用いてそれを処理し、前記計算されたコントラスト強調医用画像を前記セットからの前記対応する取得されたコントラスト強調画像と比較するステップと、
ｃ）前記計算されたコントラスト強調医用画像と、前記セットからの前記対応する取得されたコントラスト強調画像との間の差を低減するように、前記データ・プロセッサによって実行される前記処理を変更するステップと、
ｄ）前記計算されたコントラスト強調医用画像と、前記対応する取得されたコントラスト強調画像との間の前記差が所定のしきい値を下回るまで、ステップｂ）及びステップｃ）を繰り返すステップと
を含む、方法。
【請求項47】
前記生成的画像処理機能によって生成された計算されたコントラスト強調医用画像、又は取得されたコントラスト強調画像のいずれかとして各画像を分類することによって、前記生成的画像処理機能によって生成された計算されたコントラスト強調医用画像と、前記対応する取得されたコントラスト強調画像とを区別し、分類信頼度値を出力するために、弁別器を動作させることをさらに含み、前記生成的画像プロセッサによって実行される前記処理は、前記ステップｃ）において、前記計算されたコントラスト強調医用画像と、前記対応する取得されたコントラスト強調画像との間の前記差を低減し、前記弁別器の分類信頼度を低減するように、前記生成的画像プロセッサをトレーニングするように変更され、前記弁別器が、それ自体の分類信頼度を高めるように同時にトレーニングされる、請求項４６に記載の方法。
【請求項48】
前記ネイティブ定量マッピング画像がＴ１マッピング画像である、請求項４６又は４７に記載の方法。
【請求項49】
前記ネイティブ定量マッピング画像がＴ２マッピング画像又はＴ２＊マッピング画像である、請求項４６又は４７に記載の方法。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、注入可能な造影剤への依拠なしに、専用定量撮像データセットから改善された計算されたコントラスト強調医用画像を生成するための方法及び装置に関する。
【背景技術】
【0002】
医用撮像は、患者の解剖学的構造及び患者の身体内の生理学的過程の画像を形成することによって臨床医を支援するためのユビキタスな技法である。Ｘ線又はコンピュータ断層撮影（ＣＴ：ｃｏｍｐｕｔｅｄ ｔｏｍｏｇｒａｐｈｙ）撮像、陽電子放出断層撮影（ＰＥＴ：ｐｏｓｉｔｒｏｎ－ｅｍｉｓｓｉｏｎ ｔｏｍｏｇｒａｐｈｙ）又は単一光子放出コンピュータ断層撮影（ＳＰＥＣＴ：ｓｉｎｇｌｅ－ｐｈｏｔｏｎ ｅｍｉｓｓｉｏｎ ｃｏｍｐｕｔｅｒｉｚｅｄ ｔｏｍｏｇｒａｐｈｙ）などの核医用撮像、及び磁気共鳴（ＭＲ：ｍａｇｎｅｔｉｃ ｒｅｓｏｎａｎｃｅ）撮像（ＭＲＩ：ｍａｇｎｅｔｉｃ ｒｅｓｏｎａｎｃｅ ｉｍａｇｉｎｇ）など、多種多様な医用撮像技法又はモダリティ（ｍｏｄａｌｉｔｙ）がある。
【0003】
本発明はＭＲＩに関する。一般に、ＭＲ画像は、患者の組織の複数の磁気特性の差により生じるコントラストの２次元表示である。Ｔ１強調（ｗｅｉｇｈｔｅｄ）、Ｔ２強調、又はＴ２＊強調ＭＲＩなど、多くの異なるタイプのＭＲＩシーケンス又は「モダリティ」がよく知られている。これらのシーケンスは、ＭＲＩスキャナにルーチン的に事前プログラムされ、静的及び振動磁場と無線周波数（ＲＦ）パルスとの異なる組合せを使用し、その効果は、得られた画像中のコントラストが所望のモダリティ（たとえばＴ１又はＴ２）及びパラメータの選択により強く依存することである。上述のＭＲ撮像モダリティに加えて、他の知られているモダリティは、脂肪水撮像（ｆａｔ－ｗａｔｅｒ ｉｍａｇｉｎｇ）、二重反転回復（ｄｏｕｂｌｅ ｉｎｖｅｒｓｉｏｎ ｒｅｃｏｖｅｒｙ）Ｔ２強調撮像、ＳＴＩＲ（ショート・タウ反転回復：ｓｈｏｒｔ－ｔａｕ ｉｎｖｅｒｓｉｏｎ ｒｅｃｏｖｅｒｙ）Ｔ２強調撮像、タグ付きＣＭＲ（心臓血管磁気共鳴：ｃａｒｄｉｏｖａｓｃｕｌａｒ ｍａｇｎｅｔｉｃ ｒｅｓｏｎａｎｃｅ）撮像、ストレイン符号化（ｓｔｒａｉｎ－ｅｎｃｏｄｅｄ）撮像、拡散強調（ｄｉｆｆｕｓｉｏｎ－ｗｅｉｇｈｔｅｄ）撮像、拡散テンソル（ｄｉｆｆｕｓｉｏｎ ｔｅｎｓｏｒ）撮像、及び動脈スピン・ラベリング（ａｒｔｅｒｉａｌ ｓｐｉｎ ｌａｂｅｌｌｉｎｇ）撮像である。さらに、心臓ＭＲＩにおいて、心拍、血流、及び他のタイプの動きを示すビデオ画像のフレームに形成され得る、画像のスタックを生成するために、いくつかの心拍にわたって患者を撮像することによって、いわゆる「シネ画像（ｃｉｎｅ ｉｍａｇｅ）」が取得され得る。
【0004】
医用撮像における重要な進展は、患者への造影剤の投与の後に画像が取得される、コントラスト強調（ＣＥ：ｃｏｎｔｒａｓｔ－ｅｎｈａｎｃｅｄ）撮像の導入であった。そのような画像において、画像中のコントラストは、造影剤のロケーションを反映しており、組織間の区別を強調することができる。さらに、画像中のコントラストは、造影剤のウォッシュイン（ｗａｓｈ－ｉｎ）及びウォッシュアウト（ｗａｓｈ－ｏｕｔ）を反映し、したがって、患者の組織の病態生理学に関する追加の薬物動態学的情報を与えることができる。造影剤はＸ線（ＣＴ）撮像及びＭＲ撮像とともに使用され得、核医用撮像は、本質的に、これらの目的のために、コントラスト強調画像を生成する造影剤と見なされ得る放射性トレーサ（ｒａｄｉｏｔｒａｃｅｒ）の投与を伴う。
【0005】
心臓ＭＲ撮像において、ガドリニウムベースの造影剤（ＧＢＣＡ：ｇａｄｏｌｉｎｉｕｍ－ｂａｓｅｄ ｃｏｎｔｒａｓｔ ａｇｅｎｔ）など、常磁性造影剤が一般に使用される。ＧＢＣＡの最も一般的な用途は、ファースト・パスかん流（ｆｉｒｓｔ ｐａｓｓ ｐｅｒｆｕｓｉｏｎ）、早期ガドリニウム強調（ＥＧＥ：ｅａｒｌｙ ｇａｄｏｌｉｎｉｕｍ ｅｎｈａｎｃｅｍｅｎｔ）、遅延ガドリニウム強調（ＬＧＥ：ｌａｔｅ ｇａｄｏｌｉｎｉｕｍ ｅｎｈａｎｃｅｍｅｎｔ）撮像、及び血管造影法研究を含む。特に、ＬＧＥ撮像は、心筋の生存能力を評価し、虚血性（ｉｓｃｈａｅｍｉｃ）心臓病を非虚血性心臓病と区別するための臨床心臓学（ｃａｒｄｉｏｌｏｇｙ）におけるゴールドスタンダードになった。このことは、患者が（冠状動脈中の閉塞を切開するための心臓切開手術若しくは侵襲的な経皮的冠動脈インターベンション（ＰＣＩ：ｐｅｒｃｕｔａｎｅｏｕｓ ｃｏｒｏｎａｒｙ ｉｎｔｅｒｖｅｎｔｉｏｎ）、又はより簡単な非侵襲的治療など）侵襲的手順を受ける必要があるかどうかの臨床意思決定に影響を及ぼし得る。臨床医は、ＣＥ ＭＲ画像を解釈することに非常に精通するようになっており、したがって、様々な医学的状態を診断する際に彼らを助けるために、そのようなＣＥ医用画像をすぐに参照することを望む。ＣＥの結果と造影剤なし撮像とを組み合わせることにより、細胞外容積（ＥＣＶ：ｅｘｔｒａｃｅｌｌｕｌａｒ ｖｏｌｕｍｅ）、急性心筋梗塞における救うことができる危険領域、生存可能な心筋など、関心のある他の量の計算が可能になる。
【0006】
しかしながら、ＣＥ撮像は、一般に、被験者への静脈内挿管及び造影剤の投与を必要とし、そのことは、侵襲的であるだけでなく、ＬＧＥ撮像の場合、一般に４５分を超えるまで走査手順をも長引かせる。長い走査手順は、良質な画像の要件である、被験者が静止したままでいることを困難にするだけでなく、スキャナ内部における患者の忍容性をも低下させる。さらに、心臓ＭＲＩなど、いくつかの適用例において、被験者の心拍と、呼吸を止める能力とにより、そのシーケンスについての臨床的に許容できる持続時間が著しく制限され得る。
【0007】
造影剤はまた、いくつかのクラスの患者（たとえば、効果的に造影剤を排泄することができず、深刻な回復不能の合併腎原性全身性線維症（ｃｏｍｐｌｉｃａｔｉｏｎ ｎｅｐｈｒｏｇｅｎｉｃ ｓｙｓｔｅｍｉｃ ｆｉｂｒｏｓｉｓ）を発症し得る、重い腎機能障害をもつ患者）では禁忌であり得る。ＧＢＣＡなどの造影剤は、他の者（たとえば、妊娠又は授乳している女性、及び子供）ではあまり望ましくないことがある。たとえば、最近、複数のＭＲＩ検査を受けた患者の脳中のＧＢＣＡ蓄積の証拠が、これらの脳蓄積の臨床的有意性に関する明確な予測なしに公開された。多くの患者は、疾病と治療に対する反応とを監視するための連続的な検査を必要とし、したがって、合併症の潜在的な危険が実質的に高まり得る。ＧＢＣＡは一実例として与えられており、ＭＲＩにおける酸化鉄、マンガン、ＣＴにおけるヨード造影剤など、他の造影剤に関する同様の制限がある。
【0008】
これらの困難にもかかわらず、ＣＥ医用撮像は臨床診療において日常的に使用されている。たとえば、ＬＧＥは、鑑別診断のための決定的でかけがえのない情報を含んでいると旧来から考えられており、したがって、ＧＢＣＡは、患者への追加のコスト、（小さいが）危険、及び負担にもかかわらず、日常的に投与されている。ＬＧＥの遍在性により、多くの臨床医は、ＬＧＥ画像を認識し、観測されたパターンを具体的な症状に当てはめることができる。
【0009】
旧来、ＭＲＩ画像における関心は、磁気パラメータ（Ｔ１又はＴ２）の絶対値ではなく、画像全体にわたるコントラストの変動に限られていたが、より最近では、可変的に強調されたＭＲデータセットの取得及び分析に基づいて、Ｔ１、Ｔ１－ρ、Ｔ２、Ｔ２＊など、物質の特定の基本的な磁気特性の定量マッピングを可能にするＭＲＩシーケンスが使用されている。心臓ＭＲＩにおいて、（造影剤投与前（ｐｒｅ－ｃｏｎｔｒａｓｔ）Ｔ１マッピング、又は造影剤なしＴ１マッピングとも呼ばれる）ネイティブＴ１マッピング技法が、特に、心臓画像診断における有用性が高まる、心筋組織特性化のための新規の手法として出現した。それらの技法は、細胞内及び細胞外コンパートメントからの信号を反映し、心筋組成の変化を検出するために定量的なピクセルワイズ測定を提供する。Ｔ１マッピングにより、たとえば浮腫及び炎症における過剰水、タンパク質の沈着、並びに脂肪、鉄など、他のＴ１変換物質（Ｔｌ－ａｌｔｅｒｉｎｇ ｓｕｂｓｔａｎｃｅ）、並びに一般的に遭遇する心臓状態の範囲に関係する病理学的に重要なプロセスの検出が可能になる。Ｔ１マッピングは、Ｔ１強調画像の標準化された定量的表現を与え、心筋症の狭い正常範囲を有することと、広範囲の心筋症を区別することとを実証した。Ｔ１マッピングの利点は、定量的測定と、比較的簡単に単一の呼吸止めが得られることと、優れた再現性と、ガドリニウムベースの造影剤の回避とを含む。マッピング技法は、ＬＧＥパターンを超える、ＬＧＥパターンよりも早期の疾病への感度が観測され得ることを示している（Ｆｅｒｒｅｉｒａら、「Ｎａｔｉｖｅ Ｔ１－ｍａｐｐｉｎｇ ｄｅｔｅｃｔｓ ｔｈｅ ｌｏｃａｔｉｏｎ、ｅｘｔｅｎｔ ａｎｄ ｐａｔｔｅｒｎｓ ｏｆ ａｃｕｔｅ ｍｙｏｃａｒｄｉｔｉｓ ｗｉｔｈｏｕｔ ｔｈｅ ｎｅｅｄ ｆｏｒ ｇａｄｏｌｉｎｉｕｍ ｃｏｎｔｒａｓｔ ａｇｅｎｔｓ」、Ｊ Ｃａｒｄｉｏｖａｓｃ Ｍａｇｎ Ｒｅｓｏｎ １６、３６（２０１４）、Ｄａｓｓら、「Ｍｙｏｃａｒｄｉａｌ Ｔｉｓｓｕｅ Ｃｈａｒａｃｔｅｒｉｚａｔｉｏｎ Ｕｓｉｎｇ Ｍａｇｎｅｔｉｃ Ｒｅｓｏｎａｎｃｅ Ｎｏｎｃｏｎｔｒａｓｔ Ｔ１ Ｍａｐｐｉｎｇ ｉｎ Ｈｙｐｅｒｔｒｏｐｈｉｃ ａｎｄ Ｄｉｌａｔｅｄ Ｃａｒｄｉｏｍｙｏｐａｔｈｙ」、Ｃａｒｄｉｏｖａｓｃｕｌａｒ Ｉｍａｇｉｎｇ．２０１２；５：７２６～７３３頁）。
【先行技術文献】
【特許文献】
【0010】
【特許文献1】米国特許出願公開第２０１３／０３２２７１３号
【非特許文献】
【0011】
【非特許文献1】Ｆｅｒｒｅｉｒａら、「Ｎａｔｉｖｅ Ｔ１－ｍａｐｐｉｎｇ ｄｅｔｅｃｔｓ ｔｈｅ ｌｏｃａｔｉｏｎ、ｅｘｔｅｎｔ ａｎｄ ｐａｔｔｅｒｎｓ ｏｆ ａｃｕｔｅ ｍｙｏｃａｒｄｉｔｉｓ ｗｉｔｈｏｕｔ ｔｈｅ ｎｅｅｄ ｆｏｒ ｇａｄｏｌｉｎｉｕｍ ｃｏｎｔｒａｓｔ ａｇｅｎｔｓ」、Ｊ Ｃａｒｄｉｏｖａｓｃ Ｍａｇｎ Ｒｅｓｏｎ １６、３６（２０１４）
【非特許文献2】Ｄａｓｓら、「Ｍｙｏｃａｒｄｉａｌ Ｔｉｓｓｕｅ Ｃｈａｒａｃｔｅｒｉｚａｔｉｏｎ Ｕｓｉｎｇ Ｍａｇｎｅｔｉｃ Ｒｅｓｏｎａｎｃｅ Ｎｏｎｃｏｎｔｒａｓｔ Ｔ１ Ｍａｐｐｉｎｇ ｉｎ Ｈｙｐｅｒｔｒｏｐｈｉｃ ａｎｄ Ｄｉｌａｔｅｄ Ｃａｒｄｉｏｍｙｏｐａｔｈｙ」、Ｃａｒｄｉｏｖａｓｃｕｌａｒ Ｉｍａｇｉｎｇ．２０１２；５：７２６～７３３頁
【非特許文献3】Ａｂｄｕｌａら、「Ｓｙｎｔｈｅｔｉｃ ｌａｔｅ ｇａｄｏｌｉｎｉｕｍ ｅｎｈａｎｃｅｍｅｎｔ ｃａｒｄｉａｃ ｍａｇｎｅｔｉｃ ｒｅｓｏｎａｎｃｅ ｆｏｒ ｄｉａｇｎｏｓｉｎｇ ｍｙｏｃａｒｄｉａｌ ｓｃａｒ」、Ｓｃａｎｄｉｎａｖｉａｎ Ｃａｒｄｉｏｖａｓｃｕｌａｒ Ｊｏｕｒｎａｌ、５２：３、１２７～１３２頁
【非特許文献4】Ｐｈｉｌｌｉｐ Ｉｓｏｌａら、「Ｉｍａｇｅ－ｔｏ－Ｉｍａｇｅ ｔｒａｎｓｌａｔｉｏｎ ｗｉｔｈ Ｃｏｎｄｉｔｉｏｎａｌ Ａｄｖｅｒｓａｒｉａｌ Ｎｅｔｗｏｒｋｓ」、Ｂｅｒｋｅｌｅｙ ＡＩ Ｒｅｓｅａｒｃｈ（ＢＡＩＲ）Ｌａｂｏｒａｔｏｒｙ、ＵＣ Ｂｅｒｋｅｌｅｙ
【非特許文献5】Ｔｉｎｇ－Ｃｈｕｎ Ｗａｎｇら、「Ｈｉｇｈ－Ｒｅｓｏｌｕｔｉｏｎ Ｉｍａｇｅ Ｓｙｎｔｈｅｓｉｓ ａｎｄ Ｓｅｍａｎｔｉｃ Ｍａｎｉｐｕｌａｔｉｏｎ ｗｉｔｈ Ｃｏｎｄｉｔｉｏｎａｌ ＧＡＮｓ」、ＮＶＩＤＩＡ Ｃｏｒｐｏｒａｔｉｏｎ、ＣＶＰＲ ２０１８
【発明の概要】
【課題を解決するための手段】
【0012】
本発明の第１の態様によれば、計算されたコントラスト強調医用画像を生成する方法であって、本方法は、造影剤なし磁気共鳴撮像手順を実行することによって取得されたネイティブ定量マッピング画像を含む、被験者の画像データセットを受信することと、画像データセットを画像プロセッサに入力し、計算されたコントラスト強調医用画像を生成するために画像プロセッサを用いて画像データセットを処理することとを含み、画像プロセッサが、画像のセットを含むトレーニング・データセット上でトレーニングされた機械学習プロセッサを備え、画像の各セットが、画像データセットの定量マッピング画像と同じ定量マッピングを有する造影剤なしネイティブ定量マッピング画像と、対応する取得されたコントラスト強調医用画像とを含む、計算されたコントラスト強調医用画像を生成する方法が提供される。
【0013】
したがって、本発明を用いると、造影剤なし定量マッピング画像から、計算されたコントラスト強調医用画像がどのようなものになるであろうかを予測するように画像プロセッサをトレーニングすることによって、被験者に造影剤を投与する必要はなくなる。コントラスト強調撮像の薬物動態学的態様はネイティブ撮像の薬物動態学的態様とは異なるので、このことは不可能であると以前は考えられていた。ここで、発明者らは、造影剤なし定量マッピングが、ＣＥ医用画像と同じ病理学的感度又はＣＥ医用画像よりも良い病理学的感度を与えることを発見した。結果として、セットのうちの１つの画像が、造影剤なしに被験者から取得された定量マッピング画像であり、セットのうちの別の画像が、造影剤の投与の後に取得された対応する医用画像である、画像のセット上で機械学習プロセッサをトレーニングすることによって、トレーニングされた機械学習プロセッサは、造影剤なし定量マッピング画像から、計算されたＣＥ医用画像を生成することができる。計算されたＣＥ医用画像は、取得されたＣＥ医用画像よりも良い画像品質を有し、場合によっては、以下で説明するように、疾病、たとえば浮腫への感度が、取得されたＣＥ医用画像よりも良いものとして評価された。
【0014】
計算されたＣＥ医用画像は、定量マッピング画像の標準化された提示と、トレーニング・データセット及びＭＲモダリティを指定することによって異なる疾病感度を達成する方法とを与える。
【0015】
計算されたＣＥ医用画像は、一般的なＣＥアーテファクト（たとえばＬＧＥアーテファクト）がなく、（限局性線維症、及び脳中の血液脳関門の破壊に関することが知られている）ＣＥよりも（浮腫、及びびまん性病理における細胞内基質の全体的な拡大を含む）病理学的変化に敏感である。したがって、ＣＥ（たとえばＬＧＥ）と同様の外観を示す計算されたＣＥ医用画像は、実際のＣＥ（たとえばＬＧＥ）よりも良い画像品質を有しており、実際のＣＥ（たとえばＬＧＥ）よりも広範囲の病理を検出することができる。このことは、ＣＥ画像と同様の外観をもつそれらを提示するために機械学習を使用しながら、同時に、ネイティブ定量マッピング中の情報を活用することから生じると考えられる。このことは、被験者に造影剤を投与する必要、及び関係する冗長な走査手順なしに達成される。
【0016】
機械学習プロセッサは、造影剤なし定量マッピング画像を処理し、たとえば、差を最小にすること（又は、差を所定のしきい値未満に低減させること）によって、ターゲット又は「グランドトゥルース」としての対応する取得されたコントラスト強調医用画像と所定の程度まで一致するように、計算されたＣＥ医用画像を生成するようにトレーニングされ、そのことは、計算されたＣＥ医用画像を、同時にトレーニングされた機械学習分類器によって対応する実際に取得されたＣＥ医用画像と区別がつかないようにすることを目的とする。取得されたＣＥ医用画像は、機械学習においてターゲット又はグランドトゥルース画像として使用されるので、計算されたＣＥ医用画像は、取得されたＣＥ医用画像と事実上同じタイプの画像である。
【0017】
よく知られているように、機械学習プロセッサは、入力データからターゲット出力データを生成するためにデータ処理アルゴリズムを使用し、そのアルゴリズムは、（それのためのターゲット・データが知られている）トレーニング・データセットからの入力データが機械学習プロセッサによって処理され、出力がターゲット・データと比較され、アルゴリズムが（たとえば、ディープ・ラーニングにおけるバックプロパゲーションによって）調整される、反復的なトレーニング・プロセスにおいて改良され、このプロセスは、出力がターゲットに十分に近づくまで反復され、そうすると、機械学習プロセッサは、トレーニングされたものと見なされ、新しい入力データを処理するために使用され得る。
【0018】
造影剤なし定量マッピング画像は、たとえば、Ｔ１－ρマッピング、又はストレスＴ１マッピングを含む、Ｔ１マッピング画像であり得る。造影剤なし定量マッピング画像は、代替的に、Ｔ１マッピング以外の定量マッピング画像、たとえば、Ｔ２マッピング、又はＴ２＊マッピングを有し得る。
【0019】
画像プロセッサはまた、追加の１つ又は複数の造影剤なしＭＲ画像中の情報を利用し得る。したがって、本方法は、複数の異なる造影剤なしシーケンスから被験者の磁気共鳴画像を取得することと、複数の画像を画像プロセッサに入力することと、前記マッピング技法の外観を標準化するために、強調された（計算されたＣＥ）画像を生成するためにそれらの画像を処理することとを含み得る。
【0020】
対応する取得されたＣＥ医用画像は（したがって、事実上、計算されたＣＥ医用画像も）ＬＧＥ画像などのＣＥ磁気共鳴画像であり得る。
【0021】
一実例では、対応する取得されたＣＥ医用画像は、それ自体、即時の臨床診断のためのＴ１マッピングの外観の標準化のために有用である、画像データセットの定量マッピング画像と同じ又は異なる定量マッピングを有する定量マッピング画像であり得る。
【0022】
トレーニングにおいて、合成ＬＧＥ画像（Ａｂｄｕｌａら、「Ｓｙｎｔｈｅｔｉｃ ｌａｔｅ ｇａｄｏｌｉｎｉｕｍ ｅｎｈａｎｃｅｍｅｎｔ ｃａｒｄｉａｃ ｍａｇｎｅｔｉｃ ｒｅｓｏｎａｎｃｅ ｆｏｒ ｄｉａｇｎｏｓｉｎｇ ｍｙｏｃａｒｄｉａｌ ｓｃａｒ」、Ｓｃａｎｄｉｎａｖｉａｎ Ｃａｒｄｉｏｖａｓｃｕｌａｒ Ｊｏｕｒｎａｌ、５２：３、１２７～１３２頁）、及びセグメント化された病変マスク（Ｆｅｒｒｅｉｒａら、「Ｎａｔｉｖｅ Ｔ１－ｍａｐｐｉｎｇ ｄｅｔｅｃｔｓ ｔｈｅ ｌｏｃａｔｉｏｎ、ｅｘｔｅｎｔ ａｎｄ ｐａｔｔｅｒｎｓ ｏｆ ａｃｕｔｅ ｍｙｏｃａｒｄｉｔｉｓ ｗｉｔｈｏｕｔ ｔｈｅ ｎｅｅｄ ｆｏｒ ｇａｄｏｌｉｎｉｕｍ ｃｏｎｔｒａｓｔ ａｇｅｎｔｓ」、Ｊ Ｃａｒｄｉｏｖａｓｃ Ｍａｇｎ Ｒｅｓｏｎ １６、３６（２０１４）、）、又はそのような導出された画像とコントラスト強調画像との組合せを使用することが予見できる。
【0023】
しかしながら、代替実施例では、対応する取得されたＣＥ医用画像は、（したがって、事実上、計算されたＣＥ医用画像も）、たとえば、遅延ヨード・コントラスト強調（ｌａｔｅ ｉｏｄｉｎａｔｅｄ－ｃｏｎｔｒａｓｔ ｅｎｈａｎｃｅｍｅｎｔ）ＣＴ画像などのコントラスト強調ＣＴ画像、コントラスト強調ＰＥＴ画像、コントラスト強調ＳＰＥＣＴ画像、又はコントラスト強調超音波画像など、非ＭＲモダリティの計算されたコントラスト強調画像であり得る。一般に、それは、造影剤の投与、又は、特に、医用的適用例における標準としてすでに受け入れられている任意の形態で、追加の強調を生成するために生理学上のストレスを導入することを採用する、任意のタイプの撮像であり得る。
【0024】
１つのタイプの実施例では、被験者の画像データセットはネイティブ定量定量マッピング画像のみを含み得る。このことは、本方法が定量マッピングを標準化するために適用される場合に有用であり得る。別のタイプの実施例では、被験者の画像データセットは、その被験者の他の画像、及び／又は画像データでないさらなるデータをさらに含み得る。したがって、画像プロセッサは、入力として１つ又は複数の画像モダリティを取るための１つ又は複数の畳み込みストリーム、及び／又は入力としてＭＲメタデータ若しくは非画像診断情報を取るためのストリームを含み得る。次に、任意の組合せで使用され得るいくつかの非限定的な実例について説明する。
【0025】
被験者の画像データセットは、画像データセットの定量マッピング画像の定量マッピング以外の造影剤なし磁気共鳴モダリティによって取得された少なくとも１つのさらなる磁気共鳴画像をさらに含み得る。その場合、トレーニング・データセットの画像のセットは、当該他の造影剤なし磁気共鳴モダリティによって取得された少なくとも１つのさらなる磁気共鳴画像をさらに含む。
【0026】
いくつかの実例では、少なくとも１つのさらなる磁気共鳴画像は、未加工磁気共鳴画像、未加工磁気共鳴画像の融合である画像、又は未加工磁気共鳴画像の派生物である画像のうちの少なくとも１つを含み得る。
【0027】
いくつかの実例では、少なくとも１つのさらなる磁気共鳴画像は、Ｔ１マッピング画像、（Ｔ１反転回復強調画像を含む）Ｔ１強調画像、Ｔ２強調画像、Ｔ２＊強調画像、Ｔ２マッピング画像、Ｔ２＊マッピング画像、又はシネＣＭＲ画像のうちの少なくとも１つを含み得る。
【0028】
いくつかの実例では、少なくとも１つのさらなる磁気共鳴画像は、ＳＴＩＲ画像、タグ付きＣＭＲ画像、ストレイン符号化画像、拡散強調画像、拡散テンソル画像、動脈スピン・ラベリング画像、ＰＤ強調画像、又は脂肪水分離画像のうちの少なくとも１つを含む。
【0029】
被験者の画像データセットは、少なくとも１つの造影剤なし非ＭＲ画像をさらに含み得る。この場合、トレーニング・データセットの画像のセットは、画像データセットの少なくとも１つの非磁気共鳴画像と同じタイプの少なくとも１つの非磁気共鳴画像をさらに含む。
【0030】
いくつかの実例では、少なくとも１つの非磁気共鳴画像は、心エコー図、核かん流画像、ＣＴ画像、電気生理学的心臓マップ画像、又は胸部Ｘ線のうちの少なくとも１つを含み得る。
【0031】
少なくとも１つの非磁気共鳴画像は、ネイティブ・ベースライン、ストレス又は薬理学的誘導状態にあり得る。
【0032】
本方法は、同じ被験者の前の来診又は研究からすでに利用可能な少なくとも１つの取得されたＣＥ医用画像を画像プロセッサに入力するステップをさらに含み得る。
【0033】
ＣＥ医用画像は、ＣＥ医用画像、又は画像の他の臨床的に実行可能な人間セグメンテーションに基づく、導出されたセグメント化されたマスクによって代用され得る。そのような処理されたマスクは、（浮腫、線維症、梗塞、微小血管障害、又は同様の疾患の病理レベルを示すなど）臨床的に有意味なパラメータのために、そのような画像から導出され得る。
【0034】
画像データセットは、画像データでないさらなるデータを含み得る。一般に、さらなるデータは、被験者に関係するデータ、及び／又は入力された画像に関係するデータであり得る。
【0035】
いくつかの実例では、さらなるデータは、画像取得パラメータなどの撮像メタデータ、又は少なくとも１つの非撮像診断テスト結果のうちの少なくとも１つを含み得る。
【0036】
撮像メタデータは、ＭＲ装置製造業者モデル名称又は呼称、磁界強度、ソフトウェア・バージョン、反転時間などのうちの少なくとも１つを含み得る。
【0037】
非撮像診断テスト結果は、ＭＲスペクトロスコピー結果、血液検査結果、心電図、被験者の臨床特性（たとえば、医学的状態、投薬、症状、被験者の危険因子、被験者の履歴、理学的検査所見）、又は被験者の照会理由のうちの少なくとも１つを含み得る。
【0038】
画像プロセッサは、たとえば、トレーニングされた敵対的生成ネットワーク（ＧＡＮ：Ｇｅｎｅｒａｔｉｖｅ Ａｄｖｅｒｓａｒｉａｌ Ｎｅｔｗｏｒｋ）、トレーニングされた条件付きＧＡＮ、トレーニングされた完全畳み込みニューラル・ネットワーク（Ｆｕｌｌｙ Ｃｏｎｖｏｌｕｔｉｏｎａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）、トレーニングされた変分オートエンコーダ（ｖａｒｉａｔｉｏｎａｌ ａｕｔｏｅｎｃｏｄｅｒ）、トレーニングされたＵネット、トレーニングされたＶネットのうちの１つであり得る、トレーニングされた機械学習アルゴリズム、プロセス、又はプロセッサを含む。画像プロセッサは、入力されたモダリティの数と一致すべき複数の入力されたストリーム、及び／又は入力として非画像情報を取るための非畳み込みストリームを有し得る。
【0039】
計算されたＣＥ医用画像は、定量マッピング画像の標準化された提示と、トレーニング・データセット及びＣＭＲモダリティを指定することによって異なる疾病感度を達成する方法とを与える。
【0040】
本技法はデータ駆動型であり、造影剤なしマッピングから情報を継承し、そのことは、機械学習プロセッサが、異なる特性をもつ（たとえば、浮腫があり、心筋浮腫、心筋炎、急性心筋梗塞、及び／又は慢性心筋梗塞がない）複数の対応する取得されたＣＥ医用画像のトレーニング・データセット上でトレーニングされ得ることを意味する。その場合、画像データセットは、計算されたコントラスト強調医用画像が、（たとえば、慢性のＭＩ瘢痕（ｓｃａｒ）のみを検出する、又は慢性のＭＩ瘢痕及び浮腫を検出する）異なる感度を有するように、複数の計算されたコントラスト強調医用画像を生成するために、画像プロセッサを用いて処理され得る。
【0041】
随意に、そのような複数の計算されたコントラスト強調医用画像は、病状（たとえば、慢性のＭＩ瘢痕と浮腫と）を区別することができる、新しい包括的な計算されたＣＥ医用画像を生成するために、さらなる強調のための組み合わせられたコントラスト強調医用画像を生成するために組み合わせられ得る。組み合わせられたコントラスト強調医用画像は、単一の計算されたＣＥ医用画像、又は単一の旧来のＣＥ医用画像よりもうまく病状を区別することができる。
【0042】
計算されたＣＥ医用画像のみを組み合わせることの代替として、組み合わせられた計算されたＣＥ画像を生成するために、計算されたＣＥ医用画像と取得されたＣＥ医用画像の両方を組み合わせることだけでなく、含み得ることも可能である。
【0043】
本発明の第１の態様によれば、機械学習プロセッサは、上記で説明したようにトレーニングされている。随意に、機械学習プロセッサをトレーニングするステップは本方法の一部であり得る。
【0044】
本発明の第１の態様によれば、被験者の画像データセットが受信され、画像プロセッサに入力される。随意に、被験者の画像データセットを取得するステップは、本方法の一部、たとえば、ネイティブ定量マッピング画像を含む画像データセットを取得するために、被験者に対して造影剤なし磁気共鳴撮像手順を実行すること、及び、他の画像が使用されるときに、それらの他の画像を取得するために他の撮像手順をも実行することであり得る。
【0045】
本発明の第２の態様によれば、計算されたコントラスト強調医用画像を生成するように適応された画像プロセッサであって、本画像プロセッサは、造影剤なし磁気共鳴撮像手順を実行することによって取得された定量マッピング画像を含む、被験者の画像データセットを受信するための入力と、計算されたコントラスト強調医用画像を生成するために、入力された画像データセットを処理するためのデータ・プロセッサとを備え、データ・プロセッサが、画像のセットを含むトレーニング・データセット上でトレーニングされた機械学習プロセッサを備え、画像の各セットが、画像データセットの定量マッピング画像と同じ定量マッピングを有する造影剤なしネイティブ定量マッピング画像と、対応する取得されたコントラスト強調医用画像とを含む、画像プロセッサが提供される。
【0046】
本発明の第２の態様の画像プロセッサは本発明の第１の態様と等価な方法を実行し、したがって、上記で説明した様々な特徴は本発明の第２の態様に等しく適用され得る。
【0047】
本発明の第３の態様によれば、ａ）被験者の造影剤なしネイティブ定量マッピング画像を含む画像の対応するセットを含む、トレーニング・データセットと、被験者の対応する取得されたコントラスト強調画像と、随意に、被験者の少なくとも１つのさらなる画像、及び／又は画像でないさらなるデータとを受信するステップと、ｂ）データ・プロセッサに、各セットの造影剤なしネイティブ定量マッピング画像と、存在する場合、被験者の少なくとも１つのさらなる画像、及び／又は各セットのさらなるデータとを入力し、計算されたコントラスト強調医用画像を生成するために、生成的画像処理機能を使用してデータ・プロセッサを用いてそれを処理し、計算されたコントラスト強調医用画像をセットからの対応する取得されたコントラスト強調画像と比較するステップと、ｃ）計算されたコントラスト強調医用画像と、セットからの対応する取得されたコントラスト強調画像との間の差を低減するように、データ・プロセッサによって実行される処理を変更するステップと、ｄ）計算されたコントラスト強調医用画像と、対応する取得されたコントラスト強調画像との間の差が所定のしきい値を下回るまで、ステップｂ）及びステップｃ）を繰り返すステップとを含む、上記のデータ・プロセッサをトレーニングする方法が提供される。
【0048】
本発明の第３の態様の方法は、本発明の第１及び第２の態様における画像プロセッサをトレーニングするために使用され得、したがって、上記で説明した様々な特徴は本発明の第３の態様に等しく適用され得る。
【0049】
好ましくは、本方法は、生成的画像処理機能によって生成された計算されたコントラスト強調画像、又はコントラスト強調画像のいずれかとして各画像を分類することによって、生成的画像処理機能によって生成された計算されたコントラスト強調医用画像と、対応する取得されたコントラスト強調画像とを区別するために、敵対的弁別器（ａｄｖｅｒｓａｒｉａｌ ｄｉｓｃｒｉｍｉｎａｔｏｒ）を動作させることをさらに含み、生成画像プロセッサによって実行される処理は、ステップｃ）において、計算されたコントラスト強調医用画像と、対応する取得されたコントラスト強調画像との間の差と、分類信頼度の両方を含むコスト関数を低減するように変更される。敵対的弁別器は、分類の別個の損失関数、たとえば交差エントロピー損失（ｃｒｏｓｓ－ｅｎｔｒｏｐｙ ｌｏｓｓ）を低減することによって、その敵対的弁別器の分類精度を高めるように同時にトレーニングされる。
【0050】
本発明のさらなる態様によれば、コンピュータ装置による実行が可能なコンピュータ・プログラムであって、本コンピュータ・プログラムは、実行すると、コンピュータ装置に本発明の第１の態様による方法を実行させるように構成された、コンピュータ・プログラムと、そのようなコンピュータ・プログラムを記憶するコンピュータ可読記憶媒体と、同様の方法を実行するように構成されたコンピュータ装置とが提供される。
【0051】
本発明はまた、造影剤なしＭＲ撮像手順を実行又は制御することと、本発明の方法による、スキャナ上にインラインで強調された医用画像を与えるために、得られたＭＲ画像を処理することとを行うように適応された磁気共鳴スキャナ・システム又はスキャナ・オペレーティング・システムを提供し得る。したがって、本発明は、オペレータのための利用可能な出力オプションのうちの１つとして、計算されたＣＥ医用画像を与えることができるスキャナを含む。
【0052】
本発明について、添付の図面を参照しながら、例としてさらに説明する。
【図面の簡単な説明】
【0053】
【図1(A)】本発明の一実施例による、単一のＭＲネイティブ（すなわち造影剤なし）Ｔ１マップの画像を処理するための装置を概略的に示す図である。
【図1(B)】本発明の第２の実施例による、追加のＭＲシーケンスによって補完されたＭＲネイティブＴＩマップ画像を処理するための装置を概略的に示す図である。
【図2(A)】本発明の一実施例による、ＭＲネイティブＴ１マップ画像を処理するための装置をトレーニングするためのプロセスを概略的に示す図である。
【図3(A)】本発明の別の実施例による、ＭＲネイティブＴ１マップ画像を処理するための装置中の生成器及び弁別器をトレーニングするステップを概略的に示す図である。
【図3(B)】本発明の別の実施例による、ＭＲネイティブＴ１マップ画像を処理するための装置中の生成器及び弁別器をトレーニングするステップを概略的に示す図である。
【図4(A)】本発明の別の実施例による、ＭＲネイティブＴ１マップ画像を処理するための装置中の生成器及び弁別器をトレーニングする例示的なステップを概略的に示す図である。
【図4(B)】本発明の別の実施例による、ＭＲネイティブＴ１マップ画像を処理するための装置中の生成器及び弁別器をトレーニングする例示的なステップを概略的に示す図である。
【図6】入力された情報の４つのストリームを利用する代替的な生成器アーキテクチャを示す図である。
【図8】異なる病状への感度を獲得するために異なるデータセット上で複数の画像プロセッサ・ユニットをトレーニングすることを示す図である。
【図9】様々なタイプの病状を区別することができる、組み合わせられたｃ－ＣＥ画像を生成するために、それぞれ異なってトレーニングされた画像プロセッサ・ユニットによって生成された複数のｃ－ＣＥ画像を組み合わせることを示す図である。
【図10(A)】従来技術による、ＭＲＩ手順を概略的に示す図である。
【図10(B)】本発明の一実施例による、ＭＲＩ手順を概略的に示す図である。
【図11(A)】本発明の一実施例に従って取得された、ネイティブＴ１走査と、計算されたＬＧＥ走査と、ＬＧＥ走査との比較を示す図である。
【図11(B)】本発明の一実施例に従って取得された、ネイティブＴ１走査と、計算されたＬＧＥ走査と、ＬＧＥ走査との比較を示す図である。
【図12】本発明の一実施例に従って取得された、ネイティブＴ１走査と、計算されたＬＧＥ走査と、ＬＧＥ走査との比較を示す図である。
【図13】本発明の一実施例に従って取得された、ネイティブＴ１走査と、計算されたＬＧＥ走査と、ＬＧＥ走査との比較を示す図である。
【図14】本発明の一実施例に従って取得された、ネイティブＴ１走査と、計算されたＬＧＥ走査と、ＬＧＥ走査との比較を示す図である。
【図15】本発明の一実施例に従って取得された、ネイティブＴ１走査と、計算されたＬＧＥ走査と、ＬＧＥ走査との比較を示す図である。
【図16(A)】本発明の一実施例に従って取得された、ネイティブＴ１走査と、計算されたＬＧＥ走査と、ＬＧＥ走査との比較を示す図である。
【図16(B)】本発明の一実施例に従って取得された、ネイティブＴ１走査と、計算されたＬＧＥ走査と、ＬＧＥ走査との比較を示す図である。
【図17】本発明の一実施例に従って取得された、ネイティブＴ１走査と、計算されたＬＧＥ走査と、ＬＧＥ走査との比較を示す図である。
【図18(A)】本発明の一実施例に従って取得された、ネイティブＴ１走査と、計算されたＬＧＥ走査と、ＬＧＥ走査との比較を示す図である。
【図18(B)】本発明の一実施例に従って取得された、ネイティブＴ１走査と、計算されたＬＧＥ走査と、ＬＧＥ走査との比較を示す図である。
【図19(A)】本発明の一実施例に従って取得された、ネイティブＴ１走査と、計算されたＬＧＥ走査と、ＬＧＥ走査との比較を示す図である。
【図19(B)】本発明の一実施例に従って取得された、ネイティブＴ１走査と、計算されたＬＧＥ走査と、ＬＧＥ走査との比較を示す図である。
【図20】ＬＧＥ強調の存在を検出する際の計算されたＬＧＥとＬＧＥとの間の整合を示すグラフである。
【図21】ｃ－ＣＥ画像と取得されたＣＥ画像とについての画像品質のグラフである。
【図22】本発明の一実施例に従って取得された、強調されたネイティブＴ１走査と、計算されたＬＧＥ走査と、ＬＧＥ走査との比較を示す図である。
【図23】正常な組織と、心筋浮腫と、心筋梗塞瘢痕（ｍｙｏｃａｒｄｉａｌ ｉｎｆａｒｃｔｉｏｎ ｓｃａｒ）とを区別することができる、組み合わせられた計算されたＣＥ画像を示す図である。
【発明を実施するための形態】
【0054】
このテキストでは、磁気共鳴撮像又は走査「手順」を参照する。手順は、プロトコルに従って行われ、各シーケンスが、異なって重み付けされた未加工画像、並びにそれらの融合、及び定量マップなどの派生物を生成する、１つ又はいくつかの走査シーケンスを含み得、血液検査、及び造影剤投与など、非ＭＲ撮像ステップを含み得る。プロトコルはまた、休息時間、及び呼吸止め要件など、被験者に関連がある態様を設定し得る。
【0055】
図１は、本発明の第１の実施例による、計算されたコントラスト強調医用画像を生成するために、造影剤なし磁気共鳴Ｔ１マッピング画像を処理するための方法を実装する装置を概略的に示す図である。
【0056】
装置１は、画像データセット１００を受信する入力３を備え、画像データセット１００は、この例では、造影剤なし磁気共鳴撮像手順を実行することによって前に取得された（「Ｔ１マップ画像」又は「Ｔ１マップ」とも呼ばれる）Ｔ１マッピング画像１０１、たとえば、Ｔ１マッピングのためのエクスペリメントを使用して取得された任意の関連付けられたメタデータ（たとえば反転時間）をもつ任意の数の未加工の入力されたＴ１強調画像及び位相マップであり得る、グレー・スケール又はカラー・マップにおけるＭＯＬＬＩ又はＳｈＭＯＬＬＩ Ｔ１マッピング画像のみを含む。Ｔ１データは、Ｔ２データ、又はＣＥ画像のターゲット・タイプを予測するのに十分な任意の他のＭＲ画像データセットによって置き換えられ得る。
【0057】
これらの実例では、Ｔ１マッピング画像１０１は（トレーニングにおいて使用され、以下で説明されるＴ１マッピング画像２１も）定量マッピングを有する画像の一実例である。Ｔ１－ρマッピング又はストレスＴ１マッピングを含む、任意のＴ１マッピングが使用され得る。より一般的には、Ｔ１マッピング画像１０１は（トレーニングにおいて使用され、以下で説明されるＴ１マッピング画像２１も）、たとえば、Ｔ２マッピング画像又はＴ２＊マッピング画像である、任意の他の定量マッピングを有する画像によって置き換えられ得る。そのような定量マッピングは、可変的に強調されたＭＲデータセットの取得及び分析によって与えられる。結果として得られた画像は、Ｔ１、Ｔ１－ρ、Ｔ２、Ｔ２＊など、画像中の物質の特定の基本的な磁気特性の定量マッピングを与える。
【0058】
ＭＲ画像データセット１００は、トレーニングされた機械学習（又は人工知能）プロセスを使用するデータ・プロセッサである、画像プロセッサ５に渡される。画像プロセッサ５は、被験者が造影剤の投与の後に走査された場合に取得されたであろう、取得されたコントラスト強調画像と同様の外観及び病理学的感度を有する、計算されたコントラスト強調画像６を生成するために入力画像データセット１００を処理する。本明細書では、この画像を、計算されたＣＥ医用画像（ｃ－ＣＥ画像）６と呼ぶ。ｃ－ＣＥ画像は、ディスプレイ７上に表示されるか、又は別段に出力され得る。
【0059】
図１（Ａ）の実施例では、画像プロセッサ５は、画像のセットを含むトレーニング・データセット上でトレーニングされ、画像の各セットは、画像データセット１００のＴ１マッピング画像１０１と同じ定量マッピングを有する造影剤なしＴ１マッピング画像と、対応する取得されたコントラスト強調医用画像とを含む。
【0060】
トレーニング・データセットの造影剤なしＴ１マッピング画像は、画像データセット１００のＴ１マッピング画像１０１と同じ造影剤なし磁気共鳴撮像手順、たとえば、ＭＯＬＬＩ又はＳｈＭＯＬＬＩ取得を実行することによって取得される。
【0061】
トレーニング・データセットの対応する取得されたコントラスト強調医用画像は機械学習のためのターゲット又は「グランドトゥルース」画像である。したがって、計算されたｃ－ＣＥ画像６は、事実上、取得されたＣＥ医用画像と同じタイプのものである。
【0062】
図１（Ｂ）は本発明の第２の実施例を示し、第２の実施例では、装置１は、画像データセット１００が、Ｔ１マッピング画像１０１に加えて、さらなるデータを含むように拡張されていることを除いて、図１（Ａ）の装置１と同じである。
【0063】
画像データセット１００のさらなるデータは少なくとも１つのさらなる磁気共鳴画像１０２を含み得る。さらなる磁気共鳴画像１０２は、Ｔ１マッピング画像１０１の定量マッピング取得以外の造影剤なし磁気共鳴モダリティによって取得される。いくつかの実例は、Ｔ２＊強調画像、シネＭＲ画像、ＳＴＩＲ、タグ付きＣＭＲ、ストレイン画像、拡散画像、ＰＤ強調画像、ＤＴＩ、ＡＳＬなどである。他の実例は上記で与えられている。さらなる磁気共鳴画像１０２は、単一の造影剤なし磁気共鳴モダリティによって、又は複数の異なる造影剤なし磁気共鳴モダリティによって取得され得る。
【0064】
画像データセット１００は、入力３において受信され、画像プロセッサ５に渡され、画像プロセッサ５は、ディスプレイ７上に表示されるか又は別段に出力されるｃ－ＣＥ医用画像６を生成するために、上記で説明したように動作する。この場合、画像プロセッサ５は、トレーニング・データセットの画像のセットが、画像データセット１００のさらなる磁気共鳴画像１０２の造影剤なし磁気共鳴モダリティに対応する、他の造影剤なし磁気共鳴モダリティによって取得された少なくとも１つのさらなる磁気共鳴画像をさらに含むことを除いて、上記で説明したように、トレーニング・データセット上でトレーニングされている。
【0065】
画像データセット１００のさらなるデータは少なくとも１つの非磁気共鳴画像１０３を含み得る。非磁気共鳴画像１０３は造影剤なし非磁気共鳴モダリティによって取得される。いくつかの実例が上記で与えられている。非磁気共鳴画像１０３は単一のモダリティによって又は複数の異なるモダリティによって取得され得る。
【0066】
画像データセット１００は、入力３において受信され、画像プロセッサ５に渡され、画像プロセッサ５は、ディスプレイ７上に表示されるか又は別段に出力されるｃ－ＣＥ医用画像を生成するために、上記で説明したように動作する。この場合、画像プロセッサ５は、トレーニング・データセットの画像のセットが、画像データセット１００の非磁気共鳴画像１０３のモダリティに対応する、造影剤なし非磁気共鳴モダリティによって取得された少なくとも１つの非磁気共鳴画像をさらに含むことを除いて、上記で説明したように、トレーニング・データセット上でトレーニングされている。画像データセット１００のさらなるデータは、画像データでないさらなるデータ１０４を含み得る。さらなるデータ１０４は、被験者に関係するデータ、及び／又は入力された画像に関係するデータであり得る。さらなるデータ１０４は、画像取得パラメータなどの撮像メタデータ、又は、血液検査結果、心電図、臨床特性（たとえば、医学的状態、投薬、症状、危険因子、履歴、理学的検査所見）など、被験者についての少なくとも１つの非撮像診断検査結果、撮像についての被験者の照会理由、及び他の撮像診断検査（心エコー図、核かん流撮像、ＣＴスキャン、電気生理学的心臓マッピング、胸部Ｘ線など）であり得る。他の実例は上記で与えられている。
【0067】
３つの異なるタイプのさらなるデータ、すなわち、さらなる磁気共鳴画像１０２、非磁気共鳴画像１０３、及びさらなるデータ１０４が示されているが。しかしながら、すべてのこれらのタイプのさらなるデータを使用することは必須ではなく、より一般的には、異なるタイプのさらなるデータのいずれか１つ又は任意の組合せが使用され得る。その場合、トレーニング・データセットはデータの対応する組合せを含む。
【0068】
画像データセット１００は、入力３において受信され、画像プロセッサ５に渡され、画像プロセッサ５は、ディスプレイ７上に表示されるか又は別段に出力されるｃ－ＣＥ医用画像を生成するために、上記で説明したように動作する。この場合、画像プロセッサ５は、トレーニング・データセットが、画像データセット１００のさらなるデータ１０４のそれに対応するさらなるデータをさらに含むことを除いて、上記で説明したように、トレーニング・データセット上でトレーニングされている。
【0069】
図１（Ｂ）を参照しながら説明した代替的なタイプのさらなるデータは任意の組合せで一緒に使用され得る。すなわち、少なくとも１つのさらなる磁気共鳴画像１０２、少なくとも１つの非磁気共鳴画像１０３、及びさらなるデータ１０４は任意の組合せで使用され得、トレーニング・データ・セットはデータの対応する組合せを含む。
【0070】
したがって、画像プロセッサ５は、造影剤の使用によって取得された対応する取得されたコントラスト強調医用画像とともに、装置１に入力された画像データセット１００のデータのストリームに対応するコンテンツをもつトレーニング・データセット上でトレーニングされた、トレーニングされた機械学習プロセスである。
【0071】
取得されたＣＥ医用画像はＭＲ画像であり得る。この場合、取得されたＣＥ医用画像は、定量マッピング画像でないＭＲ画像であり得る。代替的に、取得されたＣＥ医用画像は、随意に、画像データセット１００のＴ１マップ画像１０１と同じ定量マッピングを有するか、又は異なる定量マッピングを有する、定量マッピング画像であるＭＲ画像であり得る。この場合、それらの画像は、コントラスト強調磁気共鳴撮像手順を実行することによって取得される。
【0072】
代替的に、トレーニング・データセットの取得されたコントラスト強調医用画像は、非磁気共鳴モダリティのコントラスト強調医用画像、たとえば、（注射、経口、吸入など）造影剤の投与に基づくか、又は病態生理学的組織特性に依存する追加の強調を生成するために生理学上のストレスを導入することを用いて取得された、コントラスト強調ＣＴ画像、ＰＥＴ画像、若しくはＳＰＥＣＴ画像、又は超音波画像であり得る。この場合、それらの画像は、関連がある非磁気共鳴モダリティのコントラスト強調手順を実行することによって取得される。
【0073】
画像プロセッサ５において採用され得る好適な機械学習アルゴリズムの実例は、完全畳み込みニューラル・ネットワーク、変分オートエンコーダ、Ｕネット、高密度Ｕネット、Ｖネット、条件付き敵対的生成ネットワーク（ＧＡＮ）、サイクルＧＡＮなど、それの変形態を含むＧＡＮ、カスケード・リファインメント・ネットワークである。
【0074】
【0075】
【0076】
図２（Ｂ）は、トレーニングにおいて使用されるトレーニング・データセット２０を示す。トレーニング・データ・セット２０は画像のセット２５を含み、画像の各セット２５は以下のデータを含む。
【0077】
上述のように、トレーニング・データセット２０の画像の各セットは、画像データセット１００のＴ１マッピング画像１０１と同じ定量マッピングを有する造影剤なしＴ１マッピング画像２１と、取得されたコントラスト強調医用画像２６とを含む。各セット中の造影剤なしマッピング画像２１及びコントラスト強調医用画像２６は、それらが同じ被験者又は患者から取得される点で互いに対応しており、たとえば、患者に造影剤が投与される前に取得された画像、及び患者への造影剤の投与の後に取得された画像である。
【0078】
トレーニング・データセット２０の画像のそれぞれのセット２５の取得されたＣＥ医用画像及び造影剤なしＴ１マッピング画像は、画像が、一致する病理学的構成を含んでいるように、被験者に対して同じ位置において取得された画像を用いて、同じＭＲ走査手順において取得され得る。しかしながら、それらの画像は、代替的に、異なる時間に異なる手順から取得され得る。それらの画像は、たとえば、（１つの手順が、たとえば、別の手順とは異なるプロトコル又はスキャナ構成を必要とする場合）異なるスキャナを使用して取得され得る。上述のように、取得されたＣＥ医用画像はＴ１マッピング画像であり得るが、取得されたＣＥ医用画像は、代替的に、（限定はしないが、定量マッピング画像を含む）Ｔ１マッピングとは異なるモダリティのものであるＭＲ画像であり得るか、又は非磁気共鳴モダリティによって生成されたコントラスト強調医用画像であり得る。それらの画像は、同じ又は異なる撮像技法の異なる手順、同じ又は異なる患者位置の異なる手順、たとえば、与えられた画像位置及び配向情報を用いて短軸ＬＧＥを予測するために、短軸ＣＭＲ画像と長軸ＣＭＲ画像とを組み合わせること、及び／又は同じ若しくは異なる時間の異なる手順、たとえば、同じ患者の前の来診からの手順からのものであり得る。
【0079】
一般に、トレーニング・データセット２０の画像のセット２５（トレーニングされたプロセッサを使用する状況では、入力されたデータ）は、同じ患者とともに登録されたデータである。
【0080】
画像の複数のセット２５が使用される。原則として、任意の数の画像のセット２５が使用され得るが、トレーニングは、画像のセット２５の数と、画像のセット２５中の変動とを増加させることによって改善される。好ましくは、トレーニング・セットは、異なる臨床状態をもつ多くの異なる患者からの画像のペア２５ペアを含み、好適なトレーニング・セットは、たとえば、品質管理された強調前コントラストＣＭＲ画像と、対応するＬＧＥ（遅延ガドリニウム強調）画像との４０００組を超える好適なペアを有する肥大型心筋症レジストリ（Ｈｙｐｅｒｔｒｏｐｈｉｃ Ｃａｒｄｉｏｍｙｏｐａｔｈｙ Ｒｅｇｉｓｔｒｙ）から取得され得る。
【0081】
図１（Ａ）の装置を使用する場合、トレーニング・データセット２０の画像のセット２５は、Ｔ１マッピング画像２１と、取得されたコントラスト強調医用画像２６とのみを含み、以下で説明するさらなるデータを含まない。この場合、画像の「セット」２５は画像のペアである。しかしながら、トレーニング・データセット２０は、以下のように、さらなるデータを含み得る。
【0082】
図１（Ｂ）の装置を使用する場合、さらなるデータは以下のように使用される。
【0083】
画像データセット１００が少なくとも１つのさらなるＭＲ画像１０２を含む場合、トレーニング・データセット２０の画像のセット２５は、画像データセット１００のさらなる磁気共鳴画像１０２の造影剤なし磁気共鳴モダリティに対応する、他の造影剤なし磁気共鳴モダリティによって取得された少なくとも１つのさらなる磁気共鳴画像２２をさらに含む。
【0084】
画像データセット１００が少なくとも１つの非ＭＲ画像１０３を含む場合、トレーニング・データセット２０の画像のセット２５は、画像データセット１００の非磁気共鳴画像１０３のモダリティに対応する、造影剤なし非磁気共鳴モダリティによって取得された少なくとも１つの非磁気共鳴画像２３をさらに含む。
【0085】
画像データセット１００がさらなるデータ１０４を含む場合、トレーニング・データセット２０の画像のセット２５は、画像データセット１００のさらなるデータ１０４のそれに対応するさらなるデータ２４をさらに含む。
【0086】
トレーニングは、以下のように、機械学習の技術分野で知られている技法を使用して実行される。トレーニング・データセット２０はトレーニング・プロセッサ３５への入力３０において受信され、トレーニング・プロセッサ３５は、同じ患者の計算されたＣＥ画像３１を生成するために、画像２５の各セットの造影剤なしＴ１マッピング画像２１を（使用される場合、少なくとも１つのさらなる磁気共鳴画像２２、少なくとも１つの非磁気共鳴画像２３、及び／又はさらなるデータ２４をも）処理する機械学習アルゴリズム３２を含む。
【0087】
計算されたＣＥ画像３１は、トレーニング・データセット２０中の対応する実際のＣＥ画像２６と比較され、コスト関数計算器３３はそれらの差の測度を計算する。機械学習アルゴリズム３２は、次いで、たとえばバックプロパゲーションによって、計算されたＣＥ画像３１と実際のＣＥ画像２６との間の差を低減させるために繰り返し修正される。トレーニング・データセット２０のデータは、学習プロセスのロバストネスを改善するために、回転、変換、反射、スケーリング、変形、ノイズを追加することなどによって増補され得る。
【0088】
計算されたＣＥ画像３１が実際のＣＥ画像２６に十分に近いと判定されると、機械学習アルゴリズム３２はトレーニングされたものと見なされ、機械学習アルゴリズム３２は、その場合、計算されたＣＥ医用画像６を生成するために装置１において新しい造影剤なしＭＲ画像を処理するために使用され得る。
【0089】
図３（Ａ）及び図３（Ｂ）は、機械学習アルゴリズム３２の特定の実例、すなわち条件付き敵対的生成ネットワーク（条件付きＧＡＮ）のためのトレーニング・プロセスを示す。条件付きＧＡＮは、たとえば、Ｐｈｉｌｌｉｐ Ｉｓｏｌａら、「Ｉｍａｇｅ－ｔｏ－Ｉｍａｇｅ ｔｒａｎｓｌａｔｉｏｎ ｗｉｔｈ Ｃｏｎｄｉｔｉｏｎａｌ Ａｄｖｅｒｓａｒｉａｌ Ｎｅｔｗｏｒｋｓ」、Ｂｅｒｋｅｌｅｙ ＡＩ Ｒｅｓｅａｒｃｈ（ＢＡＩＲ） Ｌａｂｏｒａｔｏｒｙ、ＵＣ Ｂｅｒｋｅｌｅｙ、及びＴｉｎｇ－Ｃｈｕｎ Ｗａｎｇら、「Ｈｉｇｈ－Ｒｅｓｏｌｕｔｉｏｎ Ｉｍａｇｅ Ｓｙｎｔｈｅｓｉｓ ａｎｄ Ｓｅｍａｎｔｉｃ Ｍａｎｉｐｕｌａｔｉｏｎ ｗｉｔｈ Ｃｏｎｄｉｔｉｏｎａｌ ＧＡＮｓ」、、ＮＶＩＤＩＡ Ｃｏｒｐｏｒａｔｉｏｎ、ＣＶＰＲ ２０１８に記載されている（それらの教示は本明細書で適用され得る）。
【0090】
この場合、機械学習アルゴリズム３２は、トレーニング方法を実行する以下の機能ブロックを備える。特に、機械学習アルゴリズム３２は生成器５１と弁別器５２とを備える。図３（Ａ）は生成器５１のトレーニング・ステップを示す。生成器５１は、ａ）取得されたＣＥ画像２６との最小ピクセルワイズ差を有し、ｂ）弁別器５２にとって、取得されたＣＥ画像２６と区別がつかない、計算されたＣＥ画像３１を生成するために、画像の各セット２５の造影剤なしＴ１マッピング画像２１を（使用される場合、少なくとも１つのさらなる磁気共鳴画像２２、少なくとも１つの非磁気共鳴画像２３、及び／又はさらなるデータ２４をも）処理するようにトレーニングされる。
【0091】
図３（Ｂ）は、分類損失値（ｃｌａｓｓｉｆｉｃａｔｉｏｎ ｌｏｓｓ ｖａｌｕｅ）５５のバックプロパゲーションを使用する弁別器５２のトレーニング・ステップを示す。弁別器５２は、トレーニング・データセット２０からの取得されたＣＥ医用画像２６と、生成器５１によって生成された計算されたＣＥ医用画像３１とを区別するようにトレーニングされる。弁別器５２は、どの計算されたＣＥ画像３１がどの取得されたＣＥ画像２６に対応するかを示す情報を供給されず、２つのタイプの画像を区別し、弁別器５２がその区別についてどのくらい確信しているかの指示を与えるようにトレーニングされるのみである。
【0092】
差ブロック５３は、計算されたＣＥ画像３１と取得されたＣＥ画像２６との間の差を導出し、その差は、弁別器５２の分類損失値５５と一緒に、生成器損失関数ブロック５４に供給される。生成器損失関数ブロック５４は、計算されたＣＥ医用画像３１と対応する取得されたＣＥ医用画像２６との間の差を最小にし、弁別器５２の分類損失値５５を増加させるように、生成器５１の処理を繰り返し修正するために、生成損失のバックプロパゲーションを使用することによって生成器５１をトレーニングする。
【0093】
計算されたＣＥ医用画像３１がトレーニング・データセット中の実際のＣＥ画像に十分に近くなると、生成器５１は、図１に示されている装置の一実施例において新しい造影剤なしＭＲ画像を処理するために使用され得る。弁別器５２は、図１の画像プロセッサ５において使用される必要がない。
【0094】
図４（Ａ）は、条件付きＧＡＮ方法と、Ｔ１マッピング画像２１と、トレーニングのためのグランドトゥルースとしての、この実例ではＬＧＥ ＭＲ画像である、取得されたコントラスト強調医用画像２６とを使用する、機械学習画像プロセッサのトレーニングの具体例を示す。Ｔ１マッピング画像２１はグレー・スケール又はカラー・マップにおけるものであり得る。Ｔ１カラー・マップは、米国特許出願公開第２０１３／０３２２７１３号において説明されているものなど、所定のマッピングに従って、Ｔ１値が画像中の色にマッピングされる、Ｔ１マッピング画像である。
【0095】
図３を参照しながら上記で説明したように、生成器５１は、計算されたＣＥ画像３１、この事例では計算されたＬＧＥ画像を生成し、計算されたＣＥ画像３１は、生成器５１が、計算されたＣＥ医用画像３１と取得されたＣＥ医用画像２６との対応するペア間のＬ１距離損失（Ｌ１ ｄｉｓｔａｎｃｅ ｌｏｓｓ）を最小にするようにトレーニングされ得るように、トレーニング・データセット２０からの実際に取得されたＣＥ画像２６、この事例ではＬＧＥ画像と比較され、計算されたＣＥ画像３１はまた、生成器５１が、弁別器５２によって判定される分類損失値５５を最大にするようにトレーニングされ得るように、弁別器５２に与えられる。
【0096】
図４（Ｂ）は、分類損失値５５を最小にすることによって、計算されたＣＥ画像３１と取得されたＣＥ画像２６とを識別するように機械学習弁別器５２を同時にトレーニングすることの具体例を示す。
【0097】
図５は、標準的なＵネット構造である生成器５１のために使用される生成器アーキテクチャの一実例を示し、トレーニング・セット２０から生成器５１への入力はＴ１マッピング画像２１であり、Ｔ１マッピング画像２１は、畳み込みニューラル・ネットワーク・レイヤによって処理され、Ｕネットのための入力として連接される。
【0098】
図６は、生成器５１のための修正されたアーキテクチャを示し、トレーニング・データセット２０から生成器５１への入力は、Ｔ１マッピング画像２１であり、少なくとも１つのさらなる磁気共鳴画像２２と、少なくとも１つの非磁気共鳴画像２３と、さらなるデータ２４とでもある。
【0099】
図７は、図４の実施例における弁別器５２のために使用される弁別器アーキテクチャを示す。計算されたＣＥ医用画像３１及び取得されたＣＥ医用画像２６は、信頼度スコアを用いて現実の又は計算されたＣＥ画像を区別するラベルを生成するために、畳み込みレイヤ及び完全接続レイヤによって処理される。
【0100】
図８は、異なる病状への感度を獲得するために、異なるトレーニング・データセットを用いて画像プロセッサ５をトレーニングすることを示す。この実例では、画像プロセッサ５は、（たとえば、浮腫があり、心筋浮腫、心筋炎、急性心筋梗塞、及び／又は慢性心筋梗塞がない）異なる病状への異なる感度など、異なる特性をもつそれぞれのトレーニング・データセット２０－１、２０－２などの上でトレーニングされた複数のユニット５－１、５－２などを含む。複数のユニット５－１、５－２などは、次いで、同様に、異なる疾病への異なる感度を有するｃ－ＣＥ画像６－１、６－２などを生成するために画像データセット１００を処理する。
【0101】
そのようなｃ－ＣＥ医用画像６－１、６－２などは、さらなる強調のために組み合わせられたコントラスト強調医用画像を生成するために組み合わせられ得る。図９は、画像プロセッサ５において実装され得る、組み合わせられたｃ－ＣＥ画像６－Ｃを生成することの具体例を示す。図示のように、Ｔ１マッピング画像１０１は、２つのそれぞれのｃ－ＣＥ画像６－１、６－２を生成するために画像プロセッサ５の２つのユニット５－１、５－２によって処理される。図９は、第１のｃ－ＣＥ画像６－１が浮腫に敏感であり、第２のｃ－ＣＥ画像６－２が浮腫に敏感でない、一実例を示す。
【0102】
ｃ－ＣＥ画像６－１、６－２は浮腫関心領域（ＲＯＩ：ｏｅｄｅｍａ ｒｅｇｉｏｎ ｏｆ ｉｎｔｅｒｅｓｔ）生成器６１に供給され、ＲＯＩ生成器６１は、（浮腫に敏感である）第１のｃ－ＣＥ画像６－１において（浮腫に敏感でない）第２のｃ－ＣＥ画像６－２におけるよりも高い信号強度を有する心筋領域として浮腫関心領域（ＲＯＩ）６２を生成する。浮腫ＲＯＩ６１はカラー符号化されている。浮腫ＲＯＩ６１と、ｃ－ＣＥ画像６－１、６－２（第２のｃ－ＣＥ画像６－２は図９中に一実例として示されている）の一方又は両方とが画像組合せユニット６３に供給され、画像組合せユニット６３は、組み合わせられたｃ－ＣＥ画像６－Ｃを生成するためにそれらを組み合わせる。図９に示されているように、組み合わせられたｃ－ＣＥ画像６－Ｃは、単一の計算されたＬＧＥ画像（ｃ－ＬＧＥ画像）中の正常な心筋（黒）、浮腫（ピンク）、心筋梗塞瘢痕（白）を検出し、区別し、従来のＬＧＥ画像はそのことを達成することが不可能である。
【0103】
したがって、定量Ｔ１マッピングをＬＧＥ様の画像に変換することにより、標準化された提示が得られ、さらに、包括的な組み合わせられたｃ－ＬＧＥ画像６－Ｃを導出するために、複数のモダリティと、トレーニングされたｃ－ＬＧＥ画像６－１、６－２などとを直接組み合わせることが可能になる。造影剤投与を必要としない組み合わせられたｃＬＧＥ６－Ｃは、造影剤投与を必要とする従来のＣＥ画像よりも多くの病状を区別することができる。例として、図２３は、Ｔ１マッピング画像１０１と、浮腫に敏感であるｃ－ＬＧＥ画像６－１と、浮腫に敏感でないｃ－ＬＧＥ画像６－２と、図２３中の矢印によってポイントされている、正常な心筋（黒）、浮腫関心領域（ピンク）、及び心筋梗塞瘢痕（白）を検出し、区別する、組み合わせられたｃ－ＬＧＥ画像６－Ｃとの２つの実例を示す。
【0104】
【0105】
図１０（Ａ）に示されているように、従来技術撮像手順は、様々なモダリティＭＲ画像を生成するために長い一連の異なる撮像シーケンスを含み得る。図示されている手順は、（１）パイロット及びプランニング（３分）、（２）シネ（ＨＬＡ、ＶＬＡ、ＬＶＯＴ長軸）（５分）、（３）ネイティブＴ１マップ（５分）、（４）ネイティブＴ２マップ（５分）、（５）Ｔ２＊マップ（３分）、（６）ＧＢＣＡの投与（１分）、（７）シネ（短軸スタック）（５分）、（８）ＧＢＣＡの投与の１０分後におけるポストＧＢＣＡ－遅延ガドリニウム強調（ＬＧＥ）（５分）、（９）投与の１５分後におけるポストコントラストＴ１マップ（５分）を含む。このタイプの手順は、たとえば４５分前後持続し得、一部の被験者にとって長すぎるか、又はいくつかの患者グループ（たとえば、急性の又は不安定な患者）にとって不適切であり得る。
【0106】
図１０（Ｂ）は、本発明の一実施例による、修正されたプロトコルを示す。本質的に、本手順は造影剤の投与前に中止することができ、本発明の画像プロセッサは、計算されたＣＥ画像、この事例では計算されたＬＧＥ画像、したがって物理的に取得される必要がないＬＧＥ画像を生成するためにネイティブＴ１マッピングを利用する。これにより、手順の長さは約２５分まで低減され得る。
【0107】
本発明の一実施例は、その実施例を、図１０（Ｂ）に示されている手順など、手順のステップ４からのＣＥなしＭＲ Ｔ１マッピング画像に適用し、そのような手順のステップ７からの得られた計算されたＣＥ画像（この事例では計算されたＬＧＥ）を現実のＣＥ画像（この事例ではＬＧＥ）と比較することによってテストされた。本発明のこの実施例は、入力されたネイティブＴ１マッピング画像として使用され、画像プロセッサとして図５に示されている生成器は、図４に示されている条件付きＧＡＮ方法を用いてトレーニングされる。
【0108】
図１１～図１９は、比較目的のために、ネイティブＴ１マッピング画像と、実際のＬＧＥ画像と、取得された計算されたＬＧＥ画像とを示す。図１１～図１９の各々において、左側の画像は、（図面の白黒版では色が視認できないが）元の画像ではカラー・マップであるＴ１画像であり、中央の画像は、本発明の実施例によって生成された計算されたＬＧＥ画像であり、右側の画像は、造影剤の投与後の被験者からの実際のＬＧＥ画像である。
【0109】
【0110】
図１２は、（矢印が付けられた）ファジーＬＧＥによって示されている肥大型心筋症における拡散線維症をもつ個人についての比較画像を示す。
【0111】
図１３は、（矢印が付けられた）右心室と左心室との間の下挿入点（ｉｎｆｅｒｉｏｒ ｉｎｓｅｒｔｉｏｎ ｐｏｉｎｔ）におけるフォーカルＬＧＥを示す。
【0112】
図１４は、（矢印が付けられた）基部前壁（ｂａｓａｌ ａｎｔｅｒｉｏｒ ｗａｌｌ）における斑状ＬＧＥの大きい領域を示し、図１５は、（矢印が付けられた）基部下側壁（ｂａｓａｌ ｉｎｆｅｒｏｌａｔｅｒａｌ ｗａｌｌ）における拡散線維症を示す。
【0113】
コントラスト強調撮像において、ＬＧＥ画像は、異常心筋強調をあらわにするために、反転回復（ＩＲ：ｉｎｖｅｒｓｉｏｎ ｒｅｃｏｖｅｒｙ）技法又は位相敏感反転回復（ＰＳＩＲ：ｐｈａｓｅ－ｓｅｎｓｉｔｉｖｅ ｉｎｖｅｒｓｉｏｎ ｒｅｃｏｖｅｒｙ）技法を用いて取得される。正常な心筋組織を「ヌル化」し、ＬＧＥ画像中でそれを黒色で表現するために、適切な反転時間（ＴＩ：ｉｎｖｅｒｓｉｏｎ ｔｉｍｅ）が選択されなければならない。走査オペレータが、間違ったＴＩを選択することによる誤りを犯した場合、ＬＧＥ画像は、不十分な品質又は低下した診断値を有することになる。最適なＴＩは、ＧＢＣＡが組織からウォッシュ・アウトするにつれて変化し、そのことはまた、ＬＧＥ画像の再現性が低下することを意味する。図１９（Ａ）及び図１９（Ｂ）は、準最適なＴＩと、心筋組織の間違ったヌル化とを用いて現実のＬＧＥ画像が取得された事例を示す。計算されたＣＥは、比較すると、オペレータが正しいＴＩを選択することに敏感であるべき機構を有さず、画像はすべて適切にヌル化された（黒い）心筋をもつように見える。
【0114】
計算されたＣＥ手順は実際のＣＥ走査手順よりもはるかに短いので、その技法は、たとえば、患者の疲労、又は患者がスキャナ内にとどまることに耐えられないことによって生じるアーテファクトに対して潜在的によりロバストである。
【0115】
図１７は、４５分の走査手順の最後にＬＧＥ画像が取得された、比較画像を示す。多くの患者は、走査の終了までに疲れてしまい、もはや自分の呼吸を止めることができず、それにより、ＬＧＥ画像上に（矢印が付けられた）呼吸アーテファクトが着実に生じるであろう。計算されたＣＥ画像がそれに基づいているネイティブＴ１マッピング画像は、呼吸止め時間が短く（スライス当たり１０秒未満）、走査手順の最初に実行される。心臓の左心室全体は、８～１０個のスライス（すなわち、説明時間と、患者が呼吸することを可能にするスライス間の時間を含めて５分以内）でカバーされ、それにより、動きアーテファクト又は患者の不耐性が生じる可能性が小さくなり得る。
【0116】
【0117】
図２１は、人間観測者によって評価された、計算されたＬＧＥ（仮想ＬＧＥ）画像と現実のＬＧＥ画像との平均品質スコアを示す。これは、計算されたＬＧＥが、旧来に取得されたＬＧＥよりも著しく良い画像品質を有することを示している。
【0118】
Ｔ１マッピングなどの造影剤なしＭＲＩモダリティは、豊富な情報を伝え、いくつかの病理、たとえば、びまん性変化（ｄｉｆｆｕｓｅ ｃｈａｎｇｅ）及び浮腫に対して、ＬＧＥ画像よりも良い感度を有する。
【0119】
図１６（Ａ）及び図１６（Ｂ）は、計算されたＬＧＥ画像が異常肥大の（ｈｙｐｅｒｔｒｏｐｈｉｃ）（肥厚した）中隔（ｓｅｐｔｕｍ）における病理を示すが、（矢印が付けられた）実際のＬＧＥ画像は何も示していない事例を示す。
【0120】
図２０は、計算されたＬＧＥが、ＬＧＥ強調の存在を検出し、ＬＧＥ強調のパーセンテージを計算する際に、取得されたＬＧＥとの概して良好な一致を示し、潜在的に診断上有意な差が生じやすいことを示す。
【0121】
図２２は、計算されたＬＧＥ画像が浮腫を検出する事例を示す。比較すると、実際のＬＧＥは何も示していないか、又は検出する浮腫の範囲がより小さい。このことは、計算されたＬＧＥが、（矢印によってハイライトされた）浮腫を検出する際により良い感度を示すことを示す。
【0122】
図２３は、図９中の方法を使用して複数の計算されたＬＧＥ画像を組み合わせることによって生成された計算されたＬＧＥ画像が、複数の状態、たとえば、（矢印によってハイライトされた）浮腫、慢性心筋梗塞瘢痕を検出し、区別することを示す。このことは、計算されたＬＧＥ画像が、旧来に取得されたＬＧＥ画像よりも多くの情報を含んでおり、多くの病状を検出することが可能であることを示す。
【0123】
上記の実例は、ネイティブＴ１マッピング画像１０１に適用されたＴ１マッピングの実例に適用されたときの本方法の効果を実証する。それらの利益は定量マッピングの使用から生じることが理解されており、したがって、たとえば、Ｔ１－ρマッピング又はストレスＴ１マッピングを含む、Ｔ１マッピングの他の変形態について、及び実際には、Ｔ１マッピング以外の他の造影剤なし定量マッピング、たとえば、Ｔ２マッピング、又はＴ２＊マッピングについて、同様の効果が予想される。
【0124】
図８及び図９を参照しながら説明した組合せをも実行し得る、図１（Ａ）及び図１（Ｂ）に示された装置１は、本方法のステップを実装するコンピュータ装置であり得る。同様に、トレーニングのために使用され、図２～図４（Ａ）に示された機能ブロックも、本方法のステップを実装するコンピュータ装置であり得る。このことを達成するために、コンピュータ装置による実行が可能なコンピュータ・プログラムが提供され得る。本コンピュータ・プログラムは、実行すると、それが本コンピュータ装置に本方法の関連があるステップを実行させるように構成される。
【0125】
本コンピュータ装置は、使用される場合、任意のタイプのコンピュータ・システムであり得るが、一般に従来の構成のコンピュータ・システムである。本コンピュータ・プログラムは任意の好適なプログラミング言語で書かれ得る。本コンピュータ・プログラムは、任意のタイプのコンピュータ可読記憶媒体、たとえば、計算システムのドライブに挿入可能であり、磁気的に、光学的に又は光磁気的に情報を記憶し得る記録媒体、ハード・ドライブなど、コンピュータ・システムの固定式記録媒体、又はコンピュータ・メモリであり得る、コンピュータ可読記憶媒体上に記憶され得る。
【0126】
ＭＲ画像データセット１００は本方法の一部として取得され得る。ＭＲ画像データセット１００は、Ｔ１マッピング画像を与えるための造影剤なし撮像磁気共鳴手順を実行することによって取得され、他の画像が使用される場合、それらの他の画像を与えるための好適な造影剤なし撮像手順を実行することによって取得される。
【図1A】
【図1B】
【図2A】
【図2B】
【図3A】
【図3B】
【図4A】
【図4B】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10A】
【図10B】
【図11】
【図12】
【図13】
【図14】
【図15】
【図16】
【図17】
【図18】
【図19】
【図20】
【図21】
【図22】
【図23】
【国際調査報告】