CN1739453A - 用于肺灌注或密度的3d显示及其统计分析的***和方法 - Google Patents
用于肺灌注或密度的3d显示及其统计分析的***和方法 Download PDFInfo
- Publication number
- CN1739453A CN1739453A CNA2005100911547A CN200510091154A CN1739453A CN 1739453 A CN1739453 A CN 1739453A CN A2005100911547 A CNA2005100911547 A CN A2005100911547A CN 200510091154 A CN200510091154 A CN 200510091154A CN 1739453 A CN1739453 A CN 1739453A
- Authority
- CN
- China
- Prior art keywords
- lung
- perfusion
- parenchyma
- cut apart
- view data
- 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
Images
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明提供了用于一对肺的3D显示的***和方法。该方法包括:对该对肺和肺薄壁组织的图像数据进行分割(220);产生作为所分割的图像数据的函数的3D图(230);和作为彩色编码半透明3D体积再现所述3D图(240),其中不透明区域加亮感兴趣区域。
Description
本申请要求于2004年8月10日提交的美国临时申请No.60/600,257的权益,该申请的副本在此被引入以作参考。
技术领域
本发明涉及医学图像分析,尤其涉及用于肺灌注或密度的三维(3D)显示的***和方法以及分析患者中的肺灌注或密度分布以用于诊断的方法。
背景技术
当来自深静脉血栓形成(DVT)的一块血凝块脱落和移动到肺中的动脉并且在那里堵塞动脉、损害肺并对心脏产生压力时,发生肺栓塞。该短期并发症潜在地危险生命并且在具有急性DVT现象的患者中发生率大约为百分之十。由于大多数栓塞发生时没有症状,因此它可能甚至比通常所认识到的更普通。
大多数人能从DVT和肺栓塞完全恢复。然而,大的肺栓塞几乎能够阻塞流向肺部的所有血流并且导致猝死。另外,肺栓塞能够对心脏产生严重的压力。继缺血性心脏病和中风之后,肺栓塞是心脏病导致死亡的第三主要原因。然而它可能是在医院中最普遍可预防的死亡原因。
若已知肺栓塞的性质,及时诊断是关键的。然而,评估栓子如何影响肺中的血流也是重要的。近来,对于根据高分辨率计算机断层血管造影术(CTA)来检测肺栓子的自动方法的研究兴趣日益增长。另外,已经对用于显示和评估由肺栓塞引起的灌注缺乏的程度和位置的方法产生了兴趣。这种技术利用多片层计算机断层成像(CT)机,该多片层计算机断层成像机常规地为每个患者产生600或600以上的二维(2D)片层以识别分割的或次分割的栓子。然而,这会耗时并且本身不会导致肺灌注的立即显示。
然而,近来研究人员已提出了一种施用静脉内造影剂之后薄壁组织内肺灌注的2D显示的实验方法。该方法产生覆盖在原始CT图像上的彩色编码薄壁组织灌注的2D显示。尽管该信息传达了一些有用的信息,但是难以跟踪异常灌注的区域。而且,如果存在邻近这样的区域的肺栓子,那么跟踪它相对于该区域的位置是很困难的。
因此,需要一种观察3D图以便加亮薄壁组织内减小的或异常的灌注区域或异常区域、从而能够识别肺栓子或其它异常的技术,并且需要一种用于分析这样的数据以进行诊断的技术。
发明内容
通过提供用于肺灌注或密度的3D显示的***和方法并且通过提供用于分析患者中的肺灌注或密度分布以用于诊断的方法,本发明克服了在已知教导中所遇到的前述和其它的问题,其中所述3D显示允许医生在单个视图中检查整个肺体积。
在本发明的一个实施例中,用于一对肺的3D显示的方法包括:对该对肺和肺薄壁组织的图像数据进行分割;产生作为分割后的图像数据的函数的3D图;和作为彩色编码半透明3D体积再现所述3D图,其中不透明区域加亮了感兴趣区域。
所述3D图是灌注图或密度图中的一个并且可以通过自适应平滑或纹理过滤中的一个被计算。所述感兴趣区域指示具有异常灌注或密度的区域。所述具有异常灌注的区域是由于栓子。
所述方法进一步包括:产生所再现的3D图的直方图;确定所述直方图表示栓子的存在是阳性还是阴性的;和将栓子归类为急性或慢性中的一种。
在本发明的另一个实施例中,用于肺灌注的3D显示的方法包括:对肺薄壁组织的图像数据进行分割;产生分割后的图像数据的灌注图;和作为彩色编码半透明3D体积再现所述灌注图,其中不透明的灌注区域是可见的。
产生分割后的图像数据的灌注图的步骤包括:对肺薄壁组织进行分割;执行局部平滑;和确定肺薄壁组织的局部邻域平均密度。对肺薄壁组织进行分割的步骤包括:从胸廓体积分割该对肺的体积;识别所分割的肺体积中的气道和血管;和通过从所分割的肺体积去除所述气道和血管结构而产生所述肺薄壁组织的掩图(mask)。
执行局部平滑的步骤包括:移动所述图像数据;用所述薄壁组织掩图掩蔽所移动的图像数据以获得薄壁组织图像;对所述薄壁组织掩图和图像执行高斯平滑以获得平滑的薄壁组织掩图和图像;用所述薄壁组织掩图掩蔽所述平滑的薄壁组织图像;均衡所掩蔽的平滑的薄壁组织图像;和移动所均衡的图像以产生所述灌注图。
可见的灌注区域指示肺栓子或弥散性肺病中的一种。所述图像数据通过使用CT、螺旋CT或MR成像技术中的一个而获得。该方法进一步包括调节彩色图以观察感兴趣的高密度区域。所述可见的灌注区域是低灌注、高灌注或异常灌注中的一种。
在本发明的又一个实施例中,用于一对肺的3D显示的***包括:用于存储程序的存储设备;与所述存储设备通信的处理器,所述处理器可与所述程序一起操作以:对该对肺和肺薄壁组织的图像数据进行分割;产生作为所分割的图像数据的函数的3D图;和作为彩色编码半透明3D体积再现所述3D图,其中不透明区域加亮了感兴趣区域。
所述3D图是灌注图或密度图中的一个并且可以通过自适应平滑或纹理过滤中的一个被计算。所述感兴趣区域指示具有异常灌注或密度的区域。所述具有异常灌注的区域是由于栓子。
所述处理器可进一步与程序代码一起操作以:产生所再现的3D图的直方图;确定所述直方图表示栓子的存在是阳性还是阴性的;和将栓子归类为急性或慢性中的一种。
在本发明的另一个实施例中,用于肺灌注的3D显示的***包括:用于存储程序的存储设备;与所述存储设备通信的处理器,所述处理器可与所述程序一起运行以:对肺薄壁组织的图像数据进行分割;产生所分割的图像数据的灌注图;和作为彩色编码半透明3D体积再现所述灌注图,其中不透明的灌注区域是可见的。
当产生所分割的图像数据的灌注图时所述处理器可进一步与所述程序代码一起运行以:对肺薄壁组织进行分割;执行局部平滑;和确定肺薄壁组织的局部邻域平均密度。当对肺薄壁组织进行分割时所述处理器可进一步与所述程序代码一起运行以:从胸廓体积分割该对肺的体积;识别所分割的肺体积中的气道和血管;和通过从所分割的肺体积去除所述气道和血管结构而产生所述肺薄壁组织的掩图。
当执行局部平滑时所述处理器可进一步与所述程序代码一起运行以:移动所述图像数据;用所述薄壁组织掩图掩蔽所移动的图像数据以获得薄壁组织图像;对所述薄壁组织掩图和图像执行高斯平滑以获得平滑的薄壁组织掩图和图像;用所述薄壁组织掩图掩蔽所述平滑的薄壁组织图像;均衡所掩蔽的平滑的薄壁组织图像;和移动所均衡的图像以产生所述灌注图。
所述可见的灌注区域指示肺栓子或弥散性肺病中的一种。所述图像数据通过使用CT、螺旋CT或MR成像设备中的一个而获得。所述处理器可进一步与所述程序代码一起运行以调节彩色图从而观察感兴趣的高密度区域。所述可见的灌注区域是低灌注、高灌注或异常灌注中的一种。
前述的特征属于代表性的实施例并且是为了帮助理解本发明而提出的。应当理解,它们并不意味着被看作是对由权利要求所限定的本发明的限制,或者对权利要求的等价物的限制。因此,特征的总结不应当被看作为在确定等价物时是决定性的。本发明的另外特征在下面的描述中以及从附图和权利要求将变得显而易见。
附图说明
图1是根据本发明的一个典型实施例的、用于肺灌注或密度的3D显示的***的方块图;
图2是说明根据本发明的一个典型实施例的、用于肺灌注或密度的3D显示的方法的流程图;
图3是说明根据本发明的一个典型实施例的、灌注再现和CT数据片层以及没有再现的该CT数据片层的一对图像;
图4是说明根据本发明的一个典型实施例的、用3D再现的图3的片层的灌注图和没有再现的图3的片层的灌注图的一对图像;
图5是说明根据本发明的一个典型实施例的、肺栓塞为阴性的患者和肺栓塞为阳性的患者的灌注图的3D显示的一对图像;
图6是说明根据本发明的一个典型实施例的、用于平滑肺薄壁组织以产生灌注图的方法的流程图;
图7是说明根据本发明的一个典型实施例的、用于分析肺灌注或密度的方法的流程图;
图8是说明根据本发明的一个典型实施例的、用于肺灌注显示的彩色图的图表;
图9是说明根据本发明的一个典型实施例的、用于肺灌注显示和用于肺灌注显示和水肿的不透明度图的一对图表;
图10是说明根据本发明的一个典型实施例的、肺栓塞为阴性的患者和肺栓塞为阳性的患者的灌注图的直方图的一对图表;
图11是说明根据本发明的一个典型实施例的、具有慢性肺栓塞的患者和具有积液肺的患者的灌注图的直方图的一对图表;
图12是说明根据本发明的一个典型实施例的、与用于将患者分为某些疾病类型的许多患者的灌注图的方差相关的、直方图最大值的Hounsfeld(HU)值的散布图。
具体实施方式
图1是根据本发明的一个典型实施例的、用于肺灌注或密度的3D显示的***100的方块图。如图1所示,其中***100包括扫描设备105、个人计算机(PC)110和例如连接在以太网120上的操作者控制台115。扫描设备105可以是磁共振(MR)成像设备,CT成像设备,螺旋CT设备,正电子发射断层扫描(PET)设备,2D或3D荧光成像设备,2D、3D或四维(4D)超声成像设备,或X射线设备。扫描设备105也可以是能够实现CT、MR、PET或其它成像技术的混合成像设备。
PC 110可以是工作站、便携式或膝上型计算机、个人数字助理(PDA)等,其包括连接到输入设备150和输出设备155上的中央处理单元(CPU)125和存储器130。CPU 125包括显示模块145,该显示模块包括一种或多种用于肺灌注或密度的3D显示的方法。
存储器130包括随机存取存储器(RAM)135和只读存储器(ROM)140。存储器130也可以包括数据库、磁盘驱动器、磁带驱动器等或其组合。RAM 135起到存储在CPU 125中的程序运行期间所使用的数据的数据存储器的作用并且被用作工作区。ROM 140起到存储在CPU 125中运行的程序的程序存储器的作用。输入设备150由键盘,鼠标等组成,输出设备155由液晶显示器(LCD)、阴极射线管(CRT)显示器或打印机组成。
从操作者控制台115控制***100的操作,操作者控制台包括例如键盘的控制器165和例如CRT显示器的显示器160。操作者控制台115与PC 110和扫描设备105通信,以便由扫描设备105收集的2D图像数据可以由PC 110译成3D数据并且在显示器160上被查看。应当理解,PC 110可以被设置成在不存在操作者控制台115的情况下例如使用输入150和输出155设备来操作和显示由扫描设备105提供的信息,以实施由控制器165和显示器160执行的某些任务。
操作者控制台115进一步包括能够处理所获取的图像数据集(或其部分)的数字图像数据以在显示器160上产生和显示2D和/或3D图像的任何合适的图像再现***/工具/应用程序。更具体而言,图像再现***可以是提供医学图像数据的2D/3D再现和显示的应用程序,该应用程序在通用或专用计算机工作站上运行。而且,图像再现***能够使用户在3D图像或多个2D图像片层上进行导航。PC 110也可以包括用于处理所获取的图像数据集的数字图像数据以产生和显示2D和/或3D图像的图像再现***/工具/应用程序。
如图1所示,显示模块145也可以由PC 110使用以接收和处理数字医学图像数据,如上所述,该数字医学图像数据的形式可以是原始图像数据,2D重建数据(例如,轴向片层),或3D重建数据,例如体积图像数据或多平面重定格式,或这样的格式的任何组合。数据处理结果可以从PC 110经网络120输出到操作者控制台115中的图像再现***,以根据所述数据处理结果、例如器官或解剖结构的分割,彩色或密度变化等等产生图像数据的2D和/或3D再现。
图2是显示根据本发明的一个典型实施例的、用于肺灌注或密度的3 D显示的方法的操作的流程图。如图2所示,CT图像数据从患者内部的一对肺获得(210)。这通过使用扫描设备105来实现,在该例子中扫描设备为CT扫描仪,并且在操作者控制台115操作该扫描设备105,以扫描患者肺,由此产生与肺相关的一系列2D图像片层。肺的2D图像片层然后被组合以形成3D图像。除了肺之外,应当理解的是CT图像数据可以从腿、臂、脑或包含血管的其它身体部分中的任何一处获得。此外,根据本发明可以使用其它类型的数据,例如MR图像数据。
当CT图像数据被获取之后,该对肺中的薄壁组织的图像数据被分割(220)。可以使用传统的分割技术、诸如检测要分割的对象的边缘或轮廓的分割技术或区分周围图像的不同区域以识别所分割的图像的分段技术来分割薄壁组织的图像数据。一旦图像数据已被分割,产生所分割的图像数据的灌注图(230)。
然而应当理解的是,除了在该步骤中产生灌注图之外,所分割的图像数据内的图像数据的函数可以被获得。该函数可以是用于基于所分割的区域的局部信息来输出数字值的任何函数。例如,诸如加博(Gabor)过滤器这样的为特殊纹理提供高响应值的过滤器可以被用于产生加亮特殊纹理的图。另外,该图可以通过例如组合灌注图和纹理过滤器的输出以产生新的制图的这种函数的结合而产生。
灌注图通过使用平均算子执行所分割的图像的自适应平滑而产生。然后灌注图作为彩色编码半透明3D体积被再现(240)。这样的一个例子如图3的图像(a)所示。如图3所示,图像(a)是具有覆盖的灌注显示的CT数据的原始片层。如图像(a)所示,球形310a表示肺栓子的位置,蓝色不透明斑块320表示薄壁组织中的低灌注区域,绿色半透明斑块330表示平均灌注区域,以及红色透明斑块340表示高灌注区域。换句话说,斑块320表示缺少血流的区域,斑块330表示具有健康或正常灌注的区域,而斑块340表示具有增加的密度或异常高灌注的区域。
如图3进一步所示,图像(b)是不具有灌注再现的CT数据的原始片层。换句话说,图像(b)是带有医生标记的肺栓子位置310b的体积范围中CT数据的原始片层。所标记的肺栓子位置310b也可以通过肺栓子检测算法获得。将在下面讨论的图3和图4的视图可由医生通过从工作站或操作者控制台115在原始数据和彩色编码数据之间简单切换而获得。
图4的图像(a)显示了带有覆盖的3D灌注图的灌注图的2D视图。另外,图4的图像(b)是3D再现被关闭的图像(a)的视图,从而实现灌注图的2D侧视图。从图3和4的图像的回顾可以发现,无论从哪个视角,具有最低灌注的肺的区域是最不透明的并且最可见的。
因此,医生可以快速地识别出例如如图5的图像(a)和(b)所示的肺中具有低灌注的可疑区域(例如,受肺栓子影响的区域)。如图5所示,图像(a)是患者的CTA的灌注图的3D显示,如由表示均匀灌注的斑块510所指示,因此该患者肺栓塞的结果为阴性。图像(b)是患者的CTA的灌注图的3D显示,如由表示低灌注的不透明斑块520、表示高灌注的透明斑块530和由医生所标记的肺栓子540所指示,该患者肺栓塞的结果为阳性。
现在将更详细地论述灌注图计算。更具体而言,通过确定肺薄壁组织的局部邻域平均密度来计算灌注图。这通过首先分割肺薄壁组织、然后执行局部平滑来实现。
肺薄壁组织的分割由三个步骤组成:从胸廓体积分割肺体积;识别气道和血管;以及通过从所述分割去除所述气道和血管结构来产生所述薄壁组织的掩图。肺体积分割可以通过使用高阀值区域生长来实现,该高阀值区域生长开始于气管中的一个种子点,之后进行形态闭合(morphological closing)。然后可以使用基本阀值来识别所分割的肺体积内的空气和血液体元。例如,可以使用用于空气的-990HU的上阀值和用于血液的-330HU的下阀值。应当理解的是,可以利用另外的用于识别气道和血管树的分割方法,由于之后将典型地跟随平滑步骤,因此精确分割完全没有必要。
一旦薄壁组织掩图是可用的,就对落在该掩图中的原始CT体积部分进行自适应平滑。应当理解的是,可以使用任何平滑/平均算子,只要减去的空气/血液体元没有平均到平滑的薄壁组织内。在下面描述的例子中3D高斯核被用作平滑算子。
用于平滑肺薄壁组织以产生灌注图的典型步骤在图6中示出并且在下面进行描述。首先,将原始CT体积向上移动1024HU,从而-1024HU变成为零(605)。然后,用薄壁组织掩图(610)掩蔽移动后的CT体积(615)以获得移动后的薄壁组织图像,其中该图像中落在所述掩图之外的所有区域被设为零,同时所有其它区域保持它们的移动后的值(620)。然后对移动后的薄壁组织图像和薄壁组织掩图执行高斯平滑以产生平滑的薄壁组织图像(625)和平滑的薄壁组织掩图(630)。
平滑的薄壁组织掩图包含与原始薄壁组织掩图的二进制值相对的分数值。所述分数值限定了与掩图外的体元相比从掩图内的体元获得特定体元平滑值的百分比。然后通过每个非零元素除以平滑的薄壁组织掩图中的相应元素值来均衡(635)平滑的薄壁组织掩图,以产生包含仅从带有掩图的那些获得的体元值的图像。产生的图像然后用原始薄壁组织掩图来掩蔽,并且向下移动1024HU,以便元素值再次对应于HU标度(640)。
除了能够使医生识别具有低灌注的可疑区域之外,所述灌注图或多个灌注图的直方图可被用于确定患者的肺栓子的存在是阳性还是阴性的,并且帮助分类存在哪种类型的肺栓子和患者是否具有其它状况、例如水肿或肺炎。图7是说明根据本发明的一个典型实施例的、这样一种用于分析肺灌注的方法的流程图。
如图7所示,在根据上述的技术产生灌注图之后(710),产生一个或多个患者的多种直方图(720)。在产生和分析所述直方图之前,彩色图被用于给所再现的灌注图的值着色。典型的彩色图在图8中示出。根据图8所示的冷到热彩色(cold-to-hot color)方案,正常的灌注用绿色表示,减小的灌注用蓝色表示,高灌注用红色表示。-800HU的中心值被显示并且在该例子中被选择成在患者间可比性之间作出妥协和利用可用的患者内彩色图。
应当理解的是,彩色图可以被交互式地平移并被选择成例如具有100HU宽度或诸如中心为-900HU的变化的窗口设置以在低灌注区域之间进行区别,或者中心为-600HU的变化的窗口设置以在高灌注区域之间进行区别。此外,中心和窗口值可以基于从直方图分析导出的值进行适应性设置。
使用由彩色图限定的设置,能够产生灌注图的分段线性不透明度图。典型的分段线性不透明度图在图9的图表(a)中示出。如图表(a)所示,所示的具有减小的灌注的区域基本上比薄壁组织的其它部分具有更高的不透明度。换句话说,从大约-1000HU到稍高于-900HU的区域在3D灌注再现图像中非常不透明。应当理解的是,该制图可以由医生交互式地进行调整。
作为替代方案,可以产生加亮具有减小的灌注的区域和加亮具有异常高密度或灌注的薄壁组织区域的不透明度图。这样的不透明度图的例子在图9的图表(b)中示出。由于具有极高的灌注的区域是不透明的并且它们常常表示诸如肺中存在压力的问题区域,因此可以产生该图。也应当理解的是,由于体积再现被用于再现灌注图,因此不透明度和彩色值可以立即被调整。此外,任何手动或自动技术可被用于确定这些值。
在产生不透明度图之后,然后可以产生和分析灌注图的直方图。在分析直方图时,肺栓子为阴性的患者趋向于具有这样的薄壁组织亮度分布,该薄壁组织亮度分布大部分是对称的并具有低展宽(spread),并且因此可以由它们的二和三阶矩(moment)来表征。另外,肺栓子阴性直方图的最大值典型地位于有限的HU范围内。肺栓子为阴性的患者的示例直方图在图10的图表(a)中示出。
在进一步分析直方图和/或从其中提取统计数字时,可以区别急性和慢性肺栓子。因为后者的灌注分布极不对称并且由于马赛克征象(mosaic attenuation)的特征图案而具有大展宽,因此这是可能的。为了说明这一点,具有急性肺栓塞、慢性肺栓塞和带有水肿或肺炎的肺栓塞的患者的示例直方图分别在图10的图表(b)和图11的图表(a)和(b)中示出。
使用上述数据,可以彼此区分阳性和阴性肺栓塞病例(730)并且可以识别诸如水肿、急性和慢性肺栓塞这样的状况(740)。可以如何识别诸如水肿、急性和慢性肺栓塞这样的状况的例子由图12的散布图示出。该散布图是通过使直方图最大值的HU值与每个患者的灌注图的方差相关而产生的。特别地,图12显示了被认为可能具有肺栓塞的19个患者的散布图,这些患者在施用了IV造影剂之后通过CT来评价。CT数据集由有经验的胸放射科医生来评定。
如图12所示,17个患者被诊断为具有多个肺栓子,而两个患者为肺栓子阴性。具有多个肺栓子的患者具有2-28个栓子并且每个患者平均具有13个栓子。如图所示,例如通过图12中的图注,三个患者被诊断为具有慢性肺栓塞;然而,这些患者中仅有两个具有因与慢性肺栓塞相关的长期灌注缺乏引起的马赛克征象。如图12中的图注所进一步指示的,患者可以被分为四组:肺栓塞(PE)阴性;PE阳性急性;PE阳性慢性;和PE阳性并且带有其它肺病。图10和11的直方图对应于这四组,并且对其的分析使患者能够因此被分类。
根据本发明的一个典型实施例,薄壁组织的灌注图作为彩色编码半透明3D体积被再现,其中具有异常减小的灌注的区域被相对不透明地再现。这便于不依赖于观察位置和方向而快速识别出具有异常肺灌注的可疑区域。此外,通过从灌注图提取统计特征,这些特征可被用于区分具有肺栓塞的患者和没有肺栓塞的患者。例如,通过识别通常由慢性肺栓塞引起的马赛克征象,慢性肺栓塞可以与急性肺栓塞相区别。而且,由于这些特征可被用于区分肺灌注或密度的异常,因此它们可被用于识别患者是否具有其它状况,例如肺炎或其它类型的弥散性肺病。
应当进一步理解的是,本发明可以用各种形式的硬件、软件、固件、专用处理器或其组合来实现。在一个实施例中,本发明可以用作为确实被包含在程序存储设备(例如,磁软盘,RAM,CD ROM,DVD,ROM,和闪存)中的应用程序的软件来实现。该应用程序可以上载到包括任何合适结构的机器并且由其执行。
应当进一步理解的是,由于在附图中描述的一些***组成部件和方法步骤可以用软件实现,因此***部件(或方法步骤)之间的实际连接可以取决于本发明被编程的方式而有所不同。若给出这里提供的本发明的教导,本领域的普通技术人员将能够设想本发明的这些和类似的实施方案或构造。
也应当理解,上面的描述仅仅代表示意性的实施例。为了方便读者,上面的描述集中在可行实施例的代表性例子上,该例子说明了本发明的原理。所述描述并非试图无遗漏地列举所有可能的变型方案。替代实施例并不是针对本发明的特门部分而提出的,或者还未描述的其它替代方案可以用于一部分,并不被认为是那些替代实施例的否定。在不脱落本发明的精神和范围的情况下可以实现其它的应用和实施例。
由于能够产生上述的多种排列组合和上述的包含非创造性替代方案的实施,因此意味着本发明并不限于具体描述的实施例,而是本发明将根据随后的权利要求被限定。可以理解的是,那些未描述的实施例中的许多都在下面的权利要求的文字范围内,并且其它是等价的。
Claims (29)
1.用于一对肺的3D显示的方法,包括:
对该对肺和肺薄壁组织的图像数据进行分割;
产生作为所分割的图像数据的函数的3D图;和
作为彩色编码半透明3D体积再现所述3D图,其中不透明区域加亮感兴趣区域。
2.根据权利要求1所述的方法,其中所述3D图是灌注图或密度图中的一种。
3.根据权利要求1所述的方法,其中所述3D图通过自适应平滑或纹理过滤中的一个产生。
4.根据权利要求1所述的方法,其中所述感兴趣区域指示具有异常灌注或密度的区域。
5.根据权利要求4所述的方法,其中所述具有异常灌注的区域是由于栓子。
6.根据权利要求1所述的方法,进一步包括:
产生所再现的3D图的直方图;和
确定所述直方图表示栓子的存在是阳性还是阴性。
7.根据权利要求6所述的方法,进一步包括:
将栓子归类为急性或慢性中的一种。
8.用于肺灌注的3D显示的方法,包括:
对肺薄壁组织的图像数据进行分割;
产生所分割的图像数据的灌注图;和
作为彩色编码半透明3D体积再现所述灌注图,其中不透明的灌注区域是可见的。
9.根据权利要求8所述的方法,其中产生所分割的图像数据的灌注图的步骤包括:
对肺薄壁组织进行分割;
执行局部平滑;和
确定肺薄壁组织的局部邻域平均密度。
10.根据权利要求9所述的方法,其中对肺薄壁组织进行分割的步骤包括:
从胸廓体积分割该对肺的体积;
识别所分割的肺体积中的气道和血管;和
通过从所分割的肺体积中去除所述气道和血管结构而产生所述肺薄壁组织的掩图。
11.根据权利要求10所述的方法,其中执行局部平滑的步骤包括:
移动所述图像数据;
用所述薄壁组织掩图掩蔽移动后的图像数据以获得薄壁组织图像;
对所述薄壁组织掩图和图像执行高斯平滑以获得平滑的薄壁组织掩图和图像;
用所述薄壁组织掩图掩蔽所述平滑的薄壁组织图像;
均衡所掩蔽的平滑的薄壁组织图像;和
移动所均衡的图像以产生所述灌注图。
12.根据权利要求8所述的方法,其中可见的灌注区域指示肺栓子或弥散性肺病中的一种。
13.根据权利要求8所述的方法,其中所述图像数据通过使用CT、螺旋CT或MR成像技术中的一个来获得。
14.根据权利要求8所述的方法,进一步包括:
调节彩色图以观察感兴趣的高密度区域。
15.根据权利要求8所述的方法,其中可见的灌注区域是低灌注、高灌注或异常灌注中的一种。
16.用于一对肺的3D显示的***,包括:
用于存储程序的存储设备;
与所述存储设备通信的处理器,所述处理器可与所述程序一起操作以:
对该对肺和肺薄壁组织的图像数据进行分割;
产生作为所分割的图像数据的函数的3D图;和
作为彩色编码半透明3D体积再现所述3D图,其中不透明区域加亮感兴趣区域。
17.根据权利要求16所述的***,其中所述3D图是灌注图或密度图中的一个。
18.根据权利要求16所述的***,其中所述感兴趣区域指示具有异常灌注或密度的区域。
19.根据权利要求18所述的***,其中所述具有异常灌注的区域是由于栓子。
20.根据权利要求16所述的***,其中所述处理器可进一步与所述程序代码一起操作以:
产生所再现的3D图的直方图;和
确定所述直方图表示栓子的存在是阳性还是阴性。
21.根据权利要求20所述的***,其中所述处理器可进一步与所述程序代码一起操作以:
将栓子归类为急性或慢性中的一种。
22.用于肺灌注的3D显示的***,包括:
用于存储程序的存储设备;
与所述存储设备通信的处理器,所述处理器可与所述程序一起操作以:
对肺薄壁组织的图像数据进行分割;
产生所分割的图像数据的灌注图;和
作为彩色编码半透明3D体积再现所述灌注图,其中不透明的灌注区域是可见的。
23.根据权利要求22所述的***,其中当产生所分割的图像数据的灌注图时所述处理器可进一步与所述程序代码一起操作以:
对肺薄壁组织进行分割;
执行局部平滑;和
确定肺薄壁组织的局部邻域平均密度。
24.根据权利要求23所述的***,其中当对肺薄壁组织进行分割时所述处理器可进一步与所述程序代码一起操作以:
从胸廓体积分割该对肺的体积;
识别所分割的肺体积中的气道和血管;和
通过从所分割的肺体积中去除所述气道和血管结构而产生所述肺薄壁组织的掩图。
25.根据权利要求24所述的***,其中当执行局部平滑时所述处理器可进一步与所述程序代码一起操作以:
移动所述图像数据;
用所述薄壁组织掩图掩蔽移动后的图像数据以获得薄壁组织图像;
对所述薄壁组织掩图和图像执行高斯平滑以获得平滑的薄壁组织掩图和图像;
用所述薄壁组织掩图掩蔽所述平滑的薄壁组织图像;
均衡所掩蔽的平滑的薄壁组织图像;和
移动所均衡的图像以产生所述灌注图。
26.根据权利要求22所述的***,其中可见的灌注区域指示肺栓子或弥散性肺病中的一种。
27.根据权利要求22所述的***,其中所述图像数据通过使用CT、螺旋CT或MR成像设备中的一个来获得。
28.根据权利要求22所述的***,其中所述处理器可进一步与所述程序代码操作以:
调节彩色图从而观察感兴趣的高密度区域。
29.根据权利要求22所述的***,其中所述可见的灌注区域是低灌注、高灌注或异常灌注中的一种。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US60025704P | 2004-08-10 | 2004-08-10 | |
US60/600257 | 2004-08-10 | ||
US11/182,913 | 2005-07-15 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN1739453A true CN1739453A (zh) | 2006-03-01 |
Family
ID=36092085
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNA2005100911547A Pending CN1739453A (zh) | 2004-08-10 | 2005-08-10 | 用于肺灌注或密度的3d显示及其统计分析的***和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN1739453A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101541242B (zh) * | 2006-11-30 | 2012-06-13 | 皇家飞利浦电子股份有限公司 | 对脉管结构进行显像 |
CN111358484A (zh) * | 2020-03-23 | 2020-07-03 | 广州医科大学附属第一医院(广州呼吸中心) | 核医学肺灌注显像定量分析方法、分析设备及存储介质 |
CN113469934A (zh) * | 2020-03-31 | 2021-10-01 | 西门子医疗有限公司 | 根据胸部ct图像对与疾病相关联的异常区域的评估 |
-
2005
- 2005-08-10 CN CNA2005100911547A patent/CN1739453A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101541242B (zh) * | 2006-11-30 | 2012-06-13 | 皇家飞利浦电子股份有限公司 | 对脉管结构进行显像 |
CN111358484A (zh) * | 2020-03-23 | 2020-07-03 | 广州医科大学附属第一医院(广州呼吸中心) | 核医学肺灌注显像定量分析方法、分析设备及存储介质 |
CN111358484B (zh) * | 2020-03-23 | 2021-12-24 | 广州医科大学附属第一医院(广州呼吸中心) | 核医学肺灌注显像定量分析方法、分析设备及存储介质 |
CN113469934A (zh) * | 2020-03-31 | 2021-10-01 | 西门子医疗有限公司 | 根据胸部ct图像对与疾病相关联的异常区域的评估 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7715608B2 (en) | System and method for 3D visualization of lung perfusion or density and statistical analysis thereof | |
CN1127700C (zh) | 通过消除主结构增强数据显象能力 | |
Eltonsy et al. | A concentric morphology model for the detection of masses in mammography | |
Betal et al. | Segmentation and numerical analysis of microcalcifications on mammograms using mathematical morphology. | |
US10339648B2 (en) | Quantitative predictors of tumor severity | |
JP5814504B2 (ja) | 統計モデルを用いた医療画像自動セグメンテーションシステム、装置並びにプロセッサ | |
CN101036165A (zh) | 用于树模型显像以检测肺栓塞的***和方法 | |
DE102005036412B4 (de) | Verbesserte GGN-Segmentierung in Lungenaufnahmen für Genauigkeit und Konsistenz | |
CN105719324A (zh) | 图像处理装置以及图像处理方法 | |
CN1818972A (zh) | 剪接医学图像数据集的***和方法 | |
DE102004055767A1 (de) | Verfahren und Vorrichtung zum Verarbeiten von Bilddaten, um die Erfassung einer Erkrankung zu untersützen | |
JP2008515466A (ja) | 対象物のクラスの画像表現を識別する方法及びシステム | |
JP2011514822A (ja) | Ctスキャンデータをセグメント化する方法とシステム | |
CN1656499A (zh) | 使用车轮投影分析的肺结节检测 | |
JP2021073550A (ja) | 画像の閲覧を支援する方法およびこれを利用した装置 | |
Mabrouk et al. | Computer aided detection of large lung nodules using chest computer tomography images | |
Yeshua et al. | Deep learning for detection and 3D segmentation of maxillofacial bone lesions in cone beam CT | |
CN117727441A (zh) | 基于临床-融合影像计算机模型预测肺癌免疫疗效方法 | |
Heuberger et al. | Lung CT segmentation for image retrieval using the Insight Toolkit (ITK) | |
CN1739453A (zh) | 用于肺灌注或密度的3d显示及其统计分析的***和方法 | |
EP1668592A1 (en) | Method and system for ground glass nodule (ggn) segmentation with shape analysis | |
CA2531871C (en) | System and method for detecting a protrusion in a medical image | |
Xu et al. | Difficulty-aware bi-network with spatial attention constrained graph for axillary lymph node segmentation | |
Bellotti et al. | The MAGIC-5 project: Medical applications on a grid infrastructure connection | |
Le | Automated detection of early lung cancer and tuberculosis based on X-ray image analysis |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C41 | Transfer of patent application or patent right or utility model | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20061201 Address after: American Pennsylvania Applicant after: American Siemens Medical Solutions Inc. Address before: new jersey Applicant before: Siemens Corporate Research, Inc. |
|
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |