CN102462504A - 用于分析和可视化能谱ct数据的系统和方法 - Google Patents
用于分析和可视化能谱ct数据的系统和方法 Download PDFInfo
- Publication number
- CN102462504A CN102462504A CN2010106236842A CN201010623684A CN102462504A CN 102462504 A CN102462504 A CN 102462504A CN 2010106236842 A CN2010106236842 A CN 2010106236842A CN 201010623684 A CN201010623684 A CN 201010623684A CN 102462504 A CN102462504 A CN 102462504A
- Authority
- CN
- China
- Prior art keywords
- power spectrum
- computer
- troi
- data
- curve
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title abstract description 29
- 230000003595 spectral effect Effects 0.000 title abstract 8
- 238000010606 normalization Methods 0.000 claims abstract description 28
- 238000001228 spectrum Methods 0.000 claims description 100
- 238000002591 computed tomography Methods 0.000 claims description 66
- 230000000007 visual effect Effects 0.000 claims description 16
- 239000000284 extract Substances 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000005259 measurement Methods 0.000 claims description 5
- 230000008520 organization Effects 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 4
- 238000002224 dissection Methods 0.000 claims 4
- 238000000605 extraction Methods 0.000 abstract description 8
- 238000005516 engineering process Methods 0.000 description 13
- 238000007689 inspection Methods 0.000 description 13
- 210000001519 tissue Anatomy 0.000 description 12
- 238000004458 analytical method Methods 0.000 description 10
- 239000012141 concentrate Substances 0.000 description 8
- 238000003384 imaging method Methods 0.000 description 5
- 239000000758 substrate Substances 0.000 description 5
- 206010011732 Cyst Diseases 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 4
- 238000013170 computed tomography imaging Methods 0.000 description 4
- 239000002872 contrast media Substances 0.000 description 4
- 208000031513 cyst Diseases 0.000 description 4
- 231100000753 hepatic injury Toxicity 0.000 description 4
- 210000004185 liver Anatomy 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 206010061289 metastatic neoplasm Diseases 0.000 description 4
- 238000004806 packaging method and process Methods 0.000 description 4
- 238000010835 comparative analysis Methods 0.000 description 3
- 238000011002 quantification Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 208000012106 cystic neoplasm Diseases 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- ZCYVEMRRCGMTRW-UHFFFAOYSA-N 7553-56-2 Chemical compound [I] ZCYVEMRRCGMTRW-UHFFFAOYSA-N 0.000 description 1
- 238000012935 Averaging Methods 0.000 description 1
- OYPRJOBELJOOCE-UHFFFAOYSA-N Calcium Chemical compound [Ca] OYPRJOBELJOOCE-UHFFFAOYSA-N 0.000 description 1
- 102000005720 Glutathione transferase Human genes 0.000 description 1
- 108010070675 Glutathione transferase Proteins 0.000 description 1
- 206010028980 Neoplasm Diseases 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 229910052791 calcium Inorganic materials 0.000 description 1
- 239000011575 calcium Substances 0.000 description 1
- 239000007799 cork Substances 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 230000035611 feeding Effects 0.000 description 1
- 230000003760 hair shine Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 229910052740 iodine Inorganic materials 0.000 description 1
- 239000011630 iodine Substances 0.000 description 1
- 210000003734 kidney Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
- 210000004872 soft tissue Anatomy 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000002792 vascular Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
- 238000007794 visualization technique Methods 0.000 description 1
Images
Classifications
-
- 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
- A61B6/48—Diagnostic techniques
- A61B6/482—Diagnostic techniques involving multiple energy 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
- A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computed tomography [CT]
- A61B6/032—Transmission computed tomography [CT]
-
- 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
- A61B6/46—Arrangements for interfacing with the operator or the patient
- A61B6/461—Displaying means of special interest
- A61B6/463—Displaying means of special interest characterised by displaying multiple images or images and diagnostic data on one display
-
- 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
- A61B6/46—Arrangements for interfacing with the operator or the patient
- A61B6/461—Displaying means of special interest
- A61B6/465—Displaying means of special interest adapted to display user selection data, e.g. graphical user interface, icons or menus
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/001—Texturing; Colouring; Generation of texture or colour
-
- 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
- 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
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
-
- 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
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20104—Interactive definition of region of interest [ROI]
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- Animal Behavior & Ethology (AREA)
- Heart & Thoracic Surgery (AREA)
- Veterinary Medicine (AREA)
- Surgery (AREA)
- Biophysics (AREA)
- High Energy & Nuclear Physics (AREA)
- Optics & Photonics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Pulmonology (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
用于分析和可视化能谱CT数据的系统和方法包括:访问(74)从患者所采集的包含能谱CT数据的图像数据集合,从图像数据集合中识别(76,80)多个感兴趣目标区(TROI)和感兴趣参考区域(RROI),从表示多个TROI的图像数据中提取多个目标能谱Hounsfield Unit(HU)曲线,从表示RROI的图像数据中提取(82)参考能谱HU曲线,相对于参考能谱HU曲线对多个目标能谱HU曲线进行规格化(110),以及显示多个规格化的目标能谱HU曲线。
Description
技术领域
一般来说,本发明的实施例涉及诊断成像,更具体来说,涉及用于分析和可视化能谱计算机断层扫描(CT)数据的系统和方法。
背景技术
通常,在CT成像系统中,x射线源将扇形束发射到受检者或对象、如患者或行李件。下文中,术语“受检者”和“对象”将包括能够被成像的任何物体。射束经受检者衰减之后照射到辐射检测器阵列上。在检测器阵列所接收的衰减射束辐射的强度通常取决于受检者对x射线的衰减。检测器阵列的各检测器元件产生指示各检测器元件所接收的衰减射束的独立电信号。电信号传送到数据处理系统以供分析它最终产生图像。
一般来说,x射线源和检测器组件围绕成像平面中的机架以及围绕受检者旋转。X射线源通常包括x射线管,它们在焦点处发射x射线束。检测器组件通常由多个检测器模块构成。经过一系列机架角度来收集表示在检测器元件的每个所接收的x射线束的强度的数据。数据最终经过处理以便形成图像。
常规CT系统发射具有多色谱的x射线。受检者中各材料的x射线衰减取决于所发射x射线的能量。如果CT投射数据在多个x射线能量水平或能谱(spectra)来采集,则数据包含常规CT图像中没有包含的有关被成像受检者或对象的附加信息。例如,能谱CT数据可用于产生具有相当于所选单色能量的x射线衰减系数的新图像。这种单色图像包括图像数据,其中分配体素的强度值,如同通过采用单色x射线束从受检者收集投射数据来创建CT图像一样。
能量敏感扫描的一个主要目标是获得诊断CT图像,它们通过利用在不同彩色能量状态的两个或更多扫描来增强图像中的信息(对比度分离、材料特异性等等)。已经提出多种技术来实现能量敏感扫描,其中包括采集两个或更多扫描,它们采用以下两种形式的任一种:(1)时间上紧接着的,其中扫描要求机架围绕受检者多次旋转,或者(2)作为旋转角的函数进行交织,其要求一个旋转围绕受检者,其中管子工作在例如80kVp和140kVp电位。
高频发生器使得能够在交替视图上切换高频电磁能量投射源的kVp电位。因此,两个或更多能量敏感扫描的数据可通过时间交织方式来获得,而不是如先前CT技术通常发生的间隔数秒进行的两个单独扫描的方式。还可配准交织的投射数据,使得相同路径长度在各能量水平使用例如某种形式的内插来定义。
能谱CT数据便于更好地区别组织,使得更易于区分例如包含钙和碘的组织等材料。但是,组织行为变化取决于多个变量,例如患者厚度、对比剂浓度和注入速率、成像的定时和组织病理。因此,从能谱CT成像可得的数据的范围和复杂度使数据很难令临床医生易于理解、解释、区别以及进行明确判定。虽然已知系统和方法可用于创建和显示单色图像,但是已知系统和方法只显示使用能谱CT数据所创建的图像,而缺乏关于用户交互和分析。
此外,根据图像的观察进行诊断是很专业的工作,并且通常由受过高级培训的医疗图像专家来执行。但是,甚至这类专家对于疾病的严重程度也只能进行主观判断。由于这种固有的主观性,诊断倾向于不一致并且非标准化。
相应地,为了按照临床相关方式来使用数据,需要一种方法学,尽管存在能谱CT数据中固有的上述不可避免并且不可控变量,但其仍能以一致方式来比较患者的能谱CT数据。
因此,希望设计一种分析和可视化能谱CT数据的系统和方法,它克服和上述缺点。
发明内容
根据本发明的一个方面,一种非暂时计算机可读介质其上存储了包含指令的计算机程序,指令在由计算机运行时使计算机访问从患者所采集的图像数据集合,图像数据集合包括能谱计算机断层扫描(CT)数据。指令还使计算机从图像数据集合中识别多个感兴趣目标区(TROI),从图像数据集合中识别感兴趣参考区域(RROI)以及从表示多个TROI的图像数据中提取多个目标能谱Hounsfield Unit(HU)曲线。此外,指令使计算机从表示RROI的图像数据中提取参考能谱HU曲线,相对于参考能谱HU曲线对多个目标能谱HU曲线进行规格化,以及显示多个规格化目标能谱HU曲线。
根据本发明的另一个方面,一种方法包括访问包含从患者所采集的能谱CT数据的图像数据集,从图像数据集创建多个TROI,以及从图像数据集中提取目标数据集,目标数据集包含与TROI对应的图像数据。该方法还包括:从目标数据集来计算多个目标能谱曲线,各目标能谱曲线表示相应TROI的x射线衰减;从图像数据集来创建RROI;以及从图像数据集中提取参考数据集,参考数据集包含与RROI对应的图像数据。此外,该方法包括从参考数据集来计算参考能谱曲线,相对参考能谱曲线对多个目标能谱曲线进行规格化,以及输出多个规格化目标能谱曲线的可视化。
根据本发明的另一个方面,一种用于分析图像数据的系统包括数据库,其上存储了从患者所采集的包含能谱CT数据的患者图像数据集。该系统还包括处理器,它编程为访问图像数据集,从患者图像数据集中识别多个TROI,以及从患者图像数据集中识别至少一个RROI。处理器还编程为从患者图像数据集中提取多个TROI和RROI的能谱CT数据,从所提取能谱CT数据生成多个TROI的多个目标曲线,以及从所提取能谱CT数据生成至少一个RROI的至少一个参考曲线。此外,处理器编程为采用该至少一个参考曲线对多个目标曲线进行规格化,并且输出多个规格化目标曲线。该系统还包括图形用户界面(GUI),它配置成向用户显示多个规格化目标曲线。
通过以下详细描述和附图,使其它各种特征和优点显而易见。
附图说明
附图示出当前考虑用于执行本发明的优选实施例。
附图包括:
图1是CT成像系统的示图。
图2是图1所示系统的示意框图。
图3是CT系统检测器阵列的一个实施例的透视图。
图4是检测器的一个实施例的透视图。
图5是示出根据本发明的一个实施例、用于能谱CT数据的可视化和分析的技术的流程图。
图6是根据本发明的一个实施例的多个感兴趣区域的示范原始能谱CT数据的绘图。
图7是根据本发明的一个实施例、相对于感兴趣参考区域进行规格化的图6的能谱CT数据的绘图。
图8是根据本发明的一个实施例、从图7的规格化能谱CT数据所提取的示范度量的绘图。
图9是根据本发明的一个实施例、一组具有重叠区域的示范度量的绘图。
图10是根据本发明的一个实施例、包括多个感兴趣区域的偏差的可视表示的示范用户界面。
图11是与无创包裹检查系统配合使用的CT系统的图示。
具体实施方式
针对64层片计算机断层扫描(CT)系统来描述本发明的操作环境。但是,本领域的技术人员会理解,本发明同样可适合与其它多层片配置配合使用。此外,针对x射线的检测和转换来描述本发明。但是,本领域的技术人员还会理解,本发明同样可适用于其它高频电磁能量的检测和转换。针对“第三代”CT扫描仪来描述本发明,但是本发明同样可适用于其它CT系统。
另外,例如,本发明的某些实施例提供用于分析多能量数据、如双能量数据的系统、方法和计算机指令。例如,某些多能量数据可用于能谱成像系统、如光子读数系统(photon counting system)中。作为一种类型的多能量数据的双能量数据可体现在单色图像、材料密度图像和/或有效Z图像中。虽然本文所述的许多实施例结合双能量数据来论述,但是实施例并不局限于双能量数据,而是可与其它类型的多能量数据结合使用,这是本领域的技术人员会理解的。另外,虽然本文所述的许多实施例描述可在图像中选择的感兴趣区域,但是感兴趣体积也可在图像中选择,这是本领域的技术人员会理解的。
参照图1,CT成像系统10示为包括代表“第三代”CT扫描仪的机架12。机架12具有x射线源14,它将x射线束投射到机架12的对侧的检测器组件或准直仪16。现在参照图2,检测器组件16由多个检测器18和数据采集系统(DAS)20来形成。多个检测器18感测经过治疗患者24的投射x射线22,并且DAS 20将数据转换成数字信号供后续处理。各检测器18产生模拟电信号,它表示照射x射线束强度并且因而表示经过患者24时的衰减射束。在采集x射线投射数据的扫描期间,机架12和安装在其上的部件绕旋转中心26旋转。
机架12的旋转和x射线源14的操作由CT系统10的控制机构28来管理。控制机构28包括:x射线控制器30,它向x射线源14提供功率和定时信号;以及机架马达控制器32,它控制机架12的转速和位置。图像重构器34从DAS 20接收取样和数字化的x射线数据,并且执行高速重构。重构图像作为输入施加到计算机36,计算机36将图像存储在大容量存储装置38中。
计算机36还经由控制台40接收来自操作员的命令和扫描参数,控制台40具有例如键盘、鼠标、语音激活控制器或者任何其它适当输入设备等的某种形式的操作员接口。关联显示器42允许操作员观看来自计算机36的重构图像和其它数据。操作员提供的命令和参数由计算机36使用以用于向DAS 20、x射线控制器30和机架马达控制器32提供控制信号和信息。另外,计算机36操作台架马达控制器44,台架马达控制器44控制电动台架46以便定位患者24和机架12。具体来说,台架46移动患者24使其整体或部分通过图1的机架开口48。
如图3所示,检测器组件16包括轨道50,它们之间设置了准直片或板52。板52定位成在x射线22照射到例如定位在检测器组件16上的图4的检测器18之前对这类射束进行准直。在一个实施例中检测器组件16包括57个检测器18,各检测器18具有66×22像素元件54的阵列大小。因此,检测器组件16具有64行和912列(22×57个检测器),它允许随机架12的每次旋转收集64个同时的层片的数据。
参照图4,检测器18包括DAS 20,其中各检测器18包括排列在封装件(pack)56中的多个检测器元件54。检测器18包括相对检测器元件54定位在封装件56中的引脚58。封装件56定位在具有多个二极管62的背光二极管阵列60上。背光二极管阵列60又定位在多层衬底64上。隔离片66定位在多层衬底64上。检测器元件54光耦合到背光二极管阵列60,并且背光二极管阵列60又电耦合到多层衬底64。柔性电路68附连到多层衬底64的表面70以及附连至DAS20。检测器18通过使用引脚58定位在检测器组件16中。
在一个实施例的操作中,照射在检测器元件54中的x射线生成光子,它们穿过封装件56,由此生成在背光二极管阵列60中的二极管上检测的模拟信号。所生成的模拟信号被载送通过多层衬底64、通过柔性电路68送至DAS 20,其中将模拟信号转换成数字信号。
现在参照图5,根据本发明的一个实施例提出一种用于分析和可视化能谱CT数据的技术。虽然本文所述的一些实施例针对肝损伤分析,但是本领域的技术人员易于知道,根据各个实施例,技术72可适用于一系列组织、例如存在于脑、肾、肝等中的组织的能谱CT数据的分析。
技术72在步骤74开始,以访问从患者所采集的能谱CT数据集。根据各个实施例,能谱CT数据集可从存储位置或者从现场或实时扫描来访问。另外,能谱CT数据集可包括在患者的单次扫描期间或者在一系列患者扫描期间采集的图像数据。在步骤76,从能谱CT数据集中选择一个或多个感兴趣目标区(TROI)。根据各个实施例,每个TROI可使用例如ROI选择、配准(registration)、分割(segmentation)、轮廓化(contouring)等可用的图像操纵工具的任何组合来人工、半自动或自动选择。例如,临床医生可使用操作员控制台(例如图2的操作员控制台40)上的输入装置,通过围绕显示器(例如图2的显示器42)上的患者图像中的TROI绘制轮廓,来选择TROI。作为另一个示例,TROI可使用自动或半自动算法来识别。在示范肝损伤实施例中,TROI可对应于包括可疑囊肿和转移瘤的区域。
在步骤78,从关联每个TROI的能谱CT数据集中提取能谱Hounsfield Unit(HU)曲线。通过计算对于每个TROI的在多个离散keV水平的HU数据,来提取HU曲线。各种方法可用于计算在各keV水平的HU数据。例如,在各keV水平的HU数据可作为相应TROI中的平均强度来计算。本领域的技术人员会知道,许多备选方法可用于计算HU数据。
在步骤80,从能谱CT数据集中选择一个或多个感兴趣参考区域(RROI)。RROI用于对观察中的TROI进行规格化,下面详细说明。根据一个实施例,RROI选择成表示健康组织。如同TROI那样,RROI可人工、半自动、自动识别。在步骤82,按照与以上针对在步骤78的TROI所述相似的方式,从关联每个RROI的能谱CT数据集中提取能谱HU曲线。
现在参照图6,根据一个实施例示出能谱HU曲线84的一个示范图表。示范TROI曲线86、88、90、92、94、96、98、100、102、104和106对应于从能谱CT数据集所选的11个相应TROI,如针对图4的76所述。示范参考ROI曲线108对应于从能谱CT数据集所选的RROI、如肝软组织(liver parenchyma),如针对图5的步骤80所述。如图所示,在40keV至140keV范围中的10个离散keV值,计算各TROI和RROI的示范能谱HU数据。但是,本领域的技术人员会知道,根据本发明的实施例,可使用任何数量的离散keV数据点和/或keV值的任何范围。
又参照图5,在步骤110,使用RROI来计算TROI的规格化曲线。这个规格化步骤根据RROI曲线来调整、缩放或者以其它方式变换TROI曲线,以便于各种TROI之间的比较分析。TROI曲线可使用各种已知的规格化方法来规格化。例如,通过在各keV水平计算TROI除以RROI的值,TROI曲线可除以RROI曲线。在使用多个RROI的一个实施例中,在各ekV水平的RROI曲线的HU数据的平均值可用于该除法。在步骤112,技术72输出规格化TROI曲线。
图7提供对于说明性肝损伤示例的所计算的规格化TROI曲线116、118、120、122、124、126、128、130、132、134和136的示范绘图114。规格化曲线116-136表示相对于图6的RROI曲线108进行规格化的图6的TROI曲线86-106。绘图114示出对TROI曲线进行规格化可如何用于区分两种类型的组织、例如肝中的囊肿138和瘤140。虽然规格化TROI曲线116-136在线图上示出,但是备选可视格式可用于向用户显示TROI曲线,其中包括图表、曲线图、彩色等等。
回到图5,技术72在步骤142分析规格化TROI曲线,以便得出或提取与规格化TROI曲线对应的度量。许多方法可用于分析数据。例如,可通过相加跨若干keV水平的数据或者执行总面积计算,经由合计来从数据中提取度量。备选地,可使用例如计算标准偏差、集中趋势、中值或最小值/最大值等的求平均方法,来得出度量。作为又一个示例,度量可计算为表示作为keV水平的函数的规格化TROI曲线的衰变或变化率。
在步骤144,将阈值应用于所得出的度量,以便于TROI之间的比较分析。阈值选择成区分两种不同组织类型,例如囊肿和转移瘤,针对图8更详细描述。虽然技术72的步骤144针对单个阈值来描述,但是也想到可应用多个阈值以区分任何数量的不同组织类型。因此,在单个显示中同时分析与许多类型的组织对应的组织。
图8是图表146,示出肝损伤示例中的相应规格化TROI曲线116-136(图7)的所得出的度量148、150、152、154、158、160、162、164、166、168。度量148-168从对应于TROI 86-106(图6)的HU数据来计算。度量148-168可从在所有离散的keV水平或其中的子集的HU数据、使用任何数量的技术、例如合计、求平均或者计算衰变率来计算。。在一个实施例中,通过对离散keV水平的HU数据求平均,来计算度量148-168。作为一个示例,忽略在各极端的两个keV水平(即,40和50keV以及130和140keV)的数据。因此,对60-120keV水平范围内计算度量。但是,度量可从HU数据的任何部分来计算。图表146中包含的阈值170极大地便于度量148-168之间的比较分析,并且选择成区分两种组织类型。如图所示,阈值170使得易于快速区分表示囊肿的TROI(度量150、154-162和168)以及表示转移瘤的TROI(度量148、152、164和166)。
图8表示一种理想情况示例,其中阈值170提供表示两种不同类型的组织之间的清晰描绘。但是,在一些情况下,重叠区域可出现在表示不同组织类型的度量之间。然而,度量值之间的可观察差异仍然由各组织类型呈现。因此,再次参照图5的技术72,在步骤172可将概率分配给所得出的度量,以便于分类落入重叠区之内的度量。如下面针对图9详细描述,将概率结合到提供给用户的度量的显示中,从而提供分类的“判定-支持”辅助。具有多个对应阈值和/或重叠区域的任何数量的不同组织类型再次可在单个显示中按照这种方式同时分析。
现在参照图9,从TROI规格化曲线所计算的多个所得出度量174按照与针对图8所述相似的方式在图表176上显示。但是,与图8的度量148-168不同,图表176的度量174具有围绕阈值180的不同重叠区域178或置信区间。可使用例如统计偏差等统计分析,向落入重叠区域178之内的度量174分配与特定组织类型对应的概率。例如,根据一个实施例,可向处于重叠区域178之内并且低于阈值180的度量174分配80%概率是囊肿,而可向处于重叠区域178之内并且高于阈值180的度量174分配80%概率是转移瘤。
上述实施例通过相对在相同患者中定义的参考区域对TROI数据进行规格化,来实现患者的TROI的组织分类。参考数据也可用于分析每个TROI的量化能谱CT数据。又参照图5,在步骤182访问参考数据库。在一个实施例中,参考数据库包含从参考群体所采集的代表预定义的“预计”组织行为的预先计算图像数据。例如,参考数据库可包括其中包含囊肿的ROI的参考数据,可包含“正常”或“健康”组织的数据,或者包含与已知具有对比剂流入的患者脉管对应的参考数据。参考图像数据可从个体的群体来收集,并且按照例如年龄、性别或种族等一个或多个期望特性来编组或标准化。
患者的TROI数据与预先计算参考数据之间的比较在步骤184通过计算偏差度量来进行。首先,相对从预先计算参考数据所计算的一组关联参考度量对在步骤142所计算的规格化TROI度量进行规格化。规格化解决了和/或消除给定能谱CT数据集中存在的不可避免并且不可控变量。例如,因扫描期间所使用的对比剂的量的差异而可能存在给定能谱CT数据集相对参考数据库的可变性,对比剂摄入率在患者与参考群体之间可能发生变化,并且患者尺寸在数据集之间可能有所不同。规格化解决了这种可变性。
在患者度量和参考度量经过规格化之后,偏差度量计算成表示规格化TROI度量与参考度量之间的偏差。许多技术可适用于计算TROI度量相对预先计算参考数据的偏差。在一个实施例中,偏差定义为z计分,其一般对应于对于给定组织类型的患者TROI度量与参考群体的平均值之间的差的标准偏差的数量。
在步骤186,向用户显示偏差度量。存在许多以有意义方式向用户显示实际偏差度量的方法。例如,可按照与针对图6-9所述相似的方式来应用简单或高级制图和绘图技术。备选地,也可如图10所示来使用彩色编码和其它可视化技术。
图10示出示范图形用户界面(GUI)188,它可用于显示例如在步骤76、80(图5)所选的ROI等ROI的可视表示、例如在步骤78、82所计算的HU曲线或步骤110、112(图5)的规格化曲线等能谱曲线的可视表示,以及例如在步骤142所提取的度量或者在步骤184(图5)所计算的度量等偏差度量的可视表示。
根据各个实施例,GUI 188包括用于显示数字和文本数据的区域190,其中包括例如患者图像数据、参考图像数据、患者特定数据、参考特定数据和检查数据。可选地,区域190可配置为控制面板,以便准许用户通过输入栏(rield)、下拉菜单等输入和/或选择数据。GUI 188还包括多个用户可选按钮192,以便于用户与GUI 188的交互。如图所示,按钮192可提供用于例如添加目标ROI、参考ROI或者发起分析的功能性。
GUI 188包括第一图像区域194,它显示患者图像数据,从而允许用户在图像区域194中选择任何数量的目标ROI 196、198以及任何数量的参考ROI 200。在一个实施例中,参考ROI 200选择成对应于正常组织。ROI 196-200备选地可由自动算法来选择并且在区域194中向用户显示。
GUI 188还包括用于可视化例如绘图84(图6)或绘图114(图7)等的能谱曲线的绘图、和/或例如绘图144(图8)或绘图176(图9)等的度量的绘图的区域202。虽然区域202示为显示单个绘图,但是区域202也可配置成同时显示多个绘图。GUI 188还包括用于显示所选目标ROI的量化能谱CT数据的区域204。提供共同色标(color scale)206来对目标ROI的量化能谱CT数据进行规格化,使得在整个目标ROI上来比较偏差。因此,具有与RROI极大地偏离的能谱CT数据的TROI编码成与色标206的第一端208相关,而具有与RROI密切相关的能谱CT数据的TROI显示成对应于色标206的第二端210,其与第一端208相对。
GUI 188包括第二图像区域212,它显示彩色编码成对应于色标206的目标ROI 196、198,由此允许用户快速轻松地可视化TROI 196、198的偏差。要注意,只为了便于说明而提供GUI 188的布置,并且其它GUI布置、栏名称(field name)和可视输出可采取不同的形式。附加显示技术还可包括温度计、图形、刻度盘(dial)、字体变化、注释等等。
现在参照图11,包裹/行李检验系统214包括可旋转机架216,其中具有开口218,包裹或行李件可通过其中。可旋转机架216容纳高频电磁能量源220以及具有由闪烁器单元组成的闪烁器阵列的检测器组件222,与图3或图4所示相似。还提供传送系统224,它包括传送带226,由结构228支承以便自动连续地使包裹或行李件230通过开口218以便扫描。对象230由传送带226进给以通过开口218,然后采集成像数据,并且传送带226以可控且连续的方式从开口218取下包裹230。因此,邮政检验人员、行李搬运人员和其它安全人员可通过非侵入方式来检查包裹230的内含物中的炸药、刀、枪支、违禁品等。
所公开方法和设备的一个技术贡献在于,它提供一种分析和可视化能谱CT数据的计算机实现系统和方法。
本领域的技术人员会理解,本发明的实施例可与其上存储了计算机程序的计算机可读存储介质接口并且由其控制。计算机可读存储介质包括多个部件,例如一个或多个电子部件、硬件部件和/或计算机软件部件。这些部件可包括一个或多个计算机可读存储介质,它一般存储例如软件、固件和/或汇编语言的指令,用于执行序列的一个或多个实现或实施例的一个或多个部分。这些计算机可读存储介质一般是非暂时和/或有形的。这种计算机可读存储介质的示例包括计算机和/或存储装置的可记录数据存储介质。计算机可读存储介质可采用例如磁、电、光、生物和/或原子数据存储介质的一个或多个。此外,这类介质可采取例如软盘、磁带、CD-ROM、DVD-ROM、硬盘驱动器和/或电子存储器的形式。未列示的其它形式的非暂时和/或有形计算机可读存储介质可与本发明的实施例配合使用。
在系统的一个实现中,多个这类部件可组合或划分。此外,这类部件可以是采用多种编程语言的任一种来编写或实现的一组和/或一系列计算机指令,这是本领域的技术人员会理解的。另外,例如载波等的其它形式的计算机可读介质可用于体现表示指令序列的计算机数据信号,指令序列在由一个或多个计算机运行时使一个或多个计算机执行序列的一个或多个实现或实施例的一个或多个部分。
因此,根据一个实施例,一种非暂时计算机可读介质其上存储了包含指令的计算机程序,指令在由计算机运行时使计算机访问从患者所采集的图像数据集合,图像数据集合包括能谱CT数据。指令还使计算机从图像数据集合中识别多个TROI,从图像数据集合中识别RROI,以及从表示多个TROI的图像数据中提取多个目标能谱HU曲线。此外,指令使计算机从表示RROI的图像数据中提取参考能谱HU曲线,相对于参考能谱HU曲线对多个目标能谱HU曲线进行规格化,以及显示多个规格化目标能谱HU曲线。
根据本发明的另一个实施例,一种方法包括访问包含从患者所采集的能谱CT数据的图像数据集,从图像数据集创建多个TROI,以及从图像数据集中提取目标数据集,目标数据集包含与TROI对应的图像数据。该方法还包括:从目标数据集来计算多个目标能谱曲线,各目标能谱曲线表示相应TROI的x射线衰减;从图像数据集来创建RROI;以及从图像数据集中提取参考数据集,参考数据集包含与RROI对应的图像数据。此外,该方法包括从参考数据集来计算参考能谱曲线,相对参考能谱曲线对多个目标能谱曲线进行规格化,以及输出多个规格化目标能谱曲线的可视化。
根据本发明的又一个实施例,一种用于分析图像数据的系统包括数据库,其上存储了从患者所采集的包含能谱CT数据的患者图像数据集。该系统还包括处理器,它编程为访问图像数据集,从患者图像数据集中识别多个TROI,以及从患者图像数据集中识别至少一个RROI。处理器还编程为从患者图像数据集中提取多个TROI和RROI的能谱CT数据,从所提取能谱CT数据生成多个TROI的多个目标曲线,以及从所提取能谱CT数据生成至少一个RROI的至少一个参考曲线。此外,处理器编程为相对至少一个参考曲线对多个目标曲线进行规格化,并且输出多个规格化目标曲线。该系统还包括GUI,它配置成向用户显示多个规格化目标曲线。
本书面描述使用包括最佳模式的示例来公开本发明,并且还使本领域的技术人员能够实施本发明,包括制作和使用任何装置或系统,以及执行任何结合方法。本发明的专利范围由权利要求书来定义,并且可包括本领域的技术人员想到的其它示例。如果这类其它示例具有与权利要求书的文字语言完全相同的结构元件,或者如果它们包括具有与权利要求书的文字语言的非实质差异的等效结构元件,则它们意在落入权利要求书的范围之内。
Claims (10)
1.一种其上存储有包含指令的计算机程序的非暂时计算机可读介质,所述指令由计算机运行时使所述计算机用于:
访问(74)从患者所采集的图像数据集合,所述图像数据集合包括能谱计算机断层扫描(CT)数据;
从所述图像数据集合中识别(76)多个感兴趣目标区(TROI);
从所述图像数据集合中识别(80)感兴趣参考区域(RROI);
从表示所述多个TROI的图像数据中提取(78)多个目标能谱Hounsfield Unit(HU)曲线;
从表示所述RROI的图像数据中提取(82)参考能谱HU曲线;
相对于所述参考能谱HU曲线对所述多个目标能谱HU曲线进行规格化(110);以及
显示(112)所述多个规格化的目标能谱HU曲线。
2.如权利要求1所述的计算机可读介质,其中,所述指令还使所述计算机从所述规格化的目标能谱HU曲线计算(142)多个度量,以便表示所述多个TROI。
3.如权利要求2所述的计算机可读介质,其中,所述指令还使所述计算机计算所述多个规格化的目标能谱HU曲线的每个的平均HU值。
4.如权利要求2所述的计算机可读介质,其中,所述指令使所述计算机从所述规格化的目标能谱HU曲线的多个离散keV水平处的HU来计算(142)所述多个度量。
5.如权利要求2所述的计算机可读介质,其中,所述指令还使所述计算机将阈值(180)应用于(144)所述多个度量,其中所述阈值(180)区别第一类型的解剖与第二类型的解剖。
6.如权利要求5所述的计算机可读介质,其中,所述指令还使所述计算机定义所述阈值(180)附近的置信区间(178),以便帮助区分对应于所述第一类型的解剖的TROI与对应于所述第二类型的解剖的TROI。
7.如权利要求2所述的计算机可读介质,其中,所述指令还使所述计算机输出所述多个度量的可视化(146,176)。
8.如权利要求1所述的计算机可读介质,其中,所述指令还使所述计算机执行下列步骤:
访问(182)从参考群体所采集的包含预先计算的图像数据的比较数据库;
从所述比较数据库中识别参考能谱CT数据集合,所述参考能谱CT数据集合表示对于至少一个组织类型的预计能谱CT数据;
将所述多个规格化的目标能谱HU曲线与所述参考能谱CT数据集合进行比较;以及
从所述多个规格化的目标能谱HU曲线生成(186)多个偏差度量,所述多个偏差度量表示所述多个TROI相对于所述参考能谱CT数据集合的偏差。
9.如权利要求1所述的计算机可读介质,其中,所述指令还使所述计算机用于:
将阈值应用于(144)所述多个规格化的目标能谱HU曲线;
生成TROI的上集合,其包括所述多个TROI中具有高于所述阈值的规格化目标能谱HU曲线的TROI;
生成TROI的下集合,其包括所述多个TROI中具有低于所述阈值的规格化目标能谱HU曲线的TROI;
将所述TROI的上集合识别为第一类型的组织;以及
将所述TROI的第二集合识别为第二类型的组织。
10.如权利要求1所述的计算机可读介质,其中,所述指令还使所述计算机用于:
从所述图像数据集合中识别(80)第二RROI;
从表示所述第二RROI的图像数据中提取第二参考能谱HU曲线;
使用所述第一和第二参考能谱HU曲线来生成(82)平均参考能谱HU曲线;以及
相对于所述平均参考能谱HU曲线对所述多个目标能谱HU曲线进行规格化(110)。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US12/941162 | 2010-11-08 | ||
US12/941,162 US8761479B2 (en) | 2010-11-08 | 2010-11-08 | System and method for analyzing and visualizing spectral CT data |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102462504A true CN102462504A (zh) | 2012-05-23 |
Family
ID=45990484
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2010106236842A Pending CN102462504A (zh) | 2010-11-08 | 2010-12-27 | 用于分析和可视化能谱ct数据的系统和方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US8761479B2 (zh) |
CN (1) | CN102462504A (zh) |
FR (1) | FR2967283B1 (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103456002A (zh) * | 2012-05-29 | 2013-12-18 | 通用电气公司 | 用于显示分割的图像的方法和系统 |
CN104105445A (zh) * | 2012-08-30 | 2014-10-15 | 株式会社东芝 | X射线ct装置、图像处理装置以及图像处理方法 |
CN105144241A (zh) * | 2013-04-10 | 2015-12-09 | 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 |
CN106821410A (zh) * | 2017-03-20 | 2017-06-13 | 厦门大学 | 采用高光谱ct功能成像的物质识别方法和系统 |
CN104103055B (zh) * | 2013-04-11 | 2018-02-16 | 西门子公司 | 自动获取最优输出数据 |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8761479B2 (en) * | 2010-11-08 | 2014-06-24 | General Electric Company | System and method for analyzing and visualizing spectral CT data |
JP6245237B2 (ja) * | 2015-09-04 | 2017-12-13 | 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 |
JP7097877B2 (ja) * | 2016-10-25 | 2022-07-08 | コーニンクレッカ フィリップス エヌ ヴェ | 医用画像データセットの品質評価のための装置及び方法 |
KR102325343B1 (ko) | 2016-10-31 | 2021-11-11 | 삼성전자주식회사 | 의료 영상 장치 및 의료 영상 처리 방법 |
EP3605448A1 (en) | 2018-08-01 | 2020-02-05 | Koninklijke Philips N.V. | Method for providing automatic adaptive energy setting for ct virtual monochromatic imaging |
KR102628041B1 (ko) | 2018-11-23 | 2024-01-22 | 삼성전자주식회사 | 단층 영상 처리 장치, 방법, 및 컴퓨터 프로그램 제품 |
US11030742B2 (en) * | 2019-03-29 | 2021-06-08 | GE Precision Healthcare LLC | Systems and methods to facilitate review of liver tumor cases |
CN117496274B (zh) * | 2023-12-29 | 2024-06-11 | 墨卓生物科技(浙江)有限公司 | 一种基于液滴图像的分类计数方法、系统和存储介质 |
Family Cites Families (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2001060236A2 (en) * | 2000-02-18 | 2001-08-23 | William Beaumont Hospital | Cone-beam computerized tomography with a flat-panel imager |
US6667802B2 (en) * | 2001-02-12 | 2003-12-23 | Analytical Spectral Devices, Inc. | System and method for self-referencing calibration |
US7236559B2 (en) * | 2005-08-17 | 2007-06-26 | General Electric Company | Dual energy scanning protocols for motion mitigation and material differentiation |
JP2009513220A (ja) * | 2005-10-28 | 2009-04-02 | 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 | 分光コンピュータ断層撮影の方法および装置 |
US20070263915A1 (en) * | 2006-01-10 | 2007-11-15 | Adi Mashiach | System and method for segmenting structures in a series of images |
DE102006002895B3 (de) * | 2006-01-20 | 2007-07-19 | Siemens Ag | Verfahren zur Erzeugung von Kardio-CT-Darstellungen unter Applikation eines Kontrastmittels und Mehr-Röhren-CT-System zur Durchführung dieses Verfahrens |
US20090138279A1 (en) | 2007-11-23 | 2009-05-28 | General Electric Company | Systems, methods and apparatus for analysis and visualization of metadata information |
US8099299B2 (en) * | 2008-05-20 | 2012-01-17 | General Electric Company | System and method for mapping structural and functional deviations in an anatomical region |
US8180125B2 (en) | 2008-05-20 | 2012-05-15 | General Electric Company | Medical data processing and visualization technique |
US8430816B2 (en) | 2008-05-20 | 2013-04-30 | General Electric Company | System and method for analysis of multiple diseases and severities |
US8010381B2 (en) | 2008-05-20 | 2011-08-30 | General Electric Company | System and method for disease diagnosis from patient structural deviation data |
US8483803B2 (en) * | 2008-09-15 | 2013-07-09 | Varian Medical Systems, Inc. | Systems and methods for tracking and targeting object in a patient using imaging techniques |
US8115784B2 (en) | 2008-11-26 | 2012-02-14 | General Electric Company | Systems and methods for displaying multi-energy data |
US8653471B2 (en) * | 2009-03-26 | 2014-02-18 | Koninklijke Philips N. V. | Spectral imaging |
US9317911B2 (en) * | 2009-05-05 | 2016-04-19 | Koninklijke Philips N.V. | Automatic assessment of confidence in imaging data |
JP5645445B2 (ja) * | 2009-05-22 | 2014-12-24 | キヤノン株式会社 | 撮像装置及び撮像方法 |
US8467856B2 (en) * | 2009-07-17 | 2013-06-18 | Koninklijke Philips Electronics N.V. | Anatomy modeling for tumor region of interest definition |
CN102596040B (zh) * | 2009-11-03 | 2015-02-11 | 皇家飞利浦电子股份有限公司 | 计算机断层摄影设备 |
US8494244B2 (en) * | 2010-09-27 | 2013-07-23 | General Electric Company | System and method for blood vessel stenosis visualization and quantification using spectral CT analysis |
US8761479B2 (en) * | 2010-11-08 | 2014-06-24 | General Electric Company | System and method for analyzing and visualizing spectral CT data |
US20130004043A1 (en) * | 2011-07-01 | 2013-01-03 | The Regents Of The University Of Michigan | Pixel and Voxel-Based Analysis of Registered Medical Images for Assessing Bone Integrity |
-
2010
- 2010-11-08 US US12/941,162 patent/US8761479B2/en active Active
- 2010-12-21 FR FR1060957A patent/FR2967283B1/fr not_active Expired - Fee Related
- 2010-12-27 CN CN2010106236842A patent/CN102462504A/zh active Pending
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103456002A (zh) * | 2012-05-29 | 2013-12-18 | 通用电气公司 | 用于显示分割的图像的方法和系统 |
CN103456002B (zh) * | 2012-05-29 | 2018-01-02 | 通用电气公司 | 用于显示分割的图像的方法和系统 |
CN104105445A (zh) * | 2012-08-30 | 2014-10-15 | 株式会社东芝 | X射线ct装置、图像处理装置以及图像处理方法 |
US9532759B2 (en) | 2012-08-30 | 2017-01-03 | Toshiba Medical Systems Corporation | X-ray CT apparatus, image processing apparatus, and image processing method |
CN104105445B (zh) * | 2012-08-30 | 2017-06-16 | 东芝医疗系统株式会社 | X射线ct装置、图像处理装置以及图像处理方法 |
CN105144241A (zh) * | 2013-04-10 | 2015-12-09 | 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 |
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 |
CN104103055B (zh) * | 2013-04-11 | 2018-02-16 | 西门子公司 | 自动获取最优输出数据 |
CN106821410A (zh) * | 2017-03-20 | 2017-06-13 | 厦门大学 | 采用高光谱ct功能成像的物质识别方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
FR2967283A1 (fr) | 2012-05-11 |
US8761479B2 (en) | 2014-06-24 |
US20120114206A1 (en) | 2012-05-10 |
FR2967283B1 (fr) | 2017-03-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102462504A (zh) | 用于分析和可视化能谱ct数据的系统和方法 | |
US11592586B2 (en) | Methods for optimizing imaging technique parameters for photon-counting computed tomography | |
CN106061393B (zh) | 辐射检测器和包括辐射检测器的计算机断层扫描设备 | |
US11322259B2 (en) | Patient risk stratification based on body composition derived from computed tomography images using machine learning | |
CN1861002B (zh) | 监视肿瘤负荷的系统 | |
US7072435B2 (en) | Methods and apparatus for anomaly detection | |
US11227391B2 (en) | Image processing apparatus, medical image diagnostic apparatus, and program | |
JP5138910B2 (ja) | 投影画像を用いた3dcadのシステム及び方法 | |
US7295691B2 (en) | Computer aided diagnosis of an image set | |
NL1024869C2 (nl) | Werkwijze en systeem voor het meten van voor ziekte relevante weefselveranderingen. | |
CN103519838B (zh) | 用于多能组织量化的设备和方法 | |
JP2004105731A (ja) | コンピュータを利用した医療用画像の処理 | |
JP2004105729A (ja) | コンピュータ支援による断層撮影マンモグラフィデータの分析 | |
US20200286229A1 (en) | Image diagnostic device, image processing method, and program | |
JP2015518392A (ja) | 光子計数撮像装置で投影データをビニングして画像を生成する方法とシステム{projectiondatabinningandimagegenerationinphotoncountingimagingmodality} | |
CN106691487A (zh) | 成像方法和成像系统 | |
CN101288101A (zh) | 根据小规模重建的运动分析进行的心区检测 | |
Yaffe | Emergence of “big data” and its potential and current limitations in medical imaging | |
CN108430332A (zh) | 断层扫描设备及其用于重建断层扫描图像的方法 | |
EP3152596B1 (en) | Imaging system for generating an image of an object | |
CN110313928B (zh) | 用于确定放射性结果数据的分析方法和分析单元 | |
EP3597107B1 (en) | Topogram-based fat quantification for a computed tomography examination | |
EP4161389B1 (en) | Spectral dark-field imaging | |
EP4241244A1 (en) | Image rendering method for tomographic image data | |
US20060101075A1 (en) | Method and system for prospectively acquiring ROI based data for retrospective re-analysis |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C05 | Deemed withdrawal (patent law before 1993) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20120523 |