CN102737375A - 确定坏死组织的方法、图像处理装置和系统以及程序产品 - Google Patents
确定坏死组织的方法、图像处理装置和系统以及程序产品 Download PDFInfo
- Publication number
- CN102737375A CN102737375A CN2012100904242A CN201210090424A CN102737375A CN 102737375 A CN102737375 A CN 102737375A CN 2012100904242 A CN2012100904242 A CN 2012100904242A CN 201210090424 A CN201210090424 A CN 201210090424A CN 102737375 A CN102737375 A CN 102737375A
- Authority
- CN
- China
- Prior art keywords
- image data
- data set
- tissue
- energy image
- tissue regions
- 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
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000004590 computer program Methods 0.000 title claims description 6
- 230000001338 necrotic effect Effects 0.000 title abstract 4
- 238000002591 computed tomography Methods 0.000 title 1
- 238000005259 measurement Methods 0.000 claims abstract description 20
- 239000002872 contrast media Substances 0.000 claims abstract description 9
- 230000011218 segmentation Effects 0.000 claims abstract description 9
- 206010028980 Neoplasm Diseases 0.000 claims description 43
- 238000007689 inspection Methods 0.000 claims description 30
- 238000005520 cutting process Methods 0.000 claims description 27
- 238000002360 preparation method Methods 0.000 claims description 21
- 230000017074 necrotic cell death Effects 0.000 claims description 10
- 210000001519 tissue Anatomy 0.000 description 108
- 229910052740 iodine Inorganic materials 0.000 description 10
- 239000011630 iodine Substances 0.000 description 8
- ZCYVEMRRCGMTRW-UHFFFAOYSA-N 7553-56-2 Chemical compound [I] ZCYVEMRRCGMTRW-UHFFFAOYSA-N 0.000 description 6
- 230000008901 benefit Effects 0.000 description 5
- 238000001574 biopsy Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 239000012634 fragment Substances 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 210000000056 organ Anatomy 0.000 description 3
- 230000036770 blood supply Effects 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 230000009977 dual effect Effects 0.000 description 2
- 239000004744 fabric Substances 0.000 description 2
- 150000002496 iodine Chemical class 0.000 description 2
- 238000002560 therapeutic procedure Methods 0.000 description 2
- 210000003462 vein Anatomy 0.000 description 2
- 208000008636 Neoplastic Processes Diseases 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 210000003484 anatomy Anatomy 0.000 description 1
- 210000001367 artery Anatomy 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 238000009933 burial Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000034994 death Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 210000002216 heart Anatomy 0.000 description 1
- PNDPGZBMCMUPRI-UHFFFAOYSA-N iodine Chemical compound II PNDPGZBMCMUPRI-UHFFFAOYSA-N 0.000 description 1
- 210000004185 liver Anatomy 0.000 description 1
- 210000004072 lung Anatomy 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 210000004165 myocardium Anatomy 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000007170 pathology Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 230000001225 therapeutic effect Effects 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
- A61B6/481—Diagnostic techniques involving the use of contrast agents
-
- 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
- A61B6/12—Arrangements for detecting or locating foreign bodies
-
- 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
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
- A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/174—Segmentation; Edge detection involving the use of two or more images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- 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
- G06T2207/10116—X-ray image
-
- 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
- G06T2207/10141—Special mode during image acquisition
- G06T2207/10152—Varying illumination
-
- 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
- G06T2207/30096—Tumor; Lesion
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Veterinary Medicine (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- High Energy & Nuclear Physics (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Optics & Photonics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physiology (AREA)
- Geometry (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明涉及一种用于确定检查对象的定义的组织区域内的坏死组织部分的方法,该方法基于包含该检查对象的组织区域的高能量图像数据组和包含该检查对象的组织区域的低能量图像数据组,具有步骤:基于该高能量图像数据组和该低能量图像数据组确定虚拟的造影剂图像(ER);在基于该高能量图像数据组和/或该低能量图像数据组的分割图像数据组中分割所述组织区域(SE);将分割的结果传输到该虚拟的造影剂图像中(UE);对属于该虚拟的造影剂图像的被分割的区域的图像点的值进行分析(AN)。本发明还涉及一种相应的图像处理装置和一种计算机断层造影系统,用于确定坏死组织部分,以及具有用于实施该方法的程序代码段的计算机程序产品。
Description
技术领域
本发明涉及一种用于确定检查对象的定义的组织区域内、特别是肿瘤内的坏死组织部分的方法、图像处理装置及计算机断层造影系统。此外,本发明还涉及一种包括用于确定检查对象的定义的组织区域内、特别是肿瘤内的坏死组织部分的程序代码段的计算机程序产品。
背景技术
在肿瘤疾病的治疗中重要的是,通过有规律的进程检查来监测治疗的结果,以便及时做出是否应该继续治疗或者改变治疗方案是否有意义的判断。但在评估治疗结果时除了确定肿瘤组织的大小之外,确定肿瘤体积的坏死组织部分也是重要的,因为肿瘤对于不同的治疗形式的反应是不同的,并且不是被迫改变其大小而是仅部分或全部地死亡,即坏死。
此外,对怀疑的病变的活组织检查存在的危险在于,活组织检查针仅采集到不适用于后续的检查的已死亡的组织、即坏死的组织。因此,关于肿瘤的活的或坏死的部分的几何位置的信息在进行活组织检查时也是有价值的,用以保证采集到活的组织。
一种迄今常见的能够确定肿瘤组织的坏死部分的方法是,在采用单源计算机断层造影仪情况下的造影剂检查。在这样的检查中要进行两次拍摄或两次扫描。两次拍摄中的第一拍摄是在没有造影剂的情况下拍摄负片,而至少一个第二拍摄是在给予造影剂(大多为碘)之后进行的。造影剂主要积聚在肿瘤内,其中坏死的组织不会吸收造影剂,因为其已死亡。常常在给予造影剂之后甚至在造影剂积聚在组织中的不同阶段进行多次拍摄,例如在动脉、静脉以及后静脉阶段,以便通过活组织的碘吸收特性来获得关于活组织的附加信息。
为了确定坏死的组织,可以对基于这些测量所获得的图像数据组求差。为此将两个图像数据组的相应图像点的值相减。以下根据图像点是三维图像数据还是二维图像数据将图像点理解为体素或像素。在本发明的范围内,将图像点的值通常相应地理解为强度值,如豪恩斯弗尔德(Hounsfield)值(单位为HU),其是对X射线在该图像点上发生的衰减的度量。但该相减的方法要求将不同图像数据组中拍摄的组织片段或肿瘤组织准确地对准和匹配。由于在两次拍摄之间有一定的时间间隔,因此在此期间可能出现由于常常是软的组织结构而造成的患者移动和/或肿瘤组织变形。这些组织移动虽然大多可以通过非刚性的、即弹性的配准来平衡。但这样的方法要求很高的计算能力却可惜不能总是提供无暇的结果。因此该方法在诊疗实践中很少使用。
发明内容
因此,本发明要解决的技术问题在于,提出一种方法、一种图像处理装置、一种计算机断层造影系统和一种计算机程序产品,其在降低的数据处理开销中提供了改善的结果。
上述技术问题通过根据本发明的方法、图像处理装置、计算机断层造影系统来解决。
根据本发明的用于确定检查对象的定义的组织区域内的坏死组织部分的方法,基于包含检查对象的组织区域的高能量图像数据组和包含该检查对象的组织区域的低能量图像数据组执行。包含检查对象的组织区域的高能量图像数据组和包含该检查对象的组织区域的低能量图像数据组是在向检查对象给予造影剂之后,事先借助利用不同X射线能量进行的X射线测量拍摄的,或者例如通过公知的重建方法,特别是反投影方法由在这些测量中获得的投影数据组产生。
按照本发明,首先基于在第一步骤中获得的高能量图像数据组和低能量图像数据组得到虚拟的造影剂图像。例如在DE 10 2006 009 222B4中公开了由高能量图像数据组和低能量图像数据组确定虚拟造影剂图像以及虚拟负图像,因此是本领域技术人员公知的。因此,虚拟(纯)造影剂图像仅显示造影剂流过的定义的组织区域的组织,并由此在本发明的范围内例如可以显示定义的组织区域中的活的组织部分。
在下一个步骤中,在基于高能量图像数据组和/或低能量图像数据组的分割图像数据组中分割该定义的组织区域。通过分割可以确定包括坏死的和活的组织的定义的组织区域(例如肿瘤)的外边界。因此,分割显示首先使得能够确定定义的组织区域的整体体积。原则上分割图像数据组只能简单地由高能量图像数据组或由低能量图像数据组构成,即当高能量图像数据组或低能量图像数据组中的对比度允许时,对定义的组织区域的分割可以直接在高能量图像数据组或低能量图像数据组中进行。如以下还要叙述的那样,基于高能量图像数据组和低能量图像数据组附加地产生具有例如比高能量图像数据组更好的对比度并因而使对组织区域的分割更加容易的分割图像数据组通常是具有优势的。
在下一步骤中,将分割结果传输到虚拟造影剂图像中,以在虚拟的造影剂图像中分割定义的组织区域。分割结果是利用其能够确切地确定图像数据中的定义的组织区域的信息,例如关于所有属于定义的组织区域的图像点(即体素或像素)的位置信息,或关于定义的组织区域的外边界的信息。这样,现在造影剂图像还附加地与关于造影剂所经过的组织片段的信息和关于整个定义的组织区域的信息相对应,即定义的组织区域还可以在本身仅示出活组织的虚拟造影剂图像内唯一地完全识别,并在分割的范围内例如与虚拟造影剂图像中的其余图像数据分开。
最后,对属于虚拟造影剂图像的被分割的区域的图像点的值进行分析,以识别对应于坏死组织的这种图像点。也就是说,对例如位于虚拟造影剂图像的被分割的区域内、并由此与定义的组织区域(例如肿瘤)唯一对应的所有体素或像素的强度值进行分析,看该强度值是否指示该体素或像素属于坏死组织或属于活组织。由此作为分析的结果给出与定义的组织区域唯一对应的虚拟造影剂图像的被分割的区域中的两组图像点,其中一组对应于坏死组织,而另一组对应于活的组织。
相对于常规的方法,本发明的方法具有如下的优点,即不需要作为造影剂图像的参考图像的负图像。而是仅使用来自两次利用不同X射线能量进行的造影剂测量的图像数据。但利用不同X射线能量进行的测量能够几乎同时或至少极短地相继进行,这与拍摄一幅负图像和一幅造影剂图像,其间保持一段使造影剂积聚在受检组织中的等待时间不同。因此,在按照本发明的方法中不需要高开销的将所使用的图像数据组进行配准以避免运动伪影。由此不仅节省了计算时间,还使该确定方法更少错误,并且由此使结果的质量更好。此外,在按照本发明的方法中进行这样的测量的患者所承受的总剂量大多也低于常规的方法中使用的剂量。
如上所述,按照本发明的方法在对肿瘤治疗的治疗结果分析中尤其具有价值。相应地,定义的组织区域优选包含肿瘤组织或由可定边界的肿瘤构成。但本发明并不局限于在肿瘤过程检查中的应用。原则上定义的组织区域可以是任意在空间上和/或功能上可定边界的组织对象,尤其也可以是器官,如心脏、肝脏或肺。同样,定义的组织区域还可以是器官等的可定义的部分或功能部分,如非常确定的心肌、特定的血管,等等。
按照本发明的用于确定检查对象的定义组织区域内的坏死组织部分的图像处理装置相应地具有以下组件:
-图像数据组接口,用于读入包含检查对象的组织区域的高能量图像数据组和包含检查对象的组织区域的低能量图像数据组,该高能量图像数据组和该低能量图像数据组是在向检查对象给予造影剂之后,借助利用不同X射线能量进行的X射线测量产生的;
-造影剂图像确定单元,其被构造为用于基于高能量图像数据组和低能量图像数据组确定虚拟的造影剂图像;
-分割单元,其被构造为用于在基于高能量图像数据组和/或低能量图像数据组产生的分割图像数据组中分割组织区域。在最简单的情况下可以这样构造该分割单元,使得其根据选择在高能量图像数据组中或在低能量图像数据组中进行分割。但在优选实施方式中,该图像处理装置例如还可以具有作为分割单元的一部分的分割图像数据组产生单元,其使得能够基于高能量图像数据组和/或低能量图像数据组产生分割图像数据组,由此分割单元执行分割。
-推荐单元(Referenzierungseinheit),其被构造为用于将分割结果传输到虚拟造影剂图像中,以便在该虚拟的造影剂图像中分割组织区域。
-分析单元,其被构造为用于对属于虚拟造影剂图像的被分割的区域的图像点的值进行分析,以便识别对应于坏死组织的图像点。
这样的图像处理装置可以是计算机断层造影系统的一部分,即其例如可以安装在计算机断层造影系统的控制计算机或分析计算机上。相应地,具有这样的图像处理装置的计算机断层造影系统,优选双源计算机断层造影系统也属于本发明。但原则上这样的图像处理装置也可以在独立的计算单元上实现,例如放射学网络的纯分析单元等,其例如与计算机断层造影系统相连接以传输数据或者可以以其他方式提供相应的数据。
特别是造影剂图像确定单元、分割单元、必要时还有分割图像数据组产生单元、推荐单元以及分析单元可以作为软件模块在适当的具有相应的存储可能性的计算机上实现。图像数据组接口也可以以纯软件的形式实现,只要仅需要从其他程序单元接收高能量图像数据组和低能量图像数据组。但原则上图像数据组接口也可以实现为组合的硬件/软件接口,以便实现外部输入。
因此本发明还包括计算机程序产品,其可以直接加载到这样的图像处理装置的存储器中,具有执行按照本发明的方法的所有步骤的程序代码段。这样的软件实现具有如下的优点,使得用于分析相应的图像数据的已经存在的图像处理装置(例如计算机断层造影系统的合适的控制装置)也能通过程序实现以适当的方式来修改,以便按照本发明的方法工作。
从属权利要求和其他的描述包括本发明特别优选的实施方式和扩展,其中特别是一个类型的权利要求也能够类似地扩展到另一个类型的权利要求。
原则上为了执行按照本发明方法可以采用例如事先已在某个设备上测得的低能量图像数据组和高能量图像数据组。同样也可以采用已测得的低能量投影数据组和高能量投影数据组,并在本发明方法的范围内从中重建出图像数据组。在此,接收数据例如可以通过网络实现。
但在本发明方法的一种变形中,在向检查对象给予造影剂之后,借助利用不同X射线能量进行的X射线测量,拍摄包含检查对象的组织区域的高能量图像数据组和包含该检查对象的组织区域的低能量图像数据组。即整个方法以测量开始,然后直接基于测量数据例如在计算机断层造影仪的控制装置上进行对定义的受检组织区域内的坏死组织部分的确定。在这样的测量中通常通过定义的值来给出“X射线辐射能量”,例如通过X射线管电压(即电极的施放电压),即便是X射线辐射能量不对应于离散值而是按照自然规律总是包括围绕给定值的、具有一定带宽的能量谱。一般对于计算机断层造影-双能量测量的X射线辐射能量对低能量图像数据组为80kV,对高能量图像数据组为140kV。
在此,有意义的是以短的时间间隔来进行利用不同能量的测量。在此,短的时间间隔是指在检查对象中造影剂浓度最大改变5%的时间段。
为了拍摄高能量图像数据组和低能量图像数据组,原则上可以使用任意的计算机断层造影系统。
如上所述,当测量高能量图像数据组和低能量图像数据组之间的时间间隔尽可能短时,本发明的方法尤其具有优势,由此在高能量图像数据组和低能量图像数据组之间没有检查对象或者至少检查对象的待拍摄的部分的明显运动。这例如通过计算机断层造影系统具有在进给方向上覆盖整个定义的组织区域(如肿瘤)的探测器宽度得到保证。这样,利用这样的计算机断层造影系统可以在X射线源围绕断层造影纵轴(相当于进给方向)绕行时,直接相继地(以任意顺序)进行高能量测量和低能量测量。在这样的探测器宽度下,对于拍摄足以重建定义的组织区域的图像数据组的投影数据组来说,仅需要X射线源相对于X射线源的扇角围绕至少180°绕行一次。这样,在采集了第一X射线电压的第一投影数据组后,可以切换到第二X射线电压,以便在继续的绕行中测量第二投影数据组。总之,这样的、其宽度覆盖整个定义的组织区域的探测器使得因此可以在仅为X射线源的约一周半的旋转中拍摄两个投影数据组。由此使得几乎同时测量高能量图像数据组和低能量图像数据组。
但特别优选的是,在具有两个X射线源的双源计算机断层造影仪中拍摄高能量图像数据组和低能量图像数据组(以及重建这些图像数据组所需的投影数据组),其中,X射线源同时发射具有不同X射线辐射能量的X射线。即第一X射线源发射具有第一X射线辐射能量的X射线,同时第二X射线源发射具有与第一X射线辐射能量不同的第二X射线辐射能量的X射线。这样的双源计算机断层造影仪具有两个辐射器/探测器系统,它们大多以90°角错开可围绕断层造影纵轴旋转地共同安装在机架上。也就是高能量图像数据组和低能量图像数据组的拍摄同时进行。其结果是提供一个高能量图像数据组和一个低能量图像数据组,其中几乎排除了由于检查对象的运动而造成的差别,因为对图像数据组的相互配准已经通过测量过程本身给出并完善。原则上还可以使用两个以上X射线源。
为了识别对应于坏死的组织的图像点,可以引入不同的标准和参数。
在一种特别简单并因此是特别优选的变形中,对从虚拟造影剂图像的被分割的区域获得的图像点的值进行阈值分析。在此,检测虚拟造影剂图像在被分割的区域中的图像点的值,特别是强度值是高于还是低于特定的阈值。这样,据此就可以确定,图像点是对应于活的组织部分还是坏死的组织部分。
在第一优选的实施方式中,为阈值分析预先给定阈值。在此,可以是预先根据经验确定并存储的固定的阈值。替代地,还可以由操作人员例如通过手动输入预先给定阈值。例如可以检测图像点的强度值是否位于例如0-10HU的范围内,这表示这些图像点不对应于造影剂通过的组织片段,并由此属于坏死的组织。而如果豪恩斯弗尔德值位于10HU的范围内或超过,则意味着图像点对应于造影剂通过的组织片段,并由此属于定义的组织区域中的活组织。
在第二优选的实施方式中,基于被分割的区域的图像点的值来确定用于阈值分析的阈值。由此引入图像点的测量的值以确定阈值。这具有如下的优点,使得能够通过对阈值的自动匹配的选择来对所有图像点的值的由于偏差造成的偏移进行补偿。为此例如可以在阈值分析的范围内使图像点的值对应于特定的值间隔,并借助两个值域的间隔边界来确定阈值。
在一种特别优选的变形中,为了进行基于属于虚拟造影剂图像的被分割的区域的图像点的值的分析,建立直方图。在这样的直方图中可以简单地相对于图像点值(例如强度值)描绘具有该图像点值的图像点的数量。该直方图可以在显示屏上图形地显示,并例如简化操作人员对合适的阈值的确定。
替代地,还可以在没有对直方图的图形显示的情况下来自动地确定用于坏死组织、活组织的值间隔或者特别优选是简单的、用于区分坏死组织和活组织的阈值。这通常可以通过简单地查找和分析直方图中的最大值和/或最小值来实现。自动确定的值间隔或阈值还可以首先为确认或必要时的更改而显示给操作者。在自动的直方图分析中特别是还可以确定,数据是否完全适合于用于确定明显的阈值,即利用现有的数据是否能够有意义地确定坏死组织部分。仅有当能够找到这样的阈值:其尽可能地使图像点的值能够与坏死组织的值间隔以及与活组织的值间隔唯一对应时,才会出现这种情况。
在此,直方图的图形显示使得操作者可以进行附加的控制。
如上面提到的那样,分割图像数据组单独与高能量图像数据组或者低能量图像数据组相关。但分割图像数据组优选是所谓的“混合图像数据组”,该混合图像数据组通过对来自高能量图像数据组和低能量图像数据组的图像点的值进行加权的、逐图像点的相加来确定。在此,为了相加,可以利用正的或负的加权系数对图像点的值进行加权。如果选择两个加权系数中的一个是负的,则将两个图像数据组的图像点的值相减。但在一种优选实施方式中,仅使用正的加权系数,以便实现真正的图像点的值的相加,并由此加强分割图像数据组中的对比度,这使分割变得容易。在此特别优选地将加权系数选择为,使得以7/10至3/10的比例对高能量图像数据组和/或低能量图像数据组的图像点加权。如果例如利用140kV的能量测量高能量图像数据组,而以80kV的能量测量低能量图像数据组,则在混合图像数据组中通过7/10至3/10的加权给出120kV测量的图像印象。这一点特别简化了肿瘤的分割,因为计算机断层造影图像数据组的肿瘤学诊断的标准程序已经针对在利用120kV测量的图像数据组中的肿瘤的分割。为完整性起见要提出的是,与提到的值不同,还可以使用其他kV值来测量高能量图像数据组和低能量图像数据组。相应地,可以应用其他加权比例。
优选地,确定定义的组织区域的坏死组织关于整个定义的组织区域的部分。在此确定坏死组织的体积与定义的组织区域的整个体积的比例,例如作为百分比给出,其说明,肿瘤体积的多少百分比还由活的组织组成。如果假定每个图像点的恒定的体积比(也就是相同大的体素),则可以简单地将例如借助直方图或阈值分析与坏死组织或活组织对应的图像点的数量设置为与分割的体积的图像点的总数成比例。
在另一个优选实施方式中基于分析建立定义的组织区域的至少一部分的图像数据组,其中将与坏死组织对应的那些图像点和定义的组织区域的与活的组织对应的图像点不同地显示。然后可以将该图像数据组输出到输出设备,如显示器或打印机并且向操作人员给出关于定义的组织区域中坏死的和活的组织的位置的直接概览。这样的图像数据组的信息降低了在活组织检查范围中无意地提取坏死组织的风险。此外这样的显示如直方图的显示一样允许,更好地评估定义的组织区域的、例如肿瘤的均匀性。因此可以评估,肿瘤是仅具有活组织的连续区域还是具有活组织的许多互相独立存在的区域。
该方法允许简单和可靠确定特别是肿瘤的坏死的和活的组织部分并且由此还允许可靠评估在肿瘤治疗中的治疗步骤。为此可以特别优选地按照一定的时间间隔重复执行按照本发明的方法,以便记录肿瘤组织的坏死组织的增加和活组织部分的降低。
附图说明
以下借助附图结合实施例再次详细解释本发明。在此在不同的附图中相同的组件具有相同的附图标记。附图中:
图1示出了具有图像处理装置的按照本发明的计算机断层造影系统的实施例的示意图,
图2示出了按照本发明的方法的可能实施例的流程图,
图3示出了待检查的组织区域的示意图,
图4示出了在分割之后选择的组织区域的示意图,
图5示出了虚拟的造影剂图像的示意图,
图6示出了按照本发明的方法中使用的直方图的示例,并且
图7示出了图像数据组的示例。
具体实施方式
图1中示出的X射线系统是双源计算机断层造影仪1。其具有在机架壳体6中安装的可围绕系统轴9旋转的机架(未精确示出),在该机架上角度错开地安装了两个辐射器/探测器系统42、44,其分别通过X射线管2、4和在机架上相对布置的探测器3、5形成。检查对象12,在此是患者,位于可沿着系统轴9移动的患者卧榻8上并且可以在该患者卧榻上在检查期间被移动通过在辐射器/探测器系统42、44的区域中的测量场。
双源计算机断层造影仪1的控制和必要时还有图像重建可以通过通常的控制装置7来进行,其为了实施按照本发明的方法特别地装备为用于确定坏死组织部分。控制装置7为此附加地具有按照本发明构造的图像处理装置10。图像处理装置10可以具有一个或多个共同作用的存储器和处理器,以便实施用于执行用来确定坏死组织部分的方法的计算机程序产品。
也就是说,以下描述的图像处理装置10的组件可以至少部分地按照软件模块的形式来实现。在此还可以一起使用存储器和处理器,所述存储器和处理器否则的话由控制装置7对于其他任务,例如断层造影仪的控制而使用。
图像处理装置10具有图像数据接口24,利用该图像数据接口可以读入高能量图像数据组和低能量图像数据组。图像处理装置10还具有造影剂图像确定单元26,其基于高能量图像数据组和低能量图像数据组确定虚拟的造影剂图像(以下也称为虚拟“碘图像”)。图像处理装置10还包括分割单元28,利用该分割单元28在基于高能量图像数据组和低能量图像数据组建立的分割图像数据组中可以进行定义的组织区域的分割。此外图像处理装置10(作为分割图像数据组产生单元的变形)具有用于将高能量图像数据组和低能量图像数据组的值逐图像点相加的相加单元64。作为其他单元,图像处理装置10具有推荐单元30,利用该推荐单元可以将分割结果传输到虚拟造影剂图像中以在虚拟造影剂图像20中分割组织区域。最后图像处理装置10包括分析单元32,利用该分析单元可以对属于虚拟的造影剂图像的被分割的区域的图像点的值进行分析以识别与坏死组织对应的图像点。
在高能量图像数据组和低能量图像数据组的测量中以不同的X射线能量,即,以不同的X射线电压运行辐射器/探测器系统42、44的X射线管2、4。例如以140kV运行第一系统42的X射线管2并且以80kV运行第二系统44的X射线管4。
通过两个辐射器/探测器系统42、44围绕检查对象12的运转,产生以正弦图形式的投影数据组。通过通常的(并且由此在这里没有详细解释的)滤波的反投影或重建,可以从这些投影数据组或正弦图中分别产生在将造影剂施加到检查对象之后检查对象12内部的高能量图像数据组和低能量图像数据组。
高能量图像数据组和低能量图像数据组通常是三维体积数据,其中它们分别根据拍摄和重建技术也可以通过一堆二维层图像来形成。
现在参考图2至5详细解释按照本发明的方法的实施例。
要检查的是具有所选择的定义的组织区域16的器官66,该定义的组织区域在本实施例中是肿瘤16,其通过肿瘤边界54限制(见图3)。肿瘤16在此具有由活的组织18的外边缘包围的(图4中示出的)坏死组织14的部分。
在开始实际的检查之前,将造影剂、通常是含碘剂施加(见图2)到检查对象12KM(见图1)。在造影剂给予KM之后,造影剂在肿瘤16的活组织18中积聚。而坏死组织14与活组织18相区别无供血,从而在坏死组织14的区域中没有或仅非常少的造影剂积聚。
在第一步骤(见图2)中然后进行双能测量DE,其包括以高的X射线能量进行的第一拍摄AUH和以低的X射线能量进行的第二拍摄AUN。在拍摄AUH中例如以140kV的X射线电压施加到第一X射线管2,在拍摄AUN中以80kV的X射线电压施加到第二X射线管4。
在双能测量DE中如上所述测量投影数据组,所述投影数据组被传输到图像处理装置10(见图1)。对这些投影数据56进行重建RE,从而作为重建RE的结果,呈现高能量图像数据组46和低能量图像数据组48。
在另一个步骤中对高能量图像数据组46和低能量图像数据组48进行加权相加AD,以便产生混合的图像数据组22作为分割图像数据组22。这在图像处理装置10的相加单元64中进行。在此对于高能量图像数据组46的图像值选择7/10的系数作为加权系数并且对于低能量图像数据组48的图像值选择3/10的系数。分割图像数据组22的图像点的这样产生的强度值由此相应于以120kV的X射线电压进行的能量图像数据组的测量而获得的图像值。
在另一个步骤中进行混合图像数据组22中肿瘤16的分割SE。这一点可以由操作人员手动进行,或者使用对此合适的图像处理程序。因为混合图像数据组22相应于120kV图像数据组,所以为此可以使用在肿瘤学中用于分割肿瘤的通常的程序,其例如利用基于标记的分割工作。为此操作者例如可以利用鼠标在图形用户界面的显示屏上显示的图像数据中画一“笔”(肿瘤上的任意对角线)。根据通过该笔画标记的图像像素的豪恩斯弗尔德值,然后自动确定参数,利用所述参数然后进行自动分割。图像处理装置10的分割单元28可以相应地实现为具有对合适的用户接口的访问的程序模块。
分割SE的分割结果40描述了肿瘤16的边界或包含了关于在分割时识别的肿瘤16的界限内的所有属于肿瘤16的体素的位置信息。图4示意性示出了由混合图像数据组分割的肿瘤16的图像。在该混合图像中坏死的组织14不能最佳地与活的组织18区分。
在另一个步骤ER中从高能量图像数据组46和低能量图像数据组48中以公知的方式产生虚拟的造影剂图像20作为虚拟的碘图像20。这一点在图像处理装置10的造影剂确定单元26中进行(见图1)。在该碘图像20中在单个图像点上显示纯的碘强度值,即,无供血的组织在该碘图像中具有大约0HU的豪恩斯弗尔德值。
图4的分割结果40然后在另一个步骤UE中被传输到虚拟的造影剂图像20中。这一点在图像处理装置10的推荐单元30中进行。作为该步骤UE的结果,此时在虚拟的碘图像20中呈现分割的区域34,其包括了坏死组织部分14和活的组织部分18。在碘图像20中分割的肿瘤的图像在图5中示出。因为在活的组织18中含碘的造影剂积聚,所以图像点在该区域中比在坏死组织14中具有更高的值,即,强度值或豪恩斯弗尔德值,在坏死组织中豪恩斯弗尔德值近似为0HU。
图像处理装置10的分析单元32此时分析属于虚拟的碘图像20的分割的区域34的图像点的值,以识别与坏死组织14对应的图像点。
为了分析,在步骤“分析”AN中通过分析单元32建立直方图38,如图6所示。直方图38说明了不同的强度值相应于其频率的分布。为此简单地将具有相同豪恩斯弗尔德值的或具有在一个特定的值域中的豪恩斯弗尔德值的所有图像点累加。直接可以看出,直方图38具有两个大的值间隔50、52。因为在坏死组织14中没有或几乎没有造影剂积聚,所以坏死组织14的图像点在0HU周围分布。未坏死组织、活的组织部分18的图像点具有大于10Hu的强度值。
由此直方图38的值分布具有两个最大值58、60,其位于各个值间隔50、52的大约中心。根据该直方图38和在两个值域50、52中的值分布,分析单元32可以在阈值分析SW的步骤中确定对于阈值36的值。在此是HU值,在两个最大值58、60之间的最小值位于该HU值。所有这些值可以利用通常的算法在直方图数据中非常简单地自动找到。阈值36然后允许图像点与坏死组织部分14和与活的组织部分18对应。
由此还可以通过分析单元32简单地确定肿瘤16中的坏死组织部分14,这在图2中在步骤BE中进行。为此简单地将各个值间隔50、52的图像点(即,体素或像素)的数量通过分析单元32计数。在此在两个值间隔50、52中所有图像点的和相应于肿瘤16的总体积,而在坏死的值域52中的体素的数量相应于坏死的组织部分14的体积。如果两个数值此时互相成比例,则该结果是肿瘤16的坏死组织部分14的百分比的说明。
替换地,在步骤BE中通过分析单元32还可以不使用直方图32,而是使用经验地确定并且然后固定预先给出的阈值,确定肿瘤16的坏死组织部分14。然后确定肿瘤16的体素的总数以及其值、即强度值高于阈值36并由此属于活的组织18的体素的数量并且按照比例表达。
可选地,在步骤“图像数据组产生”BD中分析单元32产生图像数据组62,在所述图像数据组中具有坏死组织14的区域视觉上与具有活的组织18的区域不同地显示。
为此还需要信息来确定哪些图像点属于坏死的组织并且那些属于活的组织18。原则上可以,分析单元32为此在步骤BD中又援引已经在步骤BE中使用了的阈值36。阈值36可以如上所述在使用直方图38的条件下已经被确定,或者使用经验地确定的并且然后固定预先给出的阈值36。图像点然后可以根据其值是高于还是低于阈值而在显示屏视图中例如彩色地被标记。
相应地,然后可以对于图形显示通过不同的着色或通过不同灰度值的对应来图形地标记图像数据组62的属于各个值间隔50、52的体素或像素。图7示意性示出了标记的图像数据组的仅显示分割的肿瘤的这样的部分的示例,其中在此简单地用不同阴影显示坏死的组织14和活的组织18。
这样的标记的显示然而优选可以又在完整的混合图像数据组中或另一个总图像中进行,从而对于观察者显示整个解剖结构内部肿瘤的坏死的区域14和活的区域18的空间布置和尺寸。这一点使得例如确保在活组织检查中仅提取活的组织18变得容易。
最后还要指出,前面描述的方法和组织仅是本发明的优选实施例并且专业人员可以改变本发明,而不脱离本发明的通过权利要求规定的范围。例如在上面描述的方法流程中并行进行的方法步骤,必要时也可以按照其他顺序先后进行。为完整性起见还要指出,不定冠词“一”或“一个”的使用不排除有关的特征也能多次出现。
Claims (15)
1.一种用于确定检查对象(12)的定义的组织区域(16)内的坏死组织部分(14)的方法,该方法基于包含该检查对象(12)的组织区域(16)的高能量图像数据组(46)和包含该检查对象的组织区域的低能量图像数据组(48),具有以下方法步骤:
-基于该高能量图像数据组(46)和该低能量图像数据组(48)确定虚拟的造影剂图像(20)(ER);
-在基于该高能量图像数据组(46)和/或该低能量图像数据组(48)的分割图像数据组(22)中分割所述组织区域(16)(SE);
-将分割的结果(40)传输到该虚拟的造影剂图像(20)中(UE),以便在该虚拟的造影剂图像(20)中分割所述组织区域(16);
-对属于该虚拟的造影剂图像(20)的被分割的区域(34)的图像点的值进行分析(AN),以便识别对应于所述坏死的组织(14)的图像点。
2.根据权利要求1所述的方法,其特征在于,在该方法的范围内,在向检查对象(12)给予造影剂(KM)之后,借助于利用不同X射线能量进行的X射线测量,拍摄包含该检查对象(12)的组织区域(16)的高能量图像数据组(46)和包含该检查对象的组织区域的低能量图像数据组(48)(AUH,AUN)。
3.根据权利要求2所述的方法,其特征在于,在具有两个X射线源(2,4)的双源计算机断层造影仪(1)中,拍摄所述高能量图像数据组(46)和低能量图像数据组(48)(AUH,AUN),其中,所述X射线源(2,4)同时发射不同能量的X射线。
4.根据权利要求1至3中任一项所述的方法,其特征在于,为了识别对应于坏死的组织(14)的图像点,对属于所述虚拟造影剂图像(20)的被分割的区域(34)的图像点的值进行阈值分析(SW)。
5.根据权利要求4所述的方法,其特征在于,对所述阈值分析(SW)预先给定阈值(36)。
6.根据权利要求4所述的方法,其特征在于,基于所述被分割的区域(34)的图像点的值确定用于阈值分析(SW)的阈值(36)。
7.根据权利要求1至6中任一项所述的方法,其特征在于,为了对基于属于所述虚拟的造影剂图像(20)的被分割的区域(34)的图像点的值进行分析(AN),建立直方图(38)。
8.根据权利要求6和7所述的方法,其特征在于,基于所述直方图(38)来确定所述阈值(36)。
9.根据权利要求1至8中任一项所述的方法,其特征在于,所述分割图像数据组(22)是如下的混合图像数据组:该混合图像数据组通过对来自所述高能量图像数据组(46)和所述低能量图像数据组(48)的图像点的值进行加权的、逐图像点相加(AD)来确定。
10.根据权利要求1至9中任一项所述的方法,其特征在于,相对于整个定义的组织区域(16)来确定所述定义的组织区域(16)的坏死组织部分(14)。
11.根据权利要求1至10中任一项所述的方法,其特征在于,基于所述分析(AN)建立所述定义的组织区域(16)的至少一部分的图像数据组(62),在该图像数据组(62)中对应于坏死的组织(14)的图像点与所述定义的组织区域(16)的对应于活的组织(18)的图像点不同地显示。
12.根据权利要求1至11中任一项所述的方法,其特征在于,所述定义的组织区域(16)包含肿瘤组织。
13.一种图像处理装置(10),用于确定检查对象(12)的定义组织区域(16)内的坏死部分(14),具有以下组件:
-图像数据组接口(24),用于读入包含该检查对象(12)的组织区域(16)的高能量图像数据组(46)和包含该检查对象(12)的组织区域(16)的低能量图像数据组(48),该高能量图像数据组(46)和该低能量图像数据组(48)是在向检查对象(12)给予造影剂(KM)之后,借助利用不同X射线能量进行的X射线测量产生的,
-造影剂图像确定单元(26),其被构造为用于基于该高能量图像数据组(46)和该低能量图像数据组(48)确定虚拟的造影剂图像(20),
-分割单元(28),其被构造为用于在基于该高能量图像数据组(46)和/或该低能量图像数据组(48)产生的分割图像数据组(22)中分割所述组织区域(16),
-推荐单元(30),其被构造为用于将分割结果(40)传输到该虚拟的造影剂图像(20)中,以在该虚拟的造影剂图像(20)中分割所述组织区域(16),以及
-分析单元(32),其被构造为用于对属于该虚拟的造影剂图像(20)的被分割的区域(34)的图像点的值进行分析,以识别对应于坏死组织(14)的图像点。
14.一种计算机断层造影系统,特别是双源计算机断层造影系统(1),具有根据权利要求13所述的图像处理装置(10)。
15.一种计算机程序产品,其能够直接加载到图像处理装置(10)的存储器中,具有当该程序在图像处理装置(10)中运行时执行根据权利要求1至12中任一项所述的方法的所有步骤的程序代码段。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102011006398.6 | 2011-03-30 | ||
DE102011006398A DE102011006398A1 (de) | 2011-03-30 | 2011-03-30 | Verfahren, Bildverarbeitungseinrichtung und Computertomographiesystem zur Ermittlung eines Anteils von nekrotischem Gewebe sowie Computerprogrammprodukt mit Programmcodeabschnitten zur Ermittlung eines Anteils von nekrotischem Gewebe |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102737375A true CN102737375A (zh) | 2012-10-17 |
CN102737375B CN102737375B (zh) | 2015-06-17 |
Family
ID=46844741
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210090424.2A Active CN102737375B (zh) | 2011-03-30 | 2012-03-30 | 确定坏死组织的方法、图像处理装置和系统 |
Country Status (4)
Country | Link |
---|---|
US (1) | US8897530B2 (zh) |
CN (1) | CN102737375B (zh) |
BR (1) | BR102012007292A2 (zh) |
DE (1) | DE102011006398A1 (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106164929A (zh) * | 2013-12-03 | 2016-11-23 | 儿童国家医疗中心 | 用于创面评估与管理的方法和系统 |
CN107569250A (zh) * | 2017-08-08 | 2018-01-12 | 沈阳东软医疗系统有限公司 | 双能量ct图像处理方法、装置以及图像处理设备 |
CN108209956A (zh) * | 2016-12-12 | 2018-06-29 | 西门子医疗有限公司 | 用于确定肿瘤的组织特性的方法 |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9964499B2 (en) * | 2014-11-04 | 2018-05-08 | Toshiba Medical Systems Corporation | Method of, and apparatus for, material classification in multi-energy image data |
KR20160058525A (ko) * | 2014-11-17 | 2016-05-25 | 사회복지법인 삼성생명공익재단 | 의료영상을 이용한 진단 보조 정보 제공 방법 및 그 시스템 |
DE102016223831B3 (de) | 2016-11-30 | 2017-11-16 | Siemens Healthcare Gmbh | Verfahren zum Bereitstellen von mittels eines Dual-Source CT-Geräts aus einem Messfeld erfassten quantitativen CT-Bilddaten, sowie Recheneinheit, Dual-Source CT-Gerät und Computerprogrammprodukt |
EP3301649B1 (en) | 2017-09-07 | 2019-10-30 | Siemens Healthcare GmbH | Method for processing medical image data and image processing system for medical image data |
DE102018214325A1 (de) * | 2018-08-24 | 2020-02-27 | Siemens Healthcare Gmbh | Verfahren und Bereitstellungseinheit zum Bereitstellen eines virtuellen tomographischen Schlaganfall-Nachfolgeuntersuchungsbildes |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4922915A (en) * | 1987-11-27 | 1990-05-08 | Ben A. Arnold | Automated image detail localization method |
US20100014737A1 (en) * | 2008-06-27 | 2010-01-21 | Ruehrnschopf Ernst-Peter | Method for generating image data relating to a virtually prescribable x-ray tube voltage from first and second CT image data |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102004027710A1 (de) | 2004-06-07 | 2006-01-26 | Siemens Ag | Verfahren zur automatischen Detektion einer Struktur bei bildgebenden medizinischen Verfahren, Computertomografiegerät, Arbeitsstation und Comupterprogrammprodukt |
DE102006009222B4 (de) | 2006-02-28 | 2008-02-28 | Siemens Ag | Verfahren und Vorrichtung zur Bestimmung der Konzentration einer Substanz in einem Körpermaterial mittels Mehr-Energie-Computertomographie |
US8041005B2 (en) * | 2007-09-28 | 2011-10-18 | The Invention Science Fund I, Llc | X-ray fluorescence visualizer, imager, or information provider |
-
2011
- 2011-03-30 DE DE102011006398A patent/DE102011006398A1/de not_active Ceased
-
2012
- 2012-03-29 US US13/433,989 patent/US8897530B2/en active Active
- 2012-03-30 CN CN201210090424.2A patent/CN102737375B/zh active Active
- 2012-03-30 BR BRBR102012007292-0A patent/BR102012007292A2/pt not_active IP Right Cessation
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4922915A (en) * | 1987-11-27 | 1990-05-08 | Ben A. Arnold | Automated image detail localization method |
US20100014737A1 (en) * | 2008-06-27 | 2010-01-21 | Ruehrnschopf Ernst-Peter | Method for generating image data relating to a virtually prescribable x-ray tube voltage from first and second CT image data |
Non-Patent Citations (3)
Title |
---|
JANET COCHRANE MILLER ET AL: "Multi-Energy Computed Tomography - New Opportunities In Imaging the Abdomen", 《RADIOLOGY ROUNDS》, vol. 8, no. 9, 30 September 2010 (2010-09-30) * |
KANG LI ET AL: "Simultaneous Detection of Multiple Elastic Surfaces with Application to Tumor Segmentation in CT Images", 《MEDICAL IMAGING 2008: IMAGE PROCESSING》, vol. 6914, 16 February 2008 (2008-02-16) * |
LONG-JIANG ZHANG ET AL: "Liver virtual non-enhanced CT with dual-source, dual-energy CT: a preliminary study", 《EUR RADIOL》, vol. 20, 15 April 2010 (2010-04-15) * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106164929A (zh) * | 2013-12-03 | 2016-11-23 | 儿童国家医疗中心 | 用于创面评估与管理的方法和系统 |
CN106164929B (zh) * | 2013-12-03 | 2021-02-19 | 儿童国家医疗中心 | 用于创面评估与管理的方法和系统 |
CN108209956A (zh) * | 2016-12-12 | 2018-06-29 | 西门子医疗有限公司 | 用于确定肿瘤的组织特性的方法 |
CN107569250A (zh) * | 2017-08-08 | 2018-01-12 | 沈阳东软医疗系统有限公司 | 双能量ct图像处理方法、装置以及图像处理设备 |
Also Published As
Publication number | Publication date |
---|---|
DE102011006398A1 (de) | 2012-10-04 |
US20120250967A1 (en) | 2012-10-04 |
CN102737375B (zh) | 2015-06-17 |
US8897530B2 (en) | 2014-11-25 |
BR102012007292A2 (pt) | 2015-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102737375B (zh) | 确定坏死组织的方法、图像处理装置和系统 | |
US10098602B2 (en) | Apparatus and method for processing a medical image of a body lumen | |
US8977026B2 (en) | Methods and systems for locating a region of interest in an object | |
EP3250128B1 (en) | Systems and methods for medical image registration | |
EP2880594B1 (en) | Systems and methods for performing segmentation and visualization of multivariate medical images | |
CN101529475A (zh) | 3d图像结合2d投影图像的呈现 | |
CN105832356A (zh) | 基于现存患者信息的放射线照相成像参数选择 | |
US9247913B2 (en) | Identification of potential perfusion defects | |
US20120121064A1 (en) | Procedure for processing patient radiological images | |
US11344269B2 (en) | Method for monitoring a tissue removal by means of an x-ray imaging system | |
US20110110570A1 (en) | Apparatus and methods for generating a planar image | |
EP3703569B1 (en) | Apparatus for presentation of dark field x-ray image information | |
CN104379063A (zh) | 基于谱成像的决策支持、处置规划和/或介入引导 | |
JP2021513054A (ja) | 画像位置合わせ及び回帰解析を用いたシリアルポジトロンエミッショントモグラフィ(pet)検査における標準取り込み値(suv)のスケーリング差の補正 | |
EP3484369B1 (en) | Spectral computed tomography fingerprinting | |
JP6425885B2 (ja) | 核医学診断装置、画像処理装置および画像処理プログラム | |
Baratella et al. | Digital tomosynthesis and ground glass nodules: Optimization of acquisition protocol. A phantom study | |
US10765393B2 (en) | Method and image data system for generating a combined contrast medium and blood vessel representation of breast tissue to be examined, computer program product and computer-readable medium | |
KR20160140189A (ko) | 단층 촬영 장치 및 그에 따른 단층 촬영 방법 | |
US11826190B2 (en) | System and method for quantitative blood volume imaging | |
US20240029249A1 (en) | Method and system for processing computerized tomography images | |
JP7080214B2 (ja) | 脂肪組織のタイプの識別 | |
ROMMAN | Computer, Physics, and Clinical Applications of Spectral Computed Tomography | |
BROCHURE | Physics/Basic Science | |
Ravenel | Multidetector Computed Tomography |
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 | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20220125 Address after: Erlangen Patentee after: Siemens Healthineers AG Address before: Munich, Germany Patentee before: SIEMENS AG |