JP6469731B2 - 画像をセグメント化するためのパラメータの最適化 - Google Patents

Description

本発明は、被験者の画像をセグメント化するデバイス、システム及び方法に関する。本発明は、特に放射線療法治療計画のためのソフトウェアベースのインタラクティブ画像解析に応用される。

医用撮像の分野において、画像セグメンテーションは、デジタル画像をピクセル又はボクセルである画素からなる複数のセグメントに分割するプロセスである。画像ベースの医学分析、医療計画のため、すなわち医用画像における視覚化若しくはコンテキストベースのナビゲーションの改善のため、画像セグメンテーションは不可欠な技術である。例えば放射線療法治療計画にとって、画像セグメンテーションは、放射線感受性の解剖学的構造が損傷するのを防ぐために重要である。

画像をセグメント化する様々なやり方が存在する。例えば、閾値又は外観ベースのセグメンテーションアルゴリズム、アトラス登録に基づくセグメンテーションアルゴリズム又は形状モデルベースのセグメンテーションアルゴリズム等である。

あらゆる画像セグメンテーション方法のうち、幾つかのセグメンテーションタスクに自動化方法が利用できない場合、又は自動セグメンテーションアルゴリズムの結果が手動による修正を必要とする場合には、インタラクティブ画像セグメンテーション技術が必要となる。例えばインタラクティブ画像セグメンテーションの一般に認められた技術は、画像スライスの手動による輪郭形成である。通常幾つかの解剖学的構造にのみ可能な自動画像セグメンテーションと対照的に、インタラクティブ画像セグメンテーションは高いユーザ柔軟性を提供する。例えば、様々な画像診断法及び／又は特定の撮像プロトコルと共に利用することができる。

米国特許出願公開２０１０／０２２４８９Ａ１は、画像を受信するステップ、初期のセグメンテーションパラメータに基づいて画像のセグメントを生成するステップ、生成されたセグメントの特徴を分類するステップ、及び少なくとも１つの修正されたセグメンテーションパラメータを生成するステップを含む、画像をセグメント化するコンピュータ実装方法を開示する。さらに、関心のある輪郭を抽出でき、セグメンテーションパラメータが変更されるときに異なる輪郭を作成することができる。

Ｖｉｎｃｅｎｔ，Ｍａｒｔｉｎ等による「Ａ Ｃｏｇｎｉｔｉｖｅ Ｖｉｓｉｏｎ Ａｐｐｒｏａｃｈ ｔｏ Ｉｍａｇｅ Ｓｅｇｍｅｎｔａｔｉｏｎ」，「Ｔｏｏｌｓ ｉｎ Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ」，２０８，ＩｎＴｅｃｈ Ｅｄｕｃａｔｉｏｎ ａｎｄ Ｐｕｂｌｉｓｈｉｎｇ，ｐｐ．２６５−２９４は、閉じた輪郭を持つ領域を有する訓練画像の手動セグメンテーションのための枠組みを開示する。特に、この枠組みは、セグメンテーション品質関数を定義すること、及びセグメンテーション品質関数を最小化又は最大化することによりパラメータのセットを最適化することを含む。

欧州特許出願公開１５２６４８１Ａ２は、第１の領域及び第２の領域をセグメント化する方法及び装置を開示し、該方法は、画像のどのピクセルが第１の領域と関連すると分類する基準を満たすか、及び、画像のどのピクセルが第２の領域と関連すると分類する基準を満たすかを、１つ以上の配色に基づいて学習機械を用いて決定することを含む。

Ｗｉｌｌｉａｍ Ｂ．Ｋｅｒｒ等による「Ａ Ｍｅｔｈｏｄｏｌｏｇｙ ａｎｄ Ｍｅｔｒｉｃ ｆｏｒ Ｑｕａｎｔｉｔａｔｉｖｅ Ａｎａｌｙｓｉｓ ａｎｄ Ｐａｒａｍｅｔｅｒ Ｏｐｔｉｍｉｚａｔｉｏｎ ｏｆ Ｕｎｓｕｐｅｒｖｉｓｅｄ， Ｍｕｌｔｉ−Ｒｅｇｉｏｎ Ｉｍａｇｅ Ｓｅｇｍｅｎｔａｔｉｏｎ」，Ｐｒｏｃｅｅｄｉｎｇ ｏｆ ｔｈｅ ８ｔｈ ＩＡＳＴＥＤ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｓｉｇｎａｌ ａｎｄ Ｉｍａｇｅ Ｐｒｏｃｅｓｓｉｎｇ，１４ Ａｕｇｕｓｔ ２００６，ｐｐ．２４３−２４８は、８つの個別のパフォーマンス尺度に基づいた、教師なしの複数領域画像セグメンテーションの定量分析及びパラメータ最適化のための方法を開示する。機械でセグメント化された画像と対応するグラウンドトルース画像の重複の統計的分析に基づく、アルゴリズムパラメータを評価及び最適化するための測定基準が開示され、教師なしのセグメンテーションアルゴリズムのアルゴリズム間性能が比較される。

しかしながら、当技術分野で知られているインタラクティブ画像セグメンテーションツールは、しばしば多くの技術的パラメータを選択及び最適に調整する必要があるため、その効率性が限られている。さらに、例えば不正確な輪郭補正のために、セグメンテーション結果の信頼性が限られていることも多い。これにより、追加の画像セグメンテーションによりコストが高くなるとともに、致命的結果を有する非最適な放射線療法治療計画がもたらされる。

本発明の目的は、被験者のインタラクティブ画像セグメンテーションを行う、信頼性が高く、正確かつ簡単なデバイス、システム及び方法を提供することである。

本発明の第１の態様において、被験者の画像をセグメント化するデバイスであって、被験者の画像、及び、画像内の構造を示す少なくとも１つの輪郭又は少なくとも１つの輪郭の一部を受信するデータインターフェースと、輪郭又は輪郭の一部により第１及び第２の分離部に分割され、描画された領域及び／又は計算された領域を含む画像内の領域を選択する選択ユニットと、画像セグメンテーションのための少なくとも１つのパラメータに基づいて選択された領域を分類する分類器と、分類結果に基づいて目的関数を定義する分析ユニットと、目的関数の出力を変化させることによりパラメータのセットを最適化するオプティマイザと、最適化されたパラメータのセットを使用して画像をセグメント化する画像セグメンテーションユニットとを有するデバイスが示される。好ましくは、分類器は、輪郭又は輪郭の少なくとも一部を分類しないように構成される。

受信された画像内の領域を選択できることで、ユーザは、高い自由度及び柔軟度で画像をインタラクティブにセグメント化することができる。特に、前述の従来技術に開示された技術と対照的に、本発明は、完全にユーザの選択に基づいて局所領域を直接選択できるようにする。領域は、初期のセグメンテーションパラメータに基づいてデバイスにより生成されないため、ユーザは、領域選択の正確さに直接的影響を及ぼす。初期のセグメンテーションパラメータは必要なく、誤ったパラメータを使用するリスクが回避される。したがって、本発明は、インタラクティブ画像セグメンテーションの効率的なやり方を可能にする。

受信された画像内の与えられた輪郭を用いることで、関心のある構造を容易に認識することができ、画像セグメンテーションの追加的な手順の効率性を高める。与えられた輪郭又は輪郭の一部により２つの分離部に分割される領域を選択し、この領域を分類することにより、本発明は、グローバルな画像セグメンテーション及び／又は輪郭補正のために局所的に画像セグメンテーションパラメータを最適化することができる。特に、本発明は、パラメータの最適化のために選択される領域が与えられた輪郭の近くにあるという点で、知られている画像セグメンテーション技術、例えば前述の従来技術に開示された技術と異なる。このことは、このように最適化されたセグメンテーションパラメータを最小限の追加的な調整の有無にかかわらず、与えられた輪郭又は輪郭の一部を調整するのに直接使用できるために有利である。結果的に、受信された画像のインタラクティブセグメンテーションを単純化することができる。

本発明は、特に放射線療法計画に用いられる場合に有利である。患者の解剖学的構造の複雑さに起因して、放射線療法計画を実行する術者は、多くのパラメータを同時に調整することができるインタラクティブ画像セグメンテーションツールを必要とすることが多い。当技術分野で知られている放射線療法計画システムは、理解するのが難しい複雑なグラフィカルユーザインターフェースを装備していることが多い。さらに、パラメータを最適化し、輪郭を調整するには、術者は多くの場合かなりの訓練が必要である。本発明を用いることで、術者は、単にコンピュータのマウスカーソル及び／又はタッチスクリーンと共にユーザの指又は他の手段を使用して領域を選択することができる。複雑なグラフィカルユーザインターフェースは不要であり、術者は満足のいく信頼度で画像セグメンテーションタスクを遂行するために、多数のパラメータに精通している必要がない。最後に、目的関数を定義すること、及び目的関数の出力を増加させることにより、セグメンテーションパラメータを、目的関数の実際のアルゴリズムの詳細と無関係に直接的かつ正確に最適化することができる。したがって、セグメンテーション品質を維持する、ひいては向上させつつ、画像のグローバルなセグメンテーションを単純化することができる。

好ましい実施形態において、分類器は、選択された領域を第１及び第２の画像クラスに分類するように構成される。これには、少なくとも１つの画像セグメンテーションパラメータを含むパラメータのセットを最小限の計算量で局所的に最適化できるという利点がある。

別の好ましい実施形態において、第１の画像クラスは、第１の分離部の主要な画像クラスである。本発明の範囲内において、基本的に画像のサブセットを表す主要な画像クラスは、画像又は画像の一部を実質的に特徴づける画像クラスである。これは、画像又は画像の一部が主要な画像クラスに分類される場合に分類が肯定的であることを意味する。有利には、第１の分離部は、画像セグメンテーションの次のステップにおいてパラメータのセットの追加補正のための計算量を最小化できるように正確に分類される。

別の好ましい実施形態において、第２の画像クラスは、第２の分離部の主要な画像クラスである。有利には、第２の分離部は、画像セグメンテーションの次のステップにおいてパラメータのセットの追加補正のための計算量を最小化できるように正確に分類され、迅速かつ効率的な画像セグメンテーションをもたらす。

別の好ましい実施形態において、オプティマイザは、第１の分離部から第１の画像クラスに対応する第１の区域を決定するように構成される。この実施形態は、第１の分離部のサイズに関する第１の区域のサイズが、第１の分離部と第１の分離部内の実際の画像詳細との間の一致の尺度であるため有利である。したがって、選択された領域、特に第１の分離部を分類するのに使用されるパラメータのセットの品質を決定することができる。

別の好ましい実施形態において、オプティマイザは、第２の分離部から第２の画像クラスに対応する第２の区域を決定するように構成される。この実施形態は、第２の分離部のサイズに関する第２の区域のサイズが、第２の分離部と第２の分離部内の実際の画像詳細との間の一致の尺度であるため有利である。したがって、選択された領域、特に第２の分離部を分類するのに使用されるパラメータのセットの品質を決定することができる。

別の好ましい実施形態において、目的関数は、第１及び第２の区域の和を含む。このように、選択されたパラメータのセットの品質を高い精度で決定できるように、信頼性の高い目的関数が選択される。これは、特に、第１の画像クラスが第１の分離部の主要な画像クラスである場合、及び／又は第２の画像クラスが第２の分離部の主要な画像クラスである場合である。

別の好ましい実施形態において、オプティマイザは、目的関数の出力を最大化するように構成される。有利には、パラメータのセットは、画像を特に高い信頼性で分類できるように最適化され得る。

別の好ましい実施形態において、オプティマイザは、第１及び／又は第２の分離部のグラウンドトルース分類に従って目的関数の出力を最大化するように構成される。グラウンドトルース分類を用いることで、選択された領域の第１及び／又は第２の分離部は、パラメータ最適化、ひいては画像セグメンテーションの結果が信頼性の高いものとなるように高い精度で分類され得る。

別の好ましい実施形態において、画像セグメンテーションユニットは、最適化されたパラメータのセットを使用して輪郭又は輪郭の一部を調整するように構成される。有利には、輪郭補正は、単純かつ直観的なインタラクティブ画像セグメンテーション技術を使用して可能になる。

別の好ましい実施形態において、輪郭は、描画された輪郭及び／若しくは計算された輪郭を含み、並びに／又は選択された領域は、描画された領域及び／若しくは計算された領域を含む。このように、本発明は、ユーザ柔軟度が増すように、輪郭のタイプと無関係に使用され得る。有利には、ユーザは、インタラクティブ画像セグメンテーションがさらに単純化されるように、パラメータ最適化のための領域を自由に選択することができる。

本発明の別の態様において、被験者の画像をセグメント化するシステムであって、被験者の少なくとも１つの画像を生成する撮像装置と、生成された少なくとも１つの画像をセグメント化する本明細書に開示されるデバイスとを有するシステムが示される。本発明によるシステムは、医用画像を生成することだけでなく、当技術分野で知られているシステムと比較して、より正確で信頼性があると同時に単純化されたインタラクティブ画像セグメンテーションも可能にするという利点を有する。

本発明の別の態様において、被験者の画像をセグメント化する方法であって、被験者の画像、及び画像内の構造を示す少なくとも１つの輪郭又は輪郭の少なくとも一部を受信するステップと、輪郭又は輪郭の一部により第１及び第２の分離部に分割され、描画された領域及び／又は計算された領域を含む画像内の領域を選択するステップと、画像セグメンテーションのために少なくとも１つのパラメータに基づいて選択された領域を分類するステップと、分類結果に基づいて目的関数を定義するステップと、目的関数を増減させることによりパラメータのセットを最適化するステップと、最適化されたパラメータのセットを使用して画像をセグメント化するステップとを含む方法が示される。

本発明による方法を使用して、インタラクティブ画像セグメンテーションを異なるタイプの医用画像に容易に適用することができる。したがって、直観的で単純化されたインタラクティブ画像セグメンテーション技術が可能となる結果、理解するのが困難で使いにくく、多くの訓練が必要な複雑なグラフィカルユーザインターフェースを回避することができる。

本発明のさらに別の態様では、プログラムがコンピュータで実行される場合に、コンピュータに、本明細書に開示される方法のステップを実行させるためのプログラムコード手段を有するコンピュータプログラムが提供される。さらに、デバイスによって実行されたときに、本明細書に開示される方法が実行されるようにするコンピュータプログラムプロダクトを保存する非一時的なコンピュータ可読記憶媒体が提供される。

本発明の好ましい実施形態は、従属請求項に規定される。請求項に係るシステム、方法及びコンピュータプログラムは、請求項に係るデバイスの実施形態及び従属請求項に規定される実施形態と類似の及び／又は同一の好ましい実施形態を有することを理解されたい。

本発明のこれらの態様及び他の態様は、後述する１つ以上の実施形態から明らかとなり、かかる実施形態を参照して解明されるであろう。

図１は、本発明によるデバイスの実施形態の概略ブロック図である。 図２は、本発明によるシステムの実施形態の概略ブロック図である。 図３は、本発明による方法の実施形態を示す。 図４は、図１のデバイスの実施形態で使用される画像の説明図を示す。

図１を参照すると、ある実施形態による被験者１４（図２）の画像１２をセグメント化するデバイス１０の概略ブロック図が示されている。デバイス１０は、被験者１４の画像１２、及び、特に被験者１４の解剖学的構造に関連する構造１９（図４、破線）を示す少なくとも１つの輪郭１８を受信するデータインターフェース１６を有する。図１には輪郭全体が示されているが、本発明は輪郭の一部と共に使用されることも理解される。輪郭１８は、ペン／鉛筆を使用して描かれるか、又は機械、特にコンピュータにより生成される。データインターフェース１６は、当技術分野で知られている任意のタイプのデータインターフェース、特に撮像装置及び本明細書に開示されるデバイスを接続するデータインターフェースであり得る。データインターフェース１６のタイプは、Ｃｕｒｒｅｎｔ Ｌｏｏｐ、ＲＳ−２３２，ＧＰＩＢ，Ｖ．３５等を含むがこれらに限定されない。

デバイス１０は、画像１２内の領域２２（図４）を、領域２２が輪郭１８により第１の分離部２４及び第２の分離部２６（図４）に分割されるように選択する選択ユニット２０を有する。好ましい実施形態において、選択ユニット２０は、ユーザがモニタ上でマウスカーソルを動かすことにより画像１２内の領域２２を選択できるように、マウスカーソル及び／又はモニタと併用される手段を有する。代替的に、ユーザは、タッチスクリーン上で指又は他の手段を動かすことにより画像１２内の領域２２を選択することができる。選択ユニット２０は、１つ以上の画像及び／又はテキスト編集ソフトウェアのような既存の画像及び／又はテキスト編集手段と協働する。

デバイス１０はさらに、少なくとも１つの画像セグメンテーションパラメータを含むパラメータのセットに基づいて、選択された領域２２を分類する分類器２８を有する。パラメータのセットは、複数の画像セグメンテーションパラメータを含み、分類器２８は、選択された領域２２の第１の分離部２４及び第２の分離部２６に同じ又は異なる画像セグメンテーションパラメータを適用する。好ましい実施形態において、パラメータのセットは、形状及び／又は外観パラメータ、特にグレー値遷移、画像勾配、及び／又は曲率平滑度を含む。この実施形態は、本発明を多くの画像タイプ及び／又は解剖学的構造に適用できるように、多くの異なる画像セグメンテーションパラメータを最適化できるため有利である。別の好ましい実施形態において、分類器２８は、好ましくはデータインターフェース１６を介して、データベース、クラウドシステム、ローカル通信ネットワークのような外部データ要素から１つ以上の画像セグメンテーションパラメータを選択する。

デバイス１０はさらに、選択された領域２２を分類するために選択されたパラメータのセットの品質を決定する分析ユニット２９を有する。そうするために、分析ユニット２９は、目的関数を定義するように構成される。分析ユニット２９は、目的関数を定義するために、ライブワイヤアルゴリズム、グラウンドトルース、２Ｄ又は３Ｄセグメンテーションアルゴリズム、機械学習等のような１つ以上のアルゴリズムを利用する。好ましい実施形態において、分析ユニット２９は、選択された領域２２の第１の分離部２４及び第２の分離部２６のための目的関数を、例えば別々に定義する。別の好ましい実施形態において、分析ユニット２９は、選択された領域２２のための単一の目的関数を定義する。しかしながら、本発明はこれらの実施形態に限定されない。別の好ましい実施形態において、分析ユニット２９は、輪郭１８が領域２２内の構造にどの程度一致しているかを反映するように目的関数を定義する。別の好ましい実施形態において、目的関数は、画像セグメンテーションパラメータの１つのみ又は複数に関連する。特に、目的関数は、１つ以上の画像セグメンテーションパラメータに基づいて定義される。好ましい実施形態において、分析ユニット２９は、画像クラスの１つのみ又は複数に基づいて目的関数を定義する。

デバイス１０は、目的関数の出力を変化させることによりパラメータのセットを最適化するオプティマイザ３０を有する。好ましい実施形態において、オプティマイザ３０は、好ましくはデータインターフェース１６を介して、データベース、クラウドシステム、インターネット及び／又はローカル通信ネットワークといった外部データ要素からパラメータのセットを最適化する１つ以上のアルゴリズムを選択する。別の好ましい実施形態において、オプティマイザ３０は、目的関数の出力を増加又は減少させる。別の好ましい実施形態において、オプティマイザ３０は、目的関数の出力を最大化又は最小化する。さらに別の好ましい実施形態において、オプティマイザ３０は、複数回の反復を行うように構成され、目的関数の出力は、各反復において固定又は可変増分だけ変化させられる。

デバイス１０はさらに、最適化されたパラメータのセットを使用して画像１２をセグメント化する画像セグメンテーションユニット３２を有する。好ましい実施形態において、画像セグメンテーションユニット３２は、マウスカーソル又はユーザの指、及び／又は１つ以上の画像セグメンテーション機能と共に使用される。画像１２は、最適化されたパラメータのセットを使用して完全に又は部分的にセグメント化され得る。好ましくは、ユーザは、マウスカーソルを使用して、最適化されたパラメータのセットを使用して画像セグメンテーションユニット３２によりセグメント化された、モニタ上の画像１２の一部を選択する。これは、ユーザの指又は他の手段を使用してタッチスクリーン上の画像１２の一部を選択することによっても行われる。

図２を参照すると、ある実施形態による、画像、特に被験者の画像１２をセグメント化するシステム３４の概略ブロック図が示されている。システム３４は、被験者１４の少なくとも１つの画像１２を生成する撮像装置３６、及び画像をセグメント化するデバイス、特に図１のデバイス１０を有する。撮像装置３６は、Ｘ線、超音波、コンピュータ断層撮影（ＣＴ）、磁気共鳴撮像（ＭＲＩ）、ポジトロン放出断層撮影（ＰＥＴ）、内視鏡撮像、サーモグラフィ、エラストグラフィ等といった技術を採用する、医用撮像の分野で知られている任意のタイプの撮像装置を含む。撮像装置３６は、好ましくは放射線療法計画を可能にする装置である。好ましくは、撮像装置３６は、線量測定、及び／又はＨＤＲ小線源療法及び／又はＬＤＲ小線源療法といった小線源療法の最適化を可能にする装置である。別の好ましい実施形態において、撮像装置３６は、１つ以上の線量−体積ヒストグラムによる放射線療法計画を可能にする。しかしながら、本発明はこれらの実施形態に限定されない。被験者１４及び撮像装置３６間の破線は、あくまで説明のためのものであり、技術的特徴を持たないことに留意されたい。特に、被験者１４を撮像装置３６により完全に又は部分的に捕捉できることに留意されたい。

図３を参照すると、本発明のある実施形態による、被験者、特に被験者１４の画像、特に画像１２をセグメント化する方法の概略ブロック図が示されている。この方法の第１のステップ１０１において、被験者１４の画像１２及び輪郭１８は、データインターフェース１６を介して受信される。輪郭１８は、画像１２内の構造１９（破線）に対応し、構造は、通常、人、哺乳動物又はその他の生物を含む生体被験者の１つ以上の解剖学的構造／器官に関係する。好ましい実施形態において、画像１２及び／又は輪郭１８は、第１のステップ１０１において内部又は外部メモリユニットに記憶される。第２のステップ１０２において、領域、特に画像１２内の領域２２は、輪郭１８により第１及び第２の分離部２４、２６に分割されるように選択される。好ましい実施形態において、この方法の第２のステップ１０２は、好ましくはコンピュータプログラムと共にユーザにより実行される。第３のステップ１０３において、選択された領域２２は、少なくとも１つの画像セグメンテーションパラメータを含むパラメータのセットに基づいて分類される。次に、第４のステップ１０４において、目的関数が定義され、選択された領域２２を分類するのに使用されるパラメータのセットの品質を決定する。第５のステップ１０５において、パラメータのセットは、第４のステップ１０４から目的関数を変化させることにより最適化される。第６のステップ１０６において、第５のステップ１０５において最適化されたパラメータのセットは、画像１２をセグメント化するのに使用される。また、輪郭全体の代わりに、輪郭の一部が本発明による方法により使用されてもよいことが理解される。

本明細書に開示される全ての実施形態において、画像セグメンテーションユニット３２は、好ましくは最適化されたパラメータのセットを使用して輪郭１８を調整するように構成される。好ましくは、ユーザは、マウスカーソルを使用して輪郭１８の１つ以上の部分を選択し、マウスカーソルにより選択された１つ以上の部分を強調する。さらに好ましくは、ユーザは、マウスカーソルを１つ以上の部分に移動させることにより、選択された領域２２に最適化されたパラメータのセットを輪郭１８の残りの部分において選択された１つ以上の部分に移動させる。このとき画像セグメンテーションユニット３２は、最適化されたパラメータのセットを輪郭１８の選択された１つ以上の部分に適用する。このように、当技術分野で知られているテキスト編集ツールと同様に、「コピーアンドペーストセグメンテーション特性」を可能にするインタラクティブ画像セグメンテーションが実現される。本発明はまた、画像１２全体をセグメント化する、及び／又は複数の画像を連続的に又は同時にセグメント化するのに適用される。

図４を参照すると、本発明のある実施形態による説明図が示されている。図４Ａは、本発明による撮像装置３６といった当技術分野において知られている撮像装置により生成される画像を示す。画像１２内に輪郭１８が見られる。さらに図４Ａから、輪郭１８は、破線により表される構造１９に完全には一致していないことが分かる。

図４Ｂは、本発明を用いて処理された画像１２を示す。輪郭１８は、図４Ａ及び図４Ｂの構造１９と異なる区域３８を囲む。領域２２は、輪郭１８により第１の分離部２４及び第２の分離部２６に分割されるように、輪郭１８の近くに選択される。第１の分離部２４は、区域３８内部に位置し、輪郭１８及び領域２２の外周で囲まれる一方、第２の分離部２６は区域３８の外側に位置する。領域２２が選択された後、パラメータのセットが使用されて領域２２を分類する。パラメータのセットは、１つ以上の画像セグメンテーションパラメータ、特にグレー値遷移、画像勾配、曲率平滑度、又はその他の形状及び／又は外観パラメータを含む。好ましい実施形態において、領域２２は、閾値パラメータｔに基づいて第１の画像クラスＣＡ及び第２の画像クラスＣＢに分類される。これらは次の式（１）を使用して実行される：

ここで、Ｉ（ｘ）は、その値が閾値パラメータｔと比較される画素ｘの関数である。好ましくは、第１の画像クラスは、構造１９を実質的に特徴づける主要な画像クラス又は主要な画像クラスの１つに選択される。さらに、第２の画像クラスは、構造１９に隣接する領域を特徴づける主要な画像クラス又は主要な画像クラスの１つに選択される。例えば、構造１９ががん組織の画像クラスで実質的に特徴づけられる人体の領域であり、構造１９に隣接する領域が健常組織の画像クラスで実質的に特徴づけられる場合、第１の画像クラスはがん組織タイプに選択され、第２の画像クラスは健常組織に選択され得る。しかしながら、これは、本発明を決して限定しない画像クラスの選択の一例と理解されるべきである。特に、３つ以上の画像クラスが選択されて、選択された領域２２を分類してもよい。

選択された領域２２の分類に基づいて、領域２２を分類するのに使用されるパラメータのセットの品質を反映する目的関数を定義することができる。好ましい実施形態において、目的関数は、第１及び第２の区域の和であってもよく、第１の区域は、第１の画像クラスに分類された第１の分離部２４内部の全ての画素、特に全てのピクセル及び／又はボクセルの区域である。さらに、第２の区域は、好ましくは第２の画像クラスに分類された第２の分離部２６内部の全ての画素、特に全てのピクセル及び／又はボクセルの区域である。しかしながら、このことは本発明を限定していない。特に、目的関数は、第１の区域又は第２の区域の画素の和である。代替的に、目的関数は、選択された領域２２全体内の第１の画像クラス又は第２の画像クラスに分類された全てのピクセル及び／又はボクセルの区域の和である。別の好ましい実施形態において、目的関数は、式（１）の閾値パラメータｔに基づき、式（２）に従って定義される：

ここで、Ａは第１の分離部２４を表し、Ｂは第２の分離部２６を表す。式（２）は、目的関数を式（１）に従った分類を使用した、第１の画像クラスＣＡに同時に分類される第１の分離部２４の全ての画素の第１の区域、及び第２の画像クラスＣＢに同時に分類される第２の分離部２６の全ての画素の第２の区域の和として表す。

次のステップにおいて、領域２２を分類するのに選択されたパラメータのセットが最適化される。好ましい実施形態において、式（１）及び（２）に示される閾値パラメータｔは、式（２）に規定された第１の区域及び第２の区域の和Ｓを最大化することにより最適化され、式（３）をもたらす：

このように、閾値パラメータｔは、式（２）に規定される第１の区域及び第２の区域の和を最大化する最適化された閾値ｔｏｐｔが生成されるように最適化される。別の好ましい実施形態において、閾値パラメータｔは、第１の分離部２４及び／又は第２の分離部２６のグラウンドトルース分類を使用して閾値ｔｏｐｔを得るように最適化される。本発明は、インタラクティブ画像セグメンテーションの簡単かつ直観的なやり方を可能にし、これによりユーザは、好ましくは単にモニタ上に示されるマウスカーソルを使用して与えられた輪郭の近くに領域を選択することにより、局所的なパラメータ最適化を行うことができる。

目的関数を最大化する代わりに、本発明の方法、デバイス１０及びシステム３４は、目的関数の出力を最小化し、選択された領域２２を分類するのに使用されるパラメータのセットを最適化できるようにすることが理解される。例えば、第１の画像クラスは、構造１９を実質的に特徴づけない、第１の分離部２４に関する非主要な画像クラスであり、第２の画像クラスは、構造１９に隣接する領域を実質的に特徴づけない、第２の分離部２６に関する非主要な画像クラスである。この場合、閾値パラメータｔは、第１及び第２の区域の和を最小化することにより最適化される。このように、本発明は、分類エラーが自動的に訂正されるように、パラメータのセットの選択、又は領域の分類結果と関係なく用いられる。

次のステップにおいて、図４Ｂの選択された領域２２に最適化されたパラメータのセットは、輪郭１８の残りの部分を調整するのに適用される。この輪郭調整の結果は、図４Ｃに例示的に示される。調整前の輪郭１８よりも構造１９にかなりよく一致する調整された輪郭１８’が示されている。同様に、画像１２の残りの画素もまた、最適化されたパラメータのセットを使用してセグメント化される。

図４Ａ〜図４Ｃに示される画像は、全て説明のためのものであり、実際の被験者から生成される実際の画像の正確さを要求しないことに留意されたい。

本発明は、図面及び前述の記載において詳細に図示及び説明されたが、このような図示及び記載は、解説的又は例示的であって限定するものではないと見なされるべきである。すなわち本発明は、開示された実施形態に限定されるものではない。開示された実施形態に対する他のバリエーションは、当業者により、請求項に係る発明を実施する際に、図面、開示内容、及び添付の請求項の精査から理解され、達成され得る。

請求項において、「有する（ｃｏｍｐｒｉｓｉｎｇ）」なる単語は、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」又は「ａｎ」は、複数を排除するものではない。単一のプロセッサ又は他のユニットは、請求項に列挙されたいくつかの項目の機能を充足する。特定の手段が相互に異なる従属請求項に引用されているという単なる事実は、これら手段の組み合わせを有利に使用することができないことを示すものではない。

コンピュータプログラムは、他のハードウェアと共に若しくは他のハードウェアの一部として供給される光記憶媒体又はソリッド−ステート媒体等の適切な媒体に保存／分配されてもよいが、インターネット又は他の有線若しくは無線の電気通信システムを介して等の他の形式で分配されてもよい。

請求項における任意の参照符号は、本発明の範囲を限定するものと解釈されるべきではない。

Claims (12)

1. 被験者の画像をセグメント化するデバイスであって、当該デバイスは、
   前記被験者の画像と、前記画像内の構造を示す少なくとも１つの輪郭又は輪郭の少なくとも一部とを受信するデータインターフェースと、
   前記輪郭又は前記輪郭の前記一部により第１の分離部及び第２の分離部に分割される前記画像内の領域をユーザが選択する選択ユニットと、
   画像セグメンテーションのための少なくとも１つのパラメータに基づいて、選択された前記領域の第１の画像区域を第１の画像クラスに分類し、選択された前記領域の第２の画像区域を第２の画像クラスに分類する分類器であって、前記第１の画像クラスは前記第１の分離部についての特徴があり、前記第２の画像クラスは前記第２の分離部についての特徴がある、分類器と、
   目的関数の出力が最大化又は最小化される前記少なくとも１つのパラメータの値を見つけることにより、前記少なくとも１つのパラメータを最適化するオプティマイザであって、前記目的関数は、前記少なくとも１つのパラメータの品質を決定し、前記第１の画像区域及び第２の画像区域に基づいている、オプティマイザと、
   最適化された前記少なくとも１つのパラメータを使用して前記画像をセグメント化する画像セグメンテーションユニットとを有し、
   前記選択ユニットは、前記輪郭を前記領域の内部の第１の輪郭部及び前記領域の外部の第２の輪郭部に分割するように前記領域を選択し、
   前記画像セグメンテーションユニットは、前記領域に最適化された前記少なくとも１つのパラメータを、前記第２の輪郭部において選択された少なくとも一部分に適用する、デバイス。
2. 前記第１の画像クラスは、前記第１の分離部の主要な画像クラスである、請求項１に記載のデバイス。
3. 前記第２の画像クラスは、前記第２の分離部の主要な画像クラスである、請求項１に記載のデバイス。
4. 前記オプティマイザは、前記第１の分離部から前記第１の画像クラスに対応する第１の区域を決定する、請求項１に記載のデバイス。
5. 前記オプティマイザは、前記第２の分離部から前記第２の画像クラスに対応する第２の区域を決定する、請求項１に記載のデバイス。
6. 前記目的関数は、前記第１の区域と前記第２の区域との和を含む、請求項４及び５に記載のデバイス。
7. 前記オプティマイザは、前記第１の分離部及び／又は前記第２の分離部のグラウンドトルース分類に従って前記目的関数の前記出力を最大化する、請求項１に記載のデバイス。
8. 前記画像セグメンテーションユニットは、前記最適化されたパラメータのセットを使用して前記輪郭又は前記輪郭の前記一部を調整する、請求項１に記載のデバイス。
9. 前記輪郭又は前記輪郭の前記一部は、描画された輪郭若しくは輪郭の描画された一部及び／又は計算された輪郭を含む、請求項１に記載のデバイス。
10. 被験者の画像をセグメント化するシステムであって、
    前記被験者の少なくとも１つの画像を生成する撮像装置と、
    生成された前記少なくとも１つの画像をセグメント化する請求項１に記載のデバイスとを有する、システム。
11. 被験者の画像をセグメント化する方法であって、
    前記被験者の画像と、前記画像内の構造を示す少なくとも１つの輪郭又は輪郭の少なくとも一部とを受信するステップと、
    前記輪郭又は前記輪郭の一部により第１の分離部及び第２の分離部に分割され、ユーザによって描画された領域及び／又はコンピュータによって生成された領域を含む、前記画像内の領域をユーザが選択するステップと、
    画像セグメンテーションのために少なくとも１つのパラメータに基づいて、選択された前記領域の第１の画像区域を第１の画像クラスに分類し、選択された前記領域の第２の画像区域を第２の画像クラスに分類するステップであって、前記第１の画像クラスは前記第１の分離部についての特徴があり、前記第２の画像クラスは前記第２の分離部についての特徴がある、ステップと、
    目的関数の出力が最大化又は最小化される前記少なくとも１つのパラメータの値を見つけることにより、前記少なくとも１つのパラメータを最適化するステップであって、前記目的関数は、前記少なくとも１つのパラメータの品質を決定し、前記第１の画像区域及び第２の画像区域に基づいている、ステップと、
    最適化された前記少なくとも１つのパラメータを使用して前記画像をセグメント化するステップとを含み、
    前記輪郭を前記領域の内部の第１の輪郭部及び前記領域の外部の第２の輪郭部に分割するように前記領域を選択するステップと、
    前記領域に最適化された前記少なくとも１つのパラメータを、前記第２の輪郭部において選択された少なくとも一部分に適用するステップとを更に含む、方法。
12. コンピュータプログラムがコンピュータで実行される場合に、前記コンピュータに、請求項１１に記載の方法のステップを実行させるためのプログラムコード手段を有する、コンピュータプログラム。