CN103202705A - 医用图像处理装置及医用图像处理方法 - Google Patents
医用图像处理装置及医用图像处理方法 Download PDFInfo
- Publication number
- CN103202705A CN103202705A CN2012103117431A CN201210311743A CN103202705A CN 103202705 A CN103202705 A CN 103202705A CN 2012103117431 A CN2012103117431 A CN 2012103117431A CN 201210311743 A CN201210311743 A CN 201210311743A CN 103202705 A CN103202705 A CN 103202705A
- Authority
- CN
- China
- Prior art keywords
- volume data
- mapping
- registration
- zone
- medical 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
- 238000012545 processing Methods 0.000 title claims abstract description 54
- 238000000034 method Methods 0.000 title claims description 81
- 238000003860 storage Methods 0.000 claims abstract description 10
- 238000013507 mapping Methods 0.000 claims description 104
- 238000002601 radiography Methods 0.000 claims description 46
- 230000008569 process Effects 0.000 claims description 33
- 239000002872 contrast media Substances 0.000 claims description 28
- 230000002308 calcification Effects 0.000 claims description 21
- 238000006073 displacement reaction Methods 0.000 claims description 20
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims description 17
- 210000004351 coronary vessel Anatomy 0.000 claims description 7
- 230000033228 biological regulation Effects 0.000 claims description 4
- 239000000945 filler Substances 0.000 claims description 3
- 230000003760 hair shine Effects 0.000 claims description 3
- 238000003672 processing method Methods 0.000 claims description 3
- 210000000275 circle of willis Anatomy 0.000 claims description 2
- 238000012935 Averaging Methods 0.000 claims 1
- 238000006243 chemical reaction Methods 0.000 description 32
- 230000006872 improvement Effects 0.000 description 17
- 210000004204 blood vessel Anatomy 0.000 description 16
- 239000013598 vector Substances 0.000 description 14
- 230000009471 action Effects 0.000 description 12
- 230000006870 function Effects 0.000 description 12
- 238000005070 sampling Methods 0.000 description 9
- 210000004369 blood Anatomy 0.000 description 7
- 239000008280 blood Substances 0.000 description 7
- 210000001367 artery Anatomy 0.000 description 6
- 230000008859 change Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 230000033001 locomotion Effects 0.000 description 6
- 230000000877 morphologic effect Effects 0.000 description 5
- 238000005457 optimization Methods 0.000 description 5
- 241001269238 Data Species 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 210000005241 right ventricle Anatomy 0.000 description 4
- 210000001519 tissue Anatomy 0.000 description 4
- 238000002591 computed tomography Methods 0.000 description 3
- 238000013480 data collection Methods 0.000 description 3
- 238000013500 data storage Methods 0.000 description 3
- 230000005484 gravity Effects 0.000 description 3
- 238000001990 intravenous administration Methods 0.000 description 3
- 240000004808 Saccharomyces cerevisiae Species 0.000 description 2
- 230000001195 anabolic effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 210000000080 chela (arthropods) Anatomy 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 238000002059 diagnostic imaging Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 230000002526 effect on cardiovascular system Effects 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000013467 fragmentation Methods 0.000 description 2
- 238000006062 fragmentation reaction Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000011081 inoculation Methods 0.000 description 2
- 238000002156 mixing Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 108010028984 3-isopropylmalate dehydratase Proteins 0.000 description 1
- 206010028980 Neoplasm Diseases 0.000 description 1
- 206010038669 Respiratory arrest Diseases 0.000 description 1
- 208000007536 Thrombosis Diseases 0.000 description 1
- 230000003187 abdominal effect Effects 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 238000002583 angiography Methods 0.000 description 1
- 230000017531 blood circulation Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000003139 buffering effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000010924 continuous production Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 210000005240 left ventricle Anatomy 0.000 description 1
- 230000000873 masking effect Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000004899 motility Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000035790 physiological processes and functions Effects 0.000 description 1
- 238000002203 pretreatment Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 238000010008 shearing Methods 0.000 description 1
- 238000011524 similarity measure Methods 0.000 description 1
- 210000004872 soft tissue Anatomy 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000003325 tomography Methods 0.000 description 1
- 238000013518 transcription Methods 0.000 description 1
- 230000035897 transcription Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 230000002792 vascular Effects 0.000 description 1
- 210000001835 viscera Anatomy 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Classifications
-
- 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]
-
- 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
- A61B6/46—Arrangements for interfacing with the operator or the patient
- A61B6/467—Arrangements for interfacing with the operator or the patient characterised by special input means
- A61B6/469—Arrangements for interfacing with the operator or the patient characterised by special input means for selecting a region of interest [ROI]
-
- 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
- A61B6/48—Diagnostic techniques
- A61B6/481—Diagnostic techniques involving the use of contrast agents
-
- 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
- A61B6/48—Diagnostic techniques
- A61B6/486—Diagnostic techniques involving generating temporal series of image data
-
- 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
- A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
- A61B6/503—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of the heart
-
- 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
- A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
- A61B6/504—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of blood vessels, e.g. by angiography
-
- 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
- A61B6/5235—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 the same or different ionising radiation imaging techniques, e.g. PET and CT
-
- 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
- G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
-
- 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
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30101—Blood vessel; Artery; Vein; Vascular
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- Public Health (AREA)
- Biophysics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Optics & Photonics (AREA)
- Pathology (AREA)
- Radiology & Medical Imaging (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Veterinary Medicine (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- High Energy & Nuclear Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Cardiology (AREA)
- Vascular Medicine (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
提供一种可以改善关心区域中的2种体数据的配准的医用图像处理装置。本实施方式涉及的医用图像处理装置,其特征在于,包括:存储部,存储第1体数据和第2体数据;第1映射决定部,根据所述第1体数据、第2体数据,决定用于第2体数据相对所述第1体数据的非刚性配准的第1映射;关心区域设定部,对所述第2体数据设定关心区域;第2映射决定部,根据与所述关心区域对应的所述第1映射,决定用于刚性配准的第2映射;配准部,通过对所述关心区域使用所述第2映射,对非关心区域使用所述第1映射,从而将所述第2体数据配准于所述第1体数据。
Description
相关申请的交叉引用
本申请以2012年1月12日提交的美国专利申请13/349010号为基础,并要求其优先的权益,该在先申请的所有内容通过引用的方式被包含于此。
技术领域
此处描述的实施方式一般涉及一种医用图像处理装置及医用图像处理方法。
背景技术
常常希望实现2个以上的相似的医用图像数据集、例如三维医用图像数据集(以下称为体数据)的准确的校准。体数据边与大致相同的解剖学组织相关联,边能反映取得时间、图像诊断法、摄影参数、患者的姿势或动作、造影剂、疾病的进展、以及还有患者的个人信息的差异。
为了了解同一或等价的解剖学组织之间的相关关系而进行这样的体数据的配准的优点有很多。这样的优点如下:边同时使体数据可视化边容易导引;使通过包括以不同能量摄影的CT(ComputedTomography)扫描的各个图像诊断法提供的生理信息及解剖信息相关联;一旦在上一扫描中识别完成,则在追踪扫描中就容易找到对象的特征位置(例如,肿瘤的发展经过、血管斑块及其他疾病、以及支架的移动等);为了识别特定的解剖学组织,将新的体数据与已知特性的参考体数据进行比较;可以进行造影增强体数据与非造影增强体数据之间的数字减影的进一步步骤,由此可以消除骨骼、血管钙化以及支架等使体数据不清晰的情况等。
已知很多三维医用图像数据集(体数据)的配准方法。通常,这些方法可以根据为了取得配准而使用的数据坐标的转换类型来进行分类。
第1类型的已知的配准是指为了将某体数据与另外的体数据进行配准,该要配准的体数据中的数据点的坐标接受旋转、平行移动以及缩放的刚性配准(rigid registration)。
第2类型的已知的配准是指为了将某体数据与另外的体数据配准,该要配准的体数据中的数据点的坐标接受旋转、平行移动、缩放及剪切的仿射配准(affine registration)。
第3类型的已知的配准使用自由形状转换,为了将某要配准的数据与另外的要配准的数据进行配准,该要配准的数据中的数据点的坐标接受具有灵活性的自由形式的转换。
以下,将用于刚性配准的体素的坐标转换称为刚性转换,将用于仿射配准的体素的坐标转换称为仿射转换。刚性配准为线性配准。与自由形状转换对应的配准例如称为非刚性配准。非刚性配准例如是由曲力场定义的非线性配准。
刚性转换及仿射转换可以使用限定的数量(刚性情况下最多9个,仿射情况下12个)的参数来定义。自由形状转换可以使用曲力场(warpfield)来定义。曲力场通常是稠密的向量场,定义三维数据集(体数据)中的多个体素各个的位移。自由形状转换还可以使用其它的场或者函数,例如使用B样条函数或薄板样条函数等来定义。
体数据中的多个体素各个都由于曲力场、即表示体数据中的多个体素各自的坐标的位移量的向量场而发生移动。通过对体数据应用曲力场,多个体素分别非刚性地变形。
通常,配准算法定义2个体数据之间的某种相似度,然后试用这样的相似度,并着手使其最大。在刚性转换或仿射转换的情况下,可以展开直接最优化方式。在自由形状或其他非刚性配准的情况下,可以使用例如Crum-Hill-Hawkes方法、薄板样条方法等其他最优化方式。
一般,相似度的最优化是已知的配准步骤的最终阶段之一。通常,在过程初期发生大量的预处理,例如图像滤波、掩膜或裁剪等。并且,多数方法在多尺度化基础上进行动作,这意味着在预处理之前对体数据进行子采样。这些动作都可能对算法执行时及内存占用产生明显的影响。
基于刚性及仿射的配准步骤相比自由形状配准步骤简单且有时间更短的倾向,但是常常无法恢复复杂变形,例如在身体的内部脏器中能够发生的变形等。在大部分情况下,单一的整体刚性或仿射转换对在将覆盖例如心脏、腹部等人体的大部分的2个扫描校准至希望的精度不会是很够的。
上述已知的配准方法的变形是局部配准方法,体数据被分割为与整个体数据中的数据(体素)相邻的块或立方体,并对体数据的块或立方体分别进行处理。
上述已知的方法中的每一种方法在整体上被应用于被检体的体数据时,常常失败于提供为了校准小的对象所需要的纹理细腻的局部配准。
在某种用途中,希望进行表示患者心脏区域的图像数据集(体数据)的配准。体数据例如可以是CT数据集或其他任意合适类型的体数据。例如在注入静脉内造影剂之前或造影剂到达扫描目标对象区域之前取得第1体数据。在静脉内造影剂到达扫描目标对象区域后取得第2体数据。在第1及第2体数据的配准后,为了提供只具备造影增强剂的第3体数据,可以从第2体数据中减去第1体数据,例如,提供没有妨碍血管构造的图,其可有利于诊断。
但是,在2个扫描间的时间间隔之间血管移动或变形的情况下,会产生问题。作为结果得到的大的局部空间差异无法通过整体的非刚性配准算法很好地应对。由此,造成相减后的体数据异常。
该类型的特别明显的错误在受到影响的血管包括钙化或支架范围时产生。这样的范围通常小(直径2、3毫米),其密度比静脉内造影剂高,而且其信号值比一般血液或软组织高。在配准出现较小错误的情况下,在钙化或支架范围中,有时造成信号值异常高及异常低的邻接范围的进行了减法运算后的数据集中出现明显错误。这可能妨碍血流评价等诊断任务。
发明内容
目的在于提供一种能够改善关心区域中的2种体数据的配准的医用图像处理装置。
本实施方式涉及的医用图像处理装置,其特征在于,包括:存储部,存储第1体数据与第2体数据;第1映射决定部,基于所述第1、第2体数据,决定用于第2体数据相对于所述第1体数据的非刚性配准的第1映射;关心区域设定部,对所述第2体数据设定关心区域;第2映射决定部,基于与所述关心区域对应的所述第1映射,决定用于刚性配准的第2映射;配准部,通过对所述关心区域使用所述第2映射、而对非关心区域使用所述第1映射,从而将所述第2体数据配准于所述第1体数据。
能够改善关心区域中的2种体数据的配准。
附图说明
图1是表示根据本实施方式的医用图像处理装置的结构的结构图。
图2是表示图1中的本实施方式的动作模式的概要的流程图。
图3是本实施方式涉及的、示出造影前及造影后的图像例子并在整体配准及减法过程之后生成的图,以及局部改良后生成的图。
图4是本实施方式涉及的、表示造影前及造影后的包含钙化的图像的例子的图。
图5是本实施方式涉及的、表示梯度图像的例子的图。
图6是本实施方式涉及的、示出造影前及造影后的图像的另一例子并在整体配准及减法过程之后生成的图,以及局部改良后生成的图。
图7是本实施方式涉及的、示出造影前及造影后的图像的另一例子并在整体配准及减法过程之后生成的图,以及局部改良后生成的图。
图8是本实施方式涉及的、示出造影前及造影后的图像的另一例子并在整体配准及减法过程之后生成的图,以及局部改良后生成的图。
图9是本实施方式涉及的、示出造影前及造影后的图像的另一例子并在整体配准及减法过程之后生成的图,以及局部改良后生成的图。
【符号说明】
1…医用图像处理装置、2…处理部、4…显示部、6…CT扫描仪、7…图像数据集、8…输入部、10…CPU(中央运算处理装置)、12…配准部、14…梯度体数据生成部、16…图像改良部、18…关心区域设定部、20…第1映射生成部、22…第2映射生成部、24…差分处理部
具体实施方式
一般,根据一个实施方式,医用图像处理装置包括:存储部、第1映射决定部、关心区域设定部、第2映射决定部及配准部。存储部存储第1体数据与第2体数据。第1映射决定部根据所述第1、第2体数据,决定用于第2体数据相对于所述第1体数据的非刚性配准的第1映射。关心区域设定部对所述第2体数据设定关心区域。第2映射决定部根据与所述关心区域对应的所述第1映射,决定用于刚性配准的第2映射。配准部通过对所述关心区域使用所述第2映射、而对非关心区域使用所述第1映射,从而将所述第2体数据配准于所述第1体数据。
根据一实施方式,提供一种进行第1组医用图像数据(以下,称为第1体数据)与第2组医用图像数据(以下,称为第2体数据)的配准的方法,包括:执行第1体数据与第2体数据的最初的配准;选择用于进一步配准的区域;执行来自第1体数据的与选择区域对应的第1体数据与来自第2体数据的所选择的第2体数据的进一步配准。
根据本实施方式的医用图像处理装置1被概略地图示于图1中,被构成为实施上一段落中记载的方法。医用图像处理装置1包括:处理部2,该情况下为连接于显示部4的个人计算机(PC)或工作站;CT(Computed Tomography,电子计算机X射线断层扫描)扫描仪(X射线计算机断层摄影装置)6;输入部8,该情况下为计算机键盘及鼠标。
可以使用能够对患者或其他被检体执行三维CT摄影的任意合适类型的CT扫描仪,例如东芝医疗公司制造的Aquilion(TM)系列扫描仪中的一种等。图1中的实施方式记载了与CT扫描数据有关的内容,但可以在替代的实施方式中使用生成任意合适类型的医用图像数据(体数据)的任意其他合适类型的扫描仪,所述数据例如是合适形式的MR数据、或如果被实施了合适的预处理或数字减影则是X射线血管造影法数据等。
处理部2提供自动或半自动处理体数据的处理资源,并具备中央运算处理装置(Central Processing Unit:以下,称为CPU)10,该中央运算处理装置10可以以加载并执行各种软件模块、或执行有关图2下述详细说明的那样的方法而构成的其他软件构成要素的方式来进行动作。
软件模块包括:用于执行刚性及非刚性配准步骤的配准部12、用于决定体数据的梯度的梯度体数据生成部14、用于改良配准图像的图像改良部16、用于设定改良用的图像部分(关心区域)的关心区域设定部18、第1映射决定部20、第2映射决定部22以及差分处理部24。
第1映射决定部20根据第1、第2体数据,决定用于第2体数据相对第1体数据的非刚性配准的第1映射。第1映射例如为曲力场。曲力场是表示第2体数据中的多个体素各自的坐标的位移量的向量场。
第2映射决定部22根据与关心区域对应的第1映射,决定用于第2体数据相对第1体数据的刚性配准的第2映射。具体而言,第2映射决定部22使用与第2体数据的关心区域中所包含的多个体素有关的位移量,计算所述关心区域的各位置中的旋转分量与平移分量。第2映射决定部22根据所述计算出的旋转分量和所述平移分量以及第1、第2体数据,决定第2映射。另外,对于第1、第2映射决定部的功能,后面进行详细叙述。
差分处理部24对以刚性及非刚性的方式配准了的第1、第2体数据进行差分处理。由此,生成差分后的体数据。
另外,处理部2包括硬盘驱动器、和PC的其他构成要素,该PC的其他构成要素包含RAM、ROM、数据总线、含有各种设备驱动器的操作***及含有显卡的硬件设备等。为了明了,图1中未示出这样的构成要素。
在图1的实施方式中,处理部2例如具备E55042.0GHz芯片组与2×4核处理器,提供使用9条线程的多线程环境,并设有6.0吉字节的RAM。但是,可以使用任意合适的CPU及其他构成要素。
在图1的实施方式中,图像数据集(体数据)7在CT扫描仪6执行扫描后,由处理部2从CT扫描仪6接收,并被保存、处理。图1的实施方式所示的扫描仪是CT扫描仪6,但为了在替代的实施方式中取得体数据,可以使用其他任意合适类型的扫描仪。
在图1的实施方式的变形例中,处理部2与其从扫描仪6中接收体数据倒不如从远程数据存储区(未图示)中接收体数据。远程数据存储区除了保存相关患者数据,还保存在一定时间内从许多不同的扫描仪中取得的许多不同的体数据。数据存储区可以作为存储大量患者数据的服务器,可以形成例如东芝Rapideye(TM)***等图像保存通信***(Picture Archiving and Communication System:PACS)的一部分。
图1中的***被构成为执行具有在图2流程图中示出概要的一系列阶段的过程。
在第1阶段S1中,处理装置2从CT扫描仪6取得第1及第2体数据。此时,第1体数据是在注入造影剂后且造影剂达到特定扫描中最关心的心脏区域部分之前所取得的与被检体的心脏区域有关的CT图像数据。第2体数据是在造影剂达到扫描中最关心的心脏区域部分且存在时,对同一被检体所取得的与心脏区域有关的CT图像数据。
由CT扫描仪6取得第1体数据的时刻与由CT扫描仪6取得第2体数据的时刻相隔造影剂可到达最关心范围的期间。被检体在取得第1体数据与取得第2体数据之间,在CT扫描仪6内实质上是保持静止的。在所记载的实施方式的情况下,取得第1体数据与取得第2体数据相隔比被检体能够秉住呼吸的时间短的期间。在被检体的1个呼吸停止期间之间取得第1、第2体数据。在其他实施方式中,例如,根据执行的摄影与CT扫描仪6的特性,取得第1体数据与取得第2体数据之间的时间也可以比上述期间长。在取得第1体数据与取得第2体数据之间,对于被检体会有必然的一些运动。在取得第1体数据与取得第2体数据之间,例如关于由自然生理过程而产生的心脏区域内的血管及其他解剖特征,也存在一些运动。
为了清楚地观察由于造影剂的存在而在第2体数据中识别出的血管,要求从第2体数据中减去第1体数据。然而,首先最重要的是,在执行减法步骤之前,为了确保准确校准第1体数据与第2体数据,需要执行配准步骤。
因此,在下一阶段S2中,为了由配准部12进行第2体数据相对第1体数据的配准(或既相反也一样),应用非刚性配准步骤。非刚性配准步骤是对第1及第2体数据中的多个体素执行配准的全局的配准步骤。
第1映射决定部20决定涉及非刚性配准的、在第2体数据的多个体素中表示与正交的3轴(例如,x轴、y轴、z轴)分别对应的3种位移量的3种曲力场。这里,曲(warp)表示变形。3种曲力场具有与第2体数据的多个体素各个对应的用于非刚性地配准于第1体数据的多个体素各个的位移量。
预处理阶段可以用于在执行全局的非刚性配准步骤之前从第1及第2体数据中除去无关的数据。除去的无关的数据例如也可以具有表示空白的数据(不在摄像范围内的数据)。根据情况,也可以包含表示补白(图像处理中的掩膜区域)或顶板(Patient table)或其他伪影的数据。预处理阶段也可以根据需要省略。
在阶段S2中,可以使用任意合适的非刚性配准步骤。在图1的实施方式中,全局的非刚性配准步骤使用互信息量作为相似度。与非刚性配准有关的曲力场使用Crum-Hill-Hawkes方式(William R.Crum,Derek L.G.Hill,David J.Hawkes.Information Theoretic SimilarityMeasures in Non-rigid Registration,Proceedings of IPMI'2003,pp.378-387)来计算。在该特定用途中,使用具有子采样数4及2的多尺度方法。由于明确了从执行时间及存储器观点来看要求是很严格的,因此就意味着全尺度的全局的非刚性配准不在该阶段S2的动作模式下执行。
子采样数是应用曲力场中的一个向量(位移量)的体素的数量。例如,在子采样数为4时,对于4个体素应用曲力场内的1个向量。具体而言,曲力场内的一个向量对应于体数据中的邻接的4个体素。对应的向量是与4个体素的重心坐标对应的曲力场内的同一坐标下的向量。在子采样数为4时,曲力场的向量数是体数据中的多个体素数量的四分之一。具体而言,曲力场是在三维空间的3个方向(例如,x、y、z方向)的各个方向中表示重心坐标的位移量的数据(以下,称为变形体数据)。例如,与x方向有关的变形体数据是表示重心坐标中x方向的位移量的数据。
另外,在子采样数量为2时,对于2个体素应用曲力场内的1个向量。具体而言,曲力场的1个向量对应体数据中的邻接的2个体素。对应的向量是与2个体素的重心坐标对应的曲力场内的相同坐标下的向量。
并且,全尺度对应于子采样数量为1的情况。意味着体数据中的多个体素与表示曲力场的向量场的多个向量分别对应。
第1及第2体数据分别具有1组体素。各体素具有强度值。各体素具有表示空间位置的1组坐标(例如,x、y、z坐标)。体素的强度值在有关空间位置所选择出的坐标系(例如,笛卡儿坐标)中,通过CT扫描仪6的摄影来取得。
非刚性配准针对每个体素生成具有其体素的空间坐标的偏移的曲力场。偏移例如为第1、第2体数据中的顶板的位置偏差等。为了取得利用非刚性配准涉及的曲力场所转换的第2体数据,从非刚性配准步骤取得曲力场。通过将所取得的曲力场应用于第2体数据,从而转换前的第2体数据中的多个体素各自的空间坐标按照曲力场偏移,以使转换后的第2体数据中的各体素的位置表示与具有相同空间坐标的第1体数据中的某体素的位置实质相同的被检体中的位置(实质相同的解剖学位置)。在大部分的实际情况中,由于时间或处理的限制,因此需要使用多尺度配准步骤。使用减少曲力场的版本(例如,子采样数为4或2的版本),将第1、第2体数据互相非刚性地配准。这样的多尺度配准步骤在与曲力场的对应下,需要进行与完整的数据(第1、第2体数据)相关联的数据点的插值以及其后的选择。这样的插值过程及选择过程必然造成配准中的一些错误。错误有时比较小,但依然会对例如钙化及支架等对比度高的小区域的配准及显示有相当大的影响。
在非刚性配准及转换步骤之后,从配准的第2体数据中减去第1体数据,作为结果得到的相减后的体数据针对用户被显示在显示部4上。配准完整时,相减后的体数据只表示存有造影剂的血管。实际上,由于多尺度配准步骤中固有的配准错误,并且由于全局的非刚性配准无法准确补偿取得第1体数据与取得第2体数据之间的解剖学特征在位置与方向上的所有偏移,因此全局的非刚性配准绝不是完美的。
图3示出了在执行全局的非刚性配准步骤之前表示第2体数据的图像42,同时还示出了在显示部上作为图像40显示的第1体数据。在全局的非刚性配准步骤之后,表示从转换后的第2体数据中减去第1体数据得到的体数据的图像44也在图3中被示出。
在图像40及42中,判明钙化区域存在于血管中。钙化区域在图像40、42中鲜明地显现为白色范围48、50。
钙化区域的特征为该区域为刚性,一般不伸张及剪切变形。与此相对,组织及血管周围的范围根据时间明显伸张及剪切变形。全局的非刚性配准算法可以生成有效补偿这样的伸张及剪切变形过程的配准。但是,如上所述过的那样,实际上在多尺度配准过程中会出现一些错误是固有的。这些错误在钙化或支架等高对比度的特征以与例如血管等对象范围邻接的方式存在时,在现有***中可能变得严重。并且,实际上,有关例如血管等被检查的特征的尺寸及性质,由于第1及第2体数据的位移的尺寸,因此在使用已知的技术时,会产生严重的错误。在由于体数据之间的位移而使用已知技术的配准中必然会有一些错误,并且在例如血管等在相减后的体数据中被检查的特征比较小时,这样的错误会变得特别严重。
在相减后的图像44中,可知在减去钙化存在的图像44中生成严重的伪影。在图像44中,伪影显现为暗的范围52。另外的问题是通常在血管表面发现钙化范围,以及该范围与在相减后的图像中可以作为目标对象的特征(血管)邻接。相减后的图像中伪影的存在致使相减后的图像的关心特征的显示或解析变得不明了。或者,伪影的存在明显干扰相减后的图像的关心特征的显示或解析。图1的实施方式的特征如下面所说明的那样,为了除去伪影执行进一步的局部配准步骤。
在过程的下一阶段S3中,为了执行进一步的局部配准步骤,在关心区域设定部18的控制下,选择关心区域(Region of interest:以下,称为ROI)。在图1的实施方式中,用户通过在图像中的某点上点击鼠标指针,从而选择关心区域的中心。然后通过拖动鼠标,在选择的点的周边扩张圆形边界以规定关心区域。这样的圆形边界54表示为图3中的相减后的图像44。具有与圆形边界有关的半径且以用户选择的点为中心的球体由关心区域设定部18规定为ROI。
在替代的实施方式中,可以使用任意合适的方法作为用户对关心区域的选择。例如,可以使用任意合适的一连串鼠标动作或其他用户输入设备动作来选择关心区域。关心区域并不限定于球状,可以使用任意合适的形状。例如,关心区域也可以选择为立方体或矩形。并且,关心区域设定部18为了形成关心区域的轮廓可以连结由用户选择的多个点。向用户显示的相减后的图像在一些实施方式中也可以不是二维,而是三维。用户也可以从三维图像选择关心区域。在其他实施方式中,用户可以从所取得的图像(与第1、第2体数据分别对应的图像)的一方或两方中选择区域,而不是从配准后相减得到的图像中来选择区域。
在另一替代的实施方式中,也可以根据例如对存在超过规定阈值的高对比度区域进行的自动检测,来自动地选择关心区域。
在图1的实施方式中,由用户选择的ROI是至少应用由图像改良部16在后阶段S4、S5中决定的其它改良配准的区域。包围ROI(例如自ROI的边界开始,在半径方向上延伸规定距离的中空的球状壳体)的缓冲区域也可以由关心区域设定部18来规定。进一步的改良配准作为将用于ROI的改良配准与全局的非刚性配准组合的组合步骤的一部分,部分地适用于缓冲区域。对于该组合,利用与步骤阶段S6的关联,在下述中更详细地进行说明。
为了改良关于ROI所取得的配准,并改善配准的质量,仅使用与ROI对应的体数据,并在阶段S5中执行进一步的配准步骤。
图1的实施方式的重要特征在于:在执行进一步的配准步骤之前,在阶段S4中决定使用最初的全局的配准步骤对ROI所取得的非刚性曲力场的刚性近似(rigid approxomation)。刚性近似尽可能与非刚性曲力场一致。然后,使用刚性近似作为阶段S5的进一步配准步骤的起点。
由第2映射决定部22决定的第2映射是对与关心区域对应的第1映射、即曲力场进行刚性近似的映射。
阶段S4的针对非刚性曲力场的刚性近似的决定的背后的理由是因为造影前的扫描与造影后的扫描(该情况下,第1体数据与第2体数据)之间的运动(例如冠状动脉的规模下)可能变得相当大。在局部的刚性配准(以下,称为局部刚性配准)算法中,在不是起点的刚性近似相当接近最终局部刚性配准的适当起点时,在一些情况下,为了使与ROI有关的局部刚性配准步骤完全成功,可知在未进行配准的造影前的体数据(第1体数据)和造影后的体数据(第2体数据)之间关联的结构的重叠有可能过小。这样的起点通过决定非刚性曲力场的刚性近似来提供。在替代的实施方式中,作为局部的刚性配准算法的起点,可以决定并使用曲力场的仿射近似。
为了适当地使局部的刚性配准初始化,ROI内的曲力场使用以下方法,在阶段S4中通过刚性转换来进行近似。
以下方法是作为一示例而记载的,也可以在其他方法中将与ROI有关的全局的非刚性转换近似为刚性转换。
1.对ROI内的体素的点坐标(例如,20000点)进行采样。
2.对于采样个体群中的每个点适用曲力场(第1映射),并记录变形坐标。
3.为了使用作为结果得到的对应的坐标对(最初的体素坐标与对应的变形坐标),并决定将最初的体素坐标映射为对应的变形坐标的仿射转换,而应用多重线性最小二乘回归步骤(muliti-linear leastsquare regression procedure)。该过程计算仿射转换矩阵的矩阵要素,这依然可包含缩放分量(例如,扩大及缩小)及剪切分量。
另外,为了除去缩放分量及剪切分量,阶段S4的步骤也可以如下继续进行。
4.使用极分解,提取(计算)使用了已知技术的仿射转换矩阵的旋转部分。合适的极分解技术的一例记载于K.Shoemuke and T.Duff,Matrix Animation and Polar Decomposition,Proceedings ofGraphical Interface 1992,pp 258-264,1992。
5.对ROI中心点(也称为ROI重心)应用步骤3中发现的仿射转换。
6.决定变形后的重心与最初的重心之间的位移,并将该位移看作为表示刚性转换的平移部分的位移。
7.为了取得关于ROI的曲力场的刚性近似,结合步骤4、5及6的结果。刚性近似具备在步骤4及步骤6中决定的旋转分量及平移分量。在该特定的用途中,缩放在设计上被固定为1,因此无需提取缩放。但是,可以根据需要提取缩放分量。
在阶段S4结束时,取得关于ROI的非刚性曲力场的局部的刚性近似。局部的刚性近似只能达到与最初的非刚性配准相同的程度,这意味着低质量的全局的曲力场可能生成低质量的局部的刚性近似。在这样的情况下,局部刚性配准可能失败。但是,实际上,可知这样的情况不会发生,一般,使用全局的曲力场,可以生成满意的局部刚性配准近似。
在下一阶段S5中,对于ROI,为了进行来自第1及第2体数据(分别为造影前数据及造影后数据)的数据的配准,执行局部的刚性配准步骤。在图1的实施方式中,局部的刚性配准算法一般基于互信息相似度的鲍尔式(Powell-style)最优化的已知原则,也可以使用其他任意合适的算法。
将ROI内所包含的第2体数据的数据与ROI内所包含的第1体数据进行配准。局部的刚性配准步骤将阶段S4中取得的局部的刚性配准的近似看作为起点(初始条件),然后使用互信息相似度的鲍尔式最优化或其他任意合适的最优化步骤,变更配准直到取得最优化的局部刚性配准。
即,首先,将对阶段S4中决定的非刚性转换进行刚性近似后的局部的刚性转换(以下,称为第1局部刚性转换)适用于第2体数据。然后,在ROI内,计算转换后的第2体数据与第1体数据之间的互信息的相似度。为了最优化互信息相似度,将第1局部的刚性转换变更为第2局部的刚性转换。例如变更n次(n为自然数)局部刚性转换,直到互信息相似度被最优化为止。第2映射对应于互信息相似度最优化后的局部刚性转换。
在执行一些动作模式下的局部的刚性配准步骤之前,可存在所选择的数据的一些预处理。例如,在执行局部的刚性配准步骤之前,可以使用已知技术除去与补白、顶板、或其他设备以及/或空气对应的数据等无关数据。
能够在局部的刚性配准步骤之前执行的其它的预处理步骤包括阈值处理步骤。大多情况下,称为“造影前”数据(与图1有关的上述说明中的第1体数据)的数据实际上是由在造影剂被注入被检体后,但是造影剂达到大动脉及冠状动脉血栓(或作为扫描目标对象的其他特征)之前执行的扫描所取得的数据。尽管如此,造影剂例如也可以在造影前扫描时存在于右心室。这意味着在造影前扫描中的心脏的预料之外的部分中可以有明亮的材料的范围。随着左冠状动脉树极其靠近右心室,可能产生问题,还可能使配准算法混乱。
结果作为一例子也可以在图4中观察,该图示出了表示在造影剂存在于右心室64内但在到达大动脉及左冠状动脉66之前所取得的造影前扫描数据(例如,第1体数据)的图像60。也示出了表示在造影剂到达到大动脉及冠状动脉时取得的造影后扫描数据(例如,第2体数据)的图像62。在图像60与图像62双方中也可以示出钙化68、70两个区域。由于在通过大动脉及冠状动脉之前存有造影剂,因此可知右心室64在造影前图像60中比在造影后图像62明亮得多。造影前图像60中的该大的、更明亮的范围的存在可能干扰配准过程。
在所记载的实施方式的变形中,通过在阶段S4与阶段S5之间执行进一步配准预处理,来处理上一段落中记载的问题。根据配准前步骤,具有超过规定阈值的强度及超过规定尺寸的尺寸的造影前图像数据(例如,第1体数据)的区域由图像改良部16自动地识别,且在配准目的下被忽视。这样,可以在配准目的下,在造影前的体数据中识别有造影剂的血液,并将其放弃。造影后图像数据(例如,第2体数据)的对应区域也可以在配准目的下被忽视。在1个动作模式中,阈值强度例如选择为约200HU(亨斯菲尔德单位)。阈值大小被设定为比典型的大支架或钙化都大的亨斯菲尔德单位(例如,阈值大小可以设为约12.5mm3或实质上等于12.5mm3)。由阈值处理步骤选择的区域可以掩盖掉。
在图1的实施方式的1个动作模式中,阶段S5的刚性配准步骤在第1及第2体数据的强度数据中执行。但是,在计算整个比较大量的数据时,互信息量(Mutual Information:以下,称为MI)最能发挥作用。遗憾的是,为了进行配准使用处理的钙化很多是相当小的、且由限定的数量的体素组成。因此,在应用构造彼此、特别是在应用边界彼此时,MI可靠性更低。并且,常常钙化由于存有造影剂的血液而被部分明亮的区域包围,由此,体素强度的失配加剧。
为了缓和该影响,在图1的实施方式的其他动作模式下,梯度信息通过进行从第1及第2体数据中导出的梯度规模数据(gradientmagnitude data:以下,称为梯度体数据)的配准来代替进行图像强度数据的配准,从而编入阶段S5中使用的配准算法。
与位置相应的梯度规模数据(梯度体数据)关于针对造影前数据与造影后数据(此时,为第1体数据与第2体数据)双方的ROI内的体数据,由梯度体数据生成部14生成。然后,为了对从第1体数据中取得的第1梯度体数据进行从第2体数据中取得的第2梯度体数据的配准,执行阶段S5的刚性配准过程。
在一些动作模式下,为了只聚焦于对象的构造(有造影剂的血液以及钙化/支架),在生成梯度体数据之前应用图像钳(image clamp)。图像钳例如以亨斯菲尔德单位或由亮度值指定的范围来执行。这些范围的基准为与钙化及支架有关的范围。
钳位的限度可以设为例如50HU及600HU,这意味着低于50HU及高于600HU的强度值分别限定为50HU及600HU。
一旦执行钳位,则计算梯度规模,并执行阶段S5的刚性配准步骤。在执行钳位并计算出梯度规模后,作为结果得到的梯度体数据由于失去很多高低强度的详情,因此信息劣化,但为了正确校准,其所有信息都集中在最重要的范围,例如钙化的端部等。通常,重要的是留意进行钳位后的梯度体数据只用于取得正确的配准。接着,为了校准第1体数据与第2体数据,将配准应用于最初的第2体数据的强度数据。
图5示出了根据由在造影剂存在于左心室74、且在造影剂到达冠状动脉之前取得的被钳位了的CT图像数据(第1体数据)得到的1组梯度数据生成的图像70的一个例子。图5还示出了根据由造影剂存在于冠状动脉76时取得的被钳位了的CT图像数据(第2体数据)取得的1组梯度体数据生成的相同区域的图像72。图像72上重叠的黑边框(bezel:边缘)形状78表示被选择的ROI的边界。梯度及钳位的过程的使用能够有效利用配准过程的组织边界信息。
在阶段S5结束时,决定表示ROI内的第2体数据相对于第1体数据的配准的局部的刚性配准(第2映射)。在阶段S2中已决定了表示第2体数据整体相对于第1体数据整体的配准的、全局的非刚性的配准。在下一阶段S6中,局部的刚性配准为了取得被组合的配准而被组合到全局的非刚性的配准中。
即,在阶段S6中,生成将与关心区域有关的第2映射和与非关心区域有关的第1映射结合而成的结合映射。
使用包围由关心区域设定部18定义的ROI(例如从ROI边界开始,在半径方向延伸规定距离的中空球状壳体)的缓冲区域,由图像改良部16执行配准的组合(结合映射)。缓冲区域还被称为羽化缓冲区,还可以是固定尺寸。
合并可以通过使用2个连续的过程来执行。首先,第1,通过在缓冲区内的各位置(各体素)上取得2个加权平均来混合局部的刚性变形和根据全局的非刚性的配准取得的全局的曲力场。
在加权平均计算中使用的加权(第1、第2权重)根据距ROI的距离的变化而线性地变化,其结果,在ROI内只使用局部的刚性配准,在混合缓冲区外只使用全局的非刚性配准。
在位于混合缓冲区内但靠近与ROI的边界的体素中,与由组合的配准取得的最初的第2体数据中的针对该体素坐标的体素坐标的位移主要由局部的刚性配准来决定,由于是利用第1权重加权的全局的非刚性配准,因此存在小幅调整。同样,在位于混合缓冲内但靠近距离ROI最远的边界的体素中,与按照组合的配准所取得的最初的第2体数据中的针对该体素坐标的体素坐标的位移主要由全局的非刚性配准来决定,由于是利用第2权重加权的局部的刚性配准,因此有小幅调整。
在替代的实施方式中可以使用其他任意合适的组合过程。例如,加权(第1、第2权重)也可以在任意合适方法中都不相同,无需根据距ROI的距离而直线性变化。例如,加权(第1、第2权重)例如也可以变为距离平方或其他多项式函数、S型(sigmoid)函数或双曲线函数等任意合适的距离函数。应用加权的区域与不应用加权的区域之间的边界可以根据关于这些位置的全局的配准与局部的刚性配准之间的差异来选择,例如,缓冲区域边界的尺寸及位置可以根据这样的差异自动地决定。
在下一阶段S7中,为了取得配准于第1体数据的第2体数据,将组合了的配准应用于第2体数据。然后,为了取得排除钙化、支架或其他无关特征的或降低该突出的数字相减后的图像,也可以从第1体数据中减去配准后的第2体数据。
该方法提供使性能高速、减少所需存储器的、将关于所选的ROI的体数据的配准准确地自动化或半自动化的改良。
该方法对含有钙化的区域的改良后的配准进行了说明,但为了改善含有其他无关特征的区域、特别是实质上费力地使用非刚性的配准步骤无法顺利进行配准的特征、以及/或提供超过规定阈值的图像强度的特征的配准,也可以使用该方法。在这样的其他特征的例子中有支架。该方法最适合在改善与相对小的区域有关的配准时发挥作用。在支架或相对长的其他特征的情况下,可以定义在整个支架或其他特征长度中的几个不同的ROI。个别刚性配准可以对每个ROI执行,并且个别刚性配准都可以组合到全局的非刚性配准中。
在某动作模式下,可以通过以渐进式方法应用局部的改良来取得大支架的良好配准。为了覆盖问题范围(例如支架范围),使用多个小ROI。
例如,在图2的方法的阶段S5中针对ROI中的一个ROI取得改良后的局部的刚性配准后,可以将该改良后的局部的刚性配准组合到全局的非刚性配准中,从而生成组合的配准(结合映射)。然后,该组合的配准(结合映射)被使用为用于决定接下来的邻接的ROI的被改良了的局部的刚性配准的局部的刚性配准步骤的起点。为了生成新组合的配准,被改良了的局部的刚性配准编入上述组合的配准。然后,新组合的配准可以使用为用于决定接下来的ROI的被改良的局部的刚性配准的局部的刚性配准步骤的起点。可以重复过程,直到对各个ROI都取得所改良的局部的刚性配准为止。
在一些实验例子中,在共计28个情况中的每个情况下,都对具有多个ROI的10个不同的体数据执行了所记载的实施方式的过程。在实验中,将真实数据转换(ground truth transformation)与通过执行所记载的实施方式的方法而取得结果进行比较。真实数据通过专家手动校准ROI的体数据并记录作为结果得到的刚性转换来取得。由于这些实验所产生的转换错误而取得的数值(像素数)为0.451个像素。这意味着不管将使用该方法取得的配准应用于哪种特定的像素,都会配准于距应当存在由真实数据所示的特定的体素的位置平均偏离了0.451个像素的位置。该像素数对应于1mm的约1/4的数值。在使用全局的非刚性配准步骤时,不存在改良的局部刚性配准,错误为1.79个像素。关于执行时间,整个过程所花费的时间在17膝上型个人计算机中,对各个ROI为不到15秒。
图6至图9示出了表示在动脉构造等最关心的构造中的造影剂存在之前(称为造影前)及造影剂存在于最关心的构造(称为造影后)时取得的第1及第2体数据的图像80a、80b、80c、80d和图像82a、82b、82c、82d的例子。各图还包含表示在只使用全局的非刚性配准步骤将配准的第2体数据进行配准的情况下,通过从第1体数据中减去配准后的第2体数据所取得的相减后的体数据的图像84a、84b、84c、84d。各图还包含表示在与ROI有关的局部的刚性改良一起使用全局的非刚性配准步骤将配准后的第2体数据进行配准的情况下,通过从第1体数据中减去配准后的第2体数据所取得的相减后的体数据的图像86a、86b、86c、86d。各图中还示出了ROI88a、88b、88c、88d。图6至图9的各个图像都分别由从不同的被检体取得的图像组成。
无论在任何情况下,在只使用全局的非刚性配准取得的相减后的图像84a、84b、84c、84d的ROI内,作为通常较暗的范围,都能看到严重的伪影。这些伪影在使用与ROI有关的局部的刚性配准的同时还使用全局的非刚性配准所取得的减去后的图像86a、86b、86c、86d中被除去。
在图1相关记载的实施方式中,ROI的选择根据用户对图像的点或范围的选择,手动或半自动执行。在替代的实施方式中,ROI的选择如以下所说明的那样自动地执行。
在用于自动地识别ROI的子过程的第1阶段,识别例如对象的血管等不靠近作为检查对象的特征的区域的位置。在一些实施方式中,该第1阶段可以省略,但是,在知道体数据可能含有无关的高对比度的特征的区域,或如果不这样就可能会误识别为含有ROI的区域时,包含第1阶段可能就很重要。例如,在用于观察心脏血管的心脏区域的扫描时,扫描含有例如肋骨或脊椎等大范围的骨骼或非对象的血管,为了自动地识别剩余的数据的ROI执行下一步骤之前,从体数据中掩盖掉这样的区域是有用的。
在目前说明的实施方式的情况下,子过程的第1阶段包括为了识别不同的解剖区域的位置或来自图像数据(体数据)的特征,执行分段化步骤。也可以使用任意合适的分段过程、例如基于寰椎的分段过程。
接着,第1掩膜根据分段而形成,其可以用于删除与非对象(用于配准的处理对象)的特征对应的数据(体数据的一部分)。在扫描用于观察心脏血管的心脏区域的情况下,肋骨、脊椎等的骨骼范围不是对象,例如为了掩盖掉与这样的特征对应的数据,可以使用分割掩膜。同样,与非冠状或非大动脉血管对应的数据有时不是关于特定的过程的对象,可以掩盖掉。保持与例如冠状动脉及大动脉起始部等对象的范围有关的数据。
然后,将分段掩膜应用于通过从第1体数据减去按照全局的非刚性配准而转换的第2体数据从而在阶段S2中取得的相减后的体数据。这样,(该情况下)可以掩盖掉与骨骼等无关特征对应的被减去的数据。
在目前所说明的实施方式中,为了滤除非对象的数据的这样区域,执行分段化过程,但也可以使用其他任意合适的过程,把知道其不是对象的数据的区域排除。例如,在一些实施方式中,为了自动地识别剩余数据中的ROI,在执行进一步的过程之前,用户可以手动地选择非对象数据的区域。
ROI是希望执行进一步的局部的配准的区域,其常常为小且高强度的特征(例如钙化或支架)位置偏移某种程度的区域。这样的特征的位置偏移通常生成具有相减后的体数据中的异常高强度的范围及异常低强度的邻接范围的由减影产生的伪影。
在子过程的下一阶段,为了识别具有比所选阈值大(例如大于200HU)的强度的被掩膜、相减后的体数据的区域,使用阈值处理步骤。阈值处理步骤可以用于识别例如有对比度的血液或由减影产生的伪影的明亮部分。
在子过程的下一阶段,为了识别具有小于所选阈值的(例如小于-100HU)的强度的被掩膜、相减后的体数据的区域,使用进一步的阈值处理步骤。进一步的阈值处理步骤可以用于识别例如由减影产生的伪影的暗的部分。
然后,根据由阈值处理步骤及进一步的阈值处理步骤识别的区域的结合来形成第2掩膜。然后,例如为了在各方向使掩膜尺寸增加所选择的量(例如1mm),将小的形态学的膨胀用于进一步的掩膜。
为了补偿在配准的造影前数据(第1体数据)与减影之间可残留的小的位置偏移,可以使用形态学的膨胀。在第1体数据与第2体数据大幅偏移时,有时还需要增加形态学的膨胀的尺寸。
在子过程的下一阶段,为了识别具有比所选值大(例如,大于200HU)的强度的造影前数据中的区域,将另外的阈值处理步骤应用于造影前数据集(此时为第1体数据)。除去具有大于所选值的强度且具有大于所选尺寸的阈值的尺寸(例如,大于2000mm3的体积)的造影前数据的区域。其对除去靠近冠状动脉的大量骨骼(以及,根据情况的不同,有可存在于造影前图像的存在对比度的血液)有用。然后,形成表示根据对造影前数据执行的阈值处理步骤决定的剩余的高强度区域的第3掩膜。
接着,根据以第2形态学方式膨胀的掩膜与第3掩膜的公共部分形成进一步的结合掩膜。进一步的结合掩膜靠近冠状动脉,因此可以用于自动地识别例如可与钙化或支架对应的小的明亮的对象物。第2掩膜根据(具有可知不是通过分段步骤中取得的第1掩膜的最初的应用已除去的对象的区域)相减后的数据而取得,第3掩膜根据造影前数据而取得。根据没有互相完全配准的数据(例如,相减后的数据和全局的配准的造影前数据)取得的掩膜结合是所记载的实施方式的重要特征。考虑其将会潜在性地带来困难。但是,实际上可知形态学的膨胀例如用于补偿形成进一步的结合掩膜时的数据之间的任意差异,并且该过程对自动识别ROI是有效的。
在替代的实施方式中,例如为了特别识别钙化而使用子过程时,形态学的膨胀及/或第3掩膜的形成可以省略。取而代之,可以使用进一步的配准步骤,以为了识别ROI而在造影前图像数据集上直接使第2掩膜变形(非刚性转换)。
其次,根据进一步的结合掩膜区域自动地形成ROI。ROI可以利用任意合适的方法来形成。例如,单个ROI可以与识别的区域对应地形成,或识别的区域可以分别分割成规定尺寸以下的几个ROI。或者,或还可以选择覆盖进一步的结合掩膜区域的规定形状(例如球状或立方体)的ROI。自动决定的ROI例如也可以邻接或重叠。
一旦自动决定ROI,则过程继续阶段S4,如图2已经说明的那样,执行ROI的局部的配准、组合过程及减法过程。
在图1相关记载的实施方式中,局部的配准步骤是为了对1个或多个选择的区域改良全局的配准而执行的局部的刚性配准步骤。在替代的实施方式中,局部的配准步骤是仿射配准步骤。在进一步的实施方式中,局部的配准步骤也可以是将进一步的自由形状配准(非刚性配准)应用于与ROI对应的所选择的数据的自由形状配准步骤,作为结果得到的自由形状配准组合到全局的自由形状的配准中。
在存在钙化或支架时,为了改善血管的阅览,与从患者的心脏区域中取得的图像数据(体数据)的处理相关联地对图1的实施方式的动作进行了说明。但是,实施方式可以用于改善任意合适的图像数据的配准及阅览,并且对相比其他的、以及/或邻接于高强度特征的特征相比受到1个图像数据的造影剂强调的比较小的特征的阅览特别有益。所说明的技术例如可以用于从表示大脑动脉环的脑部图像数据等身体上的任意合适区域中处理血管图像数据。
被选择的ROI可以设为任意合适的尺寸,但在一些应用中,可知具有ROI为30mm3-1000mm3之间的体积。
虽然实施方式通过软件来实施某功能,但只要是本领域的技术人员就应该充分明白其功能也可以单独在硬件中(通过例如1个或多个ASIC(面向特定用途的IC))实施,或通过硬件与软件的混合来实施。这样,实施方式并不仅限于通过软件来实施。
在本说明书中对特定的模块进行了说明,但在替代的实施方式中,这样的模块的1个或多个功能可以由单个模块或其他构成要素来提供,由单个模块提供的功能可以由2个以上的模块或其他构成要素组合提供。
针对一些实施方式进行了说明,但这些实施方式只是作为例子来提出的,并不限定本发明的范围。实际上,本说明书中所记载的新的方法及***可以以其他各种形态具体化,并且,不脱离本发明的意旨就可进行本说明书中所述的方法及***的形态的各种省略、置换及变更。所附的权利要求书及其等价范围为覆盖本发明的范围内所包含的形态及修改。
记载有特定的实施方式,但这些实施方式只是通过例示来提出,并不意图限定本发明的范围。实际上,本说明书中所述的新的方法及***也可以以其他各种形态来实现。并且,本说明书中记载的方法及***的形态的各种省略、置换及变更也可以无需脱离本发明的精神来进行。所附的权利要求书及其同等范围意图网罗本发明的范围内包含的形态及变形例。
虽然已经说明了一些实施方式,但是这些实施方式仅是以例子而示出的,并且其并不限定本发明的保护范围。确实,此处说明的新的实施方式可以被包含在各种不同的形式中,而且在脱离本发明的精神的情况下,可以对此处说明的实施方式进行各种省略、替换及变更。所附的权利要求及其等同物意图覆盖落入本发明的范围和精神的形式和变形。
Claims (26)
1.一种医用图像处理装置,其特征在于,包括:
存储部,存储第1体数据与第2体数据;
第1映射决定部,根据所述第1体数据、第2体数据,决定用于第2体数据相对于所述第1体数据的非刚性配准的第1映射;
关心区域设定部,对所述第2体数据设定关心区域;
第2映射决定部,根据与所述关心区域对应的所述第1映射,决定用于刚性配准的第2映射;
配准部,通过对所述关心区域使用所述第2映射而对非关心区域使用所述第1映射,从而将所述第2体数据配准于所述第1体数据。
2.根据权利要求1所述的医用图像处理装置,其特征在于:
所述第1映射决定部决定具有与所述第2体数据的各体素有关的位移量的所述第1映射;
所述第2映射决定部使用与所述关心区域中包含的多个体素有关的所述位移量来计算所述关心区域的各位置处的旋转分量与平移分量,并根据计算出的所述旋转分量、所述平移分量以及所述第1体数据、第2体数据来决定所述第2映射。
3.根据权利要求2所述的医用图像处理装置,其特征在于:
所述第2映射决定部根据从所述关心区域中除去补白区域及与空气有关的区域后得到的区域中的所述第1体数据、第2体数据、以及所述旋转分量和所述平移分量,决定所述第2映射。
4.根据权利要求2所述的医用图像处理装置,其特征在于:
所述第2映射决定部使用在所述第1体数据、第2体数据中具有规定阈值以下的值的多个体素,决定所述第2映射。
5.根据权利要求1所述的医用图像处理装置,其特征在于:
所述第1映射决定部决定用于作为所述非刚性配准的非线性配准的映射,作为所述第1映射;
所述第2映射决定部决定用于作为所述刚性配准的线性配准的映射,作为所述第2映射。
6.根据权利要求1所述的医用图像处理装置,其特征在于:
所述第2映射决定部决定用于作为所述刚性配准的仿射配准的映射,作为所述第2映射。
7.根据权利要求1所述的医用图像处理装置,其特征在于:
所述第1映射决定部决定与曲力场对应的映射作为所述第1映射。
8.根据权利要求1所述的医用图像处理装置,其特征在于:
所述第1映射决定部决定用于作为所述非刚性配准的自由形状的配准的映射,作为所述第1映射。
9.根据权利要求1所述的医用图像处理装置,其特征在于:
所述关心区域设定部将所述关心区域设定为多个区域,
所述第2映射决定部根据与所述多个关心区域各自对应的第1映射,决定与所述多个关心区域对应的一组第2映射集,
所述配准部对所述多个关心区域使用所述第2映射集。
10.根据权利要求1所述的医用图像处理装置,其特征在于:
所述配准部通过使用将对应于所述非关心区域的所述第1映射与对应于所述关心区域的所述第2映射结合而成的结合映射,从而将所述第2体数据配准于所述第1体数据。
11.根据权利要求10所述的医用图像处理装置,其特征在于:
所述第2映射决定部根据与部分地或整体地包围所述关心区域的缓冲区域相对应的所述第1映射,决定所述缓冲区域中的所述第2映射,
所述结合映射在所述第1映射和所述第2映射之间具有所述缓冲区域,
所述缓冲区域具有将赋予了第1权重的所述第1映射和赋予了第2权重的所述第2映射相加或相加求平均而得到的第3映射。
12.根据权利要求11所述的医用图像处理装置,其特征在于:
所述第1权重、第2权重是与距所述关心区域的距离相应的权重。
13.根据权利要求1所述的医用图像处理装置,其特征在于,还包括:
差分处理部,生成从所述第1体数据减去了使用所述第1映射、第2映射所配准后的所述第2体数据而得到的差分体数据。
14.根据权利要求6所述的医用图像处理装置,其特征在于:
所述第2映射决定部为了用所述刚性配准或所述仿射配准近似地表示所述关心区域中的所述非刚性配准,根据与所述关心区域对应的所述第1映射,决定所述第2映射。
15.根据权利要求9所述的医用图像处理装置,其特征在于:
所述第2映射决定部根据与所述关心区域对应的所述第1映射,决定所述第2映射集中的至少一个第2映射,并根据所决定的第2映射,决定所述第2映射集中的其他的第2映射。
16.根据权利要求1所述的医用图像处理装置,其特征在于,还包括:
梯度体数据生成部,根据所述第1体数据生成与所述关心区域对应的第1梯度体数据,并根据所述第2体数据生成与所述关心区域对应的第2梯度体数据,
所述第2映射决定部根据针对所述关心区域的第1映射、以及所述第1梯度体数据、第2梯度体数据,决定所述第2映射。
17.根据权利要求16所述的医用图像处理装置,其特征在于:
所述第1梯度体数据、第2梯度体数据由利用规定阈值进行了阈值处理后的多个体素构成。
18.根据权利要求13所述的医用图像处理装置,其特征在于:
所述差分处理部生成从使用所述第1映射所配准后的第2体数据减去了所述第1体数据而得到的差分体数据,
所述关心区域设定部根据向与所述差分体数据对应的差分图像的输入,设定所述关心区域。
19.根据权利要求13所述的医用图像处理装置,其特征在于:
所述差分处理部生成从所述第1体数据减去了使用所述第1映射被非刚性配准于所述第1体数据的所述第2体数据而得到的差分体数据,
所述关心区域设定部通过根据执行了规定的阈值处理的所述第1体数据和所述差分体数据,切出所述第2体数据的一部分区域,从而设定所述关心区域。
20.根据权利要求1所述的医用图像处理装置,其特征在于:
所述存储部存储由X射线计算机断层摄影装置取得的体数据作为所述第1体数据、第2体数据。
21.根据权利要求1所述的医用图像处理装置,其特征在于:
所述存储部存储具有被检体的胸部区域中的心脏区域和所述被检体的血管构造中的冠状动脉区域或大脑动脉环区域中的至少一个的体数据,作为所述第1体数据、第2体数据。
22.根据权利要求1所述的医用图像处理装置,其特征在于:
所述第2映射决定部使用具有与比周边组织硬的部分组织有关的体素和具有超过规定阈值的强度的体素中的至少一个的体素的所述关心区域内的第2体数据。
23.根据权利要求1所述的医用图像处理装置,其特征在于:
所述第2映射决定部使用具有与钙化有关的区域和与支架对应的区域中的至少一个的所述关心区域内的所述第2体数据。
24.根据权利要求1所述的医用图像处理装置,其特征在于:
所述存储部存储造影前取得的体数据作为所述第1体数据,并存储造影后取得的体数据作为所述第2体数据。
25.根据权利要求1所述的医用图像处理装置,其特征在于:
所述第1映射决定部使用通过规定的阈值处理除去与造影剂有关的区域后的体数据作为所述第1体数据。
26.一种医用图像处理方法,其特征在于:
根据与被检体有关的第1体数据和与所述被检体有关的第2体数据,决定用于第2体数据相对所述第1体数据的非刚性配准的第1映射,
对所述第2体数据设定关心区域,
根据与所述关心区域对应的所述第1映射,决定用于刚性配准的第2映射,
通过对所述关心区域使用所述第2映射而对非关心区域使用所述第1映射,从而使所述第2体数据配准于所述第1体数据。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US13/349,010 US8675944B2 (en) | 2012-01-12 | 2012-01-12 | Method of registering image data |
US13/349,010 | 2012-01-12 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103202705A true CN103202705A (zh) | 2013-07-17 |
CN103202705B CN103202705B (zh) | 2015-04-22 |
Family
ID=48750276
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210311743.1A Active CN103202705B (zh) | 2012-01-12 | 2012-08-29 | 医用图像处理装置及医用图像处理方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US8675944B2 (zh) |
JP (1) | JP6042112B2 (zh) |
CN (1) | CN103202705B (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104586418A (zh) * | 2013-10-31 | 2015-05-06 | 株式会社东芝 | 医用图像数据处理装置和医用图像数据处理方法 |
CN104637024A (zh) * | 2013-11-14 | 2015-05-20 | 株式会社东芝 | 医用图像处理装置以及医用图像处理方法 |
CN104939849A (zh) * | 2014-03-27 | 2015-09-30 | 株式会社日立制作所 | 用于放射线治疗***的床定位装置 |
CN105719273A (zh) * | 2014-12-05 | 2016-06-29 | Ge医疗***环球技术有限公司 | 一种在医学影像上测量脊椎的旋转参数的方法及装置 |
CN105719324A (zh) * | 2014-12-19 | 2016-06-29 | 株式会社东芝 | 图像处理装置以及图像处理方法 |
CN105872454A (zh) * | 2015-02-05 | 2016-08-17 | 富士通株式会社 | 图像显示设备和图像显示方法 |
CN107689057A (zh) * | 2017-07-10 | 2018-02-13 | 中国科学院高能物理研究所 | 自适应小动物脑功能磁共振成像数据分析方法 |
CN107851303A (zh) * | 2015-07-17 | 2018-03-27 | 皇家飞利浦有限公司 | 组织病理学图像的配准 |
CN107854130A (zh) * | 2016-09-21 | 2018-03-30 | 通用电气公司 | 用于生成减影图像的***和方法 |
CN107886508A (zh) * | 2017-11-23 | 2018-04-06 | 上海联影医疗科技有限公司 | 差分减影方法和医学图像处理方法及*** |
CN108389193A (zh) * | 2018-02-12 | 2018-08-10 | 中国人民解放军第三军医大学 | 一种颈动脉支架后三维体素模型分析方法及*** |
CN108550104A (zh) * | 2018-02-28 | 2018-09-18 | 北京集光通达科技股份有限公司 | 图像配准方法、装置 |
CN115089839A (zh) * | 2022-08-25 | 2022-09-23 | 柏斯速眠科技(深圳)有限公司 | 一种头部的检测方法、***和助眠设备的控制方法、*** |
CN116503453A (zh) * | 2023-06-21 | 2023-07-28 | 福建自贸试验区厦门片区Manteia数据科技有限公司 | 图像配准方法、装置、计算机可读存储介质及电子设备 |
Families Citing this family (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9384555B2 (en) * | 2012-07-02 | 2016-07-05 | Kabushiki Kaisha Toshiba | Motion correction apparatus and method |
US20140086464A1 (en) * | 2012-09-21 | 2014-03-27 | Mim Software Inc. | Dynamic local registration system and method |
JP6112479B2 (ja) * | 2012-11-29 | 2017-04-12 | パナソニックIpマネジメント株式会社 | 監視カメラ装置、それを含む監視システム、マスク処理方法、及びマスク処理プログラム |
US9552533B2 (en) * | 2013-03-05 | 2017-01-24 | Toshiba Medical Systems Corporation | Image registration apparatus and method |
JP5923067B2 (ja) * | 2013-07-26 | 2016-05-24 | 富士フイルム株式会社 | 診断支援装置および診断支援方法並びに診断支援プログラム |
US9547894B2 (en) | 2013-10-08 | 2017-01-17 | Toshiba Medical Systems Corporation | Apparatus for, and method of, processing volumetric medical image data |
CN105074775B (zh) | 2013-10-18 | 2019-09-10 | 皇家飞利浦有限公司 | 医学图像的配准 |
WO2015075047A1 (en) * | 2013-11-20 | 2015-05-28 | Koninklijke Philips N.V. | Medical image viewing device for navigation in x-ray imaging, medical imaging system and method for providing improved x-ray image navigation information |
JP6253992B2 (ja) * | 2014-01-09 | 2017-12-27 | 富士通株式会社 | 臓器位置推定装置、臓器位置推定装置の制御方法および臓器位置推定装置の制御プログラム |
EP3161786B1 (en) | 2014-06-25 | 2019-10-30 | Koninklijke Philips N.V. | Imaging device for registration of different imaging modalities |
US10062167B2 (en) * | 2014-08-15 | 2018-08-28 | Toshiba Medical Systems Corporation | Estimated local rigid regions from dense deformation in subtraction |
JP6716228B2 (ja) * | 2014-11-25 | 2020-07-01 | キヤノンメディカルシステムズ株式会社 | 医用画像処理装置および医用画像処理方法 |
US9727965B2 (en) | 2014-11-25 | 2017-08-08 | Toshiba Medical Systems Corporation | Medical image processing apparatus and medical image processing method |
JP6565422B2 (ja) | 2015-07-24 | 2019-08-28 | 富士通株式会社 | 画像処理プログラム、画像処理装置及び画像処理方法 |
CN107949330B (zh) | 2015-09-02 | 2021-04-20 | 富士通株式会社 | 影像解读辅助程序、剖面图像生成装置以及剖面图像生成方法 |
CN106611411B (zh) * | 2015-10-19 | 2020-06-26 | 上海联影医疗科技有限公司 | 一种医学图像中肋骨分割的方法及医学图像处理装置 |
US9760983B2 (en) * | 2015-10-19 | 2017-09-12 | Shanghai United Imaging Healthcare Co., Ltd. | System and method for image registration in medical imaging system |
JP6905323B2 (ja) * | 2016-01-15 | 2021-07-21 | キヤノン株式会社 | 画像処理装置、画像処理方法、およびプログラム |
EP3444781B1 (en) | 2016-01-15 | 2020-03-18 | Canon Kabushiki Kaisha | Image processing apparatus and image processing method |
JP6732593B2 (ja) * | 2016-08-03 | 2020-07-29 | キヤノン株式会社 | 画像処理装置および画像処理方法 |
GB2555623A (en) * | 2016-11-04 | 2018-05-09 | Univ College Dublin Nat Univ Ireland Dublin | A method of processing images |
JP6703470B2 (ja) * | 2016-11-04 | 2020-06-03 | 株式会社日立製作所 | データ処理装置及びデータ処理方法 |
CN107145910A (zh) * | 2017-05-08 | 2017-09-08 | 京东方科技集团股份有限公司 | 医学影像的表现生成***、其训练方法及表现生成方法 |
KR102254971B1 (ko) * | 2019-07-24 | 2021-05-21 | 가톨릭대학교 산학협력단 | 인공지능을 이용한 조영증강 영상 및 비조영증강 영상 변환 방법 및 장치 |
US11151703B2 (en) | 2019-09-12 | 2021-10-19 | International Business Machines Corporation | Artifact removal in medical imaging |
WO2022272160A1 (en) * | 2021-06-25 | 2022-12-29 | Inteneural Networks Inc. | A method for cerebral vessel calcification detection and quantification, using machine learning |
US11941825B2 (en) * | 2021-10-28 | 2024-03-26 | Canon Medical Systems Corporation | Method and apparatus for registering image volumes |
CN114612527A (zh) * | 2022-03-01 | 2022-06-10 | 京东科技信息技术有限公司 | 图像配准方法、装置、电子设备及存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060188134A1 (en) * | 2003-01-13 | 2006-08-24 | Quist Marcel J | Method of image registration and medical image data processing apparatus |
CN1839408A (zh) * | 2003-08-21 | 2006-09-27 | 皇家飞利浦电子股份有限公司 | 组合显示血管造影片与当前x射线图像的设备和方法 |
CN1918601A (zh) * | 2004-02-13 | 2007-02-21 | 皇家飞利浦电子股份有限公司 | 使结构化对象的图像对准的装置和方法 |
US20070189593A1 (en) * | 2006-02-10 | 2007-08-16 | Yim Peter J | Precision subtraction computed tomographic angiography |
CN101097628A (zh) * | 2006-06-28 | 2008-01-02 | 西门子公司 | 用于分析两张成像图像的方法以及医学成像*** |
CN101621965A (zh) * | 2007-02-28 | 2010-01-06 | 皇家飞利浦电子股份有限公司 | 无相态心脏路线图绘制 |
CN102117180A (zh) * | 2009-12-30 | 2011-07-06 | 通用电气公司 | 单屏幕多模态成像显示 |
CN102208105A (zh) * | 2010-03-31 | 2011-10-05 | 富士胶片株式会社 | 医学图像处理技术 |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5839440A (en) | 1994-06-17 | 1998-11-24 | Siemens Corporate Research, Inc. | Three-dimensional image registration method for spiral CT angiography |
US5690106A (en) | 1995-06-30 | 1997-11-25 | Siemens Corporate Research, Inc. | Flexible image registration for rotational angiography |
US5647360A (en) * | 1995-06-30 | 1997-07-15 | Siemens Corporate Research, Inc. | Digital subtraction angiography for 3D diagnostic imaging |
JP4294881B2 (ja) * | 2000-05-12 | 2009-07-15 | 富士フイルム株式会社 | 画像の位置合わせ方法および装置 |
JP2002324238A (ja) * | 2001-04-26 | 2002-11-08 | Fuji Photo Film Co Ltd | 画像の位置合わせ方法および装置 |
WO2003046833A2 (en) | 2001-11-24 | 2003-06-05 | Image Analysis, Inc. | Automatic detection and quantification of coronary and aortic calcium |
US7117026B2 (en) * | 2002-06-12 | 2006-10-03 | Koninklijke Philips Electronics N.V. | Physiological model based non-rigid image registration |
US7627160B2 (en) * | 2003-06-13 | 2009-12-01 | General Electric Company | Analysis of temporal change using dual or multi-energy decomposition images |
FR2862786B1 (fr) * | 2003-11-21 | 2006-01-06 | Ge Med Sys Global Tech Co Llc | Procede de recalage elastique d'une image applique a l'angiographie soustraite numerisee |
US8010184B2 (en) * | 2005-11-30 | 2011-08-30 | General Electric Company | Method and apparatus for automatically characterizing a malignancy |
US8165360B2 (en) * | 2006-12-06 | 2012-04-24 | Siemens Medical Solutions Usa, Inc. | X-ray identification of interventional tools |
JP2008161266A (ja) * | 2006-12-27 | 2008-07-17 | Ritsumeikan | 画像処理装置、コンピュータプログラム、及び画像処理方法 |
US7907766B2 (en) | 2007-01-02 | 2011-03-15 | General Electric Company | Automatic coronary artery calcium detection and labeling system |
JP5584441B2 (ja) * | 2009-08-20 | 2014-09-03 | アズビル株式会社 | ボリュームデータ間の対応付け方法 |
JP5956711B2 (ja) * | 2010-06-04 | 2016-07-27 | 東芝メディカルシステムズ株式会社 | X線撮影装置 |
-
2012
- 2012-01-12 US US13/349,010 patent/US8675944B2/en active Active
- 2012-06-25 JP JP2012141851A patent/JP6042112B2/ja active Active
- 2012-08-29 CN CN201210311743.1A patent/CN103202705B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060188134A1 (en) * | 2003-01-13 | 2006-08-24 | Quist Marcel J | Method of image registration and medical image data processing apparatus |
CN1839408A (zh) * | 2003-08-21 | 2006-09-27 | 皇家飞利浦电子股份有限公司 | 组合显示血管造影片与当前x射线图像的设备和方法 |
CN1918601A (zh) * | 2004-02-13 | 2007-02-21 | 皇家飞利浦电子股份有限公司 | 使结构化对象的图像对准的装置和方法 |
US20070189593A1 (en) * | 2006-02-10 | 2007-08-16 | Yim Peter J | Precision subtraction computed tomographic angiography |
CN101097628A (zh) * | 2006-06-28 | 2008-01-02 | 西门子公司 | 用于分析两张成像图像的方法以及医学成像*** |
CN101621965A (zh) * | 2007-02-28 | 2010-01-06 | 皇家飞利浦电子股份有限公司 | 无相态心脏路线图绘制 |
CN102117180A (zh) * | 2009-12-30 | 2011-07-06 | 通用电气公司 | 单屏幕多模态成像显示 |
CN102208105A (zh) * | 2010-03-31 | 2011-10-05 | 富士胶片株式会社 | 医学图像处理技术 |
Cited By (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104586418A (zh) * | 2013-10-31 | 2015-05-06 | 株式会社东芝 | 医用图像数据处理装置和医用图像数据处理方法 |
US9542529B2 (en) | 2013-10-31 | 2017-01-10 | Toshiba Medical Systems Corporation | Medical image data processing apparatus and method |
CN104586418B (zh) * | 2013-10-31 | 2017-09-01 | 东芝医疗***株式会社 | 医用图像数据处理装置和医用图像数据处理方法 |
CN104637024A (zh) * | 2013-11-14 | 2015-05-20 | 株式会社东芝 | 医用图像处理装置以及医用图像处理方法 |
CN104637024B (zh) * | 2013-11-14 | 2018-09-25 | 东芝医疗***株式会社 | 医用图像处理装置以及医用图像处理方法 |
CN104939849A (zh) * | 2014-03-27 | 2015-09-30 | 株式会社日立制作所 | 用于放射线治疗***的床定位装置 |
CN105719273A (zh) * | 2014-12-05 | 2016-06-29 | Ge医疗***环球技术有限公司 | 一种在医学影像上测量脊椎的旋转参数的方法及装置 |
CN105719324A (zh) * | 2014-12-19 | 2016-06-29 | 株式会社东芝 | 图像处理装置以及图像处理方法 |
CN105719324B (zh) * | 2014-12-19 | 2019-01-08 | 东芝医疗***株式会社 | 图像处理装置以及图像处理方法 |
CN105872454A (zh) * | 2015-02-05 | 2016-08-17 | 富士通株式会社 | 图像显示设备和图像显示方法 |
CN105872454B (zh) * | 2015-02-05 | 2019-03-15 | 富士通株式会社 | 图像显示设备和图像显示方法 |
CN107851303B (zh) * | 2015-07-17 | 2023-03-14 | 皇家飞利浦有限公司 | 组织病理学图像的配准方法和装置 |
CN107851303A (zh) * | 2015-07-17 | 2018-03-27 | 皇家飞利浦有限公司 | 组织病理学图像的配准 |
CN107854130B (zh) * | 2016-09-21 | 2023-12-01 | 通用电气公司 | 用于生成减影图像的***和方法 |
CN107854130A (zh) * | 2016-09-21 | 2018-03-30 | 通用电气公司 | 用于生成减影图像的***和方法 |
CN107689057B (zh) * | 2017-07-10 | 2019-10-29 | 中国科学院高能物理研究所 | 自适应小动物脑功能磁共振成像数据分析方法 |
CN107689057A (zh) * | 2017-07-10 | 2018-02-13 | 中国科学院高能物理研究所 | 自适应小动物脑功能磁共振成像数据分析方法 |
CN107886508B (zh) * | 2017-11-23 | 2021-11-23 | 上海联影医疗科技股份有限公司 | 差分减影方法和医学图像处理方法及*** |
CN107886508A (zh) * | 2017-11-23 | 2018-04-06 | 上海联影医疗科技有限公司 | 差分减影方法和医学图像处理方法及*** |
CN108389193A (zh) * | 2018-02-12 | 2018-08-10 | 中国人民解放军第三军医大学 | 一种颈动脉支架后三维体素模型分析方法及*** |
CN108550104A (zh) * | 2018-02-28 | 2018-09-18 | 北京集光通达科技股份有限公司 | 图像配准方法、装置 |
CN115089839A (zh) * | 2022-08-25 | 2022-09-23 | 柏斯速眠科技(深圳)有限公司 | 一种头部的检测方法、***和助眠设备的控制方法、*** |
CN115089839B (zh) * | 2022-08-25 | 2022-11-11 | 柏斯速眠科技(深圳)有限公司 | 一种头部的检测方法、***和助眠设备的控制方法、*** |
CN116503453A (zh) * | 2023-06-21 | 2023-07-28 | 福建自贸试验区厦门片区Manteia数据科技有限公司 | 图像配准方法、装置、计算机可读存储介质及电子设备 |
CN116503453B (zh) * | 2023-06-21 | 2023-09-26 | 福建自贸试验区厦门片区Manteia数据科技有限公司 | 图像配准方法、装置、计算机可读存储介质及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN103202705B (zh) | 2015-04-22 |
JP6042112B2 (ja) | 2016-12-14 |
US8675944B2 (en) | 2014-03-18 |
US20130182925A1 (en) | 2013-07-18 |
JP2013141603A (ja) | 2013-07-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103202705B (zh) | 医用图像处理装置及医用图像处理方法 | |
US9547894B2 (en) | Apparatus for, and method of, processing volumetric medical image data | |
EP3035287B1 (en) | Image processing apparatus, and image processing method | |
JP5931755B2 (ja) | モデルベースのセグメント化の確率向上 | |
CN103854276B (zh) | 图像配准及分割装置和方法,以及医学图像设备 | |
US9761004B2 (en) | Method and system for automatic detection of coronary stenosis in cardiac computed tomography data | |
JP5643304B2 (ja) | 胸部トモシンセシスイメージングにおけるコンピュータ支援肺結節検出システムおよび方法並びに肺画像セグメント化システムおよび方法 | |
US8538105B2 (en) | Medical image processing apparatus, method, and program | |
EP2896369B1 (en) | Device and method for displaying three-dimensional image, and program | |
JP5225387B2 (ja) | ボリュームレンダリング装置及び方法 | |
EP2896368A1 (en) | Device and method for displaying three-dimensional image, and program | |
EP2856428B1 (en) | Segmentation highlighter | |
US10188361B2 (en) | System for synthetic display of multi-modality data | |
CN111062997A (zh) | 一种血管造影成像方法、***、设备和存储介质 | |
EP1851721A2 (en) | A method, a system and a computer program for segmenting a surface in a multidimensional dataset | |
US11538156B2 (en) | System and method for coronary calcium deposits detection and labeling | |
CN105426927B (zh) | 医学图像处理装置、医学图像处理方法和医学图像设备 | |
EP2449527B1 (en) | Digital image subtraction | |
US20240127578A1 (en) | Image processing device, correct answer data generation device, similar image search device, image processing method, and program | |
US20230342994A1 (en) | Storage medium, image identification method, image identification device | |
JP2023160714A (ja) | 医用画像表示装置、及び医用画像表示方法 | |
Lidayová et al. | Coverage segmentation of 3D thin structures | |
Tran et al. | IBK–A NEW TOOL FOR MEDICAL IMAGE PROCESSING |
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 | ||
C41 | Transfer of patent application or patent right or utility model | ||
TR01 | Transfer of patent right |
Effective date of registration: 20160718 Address after: Japan Tochigi Patentee after: Toshiba Medical System Co., Ltd. Address before: Tokyo, Japan, Japan Patentee before: Toshiba Corp Patentee before: Toshiba Medical System Co., Ltd. |