CN102947840A - 前列腺可视化和癌症检测的系统和方法 - Google Patents
前列腺可视化和癌症检测的系统和方法 Download PDFInfo
- Publication number
- CN102947840A CN102947840A CN201180015251.1A CN201180015251A CN102947840A CN 102947840 A CN102947840 A CN 102947840A CN 201180015251 A CN201180015251 A CN 201180015251A CN 102947840 A CN102947840 A CN 102947840A
- Authority
- CN
- China
- Prior art keywords
- volume
- accordance
- score
- image
- prostate
- 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
Images
Classifications
-
- 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
- G06T7/0014—Biomedical image inspection using an image reference approach
-
- 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
- G06T2207/10088—Magnetic resonance imaging [MRI]
-
- 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
- G06T2207/30081—Prostate
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
一种检测前列腺的疾病的方法、系统和计算机可读介质。本公开的实施方式示例可包括接收利用至少一种采集模式获得的图像数据集;从所述数据集中分割包括前列腺的关心区域;应用保角映射,把关心区域映射到规范的形状;利用规范映射的数据集,生成前列腺的3D影像;和对规范映射的体积应用计算机辅助检测(CAD),以检测器官的疾病区。
Description
对在先申请的交叉引用
本申请要求2010年1月22日递交的美国临时申请No.61/297454的优先权。该申请通过此处的引用全文合并于本申请中。
针对联邦资助研究的声明
本发明是在国家卫生研究院授予的批准号为R01EB7530以及国家科学基金会授予的批准号为IIS0916235的政府资助的支持下做出的。政府对本发明享有特定的权利。
技术领域
本公开涉及医学成像,更具体地说,涉及用于诊断前列腺癌(CaP)的成像。
背景技术
前列腺癌(CaP)是欧洲男性之中最常诊断出来的癌症,是欧洲男性的癌症死亡率的第二大原因。尽管前列腺癌如此常见,诊断方法却仍然原始和不精确。检测主要依赖于使用简单的验血来检查前列腺特异抗原(PSA)的水平,和依赖于直肠指检(DRE)。如果发现PSA水平升高,或者如果在DRE期间,医生触摸到物理异常,那么将进行活检。尽管利用经直肠超声(TRUS)来指导,这些活检仍然不精确,通常必须大量地从癌变区尝试取回样本。最近,注意到磁共振成像(MRI)可用于检测CaP。CaP的检测需要利用不同设定获得的多个MR图像。最常使用的是T2加权和T1加权图像序列的组合。
T2加权图像通常用于定位怀疑癌变的区域,而T1加权图像用于减少主要因活检后出血的存在而引起的假阳性。还建议使用MR频谱成像(MRSI)。下面进一步详细说明利用MR T2加权、T1加权和MRSI图像来检测CaP的医学背景的更多细节。
MRSI测量覆盖许多体素的较大区域中的化学谱。对CaP检测来说,存在3种感兴趣的化学物:胆碱、肌氨酸和柠檬酸盐。具体地说,在包含CaP的区域中,胆碱与肌氨酸的比值,以及胆碱加肌氨酸与柠檬酸盐的比值显得升高。由于其分辨率较粗,因此认为MRSI不适合于具体定位,但是可用于对区域进行宽泛的概览。
前列腺MR图像序列的获取通常是利用每个序列各不相同的定向和分辨率完成的。在患者不移动而在单一检查期间(session)内获得图像序列的情况下,所得到的体积将在全局空间中被自然配准。利用每个MRI切片的图像位置、定向和分辨率信息,可在3D空间中恰当地使所述体积定向,而不需要配准方法。放射技师一般通过简单地查看2D切片,并尝试使沿各种定向(例如,轴位和冠状位)的扫描之间的匹配位置相互关联,来检查所述数据。然而,这种处理不直观,并且低效。利用包括每次扫描的数据的可视化、使医生可以立刻查看整个腺体的3D绘制系统会更直观和高效。
周围解剖结构在识别CaP方面也很重要。位于前列腺上方的是精囊(SV),CaP对精囊(SV)的浸润也值得关注。对SV的浸润可利用T2加权图像来识别。正常的SV表现为被强度降低的外壁围绕的强度增大的区域。在SV浸润中,SV将表现为强度处处降低。前列腺和直肠之间的异常角度也可以是问题的征兆,从而重要的是能够查看直肠壁的位置。
此外,多模态可视化非常适合于体积医学成像数据,并且由于各种3D医学成像采集设备的扩散而日益普及。多模态绘制的主要任务是决定体数据应被如何混合。通常,多模态绘制被用于结合两个体积,其中一个包括结构数据,而另一个包括功能数据。在这种情况下,这两个体积通常是分别考虑的,功能数据被用于在结构数据上突出所关心的区域。对具有两种模式的情况来说,可以利用2D传递函数把一对样本值映射到特定的输出颜色。
利用射线投射的体绘制已成为标准技术,其高度并行性有助于图形处理单元(GPU)上的加速。对GPU加速的多体积绘制来说,工作通常集中在基于切片的方法,其中在绘制期间,来自多个体积的切片可被简单地交错。对通过射线投射的绘制来说,常见的是使用深度剥离,并多趟(多次穿越,multiple passes)地进行射线投射,或者每次只进行某些部分。射线投射只进行一趟(单次穿越,single pass)的方法一般要求体数据集被预处理,以便体数据集按单网格被配准和重新采样。对于不能装入存储器中的较大体积的绘制,还提出了解决存储器管理问题的方法。不过,对于前列腺绘制来说,存储器管理问题一般不是大问题,因为关心的区域较小。
发明内容
MR图像能够帮助CaP的检测,尽管基于切片的查看会较为困难。本公开的实施例能够提供容易并且高效地对前列腺MR数据进行体绘制的方法示例,使用户易于3D观察前列腺和怀疑区域。此外,可对绘制的前列腺体数据应用计算机辅助检测(CAD)技术,以帮助CaP的检测。当在同一成像期间中获得多个数据集,同时在采集之间不存在患者移动时,可应用所述方法示例,允许数据在全局空间(world space)中被自然配准。为了处理多定向和多分辨率体积,该方法示例可包括多体积射线投射算法示例,其中只单次穿越中进行射线积分。尽管为绘制前列腺而优化了所述方法示例,不过所述方法示例适用于其它多体积绘制情形。
本公开的实施方式示例提供一种执行3D绘制的方法、设备和计算机可读介质,借助于利用多体积射线投射和多模态明暗处理进行的包括来自多次扫描的数据的可视化,允许医生检视整个腺体。首先,可从原始医学数字成像和通信(DICOM,Digital Imaging and Communications inMedicine)切片提取图像信息。可对体积进行前列腺区的分割和修整,以除去无关的数据。之后,可以进行穿过体积几何数据的3次边界预穿越(pre-pass,预遍历)。这些预穿越的结果随后可用于在对数据的单次穿越(pass,遍历)中,进行多体积射线投射。该射线投射穿越期间的明暗处理最好是利用考虑T2加权图像数据、T1加权图像数据和MRSI频谱数据的多模态明暗处理方案完成的。该穿越的输出可以是最后的绘制图像,通过调整控制多模态明暗处理的阈值参数,或者通过修改视图,用户可以优化所述图像。
本公开的实施例还可包括一种考虑到T2加权体积、T1加权体积和MRSI体积的前列腺的多模态MR绘制的分类方法。不同于许多其它的多模态绘制应用,源于各种模式的数值被用于决定将如何对某个区域进行明暗处理,而不仅仅利用一种功能模式来突出源于结构模式的某物。分类的示例可用公式表示成能够高效计算的等式。多体积射线投射和多模态分类方法示例可在GPU上实现,并且可考虑到这样的体系结构而被优化。
本公开的实施例还包括对前列腺、其周围解剖结构以及有关腺体内的肿瘤和出血位置的指示进行可视化的架构。为了提供所述可视化,可以提供绘制多模态数据的计分体积示例。可以首先为腺体和精囊创建考虑3个T2加权数据集、一个T1加权数据集和一个MRSI数据集的计分体积。根据阈值,可以关于每种MR模式是否指示关心点,来对每个体素计分。所述计分体积可被结合到基于切片的检视方法中,或者应用于区域的3D可视化。
在允许用户调整所检视的内容的交互架构中,可以使前列腺、计分体积和周围解剖结构可视化。计分体积的各种检视模式都是可能的,以便用户能够关注期望的结果。本公开的一个方面可包括一种可见性保留(visibility persistence)模式,在一个得分会被遮蔽的时候,所述模式允许该得分仍然可见。体绘制可以利用在GPU上被加速,以提供交互性能的单趟(单次穿越)多体积射线投射装置。
尽管以前的前列腺3D可视化关注于显示前列腺的形状,这里的实施方式示例允许用户检视腺体内部的多种信息。用户可以随意检视这种多模态信息。针对体绘制的计分空间的使用可推广到任何CAD应用,因为确定得分的方法示例可以独立于绘制。
按照本公开的实施方式示例,在每个样本点可以考虑最多达6个值。可以使用包括这些值的6D传递函数,不过所述6D传递函数可能难以设计。作为这种方法的备选方案,下面说明能够把所述各个值放入其中的公式。所述公式的计算结果值可用于把样本映射成颜色。
本公开的另外的实施方式示例还可把体积信息保存在GPU存储器中,并在单趟(单次穿越)中进行射线投射,而不需要按照统一的网格对体积重新采样,从而允许每个体积保持其本来的本地坐标系、分辨率和未经滤波的质量。
本公开的另一个实施方式示例可提供一种根据三元标记图,进行前列腺体积的上采样的方法,其中所述体积被分割成外周带(PZ)和中央带(CZ),以及非前列腺区。这种上采样示例可以基于对3个正交的T2加权图像序列(轴位、矢状位和冠状位)的利用。算法的第一部分通过按需内插标记图切片,单独地对每个体积上采样。如果有这3个上采样的体积,那么算法的第二部分可以组合它们,从而创建复合的上采样体积,所述复合的上采样体积形成对前列腺的表达。可在前列腺可视化技术中实施这种技术示例,以产生精确并且视觉上舒服的体绘制图像。
本公开的实施方式示例可提供一种检测前列腺的疾病的方法。所述方法示例可包括接收利用至少一种采集模式获得的图像数据集;从所述数据集中分割包括前列腺的关心区域;应用保角映射,把关心区域映射到规范的形状;利用规范映射的数据集,生成前列腺的3D影像;和对规范映射的体积应用计算机辅助检测(CAD),以检测器官的疾病区。所述疾病可包括癌症,所述数据集可包括利用至少两种不同的采集模式获得的多个数据集。
所述方法示例还可包括配准多个数据集,和使所述多个数据集相互关联,保角映射可包括纹理分析的使用。
按照所述方法示例,计算机辅助方案可包括电子活检。
本公开的另一个实施方式示例可提供器官的体绘制方法。该方法示例可包括接收利用至少两种采集模式获得的多个数据集;分割所述多个数据集,以定义关心区域;执行多体积射线投射算法;进行多模态明暗处理;利用边界预穿越(pre-passes)和多体积射线投射算法,处理所述多个数据集;利用处理的所述多个数据集,生成器官的图像;和利用计算机辅助方案,检测器官的疾病。所述多个数据集可包括T2加权直肠内轴位扫描、T2加权直肠内矢状位扫描、T2加权直肠内冠状位扫描、T1加权骨盆轴位扫描和MRSI中的至少一个,所述分割可包括人工分割所述多个数据集的至少一部分。此外,多体积射线投射算法可包括借助单次遍历(traversal)执行射线造型的单次穿越(pass),或者被配置成识别每条射线的方向和/或每条射线的步长的多次边界预穿越。所述多次边界预穿越能够识别每条射线在全局空间中的开始位置和/或每条射线在本地空间中的开始位置。
该方法示例还可包括上采样所述多个数据集的至少一部分,以创建上采样体积,和利用上采样体积生成图像。上采样可包括创建两个相邻切片之间的内插切片,标记内插切片的至少一些体素,侵蚀标记成未判定或不确定的至少一些体素。
该方法示例还可包括提取所述多个数据集,和结合多个图像,从而形成多个体积。提取数据集可包括在全局空间中对齐各个体积。该方法示例还可包括对各个体积计分,以使疾病的诊断更容易。该方法示例还可包括把生成的图像的至少多个部分分类成癌变或正常中的至少一种,所述分类还可包括对处理后的数据集的至少一部分计分。
按照一种实施方式示例,所述器官可以是前列腺,疾病可以是癌症。
按照另一个实施方式示例,该方法示例可包括创建包括至少一个得分的计分体积,每个得分与T2加权图像、T1加权图像或MRSI图像中的至少一个关联。此外,可以至少部分根据计分体积生成图像。
该方法示例还可包括把所述多个数据集处理成至少一个3维结构,所述3维结构包括长方体体积。
本公开的另一个实施方式示例可包括器官的多模态体绘制系统。该系统示例可包括配置成获得利用至少一种采集模式获得的图像数据集的成像设备;和配置成从数据集中分割包括前列腺的关心区域,应用保角映射,把关心区域映射到规范形状,利用规范映射的数据集,生成前列腺的3D影像,和对规范映射的体积应用计算机辅助检测(CAD),以检测器官的疾病区的计算设备。
本公开的另一个实施方式示例可提供包括指令的非临时性计算机可读介质,所述指令可被硬件处理设备访问,其中当处理设备执行所述指令时,所述处理设备可被配置成:接收利用至少一种采集模式获得的图像数据集;从从所述数据集中分割包括前列腺的关心区域;应用保角映射,把关心区域映射到规范形状;利用规范映射的数据集,生成前列腺的3D影像;和对规范映射的体积应用计算机辅助检测(CAD),以检测器官的疾病区。
附图说明
结合表示本公开的实施方式示例的附图,根据以下的详细说明,本公开的其它目的、特征和优点将变得明显,附图中:
图1是按照本公开的实施方式示例的方法示例的方框流程图;
图2是按照本公开的实施方式示例的方法示例的方框流程图;
图3(a)-(e)是按照本公开的实施方式示例,出自数据集中的5个图像序列的样本切片示例的图像;
图4(a)和(b)是按照本公开的实施方式示例,具有不同定向的4个图像体序列的例示;
图5(a)和(b)是按照本公开的实施方式示例,在图像修整前后的样本图像示例;
图6是图解说明按照本公开的实施方式示例的界面屏幕的屏幕截图示例;
图7(a)-(c)是表示利用本公开的实施方式示例获得的更改阈值的效果的图像示例;
图8(a)-(c)是利用本公开的实施方式示例获得的样本切片图像示例;
图9(a)-(d)是按照本公开的实施方式示例的三元标记图(labelmap)插值图像示例;
图10(a)-(c)是按照本公开的实施方式示例,利用复合分割上采样获得的图像示例;
图11(a)-(c)是按照本公开的实施方式示例的对计分空间积分的图像示例;
图12(a)-(c)是按照本公开的实施方式示例的描绘各个得分值的图像示例;
图13(a)-(c)是按照本公开的实施方式示例的以各种透明度描绘得分值的图像示例;
图14是利用本公开的实施方式示例获得的指示双侧浸润的精囊图像示例;
图15(a)-(c)是按照本公开的实施方式示例的描绘可见性保留(visibility persistence)的图像示例;
图16是利用本公开的实施方式示例获得的前列腺和直肠之间的视角的图像示例;
图17(a)-(d)是表示按照本公开的实施方式示例的不同种类的绘制的图像示例;
图18图示了按照本公开的系统的实施方式示例的方框图示例;
图19图示了按照本公开的实施方式示例的方法示例的流程图示例。
图20(a)-(c)图示了按照本公开的实施方式示例的前列腺特征检测示例的图解。
附图中,除非另有说明,相同的附图标记用于表示图解说明的实施例的相同特征、元件、组件或部分。此外,虽然现在参考附图详细说明本公开,不过这是结合例示的实施例进行的,本公开不受附图中图解说明的具体实施例的限制。
具体实施方式
本公开涉及诸如前列腺之类器官的成像和体绘制。本公开的方法通常采用多模态成像,以便提高性能。按照本公开的实施方式示例,多模态图像数据可用单个成像设备获得,可用于获得解剖信息以及癌变区。胜于依赖单次扫描来识别癌症,多模态绘制也可用于不仅把两个项目(癌症和解剖结构)结合在一起,而且可用于识别怀疑区域。
如图1中所示,本公开的实施方式示例提供一种进行CaP的分割、可视化和计算机辅助检测(CAD)的方法、设备和计算机可读介质示例。本公开的实施方式示例还提供多模态数据的配准和关联。
在实施方式示例中,可以提取(102)诸如DICOM切片之类的图像数据。之后,数据可经历分割处理(104),以把前列腺体积和周围组织分开。数据可被人工分割、自动分割、半自动分割,或者前述方式的某种组合。例如,分割104可以把前列腺和非前列腺组织区分开,还可以把PZ(外周带)和CG(中央腺体)区分开。可选的是,当采用某些多模态数据时,数据集最好被配准(106)和关联(108)。多模态数据可包括利用不同协议获得的图像数据,在不同时间拍摄的图像,等等。配准和关联的数据集可用于例如随后的3D可视化和绘制,以及CaP的识别。
各种数据、图像、体积集合配准方法适合用在本公开的方法中。作为一个说明性例子,可以利用解剖特征点进行配准。图20(a)-(c)图示了可用于前列腺特征检测的图像示例。图20(a)图示了前列腺的解剖位置。图20(b)图示了每个特征点,同时突出显示了预先定义的索引号。图20(c)图示了沿着三个方向的前列腺MR图像的多视图示例。前列腺(大小和形状类似于核桃的腺体)一般不包含复杂的几何结构。一般围绕尿道的前列腺通常位于直肠前面,刚好在膀胱下面。
对体特征配准来说,最好匹配不同方向的MRI图像内的至少三个解剖特征,以获得精确并且可靠的配准结果。称为精囊的一对腺体一般隐藏在直肠和膀胱之间,并且附着在前列腺上,如图20(a)中所示。尿道通过前列腺,并在射精管处与两个精囊结合。于是,一些与众不同的解剖结构,比如如图20(b)中表示的前列腺包膜和精囊轮廓、膨胀的腺体和射精管可用于一个数据集的不同扫描方向之间,或者MR切片和组织图之间的配准处理示例。这也可用于配准各种图像数据集合,比如MRI、CT、PET、SPECT和其它图像扫描数据,如果关心这样的多模态图像数据的话。
MRI可向图像提供极佳的解剖细节和软组织对比。可以分析如图3(c)中所示的沿着轴位图、矢状位图和冠状位图的T1、T2加权数据集。在每个MRI前列腺检视方向,可以跟踪前列腺边界的精确轮廓,可以用预先定义的索引号人工标记每个对应的特征点。MRI序列是按连续顺序显示的。一般,可以使用两种特征点,例如:源于射精管(在前列腺内的膨大腺体)的3个内部特征点,它们可以是尿道和2个精囊的交叉点;和同样源于尿道和精囊的额外信息的4个表面特征点。由于尿道通过整个前列腺,因此两个表面特征点可以是尿道的入口点和出口点。同时,就两个精囊附着于前列腺,并在射精管处与尿道合并的事实来说,另两个表面特征点可标记在每个精囊和前列腺之间的交点。
该方法示例还可包括前列腺的保角映射(110)。例如,前列腺的表面可被映射到规范的几何形状表面,比如中空的球体或立体方的表面,或者前列腺体可被映射到实心球。或者,由于CaP一般位于PZ中,并且在表面附近,因此优选将具有一定厚度的前列腺表面保角映射到具有厚球壳的球体。保角映射图还可帮助数据的配准。对前列腺体的体素使用“纹理分析”可用于对映射的表面图像编码,比如通过对具有不同的CaP可能性的那些体素应用不同的颜色。在CAD处理中,可以使用编码图像的聚类,比如通过把具有相似体素值或颜色的区域分组,以使用户快速识别可能有CaP的区域。
此外,所述数据可用于进行前列腺的可视化(112)。所述可视化可包括前列腺的多模态3D绘制,或者也可在保角映射图上提供。这可包括T1加权数据、T2加权数据和MRSI数据。此外,可视化可包括使“电子活检”更容易的半透明渲染视图。例如,电子活检技术示例可包括把半透明体绘制到球壳上,并应用专门用于映射前列腺组织的传递函数,以便能够把健康组织和癌变组织区分开。另外,诸如“电子活检”或聚类算法之类的CAD技术可用于CaP的诊断(114)。
本公开的其它实施方式示例可提供借助于利用多体积射线投射和多模态明暗处理进行的包括来自多次扫描的数据的可视化,进行前列腺的3D绘制的方法、设备和计算机可读介质示例。图2中表示了绘制前列腺系统的方法示例的步骤。首先,可从原始数据,比如原始DICOM切片提取图像信息(处理202)。可对图像体进行前列腺区域的分割和修整,以除去无关的数据(处理204)。之后,在处理206中可以进行穿过体积几何数据的边界预穿越(pre-pass)。例如,可以使用3个边界预穿越。在处理208中,这些预穿越的结果随后可用于通过对数据的单趟穿越,进行多体积射线投射。该射线投射穿越期间的明暗处理最好是利用考虑T2加权图像数据、T1加权图像数据和MRSI频谱数据的多模态明暗处理方案实现的。该趟穿越的输出可以是最终的绘制图像(210),通过调整控制多模态明暗处理的阈值参数,或者通过修改视图(处理212,214,216),用户可以优化所述最终的绘制图像。
本系统可在3D空间中向用户提供对怀疑位置的指示,从而使用户可以快速知道这样的区域在整个前列腺体中的何处,而不需要在若干单独的2D切片中滚动寻找。胜于进行体素级确定的尝试,本系统可用作帮助用户找出可疑的体素区域,并把用户引导到那些值得进一步检查的区域的工具。
医学背景
为了进一步理解帮助CaP的检测的3D多模态可视化系统的发展,下面简要地描述前列腺的带状解剖结构和利用的3种MR模式的关系。图3中图示了利用这些模式产生的各种图像的例子。图3(a)图示了T2加权直肠内轴位切片示例。图3(b)图示了T2加权直肠内矢状位切片示例。图3(c)图示了T2加权直肠内冠状位切片示例。图3(d)表示T1加权骨盆轴位切片。图3(e)表示MRSI切片。
前列腺被分成三个带,称为外周带(PZ),移行带(TZ)和中央带(CZ)。TZ和CZ通常一起被看作与PZ相对比的单一区域,因而被称为中央腺体(CG)。PZ是这三个带之中最大的,约占前列腺的70%,而TZ和CZ分别约占25%和5%。于是,毫不意外的是PZ也是发生CaP的最常见位置,约70%的病例发源于PZ。由于在前列腺的外周,因此该区域的癌症也很可能快速扩散到精囊。与PZ相比,CG被认为重要性相对较低,从而在本公开中,关注于检测PZ中的CaP。
T2加权图像提供前列腺的良好图像质量,允许区分PZ和CG。对正常的前列腺组织来说,PZ一般在T2加权图像中显示较高的信号强度。在癌变组织中,PZ通常显示降低的信号强度。不过在CG中,正常组织一般已显示不均匀的低信号强度。其中的癌变区可被检测为显示均匀的低信号强度的区域。不过,本公开的实施例集中于检测PZ中的CaP。
不同于T2加权图像,就前列腺来说,T1加权图像图像质量低,于是一般不用于识别癌变区。相反,T1加权图像一般用于排除仍然包含源于较早活检的血液的区域。这样的活检后出血一般看起来类似于T2加权图像中的PZ中的癌症(即,具有降低的强度)。不过,在T1加权图像中,与具有均匀的较低强度的正常前列腺组织相比,这样的区域一般具有增大的强度。在T1加权图像中,癌变区一般不明显,因为它们也表现为强度较低的区域。用于CaP检测的MRSI检查化学物的两种比值,即,胆碱与肌氨酸的比值,和胆碱加肌氨酸与柠檬酸盐的比值。在CaP中,这两种比值一般都出现升高。在MRSI中,可在不会与常规MR图像被视为用于体绘制的体素的方式混淆的较大体素区中,读取这些化学谱。尽管通常与T2加权直肠内轴位图像对齐,不过MRSI体素明显较大,每个切片覆盖许多正常图像体素。在图3(e)中可看到MRSI体素的例子,其中该切片的MRSI体素用T2加权图像上的网格图层(overlay)表示。
数据预处理示例
使用的数据可以是原始DICOM文件。按照本公开的实施方式示例,可以使用标准数据集。例如,标准数据集可被定义成可包括以下5个图像序列的数据集:
1.T2加权直肠内轴位扫描;
2.T2加权直肠内矢状位扫描;
3.T2加权直肠内冠状位扫描;
4.T1加权骨盆轴位扫描;和对T2加权图像序列来说,能够例如以约0.5mm的切片内分辨率和3mm的切片间分辨率获得数据。可按更粗的分辨率,例如,约1mm的切片内分辨率和6mm的切片间分辨率获得T1加权图像。在图3中可以看到这些图像序列中的每一个的例子。
下面进一步详细说明按照本公开的实施方式示例的方法示例。
DICOM提取示例
如图2中所示,按照本公开的方法示例可包括数据提取(202)。各个MR切片可以利用DICOM标准(医学成像设备使用的通用格式)来传送。从这些原始DICOM文件中,可顺序组合属于同一次扫描的图像,从而形成体积。对于每个体积,可从DICOM头部信息保持第一个切片的图像位置(左上像素的中心),图像像素(x和y)分辨率和定向同样如此。可从切片间隔信息提供z向分辨率,利用两个切片的图像位置信息,可以计算z定向。利用提取的位置、定向和分辨率信息,能够在全局空间中使体积相互对齐,而不需要对体积进行配准。在本公开的其它实施例中,图像序列可以不是在单一检查期间内获得的,或者在各个序列期间,患者可能已移动。因而,对这些图像来说,可取的是按照各种配准处理,配准这些图像。例如在图4中可看到这4个图像体的定向关系。图4(a)图示了在全局空间中具有不同位置、定向和分辨率的数据集的4个图像序列的示例,以图解说明每个体积范围。图4(b)图示了在全局空间中具有不同位置、定向和分辨率的数据集的4个图像序列的示例,以图解说明每个中心切片。
T2加权和T1加权体积可被直接处理,因为它们是常规图像数据。不过,MRSI序列需要再多一些的处理。如在图3(e)中所示,MRSI图像可采取人类易读的格式,但不呈能够用作用于进行绘制的体积的形式。如上所述,MRSI中的关心的两个比值(例如,胆碱与肌氨酸的比值,和胆碱加肌氨酸与柠檬酸盐的比值)可以已被计算,并提供在每个MRSI体素的频谱之上。可以提取这些比值。提取的体积随后可用在图2中所示的体绘制流程中。
分割示例
如图2中所示,该方法示例可包括分割操作(204)。例如,可以对T2加权轴位切片进行人工分割。尽管可以使用前列腺的自动和半自动分割方法,不过由于本公开的实施方式示例主要集中在检测PZ中的CaP,因此最好把PZ和CG人工分割成两个单独的区域。由于该T2加权的直肠内轴位体积最好在全局空间中与其它体积对齐,因此通常不需要其它分割。利用分割信息,各个体积可被修理,以包括关心的分割区域。各个体积之间的对齐信息使之便于利用单一分割在多个体积上实现。环绕分割区的大约7mm的边界可被保留,以便在分别检视各切片时提供一些背景。
这种修整操作能够降低存储器要求,实现射线投射速度的提高,因为跨过的非前列腺空间较少。图5图示了原始尺寸的一个切片(尺度为256×256(总共65536个像素,图5(a)),和尺寸修整后的切片(尺度为116×71像素(总共8236像素),图5(b))之间的尺寸差异的例子。存在于包含这些切片的体积示例中的体素的总数为1441792体素(对原始尺寸体积来说),和148248体素(对修整后的体积来说)。
多体积射线投射示例
如图2中所示,按照本公开的方法示例可包括多体积射线投射算法(例如,206和208)。多体积射线投射算法最好包括对场景边界信息的3次预穿越,射线投射是在单次的最终穿越中进行的。每个体积可由具有相对于所述体积的本地坐标系的射线遍历,不过,对于全局坐标系中的各个体积,所述遍历最好保持步调一致(例如,就全局距离来说,一个体积中的一步等同于另一个体积中的一步,尽管每个体积的本地坐标系内的步长可以不同)。所述3次边界预穿越使设定射线方向和步长更容易,同时第四次穿越利用对各个体积的单次遍历来进行射线投射。
边界预穿越示例
如图2中所示,按照本公开的方法示例可包括边界预穿越(206)。在一个特定的例子中,穿过几何边界数据的3次预穿越可用于对于每个体积获得沿着每条射线的位置、方向和步进信息。可以作为预处理执行这些穿越,当全局空间中的视图或体积变化时,可以重复这些穿越。利用单次射线投射穿越,可进行传递函数或其它明暗处理参数的变化。第一预穿越,例如限界正面穿越(bounding front pass)能够识别每条射线在全局空间中的开始位置。对图像平面中的每个像素来说,该位置可以是沿着经过该像素的射线,最接近于所述图像平面的体积位置(考虑绘制中的体积)。该穿越的输出(每条射线的全局开始位置)可用在第三次穿越中。第二预穿越,例如逐体积正面穿越(per-volume front pass)能够沿着每条射线,识别每个单独的体积在全局和本地空间中的开始位置。类似于限界正面穿越,对图像平面中的每个像素,可以计算沿着经过该像素的射线,每个体积中最接近所述图像平面的位置。对于每个像素来说,第二预穿越的输出可以是每个体积的局部和全局入口位置。这些可以用在第三次穿越中。第三预穿越(即最后的预穿越),例如,逐体积反向穿越(per-volume back pass),能够识别本地空间中每条射线的开始位置和射线方向,以及从所述开始位置起到进入该体积的步数,和从所述开始位置起到退出所述体积的步数。
第三次穿越可以使用前两次穿越(限界正面穿越和逐体积正面穿越)的输出。对第三次穿越来说,能够计算每个体积沿着每条射线的最远位置,所述最远位置和来自前次穿越的最近位置信息一起用于获得在本地空间中的射线方向。利用来自前两次穿越的信息,能够计算在本地空间和全局空间中从边界开始位置到每个体积的起点和终点的距离。利用所述距离信息以及计算的射线方向,能够计算本地空间中的射线开始位置,以便每条射线会开始于全局空间中的相同位置,尽管它可能在其对应体积之外。可把射线方向乘以在本地空间中的距离与在全局空间中的距离的比值,以确保在全局空间中,沿着每条射线的步长相同。随后能够计算在进入体积之前,和到退出所述体积为止,沿着所述射线的步数。
射线投射穿越示例
按照本公开的方法示例包括射线投射穿越(208)。根据最后的预穿越的输出,对于每个体积,图像平面中的每个像素的每条射线最好具有在本地空间中的开始位置,在本地空间中的射线方向,进入所述体积中之前的步数,和到退出所述体积为止的步数。由于射线开始位置和步长最好被校准,因此,在每一步,在全局空间中,射线保持在一致的位置,从而在每一步,沿着每条射线的样本位置在全局坐标系中保持一致。尽管能够在全局坐标系中沿着射线步进,不过这需要在每一步进行到每个体积的本地坐标系的高成本转换。通过首先在本地坐标系中步进,能够避免这种高成本运算。由于每条射线不是在从射线起点到终点的整个时间内都在其体积之内,因此在尝试对体积采样之前,最好检查该性质是否为真。由于在进入所述体积之前的步数信息,和到退出所述体积为止的步数信息已知,因此每次迭代时,可以检查经过的步数,以确认它是否在这两个界限内。如果是,那么可对对应的体积采样。最好对每个体积的射线进行这种检查。由于在每一步能够单独地对各个体积采样,因此能够结合各个体积的值,加以运算以提供期望的结果。
对绘制的体积的照明来说,由于可在每个体积的本地坐标系中遍历所述体积,因此光源位置和眼睛位置最好在每个体积的对应本地坐标系中。为了获得所述位置,可首先利用目前应用于各个体积的场景旋转的反转,旋转全局坐标系中的光源坐标和眼睛坐标。通过计算本地坐标空间和全局坐标空间中,每个体积的从边缘到边缘的距离,与全局坐标空间中从体积边缘到光源或眼睛位置的距离之间的基本比例,能够求解在本地坐标空间中的光源或眼睛位置。
GPU加速和绘制示例
按照本公开的方法示例可包括GPU加速和绘制(210)。用于多体积射线投射的架构示例可容易地映射到GPU,以便加速。体数据值可被保存在3D纹理中,从而对全局空间的引用指的是体积在3D场景中的物理位置,而其本地空间是就3D纹理坐标系来说的。为了在要求正面剔除的穿越期间恰当地绘制长方体,可在加载时检测在正面和背面的顶点的方向,以确保它们对数据集来说是一致的(逆时针方向)。对每个体积来说,其8个限界顶点可用于构成6个四边形,所述6个四边形可构成长方体体积。在实施方式示例中,可以使用无限制的浮点纹理,从而便于数值保持未定标(不限于[0,1]区间)。最好,可以使用多个绘制目标,以便能够同时输出一些穿越所要求的多个输出。纹理输出可被创建成绘制窗口的大小,代表最终的绘制图像平面。对于逐体积输出的值来说,可以创建每个体积的纹理输出。
下面详细说明把每个穿越映射到GPU的方法示例:
限界正面穿越示例:可以利用深度测试绘制体积框(volume box)。对于最接近虚拟照相机的每个片段,其在全局空间中的位置可被保存在输出纹理的RGB通道中。
逐体积正面穿越示例:可以单独绘制每个体积框的正面。对于每个片断,其在全局空间中的位置,和其在本地纹理坐标系中的位置被保存在两个输出纹理(每个体积)的RGB通道中。
逐体积反向穿越示例:在正面剔除(front face culling)开启的情况下,可以单独绘制每个体积框。利用前面的各次穿越的对应输出,可以计算每个体积的射线方向和射线开始位置(在本地纹理空间中)。这些结果可被保存在两个输出纹理的RGB通道中。可以计算进入体积范围的步数值和从所述体积范围退出的步数值,并保存在两个输出纹理(每个体积)的α通道中。
射线投射穿越示例:可以绘制单视区填充四边形,从在前次穿越中获得的两个输出纹理(每个体积)中,能够获得射线投射的信息。照明效果的光源和眼睛位置信息可作为每个体积的统一参数被传递(这些值不会每个体积逐个片段地变化)。
前列腺可视化的优化示例
本公开的各个方面可包括前列腺可视化的优化。关于一般的情形,说明了上述多体积射线投射的算法示例,其中待采样的区域不一定重叠。不过,对前列腺来说,关心的分割区域一般更有意义,所述关心的分割区域存在于每个体积中,因而,本公开的各个方面包括可对算法示例进行某些轻微简化。例如,对前列腺多体积绘制来说,可以进行穿越以下6个体积的采样,所述6个体积可包括:
1.T2加权直肠内轴位图像数据;
2.T2加权直肠内矢状位图像数据;
3.T2加权直肠内冠状位图像数据;
4.T1加权骨盆轴位图像数据
5.MRSI计算的比值;和
6.PZ和CG的分割。
不过,由于MRSI值和分割信息都可包含在具有与T2加权轴位图像数据相同的设置的体积中,因此4个体积可用所述预穿越进行处理。当进行射线投射时,由于对分割的区域可能更感兴趣,并且包括该信息的体积可能具有和T2加权轴位体积相同的本地坐标系,因此在每条射线上的位置可被跳过直到进入T2加权轴位体积之前的步数。另外,由于分割的区域通常存在于各个体积中,因此不需要在每一步检查射线位置当前是否位于每个体积之内。一旦到达分割区域,就可对体积采样,直到退出分割区域为止。一旦射线进行的步数超过退出T2加权轴位体积所需的步数,就可结束从该同一像素射出的射线的投射。
多模态明暗处理示例
按照本公开的方法示例还可包括处理208中的多模态明暗处理。在一个例子中,为了计算沿着射线的每一步的明暗,可以考虑数据集中出自5个体积的6个值(即,出自3个T2加权体积和1个T1加权体积的强度值,以及出自MRSI体积的2个比值)。明暗处理示例可用于利用明暗来指示各个部分是癌变还是正常。样本是应被标记成癌变还是标记成正常的决定可被看作一组if语句(如果语句)示例。例如,语句示例可包括“如果胆碱与肌氨酸的比值高于某个阈值,或者如果胆碱加肌氨酸与柠檬酸盐的比值高于一定水平,或者如果T2加权图像之一显示出降低的强度(并且如果对该区域来说,T1加权图像未显示出增大的强度),那么该区域可能是癌性的”。不过,这样的粗分类往往不适当。首先,对于每个区域,简单地选择或不选择癌症会易于出错,并且缺少从一个结果到另一种结果的任何渐变。另一个问题是在GPU的SIMD体系结构上,如此大量的动态分枝表现极差。相反,本公开的实施方式示例把射线投射算法映射到GPU,以利用其出众的处理能力。
为了克服这些限制,每个样本可被计分,该得分随后被变换成颜色,所述颜色有助于沿着射线的各个数值的积分。公式示例可以如下所示:
分数=MRSIA+MRSIB+T2A+T2S+T2C+T1A,
其中,在一个实施例中,变量可以定义为:
MRSIA=(比值A-MRSl阈值)×百分率×0.5
MRSIB=(比值B-MRSI阈值)×百分率×0.5
T2A=(T2阈值-T2axial)×0.333
T2S=(T2阈值-T2sagittal)×0.333
T2C=(T2阈值-T2coronal)×0.333
T1A=T1阈值-T1axial
比值A、比值B、T2axial、T2sagittal、T2coronal和T1axial可以分别是MRSI体积(比值A和B)、T2加权轴位体积、T2加权矢状位体积、T2加权冠状位体积和T1加权轴位体积的当前位置的样本值。阈值最初可被设定成默认值,不过可被用户修改,以考虑到MR数据的采集参数的变化。MRSI阈值可以在[0.0-4.0]的范围内调整。T2加权图像和T1加权图像可被窗口限制到[0.0-1.0]的范围,从而可在[0.0-1.0]的范围中调整它们的阈值。从该公式得到的得分越高,样本位置越可能来自癌变位置。对于体积值,可以使用阈值来区分某一数值是否被认为是癌性的。距所述阈值的距离可以与样本癌变的可能性成比例。
对MRSI来说,由于升高的比值指示癌症,因此阈值可以较低。对T2加权图像来说则相反,其中低于阈值的值指示可能恶性。由于出自T1加权图像的值一般不用于检测癌症,而是用于减少值较高的区域,因此关心的是小于阈值(通常是中间值)的值。对MRSI和T2加权值来说,那些单独的区段的得分可被加权,以便同一模态的各个部分的总和可为1。可以使用包括前列腺组织的MRSI体素的百分比,以便主要在前列腺之外的MRSI体素不具有同样的影响。这也可用于控制没有任何MRSI值的位置,否则所述位置会自动地对得分产生负面影响。
或者,本公开的实施例还可包括其它计分原理。例如,本公开的实施例可以提供使疾病可视化的计分体积的概念,并提供在单一的3D视图中观察所有3种多模态MR数据的方法。用户驱动的绘制便于根据用户的期望强调不同的信息。为此,在可见性保留方法示例中,当关心的得分会被其它得分遮蔽时,所述关心的得分能够自动保持可见性,而其它得分如果不遮蔽关心的得分的话则保持其正常的不透明度。为了处理前列腺周围解剖结构中的绘制,可以使用在GPU上加速的单次穿越多体积射线投射。计分体积也可被结合到基于2D切片的系统中。
该实施方式示例可包括创建计分体积。在计分体积的一个例子中,每个体素包括3个值,这3个值可以是分别对应于3种MR采集的得分。由于创建了利用所有3个正交的T2加权体积的单一计分体积,因此最好为接近于各向同性的每个T2加权体积创建上采样的标记图。通常,各种方法可利用迭代膨胀和侵蚀在整个体积内内插中间切片,从而保持各个分割(例如PZ和CG),以及腺体的面积。可以重复这种内插,直到切片间间隔不小于切片内间隔的2倍为止。这3个上采样的标记图随后可被结合,从而形成复合标记图,所述复合标记图考虑了来自所有3个T2加权体积的分割信息,具有0.75mm的切片间间隔。T1加权图像序列的标记图可被类似地上采样,产生1.5mm的切片间间隔。
本公开的实施例能够提供包括3个得分值的计分体积示例:基于T2加权图像的T2得分,基于T1加权图像的T1得分,和MRSI得分。T1和MRSI得分可以是二进制(二元)的,而T2得分可以是四进制(四元)的。用于计分体积的创建的输入可包括5个图像序列(例如,T2加权轴位前列腺扫描;T2加权矢状位前列腺扫描;T2加权冠状位前列腺扫描;T1加权轴位骨盆扫描;和MRSI轴位前列腺扫描),4个上采样的分割标记图,和复合标记图。
通过根据3种可用的MR模式,匹配前列腺区域的复合标记图体积的尺寸和分辨率,可以创建计分体积示例。可关于3种模式中的每一种单独生成得分:以从T2加权数据中检测癌症为基础的T2得分;以从T1加权数据中检测活检后出血的区域为基础的T1得分;和以从MRSI数据中检测指示在某个区域中发生癌症的可能性的化学比值增大的区域为基础的MRSI得分。
凭经验确定的阈值可用于决定每种模式的得分。通过把一组3个数据集用于训练和观察PZ的正常和异常区域的典型信号强度(T2的降低的信号强度,T1的增大的信号强度,MRSI中的升高的频谱),能够定义这些阈值。病理学结果可被用于确保进行的是源于已知包含癌症或出血的6针穿刺活检(sextant)的采样。可以如下创建得分示例,默认值为0。
T2得分(PZ):PZ中的降低的T2加权图像强度可以指示癌症,从而关心的是低于T2阈值的体素。由于可以使用T2加权数据的3个体积,可以对所有这3个体积采样,以利用每个体积的较高切片内分辨率。每个体积的得分可以贡献最终得分的1/3。
T1得分(PZ):前列腺中的T1加权图像强度的升高可指示活检后出血,从而,高于T1阈值的体素会是关心的体素。所述单个T1加权体积可形成最终的得分值。
MRSI得分(PZ和CG):MRSI数据中的光谱比值(spectroscopicratio)之一或者两者的增大可指示前列腺癌症。如果这两个比值任意之一高于MRSI阈值,那么体素可被计分为关心的体素。不同于T2和T1得分的计分系统,该计分系统可应用于PZ和CG两者。
T2得分(SV):与关于PZ的T2计分类似,SV中的降低的T2加权图像强度可指示癌症。不过,SV造成障碍,因为它们的壁(内壁和外壁)也是在T2加权强度降低的情况下出现的。考虑到此,可以使用三部分计分处理。首先,每个T2加权图像序列(轴位、矢状位和冠状位)可被单独计分。随后可用少量的体素,例如2个体素侵蚀它们各自的计分体积,以消除其边界。随后可以用贡献最终得分的1/3的每个单独得分,产生最终的SV得分。
PZ(前列腺包膜和CG)的相邻区域通常较暗,从而如果意外地被包括为PZ的一部分,那么会产生假阳性结果。考虑到这一点,最好不对边界体素计分。为了确保对于3个T2加权体积中的每一个采样均来自于正确的区域,对每个区域上采样标记图,并且最好只对其标记图指示该区域正确的体积进行采样。类似地,还可提供T1加权体积的上采样标记图,以确保当该体积被采样时,数值不是来自于前列腺之外。由于在T1加权数据中,紧邻前列腺的外部区域通常强度增大,因此如果被不正确采样的话,那么它们会被误认为出血的指示。当从上采样标记图采样时,可以使用三线性插值(trilinear interpolation),而当从原始MR数据集采样时,可以使用三元三次插值。
基于切片的可视化示例
创建的计分体积示例可被结合到基于2D切片的检视系统中,以通过把来自其它切片的信息呈现在正被检视的切片上,向放射技师提供检视切片的指导。对于正被检视的切片中的每个体素,可以找到出自计分体积的得分值,并将其重叠在灰度级图像上。尽管可以使计分体积与轴位T2加权图像序列对齐,不过计分体积可被内插,以获得针对其它图像序列中的对应像素的值。图11中表示了其例子,其中T2得分和T1得分分别以较暗的阴影图层(1102)和较亮的阴影图层(1104)表示。用户能够按需调整图层的不透明度。
可视化示例
医学图像的3D体绘制视图是使数据可视化,并获得对象之间的关系的良好感知的直观方法。在实施方式示例中,用户能够使前列腺区(前列腺体和精囊)和骨盆区中的周围解剖结构(膀胱、直肠和骨骼)可视化。对前列腺区来说,利用计分体积使用户可以显现肿瘤位置和出血位置。体绘制架构的输入是以下4个体积文件:
1.计分体积
2.复合标记图体积
3.T1加权骨盆体积的上采样标记图
4.T1加权骨盆MR体积
前列腺区体积(复合标记图和得分)可占据相同的体积空间。同样地,骨盆区体积(上采样标记图和MR值)可占据相同的体积空间。为了绘制周围的解剖结构,尤其是骨骼,最好利用骨盆区体积,与前列腺区体积相比,骨盆区体积包含大得多的区域。由于最好不把前列腺数据扩大到骨盆体积的相同大小,因此最好通过这两个体积空间进行多体积绘制。在作为绘制架构的输入之前,计分体积和标记图体积可被预处理。前列腺区体积可被修整,以便除去不存在标记的前列腺或SV的许多周围区域。可以进行这种修整,以便在关心的长方体区域周围保留3mm边界,从而所述边界会把其尺寸减小到原尺寸的15%。由于数据一直以在标记区域和非标记区域之间无平滑梯度的二元分割为基础,因此可以利用3×3×3均值滤波器对计分体积和两个标记图体积滤波,以改善绘制结果。
前列腺区示例
前列腺区的可视化示例可以基于对复合标记图体积和计分体积的使用。为了绘制腺体和SV的内部区域,可以对计分体积进行体绘制。计分体积可包括每个体素的与T2加权得分(指示PZ中的癌症)、T1加权得分(指示PZ中的出血)和MRSI得分(指示包含频谱体素的腺体中任意地方的癌症)对应的3个值。用户能够单独地,或者按需组合地检视每个值。对腺体的表面来说,可以直接使用复合标记图的半透明等值面绘制。
也可以使用得分值的颜色方案示例。例如,指示出血的较高T1得分可用红色表示。对于具有较高T2得分的区域,可以使用蓝色表示可疑的癌变区域的位置。对于MRSI得分,可以使用紫色来指示增大的比值。前列腺体本身可被绘制成半透明的褐色,而精囊可被绘制成半透明的绿色。控制腺体颜色(前列腺和SV)的传递函数可被应用于标记图体积,而用于得分颜色的传递函数可被应用于计分体积。在体绘制中,不使用T2加权数据本身。
可向用户提供绘制前列腺得分数据的两种标准选项,例如:
等值面得分视图:可以检视每个得分值的实心等值面(solid isosurface)。这种模式一般是利用每次的单一得分值完成的。在图12中可看到单独绘制的三个得分的例子。图12(a)是T2得分值的绘制示例,其中较暗的阴影指示癌症。图12(b)是T1得分值的绘制示例,其中较暗的阴影指示出血。图12(c)是MRSI得分值的绘制示例,其中较暗的阴影指示升高的比值。由于T2得分可以是四进制(四元)值,因此等值面可被设定成优选得分大于等于0.66(即,至少两个T2加权体积指示降低的信号)。
透明得分视图:当一起检视多个得分时,一般使用用户定义的按得分的透明度。如果用户想要了解不同得分(例如,癌症的T2得分和出血的T1得分)之间的关系,和观察不同得分之间的重叠,那么这是有益的。图13中表示了多种得分绘制和透明度的组合的例子。图13(a)-(c)是利用各种透明度表示的图12(a)-(c)的绘制示例。
精囊可以和前列腺一起被绘制。由于精囊内的唯一得分是T2得分,因此其着色依赖于前列腺的T2得分的着色,可以使用相同的蓝色。最好,用户可以对精囊保持独立的透明度控制。图14中表示了示出SV浸润的精囊的特写例子。
除了上面提及的前列腺计分体积的标准绘制之外,可以提供称为“可见性保留”的得分绘制。这种模式可在其它得分可能遮蔽所关心的得分时,帮助使所关心的得分(即,保留得分)保持可见。为此,可利用非保留得分的减小的颜色和不透明度值,累积第二体绘制积分。那么离散化的体绘制积分可包括如下的标准的前至后合成:
Cdst←Csrc×(1-αdst)+Cdst
αdst←αsrc×(1-αdst)+αdst
其中
CsrC←Cgland+CpersistentScore+COtherScores
αsrc←αgland+αpersistentScore+αOtherScores
(下标含义:gland,腺体;PersistentScore,保留得分;OtherScores,其他得分)
并且还可包括:
Cdst2←Csrc2×(1-αdst2)+Cdst2
αdst2←αsrc2×(1-αdst2)+αdst2
αscore←αPersistentScore×(1-αscore)+αsore(score:得分)
其中
Csrc2←Cglatd+CpersistentScore+0.1×COtherScores
αsrc2←αgland+αpersistemScore+0.1×αOtherScores
在体绘制积分的结尾,可如下合成最终输出颜色和不透明度:
Cdst←Cdst2×αscore+Cdst×(1-αscore)
αdst←αdst2×αscore+αdst×(1-αscore)
其中用于混合的αscore值可用于避免在保留得分周围的锯齿状晕轮效应。如图15中所示,这种方法示例能够完全维持得分和腺体之间的空间关系。与使一个得分透明,从而检视遮蔽在它之后的另一个得分相反,这种模式便于使被遮蔽的得分自动可见,而其它得分能够保持其完全不透明性,除非它们正遮蔽所关心的得分。图15(a)是T2(1502)和T1(1504)得分的正常等值面绘制的绘制示例。图15(b)是具有可见性保留的T2得分的绘制示例。图15(c)是允许检视T2得分的T1得分的透明绘制示例。在图15(c)的绘制示例中,在它不遮蔽T2得分的区域中,T1得分是非透明的。
周围解剖结构示例
当在绘制中包括周围解剖结构时,可以使用单次穿越多体积绘制。对于绘制的图像中的每个像素,对于前列腺区体积和骨盆区体积,均可计算射线开始位置和方向。沿着每条射线的步长可被调整为相同的步长,以便可以使沿着一条射线的步进与沿着另一条射线的步进相互关联。可以计算进入和退出每个体积的步数。由于骨盆区一般更大,完全包含较小的前列腺区,因此前列腺区中的样本位置也在骨盆区内,不过骨盆区内的多数样本点不在前列腺区内。因此,可以计算在射线到达前列腺区之前在骨盆区内的步数,射线在骨盆区和前列腺区这两者中的步数,和在前列腺区之后、但在退出骨盆区之前的步数。利用这些数值,可以穿越各个体积投射射线,并且在当前射线步进位置在正确范围内的时候,可对前列腺区采样。
骨盆和其它附近的骨骼占据骨盆区体积中的大部分区域。当不绘制骨骼时,可以计算剩余解剖结构(例如,膀胱和直肠)的最小和最大范围,可以使采样射线投射通过该限界框,从而把被遍历的区域的量降低到全尺寸的约10%。注意,前列腺区可在这两个对象之间,从而会被包含在其中,而不会被错过。
直肠(或者更恰当地说,直肠内线圈)可被绘制成半透明等值面1602。用户能够容易地观察直肠1602和前列腺表面1604之间的角度(参见图16)。类似于直肠,膀胱可被绘制成黄色半透明等值面。骨骼可被绘制成稍微灰白色的等值面。和前列腺区不同,控制骨盆区的颜色和不透明度值的传递函数可被应用于T1加权MR数据。
实施方式示例
按照本公开的实施例的实现示例可包括前列腺的MR成像的标准临床协议,其中对于每位患者,可以获得上面列出的5个MR序列。可在运行于具有4GB的RAM和NVIDIA FX 3700M视频卡的Core 2QuadQX93002.54GHz CPU上的系统上测试该方法示例。
图18表示按照本公开的系统的实施方式示例的方框图示例。例如,利用MRI 1880、硬件处理设备和/或计算设备1810和输入设备1890,可以执行或控制按照这里说明的本公开的程序示例。这样的处理/计算设备1810可以是例如整个计算机/处理器1820或其一部分,或者包括(但不限于)计算机/处理器1820,所述计算机/处理器1820可包括例如一个或多个微处理器,使用保存在计算机可访问介质(例如,RAM、ROM、硬盘驱动器或者其它存储设备)上的指令。最好,处理设备1810包括为进行高速图形运算而优化的GPU。
如图18中所示,例如,可以提供计算机可访问介质1830(例如,如上所述,诸如硬盘、软盘、记忆棒、CDROM、RAM、ROM之类的存储设备,或者它们的集合)(例如,与处理设备1810通信)。计算机可访问介质1830可包含可执行指令1840。附加地或者替代地,可以独立于计算机可访问介质1830提供存储设备1850,存储设备1850可向处理设备1810提供指令,以便把处理设备配置成执行例如如上所述的某些程序、处理和方法示例。
此外,处理设备示例1810可配备或者包括输入/输出设备1870,输入/输出设备1870可包括例如有线网络、无线网络、因特网、企业内部网,数据收集探头、传感器等。如图18中所示,处理设备示例1810可以与显示设备示例1860通信,按照本公开的一些实施方式示例,显示设备示例1860可以是配置成除了输出来自处理设备的信息之外,还向处理设备输入信息的触摸屏。此外,显示器示例1860和/或存储设备1850可用于按照用户可访问格式和/或用户可读格式,显示和/或保存数据。
用于体绘制的初始虚拟照相机定向可以是LPS(左后上方)定向,这是标准的DICOM定向。在场景周围的直观巡览可以利用以前列腺区的中心为基础的arcball旋转。射线投射可以利用GPU进行。标记图体积可被保存在RGBA纹理中,其中α分量指示RGB分量中某个值的存在。每个得分值或者分割标记可被保存在它自己的通道中,从而允许在决定样本点属于什么对象时,利用GPU的高效线性插值。
射线投射的步长取决于用户是否还检视周围的解剖结构。由于骨盆区体数据远远大于前列腺区,并且分辨率为一半,因此可以使用较大的步长来提高性能。当包括周围解剖结构时,可以使用0.5mm的步长。当只绘制前列腺区时,可以使用0.25mm的步长。可根据步长,调整沿着射线的样本的合成,以便在带有周围解剖结构的绘制和没有周围解剖结构的绘制之间,视图是一致的。可以利用随机抖动来减少木纹伪像。当绘制周围解剖结构时,可以使用早期射线终止(early ray termination)(α>0.95)。
该实施方式示例可包括4种基本计算处理。已知这4种标记图分割的情况下,则它们首先可被上采样。随后,3个上采样的T2加权标记图可被结合,从而形成复合标记图。所述复合标记图,连同原始的MR体积,随后可用于创建计分体积。最后,计分体积和复合标记图体积可被修理,并且这两者连同上采样的T1加权标记图被均值滤波,以改善绘制结果。
体绘制的性能随检视的区域和对象而变化。绘制保持交互性能。图17图示了具有不同性能的4种基本绘制类的(所有对象、无骨骼、仅仅前列腺和存留),及其用帧/秒(fps)表示的性能。这些图是以512×512像素的图像大小绘制的。
评估示例
尽管目前集中于开发CaP检测系统的可视化技术,不过可以对照ACRIN 6659研究结果,比较该计分系统示例。对这种研究示例来说,在穿刺活检(needle biopsy)之后4-6周,并在根治性前列腺切除术之前,对患者进行MR采集。针对前列腺的6针穿刺活检,都给出了放射技师和病理学家的判断。由于源于MRSI的结果很宽泛而不具体,因此在评估中考虑了T2得分和T1得分。
对于每个患者数据集,总共8位放射技师会检查MR数据,针对每次6针穿刺活检,判定癌症和出血的存在。对癌症判定来说,可以使用用1-5度量的评级,其中1肯定地指示没有癌症,而5肯定地指示癌症。对比较示例来说,最低评级和最高评级不被使用,剩余的6个评级被平均,3以上的评级可指示癌症。对判定出血来说,放射技师的结果可被作为标准,因为该结果不是由病理学分析指示的。对癌症的判定来说,放射技师的结果可用于比较。
如果有切除的前列腺,那么可对它进行病理分析,并且针对前列腺中的癌症报告病理分析结果,这同样是针对每次6针穿刺活检。病理学报告还可指示是否存在精囊浸润。病理学结果(前列腺中的癌症判定和精囊浸润)可被作为评估系统示例的标准。
表1-3中总结了该系统示例对3个数据集测试的结果。对6针穿刺活检中的癌症判定来说(表1),系统示例的结果好于放射技师的结果。检测SV浸润的方法示例的结果示例示于表2中。对出血的检测来说(表3),
简单的阈值法相当高效。
表1:前列腺中的癌症的6针穿刺活检评估(病理学分析确实为真)
表2:癌浸润的精囊评估(病理学分析确实为真)
精囊浸润 | 病理学(#病例) | T2得分(#正确) |
是 | 2 | 1 |
否 | 1 | 0 |
表3:出血的6针穿刺活检评估(放射技师的判定确实为真)
图6中图解说明了(显示检测的癌症602的)多体积多模态绘制系统示例的图形用户界面(GUI)的屏幕截图示例。由于在数据集之间,准确的采集参数会变化,因此在界面的右侧设置允许用户交互地调整3个阈值的3个滑块604、606、608。为了减少绘制中的采样伪像,与Nyquist-Shannon采样定理一致地使用0.25mm的步长(数据的最高分辨率约为0.5mm).
在图7(a)中可看到该绘制架构示例的结果示例。对根治性前列腺切除术标本进行的病理学分析,例如,在绘制示例中突出表示成“可疑”的左中和右中腺体和底部区域中发现高得分的Gleason 7癌症。另外观察到在顶点顶部的假阳性部分。
图7(b)-(c)表示修改阈值如何影响绘制的图像。由于z方向的低分辨率,绘制的视图会有一点呈现阶梯状外形,其中可以看到切片之间的边界。图7(b)图示了在表示成可疑的较少区域中,增大MRSI比值阈值的绘制示例。图7(c)图示了在表示成可疑的更多区域中,增大T2加权阈值结果的绘制示例。如果更喜欢平滑的外观,那么在分割周围可以拟合平滑表面。为了增大z分辨率,还可利用技术示例插入切片,所述切片也可被分割,以平滑PZ和CG之间的边界。尽管在每个点最好对几个体积采样,并计算得分,以获得传递函数的索引,不过小尺寸的体积和高效的计分等式例如允许在512×512像素的绘制视图中,以约12帧/秒的交互帧速率绘制图像。该系统示例的编码可以用C++编写,可以把OpenGL和Cg顶点着色器(vertex shader)和片断着色器(fragment shader)用于可视化。该方法示例可在运行于具有4GB的RAM和NVIDIA FX 3700M视频卡的Core 2Quad QX93002.54GHz CPU上的系统上测试。
本公开的另一个实施方式示例可提供一种在把多个视图结合成单一的复合标记图,以产生更平滑和更逼真的绘制之前,对前列腺分割标记图切片上采样的方法。最好,方法的示例包括三元分割,从而能够提供基于三元形状的分割插值方法示例,其中已知区域可被膨胀到未知区域中,从而在内插切片中形成最终形状。最好,来自多个标记图的信息可被用于创建最终的上采样标记图。所述方法示例可快速、容易地实现,并且适合于CaP可视化需要。
上采样方法示例
按照本公开的另一个实施方式示例,可提供一种上采样方法示例。例如,可以使用近似正交的3个T2加权图像序列,以便通过分割和上采样获得的最终形状可以尽可能地精确。具体地说,使用的3个扫描可以是例如T2加权直肠内轴位扫描、T2加权直肠内冠状位扫描和T2加权直肠内矢状位扫描。图8图示了这些扫描中的每个扫描的样本切片。图8(a)图示了T2加权直肠内轴位切片示例。图8(b)图示了T2加权直肠内矢状位切片示例。图8(c)图示了T2加权直肠内冠状位切片示例。图4中利用轴位切片(408)、矢状位切片(402)和冠状位切片(406),表示了这些扫描之间的关系。另外还图示了T1加权切片(404)。对这些T2加权图像序列来说,能够以大约0.55mm的切片内间隔和3mm的切片间间隔获得数据。可在患者不移动的情况下,在单一检查期间内获得这些扫描,从而可以利用它们的位置和定向信息自然对齐这些扫描。
3种定向的T2加权数据(例如,轴位、冠状位和矢状位)的分割体积可以是上采样方法示例的输入。这些分割最好采取三元标记图的形式。这些标记图体积可包括三元分割信息,而不是简单的二元分割,因为可以考虑到前列腺的带状解剖结构。每个标记的体素可被指示成不属于前列腺,属于PZ区,或者属于腺体上的剩余部分。所述剩余部分可包括CG区和肌纤维间质,不过,该标记区将被简单地称为CG区。
通过利用源于DICOM数据的图像位置、分辨率和定向信息,可以使图像体相对于彼此在3D空间中恰当地对齐。图4(b)中表示了一个数据集的4个图像序列的这种精确对齐的例子。由于这种对齐,配准不是必需的,从而在这3个体积之间能够容易地找出对应的体素位置。在本公开的其它实施例中,图像序列可能是在不止一个检查期间中获得的,或者在单一成像期期间的各个序列内,患者可能已移动。在这些情况下,对这些图像来说,通常可取的是按照各种配准处理,配准这些图像。
标记图上采样示例
图19中图示了按照本公开的实施方式示例的上采样方法示例。该上采样方法示例的第一部分可包括通过内插新切片以把切片间间隔减小到切片内间隔的水平,来沿着每个T2加权三元标记图体积的z轴,单独地对T2加权三元标记图体积上采样。三元分割可被编码成如下所示的体素:不属于前列腺的体素可被赋予值0,属于PZ的体素可被赋予值10,属于CG的体素可被赋予值30。当结束时,该上采样示例的结果同样包括这3个值。本公开的实施例能够提供一种以迭代侵蚀和膨胀为基础的简单方法,所述迭代侵蚀和膨胀将把该三元数据考虑在内,从而保持整个腺体的形状,以及各个带状区的形状。
可在原始标记图体积中的每对相邻切片的中间,创建内插切片(1902)。算法示例可包括对将创建的内插切片进行的4个步骤。可按需重复这4个步骤,以把体积的切片间间隔减小到切片内间隔的水平。在下面的说明中,术语“相邻体素”的使用指的是出自两个相邻切片的两个相邻体素。即,已知两个切片A和B,对A和B之间的内插切片AB来说,内插切片中的位置为(x,y)的像素vAB可包括分别在切片A和B中的位置为(x,y)的两个相邻体素vA和vB。
该算法示例中的第一步骤可以是对内插切片中的体素进行初始标记(方框1904)。对内插切片中的体素vAB来说,其值可被设定成两个相邻体素vA和vB的平均数。如果两个相邻的体素都被标记成非前列腺,那么对应的内插体素可能也是非前列腺,从而被正确地标记为0。如果两个相邻的体素是PZ或CG,那么对应的内插体素可能也是PZ或CG,从而被正确地分别标记为10或30。如果一个相邻体素是PZ,而另一个是CG,那么内插体素可能在前列腺中,不过至今仍未判定其是应标记为PZ,还是标记为CG(其当前值被设定为20)。如果内插体素在前列腺体素和非前列腺体素之间,那么它将被标记为不确定(值为5或15),将被进一步处理。
第二步骤可以是被标记为不确定的区域(标记为5或15),即,可能在前列腺之内或之外的区域的侵蚀(方框1906)。如果某个区域已知属于前列腺,那么它可被认为是确定的(注意,必然属于前列腺,不过可能是PZ或CG的体素被认为是确定的,但未被判定)。通过反复把确定区域膨胀到不确定区域中,可以侵蚀不确定区域。在该步骤之后,内插切片中的体素可被标记成4种确定类型之一。注意未判定的体素(标记为20)也可被膨胀,以便它们从其初始位置向外生长。
第三步骤可包括把体素重新标记成属于PZ或CG(方框1908)。对第三步骤来说,可以对未判定的体素(标记为20)作出决定。由于在前一步骤中该区域长大,因此这些未判定的体素中的一些,例如,现有具有在一个相邻切片中的前列腺标记,和在另一个相邻切片中的非前列腺标记。由于这些体素可能包含在前列腺内,因此可用来自其对应的前列腺邻居的PZ或CG标记(值为10或30)来标注它们。
z分辨率上采样示例的下一个步骤可以是进一步侵蚀属于前列腺,但是还未被标记为PZ或CG的剩余未判定体素(标记为20)(方框1910)。可类似于上面的第二步骤侵蚀这些体素,不过最好允许PZ标记(值为10)和CG标记(值为20)生长到它们中,因为已知所述体素属于前列腺,从而最好不允许非前列腺体素(值为0)生长到它们中。在该步骤之后,前列腺中的体素最好被标记成属于PZ或者CG。
在这4个步骤之后,体素最好被标记为或者非前列腺(值为0),或者PZ区(值为10),或者CG区(值为30),从而保持标记图的3元状态。为了避免间隙,相对于常规的基于二元形状的插值方法,优选该方法示例。如果单独地内插每个前列腺区域(PZ和CG),那么在作为结果的内插标记图中会出现应被前列腺覆盖的间隙。图9(a)-(d)中表示了这种问题的一个例子。图9(a)-(d)图示了三元标记图插值示例的图解。在图9(a)-(d)中,PZ标记被图示为904,CG被图示为902。图9(a)和(b)图示了出自原始标记图体积的两个相邻切片。图9(c)图示了在PZ区和CG区被单独内插的情况下的内插切片,导致本应存在前列腺的较大缺失区域。图9(d)图示了本三元方法示例的结果示例,其中整个前列腺分割的形状被保持,不缺少任何前列腺区域。
复合标记图示例
上采样算法示例的第二部分包括创建复合的上采样标记图体积。通过利用通常正交的数据集的良好切片内分辨率,源于T2加权数据的这3个上采样的标记图体积可用于创建复合体积。即,轴位体积可被作为xyz的规范定向,从而在x和y方向具有良好的分辨率,不过在z方向分辨率较差,从而在z维度,分割可能稍微不精确。不过,冠状位体积在x和z方向具有良好的分辨率,而矢位状体积在y和z方向具有良好的分辨率。这样,每个维度可用源于两个体积的良好的切片内分辨率数据完成。
对于这种复合标记图示例,轴位T2加权上采样标记图可用作坐标系。对复合体中的每个体素来说,利用出自3个上采样标记图的标记图值,可以计算平均标记图。其中两个或者所有三个分割相一致的区域被保持。即,3个上采样标记图中的至少两个最好都认为体素位于前列腺内,以使该体素能够被标记成在前列腺内,从而有助于消除离群值。这种复合标记图能够产生前列腺体积的更精确和视觉上舒适的表达。
在图10中对于一个数据集图示了简单的前列腺上采样示例的实现示例的结果示例。对每个序列(例如,轴位、矢状位和冠状位)来说,源于原始图像序列的体素间隔为0.55×0.55×3mm。对于这种数据分辨率,对3个T2加权图像体中的每一个来说,可以进行两次上采样插值,从而产生0.75mm的切片间分辨率。图10(a)图示了源于T2加权轴位图像序列的原始分割前列腺的等值面绘制。由于切片间间隙较大,可以看到每个切片分割处的明显台阶。图10(b)图示了通过单独对轴位序列上采样得到的结果示例的绘制,人为台阶已大大减小,不过仍然稍有干扰。图10(c)图示了基于对轴位序列、矢状位序列和冠状位序列的上采样的组合得到的最终复合分割的绘制。带小平面的人为台阶被进一步减小,由于矢状位视图和冠状位视图对形状的影响,前列腺的整个形状更饱满和精确。
上面仅仅图解说明了本公开的原理。鉴于这里的教导,对本领域的技术人员来说,对所述实施例的各种修改和变更将是明显的。从而可以理解本领域的技术人员能够想出尽管这里未明确图示或说明,但是具体体现本公开的原理,从而在本公开的精神和范围内的众多系统、设备和程序。另外,上面引用的所有出版物和参考文献可通过引用整体合并于此。应明白这里说明的程序示例可被保存在任何计算机可访问介质上,包括硬盘驱动器、RAM、ROM、可拆卸磁盘、CD-ROM、记忆棒等,可由处理设备和/或计算设备执行,所述处理设备和/或计算设备可以是和/或包括硬件处理器、微处理器、小型机、大型机、主机等,包括前述之中的多个和/或它们的组合。另外,本公开(包括说明书、附图和权利要求)中使用的某些术语在某些情况下可以同义地使用,例如包括(但不限于)数据和信息。应明白虽然这里可以同义地使用这些用语和/或相互同义的其它用语,不过存在并不打算同义地使用这样的用语的情况。此外,就现有技术在上面未被明确地通过引用合并于此来说,现有技术可被明确地整体包含于此。引用的所有出版物可通过引用整体合并于此。
Claims (30)
1.一种检测前列腺的疾病的方法,包括
接收利用至少一种采集模式获得的图像数据集;
从所述数据集中分割包括前列腺的关心区域;
应用保角映射,把所述关心区域映射到规范的形状;
利用规范映射的数据集,生成前列腺的3D影像;和
对规范映射的体积应用计算机辅助检测(CAD),以检测器官的疾病区。
2.按照权利要求1所述的方法,其中所述疾病包括癌症。
3.按照权利要求1所述的方法,其中所述数据集包括利用至少两种不同的采集模式获得的多个数据集。
4.按照权利要求1所述的方法,还包括配准所述多个数据集。
5.按照权利要求1所述的方法,还包括使所述多个数据集相互关联。
6.按照权利要求1所述的方法,其中所述计算机辅助方案包括电子活检。
7.按照权利要求1所述的方法,其中所述保角映射还包括纹理分析的使用。
8.一种器官的体绘制方法,包括:
接收利用至少两种采集模式获得的多个数据集;
分割所述多个数据集,以定义关心区域;
执行多体积射线投射算法;
进行多模态明暗处理;
利用边界预穿越和所述多体积射线投射算法,处理所述多个数据集;
利用处理后的所述多个数据集,生成所述器官的图像;和
利用计算机辅助检测设备,检测所述器官的疾病。
9.按照权利要求8所述的方法,其中所述多个数据集包括T2加权直肠内轴位扫描、T2加权直肠内矢状位扫描、T2加权直肠内冠状位扫描、T1加权骨盆轴位扫描和MRSI中的至少一个。
10.按照权利要求8所述的方法,其中所述分割包括人工分割所述多个数据集的至少一部分。
11.按照权利要求8所述的方法,还包括上采样所述多个数据集的至少一部分,以创建上采样体积,和利用所述上采样体积生成所述图像。
12.按照权利要求8所述的方法,其中所述多体积射线投射算法包括配置成识别每条射线的方向和/或每条射线的步长的多次边界预穿越。
13.按照权利要求12所述的方法,其中所述多次边界预穿越识别每条射线在全局空间中的开始位置和/或每条射线在本地空间中的开始位置。
14.按照权利要求8所述的方法,其中所述多体积射线投射算法包括借助单次遍历进行射线投射的单次穿越。
15.按照权利要求8所述的方法,还包括提取所述多个数据集,和结合多个图像,从而形成多个体积。
16.按照权利要求8所述的方法,其中提取所述多个数据集包括在全局空间中对齐各个体积。
17.按照权利要求8所述的方法,其中所述器官是前列腺。
18.按照权利要求15所述的方法,还包括对各个体积计分,以使疾病的诊断更容易。
19.按照权利要求16所述的方法,其中所述疾病是癌症。
20.按照权利要求11所述的方法,其中所述上采样包括创建两个相邻切片之间的内插切片。
21.按照权利要求20所述的方法,其中所述上采样包括标记所述内插切片的至少一些体素。
22.按照权利要求21所述的方法,其中所述上采样包括侵蚀标记成未判定或不确定的至少一些体素。
23.按照权利要求8所述的方法,还包括把生成的图像的至少多个部分分类成癌变或正常中的至少一种。
24.按照权利要求23所述的方法,其中所述分类包括对处理后的数据集的至少一部分计分。
25.按照权利要求8所述的方法,还包括创建包括至少一个得分的计分体积,每个得分与T2加权图像、T1加权图像或MRSI图像中的至少一个关联。
26.按照权利要求25所述的方法,其中至少部分根据所述计分体积生成所述图像。
27.按照权利要求8所述的方法,还包括把所述多个数据集处理成至少一个3维纹理。
28.按照权利要求27所述的方法,其中所述3维纹理包括长方体体积。
29.一种器官的多模态体绘制系统,包括:
配置成获得利用至少一种采集模式获得的图像数据集的成像设备;和
配置成从所述数据集中分割包括前列腺的关心区域,应用保角映射把所述关心区域映射到规范形状,利用规范映射的数据集,生成前列腺的3D影像,和对规范映射的体积应用计算机辅助检测(CAD),以检测器官的疾病区的计算设备。
30.一种包括指令的非临时性计算机可读介质,所述指令可被硬件处理设备访问,其中当处理设备执行所述指令时,所述处理设备被配置成:
接收利用至少一种采集模式获得的图像数据集;
从所述数据集中分割包括前列腺的关心区域;
应用保角映射,把所述关心区域映射到规范形状;
利用规范映射的数据集,生成前列腺的3D影像;和
对规范映射的体积应用计算机辅助检测(CAD),以检测器官的疾病区。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US29745410P | 2010-01-22 | 2010-01-22 | |
US61/297,454 | 2010-01-22 | ||
PCT/US2011/022285 WO2011091378A1 (en) | 2010-01-22 | 2011-01-24 | System and method for prostate visualization and cancer detection |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102947840A true CN102947840A (zh) | 2013-02-27 |
Family
ID=44307266
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201180015251.1A Pending CN102947840A (zh) | 2010-01-22 | 2011-01-24 | 前列腺可视化和癌症检测的系统和方法 |
Country Status (7)
Country | Link |
---|---|
US (1) | US8995736B2 (zh) |
EP (1) | EP2526509A1 (zh) |
JP (1) | JP5687714B2 (zh) |
CN (1) | CN102947840A (zh) |
AU (1) | AU2011207453A1 (zh) |
CA (1) | CA2787316A1 (zh) |
WO (1) | WO2011091378A1 (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104835169A (zh) * | 2015-05-15 | 2015-08-12 | 三爱医疗科技(深圳)有限公司 | 一种前列腺图像融合方法 |
CN106548476A (zh) * | 2016-11-25 | 2017-03-29 | 天津工业大学 | 利用医学图像统计肺部三维特征形状方法 |
CN106778005A (zh) * | 2016-12-27 | 2017-05-31 | 中南民族大学 | 基于多参数mri的前列腺癌计算机辅助检测方法及系统 |
CN107169919A (zh) * | 2016-03-08 | 2017-09-15 | 西门子保健有限责任公司 | 用于3d医学体积的加速读取的方法和系统 |
CN110022766A (zh) * | 2016-11-06 | 2019-07-16 | Dde核磁共振成像解决方案有限公司 | 组织的弥散椭球映射 |
WO2019200745A1 (zh) * | 2018-04-20 | 2019-10-24 | 平安科技(深圳)有限公司 | Mri病变位置检测方法、装置、计算机设备和存储介质 |
CN112545480A (zh) * | 2019-09-26 | 2021-03-26 | 北京赛迈特锐医疗科技有限公司 | 在mri上检测前列腺和精囊腺良性病变的系统及方法 |
CN113679373A (zh) * | 2020-05-15 | 2021-11-23 | 佳能医疗系统株式会社 | 磁共振成像装置、方法以及存储介质 |
US11657508B2 (en) | 2019-01-07 | 2023-05-23 | Exini Diagnostics Ab | Systems and methods for platform agnostic whole body image segmentation |
US11894141B2 (en) | 2016-10-27 | 2024-02-06 | Progenics Pharmaceuticals, Inc. | Network for medical image analysis, decision support system, and related graphical user interface (GUI) applications |
US11900597B2 (en) | 2019-09-27 | 2024-02-13 | Progenics Pharmaceuticals, Inc. | Systems and methods for artificial intelligence-based image analysis for cancer assessment |
US11937962B2 (en) | 2019-04-24 | 2024-03-26 | Progenics Pharmaceuticals, Inc. | Systems and methods for automated and interactive analysis of bone scan images for detection of metastases |
Families Citing this family (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2011207453A1 (en) * | 2010-01-22 | 2012-08-02 | The Research Foundation Of The State University Of New York | System and method for prostate visualization and cancer detection |
DE102011076930A1 (de) * | 2011-06-03 | 2012-12-06 | Siemens Aktiengesellschaft | Verfahren und Vorrichtung zur Anpassung der Darstellung von Volumendaten eines Objektes |
JP5827831B2 (ja) * | 2011-07-06 | 2015-12-02 | 日立アロカメディカル株式会社 | 超音波画像処理装置 |
JP6084976B2 (ja) * | 2011-09-06 | 2017-02-22 | ユニバーシティ オブ フロリダ リサーチ ファウンデーション インコーポレイテッド | 組織内の異常物質の存在を検出するシステム及び方法 |
CN107822690B (zh) * | 2012-05-25 | 2020-10-02 | 外科手术室公司 | 具有不用手的控制的混合图像/场景再现器 |
US9375195B2 (en) | 2012-05-31 | 2016-06-28 | Siemens Medical Solutions Usa, Inc. | System and method for real-time ultrasound guided prostate needle biopsy based on biomechanical model of the prostate from magnetic resonance imaging data |
US9269156B2 (en) | 2012-07-24 | 2016-02-23 | Siemens Aktiengesellschaft | Method and system for automatic prostate segmentation in magnetic resonance images |
RU2662868C2 (ru) * | 2013-03-26 | 2018-07-31 | Конинклейке Филипс Н.В. | Аппарат поддержки для поддержки пользователя в диагностическом процессе |
JP6145875B2 (ja) * | 2013-07-31 | 2017-06-14 | 富士フイルム株式会社 | 医用画像表示制御装置およびその作動方法並びに医用画像表示制御プログラム |
CN105593902A (zh) * | 2013-09-30 | 2016-05-18 | 皇家飞利浦有限公司 | 用于自动可变形配准的方法和系统 |
US9892506B2 (en) * | 2015-05-28 | 2018-02-13 | The Florida International University Board Of Trustees | Systems and methods for shape analysis using landmark-driven quasiconformal mapping |
US10338795B2 (en) * | 2015-07-25 | 2019-07-02 | Lightlab Imaging, Inc. | Intravascular data visualization and interface systems and methods |
CN105701860A (zh) * | 2016-02-29 | 2016-06-22 | 江苏美伦影像系统有限公司 | 一种体绘制方法 |
JP6805736B2 (ja) * | 2016-11-07 | 2020-12-23 | 富士通株式会社 | 類似症例画像検索プログラム、類似症例画像検索装置及び類似症例画像検索方法 |
US10726608B2 (en) * | 2016-11-23 | 2020-07-28 | 3D Systems, Inc. | System and method for real-time rendering of complex data |
KR102049319B1 (ko) * | 2017-02-07 | 2019-11-27 | 연세대학교 산학협력단 | 전립선암 진단에 관한 정보제공방법 |
US11464568B2 (en) * | 2017-05-10 | 2022-10-11 | Best Medical International, Inc. | Customizable saturation biopsy |
US20190046106A1 (en) * | 2017-08-08 | 2019-02-14 | Carlton R. Pennypacker | Photoacoustic detection of psma |
CN111344801B (zh) * | 2017-11-22 | 2023-10-27 | 通用电气公司 | 针对前列腺癌的多模态计算机辅助诊断系统和方法 |
US20200342600A1 (en) * | 2018-01-08 | 2020-10-29 | Progenics Pharmaceuticals, Inc. | Systems and methods for rapid neural network-based image segmentation and radiopharmaceutical uptake determination |
JP7131080B2 (ja) * | 2018-05-28 | 2022-09-06 | 大日本印刷株式会社 | ボリュームレンダリング装置 |
JP7451098B2 (ja) | 2019-06-26 | 2024-03-18 | キヤノン株式会社 | 画像処理装置、画像処理方法及びプログラム |
US11803939B2 (en) * | 2021-04-28 | 2023-10-31 | Shanghai United Imaging Intelligence Co., Ltd. | Unsupervised interslice super-resolution for medical images |
CN113222933B (zh) * | 2021-05-13 | 2023-08-04 | 西安交通大学 | 一种应用于肾细胞癌全链条诊断的图像识别系统 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6697538B1 (en) * | 1999-07-30 | 2004-02-24 | Wisconsin Alumni Research Foundation | Apparatus for producing a flattening map of a digitized image for conformally mapping onto a surface and associated method |
US20060013505A1 (en) | 2002-11-06 | 2006-01-19 | Shing-Tung Yau | Analysis of geometric surfaces by comformal structure |
EP1895901A2 (en) | 2005-06-22 | 2008-03-12 | The Research Foundation of State University of New York | System and method for computer aided polyp detection |
US8204315B2 (en) * | 2006-10-18 | 2012-06-19 | The Trustees Of The University Of Pennsylvania | Systems and methods for classification of biological datasets |
US8073214B2 (en) * | 2007-05-14 | 2011-12-06 | Siemens Aktiengesellschaft | Computer aided lesion assessment in dynamic contrast enhanced breast MRI images |
US8339391B2 (en) | 2007-07-27 | 2012-12-25 | Siemens Medical Solutions Usa, Inc. | Method and system for direct rendering of multi-volume data |
US8666128B2 (en) * | 2007-10-18 | 2014-03-04 | The University Of North Carolina At Chapel Hill | Methods, systems, and computer readable media for mapping regions in a model of an object comprising an anatomical structure from one image data set to images used in a diagnostic or therapeutic intervention |
AU2011207453A1 (en) * | 2010-01-22 | 2012-08-02 | The Research Foundation Of The State University Of New York | System and method for prostate visualization and cancer detection |
-
2011
- 2011-01-24 AU AU2011207453A patent/AU2011207453A1/en not_active Abandoned
- 2011-01-24 WO PCT/US2011/022285 patent/WO2011091378A1/en active Application Filing
- 2011-01-24 JP JP2012550199A patent/JP5687714B2/ja active Active
- 2011-01-24 CN CN201180015251.1A patent/CN102947840A/zh active Pending
- 2011-01-24 US US13/574,438 patent/US8995736B2/en active Active - Reinstated
- 2011-01-24 EP EP11735322A patent/EP2526509A1/en not_active Withdrawn
- 2011-01-24 CA CA2787316A patent/CA2787316A1/en not_active Abandoned
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104835169A (zh) * | 2015-05-15 | 2015-08-12 | 三爱医疗科技(深圳)有限公司 | 一种前列腺图像融合方法 |
CN107169919A (zh) * | 2016-03-08 | 2017-09-15 | 西门子保健有限责任公司 | 用于3d医学体积的加速读取的方法和系统 |
US11894141B2 (en) | 2016-10-27 | 2024-02-06 | Progenics Pharmaceuticals, Inc. | Network for medical image analysis, decision support system, and related graphical user interface (GUI) applications |
CN110022766A (zh) * | 2016-11-06 | 2019-07-16 | Dde核磁共振成像解决方案有限公司 | 组织的弥散椭球映射 |
CN106548476B (zh) * | 2016-11-25 | 2019-11-12 | 天津工业大学 | 利用医学图像统计肺部三维特征形状方法 |
CN106548476A (zh) * | 2016-11-25 | 2017-03-29 | 天津工业大学 | 利用医学图像统计肺部三维特征形状方法 |
CN106778005B (zh) * | 2016-12-27 | 2019-06-07 | 中南民族大学 | 基于多参数mri的前列腺癌计算机辅助检测系统 |
CN106778005A (zh) * | 2016-12-27 | 2017-05-31 | 中南民族大学 | 基于多参数mri的前列腺癌计算机辅助检测方法及系统 |
WO2019200745A1 (zh) * | 2018-04-20 | 2019-10-24 | 平安科技(深圳)有限公司 | Mri病变位置检测方法、装置、计算机设备和存储介质 |
US11657508B2 (en) | 2019-01-07 | 2023-05-23 | Exini Diagnostics Ab | Systems and methods for platform agnostic whole body image segmentation |
US11941817B2 (en) | 2019-01-07 | 2024-03-26 | Exini Diagnostics Ab | Systems and methods for platform agnostic whole body image segmentation |
US11937962B2 (en) | 2019-04-24 | 2024-03-26 | Progenics Pharmaceuticals, Inc. | Systems and methods for automated and interactive analysis of bone scan images for detection of metastases |
CN112545480A (zh) * | 2019-09-26 | 2021-03-26 | 北京赛迈特锐医疗科技有限公司 | 在mri上检测前列腺和精囊腺良性病变的系统及方法 |
CN112545480B (zh) * | 2019-09-26 | 2022-11-25 | 北京赛迈特锐医疗科技有限公司 | 在mri上检测前列腺和精囊腺良性病变的系统及方法 |
US11900597B2 (en) | 2019-09-27 | 2024-02-13 | Progenics Pharmaceuticals, Inc. | Systems and methods for artificial intelligence-based image analysis for cancer assessment |
CN113679373A (zh) * | 2020-05-15 | 2021-11-23 | 佳能医疗系统株式会社 | 磁共振成像装置、方法以及存储介质 |
CN113679373B (zh) * | 2020-05-15 | 2024-03-26 | 佳能医疗系统株式会社 | 磁共振成像装置、磁共振成像方法以及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
JP5687714B2 (ja) | 2015-03-18 |
US20130034282A1 (en) | 2013-02-07 |
WO2011091378A1 (en) | 2011-07-28 |
EP2526509A1 (en) | 2012-11-28 |
JP2013517845A (ja) | 2013-05-20 |
AU2011207453A1 (en) | 2012-08-02 |
CA2787316A1 (en) | 2011-07-28 |
US8995736B2 (en) | 2015-03-31 |
AU2011207453A2 (en) | 2012-08-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102947840A (zh) | 前列腺可视化和癌症检测的系统和方法 | |
US8335359B2 (en) | Systems, apparatus and processes for automated medical image segmentation | |
CN101441767B (zh) | 图像诊断处理设备 | |
US7746340B2 (en) | Method and apparatus for generating a 2D image having pixels corresponding to voxels of a 3D image | |
US8355553B2 (en) | Systems, apparatus and processes for automated medical image segmentation using a statistical model | |
US8423124B2 (en) | Method and system for spine visualization in 3D medical images | |
US9478022B2 (en) | Method and system for integrated radiological and pathological information for diagnosis, therapy selection, and monitoring | |
RU2419882C2 (ru) | Способ визуализации секущих плоскостей для изогнутых продолговатых структур | |
CN110853743A (zh) | 医学影像的显示方法、信息处理方法及存储介质 | |
CN106570930A (zh) | 一种基于三维超体素描述的数字化生理生物体建模方法 | |
CN112215799A (zh) | 一种磨玻璃肺结节自动分类方法及系统 | |
CN111105414A (zh) | 处理方法、交互方法、显示方法及存储介质 | |
CN110298915A (zh) | 一种引入散射模型的快速体绘制三维超声图像重建算法 | |
CN111563876B (zh) | 一种医学影像的获取方法、显示方法 | |
US20070286336A1 (en) | Method for the processing of radiological images for a detection of radiological signs | |
Rickman et al. | The growing role for semantic segmentation in urology | |
US9767550B2 (en) | Method and device for analysing a region of interest in an object using x-rays | |
CN101540051A (zh) | 图像诊断支持处理装置以及图像诊断支持处理程序产品 | |
CN1692377B (zh) | 形成人体结构的独立显影的方法和设备 | |
Subramanian et al. | Interactive detection and visualization of breast lesions from dynamic contrast enhanced MRI volumes | |
Wan et al. | Interactive electronic biopsy for 3D virtual colonscopy | |
Mörth et al. | ParaGlyder: Probe-driven interactive visual analysis for multiparametric medical imaging data | |
CN111563877B (zh) | 一种医学影像的生成方法及装置、显示方法及存储介质 | |
CN100543774C (zh) | 用于结肠壁提取的系统和方法 | |
CN110022766A (zh) | 组织的弥散椭球映射 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20130227 |