CN103282940A - 不对称性的自动量化 - Google Patents
不对称性的自动量化 Download PDFInfo
- Publication number
- CN103282940A CN103282940A CN2012800046536A CN201280004653A CN103282940A CN 103282940 A CN103282940 A CN 103282940A CN 2012800046536 A CN2012800046536 A CN 2012800046536A CN 201280004653 A CN201280004653 A CN 201280004653A CN 103282940 A CN103282940 A CN 103282940A
- Authority
- CN
- China
- Prior art keywords
- asymmetry
- pixel
- processor
- comparison
- 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
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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
- A61B5/004—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room adapted for image acquisition of a particular organ or body part
- A61B5/0042—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room adapted for image acquisition of a particular organ or body part for the brain
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/68—Analysis of geometric attributes of symmetry
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30016—Brain
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Pathology (AREA)
- Heart & Thoracic Surgery (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Biophysics (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Neurology (AREA)
- Nuclear Medicine (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Image Processing (AREA)
Abstract
一种检测诸如脑的对象中的不对称性的装置。所述装置包括处理器,其被编程为将所述对象的三维图像适配到预选的形状,例如标准脑图谱。所述处理器将所述对象的所述三维图像投影到二维表面图像。所述处理器比较所述表面图像的左侧和右侧上相应的镜像对称体素对。所述处理器基于所述体素对中的偏差,生成不对称性图和不对称性指数中的至少一个。所述处理器还可以在所述对比之前,对在正常的脑中为不对称的表面图像的像素进行掩模。
Description
技术领域
本申请涉及诊断领域。其具体结合脑的功能图像应用,所述功能图像包括但不限于,正电子发射断层摄影(PET)和单光子发射计算机断层摄影(SPECT)灌注图像。然而,应认识到,所描述的技术也可以应用于其他医学成像设备系统、其他解剖学区域、非生命对象的检查,等等。
背景技术
人脑大多为左右对称的,不仅在结构方面而且在代谢方面也是,如通过[18F]FDG PET成像所测量。许多罹患痴呆症的对象还表现出脑代谢中的对称性损伤。然而,许多痴呆对象呈现不对称的脑代谢,尤其在疾病进展早期。
对脑中不对称性的确定具有诊断价值。一些形式的痴呆,脑中的受影响区域不对称地出现。例如,在老年痴呆症的非常早期阶段可能出现高度的不对称性。测量不对称性可以被用于检测或识别各种类型的痴呆,包括老年痴呆症的早期。当前,诊断医师手动地比较脑或器官的切片,以确定它们有多对称。这些比较需要大量技巧,并且难以量化。由于评价的主观性,由不同诊断医师进行的比较评价可能并不准确。使诊断进一步复杂化的是,诸如脑的器官的各个区域中的不对称性可能是正常的。
更具体而言,在疾病的较早期诊断引起痴呆的潜在疾病的最有效方式之一是通过进行FDG-PET脑扫描。像是老年痴呆症的痴呆导致脑中代谢减退的典型模式。遗憾的是,在FDG-PET脑扫描图像中准确识别这些代谢减退区要求大量技巧,因为这些区仅显示为灰度上的略微不同。这就是为什么对FDG-PET脑扫描的可靠解释在正常情况下仅由非常有经验的专家进行。在分析FDG-PET图像的现有技术中,不对称性常常被忽视或不被评估,尽管其具有诊断价值。微小的不对称性对于人眼来说几乎不可见。
因此,存在对不对称性进行自动量化以在诊断中帮助健康护理提供者的需求。
本申请提供新的改进的系统和方法,所述系统和方法克服了上述问题以及其他问题。
发明内容
根据一个方面,一种装置,用于检测对象中的不对称性,其包括处理器,所述处理器被编程为执行比较所述对象的图像的相对侧上相对应的体素的步骤。基于所述比较,所述装置生成不对称性图和不对称性指标中的至少一个。
根据另一方面,一种用于检测不对称性的方法,包括比较对象的图像的相对侧上相对应的像素的对,以及基于所述比较生成不对称性图和不对称性指数中的至少一个。
一个优点在于可以更容易地检测到不对称性。
另一优点在于不对称性可以被量化。
另一优点在于在非常早期阶段检测老年痴呆症。
本领域普通技术人员在阅读和理解以下详细描述之后,将认识到本创新更进一步的优点。
附图说明
本发明可以采取各种部件和部件的布置,以及各种步骤和步骤的安排的形式。附图仅出于图示各个方面的目的,并且不应被解读为限制本发明。
图1图示了根据本文中所描述的各个方面的、通过将所采集的图像与现有模版进行比较以便于显示不对称性图的系统。
图2图示了不对称性图计算序列,其显示了不对称性图和相应的不对称性指数,所述不对称图计算序列消除了对图像的手动比较以确定不对称性或异常的需要。
图3图示了不对称性指数的计算中掩模的使用。
图4图示了不对称性指数的计算中z分值的使用。
图5图示了示范性不对称性图。
图6图示了另一示范性不对称性图。
具体实施方式
图1图示了计算不对称性指数的系统100。所述系统100包括耦合到功能性扫描器104和扫描器存储器105的一个或多个处理器102,所述功能性扫描器104例如PET或其他核医学扫描器。在一个实施例中,处理器存储器106存储并且处理器102执行,用于运行本文中所描述的各种功能、方法、技术、程序等的计算机可执行指令。所述计算机可执行指令被存储为所述处理器存储器106中的模块。在另一实施例中,一系列的引擎、模块、硬件部件等等实现下文中所描述的功能。所述系统还包括将信息呈现给用户的显示器108。
所述扫描器104扫描诸如脑的对象,以生成功能性图像数据,优选以所接收的带时间戳的数据做出的列表的形式。所述图像数据被存储在所述扫描器存储器105中。
耦合到所述扫描器存储器105的重建单元110访问所述图像数据,并将所述数据重建为表示所扫描对象的三维图像。在一个实施例中,使用飞行时间(TOF)信息从PET重建所述数据,使得所述三维图像表示脑或其他器官中放射药剂的分布。例如,如果所述放射药剂包括葡萄糖,其以较高的代谢活性被摄入到所述脑的活性区域,并且几乎没有或者完全没有葡萄糖被摄入到代谢损伤或损坏的区域。所述损伤区域在所述三维图像中显示为更暗。
归一化模块112——其为来自所述处理器存储器106的硬件或配准算法或指令的形式——将所述三维图像适配到标准脑图谱或模版,例如立体定位归一化。
投影模块114——其为被编程为运行投影算法或指令的专用硬件或处理器的形式——将脑的三维图像,尤其是所述放射药剂分布所指示的,投影或映射到脑表面上。更具体而言,对于所图示的实施例,所述投影模块将所述三维图像映射到八个立体定向的表面投影上,包括左外侧、右外侧、上方、下方、前方、后方、左内侧,和右内侧。如果所述脑是对称的,那么所述脑的相对的两侧,尤其是相对的投影图像,将是镜像对称的,即,所述脑的相对侧的投影图像的对的对应像素将是相同的。所述投影视图被保存在所述存储器106中,并且被选择性地显示在所述显示器108上。
左右脑半球的外侧位和内侧位投影具有优于体积图像的几个优点。该视觉表示更容易解释。表面投影减小了由皮层结构中的个体差异引起的对象间以及对象内的变化。因此,表面投影非常适合捕获功能性不对称性(对结构性不对称性更加鲁棒)。
像素计算模块116——其为被编程为运行像素计算算法或计算机指令的专用硬件或处理器的形式——识别脑的每一半,例如左侧和右侧中对应的(例如镜像对称的)像素xi。所述像素计算模块116比较对应的表面像素中的每一对,以确定相应的不对称性。当在比较中使用多个立体定向表面投影时,两个或更多个投影图像中的重复信息被忽略,并且所述像素计算模块116并不对重复值评估两次。可选地,可以在映射或投影期间消除重复数据。
不对称性确定模块118——其为硬件或程序控制处理器的形式——根据由所述像素计算模块116生成的相对应的像素之间的差,计算不对称性图,图5,或者不对称性指数值。在一个实施例中,所述系统计算两个不对称性图,包括内侧位图和外侧位图,具有指示相对的不对称性程度的强度变化。在另一实施例中,所述系统计算八个表面投影,所述表面投影还示出了指示相对的不对称性程度的强度变化。
在另一实施例中,所述不对称性确定模块118生成不对称性指数。所述不对称性指数是表示与正常的脑相比,所检查的脑作为整体或其所选的部分的相对不对称性的数值。在一个实施例中,相对对称的经扫描的对象具有低的不对称性指数。而相对不对称的经扫描的对象具有较高的不对称性指数,例如偏离正常的标准偏差的数值。通过将所述不对称性指数提供为标量表示,用户能快速且高效地确定经扫描的对象与正常之间的共性水平。显示模块120将所述不对称性信息(例如,不对称性图或指数)的输出转换为适当格式,用于在所述显示器108上显示。
在另一实施例中,所述不对称性确定模块118将所述不对称性指数输出到临床决策支持系统(CDSS)122。所述CDSS122可以考虑多种因素(例如,年龄、其他测试结果,等),以提供更完整和准确的诊断或建议处置规划。所述CDSS122操作性地连接到医院数据库124,所述医院数据库充当患者信息的资源库。所述信息可以包括,但不限于,所述不对称性指数所对应的具体患者的信息。例如,所述医院数据库124可以包括有关所述患者的年龄、人口统计资料、先前病史等。所述CDSS122可以从所述医院数据库124检索信息(例如,患者的其他测试的结果),并且结合所述不对称性指数使用所检索到的信息,来生成各种诊断的概率或建议疗程。所述CDSS122还可以缓解对于由医师对所述不对称性进行视觉解释的需要,因为可以自动地机器确定所述不对称性指数。所述系统可以帮助经验较少的医师获得准确的诊断。所述CDSS122可以将所生成的结果输出到所述CDSS显示器126,用于呈现。
图2图示了根据各个特征的用于计算不对称性信息的方法200。尽管所述方法被描述为一系列动作,但是应该理解,可能并不需要所有的动作来实现所描述的对象和/或结果,并且根据某些方面,一些动作可以以与所描述的特定顺序不同的顺序执行。所述动作可以通过适当地编程的处理器,例如102和110,来执行。
在210,扫描对象,例如脑,以生成与所述对象相关联的图像数据。对于代谢脑成像,PET成像是有利的,并且灌注SPECT成像也是有用的。在220,重建所述图像数据,以形成所扫描对象的三维图像。在230,在所重建的三维图像的每个体素上运行立体定位归一化。例如,使用非仿射图像配准,将所述重建的三维图像的所述体素在空间上转换为标准坐标,例如对称脑图谱或模版。以此方式,针对所有患者使脑的尺寸和形状标准化。在240,映射所述三维图像,例如将其投影成一系列被投影到所述脑表面上的二维图像。所述二维图像可以包括每个半球的大量视图,包括左外侧、右外侧、上方、下方、前方、后方、左内侧和右内侧,以及其他。
在250,针对相似度,将所述脑的左侧和右侧的表面投影的相对应的像素对与归一化的不对称性图进行比较。数据库存储所述规范化的不对称性图,其可以表示正常脑。下文描述根据所述相对应的像素对来计算所述不对称性的各种方式。
在260,根据所述相对应的左右像素对之间的差异或相对不对称性,创建脑表面不对称性图。例如,所述表面不对称性图通过内侧位投影和外侧位投影的色彩/灰阶编码,示出一侧脑的相对不对称性(另一侧看上去相同,但为镜像翻转的)。相对应的像素对中的相对差异由所述不对称图内的色彩或灰阶阴影差异表示。例如,较浅的阴影可以指示较为不对称的表面部分。在270,将所述表面不对称性图的投影,例如医学和侧方投影,在显示器108或任何其他适当的显示设备上向用户显示。
在280,计算总体不对称性值,例如标量不对称性指数。所述不对称性指数表示脑的总体或某个所选部分的不对称性的水平。所述不对称性指数可以被表示为概括所扫描的对象的不对称性水平的标量数值。在一个实施例中,所述不对称性指数使用所述图上每个像素的不对称性水平的平均来计算。例如,可以对每个像素的不对称性在从1到10的范围上排序。随后可以计算所述不对称性图上所述像素的所述平均不对称性水平。类似地,所述系统和方法可以以类似方式计算表示所述像素的中值不对称性的不对称性指数。在另一实施例中,总体不对称性度量是多个标量不对称性指数的向量,每个指数在250以不同的方法导出。
所计算的不对称性指数,或多个标量不对称性指数的向量,被可选地发送到临床决策支持系统(CDSS),以帮助诊断。所述CDSS可以结合其他基于图像的信息(例如,代谢减退的体积)或不基于图像的信息(年龄、实验室测试,等),使用所述不对称性指数,来提供关于所述患者的信息。决策支持软件旨在帮助所述图像的解释,以使可以由经验较少的医师做出准确的诊断。这可以针对痴呆的早期诊断进行广泛使用的诊断服务。脑不对称性的自动评估一般是脑非正常性,并且尤其是早期痴呆的有用标记。
如上所述,所述系统100包括处理器104和处理器存储器106,所述处理器104执行并且所述处理器存储器106存储,计算机可执行指令(例如,例程、程序、算法、软件代码,等),用于执行本文中所描述的各种功能、方法、程序等等。额外地,本文中所使用的“模块”指代一套计算机可执行指令、软件代码、程序、例程、ASIC、阵列处理器以及其他硬件部件,等等,如本领域技术人员将理解。
所述存储器可以是存储控制程序的计算机可读介质,例如磁盘、硬盘驱动等等。常见形式的非暂态计算机可读介质包括,例如,软磁盘、软盘、硬盘、磁带,或任何其他磁性存储介质,CD-ROM、DVD,或任何其他光学介质,RAM、ROM、PROM、EPROM、FLASH-EPROM,它们的变体,其他存储芯片或盒式盘,或者所述处理器可以从其读取并执行的任何其他有形介质。在该上下文中,本文中描述的所述系统可以被实现于或实现为:一个或多个通用型计算机、(一个或多个)专用计算机、编程微处理器或微控制器以及外围集成电路元件、ASIC或其他集成电路、数字信号处理器、硬接线电子器件或逻辑电路(例如分立元件电路)、可编程逻辑设备(例如PLD、PLA、FPGA、图形卡CPU(GPU)、或PAL),等等。
在一个实施例中,在计算所述不对称性之前,对所述对象的所述二维图像的像素进行掩模。可以预期对象在一些区域中是不对称的,而在其他区域中为对称的。一些部分在正常脑中是不对称的。在300应用掩模,以从所述计算排除掉在正常情形下预期呈现不对称性的像素。或者,所应用的掩模排除掉具有低可靠性的像素。例如,所述掩模可以排除如下的像素:所述像素在正常不对称性数据库302中存储的正常脑的组中的不对称性指数标准偏差超过某个阈值。
参考图3,计算左半球和右半球中每个相对应的像素对xLi、xRi的所述不对称性。在一个实施例中,在310,通过确定所述相对应的左像素和右像素(xLi、xRi)之间的差的绝对值,计算针对每个像素对的绝对差(D绝对),即D绝对(xi)=|xLi–xRi|。在另一实施例中,在320确定百分比差D百分比,即,D百分比(xi)=2*D绝对(xi)/(xLi+xRi)。在另一实施例中,在330,所述方法确定所述相对应的左像素和右像素xLi、xRi的比率R(xi),即:
R(xi)=(xLi/xRi)-1.
在步骤260中,可以使用所述绝对差、所述相对(百分比)差,或者所述比率,来计算所述不对称性图。根据所述差、百分比差或比率的量级设置所述灰阶值或色彩值。为了在步骤280中计算合计不对称性指数,考虑不对称性像素值的绝对值(即,D绝对、|D百分比|、|R|)。在一个实施例中,计算统计学性质,例如所述不对称性值的平均、中值或百分位。在另一实施例中,选择阈值,例如针对D百分比为10%的百分差,并且计数具有大于所述阈值的D百分比的像素的数目。
图4图示了通过在计算不对称性指数之前,映射z分值,对不对称性信息的另一种计算。在计算不对称性指数之前,所述方法针对所述二维图上每个相对应的左右像素对计算z分值。例如,可以采用下式来计算每个像素xi的z分值:z(xi)=(a(xi)–平均_a(xi))/标准偏差_a(xi),其中a(xi)表示所述像素xi处的不对称性度量,例如差、百分比差、比率,等等。平均_a()和标准偏差_a()表示所述之前在正常脑图像的数据库上计算的不对称性度量a()的平均和标准偏差。在260,使用所述z分值生成所述不对称性,以在相应的像素设置所述灰阶值或色彩值。在280,所述z分值被用于计算所述不对称性指数。
图5图示了由所述系统100和所述方法200生成的示范性不对称性图。所述图示出了相对强度差的外侧位图和内侧位图。基于所述相对应的体素的不对称性值,将像素显示为不同的明暗度。亮像素表示图像强度在右半球更大的像素;暗的像素与左半球中更高的图像强度相关联。
图6图示了由所述系统100和所述方法200生成的示范性不对称性图。所述图示出二维图像,包括左外侧、右外侧、上方、下方、前方、后方、左内侧和右内侧,但不限于这样的图像。基于对应的体素的不对称性值,将像素示为不同的明暗度。亮像素指表示像不对称性较大处的像素;暗像素与更对称的像素相关联。
己经参考几个实施例描述了本创新。他人在阅读和理解前面的详细描述之后可以想到多种修改和变型。本创新旨在被解读为包括所有这样的修改和变型,只要它们落入所附权利要求书或其等价形式的范围之内。
Claims (20)
1.一种用于检测对象中的不对称性的装置(100),所述装置包括:
处理器(102),其被编程为执行以下步骤:
比较所述对象的图像的相对侧上相对应的体素;
基于所述比较,生成不对称性图和不对称性指数中的至少一个。
2.根据权利要求1所述的装置,其中,所述处理器还被编程为:
将所述对象的三维图像适配到预选的形状。
3.根据权利要求1和2中任一项所述的装置,其中,所述对象是脑,并且所述处理器还被编程为:
将所述脑的三维图像适配到标准脑图谱。
4.根据权利要求2和3中任一项所述的装置,其中,所述处理器还被编程为:
将所述对象的所述三维图像投影到二维表面图像上,所述投影在所述适配之后并且在所述比较之前执行。
5.根据前述权利要求1至4中任一项所述的装置,其中,所述处理器还被编程为:
根据以下公式计算所述表面图像的相对侧上相对应的像素对的z分值:
z(xi)=(a(xi)–平均(xi))/标准偏差(xi),
其中,a(xi)表示所述相对应的像素对xi处的不对称性度量,平均(xi)表示所述像素对xi的平均不对称性度量,并且标准偏差(xi)表示所述像素对xi的标准偏差不对称性度量,其中,所述处理器基于至少一个名义脑图,计算所述平均(xi)和所述标准偏差(xi)。
6.根据权利要求1至4中任一项所述的装置,其中,所述处理器还被编程为执行以下中的至少一项:
计算所述表面图像的相对侧上相对应的像素之间的绝对差,用于所述不对称性图或所述不对称性指数的计算;
计算相对差,用于所述不对称性图或所述不对称性的计算;
计算所述表面图像的相对侧上相对应的像素对的幅值之间的比率,用于所述不对称性图或所述不对称性指数的计算。
7.根据权利要求1至6中任一项所述的装置,其中,所述处理器还被编程为:
基于每个相对应的像素对中所述像素相差多少以及相差大于阈值或百分比的像素对的数目,计算所述不对称性指数。
8.根据权利要求4至7中任一项所述的装置,其中,所述处理器还被编程为:
对所述表面图像的正常地为不对称的像素进行掩模,其中,所述掩模在所述投影的步骤之后并且在所述比较的步骤之前执行。
9.根据权利要求1至8中任一项所述的装置,还包括:
临床决策支持系统(122),其接收并使用所述不对称性图和不对称性指数中的至少一个。
10.一种用于检测不对称性的方法,所述方法包括:
比较对象的图像的相对侧上相对应的像素的对;
基于所述比较,生成不对称性图和不对称性指数中的至少一个。
11.根据权利要求10所述的方法,还包括:在所述比较的步骤之前,将所述对象的三维图像映射到预选的形状或图集。
12.根据权利要求10和11中任一项所述的方法,还包括:
在所述映射步骤之后并且在所述比较的步骤之前,将所述对象的三维图像投影到所述对象的表面上,以创建二维表面图像,所述比较的步骤比较所述表面图像的相对侧上相对应的像素对。
13.根据权利要求10至12中任一项所述的方法,还包括:
在所述比较的步骤之前,对所述表面图像的在正常对象中为不对称的像素或者不对称性计算不可靠的像素进行掩模。
14.根据权利要求10至13中任一项所述的方法,其中,所述比较的步骤包括确定以下中的至少一项:
每个相对应的像素对的像素之间的绝对差,
每个相对应的像素对的像素之间的相对差,以及
每个相对应的像素对的像素之间的比率。
15.根据权利要求10至14中任一项所述的方法,其中,所述比较的步骤包括:
根据以下公式计算所述表面图上每个像素对的z分值:
z(xi)=(a(xi)-平均(xi))/标准偏差(xi),
其中,a(xi)表示所述相对应的像素对xi处的差、相对差、或比率不对称性度量;平均(xi)表示所述像素对xi的平均不对称性度量;并且标准偏差(xi)表示所述像素对xi的标准偏差不对称性度量。
16.根据权利要求10至15中任一项所述的方法,其中,生成所述不对称性指数包括:
在所述比较的步骤中确定己被确定为相偏离的所述像素对的相对数目或百分比。
17.根据权利要求10至16中任一项所述的方法,其中,生成所述不对称性图包括:
根据每个相对应的像素对中所述像素的值的偏差,调节二维图像上的色彩或灰阶。
18.根据权利要求10至17中任一项所述的方法,还包括:
基于所述不对称性图和/或所述不对称性指数,生成至少一个处置规划和诊断。
19.一种承载有软件的计算机可读介质,所述软件控制一个或多个处理器,以执行根据权利要求10至18中任一项所述的方法。
20.一种用于在早期发展阶段检测脑疾病的系统(100),所述系统包括:
数据库(124),其存储患者医学数据和人口学数据;
处理器(102),其被编程为执行以下步骤:
将3D脑图像的体素投影到一个或多个2D表面上,
比较所投影的2D脑图像的相对侧上相对应的体素,
基于所述比较,生成不对称性图和不对称性指数中的至少一个;
以及
临床决策支持系统(CDSS)(122),其从所述不对称性指数或不对称性图以及从医院数据库(124)检索的信息,生成建议诊断或处置计划中的至少一个。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201161429777P | 2011-01-05 | 2011-01-05 | |
US61/429,777 | 2011-01-05 | ||
PCT/IB2012/050025 WO2012093353A1 (en) | 2011-01-05 | 2012-01-03 | Automatic quantification of asymmetry |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103282940A true CN103282940A (zh) | 2013-09-04 |
CN103282940B CN103282940B (zh) | 2016-12-07 |
Family
ID=45476548
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201280004653.6A Active CN103282940B (zh) | 2011-01-05 | 2012-01-03 | 不对称性的自动量化 |
Country Status (6)
Country | Link |
---|---|
US (1) | US9123101B2 (zh) |
EP (1) | EP2661734B1 (zh) |
JP (1) | JP5878933B2 (zh) |
CN (1) | CN103282940B (zh) |
BR (1) | BR112013017073A2 (zh) |
WO (1) | WO2012093353A1 (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104144342A (zh) * | 2013-05-08 | 2014-11-12 | 张春兰 | 一种以值域中值对称的变换域系数量化方法 |
CN105997128A (zh) * | 2016-08-03 | 2016-10-12 | 上海联影医疗科技有限公司 | 利用灌注成像识别病灶的方法及系统 |
CN106370100A (zh) * | 2016-08-17 | 2017-02-01 | 北京汽车股份有限公司 | 车身对称偏差检测方法及系统 |
CN108709504A (zh) * | 2018-07-10 | 2018-10-26 | 苏州赛维新机电检测技术服务有限公司 | 一种图像模拟的产品尺寸检测系统 |
CN111568421A (zh) * | 2020-04-30 | 2020-08-25 | 深圳市神经科学研究院 | 大脑左右半球不对称性检测方法、系统、设备及存储介质 |
CN112750520A (zh) * | 2020-12-31 | 2021-05-04 | 四川桑瑞思环境技术工程有限公司 | 一种信息处理系统 |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2740073B1 (en) * | 2011-06-17 | 2017-01-18 | Quantitative Imaging, Inc. | Methods and apparatus for assessing activity of an organ and uses thereof |
DK2973402T3 (da) * | 2013-03-13 | 2019-09-16 | Fdna Inc | Systemer, fremgangsmåder og computer-læsbare medier til identificering af, hvornår det er sandsynligt, at et individ rammes af en medicinsk tilstand |
WO2014155299A1 (en) * | 2013-03-28 | 2014-10-02 | Koninklijke Philips N.V. | Interactive follow-up visualization |
EP2979241A1 (en) | 2013-03-28 | 2016-02-03 | Koninklijke Philips N.V. | Improving symmetry in brain scans |
US9805467B2 (en) * | 2013-06-19 | 2017-10-31 | Koninklijke Philips N.V. | Lung measurements |
US11179096B2 (en) | 2016-04-05 | 2021-11-23 | National University Corporation Hokkaido University | Scoliosis diagnosis assistance device, scoliosis diagnosis assistance method, and program |
CN107146251B (zh) * | 2017-03-28 | 2020-08-18 | 浙江大学 | 一种三维人脸模型的对称性分析方法 |
JP6868233B2 (ja) * | 2017-08-09 | 2021-05-19 | 株式会社ノア | 対称性可視化装置、対称性可視化方法及びプログラム |
EP3624058A1 (en) | 2018-09-17 | 2020-03-18 | icoMetrix NV | Method and system of analyzing symmetry from image data |
JP7413147B2 (ja) | 2020-05-21 | 2024-01-15 | 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 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005115847A (ja) * | 2003-10-10 | 2005-04-28 | Babcock Hitachi Kk | 特定立体画像と2次元画像に映し出された被写体の照合方法 |
CN102473302A (zh) * | 2009-07-20 | 2012-05-23 | 皇家飞利浦电子股份有限公司 | 用于感兴趣肿瘤区域定义的解剖结构建模 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4357928B2 (ja) * | 2003-10-29 | 2009-11-04 | 株式会社東芝 | 脳虚血診断支援装置及びx線コンピュータ断層撮影装置 |
KR101016848B1 (ko) * | 2004-03-22 | 2011-02-22 | 엘지전자 주식회사 | 지문 대칭축 추출 방법 |
US20080021502A1 (en) * | 2004-06-21 | 2008-01-24 | The Trustees Of Columbia University In The City Of New York | Systems and methods for automatic symmetry identification and for quantification of asymmetry for analytic, diagnostic and therapeutic purposes |
WO2006114003A1 (en) * | 2005-04-27 | 2006-11-02 | The Governors Of The University Of Alberta | A method and system for automatic detection and segmentation of tumors and associated edema (swelling) in magnetic resonance (mri) images |
WO2007023522A1 (ja) * | 2005-08-22 | 2007-03-01 | National Center Of Neurology And Psychiatry | 脳疾患の診断支援方法及び装置 |
JP5107538B2 (ja) * | 2006-07-21 | 2012-12-26 | 富士フイルムRiファーマ株式会社 | 画像診断支援システム及び方法 |
RU2356498C1 (ru) | 2007-09-26 | 2009-05-27 | Государственное Учреждение Научный Центр Неврологии Российской Академии Медицинских Наук | Способ диагностики нейродегенеративного заболевания хореи гентингтона |
JP5209270B2 (ja) * | 2007-10-29 | 2013-06-12 | 株式会社東芝 | 医用画像撮影装置、医用画像処理装置および医用画像処理プログラム |
FR2931281B1 (fr) * | 2008-05-15 | 2014-07-18 | Univ Paris Curie | Procede et systeme automatise d'assistance au pronostic de la maladie d'alzheimer, et procede d'apprentissage d'un tel systeme |
US8849000B2 (en) * | 2009-12-04 | 2014-09-30 | Shenzhen Institute Of Advanced Technology, Chinese Academy Of Sciences | Method and device for detecting bright brain regions from computed tomography images |
US8498481B2 (en) * | 2010-05-07 | 2013-07-30 | Microsoft Corporation | Image segmentation using star-convexity constraints |
US8838204B2 (en) * | 2012-01-13 | 2014-09-16 | Siemens Medical Solutions Usa, Inc. | System and method for phase contrast imaging with improved efficiency |
-
2012
- 2012-01-03 BR BR112013017073A patent/BR112013017073A2/pt not_active IP Right Cessation
- 2012-01-03 JP JP2013547947A patent/JP5878933B2/ja active Active
- 2012-01-03 US US13/977,025 patent/US9123101B2/en active Active
- 2012-01-03 WO PCT/IB2012/050025 patent/WO2012093353A1/en active Application Filing
- 2012-01-03 CN CN201280004653.6A patent/CN103282940B/zh active Active
- 2012-01-03 EP EP12700246.7A patent/EP2661734B1/en active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005115847A (ja) * | 2003-10-10 | 2005-04-28 | Babcock Hitachi Kk | 特定立体画像と2次元画像に映し出された被写体の照合方法 |
CN102473302A (zh) * | 2009-07-20 | 2012-05-23 | 皇家飞利浦电子股份有限公司 | 用于感兴趣肿瘤区域定义的解剖结构建模 |
Non-Patent Citations (3)
Title |
---|
DAVID O MARA: "Measuring Bilateral Symmetry in Digital Images", 《PROCEEDINGS OF 1996 IEEE TENCON DIGITAL SIGNAL PROCESSING APPLICATION PERTH》 * |
SATOSHI MINOSHIMA等: "A Diagnostic Approach in Alzheimer’s Disease Using Three-Dimensional Stereotactic Surface Projections of Fluorine-18-FDG PET", 《JOURNAL OF NUCLEAR MEDICINE》 * |
ZHE CHEN等: "Pathological Lesion Detection in 3D Dynamic PET Images Using Asymmetry", 《2003 PROCEEDINGS OF 12TH INTERNATIONAL CONFERENCE ON SEPT》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104144342A (zh) * | 2013-05-08 | 2014-11-12 | 张春兰 | 一种以值域中值对称的变换域系数量化方法 |
CN104144342B (zh) * | 2013-05-08 | 2018-07-17 | 厦门趣店科技有限公司 | 一种以值域中值对称的变换域系数量化方法 |
CN105997128A (zh) * | 2016-08-03 | 2016-10-12 | 上海联影医疗科技有限公司 | 利用灌注成像识别病灶的方法及系统 |
CN106370100A (zh) * | 2016-08-17 | 2017-02-01 | 北京汽车股份有限公司 | 车身对称偏差检测方法及系统 |
CN108709504A (zh) * | 2018-07-10 | 2018-10-26 | 苏州赛维新机电检测技术服务有限公司 | 一种图像模拟的产品尺寸检测系统 |
CN111568421A (zh) * | 2020-04-30 | 2020-08-25 | 深圳市神经科学研究院 | 大脑左右半球不对称性检测方法、系统、设备及存储介质 |
CN111568421B (zh) * | 2020-04-30 | 2023-02-21 | 深圳市神经科学研究院 | 大脑左右半球不对称性检测方法、系统、设备及存储介质 |
CN112750520A (zh) * | 2020-12-31 | 2021-05-04 | 四川桑瑞思环境技术工程有限公司 | 一种信息处理系统 |
Also Published As
Publication number | Publication date |
---|---|
CN103282940B (zh) | 2016-12-07 |
JP2014508340A (ja) | 2014-04-03 |
BR112013017073A2 (pt) | 2018-06-05 |
US9123101B2 (en) | 2015-09-01 |
US20130289395A1 (en) | 2013-10-31 |
EP2661734B1 (en) | 2019-06-05 |
EP2661734A1 (en) | 2013-11-13 |
WO2012093353A1 (en) | 2012-07-12 |
JP5878933B2 (ja) | 2016-03-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103282940A (zh) | 不对称性的自动量化 | |
US11996172B2 (en) | Diagnosis support system, information processing method, and program | |
AU2008211786B2 (en) | Tools for aiding in the diagnosis of neurodegenerative diseases | |
US9361686B2 (en) | Method and apparatus for the assessment of medical images | |
JP5970766B2 (ja) | 医用画像処理装置、医用画像処理方法、プログラム | |
US10891444B2 (en) | Automated generation of sentence-based descriptors from imaging data | |
US20200265276A1 (en) | Copd classification with machine-trained abnormality detection | |
EP2747658B1 (en) | Method to compute and present brain amyloid in gray matter | |
US20080069446A1 (en) | ROI-based assessment of abnormality using transformation invariant features | |
US20170357753A1 (en) | Direct estimation of patient attributes based on mri brain atlases | |
CN112702947A (zh) | 诊断辅助系统以及方法 | |
US11151717B2 (en) | Computer aided diagnosis system for mild cognitive impairment | |
US11580642B2 (en) | Disease region extraction apparatus, disease region extraction method, and disease region extraction program | |
JP2018175217A (ja) | 画像処理装置および方法並びにプログラム | |
KR20200116278A (ko) | 치과 영상으로부터 피검체의 성별 및 연령을 판정하는 방법 및 이를 이용한 장치 | |
US20140341452A1 (en) | System and method for efficient assessment of lesion development | |
US8873817B2 (en) | Processing an image dataset based on clinically categorized populations | |
Cho et al. | Classification of 18F-florbetaben amyloid brain PET image using PCA-SVM | |
Liu et al. | Propagation graph fusion for multi-modal medical content-based retrieval | |
WO2022137855A1 (ja) | 情報処理装置、方法およびプログラム | |
Kwak et al. | Atrophy-centered subtyping of mild cognitive impairment | |
JP7475968B2 (ja) | 医用画像処理装置、方法及びプログラム | |
US20220398732A1 (en) | Pet quantitative localization system and operation method thereof | |
Marinescu | Modelling the Neuroanatomical Progression of Alzheimer's Disease and Posterior Cortical Atrophy | |
Loizillon et al. | Detecting Brain Anomalies in Clinical Routine with the $\beta $-VAE: Feasibility Study on Age-Related White Matter Hyperintensities |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |