CN102132321B - 用于医学图像的配准的自动预对准 - Google Patents
用于医学图像的配准的自动预对准 Download PDFInfo
- Publication number
- CN102132321B CN102132321B CN2009801306789A CN200980130678A CN102132321B CN 102132321 B CN102132321 B CN 102132321B CN 2009801306789 A CN2009801306789 A CN 2009801306789A CN 200980130678 A CN200980130678 A CN 200980130678A CN 102132321 B CN102132321 B CN 102132321B
- Authority
- CN
- China
- Prior art keywords
- images
- section
- axial
- image
- imaged
- 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.)
- Expired - Fee Related
Links
Images
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/04—Indexing scheme for image data processing or generation, in general involving 3D image data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10104—Positron emission tomography [PET]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10132—Ultrasound image
- G06T2207/10136—3D ultrasound image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20076—Probabilistic image processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
在图像配准中,计算以多个相对轴向偏移(30)偏移的第一和第二图像(4,6)的相似性度量。基于所计算的相似性度量识别第一和第二图像之间的起始相对轴向偏移(40)。使用所识别的第一和第二图像之间的起始相对轴向偏移作为迭代图像配准过程的初始条件来执行迭代图像配准过程以相对配准第一和第二图像(4,6)。还可以将起始相对切片内偏移(42)识别为有效用于对准偏移了起始相对轴向偏移(40)的第一和第二图像(4,6)的对应切片的切片偏移,所识别的起始相对切片内偏移还被用作迭代图像配准过程的初始条件。
Description
下文涉及医学领域、成像领域、图像处理领域和相关领域。
医学成像用于筛查、诊断、监测、治疗规划、临床和临床前研究以及其他医学相关应用。一些已知的医学成像技术包括计算断层摄影(CT)成像、正电子发射断层摄影(PET)、单光子发射计算断层摄影(SPECT)、磁共振(MR)成像等。最近,已经开放出各种混合式医学成像***,这些***在公共坐标系中提供不同的成像模态。这种混合式***的两个范例是GeminiTM飞行时间(Time-of-Flight)PET/CT扫描器和PrecedenceTMSPECT/CT扫描器,两者都可以从荷兰Eindhoven的Koninklijke PhilipsElectronics N.V.获得。例如,GeminiTM***提供了与公共对象支撑共轴对准布置的PET和CT扫描器。这种组合有一定的互补能力,例如,CT往往能提供结构信息,而PET往往能提供互补的功能信息。
在由不同成像模态采集图像或在不同时间由同一模态采集图像时(要么使用不同的实施不同模态的独立扫描器,要么使用单一混合式***),共同的任务是在空间上配准图像。空间配准便于正确地比较图像的对应特征。空间配准也可以是更复杂图像处理工艺流程中的中间操作—例如,可以对来自不同模态的图像进行空间配准并然后组合或“融合”以创建包含来自两种模态或其组合的信息的单幅图像。
已经开发了很多种空间配准技术。在刚性或非变形技术中,来自不同模态的图像被刚性移动、旋转等,以实现空间对准或配准。在非刚性或变形技术中,还可以对图像之一或两者进行扩展、压缩或以其他方式变形以实现空间对准或配准。
大部分空间配准技术在本质上是迭代的。亦即,该技术对图像之一或两者进行迭代的调节,以逐渐改善或优化度量图像相对对准的图像比较函数的值。迭代空间配准技术的成败取决于初始条件,如果以大致对准的图像开始,那么迭代空间配准技术可能迅速收敛到很好对准状态;而如果以严重未对准的图像开始,那么迭代空间配准技术可能会收敛缓慢或根本不收敛。
尽管在开发迭代空间配准技术中已经做了大量工作,但对用于为这些技术建立初始条件的技术所做的工作却少得令人吃惊。实际上,一种方式是简单地从来源于相应成像***的两幅图像的固有坐标开始。仅在这些固有坐标系密切对准时这种方法才可能成功。在很多情况下,对固有坐标系的这种假设相似性将会失败。例如,如果要对准的图像是头部图像和全身图像,那么针对前者的固有坐标可能与头部相应,而针对后者的固有坐标可能与躯干相应。
另一种方式是在待配准图像中对准被成像对象的质心。如果两幅图像的空间范围显著不同,这种方法可能会失败。对于头部图像和全身图像对准的前一范例,对准质心将会把头部图像放得与全身图像的躯干重叠。
又一种方式是手动预对准图像。只有执行手动预对准的人对被成像对象中描绘的一个或多个解剖区域有了解,这种方法才可能成功。不过,需要较为高级的用户接口,例如用于显示两幅图像并提供一种机制,用户通过这种机制可以相对于一幅图像移动另一幅,或提供一种机制,用户通过这种机制能够刻画两幅图像中的共同区域(例如,在头部图像和全身图像中绘制头附近的框)。对于三维图像而言,可能需要针对两个或三个不同视图,例如轴向视图、矢状视图和冠状视图,重复手动对准过程,以便在全部三个空间维度上提供预对准。
手动预对准通常会使图像处理变慢。在利用不同成像模态采集大量图像的设置中,手动预对准可能是冗长或不切实际的。例如,临床前研究可能利用各种成像模态在被研究条件的各个阶段对数十实验动物进行成像,可能希望将在不同时间采集的同一动物的不同图像在空间上进行配准,或配准使用不同成像模态采集的同一动物的不同图像,或配准不同动物的图像以便于进行比较。考虑到这些可能性,在临床前研究期间执行的图像处理可能很容易需要数十甚至数百不同图像配准操作,并且在每种情况下执行手动预对准都是不可取的。以自动化批处理模式执行对准会是有利的,但手动预对准的采用排除了这种选择。在涉及数十或数百人类对象的大规模临床研究中,或在每天处理很多患者的医院或诊所的诊断医学成像设施中,可能发生类似问题。
下文提供了新的改进的设备和方法,其克服了上述问题和其他问题。
根据一个公开的方面,公开了一种图像配准方法,包括:计算偏移了多个相对轴向偏移的第一和第二图像的相似性度量;基于所计算的相似性度量识别所述第一和第二图像之间的起始相对轴向偏移;以及使用所识别的所述第一和第二图像之间的起始相对轴向偏移作为迭代图像配准过程的初始条件来执行迭代图像配准过程以相对配准所述第一和第二图像。在一些实施例中,也将起始相对切片内偏移识别为有效用于对准沿轴向偏移起始相对轴向偏移的第一和第二图像的对应切片的切片内偏移,所识别的起始相对切片内偏移还被用作迭代图像配准过程的初始条件。
根据另一公开的方面,公开了一种处理器,其被配置成执行根据上一段所述的图像配准方法。根据另一公开的方面,公开了一种存储介质,其存储指令以执行根据上一段所述的图像配准方法。
根据另一公开的方面,公开了一种图像配准装置,包括:用于计算以多个相对轴向偏移偏移的第一和第二图像的相似性度量的模块;用于基于所计算得到的相似性度量识别所述第一和第二图像之间的起始相对轴向偏移的模块;以及用于使用所识别的所述第一和第二图像之间的起始相对轴向偏移作为迭代图像配准过程的初始条件来执行所述迭代图像配准过程以相对配准所述第一和第二图像的模块。
根据另一公开的方面,公开了一种图像配准***,包括:预配准处理器,所述预配准处理器被配置成基于图像相似性度量计算第一和第二图像之间的起始相对轴向偏移;以及迭代图像配准处理器,所述迭代图像配准处理器被配置成使用所识别的所述第一和第二图像之间的起始相对轴向偏移作为空间配准过程的初始条件来在空间上配准所述第一和第二图像。在一些实施例中,预配准处理器包括切片对准处理器,所述切片对准处理器被配置成在所述第一和第二图像的对应大致轴向横切切片中对准被成像对象,所述图像相似性度量基于经对准的对应大致轴向横切切片进行计算,并且所述迭代图像配准处理器还被配置成使用至少部分由所述切片对准处理器确定的切片内偏移作为所述空间配准过程的初始条件。
一个优点在于提供了更快的图像配准。
另一个优点在于提供了更准确的图像配准。
另一个优点在于提供了更鲁棒的图像配准。
在阅读并理解了下述详细说明的情况下,更多优点对于本领域普通技术人员将显而易见。
图1图解示出了包括预配准部件的图像配准***;
图2图解示出了用于识别两幅图像之间轴向偏移的扫略算法;
图3绘示了在诸如图2图解示出的体积扫略期间的x和y预对准参数;
图4绘示了在诸如图2图解示出的体积扫略期间针对不同轴向偏移获得的交互信息(MI)相似性度量;
图5绘示了CT图像和PET脑部、胸部、腹部和骨盆图像体积段的前景划界框的y位置,其中PET体积段被示为其真实轴向位置与CT图像相应,且PET体积段具有在“y”方向上赋予的34像素(40mm)的空间平移。
参考图1,图像配准***包括适当的数字数据处理装置,例如图示的计算机1,图像配准***典型地包括或可以使用用于显示图像的显示器2,且典型地包括或可以使用一个或多个用户输入装置,例如图示的键盘3和/或鼠标或其他定点装置,用于接收用户的输入。例如,用户可以使用一个或多个输入装置3在数字存储介质(例如,硬盘驱动器)上识别或定位要空间配准的第一和第二图像10、12。此外或备选地,图像配准***可以从图像采集或存储装置或多个图像采集或存储装置自动接收要进行空间配准的第一和第二图像10、12。
可以将基本任何数字数据处理装置配置成实施所公开的图像配准和预配准***或方法。例如,可以在个人计算机、医学成像扫描器的控制计算机、提供图像存档和通信***(PACS)的计算机或服务器;远程因特网服务器等上实施所公开的图像配准和预配准***或方法。所公开的图像配准和预配准***或方法还可以实施为存储用以执行所公开图像配准和预配准算法的指令的数字数据存储介质,这种存储介质被适当地实施为例如磁盘、磁带、光盘、随机存取存储器(RAM)、只读存储器(ROM)、闪速存储器、远程因特网服务器存储器等。
第一和第二图像10、12预计是同一对象或两个不同但类似对象的图像,例如两个不同的人类对象、两个不同的临床前研究动物对象(例如老鼠、豚鼠等)、古埃及木乃伊和标准人体体模等。还预计第一和第二图像10、12至少具有一些相似区域的重叠,例如一幅图像可以是人的头部,而另一幅图像可以是整个人体(即全身图像),其包括头部以及躯干、腿等。
第一和第二图像10、12是通过适当的体积成像模态采集的体积图像,体积成像模态例如是:磁共振(MR)成像;计算断层摄影(CT);正电子发射断层摄影(PET);单光子发射计算断层摄影(SPECT);等等。第一和第二图像10、12都可以是用相同成像模态采集的,或可以是使用不同成像模态采集的。作为一个例示性范例,第一和第二图像10、12可以是利用相同MR扫描器在不同天采集的。作为另一个例示性范例,第一和第二图像10、12可以分别是同一对象的CT图像和PET图像。作为另一个例示性范例,第一和第二图像10、12可以分别是同一对象的CT图像和SPECT图像。
第一和第二图像10、12均包括沿轴向方向分布的多个图像切片。如这里使用的,轴向方向是大致横切于图像切片的方向,但也想到了图像切片和轴向方向之间有一些倾斜。如这里使用的,轴向方向可以但未必一定对应于对象的解剖轴向方向。在这里有时使用坐标z表示轴向方向。处于切片中,即“平面内”的例示性坐标有时在这里被表示为坐标x和/或y。图像切片可以对应于采集切片,或可以是通过将体积图像在数学上内插/重新采样到沿着轴向方向分布并大致横切于轴向方向的多个图像切片中而以数学方式产生获得的切片。每个图像切片包括像素的二维阵列或分布。
第一和第二图像10、12优选具有对应的轴向方向、切片取向和厚度以及像素阵列或分布。在一些实施例中,对于刚采集到的图像4、6而言可能不是这种情况。例如,如果图像4、6是使用不同的成像模态采集的,对于不同模态而言,切片分辨率(对应于包括每个切片的像素二维阵列或分布)和/或切片厚度和/或切片取向可能是不同的。类似地,即使在使用同一成像模态采集两幅图像4、6时,扫描参数可以任选地是不同的,使得图像4、6具有不同的切片分辨率和/或切片厚度和/或切片取向。再者,想到图像4、6具有不同定义的轴向方向。如果刚采集的图像4、6中存在差异,为了适应这种差异,图像重新采样处理器8适当地对图像重新采样以产生具有对应轴向方向、切片取向和厚度以及像素阵列或分布的第一和第二图像10、12。
第一和第二图像10、12一开始由预配准处理器20处理,预配准处理器20被配置成计算使图像相似性度量最小化的第一和第二图像间的起始相对轴向偏移。任选地,预配准处理器20还被配置成计算偏移了起始相对轴向偏移的第一和第二图像之间或第一和第二图像对应切片之间的一个或多个相对面内偏移。迭代图像配准处理器22被配置成使用所识别的第一和第二图像之间的起始相对轴向偏移作为空间配准过程的初始条件来在空间上配准第一和第二图像。任选地,迭代图像配准处理器22还被配置成使用一个或多个相对面内偏移作为进一步的初始条件。迭代图像配准处理器22能够采用基本任何迭代图像配准过程,包括刚性图像配准过程、非刚性或变形图像配准过程等。因为第一和第二图像10、12是由预配准处理器20自动预先配准的,所以与不利用预配准处理器20提供的初始条件而应用迭代图像配准处理器22相比,迭代图像配准过程有更大可能性快速收敛。
迭代图像配准处理器22的输出是对应于第一和第二图像10、12的经配准的第一和第二图像24、26,不过在空间上偏移了,并任选地被变形调节了(对于变形迭代配准过程而言),使得经配准的第一和第二图像24、26中表示的被成像对象基本是空间对准的。可以通过各种方式实现经配准的第一和第二图像24、26。在一些实施例中,输出经配准的第一和第二图像24、26作为实际图像,亦即,表示经配准的第一和第二图像24、26的体素集合。在一些实施例中,经配准的第一和第二图像24、26实现为与一个或多个配准参数组合的第一和第二图像10、12,配准参数例如是可以应用于第一和第二图像10、12之一或两者以调节第一和第二图像10、12之一或两者使得被成像对象基本空间对准的轴向偏移值、面内偏移值、变形值或其他对准参数。在一些实施例中,经配准的第一和第二图像24、26由单一“融合”图像表达,“融合”图像组合了空间配准之后的第一和第二图像10、12以产生包括两幅图像的组合内容的单一图像。任选地,在显示器2上将经配准的第一和第二图像24、26显示为例如最大强度投影(MIP)、三维绘制或其他适当的显示表达。
继续参考图1,预对准处理器20采用以下部件。通过计算以多个相对轴向偏移{Δz}30偏移的第一和第二图像10、12的相似性度量执行对第一和第二图像10、12的相对体积扫略。在每个相对轴向偏移Δz处,将切片对准处理器32配置成在偏移的第一和第二图像10、12的对应大致轴向横切切片中对准被成像对象。相似性度量计算机34计算以相对轴向偏移Δz偏移的偏移第一和第二图像的相似性度量,其中偏移的第一和第二图像10、12的对应切片如切片对准处理器32所确定地那样对准。针对多个轴向偏移{Δz}30的每个轴向偏移重复36这个过程,以便确定最佳的起始相对轴向偏移Δzo40。起始相对轴向偏移Δzo40被用作由迭代空间配准处理器22执行的迭代空间配准过程的初始条件。亦即,迭代空间配准处理器22从相对偏移起始相对轴向偏移Δzo40的第一和第二图像10、12开始第一次迭代,从而在预计较接近由迭代空间配准过程确定的最终偏移值的轴向偏移处开始迭代空间配准过程。
任选地,由切片对准处理器32针对最佳起始相对轴向偏移Δzo40确定的一个或多个最佳起始切片内偏移42还被从预配准处理器20传输到迭代配准处理器22,以用作迭代空间配准过程的另一初始条件。例如,一个或多个最佳起始切片内偏移42可以包括一个面内方向Δxo中,或另一个面内方向Δyo中,或两个或更多不平行面内方向(Δxo,Δyo)中的偏移。
除了采用起始偏移40、42作为迭代配准的初始条件之外,还想到在定义迭代配准的约束条件时采用一个或多个这些值。例如,可以将迭代配准过程约束在起始偏移40、42的选定邻域中,例如进行约束以在迭代配准过程期间将轴向位移保持在起始相对轴向偏移Δzo40的±10mm之内。这种约束条件能够进一步增大迭代配准过程实现满意配准的可能性。
任选地,例如,可以通过显示轴向相对偏移了起始相对轴向偏移Δzo40的图像向用户提供预配准,使得用户能够在迭代空间配准处理器22的运行之前查看并批准或拒绝预配准。或者,一旦预配准处理器20输出起始偏移40、42,就可以启动迭代配准处理器22。例如,这种自动化工作模式可能对于执行大量图像的成批配准时是有用的,例如在临床或临床前研究中。
在切片对准处理器32的一些适当实施例中,适当地确定偏移的第一和第二图像10、12的对应切片中被成像对象的边界,以便对准与被成像对象相应的切片。被成像对象例如是医学、临床或临床前成像情况下的被成像人类或动物对象。也可以将被成像对象视为图像的“前景”,而“背景”为空气或其他环境。如果对象被设置在图像中出现的支撑上,那么支撑可以是前景的一部分,并在确定被成像对象的边界时应当加以考虑。因为预配准不是精确的配准,所以可以大致将边界刻画成例如包围或包含对象的划界框,或对象的边缘(在图像可能显示对象支撑的情况下优选在远离对象支撑的方向上),或对象的中心。
切片对准处理器32适当采用以确定轴向偏移的第一和第二图像对应切片中被成像对象的边界或中心的例示性算法如下。首先,计算第一和第二切片中每个的统计量,其包括例如平均像素值。将阈值确定为比例常数α乘以平均像素值,其中α为正常数,平均值为切片中所有像素的平均值。在一些实施例中,常数α在大约一到三的范围中。还可以通过其他方式确定阈值。确定边界标准参数k。在切片的行(例如沿着x坐标)或列(例如沿着y坐标)中k个连续像素都高于阈值时,认为其是图像前景的一部分。在一些实施例中,仅沿着行或仅沿着列执行这种分析。
然后可以通过各种方式定义边界。在一种方法中,通过从上到下逐行扫描图像直到满足前景图像条件来确定矩形划界框的上边缘。扫描停止时的行编号被表示为y上。类似地,通过从下到上逐行扫描图像直到满足前景图像条件来确定矩形划界框的下边缘。扫描停止时的行编号被表示为y下。通过从左至右逐列扫描图像直到满足前景图像条件来确定矩形边界的左边缘。扫描停止时的列编号被表示为x左。通过从右至左逐列扫描图像直到满足前景图像条件来确定矩形边界的右边缘。扫描停止时的列编号被表示为x右。在确定了四边之后,将起始于(x左,y上),宽度为x右-x左+1,高度为x下-x上+1的矩形用作图像前景的划界框。在确定矩形的左右边缘时,仅需要扫描在上下边缘确定步骤期间未扫描的列部分。任选地使用这一观测来减小扫描范围。而且,如果对象沿一个方向(例如沿着x坐标或沿着y坐标)填充整个体积,那么前景检测算法将导致两个相对边缘简并到同一位置。在这种情况下,适当地使用整个图像边界来界定前景。
如果被成像对象是图像中预计可见的仅有特征,那么本划界框应当对被成像对象划界。另一方面,如果预计在图像中可以看到其他特征,例如对象支撑,那么被成像对象可能范围小于整个前景(在这种情况下前景还包括对象支撑)。在这种情况下,面内对准的边界可以适当地仅使用已知距对象支撑远的划界框的那些边缘。例如,如果已知对象支撑在对象下方,那么任选地将划界框的上边缘用于面内对准。
在一些实施例中,一旦例如以划界框或划界框的一个或多个线的形式适当定义了边界,切片对准处理器32就可以如下对准偏移的第一和第二图像10、12的对应切片。在这种方法中,要理解的是,如果图像中可以看到患者台,那么将被成像患者台视为图像前景,在面内图像预对准时必须要排除掉。可以对每个切片执行面内对准处理,或可以针对包括多个连续切片的体积段执行面内对准处理,或可以针对整个图像执行面内对准处理。在本范例中,采用体积段。从第一图像10开始,在体积段中的预定位置选择一个或多个切片,识别前景图像矩形划界框。获得一个或多个切片的划界框的平均,作为针对第一图像10的该体积段的面内划界框。类似地处理轴向偏移的第二图像12的对应体积段,以便找到一个或多个切片处的前景图像划界框,并取这些划界框的平均作为针对轴向偏移的第二图像12的该体积段的面内划界框。对于第一和第二图像10、12的给定对应体积段而言,被处理并求平均以产生划界框的切片数量可以是体积段中一个切片到所有切片之间的任何值。使用更少切片提高了处理速度,通过处理一个切片获得最大速度,而使用更多切片提高了精度。
对准轴向偏移的第一和第二图像10、12的两个对应体积段的面内划界框,并由切片对准处理器32输出切片内偏移,所述切片内偏移有效用于对准轴向偏移的第一和第二图像的对应切片。如果在两幅图像中都不能看到患者台,那么这种对准是直截了当的,例如,可以通过对准两个体积的面内矩形划界框的中心来进行对准。可以基于图像模态的先验知识、视场的先验知识或通过自动分析图像切片对视场的判断等确定患者台是否可见。
如果患者台在一幅图像中可见而在另一幅图像中不可见,适当的方法是对准与患者台相对一侧的矩形边缘并在另一方向上对准中心。例如,对于仰卧位CT和PET而言,对准在y方向上给出偏移的矩形上部并水平对准在x方向上给出偏移的中心。
如果患者台在两幅图像中都是可见的,且在两幅图像10、12中都位于患者同一侧,那么适当的方法是对准两个体积面内边界的中心。如果患者台在两幅图像中都是可见的,且患者台在患者的相对两侧,那么可以从一侧减去估计的或经验的台大小,对准与患者台相对一侧的矩形边缘,并对准另一方向上的中心。
这些仅仅是例示性的实施例,切片对准处理器32能够使用其他方法来对准体积段或整个图像的选定切片。例如,不是在图像段的多个切片中找到划界框并对划界框求平均,另一种方法是通过对多个切片求和来产生累积切片,例如,针对多个切片取沿轴向方向的最大强度投影(MIP)的等价值并针对总和切片找到划界框。在确定划界框时,阈值的选择可以有多种方式,例如,可以分别基于每个切片的像素,或基于多个切片的像素等计算阈值。
相似性度量计算器34适当采用的需要体积扫略(sweep)的例示性算法如下。体积扫略的目的是沿轴向方向预对准图像,亦即,确定最佳的起始相对轴向偏移Δzo40。在本例示性范例中,体积图像10、12为CT和PET图像,CT图像10的患者覆盖范围显著大于PET图像12的患者覆盖范围。尽管描述了CT和PET图像的配准作为例示性范例,但所公开的体积扫略轴向对准适用于配准通过任何模态采集并包括对象各部分的图像。
参考图2,由于目的是确定相对轴向偏移,因此可以使用图像10、12的任一个作为静止参考图像并扫略另一个图像。在图2所示的范例中,将更大的CT图像10视为静止参考图像,将更小的PET图像12扫略通过CT图像10。不过,可以使用相反的布置(亦即,PET图像可以是静止的,而扫略CT图像)。
图2示出了扫略中PET图像12与CT图像10轴向偏移了轴向偏移Δzex的点,其中图示的轴向偏移Δzex是一组或多个偏移{Δz}30的成员。通过按照偏移值递增的顺序评估该组{Δz}30的每个偏移的相似性度量来完成扫略,从而以数学方式模拟PET图像12向右(利用图2的取向)的“扫略运动”。尽管按照偏移值递增的顺序处理该组{Δz}30在计算上通常是方便的,但可以按照其他顺序处理偏移。此外,参考(z=0)位置是任意的,可以用作除图2所示的点之外的另一点,包括体积仅有部分交迭的点。
在每个轴向偏移计算的相似性度量可以是交互信息、规范化交互信息或指示第一和第二偏移图像10、12相似性的另一种相似性度量。直观地,显然,使两幅图像10、12在空间上最好对准的偏移应当获得轴向偏移图像10、12最大的相似性。在计算每个轴向偏移的比较度量之前,优选首先由切片对准处理器32对对应切片进行面内对准。在完成扫略时(亦即,在针对该组轴向偏移{z}30的每个轴向偏移计算了相似性度量时),将最佳的起始相对轴向偏移Δzo40识别为该组轴向偏移{Δz}30中其计算的相似性度量具有“最好”值的轴向偏移,例如,在相似性度量的更大值指示更大相似性的情况下,具有最大值,或在相似性度量的更小值指示更大相似性的情况下,具有最小值。注意,在每个扫略位置,还记录面内偏移。具体而言,使用相对轴向偏移Δzo处的面内偏移。因此,最佳的起始相对轴向偏移Δzo40和面内偏移提供了最好的初始对准,相应地被用作开始由迭代配准处理器22执行的迭代配准过程的初始条件。并非将最佳的起始相对轴向偏移Δzo40定义为具有“最好”相似性度量值的单一轴向偏移,而是可以对具有最高相似性度量值(或根据相似性度量的极性,具有最低值)的几个上部轴向偏移位置求平均以确定最佳的起始相对轴向偏移Δzo40,以便减小噪声的不利影响。
一种适当的扫略算法如下。对于每个扫略位置(亦即,该组轴向偏移{Δz}30的每个轴向偏移),使用切片对准处理器32在面内对准两个体积段。如前所述,这可能需要对准对应的单个切片或对准体积段的一个或多个对应切片并沿着轴向方向针对每个体积段重复操作,等等。通过利用切片对准处理器32在所有扫略位置执行面内对准可以获得更大精确度(以更多计算为代价)。仅使用一个或几个对应切片进行面内对准可以获得更大的速度(以面内对准精确度降低为代价)。在一种快速方法中,想到仅针对单个轴向偏移执行一次面内对准,而不是针对每个扫略位置(亦即,而不是针对每个轴向偏移)执行面内对准。
任选地,可以对图像重新采样以确保它们具有相同的切片间距。不过以下做法在计算上效率更高:一开始执行这样的重新采样(如图1所示,利用重新采样处理器8),并选择该组轴向偏移{Δz}30的轴向偏移以在扫略的每一步期间推进所有数量的切片。类似地,可以任选地在面内对图像进行向下采样以形成用于扫略的粗略图像。同样,可以一开始利用重新采样处理器8执行这一操作以提高速度。
图1示出了由预配准处理器20处理的重新采样的图像10、12,用于产生预对准起始轴向值Δzo40和任选的起始面内值42。由于预配准是大致的,因此可以任选地对向下采样的“低分辨率”图像10、12执行预配准。在这样的实施例中,重新采样的图像10、12是原始图像4、6的低分辨率向下采样版本。在执行向下采样时,每个经向下采样的像素表示原始图像的一组像素,该组的平均像素值或代表性像素值可以用作针对对应向下采样像素值的值。不过典型地,优选对原始(高分辨率)图像4、6执行迭代配准。在这样的实施例中,迭代配准处理器22从预配准处理器接收用于配准的原始(高分辨率)图像4、6,连同起始相对轴向偏移Δzo40和面内x和y偏移。在一些实施例中,可以以mm或cm为单位给出这些偏移,但可以使用其他单位。可以适当地调节这些值以考虑到预配准中使用的向下采样图像10、12和要利用迭代配准处理器22以高精度配准的原始图像4、6之间的分辨率差异。尽管在图示的实施例中,迭代配准处理器22对原始图像4、6进行操作,但也想到过对经向下采样的或其他方式预处理的图像10、12应用迭代配准处理器22或完全省略预处理器8(用于使图像4、10相同,图像6、12相同)。
可以使用交互信息、规范化的交互信息或另一种适当度量计算相似性分数。仅在两个偏移图像10、12的交迭轴向部分上计算相似性度量。在一些实施例中,通过仅对对应切片的子集计算相似性度量来获得更大的计算效率。例如,可以仅每隔两个交迭的切片计算相似性度量。
一旦计算了所有扫略位置处的相似性分数,就识别起始相对轴向偏移Δzo40。为了减少噪声,在一些实施例中,识别若干具有最好相似性度量的轴向偏移,并将起始相对轴向偏移Δzo40取为这些偏移的平均值或其他统计度量。任选地,还将起始相对切片内偏移42识别为有效用于对准偏移了起始相对轴向偏移Δzo40的第一和第二图像10、12的对应切片的切片内偏移。在为该组轴向偏移{Δz}30的每个轴向偏移应用切片对准处理器32的实施例中,可以将起始相对切片内偏移42作为轴向对准过程的“副产品”获得。
一旦预配准处理器20识别出起始值40、42,可以自动调用迭代配准处理器22,或任选地在用户确认预对准之后进行自动调用。
预配准的目的是迅速且自动获得用于迭代空间配准过程的初始值。为此目的,想到了一些计算速度优化作为选择。可以将体积分成交迭的段,每个段被作为独立的计算线程(thread)加以扫略。在扫略体积时,不必在每个切片处推进。可以跳过一些切片,因为目的是为了提供粗对准。这相当于使该组轴向偏移{Δz}30显著小于图像10或图像12中切片的总数。可以对两个体积都进行向下采样以获得具有匹配切片间距的粗糙(低分辨率)图像。更有效率的是在扫略期间推进整个切片数量,使得相似性分数的计算不需要进行内插。在切片对准处理器32计算体积的面内边界时,再次仅能使用几个切片。还想到仅对单个轴向偏移计算一次边界,并在针对所有轴向偏移使用切片内调节。在计算相似性分数时,可以使用交迭区域中的体素子集。
在例示性实际执行的范例中,使用GeminiTM飞行时间(Time-of-Flight)PET/CT扫描器采集单一对象的CT和PET图像。这不是典型的临床用途。然而,这便于评估体积扫略的性能,因为基础事实是已知的。人类对象的CT扫描是从头到脚趾的全身扫描,包括377个切片,切片间距为5mm。PET扫描被切割成四段:脑部(40个切片)、胸部(40个切片)、腹部(30个切片)和骨盆(40个切片),PET切片间距与CT扫描的切片间距匹配。在该第一测试中,不在横切面中引入失配,省略面内对准。预先在面内对准每个扫略位置中的交迭体积段。使用在沿轴向方向1/4、1/2和3/4位置的三个切片图像确定面内体积边界。为了检测边界,使用α=1,从而将平均像素值用作阈值,并使用k=5(亦即,如果首次有五个连续像素在阈值以上,就认为已经到达图像前景)。CT和PET图像没有被向下采样,且逐个切片地推进体积扫略,不跳过任何切片。使用交迭体积中的全部切片。将交互信息用作相似性度量,利用尺寸为128×128的直方图使用直方图法计算,将像素值线性映射到直方图箱中。将具有最高相似性度量的单个轴向偏移识别为起始相对轴向偏移Δzo40。表1列出了真实(已知)轴向位置和体积扫略给出的位置,两者都是由切片位置测量的。观察到了良好的预配准。
表1
在另一测试中,使用同样的患者数据,在PET图像中引入面内失配,即x方向40mm,y方向40mm的失配,使用切片对准处理器32来适应面内失配。由于面内像素尺度为1.17×1.17mm2,因此失配对应于34个像素。以“切片数”为单位报告“z”位置,其中切片间距为5mm。表2中示出了结果,其中再次观察到自动化预配准是有效的。
表2
图3绘示出体积扫略期间的x和y预对准参数。扫略体积为PET胸部。可以看出,x参数相对稳定。y参数变化迅速,可以由来自矢状图的患者身体轮廓来解释这点。
图4示出了根据扫略距离(即轴向偏移Δz)的交互信息(MI)曲线。扫略体积是包括40个切片的PET胸部。从图4可以看出,交互信息在切片位置79处最大,这接近PET胸部图像的实际切片位置77。
还利用全身PET/CT研究对第二对象成像。以176个CT切片对该对象成像。将PET扫描分割成胸部(50个切片)、腹部(54个切片)和骨盆(40个切片)体积段。在PET图像中引入面内失配(x=-40mm,y=-40mm),使用切片对准处理器32适应这种面内失配。再次使用交互信息(MI)作为相似性度量。在表3中给出了结果。
表3
还使用全身PET/CT研究对第三患者成像。CT扫描包括183个切片。将PET扫描分割成胸部(44个切片)、腹部(46个切片)和骨盆(40个切片)段。在PET图像中引入面内失配(x=-40mm,y=40mm)。在表4中给出了结果。
表4
返回到图1,相似性度量计算器34能够采用各种算法测量相对轴向偏移的第一和第二图像10、12的相似性。另一种例示性方法是身体线条匹配算法,这种算法基于这样的观察,即y参数沿该方向追符合患者的身体线条轮廓。例如,在图3中可以看出这一点。可以使用这种观察来在y和z方向上预对准图像。(如已经参考切片对准处理器32所述,可以通过对准x方向上的中心来确定x预对准参数)。
图5绘示出CT图像和PET脑部、胸部、腹部和骨盆图像体积段的前景划界框的y位置,其中在“y”方向上被赋予34个像素偏移(对应于40mm)的PET体积段被示为对应于CT图像。在图5中可以看出,由前景(即被成像对象)划界框的y位置界定的PET身体线条轮廓与CT的轮廓具有很好相关性。因此身体线条匹配算法包括:(i)确定由被成像对象的y位置界定的第一和第二图像10、12的身体线条轮廓(利用已经参考切片对准处理器32描述的方法适当地进行确定);并执行一维曲线匹配以识别第一和第二图像的身体线条轮廓之间的轴向偏移。一种适当的算法如下。首先,使用切片对准处理器32的前景或被成像对象边界检测算法来检测两幅图像10、12中每个切片上的划界矩形。根据患者台是否可见,针对每个体积构建身体线条的一维轮廓。例如,如果在仰卧位情形下患者台是可见的,使用y上。任选地使用移动平均值、中值过滤器或其他平滑过滤器对身体线条轮廓进行平滑化,以抑制界外值或其他噪声。将一个轮廓扫略通过另一个轮廓,针对每个轴向偏移计算相似性度量。一些适当的相似性度量例如包括相关性、绝对差、均方差等。选择产生最好相似性度量的轴向偏移作为起始相对轴向偏移Δzo40。在一些实施例中,通过在相对轴向偏移的连续范围上计算两个身体线条轮廓的相关函数等来完成轮廓扫略,在这样的实施例中,该组轴向偏移{Δz}30包括在其上计算相关函数的相对轴向偏移的连续范围,该范围可以是连续的或准连续的(例如,为了计算方便是离散化的)。因此可以任选地将起始面内y偏移(Δyo)估计为将在轴向方向上对准的身体线条轮廓与起始相对轴向偏移Δzo40对准所需的垂直(y)位移。可以任选地使用用于起始相对轴向偏移Δzo40的切片对准处理器32估计起始面内x偏移(Δxo)。
一些用于身体线条匹配方法的适当相似性度量如下。可以使用定义为 的零平均互相关(ZMCC)度量,其中 f和g是两幅图像10、12的两个身体线条轮廓,参数2K+1是交迭窗口的尺寸,其中ZMCC是计算出的,参数i是该窗口的中心,fm和gm是位置m处的轮廓值,带横杠的值是窗口内部的平均值。另一种适当的相似性度量是由 给出的绝对差,其中符号与ZMCC相似性度量中具有相同含义。其他适当的相似性度量也是可能的。
此外,可以基于除被成像对象边界之外的其他定量度量计算身体线条轮廓。例如,身体线条轮廓能够根据轴向位置绘示出每个横切切片中被成像对象的区域。另一种想到的身体线条轮廓根据轴向位置绘示出被成像对象的椭圆度或“圆度”。作为又一范例,身体线条轮廓能够根据轴向位置绘示出每个切片中像素的积分或总和或平均强度。
重复表2、3和4中总结的三个实际执行的范例以利用身体线条匹配算法对准轴向位置。表5、6和7中示出了结果(其中“---”表示结果不是物理上现实的且未示出)。
表5
表6
表7
在这些测试中发现绝对差相似性度量性能比ZMCC相似性度量更好。如表7所示,两种相似性度量对于第三对象都失败了。第三对象的CT图像显示出在腹部和骨盆区域附着于第三对象的管,在PET图像中这是看不到的。拒信,图像之间这种相当显著的差别是身体线条匹配算法对第三对象失败的原因。
例如,可以通过各种方式实现本文公开的预配准方法和设备:实现为结合各种图像观察和分析应用使用的图像配准包的部件;实现为结合成像扫描器或图像归档和通信***(PACS)提供的软件包;或实现为独立软件等。
尽管参考迭代配准进行了描述,本文公开的预配准方法和设备可以用于其他目的。例如,在慢速成像序列中,可以从时间上分开的成像数据重构第一和第二图像4、6。可以将预配准处理器20应用于这些时间上分开的图像,如果大致偏移40、42大于阈值,这意味着对象在成像期间移动过。在这种情况下,可以采取适当的补救措施,例如重新开始成像数据采集、重新定位对象、执行更长的扫描来补偿等。更一般地,可以将预配准处理器20应用于任何一对标称对准的图像以检测配准不良。在被用作配准不良检测器时,将大致偏移40、42与阈值进行适当比较以探测不可接受的大配准差异。在自适应辐射治疗中,可以使用预配准处理器20估计经受辐射治疗的肿瘤或其他恶性肿瘤或辐射曝光度要受限的危险结构随时间的位置变化,以便针对这种变化调整辐射治疗计划。
已经参考优选实施例描述了本发明。在阅读并理解了前述详细说明的同时,本领域技术人员可以想到修改和变化。这意味着,应当将本发明推断为包括所有此类落在权利要求及其等同要件的范围内的修改和变化。
Claims (27)
1.一种图像配准方法,包括:
计算以多个相对轴向偏移(30)偏移的第一和第二图像(4,6)的相似性度量;
基于所计算得到的相似性度量识别所述第一和第二图像之间的起始相对轴向偏移(40);以及
使用所识别的所述第一和第二图像之间的起始相对轴向偏移作为迭代图像配准过程的初始条件来执行所述迭代图像配准过程以相对配准所述第一和第二图像(4,6)。
2.根据权利要求1所述的图像配准方法,其中,对所述相似性度量进行的计算包括:
对准轴向偏移的所述第一和第二图像(4,6)的对应切片,所述切片被取向成大致横切于轴向方向,基于经对准的对应切片计算所述相似性度量。
3.根据权利要求2所述的图像配准方法,还包括:
确定划界框,所述划界框对偏移的所述第一和第二图像(4,6)的切片中的被成像对象划界,基于对在偏移的所述第一和第二图像的切片中确定的划界框的比较来对对应切片进行对准。
4.根据权利要求3所述的图像配准方法,其中,对所述对应切片的划界框进行的对准包括对准所述对应切片的划界框的中心或边缘的位置。
5.根据权利要求2所述的图像配准方法,还包括:
确定偏移的所述第一和第二图像(4,6)的对应切片中被成像对象的边界,对对应切片进行的对准包括对准所述对应切片中所述对象的边界。
6.根据权利要求5所述的图像配准方法,其中,对所述被成像对象的边界进行的确定包括:
沿着所述切片中的选定方向确定所述被成像对象的边界。
7.根据权利要求2所述的图像配准方法,其中,对轴向偏移的所述第一和第二图像的对应切片进行的对准包括对准对应切片中被成像对象的身体轮廓。
8.根据权利要求1-7中任一项所述的图像配准方法,还包括:
将起始相对切片内偏移(42)识别为有效用于对准沿轴向以所述起始相对轴向偏移(40)偏移的所述第一和第二图像(4,6)的对应切片的切片内偏移,所识别的起始相对切片内偏移还被用作所述迭代图像配准过程的初始条件。
9.根据权利要求1所述的图像配准方法,其中,所述相似性度量量化了偏移的所述第一和第二图像(4,6)中被成像对象的身体线条轮廓的相似性。
10.根据权利要求9所述的图像配准方法,其中,从包括相关或互相关、绝对差度量和均方差度量的组选择量化身体线条轮廓的相似性的所述相似性度量。
11.根据权利要求9-10中任一项所述的图像配准方法,还包括:
至少在选定方向上确定偏移的所述第一和第二图像(4,6)的对应切片中被成像对象的边界;以及
基于在所述选定方向上所确定的被成像对象的边界确定偏移的所述第一和第二图像中所述被成像对象的身体线条轮廓。
12.根据权利要求9-10中任一项所述的图像配准方法,其中,对以多个相对轴向偏移(30)偏移的第一和第二图像(4,6)的所述相似性度量进行的计算包括:
计算所述第一和第二图像的每个中所述被成像对象的身体线条轮廓;
其中,对以多个相对轴向偏移(30)偏移的第一和第二图像(4,6)的所述相似性度量进行的计算包括在界定所述多个相对轴向偏移(30)的轴向偏移范围上相对地扫略所计算得到的在所述第一和第二图像中所述被成像对象的身体线条轮廓,以及在所扫略的轴向偏移范围上评估所述相似性度量。
13.根据权利要求1所述的图像配准方法,其中,对相似性度量进行的计算包括:
计算以所述多个相对轴向偏移(30)中的每个偏移的所述第一和第二图像(4,6)的交互信息或规范化交互信息。
14.一种配置成执行根据权利要求1-13中任一项所述的图像配准方法的处理器(1,32,34,36)。
15.一种图像配准装置,包括:
用于计算以多个相对轴向偏移(30)偏移的第一和第二图像(4,6)的相似性度量的模块;
用于基于所计算得到的相似性度量识别所述第一和第二图像之间的起始相对轴向偏移(40)的模块;以及
用于使用所识别的所述第一和第二图像之间的起始相对轴向偏移作为迭代图像配准过程的初始条件来执行所述迭代图像配准过程以相对配准所述第一和第二图像(4,6)的模块。
16.根据权利要求15所述的图像配准装置,其中,用于对所述相似性度量进行计算的所述模块包括:
用于对准轴向偏移的所述第一和第二图像(4,6)的对应切片的模块,所述切片被取向成大致横切于轴向方向,基于经对准的对应切片计算所述相似性度量。
17.根据权利要求16所述的图像配准装置,还包括:
用于确定划界框的模块,所述划界框对偏移的所述第一和第二图像(4,6)的切片中的被成像对象划界,基于对在偏移的所述第一和第二图像的切片中确定的划界框的比较来对对应切片进行对准。
18.根据权利要求17所述的图像配准装置,其中,用于对所述对应切片的划界框进行对准的所述模块包括用于对准所述对应切片的划界框的中心或边缘的位置的模块。
19.根据权利要求16所述的图像配准装置,还包括:
用于确定偏移的所述第一和第二图像(4,6)的对应切片中被成像对象的边界的模块,对对应切片进行的对准包括对准所述对应切片中所述对象的边界。
20.根据权利要求19所述的图像配准装置,其中,用于对所述被成像对象的边界进行确定的所述模块包括:
用于沿着所述切片中的选定方向确定所述被成像对象的边界的模块。
21.根据权利要求16所述的图像配准装置,其中,用于对轴向偏移的所述第一和第二图像的对应切片进行对准的所述模块包括用于对准对应切片中被成像对象的身体轮廓的模块。
22.根据权利要求15-21中任一项所述的图像配准装置,还包括:
用于将起始相对切片内偏移(42)识别为有效用于对准沿轴向以所述起始相对轴向偏移(40)偏移的所述第一和第二图像(4,6)的对应切片的切片内偏移的模块,所识别的起始相对切片内偏移还被用作所述迭代图像配准过程的初始条件。
23.根据权利要求15所述的图像配准装置,其中,所述相似性度量量化了偏移的所述第一和第二图像(4,6)中被成像对象的身体线条轮廓的相似性。
24.根据权利要求23所述的图像配准装置,其中,从包括相关或互相关、绝对差度量和均方差度量的组选择量化身体线条轮廓的相似性的所述相似性度量。
25.根据权利要求23-24中任一项所述的图像配准装置,还包括:
用于至少在选定方向上确定偏移的所述第一和第二图像(4,6)的对应切片中被成像对象的边界的模块;以及
用于基于在所述选定方向上所确定的被成像对象的边界确定偏移的所述第一和第二图像中所述被成像对象的身体线条轮廓的模块。
26.根据权利要求23-24中任一项所述的图像配准装置,其中,用于对以多个相对轴向偏移(30)偏移的第一和第二图像(4,6)的所述相似性度量进行计算的所述模块包括:
用于计算所述第一和第二图像的每个中所述被成像对象的身体线条轮廓的模块;
其中,用于对以多个相对轴向偏移(30)偏移的第一和第二图像(4,6)的所述相似性度量进行计算的所述模块包括用于在界定所述多个相对轴向偏移(30)的轴向偏移范围上相对地扫略所计算得到的在所述第一和第二图像中所述被成像对象的身体线条轮廓,以及在所扫略的轴向偏移范围上评估所述相似性度量的模块。
27.根据权利要求15所述的图像配准装置,其中,用于对相似性度量进行计算的所述模块包括:
用于计算以所述多个相对轴向偏移(30)中的每个偏移的所述第一和第二图像(4,6)的交互信息或规范化交互信息的模块。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US8593608P | 2008-08-04 | 2008-08-04 | |
US61/085,936 | 2008-08-04 | ||
PCT/IB2009/053143 WO2010015957A1 (en) | 2008-08-04 | 2009-07-20 | Automatic pre-alignment for registration of medical images |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102132321A CN102132321A (zh) | 2011-07-20 |
CN102132321B true CN102132321B (zh) | 2013-09-18 |
Family
ID=41164823
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2009801306789A Expired - Fee Related CN102132321B (zh) | 2008-08-04 | 2009-07-20 | 用于医学图像的配准的自动预对准 |
Country Status (4)
Country | Link |
---|---|
US (1) | US8553961B2 (zh) |
EP (1) | EP2311005A1 (zh) |
CN (1) | CN102132321B (zh) |
WO (1) | WO2010015957A1 (zh) |
Families Citing this family (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB0912845D0 (en) * | 2009-07-24 | 2009-08-26 | Siemens Medical Solutions | Initialisation of registration using an anatomical atlas |
SG190383A1 (en) * | 2010-11-26 | 2013-06-28 | Agency Science Tech & Res | Method for creating a report from radiological images using electronic report templates |
US9336596B2 (en) * | 2010-12-28 | 2016-05-10 | Tektronix, Inc. | System and methods to efficiently measure stereoscopic disparity and to generate related mismatch images |
US9129413B2 (en) * | 2011-08-15 | 2015-09-08 | Agency For Science, Technology And Research | Method and device for aligning a plurality of digital pictures |
US9361686B2 (en) * | 2011-12-15 | 2016-06-07 | Commonwealth Scientific And Industrial Research Organisation | Method and apparatus for the assessment of medical images |
TWI485632B (zh) * | 2012-02-24 | 2015-05-21 | Htc Corp | 影像校準方法及影像校準系統 |
KR101323334B1 (ko) | 2012-05-14 | 2013-10-29 | 삼성메디슨 주식회사 | 볼륨 이미지 생성 장치 및 방법 |
US10869020B2 (en) * | 2012-06-29 | 2020-12-15 | Inb Vision Ag | Method for capturing images of a preferably structured surface of an object and device for image capture |
US9053541B2 (en) * | 2012-07-09 | 2015-06-09 | Kabushiki Kaisha Toshiba | Image registration |
JP2014147689A (ja) * | 2013-01-08 | 2014-08-21 | Toshiba Corp | 医用画像診断装置、核医学診断装置、x線ct装置、及び寝台装置 |
CN103247046B (zh) * | 2013-04-19 | 2016-07-06 | 深圳先进技术研究院 | 一种放射治疗计划中靶区自动勾画的方法和装置 |
US9974977B2 (en) * | 2014-10-27 | 2018-05-22 | Elekta, Inc. | Image guidance for radiation therapy |
CN106102585B (zh) * | 2015-02-16 | 2019-07-09 | 深圳迈瑞生物医疗电子股份有限公司 | 三维成像数据的显示处理方法和三维超声成像方法及*** |
US9990536B2 (en) * | 2016-08-03 | 2018-06-05 | Microsoft Technology Licensing, Llc | Combining images aligned to reference frame |
JP7039179B2 (ja) | 2017-04-13 | 2022-03-22 | キヤノン株式会社 | 情報処理装置、情報処理システム、情報処理方法及びプログラム |
JP6949535B2 (ja) * | 2017-04-13 | 2021-10-13 | キヤノン株式会社 | 情報処理装置、情報処理システム、情報処理方法及びプログラム |
CN107644436B (zh) * | 2017-09-26 | 2020-12-22 | 上海联影医疗科技股份有限公司 | 一种图像处理的方法及装置 |
EP3480792A1 (en) * | 2017-11-07 | 2019-05-08 | Koninklijke Philips N.V. | Attenuation correction of pet data of moving object |
CN108836479B (zh) * | 2018-05-16 | 2020-01-24 | 山东大学 | 一种医学图像配准方法和手术导航*** |
CN108744313A (zh) * | 2018-06-25 | 2018-11-06 | 西安大医数码科技有限公司 | 放疗计划规划方法、放疗计划***及放射治疗*** |
JP2021000435A (ja) * | 2019-06-19 | 2021-01-07 | 株式会社リコー | 情報処理装置、生体情報計測装置、空間領域値の表示方法およびプログラム |
CN110782488B (zh) * | 2019-10-11 | 2022-08-12 | 华中科技大学 | 一种基于形状约束的连续脑片图像三维配准方法 |
WO2021205991A1 (ja) * | 2020-04-09 | 2021-10-14 | 富士フイルム株式会社 | 画像位置合わせ装置、方法およびプログラム |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3679512B2 (ja) * | 1996-07-05 | 2005-08-03 | キヤノン株式会社 | 画像抽出装置および方法 |
US5848121A (en) | 1996-10-28 | 1998-12-08 | General Electric Company | Method and apparatus for digital subtraction angiography |
US20020150909A1 (en) * | 1999-02-09 | 2002-10-17 | Stuelpnagel John R. | Automated information processing in randomly ordered arrays |
US6775405B1 (en) * | 2000-09-29 | 2004-08-10 | Koninklijke Philips Electronics, N.V. | Image registration system and method using cross-entropy optimization |
US7280710B1 (en) | 2002-05-24 | 2007-10-09 | Cleveland Clinic Foundation | Architecture for real-time 3D image registration |
JP4787171B2 (ja) * | 2003-12-11 | 2011-10-05 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | 弾力的な画像位置合わせ |
US7324711B2 (en) * | 2004-02-26 | 2008-01-29 | Xerox Corporation | Method for automated image indexing and retrieval |
US8265354B2 (en) | 2004-08-24 | 2012-09-11 | Siemens Medical Solutions Usa, Inc. | Feature-based composing for 3D MR angiography images |
WO2006092594A2 (en) * | 2005-03-01 | 2006-09-08 | Kings College London | 3d ultrasound registration |
-
2009
- 2009-07-20 US US13/054,109 patent/US8553961B2/en not_active Expired - Fee Related
- 2009-07-20 EP EP09786647A patent/EP2311005A1/en not_active Withdrawn
- 2009-07-20 WO PCT/IB2009/053143 patent/WO2010015957A1/en active Application Filing
- 2009-07-20 CN CN2009801306789A patent/CN102132321B/zh not_active Expired - Fee Related
Non-Patent Citations (4)
Title |
---|
Andrew H. Gee et al.Rapid Registration for Wide Field of View Freehand Three-Dimensional Ultrasound.《IEEE TRANSACTIONS ON MEDICAL IMAGING》.2003,第22卷(第11期),1344-1357页. |
Charles R. Meyer et al.Semiautomatic registration of volumetric ultrasound scans.《Ultrasound in medicine and biology》.1999,第25卷(第3期),339-347页. |
Rapid Registration for Wide Field of View Freehand Three-Dimensional Ultrasound;Andrew H. Gee et al;《IEEE TRANSACTIONS ON MEDICAL IMAGING》;20031130;第22卷(第11期);摘要,第2部分图4,1347页左栏8-10行 * |
Semiautomatic registration of volumetric ultrasound scans;Charles R. Meyer et al;《Ultrasound in medicine and biology》;19990331;第25卷(第3期);图3 * |
Also Published As
Publication number | Publication date |
---|---|
EP2311005A1 (en) | 2011-04-20 |
WO2010015957A1 (en) | 2010-02-11 |
US20110116701A1 (en) | 2011-05-19 |
US8553961B2 (en) | 2013-10-08 |
CN102132321A (zh) | 2011-07-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102132321B (zh) | 用于医学图像的配准的自动预对准 | |
US7106891B2 (en) | System and method for determining convergence of image set registration | |
CN107886508B (zh) | 差分减影方法和医学图像处理方法及*** | |
EP2369551A1 (en) | Imaging system and method | |
US8682051B2 (en) | Smoothing of dynamic data sets | |
JP6273291B2 (ja) | 画像処理装置および方法 | |
US8452126B2 (en) | Method for automatic mismatch correction of image volumes | |
Mahmoudzadeh et al. | Evaluation of interpolation effects on upsampling and accuracy of cost functions‐based optimized automatic image registration | |
EP2631873B1 (en) | Image alignment of breast images | |
Mahmoudzadeh et al. | Interpolation-based super-resolution reconstruction: effects of slice thickness | |
EP1956553B1 (en) | Visual enhancement of interval changes using a temporal subtraction technique. | |
CN105556567B (zh) | 用于脊椎位置探测的方法和*** | |
Suzani et al. | Semi-automatic segmentation of vertebral bodies in volumetric MR images using a statistical shape+ pose model | |
CN102132322B (zh) | 用于确定对象的尺寸改变的设备 | |
US9763636B2 (en) | Method and system for spine position detection | |
EP1652122B1 (en) | Automatic registration of intra-modality medical volume images using affine transformation | |
US9020215B2 (en) | Systems and methods for detecting and visualizing correspondence corridors on two-dimensional and volumetric medical images | |
Gupta et al. | A hybrid framework for registration of carotid ultrasound images combining iconic and geometric features | |
Dzyubachyk et al. | Automated algorithm for reconstruction of the complete spine from multistation 7T MR data | |
EP1956554B1 (en) | Visual enhancement of interval changes using a temporal subtraction technique | |
EP1956552B1 (en) | Visual enhancement of interval changes using a temporal subtraction technique | |
Hopp et al. | Segmentation of 3D ultrasound computer tomography reflection images using edge detection and surface fitting | |
CN113554647B (zh) | 医学图像的配准方法和装置 | |
Nowinski et al. | Rapid and automatic calculation of the midsagittal plane in magnetic resonance diffusion and perfusion images | |
EP4088256A1 (en) | Measuring change in tumor volumes in medical images |
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: 20130918 Termination date: 20160720 |