JP7257388B2 - 肺の画像内の高密度肺組織の領域の決定 - Google Patents

Description

本開示は、画像処理の分野に関し、特に、肺の画像内で高密度肺組織の領域を決定する方法及びシステムに関する。

健康な肺実質は通常、空気に近い非常に低密度（－８００ＨＵ）のものである。一方、罹患した非通気肺組織は、水よりも密（＞０ＨＵ）であり得る。例えば肺炎や無気肺（虚脱組織）などの特定の疾患は、高密度領域の肺組織として現れ、その密度は含気肺組織よりも高い。従って、これらの高密度領域を識別することは有益である。

既存の技術において、高密度領域は、高密度の肺領域から手動で密度値をサンプリングすることによって識別される。しかしながら、この手動サンプリング技術は時間がかかるとともに、再現性の問題に悩まされ、これらの双方が、臨床業務でのこの技術の使用に対する障壁となっている。この理由により、高密度肺領域からの密度値の自動サンプリングは高い関心のあるものである。

しかしながら、特に、肺の高密度領域は、その変則的な高密度のために、標準的な肺セグメンテーションアルゴリズムによってでは認識されないので、肺の高密度領域の自動検出は難題であり得る。これは、不十分な（又は失敗した）肺セグメンテーションにつながり得るものであり、自動化された方法の有効性を低下させる。さらに、高密度実質は胸水（水で充たされた肺の疾患領域）と同様の密度で現れ、それ故に、高密度領域が検出された場合でも、それが高密度実質であるのか、それとも胸水であるのかを判定することが困難である。

Ｅｄｗａｒｄｓ他による“Ａ Ｑｕａｎｔｉｔａｔｉｖｅ Ａｐｐｒｏａｃｈ ｔｏ Ｄｉｓｓｉｓ Ｐｎｅｕｍｏｎｉａ Ｆｏｒ Ａｔｅｌｅｃｔｉｏｎ Ｕｓｉｎｇ Ｃｏｍｐｕｔｅｄ Ｔｏｍｏｇｒａｐｈｙ Ａｔｔｅｎｕａｔｉｏｎ”と題された論文（非特許文献１）は、実質の高密度領域が肺内で位置特定されたときに、医用画像内で肺炎と無気肺とを区別する方法を論じている。しかしながら、この論文は、そもそも高密度領域を検出することに関連した、上で強調した問題に対処していない。

従って、肺の画像内で高密度肺組織の領域を決定するための改良された方法及びシステムが望まれる。

ＵＳ２０１７／０３９７１１Ａ１（特許文献１）は、被検体の脈管構造において中心性肺塞栓症を検出するシステム及び方法を開示している。一部の態様において、その方法は、入力を用いて、被検体の肺の脈管構造を表す画像のセットを受信し、画像のセットを自動分析して、被検体の肺に関連する大動脈をセグメント化し、大動脈を周囲組織から分離することを含む。その方法はまた、大動脈をセグメント化及び分離した後の画像セットから中心性肺塞栓症候補を自動的に抽出し、そして、一連のルールを適用することによって、３次元（３Ｄ）空間内で中心性肺塞栓症候補を自動評価することを含む。その方法は更に、評価した中心性肺塞栓症候補を示すレポートをディスプレイ上に自動表示することを含む。

ＥＰ１３１５１２５Ａ２（特許文献２）は、肺疾患検出のための方法及びシステムを開示している。ＵＳ２０１１／２４３４０３Ａ１（特許文献３）は、医用画像処理装置及び方法、並びにそのためのプログラムが記録されたコンピュータ読み取り可能記録媒体を開示している。ＵＳ２００６／０１８５２４Ａ１（特許文献４）は、胸部低線量ＣＴにおける良性結節と悪性結節との区別のためのコンピュータ化されたスキームを開示している。ＵＳ２００５／２０７６３０Ａ１（特許文献５）は、肺結節の検出及び分類に関する。

米国特許出願公開第２０１７／０３９７１１号明細書 欧州特許出願公開第１３１５１２５号明細書 米国特許出願公開第２０１１／２４３４０３号明細書 米国特許出願公開第２００６／０１８５２４号明細書 米国特許出願公開第２００５／２０７６３０号明細書

Edwards他，"A Quantitative Approach to Distinguish Pneumonia From Atelectasis Using Computed Tomography Attenuation"，2016年

上述のように、画像処理を用いて肺実質の高密度領域を自動的に位置特定して識別することに関連する様々な難題が存在する。特に、疾患によって引き起こされる変則的な肺密度に起因して、罹患した肺の画像をセグメント化することに関連する問題が存在する。また、高密度領域が高密度実質を有するのか胸水を有するのかを迅速且つ正確に判定することも難題である。従って、高密度実質の自動識別を改善し、これらの問題の一部を解消するシステム及び方法を提供することは価値のあることである。

従って、第１の態様によれば、肺の画像内で高密度実質の領域を決定するように構成されたシステムが提供される。当該システムは。命令のセットを表す命令データを有するメモリを有する。当該システムは更に、メモリと通信し、命令のセットを実行するように構成されたプロセッサを有する。命令のセットは、プロセッサによって実行されるときに、プロセッサに、画像内で血管を位置特定させ、位置特定された血管に隣接する画像の領域内で肺実質の密度（ハンスフィールドユニットＨＵに関して）を測定させ、且つ測定した密度に基づいて、画像のその領域が高密度肺実質を有するかを決定させる（高密度肺実質は－８００ＨＵよりも高い密度を持つ）。

高密度肺組織は血管構造を有するが、胸水は、単に水で充たされたポケットである。したがって、画像内で血管を位置特定し、位置特定した血管に隣接する領域内で高密度肺組織（高密度肺実質）を探すことによって、システムによって決定（又は特定）された高密度領域は、胸水ではなく高密度肺実質の領域である可能性が高くなる。効果的に、このシステムは、それについて高密度肺組織（例えば高密度肺実質など）を探索するマーカーとして血管を用いることができる。血管周囲の領域に専念することによって、このシステムはまた、完全なる肺を無差別にスキャンする方法よりも計算上効率的に、高密度実質の位置を決定し得る。血管のない肺の領域（胸水である可能性が高い）は本質的に避けられ、これは、高密度肺実質の偽陽性検出の数を減少させる。密度は、２Ｄ画像の場合には、画像が構成されるピクセルの強度値、又は、３Ｄ画像の場合には、画像が構成されるボクセルの強度値を分析することによって決定され得る。肺組織又は肺実質の密度又は放射線密度は、所定の関係を用いて、画像要素に関連する値から決定され得る。従って、領域内の肺組織又は肺実質の密度は、その領域内の画像要素に関連する値に基づいて決定されることができる。

一部の実施形態において、プロセッサに領域内で肺実質の密度を測定させることは、プロセッサに、位置特定された血管を取り囲む画像の領域内で肺実質の密度を測定させることを有し得る。

一部の実施形態において、画像は、複数の画像要素を有することができ、領域内で測定される肺実質の密度は、領域内の画像要素の密度値の分布とし得る。

一部の実施形態において、密度値の分布は、領域内の画像要素の密度値のヒストグラムを有し得る。

一部の実施形態において、領域が高密度肺実質を有すると決定された場合に、命令のセットは、プロセッサによって実行されるときに、プロセッサに更に、位置特定された血管に隣接する画像の領域内の密度値の分布を用いて、高密度肺実質に関連する医学的状態を特定させ得る。

一部の実施形態において、命令のセットは、プロセッサによって実行されるときに、プロセッサに更に、画像内で骨の位置を決定させ、且つ決定した骨の位置に領域が重なる場合に、領域内に高密度肺実質は存在しないと決定させ得る。

一部の実施形態において、命令のセットは、プロセッサによって実行されるときに、プロセッサに更に、画像内で高密度領域の位置を決定させ、且つ高密度領域の位置が、位置特定された血管に隣接する画像の領域の外にある場合に、高密度領域は胸水を有すると決定させ得る。

一部の実施形態において、領域内の肺実質の密度が、含気肺実質の平均密度より高い場合に、領域が高密度肺実質を有すると決定され得る。

一部の実施形態において、含気肺実質の平均密度は、約－８００ハンスフィールドユニット（ＨＵ）であるとし得る。

一部の実施形態において、プロセッサに画像内で血管を位置特定させることは、プロセッサに、画像をセグメント化させて、心臓の１つ以上の部分を位置特定させ、このセグメント化から、血管の断端（心臓を去る該血管の部分に相当する）を特定させ、且つ断端を始点として用いて画像内の血管を位置特定させる、ことを有し得る。

一部の実施形態において、画像は、複数の画像要素を有することができ、プロセッサに画像内で血管を位置特定させることは、プロセッサに、断端を取り囲む領域内で、各画像要素について、該画像要素が血管の部分を有する可能性を指し示す尺度を決定させ、且つ決定した尺度及び断端の位置から血管の更なる部分を位置特定させる、ことを有し得る。

一部の実施形態において、プロセッサに画像内で血管を位置特定させることは更に、プロセッサに、（位置特定される血管の各更なる部分について）繰り返して、血管の該更なる部分を取り囲む領域内で、各画像要素について、該画像要素が血管の部分を有する可能性を指し示す尺度を決定させ、且つ該決定した尺度から血管の別の更なる部分を位置特定させる、ことを有し得る。

一部の実施形態において、プロセッサは、所定の閾値直径未満の直径を持つ血管を画像内で位置特定させられ得る。

第２の態様によれば、肺の画像内で高密度肺実質の領域を決定するコンピュータ実装された方法が提供される。当該方法は、画像内で血管を位置特定し、位置特定された血管に隣接する画像の領域内で肺実質の密度を測定し、且つ測定した密度に基づいて、画像の領域が高密度肺実質を有するかを決定する（高密度肺実質は－８００ＨＵよりも高い密度を持つ）ことを有する。

第３の態様によれば、コンピュータ読み取り可能媒体を有するコンピュータプログラムプロダクトが提供され、コンピュータ読み取り可能媒体は、その中に具現化されたコンピュータ読み取り可能コードを有し、コンピュータ読み取り可能コードは、好適なコンピュータ又はプロセッサによる実行時に、上述の方法をコンピュータ又はプロセッサに実行させるように構成される。

従って、存在している問題を解消するような、肺の画像内で高密度肺組織の領域（高密度肺実質）を決定するための改良された方法及びシステムが提供される。

実施形態のより十分な理解のために、また、それらがどのように実施され得るのかをいっそう明瞭に示すために、以下、単なる例として、以下の図を含む添付図面を参照する。
一実施形態に従った、肺の画像内で高密度肺組織の領域を決定するシステムのブロック図である。 一実施形態に従った、肺の画像内で高密度肺組織の領域を決定するコンピュータ実装された方法を示している。 肺の水平断面画像を示している。 （ａ）－（ｄ）は、一実施形態に従った画像内で血管を位置特定することの一例を示している。 （ａ）及び（ｂ）は、一実施形態に従った画像内で血管を位置特定することの更なる例を示している。 一実施形態に従った、肺の画像内の高密度肺組織の領域を示している。 無気肺及び肺炎に関連する肺密度ヒストグラムを例示している。

上述したように、肺の画像内で高密度肺組織の領域を決定するための改良された方法及びシステムが提供され、それにより、存在している問題が解消される。

図１は、肺の画像内で高密度肺組織の領域を決定（例えば、位置特定）するために使用されることが可能な、一実施形態に従ったシステム１００のブロック図を示している。図１を参照するに、システム１００は、システム１００の動作を制御するとともに、ここに記載される方法を実装することができるプロセッサ１０２を含んでいる。

システム１００は更に、命令のセットを表す命令データを有するメモリ１０６を有している。メモリ１０６は、ここに記載される方法を実行するためにプロセッサ１０２によって実行されることが可能なプログラムコードの形態で、命令データを格納するように構成され得る。一部の実装において、命令データは、ここに記載される方法の個々の又は複数のステップを実行するように各々が構成された又は実行するための複数のソフトウェアモジュール及び／又はハードウェアモジュールを有することができる。一部の実施形態において、メモリ１０６は、システム１００の１つ以上の他のコンポーネント（例えば、プロセッサ１０２及び／又はシステム１００の１つ以上の他のコンポーネント）をやはり含む装置の一部とし得る。それに代わる実施形態において、メモリ１０６は、システム１００の他のコンポーネントとは別個の装置の一部であってもよい。

一部の実施形態において、メモリ１０６は、各サブメモリが命令データの断片を格納することができる複数のサブメモリを有していてもよい。メモリ１０６が複数のサブメモリを有する一部の実施形態において、命令のセットを表す命令データは、単一のサブメモリに格納されてもよい。メモリ１０６が複数のサブメモリを有する他の実施形態において、命令のセットを表す命令データは、複数のサブメモリに格納されてもよい。例えば、少なくとも１つのサブメモリが、命令のセットのうちの少なくとも１つの命令を表す命令データを格納し、少なくとも１つの他のサブメモリが、命令セットのうちの少なくとも１つの他の命令を表す命令データを格納し得る。故に、一部の実施形態によれば、異なる命令を表す命令データが、システム１００内の１つ以上の異なる位置に格納されてもよい。一部の実施形態において、メモリ１０６は、システム１００のプロセッサ１０２によって取得又は作成された、又はシステム１００の他のコンポーネントからの、画像、情報、データ、信号、及び測定結果を格納するために使用され得る。

システム１００のプロセッサ１０２は、命令のセットを実行するためにメモリ１０６と通信するように構成されることができる。命令のセットは、プロセッサによって実行されるときに、ここに記載される方法をプロセッサに実行させ得る。プロセッサ１０２は、ここに記載されるようにしてシステム１００を制御するように構成又はプログラムされる１つ以上のプロセッサ、プロセッシングユニット、マルチコアプロセッサ、及び／又はモジュールを有することができる。一部の実装において、例えば、プロセッサ１０２は、分散処理用に構成された複数の（例えば、相互動作される）プロセッサ、プロセッシングユニット、マルチコアプロセッサ、及び／又はモジュールを有し得る。当業者によって理解されることには、このような複数のプロセッサ、プロセッシングユニット、マルチコアプロセッサ、及び／又はモジュールは、異なる位置に置かれることができ、また、ここに記載される方法の複数の異なるステップ及び／又は単一のステップの異なる部分を実行することができる。

簡潔に述べるに、命令のセットは、システム１００のプロセッサ１０２によって実行されるときに、プロセッサ１０２に、画像内で血管を位置特定させ、位置特定された血管に隣接する画像の領域内で肺実質の密度を測定させ、且つ測定した密度に基づいて、画像のその領域が高密度肺組織を有するかを決定させる。

一部の実施形態において、命令のセットは、プロセッサ１０２によって実行されるときにまた、プロセッサ１０２に、ここに記載される方法に関係する画像、情報、データ、及び決定結果を格納するようにメモリ１０６を制御させ得る。例えば、メモリ１０６は、肺の画像、肺の画像内で位置特定された血管の位置、位置特定された血管に隣接する画像の領域内の肺組織の測定された密度、及び／又は画像のその領域が高密度肺組織を有するかの決定に関する情報を格納するために使用され得る。

ここに記載される実施形態のいずれにおいても、画像は、２次元画像、３次元画像、又は他の次元の画像とすることができる。画像は、複数の（又は一組の）画像要素を有し得る。画像が２次元画像である実施形態において、画像要素はピクセルである。画像が３次元画像である実施形態において、画像要素はボクセルである。

画像は、例えば、肺の医用画像、又は他のタイプの肺の画像とすることができる。画像は、画像モダリティを使用して収集され得る。医用画像の例は、以下に限られないが、肺の、例えばＣアームＣＴ画像、スペクトルＣＴ画像又は位相差ＣＴ画像などのコンピュータ断層撮影（ＣＴ）画像、ｘ線画像（例えば、ｘ線スキャンからの）、磁気共鳴（ＭＲ）画像（例えば、ＭＲスキャンからの）、超音波（ＵＳ）画像（例えば、超音波スキャンからの）、蛍光透視画像、核医学画像、又は他の医用画像を含む。画像のタイプの例が提供されているが、当業者が理解することには、ここに提供される教示は、肺の他のタイプの画像にも等しく適用され得る。

前述したように、画像は概して肺の画像を有する。例えば、画像は、肺組織、肺に付随する血管構造（例えば、肺内の血管）、及び／又は、例えば１つ以上の肋骨の少なくとも一部などの、肺を取り囲む骨の部分を含み得る。画像は更に、例えば心臓及び／又は心臓から延びる血管構造などの他の解剖学的構造を含んでもよい。理解されることには、画像は、必ずしも肺全体を含んでいなくてもよく、例えば、肺の一部を含むのみであってもよく、且つ／或いは、画像内に他の解剖学的構造が存在する場合には、他の解剖学的構造の（１つ以上の）部分を含んでもよい。

ここで使用されるとき、用語‘組織’は概して、肺の一部を形成する実質を指すために使用される。例えば、組織は、例えば肺胞、肺胞管及び呼吸細気管支などの、気体輸送に関与する肺の部分を有し得る。組織は更に、肺に付随する脈管構造を有し得る。ここで使用されるとき、用語‘高密度肺組織’は、健康な含気肺組織よりも高い密度を持つ任意の肺組織を記述するために使用される。健康な含気肺組織は典型的に、－８００ＨＵ（ハンスフィールドユニット）の密度を持つものである空気の密度と同等の低い密度を持つ。従って、高密度肺組織は、約－８００ＨＵよりも高い密度（例えば、－８００ＨＵよりも高い）を持つ肺組織として定義され得る。当業者によく知られているように、ハンスフィールドスケールは、放射線密度（例えば、電磁放射線が物質を通り抜ける能力）を記述するための定量的スケールである。例えば、コンピュータ断層撮影（ＣＴ）スキャナの出力は典型的に、０ＨＵの値を持つ水を基準にしてハンスフィールドスケール上へと較正される。

再び図１に戻るに、一部の実施形態において、システム１００は、少なくとも１つのユーザインタフェース１０４を有し得る。一部の実施形態において、ユーザインタフェース１０４は、システム１００の１つ以上の他のコンポーネント（例えば、プロセッサ１０２、メモリ１０６、及び／又はシステム１００の１つ以上の他のコンポーネント）をやはり有する装置の一部とし得る。それに代わる実施形態において、ユーザインタフェース１０４は、システム１００の他のコンポーネントとは別個の装置の一部であってもよい。

ユーザインタフェース１０４は、ここでの実施形態に従った方法から得られた情報を、システム１００のユーザ（例えば、医療従事者、ヘルスケア提供者、ヘルスケア専門家、介護提供者、被検体、又は他のユーザ）に提供する際に使用されるとし得る。命令のセットが、プロセッサ１０２によって実行されるときに、ここでの実施形態に従った方法から得られた情報を提供するよう、プロセッサ１０２に１つ以上のユーザインタフェース１０４を制御させ得る。例えば、命令のセットは、プロセッサ１０２によって実行されるときに、肺の画像、肺の画像内で位置特定された血管の視覚的表現、位置特定された血管に隣接する画像の領域内で測定された肺組織の密度、及び／又は画像のその領域が高密度肺組織を有するかの決定に関する情報、のうちの任意の個別の１つ又は任意の組み合わせをレンダリング（又は出力若しくは表示）するよう、プロセッサ１０２に１つ以上のユーザインタフェース１０４を制御させ得る。それに代えて、あるいは加えて、ユーザインタフェース１０４は、ユーザ入力を受信するように構成され得る。換言すれば、ユーザインタフェース１０４は、システム１００のユーザが手動で命令、データ、又は情報を入力することを可能にし得る。命令のセットが、プロセッサ１０２によって実行されるときに、１つ以上のユーザインタフェース１０４からのユーザ入力をプロセッサ１０２に取得させ得る。

ユーザインタフェース１０４は、システム１００のユーザへの情報、データ又は信号のレンダリング（又は出力若しくは表示）を可能にする如何なるユーザインタフェースであってもよい。それに代えて、あるいは加えて、ユーザインタフェース１０４は、システム１００のユーザがユーザ入力を提供し、システム１００とインタラクトし、及び／又はシステム１００を制御することを可能にする如何なるユーザインタフェースであってもよい。例えば、ユーザインタフェース１０４は、１つ以上のスイッチ、１つ以上のボタン、キーパッド、キーボード、タッチスクリーン若しくはアプリケーション（例えば、タブレット又はスマートフォン上の）、表示スクリーン、グラフィカルユーザインタフェース（ＧＵＩ）若しくは他の視覚的レンダリングコンポーネント、１つ以上のスピーカ、１つ以上のマイクロフォン若しくは他のオーディオコンポーネント、１つ以上のライト、触覚フィードバックを提供するコンポーネント（例えば、バイブレーション機能）、又は他のユーザインタフェース、又は複数のユーザインタフェースの組み合わせを有し得る。

一部の実施形態において、図１に示すように、システム１００はまた、システム１００がシステム１００の一部であるインタフェース、メモリ及び／又は装置と通信することを可能にする通信インタフェース（又は回路）１０８を有し得る。通信インタフェース１０８は、無線で、又は有線接続を介して、何らかのインタフェース、メモリ及び装置と通信し得る。

理解されることには、図１は、本開示のこの態様を説明するのに必要なコンポーネントのみを示しており、実際の実装では、システム１００は、示されたコンポーネントに対して追加となるコンポーネントを有し得る。例えば、システム１００は、システム１００に電力供給するためのバッテリ若しくは他の電源、又はシステム１００を幹線電源に接続する手段を有し得る。

図２は、一実施形態に従った、肺の画像内で高密度肺組織の領域を決定する（例えば、位置特定する）コンピュータ実装された方法２００を示している。図示した方法２００は概して、システム１００のプロセッサ１０２によって、又はその制御の下で実行されることができる。この方法は、一部の実施形態によれば、部分的又は完全に自動化され得る。

簡潔に述べるに、図２を参照するに、この方法は、画像内で血管を位置特定し（図２のブロック２０２にて）、位置特定された血管に隣接する画像の領域内で肺組織の密度を測定する（図２のブロック２０４にて）ことを有する。この方法はまた、測定した密度に基づいて、画像のその領域が高密度肺実質を有するかを決定する（図２のブロック２０６にて）ことを有する。

前述したように、高密度領域が画像内で高密度肺組織を有するのか、それとも胸水を有するのかを区別することは、これらの領域が同様の密度を有し得るために困難であり得る。高密度肺組織が血管構造を有するのに対し、胸水は単に水で充たされたポケットであるという事実に鑑み、図２の方法２００は、位置特定された血管に隣接する画像の領域（例えば、血管構造を伴い、それ故に、高密度肺組織を有する可能性が高い肺組織のサンプリング領域）の中で肺組織の密度を測定することによって、上述の困難の一部を解消する。これは、高密度肺組織に関して完全なる肺を無差別にスキャンする方法よりも計算上効率的である。図２の方法２００は、胸水ではなく、高密度肺組織（例えば、高密度肺実質など）が決定又は識別されることを可能にする。何故なら、胸水は、血管を有していないので、本質的に避けられるからである。これは、高密度肺組織の偽陽性検出の数を減少させる。

より詳細には、図２のブロック２０２にて、肺の画像内で血管が位置特定される。より具体的には、命令のセットが、システム１００のプロセッサ１０２によって実行されるときに、プロセッサ１０２に肺の画像内で血管を位置特定させる。肺の画像は、撮像装置（例えば医用撮像装置など）からプロセッサ１０２によって取得され得る。例えば、画像がコンピュータ断層撮影（ＣＴ）画像である一実施形態において、プロセッサ１０２は、ＣＴスキャナから肺のＣＴ画像を取得し得る。同様に、例えば、画像がｘ線画像である一実施形態において、プロセッサ１０２は、ｘ線装置から肺のｘ線画像を取得し得る。一部の実施形態において、肺の画像は、メモリ１０６（これは、例えば、データベースやサーバのメモリ、又は他のメモリとし得る）に格納されていてもよい。例えば、プロセッサ１０２は、メモリ１０６から肺の画像をダウンロードし得る。

実際に、肺の画像内で血管を位置特定することによって、その血管を、高密度肺組織を有し得る領域を位置特定するためのマーカーとして使用することができる。概して、血管は、肺の血管構造に関連する肺血管とすることができ、あるいは、例えば心臓などの別の解剖学的構造の血管構造、又は何らかの他の血管構造、又は複数の血管構造の組み合わせ、に関連する血管とすることができる。一部の態様において、血管は、動脈であってもよいし、静脈であってもよい。血管が肺の血管構造に関連するものである一部の実施形態において、血管は、例えば、左若しくは右肺動脈、又は右上、右下、左上若しくは左下静脈などの、主肺動脈又は主肺静脈とし得る。

血管は、任意の好適な手法で、画像内で位置特定され得る。例えば、血管は、システム１００のプロセッサ１０２によって取得されるユーザ入力によって位置特定され得る。それに代えて、血管は、画像内の血管の位置を決定するためのコンピュータ実装された方法を用いて位置特定されてもよい。画像内の血管の位置を決定するためのコンピュータ実装された方法は、例えば、画像内で検出された構造に基づき得る。一部の実施形態において、血管は、画像セグメンテーションの使用を通じて画像内で位置特定されることができる。これは、画像内で血管を位置特定することにおける使用に好適な任意のセグメンテーション技術を用いて実行されることができ、当業者は、使用され得る様々なセグメンテーション法に精通している。しかしながら、一例として、画像内で血管を位置特定することに使用されることができる画像セグメンテーションは、モデルベースの画像セグメンテーションを有し得る。当業者は、モデルベースのセグメンテーションに精通している。しかし、簡潔に述べるに、モデルベースのセグメンテーションは、解剖学的構造のモデルを画像内の解剖学的構造にフィッティングすることを有する。故に、この場合、肺のモデルが画像内の肺にフィッティングされ得る。モデルベースのセグメンテーションにおいて使用されるモデルは、例えば、複数の点（例えば複数の調節可能な制御点など）を有することができ、モデルの各点が、解剖学的構造の表面上の異なる点に対応し得る。適切なモデルは、例えば複数の多角形セグメントを有した多角形メッシュ（例えば、複数の三角形セグメントを有した三角形メッシュ、又は他の多角形メッシュ）などの、複数のセグメントを有したメッシュを有し得る。当業者は、このようなモデル及び適切なモデルベースの画像セグメンテーションプロセスに精通している。

一部の実施形態において、血管は、画像内の血管の知られた始点を基準にして画像内で位置特定（又はトレースする）され得る。解剖学的構造（例えば心臓など）の幾何学的構成、及び解剖学的構造を離れる血管の部分に相当する血管の断端は、よく知られており、そこから画像内の血管を位置特定するための始点として使用されることができる。例えば、心臓の幾何学的構成及び主肺動脈及び主肺静脈の断端（例えば、心臓を去るときの動脈又は静脈の最初の数センチメートルなど）は、よく知られており、そこから画像内の血管を位置特定するための始点として使用されることができる。

この目的のため、一部の実施形態において、画像内で血管を位置特定することは、システム１００のプロセッサ１０２に、画像をセグメント化させて、心臓の１つ以上の部分を位置特定させ、該セグメンテーションから、血管の断端（上述のように、血管の断端は、心臓を去る該血管の部分に相当する）を特定することを有し得る。そして、断端を始点として用いて、画像内で血管を位置特定することができる。心臓は、例えば、画像内の心臓のおおよその位置を決定し（例えば、一般化ハフ変換（Generalized Hough Transform；ＧＨＴ）又は他の特徴抽出技術などの好適な特徴抽出技術を用いて）、次いで、前述のセグメンテーション法のいずれかを用いて心臓をセグメント化することによって、セグメント化され得る。例えば、一部の実施形態において、メッシュ（例えば、三角形セグメント又は他の多角形セグメントとし得る複数のセグメントを有するメッシュなど）の形態の心臓のモデルが、画像内の心臓にフィッティングされ得る。一部の実施形態において、心臓のモデルはまた、例えば訓練されたエッジ検出器を用いて、例えば反復様式などにて、画像内の心臓に合わせて適応されてもよい。心臓のモデルは、１つ以上の上述の血管断端を有することができ、故に、画像内の心臓がモデルを用いてセグメント化されると、例えば、血管断端に対応するモデルの部分が画像内の実際の血管断端と重なることになるので、セグメンテーションから画像内の血管断端の位置が分かる。

上述のように、血管の断端を始点として用いて、画像内で血管が位置特定され得る。この始点から、断端を取り囲む領域内の各画像要素（例えば、画像が２次元画像である場合の各ピクセル、又は画像が３次元画像である場合の各ボクセル）について、この方法は、システム１００のプロセッサ１０２に、その画像要素が血管の部分を有する可能性を指し示す尺度を決定させることを有し得る。この尺度は、“血管”尺度として参照され得る。一部の実施形態において、この尺度は、画像要素が血管の部分を有する確率を有し得る。この方法は、次いで更に、システム１００のプロセッサ１０２に、決定した尺度及び断端の位置から血管の更なる部分を位置特定させることを有し得る。例えば、一部の実施形態において、所定の閾値を超える尺度（例えば、所定の閾値よりも高い、血管の部分である確率）を持つ隣接要素が、血管の部分であると仮定され得る。

一部の実施形態において、このようにして血管の更なる部分を位置特定した後、血管の更なる部分を位置特定するこの方法が、位置特定される血管の各更なる部分について前述のようにして血管の別の更なる部分が位置特定されるように、反復的に繰り返され得る。これは、システム１００のプロセッサ１０２に、血管の更なる部分を取り囲む領域内の各画像要素について、その画像要素が血管の部分を有する可能性を指し示す尺度を決定させ、そして、決定した尺度から血管の別の更なる部分を位置特定させることを有し得る。斯くして、画像内の血管に対応する可能性が高い領域を反復的に特定することによって、血管の位置が特定される。

一部の実施形態において、血管に対応する領域が画像内で特定される方向がモニターされ得る。これは、例えば、画像内で特定（例えば、位置特定／トレース）されている血管の位置が、肺血管である血管と適合する方向に一致することを確実にすることができる。例えば、一部の実施形態において、血管が所定の閾値よりも尾の側になった場合に、この方法が打ち切られて、位置特定された血管が破棄されてもよい。一部の実施形態において、所定の閾値は、肺の平均的な範囲に基づいて決定される。一部の態様において、閾値は、特定されている血管が大動脈弓から８０ｍｍ（又は約８０ｍｍ）延びていることが検出された場合に、この方法を打ち切るように設定され得る。何故なら、これよりも遠くまで延びる血管は、肺の部分である可能性がますます低くなるからである。一部の実施形態において、この方法は、血管が断端から所定の閾値より長く延びていることが判明した場合に打ち切られる。一部の実施形態において、この方法は、血管が断端から離れて３００ｍｍ（又は約３００ｍｍ）よりも長く延びていることが判明した場合に打ち切られる。斯くして、この方法が心臓領域内の血管を特定してしまうことが防止され、特定された血管が肺内の血管に対応することが確実になる。

一部の実施形態において、画像要素が血管の部分を有する可能性を指し示す尺度は、断端を取り囲む領域内の画像要素の密度プロファイルから決定されることができる。例えば、隣接する画像要素の密度値に変化（例えば、２つ又は３つの画像要素にわたって生じる突然の変化）が存在して、血管と他の組織との間の境界を指し示す場合に、血管のエッジ又は境界が決定され得る。従って、画像要素は、それらが血管密度と異なる密度を持つ場合よりも、それらの密度値が血管の密度に対応する場合に、血管に属する可能性が高いと決定され得る。一部の実施形態において、血管のエッジは、血管の既知の部分の中心からサーチ（探索）レイを投じて、血管に関連する値を密度が下回るところの半径を測定することによって決定され得る。この意味において、測定された半径内の画像要素は、測定された半径の外にある画像要素よりも、血管に属することの高い可能性を持つと決定される。従って、一部の例において、画像要素は、血管に属することが分かっている画像要素と同様の値（例えば、ピクセル／ボクセル値）をそれが持つ場合に、血管に属することが分かっている隣接画像要素とは異なる値（例えば、ピクセル／ボクセル値）を持つ画像要素よりも、血管に属することの高い確率を割り当てられることになる。

一部の実施形態において、各画像要素が血管の部分を有する可能性を指し示す尺度は、マルチ解像度スケール空間における空間的な二階微分の行列の固有値に基づいて計算される。例えば、マルチ解像度スケール空間を作り出すために、肺の画像が、相異なる幅の複数のカーネル（例えば、ガウスカーネル）とコンボリューションされ得る。次いで、マルチ解像度スケール空間の各画像が、画像内の画像要素の空間的な二階微分の行列の固有値を計算するために処理され得る。各画像位置について、各解像度画像に対し、２番目に大きい固有値の最小値が決定される。各画像要素が血管の部分を有する可能性を指し示す尺度は、この最小値の負の大きさによって決定され得る（そして、正の値のこの最小値に対してはゼロに設定され得る）。

一部の実施形態において、各画像要素が血管の部分を有する可能性を指し示す尺度は、さらに、画像内の他の解剖学的構造の位置を考慮してもよい。例えば、骨（例えば、肋骨）に対応することが分かっている画像要素は、ゼロの尺度を割り当てられて、これらの画像要素が血管に対応する可能性がないことを指し示し得る。それに代えて、あるいは加えて、この方法は、血管の更なる部分が、骨を有することが分かっている画像の領域と交わる場合に打ち切られてもよい。当業者が理解することには、骨（例えば、肋骨）の位置は、ここに記載されるセグメンテーション技術のいずれかを用いて決定されることができる。

理解されることには、画像要素が血管の部分を有する可能性を指し示す尺度を計算することの、ここに提供された方法は、単なる例であり、当業者は、画像要素が血管の部分を有する可能性を指し示す尺度を決定する他の可能な方法を認識することになる。

一部の実施形態において、ブロック２０２にて、プロセッサは、所定の閾値直径未満の直径を持つ血管を画像内で位置特定させられ得る。例えば、所定の閾値未満の直径を持つ血管を位置特定することが優先され得る。斯くして、例えば、大きな縦隔血管は除外され、肺に典型的な（及び例えば肺内の高密度実質などの高密度肺組織に典型的な）より小さな血管の影響が位置特定される。

図３－５は、図２のブロック２０２にて画像内の血管の位置を決定する上述の方法のうち一部を例示している。

図３は、一実施形態に従った肺の画像例を示している。この実施形態例において、この肺の画像は、肺の２次元画像、より具体的には、肺を通る水平断面スライスを有している。この肺の画像は、正常密度の実質３０２、高密度実質３０４、胸水３０６、及び肋骨３０８の領域を有している。

図４は、（図２のブロック２０２にて）画像内で血管を位置特定することが、画像をセグメント化して心臓の１つ以上の部分を位置特定し、このセグメンテーションから血管の断端を特定し、そして、断端を始点として用いて画像内の血管を位置特定することを有する実施形態を例示している。図４の（ａ）－（ｄ）は、胸腔の３次元画像を通る４つの水平断面を示している。図２のブロック２０２に関して上で概説した方法を用いて、心臓がセグメント化されている。故に、図４の（ａ）－（ｄ）は、心臓４０２のセグメント化された部分と、（セグメンテーションから特定された）血管の断端４０４と、（断端を始点として用いて位置特定された）血管それら自体４０６とを示している。

図５（ａ）は、心臓及び関連する血管構造の別のセグメンテーションを示している。セグメント化された心臓部分にラベル５０２が付され、血管（例えば、静脈）にラベル５０４が付されている。決定された血管構造の３次元図が図５（ｂ）に示されており、分岐構造が示されている。

心臓を去る血管の部分を始点として用いる上述の実施形態の一部に従って血管を位置特定することに伴う１つの利点は、肺それ自体をセグメント化することなく、高密度肺組織を有する画像の領域を決定（又は特定）することができることである。上述したように、肺組織の自動診断に伴う難しさの１つは、（図３に示した罹患肺の画像から理解され得るように）疾患部は標準的な肺モデルに適合しないために、罹患した肺では肺セグメンテーションが不正確なことが多いことである。故に、肺の代わりに心臓から去る血管（これは、疾患によって影響されにくい）から出発することにより、これらの問題を回避することができ、方法の効率が向上される。

従って、上述のように、肺の画像内で血管が位置特定される。図２に戻るに、ブロック２０２で血管が位置特定されると、ブロック２０４にて、命令のセットが、システム１００のプロセッサ１０２に、位置特定された血管に隣接する画像の領域内で肺組織の密度を測定させる。一部の実施形態において、位置特定された血管に隣接する画像の領域は、位置特定された血管に隣接する複数の接続された画像要素（例えば、互いに境を接する画像要素）を有することができる。それら複数の接続された要素は、例えば、画像が２次元画像である場合の複数の接続されたピクセル、又は画像が３次元画像である場合の複数の接続されたボクセルとし得る。一部の実施形態において、位置特定された血管に隣接する画像の領域は、血管又は血管の一部に隣接することができる。例えば、位置特定された血管に隣接する画像の領域は、例えば正方形若しくは長方形などの多角形（２次元画像の場合）、又は血管の隣に位置する例えば立方体などの多面体（３次元画像の場合）とし得る。一部の実施形態において、システム１００のプロセッサ１０２に、位置特定された血管に隣接する画像の領域内で肺組織の密度を測定させることは、プロセッサ１０２に、位置特定された血管を取り囲む画像の領域内で肺組織の密度を測定させることを有することができる。例えば、位置特定された血管に隣接する画像の領域は、ほぼ円筒形又は管状の態様で血管を包み込み得る。位置特定された血管に隣接する画像の領域は、従って、血管の最小閾値半径内の全ての画像要素を包含してもよい。一部の例において、閾値半径は、２０ｍｍ（又は約２０ｍｍ）とすることができる。一部の実施形態において、位置特定された血管に隣接する画像の領域は、画像内の隣接するフィーチャに従った形状とされてもよい。例えば、位置特定された血管に隣接する画像の領域は、最小閾値よりも大きい値を持つ血管の所定半径内の全てのピクセルを有するものとして定められてもよい。

図６は、肺のコンピュータ断層撮影（ＣＴ）画像内で位置特定された血管に隣接する画像の様々な領域の例を示している。この画像は、心臓６０２の部分と、位置特定された血管６０４とを示している。高密度肺組織の候補領域であり、従って、その中で肺組織の密度が決定（図２のブロック２０４にて）される領域である、位置特定された血管に隣接する画像の領域を例示するために、位置特定された血管６０４の各々の周りに円筒形の領域（図６の円に対応する）を画成してある。

一部の実施形態において、位置特定された血管に隣接する画像の領域内で肺組織の密度を測定（図２のブロック２０４）することは、位置特定された血管に隣接する画像の領域内で平均密度を計算することを有し得る。例えば、密度は、決定された領域内の画像要素の値の平均値、中央値又はモード値から決定され得る。一部の実施形態において、位置特定された血管に隣接する画像の領域内で肺組織の密度を測定することは、その領域内の画像要素の密度値の分布を測定することを有する。例えば、一部の例において、領域内の画像要素の密度値のヒストグラムが測定される。一部の実施形態において、決定された密度は、領域内の画像要素の密度値の分布に関連する尺度を有する。例えば、決定された密度は、位置特定された血管に隣接する画像の領域内の画像要素の値の標準偏差を有し得る。

概して、位置特定された血管に隣接する画像の領域の各画像要素（例えば、２次元画像の各ピクセル、又は３次元画像の各ボクセル）における肺組織の密度は、所定の関係を用いて、画像要素に関連する値から決定され得る。前述のように、コンピュータ断層撮影（ＣＴ）スキャナは、０ＨＵの値を持つものである水と、－１０００ＨＵの値を持つものである空気とを基準にして、ハンスフィールドスケール上へと較正される。密度Ｄ（ｇ／ｍｍ^３の単位）は、ハンスフィールドナンバーＶ（ＨＵの単位）から、Ｄ＝（Ｖ＋１０００）／１０００として計算される。当業者は、ハンスフィールドスケールとともに、このスケールが密度の他の尺度にどのように関係するかに精通している。

図２に戻るに、ブロック２０６にて、命令のセットが、システム１００のプロセッサ１０２によって実行されるときに、プロセッサ１０２に、位置特定された血管に隣接する画像の領域内で測定された肺組織の密度に基づいて、画像のその領域が高密度の肺組織を有するかを決定させる。従って、位置特定された血管に隣接する画像の領域内で測定された肺組織の密度が、画像のその領域が高密度の肺組織を有するかを決定するために使用される。

一部の実施形態において、図２のブロック２０６は、位置特定された血管に隣接する画像の領域内で測定された肺組織の密度を閾値密度と比較することを有することができる。一部の実施形態において、領域内の肺組織の密度が含気肺組織の平均密度よりも高い場合に、その領域は高密度の肺組織を有すると決定され得る。一部の実施形態において、含気肺組織の平均密度は、－８００（又は約－８００）ハンスフィールドユニット（ＨＵ）であると見なされる。従って、一部の例において、領域の平均密度が－８００（又は約－８００）ハンスフィールドユニット（ＨＵ）よりも高い場合に、その領域は高密度の肺組織を含有すると決定される。

図２のブロック２０４で密度値の分布が測定される一部の実施形態において、図２のブロック２０６は、測定された密度分布を、健康な肺組織の所定の密度分布と比較することを有することができる。ブロック２０６は更に、測定された密度分布が健康な肺組織の所定の密度分布に対してシフトされているか決定することを有し得る。例えば、測定された密度分布が、健康組織の所定の密度分布と比較して、より高い密度にシフトされている（例えば、分布のピークがシフトされている）場合、これは、その領域が高密度の肺組織を有することを指し示し得る。測定された密度分布の中心が０ＨＵにある場合、これは、その高密度が実際には高密度肺組織ではなく胸水であることを指し示し得る。斯くして、密度分布を用いて、本物の高密度肺組織のサンプルから偽陽性の胸水を除くことができる。

一部の実施形態において、高密度領域は、大きい縦隔血管を除外し、肺に典型的なもっと小さい血管の影響を強調するために、関連する血管の直径に従って優先順位を付けられてもよい。これは、密度分布を計算するときに各画像要素に重み付けを適用することによって達成されることができる。密度計算における特定の画像要素に対する重み付けは、例えば、血管の中心からのその画像要素の推定距離の逆数から計算され得る。この重み付けは、故に、小さい血管径の場合に、大きい血管径の場合よりも高く、上限よりも大きい半径の場合にはゼロになる傾向がある。

図２には示していないが、ここに記載される実施形態のいずれにおいても、その領域が高密度肺組織を有すると決定された場合、命令のセットが、システム１００のプロセッサ１０２によって実行されるときに、プロセッサ１０２に更に、その高密度肺組織に関連する医学的状態を特定させてもよい。一部の実施形態において、医学的状態は、位置特定された血管に隣接する画像の領域における密度値の分布を用いて特定され得る。一部の実施形態において、医学的状態は、無気肺又は肺炎のいずれか１つ以上であり得る。例えば、異なる医学的状態は異なる密度プロファイルを持つ。一部の例において、密度プロファイルは、ヒストグラムにおける異なるピーク値、又は異なる幅のヒストグラムを持ち得る。従って、この方法は更に、領域内の画像要素の密度値のヒストグラムを、その医学的状態に侵された肺組織に関連する密度値のヒストグラムと比較することを有し得る。斯くして、図２の方法２００は、画像内の高密度肺組織の（１つ以上の）位置を決定するためだけでなく、高密度肺組織の原因を診断するためにも使用され得る。

図７は、３つの異なる肺の高密度肺組織領域からの密度ヒストグラムの例を示しており、これは、高密度肺組織に関連する医学的状態を特定するために使用されることができるものである。これらのヒストグラムは、はっきり異なるピークを示しており、各ピークが異なる疾患に対応する（例えば、異なる疾患は異なる平均密度の組織を生じさせる）。この場合、３つのピークは、無気肺７０２、７０４を、肺炎７０６と対比して示している。医学的状態の特定の例が提供されているが、当業者が理解することには、ここに記載される技術は、これらの医学的状態に限定されるものではなく、特徴的な密度プロファイルを持つ任意の（１つ以上の）医学的状態を診断又は区別するために使用されることができる。

図２には示していないが、ここに記載される実施形態のいずれにおいても、他の解剖学的構造の位置を考慮に入れてもよい。例えば、命令のセットが、システム１００のプロセッサ１０２によって実行されるときに、プロセッサ１０２に更に、画像内の骨（例えば肋骨、椎骨、若しくは他の骨、又は複数の骨の組み合わせなど）の位置を決定させ、そして、位置特定された血管に隣接する画像の領域が、決定された骨の位置に重なる場合に、位置特定された血管に隣接する画像の領域には高密度肺組織が存在しないと決定させてもよい。

骨の位置は、概して、図２の方法２００の様々な異なる段階で考慮に入れられ得る。例えば、図２の方法２００は更に、画像内で１つ以上の骨がセグメント化される前処理ブロックを有してもよい。そして、骨を有する領域が、後に誤って、高密度肺組織を有すると決定されることがないことを確実にするために、セグメンテーションにて決定された位置が、図２の方法２００のその後のブロックにおいてマスクされ得る。他の一例において、図２の方法２００の後処理工程において、骨が考慮に入れられてもよく、それによって、高密度肺組織を有すると決定された領域の位置が、画像内の骨の位置と比較され、そして、骨の位置と重なった、高密度肺組織を有すると決定された領域が破棄され得る。斯くして、骨組織に起因する高密度肺組織の偽陽性検出が減じられ得る。

図２には示していないが、ここに記載される実施形態のいずれにおいても、命令のセットが、システム１００のプロセッサ１０２によって実行されるときに、プロセッサ１０２に更に、画像内の高密度領域の位置を決定させ、そして、その高密度領域の位置が、位置特定された血管に隣接する画像の領域の外にある場合に、その高密度領域が胸水を有すると決定させてもよい。従って、ここに記載される方法を含むがそれに限定されない任意の方法によって画像内で高密度領域が位置特定される場合に、この方法は更に、命令のセットがプロセッサ１０２に、決定された高密度領域の位置を、画像内で位置特定された血管の位置と比較させ、そして、その高密度領域が如何なる血管も有しない場合に、その高密度領域は胸水を有すると決定させることを有してもよい。斯くして、画像内で位置特定された複数の血管を使用して、さらに、画像内の胸水の位置を決定してもよい。

従って、肺の画像内で高密度肺組織の領域を決定するための改良されたシステム及び方法が提供され、それにより、存在している問題が解消される。

また、コンピュータ読み取り可能媒体を有するコンピュータプログラムプロダクトが提供され、コンピュータ読み取り可能媒体は、その中に具現化されたコンピュータ読み取り可能コードを有し、コンピュータ読み取り可能コードは、好適なコンピュータ又はプロセッサによる実行時に、ここに記載された１つ以上の方法をコンピュータ又はプロセッサに実行させるように構成される。故に、理解されるように、本開示は、実施形態を実現するように適応されたコンピュータプログラム、特に、キャリア上又はキャリア内のコンピュータプログラムに適用される。プログラムは、ソースコードの形態、オブジェクトコードの形態、例えば部分的にコンパイルされた形態などのコード中間ソース及びオブジェクトコードの形態、又はここに記載された実施形態に従った方法の実装での使用に適したその他の形態を取り得る。

やはり理解されるように、そのようなプログラムは、数多くの異なる構造設計を有し得る。例えば、方法又はシステムの機能を実装するプログラムコードは、１つ以上のサブルーチンへと細分化され得る。これらのサブルーチン間で機能を配分することの数多くの異なる手法が、当業者に明らかになる。これらのサブルーチンは、自己完結型プログラムを形成するように、１つの実行可能ファイル内にまとめて格納され得る。そのような実行可能ファイルは、例えばプロセッサ命令及び／又はインタープリタ命令（例えば、Ｊａｖａ（登録商標）インタープリタ命令）といった、コンピュータ実行可能命令を有し得る。代わりに、これらのサブルーチンのうちの１つ以上又は全てが、少なくとも１つの外部ライブラリファイルに格納されて、静的又は動的（例えば、ランタイムに）の何れかでメインプログラムとリンク付けられ得る。メインプログラムは、サブルーチンのうちの少なくとも１つへの少なくとも１つの呼び出し（コール）を含む。サブルーチンはまた、互いへの関数呼び出しを有し得る。

コンピュータプログラムプロダクトに関する一実施形態は、ここに説明された方法のうちの少なくとも１つ方法の各処理段階に対応するコンピュータ実行可能命令を有する。これらの命令は、サブルーチンに細分化され、且つ／或いは静的又は動的にリンク付けられ得る１つ以上のファイルに格納され得る。コンピュータプログラムプロダクトに関する他の一実施形態は、ここに説明されたシステム及び／又はプロダクトのうちの少なくとも１つのシステム及び／又はプロダクトの各手段に対応するコンピュータ実行可能命令を有する。これらの命令は、サブルーチンに細分化され、且つ／或いは静的又は動的にリンク付けられ得る１つ以上のファイルに格納され得る。

コンピュータプログラムのキャリアは、プログラムを担持することが可能な如何なるエンティティ又は装置であってもよい。例えば、キャリアは、例えばＣＤ－ＲＯＭ若しくは半導体ＲＯＭといったＲＯＭ、又は例えばハードディスクといった磁気記録媒体などの、データストレージを含み得る。また、キャリアは、電気ケーブル若しくは光ケーブルを介して、あるいは電波若しくはその他の手段によって伝達され得る例えば電気信号又は光信号などの伝送可能なキャリアとし得る。プログラムがそのような信号で具現化されるとき、キャリアは、そのようなケーブル又はその他の装置若しくは手段によって構成され得る。代わりに、キャリアは、プログラムが内蔵される集積回路であってもよく、集積回路は、関連する方法を実行するように適応され、あるいは関連する方法の実行での使用に合わせて適応される。

図面、明細書及び特許請求の範囲の学習から、当業者によって、開示した実施形態への変形が理解及び達成され得る。請求項において、用語“有する”はその他の要素又はステップを排除するものではなく、不定冠詞“ａ”若しくは“ａｎ”は複数であることを排除するものではない。単一のプロセッサ又はその他のユニットが、請求項に記載された複数のアイテムの機能を果たしてもよい。特定の複数の手段が相互に異なる従属請求項に記載されているという単なる事実は、それらの手段の組合せが有利に使用され得ない、ということを指し示すものではない。コンピュータプログラムは、他のハードウェアとともに供給されるか、あるいは他のハードウェアの部分として供給されるかする例えば光記憶媒体又は半導体媒体などの好適な媒体上で格納／配信され得るが、例えばインターネット又はその他の有線若しくは無線の遠隔通信システムを介してなど、その他の形態で配信されてもよい。請求項中の参照符号は、範囲を限定するものとして解されるべきでない。

Claims (15)

1. 肺の画像内で高密度肺実質の領域を決定するように構成されたシステムであって、
   命令のセットを表す命令データを有するメモリと、
   前記メモリと通信し、前記命令のセットを実行するように構成されたプロセッサと、
   を有し、
   前記命令のセットは、前記プロセッサによって実行されるときに、前記プロセッサに、
   前記画像内で血管を位置特定させ、
   前記位置特定された血管に隣接する前記画像の領域を候補領域として設定させ、
   前記候補領域内で肺実質の密度を測定させ、且つ
   前記測定した密度に基づいて、前記候補領域が高密度肺実質を有するかを決定させ、高密度肺実質は－８００ＨＵよりも高い密度を持つ、
   システム。
2. 前記候補領域は、前記位置特定された血管を取り囲む、請求項１に記載のシステム。
3. 前記画像は、複数の画像要素を有し、
   前記候補領域内で測定される肺実質の密度は、前記候補領域内の前記画像要素の密度値の分布である、システム請求項１又は２に記載のシステム。
4. 前記密度値の分布は、前記候補領域内の前記画像要素の密度値のヒストグラムを有する、請求項３に記載のシステム。
5. 前記候補領域が高密度肺実質を有すると決定された場合に、前記命令のセットは、前記プロセッサによって実行されるときに、前記プロセッサに更に、
   前記位置特定された血管に隣接する前記画像の前記候補領域内の密度値の分布を用いて、前記高密度肺実質に関連する医学的状態を特定させる、
   請求項１乃至４のいずれか一項に記載のシステム。
6. 前記命令のセットは、前記プロセッサによって実行されるときに、前記プロセッサに更に、
   前記画像内で骨の位置を決定させ、且つ
   前記決定した前記骨の位置に前記候補領域が重なる場合に、前記候補領域内に高密度肺実質は存在しないと決定させる、
   請求項１乃至５のいずれか一項に記載のシステム。
7. 前記命令のセットは、前記プロセッサによって実行されるときに、前記プロセッサに更に、
   前記画像内で高密度領域の位置を決定させ、且つ
   前記高密度領域の前記位置が、前記位置特定された血管に隣接する前記画像の前記候補領域の外にある場合に、前記高密度領域は胸水を有すると決定させる、
   請求項１乃至６のいずれか一項に記載のシステム。
8. 前記候補領域内の前記肺実質の前記密度が、含気肺実質の平均密度よりも高い場合に、前記候補領域が高密度肺実質を有すると決定される、請求項１乃至７のいずれか一項に記載のシステム。
9. 含気肺実質の前記平均密度は、約－８００ハンスフィールドユニット（ＨＵ）である、請求項８に記載のシステム。
10. 前記プロセッサに前記画像内で血管を位置特定させることは、前記プロセッサに、
    前記画像をセグメント化させて、心臓の１つ以上の部分を位置特定させ、
    前記セグメント化から、血管の断端を特定させ、該血管の該断端は、心臓を去る該血管の部分に相当し、且つ
    前記断端を始点として用いて前記画像内の前記血管を位置特定させる、
    ことを有する、請求項１乃至９のいずれか一項に記載のシステム。
11. 前記画像は、複数の画像要素を有し、前記プロセッサに前記画像内で血管を位置特定させることは、前記プロセッサに、
    前記断端を取り囲む領域内で、各画像要素について、該画像要素が前記血管の部分を有する可能性を指し示す尺度を決定させ、且つ
    前記決定した尺度及び前記断端の位置から前記血管の更なる部分を位置特定させる、
    ことを有する、請求項１０に記載のシステム。
12. 前記プロセッサに前記画像内で血管を位置特定させることは更に、前記プロセッサに、位置特定される前記血管の各更なる部分について繰り返して、
    前記血管の該更なる部分を取り囲む領域内で、各画像要素について、該画像要素が前記血管の部分を有する可能性を指し示す尺度を決定させ、且つ
    該決定した尺度から前記血管の別の更なる部分を位置特定させる、
    ことを有する、請求項１１に記載のシステム。
13. 前記プロセッサは、所定の閾値直径未満の直径を持つ血管を前記画像内で位置特定させられる、請求項１乃至１２のいずれか一項に記載のシステム。
14. 肺の画像内で高密度肺実質の領域を決定するコンピュータ実装された方法であって、
    前記画像内で血管を位置特定し、
    前記位置特定された血管に隣接する前記画像の領域を候補領域として設定し、
    前記候補領域内で肺実質の密度を測定し、且つ
    前記測定した密度に基づいて、前記候補領域が高密度肺実質を有するかを決定し、高密度肺実質は－８００ＨＵよりも高い密度を持つ、
    ことを有する方法。
15. コンピュータ読み取り可能コードを有するコンピュータプログラムであって、前記コンピュータ読み取り可能コードは、好適なコンピュータ又はプロセッサによる実行時に、請求項１４に記載の方法を前記コンピュータ又はプロセッサに実行させるように構成される、コンピュータプログラム。

Images