CN106663321B - 包括利用个性化模板图像的立体定位标准化的成像数据统计测试 - Google Patents
包括利用个性化模板图像的立体定位标准化的成像数据统计测试 Download PDFInfo
- Publication number
- CN106663321B CN106663321B CN201580038323.2A CN201580038323A CN106663321B CN 106663321 B CN106663321 B CN 106663321B CN 201580038323 A CN201580038323 A CN 201580038323A CN 106663321 B CN106663321 B CN 106663321B
- Authority
- CN
- China
- Prior art keywords
- image
- subject
- template image
- personalized
- voxel
- 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
- 238000012360 testing method Methods 0.000 title claims abstract description 22
- 238000003384 imaging method Methods 0.000 title description 20
- 238000010606 normalization Methods 0.000 title description 14
- 238000000034 method Methods 0.000 claims abstract description 37
- 238000000528 statistical test Methods 0.000 claims abstract description 33
- 210000004556 brain Anatomy 0.000 claims description 19
- 230000009466 transformation Effects 0.000 claims description 11
- 238000001914 filtration Methods 0.000 claims description 5
- 230000004770 neurodegeneration Effects 0.000 claims description 5
- 208000015122 neurodegenerative disease Diseases 0.000 claims description 5
- 238000002600 positron emission tomography Methods 0.000 claims description 5
- 230000004044 response Effects 0.000 claims description 4
- 206010021034 Hypometabolism Diseases 0.000 claims description 2
- 238000001514 detection method Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 abstract description 4
- 210000001519 tissue Anatomy 0.000 description 8
- ZCXUVYAZINUVJD-AHXZWLDOSA-N 2-deoxy-2-((18)F)fluoro-alpha-D-glucose Chemical compound OC[C@H]1O[C@H](O)[C@H]([18F])[C@@H](O)[C@@H]1O ZCXUVYAZINUVJD-AHXZWLDOSA-N 0.000 description 7
- 230000002806 hypometabolic effect Effects 0.000 description 7
- 230000002861 ventricular Effects 0.000 description 7
- 238000010176 18-FDG-positron emission tomography Methods 0.000 description 6
- 238000000844 transformation Methods 0.000 description 4
- 206010012289 Dementia Diseases 0.000 description 3
- 230000003902 lesion Effects 0.000 description 3
- 239000000700 radioactive tracer Substances 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 208000024827 Alzheimer disease Diseases 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 2
- 238000012879 PET imaging Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 2
- 210000003484 anatomy Anatomy 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 239000013078 crystal Substances 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000011002 quantification Methods 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 239000012217 radiopharmaceutical Substances 0.000 description 2
- 229940121896 radiopharmaceutical Drugs 0.000 description 2
- 230000002799 radiopharmaceutical effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 1
- 206010028980 Neoplasm Diseases 0.000 description 1
- 208000018737 Parkinson disease Diseases 0.000 description 1
- 206010039966 Senile dementia Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 210000005013 brain tissue Anatomy 0.000 description 1
- 210000001175 cerebrospinal fluid Anatomy 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 230000007850 degeneration Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000005182 global health Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000000116 mitigating effect Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 238000002610 neuroimaging Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 230000001766 physiological effect Effects 0.000 description 1
- 238000012636 positron electron tomography Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/60—Editing figures and text; Combining figures or text
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10104—Positron emission tomography [PET]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20128—Atlas-based segmentation
-
- 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
- G06T2207/30016—Brain
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Health & Medical Sciences (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Nuclear Medicine (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
一种方法包括获得对象的图像以经由统计测试处理。所述方法还包括获得对象个性化模板图像，其基于对象的预定特性而被针对对象进行个性化。所述方法还包括将所述对象个性化模板图像配准到所述对象的所述图像。所述方法还包括使用被配准到所述对象的所述图像的所述对象个性化模板图像来执行统计测试。计算***(304)包括存储器(320)，其存储统计测试模块(320)和数据(324)。所述计算***还包括运行一个或多个指令的处理器(318)，所述指令使得所述处理器：使用用于所述逐体素统计测试的立体定位标准化的对象个性化模板图像来执行对功能图像的逐体素统计测试。
Description
技术领域
本发明总体涉及图像处理并且更具体地涉及包括利用个性化模板图像的立体定位标准化的成像数据统计测试，并且将利用对正电子发射断层摄影(PET)成像的具体应用来描述本发明。
背景技术
PET成像可以被用于通过对被引入对象中的放射药剂示踪剂的空间分布进行成像来对对象中的生理活动进行成像。这样的示踪剂的范例是[18F]氟脱氧葡萄糖(FDG)，其是葡萄糖类似物。当放射药剂衰减时，发射正电子。响应于正电子湮灭事件中正电子与电子的相互作用，生成511keV伽马射线的符合对。伽马射线沿着响应线在相反方向上行进，并且由PET成像***在符合时间窗内检测到的伽马射线对被记录为湮灭事件。事件被重建以产生放射性核素的分布的图像，以及由此产生组织的示踪剂摄取的图像。
文献指示痴呆(dementia)已经由世界卫生组织识别为全球健康优先级议题。由于老龄化社会和对于疾病的经改善的处置，痴呆有望对未来的护理和诊断具有重要影响。公共研究已经示出，进行成像以对神经退化疾病进行检测和鉴别诊断的作用在增加。该趋势导致针对脑扫描的自动量化的技术的可用性的增加。逐体素统计测试是图像量化技术，其越来越多地被用于对具有可疑的神经退化疾病的对象的FDG-PET脑扫描。然而，在FDG-PET脑扫描的外观中存在宽泛的可变性，这可能将误差引入到逐体素统计测试中。
例如，包括大脑里面的充满脑脊液的腔的***的脑室随着年龄和源于包括大脑的大部分脑的神经结构的生理和病理退化两者的神经退化疾病(如阿尔茨海默症)的进展而扩大。脑室的扩大影响FDG-PET脑扫描的总体外观，这是因为非新陈代谢活跃的脑室区域显现为低信号强度的大区域。遗憾的是，基于年龄的脑室尺寸变化将误差引入到立体定位标准化步骤中，所述立体定位标准化步骤包括将对象脑图像与单个预生成的模板图像配准，所述预生成的模板图像通常是根据不同对象的多幅脑图像而生成的平均图像。
在对象图像中的脑室由于年龄而扩大并且被允许在配准期间发生形变的情况下，拉伸伪影可能被引入到经立体定位标准化的对象图像中。例如，配准过程可以拉伸图像的小的区以确保要求对象图像的脑室边界与所使用的模板图像的形态匹配的数学约束。在图1中图示了这一点，图1示出了在原始对象图像与静态模板图像之间的脑室尺寸不同的情况下，原始对象图像中的小的区需要被严重地形变。虽然可以正确地检测低新陈代谢病变，但反常的脑图像的视觉印象可能并不特别适于由临床医生进行视觉观察和评估。
一种减轻视觉可观察的拉伸伪影的方法是包括禁止脑室边界附近的形变的配准约束。然而，该方法引入脑室边界附近的伪影，所述伪影可能被错误地检测为低新陈代谢组织。在图2中图示了这一点，图2示出了经配准PET脑图像以及被重叠在其上并示出低新陈代谢区的交叠。在图2中，第一区202表示符合脑组织的真实低新陈代谢，并且第二区204表示在配准之后由扩大的脑室引起的伪影。由于模板图像包含比对象图像中的扩大的脑室更小的脑室，因此出现伪影。该伪影可能导致对低新陈代谢组织的伪阳性检测。
遗憾的是，在现有技术中不存在能够避免上文讨论的伪影中的全部两者(即解剖拉伸和伪低新陈代谢区)的图像配准技术，这是因为伪影由于对对象图像与模板图像之间的空间对应性的建立的固有不适定问题而产生，而其中，所述模板图像是具有不同的对象脑室尺寸的对象图像集的预定平均图像。
发明内容
本文中所描述的各方面解决以上提到的问题和其他问题。
以下描述了一种用于图像体素统计测试的能够减轻拉伸伪影和/或伪阳性的方法。本文所描述的图像体素统计测试的立体定位标准化步骤采用针对正被处理的对象图像基于所述对象的预定准则特性(例如对象年龄、脑室尺寸等)而动态地识别(例如选择、生成等)的对象个性化模板图像。因此，经空间标准化的对象图像相对于使用单个静态通用模板图像的图像体素统计测试将具有减小的拉伸伪影和伪阳性，其中，所述单个静态通用模板图像是针对所有对象根据不同对象的多幅图像生成的平均图像。
根据一个方面，一种方法包括经由统计测试获得待处理的对象的图像。所述方法还包括获得对象个性化模板图像，所述对象个性化模板图像基于所述对象的预定特性而被针对所述对象进行个性化。所述方法还包括将所述对象个性化模板图像配准到所述对象的所述图像。所述方法还包括使用被配准到所述对象的所述图像的所述对象个性化模板图像来执行统计测试。
在另一方面中，计算***包括存储统计测试模块和数据的存储器。所述计算***还包括运行一个或多个指令的处理器，所述指令使得所述处理器：使用用于立体定位标准化的对象个性化模板图像来执行对功能图像的逐体素统计测试。
在另一方面中，一种计算机可读存储介质被编码有计算机可读指令。所述计算机可执行指令在由处理器运行时使得所述处理器：识别用于对对象的功能图像的逐体素统计测试的立体定位标准化步骤的对象个性化模板图像，其中，所述对象个性化模板图像基于所述对象的年龄或所述对象的感兴趣的解剖组织的尺寸；并且使用用于所述立体定位标准化步骤的所述对象个性化模板图像来执行对所述功能图像的逐体素统计测试。
附图说明
本发明可以采取各种部件和部件的布置以及各种步骤和步骤的安排的形式。附图仅出于图示优选的实施例的目的并且不应被解释为对本发明的限制。
图1示出了源于对象图像-模板图像配准中的无限制脑室形变的脑图像中的脑室拉伸伪影。
图2示出了脑图像中的真实的低新陈代谢区和源于对对象图像-模板图像配准中的脑室形变的限制的脑图像中的伪低新陈代谢区。
图3示意性地图示了包括执行对对象图像的统计测试的范例计算装置和生成对象图像的成像装置的***。
图4示意性地图示了计算装置的统计测试部件和数据的范例。
图5图示了用于在对对象图像的逐体素统计测试中使用个性化模板图像来对对象图像进行立体定位标准化的方法。
具体实施方式
在本文中描述了用于图像体素统计测试的方法，所述方法可以减轻拉伸伪影、伪阳性和/或由于将单个静态模板图像用于图像体素统计测试的立体定位标准化步骤而产生的其他伪影。该方法基于对象的预定准则特性(例如对象年龄、感兴趣组织尺寸等)来选择、生成(或其他等)对象个性化模板图像。
首先参考图3，示意性地图示了***300，其包括成像装置302(例如正电子发射断层摄影(PET)成像***)和计算装置304。
成像装置302包括一般环形布置的沿纵轴311关于检查区域310设置的台架306和至少一个伽玛辐射敏感检测器308(图3的实施例中示出了两个)。适合的检测器308包括一个或多个闪烁晶体和对应的光电传感器(例如光电倍增管、光电二极管等)，其中，晶体在由伽马射线撞击时产生光，并且光电传感器接收光并生成指示其的信号。检测器308检测在检查区域310中发生的正电子湮灭事件313的伽玛辐射特性。
当被配置为以列表模式操作时，处理信号以生成检测到的湮灭事件的列表，包括诸如事件被检测到的时间以及对应的响应线(LOR)的位置和取向的信息。当被配置有飞行时间(TOF)能力时，还提供了沿着LOR对湮灭位置的估计。成像装置302还包括重建器312，其使用适合的重建算法来重建数据并生成指示被扫描目标或对象中的衰减的分布的图像数据和/或一幅或多幅图像。
成像装置302还包括对象支撑体314，其将对象(或目标)支撑在检查区310中。成像装置302还包括操作员控制台316(例如计算机)，其包括人类可读输出设备(例如监视器或显示器)和一个或多个输入设备(例如键盘和鼠标)。控制台316的微处理器运行驻留在计算机存储器中的软件，所述软件允许操作者选择和/或修改成像协议(例如FDG-PET成像协议)、发起、暂停和终止扫描(例如FDG-PET扫描)、查看和/或操纵投影和/或图像数据(例如FDG-PET投影和/或图像数据)等。
计算装置304包括至少一个处理器318(例如微处理器、中央处理单元等)和计算机可读存储介质(“存储器”)320。处理318执行统计测试模块322的指令。存储器320包括物理存储器和/或其他非瞬态存储介质(并且不包括瞬态介质)。存储器320至少存储统计测试模块322，其包括用于实现模块322的部件的指令。图示的存储器320还存储数据324，例如用于统计测试的数据和/或统计测试的结果。处理器318还可以运行由载波、信号或其他瞬态介质承载的(一个或多个)指令。
计算装置304还包括(一个或多个)输出设备326(例如显示监视器、录像机等)。计算装置304还包括(一个或多个)输入设备328(例如鼠标、键盘等)。计算装置304还包括至少一个接口330，其被配置为与成像装置302接合，以例如从成像装置302接收(一幅或多幅)对象图像。在图示的范例中，计算装置304经由接口330至少与成像装置302的重建器312接合，并可以从重建器312接收图像。接口330还可以提供到数据储存库(例如PACS和/或其他***)的接口，以获得用于统计测试和/或其他处理的图像。计算装置318可以是控制台316的一部分和/或与其分离(如在图3中)。
统计测试模块322的指令在由处理器318运行时使得处理器318执行对对象图像的统计测试。在一个实例中，这包括：利用对象个性化模板图像来对对象图像进行立体定位标准化；对经立体定位标准化的对象图像进行强度缩放；对强度缩放的经立体定位标准化的对象图像进行滤波；对经滤波的、强度缩放的、经立体定位标准化的对象图像执行逐体素统计测试；并且生成统计图。统计图可以被存储在存储器320中、与对象图像一起显示(例如作为叠加而重叠在其上)、被传达给另一装置、被归档在数据储存库中等。
如下文更详细描述的，对象个性化模板图像基于对象的预定准则特性(例如对象年龄、感兴趣的解剖组织类型的尺寸(例如脑图像中的脑室尺寸)等)和正被处理的对象图像而动态地被识别(例如被选择、被生成等)，并且包括在几何上与对象图像中的解剖结构匹配的解剖结构。因此，统计测试的立体定位标准化步骤仅招致源于特性的少量局部形变。利用脑图像，这可以减轻拉伸伪影和/或伪低新陈代谢区域，其可以在使用作为根据不同对象的多幅对象图像生成的平均图像的通用模板图像时发生。
图4示意性地图示了统计测试模块322的范例部件。
配准部件402通过将对象图像与对象个性化模板图像配准来对对象图像进行立体定位标准化。配准部件402能够使用仿射(或刚性)变换(即线性变换，其包括旋转、缩放、平移等)和/或弹性(或非刚性)变换(即额外地允许对图像中的结构的翘曲的变换)。
模板图像识别部件404识别用于立体定位标准化的对象个性化模板图像。在图示的实施例中，模板图像识别部件404通过基于预定准则数据408识别模板图像数据406的信息来识别对象个性化模板图像。
通过非限制性范例，在一个实例中，准则数据408指令模板图像识别部件404基于对象的年龄来识别对象个性化模板图像。为此，模板图像识别部件404例如根据重叠在图像上的标识而从图像、根据包括图像的数据文件的字段中的数据、根据用户输入等检索对象的年龄。模板图像识别部件404然后基于年龄根据模板图像数据406选择对象个性化模板图像。
例如，模板图像数据406可以包括模板图像集，每个模板图像与特定的年龄或年龄范围相对应。例如，模板图像数据406可以具有针对60-69的年龄范围的(根据60-69岁对象的图像创建的)模板图像、针对70-79的年龄范围的模板图像等。基于年龄的对象个性化模板图像可以被存储在存储器320的本地(如图示的)或外部，并且被检索。
在变型中，模板图像识别部件404基于对象的年龄根据模板图像数据406选择基于年龄的变换。例如，模板图像数据406可以包括变换集，每个变换与特定的年龄或年龄范围相对应。例如，模板图像数据406可以具有针对60-69的年龄范围的(根据60-69岁对象的图像创建的)变换、针对70-79的年龄范围的变换等。
在该变型中，模板图像识别部件404通过利用针对年龄或年龄范围的适当的变换对通用模板图像进行变换来动态地生成针对该年龄或年龄范围的对象个性化模板图像。可以通过对不同年龄的对象的图像求平均来创建通用模板图像。通用模板图像和/或年龄特异性变换可以被存储在存储器320的本地(如图示的)或外部，并且被检索。
本文还预期了用于基于年龄识别用于立体定位标准化的对象个性化模板图像的其他方法。
在另一非限制性范例中，结合脑图像，准则数据408指令模板图像识别部件404识别基于对象图像中的脑室的尺寸的对象个性化模板图像。例如，模板图像数据406可以包括分别与小、中、大等尺寸相对应的多幅模板图像(或某种其他基于尺寸的描绘)。可以例如通过求平均和/或以其他方式使用基于脑室尺寸而被分组的先前采集的图像来预定这些不同的模板。
模板图像识别部件404接着可以选择将导致针对正被处理的具体对象图像的最小残余形变的对象个性化模板图像。这可以例如通过确定针对模板图像中的一个或多个的残余形变并然后选择导致最低残余形变的模板图像来实现。在另一实例中，模板图像识别部件404接着可以基于指示感兴趣的对象个性化模板图像的用户输入来选择对象个性化模板图像。
在变型中，年龄和脑室尺寸二者被用于识别模板图像。在又一变型中，备选地或额外地，其他信息被用于识别模板图像。
配准部件420的输出是空间标准化的对象图像。
强度缩放部件410基于强度参考数据412对空间标准化的对象图像进行缩放。例如，在一个实例中，强度缩放部件410对空间标准化的图像的强度进行缩放，使得空间标准化的图像的体素的亮度与标准集合图像相对应。
滤波部件414基于来自算法数据416的滤波器对强度缩放的空间标准化的对象图像进行滤波。在一个实例中，这包括对强度缩放的空间标准化的图像进行低通滤波，这使图像平滑并且降低噪声(例如高斯噪声)。滤波器可以是默认滤波器、用户选择的滤波器、用户偏好的滤波器等。在一个实例中，滤波器是基于感兴趣组织(例如病变、肿瘤等)的估计尺寸来选择的，这可以减轻感兴趣组织的模糊。
统计测试部件418基于标准集合数据420的标准集合图像执行对经滤波的、强度缩放的空间标准化的对象图像的统计测试。标准集合数据420包括多幅图像，其被与经滤波的、强度缩放的空间标准化的图像进行比较。
在一个实例中，将标准集合图像中的每幅的每个体素与经滤波的、强度缩放的空间标准化的图像的每个体素进行比较。在另一实例中，针对标准集合图像的对应体素计算均值和标准差，并且分别将针对每个体素的均值和标准差与经滤波的、强度缩放的空间标准化的图像的每个体素进行比较。本文中还预期了其他方法。
在Buchert等人的“Adjusted Scaling of FDG Positron”，Journal ofNeuroimaging 2005；15(4):348-355页和Mosconi等人的“18F-FDG PET Database ofLongitudinally Confirmed Healthy Elderly Individuals Improves Detection ofMild Cognitive Impairment and Alzheimer’s Disease Emission Tomography Imagesfor Statistical Evaluation in Patients With Suspected Alzheimer’s Disease”，The Journal of Nuclear Medicine 2007；(48)；1129-1134页中讨论了标准集合的数据库。
统计测试部件418的输出是统计图。在一个实例中，统计图可以被重叠在对象图像上并被显示，并且被用于视觉地指示可以的病变区。例如可以经由(一个或多个)输出设备326的显示监视器在图形用户接口(GUI)中显示组合的图像。
将意识到，图4的统计测试模块322可以是不需要任何用户输入来执行统计测试的“封闭”***。在另一实例中，图4的统计测试模块可以允许用户输入以指导选择以下中的一个或多个：模板图像(例如规范的、基于年龄的、基于尺寸的等)、强度缩放、滤波器、标准集合、统计测试算法等。
还将意识到，能够基于统计测试对统计测试模块322进行训练或学习。这可以包括从由用户提供的指示统计图的质量的反馈中进行学习，所述质量可以指示用于生成对象个性化模板图像的具体方法(例如基于年龄的、基于脑室尺寸的等)是否是好的选择、一种方法相对于另一方法是否导致优良的统计图等。
还将意识到，统计测试模块322能够基于PET-FDG图像向用户建议统计图是否正常并且对象是否不遭受本次扫描所候选的神经退化疾病，从而包括在标准集合中和/或用来更新对应的模板图像。
图5图示了使用用于立体定位标准化的对象个性化模板图像来对对象图像进行逐体素统计测试的方法。
应当意识到，动作的排序不是限制性的。因此，本文中预期其他排序。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502中，获得功能(例如PET)脑图像以用于逐体素统计测试。如本文所讨论的，可以从成像装置302、另一成像装置、数据储存库等获得图像。
在504中，获得被针对对象进行个性化的模板图像。如本文中描述的，在一个实例中，这可以包括检索针对对象的预生成的基于年龄、脑室尺寸等的模板图像、检索对象图像中的脑室的尺寸、基于通用图像和预定的基于年龄、脑室尺寸等的变换来(例如在飞行中)生成这样的模板图像等。
在506中，基于对象个性化模板图像对功能图像进行立体定位标准化。
在508中，获得强度参考图像。
在510中，使用强度参考图像对经立体定位标准化的功能图像进行强度缩放。
在512中，获得滤波器。
在514中，使用滤波器对强度缩放的经立体定位标准化的功能图像进行滤波。
在516中，获得标准集合的集。
在518中，基于标准集合的集对经滤波的、强度缩放的、经立体定位标准化的功能图像进行逐体素统计测试。
在520中，基于统计测试的结果生成统计图。
在522中，利用重叠在经滤波的、强度缩放的、经立体定位标准化的功能图像上的统计图来显示经滤波的、强度缩放的、经立体定位标准化的功能图像。
可以通过编码或嵌入在计算机可读存储介质上的计算机可读指令来实现以上方法，所述计算机可读指令在由(一个或多个)计算机处理器运行时令(一个或多个)处理器执行所描述的动作。额外地或备选地，通过信号、载波或其他瞬态介质来承载计算机可读指令中的至少一个。
本文所描述的方法可以被用于与疾病有关的各种应用，例如但不限于老年痴呆症、帕金森病、淀粉-PET图像分析和/或其他应用。
参考优选的实施例已经描述了本发明。他人在阅读和理解了前面的详细说明之后可以想到修改和改变。本发明旨在被解释为包括所有这样的修改和改变，只要它们处于权利要求书或其等价方案的范围之内。
Claims (14)
1.一种用于图像体素统计测试的方法，包括：
获得要经由逐体素统计测试处理的对象的功能图像；
获得对象个性化模板图像，所述对象个性化模板图像基于所述对象的预定特性而被针对所述对象进行个性化；
通过将所述对象个性化模板图像配准到所述对象的所述功能图像来对所述对象的所述功能图像进行立体定位标准化；
使用强度参考图像来对经立体定位标准化的功能图像进行强度缩放；
对强度缩放的、经立体定位标准化的功能图像进行滤波；
使用被配准到所述对象的所述功能图像的所述对象个性化模板图像来在经滤波的、强度缩放的、经立体定位标准化的功能图像上执行所述逐体素统计测试；并且
基于所述逐体素统计测试的结果来生成统计图。
2.根据权利要求1所述的方法，其中，所述对象的所述预定特性是所述对象的所述图像外部的信息或者包含在所述对象的所述图像中的信息中的至少一个。
3.根据权利要求1或2所述的方法，其中，所述对象的所述预定特性是所述对象的年龄或者所述对象的预定解剖组织类型的尺寸中的至少一个。
4.根据权利要求1或2所述的方法，还包括：
从与不同年龄相对应的多幅模板图像中选择所述对象个性化模板图像。
5.根据权利要求4所述的方法，还包括：
通过根据具有所述年龄的或在包括所述年龄的预定范围内的对象的图像集确定平均图像来生成基于年龄的模板图像。
6.根据权利要求1或2所述的方法，还包括：
基于通用模板图像和与患者的年龄相对应的基于年龄的变换来生成所述对象个性化模板图像。
7.根据权利要求1或2所述的方法，还包括：
从与不同的解剖组织类型相对应的多幅模板图像中选择所述对象个性化模板图像。
8.根据权利要求7所述的方法，还包括：
通过将功能图像中的所述解剖组织类型的尺寸与多个模板中的每个中的所述解剖组织类型的尺寸匹配、确定针对每个匹配的残余形变并选择导致最小残余形变的模板图像来选择所述对象个性化模板图像。
9.根据权利要求7所述的方法，还包括：
通过根据具有预定尺寸范围内的解剖组织类型尺寸的对象的图像集生成平均图像来生成基于尺寸的模板图像模板。
10.根据权利要求1或2所述的方法，其中，所述功能图像是正电子发射断层摄影脑图像。
11.根据权利要求1或2所述的方法，还包括：
利用重叠在所述经滤波的、强度缩放的、经立体定位标准化的功能图像上的所述统计图来视觉地显示所述经滤波的、强度缩放的、经立体定位标准化的功能图像。
12.根据权利要求1或2所述的方法，还包括：
响应于指示所述对象不具有神经退化疾病的所述统计图来生成指示所述功能图像是用于更新所述对象个性化模板图像的候选图像的信号。
13.根据权利要求1或2所述的方法，其中，所述个性化模板图像减轻拉伸伪影或伪低新陈代谢检测中的至少一个。
14.一种计算***(304)，包括：
存储器(320)，其存储统计测试模块(322)和数据(324)；以及
处理器(318)，其运行一个或多个指令，所述一个或多个指令使得所述处理器：
通过将对象个性化模板图像配准到对象的功能图像来对所述对象的所述功能图像进行立体定位标准化，其中，所述对象个性化模板图像基于所述对象的预定特性而被针对所述对象进行个性化；
使用强度参考图像来对经立体定位标准化的功能图像进行强度缩放；
对强度缩放的、经立体定位标准化的功能图像进行滤波；
使用被配准到所述对象的所述功能图像的所述对象个性化模板图像来执行对所述功能图像的逐体素统计测试；并且
基于所述逐体素统计测试的结果来生成统计图。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US201462024488P | 2014-07-15 | 2014-07-15 | |
| US62/024,488 | 2014-07-15 | ||
| PCT/IB2015/055088 WO2016009300A1 (en) | 2014-07-15 | 2015-07-06 | Imaging data statistical testing including a stereotactical normalization with a personalized template image |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106663321A CN106663321A (zh) | 2017-05-10 |
| CN106663321B true CN106663321B (zh) | 2021-04-06 |
Family
ID=54012245
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201580038323.2A Active CN106663321B (zh) | 2014-07-15 | 2015-07-06 | 包括利用个性化模板图像的立体定位标准化的成像数据统计测试 |
Country Status (5)
| Country | Link |
|---|---|
| US (1) | US10269115B2 (zh) |
| EP (1) | EP3170145B1 (zh) |
| JP (1) | JP6697438B2 (zh) |
| CN (1) | CN106663321B (zh) |
| WO (1) | WO2016009300A1 (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP6703323B2 (ja) * | 2015-09-17 | 2020-06-03 | 公益財団法人神戸医療産業都市推進機構 | 生体の画像検査のためのｒｏｉの設定技術 |
| JP6998760B2 (ja) * | 2017-12-25 | 2022-01-18 | 浜松ホトニクス株式会社 | 脳画像解析装置、脳画像解析方法、及び脳画像解析プログラム |
| CN113164093A (zh) * | 2018-09-04 | 2021-07-23 | 伊爱慕威讯医疗设备有限公司 | 用于医学成像的装置和方法 |
| CN110934606B (zh) * | 2019-10-31 | 2021-02-12 | 上海杏脉信息科技有限公司 | 脑卒中早期平扫ct图像评估***及评估方法、可读存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2013040693A1 (en) * | 2011-09-23 | 2013-03-28 | Hamid Reza Tizhoosh | Computer system and method for atlas-based consensual and consistent contouring of medical images |
| WO2013049684A1 (en) * | 2011-09-30 | 2013-04-04 | Ge Healthcare Limited | Variable-depth stereotactic surface projections |
| CN103106653A (zh) * | 2011-08-12 | 2013-05-15 | 西门子公司 | 医学图像数据组的配准质量的可视化方法和装置 |
| WO2013136278A1 (en) * | 2012-03-15 | 2013-09-19 | Koninklijke Philips N.V. | Multi-modality deformable registration |
Family Cites Families (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2005121796A2 (en) | 2004-05-07 | 2005-12-22 | The Regents Of The University Of California | Method for detecting alzheimer’s disease and other forms of dementia, and measuring their progression |
| JP4684667B2 (ja) * | 2005-01-28 | 2011-05-18 | キヤノン株式会社 | 画像処理装置及びその方法、プログラム |
| US8488857B2 (en) | 2007-03-06 | 2013-07-16 | Koninklijke Philips Electronics N.V. | Automated diagnosis and alignment supplemented with positron emission tomography (PET) and magnetic resonance (MR) flow estimation |
| CN101681515A (zh) | 2007-06-21 | 2010-03-24 | 皇家飞利浦电子股份有限公司 | 基于模型的痴呆的辨别诊断和显著性水平的交互设置 |
| FR2931281B1 (fr) | 2008-05-15 | 2014-07-18 | Univ Paris Curie | Procede et systeme automatise d'assistance au pronostic de la maladie d'alzheimer, et procede d'apprentissage d'un tel systeme |
| WO2009146388A1 (en) | 2008-05-28 | 2009-12-03 | The Trustees Of Columbia University In The City Of New York | Voxel-based methods for assessing subjects using positron emission tomography |
| US9042616B2 (en) * | 2010-12-02 | 2015-05-26 | Dai Nippon Printing Co., Ltd. | Medical image processing device |
| EP2492705B1 (en) * | 2011-02-24 | 2015-12-30 | Takasago International Corporation | fMRI method to identify olfactive stimuli of the dopaminergic reward system |
| CN103930032B (zh) * | 2011-09-20 | 2018-10-12 | 通用电气健康护理有限公司 | 正电子发射断层摄影图像的空间归一化的方法 |
| WO2013078370A1 (en) | 2011-11-23 | 2013-05-30 | The Regents Of The University Of Michigan | Voxel-based approach for disease detection and evolution |
| AU2012350363B2 (en) * | 2011-12-15 | 2018-01-18 | Commonwealth Scientific And Industrial Research Organisation | Method and apparatus for the assessment of medical images |
| JP5954766B2 (ja) * | 2012-01-06 | 2016-07-20 | 東芝メディカルシステムズ株式会社 | 医用画像表示装置 |
| JP5880332B2 (ja) * | 2012-07-25 | 2016-03-09 | コニカミノルタ株式会社 | 画像処理装置及びプログラム |
-
2015
- 2015-07-06 US US15/325,102 patent/US10269115B2/en active Active
- 2015-07-06 WO PCT/IB2015/055088 patent/WO2016009300A1/en active Application Filing
- 2015-07-06 JP JP2017502161A patent/JP6697438B2/ja active Active
- 2015-07-06 CN CN201580038323.2A patent/CN106663321B/zh active Active
- 2015-07-06 EP EP15756692.8A patent/EP3170145B1/en active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103106653A (zh) * | 2011-08-12 | 2013-05-15 | 西门子公司 | 医学图像数据组的配准质量的可视化方法和装置 |
| WO2013040693A1 (en) * | 2011-09-23 | 2013-03-28 | Hamid Reza Tizhoosh | Computer system and method for atlas-based consensual and consistent contouring of medical images |
| WO2013049684A1 (en) * | 2011-09-30 | 2013-04-04 | Ge Healthcare Limited | Variable-depth stereotactic surface projections |
| WO2013136278A1 (en) * | 2012-03-15 | 2013-09-19 | Koninklijke Philips N.V. | Multi-modality deformable registration |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2017527788A (ja) | 2017-09-21 |
| EP3170145A1 (en) | 2017-05-24 |
| US20170186155A1 (en) | 2017-06-29 |
| US10269115B2 (en) | 2019-04-23 |
| JP6697438B2 (ja) | 2020-05-20 |
| CN106663321A (zh) | 2017-05-10 |
| EP3170145B1 (en) | 2020-03-25 |
| WO2016009300A1 (en) | 2016-01-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP5468905B2 (ja) | 神経変性疾患の診断を支援するためのツール | |
| JP5424902B2 (ja) | Ｐｅｔ／ｍｒフロー推定を用いて補われる自動診断及び自動整列 | |
| US8958620B2 (en) | Region of interest definition in cardiac imaging | |
| Mehranian et al. | Quantitative analysis of MRI-guided attenuation correction techniques in time-of-flight brain PET/MRI | |
| US9990718B2 (en) | System and method for reconstructing ECT image | |
| JP4581088B2 (ja) | 計算機支援診断装置および方法 | |
| US8299438B2 (en) | Model based estimation of a complete or partial positron emission tomography attenuation map using maximum likelihood expectation maximization | |
| US10846858B2 (en) | Technologies for diagnosing neurological or psychiatric illnesses | |
| JP6100792B2 (ja) | 灰白質における脳アミロイドを算出及び表示する方法 | |
| CN106663321B (zh) | 包括利用个性化模板图像的立体定位标准化的成像数据统计测试 | |
| US9760991B2 (en) | System and method for image intensity bias estimation and tissue segmentation | |
| WO2009031973A1 (en) | A method of analysing stroke images | |
| US20160128660A1 (en) | Amyloid pet brain scan quantification based on cortical profiles | |
| US11324413B1 (en) | Traumatic brain injury diffusion tensor and susceptibility weighted imaging | |
| Salas-Gonzalez et al. | An optimal approach for selecting discriminant regions for the diagnosis of Alzheimer's disease | |
| US10204429B2 (en) | Method and apparatus for depiction of medical image data | |
| US8552387B2 (en) | Method for determining radiation attenuation by an examination object in a positron emission tomography scanner | |
| CN115428016A (zh) | 改进的病变检测方法 | |
| US20220398732A1 (en) | Pet quantitative localization system and operation method thereof | |
| US11398027B2 (en) | Age-specific image atlas | |
| Hahn et al. | Difference imaging of inter-and intra-ictal spect images for the localization of seizure onset in epilepsy | |
| JP5779676B2 (ja) | 画像診断支援システム | |
| Haidekker et al. | Computer-Aided Diagnosis with MR Images of the Brain | |
| Saha et al. | International Journal on Recent Researches In Science, Engineering & Technology | |
| Yang | Partial volume correction and image analysis methods for intersubject comparison of FDG-PET studies |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |