CN102207991A - 医学图像诊断辅助技术 - Google Patents
医学图像诊断辅助技术 Download PDFInfo
- Publication number
- CN102207991A CN102207991A CN2011100345234A CN201110034523A CN102207991A CN 102207991 A CN102207991 A CN 102207991A CN 2011100345234 A CN2011100345234 A CN 2011100345234A CN 201110034523 A CN201110034523 A CN 201110034523A CN 102207991 A CN102207991 A CN 102207991A
- Authority
- CN
- China
- Prior art keywords
- branched structure
- subprovince
- lung
- estimate
- evaluation
- 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
Links
- 238000003745 diagnosis Methods 0.000 title claims abstract description 39
- 238000005516 engineering process Methods 0.000 title description 4
- 210000004072 lung Anatomy 0.000 claims abstract description 210
- 210000000621 bronchi Anatomy 0.000 claims abstract description 168
- 238000011156 evaluation Methods 0.000 claims abstract description 119
- 230000000877 morphologic effect Effects 0.000 claims abstract description 42
- 239000000284 extract Substances 0.000 claims abstract description 31
- 230000002685 pulmonary effect Effects 0.000 claims abstract description 28
- 230000006870 function Effects 0.000 claims description 21
- 210000004204 blood vessel Anatomy 0.000 claims description 19
- 206010014561 Emphysema Diseases 0.000 claims description 17
- 210000001147 pulmonary artery Anatomy 0.000 claims description 14
- 230000009325 pulmonary function Effects 0.000 claims description 8
- 238000000605 extraction Methods 0.000 abstract description 13
- 238000000034 method Methods 0.000 description 86
- 230000008569 process Effects 0.000 description 45
- 210000000038 chest Anatomy 0.000 description 14
- 238000012545 processing Methods 0.000 description 14
- 238000003860 storage Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 11
- 238000010276 construction Methods 0.000 description 9
- 238000005520 cutting process Methods 0.000 description 9
- 230000005855 radiation Effects 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 6
- 230000010412 perfusion Effects 0.000 description 6
- 238000002059 diagnostic imaging Methods 0.000 description 5
- 238000009423 ventilation Methods 0.000 description 5
- 230000015572 biosynthetic process Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 238000006073 displacement reaction Methods 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 4
- 210000003484 anatomy Anatomy 0.000 description 3
- 239000008280 blood Substances 0.000 description 3
- 210000004369 blood Anatomy 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 239000007789 gas Substances 0.000 description 3
- 238000000926 separation method Methods 0.000 description 3
- 230000002792 vascular Effects 0.000 description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 239000003570 air Substances 0.000 description 2
- 230000017531 blood circulation Effects 0.000 description 2
- 238000002591 computed tomography Methods 0.000 description 2
- 239000002872 contrast media Substances 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000002602 scintillography Methods 0.000 description 2
- 208000006545 Chronic Obstructive Pulmonary Disease Diseases 0.000 description 1
- 206010058558 Hypoperfusion Diseases 0.000 description 1
- 206010028980 Neoplasm Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 239000012080 ambient air Substances 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 210000003050 axon Anatomy 0.000 description 1
- 210000000481 breast Anatomy 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 210000003456 pulmonary alveoli Anatomy 0.000 description 1
- 238000009613 pulmonary function test Methods 0.000 description 1
- 210000003492 pulmonary vein Anatomy 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000008521 reorganization Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 238000013316 zoning Methods 0.000 description 1
Images
Classifications
-
- 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
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- 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
- A61B6/507—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 determination of haemodynamic parameters, e.g. perfusion 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
- G06T2207/10—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
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
-
- 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Quality & Reliability (AREA)
- Radiology & Medical Imaging (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
利用被检体胸部区域的三维医学图像,通过考虑与分支结构(例如支气管)的关联性,能够实现高精度的肺部图像诊断。肺野区域提取单元31从三维医学图像中提取出肺野区域;支气管提取单元32从三维医学图像中提取出支气管区。之后,通过将表示一部分支气管区的支气管局部区域分割为多个支气管局部亚区,针对每个支气管局部亚区,受关注肺野亚区推断单元34基于分支结构区域推断出肺野区域中与各分割后的分支结构局部亚区功能上相关联的肺野局部亚区;肺评价值计算单元35获取各推断出的肺野局部亚区中的肺评价值;显示控制单元36将与各分支结构局部亚区功能上相关的各肺野局部亚区的肺评价值叠加显示在形态学图像上,从而可以直观地识别出肺评价值与形态学图像中的分支结构局部亚区间的对应关系,其中所述形态学图像由三维医学图像生成并且示出了至少一部分分支结构局部区域的形态。
Description
技术领域
本发明涉及一种使用显示出被检体胸部区域的三维医学图像的图像诊断辅助技术。
背景技术
目前利用显示出胸部区域的三维医学图像的肺部图像诊断辅助技术是已知的。
例如,日本未审查专利公开No.2006-051365提出了如下所述的方法:在显示双肺的CT图像中对肺实质组织进行分割,随后生成分割后图像的灌注图,并且绘制灌注不足的异常区域、并以相对不透明的方式表现出来。
又如,日本未审查专利公开No.2005-028121提出了如下所述的方法:首先从显示吸气和呼气时肺的CT图像中提取出肺区域,之后使用非刚性配准方法对提取出的肺区域进行位置校正,以得到肺区域中的位移矢量场,然后通过计算位移矢量场中各点处的呼气量来计算区域肺容积,并基于该区域肺容积从肺的轴向横截面图或体积绘制图中直观地看到肺换气分布情况。
肺部肺泡的毛细血管血液中有气体交换发生。此时,从血液中排出的二氧化碳通过支气管被输送到体外,而通过支气管从体外输送而来的氧气则进入到血液中。因此,有利的是,在肺部图像诊断中,通过考虑与支气管或血管的关联性,从而对肺各部分中的灌注或区域肺容积的评价值进行解释。
但是,由于支气管或血管的重复分支和变细,使得支气管或血管在整个肺野中的分布非常复杂,因此在整个肺的图像中,非常难以按照上述各专利文献中的方法,通过考虑与支气管或血管的关联性从而对肺各部分中的灌注或区域肺容积的评价值进行解释。
鉴于上述情况而进行本发明,并且本发明的目的是提供一种利用被检体胸部区域的三维医学图像的医学图像诊断辅助技术,这种技术通过考虑与分支结构(如支气管或血管)的关联性,从而可以实现高精度的肺部图像诊断。
发明内容
本发明的医学图像诊断辅助设备包括:
肺野区域提取装置,其用于从被检体胸部区域的三维医学图像中提取出肺野区域;
分支结构区域提取装置,其用于从三维医学图像中提取出分支结构区域;
肺野局部亚区推断装置,其用于将表示一部分分支结构区域的分支结构局部区域分割为多个分支结构局部亚区,并基于该分支结构区域推断出肺野区域中与各分割后的所述分支结构局部亚区功能上相关的肺野局部亚区;
肺评价值获取装置,其用于获取各个推断出的肺野局部亚区中的肺功能和/或形态的肺评价值;以及
显示控制装置,其用于在由所述三维医学图像生成的并且示出了至少一部分分支结构局部区域的形态的形态学图像中,叠加显示出该形态学图像中与各分支结构局部亚区功能上相关的各肺野局部亚区的肺评价值,使得可以直观地识别出肺评价值与该形态学图像中的分支结构局部亚区的对应关系。
本发明的医学图像诊断辅助方法包括如下步骤:
从表示被检体胸部区域的三维医学图像中提取出肺野区域;
从三维医学图像中提取出分支结构区域;
将表示一部分分支结构区域的分支结构局部区域分割为多个分支结构局部亚区,并基于该分支结构区域推断出肺野区域中与各分割后的所述分支结构局部亚区功能上相关的肺野局部亚区;
获取各推断出的肺野局部亚区中的肺功能和/或形态的肺评价值;以及
在由三维医学图像生成的并且示出了至少一部分分支结构局部区域的形态的形态图像中,叠加显示出该形态学图像中与各分支结构局部亚区功能上相关的各肺野局部亚区的肺评价值,使得可以直观地识别出肺评价值与该形态学图像中的分支结构局部亚区的对应关系。
记录有本发明的医疗图像诊断辅助程序的计算机可读取记录介质为这样的介质:该介质上记录有能够使计算机执行上述方法的程序。
本文中所用的术语“分支结构”是指支气管或血管。
关于提取出肺野区域或分支结构区域的方法,可以采用任何已知的提取方法。当支气管与肺动脉平行延伸,并且与支气管相比,图像中所显示的肺动脉被进一步显示至其末梢时,则当提取出支气管作为分支结构时,可提取出肺动脉区域作为支气管区。或者,可采用这样的方式:提取出支气管和肺动脉这二者,对于所提取出的支气管的末梢部分而言,将从肺动脉区域中距离所提取出的支气管的末梢部分最近的点到肺动脉区的末梢部分这部分肺动脉区提取作为与支气管末梢部分相连的支气管区。
可通过如下方式来设置“分支结构局部区域”:通过使用者在由三维医学图像所生成的图像中的手动指定操作进行设置;通过使用图像分析/识别方法自动地进行设置;或者通过这两种方法的组合进行设置。所述组合方法的具体例子包括:这样的方法,其中,通过使用者的手动操作指定分支结构局部区域的参照点,并且基于该参照点进行预定的图像分析/识别处理,由此自动提取出分支结构局部区域;这样的方法,其中通过预定的图像分析/识别处理来自动提取出候选的分支结构局部区域,然后从这些候选的受关注分支结构中经使用者手动操作来选择出分支结构局部区域;以及这样的方法,其中通过使用者手动操作对候选的分支结构局部区域进行校正。
“分支结构局部亚区”可为(例如)通过针对分支结构的每个分支来对分支结构局部区域进行分割而得到的亚区,或者为通过按照预定的距离对分支结构局部区域进行分割而得到的亚区。下文中,分支结构局部亚区也称作第一分支结构局部亚区。
本文中所用的术语“与(分支结构局部亚区)功能上相关的(肺野局部亚区)”是指:在肺野局部亚区中进行交换的气体会通过该分支结构局部亚区。
可以想到,可以基于分支结构的形态特征来推断“肺野局部亚区”,其中所述分支结构的形态特征(例如)为分支结构区域的位置关系、分支结构的管径等。此外,也可将三维医学图像中所显现的肺分割为多个预定的肺分区,并且对肺野局部亚区进行推断以使其属于被分割后的肺分区中的一个分区。
如果分支结构为支气管,则可进一步提取肺动脉区,并可将从肺动脉区中距离支气管(其被提取作为分支结构)末梢部分最近的点到肺动脉的末梢部分这一部分肺动脉区视为与支气管末梢部分相连的支气管区,从而对肺野局部亚区进行推断。
“评价值”的具体例子为各肺野局部亚区中的肺气肿程度。
此外,可基于本发明的处理目标图像(三维医学图像)来计算“评价值”,或者可将基于示出同一被检体的胸部区域的另一医学图像而计算得到的评价值作为该评价值。这里,“另一医学图像”可以为由与三维医学图像(本发明的处理目标图像)相同的医疗设备在不同时间拍摄的图像、或者为由不同的医疗设备拍摄的图像。此外,可以将基于同一被检体胸部区域的特定测量数据计算得出的评价值作为该评价值。特别是,当使用基于另一医学图像或测量数据的评价值时,优选进行位置校正,使得由评价值所表示的被检体胸部区域位置与形态学图像中的相应位置相匹配。
“形态学图像”可以是示出一部分分支结构局部区域的形态的图像,比如示出了在分支结构局部区域的给定点处的分支结构横截面的横截面图像,或者示出了分支结构局部区域的整体形态的图像。后者的具体例子可以为通过CPR(曲面重组/重建)对三维医学图像进行重建而得到的示出分支结构局部区域的CPR图像。此外,形态学图像可包括与至少一部分分支结构局部区域功能上相关的肺野局部亚区。
“叠加显示”模式的具体例子可以是这样一种模式,在该模式中,评价值被叠加显示在形态学图像中不与分支结构局部区域重叠的位置处。例如,可将评价值叠加显示在形态学图像中距离分支结构局部区域中心线达预定距离的位置处。此外,当形态学图像中包括肺野局部亚区时,可将评价值叠加显示在形态学图像中不与分支结构局部区域和肺野局部亚区重叠的位置处。
此外,可将形态学图像中的分支结构局部区域分割为多个第二分支结构局部亚区,并且得到所述各个第二分支结构局部亚区的第二评价值;可以进一步将上述各第二分支结构局部亚区的第二评价值叠加显示在形态学图像中,使得可以直观地识别出第二分支结构局部亚区与第二评价值之间的对应关系。在此,可以将分支结构局部区域分割为各“第二分支结构局部亚区”,以便与各第一分支结构局部亚区相对应、或者不与各第一分支结构局部亚区相对应。“第二评价值”的具体例子可以为形态学图像中分支结构局部区域的直径的测量值。当进行叠加显示时,可将第二评价值叠加显示在形态学图像中不与肺功能和/或形态的评价值重叠的位置处。
根据本发明,从三维医学图像中提取出肺野区域和分支结构区域;之后将表示一部分分支结构区域的分支结构局部区域分割为多个分支结构局部亚区,并基于该分支结构区域对肺野区域中与各分割后的分支结构局部亚区在功能上相关的肺野局部亚区进行推断;获取所推断出的各肺野局部亚区中肺功能和/或形态的肺评价值;在由三维医学图像生成的并且示出了至少一部分分支结构局部区域的形态的形态学图像中,叠加显示出该形态学图像中与各分支结构局部亚区功能上相关的各肺野局部亚区的肺评价值,使得可以直观地识别出肺评价值与该形态学图像中的分支结构局部亚区的对应关系。这使得可以基于分支结构局部区域与相邻的肺野区域之间的功能关系来进行肺的局部观测/评价。也就是说,可以通过考虑与分支结构的关联性从而进行高精度的肺部图像诊断。
附图说明
图1为医学图像诊断系统的示意性构造图,其中该医学图像诊断系统安装有根据本发明实施方案的医学图像诊断辅助设备。
图2为示意性地示出了用以实现本发明第一实施方案的医学图像诊断辅助功能的构成及处理流程的框图;
图3A示意性地示出了受关注分支结构的分割方法。
图3B示意性地示出了受关注分支结构的另一分割方法。
图4示意性地示出了各个受关注支气管结构亚区的控制区域。
图5示出了第一实施方案中所生成的叠加图像的例子。
图6示出了第一实施方案中所生成的叠加图像的另一例子。
图7为示出了利用本发明第一实施方案的医学图像诊断系统的图像诊断辅助处理流程的流程图。
图8为示意性地示出了用以实现本发明第二实施方案的医学图像诊断辅助功能的构成及处理流程的框图。
图9为示出了利用本发明第二实施方案的医学图像诊断系统的图像诊断辅助处理的流程的流程图。
图10示出了第二实施方案中生成的叠加图像的例子。
图11示出了第二实施方案中生成的叠加图像的另一例子。
具体实施方式
以下将以通过考虑与支气管(其为肺的分支结构之一)的关联性来进行肺部图像诊断为例,来说明采用了本发明实施方案的医学图像诊断辅助设备的医学图像诊断系统。
图1是医学图像诊断系统的硬件构成图,其示出了该诊断系统的总体情况。如图1所示,该系统包括医疗设备1、图像存储服务器2以及图像处理工作站3,它们借助于网络9而相互通讯连通。
医疗设备1包括这样的设备,该设备对被检体的检查目标区域成像以生成表示该区域的三维医学图像的图像数据,并通过附加上在DICOM(医学数字成像和通信)标准中所限定的辅助信息从而输出图像数据以作为图像信息。该设备的具体例子包括(例如)CT、MRI等。在本实施方案中,对下述情况进行了描述:通过利用CT沿体轴方向对人体进行扫描,从而生成表示待检查的人体胸部区域的三维图像数据。
图像存储服务器2为这样的计算机,其用以将由医疗设备1获得的医学图像数据以及通过在图像处理工作站3中进行图像处理而生成的医学图像的图像数据存储于数据库中,并对这些图像数据进行管理,该服务器包括大容量的外部存储单元以及数据库管理软件(例如,对象关系型数据库(ORDB))。
图像处理工作站3为这样的计算机,其响应来自影像读取机(radiology reader)的请求,对由医疗设备1或图像存储服务器2获取的医学图像数据进行图像处理(包括图像分析),并显示所生成的图像。图像处理工作站3配备有已知的硬件装置,如CPU、主存储单元、辅助存储单元、输入/输出接口、通信接口、输入装置(鼠标、键盘等)、显示装置(显示器)、数据总线等,并且图像处理工作站3中还安装有已知的操作系统。在图像处理工作站3中进行医学图像辅助处理,并且通过执行由记录介质(如CD-ROM等)安装的程序来实现这一处理。或者,该程序可以为从与网络(例如,英特网等)连通的服务器存储单元下载并安装的程序。
图像数据的存储格式以及系统中各部件之间的通信基于DICOM协议等。
图2为示出图像处理工作站3中的与本发明第一实施方案的医学图像诊断辅助处理相关的功能部分的框图。如图2所示,根据本发明第一实施方案的医学图像诊断辅助处理是通过以下单元实现的:肺野区域提取单元31、支气管提取单元32、受关注支气管设置单元33、受关注肺野亚区推断单元34、肺评价值计算单元35、以及显示控制单元36。在图2中,三维医学图像V、受关注区域RI、肺野区域LF、支气管结构BR、受关注支气管结构BI、受关注支气管亚区BIn、受关注肺野亚区RVn、肺评价值ELn、CPR图像Is以及显示图像Im为通过上述各处理单元写入到图像处理工作站3的预定存储区域内、并从该存储区域读取出来的数据。
肺野区域提取单元31利用构成三维医学图像V的多个轴向截面图像中的每一个图像作为输入信息,提取出被检体的肺野区域LF。例如,由于肺野区域LF为这样的区域:其具有对应于空气的CT值的像素值,因此可以在对各轴向截面图像进行阈值处理以识别出被检体周围的空气区域以及被检体区域之后,提取出被检体内的空气区域以作为肺野区域。
支气管提取单元32使用三维医学图像V作为输入信息提取出被检体的支气管结构BR。更具体而言,进行区域延伸法以提取出支气管区域中的像素集合体,随后对提取出的支气管区域进行细线化处理(thinning process),并且基于所获得的细线(其表示支气管),将细线上的各像素分为端点、边(侧边)或分支点,由此可获得表示支气管的树结构数据。此外,根据需要,也可将诸如细线上各像素处的支气管直径、各边的长度(支气管分支间的长度)等特征量存储为树结构数据。
受关注支气管设置单元33在支气管结构BR中设置受关注支气管结构BI。更具体而言,受关注支气管设置单元33使由三维医学图像V生成的图像显示于图像处理工作站3的显示装置上,并接受使用者指定受关注区域RI(其包括支气管结构BR)的操作。随后,受关注支气管设置单元33基于支气管结构BR的树结构,将受关注区域RI中的支气管结构设置为受关注支气管结构BI。
受关注肺野亚区推断单元34包括受关注支气管分割单元34a和控制区域计算单元34b。
受关注支气管分割单元34a将受关注支气管结构BI分割为多个受关注支气管亚区BIn(下缀n用以识别各个受关注支气管亚区)。更具体地说,如图3A所示意性示出的那样,针对各分支点对受关注支气管结构BI加以分割,并且分割后的各边线(edge)分别被称为亚区BI1,BI2,BI3和BI4。
控制区域计算单元34b利用支气管结构BR作为核点集合体(kernel point mass)进行三维Voronoi分割,以获得构成受关注支气管结构BR的各个受关注支气管亚区BIn的控制区域。此处,所获得的控制区域被推断为与受关注支气管亚区BIn功能上相关的受关注肺野亚区RVn。更具体地说,如图4中所示意性示出的那样,控制区域计算单元34b识别出与肺野区域LF中的各像素距离最近的分支(其构成了支气管结构BR)中的一个分支,也就是说,识别出肺野区域LF中的各像素被其控制的支气管分支中的一个支气管分支。因此,受相同支气管分支控制的区域被确定为支气管分支的控制区域。这便产生了各受关注支气管亚区BIn的控制区域,即,受关注肺野亚区RVn。(有关详情参阅Y.Hirano等人的“Quantification of shrinkage of lung lobes in chest CT images using the 3D Voronoi division and application to tumor discrimination”,[网络在线],2001年7月,JMIT第20届年会会议记录,315-316页,[检索日期:2009年11月20日],网址<URL:http://mase.itc.nagoya-u.ac.jp/~hirano/Papers/JAMIT2001.pdf>。)
肺评价值计算单元35基于三维医学图像V从而计算出各受关注肺野亚区RVn的肺评价值ELn。在这里,将肺气肿的程度作为肺评价值ELn。更具体地说,肺评价值计算单元35利用三维医学图像V作为输入信息,将肺野区域LF中像素值小于预定阈值(对于非造影剂增强型CT图像,优选的阈值为-960HU)的区域确定为肺气肿区域(有关详情参考文献M.Kinsella等人的“Quantitation of emphysema by computed tomography using a“density mask”program and correlation with pulmonary function tests”,Chest,97卷,315-321页,1990)。之后,基于所确定的肺气肿区域的体积,将由下式得到的肺气肿率作为肺评价值ELn:
肺气肿率=受关注肺野亚区RVn中的肺气肿区体积/受关注肺野亚区RVn的体积。
显示控制单元包括CPR图像生成单元36a及叠加显示控制单元36b。
CPR图像生成单元36a基于三维医学图像V和受关注支气管结构BI,通过已知的拉直CPR(straightened CPR)以生成CPR图像IS。
叠加显示控制单元36b生成叠加图像IM,并且使图像处理工作站3的显示设备显示出该叠加图像IM,其中在叠加图像IM中,CPR图像IS与CPR图像中在功能上与各受关注支气管亚区BIn相关的各受关注肺野亚区RVn的肺评价值ELn相互叠加,使得可以直观地识别出各个肺评价值ELn与各受关注支气管亚区BIn之间的对应关系。图5示出了以叠加方式显示的图像IM的例子,其中根据各受关注支气管亚区BIn的肺评价值ELn来分配颜色和密度值,并将该颜色和密度值的彩色图叠加显示在CPR图像IS中距离受关注支气管结构BI的中心线达预定距离的位置处。此处,将彩色图叠加,使得彩色图中每个颜色分界位置(即,分配给肺评价值ELn的彩色图元素与分配给肺评价值ELn+1的彩色图元素之间的边界位置)与受关注支气管结构BI中的受关注支气管亚区BIn间的各边界位置(即,CPR图像IS左右方向上的受关注支气管亚区BIn与受关注支气管亚区BIn+1间的边界位置)相对应。
现在将对利用本发明第一实施方案的医学图像诊断辅助处理的图像诊断流程进行说明。图7为示出在执行本发明第一实施方案的医学图像诊断辅助软件时所进行的使用者操作、计算处理、显示处理等流程的流程图。
首先,获得三维医学图像V的图像数据(#1)。三维医学图像V为基于诊疗部门医生的检查指令而被医疗设备1拍摄并储存于图像存储服务器2中的图像。使用者通过操作安装在图像处理工作站3中的已知命令系统的终端操作界面,发出获得处理目标三维医学图像数据V的请求。响应于该项操作,图像处理工作站3向图像存储服务器2发出调取三维医学图像数据V的请求。随后,图像存储服务器2通过进行数据库检索而获得处理目标三维医学图像数据V,并将该数据发送至图像处理工作站3。图像处理工作站3获得由图像存储服务器2发来的三维医学图像数据V。
在图像处理工作站3中,肺野区域提取单元31利用构成三维医学图像V的多个轴向截面图像中的每一个图像作为输入信息,从而提取出被检体的肺野区域LF(#2);支气管提取单元32利用三维医学图像V作为输入信息,从而提取出支气管结构BR(#3)。
随后,受关注支气管设置单元33接收使用者发出的在支气管结构BR中指定受关注区RI的操作指令,并基于支气管结构BR的树结构,将指定的受关注区域RI中的支气管结构BR设置为受关注支气管结构BI(#4);受关注肺野亚区推断单元34中的受关注支气管分割单元34a将由受关注支气管设置单元33所设置的受关注支气管结构BI分割为多个受关注支气管亚区BIn(#5)。然后,受关注肺野亚区推断单元34中的控制区域计算单元34b利用三维医学图像V作为输入信息,基于由肺野区域提取单元31提取出的肺野区域LF和由支气管提取单元32提取出的支气管结构BR,从而获得各受关注支气管亚区BIn的控制区域,即受关注肺野亚区RVn(#6)。此外,肺评价值计算单元35基于三维医学图像V从而计算出各受关注肺野亚区RVn中肺气肿区域的体积比(肺气肿率),以作为肺评价值ELn(#7)。
最后,在显示控制单元36中,CPR图像生成单元36a基于三维医学图像V和受关注支气管结构BI而生成CPR图像IS(#8);叠加显示控制单元36b生成叠加图像IM,并使图像处理工作站3的显示装置显示出该叠加图像IM,其中在叠加图像IM中,显示出肺评价值ELn的彩色图被叠加在由CPR图像生成单元36a所生成的CPR图像IS上。
在本发明第一实施方案中,通过检查由上述一系列处理步骤生成的叠加图像IM,从而可基于受关注支气管结构BI(其为支气管的局部区域)与相邻的肺野区域之间的功能关系来进行肺部的局部评价。即,可通过考虑与支气管的关联性从而实现高精度的肺部图像诊断。
此外,如图5所示,显示控制单元36使肺评价值ELn的彩色图显示在CPR图像IS中不与受关注支气管结构BI重叠的位置处,因此在检查肺评价值ELn时,可在CPR图像IS中观察到与各肺评价值ELn相对应的各受关注支气管亚区BIn的状态,从而有助于提高诊断效率和精度。
进一步讲,CPR图像IS可以较宽范围地显示出受关注支气管结构BI,这使得可以在较宽范围内直观地检查和评价受关注支气管结构BI的形态和肺评价值ELn。
图8为示出了图像处理工作站3中与本发明第二实施方案的医学图像诊断辅助处理相关的功能部分的框图。如图8所示,除了额外设置有支气管评价值计算单元37以外,本发明第二实施方案的结构与第一实施方案的结构(图2)相同。
支气管评价值计算单元37基于三维医学图像V从而测量出受关注支气管结构BI的内径,并将该值输出以作为支气管评价值EBn。更具体地说,在受关注支气管结构BI的中心线上的多个点的每个点处,在与中心线正交的横截面图像中测量受关注支气管结构BI的内径。此处,针对各受关注支气管亚区BIn,测量得到内径的平均值。
此外,叠加显示控制单元36b生成了叠加图像IM,并将叠加图像IM显示在图像处理工作站3的显示设备上,其中在叠加图像IM中,CPR图像IS和肺评价值ELn以及支气管评价值EBn被叠加,使得在CPR图像IS中可以直观地识别出各肺评价值ELn/支气管评价值EBn与各受关注支气管亚区BIn之间的对应关系。图10示出了以叠加方式显示的图像IM的例子,与图5一样,在该图像IM中,肺评价值ELn的彩色图叠加在CPR图像IS上;示出了支气管评价值EBn的变化的线图被叠加显示在距离受关注支气管结构BI的中心线达预定距离的位置处,使得在CPR图像IS的左右方向上,各评价值与CPR图像IS中的各受关注支气管亚区BIn的位置相对应。
图9为示出了在执行本发明第二实施方案的医学图像诊断辅助软件时所进行的使用者操作、计算处理、显示处理等流程的流程图。如图9所示,该流程中的步骤#11到步骤#17与第一实施方案(图7)相同。之后,支气管评价值计算单元37基于三维医学图像V从而测量出表示受关注支气管结构BI内径的支气管评价值EBn(#18)。然后,与第一实施方案相同,CPR图像生成单元36a基于三维医学图像V和受关注支气管结构BI而生成CPR图像IS(#19);叠加显示控制单元36b生成叠加图像IM,并使图像处理工作站3中的显示设备显示出该叠加图像IM,其中在该叠加图像IM中,显示出肺评价值ELn的彩色图以及显示出支气管评价值EBn的图被叠加在由CPR图像生成单元36a生成的CPR图像IS上(#20)。
如上所述,在本发明的第二实施方案中,通过观察由如上所述的一系列处理过程生成的叠加图像IM,在检查CPR图像IS中受关注支气管亚区BIn的状态的同时,可以容易地理解基于肺评价值ELn的肺气肿程度的评价与基于肺评价值ELn的支气管内径之间的关系,从而可以更有效地进行高精度的诊断。
上述实施方案仅供示意之用,而不应理解为对本发明技术范围的限制。
应当认识到,在不偏离本发明精神的条件下,可对上述实施方案中的系统构成、处理流程、模块结构、具体的处理内容等进行多种修改和变化,这些修改和变化均包含在本发明范围内。
例如,关于系统构成,已经对其中通过单一的图像处理工作站3进行图2中的各种类型的处理的情况进行了说明;然而,该系统可被构造为使得各种类型的处理过程分配在多台工作站中,并且这些处理过程相互协调运行。
关于处理流程,在根据第一实施方案的图7的流程图中,步骤#8可以在步骤#4之后且在步骤#9之前的任意时间进行,或者与步骤#5至#7同步进行。类似的,在第二实施方案中,图9的流程图中的步骤#19可以在步骤#14之后且在步骤#20之前的任意时间进行,或者与步骤#15至#18同步进行。此外,步骤#17和步骤#18的顺序可以颠倒,或者可以同步进行。
关于具体的处理内容,肺野提取单元31可通过其它已知的提取方法来提取肺野区域LF,其他已知方法(例如)为由本申请人在日本未审查专利申请公开No.2008-253293中所提出的方法。
同样的,除了上述方法以外,支气管提取单元32还可采用各种已知的支气管提取方法(例如,文献T.Kitasaka等人的“A Method for Extraction of Bronchus Regions from 3D Chest X-ray CT Images by Analyzing Structural Features of the Bronchus”,Forma,17卷,321-338页,2002)。此时,如果在提取的同时获得树结构,则可将所获得的树结构直接用于随后的处理中,而无需进行细线化处理。此外,也可将支气管提取单元32构造为提取出肺动脉区域以作为支气管区域。或者,可将支气管提取单元32构造为同时提取出支气管区和肺动脉区,并且对于支气管的末梢部分,将从肺动脉区中距离所提取出的支气管末梢部分最近的点到肺动脉的末梢部分这部分肺动脉区提取作为与支气管末梢部分相连的支气管区。注意的是,可用已知方法来提取肺动脉。例如,可通过如下方法来获得表示肺动脉的树结构数据:接收使用者的种子点(seed point)(其表示肺动脉)设置操作;利用使用者所设置的种子点,通过区域生长法来提取出肺动脉区域内的像素集合;在所提取出的肺动脉区中进行细线化处理;并且基于所获得的表示肺部血管的细线的连接关系,将细线上的各像素分为端点、边(侧边)或分支点(详情参见如下文献:D.Kobayashi等人的“Trial of branch base tree structure model construction for blood vessel geometric representation”[网络在线],2005年3月3日,RIKEN,日本,RIKEN symposium,生物体形状信息的数字化及数据库构建研究,84-92页,[检索日期:2010年1月6日],网址<URL:http://www.comp-bio.riken.jp/keijyo/products/2005_1_files/kobayashi_print.pdf>;以及S.Nakamura等人的“Automated Classification of Pulmonary Artery and Vein from Chest X-ray CT Images by Tree Structure Analysis”,Technical Report of IEICE,MI,日本,2006年1月21日,105卷,No.580,105-108页,[检索日期:2009年11月20日],网址<URL:http://www.murase.nuie.nagoya-u.ac.jp/~ide/res/paper/J05-kenkyukai-snake-1.pdf>)。
受关注支气管设置单元33不接收使用者发出的指定受关注区域RI的操作,取而代之的是,可以接收使用者发出的指定受关注点的操作,并将从指定点到末梢部分处的支气管设置为受关注支气管结构BI。
受关注支气管分割单元34a可不按照图3A中所示那样在分支点处对受关注支气管结构BI进行分割,而是可以将受关注支气管分割单元34a构造为按照预定的距离d(例如,10mm)将受关注支气管结构BI分割为受关注支气管亚区BIn(图3B中的BI1至BI11),或者可根据支气管的位置(这取决于其在由支气管根部到末梢范围内的位置)来改变其间隔。
可以将控制区域计算单元34b构造为:针对由多个受关注支气管亚区BIn构成的组而获得一个受关注肺野亚区RVn,或者进一步将一个受关注支气管亚区BIn分解为亚区部分,并针对分解后的受关注支气管亚区BIn的各部分来获得受关注肺野亚区RVn,而不是针对各受关注支气管亚区BIn来获得受关注肺野亚区RVn。此外,可基于存储于支气管结构BR的树结构数据中的特征量(如支气管直径等)和像素值、以及肺野区域LF中的像素与支气管之间的距离来获得受关注肺野亚区RVn。
当通过在整个肺野区域LF上进行Voronoi分割以获得受关注肺野亚区RVn时,受关注肺野亚区RVn有时可能会跨过多个肺叶的边界,因此控制区域计算单元34b可被构造为预先将肺野区域LF分为多个肺叶(右上叶、右中叶、右下叶、左上页、左中叶和左下页5个肺叶),并计算各肺页内的受关注肺野亚区RVn。此处,肺叶的分离方法可以是自动或手动的方法。关于自动分离方法,可使用任何已知方法,如这样一种方法:其中利用气管、支气管、肺部血管的结构信息大致识别出叶间裂的位置,随后利用密度信息提取出叶间裂,并基于提取出的叶间裂来分离肺叶。(详细信息参见文献T.Hayashi等人的“ Development of the Procedure for Automatic Extracting Interlobar Fissures and its Performance Evalua
此外,控制区域计算单元34b可被构造为通过已知方法提取出肺动脉区,之后通过Voronoi分割从而获得肺动脉区中从肺动脉区中距离被支气管提取单元32提取出的支气管结构BR末梢部分最近的点到肺动脉末梢部分的控制区域,并将所获得的控制区域与受关注肺野亚区RVn(其与受关注支气管亚区BIn功能上相关)结合,其中支气管结构BR的末梢部分属于受关注支气管亚区BIn。这可使得与受关注支气管亚区BIn(支气管结构BR的末梢部分属于受关注支气管亚区BIn)功能上相关的受关注肺野亚区RVn变得相对较大,而肺动脉在肺的解剖学区域(肺区域、肺亚区域)的中心附近运行,因此利用肺动脉末梢部分来推断与支气管结构BR的末梢部分中的受关注支气管亚区BIn相对应的受关注肺野亚区RVn,即使在肺野区域中的远离支气管结构BR末梢部分的点,也可防止与支气管结构BR末梢部分相对应的受关注肺野亚区RVn跨越肺的解剖学区域的边界。这使得肺的功能评价与解剖学结构相一致。
关于由肺评价值计算单元35计算得到的评价值,除了上述实施方案中所用的肺气肿率以外,还可列举以下的已知项目。
(a)受关注肺野亚区中肺气肿成分簇的大小
如上述实施方案中一样,通过阈值处理确定肺气肿区域,并获得肺气肿区域中各连接成分(成分簇)的体积。此外,计算各连接成分的分形维数D(详细信息参见文献M.Mishima等人的“Complexity of terminal airspace geometry assessed by lung computed tomography in normal subjects and patients with chronic obstructive pulmonary disease”,Proc.Natl.Acad.Sci.USA,96卷,8829-8834页,1999)。
(b)可由时间密度曲线获得的灌注参数,例如肺血流量、肺血液量、平均通过时间、日本未审查专利申请公开No.2006-051365A中记载的相邻局部区域平均密度等,其中所述时间密度曲线是在CT灌注分析时的多个关注区域中获得的。
(c)多个辐射图像的像素值,其分别示出具有不同能量分布的多个辐射图案在被检体中的透过/衰减程度。或者,多个图像之间的像素值之差,所述图像是通过如下方式拍摄的:由多个辐射源发射不同的能量;使一个辐射源边改变能量边辐射;将通过附加的滤波器(如能量分离滤波器)而相互堆叠的多个辐射探测器曝光一次,以在一次曝光中改变穿过被检体的辐射能量分布,并通过多个辐射探测器来检测不同能量分布的辐射情况。
(d)通过CT及其它医疗设备获得的肺功能图像的像素值,所述其它医疗设备例如为PET、MRI、肺灌注闪烁成像、肺通气闪烁成像等。
(e)施用造影剂之前和之后多个图像间的像素值之差,或者在施用造影剂之后于不同时间获得的多个图像间的像素值之差。
(f)局部换气量,例如在吸气和呼气之间获得的多个换气图像的像素值之差,或者在吸入预定量气体之前和之后所获得的多个换气图像的像素值之差(详细信息参见日本未审查专利公开No.2005-028121)。
(g)在吸气和呼气之间肺野内各位置的位移量(参见由本申请人提交的日本未审查专利公开No.2005-020719)。可获得支气管或控制区域中各像素的位移量,并且可将平均值或最大值用作评价值。
(h)上述各项中所获评价值的随时间变化量。将由在不同时间拍摄/测量得到的多个图像/测量值而获得的上述各项评价值的差值用作评价值。
需要注意的是,对于涉及在不同时间拍摄的多个图像(如吸气和呼气间拍摄的图像、或者通过不同医疗设备拍摄的图像)间的计算时,由于被检体的体位未对准或者成像时的心/肺收缩,使得这些图像之间被检体或结构的位置不同。因此,需要进行位置对准处理,以对准位置关系。关于位置对准处理,可使用任何已知的刚性或非刚性配准方法。非刚性配准方法包括:(例如)通过使用者指定两个相应点的方法;在不使用定位标识的情况下基于图像反差(image contrast)进行对准的方法等(详细信息参见日本未审查专利公开No.2005-028121和文献D.Rueckert等人的“Nonrigid Registration Using Free-Form Deformations:Application to Breast MR Images”,IEEE Transactions on Medical Imaging,18卷,No.8,712-721页,1999,等)。此外,由支气管提取单元32提取出的支气管可用作定位标识。
CPR图像生成单元36a可被构造为不使用拉直CPR、而是通过拉伸CPR(stretched CPR)或投影CPR(projected CPR)来生成CPR图像IS。图6示出了将彩色图叠加在由拉伸CPR生成的CPR图像IS上的例子,其中该彩色图示出了沿受关注支气管结构BI的评价值ELn。此外,可用能够生成表示受关注支气管结构BI形态的其它类型图像的其它单元来取代CPR图像生成单元36a,所述其它类型图像为(例如)体积绘制图像、MIP图像或MPR图像。
叠加显示控制单元36b可被构造为将肺评价值ELn和支气管评价值EBn的彩色图和曲线图分别显示在CPR图像IS中的受关注支气管结构BI的两侧、或者以叠加的方式显示在受关注支气管结构BI的中心线上,或者将肺评价值ELn和支气管评价值EBn的彩色图或曲线图显示在CPR图像IS的外侧。此外,叠加显示控制单元36b可被构造为:在进行叠加显示时,显示出预定观察范围内的一部分受关注支气管结构BI以及相对应部分的肺评价值ELn和支气管评价值EBn的彩色图,并根据使用者的滚读操作来改变观测范围。此外,叠加显示控制单元36b可被构造为接受CPR图像IS上受关注点的指定操作,并且该叠加显示控制单元36b不仅显示图5、图6或图10中所示的叠加显示,而且还能在不同于该叠加显示的位置处显示出指定点的横截面图像(其示出了受关注支气管结构BI的横截面图像)或拟三维图像(例如,示出了指定点及其周围的局部体积绘制图像),或者可将该横截面图像或拟三维图像以弹出显示的方式叠加在CPR图像上。另外,如图11所示,显示控制单元36可被构造为接受体积绘制图像(其示出受关注支气管结构BI)中的受关注点的指定操作,从而生成示出了所指定点处的受关注支气管结构BI横截面的横断面图像,并在所生成的横截面图像上叠加显示出肺评价值ELn和支气管评价值EBn的彩色图或曲线图。在图11中,在体积绘制图像中接受受关注点的指定操作,但是也可在CPR图像中接受受关注点的指定操作。而且,可使用示出了受关注点及其周边的局部拟三维图像来代替横截面图像。
除了上述彩色图或曲线图外,肺评价值ELn和支气管评价值EBn还可有其他的显示形式。例如,在肺气肿评价值的情况下,可仅在CPR图像的肺气肿区域中以叠加方式显示彩色图。
支气管评价值计算单元37可被构造为计算出支气管壁厚度、支气管管腔横截面积、支气管壁横截面积、支气管壁横截面积与支气管管腔横截面积的比值、上述各项目随时间变化量等,以作为支气管评价值EBn。
上述实施方案主要关注的是支气管,但也可由此推知关注于肺部血管而非支气管的实施方案。也就是说,可采用如下方式:从胸部区域的三维医学图像中提取出肺野区域和肺血管结构;将受关注肺血管结构分割为多个受关注肺血管亚区;基于肺血管结构,推断出与各受关注肺血管亚区功能上相关联的肺野局部亚区;获得各推断出的肺野局部亚区的肺评价值;将由三维医学图像生成的形态学图像(其示出了至少一部分受关注肺血管结构)中各肺野局部亚区(其与各受关注肺血管亚区功能上相关联)的肺评价值叠加显示于形态学图像上,使得可以直观地识别出形态学图像中各肺野评价值与各受关注肺血管亚区之间的对应关系。在这种情况下,可通过在肺血管中设置种子点并通过上述已知方法来提取肺血管。可通过将上述实施方案中的术语“支气管”替换为术语“肺血管”来进行其他的处理步骤。
Claims (18)
1.一种医学图像诊断辅助设备,包括:
肺野区域提取装置,其用于从表示被检体胸部区域的三维医学图像中提取出肺野区域;
分支结构区域提取装置,其用于从所述三维医学图像中提取出分支结构区域;
肺野局部亚区推断装置,其用于将表示一部分所述分支结构区域的分支结构局部区域分割为多个分支结构局部亚区,并基于该分支结构区域推断出肺野区域中与各分割后的所述分支结构局部亚区功能上相关的肺野局部亚区;
肺评价值获取装置,其用于获取各个推断出的肺野局部亚区中的肺功能和/或形态的肺评价值;以及
显示控制装置,其用于在由所述三维医学图像生成的并且示出了至少一部分所述分支结构局部区域的形态的形态学图像中,叠加显示出该形态学图像中与各分支结构局部亚区功能上相关的各肺野局部亚区的肺评价值,使得可以直观地识别出所述肺评价值与该形态学图像中的分支结构局部亚区之间的对应关系。
2.根据权利要求1所述的医学图像诊断辅助设备,其中所述显示控制装置为这样的装置,其将所述肺评价值叠加显示在所述形态学图像中的不与所述分支结构局部区域重叠的位置处。
3.根据权利要求2所述的医学图像诊断辅助设备,其中所述显示控制装置为这样的装置,其将所述肺评价值叠加显示在所述形态学图像中距离所述分支结构局部区域的中心线达预定距离的位置处。
4.根据权利要求1至3中任意一项所述的医学图像诊断辅助设备,其中所述形态学图像为示出了所述分支结构局部区域的整体形态的图像。
5.根据权利要求1至3中任意一项所述的医学图像诊断辅助设备,其中所述形态学图像为示出了所述分支结构局部区域的CPR图像。
6.根据权利要求1至3中任意一项所述的医学图像诊断辅助设备,其中所述形态学图像为这样的图像,其包含与至少一部分所述分支结构局部区域功能上相关的肺野局部亚区。
7.根据权利要求6所述的医学图像诊断辅助设备,其中所述显示控制装置为这样的装置,其将所述肺评价值叠加显示在所述形态学图像中的不与所述分支结构局部区域和所述肺野局部亚区重叠的位置处。
8.根据权利要求1至3中任意一项所述的医学图像诊断辅助设备,其中:
所述设备还包括第二评价值获取装置,该第二评价值获取装置用于将所述形态学图像中的所述分支结构局部区域分割为多个第二分支结构局部亚区,并获取各个第二分支结构局部亚区的第二评价值,该第二评价值与所述肺评价值不同;并且
所述显示控制装置为这样的装置,其进一步将各个第二分支结构局部亚区的第二评价值叠加显示在所述形态学图像中,使得可以直观地识别出所述第二评价值与所述第二分支结构局部亚区之间的对应关系。
9.根据权利要求8所述的医学图像诊断辅助设备,其中所述显示控制装置为这样的装置,其将所述第二评价值叠加显示在所述形态学图像中的不与肺功能和/或形态的肺评价值重叠的位置处。
10.根据权利要求8所述的医学图像诊断辅助设备,其中所述第二评价值为分支结构形态的评价值。
11.根据权利要求10所述的医学图像诊断辅助设备,其中所述第二评价值为各个第二分支结构局部亚区中的分支结构直径的测量值。
12.根据权利要求1至3中任意一项所述的医学图像诊断辅助设备,其中所述肺评价值为表示所述各肺野局部亚区中肺气肿程度的评价值。
13.根据权利要求1至3中任意一项所述的医学图像诊断辅助设备,还包括分支结构局部区域设置装置,其用于在所述分支结构区域中设置所述分支结构局部区域。
14.根据权利要求1至3中任意一项所述的医学图像诊断辅助设备,其中所述分支结构为支气管。
15.根据权利要求14所述的医学图像诊断辅助设备,其中所述分支结构区域提取装置为这样的装置,其还提取肺动脉区,从而提取出从所述肺动脉区中距离已提取出的支气管区域的末梢部分最近的部分到所述肺动脉区的末梢部分这一区域,以作为与所述已提取出的支气管区域的末梢部分相连的支气管区。
16.根据权利要求14所述的医学图像诊断辅助设备,其中所述肺野局部亚区推断装置为这样的装置,其还提取肺动脉区,并将从所述肺动脉区中距离被所述分支结构区域提取装置提取出的支气管末梢部分最近的点到所述肺动脉末梢部分这一部分视为与所述支气管末梢部分相连的支气管区,从而推断出肺野局部亚区。
17.根据权利要求1至3中任意一项所述的医学图像诊断辅助设备,其中所述分支结构为肺血管。
18.一种医学图像诊断辅助方法,包括如下步骤:
从表示被检体胸部区域的三维医学图像中提取出肺野区域;
从所述三维医学图像中提取出分支结构区域;
将表示一部分所述分支结构区域的分支结构局部区域分割为多个分支结构局部亚区,并基于该分支结构区域推断出所述肺野区域中与各分割后的分支结构局部亚区功能上相关的肺野局部亚区;
获取各推断出的肺野局部亚区中的肺功能和/或形态的肺评价值;以及
在由所述三维医学图像生成的并且示出了至少一部分所述分支结构局部区域的形态的形态学图像中,叠加显示出该形态学图像中与各分支结构局部亚区功能上相关的各肺野局部亚区的肺评价值,使得可以直观地识别出所述肺评价值与该形态学图像中的所述分支结构局部亚区之间的对应关系。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2010-084388 | 2010-03-31 | ||
JP2010084388A JP5723541B2 (ja) | 2010-03-31 | 2010-03-31 | 医用画像診断支援装置およびその作動方法、並びにプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102207991A true CN102207991A (zh) | 2011-10-05 |
CN102207991B CN102207991B (zh) | 2016-08-03 |
Family
ID=44168209
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201110034523.4A Expired - Fee Related CN102207991B (zh) | 2010-03-31 | 2011-01-31 | 医学图像诊断辅助设备 |
Country Status (4)
Country | Link |
---|---|
US (1) | US8483467B2 (zh) |
EP (1) | EP2375378A1 (zh) |
JP (1) | JP5723541B2 (zh) |
CN (1) | CN102207991B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI461178B (zh) * | 2012-02-09 | 2014-11-21 | Univ Nat Taiwan | 肺腫瘤對位校正與組織分類方法 |
CN104205167A (zh) * | 2012-03-23 | 2014-12-10 | 皇家飞利浦有限公司 | 在例如肺部的ct体积图像中提取大泡性肺气肿和弥漫性肺气肿 |
CN104224217A (zh) * | 2013-06-24 | 2014-12-24 | 株式会社东芝 | 医用图像处理装置以及医用图像处理方法 |
CN105101878A (zh) * | 2013-04-05 | 2015-11-25 | 东芝医疗系统株式会社 | 医用图像处理装置以及医用图像处理方法 |
CN110766701A (zh) * | 2019-10-31 | 2020-02-07 | 北京推想科技有限公司 | 网络模型训练方法及装置、区域划分方法及装置 |
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 |
CN116245823A (zh) * | 2023-02-08 | 2023-06-09 | 中日友好医院(中日友好临床医学研究所) | 基于肺血管分形维数和弯曲度的慢性血栓栓塞性肺动脉高压量化评估方法 |
Families Citing this family (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5606832B2 (ja) * | 2010-03-05 | 2014-10-15 | 富士フイルム株式会社 | 画像診断支援装置、方法およびプログラム |
EP2883208B1 (en) * | 2012-08-13 | 2021-02-17 | Koninklijke Philips N.V. | Tubular structure tracking |
US8942445B2 (en) * | 2012-09-14 | 2015-01-27 | General Electric Company | Method and system for correction of lung density variation in positron emission tomography using magnetic resonance imaging |
JP6139090B2 (ja) * | 2012-10-09 | 2017-05-31 | 東芝メディカルシステムズ株式会社 | 医用画像処理装置、画像診断装置及び医用画像処理プログラム |
JP6058354B2 (ja) * | 2012-11-02 | 2017-01-11 | 東芝メディカルシステムズ株式会社 | 画像処理装置及び画像処理方法 |
CN103034996B (zh) * | 2012-11-30 | 2016-04-27 | 东软集团股份有限公司 | 一种ct影像左右肺粘连层检测、粘连检测的方法及装置 |
JP6334942B2 (ja) * | 2014-02-13 | 2018-05-30 | キヤノンメディカルシステムズ株式会社 | 医用画像処理装置及び医用画像処理方法及びプログラム |
JP6080267B2 (ja) | 2014-09-12 | 2017-02-15 | 富士フイルム株式会社 | 3次元オブジェクト分割出力装置およびその応用 |
JP6053736B2 (ja) | 2014-09-12 | 2016-12-27 | 富士フイルム株式会社 | 3次元オブジェクト分割出力装置およびその応用 |
JP6591203B2 (ja) * | 2015-06-01 | 2019-10-16 | 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 |
JP6396597B2 (ja) * | 2015-09-09 | 2018-09-26 | 富士フイルム株式会社 | マッピング画像表示制御装置および方法並びにプログラム |
US10991109B2 (en) * | 2015-09-14 | 2021-04-27 | Charité—Universitätsmedizin Berlin | Method for characterizing perfusion abnormalities by means of fractal analysis of the interface region |
US10535135B2 (en) * | 2015-10-29 | 2020-01-14 | Canon Kabushiki Kaisha | Image processing apparatus, control method thereof, and storage medium |
JP6496698B2 (ja) * | 2015-10-30 | 2019-04-03 | 株式会社Aze | 医用画像処理装置、その制御方法、及びプログラム |
US9760807B2 (en) * | 2016-01-08 | 2017-09-12 | Siemens Healthcare Gmbh | Deep image-to-image network learning for medical image analysis |
EP3503022A1 (en) * | 2017-12-20 | 2019-06-26 | Koninklijke Philips N.V. | System for assessing a pulmonary image |
CN108648193B (zh) * | 2018-06-06 | 2023-10-31 | 南方医科大学 | 生物组织影像识别的方法及其系统、计算机储存介质 |
JP7034306B2 (ja) * | 2018-08-31 | 2022-03-11 | 富士フイルム株式会社 | 領域分割装置、方法およびプログラム、類似度決定装置、方法およびプログラム、並びに特徴量導出装置、方法およびプログラム |
CN115114465A (zh) * | 2022-07-19 | 2022-09-27 | 重庆紫光华山智安科技有限公司 | 图像记录关联存储方法、装置、设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070092864A1 (en) * | 2005-09-30 | 2007-04-26 | The University Of Iowa Research Foundation | Treatment planning methods, devices and systems |
US7623695B2 (en) * | 2005-07-26 | 2009-11-24 | Ziosoft, Inc. | Image processing method and computer readable medium |
CN101669828A (zh) * | 2009-09-24 | 2010-03-17 | 复旦大学 | 基于pet/ct图像纹理特征的肺部恶性肿瘤与良性结节检测系统 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4298258B2 (ja) * | 2002-10-11 | 2009-07-15 | 株式会社日立メディコ | 医用画像表示装置 |
JP4493408B2 (ja) | 2003-06-06 | 2010-06-30 | 富士フイルム株式会社 | 画像読影支援方法及び装置並びにプログラム |
JP4560643B2 (ja) | 2003-06-17 | 2010-10-13 | 株式会社Aze | 呼吸気ct画像による換気分布計測方法 |
US7822461B2 (en) * | 2003-07-11 | 2010-10-26 | Siemens Medical Solutions Usa, Inc. | System and method for endoscopic path planning |
US7715608B2 (en) | 2004-08-10 | 2010-05-11 | Siemens Medical Solutions Usa, Inc. | System and method for 3D visualization of lung perfusion or density and statistical analysis thereof |
JP4653542B2 (ja) * | 2005-04-06 | 2011-03-16 | 株式会社東芝 | 画像処理装置 |
JP2007044121A (ja) * | 2005-08-08 | 2007-02-22 | Hitachi Medical Corp | 医用画像表示方法及び装置 |
JP2008253293A (ja) | 2007-03-30 | 2008-10-23 | Fujifilm Corp | Ct画像からの肺野領域抽出方法 |
JP5422145B2 (ja) * | 2008-06-18 | 2014-02-19 | 株式会社東芝 | 医用画像処理装置 |
-
2010
- 2010-03-31 JP JP2010084388A patent/JP5723541B2/ja active Active
-
2011
- 2011-01-26 EP EP11152238A patent/EP2375378A1/en not_active Ceased
- 2011-01-31 US US13/017,415 patent/US8483467B2/en active Active
- 2011-01-31 CN CN201110034523.4A patent/CN102207991B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7623695B2 (en) * | 2005-07-26 | 2009-11-24 | Ziosoft, Inc. | Image processing method and computer readable medium |
US20070092864A1 (en) * | 2005-09-30 | 2007-04-26 | The University Of Iowa Research Foundation | Treatment planning methods, devices and systems |
CN101669828A (zh) * | 2009-09-24 | 2010-03-17 | 复旦大学 | 基于pet/ct图像纹理特征的肺部恶性肿瘤与良性结节检测系统 |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI461178B (zh) * | 2012-02-09 | 2014-11-21 | Univ Nat Taiwan | 肺腫瘤對位校正與組織分類方法 |
CN104205167A (zh) * | 2012-03-23 | 2014-12-10 | 皇家飞利浦有限公司 | 在例如肺部的ct体积图像中提取大泡性肺气肿和弥漫性肺气肿 |
CN104205167B (zh) * | 2012-03-23 | 2017-05-03 | 皇家飞利浦有限公司 | 在例如肺部的ct体积图像中提取大泡性肺气肿和弥漫性肺气肿 |
CN105101878A (zh) * | 2013-04-05 | 2015-11-25 | 东芝医疗系统株式会社 | 医用图像处理装置以及医用图像处理方法 |
CN105101878B (zh) * | 2013-04-05 | 2018-04-10 | 东芝医疗系统株式会社 | 医用图像处理装置以及医用图像处理方法 |
CN104224217A (zh) * | 2013-06-24 | 2014-12-24 | 株式会社东芝 | 医用图像处理装置以及医用图像处理方法 |
US9974442B2 (en) | 2013-06-24 | 2018-05-22 | Toshiba Medical Systems Corporation | Method of, and apparatus for, processing volumetric image data |
CN110766701A (zh) * | 2019-10-31 | 2020-02-07 | 北京推想科技有限公司 | 网络模型训练方法及装置、区域划分方法及装置 |
CN110766701B (zh) * | 2019-10-31 | 2020-11-06 | 北京推想科技有限公司 | 网络模型训练方法及装置、区域划分方法及装置 |
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 |
CN116245823A (zh) * | 2023-02-08 | 2023-06-09 | 中日友好医院(中日友好临床医学研究所) | 基于肺血管分形维数和弯曲度的慢性血栓栓塞性肺动脉高压量化评估方法 |
Also Published As
Publication number | Publication date |
---|---|
JP2011212312A (ja) | 2011-10-27 |
JP5723541B2 (ja) | 2015-05-27 |
US20110190626A1 (en) | 2011-08-04 |
CN102207991B (zh) | 2016-08-03 |
EP2375378A1 (en) | 2011-10-12 |
US8483467B2 (en) | 2013-07-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102207991A (zh) | 医学图像诊断辅助技术 | |
CN102208105B (zh) | 医学图像处理技术 | |
US20210158531A1 (en) | Patient Management Based On Anatomic Measurements | |
CN105167793B (zh) | 图像显示装置、显示控制装置及显示控制方法 | |
Li et al. | Establishing a normative atlas of the human lung: intersubject warping and registration of volumetric CT images | |
US8334878B2 (en) | Medical image processing apparatus and medical image processing program | |
JP5844187B2 (ja) | 画像解析装置および方法並びにプログラム | |
CN107133946B (zh) | 医学图像处理方法、装置及设备 | |
CN102207992A (zh) | 医学图像诊断辅助技术 | |
JP4560643B2 (ja) | 呼吸気ct画像による換気分布計測方法 | |
JP2011092286A (ja) | 情報処理装置、情報処理方法及びプログラム | |
Samavati et al. | A hybrid biomechanical intensity based deformable image registration of lung 4DCT | |
JP6719421B2 (ja) | 学習データ生成支援装置および学習データ生成支援方法並びに学習データ生成支援プログラム | |
WO2008008254A2 (en) | System and method for automatic detection and measurement of malacia in the airways | |
US11996182B2 (en) | Apparatus and method for medical image reading assistant providing representative image based on medical use artificial neural network | |
JP7101809B2 (ja) | 画像処理装置、画像処理方法、及びプログラム | |
CN102573641B (zh) | 图像处理装置及图像处理方法 | |
CN111080583A (zh) | 医学图像检测方法、计算机设备和可读存储介质 | |
CN108430376A (zh) | 提供投影数据集 | |
CN114375461A (zh) | 针对胸部x射线图像的吸气度量标准 | |
KR102207798B1 (ko) | 폐 섬유화 진단을 위한 정보제공 방법 및 폐 섬유화 진단 컴퓨팅 장치 | |
Bian et al. | Validation of a robust method for quantification of three‐dimensional growth of the thoracic aorta using deformable image registration | |
JP2021019677A (ja) | 教師画像生成プログラム、教師画像生成方法、および教師画像生成システム | |
Yin | MDCT-based dynamic, subject-specific lung models via image registration for CFD-based interrogation of regional lung function | |
JP6748762B2 (ja) | 医用画像処理装置、医用画像処理方法 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160803 Termination date: 20220131 |
|
CF01 | Termination of patent right due to non-payment of annual fee |