JP2011514822A - Ｃｔスキャンデータをセグメント化する方法とシステム - Google Patents

Abstract

ＣＴスキャンデータをセグメント化する方法は、輝度データを変換データ値に変換することを含む。第１のオプションにおいて、本方法は、ＣＴスキャンデータをマスクで畳み込んでエネルギーデータを取得することであって、マスクは帯域通過フィルタ特性を有することと、前記エネルギーデータのヒストグラムを生成することと、生成されるヒストグラムにおけるエネルギー値を基礎としてＣＴスキャンデータをセグメント化することとを含む。第２のオプションにおいて、本方法は、輝度データをハウンズフィールド尺度データに変換することと、予め規定されたハウンズフィールド尺度値を基礎として画像をセグメント化することとを含む。

Description

本発明は、ＣＴスキャンデータをセグメント化する方法とシステムとに関する。本方法及びシステムは、ＣＴスキャンデータにおける頭蓋領域を除去し、出血性のスライスを識別しかつ出血性スライスにおける出血領域をセグメント化するために使用され得る。

多くの国において、脳卒中は死亡及び罹患の主たる原因の１つである。迅速な評価及び処置は、脳卒中に冒された患者が卒中の急性期の間に失われた幾つかの神経機能を回復することに役立つ可能性がある。

コンピュータ断層撮影法（ＣＴ）は、脳卒中の診断において重要な役割を果たし得る。ＣＴは、患者の組織と骨との対比、並びに組織と血液との対比を極めて良好に提示する。さらに、ＣＴは大部分の病院において、及び救急サービスにおいて利用可能である。またＣＴは、虚血性脳卒中と出血性脳卒中とを区別するためにも使用され得る。出血性とは、頭蓋内に血液が溜まることとして定義される。出血性には多くの異なるタイプがあり、その幾つかを挙げると、脳室内出血（ＩＶＨ）、脳内出血（ＩＣＨ）、くも膜下出血、硬膜下血腫及び硬膜外血腫がある。

セグメント化は、ＣＴ画像を含む多くの医学画像の分析における重要なステップである。多くの分類プロセスにおいて、セグメント化は最初のステップとなる。セグメント化は、疾患の診断、定量的評価及び治療において有用である可能性がある。例えば、出血部位及び血腫部位の正確なセグメント化は、臨床医が構造的情報及び定量化を取得しかつ治療を計画する手助けをすることができる［１、２及び３］。また、正確なセグメント化の技術は、臨床医が異なるタイプの出血を分類する手助けもすることができ、よって、臨床医に血栓溶解のコンテキストまたは治療計画における迅速かつ適切な臨床判断をさせることができる［４］。

手動のセグメント化は時間がかかり、単調かつ主観的なものである（観察者間変動は約１．７−４．２％）ことから、様々な医学画像モダリティにより取得される画像から健康な組織及び器官と病的な組織及び器官とを自動的に分類しかつ定量化する試みが行われてきた。しかしながら、画像の複雑さ、及び各構造内で変形である可能性のあるものを完全に捕捉し得る解剖モデルが存在しないことに起因して、医学画像のセグメント化は難しいタスクである。これは、比較的低い信号対雑音比及び医学画像内に一般的に存在する固有アーティファクトによってさらに困難にされる。これらの問題点に起因して、セグメント化のアルゴリズムは多数報告されているものの、これらのアルゴリズムの大部分は結果が矛盾しかつ／または用途が限定的である。従って、臨床診療では、数種のコンピュータ支援検出（ＣＡＤ）アルゴリズムしか使用されていない。

従って、ＣＴ画像の解釈及び形態学的測定及び意志決定において臨床医を支援する、ＣＴデータの正確でロバストかつ迅速なセグメント化が必要とされている。

［１］ＤＡ Ｇｒａｅｂ、ＷＤ Ｒｏｂｅｒｔｓｏｎ、ＳＪ Ｌａｐｏｉｎｔｅ、ＲＡ Ｎｕｇｅｎｔ、ＰＢ Ｈａｒｒｉｓｏｎ共著「脳室内出血のコンピュータ断層撮影診断」Ｒａｄｉｏｌｏｇｙ １４３：９１−９６、１９８２年４月 ［２］ＫＫ Ｖｅｒｅｅｃｋｅｎ、ＴＶ Ｈａｖｅｎｂｅｒｇｈ、ＷＤ Ｂｅｕｃｋｅｌａａｒ、ＰＭ Ｐａｒｉｚｅｌ、ＰＧ Ｊｏｒｅｎｓ共著「組換え組織プラスミノゲンアクチベータの脳室内投与による脳室内出血の治療、１８症例の臨床研究」Ｃｌｉｎｉｃａｌ Ｎｅｕｒｏｌｏｇｙ ａｎｄ Ｎｅｕｒｏｓｕｒｇｅｒｙ、第１０８巻、第５号、２００６年７月、４５１−４５５ページ ［３］ＲＤ Ｚｉｍｍｅｒｍａｎ、ＪＡ Ｍａｌｄｊｉａｎ、ＮＣ Ｂｒｕｎ、Ｂ Ｈｏｒｖａｔｈ、ＢＥ Ｓｋｏｌｎｉｃｋ共著「ＣＴスキャンによる脳内出血トライアルにおける血腫ボリュームの放射線学的推定」ＡＪＮＲ２７、２００６年３月、６６６−６７０ ［４］Ｐ Ｔｒｏｕｉｌｌａｓ、Ｒ ｖｏｎ Ｋｕｍｍｅｒ共著「虚血性脳卒中における血栓溶解後脳出血の分類と病原論」Ｓｔｒｏｋｅ、２００６年、３７、５５６ ［５］Ｋ．Ｌａｗｓ著「テクスチャ画像のセグメント化」博士学位論文、南カリフォルニア大学、１９８０年１月 ［６］Ｋ．Ｌａｗｓ著「高速テクスチャ識別」Ｉｎ ＳＰＩＥ、第２３８巻、ミサイル誘導用画像処理、３７６−３８０ページ、１９８０年

本発明の目的は、ＣＴスキャンデータをセグメント化するための新規かつ有用なセグメント化システムを提供することにある。

一般的に言えば、本発明は、輝度データで構成されるスキャン画像が入力データを変換することによって処理され、かつ変換されたデータが関心度の低い画像部分を除去するしきい値を使用してウィンドウ処理されることを提案する。

ある例では、ウィンドウ処理されたデータはマスクを生成するためにセグメント化されてもよく、マスクは、マスクをスキャン画像または変換データで乗算することによりデータをセグメント化するために使用される。

本発明の第１の態様においては、変換データは、変換データ値（Ｌａｗｓ用語では「エネルギー値」と呼ばれる）を生じさせるＬａｗテクスチャマスクに従って生成される。Ｌａｗテクスチャマスクは、空間周波数ドメインにおける帯域通過フィルタを表すマトリクスで畳み込むことによって実装される。

本発明の第２の態様においては、変換データはハウンズフィールド尺度に従って変換され、しきい値は予め規定されたハウンズフィールド尺度値に従って選択される。

本発明は、方法に関連して、或いはこのような方法を実行するためのコンピュータシステムとして表現されてもよい。本コンピュータシステムは、ＣＴスキャンデータを取得するためのデバイスと統合されてもよい。また本発明は、コンピュータシステムによって本方法の諸ステップを実行するように動作可能であるプログラム命令を含む、有形のコンピュータ媒体上に記録されるもの等のコンピュータプログラムプロダクトとして表現されてもよい。

図１は、ＣＴスキャンボリュームのスライスに関して後頭蓋窩に近くない頭蓋に対応するＣＴスキャンデータ部分を取り除く方法１００である、本発明の第１の実施形態のフロー図を示す。 図２（ａ）−（ｅ）は、原ＣＴスキャン画像及びこの原ＣＴスキャン画像へ方法１００を適用した結果を示す。 図３は、ＣＴスキャンボリュームのスライスに関して後頭蓋窩に近くない頭蓋に対応するＣＴスキャンデータ部分を取り除く、本発明の第２の実施形態のフロー図を示す。 図４（ａ）−（ｃ）は、原ＣＴスキャン画像及びこの原ＣＴスキャン画像へ方法３００のステップ３０２及びステップ３０４を適用した結果を示す。 図５（ａ）−（ｄ）は、方法３００におけるステップ３０２から取得されたウィンドウ処理された輝度画像と、方法３００におけるステップ３０４から取得されたエネルギー画像とをこれらの個々のフーリエ強度スペクトルと共に示す。 図６は、方法３００におけるステップ３０６から取得された滑らかなヒストグラムの一例を示す。 図７（ａ）−（ｆ）は、原ＣＴスキャン画像及びこの原ＣＴスキャン画像へ方法３００を適用した結果を示す。 図８は、ＣＴスキャンボリュームのスライスに関して後頭蓋窩に近い頭蓋に対応するＣＴスキャンデータ部分を取り除く、かつ図１及び図３の実施形態において有用である方法８００の一例のフロー図を示す。 図９（ａ）−（ｅ）は、ＣＴスキャンボリュームの後頭蓋窩に近い２つのスライスのウィンドウ処理された輝度画像と、これらのスライスへ方法８００を適用した結果を示す。 図１０は、ＣＴスキャンボリュームにおける出血性スライスを識別しかつセグメント化する方法１０００である本発明のさらなる実施形態のフロー図を示す。 図１１は、異なる組織タイプのＣＴ値のハウンズフィールド尺度を示す。 図１２は、ＣＴスキャンボリュームにおける出血性スライスを識別しかつセグメント化する方法１２００である本発明のさらなる実施形態のフロー図を示す。 図１３は、方法１２００におけるステップ１２０８から取得された滑らかなヒストグラムの一例を示す。 図１４（ａ）−（ｅ）は、原ＣＴスキャン画像及びこの原ＣＴスキャン画像に方法１２００を適用した結果を示す。 図１５は、ＣＴスキャンボリュームにおける出血性スライスをセグメント化する方法１５００である本発明のさらなる実施形態のフロー図を示す。 図１６（ａ）−（ｆ）は、ＣＴスキャンボリュームの第１の出血性スライスに方法１５００を適用した結果を示す。 図１７（ａ）−（ｆ）は、ＣＴスキャンボリュームの第２の出血性スライスに方法１５００を適用した結果を示す。 図１８は、実施形態のうちの所定のものにおいて使用され得、カテーテル領域をセグメント化する方法１８００のフロー図を示す。 図１９（ａ）−（ｇ）は、原ＣＴスキャン画像及びこの原ＣＴスキャン画像に方法１８００を適用した結果を示す。 図２０（ａ）−（ｅ）は、ＣＴスキャンボリュームの１つのスライスの輝度画像と、この輝度画像のヒストグラムとを示す。 図２１（ａ）−（ｅ）は、ＣＴスキャンボリュームの１つのスライスのエネルギー画像と、このエネルギー画像のヒストグラムとを示す。

次に、添付図面を参照して、本発明の一実施形態を単に例示を目的として説明する。
方法１００：後頭蓋窩に近くないスライスに関する頭蓋除去方法の第１の例
図１を参照すると、本発明の第１の実施形態である方法１００の諸ステップが示されている。本方法は、ＣＴスキャンボリュームのスライスに関して頭蓋に対応するＣＴスキャンデータ部分を取り除く。

方法１００への入力は、ＣＴスキャンボリューム（即ち、ＣＴスキャン画像）の複数のスライスである。ある例では、各ＣＴスキャン画像はＤＩＣＯＭフォーマットである。よって、ステップ１０２からステップ１１０までのセットは、各スライスに対して個々に実行される。或いは、ＣＴスキャンボリュームに対してステップ１０２からステップ１１０までを直接実行することもできる。

方法１００において、ステップ１０２からステップ１１０までは、後頭蓋窩に近くないスライスのみに対して実行される。本明細書では、後頭蓋窩に近いスライスを後頭蓋窩に最も近い２つから３つのスライスとして定義する。

ある例では、ＣＴスキャンは、それが放射線学的従来技法に従った一般的事例であるという理由で、後頭蓋窩を起点にして頭頂部まで実行されることが想定されている。従って、スキャンの最初の２つから３つのスライスは後頭蓋窩に近いスライスであるものとして理解される。別の例では、後頭蓋窩に近いスライスは、図９（ａ）に示すような組織面積の形状とスライス番号との関係のグラフを基礎として決定されるが、これは、頂部における脳の形状または断面積が後頭蓋窩における脳の形状または断面積とは異なるからである。或いは、後頭蓋窩は脳内に松果体を位置づけることによって、またはそのタライラッハ座標によって位置づけられ、後頭蓋窩に最も近い２つから３つのスライスが後頭蓋窩に近いスライスであるものとして理解される。

ステップ１０２において、輝度画像内の輝度値は、ＤＩＣＯＭファイルからインポートされる２つの変数「傾き」及び「切片」の値を使用して方程式（１）によりハウンズフィールド値に変換される。ある例では、これらの「傾き」及び「切片」の値は、方程式（１）における変換が最終的に、ハウンズフィールド値が（μ_Ｘ−μ_Ｈ２Ｏ）／（μ_Ｘ−μ_Ｈ２Ｏ）^＊１０００に従って計算される典型的なハウンズフィールド変換となる類のものである。但し、μ_Ｘ、μ_Ｈ２Ｏ及びμ_ａｉｒは各々、ターゲット物質、水分及び空気の線減弱係数である。
ハウンズフィールド値＝輝度値^＊傾き＋切片 （１）

ステップ１０４では、輝度画像をスレッショルドすることによって、即ち、上限（即ちしきい値）と下限との間の値を除く全てを削除することによって中間マスク画像が取得される。ある例において、上限及び下限は各々４００ＨＵ及び９０ＨＵに設定される。これらの上限及び下限は、骨のハウンズフィールド値の典型的範囲に関する知識を使用して選択される。結果は、中間マスク画像と称される。

ステップ１０６では、中間マスク画像に対し、適切な構造化エレメントを使用して第１の形態学的オペレーション（開放）が実行され、頭蓋と脳組織との間の望ましくない接続が除去される。実施形態例において、これらの構造化エレメントは任意の形状、例えば円形、正方形、長方形、菱形または円板形であり得る。

ステップ１０８では、次に頭蓋内部の組織領域を復元するためにさらなる形態学的オペレーション（拡張及び画像充填）が実行され、最終的なマスク画像が取得される。

ステップ１１０では、この最終的なマスク画像がステップ１０４において生成されたウィンドウ処理された輝度画像で乗算され、頭蓋が取り除かれた状態の画像（即ち、頭蓋除去画像）が取得される。これは、最終的なマスク画像とウィンドウ処理された輝度画像との間の論理ＡＮＤ演算と同等のものである。

最後に、ステップ１１２では、後頭蓋窩に近いスライスが、後に図８を参照して説明するプロセスによって処理される。

図２（ａ）から図２（ｅ）までは、原ＣＴスキャン画像、及びこの原ＣＴスキャン画像へ方法１００を適用した結果を示す。図２（ａ）は、ＤＩＣＯＭフォーマットにおける原ＣＴスキャン画像を示す。図２（ｂ）は、ステップ１０４の実行後に図２（ａ）におけるＣＴスキャン画像から取得されたウィンドウ処理された輝度画像を示す。図２（ｃ）は、開放（ステップ１０６）実行後の中間マスク画像を示す。図２（ｄ）は、ステップ１０８においてさらなる形態学的オペレーションが実行された後に取得された最終的なマスク画像を示す。図２（ｅ）は、図２（ｄ）における最終的なマスク画像と図２（ｂ）におけるウィンドウ処理された輝度画像との間で論理ＡＮＤ演算を実行した（ステップ１１０）後の、頭蓋が除去されているＣＴスキャン画像を示す。

方法３００：後頭蓋窩に近くないスライスに関する頭蓋除去方法の第２の例
図３を参照すると、本発明方法の第２の実施形態である方法（方法３００）の諸ステップが示されている。方法３００は、ＣＴスキャンボリュームのスライスに関して頭蓋に対応するＣＴスキャンデータ部分を取り除くための１つの代替方法である。

方法３００への入力は、ＣＴスキャン画像である。ある例では、このＣＴスキャン画像はＤＩＣＯＭフォーマットである。

ステップ３０２において、ＣＴスキャン画像はまずウィンドウ処理され、ＤＩＣＯＭヘッダからのウィンドウ情報（ウィンドウの幅及びウィンドウのレベル）を使用してウィンドウ処理された輝度画像が取得される。ウィンドウ情報は通常ＣＴスキャナ内に予め設定されていて、放射線科医はこれを調節することができる。

ステップ３０４では、ウィンドウ処理された輝度画像がテクスチャマスクで畳み込まれ、正規化されて「エネルギー画像」が取得される。帯域通過フィルタの効果を有する任意のテクスチャマスクを使用できるが、これは、ウィンドウ処理された輝度画像をマスクで畳み込むことの主たる目的が望ましくない周波数を除去してフィルタリングされた領域をマップし、ピーク及び／またはバレー間の描出をより高度にしてスレッショルディングを促進するヒストグラムを生成することにある点に起因する。

ある例において、マスクは、Ｍｏｄ＿Ｓ５Ｅ５^Ｔで表示される５ｘ５行列である修正されたＬａｗテクスチャマスクである。但し、上付き文字ＴはＳ５Ｅ５行列の転置を表し、Ｓ５Ｅ５行列はＳ５及びＥ５で表示される２つのベクトルから取得される５ｘ５行列である［５、６］。ＬａｗテクスチャマスクＳ５Ｅ５及び修正されたＬａｗテクスチャマスクＭｏｄ＿Ｓ５Ｅ５の方程式は、後に各々方程式（２）及び（３）として記す。実施形態例において、方程式（３）における修正されたＬａｗテクスチャマスクは完全な対称性ではなく、故に、マスクの垂直及び水平方向に沿ったカットオフ周波数は類似しているが、マスクの垂直及び水平方向に沿った帯域幅は異なる。さらに、マスクにおける係数は、マスクが画像内の点を平均化して高周波数（雑音を表す）のうちの幾分かを除去しかつ画像内の縁及びスポットを強調するように変更される。

図４（ａ）から図４（ｃ）までは、原ＣＴスキャン画像及びこの原ＣＴスキャン画像へ方法３００のステップ３０２及びステップ３０４を適用した結果を示す。図４（ａ）は、ＤＩＣＯＭフォーマットにおける原ＣＴスキャン画像を示し、図４（ｂ）は、図４（ａ）におけるＤＩＣＯＭ画像にウィンドウ処理（即ち、ステップ３０２）が実行された後のウィンドウ処理された輝度画像を示す。図４（ｃ）は、図４（ｂ）におけるウィンドウ処理された輝度画像を方程式（３）に示す修正されたｌａｗマスクＭｏｄ＿Ｓ５Ｅ５^Ｔで畳み込んだ（即ち、ステップ３０４）後に取得されたエネルギー画像を示す。

図５（ａ）は、ステップ３０２から取得されたウィンドウ処理されたＤＩＣＯＭ輝度画像を示し、図５（ｃ）は、ステップ３０４から取得されたエネルギー画像を示す。これらのフーリエ強度スペクトルは各々、図５（ｂ）及び図５（ｄ）に示されている。図５に示すように、ウィンドウ処理された輝度画像及びエネルギー画像の双方のフーリエ強度スペクトルは類似するものであるが、図５（ｄ）では望ましくない周波数がフィルタリングされて除かれている。この非線形的なフィルタリングオペレーションは、ヒストグラムにおけるピーク及び／またはバレーをより良く描出することができ、よって後続ステップにおいてセグメント化に適するしきい値を識別することに役立つ。

図３のステップ３０６では、エネルギー画像内の値の滑らかなヒストグラムが、まずエネルギー画像のヒストグラムを計算し、次いで滑らかなヒストグラムを取得すべくこの計算されたヒストグラムをフィルタリングすることによって取得される。実施形態例では、滑らかなヒストグラムを取得するために、ヒストグラムデータを前方向及び逆方向の双方で処理することによってゼロ位相デジタルフィルタリングが実行される。第１のフィルタリングラウンドはヒストグラムデータに対して実行され、次に、フィルタリングされたデータのデータシーケンスが逆転される。次に、逆転されたデータは再度フィルタリングされ、滑らかなヒストグラムが取得される。このようにして取得されるヒストグラムは正確にゼロ位相歪を有し、かつフィルタの振幅応答の二乗である振幅を有する。

次に、ステップ３０６において、ヒストグラムにおけるピーク及びバレーが識別される。

図６は、方法３００におけるステップ３０６から取得された滑らかなヒストグラムの一例を示す。図６において、最も高い正規化されたエネルギー値を有するピーク（ヒストグラムの右側）はバックグラウンドのピークであり、最も低い正規化されたエネルギー値を有するピーク（ヒストグラムの左側）は頭蓋のピークであるのに対して、正規化された最高及び最低エネルギー値間に存在する正規化されたエネルギー値を有するピークは組織のピークである。図６におけるヒストグラムには、バレーポイント（頭蓋のバレー、バックグラウンドのバレー及び組織のバレー）も示されている。

ステップ３０８では、エネルギー画像に対し、ヒストグラムのバックグラウンドバレー及び頭蓋バレーにおける正規化されたエネルギー値をしきい値として使用してスレッショルディングが実行され、非ゼロ値を有する組織領域のみによる中間マスク画像が取得される。

ステップ３１０では、マスク画像に対して形態学的オペレーションが実行される。まず、マスク画像に対し、適切な構造化エレメントを使用して形態学的オペレーション（開放）が実行され、頭蓋と脳組織との間の望ましくない接続が除去される。次に、頭蓋内部の組織領域を復元するために拡張及び画像充填の形態学的オペレーションが実行され、最終的なマスク画像が取得される。

ステップ３１２では、最終的なマスク画像が続いてエネルギー画像で乗算され、頭蓋が取り除かれた状態の画像（頭蓋除去画像）が取得される。

実施形態例では、方法３００がＣＴスキャンボリュームの各スライスに対して実行される。或いは、方法３００は、ＣＴスキャンボリュームに直に実行され得る。

図７（ａ）から図７（ｆ）までは、原ＣＴスキャン画像及びこの原ＣＴスキャン画像へ方法３００を適用した結果を示す。図７（ａ）は、ＤＩＣＯＭフォーマットにおける原ＣＴスキャン画像を示している。図７（ｂ）は、ステップ３０２が実行された後に図７（ａ）におけるＣＴスキャン画像から取得されたウィンドウ処理された輝度画像を示している。図７（ｃ）は、ステップ３０４が実行された後に図７（ｂ）における輝度画像から取得されたエネルギー画像を示している。図７（ｄ）は、ステップ３０８におけるスレッショルディングが実行された後の初期マスクを示し、図７（ｅ）は、ステップ３１０において形態学的オペレーションが実行された後の最終マスクを示している。図７（ｆ）は、ステップ３１２において最終マスク画像をエネルギー画像で乗算した後の頭蓋が取り除かれた画像を示している。

方法１００におけるステップ１１２及び方法３００におけるステップ３１４
図８を参照すると、方法１００におけるステップ１１２及び方法３００におけるステップ３１４であるプロセス８００の諸ステップが示されている。このプロセスは、ＣＴスキャンボリュームのスライスに関して先に画定したような後頭蓋窩に近い頭蓋に対応するＣＴスキャンデータ部分を取り除く。

プロセス８００は、ＣＴスキャンボリュームと、このＣＴスキャンボリュームの後頭蓋窩に近くないスライスにおける組織領域とを使用する。ある例において、組織領域は方法１００を使用して取得され、図２（ｄ）はこのような組織領域の一例を示している。或いは、組織領域は方法３００を使用して取得され得、図７（ｅ）はこのような組織領域の一例を示している。

ステップ８０２では、ＣＴスキャンボリュームの各スライス（後頭蓋窩に近いスライスを除く）における組織領域の面積が計算される。ステップ８０４では、次に、最大組織面積を含むスライス（即ち、最大組織面積スライス）が位置づけられ、この最大組織面積スライスのマスク画像が基準マスクとして示される。ステップ８０６では、最大組織面積スライスから後頭蓋窩まで延びる諸スライスの連続するスライス間の組織面積の差が計算される。ステップ８０８では、プロセスは、連続するスライス間の組織面積の差が予め決められたしきい値より（例えば１０％）大きいスライスペアを発見し、最大組織面積スライスからさらに遠位のスライスが選択される。この最大組織面積スライスからさらに遠位のスライスは、基準スライスと称される。

ステップ８１０では、基準スライスから開始して（かつ基準スライスを含んで）、後頭蓋窩からさらに遠位のスライスが後頭蓋窩に近くないスライスと同じ方法で処理される。言い替えれば、これらのスライスの各々に対して、方法１００のステップ１０２からステップ１１０まで、または方法３００のステップ３０２からステップ３１２までが実行される。これらのスライスの各々について、方法１００のステップ１０２からステップ１１０まで、または方法３００のステップ３０２からステップ３１２までから取得されたＣＴスキャン画像における接続された最大の構成要素が組織領域であるとして選択される。

一方で、ステップ８１２では、基準スライスよりも後頭蓋窩に近いスライスの各々について、予め決められた下限より低い値を有する点がゼロに設定され、中間マスク画像が形成される。ある例では、下限はバックグラウンドの輝度値（スライス内の点の単位が輝度値である場合）またはハウンズフィールド値（スライス内の点の単位がハウンズフィールド値である場合）である。ウィンドウ処理は、ＣＴスキャンボリュームの全てのスライスに対して実行されることに留意されたい。

続いて、ステップ８１４では、中間マスク画像に頭蓋と脳組織との間の望ましくない接続を除去する形態学的オペレーションが実行され、最終的なマスク画像が取得される。ある例では、ステップ８１４において、開放、拡張及び画像充填の形態学的オペレーションが実行される。

最後に、ステップ８１６では、最終的なマスク画像がウィンドウ処理された輝度画像またはエネルギー画像で乗算され、頭蓋が取り除かれた状態の画像（即ち、頭蓋除去画像）が取得される。これは、最終的なマスク画像と、ウィンドウ処理された輝度画像またはエネルギー画像との間の論理ＡＮＤ演算と同等である。ＣＴスキャンボリュームにおける後頭蓋窩に近い各スライスのウィンドウ処理された輝度画像またはエネルギー画像は、ステップ１０４またはステップ３０２及びステップ３０４において説明したものと同じ方法で取得され得る。基準スライスより後頭蓋窩に近いこれらのスライスの各々については、頭蓋除去画像内の全ての領域が組織領域であるものとして理解される。

図９（ａ）から図９（ｅ）までは、ＣＴスキャンボリュームの後頭蓋窩に近い２つのスライスのウィンドウ処理された輝度画像、及びこれらのスライスへ方法８００を適用した結果を示す。図９（ａ）は、ＣＴスキャンボリュームにおける（後頭蓋窩に近いスライスを除く）各スライスの組織面積とスライス番号との関係を示す曲線９０２によるプロットを図解している。図９（ａ）に示すこのプロットは、ステップ８０４に使用され得る。図９（ａ）において、最大組織面積を有するスライスはスライス番号１０である。図９（ｂ）及び図９（ｄ）は、後頭蓋窩に近い２つのスライスのウィンドウ処理された輝度画像を示している。図９（ｃ）及び図９（ｅ）は各々図９（ｂ）及び図９（ｄ）に対応し、方法８００のステップ８１６における図９（ｃ）及び図９（ｅ）内の最終的なマスク画像及びウィンドウ処理された輝度画像の論理ＡＮＤ演算の後に取得された画像（頭蓋は取り除かれている）を示している。

方法１０００：ＣＴスキャンボリュームにおける出血性スライスを識別してセグメント化する方法の第１の例
図１０を参照すると、ＣＴスキャンボリュームにおける出血性スライスを識別しかつセグメント化する方法の第１の例（方法１０００）である本発明のさらなる実施形態の諸ステップが示されている。

方法１０００への入力は、ＣＴスキャンボリュームである。ある例では、ＣＴスキャンボリュームはＤＩＣＯＭファイルから読み取られる。或いは、ＣＴスキャンボリュームはＲＡＷファイルから読み取られることも可能である。さらに、ＣＴスキャンボリュームは頭蓋領域を含む可能性も、除外する可能性もある。

ステップ１００２において、ＣＴスキャンボリューム内のボクセルの値の単位が輝度値であれば、これらの輝度値に対応するハウンズフィールド値がＤＩＣＯＭヘッダから取得される傾き及び切片を使用して計算される。ハウンズフィールド値の計算は、先に示した方程式（１）に従って実行される。

ステップ１００４では、骨、軟組織及び血液のハウンズフィールド値をしきい値として使用してＣＴスキャンボリュームがスレッショルドされ、組織領域及び血液領域のみが取得される。図１１及び表１（ｈｔｔｐ：／／ｗｗｗ．ｋｅｖｉｎｂｏｏｎｅ．ｃｏｍ／ｂｉｏｄａｔｈｏｕｎｓｆｌｄ．ｈｔｍｌ）は、骨、軟組織及び血液のハウンズフィールド値を含む異なる組織タイプのＣＴ番号のハウンズフィールド尺度を示す。概して、血液のハウンズフィールド値の範囲は５０−１００である。通常、出血領域のハウンズフィールド値範囲は６０−９０であり、急性血液（２４時間以下の血液）のそれは５０−９０である。また、古い血液のハウンズフィールド値は約４０である。実施形態例では、血液のハウンズフィールド値範囲は５０−１００であるものとして理解される。

ステップ１００６では、ＣＴスキャンボリュームが頭蓋領域を含んでいれば、この頭蓋領域が取り除かれる。ある例では、頭蓋領域は方法１００及び方法８００の組合せによって除去され得る。或いは、頭蓋領域は方法３００及び方法８００または他の任意の方法の組合せによって除去され得る。

ステップ１００８では、次に、ステップ１００６の結果としてのＣＴスキャンボリュームが、血液に対応するハウンズフィールド値の範囲（即ち、血液ウィンドウ）を使用して２値化される。これは、血液ウィンドウの外側のハウンズフィールド値を有するボクセルをゼロに設定することによって実行される。実施形態例では、血液ウィンドウは５０−１００である。ステップ１００８では、ＣＴスキャンボリュームを２値化することにより、出血性スライスのセグメント化が達成される。

ステップ１０１０では、２値化されたＣＴスキャンボリュームにおけるアーティファクトが取り除かれる。アーティファクトを除去する諸ステップについては、後にさらに詳述する。最後に、ステップ１０１２において、非ゼロ成分を有するスライスが出血性スライスとして識別される。

方法１２００：ＣＴスキャンボリュームにおける出血性スライスを識別してセグメント化する方法の第２の例
図１２を参照すると、ＣＴスキャンボリュームにおける出血性スライスを識別しかつセグメント化する方法の第２の例（方法１２００）である本発明のさらなる実施形態の諸ステップが示されている。

方法１２００への入力は、ＣＴスキャンボリュームである。ある例では、ＣＴスキャンボリュームはＤＩＣＯＭファイルから読み取られる。或いは、ＣＴスキャンボリュームはＲＡＷファイルから読み取られ得る。さらに、ＣＴスキャンボリュームは頭蓋領域を含む可能性も、除外する可能性もある。

ステップ１２０２において、ＣＴスキャンボリューム内のボクセルの値の単位がハウンズフィールド値であれば、これらのハウンズフィールド値に対応する輝度値がＤＩＣＯＭヘッダから取得される傾き及び切片を使用して計算され、輝度ボリュームが取得される。輝度値は、方程式（４）を使用して計算され得る。
輝度値＝（ハウンズフィールド値−切片）／傾き （４）

ステップ１２０４では、ＣＴスキャンボリュームが頭蓋領域を含んでいれば、この頭蓋領域が取り除かれる。ある例では、頭蓋領域は方法１００及び方法８００の組合せによって除去され得る。或いは、頭蓋領域は方法３００及び方法８００または他の任意の方法の組合せによって除去され得る。

ステップ１２０６では、輝度ボリュームにおける各スライスが方程式（３）に示す修正されたＬａｗ［５、６］テクスチャマスク（Ｍｏｄ＿Ｓ５Ｅ５^Ｔ）で畳み込まれ、次に正規化されてＣＴスキャンボリュームにおける各スライスについてエネルギー画像が取得される。

ステップ１２０８では、ＣＴスキャンボリュームにおける各スライスに関するエネルギー画像の滑らかなヒストグラムが、ステップ３０６において先に述べた方法と同様に、まずエネルギー画像のヒストグラムを計算し、次に計算されたヒストグラムに対して滑らかなヒストグラムを取得すべくフィルタリングを実行することによって取得される。次に、ステップ１２０８において、ＣＴスキャンボリュームの各スライスについて取得された滑らかなヒストグラムにおけるピーク及びバレーが識別される。

図１３は、方法１２００におけるステップ１２０８から取得された滑らかなヒストグラムの一例を示す。図１３において、より高いエネルギー値を有するピーク（ヒストグラムの右側）はバックグラウンドのピークであるのに対し、より低いエネルギー値を有するピーク（ヒストグラムの左側）は組織のピークである。図１３には、組織のバレー及びバックグラウンドのバレーも示されている。

ステップ１２１０では、ＣＴスキャンボリュームの各スライス内の出血領域が識別され、出血領域として識別されない領域内の点がゼロに設定される。これは結果的に、識別された出血性スライス内の出血領域のセグメント化となる。

組織バレーにおけるエネルギー値が、組織ピークにおけるエネルギー値を変数αで乗算したものより少ないか等しければ、ステップ１２０８において次のステップが実行される。ある例では、αの値は０．４であり、よってステップ１２１０は少量及び多量の出血の双方を検出するために使用され得る。しかしながら、αの値は検出されるべきものが少量の出血であるか多量の出血であるかに依存して変わる可能性がある。出血の程度は、組織面積に対する出血面積の比率として定義される。０からバックグラウンドバレーにおけるエネルギー値までの範囲内の全値のデータベクトルが形成され、次に、クラスタリング方法を使用してクラスタ化される。クラスタリング方法は、ｋｍｅａｎｓ法、Ｆｕｚｚｙ Ｃ−ｍｅａｎｓ法、ニューラルネットワークまたはスレッショルディングであってもよい。より高いエネルギー値を有するクラスタ内の点は各スライス内の非出血領域に対応し、これらの領域における値はゼロに設定される。

一方で、組織バレーにおけるエネルギー値が、組織ピークにおけるエネルギー値を変数αで乗算したものより大きければ、ステップ１２０８において次のステップが実行される。エネルギー画像は、まず、組織バレーのエネルギー値より低いエネルギー値を有するエネルギー画像の領域が出血領域として識別されるように、組織バレーにおけるエネルギー値をしきい値として使用してスレッショルドされる。次に、出血領域として識別されない各スライス内の領域の値がゼロに設定される。

ステップ１２１２では、ＣＴスキャンボリュームの各スライス内のアーティファクトが取り除かれる。アーティファクトを除去する諸ステップについては、後にさらに詳述する。最後に、ステップ１２１４において、ＣＴスキャンボリュームにおける非ゼロ成分を有するスライスが出血性スライスとして識別される。

図１４（ａ）から図１４（ｅ）までは、原ＣＴスキャン画像（ＣＴスキャンボリュームの単一のスライス）及びこの原ＣＴスキャン画像に方法１２００を適用した結果を示す。図１４（ａ）は、出血領域を有する原ＣＴスキャン画像を示しているのに対して、図１４（ｂ）は、図１４（ａ）の画像にステップ１２０２からステップ１２０６までが実行された後に取得された頭蓋除去エネルギー画像を示している。図１４（ｃ）は、図１４（ｂ）の画像にステップ１２０８からステップ１２１０までが実行された後の結果的な画像を示している。図１４（ｄ）は、図１４（ｃ）における画像にアーティファクト除去の第１のラウンドが実行された後の結果を示し、図１４（ｅ）は、図１４（ｄ）における画像にアーティファクト除去の第２のラウンドが実行された後の結果的な画像を示している。

方法１５００：ＣＴスキャンボリュームにおける出血領域をセグメント化する方法の一例
図１５を参照すると、ＣＴスキャンボリュームにおける出血性スライスをセグメント化する方法の一例（方法１５００）である、本発明のさらなる実施形態の諸ステップが示されている。

方法１５００への入力は、ＣＴスキャンボリュームである。ある例では、ＣＴスキャンボリュームはＤＩＣＯＭファイルから読み取られる。或いは、ＣＴスキャンボリュームはＲＡＷファイルから読み取られ得る。さらに、ＣＴスキャンボリュームは頭蓋領域を含む可能性も、除外する可能性もある。

ステップ１５０２において、出血性スライスは識別されて抽出される。ある例では、出血性スライスは方法１０００を使用して識別される。或いは、出血性スライスは方法１２００または他の任意の方法を使用して識別され得る。

ステップ１５０４では、各出血性スライスの輝度画像が方程式（３）に示す修正されたＬａｗ［５、６］テクスチャマスク（Ｍｏｄ＿Ｓ５Ｅ５^Ｔ）で畳み込まれ、かつ正規化されて各出血性スライスのエネルギー画像が取得される。ある例では、各出血性スライスの輝度画像は、畳み込みプロセスに先行してウィンドウ情報（ウィンドウ幅及びＤＩＣＯＭヘッダからのウィンドウレベル）を使用してウィンドウ処理され、ウィンドウ処理された輝度画像が取得される。

ステップ１５０６では、各出血性スライスに対応するエネルギー画像の滑らかなヒストグラムが、まず各エネルギー画像のヒストグラムを計算し、続いてこの計算されたヒストグラムをフィルタリングすることによって取得される。次に、ステップ１５０６において、ヒストグラムのピーク及びバレーが識別される。ＣＴスキャンボリューム内に頭蓋領域が存在していれば、取得されるヒストグラムは図６に示すようなものになり、そうでなければ、取得されるヒストグラムは図１３に示すようなものになる。

方法１２００では、識別された各出血性スライスについて既にエネルギー画像及びエネルギー画像のヒストグラムが取得されていることから、方法１２００を使用して出血性スライスが識別されるのであれば、ステップ１５０２及びステップ１５０４を省くことができる。

ステップ１５０８では、バックグラウンド領域及び頭蓋領域が、バックグラウンド、組織または頭蓋ピーク及び／またはバレーにおけるエネルギー値をしきい値として使用してエネルギー画像をスレッショルドすることにより、エネルギー画像から取り除かれる。これは、バックグラウンドバレーと頭蓋バレーとの間のエネルギー値（ＣＴスキャンボリューム内に頭蓋領域が存在している場合）、またはバックグラウンドバレーとより低いエネルギー値を有する組織バレーとの間のエネルギー値（ＣＴスキャンボリューム内に頭蓋領域が存在しない場合）を有するエネルギー画像内の点を保持することによって行われる。

ステップ１５１２では、各出血性スライス内の出血領域をフォアグラウンド領域とバックグラウンド領域とにセグメント化することに適するしきい値が選択される。組織ピーク（Ｔ_Ｐ）が発見され、かつＴ_Ｐを起点として下位のエネルギー値へ向かう組織バレー点Ｔ_Ｖが発見される。

Ｔ_Ｖ≦（Ｓ_Ｖ＋０．５^＊（Ｔ_Ｐ−Ｓ_Ｖ））、但しＳ_Ｖは頭蓋バレーを表す、であれば、ｋｍｅａｎｓ法、Ｆｕｚｚｙ Ｃｍｅａｎｓ法、ガウス混合モデリング法またはＯｔｓｕ法であってもよいしきい値法であることが可能なクラスタリング方法を使用してＳ_Ｖとバックグラウンドバレーとの間のデータのしきい値が発見される。次に、このしきい値を使用して、エネルギー画像がフォアグラウンドエリア及びバックグラウンドエリアにセグメント化される。実施形態例では、ＣＴスキャンボリュームが頭蓋領域を含まなければ、Ｓ_Ｖはゼロとして設定される。これは、概して、エネルギー画像内では、骨のハウンズフィールド値または輝度値は血液のそれより高いことに起因する。従って、頭蓋領域は血液領域よりも暗く現出し、エネルギー画像内の領域を如何にしてフォアグラウンド領域及びバックグラウンド領域に分割するかを判断するためにＴ_Ｖが（Ｓ_Ｖ＋０．５^＊（Ｔ_Ｐ−Ｓ_Ｖ））と比較される。ＣＴスキャンボリューム内の頭蓋領域が取り除かれれば、より暗い領域は血液領域である可能性が最も高く、Ｔ_Ｖは単に（０．５^＊（Ｔ_Ｐ））と比較されてもよい。言い替えれば、Ｓ_Ｖはゼロとして設定され得る。

一方で、Ｔ_Ｖ＞（Ｓ_Ｖ＋０．５^＊（Ｔ_Ｐ−Ｓ_Ｖ））であれば、エネルギー画像におけるＳ_ＶとＴ_Ｖとの間のエネルギー値を有する領域はフォアグラウンドエリアとして分類され、残りの領域はバックグラウンドエリアとして分類される。

ステップ１５１２では、セグメント化されたエネルギー画像のフォアグラウンドエリアの空間情報が輝度画像（ウィンドウ処理されていてもよい）へマップされ、各出血性スライス内の出血領域がセグメント化される。

ステップ１５１４では、出血領域の最小サイズを画定するしきい値が決定され、このしきい値より低いエリアを有するセグメント化された出血領域が取り除かれる。

ステップ１５１６では、アーティファクトが取り除かれる。アーティファクトを取り除く諸ステップについては、後にさらに詳述する。

「グラウンドトルース」（例えば、専門家から入手されるセグメント化された正しい画像）が存在すれば、この時点で比較を行って上記方法の信頼度が検証されてもよい。

実施形態例では、ステップ１５０４からステップ１５１６までは各出血性スライスに対して実行される。或いは、ステップ１５０４からステップ１５１６までは直にＣＴスキャンボリュームに対して実行され得る。

図１６及び図１７は、ＣＴスキャンボリュームの２つの異なる出血性スライスに方法１５００を適用した結果を示す。図１６（ａ）及び図１７（ａ）は出血性スライスの輝度画像を示し、図１６（ｂ）及び図１７（ｂ）は対応するエネルギー画像を示す。図１６（ｃ）から図１６（ｆ）までは、各々ガウス混合モデル法、Ｆｕｚｚｙ Ｃ−ｍｅａｎｓ法、Ｋ−ｍｅａｎｓ法及びＯｔｓｕ法を使用する第１のスライスのセグメント化された輝度画像を示し、図１７（ｃ）から図１７（ｆ）までは、各々ガウス混合モデル法、Ｆｕｚｚｙ Ｃ−ｍｅａｎｓ法、Ｋ−ｍｅａｎｓ法及びＯｔｓｕ法を使用する第２のスライスのセグメント化された輝度画像を示している。

ステップ１０１０、ステップ１２１２及びステップ１５１４におけるアーティファクトの除去
ＣＴスキャン画像内に存在する場合がある、かつ頭蓋の除去、スライスの識別及びセグメント化プロセス（例えば、方法１００、方法３００、方法８００、方法１０００、方法１２００及び方法１５００）に影響する場合のあるアーティファクトの幾つかの例は、大脳鎌（出血領域の一部として現出することがある）、部分容積効果及びビームハードニング効果である。大脳鎌は通常、正中矢状面に近接し、概して軸方向スライスの半球間裂内に現出する。

実施形態例では、大脳鎌が形状分析を使用して取り除かれるのに対して、ビームハードニング及び部分容積のアーティファクトは統計分析、形状分析及び形態学的オペレーションを使用して除去される。

実施形態例では、形状分析は固有値を計算することによって行われる。或いは、形状分析は、組織領域または出血領域の境界を辿ることによって、または他の任意の方法によって行われる可能性もある。実施形態例では、統計分析は、様々な一次統計量を抽出することと、分類を実行することによって行われる。実施形態例では、アーティファクトを除去するために、画像特徴も使用してアーティファクトと出血領域とが区別化される。

方法１８００：カテーテル領域をセグメント化する方法の一例
図１８を参照すると、カテーテル領域をセグメント化する方法の一例（方法１８００）の諸ステップが示されている。この方法は、本発明の実施形態であるこれまでに述べた諸方法を改善するために使用され得る。

方法１８００への入力は、ＣＴスキャンボリュームにおける各スライスの組織領域を抽出するために使用されるマスク画像（即ち、組織マスク）である。ある例では、組織マスクは方法１００及び方法８００の組合せを使用して取得される。或いは、組織マスクは、方法３００及び方法８００または他の任意の方法の組合せを使用して取得されることも可能である。

ステップ１８０２では、各組織マスクの組織領域内に存在する穴が塞がれ、ステップ１８０４では、ＣＴスキャンボリュームの各スライス毎に組織マスクと輝度画像との間で論理ＡＮＤ演算を実行することにより、輝度画像内の組織領域が取得される。

次にステップ１８０６では、輝度画像またはエネルギー画像内の組織領域のヒストグラムが取得される。ＣＴスキャンボリュームのエネルギーデータがまだ利用可能でなければ、これは、先に述べた、例えば方法３００のステップ３０２及びステップ３０４において述べたものと同じ方法で取得され得る。

ステップ１８０８では、輝度画像またはエネルギー画像にスレッショルディングが実行され、カテーテル領域と組織領域とが分離された２値画像が取得される。但し、カテーテル領域はフォアグラウンドであり、組織領域はバックグラウンドである。

ステップ１８１０では、フォアグラウンド領域内に存在する任意の石灰化が形状分析を使用して取り除かれる。

ステップ１８１２では、フォアグラウンド領域（即ち、カテーテル領域）に形態学的オペレーション及び領域拡張が実行され、最終的なカテーテルマスクが取得される。

最後に、ステップ１８１４では、最終的なカテーテルマスクを使用し、最終的なカテーテルマスクに輝度画像またはエネルギー画像を乗算することによってカテーテルがセグメント化される。

図１９（ａ）から図１９（ｇ）までは、原ＣＴスキャン画像及びこの原ＣＴスキャン画像に方法１８００を適用した結果を示す。図１９（ａ）は原ＣＴスキャン画像を示しているのに対して、図１９（ｂ）は頭蓋が剥離されたエネルギー画像を示している。図１９（ｃ）は、エネルギー画像から取得されたマスク画像を示している。図１９（ａ）から図１９（ｃ）までの画像は、方法３００及び方法８００または他の任意の方法の組合せを使用して取得され得る。図１９（ｄ）は、ステップ１８０２において穴が塞がれた後のマスク画像を示している。図１９（ｅ）は、ステップ１８０４後のカテーテル領域１９０２を有する頭蓋が除去された組織画像を示している。図１９（ｆ）は、カテーテルをセグメント化するための最終的なマスク画像を示している。図１９（ｆ）における最終的なマスク画像は、図１９（ｅ）における画像にステップ１８０６からステップ１８１２までを実行することによって取得される。図１９（ｇ）は、ステップ１８１４後に取得されたセグメント化されたカテーテル領域を示す。

実験結果
出血性脳卒中患者の２２件のＣＴスキャンボリュームを取得した。これらの２２件のＣＴスキャンボリュームにおいて、９３件のスライスが出血領域を含んでいた。この実験では、ＣＴスキャンの面内分解能を０．４５ｍｍｘ０．４５ｍｍまたは０．４７ｍｍｘ０．４７ｍｍの何れかに設定し、ＣＴスキャンのマトリクスサイズを５１２ｘ５１２に設定し、ＣＴスキャンの各スライスの厚さを４．５ｍｍ、５ｍｍ、６ｍｍまたは７ｍｍに設定した。ＣＴスキャン内のスライスの数は、１７個から３３個までの範囲であった。

これらの実施形態例における頭蓋除去アルゴリズム（方法１００及び方法８００の組合せ、及び方法３００及び方法８００の組合せ）の感度及び特異性は、各々９８％及び７０％であることが分かった。僅かな不正確さは、頭蓋内の硬膜及び眼球領域の存在に起因するものと思われた。さらに、これらの実施形態例における出血性スライス識別アルゴリズム（方法１０００及び方法１２００）の平均感度及び特異性は、各々９６％及び７４％であることが分かり、一方で、これらの実施形態例における出血セグメント化アルゴリズム（方法１０００及び方法１５００）の感度及び特異性は、各々９４％及び９８％であることが分かった。さらに、これらの実施形態例における出血セグメント化アルゴリズムのダイス統計指標（ＤＳＩ）は、約８０％であることが分かっている。さらに、これらの実施形態例を使用して頭蓋領域を取り除き、出血性スライスを識別しかつセグメント化する全体プロセスの所要時間は、Ｍａｔｌａｂ計算環境において約１分であることが分かった。

これらの実施形態例における方法は、先行技術方法に比較して、出血領域をローカライズしかつセグメント化するために要する時間量を短縮させるという優位点を有する。ある例では、この時間量はＭａｔｌａｂ計算環境において１分であることが分かった。実際に、ローカライゼーション及びセグメント化の速度は、ＶＣ＋＋計算環境における方法を実装することによってさらに上昇が可能である。

実施形態の中には、スレッショルディングまたは形態学的オペレーションを実行する前に輝度値をハウンズフィールド値に変換するものがある。ハウンズフィールド値の範囲の方が短いことから、ピクセルのそのハウンズフィールド値としての格納は占有するメモリが少ないことに起因して、これは効果的である。さらに、輝度値からハウンズフィールド値への変換及びその逆の変換は、傾き及び切片の値がＤＩＣＯＭヘッダから既知である限り容易に実行可能である。

さらに、実施形態の中には、輝度画像のヒストグラムではなくエネルギー画像のヒストグラムを使用するものがある。

図２０（ａ）から図２０（ｅ）までは、ＣＴスキャンボリュームの１つのスライスの輝度画像と、この輝度画像のヒストグラムとを示す。図２０（ａ）から図２０（ｃ）までには、選択された関心領域（ＲＯＩ）を異にする輝度画像が示されている。図２０（ａ）では、正常な組織領域２００２が選択され、図２０（ｂ）では、正常組織及び出血性組織の双方を含む領域２００４が選択され、図２０（ｃ）では、出血領域２００６が選択されている。図２０（ｄ）は、これらの選択されたＲＯＩ２００２、２００４及び２００６を示しているのに対して、図２０（ｅ）は、曲線２００８、２０１０及び２０１２が各々ＲＯＩ２００２（正常な組織領域）、２００４（正常組織及び出血性組織の双方を有する領域）及び２００６（出血領域）に対応する輝度画像のヒストグラムを示している。

図２１（ａ）から図２１（ｅ）までは、ＣＴスキャンボリュームの１つのスライスのエネルギー画像と、このエネルギー画像のヒストグラムとを示す。図２１（ａ）から図２１（ｃ）までには、選択された関心領域（ＲＯＩ）を異にする輝度画像が示されている。図２１（ａ）では、正常な組織領域２１０２が選択され、図２１（ｂ）では、正常組織及び出血性組織の双方を含む領域２１０４が選択され、図２１（ｃ）では、出血領域２１０６が選択されている。図２１（ｄ）は、これらの選択されたＲＯＩ２１０２、２１０４及び２１０６を示しているのに対して、図２１（ｅ）は、曲線２１０８、２１１０及び２１１２が各々ＲＯＩ２１０２（正常な組織領域）、２１０４（正常組織及び出血性組織の双方を有する領域）及び２１０６（出血領域）に対応する輝度画像のヒストグラムを示している。

図２０（ｅ）及び図２１（ｅ）に示すように、正常な組織領域及び出血領域に対応する２つのピークは、エネルギー画像のヒストグラムでは十分に分離されているのに対して、輝度画像のヒストグラムでは重なり合っている。これは、エネルギー画像のヒストグラムでは、出血領域と正常組織領域との間に輝度画像のヒストグラムより良好な描出が存在することを含意している。さらに、エネルギー画像のヒストグラムは、ＣＴスキャンボリュームのノイズの多いスライスにおいても正常組織の滑らかな対称的性質を示している。従って、輝度画像のヒストグラムの代わりにエネルギー画像のヒストグラムを使用することにより、非補強ＣＴ画像における出血領域のより正確な検出を達成することができる。

また、本発明の実施形態は、脳内出血（ＩＣＨ）、脳室内出血（ＩＶＨ）またはくも膜下出血（ＳＡＨ）等の多くの異なる出血形態に関して出血領域の識別及びセグメント化に使用できるという優位点も有する。

Claims (31)

1. 個々のＣＴスキャン点の集合に輝度値を含むＣＴスキャンデータをセグメント化する方法であって、
   （ａ）前記ＣＴスキャンデータを空間周波数ドメインにおける帯域通過フィルタを表すテクスチャマスクマトリクスで畳み込み、変換されたデータ値を取得するステップと、
   （ｂ）前記変換されたデータ値のヒストグラムを生成するステップと、
   （ｃ）前記ヒストグラムにおける少なくとも１つのピーク及び／または少なくとも１つのバレーを識別するステップと、
   （ｄ）前記識別されたピーク及びトラフ値を基礎として前記変換されたデータ値をスレッショルドするステップと
   を含む方法。
2. 前記ステップ（ｂ）は、
   （ｉ）前記変換されたデータ値の予備的なヒストグラムを計算するサブステップと、
   （ｉｉ）前記予備的なヒストグラムをフィルタリングして、前記変換されたデータ値のヒストグラムを生成するサブステップと
   を含む、請求項１記載の方法。
3. ステップ（ａ）に先行して、前記ＣＴスキャンデータを前記ＣＴスキャンデータのＤＩＣＯＭヘッダからのウィンドウ情報を使用してウィンドウ処理するステップをさらに含む、請求項１または請求項２記載の方法。
4. ステップ（ｃ）は組織値及びバックグラウンドバレーを識別することを含み、かつステップ（ｄ）は、
   （ｉ）前記変換されたデータ値が前記組織バレーと前記バックグラウンドバレーとの間である点において非ゼロ値を有するマスクを取得するサブステップと、
   （ｉｉ）前記マスクを使用して頭蓋領域を除去するサブステップと、
   を含む、請求項１記載の方法。
5. 前記サブステップ（ｉｉ）に先行して、前記マスクに形態学的オペレーションを実行するステップをさらに含む、請求項４記載の方法。
6. 前記形態学的オペレーションは、開放オペレーション、拡張オペレーション及び画像充填オペレーションより成るグループのうちの１つまたはそれ以上を含む、請求項６記載の方法。
7. 後頭蓋窩に近いＣＴスキャンスライスと前記後頭蓋窩に近くないＣＴスキャンスライスとを備えるＣＴスキャンデータから頭蓋領域を除去する方法であって、
   （ｉ）前記後頭蓋窩に近くない前記ＣＴスキャンスライスについて、請求項４から請求項６における任意の請求項記載の方法により、前記頭蓋領域を除去すべく前記ＣＴスキャンデータをセグメント化するステップと、
   （ｉｉ）前記後頭蓋窩に近くない前記ＣＴスキャンスライスの前記セグメント化されたＣＴスキャンデータを使用して、前記後頭蓋窩に近い前記ＣＴスキャンスライスをセグメント化するステップと、
   を含む方法。
8. ＣＴスキャンデータにおける出血性スライスを識別しかつセグメント化する方法であって、
   （ａ）請求項１記載の方法によってＣＴスキャンデータをセグメント化するステップであって、前記ステップ（ｄ）は、前記変換されたデータ値が規定された範囲内に存在しない点に対応するデータ値へ設定するサブステップを含むステップと、
   （ｂ）出血を含む前記ＣＴスキャンデータのスライスを、前記非ゼロのデータ値がしきい値より上であるスライスとして識別するステップと、
   を含む方法。
9. 前記ステップ（ｄ）は、
   （ｉ）前記生成されたヒストグラム内の組織バレーにおける複数の変換されたデータ値が、変数αを対応する組織ピークにおける前記変換されたデータ値で乗算したものより低いかどうかを決定するサブステップと、
   低ければ、
   （ｉｉ）ゼロとバックグラウンドバレーにおける変換されたデータ値との間の範囲の変換されたデータ値を有する前記ＣＴスキャンデータ内の点をクラスタ化するサブステップと、
   （ｉｉｉ）より高い変換されたデータ値を有する前記クラスタ内の前記ＣＴスキャンデータの点をゼロに設定するサブステップと、
   を含む、請求項８記載の方法。
10. 前記決定が否であれば、即ち、前記生成されたヒストグラム内の前記組織バレーにおける前記変換されたデータ値がマイナスであれば、
    （ｉ）前記エネルギーデータを前記ヒストグラムの前記組織バレーにおける前記変換されたデータ値でスレッショルドすることと、
    （ｉｉ）前記組織バレーにおける前記変換されたデータ値より低い変換されたデータ値を有する前記ＣＴスキャンデータの点をゼロに設定して前記ＣＴスキャンデータをセグメント化することと、
    を含む、請求項９記載の方法。
11. ＣＴスキャンデータ内の出血領域をセグメント化する方法であって、前記方法は請求項１記載の方法によって前記ＣＴスキャンデータをセグメント化するステップを含み、前記ステップ（ｄ）は、
    （ｉ）前記エネルギーデータをフォアグラウンドエリア及びバックグラウンドエリアにセグメント化するサブステップと、
    （ｉｉ）前記セグメント化されたエネルギーデータの前記フォアグラウンドエリアの空間情報を前記ＣＴスキャンデータへマップして前記ＣＴスキャンデータをセグメント化するサブステップと、
    を含む方法。
12. 前記ステップ（ｉ）は、Ｔ_Ｖ＜（Ｓ_Ｖ＋０．５^＊（Ｔ_Ｐ−Ｓ_Ｖ））であれば、前記エネルギーデータをスレッショルドまたはクラスタ化して前記エネルギーデータをフォアグラウンドエリア及びバックグラウンドエリアにセグメント化するサブステップを含み、Ｔ_Ｖは組織バレーの変換されたデータ値でありかつＳ_Ｖは頭蓋バレーの変換されたデータ値である、請求項１１記載の方法。
13. 前記ステップ（ｉ）は、Ｔ_Ｖ＞（Ｓ_Ｖ＋０．５^＊（Ｔ_Ｐ−Ｓ_Ｖ））であれば、Ｓ_ＶとＴ_Ｖとの間の変換されたデータ値を有する前記エネルギーデータ内の点を前記フォアグラウンドエリアとして分類しかつ残りの点を前記バックグラウンドエリアとして分類するサブステップを含む、請求項１２記載の方法。
14. ＣＴスキャンデータをセグメント化する方法であって、
    （ａ）前記ＣＴスキャンデータをハウンズフィールド尺度に従って変換データに変換するステップと、
    （ｂ）前記変換されたデータ値を、予め規定されたハウンズフィールド尺度値であるしきい値を使用してスレッショルドするステップと、
    を含む方法。
15. ＣＴスキャンデータから頭蓋領域を除去する方法であって、前記方法は請求項１４記載の方法によって前記ＣＴスキャンデータをセグメント化するステップを含み、前記ステップ（ｂ）は、
    （ｉ）９０ＨＵの下限と４００ＨＵの上限とを使用して前記ＣＴスキャンデータをスレッショルドし、マスクを取得するサブステップと、
    （ｉｉ）前記マスクに前記変換されたデータ値を乗算することによってＣＴ画像をセグメント化するサブステップと、
    を含む方法。
16. 前記マスクに前記ＣＴスキャンデータを乗算するステップに先行して、前記マスクに形態学的オペレーションを実行するステップをさらに含む、請求項１５記載の方法。
17. 前記形態学的オペレーションは、開放オペレーション、拡張オペレーション及び画像充填オペレーションより成るグループのうちの１つまたはそれ以上を含む、請求項１６記載の方法。
18. 後頭蓋窩に近いＣＴスキャンスライスと前記後頭蓋窩に近くないＣＴスキャンスライスとを備えるＣＴスキャンデータから頭蓋領域を除去する方法であって、
    （ｉ）前記後頭蓋窩に近くない前記ＣＴスキャンスライスに関して、請求項１５から請求項１７における任意の請求項記載の方法により前記ＣＴスキャンデータをセグメント化して前記頭蓋領域を除去するステップと、
    （ｉｉ）前記後頭蓋窩に近くない前記ＣＴスキャンスライスに関する前記頭蓋を除去されたＣＴスキャンデータを使用して、前記後頭蓋窩に近い前記ＣＴスキャンスライスをセグメント化するステップと、
    を含む方法。
19. ＣＴスキャンデータにおける出血性スライスを識別しかつセグメント化する方法であって、
    （ａ）請求項１５記載の方法によって前記ＣＴスキャンデータをセグメント化するステップであって、前記ステップ（ｂ）は、
    （ｉ）骨、軟組織及び血液のハウンズフィールド値を使用して前記ＣＴスキャンデータをスレッショルドし、前記ＣＴスキャンデータにおける前記組織領域及び血液領域のみを取得するサブステップと、
    （ｉｉ）前記ＣＴスキャンデータを２値化するサブステップであって、前記血液のハウンズフィールド値より低いハウンズフィールド値を有する点はゼロに設定され、かつ前記血液のハウンズフィールド値より高いハウンズフィールド値を有する点は１に設定されるサブステップと、
    を含むステップと、
    （ｂ）非ゼロ成分を有する前記ＣＴスキャンデータのスライスを出血性スライスとして識別するステップと、
    を含む方法。
20. 前記ステップ（ｉｉ）は、
    （ｉｉｉ）前記後頭蓋窩に近くない、かつ最大組織面積を有する前記ＣＴスキャンスライスを位置決めするサブステップであって、前記後頭蓋窩に近くない、かつ最大組織面積を有する前記ＣＴスキャンスライスは最大組織面積スライスであるサブステップと、
    （ｉｖ）前記後頭蓋窩から前記最大組織面積スライスまで延びるスライスに関して、連続するスライス間の組織面積の差を計算するサブステップと、
    （ｖ）前記組織面積の差が予め規定されたしきい値より大きい連続するスライスペアを位置決めするサブステップであって、前記連続するスライスペアは前記最大組織面積スライスから遙かに遠位である第１のスライスと、前記最大組織面積スライスの方へ近い第２のスライスとを備え、前記第１のスライスは基準スライスであるサブステップと、
    （ｖｉ）前記基準スライスと、前記基準スライスよりも前記後頭蓋窩からさらに遠位にある前記ＣＴスキャンスライスとを請求項４から請求項６または請求項１５から請求項１７における任意の請求項記載の方法によってセグメント化し、最初のセグメント化されたＣＴスキャンスライスを生成するサブステップと、
    （ｖｉｉ）前記最初のセグメント化されたＣＴスキャンスライスの各々における最大接続成分をセグメント化し、前記基準スライス及び前記基準スライスよりも前記後頭蓋窩からさらに遠位にある前記ＣＴスキャンスライスに関する最終的なセグメント化されたＣＴスキャンスライスを生成するサブステップと、
    （ｖｉｉｉ）前記基準スライスよりも前記後頭蓋窩の近くにあるＣＴスキャンスライスにおいて、予め規定された下限より低い値を有する点を除去し、各スライスについてマスク画像を形成するサブステップと、
    （ｉｘ）前記マスク画像を前記基準スライスよりも前記後頭蓋窩の近くにある前記ＣＴスキャンスライスで乗算し、前記基準スライスよりも前記後頭蓋窩の近くにある前記ＣＴスキャンスライスをセグメント化するサブステップと、
    を含む、請求項７または請求項１８の何れかに記載の方法。
21. 前記予め規定された下限は、対応するＣＴスキャンスライスのバックグラウンドの輝度値またはハウンズフィールド値である、請求項２０記載の方法。
22. 前記マスク画像を前記基準スライスよりも前記後頭蓋窩の近くにある前記ＣＴスキャンスライスで乗算するステップに先行して、前記マスク画像に形態学的オペレーションを実行するステップをさらに含む、請求項２０記載の方法。
23. 前記形態学的オペレーションは、開放オペレーション、拡張オペレーション及び画像充填オペレーションより成るグループのうちの１つまたはそれ以上を含む、請求項２２記載の方法。
24. ＣＴスキャンデータ内の出血領域をセグメント化する方法であって、
    （ａ）請求項４、請求項７、請求項１５または請求項１８の何れかに従って前記ＣＴスキャンデータから頭蓋領域を除去するステップと、
    （ｂ）請求項８または請求項１９の何れかに従って前記ＣＴスキャンデータにおける出血性スライスを識別しかつセグメント化するステップと、
    を含む方法。
25. 前記識別された出血性スライス内の前記出血領域を請求項１１に従ってセグメント化するステップをさらに含む、請求項２４記載の方法。
26. 前記ＣＴスキャンデータにおける出血性スライスを識別しかつセグメント化するステップに先行して、前記ＣＴスキャンデータにおけるカテーテル領域をセグメント化するステップをさらに含む、請求項２４または請求項２５記載の方法。
27. 前記ＣＴスキャンデータから前記カテーテル領域をセグメント化する前記ステップは、
    （ｉ）前記ＣＴスキャンデータの組織領域のヒストグラムを生成するサブステップと、
    （ｉｉ）前記ヒストグラムの値を使用して前記ＣＴスキャンデータをフォアグラウンドエリア及びバックグラウンドエリアにスレッショルドし、前記バックグラウンドエリア内の値がゼロに設定されたマスクを生成するサブステップと、
    （ｉｉｉ）前記マスクを前記ＣＴスキャンデータで乗算して前記ＣＴスキャン画像内の前記カテーテル領域をセグメント化するサブステップと、
    を含む、請求項２６記載の方法。
28. 前記マスクを前記ＣＴスキャンデータで乗算するステップに先行して、前記マスクの前記フォアグラウンドエリアに形態学的オペレーションを実行するステップをさらに含む、請求項２７記載の方法。
29. アーティファクト低減ステップをさらに含む、請求項２４から請求項２８における任意の請求項記載の方法。
30. 請求項１から請求項２９における任意の請求項記載の方法を実行するように配設されたプロセッサを有するコンピュータシステム。
31. コンピュータによる読み取りが可能であり、かつ前記プロセッサに請求項１から請求項２９における任意の請求項記載の方法を実行させるようにコンピュータシステムのプロセッサによって動作可能な命令を含むコンピュータプログラム製品。