CN103093424A - 用于从医学成像数据中生成增强图像的方法和装置 - Google Patents
用于从医学成像数据中生成增强图像的方法和装置 Download PDFInfo
- Publication number
- CN103093424A CN103093424A CN2012105358574A CN201210535857A CN103093424A CN 103093424 A CN103093424 A CN 103093424A CN 2012105358574 A CN2012105358574 A CN 2012105358574A CN 201210535857 A CN201210535857 A CN 201210535857A CN 103093424 A CN103093424 A CN 103093424A
- Authority
- CN
- China
- Prior art keywords
- imaging data
- rib
- feature
- interest
- image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000002059 diagnostic imaging Methods 0.000 title claims abstract description 9
- 238000003384 imaging method Methods 0.000 claims abstract description 42
- 230000007170 pathology Effects 0.000 claims description 43
- 210000003484 anatomy Anatomy 0.000 claims description 9
- 230000002708 enhancing effect Effects 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 3
- 230000002159 abnormal effect Effects 0.000 claims 2
- 210000000988 bone and bone Anatomy 0.000 description 16
- 239000012634 fragment Substances 0.000 description 8
- 238000002603 single-photon emission computed tomography Methods 0.000 description 7
- 230000003902 lesion Effects 0.000 description 6
- 238000011160 research Methods 0.000 description 6
- 230000000007 visual effect Effects 0.000 description 6
- 206010028980 Neoplasm Diseases 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 239000000284 extract Substances 0.000 description 4
- 239000000700 radioactive tracer Substances 0.000 description 4
- PUZPDOWCWNUUKD-ULWFUOSBSA-M sodium;fluorine-18(1-) Chemical compound [18F-].[Na+] PUZPDOWCWNUUKD-ULWFUOSBSA-M 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 238000002595 magnetic resonance imaging Methods 0.000 description 3
- 238000012636 positron electron tomography Methods 0.000 description 3
- PUZPDOWCWNUUKD-UHFFFAOYSA-M sodium fluoride Chemical compound [F-].[Na+] PUZPDOWCWNUUKD-UHFFFAOYSA-M 0.000 description 3
- 238000005728 strengthening Methods 0.000 description 3
- 230000001360 synchronised effect Effects 0.000 description 3
- 238000007794 visualization technique Methods 0.000 description 3
- 201000011510 cancer Diseases 0.000 description 2
- 239000003795 chemical substances by application Substances 0.000 description 2
- 238000002591 computed tomography Methods 0.000 description 2
- 238000013170 computed tomography imaging Methods 0.000 description 2
- 238000009432 framing Methods 0.000 description 2
- 238000012113 quantitative test Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 239000011775 sodium fluoride Substances 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000010176 18-FDG-positron emission tomography Methods 0.000 description 1
- ZCXUVYAZINUVJD-AHXZWLDOSA-N 2-deoxy-2-((18)F)fluoro-alpha-D-glucose Chemical compound OC[C@H]1O[C@H](O)[C@H]([18F])[C@@H](O)[C@@H]1O ZCXUVYAZINUVJD-AHXZWLDOSA-N 0.000 description 1
- AOYNUTHNTBLRMT-SLPGGIOYSA-N 2-deoxy-2-fluoro-aldehydo-D-glucose Chemical compound OC[C@@H](O)[C@@H](O)[C@H](O)[C@@H](F)C=O AOYNUTHNTBLRMT-SLPGGIOYSA-N 0.000 description 1
- 238000012935 Averaging Methods 0.000 description 1
- 240000004859 Gamochaeta purpurea Species 0.000 description 1
- 229910019142 PO4 Inorganic materials 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004195 computer-aided diagnosis Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000002224 dissection Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000003211 malignant effect Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000009206 nuclear medicine Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000012831 peritoneal equilibrium test Methods 0.000 description 1
- NBIIXXVUZAFLBC-UHFFFAOYSA-K phosphate Chemical compound [O-]P([O-])([O-])=O NBIIXXVUZAFLBC-UHFFFAOYSA-K 0.000 description 1
- 239000010452 phosphate Substances 0.000 description 1
- 238000002600 positron emission tomography Methods 0.000 description 1
- 238000012877 positron emission topography Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000001959 radiotherapy Methods 0.000 description 1
- 238000007634 remodeling Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 235000013024 sodium fluoride Nutrition 0.000 description 1
- 229910052713 technetium Inorganic materials 0.000 description 1
- 238000012800 visualization 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
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- 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
- G06T2207/10104—Positron emission tomography [PET]
-
- 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
- G06T2207/10108—Single photon emission computed tomography [SPECT]
-
- 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
- G06T2207/30008—Bone
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30096—Tumor; Lesion
-
- 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
- G06T2207/30172—Centreline of tubular or elongated structure
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Quality & Reliability (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Nuclear Medicine (AREA)
Abstract
本发明公开了一种用于生成增强图像的方法，该增强图像用于从对象的医学成像数据中进行显示。确定在成像数据中至少沿一个维度延伸的感兴趣特征。获取沿该感兴趣特征穿过成像数据的线的位置，以及沿着所述线从成像数据中生成投影图像。
Description
技术领域
本发明涉及用于从对象的医学成像数据中生成显示增强图像的一种方法和一种设备，尤其是显示在图像体积中感兴趣的延伸特征。
背景技术
感兴趣区域或感兴趣体积(ROI/VOI)的定义是对医学图像诸如核医学发射图像(如PET或SPECT)定量分析的典型前提。这些区域可被定义为围绕对应摄取高示踪剂(hotspots，热点)的高强度区域。例如，在用于肿瘤学的FDG-PET图像中，这样的区域可指示肿瘤的存在。为了诊断的目的或为了用于放射治疗，肿瘤医生经常在PET扫描中注释出病变。示踪剂摄取的平均值或最大值能帮助读者确定患有癌症的可能性。在纵向研究中，关注不同时间阶段的图像中相应VOI的强度或摄取量的变化可用来确定肿瘤是否消去。
在肿瘤学中，病变的识别、诊断、跟进以及记录是临床程序中的重要步骤。骨转移(例如在肋骨和脊椎)发生在多种癌症中。表征在溶骨和成骨细胞骨病变中增加的摄取量的PET示踪剂F-18氟化钠(18F-NaF)可用于对骨病变成像。已经示出，相比传统99mTc磷酸酯的SPECT或平面成像，18F-NaF的PET骨成像显现出两倍的良性和恶性病变。因此，18F-NaF的PET使得约18％的患者的临床管理发生改变。
骨病变的探测和报告是繁琐的，特别是对于具有多处病变或大面积转移的患者。因此，骨病变的人工探测和报告通常是费时的，由此容易出现错误。在多处病变的状况下(例如沿不同肋骨的不同位置)，由于临床程序的时间限制，每个位置通常并未被正确地记录。
PET/SPECT骨扫描典型地在逐层的基础上(轴位、冠状位、矢状位)或通过3D的MIP来读取。每次寻找随后需要人工报告(左/右肋骨，肋骨号，沿肋骨的位置)。然而，在沿特定肋骨识别病变之后，该信息需要通过对例如在3D体积上可见的肋骨计数来人工获取。因此，多处病变的细节报告是费时的，并常常避免多处病变的情况。为了跟进检查，可以将3D体积数据可视地比较或将不同的扫描相互对齐(例如使用配准算法)。然而，如果局部形态发生显著变化(例如由于治疗或疾病进程导致)，自动配准是容易产生误差的。此外，不同病变之间的定量比较仅仅在这些病变实际上已被报告的情况下才成为可能。
WO2006/050102提出了一种2D可视化技术(在下文中称作“肋展开”)仅使用CT成像，该技术增强肋骨病变的可检测性。为此，提取出每根肋骨的中心线。随后，将每根肋骨的中心线的2D投影(通常也称为“curved planarreformation，曲面重建”(CPR))可视化。将该技术与肋骨标记结合，能够识别出病变和相应肋骨信息(左/右肋骨，肋骨号)并用于报告。
图1示出了该技术的实例，图示了一种采用基于CT的肋展开的系统实例。在左上角框(100)中展开的肋骨(102)包括肋骨标记以2D显现，而右上角框(104)示出到当前选择的肋骨(106)位置的截面MPR。底部示出了传统的MPR视图(轴位、冠状位、矢状位-108，110，112)。
然而，仅使用CT成像时，由于缺乏与正常肋骨的对比并且还可呈现出比健康骨更深或更亮，肋骨病变通常难于检测。因此，每根肋骨仍需要使用肋骨展开视图结合传统MPR图像来仔细地检查。
发明内容
本发明旨在解决上述问题并对已知设备和方法进行改进。
本发明的各方面和实施例在所附的权利要求中给出。
一般来说，本发明的第一方面的一个实施例可提供一种生成增强图像的方法，其用于对象的医学成像数据的显示，其包括步骤：确定在成像数据中至少沿一个维度延伸的感兴趣特征；获取沿感兴趣特征穿过成像数据的线的位置；以及沿着所述线从成像数据中生成投影图像。
这允许一种简单、自动并直接的方式来沿成像数据中感兴趣延伸特征(诸如肋骨)以识别任何异常(诸如病变)。
适当地，所述投影图像是二维的最大强度投影图像。
优选地，所述线是沿感兴趣特征的中央线。在实施例中，感兴趣特征和所述线遵循弓形的或非线性的路径。
更优选地，感兴趣特征是对象的肋骨。
在实施例中，生成的步骤包括：获取一系列沿所述线的图像数据组；以及使用该系列来生成投影图像。
优选地，该系列包括与沿感兴趣所述线垂直的图像数据平面的集合。
适当地，该方法还包括：获取对感兴趣特征的分割；以及生成多个沿所述线的投影图像，该投影图像由感兴趣特征的分割来描绘。
在实施例中，从对象的功能成像数据中生成投影图像，以及该方法还包括将增强后的图像显示为对象的解剖成像数据和投影图像的组合。
优选地，该方法还包括在增强图像中显示对于在解剖成像数据的特征旁边的特征的投影图像。
更优选地，将从功能成像数据中所生成的投影图像与沿所述线的解剖成像数据结合，该结合显示在解剖成像数据的特征旁边。
合适地，该方法还包括重复对在成像数据中多个延伸特征的投影图像的生成。
在一个实施例中，该方法还包括记录对感兴趣特征的异常发现，在该异常处投影图像的一个值超过阈值。
例如，该值可以使SUV或其它强度测量，预示在投影图像中的热点。
优选地，将异常记录为肋骨的病变。在一个实施例中，该方法还包括，为了在给定肋骨发现病变，记录其中一个或多个发现：给定肋骨的侧；给定肋骨的号；发现病变所在的肋骨或图像体积的分割；到对象脊柱的距离；以及对象轴和发现的病变之间的角度。
合适地，在对象的功能成像数据上执行所述分割，以及还包括将分割后的与所发现的异常进行对比。
本发明的第二方面的一个实施例提供了一种用于生成增强图像的装置，用于从对象的医学成像数据中进行显示，其包括：处理器，配置用于确定在成像数据中至少沿一个维度延伸的感兴趣特征，获取沿感兴趣特征穿过成像数据的线的位置，并沿着所述线从成像数据中生成投影图像；以及显示设备，配置用于显示所述投影图像。
在本发明实施例中，可以从诸如PET或SPECT的模态中获取功能成像数据，而从诸如CT或MRI的模态中获取解剖成像数据。
本发明的另一方面包括计算机程序，当其被载入或在计算机上运行时，使得计算机变成依据上述方面的装置，或实施依据上述方面的方法。
可以组合上述方面和实施例，以便提供本发明更多的方面和实施例。
附图说明
现在将通过参考附图的实例的方式来描述本发明，其中：
图1是说明现有可视化方法的图；
图2是说明一种依照本发明实施例的方法的步骤的图；
图3是说明依照本发明实施例的肋骨重构步骤的图；
图4是说明依照本发明实施例的功能和解剖图像数据的组合视图的图；
图5A、5B和6A是说明一组依照本发明实施例的组合了肋骨细节功能和解剖图像数据的图；
图6B是图6A的示意图；
图7是说明依照本发明实施例的位置记录步骤的图；
图8是说明依照本发明实施例的位置记录步骤的图；以及
图9是说明依照本发明实施例的装置的图。
当下列术语在文中使用时，可以伴有如下定义：
PET-正电子发射断层成像
SPECT-单光子发射断层成像
SUV-标准摄取值
FDG-F-18氟脱氧葡萄糖，一种PET放射追踪剂
NaF-氟化钠
Tc-锝
MIP-最大强度投影(或最小强度投影，通常表示为MinIP)
MRI-磁共振成像
ROI/VOI-感兴趣的区域/体积
分割-将体素标记成归于不同类别的过程。例如在医学图像中，每个体素可以根据其组织类型进行标记。
CT-计算机断层成像
MPR-多平面-重建
CAD-计算机辅助诊断
具体实施方式
本发明的实施例呈现了用于增强可视化、用于自动/交互报告以及用于跟进检查的方法。
本发明的实施例使得阅读的医师能容易和有效率地知晓哪些肋骨被病变影响以及能交互地/自动地记录每次发现的位置，甚至在存在多处病变的情况。而且，他们能从对相同患者的不同研究中识别相应的病变。
下面，描述本发明的实施例，包括用于高效肋骨病变读取的系统和方法，其包括用于增强可视化、检测、记录和跟进的方法。特别是它改进了之前用于肋骨分析的PET/SPECT成像的2D可视化技术，并引入了新的可视化技术，后者受益于在分子成像的病变与非病变之间的高对比度，并且因此能快速获取沿每根肋骨的所有病变。一旦检测到病变(人工、半自动或全自动)，就能自动报告它的位置。另外，每次发现的位置能容易地在跟进研究中再现，例如用于对照的目的。总的来说，所描述的实施例被期望能极大地改进聚焦在肋骨病变的多模态骨读取的工作流程。
图2的流程图概略地描述了该系统的所提出的第一实施例的基础。
第一输入是胸部的一个解剖3D图像(202)，其被用于提取肋骨的中心线(204)和不同肋骨的任选二元分割。优选地，该输入是CT图像，其允许采用基于一种方法来提取肋骨中心线/二元掩模，其中该方法例如是基于如下：Sowmya Ramakrishnan，Christopher Alvino，Leo Grady and Atilla Kiraly，“Automatic Three-Dimensional Rib Centerline Extraction from CT Scans forEnhanced Visualization and Anatomical Context”，SPIE Medical Imaging 2011，7962，pp.79622X。
注意，只要肋骨中心线是可用的，那么该输入就不是强制的。第二输入由一个或多个功能图像(206-PET，SPECT，MRI)组成。在模态是一种分子成像(如PET)的情况下，可以使用不同的放射示踪剂例如18F-NaF或18F-FDG来成像。
第二输入应当通过同步采集或通过配准算法(208)与第一输入对齐。在跟进研究的情况下，两种输入都应当能够在不同时间点获得。然而要注意的是，图像数据不需要跨越时间点对齐。
随后，每根肋骨都被拉直(210)，以便创建例如与仅在图1中的CT显示类似的肋骨展开视图。如果有多于一个输入图像，相同的过程在每个输入时都重复。接着，计算对于中央线(CPR)(横向的-212)和中央线的截面(MPR)(垂直的-214)的2D重构。如下一段所具体描述的那样，它们被用于增强可视化和导航。
横向图像可随后用作增强肋骨展开可视化(216)的基础，而垂直图像用作特定肋骨可视化(218)。不同的视图于是与传统的显示技术结合到一个系统，该系统允许有效导航到潜在病变并使不同的视图同步以更好地评估。
此外，每根单独的肋骨还可以基于一些解剖特征来被细分成不同的部分，这些解剖特征可基于肋骨出现以及沿肋骨的位置用来自动地描述发现。最后，基于该信息，在跟进研究中可将记录的病变与相应的病变联系起来，例如用于定量分析，而无需将输入数据跨越时间点对齐。
图3说明了：肋骨重构步骤，横向平面图像在中心线(302)，以及多个垂直重构在沿描出的3D肋骨(306)横截面(304)。尤其要注意的是，在每个横向面的右上角的指示点位于相同的2D坐标。也就是说，如果将沿中心线的不同平面认为是一叠薄片，诸如MIP的投影将计算这些点的最大值并在结果的2D图像的相应位置存储。
在最初的实施例中，呈现了结果的增强显示。通过在不同模态之间使肋骨拉直和重构步骤同步，则如图1所示的现有的系统可以由图4示例地功能的叠加而延伸，其中不同的解剖视图(402，404)此次与采用彩色编码叠加的功能信息融合。该实例示出了3D的NaF-PET图像当颜色编码叠加时的2D视图，而叠加的几何形状与下面的CT图像精确地匹配。由于采用的NaF-PET扫描的高对比度，相比较图1，注意潜在肋骨病变(406)的增强显示。
除此之外，还可能创建多个相继的功能重构和计算沿已计算的2D图像的结果堆的投影(如MIP)。也就是说，每个叠加像素的值随后对应到例如沿视图的小范围的最大强度值(所谓的“薄片MIP”)。而且，这些投影可限制为肋骨结构的二元掩模，如果存在的话。清楚的是，所有描述的叠加技术也可以无需相应的功能图像来显示。采用这个技术能极大地增强潜在病变的显示。
本发明主要的实施例提供了特定肋骨的显示，其允许一看就能识别被病变影响的肋骨。为了该目的，沿每个肋骨的垂直重构(如图3所示)被收集并投影到沿中心线的2D图像。例如，图5示出了采用对解剖(CT)数据的平均投影和对功能(PET)数据(参看图3)的最大强度投影的发现或未发现的肋骨。
图5A和5B示出了具有病变(图5B)或不具有病变(图5A)的特定肋骨(“rib patches，肋骨碎片”)的2D图像，解剖(CT)信息采用平均值沿肋骨中心线投影，而彩色的叠加对应功能(PET)数据的MIP。注意，如果特定肋骨表现高摄取量(504)，则用户能容易看见。而且，当每个肋骨上呈现多个热点时，增加的热点的数目预示着到2D图像的额外叠加。用户于是可以通过在相应2D图像上点击多次来例如沿一根肋骨从一个热点“跳”到相邻热点。
还有，这些投影可以被限制成肋骨结构的二元掩模，如果存在的话。这些“肋骨碎片”可以例如与PET数据的MIP相结合，如图6所示。此外，全局MIP和特定肋骨MIP之间的对应能采用颜色编码方案来建立。
图6是图5所示的特定肋骨CT和MIP组合的完整组的实例显示。PET数据的传统MIP可通过颜色编码肋骨中心线(604)来加强。对每根肋骨，特定肋骨MIP(606)被示为平均CT投影沿每条中心线的叠加。另外，每个结果“肋骨碎片”可以依照所显示的中心线的颜色进行颜色编码和标记，例如特定肋骨组合(608)采用黄色描绘，以便在主MIP视图602上与该肋骨610的轮廓共同彩色编码。
如图5中所示，可以清楚地看到沿给定肋骨的投影图像/CT组合存在(616)或不存在(614)热点。
在所示出的实例中，每条肋骨中心线显示为与每个单独的肋骨碎片的框架颜色相应的颜色。另外，肋骨标记(612)为每个肋骨碎片显示。
导航可在所有前述的视图之间同步。尤其是，如果在肋骨展开视图或者MIP中选择沿肋骨的位置，相应的肋骨碎片被高亮。反之亦然，点击肋骨碎片，在不同的其它视图中相应位置被高亮。
此外，热点检测或CAD算法可应用到垂直重构的每个结果堆。该算法的结果可以如下地集成到所述的系统：例如显示沿每根肋骨显示检测到的病变的数目作为额外的标记。随后，用户可例如通过在相应的肋骨碎片上点击多次来沿特定的中心线自动地在不同的病变/热点之间“跳转”。
图6B是图6A的示意图——热点616和不具有热点614的肋骨由加深的(616)或正常的(614)的肋骨特定视图来表示。
图8是展开肋骨(802，804)的示意图。它采用提取的肋骨中心线和为展开视图对应CT信息来描述多个标记的肋骨。2号肋骨将两个PET/SPECT热点(806)表示为在解剖信息上的叠加。
一旦手动、半自动或全自动来定位发现，它的位置可基于提取的中心线信息记录。每个结果的记录可自动地包括每根肋骨的边和号码，以及沿每根肋骨的位置。为此，肋骨可进一步分成不同的部分，例如，采用地标，诸如锁骨中线，前/中/后腋线和肩胛线。这些部分可由图7示例描画的结果和脊柱(704)之间的角度(706)来检测或估计。
图7是示出了脊柱(704)和肋骨(702)的胸部的轴位图像(700)。沿肋骨中心线的特定发现可被编码，例如基于肋骨以及脊柱(704)或一些轴(708)与结果之间的角度(706)，或者基于到脊柱/轴的距离。
为了在跟进研究中重新定位记录的结果，每个结果可(内部地)采用其位置的更详细的描述来存储。可以存储它的详细位置(例如到脊柱的距离，结果和脊柱之间的角度等)，而不是仅保存病变所在的肋骨部分。通过获得的这些信息，就能够直接链接到不同时间点之间的病变，甚至在数据组之间不需要任何配准。这也允许它们之间进行详细比较，例如采用病变分割算法来比较病变大小。
所有这些信息共同可输出到细节记录或一些专门的文件格式，其可由例如治疗计划系统集成。
特定肋骨的MIP/CT组合在整个PET MIP旁边呈现(如图6所示)，允许用户能快速识别哪些肋骨包含病变以及容易导航。然而，这也可以沿其它解剖特征例如脊柱或主要血管的投影完成。而且，可以使用替代的沿中心线的2D投影来生成概要图像。
参见图9，本发明的上述实施例可以传统地认为是适于用指令编程的计算机系统，以便实施依照本发明的方法的步骤。
例如，中央处理单元904能够通过端口905接收代表医学扫描的数据，该端口可以是：用于便携式数据存储介质(例如CD-ROM)的阅读器；与诸如医学扫描仪(未示出)的直接连接，或者到网络的连接。
可执行装载在存储器906的软件应用来处理随机存取存储器907的图像数据。
处理器904结合软件可以执行诸如以下的步骤：确定沿至少一个维度延伸的在图像数据中的感兴趣特征，获取穿过图像数据沿感兴趣特征的线的位置。
人机接口908典型地包括键盘/鼠标/屏幕组合(其允许用户输入例如应用的开始)以及显示执行该应用的结果的屏幕。
所属领域技术人员可以理解的是，仅通过实例的方式描述了本发明，可以采用各种可选择的方法，而不脱离本发明如所附权利要求所定义的范围。
Claims (18)
1.一种用于生成增强图像的方法，该增强图像用于从对象的医学成像数据中进行显示，该方法包括如下步骤：
确定在成像数据中至少沿一个维度延伸的感兴趣特征；
获取沿该感兴趣特征穿过成像数据的线的位置；以及
沿着所述线从成像数据中生成投影图像。
2.如权利要求1所述的方法，其中，所述投影图像是二维的最大强度投影图像。
3.如前述权利要求中任一项所述的方法，其中，所述线是沿所述感兴趣特征的中央线。
4.如前述权利要求中任一项所述的方法，其中，所述感兴趣特征和所述线遵循弓形的或非线性的路径。
5.如前述权利要求中任一项所述的方法，其中，所述感兴趣特征是对象的肋骨。
6.如前述权利要求中任一项所述的方法，其中，生成的步骤包括：
获取一系列沿所述线的图像数据组；以及
使用该系列来生成所述投影图像。
7.如权利要求6所述的方法，其中，该系列包括与沿所述感兴趣特征的线垂直的图像数据平面的集合。
8.如前述权利要求中任一项所述的方法，还包括：
获取对感兴趣特征的分割；以及
生成多个沿所述线的投影图像，该投影图像由对感兴趣特征的分割来描绘。
9.如前述权利要求中任一项所述的方法，其中，从对象的功能成像数据中生成所述投影图像，
并且其中，该方法还包括：将增强的图像显示为对象的解剖成像数据和投影图像的组合。
10.如权利要求9所述的方法，还包括：在增强后的图像中显示对于在解剖成像数据的特征旁边的特征的投影图像。
11.如权利要求10所述的方法，其中，将从功能成像数据中所生成的投影图像与沿所述线的解剖成像数据结合，并且其中，将所述结合显示在解剖成像数据的特征旁边。
12.如前述权利要求中任一项所述的方法，还包括：重复生成成像数据中多个延伸特征的投影图像。
13.如权利要求12所述的方法，还包括：记录对所述感兴趣特征的异常的发现，在该异常处投影图像的一个值超过阈值。
14.如权利要求13所述的并从属于权利要求5的方法，其中，将所述异常记录为肋骨中的病变。
15.如权利要求14所述的并从属于权利要求12的方法，还包括，为了在给定肋骨中发现病变，记录如下的一个或多个发现：给定肋骨的一侧；给定肋骨的编号；对所发现的病变所在的肋骨或图像体积的分割；到对象脊柱的距离；以及对象轴和所发现的病变之间的角度。
16.如权利要求13所述的并从属于权利要求8的方法，其中，在对象的功能成像数据上执行所述分割，以及还包括：将所述分割与对异常的发现进行对比。
17.一种用于生成增强图像的装置，该增强图像用于从对象的医学成像数据中进行显示，所述装置包括：
处理器，配置用于确定在成像数据中至少沿一个维度延伸的感兴趣特征，获取沿该感兴趣特征穿过成像数据的线的位置，并沿着所述线从成像数据中生成投影图像；以及
显示设备，配置用于显示所述投影图像。
18.一种存储计算机程序编码的媒体设备，当该计算机程序编码被载入或在计算机上运行时，使得计算机变成如前述权利要求中任一项所述的装置，或实施如前述权利要求中任一项所述的方法。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| GBGB1117805.0A GB201117805D0 (en) | 2011-10-14 | 2011-10-14 | System and methods for efficient multimodal rib lesion readings |
| GB1117805.0 | 2011-10-14 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103093424A true CN103093424A (zh) | 2013-05-08 |
| CN103093424B CN103093424B (zh) | 2016-12-21 |
Family
ID=45219748
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201210535857.4A Active CN103093424B (zh) | 2011-10-14 | 2012-10-15 | 用于从医学成像数据中生成增强图像的方法和装置 |
Country Status (3)
| Country | Link |
|---|---|
| US (1) | US9697586B2 (zh) |
| CN (1) | CN103093424B (zh) |
| GB (2) | GB201117805D0 (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107527361A (zh) * | 2017-08-28 | 2017-12-29 | 合肥融视信息科技有限公司 | 基于磁共振影像融合显示的图像显示系统及显示方法 |
| CN108135552A (zh) * | 2015-09-29 | 2018-06-08 | 皇家飞利浦有限公司 | 投影x射线图像的改进的可视化 |
| CN109389603A (zh) * | 2018-09-10 | 2019-02-26 | 北京大学 | 一种基于预加重策略的全自动腰椎图像分割方法 |
| CN110717961A (zh) * | 2019-09-17 | 2020-01-21 | 上海联影医疗科技有限公司 | 多模态图像重建方法、装置、计算机设备和存储介质 |
| CN111932520A (zh) * | 2018-08-31 | 2020-11-13 | 上海联影智能医疗科技有限公司 | 医学图像显示方法、查看设备以及计算机设备 |
Families Citing this family (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB201020073D0 (en) * | 2010-11-26 | 2011-01-12 | Siemens Medical Solutions | Anatomically-aware MIP shading |
| GB201117807D0 (en) * | 2011-10-14 | 2011-11-30 | Siemens Medical Solutions | Identifying hotspots hidden on mip |
| GB201117805D0 (en) * | 2011-10-14 | 2011-11-30 | Siemens Medical Solutions | System and methods for efficient multimodal rib lesion readings |
| GB201308866D0 (en) * | 2013-05-16 | 2013-07-03 | Siemens Medical Solutions | System and methods for efficient assessment of lesion developemnt |
| GB2518848A (en) * | 2013-10-01 | 2015-04-08 | Siemens Medical Solutions | Registration of multimodal imaging data |
| US9189847B2 (en) * | 2013-11-12 | 2015-11-17 | Siemens Aktiengesellschaft | 2D visualization for rib analysis |
| US9460534B2 (en) * | 2013-11-12 | 2016-10-04 | Siemens Aktiengesellschaft | Labeling a rib cage by placing a label based on a center point and position of a rib |
| US9558568B2 (en) * | 2014-06-27 | 2017-01-31 | Siemens Healthcare Gmbh | Visualization method for a human skeleton from a medical scan |
| TW201629522A (zh) * | 2015-02-04 | 2016-08-16 | Nihon Mediphysics Co Ltd | 核醫學圖像解析技術 |
| CN105469365B (zh) * | 2015-11-12 | 2018-08-17 | 深圳市深图医学影像设备有限公司 | 一种抑制数字化x线胸片图像中骨骼阴影的方法及系统 |
| JP6616682B2 (ja) * | 2015-12-25 | 2019-12-04 | ジーイー・メディカル・システムズ・グローバル・テクノロジー・カンパニー・エルエルシー | 中心線決定装置、医用装置、およびプログラム |
| DE102016202604A1 (de) * | 2016-02-19 | 2017-08-24 | Siemens Healthcare Gmbh | Verfahren zum Verarbeiten eines 3D-Bilddatensatzes und Bildverarbeitungseinrichtung |
| US10417759B2 (en) * | 2016-03-14 | 2019-09-17 | Canon Medical Systems Corporation | Medical image data processing system and method |
| US20180293727A1 (en) | 2017-04-10 | 2018-10-11 | Siemens Healthcare Gmbh | Rib unfolding from magnetic resonance images |
| US10959696B1 (en) * | 2019-11-25 | 2021-03-30 | Robert Edwin Douglas | Method and apparatus for an improved localizer for 3D imaging |
| US11585654B2 (en) * | 2020-06-02 | 2023-02-21 | Micron Technology, Inc. | Texture detection apparatuses, systems, and methods for analysis |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1421820A (zh) * | 2001-11-22 | 2003-06-04 | 皇家菲利浦电子有限公司 | 用于同步显示任意可选的互补断面图像的方法和设备 |
| US20040161140A1 (en) * | 2003-02-19 | 2004-08-19 | Isabella Yuzefovich | Nuclear imaging |
| US20070110295A1 (en) * | 2005-10-17 | 2007-05-17 | Siemens Corporate Research Inc | System and method for enhanced viewing of rib metastasis |
| US20070249910A1 (en) * | 2004-10-28 | 2007-10-25 | Kiraly Atilla P | 2D visualization for rib analysis |
Family Cites Families (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7072515B2 (en) * | 2001-01-26 | 2006-07-04 | Rensselaer Polytechnic Institute | Method and apparatus for automatically tracing line-structure images |
| US20060036167A1 (en) * | 2004-07-03 | 2006-02-16 | Shina Systems Ltd. | Vascular image processing |
| US8483462B2 (en) * | 2006-11-03 | 2013-07-09 | Siemens Medical Solutions Usa, Inc. | Object centric data reformation with application to rib visualization |
| US8165376B2 (en) * | 2006-12-11 | 2012-04-24 | Siemens Corporation | System and method for automatic detection of rib metastasis in computed tomography volume |
| US20120093383A1 (en) * | 2007-03-30 | 2012-04-19 | General Electric Company | Sequential image acquisition method |
| US9597041B2 (en) * | 2007-03-30 | 2017-03-21 | General Electric Company | Sequential image acquisition with updating method and system |
| US8150135B2 (en) * | 2007-06-04 | 2012-04-03 | Siemens Computer Aided Diagnosis Ltd. | Identifying ribs in lung X-rays |
| US8730237B2 (en) * | 2007-08-03 | 2014-05-20 | Koninklijke Philips N.V. | Coupling the viewing direction of a blood vessel's CPR view with the viewing angle on the 3D tubular structure's rendered voxel volume and/or with the C-arm geometry of a 3D rotational angiography device's C-arm system |
| JP5641736B2 (ja) * | 2008-03-25 | 2014-12-17 | 株式会社東芝 | 医用画像処理装置及びｘ線診断装置 |
| EP2131325B1 (en) * | 2008-05-08 | 2013-01-30 | Agfa Healthcare | Method for mass candidate detection and segmentation in digital mammograms |
| US8351667B2 (en) * | 2008-08-15 | 2013-01-08 | Sti Medical Systems, Llc | Methods of contrast enhancement for images having blood vessel structures |
| US8938104B2 (en) * | 2008-08-29 | 2015-01-20 | Varian Medical Systems International Ag | Systems and methods for adaptive filtering |
| GB0910138D0 (en) * | 2009-06-12 | 2009-07-29 | Siemens Medical Solutions | Combination of MIP and anatomical information |
| US8571285B2 (en) * | 2010-10-29 | 2013-10-29 | Siemens Aktiengesellschaft | Automated rib ordering and pairing |
| GB201020073D0 (en) * | 2010-11-26 | 2011-01-12 | Siemens Medical Solutions | Anatomically-aware MIP shading |
| US9020233B2 (en) * | 2011-09-19 | 2015-04-28 | Siemens Aktiengesellschaft | Method and system for up-vector detection for ribs in computed tomography volumes |
| US8989471B2 (en) * | 2011-09-27 | 2015-03-24 | Siemens Aktiengesellschaft | Method and system for automatic rib centerline extraction using learning based deformable template matching |
| GB201117805D0 (en) * | 2011-10-14 | 2011-11-30 | Siemens Medical Solutions | System and methods for efficient multimodal rib lesion readings |
| GB2518848A (en) * | 2013-10-01 | 2015-04-08 | Siemens Medical Solutions | Registration of multimodal imaging data |
| US9189847B2 (en) * | 2013-11-12 | 2015-11-17 | Siemens Aktiengesellschaft | 2D visualization for rib analysis |
-
2011
- 2011-10-14 GB GBGB1117805.0A patent/GB201117805D0/en not_active Ceased
-
2012
- 2012-09-26 GB GB1217215.1A patent/GB2496255B/en active Active
- 2012-10-12 US US13/650,284 patent/US9697586B2/en active Active
- 2012-10-15 CN CN201210535857.4A patent/CN103093424B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1421820A (zh) * | 2001-11-22 | 2003-06-04 | 皇家菲利浦电子有限公司 | 用于同步显示任意可选的互补断面图像的方法和设备 |
| US20040161140A1 (en) * | 2003-02-19 | 2004-08-19 | Isabella Yuzefovich | Nuclear imaging |
| US20070249910A1 (en) * | 2004-10-28 | 2007-10-25 | Kiraly Atilla P | 2D visualization for rib analysis |
| US20070110295A1 (en) * | 2005-10-17 | 2007-05-17 | Siemens Corporate Research Inc | System and method for enhanced viewing of rib metastasis |
Non-Patent Citations (1)
| Title |
|---|
| ATILLA P.KIRALY 等: "a novel visualization method for the ribs within chest volume data", 《MEDICAL IMAGING 2006:VISUALIZATION,IMAGE-GUIDED PROCEDURES, AND, DISPLAY》 * |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108135552A (zh) * | 2015-09-29 | 2018-06-08 | 皇家飞利浦有限公司 | 投影x射线图像的改进的可视化 |
| CN108135552B (zh) * | 2015-09-29 | 2021-10-29 | 皇家飞利浦有限公司 | 投影x射线图像的改进的可视化 |
| CN107527361A (zh) * | 2017-08-28 | 2017-12-29 | 合肥融视信息科技有限公司 | 基于磁共振影像融合显示的图像显示系统及显示方法 |
| CN111932520A (zh) * | 2018-08-31 | 2020-11-13 | 上海联影智能医疗科技有限公司 | 医学图像显示方法、查看设备以及计算机设备 |
| CN109389603A (zh) * | 2018-09-10 | 2019-02-26 | 北京大学 | 一种基于预加重策略的全自动腰椎图像分割方法 |
| CN109389603B (zh) * | 2018-09-10 | 2021-09-24 | 北京大学 | 一种基于预加重策略的全自动腰椎图像分割方法 |
| CN110717961A (zh) * | 2019-09-17 | 2020-01-21 | 上海联影医疗科技有限公司 | 多模态图像重建方法、装置、计算机设备和存储介质 |
| CN110717961B (zh) * | 2019-09-17 | 2023-04-18 | 上海联影医疗科技股份有限公司 | 多模态图像重建方法、装置、计算机设备和存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| GB2496255B (en) | 2015-03-25 |
| US20130101197A1 (en) | 2013-04-25 |
| US9697586B2 (en) | 2017-07-04 |
| GB2496255A (en) | 2013-05-08 |
| GB201117805D0 (en) | 2011-11-30 |
| GB201217215D0 (en) | 2012-11-07 |
| CN103093424B (zh) | 2016-12-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103093424A (zh) | 用于从医学成像数据中生成增强图像的方法和装置 | |
| CN108520519B (zh) | 一种图像处理方法、装置及计算机可读存储介质 | |
| Yao et al. | A multi-center milestone study of clinical vertebral CT segmentation | |
| Van Rikxoort et al. | Automated segmentation of pulmonary structures in thoracic computed tomography scans: a review | |
| Kiraly et al. | Three-dimensional human airway segmentation methods for clinical virtual bronchoscopy | |
| US7813535B2 (en) | System and method for fused PET-CT visualization for heart unfolding | |
| US8175363B2 (en) | System and method for additive spatial/intensity decomposition of medical images | |
| Lee et al. | Robust tumor localization with pyramid grad-cam | |
| US20110142320A1 (en) | Systems and Methods for Computer Aided Diagnosis and Decision Support in Whole-Body Imaging | |
| Chu et al. | MASCG: Multi-Atlas Segmentation Constrained Graph method for accurate segmentation of hip CT images | |
| US9020218B2 (en) | Methods and apparatus for generating a modified intensity projection image | |
| JP2015528372A (ja) | 医用画像中の肺結節を自動検出するためのシステム及び方法 | |
| US9754366B2 (en) | Computer-aided identification of a tissue of interest | |
| US8605965B2 (en) | Methods and apparatus for generating a modified intensity projection image | |
| US20100177945A1 (en) | Image processing method, image processing apparatus, and image processing program | |
| Sun et al. | Lung segmentation refinement based on optimal surface finding utilizing a hybrid desktop/virtual reality user interface | |
| US9117141B2 (en) | Method and apparatus for identifying regions of interest in medical imaging data | |
| Moon et al. | Acceleration of spleen segmentation with end-to-end deep learning method and automated pipeline | |
| Li et al. | Renal cortex segmentation using optimal surface search with novel graph construction | |
| Bauer et al. | Automated measurement of uptake in cerebellum, liver, and aortic arch in full‐body FDG PET/CT scans | |
| Arzhaeva et al. | Computer‐aided detection of interstitial abnormalities in chest radiographs using a reference standard based on computed tomography | |
| EP4026102B1 (en) | Confidence map for neural network based limited angle artifact reduction in cone beam ct | |
| Khmelinskii et al. | Segmentation and visual analysis of whole-body mouse skeleton microSPECT | |
| Stavropoulou et al. | A multichannel feature-based approach for longitudinal lung CT registration in the presence of radiation induced lung damage | |
| GB2515634A (en) | System and methods for efficient assessment of lesion development |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| ASS | Succession or assignment of patent right |
Owner name: SIEMENS AKTIENGESELLSCHAFT Effective date: 20140422 |
|
| C41 | Transfer of patent application or patent right or utility model | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20140422 Address after: American Pennsylvania Applicant after: American Siemens Medical Solutions Inc. Applicant after: Siemens AG Address before: American Pennsylvania Applicant before: American Siemens Medical Solutions Inc. |
|
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20220210 Address after: Pennsylvania, America Patentee after: SIEMENS MEDICAL SOLUTIONS USA, Inc. Patentee after: SIEMENS Medical Co., Ltd. Address before: Pennsylvania, America Patentee before: SIEMENS MEDICAL SOLUTIONS USA, Inc. Patentee before: siemens |