CN103052970B - 从成像数据中移除对象支撑 - Google Patents

Abstract

提供了一种用于从诸如CT成像数据的成像数据中移除对象支撑的方法和系统。自动或半自动的移除过程包括识别和定位在矢向成像平面数据中的所述对象支撑的顶部边缘，并且之后从横向或体积的成像数据中移除所述对象支撑。

Description

从成像数据中移除对象支撑

技术领域

本申请通常涉及成像领域，并且更具体地涉及用于从成像数据中移除对象支持的方法和系统。本申请主题具体应用于透射成像系统，特别是基于X射线的系统，诸如计算机断层摄影（CT）成像系统，并且将会具体参考其进行描述。然而，应用本发明的透射成像系统还能够与其他成像系统结合使用，所述其他成系统诸如单光子发射计算机断层摄影（SPECT）或正电子发射断层摄影（PET）成像系统。这些和相似的成像系统通常收集关于对象的成像数据，所述对象诸如人类患者，其被安排在诸如躺椅或台的对象支撑上。

背景技术

在许多图像重建、处理、分析和可视化应用中，从成像数据中移除对象支撑是期望的和重要的。作为一个例子，在诸如数字重建放射影像（DRR）或最大密度投影（MIP）的三维可视化中，对象支撑能够阻挡成像对象结构的视图。因此，为了获取成像对象完整的视图而将对象支撑从成像数据中移除是有利的。

另一期望将对象支撑从成像数据中移除的情况是辐射治疗规划。在那种情况中，对象支撑能够不利地影响辐射剂量建模，因为在成像扫描过程中使用的对象支撑可能与在辐射治疗过程中使用的对象支撑不同。因此，在使用成像数据来规划辐射治疗之前，从成像数据中移除对象支撑是有利的。在另一实施例中，为了更准确的规划，之后可以将数字对象支撑加入到成像数据以近似将要在辐射治疗过程中使用的对象支撑。

作为另一例子，在许多情况中，CT成像数据可以与一种或多种其他成像数据，诸如SPECT、PET或磁共振（MR）成像数据组合或配准。通常，对象支撑在后者的成像模态中是不可见的。结果是，在CT成像数据中的对象支撑的存在不利地影响两个成像数据集的配准。因此，在配准前将对象支撑从CT数据中移除能够改进配准过程。

而且，用于PET成像重建的散射校正通常从CT成像数据估计成像对象的边界。经常，散射校正算法作用于仅与没有对象支撑的成像对象相对应的成像数据。可以通过在估计成像对象边界之前从CT成像数据中移除对象支撑来改进这样的对象边界的确定。

已知一些“手动”方法用于从成像数据中移除对象支撑。在这些方法中，用户手动地与显示器上成像数据的视觉表现交互以定义对象支撑的边界。之后将与对象支撑对应的部分从成像数据中移除。在一种简单的手动方法中，该方法通常用于辐射治疗规划中，用户在显示器上定义躺椅移除平面。计算机之后移除在用户识别的平面下的所有成像数据，包括对象支撑。这种简单的手动方法并不很有效，除非对象支撑在顶部是平的。而且，手动方法通常是耗时的，再现性程度低，并且具有不确定的准确性。

已知其他“自动”方法用于从成像数据中移除对象支撑。在这些方法中，将计算机算法应用于成像数据来定义对象支撑的边界以用于从成像数据中移除。这些方法通常应用一些种类的基于模型的方法以用于在成像数据中识别对象支撑。虽然可以应用复杂的算法，并且能够扩大模型数据库，但能够被移除的对象支撑的（一种或多种）类型依然由（一个或多个）模型限制。

用于从成像数据中移除对象支撑的“半自动”方法也是可行的，所述“半自动”方法包括手动和自动方法步骤的结合。作为一个例子，为了减少用于应用纯自动基于模型的分割的计算机处理时间，用户可以使用显示器以手动地在成像数据中将对象支撑罩的位置调节到与实际对象支撑相对接近。

在US2002/009214A1中的方法公开了一种自动的方法和系统，所述方法和系统用于肺部区域计算机断层摄影扫描的分割。在US2009/012382A1中的另一方法呈现了一种用于自动检测解剖区域的脉管结构中的阻塞的方法。在LINGFENGWEN等人的“Apreliminarystudyontheknowledge-baseddelineationofanatomicalstructureforwholebodyPET-CTstudies”（INT.CONF.ONTECHNOLOGYANDAPPLICATIONINBIOMEDICINE,ITAB2008,IEEE,2008年5月30日，112-115页）中的另一方法研究了从在解剖结构的分割中的共配准PET-CT数据中提取的信息的潜在使用。

这些已知的先前方法中的每个都有缺点。例如，它们通常依赖潜在不准确的关于对象支撑形状和结构的假设，特别在横向成像平面中。类似地，这些先前方法中的许多在应用于不同成像系统中通常是不具鲁棒性的，这是由于在不同成像系统中，对象支撑的形状、结构和其他特性是不同的。

发明内容

根据本发明的一个方面，提供了一种用于从医学成像数据中移除对象支撑的自动或半自动方法。所述方法包括在矢向成像平面中识别和定位所述对象支撑的顶部边缘，并且之后从横向成像平面中移除所述对象支撑。本发明不需要关于在横向成像平面中所述对象支撑的具体形状、结构或其他特性的任何假设。然而，虽然如此也可以根据本发明做出这样的假设，例如以加快计算机处理时间。也提供了用于执行本发明方法的相关系统和装置。

本领域技术人员将会通过阅读下面优选实施例的详细描述清楚地理解多个额外的优势和优点。本发明可以采取各种部件和部件布置以及各种工艺操作和工艺操作安排的形式。附图仅用于图示说明优选实施例，而不应将其解释为限制本发明。

附图说明

图1为示范性的CT成像系统，其中去掉了固定台架的部分以显示旋转台架、X射线光源和数据测量系统；

图2A、2B和2C为躺在对象支撑上的人类患者的横向CT图像，分别由三种不同的混合PET/CT扫描器获取，每个由不同的公司制造，并且图示了在不同扫描器中使用的不同对象支撑；

图3A、3B和3C为躺在对象支撑上的人类患者的横向CT图像，分别由三种不同的CT扫描器获取，每个由不同的公司制造，并且图示了在不同扫描器中使用的不同对象支撑；

图4根据本发明的一个方面，图示了示范性的基于图像的方法以从成像数据中识别和移除对象支撑；

图5为典型的矢向CT图像，包括患者部分和对象支撑部分；

图6为典型的二值化矢向CT图像，包括患者部分和对象支撑部分；

图7为典型的纵向边缘矢向图像，包括患者部分和对象支撑部分；

图8为直方图的图形表示，其可用于找出图7中对象支撑部分的顶部边缘；

图9图解地图示了方法400从样本成像数据集计算的一些对象支撑角度Θ；

图10图示了两个横向对象支撑顶部表面，如由两种不同方法计算的；

图11A为正交投影CT图像，其包括对象支撑；

图11B为从图11A的图像移除对象支撑而得到的正交投影CT图像；

图12A为横向CT图像，其包括对象支撑；

图12B为从图12A的图像移除对象支撑而得到的横向CT图像；

图13A为矢向CT图像，其包括对象支撑；以及

图13B为从图13A的图像移除对象支撑而得到的矢向CT图像；

具体实施方式

本申请的成像系统和装置通常为任何成像系统，例如，CT成像系统。更具体地，参考图1，在示范性实施例中，成像系统100为医学CT成像系统。CT成像采集系统102包括台架104和对象支撑106，对象支撑106诸如沿z轴移动的台或躺椅。待成像的患者或其他对象（没有示出）位于或被放置躺在对象支撑106上，并且将其移动以布置在台架104中的孔108内。一旦患者或对象处于孔108内的位置中，X射线光源110发射X射线的投影，所述X射线的投影将由在台架104中的X射线数据测量系统112收集。（台架104的部分114从图1中去掉，以为了显示X光源110和安置于在台架104内的X射线数据测量系统112。）数据测量系统112包括布置在支架118上的若干光检测器116。X射线源110和数据测量系统112绕孔108一同旋转以从各种位置记录CT成像数据。在一些实施例中，这样的旋转可以当对象支撑106为固定时发生。在其他实施例中，这样的旋转可以在“螺旋”扫描中结合对象支撑106沿z轴的线性运动而发生。所述旋转是可行的，因为X射线源110和支架118都安装在台架104内的共同的转子（没有示出）上。如将会理解地，待成像对象和对象支撑106都安置在X光源110和数据测量系统112之间。因此，由系统112记录的成像数据的至少一部分将会包括对象支撑106。

CT成像采集系统102通过通信链接101将CT成像数据传递至CT成像、处理和显示系统120上。虽然系统102和120为了说明的目的在此以单独系统的形式示出和描述，但在其他实施例中它们可以为单个系统的部分。CT成像数据传递至图像处理器122，图像处理器122将数据存储在存储器124中。图像处理器122电子地处理CT成像数据以生成成像患者或其他对象的图像。图像处理器122能够在相关联的显示器126上显示作为结果的图像。可以将诸如键盘和/或鼠标装置的用户输入128提供给用户以控制处理器122。

因此，能够将之前提到的功能作为软件逻辑执行。“逻辑”，如在本文中使用的，包括但不局限于硬件、固件、软件和/或每种的结合以执行（一个或多个）功能或（一个或多个）动作，和/或引起来自另一部件的功能或动作。例如，基于期望的应用和需求，逻辑可以包括软件控制的微处理器、诸如专用集成电路（ASIC）的离散逻辑或其他编程逻辑装置。逻辑也可以完全体现为软件。

“软件”，如在本文中使用的，包括但不局限于一个或多个计算机可读和/或可执行指令，其令计算机或其他电子设备以期望的方式执行功能、动作和/或行为。所述指令可以体现为多种形式，诸如例程、算法、模块或包括来自动态链接库的单独应用或代码的程序。软件也可以以多种形式实施，诸如独立程序、函数调用、小服务程序、小应用程序、存储于诸如存储器124的存储器中的指令、运行系统的部分或其他类型的可执行指令。本领域普通技术人员应该理解到，软件的形式依赖于，例如，期望应用的需求、其运行的环境和/或设计者/程序员的期望等。

本文中描述的系统和方法能够在各种平台上实施，例如，网络控制系统和单机控制系统。另外，本文显示和描述的逻辑优选地存在于诸如存储器124的计算机可读介质之中或之上。不同计算机可读介质的例子包括闪存、只读存储器（ROM）、随机存取存储器（RAM）、可编程只读存储器（PROM）、可电编程只读存储器（EPROM）、可电擦除编程只读存储器（EEPROM）、磁盘或磁带、包括CD-ROM和DVD-ROM的光可读介质等。而且，本文描述的过程和逻辑能够融入于一个大的过程流程或分为许多子过程流程。在本文中描述的过程流程中的顺序不是决定性的并且能够被重新安排，同时仍能取得相同的结果。确实，本文描述的过程流程可以在它们的实现方式中如所许可或期望的重新安排、合并和/或重新组织。

三个相互正交的轴x、y和z在图1中识别出。如已经提到的，z轴为台架104的纵轴，沿z轴，对象支撑106可以在成像扫描过程中移动成像对象。x轴和y轴之后定义“横向”成像平面，其与z轴垂直。y轴和z轴继而定义“矢向”成像平面，其垂直于x轴。仅为了讨论的方便，将这些轴在本文中定义为患者坐标系。在实际使用中，可以采用任何坐标系，诸如台架坐标系或DICOM患者坐标系。

成像系统100可以为单独单元，其仅提供基于CT的成像，如在图1中所示的。虽然没有在图中示出，成像系统100可以额外包括合适的部件以用于PET和/或SPECT成像，或一些其他（一个或多个）种类的成像模态，所述合适的部件与基于CT的成像部件相结合。

不管所采用的成像模态是CT、SPECT、PET、或一些其他模态、或这些的结合，通常以将待成像对象布置在诸如躺椅支撑106的对象支撑上的方式记录成像数据。对象支撑106基于具体的扫描器能够具有许多不同配置中的一种。因此，例如，图2A、2B和2C为由三种不同混合PET/CT扫描器获取的横向CT图像。图2A显示了由PhilipsMedical的混合PET/CT系统获取的人类患者的横向CT图像202，包括患者部分204和对象支撑部分206。图2B显示了由GeneralElectric的混合PET/CT系统获取的人类患者的横向CT图像222，包括患者部分224和对象支撑部分226。图2C显示了由Siemens的混合PET/CT系统获取的人类患者的横向CT图像242，包括患者部分244和对象支撑部分246。如通过比较这三个横向CT图像能够看出的，在由不同制造商生产的不同混合PET/CT系统之间，对象支撑206、226、246的形状和结构变化广泛。

类似地，图3A、3B和3C为由三种不同CT扫描器获取的横向CT图像。图3A显示了由PhilipsMedicalCT系统获取的人类患者的横向CT图像302，包括患者部分304和对象支撑部分306。图3B显示了由GeneralElectricCT系统获取的人类患者的横向CT图像322，包括患者部分324和对象支撑部分326。图3C显示了由SiemensCT系统获取的人类患者的横向CT图像342，包括患者部分344和对象支撑部分346。如通过比较这三个横向CT图像能够看出的，在由不同制造商生产的不同CT系统之间，对象支撑306、326、346的形状和结构变化广泛。如通过分别将图2A到2C与3A到3C比较能够看出的，甚至由相同制造商制造的不同成像系统能够具有形状和结构变化广泛的对象支撑。

在由单个成像扫描器在一次成像扫描中记录的图像中，甚至也有对象支撑外观和位置的变化源。例如，如果所述对象支撑不是很好水平的话，所述对象支撑的相对位置或地点能够沿纵向的z轴变化。因此，如果图像采集纵向覆盖为2米长，那么所述对象支撑的0.5度倾斜能够在垂直的y轴方向上将所述对象支撑的位置从第一个横向成像切片到最后横向成像切片改变多达18毫米。

基于这些和可能的其他问题，之前已知的用于在横向成像数据中识别对象支撑的方法大多求助关于所述对象支撑形状和尺寸、可能位置和其他变量的探索和假设。本文公开的本发明的示范性的实施例通过使用矢向视图成像数据克服了这些困难。

因此，本公开涉及基于图像的方法来从成像数据中识别和移除对象支撑。图4图示了根据本发明的一个方面的示范性的基于图像的方法400。在示范性的方法400的初始步骤402中，执行成像采集以生成医学成像数据404。例如，CT成像系统100可以用于生成体积CT成像数据404。

在步骤406中，对医学成像数据404采样以生成第一矢向图像408。图5显示了人类患者的典型的矢向CT图像408a，包括患者部分504和对象支撑部分506。如图像408a图示的，对象支撑部分506在矢向视图中表现为一系列直线。确实，如果做出了合理的假设，即对象支撑506的横向横截面沿纵向z轴是几乎不变的，这是自然结果。这些诸如在图5中506的直线对应所述对象支撑的顶部和底部边缘，并且也可以包括一个或多个支撑垫、毯等。

在步骤410中，将二值化阈值技术（例如-500HU）应用于矢向图像408，以生成二值化矢向图像412。图6显示了示范性的二值化矢向图像412a，其可由方法400的步骤410产生。示范性的二值化矢向图像412a具有患者部分604和对象支撑部分606。示范性的二值化图像412a的对象支撑部分606包括三条不同的，接近垂直的线608、610和612。如能够看出的，在图6中的对象支撑被轻微地倾斜，从而在图像412a的取向中其是接近垂直而不是绝对垂直的。第一条线608代表对象支撑台的底部边缘。第二条线610代表对象支撑台的顶部边缘。第三条线612代表在对象支撑台上的患者支撑垫的上边界。

方法400剩余部分基本上专用于在二值化矢向图像412内自动识别对象支撑部分的顶部边缘，诸如典型对象支撑部分606的顶部边缘610。在方法400的步骤414中，在二值化矢向图像412内检测纵向或接近纵向的边缘。在这种语境中，绝对“纵向”直线为平行于成像系统纵向或z轴延伸的线。因此，纵向边缘为平行于纵向z轴延伸的边缘。矢向视图图像被常规定向为如在图5和图6中所图示：患者头部在图像上方部分，并且患者面向左侧。以那样的取向，患者支撑部分的纵向边缘会在图像中表现为垂直或接近垂直的线，诸如在图6中的线608、610和612。用于检测垂直或接近垂直边缘的相对简单并且充分了解的算法为Sobel算子，但是可以使用任何这样的算法。Sobel算子本质上应用3×3像素掩模遍及二值化矢向图像412以识别垂直或接近垂直的边缘。步骤414的结果为纵向边缘矢向图像416。

图7图示了典型的纵向边缘矢向图像416a。图像416a具有患者部分704和对象支撑部分706。如传统的，纵向线或边缘在矢向图像416a中为垂直或接近垂直的。因此，在整个二值化矢向图像602中定义了对象支撑的顶部、底部边缘和患者垫的三条垂直线608、610和612作为边缘708、710和712带进至纵向边缘矢向图像416a中，以定义对象支撑部分706。

在纵向或接近纵向的边缘被识别414后，之后方法400的步骤418识别在纵向边缘矢向图像416中检测的纵向边缘之一，该纵向边缘之一对应于对象支撑的顶部表面。在这种语境中，对象支撑的“顶部”表面对应于这样的表面：成像对象布置在其上以用于成像扫描。因此，在每个矢向视图中，对象支撑的顶部表面表现为顶部边缘。例如，在图6和图7中，对象支撑顶部边缘为线610或线710。在这方面，因为对象支撑如果不是绝对平行于也会接近平行于成像系统的纵向z轴，类似Hough的以角度和截距作为参数的变换可以用于步骤418中。通常，这样的变换确定角度和y轴截距值的哪种（一个或多个）组合最可能对应于支撑对象的顶部边缘。

更具体地，在一个潜在的实施例中，方法步骤418可以使用线性方程y＝kz+b来在矢向视图纵向边缘图像516中检测和识别纵向或接近纵向的线，所述纵向或接近纵向的线可能对应于对象支撑顶部边缘。在那个方程中，y轴和z轴如在图6和图7中识别的，“k”为所述线的倾斜角度Θ的正切或斜率，并且“b”为所述线沿y轴的截距。以这种方式，图7中每个潜在的直线可以通过指定两个变量来唯一地被识别，两个变量为：所述线的角度和y轴截距。在这种语境中，所述线的“角度”描述了在图像中所述线倾斜的角度。因此，可以将所述线的“角度”测量为给定轴和所述线之间的常规角度Θ，或者等效地测量为所述线的正切或斜率k，或一些其他等效测量。

为了简化处理，由于对象支撑边缘线在常规纵向边缘矢向图像416中为几乎垂直的，因此可以假设倾斜角度Θ在距离垂直的-1和+1度内。然而，这种假设不是严格必要的。还可以采用0.1度的离散邻近角度间的步幅，如果最小角度和最大角度为-1和+1，这能够为Θ产生二十一个值：（-1°、-0.9°、…、0.9°、1°），以及等效地为k产生二十一个值。用于角度测量的，包含任何最小值、最大值范围和步幅值的，更通用的应用当然也是可行的。

在典型的成像应用中，横向成像视图由512×512像素阵列构成。在那种典型方案中，0≤b≤511。包含任何像素阵列尺寸的，更通用的应用当然也是可行的。

由于二值化阈值步骤410，在纵向边缘矢向图像416中的每个像素或者为白色或者为黑色；在二值化图像416中没有灰色阴影。可以生成二维直方图以在纵向边缘矢向图像416中自动寻找足够长以作为对象支撑部分的组成部分的白色线。直方图的两个维度对应于角度值和y轴截距值，所述角度值和y轴截距值定义了在纵向边缘矢向图像416中的直线。对于每一对这样的值，直方图箱（bin）记录了在纵向边缘矢向图像416中沿定义线有多少像素为白色。因此，最高计数的直方图箱对应在纵向边缘矢向图像416中最长的连接的线。

这样的直方图的图形表示800在图8中示出。在图形表示800中，水平轴对应于来自图7的y截距值b（0到511）。垂直轴对应于在图7中的倾斜角度Θ（在此为了方便的目的将角度Θ限制在距离垂直的-1到1度，或者等效地距离水平的89到91度）。在图形直方图800中的每个单元的亮度代表对于由对应该直方图单元的y轴截距b和倾斜角度值Θ定义的直线的直方图箱计数。

在直方图中，识别具有最高总直方图箱计数的排。将对应于那一排的角度值Θ获取为在采样矢向图像408中支撑对象的角度。在图8的典型例子中，具有最高总直方图箱计数的排的角度Θ为-0.6度。接下来，识别在那一排内的具有最高直方图箱计数值的（一个或多个）单元。这些单元代表潜在y轴截距候选b的列表，所述潜在y轴截距候选b连同已经设置的倾斜角度Θ一起，可以在图像416中定义作为对象支撑的部分的纵向或接近纵向的线。自动确定y轴截距候选b的位置。这可以，例如，通过在所述排中扫描直方图箱计数以及识别所有直方图箱计数都大于所选阈值的线段的中心来实现。所述阈值可以例如设置为等于在医学成像数据404中横向成像切片数量的一半。所述阈值能够是合适的，因为出现在横向成像切片的至少一半上的结构很有可能为对象支撑的部分。一旦识别了y轴截距候选b，如果它们彼此间非常接近，它们可以进一步融合。待融合的两个y轴截距候选b之间的最大距离例如可以等于大于5毫米。之后，会将具有确定的角度Θ和识别的y轴截距候选b中之一的直线获取为在纵向边缘矢向图像416中的对象支撑的顶部边缘。

根据对象支撑的实际设计，可以识别多个y轴截距候选b。例如，在图7和图8典型的例子中，有三个y轴截距候选。这三个候选对应于图7中的三条平行线708、710和712。方法400可以自动确定哪条候选线对应于对象支撑顶部边缘。这可能是复杂的，因为在一些例子中（诸如图7的例子），对象支撑垫会形成足够长的线从而在步骤418中被识别，而在其他例子中，其又太短而不能在步骤418中被识别。

许多标准可以用于识别多个纵向边缘中的哪一个对应于对象支撑的顶部边缘。作为一个例子，可以使用两候选线之间的y轴距离。如果那个距离较大，更靠近中心线的候选线为对象支撑顶部边缘。如果那个距离较小，诸如图7中的，那么选择具有更长长度的候选线。候选线的长度对应于在图像416内沿所述候选线的最长列邻近像素的直方图箱计数总和。对象支撑顶部边缘通常比所述垫更长，因为所述垫不总是直线。

基于成像患者是仰卧位置还是俯卧位置，对于候选线的搜索可以限制在图像416的一侧。上面描述的可应用于仰卧情况，在该情况中，患者面朝上背离对象支撑。对于俯卧情况，在该情况中，患者面朝下指向对象支撑，诸如在图5、6和7中的矢向视图常规地以对象支撑位于图像的左侧的方式定向。换言之，常规地，仰卧患者和俯卧患者的矢向图像都这样地被取向：在两种情况中，患者面向图像中的左手侧。当实施步骤418以识别对象支撑的顶部边缘时，可能需要考虑这一点。

一旦完成步骤418，就已经将在纵向边缘矢向图像416中的纵向或接近纵向的线识别为对象支撑的顶部边缘。将定义那条线的角度和y轴截距值获取为在原始采样矢向图像408的y、z轴平面中的对象支撑的顶部边缘。在接下来的步骤420中，确定是否已经采样了足够数量的矢向图像408，以便在感兴趣横向成像平面中定义对象支撑的顶部表面。例如，如在下面讨论的，可以采样所有通过对象支撑的矢向平面。如果采样需要继续422，那么从医学成像数据404采样406另一矢向图像408。随后的方法400的步骤410-418应用于第二矢向图像408以识别在对应于第二矢向图像408的y、z轴平面中的对象支撑的顶部边缘。在一些实施例中，这种再采样422可以利用在先前矢向图像408中已经确定的对象支撑顶部边缘来帮助确定在之后矢向图像408中的对象支撑顶部边缘。例如，候选线的搜索可以限制在紧密邻近已经确定的顶部表面的区域。继续再采样422直到在足够数量的矢向图像408中识别出对象支撑的顶部边缘，以定义在感兴趣横向平面中的对象支撑的顶部表面。

如刚刚讨论地，当执行再采样422时，可以通过应用步骤410-418仅仅依靠在特定矢向图像408中的图像内容识别在该特定矢向图像408中的对象支撑的顶部边缘。在一个可选的实施例中，在第一采样矢向图像408中生成的对象支撑角度可以简单地再次用于定义在每个随后的采样矢向图像408中的顶部边缘。这种可选的方法在一些情况中可以减少处理时间和/或减小误差。可以预期两种方法给出类似的结果。

显示在图9和图10中的数据可以确认那种预期，显示在图9和图10中的数据是使用CT成像数据404的采样集生成的。在图9中，水平轴列出了在数据中的矢向位置值（0到511），对应于512个独立的矢向y、z轴平面。在图9中的垂直轴绘制出针对每个矢向位置计算的对象支撑倾斜角度Θ，将方法步骤410-418应用于与那个矢向位置对应的矢向图像408。在图9中的各种线指示了针对Θ的计算值从一个矢向位置变化到邻近矢向位置的地方。如能够看出的，对于绝大多数矢向y、z轴位置，角度Θ始终确定为或者-0.5°或者-0.6°，所述绝大多数矢向y、z轴位置对应于线9A和线9B之间的矢向位置。直到到达对象支撑的左和右边界，低于线9A或高于线9B的矢向位置，在那里角度值Θ因为噪声或误差开始更显著地波动。在绝大多数对象支撑沿x轴延伸时，确定的角度稳定在各种y、z轴矢向位置中的或者-0.5°或者-0.6°处。

图10图示了在横向x、y轴平面中的对象支撑的两个计算的顶部表面轮廓10A和10B。通过将步骤410-418应用于每个矢向图像切片408而单独地针对每个矢向图像切片408计算对象支撑角度，以确定第一计算的顶部表面轮廓10A。相比之下，通过以下来确定第二计算的顶部表面轮廓10B：仅针对中间的矢向切片10C应用步骤410-418而计算对象支撑角度，之后针对所有剩余的矢向图像切片408使用那个计算的角度。第二计算的顶部表面轮廓10B在图10中沿y轴被向上移动，以为了更好地图示和与第一计算的顶部表面10A进行对比。如在图10中图示的，已经将顶部表面轮廓10A和10B翻转以用于显示的目的。因此，准确的位置为512与来自图10垂直轴的读数之间的差。使用两种方法检测的顶部表面轮廓10A和10B显著地相似。

然而其他用于确定应用于许多不同矢向图像408中的共有对象支撑角度Θ或斜率k的可选方法当然也是可行的。例如，步骤410-418可以应用于多个采样矢向图像408以仅基于各自的图像内容生成多个角度Θ，并且之后将那些值平均以用于所有矢向图像中。

在一个方便的实施例中，该实施例具体用于诸如CT系统100的CT成像装置中，第一采样矢向图像408对应于中间的矢向平面。中间的矢向平面为这样的矢向y、z轴平面：其穿过成像孔108的中心。为了生成对象支撑顶部表面的完整的描述，再采样422首先以步进式方式沿x轴从中间的矢向平面在一个方向上向外进行。当步骤414不能检测到任何纵向边缘，就到达了对象支撑的外部边缘，并且在那个方向上的再采样422停止。之后再采样接下来以步进式方式沿x轴从中间的矢向平面在相反方向上向外进行。当步骤414再次不能检测到任何纵向边缘，就到达了对象支撑的对面的外部边缘，并且再采样422完全停止。

一旦足够的医学成像数据404被采样406和422，之后在步骤424，在一些矢向y、z轴平面中定义对象支撑的顶部边缘的各种线内插到424感兴趣的一个或多个横向x、y轴图像中。即，针对特定矢向y、z轴平面确定的顶部边缘线在给定的横向x、y轴平面中的特定点X、Y处穿过所述给定的横向x、y轴平面。内插步骤424确定在特定横向x、y轴平面中的这样的点X、Y的集合。那个集合定义了在横向x、y轴平面中的对象支撑的顶部表面轮廓426，诸如接下来进一步讨论的图10的示出的例子。这种内插424可以通过简单地生成三维顶部表面轮廓来实现，所述三维顶部表面轮廓穿过多个横向x、y轴平面。它也可以逐个平面实现。在特定横向图像中的顶部表面轮廓426形成之后，能够对点X、Y的集合进行低通滤波以减少噪声。能够在y轴方向上引入小的缓冲部以保证对象支撑的顶部表面轮廓被完整地移除；在大多数情况中，对象支撑顶部之上一些像素数据的丢失会严重地影响图像的使用是不可能的。对象支撑的两个外部边界可以通过填补边界在两个方向上任选地延伸。

一旦在一个横向x、y轴平面中识别了对象支撑的顶部表面轮廓426，内插步骤424可以在多个横向x、y轴平面中重复以生成在那些平面中的顶部表面轮廓426。在可选的实施例中，第一横向x、y轴平面的初始顶部表面轮廓426可以延伸至一个或多个额外的横向x、y轴平面中。这种延伸可以，例如，使用确定的倾斜角度Θ或斜率k以及两个横向平面间的距离来简单地将轮廓426移动至第二横向平面中。这种可选的实施例可以方便地采用内插步骤424在感兴趣的最上面的横向平面中设置轮廓424，并且之后将那个平面以步进式沿z轴向下延伸至邻近的横向平面，直到到达感兴趣的最下面的横向平面。

一旦在每个感兴趣的横向x、y平面中设置了顶部表面轮廓426，在每个这样的平面中的顶部表面轮廓426下面的像素简单地由空气代替以从成像数据中移除对象支撑。当然，如果矢向y、z轴平面是感兴趣的，相同的处理能够通过移除在每个感兴趣矢向成像平面中对象支撑顶部边缘以下的像素来从矢向成像平面中移除对象支撑。另外，不同于移除数据，以将再采样限制在位于顶部表面轮廓426以上的医学成像数据404的方式，在体积绘制或其他绘制中对原始医学成像数据404再采样。由于对象支撑的位置信息是可用的，也能够在图像数据中插入数字对象支撑以代替删去的数据。插入数字对象支撑具体应用于辐射治疗规划中，如上所述的。

在上面描述的实施例中，处理针对所有x轴像素值的矢向y、z轴平面以在每个矢向平面中确定针对对象支撑的顶部边缘线。为了表现的原因，矢向平面任选地能够更稀疏地采样，诸如每四个x轴像素值。为了在接近左和右对象支撑边界处具有密集的采样，一旦一个这样的稀疏采样位置没有在步骤414中检测到纵向边缘，能够原路返回之前最接近的稀疏采样位置并且从那一点沿x轴向前进行密集采集。能够使用任何合适的内插或曲线拟合方法估计在未采样x轴位置处遗失的对象支撑顶部边缘，所述合适的内插或曲线拟合方法诸如双三次、高阶多项式、样条或许多其他。甚至更简单的可选方法包括重复来自邻近矢向y、z轴平面的相同的X、Y值。

图11到13图示了对象支撑移除之前和之后的一些CT图像。这些CT图像都是使用PhilipsMedical的混合PET/CT成像系统采集的。图11A为在人类受试者1106下面的对象支撑1104的正交CT图像1102，该图像来自在对象支撑1104下面以及稍微侧面的观察者的视角。图11B为由从图像1102移除对象支撑1104而产生的投影CT图像1108。在图像1108中依然有对象支撑的残余1104’。应用上面讨论的缓冲部能够移除残余1104’。图11A-11B具体图示了一个例子，在其中，从成像数据中移除对象支撑对于获得成像对象的完整三维视图是有用的。

图12A为在人类受试者1206下的对象支撑1204的横向CT图像1202。图12B为由从图像1202中移除对象支撑1204而产生的横向CT图像1208。

图13A为在人类受试者1306下的对象支撑1304的矢向CT图像1302。图13B为由从图像1302中移除对象支撑1304而产生的矢向CT图像1308。

在上面描述的优选实施例和例子中，将对象支撑的顶部表面假设为在成像数据的每个矢向y、z轴平面中的单个的直线。尽管那是非常普遍的情况，但不是仅有的情况，在这种情况中本方法可以有利地被利用。例如，在一些情况中，对象支撑为两部件躺椅，其中，一个部件可以向上和向下倾斜以形成相对于另一部件的各种角度。以这种方式，患者可以在成像过程中以倾斜位置坐起。如果待成像患者的（一个或多个）部分仅位于对象支撑倾斜的一侧，可以使用该对象支撑部分的纵向轴直接应用上面的描述。另一方面，如果待成像患者的（一个或多个）部分位于对象支撑倾斜的两侧，那么对象支撑在成像数据的每个矢向y、z轴平面中会表现为两条直线。本方法能够通过在二值化矢向图像中检测所有线，并且为对象支撑分段的线性部分改变搜索角度以用于那种情况中。为了加强这个过程，所述方法可以考虑对象支撑的两个部分间的具体的角度，以为了更有效地在矢向成像平面中识别对象支撑的顶部边缘。

本文描述的方法的额外的好处是它可以用作质量保证工具，以当可能需要对象支撑矫平时发出信号。即，在多种实施例中的本方法确定在成像装置中对象支撑的倾斜角度。在大多数情况中，对象支撑为理想水平的，即具有零度的倾斜角。如果倾斜角超过预设阈值，那么CT成像系统可以通知用户应该使对象支撑更水平，以为了减小倾斜角。

本发明参考优选的实施例被描述。明显地，他人可以根据阅读和理解之前的详细描述做出修改和变化。例如，在图4中示出的步骤可以重新安排顺序，或者可以通过增加或移除特定步骤，或修改特定步骤来进行修改。因此，初始步骤可以为将二值化阈值应用于整个成像数据体积，并且之后从二值化体积数据对矢向视图数据采样以生成二值化矢向图像412。其意图是说明本发明被解释为包括所有这样的修改和变化，只要其落入了所附权利要求或其等要件的范围内。本发明可以采取各种组成、部件和装置、公开实施例的元件的结合和子结合。

Claims (26)

1.一种用于从医学成像数据(404)中移除对象支撑的方法(400)，包括下述步骤：

对所述医学成像数据(404)采样(406)以生成选定矢向图像(408)，其中，所述选定矢向图像(408)中的每一个包括对象部分和对象支撑部分；

在所述选定矢向图像(408)的每一个中识别(418)所述对象支撑部分的顶部边缘；

将所述顶部边缘的每个内插(424)到成像数据的至少第一横向平面中以在成像数据的所述第一横向平面中形成所述对象支撑的顶部表面轮廓(426)；以及

从成像数据的所述第一横向平面中移除在所述顶部表面轮廓(426)以下的成像数据。

2.根据权利要求1所述的方法，其中，顶部边缘识别步骤(418)还包括，针对所述选定矢向图像(408)中的至少一个进行：

应用二值化阈值(410)以将所述的至少一个选定矢向图像(408)转换为二值化矢向图像(412)；

在所述二值化矢向图像(412)内检测(414)边缘以生成包括一个或多个边缘的边缘矢向图像(416)；以及

将在所述边缘矢向图像(416)中的所述边缘之一识别为在所述的至少一个选定矢向图像(408)中的所述对象支撑部分的所述顶部边缘。

3.根据权利要求2所述的方法，其中，所检测的边缘为纵向或接近纵向的边缘。

4.根据权利要求3所述的方法，其中，将所述二值化矢向图像(412)常规定向为使得所检测的边缘在所述二值化矢向图像(412)中为垂直的或接近垂直的，并且进一步，其中，在边缘检测步骤(414)中遍及所述二值化矢向图像(412)应用掩模。

5.根据权利要求1所述的方法，其中，顶部边缘识别步骤(418)采用包含角度和轴截距值作为变量的变换以在所述选定矢向图像(408)的至少一个中识别所述对象支撑部分的所述顶部边缘。

6.根据权利要求5所述的方法，其中，当采用所述变换时将角度值限制在最小角度值和最大角度值之间。

7.根据权利要求5所述的方法，其中，所述变换还包括在与所述的至少一个选定矢向图像(408)对应的边缘矢向图像(416)中识别一个或多个边缘，所述一个或多个边缘足够长以成为所述对象支撑部分的一部分。

8.根据权利要求5所述的方法，其中，基于所述选定矢向图像(408)中的一个确定单个角度值，并且之后将所述单个角度值再应用于其他选定矢向图像(408)中以确定在所述其他选定矢向图像(408)中的所述对象支撑部分的所述顶部边缘。

9.根据权利要求5所述的方法，其中，还利用所述角度值确定是否应该使所述对象支撑更水平。

10.根据权利要求1所述的方法，其中，顶部边缘识别步骤(418)还包括首先识别多个候选边缘作为在所述选定矢向图像(408)的至少一个中的所述对象支撑部分的所述顶部边缘，并且其次，自动评估所述多个候选边缘以确定所述候选边缘中的哪一个为在所述的至少一个选定矢向图像(408)中的所述对象支撑部分的所述顶部边缘。

11.根据权利要求1所述的方法，其中，将采样步骤(406)和顶部边缘识别步骤(418)首先应用于成像数据的中间的矢向平面，并且随后以步进式方式应用于成像数据的进一步选定矢向平面，所述成像数据的进一步选定矢向平面从所述中间的矢向平面在每个方向上向外延伸。

12.根据权利要求1所述的方法，还包括向所述顶部表面轮廓(426)引入缓冲部的步骤，以保证完全移除所述对象支撑。

13.根据权利要求1所述的方法，还包括对所述医学成像数据(404)的第二采样，以生成没有所述对象支撑的图像，其中，所述第二采样限制在所述顶部表面轮廓(426)以上的成像数据。

14.根据权利要求13所述的方法，其中，所述第二采样为所述医学成像数据(404)的体积绘制。

15.根据权利要求1所述的方法，还包括将在成像数据的第一横向平面中的所述顶部表面轮廓(426)应用于一个或多个其他横向成像平面。

16.根据权利要求15所述的方法，还包括使用对象支撑角度值以便将在成像数据的所述第一横向平面中的所述顶部表面轮廓(426)应用于所述一个或多个其他横向成像平面。

17.根据权利要求1所述的方法，还包括将数字对象支撑插入到成像数据的所述第一横向平面中的步骤。

18.根据权利要求1所述的方法，其中，内插步骤(424)包括通过以下方式来估计所述顶部表面轮廓(426)的部分：基于所述顶部边缘到成像数据的所述第一横向平面中的内插，通过内插或曲线拟合那些估计部分。

19.根据权利要求1所述的方法，还包括在对所述成像数据采样前将二值化阈值应用于所述医学成像数据(404)以生成所述选定矢向图像。

20.一种用于从医学成像数据(404)中移除对象支撑的医学成像、处理和显示系统(120)，所述系统包括逻辑以：

对所述医学成像数据(404)采样(406)以生成选定矢向图像(408)，其中，所述选定矢向图像(408)中的每一个包括对象部分和对象支撑部分；

在所述选定矢向图像(408)的每一个中识别(418)所述对象支撑部分的顶部边缘；

将所述对象支撑部分的所述顶部边缘的每个内插(424)到成像数据的至少第一横向平面中以在成像数据的所述第一横向平面中形成所述对象支撑的顶部表面轮廓(426)；以及

从成像数据的所述第一横向平面中移除在所述顶部表面轮廓(426)以下的成像数据。

21.根据权利要求20所述的系统，其中，所述系统还包括逻辑以通过如下方式而在至少一个选定矢向图像(408)中识别(418)所述顶部边缘：

应用二值化阈值(410)以将所述的至少一个选定矢向图像(408)转换为二值化矢向图像(412)；

在所述二值化矢向图像(412)内检测(414)边缘以生成包括一个或多个边缘的边缘矢向图像(416)；

将在所述边缘矢向图像(416)中的所述边缘之一识别为在所述的至少一个选定矢向图像(408)中的所述对象支撑部分的所述顶部边缘；以及

从成像数据的所述第一横向平面中移除在所述顶部表面轮廓(426)以下的成像数据。

22.根据权利要求20所述的系统，其中，所述系统还包括逻辑以通过在所述选定矢向图像(408)的至少一个中采用包括角度和轴截距值的变换而在每个选定矢向图像(408)中识别(418)所述顶部边缘。

23.根据权利要求22所述的系统，其中，基于所述选定矢向图像(408)中的一个确定单个角度值，并且之后将所述单个角度值再应用于其他选定矢向图像(408)中以确定在所述其他选定矢向图像(408)中的所述对象支撑部分的所述顶部边缘。

24.根据权利要求20所述的系统，其中，所述系统还包括逻辑以将在成像数据的所述第一横向平面中的所述顶部表面轮廓(426)应用于一个或多个其他横向成像平面。

25.根据权利要求20所述的系统，其中，所述系统还包括逻辑以通过以下方式来估计所述顶部表面轮廓(426)的部分：基于所述顶部边缘到成像数据的所述第一横向平面中的内插，通过内插或曲线拟合那些估计部分。

26.一种用于从医学成像数据(404)中移除对象支撑的装置，所述装置包括：

用于对所述医学成像数据(404)采样(406)以生成选定矢向图像(408)的模块，其中，所述选定矢向图像(408)中的每一个包括对象部分和对象支撑部分；

用于在所述选定矢向图像(408)的每一个中识别(418)所述对象支撑部分的顶部边缘的模块；

用于将所述对象支撑部分的所述顶部边缘的每个内插(424)到成像数据的至少第一横向平面中以在成像数据的所述第一横向平面中形成所述对象支撑的顶部表面轮廓(426)的模块；以及

用于从成像数据的所述第一横向平面中移除在所述顶部表面轮廓(426)以下的成像数据的模块。