CN103415873B - 利用图像叠加的tnm分类的系统和装置 - Google Patents

利用图像叠加的tnm分类的系统和装置 Download PDF

Info

Publication number
CN103415873B
CN103415873B CN201180068569.6A CN201180068569A CN103415873B CN 103415873 B CN103415873 B CN 103415873B CN 201180068569 A CN201180068569 A CN 201180068569A CN 103415873 B CN103415873 B CN 103415873B
Authority
CN
China
Prior art keywords
tumor
image
tumour
interest
image data
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.)
Active
Application number
CN201180068569.6A
Other languages
English (en)
Other versions
CN103415873A (zh
Inventor
I·W·O·塞林
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Koninklijke Philips NV
Original Assignee
Koninklijke Philips Electronics NV
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Koninklijke Philips Electronics NV filed Critical Koninklijke Philips Electronics NV
Publication of CN103415873A publication Critical patent/CN103415873A/zh
Application granted granted Critical
Publication of CN103415873B publication Critical patent/CN103415873B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/002D [Two Dimensional] image generation
    • G06T11/20Drawing from basic elements, e.g. lines or circles
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/002D [Two Dimensional] image generation
    • G06T11/20Drawing from basic elements, e.g. lines or circles
    • G06T11/206Drawing of charts or graphs
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • G06T7/0012Biomedical image inspection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • G06T7/0012Biomedical image inspection
    • G06T7/0014Biomedical image inspection using an image reference approach
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2200/00Indexing scheme for image data processing or generation, in general
    • G06T2200/24Indexing scheme for image data processing or generation, in general involving graphical user interfaces [GUIs]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10072Tomographic images
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10072Tomographic images
    • G06T2207/10104Positron emission tomography [PET]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10072Tomographic images
    • G06T2207/10108Single photon emission computed tomography [SPECT]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30004Biomedical image processing
    • G06T2207/30096Tumor; Lesion

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)
  • Processing Or Creating Images (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及一种基于用于对感兴趣肿瘤进行可视化的3维图像数据对感兴趣肿瘤进行分类的系统(SYS),所述系统包括:叠加数据结构(OL),其用于计算TNM(肿瘤节点转移)叠加图以在从所述图像数据计算的肿瘤图像中显示,其中,所述TNM叠加图包括TNM信息,用于确定所述感兴趣肿瘤的分级;以及叠加单元(U10),其用于基于所述叠加数据结构(OL)计算所述TNM叠加图,并在所述肿瘤图像上定位所述TNM叠加图,其中,所述TNM叠加图的尺寸基于计算的肿瘤图像的尺度。通过使TNM叠加图(OL)的尺寸取决于肿瘤图像的尺度,所定位TNM叠加图上两个位置之间的距离与计算出的肿瘤图像中两个位置之间的距离的比率基本恒定,即基本独立于图像数据的可视化。于是,叠加在肿瘤图像上的TNM叠加图(OL)允许临床医师根据TNM分类快速地从视觉上评价并归类感兴趣肿瘤。

Description

利用图像叠加的TNM分类的系统和装置
技术领域
本发明涉及利用图像叠加对肿瘤进行分类。
背景技术
AJCC(美国癌症联合会)和UICC(国际防癌联盟)已经选择通过TNM(肿瘤节点转移)分类进行分级,以定义癌症(TNM Classification of Malignant Tumours,第7版,ISBN:978-1-4443-3241-4,2009年12月),以下简称参考文献1。TNM系统描述了怎样基于被认为影响疾病预后的恶性肿瘤的形态属性(例如原发肿瘤的尺寸或肿瘤与其他结构的距离)对癌症进行分类。为了对肿瘤进行分级,需要临床医师,例如内科医师,来测量肿瘤的最大尺寸(参见图1)并随后应用TNM分级规则以对肿瘤进行分类(参见表1)。这是易于出错、耗时并且不方便的。
发明内容
拥有一种简化对恶性肿瘤进行分类的任务的系统将是有利的。
于是,在一方面中,本发明提供了一种基于用于对感兴趣肿瘤进行可视化的3维图像数据对感兴趣肿瘤进行分类的系统,所述系统包括:
-叠加数据结构,其用于计算TNM叠加图以在从3维图像数据计算的肿瘤图像中显示,其中,所述TNM叠加图包括TNM信息,用于确定所述感兴趣肿瘤的分级;以及
-叠加单元,其用于基于所述叠加数据结构来计算所述TNM叠加图,并在所述肿瘤图像上定位所述TNM叠加图,其中,所述TNM叠加图的尺寸基于所计算的肿瘤图像的尺度。
通过使TNM叠加图的尺寸取决于肿瘤图像的尺度,所定位TNM叠加图上两个位置之间的距离与计算出的肿瘤图像中两个位置之间的距离的比率基本恒定,即,基本独立于图像数据的可视化。于是,叠加在肿瘤图像 上的TNM叠加图允许临床医师根据TNM分类快速地从视觉上评价并归类感兴趣肿瘤,例如,恶性肿瘤。
在该系统的实施例中,所述叠加数据结构表示3维几何结构,所述叠加单元被布置成在3维图像数据体积中定位所述3维几何结构,所述3维几何结构的线性尺寸基于所述3维图像数据在所有维度中的尺度,并且所述TNM叠加图是基于所述3维几何结构和所述肿瘤图像计算的。通过使3维几何结构的线性尺寸取决于3维图像数据在所有维度中的尺度,所定位3维几何结构上两个位置之间的距离与3维图像数据体积中两个位置之间的距离的比率基本恒定,即,基本独立于图像数据的可视化。
在该系统的实施例中,所述叠加单元可以被布置成将表示3维几何结构的数据映射(mapping)到图像数据体积中,并将映射的数据与图像数据合并,由此产生整合的图像叠加图数据,并且所述叠加单元还可以被布置成从整合的图像叠加数据计算图像,这因此对感兴趣肿瘤和TNM叠加图进行可视化。
本领域的技术人员将理解,在从3维图像数据绘制的2维图像中所示的两个对象或对象细节的尺度可能是不同的。例如,当每个对象或对象细节处于距观看平面的不同距离处并且图像是借助例如线性透视投影绘制的时候,就是这种情况。应当在当前语境中解释“TNM叠加图的尺寸基于计算的肿瘤图像的尺度”的状况。
应当指出的是,一旦在图像数据体积中,即相对于图像数据,定位了3维图像数据,肿瘤图像的任何变化都可能导致TNM叠加图的相应变化。肿瘤图像的变化可能是由对图像数据的变换,例如平移或旋转,或者是由选择计算肿瘤图像的另一种方式(即,另一种绘制算法)导致的。本领域的技术人员将知道计算肿瘤图像的很多种方式。
在该系统的实施例中,基于用户输入和/或所述3维图像数据的分割来计算所述3维几何结构的位置。例如,可以使用分割算法计算经分割感兴趣肿瘤的质心。可以使用计算的质心在图像数据体积中定位所述3维几何结构。任选地,还可以使用分割算法计算所分割感兴趣肿瘤的惯性张量的主轴,并且能够将计算出的主轴用于在图像数据体积中对3维几何结构进行取向。或者,用户可以游历通过图像数据中包括的一堆图像,从而例如 通过相对于图像定义3维几何结构的界标位置,来选择和输入3维几何结构的位置。
在该系统的实施例中,所述叠加单元还被布置成基于用户输入相对于3维图像数据重新定位3维几何结构。重新定位涉及3维几何结构相对于3维图像数据的平移和/或旋转。在相对于3维图像数据重新定位3维几何结构之后,所述叠加单元被布置成根据所述3维几何结构相对于所述3维图像数据的新位置来更新所述TNM叠加图的位置。
在该系统的实施例中,所述3维几何结构包括多个同心球体或多个同心立方体。所述系统被布置成从包括球体或立方体中心的薄数据切片计算肿瘤图像。那么TNM叠加图可以分别包括多个同心圆或多个同心矩形。
在实施例中,该系统还包括分割单元,其用于计算肿瘤叠加图,以在所述肿瘤图像上指示所述感兴趣肿瘤。例如,可以利用在题为“Volume Measurements in3d Datasets”的EP1614069B1中描述的方法来计算肿瘤边界,并且可以在肿瘤图像中示出基于所计算肿瘤边界的肿瘤轮廓,以便于解释肿瘤图像。
在该系统的实施例中,所述叠加单元还被布置成基于3维图像数据的性质来调整TNM叠加图。例如,可以由所计算肿瘤图像中的信噪比确定线粗,或者可以由肿瘤图像的像素的平均灰度值来确定显示TNM叠加图的每个像素的灰度值,其中所述肿瘤图像基本包括在TNM叠加像素的环形四周。
在该系统的实施例中,所述叠加单元还被布置成基于感兴趣肿瘤的类型来调整TNM叠加图。不同的肿瘤可能需要不同的TNM规则。例如,肺肿瘤和乳腺肿瘤需要的TNM规则是不同的。可以在TNM叠加图中反映这些TNM规则。也可能在用于计算TNM叠加图的3维几何结构中反映规则。例如,不同的3维几何结构可以具有不同的形状或尺寸。
在实施例中,所述系统还包括肿瘤单元,其用于基于用户输入或3维图像数据的分割来指示所述肿瘤图像中感兴趣肿瘤的分级。例如,界定感兴趣肿瘤的分级的轮廓线可以是红色的或可以是闪烁的。
在该系统的实施例中,肿瘤单元还被布置成基于用户输入和/或3维图像数据的分割来传达所述肿瘤图像中感兴趣肿瘤的尺寸。可以在放置的文 本框中显示尺寸以及从用户输入和/或对3维图像数据的分析导出的与感兴趣肿瘤相关的任何其他相关信息,使其不会使感兴趣肿瘤和TNM叠加图的视图模糊不清。
在另一方面中,提供了一种包括本发明的系统的图像采集设备。
在另一方面中,提供了一种包括本发明的系统的工作站。
在另一方面中,本发明提供了一种基于用于对感兴趣肿瘤进行可视化的3维图像数据对感兴趣肿瘤进行分类的方法,其中,该方法被布置成采用叠加数据结构计算TNM叠加图以在从3维图像数据计算的肿瘤图像中显示,其中,所述TNM叠加图包括TNM信息,用于确定感兴趣肿瘤的分级,该方法包括叠加步骤,其用于基于所述叠加数据结构计算所述TNM叠加图,并用于在所述肿瘤图像上定位所述TNM叠加图,其中,所述TNM叠加图的尺寸基于计算的肿瘤图像的尺度。
在该方法的实施方式中,所述叠加数据结构表示3维几何结构,所述叠加步骤被布置成在所述图像数据体积中定位所述3维几何结构,所述3维几何结构的线性尺寸基于所述3维图像数据在所有维度中的线性尺度,并且基于所述3维几何结构和所述肿瘤图像计算所述TNM叠加图。
在另一方面中,本发明提供了一种由计算机装置加载的计算机程序产品,包括用于利用要在从3维图像数据计算的肿瘤图像中显示的TNM(肿瘤节点转移)叠加图对感兴趣肿瘤进行分类的指令,其中,所述TNM叠加图包括用于确定所述感兴趣肿瘤的分级的TNM信息,所述计算机装置包括处理单元和存储器,所述计算机程序产品在被加载之后,为所述处理单元提供执行根据本发明所述的方法的步骤的能力。
本领域技术人员应当认识到,可以通过任何认为有用的方式组合本发明的上述实施例、实施方式和/或各方面中的两个或更多个。
本领域技术人员能够根据本说明书对工作站、图像采集设备、方法和/或计算机程序产品进行与所描述的系统或方法的修改和变化对应的修改和变化。
本领域技术人员应当认识到,在有所主张保护的本发明中的图像数据集可以是由各种采集模态采集的2维(2D)、3维(3D)或4维(4D)图像数据集,其中所述采集模态诸如是,但不限于,标准X射线成像、计算 机断层摄影(CT)、磁共振成像(MRI)、超声(US)、正电子发射断层摄影(PET)、单光子发射计算机断层摄影(SPECT)和核医学(NM)。
在独立权利要求中定义了本发明。在从属权利要求中界定了有利实施例。
附图说明
本发明的这些和其他方面将从实施方式和实施例中变得显而易见并参考附图加以阐述,在附图中:
图1图示了测量乳腺中的肿瘤;
图2示出了系统的示范性实施例的框图;
图3示出了乳腺MRI图像,其对感兴趣肿瘤和叠加的示范性TNM覆盖图进行可视化;
图4示出了在图3中所示的图像的放大片段;
图5示意性示出了方法的示范性流程图;
图6示意性示出了图像采集设备的示范性实施例;以及
图7示意性示出了工作站的示范性实施例。
利用相同的附图标记表示所有附图中的相似部分。
具体实施方式
图2示意性示出了系统SYS的示范性实施例的框图,所述系统基于对感兴趣肿瘤进行可视化的3维图像数据对感兴趣肿瘤进行分类,所述系统包括:
-叠加数据结构OL,其用于计算TNM叠加图以在从图像数据计算的肿瘤图像中显示,其中,TNM叠加图包括TNM信息,用于确定感兴趣肿瘤的分级;以及
-叠加单元U10,其用于基于叠加数据结构OL计算TNM叠加图并在肿瘤图像上定位TNM叠加图,其中,TNM叠加图的尺寸基于所计算的肿瘤图像的尺度。
系统SYS的示范性实施例还包括:
-分割单元U20,其用于计算肿瘤叠加,以在肿瘤图像上指示感兴趣肿 瘤;
-肿瘤单元(U30),其用于:
-基于用户输入或3维图像数据的分割,在肿瘤图像中指示感兴趣肿瘤的分级;和/或
-基于用户输入和/或3维图像数据的分割,在肿瘤图像中传达感兴趣肿瘤的尺寸;
-控制单元U60,其用于控制系统SYS的工作;
-用户界面U65,其用于在用户与系统SYS之间进行通信;以及
-存储单元U70,其用于存储数据。
在系统SYS的实施例中,有用于输入数据的三个输入连接器U81、U82和U83。第一输入连接器U81被布置成接收来自数据存储模块的数据,所述数据存储模块诸如是,但不限于,硬盘、磁带、闪速存储器或光盘。第二输入连接器U82被布置成接收来自用户输入装置的数据,所述用户输入装置诸如是,但不限于,鼠标或触摸屏。第三输入连接器U83被布置成接收来自诸如是键盘的用户输入装置的数据。输入连接器U81、U82和U83连接到输入控制单元U80。
在系统SYS的实施例中,有用于输出数据的两个输出连接器U91和U92。第一输出连接器U91被布置成输出数据到数据存储模块,诸如硬盘、磁带、闪速存储器或光盘。第二输出连接器U92被布置成输出数据到显示装置。输出连接器U91和U92经由输出控制单元U90接收相应的数据。
本领域技术人员应当理解,有许多方法将输入装置连接到输入连接器U81、U82和U83以及将输出装置连接到系统SYS的输出连接器U91和U92。这些方法包括,但不限于,有线和无线连接、数字网络,诸如,但不限于,局域网(LAN)和广域网(WAN)、因特网、数字电话网和模拟电话网。
在实施例中,系统SYS包括存储单元U70。系统SYS被布置成经由输入连接器U81、U82和U83中的任一个来接收来自外部装置的输入数据,并且将所接收的输入数据存储在存储单元U70中。将输入数据加载到存储单元U70允许系统SYS的各单元快速地访问有关的数据部分。输入数据包括3-D图像数据。输入数据还可以包括用于对TNM叠加或3-D几何结 构进行定位的用户输入,和肿瘤分割结果,诸如定位在图像数据体积中的肿瘤的二值掩模。存储单元U70可以由如下装置实现,诸如,但不限于:CPU的寄存器文件、缓存存储器、随机存取存储器(RAM)芯片、只读存储器(ROM)芯片,和/或硬盘驱动器和硬盘。存储单元U70还可以被布置成存储输出数据。输出数据包括具有叠加TNM叠加图的肿瘤图像。存储单元U70也可以被布置成经由存储器总线U75接收来自系统SYS的各单元的数据和/或传递数据到系统SYS的各单元,系统SYS的所述单元包括叠加单元U10、分割单元U20、第一肿瘤单元U30、控制单元U60和用户界面U65。存储单元U70还可以被布置成使外部装置能够经由输出连接器U91和U92中的任何一个获得输出数据。将来自系统SYS的各单元的数据存储在存储单元U70中可以有利地提高系统SYS的各单元的性能以及从系统SYS的各单元到外部装置的输出数据的转移速率。
在实施例中,系统SYS包括用于控制系统SYS的控制单元U60。控制单元U60可以被布置成从系统SYS的各单元接收控制数据以及向系统SYS的各单元提供控制数据。例如,在接收3-D几何结构定位信息之后,用户界面U65可以被布置成向控制单元U60提供控制数据“3-D几何结构定位信息可用”,并且控制单元U60可以被布置成向叠加单元U10提供控制数据“计算3-D几何结构的位置”。或者,可以在系统SYS的其他单元中实现控制功能。
在系统SYS的实施例中,系统SYS包括用于实现用户与系统SYS之间的通信的用户界面U65。用户界面U65可以被布置成接收包括包含3-D图像数据的文件的文件名的用户输入和用于对3-D几何结构进行定位的用户输入。任选地,用户界面可以接收用于选择系统SYS操作模式的用户输入,例如,基于她/他对肿瘤类型的知识选择或修改3-D几何结构或TNM叠加图。用户界面还可以被布置成显示带具有叠加的TNM叠加图的肿瘤图像。本领域技术人员应当理解,在系统SYS的用户界面U65中可以有利地实现更多的功能。
将参考乳腺肿瘤和乳腺癌分级规则(参考文献1)以及MRI3-D图像数据来描述本发明。本领域技术人员将知道如何修改本发明以将其应用于其他癌症类型、观察类型、成像模态和其他癌症分级系统。权利要求的范 围不应该被视为受所述实施例的限制。
表1中总结了根据参考文献1用于对乳腺癌分级的TNM规则。
分级 说明
T1mi 肿瘤最大尺寸≤1mm
T1a 肿瘤最大尺寸>1mm但≤5mm
T1b 肿瘤最大尺寸>5mm但≤10mm
T1c 肿瘤最大尺寸>10mm但≤20mm
T2 肿瘤最大尺寸>20mm但≤50mm
T3 肿瘤最大尺寸>50mm
表1.用于对乳腺癌分级的TNM规则的片段
图1中的乳腺MRI图像示出了左侧乳腺中出现的肿瘤。所示的图像是从一堆图像中获得的图像。从轴向图像数据切片中计算该堆的每幅图像。除非肿瘤大体上是球形,否则不容易测量肿瘤的最大尺寸。那么,临床医师能够从该堆图像中(其中,肿瘤示出了最大尺寸)选择一幅或多幅图像并且利用如本领域所知的线(见图1中的线)测量一幅或多幅图像中的肿瘤。然而,不能保证肿瘤的一幅或多幅图像对肿瘤的最大尺寸进行可视化。可能是这种情况是,例如,要在非轴向平面中发现肿瘤的最大尺寸。发现示出了肿瘤的最大尺寸的图像可能需要检查许多堆图像,每堆对应于垂直于平面的矢量所定义的不同平面方向,从该堆图像中(其中,肿瘤示出了最大尺寸)发现一幅或多幅图像并且在一幅或多幅图像中测量肿瘤。因此,该过程费时并且易于出现人为错误。
在一方面中,本发明提供了系统SYS,其帮助临床医师确定肿瘤分级并对肿瘤分级进行可视化。系统SYS的叠加单元U10被布置成在图像数据体积中定位3-D几何结构,其中,3-D几何结构的线性尺寸基于3-D图像数据在所有维度中的线性尺度。多维(例如,2-D、3-D)图像数据通常是由图像数据中所表示的对象的两个特征之间的距离与所述对象的两个特征之间的实际距离的比率所定义的。通过利用3-D图像数据的比例,将3-D几何结构的尺寸与肿瘤的实际尺寸相关联,3-D几何结构和肿瘤相对于彼此的比率为1:1。因此,TNM叠加图图示了肿瘤的实际尺寸。
在实施例中,3-D几何结构包括多个同心球体。系统的分割单元U20被布置成分割肿瘤。基于肿瘤分割,叠加单元U10被布置成计算肿瘤的质心以定位3-D几何结构。为了计算肿瘤的质心,由肿瘤图像强度分布代替实际肿瘤质量分布。
图3示出了图1的乳腺MRI图像,对感兴趣肿瘤CR和叠加在乳腺MRI图像的叠加的范例性TNM叠加图OL进行可视化。TNM叠加图包括多个同心圆。TNM叠加图OL的中心对应于肿瘤CR的质心。从包括肿瘤CR的质心的轴向图像数据切片计算肿瘤图像。TNM叠加图OL的同心圆对应于由轴向图像数据切片定位在3-D图像数据体积中的3-D几何结构的同心球的横截面。
图4显示了放大的图1和图3的乳腺MRI图像,即,图4中放大图像的比例更高。这里根据表1中所列出的TNM分级分类,标记TNM叠加图的同心圆。基于图3中所示的图像,临床医师能够很容易地认识到肿瘤分级为T2。她/他的工作流程由此被大大简化了。另外,即使临床医师不熟悉频繁更新的TNM规则,叠加也会辅助和培训她/他。于是,除了简化工作流程以外,本发明的系统还有助于维持并传播TNM系统的知识。
图4中还能够看到,基于性质调整TNM叠加图:从3-D图像数据计算图像像素灰度值。对比显示TNM叠加图的圆与肿瘤图像的周围像素。当肿瘤图像的周围像素为暗时(低强度、低灰度值),那么TNM叠加图的像素就为亮的(高强度、高灰度值),并且反之亦然,当肿瘤图像的周围像素为亮时(高强度、高灰度值),TNM叠加图的像素就为暗的(低强度、低灰度值)。这提高了TNM叠加图的可见性。
在实施例中,系统SYS包括肿瘤单元U30,用于向临床医师提供额外信息。所述额外信息是从3-D图像数据导出的,并且可能是从图像分析算法的结果(例如图像分割结果)导出的。可以将肿瘤体积、形状特征、平均灰度值等显示在TNM叠加图的附近。任选地,利用鲜明的风格(例如彩色编码或线宽)指示由包围肿瘤的最小球定义的圆。任选地,可以淡出或移除TNM叠加图OL的其他圆。并且,系统的用户界面U65能够被布置成接收临床医师输入的自由文本,并且肿瘤单元U30可以被布置成包括用于在TNM叠加图附近显示的自由文本。
本领域技术人员将认识到本发明的系统可以是在临床医师的工作的许多方面对其进行辅助的有价值的工具。此外,尽管利用系统的医学应用示出了该系统的实施例,但是也想到了该系统的非医学应用。
本领域的那些技术人员还将理解到系统SYS的其他实施例也是可能的。在其他情况中,可以重新定义系统的各单元并且重新分配它们的功能。尽管所述的实施例适用于医学图像,但是系统的与医学应用不相关的其他应用也是可能的。
可以利用处理器实现系统SYS的各单元。通常,它们的功能是在软件程序产品的控制下执行的。在执行期间,通常将软件程序产品加载到如RAM的存储器,并从那里执行。可以从后台存储器,例如ROM、硬盘或磁和/或光学存储,来加载程序,或者可以通过像互联网的网络加载程序。任选地,专用集成电路可以提供所述的功能。
图5示出了方法M的示范性流程图,该方法基于用于对恶性肿瘤进行可视化的3维图像数据对恶性肿瘤进行分类,其中,所述方法被布置成采用计算TNM(肿瘤节点转移)叠加图的叠加数据结构以在从3维图像数据计算的肿瘤图像中显示,并且其中,TNM叠加图包括TNM信息以确定感兴趣肿瘤的分级。该方法包括叠加步骤(S10),用于基于叠加数据结构(OL)计算TNM叠加图并定位肿瘤图像上的TNM叠加图,其中,TNM叠加图的尺寸基于所计算的肿瘤图像的尺度。任选地,所述方法还包括计算肿瘤叠加的分割步骤S20,以在肿瘤图像上指示感兴趣肿瘤;和/或用于获得与肿瘤相关的额外信息的肿瘤步骤S30,以显示在TNM叠加图的附近。除非分割步骤S20包括肿瘤分割并且叠加步骤S10或肿瘤步骤S30利用分割结果,否则可以同时或以任何顺序执行叠加步骤S10、分割步骤S20和肿瘤步骤S30。在后一情况中,方法M必须开始于分割步骤。执行包括在方法M中的所有步骤之后,终止该方法的执行。任选地,可以将方法M的两个或多个步骤组合为一个步骤。任选地,可以将方法M的一个步骤分成多个步骤。
图6示意性示出了图像采集设备IAA的示范性实施例,设备IAA采用本发明的系统SYS、所述图像采集单元IAA(包括通过内部连接与系统SYS连接的图像采集单元IAA10)、输出连接器IAA01和输出连接器IAA02。这 种布置有利地提高了图像采集设备IAA的能力,提供了具有系统SYS的有利能力的所述图像采集设备IAA。
图7示意性示出了工作站WS的示范性实施例。工作站包括系统总线WS01。处理器WS10、存储器WS20、磁盘输入/输出(I/O)适配器WS30和用户界面WS40操作性地连接到系统总线WS01。磁盘存储设备WS31操作性地耦合到磁盘I/O适配器WS30。键盘WS41、鼠标WS42和显示器WS43操作性地耦合到用户界面WS40。本发明的系统SYS(实现为计算机程序)存储在磁盘存储装置WS31中。工作站WS00被布置成加载程序,并将数据输入存储器WS20并在处理器WS10上执行程序。用户能够利用键盘WS41和/或鼠标WS42将信息输入到工作站WS00。所述工作站被布置成将信息输出到显示装置WS43和/或磁盘WS31。本领域技术人员应当理解,现有技术中已知有工作站WS的很多其他实施例,本实施例用于例示本发明,一定不要被视为将本发明限制到这一具体实施例。
应当指出的是,上述实施例例示而非限制本发明,本领域技术人员将能够设计替代实施例而不脱离权利要求书的范围。在权利要求书中,置于括号之间的任何附图标记都不应被解释为限制权利要求。“包括”一词不排除有权利要求中或说明书中未列出的那些的元件或步骤;元件前面的单数冠词“一”或“一个”不排除存在多个这样的元件。可以利用包括若干不同元件的硬件并利用编程控制的计算机来实施本发明。在枚举几个单元的系统权利要求中,可以由硬件或软件的同一记录体现这些单元中的几个。使用第一、第二、第三等词语并非指定任何次序。这些词语要被解释为名称。

Claims (14)

1.一种基于用于对感兴趣肿瘤进行可视化的3维图像数据对所述感兴趣肿瘤进行分类的系统(SYS),所述系统包括:
-叠加数据结构(OL),其用于计算肿瘤节点转移叠加图以在从所述图像数据计算的肿瘤图像中显示,其中,所述肿瘤节点转移叠加图包括肿瘤节点转移信息,用于确定所述感兴趣肿瘤的分级;以及
-叠加单元(U10),其用于基于所述叠加数据结构(OL)来计算所述肿瘤节点转移叠加图,并在所述肿瘤图像上定位所述肿瘤节点转移叠加图,其中,所述肿瘤节点转移叠加图的尺寸基于根据所述图像数据计算的所述肿瘤图像的尺度。
2.根据权利要求1所述的系统(SYS),其中,所述叠加数据结构(OL)表示3维几何结构,其中,所述叠加单元(U10)被布置成在图像数据体积中定位所述3维几何结构,其中,所述3维几何结构的线性尺寸基于所述3维图像数据在所有维度中的线性尺度,并且其中,基于所述3维几何结构和所述肿瘤图像来计算所述肿瘤节点转移叠加图。
3.根据权利要求2所述的系统(SYS),其中,基于用户输入和/或所述3维图像数据的分割来计算所述3维几何结构的位置。
4.根据权利要求2所述的系统(SYS),其中,所述叠加单元(U10)还被布置成基于用户输入相对于所述3维图像数据重新定位所述3维几何结构,并被布置成根据所述3维几何结构相对于所述3维图像数据的新位置来更新所述肿瘤节点转移叠加图的位置。
5.根据权利要求2所述的系统(SYS),其中,所述3维几何结构包括多个同心球体或多个同心立方体。
6.根据权利要求1所述的系统(SYS),还包括分割单元(U20),其用于计算肿瘤叠加图,以在所述肿瘤图像上指示所述感兴趣肿瘤。
7.根据权利要求1所述的系统(SYS),其中,所述叠加单元(U10)还被布置成基于所述3维图像数据的性质来调整所述肿瘤节点转移叠加图。
8.根据权利要求1所述的系统(SYS),其中,所述叠加单元(U10)还被布置成基于所述感兴趣肿瘤的类型来调整所述肿瘤节点转移叠加图。
9.根据权利要求1所述的系统(SYS),还包括肿瘤单元(U30),所述肿瘤单元用于:
-基于用户输入和/或所述3维图像数据的分割来指示所述肿瘤图像中所述感兴趣肿瘤的分级;和/或
-基于用户输入和/或所述3维图像数据的分割来传达所述肿瘤图像中所述感兴趣肿瘤的尺寸。
10.根据权利要求2所述的系统(SYS),还包括用于选择视图的模块(U65)。
11.一种包括根据前述权利要求中的任一项所述的系统(SYS)的工作站(WS)。
12.一种包括根据前述权利要求中的任一项所述的系统(SYS)的图像采集设备(IAA)。
13.一种基于用于对感兴趣肿瘤进行可视化的3维图像数据对所述感兴趣肿瘤进行分类的装置,包括:
用于基于叠加数据结构(OL)来计算肿瘤节点转移叠加图以在根据所述3维图像数据计算的肿瘤图像中显示的单元;以及
用于在所述肿瘤图像上定位所述肿瘤节点转移叠加图的单元,其中,所述肿瘤节点转移叠加图包括用于确定所述感兴趣肿瘤的分级的肿瘤节点转移信息,并且其中,所述肿瘤节点转移叠加图的尺寸基于计算的肿瘤图像的尺度。
14.根据权利要求13所述的装置,包括:
用于在图像数据体积中定位3维几何结构的单元,其中,所述叠加数据结构(OL)表示所述3维几何结构,其中,所述3维几何结构的线性尺寸基于所述3维图像数据在所有维度中的线性尺度,并且其中,基于所述3维几何结构和所述肿瘤图像来计算所述肿瘤节点转移叠加图。
CN201180068569.6A 2010-12-29 2011-12-14 利用图像叠加的tnm分类的系统和装置 Active CN103415873B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
EP10197267.7 2010-12-29
EP10197267 2010-12-29
PCT/IB2011/055653 WO2012090106A1 (en) 2010-12-29 2011-12-14 Tnm classification using image overlays

Publications (2)

Publication Number Publication Date
CN103415873A CN103415873A (zh) 2013-11-27
CN103415873B true CN103415873B (zh) 2018-02-06

Family

ID=45470612

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201180068569.6A Active CN103415873B (zh) 2010-12-29 2011-12-14 利用图像叠加的tnm分类的系统和装置

Country Status (7)

Country Link
US (1) US9142017B2 (zh)
EP (1) EP2659457B1 (zh)
JP (1) JP5834093B2 (zh)
CN (1) CN103415873B (zh)
BR (1) BR112013016409A2 (zh)
RU (1) RU2606000C2 (zh)
WO (1) WO2012090106A1 (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10373309B2 (en) * 2013-10-23 2019-08-06 Koninklijke Philips N.V. Method to support tumor response measurements
KR102333479B1 (ko) * 2015-03-31 2021-12-03 한국전자통신연구원 유방 병변 진단을 위한 영상 판독 보조 방법 및 장치
CN107123110A (zh) * 2017-04-13 2017-09-01 青岛海信医疗设备股份有限公司 胸壁线检测方法及装置
JP7337073B2 (ja) * 2018-08-17 2023-09-01 富士フイルム株式会社 医用画像処理装置及び内視鏡システム並びに医用画像処理装置の作動方法
WO2020125806A1 (en) 2018-12-17 2020-06-25 Shanghai United Imaging Intelligence Co., Ltd. Systems and methods for image segmentation
CN109754394B (zh) * 2018-12-28 2021-02-23 上海联影智能医疗科技有限公司 三维医学图像处理装置及方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7466872B2 (en) * 2005-06-20 2008-12-16 Drvision Technologies Llc Object based boundary refinement method
CN101859441A (zh) * 2010-05-25 2010-10-13 中国人民解放军第四军医大学 基于影像的无创监测肿瘤浸润周围组织程度的计算机辅助分析方法

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3425207B2 (ja) * 1994-02-28 2003-07-14 東芝医用システムエンジニアリング株式会社 診断支援装置
JPH10339615A (ja) * 1997-06-09 1998-12-22 Hoya Corp パターン形状計測方法及びパターン形状計測装置
US6112112A (en) * 1998-09-18 2000-08-29 Arch Development Corporation Method and system for the assessment of tumor extent in magnetic resonance images
JP2000210279A (ja) * 1999-01-26 2000-08-02 Canon Inc X線画像撮影装置、x線画像撮影方法及び記憶媒体
JP2000237185A (ja) * 1999-02-17 2000-09-05 Toshiba Iyo System Engineering Kk 医用画像診断支援装置および医用画像診断支援方法
JP2004260778A (ja) * 2003-02-28 2004-09-16 Koichiro Nishio デジタルカメラ、制御方法及びプログラム
EP1614069B1 (en) 2003-04-04 2008-07-16 Philips Intellectual Property & Standards GmbH Volume measurements in 3d datasets
JP4464103B2 (ja) * 2003-10-14 2010-05-19 Hoya株式会社 画像表示システム
ATE458500T1 (de) * 2003-11-14 2010-03-15 Genvec Inc Pharmazeutische verbindung zur behandlung von lokal fortgeschrittenem primär inoperablen pankreaskarzinom (lapc).
CN101171608B (zh) * 2005-05-03 2010-06-16 皇家飞利浦电子股份有限公司 虚拟损伤量化
JP2009148499A (ja) * 2007-12-21 2009-07-09 Panasonic Corp 超音波診断装置
JP5198883B2 (ja) * 2008-01-16 2013-05-15 富士フイルム株式会社 腫瘍領域サイズ測定方法および装置ならびにプログラム
US8812240B2 (en) * 2008-03-13 2014-08-19 Siemens Medical Solutions Usa, Inc. Dose distribution modeling by region from functional imaging
US8878838B2 (en) * 2009-01-29 2014-11-04 Koninklijke Philips N.V. Visualizing a time-variant parameter in a biological structure
US8551425B2 (en) * 2009-05-20 2013-10-08 California Institute Of Technology Method for cancer detection, diagnosis and prognosis

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7466872B2 (en) * 2005-06-20 2008-12-16 Drvision Technologies Llc Object based boundary refinement method
CN101859441A (zh) * 2010-05-25 2010-10-13 中国人民解放军第四军医大学 基于影像的无创监测肿瘤浸润周围组织程度的计算机辅助分析方法

Also Published As

Publication number Publication date
RU2013135416A (ru) 2015-02-10
JP5834093B2 (ja) 2015-12-16
RU2606000C2 (ru) 2017-01-10
WO2012090106A1 (en) 2012-07-05
BR112013016409A2 (pt) 2016-10-04
US20130279777A1 (en) 2013-10-24
CN103415873A (zh) 2013-11-27
JP2014502758A (ja) 2014-02-03
EP2659457B1 (en) 2015-05-06
EP2659457A1 (en) 2013-11-06
US9142017B2 (en) 2015-09-22

Similar Documents

Publication Publication Date Title
JP5814504B2 (ja) 統計モデルを用いた医療画像自動セグメンテーションシステム、装置並びにプロセッサ
CN103415873B (zh) 利用图像叠加的tnm分类的系统和装置
Van Ginneken et al. Comparing and combining algorithms for computer-aided detection of pulmonary nodules in computed tomography scans: the ANODE09 study
US8907952B2 (en) Reparametrized bull's eye plots
JP4253497B2 (ja) コンピュータ支援診断装置
EP2896369B1 (en) Device and method for displaying three-dimensional image, and program
US8077948B2 (en) Method for editing 3D image segmentation maps
US8150120B2 (en) Method for determining a bounding surface for segmentation of an anatomical object of interest
TW202207241A (zh) 用於偵測及表徵化病變之基於人工智慧的影像分析系統與方法
US20080117209A1 (en) Medical image segmentation
US20080117210A1 (en) Virtual endoscopy
CN103608843B (zh) 图像显示装置
GB2496255A (en) Generating an enhanced image from medical imaging data
US7272251B2 (en) Method for detecting and classifying a structure of interest in medical images
US7576740B2 (en) Method of volume visualization
Matsumoto et al. Pulmonary nodule detection in CT images with quantized convergence index filter
CN106062753A (zh) 使得用户能够研究图像数据
EP2168492B1 (en) Medical image displaying apparatus, medical image displaying method, and medical image displaying program
Ropinski et al. Multimodal vessel visualization of mouse aorta PET/CT scans
Tory et al. 4D space-time techniques: a medical imaging case study
CN101802877B (zh) 路径近似绘制
CN108573514B (zh) 一种图像的三维融合方法及装置、计算机存储介质
Jung et al. A direct volume rendering visualization approach for serial PET–CT scans that preserves anatomical consistency
Klein et al. Advanced Algorithms in Medical Computer Graphics.
Sieren et al. A process model for direct correlation between computed tomography and histopathology: Application in lung cancer

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant