CN101959454A - 通过磁共振图像的自动分割进行ct替代 - Google Patents
通过磁共振图像的自动分割进行ct替代 Download PDFInfo
- Publication number
- CN101959454A CN101959454A CN2009801079959A CN200980107995A CN101959454A CN 101959454 A CN101959454 A CN 101959454A CN 2009801079959 A CN2009801079959 A CN 2009801079959A CN 200980107995 A CN200980107995 A CN 200980107995A CN 101959454 A CN101959454 A CN 101959454A
- Authority
- CN
- China
- Prior art keywords
- image
- mri
- patient
- registration
- mri image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 210000003484 anatomy Anatomy 0.000 claims abstract description 21
- 238000002591 computed tomography Methods 0.000 claims description 63
- 238000002600 positron emission tomography Methods 0.000 claims description 20
- 238000000034 method Methods 0.000 claims description 19
- 238000003384 imaging method Methods 0.000 claims description 18
- 238000012937 correction Methods 0.000 claims description 8
- 238000002603 single-photon emission computed tomography Methods 0.000 claims description 5
- 238000005481 NMR spectroscopy Methods 0.000 claims description 4
- 210000000056 organ Anatomy 0.000 claims description 4
- 230000008520 organization Effects 0.000 claims description 4
- 238000001959 radiotherapy Methods 0.000 claims description 3
- 238000003325 tomography Methods 0.000 claims description 2
- 238000003709 image segmentation Methods 0.000 claims 2
- 238000003745 diagnosis Methods 0.000 abstract description 2
- 230000001225 therapeutic effect Effects 0.000 abstract 1
- 230000005855 radiation Effects 0.000 description 13
- 210000001519 tissue Anatomy 0.000 description 7
- 238000012545 processing Methods 0.000 description 6
- 238000013507 mapping Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000002595 magnetic resonance imaging Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000009877 rendering Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 206010028980 Neoplasm Diseases 0.000 description 1
- 235000012364 Peperomia pellucida Nutrition 0.000 description 1
- 240000007711 Peperomia pellucida Species 0.000 description 1
- 238000002679 ablation Methods 0.000 description 1
- 210000000577 adipose tissue Anatomy 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000000465 moulding Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 210000004872 soft tissue Anatomy 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 238000010408 sweeping Methods 0.000 description 1
- 238000002560 therapeutic procedure Methods 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
- A61N5/00—Radiation therapy
- A61N5/10—X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy
- A61N5/103—Treatment planning systems
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computed tomography [CT]
- A61B6/032—Transmission computed tomography [CT]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computed tomography [CT]
- A61B6/037—Emission tomography
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
- A61B6/5229—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image
- A61B6/5247—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image combining images from an ionising-radiation diagnostic technique and a non-ionising radiation diagnostic technique, e.g. X-ray and ultrasound
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/38—Registration of image sequences
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/44—Constructional features of apparatus for radiation diagnosis
- A61B6/4417—Constructional features of apparatus for radiation diagnosis related to combined acquisition of different diagnostic modalities
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Animal Behavior & Ethology (AREA)
- Radiology & Medical Imaging (AREA)
- Heart & Thoracic Surgery (AREA)
- Biophysics (AREA)
- High Energy & Nuclear Physics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Optics & Photonics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Pulmonology (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
在对患者体内的解剖结构建模用于诊断或治疗规划时,可以访问经分割的共同配准的CT和MRI解剖结构参考图像的图谱集(26),可以选择一个或多个这种结构的图像并使其与患者的临床图像中对应结构的MRI图像重叠。用户可以点击并拖动参考MRI图像上的界标或分割段边缘以使参考MRI图像变形,从而与患者的MRI图像对齐。患者MRI图像中的界标到参考MRI图像的配准也将患者MRI图像界标与共同配准的参考CT图像中的对应界标配准,并自动将来自参考CT图像界标的电子密度信息归属到对应的经配准的患者MRI界标。
Description
本申请尤其应用于医疗成像***中。然而,要认识到,所描述的技术也可以应用于其他类型的成像***、治疗规划***和/或其他医疗应用中。
对于辐射处理规划、组合的磁共振(MR)/正电子发射断层摄影(PET)及其他应用而言,MR成像模态由于其更好的软组织分辨能力而优于计算机断层摄影(CT)。与具有绝对尺度,即Hounsfield尺度的CT图像不同的是,MRI图像没有绝对尺度。这使得使用MR图像取代CT图像困难且不精确。
利用CT测量的Hounsfield值为在放射治疗规划(RTP)和PET衰减校正中例如基于图像的剂量计算提供了必需的信息。对于基于MRI的RTP和MR/PET***而言,CT和这样测量的Hounsfield单位是不可用的。这就需要一种直接从MRI估计吸收系数或停止供能的机制。
现有技术中对便于克服上述缺陷的***和方法的需求仍未得到满足。
根据一个方面,一种在磁共振图像(MRI)体积中提供电子密度信息的***包括:存储器,所述存储器存储包括彼此共同配准的参考计算机断层摄影(CT)图像和参考MRI图像的图谱集(26);显示器,所述显示器呈现患者MRI图像和参考MRI图像的视图;以及处理器,所述处理器执行用于将来自所述参考CT图像中的对应界标的电子密度信息与所述患者MRI图像中选定界标相关联的算法。
根据另一方面,一种为磁共振成像(MRI)图像中的体素提供电子密度信息的方法包括:从感兴趣区域的多个相应的CT和MRI图像产生类属共同配准的计算机断层摄影(CT)和MRI参考图像;接收患者MRI图像;以及配准所述患者MRI图像和所述参考MRI图像。该方法还包括:为经配准的患者MRI图像从所述共同配准的CT图像的对应分割段检索电子密度信息;以及将检索到的电子密度信息与经配准的患者MRI图像相关联。
根据另一方面,一种解剖结构的共同配准的计算机断层摄影(CT)和磁共振成像(MRI)参考图像的图谱集包括:从一个或多个对象的解剖结构的扫描图像产生的解剖结构的多个CT和MRI参考图像,其中参考图像被共同配准以将来自所述CT参考图像中的体素的电子密度信息与相应MRI参考图像中对应体素相关联。所述图谱集还包括机器可读介质,所述机器可读介质存储共同配准的所述多个CT和MRI参考图像,供操作员调用和操纵。
一个优点是向参考MRI图像体积传递了CT电子密度信息。
另一个优点在于向MRI图像上映射了空间值信息。
在阅读并理解了下述详细说明的情况下,本领域普通技术人员将认识到本创新的更多优点。
可以通过各种部件和部件设置,以及通过各种步骤和步骤设置的形式实现本创新。附图的目的在于对各方面进行图示,不应将其解读为对本发明构成限制。
图1图示了用于从由磁共振成像装置摄取的图像产生CT特有信息的***,以辅助即将进行的PET/MR扫描的衰减校正、基于MR图像的辐射处理的剂量计算等。
图2图示了用于从由MRI装置产生的图像产生CT特有信息的方法。
图3图示了包括诸如CT、MRI等的多个成像装置的示范性医院***,成像装置产生成像数据,由独立或共享的重建处理器重建成像数据以产生3D图像表示。
图1图示了一种***10,其用于从由磁共振成像装置摄取的图像产生CT特有信息以辅助:对即将进行的PET/MR扫描的衰减校正、基于MR图像进行辐射处理的剂量计算等。***10采用算法从MRI数据集导出CT特有信息,并且包括耦合到CT扫描器13和MRI装置14的用户界面12。MRI装置可以是常规MRI装置、集成的线性加速MRI(ILAMRI)装置等。在一个实施例中,使用组合的CT-MRI成像装置。用户界面包括处理器16,处理器16执行存储器18中存储的算法和/或例程以执行这里所述的各种功能。用户界面还包括用于向用户呈现信息的显示器20以及输入装置22(例如,鼠标、触针、键盘、麦克风或其他输入装置)。存储器18包括图像数据24(例如,由CT和/或MRI装置收集的)、一个或多个图谱集26、界标数据库28和参考结构数据库30。图谱集包括来自多个对象的通用共同配准的CT和MRI数据,其变形以收敛到解剖特性的公共通用映射。界标数据库包括解剖结构公共的多个界标,使用界标以允许操作员将来自数据库30的参考结构手动变形(例如点击并拖放等)到患者图像中的感兴趣区域或结构。
在一个实施例中,通过摄取具有不同形状和尺寸的不同患者或对象的若干CT和MRI图像并对每幅图像手动配准界标来填充图谱集26。在利用MRI对新患者成像以进行临床评估(例如,诊断、治疗规划、辐射剂量评价等)时,在新患者的MRI图像上重叠类属(generic)或通用MRI参考图像并在显示器20上加以显示。操作员对齐对应的界标,以可变形地将新患者的MRI图像配准到参考MRI图像上。因为先前MR和CT参考图像被彼此配准,所以新MR图像到参考MR图像的配准也将新MR图像配准到参考CT图像。访问参考CT图像以选择与CT图像中的对应界标、结构或区域相关联的Hounsfield值,并将它们归属于新患者MRI图像中的体素。通过这种方式,向MRI患者图像提供CT强度信息。
处理器16产生患者体内要被检查的区域的图谱集。为了产生图谱集26,由CT扫描器13和MRI装置14产生各患者体内的感兴趣区域的CT图像和MR图像。对这些图像都进行(例如手动地)分割以确定图谱集的CT和MRI部分中类似组织的对应区域。在辐射处理规划期间,产生当前患者体内感兴趣区域的MRI图像。处理器利用弹性变换将患者的MRI图像与图谱集MRI图像配准。患者MRI图像与MRI图谱集图像的配准也将患者的MRI图像与CT图谱集图像配准。基于这种配准,为患者MRI图像的每个体素选择对应的CT或Hounsfield值以在剂量和其他规划计算中使用。或者,可以将单一CT值分配给分割段的每个,并将患者MRI图像的分割段之内的所有体素与同一CT或Hounsfield值相关。
在辐射规划中,选择通过目标区域(例如,肿瘤等)的一系列轨迹。还为每个轨迹选择治疗处理的形状、强度和停留时间。执行选择以向目标区域递送期望的最小辐射剂量,同时不超过周围组织的最大可接受剂量。最大可接受剂量随着组织类型而变化。
在处理射束向目标前进时,其通过组织,组织会使射束衰减。衰减是Hounsfield或CY数的函数,并且在计算递送给目标的剂量时被计入考虑。如果在处理会话期间患者有运动,射束在通往目标的路径上穿过的组织可能会改变。进行运行中计算以调整处理方案,以确保向目标递送最小累积剂量而在其他组织中不超过最大值。
***10不仅能够用于辐射处理规划中,而且能够在辐射处理期间使用以监测运动或患者与处理射束之间的失准。基于所感测的失准,可以修改处理方案,或者,如果患者移动太远,可以关闭处理射束。
在组合PET/MRI扫描中,知道针对被成像区域的每个体素的Hounsfield数也是有利的。基于Hounsfield数,可以进行PET辐射衰减校正。利用所描述的MRI/CT图谱集,可以从MRI图像确定每个体素的电子密度或Hounsfield数,以用在PET或SPECT成像技术的衰减校正中。
根据示例,用户使解剖学图谱集变形,以匹配个体患者的MRI数据集,其中解剖学图谱集包括3D CT数据集和一组解剖学参考结构30和解剖学界标28。变形过程提供了CT Hounsfield单位从图谱集到患者MRI数据集的映射。基于图谱集的变形能够自动根据MRI搜索确定最佳扫描平面。
在一个实施例中,从不同患者摄取的目标成像模态MR的一组手动分割图像数据集生成解剖结构的图谱集。该分割由感兴趣解剖结构的描绘以及突出的解剖界标构成。例如,借助于点分布模型在统计模型中对患者群内的描绘和界标的空间变化进行编码。
用户或技术人员通过检查图像的灰度值设置突出界标。亦即,周围的图像信息是对于给定界标的特征。因此,周围图像信息的模型伴随着界标的空间分布模型。在训练数据间界标以一对一的关系对应,借助于弹性图像配准,处理器16向公共灰度值图像弯曲所有训练图像。那么,这个图谱集图像包含每个界标附近的特征灰度值图像信息。
处理器16还针对各CT图像执行同一解剖结构的描绘。可以从不同患者获取训练图像(例如MRI、CT等)。由处理器从这个数据产生放射(radio)密度到空间区域/解剖结构的映射。由于CT有绝对Hounsfield尺度,多个数据集不是必要的;虽然如此,仍可以使用多个数据集检验不同患者间所描绘区域的放射密度值的一致性。
在另一实施例中,不是直接使用映射的Hounsfield值,而是处理器使用变形的图谱集来导出MRI数据的粗分割,以导出灰度值组织模型。
根据另一实施例,在组合的MR-PET医疗扫描器(未示出)中采用该***。在处理器16从组合扫描器接收患者的MR数据时,检索出训练数据上定义的突出界标。例如,处理器可以采用标准图像处理技术并利用图谱集图像中的灰度值特征。为了进一步便于识别患者图像中感兴趣区域的空间位置和/或取向,可以限制基于空间位置的统计变化模型的搜索空间。在定位界标之后,可以从MR参考数据向患者的MR图像传送所描绘的结构。这是利用与用于产生灰度值Hounsfield参考图像相同的基于点对应的弹性方法来实现的。然后基于所存储的放射密度值到解剖区域的映射向患者MR图像中的区域分配放射(例如电子)密度值。给定带有放射密度值标签的MR图像,可以执行对应PET图像的适当衰减校正。
在涉及放射治疗处理规划***的另一实施例中,在没有伴随的PET图像时采用类似方案。将所得的带放射密度标签的MR图像用于处理规划***的剂量计算,并省却了用于执行期望任务时对CT图像的需求。
图2示出了用于从由MRI装置产生的图像来产生CT特有信息的方法。在50,从多个对象和/或其中的感兴趣区域的CT和MRI扫描产生参考图像的图谱集。从这一群体构造通用或类属参考CT图像体积和通用或类属参考MRI图像体积。CT参考图像具有与其中的体素、界标、结构和/或区域相关联的Hounsfield值。CT和MRI参考图像彼此共同配准,从而使得新的MRI图像到参考MRI图像的配准也将新的MRI图像自动配准到CT参考图像。
在52,产生患者MRI图像体积。在54,将患者MRI图像界标配准(例如自动或手动)到参考MRI图像中的对应界标。在56,电子密度信息从共同配准的参考CT图像界标和/或区域中被检索出来并被归属到对应的经配准的患者MRI图像界标和/或区域。然后可以将电子密度信息用于对后续的MR/PET或MR/SPECT患者图像执行衰减校正。例如,可以从共同配准的CT参考图像界标检索对于所选的经配准MR参考图像界标的Hounsfield单位值并将其归属于患者MRI图像界标。该方法然后返回到54,进一步重复患者MRI图像界标的选择和配准,并继续进行,直到已经配准预定或充足数量的患者MRI图像界标以执行期望任务(例如,治疗规划、辐射剂量计算、衰减校正等)。
参考图3,示范性医院***可以包括多个成像装置100,例如CT 13、MRI 14等,成像装置100产生成像数据,由个体或共享的重建处理器102重建成像数据以产生3D图像表示。通过网络104向中央存储器106发送图像表示。
在与网络连接的站110,操作员使用用户界面12将选定的3D患者MRI图像表示从中央存储器移动到本地存储器114。例如,视频处理器116从参考图像存储器30在参考图像的图谱集26中选择用于在显示器20的第一观察窗1181中显示的参考图像。可以由操作员手动、半自动地或自动地选择参考图像。在半自动选择时,为操作员呈现从参考图像的较大集合中自动选择的密切匹配感兴趣区域中器官(一个或多个)或组织的尺寸、个性特征(identity)和/或形状的参考图像的子集,操作员从该子集中进行选择。在自动选择时,处理器116自动选择符合预定标准(例如,患者图像中感兴趣区域中器官(一个或多个)或组织的尺寸、形状、个性特征等)的最佳匹配参考图像。
在第二观察窗1182中显示患者MRI图像。第三观察窗1183能够显示参考图像和患者图像的重叠,以允许用户将参考图像中的界标配准到患者图像中的对应结构或界标。例如,操作员通过界面12(例如,使用鼠标、触针或其他适当的用户输入装置)选择与参考图像中的界标对应的患者图像界标。视频处理器然后将来自参考图像的电子密度体素值归属到患者图像,以改善患者图像的分割。
在一个实施例中,不同类型的组织具有不同的体素值(例如,骨为“1”、脂肪组织为“2”等),且每个体素值与电子密度相关联。患者图像到参考图像的配准将体素值与患者图像相关联,由此便于对患者图像中的结构进行密度估计。
在另一实施例中,操作员使用用户界面从图谱集26选择参考图像,并且视频处理器在观察窗1183中将参考图像叠加到患者MRI图像上。为了使参考图像符合患者图像中一个或多个结构的形状,操作员使用输入装置选择患者图像的一个或多个分割段上的界标。操作员然后将参考图像上的第二界标指定为与患者图像上的界标对应。然后将与参考图像界标相关联的CT数据归属到患者MRI图像界标。
一旦已经配准了充足数量的界标,患者图像就可以被存储在中央存储器106中或直接用于另一过程中。例如,治疗规划(例如辐射、烧蚀等)站130能够使用轮廓来规划治疗会话。一旦规划得令操作员满意,就将规划的治疗传输到实施所规划的会话的治疗装置132。其他站可以在各种其他规划过程中使用成型的轮廓。
在另一实施例中,将具有替代CT数据的MRI患者图像用于辐射剂量的计算,例如,在配准期间使用与患者图像中的界标相关联的Hounsfield值。
在另一实施例中,可以调节观察窗1183中显示的重叠图像以相对于CT图像数据对MRI图像数据加权,或反之。例如,可以调节滑动杆或旋钮(未示出)以改变MRI图像数据或CT图像数据的权重,其中该调节可以是机械的或出现于显示器20上并利用输入装置进行的。在一个示例中,操作员可以将观察窗1183中的图像,从纯粹CT图像数据(如观察窗1181中所示),经过CT和MRI图像数据的多个和/或连续组合,调节成纯粹MRI图像数据(如观察窗1182中所示)。例如,可以从0∶1到1∶0离散地或连续地调节CT图像数据与MRI图像数据的比例。
已经参考若干实施例描述了本创新。在阅读并理解了前述详细描述的同时,本领域技术人员可以想到修改和变化。旨在将本创新解读为包括所有此类落在权利要求及其等同替代的范围内的修改和变化。
Claims (22)
1.一种在磁共振图像(MRI)体积中提供电子密度信息的***,包括:
存储器(18),所述存储器存储包括彼此共同配准的参考计算机断层摄影(CT)图像和参考MRI图像的图谱集(26);
显示器(20),所述显示器呈现患者MRI图像和参考MRI图像的视图;以及
处理器(16),所述处理器执行用于将来自所述参考CT图像中的对应界标的电子密度信息与所述患者MRI图像中的选定界标相关联的算法。
2.根据权利要求1所述的***,还包括输入装置(22),所述输入装置选择所述患者MRI图像上的界标以配准到所述参考MRI图像上的对应界标。
3.根据权利要求1所述的***,其中,参考CT图像是从多个对象的CT图像产生的类属CT图像,所述参考MRI图像是从多个对象的MRI图像产生的类属MRI图像。
4.根据权利要求1所述的***,其中,通过手动将所述参考CT图像中的界标配准到所述参考MRI图像中的对应界标并将来自所述参考CT图像的经分割区域的电子密度信息与所述参考MRI图像的对应分割段相关联来将所述参考CT图像和所述参考MRI图像共同配准。
5.根据权利要求1所述的***,其中,使所述参考MRI图像变形以与所述患者MRI图像对齐,并利用变形的参考MRI图像产生辐射治疗计划。
6.根据权利要求1所述的***,还包括:
产生所述患者MRI图像的MRI成像装置;以及
核扫描器,所述核扫描器产生所述患者的单光子发射计算机断层摄影(SPECT)图像或正电子发射断层摄影(PET)图像。
7.根据权利要求6所述的***,其中,所述处理器(18)根据来自经配准的患者MRI图像的电子密度信息为所述患者的SPECT或PET图像产生衰减校正数据。
8.根据权利要求1所述的***,还包括产生所述患者MRI图像的集成的线性加速的MRI成像装置。
9.根据权利要求1所述的***,其中,所述图谱集(26)包括不同尺寸的解剖结构的CT和MRI参考图像。
10.根据权利要求9所述的***,其中,所述图谱集(26)包括解剖结构的组群的CT和MRI参考图像。
11.根据权利要求1所述的***,还包括:
用于利用类属共同配准的CT和MRI参考图像产生所述图谱集(26)的例程或模块(50);
用于产生患者MRI图像的例程或模块(52);
用于选择所述患者MRI图像中的界标并将选定界标配准到所述参考MRI图像中的对应界标的例程或模块(54);以及
用于为经配准的患者MRI图像从所述共同配准的CT图像检索电子密度信息的例程或模块(56)。
12.根据权利要求1所述的***,其中,所述处理器(16)配置用于:
从多个相应的CT和MRI图像产生类属共同配准的CT和MRI参考图像;
分割所述共同配准的CT和MRI参考图像以界定表示器官或类似组织的区域;
接收患者MRI图像数据;
接收指示所述患者MRI图像中的界标的选择以及所述参考MRI图像中的对应界标的输入;
将所述患者MRI图像中的选定界标配准到所述参考MRI图像中的对应界标;以及
从对应的共同配准的CT图像分割段检索电子密度信息并将所检索到的电子密度信息与经配准的患者MRI图像分割段相关联。
13.一种为磁共振成像(MRI)图像中的体素提供电子密度信息的方法,包括:
从感兴趣区域的多个相应的CT和MRI图像产生类属共同配准的计算机断层摄影(CT)和MRI参考图像;
接收患者MRI图像;
配准所述患者MRI图像和所述参考MRI图像;
为经配准的患者MRI图像从所述共同配准的CT图像的对应分割段检索电子密度信息;以及
将所检索到的电子密度信息与经配准的患者MRI图像相关联。
14.根据权利要求13所述的方法,还包括利用具有所检索到的电子密度信息的所述患者MRI图像产生治疗计划。
15.根据权利要求13所述的方法,还包括采用弹性变换将所述患者MRI图像配准到所述参考MRI图像。
16.根据权利要求13所述的方法,其中,所述图谱集(26)包括不同解剖结构的多个共同配准的CT和MRI参考图像、一个或多个不同尺寸的解剖结构的CT和MRI参考图像和/或解剖结构的一个或多个不同组合的CT和MRI参考图像。
17.根据权利要求13所述的方法,还包括采用包括所述电子密度数据的经配准的患者MRI图像来校正正电子发射断层摄影(PET)数据采集和单光子发射计算机断层摄影(SPECT)数据采集中的至少一个期间的衰减。
18.根据权利要求13所述的方法,还包括分割所述共同配准的CT和MRI参考图像以界定表示器官或类似组织的区域。
19.根据权利要求18所述的方法,还包括接收指示与经分割的参考MRI图像中的界标对应的所述患者MRI图像中的界标的选择的输入。
20.一种编程用于执行权利要求13所述的方法的处理器(16)或计算机可读介质(18)。
21.一种用于在磁共振图像(MRI)体积中提供电子密度信息的设备,包括:
用于执行根据权利要求13所述的方法的步骤的模块。
22.一种解剖结构的共同配准的计算机断层摄影(CT)和磁共振成像(MRI)参考图像的图谱集,所述图谱集包括:
从一个或多个对象的由解剖结构的扫描图像产生的解剖结构的多个CT和MRI参考图像,其中,使所述参考图像共同配准以将来自所述CT参考图像中的体素的电子密度信息与相应MRI参考图像中的对应体素相关联;以及
机器可读介质(18),所述机器可读介质存储共同配准的所述多个CT和MRI参考图像,供操作员调用和操纵。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US3453508P | 2008-03-07 | 2008-03-07 | |
US61/034,535 | 2008-03-07 | ||
PCT/IB2009/050754 WO2009109874A1 (en) | 2008-03-07 | 2009-02-25 | Ct surrogate by auto-segmentation of magnetic resonance images |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101959454A true CN101959454A (zh) | 2011-01-26 |
CN101959454B CN101959454B (zh) | 2013-11-20 |
Family
ID=40710569
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2009801079959A Expired - Fee Related CN101959454B (zh) | 2008-03-07 | 2009-02-25 | 通过磁共振图像的自动分割进行ct替代 |
Country Status (4)
Country | Link |
---|---|
US (1) | US8787648B2 (zh) |
EP (1) | EP2252204B1 (zh) |
CN (1) | CN101959454B (zh) |
WO (1) | WO2009109874A1 (zh) |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104220898A (zh) * | 2012-03-28 | 2014-12-17 | 独立行政法人放射线医学综合研究所 | 基于mr图像的pet吸收校正图像生成方法以及计算机程序 |
CN104956398A (zh) * | 2013-01-30 | 2015-09-30 | 因派克医药***有限公司 | 用于使用不同类型的图像来生成导出的图像的方法和设备 |
CN105473182A (zh) * | 2013-07-31 | 2016-04-06 | 皇家飞利浦有限公司 | 治疗规划的自动化 |
CN105809175A (zh) * | 2014-12-30 | 2016-07-27 | 深圳先进技术研究院 | 一种基于支持向量机算法的脑水肿分割方法及*** |
CN107705308A (zh) * | 2017-09-11 | 2018-02-16 | 南京理工大学 | 基于多模态磁共振的脑肿瘤图像分割方法 |
CN107913470A (zh) * | 2016-10-07 | 2018-04-17 | 西门子保健有限责任公司 | 用于支持患者的辐照规划的方法 |
CN108074270A (zh) * | 2016-11-11 | 2018-05-25 | 上海东软医疗科技有限公司 | 一种pet衰减校正方法和装置 |
CN108475436A (zh) * | 2015-12-29 | 2018-08-31 | 皇家飞利浦有限公司 | 使用轮廓标志的外科手术图像采集设备的配准 |
CN108778416A (zh) * | 2015-10-13 | 2018-11-09 | 医科达有限公司 | 使用组织参数估计根据mr数据的伪ct生成 |
CN110288641A (zh) * | 2019-07-03 | 2019-09-27 | 武汉瑞福宁科技有限公司 | Pet/ct与mri脑部图像异机配准方法、装置、计算机设备及存储介质 |
CN110381839A (zh) * | 2017-01-06 | 2019-10-25 | 爱可瑞公司 | 处置计划图像、分次内3D图像和分次内2D x射线图像的图像配准 |
CN110831664A (zh) * | 2017-05-11 | 2020-02-21 | 医科达有限公司 | 放射疗法期间考虑形状变化的***和方法 |
CN111052181A (zh) * | 2017-08-31 | 2020-04-21 | 皇家飞利浦有限公司 | 用于评估扁平解剖结构的图像处理 |
CN111316327A (zh) * | 2017-11-07 | 2020-06-19 | 皇家飞利浦有限公司 | 对移动对象的pet数据的衰减校正 |
CN111373443A (zh) * | 2017-10-18 | 2020-07-03 | 皇家飞利浦有限公司 | 用于医学图像分割的界标可视化 |
CN111566699A (zh) * | 2017-12-08 | 2020-08-21 | 皇家飞利浦有限公司 | 静态流程前规划数据到动态流程内分割数据的配准 |
Families Citing this family (35)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7961945B2 (en) * | 2007-02-13 | 2011-06-14 | Technische Universität München | System and method for on-the-fly segmentations for image deformations |
DE102008032006B4 (de) * | 2008-07-07 | 2017-01-05 | Siemens Healthcare Gmbh | Verfahren zur Steurung der Bildaufnahme bei einer Bildaufnahmeeinrichtung, sowie eine Bildaufnahmeeinrichtung |
CN102369529A (zh) | 2009-04-02 | 2012-03-07 | 皇家飞利浦电子股份有限公司 | 用于图像引导治疗规划的自动解剖结构描绘 |
GB2479717B (en) * | 2010-04-13 | 2015-03-11 | Mirada Medical | Method for estimating radiation exposure of a patient and radiation exposure monitoring system therefor |
DE102010027878A1 (de) * | 2010-04-16 | 2011-10-20 | Siemens Aktiengesellschaft | Auswerteverfahren für eine Auswertung von medizinischen Bilddaten sowie eine medizinische Auswertevorrichtung hierzu |
US9454823B2 (en) | 2010-07-28 | 2016-09-27 | arian Medical Systems, Inc. | Knowledge-based automatic image segmentation |
US9020216B2 (en) | 2010-07-28 | 2015-04-28 | Varian Medical Systems, Inc. | Knowledge-based automatic image segmentation |
US10332225B2 (en) * | 2011-01-28 | 2019-06-25 | Varian Medical Systems International Ag | Radiation therapy knowledge exchange |
US9361701B2 (en) * | 2011-04-13 | 2016-06-07 | Hamid Reza TIZHOOSH | Method and system for binary and quasi-binary atlas-based auto-contouring of volume sets in medical images |
US8917268B2 (en) * | 2011-11-11 | 2014-12-23 | General Electric Company | Systems and methods for performing image background selection |
EP2815381B1 (en) | 2012-02-17 | 2016-09-07 | Advanced MR Analytics AB | Method of classification of organs from a tomographic image |
CN102646268B (zh) * | 2012-02-22 | 2015-09-09 | 中国科学院自动化研究所 | 基于统计多图谱配准优化的磁共振图像脑子结构自动分割方法 |
CN108095761B (zh) | 2012-03-07 | 2021-10-15 | 齐特奥股份有限公司 | 空间对准设备、空间对准***及用于指导医疗过程的方法 |
US9135695B2 (en) * | 2012-04-04 | 2015-09-15 | Siemens Aktiengesellschaft | Method for creating attenuation correction maps for PET image reconstruction |
KR101470411B1 (ko) * | 2012-10-12 | 2014-12-08 | 주식회사 인피니트헬스케어 | 가상 환자 모델을 이용한 의료 영상 디스플레이 방법 및 그 장치 |
US9002082B2 (en) | 2012-12-27 | 2015-04-07 | General Electric Company | Axially varying truncation completion for MR-based attenuation correction for PET/MR |
WO2015081079A1 (en) * | 2013-11-26 | 2015-06-04 | Henry Ford Innovation Institute | Software for using magnetic resonance images to generate a synthetic computed tomography image |
EP3089664B1 (en) * | 2013-12-31 | 2021-09-01 | The Medical College of Wisconsin, Inc. | Adaptive replanning based on multimodality imaging |
JP6835587B2 (ja) * | 2014-02-19 | 2021-02-24 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | 医用4dイメージングにおける動き適応型可視化 |
CN106462948B (zh) * | 2014-04-01 | 2019-06-25 | 皇家飞利浦有限公司 | 一种估计伪亨氏单位值的方法 |
US10149987B2 (en) | 2014-05-04 | 2018-12-11 | Spectronic Ab | Method and system for generating synthetic electron density information for dose calculations based on MRI |
US10617401B2 (en) | 2014-11-14 | 2020-04-14 | Ziteo, Inc. | Systems for localization of targets inside a body |
US9563979B2 (en) * | 2014-11-28 | 2017-02-07 | Toshiba Medical Systems Corporation | Apparatus and method for registering virtual anatomy data |
US11285338B2 (en) | 2015-04-14 | 2022-03-29 | Koninklijke Philips N.V. | Radiotherapy planning with improve accuracy |
US10307108B2 (en) * | 2015-10-13 | 2019-06-04 | Elekta, Inc. | Pseudo-CT generation from MR data using a feature regression model |
DE102016218359B3 (de) * | 2016-09-23 | 2017-11-09 | Siemens Healthcare Gmbh | Verfahren und Vorrichtung zur Korrektur einer synthetischen Elektronendichtekarte |
EP3538908A1 (en) * | 2016-11-10 | 2019-09-18 | Memorial Sloan Kettering Cancer Center | Methods and systems for synthetic computed tomography (ct) image creation |
WO2018089753A2 (en) * | 2016-11-10 | 2018-05-17 | Memorial Sloan Kettering Cancer Center | Synthetic computed tomography (ct) image creation using a generalized registration error (gre) metric |
US10424045B2 (en) | 2017-06-21 | 2019-09-24 | International Business Machines Corporation | Machine learning model for automatic image registration quality assessment and correction |
US10417737B2 (en) | 2017-06-21 | 2019-09-17 | International Business Machines Corporation | Machine learning model for automatic image registration quality assessment and correction |
EP3564906A1 (de) * | 2018-05-04 | 2019-11-06 | Siemens Healthcare GmbH | Verfahren zur erzeugung von bilddaten bei einem computertomographiegerät, bilderzeugungsrechner, computertomographiegerät, computerprogrammprodukt und computerlesbarer datenträger |
US11961245B2 (en) | 2018-10-30 | 2024-04-16 | Our United Corporation | Method and apparatus for performing image guidance, medical equipment, and computer-readable storage medium |
JP7467145B2 (ja) | 2019-02-08 | 2024-04-15 | キヤノンメディカルシステムズ株式会社 | 放射線治療計画装置 |
US11439358B2 (en) * | 2019-04-09 | 2022-09-13 | Ziteo, Inc. | Methods and systems for high performance and versatile molecular imaging |
CN116071401B (zh) * | 2023-01-28 | 2023-08-01 | 中日友好医院(中日友好临床医学研究所) | 基于深度学习的虚拟ct图像的生成方法及装置 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5672877A (en) * | 1996-03-27 | 1997-09-30 | Adac Laboratories | Coregistration of multi-modality data in a medical imaging system |
US6368331B1 (en) * | 1999-02-22 | 2002-04-09 | Vtarget Ltd. | Method and system for guiding a diagnostic or therapeutic instrument towards a target region inside the patient's body |
US7652259B2 (en) * | 2000-08-21 | 2010-01-26 | Spectrum Dynamics Llc | Apparatus and methods for imaging and attenuation correction |
EP1890261B1 (de) | 2006-08-14 | 2009-02-18 | BrainLAB AG | Registrierung von MR-Daten anhand generischer Modelle |
US20060004284A1 (en) | 2004-06-30 | 2006-01-05 | Frank Grunschlager | Method and system for generating three-dimensional model of part of a body from fluoroscopy image data and specific landmarks |
US7292037B2 (en) | 2004-09-30 | 2007-11-06 | Brainlab Ag | Method and device for generating a CT data set |
DE102006021771B4 (de) * | 2006-05-10 | 2008-07-17 | Siemens Ag | Vorrichtung, Verfahren sowie Computerprogrammprodukt zur Erstellung einer Bestrahlungsplanung |
-
2009
- 2009-02-25 CN CN2009801079959A patent/CN101959454B/zh not_active Expired - Fee Related
- 2009-02-25 US US12/920,332 patent/US8787648B2/en active Active
- 2009-02-25 WO PCT/IB2009/050754 patent/WO2009109874A1/en active Application Filing
- 2009-02-25 EP EP09718294.3A patent/EP2252204B1/en active Active
Cited By (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104220898B (zh) * | 2012-03-28 | 2017-05-17 | 国立研究开发法人量子科学技术研究开发机构 | 基于mr图像的pet吸收校正图像生成方法 |
CN104220898A (zh) * | 2012-03-28 | 2014-12-17 | 独立行政法人放射线医学综合研究所 | 基于mr图像的pet吸收校正图像生成方法以及计算机程序 |
CN104956398A (zh) * | 2013-01-30 | 2015-09-30 | 因派克医药***有限公司 | 用于使用不同类型的图像来生成导出的图像的方法和设备 |
CN104956398B (zh) * | 2013-01-30 | 2018-02-16 | 医科达有限公司 | 用于使用不同类型的图像来生成导出的图像的方法和设备 |
CN105473182B (zh) * | 2013-07-31 | 2018-11-13 | 皇家飞利浦有限公司 | 治疗规划的自动化 |
CN105473182A (zh) * | 2013-07-31 | 2016-04-06 | 皇家飞利浦有限公司 | 治疗规划的自动化 |
CN105809175A (zh) * | 2014-12-30 | 2016-07-27 | 深圳先进技术研究院 | 一种基于支持向量机算法的脑水肿分割方法及*** |
CN105809175B (zh) * | 2014-12-30 | 2020-08-21 | 深圳先进技术研究院 | 一种基于支持向量机算法的脑水肿分割方法及*** |
CN108778416A (zh) * | 2015-10-13 | 2018-11-09 | 医科达有限公司 | 使用组织参数估计根据mr数据的伪ct生成 |
US10664723B2 (en) | 2015-10-13 | 2020-05-26 | Elekta, Inc. | Pseudo-CT generation from MR data using tissue parameter estimation |
CN108475436A (zh) * | 2015-12-29 | 2018-08-31 | 皇家飞利浦有限公司 | 使用轮廓标志的外科手术图像采集设备的配准 |
CN107913470A (zh) * | 2016-10-07 | 2018-04-17 | 西门子保健有限责任公司 | 用于支持患者的辐照规划的方法 |
US10729919B2 (en) | 2016-10-07 | 2020-08-04 | Siemens Healthcare Gmbh | Method for supporting radiation treatment planning for a patient |
CN108074270A (zh) * | 2016-11-11 | 2018-05-25 | 上海东软医疗科技有限公司 | 一种pet衰减校正方法和装置 |
CN108074270B (zh) * | 2016-11-11 | 2021-11-30 | 上海东软医疗科技有限公司 | 一种pet衰减校正方法和装置 |
CN110381839B (zh) * | 2017-01-06 | 2023-10-27 | 爱可瑞公司 | 处置计划图像、分次内3D图像和分次内2D x射线图像的图像配准 |
CN110381839A (zh) * | 2017-01-06 | 2019-10-25 | 爱可瑞公司 | 处置计划图像、分次内3D图像和分次内2D x射线图像的图像配准 |
CN110831664B (zh) * | 2017-05-11 | 2021-04-27 | 医科达有限公司 | 放射疗法期间考虑形状变化的***和方法 |
CN110831664A (zh) * | 2017-05-11 | 2020-02-21 | 医科达有限公司 | 放射疗法期间考虑形状变化的***和方法 |
CN111052181A (zh) * | 2017-08-31 | 2020-04-21 | 皇家飞利浦有限公司 | 用于评估扁平解剖结构的图像处理 |
CN107705308A (zh) * | 2017-09-11 | 2018-02-16 | 南京理工大学 | 基于多模态磁共振的脑肿瘤图像分割方法 |
CN111373443A (zh) * | 2017-10-18 | 2020-07-03 | 皇家飞利浦有限公司 | 用于医学图像分割的界标可视化 |
CN111316327A (zh) * | 2017-11-07 | 2020-06-19 | 皇家飞利浦有限公司 | 对移动对象的pet数据的衰减校正 |
CN111316327B (zh) * | 2017-11-07 | 2024-05-24 | 皇家飞利浦有限公司 | 对移动对象的pet数据的衰减校正 |
CN111566699A (zh) * | 2017-12-08 | 2020-08-21 | 皇家飞利浦有限公司 | 静态流程前规划数据到动态流程内分割数据的配准 |
CN110288641A (zh) * | 2019-07-03 | 2019-09-27 | 武汉瑞福宁科技有限公司 | Pet/ct与mri脑部图像异机配准方法、装置、计算机设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
US20110007959A1 (en) | 2011-01-13 |
EP2252204A1 (en) | 2010-11-24 |
CN101959454B (zh) | 2013-11-20 |
EP2252204B1 (en) | 2017-10-04 |
US8787648B2 (en) | 2014-07-22 |
WO2009109874A1 (en) | 2009-09-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101959454B (zh) | 通过磁共振图像的自动分割进行ct替代 | |
RU2518299C2 (ru) | Коррекция ослабления мр катушек в гибридной системе пэт/мр | |
US10223794B2 (en) | Method and device for generating one or more computer tomography images based on magnetic resonance images with the help of tissue class separation | |
Schreibmann et al. | MR‐based attenuation correction for hybrid PET‐MR brain imaging systems using deformable image registration | |
CN102067176B (zh) | 结合局部运动监测、校正和评估的辐射成像 | |
JP6506495B2 (ja) | 磁気共鳴撮像法を使用した陽電子放出断層撮像法における減衰補正 | |
US10149987B2 (en) | Method and system for generating synthetic electron density information for dose calculations based on MRI | |
US8406495B2 (en) | MR segmentation using transmission data in hybrid nuclear/MR imaging | |
EP3268931B1 (en) | Method and apparatus for assessing image registration | |
US20170319167A1 (en) | X-ray ct device and medical information management device | |
CN109567843A (zh) | 一种成像扫描自动定位方法、装置、设备及介质 | |
CN107072595A (zh) | 基于多模态成像的自适应重计划 | |
CN106975163A (zh) | 用于图像引导治疗规划的自动解剖结构描绘 | |
RU2589461C2 (ru) | Устройство для создания присваиваний между областями изображения и категориями элементов | |
CN106725570A (zh) | 成像方法及*** | |
CN102473300A (zh) | 多模态***成像 | |
CN101233521A (zh) | 形成多项研究的方法和装置 | |
Marshall et al. | Description and assessment of a registration‐based approach to include bones for attenuation correction of whole‐body PET/MRI | |
US20200271507A1 (en) | Patient Weight Estimation from Surface Data using a Patient Model | |
Fitton et al. | Semi‐automatic delineation using weighted CT‐MRI registered images for radiotherapy of nasopharyngeal cancer | |
EP3773213B1 (en) | Flexible dose estimation with user-defined volumes | |
Crowe et al. | Evaluation of optical 3D scanning system for radiotherapy use | |
CN108182434A (zh) | 一种图像处理方法及装置 | |
CN114943714A (zh) | 医学图像处理***、装置、电子设备及存储介质 | |
Al-Dhamari et al. | Automatic cochlear multimodal 3D image segmentation and analysis using atlas–model-based method |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20131120 |