CN111971710A - 根据谱成像数据来生成谱炎症图 - Google Patents
根据谱成像数据来生成谱炎症图 Download PDFInfo
- Publication number
- CN111971710A CN111971710A CN201980022073.1A CN201980022073A CN111971710A CN 111971710 A CN111971710 A CN 111971710A CN 201980022073 A CN201980022073 A CN 201980022073A CN 111971710 A CN111971710 A CN 111971710A
- Authority
- CN
- China
- Prior art keywords
- inflammation
- fat
- concentration
- spectral
- basis
- 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.)
- Pending
Links
- 206010061218 Inflammation Diseases 0.000 title claims abstract description 134
- 230000004054 inflammatory process Effects 0.000 title claims abstract description 134
- 230000003595 spectral effect Effects 0.000 title claims abstract description 83
- 238000000701 chemical imaging Methods 0.000 title description 3
- 239000013598 vector Substances 0.000 claims abstract description 62
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 16
- 230000005855 radiation Effects 0.000 claims description 17
- 230000000694 effects Effects 0.000 claims description 16
- 238000000034 method Methods 0.000 claims description 16
- 239000000126 substance Substances 0.000 claims description 13
- 238000003384 imaging method Methods 0.000 claims description 11
- 238000004040 coloring Methods 0.000 claims description 4
- 238000012549 training Methods 0.000 claims description 2
- 239000003086 colorant Substances 0.000 claims 5
- 230000015556 catabolic process Effects 0.000 claims 2
- 238000002591 computed tomography Methods 0.000 description 11
- 210000001519 tissue Anatomy 0.000 description 7
- 239000000463 material Substances 0.000 description 6
- 238000000926 separation method Methods 0.000 description 4
- 238000001228 spectrum Methods 0.000 description 4
- 238000012800 visualization Methods 0.000 description 4
- 201000010099 disease Diseases 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- ZCYVEMRRCGMTRW-UHFFFAOYSA-N 7553-56-2 Chemical compound [I] ZCYVEMRRCGMTRW-UHFFFAOYSA-N 0.000 description 2
- 230000004075 alteration Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 229910052740 iodine Inorganic materials 0.000 description 2
- 239000011630 iodine Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 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 1
- 206010028980 Neoplasm Diseases 0.000 description 1
- 206010030113 Oedema Diseases 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 201000011510 cancer Diseases 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013170 computed tomography imaging Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 230000002526 effect on cardiovascular system Effects 0.000 description 1
- 230000003511 endothelial effect Effects 0.000 description 1
- 210000001723 extracellular space Anatomy 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 230000028709 inflammatory response Effects 0.000 description 1
- 210000000265 leukocyte Anatomy 0.000 description 1
- 230000004770 neurodegeneration Effects 0.000 description 1
- 238000009206 nuclear medicine Methods 0.000 description 1
- 230000008816 organ damage Effects 0.000 description 1
- 238000002600 positron emission tomography Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 210000004872 soft tissue Anatomy 0.000 description 1
- 238000013517 stratification Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000008728 vascular permeability Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
- A61B6/52—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
- A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic 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
- A61B6/46—Arrangements for interfacing with the operator or the patient
- A61B6/461—Displaying means of special interest
- A61B6/463—Displaying means of special interest characterised by displaying multiple images or images and diagnostic data on one display
-
- 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
- A61B6/482—Diagnostic techniques involving multiple energy imaging
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
- G06T11/008—Specific post-processing after tomographic reconstruction, e.g. voxelisation, metal artifact correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/08—Volume rendering
-
- 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
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
-
- 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
- G06T2207/30096—Tumor; Lesion
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- High Energy & Nuclear Physics (AREA)
- Optics & Photonics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Public Health (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Human Computer Interaction (AREA)
- Computer Graphics (AREA)
- Physiology (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
一种***(300)包括：存储器(324)，其被配置为存储炎症图生成器模块(328)。所述***还包括：处理器(322)，其被配置为：接收谱投影数据和谱体积图像数据中的至少一个，使用两基分解对所述谱投影数据或谱体积图像数据中的至少一个进行分解以生成在所述谱投影数据或谱体积图像数据中的至少一个中表示的针对每个基的向量集合，根据针对每个基的所述向量集合来计算体素内的每个基的浓度，并且根据所述每个基的浓度来确定所述体素内的脂肪或炎症中的至少一个的浓度。所述***还包括被配置为显示所确定的所述脂肪或炎症中的至少一个的浓度的显示器。
Description
技术领域
下文总体上涉及成像并且更具体地涉及根据谱成像数据来生成谱炎症图像，并且结合对计算机断层摄影成像的具体应用加以描述。
背景技术
炎症被认为与许多类型的疾病(包括神经退化、心血管和癌症)相关联。无创炎症检测方法因此可以支持在由疾病导致的损害还可以恢复时的早期疾病检测、改善的患者分层以及对治疗评估的响应。经由核医学技术对发炎的组织进行成像，例如利用正电子发射型断层摄影(PET)对放射性标记的白细胞和18F-氟代脱氧葡萄糖(18F-FDG)进行成像，可以提供关于发炎反应的信息。然而，该技术由于涉及的大量辐射剂量、有限的可用性、高成本、有限的空间和时间分辨率以及有限的区分诸如心脏的高度新陈代谢的健康组织与附近炎症的能力而受到限制。
利用计算机断层摄影(CT)对发炎组织成像提供了关于结构组织改变的信息。这些改变包括浮肿、流体在细胞外空间中的累积、对比增强、内皮破裂和器官损坏。然而，由于健康组织和/或脂肪、炎症以及包括射束硬化的成像伪影之间的低对比度，CT具有表征炎症的有限能力。例如，图1描绘了具有第一感兴趣区域(ROI)102和第二ROI 104的心脏的CT图像100。第一感兴趣区域102被已知为具有高炎症，几乎没有脂肪浓度，并且第二感兴趣区域104被已知为几乎没有炎症并且具有高的脂肪浓度。图2表示针对ROI 102和104的箱形图。
在图2中，第一轴202表示亨氏单位(HU)值并且第二轴204表示ROI。图2示出了针对第一ROI 102的最小值206、最大值208和中间值210以及针对第二ROI 104的最小值212、最大值214和中间值216。箱形图200示出了尽管在两个ROI 102和104之间可以存在中间HU值210和216的差异，但是该差异不是统计上显著的。因此，炎症通常经过对比增强的CT扫描中的延迟增强来评估，该对比增强的CT扫描描绘了与增加的炎症相关联的主要血管渗透性。遗憾的是，例如由于包括射束硬化、健康组织与炎症之间的低对比度等的各种成像伪影，这些改变被主观确定并且难以量化。
发明内容
本文描述的方面解决了上面提及的问题以及其他问题。
本文描述了通过生成描绘和量化谱体积图像数据(例如，CT)中的炎症的谱图来评估炎症的方案。
在一个方面，一种***包括被配置为存储炎症图生成器模块的存储器。所述***还包括：处理器，其被配置为：接收谱投影数据或谱体积图像数据中的至少一个，使用两基分解对所述谱投影数据或谱体积图像数据中的至少一个进行分解以生成在所述谱投影数据或谱体积图像数据中的至少一个中表示的针对每个基的向量集合，根据针对每个基的所述向量集合来计算体素内的每个基的浓度，并且根据所述每个基的浓度来确定所述体素内的脂肪或炎症中的至少一个的浓度。所述***还包括被配置为显示所确定的所述脂肪或炎症中的至少一个的浓度的显示器。
在另一方面，一种方法包括：接收谱投影数据或谱体积图像数据中的至少一个，并且使用两基分解对所述谱投影数据或谱体积图像数据中的至少一个进行分解以生成在所述谱投影数据或谱体积图像数据中的至少一个中表示的针对每个基的向量集合。所述方法还包括：根据针对每个基的所述向量集合来计算体素内的每个基的浓度，根据所述每个基的浓度来确定所述体素内脂肪或炎症中的至少一个的浓度，并且显示所确定的所述脂肪或炎症中的至少一个的浓度。
在另一方面，一种编码有计算机可读指令的计算机可读存储介质，所述计算机可读指令在由计算***的处理器运行时使所述处理器：接收谱投影数据或谱体积图像数据中的至少一个，并且使用两基分解对所述谱投影数据或谱体积图像数据中的至少一个进行分解以生成在所述谱投影数据或谱体积图像数据中的至少一个中表示的针对每个基的向量集合。所述计算机可读指令在由所述处理器运行时还使所述处理器：根据针对每个基的所述向量集合来计算体素内的每个基的浓度，根据所述每个基的浓度来确定所述体素内的脂肪或炎症中的至少一个的浓度，并且显示所确定的所述脂肪或炎症中的至少一个的浓度。
本领域技术人员在阅读和理解所附的描述时将意识到本申请的另外的其他方面。
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。附图仅用于说明优选实施例的目的而不被理解为限制本发明。
图1图示了具有主要包括脂肪的一个感兴趣区域以及主要包括炎症的另一感兴趣区域的心脏的示例CT图像。
图2图示了针对图1中示出的图像中的感兴趣区域的示例箱形图。
图3示意性图示了一种***，包括计算***，具有炎症图生成器和成像***。
图4示意性图示了炎症图生成器的示例。
图5图示了具有主要包括脂肪的一个感兴趣区域以及主要包括炎症的另一感兴趣区域的心脏的示例CT图像。
图6示意性图示了炎症图生成器的另一示例。
图7图示了向量分离曲线。
图8图示了根据本文实施例的示例方法。
图9图示了根据本文另一实施例的示例方法。
具体实施方式
图3示意性图示了包括成像***302的***300，该成像***例如是被配置用于谱(多能量)成像的CT扫描器。成像***302包括大体固定机架304和旋转机架306，其由固定机架304可旋转地支撑并关于z轴绕检查区域308旋转。对象支撑物310(诸如卧榻)将目标或对象支撑在检查区域308中。
辐射源312(诸如X射线管)由旋转机架306可旋转地支撑，随旋转机架306一起旋转，并且发射贯穿检查区域308的辐射。在一个实例中，辐射源312包括单个宽谱X射线管。在另一实例中，辐射源312包括被配置为在扫描期间在至少两个不同的发射电压(例如，80kVp和140kVp)之间切换的单个X射线管。在又一实例中，辐射源312包括被配置为发射具有不同平均谱的辐射的两个或更多个X射线管。在再一实例中，辐射源312包括其组合。
辐射敏感探测器阵列314包括探测器元件316的行的一维或二维阵列并且跨检查区域308对着与辐射源312相对的角弧度。辐射敏感探测器阵列314探测贯穿检查区域308的辐射并且生成谱投影数据。在辐射源312包括单个宽谱X射线管的情况下，辐射敏感探测器阵列314包括能量解析探测器(例如，直接转换光子计数探测器，具有不同谱敏感性(多层)的光电二极管的至少两个集合，等等)。利用kVp切换和多管配置，探测器元件316可以备选地是非能量解析探测器。
重建器318接收谱投影数据并且重建谱体积图像数据，例如，以下中的一个或多个：光电图像、康普顿散射图像、碘图像、虚拟非对比图像、骨骼图像、软组织图像和/或其他基本谱图像。重建器318也可以生成非谱体积图像数据，例如通过组合谱投影数据并且重建组合的谱投影数据或组合谱体积图像数据。
计算***320用作操作者控制台。控制台320包括诸如显示器的人类可读输出设备以及诸如键盘、鼠标等的输入设备。驻留在控制台320上的软件允许操作者经由图形用户界面(GUI)或以其他方式与扫描器322交互和/或操作扫描器。控制台320还包括处理器322(例如，微处理器、控制器、中央处理单元(CPU)等)以及计算机可读存储介质324，其不包括非瞬态介质并且包括诸如物理存储器设备的瞬态介质等。
计算机可读存储介质324包括至少用于炎症图生成器328的指令326。在变型中，处理器322和计算机可读存储介质324是另一计算***的一部分，其与计算***320分离并且远离(即，不是其一部分)。在另一变型中，处理器322可以额外地或备选地运行由载波、信号和/或其他瞬态介质承载的一个或多个计算机可读指令。
炎症图生成器328被配置为至少处理谱体积图像数据和/或谱投影数据以生成炎症图。如下面更详细描述的，炎症图生成器328至少通过经由炎症图对每像素的组织成分(例如，炎症和/或脂肪)的贡献进行量化来对至少谱投影数据和/或谱体积图像数据内的炎症和/或脂肪进行量化。因此，在一个实例中，本文描述的方案提供了新的谱图(即，炎症图)，其改善了通过CT对炎症的无创评估，例如通过对炎症的改善的描绘和量化。
图4示意性图示了炎症图生成器328的示例。
炎症图生成器328包括物质分解器402。物质分解器402接收谱数据(谱投影数据和/或谱体积图像数据)并且将接收到的谱数据至少直接地分解为至少脂肪和炎症。物质分解器402输出表示脂肪的向量集合以及表示炎症的向量集合，每体素具有一个脂肪向量和一个炎症向量。
炎症图生成器328还包括脂肪和炎症浓度计算器404，其基于向量来确定体素内的脂肪和炎症浓度。在一个实例中，脂肪和炎症浓度计算器404如在等式1中示出地确定脂肪的浓度和炎症的浓度：
等式1：
其中，低kv是针对较低能量采集的谱数据，高kv是针对较高能量采集的谱数据，
是距离原点的偏差向量(例如在不存在偏差的情况下，
是由物质分解器402输出的表示脂肪的向量，cfat是未知的脂肪浓度，
是由物质分解器402输出的表示炎症的向量，并且cinf是未知的炎症浓度。通常，等式1表示线性等式的***，其能够被同时求解为确定cfat和cinf。
炎症图生成器328还包括谱炎症图可视化模块406。谱炎症图可视化模块406使显示器通过基于其脂肪和/或炎症浓度cfat和cinf在视觉上增强(例如，着色)每个像素来显示量化的脂肪和炎症浓度。例如，在一个实例中，仅包含脂肪的像素被着色为第一或较暗的灰色阴影，仅包含炎症的像素被着色为第二或较亮的灰色阴影，并且包含脂肪和炎症两者的像素被着色为介于两者之间的灰色阴影，其中，如果像素包含炎症比脂肪更多，则该灰色阴影更接近第一阴影，并且如果像素包含脂肪比炎症更多，则该灰色阴影更接近第二阴影。
这在图5中示出，其描绘了具有第一ROI 502、第二ROI 504和第三ROI 506的CT图像500。第一ROI 502具有较高的炎症浓度并且因此比具有较高脂肪浓度的第二ROI 504显现为更亮。第三ROI 506包括脂肪和炎症两者并且因此显现为位于与第一ROI 502和第二ROI 504相对应的灰度值之间的灰色阴影。在该示例中，第一ROI 503和第二ROI 504与在图1中描绘的第一ROI 102和第二ROI 104位于基本上相同的位置处。如图1中所示，第一ROI102和第二ROI 104内的体素基本上具有相同的灰色阴影。因此，在图1的图像中难以区分脂肪和炎症，而在第一ROI 502和第二ROI 504内的体素清晰地包括不同的灰色阴影，其将脂肪与炎症区分开。
图6示意性图示了炎症图生成器328的另一示例。
在该示例中，物质分解器602将输入谱数据分解为两基物质(例如，碘和水)或分量(例如，光电效应和康普顿散射)。物质分解器602输出表示一个基的向量集合以及表示另一个基的向量集合，每个体素分别具有一个向量。
炎症图生成器328还包括物质浓度计算器604。针对给定的两基分解(例如，如下面示出的光电效应和康普顿散射)，物质浓度计算器604找到针对每个体素的每个基的浓度，例如如在等式2中示出的：
等式2：
其中，PhotoE是光电效应谱数据，CScatter是康普顿散射谱数据，
是由物质浓度计算器604生成的表示光电效应的向量，cPhotoE是针对光电效应的未知浓度，
是由物质浓度计算器605生成的表示康普顿散射的向量，并且cCScatter是针对康普顿散射的未知浓度。
炎症图生成器328还包括脂肪和炎症向量标识符606。脂肪和炎症向量标识符606利用两基图来识别脂肪和炎症向量。脂肪和炎症向量能够根据训练数据或根据使用先前知识(例如，炎症和健康脂肪的位置)的对象来学习。
炎症图生成器328还包括脂肪和炎症浓度计算器608。脂肪和炎症浓度计算器608概念性地使用如图7中示出的向量分离技术来确定给定体素内的脂肪和炎症的浓度。通常，向量分离技术基于将针对给定体素的脂肪和/或炎症的图形位置与对应的脂肪和/或炎症向量对齐来确定体素内的脂肪和炎症的浓度。在图7中，第一轴702表示第一基并且第二轴704表示第二基(例如，光电和康普顿散射)。
图7还示出了与炎症相对应的第一向量706和与脂肪相对应的第二向量708。两个向量在点710处交会，该点表示两个向量距离原点的偏差。在这种情况下，距离原点的偏差为零(0)。图7还示出了第一向量706的第一插值712以及第二向量708的第二插值714。基于插值712和714，针对具有与第一基702和第二基704相对应的已知值的给定体素716，可以确定脂肪和/或炎症的浓度。
在一个实例中，脂肪和炎症浓度计算器608使用如在等式3中示出的向量分离技术来确定脂肪的浓度和炎症的浓度：
等式3：
其中，
是由物质分解定义的2D坐标系中并且被给定像素值的体素的表示，在由
和
定义的坐标系中以
和
作为轴的2D坐标等于
表示距离原点的偏差，
是表示由脂肪和炎症向量标识符606识别的脂肪的向量，cfat是脂肪的未知浓度，
是表示由脂肪和炎症向量标识符606识别的炎症的向量，并且cinf是炎症的未知浓度。
炎症图生成器328还包括谱炎症图可视化模块610。谱炎症图可视化模块610使显示器通过基于其脂肪和/炎症浓度对谱投影数据和/或谱体积图像数据内的每个像素进行着色来显示量化的脂肪和炎症浓度。
图8图示了根据本文描述的实施例的示例方法。
在802，接收谱数据(即，谱投影数据或谱体积图像数据)，如本文和/或以其他方式描述的。
在804，对谱数据进行物质分解，从而生成针对两个不同基的向量集合，如本文和/或以其他方式描述的。
在806，表示每个基的向量用于获得体素内的脂肪和/或炎症的浓度，如本文和/或以其他方式描述的。
在808，显示所确定的体素内的脂肪和炎症，如本文和/或以其他方式描述的。
图9说明了根据本文描述的实施例的示例方法。
在902，接收谱数据(即，谱投影数据或谱体积图像数据)，如本文和/或以其他方式描述的。
在904，对谱数据进行物质分解，从而生成针对两个不同基的向量集合，如本文和/或以其他方式描述的。
在906，表示每个基的向量用于获得体素内的每个基的浓度，如本文和/或以其他方式描述的。
在908，具有已知脂肪或炎症的两个基图内的位置用于获得表示脂肪和炎症的向量，如本文和/或以其他方式描述的。
在910，确定体素内的脂肪和/或炎症的浓度，如本文和/或以其他方式描述的。
在912，显示所确定的体素内的脂肪和炎症，如本文和/或以其他方式描述的。
将认识到，以上动作的顺序不是限制性的。因此，本文预见到其他顺序。此外，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。
上述内容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的方式来实施，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使所述(一个或多个)处理器执行所描述的动作。额外地或备选地，计算机可读指令中的至少一个由不是计算机可读存储介质的信号、载波或其他瞬态介质承载。
已经参考优选实施例描述了本发明。他人在阅读和理解前面的详细描述后可以进行修改和更改。旨在将本发明解释为包括所有这样的修改和更改，只要他们落入所附权利要求书及其等价方案的范围内。
Claims (20)
1.一种***(300)，包括：
存储器(324)，其被配置为存储炎症图生成器模块(328)；
处理器(322)，其被配置为：
接收谱投影数据或谱体积图像数据中的至少一个；
使用两基分解对所述谱投影数据或谱体积图像数据中的至少一个进行分解以生成在所述谱投影数据或谱体积图像数据中的至少一个中表示的针对每个基的向量集合；
根据针对每个基的所述向量集合来计算体素内每个基的浓度；并且
根据所述每个基的浓度来确定所述体素内的脂肪或炎症中的至少一个的浓度；以及
显示器，其被配置为显示所确定的所述脂肪或炎症中的至少一个的浓度。
2.根据权利要求1所述的***，还包括：
成像***(302)，其包括：
辐射源(312)，其被配置为发射X射线辐射；
探测器阵列(314)，其被配置为探测X射线辐射并且生成所述谱投影数据；以及
重建器(318)，其被配置为重建信号并且生成所述谱体积图像数据。
3.根据权利要求1至2中的任一项所述的***，其中，所述两基分解中的一种物质是脂肪并且另一种物质是炎症。
4.根据权利要求3所述的***，其中，所述处理器还被配置为：
通过求解以下等式来确定所述体素内的脂肪或炎症中的至少一个的浓度：
其中，低kv是来自低能量图像的谱体积图像数据，高kv是来自高能量图像的谱体积图像数据，
是距离原点的偏差，
是表示脂肪的向量，cfat是脂肪浓度，
是表示炎症的向量，并且cinf是炎症浓度。
5.根据权利要求1至2中的任一项所述的***，其中，所述两基分解中的一个基是光电效应并且另一个基是康普顿散射。
6.根据权利要求5所述的***，其中，所述处理器还被配置为：
通过求解以下等式来确定光电效应和康普顿散射中的至少一个的浓度：
其中，PhotoE是光电效应，CScatter是康普顿散射，
是表示所述光电效应的向量，cPhotoE是所述光电效应的浓度，
是表示所述康普顿散射的向量，并且cCScatter是所述康普顿散射的浓度。
7.根据权利要求6所述的***，其中，所述处理器还被配置为：
通过求解以下等式来确定所述体素内的脂肪或炎症中的至少一个的浓度：
其中，
是在由所述两基分解定义的2D坐标系中并且被给定像素值的体素的表示，其中，在由
和
定义的坐标系中以
和
作为轴的2D坐标等于
表示距离原点的偏差，
是表示脂肪的向量，cfat是脂肪的浓度，
是表示炎症的向量，并且cinf是炎症的浓度。
8.根据权利要求1所述的***，其中，所述脂肪或炎症中的至少一个的浓度通过基于对应的体素内的所述脂肪或炎症中的至少一个的浓度对像素着色来显示，其中，表示炎症的体素以第一颜色被显示，表示脂肪的体素以不同的第二颜色被显示，并且表示炎症和脂肪的组合的体素以来自所述第一颜色与所述第二颜色之间的颜色范围的不同的第三颜色被显示。
9.一种方法，包括：
接收谱投影数据或谱体积图像数据中的至少一个；
使用两基分解对所述谱投影数据或谱体积图像数据中的至少一个进行分解以生成在所述谱投影数据或谱体积图像数据中的至少一个中表示的针对每个基的向量集合；
根据针对每个基的所述向量集合来计算体素内的每个基的浓度；
根据所述每个基的浓度来确定所述体素内的脂肪或炎症中的至少一个的浓度；以及
显示所确定的所述脂肪或炎症中的至少一个的浓度。
10.根据权利要求9所述的方法，其中，所述两基分解中的一种物质是脂肪并且另一种物质是炎症。
11.根据权利要求10所述的方法，还包括：
通过求解以下等式来确定所述体素内脂肪或炎症中的至少一个的浓度：
其中，低kv是来自低能量图像的谱体积图像数据，高kv是来自高能量图像的谱体积图像数据，
是距离原点的偏差，
是表示脂肪的向量，cfat是脂肪浓度，
是表示炎症的向量，并且cinf是炎症浓度。
12.根据权利要求9所述的方法，其中，所述两基分解中的一个基是光电效应并且另一个基是康普顿散射。
13.根据权利要求12所述的方法，还包括：
通过求解以下等式来确定光电效应和康普顿散射中的至少一个的浓度：
其中，PhotoE是光电效应，CScatter是康普顿散射，
是表示所述光电效应的向量，cPhotoE是所述光电效应的浓度，
是表示所述康普顿散射的向量，并且cCScatter是所述康普顿散射的浓度。
14.根据权利要求13所述的方法，还包括：
通过求解以下等式来确定所述体素内的脂肪或炎症中的至少一个的浓度：
其中，
是在由所述两基分解定义的2D坐标系中并且被给定像素值的体素的表示，其中，在由
和
定义的坐标系中以
和
作为轴的2D坐标等于
表示距离原点的偏差，
是表示脂肪的向量，cfat是脂肪的浓度，
是表示炎症的向量，并且cinf是炎症的浓度。
15.根据权利要求9所述的方法，其中，所述脂肪或炎症中的至少一个的浓度通过基于对应的体素内的所述脂肪或炎症中的至少一个的浓度对像素着色来显示，其中，表示炎症的体素以第一颜色被显示，表示脂肪的体素以不同的第二颜色被显示，并且表示炎症和脂肪的组合的体素以来自所述第一颜色与所述第二颜色之间的颜色范围的不同的第三颜色被显示。
16.一种编码有计算机可读指令的计算机可读存储介质，所述计算机可读指令在由计算***的处理器运行时使所述处理器：
接收谱投影数据或谱体积图像数据中的至少一个；
使用两基分解对所述谱投影数据或谱体积图像数据中的至少一个进行分解以生成在所述谱投影数据或谱体积图像数据中的至少一个中表示的针对每个基的向量集合；
根据针对每个基的所述向量集合来计算体素内的每个基的浓度；
根据所述每个基的浓度来确定所述体素内脂肪或炎症中的至少一个的浓度；以及
显示所确定的所述脂肪或炎症中的至少一个的浓度。
17.根据权利要求16所述的计算机可读存储介质，其中，所述两基分解中的一种物质是脂肪并且另一种物质是炎症。
18.根据权利要求16所述的计算机可读存储介质，其中，所述两基分解中的一个基是光电效应并且另一个基是康普顿散射。
19.根据权利要求16所述的计算机可读存储介质，其中，运行所述计算机可读指令还使所述处理器根据训练数据或对象内的已知脂肪或炎症中的至少一个的位置来学习脂肪或炎症向量标识中的至少一个。
20.根据权利要求16所述的计算机可读存储介质，其中，所述脂肪或炎症中的至少一个的浓度通过基于对应的体素内的所述脂肪或炎症中的至少一个的浓度对像素着色来显示，其中，表示炎症的体素以第一颜色被显示，表示脂肪的体素以不同的第二颜色被显示，并且表示炎症和脂肪的组合的体素以来自所述第一颜色与所述第二颜色之间的颜色范围的不同的第三颜色被显示。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US201862647865P | 2018-03-26 | 2018-03-26 | |
| US62/647,865 | 2018-03-26 | ||
| PCT/EP2019/057184 WO2019185457A1 (en) | 2018-03-26 | 2019-03-22 | Spectral inflammation map from spectral imaging data |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111971710A true CN111971710A (zh) | 2020-11-20 |
Family
ID=65904437
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201980022073.1A Pending CN111971710A (zh) | 2018-03-26 | 2019-03-22 | 根据谱成像数据来生成谱炎症图 |
Country Status (5)
| Country | Link |
|---|---|
| US (1) | US11602321B2 (zh) |
| EP (1) | EP3776459A1 (zh) |
| JP (1) | JP7442455B2 (zh) |
| CN (1) | CN111971710A (zh) |
| WO (1) | WO2019185457A1 (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP7467222B2 (ja) | 2020-05-07 | 2024-04-15 | キヤノンメディカルシステムズ株式会社 | 医用情報処理装置、医用情報処理方法及び医用情報処理プログラム |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20040101086A1 (en) * | 2002-11-27 | 2004-05-27 | Sabol John Michael | Method and apparatus for quantifying tissue fat content |
| CN1556688A (zh) * | 2002-07-23 | 2004-12-22 | GEҽҩϵͳ����Ƽ���˾ | 检测斑块成分的方法和*** |
| CN1814323A (zh) * | 2005-01-31 | 2006-08-09 | 重庆海扶(Hifu)技术有限公司 | 一种聚焦超声波治疗*** |
| US20080253504A1 (en) * | 2005-09-22 | 2008-10-16 | Koninklijke Philips Electronics N. V. | Quantitative Material Decomposition for Spectral Ct |
| WO2009048081A1 (ja) * | 2007-10-12 | 2009-04-16 | Public University Corporation Yokohama City University | 脂肪性肝疾患の診断方法、診断装置、診断プログラム及び脂肪性肝疾患用治療薬のスクリーニング方法 |
| US20130251228A1 (en) * | 2012-03-22 | 2013-09-26 | The Cleveland Clinic Foundation | Augmented reconstrution for computed tomography |
| US20140133729A1 (en) * | 2011-07-15 | 2014-05-15 | Koninklijke Philips N.V. | Image processing for spectral ct |
| US20150272527A1 (en) * | 2014-03-31 | 2015-10-01 | General Electric Company | Generation of monochromatic images |
| WO2016171570A1 (en) * | 2015-04-20 | 2016-10-27 | Mars Bioimaging Limited | Improving material identification using multi-energy ct image data |
| GB201620494D0 (en) * | 2016-12-02 | 2017-01-18 | Univ Oxford Innovation Ltd | Method |
| CN106999122A (zh) * | 2014-08-15 | 2017-08-01 | 牛津大学创新有限公司 | 血管周围组织表征方法 |
| CN107077748A (zh) * | 2014-10-20 | 2017-08-18 | 皇家飞利浦有限公司 | 针对谱图像迭代重建的开始图像 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102006009222B4 (de) | 2006-02-28 | 2008-02-28 | Siemens Ag | Verfahren und Vorrichtung zur Bestimmung der Konzentration einer Substanz in einem Körpermaterial mittels Mehr-Energie-Computertomographie |
| US7760848B2 (en) | 2006-09-08 | 2010-07-20 | General Electric Company | Method and system for generating a multi-spectral image of an object |
| US8855385B2 (en) | 2012-07-06 | 2014-10-07 | General Electric Company | Apparatus and method for multi-energy tissue quantification |
| US9538971B2 (en) | 2013-06-24 | 2017-01-10 | University Of Washington | Systems for characterizing atherosclerotic plaque and methods of using same |
| WO2016147844A1 (ja) | 2015-03-19 | 2016-09-22 | 株式会社日立製作所 | Ｘ線ｃｔ装置及びマルチエネルギー像作成方法 |
-
2019
- 2019-03-22 EP EP19713001.6A patent/EP3776459A1/en active Pending
- 2019-03-22 CN CN201980022073.1A patent/CN111971710A/zh active Pending
- 2019-03-22 US US17/041,172 patent/US11602321B2/en active Active
- 2019-03-22 JP JP2020551474A patent/JP7442455B2/ja active Active
- 2019-03-22 WO PCT/EP2019/057184 patent/WO2019185457A1/en unknown
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1556688A (zh) * | 2002-07-23 | 2004-12-22 | GEҽҩϵͳ����Ƽ���˾ | 检测斑块成分的方法和*** |
| US20040101086A1 (en) * | 2002-11-27 | 2004-05-27 | Sabol John Michael | Method and apparatus for quantifying tissue fat content |
| CN1814323A (zh) * | 2005-01-31 | 2006-08-09 | 重庆海扶(Hifu)技术有限公司 | 一种聚焦超声波治疗*** |
| US20080253504A1 (en) * | 2005-09-22 | 2008-10-16 | Koninklijke Philips Electronics N. V. | Quantitative Material Decomposition for Spectral Ct |
| WO2009048081A1 (ja) * | 2007-10-12 | 2009-04-16 | Public University Corporation Yokohama City University | 脂肪性肝疾患の診断方法、診断装置、診断プログラム及び脂肪性肝疾患用治療薬のスクリーニング方法 |
| US20140133729A1 (en) * | 2011-07-15 | 2014-05-15 | Koninklijke Philips N.V. | Image processing for spectral ct |
| US20130251228A1 (en) * | 2012-03-22 | 2013-09-26 | The Cleveland Clinic Foundation | Augmented reconstrution for computed tomography |
| US20150272527A1 (en) * | 2014-03-31 | 2015-10-01 | General Electric Company | Generation of monochromatic images |
| CN106999122A (zh) * | 2014-08-15 | 2017-08-01 | 牛津大学创新有限公司 | 血管周围组织表征方法 |
| CN107077748A (zh) * | 2014-10-20 | 2017-08-18 | 皇家飞利浦有限公司 | 针对谱图像迭代重建的开始图像 |
| WO2016171570A1 (en) * | 2015-04-20 | 2016-10-27 | Mars Bioimaging Limited | Improving material identification using multi-energy ct image data |
| GB201620494D0 (en) * | 2016-12-02 | 2017-01-18 | Univ Oxford Innovation Ltd | Method |
Non-Patent Citations (1)
| Title |
|---|
| "Quantitative material characterization from multi-energy photon counting CT", 《MEDICAL PHYSICS》, pages 1 - 4 * |
Also Published As
| Publication number | Publication date |
|---|---|
| JP7442455B2 (ja) | 2024-03-04 |
| US11602321B2 (en) | 2023-03-14 |
| EP3776459A1 (en) | 2021-02-17 |
| JP2021519124A (ja) | 2021-08-10 |
| WO2019185457A1 (en) | 2019-10-03 |
| US20210007698A1 (en) | 2021-01-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10147168B2 (en) | Spectral CT | |
| US10970836B2 (en) | Spectral image data processing | |
| US11257261B2 (en) | Computed tomography visualization adjustment | |
| CN105793894B (zh) | 根据图像数据来进行骨骼分割 | |
| US10074190B2 (en) | Texture analysis map for image data | |
| EP3250127B1 (en) | Method for generating contrast agent concentration map | |
| US20220101617A1 (en) | 3-d virtual endoscopy rendering | |
| JP7442455B2 (ja) | 分光イメージングデータからの分光炎症マップ | |
| WO2016097981A1 (en) | Penalized maximum likelihood material decomposition | |
| US20230334732A1 (en) | Image rendering method for tomographic image data | |
| CN115428025A (zh) | 用于生成对象的增强图像的装置 | |
| EP3544511B1 (en) | System and method for quantifying luminal stenosis using multi-energy computed tomography imaging | |
| US20150170358A1 (en) | Image reconstruction in interleaved multi-energy imaging | |
| CN111201452A (zh) | 体积图像数据的材料选择性自适应混合 | |
| CN116172594B (zh) | 用于生成患者的结果图像数据集的方法及装置 | |
| JPWO2019185457A5 (zh) |
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 |