CN102473297B - 量化灌注分析 - Google Patents
量化灌注分析 Download PDFInfo
- Publication number
- CN102473297B CN102473297B CN201080029466.4A CN201080029466A CN102473297B CN 102473297 B CN102473297 B CN 102473297B CN 201080029466 A CN201080029466 A CN 201080029466A CN 102473297 B CN102473297 B CN 102473297B
- Authority
- CN
- China
- Prior art keywords
- perfusion
- frequency distribution
- image
- curve
- intensity level
- 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/40—Analysis of texture
- G06T7/41—Analysis of texture based on statistical description of texture
-
- 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
- G06T7/0014—Biomedical image inspection using an image reference approach
- G06T7/0016—Biomedical image inspection using an image reference approach involving temporal comparison
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
-
- 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
- G06T2207/10088—Magnetic resonance imaging [MRI]
- G06T2207/10096—Dynamic contrast-enhanced magnetic resonance imaging [DCE-MRI]
-
- 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
- G06T2207/30101—Blood vessel; Artery; Vein; Vascular
- G06T2207/30104—Vascular flow; Blood flow; Perfusion
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Probability & Statistics with Applications (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Image Analysis (AREA)
Abstract
公开了一种用于对包括图像元素的灌注图像进行量化分析的***,所述图像元素具有与之相关联的强度值。所述***包括频率分布计算机子***(1),其用于计算所述图像的至少部分的强度值的多个频率分布。所述***包括灌注信息提取器(2),其用于从所述多个频率分布提取与灌注相关的信息。所述灌注信息提取器(2)包括偏移检测器(3),其用于检测所述频率分布的强度值的偏移。所述灌注信息提取器(2)被布置成基于所检测的偏移提取与灌注相关的信息。用户接口元件(8)使得用户能够通过单个自由度指示出核心区域和边缘区域之间的边界。血管性子***(9)将血管性值与图像元素相关。
Description
技术领域
本发明涉及灌注分析。更具体而言,本发明涉及对包括图像元素的灌注图像的量化分析,图像元素具有与之相关联的强度值。
背景技术
出于多种不同的目的,灌注分析用于例如医学成像中。例如,可以使用灌注成像和分析来执行对良性和恶性肺部病灶(诸如肺结节)之间的鉴别诊断。另一范例是区分肿瘤对癌症治疗的正面或负面响应。可以使用动态CT扫描。这样的动态CT扫描包括一时间系列的二维或三维扫描,包括在施予造影剂(诸如碘)之前和之后进行的扫描。这些扫描得到包括诸如体素(对于三维图像)或像素(对于二维图像)的图像元素的图像。可能在图像中可见并且是由于造影剂到达感兴趣区域(例如病灶或肿瘤)而引起的“摄取”或“增强”,可以被解释为血管增生的表示。这样的血管增生可能是恶性和/或代谢活动的征兆。
使用对图像序列中相继图像内强度值的逐图像元素(例如,体素间或像素间)的比较来确定摄取或增强,因为在造影剂到达感兴趣区域中时,感兴趣区域中体素(或像素)的强度值将改变。然而,与图像对比度相比,摄取或增强常常很小。例如,由造影剂引起的强度值改变可能仅为1%。因此,难以精确确定摄取或增强的定时和/或强度。此外,时间系列的图像或图像体积可能在空间上未完美对准。例如,患者可能移动或改变位置或者内部器官可能已经由于例如呼吸、心跳或肠蠕动而变形。
Sang Ho Lee等人在5th IEEE International Symposium on BiomedicalImaging:From Nano to Macro,Proceedings,ISBI,2008,第1545-1548页的“Texture analysis of lesion perfusion volumes in dynamic contrast-enhancedbreast MRI”,下文中:Lee等人公开了一种应用于动态对比增强的乳腺MRI中的灌注体积以提供病灶辨别方法的质地分析方案。执行自动分割以提取病灶体积,病灶体积被分成整体、边缘和核心体积部分。利用计算机辅助诊断的三时间点(three-time-points,3TP)方法对病灶灌注体积进行分类。根据已知的3TP方法,沿摄取特征的三个选择的时间点被用于估计洗入和洗出行为。
发明内容
拥有一种用于对包括图像元素的灌注图像进行量化分析的经改进的***将是有利的,图像元素具有与之相关联的强度值。为了更好地解决这一间题,在本发明的第一方面,提供了一种***,其包括:
-频率分布计算子***,其用于计算图像的至少部分的强度值的多个频率分布;以及
-灌注信息提取器,其用于从所述多个频率分布提取与灌注相关的信息。
需要量化灌注信息的图像区域可能包含难于分割并且难于在多幅图像的相继图像中识别和配准的小血管。频率分布表示来自多个图像元素的信息,使得无需执行对个体图像元素的比较。此外,由于频率分布保留了在图像中发生的不同强度值的信息,变得可能比较具有特定强度值范围的图像区域,而无需明确地分割这些图像区域。可以检测频率分布的变化并将其用作图像所关联的组织的灌注的指示符。
灌注信息提取器可以包括用于比较针对不同图像计算的至少两个频率分布的偏移检测器。通过这种方式,可以检测频率分布的强度值的偏移。灌注信息提取器可以被布置成基于所检测到的偏移提取与灌注相关的信息。直方图的偏移是造影剂流入的指示符,这允许精确量化灌注属性。
偏移检测器可以被布置成比较多个频率分布与单个基准频率分布,以检测相应频率分布相对于基准频率分布的相应的偏移。其优点在于,相应的偏移能够容易地彼此进行比较。
偏移检测器包括互相关器,其用于将所述至少两个频率分布互相关,以获得互相关曲线,偏移检测器被布置成基于所述互相关曲线检测偏移。所述互相关曲线是确定频率分布的偏移的相对鲁棒的方式。
偏移检测器还可以包括波峰检测器,其用于检测互相关曲线中的波峰。波峰的位置可以用作偏移值的指示符。
灌注信息提取器可以包括偏移曲线生成器,其用于组合针对相应的频率分布所检测的偏移,以形成偏移曲线,所述灌注信息提取器包括灌注摄取检测器,其用于基于所述偏移曲线检测灌注摄取。所述偏移曲线允许从数据提取其他量。这样的量的范例是灌注摄取。
所述***包括区域识别子***,其用于识别图像中的感兴趣区域,所述频率分布计算子***被布置成计算所述图像中感兴趣区域的频率分布。通过这种方式,所述量对于特定解剖结构,诸如肿瘤或肿瘤的一部分,更具特异性。
所述区域识别子***可以被布置成识别围绕病灶的核心区域的边缘区域的至少部分作为感兴趣区域。边缘区域可以在评估肿瘤的过程中扮演重要的角色。
区域识别子***可以包括用户接口元件,其用于使得用户能够通过单个自由度指示出核心区域和边缘区域之间的边界,所述单个自由度与核心区域的尺寸相关。这被认为是调节所述边界的特别有效和/或用户友好的方式。
所述***可以包括血管性(vesselness)子***,其用于将血管性值与图像元素相关联,血管性值表示图像元素属于血管的可能性,频率分布计算子***被布置成基于血管性值对图像元素的强度值对频率分布的贡献进行加权。这使得频率分布与血管的灌注更为相关。实质上是基于这样的想法,即不仅仅是感兴趣的强度值,而且还有图像的结构,在这种情况下为血管性,能够指示图像的哪一部分是重要的。
与灌注相关的信息可以包括如下内容中的至少一个:造影剂的到达时间、流经区域的造影剂的量、最大增强、最大强度的时间、最大上升沿(upslope)或强度值时间导数、最大上升沿的时间、具有自由参数的分析灌注曲线与所观测的时间曲线的拟合。这样的量与评估临床病例相关并且能够使用本文所描述的基于频率分布的技术导出。
一种医学成像工作站,可以包括除上述***之外的显示器,其用于显示与灌注相关的信息。这允许例如由放射科医师使用所述***。
一种成像设备,可以包括用于生成灌注图像的扫描器和上述***。这允许例如由扫描器的操作员或介入医师使用所述***。
一种对包括图像元素的灌注图像执行量化分析的方法,所述图像元素具有与之相关联的强度值,所述方法包括:
-计算所述图像的强度值的多个频率分布;以及
-从所述多个频率分布提取与灌注相关的信息。
一种计算机程序产品,可以包括用于令处理器***执行上述方法的步骤的指令。
本领域技术人员应当认识到,可以通过任何想要的可用方式组合上述实施例、实施方案和/或本发明的各方面中的两个或多个。
本领域技术人员基于本说明书,可以实现与本***的所述修改和变型对应的图像采集设备、工作站、***和/或计算机程序产品的修改和变型。
本领域技术人员应当认识到,所述方法可以应用于多维图像数据,例如,应用于通过各种采集模态,诸如,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层摄影(SPECT)和核医学(NM),所采集的2维(2-D)、3维(3-D)或4维(4-D)图像。
附图说明
参考附图,将进一步阐述和描述本发明的这些方面和其他方面,在附图中:
图1是用于对包括图像元素的灌注图像进行量化分析的***的框图,所述图像元素具有与之相关联的强度值;以及
图2是图示了对包括图像元素的灌注图像执行量化分析的方法的流程图,所述图像元素具有与之相关联的强度值。
具体实施方式
尽管空间共同配准,但对象的运动,例如呼吸运动,对灌注图像(诸如灌注CT图像)中Hounsfield值的直接逐体素比较造成不利影响。被成像的肿瘤也可能在各次扫描之间弹性变形。肿瘤的分割常常模糊不清。然而,肿瘤的分割影响灌注曲线,如果所述灌注曲线是根据经分割的肿瘤内部的密度值计算的
图1以框图形式图示了用于对灌注图像10进行量化分析的***。灌注图像10可以包括图像元素,图像元素具有与之相关联的强度值。这些强度值可以表示例如亮度值、灰阶值或颜色分量值。
所述***可以包括用于执行指令的处理器和用于存储为指令形式的软件的存储器。此外,存储器可以被布置成存储图像信息。存储器可以采用诸如RAM的易失性存储器,和/或诸如闪速存储器或磁盘的非易失性存储器。所述***还可以包括用于数据交换的通信端口。例如,可以经由所述通信端口接收图像数据,并且可以经由所述通信端口传送量化灌注数据。所述通信端口可以依照任何通信标准。例如,所述通信端口可以包括用于经由诸如因特网的网络与诸如PACS服务器的远程计算机通信的网络接口。所述***还可以包括用于显示图像10和/或量化灌注信息的显示器12。显示器12还可以用于示出特定图像区域(诸如病灶核心和/或病灶边缘区域)的指示。所述***还可以包括用于使得用户能够交互地控制所述***的用户接口。所述用户接口可以包括用于在显示器12上显示在窗口中组织的数据的窗口***、键盘和/或诸如用于接收用户输入的鼠标的指示装置。
所述***可以包括用于计算图像10的至少部分的强度值的多个频率分布的频率分布计算子***1。例如,针对多幅图像10中的每幅图像,计算包括病灶的分割区域的强度值的频率分布。分割区域可以在一幅图像中进行分割并配准到其他图像,例如,或者分割区域可以在每幅图像中独立地进行分割。频率分布可以包括直方图。频率分布包括图像(或图像的分割区域)中出现特定强度值的频率的指示。
所述***还可以包括灌注信息提取器2,其用于从所述多个频率分布提取与灌注相关的信息11。通过从所述多个频率分布提取灌注信息11,组合了若干图像元素的信息,这使得与灌注相关的信息更为精确和/或鲁棒。
灌注信息提取器2可以包括偏移检测器3,其用于比较针对不同图像计算的至少两个频率分布,以检测频率分布的强度值的偏移。这种比较可以基于例如模式识别技术。同样地,可以从频率分布计算均值和中值以及对其进行比较。或者,可以将诸如高斯(Gaussian)分布的模型拟合到直方图,并且能够计算诸如均值和方差的模型参数。偏移一词是指这样的情况,其中,强度值的整体分布大致向更高的强度范围或更低的强度范围偏移。偏移可能涉及整个频率分布,或者涉及其一部分,诸如涉及强度值的特定范围的频率分布的一部分。
灌注信息提取器2可以被布置成基于所检测的偏移提取与灌注相关的信息。灌注信息提取器可以被布置成通过检测直方图中的偏移来检测造影剂流入。类似地,可以通过考虑偏移的量以及与强度值的降低对应的偏移和与强度值的随后的增大对应的偏移之间的持续时间来检测造影剂的体积。或者,强度值的增大可能紧随着强度值的降低,并且可以确定其之间的持续时间。
偏移检测器3可以被布置成将多个频率分布与单个基准频率分布进行比较。这可以基于直方图提供所检测的造影剂的量的均匀度量。例如,可以检测相应频率分布相对于基准频率分布的相应的偏移。由此可以简单地比较所述偏移。
偏移检测器可以包括互相关器4,其用于将至少两个频率分布互相关,以获得互相关曲线。偏移检测器3可以被布置成基于所述互相关曲线检测所述偏移。例如,所述偏移检测器3还可以包括波峰检测器5,其用于检测互相关曲线中的波峰。起点和波峰位置之间的距离是偏移的指示符。
灌注信息提取器2可以包括偏移曲线生成器6。这种偏移曲线生成器6可以生成表示为时间的函数的偏移的曲线。曲线的数据点可以对应于针对各幅图像计算的偏移。通过这种方式,组合针对各个频率分布所计算的偏移以形成偏移曲线。
所述***可以包括区域识别子***7,其用于识别图像中的感兴趣区域。例如,可以提供自动分割算法以自动分割病灶。分割的病灶可以是感兴趣区域。频率分布计算子***1可以被布置成计算图像中的感兴趣区域的频率分布。感兴趣区域可以是每幅图像中相同(即体素间)的区域。可以在每幅图像中分离地分割感兴趣区域。可以针对一幅图像分割感兴趣区域;可以使用图像配准技术在其他图像中识别所分割的区域。
区域识别子***7可以被布置成识别围绕病灶的核心区域的边缘区域的至少一部分作为感兴趣区域。例如,可以通过考虑所检测的核心区域周围的特定厚度的边缘区域来确定这样的边缘区域。或者,使用图像中的图像特征来检测所述边缘区域。
区域识别子***7可以包括用户接口元件8,其用于使得用户能够通过单个自由度指示出核心区域和边缘区域之间的边界,所述单个自由度与核心区域的尺寸相关。例如,鼠标滚轴或图形滑块控制可以用于这一目的。
所述***可以包括血管性子***9,其用于将血管性值与图像元素相关联,血管性值表示图像元素属于血管的可能性。这样的血管性值可以通过本领域中已知的方式进行计算,例如可以使用已知的血管性过滤器(filter)。频率分布计算机子***1可以被布置成基于所述血管性值对图像元素的强度值对频率分布的贡献进行加权。例如,加权操作可以包括基于图像元素的血管性值计算血管性权重。血管性权重可以等于血管性值。血管性权重可以通过标准化血管性值来计算。代替对具有特定强度值的图像元素进行计数以获得频率分布的频率值,添加具有特定强度值的图像元素的血管性权重,以获得频率分布的频率值。
与灌注相关的信息可以包括如下内容中的至少一个:造影剂的到达时间、流经区域的造影剂的量、最大增强、最大增强的时间、最大上升沿或强度值时间导数、最大上升沿的时间、具有自由参数的分析灌注曲线与所观测的时间曲线的拟合。这些量可以从频率分布导出。例如,这些量可以基于偏移曲线。从图像强度时间曲线导出这些量的方法在本领域中是已知的。这些方法可能适于使用偏移曲线,而非图像强度时间曲线。
上述***可以集成在医学成像工作站中。例如,可以将适当的软件程序安装在医学成像工作站上。这样的软件程序具有实施上述***的各方面的指令。或者,上述***可以集成到成像设备中,所述成像设备包括用于生成灌注图像的扫描器。这样的扫描器可以包括CT扫描器或MRI扫描器或X射线图像,或任何其他种类的医学扫描装置。
图2图示了对包括图像元素的灌注图像执行量化分析的方法,所述图像元素具有与之相关联的强度值。该方法包括计算图像的强度值的多个频率分布的步骤201。此外,该方法可以包括从所述多个频率分布提取与灌注相关的信息的步骤202。可以基于对上述***的功能的描述添加其他步骤。所述方法可以实施为计算机程序。所述计算机程序可以存储在计算机可读介质上。
在本文中,针对例如肿瘤灌注(例如动态CT)的四维时空图像数据集描述了交互式组合可视化和度量方法。在这种方法中,用户可以限定肿瘤周围的感兴趣区域(ROI)和强度值范围。用户能够交互地改变感兴趣区域以及所考虑的强度值范围,并且可以在图像体积上交互地显示量化体素。从量化图像元素,可以针对时间系列的每次扫描计算和显示强度值直方图。所有的直方图可以与原始(native)扫描的直方图互相关。原始扫描是其中无造影剂可见的扫描,例如,因为所述扫描是在施予造影剂之前采集的。对于每次扫描,可以通过向直方图施加正和/或负偏移以及与例如原始扫描相关来计算互相关曲线。可以向用户显示相关曲线以借助相关曲线的平滑度传达置信度量。可以确认曲线波峰作并将其作为有效灌注摄取值,以形成灌注时间曲线,可以向用户显示所述灌注时间曲线。ROI或强度值范围的任何其他交互式改变可以触发对相关曲线和/或所得到的灌注时间曲线的即时再计算。这为用户给出了灌注时间曲线稳定的主观感觉。
本文中所描述的技术可以提供对总体“有效”灌注时间曲线的相对鲁棒的度量,其可能对缺失图像部分、肿瘤边界的不精确描绘、镜像配准误差、弹性肿瘤变形和/或呼吸运动相对不敏感。
在原理上,可以使用任何合适的分割算法以分割肿瘤的核心区域和/或边缘区域。此外,相关曲线波峰的高度可以给出对从所述相关曲线导出的灌注时间曲线的置信度量。
例如通过指示出包含肿瘤的圆或矩形来执行对肿瘤周围的感兴趣区域的交互式选择;通过例如鼠标滚轴能够控制尺寸。或者可以执行对图像中的至少一幅内的肿瘤和/或边缘区域的半自动或全自动分割。例如根据成像模态,可以使用若干种不同的分割方法。分割可以仅在一个图像体积上执行,并且随后可以在其他经配准的图像体积上执行。或者,可以独立于时间系列的图像体积中的每个来执行所述分割。
可以执行对肿瘤周围的血管网络的自动提取。这种自动提取可以针对时间系列的图像中的每幅分离地执行。血管提取可以独立于每个图像体积而执行,作为使用配准技术的备选,因为配准精度可能不足以将一个血管提取移到其他图像体积上,特别是在像肺、乳腺或肝脏的弹性器官中。有若干种血管提取方法可用。例如,血管性过滤器可以应用于每个图像元素;所述血管性过滤器基于例如第一或第二导数(结构张量或Hesse矩阵过滤器)。任选地,这样的血管性过滤器能够工作在多种尺度(空间尺度方法。)上。血管过滤器例如能够应用于肿瘤周围的整个ROI,或者,其可以用作从肿瘤分割开始的区域生长算法中的优先次序(从而仅提取连接至肿瘤的结构)。血管提取可以得到例如二值图像(其中,每个图像元素被标记出是否属于血管)或失真或概率血管性权重图像。
可以使用例如图像元素的血管性权重的最大强度投影来执行对所提取的血管网络的可视化。肿瘤分割可以覆盖为色彩图像以改善可视取向。
可以执行强度值直方图的计算和显示(例如,针对时间系列的每次扫描的一个直方图)。直方图可以根据诸如核心或边缘区域的感兴趣区域中的所有图像元素来计算。每个体素可以通过其失真或概率血管性,例如从血管性过滤器得到的血管性,进行加权。
要通过灌注量化考虑的强度值范围可以交互地进行改变。在这种情况下,仅具有这一范围中的强度值的图像元素和/或仅与这一范围相关的直方图的部分在计算灌注量化的过程中考虑。强度值范围例如可以通过在直方图显示中的框指出,并且例如可以通过在直方图上的鼠标点击和/或拖曳操作来控制。
在当前感兴趣区域和/或强度值范围中包含的体素可以例如使用色彩覆盖在图像中指出。一旦用户或***改变这些参数就更新这一色彩覆盖。
可以执行对一对直方图的互相关曲线的计算和显示,两个直方图涉及不同的图像。例如,计算与相应的后续扫描的直方图互相关的原始扫描的直方图的互相关曲线。
可以执行对互相关曲线的波峰位置的确定和/或所得到的灌注时间曲线的显示。互相关曲线的波峰位置对应于偏移位置,产生与原始扫描的直方图的最高相关。或者,可以计算和比较每个直方图的均值、模式或中值。
可以计算和/或显示肿瘤的空间核心到边缘曲线。例如,这样的曲线可以根据距核心区域的距离示出平均密度或相对密度,即相对于原始扫描的摄取。
可以使得用户能够在计算和显示结果之后或之前改变ROI或强度值范围。一旦用户改变了ROI或强度值范围,所显示的结果可以交互地更新。可以使得用户能够通过调节一个自由度(例如在空间核心到边缘曲线中的鼠标滚轴、鼠标移动)交互地改变划分(partitioning)成肿瘤的核心和边缘区域,并且可以为用户提供肿瘤的色彩覆盖中的即时可视反馈。此外,一旦用户改变核心和边缘划分,就可以交互地更新针对核心和边缘区域所显示的时间曲线。
用户所选择的肿瘤分割成核心区域和周边边缘区域可以自动地执行。增强(灌注摄取曲线)可以在这些区域上进行平均。可以为用户提供用户接口元件,从而通过操控或调节单个自由度(例如使用鼠标滚轴、跟踪条滑动或在核心到边缘分布曲线上的鼠标移动)交互地改变核心和边缘区域的划分。如果用户改变单个自由度,所述***可以基于图像内容自动维持肿瘤的形状。所述单个自由度可以是肿瘤的尺寸。这可以常规地通过计算分割的体积的三维距离变换来实现。肿瘤分割的体素可以通过增加到肿瘤边界的距离来排序。然后任何划分包括达到特定距离值的所有体素。相同的划分可以利用先前对感兴趣局部体积的共同配准来应用于图像系列中的任何图像。
在调节核心或边缘区域之后,可以通过交互速度更新核心和/或边缘区域的时间曲线。这允许用户理解和/或得到对肿瘤的空间改变时间灌注特征的量化。代替两个分离的区域(以及因此,曲线),在图像中识别若干N个层,所述层形成所述核心区域周围的外壳。可以针对任何层计算和显示直方图和灌注曲线。
可以为自动提取提供附接至时间系列的相应图像中给定肿瘤的邻近的血管网络。所提取的血管网络可以向用户显示并且可以与自动分割的肿瘤叠加。然后可以根据局部感兴趣区域(ROI)构造密度直方图,其中,通过每个体素的血管性对频率进行加权,从而所述直方图反映脉管网络的密度,而非周围血管增生的密度(其可能由于其弹性属性而改变密度,而对诊断不重要)。
应当认识到,本发明还扩展到计算机程序,特别是扩展到在载体上或载体内的计算机程序,其适于将本发明付诸实践。所述程序可以是源代码、目标代码,代码媒介源和目标代码的形式,诸如部分编译的形式,或者是适于在根据本发明的方法的实施中使用的任意其他形式。还应当认识到,这样的程序可以具有许多不同的架构设计。例如,实施根据本发明的方法或***功能的代码可以细分成一个或多个子进程。在这些子进程之间分配功能的许多不同方式对于本领域技术人员而言显而易见。所述子进程可以用可执行文档的形式存储在一起以形成自包含(self-contained)的程序。这样的可执行文档可以包括计算机可执行指令,例如处理器指令和/或解释指令(例如Java解释指令)。或者,子进程中的一个、多个或全部存储在至少一个外部库文档中,并例如在运行时与主程序静态地或动态地链接。主程序包含对子进程中的至少一个的至少一次调用。同样地,子进程可以包括对彼此的功能调用。一个涉及计算机程序产品的实施例,包括与前述方法中的至少一个的处理步骤中的每个对应的计算机可执行指令。这些指令可以被细分为子进程和/或存储在可以静态或动态链接的一个或多个文档中。涉及计算机程序产品的另一实施例包括与前述***和/或产品中的至少一个的模块中的每个对应的计算机可执行指令。这些指令可以被细分成子进程和/或存储在可以静态和/或动态链接的一个或多个文档中。
计算机程序的载体可以是能够承载程序的任何实体或装置。例如。所述载体可以包括诸如ROM存储介质,例如CD ROM或半导体ROM;或磁记录介质,例如软盘或硬盘。此外,所述载体可以是可传输的载体,诸如电或光信号,其可以经由电缆或光缆或者通过射频或其他手段传递。当所述程序被嵌入到这种信号中时,可以通过线缆或其他装置或模块指定载体。备选地,所述载体可以是其中嵌入有所述程序集成电路,所述集成电路适于执行、或用于执行相关的方法。
应当认识到,上述实施例用于说明而非是限制本发明,并且本领域技术人员能够在不背离本发明权利要求范围的情况下设计许多备选实施例。在权利要求中,置于圆括号之间的任何参考标记不应当解释为对权力要求构成限制。“包括”一词以及其结合的使用并不排除权利要求中所述的那些元件或步骤之外元件或步骤。不定冠词“一”或“一个”并不排除多个此类元件的存在。本发明可以通过包括若干分立元件的硬件方式实施,以及通过适当编程的计算机的方式实施。在装置权利要求中列举了若干模块,这些模块中的一些可以通过硬件中的一个或相同内容实现。在相互不同的从属权利要求中所应用的特定措施并不指示不能有利的使用这些措施的组合。这可以常规地通过计算分割体积的三维距离变换实现。可以通过增加到肿瘤边界的距离而对肿瘤分割的体素排序。相同的部分可以应用于图像系列的任何图像,使用先前对感兴趣体积的共同配准。
Claims (13)
1.一种用于对包括图像元素的灌注图像进行量化分析的***,所述图像元素具有与之相关联的强度值,所述***包括:
-区域识别子***(7),其用于识别围绕病灶的核心区域的边缘区域的至少部分作为感兴趣区域;
-频率分布计算子***(1),其用于计算所述图像中所述感兴趣区域的强度值的多个频率分布;以及
-灌注信息提取器(2),其用于从所述多个频率分布提取与灌注相关的信息。
2.根据权利要求1所述的***,所述灌注信息提取器(2)包括偏移检测器(3),所述偏移检测器用于比较针对不同图像计算的频率分布中的至少两个,以检测所述频率分布的强度值的偏移;
-所述灌注信息提取器(2)被布置成基于所检测的偏移提取与灌注相关的所述信息。
3.根据权利要求2所述的***,所述偏移检测器(3)被布置成比较多个频率分布与单个基准频率分布,以检测相应的频率分布相对于所述基准频率分布的相应的偏移。
4.根据权利要求2所述的***,所述偏移检测器包括互相关器(4),所述互相关器用于将所述至少两个频率分布互相关,以获得互相关曲线,所述偏移检测器(3)被布置成基于所述互相关曲线检测所述偏移。
5.根据权利要求4所述的***,所述偏移检测器(3)还包括波峰检测器(5),所述波峰检测器用于检测所述互相关曲线中的波峰。
6.根据权利要求2所述的***,所述灌注信息提取器(2)包括偏移曲线生成器(6),所述偏移曲线生成器用于组合针对相应的频率分布检测的所述偏移,以形成偏移曲线。
7.根据权利要求1所述的***,所述区域识别子***(7)包括用户接口元件(8),所述用户接口元件用于使得用户能够通过单个自由度指示出所述核心区域和所述边缘区域之间的边界,所述单个自由度与所述核心区域的尺寸相关。
8.根据权利要求1所述的***,还包括血管性子***(9),所述血管性子***用于将血管性值与图像元素相关联,所述血管性值表示所述图像元素属于血管的可能性,所述频率分布计算子***(1)被布置成基于所述血管性值对所述图像元素的强度值对所述频率分布的贡献进行加权。
9.根据权利要求1所述的***,与灌注相关的所述信息包括如下内容中的至少一个:造影剂的到达时间、流经区域的造影剂的量、最大增强、最大增强的时间、最大上升沿或强度值时间导数、最大上升沿的时间、具有自由参数的分析灌注曲线与所观测的时间曲线的拟合。
10.一种医学成像工作站,包括用于显示与灌注相关的信息的显示器并且还包括根据权利要求1所述的***。
11.一种成像设备,包括用于生成灌注图像的扫描器和根据权利要求1所述的***。
12.一种用于对包括图像元素的灌注图像执行量化分析的方法,所述图像元素具有与之相关联的强度值,所述方法包括:
-识别围绕病灶的核心区域的边缘区域的至少部分作为感兴趣区域;
-计算(201)所述图像中所述感兴趣区域的强度值的多个频率分布;以及
-从所述多个频率分布提取(202)与灌注相关的信息。
13.一种用于对包括图像元素的灌注图像执行量化分析的装置,所述图像元素具有与之相关联的强度值,所述装置包括:
-用于识别围绕病灶的核心区域的边缘区域的至少部分作为感兴趣区域的模块;
-用于计算(201)所述图像中所述感兴趣区域的强度值的多个频率分布的模块;以及
-用于从所述多个频率分布提取(202)与灌注相关的信息的模块。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP09164140 | 2009-06-30 | ||
EP09164140.7 | 2009-06-30 | ||
PCT/IB2010/052849 WO2011001332A1 (en) | 2009-06-30 | 2010-06-23 | Quantitative perfusion analysis |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102473297A CN102473297A (zh) | 2012-05-23 |
CN102473297B true CN102473297B (zh) | 2015-07-15 |
Family
ID=42712731
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201080029466.4A Active CN102473297B (zh) | 2009-06-30 | 2010-06-23 | 量化灌注分析 |
Country Status (5)
Country | Link |
---|---|
US (1) | US9406146B2 (zh) |
EP (1) | EP2449530B1 (zh) |
CN (1) | CN102473297B (zh) |
RU (1) | RU2541175C2 (zh) |
WO (1) | WO2011001332A1 (zh) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2407927B1 (en) * | 2010-07-16 | 2013-01-30 | BVBA dr. K. Coenegrachts | A method and device for evaluating evolution of tumoral lesions |
RU2015120325A (ru) | 2012-10-31 | 2016-12-20 | Конинклейке Филипс Н.В. | Визуализация перфузии |
EP2936433B1 (en) * | 2012-12-21 | 2018-09-19 | Bracco Suisse SA | Segmentation in diagnostic imaging applications based on statistical analysis over time |
CN103902801B (zh) * | 2012-12-30 | 2017-12-22 | 上海联影医疗科技有限公司 | 肝灌注的仿真方法和肝灌注的定量测试方法 |
EP3146505B1 (en) * | 2014-05-19 | 2019-08-07 | Koninklijke Philips N.V. | Visualization of tissue of interest in contrast-enhanced image data |
DE102014214772A1 (de) * | 2014-07-28 | 2016-01-28 | Siemens Aktiengesellschaft | Verfahren zur Erstellung eines Gefäßbildes und Verfahren zur Fluoroskopie-Darstellung von Gefäßen sowie entsprechend ausgestaltetes bildgebendes System |
US20160228068A1 (en) * | 2015-02-10 | 2016-08-11 | General Electric Company | Quality assurance for mri-guided breast biopsy |
US10383590B2 (en) * | 2015-09-28 | 2019-08-20 | General Electric Company | Methods and systems for adaptive scan control |
US11961224B2 (en) | 2019-01-04 | 2024-04-16 | Stella Surgical | Device for the qualitative evaluation of human organs |
FR3093420B1 (fr) * | 2019-03-04 | 2022-08-05 | Labiche Clement | Dispositif d’évaluation qualitative de foies humains |
EP3683765A1 (en) * | 2019-01-18 | 2020-07-22 | Koninklijke Philips N.V. | System for determining a tissue-specific property |
CN110992406B (zh) * | 2019-12-10 | 2024-04-30 | 张家港赛提菲克医疗器械有限公司 | 一种基于感兴趣区的放疗患者摆位刚体配准算法 |
CN111429456B (zh) * | 2020-05-06 | 2023-09-05 | 上海联影医疗科技股份有限公司 | 一种图像数据处理方法、装置、电子设备及存储介质 |
Family Cites Families (34)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2645300B1 (fr) * | 1989-03-29 | 1994-09-09 | Gen Electric Cgr | Procede de recalage automatique d'images |
US5360006A (en) * | 1990-06-12 | 1994-11-01 | University Of Florida Research Foundation, Inc. | Automated method for digital image quantitation |
US6671540B1 (en) | 1990-08-10 | 2003-12-30 | Daryl W. Hochman | Methods and systems for detecting abnormal tissue using spectroscopic techniques |
EP0766205B1 (fr) | 1995-09-29 | 2003-12-03 | Koninklijke Philips Electronics N.V. | Procédé et dispositif de traitement d'image, pour la détection automatique de régions d'un type prédéterminé de cancer dans une image d'intensité |
EP0890114A1 (en) * | 1996-03-29 | 1999-01-13 | Lawrence Berkeley National Laboratory | Enhancement of nmr and mri in the presence of hyperpolarized noble gases |
DE19613342A1 (de) * | 1996-04-03 | 1997-10-09 | Philips Patentverwaltung | Automatisches Bildauswertungsverfahren |
EP1001816A4 (en) | 1996-11-25 | 2002-07-17 | Imarx Pharmaceutical Corp | PERFLUORINATED ETHER COMPOSITIONS FOR USE AS DIAGNOSTIC CONTRAST AGENTS |
US7245748B2 (en) | 1997-01-21 | 2007-07-17 | Yeda Research And Development Co., Ltd. | Apparatus for monitoring a system with time in space and method for diagnosing a condition of a prostate |
US6681132B1 (en) | 1999-05-13 | 2004-01-20 | The Trustees Of Columbia University In The City Of New York | Sodium magnetic reasonance imaging used in diagnosing tumors and assessing response to treatment |
US6665335B1 (en) * | 1999-11-08 | 2003-12-16 | National Instruments Corporation | System and method for estimating a shift between two signals where one signal is known in advance |
US6718055B1 (en) * | 2000-12-05 | 2004-04-06 | Koninklijke Philips Electronics, N.V. | Temporal and spatial correction for perfusion quantification system |
AUPR358701A0 (en) * | 2001-03-07 | 2001-04-05 | University Of Queensland, The | Method of predicting stroke evolution |
US6901277B2 (en) | 2001-07-17 | 2005-05-31 | Accuimage Diagnostics Corp. | Methods for generating a lung report |
US6956373B1 (en) | 2002-01-02 | 2005-10-18 | Hugh Keith Brown | Opposed orthogonal fusion system and method for generating color segmented MRI voxel matrices |
AU2003216295A1 (en) | 2002-02-15 | 2003-09-09 | The Regents Of The University Of Michigan | Lung nodule detection and classification |
WO2003098522A1 (en) * | 2002-05-17 | 2003-11-27 | Pfizer Products Inc. | Apparatus and method for statistical image analysis |
RU2291488C9 (ru) * | 2002-06-24 | 2007-04-20 | Ренат Анатольевич Красноперов | Способ стереологического исследования структурной организации объектов |
EP1473672A1 (en) | 2003-04-29 | 2004-11-03 | Deutsches Krebsforschungszentrum Stiftung des öffentlichen Rechts | 3-dimensional visualization and quantification of histological sections |
CN100515345C (zh) * | 2003-06-12 | 2009-07-22 | 伯拉考开发股份有限公司 | 通过超声造影成像中的补给曲线拟合进行的血液流动估计 |
US7461048B2 (en) | 2003-07-21 | 2008-12-02 | Aureon Laboratories, Inc. | Systems and methods for treating, diagnosing and predicting the occurrence of a medical condition |
DE10335663A1 (de) * | 2003-08-04 | 2005-03-10 | Siemens Ag | Verfahren zur automatischen Kalibrierung von Perfusionsparameterbildern |
ATE516754T1 (de) | 2003-10-29 | 2011-08-15 | Koninkl Philips Electronics Nv | Vorrichtung und verfahren zum anpassen der bildgebungsparameter eines röntgengeräts |
US20070116332A1 (en) * | 2003-11-26 | 2007-05-24 | Viatronix Incorporated | Vessel segmentation using vesselness and edgeness |
WO2005073915A2 (en) | 2004-01-29 | 2005-08-11 | Koninklijke Philips Electronics, N.V. | Automatic segmentation of tissues by dynamic change characterization |
CN101027693B (zh) | 2004-08-09 | 2010-05-12 | 伯拉考国际股份公司 | 基于多个掩码的用于医学成像的像对准方法及设备 |
US7283654B2 (en) | 2004-08-26 | 2007-10-16 | Lumeniq, Inc. | Dynamic contrast visualization (DCV) |
DE102005005687A1 (de) * | 2005-02-08 | 2006-08-17 | Siemens Ag | Bildgebendes Diagnosesystem |
US8014576B2 (en) | 2005-11-23 | 2011-09-06 | The Medipattern Corporation | Method and system of computer-aided quantitative and qualitative analysis of medical images |
US7744854B2 (en) | 2006-03-24 | 2010-06-29 | Health Research, Inc. | Method for optimizing cancer therapy by monitoring maturation of tumor associated vasculature by selenium |
KR20090012323A (ko) * | 2006-05-19 | 2009-02-03 | 코닌클리케 필립스 일렉트로닉스 엔.브이. | 에러 적응성 기능성 이미지화 |
WO2008005408A2 (en) * | 2006-06-29 | 2008-01-10 | Vassol Inc. | Sub-voxel motion correction for phase-contrast magnetic resonance imaging |
US8233965B2 (en) | 2007-03-08 | 2012-07-31 | Oslo Universitetssykehus Hf | Tumor grading from blood volume maps |
WO2008157843A1 (en) | 2007-06-21 | 2008-12-24 | Guardian Technologies International Inc. | System and method for the detection, characterization, visualization and classification of objects in image data |
JP5794752B2 (ja) | 2007-07-24 | 2015-10-14 | 株式会社東芝 | X線コンピュータ断層撮影装置及び画像処理装置 |
-
2010
- 2010-06-23 RU RU2012103026/08A patent/RU2541175C2/ru active
- 2010-06-23 EP EP10734314.7A patent/EP2449530B1/en active Active
- 2010-06-23 US US13/380,610 patent/US9406146B2/en active Active
- 2010-06-23 WO PCT/IB2010/052849 patent/WO2011001332A1/en active Application Filing
- 2010-06-23 CN CN201080029466.4A patent/CN102473297B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
EP2449530A1 (en) | 2012-05-09 |
US20120093390A1 (en) | 2012-04-19 |
CN102473297A (zh) | 2012-05-23 |
RU2541175C2 (ru) | 2015-02-10 |
WO2011001332A1 (en) | 2011-01-06 |
EP2449530B1 (en) | 2016-04-20 |
RU2012103026A (ru) | 2013-08-10 |
US9406146B2 (en) | 2016-08-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102473297B (zh) | 量化灌注分析 | |
He et al. | Pelvic organ segmentation using distinctive curve guided fully convolutional networks | |
US11379985B2 (en) | System and computer-implemented method for segmenting an image | |
US7876938B2 (en) | System and method for whole body landmark detection, segmentation and change quantification in digital images | |
Wu et al. | Automatic liver segmentation on volumetric CT images using supervoxel‐based graph cuts | |
US8837789B2 (en) | Systems, methods, apparatuses, and computer program products for computer aided lung nodule detection in chest tomosynthesis images | |
Zhang et al. | Review of breast cancer pathologigcal image processing | |
US9536307B2 (en) | Registration of medical images | |
Häme et al. | Semi-automatic liver tumor segmentation with hidden Markov measure field model and non-parametric distribution estimation | |
Foster et al. | Segmentation of PET images for computer-aided functional quantification of tuberculosis in small animal models | |
US20110158491A1 (en) | Method and system for lesion segmentation | |
Ashreetha et al. | Soft optimization techniques for automatic liver cancer detection in abdominal liver images | |
CN113710159A (zh) | 用于对骨扫描图像进行自动化及交互式分析以检测转移的***及方法 | |
Parker et al. | Graph-based Mumford-Shah segmentation of dynamic PET with application to input function estimation | |
Pengiran Mohamad et al. | Transition of traditional method to deep learning based computer-aided system for breast cancer using automated breast ultrasound system (abus) images: a review | |
Piao et al. | Segmentation of cysts in kidney and 3-D volume calculation from CT images | |
Karami et al. | Anatomy-based algorithm for automatic segmentation of human diaphragm in noncontrast computed tomography images | |
Wang et al. | A robust statistics driven volume-scalable active contour for segmenting anatomical structures in volumetric medical images with complex conditions | |
Mourya et al. | Empirical greedy machine‐based automatic liver segmentation in CT images | |
US11295451B2 (en) | Robust pulmonary lobe segmentation | |
Hussein et al. | Medical Image Segmentation Using Deep Learning | |
Ahmed et al. | Review on Medical Image Segmentation and Feature Extraction Approaches | |
Frank et al. | Image Segmentation in Liver CT Scans | |
Huang et al. | Automatic tumour delineation in whole body PET/CT images | |
Salihi | Liver volume computation from computed tomography (CT) 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 |