JP2015521880A - 運動パラメータ推定 - Google Patents

Abstract

対象物運動パラメータ決定器は、４次元画像セットに対して変形ベクトル領域を決定する変形ベクトル領域決定器であり、前記４次元画像セットは、移動物体の運動の３つ以上の異なる運動フェイズに対応する３つ以上の画像を含んでいる変形ベクトル領域決定器を含んでいる。対象物運動パラメータ決定器は、さらに、前記変形ベクトル領域に基づいて、ボクセルに対するボリューム曲線を生成するボリューム曲線決定器を含んでいる。対象物運動パラメータ決定器は、さらに、既定の運動モデルを前記ボリューム曲線に対してフィッティングするモデルフィッタを含んでいる。対象物運動パラメータ決定器は、さらに、前記フィッティングされたモデルに基づいて少なくとも一つの対象物運動パラメータを推定するパラメータ決定器を含んでいる。

Description

本発明は、移動物体の運動パラメータ推定に関する。より特定的には、コンピュータトモグラフィ（ＣＴ）へのアプリケーションに関する。しかしながら、以降の発明開示は、また、他の画像モダリティに対しても受け入れられるものである。

肺換気（ｌｕｎｇ ｖｅｎｔｉｌａｔｉｏｎ）は、呼吸系が機能していることに対する主要な指標である。換気は、肺のボリューム変化とリンクしているという事実によるものである。特に、局所的または局部的なレベルにおいて換気を評価することが診断のためにますます重要になっている。例えば、病気の早期発見、または、治療計画のためであり、例えば、肺癌の放射線治療における機能的な回避方法のためである。

単一光子放射断層撮影（ＳＰＥＣＴ）またはポジトロン断層法（ＰＥＴ）といった放射線画像は、肺換気の直接的な機能評価のための現在の標準であり、「金」標準であるＳＰＥＣＴ換気／灌流（ＳＰＥＣＴ Ｖ／Ｑ）を用いるものである。不幸にも、ＳＰＥＣＴおよびＰＥＴは、低空間解像度、高コスト、長いスキャン時間、及び/又は、低いアクセス性、に悩まされている。

現在の画像重ね合せアプローチによって、肺の局部的なボリューム変化を評価することができる。呼吸ゲート４次元ＣＴ（ｂｒｅａｔｈｉｎｇ ｇａｔｅｄ ４Ｄ ＣＴ）画像に基づくものである。このことは、放射線治療計画にとって非常に興味があるものである。放射線治療計画では、良好に機能している肺の領域を特定することが重要であり、その領域は、放射線照射を免れる。基本的アイデアは、他の全ての位相に対して選択された参照位相から変形範囲を推定することであり、そして、呼吸サイクルにわたりボクセルごとの（ｖｏｘｅｌ−ｗｉｓｅ）のボリューム変化を取得するために分析され得る。

４次元ＣＴは、ますます多くの放射線治療センターによって、腫瘍運動を評価するための標準画像モダリティとして採用されてきている。取得は、しばしば、それぞれの放射線フラクション（ｆｒａｃｔｉｏｎ）の以前に再度行われる。４次元ＣＴベースの換気測定は、従って、ＳＰＥＣＴといった追加のモダリティを使用するよりも、ずっと容易に現在の放射線治療計画ワークフローに統合することができる。一般的に、呼吸ゲート４次元ＣＴ取得は、典型的には、呼吸サイクルにおける１０個の位相ポイントに対応する１０個の３次元ＣＴ画像から構成されている。

局所的なボリューム変化を推定するために、肺の位相の２つだけ、最大排気位相と最大吸気位相、に対応する３次元画像が、非剛体位置合わせ（ｎｏｎ−ｒｉｇｉｄ ｒｅｇｉｓｔｒａｔｉｏｎ）を使用して選択され、重ね合される。局所的なボリューム変化は、重ね合された画像から２つの方法で抽出することができる。ｉ）輝度（ｉｎｔｅｎｓｉｔｙ）の差に基づくもの、または、ｉｉ）変形範囲の局所的な特性に基づくもの、である。しかしながら、推定は、複数の誤差の原因によって影響を受け得る。例えば、画像化アーチファクト（ａｒｔｉｆａｃｔ）、ビニングアーチファクト、または、画像ノイズ、といったものである。

画像化またはビニングアーチファクトは、多くのスライス（ｓｌｉｃｅ）にわたって広がり得るもので、重ね合せには非最適な入力データを導いてしまい、従って、局所的なボリューム変化推定に著しく影響する。そうしたアーチファクトの例は、二重になった横隔膜の輪郭、または、重ね合されるべきデータセットの一方または両方において欠けた構造を含んでいる。不幸にも、画像化またはビニングアーチファクトは、動的な取得において非常によくある。病気の患者は、再現性よく呼吸することに典型的に問題があるからである。

さらに、最大吸気および最大排気は局所的に変動することがあり、換気の大きさに領域的な過小評価を導いてしまう。さらには、呼吸の２つの位相だけにフォーカスし、または、それぞれの位相を別々に検査することによって、呼吸系のダイナミクスは大抵考慮されていない。他の興味部位（例えば、心臓、筋肉、等）、及び/又は、動いている非解剖学的対象物に関する局所的なボリューム変化の推定は、同様な障害に直面し得る。

画像化またはビニングアーチファクトは、多くのスライスにわたって広がり得るもので、重ね合せには非最適な入力データを導いてしまい、従って、局所的なボリューム変化推定に著しく影響する。

上述の視点において、局所的なボリューム変化の推定のための他のアプローチに対する未解決な要求が存在している。

ここにおいて説明される態様は、上記で参照された問題及び他の問題を取り扱うものである。

本発明の一つの態様において、対象物運動パラメータ決定器は、４次元画像セットに対して変形ベクトル領域を決定する変形ベクトル領域決定器であり、前記４次元画像セットは、移動物体の運動の３つ以上の異なる運動フェイズに対応する３つ以上の画像を含んでいる変形ベクトル領域決定器を含んでいる。対象物運動パラメータ決定器は、さらに、前記変形ベクトル領域に基づいて、ボクセルに対するボリューム曲線を生成するボリューム曲線決定器を含んでいる。対象物運動パラメータ決定器は、さらに、既定の運動モデルを前記ボリューム曲線に対してフィッティングするモデルフィッタを含んでいる。対象物運動パラメータ決定器は、さらに、前記フィッティングされたモデルに基づいて少なくとも一つの対象物運動パラメータを推定するパラメータ決定器を含んでいる。

本発明の別の態様において、システムは、４次元画像セットに対して変形ベクトル領域を決定するステップであり、前記４次元画像セットは、移動物体の運動の３つ以上の異なる運動フェイズに対応する３つ以上の画像を含んでいる、ステップを含んでいる。システムは、さらに、前記変形ベクトル領域に基づいて、ボクセルに対するボリューム曲線を生成するステップを含んでいる。システムは、さらに、既定の運動モデルを前記ボリューム曲線に対してフィッティングするステップを含んでいる。システムは、さらに、前記フィッティングされたモデルに基づいて少なくとも一つの対象物運動パラメータを推定し、かつ、それらを表わす信号を生成するステップを含んでいる。

本発明の別の態様において、コンピュータで読取り可能なストレージ媒体にコンピュータで読取り可能なインストラクションがエンコードされており。インストラクションは、プロセッサによって実行されると、プロセッサが、異なる運動フェイズに対応する少なくとも３つの画像および運動サイクルでのボクセルぼとの相関に基づいて、運動サイクルのフェイズまたは大きさのうち少なくとも一つを決定する。

本発明は、種々のコンポーネントおよびコンポーネントの構成の形式、そして、種々のステップおよびステップの構成の形式であってよい。図面は、望ましい実施例を説明する目的だけのものであり、本発明を限定するものとして解釈されるべきではない。
図１は、物体運動パラメータ決定器に関する画像システムを模式的に示している。 図２は、物体運動決定器の実施例を示している。 図３は、測定された運動軌跡にフィッティングされた運動モデルの実施例を示している。 図４は、測定された運動軌跡にフィッティングされた運動モデルの実施例を示している。 図５は、測定された運動軌跡にフィッティングされた運動モデルの実施例を示している。 図６は、実施例に係る方法を示している。

以降は、対象物の４次元画像セットに基づいて移動物体の運動パラメータ（例えば、大きさ、位相、位相シフト、剛性、等）を推定するためのアプローチを説明している。ここにおいて利用されるように、４次元画像セットは、移動物体の運動サイクルにわたる移動物体の３次元画像を含んでおり、以下のものを含んでいる。完全拡張フェイズ、完全収縮フェイズ、完全拡張と完全収縮フェイズとの間の一つまたはそれ以上のフェイズ、および、完全収縮と完全拡張フェイズとの間の一つまたはそれ以上のフェイズ、である。

例として、呼吸運動サイクルは、完全吸気フェイズ、完全排気フェイズ、および、それらの間のフェイズを含んでいる。心臓運動サイクルは、最大拡張フェイズ、最大収縮フェイズ、および、それらの間のフェイズを含んでいる。筋肉は、一般的に、最大収縮フェイズ、弛緩フェイズ、および、それらの間のフェイズを通して運動する線維を含んでいる。一般的に、運動サイクルは、あらゆる組織または非解剖学的構造に関連し得る。それらは、完全拡張から完全収縮、そして完全拡張に戻る一回以上のサイクルを通じて運動している。

以降に、より詳細に説明されるように、一つの限定的でない実施例において、運動パラメータは、それぞれが運動サイクルの異なるフェイズを表している、少なくとも３つの３次元ボリューム画像を含む４次元画像を、３つ又はそれ以上の画像にわたりそれぞれのボクセルに対するボリューム曲線を決定する（結果として３次元の曲線セットを生じる）ように処理すること、既定の運動モデルをそれぞれのボリューム曲線にフィッティングすること、および、フィッティングされたモデルに基づいて機能パラメータを決定すること、によって推定される。

適切な画像モダリティは、これらに限定されるわけではないが、ＣＴおよびＭＲといった、４次元画像セットを取得することができるモダリティを含んでいる。簡潔のために、以降は、ＣＴに関して説明する。最初に図１を参照すると、ＣＴスキャナといった画像システム１００が模式的に示されている。画像システム１００は、一般的に、静止ガントリ１０２と回転ガントリ１０４を含んでいる。回転ガントリは、静止ガントリー１０２によって回転可能に支持されており、ｚ軸１０８に関して検査領域１０６の周りを回転する。

Ｘ線管といった、放射線源１１０が回転ガントリ１０４によって支持されており、回転ガントリ１０４と供に回転して、検査領域１０６を横切る放射線を発する。放射線感知検出器アレイ１１２が、検査領域１０６を横切って放射線源１１０と反対側の円弧にある。放射線感知検出器アレイ１１２は、検査領域１０６を横切る放射線を検出して、それらを表わす投射データをそれぞれの検出されたフォトン（ｐｈｏｔｏｎ）に対して生成する。

再構成器１１４は、投射データを再構成して、画像化領域１０６の中に配置された患者または対象物のスキャンされた部分を表わすボリューム画像データを生成する。このことは、４次元データ取得の最中に取得されたデータを再構成することを含んでおり、移動物体の１回以上の運動サイクルにわたる時間において取得された移動物体の３次元データ取得を含んでいる。寝いすといった、患者サポート１１６は、検査領域１０６において対象物または患者を支持する。

運動サイクル決定器１１８は、移動物体の運動サイクルを決定する。呼吸運動に対して、運動サイクル決定器１１８は、呼吸ベルト、移物体上に位置付けられた外部マーカー、等を含んでよい。心臓アプリケーションに対して、運動サイクル決定器１１８は、心電計（ＥＣＧ）を含んでよい。筋肉アプリケーションに対して、運動サイクル決定器１１８は、圧力センサを含んでよい。運動サイクルは、時間においてデータ取得と同時に決定される。

汎用コンピューティングシステムまたはコンピュータは、オペレータコンソール１２０として役に立つ。コンソール１２０は、モニタといった人間が読取り可能な出力デバイス、および、キーボード、マウス、等といった入力デバイスを含んでいる。コンソール１２０上にあるソフトウェアによって、オペレータは、グラフィカルユーザインターフェイス（ＧＵＩ）又は他のものを介してスキャナ１００とインタラクションし、及び/又は、操作することができる。例えば、コンソール１２０によって、オペレータは、運動ゲート（例えば、呼吸、心臓、筋肉、等）４次元ＣＴ取得といった、画像プロトコルを選択することができる。

対象物運動パラメータ決定器１２２は、画像システム１００及び/又は他の画像システムによって取得された４次元画像セットといった、４次元データセットを処理する。以下に、より詳しく説明されるように、一つの実施例において、対象物運動パラメータ決定器１２２は、４次元画像セットの画像にわたりそれぞれのボクセルに対してボリューム曲線を決定する。それぞれの画像は、対象物の運動サイクルの異なるフェイズに対応している。そして、既定の運動モデルをそれぞれのボリューム曲線にフィッティングして、フィッティングされたモデル（運動サイクル全体にわたりボクセルごとのボリューム変化を表しており、運動サイクルのダイナミクスを考慮しているもの）に基づいて移動物体の機能パラメータを決定し、かつ、それらを表わす信号を生成する。結果は、ディスプレイ１２４を介して見ることができるように表示され、及び/又は、一つまたはそれ以上の他のデバイスに伝達されてよい。

移動物体の運動パラメータを決定する結果に対する上述のアプローチは、システム１００の構成に関するパラメータのより妥当な推定である。システムでは、最大拡張と最大収縮フェイズといった、運動サイクルの２つのフェイズだけが考慮されるが、より多くのフェイズ、従って、運動に関するより多くの情報が採用されるからである。このアプローチにより、局部的なボリューム変化を評価することができるようになり、従って、この方法は、放射線治療プラニングのようなアプリケーションに好適である。放射線治療プラニングでは、うまく機能している肺の部位を特定することが重要であり、そして、その部位の照射を控えることができる。このことにより、４次元ＣＴ画像セットも、また、ますます多くの放射線治療センターによって採用される。取得は、しばしば、それぞれの放射線フラクションの以前に行われ、４次元ＣＴ画像セットは、放射線治療計画ワークフローに統合することができるからである。

対象物運動パラメータ決定器１２２は、コンピュータといった、コンピューティングシステムを介して実施され得ることが正しく理解されるべきである。コンピューティングシステムは、物理的メモリ及び/又は他の固定メモリといったコンピュータで読取り可能なストレージ媒体上に、エンコード、エンベッド、保管、等された一つまたはそれ以上のコンピュータで読取り可能なインストラクションを実行する一つまたはそれ以上のプロセッサを含んでいる。追加的または代替的に、コンピュータで読取り可能なインストラクションの少なくとも一つは、信号、搬送波、及び/又は、他の一時的媒体によって運搬され得る。コンピューティングシステムは、また、モニタといった人間が読取り可能な出力デバイス、および、キーボード、マウス、等といった入力デバイスを含んでいる。当業者であれば理解されるように、別の実施例において、対象物運動パラメータ決定器１２２の一つまたはそれ以上のコンポーネント（以下に説明されるもの）は、代替的に、異なるコンピューティングシステムにおいて実施され得る。

図２は、物体運動パラメータ決定器１２２の実施例を示している。

画像と運動サイクル相関器２０２は、４次元画像セットを受け取り、その４次元画像セットを運動サイクルと相関させる。例えば、画像と運動サイクル相関器２０２は、マッピングを作成することができ、運動サイクルのあらゆる所定のフェイズに対して、その所定のフェイズの最中に取得された４次元画像セットを特定し、及び/又は、４次元画像セットのあらゆる所定の画像に対して、その画像が取得された運動サイクルの時点（従って、運動フェイズ）を特定する。

画像セレクタ２０４は、処理のために４次元画像セットから画像グループを選択する。一つの実施例において、画像セレクタ２０４は、処理のために画像セット全体を選択する。別の実施例において、画像セレクタ２０４は、画像サブセットを選択する。サブセットは、運動サイクルの３つの異なるフェイズに対応する少なくとも３つの画像を含んでいる。画像セレクタ２０４は、ユーザ入力、デフォルト又はユーザ所定の設定（例えば、完全拡張、完全収縮、そして、それらの間の一つまたはそれ以上の興味のあるフェイズ）、及び/又は、他のクライテリアに基づいて選択されてよい。

限定的ではない例示として、一つの実施例において、画像セレクタ２０４は、等間隔に配置されたＮ個の異なる運動サイクルのフェイズをカバーするＮ個（例えば、Ｎ＝１０）の画像を選択する。例えば、運動サイクルはパーセンテージに基づいて表現される。０％は最初のフェイズであり、９９％は最後のフェイズであって、０％に戻って運動サイクルが繰り返される以前のものである。選択された画像は、フェイズ０％、１０％、２０％、３０％、４０％、５０％、６０％、７０％、８０％、および、９０％をカバーしてよい。他のフェイズ、及び/又は、他のフェイズ間隔、等間隔でないものを含むものが、ここにおいて考慮されている。

フェイズマッピング２０６は、パーセンテージと収縮／拡張の状態との間のマッピングを提供する。例えば、０％は、最大拡張、最大収縮、または、それらの間である量の拡張／収縮、を表してよい。しかしながら、説明目的のために、この実施例では、０％が最大拡張フェイズを表している。例えば、呼吸換気に関して、０％は最大吸気を表し、６０％は最大排気を表し、１０−５０％は最大吸気から最大排気への移行を表しており、そして、７０−９０％は最大排気から最大吸気への移行を表している。

ベースライン画像識別器２０８は、ベースライン画像として選択された画像のうち一つまたはそれ以上を識別する。このことは、自動化されたアプローチを通じて、及び/又は、ユーザのインタラクションを用いて達成され得る。一つの実施例において、０％フェイズが、ベースライン画像として識別される。以下の説明は、そうした識別に基づいている。しかしながら、異なるフェイズ及び/又は一つ以上のフェイズが選択されｓ得る。例えば、奇数ごと（又は偶数ごと）のフェイズが、ベースライン画像として識別され得る。

入力画像が、既に運動サイクルと相関付けられており、かつ、処理のために選択されている場合、画像と運動サイクル相関器２０２、画像セレクタ２０４、マッピング２０６、および、ベースライン画像識別器２０８は省略することができる。

変形ベクトル領域（ＤＶＦ：ｄｅｆｏｒｍａｔｉｏｎ ｖｅｃｔｏｒ ｆｉｅｌｄ）決定器２１０は、選択されたベースライン画像と選択された画像セットにおける他の画像それぞれとの間の変形ベクトル領域（ＤＶＦ）を決定する。一つのフェイズが選択された場合（例えば、０％フェイズ）、このことは、０％フェイズ画像と他の選択された画像それぞれとの間のＤＶＦを決定することを含んでいる。このように、選択された画像セットがＮ個の画像を含んでいる場合、変形ベクトル領域決定器２１０は、Ｎ−１個のＤＶＦセットを決定する（つまり、画像ペアそれぞれに対して一つのＤＶＦ）。別の実施例において、ＤＶＦは、近隣の画像ペア間（例えば、画像１と２の間、画像３と４の間、等）、及び/又は、他のアプローチ間で決定される。

変形ベクトル領域決定器２１０は、ＤＶＦを決定するために種々のアプローチを使用することができる。例えば、説明される変形ベクトル領域決定器２１０は、非剛体（弾性）位置合わせアルゴリズムを使用してＤＶＦを決定する。別の実施例において、変形ベクトル領域決定器２１０は、剛体（アフィン（ａｆｆｉｎｅ））位置合わせアルゴリズム、及び/又は、他のアルゴリズムを採用している。適切なアルゴリズムは、ベースライン画像を他の画像の上にマッピングすることによってＤＶＦを決定し、かつ、このように、全ての運動サイクルにわたってボクセルごとの対応を確立している。そして、次に、類似尺度および規則化項を含む目的関数を最小化する。

そうしたアルゴリズムの例は、Ｋａｂｕｓらの、Ｆａｓｔ ｅｌａｓｔｉｃ ｒｅｇｉｓｔｒａｔｉｏｎに説明されている。Ｉｎ：Ｐｒｏｃ．ｏｆ ＭＩＣＣＡＩ Ｗｏｒｋｓｈｏｐ：Ｍｅｄｉｃａｌ Ｉｍａｇｅ Ａｎａｌｙｓｉｓ Ｆｏｒ Ｔｈｅ Ｃｌｉｎｉｃ−Ａ Ｇｒａｎｄ Ｃｈａｌｌｅｎｇｅ、（２０１０）８１−８９。一般的に、Ｋａｂｕｓらの説明するアルゴリズムは、参照（または固定）画像Ｒ（ｘ）とテンプレート（または移動）画像Ｔ（ｘ）を仮定している。変形ベクトル領域（ＤＶＦ）ｕ：

と同様に、アフィン変換ｐを見い出す。移動されたテンプレート画像Ｔｕ（ｘ）：＝Ｔ（φ（ｐ；ｘ）＋ｕ（ｘ））が、類似尺度Ｄと規則化項Ｓの両方を最小化するようにである。ここで、マッピングφ（ｐ；ｘ）は、ベクトルｐにより与えられるアフィン変換の下でのボクセル位置ｘの変換を表している。

自乗差の合計を使用する適切な類似尺度Ｄは、等式１で示される。
等式１：

ここで、Ｗ（ｘ）は、重みマップであり、方法論的選択、画像モダリティ、及び/又は、アプリケーションに基づいており、全ての画像に対して固定または変数であってよい。相関、エントロピ、画像デリバティブ、等に基づく他の類似尺度も同様に可能である。適切な規則化項Ｓ、ナビエラーム（Ｎａｖｉｅｒ−Ｌａｍｅ）方程式に基づくもの、が等式２に示されている。
等式２：

ここで、パラメータλとμ（ナビエラームパラメータ）は、モデル化された材料特性を表している。それらは、全ての画像に対して固定または変数であってよい。ｕの他のデリバティブに基づく規則化項も同様に可能である。類似尺度Ｄと規則化項Ｓを結合することによって、重ね合せは、連結関数Ｄ[ｕ]＋Ｓ[ｕ]を最小化するものとして定式化される。

さらなる関数を連結関数に追加することができる。例えば、ランドマークの位置、または、ＤＶＦ関連の特性といった制約を組み入れることである。変数の微積分に基づいて、連結関数は、等式３に示されるように非線形偏微分方程式として再度定式化される。
等式３：

等式３を離散化するために、ノイマン境界条件（Ｎｅｕｍａｎｎ ｂｏｕｎｄａｒｙ ｃｏｎｄｉｔｉｏｎ）と併せて差分を使用することができる。結果として生じる線形方程式システムは、希薄で、対称で、高度に構造化されたマトリクスからなっている。マトリクスは、規則化項と類似尺度に対応する力ベクトルから生じるものである。方程式に係るシステムは、次に、線形化され、共役勾配（ｃｏｎｊｕｇａｔｅ ｇｒａｄｉｅｎｔ）スキームによって繰り返し解かれる。繰り返しは、既定のクライテリアに基づいて停止する。クライテリアは、全ての位置に対してｕの更新が０．０５ｍｍ以下での収束を示している場合、及び/又は、他の場合といったものである。

ボリューム曲線決定器２１２は、ＤＶＦに基づいて、それぞれのボクセルに対してボリューム曲線を決定する。一つの実施例において、このことは、変形領域の最初のデリバティブからなる、ヤコビアン（Ｊａｃｏｂｉａｎ）マトリクスを計算することによって達成される。限定的ではない例示として、フェイズ０％を表しているベースライン画像に１０％づつ増加したフェイズ０％から９０％を表わすＮ＝１０個の画像を用いて、それぞれのＤＶＦｕ^{０％→ｉ％}、ｉ＝１０、２０、・・・、９０に対して、ボクセルごとのボリューム変化は、ＤＶＦのそれぞれのボクセルｘに対するヤコビアン

を計算することによって決定される。代替的なアプローチは、輝度の差を計算することを含んでいる。

一般的に、ヤコビアンは、ボクセル周りの領域がどのくらい収縮または拡張しているかを推定する。値の１は、ボリュームの維持に対応し、一方、１より小さい（または、大きい）値は、局所的な収縮（または、拡張）を表している。それぞれのボクセルに対して、ベクトルは、Ｖ（ｘ）：＝（１；Ｖ^{０％→１０％}（ｘ）、Ｖ^{０％→２０％}（ｘ）、・・・、Ｖ^{０％→９０％}（ｘ））として構成され、時間ドメインにおけるボリューム曲線として、運動サイクルにわたるボリューム変化を記述している。Ｎ個の画像とＮ−１個の重ね合せに対して、ボリューム曲線決定器２１２は、画像セットにわたるそれぞれの画像ボクセルに対するボリューム曲線を決定する。それぞれのボリューム曲線はＮ−１個の値を含んでいる。

モデルフィッタ２１４は、一つまたはそれ以上の運動モデル２１６をボリューム曲線Ｖ（ｘ）にフィッティングする。呼吸換気に対して、適切なモデルの実施例はｃｏｓ^２ｎである。これは、呼吸サイクルにわたる肺ボリュームｖｏｌ（ｔ）を記述するために使用される１次元モデルである。他の呼吸モデルは、不健康な組織に基づくモデルに限定されるものではないが、健康な組織に基づくモデル、所定の患者の以前の知識に基づくモデル、及び/又は、病理学、等を含んでいる。他の興味のある組織（例えば、心臓、筋肉、等）については、それぞれの組織に対応するモデルが採用される。

呼吸モデルについて、指示されたベースラインフェイズ（例えば、０％フェイズ、完全な吸気を表しているもの）に関して、相対的なボリューム変化がｖｏｌ（ｔ）／ｖｏｌ（ｔ_０％）として与えられる。これから１を引くと等式４となる。
等式４：

０％フェイズは完全吸気であり、ｌは運動フェイズの数を表し、ｏは位相オフセットを表し、αは運動の大きさ（ａｍｐｌｉｔｕｄｅ）を表し、そして、φは完全排気の時間を表している。等式４は、等式５としても表現することができる。
等式５：

等式５は、固定の空間的位置ｘに対する時間ｔにおける換気を記述している。ｎに対する値は、所定のフェイズ（例えば、排気、たいていは吸気より長いもの）を強調するために設定され得る。等式５は、代替的に、一つまたはそれ以上の他のパラメータ（例えば、剛性、等）を含むように、及び/又は、ｏ、α、または、φのうち一つ以上を削除するように定式化することができる。

モデルフィッタ２１４は、ガウス−ニュートン（Ｇａｕβ−Ｎｅｗｔｏｎ）及び/又は他のスキームによって実施される最小二乗法最適化といった最適化アプローチを使用して、Ｖ^{ｍｏｄｅｌ}をＶへフィッティングする。図３、図４、および、図５は、ボクセルについて、ＶへフィッティングされたＶ^{ｍｏｄｅｌ}の実施例を示している。ｘ軸は運動フェイズを表し、ｙ軸は大きさを表している。図３においては、Ｖ^{ｍｏｄｅｌ}３０２がボリューム曲線Ｖ３０４にフィッティングされており、モデルと同様に振る舞っている。図４においては、Ｖ^{ｍｏｄｅｌ}４０２が異常値４０６を含むボリューム曲線Ｖ４０４にフィッティングされており、大きさの過小評価を生じている。そして、図５においては、Ｖ^{ｍｏｄｅｌ}５０２が５０６において示されるように位相シフトされたボリューム曲線Ｖ５０４にフィッティングされており、０％フェイズにおいては拡張が完全ではない。

図２に戻ると、パラメータ決定器２１８は、ｏ、α、および、φについて等式５を解く。パラメータ決定器２１８は、ディスプレイ１２４（図１）を介して決定されたパラメータを見ることができるように表示し得る。パラメータ決定器２１８は、また、パラメータと同時、または、分離して、ＶにフィッティングされたＶ^{ｍｏｄｅｌ}、及び/又は、Ｖを見ることができるように表示し得る。パラメータ決定器２１８は、また、そうした情報を含んでいる信号を生成することもでき、治療計画アプリケーションを実行しているコンピューティングシステムといった、一つまたはそれ以上の他のデバイスに対して信号を伝達することもできる。

信頼決定器２２０は、推定されたパラメータに対する信頼レベルを決定することができる。例えば、一つの実施例において、信頼決定器２２０は、Ｖ^{ｍｏｄｅｌ}とＶに基づいてフィッティング誤差を決定する。例えば、限定的でない一つのフィッティング誤差は、Ｖ^{ｍｏｄｅｌ}とＶとの間の自乗差として計算することができ、大きさとは逆の重み付けがされる。等式６に示すようにである。
等式６：

この誤差は、推定に対する信頼レベルとして使用され得る。信頼決定器２２０は、Ｖにフィッティングされた一つまたはそれ以上のＶ^{ｍｏｄｅｌ}に沿って見えるように誤差を表示し、及び/又は、誤差を含んでいる誤差信号を生成して、誤差信号を一つまたはそれ以上の他のデバイスに対して伝達することができる。

任意的な状態識別器２２２は、ＶにフィッティングされたＶ^{ｍｏｄｅｌ}表示及び/又は一つ以上のパラメータを、パターン及び/又はパラメータバンク２２４の中に保管されているパターン及び/又は値と比較する。保管されているパターン及び/又は値は、健康及び/又は不健康な状態であると知られているものである。状態識別器２２２が、フィッティングされたＶ^{ｍｏｄｅｌ}及び/又は決定されたパラメータを、バンク２２４の中の一つ以上のパターン及び/又は値と一致させることができる場合、状態識別器２２２は、一致を含んでいる通知信号を生成する。

通知は、ディスプレイ１２４を介して見えるように表示され、一致したフィッティングされたＶ^{ｍｏｄｅｌ}及び/又は決定されたパラメータ、及び/又は、対応する健康状態を示している。状態識別器２２２が、フィッティングされたＶ^{ｍｏｄｅｌ}及び/又は決定されたパラメータを、バンク２２４の中の一つ以上のパターン及び/又は値と一致させることができない場合、通知は、このことを示すか、代替的には、通知が生成されない。

任意的な、推奨器２２６は、状態識別器２２２の一致に基づいて、推奨信号を生成することができる。推奨信号は、識別された状態に基づいた動作コースに対する推奨を含んでいる。この実施例において、推奨器２２６は、既定の規則２２８のセットを利用して、推奨を決定する。推奨器２２６は、ディスプレイ１２４を介して人間が読み取り可能なフォーマットで、推奨信号を見えるように表示することができ、及び/又は、推奨信号を別のデバイスに対して伝達することができる。

図６は、一つの実施例を示している。

アクトの順序は限定的なものではないことが正しく理解されるべきである。そのように、ここにおいては他の順序が考慮されている。加えて、一つまたはそれ以上のアクトが削除されてよく、及び/又は、一つまたはそれ以上の追加のアクトが含まれてよい。

６０２では、移動物体に対する４次元画像セット、対象物の運動サイクルの少なくとも３つの異なる運動フェイズに対応する少なくとも３つのボリューム画像、が取得される。

６０４では、少なくとも３つのボリューム画像にわたりそれぞれのボクセルに対してＤＶＦが生成される。少なくとも３つのボリューム画像がベースライン画像と重ね合されること、および、類似項と規則化項を含む目的関数を最小化することによるものである。

６０６では、ＤＶＦに基づいてそれぞれのボクセルに対してボリューム曲線が生成される。ここにおいて説明したように、ボリューム曲線は、ヤコビアンマトリクスまたは輝度差のいずれかを計算することによって生成することができ、そして、ボリューム曲線は、ボクセル周りのどのくらいの領域が収縮または拡張しているかを示している。

６０８では、既定の運動モデルが、それぞれのボリューム曲線に対してフィッティングされる。

６１０では、フィッティングされたモデルに基づいて、一つまたはそれ以上の運動パラメータが推定される。そうしたパラメータの例は、これらに限定されるわけではないが、運動の大きさ、位相、位相シフト、剛性、等を含んでいる。

６１２では、任意的に、フィッティングされたモデルとボリューム曲線に基づいて、推定された一つまたはそれ以上の運動パラメータに対する信頼レベルが生成される。

６１４では、一つ以上のフィッティグされたモデル、一つ以上のパラメータ、または、信頼レベルが、目に見えるように表示され、及び/又は、別のデバイスに伝達される。

６１６では、任意的に、一つ以上のフィッティグされたモデル、及び/又は、一つ以上のパラメータが、組織の既知の健康状態に対応する曲線及び/又はパラメータのセットに対してマッピングされ、健康に基づいて動作コースを推奨するために使用され得る。

上述のものは、コンピュータで読取り可能なインストラクションによって実施され、コンピュータで読取り可能なストレージ媒体上にエンコードされ、または、エンベッドされてよい。コンピュータプロセッサによって実行されると、記述されたアクトをプロセッサに実行させる。追加的または代替的に、少なくとも一つのコンピュータで読取り可能なインストラクションは、信号、搬送波、または、他の一時的媒体によって伝達される。

本発明は、好適な実施例に関して説明されてきた。上記の詳細な説明を読んで理解することで、他人に本発明の変形または代替が生じ得る。全てのそうした変形や代替は、それらが添付の特許請求の範囲またはそれらの均等物の範囲内にある限りは、本発明のに含まれていることが意図されている。

Claims (25)

1. 対象物運動パラメータ決定器であって：
   ４次元画像セットに対して変形ベクトル領域を決定する変形ベクトル領域決定器であり、前記４次元画像セットは、移動物体の運動の３つ以上の異なる運動フェイズに対応する３つ以上の画像を含んでいる、変形ベクトル領域決定器と；
   前記変形ベクトル領域に基づいて、ボクセルに対するボリューム曲線を生成するボリューム曲線決定器と；
   既定の運動モデルを前記ボリューム曲線に対してフィッティングするモデルフィッタと；
   前記フィッティングされたモデルに基づいて少なくとも一つの対象物運動パラメータを推定するパラメータ決定器と、
   を含む、対象物運動パラメータ決定器。
2. 前記変形ベクトル領域決定器は、非剛体位置合わせを使用して、前記変形ベクトル領域を決定する、
   請求項１に記載の対象物運動パラメータ決定器。
3. 前記非剛体位置合わせは、３つ以上の画像のうち一つに対応する画像のフェイズを、前記３つ以上の画像のうち他の画像の異なるフェイズにマッピングし、それにより、運動サイクルでのボクセルごとの相関を決定する、
   請求項２に記載の対象物運動パラメータ決定器。
4. 前記変形ベクトル領域決定器は、重み付けされた類似項と規則化項を含む目的関数を最小化することによって、前記変形ベクトル領域を決定する、
   請求項３に記載の対象物運動パラメータ決定器。
5. 前記ボリューム曲線決定器は、前記変形ベクトル領域の最初のデリバティブからなるヤコビアンマトリクスを計算することによって、前記ボリューム曲線を決定する、
   請求項１乃至４いずれか一項に記載の対象物運動パラメータ決定器。
6. 前記ボリューム曲線決定器は、前記変形ベクトル領域の輝度差を計算することによって、前記ボリューム曲線を決定する、
   請求項１乃至４いずれか一項に記載の対象物運動パラメータ決定器。
7. 前記ボリューム曲線は、時間の関数として、前記運動サイクルにわたるボリューム変化を表している、
   請求項５または６に記載の対象物運動パラメータ決定器。
8. 前記モデルは、ｃｏｓ^２ｎの関数で表現され、ここで、ｎは興味のあるフェイズに対応している、
   請求項１乃至７いずれか一項に記載の対象物運動パラメータ決定器。
9. 少なくとも一つの対象物運動パラメータは、運動の大きさ、運動フェイズ、運動オフセット、既定の運動フェイズの時間、のうち少なくとも一つを含んでいる、
   請求項８に記載の対象物運動パラメータ決定器。
10. 前記対象物運動パラメータ決定器は、さらに、
    前記フィッティングされたモデルと前記ボリューム曲線との間の誤差に基づいて、前記推定の信頼レベルを決定する信頼決定器と、を含む、
    請求項１乃至９いずれか一項に記載の対象物運動パラメータ決定器。
11. 前記信頼レベルは、前記フィッティングされたモデルと前記ボリューム曲線との間の自乗差に基づいて決定され、前記運動サイクルの大きさと逆に重み付けされている、
    請求項１０に記載の対象物運動パラメータ決定器。
12. 前記対象物運動パラメータ決定器は、さらに、
    既知の健康状態および不健康状態に対応するパターン及び/又は値に係るバンクに基づいて、一つまたはそれ以上の前記フィッティングされたモデル又は前記少なくとも一つの対象物運動パラメータを比較することによって、前記対象物の状態を決定する、状態識別器と、を含む、
    請求項１乃至１１いずれか一項に記載の対象物運動パラメータ決定器。
13. 前記対象物運動パラメータ決定器は、さらに、
    前記対象物の前記決定された状態に基づいて、前記対象物に対する動作コースを推奨する、推奨器と、を含む、
    請求項１２に記載の対象物運動パラメータ決定器。
14. 前記対象物運動パラメータ決定器は、さらに、
    少なくとも一つの前記フィッティングされたモデル又は前記少なくとも一つの対象物運動パラメータを表示するディスプレイと、を含む、
    請求項１乃至１３いずれか一項に記載の対象物運動パラメータ決定器。
15. ４次元画像セットに対して変形ベクトル領域を決定するステップであり、前記４次元画像セットは、移動物体の運動の３つ以上の異なる運動フェイズに対応する３つ以上の画像を含んでいる、ステップと；
    前記変形ベクトル領域に基づいて、ボクセルに対するボリューム曲線を生成するステップと；
    既定の運動モデルを前記ボリューム曲線に対してフィッティングするステップと；
    前記フィッティングされたモデルに基づいて少なくとも一つの対象物運動パラメータを推定し、かつ、それらを表わす信号を生成するステップと、
    を含む、方法。
16. 前記変形ベクトル領域を決定する前記ステップは、
    前記３つ以上の画像のうち一つに対応する画像のフェイズを、前記３つ以上の画像のうち他の画像の異なるフェイズにマッピングする非剛体位置合わせを使用する段階と、
    それにより、前記運動サイクルでのボクセルごとの相関を決定する段階と、
    重み付けされた類似項と規則化項を含む目的関数を最小化する段階と、
    を含む、請求項１５に記載の方法。
17. 前記ボリューム曲線は、時間の関数として前記運動サイクルにわたるボリューム変化を表しており、
    前記ボリューム曲線を決定するステップは、前記変形ベクトル領域の第１のデリバティブからなるヤコビアンマトリクスの一つを計算する段階、または、前記変形ベクトル領域の輝度の差を計算する段階、を含む、
    請求項１５または１６に記載の方法。
18. 前記既定の運動モデルは、ｃｏｓ^２ｎの関数で表現され、ここで、ｎは興味のあるフェイズに対応している、
    請求項１５乃至１７いずれか一項に記載の方法。
19. 少なくとも一つの対象物運動パラメータは、運動の大きさ、運動フェイズ、運動オフセット、既定の運動フェイズの時間、のうち少なくとも一つを含んでいる、
    請求項１５乃至１８いずれか一項に記載の方法。
20. 前記方法は、さらに、
    前記フィッティングされたモデルと前記ボリューム曲線との間の誤差に基づいて、前前記少なくとも一つの対象物運動パラメータに係る前記推定の信頼レベルを決定するステップと、を含む、
    請求項１９に記載の方法。
21. 前記信頼レベルは、前記フィッティングされたモデルと前記ボリューム曲線との間の自乗差に基づいて決定され、前記運動サイクルの大きさと逆に重み付けされている、
    請求項２０に記載の方法。
22. 前記方法は、さらに、
    既知の健康状態および不健康状態に対応するパターン及び/又は値に係るバンクに基づいて、一つまたはそれ以上の前記フィッティングされたモデル又は前記少なくとも一つの対象物運動パラメータを比較することによって、前記対象物の状態を決定するステップと、を含む、
    請求項１５乃至２１いずれか一項に記載の方法。
23. 前記方法は、さらに、
    前記対象物の前記決定された状態に基づいて、前記対象物に対する動作コースを推奨するステップと、を含む、
    請求項２２に方法。
24. 前記方法は、さらに、
    少なくとも一つの前記フィッティングされたモデル又は前記少なくとも一つの対象物運動パラメータを表示するステップと、を含む、
    請求項１５乃至２３いずれか一項に記載の方法。
25. コンピュータで読取り可能なインストラクションがエンコードされたコンピュータで読取り可能なストレージ媒体であって、
    プロセッサによって実行されると、プロセッサが、異なる運動フェイズに対応する少なくとも３つの画像および運動サイクルでのボクセルぼとの相関に基づいて、運動サイクルのフェイズまたは大きさのうち少なくとも一つを決定する、
    コンピュータで読取り可能なストレージ媒体。

Images