CN102884550A - 用于动态灌注ct的图像数据配准 - Google Patents
用于动态灌注ct的图像数据配准 Download PDFInfo
- Publication number
- CN102884550A CN102884550A CN2011800225758A CN201180022575A CN102884550A CN 102884550 A CN102884550 A CN 102884550A CN 2011800225758 A CN2011800225758 A CN 2011800225758A CN 201180022575 A CN201180022575 A CN 201180022575A CN 102884550 A CN102884550 A CN 102884550A
- Authority
- CN
- China
- Prior art keywords
- view data
- registration
- data
- reference picture
- 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
Links
- 230000010412 perfusion Effects 0.000 title claims description 24
- 238000000034 method Methods 0.000 claims abstract description 33
- 238000001914 filtration Methods 0.000 claims description 17
- 230000000747 cardiac effect Effects 0.000 claims description 16
- 238000005259 measurement Methods 0.000 claims description 7
- 238000005457 optimization Methods 0.000 claims description 6
- 230000003044 adaptive effect Effects 0.000 claims description 5
- 230000002708 enhancing effect Effects 0.000 claims description 4
- 230000005855 radiation Effects 0.000 description 16
- 239000002872 contrast media Substances 0.000 description 14
- 238000003384 imaging method Methods 0.000 description 14
- 238000007689 inspection Methods 0.000 description 11
- 238000002591 computed tomography Methods 0.000 description 9
- 238000005070 sampling Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 210000003484 anatomy Anatomy 0.000 description 5
- 239000000203 mixture Substances 0.000 description 5
- 241000272165 Charadriidae Species 0.000 description 4
- 210000001519 tissue Anatomy 0.000 description 4
- 210000004165 myocardium Anatomy 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 239000008280 blood Substances 0.000 description 2
- 210000004369 blood Anatomy 0.000 description 2
- 238000013170 computed tomography imaging Methods 0.000 description 2
- 230000008602 contraction Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000002347 injection Methods 0.000 description 2
- 239000007924 injection Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002107 myocardial effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000029058 respiratory gaseous exchange Effects 0.000 description 2
- 208000001778 Coronary Occlusion Diseases 0.000 description 1
- 206010011086 Coronary artery occlusion Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 238000010009 beating Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 210000005242 cardiac chamber Anatomy 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 210000002751 lymph Anatomy 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 208000010125 myocardial infarction Diseases 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 230000007170 pathology Effects 0.000 description 1
- 238000012113 quantitative test Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/32—Determination of transform parameters for the alignment of images, i.e. image registration using correlation-based methods
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
- A61B6/507—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for determination of haemodynamic parameters, e.g. perfusion CT
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10076—4D tomography; Time-sequential 3D tomography
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30101—Blood vessel; Artery; Vein; Vascular
- G06T2207/30104—Vascular flow; Blood flow; Perfusion
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- High Energy & Nuclear Physics (AREA)
- Public Health (AREA)
- Dentistry (AREA)
- Optics & Photonics (AREA)
- Pathology (AREA)
- Radiology & Medical Imaging (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Processing (AREA)
Abstract
一种配准4D对比增强图像数据集的方法,其中,所述4D对比增强图像数据集包括利用变化的对比增强在不同时间帧采集的同一感兴趣体积的图像数据,所述感兴趣体积包括移动结构,并且所述不同时间帧对应于所述移动结构的不同运动周期中的预定感兴趣运动时相,所述方法包括:将对应于多个不同时间帧的图像数据与来自所述时间帧之一的参考图像配准。
Description
技术领域
下文总体涉及配准图像数据并结合针对计算机断层摄影(CT)的特定应用加以描述;然而,本文也想到了其他成像应用。
背景技术
计算机断层摄影(CT)扫描器通常包括静止机架和旋转机架。旋转机架由静止机架能旋转地支撑并承载X射线管。探测器跨检查区域位于X射线管的对侧。旋转机架关于z轴绕着检查区域旋转,并且由X射线管发射的辐射贯穿检查区域以及其中的患者解剖结构并由探测器进行探测。探测器生成指示被辐照的患者解剖结构的投影数据。重建器重建所述投影数据并且所生成的重建图像数据指示被辐照的患者解剖结构。
CT以及其他成像模态能够用于灌注成像。通常,灌注成像是用于获取与流体(例如,血液、淋巴等)经过解剖学组织相对应的信息并量化所述信息以便于识别该组织或其他组织的健康状态的成像方法。例如,心肌灌注成像能够用于测量心脏中肌肉组织的氧供应。因此,能够在辐射不透明的对比剂物质的注射之前和期间在三维(3D)中对患者的心脏成像,并且重建图像中的差异能够归因于在组织中洗过的对比物质。之后能够根据对比物质摄取的程度来对肌肉组织归类,并且能够检测病理,例如,心肌梗死或冠状动脉闭塞。
前瞻性ECG门控CT已经被用于心肌灌注成像。利用这种技术,尽管特定或具体的心动时相(例如,收缩、舒张等)被选择用于前瞻性门控,但在心动周期的不同时间帧中,心脏的运动状态可能是不同的。这通常是由于这样的事实,即,ECG门控依赖于电信号而不是依赖于实际机械运动,并且心脏周期长度变化未在前瞻性门控中被考虑到。因此,动态测量的时间帧可能未基于每个体素被对准,并且这样的失准可能向时域对比剂摄取曲线中引入伪影,其导致错误的分析结果。
发明内容
本申请的各方面解决了上述问题和其他问题。
根据一个方面,一种方法,包括:配准4D对比增强图像数据集。所述方法包括将对应于多个不同时间帧的图像数据与来自所述时间帧之一的参考图像配准。所述4D对比增强图像数据集包括利用变化的对比增强在不同时间帧采集的同一感兴趣体积的图像数据,所述感兴趣体积包括移动结构,并且所述不同时间帧对应于所述移动结构的不同运动周期中的预定感兴趣运动时相。
根据另一方面,一种系统,包括:扭曲部件,其扭曲4D图像数据集的图像数据以基于梯度下降算法将所述图像数据与来自所述4D图像数据集的参考图像的数据配准。所述图像数据和所述参考图像的数据对应于同一感兴趣体积和不同时间帧。所述系统还包括相似度确定器,所述相似度确定器确定指示经扭曲的图像数据与所述参考图像的数据之间的相似度的值。
根据另一方面,一种利用指令编码的计算机可读存储介质,所述指令在由计算机的处理器执行时,令所述处理器执行如下操作:基于利用自适应步长预测的随机梯度下降优化算法以及零均值归一化互相关相似度度量,弹性地配准4D ECG前瞻性门控对比增强图像数据。
附图说明
本发明可以采取各种部件和部件布置,以及各种步骤和步骤安排的形式。附图仅用于图示说明优选实施例,而不应解释为是对本发明的限制。
图1图示了结合有图像数据配准部件的成像系统。
图2图示了范例配准部件。
图3图示了4D图像数据的范例空间滤波。
图4图示了4D图像数据的范例时域滤波。
图5和6图示了范例配准。
图7图示了范例方法。
具体实施方式
图1图示了成像系统100,诸如计算机断层摄影(CT)扫描器。成像系统100包括静止机架102和旋转机架104,旋转机架104由静止机架103能旋转地支撑。旋转机架104关于纵轴或z轴绕着检查区域106旋转。在图示的实施例中,旋转机架104被配置成足够快速地旋转以扫描人类的搏动的心脏,例如,用于在单次心动周期期间扫描整个心脏。在一种情况下,图示的旋转机架104被配置成至少旋转两百七十毫秒(270ms)。旋转机架104还能够旋转更低或更高的旋转时间。
辐射源108,诸如X射线管,由旋转机架104支撑并且与旋转机架104一起旋转,并发射辐射。源准直器对所述辐射进行准直以形成锥形、扇形、楔形或以其他方式成形的辐射束,所述辐射束贯穿检查区域106。位于源108的对侧的辐射敏感探测器阵列110探测贯穿检查区域106的辐射并生成指示所述辐射的投影数据。在图示的实施例中,辐射敏感探测器阵列110足够大从而能够一次探测贯穿患者的整个心脏的辐射。对此,在一个实施例中,探测器阵列110至少具有两百五十六(256)排或行的探测器。在其他实施例中,探测器阵列110可以具有更多或更少的排或行。
运动监测器或传感器114被配置成感测检查区域106中的移动对象或受检者的至少预定感兴趣体积的运动状态并生成指示其的信号。运动传感器114可以包括心动和/或呼吸和/或其他运动传感器。通用计算系统充当操作员控制台116,其包括诸如显示器和/或打印机的人类可读输出装置以及诸如键盘和/或鼠标的输入装置。驻留在控制台116上的软件例如通过允许操作员选择扫描协议(例如,ECG或以其他方式门控对比增强协议,其基于来自运动监测器114的信号对扫描进行门控)、启动扫描等,允许操作员控制系统100的操作。注射器112被配置成注射(一种或多种)对比物质,例如,用于对比增强成像流程。图示的注射器112由控制台116控制。在另一种情况下,对比剂是手动施予的。
重建器118重建投影数据并生成指示检查区域106的体积图像数据。重建器118能够采用覆盖各种角度范围的重建算法,所述角度范围例如是从一百八十度(180°)加上扇角到三百六十度(360°)加上扇角和/或其他范围。能够基于在不同时间帧采集的数据来重建四维(4D)数据集。在一种情况下,每个时间帧可以对应于不同运动(例如,心动、呼吸等)周期,或者对应于不同运动周期的子部分。所述子部分可以对应于每个周期内的(一个或多个)预定和/或选定的(例如心动、呼吸等)感兴趣时相。对于心动成像,所述时相可以是收缩、舒张或其他时相。对于对比增强图像数据,对应于不同运动周期/时间帧的图像数据可以具有表示在扫描期间组织中的对比剂摄取和洗出的不同对比增强。
支撑物124,诸如卧榻,支撑检查区域106中的对象或受检者。支撑物124能够被用于在扫描之前、期间和/或之后相对于x、y和/或z轴在检查区域106中变化地定位对象或受检者。在一种情况下,支撑物124被用于在检查区域106中定位诸如心脏或其他组织的感兴趣体积,并且然后在支撑物124处在同一位置处的情况下扫描整个感兴趣体积(或其大部分)。这种扫描的范例是心动扫描,诸如前瞻性ECG门控对比增强心动扫描。对于这样的扫描,源准直器对所发射的辐射进行准直,以便产生具有合适的射束角度(x/y和/或z方向)以覆盖感兴趣体积的辐射束,探测器阵列沿z轴具有适当数量的排或者探测器行,以探测贯穿感兴趣体积的辐射,并且在每个心动周期的(一个或多个)选定时相期间或者针对诸如不足每个心动周期的特定选定子集来扫描心脏。
配准部件120配准4D图像数据或其预定子部分。如上所述,4D图像数据可以包括对应于不同运动周期以及因此对应于不同时间帧的图像数据。对于对比增强研究,对应于不同运动周期和时间帧的同一运动时的图像数据可以具有不同的对比增强,反映随着成像流程和时间的对比剂摄取和洗出。如下文更为详细所述,在一种情况下,所述配准算法包括利用相似度度量的基于梯度的迭代弹性配准,其便于确定图像数据何时被适当地配准。对于对比增强数据,这样的算法可以考虑对比剂浓度跨不同时间帧和/或不一致运动状态的变化。这样的算法可以减少由于几何失准造成的伪影,从而提供更高的定量精度,用于各种成像流程,诸如心肌灌注CT成像。
分析器122能够用于分析经配准的图像数据。对于灌注扫描,分析器122能够用于生成灌注图和/或灌注参数,诸如达峰时间、曲线下面积(即,经过组织的血液体积)、局部峰强度或增强、平均上升斜率、最大上斜率、达最大上斜率时间等。这样的信息可以例如沿时间轴基于每个体素、基于每个感兴趣体积或者基于其他内容生成。所生成的灌注图和/或灌注参数能够以各种方式进行呈现(例如,作为色彩编码的灌注图、曲线图等)存储在存储器中、被显影、被转换以供处理等。
应当认识到,配准部件120和/或分析器122可以是系统100的一部分(未示出)或者与其远离,例如处在诸如工作站等的计算系统中。在任一种情况下,一个或多个处理器可以执行在诸如存储器的本地或远程计算机可读存储介质上编码和/或嵌入的计算机可执行指令,以实施配准部件120和/或分析器122。
图2图示了配准部件120的范例。
图示的配准部件120包括滤波器202,滤波器202用于对包括在不同时刻采集的图像数据的4D图像数据,或者对与不同时间帧对应的图像数据,进行滤波。图示的滤波器202被配置成对图像数据进行空间滤波并且然后对图像数据进行时域滤波。图3示出了沿空间坐标(x、y和z)对与前瞻性ECG门控对比增强心动灌注扫描相对应的4D图像数据进行空间滤波的范例,并且图4示出了对4D图像数据时域坐标(时间)进行时域滤波的范例。返回到图2,这样的多维图像滤波可以提高图像数据的信噪比(SNR),同时保持图像数据的空间和时域锐化度。提高SNR(即降低图像噪声)可以得到对心肌灌注的更为准确的定量分析。在另一实施例中,滤波器202被忽略,或者利用另一滤波器。作为适合的滤波器的范例,在H.Bruder等人于Proc.of SPIE Med.Imag.Conf.,vol.7258.2009中的“Spatio-temporalfiltration of dynamic CT data using diffusion filter”一文中进行了描述。
参考图像识别器204在4D数据集中识别参考图像的数据。对于4D对比增强图像数据,参考图像识别器204可以通过识别具有最高对比(峰)增强的时间帧或图像数据来完成这一操作。这一操作能够例如,从峰值增强曲线或以其他方式自动进行。通常,对应于不同的被扫描的心动周期的图像数据将随着对比剂被摄取和洗出具有不同量的对比增强,并且具有最高对比剂摄取的图像数据对应于两个心脏腔室都完全被对比剂填充的时间,并且将可能示出关于其他图像数据的更宽泛的细节。这一时间帧能够由配准部件120例如通过找到具有最大图像能量的时间帧来自动识别。在另一种情况下,参考图像识别器204基于指示用户选择的图像数据的信号和/或以其他方式识别参考图像的数据。
扭曲部件206基于所述参考图像的数据扭曲或变换4D图像数据。在图示的实施例中,扭曲部件206采用弹性或非刚性算法。在其他实施例中,附加地或备选地采用刚性算法。扭曲部件206可以一次扭曲图像数据,或者例如通过扭曲之前已扭曲的图像数据来多次扭曲图像数据。例如,当确定经扭曲的图像数据与所述参考在结构上不足够相似时,扭曲部件206可以扭曲经扭曲的图像数据。相似度确定器208确定指示经扭曲的图像数据与参考图像的数据之间的相似度的值。优化器210便于使相似度标准最小化。
决策部件212确定何时已达到了合适的配准。如果一个已经达到了,配准部件120扭曲经扭曲的图像数据,相似度确定器208确定另一值,并且决策部件120基于新的值确定是否已达到了合适的配准。这些步骤可以被重复直到所述配准被确定为是可接受的。在一种情况下,决策部件212确定所述值与针对所述图像数据的先前的扭曲确定的值之间的差值,比较所述差值与预定阈值。在另一种情况下,决策部件212比较所述值与预定(相对或绝对)阈值。在又一种情况下,决策部件212确定何时已在所述图像数据上执行了预定数量的迭代。其他标准可以附加地或备选地被用于确定何时达到了合适的配准。
图5和图6图示了配准部件120的范例配准。在这一范例中,配准部件120确定满足方程1的变形场:
方程1:
fw(x)=ft(g(x))=fr,
其中,fw表示经扭曲的图像数据,ft表示与参考图像的数据配准的图像数据,g表示变形场,并且fr表示参考图像的数据。配准部件120可以利用被配准的图像的所有体素强度值或其子集。
在图5中,图像数据502与参考图像的数据504配准。在这一范例中,扭曲部件206包括插值器,其扭曲图像数据502,生成经扭曲或变形的图像数据508。合适的插值算法包括三次B样条或其他算法。相似度部件208确定经扭曲的图像数据508与参考图像的数据504之间的相似度值。在图示的实施例中,相似度标准包括在图像fr与ft之间的零均值归一化互相关。优化器210试图找到最佳的变形g,其使相似度标准最小化。合适的优化器包括自适应随机梯度下降优化。这一标准非常适合于处理在4D图像数据中变化的对比剂浓度。图像与变形场g510的离散和连续版本之间的对应关系能够利用三次B样条来建立。如本文所提到的,所述配准可以包括一次或多次迭代512。如图6中所示,基于参考图像的数据504配准来自时间帧600中的一个或多个的图像数据和/或将两者配准。
在图示的实施例中,自适应随机梯度下降优化算法利用自适应步长预测来施加。利用步长预测的合适的优化算法在S.Klein、J.P.W.Pluim、M.Staring和M.A.Viergever于International Journal of Computer Vision,81(3),第227-239页,2009中的“Adaptive stochastic gradient descent optimisation forimage registration”一文中进行了论述。这样的算法可以降低每次迭代的耗时,而不影响收敛的速率、最终的精度或鲁棒性。这种算法类似于利用差别的确定性梯度下降,相似度标准的梯度由逼近度来替换。相似度标准的推导的随机逼近能够通过使用在优化过程的每次迭代中的体素的新的、随机选择的子集来确定。通过这种方式,避免了逼近误差的偏移。
配准的速度和准确度可以取决于经由随机采样获得的梯度逼近的质量。随机体素位置的子集能够使用均匀采样或非均匀采样中的任一种来确定,其可以改善梯度逼近。图像边缘可能强烈影响基于强度的配准估计。因此,强调图像边缘的采样分布能够被用于改善梯度逼近。在一种情况下,X二值掩膜被用于仅对那些具有最高图像梯度幅度的体素进行随机采样。随机采样的另一种合适的方法在Bhagalia R、Fessler JA、Kim B于IEEE TransMed Imaging,2009年8月;28(8):1208-16中的“Accelerated nonrigidintensity-based image registration using importance sampling”一文中进行了描述。
多分辨率方法能被应用于改善配准算法的鲁棒性和效率。利用这样的算法,配准能够首先利用粗糙的二次采样图像来执行,并确定具有降低数量的自由度的变形场。随后,该结果能够被传播至下一更细化的水平。这一迭代流程可以备选地扩展图像和变形场的B样条控制点的栅格,直到达到了最细化的水平。在M.Unser、A.Aldroubi和M.Eden于IEEE Trans.Pattern Anal.Mach.Intell.15,364–3791993中的“The L2-polynomial splinepyramid”一文中论述了合适的多分辨率方法。这种方法适于3D B样条减小/扩展二(2)的因子的算子来构建椎体,或者原始图像的逐渐降低的版本和变形场,变形场是最优的。
在其中存在配准的高自由度的情况下,可能固有地存在姿态不良的问题,其可能导致在不存在合适的约束条件的情况下,变形场的不切实际的交叠。因此,在估计变形场g时,可以采用各种约束条件。例如,在一种情况下,一个约束条件可以是变形场g是随着人类器官和组织运动倒转而倒转。在S.Y.Chun和J.A.Fessler于IEEE J.Sel.Top.Signal Process.3,159–1692009中的“A simple regularizer for b-spline nonrigid imageregistration that encourages local invertibility”一文中能够找到一种非常适合与3D配准的合适的方法。在Fessler的文章中公开的补偿函数通过在x、y、z方向绑定两个邻近的变形系数的差来促进正雅克比(Jacobian)判定。通过约束该差仅替代系数,即使具有处在带内的梯度的大的变形g也包括在搜索解空间中。
图7图示了一种方法。对于这一范例,配准部件120对经由对比增强前瞻性ECG门控心动灌注扫描采集的4D图像数据进行配准。这样的扫描是基于(一个或多个)预定心动时相来门控的,所述时相诸如是收缩时相、舒张时相和每个心动周期或心跳(即,在每个R-R间隔之间)中的其他心动时相。所述(一个或多个)时相可以是通过扫描器的操作员选择的、经由所选择的扫描协议识别的和/或以其他方式确定的。
此外,所述扫描可以被选通,使得在每个心脏周期、每个其他的心脏周期或者少于每个心脏周期的一些其他数量的心脏周期,扫描心脏的(一个或多个)时相。扫描能够在对比剂的施予之前、当时或稍后开始。
在702,获得4D灌注图像数据。在704,如结合图2或以其他方式所描述的。对4D数据集施加动态灌注滤波。在706,如本文所述,配准经滤波的图像。例如,在一种情况下,这包括使用利用自适应步长预测的随机梯度下降优化算法以及零均值归一化互相关相似度度量,利用参考图像的数据弹性地配准图像数据。在708,处理所得到的配准图像数据。这包括确定各种灌注图和/或参数。利用这种方法,可以在配准移动对象或解剖结构的对比增强图像数据时去除或减少由于几何失准而造成的伪影。因此,诸如心肌灌注CT成像的灌注应用可以提供非常适于相对较高的定量准确度的数据。
上文所描述的动作可以通过计算机可读指令来实施,所述指令在由(一个或多个)计算机处理器执行时,令所述(一个或多个)处理器执行本文所述的动作。在这种情况下,所述指令被存储在计算机可读存储介质中,诸如存储在与相关计算机相关联和/或能够以其他方式由其所访问的存储器中。
已经参考优选实施例描述了本发明。他人在阅读和理解先前的详细说明之后,可以做出修改和变更。其意图是将本发明解释为包括所有这样的修改和变更,只要其落在所附权利要求或其等价要件的范围内。
Claims (20)
1.一种配准4D对比增强图像数据集的方法,其中,所述4D对比增强图像数据集包括利用变化的对比增强在不同时间帧采集的同一感兴趣体积的图像数据,所述感兴趣体积包括移动结构,并且所述不同时间帧对应于所述移动结构的不同运动周期中的预定感兴趣运动时相,所述方法包括:将对应于所述不同时间帧的的多个图像数据与来自所述时间帧之一的参考图像配准。
2.根据权利要求1所述的方法,其中,所述图像数据是利用迭代的基于梯度的配准算法和相似度度量来配准的。
3.根据权利要求2所述的方法,其中,所述配准算法基于随机梯度下降优化算法。
4.根据权利要求2到3中的任一项所述的方法,其中,所述相似度度量包括零均值归一化互相关相似度度量。
5.根据权利要求1到4中的任一项所述的方法,将图像数据进行配准包括:
扭曲针对特定时间帧的图像数据以匹配所述参考图像的数据;
确定指示经扭曲的图像数据与所述参考图像的数据之间的相似度的值;以及
在所述值满足预定标准时将所述图像数据配准到所述参考图像的数据,并且在所述值不满足所述预定标准时扭曲所述经扭曲的图像数据。
6.根据权利要求5所述的方法,其中,所述预定标准包括阈值。
7.根据权利要求5所述的方法,其中,所述预定标准包括迭代的最大数量。
8.根据权利要求1到7中的任一项所述的方法,还包括:
在将4D图像数据进行配准之前对所述4D图像数据进行滤波,其中,所述滤波包括对4D图像数据集进行空间滤波以及对所述4D图像数据进行时域滤波。
9.根据权利要求1到8中的任一项所述的方法,还包括:
基于经配准的4D图像数据集生成参数图或灌注参数中的至少一个。
10.根据权利要求1到9中的任一项所述的方法,其中,所述4D图像数据集对应于前瞻性ECG门控对比增强灌注扫描。
11.根据权利要求1到10中的任一项所述的方法,其中,所述参考图像的数据对应于具有预定感兴趣对比增强的图像数据。
12.根据权利要求1到11中的任一项所述的方法,其中,所述4D图像数据集包括心动图像数据并且对应于特定预定感兴趣心动时相。
13.一种系统(100),包括:
扭曲部件(206),其扭曲4D图像数据集的图像数据以基于梯度下降算法将所述图像数据与来自所述4D图像数据集的参考图像的数据配准,其中,所述图像数据和所述参考图像的数据对应于同一感兴趣体积和不同时间帧;以及
相似度确定器(208),其确定指示经扭曲的图像数据与所述参考图像的数据之间的相似度的值。
14.根据权利要求13所述的系统,其中,所述图像数据被迭代地扭曲直到所述值满足预定相似度标准。
15.根据权利要求13到14中的任一项所述的系统,还包括:
滤波器(202),其被配置成对所述图像数据进行空间滤波。
16.根据权利要求15所述的系统,其中,所述滤波器被配置成对所述图像数据进行时域滤波。
17.根据权利要求13到15中的任一项所述的系统,还包括:
参考图像识别器(204),其基于在所述4D图像数据集中具有峰值对比增强时间帧在所述4D图像数据集中识别所述参考图像的数据。
18.根据权利要求17所述的系统,其中,所述峰值对比增强是基于所述图像数据的能量确定的。
19.根据权利要求13到18中的任一项所述的系统,还包括:
分析器(122),其基于所述经配准的图像数据生成灌注图或灌注参数中的至少一个。
20.一种利用计算机可执行指令编码的计算机可读存储介质,所述计算机可执行指令在由计算机的处理器执行时,令所述处理器执行如下操作:
基于利用自适应步长预测的随机梯度下降优化算法以及零均值归一化互相关相似度度量,弹性地配准4D ECG前瞻性门控对比增强图像数据。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US33187110P | 2010-05-06 | 2010-05-06 | |
US61/331,871 | 2010-05-06 | ||
PCT/IB2011/051579 WO2011138694A1 (en) | 2010-05-06 | 2011-04-12 | Image data registration for dynamic perfusion ct |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102884550A true CN102884550A (zh) | 2013-01-16 |
CN102884550B CN102884550B (zh) | 2016-03-16 |
Family
ID=44310075
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201180022575.8A Expired - Fee Related CN102884550B (zh) | 2010-05-06 | 2011-04-12 | 用于动态灌注ct的图像数据配准 |
Country Status (6)
Country | Link |
---|---|
US (1) | US9002089B2 (zh) |
EP (1) | EP2567359B1 (zh) |
JP (1) | JP5833637B2 (zh) |
CN (1) | CN102884550B (zh) |
RU (1) | RU2582055C2 (zh) |
WO (1) | WO2011138694A1 (zh) |
Families Citing this family (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8654119B2 (en) | 2009-08-17 | 2014-02-18 | Mistretta Medical, Llc | System and method for four dimensional angiography and fluoroscopy |
US8643642B2 (en) | 2009-08-17 | 2014-02-04 | Mistretta Medical, Llc | System and method of time-resolved, three-dimensional angiography |
WO2011091300A2 (en) | 2010-01-24 | 2011-07-28 | Mistretta Medical, Llc | System and method for implementation of 4d time-energy subtraction computed tomography |
US8655041B2 (en) * | 2010-09-23 | 2014-02-18 | Siemens Aktiengesellschaft | Automatic detection of contrast injection |
US8768031B2 (en) * | 2010-10-01 | 2014-07-01 | Mistretta Medical, Llc | Time resolved digital subtraction angiography perfusion measurement method, apparatus and system |
EP2681711B1 (en) * | 2011-03-02 | 2016-06-29 | Koninklijke Philips N.V. | Visualization for navigation guidance |
US8963919B2 (en) | 2011-06-15 | 2015-02-24 | Mistretta Medical, Llc | System and method for four dimensional angiography and fluoroscopy |
US9031288B2 (en) * | 2012-04-18 | 2015-05-12 | International Business Machines Corporation | Unique cardiovascular measurements for human identification |
WO2014054660A1 (ja) * | 2012-10-01 | 2014-04-10 | 株式会社東芝 | 画像処理装置及びx線ct装置 |
JP6645831B2 (ja) * | 2012-10-31 | 2020-02-14 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | かん流撮像 |
WO2014199995A1 (ja) * | 2013-06-11 | 2014-12-18 | 株式会社 東芝 | X線コンピュータ断層撮影装置、およびスキャン開始タイミング決定方法 |
KR101604812B1 (ko) * | 2014-01-15 | 2016-03-18 | 삼성전자주식회사 | 의료 영상 처리 장치 및 그에 따른 의료 영상 처리 방법 |
JP6576690B2 (ja) | 2014-05-29 | 2019-09-18 | キヤノンメディカルシステムズ株式会社 | 医用画像処理装置 |
CN115844435A (zh) * | 2014-12-17 | 2023-03-28 | 皇家飞利浦有限公司 | 灌注成像 |
DE102015208929B3 (de) | 2015-05-13 | 2016-06-09 | Friedrich-Alexander-Universität Erlangen-Nürnberg | Verfahren zur 2D-3D-Registrierung, Recheneinrichtung und Computerprogramm |
CN107735814A (zh) | 2015-06-30 | 2018-02-23 | 皇家飞利浦有限公司 | 用于处理计算机断层摄影成像数据的设备和方法 |
US10223331B2 (en) * | 2016-04-08 | 2019-03-05 | Goodrich Corporation | Warp models for registering multi-spectral imagery |
US11996129B2 (en) | 2016-06-10 | 2024-05-28 | Cornell University | Semiconductor circuits and devices based on low-energy consumption semiconductor structures exhibiting multi-valued magnetoelectric spin hall effect |
CN107884164B (zh) * | 2017-09-25 | 2019-07-26 | 广西电网有限责任公司电力科学研究院 | 一种ncc-sar算法的断路器弹簧性能检测方法 |
WO2019157288A1 (en) * | 2018-02-09 | 2019-08-15 | Nano Techgalaxy, Inc. D/B/A Galaxy.Ai | Systems and methods for physical object analysis |
JP7164964B2 (ja) * | 2018-04-04 | 2022-11-02 | キヤノン株式会社 | 情報処理装置、放射線撮影装置、放射線撮影システム、情報処理方法及びプログラム |
JP7270453B2 (ja) * | 2019-04-26 | 2023-05-10 | キヤノン株式会社 | 画像処理装置、画像処理方法およびプログラム |
RU2732895C1 (ru) * | 2019-05-27 | 2020-09-24 | Общество с ограниченной ответственностью "ПЛАТФОРМА ТРЕТЬЕ МНЕНИЕ" | Метод для выделения и классификации типов клеток крови с помощью глубоких сверточных нейронных сетей |
WO2021253294A1 (zh) * | 2020-06-17 | 2021-12-23 | 深圳高性能医疗器械国家研究院有限公司 | 一种ct图像的分离重建方法及应用 |
WO2022165526A1 (en) * | 2021-01-28 | 2022-08-04 | Cornell University | Resolution-enhanced optical coherent tomography |
CN116309922B (zh) * | 2023-05-22 | 2023-08-11 | 杭州脉流科技有限公司 | Ct灌注影像的去伪影方法、装置、设备和存储介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101242787A (zh) * | 2005-08-09 | 2008-08-13 | 皇家飞利浦电子股份有限公司 | 用盲去卷积空间增强具有噪声的图像中的结构的系统和方法 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2989325B2 (ja) * | 1991-06-12 | 1999-12-13 | 日本放送協会 | 動きベクトル信頼性の判定装置 |
EP1658588A1 (en) * | 2003-08-21 | 2006-05-24 | Philips Intellectual Property & Standards GmbH | Device and method for combined display of angiograms and current x-ray images |
US7672540B2 (en) * | 2005-07-13 | 2010-03-02 | Siemens Medical Solutions USA, Inc, | Nonrigid registration of cardiac perfusion MR images using adaptive local template matching |
DE102006020864A1 (de) * | 2006-05-04 | 2007-11-08 | Siemens Ag | Verfahren zur Ermittlung und Anzeige von wenigstens einer Information über ein Zielvolumen |
US7693349B2 (en) * | 2006-08-15 | 2010-04-06 | General Electric Company | Systems and methods for interactive image registration |
DE102006051919B4 (de) | 2006-10-31 | 2016-09-01 | Siemens Healthcare Gmbh | Verfahren zum Bereitstellen eines 3D-Röntgenbilddatensatzes des Herzens eines Patienten |
US8098911B2 (en) | 2006-12-05 | 2012-01-17 | Siemens Aktiengesellschaft | Method and system for registration of contrast-enhanced images with volume-preserving constraint |
DE102007028270B4 (de) * | 2007-06-15 | 2013-11-14 | Siemens Aktiengesellschaft | Verfahren zur Segmentierung von Bilddaten zur Erkennung einer Leber |
DE102008016892A1 (de) | 2008-04-02 | 2009-10-15 | Siemens Aktiengesellschaft | Betriebsverfahren für eine Bildgebungsanlage zur zeitaufgelösten Abbildung eines sich iterativ bewegenden Untersuchungsobjekts |
US8208709B2 (en) * | 2008-04-17 | 2012-06-26 | The Ohio State University Research Foundation | System and method for improved real-time cine imaging |
US8755635B2 (en) * | 2008-08-11 | 2014-06-17 | Siemens Aktiengesellschaft | Method and system for data dependent multi phase visualization |
JP5551960B2 (ja) * | 2009-09-30 | 2014-07-16 | 富士フイルム株式会社 | 診断支援システム、診断支援プログラムおよび診断支援方法 |
-
2011
- 2011-04-12 RU RU2012152513/08A patent/RU2582055C2/ru not_active IP Right Cessation
- 2011-04-12 JP JP2013508584A patent/JP5833637B2/ja not_active Expired - Fee Related
- 2011-04-12 EP EP11725511.7A patent/EP2567359B1/en not_active Not-in-force
- 2011-04-12 CN CN201180022575.8A patent/CN102884550B/zh not_active Expired - Fee Related
- 2011-04-12 WO PCT/IB2011/051579 patent/WO2011138694A1/en active Application Filing
- 2011-04-12 US US13/643,167 patent/US9002089B2/en not_active Expired - Fee Related
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101242787A (zh) * | 2005-08-09 | 2008-08-13 | 皇家飞利浦电子股份有限公司 | 用盲去卷积空间增强具有噪声的图像中的结构的系统和方法 |
Non-Patent Citations (3)
Title |
---|
BREEUWER M ET AL.: "Automatic quantitative analysis of cardiac MR perfusion images", 《PROCEEDINGS OF SPIE, INTERNATIONAL SOCIETY FOR OPTICAL ENGINEERING SPIE》, vol. 4322, 19 February 2001 (2001-02-19), XP008011224, DOI: doi:10.1117/12.431152 * |
H. BRUDER ET AL.: "Spatio-temporal filtration of dynamic CT data using diffusion filters", 《PROCEEDINGS OF SPIE》, vol. 7258, 1 January 2009 (2009-01-01), XP055004214, DOI: doi:10.1117/12.811085 * |
STANTZ K M ET AL.: "In-vivo regional myocardial perfusion measurements in a porcine model by ECG-gated multi-slice computed tomography", 《PROCEEDINGS OF SPIE, THE INTERNATIONAL SOCIETY FOR OPTICAL ENGINEERING SPIE》, vol. 5031, 1 January 2003 (2003-01-01), XP002344670, DOI: doi:10.1117/12.480431 * |
Also Published As
Publication number | Publication date |
---|---|
JP5833637B2 (ja) | 2015-12-16 |
EP2567359B1 (en) | 2014-10-29 |
EP2567359A1 (en) | 2013-03-13 |
RU2582055C2 (ru) | 2016-04-20 |
US9002089B2 (en) | 2015-04-07 |
US20130039559A1 (en) | 2013-02-14 |
WO2011138694A1 (en) | 2011-11-10 |
RU2012152513A (ru) | 2014-06-20 |
JP2013525056A (ja) | 2013-06-20 |
CN102884550B (zh) | 2016-03-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102884550B (zh) | 用于动态灌注ct的图像数据配准 | |
US7545903B2 (en) | Reconstruction of an image of a moving object from volumetric data | |
US7792347B2 (en) | Artifact reduction | |
CN102013089B (zh) | 用于噪声减少的迭代ct图像滤波器 | |
US5287276A (en) | Localized motion artifact reduction in projection imaging | |
EP2671209B1 (en) | Method and system for dual energy ct image reconstruction | |
CN1926578B (zh) | 运动补偿 | |
JP5113060B2 (ja) | 拍動している心臓の画像の再構成法 | |
CN103608839B (zh) | 对比度相关分辨率图像 | |
US20050238135A1 (en) | Method for tracking motion phase of an object for correcting organ motion artifacts in X-ray CT systems | |
CN102048552A (zh) | 计算机断层造影灌注测量的射线硬化校正 | |
CN106981051A (zh) | 用于运动解析的mri的系统和方法 | |
CN103027705A (zh) | 产生运动补偿的ct 图像数据组的方法和系统 | |
Van Stevendaal et al. | A motion‐compensated scheme for helical cone‐beam reconstruction in cardiac CT angiography | |
JP2008519636A (ja) | 周期運動物体の検査のためのコンピュータ断層撮影方法 | |
CN104412297B (zh) | 图像质量驱动的非刚性图像配准 | |
Wollenweber et al. | Evaluation of the accuracy and robustness of a motion correction algorithm for PET using a novel phantom approach | |
US8290117B2 (en) | CT image recording of a moving examination object | |
US10575795B2 (en) | Automated phase selection for ECG-gated cardiac axial CT scans | |
Shu et al. | A Global Constraint to Improve CT Reconstruction Under Non-Ideal Conditions | |
Cho | Improving statistical image reconstruction for cardiac X-ray computed tomography | |
CN116490896A (zh) | 用于在x射线ct图像重建中使用的方法 | |
Hou | Analysis of compressed sensing based computed tomography reconstruction |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160316 Termination date: 20200412 |
|
CF01 | Termination of patent right due to non-payment of annual fee |