CN102171725B - 脑室分析 - Google Patents
脑室分析 Download PDFInfo
- Publication number
- CN102171725B CN102171725B CN200980139443.6A CN200980139443A CN102171725B CN 102171725 B CN102171725 B CN 102171725B CN 200980139443 A CN200980139443 A CN 200980139443A CN 102171725 B CN102171725 B CN 102171725B
- Authority
- CN
- China
- Prior art keywords
- brain
- ventricles
- point
- central point
- marginal
- 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.)
- Expired - Fee Related
Links
- 210000004556 brain Anatomy 0.000 title claims abstract description 126
- 238000004458 analytical method Methods 0.000 title claims description 13
- 238000000034 method Methods 0.000 claims description 30
- 230000002490 cerebral effect Effects 0.000 claims description 26
- 208000024827 Alzheimer disease Diseases 0.000 claims description 20
- 238000002059 diagnostic imaging Methods 0.000 claims description 11
- TVZRAEYQIKYCPH-UHFFFAOYSA-N 3-(trimethylsilyl)propane-1-sulfonic acid Chemical compound C[Si](C)(C)CCCS(O)(=O)=O TVZRAEYQIKYCPH-UHFFFAOYSA-N 0.000 claims description 6
- 201000010099 disease Diseases 0.000 description 9
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 9
- 238000003384 imaging method Methods 0.000 description 8
- 238000003745 diagnosis Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000012360 testing method Methods 0.000 description 7
- 238000004590 computer program Methods 0.000 description 6
- 230000011218 segmentation Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 206010012289 Dementia Diseases 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- MUKYLHIZBOASDM-UHFFFAOYSA-N 2-[carbamimidoyl(methyl)amino]acetic acid 2,3,4,5,6-pentahydroxyhexanoic acid Chemical compound NC(=N)N(C)CC(O)=O.OCC(O)C(O)C(O)C(O)C(O)=O MUKYLHIZBOASDM-UHFFFAOYSA-N 0.000 description 3
- 208000018152 Cerebral disease Diseases 0.000 description 3
- 241000819233 Tribulus <sea snail> Species 0.000 description 3
- 230000001149 cognitive effect Effects 0.000 description 3
- 239000003814 drug Substances 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 206010025482 malaise Diseases 0.000 description 3
- 229940047183 tribulus Drugs 0.000 description 3
- 206010003694 Atrophy Diseases 0.000 description 2
- 230000037444 atrophy Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 210000001175 cerebrospinal fluid Anatomy 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 238000009206 nuclear medicine Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 208000024891 symptom Diseases 0.000 description 2
- 241000193935 Araneus diadematus Species 0.000 description 1
- 208000014644 Brain disease Diseases 0.000 description 1
- 206010028980 Neoplasm Diseases 0.000 description 1
- 241001085205 Prenanthella exigua Species 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 210000003484 anatomy Anatomy 0.000 description 1
- 239000007864 aqueous solution Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000003920 cognitive function Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013170 computed tomography imaging Methods 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 208000037824 growth disorder Diseases 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 208000003906 hydrocephalus Diseases 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000002595 magnetic resonance imaging Methods 0.000 description 1
- 230000004770 neurodegeneration Effects 0.000 description 1
- 235000016709 nutrition Nutrition 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 210000001202 rhombencephalon Anatomy 0.000 description 1
- 201000000980 schizophrenia Diseases 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000002603 single-photon emission computed tomography Methods 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000002792 vascular Effects 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/40—Detecting, measuring or recording for evaluating the nervous system
- A61B5/4076—Diagnosing or monitoring particular conditions of the nervous system
- A61B5/4088—Diagnosing of monitoring cognitive diseases, e.g. Alzheimer, prion diseases or dementia
-
- 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
-
- 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
- G06T7/00—Image analysis
- G06T7/40—Analysis of texture
- G06T7/41—Analysis of texture based on statistical description of texture
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
-
- 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
-
- 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
- A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
- A61B6/501—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of the head, e.g. neuroimaging or craniography
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/36—Review paper; Tutorial; Survey
-
- 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
-
- 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
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Theoretical Computer Science (AREA)
- Surgery (AREA)
- Neurology (AREA)
- General Physics & Mathematics (AREA)
- Biophysics (AREA)
- Veterinary Medicine (AREA)
- Animal Behavior & Ethology (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Physiology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Psychology (AREA)
- High Energy & Nuclear Physics (AREA)
- Neurosurgery (AREA)
- Optics & Photonics (AREA)
- Psychiatry (AREA)
- Geometry (AREA)
- Probability & Statistics with Applications (AREA)
- Child & Adolescent Psychology (AREA)
- Developmental Disabilities (AREA)
- Hospice & Palliative Care (AREA)
- Primary Health Care (AREA)
- Data Mining & Analysis (AREA)
- Epidemiology (AREA)
- Databases & Information Systems (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
描述了一种用于分析脑室(8)的系统。该系统包括边缘检测器(52),其用于识别脑室的边缘上的边缘点(17)。另外,提供长度测量器(53)用于建立起始于脑室的中心点(5)而终止在边缘点(17)的路径(10)的长度测度。边缘检测器(52)布置为用于检测脑室的脑叶端部处的边缘点,长度测度与脑叶的范围对应。
Description
技术领域
本发明涉及分析脑室。
背景技术
阿尔茨海默病(AD)是最常见的痴呆症种类,占到总病例的50-70%。阿尔茨海默病使全世界大约2400万人饱受折磨。由于年龄是主要的危险因素,因此到2025年,老龄化人口的统计学趋势将使这一数字翻倍。尽管目前还没有阻止或者防止该疾病的药物,但是已经有多种可以缓解症状的对症药物,并且在某些情况下可以延缓发病进程。这些药物大多数只能在疾病早期或者中期有效,这使得疾病的早期检测是所期望的。当前,对于诊断阿尔茨海默病的主要测试为认知能力测试。根据设计,这些测试可以测量各种认知功能,例如记忆力、注意力、方向感、语言能力以及学习能力。诸如简易精神状态检查(MMSE)的这些测试的主要吸引力在于方便实施,但是结果可能是主观的并且容易受到患者在测试时的精神状态和身体状态影响。在阿尔茨海默病的诊断中,尽管认知能力测试的评分作用很大,但是医学成像也是很有用的。例如,成像可以用于消除其他可能的原因,例如肿瘤,解释了较低的认知能力得分。成像技术可以在评估患者所患有的痴呆症的具体类型(阿尔茨海默病,或者其他痴呆症类型,例如血管性或者额颞性)的过程中使用。而且,一些患者,特别是受过高等教育和高智商的患者,能够在测试中长期隐瞒认知缺陷。在这种情况下,基于图像的分析可以通过在结构上量化大脑变化而较早地检测到阿尔茨海默病。J.Ashburner等人在TheLancet Neurology于2003年2月第2期的79-88页发表的“Computer-assisted imaging toassess brain structure in healthy anddisease brains”中给出了用于相对于大脑疾病评估大脑结构的计算机辅助成像技术的综述。
发明内容
拥有用于分析大脑结构的改进的系统是有利的。为了更好地解决这一问题,在本发明的第一方面中,提出了用于分析脑室的系统,该系统包括:
边缘检测器,其用于识别脑室的边缘上的边缘点;以及
长度测量器,其用于建立包括脑室的中心点并且终止在边缘点的路径的长度测度。
借助于该系统获得的长度与诸如阿尔茨海默病的大脑疾病相关。因此,该系统提供可复制的、自动的测量结果,其可以用作医师在对患者进行诊断时考虑进去的数值。可选地,该值可以用作计算机决策支持系统的输入,该系统可以基于此值以及任选地其他的输入数据进行诊断。
路径可以起始于中心点。在这种情况下,建立沿着路径从中心点到边缘点的距离。
边缘检测器可以布置为用于检测脑室的脑叶端部处的边缘点,长度测度与脑叶的范围对应。人们发现脑室的脑叶范围与大脑疾病,特别是与阿尔茨海默病相关。使用侧脑室的中心点和侧脑室的右后脑叶端部附近的边缘点得到与阿尔茨海默病的高度相关性。
同样,医学图像中可见的大脑第三脑室的宽度示出为与诸如阿尔茨海默病的大脑疾病密切相关。可以通过选择由贯穿中心点的线连接起来的、脑室的两个边缘点建立这种宽度,从而使得两个边缘点之间的距离基本上是最短的,长度测量器布置为用于建立所述基本上最短的距离。
边缘检测器可以布置为用于识别脑室的边缘上的多个边缘点,并且长度测量器可以布置为用于建立从中心点到多个边缘点中的每一个的距离,以获得多个长度。例如,起始于相同中心点的多个长度提供可以由决策支持系统处理的更多信息。
统计模块可以使用多个长度以计算多个长度的统计量。这种统计量可以用于大脑疾病的诊断过程。例如,人们发现从中心点以在中心点周围完全分布的不同方向延伸的多个长度的长度平均与阿尔茨海默病高度相关。
该系统可以包括中心点检测器,其用于识别至少一部分脑室的中心点。但是,该中心点没有必要在所有实施例中详细计算。
该系统还可以包括用于识别图像区域的器件,所述区域的边界是基于脑室的第一中心点的,以用用于识别脑室的第二部分的器件,所述脑室的第二部分包括脑室的第一部分与所述区域的交叉,中心点检测器还布置为用于识别脑室的第二部分的第二中心点。这提供了识别脑室的点的鲁棒性方式。通过识别其边界基于第二中心点的另一区域以及识别所述另一区域中脑室部分的中心点来重复所得到的过程。可以按照沿因此识别出的中心点的路径的长度来计算长度测度。这提供了找到脑室的脑叶长度的鲁棒性且精确的方式。同样,可以通过以下方式估计脑室的端部:多次迭代识别中心点以及识别其边界基于中心点的区域的过程。例如,所述区域的边界可以包括第一中心点。
医学图像可以包括3D医学图像数据集的二维横截面。2D图像允许进行相当有效的计算。
可以提供一种医学工作站,其包括上述系统和用于生成长度测度的人类可读表示以及医学图像中路径的图形指示的输出设备。这允许临床医生回顾相关量值。
可以提供用于采集医学图像的医学成像装置,该医学成像装置包括上述系统。这允许紧接在图像采集之后在图像采集处执行计算。
一种分析在医学图像数据集中表示的脑室的方法包括:
识别脑室的边缘上的边缘点;以及
建立通过脑室的路径的长度测度,所述路径终止在边缘点处并且包括脑室的中心点。
可以提供一种计算机程序产品,其包括用于令处理器系统执行所述方法的计算机指令。
本领域技术人员将意识到,本发明的两个或更多个前述实施例、实现方式和/或多个方面可以任何有益的方式进行结合。
本领域技术人员可以基于本描述对图像采集装置、工作站、系统和/或计算机程序产品进行修改和变型,所述修改和变型对应于所描述的系统的修改和变型。
本领域技术人员将意识到,所述方法可以用于由诸如但不限于标准X射线成像、计算断层摄影(CT)、磁共振成像(MRI)、超声(US)、正电子发射断层摄影(PET)、单光子发射计算断层摄影(SPECT)以及核医学(NM)的各种采集模态采集的多维图像数据,例如2维(2-D),3维(3-D)或者4维(4-D)图像。
附图说明
参考附图,对本发明的这些及其他方面进行进一步的阐明和描述,其中
图1A示出了健康对照的大脑MR图像的横截面切片;
图1B示出了诊断为阿尔茨海默病患者的大脑MR图像的横截面切片;
图2示意性图示了脑室的若干方面;
图3图示了表示“特征(signature)图描述符”的曲线图;
图4示出了用于分析脑室的系统的示意图;
图5示意性图示了脑室的若干方面;
图6示出了分析脑室的方法的示意图。
具体实施方式
阿尔茨海默病(AD)的一种症状是大脑中神经元的丧失。在许多情况下,医学专家使用MR(磁共振)图像通过感兴趣结构的收缩(萎缩),或者有时更简单地通过诸如脑室的流体填充结构的扩大而定性地测量神经元丧失。使用体积来进行定量分析。体积或者2维中的面积是一种粗略的测度,这种测度不提供细节形状的分析。另一方面,医学专家不情愿使用复杂、难于再现或者难于理解的形状描述符。这就是专家们在其诊断中更优先使用面积和体积的原因。在本文中,公开一种针对脑室的新颖的且容易提取的形状描述符。发现这些形状描述符在例如阿尔茨海默病患者和健康对照的分类中是更好的描述符。
由于年龄增长和阿尔茨海默病导致在大脑中发生的结构变化之一是脑室扩大。脑室中充满了脑脊液,脑脊液是一种为大脑提供物理和营养支持的水溶液。在由于神经元丧失导致萎缩的情况下,脑室随之扩大。
在图1中,对于健康对照和阿尔茨海默病患者,脑室作为中心高强度区域可见。图1A示出了健康对照的轴向MR T2切片。附图1B为患有阿尔茨海默病的患者的轴向MR T2切片。在这两幅图中,图像中间的明亮白色区域1和2是脑室。临床上,脑室的体积用于阿尔茨海默病的定性或定量诊断。但是,包括脑室的一些大脑结构的形状可以提供比体积更多的信息。针对脑室分析的一些形状描述符利用对参数设置敏感的先进的处理技术。这妨碍了临床应用的推广。本文中,描述了一种用于提供脑室的描述符的系统和方法,所述描述符更加易于提取或者易于理解。
附图2A-D和5A-E图示了形状描述符的一些方面。这些图示以不同的注释多次示意性示出了相同的医学图像。在这些图示中,使用相同的附图标记表示类似的对象。白色部分8代表了医学图像中的脑室。尽管示出的是2D图像,具体而言MR大脑图像的横截面切片,但是这里描述的方法和系统还可以应用于3D图像。
一些有用的形状描述符包括:
“翼长”:从侧脑室8的中心点5(图2B)到四个角,或者到MR轴向切片图像的四个可见脑叶的端点17(左前、右前、左后和右后)的任意四个距离。这在图2C中示出,四个距离以数字6、10、11和12指示。
“特征图描述符”:特征图包括多个长度值,每个长度值对应于一角度。所述与一角度对应的值是从诸如脑室的质心的中心点5沿着从中心点5以所述角度定义的方向延伸的线到达边缘点7的距离。图3示出了示例性特征图。水平轴示出了角度。垂直轴以任意单位示出了与角度对应的长度值。可以看出,使用跨越了360度的方向。可以将统计值用作特征图描述符。特征图描述符的示例包括特征图中出现的长度测量值的平均值或者中间值。
“宽度/厚度”:由图2D中的9指示,对于轴向切片的脑室的最小厚度示出了基底神经节。可选地,该宽度/厚度可以由第三脑室的平均宽度定义。第三脑室为人类大脑中已知的解剖区域,位于中心点5的周围。例如,可以通过计算中心点5右向的脑室范围以及中心点5左向的脑室范围,并且将两者相加而计算该特征。
“交叉长度”,由图2A指示,其也可以使用:从一个脑叶的端部到相对脑叶的端部的距离。由3指示一个这种距离,另一个为13。两条如此定义的交叉线的交叉点4可以用作中心点。
这些描述符相对容易地从医学图像中提取。
图4示出的示意图图示了用于分析脑室的系统的各方面的。图示中示出的以及下文描述的系统只是示例。其特征中的许多是任选的。系统包括存储器59,其用于存储医学图像数据和其他数据,例如中间结果和状态信息。存储器59包括例如随机存取存储器、只读存储器、闪存、磁盘、和/或数据库服务器。系统还包括处理器系统56。处理器系统56包括一个或多个处理器。系统还包括控制单元60,该控制单元60包括用于令所述处理器执行某些任务的计算机指令。控制单元60控制其他单元、存储器和处理器之间的操作和交互。例如,大部分在下文中将要描述的其他单元都可以借助于在存储器59中存储的软件代码或者借助于电子电路实现。其他单元可以包括硬件元件,例如显示器或者医学成像装置57。
可以提供输入61用于接收医学图像并且将医学图像存储到存储器59中,从而系统可以获得图像以进行分析。输入61可以直接连接到医学成像装置57。输入也可能借助于网络连接而连接到数字通信网络。例如,图像可以经由网络从数据服务器导入。例如,所述网络可以是局域网或者因特网。输入61还可以布置为用于从诸如DVD或者CD-ROM的可移动媒体设备或者从磁盘中检索图像数据。如下文将提到,输入61可以经由控制单元60触发边缘检测器52和/或中心点检测器51以执行其任务。也可以响应于经由例如包括鼠标和键盘(未示出)的用户接口的用户输入,或者响应于来自决策支持系统的请求,由控制单元60完成该触发。
可以提供分割器件63用于在图像中分割脑室。分割器件63从输入61接受到图像数据,并将其转发到边缘检测器52和/或中心点检测器51。这种分割器件可以布置为用于将图像元素(例如,像素或者体素)的强度水平与阈值进行比较。例如,将阈值以上的图像元素分类为脑室的部分。本领域技术人员熟知许多其他的分割方法。基于模型的分割是一种比较适宜的分割方法。在备选实施例中,可以省略分割器件63,例如输入61可以布置为用于接收经分割的数据,或者边缘检测器52和/或中心点检测器51可以布置为用于直接在未经分割的数据上工作。
可以提供边缘检测器52用于识别脑室的边缘上的边缘点。边缘检测器52可以采用已知的方法识别边缘点。根据本文的描述,在对脑室进行分割之后,本领域技术人员就知道如何识别脑室边缘上的一个或多个点。也已知识别边缘点的其他方法,即除了分割,并且可以将该方法应用到边缘检测器52中。例如,借助于梯度估计检测边缘。脑室的边缘是脑室的外部边界。在三维图像中,边缘以表面的形式出现。在二维横截面图像中,脑室的边缘是曲线。
可以提供长度测量器53用于建立通过脑室的路径的长度测度,该路径终止于边缘点并且包括脑室的中心点。这种长度测度在大脑疾病的诊断中至关重要。然而,可以使用直线作为路径;在这种情况下,路径可能并不完全包含在脑室中。
路径还可以终止于中心点。在这种情况下,路径的一端终止于中心点,而路径的另一端终止于边缘点。例如,该路径是直线。直线便于计算并且提供良好的结果。但是,所述路径也可能是曲线,该曲线吻合脑室的形状。这提供了更高精度的结果。
边缘检测器52可以布置为用于检测脑室的脑叶端部处的边缘点。在这种情况下,长度测度对应于脑叶的范围。通过找到从中心点到多个脑叶边缘点中的任一个的最长的线可以找到脑叶的端部或者脑室的角点。
人类大脑的脑室包括侧脑室。因此侧脑室是已知的解剖结构。在大脑的2D轴向切片中,侧脑室被表示为具有从中心部分延伸的多个脑叶。边缘检测器可以布置为用于识别侧脑室的右后脑叶的远端上的边缘点。从中心点到该边缘点的距离特别地重要。
边缘检测器52可以布置为用于选择脑室的两个边缘点,这两个点由贯穿中心点的线彼此连接起来,从而使得两个边缘点之间的距离基本上是最短的,长度测量器布置为用于建立基本上最短的距离。该测度对应于第三脑室的宽度。在实施例中,中心点可以被识别为在两个所选择的边缘点中间的点。
边缘检测器52可以布置为用于识别脑室的边缘上的多个边缘点,而长度测量器53可以布置为用于建立从中心点到多个边缘点的每个的长度,以获得多个长度。这些多个长度可以在显示器上作为图表示出,如图3中所示。也可以将该图表打印或者存储在患者记录中。也可以将多个长度转发至统计模块62,提供所述统计模块用于计算多个长度的统计量,例如均值或者中间值。
可以提供中心点检测器51用于识别脑室的中心点。该中心点例如可以为重心,或者脑室的图像元素(例如体素、像素)的坐标均值。或者,中心点可以为脑室的边界框的中间,其中,将边界框选择为足够大以容纳脑室。可选地,参考图2A,中心点为脑室的两条横截面线3和13的交叉点4,每条横截面线连接脑室的两个相对的角点。可选地,还可以将中心点检测为线9的中间。
可以提供器件54用于识别图像的区域14。基于第一中心点5确定区域14的边界。例如,区域14的边界包括第一中心点,或者接近第一中心点5。选择区域14,从而使得其包括的图像部分具有相对于第一中心点5的预先确定的取向,例如该区域从第一中心点5延伸到图像的左侧底部,如图5A的情况,或者从第一中心点5延伸到图像的右侧顶部(未示出)。例如,以中心点为原点选择图像的四分之一。图5A-E图示了该示例。本该图示中,选择图像的左侧底部四分之一作为区域14。器件54可以应用于围绕中心点的每个四分之一。可以提供器件50用于识别脑室的第二部分15,其包括脑室的第一部分8与区域14的交叉。中心点检测器51可以布置为用于识别脑室的第二部分15的第二中心点16。之后,存在图5D中图示的两个中心点。可以重复这个过程,例如,可以相对于第二中心点建立左侧底部的四分之一,以及根据脑室与后者情况下的四分之一的交叉计算第三中心点。几次迭代之后,表示脑叶端部处的边缘点17的点被认为是中心点。这种找到脑叶端部的方式对于噪声或者图像数据中其他不精确具有相对的鲁棒性。可以将从第一中心点5到边缘点17的距离计算为沿直线10的距离或者沿经过包括第二中心点16的已计算的中心点的路径18的距离。
将理解的是,该系统可以应用于二维图像或者三维图像。如果使用三维图像,一种可能的方法是计算一个或多个横截面切片或者多平面重组切片(MPR)中的距离。在横截面切片的情况下(或者多个平行的MPR),例如基于多个切片,通过对每个个体图像中识别出的中心点进行平均而计算(第一个)中心点5是可能的。这使得中心点的确定更加可靠。可以使用相同的(平均的)中心点来在多个图像中的每个中执行距离测量。这样,可以获得更多的信息支持诊断。
所找到的距离可以是用于基于长度测度对医学图像进行分类的决策支持系统或者计算机辅助检测系统的输入。这种系统是本领域已知的。基于本描述,本领域技术人员可以改造该系统,以使它们能够处理所述系统产生的距离值。
所述系统可以包括在医学工作站中,所述医学工作站包括用于生成测量距离的可视化的输出设备58,如例如图2C、2D和5E所示。另外,可以使表示(多个)距离的数值可视化。输出设备58可以包括显示器、打印机或者在电子病历中用于在服务器上存储信息的网络输出。
所述系统还可以包括在用于采集医学图像的医学成像装置中,例如MR成像装置、CT成像装置或者超声设备。这种成像装置具有扫描器57,用于生成医学图像并将医学图像提供至输入61。
图6图示了分析医学图像数据集中表示的脑室的方法。该方法包括:识别脑室的边缘上的边缘点的步骤81;和建立通过脑室的路径的长度测度的步骤82,所述路径终止于边缘点并且包括脑室的中心点。该方法例如可以由计算机工作站中的软件实现。
在对阿尔茨海默病患者和健康对照进行的分类任务中,将所述形状描述符与面积(和体积)进行比较。分析示出两组横截面大脑图像中的脑室面积以p=0.066显著不同。发现脑室边缘的平均值以p=0.055显著不同。右后侧的“翼长”10以p=0.032显著不同,因此“翼长”是更可靠的描述符。左后侧的“翼长”11以p=0.066显著不同。“宽度/厚度”以p=0.030显著不同,并且“平均特征值”以p=0.028显著不同。
所述算法和测量值可以在MR高级图像分析工具箱中使用。而且,描述符可以用于决策支持系统(DSS)和计算机辅助检测(CAD)系统。同样,专家可以人为地对值进行解释。基于脑室的描述符可应用于痴呆症的诊断,例如阿尔茨海默病,以及示出脑室扩大的其他疾病,例如脑积水和精神分裂症。
将意识到的是,本发明还延伸到计算机程序,特别是载体上或载体中的计算机程序,其适于实施本发明。该程序可以具有以下形式:源代码、目标代码、在源代码和目标代码之间的代码,例如部分编译的形式,或者适于在实现根据本发明的方法中使用的任何其他形式。还将意识到的是,这种程序可以具有很多不同的结构设计。例如,实现根据本发明的方法或系统的功能的程序代码可以再划分为一个或多个子程序。在这些子程序中分布所述功能的许多不同的方式对于本领域技术人员来说是显而易见的。子程序可以一起存储在一个可执行文件中,以形成自包含程序。这种可执行文件可以包括计算机可执行指令,例如处理器指令和/或解释程序指令(例如Java解释程序指令)。可选地,一个或多个或所有子程序可以存储在至少一个外部库文件中,并且与主程序静态或者动态链接,例如在运行时链接。主程序包括对子程序中的至少一个的至少一次调用。此外,子程序可以包括对彼此的函数调用。有关计算机程序产品的实施例包括计算机可执行指令,该指令与所述方法中的至少一个的处理步骤中的每个对应。这些指令可以再划分为子程序和/或存储在一个或多个可以静态或动态链接的文件中。有关计算机程序产品的另一个实施例包括计算机可执行指令,该指令与所述系统和/或产品中的至少一个的每个器件对应。这些指令可以再划分为子程序和/或存储在一个或多个可以静态或动态链接的文件中。
计算机程序的载体可以是能够执行程序的任何实体或设备。例如,载体可以包括存储介质,例如ROM,比如CD ROM或者半导体ROM,或者磁性记录介质,例如软盘或硬盘。此外,载体可以是诸如电或光信号的可传输载体,其经由电缆或者光缆或者无线电或者其他方法进行传送。当程序嵌入到这种信号中时,所述载体可以包括这种线缆或者其他设备或器件。可选地,载体还可以是其中嵌入了程序的集成电路,所述集成电路适于执行相关方法或者在执行相关方法中使用。
应当注意到,上文提到的实施例图示而非限制本发明,并且本领域技术人员在不脱离所附权利要求的范围的情况下能够设计出各种备选实施例。在权利要求中,不应将括号中的任何附图标记解释为限制权利要求。使用的动词“包括”及其动词的变化形式并不能排除除了权利要求中所指的元件或者步骤以外的元件或步骤。元件前面的冠词“一”或“一个”并不排除多个这种元件的存在。本发明可以借助于包括若干不同元件的硬件以及借助于适当编程的计算机实现。在列举若干器件的装置权利要求中,可以由一个并且是相同的硬件体现若干这些器件。在互不相同的从属权利要求中引用某些措施这一事实并不表明使用这些措施的组合是不利的。
Claims (12)
1.一种用于分析医学图像数据集中表示的脑室(8)的系统,包括
边缘检测器(52),其用于识别所述脑室的边缘上的边缘点(17);以及
长度测量器(53),其用于建立包括所述脑室的中心点(5)并且终止在所述边缘点(17)的路径(10)的长度测度作为所述脑室的针对阿尔茨海默病的形状描述符;
其中,所述边缘检测器(52)被布置为用于检测所述脑室的脑叶端部处的所述边缘点(17),并且所述长度测度包括起始于所述中心点且终止于所述脑室的所述脑叶端部的所述边缘点(17)的所述脑叶的翼长。
2.如权利要求1所述的系统,所述脑室包括侧脑室,并且所述脑叶包括所述侧脑室的右后脑叶。
3.如权利要求1所述的系统,所述边缘检测器(52)布置为用于识别所述脑室的边缘上的多个边缘点(7);以及
所述长度测量器(53)布置为用于建立从所述中心点(5)到所述多个边缘点(7)中的每一个的长度,以获得多个长度。
4.如权利要求3所述的系统,还包括统计模块(62),其用于计算所述多个长度的统计量。
5.如权利要求1所述的系统,还包括
中心点检测器(51),其用于识别所述脑室的第一部分(8)的第一中心点(5);
用于识别所述图像的区域(14)的器件,所述区域(14)的边界基于所述第一中心点(5);以及
用于识别所述脑室的第二部分(15)的器件,所述第二部分(15)包括所述脑室的所述第一部分(8)与所述区域(14)的交叉;
所述中心点检测器(51),其还布置为用于识别所述脑室的所述第二部分(15)的第二中心点(16)。
6.如权利要求5所述的系统,所述长度测量器(53)布置为用于将所述长度测度建立为从所述第一中心点(5)经由所述第二中心点(16)到达所述边缘点(17)的路径(18)的长度。
7.如权利要求1所述的系统,所述医学图像包括3D医学图像数据集的2D横截面。
8.如权利要求1所述的系统,还包括决策支持系统(55),其用于基于所述长度测度对所述医学图像进行分类。
9.一种医学工作站,其包括如权利要求1所述的系统以及用于生成所述长度测度的人类可读表示以及所述医学图像中所述路径的图形指示的输出设备(58)。
10.一种用于采集医学图像的医学成像装置,所述医学成像装置包括如权利要求1所述的系统以及用于生成所述医学图像的扫描器(57)。
11.一种分析医学图像数据集中的脑室的方法,包括
识别(81)所述脑室的脑叶端部处的边缘点;以及
建立(82)通过所述脑室的路径的长度测度作为所述脑室的针对阿尔茨海默病的形状描述符,所述路径终止于所述边缘点并且包括所述脑室的中心点,所述长度测度包括起始于所述中心点且终止于所述脑室的所述脑叶端部的所述边缘点的所述脑叶的翼长。
12.一种用于分析医学图像数据集中的脑室的装置,包括
用于识别所述脑室的脑叶端部处的边缘点的模块;以及
用于建立通过所述脑室的路径的长度测度作为所述脑室的针对阿尔茨海默病的形状描述符的模块,所述路径终止于所述边缘点并且包括所述脑室的中心点,所述长度测度包括起始于所述中心点且终止于所述脑室的所述脑叶端部的所述边缘点的所述脑叶的翼长。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP08166005 | 2008-10-07 | ||
EP08166005.2 | 2008-10-07 | ||
PCT/IB2009/054279 WO2010041171A2 (en) | 2008-10-07 | 2009-09-30 | Brain ventricle analysis |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102171725A CN102171725A (zh) | 2011-08-31 |
CN102171725B true CN102171725B (zh) | 2017-05-03 |
Family
ID=42101025
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN200980139443.6A Expired - Fee Related CN102171725B (zh) | 2008-10-07 | 2009-09-30 | 脑室分析 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20110194741A1 (zh) |
EP (1) | EP2345005A2 (zh) |
CN (1) | CN102171725B (zh) |
WO (1) | WO2010041171A2 (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010013300A1 (ja) * | 2008-07-28 | 2010-02-04 | 日本メジフィジックス株式会社 | 脳神経疾患検出技術 |
US8929636B2 (en) * | 2012-02-02 | 2015-01-06 | Peter Yim | Method and system for image segmentation |
US9214029B2 (en) * | 2012-02-02 | 2015-12-15 | Peter Yim | Method and system for image segmentation |
US9984311B2 (en) * | 2015-04-11 | 2018-05-29 | Peter Yim | Method and system for image segmentation using a directed graph |
US11232612B2 (en) * | 2019-03-15 | 2022-01-25 | University Of Florida Research Foundation, Incorporated | Highly accurate and efficient forward and back projection methods for computed tomography |
WO2022145544A1 (ko) * | 2020-12-30 | 2022-07-07 | 뉴로핏 주식회사 | 진단보조정보를 제공하는 방법 및 이를 수행하는 장치 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2000063844A1 (en) * | 1999-04-20 | 2000-10-26 | Koninklijke Philips Electronics N.V. | A method and apparatus for interactively constructing relational geometric objects |
EP1349098A1 (en) * | 2002-03-27 | 2003-10-01 | Agfa-Gevaert N.V. | Method of performing geometric measurements on digital radiological images using graphical templates |
CN1961337A (zh) * | 2004-04-28 | 2007-05-09 | 皇家飞利浦电子股份有限公司 | 用于在多维数据集中进行对象映射的图像分析系统 |
Family Cites Families (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5655028A (en) * | 1991-12-30 | 1997-08-05 | University Of Iowa Research Foundation | Dynamic image analysis system |
WO1996041312A1 (en) * | 1995-06-07 | 1996-12-19 | University Of Florida Research Foundation, Inc. | Automated method for digital image quantitation |
US6430430B1 (en) * | 1999-04-29 | 2002-08-06 | University Of South Florida | Method and system for knowledge guided hyperintensity detection and volumetric measurement |
AU2003260902A1 (en) * | 2002-10-16 | 2004-05-04 | Koninklijke Philips Electronics N.V. | Hierarchical image segmentation |
JP2006505366A (ja) * | 2002-11-07 | 2006-02-16 | コンフォーミス・インコーポレイテッド | 半月板サイズおよび形状の決定および工夫した処置の方法 |
US7324675B2 (en) * | 2002-11-27 | 2008-01-29 | The Board Of Trustees Of The Leland Stanford Junior University | Quantification of aortoiliac endoluminal irregularity |
US7756306B2 (en) * | 2003-02-27 | 2010-07-13 | Agency For Science, Technology And Research | Method and apparatus for extracting cerebral ventricular system from images |
WO2005002444A1 (en) * | 2003-07-07 | 2005-01-13 | Agency For Science, Technology And Research | Method and apparatus for extracting third ventricle information |
US7321676B2 (en) * | 2003-07-30 | 2008-01-22 | Koninklijke Philips Electronics N.V. | Automatic determination of the long axis of the left ventricle in 3D cardiac imaging |
CN1926573A (zh) * | 2004-01-30 | 2007-03-07 | 思代软件公司 | 用于将主动表观模型应用于图像分析的系统和方法 |
JP2008501179A (ja) * | 2004-05-28 | 2008-01-17 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | 画像処理装置、イメージングシステム、並びに画像内のオブジェクトを拡大縮小するコンピュータプログラム及び方法 |
US7787671B2 (en) * | 2004-07-16 | 2010-08-31 | New York University | Method, system and storage medium which includes instructions for analyzing anatomical structures |
WO2007035688A2 (en) * | 2005-09-16 | 2007-03-29 | The Ohio State University | Method and apparatus for detecting intraventricular dyssynchrony |
EP1996959A4 (en) * | 2006-03-03 | 2012-02-29 | Medic Vision Brain Technologies Ltd | SYSTEM AND METHOD FOR PRIORITIZE PRIORITIZATION AND AUTOMATIC ANALYSIS OF MEDICAL IMAGES |
US20100226552A1 (en) * | 2006-03-28 | 2010-09-09 | Koninklijke Philips Electronics N. V. | Identification and visualization of regions of interest in medical imaging |
WO2007114238A1 (ja) * | 2006-03-30 | 2007-10-11 | National University Corporation Shizuoka University | 脳萎縮判定装置、脳萎縮判定方法及び脳萎縮判定プログラム |
WO2008002275A1 (en) * | 2006-06-28 | 2008-01-03 | Agency For Science, Technology And Research | Registering brain images by aligning reference ellipses |
JP2008183022A (ja) * | 2007-01-26 | 2008-08-14 | Ge Medical Systems Global Technology Co Llc | 画像処理装置,画像処理方法,磁気共鳴イメージング装置,および,プログラム |
EP2277148A4 (en) * | 2008-02-29 | 2012-08-22 | Agency Science Tech & Res | METHOD AND SYSTEM FOR ANATOMY STRUCTURE SEGMENTATION AND MODELING IN ONE IMAGE |
US9730615B2 (en) * | 2008-07-07 | 2017-08-15 | The John Hopkins University | Automated surface-based anatomical analysis based on atlas-based segmentation of medical imaging |
US9805473B2 (en) * | 2008-09-19 | 2017-10-31 | Siemens Healthcare Gmbh | Method and system for segmentation of brain structures in 3D magnetic resonance images |
WO2010117573A2 (en) * | 2009-04-07 | 2010-10-14 | Virginia Commonwealth University | Automated measurement of brain injury indices using brain ct images, injury data, and machine learning |
-
2009
- 2009-09-30 US US13/122,976 patent/US20110194741A1/en not_active Abandoned
- 2009-09-30 EP EP09787329A patent/EP2345005A2/en not_active Ceased
- 2009-09-30 CN CN200980139443.6A patent/CN102171725B/zh not_active Expired - Fee Related
- 2009-09-30 WO PCT/IB2009/054279 patent/WO2010041171A2/en active Application Filing
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2000063844A1 (en) * | 1999-04-20 | 2000-10-26 | Koninklijke Philips Electronics N.V. | A method and apparatus for interactively constructing relational geometric objects |
EP1349098A1 (en) * | 2002-03-27 | 2003-10-01 | Agfa-Gevaert N.V. | Method of performing geometric measurements on digital radiological images using graphical templates |
CN1961337A (zh) * | 2004-04-28 | 2007-05-09 | 皇家飞利浦电子股份有限公司 | 用于在多维数据集中进行对象映射的图像分析系统 |
Also Published As
Publication number | Publication date |
---|---|
EP2345005A2 (en) | 2011-07-20 |
WO2010041171A3 (en) | 2011-04-14 |
CN102171725A (zh) | 2011-08-31 |
WO2010041171A2 (en) | 2010-04-15 |
US20110194741A1 (en) | 2011-08-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
NL1024869C2 (nl) | Werkwijze en systeem voor het meten van voor ziekte relevante weefselveranderingen. | |
NL1027538C2 (nl) | Werkwijzen en apparaten voor verwerken van beelddata om te helpen bij detecteren van ziekte. | |
US8170347B2 (en) | ROI-based assessment of abnormality using transformation invariant features | |
Zhang et al. | A three-dimensional fractal analysis method for quantifying white matter structure in human brain | |
US6609021B1 (en) | Pulmonary nodule detection using cartwheel projection analysis | |
US8634614B2 (en) | System and method for volumetric analysis of medical images | |
EP3701495B1 (en) | Tomographic data analysis | |
CN102171725B (zh) | 脑室分析 | |
CN106504253A (zh) | 一种医疗影像照片的处理方法及系统 | |
US20080021301A1 (en) | Methods and Apparatus for Volume Computer Assisted Reading Management and Review | |
Brecheisen et al. | Parameter sensitivity visualization for DTI fiber tracking | |
CN110415234A (zh) | 基于多参数磁共振成像的脑部肿瘤分割方法 | |
CN102301394B (zh) | 透壁灌注梯度图像分析 | |
Park et al. | Segmentation of perivascular spaces in 7 T MR image using auto-context model with orientation-normalized features | |
CN102197413B (zh) | 分析至少三维医学图像 | |
RU2752690C2 (ru) | Обнаружение изменений на медицинских изображениях | |
JP4495891B2 (ja) | 骨計測方法 | |
CN107077731A (zh) | 成像不确定性的可视化 | |
Hess et al. | Deep learning for multi-tissue segmentation and fully automatic personalized biomechanical models from BACPAC clinical lumbar spine MRI | |
US8396266B2 (en) | Characterisation of functional medical image scans | |
US7961923B2 (en) | Method for detection and visional enhancement of blood vessels and pulmonary emboli | |
KR101162599B1 (ko) | 흉부 방사선 이미지 분석을 통한 심비대 자동탐지 방법 및 그 기록매체 | |
US20220067928A1 (en) | Method for locating and characterizing bifurcations of a cerebral vascular tree, associated methods and devices | |
CN111862014A (zh) | 一种基于左右侧脑室分割的alvi自动测量方法及装置 | |
Watson | Quantitative SPECT techniques |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170503 Termination date: 20190930 |