CN102428495B - 对成像数据的置信度的自动评估 - Google Patents

对成像数据的置信度的自动评估 Download PDF

Info

Publication number
CN102428495B
CN102428495B CN201080019697.7A CN201080019697A CN102428495B CN 102428495 B CN102428495 B CN 102428495B CN 201080019697 A CN201080019697 A CN 201080019697A CN 102428495 B CN102428495 B CN 102428495B
Authority
CN
China
Prior art keywords
confidence
degree
imaging data
imaging
image quality
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.)
Active
Application number
CN201080019697.7A
Other languages
English (en)
Other versions
CN102428495A (zh
Inventor
M·奥尔谢夫斯基
J·布雷多诺
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Koninklijke Philips NV
Original Assignee
Koninklijke Philips Electronics NV
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Koninklijke Philips Electronics NV filed Critical Koninklijke Philips Electronics NV
Publication of CN102428495A publication Critical patent/CN102428495A/zh
Application granted granted Critical
Publication of CN102428495B publication Critical patent/CN102428495B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10072Tomographic images
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30004Biomedical image processing
    • G06T2207/30016Brain
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30004Biomedical image processing
    • G06T2207/30101Blood vessel; Artery; Vein; Vascular
    • G06T2207/30104Vascular flow; Blood flow; Perfusion
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30168Image quality inspection

Landscapes

  • Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)

Abstract

提供了基于所提议的诊断任务或者处置决定对成像数据中的置信度进行自动评估的系统和方法,该评估通过确定与对应于所提议的诊断任务或者处置决定的置信度的成像数据相关的一个或多个成像质量指示符、将那些成像质量指示符与置信度基准值进行比较、并且为了执行所提议的诊断任务或者进行所提议的处置决定的目的确定指示成像数据中的置信度的置信度值来实现。

Description

对成像数据的置信度的自动评估
本申请大体涉及成像领域,并且具体而言,涉及对成像采集数据的置信度进行自动评估的方法。其对将要在动态功能成像采集中给予的置信度进行评估特别有用。
通常使用动态、对比度增强的功能成像数据对脑或心脏中的局部缺血进行诊断,并且还使用其执行灌注研究以便对正常组织中和肿瘤中的血流和渗透性进行评估。可以通过许多成像形式生成动态功能数据。例如,计算机断层摄影术(CT)扫描器可以使用造影剂生成患者身体内的内部过程的图像。除了CT扫描器之外,可以用于动态功能成像研究的其它成像模态包括一些基于X射线的模态,正电子发射断层摄影术(PET)、单光子发射计算机断层摄影术(SPECT)、磁共振成像(MRI)、超声等。
因此,动态功能成像数据由感兴趣组织在一段时间周期上的若干图像构成。例如,在灌注研究中,在将造影剂引入循环经过感兴趣组织的血流之后,执行成像扫描协议。可以使用所得到的图像生成时间浓度曲线或者TCC(t),其代表在一段时间周期上在感兴趣组织中造影剂的浓度。可以对TCC进行分析以便确定局部血量、灌注的血流、血液经过所牵连血管壁的渗入率等。通常将该灌注研究的结果呈现为反映了TCC的功能参数图。医疗专业人员使用这些图或者其它等价数据来执行医疗诊断,并且部分基于所呈现的关于感兴趣组织内血流的信息做出处置决定。然而,正像在任何研究中那样,给予医疗诊断和处置决定的置信度仅可以达到做出医疗诊断和处置决定所基于的数据那种程度。因此,在医疗诊断和处置过程中的一个重要考虑是为了做出特定诊断或处置决定的目的对将要给予动态功能成像采集的置信度进行评估。
例如,成像采集需要在正确的时间周期期间覆盖正确的感兴趣区域。为了对正确的感兴趣区域进行成像,应该对辐射源的运动(如果存在)、辐射照相机、以及可移动支撑患者的工作台进行协同,以便为照相机产生适当的扫描长度和视野。如果没有将这些部件关于彼此正确放置,成像采集就非常可能错过其在正被成像的患者内的目标视野。至于成像研究的时间选择,图像扫描协议的开始应该与造影剂注射过程协同,以便确保在采集期间对造影剂进行适当成像。造影剂注射过程包括许多有关变量,包括造影剂量、注射速率、注射持续时间、造影剂冲洗等。
为了执行高质量的动态功能成像采集,应该对所有那些以及其它成像质量参数进行适当协同。如果没有对它们进行适当协同,那么可能从采集中得到不正确的功能图或者可能很容易被医疗专业人员曲解的功能图。例如,成像研究可能没采集到造影剂第一次通过感兴趣区域。或者,成像研究可能开始得太晚以至于不能记录至少一个非造影的基线图像。在成像采集设备和协议之外的其它困难(诸如正被成像的患者的自主或非自主运动)可能进一步使这些因素复杂化。使用这种不正确的功能图非常可能导致不正确的医疗诊断或不合适的处置。因此,如果没有对若干因素中的任何一个进行适当控制或考虑,在动态功能成像采集中就可能出现许多问题。因此,存在对以相对较快的方式自动确定将要给予从动态功能成像采集中得到的成像数据的置信度的需求。
因此,根据本发明的一个方面,在这里提供了基于所提议的诊断任务或者处置决定,通过确定与对应于所提议的诊断任务或者处置决定的置信度的成像数据相关的一个或多个成像质量指示符、将那些成像质量指示符与置信度基准值进行比较、并且为了执行所提议的诊断任务或者进行所提议的处置决定的目的确定指示成像数据中的置信度的置信度值,对成像数据的置信度进行自动评估的系统和方法。
图1图示说明了示例性成像系统100;并且
图2图示说明了对动态功能成像采集的置信度进行评估的代表性自动过程200。
1、成像采集系统
当前,使用许多不同类型的成像系统获得动态功能成像信息。典型地,这些成像信息包括解剖学成像数据,该解剖学成像数据已经与来自被成像受试者在一段时间周期上的、诸如与灌注参数相关的图像数据的额外生理学数据相结合。这些类型的成像系统包括CT、PET、SPECT、MRI以及其它成像系统。在图1中示出了示例性的这种成像系统100。然而,如已经提到的,在这里所公开的成像方法和设备还与除了在这里清楚讨论的那些成像系统之外的各种其它类型的成像系统或者成像系统的组合相结合来应用。
如在图1中所图示说明的,示例性成像系统100包括诸如CT、PET、SPECT或者MRI成像装置的成像装置102。在图1中的104处示出了待成像的代表性受试者,其被部分接收在成像装置102的孔径106中。通过成像数据处理器120将由成像装置102获得的图像数据存储在存储器110中。例如,如果成像系统100是CT成像系统,处理器120就从CT成像装置102接收X射线数据以便产生CT图像。通过成像数据处理器120对存储在存储器110中的图像数据进行处理。处理器120根据一种或多种数学算法产生所成像受试者104的图像。可以将图像显示在相关联的显示器130上。可以为用户提供用户输入140以便控制图像处理器120。可以提供相关联的设备108来执行与成像扫描相关的任务,相关联的设备108例如造影剂注射器以提供对比度增强成像。
可以将上述功能以及下述过程作为软件逻辑来执行。这里所使用的“逻辑”包括硬件、固件、软件和/或每种的组合,以便执行功能或行动并且/或者带来来自另一个部件的功能或行动,但是不限于此。例如,基于所期望的应用或者需求,逻辑可以包括受软件控制的微处理器、诸如专用集成电路(ASIC)的分立逻辑、或者其它已编程的逻辑装置。还可以将逻辑完全体现为软件。
这里所使用的“软件”包括使计算机或者其它电子装置以所期望方式执行功能、行动并且/或者运转的一个或多个计算机可读和/或可执行指令,但不限于此。可以将指令体现为诸如例程、算法、模块或者程序的各种形式,其包括来自动态链接库的单独应用或代码。还可以将软件以各种形式实现,诸如单机程序、函数调用、小程式、小应用程序、存储在诸如存储器110的存储器中的指令、操作系统的部分或者其它类型的可执行指令。本领域的普通技术人员将意识到软件的形式取决于,例如,所期望应用的需求、其运行环境、以及/或者设计者/程序员的期望等。
可以在包括诸如网络控制系统和单机控制系统的多种平台上实现在这里所描述的系统和方法。另外,在这里所示和所描述的逻辑优选驻留在诸如存储器110的计算机可读介质中或者上。不同计算机可读媒介的示例包括闪存、只读存储器(ROM)、随机存取存储器(RAM)、可编程只读存储器(PROM)、电可编程只读存储器(EPROM)、电可擦除可编程只读存储器(EEPROM)、磁盘或者磁带、包括CD-ROM和DVD-ROM的光可读介质等。另外,可以将这里所描述的过程和逻辑合并入一个大的过程流中,或者分割成许多子过程流。在这里已经描述的过程流的次序不是严格的,并且可以对该次序进行重新排列而仍然实现相同的结果。实际上,在这里所描述的过程流的实现中,可以如所批准或所期望的那样对它们进行重新排列、合并、和/或重新组织。
这样,可以如下所述将成像评估过程和具有后续用户反馈的量化置信度度量的计算合并入扫描器控制台(诸如系统100)上的软件内。在另一个实施例中,可以将下述过程合并入与扫描器控制台分离的工作站上的软件内。该工作站对之前通过扫描器控制台生成的成像数据进行接收,用于与成像采集自身分离的评估和分析。这使扫描器控制台空出来以执行更多成像采集,同时在工作站对来自之前采集的数据进行研究。在另一个实施例中,可以在瘦客户机(thin client)上实现下面所讨论的过程。除了被远程连接到实际上对图像数据和用于执行操作并且使用瘦客户机将图像呈现给用户的软件进行存储的另一个计算机之外,瘦客户机计算机基本上与工作站是相同的。备选地或者额外地,在工作站或者瘦客户机上进行处理之后,可以使用诸如图片存档和通信系统(PACS)的分布式网络系统将关于图像质量的反馈传送到扫描器控制台(例如)。
2、置信度评估
这里所述的概念一般可应用于在任何成像研究中对置信度进行评估。然而,如何构造和实现这些概念的细节对正在执行的特定研究和执行研究的原因是具有应用特异性的。因此,本说明书讨论了动态脑灌注研究作为代表性示例。在这种研究中,所测量的功能值通常是脑血流CBF、脑血量CBV、或者血液平均通过时间MTT。本领域的普通技术人员将能够应用这里所讨论的概念对在诊断或者处置决定的过程中执行的任何其它成像采集的置信度进行估计。例如,可以结合对治疗处置、化学处置、消融处置、或者相关解剖学结构和/或结构中的功能值随着时间变化或者可能随着时间变化的任何其它处置进行规划或者估计来执行动态功能采集。
A、量化置信度
提供一自动过程以关于特定研究的指定需求对成像采集中的置信度进行评估。在这里的“置信度”意味着评估成像采集的质量是否足够准确和可靠以便为专业人员所使用来做出诊断,以及可选地,还基于该诊断确定相关行动计划。例如,在脑灌注研究的特定环境中,专业人员典型情况下是医生或者专门受过训练的技术人员,其对脑功能图进行查看并且诊断脑中是否存在可逆局部缺血。随后,可选地,可以使用该诊断确定合适的行动计划,例如,是否需要外科手术,是否应用特定的给药方案等。
这样,置信度的自动评估可以取决于量化成像质量因子。存在至少两种类型的这种因子。第一种类型的成像质量因子指示从成像采集得到的图像多么精确地反映正被成像患者的实际情况。第二种类型的成像质量因子指示成像采集是否在正确的时间指向正确的感兴趣区域。显然,这两种成像质量因子是单独考虑的。也就是说,特定图像可能精确地反映患者身体内的错误区域和/或在错误的时间反映。相反地,特定图像可能在正确的时间不精确地反映患者身体内的正确区域。作为对这两个因子的替代或者补充,可以将其它因子适当地视为用于对成像采集中的置信度进行评估的成像质量因子。
基于用于执行成像采集的需求(即诊断任务或者所需要的临床处置)的特定背景来确定置信度。取决于所涉及的诊断任务或者临床决定,具有相同的一组图像质量特征的相同图像采集可以具有不同的置信度值。例如,继续进行所提议的任何给定医疗处置所需的最小置信度将随着所提议的处置的性质而改变。作为更具体的示例,假定脑灌注采集得到对应于一组给定的量化成像质量因子的仅具有中等图像质量的图像。当把那些因子与不同的基准置信度值进行比较时,输出非常可能是:标识脑中的局部缺血区域的高置信度;标识可逆局部缺血(其可以是治疗目标)的仅中等的置信度;或者标识来自治疗的不希望副作用的风险的不良置信度。
图2示出了对关于特定研究的具体需求的成像采集中的置信度进行评估的代表性自动过程200。可以改变图2中所示的过程200的步骤的次序以便适合特定应用的需求,并且可以在这里所示和所描述的示例性过程200中添加或者从其移除一些步骤。
根据示例性过程200,在步骤202中,选择成像采集的一个或多个成像质量量化因子204以用于评估将要给予从采集得到的成像数据的置信度。,所选择的成像质量量化特征将很可能根据诊断任务或者所做出的相关行动计划决定而改变。
在脑灌注分析的特定环境中,研究已经表明对于成像采集中降低的成像质量存在三种重要原因。降低成像质量的一种原因是由于成像太早或太晚导致的造影剂第一次通过的不完全成像。降低成像质量的第二种原因是由于患者头部运动导致的伪影。降低成像质量的第三种原因是目标视野的不充分覆盖。这样,这些原因中的每种都是在用于置信度估计的步骤202处可能选择的量化值204,并且随后使用其作为用于确定置信度的基础(如下进一步所讨论的)。因此,依次对每种原因进行讨论。
降低脑灌注成像采集中成像质量的一种原因是造影剂第一次通过的不完全成像。可以以若干方式中的任何一种对脑灌注成像扫描是可以仅部分覆盖还是完全错过造影剂第一次通过的可能性进行量化。作为一个代表性示例,可以通过观测在采集持续时间上造影剂总量的曲线对造影剂的通过进行评估。这样,假定在成像采集期间对应于造影剂的峰值图像强度是HU峰值(例如,以Hounsfield单位测量),并且最后成像的切片中的图像强度是HU结束。这两个值之间的比率HU结束/HU峰值是成像采集是否完全观测到造影剂第一次通过的良好量化度量。在前期实验中,在大约0.6之上的HU结束/HU峰值值可靠地预测了由于造影剂第一次通过的不完全成像导致的不良功能图。这样,比率HU结束/HU峰值代表量化度量204,其随着所呈现的功能图中的成像质量下降而增大。这仅仅是对脑灌注成像扫描是否可能不完全测量造影剂第一次通过的可能性进行量化的一种方法。可以单独使用该成像质量的量化度量204,或者可以使用某些其它量化度量204,或者可以使用量化度量204与可能的加权方案的组合。以这种方式,提供了对脑灌注成像采集中的成像质量进行评估的第一量化数据点,旨在指示是否对造影剂第一次通过进行完全成像。
降低脑灌注成像采集中成像质量的第二种原因是可能由于在采集期间患者头部运动导致的伪影。可以以若干方式中的任何一种对脑灌注成像扫描是否包含运动伪影的可能性进行量化。作为一个代表性示例,相邻图像之间的在造影剂存在时亮度不应该改变的区域中的亮度残差可以对没有通过图像配准完全补偿的运动伪影进行量化,所述区域诸如没有任何造影剂摄取的区域。用于该目的适当区域包括像颅骨的骨骼或者其它专用解剖学结构。该差异度量代表随着所呈现功能图中成像质量的降低而增大的量化度量。这仅仅是对运动伪影是否可能牵连脑灌注成像扫描的可能性进行量化的一种方法。可以单独使用该量化度量204,或者可以使用某些其它量化度量204,或者可以使用量化度量204与可能的加权方案的组合。以这种方式,提供了对脑灌注成像采集中的成像质量进行评估的第二量化数据点,旨在指示是否存在运动伪影。
降低脑灌注成像采集中成像质量的第三种原因是目标视野的不充分覆盖。当在主要脑灌注扫描期间所成像的视野与在之前调查或搜索扫描期间所成像的视野不同时,出现推论困难。这些问题在急性脑中风环境中可以是特别需要关注的,急性脑中风是脑灌注成像的一种主要临床应用,其中,患者对成像指令的顺应性很低。可以以若干方式中的任何一种对脑灌注成像扫描是否不充分覆盖目标视野的可能性进行量化。作为一个代表性示例,可以将所采集的图像数据从模板、图谱或者模型配准到成像数据。
例如,可以通过使用对于正被评估的所采集图像数据集和模板、图谱或者模型数据集而言公共的已知解剖学或者其它特征完成该配准,其中,所述特征不受正被测量的功能分析影响。例如,可以使用两个数据集的颅骨区域作为公共标记以执行配准。从该配准,可以计算出正被评估的所测量的成像数据的视野与模板、图谱或者模型数据中的目标视野(例如,中央脑动脉区域)之间的距离。该距离是随着所呈现的功能图中的成像质量降低而增大的量化度量204。这仅仅是对脑灌注成像扫描是否可能不充分覆盖目标视野的可能性进行量化的一种方法。可以单独使用该成像质量的量化度量204,或者可以使用某些其它量化度量204,或者可以使用量化度量204与可能的加权方案的组合。以这种方式,提供了对脑灌注成像采集中的成像质量进行评估的第三量化数据点,其指示是否覆盖了目标视野。
那些仅仅是对于脑灌注成像研究中成像质量降低的三个可以量化的因子204,并且仅仅是分别对每种进行量化的一种代表性方式。还存在在脑灌注成像扫描中的许多其他成像质量的量化标识符204,例如信号-噪声比和对比度-噪声比。由于金属植入物、牙套、或者医疗设备(例如背板等)导致的伪影可以类似地为204的部分,并且在214中计算。与脑灌注研究有关的其它量化成像质量因子204不仅涉及CT扫描器或者其它成像装置102,还涉及或者单独涉及诸如造影剂注射器的相关联设备108。也就是说,即使成像装置102在采集期间正确工作以收集成像数据,如果造影剂注射器不正确工作或者与成像装置102不良同步,仍然可能是低成像质量(并且因此低置信度)。可能出现的典型问题包括在错误的时刻开始注射、造影剂导管中的阻塞、使用的造影剂密度不足等。
可以通过观察研究识别在分析200中将要使用的确切特征204和与那些特征中的每个相关联的权重。另外,考虑到所发现的新特征,可以例如通过使用成像质量评估系统100中的配置文件,随着时间修改量化估计。以这种方式,在确定成像扫描的置信度的过程中,选择一组量化成像质量因子204对成像采集的质量进行估计。
在步骤206中,确定一组置信度基准值208。这样,使置信度基准值208与每个成像质量量化因子204相关。重要地是,置信度基准值208将根据执行成像采集的原因而改变,该原因是将要执行的诊断任务,也可能是将要制定的行动计划。可以从许多来源获得或者生成置信度基准值208,例如,代表性图像数据的数据库、或者来自专门执行以便确定适当的基准值108的一次或多次成像采集的数据等。
在第一实施例中,基准值208代表成功成像采集。因此,在该第一实施例中,所评估的动态功能采集与基准值208越接近,成像采集中的置信度就越高。相反地,所评估的动态功能采集与基准值208越远,成像采集中的置信度就越低。在第二实施例中,基准值208代表不成功动态功能成像采集。因此,在该第二实施例中,所评估的动态功能采集与基准值208越接近,成像采集中的置信度就越低。相反地,所评估的动态功能采集与基准值208越远,成像采集中的置信度就越高。
在步骤210中,执行成像采集,生成将要对其评估置信度的成像数据212。在步骤214中,将量化成像质量因子204应用于成像数据212,以生成对应于成像数据212的一组成像质量标识符216。在步骤218处,将这些标识符216与置信度基准值208进行比较。该比较218得到一组个体置信度值220,其代表可以给予成像数据212的置信度。
因此,返回脑灌注分析的代表性示例,在上文讨论了若干量化成像质量因子204。第一个这种因子204通过计算HU结束/HU峰值对是否造影剂第一次通过被不完全成像进行评估。对应的置信度基准值208将取决于当前的诊断任务或者处置决定,例如,根据下列表格:
这样,在该示例中,如果诊断任务是识别脑内的局部缺血区域,并且HU /HU峰值值204在0.4和0.6之间,那么个体置信度值220等于2。并且对于整个表格,以此类推。在该示例中,越低的个体置信度值220对应于越高的置信度。如果仅仅这一个成像质量因子204(是否造影剂第一次通过被不完全成像)与当前的诊断任务有关,那么置信度值的计算218将停在这里。在这种情况下,个体置信度值220等于1将对应于良好的置信度,值2将对应于中等置信度,并且值3将对应于不可接受的置信度。
然而,更可能是脑灌注成像采集210的若干不同的成像质量因子204将影响所得到的成像数据212的置信度值。因此,可以类似地计算一系列个体置信度值220,每个对应于被识别为与当前的诊断任务或者处置决定有关的脑灌注分析的不同量化成像质量因子204。可以使用那些个体置信度值220中的每一个作为单独的个体置信度标识符。
备选地,可以对个体置信度值220进行组合222,以便计算一个或多个复合置信度值224作为与正在执行的特定研究有关的一些方面的代表、或者可能作为总体置信度。如果期望,可以以许多方式实现个体量化置信度值220的组合222,以便形成复合置信度值224。例如,假定在每个个体置信度值220的情况下,越高的数字对应于越低的置信度。在该情况下,可以将各个置信度值220简单地相加在一起222,因为所得到的高的总和224指示低置信度而所得到的低的总和224指示良好置信度。当然,如果较高的数字代表较高的置信度,那么相反的情况将适用。可以设置标准,使得将所得到的在特定范围中的总和224分别分组在一起,作为“好”、“中等”、或者“不可接受”置信度。
当然,存在更复杂的方式将个体量化值220组合222成一个或多个复合值224,以便对置信度进行评估。这些方法使用公知的数据组合概念,例如,加权组合、主成分分析、线性判别分析、投票、聚类、支持矢量机、人工神经网络等。在优选实施例中,无论使用哪种组合方法222计算复合置信度值224,都将所得到的复合值224归一化成从0至1的一个最终置信度值。
B、将置信度结果呈现给用户
一旦获得了个体置信度值220和/或复合置信度值224,就可以以许多方式将它们呈现给成像数据212的感兴趣用户。感兴趣用户可以包括受训执行成像采集210、但是没有其它正式医学教育或训练的技术人员。他们还可以包括受过各种量的医学训练的其他专业人员,包括医生、护士、学术研究者等。这样,在任何特定环境中可以包括不同的用户群体,并且可以调整置信度结果给用户的呈现以便满足特定观众的需求。
对于诸如成像技术人员这样受训相对较少的用户,可以使用置信度评估的简化呈现。在该情况下,可以使用三级系统,其中,过程200基于置信度值220或者224确定成像采集210是“良好”、“中等”还是“不可接受”。报告“良好”指示置信度对于将要用于医疗诊断和处置决定或者用于其它目的的采集结果足够高。报告“中等”对应于成像数据212非常可能存在问题的警告,该问题足够重要以至于降低医疗诊断中的置信度。报告“不可接受”强烈建议不应该将来自成像采集210的成像数据212用于医疗诊断或处置决定、或者用于任何其它目的。在相似实施例中,可以以直观或者真实的方式呈现质量评价。例如,图形用户界面130可以包括红绿灯,其中,绿灯对应于“良好”、黄灯对应于“中等”、而红灯对应于“不可接受”。
以这种或者一些其它方式,例如,可以在成像采集210期间或者在成像采集210刚刚完成之后将置信度评估200的结果提供给成像技术人员或者其它用户,同时如果需要的话,正被成像的患者能够用于进一步成像。该实施例在进行时间要求严格的处置决定时特别有用,例如在急性脑中风的急诊中。在那些和其它情况下,拖延诊断和处置的风险是明显的,因此任何时间节约都是尤其重要的。
对于像医生或者学术研究者这样更富有经验的用户,其它呈现是优选地,以便传达关于成像采集210中置信度220或者224的更详细的信息。因此,作为一个优选实施例,自动过程200将诸如功能参数图的成像研究结果212与对应于那些结果212的置信度值220或者224一起呈现。可以以量化方式呈现置信度值220或者224,以便提供关于成像采集210中置信度的详细信息。在一个实施例中,可以将单一复合置信度值224呈现给用户作为总体置信度的代表,例如,作为置信度百分比(在0和100之间的值)或者作为在图形用户界面上的简单可视化技术(例如柱状图)。备选地,可以将多于一个置信度值220或者224呈现给用户,其中,每个值220或者224代表图像采集210可能与用户需求特别有关的不同方面的质量。这种量化不仅提供了关于采集210质量的反馈,还提供了关于可以基于成像数据212给予医疗诊断或者处置决定的置信度的反馈。基于量化反馈,用户可以决定是通过使用当前成像采集结果212继续进行医疗诊断和处置,还是为了在基于新的结果继续进行决定之前试图并且改善置信度而执行另一次成像扫描210。
如已经表明的,过程200中的一个组成是对用户正在执行的特定诊断研究进行识别。在步骤202处选择因子,并且在步骤206处根据该信息确定基准。因此,为了使计算机(无论它是扫描器控制台、工作站、瘦客户机、还是某些其它计算机)实现该过程,应该对诊断研究进行识别。在一个实施例中,用户可以从存储在计算机的存储器中的预定选项列表中选择当前的诊断任务。在另一个实施例中,计算机从所存储的、例如典型地从PACS、HIS、RIS或者其它这种系统中可获得的信息中自动确定诊断研究。在另一个实施例中,计算机可以自动确定对应于诊断任务或处置决定的预定组的置信度值,并且将所有那些值报告给用户。
在另一个实施例中,除了置信度评估之外,过程200可以对不良置信度226的一种或多种原因进行识别,并且将它们提供给用户。每个所计算的置信度值220或者224携带关于可以如何改善采集210的信息。例如,如果一个特定置信度值220超过代表正常操作的外边界的预置最大或最小值,就可以将其识别给用户。这样,如果对应于在图像中存在运动伪影的量化220显著偏离正常值,就可以如此通知用户,并且因此在后续成像扫描中采取校正措施使患者保持静止。以这种方式,自动过程200可以给图像采集技术210提议226一个或多个对环境敏感的修改,以便增大后续扫描中的置信度评估值220或者224。这些修改可以关于成像扫描协议、造影剂注射协议、所选择的视野、如何减少患者运动、或者成像过程的任何其它方面。修改可以涉及诸如CT扫描器的成像装置102,还可以涉及诸如造影剂注射器的用于生成动态功能成像数据的相关联设备108。例如,改善成像数据212中的低对比度-噪声比可能需要对成像过程的改变(例如,X射线剂量)或者对造影剂注射过程的改变(例如,所使用的造影剂、注射量、注射速度)。由于该反馈“教导”用户如何获得更好的扫描,所以它可以有助于具有更高置信度的进一步成像采集。
实际上,对于在特定机构处的多次采集,识别过程226可以基于质量特征的历史。以这种方式,可以对重复的质量问题进行识别并且可能使其改善,而个体不良采集可能不触发该消息或者可能触发更温和的提醒。随着按效果付费策略的发展,诸如此类的质量追踪也可能起到重要作用。在优选实施例中,可以仅在对图像采集210进行控制的扫描器控制台上执行并且显示识别和建议过程226,而不在对所得到的图像数据212进行分析的工作站或者瘦客户机处执行。结合该优选实施例,在那些其它计算机处,仅显示置信度值220或224。
如已经提到的,这里所述的概念一般可应用于对任何成像研究的图像质量和置信度进行评估。关于脑灌注研究的代表性示例所讨论的细节可能应用或者可能不应用于其它这种研究。如何构造和实现这些概念的细节对正在执行的特定研究、以及执行该研究的原因而言,具有特异性。本领域的普通技术人员将能够应用这些概念对在研究过程中所执行的任何其它成像采集进行估计。
已经参考优选实施例对本发明进行了描述。显然,一旦阅读和理解了前述详细描述,将可以进行修改和改变。旨在将本发明解释为包括所有这些修改和改变,只要这些修改和改变在所附权利要求或者其等价物的范围内。本发明可以采用各种部件和部件布置、以及各种步骤和步骤布置的形式。附图仅仅是为了对优选实施例进行说明的目的,并且不将其解释为限制本发明。

Claims (15)

1.一种基于所提议的诊断任务或者处置决定对成像数据(212)的置信度进行自动评估的系统,所述系统包括配置为对成像数据(212)进行接收的成像数据处理器(120),所述成像数据处理器(120)包括逻辑,用于:
基于与所提议的诊断任务或者处置决定的置信度对应的一个或多个量化成像质量因子(204)确定与所述成像数据(212)相关的一个或多个成像质量指示符(216),所述成像质量因子(204)指示所述成像数据(212)多么精确地反映实际情况和/或所述成像数据是否在正确的时间指向正确的感兴趣区域;并且
将所述一个或多个成像质量指示符(216)与一个或多个置信度基准值(208)进行比较(218),所述置信度基准值(208)取决于所提议的诊断任务或者处置决定,并且为了执行所提议的诊断任务或者进行所提议的处置决定的目的,确定指示将要给予所述成像数据(212)的置信度的置信度值(220或224)。
2.如权利要求1所述的系统,其中,所述逻辑还基于两个或更多个个体置信度值(220)生成至少一个复合置信度值(224)。
3.如任一前述权利要求所述的系统,其中,所述逻辑还从所述成像数据(212)生成时间浓度曲线。
4.如权利要求1所述的系统,其中,所述成像数据(212)适合于在脑灌注研究中使用,并且所述成像质量指示符(216)对应于所述脑灌注研究中的置信度。
5.如权利要求1所述的系统,其中,所述逻辑还将所述置信度值(220或224)呈现给所述系统的用户。
6.如权利要求5所述的系统,其中,所述逻辑还将所述置信度值(220或224)呈现为对应于多级别估计系统中的一个级别。
7.如权利要求5或6所述的系统,其中,所述逻辑还基于每类用户的需求将所述置信度值(220或224)的所述呈现调整为对于不同类的用户是不同的。
8.如权利要求1所述的系统,还包括扫描器控制台,其包括所述逻辑,并且所述扫描器控制台将所述置信度值(220或224)呈现给所述扫描器控制台的用户,同时在所述置信度的级别(220或224)不是足够高的情况下,正被成像的患者仍然能够用于进一步成像。
9.如权利要求1所述的系统,其中,所述逻辑还对不良置信度值(220或224)的原因进行识别。
10.如权利要求9所述的系统,其中,所述逻辑还提议对图像采集技术的修改,以便增大所述不良置信度值(220或224)。
11.一种基于所提议的诊断任务或者处置决定对成像数据(212)中的置信度进行自动评估的方法,所述方法包括基于与所提议的诊断任务或者处置决定的置信度对应的一个或多个量化成像质量因子(204)确定与所述成像数据(212)相关的一个或多个成像质量指示符(216),所述成像质量因子(204)指示所述成像数据(212)多么精确地反映实际情况和/或所述成像数据是否在正确的时间指向正确的感兴趣区域,将所述一个或多个成像质量指示符(216)与一个或多个置信度基准值(208)进行比较(218),所述置信度基准值(208)取决于所提议的诊断任务或者处置决定,并且为了执行所提议的诊断任务或者进行所提议的处置决定的目的,确定指示将要给予所述成像数据(212)的置信度的置信度值(220或224)。
12.如权利要求11所述的方法,还包括基于两个或更多个个体置信度值(220)生成至少一个复合置信度值(224)。
13.如权利要求11或12所述的方法,还包括将所述置信度值(220或224)确定为对应于多级别估计系统中的一个级别。
14.如权利要求11或12所述的方法,还包括基于每类用户的需求将给用户的所述置信度值(220或224)的呈现调整为对于不同类的用户是不同的。
15.如权利要求11或12所述的方法,还包括对不良置信度值(220或224)的原因进行识别,并且提议对图像采集技术的修改,以便增大所述不良置信度值(220或224)。
CN201080019697.7A 2009-05-05 2010-04-09 对成像数据的置信度的自动评估 Active CN102428495B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US17556109P 2009-05-05 2009-05-05
US61/175,561 2009-05-05
PCT/IB2010/051539 WO2010128412A1 (en) 2009-05-05 2010-04-09 Automatic assessment of confidence in imaging data

Publications (2)

Publication Number Publication Date
CN102428495A CN102428495A (zh) 2012-04-25
CN102428495B true CN102428495B (zh) 2014-09-24

Family

ID=42316086

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201080019697.7A Active CN102428495B (zh) 2009-05-05 2010-04-09 对成像数据的置信度的自动评估

Country Status (4)

Country Link
US (1) US9317911B2 (zh)
EP (1) EP2427866B1 (zh)
CN (1) CN102428495B (zh)
WO (1) WO2010128412A1 (zh)

Families Citing this family (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102006032991B4 (de) * 2006-07-17 2015-03-26 Siemens Aktiengesellschaft Verfahren und Rechnereinheit zur Einstellung einer Spritzenpumpe für eine Bildaufnahme
JP5801577B2 (ja) * 2010-03-25 2015-10-28 キヤノン株式会社 光断層撮像装置及び光断層撮像装置の制御方法
US8761479B2 (en) * 2010-11-08 2014-06-24 General Electric Company System and method for analyzing and visualizing spectral CT data
DE102011090047A1 (de) * 2011-12-28 2013-07-25 Klinikum der Universität München - Campus Innenstadt Kontrollverfahren und Kontrollsystem
CN105144241B (zh) * 2013-04-10 2020-09-01 皇家飞利浦有限公司 图像质量指数和/或基于其的成像参数推荐
CN104427337B (zh) * 2013-08-21 2018-03-27 杭州海康威视数字技术股份有限公司 基于目标检测的感兴趣区域视频编码方法及其装置
DE102013223958A1 (de) * 2013-11-22 2015-05-28 Sirona Dental Systems Gmbh Verfahren und Vorrichtung zur dentalen Bildgebung
US9639919B2 (en) * 2014-10-07 2017-05-02 Stmicroelectronics (Grenoble 2) Sas Detection and correction of artefacts in images or video
CN107004267B (zh) * 2014-12-15 2021-02-09 皇家飞利浦有限公司 图像配准质量控制
HUE050634T2 (hu) * 2016-07-19 2020-12-28 Volpara Health Tech Limited Rendszer és készülék klinikai döntéshozatal optimalizálásához
JP6878038B2 (ja) * 2017-02-15 2021-05-26 キヤノン株式会社 放射線撮影装置、放射線撮影システム、画像処理装置、画像処理装置の作動方法、及びプログラム
US11399779B2 (en) * 2018-05-16 2022-08-02 Case Western Reserve University System-independent quantitative perfusion imaging
US20190392944A1 (en) * 2018-06-22 2019-12-26 General Electric Company Method and workstations for a diagnostic support system
US10849723B1 (en) * 2019-05-07 2020-12-01 Sdc U.S. Smilepay Spv Scanning device
FR3095332B1 (fr) * 2019-06-27 2023-07-21 Quantum Surgical Méthode de planification d’une ablation de tissus basée sur l’apprentissage profond
US10937160B1 (en) * 2019-12-30 2021-03-02 Richard Ricci Dental images processed with artificial intelligence
CN113450426A (zh) * 2021-06-09 2021-09-28 深圳市铱硙医疗科技有限公司 一种磁共振脑灌注成像数据处理系统、方法、终端及介质

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5600574A (en) 1994-05-13 1997-02-04 Minnesota Mining And Manufacturing Company Automated image quality control
US20040179651A1 (en) 2003-03-12 2004-09-16 Canon Kabushiki Kaisha Automated quality control for digital radiography
US7672491B2 (en) 2004-03-23 2010-03-02 Siemens Medical Solutions Usa, Inc. Systems and methods providing automated decision support and medical imaging
US8000773B2 (en) * 2004-11-09 2011-08-16 Spectrum Dynamics Llc Radioimaging
US7809197B2 (en) 2004-12-09 2010-10-05 Eastman Kodak Company Method for automatically determining the acceptability of a digital image
CA2595248A1 (en) * 2005-01-18 2006-07-27 Trestle Corporation System and method for creating variable quality images of a slide
US7599542B2 (en) * 2005-04-08 2009-10-06 John Philip Brockway System and method for detection and display of diseases and abnormalities using confidence imaging
WO2006116700A2 (en) * 2005-04-28 2006-11-02 Bruce Reiner Method and apparatus for automated quality assurance in medical imaging
JP2009511156A (ja) 2005-10-17 2009-03-19 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 機能取得のための生理学的モデルの利用
EP1913868A1 (en) * 2006-10-19 2008-04-23 Esaote S.p.A. System for determining diagnostic indications
US7940970B2 (en) * 2006-10-25 2011-05-10 Rcadia Medical Imaging, Ltd Method and system for automatic quality control used in computerized analysis of CT angiography
JP2010536456A (ja) 2007-08-20 2010-12-02 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 対象物、特に管腔又は血管内のフローの測定方法
DE102007041826B4 (de) * 2007-09-03 2018-02-01 Siemens Healthcare Gmbh Verfahren zur Optimierung von angiographischen MR-Bildern
US20090088620A1 (en) * 2007-10-01 2009-04-02 Koninklijke Philips Electronics N. V. Quantitative clinical and pre-clinical imaging

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
Debra Saliba et al.Quality Indicators for the Management of Medical Conditions in Nursing Home Residents.《Journal of the American Medical Directors Association》.2005,第6卷(第3期),第36-48页.
European guidelines for quality assurance in breast cancer screening and diagnosis.Fourth edition-summary document;N.Perry et al;《Annals of Oncology》;20080205;第19卷(第4期);第614-622页 *
N.Perry et al.European guidelines for quality assurance in breast cancer screening and diagnosis.Fourth edition-summary document.《Annals of Oncology》.2008,第19卷(第4期),第614-622页.
Quality Indicators for the Management of Medical Conditions in Nursing Home Residents;Debra Saliba et al;《Journal of the American Medical Directors Association》;20050630;第6卷(第3期);第36-48页 *
细节可见度对临床超声诊断的价值及其质量控制对策;金宝荣 等;《数理医药学杂志》;19990331;第12卷(第1期);第36-37页 *
金宝荣 等.细节可见度对临床超声诊断的价值及其质量控制对策.《数理医药学杂志》.1999,第12卷(第1期),第36-37页.

Also Published As

Publication number Publication date
EP2427866A1 (en) 2012-03-14
EP2427866B1 (en) 2019-02-27
US20120051614A1 (en) 2012-03-01
US9317911B2 (en) 2016-04-19
CN102428495A (zh) 2012-04-25
WO2010128412A1 (en) 2010-11-11

Similar Documents

Publication Publication Date Title
CN102428495B (zh) 对成像数据的置信度的自动评估
US11803965B2 (en) Methods and systems for assessing image quality in modeling of patient anatomic or blood flow characteristics
JP5123954B2 (ja) 医療画像における病変部の特定及び分析
CN102165455B (zh) 灌注成像
US20080004520A1 (en) System for and method of diagnostic coding using medical image data
US20070016016A1 (en) Interactive user assistant for imaging processes
JP5676269B2 (ja) 脳画像データの画像解析
US9147242B2 (en) Processing system for medical scan images
CN104125841A (zh) 控制方法和控制系统
US20200124691A1 (en) Method to modify imaging protocols in real time through implementation of artificial intelligence
US20110148861A1 (en) Pet data processing system, an arrangement, a method and a computer program product for determining a distribution of a tracer uptake
KR101611488B1 (ko) 의료 영상에서 아티팩트와 병변을 구분하는 방법
US8542894B2 (en) Method and device for post-processing measured values registered by way of an imaging system
CN103501701B (zh) 诊断性脑成像
WO2019190641A1 (en) System and method for evaluation of dynamic data
EP3456249A1 (en) Using archived patient data to correct intravascular measurements for patient co-morbidities
CN115690309B (zh) 一种冠脉cta自动三维后处理方法和装置
US20170178338A1 (en) Identification and analysis of lesions in medical imaging
US20220175332A1 (en) Angiography derived coronary flow
WO2023095105A1 (en) System and method for evaluation of image quality
AU2008210277B2 (en) Identification and analysis of lesions in medical imaging
US20180032681A1 (en) Biological feature analysis technique

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