トップ :: A 生活必需品 :: A61 医学または獣医学;衛生学




【発明の名称】 撮像データを処理するシステム及び方法
【発明者】 【氏名】ゴパル・ビー・アヴィナッシュ

【氏名】ケニー・キシャン・イスラニ

【氏名】バオジュン・リ
【要約】 【課題】トモシンセシス・データ集合についてＰＳＦに基づく三次元表示処理を実行し、また処理をＰＳＦ型分類マスクに基づいてさらに十分に適応化させる。また、この処理を三次元多重分解能処理の枠組みにも用い得るものとする。

【構成】システム（１００）及び方法が、データ集合において領域を分類するために点広がり関数型規則を用い、点広がり関数による分類に基づいてデータ集合を処理することを含んでいる。さらにもう一つの観点では、方法が走査対象を提供し、データ集合を取得するために対象を走査し、データ集合において領域を分類するために点広がり関数型規則を用い、点広がり関数による分類に基づいてデータ集合を処理することを含んでいる。
【特許請求の範囲】
【請求項１】
Ｘ線源（１０２）と、
該線源（１０２）から放出されるＸ線を受光するように配置されているＸ線検出器（１０８）と、
前記線源（１０２）及び前記検出器（１０８）に動作に関して結合されており、点広がり関数による分類に基づいてデータ集合を処理するように構成されているコンピュータと、
を備えたシステム（１００）。
【請求項２】
前記データ集合はトモシンセシス・データ集合である、請求項１に記載のシステム（１００）。
【請求項３】
前記分類は、背景クラス、合焦点クラス、非合焦点クラス及び低周波数クラスを含むクラスへの分類である、請求項１に記載のシステム（１００）。
【請求項４】
前記分類は、背景クラス、合焦点クラス、非合焦点クラス及び低周波数クラスから成るクラスへの分類である、請求項１に記載のシステム（１００）。
【請求項５】
前記分類は、背景クラス、合焦点クラス、非合焦点クラス及び低周波数クラスを含むクラスへの分類である、請求項２に記載のシステム（１００）。
【請求項６】
前記コンピュータは、トモシンセシス・データ集合の三次元適応的ボケ除去のためのプラットフォームを提供する、請求項１に記載のシステム（１００）。
【請求項７】
前記コンピュータは、トモシンセシス画像の点広がり関数（ＰＳＦ）による適応的処理を提供するように構成されている、請求項１に記載のシステム（１００）。
【請求項８】
前記処理は、トモシンセシス画像のあらゆる形式の多重分解能処理を網羅している、請求項１に記載のシステム（１００）。
【請求項９】
点広がり関数による分類に基づいてデータ集合を処理するステップを備えた方法。
【請求項１０】
データ集合にアクセスするステップと、
前記データ集合において領域を分類するために点広がり関数型規則を用いるステップと、
前記点広がり関数による分類に基づいて前記データ集合を処理するステップと、
を備えた方法。
【発明の詳細な説明】【技術分野】
【０００１】
本発明は一般的には、Ｘ線のシステム及び方法に関し、さらに具体的には、データ集合における構造の分類を利用して処理経路の選択をガイドし、画像からボケを低減して排除するシステム及び方法に関する。
【背景技術】
【０００２】
ディジタル・トモシンセシスは、可動式Ｘ線管及び静止型ディジタル検出器を用いた角度限定型のＸ線投影撮像から取得される対象の三次元（３Ｄ）再構成に広く用いられている。ディジタル・トモシンセシスは、１９３０年代以来公知である従来の線形断層写真法の改良技術である。線形断層写真法と同様に、トモシンセシスでも関心平面外に位置する対象の残留ボケが起こる。この断層写真法のボケは重なった解剖学的構造にしばしば起因し、このボケのため関心平面内の細部が不明瞭になり、投影画像スライスのコントラスト強調が制限される。重なってボケた解剖学的構造を除去すると面内構造のコントラストが改善し、この除去は、画像のダイナミック・レンジを関心のある区画に制限して、かかる区画の関心対象に類似した周波数内容を有し得る残留構造を除去することにより行なわれる。基本的レベルでは、トモシンセシス・システムの点広がり関数（ＰＳＦ）が撮像容積でのボケの広がりの特徴を決定している。トモシンセシス・システムのＰＳＦは本質的にシフト・バリアント（位置依存型）である。しかしながら、完全なボケの除去は瑣末なタスクではない。このタスクはＰＳＦの範囲のため計算が複雑で計算集約的であり、ボケを排除することは容易ではない。
【０００３】
トモシンセシスは、Ｘ線管の１回の通過から任意の数の断面画像の遡及的な形成を可能にする。投影画像は制限された角度にわたるＸ線走査の間に取得されて、完全な三次元容積画像に再構成される。再構成スライスの表示品質を高めるために、トモシンセシス・データは再構成の後に一連のアルゴリズムによって処理される。従来技術の殆どの画像処理手法は、撮像の幾何学的構成の第三の次元及び事前知識を考慮しないで、再構成された画像データ集合の二次元的（２Ｄ）処理を行なう。このことは、表示処理アルゴリズムによって鮮鋭化され得る非合焦点の高周波数成分が存在し得るようなトモシンセシス画像には適しない。これらのアーティファクト及び他の多くのアーティファクトのため、技術者、研究者及び科学者等は、かかる画像を処理する代替的な方法について関心を寄せている。
【特許文献１】米国特許第５３７５１７５号
【特許文献２】米国特許第６０５８３２２号
【発明の開示】
【発明が解決しようとする課題】
【０００４】
真の撮像の幾何学的構成はデータ集合の三次元ＰＳＦを用いて表現されるので、理論的には、この情報を用いて、再構成された画像データ集合の表示処理を改善することが可能な筈である。さらに、例えば何らかの平面において撮像容積内の全ての点が合焦点であるか非合焦点であるかに基づいて分類され得るならば、処理アルゴリズムを分類マスクに基づいてさらに十分に適応化させることができる。
【０００５】
従って、トモシンセシス・データ集合についてＰＳＦに基づく三次元表示処理を実行し、また処理をＰＳＦ型分類マスクに基づいてさらに十分に適応化させる必要がある。また、この処理を三次元多重分解能処理の枠組みにも用い得るものとする。
【課題を解決するための手段】
【０００６】
一観点では、点広がり関数による分類に基づいてデータ集合を処理する方法である。
【０００７】
もう一つの観点では、データ集合にアクセスし、データ集合において領域を分類するために点広がり関数型規則を用い、点広がり関数による分類に基づいてデータ集合を処理する方法である。
【０００８】
さらにもう一つの観点では、走査対象を提供し、データ集合を取得するために対象を走査し、データ集合において領域を分類するために点広がり関数型規則を用い、点広がり関数による分類に基づいてデータ集合を処理する方法である。
【０００９】
さらにもう一つの観点では、システムが、Ｘ線源と、この線源から放出されるＸ線を受光するように配置されているＸ線検出器と、線源及び検出器に動作に関して結合されているコンピュータとを含んでいる。コンピュータは、点広がり関数による分類に基づいてデータ集合を処理するように構成されている。
【００１０】
さらにもう一つの観点では、点広がり関数による分類に基づいてデータ集合を処理することをコンピュータに命令するように構成されているプログラムを組み入れたコンピュータ読み取り可能な媒体が提供される。
【００１１】
さらにもう一つの観点では、方法が、データ集合にアクセスするステップと、多重分解能表示処理によってデータ集合を処理するステップと、Ｚ加重関数によってデータ集合を処理するステップとを含んでいる。
【００１２】
さらにもう一つの観点では、方法が、トモシンセシス撮像データ集合にアクセスするステップと、トモシンセシス撮像データ集合を再構成するステップと、多重分解能表示処理によって、再構成されたトモシンセシス撮像データ集合を処理するステップとを含んでいる。
【００１３】
本発明の様々な他の特徴、目的及び利点は、添付の図面及び以下の詳細な説明から当業者には明らかとなろう。
【発明を実施するための最良の形態】
【００１４】
本書では、例えば限定しないがＸ線トモシンセシス・システムのようなイメージング・システムに有用なシステム及び方法について記載する。これらのシステム及び方法は図面に関して説明され、図面では類似の参照符号が全図面において同じ構成要素を指す。かかる図面は制限的ではなく説明的であることを意図しており、本発明のシステム及び方法の実施形態の一例の説明を容易にするために本書に含まれている。Ｘ線トモシンセシス・システムの設定で記載されるが、本発明の利益は全てのイメージング・システムに齎されると思量される。この開示の一つの目的は、トモシンセシス・データ集合をＰＳＦの性質に基づいて多数のカテゴリに分解する分類の枠組みを提供し、処理経路の選択をガイドして、画像からボケを低減して排除することにある。
【００１５】
図面を参照すると、図１は、例示的なＸ線トモシンセシス・イメージング・システム１００を示している。イメージング・システム１００は、被検構造１０６にＸ線フォトンを照射するＸ線源１０２を含んでいる。例として、Ｘ線源１０２はＸ線管であってよく、被検構造１０６は患者、試験用ファントム、及び／又は他の被験無生物体であってよい。
【００１６】
Ｘ線イメージング・システム１００はまた、処理回路に結合された検出器１０８を含んでいる。処理回路（例えばＣＰＵ、マイクロコントローラ、マイクロプロセッサ、又はカスタムＡＳＩＣ等）は、メモリ又はデータ記憶装置、及び表示装置に結合されている。メモリ又はデータ記憶装置（例えばフレキシブル・ディスク、又はネットワーク若しくはインターネットのような他のディジタル・ソース等のコンピュータ読み取り可能な媒体から命令及び／又はデータを読み取る固体メモリ装置、磁気メモリ装置、光メモリ装置、ディスク記憶装置、テープ記憶装置、フレキシブル・ディスク・ドライブ、ハード・ディスク・ドライブ、ＣＤ−ＲＯＭドライブ、ＤＶＤドライブ、光磁気ディスク（ＭＯＤ）装置、又はイーサネット（商標）装置等のネットワーク接続装置を含めたその他任意のディジタル装置、並びに開発中のディジタル手段等の１又は複数を含む）は、撮像データを記憶する。
【００１７】
メモリはまた、本書に記載される作用を具現化するために処理回路によって実行される命令を含んだコンピュータ・プログラムを記憶することができる。処理回路は、装置に表示するための画像を形成する。本書にさらに詳細に記載されるように、画像は様々な構造（例えば軟組織、骨）を表わしていてよい。検出器１０８は、例えばフラット・パネル型固体画像検出器であってよいが、メモリにディジタル形態で記憶された従来のフィルム画像を処理することもできる。一実施形態では、処理回路はファームウェア（図示されていない）に記憶されている命令を実行する。一般的には、プロセッサは後述する工程を実行するようにプログラムされる。
【００１８】
トモシンセシス撮像工程は、被検対象１０６を通して様々な角度から取得される一連の投影Ｘ線画像を含んでいる。任意の数の不連続な投影画像が、Ｘ線管１０２の円弧形回転又は線形並進によって、限定された角度範囲１０４にわたって取得される。図１に示す実施形態では、Ｘ線管１０２の運動は検出器１０８の平面１１２に平行な平面１１０内に位置している。投影画像データ集合の取得の後に、アプリケーション・ソフトウェアを用いて画像スライスを再構成する。また、図１には座標系１１４も示されており、Ｘ方向、Ｙ方向及びＺ方向を図示している。
【００１９】
言うまでもなく、本書に記載される方法は、システム１００での実施に制限されてはおらず、イメージング・システムのその他多くの形式及び変形と関連して利用することができる。一実施形態では、処理回路は、本書に記載される作用を果たすようにプログラムされているコンピュータであり、従って、本書で用いられるコンピュータとの用語は当技術分野でコンピュータと呼ばれている集積回路のみに限らず、コンピュータ、プロセッサ、マイクロコントローラ、マイクロコンピュータ、プログラマブル論理コントローラ、特定応用向け集積回路、及び他のプログラム可能な回路を広範に指している。本書に記載される方法は、人間の患者の設定において記載されるが、本発明の利益は、小動物研究に典型的に用いられるシステムのような人間以外を対象とするイメージング・システムにも齎されると思量される。
【００２０】
本書で用いる場合には、単数形で記載されており単数不定冠詞を冠した要素またはステップとの用語は、排除を明記していない限りかかる要素又はステップを複数備えることを排除しないものと理解されたい。さらに、本発明の「一実施形態」に対する参照は、所載の特徴を同様に組み入れている他の実施形態の存在を排除すると解釈されることを意図していない。
【００２１】
また、本書で用いられる「画像を再構成する」との表現は、画像を表わすデータが生成されるが可視画像は形成されないような本発明の実施形態を排除するものではない。従って、本書で用いられる「画像」との用語は、可視画像及び可視画像を表わすデータの両方を広く指す。但し、多くの実施形態は少なくとも１枚の可視画像を形成する（か又は形成するように構成されている）。
【００２２】
本書に記載される方法は医療の設定において記載されるが、産業の設定、又は例えば限定しないが空港若しくは他の運輸拠点での手荷物走査システムのような運輸の設定で典型的に用いられるシステム等のような非医用イメージング・システムにおいても、本発明の利益が齎されると思量される。
【００２３】
多重分解能処理では、１よりも多い分解能での画像の表現及び解析が実行される。これにより計算の簡潔性及び柔軟性が提供される。加えて、一つの分解能では検出され難い特徴がもう一つの分解能で容易に見出される場合がある。この多重分解能処理の手法を図２に示す。
【００２４】
図２は、画像の空間選択的な強調のためのフィルタ処理系列２００を示している。図２の例は二次元フィルタ処理系列（２Ｄ）を説明しているが、同様のフィルタ処理系列は、一次元（１Ｄ）フィルタ処理系列又は三次元（３Ｄ）フィルタ処理系列を含めて他の次元についても達成され得る。このフィルタ処理系列は、分解相２０２、強調相２０４及び再合成相２０６を含んでいる。分解相２０４は、累進的に空間周波数を低くした一連の空間周波数画像への画像データの累進的分解を含む。本書で用いる場合には、空間周波数との用語は、画定された画像区域内の個別の画像成分の数に全体的に関係している。この画像の累進的分解によって、フィルタ処理系列２００は異なる空間周波数を有する一連の分解画像を形成する。次いで、これらの画像の各々が、強調相２０４においてゲイン画像の適用によって強調される。次いで、得られた画像は再合成相２０６において再結合されて強調画像を完成する。分解された画像の異なる空間周波数レベルでの個別の処理が図２では参照番号２１０、２１２、２１４、２１６及び２１８によって示されており、番号２１８が分解及び処理の最後のレベルである。前述のように、各々の累進的ステップ又はレベルが、参照番号２２０、２２２、２２４、２２６及び２２８に示すように、累進的に空間周波数を低くした中間画像を形成する。
【００２５】
図２に示すように、分解相の各々の空間周波数レベルについての処理ブロックは、低域通過フィルタによって表わされているデシメータ２３０及び補間器２３２を含んでいる（図２では最も高い空間周波数レベル２１０のフィルタにのみ番号を付す）。これらのフィルタは、当技術分野で周知の態様で、直前の画像レベルの隣り合ったピクセルを表わすデータを累進的に結合する。フィルタは第一のフィルタ処理済み画像及び第二の画像を出力し、第一のフィルタ処理済み画像は後続の分解レベルで用いられ、第二の画像は加算器２３４において当該空間周波数レベルについての入力画像から減算される。このように、最も高いレベル２１０では、元の処理済み画像データ２３６が、デシメータとしての低域通過フィルタ２３０、及び加算器２３４に供給される。この元の画像データはブロック２３０及びブロック２３２においてフィルタ処理されて、ブロック２３０の出力はレベル２１２への入力データとして渡される。この態様で、元の処理済み画像データは累進的に空間周波数を低くした画像に分解される。一実施形態では、分解相における各々の後続のステップ又はレベルは、当該レベルについての入力画像の２分の１の寸法の画像を形成する。但し、他の縮小率を用いてもよい。さらに、分解相のフィルタ処理は任意の所望のレベルで終了してよいが、本実施形態ではかかるフィルタ処理が最も低いレベル２１８において単一ピクセル（１×１）画像に到達するまで実行されている。
【００２６】
次いで、フィルタ処理系列２００は進行して、強調相２０４において空間周波数画像の各々にゲイン画像を適用する（例えば乗算する）。ゲイン画像は図２では参照番号２３８、２４０、２４２、２４４及び２４６によって示されており、このゲイン画像はエッジのような画像の特定の特徴を強調する割り当てられた値である。さらに、ゲイン画像の幾つかは、相対的に低い空間周波数レベルからのデータから形成される。このように、Ｇ１と示されているゲイン画像２３８は、レベル２１２での分解相から得られる画像２２２から形成される。同様に、Ｇ２と示されているゲイン画像２４０は、レベル２１４での処理から得られる画像２２４から形成される。フィルタ処理系列２００の任意の適当な数のレベルが、かかる相対的に低い空間周波数に基づくゲイン画像を用いることができる。例えば、２０４８×２０４８ピクセルの原寸を有する画像において、かかる相対的に低い空間周波数に基づくゲイン画像を図２のレベル２１０、２１２及び２１４のような分解の最初の三つのレベルで用いると、十分なエッジ強調が形成される。他のさらに低いレベルでこの手法を用いてもよいし、又は単位値、若しくは単位値よりも大きいか小さいかを問わず他の値を有するゲイン画像をこれら他のレベルに乗算してもよい。
【００２７】
強調相２０４でのゲイン画像の適用に続いて、得られた強調画像を再合成相２０６において再結合する。図２に示すように、再合成相の各々のステップ又はレベルは、ブロック２４８（図２のレベル２１０を参照）において直前の（すなわち相対的に低い）レベルからの出力データの補間を含んでいる。得られる画像は、各々のレベルで加算器２５０において強調画像に加算される。次いで、得られる強調されて再合成された画像データは、再合成されて強調された原寸の画像２５２が得られるまで、次の（すなわち相対的に高い）レベルに送られる。
【００２８】
尚、特定の応用では、画像データは最も低いレベルまで完全に分解され又は再合成される必要はないことを特記しておく。例えば、一連の相対的に低い空間周波数の画像が相２０４において類似のゲインを適用される場合には、分解をこのレベルで停止してよい。次いで、ゲインがこの末端のレベルで画像に適用されて、再合成が開始し得る。同様に、前述のように相対的に高いレベルのゲインは分解から得られる相対的に低い空間周波数の画像から導かれるが、これらのゲインはまた、相対的に低い空間周波数の画像から再合成された画像に基づいて（すなわち強調相２０４でのゲイン画像の適用の後に）得ることもできる。
【００２９】
一実施形態では、相対的に低い空間周波数に基づくゲインは次のようにして導かれる。元のフィルタ処理された画像データの分解に続いて、処理回路は次式のように表わし得るアルゴリズムを適用する。
【００３０】
Ｇｉ（ｘ，ｙ）＝ｍａｘ（１．０，Ｅｉ＊Ｓ（Ｏｊ（ｘ，ｙ）））
ここでＧｉ（ｘ，ｙ）は、決定されるべきレベルｉのゲイン画像の各々のピクセルの値であり、Ｅｉは１．０よりも大きい利用者定義のエッジ強度値であり、Ｓは利用者によって設定され得る空間感度関数であり、Ｏｊ（ｘ，ｙ）は相対的に低い空間周波数レベルの画像ｊの各々のピクセルの値である。従って、得られる計算値が単位値よりも小さいときには、上述のアルゴリズムは導かれたゲイン画像に単位値を実効的に保持することを特記しておく。また、このアルゴリズムは、利用者が所望のエッジ強度値を実効的に定義することを可能にして、エッジと再合成されて強調された画像との相対的な鮮鋭度を増減させ易くしている。同様に、空間感度関数が利用者によって選択されて、ゲイン計算において相対的に低い空間周波数の画像の値によって及ぼされる影響の量を調節することができる。空間感度関数としては線形関数、区分型線形関数及びシグモイド関数等がある。本実施形態では、関数Ｓから得られる値Ｓは０と１の間の何処に設定されてもよい。さらに、エッジ強度値若しくは空間感度関数、又はこれら両方が、特定の空間周波数レベルに対して一意（すなわち図２の個別のレベル２１０、２１２及び２１４に対して一意）であってもよい。また、かかる空間周波数に基づくゲイン画像が導かれる特定のレベルは、利用者による構成設定が可能なパラメータであってもよい。従って、利用者は、所望の強調、及び有用な情報又は雑音が期待される周波数レベルに依存して、１、２、３又はさらに多くのレベルについての空間周波数に基づく強調を選択することができる。
【００３１】
多重分解能の枠組みの範囲内では、トモシンセシス再構成された一組のスライスが入力の一つであると看做される。他の入力としては、各々の領域に一つずつの分類タイプが存在するような多数の領域に対応するＰＳＦ型分類マスクがある。一例として、次の４種の分類タイプがある。すなわち、（１）合焦点、（２）非合焦点、（３）背景、及び（４）低周波数であり、これらの分類タイプについては米国特許出願第１１／４６３，８４５号に記載されている。このマスクは、別個の領域を特定するように数値符号化されていた。すなわち、（１）合焦点データについてはｍ＝１、（２）非合焦点データについてはｍ＝２、（３）背景データについてはｍ＝３、及び（４）低周波数データについてはｍ＝４とされており、ここでｍはマスクの各々のピクセルの値を示している。これらの入力は、アップ・サンプリング（再合成）方法又はダウン・サンプリング（分解）方法を用いて同じ分解能を有するものとされる。一旦、各入力が同じ分解能を有するものとなったら、幾つかの異なる方法を用いてデータを処理することができる。
【００３２】
新規の方法体系をＰＳＦに基づくトモシンセシス・データの三次元処理について示す。この方法体系が計算の効率と精度との兼ね合いを図りつつ取り得る幾つかの形態が存在する。以下は幾つかの方法体系の例である。
【実施例１】
【００３３】
撮像データ集合を処理する方法３００は、従来の二次元多重分解能表示処理、及び三次元ＰＳＦの正中線に沿ってＰＳＦから導かれる一次元（１Ｄ）Ｚ加重関数３０６とを用いる。図３は、方法３００を示す流れ図である。この方法３００は、次のステップを含んでいる。すなわち、（１）取得された投影画像から画像スライスを再構成するステップ３０２、（２）表示処理された画像スライスを得るために、各々の画像スライスに対して従来の二次元多重分解能表示処理を実行する（ＰＳＦ分類領域を利用しない）ステップ３０４、（３）表示処理された画像スライス・データの各々の点において、ＰＳＦの正中線に沿ってＰＳＦに基づく一次元Ｚ加重プロファイルを決定するステップ、及び（４）強調された最終画像３０８を得るために、プロファイル方向に沿って一次元Ｚ加重処理についてＰＳＦに基づく一次元Ｚ加重プロファイルを用いる（ＰＳＦ分類領域を利用しない）ステップ３０６であり、ここで一次元Ｚ加重処理は、ボケを軽減する鮮鋭化演算であってよい。
【実施例２】
【００３４】
撮像データ集合を処理する方法４００は、従来の二次元多重分解能表示処理、ＰＳＦ型分類マスク４０６、並びにＰＳＦ及び三次元ＰＳＦの形状から導かれる一次元Ｚ加重関数４０８を用いる。一次元Ｚ加重処理４０８は、ＰＳＦ分類領域４１０、４１２、４１４、４１６を利用する。図４は、方法４００を示す流れ図である。この方法４００は、次のステップを含んでいる。すなわち、（１）取得された投影画像から画像スライスを再構成するステップ４０２、（２）表示処理された画像スライスを得るために、各々の画像スライスに対して従来の二次元多重分解能表示処理を実行する（ＰＳＦ分類領域を利用しない）ステップ４０４、（３）表示処理された画像スライス・データの各々の点において、ＰＳＦの正中線に沿ってＰＳＦに基づく一次元Ｚ加重プロファイルを決定するステップ、及び（４）強調された最終画像４１８を得るために、事前分類タイプ４０６に基づいてプロファイル方向に沿って一次元Ｚ加重処理４０８についてＰＳＦに基づく一次元Ｚ加重プロファイルを適応的に用いる（ＰＳＦ分類領域４１０、４１２、４１４、４１６を利用する）ステップ４０８である。一次元Ｚ加重処理４０８は、ボケを軽減する鮮鋭化演算であってよい。鮮鋭化の強度は、分類タイプに基づいて変化し得る。
【実施例３】
【００３５】
撮像データ集合を処理する方法５００は、従来の二次元多重分解能表示処理５０６及びＰＳＦの正中線プロファイルに沿った一次元Ｚ加重処理の両方についてＰＳＦ型分類マスク５０４を用いる。従来の二次元多重分解能表示処理５０６は、ＰＳＦ分類領域５１０、５１２、５１４、５１６を利用する。一次元Ｚ加重処理５０８は、ＰＳＦ分類領域５２０、５２２、５２４、５２６を利用する。図５は、方法５００を示す流れ図である。この方法５００は、次のステップを含んでいる。すなわち、（１）取得された投影画像から画像スライスを再構成するステップ５０２、（２）表示処理された画像スライスを得るために、事前分類タイプ５０４に基づいて各々の画像スライスに対して従来の二次元多重分解能表示処理を適応的に実行する（ＰＳＦ分類領域５１０、５１２、５１４、５１６を利用する）ステップ５０６（尚、この適応的処理は、従来の手法が既に有し得る他の従来の適応的処理に加えて行なわれることに留意されたい）、（３）表示処理された画像スライス・データの各々の点において、ＰＳＦの正中線に沿ってＰＳＦに基づく一次元Ｚ加重プロファイルを決定するステップ、及び（４）強調された最終画像５１８を得るために、事前分類タイプ５０４に基づいてプロファイル方向に沿って一次元Ｚ加重処理についてＰＳＦに基づく一次元Ｚ加重プロファイルを適応的に用いる（ＰＳＦ分類領域５２０、５２２、５２４、５２６を利用する）ステップ５０８である。一次元Ｚ加重処理は、ボケを軽減する鮮鋭化演算であってよい。鮮鋭化の強度は分類タイプに基づいて変化し得る。マスクの異なる領域に異なる処理アルゴリズムを適用することができる。例えば、合焦点構造を鮮鋭化して、非合焦点の細部の影響を弱めることができる。得られるデータ集合は、後にサンプリングされて所望の分解能を達成することができる。
【実施例４】
【００３６】
撮像データ集合を処理する方法６００は、三次元多重分解能表示処理６０６と共にＰＳＦ型分類マスク６０４を用いる。三次元多重分解能表示処理６０６は、ＰＳＦ分類領域６１０、６１２、６１４、６１６を利用する。図６は、方法６００を示す流れ図である。この方法６００は、次のステップを含んでいる。すなわち、（１）取得された投影画像から画像スライスを再構成するステップ６０２、並びに（２）表示処理された画像スライス６０６及び強調された最終画像６０８を得るために、事前分類タイプ６０４に基づいて各々の画像スライスに対して三次元多重分解能表示処理を適応的に実行する（ＰＳＦ分類領域６１０、６１２、６１４、６１６を利用する）ステップ６０６であり、ここで符号化されたマスク内の異なる領域に異なる処理アルゴリズムを適用してよい。
【実施例５】
【００３７】
トモシンセシス撮像データ集合を処理する方法７００は、従来の三次元多重分解能表示処理７０４を用いる（ＰＳＦ分類領域を利用しない）。図７は、方法７００を示す流れ図である。この方法７００は、次のステップを含んでいる。すなわち、（１）取得された投影画像からトモシンセシス画像スライスを再構成するステップ７０２、及び（２）強調された最終画像７０６を得るために、各々の画像スライスに対して従来の三次元多重分解能表示処理を実行する（ＰＳＦ分類領域を利用しない）ステップ７０４である。
【実施例６】
【００３８】
撮像データ集合を処理する方法８００は、従来の二次元多重分解能表示処理８０６についてＰＳＦ型分類マスク８０４を用い、またＰＳＦの正中線プロファイルに沿った一次元Ｚ加重処理８０８を用いる。従来の二次元多重分解能表示処理は、ＰＳＦ分類領域８１０、８１２、８１４、８１６を利用する。一次元Ｚ加重処理８０８は、ＰＳＦ分類領域を利用しない。図８は、方法８００を示す流れ図である。この方法８００は、次のステップを含んでいる。すなわち、（１）取得された投影画像から画像スライスを再構成するステップ８０２、（２）表示処理された画像スライスを得るために、事前分類タイプ８０４に基づいて各々の画像スライスに対して従来の二次元多重分解能表示処理を適応的に実行する（ＰＳＦ分類領域８１０、８１２、８１４、８１６を利用する）ステップ８０６（尚、この適応的処理は、従来の手法が既に有し得る他の従来の適応的処理に加えて行なわれることに留意されたい）、（３）表示処理された画像スライス・データの各々の点において、ＰＳＦの正中線に沿ってＰＳＦに基づく一次元Ｚ加重プロファイルを決定するステップ、及び（４）強調された最終画像８１８を得るために、プロファイル方向に沿って一次元Ｚ加重処理についてＰＳＦに基づく一次元Ｚ加重プロファイルを用いる（ＰＳＦ分類領域を利用しない）ステップ８０８であり、ここで一次元Ｚ加重処理は、ボケを軽減する鮮鋭化演算であってよい。
【００３９】
つまり、本書に記載する一般的な枠組みに基づいて多くの異なる形態を作成することができる。これらの形態は、１又は複数の次元での処理を適応的にも非適応的にも行ない得るため生ずる。従来の画像方式の処理の適応化に加えて、本発明は、表示処理を適応化させる新規のＰＳＦ型分類を開示する。
【００４０】
一つの技術的効果は、本書に記載される方法及びシステムが、ＰＳＦに基づいて構造（すなわち領域）を分類する能力を提供することであり、すると所望に応じて各々の異なるクラスについて異なるようにデータを選択的に処理することができる。撮像データを処理するこの改良された能力は、最終的な再構成画像において相対的に少ないアーティファクト及び／又はボケを導く。
【００４１】
以上、実施形態の例について詳細に説明した。これらのアセンブリ及び方法は、本書に記載される特定の実施形態に限定されてはおらず、各々のアセンブリ及び／又は方法の構成要素を、本書に記載される他の構成要素と独立且つ別個に利用してよい。
【００４２】
本発明を様々な実施形態を参照して記載したが、当業者であれば、発明の要旨から逸脱することなく実施形態に幾つかの置換、改変及び省略を施し得ることを認められよう。従って、以上の説明は例示的であることのみを意図しており、特許請求の範囲に記載される本発明の範囲を限定するものではない。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。
【図面の簡単な説明】
【００４３】
【図１】例示的なＸ線イメージング・システムを示す図である。
【図２】画像を所望の周波数帯域によって参照される分解画像に分割する画像分解系列を示す図である。
【図３】撮像データ集合を処理する例示的な実施形態を示す流れ図である。
【図４】撮像データ集合を処理するもう一つの例示的な実施形態を示す流れ図である。
【図５】撮像データ集合を処理するさらにもう一つの例示的な実施形態を示す流れ図である。
【図６】撮像データ集合を処理するさらにもう一つの例示的な実施形態を示す流れ図である。
【図７】撮像データ集合を処理するさらにもう一つの例示的な実施形態を示す流れ図である。
【図８】撮像データ集合を処理する例示的な実施形態を示す流れ図である。
【符号の説明】
【００４４】
１００ イメージング・システム
１０２ Ｘ線源
１０４ 限定された角度範囲
１０６ 被検構造
１０８ 検出器
１１０ Ｘ線源平面
１１２ 検出器平面
１１４ Ｘ、Ｙ、Ｚ座標系
２００ フィルタ処理系列
２０２ 分解相
２０４ 強調相
２０６ 再合成相
２１０、２１２、２１４、２１６、２１８ 空間周波数レベル
２２０、２２２、２２４、２２６、２２８ 中間画像
２３０ デシメータ
２３２ 補間器
２３４ 加算器
２３６ 元の処理済み画像データ
２３８、２４０、２４２、２４４、２４６ ゲイン画像
２４８ 補間器
２５０ 加算器
２５２ 再合成されて強調された画像
３００ 画像データ集合を処理する方法
３０２ 画像スライスを再構成する
３０４ 従来の二次元多重分解能処理
３０６ 一次元Ｚ加重処理
３０８ 強調された最終画像
４００ 画像データ集合を処理する方法
４０２ 画像スライスを再構成する
４０４ 従来の二次元多重分解能処理
４０６ ＰＳＦ型分類マスク
４０８ 適応的なＰＳＦに基づく一次元Ｚ加重処理
４１０、４１２、４１４、４１６ ＰＳＦ分類領域
４１８ 強調された最終画像
５００ 画像データ集合を処理する方法
５０２ 画像スライスを再構成する
５０４ ＰＳＦ型分類マスク
５０６ 適応的なＰＳＦに基づく二次元多重分解能処理
５０８ 適応的なＰＳＦに基づく一次元Ｚ加重処理
５１０、５１２、５１４、５１６、５２０、５２２、５２４、５２６ ＰＳＦ分類領域
５１８ 強調された最終画像
６００ 画像データ集合を処理する方法
６０２ 画像スライスを再構成する
６０４ ＰＳＦ型分類マスク
６０６ 適応的なＰＳＦに基づく三次元多重分解能処理
６０８ 強調された最終画像
６１０、６１２、６１４、６１６ ＰＳＦ分類領域
７００ 画像データ集合を処理する方法
７０２ 画像スライスを再構成する
７０４ 従来の三次元多重分解能処理
７０６ 強調された最終画像
８００ 画像データ集合を処理する方法
８０２ 画像スライスを再構成する
８０４ ＰＳＦ型分類マスク
８０６ 適応的なＰＳＦに基づく二次元多重分解能処理
８０８ 一次元Ｚ加重処理
８１０、８１２、８１４、８１６ ＰＳＦ分類領域
８１８ 強調された最終画像
【出願人】 【識別番号】３９００４１５４２
【氏名又は名称】ゼネラル・エレクトリック・カンパニイ
【氏名又は名称原語表記】ＧＥＮＥＲＡＬ ＥＬＥＣＴＲＩＣ ＣＯＭＰＡＮＹ
【出願日】 平成１９年８月６日（２００７．８．６）
【代理人】 【識別番号】１０００９３９０８
【弁理士】
【氏名又は名称】松本 研一

【識別番号】１００１０５５８８
【弁理士】
【氏名又は名称】小倉 博

【識別番号】１００１２９７７９
【弁理士】
【氏名又は名称】黒川 俊久

【識別番号】１００１３７５４５
【弁理士】
【氏名又は名称】荒川 聡志
【公開番号】 特開２００８−４３７５７（Ｐ２００８−４３７５７Ａ）
【公開日】 平成２０年２月２８日（２００８．２．２８）
【出願番号】 特願２００７−２０４２６２（Ｐ２００７−２０４２６２）