特表 2023-510246 医用画像における腫瘍体積の変化の測定

(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】2023-03-13

(54)【発明の名称】医用画像における腫瘍体積の変化の測定

(51)【国際特許分類】

   G16H 30/40 20180101AFI20230306BHJP

   A61B 6/03 20060101ALI20230306BHJP

   A61B 5/055 20060101ALI20230306BHJP

   G06T 7/00 20170101ALI20230306BHJP

【ＦＩ】

G16H30/40

A61B6/03 360J

A61B5/055 380

G06T7/00 612

【審査請求】未請求

【予備審査請求】未請求

(21)【出願番号】P 2022541618

(86)(22)【出願日】2020-12-18

(85)【翻訳文提出日】2022-08-26

(86)【国際出願番号】 US2020066083

(87)【国際公開番号】W WO2021141759

(87)【国際公開日】2021-07-15

(31)【優先権主張番号】62/958,926

(32)【優先日】2020-01-09

(33)【優先権主張国・地域又は機関】US

(31)【優先権主張番号】63/017,946

(32)【優先日】2020-04-30

(33)【優先権主張国・地域又は機関】US

(81)【指定国・地域】

(71)【出願人】

【識別番号】509012625

【氏名又は名称】ジェネンテック， インコーポレイテッド

(74)【代理人】

【識別番号】110002077

【氏名又は名称】園田・小林弁理士法人

(72)【発明者】

【氏名】パティル， ジャスミン

(72)【発明者】

【氏名】チャンピオン デ クレスピニー， アレクサンダー ジェームズ スティーブン

(72)【発明者】

【氏名】カラノ， リチャード アラン デュレイ

【テーマコード（参考）】

4C093

4C096

5L096

5L099

【Ｆターム（参考）】

4C093AA22

4C093AA26

4C093CA18

4C093CA23

4C093FD09

4C093FF16

4C093FF20

4C093FF23

4C093FF37

4C096AB38

4C096DC19

4C096DC22

4C096DC25

4C096DC33

5L096BA06

5L096BA13

5L096DA02

5L096EA14

5L096FA06

5L096FA59

5L096FA64

5L096GA10

5L099AA26

(57)【要約】

本明細書に開示される技術は、生物学的構造のサイズが経時的に変化する程度の追跡を容易にする。場合によっては、（第１の時間に収集された）初期生物学的画像がセグメント化されて、境界およびサイズを特徴付けることができる。その後の生物学的画像が処理されて、変形および／または変換変数（例えば、１つ以上のヤコビ行列および／または１つ以上のヤコビ行列式）を識別することができる。変形および／または変換変数ならびに初期セグメンテーションが使用されて、その後の時間における生物学的構造のサイズを予測することができる。予測されたサイズは、処置推奨を知らせることができる。
【選択図】なし

【特許請求の範囲】

【請求項1】

コンピュータ実装方法であって、
第１の時間に取り込まれた、被験者の一部を描写する第１の画像にアクセスすることと、
前記第１の画像についてのマスクを識別することであって、前記マスクが、前記第１の画像内に描写された特定の生物学的構造の輪郭を描く、マスクを識別することと、
前記第１の時間の後の第２の時間に取り込まれた、前記被験者の類似部分を描写する第２の画像にアクセスすることと、
前記第２の画像を前記第１の画像に位置合わせすることと、
前記マスク内の複数のボクセルの各ボクセルについて、前記位置合わせを使用して変換変数を計算することであって、前記変換変数が、前記第１の画像内の前記ボクセルの第１の位置と前記第２の画像内の対応するボクセルの第２の位置との間の空間的差異を特徴付ける、変換変数を計算することと、
前記変換変数を使用して前記生物学的構造が前記第２の時間にあったサイズを推定することと、
前記第２の時間における前記生物学的構造の推定された前記サイズを出力することと
を含む、コンピュータ実装方法。

【請求項2】

前記変換変数を計算することが、
前記位置合わせを使用して、前記ボクセルについての空間ヤコビ行列を計算することと、
前記ボクセルについての前記空間ヤコビ行列を使用して前記ボクセルについてのヤコビ行列式を計算することと
を含み、前記第２の時間における前記生物学的構造の前記サイズ前記推定が、前記ボクセルについての前記ヤコビ行列式を使用して推定することをさらに含む、請求項１に記載のコンピュータ実装方法。

【請求項3】

前記生物学的構造の推定された前記サイズを生成することが、前記マスク内の前記複数のボクセルにわたって前記ヤコビ行列式を合計することを含む、請求項２に記載のコンピュータ実装方法。

【請求項4】

前記生物学的構造の前記推定されたサイズを生成することが、前記マスク内の前記複数のボクセルにわたって前記ヤコビ行列式を合計または平均して前記ヤコビ行列式の合計または平均を生成することを含み、前記生物学的構造が前記第２の時間にあった前記サイズを推定することが、
前記ヤコビ行列式の前記合計または前記平均、および
前記第１の時間における前記生物学的構造の推定された体積、の積を決定することを含む、請求項２または３に記載のコンピュータ実装方法。

【請求項5】

前記第１の画像への前記第２の画像の前記位置合わせに、非線形Ｂスプライン変換を使用する、請求項１～４のいずれか一項に記載のコンピュータ実装方法。

【請求項6】

前記第１の画像についての前記マスクを識別することが、前記生物学的構造の輪郭を画定した検出されたユーザ入力を処理することを含む、請求項１～５のいずれか一項に記載のコンピュータ実装方法。

【請求項7】

前記第１の画像および前記第２の画像のそれぞれが、ＣＴスキャン、ＭＲＩ画像またはＸ線を含む、請求項１～６のいずれか一項に記載のコンピュータ実装方法。

【請求項8】

前記被験者に対応する、および／または前記被験者に関連する画像データに対応する識別情報を、ユーザによってインターフェースに入力することであって、前記識別情報の前記入力が、請求項１～７のいずれか一項に記載のコンピュータ実装方法の実行をトリガする、識別情報を入力することと、
前記生物学的構造の出力された前記推定されたサイズを前記ユーザによって受信することと、
前記推定されたサイズに基づいて処置戦略を決定することと、
前記被験者についての前記処置戦略の実行を促進することと
を含む、方法。

【請求項9】

前記推定されたサイズに基づいて処置戦略を決定することと、
前記被験者についての前記処置戦略の実行を促進することと
をさらに含む、請求項１～７のいずれか一項に記載のコンピュータ実装方法。

【請求項10】

システムであって、
１つ以上のデータプロセッサと、
命令を含む非一時的コンピュータ可読記憶媒体であって、前記命令が、前記１つ以上のデータプロセッサ上で実行されると、前記１つ以上のデータプロセッサに、動作のセットを実行させる、非一時的コンピュータ可読記憶媒体と、を備え、前記動作のセットが、
第１の時間に取り込まれた、被験者の一部を描写する第１の画像にアクセスすることと、
前記第１の画像についてのマスクを識別することであって、前記マスクが、前記第１の画像内に描写された特定の生物学的構造の輪郭を描く、マスクを識別することと、
前記第１の時間の後の第２の時間に取り込まれた、前記被験者の類似部分を描写する第２の画像にアクセスすることと、
前記第２の画像を前記第１の画像に位置合わせすることと、
前記マスク内の複数のボクセルの各ボクセルについて、前記位置合わせを使用して変換変数を計算することであって、前記変換変数が、前記第１の画像内の前記ボクセルの第１の位置と前記第２の画像内の対応するボクセルの第２の位置との間の空間的差異を特徴付ける、変換変数を計算することと、
前記変換変数を使用して前記生物学的構造が前記第２の時間にあったサイズを推定することと、
前記第２の時間における前記生物学的構造の推定された前記サイズを出力することと
を含む、システム。

【請求項11】

前記変換変数を計算することが、
前記位置合わせを使用して、前記ボクセルについての空間ヤコビ行列を計算することと、
前記ボクセルについての前記空間ヤコビ行列を使用して前記ボクセルについてのヤコビ行列式を計算することであって、前記第２の時間における前記生物学的構造の前記推定されたサイズが、前記ボクセルについての前記ヤコビ行列式を使用して生成される、ヤコビ行列式を計算することと、を含む、請求項１０に記載のシステム。

【請求項12】

前記生物学的構造の前記推定されたサイズを生成することが、前記マスク内の前記複数のボクセルにわたって前記ヤコビ行列式を合計することを含む、請求項１１に記載のシステム。

【請求項13】

前記生物学的構造の前記推定されたサイズを生成することが、前記マスク内の前記複数のボクセルにわたって前記ヤコビ行列式を合計または平均して前記ヤコビ行列式の合計または平均を生成することを含み、前記生物学的構造が前記第２の時間にあった前記サイズを推定することが、
前記ヤコビ行列式の前記合計または前記平均、および
前記第１の時間における前記生物学的構造の推定された体積、の積を決定することを含む、請求項１１または１２に記載のシステム。

【請求項14】

前記第１の画像への前記第２の画像の前記位置合わせが、非線形Ｂスプライン変換を使用する、請求項１０～１３のいずれか一項に記載のシステム。

【請求項15】

前記第１の画像についての前記マスクを識別することが、前記生物学的構造の輪郭を画定した検出されたユーザ入力を処理することを含む、請求項１０～１４のいずれか一項に記載のシステム。

【請求項16】

前記第１の画像および前記第２の画像のそれぞれが、ＣＴスキャン、ＭＲＩ画像またはＸ線を含む、請求項１０～１５のいずれか一項に記載のシステム。

【請求項17】

１つ以上のデータプロセッサに、動作のセットを実行させるように構成された命令を含む非一時的機械可読記憶媒体に有形に具現化されたコンピュータプログラム製品であって、前記動作のセットが、
第１の時間に取り込まれた、被験者の一部を描写する第１の画像にアクセスすることと、
前記第１の画像についてのマスクを識別することであって、前記マスクが、前記第１の画像内に描写された特定の生物学的構造の輪郭を描く、マスクを識別することと、
前記第１の時間の後の第２の時間に取り込まれた、前記被験者の類似部分を描写する第２の画像にアクセスすることと、
前記第２の画像を前記第１の画像に位置合わせすることと、
前記マスク内の複数のボクセルの各ボクセルについて、前記位置合わせを使用して変換変数を計算することであって、前記変換変数が、前記第１の画像内の前記ボクセルの第１の位置と前記第２の画像内の対応するボクセルの第２の位置との間の空間的差異を特徴付ける、変換変数を計算することと、
前記変換変数を使用して前記生物学的構造が前記第２の時間にあったサイズを推定することと、
前記第２の時間における前記生物学的構造の推定された前記サイズを出力することと
を含む、コンピュータプログラム製品。

【請求項18】

前記変換変数を計算することが、
前記位置合わせを使用して、前記ボクセルについての空間ヤコビ行列を計算することと、
前記ボクセルについての前記空間ヤコビ行列を使用して前記ボクセルについてのヤコビ行列式を計算することであって、前記第２の時間における前記生物学的構造の前記推定されたサイズが、前記ボクセルについての前記ヤコビ行列式を使用して生成される、ヤコビ行列式を計算することと、を含む、請求項１７に記載のコンピュータプログラム製品。

【請求項19】

前記生物学的構造の前記推定されたサイズを生成することが、前記マスク内の前記複数のボクセルにわたって前記ヤコビ行列式を合計することを含む、請求項１８に記載のコンピュータプログラム製品。

【請求項20】

前記生物学的構造の前記推定されたサイズを生成することが、前記マスク内の前記複数のボクセルにわたって前記ヤコビ行列式を合計または平均して前記ヤコビ行列式の合計または平均を生成することを含み、前記生物学的構造が前記第２の時間にあった前記サイズを推定することが、
前記ヤコビ行列式の前記合計または前記平均、および
前記第１の時間における前記生物学的構造の推定された体積、の積を決定することを含む、請求項１８または１９に記載のコンピュータプログラム製品。

【発明の詳細な説明】

【関連出願の相互参照】

【0001】

本出願は、２０２０年１月９日に出願された米国仮特許出願第６２／９５８，９２６号および２０２０年４月３０日に出願された米国仮特許出願第６３／０１７，９４６号の利益および優先権を主張する。これらの出願のそれぞれは、あらゆる目的のためにその全体が参照により本明細書に組み込まれる。

【背景技術】

【0002】

背景
癌は、多くの国で主要な死因である。有効な処置を特定することは、初期症状を効果的に診断することと、処置戦略を変更および／または調整する機会を提供するために被験者に投与された各処置の有効性の程度を効果的に特徴付けることとの双方を必要とする。

【0003】

例えば、米国癌協会からの統計は、肺および気管支癌が米国における死亡の主な原因であり、２０１９年には２２８，１５０例の新規症例および１４７，６７０例の死亡が推定されていることを示している。承認された癌薬を開発するコストは、２億ドル～２９億ドルと推定される。しかしながら、新たに開発された癌治療薬の有効性を評価することは、収集されたデータの労働集約的な手作業によるレビューを含む可能性があり、これは評価のコストおよび時間消費を増加させる。

【0004】

例えば、画像（例えば、ＣＴ画像）は、ＲＥＣＩＳＴ基準を使用して標的腫瘍をモニタリングするために分析されることができる。ＲＥＣＩＳＴ基準は、固形腫瘍の進行をモニタリングするためのパラメータとして腫瘍の最長軸径が使用されることを規定している。次いで、実験薬物の有効性が腫瘍の直径の変化に基づいて計算される。

【0005】

直径の変化を考慮することは、楕円形腫瘍によく機能する。しかしながら、非楕円形腫瘍の場合、薬物送達後の腫瘍の体積の変化は、薬物有効性のより良い指標である。非楕円形腫瘍の場合、最大直径の測定は、腫瘍体積の完全に異なる変化に対応することができる。腫瘍体積の測定もまた、腫瘍学における臨床試験のための場合によってはより感受性の高い転帰メトリックとして研究されている。体積の変化は、ベースラインおよび経過観察時に特定の病変を描写することによって測定されることができる。この手動セグメンテーションタスクは、時間がかかり、ユーザに依存し、したがってエラーが発生しやすい。さらに、手動セグメンテーションは、訓練された専門家からの入力を採用することを含むことが多く、これは費用を追加する可能性がある。

【0006】

したがって、腫瘍体積を確実且つ正確に追跡するための自動化アプローチを特定することが有利であろう。

【発明の概要】

【0007】

概要
いくつかの実施形態では、異なる時点で収集された画像を使用し、画像のうちの１つから生成された生物学的構造の輪郭を使用して、生物学的構造の体積を追跡するための技術が開示される。

【0008】

例えば、腫瘍を描写するベースライン画像（例えば、３次元画像）がベースライン時点で収集されることができる。腫瘍は、ベースライン時点についてのマスクを定義するように、人間の注釈付け者によって描写（例えば、セグメント化）されることができる。描写は、１つ以上の半自動セグメンテーションツールを使用して実行されることができる。後続の時間における腫瘍を示す別の「後続」画像（例えば、３次元画像）が処理されて、後続の時間における腫瘍の体積（または体積変化）を推定することができる。処理は、後続の画像上の個々の点、境界、または他の幾何学的特徴が初期画像の対応する特徴に関連付けられるように、非線形位置合わせ技術を実行することを含むことができる。元の特徴および後続の特徴（例えば、点間の距離、線間の歪みなど）とベースライン時点における腫瘍のサイズとの間の関係が使用されて、後続の時間における腫瘍のサイズを推定することができる。関係はまた、または代替として、後続の画像についてのセグメンテーションおよび／またはマスクを推定するために使用されてもよい。したがって、後続の画像において腫瘍を描写、セグメント化または注釈付けすることなく、後続の時間における腫瘍のサイズが推定されることができる。そのようなアプローチは、効率を改善し、解剖学的ランドマークの使用への依存を低減または排除し、および／または異なる種類の主観的特徴に起因して連続的な評価が誤っている程度を低減することができる。体積追跡は、（例えば）現在の疾患進行を推定する、または将来の疾患進行を予測する、特定の処置の有効性を評価する、および／または新たな処置の選択を知らせるために使用されることができる。

【0009】

いくつかの実施形態では、コンピュータ実装方法が提供される。第１の画像がアクセスされる。第１の画像は、被験者の一部を描写し、最初に取り込まれることができた。第１の画像についてのマスクが生成される。マスクは、第１の画像内に描写された特定の生物学的構造の輪郭を描く。第２の画像がアクセスされる。第２の画像は、被験者の同様の部分を描写することができ、第１の時間の後の第２の時間に取り込まれることができた。第２の画像は、第１の画像に位置合わせされる。マスク内の少なくともいくつかのボクセルの各ボクセルについて、位置合わせを使用して変換変数が計算される。変換変数は、第１の画像内のボクセルの第１の位置と第２の画像内の対応するボクセルの第２の位置との間の変位（例えば、空間的差異）を特徴付ける。変換変数を使用して、第２の時間における生物学的構造のサイズが推定される。第２の時間における生物学的構造の推定されたサイズが出力される。

【0010】

場合によっては、変換変数を計算することは、位置合わせを使用して、ボクセルについての空間ヤコビ行列を計算することと、ボクセルについての空間ヤコビ行列を使用してボクセルについてのヤコビ行列式を計算することであって、第２の時間における生物学的構造の推定されたサイズが、ボクセルについてのヤコビ行列式を使用して生成される、ヤコビ行列式を計算することと、を含む。

【0011】

場合によっては、生物学的構造の推定されたサイズを生成することは、マスク内の複数のボクセルのボクセルにわたってヤコビ行列式を合計することを含むことができる。

【0012】

場合によっては、生物学的構造の推定されたサイズを生成することは、マスク内の複数のボクセルにわたるヤコビ行列式を加算または平均化することを含むことができ、生物学的構造が第２の時間にあったサイズを推定することは、マスク内の複数のボクセルにわたるヤコビ行列式の合計または平均と第１の時間における生物学的構造の推定体積との積を決定することを含むことができる。

【0013】

場合によっては、生物学的構造の推定されたサイズを生成することは、マスク内の少なくとも複数のボクセルにわたるヤコビ行列式を加算することを含むことができ、第２の時間における生物学的構造の推定されたサイズは、ヤコビ行列式に基づいて決定されることができる。

【0014】

場合によっては、第１の画像に第２の画像を位置合わせすることは、非線形Ｂスプライン変換を使用することができる。

【0015】

場合によっては、第１の画像についてのマスクを識別することは、特定の生物学的構造の輪郭を定義した検出されたユーザ入力を処理することを含むことができる。

【0016】

場合によっては、第１の画像および第２の画像のそれぞれは、ＣＴスキャン、ＭＲＩ画像またはＸ線を含むことができる。

【0017】

いくつかの実施形態では、１つ以上のデータプロセッサと、命令を含む非一時的コンピュータ可読記憶媒体であって、命令が、１つ以上のデータプロセッサ上で実行されると、１つ以上のデータプロセッサに、本明細書に開示された１つ以上の方法の一部または全部を実行させる、非一時的コンピュータ可読記憶媒体と、を含む、システムが提供される。

【0018】

いくつかの実施形態では、非一時的機械可読記憶媒体に有形に具現化され、１つ以上のデータプロセッサに、本明細書に開示された１つ以上の方法の一部または全部を実行させるように構成された命令を含む、コンピュータプログラム製品が提供される。

【0019】

本開示のいくつかの実施形態は、１つ以上のデータプロセッサを含むシステムを含む。いくつかの実施形態では、システムは、命令を含む非一時的コンピュータ可読記憶媒体であって、命令が、１つ以上のデータプロセッサ上で実行されると、１つ以上のデータプロセッサに、本明細書に開示された１つ以上の方法の一部または全部および／または１つ以上のプロセスの一部または全部を実行させる、非一時的コンピュータ可読記憶媒体を含む。本開示のいくつかの実施形態は、１つ以上のデータプロセッサに、本明細書に開示された１つ以上の方法の一部または全部および／または１つ以上のプロセスの一部または全部を実行させるように構成された命令を含む、非一時的機械可読記憶媒体において有形に具現化されたコンピュータプログラム製品を含む。

【0020】

使用された用語および表現は、限定ではなく説明の用語として使用され、そのような用語および表現の使用において、示されて説明された特徴の均等物またはその一部を除外する意図はないが、特許請求の範囲に記載された発明の範囲内で様々な変更が可能であることが認識される。したがって、特許請求の範囲に記載された本発明は、実施形態および任意の特徴によって具体的に開示されているが、本明細書に開示された概念の変更および変形は、当業者によってあてにされてもよく、そのような変更および変形は、添付の特許請求の範囲によって定義される本発明の範囲内にあると見なされることを理解されたい。

【図面の簡単な説明】

【0021】

本開示は、以下の添付の図面と併せて説明される：

【0022】

【図1】いくつかの実施形態にかかる例示的な腫瘍追跡ネットワークを示している。

【0023】

【図2】いくつかの実施形態にかかる腫瘍のサイズを推定するためのプロセスのフローチャートを示している。

【0024】

【図3】いくつかの実施形態にかかる、ヤコビ行列式行列を使用して経過観察体積の量を計算する実証を示している。

【0025】

【図4】ヤコビアン法を使用して計算された体積変化と実際の体積変化との比較を示す例示的なデータを示している。

【0026】

【図5】例示的な被験者ＡからのデータとＣＴ肺データを位置合わせする例示的なパイプラインを示している。

【0027】

【図6】３人の被験者の肺のＣＴ画像に対応するベースライン軸方向スライスおよび経過観察スライスのオーバーレイを示している。

【0028】

【図7】例えば被験者Ｂの位置合わせ結果を示している。

【0029】

【図8】例えば被験者Ｃの位置合わせ結果を示している。

【0030】

【図9】一実施形態にかかる、手動注釈付けを使用して、またはヤコビ行列式法を使用することによって生成されたペアの体積推定値の平均および差を示している。

【0031】

【図10A】ヤコビ行列式法の実施形態を使用して計算された体積変化と、肺病変における実際の体積変化との比較を示している。

【図10B】ヤコビ行列式法の実施形態を使用して計算された体積変化と、肺病変における実際の体積変化との比較を示している。

【図10C】ヤコビ行列式法の実施形態を使用して計算された体積変化と、肺病変における実際の体積変化との比較を示している。

【図10D】ヤコビ行列式法の実施形態を使用して計算された体積変化と、肺病変における実際の体積変化との比較を示している。

【0032】

【図11】放射線科医である注釈付け者からの不十分な注釈の例を示している。

【0033】

【図12】ヤコビ行列式法の実施形態を使用して計算された体積変化と、体積の変化＜３０％を伴う肺病変の実際の体積変化との比較を示している。

【0034】

添付の図面において、同様の構成要素および／または特徴は、同じ参照ラベルを有することができる。さらに、同じ種類の様々な構成要素は、参照ラベルの後に同様の構成要素を区別するダッシュおよび第２のラベルを続けることによって区別されることができる。本明細書において第１の参照ラベルのみが使用される場合、説明は、第２の参照ラベルに関係なく、同じ第１の参照ラベルを有する同様の構成要素のいずれかに適用可能である。

【発明を実施するための形態】

【0035】

詳細な説明
Ｉ．概要
本明細書に開示されるシステム、方法およびソフトウェアは、腫瘍を監視および特徴付けする間に伴う時間コミットメント、コストおよびエラーの低減を容易にすることができる。より具体的には、第１のベースライン画像および後続の画像における腫瘍の注釈が使用されて、後続の画像が収集された時間における腫瘍のサイズ（例えば、体積）を予測することができる。サイズは、（例えば）後続の画像を第１のベースライン画像に位置合わせし、１つ以上の変形変数（例えば、１つ以上のヤコビ行列および／または１つ以上のヤコビ行列式）を自動的に決定し、第１のベースライン画像を使用して実行された変形変数および注釈を収集、処理することによって推定されることができる。例えば、ヤコビ行列は、画像レベルで計算されることができる。

【0036】

より具体的には、第１の時点において撮像装置を使用して、被験者の身体の一部を描写するベースライン画像が収集されることができる。被験者は、癌（例えば、肺癌、気管支癌、乳癌、前立腺癌、結腸直腸癌、または任意の他の種類の癌）と診断された被験者を含むことができ、身体の一部は、１つ以上の腫瘍の一部または全部を描写することができる。

【0037】

ベースライン画像は、注釈付け者の装置（例えば、放射線科医の装置）に送信されて提示されることができる。注釈付け者の装置において受信された入力が使用されて、ベースライン画像のどの部分が特定の生物学的構造に対応するかを識別することができる。例えば、入力は、特定の生物学的構造の境界に対応することができる。場合によっては、ベースライン画像および境界に基づいて生物学的構造の体積が推定されることができる。境界を使用してマスクが生成されることができる（例えば、境界内の各ボクセルには「１」の値が割り当てられ、境界外の各ボクセルには「０」の値が割り当てられる）。

【0038】

別の画像は、被験者の身体の同様または同じ部分を描写することができるが、後続の時点（例えば、第１の時点からの定義された日数、週数、月数または年数）において収集されてもよい。他の画像は、ベースライン画像に位置合わせされることができる。位置合わせすることは、スプライン位置合わせ（例えば、Ｂスプライン位置合わせ）、アフィン変換、またはジョイントエントロピーもしくは相互情報に基づく変換を実行することによって実行されることができる。場合によっては、他の画像の位置合わせの前に、ベースライン画像は、図示の生物学的構造の周りでトリミングされることができる（例えば、図示された生物学的構造の最大長さおよび最大幅の周りの３０ボクセルマージンなどの特定のマージンまで延在するボックス形状を使用して）。このトリミングは、他の画像を位置合わせするための時間および処理コミットメントを低減することができる。

【0039】

位置合わせは、各ボクセルが変位ベクトルを含むベクトル画像を含む変形場を識別するために使用されることができる。空間ヤコビ行列は、変形場の一次導関数として定義されることができる。ヤコビ行列の行列式は、局所的な圧縮または拡張の程度を示すことができる（１未満の値は局所的な圧縮を示し、１よりも大きい値は拡張を示す）。ボクセル特異的行列式は、マスクと乗算されることができ、ピクセルにわたる合計または平均は、生物学的構造の体積の変化を予測することができる。この変化は、第１の時点における生物学的構造の推定体積を乗算されて、後続の時点における生物学的構造の体積変化を推定することができる。ベースライン時点における体積変化および体積は、後続の時点における生物学的構造の体積を推定するために使用されることができる。

【0040】

生物学的構造の体積は、単一の時点における境界検出のみを使用しながら、複数の時点にわたって推定されることができる。したがって、境界が注釈付け者によって提供される入力に基づいて定義される場合、そのような入力は、単一の時点に関連付けられた単一の画像および／または画像に対してのみ受信される必要がある。これは、生物学的構造のサイズを追跡するために費やされる費用および時間を削減することができる。さらに、自動化アプローチは、物体検出の不一致を低減することができる。

【0041】

ベースライン画像および／または後続の画像は、ＣＴ画像、ＭＲＩ画像またはＸ線を含むことができる。生物学的構造は、腫瘍、病変、細胞型、脈管構造などを含むことができる。ベースラインおよび後続の画像は、同じ撮像装置および／または同じ種類の撮像装置によって収集されてもよいが、そうである必要はない。

【0042】

場合によっては、後続の時点の注釈に依存せずに、後続の時点の腫瘍体積を推定するかどうかを決定するために条件が評価される（例えば、代わりに、後続の時点からの画像からベースライン時点からの画像への位置合わせからのデータを使用して実行されるヤコビアンベースのアプローチを使用して）。例えば、条件は、ベースライン画像に対応する第１の時点および他の画像に対応する後続の時点が所定の期間内にあるときにヤコビアンベースのアプローチが使用されるべきであることを示すことができる。別の例として、条件は、ベースライン画像への他の画像の位置合わせの品質または信頼性を示すメトリックが所定の閾値を超える場合に、ヤコビアンベースのアプローチが使用されるべきであることを示すことができる。

【0043】

ＩＩ．例示的な腫瘍追跡ネットワーク
図１は、いくつかの実施形態にかかる例示的な腫瘍追跡ネットワーク１００を示している。腫瘍追跡ネットワーク１００は、被験者の身体の一部の１つ以上の画像を収集するように構成された画像生成システム１０５を含む。各画像は、１つ以上の生物学的構造（例えば、１つ以上の腫瘍の少なくとも一部および／または１つ以上の器官の少なくとも一部）の少なくとも一部を描写することができる。被験者は、特定の疾患と診断されたか、または特定の疾患の可能性のある診断を有する人を含むことができる。特定の疾患は、癌または特定の種類の癌（例えば、肺癌または非小細胞肺癌）を含むことができる。

【0044】

画像は、１つ以上の２次元画像および／または１つ以上の３次元画像を含む。画像生成システム１０５は、（例えば）コンピュータ断層撮影（ＣＴ）スキャナ、Ｘ線機械または磁気共鳴撮像（ＭＲＩ）機械を含むことができる。画像は、放射線画像、ＣＴ画像、Ｘ線画像またはＭＲＩ画像を含むことができる。画像は、造影剤が被験者に投与されずに、または造影剤が被験者に投与された後に収集されていてもよい。場合によっては、画像生成システム１０５は、最初に２次元画像のセットを収集し、２次元画像を使用して３次元画像を生成することができる。

【0045】

画像生成システム１０５によって収集された画像は、造影剤が被験者に投与されることなく、または造影剤が被験者に投与された後に収集されてもよい。撮像されている被験者は、癌と診断された、癌の可能性のある診断もしくは予備診断を有する、および／または癌もしくは腫瘍と一致する症状を有する被験者を含むことができる。

【0046】

画像生成システム１０５は、収集された画像を、（例えば）クラウドデータストアを含むことができる画像データストア１１０に記憶することができる。各画像は、被験者の識別子および／または被験者に関連する介護提供者の識別子などの１つ以上の識別子に関連して記憶されることができる。各画像は、画像が収集された日付と関連付けてさらに記憶されてもよい。

【0047】

場合によっては、１つ以上の画像は、画像内に描写された１つ以上の腫瘍の注釈の識別を容易にすることができる注釈システム１１５にさらに利用される。注釈は、特定の生物学的構造（例えば、腫瘍の場合）についてのマスクを画定する輪郭または境界を含むことができる。マスクは、（例えば）注釈付き生物学的構造領域または体積の外側の領域にわたって０の値を含むように設定されるように定義されてもよい。マスクは、内側の注釈付き生物学的構造領域または体積の内側の領域にわたって１の値を含むように定義されることができる。場合によっては、マスクは、注釈付き生物学的構造領域または体積の周囲および／または境界にわたって１の値であるように定義されることができる。

【0048】

注釈システム１１５は、１つ以上の画像の一部または全部を提示し、１つ以上の境界、周囲および／または領域を識別するための入力コンポーネントを含む注釈インターフェースを制御および／または利用する。例えば、注釈システム１１５は、入力に基づいて配置されることができ且つ識別された境界に沿ってマーキングを生成することができる「鉛筆」または「ペン」ツールを含むことができる。場合によっては、注釈システム１１５は、線分内の小さなギャップが接続されるように、閉じた形状の識別を容易にする。場合によっては、注釈システム１１５は、（例えば）強度および／またはコントラスト分析を実行することによって潜在的な境界を識別することを容易にする。したがって、注釈システム１１５は、半自動化セグメンテーションの実行を容易にするツールをサポートすることができる。注釈システム１１５は、ウェブサイトを介してインターフェースを利用することができるウェブサーバとすることができる。

【0049】

注釈インターフェースは、人間の注釈付け者と関連付けられ、人間の注釈付け者によって所有され、人間の注釈付け者によって使用され、および／または人間の注釈付け者によって制御されることができる注釈付け装置１２０に対して利用される。注釈付け者は、（例えば）放射線科医、病理学者または腫瘍学者とすることができる。注釈付け装置１２０は、注釈付け者ユーザから入力を受信し、入力の表現（例えば、ピクセルのセットの識別）を注釈システム１１５に送信する。注釈システム１１５は、（例えば、画像データストア１１０内に）注釈の表現を記憶させることができる。表現は、（例えば）ピクセルのセットおよび／またはボクセルのセットを含むことができる。

【0050】

注釈システム１１５は、注釈を使用して画像についてのマスクを生成する。マスクは、注釈付き境界の外側で０に設定され、注釈付き境界の内側で１に設定されるバイナリ値を含むことができる。マスク画像は、マスクを元画像と乗算することによって生成されることができる。

【0051】

注釈システム１１５および注釈付け装置１２０を使用して注釈付けされる画像は、（本明細書では１つ以上のベースライン時間とも呼ばれる）１つ以上のベースライン時点で取得された画像を含む。ベースライン時点で収集された画像は、本明細書ではベースライン時画像と呼ばれることがある。ベースライン時点は、特定の生物学的構造を描写した第１の画像が収集された時間、注釈付け者によって認識された特定の生物学的構造を描写した第１の画像が収集された時間、および／または（例えば、人間の技術者または介護提供者によって）将来の比較のためのベースラインであると見なされる時間とすることができる。場合によっては、ベースライン時点は、１つ以上の医用画像（例えば、放射線画像）が収集された日付として各被験者について定義され、１つ以上の医用画像は、１つ以上の腫瘍を描写する。場合によっては、ベースライン時点は、各腫瘍に対して定義され、医用画像が腫瘍を描写した第１の日付および／または腫瘍が識別され、画像に注釈が付けられた第１の日付として定義される。

【0052】

各被験者および／または各腫瘍について、画像生成システム１０５（または別の画像生成システム）は、被験者および／または腫瘍に関連するベースライン時点の後である後続の時間において被験者および／または腫瘍の１つ以上の他の画像を収集する。１つ以上の他の画像は、ベースライン時点で収集された画像と同じタイプのものであってもよい（例えば、ＣＴ画像、ＭＲＩ画像またはＸ線）。後続の時点で収集された他の画像は、本明細書では後続時画像と呼ばれることがある。

【0053】

後続の時間は、（例えば）ベースライン時点から少なくとも１週間後、少なくとも１ヶ月後、少なくとも２ヶ月後、少なくとも３ヶ月後、少なくとも６ヶ月後、少なくとも１年後、または少なくとも２年後とすることができる。後続の時間は、ベースライン時点から１５年未満、１０年以下、８年以下、５年以下、３年以下、２年以下、１年以下、９ヶ月以下、６ヶ月以下、３ヶ月以下、２ヶ月以下または１ヶ月以下であってもよい。例えば、他の画像は、ベースライン時点から１ヶ月から２ヶ月の間に収集されてもよい。

【0054】

１つ以上の他の画像は、ベースライン時点で収集された画像に描写された被験者の部分と同じまたは同様の被験者の部分を描写することができる。例えば、ベースライン時点で収集された１つ以上の第１の画像および後続の時間に収集された１つ以上の第２の画像のそれぞれは、同じ生物学的構造を描写（例えば、その全体または断面において）することができる。ベースライン時点で収集された１つ以上の画像および後続の時点で収集された１つ以上の画像が３次元画像である場合、後続時画像の画像の視点は、ベースライン時画像の視点と同じまたは同様（例えば、１つ、２つまたは３つの視点角のそれぞれに沿って３０°以内、２０°以内または１０°以内）とすることができる。

【0055】

場合によっては、他の画像は、人間のユーザによって示される領域であるように定義されてもよく、および／または人間のユーザによって示される領域を含んでもよい。領域は、（例えば）楕円形、矩形および／または直方体の領域に対応することができる。場合によっては、（後続の時間に収集される）他の画像のそれぞれおよび（ベースライン時間に収集される）画像のそれぞれは、同じサイズ（例えば、所定のサイズ）であるため、領域の周りにバッファが導入されて標的サイズの第２の画像を生成することができる。

【0056】

場合によっては、各後続画像は、１つ以上の腫瘍のそれぞれの注釈を識別するために自動的または半自動的に処理される。

【0057】

自動識別は、人間の注釈付け者からの入力に基づくことなく実行されることができる。半自動識別は、完全な注釈に満たない人間の注釈付け者からの入力に基づいて実行されることができる。例えば、注釈システム１１５は、画像と、腫瘍の描写に包括的に対応する領域を識別するように配置およびサイズ設定されるように構成された入力ツールとを提示するように構成されることができる。したがって、領域は、腫瘍（例えば、腫瘍の断面または腫瘍の３次元体積）の描写を含むことができ、１つ以上の非腫瘍生物学的構造の描写をさらに含むことができる。入力ツールは、矩形領域、正方形領域、立方体体積、または直方体体積を画定するように配置およびサイズ設定されるように構成されたボックスツールを含むことができる。

【0058】

画像処理システム１２５（例えば、遠隔および／またはクラウドベースのコンピューティングシステムを含むことができる）は、１つ以上の腫瘍のそれぞれについて、腫瘍の境界を特定する腫瘍のアノテーションを予測するように構成される。画像処理システム１２５は、画像の前処理を開始および／または制御する前処理コントローラ１３０を含む。前処理は、（例えば）画像を所定のフォーマットに変換すること、画像を所定のサンプリングサイズに再サンプリングすること、画像を正規化すること、画像を所定のサイズにトリミングすること、画像を所定の解像度を有するように変更すること、複数の画像を位置合わせすること、複数の２次元画像に基づいて３次元画像を生成すること、異なる（例えば、標的）視点を有する１つ以上の画像を生成すること、強度値を調整（例えば、標準化または正規化）すること、および／または色値を調整することを含むことができる。場合によっては、各腫瘍について、前処理コントローラ１３０は、腫瘍の描写を含む領域を示す入力を介して識別された領域またはボリューム（例えば、矩形領域、正方形領域、直方体ボリュームまたは立方体ボリューム）に画像がトリミングされるトリミング画像を生成する。場合によっては、各腫瘍について、前処理コントローラ１３０は、入力（例えば、注釈付け装置１２０において受信される）にバッファ（例えば、所定数のピクセルまたはボクセルに対応する）を加えて識別された領域に等しくなるように設定された領域またはボリュームに画像がトリミングされるトリミング画像を生成する。例えば、ベースライン時画像は、注釈内で識別された境界を超える所定の距離（例えば、１０ｍｍ、２０ｍｍ、３０ｍｍ、５０ｍｍ、または１ｃｍ）になるように定義された境界にトリミングされることができる。別の例として、ベースライン時画像は、所定の形状（例えば、矩形、矩形角柱形、楕円形など）を有するようにトリミングされてもよく、各形状寸法は、軸に沿って最小位置から最大位置まで延在するように定義され、最小位置および最大位置のそれぞれは、境界にバッファを加えた位置であるように定義される。

【0059】

バッファを含めることは、その後の位置合わせ分析を容易にすることができる。バッファ拡張が元の画像の画像エッジを超えて拡張する場合、トリミング領域またはボリュームが元の画像のエッジまで拡張するように、トリミングが実行されることができる。

【0060】

位置合わせコントローラ１３５は、画像またはその前処理されたバージョンを対応するベースライン画像に位置合わせして、位置合わせを生成する。画像位置合わせは、Ｉ_Ｍ（Ｔ（ｘ））をＩ_Ｆ（ｘ）と空間的に位置合わせする座標変換Ｔ（ｘ）を見つけることに関し、Ｉ_Ｍ（ｘ）は、動画像であり、Ｉ_Ｆ（ｘ）は、固定画像である。位置合わせは、（例えば）変形可能な位置合わせ技術を使用して生成されることができる。位置合わせは、スプライン関数（例えば、Ｂスプライン関数）、アフィン変換、またはジョイントエントロピーもしくは相互情報に基づく変換を使用することによって生成されることができる。例えば、位置合わせは、式（１）に示す変換Ｔμ（ｘ）などの非線形Ｂスプライン変換を使用して実行されてもよい：

ここで、ｘ_ｋは、制御点であり、β^３（ｘ）は、三次多次元Ｂスプライン多項式であり、ｐ_ｋは、Ｂスプライン係数ベクトルであり、σは、Ｂスプライン制御点間隔であり、Ｎ_ｘは、ｘにおけるＢスプラインのコンパクトサポート内の全ての制御点のセットである。

【0061】

位置合わせすることは、（例えば）相関関数または特徴ベースの関数を使用して、構造に関連付けられたベースライン時画像と後続時画像との間の強度および／または特徴を比較する関数を実行することを含むことができる。位置合わせすることは、ベースライン時画像と後続時画像とを関連付ける変換関数を決定することを含むことができる。位置合わせすることは、ベースライン時画像と後続時画像との間の空間領域特性を比較する、またはベースライン時画像からの空間周波数情報を後続時画像からの空間周波数情報と比較する技術を実行することを含むことができる。位置合わせすることは、スプライン位置合わせ関数（例えば、Ｂスプライン位置合わせ）、アフィン変換、またはジョイントエントロピーもしくは相互情報に基づく変換を使用することを含むことができる。位置合わせすることは、後続時画像内の１つ以上のボクセル（またはピクセル）の各ボクセルについて、ボクセルがベースライン時画像内のどのボクセルまたはピクセルに対応するかを決定するように構成されることができる。（位置合わせの結果として生成される）位置合わせは、後続時画像内のボクセルのセットの各後続時画像ボクセルについて、後続時画像ボクセルをベースライン時画像からのボクセルと関連付けることができる。位置合わせは、さらにまたは代替的に、後続時画像内のボクセルのセットの各後続時画像ボクセルについて、後続時画像ボクセルとベースライン時画像内の対応するボクセルとの間の位置分離を示す変位ベクトルを示すことができる。

【0062】

変形検出器１４０は、位置合わせを使用して、ベースラインと後続の画像との間の腫瘍の描写間の変形を特徴付ける。変形検出器１４０は、位置合わせを使用して変形場（例えば、連続変形場）を生成することができる。変形場は、ボクセルのセットの各ボクセルについて、またはピクセルのセットの各ピクセルについて、ベースライン時画像（またはその前処理されたバージョン）および後続時画像（またはその前処理されたバージョン）における対応するピクセルまたはボクセルの位置間の位置差を示す物理座標における変位ベクトルを含むことができる。ピクセルのセットまたはボクセルのセットは、ベースライン時画像に対して定義されたマスク内（例えば、マスク内の非ゼロ値に関連付けられる）、潜在的にベースライン時画像に対して定義された注釈付き境界内、またはベースライン時画像内にある全てのピクセルまたは全てのボクセルを含むことができる。

【0063】

変形検出器１４０は、（１）ベースライン画像に関連付けられた注釈および／またはマスク、および（２）位置合わせ（例えば、変形場）を使用して、１つ以上のヤコビ行列（例えば、１つ以上の空間ヤコビ行列）および／または１つ以上のヤコビ行列式を計算する。ヤコビ行列は、変形場の一次導関数として定義されることができる。場合によっては、ヤコビ行列を使用して後続の画像内の各ボクセルについてヤコビ行列式（または他の変形変数）が決定される。ヤコビ行列式は、第１の時間から第２の時間までのボクセルの相対移動の程度を表すことができる。１よりも大きい値は、局所的な拡張を表すことができ、１よりも小さい値は、局所的な圧縮を表すことができる。ヤコビ行列式は、有利には線形位置合わせに対して不変であり、その結果、後続時画像は、ベースライン時画像と位置合わせされる必要はない。

【0064】

体積検出器１４５は、変形変数（例えば、ヤコビ行列式）を使用して、後続の時間における腫瘍の体積を予測する。例えば、体積検出器１４５は、後続の画像内の各ボクセルについて、ボクセル関連ヤコビ行列式に、ベースライン画像の注釈を使用して生成されたマスクの対応する値を乗算することができる。したがって、対応する変形変数およびマスク内の対応する値に基づいて、ボクセルごとに積が生成されることができる。

【0065】

体積検出器１４５は、ボクセル関連積に基づいて統計値を生成することによって、後続の時間における腫瘍の体積変化を予測する。例えば、（複数のボクセルと関連付けられた）ボクセル特異的積の合計（または他の統計）が生成されることができ、これは、ベースラインと後続の時間との間の体積の予測変化を示すことができる。後続の時間における絶対体積は、ベースライン時間および予測される変化における体積であると推定されることができる。場合によっては、体積の変化は、式（２）を使用して計算される：

ここで、Ｍ_Ｂは、放射線医注釈付きベースラインマスク（Ｍ_Ｂ）であり、Ｊは、ヤコビ行列式行列である。

【0066】

サイズ変化を予測するための別の計算アプローチは、ボクセルのセットにわたってヤコビ行列式の合計または平均を計算することを含み、ボクセルのセットは、（例えば、その対応するマスク値が非ゼロ値である）腫瘍マスク内のボクセルを含む。ベースライン時点および後続の時間における腫瘍間の推定された差は、ボクセルのセットにわたるヤコビ行列式の合計（例えば、または平均）として、またはそれに基づいて定義されることができる。推定されたサイズ差は、ベースライン時間における腫瘍のサイズに加算されて、後続の時間における腫瘍の推定されたサイズを生成することができる。場合によっては、マスク内の値は、重み付き和または重み付き平均を生成するために、対応するボクセルに適用される重みとして使用される。場合によっては、正規化が適用され、（例えば）暫定結果が正規化されて、推定されたサイズが生成される。正規化は、ベースライン時画像が収集されたベースライン時間における生物学的構造のサイズを使用して実行されることができる。

【0067】

場合によっては、各腫瘍について、腫瘍体積変化は、後続の時間における腫瘍サイズからベースライン時間における腫瘍サイズを差し引いたものとして定義される。所与の被験者について、統計値（例えば、平均値）は、ベースライン注釈を使用して計算された腫瘍体積変化および変形変数を使用した腫瘍体積変化の統計（例えば、平均）であると定義されることができる。

【0068】

出力は、ユーザ装置１５０に返される（例えば、ユーザ装置に提示されるか、または送信される）。出力は、後続の時間における腫瘍の予測体積を含むことができる。場合によっては、腫瘍の予測体積を出力するのではなく、またはそれに加えて、別の結果が予測体積に基づいて決定され、出力される。例えば、（例えば、複数の腫瘍のそれぞれの推定されたサイズを合計することによって）複数の腫瘍の予測累積体積が決定され、出力されることができる。別の例として、１つ以上の腫瘍が成長および／または収縮した規則および程度を使用して、潜在的な処置アプローチが識別されることができる。さらに別の例として、各腫瘍について、（例えば、後続の時間における予測腫瘍サイズからベースライン時間における腫瘍サイズを差し引いたものとして）予測病変変化が定義されることができ、返された結果は、（例えば、累積加法予測変化、平均予測パーセンタイル変化、中央パーセンタイル変化、累積ベースライン時間腫瘍体積に対する累積予測後続時間腫瘍体積の比など）病変変化に基づいて計算された統計を含むことができる。

【0069】

場合によっては、腫瘍の予測体積を出力するのではなく、またはそれに加えて、現在の処置アプローチが被験者の癌を効果的に処置している程度を予測する結果が生成および／または出力される。例えば、規則は、有効な処置が少なくとも所定の閾値量の腫瘍の縮小（または全ての腫瘍の累積縮小）に関連することを示すことができる。

【0070】

場合によっては、腫瘍の体積の予測変化を受信し、１つ以上の腫瘍の自動生成出力（例えば、体積、体積の変化、サイズ、サイズの変化などを特徴付ける）が信頼できるかどうかまたはその程度を判定する後処理技術が実装されることができる。例えば、後処理技術は、予測された体積またはサイズ変化の信頼度を関連付ける、および／または信頼度を後続時画像取り込みとベースライン時画像取り込みとの間の持続時間に逆の方法で関連付ける、単調または段階的な関数を使用することができる。予測された出力は、腫瘍体積の予測変化または腫瘍サイズの予測変化がより大きな変化に対して小さい場合により信頼性が高くなることができる。追加的または代替的に、予測された出力は、１つ以上のベースライン時画像と比較して１つ以上の後続時画像が短期間で収集された場合により信頼性が高くなることができる。例えば、後処理技術は、予測された体積の信頼度を、後続時画像の取り込みとベースライン時画像の取り込みとの間の持続時間に関連付ける単調減少または段階的減少関数を使用することができる。例示すると、段階的な関数は、ベースライン時画像が取り込まれた時間に対して所定の期間（例えば、３ヶ月、１ヶ月、２週間、または１週間）以下で後続時画像が収集されたときに、予測された体積（または体積変化）が出力されることを示すことができる。

【0071】

ユーザ装置１５０は、腫瘍体積または腫瘍体積の変化などの、１つ以上の腫瘍に対応する推定された腫瘍メトリックを要求する装置を含む。ユーザ装置１５０は、撮像されている被験者を処置および／または評価している医療専門家および／または介護提供者に関連付けられてもよい。場合によっては、画像処理システム１２５は、１つ以上の腫瘍の体積の推定値を（例えば、その後、推定された体積をユーザ装置に送信することができる）画像生成システム１０５に返すことができる。

【0072】

場合によっては、変形検出器１４０は、変形変数ならびにベースライン画像のマスクおよび／または注釈を使用して、後続の画像内の腫瘍の境界の正確な位置を予測する。その後、後続の画像の注釈付きバージョンが生成されることができ、画像にオーバーレイされた境界を含むことができる。後続の画像の注釈付きバージョンは、体積推定とともにユーザ装置１５０および／または画像生成システム１０５に利用されることができる。

【0073】

場合によっては、腫瘍追跡ネットワーク１００が使用されて、（例えば、ベースライン時間において腫瘍に対して生成された対応する注釈および／またはマスクを使用して）後続の時間における複数の腫瘍のそれぞれの体積を推定することができることが理解されよう。場合によっては、複数の腫瘍のそれぞれは、ベースライン時画像および後続時画像の双方に描写される。あるいは、１つ以上の初期画像が収集されたベースライン時間と、１つ以上の後続画像が収集された後続時間との間に追加の腫瘍が現れることがある。注釈付け者が新たな腫瘍の検出を示す入力を提供する場合、注釈付け者は、完全な注釈を実行するように促されてもよく、注釈に基づいて定義されたマスクは、新たな腫瘍の新たなベースライン時点と関連付けられることができる。そのような場合、被験者の特定の種類の腫瘍の総数および／または累積サイズを識別することは、１つ以上の変換変数および１つ以上の手動注釈を使用して推定されたサイズの双方を使用することができる。

【0074】

本明細書に記載の技術は、腫瘍以外の１つ以上の異なる種類の生物学的物体のサイズを推定するために使用されることができることも理解されよう。例えば、病変（例えば、脳病変）の体積（および／または体積変化）および／またはほくろの面積を推定するための技術が使用されることができる。

【0075】

ＩＩＩ．例示的な腫瘍追跡プロセス
図２は、いくつかの実施形態にかかる、腫瘍のサイズを推定するためのプロセス２００のフローチャートを示している。プロセス２００の一部または全部は、ネットワーク１００からの画像処理システム１２５などの画像処理システムによって実行されてもよい。

【0076】

プロセス２００は、ブロック２１０において、画像処理システム１２５が第１の画像にアクセスすることによって開始する。第１の画像は、画像生成システム１０５によって収集および／または利用されていてもよい。第１の画像は、第１の時間における被験者の一部を描写することができる。第１の画像は、生物学的構造の少なくとも一部を描写することができる。第１の画像は、２次元画像（例えば、生物学的構造の断面の少なくとも一部または全部を示す）であってもよいし、３次元画像（例えば、生物学的構造の体積の少なくとも一部または全部を示す）であってもよい。被験者は、特定の疾患と診断されたか、または特定の疾患の可能性のある診断を有する人を含むことができる。特定の疾患は、癌および／または特定の種類の癌とすることができる。

【0077】

第１の画像は、ベースライン時間に収集された画像であってもよい。ベースライン時間は、特定の生物学的構造を描写した第１の画像が収集された時間、注釈付け者によって認識された特定の生物学的構造を描写した第１の画像が収集された時間、および／または（例えば、人間の技術者または介護提供者によって）将来の比較のためのベースラインであると見なされる時間とすることができる。

【0078】

第１の画像は、ＣＴ画像、ＭＲＩ画像またはＸ線画像を含むことができる。第１の画像は、放射線画像を含むことができる。第１の画像は、造影剤が被験者に投与されずに、または造影剤が被験者に投与された後に収集されていてもよい。

【0079】

ブロック２１５において、画像処理システム１２５は、特定の生物学的構造の輪郭を描くマスクを識別する。場合によっては、注釈システム１１５は、マスクを識別するか、またはマスクを識別するために使用される入力を受信し、マスクを示すデータが画像処理システム１２５に利用される。マスクは、生物学的構造の境界を識別する注釈データを使用して生成されてもよい。注釈データは、生物学的構造の境界を示す注釈付け者からの入力を介して識別される注釈を含むおよび／または表すことができる。例えば、注釈付け者は、境界を示すように、第１の画像に対応するおよび／または第１の画像を含む１つ以上の画像を示すインターフェースと相互作用していてもよい。

【0080】

ブロック２２０において、画像処理システム１２５は、第２の画像にアクセスする。第２の画像は、画像生成システム１０５によって収集および／または利用されていてもよい。第２の画像は、ブロック２１０においてアクセスされた第１の画像に（部分的に）描写された同じ被験者の一部を描写することができる。第２の画像内の同じ被験者の一部は、第１の画像に描写された被験者の一部と同様とすることができる。例えば、第１および第２の画像のそれぞれは、（例えば、その全体または断面において）同じ生物学的構造を描写することができる。場合によっては、第２の画像は、人間のユーザによって示される領域であるように定義されてもよく、および／または人間のユーザによって示される領域を含んでもよい。

【0081】

ブロック２２５において、画像処理システム１２５は、第２の画像を第１の画像に位置合わせして位置合わせを生成する。第１の画像および／または第２の画像は、位置合わせの前に（例えば、前処理コントローラ１３０によって）前処理されてもよい。

【0082】

ブロック２３０において、変形検出器１４０は、１つ以上の変換変数を計算する。場合によっては、変換変数は、第１の画像（例えば、マスク内の非ゼロ値に関連付けられる）に対して定義されたマスク内、第１の画像に対して定義された注釈付き境界内、および／または第１の画像内の各ボクセル（またはピクセル）に対して計算される。変換変数を計算することは、変形場を計算すること（例えば、位置合わせを使用して）を含むことができる。場合によっては、変形場を使用して各ボクセルについてヤコビ行列（例えば、空間ヤコビ行列）が計算されることができる。ヤコビ行列式は、ヤコビ行列を使用して各ボクセルについて決定されることができる。

【0083】

ブロック２３５において、体積検出器１４５は、第２の画像が収集された第２の時間における生物学的構造のサイズを推定する。第１の時間と第２の時間との間の生物学的構造のサイズ差を推定することは、ボクセルのセットにわたるヤコビ行列式の合計（例えば、または平均）を計算することを含むことができる。ボクセルのセットは、ブロック２１５において識別されたマスク内のボクセルを含むことができる（例えば、マスク値は非ゼロ値に設定される）。推定されたサイズ差は、第１の時間における生物学的構造のサイズに加算されて、第２の時間における生物学的構造のサイズの推定値を生成することができる。

【0084】

場合によっては、マスク内の値は、重み付き和または重み付き平均を生成するために、対応するボクセルに適用される重みとして使用される。場合によっては、正規化が適用され、（例えば）暫定結果が正規化されて、推定されたサイズが生成される。正規化は、第１の画像が収集された第１の時間における生物学的構造のサイズを使用して実行されることができる。

【0085】

ブロック２４０において、画像処理システム１２５は、（例えば、ユーザ装置１５０へ）第２の時間における生物学的構造の推定されたサイズを出力する。推定されたサイズは、送信および／または表示されることができる。

【0086】

場合によっては、生物学的構造の推定されたサイズを出力するのではなく、またはそれに加えて、推定されたサイズに基づいて別の結果が決定され、出力される。例えば、複数の生物学的構造の推定累積サイズが決定され、出力されることができる（例えば、複数の腫瘍のそれぞれの推定されたサイズを合計することによって）。別の例として、１つ以上の生物学的構造が成長および／または収縮した規則および程度を使用して、潜在的な処置アプローチが識別されることができる。

【0087】

場合によっては、生物学的構造の推定されたサイズを出力するのではなく、またはそれに加えて、現在の処置アプローチが被験者の癌を効果的に処置している程度を予測する結果および／または出力が生成される。例えば、規則は、有効な処置が少なくとも所定の閾値量の腫瘍の縮小（または全ての腫瘍の累積縮小）に関連することを示すことができる。

【0088】

プロセス２００は、最近の画像内の物体の正確な境界を識別するために注釈付け者からの詳細な入力を必要とせずに、最近のサイズの生物学的物体の推定をサポートする技術を提供することが理解されよう。むしろ、一般領域の識別は、十分な入力である（例えば、以前の時間からの構造の注釈および自動化された処理と組み合わされる場合）。追加の生物学的構造（例えば、さらなる腫瘍）が第１および第２の時間の間に現れた可能性があることが理解されよう。注釈付け者が新たな構造を検出した場合、注釈付け者は、完全な注釈を実行するように促されてもよく、注釈に基づいて定義されたマスクは、特定の構造の新たなベースライン時点と関連付けられることができる。そのような場合、特定の種類の生物学的構造（例えば、被験者の腫瘍）の総数および／または累積サイズを識別することは、１つ以上の変換変数および１つ以上の手動注釈を使用して推定されたサイズの双方を使用することができる。

【0089】

ＩＶ．実施例
位置合わせ技術が使用されて治療中の被験者における肺腫瘍の変化を測定した。データセットは、３２９人の肺腫瘍被験者に対応していた。初期腫瘍体積が推定され、位置合わせ技術が使用されて体積の変化を推定した。

【0090】

ＩＶ．Ａ．データセット
この遡及的研究は、Ｉｍｐｏｗｅｒ １５０試験（ＮＣＴ０２３６６１４３）に登録されたステージ４の非小細胞肺癌（ＮＳＣＬＣ）を有する３２９人の被験者からのＣＴスキャンを使用した。スキャンは、２０１５年３月から２０１９年６月の間に収集された。Ｉｍｐｏｗｅｒ １５０試験は、合計１２０１人の被験者を有していた。これらのうち、１０６８人の被験者が肺病変を有し、そのうち９４８人の被験者が測定可能な肺病変を有していた（測定可能な病変は、少なくとも１０ｍｍの少なくとも一次元に沿った長さを有する病変として定義された）。これらの９４８人の被験者のうち、３５３人の被験者について（中央放射線評価に基づいて）腫瘍体積データが利用可能であった。このコホートから、ベースラインスキャンおよび経過観察スキャンの双方について、３２９人の被験者について肺病変の体積測定値を得た。したがって、試被験者セットは、これらの３２９人の被験者に関連すると定義された。他の２４人の被験者のそれぞれについて、ベースラインスキャンまたは経過観察スキャンのいずれかが利用できなかった。

【0091】

試験被験者セットの各被験者について、６週間間隔で２日間、被験者をスキャンした。スキャンは、全体で２６０箇所で取得した。以下、第１のスキャンをベースラインスキャンと呼び、第２のスキャンを経過観察スキャンと呼ぶ。

【0092】

ＩＶ．Ｂ．方法
ＩＶ．Ｂ．１ 前処理
コンピュータ断層撮影（ＣＴ）ＤＩＣＯＭ（医用におけるデジタル画像と通信）立体画像をｎｉｆｔｉ（ニューロイメージング情報技術イニシアチブ）形式に変換した。変換中、画像を１ｍｍ等方性解像度に再サンプリングした。ＣＴスキャンのハウンズフィールド単位の全ダイナミックレンジを実験に使用し、ＣＴスキャンの値に対して正規化は行わなかった。放射線科医は、半自動セグメンテーションツールを使用して、（ＲＥＣＩＳＴ １．１基準による）肺の最大３つの病変に対するベースラインおよび経過観察ＣＴスキャンにおいて肺病変境界を描写した。これらの手動で注釈付けされた境界は、グラウンドトゥルース腫瘍進行を計算するために使用された病変のためのマスクを提供した。局所的な画像を位置合わせするために、３０ｍｍの境界を有する領域を病変の周りにトリミングした。

【0093】

ＩＶ．Ｂ．２ 位置合わせ
画像位置合わせは、Ｉ_Ｍ（Ｔ（ｘ））をＩ_Ｆ（ｘ）と空間的に位置合わせする座標変換Ｔ（ｘ）を見つけることに関し、Ｉ_Ｍ（ｘ）は、動画像であり、Ｉ_Ｆ（ｘ）は、固定画像である。経過観察画像をベースライン画像に空間的に位置合わせすると、変形場が得られる。各変形場は、各ボクセルが物理座標における変位ベクトルを含むベクトル画像として表された。空間ヤコビ行列は、変形場の一次導関数である。このヤコビ行列（Ｊ）の行列式は、局所的な圧縮または拡張の量を示す。１よりも小さい値は、局所圧縮を示し、１よりも大きい値は、局所拡張を示し、値１は、体積保存を示す。

【0094】

この実施例では、式（１）に示す非線形Ｂスプライン変換Ｔ_μ（ｘ）が使用された。

【0095】

ＳｉｍｐｌｅＥｌａｓｔｉｘが使用されて、非線形Ｂスプライン位置合わせ技術を実行した。非線形位置合わせ技術の実行から計算された変換変数（例えば、ヤコビ行列式）が使用されて、腫瘍体積変化を計算した。

【0096】

ヤコビ行列式は、線形位置合わせに対して不変であり、推定された変化は、ボクセルごとの体積空間分布を特徴付けることができる。この行列式を使用して、ベースライン時間にのみ（経過観察スキャンではなく）識別された総腫瘍体積は、ベースラインスキャン後の後続の時点における総腫瘍体積を推定するのに十分とすることができる。これは、経過観察スキャンにおいて腫瘍境界を描写する必要性を排除することができる。

【0097】

体積変化の計算におけるヤコビ行列式の有用性を実証するために、合成データセットが作成された。既知の体積を有するベースライン楕円体および経過観察楕円体を含むデータセットは、経過観察楕円体がベースライン楕円体に位置合わせされるように処理された。図３は、代表的な合成ベースライン画像３０５および合成経過観察画像３１０を示している。

【0098】

次いで、ベースラインと経過観察との間の体積変化が、位置合わせに基づいて生成されたヤコビ行列式を使用して計算された。より具体的には、各経過観察画像は、Ｂスプライン位置合わせを使用して対応するベースライン画像に位置合わせされた。特に、図３に示す例示的な例では、合成経過観察画像３１０の楕円体のサイズ（６７３５ｍｍ^３）は、合成ベースライン画像３０５の楕円体のサイズ（４９９９ｍｍ^３）よりも大きい。したがって、実際の体積変化は、１７３６ｍｍ^３である。

【0099】

しかしながら、合成経過観察画像３１０の位置合わせバージョン３１５の楕円体は、（位置合わせの結果として）合成ベースライン画像３０５の楕円体とほぼ同じ形状およびサイズであるように見える。各ボクセルについて、位置合わせバージョン３１５のボクセルを合成経過観察画像３１０の対応するボクセルと関連付ける変形ベクトルを使用してヤコビ行列式が計算された。次いで、変形ベクトルを使用してボクセルについてヤコビ行列およびヤコビ行列式が決定された。

【0100】

ヤコビ行列式表現３２０は、各ボクセルに関連付けられたヤコビ行列式を示す。マスクは、合成ベースライン画像３０５の楕円体内のボクセルにわたる１の値および他のボクセルにわたる０の値を含むように定義された（それによって完全な注釈付けを仮定する）。マスクにヤコビ行列式表現３２０が乗算（例えば、内積を使用する）されて、マスクされたヤコビ行列表現３２５を生成した。

【0101】

次いで、マスク内の値が合計されて、ヤコビ行列式を使用して推定体積変化を生成し、これは１７４６ｍｍ^３であると計算された。図３に示す代表的な事例（この例示的な事例では「真の」体積差である）。

【0102】

実際の体積変化は、５つの異なる合成体積についてヤコビアン計算の体積変化と比較された。図４は、この実施例で特定されたヤコビ行列式技術を使用して計算された体積変化と実際の体積変化との比較を示している。これら２つの方法の相関は０．９９であった。

【0103】

ＣＴ肺病変については、ベースラインおよび経過観察スキャンにおいて病変の周りに３０ｍｍの境界ボックスがトリミングされた。経過観察スキャンは、ベースラインスキャンに位置合わせされた。この変換のヤコビ行列式は、ベースラインスキャンにおける全てのボクセルの拡張または収縮に関する情報を提供する。図５は、第１の例示的な被験者（「被験者Ａ」）に対する画像トリミングおよび位置合わせのベースラインのパイプラインおよび経過観察性能を示している。

【0104】

特に、ベースライン生画像５０５ａは、病変を描写するＣＴ画像を示し、これは、マスク付き病変ベースライン表現５１０ａにおいて顕著である。トリミングされたベースライン生画像５１５ａおよびトリミングされたマスク付き病変ベースライン表現５２０ａは、全画像に対応するボクセルの一部のみを含む。マスクは、放射線科医の注釈に基づいて識別された。

【0105】

同様に、後続の生画像５０５ｂは、病変を描写するＣＴ画像を示し、後続の生画像５０５ｂは、ベースライン生画像５０５ａが取得された時間の後に取得された。後続の生画像５０５ｂからの病変は、マスク付き病変後続表現５１０ｂにおいて強調される。トリミングされた後続の生画像５１５ｂおよびトリミングされたマスク付き病変後続表現５２０ｂは、完全な画像に対応するボクセルの一部のみを含む。

【0106】

位置合わせ画像５２５は、ベースライン生画像５１５ａに位置合わせされるように変換されたトリミングされた後続の生画像５０５ｂのバージョンを示す。位置合わせデータを使用して、各ボクセルについてヤコビ行列式が決定されることができる（ヤコビ行列式は、ヤコビ行列式画像５３０に集合的に表される）。

【0107】

放射線科医注釈付きベースラインマスク（Ｍ_Ｂ）およびヤコビ行列式（Ｊ）を使用して、経過観察スキャンにおける病変の体積の変化が式（２）を使用して計算された。

【0108】

ＩＶ．Ｃ．結果
ＩＶ．Ｃ．１ 位置合わせ評価
位置合わせ結果は、位置合わせされた画像を視覚化することによって定性的に判断された。歪んだ画像は、それらの対応するベースライン画像と同様に見えた。位置合わせされた画像は、ベースライン画像から差し引かれ、その差は、画像としてプロットされた。完全な位置合わせは、エッジがなくノイズのみの差分画像をもたらす。ベースラインスキャンおよび位置合わせされたスキャンが互いに重ねて表示されて、画像間の差を評価した。図６（画像の左２列）は、経過観察画像をベースライン画像に位置合わせする前のベースラインおよび経過観察のオーバーレイを示している。合成画像内のグレー領域は、２つの画像が同じ強度を有する場所を示す。マゼンタおよび緑色領域は、強度が異なる場所を示す。図６（画像の右２列）は、肺病変の位置合わせ後のベースラインおよび位置合わせされた画像を示している。表１に要約した結果によって示されるように、被験者Ａおよび被験者Ｂでは、ベースライン画像への経過観察画像の位置合わせは成功したが、被験者Ｃについてはベースライン画像への経過観察画像の位置合わせは失敗した。

【表1】

【0109】

ＩＶ．Ｃ．２ 被験者Ｂ
図７は、図５に描写された画像の種類に対応する病変、マスク、トリミング結果および位置合わせの別の例を示している。しかしながら、図７の画像は、異なる被験者（被験者Ｂ）に関する。この場合、病変の体積は、ベースラインスキャンと比較して経過観察スキャンにおいて減少した。経過観察画像では病変の収縮が見られる。

【0110】

ヤコビ行列式法によって計算された体積変化は、－２０６０ｍｍ^３であった。この結果は、グランドトゥルース体積変化（ベースラインおよび経過観察画像において病変を手動で描写し、次いでそれらの体積を差し引くことによって測定される）と比較された。グランドトゥルース体積変化は、－２０６６ｍｍ^３であり、ヤコビアン法によって予測された－２０６０ｍｍ^３の変化とよく比較される。グランドトゥルース体積変化およびヤコビ行列式変化のマイナス符号は、病変収縮を示す。

【0111】

ＩＶ．Ｃ．３ 被験者Ｃ
図８は、図５に示す画像の種類に対応する病変、マスク、トリミング結果および位置合わせのさらに別の例を示している。しかしながら、図８の画像は、さらに別の被験者（被験者Ｃ）に関する。

【0112】

この特定の例では、非線形Ｂスプライン位置合わせは失敗している。ベースラインから経過観察までのグラウンドトゥルース病変体積変化は、９１％であった（負の符号は病変の縮小を示す）。位置合わせされている体積が一致しないため、位置合わせ軸方向スライスは、ベースラインと同様に見えない。この場合、ヤコビアンベースのアプローチは、病変が成長したことを予測したため（表１を参照）、グラウンドトゥルース体積変化と一致しなかった（これは、病変が実際に収縮したことを示した）。

【0113】

ＩＶ．Ｃ．４ 高レベル分析
２８０個の病変の体積変化をヤコビ行列式を使用して推定した。図７は、ブランドアルトマンプロットを示している。このプロットでは、各病変について、平均病変変化値が計算され、ｘ軸に沿ってプロットされた。具体的には、グランドトゥルースインスタンスおよびヤコビアン計算インスタンスのそれぞれについて、病変変化は、後続の時間における病変サイズからベースライン時間における病変サイズを差し引いたものとして定義された。各被験者について、平均値（「平均」）は、グランドトゥルース注釈を使用して計算された病変変化およびヤコビアン技術を使用した病変変化の平均であると定義された。各被験者について、差分値（「差分」）は、手動注釈を使用して計算された病変変化からヤコビアン法を使用して計算された病変変化を差し引いたものであると定義された。図９は、平均値に対する差分値をプロットしている。特に、点の多くは、ｙ＝０線の近くにあり、ヤコビアンとグラウンドトゥルースメトリックとの間の高い一致を示している。

【0114】

ブランドおよびアルトマンは、データ点の９５％が平均差の２標準偏差以内にあるべきであると推奨した。分析されたデータセットに関して、１１人の被験者が２標準偏差限界外にある。したがって、測定値の９６．０７％が標準偏差間隔内にある。

【0115】

図１０Ａは、３２９個全ての病変にわたって、手動注釈から導出された統計値とヤコビ行列式法から導出された統計値とを相関させるプロットを示している。体積変化を測定する２つの方法間の相関は、０．２４である。位置合わせは、特にベースラインから経過観察までの体積の変化が９０％を超える病変では最適以下であるように見えたため、位置合わせされている２つの体積は、解剖学的に非常に変動性があった。したがって、体積の変化が９０％を超えるため、２８個の病変が除外された。位置合わせされた体積を手動で検査すると、経過観察画像を対応するベースライン画像に位置合わせすることができなかったため、３３個の病変が除外された。図６の被験者Ｃは、位置合わせ失敗の例のうちの１つである。図１０Ｂは、失敗および大きな体積変化を除外した場合の、２６８個の病変に対する手動注釈から導出された統計値とヤコビ行列式法から導出された統計値とを相関させるプロットを示している。

【0116】

ヤコビ行列式を使用した体積計算は、体積の実際の変化が４０％未満である場合により正確であった。ベースライン体積および経過観察体積の位置合わせは、体積変化が４０％を超えた病変と比較した場合、高い画像類似性を有する。図１０Ｃは、手動注釈付けから導出された統計値と、体積の変化が４０％未満（Ｎ＝１０７）である病変のヤコビ行列式法から導出された統計値とを相関させるプロットを示している。相関係数は、０．８８６１である。図１０Ｄは、手動注釈付けから導出された統計値と、体積の変化が０．８１８７の相関係数で４０％超（Ｎ＝１６１）である病変のヤコビ行列式法から導出された統計値とを相関させるプロットを示している。

【0117】

ＩＶ．Ｃ．５ 変形ベースのアプローチの選択的使用
本明細書に記載の変形ベースのアプローチは、いくつかの状況では、他の状況と比較して、生物学的構造のサイズおよび／またはそのサイズ変化をより正確に予測することができる。

【0118】

図１１は、経過観察スキャンにおける放射線科医による注釈評価が病変境界と一致しなかった例のうちの１つを示している。ヤコビ行列式体積計算は、１１７２ｍｍ^３の体積減少を示す。手動注釈によれば、腫瘍体積は、１４ｍｍ^３だけ増加している。

【0119】

変化を測定するヤコビ行列式法は、反復手動注釈に依存する技術と比較して、病変の小さな変化を測定するのにより効率的である。したがって、解剖学的構造がベースラインスキャンと経過観察スキャンとの間で類似している場合、経過観察病変体積をベースライン病変体積に位置合わせすることが成功した。ヤコビアンベースのアプローチは、スキャンが小さい間隔（２週間未満）で取得される場合、病変体積を推定するのに特に有利であり得る。短期間のＣＴ経過観察スキャンが、登録基準のために使用されることが多い。図１２は、体積変化（ベースラインから経過観察までの絶対変化）が３０％未満である場合の２つの方法の比較のプロットを示している。特に、予測された病変体積変化と観察された病変体積変化との間の相関は、これらのデータ点に対して十分に相関している（Ｒ^２＝０．９２８６）。

【0120】

したがって、体積の予測変化が所定の閾値を下回る限り、変形ベースのアプローチ（例えば、変形場、ヤコビ行列などに依存する）を使用することが有利であり得る。他の状況では、生物学的構造の他の評価（例えば、後続の時点における生物学的構造の半自動または手動の注釈付けに依存することができる）が使用されてもよい。

【0121】

ＩＶ．Ｃ．考察
経過観察における体積変化の計算は、ベースラインスキャン、経過観察スキャンおよびベースライン注釈を処理することによって半自動化された。正確なヤコビ行列は、位置合わせ品質に依存する。Ａｄｖａｎｃｅｄ Ｍａｔｔｅｓ相互情報は、位置合わせされた２つのボリュームの位置合わせの品質を特徴付けるために類似性尺度（位置合わせされた画像とベースライン画像との間の類似性を特徴付ける）として使用された。位置合わせ方法の混同要因は、全体的な形態変化および（＞６０％の）大きな体積変化を含む。計算されたヤコビ行列式は、腫瘍変化とともに解剖学的変化を含むことができる（例えば、腫瘍および正常な解剖学的構造における体積変化）。被験者Ｃのデータは、大きな体積変化のために位置合わせが失敗する可能性があることを示している。

【0122】

位置合わせ評価は、従来、標的位置合わせエラーまたはＤＩＣＥ係数の計算に依存するもの、および／または複数の期間のそれぞれに関連する画像内の解剖学的構造のセグメント化に依存するものなどの、位置合わせベースの技術を実装することによって実行されることが多い。これらの２つのマトリックスは、固定画像および動画像上の解剖学的ランドマーク点または既知の解剖学的構造のセグメンテーションを必要とする。体積推定のための境界を識別するためのベースラインおよび経過観察における手動注釈は、時間がかかり、潜在的に高価であり（熟練した専門家の時間に対する支払いのため）、エラーを導入する可能性がある。これらの潜在的な影響を回避するために、この実施例の技術は、自動化された技術を使用して局所体積（特定の病変の周りに３０ｍｍの境界ボックスを有する）を追跡し、位置合わせを決定し、サイズ特徴付け技術を使用した。これらのアプローチは、（例えば、生物学的構造の境界の少なくとも一部を示したベースライン画像および後続画像の双方の特定の部分を示した）人間の注釈付け者入力を伴う反復セグメンテーションを必要とするアプローチと比較して、必要とされる計算能力を低減し、故障率も低減した。

【0123】

Ｖ．さらなる考察
本開示のいくつかの実施形態は、１つ以上のデータプロセッサを含むシステムを含む。いくつかの実施形態では、システムは、命令を含む非一時的コンピュータ可読記憶媒体であって、命令が、１つ以上のデータプロセッサ上で実行されると、１つ以上のデータプロセッサに、本明細書に開示された１つ以上の方法の一部または全部および／または１つ以上のプロセスの一部または全部を実行させる、非一時的コンピュータ可読記憶媒体を含む。本開示のいくつかの実施形態は、１つ以上のデータプロセッサに、本明細書に開示された１つ以上の方法の一部または全部および／または１つ以上のプロセスの一部または全部を実行させるように構成された命令を含む、非一時的機械可読記憶媒体において有形に具現化されたコンピュータプログラム製品を含む。

【0124】

使用された用語および表現は、限定ではなく説明の用語として使用され、そのような用語および表現の使用において、示されて説明された特徴の均等物またはその一部を除外する意図はないが、特許請求の範囲に記載された発明の範囲内で様々な変更が可能であることが認識される。したがって、特許請求の範囲に記載された本発明は、実施形態および任意の特徴によって具体的に開示されているが、本明細書に開示された概念の変更および変形は、当業者によってあてにされてもよく、そのような変更および変形は、添付の特許請求の範囲によって定義される本発明の範囲内にあると見なされることを理解されたい。

【0125】

説明は、好ましい例示的な実施形態のみを提供し、本開示の範囲、適用可能性または構成を限定することを意図しない。むしろ、好ましい例示的な実施形態の説明は、様々な実施形態を実装するための可能な説明を当業者に提供する。添付の特許請求の範囲に記載の趣旨および範囲から逸脱することなく、要素の機能および配置に様々な変更を加えることができることが理解される。

【0126】

説明では、実施形態の完全な理解を提供するために具体的な詳細が示されている。しかしながら、これらの具体的な詳細なしで実施形態が実施されることができることが理解されよう。例えば、回路、システム、ネットワーク、プロセス、および他の構成要素は、実施形態を不必要に詳細に不明瞭にしないために、ブロック図形式の構成要素として示されてもよい。他の例では、実施形態を不明瞭にすることを避けるために、周知の回路、プロセス、アルゴリズム、構造、および技術が不必要な詳細なしに示されてもよい。

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10A】

【図10B】

【図10C】

【図10D】

【図11】

【図12】

【国際調査報告】