CN102525534A - 医用图像处理装置、医用图像处理方法 - Google Patents

医用图像处理装置、医用图像处理方法 Download PDF

Info

Publication number
CN102525534A
CN102525534A CN2011104305166A CN201110430516A CN102525534A CN 102525534 A CN102525534 A CN 102525534A CN 2011104305166 A CN2011104305166 A CN 2011104305166A CN 201110430516 A CN201110430516 A CN 201110430516A CN 102525534 A CN102525534 A CN 102525534A
Authority
CN
China
Prior art keywords
mentioned
medical image
data collection
processing apparatus
image data
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN2011104305166A
Other languages
English (en)
Other versions
CN102525534B (zh
Inventor
科斯塔斯·普拉卡斯
伊恩·普尔
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Canon Medical Systems Corp
Original Assignee
Toshiba Corp
Toshiba Medical Systems Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Toshiba Corp, Toshiba Medical Systems Corp filed Critical Toshiba Corp
Publication of CN102525534A publication Critical patent/CN102525534A/zh
Application granted granted Critical
Publication of CN102525534B publication Critical patent/CN102525534B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G06T7/74—Determining position or orientation of objects or cameras using feature-based methods involving reference images or patches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/38—Registration of image sequences
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/03—Recognition of patterns in medical or anatomical images

Landscapes

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

Abstract

本发明提供一种操作者不用动手就能够识别解剖学特征的医用图像处理装置及医用图像处理方法。本实施方式的医用图像处理装置具备：存储部，其存储参照数据集和针对被检体的医用图像数据集，其中，该参照数据集具有表示与关注区域或关注部位相关的多个解剖学特征的各自的位置的解剖学标识点和与上述关注区域或上述关注部位相关的参照图像数据；位置对准部，其执行上述医用图像数据集中的上述被检体的医用图像与上述参照数据中的上述关注区域或上述关注部位的图像的位置对准；分配规则决定部，其根据上述位置对准，决定对上述医用图像分配上述解剖学标识点的分配规则；分配部，其使用上述被决定的分配规则，对上述医用图像分配上述解剖学标识点。

Description

医用图像处理装置、医用图像处理方法
本申请主张2010年12月22日申请的美国专利申请号12/976,725的优先权，并在本申请中引用上述美国专利申请的全部内容。
技术领域
本发明涉及医用图像处理装置及医用图像处理方法。
背景技术
目前，计算机断层摄影那样的三维图像化技术具有执行针对被检体的解剖学构造的立体显示的能力。操作者可以将拍摄任意剖面并实时取得的图像或暂时保存的图像进行针对解剖学构造的立体显示。此外，对于针对解剖学构造的立体显示，操作者可以为了使各个解剖学构造准确地显示而使用图像处理技术。三维图像化技术生成多个体数据集。体数据集分别具有多个体素的三维排列。多个体素分别具有与被测定的体相关联的特性。在根据计算机断层摄影(ComputedTomography：以下称为CT)的体数据集的情况下，各个体素中的数据通常表示由于被检体而减弱的X射线的吸收率的数据。
出于各种不同目的，最好从体数据集(例如CT数据集)中识别出特定解剖学区域或特征。
例如，海量CT数据集或其他体数据集被存储在医院的数据库中。通常，CT数据集或其他体数据集与和患者相关的数据(以下称为患者数据)或与拍摄相关的数据(以下称为拍摄数据)、元数据(附带数据)一起存储在规定的存储区域。患者数据或拍摄数据确定被拍摄的患者，表现出拍摄参数，并确定拍摄对象的患者部位。在特定的案例中，对数据集内的图像的特征赋予标签(标志)的标签数据(元数据的一种)与图像同时保存。但是，分别与医用图像数据集同时存储的患者数据、拍摄数据及其他的附带信息中的质与量有时会大幅变化。没有来自放射线医师或其他医务工作者的熟练输入，就难以决定特定的医用图像数据集表示与什么相关的图像。即，为了使用通常的与图像数据集同时准备的附带信息来确定与表示特定的解剖学特征的医用图像相关联的医用图像数据集，而自动探索数据库，这难以实现或不能实现。
识别医用图像中的解剖学区域的其他重要问题与CT装置或其他医用图像诊断装置中的定位像(scout images)的使用相关。取得CT图像时，首先，以一角度或一组角度来执行测定透过被检体的X射线。所谓测定透过被检体的X射线，通常是指在X射线源被固定的角度的位置取得X射线的投影数据。该投影数据的测定中的X射线的能量是比CT扫描中所使用的X射线的能量低的能量。或者，该投影数据的测定中的分辨率是比CT扫描中的分辨率低的分辨率。这样的CT扫描前的初期测定被称为定位像测定，例如为了决定医用图像诊断所需的图像的切片位置，而会在较短的扫描中执行。由该定位像测定生成的图像与现有的X射线图像类似。定位扫描图像(scanogram)用语也与定位像相关联而使用。典型地，操作者为了确认与医用图像诊断装置相关的被检体的位置而研究定位像。操作者根据该研究来针对特定的解剖学特征或区域识别近似的位置。之后，操作者为了在下一次的X射线拍摄中准备医用图像诊断装置而使用定位像的信息。在上述下一次X射线拍摄中，对特定的解剖学区域执行使用了更准确、或更高放射线量的拍摄。在操作者对定位像的研究中，通常要求识别解剖学区域。此时，不提供自动的处理顺序。如果操作者在研究定位像时失败，被检体的不恰当的解剖学区域会在下一次X射线拍摄中被辐射到。
作为其他例子，一般而言，为了能够解析或观察代表特定解剖学特征的医用图像数据而对解剖学区域进行识别。一连串的技术为了将特定的解剖学特征或区域定位或识别而被开发出来。另外，上述技术为了图像化或解析而自动选择医用图像数据集的特别部分而被开发出来。若干既知的技术是通过使用组织及脏器的划分来探索出解剖学区域或特征的技术。在这样的技术中，阈值处理与区域生成处理用于区分躯干的典型的图像数据。阈值处理与区域生成处理将人体分为皮肤、皮下脂肪、内脏脂肪、肌肉、脏器、骨骼、横膈膜、胸腔、腹腔等。根据上述那样的处理，体素值分别根据亨氏单位(HounsfieldUnit)值来识别为例如空气、脂肪、肌肉、脏器或骨骼等。不同的解剖学特征根据与不同类型的体素相关的分布来识别。此时，不同类型的体素用于区域生成处理。
作为代替技术，人体的外形、相当于骨的区域、相当于肺的区域通过阈值处理与连结区域标记来检测。此时，对胸部、骨盆或其他部位的解剖学区域的分类根据与体数据中的各自的切片中的骨的部分与肺的部分相关的解析来执行。另外，还决定被检体的拍摄位置(仰卧、俯卧或其他(特别的身体位置时，除俯卧等之外还有“other”这样的选择))。然后，具有解剖学标识点的切片使用作为适用于受到关注的解剖学标识点的切片而被选择出的各种不同的技术来识别。最后，骨盆区域与胸部区域根据对由解剖学标识点表示的映射内的插补结果而被细分为分别构成这些的区域或脏器。
并且，作为其他的技术，解剖学特征根据机械学习技术，使用Axial(轴向)轴周围的切片分类来定位。第1，Axial(轴向)面的CT切片针对标准化的状态而旋转。第2，各切片例如根据切片各自的图像数据中的一连串的特征来分成许多不同种类中的一种。第3，动态规划消除切片分类的不匹配。
并且，被熟知的技术是根据与骨骼相关而被阈值处理的二维投影所涉及的解析的技术。被2值化的二维图像中的多个水平线根据由最远端的上限的阈值点来定义的区间的宽度与位于该区间内的上限的阈值点的比例来分成类。此时，被分成类的区域(与属于相同类的水平线相关而相邻的集合)使用调整后的分类器来分成不同的骨骼区域。
为了识别解剖学区域或特征，上述既知的自动或半自动的技术一般运算量较大，管线与算法复杂。一般而言，上述技术具有针对特定的解剖学特征详细的解析等其他某种目的与检测特定解剖学特征的功能。或者，解剖学特征的推定通常作为其他目的的副产品而得到。但是，由于上述既知的技术运算量较大，因此，一般不适用于有效且迅速决定三维图像数据集中的解剖学区域。
执行对于解剖学特征的识别有用的上述其他应用时，那样的识别例如通常根据定位像、或研究存储于数据库的图像等来由操作者手动地执行。
发明内容
本发明的目的在于提供一种不需操作者用手就能够识别解剖学特征的医用图像处理装置及医用图像处理方法。
本实施方式涉及的医用图像处理装置的特征在于，具备：存储部，其存储参照数据集和针对被检体的医用图像数据集，其中，该参照数据集具有表示与关注区域或关注部位相关的多个解剖学特征中的各个解剖学特征的位置的解剖学标识点和与上述关注区域或上述关注部位相关的参照图像数据；位置对准部，其执行上述医用图像数据集中的上述被检体的医用图像与上述参照数据中的上述关注区域或上述关注部位的图像的位置对准；分配规则决定部，其根据上述位置对准来决定对上述医用图像分配上述解剖学标识点的分配规则；分配部，其使用上述被决定的分配规则来对上述医用图像分配上述解剖学标识点。
本发明能够提供一种不需操作者用手就能够识别解剖学特征的医用图像处理装置及医用图像处理方法。
附图说明
图1是表示本实施方式涉及的医用图像处理装置的构成的构成图。
图2是表示本实施方式涉及的、识别解剖学特征或解剖学区域的处理流程的流程图。
图3是表示本实施方式涉及的、将参照数据集的图谱数据(解剖图谱)中的解剖学标识点的位置映射到被检体的医用图像的MIP上的对应的位置的概要的一例的概要图。
图4是本实施方式涉及的、将被体绘制的图像与被选择的解剖学区域的高亮同时示出的图。
图5是本实施方式涉及的、将被体绘制的图像与被选择的解剖学区域的高亮同时示出的图。
图6是表示本实施方式涉及的、与X射线断层拍摄装置连接的医用图像处理装置的构成的一例的构成图。
符号说明
1...医用图像处理装置  2...处理部  4...显示部  6...存储部7...医用图像数据集  8...输入部  10...中央运算处理装置(CPU)12...投影数据生成部  14...位置对准部  16...硬盘驱动器(HDD)18...分配规则决定部  20...分配部  22设定部  40...CT图像诊断装置
具体实施方式
本发明涉及的医用图像处理装置包括存储部、位置对准部、分配规则决定部、分配部。存储部存储参照数据集和针对被检体的医用图像数据集，其中，该参照数据集具有表示与关注区域或关注部位相关的多个解剖学特征中的各个解剖学特征的位置的解剖学标识点和与上述关注区域或上述关注部位相关的参照图像数据。位置对准部执行上述医用图像数据集中的上述被检体的医用图像与上述参照数据中的上述关注区域或上述关注部位的图像的位置对准。分配规则决定部根据上述位置对准来决定对上述医用图像分配上述解剖学标识点的分配规则。分配部使用被上述决定的分配规则来对上述医用图像分配上述解剖学标识点。
以下，参照附图说明本实施方式涉及的医用图像处理装置。另外，在以下的说明中，针对具有大致相同构成的构成要素标记相同符号，重复说明只在必要时进行。
图1是表示本实施方式涉及的医用图像处理装置1的框构成图。医用图像处理装置1具有个人计算机(Personal Computer：以下称为PC)或工作站等处理部2、与处理部2连接的显示部4、存储部6、键盘及鼠标等输入部8。
处理部2具有中央运算处理单元(Central Processing Unit：以下称为CPU)。CPU10读取并执行各种软件模块或其他软件组件。在图1中的实施方式中，软件模块具有投影数据生成部12、位置对准部14、分配规则决定部18、分配部20、决定部22。
投影数据生成部12对与被检体相关的体数据实施前处理，并生成对体数据进行了投影处理后的投影图像数据集。
位置对准部14执行被检体的医用图像与关注区域或关注部位的图像的位置对准。
分配规则决定部18根据位置对准，决定对被检体的医用图像分配表示与关注区域或关注部位相关的多个解剖学特征中的各个解剖学特征的位置的解剖学标识点。
分配部20使用被决定的分配规则，对被检体的医用图像分配解剖学标志。分配部20使用分配给医用图像的解剖学标识点，来决定与医用图像中的多个解剖学特征分别对应的多个解剖学区域。
在设定部22中，作为事先设定，例如设定颜色、对比度、分辨率、视角、对于操作者而言能够利用的图像诊断工具或图标、及依存于用于显示的特定解剖学区域的解析参数或其他显示参数、拍摄参数等。设定部22当操作者对特定解剖学区域或特定解剖学特征(例如躯干或肺)输入与执行后的拍摄相关的拍摄参数时，即当由操作者输入后的拍摄的拍摄范围不完全包含解剖学区域或特征时，将表示在拍摄范围内不包含解剖学区域或特征的消息输出到显示部4。设定部22当放射强度(Radiation having an intensity：例如，CT装置中的管电压、管电流、核磁共振装置中的脉冲强度、超声波诊断装置中的频率等)超过针对解剖学特征或解剖学区域而预先设定的安全限度时，自动发生警告信号。另外，设定部22也可以具有监视由操作者指示的被检体的拍摄位置与放射强度的功能。
处理部2具有HDD(Hard Disk Drive：硬盘驱动器)16。根据图1的实施方式，硬盘驱动器16存储参照数据集，其中，该参照数据集具有表示与关注区域或关注部位相关的多个解剖学特征中的各个解剖学特征的位置的解剖学标识点和与上述关注区域或关注部位相关的参照图像数据。另外，参照数据集也可以具有解剖学标识点作为对于关注区域或关注部位的图谱数据(解剖图谱)。此时，根据参照图像数据的参照图像与图谱数据中的解剖学标识点位置关系(比例尺及剖面方向)相同。
处理部2具有与PC(Personal Computer)相关的其他标准组件。所谓与PC相关的其他标准组件是指RAM(Random Access Memory)、ROM(Read-Only Memory)、数据总线、具有各种驱动程序的操作系统，例如是用于与显卡那样的周边装置连接的硬盘驱动器等。为了清晰，上述标准组件在图1中未图示。
图1的实施方式中的存储部6具有数据库。数据库存储多个不同的数据集。所述多个不同的数据集是指例如通过对被检体进行CT检查而取得的三维CT体数据集(以下，称为医用图像数据集)。为了处理而从未图示的服务器向处理部2下载经由输入部8选择的医用图像数据集7。图1所示的存储部6例如是存储大量患者数据的服务器。另外，存储部6也可以构成医用图像保管通信系统(PictureArchiving and Communication System：以下称为PACS)的一部分。另外，在其他实施方式中，医用图像数据集7也可以不从服务器下载，而存储在处理部2的未图示的存储器中。另外，存储部6也可以存储参照数据集。
如上所述，位置对准处理是执行被检体的医用图像与关注区域或关注部位的图像的位置对准的处理。根据图1的实施方式，参照数据集作为参照图像数据，具有二维参照图像数据。所谓二维参照图像数据，是指根据对于由与参照患者或其他被检体相关的实际的CT检查得到的三维体数据集的冠状(coronal)方向的最大值投影(MaximumIntensity Projection：以下，称为MIP)的二维图像所涉及的数据。另外，图谱数据具有解剖学标识点。解剖学标识点例如具有基准点数据。基准点数据用于识别与解剖学特征对应的预先决定的位置。根据图1的实施方式，基准点数据沿体轴方向，具有表示解剖学特征位于何处的距离与确定解剖学特征的识别符。另外，在其他实施方式中，基准点数据也可以具有表示二维或三维的解剖学特征的位置的二维或三维坐标。
在图1中的实施方式中，二维参照图像数据是对参照患者执行的全身的医用图像数据。另外，可以使用16个不同的基准点，在其他实施方式中，二维参照图像数据也可以表示身体的一部分。所谓身体的一部分例如是指躯干区域等。另外，基准点的数量可以设定成所有数。
作为解剖学标识点所使用的解剖学特征例如是颅顶(Skull Top)、眼窝(Orbitae)、颅底(Skull Base)、下颚(Lower Jaw)、颈部(Neck)、肱骨头(Humerus Heads)、肺顶部(Lung Tops)、柄部(Manubrium)、主动脉弓(Aortic Arch)、肺动脉干(PulmonaryTrunk)、肝脏顶部(Liver Top)、肝脏最大(Liver Largest)、多个门(Hill)、脾脏最大(Spleen Largest)、肾脏最大(KidneysLargest)、髂骨翼(Iliac Wings)、骶髂关节(Ileosacral Joints)、股骨头(Femur Heads)、坐骨(Ischiatic Bones)、大腿(Upper Legs)、膝盖骨(Patellae)、上部部腓骨胫骨关节(Upper Fibula TibiaJoins)、小腿(Lower Legs)、下部腓骨胫骨关节(Lower Fibula TibiaJoints)、踝关节(Ankle)等。
与图谱数据的解剖学标识点相关的基准点例如根据操作者对从参照数据集获得的参照图像的识别与考察，预先在图谱数据上决定并存储。例如，由于CT数据集中的最大值通常从骨质处获得，因此MIP保证能够很容易地在被检体的医用图像中识别出骨骼的特征。在图1的实施方式中，基准点是骨骼上的点。骨骼上的点能够很容易地从MIP中识别出。作为基准点的骨骼特征的使用具有以下优势，即骨骼的特征相关的位置、大小、尺寸等与其他解剖学特征(例如，肌肉或组织)相比，在被检体间或随着时间经过几乎不发生变化。
参照图2的流程图说明根据一操作模式在操作中由处理部2执行的处理。图2的流程图是表示识别解剖学特征或解剖学区域的处理(称为解剖学特征识别处理)的流程的流程图。
在处理方法的第1阶段，从存储部6中检索例如在由CT检查而测定出的数据集(以下称为测定数据集)中选择的测定数据集(或医用图像数据集)7(步骤S1)。另外，作为步骤1，也可以从存储部6中选择存储于存储部6的医用图像数据集中由操作者经由输入部8的操作而选择的医用图像数据集。测定数据集例如为体数据集。
在下一阶段，读取出与测定数据集相关联的元数据(附带信息)根据需要，为了之后的使用而存储在未图示的存储器中。元数据具有患者识别符、表示数据大小的尺度信息(例如，各方向上的单位象素或单位体素的长度mm)。此时，也可以执行测定数据集的前处理(步骤S2)。所谓前处理是指消除与本处理无关的数据的处理。
在下一阶段，为了生成测定数据集的二维冠状MIP而执行测定数据集的MIP处理(步骤S3)。
与位置对准相关的处理由位置对准部14来执行。位置对准部14首先决定与图谱数据对应的参照数据集的尺度(各方向上的单位象素的长度mm)。位置对准部14根据需要来调整与测定数据集的MIP相关的尺度。由此，与测定数据集的MIP相关的尺度变得与参照数据集中的尺度相同。
然后，位置对准部14执行最初的匹配过程。在最初的匹配过程中，位置对准部14探索参照数据的位置与测定数据集的位置之间的相对位置(偏移)。相对位置提供由测定数据集表示的被检体的医用图像与由参照数据集表示的参照图像间可以容许的适合性。最初的匹配过程为了决定参照数据集与测定数据集之间的垂直的相对位置，具有使用只在y方向(通常、横向)不同的开始位置来执行高速检索的步骤。通过该检索，垂直的相对位置可以采用规定的值。
另外，作为上述探索及匹配过程，可以使用所有恰当的探索及匹配过程。另外，上述探索及匹配过程也可以具有用于探索解空间的其他技术或所有优化技术。在图2所述的实施方式中，作为优化的技术而使用鲍威尔法。能够使用的其他优化技术有被模拟的退火处理(annealing)、BFGS(Broyden Fletcher-Goldfarb-Shanno)法、单纯形(Simplex)算法等。由于对于与参照数据集的MIP(以下称为参照MIP)上的象素的位置(以下称为参照位置)对应的测定数据集的MIP(以下称为测定MIP)上的象素的位置(以下称为测定位置)，参照MIP与测定MIP之间的相对位置是不同的，因此探索及匹配过程比较参照位置的象素值与测定位置的象素值。
分配规则决定部18根据通过最初的匹配过程而得到的相对位置，来决定对与测定数据集相关的被检体的医用图像分配图谱数据中的解剖学标识点的分配规则。具体而言，所谓分配规则，例如是指用于将解剖学标识点分配给被检体的医用图像的变换。首先，将通过最初的匹配过程而得到的相对位置与变换作为出发点来使用。在下一阶段，再执行精密的匹配过程。精密的匹配过程是指为了通过分配规则决定部18来提供由参照MIP表示的二维图像与由测定MIP表示的二维图像的最优的位置对准，而探索刚体变换(rigid transformation)条件或矩阵。所谓刚体变换是指与刚体的平行移动、旋转、放大、缩小相关的变换。另外，此时，为了探索解空间，作为上述探索及匹配过程，可以采用所有适合的探索及匹配过程。通过采用由作为出发点的最初的匹配过程而得到的相对位置或变换，可以保证以下内容。即，保证更精密的定位过程在适当的出发点开始，以便使最优的刚体变换的探索不在探索空间中的局部的多个最大、最小处停滞。
在图2所述的实施方式中，刚体变换是仿射变换(affinetransformation)。仿射变换按照单独的线性变换(x＝A1x+b1，y＝A2y+b2)来分别变换测定MIP中的x坐标y坐标。在代替的实施方式中，变换可以是x方向或y方向的一方向的变换。另外，作为其他的代替实施方式，变换也可以采用非刚体变换。非刚体变换(位置对准)可以用作非刚体的位置对准。在上述代替的实施方式中，刚体变换可以用作首先取得的、最优的非刚体位置对准的探索的出发点。由此，决定分配规则(步骤S4)。
在下一阶段(步骤S5)，通过分配部20，使用被决定的刚体变换，将在图谱数据中表示预先定义的解剖学标识点的多个基准点各自的位置从参照MIP中的位置映射到测定MIP的对应的位置。上述映射例如在图3中概念性地示出。图3中的实线的箭头表示将与地图相关的参照数据集中的解剖学标识点(32a、32b、32c、32d、32e、32f)在y方向上的多个基准点的位置映射到测定MIP在y方向上的对应的多个位置。
在下一阶段(步骤S6)，测定MIP中的解剖学区域可以根据解剖学标识点的位置，由分配部20来决定。解剖学区域可以通过使用开始点与结束点间的恰当的解剖学标识点来定义。例如，锁骨与特定的脊椎可以用于确定身体躯干的范围。此时，对于测定MIP的躯干区域被决定为相对于锁骨(使用来自图谱数据的基于刚体变换的映射)而被决定的位置与相对于特定的脊椎而被决定的位置之间的区域。或者，与特定解剖学区域相关的开始点与结束点也可以不一致，而从解剖学标识点的位置来得到。例如，特定的解剖学区域也可以定义为两个被选择的解剖学标识点的位置的大致中间。
识别出对于特定的解剖学区域的开始点，而没有识别出对于解剖学区域的结束点时，并且在医用图像的末端之前也没有识别出开始点或结束点时，解剖学区域也可以扩展到医用图像的末端。
与解剖学标识点相关的被识别出的位置与解剖学区域的被识别出的位置的双方或一方被映射到被检体的医用图像中的对应位置。与解剖学标识点相关的被识别出的位置与解剖学区域的被识别出的位置的双方或一方作为附带信息与测定数据集一起存储。在与图2相关的实施方式中，由于图谱数据中的解剖学标识点是基于冠状MIP的，因此，解剖学位置或区域的方向不是冠状方向，而被特定在横向与矢状方向中的一个或两个方向上。
在与图2相关的实施方式中，分配部20也可以具备与其他医用图像数据集或测定数据集中的解剖学特征或解剖学区域相关的自动识别。例如，用于自动识别解剖学区域(例如，躯干部、腹部、头部)的方法判别解剖学区域是否被包含于测定数据集，并自动推定开始位置与区域各自的扩展。与图2相关的实施方式，因为使用医用图像与参照图像的位置对准和从已知的优化或实际的被检体得到的参照数据集与测定数据集之间的映射的其他解空间探索技术，而在计算上较简单。根据图2的实施方式，不为了提供解剖学区域或特征的自动识别而要求与医用图像的内容相关的每个切片的解析、或复杂的特征提取及分类、或程序的练习过程。根据本实施方式，与自动识别相关的过程变得稳健性高、能够迅速执行。
在上述与图2相关的实施方式的操作模式中，也可以执行体数据的投影。此时，位置对准的处理是使与被检体相关的体数据的投影图像与关注区域或关注部位的投影图像一致的处理。作为代替的实施方式，测定数据集也可以是与定位像数据集或与定位扫描图像相关联的数据集。定位像数据集可以通过在以被固定的角度的X射线管的位置，对被检体投影X射线而得到。作为代替的实施方式，探索图像数据集代表着透过了被检体的投影。此时，不要求用于获得体数据集的投影的数据处理。与位置对准相关的处理使定位像数据集匹配于参照数据集。此时，参照数据集具有参照用的体数据集的投影或参照用的定位像数据集。
另外，图2的实施方式也可以用于各种应用。例如，由于被识别出的解剖学区域被显示给操作者，或由于被强调显示，因此，也可以用于选择测定数据集的一部分。另外，被识别出的解剖学区域也可以用于自动决定对于观察测定数据集的体数据的关心体(Volume OfInterest：以下称为VOI)的事先设定。另外，事先设定也可以决定显示测定数据集的哪一部分或是否强调显示。另外，事先设定例如也可以由设定部22自动设定颜色、对比度、分辨率、视野角度、操作者能够利用的图像诊断工具或图标、及依存于用于显示的特定的解剖学区域的解析参数或其他显示参数。
图4及图5是将与测定数据集相关而被体绘制的图像(以下称为绘制图像)和被选择的解剖学区域的高亮同时示出的图。此时，测定数据集接受与图2的实施方式相关的过程。具体而言，在测定数据集中自动决定不同的解剖学区域与位置。然后，存储代表被决定的位置与解剖学区域的范围的附带信息。
图4是表示由操作者选择的腹部区域与头部及颈部区域的高亮显示的一例的图。如果操作者经由输入部8选择腹部、头部、颈部区域，则根据识别腹部区域与头部及腹部区域的范围与位置的附带信息来选择绘制图像上的范围，并高亮显示。另一方面，未被选择的区域与被选择的区域相比在图4的显示图像中变暗地显示。绘制、图像的显示、其他观察点的显示、图标等可以根据既知的医用图像技术及体绘制技术来执行。但是，用于图像显示的各种设定也可以从使用图2的实施方式而决定的解剖学区域来自动决定。
图5是表示针对与解剖学区域相关的图像，不同于图4的另一例的图。解剖学区域根据对于使用图2的实施方式来自动决定的区域的开始点与结束点而选择并显示。在图5的例子中，腹部区域通过自动描述腹部区域周围长方形的方框来选择，并强调显示。
另外，上述实施方式也可以用于自动识别并定位解剖学区域或解剖学特征作为用于进一步的解析或过程的处理的开始点。例如，使用上述实施方式得到的解剖学区域或特征所涉及的信息也可以作为用于如下所述的后续各种过程的输入来使用。
自动骨区域提取顺序。由参照数据集或测定数据集表示的解剖学区域的信息可以用于骨的分类器。骨的分类器具有对各个区域将骨的种类分类的功能。由此，可以提供与骨的分类相关并被改善的结果。
自动脏器提取顺序。与解剖学区域相关的信息可以用于提供能够提高器官划分的性能的启示点或开始位置。
自动挂片协议。
例如对于上述体绘制的观察点的自动VOI事先设定。
自动检查导航。解剖学区域的范围及解剖学特征的位置的信息能够提供自动选择或显示特别的解剖学区域或解剖学特征的代表性数据的功能。
在上述实施方式中，作为其他应用，在数据挖掘的实施中可以用于检索并处理大量的医用图像数据集。对于各医用图像数据集，可以自动识别由医用图像数据集表示的解剖学区域或解剖学特征。识别出解剖学区域与解剖学区域的位置中的至少一方的数据(以下称为识别数据)分别与医用图像数据集相关联地存储。然后，识别数据能够根据解剖学区域从多个医用图像数据集的集合来进行这些医用图像数据集的下次的检索或解析。
作为代替的实施方式，处理部2如图6中概略地所示的那样，与CT图像诊断装置40连接。处理部2从CT图像诊断装置40中检索CT图像数据，并处理检索到的CT图像数据。图6中的代替的实施方式中的处理部2作为用于控制CT图像诊断装置40的操作的控制终端来使用。
在CT检查中，在CT图像拍摄中被检体被载置在CT图像诊断装置40的顶板上。此时，处理部2指示CT图像诊断装置40从一角度或限定的一连串的角度迅速执行被检体的全身扫描。对照而言，与通常检查中的拍摄相关的高分辨率模式在与被检体和CT图像诊断装置40相关的一个方向上、或以更大的角度来执行。
最初的拍摄结果被输出至处理部2。处理部2根据输出的最初的拍摄结果来生成一连串的定位像数据或被称为定位扫描图像数据的数据。定位像数据显示在显示器4上。操作者为了对被拍摄的被检体而决定与特定解剖学特征相关的近似的方向与位置，可以研究定位像。此时，操作者可以使用CT图像诊断装置40来设定更详细的用于之后的拍摄的拍摄参数(例如，拍摄范围等)。例如，操作者为了决定用于对于被检体的后续拍摄的拍摄范围，可以研究定位像。拍摄范围以保证包含想关注的特定解剖学特征的方式来决定。另外，拍摄参数也可以根据探索图像由设定部22来设定。
在图6的实施方式中具有以下特征。与探索图像对操作者的显示相同，或取而代之，为了使定位像数据与图剖图像匹配，也可以对定位像数据应用图2中所示的解剖学特征识别处理。从而，位置对准的处理能够识别由定位像数据所表示的被检体的解剖学区域的位置。使用图2的位置对准处理而得到的解剖学区域的位置，即与CT图像诊断装置40相关的被检体的解剖学区域的位置可以为了自动决定用于使用CT图像诊断装置40的更详细的后续拍摄的拍摄范围的位置而使用。这样，操作者研究定位像之后，不需要手动设定拍摄范围的位置。但是，从自动位置对准顺序得到的解剖学区域的位置通常作为用于保证由操作者设定的拍摄参数的正确安全的检查或备用而使用。
例如，处理部2检查为了对于特定的解剖学区域或特征执行更详细的拍摄而由设定部22设定的拍摄参数是否与通过使用图2的位置对准顺序而自动决定的解剖学区域的位置没有矛盾。该检查例如为以下情况。当操作者对于特定的解剖学区域或特定的解剖学特征(例如躯干或肺部)输入与执行后续拍摄相关的拍摄参数时，即当由操作者输入后的拍摄的拍摄范围不被完全包含于解剖学区域时，设定部22对显示部4输出表示解剖学区域或特征不被包含于拍摄区域的消息。由此，操作者可以选择是继续那样拍摄还是重新考虑输入的拍摄参数。
在其他的操作模式中，设定部22具有监视由操作者指示的被检体的拍摄位置与放射强度的功能。处理部2从图2的解剖学特征识别处理自动决定与拍摄相关的解剖学区域或解剖学特征。当放射强度超过对于解剖学特征或解剖学区域而预先决定的安全限度时，设定部22自动发生警告信号。此时，操作者能够变更放射强度或拍摄范围。
与图2相关而叙述的实施方式对作为从三维参照数据集得到的冠状方向上的二维MIP的参照数据集执行解剖学特征识别处理。对于代替的实施方式如上所述，根据非刚体变换的映射可以与根据刚体变换的映射相同或代替其使用。并且，在其他实施方式中，也可以提供与位置对准顺序相关的各种变换。
例如，在某代替的实施方式中，参照数据集中，关于参照三维数据集可以具有冠状二维投影MIP图像(以下称为冠状参照MIP)与矢状二维投影MIP图像(以下称为矢状参照MIP)。此时，参照数据集具有与冠状参照MIP与矢状参照MIP分别对应的图谱数据。图谱数据具有与冠状MIP上的位置与矢状MIP上的位置分别对应的多个解剖学标识点。投影数据生成部12对于三维测定数据集(体数据)，生成冠状二维投影MIP图像(以下称为冠状测定MIP)与矢状二维投影MIP图像(称为矢状测定MIP)。位置对准部14执行冠状测定MIP与冠状参照MIP的位置对准。位置对准部14执行矢状测定MIP与矢状参照MIP的位置对准。上述位置对准例如使用与图2相关叙述的位置对准的处理来执行。用于分别将图谱数据中的解剖学标识点的位置分配给冠状测定MIP及矢状测定MIP的分配规则由上述位置对准决定。根据被决定的分配规则的不同，对于多个解剖学标识点而得到的冠状测定MIP上的位置与矢状测定MIP上的位置有时会彼此不同。此时，与分别对于解剖学标识点而得到的两个不同的位置相关的坐标例如为了分别对于解剖学标识点得到一个位置，可以进行平均化。或者，也可以为了决定对于测定数据集的解剖学区域的位置而进行组合处理分别对于多个解剖学标识点而得到的两个不同的位置。
在其他代替的实施方式中，提供分别与多个参照图像对应的多个参照数据集。参照数据集分别具有与对于不同的被检体而执行的测定数据集对应的图谱数据。图谱数据分别具有一个投影数据或多个投影数据(例如，冠状MIP、冠状MIP与矢状MIP这双方)。
在这样的实施方式中，从测定数据集产生的一个MIP或多个MIP可以使用参照数据集中的多个MIP(对于冠状的冠状，对于矢状的矢状)来进行位置对准。这样，用于将解剖学标识点的位置移动到测定数据集的位置对准从测定数据集相对于参照数据集中的参照图像的医用图像的位置对准来获得。
解剖学标识点从图谱数据向测定数据集的移动可以通过适当使用在所有位置对准中决定的分配规则来执行。所有的分配规则分别对于多个参照图像来决定。上述处理决定从各种图谱数据移动后的解剖学标识点的各种位置。各种图谱数据可以按所有以下的方法相互组合，并分配给测定数据集。
加法平均。分别与解剖学标识点对应的多个位置(坐标)的平均化与来自平均化的位置(坐标)的解剖学区域的推定。
根据中间值的异常值的排除。例如，如果赋予分别对于解剖学标识点的最低三个分配位置(以下，称为分配位置)，则决定该多个分配位置(坐标)的中间值。与被决定的中间值不同的分配位置，且作为比预先决定的量大的分配位置，从与解剖学标识点对应的位置上除去。除去上述位置后的剩余位置为了对于各解剖学标识点决定一个位置而进行平均。
重复预测量。预测量为了提供图谱数据与拍摄数据集之间的位置对准的质量指标，由学习功能来训练。并且，预测量用于预测与测定数据集对应的不同的图谱数据的重复量。要求在测定数据集中存在与具有解剖学标识点的图谱数据相关的预测量。另外，这些预测量也可以用于预先选择在对于特定测定数据集的位置对准的处理中所使用的最优的图谱数据。并且，预测量也可以用于组合分别使用所选择的不同的图谱数据而得到的多个解剖学标识点的位置。例如，对于各解剖学标识点而决定的位置的加法平均可以通过将利用与拍摄数据很好地一致的图谱数据的位置对准所得到的标识点的权重变大来利用。
作为一例，预测量用于从不同的图谱数据来选择图谱数据，或用于对图谱数据赋予更大的权重。图谱数据从与测定数据集相关的被检体和同性或同年代的被检体来获得。例如，分别与小孩的多个测定(例如，CT检查)对应的图谱数据通常不用于识别从成人被检体的测定中获得的测定数据集中的多个解剖学标识点。另外，反过来也同样。
另外，在代替的实施方式中，多个位置对准的处理对于相同的测定数据集而适用。在该方法中，如上所述，为了得到包含于图谱数据中的解剖学标识点的位置，所有的从测定数据集得到的MIP使用所有从参照数据集得到的MIP来进行位置对准。之后，各解剖学标识点或多个解剖学标识点的一部分被分配给测定数据集的MIP。并且，关于解剖学标识点而被识别出的位置的周围被选择的区域中的位置所对应的测定数据集的一部分以参照数据集中的图谱数据的对应区域为基础，对于参照数据集进行定位。通过执行进一步的位置对准处理，在若干情况下改善与测定数据集中的解剖学标识点的位置识别相关的准确性。
分别与多个测定数据集对应的多个MIP所涉及的位置对准与上述相同。在代替的实施方式中，其他的投影(例如，an average intensityprojection(平均值投影)、或a cumulative intensityprojection(加法值投影)等)也可以代替MIP来使用。在其他代替的实施方式中，测定数据本身表示通过被检体的投影。测定数据集与三维数据集相比优选二维数据集(例如，被称为定位扫描图像数据集的定位像数据集)。
上述实施方式不要求特征点提取、分类、脏器提取，也能够提供迅速决定解剖学区域的大致正确的位置的功能。另外，根据操作者经由输入部8的指示，也能够执行特征点提取、分类、脏器提取。
上述实施方式针对对于CT图像数据的处理进行了叙述，但也可以在其他适当的医用图像数据集中使用代替的实施方式。所谓其他适当的医用图像数据集，例如是磁共振医用图像数据集、或血管造影体(或锥束)数据集等。
在此，针对特定的模块进行了叙述，但在代替的实施方式中，与一个或一个以上的模块相关的功能可以由一个模块来提供。另外，由一个模块来提供的功能也可以由两个或两个以上的模块来提供。
以下内容被具有一般技术的技术人员很好地理解。即，本实施方式通过软件来执行某些功能，但这些功能也可以由软件单独、或硬件与软件的混合来执行。所谓硬件例如是指一个或一个以上的ASICs(专用IC)等。因此，本实施方式不限于只由软件来执行。另外，本实施方式中的医用图像处理装置能够组装入医用图像诊断装置。
根据上述构成，可以得到以下效果。
根据本医用图像处理装置1，可以根据被检体的医用图像与关注区域或关注部位的图像(参照图像)的位置对准，来决定用于对医用图像分配与参照图像对应的图谱数据中的解剖学标识点的分配规则(变换规则)。然后，可以使用被决定的分配规则来对医用图像分配图谱数据中的解剖学标识点。并且，可以使用被分配的解剖学标识点来决定解剖学区域。因此，本医用图像处理装置1使医用图像中的解剖学区域的决定中的计算简单化，并具有较高的稳健性。因此，本医用图像处理装置1能够迅速执行与医用图像中的解剖学区域的自动识别相关的处理。另外，根据本医用图像处理装置，不为了提供解剖学区域或特征的自动识别，而要求与医用图像内容相关的每个切片的解析、或复杂的特征提取及分类、或程序的练习过程。
另外，与由本医用图像处理装置1得到的解剖学区域或特征相关的信息可以作为用于输入自动骨区域提取顺序、自动脏器提取顺序、自动挂片协议、自动VOI事先设定、自动检查导航等各种过程来使用。
此外，根据本医用图像处理装置1，当输入对于特定的解剖学区域或特定的解剖学特征执行之后的拍摄所涉及的拍摄参数时，即当由操作者输入后的拍摄的拍摄范围不完全包含解剖学区域或特征时，可以将表示解剖学区域或特征不被包含于拍摄范围的消息输出到显示部4。由此，操作者可以选择是继续那样拍摄，还是重新考虑输入的拍摄参数。
另外，本医用图像处理装置1也可以具有监视由操作者所指示的被检体的拍摄位置与放射强度的功能。当放射强度超过对于解剖学特征或解剖学区域的预先决定的安全限度时，本医用图像处理装置1自动生成警告信号。
针对本发明的几个实施方式进行了说明，但这些实施方式是作为例子而示出的，并不意图限定发明的范围。这些实施方式可以以其他各种形态来实施，在不脱离本发明的要旨范围内，可以进行各种省略、置换、变更。这些实施方式或其变形与包含在发明范围或要旨内一样，被包含在专利要求范围内所述的发明和与其均等的范围内。

Claims (24)

1.一种医用图像处理装置，其特征在于，具备：
存储部，其存储参照数据集和针对被检体的医用图像数据集，其中，该参照数据集具有表示与关注区域或关注部位相关的多个解剖学特征中的各个解剖学特征的位置的解剖学标识点和与上述关注区域或上述关注部位相关的参照图像数据；
位置对准部，其执行上述医用图像数据集中的上述被检体的医用图像与上述参照数据中的上述关注区域或上述关注部位的图像的位置对准；
分配规则决定部，其根据上述位置对准来决定对上述医用图像分配上述解剖学标识点的分配规则；以及
分配部，其使用上述被决定的分配规则来对上述医用图像分配上述解剖学标识点。
2.根据权利要求1所述的医用图像处理装置，其特征在于，
上述分配部使用被分配给上述医用图像的上述解剖学标识点，来决定与上述医用图像中的上述多个解剖学特征分别对应的多个解剖学区域。
3.根据权利要求1所述的医用图像处理装置，其特征在于，
上述分配规则决定部使上述位置对准最优化来决定上述分配规则。
4.根据权利要求1所述的医用图像处理装置，其特征在于，
上述存储部存储与针对上述被检体的不同投影分别对应的多个投影图像数据集。
5.根据权利要求4所述的医用图像处理装置，其特征在于，
上述投影图像数据集是基于来自冠状方向或矢状方向的二维投影的图像数据集。
6.根据权利要求1所述的医用图像处理装置，其特征在于，
还具备投影数据生成部，该投影数据生成部根据上述医用图像数据集来生成投影图像数据集。
7.根据权利要求6所述的医用图像处理装置，其特征在于，
上述投影图像数据集是根据二维最大值投影、平均值投影、加法值投影中的至少一个而生成的数据集。
8.根据权利要求4所述的医用图像处理装置，其特征在于，
上述投影图像数据集具有定位扫描图像数据集。
9.根据权利要求4所述的医用图像处理装置，其特征在于，
上述位置对准部使用上述参照图像数据集来对上述投影图像数据集执行上述位置对准。
10.根据权利要求1所述的医用图像处理装置，其特征在于，
上述分配规则是表示刚体变换与非刚体变换中的至少一个的变换的规则。
11.根据权利要求1所述的医用图像处理装置，其特征在于，
上述位置对准部使用从针对与多个解剖学特征的位置的周围相对应的规定范围的上述参照数据集与上述医用图像数据集中选择出的数据集，来决定上述医用图像中的上述解剖学特征的位置。
12.根据权利要求1所述的医用图像处理装置，其特征在于，
上述存储部存储与不同的多个关注区域或不同的多个关注部位分别对应的多个参照数据集，
上述多个参照数据集中的各个参照数据集分别具有与上述不同的多个关注区域或上述不同的多个关注部位的每一个对应的参照图像数据及上述解剖学标识点。
13.根据权利要求12所述的医用图像处理装置，其特征在于，
上述位置对准部分别执行上述多个参照图像数据集中的各个参照图像数据集与上述医用图像的上述位置对准，
上述分配规则决定部根据上述多个参照图像数据集中的各个参照图像数据集与上述医用图像的上述位置对准，来决定与上述多个参照图像数据集分别对应的多个分配规则，
上述分配部使用上述被决定的多个分配规则，来对上述医用图像分配上述解剖学标识点。
14.根据权利要求13所述的医用图像处理装置，其特征在于，
上述位置对准部决定与上述被检体相关的至少一个解剖学特征和与上述多个关注区域或关注部位的每一个相关的至少一个上述解剖学特征之间的类似性。
15.根据权利要求14所述的医用图像处理装置，其特征在于，
上述位置对准部使用上述类似性，来从上述多个参照数据集中选择用于上述位置对准的参照数据集。
16.根据权利要求13所述的医用图像处理装置，其特征在于，
上述分配部按照上述解剖学特征中的各个解剖学特征将针对上述解剖学特征中的各个解剖学特征而分配给上述医用图像的上述多个解剖学标识点进行一体化。
17.根据权利16所述的医用图像处理装置，其特征在于，
上述分配部对上述多个解剖学标识点分别赋予不同的权重，并进行一体化。
18.根据权利要求1所述的医用图像处理装置，其特征在于，
上述规则决定部使用规定的优化处理来决定最优的分配规则。
19.根据权利要求1所述的医用图像处理装置，其特征在于，
上述解剖学标识点是表示与上述关注区域或上述关注部位的骨骼相关的特征的位置。
20.根据权利要求1所述的医用图像处理装置，其特征在于，
上述参照数据集具有通过对上述关注区域或上述关注部位所执行的医用图像检查而生成的参照图像数据。
21.根据权利要求1所述的医用图像处理装置，其特征在于，
还具备设定部，该设定部设定决定针对上述被检体的下一个拍摄条件的多个参数，
上述存储部存储与上述被检体相关的定位像，
上述位置对准部执行上述定位像与上述关注区域或上述关注部位的图像的位置对准，
上述规则决定部根据上述位置对准来决定对上述定位像分配上述解剖学标识点的分配规则，
上述分配部根据使用上述决定的分配规则而分配给上述定位像的上述解剖学标识点，来决定上述定位像中的与解剖学特征相对应的解剖学区域，
上述设定部根据上述解剖学区域的位置来设定上述多个参数。
22.根据权利要求1所述的医用图像处理装置，其特征在于，
还具备设定部，该设定部设定决定针对上述被检体的下一个拍摄条件的多个参数，
上述存储部存储与上述被检体相关的定位像，
上述位置对准部执行上述定位像与上述关注区域或上述关注部位的图像的位置对准，
上述规则决定部根据上述位置对准来决定对上述定位像分配上述解剖学标识点的分配规则，
上述分配部根据使用上述决定的分配规则而分配给上述定位像的上述解剖学标识点，来决定上述定位像中的与解剖学特征相对应的解剖学区域，
上述设定部根据上述解剖学区域来设定上述多个参数，当上述被设定的多个参数不与上述解剖学区域的位置相对应时输出报警信号。
23.根据权利要求22所述的医用图像处理装置，其特征在于，
上述设定部决定上述被设定的参数是否表示比针对上述解剖学区域的位置而预先设定的阈值大的放射强度，
当上述放射强度比上述阈值大时产生上述报警信号。
24.一种医用图像处理方法，其特征在于，
存储参照数据集和针对被检体的医用图像数据集，其中，该参照数据集具有表示与关注区域或关注部位相关的多个解剖学特征中的各个解剖学特征的位置的解剖学标识点和与上述关注区域或上述关注部位相关的参照图像数据；
执行上述医用图像数据集中的上述被检体的医用图像与上述参照数据中的上述关注区域或上述关注部位的图像的位置对准；
根据上述位置对准来决定对上述医用图像分配上述解剖学标识点的分配规则；
使用上述被决定的分配规则来对上述医用图像分配上述解剖学标识点。
CN201110430516.6A 2010-12-22 2011-12-20 医用图像处理装置、医用图像处理方法 Active CN102525534B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US12/976,725 US8837791B2 (en) 2010-12-22 2010-12-22 Feature location method and system
US12/976,725 2010-12-22

Publications (2)

Publication Number Publication Date
CN102525534A true CN102525534A (zh) 2012-07-04
CN102525534B CN102525534B (zh) 2015-08-19

Family

ID=46316873

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201110430516.6A Active CN102525534B (zh) 2010-12-22 2011-12-20 医用图像处理装置、医用图像处理方法

Country Status (3)

Country Link
US (1) US8837791B2 (zh)
JP (1) JP6026098B2 (zh)
CN (1) CN102525534B (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104036486A (zh) * 2013-03-05 2014-09-10 株式会社东芝 医用图像处理装置、以及医用图像匹配性判定方法
CN104112292A (zh) * 2013-04-22 2014-10-22 株式会社东芝 医用图像处理装置、医用图像处理方法以及医用图像处理程序
CN106157288A (zh) * 2015-04-03 2016-11-23 东芝医疗系统株式会社 医学图像处理装置和方法以及医学成像设备
CN106233126A (zh) * 2013-12-19 2016-12-14 斯内克马公司 用于表征零件的方法
CN106295110A (zh) * 2015-06-24 2017-01-04 西门子保健有限责任公司 医学图像处理方法和图像处理系统
CN106462958A (zh) * 2014-01-23 2017-02-22 珀金埃尔默细胞科技德国公司 用于从活体内图像自动化检测哺乳动物胸腔内部的组织的方法及系统
CN111356930A (zh) * 2017-11-17 2020-06-30 皇家飞利浦有限公司 人工智能实现的解剖界标定位
WO2022011616A1 (zh) * 2020-07-15 2022-01-20 北京肿瘤医院(北京大学肿瘤医院) 一种通过影像组学特征判断癌症治疗反应的方法及系统

Families Citing this family (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9430831B2 (en) * 2011-03-15 2016-08-30 Koninklijke Philips N.V. Correlated image mapping pointer
DE102011005715A1 (de) * 2011-03-17 2012-09-20 Siemens Aktiengesellschaft Verfahren zum Gewinnen eines von Spuren eines Metallobjektes befreiten 3D-Bilddatensatzes
EP2724294B1 (en) * 2011-06-21 2019-11-20 Koninklijke Philips N.V. Image display apparatus
EP3428882B1 (en) 2012-10-26 2021-01-06 Brainlab AG Matching patient images and images of an anatomical atlas
US9818200B2 (en) * 2013-11-14 2017-11-14 Toshiba Medical Systems Corporation Apparatus and method for multi-atlas based segmentation of medical image data
CN104905766B (zh) * 2014-03-11 2019-09-24 Ge医疗系统环球技术有限公司 基于定位像确定扫描参数的医疗扫描系统和方法
JP6258084B2 (ja) * 2014-03-12 2018-01-10 東芝メディカルシステムズ株式会社 医用画像表示装置、医用画像表示システムおよび医用画像表示プログラム
CN104997528B (zh) * 2014-04-21 2018-03-27 东芝医疗系统株式会社 X 射线计算机断层拍摄装置以及拍摄条件设定辅助装置
US9779505B2 (en) * 2014-09-30 2017-10-03 Toshiba Medical Systems Corporation Medical data processing apparatus and method
JP7481114B2 (ja) 2016-11-11 2024-05-10 インテュイティブ サージカル オペレーションズ， インコーポレイテッド 走査ベースの位置付けを伴う遠隔操作手術システム
US11317886B2 (en) 2017-01-25 2022-05-03 Canon Medical Systems Corporation X-ray CT apparatus and imaging management apparatus
EP3438918A1 (en) * 2017-08-02 2019-02-06 Koninklijke Philips N.V. Display of a medical image
GB2569803B (en) * 2017-12-22 2021-11-24 Novarum Dx Ltd Analysis of a captured image to determine a test outcome
WO2019134757A1 (en) * 2018-01-08 2019-07-11 Brainlab Ag Optimizing an atlas
US10796481B2 (en) * 2018-04-20 2020-10-06 Siemens Healthcare Gmbh Visualization of lung fissures in medical imaging
JP7086818B2 (ja) * 2018-10-29 2022-06-20 富士フイルム株式会社 情報処理装置、情報処理方法、及びプログラム
US11935162B2 (en) 2019-05-14 2024-03-19 Koninklijke Philips N.V. Protocol-dependent 2-D pre-scan projection image based on 3-D pre-scan volumetric image data
JP2021129707A (ja) * 2020-02-19 2021-09-09 コニカミノルタ株式会社 撮影制御装置および放射線撮影システム

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1235684A (zh) * 1996-10-29 1999-11-17 匹兹堡大学高等教育联邦体系 匹配x射线图像与基准图像的设备
US20050025365A1 (en) * 2003-06-06 2005-02-03 Fuji Photo Film Co., Ltd. Method and apparatus for aiding image interpretation and computer-readable recording medium storing program therefor
EP1657681A1 (en) * 2004-11-10 2006-05-17 Agfa-Gevaert Method of performing measurements on digital images
US20070127790A1 (en) * 2005-11-14 2007-06-07 General Electric Company System and method for anatomy labeling on a PACS
WO2009073185A1 (en) * 2007-12-03 2009-06-11 Dataphysics Research, Inc. Systems and methods for efficient imaging

Family Cites Families (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6009212A (en) * 1996-07-10 1999-12-28 Washington University Method and apparatus for image registration
DE69717359T2 (de) * 1996-07-29 2003-04-30 Matsushita Electric Ind Co Ltd Verfahren zur Komprimierung und Dekomprimierung von eindimensionalen Zeitserien
US6273896B1 (en) * 1998-04-21 2001-08-14 Neutar, Llc Removable frames for stereotactic localization
JP2003299643A (ja) * 2002-04-11 2003-10-21 Hitachi Medical Corp 断層撮影装置
US7394946B2 (en) * 2004-05-18 2008-07-01 Agfa Healthcare Method for automatically mapping of geometric objects in digital medical images
EP1815428A1 (en) * 2004-11-05 2007-08-08 Koninklijke Philips Electronics N.V. Multi-scale filter synthesis for medical image registration
EP1815432B1 (en) * 2004-11-17 2016-08-03 Koninklijke Philips N.V. Improved elastic image registration functionality
JP2008521461A (ja) * 2004-11-26 2008-06-26 ブラッコ イメージング ソチエタ ペル アチオニ 知識構造のマッピングを使用した管状器官を測定する方法
US8373652B2 (en) * 2005-04-06 2013-02-12 Kabushiki Kaisha Toshiba Image display apparatus and image display method
WO2007027684A2 (en) * 2005-08-30 2007-03-08 University Of Maryland Baltimore Techniques for 3-d elastic spatial registration of multiple modes of measuring a body
ES2313223T3 (es) * 2005-10-06 2009-03-01 Medcom Gesellschaft Fur Medizinische Bildverarbeitung Mbh Registro de datos de imagenes de ultrasonidoss 2d y datos de imagenes 3-d de un objeto.
JP5019199B2 (ja) * 2006-07-07 2012-09-05 株式会社東芝 医用画像撮影装置
US7599539B2 (en) 2006-07-28 2009-10-06 Varian Medical Systems International Ag Anatomic orientation in medical images
US7995818B2 (en) * 2006-11-22 2011-08-09 General Electric Company Systems and methods for synchronized image viewing with an image atlas
US8170306B2 (en) 2007-04-25 2012-05-01 Siemens Aktiengesellschaft Automatic partitioning and recognition of human body regions from an arbitrary scan coverage image
JP5172429B2 (ja) * 2008-03-31 2013-03-27 富士フイルムＲｉファーマ株式会社 画像診断支援システム
JP5570733B2 (ja) * 2009-01-26 2014-08-13 ジーイー・メディカル・システムズ・グローバル・テクノロジー・カンパニー・エルエルシー Ｘ線ｃｔ装置
US8384552B2 (en) * 2010-06-08 2013-02-26 Nucsafe, Inc. Radiation portal with occupancy and motion sensing system

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1235684A (zh) * 1996-10-29 1999-11-17 匹兹堡大学高等教育联邦体系 匹配x射线图像与基准图像的设备
US20050025365A1 (en) * 2003-06-06 2005-02-03 Fuji Photo Film Co., Ltd. Method and apparatus for aiding image interpretation and computer-readable recording medium storing program therefor
EP1657681A1 (en) * 2004-11-10 2006-05-17 Agfa-Gevaert Method of performing measurements on digital images
US20070127790A1 (en) * 2005-11-14 2007-06-07 General Electric Company System and method for anatomy labeling on a PACS
WO2009073185A1 (en) * 2007-12-03 2009-06-11 Dataphysics Research, Inc. Systems and methods for efficient imaging

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104036486A (zh) * 2013-03-05 2014-09-10 株式会社东芝 医用图像处理装置、以及医用图像匹配性判定方法
CN104112292A (zh) * 2013-04-22 2014-10-22 株式会社东芝 医用图像处理装置、医用图像处理方法以及医用图像处理程序
CN104112292B (zh) * 2013-04-22 2017-07-04 东芝医疗系统株式会社 医用图像处理装置、医用图像处理方法以及医用图像处理程序
CN106233126A (zh) * 2013-12-19 2016-12-14 斯内克马公司 用于表征零件的方法
CN106233126B (zh) * 2013-12-19 2021-12-21 斯内克马公司 用于表征零件的方法
CN106462958A (zh) * 2014-01-23 2017-02-22 珀金埃尔默细胞科技德国公司 用于从活体内图像自动化检测哺乳动物胸腔内部的组织的方法及系统
CN106462958B (zh) * 2014-01-23 2019-03-15 珀金埃尔默细胞科技德国公司 用于从活体内图像自动化检测哺乳动物胸腔内部的组织的方法及系统
CN106157288A (zh) * 2015-04-03 2016-11-23 东芝医疗系统株式会社 医学图像处理装置和方法以及医学成像设备
CN106157288B (zh) * 2015-04-03 2019-06-11 东芝医疗系统株式会社 医学图像处理装置和方法以及医学成像设备
CN106295110A (zh) * 2015-06-24 2017-01-04 西门子保健有限责任公司 医学图像处理方法和图像处理系统
CN106295110B (zh) * 2015-06-24 2020-06-09 西门子保健有限责任公司 医学图像处理方法和图像处理系统
CN111356930A (zh) * 2017-11-17 2020-06-30 皇家飞利浦有限公司 人工智能实现的解剖界标定位
CN111356930B (zh) * 2017-11-17 2023-09-12 皇家飞利浦有限公司 用于定位预定义的解剖结构的解剖界标的方法和系统
WO2022011616A1 (zh) * 2020-07-15 2022-01-20 北京肿瘤医院(北京大学肿瘤医院) 一种通过影像组学特征判断癌症治疗反应的方法及系统

Also Published As

Publication number Publication date
JP2012130667A (ja) 2012-07-12
JP6026098B2 (ja) 2016-11-16
US20120163687A1 (en) 2012-06-28
US8837791B2 (en) 2014-09-16
CN102525534B (zh) 2015-08-19

Similar Documents

Publication Publication Date Title
CN102525534B (zh) 医用图像处理装置、医用图像处理方法
US11798688B2 (en) Systems and methods for simulating spine and skeletal system pathologies
AU2018342606B2 (en) Systems and methods for simulating spine and skeletal system pathologies
US20220405935A1 (en) Augmented reality patient positioning using an atlas
US10268802B2 (en) Medical image processing apparatus and medical image processing system
Korez et al. A deep learning tool for fully automated measurements of sagittal spinopelvic balance from X-ray images: performance evaluation
EP4343707A2 (en) Indication-dependent display of a medical image
JP2020199328A (ja) 医用画像処理方法、医用画像処理装置、医用画像処理システム及び医用画像処理プログラム
US11995770B2 (en) System and method for isolating anatomical features in computerized tomography data
US11478207B2 (en) Method for visualizing a bone
US9576353B2 (en) Method for verifying the relative position of bone structures
CN110459298A (zh) 用于求出结果值的方法和设备、诊断站和成像系统
CN109350059B (zh) 用于肘部自动对准的组合的转向引擎和界标引擎
US20030210820A1 (en) Method and device for localizing a structure in a measured data set
US20110242096A1 (en) Anatomy diagram generation method and apparatus, and medium storing program
Atmani et al. Computer aided surgery system for shoulder prosthesis placement
Rubin et al. Visualization of the human larynx: a three-dimensional computer modeling tool
KR102495365B1 (ko) 인공지능을 이용한 관절 분석 시스템 및 그 방법
KR20230166023A (ko) Ar 영상 제공 방법 및 ar 영상 제공 장치
WO2020120494A1 (en) Determination and visualization of damage to an anatomical joint
US20190080513A1 (en) Atlas-Based Calculation of a Flight-Path Through a Virtual Representation of Anatomical Structures

Legal Events

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

Effective date of registration: 20160808

Address after: Japan Tochigi

Patentee after: Toshiba Medical System Co., Ltd.

Address before: Tokyo, Japan, Japan

Patentee before: Toshiba Corp

Patentee before: Toshiba Medical System Co., Ltd.