CN1918601A - 使结构化对象的图像对准的装置和方法 - Google Patents

使结构化对象的图像对准的装置和方法 Download PDF

Info

Publication number
CN1918601A
CN1918601A CNA2005800049337A CN200580004933A CN1918601A CN 1918601 A CN1918601 A CN 1918601A CN A2005800049337 A CNA2005800049337 A CN A2005800049337A CN 200580004933 A CN200580004933 A CN 200580004933A CN 1918601 A CN1918601 A CN 1918601A
Authority
CN
China
Prior art keywords
image
processing unit
data processing
various objects
aligning
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
Application number
CNA2005800049337A
Other languages
English (en)
Inventor
T·布拉费尔特
R·维姆克
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 CN1918601A publication Critical patent/CN1918601A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30061—Lung

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Image Processing (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本发明涉及一种将对象(例如患者的胸(2))的第一图像(A1)与第二存储图像(A2)进行对准的装置和方法。图像(A1，A2)例如可以由X射线CT***(1)生成并且用于肺部肿瘤的发展趋势控制。图像(A1，A2)被自动分割为各种对象构成(a，b，c)。随后具有与所考虑的任务有关的对象构成(b)的图像区域(B1，B2)被对准。例如在肺部肿瘤的发展趋势控制中，仅对准肺部区域(b)即可。

Description

使结构化对象的图像对准的装置和方法
技术领域
本发明涉及对准结构化对象的第一图像和第二图像，特别是对准用于肺部肿瘤发展趋势控制的图像的数据处理单元和方法。本发明进一步涉及包含这种类型的数据处理单元的检查装置。
背景技术
在医学图像处理中，不同时间或利用不同形态(modality)记录的两组数据量常常需要在空间上作坐标调整(“对准”)。以下借助这种情况的实例来描述对肺部肿瘤发展趋势控制，其中，所比较的是不同时间生成的一个患者的X射线或MNR图像。在相关的图像数据中，检测肺部中是否有节结或所谓的“圆形灶”(以下都称为小节结)，进行坐标调整并比较尺寸。各种图像的自动对齐或对准能使医生更好地完成这些工作。
为对齐图像，例如在刚性变换、仿射变换或非线性样条函数的形式下，通常在图像之间进行点对点成像。这类变化或“图像对准”的计算实质上是一种基于合适的相似度标准的优化过程。在确定变换形式之后，可以计算出重对齐或“重新格式化”的图像。此外还可以计算诸如小结之类的对象构成(object constitute)或结构的变换的位置。
在本文中，美国专利申请2003/0146913 A1描述了一种对准两个肺部图像的方法，其中用户首先以交互方式在第一图像中指示一个相关的基准点(例如肺部的节结)。随后在经过粗略的前置对准处理的图像中，计算出第二图像中与被指示的基准点相对应的位置，在此基础上，在所述位置附近寻找与基准点周围的局部范围(local volume)的对应程度最高的局部范围，这样的过程需要大量的计算能力。
发明内容
根据上述背景，本发明的一个目标是提供快速和精确地自动对准对象的图像的手段。
为解决该问题，采用了分别具有权利要求1或2特征的数据处理单元、具有权利要求8特征的检查装置和分别具有权利要求9或10特征的方法。有用的实施例在从属权利要求中加以描述。
按照第一方面，本发明涉及一种对准结构化对象的第一图像和第二图像的数据处理单元。结构化对象例如可以是患者的胸腔区域，诸如肺、心脏、骨髓、骨骼和肌肉组织之类的各种器官位于其中。例如在对肺部肿瘤的发展趋势进行控制的过程中，就需要对准两幅胸腔图像。所建立数据处理单元以执行下列步骤：
将第一和第二图像自动分割为各种对象构成。这种分割的合适方法可从出版物中获知。分水岭变换(watershed transformation)特别适合于本申请。
仅使两幅图像中与所选的相应对象构成相关的图像区域得到对准，所选对象单元应当与所考虑的任务有关。作为一条规则，数据处理单元的用户预先确定在给定情形下哪些对象构成是“有关的”。例如在肺部肿瘤发展趋势控制的应用中，肺是有关的对象构成。
上述数据处理单元的优点是可以全自动地对准图像，分割和使对准操作局限于有关的图像区域，因而就给定的任务而言允许精度非常高并且执行速度快。单个用户的动作并非总是有必要的。用户可仅仅决定与所考虑任务有关并需要对准的对象构成(例如通过选择专用程序模式)。
按照第二方面，本发明涉及一种对准结构化对象的第一图像和第二图像的数据处理单元，其被建立以执行下列步骤：
将所述图像自动分割为各种对象构成。
利用单独指定的对准方法对准各种对象构成的图像区域。可以根据对象构成的已知特征指定对准方法的优先级。例如部分软组织可借助仿射变换来对准，而部分硬组织(例如骨骼)可借助刚性变换对准。
数据处理单元的优点是在每种情况下可采用最适合于单个对象构成的对准方法。例如通过确保刚性对象构成不(不得)借助弹性变换处理，尽可能地减少了对准所需的资源和成本同时获得了更高的精确度。
数据处理单元优选地是将第一和第二方面的特征组合。也就是说，在自动分割之后，仅使所选对象构成的图像区域得到对准，并且利用单独指定的对准方法来处理各种对象构成。
本发明进一步优选的特征如下所述；这些可能涉及按照本发明两个方面的数据处理单元，但是为简单起见，这里仅采用术语“数据处理单元”。
建立数据处理单元可以用于对已分割的对象构成进行自动分类。胸部照片内不同的对象区域例如可以分为“肺部”、“心脏”、“骨骼”等。可选地，这种分类可基于图像区域的平均洪斯菲尔得(Hounsfield)值的计算。分类结果可以作为自动选择将被对准的相关图像区域和/或选择单独指定的对准方法的基础。
各种图像或图像区域的优选对准方式为，在多个分辨率水平上采用线性对准，在一个粗网格上采用刚性对准，随后在更精细的网格上采用仿射对准。粗网格上的对准相当于后续仿射对准的预备步骤，这样后者可以更快地获得精确的结果。随后，作为该过程的总体结果，可得两个图像或所选图像区域的仿射对准。
第一和/或第二图像可以特别是两维或三维的计算机层析图，其可以是X射线照片或磁共振图像。第一和第二图像可利用相同或不同的形态生成。
本发明进一步涉及一种检查装置，包含下列单元：
产生对象的图像的成像器件。例如可以是计算机层析X射线或磁共振***。
与所述成像器件耦合的上述类型的数据处理单元。这意味着数据处理单元被用于对准结构化对象的第一和第二图像并且被设置为首先将图像自动分割为各种对象构成。数据处理单元进一步能够对准所选对象构成的图像区域和/或能够利用各种对准方法来处理各种对象构成。
本发明进一步涉及一种对准结构化对象的第一图像和第二图像的方法，包含下列步骤：
将所述图像自动分割为各种对象构成。
对准所选的与给定任务有关的相应对象构成的图像区域。
本发明最后还涉及一种对准结构化对象的第一图像和第二图像的方法，包含下列步骤：
将所述图像自动分割为各种对象构成。
利用单独指定的对准方法对准各种对象构成的图像区域。
上述两种方法总体涉及的步骤可以由按照本发明第一和第二方面的数据处理单元执行。上面的描述因此也适用于对进一步的细节、优点和特征的阐释。
本发明的各个方面将通过以下参照实施例的阐释而变得显而易见。
附图简述
以下借助附图，以实例的方式描述本发明。单张附图示意性地表示按照本发明的检查***的单元。
具体实施方式
在图的左边是以X射线CT1表示的用于生成对象的两维或三维图像的成像器件。本申请基于对肺部肿瘤的发展趋势的控制。患者胸部区域2的图像由CT***1产生并且传送给相连的数据处理单元3。数据处理单元3通常配备有所需的部件，例如中央处理单元(CPU)、易失存储器(RAM)、永久性存储器(硬盘4、CD等)、与周边器件的接口等。这些硬件部件在图中未详细画出，而只是醒目地画出图像处理过程的主要顺序，该处理过程可以由采用合适程序的数据处理单元执行。
CT***1生成的图像特别是可以存储在数据处理单元3的永久性存储器4中。这样，由CT***1当前生成的图像A1可以与先前存储的图像A2进行比较，从而跟踪肺部肿瘤或肺部可疑节结(圆形灶)的发展变化(新出现、消失、大小变化等)。
为进行发展趋势控制，检查医生必须在旧图像A2和新图像A1上找到小结并且使它们的坐标正确地一致起来。但是由于患者***的变化以及器官位移和变形的结果，导致两张图像A1、A2通常出现几何差异(即不是一致的)，因而难以进行坐标对准。为此，需要一个自动对齐或对准两张图像A1、A2的预备步骤。一方面，这种对准应当尽可能快地完成，另一方面又必须在相关的肺部区域做到尽可能的精确。为此以下进一步详述该过程。
首先由数据处理单元3对待比较的图像A1和A2进行自动分割。术语“分割”通常描述为将图像点(像素或体元(voxel))指定给不同的类或对象构成。这种自动分割例如可以借助于将整个图像区域划分为各种图像区域或部分的分水岭变换实现。用于此目的的合适的算法可从公开出版物上获知(例如L.Vincent、P.Soille的“数字空间内的分水岭：一种基于浸入模拟的高效算法(Watersheds in DigitalSpaces：An Efficient Algorithm Based on ImmersionSimulations”，IEEE Trans.Pattern Anal.Machine Intell.，13(6)，583-598，1991)。所述图像区域随后可被自动分类和指定给各种对象构成，例如肌肉组织a、肺b、心脏c、骨骼、空腔等。这种类型的分类可基于图像区域的特征，特别是基于洪斯菲尔得值。
在这种分割和分类之后，建立起图像区域与对象构成a、b、c的关联。因此任何后续处理步骤都可局限于与所考虑的任务有关的对象构成。在肺部肿瘤的发展趋势控制中，有关的对象构成只有肺b。根据完整的图像A1、A2生成简化的图像B1、B2，其省略了所有不相关的对象构成a、c。随后可以利用常规的方法对简化为具有基本特征的图像B1、B2进行对准。由于仅局限于所选的图像区域，因此可以更快和以更高精确度对准有关的区域。由于可以采用更为简单的变换方法(例如线性方法代替样条)而在有关区域内精度保持恒定，因此进一步提高了处理速度。在对准之后，可以例如在监视器5上以紧邻方式或叠加方式显示图像(整幅图像或限于有关的图像区域)。
为了对准局部图像B1、B2，优选地采用基于多分辨率水平的快速方法。在第一步骤中，在一个粗分辨率网格上对准刚性体，随后在第二步骤中通过在更精细的分辨率网格上作仿射对准来进一步提高对准效果。该过程的总体结果是整个肺部腔体的仿射变换矩阵。
按照本方法进一步的特征，在分割过程中确定的各种对象构成a、b、c的图像区域可以用来将所述图像区域指定为所定义的组织类型。该信息随后可被用来对在局部确定的随组织特性(例如弹性)而变化的对准参数作单独定义。通过这种包括组织类型的对准，整个过程的精度得到了可观的提高。例如可借助于刚性对准来变换骨骼和可比较的体结构，而较软的组织需要更柔性的变换。

Claims (10)

1、一种对准对象(2)的第一图像(A1)和第二图像(A2)的数据处理单元(3)，所述数据处理单元(3)被设置为：
将所述图像(A1，A2)自动分割为各种对象构成(a，b，c)；
仅对准与预先确定的任务相关的所选对象构成(b)中的图像区域(B1，B2)。
2、一种对准对象(2)的第一图像(A1)和第二图像(A2)的数据处理单元(3)，特别是如权利要求1所述的数据处理单元(3)，其被设置为：
将所述图像(A1，A2)自动分割为各种对象构成(a，b，c)；
利用单独指定的对准方法对准各种对象构成(a，b，c)的图像区域(B1，B2)。
3、如权利要求1或2所述的数据处理单元，其特征在于，对所述分割的对象构成(a，b，c)进行自动分类。
4、如权利要求1或2所述的数据处理单元，其特征在于，在几个分辨率水平上采用线性对准，在粗网格上对刚性体对准，随后在更精细的网格上采用仿射对准。
5、如权利要求1或2所述的数据处理单元，其特征在于，所述第一图像(A1)和/或第二图像(A2)是两维或三维的计算机层析图，特别是X射线照片或磁共振图像。
6、如权利要求1或2所述的数据处理单元，其特征在于，所述对象为患者的胸(2)、与肿瘤诊断有关的所述对象构成的肺(b)。
7、如权利要求1或2所述的数据处理单元，其特征在于，利用分水岭变换实现所述分割。
8、一种检查装置，包含：
产生对象(2)的图像(A1，A2)的成像器件(1)；
如权利要求1-7中任意一项所述的数据处理单元(3)，与所述成像器件(1)耦合。
9、一种对准对象(2)的第一图像(A1)和第二图像(A2)的方法，包含下列步骤：
将所述图像(A1，A2)自动分割为各种对象构成(a，b，c)；
对准所选对象构成(b)的与预先设定的任务有关的图像区域(B1，B2)。
10、一种对准对象(2)的第一图像(A1)和第二图像(A2)的方法，包含下列步骤：
将所述图像(A1，A2)自动分割为各种对象构成(a，b，c)；
利用单独指定的对准方法对准各种对象构成(a，b，c)的图像区域(B1，B2)。
CNA2005800049337A 2004-02-13 2005-02-02 使结构化对象的图像对准的装置和方法 Pending CN1918601A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
EP04100580.2 2004-02-13
EP04100580 2004-02-13

Publications (1)

Publication Number Publication Date
CN1918601A true CN1918601A (zh) 2007-02-21

Family

ID=34854696

Family Applications (1)

Application Number Title Priority Date Filing Date
CNA2005800049337A Pending CN1918601A (zh) 2004-02-13 2005-02-02 使结构化对象的图像对准的装置和方法

Country Status (5)

Country Link
US (1) US20070160312A1 (zh)
EP (1) EP1716538A1 (zh)
JP (1) JP2007526033A (zh)
CN (1) CN1918601A (zh)
WO (1) WO2005078662A1 (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102436670A (zh) * 2010-09-29 2012-05-02 株式会社日立制作所 计算机***、以及位置对准方法
CN102682449A (zh) * 2012-04-25 2012-09-19 中国人民解放军军事医学科学院卫生装备研究所 软组织核磁图像自适应外力水平集自动分割及实现方法
CN103202705A (zh) * 2012-01-12 2013-07-17 株式会社东芝 医用图像处理装置及医用图像处理方法
CN104350494B (zh) * 2012-05-30 2017-05-17 皇家飞利浦有限公司 向报告提供帮助的方法、装置和***

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7616799B2 (en) * 2004-06-18 2009-11-10 Siemens Medical Solutions Usa, Inc. System and method for monitoring disease progression or response to therapy using multi-modal visualization
US8788012B2 (en) * 2006-11-21 2014-07-22 General Electric Company Methods and apparatus for automatically registering lesions between examinations
EP2115697A2 (en) * 2007-01-03 2009-11-11 Koninklijke Philips Electronics N.V. Computer assisted therapy monitoring
US20120071753A1 (en) 2010-08-20 2012-03-22 Mark Hunter Apparatus and method for four dimensional soft tissue navigation including endoscopic mapping
US9552533B2 (en) 2013-03-05 2017-01-24 Toshiba Medical Systems Corporation Image registration apparatus and method
US10045754B2 (en) * 2013-12-11 2018-08-14 Koninklijke Philips N.V. Three dimensional (3D) pre-scan based volumetric image data processing
CN105022719B (zh) * 2014-04-23 2019-06-28 Ge医疗***环球技术有限公司 医学造影***及方法

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6363163B1 (en) * 1998-02-23 2002-03-26 Arch Development Corporation Method and system for the automated temporal subtraction of medical images
US6563941B1 (en) * 1999-12-14 2003-05-13 Siemens Corporate Research, Inc. Model-based registration of cardiac CTA and MR acquisitions
US6795521B2 (en) * 2001-08-17 2004-09-21 Deus Technologies Llc Computer-aided diagnosis system for thoracic computer tomography images
US20030095696A1 (en) * 2001-09-14 2003-05-22 Reeves Anthony P. System, method and apparatus for small pulmonary nodule computer aided diagnosis from computed tomography scans
US20030072479A1 (en) * 2001-09-17 2003-04-17 Virtualscopics System and method for quantitative assessment of cancers and their change over time
US6985612B2 (en) * 2001-10-05 2006-01-10 Mevis - Centrum Fur Medizinische Diagnosesysteme Und Visualisierung Gmbh Computer system and a method for segmentation of a digital image
US6738063B2 (en) * 2002-02-07 2004-05-18 Siemens Corporate Research, Inc. Object-correspondence identification without full volume registration
US8090164B2 (en) * 2003-08-25 2012-01-03 The University Of North Carolina At Chapel Hill Systems, methods, and computer program products for analysis of vessel attributes for diagnosis, disease staging, and surgical planning
US7315639B2 (en) * 2004-03-03 2008-01-01 Mevis Gmbh Method of lung lobe segmentation and computer system

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102436670A (zh) * 2010-09-29 2012-05-02 株式会社日立制作所 计算机***、以及位置对准方法
CN102436670B (zh) * 2010-09-29 2013-11-06 株式会社日立制作所 计算机***、以及位置对准方法
CN103202705A (zh) * 2012-01-12 2013-07-17 株式会社东芝 医用图像处理装置及医用图像处理方法
CN103202705B (zh) * 2012-01-12 2015-04-22 株式会社东芝 医用图像处理装置及医用图像处理方法
CN102682449A (zh) * 2012-04-25 2012-09-19 中国人民解放军军事医学科学院卫生装备研究所 软组织核磁图像自适应外力水平集自动分割及实现方法
CN102682449B (zh) * 2012-04-25 2014-12-17 中国人民解放军军事医学科学院卫生装备研究所 软组织核磁图像自适应外力水平集自动分割及实现方法
CN104350494B (zh) * 2012-05-30 2017-05-17 皇家飞利浦有限公司 向报告提供帮助的方法、装置和***

Also Published As

Publication number Publication date
US20070160312A1 (en) 2007-07-12
WO2005078662A1 (en) 2005-08-25
EP1716538A1 (en) 2006-11-02
JP2007526033A (ja) 2007-09-13

Similar Documents

Publication Publication Date Title
CN1918601A (zh) 使结构化对象的图像对准的装置和方法
US11250569B2 (en) Systems and methods for functional imaging follow-up evaluation using deep neural network
Mattes et al. Nonrigid multimodality image registration
JP6598452B2 (ja) 医用画像処理装置及び医用画像処理方法
JP4917733B2 (ja) 尤度最大化を利用した画像位置合わせシステム及び方法
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
US7106891B2 (en) System and method for determining convergence of image set registration
US9659390B2 (en) Tomosynthesis reconstruction with rib suppression
US20110019886A1 (en) Medical image processing apparatus, method, and program
EP2646979B1 (en) Image registration apparatus
US20080234578A1 (en) Multi-modality mammography reconstruction method and system
WO2007044508A2 (en) System and method for whole body landmark detection, segmentation and change quantification in digital images
RU2541179C2 (ru) Групповая запись изображений, основанная на модели движения
US9053541B2 (en) Image registration
CN1920882A (zh) 基于显著区域特征的医学图像三维多模配准的***和方法
Kita et al. Correspondence between different view breast X rays using curved epipolar lines
EP4156096A1 (en) Method, device and system for automated processing of medical images to output alerts for detected dissimilarities
US9361701B2 (en) Method and system for binary and quasi-binary atlas-based auto-contouring of volume sets in medical images
CN1632830A (zh) 脑缺血病灶区的自动分割方法
Suganya et al. Intensity based image registration by maximization of mutual information
WO2022207238A1 (en) Methods and systems for biomedical image segmentation based on a combination of arterial and portal image information
AlZu’bi et al. Reconstructing big data acquired from radioisotope distribution in medical scanner detectors
Čapek et al. Multimodal medical volume registration based on spherical markers
CN101719274B (zh) 一种医学影像体数据的三维纹理分析方法
Bin et al. Rapid multimodal medical image registration and fusion in 3D conformal radiotherapy treatment planning

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C12 Rejection of a patent application after its publication
RJ01 Rejection of invention patent application after publication

Open date: 20070221