CN105813567A - 基于三维(3d)预扫描的体积图像数据处理 - Google Patents

基于三维(3d)预扫描的体积图像数据处理 Download PDF

Info

Publication number
CN105813567A
CN105813567A CN201480067084.9A CN201480067084A CN105813567A CN 105813567 A CN105813567 A CN 105813567A CN 201480067084 A CN201480067084 A CN 201480067084A CN 105813567 A CN105813567 A CN 105813567A
Authority
CN
China
Prior art keywords
view data
data
scan
volume
volume scan
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
Application number
CN201480067084.9A
Other languages
English (en)
Other versions
CN105813567B (zh
Inventor
T·克林德
C·洛伦茨
M·贝格特尔特
R·维姆科
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Koninklijke Philips NV
Original Assignee
Koninklijke Philips Electronics NV
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Koninklijke Philips Electronics NV filed Critical Koninklijke Philips Electronics NV
Publication of CN105813567A publication Critical patent/CN105813567A/zh
Application granted granted Critical
Publication of CN105813567B publication Critical patent/CN105813567B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • A61B6/48—Diagnostic techniques
    • A61B6/488—Diagnostic techniques involving pre-scan acquisition
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves  involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computed tomography [CT]
    • 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
    • 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
    • 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
    • A61B6/5258—Devices using data or image processing specially adapted for radiation diagnosis involving detection or reduction of artifacts or noise
    • A61B6/5264—Devices using data or image processing specially adapted for radiation diagnosis involving detection or reduction of artifacts or noise due to motion
    • 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
    • A61B6/5288—Devices using data or image processing specially adapted for radiation diagnosis involving retrospective matching to a physiological signal
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/73—Deblurring; Sharpening
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • 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
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/37—Determination of transform parameters for the alignment of images, i.e. image registration using transform domain methods
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computed tomography [CT]
    • A61B6/032—Transmission computed tomography [CT]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computed tomography [CT]
    • A61B6/037—Emission tomography
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/54—Control of apparatus or devices for radiation diagnosis
    • A61B6/541—Control of apparatus or devices for radiation diagnosis involving acquisition triggered by a physiological signal
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/48—NMR imaging systems
    • G01R33/54—Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
    • G01R33/543—Control of the operation of the MR system, e.g. setting of acquisition parameters prior to or during MR data acquisition, dynamic shimming, use of one or more scout images for scan plane prescription
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10081—Computed x-ray tomography [CT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20172—Image enhancement details
    • G06T2207/20201—Motion blur correction
    • 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
    • G06T2207/20212—Image combination
    • G06T2207/20221—Image fusion; Image merging

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Public Health (AREA)
  • Pathology (AREA)
  • Optics & Photonics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Physiology (AREA)
  • Quality & Reliability (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

一种方法，包括：基于预定的配准算法，确定在第一三维预扫描图像数据和第二三维预扫描图像数据之间的配准变换。所述方法还包括基于所述配准变换，配准第一体积扫描图像数据和第二体积扫描图像数据。所述方法还包括生成经配准的图像数据。一种***(100)，包括：预扫描配准器(122)，其基于预定的配准算法，确定在第一三维预扫描图像数据和第二三维预扫描图像数据之间的配准变换。所述***还包括体积配准器(126)，所述配准器基于所述配准变换，配准第一体积扫描图像数据和第二体积扫描图像数据，生成经配准的图像数据。

Description

基于三维(3D)预扫描的体积图像数据处理
技术领域
以下总体涉及成像，并且更具体地涉及基于三维(3D)预扫描图像数据处理体积图像数据，并结合对计算机断层扫描(CT)的特定应用进行描述。然而，以下还可以适用其它成像模态。
背景技术
CT扫描仪包括X射线管，其发出穿过检查区和其中的对象的辐射。探测器阵列定位于跨检查区的对面，与X射线管相对，用于探测穿过检查区和其中的对象的辐射，并生成表示检查区和其中的对象的投影数据。重建器处理投影数据，并重建图像数据表示检查区和其中的对象的体积。
可以处理体积图像数据以生成图像。在两次扫描之间配准图像对于视觉或自动比较图像是重要的，例如以跟踪扫描而强调与肿瘤相关联的改变。通常，图像配准是对准两个(或更多)图像。对于临床环境需要快速且鲁棒的对准。遗憾的是，在许多情况下，很难实现快速和鲁棒对准，尤其是当图像具有少量重叠内容时。
器官移位或变形(例如，由于呼吸、心脏等的运动)会影响配准，以及图像引导的应用和图像采集。已经提出包含感兴趣运动的先验信息的运动模型来降低由运动引起的不确定性。从四维图像数据(例如，4D-CT)中学习运动模型。如果数据来自同一对象，则模型将是对象特异的。否则，运动模型将是一般的或对对象通用。
对象特异运动模型通常由于对象特异呼吸方式而胜过一般运动模型。遗憾的是，对象特异模型需要额外的4D数据，这可能改变临床工作流并对对象增加剂量。一般运动模型不需要额外的4D采集，并可以是个体化的。然而，如果没有可用的对象特异运动信息，则遗憾的是，对特定患者的个体化将是有限的。
图像分割是医学图像分析中的另一任务。基于生长过程的图像分割算法可能不适于较小的体积。例如，进行扫描来测量气道壁厚度从而排除慢性阻塞性肺疾病(COPD)通常包括仅扫描在气道壁周围的肺部的小的子部分。通过这种有限的数据，可能难以区别气道与肺实质。即使当目标器官被完全覆盖时，仍然难以分割目标器官。例如，当两个器官之间的边界不清楚时，分割可能不能准确地描绘两个器官。
发明内容
本文描述的各方面解决上述和其它问题。
下文描述了通过基于三维(3D)预扫描图像数据生成的配准变换来配准体积图像数据的方法。可以通过以3D预扫描图像数据的子部分扩展体积图像数据来改善配准，从而扩展的体积图像数据相对初始的、非扩展体积图像数据包括更多的重叠内容。
在一个方面中，一种方法包括：基于预定的配准算法，确定在第一三维预扫描图像数据和第二三维预扫描图像数据之间的配准变换。所述方法还包括基于所述配准变换，配准第一体积扫描图像数据和第二体积扫描图像数据。所述方法还包括生成经配准的图像数据。
在另一方面中，一种***包括：预扫描配准器，其基于预定的配准算法，确定在第一三维预扫描图像数据和第二三维预扫描图像数据之间的配准变换。所述***还包括体积配准器，其基于所述配准变换，配准第一体积扫描图像数据和第二体积扫描图像数据，生成经配准的图像数据。
在另一方面中，一种方法，包括：组合3D预扫描图像数据与来自体积扫描的体积图像数据。所述3D预扫描图像数据用于规划所述体积扫描，生成组合的图像数据。所述方法还包括基于所述组合的图像数据，分割来自所述体积图像数据的感兴趣组织。
在另一方面中，一种***包括：组合器，其组合3D预扫描图像数据与来自体积扫描的体积图像数据。所述3D预扫描图像数据用于规划体积扫描，生成组合的图像数据。所述***还包括分割器，所述分割器基于所述组合的图像数据分割来自体积图像数据的感兴趣组织。
附图说明
本发明可以采取各种部件和各部件的布置以及各种步骤和各步骤的组合的形式。附图仅是出于图示优选的实施例的目的，而不被解释为限制本发明。
图1示意性图示了成像***，其与预扫描配准器、体积/预扫描配准器、体积配准器和组合器以及分割器相连。
图2图示了较低剂量、非诊断图像质量图像数据的冠状平面。
图3图示了针对图2的相同视场的诊断图像质量图像数据的冠状平面。
图4图示了三维预扫描推向数据的冠状平面。
图5图示了基于图4的三维预扫描图像数据并具有相对于图4的较小视场的从扫描平面采集的诊断扫描图像数据的冠状平面。
图6图示了图1的扩展器的范例。
图7图示了第一预扫描图像数据。
图8图示了第二预扫描图像数据。
图9图示了根据基于第一预扫描图像数据生成的扫描平面采集的第一体积图像数据。
图10图示了根据基于第二预扫描图像数据生成的扫描平面采集的第二体积图像数据。
图11图示了第一扩展体积图像数据，其包括以图7的第一预扫描图像数据的子部分扩展的图9的第一体积图像数据。
图12图示了第二扩展体积图像数据，其包括以图8的第二预扫描图像数据的子部分扩展的图10的第二体积图像数据。
图13图示了包括运动补偿器的图1的变型。
图14图示了包括图6和图13的组合的变型。
图15图示了利用根据对应于不同的体积图像数据集合的3D预扫描数据的配准创建的配准变换，将来自不同的体积图像数据集合的图像配准的方法。
图16图示了图15的变型，其包括扩展不同的体积图像数据集合以覆盖两个不同的体积图像数据集合的组合视场。
图17图示了图15的变型，其包括基于从3D预扫描数据和不同的体积图像数据集合导出的运动矢量场对不同体积图像数据集合中的每一个的运动补偿。
图18示意性图示了与存储设备120和组合器连接的分割器的范例。
图19示意性图示了组合图像数据，包括与体积图像数据组合的3D预扫描图像数据。
图20图示了用于分割来自体积图像数据的感兴趣区域的方法。
具体实施方式
图1示出了成像***100，例如计算机断层扫描(CT)扫描仪。图示的成像***100包括固定机架102和旋转机架104，旋转机架104由固定机架102可旋转地支撑。旋转机架104关于纵轴或z轴绕检查区106旋转。辐射源108(例如，X射线管)由旋转机架104支撑，并随着旋转机架104围绕检查区106旋转，并发射穿过检查区106的辐射。
辐射敏感探测器阵列110跨检查区106定位于辐射源108对面。辐射敏感探测器阵列110探测穿过检查区106的辐射，并生成指示其的信号。支撑件112支撑在检查区106内的对象或对象。计算机用作操作者控制台114，并包括输出设备(例如，显示器)和输入设备(例如，键盘、鼠标等)。驻留在控制台114上的软件允许操作者控制***100的操作，例如数据采集。
合适的数据采集的范例包括二维(2D)和/或三维(3D)预扫描，并包括体积扫描。2D预扫描的范例是2D定位(也称作引导(pilot)或平片)扫描。通常，这种类型的预扫描是2D投影图像，类似于X射线。3D预扫描的范例是较低剂量体积扫描，其由于较低的图像质量(例如，较低的对比分辨率)而通常不用于诊断目的。在图2中示出了较低剂量图像数据的范例。图3示出了具有较高对比分辨率并覆盖相同视场的诊断图像数据用于图像质量比较。
体积扫描的范例是具有扫描设置(例如，电流和电压、间距、切片厚度等)的螺线扫描或螺旋扫描，其导致可以将图像数据用于诊断目的的图像质量。再次，图3示出了这种图像数据的范例。体积扫描的另一范例是灌注扫描，其中辐射源108和被扫描的目标/对象相对彼此保持在恒定位置，并且通过旋转机架104的多个旋转或回转来重复扫描对目标或对象的相同体积的扫描。
返回图1，重建器116重建由辐射敏感探测器阵列生成的信号。例如，重建器116可以针对预扫描扫描或数据采集重建预扫描图像数据，或针对体积扫描或数据采集重建体积图像数据。如本文所讨论的，预扫描图像数据可以是2D投影和/或3D较低剂量图像数据。重建器116采用对应的算法用于重建2D投影和3D较低剂量/较低图像质量图像数据，以及体积(诊断图像质量)图像数据，和/或其它重建算法。
扫描规划器118基于预扫描图像数据来规划体积扫描。利用预扫描图像数据生成体积扫描计划，以至少识别体积扫描的开始位置。预扫描图像数据也可以用于识别体积扫描的停止位置或长度，其可以用于导出停止位置。开始位置和结束位置定义了视场(或至少沿着z轴的范围)。视场表示在体积扫描期间要被扫描或重建的目标或对象的子部分。体积扫描计划被提供给控制台114，控制台114根据体积扫描计划来开始和停止数据采集。
被扫描的目标或对象的子部分可以包括或不包括移动图片。例如，对于对象，扫描可能需要扫描包括肺部的区域，其包括周期性移动结构；或扫描腿部，其不包括周期性移动结构。在前一个范例中，对移动结构在大约相同的运动状态下执行预扫描和执行体积扫描可能便于确保针对扫描在预扫描数据中识别出的感兴趣组织被体积扫描所覆盖。然而，预扫描和体积扫描可以在不同的运动状态期间执行，如下文详细描述的。
在图示实施例中，存储设备120存储2D和/或3D预扫描图像数据和体积扫描重建的图像数据。这包括针对两个或更多数据采集(例如，数据采集和后续数据采集)的重建的图像数据，包括针对每个数据采集的预扫描和体积扫描。例如，可以在体积扫描之后执行后续的体积扫描，以生成针对感兴趣组织(例如，肿瘤、损伤等)的可比较的图像数据。多个数据采集可以用于确定肿瘤是减少、增加还是保持在相同尺寸。
预扫描配准器122配准3D预扫描图像数据的两个或更多集合，在其之间生成配准变换。例如，配准可以在图像数据的第一集合与图像数据的第二后续采集集合之间，例如，结合后续扫描。在图示的实施例中，预扫描配准器122基于预定的配置算法来确定配准变换。预定的配置算法可以包括刚性和/或弹性配准算法。
一般而言，配准变换将图像数据的不同集合变换到单个坐标系。这包括利用3D预扫描图像数据的两个集合之一作为参考图像数据集合，并确定将3D预扫描图像数据集合的两个集合中的另一个变换到所述参考图像数据集合的坐标系的配准变换。当存在多于两个3D预扫描图像数据集合时，可以确定两个或更多配准变换。此外，可以基于相同的参考图像数据集合或不同的参考图像数据集合来生成两个或更多配准变换。
体积/预扫描配准器124配准3D预扫描和体积图像数据，生成它们之间的配准变换。根据以上，体积扫描的视场(或z轴范围)小于对应的3D预扫描图像数据的视场。在图4和图5中示出了范例。图4表示来自3D预扫描的图像数据的冠状视图，并且图5表示来自对应的体积扫描的图像数据的冠状视图。根据图4和图5，体积扫描图像数据的视场是3D预扫描图像数据的视场的子集。如以下更加详细地描述的，可以使用配准变换来补偿对象运动。
体积配准器126基于由预扫描配准器122确定的配准变换和/或由体积/预扫描配准器124确定的配准变换，配准体积图像数据的两个集合。因为针对预扫描图像数据的扫描视场相对于体积图像数据的更大，因而一般而言在3D预扫描图像数据的两个集合之间的配准变换利用由预扫描配准器122确定出的配准变换，相对于体积配准器126未使用该配准变换来配准体积图像数据的两个集合的配置，可以得到改善的初始化和/或更准确的配准体积图像数据的两个集合。
扩展器125扩展将被配准的体积图像数据集合。如以下更加详细地描述的，在一个范例中，在配准之前，扩展器利用预扫描图像数据集合来扩展体积图像数据集合。这可以包括扩展将被配准的体积图像数据集合，使得所述体积图像数据集合具有大约相同的FOV。在另一范例中，扩展将被配准的一个或多个体积图像数据集合，得到的体积图像数据集合不具有相同的FOV。
组合器127组合3D预扫描和体积图像数据，生成组合的数据。分割器128基于组合的数据来分割感兴趣组织。如以下更加详细地描述的，在一个范例中，相对于单独的体积图像数据，组合数据可以为图像数据集合提供感兴趣器官的额外的背景，例如，其中只有感兴趣器官的子部分存在于体积扫描中和/或邻近感兴趣器官的一个或多个器官不存在于体积扫描中。
在图示实施例中，在存储设备120中存储3D预扫描数据的多个集合的配准变换、3D预扫描和体积图像数据的配准变换、或分割中的至少一个。在另一实施例中，可以在其它存储器中存储3D预扫描数据的多个集合的配准变换、3D预扫描和体积图像数据的配准变换、或分割中的至少一个。
此外，在图示实施例中，3D预扫描数据的多个集合的配准变换、3D预扫描和体积图像数据的配准变换、或分割中的至少一个可以传输到控制台114或经由控制台114进行显示。在另一实施例中，3D预扫描数据的多个集合的配准变换、3D预扫描和体积图像数据的配准变换、或分割中的至少一个通过另一设备(例如，计算机、智能电话等)的显示器监视器等进行显示和/或单独显示。
预扫描配准器122、体积/预扫描配准器124、组合器127和/或分割器128可以经由一个或多个计算机处理器(例如，中央处理单元(CPU)、微处理器、控制器等)来实现，其执行嵌入到计算机可读存储介质例如物理存储器上或在其上编码的一个或多个计算机可执行指令，所述介质排除暂态介质。然而，至少一条计算机可执行指令可以替代地由载波、信号或其它暂态介质携带，并经由一个或多个计算机处理器实现。
在另一实施例中，可以省略预扫描配准器122、体积/预扫描配准器124、组合器127、体积配准器126或分割器128中的一个或多个。
图6示出了图1的扩展器125的范例。如以上简略讨论的，在配准之前，扩展器125利用预扫描图像数据扩展将被配准的体积图像数据。图7和图8分别示出了第一和第二3D预扫描的预扫描3D图像数据，并且图9和图10分别示出了第一和第二体积扫描的体积图像数据。返回到图6，将体积扫描传达到视场(FOV)组合器604，其组合第一和第二体积图像数据(例如，图9和图10)，以确定组合的视场。
对于第一和第二体积图像数据的每一个，缺失图像数据识别器606识别不是第一和第二体积图像数据的一部分的组合的视场的子部分。图像数据提取器608从3D预扫描图像数据提取对应于识别出的缺失图像数据的图像数据。图像数据扩展器602利用从第一预扫描图像数据提取出的图像数据扩展第一体积图像数据，并利用从第二预扫描图像数据提取出的图像数据扩展第二体积图像数据。得到的扩展第一和第二体积图像数据具有大约相同的视场。
图11和图12分别示出了扩展的第一体积图像数据和扩展的第二体积图像数据。在图11中，图像数据的第一部分1104包括第一体积图像数据，且图像数据的第二部分1106包括添加到其上的第一提取出的部分。在图12中，图像数据的第一部分1204包括第二体积图像数据，并且图像数据的第二部分1206包括添加到其上的第二提取出的部分。将扩展的第一体积图像数据和扩展的第二体积图像数据传输到体积配准器126，其配准扩展的第一和第二图像数据。在图示实施例中，利用由预扫描配准器122生成的配准变换来配准扩展的第一和第二图像数据，如本文所述。
在变型中，在没有由预扫描配准器122生成的配准变换的情况下，配准扩展的第一和第二图像数据。在一个范例中，当相对于在没有扩展第一和第二体积数据的情况下配准第一和第二体积数据而配准扩展的第一体积图像数据和扩展的第二体积图像数据时，对第一和第二体积数据的配准更准确。例如，当在第一和第二体积数据之间存在少量重叠时，扩展的第一和第二体积图像数据提供额外的图像数据并覆盖相同的体积数据，这人为地增加了重叠，提供了用于配准的额外图像数据。在变型中，扩展的第一体积图像数据和第二体积图像数据未被配准。而是，可以将扩展的第一体积图像数据和第二体积图像数据显示、传输到另一部分，或以其它方式处理，等。
如以上简略讨论的，可以使用由体积/预扫描配准器124确定出的配准变换来补偿运动。图13示意性示出了利用由体积/预扫描配准器124确定出的配准变换来补偿运动的实施例。
通过该实施例，在不同运动状态期间采集3D预扫描图像数据和体积图像数据。例如，在完全吸气期间可以执行扫描中的一个，而在完全呼气期间可以执行另一扫描。可以交替使用中间运动状态。此外，运动可以交替地是心脏和/或其它运动。
配准变换提供了运动矢量场(MVF)。可以从MVF提取患者特异的模型。通过线性缩放患者特异的运动模型，可以预测在不同运动阶段的器官位置。关于呼吸运动，对应的阶段信息可能来自呼吸量计、放置在对象上的标记块等。上述方法不需要采集额外的数据或改变当前工作流。替代地或额外地，可以根据3D预扫描图像数据和体积图像数据获得数据，并用于改善一般模型。
运动补偿器1302基于各自的运动矢量补偿第一和第二体积图像数据。将经过运动补偿的第一体积图像数据和经过运动补偿的第二体积图像数据传输到体积配准器126，配准器126配准图像数据，如本文所描述的。在替代实施例中，运动状态信息可以来自呼吸量计、呼吸带、放置在对象腹部上的标记等。对于心脏运动，运动状态信息可以来自心电图(ECG)信号。
在又一变型中，如图14所示，***100对体积图像数据进行运动补偿(例如，如结合图13所讨论的)和扩展(例如，如结合图6所讨论的)。在图14中，体积图像数据首先被运动补偿然后被扩展。在变型中，体积图像数据首先被扩展然后被运动补偿。在后一变型中，运动补偿可以在整个扩展体积图像数据上，仅原始体积图像数据，和/或扩展体积图像数据的子部分。
虽然以上结合CT图像数据的多个集合进行了讨论，但是应该理解，一个或多个数据集合可以是正电子断层摄影(PET)数据、单光子发射断层摄影(SPECT)数据、磁共振成像(MRI)数据和/或其它图像数据。
图15图示了利用根据对应于不同的体积图像数据集合的3D预扫描数据的配准创建的配准变换来将来自不同的图像数据集合的图像配准的方法。
应该理解，并不限制这些方法的动作顺序。这样，本文中可以想到其它顺序。另外，可以省略一个或多个动作和/或可以包括一个或多个额外的动作。
在1502处，执行第一3D预扫描，生成第一3D预扫描图像数据。
在1504处，基于第一3D预扫描图像数据生成第一体积扫描计划。
在1506处，基于第一体积扫描计划执行第一体积扫描，生成第一体积图像数据。
在1508处，执行第二3D预扫描，生成第二3D预扫描图像数据。
在1510处，基于第二3D预扫描图像数据生成第二体积扫描计划。
在1512处，基于第二体积扫描计划执行第二体积扫描，生成第二体积图像数据。
在1514处，基于第一和第二3D预扫描图像数据生成配准变换。
在1516处，利用配准变换配准第一体积图像数据和第二体积图像数据。
可以通过编码在或嵌入到计算机可读存储介质上的计算机可读指令实现上述动作，当被计算机处理器执行时，所述指令使得处理器执行上述动作。额外地或替代地，至少一条计算机可读指令由信号、载波和其它暂态介质承载，并由计算机处理器实现。
图16示出了图15的变型，其包括扩展不同的图像数据集合以覆盖两个不同图像数据集合的组合视场。
应该理解，并不限制这些方法的动作顺序。这样，本文中可以想到其它顺序。另外，可以省略一个或多个动作和/或可以包括一个或多个额外的动作。
在1602处，执行第一3D预扫描，生成第一3D预扫描图像数据，基于第一3D预扫描图像生成第一体积扫描计划，并且基于第一体积扫描计划执行第一体积扫描，生成第一体积图像数据。
在1604处，执行第二3D预扫描，生成第二3D预扫描图像数据，基于第二3D预扫描图像数据生成第二体积扫描计划，并且基于第二体积扫描计划执行第二体积扫描，生成第二体积图像数据。
在1606处，基于第一和第二3D预扫描图像数据来生成配准变换。
在1608处，基于第一体积图像数据的第一视场和第二体积图像数据的第二视场，确定组合的视场。
在1610处，通过添加来自第一3D预扫描图像数据的数据，将第一体积图像数据扩展到组合的视场，创建第一扩展的体积图像数据。
在1612处，通过添加来自第二3D预扫描图像数据的数据，将第二体积图像数据扩展到组合的视场，创建第二扩展的体积图像数据。
在1614处，利用配准变换配准第一扩展体积图像数据和第二扩展体积图像数据。
在变型中，省略动作1606，并且在没有基于第一和第二3D预扫描图像数据生成的配准变换的情况下，配准第一扩展的体积图像数据和第二扩展的体积图像数据。
可以通过编码在或嵌入到计算机可读存储介质上的计算机可读指令实现上述动作，当被计算机处理器执行时，所述指令使得处理器执行上述动作。另外或替代地，至少一条计算机可读指令由信号、载波和其它暂态介质携带，并由计算机处理器实现。
图17示出了图15的变型，其包括基于从3D预扫描数据和不同的体积图像数据集合导出的运动矢量场对不同体积图像数据集合中的每一个进行运动补偿。
应该理解，并不限制这些方法的动作顺序。这样，本文中可以想到其它顺序。另外，可以省略一个或多个动作和/或可以包括一个或多个额外的动作。
在1702处，执行第一3D预扫描，生成第一3D预扫描图像数据，基于第一3D预扫描图像数据生成第一体积扫描计划，并且基于第一体积扫描计划执行第一体积扫描，生成第一体积图像数据。
在1704处，执行第二3D预扫描，生成第二3D预扫描图像数据，基于第二3D预扫描图像数据生成第二体积扫描计划，并且基于第二体积扫描计划执行第二体积扫描，生成第二体积图像数据。
在1706处，基于第一和第二3D预扫描图像数据生成配准变换。
在1708处，基于第一3D预扫描图像数据和第一体积图像数据生成第一运动矢量场。
在1710处，基于第一运动矢量对第一体积图像数据进行运动补偿，创建经运动补偿的第一体积图像数据。
在1712处，基于第二3D预扫描图像数据和第二体积图像数据生成第二运动矢量场。
在1714处，基于第二运动矢量对第二体积图像数据进行运动补偿，创建经运动补偿的第二体积图像数据。
在1716处，利用配准转换，配准第一经运动补偿的体积图像数据和第二经运动补偿的体积图像数据。
可以通过编码在或嵌入到计算机可读存储介质上的计算机可读指令来实现上述动作，当被计算机处理器执行时，所述指令使得处理器执行上述动作。额外地或替代地，至少一条计算机可读指令由信号、载波和其它暂态介质携带，并由计算机处理器实现。
图18示意性示出了与存储设备120和组合器127连接的分割器128的范例。在该范例中，组合器127从存储设备120处获得体积图像数据和3D预扫描图像数据。在其它范例中，组合器127可以从另一设备处获得体积图像数据和/或3D预扫描图像数据，所述另一设备例如是重建器116(图1)、其它重建器和/或其它设备。
3D预扫描图像数据是用于计划产生体积图像数据的体积扫描的预扫描数据。如本文中所讨论，一般而言，体积扫描的视场(沿着z轴范围)小于对应的3D预扫描图像数据的视场。另外，如至少结合图2-5所描述的，3D预扫描图像数据的图像对比分辨率小于体积图像数据的图像对比分辨率。
通常，两者都由于执行预扫描来规划体积扫描，并且较大的视场和/或较低的剂量限制了沉积到对象上的剂量。在图4和5中示出了不同的分辨率图像数据，其中，图4表示来自3D预扫描的较低分辨率图像数据的冠状视图，并且图5表示来自对应的体积扫描的较高分辨率体积图像数据的冠状视图。
在一个范例中，组合器127配准3D预扫描图像数据与体积图像数据。可以使用刚性和/或弹性配准算法。如本文所描述的，配准3D预扫描和体积图像数据便于在3D预扫描和体积扫描之间减轻被扫描的对象的运动。在另一范例中，组合器127仅将3D预扫描图像数据融合到体积图像数据，因为在相同坐标系中采集3D预扫描和体积扫描，因此已经接近配准了3D预扫描图像数据与体积图像数据。
在图19中示出了组合结果的范例，其示出了组合的图像数据1902，其包括体积图像数据1904和3D预扫描图像数据1906。
返回图18，分割器128包括分割处理器1914，其基于体积图像数据和/或基于组合的图像数据1902从体积图像数据1904分割感兴趣组织。可以通过来自控制台114(图1)的指示用户识别出的感兴趣组织的信号，从体积图像数据(例如，表示扫描类型的电子数据的头部中的条目，例如，心脏扫描将表示心脏是感兴趣组织)和/或通过其他方式识别出感兴趣组织。
分割处理器1914利用至少两个不同的分割算法来分割感兴趣组织。在图示的实施例中，至少两个不同的分割算法包括：较高分辨率的分割算法1910以及较低分辨率的分割算法1912。分割处理器1914采用较高分辨率的分割算法1910来分割较高分辨率体积图像数据1904；以及采用较低分辨率的分割算法1912来分割较低分辨率3D预扫描图像数据。已经根据配准已知在配准的图像数据1902中在较高和较低分辨率图像数据(即，体元或像素)之间的描述。
在变型中，使用相同的分割算法来分割较高分辨率体积图像数据1904和较低分辨率。在另一范例中，基于多于两个的图像数据集合生成组合的图像数据1902，所述图像数据集合例如是体积图像数据1904、3D预扫描图像数据1906以及3D预扫描图像数据的一个或多个其它集合。在该范例中，分割器128可以针对每个数据集合采用不同的分辨率分割算法，针对3D预扫描图像数据的至少两个集合采用相同的分辨率分割算法，和/或针对图像数据的所有集合采用相同的分辨率分割算法。
在一个非限制性范例中，分割处理器1914的输出包括其中描绘了感兴趣组织的组合的图像数据1902。所述描绘可以通过视觉图形标记，例如跟随感兴趣组织的边缘的黑白线。在另一非限制范例中，分割器128的输出仅包括感兴趣组织，其中，剩余的图像数据被丢弃或遮掩。
分割器128的输出包括分割的体积图像数据。分割的体积图像数据可以经由控制器114显示，存储于图像数据存储设备120(图1)中，传输给另一设备和/或以其它方式处理。
在一个非限制性范例中，并不通过体积图像数据或分割的体积图像数据显示3D预扫描图像数据。这样，用户看到的输出如在3D预扫描图像数据不用于分割的配置中；也就是，仅分割的体积图像数据。然而，分割在较大的组合图像数据1902上执行，其包括更多的感兴趣组织和/或额外的解剖结构，相对于不是如本文所描述地使用3D预扫描图像数据，这两者都可以用于提供更准确的分割。
通过非限制性范例，对于被执行以测量气道壁厚度从而排除COPD的相对小的体积扫描，当扫描范围覆盖气道壁加上边缘时，3D预扫描图像数据提供额外的气道数据，这可以用于帮助区分气道和肺实质。一般而言，扫描范围限制于气道壁加上边缘以限制沉积到对象上的剂量。
在另一范例中，当在覆盖心脏加上边缘的扫描中扫描整个心脏时，3D预扫描图像数据提供心脏周围的组织的图像数据。类似地，完全器官的范围受限于完全器官加上边缘，从而限制放置到对象上的剂量。当额外的图像数据包括肝并且心脏和肝之间的边界不清楚时，同时分割肝和心脏可以改善心脏相对肝的描绘。
在变型中，也可以显示3D预扫描图像数据。可以单独地或同时地显示分割的体积图像数据和3D预扫描图像数据，例如并排显示或者一个叠加在另一个上。在另一变型中，还显示组合的图像数据1902。类似地，组合的图像数据1902可以单独显示，或与分割的体积图像数据和/或3D预扫描图像数据同时显示。
图20图示了用于基于组合的体积图像数据与用于规划体积扫描的3D预扫描数据来分割来自体积图像数据的感兴趣区域的方法。
应该理解，并不限制这些方法的动作顺序。这样，本文中预期其它顺序。另外，可以省略一个或多个动作和/或可以包括一个或多个额外的动作。
在2002处，执行3D预扫描，生成3D预扫描图像数据。
在2004处，基于3D预扫描图像数据创建体积扫描计划。
在2006处，基于体积扫描计划执行体积扫描，生成体积图像数据。
在2008处，组合3D预扫描图像数据与体积图像数据，生成组合的图像数据。
在2010处，利用组合的图像数据，从体积图像数据分割感兴趣组织，生成分割的组合图像数据，如本文所公开的和/或以其它方式。
在2012处，视觉显示分割的体积图像数据成分。
可以通过编码在或嵌入到计算机可读存储介质上的计算机可读指令实现上述动作，当被计算机处理器执行时，所述指令使得处理器执行上述动作。额外地或替代地，至少一条计算机可读指令由信号、载波和其它暂态介质携带，并由计算机处理器实现。
已经结合优选实施例描述了本发明。他人在阅读和理解先前详细描述时，可以想到修改和变型。目的是，本发明被解释为包括所有这样的修改和变型，只要它们落入随附权利要求或其等价方案的范围内。

Claims (31)

1.一种方法，包括：
基于预定的配准算法，确定在第一三维预扫描图像数据和第二三维预扫描图像数据之间的配准变换；并且
基于所述配准变换，配准第一体积扫描图像数据和第二体积扫描图像数据，生成经配准的图像数据。
2.根据权利要求1所述的方法，其中，所述第一体积扫描图像数据是利用基于所述第一三维预扫描图像数据确定的第一扫描计划来采集的；并且所述第二体积扫描图像数据是利用基于所述第二三维预扫描图像数据确定的第二扫描计划来采集的。
3.根据权利要求1-2中的任一项所述的方法，其中，所述第一三维预扫描图像数据和所述第二三维预扫描图像数据是利用比所述第一体积扫描图像数据和所述第二体积扫描图像数据更低的患者剂量来采集的。
4.根据权利要求1-3中的任一项所述的方法，其中，所述第一三维预扫描图像数据和所述第二三维预扫描图像数据具有比所述第一体积扫描图像数据和所述第二体积扫描图像数据更低的图像质量。
5.根据权利要求1-4中的任一项所述的方法，还包括：
通过在所述第一三维预扫描图像数据中识别第一扫描开始位置和第一扫描结束位置来确定所述第一扫描计划；
执行所述第一扫描计划，由此生成所述第一体积扫描图像数据；
通过在所述第二三维预扫描图像数据中识别第二扫描开始位置和第二扫描结束位置来确定第二扫描计划；并且
执行所述第二扫描计划，由此生成所述第二体积扫描图像数据。
6.根据权利要求1-5中的任一项所述的方法，其中，所述第一体积扫描图像数据的视场小于所述第一三维预扫描图像数据的视场，并且所述第二体积扫描图像数据的视场小于所述第二三维预扫描图像数据的视场。
7.根据权利要求1-5中的任一项所述的方法，其中，所述第一体积扫描图像数据的视场是所述第一三维预扫描图像数据的视场的子集，并且所述第二体积扫描图像数据的视场是所述第二三维预扫描图像数据的视场的子集。
8.根据权利要求6-7中的任一项所述的方法，其中，所述第一体积扫描图像数据的视场和所述第二体积扫描图像数据的视场不是相同的视场。
9.根据权利要求8所述的方法，还包括：
将所述第一三维预扫描图像数据的子部分添加到所述第一体积扫描图像数据并且将所述第二三维预扫描图像数据的子部分添加到所述第二体积扫描图像数据，创建扩展的第一体积扫描图像数据和扩展的第二体积扫描图像数据。
10.根据权利要求9所述的方法，其中，所述扩展的第一体积扫描图像数据和所述扩展的第二体积扫描图像数据具有相同的扩展视场。
11.根据权利要求9-10中的任一项所述的方法，还包括：
基于所述配准变换，配准所述扩展的第一体积扫描图像数据和所述扩展的第二体积扫描图像数据，生成经配准的图像数据。
12.根据权利要求1-11中的任一项所述的方法，其中，所述第一三维预扫描图像数据和所述第二三维预扫描图像数据是在第一运动状态采集的，并且所述第一体积扫描图像数据和所述第二体积扫描图像数据是在第二不同的运动状态采集的，并且还包括：
基于所述第一体积扫描图像数据和所述第一三维预扫描图像数据，确定针对所述第一体积扫描图像数据的第一运动矢量场；
基于所述第二体积扫描图像数据和所述第二三维预扫描图像数据，确定针对所述第二体积扫描图像数据的第二运动矢量场；
基于所述第一运动矢量，对所述第一体积扫描图像数据进行运动补偿；
基于所述第二运动矢量，对所述第二体积扫描图像数据进行运动补偿；并且
基于所述配准变换，配准经运动补偿的第一体积扫描图像数据和经运动补偿的第二体积扫描图像数据，生成经配准的图像数据。
13.根据权利要求12所述的方法，其中，所述第一运动状态是吸气并且所述第二运动状态是呼气，或者反之亦然。
14.根据权利要求12-13中的任一项所述的方法，还包括：
采用所述第一运动矢量场来修改一般运动模型，由此创建第一对象特异的运动模型；
采用所述第二运动矢量场来修改一般运动模型，由此创建第二对象特异的运动模型；
基于所述第一对象特异的运动模型，对所述第一体积扫描图像数据进行运动补偿；
基于所述第二对象特异的运动模型，对所述第二体积扫描图像数据进行运动补偿；并且
基于所述配准变换，配准经运动补偿的第一体积扫描图像数据和经运动补偿的第二体积扫描图像数据，生成经配准的图像数据。
15.一种***(100)，包括：
预扫描配准器(122)，其基于预定的配准算法来确定在第一三维预扫描图像数据和第二三维预扫描图像数据之间的配准变换；以及
体积配准器(126)，其基于所述配准变换来配准第一体积扫描图像数据和第二体积扫描图像数据，生成经配准的图像数据。
16.根据权利要求15所述的***，其中，所述第一体积扫描图像数据是利用基于所述第一三维预扫描图像数据确定的第一扫描计划来采集的；并且所述第二体积扫描图像数据是利用基于所述第二三维预扫描图像数据确定的第二扫描计划来采集的。
17.根据权利要求15-16中的任一项所述的***，其中，所述第一三维预扫描图像数据和所述第二三维预扫描图像数据是利用比所述第一体积扫描图像数据和所述第二体积扫描图像数据更低的患者剂量来采集的。
18.根据权利要求15-17中的任一项所述的***，其中，所述第一体积扫描图像数据的视场和所述第二体积扫描图像数据的视场不是相同的视场，并且还包括：
视场组合器(604)，其组合所述第一体积扫描图像数据的视场和所述第二体积扫描图像数据的视场，产生所述第一体积扫描图像数据和所述第二体积扫描图像数据的组合视场，其中，所述组合视场大于所述第一体积扫描图像数据的视场和所述第二体积扫描图像数据的视场中的任一个；
缺失图像数据识别器(606)，其识别所述组合视场的不是所述第一体积扫描图像数据的视场的部分的第一子部分，以及所述组合视场的不是所述第二体积扫描图像数据的视场的部分的第二子部分；
图像数据提取器(608)，其在所述第一三维预扫描图像数据和所述第二三维预扫描图像数据中分别提取识别出的第一子部分和第二子部分；以及
图像数据扩展器(602)，其通过所提取的识别出的第一子部分来扩展所述第一体积扫描图像数据，并且通过所提取的识别出的第二子部分来扩展所述第二体积扫描图像数据。
19.根据权利要求15-18中的任一项所述的***，其中，所述第一三维预扫描图像数据是在第一运动状态采集的，并且所述第一体积扫描图像数据是在第二不同的运动状态采集的，并且还包括：
基于所述第一体积扫描图像数据和所述第一三维预扫描图像数据，确定针对所述第一体积扫描图像数据的第一运动矢量场；并且
基于所述第一运动矢量场，对所述第一体积扫描图像数据进行运动补偿。
20.根据权利要求19所述的***，其中，所述第二三维预扫描图像数据是在所述第一运动状态采集的，并且所述第二体积扫描图像数据是在所述第二不同的运动状态采集的，并且还包括：
基于所述第二体积扫描图像数据和所述第二三维预扫描图像数据，确定针对所述第二体积扫描图像数据的第二运动矢量场；
基于所述第二运动矢量场，对所述第二体积扫描图像数据进行运动补偿；并且
基于所述配准变换，配准经运动补偿的第一体积扫描图像数据和经运动补偿的第二体积扫描图像数据，生成经配准的图像数据。
21.一种方法，包括：
组合3D预扫描图像数据与来自体积扫描的体积图像数据，其中，所述3D预扫描图像数据用于规划所述体积扫描，生成组合的图像数据；并且
基于组合的图像数据，分割来自所述体积图像数据的感兴趣组织。
22.根据权利要求21所述的方法，其中，所述3D预扫描图像数据具有第一图像对比分辨率，并且所述体积图像数据具有第二图像对比分辨率，并且所述第一图像对比分辨率低于所述第二图像对比分辨率。
23.根据权利要求21-22中的任一项所述的方法，还包括：
使用较高分辨率分割算法，将体积图像数据分割为所述组合的图像数据的子部分；并且
利用较低分辨率分割算法，将3D预扫描图像数据分割为所述组合的图像数据的子部分。
24.根据权利要求21-23中的任一项所述的方法，其中，所述感兴趣组织是器官，所述体积图像数据包括整个器官，并且所述3D预扫描图像数据至少包括至少一个相邻器官的子部分。
25.根据权利要求23所述的方法，其中，所述分割包括组合所述器官以及组合所述至少一个相邻器官的所述子部分。
26.根据权利要求21-24中的任一项所述的方法，还包括：
视觉显示经分割的体积图像数据。
27.一种***，包括：
组合器(127)，其组合3D预扫描图像数据与来自体积扫描的体积图像数据，其中，所述3D预扫描图像数据被用于规划体积扫描，生成组合的图像数据；以及
分割器(128)，其基于组合的图像数据分割来自体积图像数据的感兴趣组织。
28.根据权利要求27所述的***，其中，所述3D预扫描图像数据具有第一图像对比分辨率，并且所述体积图像数据具有第二图像对比分辨率，并且所述第一图像对比分辨率低于所述第二图像对比分辨率。
29.根据权利要求27-28中的任一项所述的***，其中，所述分割器利用较高分辨率分割算法来将体积图像数据分割为所述组合的图像数据的子部分；并且利用较低分辨率分割算法来将3D预扫描图像数据分割为所述组合的图像数据的子部分。
30.根据权利要求27-29中的任一项所述的***，其中，所述感兴趣组织是器官，所述体积图像数据包括整个器官，并且所述3D预扫描图像数据至少包括至少一个相邻器官的子部分。
31.根据权利要求28所述的***，其中，所述分割器分割所述器官并且分割所述至少一个相邻器官的子部分。
CN201480067084.9A 2013-12-11 2014-11-25 基于三维(3d)预扫描的体积图像数据处理 Expired - Fee Related CN105813567B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201361914450P 2013-12-11 2013-12-11
US61/914,450 2013-12-11
PCT/IB2014/066302 WO2015087185A1 (en) 2013-12-11 2014-11-25 Three dimensional (3d) pre-scan based volumetric image data processing

Publications (2)

Publication Number Publication Date
CN105813567A true CN105813567A (zh) 2016-07-27
CN105813567B CN105813567B (zh) 2019-07-02

Family

ID=52146555

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201480067084.9A Expired - Fee Related CN105813567B (zh) 2013-12-11 2014-11-25 基于三维(3d)预扫描的体积图像数据处理

Country Status (5)

Country Link
US (1) US10045754B2 (zh)
EP (1) EP3079589B1 (zh)
JP (1) JP2016539701A (zh)
CN (1) CN105813567B (zh)
WO (1) WO2015087185A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112489046A (zh) * 2020-12-25 2021-03-12 上海深博医疗器械有限公司 柔性扫描图像的ai辅助测量体积补偿方法及装置

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3048976B1 (en) * 2013-09-27 2019-08-14 Koninklijke Philips N.V. Image data z-axis coverage extension for tissue dose estimation
JP6566714B2 (ja) * 2014-05-19 2019-08-28 キヤノンメディカルシステムズ株式会社 Ｘ線コンピュータ断層撮影装置、画像表示装置および画像表示方法
CN104318595A (zh) * 2014-10-21 2015-01-28 沈阳东软医疗***有限公司 Ct图像的运动向量场的计算方法及装置
JP6762774B2 (ja) * 2016-06-16 2020-09-30 キヤノンメディカルシステムズ株式会社 Ｘ線ｃｔ装置
US10939879B2 (en) * 2016-07-25 2021-03-09 Canon Medical Systems Corporation X-ray CT apparatus
KR20180054020A (ko) * 2016-11-14 2018-05-24 삼성전자주식회사 의료 영상 장치 및 의료 영상 처리 방법
CN106725570B (zh) * 2016-12-30 2019-12-20 上海联影医疗科技有限公司 成像方法及***
EP3422037A1 (en) * 2017-06-27 2019-01-02 Koninklijke Philips N.V. Method and device for determining a motion field from k-space data
US10888296B2 (en) * 2018-06-29 2021-01-12 Shanghai United Imaging Healthcare Co., Ltd. Methods and systems for modulating radiation dose
CN113811247A (zh) 2019-05-14 2021-12-17 皇家飞利浦有限公司 基于3d预扫描体积图像数据的协议相关的2d预扫描投影图像
US11308594B2 (en) * 2020-05-15 2022-04-19 GE Precision Healthcare LLC Tomosynthesis dataset generation using pre-exposure acquisition
EP3923293A1 (en) * 2020-06-09 2021-12-15 Koninklijke Philips N.V. System and method for analysis of medical image data based on an interaction of quality metrics
US20210398282A1 (en) * 2020-06-18 2021-12-23 Steven Frank Digital tissue segmentation using image entropy

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050065421A1 (en) * 2003-09-19 2005-03-24 Siemens Medical Solutions Usa, Inc. System and method of measuring disease severity of a patient before, during and after treatment
WO2009053896A2 (en) * 2007-10-26 2009-04-30 Koninklijke Philips Electronics, N.V. Closed loop registration control for multi-modality soft tissue imaging
CN101553182A (zh) * 2006-11-28 2009-10-07 皇家飞利浦电子股份有限公司 用于确定第一对象在第二对象中的位置的装置
CN102711617A (zh) * 2009-11-16 2012-10-03 皇家飞利浦电子股份有限公司 扫描规划视场调整器、确定器和/或质量评估器
WO2012153219A1 (en) * 2011-05-12 2012-11-15 Koninklijke Philips Electronics N.V. Motion compensated imaging

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2004051301A2 (en) * 2002-12-04 2004-06-17 Conformis, Inc. Fusion of multiple imaging planes for isotropic imaging in mri and quantitative image analysis using isotropic or near-isotropic imaging
EP1652122B1 (en) * 2003-07-30 2018-03-14 Koninklijke Philips N.V. Automatic registration of intra-modality medical volume images using affine transformation
US20070160312A1 (en) * 2004-02-13 2007-07-12 Koninklijke Philips Electronics N.V. Apparatus and method for registering images of a structured object
JP4918048B2 (ja) * 2005-02-11 2012-04-18 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ 画像処理装置及び方法
US7995818B2 (en) 2006-11-22 2011-08-09 General Electric Company Systems and methods for synchronized image viewing with an image atlas
EP2017785A1 (en) 2007-07-17 2009-01-21 BrainLAB AG Imaging method for motion analysis
US8175352B2 (en) * 2007-09-21 2012-05-08 Siemens Aktiengesellschaft System and method for automated magnetic resonance scan prescription for optic nerves
US20100129005A1 (en) * 2008-11-26 2010-05-27 General Electric Company System and method for automated scan planning using symmetry detection and image registration
US8317705B2 (en) * 2008-12-10 2012-11-27 Tomtec Imaging Systems Gmbh Method for generating a motion-corrected 3D image of a cyclically moving object
US8355551B2 (en) 2009-02-27 2013-01-15 General Electric Company Method and apparatus for reducing image artifacts
EP2593922A1 (en) * 2010-07-14 2013-05-22 BrainLAB AG Method and system for determining an imaging direction and calibration of an imaging apparatus
US8761467B2 (en) 2010-10-04 2014-06-24 General Electric Company Method and apparatus for assessing motion correction
CN103442644B (zh) 2010-12-08 2017-05-24 拜耳医药保健有限责任公司 产生用于估测由医学成像扫描导致的患者辐射剂量的合适模型
DE102011083647A1 (de) * 2011-09-28 2013-03-28 Siemens Aktiengesellschaft Verfahren, Rechensystem und CT-System zur Erzeugung eines bewegungskompensierten CT-Bilddatensatzes eines sich teilweise und zyklisch bewegenden Untersuchungsobjektes
US9470772B2 (en) * 2011-11-30 2016-10-18 Siemens Healthcare Gmbh Magnetic resonance image distortion correction with a reference volume
US20150332464A1 (en) * 2014-05-19 2015-11-19 Occipital, Inc. Methods for automatic registration of 3d image data

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050065421A1 (en) * 2003-09-19 2005-03-24 Siemens Medical Solutions Usa, Inc. System and method of measuring disease severity of a patient before, during and after treatment
CN101553182A (zh) * 2006-11-28 2009-10-07 皇家飞利浦电子股份有限公司 用于确定第一对象在第二对象中的位置的装置
WO2009053896A2 (en) * 2007-10-26 2009-04-30 Koninklijke Philips Electronics, N.V. Closed loop registration control for multi-modality soft tissue imaging
CN102711617A (zh) * 2009-11-16 2012-10-03 皇家飞利浦电子股份有限公司 扫描规划视场调整器、确定器和/或质量评估器
WO2012153219A1 (en) * 2011-05-12 2012-11-15 Koninklijke Philips Electronics N.V. Motion compensated imaging

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112489046A (zh) * 2020-12-25 2021-03-12 上海深博医疗器械有限公司 柔性扫描图像的ai辅助测量体积补偿方法及装置

Also Published As

Publication number Publication date
CN105813567B (zh) 2019-07-02
EP3079589A1 (en) 2016-10-19
EP3079589B1 (en) 2017-04-12
US10045754B2 (en) 2018-08-14
US20160310090A1 (en) 2016-10-27
JP2016539701A (ja) 2016-12-22
WO2015087185A1 (en) 2015-06-18

Similar Documents

Publication Publication Date Title
CN105813567A (zh) 基于三维(3d)预扫描的体积图像数据处理
US10699410B2 (en) Automatic change detection in medical images
US9460510B2 (en) Synchronized navigation of medical images
US8948487B2 (en) Non-rigid 2D/3D registration of coronary artery models with live fluoroscopy images
EP3164075B1 (en) Unified coordinate system for multiple ct scans of patient lungs
JP4576228B2 (ja) 生理学的モデルに基づく非剛体画像位置合わせ
CN104346821B (zh) 用于医学成像的自动规划
US10803354B2 (en) Cross-modality image synthesis
US9451927B2 (en) Computed tomography data-based cycle estimation and four-dimensional reconstruction
CN101443815A (zh) 重建图像的方法和装置
CN105849778B (zh) 成像中的移动结构运动补偿
AU2006282500A1 (en) Image processing method, image processing program, and image processing device
US20100091035A1 (en) Combined Segmentation And Registration Framework For Parametric Shapes
US8655040B2 (en) Integrated image registration and motion estimation for medical imaging applications
US11127153B2 (en) Radiation imaging device, image processing method, and image processing program
CN103648390B (zh) 后续图像采集规划和/或后处理
US9020215B2 (en) Systems and methods for detecting and visualizing correspondence corridors on two-dimensional and volumetric medical images
CN114943714A (zh) 医学图像处理***、装置、电子设备及存储介质
CN109350059B (zh) 用于肘部自动对准的组合的转向引擎和界标引擎
US11423554B2 (en) Registering a two-dimensional image with a three-dimensional image
EP4258207A1 (en) Automatic rib fracture detection from unfolded scan images
US20230260141A1 (en) Deep learning for registering anatomical to functional images
CN115482193A (zh) 多扫描图像处理
WO2023194267A1 (en) Automatic rib fracture detection from unfolded scan images
Balasubramanian et al. Registration of PET and MR images of human brain using normalized cross correlation algorithm and spatial transformation techniques

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20190702

Termination date: 20201125