本発明は一般的には、医療撮像手順に関する。 具体的には、本発明は、計算機支援式検出及び／又は診断（ＣＡＤ）手法を用いることにより医学的状態の検出及び診断を改善する手法に関する。

計算機支援式診断又は検出（ＣＡＤ）手法は、疾患状態、医学的又は生理学的な事象及び状態の自動式スクリーニング及び評価を容易にする。 かかる手法は典型的には、関心のある解剖学的構造の１枚又は一連の収集画像の様々な形式の解析に基づく。 収集画像は典型的には、セグメント分割、特徴抽出及び／又は分類のためのルーチンのような様々な処理ステップによって解析されて、病状の解剖学的な特徴的徴候を検出する。 次いで、これらの結果は一般的には、最終診断のために放射線科医によって観察される。 かかる手法は、マンモグラフィ、肺癌スクリーニング又は結腸癌スクリーニングのような応用範囲に用いることができる。

ＣＡＤアルゴリズムは、癌又は他の異常のような幾つかの関心のある解剖学的な特徴的徴候を自動的に識別する可能性を提供する。 ＣＡＤアルゴリズムは一般的には、識別したい特徴的徴候又は異常の群又は形式に基づいて選択され、通常は、画像データを作成するのに用いられる撮像モダリティについて特定的に適応構成されている。 ＣＡＤアルゴリズムは、例えばトモシンセシス・システム、計算機式断層写真法（ＣＴ）システム、Ｘ線Ｃ字形アーム・システム、磁気共鳴イメージング（ＭＲＩ）・システム、Ｘ線システム、超音波システム（ＵＳ）及び陽電子放出断層写真法（ＰＥＴ）システム等のような多様な撮像モダリティで用いることができる。 各々の撮像モダリティは、独自の物理的構成、並びに独自の画像形成及び再構成手法に基づいており、各々の撮像モダリティが、特定の関心のある解剖学的若しくは生理学的な特徴的徴候を撮像すること、又は何らかの形式の疾患若しくは生理学的状態を検出することについて、他のモダリティを凌ぐ独自の利点を提供することができる。 従って、これらのモダリティの各々に用いられるＣＡＤアルゴリズムが、モダリティの撮像能力及び被撮像組織等に応じて、他のモダリティに用いられているＣＡＤアルゴリズムを凌ぐ利点を提供することができる。

例えば、３Ｄトモシンセシスでは、被撮像容積に対して異なる撮像幾何学的構成を各々有する一連の２ＤＸ線画像を撮影する。 これら複数の２Ｄ投影画像からトモシンセシスを介して１枚の３Ｄ画像が一般に再構成される。 ３Ｄ断層画像を読影する放射線科医は、異常又は悪性腫瘍を自動的に検出し且つ／又は診断するＣＡＤシステムによる支援の恩恵を受け、また癌（並びに前癌構造及び他の構造）の微細な視覚的徴候をより明瞭にするように設計されているディジタル造影剤（ＤＣＡ）又は知見ベース式フィルタ処理のような他の処理及び強調手法による恩恵を受ける。 かかる処理及び強調手法は一般的には、ＣＡＤ処理の概念に含まれている。

典型的には、断層写真法システムにおけるＣＡＤ処理は、二次元再構成画像、三次元再構成容積、又はかかる形式の適当な結合に対して実行することができる。 一般的には、トモシンセシス画像データのＣＡＤ処理では、２Ｄ又は３Ｄの再構成画像又は容積をＣＡＤアルゴリズムに入力し、ＣＡＤアルゴリズムは典型的には、点又は領域をセグメント分割して、再構成画像内の各々のサンプル点又はセグメント分割された領域について特徴を算出し、適当な場合には特徴を分類し且つ／又は検出する。

さらに、当業者には公知のように、再構成は、異なる特性を有する画像を形成するように、異なる再構成アルゴリズム及び異なる再構成パラメータを用いて実行することができる。 用いられる特定の再構成アルゴリズムに応じて、ＣＡＤアルゴリズムによる信頼性及び正確さの程度を変化させながら、異なる解剖学的な特徴的徴候又は異常を検出することができる。 従って、ＣＡＤアルゴリズムは、関心のある１又は複数の解剖学的な特徴的徴候の検出を改善するために、幾つかの異なる再構成から得られた特徴を評価することが可能となるように適応構成することができる。

米国特許第６７４８０４４号

米国特許第６５７４３０４号

しかしながら、３Ｄトモシンセシス用のＣＡＤシステムを構築するときに、完全３Ｄ再構成を用いることについて幾つかの短所がある。 例えば、３Ｄトモシンセシス乳房画像再構成は、大規模で、記憶及び処理のためにそれぞれ多量のコンピュータ・メモリ及びＣＰＵ時間を必要とする場合がある。 さらに、３Ｄトモシンセシス乳房画像再構成の空間的歪み及び乱雑な雑音特性は複雑であり、検出又は診断アルゴリズムにおいてこれらの歪み及び雑音特性を適当にモデル化して扱うためには、複雑化したアルゴリズム及びさらなるＣＰＵ時間を必要とする場合がある。 加えて、取得されたデータ・セットに存在する情報を最適に強化するために、ＣＡＤシステムの検出精度及び信頼性水準を最適化するために幾つかの異なる再構成を実行しなければならない場合がある。

従って、検出精度及び信頼性を高めると共に処理及び記憶の要件を減少させることを可能にするように、３Ｄ再構成のみに頼らずに、投影画像を直接用いて、３Ｄトモシンセシスのための３Ｄ ＣＡＤ処理を実行する効率的で且つ改善された方法を提供することが望ましい。

簡潔に述べると、本発明の手法の一観点によれば、三次元容積の計算機支援式検出（ＣＡＤ）解析を実行する方法を提供する。 この方法は、三次元容積において１又は複数の関心のある三次元点を選択するステップと、１又は複数の二次元投影画像内で対応する一組の投影点を決定するために、１又は複数の関心のある三次元点を前方投影するステップと、対応する一組の投影点での１若しくは複数の特徴値又はＣＡＤ出力に基づいて、１又は複数の関心のある三次元点における出力値を算出するステップと、を提供する。 この方法によって定義される形式の作用を提供することのできるプロセッサを基本構成要素とするシステム及びコンピュータ・プログラムも、本発明の手法によって提供され得る。

本発明の手法のもう一つの観点によれば、三次元容積の計算機支援式検出（ＣＡＤ）解析を実行する方法を提供する。 この方法は、三次元容積の複数の投影画像を取得するステップと、三次元容積内で１又は複数の分類点を選択するステップと、１又は複数の投影画像の各々のそれぞれの撮像幾何学的構成に基づいて、１又は複数の投影画像の各々の内部で各々の分類点について投影点を決定するステップと、１又は複数の投影画像の各々の内部で１又は複数の特徴値を算出するステップと、を提供する。 各々の特徴値は、それぞれの投影画像内でそれぞれの投影点の近傍のそれぞれの投影画像の領域を用いて算出される。 この方法はまた、各々の分類点に関連したそれぞれの投影点についてのそれぞれの特徴値を用いて各々の分類点を分類するステップを提供する。 この方法によって定義される形式の作用を提供することのできるプロセッサを基本構成要素とするシステム及びコンピュータ・プログラムも、本発明の手法によって提供され得る。

本発明のこれらの特徴、観点及び利点、並びにその他の特徴、観点及び利点は、以下の詳細な説明を添付図面を参照しながら精読するとさらに十分に理解されよう。 尚、図面では、類似の参照符号は全図面を通して類似の部材を表わす。

本発明の手法は一般的には、医学的状態の検出及び診断を改善する計算機支援式検出及び／又は診断（ＣＡＤ）手法に関するものである。 ここでの議論は医療撮像環境での実例を掲げるが、当業者は、産業用撮像、警備用スクリーニング、及び／又は手荷物若しくは小荷物検査のような他の環境でのこれらの手法の応用も本発明の手法の範囲内に十分に含まれることを容易に認められよう。

図１は、本発明の手法に従って画像を取得し、処理して表示するイメージング・システムの一例の図である。 本発明の手法の特定の一実施形態によれば、このイメージング・システムは、図１で参照番号１０によって全体的に示すトモシンセシス・システムである。 しかしながら、本発明の手法に従って画像を取得し、処理して表示するために任意の多数投影イメージング・システムを用いてよいことを特記しておく。 本書で用いられる「多数投影イメージング・システム」との用語は、例えばトモシンセシス・システム、ＰＥＴシステム、ＣＴシステム及びＣ字形アームシステムのように撮像対象の解剖学的構造に対して様々な角度で多数の投影画像を収集することのできるイメージング・システムを指す。

図示の実施形態では、トモシンセシス・システム１０は、全体的に平面内又は三次元で移動することのできるＸ線１４の線源１２を含んでいる。 この実施形態の例では、Ｘ線源１２は典型的には、Ｘ線管と、付設された支持及び濾波用構成要素とを含んでいる。 Ｘ線源１２に隣接して、コリメータ１６が配置されていてよい。 コリメータ１６は典型的には、Ｘ線源１２によって放出されて患者１８のような被検体が配置された領域を通過するＸ線１４の寸法及び形状を画定する。 放射線２０の一部が被検体を透過しまた被検体の周りを通過して、参照番号２２によって全体的に表わされる検出器アレイに入射する。

検出器２２は複数の検出器素子によって全体的に形成されており、検出器素子は、被検体を透過し又は被検体の周囲を通過したＸ線２０を検出する。 例えば、検出器２２は、アレイとして構成された多数の横列及び／又は縦列を成す検出器素子を含んでいてよい。 各々の検出器素子は、Ｘ線束を受光すると、後に行なわれる検出器２２の信号読み出しまでの間の素子の位置でのＸ線ビームの積算エネルギを表わす電気信号を発生する。 典型的には、関心のある被検体を中心とした１又は複数のビュー角度位置で信号を取得して、複数の放射線撮像ビューを収集し得るようにしている。 これらの信号を取得し処理して、被検体の体内の諸特徴の画像を再構成する。 このことについては後述する。

線源１２は、被検体１８及び検出器２２に対する線源１２の位置を含めてトモシンセシス検査系列のための電力信号及び制御信号の両方を供給するシステム制御器２４によって制御される。 さらに、検出器２２もシステム制御器２４に結合されており、システム制御器２４は検出器２２によって発生された信号の取得を指令する。 システム制御器２４はまた、ダイナミック・レンジの初期調節及びディジタル画像データのインタリーブ処理等のような様々な信号処理作用及びフィルタ処理作用を実行することができる。 一般的には、システム制御器２４は、トモシンセシス・システム１０の動作を指令して、検査プロトコルを実行させて取得されたデータを処理させる。 ここの例では、システム制御器２４はまた、典型的には汎用又は特定応用向けのディジタル・コンピュータを基本構成要素とする信号処理サーキットリ、及び付設されたメモリ・サーキットリを含み得る。 付設されたメモリ・サーキットリは、コンピュータによって実行されるプログラム及びルーチン、構成パラメータ、並びに画像データ等を記憶することができる。 例えば、付設されたメモリ・サーキットリは、本発明の手法を具現化するプログラム又はルーチンを記憶することができる。

図１に示す実施形態では、システム制御器２４はＸ線制御器２６を含んでおり、Ｘ線制御器２６は線源１２によるＸ線の発生を調節する。 具体的には、Ｘ線制御器２６は、Ｘ線源１２に電力信号及びタイミング信号を供給するように構成されている。 モータ制御器２８が、被検体１８及び検出器２２に関する線源の位置及び配向を調節する位置サブシステム３０の運動を制御する役割を果たす。 位置サブシステム３０はまた、線源１２の代わりに又は線源１２に加えて検出器の運動を生じ、又は患者の運動を生じてもよい。 尚、幾つかの構成では、多数の位置指定可能な線源が設けられている場合には特に、位置サブシステム３０を省いてもよいことを特記しておく。 かかる構成では、投影は、相応に配置された異なるＸ源のトリガ起動を介して達成され得る。 さらに、システム制御器２４はデータ取得サーキットリ３２を含んでいてよい。 この実施形態の例では、検出器２２はシステム制御器２４に結合され、さらに具体的には、データ取得サーキットリ３２に結合されている。 データ取得サーキットリ３２は、検出器２２の読み出し電子回路によって収集されたデータを受け取る。 データ取得サーキットリ３２は典型的には、サンプリングされたアナログ信号を検出器２２から受け取って、これらのデータをディジタル信号へ変換して、後に行なわれるプロセッサ３４による処理に供する。 かかる変換、及び事実上任意の前処理が、検出器アセンブリ自体の内部である程度まで実際に実行され得る。

プロセッサ３４は典型的には、システム制御器２４に結合されている。 データ取得サーキットリ３２によって収集されたデータをプロセッサ３４へ送信して、後に行なわれる処理及び再構成に供することができる。 プロセッサ３４は、プロセッサ３４によって処理されたデータ又はプロセッサ３４によって処理されるべきデータを記憶することができるメモリ３６を含んでおり、又はメモリ３６と交信することができる。 尚、かかるデータ及び／又はデータ処理ルーチンを記憶し且つ／又は処理するのに適当な任意の形式のコンピュータ・アクセス可能なメモリ装置が、かかる例示的なトモシンセシス・システム１０によって用いられ得ることを理解されたい。 さらに、メモリ３６は、類似した形式又は異なる形式の磁気式装置又は光学式装置のような１又は複数のメモリ装置を含んでいてよく、これらのメモリ装置はシステム１０に対してローカル且つ／又はリモートに位置していてよい。 メモリ３６は、データ、処理パラメータ及び／又は本書に記載する工程を実行する１若しくは複数のルーチンを含むコンピュータ・プログラムを記憶することができる。 さらに、メモリ３６をシステム制御器２２に直接結合して、取得されたデータの記憶を容易にしてもよい。

プロセッサ３４は典型的には、トモシンセシス・システム１０を制御するのに用いられる。 プロセッサ３４はまた、システム制御器２４によって可能とされる特徴すなわち走査動作及びデータ取得の特徴を制御するように構成され得る。 さらに、プロセッサ３４は、典型的にはキーボード、マウス及び／又は他の入力装置を備えた操作者ワークステーション３８を介して操作者から命令及び走査パラメータを受け取るように構成される。 このようにして、操作者は操作者ワークステーション３８から再構成画像及びシステムに関連するその他データを観察したり撮像を開始したりすることができる。 所望に応じて、他のコンピュータ又はワークステーションが、メモリ装置３６、又はイメージング・システム位置にある若しくはこの位置から遠隔に位置する他のメモリ装置から単純にアクセスされて、画像データの後処理を含めて本発明の手法の作用の幾つか又は全てを実行してよい。

操作者ワークステーション３８に結合されている表示器４０を用いて再構成画像を観察することができる。 加えて、走査された画像を操作者ワークステーション３８に結合されているプリンタ４２によって印刷することもできる。 表示器４０及びプリンタ４２はまた、直接又は操作者ワークステーション３８を介してのいずれかでコンピュータ３４に接続されていてよい。 さらに、操作者ワークステーション３８はまた、画像保管通信システム（ＰＡＣＳ）４４に結合されていてもよい。 尚、ＰＡＣＳ４４が放射線科情報システム（ＲＩＳ）、病院情報システム（ＨＩＳ）のような遠隔システム４６、又は構内網若しくは外部網に結合されて、異なる位置にいる第三者が画像データにアクセスし得るようにしてもよいことを特記しておく。

さらに、プロセッサ３４及び操作者ワークステーション３８は、標準型又は特殊目的のコンピュータ・モニタ、コンピュータ及び付設された処理サーキットリを含み得るその他出力装置に結合されていてよいことを特記しておく。 １又は複数の操作者ワークステーション３８をさらにシステムに結合して、システム・パラメータを出力する、検査を要求する及び画像を観察する等を行なうことができる。 一般的には、システム内に供給されている表示器、プリンタ、ワークステーション及び類似の装置は、データ取得構成要素に対してローカルに位置していてもよいし、或いはインターネット及び仮想的私設網等のような１又は複数の構成設定自在型網を介してイメージング・システムに結合されて、施設若しくは病院内の他の箇所、又は全く異なる位置等で上述の構成要素からリモートに位置していてもよい。

図２を全体的に参照して述べると、図１に関して議論した形式のトモシンセシス・イメージング・システムの具現化例が図示されている。 図２に示すように、撮像用スキャナ５０が、線源１２と検出器２２との間での被検体１８の介設を全体的に可能にしている。 図２では被検体と検出器２２との間に空間が示されているが、実際には、被検体が撮像平面及び検出器の前方に直接接して配置されていてもよい。 検出器２２はさらに、寸法及び構成が様々であってよい。 Ｘ線源１２は、一連の投影の一つを形成するために１箇所の線源箇所又は位置５２に配置されているものとして図示されている。 一般的には、線源は、多数のかかる投影が一つの撮像系列において達成されることを可能にするように可動式となっている。 図２では、線源平面５４が、線源１２について利用可能な潜在的な放出位置の配列によって画定されている。 線源平面５４は、三次元で移動可能な線源の三次元軌跡によって置き換えられ得ることは言うまでもない。 代替的には、二次元又は三次元のレイアウト及び構成を、独立に可動であってもなくてもよい多数の線源について画定することができる。

典型的な動作では、Ｘ線源１２はその焦点から検出器２２に向かってＸ線ビームを放出する。 被検体１８を横断するビーム１４の一部は減弱したＸ線２０となって、検出器２２に入射する。 このように、放射線は、医療撮像の場合には体内の解剖学的構造のような被検体の内部構造によって減弱され又は吸収される。 検出器は、得られる画像データの離散的な画素又はピクセルに全体的に対応する複数の検出器素子によって形成されている。 個々のピクセル電子回路は、各々のピクセル位置に入射する放射線の強度を検出して、放射線を表わす出力信号を発生する。 実施形態の一例では、検出器は２０４８×２０４８ピクセルのアレイから成り、ピクセル寸法は１００×１００μｍである。 他の検出器の作用、構成及び分解能も言うまでもなく可能である。 各々のピクセル位置の各々の検出器素子が、入射放射線を表わすアナログ信号を発生し、このアナログ信号は処理のためにディジタル値へ変換される。

線源１２は移動されてトリガ起動され、又は分散型線源も同様に異なる複数の位置でトリガ起動されて、異なる線源位置から複数の投影又は複数の画像を形成する。 これらの投影は異なるビュー角度で生成されて、得られるデータはイメージング・システムによって収集される。 実施形態の一例では、線源１２は、検出器から約１８０ｃｍに配置されて、全線源移動範囲を３１ｃｍと１３１ｃｍとの間とし、結果として中心位置から線源の５°〜２０°の移動となる。 典型的な検査では、典型的には１００枚以下の多数のかかる投影を取得することができるが、この数は変化し得る。

次いで、検出器２２から収集されたデータは典型的には、補正及び前処理を施されて、走査対象の減弱係数の線積分を表現するようにデータを調節するが、他の表現も可能である。 次いで、一般に投影画像と呼ばれる処理後のデータは典型的には、再構成アルゴリズムに入力されて、被走査容積の容積画像を形成する。 トモシンセシスでは、典型的には１００枚以下の限定された数の投影画像を、対象及び／又は検出器に対して各々異なる角度で取得する。 再構成アルゴリズムが典型的には用いられて、この投影画像データに再構成を施して容積画像を形成する。

一旦、再構成されたら、図１及び図２のシステムによって形成された容積画像は、被検体１８の内部構造の三次元特性及び空間的関係を明らかにする。 再構成された容積画像は、これらの構造の三次元特性及び空間的関係を示すように表示され得る。 再構成された容積画像は典型的には、スライスとして構成される。 幾つかの実施形態では、単一のスライスが、平面内に位置する撮像対象の諸構造に対応していてよく、この平面は検出器平面に通例は平行であるが、スライスを任意の配向で再構成することも可能である。 再構成された容積画像が、被撮像容積内の対応する位置での構造を表わす単一の再構成されたスライスを含んでいてもよいが、１枚よりも多いスライス画像が典型的には算出される。 代替的には、再構成されたデータがスライスとして構成されていなくてもよい。

当業者には認められるように、解剖学的構造の再構成された容積画像はさらに、幾つかの解剖学的特徴及び／又は病状を自動的に検出し且つ／又は診断するＣＡＤシステムを介して評価され得る。 ＣＡＤの目標は一般的には、１個の点若しくは領域、又は多くの点若しくは領域における組織の状態を決定することにある。 ＣＡＤは、硬判定分類器であってよく、画像又は領域内の各々の点を別個のクラスに割り当てることができる。 クラスは、様々な正常な解剖学的な特徴的徴候、及びＣＡＤシステムが検出するように設計されている解剖学的な異常の特徴的徴候を表わすように選択され得る。 多くの特定の良性状態及び悪性状態について多くのクラスが存在していてよい。 マンモグラフィについてのクラスの幾つかの例としては、「線維性乳腺組織」、「リンパ節」、「スピキュラ状腫瘤」及び「石灰化クラスタ」等がある。 しかしながら、各クラスの名称及びそれらの意味は、特定のＣＡＤシステムでも広く変わる場合があり、実際にはこれらの単純な例よりも抽象的であり得る。 出力は、特定の解剖学的特徴の存在の有無に関連しており放射線科医に対して直接表示され得る分類（硬判定）又は何らかの測度であってよい。 幾つかの実施形態では、ＣＡＤは、軟判定パラメータを出力してもよいし、硬判定パラメータと軟判定パラメータとの組み合わせを出力してもよい。 軟判定パラメータは、異常が存在している可能性のある点又は領域の一覧を、各々の位置についての確率又は信頼度と共に含み得る。 ＣＡＤシステムの軟判定出力はまた、確率のベクトルのマップであってもよく、ＣＡＤシステムが理解する異常及び正常組織を含む組織クラスの各々に確率が与えられる。 ＣＡＤシステムの軟判定出力はまた、特定の解剖学的特徴又は異常についての検出強度のマップであってもよいし、かかる検出強度のベクトルであってもよい。 例えば、マンモグラフィでは、ＣＡＤシステムは各々のサンプル点での値を出力することができ、この値はサンプル点における見かけの石灰化信号の強度を示すか、又はサンプル点における若しくはサンプル点の周囲での見かけのスピキュラ化の強度を示す。 検出強度値のかかるマップは放射線科医によって直接観察されることもできるし、又は異常領域が放射線科医の注意を引くように、従来の再構成に重ね合わせるか、従来の再構成に加えるか、若しくは他の場合には従来の再構成と結合させて観察されることもできる。 ＣＡＤシステムは、撮像（スクリーニング）されている３Ｄ容積全体を走査して大きな一組の３Ｄ位置の分類を試みることもできるし、或いは手動で又は自動的に選択（診断）されている１又は複数の特定の点又は領域の分類を試みることもできる。

上述の従来のＣＡＤ手法とは対照的に、本発明の手法の実施形態では、３Ｄ再構成は一般的には、ＣＡＤアルゴリズムを適用する前の処理ステップとしては用いられず、すなわちＣＡＤ工程は、３Ｄ再構成容積に対して直接は実行されない。 これらの手法では、後にあらためて詳述するが、ＣＡＤシステムは２Ｄ投影画像を処理して、問題を自動的に検出し且つ／又は診断する。 例えば、図３は、本発明の手法の一実施形態による２Ｄ投影画像に対して動作するように構成されている画像解析システム又はＣＡＤシステム７０を示す。

ここで図３を参照して述べると、ＣＡＤシステム７０は、多様なイメージング・システム幾何学的構成によって解剖学的構造の何らかの部分について撮影された幾つかの投影画像を用いている。 換言すると、異なる画像毎に、撮像された解剖学的構造に対するＸ線源及び／又はＸ線検出器の位置が異なっていてよい。 これらの投影画像データはトモシンセシス・データ・ソースから取得されており、また以前に取得されており今はＰＡＣＳ又は他の記憶システム若しくは保管システムから読み出されているデータであってもよい。 本発明の手法の特定の一実施形態によれば、投影画像は、図１及び図２で説明したようにトモシンセシス・システム１０（若しくは他のイメージング・システム、又はＰＡＣＳシステム等）からアクセスされ得る。 幾つかの実施形態では、投影画像（又はその部分集合）は、再投影動作を介して３Ｄ断層像データ・セットから生成され得る。 このことについては後にあらためて詳述する。 ３Ｄデータ・セットは、イメージング・システム、又は記憶システム若しくは保管システムから取得することができる。

本発明の手法の実施形態の一例では、参照番号７２、７４、７６及び７８によって全体的に示す一組の投影画像が先ず選択されて、１又は複数の３Ｄ試験点（関心のある３Ｄ点又は分類点）を分類する。 尚、この一組の投影画像は、原投影画像の１枚、全て又は任意数を含んでいてよいことを特記しておく。 この一組の投影画像は、これらの投影画像に用いられたＸ線量又は撮像幾何学的構成に基づいて原投影画像から選択され得るので、最も有用である可能性の高い投影画像が選択される。

さらに、一組の３Ｄ試験点を分類のために選択する。 この一組の３Ｄ試験点は、３Ｄ容積全体にわたっての一組のサンプルであってもよいし、関心領域にわたっての一組のサンプルであってもよい。 この一組のサンプルは、規則的又は不規則なサンプリング格子であってよい。 尚、この一組の３Ｄ試験点は階層的であってよく、すなわち、粗いサンプリングから開始して、この相対的に粗いサンプリングにおいて異常の指標が存在する任意の箇所ではより細かいサンプリングになるまで分解能を高めたものであってよいことを特記しておく。 一実施形態では、この一組の３Ｄ試験点は、唯一の試験点を含んでいてもよい。 この一組の３Ｄ試験点は、手動で選択されてもよいし、又は他の何らかの自動式システムを介して選択されてもよく、自動式システムの場合には、例えば投影画像若しくは投影画像の部分集合の２Ｄ ＣＡＤ処理を行なって、各々の投影画像について一組の２Ｄ試験点を生成し、次いで、２Ｄ試験点の３Ｄ再構成によって３Ｄ試験点又は領域を選択することができる。 選択された２Ｄ試験点からの不一致（non-consistent）の位置及び／又は分類情報を管理するために、この試験点の３Ｄ再構成は、分類器出力及び特徴の結合及び分類としての要素を包含することができる。 このことについては後の処理ステップを参照してあらためて詳述する。

当業者には認められるように、特定の３Ｄ試験点における又はその近傍の組織の状態は、２Ｄ投影画像に対し、対応する２Ｄ投影座標の近傍において何らかの影響を有する。 ある３Ｄ位置での組織のクラスを決定するために、分類システムは、この３Ｄ位置での組織の状態による影響を受けている２Ｄ投影画像から算出される特徴を用いる。 このように、本発明の手法では、各々の３Ｄ試験点について、一組の投影画像の各々の投影画像における２Ｄ投影点が撮像幾何学的構成を用いて決定される。 さらに、この一組の投影画像の各々の投影画像について、各クラスを区別する特徴の１又は複数のものが、２Ｄ投影点の近傍（当該２Ｄ投影点を含む）の領域の投影画像から算出される。 これらの特徴は、参照番号８０、８２、８４及び８６によって全体的に示されている。 これらの特徴は、フィルタ処理及びエッジ検出等のような参照番号８８、９０、９２及び９４によって全体的に示す１又は複数の特徴検出手法によって算出される。 これらの特徴は、投影画像値自体であってもよいし、投影画像のフィルタ処理後の形態であってもよいし、又はテクスチャ、形状、寸法、密度及び曲率等のような任意の形式の画像特徴であってもよい。 これらの特徴は一般的には、一つの特徴ベクトルとして組み立てられる。 当業者には公知のように、各々の特徴ベクトルは、疾患組織と正常組織との間を区別するのを助けるように設計され又は選択された１個のパラメータ又は一組のパラメータを表わす。 これらの特徴ベクトルは、石灰化、スピキュラ化、腫瘤マージン及び腫瘤形状のような癌性組織の構造に応答するように設計され又は選択される。 特徴ベクトルの成分の例としては、ピクセル値測度、画像での物体若しくは構造の寸法及び形状、フィルタ応答、ウェーブレット・フィルタ応答、腫瘤マージンの測度、又はスピキュラ化の程度を示す測度等がある。 特徴ベクトルは単一値であってもよいし、単に投影画像ピクセル値であってもよい。 幾つかの実施形態では、特徴ベクトルは、投影画像に適用される一組の線形フィルタ及び／又は非線形フィルタ８８、９０、９２及び９４の出力であってよい。 特徴ベクトルはまた、投影画像又は算出された特徴の適当な何らかの結合に作用する分類器からの出力を含んでいてもよい。 これらの分類器は、確率又は信頼性の何らかの測度等を含む硬判定分類器及び軟判定分類器を含んでいてよい。 特徴ベクトルは、必ずしも投影画像サンプリング格子すなわち３Ｄ領域についてのサンプル格子に対応する投影画像の格子で算出されなくてもよい。 特徴ベクトルは、任意の格子で算出されて、必要に応じて投影点に補間されてよい。

幾つかの実施形態では、各々の投影画像又は各々の投影画像の領域毎に特徴ベクトルを予め算出してもよいことを特記しておく。 換言すると、特徴値は、投影画像の元のサンプリング格子に対応していてよいサンプリング格子で各々の投影画像毎に予め算出されていてよい。 このように、各々の２Ｄ投影画像毎に、対応する予め算出された特徴画像が存在する。 次いで、これらの特徴値を、最近接点（ニアレスト・ネイバー）補間法、双一次補間法、双三次補間法及びスプライン補間法等のような補間によって、予め算出された特徴画像から抽出することができる。 本実施形態では、３Ｄ試験点を２Ｄ投影点に投影し、次いで、それぞれの投影点を用いて、対応する予め算出された特徴画像から１又は複数の特徴値を補間する。 投影画像での２Ｄ位置は多数の３Ｄ位置についての投影点であるので、特定の２Ｄ位置についての特徴が多くの３Ｄ位置の分類に用いられる。 このようにして、これらの特徴が一旦各々の投影画像の各々の２Ｄ位置について予め算出されていれば、計算量の節減を行なうことができる。 代替的には、２Ｄ投影画像についての特徴値を２Ｄサンプリング格子について予め算出せずに、一旦２Ｄ投影点が決定されたら、「オン・デマンド」で（要求に応じて）上述のようにして２Ｄ投影点において又はその周囲で算出する。 もう一つの実施形態では、組み合わせ型アプローチを用いてよく、このアプローチでは、特徴の幾つかを予め算出して関心のある点の最初の絞り込み選択（down selection）に用いる一方で、他の特徴（決定の計算経費が相対的に高い可能性のあるもの）を「オン・デマンド」で算出することができる。

１又は複数の検出された特徴又は特徴ベクトル８０、８２、８４及び８６を結合して、３Ｄ空間９６内の関心のある３Ｄ容積の１又は複数の表現を形成する。 例えば、異なる投影画像からの特徴ベクトルの対応する要素を結合して、この特徴の３Ｄ分布を表わす対応する３Ｄ容積とすることができる。 これら関心のある容積９６は、３Ｄ再構成アルゴリズムを用いて、選択された２Ｄ投影点から再構成され得る。 幾つかの実施形態では、２Ｄ画像から検出されたこれらの特徴を結合するために、トモシンセシスのための公知の再構成アルゴリズムを利用することが必要であり得る。 例えば、２Ｄ画像からの何らかの特徴を単純に平均して、対応する３Ｄ位置についての対応する値を得れば、単純な逆投影再構成を用いて、完全な３Ｄ容積又は所望の任意の関心のある容積について２Ｄ特徴のこの結合を達成することができる。 特徴ベクトルによって表わされる２Ｄ画像から抽出される情報の結合はまた、例えばエッジ及び境界の特徴、並びに形状の厚みの指標としての減弱差を強化した形状再構成を含んでいてもよい。 この結合ステップはまた、撮像された解剖学的構造を表わす３Ｄ容積を作成するために投影画像に適用される様々な再構成アルゴリズムを含んでいてもよい。 このステップはまた、確率及び信頼性水準等を考慮に入れた硬判定分類器と軟判定分類器との適当な結合を含んでいてもよい。

また、適当な分類又は測定の任意の結合を用いてもよい（例えば一つのベクトルとして収集されたもの）。 幾つかの実施形態では、任意の所与の領域が「正常」（又は「非癌性」若しくは「良性」）である確率を指示する１又は複数の分類器又は測定を適用することができる。 ２Ｄ処理の出力を結合して一つの３Ｄの結果とする場合に、任意の所与の位置での「正常組織」の高い確率（又は高い信頼性）を用いて、他の２Ｄ投影画像の１又は複数のもので見出された任意の「疑いのある」分類を無視することができる。

次いで、２Ｄ投影点での投影画像の各々からの特徴を結合した集合又はその部分集合を分類システム又はＣＡＤアルゴリズム９８に供給して試験点又は関心のある容積での３Ｄ情報を分類することができ、これらの分類器からの出力を結合して判定を下す。 ３Ｄ情報は、異なる特徴、異なる３Ｄ再構成を表わす３Ｄ容積、異なる分類器からの３Ｄ情報、及び事前の結合ステップを一切行なわずに対応する２Ｄ位置において２Ｄ投影画像から直接抽出された特徴ベクトルの要素を含み得る。 分類システム９８は、モデル・ベース型ベイズ分類器、最尤分類器、人工ニューラル・ネットワーク、ルール・ベース型方法、ブースティング方法、決定樹、サポート・ベクタ・マシン又はファジィ論理手法を含め、任意の適当な分類システムであってよい。 分類システム９８は、下される判定での信頼性を示す出力パラメータ１００を明示的に又は暗黙裡に生成することができる。 このパラメータは、確率的なものであってよい。 例えば、当業者には認められるように、ベイズ分類器は、下される判定での信頼性を反映した尤度比を発生する。 一方、決定樹のように固有の信頼性測度を有しない分類器は、例えば、訓練データでの誤り率に基づいて各々の出力に信頼性を割り当てることにより容易に拡張され得る。

分類システム９８（すなわち上述のような「硬判定分類器」）の代わりに、出力１００は、軟判定分類、すなわち特徴から算出されて組織の特定の状態の存在の有無の指標となる何らかの測定であってよいことを特記しておく。 例えば、この指標は、微小石灰化又は任意の形式の丸い構造の存在の有無に関わっていてよい。 当業者には認められるように、測定又は分類は、性質が確率的であってよい。 例えば、算出される分類又は測定の各々に関連する信頼性測度が存在していてよい。 信頼性測度は、分類マップの各々の対応するエントリについての信頼性を与える「信頼性マップ」に保持され得る。 信頼性測度は、推定された確率であってよい。 信頼性測度は、放射線科医に対して何を表示するかについての閾値を設定する際に、また多数のＣＡＤアルゴリズムからの出力を結合する際に、有用である。 確率フレームワークを用いることもでき、異なる異常及び解剖学的特徴を表わす様々なモデルの尤度に加重することができる。 次いで、最尤のモデルに従って３Ｄ点を分類することができる。 かかる情報は、ディジタル造影剤又は所見ベース型画像強調として、２Ｄ投影又は３Ｄ再構成と重ね合わせて放射線科医に対して表示され得る。

２Ｄ投影からの特徴抽出のために、また３Ｄ情報の分類のために、１よりも多いＣＡＤアルゴリズム及び／又は分類器を用いてよいことを特記しておく。 例えば、かかる動作には、画像データの各部分に対して個別にＣＡＤ動作を実行すること、及び全てのＣＡＤ動作の結果を結合すること（「ａｎｄ」演算、「ｏｒ」演算若しくはこれら両方、「加重平均」又は「確率的推論」によって論理的に結合すること）が必要であり得る。 加えて、多数の疾患状態又は関心のある解剖学的な特徴的徴候を検出する複数のＣＡＤ動作を逐次的に又は並列に実行することができる。

当業者には認められるように、本発明のＣＡＤアルゴリズムは、工程の異なる段階で異なる数の特徴及び／又は分類器、並びに異なる数の画像又はデータ・セットを用いることができるので、極めて柔軟である。 この工程はまた、工程の連続的な各段階でより多くの画像及びより多くの情報を含めることにより、分類の連続的な精度向上（又は信頼性向上）に役立つ。 例えば、ＣＡＤシステムが十分な信頼性を以て判断を下すことができない場合には、この一組の投影画像への追加の投影画像又はさらに高い分解能を有する合成投影画像によって完全な工程を繰り返すことができる。 さらに、以前に「疑わしい」と自動的に判定されていた可能性のある３Ｄ領域又は他の何らかの規準を満たす３Ｄ領域について、追加の３Ｄ再構成１０２を実行し、続いてＣＡＤアルゴリズム又は分類システム９８を再構成された３Ｄ関心領域に作用させることができる。 これにより、投影画像からは容易に入手可能でない場合のある３Ｄ形状又は他の情報のような付加的な情報を提供することができる。 同様に、判定の信頼性を高めることを助ける付加的な特徴を算出することもできる。 また、計算の速度を速めるために、単純な（且つ高速の）フィルタを追加の逐次的なフィルタ、特徴及び／又は分類器（２Ｄ領域又は３Ｄ領域の）と共に用いて、３Ｄ点の初期選択を実行して、疑いのある領域の効率的で且つ高速の絞り込み選択を行なうことができる。

当業者には認められるように、幾つかの実施形態では、投影画像を線量分布に基づいて２以上の組に分割することができる。 例えば、高線量画像を上述のように用いることができる一方で、低線量画像を第二段階で用いて、信頼性が何らかの閾値を下回っている領域での検出信頼性を高めることができ、また所見を３Ｄで局所化することができる。 換言すると、２Ｄ ＣＡＤに似た処理を一つ（又は幾つか）の投影に対して実行することができる。 分類（検出）が十分な信頼性を有しない領域が存在する場合には、対応する３Ｄ領域について３Ｄアプローチを用いることができる。 高い信頼性を有する所見に対応する領域については、対応する３Ｄ容積を検索して３Ｄでの知見の位置を求めることができる。

幾つかの実施形態では、一組の投影画像（又はその部分集合）を、再投影動作を介して生成することができる。 例えば、図４は、本発明の手法の各観点に従って参照番号１０６、１０８、１１０及び１１２によって全体的に示す算出された２Ｄ投影画像に対して動作するように構成されている画像解析システム又はＣＡＤシステム１０４を示す。 再構成される容積は、投影画像７２、７４、７６及び７８からデータの３Ｄ再構成１１４を介して生成される。 再構成された容積は、選択随意でフィルタ処理１１６されて、コントラストを強調し、雑音を低減する等を行なうことができる。 さらに、投影された画像又は合成投影画像１０６、１０８、１１０及び１１２の新たなデータ・セットを、この一組の投影画像について１又は複数の合成撮像幾何学的構成及び分解能を選択することによる再投影動作１１８を用いて、再構成された容積から生成することができる。 尚、３Ｄ試験点を予め決定することができる場合には、合成投影画像は、各々の３Ｄ試験点の２Ｄ投影座標を包囲する領域でのみ算出されればよいことを特記しておく。 当業者には認められるように、３Ｄデータ・セットは幾つかの投影されたビューから再構成されているので、３Ｄデータ・セットから算出される再投影された画像は高められた画質を有することができ（さらに高い信号対雑音比によって測定される）、これにより、全体的な工程の結果を改善することができる。 尚、階層的な再構成をこの再構成−再投影アプローチと共に適用することができ、すなわち再投影及びさらなる処理を異なる分解能で実行し得ることを特記しておく。

ＣＡＤシステムの出力１００は、人間又は機械の観測者による検討のための評価済み画像であってよい。 このように、様々な形式の評価済み画像を、ＣＡＤアルゴリズムによって実行される処理及びモジュールの任意のもの又は全てに基づいて、担当医又はかかる情報を必要とするその他任意の人員に対して表示することができる。 出力１００は、二次元レンダリング又は三次元レンダリング、重ね合わされた標識、色又は強度変化等を有する画像を表示することを含み得る。 再構成からの所見（ＣＡＤアルゴリズムによって生成されたもの）を、投影画像、又は３Ｄ視覚化のために特に生成された３Ｄ再構成画像、又は他の表示に対して、幾何学的に写像して重ね合わせて表示することができる。 所見はまた、生成された再構成された容積の部分集合又は全てに重ね合わせて表示することもできる。 所見の位置はまた、他のモダリティ（利用可能な場合）からの画像に写像することができ、他のモダリティによって取得された画像にＣＡＤの結果を重ね合わせて表示することができる。 他のモダリティによって取得された画像はまた、同時に表示してもよいし、別個の画像に表示してもよいし、何らかの方法で重ね合わせてもよい。 ＣＡＤの結果は、恐らくは生成されたデータ（投影及び／又は再構成された３Ｄ容積）の全て又は部分集合と共に、保管のために記憶される。 尚、幾つかの実施形態では、異なるモダリティによって取得された画像データもまた、異常の改善された検出及び／又は診断のためにＣＡＤアルゴリズムによって処理され得ることを特記しておく。 他のモダリティからのＣＡＤ結果と、上で概略を説明した２Ｄ投影からのＣＡＤ結果との結合は、上で詳述したような異なる２ＤビューからのＣＡＤ結果の結合と類似の態様で実行され得る。 多数のモダリティからのＣＡＤ結果の結合はまた、異なるデータ・セットの幾何学的構成を位置揃えするのに用いられる選択随意の位置合わせステップを含んでいてよい。

当業者には認められるように、本発明の手法の特徴の一つは、上で説明した様々な実施形態での任意のＣＡＤ型処理の柔軟で且つ階層的な利用である。 例えば、本発明の手法は柔軟で且つ階層的な構造を提供し、様々な状況に合わせて処理の様々な複雑さの程度を構成することを可能にする。 例えば、関心のある領域（分類点）の初期画定には単純なフィルタを適用してよく、２Ｄ ＣＡＤ部分にはより複雑なフィルタを適用してよく、３Ｄ ＣＡＤ処理（分類）にはさらに複雑なフィルタを適用してよい。 さらに、本手法は、各々のＣＡＤ型処理ステップを適用する対象となるデータ・セットの数について柔軟である。 例えば、何らかの妥当に複雑なＣＡＤフィルタを単一の投影画像に適用する一方で、単純なフィルタを、主に偽陽性を拒否するために１よりも多い画像に適用することができる。 次いで、残りの関心領域をさらに詳細な解析に用いることができる。

以上で説明した実施形態は、論理的作用を具現化する実行可能な命令の一覧を含み得る。 この一覧は、コンピュータを基本構成要素としたシステムによって又はかかるシステムと共に用いられて命令を検索し、処理し、また実行することのできる任意のコンピュータ読み取り可能な媒体として具現化することができる。 代替的には、処理の一部又は全てを付加的な計算資源によって遠隔で実行してもよい。

本発明の手法の環境では、コンピュータ読み取り可能な媒体は、命令を含み、記憶し、通信し、伝播し、送信し又は搬送することのできる任意の手段であってよい。 コンピュータ読み取り可能な媒体は、電子式、磁気式、光学式、電磁式又は赤外線式のシステム、装置又は素子であってよい。 例示的であるが網羅的ではないコンピュータ読み取り可能な媒体の一覧は、１又は複数の線を有する電気的接続（電子式）、可搬型コンピュータ・ディスケット（磁気式）、ランダム・アクセス・メモリ（ＲＡＭ）（磁気式）、読み出し専用メモリ（ＲＯＭ）（磁気式）、消去可能でプログラム可能な読み出し専用メモリ（ＥＰＲＯＭ又はフラッシュ・メモリ）（磁気式）、光ファイバ（光学式）、及び可搬型コンパクト・ディスク読み出し専用メモリ（ＣＤＲＯＭ）（光学式）を含み得る。 尚、コンピュータ読み取り可能な媒体は、命令を印刷した紙又は他の適当な媒体を含み得ることを特記しておく。 例えば、命令を紙又は他の媒体の光学的走査によって電子的に捕獲し、次いで必要があれば編集、翻訳又は他の場合には適当な態様で処理し、次いでコンピュータ・メモリに記憶させることができる。

本書では本発明の幾つかの特徴のみを図示して説明したが、当業者には多くの改変及び変形が想到されよう。 従って、特許請求の範囲は、本発明の要旨に含まれるような全ての改変及び変形を網羅するものと理解されたい。 また、図面の符号に対応する特許請求の範囲中の符号は、単に本願発明の理解をより容易にするために用いられているものであり、本願発明の範囲を狭める意図で用いられたものではない。 そして、本願の特許請求の範囲に記載した事項は、明細書に組み込まれ、明細書の記載事項の一部となる。

本書での場合には本発明の手法による処理された画像を形成するトモシンセシス・システムであるイメージング・システムの例の図である。

図１のシステムの物理的な具現化形態の図である。

本発明の手法の一観点による２Ｄ投影に対して動作するように構成されているＣＡＤシステムの図である。

本発明の手法のもう一つの観点による３Ｄ容積の再投影から得られる２Ｄ投影に対して動作するように構成されているＣＡＤシステムの図である。

符号の説明

１０ トモシンセシス・システム １２ Ｘ線源 １４ 放射線流 １６ コリメータ １８ 患者 ２０ 放射線の一部 ２２ 検出器 ２４ システム制御器 ２６ Ｘ線制御器 ２８ モータ制御器 ３０ 位置サブシステム ３２ データ取得サーキットリ ３４ プロセッサ ３６ メモリ ３８ 操作者ワークステーション ４０ 表示器 ４２ プリンタ ４４ ＰＡＣＳ
４６ 遠隔クライアント ５０ 撮像スキャナ ５２ 線源位置 ５４ 線源平面 ７０ 画像解析システム／ＣＡＤシステム ７２ 投影画像 ７４ 投影画像 ７６ 投影画像 ７８ 投影画像 ８０ 特徴 ８２ 特徴 ８４ 特徴 ８６ 特徴 ８８ 特徴検出手法 ９０ 特徴検出手法 ９２ 特徴検出手法 ９４ 特徴検出手法 ９６ 関心のある３Ｄ空間又は容積 ９８ 分類システム又はＣＡＤアルゴリズム １００ 出力 １０２ 再構成アルゴリズム １０４ 画像解析システム／ＣＡＤシステム １０６ 合成投影画像 １０８ 合成投影画像 １１０ 合成投影画像 １１２ 合成投影画像 １１４ 再構成アルゴリズム １１６ 選択随意の３Ｄ空間でのフィルタ処理 １１８ 再投影アルゴリズム