特表 2024-516800 医用画像レジストレーションの方法およびシステム

(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】2024-04-17

(54)【発明の名称】医用画像レジストレーションの方法およびシステム

(51)【国際特許分類】

   G06T 7/32 20170101AFI20240410BHJP

   A61B 6/00 20240101ALI20240410BHJP

   A61B 6/03 20060101ALI20240410BHJP

   A61B 6/46 20240101ALI20240410BHJP

   A61B 6/50 20240101ALI20240410BHJP

【ＦＩ】

G06T7/32

A61B6/00 550D

A61B6/03 560J

A61B6/46 506B

A61B6/50 500Z

【審査請求】未請求

【予備審査請求】有

(21)【出願番号】P 2023563025

(86)(22)【出願日】2022-04-20

(85)【翻訳文提出日】2023-11-17

(86)【国際出願番号】 EP2022060365

(87)【国際公開番号】W WO2022223584

(87)【国際公開日】2022-10-27

(31)【優先権主張番号】21169609.1

(32)【優先日】2021-04-21

(33)【優先権主張国・地域又は機関】EP

(81)【指定国・地域】

(71)【出願人】

【識別番号】522375578

【氏名又は名称】アンタロス メディカル アクティエボラーグ

(74)【代理人】

【識別番号】100137523

【弁理士】

【氏名又は名称】出口 智也

(74)【代理人】

【識別番号】100152205

【弁理士】

【氏名又は名称】吉田 昌司

(72)【発明者】

【氏名】ハンナ、イェンソン

【テーマコード（参考）】

4C093

5L096

【Ｆターム（参考）】

4C093AA22

4C093CA35

4C093FD12

4C093FF16

4C093FF36

4C093FF37

5L096AA06

5L096BA06

5L096BA13

5L096EA11

5L096EA39

5L096FA25

5L096FA34

(57)【要約】

第１の医用画像検査からのＸ線減弱に対して有意なデータを含む第１の画像（２０１ａ）と、少なくとも第２の医用画像検査からのＸ線減弱に対して有意なデータを含む第２の画像（２０１ｂ）とをレジストレーションするための方法（１００）が提供される。
方法は、第１の画像と第２の画像との第１のレジストレーション（１２０）であって、第１のレジストレーションは、第１の変形パラメータセット（１２４）を提供する第１の重み付けコスト関数の最適化（１２２）を含み、第１の重み付けコスト関数は、第１の画像と第２の画像との相関と、第１の画像の第１の部分画像と第２の画像の第２の部分画像との相関との和を含む、第１のレジストレーション（１２０）と、第１の変形パラメータセット（１２４）に基づいた第１の画像の少なくとも一部と第２の画像の少なくとも一部との相関（１４１）を含む第２のレジストレーション（１４０）とを含む。

【特許請求の範囲】

【請求項1】

第１の画像（２０１ａ）および第２の画像（２０１ｂ）をレジストレーションするための方法（１００）であって、前記第１の画像（２０１ａ）は、第１の医用画像検査からのＸ線減弱に対して有意なデータを含み、前記第２の画像（２０１ｂ）は、少なくとも第２の医用画像検査からのＸ線減弱に対して有意なデータを含み、前記方法は、
前記第１の画像に関連付けられ、前記第１の画像内の第１の組織クラスの情報を含む第１の組織クラスの第１の部分画像（２０２ａ）を取得すること（１１０ａ）と、
前記第２の画像に関連付けられ、前記第２の画像内の前記第１の組織クラスの情報を含む第１の組織クラスの第２の部分画像（２０２ｂ）を取得すること（１１０ｂ）と、前記第１の組織クラスは骨組織であって、
前記第１の画像の前記第２の画像に対する第１のレジストレーション（１２０）と、
前記第１の画像の前記第２の画像に対する第２のレジストレーション（１４０）とを含み、前記第１のレジストレーションは、
第１の重み付けコスト関数の最適化（１２２）を含み、前記第１の重み付けコスト関数は、
前記第１のレジストレーションの第１の重み係数を用いた前記第１の画像と前記第２の画像との相関と、
前記第１のレジストレーションの第２の重み係数を用いた前記第１の組織クラスの第１の部分画像と前記第１の組織クラスの第２の部分画像との相関との和を含み、前記第１のレジストレーションの前記第１および第２の重み係数はゼロではなく、
前記最適化（１２２）から、前記第１の画像から前記第２の画像への変換に関連した、前記第１のレジストレーションからの第１の変形パラメータセット（１２４）が得られ、
前記第２のレジストレーションは、
前記第１の変形パラメータセット（１２４）に基づいた、前記第１の画像の少なくとも一部と前記第２の画像の少なくとも一部との相関（１４１）を含み、前記相関（１４１）から、前記第１の画像から前記第２の画像への変換に関連した第２の変形パラメータセット（１４４）が得られる、方法。

【請求項2】

前記第１のレジストレーション（１２０）は、前記第１の組織クラスに関連する前記第１の画像内の画像ボクセルのセットを定義する第１の制約パラメータセット（１２６）を提供し、前記第２のレジストレーション（１４０）は、前記第２のレジストレーション（１４０）を予め形成する際に、前記第１の制約パラメータセット（１２６）によって所定のレジストレーション制限を有する前記第１の画像内のボクセルのセットを定義することで、前記第１の制約パラメータセット（１２６）を考慮に入れる、請求項１に記載の方法（１００）。

【請求項3】

前記第１の画像に関連付けられ、前記第１の画像内の第２の組織クラスの情報を含む第２の組織クラスの第１の部分画像（２０５ａ）を取得すること（１１１ａ）と、
前記第２の画像に関連付けられ、前記第２の画像内の前記第２の組織クラスの情報を含む第２の組織クラスの第２の部分画像（２０５ｂ）を取得すること（１１１ｂ）とを含み、前記第２の組織クラスは、除脂肪軟部組織および脂肪組織からなる群から選択され、
前記第２のレジストレーション（１４０）における前記第１の画像の少なくとも一部と前記第２の画像の少なくとも一部との前記相関（１４１）は、
第２の重み付けコスト関数の最適化（１４２）を含み、前記第２の重み付けコスト関数は、
前記第２のレジストレーションの第１の重み係数を用いた前記第１の画像と前記第２の画像との相関と、
前記第２のレジストレーションの第２の重み係数を用いた前記第２の組織クラスの第１の部分画像と前記第２の組織クラスの第２の部分画像との相関との和を含み、前記第２のレジストレーションの前記第１および第２の重み係数はゼロではなく、
前記第２のレジストレーションは、前記第２の組織クラスに関連する前記第１の画像内の画像ボクセルのセットを定義する第２の制約パラメータセット（１４６）を提供し、
前記第２の変形パラメータセット（１４４）は、前記最適化（１４２）から得られる、請求項１または２に記載の方法（１００）。

【請求項4】

前記第１の画像に関連付けられ、前記第１の画像内の第３の組織クラスの情報を含む、前記第２のレジストレーションの第３の組織クラスの第１の部分画像（２０６ａ）を取得すること（１１２ａ）と、
前記第１の画像に関連付けられ、前記第２の画像内の第３の組織クラスの情報を含む、前記第２のレジストレーションの第３の組織クラスの第２の部分画像（２０６ｂ）を取得すること（１１２ｂ）とを更に含み、
前記第２の組織クラスは除脂肪軟部組織であり、前記第３の組織クラスは脂肪組織であり、
前記第２の重み付けコスト関数は、前記第２のレジストレーションの第１の重み係数を用いた前記第１の画像と前記第２の画像との相関と、
前記第２のレジストレーションの第２の重み係数を用いた前記第２の組織クラスの第１の部分画像と前記第２の組織クラスの第２の部分画像との相関と、
前記第２のレジストレーションの第３の重み係数を用いた前記第３の組織クラスの第１の部分画像と前記第３の組織クラスの第２の部分画像との相関との和を含み、前記第２のレジストレーションの前記第１、第２および第３の重み係数はゼロではなく、
前記第２のレジストレーションは、前記第２の制約パラメータセット（１４６）に前記第３の組織クラスに関連した前記第１の画像内の画像ボクセルのセットを定義する制約パラメータを更に提供する、請求項３に記載の方法。

【請求項5】

前記第１の画像に関連付けられ、前記第１の画像内の混合組織の情報を含む第４の組織クラスの第１の部分画像（２０３ａ）を取得すること（１１３ａ）と、
前記第２の画像に関連付けられ、前記第２の画像内の混合組織の情報を含む第４の組織の第２の部分画像（２０３ｂ）を取得すること（１１３ｂ）と、を含み、
前記混合組織は、前記第１および第２の画像内で、それぞれ皮下脂肪に囲まれた組織として定義され、
前記第１の画像に関連付けられ、前記第１の画像内の脂肪組織の情報を含む第５の組織クラスの第１の部分画像（２０４ａ）を取得すること（１１４ａ）と、
前記第２の画像に関連付けられ、前記第２の画像内の脂肪組織の情報を含む第５の組織クラスの第２の部分画像（２０４ｂ）を取得すること（１１４ｂ）と、
前記第１の変形パラメータセット（１２４）に基づいた、前記第１の画像と前記第２の画像との中間レジストレーション（１３０）とを含み、
前記中間レジストレーション（１３０）は、
前記中間レジストレーションの第１の重み係数を用いた前記第１の画像と前記第２の画像との相関と、
前記中間レジストレーションの第２の重み係数を用いた前記第４の組織クラスの第１の部分画像と前記第４の組織クラスの第２の部分画像との相関と、
前記中間レジストレーションの第３の重み係数を用いた前記第５の組織クラスの第１の部分画像と前記第５の組織クラスの第２の部分画像との相関との和からなる第３の重み付けコスト関数の最適化（１３２）を含み、
前記中間レジストレーションの前記第１、第２および第３の重み係数はゼロではなく、
前記第１の画像から前記第２の画像への変換に関連する中間変形パラメータセット（１３４）は前記最適化（１３２）から得られ、前記第２のレジストレーション（１４０）は前記中間変形パラメータセット（１３４）に基づいて行われる、請求項１～４のいずれか１項に記載の方法。

【請求項6】

前記中間レジストレーション（１３０）は、前記中間レジストレーション（１３０）を予め形成する際に、前記第１の制約パラメータセット（１２６）によって所定のレジストレーションの制限を有する前記第１の画像内の少なくとも１つのボクセルセットを定義することで、前記第１の制約パラメータセット（１２６）を考慮に入れ、
前記中間レジストレーションは、前記混合組織に関連する前記第１の画像内の少なくとも１つの画像ボクセルセットを定義する第３の制約パラメータセット（１３６）を提供し、
前記第２のレジストレーション（１４０）は、前記第２のレジストレーション（１４０）を予め形成する際に、前記第３の制約パラメータセットによって所定のレジストレーションの制限を有する前記第１の画像内の少なくとも１つのボクセルセットを定義することで、前記第３の制約パラメータセットを更に考慮に入れる、請求項２に従属する場合の請求項５に記載の方法。

【請求項7】

前記第１の画像に関連付けられ、前記第１の画像内の第６の組織クラスの情報を含む第６の組織クラスの第１の部分画像（２０７ａ）を取得すること（１１５ａ）と、
前記第２の画像に関連付けられ、前記第２の画像内の前記第６の組織クラスの情報を含む第６の組織クラスの第２の部分画像（２０７ｂ）を取得すること（１１５ｂ）と、前記第６の組織クラスは皮下脂肪であり、
前記第１の画像と前記第２の画像との第３のレジストレーション（１５０）とを更に含み、
前記第３のレジストレーションは
前記第３のレジストレーション（１５０）の第１の重み係数を用いた前記第１の画像と前記第２の画像との相関と、
前記第３のレジストレーションの第２の重み係数を用いた前記第６の組織クラスの第１の部分画像と前記第６の組織クラスの第２の部分画像との相関との和からなる前記第３のレジストレーションの第４の重み付けコスト関数の最適化（１５２）を含み、
前記第３のレジストレーションの前記第１および第２の重み係数はゼロではなく、
前記第１の画像から前記第２の画像への変換に関連する第３の変形パラメータセット（１５４）は、前記最適化（１５２）から得られる、請求項１～６のいずれか１項に記載の方法。

【請求項8】

前記第３のレジストレーション（１５０）は、前記第３のレジストレーションを予め形成する際に、前記第１の制約パラメータセットによって、所定のレジストレーションの制限を有する前記第１の画像内のボクセルのセットを定義することで、少なくとも前記第１の制約パラメータセット（１２６）を考慮に入れ、
任意選択で、前記第３のレジストレーション（１５０）は、前記第１および第２の制約パラメータセット（１２６、１４６）がそれぞれ存在する場合に、前記第３のレジストレーションを予め形成する際に、前記第１および第２の制約パラメータセット（１２６、１４６）によって、所定のレジストレーションの制限を有する前記第１の画像内のそれぞれのボクセルのセットを定義することで、少なくとも前記第１および第２の制約パラメータセット（１２６、１４６）を考慮に入れ、
任意選択で、前記第３のレジストレーション（１５０）は、前記第１、第２および第３の制約パラメータセット（１２６、１４６、１３６）がそれぞれ存在する場合に、前記第３のレジストレーションを予め形成する際に、前記第１、第２および第３の制約パラメータセットによって、所定のレジストレーションの制限を有する前記第１の画像内のそれぞれのボクセルのセットを定義することで、少なくとも前記第１、第２および第３の制約パラメータセット（１２６、１４６、１３６）を考慮に入れる、請求項２に従属する場合の請求項７に記載の方法。

【請求項9】

前記第１の画像に関連付けられたそれぞれの組織クラスの部分画像を取得する各ステップ（１１０ａ、１１１ａ、１１２ａ、１１３ａ、１１４ａ、１１５ａ）は、
前記第１の画像内のデータに基づいて、前記第１の画像内の前記それぞれの組織クラスに関連する第１の画像ボクセルの第１のセットを特定すること（１１６）と、前記第１の画像ボクセルの第１のセットは、前記第１の画像内のデータに基づいてそれぞれの組織クラスを表し、
前記第１の画像内の前記特定された第１の画像ボクセルの第１のセットから、前記第１の画像に関連する部分画像を作成すること（１１７）とを含み、
前記第２の画像に関連付けられたそれぞれの組織クラスの部分画像を取得する各ステップ（１１０ｂ、１１１ｂ、１１２ｂ、１１３ｂ、１１４ｂ、１１５ｂ）は、
前記第２の画像内のデータに基づいて、前記第２の画像内の前記それぞれの組織クラスに関連する第２の画像ボクセルの第２のセットを特定すること（１１８）と、前記第２の画像ボクセルの第２のセットは、前記第２の画像内のデータに基づいてそれぞれの組織クラスを表し、
前記第２の画像内の前記特定された第２の画像ボクセルの前記第２のセットから、前記第２の画像に関連する部分画像を作成すること（１１９）とを含む、請求項１～８のいずれか１項に記載の方法。

【請求項10】

前記第１の画像と前記第２の画像との各相関は、正規化相互相関、差の二乗和、および相互情報量からなる群から選択され、各第１の部分画像と各第２の部分画像との各相関は、正規化相互相関、差の二乗和、および相互情報量からなる群から選択される、請求項１～９のいずれか１項に記載の方法。

【請求項11】

前記第１の組織クラスの第１の部分画像（２０２ａ）の前記第１の組織クラスの第２の部分画像（２０２ｂ）へのアフィンレジストレーション（１７２）であって、前記第１の画像の前記第２の画像への変換に関連する初期変形パラメータセット（１７４）は、前記アフィンレジストレーション（１７２）から得られる、アフィンレジストレーション（１７２）を含み、
前記第１のレジストレーション（１２０）は、前記初期変形パラメータセット（１７４）に基づき、
任意選択で、前記方法は、所定のクロッピング領域に従って、前記第１の組織クラスの第１の部分画像（２０２ａ）および前記第１の組織クラスの第２の部分画像（２０２ｂ）を画像クロッピング（１７１）することを更に含む、請求項１～１０のいずれか１項に記載の方法。

【請求項12】

前記方法は、前記第１の画像の第１の前画像（２１１ａ）および前記第２の画像の第２の前画像（２１１ｂ）の初期画像調整（１７３ａ、１７３ｂ）を含み、前記初期画像調整（１７３ａ、１７３ｂ）は、前記第１および第２の画像（２０１ａ、２０１ｂ）をそれぞれ出力し、
前記第１および第２の前画像をそれぞれ線形または非線形で強度スケーリングすることを含む強度スケーリングと、
平均フィルタ、メディアンフィルタ、およびソーベルフィルタの少なくとも１つを前記第１および第２の前画像（２１１ａ、２１１ｂ）にそれぞれ適用することを含む画像フィルタリングとの少なくとも１つを含む、請求項１～１１のいずれか１項に記載の方法。

【請求項13】

前記変形パラメータセット（１２４、１３４、１４４、１５４）のいずれかに基づいて前記第１の画像を変形する（１９０）ことを含む、請求項１～１２のいずれか１項に記載の方法。

【請求項14】

陽電子放射断層撮影（ＰＥＴ）検査で撮影された第３の画像（２１０）を取得すること（１９１）と、前記第３の画像は、前記第１の画像と既知の空間的および時間的関係を有し、
前記変形パラメータセット（１２４、１３４、１４４、１５４）のいずれかに基づいて前記第３の画像を変形すること（１９５）とを含む、請求項１～１３のいずれか１項に記載の方法。

【請求項15】

処理部を含む画像情報を処理するためのシステム（４００）であって、前記処理部は、請求項１～１４のいずれか１項に記載の方法を実行するように構成される、システム（４００）。

【発明の詳細な説明】

【技術分野】

【0001】

本明細書で説明する発明概念は、概して画像レジストレーションに関するものであり、より具体的には医用画像レジストレーションに関する。

【背景技術】

【0002】

現在、画像レジストレーションは、例えばコンピュータビジョンから医用画像まで、様々なアプリケーションで使用されている。レジストレーションの方法は主に剛体変換と非剛体変換に分類される。剛体変換には、回転、スケーリング、平行移動、その他のアフィン変換がある。非剛体変換では、例えばターゲット画像とソース画像との間で最適な位置合わせをするための、ターゲット画像の局所的ワーピングが可能である。

【0003】

概して、画像レジストレーションでは、２つの画像を位置合わせする際に、２つの画像間に位置ずれを生じることが多く、この誤差は、レジストレーションする画像の複雑さが増すにつれて増大し得る。大きな面積および／または体積を描写する画像、例えば、全身画像または身体の大きな部分を含む画像は、画像の複雑さが増すため、画像レジストレーションに悪影響を及ぼすことが多い。

【0004】

例えば医用画像検査では、画像には異なる組織情報を示す異なる面積や体積のような、多くの画像情報および特徴が含まれ得る。通常、画像情報は、画像処理後に少数の測定パラメータに集約される。

【0005】

ＰＣＴ出願の国際公開第２０１６／０７２９２６（Ａ１）号には、ＭＲＩ画像の画像レジストレーションおよび解析方法が開示されている。

【0006】

米国特許第７２５９７６２（Ｂ２）号明細書には、コンピュータ断層撮影（ＣＴ）検査を共通の参照フレームに自動的に変換して統計アトラスを作成する方法が開示されている。選択されたＣＴ検査は共通の参照フレームに変換され、その後、ＣＴと統計アトラスの間でボクセル間の対応が確立される。

【0007】

米国特許出願公開第２０１４／０２７０４４６（Ａ１）号明細書では、制約を用いたマルチモーダル撮影データのレジストレーションのための方法および装置が開示されている。第１および第２の撮影モダリティからそれぞれ得られた第１および第２の画像は、それぞれターゲット画像およびオブジェクト画像として設定される。ターゲット画像は１つ以上の解剖学的セグメントに分割される。各セグメントはそれぞれの解剖学的クラスに関連付けられる。解剖学的セグメントに対応する解剖学的クラスに基づいて、少なくとも１つの属性が解剖学的セグメントの少なくとも１つに割り当てられる。オブジェクト画像とターゲット画像とのレジストレーションが実行されるが、レジストレーションは割り当てられた属性によって制約される。

【0008】

しかしながら、上述した従来技術および方法には欠点がある。例えば、方法は関心領域が小さすぎたり、レジストレーションの精度が不適切であったり、および／または、組織のセグメンテーションが不十分であったりすることが多い。

【発明の概要】

【0009】

本発明概念の目的は、上記特定された当技術分野における欠陥の１つまたは複数を単独でまたは組み合わせて軽減、緩和または除去することである。

【0010】

本発明の概念の第１の態様によれば、これらおよび他の目的は、第１の画像と第２の画像とをレジストレーションする方法であって、第１の画像は第１の医用画像検査からのＸ線減弱に有意なデータを含み、第２の画像は第２の医用画像検査からのＸ線減弱に有意なデータを含む方法によって完全に、または少なくとも部分的に達成される。本方法は、第１の画像に関連付けられ、第１の画像における第１の組織クラスの情報を含む第１の組織クラスの第１の部分画像を取得することと、第２の画像に関連付けられ、第２の画像における第１の組織クラスの情報を含む第１の組織クラスの第２の部分画像を取得することとを含み、第１の組織クラスは骨組織である。本方法は、第１の画像と第２の画像との第１のレジストレーションを更に含み、第１のレジストレーションは、第１の重み付けコスト関数の最適化を含む。第１の重み付けコスト関数は、第１のレジストレーションの第１の重み係数を用いた第１の画像と第２の画像との相関と、第１のレジストレーションの第２の重み係数を用いた第１の組織クラスの第１の部分画像と第１の組織クラスの第２の部分画像との相関との和を含む。第１のレジストレーションの第１および第２の重み係数はゼロではない。第１の画像から第２の画像への変換に関連する第１のレジストレーションからの第１の変形パラメータセットは、最適化から得られる。本方法は、第１の画像と第２の画像との第２のレジストレーションを更に含み、第２のレジストレーションは、第１の変形パラメータセットに基づいて、第１の画像の少なくとも一部と第２の画像の少なくとも一部との相関を含み、第１の画像の第２の画像への変換に関連する第２の変形パラメータセットは、相関から得られる。

【0011】

第１の画像と第２の画像をレジストレーションすることは、第１の画像内の特徴が第２の画像内の対応する特徴に位置合わせされるように、第１の画像を第２の画像に位置合わせするように変換することを意味し、このような特徴は、骨、除脂肪軟部組織および／または脂肪のような異なる組織クラスであってもよい。言い換えれば、第１の画像は、第２の画像の座標系に変換され得る。第１の画像と第２の画像の両方が、中間空間の座標系に位置合わせされるように同時に変換されてもよいことが理解されるべきである。したがって、第１の画像は第１の空間に配置されてもよく、第２の画像は第２の空間に配置されてもよく、第１および第２の画像の両方は、レジストレーションにおいて、第１または第２の空間と同一ではない共通の中間空間に位置合わせされるように変換されてもよい。

【0012】

変形パラメータセットとは、変形パラメータセットが関連付けられている画像の少なくとも一部の変形を示すパラメータセットを意味する。言い換えれば、変形パラメータセットとは、第１の画像の特徴の少なくとも一部を第２の画像の対応する特徴と位置合わせするための第１の画像の変換を示すパラメータセットを意味する。

【0013】

Ｘ線検査とは、対象物のＸ線検査を意味する。対象物は、典型的には人または動物であり、従って、検査によって典型的には対象物、即ち、撮影対象物の画像がもたらされる。撮影された対象物は、身体またはその部分など対象物の任意の部分であってよい。これは、胴体または少なくともその一部、頭部、腕（単数または複数）、脚（単数または複数）または分析される対象物の任意の部分と理解されるべきである。胴体の一部とは、例えば胸部や腹部などである。

【0014】

第１および第２の医用画像検査からのＸ線減弱（すなわち吸収）に対して有意なデータとは、異なる測定からのＸ線減弱を含むデータを意味し、測定は同一または異なる対象物に対して異なる時点で実施され得る。

【0015】

本発明は、重み付けコスト関数を最適化することによって得られる２つの画像の相関が、第１の画像からの例えば骨などの特定の組織クラスと、第１の画像との両方を有することにより、特定の組織クラスからの情報と共に全体的な画像情報に少なくとも部分的に基づく相関を提供するという理解に基づいている。これにより、２つの画像のレジストレーションの精度を向上させる点で有利であることが示されている。さらに、本方法は、第１の画像と第２の画像との段階的レジストレーションを提供する点で有利であり、段階的レジストレーションは、少なくとも２つのステップのレジストレーションを含み、各ステップにおいて、第１の画像と第２の画像との相関が、前のステップからの情報を使用することによって改善され、すなわち、誤差を最小化し、第１の画像と第２の画像との位置合わせを改善し、その結果、改善された変形パラメータセットを提供する。これにより、画像レジストレーションが改善され、第１および／または第２の画像における異常の検出が容易になる。異常は、腫瘍、石灰化、嚢胞、および／または、組織に発生する良性および／または悪性の変化のような、検出の関心対象となり得る任意のその他の異常であってもよい。異常は、レジストレーションから得られる画像強度値の変化および／または局所的な組織体積の拡大／縮小によって検出され得る。概して、本方法では、１つの対象物（例えば、異なる時点における同じ対象物の画像を位置合わせする場合）または複数の対象物（例えば、異なる対象物の画像を位置合わせする場合）の特徴を描写するため、本方法は、取得された任意の２つの画像を位置合わせする際に有利であることが示されている。本方法は、大きな撮影体積を含む画像、例えば対象物の少なくとも腹部および／または少なくとも胴体を含む画像に対して特に有利であることが示されている。典型的には、描写された面積および／または体積が増加すると、画像の複雑さとそれに応じてそのレジストレーションが増大する。しかしながら、本方法は、複雑さの増大を克服し、大きな画像体積を含む画像に対してレジストレーションを容易にすることが示されている。したがって、Ｘ線検査からの対象物の画像は、典型的には、対象物の少なくとも腹部、少なくとも胴体を含み得る、および／または、Ｘ線検査からの対象物の画像は、対象物の全身を含み得る。あるいは、Ｘ線検査からの対象物の画像は、典型的には、対象物の全身の少なくとも５０％を含み得る。さらに、本発明はＸ線検査によって取得された画像データを利用することに基づき、それによって、異なる組織クラスのセグメンテーションを容易にする。Ｘ線検査に基づく画像は、特に骨組織のセグメンテーションに有益であり、これは、骨組織が、例えばＭＲＩ画像に比べてＸ線画像で非常にコントラストが高く検出されるからである。

【0016】

画像は、例えば３次元（３Ｄ）画像、すなわち体積画像であってもよいし、２次元（２Ｄ）画像であってもよい。

【0017】

重み付けコスト関数は、２つ以上のパラメータを含む最適化される関数として理解されるべきであり、各パラメータは対応する重み係数と関連付けられる。パラメータは、典型的には、第１の画像の少なくとも一部分と第２の画像の少なくとも複数部分との相関であってもよい。

【0018】

第２のレジストレーションは、第１のレジストレーションから得られる第１の変形パラメータセットに基づいて行われる。これは、第２のレジストレーションが第１のレジストレーションからの変形パラメータを直接使用してもよいし、第２のレジストレーションが第１のレジストレーションと第２のレジストレーションの間の、第１のレジストレーションからの変形パラメータに基づいて行われ、第２のレジストレーションで使用される可能性がある新しい変形パラメータのセットを出力する任意のレジストレーションステップからの変形パラメータのセットを使用してもよいことを意味する。レジストレーションの各ステップで変形パラメータを段階的に改善するこの方法は、第１の画像と第２の画像との位置合わせを更に改善する。言い換えれば、第２のレジストレーションを実行する際に、先行するレジストレーションステップからの変形パラメータが、これは第１の変形パラメータセットであってもよいが、第２のレジストレーションを更に改善し、第１の画像と第２の画像との位置合わせを改善する。更に言い換えると、先行するレジストレーションステップからの変形パラメータは、第２のレジストレーションを実行する際に使用されてもよく、第１のレジストレーションからの変形パラメータ、すなわち第１の変形パラメータセットであってもよく、または、第１のレジストレーションの後の第２のレジストレーションの前に実行され得るレジストレーションの任意の中間ステップからの変形パラメータであってもよい。同様に、第１のレジストレーションからの変形パラメータ、すなわち第１の変形パラメータセットは、第２のレジストレーションまたは第１のレジストレーションの後に実行され得るレジストレーションの任意の中間ステップのような、変形および／またはレジストレーションの任意の後続ステップにおいて使用され得る。その他の例は、以下に開示される実施形態においてより明らかになるであろう。

【0019】

変形パラメータは変形フィールドと呼ばれることがあり、変形フィールドは、画像内の各ボクセルまたはピクセルに対するベクトルを含み得る。変形パラメータセットは、第２の画像に位置合わせするための第１の画像の全体または少なくとも一部の変形（または変換）の初期推測として使用することができる。言い換えれば、変形パラメータセットは、第１の画像のボクセルまたはピクセルの全部または一部に対するボクセル単位またはピクセル単位の変換情報を含み得る。

【0020】

第１のレジストレーションは骨組織を扱う。骨組織は第１のレジストレーションを実行する際に第１の組織クラスとして用いるのが好ましいことが示されている。これは、骨が対象物内の他の組織クラスと比較して比較的隆起しており、骨組織がレジストレーションされた場合、周囲の組織は、対象物間である程度類似した骨からの相対的な距離を維持する傾向があるからである。骨組織とは、１５０超、好ましくは２００超のハンスフィールド値を有する実質的に骨からなる対象物内の組織を意味する。１５０～３５０のハンスフィールド値は、典型的に低密度の骨組織と関連している可能性がある。

【0021】

第１のレジストレーションは、第１の組織クラスに関連した、第１の画像内の画像ボクセルのセットを定義する第１の制約パラメータセットを提供してもよく、第２のレジストレーションは、第２のレジストレーションを予め形成するときに、第１の制約パラメータセットによって所定のレジストレーション制限を有する第１の画像内のボクセルのセットを定義することで、第１の制約パラメータセットを考慮に入れてもよい。

【0022】

概して、制約パラメータは、その変換が既に実行されたために、後続のレジストレーションステップを実行する際に、所定の制限に従ってその変換が制限されるまたは変換が必要とされないボクセルを定義してもよく、これによって、レジストレーションで既に使用された組織クラスが、後続のレジストレーションステップを実行する際に所定の制限に従ってレジストレーションされ得るので、レジストレーションの精度を更に向上させ得る。よって、所定のレジストレーション制限は、後続のレジストレーションステップを実行する際に変換が許容されるボクセルのボクセル数として定義されてもよい。これによって、実際の制約パラメータを得るために使用された組織クラスとは異なる組織クラスに対してレジストレーションが実行され得るため、後続のレジストレーションステップ中に画像ボクセルが誤配置されるリスクを低減することができる。制約パラメータによって定義されるボクセルは、後続のステップのいずれかにおいて第１の画像を位置合わせするために変換が制限されるか、または配置の固定が許容される、即ち、変換が全く許容されない対象物の部分を示してもよい。例えば、第１のレジストレーションからの制約パラメータによって定義されたボクセルは、配置が固定されるボクセルまたは定義されたボクセル数内で変換が許容されるボクセルを定義することができ、これによって、第２のレジストレーションなどの後続のレジストレーションステップ中にこれらのボクセルが第１の画像内の他のボクセルよりもレジストレーションの影響を受けないようにする。従って、制約パラメータセットによって定義されたボクセルは、少なくともいくつかの実施形態において、第２のレジストレーションから除外され得るので、第２のレジストレーションを実行する際に処理するデータ量は、制約パラメータセットを適用することによって低減または制限され得る。

【0023】

一実施形態によれば、本方法は、第１の画像に関連付けられ、第１の画像内の第２の組織クラスの情報を含む第２の組織クラス第１の部分画像を取得することと、第２の画像に関連付けられ、第２の画像内の第２の組織クラスの情報を含む第２の組織クラスの第２の部分画像を取得することとを含み、第２の組織クラスは、除脂肪軟部組織および脂肪組織からなる群から選択される。第２のレジストレーションにおける第１の画像の少なくとも一部と第２の画像の少なくとも一部との相関は、第２の重み付けコスト関数の最適化を含み、第２の重み付けコスト関数は、第２のレジストレーションの第１の重み係数を用いた第１の画像と第２の画像との相関と、第２のレジストレーションの第２の重み係数を用いた第２の組織クラス第１の部分画像と第２の組織クラスの第２の部分画像との相関との和を含み、第２のレジストレーションの第１および第２の重み係数はゼロではない。第２のレジストレーションは、第２の組織クラスに関連する第１の画像内の画像ボクセルのセットを定義する第２の制約パラメータセットを提供し得る。第２の変形パラメータセットは、最適化から得られる。

【0024】

この実施形態は、第２の変形パラメータセットを提供することによって、第２の画像に対する第１の画像の全体的な情報および第２の画像に対する第１の画像の特定の情報の両方の相関が実行されるため、すなわち、除脂肪軟部組織または脂肪組織に関して画像のレジストレーションを実行することによって、第２の画像に対する第１の画像のレジストレーションが改善される点で有利である。言い換えれば、第２の変形パラメータセットは、第２の画像と位置合わせするために、第１の画像のボクセルの並進を更に定義する。これにより、レジストレーションの精度が更に向上し、第１の画像と第２の画像との間の位置合わせの誤差が減少することが示されている。さらに、第２のレジストレーションが第２の変形パラメータセットを提供することによって、後続のレジストレーションステップを実行する際に、所定の制限に従って、その変換が制限されるか、または変換が必要とされない第１の画像内のボクセルを更に定義することができる。

【0025】

本方法は、第１の画像に関連付けられ、第１の画像内の第３の組織クラスの情報を含む、第２のレジストレーションの第３の組織クラスの第１の部分画像を取得することと、第１の画像に関連付けられ、第２の画像内の第３の組織クラスの情報を含む、第２のレジストレーションの第３の組織クラスの第２の部分画像を取得することとを更に含んでもよく、第２の組織クラスは除脂肪軟部組織であり、第３の組織クラスは脂肪組織である。第２の重み付けコスト関数は、第２のレジストレーションの第１の重み係数を用いた第１の画像と第２の画像との相関と、第２のレジストレーションの第２の重み係数を用いた第２の組織クラスの第１の部分画像と第２の組織クラスの第２の部分画像との相関と、第２のレジストレーションの第３の重み係数を用いた第３の組織クラスの第１の部分画像と第３の組織クラスの第２の部分画像との相関との和を含んでもよく、第２のレジストレーションの第１、第２および第３の重み係数はゼロではない。第２のレジストレーションは、第２の制約パラメータセットに第３の組織クラスに関連した第１の画像内の画像ボクセルのセットを定義する制約パラメータを更に提供する。除脂肪軟部組織とは、筋肉組織など、－２９～１５０のハンスフィールド値を有する身体器官を含む対象物内の組織を意味する。脂肪組織とは、－１９０～－３０のハンスフィールド値を有する、実質的に脂肪の組成を有する対象物内の組織を意味する。

【0026】

脂肪組織情報および除脂肪軟部組織情報の両方からなる重み付けコスト関数を最適化して第１の画像のレジストレーションを実施することによって、第１の画像と第２の画像とのレジストレーションが更に改善され得る。第２の重み付けコスト関数が、第１の画像と第２の画像の全体的な情報および第１の画像と第２の画像の脂肪組織および除脂肪軟部組織の両方の相関を含むため、第２のレジストレーションからの変形パラメータが更に改善されるためである。

【0027】

一実施形態によれば、本方法は、第１の画像に関連付けられ、第１の画像内の混合組織の情報を含む第４の組織クラスの第１の部分画像を取得することと、第２の画像に関連付けられ、第２の画像内の混合組織の情報を含む第４の組織の第２の部分画像を取得することとを含む。混合組織は、第１および第２の画像においてそれぞれ皮下脂肪に囲まれた組織として定義される。本方法は、第１の画像に関連付けられ、第１の画像内の脂肪組織の情報を含む第５の組織クラスの第１の部分画像を取得することと、第２の画像に関連付けられ、第２の画像内の脂肪組織の情報を含む第５の組織クラスの第２の部分画像を取得することとを更に含む。本方法は第１の変形パラメータセットに基づいて、第１の画像と第２の画像との中間レジストレーションを実施することを更に含み、中間レジストレーションは、中間レジストレーションの第１の重み係数を用いた第１の画像と第２の画像との相関と、中間レジストレーションの第２の重み係数を用いた第４の組織クラスの第１の部分画像と第４の組織クラスの第２の部分画像との相関と、中間レジストレーションの第３の重み係数を用いた第５の組織クラスの第１の部分画像と第５の組織クラスの第２の部分画像との相関との和を含む第３の重み付けコスト関数の最適化を含み、中間レジストレーションの第１、第２および第３の重み係数はゼロではない。第１の画像から第２の画像への変換に関連する中間変形パラメータセットは最適化から得られ、第２のレジストレーションは中間変形パラメータセットに基づいて行われる。皮下脂肪に囲まれた組織とは、皮下脂肪を除く対象物内に割り当てられた組織または空気、すなわち、皮下脂肪および場合によっては対象物の輪郭がそれぞれ除去された後の、第１の画像および第２の画像にそれぞれ定義された組織または空気として理解されるべきである。

【0028】

この実施形態は、段階的レジストレーションにステップを追加することによってレジストレーションの精度を更に向上させる点で有利である。上述したように、第２のレジストレーションは、第１のレジストレーションと第２のレジストレーションとの間の任意のレジストレーションステップからの、第１のレジストレーションの変形パラメータに基づく変形パラメータセットを使用してもよい。したがって、第２のレジストレーションは、中間レジストレーションからの中間変形パラメータセットを使用してもよく、よって、第２のレジストレーションステップは、更に改善された変形パラメータセットを使用することができるため、レジストレーションの精度が更に向上する。

【0029】

中間レジストレーションは、中間レジストレーションを実行する際に、第１の制約パラメータセットによって所定のレジストレーション制限を有する第１の画像内の少なくとも１つのボクセルセットを定義することで、第１の制約パラメータセットを考慮に入れてもよい。

【0030】

さらに、中間レジストレーションは、混合組織に関連する第１の画像内の少なくとも１つの画像ボクセルのセットを定義する第３の制約パラメータセットを提供してもよく、第２のレジストレーションは、第２のレジストレーションを予め形成する際に、第３の制約パラメータセットによって第１の画像内の少なくとも１つのボクセルのセットを定義することで、第３の制約パラメータセットを更に考慮に入れてもよい。

【0031】

第３の制約パラメータセットは、第１の画像内の皮下脂肪に囲まれた組織と皮下脂肪との間の境界上のボクセルを定義してもよい。第３の制約パラメータセットは、皮下脂肪に囲まれたボクセルが、皮下脂肪に囲まれた組織と皮下脂肪との間の境界の外側にレジストレーションされることを、レジストレーションの任意の後続のステップにおいて更に制限してもよい。

【0032】

一実施形態によれば、本方法は、第１の画像に関連付けられ、第１の画像内の第６の組織クラスの情報を含む第６の組織クラスの第１の部分画像を取得することと、第２の画像に関連付けられ、第２の画像内の第６の組織クラスの情報を含む第６の組織クラスの第２の部分画像を取得することとを更に含み、第６の組織クラスは皮下脂肪である。本方法は、第１の画像と第２の画像の第３のレジストレーションを更に含み、第３のレジストレーションは、第３のレジストレーションの第１の重み係数を用いた第１の画像と第２の画像との相関と、第３のレジストレーションの第２の重み係数を用いた第６の組織クラスの第１の部分画像と第６の組織クラスの第２の部分画像との相関との和を含む第４の重み付けコスト関数の最適化を含み、第３のレジストレーションの第１および第２の重み係数はゼロではない。第１の画像の第２の画像への変換に関連する第３の変形パラメータセットは最適化から得られる。

【0033】

この実施形態は、第１の画像と第２の画像とのレジストレーションを更に改善する点で有利であり、レジストレーションは皮下脂肪に更に基づいて実施され、したがって、改善された変形パラメータを得ることができ、レジストレーションの精度の向上および／または変形パラメータに基づく任意の変形をもたらす。

【0034】

第３のレジストレーションは、第３のレジストレーションを予め形成する際に、第１の制約パラメータセットによって、所定のレジストレーションの制限を有する第１の画像内のボクセルのセットを定義することで、少なくとも第１の制約パラメータセットを考慮に入れてもよい。

【0035】

第３のレジストレーションは、第１および第２の制約パラメータセットがそれぞれ存在する場合に、第３のレジストレーションを予め形成する際に、第１および第２の制約パラメータセットによって、所定のレジストレーションの制限を有する第１の画像内のそれぞれのボクセルのセットを定義することで、少なくとも第１および第２の制約パラメータセットを考慮に入れてもよい。

【0036】

第３のレジストレーションは、第１、第２および第３の制約パラメータセットがそれぞれ存在する場合に、第３のレジストレーションを予め形成する際に、第１、第２および第３の制約パラメータセットによって、所定のレジストレーションの制限を有する第１の画像内のそれぞれのボクセルのセットを定義することで、少なくとも第１、第２および第３の制約パラメータセットを考慮に入れてもよい。

【0037】

第１、第２および第３の制約パラメータは全て、それぞれの制約パラメータのセットによって定義されるボクセルに対して異なる制限を含み得ることを理解されたい。言い換えれば、第１のレジストレーションからの制約パラメータは、第１の所定のレジストレーションの制限を定義してもよい。第２のレジストレーションからの制約パラメータは、所定のレジストレーションの制限、例えば、第２の所定のレジストレーションの制限を定義してもよい。中間レジストレーションからの制約パラメータは、所定のレジストレーションの制限、例えば、第３の所定のレジストレーションの制限を定義してもよい。

【0038】

第３のレジストレーションを実行する際に、画像レジストレーションの先行するステップの全てまたは少なくとも一部からの制約パラメータを更に使用することによって、所定のレジストレーションの制限によって、先行するステップにおいて既にレジストレーションが行われた組織クラスが第３のレジストレーションにおいて制限されるため、第１の画像と第２の画像のレジストレーションが改善され得る。言い換えれば、これは、第１の画像と第２の画像との位置合わせの誤差を最小にし、そして、以前にレジストレーションされた組織クラスの配置が固定され、第３のレジストレーションステップの間に変更を許容されなくし得るため、改善された変形パラメータのセットを提供することができる点で有利である。これにより、後続し得るステップにおいて、第１および第２の画像の少なくとも一方のレジストレーションおよび／または変形が改良され得る。

【0039】

一実施形態によれば、第１の画像に関連したそれぞれの組織クラスの部分画像を取得する各ステップは、第１の画像内のデータに基づいて、第１の画像内のそれぞれの組織クラスに関連した第１の画像の第１のボクセルのセットを特定することと、第１の画像の第１のボクセルのセットは第１の画像内のデータに基づいて各組織クラスを表し、第１の画像内の特定された第１の画像の第１のボクセルのセットから第１の画像に関連した部分画像を作成することとを含む。第２の画像に関連したそれぞれの組織クラスの部分画像を取得する各ステップは、第２の画像内のデータに基づいて、第２の画像内のそれぞれの組織クラスに関連した第２の画像の第２のボクセルのセットを特定することと、第２の画像の第２のボクセルセットは第２の画像内のデータに基づいて各組織クラスを表し、第２の画像内の特定された第２の画像の第２のボクセルセットから第２の画像に関連した部分画像を作成することとを含む。

【0040】

この実施形態は、第１の画像と第２の画像のセグメンテーションを容易にし、それによって、第１の画像と第２の画像とのレジストレーションを容易にする点で有利である。

【0041】

第１の画像と第２の画像とのそれぞれの相関は、正規化相互相関、差の二乗和、および相互情報量からなる群から選択されてもよく、各第１の部分画像と各第２の部分画像とのそれぞれの相関は、正規化相互相関、差の二乗和、および相互情報量からなる群から選択されてもよい。

【0042】

本方法は、第１の組織クラスの第１の部分画像と第１の組織クラスの第２の部分画像とのアフィンレジストレーションを含んでもよく、第１の画像の第２の画像への変換に関連した初期変形パラメータセットは、アフィンレジストレーションから取得される。第１のレジストレーションは、初期変形パラメータセットに基づいて実行されてもよい。

【0043】

第１のレジストレーションに先んじてアフィンレジストレーションを実行することは、第１のレジストレーションの初期推測として使用され得る初期変形パラメータセットを提供し、それによって、画像レジストレーションの後続のステップを容易にする点で有利となり得る。

【0044】

本方法はまた、所定のクロッピング領域に従って、第１の組織クラスの第１の部分画像および第１の組織クラスの第２の部分画像を画像クロッピングすることを含み得る。

【0045】

それぞれの第１の組織クラスの第１の部分画像および第１の組織クラスの第２の部分画像をクロッピングすることによって、レジストレーションの対象となるデータが少なくなるため、レジストレーションを容易にし得る。さらに、所定のクロッピング領域にレジストレーションを実行することによって、データを制限し、後続のレジストレーションステップに正しいデータがあることを確実にすることによって、レジストレーションを容易にし得る。例えば、画像のレジストレーションを行う際に、既知の関心領域（ＲＯＩ）が使用されるように画像をクロッピングすることができる。

【0046】

本方法は、第１の画像の第１の前画像および第２の画像の第２の前画像の初期画像調整を含んでもよく、初期画像調整は、第１の画像および第２の画像をそれぞれ出力し、第１の前画像および第２の前画像をそれぞれ線形または非線形に強度スケーリングすることからなる強度スケーリングと、第１の前画像および第２の前画像にそれぞれ平均フィルタ、メディアンフィルタおよびソーベルフィルタの少なくとも１つを適用することからなる画像フィルタリングとの少なくとも１つを含む。

【0047】

強度スケーリングは、第１および第２の画像に、後続のレジストレーションステップの少なくとも１つにおいて異なる組織クラスを区別することを更に容易にするように構成されたスケーリングされた強度を提供する点で有利であり得る。さらに、画像フィルタを適用することによって、後続のレジストレーションステップの少なくとも１つにおいて異なる組織クラスの区別を容易にし得る。例えば、画像から第１および第２の前画像のエッジを検出するためにソーベルフィルタを適用することにより、異なる組織クラス、特に骨組織を区別することが更に容易になり得る。前画像とは、第１および第２の画像のそれぞれの前段階の画像を意味し、初期画像調整の出力がそれぞれ第１および第２の画像となり得る。

【0048】

本方法は、上記いずれかの変形パラメータセットに基づいて第１の画像を変形させることを含み得る。

【0049】

上記いずれかの変形パラメータセットに基づいて第１の画像を変形させることは、変形された第１の画像が第２の画像と位置合わせされ、すなわちレジストレーションされ、それによって、第１の画像と第２の画像との比較を容易にする点で有利であり得る。

【0050】

本方法はまた、陽電子放射断層撮影（ＰＥＴ）検査で撮影された第３の画像を取得することを含んでいてもよく、第３の画像は第１の画像と既知の空間的および時間的関係を有する。本方法は、上記いずれかの変形パラメータセットに基づいて第３の画像を変形させることを更に含んでいてもよい。

【0051】

上記いずれかの変形パラメータセットに基づいて第３の画像を変形することは、ＰＥＴ検査において撮影された第３の画像を変形させ、この第３の画像を第２の画像と位置合わせする際に有利であり得る。例えば、第１の医用画像検査のＸ線減弱からの有意なデータを含む第１の画像は、第３の画像との時間的および空間的関係が既知であるＰＥＴ－ＣＴスキャンから取得されるかもしれない。

【0052】

第２の態様によれば、処理部を含む画像情報処理システムであって、処理部が、前述した実施形態のいずれか１つによる方法を実行するように構成される、システムが提供される。

【0053】

この第２の態様は、上記第１の態様と同等の利点を有する。

【0054】

ある態様に関連して説明された特徴は、他の態様にも含まれていてもよく、その特徴の利点は、その特徴が含まれた全ての態様に適用され得る。

【0055】

本発明の概念のその他の目的、特徴および利点は、以下の詳細な開示、添付の特許請求の範囲および図面から明らかになるであろう。

【0056】

概して、特許請求の範囲において使用される全ての用語は、本明細書において明示的に別段定義されない限り、技術分野における通常の意味に従って解釈される。さらに、本明細書における「第１」、「第２」、および「第３」などの用語の使用は、いかなる順序、量、または重要性も示すものではなく、１つの要素を他の要素と区別するために使用される。ａ／ａｎ／ｔｈｅ（要素、装置、構成要素、手段、ステップなど）という言及はすべて、明示的に別段の記載がない限り、当該要素、装置、構成要素、手段、ステップなどの少なくとも１つの例を指すものとして広義に解釈されるものとする。本明細書に開示された方法のステップは、明示的に記載されていない限り、開示された順序に忠実に実行される必要はない。

【図面の簡単な説明】

【0057】

上記、並びに本発明概念の更なる目的、特徴および利点は、添付図面を参照して、本発明概念の異なる実施形態についての以下の例示的かつ非限定的な詳細な説明を通じてよりよく理解されるであろう。

【0058】

【図1】図１は、少なくとも１つの実施形態に係わる方法を概略的に示す。

【図2】図２は、少なくとも１つの実施形態に係わる方法を概略的に示す。

【図3】図３は、少なくとも１つの実施形態に係わる方法を概略的に示す。

【図4】図４は、少なくとも１つの実施形態に係わる異なる画像を概略的に示す。

【図5】図５は、少なくとも１つの実施形態に係わる、第１の画像と第２の画像をレジストレーションした後の、第１の画像と第２の画像との比較を概略的に示す。

【図6】図６は、少なくとも１つの実施形態に係わる、１つの第１の画像と第２の画像の集合をレジストレーションした後の、第１の画像と第２の画像の集合との比較を概略的に示す。

【図7】図７は、少なくとも１つの実施形態に係わる、複数の第１の画像と１つの第２の画像とのレジストレーションを概略的に示す。

【図8】図８は、少なくとも１つの実施形態に係わる、Ｘ線検査における画像の取得を概略的に示す。

【0059】

図は必ずしも縮尺通りではなく、概して、発明概念を明瞭にするために必要な部分のみを示しており、他の部分は省略されているか、単に示唆されている可能性がある。

【発明を実施するための形態】

【0060】

図１は、少なくとも１つの実施形態に係わる、第１の画像と第２の画像とをレジストレーションするための方法１００を概略的に示す。明瞭化かつ簡素化のために、本方法は「ステップ」という言葉で説明される。ステップは、必ずしも時間的に区切られたり、互いに分離されたりする工程ではなく、２つ以上の「ステップ」が並行して同時に実行されてもよいことを強調したい。第１の画像２０１ａは、第１の医用画像検査からのＸ線減弱に有意なデータを含み、第２の画像２０２ｂは、第２の医用画像検査からのＸ線減弱に有意なデータを含む。本方法は、第１の画像に関連付けられ、第１の画像２０１ａ内の第１の組織クラスの情報を含む第１の組織クラスの第１の部分画像２０２ａを取得すること１１０ａを含む。本方法は、第２の画像２０１ｂに関連付けられ、第２の画像内の第１の組織クラスの情報を含む第１の組織クラスの第２の部分画像２０２ｂを取得すること１１０ｂを更に含む。第１の組織クラスは骨組織である。

【0061】

第１の組織クラスの第１の部分画像２０２ａおよび第１の組織クラスの第２の部分画像２０２ｂは、異なる方法で取得されてもよい。例えば、第１の組織クラスの第１の部分画像２０２ａおよび第１の組織クラスの第２の部分画像２０２ｂの少なくとも一方は、それぞれ第１および第２の画像２０１ａ、２０２ｂの前処理から取得されてもよい。加えてまたはそれに代えて、第１の組織クラスの第１の部分画像２０２ａおよび第１の組織クラスの第２の部分画像２０２ｂの少なくとも一方は、それぞれ第１および／または第２の画像２０１ａ、２０２ｂ内の第１の組織クラスを特定することによって取得されてもよい。第１の組織クラスの第１の部分画像２０２ａおよび／または第１の組織クラスの第２の部分画像２０２ｂは、それぞれ、第１および／または第２の画像２０１ａ、２０１ｂ内の特定された第１の組織クラスから作成されてもよい。

【0062】

本方法は、第１の画像２０１ａと第２の画像２０１ｂとの第１のレジストレーション１２０を更に含み、第１のレジストレーション１２０は、第１の重み付けコスト関数の最適化１２２を含む。第１の重み付けコスト関数は、第１のレジストレーションの第１の重み係数を用いた第１の画像と第２の画像との相関と、第１のレジストレーションの第２の重み係数を用いた第１の組織クラスの第１の部分画像と第１の組織クラスの第２の部分画像との相関との和を含む。第１のレジストレーションの第１および第２の重み係数はゼロではない。したがって、第１の重み付けコスト関数は、Σ（Ｗ１１＊相関（第１の画像２０１ａ、第２の画像２０１ｂ）、Ｗ１２＊相関（第１の組織クラスの第１の部分画像２０２ａ、第１の組織クラスの第２の部分画像２０２ｂ））の形をとることができ、ここで、Ｗ１１およびＷ１２はそれぞれ、第１のレジストレーションの第１の重み係数および第２の重み係数である。第１の画像２０１ａから第２の画像２０１ｂへの変換に関連する第１のレジストレーション１２０からの第１の変形パラメータセット１２４は、最適化１２２から得られる。

【0063】

本方法は、第１の画像２０１ａと第２の画像２０１ｂとの第２のレジストレーション１４０を更に含み、第２のレジストレーション１４０は、第１の変形パラメータセット１２４に基づいた、第１の画像２０１ａの少なくとも一部と第２の画像２０１ｂの少なくとも一部との相関１４１を含み、第１の画像２０１ａの第２の画像２０１ｂへの変換に関連する第２の変形パラメータセット１４４は、相関１４１から得られる。従って、相関１４１は、第１の変形パラメータセットを直接または間接的に使用してもよく、すなわち、直接使用される場合、本明細書中において、変形パラメータセットは、相関１４１を実行する際に初期推測として使用され得ることを意味する。

【0064】

第１および第２の医用画像検査は、ＣＴスキャナ（コンピュータ断層撮影機器）で実行される検査であってもよい。従って、第１および第２の画像は、それぞれ第１および第２のＣＴ画像であってもよい。

【0065】

第１の画像２０１ａの少なくとも一部と第２の画像２０１ｂの少なくとも一部との相関１４１は、第１の画像２０１ａの少なくとも一部が第２の画像２０１ｂの少なくとも一部にレジストレーションされる任意の形式の画像相関であってもよい。

【0066】

故に、方法１００は、第１の画像２０１ａと第２の画像２０１ｂとのレジストレーションを改善するために、第１の画像２０１ａと第２の画像２０１ｂとの段階的なレジストレーションを含むことが理解されるべきである。さらに、第１のレジストレーションにおいて、および／または、後述する実施形態に係わる方法の任意の後続のレジストレーションステップにおいて、それぞれの部分画像を有する第１および第２の画像２０１ａ、２０１ｂの両方を使用することで、レジストレーションされる各画像（第１および第２の画像）の画像全体からの画像情報と各画像に提供される特定の組織情報との両方に基づくレジストレーションが提供される。これにより、第１および第２の画像２０１ａ、２０１ｂそれぞれからの情報が第１および第２の画像２０１ａ、２０１ｂそれぞれについて得られた部分画像と共に使用される各ステップにおいて（第１および第２の画像の）レジストレーションの精度が向上することが示されている。本方法および提供されるシステムに追加のステップを有する追加の実施形態を、以下の図面を参照して説明する。

【0067】

まず、少なくとも一実施形態に係わる方法１００を模式的に示す図２を参照して、本方法について説明する。図２に示される方法は、図１を参照して示される方法と類似しており、例えば、第１のレジストレーションは、図１に対して前述したものと同じく実行される。しかしながら、図２では、第１のレジストレーション１２０の後に、第２のレジストレーション１４０の前に実行される中間レジストレーション１３０のような追加ステップを含む方法１００が開示されている。さらに、図２は、第２のレジストレーション１４０において第１の画像の少なくとも一部と第２の画像の少なくとも一部との相関１４１が、第２の重み付けコスト関数の最適化１４２を含み得ることを示している。概して、各ステップは、レジストレーションの直後のステップおよび／または変形ステップで使用するための変形パラメータ１２４、１３４、１４４、１５４を提供する。変形パラメータ１２４、１３４、１４４、１５４は、第１の画像と第２の画像とをレジストレーションするために、第１の画像のボクセルの少なくとも一部のボクセル毎に、各ボクセルに対する変換を示すベクトルのフィールドを定義することができる。画像内の全てのボクセルが必ずしも変形パラメータによって定義されるわけではなく、つまり、第１の画像内のボクセルの少なくとも一部が変形パラメータによって定義され得ることを理解されたい。一方で、第１の画像内の全てのボクセルが変形パラメータによって定義され得ることも理解されたい。３次元画像、すなわち体積画像の場合、これらの画像は３つの直交する方向、ｘ方向、ｙ方向およびｚ方向に定義されてもよい。第１の画像におけるボクセルの少なくとも一部の各ボクセルのベクトルのフィールドは、それぞれの方向、すなわちｘ方向、ｙ方向およびｚ方向に定義されたベクトルを含み得る。

【0068】

本方法は、第１の変形パラメータセット１２４に基づいて、第１の画像と第２の画像とを中間レジストレーション１３０することを含んでいてもよい。したがって、第１のレジストレーション１２０から得られた第１の変形パラメータセット１２４は、初期レジストレーション１３０を実行する際に初期推測として使用されてもよい。

【0069】

本方法は、第１の画像に関連付けられ、第１の画像内の混合組織の情報を含む第４の組織クラスの第１の部分画像２０３ａを取得すること１１３ａを更に含んでもよい。さらに、本方法は、第２の画像に関連付けられ、第２の画像内に混合組織の情報を含む第４の組織の第２の部分画像２０３ｂを取得すること１１３ｂを含んでもよい。混合組織は、第１および第２の画像２０１ａ、２０１ｂ内のそれぞれ皮下脂肪に囲まれた組織として定義される。

【0070】

混合組織は、第１の画像および第２の画像内のそれぞれ皮下脂肪に囲まれた組織として定義される。好ましくは、混合組織は、第１の画像において、撮影対象物から皮膚組織および皮下脂肪を除去することによって得られる。第１および第２の画像における撮影対象物内の組織はそれぞれ、そのハンスフィールド値（ＨＵ）に従って検出されてもよい。皮膚組織は、体の輪郭などの対象物の輪郭から５ｍｍ以内のＨＵが－２９～１５０の軟組織として検出されてもよい。対象物の輪郭は、撮影された対象物の外側の境界として定義される。皮下脂肪は、手動セグメンテーションまたは自動画像処理アルゴリズムのいずれかによって、皮膚組織の直下の１９０～－３０のＨＵとして同定することができる。骨組織は１５０超、好ましくは２００超のＨＵを有し、軟組織は－２９～１５０のＨＵを有し、脂肪は－１９０～－３０のＨＵを有すると定義することができる。第１の画像および第２の画像のそれぞれにおける撮影対象物内の組織は、低密度組織のような記載された値よりも低いＨＵ値を有する組織を含んでいてもよい。低密度組織は、典型的には、－１９０未満、好ましくは－３００未満または－５００未満のＨＵを有する撮影対象物内の組織であってもよい。低密度組織は、典型的には、著しく多くの空気を含む対象物内の組織であってもよい。対象物内の空気は、－５００未満のＨＵとして定義することができる。その後、第４の組織クラスの第１の部分画像２０３ａおよび第４の組織クラスの第２の部分画像２０３ｂを提供するために、対象物内の検出された組織および低密度組織から皮下脂肪および皮膚組織が除外されてもよい。言い換えれば、第４の組織クラスの第１の部分画像２０３ａおよび第４の組織の第２の部分画像２０３ｂを提供するために、皮下脂肪および皮膚組織が撮影された対象物から除外されてもよい。

【0071】

本方法は、第１の画像に関連付けられ、第１の画像内の脂肪組織の情報を含む第５の組織クラスの第１の部分画像２０４ａを取得すること１１４ａを更に含み得る。本方法は、第２の画像に関連付けられ、第２の画像における脂肪組織の情報を含む第５の組織クラスの第２の部分画像２０４ｂを取得すること１１４ｂを含み得る。幾つかの実施形態では、第３の組織クラスの第１部分画像２０６ａおよび第３の組織クラスの第２部分画像２０６ｂがそれぞれ第１の画像および第２の画像における脂肪組織の情報を含む場合、これらの画像をそれぞれ第５の組織クラスの第１の部分画像２０４ａおよび第５の組織クラスの第２の部分画像２０４ｂとして使用してもよい。

【0072】

中間レジストレーション１３０は、中間レジストレーションの第１の重み係数を用いた第１の画像と第２の画像との相関と、中間レジストレーションの第２の重み係数を用いた第４の組織クラスの第１の部分画像２０３ａと第４の組織クラスの第２の部分画像２０３ｂとの相関と、中間レジストレーション１３０の第３の重み係数を用いた第５の組織クラスの第１の部分画像２０４ａと第５の組織クラスの第２の部分画像２０４ｂとの相関との和を含む第３の重み付けコスト関数の最適化１３２を含んでもよい。中間レジストレーションの第１、第２および第３の重み係数は、非ゼロであってもよい。従って、第３の重み付けコスト関数は、Σ（Ｗ３１＊相関（第１の画像２０１ａ、第２の画像２０１ｂ）、Ｗ３２＊相関（第４の組織クラスの第１の部分画像２０３ａ、第４の組織クラスの第２の部分画像２０３ｂ）、Ｗ３３＊相関（第５の組織クラスの第１の部分画像２０４ａ、第５の組織クラスの第２の部分画像２０４ｂ））の形をとることができ、ここで、Ｗ３１、Ｗ３２およびＷ３３は、それぞれ、中間レジストレーションの第１、第２および第３の重み係数である。

【0073】

第１の画像２０１ａから第２の画像２０１ｂへの変換に関連する中間変形パラメータセット１３４は、最適化１３２から得られてもよく、第２のレジストレーション１４０は、中間変形パラメータセット１３４に基づいて実行されてもよい。よって、中間変形パラメータセット１３４は、第２のレジストレーション１４０を実行する際の初期推測として使用されてもよい。第２のレジストレーション１４０は、第１の変形パラメータセット１２４を直接用いて中間レジストレーションによって推測された中間変形パラメータ１３４を用いることによって、第１の変形パラメータのセット１２４に基づくことになる。言い換えれば、中間レジストレーション１３０が第１のレジストレーション１２０からの第１の変形パラメータセット１２４を直接使用するので、中間変形パラメータ１３４を使用する第２のレジストレーション１４０も第１の変形パラメータセット１２４に基づくことになる。

【0074】

さらに、後続のレジストレーションステップで使用するために、各レジストレーションステップによって制約パラメータが提供されてもよい。したがって、制約パラメータは、後続ステップが２つ以上存在する場合、レジストレーションの全ての後続ステップで使用され得る。制約パラメータは、後続のステップのレジストレーションが制限されるべき第１の画像内のボクセルまたはピクセルを定義する。よって、制約パラメータは、定義されたボクセルに対して許容される変換の量を規制、すなわち制限する。制約パラメータによって定義されたボクセルは、その変換が禁止されるように配置が固定され得る。制約パラメータによって定義されたボクセルは、後続のレジストレーションステップにおいて所定の制限に従って移動が許容されてもよく、この制限は、画像内の各方向、すなわち体積画像ではｘ方向、ｙ方向、ｚ方向のボクセル数として定義されてもよい。所定の制限は、１０ボクセル以内、好ましくは、５ボクセル以内、より好ましくは、２ボクセル以内、最も好ましくは、０ボクセル以内であってよい。０ボクセルとは、制約パラメータによって定義されたボクセルがレジストレーションの際に変換されない、すなわち配置が固定され得ることを理解すべきである。２以上のボクセル、例えば１０ボクセル以内、５ボクセル以内、および／または２ボクセル以内などは、制約パラメータによって定義されたボクセルが、ｘ方向、ｙ方向、およびｚ方向の少なくとも１つにおいて、それぞれ定義されたボクセル内で変換が許容されることが理解されるべきである。よって、制約パラメータは、レジストレーション方法の各レジストレーションステップにおいて定義されてよく、各レジストレーションステップの後続のステップは、所定の制限に従って制約パラメータによって定義される第１の画像内のボクセルのレジストレーション、すなわち変換を制限することによって、各レジストレーションステップからの制約パラメータを考慮に入れてもよい。レジストレーションの各レジストレーションステップにおいて定義され得る制約パラメータは、各レジストレーションステップにおいて第１の画像と第２の画像とをレジストレーションする際に使用される組織クラスに基づいてボクセルを定義し得る。それぞれの制約パラメータセットによって定義される第１の画像内の少なくとも１つのボクセルのセットは、各レジストレーションステップにおいて使用されるそれぞれの組織クラスを含むボクセルに関連付けられてもよい。

【0075】

第２のレジストレーション１４０における第１の画像の少なくとも一部と第２の画像の少なくとも一部との相関１４１は、第２の重み付けコスト関数の最適化１４２を含み得る。

【0076】

本方法はまた、第１の画像に関連付けられ、第１の画像内の第２の組織クラスの情報を含む第２の組織クラスの第１の部分画像２０５ａを取得すること１１１ａと、第２の画像に関連付けられ、第２の画像内の第２の組織クラスの情報を含む第２の組織クラスの第２の部分画像２０５ｂを取得すること１１１ｂとを含んでもよい。第２の組織クラスは、除脂肪軟部組織および脂肪組織からなる群から選択されてもよい。第２の重み付けコスト関数は、第２のレジストレーションの第１の重み係数を用いた第１の画像と第２の画像との相関と、第２のレジストレーションの第２の重み係数を用いた第２の組織クラスの第１の部分画像と第２の組織クラスの第２の部分画像との相関との和を含んでもよく、第２のレジストレーションの第１および第２の重み係数はゼロではない。第２の変形パラメータセット１４４は、最適化１４２から得られてもよい。よって、第２の重み付けコスト関数は、Σ（Ｗ２１＊相関（第１の画像２０１ａ、第２の画像２０１ｂ）、Ｗ２２＊相関（第２の組織クラスの第１の部分画像２０５ａ、第２の組織クラスの第２の部分画像２０５ｂ））、の形をとることができ、ここで、Ｗ２１およびＷ２２は、それぞれ、第２のレジストレーションの第１の重み係数および第２の重み係数である。

【0077】

本方法は、第１の画像に関連付けられ、第１の画像における第３の組織クラスの情報を含む、第２のレジストレーションの第３の組織クラスの第１の部分画像２０６ａを取得すること１１２ａと、第１の画像に関連付けられ、第２の画像２０１ｂにおける第３の組織クラスの情報を含む、第２のレジストレーションの第３の組織クラスの第２の部分画像２０６ｂを取得すること１１２ｂとを更に含んでもよい。第２の組織クラスは除脂肪軟部組織であってよく、第３の組織クラスは脂肪組織であってよい。第２の重み付けコスト関数は、第２のレジストレーションの第１の重み係数を用いた第１の画像と第２の画像との相関と、第２のレジストレーションの第２の重み係数を用いた第２の組織クラスの第１の部分画像２０５ａと第２の組織クラスの第２の部分画像２０５ｂとの相関と、第２のレジストレーションの第３の重み係数を用いた第３の組織クラスの第１の部分画像２０６ａと第３の組織クラスの第２の部分画像２０６ｂとの相関との和を含んでもよく、第２のレジストレーションの第１、第２および第３の重み係数はゼロではない。したがって、第２の重み付けコスト関数は、Σ（Ｗ２１＊相関（第１の画像２０１ａ、第２の画像２０１ｂ）、Ｗ２２＊相関（第２の組織クラスの第１の部分画像２０５ａ、第２の組織クラスの第２の部分画像２０５ｂ）、Ｗ２３＊相関（第３の組織クラスの第１の部分画像２０６ａ、第３の組織クラスの第２の部分画像２０６ｂ））の形をとることができ、ここで、Ｗ２１、Ｗ２２、Ｗ２３は、それぞれ、第２のレジストレーションの第１、第２および第３の重み係数である。本明細書において除脂肪軟部組織とは、身体器官、筋肉組織、体水分、皮膚組織、腱、結合組織等の少なくとも１つを含み、－２９～１５０のハンスフィールド値を有する対象物内の組織を意味する。除脂肪軟部組織は、典型的には、対象物の脂肪および骨塩を含まない構成要素であり得る。脂肪組織は、－１９０～－３０のハンスフィールド値を有する、実質的に脂肪を含む組成を有する対象物内の組織を意味する。

【0078】

第１のレジストレーション１２０は、第１の組織クラスに関連する第１の画像内の画像ボクセルのセットを定義する第１の制約パラメータのセット１２６を提供してもよく、第２のレジストレーション１４０は、第２のレジストレーション１４０を予め形成するときに、第１の制約パラメータのセット１２６によって所定のレジストレーションの制限を有する第１の画像内のボクセルのセットを定義することで、第１の制約パラメータのセット１２６を考慮に入れてもよい。

【0079】

したがって、第１の制約パラメータセット１２６によって定義された第１の組織クラスに関連する第１の画像内の画像ボクセルのセットは、第２のレジストレーションおよび中間レジストレーションのような後続のレジストレーションステップが存在する場合、各々のレジストレーションステップを実行する際に、レジストレーションを制限することができる。

【0080】

第２のレジストレーションは、第２の組織クラスに関連する第１の画像内の画像ボクセルのセットを定義する第２の制約パラメータセット１４６を提供してもよい。第２のレジストレーションは、第２の制約パラメータセット１４６に対して第３の組織クラスに関連する第１の画像内の画像ボクセルのセットを定義する制約パラメータを更に提供してもよい。よって、第２の制約パラメータのセット１４６は、第２の組織クラスおよび第３の組織クラスに関連する第１の画像内の画像ボクセルのセットを定義し得る。画像レジストレーションの任意の後続のステップでは、第２の制約パラメータのセット１４６によって定義されるボクセルのレジストレーションが制限され得る。

【0081】

さらに、各変形パラメータセットの所定のレジストレーション制限は、各変形パラメータセットで同じであってもよい。代替的にまたは選択的に、変形パラメータセットのうち少なくとも２つの変形パラメータセットについて、各変形パラメータセットの所定のレジストレーション制限は異なっていてもよく、すなわち、第１のレジストレーションにおいて定義されたボクセルは、例えば中間変形パラメータによって定義されたボクセル、すなわち中間的な所定の制限よりも、後続のステップにおいてより少ない変換を許容する第１の所定の制限に従って制限されてもよい。

【0082】

中間レジストレーション１３０は、中間レジストレーション１３０を予め形成する際に、第１の制約パラメータセット１２６によって、所定のレジストレーションの制限を有する第１の画像内の少なくとも１つのボクセルのセットを定義することで、第１の制約パラメータセット１２６を考慮に入れてもよい。

【0083】

第１の画像内の少なくとも１つのボクセルのセットは、第１の組織クラス、すなわち骨組織を含むボクセルに関連付けられ得る。

【0084】

さらに、中間レジストレーションは、混合組織に関連する第１の画像内の少なくとも１つの画像ボクセルのセットを定義する第３の制約パラメータのセット１３６を提供してもよく、第２のレジストレーション１４０は、第２のレジストレーション１４０を予め形成する際に、第３のセットの制約パラメータによって、所定のレジストレーション制限を有する第１の画像内の少なくとも１つのボクセルのセットを定義することで、第３のセットの制約パラメータを更に考慮に入れてもよい。

【0085】

混合組織に関連する第１の画像内の少なくとも１つの画像ボクセルのセットは、第１の画像内の皮下脂肪に囲まれた組織と皮下脂肪との境界上のボクセルであってもよい。皮下脂肪に囲まれた組織は、対象物内の組織および／または器官として理解されるべきである。人および／または動物の場合、皮下脂肪に囲まれた組織は、典型的には、対象物の体内の全ての器官および組織である。記載される臓器および／または異なる組織は当該技術分野において周知であり、臓器および／または組織それ自体は中間レジストレーションに関する本発明の対象ではないので、皮下脂肪によって囲まれた臓器または組織については、本明細書においてこれ以上詳細は説明しない。

【0086】

従って、第３の制約パラメータのセット１３６は、第１の画像において皮下脂肪に囲まれた組織と皮下脂肪との間の境界上のボクセルを定義し得る。

【0087】

本方法は、第１の画像と第２の画像との第３のレジストレーション１５０を更に含む。

【0088】

本方法は、第１の画像に関連付けられ、第１の画像内の第６の組織クラスの情報を含む第６の組織クラスの第１の部分画像２０７ａを取得すること１１５ａと、第２の画像に関連付けられ、第２の画像内の第６の組織クラスの情報を含む第６の組織クラスの第２の部分画像２０７ｂを取得すること１１５ｂとを含んでもよく、第６の組織クラスは皮下脂肪である。第３のレジストレーション１５０は、第３のレジストレーション１５０の第１の重み係数を用いた第１の画像２０１ａと第２の画像２０１ｂとの相関と、第３のレジストレーションの第２の重み係数を用いた第６の組織クラスの第１の部分画像２０７ａと第６の組織クラスの第２の部分画像２０７ｂとの相関との和を含む第４の重み付けコスト関数の最適化１５２を含んでもよく、第３のレジストレーションの第１および第２の重み係数はゼロではない。第１の画像２０１ａから第２の画像２０１ｂへの変換に関連する第３の変形パラメータセット１５４は、最適化１５２から得られる。よって、第４の重み付けコスト関数は、Σ（Ｗ４１＊相関（第１の画像２０１ａ、第２の画像２０１ｂ）、Ｗ４２＊相関（第６の組織クラス第１の部分画像２０７ａ、第６の組織クラス第２の部分画像２０７ｂ））の形をとることができ、ここで、Ｗ４１およびＷ４２は、それぞれ、第３のレジストレーションの第１および第２の重み係数である。

【0089】

あるいは、第３のレジストレーション１５０は、第６の組織クラスの第１の部分画像２０７ａと第６の組織クラスの第２の部分画像２０７ｂとの相関を含むコスト関数の最適化１５２を含み得る。

【0090】

第３のレジストレーション１５０は、第３のレジストレーション１５０を予め形成する際に、既存の変形パラメータセットによって、所定のレジストレーションの制限を有する第１の画像２０１ａ内のボクセルのセットを定義することで、任意の既存の変形パラメータセットを考慮に入れてもよい。

【0091】

よって、第３のレジストレーション１５０は、第３のレジストレーション１５０を予め形成する際に、第１の制約パラメータのセット１２６によって、所定のレジストレーション制限を有する第１の画像２０１ａ内のボクセルのセットを定義することで、少なくとも第１の制約パラメータのセット１２６を考慮に入れてもよい。

【0092】

さらに、第３のレジストレーション１５０は、第３のレジストレーションを予め形成する際に、第２の制約パラメータのセット１４６によって、所定のレジストレーション制限を有する第１の画像２０１ａ内のボクセルのセットを定義することで、第２の制約パラメータのセット１４６を考慮に入れてもよい。
さらに、第３のレジストレーション１５０は、第３のレジストレーションを実行する際に、第３の制約パラメータのセット１３６によって、所定のレジストレーション制限を有する第１の画像２０１ａ内のボクセルのセットを定義することで、第３の制約パラメータのセット１３６を考慮に入れてもよい。

【0093】

よって、第１、第２および第３の制約パラメータセット１２６、１４６、１３６は、それぞれ存在する場合、それぞれのボクセルのセットを定義し得るが、重畳されて、ボクセルのセットとして組み合わされて、第３のレジストレーション１５０における制約パラメータとして使用されてもよい。

【0094】

第１の画像２０１ａと第２の画像２０１ｂとのそれぞれの相関は、正規化相互相関、差の二乗和、および相互情報量からなる群から選択され得る。各第１の部分画像２０２ａ、２０３ａ、２０４ａ、２０５ａ、２０６ａ、２０７ａの、各第２の部分画像２０２ｂ、２０３ｂ、２０４ｂ、２０５ｂ、２０６ｂ、２０７ｂに対するそれぞれの相関は、正規化相互相関、差の二乗和、および相互情報量からなる群から選択され得る。

【0095】

本方法は、第１の組織クラスの第１の部分画像２０２ａと第１の組織クラスの第２の部分画像２０２ｂとのアフィンレジストレーション１７２を含んでもよく、第１の画像２０１ａの第２の画像２０１ｂへの変換に関連する初期変形パラメータセット１７４がアフィンレジストレーション１７２から得られる。第１のレジストレーション１２０は、初期変形パラメータセット１７４に基づいてもよい。

【0096】

初期変形パラメータセットは、第１のレジストレーション１２０に関するレジストレーションの初期推測値として使用され得る。

【0097】

本方法はまた、所定のクロッピング領域に従って、第１の組織クラスの第１の部分画像２０２ａと第１の組織クラスの第２の部分画像２０２ｂとを画像クロッピング１７１することを含み得る。

【0098】

典型的には、所定のクロッピング領域は、対象物の所定の体積を定義する。これは例えば、胴体、頭部、胸部、腹部、腕部および／または脚部などの身体の解剖学的断面を含む身体の特定の体積であってもよい。

【0099】

アフィンレジストレーション１７２は、画像クロッピング１７１と組み合わされることで、第１の組織クラスの第１の部分画像２０２ａと第１の組織クラスの第２の部分画像２０２ｂとの部分的アフィンレジストレーションを提供してもよく、各画像の、それぞれクロッピングされアフィンレジストレーションされた部分は、アフィンレジストレーションステップ１７２の後に、対象物のそれぞれの完全な第１の組織クラスの第１の部分画像２０２ａおよび第１の組織クラスの第２の部分画像２０２ｂにマージされ得る。故に、アフィンレジストレーションは、第１の組織クラスの第１の部分画像２０２ａおよび第１の組織クラスの第２の部分画像２０２ｂのそれぞれ異なるクロッピング領域に対して実行されてもよいことが理解されるべきである。このように、第１の組織クラスの第１の部分画像２０２ａと第１の組織クラスの第２の部分画像２０２ｂとのアフィンレジストレーション１７２が容易にされ得る。

【0100】

本方法は、第１の画像の第１の前画像２１１ａおよび第２の画像の第２の前画像２１１ｂの初期画像調整１７３ａ、１７３ｂを含んでもよく、初期画像調整１７３ａ、１７３ｂは、それぞれ第１および第２の画像２０１ａ、２０１ｂを出力し、第１および第２の前画像の線形または非線形強度スケーリングを含む強度スケーリングと、第１および第２の前画像２１１ａ、２１１ｂに平均フィルタ、メディアンフィルタおよびソーベルフィルタの少なくとも１つを適用することからなる画像フィルタリングとの少なくとも１つを含む。

【0101】

本方法は、変形パラメータセット１２４、１３４、１４４、１５４のいずれかに基づいて第１の画像１９０を変形させることを更に含んでもよい。したがって、各レジストレーションステップは、第２の画像と位置合わせまたはレジストレーションするために、第１の画像を変形すること示す変形パラメータを計算してもよい。変形１９０は、レジストレーションされた画像をもたらし得るため、レジストレーションされた画像は、変形パラメータセット１２４、１３４、１４４、１５４のいずれかを用いて第１の画像を変形１９０した後の変形された第１の画像となり得る。第１の画像を第２の画像に変形する際に、変形パラメータのいずれか１つを使用してもよい。好ましくは、第１の画像の変形１９０は、直前のレジストレーションステップからの変形パラメータに基づいてもよい。

【0102】

少なくとも１つの実施形態において、本方法は、陽電子放射断層撮影（ＰＥＴ）検査で撮影された第３の画像２１０を取得すること１９１も含んでよく、第３の画像は、第１の画像と既知の空間的および時間的関係を有する。本方法は、変形パラメータセット１２４、１３４、１４４、１５４のいずれかに基づいて第３の画像を変形すること１９５を更に含んでよい。
例えば、第３の画像と第１の画像は、同じ検査、すなわち同じ装置で撮影されてもよく、第１と第３の画像は、ＰＥＴ－ＣＴスキャンで撮影されてもよい。これにより、第３の画像と第１の画像との間の空間的および時間的関係を推測することが容易になり得る。

【0103】

図３を参照して、第１の画像に関連するそれぞれの組織クラスの部分画像を取得するそれぞれのステップ１１０ａ、１１１ａ、１１２ａ、１１３ａ、１１４ａ、１１５ａと、第２の画像に関連するそれぞれの組織クラスの部分画像を取得するそれぞれのステップ１１０ｂ、１１１ｂ、１１２ｂ、１１３ｂ、１１４ｂ、１１５ｂについて説明する。取得するステップは、部分画像を取得するために第１の画像および第２の画像がセグメントに分割される１つのステップで実行されてもよく、または、第１の画像に関連するそれぞれの組織クラスの部分画像を取得する各ステップ１１０ａ、１１１ａ、１１２ａ、１１３ａ、１１４ａ、１１５ａが、第１の画像内のそれぞれの組織クラスに関連する第１の画像ボクセルの第１のセットを、第１の画像内のデータに基づいて特定すること１１６を含み得る別々のステップであってもよい。第１の画像ボクセルの第１のセットは、第１の画像内のデータに基づいたそれぞれの組織クラスを表し得る。取得する各ステップ１１０ａ、１１１ａ、１１２ａ、１１３ａ、１１４ａ、１１５ａは、第１の画像内の特定された第１の画像ボクセルの第１のセットから第１の画像に関連付けられた部分画像を作成すること１１７を更に含んでよい。

【0104】

さらに、第２の画像に関連するそれぞれの組織クラスの部分画像を取得する各ステップ１１０ｂ、１１１ｂ、１１２ｂ、１１３ｂ、１１４ｂ、１１５ｂは、第２の画像内のデータに基づいて、第２の画像内のそれぞれの組織クラスに関連する第２の画像ボクセルの第２のセットを特定すること１１８と、第２の画像内の特定された第２の画像ボクセルの第２のセットから、第２の画像に関連する部分画像を作成すること１１９とを含む。第２の画像ボクセルの第２のセットは第２の画像のデータに基づいた各組織クラスを表す。

【0105】

取得するステップの全てが存在するとは限らないので、それぞれが第１の画像２０１ａに関連付けられた、第１の組織クラスの第１の部分画像２０２ａ、第４の組織クラスの第１の部分画像２０３ａ、第５の組織クラスの第１の部分画像２０４ａ、第２の組織クラスの第１の部分画像２０５ａ、第３の組織クラスの第１の部分画像２０６ａ、第６の組織クラスの第１の部分画像２０７ａを取得することの少なくとも１つのステップ１１０ａ、１１１ａ、１１２ａ、１１３ａ、１１４ａ、１１５ａは、第１の画像２０１ａ内のそれぞれの組織クラスに関連付けられた第１の画像ボクセルのそれぞれの第１のセットを、第１の画像２０１ａ内のデータに基づいて特定すること１１６を含み得る。第１の画像ボクセルのそれぞれの第１のセットは、第１の画像２０１ａ内のデータに基づいてそれぞれの組織クラスを表し得る。取得することの少なくとも１つのステップ１１０ａ、１１１ａ、１１２ａ、１１３ａ、１１４ａ、１１５ａは、第１の画像内のそれぞれの組織クラスに関連付けられた特定されたそれぞれの第１の画像ボクセルセットから、それぞれが第１の画像２０１ａに関連付けられた、第１の組織クラスの第１の部分画像２０２ａ、第４の組織クラスの第１の部分画像２０３ａ、第５の組織クラスの第１の部分画像２０４ａ、第２の組織クラスの第１の部分画像２０５ａ、第３の組織クラスの第１の部分画像２０６ａ、第６の組織クラスの第１の部分画像２０７ａのうちの少なくとも１つを作成すること１１７を更に含んでもよい。

【0106】

また、それぞれが第２の画像２０１ｂに関連付けられた、第１の組織クラスの第２の部分画像２０２ｂ、第４の組織クラスの第２の部分画像２０３ｂ、第５の組織クラスの第２の部分画像２０４ｂ、第２の組織クラスの第２の部分画像２０５ｂ、第３の組織クラスの第２の部分画像２０６ｂ、第６の組織クラスの第２の部分画像２０７ｂを取得することの少なくとも１つのステップ１１０ａ、１１１ａ、１１２ａ、１１３ａ、１１４ａ、１１５ａは、第２の画像２０１ｂ内のデータに基づいて、第２の画像２０１ｂ内のそれぞれの組織クラスに関連付けられた第２の画像ボクセルのそれぞれの第２のセットを特定すること１１８を含み得る。第２の画像ボクセルのそれぞれの第２のセットは、第２の画像２０１ｂ内のデータに基づいてそれぞれの組織クラスを表し得る。取得することの少なくとも１つのステップ１１０ａ、１１１ａ、１１２ａ、１１３ａ、１１４ａ、１１５ａは、第２の画像２０１ｂ内のそれぞれの組織クラスに関連付けられた特定されたそれぞれの第２の画像ボクセルセットから、それぞれが第２の画像２０１ｂに関連付けられた第１の組織クラスの第２の部分画像２０２ｂ、第４の組織クラスの第２の部分画像２０３ｂ、第５の組織クラスの第２の部分画像２０４ｂ、第２の組織クラスの第２の部分画像２０５ｂ、第３の組織クラスの第２の部分画像２０６ｂ、第６の組織クラスの第２の部分画像２０７ｂの少なくとも１つを作成すること１１９を更に含んでもよい。

【0107】

部分画像は、全ての部分画像若しくは一部の部分画像が同じステップで作成される共同ステップなど様々な方法で取得され得る、または、部分画像は本方法の外で作成され得ることが理解されるべきである。例えば、部分画像は、画像がセグメントに分割される、すなわち各組織クラスが特定され分離される前処理ステップから取得されてもよい。

【0108】

レジストレーション１２０、１３０、１４０、１５０の少なくとも１つのステップにおける各コスト関数はそれぞれ、対応する正則化重み係数ＲＷを用いた少なくとも１つの正則化項を適用することを更に含んでよく、正則化重み係数はそれぞれのレジストレーションステップにおいてボクセル単位で適用されてよい。正則化重み係数は、それぞれのレジストレーションステップにおいて使用される第１および第２の画像２０１ａ、２０１ｂ内の組織クラスによって決まる値を有してもよい。言い換えれば、対応する正則化重み係数ＲＷは、それぞれのボクセルにおける組織クラスに特異であってよい。

【0109】

対応する正則化重み係数とは、特定の組織クラスに対して許容される変形量を定義する重みを意味する。例えば、骨のような密度の高い組織は、除脂肪軟部組織や脂肪組織のような密度の低い組織ほど変形を許容されなくともよい。したがって、例えば除脂肪軟部組織、脂肪組織および／または皮下脂肪よりも高い対応する正則化重み係数を骨組織に適用することができる。対応する正則化重み係数を用いて正則化項を適用することは、レジストレーションにそれぞれのボクセルにおける組織クラスを考慮することによってレジストレーションの精度を向上させる点で有利であり得る。

【0110】

各レジストレーションステップにおける正則化項は、各組織クラスに関連するそれぞれの制約パラメータにおいて定義される隣接ボクセルが、制約パラメータによって定義されるボクセルに対して完全に反対方向にレジストレーションされることを制限することを更に容易にし得る、すなわち、制約パラメータにおいて定義されないボクセルであって、制約パラメータによって定義されるボクセルに対して正のｘ、ｙまたはｚ方向に配置された組織に対して有意なボクセルは、制約パラメータによって定義されるボクセルに対して負のｚ、ｙまたはｚ方向を有するように変換されないことが理解されるべきである。

【0111】

したがって、各レジストレーションステップにおいて骨組織を含む各ボクセルは、０．６～０．８、好ましくは０．７の第１正則化重み係数ＲＷ１を有し得る。各レジストレーションステップにおいて脂肪、皮下脂肪および／または除脂肪軟部組織を含む各ボクセルは、０．１５～０．２５、好ましくは０．２０の第２正則化重み係数ＲＷ２を有し得る。

【0112】

例えば、最適化１２２で骨組織が用いられる第１のレジストレーション１２０において、第１のレジストレーションは、第１の重み付けコスト関数の最適化１２２の間に、対応する第１の正則化重み係数ＲＷ１を有する正則化項を骨ボクセルに適用してもよい。言い換えれば、第１のレジストレーションは、第１の組織クラスの第１の部分画像２０２ａを第１の組織クラスの第２の部分画像２０２ｂに相関させる際に、対応する第１の正則化重み係数ＲＷ１を有する正則化項を適用してもよい。さらに、第１のレジストレーションステップにおいて、第１の画像は第２の画像にレジストレーションされ、脂肪、皮下脂肪および／または除脂肪軟部組織を含むボクセルに対してＲＷ２が適用されてもよい。

【0113】

別の例として、最適化１４２において脂肪および／または除脂肪軟部組織が使用される第２のレジストレーション１４０において、第２の重み付けコスト関数の最適化１４２の間に、対応する第２の正則化重み係数ＲＷ２を有する正則化項を脂肪および／または除脂肪軟部組織に適用してもよい。言い換えれば、第２のレジストレーションは、第２の組織クラスの第１の部分画像２０５ａを第２の組織クラスの第２の部分画像２０５ｂに相関させる際に、対応する第２の正則化重み係数ＲＷ２を有する正則化項を適用してもよい。さらに、第２のレジストレーションステップにおいて、第１の画像は第２の画像にレジストレーションされ、第１の正則化重み係数ＲＷ１が骨組織を含むボクセルに対して適用されてもよい。

【0114】

空気を含むボクセルに対しては、コスト関数が適用される対応する各レジストレーションステップにおいて、０．１の正則化重み係数が適用されてもよい。

【0115】

概して、各レジストレーションステップでは、対応する正則化重み係数を有する正則化項を、（１－ＲＷ）＊それぞれの重み付けコスト関数＋ＲＷ＊正則化項のように適用する。
ここで、それぞれの重み付けコスト関数は、それぞれのレジストレーションステップのコスト関数である。

【0116】

正則化項は、変形パラメータの二乗の一次導関数、すなわち、変形フィールドの二乗の一次導関数を含み得ることを理解されたい。あるいは、正則化項は変形パラメータの二乗の二次導関数、すなわち、変形フィールドの二乗の二次導関数を含んでもよい。

【0117】

図４を参照して、本方法における画像を例示する。

【0118】

各部分画像は二値画像であってもよい。部分画像は、その部分画像が関連付けられているそれぞれの組織クラス外のボクセルに対して０の値を含み得る。部分画像は、その部分画像が関連するそれぞれの組織クラスにとって有意なボクセルに対して値１を含み得る。

【0119】

図５を参照して、少なくとも１つの実施形態に係わる画像のレジストレーションについて説明する。図５における画像のレジストレーションは、前述したいずれかの実施形態によるレジストレーション方法と同一である。第１の画像２０１ａは、第２の画像２０１ｂに対してレジストレーションされ、レジストレーションされた第１の画像２０９とされ得る。レジストレーション後、レジストレーションされた第１の画像２０９は、第２の画像２０１ｂと比較されてもよい。よって、第１の画像２０１ａは、第２の画像２０１ｂにレジストレーションされてもよく、第１および第２の画像２０１ａ、２０１ｂは、同一の対象物について２つの異なる時点で撮影されていてもよい。言い換えれば、第２の画像２０１ｂにレジストレーションされた第１の画像２０１ａは、第２の画像２０１ｂのような先の時点で撮影された少なくとも１つの画像と比較され得るレジストレーション画像２０９をもたらし得る。複数の第２の画像２０１ｂが使用されてもよく、複数の第２の画像２０１ｂは異なる時点で撮影されてもよく、複数の第２の画像２０１ｂは第１の画像２０１ａの前に撮影されることが理解されるべきである。複数の第２の画像２０１ｂが全て互いに位置合わせされるようにレジストレーションされてから、第１の画像２０１ａがこれら複数の第２の画像２０１ｂにレジストレーションされてもよい。第１の画像２０１ａの第２の画像２０１ｂへのレジストレーションは、経時的に発生する対象物の異常３１０の検出を容易にし得る。異常は、腫瘍、石灰化、嚢胞、および／または、健康な組織で発生する良性および／または悪性の変化のような、検出の関心対象となり得る任意のその他の異常であってよい。異常は、レジストレーションから得られる画像強度値の変化および／または局所的な組織体積の拡大／縮小によって検出することができる。よって、これにより、対象物の健康状態の経過を経時的に追跡することが容易になり得る。図５のレジストレーションによるレジストレーションは、第１および第２の画像２０１ａ、２０１ｂに対して既知の空間的および時間的関係を有する任意の画像に等しく適用され得ることが理解されるべきである。第１および第２の画像に対して既知の関係を有する画像は、ＣＴ検査および／または陽電子放射断層撮影（ＰＥＴ）検査からのデータを含み得る。

【0120】

図６を参照して、少なくとも１つの実施形態に係わる画像のレジストレーションについて説明する。図６における画像のレジストレーションは、先に説明した実施形態のいずれかによるレジストレーションと同一である。第１および第２の画像２０１ａ、２０１ｂのそれぞれの組み合わせがレジストレーションされ、レジストレーションされた第１の画像２０９がもたらされる。第１および第２の画像２０１ａ、２０１ｂのそれぞれの組み合わせのレジストレーションは、図５で説明したものと同一である。しかしながら、第１および第２の画像のそれぞれの組み合わせは、それぞれ異なる対象物、例えば異なる人に関連付けられ得る。各レジストレーションされた第１の画像２０９は、次に、互いに対してレジストレーションされ、各レジストレーションされた第１の画像２０９からの情報を含む統計的な第１のレジストレーション画像３０１を形成する。レジストレーションされた第１の画像２０９のうちの１つが本方法の第１の画像を構成し、レジストレーションされた第１の画像２０９のうちの別のものが本方法の第２の画像を構成してもよい。よって、レジストレーションされた第１の画像のうち１つの第１のレジストレーション画像は、レジストレーションされた第１の画像のうち１つの第２のレジストレーション画像にレジストレーションされてもよい。したがって、レジストレーションされた各画像は、互いに対して反復的にレジストレーションされてもよく、統計的な第１のレジストレーションされた画像３０１を形成する。言い換えれば、レジストレーションされた第１の画像の画像の組み合わせはそれぞれ、本方法に係わるレジストレーションされた第１の画像の第２のレジストレーションされた画像に対してレジストレーションされてもよい。各レジストレーションされた第１の画像２０９は、各第１の画像２０１ａからの各対象物の異常に関する情報を含み得る。よって、統計的な第１のレジストレーションされた画像３０１は、それぞれのレジストレーションされた第１の画像２０９からの異常に関する情報３１０を含んでもよく、異常およびその検出は、図５で説明された異常およびその検出と同一である。これにより、異なる撮影対象物において検出された異常の比較が容易になり得る。比較は、異なる撮影対象物のサブグループ間で同様に行われてもよく、それによって、それらの差異を示す統計的パラメータが提供される。図６の画像のレジストレーションは、第１および第２の画像に対して既知の空間的および時間的関係を有する任意の画像にも同様に適用することができる。第１および第２の画像に対して既知の関係を有する画像は、ＣＴ検査および／または陽電子放射断層撮影（ＰＥＴ）検査からのデータを含み得る。

【0121】

図７を参照して、少なくとも一つの実施形態に係わる画像のレジストレーションについて説明する。複数の第１の画像２０１ａは、共通の空間にレジストレーションされてもよい。例えば、複数の第１の画像２０１ａのうちの１つの画像が、本方法に係わる第２の画像２０１ｂを形成してもよい。つまり、複数の第１の画像２０１ａの各々は、各第１の画像２０１ａの第２の画像２０１ｂへのレジストレーションに伴って変形されてもよい。次に、複数の第１の画像２０１ａの各々および第２の画像２０１ｂは重畳されて、統計画像３０２を作成してもよい。統計画像３０２は、複数の第１の画像２０１ａおよび第２の画像２０１ｂからの情報を更に含み得る。これは、例えば健康な対象物の統計的分布を提供する点で有利であり得る。統計画像３０２は、本方法の第２の画像２０１ｂを形成してもよく、第１の画像２０１ａを形成する人および／または動物の別の画像が統計画像３０２にレジストレーションされる。これにより、人および／または動物の第１の画像２０１ａを統計画像３０２と比較することにより、人および／または動物の診断を更に容易にすることができる。この比較を実行することによって、複数の第１の画像２０１ａからの統計的分布が、第１の画像２０１ａにおける異常を検出するために利用され得る。異常およびその検出は、図５および図６で説明した異常およびその検出と同一である。統計画像３０２はまた、複数の第１の画像２０１ａにおいて既に特定された部分特徴の空間分布に関する情報を含んでいてもよい。部分特徴は、腫瘍または健康な組織のサブセットを含み得る。よって、これは、レジストレーションされた画像におけるそのような部分特徴の空間分布の解釈を容易にし得る。図５および図６で説明したように、図７の説明によるレジストレーションは、第１および第２の画像に対して既知の空間的および時間的関係を有する任意の画像に同様に適用することができる。第１および第２の画像に対して既知の関係を有する画像は、ＣＴ検査および／または陽電子放射断層撮影（ＰＥＴ）検査からのデータを含み得る。

【0122】

図８を参照して、画像情報を処理するシステム４００について説明する。システム４００は、処理部４１０を含むことができ、処理部４１０は、前述した実施形態のいずれか１つによる方法１００を実行するように構成される。

【0123】

また、本システムは、Ｘ線測定装置を含んでもよく、Ｘ線測定装置４２０は、ＣＴスキャナ（コンピューター断層撮影機器）を含んでもよい。測定装置４２０は、ＰＥＴスキャナ（陽電子放射断層撮影機器）を更に含んでもよい。測定装置は、ＰＥＴ－ＣＴ複合スキャナであってもよい。システムは、画像データ４３０を測定装置４２０から処理部４１０に送信するように更に構成されてもよく、画像データ４３０は、少なくとも１つの医用画像検査からのＸ線減弱に有意なデータを含んでもよい。さらに、データ４３０は、測定装置がＰＥＴスキャナおよび／または複合ＰＥＴ－ＣＴスキャナを含む場合、対象物内の検出された放射性トレーサからの応答に対して有意なデータを含み得る。

【0124】

以上、主にいくつかの実施形態を参照して本発明概念を説明した。しかしながら、当業者には容易に理解されるように、添付の特許請求の範囲によって定義される本発明概念の範囲内において、上記に開示された実施形態以外の実施形態も同様に可能である。

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【手続補正書】

【提出日】2023-12-14

【手続補正1】

【補正対象書類名】特許請求の範囲

【補正対象項目名】全文

【補正方法】変更

【補正の内容】

【特許請求の範囲】

【請求項1】

第１の画像（２０１ａ）および第２の画像（２０１ｂ）をレジストレーションするための、処理部に実装された方法（１００）であって、前記第１の画像（２０１ａ）は、第１の医用画像検査からのＸ線減弱に対して有意なデータを含み、前記第２の画像（２０１ｂ）は、少なくとも第２の医用画像検査からのＸ線減弱に対して有意なデータを含み、前記方法は、
前記第１の画像に関連付けられ、前記第１の画像内の第１の組織クラスの情報を含む第１の組織クラスの第１の部分画像（２０２ａ）を取得すること（１１０ａ）と、
前記第２の画像に関連付けられ、前記第２の画像内の前記第１の組織クラスの情報を含む第１の組織クラスの第２の部分画像（２０２ｂ）を取得すること（１１０ｂ）と、前記第１の組織クラスは骨組織であって、
前記第１の画像の前記第２の画像に対する第１のレジストレーション（１２０）と、
前記第１の画像の前記第２の画像に対する第２のレジストレーション（１４０）とを含み、前記第１のレジストレーションは、
第１の重み付けコスト関数の最適化（１２２）を含み、前記第１の重み付けコスト関数は、
前記第１のレジストレーションの第１の重み係数を用いた前記第１の画像と前記第２の画像との相関と、
前記第１のレジストレーションの第２の重み係数を用いた前記第１の組織クラスの第１の部分画像と前記第１の組織クラスの第２の部分画像との相関との和を含み、前記第１のレジストレーションの前記第１および第２の重み係数はゼロではなく、
前記最適化（１２２）から、前記第１の画像から前記第２の画像への変換に関連した、前記第１のレジストレーションからの第１の変形パラメータセット（１２４）が得られ、
前記第２のレジストレーションは、
前記第１の変形パラメータセット（１２４）に基づいた、前記第１の画像の少なくとも一部と前記第２の画像の少なくとも一部との相関（１４１）を含み、前記相関（１４１）から、前記第１の画像から前記第２の画像への変換に関連した第２の変形パラメータセット（１４４）が得られる、方法。

【請求項2】

前記第１のレジストレーション（１２０）は、前記第１の組織クラスに関連する前記第１の画像内の画像ボクセルのセットを定義する第１の制約パラメータセット（１２６）を提供し、前記第２のレジストレーション（１４０）は、前記第２のレジストレーション（１４０）を予め形成する際に、前記第１の制約パラメータセット（１２６）によって所定のレジストレーション制限を有する前記第１の画像内のボクセルのセットを定義することで、前記第１の制約パラメータセット（１２６）を考慮に入れる、請求項１に記載の方法（１００）。

【請求項3】

前記第１の画像に関連付けられ、前記第１の画像内の第２の組織クラスの情報を含む第２の組織クラスの第１の部分画像（２０５ａ）を取得すること（１１１ａ）と、
前記第２の画像に関連付けられ、前記第２の画像内の前記第２の組織クラスの情報を含む第２の組織クラスの第２の部分画像（２０５ｂ）を取得すること（１１１ｂ）とを含み、
前記第２の組織クラスは、除脂肪軟部組織および脂肪組織からなる群から選択され、
前記第２のレジストレーション（１４０）における前記第１の画像の少なくとも一部と前記第２の画像の少なくとも一部との前記相関（１４１）は、
第２の重み付けコスト関数の最適化（１４２）を含み、前記第２の重み付けコスト関数は、
前記第２のレジストレーションの第１の重み係数を用いた前記第１の画像と前記第２の画像との相関と、
前記第２のレジストレーションの第２の重み係数を用いた前記第２の組織クラスの第１の部分画像と前記第２の組織クラスの第２の部分画像との相関との和を含み、
前記第２のレジストレーションの前記第１および第２の重み係数はゼロではなく、
前記第２のレジストレーションは、前記第２の組織クラスに関連する前記第１の画像内の画像ボクセルのセットを定義する第２の制約パラメータセット（１４６）を提供し、
前記第２の変形パラメータセット（１４４）は、前記最適化（１４２）から得られる、請求項１に記載の方法（１００）。

【請求項4】

前記第１の画像に関連付けられ、前記第１の画像内の第３の組織クラスの情報を含む、前記第２のレジストレーションの第３の組織クラスの第１の部分画像（２０６ａ）を取得すること（１１２ａ）と、
前記第１の画像に関連付けられ、前記第２の画像内の第３の組織クラスの情報を含む、前記第２のレジストレーションの第３の組織クラスの第２の部分画像（２０６ｂ）を取得すること（１１２ｂ）とを更に含み、
前記第２の組織クラスは除脂肪軟部組織であり、前記第３の組織クラスは脂肪組織であり、
前記第２の重み付けコスト関数は、前記第２のレジストレーションの第１の重み係数を用いた前記第１の画像と前記第２の画像との相関と、
前記第２のレジストレーションの第２の重み係数を用いた前記第２の組織クラスの第１の部分画像と前記第２の組織クラスの第２の部分画像との相関と、
前記第２のレジストレーションの第３の重み係数を用いた前記第３の組織クラスの第１の部分画像と前記第３の組織クラスの第２の部分画像との相関との和を含み、前記第２のレジストレーションの前記第１、第２および第３の重み係数はゼロではなく、
前記第２のレジストレーションは、前記第２の制約パラメータセット（１４６）に前記第３の組織クラスに関連した前記第１の画像内の画像ボクセルのセットを定義する制約パラメータを更に提供する、請求項３に記載の方法。

【請求項5】

前記第１の画像に関連付けられ、前記第１の画像内の混合組織の情報を含む第４の組織クラスの第１の部分画像（２０３ａ）を取得すること（１１３ａ）と、
前記第２の画像に関連付けられ、前記第２の画像内の混合組織の情報を含む第４の組織の第２の部分画像（２０３ｂ）を取得すること（１１３ｂ）と、を含み、
前記混合組織は、前記第１および第２の画像内で、それぞれ皮下脂肪に囲まれた組織として定義され、
前記第１の画像に関連付けられ、前記第１の画像内の脂肪組織の情報を含む第５の組織クラスの第１の部分画像（２０４ａ）を取得すること（１１４ａ）と、
前記第２の画像に関連付けられ、前記第２の画像内の脂肪組織の情報を含む第５の組織クラスの第２の部分画像（２０４ｂ）を取得すること（１１４ｂ）と、
前記第１の変形パラメータセット（１２４）に基づいた、前記第１の画像と前記第２の画像との中間レジストレーション（１３０）とを含み、
前記中間レジストレーション（１３０）は、
前記中間レジストレーションの第１の重み係数を用いた前記第１の画像と前記第２の画像との相関と、
前記中間レジストレーションの第２の重み係数を用いた前記第４の組織クラスの第１の部分画像と前記第４の組織クラスの第２の部分画像との相関と、
前記中間レジストレーションの第３の重み係数を用いた前記第５の組織クラスの第１の部分画像と前記第５の組織クラスの第２の部分画像との相関との和からなる第３の重み付けコスト関数の最適化（１３２）を含み、
前記中間レジストレーションの前記第１、第２および第３の重み係数はゼロではなく、
前記第１の画像から前記第２の画像への変換に関連する中間変形パラメータセット（１３４）は前記最適化（１３２）から得られ、前記第２のレジストレーション（１４０）は前記中間変形パラメータセット（１３４）に基づいて行われる、請求項１に記載の方法。

【請求項6】

前記第１のレジストレーション（１２０）は、前記第１の組織クラスに関連する前記第１の画像内の画像ボクセルのセットを定義する第１の制約パラメータセット（１２６）を提供し、前記第２のレジストレーション（１４０）は、前記第２のレジストレーション（１４０を予め形成する際に、前記第１の制約パラメータセット（１２６）によって所定のレジストレーション制限を有する前記第１の画像内のボクセルのセットを定義することで、前記第１の制約パラメータセット（１２６）を考慮に入れ、
前記中間レジストレーション（１３０）は、前記中間レジストレーション（１３０）を予め形成する際に、前記第１の制約パラメータセット（１２６）によって所定のレジストレーションの制限を有する前記第１の画像内の少なくとも１つのボクセルセットを定義することで、前記第１の制約パラメータセット（１２６）を考慮に入れ、
前記中間レジストレーションは、前記混合組織に関連する前記第１の画像内の少なくとも１つの画像ボクセルセットを定義する第３の制約パラメータセット（１３６）を提供し、
前記第２のレジストレーション（１４０）は、前記第２のレジストレーション（１４０）を予め形成する際に、前記第３の制約パラメータセットによって所定のレジストレーションの制限を有する前記第１の画像内の少なくとも１つのボクセルセットを定義することで、前記第３の制約パラメータセットを更に考慮に入れる、請求項５に記載の方法。

【請求項7】

前記第１の画像に関連付けられ、前記第１の画像内の第６の組織クラスの情報を含む第６の組織クラスの第１の部分画像（２０７ａ）を取得すること（１１５ａ）と、
前記第２の画像に関連付けられ、前記第２の画像内の前記第６の組織クラスの情報を含む第６の組織クラスの第２の部分画像（２０７ｂ）を取得すること（１１５ｂ）と、前記第６の組織クラスは皮下脂肪であり、
前記第１の画像と前記第２の画像との第３のレジストレーション（１５０）とを更に含み、
前記第３のレジストレーションは
前記第３のレジストレーション（１５０）の第１の重み係数を用いた前記第１の画像と前記第２の画像との相関と、
前記第３のレジストレーションの第２の重み係数を用いた前記第６の組織クラスの第１の部分画像と前記第６の組織クラスの第２の部分画像との相関との和からなる前記第３のレジストレーションの第４の重み付けコスト関数の最適化（１５２）を含み、
前記第３のレジストレーションの前記第１および第２の重み係数はゼロではなく、
前記第１の画像から前記第２の画像への変換に関連する第３の変形パラメータセット（１５４）は、前記最適化（１５２）から得られる、請求項１に記載の方法。

【請求項8】

前記第１のレジストレーション（１２０）は、前記第１の組織クラスに関連する前記第１の画像内の画像ボクセルのセットを定義する第１の制約パラメータセット（１２６）を提供し、前記第２のレジストレーション（１４０）は、前記第２のレジストレーション（１４０を予め形成する際に、前記第１の制約パラメータセット（１２６）によって所定のレジストレーション制限を有する前記第１の画像内のボクセルのセットを定義することで、前記第１の制約パラメータセット（１２６）を考慮に入れ、
前記方法は、
前記第１の画像に関連付けられ、前記第１の画像内の第２の組織クラスの情報を含む第２の組織クラスの第１の部分画像（２０５ａ）を取得すること（１１１ａ）と、
前記第２の画像に関連付けられ、前記第２の画像内の前記第２の組織クラスの情報を含む第２の組織クラスの第２の部分画像（２０５ｂ）を取得すること（１１１ｂ）とを含み、
前記第２の組織クラスは、除脂肪軟部組織および脂肪組織からなる群から選択され、
前記第２のレジストレーション（１４０）における前記第１の画像の少なくとも一部と前記第２の画像の少なくとも一部との前記相関（１４１）は、
第２の重み付けコスト関数の最適化（１４２）を含み、前記第２の重み付けコスト関数は、
前記第２のレジストレーションの第１の重み係数を用いた前記第１の画像と前記第２の画像との相関と、
前記第２のレジストレーションの第２の重み係数を用いた前記第２の組織クラスの第１の部分画像と前記第２の組織クラスの第２の部分画像との相関との和を含み、
前記第２のレジストレーションの前記第１および第２の重み係数はゼロではなく、
前記第２のレジストレーションは、前記第２の組織クラスに関連する前記第１の画像内の画像ボクセルのセットを定義する第２の制約パラメータセット（１４６）を提供し、
前記第２の変形パラメータセット（１４４）は、前記最適化（１４２）から得られ、
前記第３のレジストレーション（１５０）は、前記第３のレジストレーションを予め形成する際に、前記第１の制約パラメータセットによって、所定のレジストレーションの制限を有する前記第１の画像内のボクセルのセットを定義することで、少なくとも前記第１の制約パラメータセット（１２６）を考慮に入れる、請求項７に記載の方法。

【請求項9】

前記第３のレジストレーション（１５０）は、前記第１および第２の制約パラメータセット（１２６、１４６）がそれぞれ存在する場合に、前記第３のレジストレーションを予め形成する際に、前記第１および第２の制約パラメータセット（１２６、１４６）によって、所定のレジストレーションの制限を有する前記第１の画像内のそれぞれのボクセルのセットを定義することで、少なくとも前記第１および第２の制約パラメータセット（１２６、１４６）を考慮に入れる、請求項８に記載の方法。

【請求項10】

任意選択で、前記第３のレジストレーション（１５０）は、前記第１、第２および第３の制約パラメータセット（１２６、１４６、１３６）がそれぞれ存在する場合に、前記第３のレジストレーションを予め形成する際に、前記第１、第２および第３の制約パラメータセットによって、所定のレジストレーションの制限を有する前記第１の画像内のそれぞれのボクセルのセットを定義することで、少なくとも前記第１、第２および第３の制約パラメータセット（１２６、１４６、１３６）を考慮に入れる、請求項８に記載の方法。

【請求項11】

前記第１の画像に関連付けられたそれぞれの組織クラスの部分画像を取得する各ステップ（１１０ａ、１１１ａ、１１２ａ、１１３ａ、１１４ａ、１１５ａ）は、
前記第１の画像内のデータに基づいて、前記第１の画像内の前記それぞれの組織クラスに関連する第１の画像ボクセルの第１のセットを特定すること（１１６）と、前記第１の画像ボクセルの第１のセットは、前記第１の画像内のデータに基づいてそれぞれの組織クラスを表し、
前記第１の画像内の前記特定された第１の画像ボクセルの第１のセットから、前記第１の画像に関連する部分画像を作成すること（１１７）とを含み、
前記第２の画像に関連付けられたそれぞれの組織クラスの部分画像を取得する各ステップ（１１０ｂ、１１１ｂ、１１２ｂ、１１３ｂ、１１４ｂ、１１５ｂ）は、
前記第２の画像内のデータに基づいて、前記第２の画像内の前記それぞれの組織クラスに関連する第２の画像ボクセルの第２のセットを特定すること（１１８）と、前記第２の画像ボクセルの第２のセットは、前記第２の画像内のデータに基づいてそれぞれの組織クラスを表し、
前記第２の画像内の前記特定された第２の画像ボクセルの前記第２のセットから、前記第２の画像に関連する部分画像を作成すること（１１９）とを含む、請求項１に記載の方法。

【請求項12】

前記第１の画像と前記第２の画像との各相関は、正規化相互相関、差の二乗和、および相互情報量からなる群から選択され、各第１の部分画像と各第２の部分画像との各相関は、正規化相互相関、差の二乗和、および相互情報量からなる群から選択される、請求項１に記載の方法。

【請求項13】

前記第１の組織クラスの第１の部分画像（２０２ａ）の前記第１の組織クラスの第２の部分画像（２０２ｂ）へのアフィンレジストレーション（１７２）であって、前記第１の画像の前記第２の画像への変換に関連する初期変形パラメータセット（１７４）は、前記アフィンレジストレーション（１７２）から得られる、アフィンレジストレーション（１７２）を含み、
前記第１のレジストレーション（１２０）は、前記初期変形パラメータセット（１７４）に基づく、請求項１に記載の方法。

【請求項14】

所定のクロッピング領域に従って、前記第１の組織クラスの第１の部分画像（２０２ａ）および前記第１の組織クラスの第２の部分画像（２０２ｂ）を画像クロッピング（１７１）することを更に含む、請求項１３に記載の方法。

【請求項15】

前記方法は、前記第１の画像の第１の前画像（２１１ａ）および前記第２の画像の第２の前画像（２１１ｂ）の初期画像調整（１７３ａ、１７３ｂ）を含み、前記初期画像調整（１７３ａ、１７３ｂ）は、前記第１および第２の画像（２０１ａ、２０１ｂ）をそれぞれ出力し、
前記第１および第２の前画像をそれぞれ線形または非線形で強度スケーリングすることを含む強度スケーリングと、
平均フィルタ、メディアンフィルタ、およびソーベルフィルタの少なくとも１つを前記第１および第２の前画像（２１１ａ、２１１ｂ）にそれぞれ適用することを含む画像フィルタリングとの少なくとも１つを含む、請求項１に記載の方法。

【請求項16】

前記変形パラメータセット（１２４、１３４、１４４、１５４）のいずれかに基づいて前記第１の画像を変形する（１９０）ことを含む、請求項１に記載の方法。

【請求項17】

陽電子放射断層撮影（ＰＥＴ）検査で撮影された第３の画像（２１０）を取得すること（１９１）と、前記第３の画像は、前記第１の画像と既知の空間的および時間的関係を有し、
前記変形パラメータセット（１２４、１３４、１４４、１５４）のいずれかに基づいて前記第３の画像を変形すること（１９５）とを含む、請求項１に記載の方法。

【請求項18】

処理部を含む画像情報を処理するためのシステム（４００）であって、前記処理部は、請求項１～１７のいずれか１項に記載の方法を実行するように構成される、システム（４００）。

【国際調査報告】