CN101727661A - 医用图像处理装置 - Google Patents

医用图像处理装置 Download PDF

Info

Publication number
CN101727661A
CN101727661A CN200910176361A CN200910176361A CN101727661A CN 101727661 A CN101727661 A CN 101727661A CN 200910176361 A CN200910176361 A CN 200910176361A CN 200910176361 A CN200910176361 A CN 200910176361A CN 101727661 A CN101727661 A CN 101727661A
Authority
CN
China
Prior art keywords
mentioned
blood vessel
image
cross
inner chamber
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
CN200910176361A
Other languages
English (en)
Other versions
CN101727661B (zh
Inventor
真锅崇宽
藤泽恭子
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.)
Canon Medical Systems Corp
Original Assignee
Toshiba Corp
Toshiba Medical Systems Corp
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 Toshiba Corp, Toshiba Medical Systems Corp filed Critical Toshiba Corp
Publication of CN101727661A publication Critical patent/CN101727661A/zh
Application granted granted Critical
Publication of CN101727661B publication Critical patent/CN101727661B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/12—Edge-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G06V10/457—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by analysing connectivity, e.g. edge linking, connected component analysis or slices
    • 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
    • G06T2207/20036—Morphological image processing
    • G06T2207/20044—Skeletonization; Medial axis transform
    • 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
    • G06T2207/30048—Heart; Cardiac
    • 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
    • G06T2207/30101—Blood vessel; Artery; Vein; Vascular
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/03—Recognition of patterns in medical or anatomical images

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

本发明的医用图像处理装置(4)具备图像处理部件(17)，该图像处理部件(17)从医用图像的三维体数据抽出管状构造物的走行线，生成管状构造物的断面图像，即沿着走行线的走行断面图像，生成管状构造物的断面图像，即与走行线相交的短轴断面图像，从多个短轴断面图像的各个检测与管状构造物相关的特定的构造，根据走行断面图像，对从多个短轴断面图像的各个检测到的特定的构造进行修正。

Description

医用图像处理装置
技术领域
本发明涉及一种处理医用图像的医用图像处理装置。
背景技术
医用图像诊断装置具备摄影医用图像的医用图像摄影装置、对该医用图像进行处理的医用图像处理装置等。作为医用图像摄影装置，例如可以列举X射线断层摄影装置(X射线CT装置)等。该X射线断层摄影装置是以下这样的装置：向被检体照射X射线，检测通过了该被检体的X射线，将被检体的内部(关注部位)显示为CT图像。
在使用了上述医用图像诊断装置的心脏的冠状动脉诊断中，医生手动地将冠状动脉分类为石灰化、内腔(造影剂)、外壁和硬化斑块(pluque)的四种。为了使该分类自动化，开发了聚类算法(clustering algorithm)(例如参照专利文献1)。在现有的算法中，进行以下这样的二维处理：使用二维的血管切片(slice)图像，自动地计算出阈值，进行分类。
专利文献1：特开2003-79606号公报
但是，在上述二维处理中，由于在相邻的切片图像中，硬化斑块区域或石灰化区域等分类区域突然出现或消失，所以失去了切片方向(血管的延伸方向)上的分类区域的连续性。进而，由于石灰化的模糊(blur)全体被检测为内腔，所以因石灰化的模糊还产生了内腔的误检测。
发明内容
本发明就是鉴于上述问题而提出的，提供一种能够确保切片方向上的分类区域的连续性，进而能够防止内腔的误检测的医用图像处理装置。
本发明的实施例的特征在于：在医用图像处理装置中，具备：从医用图像的三维体数据(volume data)，抽出管状构造物的走行线的抽出部件；生成管状构造物的断面图像，即沿着走行线的走行断面图像的走行断面图像生成部件；生成多个管状构造物的断面图像，即与走行线交叉的短轴断面图像的短轴断面图像生成部件；从多个短轴断面图像的各个中，检测出与管状构造物有关的特定的构造的构造检测部件；根据走行断面图像，对从多个短轴断面图像的各个检测到的特定的构造进行修正的修正部件。
附图说明
图1是表示本发明的一个实施例的医用图像诊断装置的概要结构的框图。
图2是表示图1所示的医用图像诊断装置所具备的医用图像处理装置的概要结构的框图。
图3是表示图2所示的医用图像处理装置所进行的图像处理的流程的流程图。
图4是用于说明图3所示的图像处理的图像切割处理中的心脏体数据的说明图。
图5是用于说明图3所示的图像处理的图像切割处理的切割数据的说明图。
图6是用于说明图3所示的图像处理的石灰化处理中的心脏体数据的说明图。
图7是用于说明图3所示的图像处理的石灰化抽出处理的石灰化抽出结果的说明图。
图8是表示图3所示的图像处理的内腔抽出处理的流程的流程图。
图9是表示图8所示的内腔抽出处理的芯点修正处理的流程的流程图。
图10是用于说明图9所示的芯点修正处理中的芯点的修正的说明图。
图11是用于说明图9所示的芯点修正处理中的芯点的修正的说明图。
图12是用于说明图8所示的内腔抽出处理中的轮廓点的抽出的说明图。
图13是用于说明从图12所示的第一曲线(profile)断面图得到的第一曲线(profile)的说明图。
图14是用于说明从图12所示的第二曲线断面图得到的第二曲线的说明图。
图15是用于说明图8所示的内腔抽出处理中的轮廓点的抽出的说明图。
图16是用于说明图8所示的内腔抽出处理中的石灰化前后的轮廓点的修正的说明图。
图17是用于说明图8所示的内腔抽出处理中的石灰化前后的轮廓点的修正的说明图。
图18是用于说明图8所示的内腔抽出处理中的石灰化前后的轮廓点的修正的说明图。
图19是用于说明图8所示的内腔抽出处理中的分支或异常的轮廓点的修正的说明图。
图20是用于说明图8所示的内腔抽出处理中的分支或异常的轮廓点的修正的说明图。
图21是用于说明图8所示的内腔抽出处理中的分支或异常的轮廓点的修正的说明图。
图22是用于说明图8所示的内腔抽出处理中的轮廓点的圆近似和三维补插的说明图。
图23是用于说明图8所示的内腔抽出处理的内腔抽出结果的说明图。
图24是表示图3所示的图像处理的外壁抽出处理的流程的流程图。
图25是用于说明图24所示的外壁抽出处理中的轮廓点的抽出的说明图。
图26是用于说明图24所示的外壁抽出处理中的偏离点的修正的说明图。
图27是用于说明图24所示的外壁抽出处理中的心肌修正的说明图。
图28是用于说明图24所示的外壁抽出处理中的心肌修正的说明图。
图29是用于说明图24所示的外壁抽出处理的外壁抽出结果的说明图。
图30是用于说明图3所示的图像处理的硬化斑块抽出处理中的差分图像的说明图。
图31是用于说明图3所示的图像处理的硬化斑块抽出处理的硬化斑块抽出结果的说明图。
图32是表示心脏的冠状动脉的模式图。
图33是用于说明分类抽出了图32所示的冠状动脉的一部分后的抽出结果的说明图。
具体实施方式
参考附图说明本发明的一个实施例。
如图1所示，本发明的实施例的医用图像诊断装置1具备：摄影与被检体的关注部位(例如心脏)有关的医用图像的医用图像摄影装置2；保存该摄影了的医用图像的医用图像保存装置3；对医用图像进行图像处理的医用图像处理装置4。通过LAN(局域网)等网络(network)5将这些各部件连接起来。
医用图像摄影装置2是摄影表示被检体的关注部位(关心部位)的医用图像的摄影装置。作为该医用图像摄影装置2，例如使用X射线断层摄影装置(X射线CT装置)等。在使用了X射线断层摄影装置的情况下，医用图像为CT图像。另外，例如通过针对被检体的来自多个方向的X射线投影像而对重构函数进行卷积(convolution)，进行背投(backprojection)，而得到CT图像(X射线CT图像)。
医用图像保存装置3是存储由医用图像摄影装置2得到的医用图像(例如与被检体的各部位有关的CT图像，即体数据等)的数据库(database)。在此，作为被检体的各部位，例如可以列举心脏、肺和胃等。另外，医用图像(体数据)从医用图像摄影装置2经由网络5被发送到医用图像保存装置3。
如图2所示，医用图像处理装置4具备：对各部件集中进行控制的CPU(Central Processing Unit)等的控制部件11；ROM(ReadOnly Memory)、RAM(Random Access Memory)等存储器(Memory)12；显示医用图像等各种图像的显示部件13；受理来自操作者的输入操作的操作部件14；存储各种程序(program)、各种数据等的存储部件15；进行与外部装置的通信的通信部件16；对医用图像等各种图像进行处理的图像处理部件17。通过总线(busline)18电气地将这些各部件连接起来。
控制部件11根据存储在存储部件15中的各种程序、各种数据等，对各部件进行控制。特别地，控制部件11根据各种程序、数据，执行进行数据计算或加工等的一连串数据处理、对医用图像进行处理的图像处理以及显示医用图像的显示处理等。
存储器12是存储控制部件11所执行的启动程序等的存储器，是也作为控制部件11的工作区(work area)发挥功能的存储器。另外，在医用图像处理装置4的启动时，由控制部件11读出并执行启动程序。
显示部件13是彩色(color)地显示二维图像、三维图像等各种图像的显示装置。作为该显示部件13，例如使用液晶显示器(display)、CRT(Cathode Ray Tube)显示器等。
操作部件14是由操作者进行输入操作的输入部件，是受理图像显示的开始、图像的切换、设定的变更等各种输入操作的输入部件。作为该操作部件14，例如使用鼠标(mouse)、键盘(keyboard)等输入设备。
存储部件15是存储各种程序、数据等的存储装置，特别地，是存储为了进行图像处理而从医用图像保存装置3经由网络5发送来的各部位的三维体数据D1的存储装置。作为该存储部件15，例如使用磁盘装置、半导体盘装置(闪存(flash memory))等。
通信部件16是经由LAN、因特网等网络5进行与外部装置的通信的装置。作为该通信部件16，使用LAN卡(card)、调制解调器(modem)等。作为外部装置，可以列举医用图像摄影装置2和医用图像保存装置3等。
图像处理部件17是对三维体数据D1进行图像处理的装置。该图像处理部件17例如对作为三维体数据D1的心脏体数据进行冠状动脉分类。即，自动地将心脏的冠状动脉分类为石灰化、内腔(造影剂)、外壁和硬化斑块的四个区域。另外，由软件(software)或硬件(hardware)(电路)、或者它们双方来构成图像处理部件17。该图像处理部件17作为抽出部件、走行断面图像生成部件、短轴断面图像生成部件、构造检测部件和修正部件而发挥功能。
接着，说明上述图像处理部件17所进行的图像处理。另外，在此，说明以下这样的情况：关注部位是心脏，将心脏体数据作为三维体数据D1而存储在存储部件15中。另外，根据需要，暂时或者长期地将用于处理的各种数据存储在存储部件15中。
作为基本处理，如图3所示，图像处理部件17对心脏体数据执行图像切割处理(步骤(step)S1)、石灰化抽出处理(步骤S2)、内腔(造影剂)抽出处理(步骤S3)、外壁抽出处理(步骤S4)和硬化斑块抽出处理(步骤S5)，取得抽出结果。
在该处理中，生成与管状构造物(例如血管)有关的多个走行断面图像和多个短轴断面图像。走行断面图像是血管的断面图像，是沿着作为表示血管走行的走行线的中心线(芯线)的断面图像(长轴断面图像)，短轴断面图像是血管的断面图像，是与中心线(芯线)相交的断面图像。例如，以与走行线平行的线作为轴，生成相互放射状地相交的多个走行断面图像。从这些走行断面图像和短轴断面图像中检测出特定的构造。作为该特定的构造，可以列举血管的内腔、血管的外壁、血管的石灰化区域和血管的硬化斑块区域等。根据需要，使用这样的走行断面图像和短轴断面图像。
在图3的步骤S1中，如图4所示，从心脏体数据D1中切割出作为关注区域的处理区域R1，对切割出的处理区域R1进行三维处理。由此，如图5所示，得到切割数据(3D体数据)D2。另外，作为处理区域R1，例如切割出作为血管的冠状动脉的一部分。血管是管状构造物的一个例子。
在图3的步骤S2中，如图6所示，从心脏体数据D1取得大动脉起始部分R2的CT值，抽出超过该大动脉起始部分R2的CT值的1.2倍的CT值的区域作为石灰化(石灰化硬化斑块)，如图7所示，得到石灰化抽出结果K1。另外，在此，利用石灰化的CT值比造影剂的CT值高的情况，特别地使用局部体效果(partial volumeeffect)小的大动脉起始部分R2的CT值。
在图3的步骤S3中，如图8所示，首先，在内腔中没有芯点P1的情况下进行修正(步骤S11)，接着，根据切割体数据D2作成多个断面的CPR(Curved Planer Reconstruction)像(步骤S12)，在从芯点P1向内壁的方向上进行扫描(scan)，抽出内壁的轮廓点P2(步骤S13)。进而，对石灰化前后的轮廓点P2进行修正(步骤S14)，在有分支或异常点的情况下，进行修正(步骤S15)，进行内腔的轮廓点P2的圆近似和三维补插(3D补插)(步骤S16)。另外，CPR像是具有多个切片图像的曲面任意多断面重构图像。作为切片图像，可以列举走行断面图像、短轴断面图像等。根据需要使用该切片图像。
在图8的步骤S11中，如图9所示，首先，从切割体数据D2围绕芯线取得ROI(三维的关注区域)(步骤S21)，抽出并除去该ROI内的石灰化(步骤S22)，根据除去了石灰化区域的ROI内的直方图(histogram)，计算出阈值，通过二值化对内腔进行粗抽出(步骤S23)，在SA平面(切片平面)上通过二值化取得内腔的重心，在该重心和旧芯点中取得CT值高的作为芯点P1(步骤S24)。这样，芯点P1被修正。
在此，如图10所示，在芯点P1从内腔的区域内偏离了的情况下(参考图10中的白圈内)，通过上述的处理，进行修正使得芯点P1进入内腔的区域内，如图11所示，使得芯点P1存在于内腔的区域内(参考图11中的白圈内)。另外，通过各芯点P1的线是芯线。
在图8的步骤S12和步骤S13中，例如如图12所示，在芯线方向上顺序地取得与芯线方向(血流方向：参考图12中的箭头)垂直的曲线断面，在各曲线断面中，在朝向内壁的方向上进行扫描。由此，以芯点P1为中心，例如得到图13和图14所示那样的曲线(profile)。另外，图13的曲线是从图12所示的曲线断面AB得到的，图14的曲线是从图12所示的曲线断面CD得到的。从得到的各曲线抽出多个图15所示那样的内腔的轮廓点P2。
在此，按照曲线的正方向和负方向，分别设定轮廓点P2抽出用的阈值。在图13的曲线中，在正方向和负方向上，分别抽出最大CT值和最小CT值的50％的位置作为内腔的轮廓点P2。另外，在图14的曲线中，在负方向上，抽出最大CT值和最小CT值的50％的位置作为内腔的轮廓点P2，在正方向上，由于产生石灰化，所以抽出石灰化的位置作为内腔的轮廓点P2。
在图8的步骤S14中，例如如图16所示，选择石灰化前后的2个轮廓点A1、A2(图16中的黑圈内的轮廓点P2)，然后，选择轮廓点A1的前后的2个轮廓点B1、C1，同样，选择轮廓点A2的前后的2个轮廓点B2、C2。接着，如图17所示，求出将轮廓点B1和轮廓点C1连接起来的直线(参考图17中的黑虚线)与将轮廓点A1和芯点P1(与轮廓点A1相同的曲线断面中的芯点)连接起来的直线的交点，将轮廓点A1的位置置换为该交点。同样，求出将轮廓点B2和轮廓点C2连接起来的直线(参考图17中的黑虚线)与将轮廓点A2和芯点P1(与轮廓点A2相同的曲线断面中的芯点)连接起来的直线的交点，将轮廓点A2的位置置换为该交点。这样，如图18所示，修正石灰化前后的轮廓点A1、A2。另外，也同样地修正其他的石灰化前后的轮廓点P2。
在图8的步骤S15中，作为分支判定，例如如图19所示，测定关注的轮廓点P2(图19中的黑圈内的轮廓点P2)与将其前后的2个轮廓点P2连接起来的直线(参考图19中的黑虚线)的距离，在该距离为一定距离以上的情况下，将关注的轮廓点P2判定为分支前端点。同样，将在成为不连续的原因的异常位置取得的轮廓点P2判定为异常点。
进而，在图8的步骤S15中，作为分支修正，例如如图20所示，针对通过了作为分支前端点的轮廓点P2的下一个轮廓点P2(在血流方向上的下一个位置：参考图20中的×号(X-mark))、和作为分支前端点的轮廓点P2的向前第2个轮廓点P2(在血流方向上的前面第2个位置：参考图20中的×号(X-mark))的直线(参考图20中的白虚线)，将位于一定距离以内的轮廓点P2(图20中的黑圈内的轮廓点P2)判定为分支开始点。用将该分支开始点和上述分支前端点的下一个轮廓点P2连接起来的直线切开分支，如图21所示，将各轮廓点P2的位置置换到该直线上(参考图21中的黑圈内)。
最后，在图8的步骤S16中，例如如图22所示，在每个切片平面内对从多个曲线断面取得的各轮廓点P2进行圆近似等曲线近似，进而，在三维体数据D1上在切片方向上顺序地补插近似圆。由此，如图23所示，得到内腔抽出结果K2。
返回图3，在步骤S4中，如图24所示，首先，针对切割体数据D2，在SA平面(切片平面)上放射状地进行扫描，抽出外壁的轮廓点P3(步骤S31)，接着，进行偏离点修正(步骤S32)，进行心肌修正(步骤S33)，进行圆近似和补插(步骤S34)。
在图24的步骤S31中，如图25所示，例如在32方向上放射状地进行扫描，通过阈值处理抽出外壁的轮廓点P3。根据扫描路径的最大CT值来调制外壁的轮廓点抽出的阈值，也考虑到周围的CT值的影响。例如将阈值Th设定为Th＝th+0.1×CTmax。
在图24的步骤S32中，如图26所示，修正所抽出的外壁的轮廓点P3中的偏离点。例如，由于静脉和心肌接近，所以将在错误的位置抽出的轮廓点P3识别为偏离点而除去。作为其除去方法，例如计算出相对于芯点P1的距离的标准偏差，将从那里偏离的轮廓点(只有外侧)P3作为偏离点而除去。
在图24的步骤S33中，如图27和图28所示，在不能进行外壁和心肌的轮廓判别的情况下，即，将在相邻的切片平面之间外壁径有急剧的变化的处所，或者内壁(芯点P1)不在外壁内的处所，判定为失败。在判定为失败的处所中，将血管中心设置为内腔中心，取得与空气层的最小径和前切片的径的平均值而求出外壁径，来补充外壁的轮廓点P3。即，求出血管中心和外壁的最小径，取得与前切片径的平均值。另外，在图27的左图的状态下不进行心肌修正的情况下，与前切片相比，外壁径急剧变大，失去了连续性。同样，在图28的左图的状态下不进行心肌修正的情况下，内腔偏离到外壁外，失去了连续性。
最后，在图24的步骤S34中，例如在每个切片平面中对从多个切片平面取得的外壁的各轮廓点P3进行圆近似，进而，在三维体数据D1上，在切片方向上顺序地补插近似圆。由此，如图29所示，得到外壁抽出结果K3。
返回图3，在步骤S5中，抽出CT值比周围低的区域作为硬化斑块。即，对血管壁内进行分类(clustering)，探索比周围暗的区域。详细地说，在步骤S5中，通过三维平滑化过滤，对血管壁内区域进行平滑化，从平滑化后的平滑化图像减去原来的血管壁内区域，得到图30所示那样的图像。然后，根据差分的结果，抽出一定值以上的区域作为硬化斑块，如图31所示，得到硬化斑块抽出结果K4。
这样，得到石灰化抽出结果K1、内腔抽出结果K2、外壁抽出结果K3和硬化斑块抽出结果K4，将这些结果顺序地保存到存储部件15中。另外，将与该抽出结果对应的图像显示在显示部件13上，医生等诊断者对图像进行识别而进行诊断。
在该图像处理中，使用CPR像的多个切片图像(断面图像)取得多个内腔的轮廓点P2，然后，进行圆近似和三维补插(3D补插)，取得内腔轮廓。这时，考虑作为切片方向的长度方向(血管的延伸方向)的连续性，在内腔轮廓不连续，即不平滑的情况下，进行修正。由此，能够确保切片方向上的内腔的连续性，进而，能够防止因石灰化的模糊造成的内腔的误检测。
在此，例如如果如图32所示，切割出冠状动脉中的图32中的38～46的区域作为图4所示的处理区域R1，来进行上述的处理，则取得石灰化抽出结果K1、内腔抽出结果K2、外壁抽出结果K3和硬化斑块抽出结果K4作为抽出结果(参考图7、图23、图29和图31)。
如图33所示，作为三维处理结果(3D处理结果)而得到Z轴方向的切片图像38～46，并显示在显示部件13上。另外，在图33中，作为比较例子，还记载了输入数据、手动分类和二维处理结果(2D处理结果)中的各切片图像38～46。输入数据是原始数据，手动分类结果是医生等诊断者一边识别输入数据一边对操作部件14进行输入操作而进行分类的结果，二维处理结果是进行了使用二维体数据的二维处理的结果。
在二维处理结果中，如果参考图33中的黑箭头和白箭头，则在相邻的切片图像中，硬化斑块(参考图33中的黑色区域)、石灰化(参考图33中的白色区域)突然出现或消失。特别地，该现象对于硬化斑块是显著的。因此，可知在硬化斑块区域和石灰化区域中是没有连续性的。由于在二维处理中对每张切片图像进行处理，所以产生该不连续。另外，在二维处理结果中，如果参考图33中的白色箭头，则由于因石灰化的模糊造成的内腔的误检测，而在内腔(参考图33中的斜线阴影)内存在石灰化(参考图33中的白色区域)。即，在二维处理中，石灰化的模糊部分被检测为内腔。
另一方面，在三维处理结果中，如果参考图33中的黑色箭头和白色箭头，则在相邻的切片图像之间，硬化斑块、石灰化为连续的。进而，如果参考图33中的白色箭头，则消除了因石灰化的模糊造成的内腔的误检测，在内腔外存在石灰化。因此，不会如上述的二维处理结果那样出现在相邻的切片图像中硬化斑块区域和石灰化区域等分类区域突然出现或消失的情况，能够确保切片方向上的分类区域(硬化斑块区域和石灰化区域等)的连续性，进而，能够防止因石灰化的模糊造成的内腔的误检测。
另外，在手动分类处理中，由于医生等诊断者通过手动进行分类，所以分类的操作时间变长，另外，对于细微部分的分类是困难的。特别，由于分类作业受到经验和技术水平的影响，在经验和技术水平不足的情况下，作业时间变得非常长，进而，对于细微部分的分类是非常困难的。
另一方面，在三维处理结果中，由于自动地显示出确保连续性而进行了正确分类的图像，所以能够提高作业效率，进而，能够进行正确的诊断。特别地，由于不依存于诊断者的经验和熟练度等，就能够确实地掌握患者的心脏的血管状况，所以能够进行正确的诊断。
如以上说明的那样，根据本发明的实施例，根据三维体数据D1求出具有多个切片图像的CPR图像，使用求出的CPR图像的各切片图像，求出内腔的多个轮廓点P2，对所求出的各轮廓点P2进行得到切片方向的连续性的修正，对求出的各轮廓点P2和修正后的轮廓点P2进行圆近似和补插，抽出内腔的轮廓，由此，消除了硬化斑块区域和石灰化区域等分类区域在相邻的切片图像中突然出现或消失的情况，能够确保切片方向上的分类区域的连续性，进而，能够防止因石灰化的模糊造成的内腔的误检测。另外，能够实现连续性的确保和误检测的防止，提高将血管分类为各区域的分类精度。
另外，通过针对求出的各轮廓点P2，进行修正使抽出的石灰化的周围的轮廓点P2移动到血管的内侧而使得内腔的轮廓平滑，由此，能够通过简单的处理，确实地确保切片方向上的分类区域的连续性，进而，能够精度良好地得到内腔的轮廓。
进而，通过针对求出的各轮廓点P2，进行修正使血管的分支周围的轮廓点P2移动到血管的内侧而使得内腔的轮廓平滑，由此，能够通过简单的处理，确实地确保切片方向上的分类区域的连续性，进而，能够精度良好地得到内腔的轮廓。
另外，通过使用三维体数据D1中的多个切片图像，求出外壁的多个轮廓点P3，针对求出的各轮廓点P3，进行得到切片方向的连续性的修正，针对求出的各轮廓点P3和修正后的轮廓点P3进行圆近似和补插，抽出外壁的轮廓，由此能够自动并正确地抽出外壁的轮廓，进而，能够在保持连续性的同时抽出外壁的轮廓。
另外，通过针对求出的外壁的各轮廓点P3，进行除去从血管的芯点P1离开规定距离的轮廓点P3的修正，由此，能够通过简单的处理，确实地确保切片方向上的外壁区域的连续性，进而，能够精度良好地得到外壁的轮廓。
进而，通过监视血管的径，使用相邻的切片图像进行追加外壁的轮廓点P3的修正，由此，能够通过简单的处理，确实地确保切片方向上的外壁区域的连续性，进而，能够精度良好地得到外壁的轮廓。
在此，如果着眼于切片图像的断面方向而详细说明，则从医用图像的三维体数据D1抽出血管的走行线(例如芯线)，生成血管的断面图像，即沿着走行线的走行断面图像，生成多个血管的断面图像，即与走行线相交的短轴断面图像，根据多个短轴断面图像的各个，检测出与血管相关的特定的构造，最后，根据走行断面图像，对从多个短轴断面图像的各个检测到的特定的构造进行修正，由此，进行使用了三维体数据D1的三维处理，因此，消除了硬化斑块区域和石灰化区域等分类区域在相邻的切片图像中突然出现或消失的情况，能够确保切片方向上的分类区域的连续性，进而，能够防止因石灰化的模糊造成的内腔的误检测。另外，能够实现连续性的确保和误检测的防止，提高将血管分类为各区域的分类精度。
特别地，以与走行线平行的线为轴生成相互放射状地相交的多个走行断面图像，从这些走行断面图像的各个检测与血管相关的特定的构造，对从多个走行断面图像的各个检测到的特定的构造和从多个短轴断面图像的各个检测到的特定的构造进行修正而使得它们的位置关系匹配，由此，能够确实地实现切片方向上的分类区域的连续性的确保和因石灰化的模糊造成的内腔的误检测的防止。
另外，通过检测血管的内腔和血管的石灰化区域，进行修正使血管的内腔移动到血管的内侧而使得减少重构函数对血管的石灰化区域的影响，由此，能够通过简单的处理，确实地确保切片方向上的分类区域的连续性，进而，能够精度良好地得到内腔的轮廓。
另外，与从多个走行断面图像的各个检测出的血管的内腔的位置关系对应地判定血管的分支，根据该判定进行使血管的内腔移动到血管的内侧的修正使得血管的内腔平滑，由此，能够通过简单的处理，确实地确保切片方向上的分类区域的连续性，进而，能够精度良好地得到内腔的轮廓。
另外，本发明并不只限于上述实施例，在不脱离其宗旨的范围内可以进行各种变形。例如，也可以从上述实施例所示的全部构成要素中删除几个构成要素。进而，也可以适当地组合不同的实施例的构成要素。另外，在上述实施例中，列举了各种数值，但这些数值是示例，并不限定。
在上述实施例中，使用X射线断层摄影装置(X射线CT装置)等构成医用图像摄影装置2，但并不限于此，例如也可以使用其他摄影装置，进而，也可以将医用图像处理装置4组合到X射线断层摄影装置等的医用图像摄影装置2中，构成医用图像诊断装置1。
以上，说明了本发明的实施例，但只不过是示例了具体例子，并不特别限定本发明，可以适当地变更各部件的具体结构等。另外，实施例所记载的作用和效果只不过列举了从本发明产生的最适合的作用和效果，本发明的作用和效果并不限定于本发明的实施例的记载。例如，可以在对医用图像进行处理的医用图像处理装置等中使用本发明。

Claims (5)

1.一种医用图像处理装置，其特征在于包括：
抽出部件，从医用图像的三维体数据，抽出管状构造物的走行线；
走行断面图像生成部件，生成上述管状构造物的断面图像，即沿着上述走行线的走行断面图像；
短轴断面图像生成部件，生成多个上述管状构造物的断面图像，即与上述走行线相交的短轴断面图像；
构造检测部件，从多个上述短轴断面图像的各个中，检测出与上述管状构造物有关的特定的构造；
修正部件，根据上述走行断面图像，对从多个上述短轴断面图像的各个检测到的上述特定的构造进行修正。
2.根据权利要求1所述的医用图像处理装置，其特征在于：
上述走行断面图像生成部件以与上述走行线平行的线为轴，生成相互放射状地相交的多个上述走行断面图像，
上述构造检测部件从多个上述走行断面图像的各个，检测与上述管状构造物相关的特定的构造，
上述修正部件对从多个上述走行断面图像的各个检测到的上述特定的构造和从多个上述短轴断面图像的各个检测到的上述特定的构造进行修正而使得它们的位置关系匹配。
3.根据权利要求2所述的医用图像处理装置，其特征在于：
上述管状构造物是血管，
上述特定的构造至少是上述血管的内腔、上述血管的外壁、上述血管的石灰化区域和上述血管的硬化斑块区域的任意一个。
4.根据权利要求3所述的医用图像处理装置，其特征在于：
上述医用图像是针对被检体的来自多个方向的X射线投影像，对重构函数进行卷积而进行背投所得到的X射线CT图像，
上述构造检测部件检测上述血管的内腔和上述血管的石灰化区域，
上述修正部件进行以下修正：使上述血管的内腔移动到上述血管的内侧，使得减少上述重构函数对上述血管的石灰化区域的影响。
5.根据权利要求4所述的医用图像处理装置，其特征在于：
上述修正部件与从多个上述走行断面图像的各个检测到的上述血管的内腔的位置关系对应地判定上述血管的分支，根据该判定，进行修正使上述血管的内腔移动到上述血管的内侧使得上述血管的内腔平滑。
CN2009101763610A 2008-10-10 2009-09-28 医用图像处理装置 Expired - Fee Related CN101727661B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2008264206A JP5305821B2 (ja) 2008-10-10 2008-10-10 医用画像処理装置及び医用画像診断装置
JP2008-264206 2008-10-10

Publications (2)

Publication Number Publication Date
CN101727661A true CN101727661A (zh) 2010-06-09
CN101727661B CN101727661B (zh) 2012-10-03

Family

ID=42098892

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2009101763610A Expired - Fee Related CN101727661B (zh) 2008-10-10 2009-09-28 医用图像处理装置

Country Status (3)

Country Link
US (1) US8437520B2 (zh)
JP (1) JP5305821B2 (zh)
CN (1) CN101727661B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102332160A (zh) * 2010-07-05 2012-01-25 奥林巴斯株式会社 图像处理装置及图像处理方法
CN102332160B (zh) * 2010-07-05 2016-12-14 奥林巴斯株式会社 图像处理装置及图像处理方法
CN114240937A (zh) * 2022-02-24 2022-03-25 武汉烽火凯卓科技有限公司 一种基于ct切片的肾结石检测方法及系统

Families Citing this family (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102456227B (zh) * 2010-10-28 2015-05-27 清华大学 Ct图像重建方法及装置
WO2012083350A1 (en) * 2010-12-24 2012-06-28 Otton James Maxwell Coronary calcium measurement
US8805122B1 (en) * 2011-02-03 2014-08-12 Icad, Inc. System, method, and computer-readable medium for interpolating spatially transformed volumetric medical image data
JP5713748B2 (ja) * 2011-03-24 2015-05-07 株式会社東芝 プラーク領域抽出方法及びその装置
JP5897308B2 (ja) * 2011-11-24 2016-03-30 株式会社東芝 医用画像処理装置
JP5931508B2 (ja) 2012-03-02 2016-06-08 株式会社東芝 医用画像処理装置
US9020232B2 (en) 2012-07-24 2015-04-28 Kabushiki Kaisha Toshiba Per vessel, vessel tree modelling with shared contours
US9406141B2 (en) 2013-05-31 2016-08-02 Siemens Aktiengesellschaft Segmentation of a structure
US9430827B2 (en) * 2013-05-31 2016-08-30 Siemens Aktiengesellschaft Segmentation of a calcified blood vessel
JP6188434B2 (ja) * 2013-06-07 2017-08-30 東芝メディカルシステムズ株式会社 医用画像処理装置および医用画像処理プログラム
JP6243763B2 (ja) * 2014-03-14 2017-12-06 テルモ株式会社 画像処理装置、画像処理装置の作動方法、及びプログラム
JP6411073B2 (ja) 2014-06-02 2018-10-24 キヤノンメディカルシステムズ株式会社 医用画像処理装置および医用画像処理方法
JP6211737B1 (ja) * 2014-09-12 2017-10-11 コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． 大動脈弁石灰化を分析すること
JP2016158916A (ja) * 2015-03-03 2016-09-05 キヤノンマーケティングジャパン株式会社 医用画像処理装置、医用画像処理装置に搭載可能なプログラム、及び医用画像処理方法
KR20160143178A (ko) 2015-06-04 2016-12-14 삼성전자주식회사 의료 영상 처리 장치 및 의료 영상 처리 방법
JP6117889B1 (ja) * 2015-10-26 2017-04-19 渡邉 真弓 治療方針決定のためのデータを提供する方法
JP6639935B2 (ja) * 2016-02-09 2020-02-05 キヤノンメディカルシステムズ株式会社 画像処理装置およびｍｒｉ装置
CN107563983B (zh) * 2017-09-28 2020-09-01 上海联影医疗科技有限公司 图像处理方法以及医学成像设备
US10813612B2 (en) 2019-01-25 2020-10-27 Cleerly, Inc. Systems and method of characterizing high risk plaques
KR102296166B1 (ko) 2019-12-04 2021-08-31 충남대학교병원 동맥 2차원 초음파영상을 이용한 동맥경화반의 표면형상 및 3차원구조 추정방법
KR102357751B1 (ko) 2019-12-18 2022-02-03 충남대학교병원 2차원 초음파이미지를 자료로 하는 혈관객체분석방법
US11501436B2 (en) 2020-01-07 2022-11-15 Cleerly, Inc. Systems, methods, and devices for medical image analysis, diagnosis, risk stratification, decision making and/or disease tracking
US11969280B2 (en) 2020-01-07 2024-04-30 Cleerly, Inc. Systems, methods, and devices for medical image analysis, diagnosis, risk stratification, decision making and/or disease tracking
US20220392065A1 (en) 2020-01-07 2022-12-08 Cleerly, Inc. Systems, methods, and devices for medical image analysis, diagnosis, risk stratification, decision making and/or disease tracking
CN114648536A (zh) * 2020-12-17 2022-06-21 通用电气精准医疗有限责任公司 血管壁的提取方法及装置
US20230289963A1 (en) 2022-03-10 2023-09-14 Cleerly, Inc. Systems, devices, and methods for non-invasive image-based plaque analysis and risk determination

Family Cites Families (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1997042602A1 (en) * 1996-05-06 1997-11-13 Torsana A/S A method of estimating skeletal status
JP4200546B2 (ja) * 1998-03-09 2008-12-24 株式会社日立メディコ 画像表示装置
JP3574584B2 (ja) * 1998-12-16 2004-10-06 富士通株式会社 表画像処理装置及びそのプログラム記憶媒体
JP2001095795A (ja) * 1999-09-30 2001-04-10 Japan Science & Technology Corp 医療用画像作成方法および装置、並びに記録媒体
JP2003079606A (ja) 2001-09-13 2003-03-18 Fuji Photo Film Co Ltd 異常陰影検出装置
US7295691B2 (en) * 2002-05-15 2007-11-13 Ge Medical Systems Global Technology Company, Llc Computer aided diagnosis of an image set
JP4421203B2 (ja) * 2003-03-20 2010-02-24 株式会社東芝 管腔状構造体の解析処理装置
US7492967B2 (en) * 2003-09-24 2009-02-17 Kabushiki Kaisha Toshiba Super-resolution processor and medical diagnostic imaging apparatus
US7339585B2 (en) * 2004-07-19 2008-03-04 Pie Medical Imaging B.V. Method and apparatus for visualization of biological structures with use of 3D position information from segmentation results
CN100589760C (zh) * 2004-11-26 2010-02-17 株式会社东芝 X射线ct装置和图像处理装置
JP4874810B2 (ja) 2004-11-26 2012-02-15 株式会社東芝 Ｘ線ｃｔ装置
JP2006246941A (ja) * 2005-03-08 2006-09-21 Toshiba Corp 画像処理装置及び管走行トラッキング方法
US8285012B2 (en) * 2005-04-28 2012-10-09 Hitachi Medical Corporation Image display apparatus and program
US7711163B2 (en) * 2005-05-26 2010-05-04 Siemens Medical Solutions Usa, Inc. Method and system for guided two dimensional colon screening
US7697740B2 (en) * 2005-10-21 2010-04-13 Kabushiki Kaisha Toshiba Medical image processing system and medical image processing method
JP2009261651A (ja) * 2008-04-25 2009-11-12 Johns Hopkins Univ 画像処理装置及びプログラム
JP2008200524A (ja) * 2008-05-12 2008-09-04 Ziosoft Inc 画像処理方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102332160A (zh) * 2010-07-05 2012-01-25 奥林巴斯株式会社 图像处理装置及图像处理方法
CN102332160B (zh) * 2010-07-05 2016-12-14 奥林巴斯株式会社 图像处理装置及图像处理方法
CN114240937A (zh) * 2022-02-24 2022-03-25 武汉烽火凯卓科技有限公司 一种基于ct切片的肾结石检测方法及系统

Also Published As

Publication number Publication date
US8437520B2 (en) 2013-05-07
JP5305821B2 (ja) 2013-10-02
CN101727661B (zh) 2012-10-03
US20100092053A1 (en) 2010-04-15
JP2010088795A (ja) 2010-04-22

Similar Documents

Publication Publication Date Title
CN101727661B (zh) 医用图像处理装置
US11195280B2 (en) Progressive and multi-path holistically nested networks for segmentation
Diciotti et al. Automated segmentation refinement of small lung nodules in CT scans by local shape analysis
Li et al. Optimal surface segmentation in volumetric images-a graph-theoretic approach
DE102008007231B4 (de) Verfahren und System zum Berechnen eines Vesselness-Maßes und Gefäßbaummodellierung mittels dieses Vesselness-Maßes
US7940970B2 (en) Method and system for automatic quality control used in computerized analysis of CT angiography
JP6842481B2 (ja) 深層学習を用いた網膜層の３ｄ定量解析
DE102008032432A1 (de) Koregistrierung und Analyse von multi-modalen, in unterschiedlichen Geometrien erhaltenen Bildern
DE102006028812A1 (de) System und Verfahren zum pfad-basierten Tree-Matching
Pluim et al. The truth is hard to make: Validation of medical image registration
Gopinath et al. A deep learning framework for segmentation of retinal layers from OCT images
DE102007003260A1 (de) System und Verfahren zum Markieren und Identifizieren von Lymphknoten in medizinischen Bildern
Gao et al. A new paradigm of interactive artery/vein separation in noncontrast pulmonary CT imaging using multiscale topomorphologic opening
CN111292378A (zh) 一种ct扫描辅助方法、装置及计算机可读存储介质
US9582934B2 (en) Method and system for efficient extraction of a silhouette of a 3D mesh
CN111260647A (zh) 一种基于图像检测的ct扫描辅助方法、计算机可读存储介质、ct扫描装置
CN109325955B (zh) 一种基于oct图像的视网膜分层方法
CN110327071A (zh) 电子计算机断层扫描方法、装置、设备及存储介质
US20240212836A1 (en) Medical devices, methods and systems for monitoring the medical devices
Wei et al. Automatic recognition of major fissures in human lungs
Lee et al. Retinal atlas statistics from color fundus images
CN114565623B (zh) 肺血管分割方法、装置、存储介质及电子设备
US20220122261A1 (en) Probabilistic Segmentation of Volumetric Images
CN110458087B (zh) 一种基于深度学习的患者问题部位标注方法
JP7404857B2 (ja) 画像判定装置、画像判定方法及びプログラム

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
C41 Transfer of patent application or patent right or utility model
TR01 Transfer of patent right

Effective date of registration: 20160706

Address after: Japan Tochigi

Patentee after: TOSHIBA MEDICAL SYSTEMS Corp.

Address before: Tokyo, Japan

Patentee before: Toshiba Corp.

Patentee before: TOSHIBA MEDICAL SYSTEMS Corp.

CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20121003