CN102395999A - 医学图像数据的量化 - Google Patents
医学图像数据的量化 Download PDFInfo
- Publication number
- CN102395999A CN102395999A CN2010800165358A CN201080016535A CN102395999A CN 102395999 A CN102395999 A CN 102395999A CN 2010800165358 A CN2010800165358 A CN 2010800165358A CN 201080016535 A CN201080016535 A CN 201080016535A CN 102395999 A CN102395999 A CN 102395999A
- Authority
- CN
- China
- Prior art keywords
- image
- region
- module
- registration
- spatial alternation
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- 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
-
- 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
-
- 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
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20104—Interactive definition of region of interest [ROI]
-
- 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
- G06T2207/30004—Biomedical image processing
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Quality & Reliability (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
提供了一种用于量化医学图像数据的***。第一图像获取模块(1)用于获取第一图像(A)。第二图像获取模块(2)用于获取第二图像(B)。空间变换获取模块(3)用于获取表示第一图像中的点和第二图像中对应点之间对应关系的空间变换信息。识别模块(4)用于识别第一图像(A)中的第一图像区域(C)。变换模块(5)基于空间变换信息将第一图像区域(C)变换到第二图像(B)中的对应第二图像区域(C′)。量化模块(6)用于通过访问第二图像区域(C′)内的第二图像(B)的图像值计算与第二图像区域(C′)相关的量化。
Description
技术领域
本发明涉及医学图像数据的量化。
背景技术
在临床和临床前研究中,使用来自各种模态(modality)的数据辅助关于药物或治疗的研究。来自多种模态(诸如CT、MR、PET或SPECT)的数据产生不同的信息,可以使用这种信息的组合来得出结论。例如,PET和SPECT数据可以产生功能信息,而CT和MR可以产生解剖学信息。为了融合这样的信息,可以首先在CT或MR图像中勾勒出待研究的解剖区域(诸如器官或肿瘤区域)。然后经由来自PET或SPECT图像的信息研究同一区域的功能性能力。为了确保在两种模态中都研究的是同一区域,可以对数据进行图像间的初始配准以确保两幅图像的尺寸、交叠和取向是可比较的。此外,还可以执行配准以补偿采集条件、生物差异性和运动方面的差异。然而,对功能性能力的评估有待改进。
发明内容
拥有一种对医学图像数据进行量化的经改进的***将是有利的。为了更好地解决这一问题,在本发明的第一方面中,提供了一种***,其包括:-空间变换获取模块(means),其用于获取表示第一图像中的点和第二图像中对应点之间对应关系的空间变换信息;
-识别模块,其用于识别第一图像中的第一图像区域;
-变换模块,其基于空间变换信息将所述第一图像区域变换到第二图像中的对应第二图像区域;以及
-量化模块,其用于通过访问第二图像区域内的第二图像的图像值计算与第二图像区域相关的量化。
使用空间变换信息将第一图像区域变换到第二图像中的对应第二图像区域。通过这种方式,相对于原始第二图像界定了必须要量化的图像的区域,这样能够通过访问第二图像区域内第二图像的原始值来执行量化。因为量化模块访问第二图像的原始图像值,所以与通过访问第二图像的经重新采样和/或滤波的图像值执行量化的情况相比,该量化更加精确。
第一图像可以包括解剖学图像。第二图像可以包括功能图像。这种组合是有利的,因为它相对容易在解剖学图像中识别感兴趣区域(第一图像区域),而在功能图像中对应感兴趣区域(第二图像区域)内的功能图像的功能信息可以包含希望被量化的信息。
空间变换获取模块可以包括配准模块,其用于将第一图像的至少部分与第二图像的至少部分配准,以获取空间变换信息。两幅图像,特别是医学图像的这种配准,在现有技术中是公知的。配准能够得到经重新采样的图像数据,然而,不必在量化中使用这种数据。事实上,可以访问第二图像区域中的原始图像值。
识别模块可以被布置成提供第一图像区域的边界。变换模块可以被布置成基于空间变换信息变换边界,从而获得第二图像区域的边界。通过界定区域的边界识别区域相对容易。此外,可以使用空间变换相对容易地变换这样的边界。例如,可以由边界上的若干点表示区域的边界。可以对这样的点进行空间变换。
识别模块可以包括用于使用户能够在所述第一图像中指出第一图像区域的用户接口。这允许用户确定第一图像区域,例如希望对第二图像数据进行量化的感兴趣区域。
空间变换信息可以表示刚性、仿射、非刚性或基于界标的变换。这样的变换是用于配准目的和用于将第一图像区域变换到第二图像区域的适当的空间变换。
该***可以包括用于存储空间变换信息的存储模块。通过存储空间变换信息,能够向第一图像区域施加空间变换,从而使得不必存储和/或使用第一或第二图像的配准、内插版本。
存储模块可以被布置成进一步存储第一图像和/或第二图像的一系列实例标识符、原点、像素间距和/或图像取向。这种信息有助于将第一图像区域精确地映射到对应的第二图像区域。该系列实例标识符可以包括通用ID(UID)。
该***可以包括关联模块,其用于将量化与第一图像区域相关联。与图像区域对应的那样,通常量化对应于第一图像的第一图像区域。所述关联模块利用这种对应关系。
该***可以包括关联可视化模块,其用于将定量值和第一图像区域之间的关联的指示可视化。这样将关联传达给用户。
该***可以包括区域可视化模块,其用于将第二图像中的第二图像区域的指示可视化。这允许用户评估第二图像区域。如果用户不满意,可以提供用户接口模块,使用户能够在执行量化之前调节第二图像区域。
该***可以包括比较模块,其用于将量化与通过访问配准图像中对应区域内的图像值获得的另一量化进行比较,其中,配准图像是通过使第二图像变形以将第二图像与第一图像配准而获得的。这样能够评估配准对量化的效果。
一种医学图像采集设备可以包括用于采集第一图像或第二图像的模块,并且还包括所述用于量化医学图像数据的***。一种医学工作站可以包括所述用于量化医学图像数据的***。
一种对图像数据进行量化的方法可以包括如下步骤:
-获取表示第一图像中的点与第二图像中对应点之间对应关系的空间变换信息;
-识别第一图像中的第一图像区域;
-基于空间变换信息将第一图像区域变换到第二图像中的对应第二图像区域;以及
-通过访问第二图像区域内的第二图像的图像值计算与第二图像区域相关的量化。
一种计算机程序产品可以包括用于令处理器***执行所述方法的步骤的指令。
本领域技术人员将认识到,可以通过任何被认为有用的方式组合两个或更多本发明的上述特征和/或方面。
在本说明书的基础上,本领域技术人员能够执行对图像采集设备、工作站、***和/或计算机程序产品的修改和变化,所述修改和变化对应于对***的修改和变化。
本领域技术人员将认识到,该方法可以应用于通过各种采集模态采集的多维图像数据,例如2维(2-D)、3维(3-D)或4维(4-D)图像,所述采集模态诸如是,但不限于标准X射线成像、计算机断层摄影(CT)、磁共振成像(MRI)、超声(US)、正电子发射断层摄影(PET)、单光子发射计算机断断层摄影(SPECT)和核医学(NM)。
附图说明
将参考附图进一步解释和描述本发明的这些方面和其他方面,在附图中
图1示出了用于医学图像数据的量化的***图;
图2示出了用于医学图像数据的量化的方法图;
图3示出了医学图像的配准的图;以及
图4示出了包括存储空间变换的医学图像的图。
具体实施方式
接下来的详细描述详细地描述了本发明的几个实施例。这些实施例的细节不限制本发明。相反,它们描述的是可以结合本发明使用的可能有利特征的范例。说明书详细描述了解剖学图像和功能图像的组合。然而,还可以将本发明用于其他图像组合。例如,可以使用两幅解剖学图像或可以使用两幅功能图像。当使用两幅解剖学图像时,第一幅图像可以包括MR图像,第二幅图像可以包括CT图像,例如,或者在另一范例中,使用两幅CT图像或两幅MR图像。这样允许将第一解剖学图像中界定的感兴趣区域转换成第二解剖学图像中对应的感兴趣区域。第一图像还可以是功能图像,其上具有手动或自动标记出的感兴趣区域。例如,可以通过应用本文中描述的技术经由解剖学图像获得第一图像的感兴趣区域。第二图像可以是针对不同受检者或在不同时间拍摄的功能图像,以利用经标记的感兴趣区域研究统计学方面的改变。
图1示出了用于医学图像数据的量化的***方框图。例如,可以借助软件在计算机上实现这样的***。也可以在图像采集设备,特别是在医学图像采集设备或在医学工作站中实现该***。该***可以包括用于处理计算机指令的处理器、用于存储计算机指令和图像数据的存储器,存储器可以包括RAM或闪速存储器。可以使用诸如硬盘的大容量存储装置以持久地存储指令和/或存储图像数据,包括图像数据的量化。可以提供数据端口用于与网络通信,例如,用于与诸如PACS服务器的服务器交换图像数据和/或患者数据。也可以利用例如专用电子电路实现图1中所示的***。
该***可以包括用于获取第一图像A的第一图像获取模块1和用于获取第二图像B的第二图像获取模块2。例如,第一图像包括解剖学图像,第二图像包括功能图像。然而,这并非限制。图像获取模块1和2可以包括图像采集装置,诸如CT和/或PET扫描器。或者,图像获取模块1和2可以被布置成用于经由数据端口,例如从网络服务器,或者从可移除介质或其他存储模块接收图像。图像获取模块1和2还可以被布置成用于接收第一图像A和第二图像B的元数据,例如采集图像的空间分辨率、模态、日期。
该***可以包括空间变换获取模块3。这种空间变换获取模块3被布置成获取表示第一图像中的点和第二图像中的对应点之间对应关系的空间变换信息。在应用于图像A或B之一时,这样的变换可以对该图像在空间上进行变换,使其对应于另一图像。空间变换获取模块3可以被布置成从网络服务器,例如与从其接收图像数据的相同服务器,接收空间变换信息。空间变换获取模块3还可以包括配准模块7,其用于将第一图像的至少部分与第二图像的至少部分配准,以获取空间变换信息。在现有技术中这种配准过程是公知的。具体而言,空间变换获取模块3获取描述在配准过程中应用于图像的变换的信息,而不是仅获取已经被应用了空间变换的配准图像。这允许***向其他对象应用空间变换。
该***可以包括识别模块4,其用于在第一图像A中识别第一图像区域C。这样的识别模块4可以包括用户接口8,其用于使用户能够指出第一图像中的第一图像区域。或者,识别模块4可以包括分割模块,其用于识别图像中包括诸如器官的对象的图像区域C。可以通过现有技术中公知的方式进行这样的分割,并且其可以是自动的或半自动的。用户接口8可以包括使用户能够指出应当从存储模块检索第一区域的选项。
该***可以包括变换模块5,其基于空间变换信息将第一图像区域C变换到第二图像中的对应第二图像区域C′。变换模块5可以被布置成用于应用由空间变换信息指出的变换。
该***可以包括量化模块6,其通过访问第二图像区域内的第二图像的图像值,计算与第二图像区域相关的量化。不必一定对这些图像值重新采样,因为区域C被变换到区域C′(亦即,将区域C的标识(identification)变换到区域C′的标识)。因此,量化模块6能够使用第二图像区域C′边界内的第二图像B的原始图像值。
识别模块可以被布置成借助例如第一图像区域C表面的描述提供第一图像区域C的边界。变换模块5可以被布置成用于基于空间变换信息变换这一边界以获得第二图像区域C′的边界。表面描述例如可以包含表面上的若干点;可以使用空间变换信息将这些点逐个加以变换,以获得表示第二图像区域C′的边界的表面描述。
空间变换信息可以表示,例如刚性、仿射、非刚性或基于界标的变换。
该***可以包括用于存储空间变换信息的存储模块。存储模块还可以被布置成进一步存储第一图像或第二图像的一系列实例UID、原点、像素间距或图像取向。变换模块5可以将这种信息用作空间变换信息,或者在获取良好变换的过程中,可以由空间变换获取模块3或配准模块7使用该信息。
该***可以包括关联模块10,其用于将量化与第一图像区域相关联。例如,可以在患者记录中存储量化,作为与第一图像区域相关的量化。还可以在医学报告中记录量化,作为与第一图像区域相关的量化。
该***还可以包括可视化模块13。该可视化模块例如包括显示器。这样的显示器例如可以是医学工作站或医学图像采集设备的一部分。在显示器上,可以显示若干信息,诸如第一图像A、第二图像B和/或图像区域C和/或C′的指示。可以将这一可视化模块与用户接口8组合。还可以使用可视化模块13来创建患者状态的报告。可视化模块13可以包括关联可视化模块11,其用于对定量值和第一图像区域之间的关联的指示进行可视化。例如,由关联可视化模块11创建包括第一图像A、第一图像区域C的指示以及定量值的指示的可视化。或者,关联可视化模块11被布置成对第一图像区域(例如“心脏”)的名称连同定量值一起进行可视化。可视化模块13还可以包括区域可视化模块12,其用于对第二图像B中的第二图像区域C′的指示进行可视化。这允许用户验证空间变换获取模块3和/或变换模块5的正确操作。
图2图示了量化图像数据的方法。该方法包括获取第一图像的步骤201以及获取第二图像的步骤202。该方法还包括获取空间变换信息的步骤203,所述空间变换信息表示第一图像中的点和第二图像中对应点之间的对应关系。该方法还包括识别第一图像中的第一图像区域的步骤204。该方法还包括基于空间变换信息将第一图像区域变换到第二图像中的对应第二图像区域的步骤205。该方法还包括通过访问第二图像区域内的第二图像的图像值,计算与第二图像区域相关的量化的步骤206。
可以将医学成像***大致分成两种类型:产生解剖学信息的那些成像***(例如CT、MR、超声等)和产生功能信息的那些成像***(例如PET、SPECT)。然而,应当理解,显然这种区分不是严格的。例如,在一些应用中,可以使用CT或MR来采集功能信息。功能图像越来越多地用于诊断各种疾病,因为它们能够比问题变为解剖学异常而可见更早地探测到问题。然而,功能性成像的主要缺点是其不包含充分多的解剖学描绘,并且为了能够识别器官结构,有利的是利用由诸如CT或MR的解剖学成像模态提供的补充信息。可以手动地或自动地在CT或MR图像上标记解剖结构,然后可以向功能图像上导入这些区域。
为了向功能图像传送解剖学成像获得的这种解剖学参考,可以将解剖学图像和功能图像对准。可以借助配准技术这样做,其中,对数据进行滤波并重新采样,并变换目标图像(通常是功能图像),以与参照系(通常是解剖学图像)对准。应用滤波和重新采样以实现精确配准。然而,这些滤波和重新采样可能导致功能图像变形,并由此影响功能图像表示的量化值。功能图像中的量化值对于解释而言是重要的,并且这些量化值的变化能够影响到结果的精确度。因此,一种方法可能是优选的,其中,可以将解剖学参考变换到功能图像而不会使功能图像变形或影响其亮度水平。
为此,提出了一种方法,其中在一幅图像中标记的区域可在另一幅图像中用于量化,而不改变任一幅图像的值。这可以使得量化的精确度提高。
可能需要在其他图像中重新使用单幅图像中勾勒出的区域。例如,可以在一段时间内研究同一区域,或者可以利用不同类型的信息(解剖的、功能的,等等)分析该区域。为此,可以在多种模态上标记该区域。然而,在多幅图像中精确标记同一区域对手动而言或者是麻烦的或者是不可能的,尤其是如果成像模态之一恰好是没有解剖学参考的功能图像时。将一幅图像上标记的区域导入另一幅图像中的通常方式是利用在其上标记该区域的图像作为参考并将其与其他图像(其用作目标图像)配准。在该过程中目标图像变形(因为配准过程也涉及一些滤波和重新采样),并且值被修改。这导致量化不精确,因为区域内的强度值被修改了。
因此,本说明书中描述的技术允许临床或临床前科学家或临床医生向一幅或多幅目标图像上导入在一幅参考图像中标记的区域而不修改图像。
可以单独存储在其上标记了解剖学参考的图像和在其上要导入和配准该区域的图像以及配准变换。作为配准一部分而对目标图像进行的任何修改不被用于量化目的。配准变换(例如刚性或仿射变换)连同关于配准的元数据信息一起存储。这种元数据可以包括哪个是参考以及哪个是目标图像的指示。元数据还可以包括在其上标记了解剖学参考或区域的图像的原点、像素间距和/或取向信息。可以向标记的区域应用这种变换(或根据元数据,对其的修改)(而不改变图像)。现在将变换的区域与目标位置对准并能够将其用于对功能图像进行量化研究。
图3图示了用于量化的配准过程。第一图像A包括第一图像区域C。还提供了第二图像B。通过配准模块301将两幅图像A和B配准。在该过程中,变换第二图像B,使得图像B表示的对象的形状与图像A表示的同一或对应对象重合。这样获得了第二图像B的变形配准版本B′。然后可以将图像A中指示的区域C传递到图像B′,而无任何变化。这一过程的缺点是修改了图像B,并由此修改了其表示的定量数据。
图4图示了用于量化的另一过程。该图示出了与图3所示相同的第一图像A和第二图像B以及第一图像区域C。此外,配准模块301类似于图3所示那个。然而,并非在图4的过程中存储图像B的变形版本(图3的图像B′),而是存储空间变换信息402。这种信息表示两幅图像A和B中点之间的对应关系。例如,变换信息402存储允许在图像B中点的给定坐标作为输入时提供图像A中坐标的信息。在这种情况下,还存储逆变换信息403。逆变换信息403表示将表示图像A中点的坐标转换成表示图像B中对应点的坐标所需的变换。还可以仅存储这后一种变换403,忽略变换402。可以利用变换信息403变换第一图像区域C的边界,这得到了第二图像区域C′。如图4所示,这一第二图像区域C′直接界定图像B中的区域。利用区域C′,不用像图3***中那样使用经重新采样的图像数据,就可以计算与图像区域C′相关的定量信息。
分别存储在参考图像上手动标记的或利用自动分割算法确定的解剖学参考(区域C)。利用已知的配准技术,诸如刚性的、仿射的、非刚性的或基于界标的,配准在其上标记了区域的图像(图像A)和要导入该区域的图像(图像B)。从这样的变换计算的变形值与涉及配准的元数据(被选取作为参考和目标的图像的一系列UID,以及两幅图像的原点、像素间距和图像取向)一起存储(402)。然后根据元数据修改从配准获得的图像变换值并将其施加到该区域以获得变形的区域C′。变形的区域C′现在与图像B在相同的参照系中,并且能够被传送到要进行量化的图像B上。
在分析功能性医学图像时,第一步常常是将功能图像与作为参考的解剖学图像配准。然而,配准过程自身会在功能性数据的量化值中引入改变。尽管可能必须执行这样的变换以获得良好的配准,或者甚至能够对数据滤波以执行后续分析,但量化这样的处理会使强度值产生的差异是有用的。这是因为强度值实际上对应于物理放射性剂量,并且希望除了定性诊断之外还估计绝对物理量(放射性方面)。因此,希望在获取最终结论的分析流水线中量化配准的效果。
配准过程之后可以继之以分割过程以及对分割体积的分析。可以通过现有技术中公知的各种方法执行分割。在分割之后,还可以利用各种选择进行分析。为了量化配准的效果,可以在有和没有配准的情况下进行分析,并比较最终定量数据中的差异。然而,由于在许多情况下,没有与解剖学数据的正确对准就难以或不可能进行功能图像数据的分割,所以从分析流程中去除配准步骤可能不是选择。因此,需要一种方法,其能够在未执行配准的情况下允许继续进行分割和分析流程的其余部分。
可以存储为了在功能图像中进行量化而在解剖学图像上绘制的轮廓。可以通过与针对配准的效果而要进行分析的管线中相同的流程获得轮廓。可以对解剖学图像和功能图像进行配准,并可以存储计算的变换。可以将所存储的计算的变换施加到轮廓并将其导入到功能图像上。这样就通过跳过配准步骤在功能图像上获得了轮廓。现在可以继续分析流程的剩余部分。然后能够将有和没有配准的分析流水线结果进行比较以定量地评估配准对特定类型分析的效果。也可以使用这种框架评估各种配准算法的效果。
一个范例涉及到将PET图像配准到CT图像并计算感兴趣区域中的标准化摄取值(SUV)。医师在分辨率良好的CT图像中标记感兴趣区域。为了将这一感兴趣区域应用于PET图像,通常将PET图像配准到CT图像,从而可以在那里应用同一感兴趣区域。由于配准导致的PET图像的变形通常仅匹配空间坐标,但不保持强度值(常常使用简单的重新采样)。然而,为了获取定量正确的结果,希望也变化强度值,因为由于配准而生长的区域应当减小每个体素的强度。这样的“强度保持”变换在原理上是可能的,但难以实施。可以避免这样的“强度保持”变换。可以进行从PET向CT上的配准,以将逆变换用于感兴趣区域表面(而不是变换图像数据自身)。可以将变换的感兴趣区域应用于未修改的PET图像。获得了原始PET图像中的正确强度值(例如,以计算感兴趣区域中的SUV)。这种概念允许医师利用“天然的”CT(标记感兴趣区域)和PET图像(计算SUV)工作。
应当认识到,本发明还扩展到适于将本发明付诸实践的计算机程序,特别是载体上或载体中的计算机程序。程序可以是源代码、目标代码的形式,源代码和目标代码之间的代码,例如部分编译的形式,或适用于实施根据本发明的方法的任何其他形式。还应当认识到,这样的程序可以具有很多不同的架构设计。例如,可以将实施根据本发明的方法或***的功能的程序代码细分成一个或多个子程序。对于技术人员而言,在这些子程序间分配功能的很多不同方式是显而易见的。可以在一个可执行文件中将子程序存储在一起以形成独立自足的程序。这样的可执行文件可以包括计算机可执行指令,例如处理器指令和/或解释程序指令(例如,Java解释程序指令)。或者,可以将一个或多个或全部子程序存储在至少一个外部库文件中,并例如在运行时静态地或动态地与主程序链接。主程序包含对子程序中的至少一个的至少一个调用。而且,子程序可以包括彼此的函数调用。涉及计算机程序产品的实施例包括与所阐述方法中的至少一种的每个处理步骤对应的计算机可执行指令。这些指令可以被细分成子例程和/或存储在一个或多个可以静态或动态链接的文件中。涉及计算机程序产品的另一实施例包括与所阐述***和/或产品中的至少一种的每个模块对应的计算机可执行指令。这些指令可以被细分成子例程和/或存储在一个或多个可以静态或动态链接的文件中。
计算机程序的载体可以是能够执行程序的任何实体或装置。例如,载体可以包括诸如ROM的存储介质或磁记录介质,ROM例如是CD ROM或半导体ROM,磁记录介质例如是软盘或硬盘。此外,载体可以是可传输的载体,例如电或光信号,可以经由电缆或光缆或通过无线电或其他手段传送。当在这种信号中实现程序时,载体可以由这样的电缆或其他装置或模块构成。或者,载体可以是其中嵌入程序的集成电路,集成电路适于执行相关方法或在执行相关方法中使用。
应当注意,上述实施例旨在对本发明进行举例说明,而不是对其做出限制,并且本领域技术人员能够在不背离权利要求的范围的情况下设计出很多备选实施例。在权利要求中,不应当任何放置在括号内的附图标记推断为限制所述权利要求。动词“包括”及其词性变化的使用不排除权利要求陈述的元件或步骤以外的元件或步骤的存在。元件前的冠词“一”或“一个”不排除存在复数个这样的元件。可以利用包括几个分立元件的硬件,也可以利用适当编程的计算机实现本发明。在枚举了几个机构的装置权利要求中,可以通过同一件硬件体现这些机构中的几个。在互不相同的从属权利要求中陈述某些措施不表示不能有利地采用这些措施的组合。
Claims (15)
1.一种用于量化医学图像数据的***,包括:
-空间变换获取模块(3),其用于获取表示第一图像中的点和第二图像中对应点之间的对应关系的空间变换信息;
-识别模块(4),其用于识别所述第一图像(A)中的第一图像区域(C);
-变换模块(5),其基于所述空间变换信息将所述第一图像区域(C)变换到所述第二图像(B)中的对应第二图像区域(C′);以及
-量化模块(6),其用于通过访问所述第二图像区域(C′)内的所述第二图像(B)的图像值计算与所述第二图像区域(C′)相关的量化。
2.根据权利要求1所述的***,所述第一图像(A)包括解剖学图像,所述第二图像(B)包括功能图像。
3.根据权利要求1所述的***,所述空间变换获取模块(3)包括配准模块(7),所述配准模块(7)用于将所述第一图像(A)的至少部分与所述第二图像(B)的至少部分配准以获取所述空间变换信息。
4.根据权利要求1所述的***,所述识别模块(4)被布置成提供所述第一图像区域(C)的边界,并且所述变换模块(5)被布置成基于所述空间变换信息变换所述边界以获取所述第二图像区域(C′)的边界。
5.根据权利要求1所述的***,所述识别模块(4)包括用于使用户能够在所述第一图像(A)中指出所述第一图像区域(C)的用户接口(8)。
6.根据权利要求1所述的***,所述空间变换信息表示刚性、仿射、非刚性或基于界标的变换。
7.根据权利要求1所述的***,所述变换模块(5)被布置成还基于所述第一图像或所述第二图像的一系列实例标识符、原点、像素间距或图像取向来执行从所述第一图像区域(C)到所述第二图像(B)中的所述对应第二图像区域(C′)的变化。
8.根据权利要求1所述的***,还包括关联模块(10),其用于将所述量化与所述第一图像区域(C)关联。
9.根据权利要求8所述的***,还包括关联可视化模块(11),其用于将定量值和所述第一图像区域(C)之间的关联的指示可视化。
10.根据权利要求1所述的***,还包括区域可视化模块(12),其用于将所述第二图像(B)中的所述第二图像区域(C′)的指示可视化。
11.根据权利要求1所述的***,还包括比较模块,其用于将所述量化与通过访问配准的图像(B′)中对应区域内的图像值获取的另一量化进行比较,其中,所述配准的图像(B′)是通过使所述第二图像(B)变形以将所述第二图像(B)与所述第一图像(A)配准而已经获得的。
12.一种医学图像采集设备,包括用于采集第一图像或第二图像的模块,还包括根据权利要求1所述的***。
13.一种医学工作站,包括根据权利要求1所述的***。
14.一种量化图像数据的方法,包括:
-获取(203)表示图像中的点和第二图像中对应点之间对应关系的空间变换信息;
-识别(204)所述第一图像中的第一图像区域;
-基于所述空间变换信息将所述第一图像区域变换(205)成所述第二图像中的对应第二图像区域;以及
-通过访问所述第二图像区域内的所述第二图像的图像值计算(206)与所述第二图像区域相关的量化。
15.一种计算机程序产品,其包括用于令处理器***执行根据权利要求14所述的方法的步骤的指令。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP09157932.6 | 2009-04-15 | ||
EP09157932 | 2009-04-15 | ||
PCT/IB2010/051564 WO2010119388A1 (en) | 2009-04-15 | 2010-04-12 | Quantification of medical image data |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102395999A true CN102395999A (zh) | 2012-03-28 |
CN102395999B CN102395999B (zh) | 2014-08-20 |
Family
ID=42312967
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201080016535.8A Active CN102395999B (zh) | 2009-04-15 | 2010-04-12 | 医学图像数据的量化 |
Country Status (4)
Country | Link |
---|---|
US (1) | US8811708B2 (zh) |
EP (1) | EP2422318B1 (zh) |
CN (1) | CN102395999B (zh) |
WO (1) | WO2010119388A1 (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104321773A (zh) * | 2012-03-31 | 2015-01-28 | 瓦里安医疗***公司 | 使用形变配准的4d锥形束ct |
CN107392976A (zh) * | 2017-07-31 | 2017-11-24 | 上海联影医疗科技有限公司 | 数据处理方法、装置及设备 |
CN108053428A (zh) * | 2017-12-28 | 2018-05-18 | 上海联影医疗科技有限公司 | 一种医学图像的配准方法、装置及设备 |
CN109584149A (zh) * | 2018-11-28 | 2019-04-05 | 东软集团股份有限公司 | 图像处理方法、装置、设备和计算机可读存储介质 |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012037151A2 (en) * | 2010-09-13 | 2012-03-22 | University Of Southern California | Efficient mapping of tissue properties from unregistered data with low signal-to-noise ratio |
WO2013072843A1 (en) * | 2011-11-16 | 2013-05-23 | Koninklijke Philips Electronics N.V. | Method to compute and present brain amyloid in gray matter |
JP6632829B2 (ja) * | 2014-08-27 | 2020-01-22 | キヤノンメディカルシステムズ株式会社 | 医用画像処理装置及び医用画像処理方法 |
US20160217588A1 (en) | 2014-12-11 | 2016-07-28 | Jeffrey R. Hay | Method of Adaptive Array Comparison for the Detection and Characterization of Periodic Motion |
US10062411B2 (en) | 2014-12-11 | 2018-08-28 | Jeffrey R. Hay | Apparatus and method for visualizing periodic motions in mechanical components |
EP3086562B1 (en) * | 2015-04-23 | 2017-05-24 | Axis AB | Method and device for processing a video stream in a video camera |
JP2019136444A (ja) * | 2018-02-15 | 2019-08-22 | キヤノン株式会社 | 情報処理装置、情報処理方法、及びプログラム |
US11423551B1 (en) | 2018-10-17 | 2022-08-23 | Rdi Technologies, Inc. | Enhanced presentation methods for visualizing motion of physical structures and machinery |
US11373317B1 (en) | 2020-01-24 | 2022-06-28 | Rdi Technologies, Inc. | Measuring the speed of rotation or reciprocation of a mechanical component using one or more cameras |
US11282213B1 (en) | 2020-06-24 | 2022-03-22 | Rdi Technologies, Inc. | Enhanced analysis techniques using composite frequency spectrum data |
US11322182B1 (en) | 2020-09-28 | 2022-05-03 | Rdi Technologies, Inc. | Enhanced visualization techniques using reconstructed time waveforms |
CN113688751A (zh) * | 2021-08-30 | 2021-11-23 | 上海城投水务(集团)有限公司制水分公司 | 一种利用图像识别技术分析矾花特征的方法及装置 |
EP4300414A1 (en) * | 2022-06-30 | 2024-01-03 | Siemens Healthcare GmbH | Transferring marker locations from a reference image to a follow-up medical image |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1862596A (zh) * | 2005-04-19 | 2006-11-15 | 西门子共同研究公司 | 针对心脏展开的所融合的pet-ct可视化的***和方法 |
CN1890689A (zh) * | 2003-12-11 | 2007-01-03 | 皇家飞利浦电子股份有限公司 | 弹性的图像配准 |
CN1920882A (zh) * | 2005-08-24 | 2007-02-28 | 西门子共同研究公司 | 基于显著区域特征的医学图像三维多模配准的***和方法 |
CN1950849A (zh) * | 2004-05-06 | 2007-04-18 | 皇家飞利浦电子股份有限公司 | 药物动力学图像配准 |
CN1952980A (zh) * | 2006-11-17 | 2007-04-25 | 南方医科大学 | 三维图像的快速配准方法 |
CN1973297A (zh) * | 2004-05-14 | 2007-05-30 | 皇家飞利浦电子股份有限公司 | 信息增强图像引导介入 |
CN101032423A (zh) * | 2005-11-23 | 2007-09-12 | 通用电气公司 | 实时交互式数据分析管理工具 |
CN101061520A (zh) * | 2004-11-22 | 2007-10-24 | 皇家飞利浦电子股份有限公司 | 改进的实时位置数据表示 |
CN101061503A (zh) * | 2004-11-19 | 2007-10-24 | 皇家飞利浦电子股份有限公司 | 3d图像集在不同空间之间的最佳变换 |
CN101188024A (zh) * | 2006-11-20 | 2008-05-28 | 爱克发医疗保健公司 | 融合3d体绘制图像上拾取和根据拾取动作更新相应视图 |
CN101198981A (zh) * | 2005-06-15 | 2008-06-11 | 皇家飞利浦电子股份有限公司 | 用于比较第一和第二图像的基于模型的弹性图像配准方法 |
CN101228551A (zh) * | 2005-07-22 | 2008-07-23 | 卡尔斯特里姆保健公司 | 医学图像中的异常检测 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2003083779A2 (en) * | 2002-04-03 | 2003-10-09 | Segami S.A.R.L. | Image registration process |
US20050031176A1 (en) * | 2003-08-08 | 2005-02-10 | Hertel Sarah R. | Method and apparatus of multi-modality image fusion |
US7935055B2 (en) * | 2003-09-19 | 2011-05-03 | Siemens Medical Solutions Usa, Inc. | System and method of measuring disease severity of a patient before, during and after treatment |
US7616799B2 (en) * | 2004-06-18 | 2009-11-10 | Siemens Medical Solutions Usa, Inc. | System and method for monitoring disease progression or response to therapy using multi-modal visualization |
US20070049817A1 (en) * | 2005-08-30 | 2007-03-01 | Assaf Preiss | Segmentation and registration of multimodal images using physiological data |
US7822251B2 (en) * | 2006-11-29 | 2010-10-26 | Siemens Medical Solutions Usa, Inc. | Variational approach on whole body SPECT/CT registration and zipping |
DE102007023656A1 (de) * | 2007-05-22 | 2008-12-04 | Siemens Ag | Verfahren zur Datenauswertung |
US8184886B2 (en) * | 2007-08-21 | 2012-05-22 | Siemens Aktiengesellschaft | Deformable 2D-3D registration |
US8165425B2 (en) * | 2008-07-24 | 2012-04-24 | Siemens Medical Solutions Usa, Inc. | Interactive manual deformable registration of images |
-
2010
- 2010-04-12 CN CN201080016535.8A patent/CN102395999B/zh active Active
- 2010-04-12 US US13/263,764 patent/US8811708B2/en active Active
- 2010-04-12 WO PCT/IB2010/051564 patent/WO2010119388A1/en active Application Filing
- 2010-04-12 EP EP10717256.1A patent/EP2422318B1/en active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1890689A (zh) * | 2003-12-11 | 2007-01-03 | 皇家飞利浦电子股份有限公司 | 弹性的图像配准 |
CN1950849A (zh) * | 2004-05-06 | 2007-04-18 | 皇家飞利浦电子股份有限公司 | 药物动力学图像配准 |
CN1973297A (zh) * | 2004-05-14 | 2007-05-30 | 皇家飞利浦电子股份有限公司 | 信息增强图像引导介入 |
CN101061503A (zh) * | 2004-11-19 | 2007-10-24 | 皇家飞利浦电子股份有限公司 | 3d图像集在不同空间之间的最佳变换 |
CN101061520A (zh) * | 2004-11-22 | 2007-10-24 | 皇家飞利浦电子股份有限公司 | 改进的实时位置数据表示 |
CN1862596A (zh) * | 2005-04-19 | 2006-11-15 | 西门子共同研究公司 | 针对心脏展开的所融合的pet-ct可视化的***和方法 |
CN101198981A (zh) * | 2005-06-15 | 2008-06-11 | 皇家飞利浦电子股份有限公司 | 用于比较第一和第二图像的基于模型的弹性图像配准方法 |
CN101228551A (zh) * | 2005-07-22 | 2008-07-23 | 卡尔斯特里姆保健公司 | 医学图像中的异常检测 |
CN1920882A (zh) * | 2005-08-24 | 2007-02-28 | 西门子共同研究公司 | 基于显著区域特征的医学图像三维多模配准的***和方法 |
CN101032423A (zh) * | 2005-11-23 | 2007-09-12 | 通用电气公司 | 实时交互式数据分析管理工具 |
CN1952980A (zh) * | 2006-11-17 | 2007-04-25 | 南方医科大学 | 三维图像的快速配准方法 |
CN101188024A (zh) * | 2006-11-20 | 2008-05-28 | 爱克发医疗保健公司 | 融合3d体绘制图像上拾取和根据拾取动作更新相应视图 |
Non-Patent Citations (3)
Title |
---|
ELISSA L.KRAMER ET AL: "CT-SPECT fusion for analysis of radiolabeled antibodies:Applications in gastrointestinal and lung carcinoma", 《PROCEEDINGS OF SECOND INTERNATIONAL CONFERENCE ON DIAGNOSIS AND THERAPY WITH MONOCLONAL ANTIBODIES》, vol. 18, no. 1, 30 December 1991 (1991-12-30), pages 27 - 42 * |
MARILYN E.NOZ ET AL: "A Versatile Functional-Anatomic Image Fusion Method for Volume Data Sets", 《JOURNAL OF MEDICAL SYSTEMS》, vol. 25, no. 5, 1 October 2001 (2001-10-01), pages 297 - 307, XP008021035, DOI: doi:10.1023/A:1010633123512 * |
SANJEEV KATYAL ET AL: "Fusion of Immunoscintigraphy Single Photon Emission Computed Tomography(SPECT) with CT of the Chest in Patients with Non-Small Cell Lung Cancer", 《CANCER RESEARCH》, vol. 55, 1 December 1995 (1995-12-01), pages 5759 - 5763 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104321773A (zh) * | 2012-03-31 | 2015-01-28 | 瓦里安医疗***公司 | 使用形变配准的4d锥形束ct |
CN104321773B (zh) * | 2012-03-31 | 2017-05-17 | 瓦里安医疗***公司 | 一种获得容积图像的方法和装置 |
CN107392976A (zh) * | 2017-07-31 | 2017-11-24 | 上海联影医疗科技有限公司 | 数据处理方法、装置及设备 |
CN108053428A (zh) * | 2017-12-28 | 2018-05-18 | 上海联影医疗科技有限公司 | 一种医学图像的配准方法、装置及设备 |
CN109584149A (zh) * | 2018-11-28 | 2019-04-05 | 东软集团股份有限公司 | 图像处理方法、装置、设备和计算机可读存储介质 |
CN109584149B (zh) * | 2018-11-28 | 2023-03-07 | 东软集团股份有限公司 | 图像处理方法、装置、设备和计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
US20120033865A1 (en) | 2012-02-09 |
EP2422318B1 (en) | 2019-10-16 |
WO2010119388A1 (en) | 2010-10-21 |
US8811708B2 (en) | 2014-08-19 |
CN102395999B (zh) | 2014-08-20 |
EP2422318A1 (en) | 2012-02-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102395999B (zh) | 医学图像数据的量化 | |
Beare et al. | Image segmentation, registration and characterization in R with SimpleITK | |
US10088544B2 (en) | Tractography framework with magnetic resonance imaging for brain connectivity analysis | |
US10297025B2 (en) | Covariate modulate atlas | |
Schreibmann et al. | MR‐based attenuation correction for hybrid PET‐MR brain imaging systems using deformable image registration | |
Mori et al. | Atlas-based neuroinformatics via MRI: harnessing information from past clinical cases and quantitative image analysis for patient care | |
Herz et al. | DCMQI: an open source library for standardized communication of quantitative image analysis results using DICOM | |
US20160019320A1 (en) | Three-dimensional computer-aided diagnosis apparatus and method based on dimension reduction | |
US9585567B2 (en) | Method to compute and present brain amyloid in gray matter | |
US11783485B2 (en) | Protocol-aware tissue segmentation in medical imaging | |
CN112702947A (zh) | 诊断辅助***以及方法 | |
US11393099B2 (en) | Image segmentation and prediction of segmentation | |
CN104487978A (zh) | 用于基于来自放射医生的输入来生成报告的***和方法 | |
US20190164643A1 (en) | Method for controlling an evaluation device for medical images of patient, evaluation device, computer program and electronically readable storage medium | |
KR101885562B1 (ko) | 제1 의료 영상의 관심 영역을 제2 의료 영상 위에 맵핑하는 방법 및 이를 이용한 장치 | |
Flandin et al. | fMRI data analysis using SPM | |
Vizza et al. | Methodologies for the analysis and classification of PET neuroimages | |
Ben Bouallègue et al. | Comparative assessment of linear least‐squares, nonlinear least‐squares, and Patlak graphical method for regional and local quantitative tracer kinetic modeling in cerebral dynamic 18F‐FDG PET | |
US20120308097A1 (en) | Data processing of group imaging studies | |
Rohlfing | User guide to the computational morphometry toolkit | |
US20230368913A1 (en) | Uncertainty Estimation in Medical Imaging | |
Tobon et al. | High-level story: Data analysis in multimodal preclinical imaging—methods and tools | |
Karkra et al. | Multi-atlas segmentation: Label propagation and fusion based approach | |
Makrogiannis et al. | A multimodal image registration and fusion methodology applied to drug discovery research | |
WO2022200314A1 (en) | Masking textured regions in an image |
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 |