CN103037768A - 用于处理图像的方法和设备以及采用该设备的医学图像系统 - Google Patents

Abstract

提供了一种处理图像的方法。所述方法包括：从放射图像估计包括至少两种物质的预定对象的总厚度，放射图像具有至少两个能带并从对象获得；通过将估计的总厚度与放射图像的局部区域的厚度进行比较，并根据比较结果提取关注区域，来产生诊断图像。

Description

用于处理图像的方法和设备以及采用该设备的医学图像系统

技术领域

以下公开涉及一种用于处理图像的方法和设备以及采用该设备的医学图像系统。

背景技术

一般而言，预定对象的放射图像，例如，X射线图像由X射线的透射确定。X射线的透射根据对象的类型和密度以及X射线的能带而不同。因此，仅使用一张X射线图像可能不能容易地识别对象。具体地说，可能不能容易地识别在X射线图像中包括的正常物质和异常物质。

发明内容

技术问题

提供用于处理图像以获得诊断图像的方法和设备，其中，所述诊断图像包括从混合有多种物质的多能量放射图像提取的异常组织。

提供了采用该设备的医学图像系统。

将在以下的描述中部分阐述附加方面，并且从描述中部分地变得清楚，或可通过呈现的实施例的实践来学习。

问题的解决方案

根据本发明的一方面，提供了一种处理图像的方法。所述方法包括：从放射图像估计包括至少两种物质的预定对象的总厚度，所述放射图像具有至少两个能带并从对象获得；通过将估计的总厚度与放射图像的局部区域的厚度进行比较，并根据比较结果提取关注区域，来产生诊断图像。

关注区域可以是异常组织。

所述两种物质可以是正常组织的物质。

可以通过应用总厚度模型来执行估计总厚度的步骤，其中，通过使用具有两种物质的组合的连续厚度幻影图像来获得所述总厚度模型。

总厚度模型可以具有作为参数的所述两种物质中的任何一种物质的密度。

估计总厚度的步骤可以包括：估计所述两种物质的密度；通过使用估计的密度和所述两种物质的衰减基础来将所述两种物质从多能量放射图像中分离出来；通过对所述两种分离的物质的厚度求和来估计对象的总厚度。

根据本发明的另一方面，提供了一种处理图像的设备。所述设备包括：总厚度估计单元，从放射图像估计包括至少两种物质的预定对象的总厚度，所述放射图像具有至少两个能带并从对象获得；诊断图像产生单元，通过将估计的总厚度与放射图像的局部区域的厚度进行比较，并根据比较结果提取关注区域，来产生诊断图像。

根据本发明的另一方面，提供了一种医学图像系统。所述系统包括用于处理图像的设备，所述设备包括：总厚度估计单元，从放射图像估计包括至少两种物质的预定对象的总厚度，所述放射图像具有至少两个能带并从对象获得；诊断图像产生单元，通过将估计的总厚度与放射图像的局部区域的厚度进行比较，并根据比较结果提取关注区域，来产生诊断图像。

医学图像系统还可包括：放射图像获得单元，通过将具有至少两个能带的射线照射到对象上来获得放射图像。

医学图像系统还可包括：存储单元，存储产生的诊断图像，或存储从产生的诊断图像获得的与诊断图像对应的诊断信息。

医学图像系统还可包括：通信单元，发送产生的诊断图像，或发送从产生的诊断图像获得的与诊断图像对应的诊断信息。

从以下详细描述、附图和权利要求中，其它方面和特征可以变得清楚。

发明的有益效果

根据一个或多个以上示例实施例，由于从混合了多种物质的多能量放射图像中提取关注区域(例如，异常组织)，并且可通过强化提取的异常组织来产生高分辨率的诊断图像，因此即使当只使用一幅放射图像时也可提高诊断的精确性。

附图说明

图1是示出能带中的正常物质和异常物质的X射线衰减系数的曲线图；

图2是示出身体组成物质的衰减基本模型的曲线图；

图3是示出使用关于对象的总厚度的信息来分离三种物质的方法的概念图；

图4是示出根据示例实施例的处理图像的方法的流程图；

图5是示出通过使用总变化来使乳房的总厚度的均匀性最大化的方法的示图；

图6是示出通过使用具有两种物质的组合的连续厚度假体图像来设置具有一个参数的总厚度模型的方法的概念图；

图7是示出根据示例实施例的医疗图像系统的框图；

图8是示出根据示例实施例的用于处理图像的设备的框图。

贯穿附图和详细描述，除非另外描述，否则相同附图标号将被理解为表示相同元件、特征和结构。为了简明、示出和方便，这些元件的相对大小和描绘可被夸大。

具体实施方式

提供以下详细描述以帮助读者获得对这里描述的方法、设备和/或系统的全面理解。因此，这里描述的系统、设备和/或方法的各种改变、修改和等同物将被建议给本领域的普通技术人员。此外，为了增加简明和方便，可省略公知功能和结构的描述。

首先，现在描述放射图像(例如，X射线图像)的入射强度和透射强度之间的相关性。

X射线的透射根据对象的类型和密度而不同，并且X射线的能带、入射强度和透射强度可由示出的等式1表示。

<等式1>

I(E)＝I₀(E)e^-μ(E)ρx

这里，I(E)表示透射强度，I₀(E)表示入射强度。μ(E)表示能带E中的质量衰减系数，ρ表示对象的密度，x表示对象的厚度。等式1被称为比尔朗伯定律。

图1是示出能带中的正常物质和异常物质的X射线衰减系数。参照图1，脂肪组织、腺体组织和浸润性管癌(IDC)组织在能带中具有不同的X射线衰减系数。

同时，如果使用具有至少两个能带的射线(例如，X射线)，则能带图像I₁至I_n(n是能带的数量)可由示出的等式2表示。

<等式2>

$\left(\begin{array}{c}{I}_1\\ I_2\\ .\\ .\\ .\\ I_N\end{array}\right)=\begin{array}{}\left(\begin{array}{c}{\&Integral;}_E{w}_1\left(E\right)\left(\exp (-\underset{i}{\mathrm{\&Sigma;}}{C}_i{u}_i\left(E\right))\right)\mathrm{dE}\\ {\&Integral;}_E{w}_2\left(E\right)\left(\exp (-\underset{i}{\mathrm{\&Sigma;}}{C}_i{u}_i\left(E\right))\right)\mathrm{dE}\\ .\\ .\\ .\\ {\&Integral;}_E{w}_N\left(E\right)\left(\exp (-\underset{i}{\mathrm{\&Sigma;}}{C}_i{u}_i\left(E\right))\right)\mathrm{dE}\end{array}\right)\end{array}$

这里，w_n是第n能带中的X射线的入射强度，C_i满足C_i＝∫_Lc_i(r)dr，并且c_i(r)表示在每个位置矢量r处的物质密度投影。

在等式2中，如果获得能带图像I₁至I_n，则可通过从能带图像I₁至I_n中的每个能带图像计算物质密度投影来分离正常物质和异常物质。

同时，由于身体组成物质的衰减基础的数量是2(即，光电吸收和康普顿散射)，因此如果混合的物质的最大数量为2，则可分离所述物质。

图2是示出身体组成物质(例如，水)的衰减基本模型的曲线图。参照图2，物理模型可由示出的等式3表示。

<等式3>

$\mathrm{\&mu;}(E,\stackrel{\&RightArrow;}{r})=c_1\left(\stackrel{\&RightArrow;}{r}\right)f_{\mathrm{ph}}\left(E\right)+c_2\left(\stackrel{\&RightArrow;}{r}\right)f_{\mathrm{Co}}\left(E\right)$

同时，实验模型可由示出的等式4表示。

<等式4>

$\mathrm{\&mu;}(E,\stackrel{\&RightArrow;}{r})=c_1\left(\stackrel{\&RightArrow;}{r}\right){\mathrm{\&mu;}}_{\mathrm{water}}\left(E\right)+c_2\left(\stackrel{\&RightArrow;}{r}\right){\mathrm{\&mu;}}_{\mathrm{bon}}$

在等式3和4中，

表示在能带E中的位置矢量r的衰减系数，

和

表示组织的位置矢量r的长度(厚度)，f_ph(E)和f_Co(E)表示根据能带E中的光电吸收和康普顿散射的基础函数(即，衰减系数)，μ_water(E)和μ_bon分别表示能带E中的水和骨骼的衰减系数。

同时，例如人体的器官中的乳房的正常组织可主要包括脂肪组织和腺体组织。如果混合有诸如肿胀组织(mass tissue)的异常组织，则三种物质全部可被包括在多能量放射图像中。在该示例中，可通过将对象的总厚度信息添加到人体组成物质的衰减基础(即，光电吸收和康普顿散射)来分离三种物质。

更具体地说，如果使用人体组成物质的衰减基础(即，光电吸收和康普顿散射)，则在能带E中的位置矢量r的衰减系数

可由示出的等式5表示。

<等式5>

$\mathrm{\&mu;}(E,\stackrel{\&RightArrow;}{r})=c_1\left(\stackrel{\&RightArrow;}{r}\right){\mathrm{\&mu;}}_A+c_2\left(\stackrel{\&RightArrow;}{r}\right){\mathrm{\&mu;}}_G+c_3\left(\stackrel{\&RightArrow;}{r}\right){\mathrm{\&mu;}}_C={\mathrm{\&alpha;f}}_{\mathrm{ph}}\left(E\right)+{\mathrm{\&beta;f}}_{\mathrm{Co}}\left(E\right)$

因此，会不容易分离三种物质(例如，脂肪组织A、腺体组织G和诸如癌组织的异常组织C)。在该示例中，

和

是表示组织的厚度的比例常数，μ_A、μ_G和μ_C表示脂肪组织A、腺体组织G和异常组织C的衰减系数。α和β表示比例常数，f_ph(E)表示根据能带E中的光电吸收的基础函数(即，衰减系数)，f_Co(E)表示根据能带E中的康普顿散射的基础函数(即，衰减系数)。

同时，对象的总厚度T可由示出的等式6表示。

<等式6>

$c_1\left(\stackrel{\&RightArrow;}{r}\right)+c_2\left(\stackrel{\&RightArrow;}{r}\right)+c_3\left(\stackrel{\&RightArrow;}{r}\right)=T$

如果使用对象的总厚度T，则能带E中的位置矢量r的衰减系数可由示出的等式7表示。

<等式7>

$\mathrm{\&mu;}(E,\stackrel{\&RightArrow;}{r})=c_1\left(\stackrel{\&RightArrow;}{r}\right)({\mathrm{\&mu;}}_A-{\mathrm{\&mu;}}_C)+c_2\left(\stackrel{\&RightArrow;}{r}\right)({\mathrm{\&mu;}}_G-{\mathrm{\&mu;}}_C)+T{\mathrm{\&mu;}}_C$

因此，可分离三种物质。

图3是示出通过使用关于对象的总厚度的信息来分离三种物质的方法的概念图。所述方法可利用这样的事实：对象(例如，压缩的乳房)的总厚度几乎是常量。更具体地说，可通过使用正常物质(诸如腺体组织G和脂肪组织A)的衰减基础来将腺体组织G和脂肪组织A从放射图像中分离出来。如果将分离的腺体组织G和脂肪组织A进行组合，则可获得总厚度图像。也就是说，在正常区域中，总厚度图像具有的厚度与对象(即，乳房)的总厚度相同，而在异常区域中，总厚度图像具有的厚度与正常区域的厚度不同。

参照图3，如果包括脂肪组织A和腺体组织G的区域310和包括脂肪组织A、腺体组织G和异常区域C(诸如癌组织)的区域320分别具有灰度强度330和灰度强度340，则可通过使用脂肪组织A和腺体组织G的衰减基础将脂肪组织A和腺体组织G从灰度强度330和灰度强度340中的每一个灰度强度中分离出来。厚度350表示从灰度强度330分离出来的脂肪组织A和腺体组织G，厚度360表示从灰度强度340分离出来的脂肪组织A和腺体组织G。如上所述，如果将分离的腺体组织G和脂肪组织A进行组合，则区域310具有的厚度370会与乳房的总厚度相同，从而可将区域310确定为正常区域，而区域320具有的厚度380与乳房的总厚度不同，从而将区域320确定为异常区域。

图4是示出根据示例实施例的处理图像的方法的流程图。

参照图4，在操作410，可接收从预定对象捕捉的具有至少两个能带的多能量放射图像。

在操作430，可估计包括在多能量放射图像中的至少两种物质的密度。

在操作450，可通过使用估计的物质的密度和物质的衰减基础将诸如腺体组织和脂肪组织的两种物质从多能量放射图像中分离出来。

在操作470，可通过对分离的腺体组织和脂肪组织进行组合来估计对象的总厚度。同时，虽然没有在图4中示出，但是可通过使用关于在操作470估计的总厚度的信息来测量对象的均匀性水平，可基于测量的均匀性水平更新诸如物质密度的参数，随后将所述参数反馈到操作430。

在操作490，可通过将估计的总厚度与在多能量放射图像的局部区域计算的厚度进行比较来提取异常区域(诸如肿胀组织或微钙化组织)。通过使用提取的异常区域来产生诊断图像。

同时，可通过替换操作430、450和470中的总厚度模型、将总厚度模型表示为具有特定数量的参数的多项式、并优化每个参数以最大化总厚度的均匀性来获得总厚度图像。在该示例中，由线性多项式表示的总厚度模型可由示出的多项式8表示。

<多项式8>

a₁I_L+a₂I_H+a₃

由二次多项式表示的总厚度模型可由示出的多项式9表示。

<多项式9>

a₁I_L+a₂I_H+a₃+a₄I_L ²+a₅I_H ²+a₆I_LI_H

在多项式8和9中，I_L，和I_H分别表示低能带的放射图像和高能带的放射图像，a₁、a₂、a₃、a₄、a₅和a₆表示优化比例常数。

图5是示出通过使用总变化来使乳房的总厚度的均匀性最大化的方法的示图。参照图5，如果可通过使乳房的放射图像510的总变化L1-标准最小化来表示线性多项式图像530，则可使乳房的总厚度的均匀性最大化。

同时，可使用多项式(例如，多项式8或多项式9)来约计对象(即，乳房)的总厚度。在该示例中，如果多项式的序高，则由于应该优化多个参数，因此可增加约计的精度，同时可减少收敛的能力。因此，需要设置约计精度高的总厚度模型和少量参数。为此，可使用具有两种物质的组合的连续厚度幻影图像来设置具有一个参数的总厚度模型。

图6是示出通过使用具有两种物质的组合的连续厚度幻影图像来设置具有一个参数的总厚度模型的方法的概念图。

参照图6，对象(例如，乳房)的主要组成物质可以是脂肪组织和腺体组织，并且每种组织的密度可根据个人而不同。为了计算能够反映密度的差别的总厚度模型，首先，可捕捉具有任何一种物质(例如，腺体组织)的平均参考密度的连续厚度幻影图像600，并可获得每个能带的幻影图像I(n)以及与幻影图像I(n)对应的厚度图像T(m)。然后，假设当腺体组织的密度d具有特定值(即，平均参考密度r)时获得幻影图像I(n)，并且获得与幻影图像I(n)对应的厚度图像T’(m)。在该示例中，T’(m)＝T(m)/r。如果在幻影图像I(n)和厚度图像T’(m)之间的约计多项式系数是P’，则通过使用从腺体组织的密度d是r并且厚度图像与幻影图像对应的部分实际捕捉的幻影图像，约计多项式系数P’将与多项式系数几乎相同。因此，可通过使用具有平均参考密度的一个幻影图像来计算腺体组织的任意密度的多项式系数，而不需要在腺体组织的每个密度处捕捉幻影图像。

结果，可通过使用一个参数(诸如密度d)来表示对象的总厚度，并且可将总厚度应用到在多项式8和9中示出的多项式模型。即，如果对象的总厚度是f(x)，则可将约计执行为f(x)＝多项式8，或f(x)＝多项式9。

图7是示出根据本发明实施例的医学图像系统的框图。医学图像系统可包括放射图像获得单元710、图像处理单元730、显示单元750、存储单元770和通信单元790。在该示例中，可通过仅使用图像处理单元730来实现医学图像系统。即，可选择性地包括放射图像获得单元710、显示单元750、存储单元770和通信单元790。同时，可将图像处理单元730实现为至少一个处理器。

参照图7，放射图像获得单元710可被配置为，将具有至少两个不同能带的射线照射到对象上并捕捉对象的多能量放射图像。如果将具有不同能带的射线(例如，X射线)照射到对象的相同组织上，则射线可能被组织不同程度地吸收。通过使用这种性质，可通过将具有两个或更多个能带的X射线照射到每个组织上来获得多能量放射图像，在所述多能量放射图像上反映有根据能带而不同的吸收性质。

同时，如果放射图像获得单元710可能不包括在医学图像系统中，则可将从医学图像系统外部提供的多能量放射图像输入到图像处理单元730。

图像处理单元730可通过将从放射图像获得单元710或医学图像系统外部提供的多能量放射图像中的对象的总厚度与在多能量放射图像的局部区域计算的厚度进行比较，来提取异常组织，并产生包括提取的异常组织的诊断图像。即，可从由图像处理单元730产生的诊断图像中移除正常组织。同时，图像处理单元730可对多能量放射图像执行降噪，或可对诊断图像执行降噪和/或对比度增强。同时，图像处理单元730还可具有图像读取功能，并从而可从诊断图像中获得需要的诊断信息。

显示单元750可被实现为例如监视器，并可显示由图像处理单元730产生的诊断图像，或可与诊断图像一起显示由图像处理单元730获得的诊断信息。

存储单元770可被实现为例如存储器，并可存储由图像处理单元730产生的诊断图像，或可与诊断图像对应地存储由图像处理单元730获得的诊断信息。

通信单元790可通过有线或无线网络将由图像处理单元730产生的诊断图像、或与诊断信息组合的诊断图像发送到别处的另一医学图像系统或专家(诸如医院的医生)，并可接收从医学图像系统外部提供的多能量放射图像，并将所述多能量放射图像输入到图像处理单元730。具体地说，通信单元790可通过有线或无线网络将诊断图像或与诊断信息组合的诊断图像发送到另一医学图像系统或发送了多能量放射图像的专家。

同时，可通过添加图像读取和搜索功能将存储单元770和通信单元790集成为图像存档和通信系统(PACS)。

可选择地，图像处理单元730、存储单元770和通信单元790可被集成为PACS。

同时，医学图像系统可以是使用射线(例如，X射线)的任何图像诊断系统。例如，医学图像系统700可以是用于确定人体中的仅包括软组织而不包含任何骨骼的乳房的病变的乳房X光摄影图像诊断系统。

图8是示出根据示例实施例的用于处理图像的设备的框图。图像处理设备可包括总厚度估计单元810和诊断图像产生单元830。在该示例中，总厚度估计单元810和诊断图像产生单元830可被实现为至少一个处理器。

参照图8，总厚度估计单元810可从输入的多能量放射图像估计对象的总厚度。在该示例中，可通过使用具有两种物质的组合的连续厚度幻影图像估计总厚度，具有所述两种物质中的任意一种的密度作为参数的总厚度模型可被应用于多能量放射图像。

诊断图像产生单元830可将由总厚度估计单元810估计的总厚度与在多能量放射图像的局部区域计算的厚度进行比较，可根据比较结果提取关注区域(例如，异常组织)，并可产生包括提取的异常组织的诊断图像。

如上所述，根据一个或多个以上示例实施例，由于从混合了多个物质的多能量放射图像中提取关注区域(例如，异常组织)，并且可通过强化提取的异常组织来产生高分辨率的诊断图像，因此即使当只使用一幅放射图像时也可提高诊断的精确性。

用于执行这里描述的方法或其一个或多个操作的程序指令可被记录、存储、或固定在一个或多个计算机可读存储介质中。程序指令可由计算机实现。例如，计算机可使得处理器执行程序指令。介质可包括单独的程序指令、数据文件、数据结构等，或可包括程序指令、数据文件、数据结构等的组合。计算机可读介质的示例包括：磁介质，诸如硬盘、软盘、磁带；光学介质，诸如CD ROM盘和DVD；磁光介质，诸如光盘；被专门配置为存储和执行程序指令的硬件装置，诸如只读存储器(ROM)、随机存取存储器(RAM)、闪存等。程序指令的示例包括：诸如由编译器产生的机器代码、包括可由计算机使用解释器执行的更高级代码的文件。程序指令(即，软件)可被分布在联网的计算机系统上，从而软件可以以分布方式被存储和执行。例如，软件和数据可被一个或多个计算机可读记录介质存储。此外，用于实现这里公开的示例实施例的功能程序、代码和代码段可被实施例所属的领域的程序员基于并使用这里提供的附图的流程图和框图及其相应描述容易地解释。此外，用于执行操作或方法的描述的单元可以是硬件、软件或硬件和软件的组合。例如，所述单元可以是在计算机上运行的软件包或者是运行有软件的计算机。

以上已经描述了多个示例。然而，应理解可进行各种修改。例如，如果按照不同的顺序执行描述的技术和/或如果在描述的系统、结构、装置或电路中的组件按照不同方式组合和/或被其它组件或其等同物替换或代替，则可以获得合适的效果。因此，其它实施方式在权利要求的范围内。

Claims (16)

1.一种处理图像的方法，所述方法包括：

从放射图像估计包括至少两种物质的预定对象的总厚度，所述放射图像具有至少两个能带并从对象获得；

通过将估计的总厚度与放射图像的局部区域的厚度进行比较，并根据比较结果提取关注区域，来产生诊断图像。

2.如权利要求1所述的方法，其中，关注区域是异常组织。

3.如权利要求2所述的方法，其中，所述两种物质是正常组织的物质。

4.如权利要求1所述的方法，其中，通过应用总厚度模型来执行估计总厚度的步骤，其中，通过使用具有两种物质的组合的连续厚度幻影图像来获得所述总厚度模型。

5.如权利要求4所述的方法，其中，总厚度模型具有作为参数的所述两种物质中的任何一种物质的密度。

6.如权利要求1所述的方法，其中，估计总厚度的步骤包括：

估计所述两种物质的密度；

通过使用估计的密度和所述两种物质的衰减基础来将所述两种物质从多能量放射图像中分离出来；

通过对所述两种分离的物质的厚度求和来估计对象的总厚度。

7.一种处理图像的设备，所述设备包括：

总厚度估计单元，从放射图像估计包括至少两种物质的预定对象的总厚度，所述放射图像具有至少两个能带并从对象获得；

诊断图像产生单元，通过将估计的总厚度与放射图像的局部区域的厚度进行比较，并根据比较结果提取关注区域，来产生诊断图像。

8.如权利要求7所述的设备，其中，关注区域是异常组织。

9.如权利要求8所述的设备，其中，所述两种物质是正常组织的物质。

10.如权利要求7所述的设备，其中，总厚度估计单元通过应用总厚度模型来估计总厚度，其中，通过使用具有两种物质的组合的连续厚度幻影图像来获得所述总厚度模型。

11.如权利要求10所述的设备，其中，总厚度模型具有作为参数的所述两种物质中的至少一种物质的密度。

12.如权利要求7所述的设备，其中，总厚度估计单元估计所述两种物质的密度，通过使用估计的密度和所述两种物质的衰减基础来将所述两种物质从多能量放射图像中分离出来，通过对所述两种分离的物质的厚度求和来估计对象的总厚度。

13.一种具有用于处理图像的设备的医学图像系统，所述设备包括：

总厚度估计单元，从放射图像估计包括至少两种物质的预定对象的总厚度，所述放射图像具有至少两个能带并从对象获得；

诊断图像产生单元，通过将估计的总厚度与放射图像的局部区域的厚度进行比较，并根据比较结果提取关注区域，来产生诊断图像。

14.如权利要求13所述的医学图像系统，还包括：放射图像获得单元，通过将具有至少两个能带的射线照射到对象上来获得放射图像。

15.如权利要求13所述的医学图像系统，还包括：存储单元，存储产生的诊断图像，或存储从产生的诊断图像获得的与诊断图像对应的诊断信息。

16.如权利要求13所述的医学图像系统，还包括：通信单元，发送产生的诊断图像，或发送从产生的诊断图像获得的与诊断图像对应的诊断信息。

Images