CN103562960A - 用于生成图像的图像区域与元素类之间的分配的装置 - Google Patents
用于生成图像的图像区域与元素类之间的分配的装置 Download PDFInfo
- Publication number
- CN103562960A CN103562960A CN201280024909.XA CN201280024909A CN103562960A CN 103562960 A CN103562960 A CN 103562960A CN 201280024909 A CN201280024909 A CN 201280024909A CN 103562960 A CN103562960 A CN 103562960A
- Authority
- CN
- China
- Prior art keywords
- image
- region
- preliminary
- distribution
- unit
- 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 claims description 45
- 238000012633 nuclear imaging Methods 0.000 claims description 37
- 230000015572 biosynthetic process Effects 0.000 claims description 30
- 230000011218 segmentation Effects 0.000 claims description 27
- 238000002591 computed tomography Methods 0.000 claims description 26
- 238000004590 computer program Methods 0.000 claims description 20
- 238000013480 data collection Methods 0.000 claims description 16
- 238000012937 correction Methods 0.000 claims description 11
- 238000002600 positron emission tomography Methods 0.000 claims 8
- 210000001519 tissue Anatomy 0.000 description 21
- 210000004072 lung Anatomy 0.000 description 15
- 238000004422 calculation algorithm Methods 0.000 description 14
- 210000000988 bone and bone Anatomy 0.000 description 10
- 238000003384 imaging method Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 210000003484 anatomy Anatomy 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000007689 inspection Methods 0.000 description 5
- 210000004872 soft tissue Anatomy 0.000 description 5
- 230000001419 dependent effect Effects 0.000 description 4
- 230000036541 health Effects 0.000 description 4
- 230000005855 radiation Effects 0.000 description 4
- 230000000630 rising effect Effects 0.000 description 4
- 230000004069 differentiation Effects 0.000 description 3
- 239000007943 implant Substances 0.000 description 3
- 230000000968 intestinal effect Effects 0.000 description 3
- 239000002184 metal Substances 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 238000002203 pretreatment Methods 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 241001465754 Metazoa Species 0.000 description 2
- 238000012879 PET imaging Methods 0.000 description 2
- 238000009795 derivation Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 210000003205 muscle Anatomy 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 238000007789 sealing Methods 0.000 description 2
- 238000003325 tomography Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 210000000746 body region Anatomy 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000013170 computed tomography imaging Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000013213 extrapolation Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000007654 immersion Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000009206 nuclear medicine Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000001915 proofreading effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
- G06T11/008—Specific post-processing after tomographic reconstruction, e.g. voxelisation, metal artifact correction
-
- 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
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/155—Segmentation; Edge detection involving morphological operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/174—Segmentation; Edge detection involving the use of two or more images
-
- 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
- G06T2207/10088—Magnetic resonance imaging [MRI]
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20152—Watershed 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
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
-
- 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
-
- 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
- G06T2207/30061—Lung
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Radiology & Medical Imaging (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- General Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- Nuclear Medicine (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Image Processing (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及用于生成对象图像的图像区域和元素类之间分配的装置。该装置(1)包括分配单元(13),所述分配单元(13)用于根据区域和/或边界特征向对象元素图像的图像区域分配元素类,所述分配指示元素类的分布,所述区域和/或边界特征是根据所提供的对象图像的图像值和所提供的第一初步分配确定的。于是,所得的具有到元素类的分配的元素图像未必仅基于所提供的对象图像,而是还可以基于所提供的初步分配。如果由元素图像定义的分配质量由于所提供的对象图像的限制而受到限制,那么因此能够由初步分配来补偿所提供的图像的这些限制,从而可以提高所得元素图像的质量。
Description
技术领域
本发明涉及用于生成受检者图像的图像区域与元素类之间的分配的装置、方法和计算机程序。本发明还涉及用于生成受检者的核图像的核成像装置、核成像方法和核成像计算机程序。
背景技术
由Matthias Hofmann等人发表在European Journal of Nuclear Medicineand Molecular Imaging,36Suppl1:第S93到S104页(2009)上的文章“Towards quantitative PET/MRI:a review of MR-based attenuation correctiontechniques”公开了一种组合式正电子发射断层扫描(PET)和磁共振(MR)成像系统,其基于通过MR数据采集单元获得的所生成的MR图像产生衰减图。该衰减图用于重建衰减校正的PET图像。
MR图像的视场(FOV)可能是受限的,其可能会在边缘处截断MR图像,特别是对于体型较大的人。此外,由于例如金属植入物或者端口的原因,会导致MR图像失真。这些对MR图像质量的限制也可能降低使用MR图像生成的衰减图的质量。
发明内容
本发明的目的是提供用于生成对象图像的图像区域和元素类之间的分配装置、方法和计算机程序,其造成这些分配的改进,尤其是改进的相应的衰减图。本发明的另一目的是提供用于基于所生成的分配来生成对象的核图像的核成像系统、核成像方法和核成像计算机程序。
在本发明的第一方面中,提供了一种用于生成对象图像的图像区域和元素类之间分配的装置,其中,所述装置包括:
-对象图像提供单元,其用于提供所述对象的对象图像,
-分割单元,其用于将所述对象图像分割为图像区域,
-特征确定单元,其用于根据所述对象图像的图像值,确定以下中的至少一个的特征:a)所述图像区域和b)所述图像区域之间的边界,
-初步元素图像提供单元,其用于提供包括初步图像区域和元素类之间第一初步分配的初步元素图像,以及
-分配单元,其用于根据所确定的特征和第一初步分配,向对象元素图像的图像区域分配元素类,所述分配指示元素类的分布。
由于分配单元根据所确定的特征和初步分配,向对象元素图像的图像区域分配元素类,所述分配指示元素类的分布,所得的具有到元素类分配的元素图像未必仅基于所提供的图像,而是可以还基于初步分配。于是,如果由元素图像定义的分配质量由于所提供的对象图像的限制而受到限制,那么能够由初步分配补偿所提供图像的这些限制,从而可以提高所得元素图像的质量。
对象优选地是人或动物,元素优选地是骨骼(尤其是骨密质和骨髓)、空气、组织、肺、肠道气体或其他解剖结构中的至少一个。
对象图像提供单元可以是用于提供对象图像的成像系统,如用于提供MR图像的MR成像系统。对象图像提供单元还可以是存储单元,所述存储单元中已经存储了对象图像,从中可以检索对象图像以提供对象图像;或是接收单元,用于经由有线或无线数据连接接收对象图像并提供接收到的对象图像。对象图像提供单元可以适于提供MR图像作为对象的对象图像。MR图像以较高的空间分辨率提供解剖信息,由此允许以进一步改进的质量生成衰减校正图。
在实施例中,替代MR图像或除了MR图像以外,也可以使用另一种对象图像来生成衰减校正图。例如,可以使用未衰减校正(NAC)的PET图像,尤其是飞行时间(TOF)NAC PET图像,来产生衰减校正图。
所述分配可以适于向元素图像的图像区域分配(例如)定义元素类和/或性质(如元素类的衰减值)的标记。例如,分配单元可以适于首先向元素图像的图像区域分配定义元素类的标记,其中,分配单元然后能够向标记分配衰减值,以向元素图像的图像区域分配衰减值。不过,分配单元也可以适于向元素图像的图像区域直接分配表示相应元素类的衰减值。如果衰减值被分配到元素图像的图像区域,那么元素图像形成衰减图,例如,可以将其用于校正诸如PET图像的核图像。
优选地,分割单元适于向所述对象图像应用分水岭分割。分水岭分割将图像分割成图像区域,图像区域可以对应于不同的元素类,如对象的不同组织类型,并且可以用于生成衰减图,尽管图像的物理来源与(例如)PET辐射的衰减不相关。于是,即使衰减图所基于的图像的物理来源与(例如)PET图像的衰减不相关,也可以生成质量改进的衰减图。
更优选地,所述装置还包括差分单元,用于在应用分水岭分割之前对对象图像进行差分。差分单元因此能够适于生成分水岭分割应用于其上的梯度图像。向梯度图像应用分水岭分割进一步改进了对象元素图像的图像区域和元素类之间的分配质量,特别是,进一步改进了由这些分配形成的衰减图质量。在诸如软组织、骨骼、肺或肠道气体的不同元素类之间区分时,组合用于生成梯度图像的差分以及分水岭分割尤其有用。在另一实施例中,也可以将分水岭分割应用于所提供的对象图像,即不应用于梯度图像。
在实施例中,所述装置还包括用于在应用分水岭分割之前对图像进行平滑的平滑单元。平滑单元可以适于对一开始提供的对象图像和/或任选地生成的梯度图像进行平滑。替代地或备选地,可以向所提供的图像应用其他预处理步骤,例如把图像值截断到特定值域或增强图像中的边缘结构。
分割单元可以适于沿对象图像的高图像值或低图像值生成分水线,用于生成经分割的对象图像。例如,如果分水岭分割不是被应用到梯度图像,而是被应用到未差分的所提供的对象图像,可以优选通过沿低图像值生成分水线来进行分割。这种基于沿低图像值(优选为灰度值)的线的分水岭分割能够改进区分特定元素类的质量。例如,如果对象是人或动物,那么可以改进骨密质和骨髓之间的区分,尤其是在MR图像中。
分水岭算法将图像视为地形起伏,其中将图像值解释为起伏的海拨高度。通常,分水岭算法沿起伏中的“山脊”,即沿高图像值定义分水线。如果分水岭分割单元适于生成沿低图像值的分水线,那么对应的分水岭算法沿起伏中的山谷定义分水线。可以通过相应地修改标准分水岭算法或通过向具有反像值的反像应用标准分水岭算法,来计算沿低图像值的这些分水线。
优选地,所述特征确定单元适于确定以下中的至少一个:i)作为特征的所述图像区域的区域特征,其取决于相应图像区域的所有图像值,以及ii)与所述图像区域之间的边界相关的边界特征,其中,所述边界特征取决于以下中的至少一个a)由相应的边界分开的相邻图像区域的区域特征,和b)相应边界上的图像值。
特征确定单元可以适于确定以下区域特征中的至少一个:图像区域的图像值的平均值、图像区域的最小图像值、图像区域的最大图像值、图像区域之内图像值的标准偏差。此外,特征确定单元可以适于确定以下边界特征中的至少一个:边界上的图像值平均值、边界上的图像值的最小图像值、边界上的图像值的最大图像值、边界上图像值的标准偏差。
在优选的实施例中,初步元素图像提供单元适于提供基于如下图像中的至少一个生成的初步元素图像:计算机断层摄影(CT)图像、MR图像、TOF-NAC PET图像、NAC PET图像。
进一步优选地,分配单元适于根据所确定的图像区域特征,确定图像区域和元素类之间的第二初步分配,并组合第一初步分配以及第二初步分配,用于生成指示元素类分布的组合分配。还优选所述分配单元适于进行以下中的至少一项:a)向所确定的特征应用预先定义的分配规则以确定第二初步分配,所述分配规则根据特征定义元素类的分配,以及b)向所述第一和第二初步分配应用预先定义的组合规则,用于产生组合分配,所述组合规则根据第一和第二初步分配定义元素类的分配。
在实施例中,组合规则适于使得:如果对于图像区域,存在至少第二初步分配,则向图像区域分配由第二初步分配分配的元素类;如果对于图像区域仅存在第一初步分配,则向该图像区域分配由第一初步分配分配的元素类。于是,例如,如果所提供的对象图像具有有限的横向FOV(在所提供的对象图像是CT或MR图像的情况下可能是这样的),通过利用第一初步分配,元素图像相对于所提供的对象图像可以具有扩展的横向FOV,这可能涉及覆盖初始提供的对象图像所不覆盖的初步图像区域的更大横向FOV。
在优选的实施例中,所述组合规则适于应用于所述第一和第二初步分配和所提供的对象的解剖信息,以便根据第一和第二初步分配和所提供的解剖信息来产生组合分配。可以使用解剖信息进一步改进元素类和元素图像的图像区域之间的分配。例如,如果已经将特定元素类分配到元素图像的图像区域,并且如果解剖信息提供了特定元素类附近元素类的信息,则可以将这种解剖信息用于确定已经分配了特定元素类的图像区域附近的分配。
可以利用校准措施来预先定义分配规则和/或组合规则,即可以基于所提供的对象图像和所提供的初步元素图像确定元素类和元素图像图像区域之间的分配,而元素类和元素图像的图像区域之间的实际分配是已知的,其中,规则可以被预先定义为使得所确定的分配尽可能好地符合已知的真实分配。
在本发明的另一方面中,提供了一种用于生成对象核图像的核成像系统,其中,所述核成像系统包括:
-核数据采集单元,其用于采集核数据;
-根据权利要求9所述的用于生成对象的对象图像的图像区域和元素类之间分配的装置,
-核重建单元,其用于基于所述核数据和衰减图重建核图像。
在本发明的另一方面中,提供了一种用于生成对象的对象图像的图像区域和元素类之间分配的方法,该方法包括:
-提供对象的对象图像,
-将所述对象图像分割为图像区域,
-根据所述对象图像的图像值,确定以下中的至少一个的特征:a)所述图像区域和b)所述图像区域之间的边界,
-提供初步元素图像,所述初步元素图像包括初步图像区域和元素类之间第一初步分配,
-根据所确定的特征和第一初步分配,向对象元素图像的图像区域分配元素类,所述分配指示元素类的分布。
在本发明的另一方面中,提供了一种用于生成对象核图像的核成像方法,该核成像方法包括:
-由核数据采集单元采集核数据,
-根据如权利要求12所述的所确定的对象的对象图像的图像区域的特征和初步分配,向对象元素图像的图像区域分配元素类,所述分配指示元素类的分布,
-向所分配的元素类分配衰减值,以向所述图像的图像区域分配衰减值,用于生成衰减图,
-由核图像重建单元基于所述核数据和所述衰减图重建核图像。
在本发明的另一方面中,提供了一种用于生成对象图像的图像区域和元素类之间分配的计算机程序,其中,所述计算机程序包括程序代码模块,当所述计算机程序在控制根据权利要求1所述的装置的计算机上运行时,所述程序代码模块令所述装置执行根据权利要求12所述的方法的步骤。
在本发明的另一方面中,提供了一种用于生成对象的核图像的核成像计算机程序,其中,所述计算机程序包括程序代码模块,当所述计算机程序在控制根据权利要求13所述的核成像系统的计算机上运行时,所述程序代码模块令所述核成像系统执行根据权利要求11所述的核成像方法的步骤。
应当理解,权利要求1所述的装置、权利要求11所述的核成像系统、权利要求12所述的方法、权利要求13所述的核成像系统,权利要求14所述的计算机程序和权利要求15所述的核成像计算机程序具有类似和/或等同的优选实施例,特别是从属权利要求中所定义的优选实施例。
应当理解,本发明的优选实施例也可以是从属权利要求与相应独立权利要求的任意组合。
参考下文描述的实施例,本发明的这些和其他方面将变得显而易见并将得以阐述。
附图说明
在附图中:
图1示意性地和示范性地示出了用于生成受检者的核图像的核成像系统的实施例,
图2示范性地示出了TOF-NAC PET图像,
图3示范性地示出了图2中所示的TOF-NAC PET图像的梯度图像,
图4示范性地示出了应用于图3中所示的梯度图像的分水岭分割的结果,
图5示范性地示出了平均图像值特征图像,
图6示范性地示出了边界特征图像,
图7示范性地示出了第二初步标记图像,该第二初步标记图像定义了图像区域与元素类之间的第二初步分配,
图8示范性地示出了显示肺部的TOF-NAC PET图像,
图9示范性地示出了分水线和分割出的肺,
图10示出的流程图示范性地图示了用于生成受检者图像的图像区域与元素类之间的分配的方法的实施例,
图11示出的流程图示范性地图示了用于生成受检者的核图像的核成像方法的实施例,
图12示范性地示出了NAC PET图像,
图13示范性地示出了应用于图12所示的NAC PET图像的基于阈值的图像分割流程的结果,
图14示出了将边缘检测滤波器应用于图12所示的NAC PET图像的结果,
图15示范性地示出了应用于图12所示图像的分水岭分割获得的分水线,
图16示范性地示出了平均图像值特征图像,
图17示范性地示出了边界特征图像,并且
图18示范性地示出了第二初步标记图像,该第二初步标记图像根据图像区域所确定特征定义图像区域与元素类之间的第二初步分配。
具体实施方式
图1示意性和示范性示出了用于生成具有不同元素类的对象7的核图像的核成像系统。在该实施例中,对象7是躺在工作台8上的人,并且不同的元素类例如是空气和不同的组织类型,例如,骨骼、肺、软组织等。元素类还可以包括不同的骨骼类,具体而言,骨密质类和骨髓类。核成像系统1包括用于采集核数据的核数据采集单元2。在该实施例中,核数据采集单元2适于采集PET数据。不过,在另一实施例中,核数据采集单元还可以适于采集其他核数据,例如单光子发射计算断层摄影(SPECT)数据。
核成像系统1还包括核重建单元30,核重建单元30基于由核数据采集单元2采集的核数据来重建TOF-NAC核图像。核数据采集单元2和核图像重建单元30形成对象图像提供单元,用于提供人7的对象图像,该对象图像在该实施例中是图2中示意性和示范性示出的TOF-NAC PET图像。
核成像系统1还包括用于处理TOF-NAC PET图像的处理设备3。处理设备3包括用于对TOF-NAC PET图像进行平滑的平滑单元9。在另一实施例中,备选地或者额外地,可以执行其他预处理步骤以对TOF-NAC PET图像进行预处理。例如,可以将TOF-NAC PET图像的图像值截取到特定的值范围或者可以在TOF-NAC PET图像中增强边缘结构。处理设备3还包括差分单元10,差分单元10用于对TOF-NAC PET图像进行差分,以生成图3中示意性和示范性地示出的梯度图像。任选地,对于梯度图像,可以计算绝对值,并且可以利用平滑单元9对所得图像进行平滑。处理设备3还包括分割单元11,分割单元11用于向梯度图像,具体而言向梯度图像的绝对值(可能是经平滑的),应用分水岭分割以生成分割图像,分割图像包括图像区域,应当将图像区域分配到像不同组织类型或空气的元素类。图4示意性和示范性示出了具有分水线的所得已分割图像。
处理设备3还包括特征确定单元12,用于根据对象图像的图像值来确定图像区域的特征。特征确定单元12适于确定以下中的至少一个:i)作为特征的所述图像区域的区域特征,其取决于相应的图像区域的所有图像值,以及ii)与所述图像区域之间的边界相关的边界特征,其中,所述边界特征取决于以下中的至少一个:a)由相应边界分开的标记图像区域的区域特征,和b)相应边界上的图像值。优选地,特征确定单元12适于确定以下区域特征中的至少一个:相应图像区域图像值的平均、相应图像区域的最小图像值、相应图像区域的最大图像值、相应图像区域之内图像值的标准偏差。特征确定单元12优选还适于确定以下边界特征中的至少一个:相应边界图像值的平均值、相应边界上的最小图像值、相应边界上的最大图像值、相应边界上图像值的标准偏差。
图5示范性地示出了平均图像值特征图像,其中,以不同灰度值示出了具有不同平均图像值(具体而言是不同平均灰度值)的图像区域。图6示范性地示出了边界特征图像,其中,在本范例中,边界特征是相应边界上图像值的相应最小图像值。在图6中,利用不同灰度值示出了具有不同边界特征的边界。
核成像系统1还包括用于采集MR数据的MR数据采集单元5以及从采集的MR数据重建MR图像的MR重建单元6。核成像系统1还包括初步元素图像产生单元31,其用于产生初步元素图像,所述初步元素图像包括初步图像区域和元素类之间的第一初步分配。在该实施例中,初步元素图像产生单元31适于产生第一初步标记图像作为初步元素图像,其中,分配到不同元素类的第一初步标记图像带有不同标记。初步元素图像生成单元31可以适于执行,例如基于阈值处理(thresholding)的分割和/或基于分水岭的分割,以产生初步元素图像。具体而言,初步元素图像生成单元31可以适于从MR图像确定梯度图像,向梯度图像应用分水岭分割,并确定所得图像区域的特征和/或所得图像区域之间的边界,然后可以将所述特征或所述边界用于向初步元素图像的不同初步区域分配标记。MR数据采集单元5、MR重建单元6和初步元素图像生成单元31可以被视为初步元素图像提供单元,用于提供包括初步图像区域和元素类之间第一初步分配的初步元素图像。
在另一实施例中,初步元素图像提供单元还可以适于基于诸如计算断层摄影设备或超声成像设备的另一种成像装置来提供初步元素图像。用于提供人7的对象图像(在本实施例中为TOF-NAC PET图像)的初步元素图像提供单元和/或对象图像提供单元也可以是存储单元,所述存储单元中分别已经存储了初步元素图像和/或对象图像,可以从所述存储单元检索存储的初步元素图像和/或对象图像,以分别提供初步元素图像和/或对象图像。对象图像提供单元和/或初步元素图像提供单元也可以是接收单元,用于从另一系统接收相应的图像并分别提供接收的初步元素图像和/或对象图像。
处理设备3还包括分配单元13,用于根据所确定的特征和第一初步分配,向人7的元素图像的图像区域分配元素类,所述分配指示元素类的分布。在该实施例中,分配单元13适于根据所确定的特征确定图像区域和元素类之间的第二初步分配,其中,预先定义的分配规则被应用于所确定的特征,以确定所述第二初步分配。所得的第二初步分配导致图7中示意性和示范性示出的第二初步标记图像。
在图7中,附图标记32表示空气,附图标记33表示身体。于是,在图7中示出的范例中,第二初步标记图像提供了身体和空气之间的区分。
分配单元13还适于组合由初步元素图像提供单元提供的第一初步分配以及第二初步分配,用于生成指示元素类分布的组合分配。在该实施例中,组合基于MR图像确定的第一初步分配以及基于TOF-NAC PET图像确定的第二初步分配,以生成指示元素类分布的组合分配。基于应用于第一和第二初步分配的预先定义的组合规则生成组合分配。分配单元13还能够适于使用组合规则,所述组合规则被配置为应用于第一和第二初步分配并提供人7的解剖信息,以便根据第一和第二初步来分配和提供的解剖信息确定组合分配。
通过校准措施来确定分配规则和组合规则,其中,组合分配是被确定的,而实际分配是已知的,其中,分配规则和组合规则被预先定义为使得所确定的分配尽可能满足已知的分配。
在实施例中,两个或更多元素类可以指代相同的元素,但是指代不同的概率。例如,如果较为确定相应图像区域涉及到空气,则可以将第一元素类“空气”分配到图像区域,如果图像区域可能是空气,但是如果不肯定图像区域是否真正涉及空气,可以将第二元素类“可能空气”分配到图像区域。例如,可以研究不同人的几种情况,并且对于特定特征的集合,可以确定该特定特征的集合正确表示空气的情况的百分比。如果所确定的百分比大于特定阈值,例如,大于90%,则相应特征的集合可以被视为定义元素类“空气”,如果所确定的百分比小于特定阈值但大于另一第二阈值,则相应特征的集合可以被视为定义元素类“可能空气”。
相应地,分配规则可以被预先定义为使得如果平均图像值特征低于特定第一阈值,则将图像区域分配到元素类“空气”;如果平均图像值特征低于大于第一阈值的特定第二阈值且低于大于第二阈值的第三阈值,则可以将图像区域分配到元素类“可能空气”;如果平均图像值高于第三阈值但低于第四阈值,则可以将图像区域分配到元素类“可能组织”。此外,如果平均图像值特征高于第四阈值,则可以将图像区域分配到元素类“组织”。
在一个范例中,第一初步分配,即第一初步标记图像,基于MR图像,第二初步分配,即第二初步标记图像,基于TOF-NAC PET图像,其中,如果元素类为“组织”、“可能组织”、“空气”和“可能空气”,那么组合规则可以被定义为使得如果已经在第一和第二初步标记图像中的至少一个中向该图像区域分配了元素类“组织”,则将元素图像的图像区域分配到元素类“组织”;如果根据第一和第二初步标记图像,已经向相应图像区域分配了元素类“可能组织”,则可以将元素类“组织”分配到元素图像的图像区域;并在所有其他情况下将元素类“空气”分配到元素图像的图像区域。
组合规则还可以适于进一步考虑解剖信息。例如,如果元素类是“空气”、“可能空气”、“组织”和“可能组织”,并且如果第一初步分配(即第一初步标记图像)是基于MR图像的,并且第二初步分配(即第二初步标记图像)是基于TOF-NAC PET图像的,那么组合规则可以被定义为使得:如果在第一初步标记图像中,已经将这个图像区域分配到元素类“可能空气”,在第二初步标记图像中,已经将这个图像区域分配到元素类“可能组织”,并且图像区域位于人手臂处,则将元素图像的图像区域分配到元素类“组织”。为了判断图像区域是否位于人的手臂,在一个实施例中,可以将圆拟合到身体轮廓以近似身体的轮廓,其中,如果已经利用第二初步标记图像分配了元素类“可能组织”的图像区域位于近似身体轮廓的圆外部,则这个图像区域被视为位于手臂。根据组合规则的另一范例,如果根据基于TOF-NAC PET图像的初步标记图像,图像区域被分配到元素类“可能组织”,如果这个图像区域位于MR视场外部,这表示这个图像区域涉及人的截断手臂,则将元素图像中的对应图像区域分配到元素类“组织”,其中,在该范例中,假设第二初步标记图像是基于MR图像的。
分配单元13还适于使用分配的元素类向元素图像的图像区域分配衰减值,以生成衰减图。在该实施例中,提供数据库,其包括不同元素类(例如一种或不同组织类型和空气)之间的分配,以及不同元素类的衰减值,其中,分配单元适于利用数据库分配衰减值。优选地,衰减值描述空气的衰减以及PET成像中存在的辐射的不同组织类型。例如,衰减值对应于能量为511keV的辐射的衰减。
核成像系统1包括另一核图像重建单元14,另一核图像重建单元14用于基于由核数据采集单元2采集的核数据和生成的衰减图来重建核图像。在该实施例中,另一核图像重建单元14适于基于核数据采集单元2采集的PET数据和衰减图来重建经衰减校正(AC)的PET图像。重建的核图像被示于显示器15上。处理设备3与对象图像提供单元和初步元素图像提供单元一起可以被视为用于生成对象图像的图像区域和元素类之间的分配的装置。
图8示意性和示范性地示出了图示肺的TOF-NAC PET图像的另一对象图像。同样,图8中所示的TOF-NAC PET图像可以由对象图像提供单元2、30提供。
图8中所示的TOF-NAC PET图像被平滑单元9平滑,被差分单元10差分,以生成梯度图像,并被分割单元11使用分水岭分割算法分割以生成分割图像,所述分割图像包括与图像中所示的人的元素类相对应的图像区域。特征确定单元12然后如上所述地根据TOF-NAC PET图像的图像值确定图像区域和/或图像区域之间边界的特征。分配单元13根据图像区域的所确定的特征来确定图像区域和元素类之间的第二初步分配,其中,所确定的第二初步分配与所提供的第一初步分配可以被组合,以生成指示元素类分布的组合分配。图9示意性和示范性地示出了从分水岭分割得到的分水线34以及包封人7的肺的线35,即,已经向线35包封的图像区域分配了元素类“肺”。
分水岭分割单元11优选地适于执行标准的分水岭分割,例如,如L.Vincent和P.Soille在IEEE Trans.Pattern Anal.Machine IntelL,13(6),583-598(1991)中的文章“Watersheds in Digital Spaces:An Efficient AlgorithmBased on Immersion Simulations”中所公开,在此通过引用并入本文。分割单元11可以适于沿相应的所提供的图像的高图像值或低图像值来生成分水线,以生成经分割的图像,并且它可以适于分割差分的梯度图像和/或未差分的图像。
分水岭算法将图像视为地形起伏,其中将图像值解释为起伏中的海拨高度。通常,分水岭算法沿起伏中的“山脊”,即沿高图像值,定义分水线。如果分水岭分割单元适于生成沿低图像值的分水线,则对应的分水岭算法沿起伏中的山谷定义分水线。可以通过相应地修改标准分水岭算法或通过向具有反像值的反像应用标准分水岭算法,来计算沿低图像值的这些分水线。
在下文中,将参考图10中示出的流程图示范性描述一种生成对象的对象图像的图像区域和元素类之间分配的方法。
在步骤101中,对象图像提供单元2、30提供人7的对象图像。具体而言,核数据采集单元2采集PET数据,核重建单元30重建TOF-NAC PET图像。
在步骤102中,平滑单元9对TOF-NAC PET图像进行平滑,并且在步骤103中,差分单元10对平滑的TOF-NAC PET图像进行差分,计算梯度的绝对值并且任选地对计算的绝对值进行平滑,来生成梯度图像。在步骤104中,分割单元11向梯度图像应用分水岭分割,以生成包括与的元素类相对应的图像区域的分割图像,具体而言,对应于例如软组织、骨骼、右肺、左肺、肠道气体、空气等。在步骤105中,特征确定单元12根据分割图像的图像值,确定图像区域的特征和/或图像区域间的边界,并且在步骤106中,初步元素图像提供单元5、6、31提供包括初步图像区域和元素类之间的第一初步分配的初步元素图像。具体而言,提供对应的初步标记图像,其中,通过利用初步元素图像生成单元,用不同的标记指示不同的元素类,初步元素图像生成单元在本实施例中根据MR重建单元6从MR数据采集单元5采集的MR数据重建的MR图像来生成初步元素图像。
在步骤107中,分配单元13根据所确定的特征,即,在本实施例中,根据通过向TOF-NAC PET图像应用分水岭分割生成的所确定的图像区域特征,确定图像区域和元素类之间的第二初步分配。在步骤108中,由分配单元13组合第一初步分配和第二初步分配,用于生成指示元素类分布的组合分配。具体而言,向第一和第二初步分配应用预先定义的组合规则以生成组合分配。在步骤109中,分配单元13还向分配的元素类分配衰减值,向元素图像的图像区域分配衰减值,以生成衰减图。在步骤110中,核图像重建单元14基于采集的PET数据和衰减图来重建AC PET图像。
图11示出的流程图示范性地图示了用于生成对象核图像的核成像方法的实施例。
在步骤201中,由核数据采集单元2采集核数据。在该实施例中,由核数据采集单元2采集PET数据。在步骤202中,如上文参考步骤102到109所述,确定衰减图,并且在步骤203中,核图像重建单元14基于核数据和衰减图重建核图像,在本实施例中,为AC PET图像。
在所描述的实施例中,用于生成对象图像的图像区域和元素类之间分配的装置和方法使用用于分割TOF-NAC PET图像的一般图像分割流程。该装置和方法优选适于分隔包含具有相关衰减值的解剖结构的图像区域,以便改进PET重建中的图像质量。
图2示出了典型的TOF-NAC PET图像。直接的图像分割方法,例如应用强度阈值可能会失败,因为TOF-NAC PET图像的强度可能在切片之间变化,或者切片可能显示出不能从低强度组织值区分出来的更强散射。此外,TOF-NAC PET图像不像CT图像那样显示出已知的绝对强度值。因此需要针对每个TOF-NAC PET图像单独地确定强度阈值。
用于生成对象图像的图像区域和元素类之间分配的装置和方法优选地适于通过计算TOF-NAC PET图像(图3)的梯度图像并向梯度图像(图4)应用分水岭变换,来克服像素强度变化或强度未知情况下的图像分割问题。可以利用预先定义的规则,即通过对区域和/或边界特征(尤其是与相邻区域的关系)进行试探,来识别与生成衰减图的特定目的相关的区域。该装置和方法可以适于如图9所示在不同身体结构(例如,肺和其他组织)之间进行区分。
尽管在上述实施例中提供的对象图像优选地是TOF-NAC PET图像,但是在其他实施例中,提供的对象图像也可以是另一图像,例如NAC PET图像或MR图像。具体而言,对象图像提供单元可以适于提供NAC PET图像作为人7的对象图像。例如,核数据采集单元2可以适于采集PET数据,核图像重建单元30可以适于重建NAC PET图像,即无需考虑TOF信息且无需考虑衰减信息来重建PET图像。图12中示意性和示范性地示出了这样的NAC PET图像。
用于分割NAC PET图像的直接图像分割方法可以是应用强度阈值。图13中示意性和示范性示出了可能的所得图像。不过,应用强度阈值常常会失败,因为NAC PET图像通常显示出类似于人的几何形状凸包的轮廓线,因而不允许对诸如身体和手臂的相邻结构进行差分。此外,NAC PET图像的图像值强度具有未知的和变化的高度。通常,也可以将“Canny边缘”滤波器(更鲁棒地检测边缘)应用于NAC PET图像。图14中示意性和示范性地示出了相应的所得图像。应用“Canny边缘”滤波器具有如下缺点:检测到的边缘常常不会连接成闭合的轮廓线,于是需要通过额外的后期处理对边缘进行某种程度的外推,以便界定包封的区域。
用于生成对象图像的图像区域和元素类之间分配的装置和方法可以适于通过向NAC PET图像应用分水岭分割,即分水岭变换,来克服轮廓线不完整的问题。于是,在实施例中,分割单元11适于通过应用分水岭变换将NAC PET图像分割成图像区域。图15中示意性和示范性地示出了具有分水岭36的所得图像。可以通过对区域和/或边界特征(尤其是相对于相邻区域)进行试探,来识别与生成衰减图的特定目的相关的区域。于是,对象图像提供单元可以适于提供NAC PET图像,其中平滑单元可以适于对所提供的NAC PET图像进行平滑,并任选地对NAC PET图像执行更多预处理步骤。因此分割单元11能够通过应用分水岭算法将NAC PET图像分割成更小的区域。在该实施例中,在应用分水岭算法之前不生成梯度图像。然后,特征确定单元能够如上所述地确定区域和/或边界特征。例如,对于每个图像区域,可以确定相应图像区域的图像值的平均值,得到图16中示意性和示范性示出的平均图像值特征图像,其中,以不同灰度值示出了具有不同平均值的图像区域。图17示出了示范性且示意性示地出了边界特征图像,其中用不同的灰度值示出了具有不同最小图像值的边界。
分配单元然后根据所确定的特征确定图像区域和元素类之间的第二初步分配。具体而言,通过对所确定的特征进行推理,图像区域被标记使得它们被分配到空气或身体。优选地,分配规则被应用于确定的特征,以执行分配流程。在该实施例中,针对NAC PET图像的特征确定分配规则,其中,可以通过校准措施来确定这些分配规则,其中,基于NAC PET图像确定特征,并且其中,元素类(尤其是空气和组织)在NAC PET图像中的分布是已知的,并且其中,预先定义分配规则,使得向所确定的特征应用分配规则实现的分配尽可能好地符合图像区域到元素类的可能已知分配。图18中示意性和示范性示出了所得图像。在图18中,附图标记37表示组织,附图标记38表示空气。
第二初步分配,在本实施例中即第二初步标记图像,提供如图18中所示的组织和空气,将其与初步图像区域和初步元素图像提供单元提供的元素类之间的第一初步分配组合,以生成指示元素类分布的组合分配。
第一初步分配可以基于如下图像中的至少一个:CT图像、MR图像、NAC PET图像和TOF-NAC PET图像。于是,在一实施例中,第一初步分配可以基于NAC PET图像和TOF-NAC PET图像中的至少一个,第二初步分配可以基于NAC PET图像和TOF-NAC PET图像中的另一个。换言之,可以基于相同的所采集的PET数据生成上述两个初步分配。
还是在本实施例中,分配单元可以适于向所分配的元素类分配衰减值,以向元素图像的图像区域分配衰减值,用于产生衰减图,核图像重建单元可以适于基于采集的PET数据和衰减图来重建AC PET图像。
为了基于MR图像提供初步分配,优选对提供的MR图像进行平滑、差分以生成梯度图像,并通过对梯度图像应用分水岭分割而将其分割。然后优选确定区域和/或边界特征,其中将确定的特征用于通过向所确定的特征应用对应的分配规则来生成初步分配。在实施例中,也可以将分水岭分割应用于未差分的MR图像,以分割MR图像。
PET扫描机一般是与CT扫描机组合作为PET/CT系统而提供的。相反,组合式PET/MR系统优点是没有额外的辐射剂量和更好的软组织对比度。此外,组合式PET/MR系统可以适于同时采集PET数据和MR数据。
组合式PET/CT系统和组合式PET/MR系统还提供比单一PET系统关于解剖结构的更精确的信息,可以针对不同的身体区域导出辐射衰减性质,具体而言,可以分别从CT图像或MR图像导出衰减图。对于PET/CT系统,衰减系数是霍斯菲尔德值的函数。在PET/MR系统的情形下,衰减图是通过更加复杂的图像处理获得的,例如通过将图像分割成不同组织类别,如肌肉、脂肪、骨骼、肺等,并针对每种组织类别(即针对不同的元素类)插入标准衰减值,以获得衰减图。
使用CT和MR图像导出衰减图的限制是受限的横向FOV,其可能在边缘处分别截断CT图像或MR图像,尤其对于体型较大的人。这种限制在MR图像中更严重,因为横向FOV在CT系统中通常更小,主要因为接近重建FOV边界的信号劣化。而且,在一些情况下,例如由于金属植入物或端口,CT或MR图像被扭曲,使得对于一些图像区域而言,做出正确的衰减值推导是不可能的。如果将从截断的或以其他方式失真的CT或MR图像导出的不正确衰减图用于重建AC PET图像,重建的AC PET图像将变得不精确和/或可能包含伪影。
用于生成对象图像的图像区域和元素类之间分配的装置和方法可以适于通过将它们与未利用衰减信息重建的一个或多个PET图像进行组合(具体而言,通过将它们与不包括TOF信息的NAC PET图像和/或包括TOF信息的TOF-NAC PET图像进行组合)来克服由于从不完整或失真CT或MR图像获得的不正确衰减图导致的PET图像不精确问题。NAC PET图像和/或TOF-NAC PET图像通常示出CT图像或MR图像中缺失的解剖结构。NAC PET图像和TOF-NAC PET图像可以包含不同的解剖学细节,因此可以一起使用并与CT或MR图像组合。用于生成对象图像的图像区域和元素类之间分配的装置或方法优选地适于通过分割相应图像并融合分割的相应图像,以将CT或MR图像与NAC PET图像和TOF-NAC PET图像中的至少一个进行组合。例如,该装置和方法可以适于利用从NAC PET图像或TOF-NAC PET图像导出的标记替换MR标记图像中不正确的空气/组织分配。然后优选从融合的所得标记图像导出衰减图。
于是,在实施例中,用于生成对象图像的图像区域和元素类之间分配的装置和方法可以适于首先生成NAC PET图像和/或TOF-NAC PET图像,其中,NAC PET图像和/或TOF-NAC PET图像然后被分割。针对NAC PET图像和/或TOF-NAC PET图像的所得已分割图像区域和/或图像区域之间的边界,确定特征,并基于确定的特征,向相应图像区域的每个图像元素,尤其是每个像素或体素,至少分配空气或组织,如果可能的话,分配经区分的组织类型,例如肺组织。这些分配形成第二初步分配。此外,可以提供CT图像或MR图像,将其分割成图像区域,可以将所得的已分割图像区域分配到至少空气或组织,从而将每个图像要素都分配到至少空气或组织,其中,如果可能的话,可以提供不同组织类型的进一步区分,例如肺组织。这些分配形成第一初步分配,其定义第一和第二初步标记图像,第一和第二初步标记图像是基于a)CT或MR图像,和b)NAC PET或TOF-NAC PET图像来产生的。
第一初步标记图像对应于第一初步分配,一般具有与第二初步标记图像不同的另一尺寸和分辨率,第二初步标记图像是基于NAC PET图像或TOF-NAC PET图像而产生的。因此分配单元能够适于将第一初步标记图像,从而将第一初步分配重新格式化到第二初步标记图像的尺寸和分辨率,从而重新格式化到第二初步分配的尺寸和分辨率。
可以通过将来自第一初步标记图像的标记与来自第二初步标记图像的标记融合为多源标记图像,即组合为人的元素图像(其指示如软组织、肺、肌肉、脂肪、骨骼、空气等元素类的分布),来组合第一和第二初步分配以生成指示元素类分布的组合分配。更高级的推理能够包括关于解剖结构的先验知识,即如上所述的解剖信息。
然后分配单元优选地还适于根据标记向图像区域分配适当的衰减值以生成多源衰减图。如果第一初步分配基于CT图像,那么对于根据第一初步分配标记的多源衰减图的图像区域,分配到这些图像区域的衰减值优选是直接从初始CT图像的强度值获得的衰减值。优选由核图像重建单元使用多源衰减图来重建AC PET图像。
用于生成对象的图像区域和元素类之间分配的装置和方法可以适于进行PET/CT成像,尤其是在被扫描的对象过大而无法在CT中精确重建的情况下。该装置和方法还可以适于PET/MR成像,尤其是在对象邻近MR重建FOV的部分不可见的情况下,该装置和方法可以适于进行图像的一部分包含伪影的(例如,由于使精确衰减图产生失真的金属植入物)PET/CT或PET/MR成像。
尽管在上述实施例中组合了初步图像区域和元素类之间的第一和第二初步分配(即两个对应的第一和第二初步标记图像)以生成元素图像,但是在其他实施例中,也可以组合超过两个初步分配,即超过两个初步标记图像,以生成最终的组合元素图像。
本领域的技术人员通过研究附图、公开和所附权利要求,在实践请求保护的本发明时能够理解和实现所公开实施例的其他变型。
在权利要求中,“包括”一词不排除其他元件或步骤,定语“一”或“一个”不排除多个。
单个单元或设备可以完成权利要求中记载的几个项目的功能。尽管在互不相同的从属权利要求中记载了特定措施,但是这并不表示不能有利地使用这些手段的组合。
可以由任意其他数量的单元或设备执行由一个或几个单元或设备执行的计算,如平滑操作、差分、分割、特征确定、分配流程、第一和第二初步分配的组合(特别是第一和第二初步标记图像的组合)等。例如,可以由单个单元或由任何其他数量的不同单元来执行步骤102到109。可以将根据用于生成对象图像的图像区域和元素类之间分配的方法来生成对象图像的图像区域和元素类之间分配的装置的计算和分配流程和/或控制,和/或根据核成像方法的核成像系统的控制实现为计算机程序的程序代码模块和/或专用硬件。
可以在适当的介质上存储和/或发布的计算机程序,介质例如是与其他硬件一起供应或作为其他硬件一部分供应的光存储介质或固态介质,但也可以以其他形式发布,例如经由互联网或其他有线或无线电信系统。
权利要求中的任何附图标记不应被解释为对范围的限制。
本发明涉及用于生成对象图像的图像区域和元素类之间分配的装置。该装置包括分配单元,所述分配单元用于根据区域和/或边界特征向指示元素类分布的对象元素图像的图像区域分配元素类,所述区域和/或边界特征是根据所提供的对象图像和所提供的第一初步分配的图像值确定的。于是,所得的具有到元素类的分配的元素图像未必仅基于所提供的对象图像,而是还可以基于所提供的初步分配。如果由元素图像定义的分配质量由于所提供的对象图像的限制而受到限制,那么因此能够由初步分配来补偿所提供的图像的这些限制,从而可以提高所得元素图像的质量。
Claims (15)
1.一种用于生成对象的图像的图像区域和元素类之间的分配的装置,所述装置包括:
-对象图像提供单元(2,30),其用于提供所述对象(7)的对象图像,
-分割单元(11),其用于将所述对象图像分割为图像区域,
-特征确定单元(12),其用于根据所述对象图像的图像值,确定以下中的至少一个的特征:a)所述图像区域和b)所述图像区域之间的边界;
-初步元素图像提供单元(5,6,31),其用于提供初步元素图像,所述初步元素图像包括初步图像区域和元素类之间的第一初步分配,
-分配单元(13),其用于根据所确定的特征和所述第一初步分配,向所述对象的元素图像的图像区域分配元素类,所述分配指示所述元素类的分布。
2.根据权利要求1所述的装置,其中,所述对象图像提供单元(2,30)适于提供以下对象图像之一:未经衰减校正的正电子发射断层摄影图像、飞行时间未经衰减校正的正电子发射断层摄影图像、磁共振图像。
3.根据权利要求1所述的装置,其中,所述分割单元(11)适于向所述对象图像应用分水岭分割。
4.根据权利要求3所述的装置,其中,所述装置还包括差分单元(10),所述差分单元(10)用于在应用所述分水岭分割之前对所述对象图像进行差分。
5.根据权利要求1所述的装置,其中,所述初步元素图像提供单元(5,6,31)适于提供基于如下图像中的至少一个所产生的初步元素图像:计算机断层摄影图像、磁共振图像、未经衰减校正的正电子发射断层摄影图像、飞行时间未经衰减校正的正电子发射断层摄影图像。
6.根据权利要求1所述的装置,其中,所述分配单元(13)适于:
-根据所确定的所述图像区域的特征,确定所述图像区域和元素类之间的第二初步分配,
-将所述第一初步分配和所述第二初步分配组合,以产生指示所述元素类的分布的组合分配。
7.根据权利要求6所述的装置,其中,所述分配单元(13)适于实施以下中的至少一项:a)向所确定的特征应用预先定义的分配规则以确定所述第二初步分配,所述分配规则根据所述特征来定义元素类的分配,以及b)向所述第一初步分配和第二初步分配应用预先定义的组合规则以产生所述组合分配,所述组合规则根据所述第一初步分配和第二初步分配来定义元素类的分配。
8.根据权利要求7所述的装置,其中,所述组合规则适于应用于所述第一初步分配和第二初步分配以及所提供的所述对象的解剖信息,以便根据所述第一初步分配和第二初步分配以及所提供的解剖信息来产生所述组合分配。
9.根据权利要求1所述的装置,其中,所述分配单元(13)还适于向所分配的元素类分配衰减值以将所述衰减值分配到所述元素图像的所述图像区域,从而产生衰减图。
10.根据权利要求9所述的装置,其中,所述装置还包括核图像重建单元(14),所述核图像重建单元用于基于由核数据采集单元采集的核数据和所述衰减图来重建核图像。
11.一种用于生成对象的核图像的核成像系统,所述核成像系统包括:
-核数据采集单元(2),其用于采集核数据,
-根据权利要求9所述的用于生成对象的对象图像的图像区域和元素类之间的分配的装置,
-核重建单元(14),其用于基于所述核数据和所述衰减图来重建核图像。
12.一种用于生成对象的对象图像的图像区域和元素类之间分配的方法,所述方法包括:
-提供所述对象的对象图像,
-将所述对象图像分割为图像区域,
-根据所述对象图像的图像值,确定以下中的至少一个的特征:a)所述图像区域和b)所述图像区域之间的边界,
-提供初步元素图像,所述初步元素图像包括初步图像区域和元素类之间的第一初步分配,
-根据所确定的特征和所述第一初步分配,向所述对象的元素图像的图像区域分配元素类,所述分配指示所述元素类的分布。
13.一种用于生成对象的核图像的核成像方法,所述核成像方法包括:
-由核数据采集单元采集核数据,
-根据如权利要求12所述的所确定的所述对象的对象图像的图像区域的特征和所述初步分配,向所述对象的元素图像的图像区域分配元素类,所述分配指示元素类的分布,
-向所分配的元素类分配衰减值以将所述衰减值分配到所述图像的图像区域,从而产生衰减图,
-由核图像重建单元基于所述核数据和所述衰减图来重建核图像。
14.一种用于生成对象的图像的图像区域和元素类之间的分配的计算机程序,所述计算机程序包括程序代码模块,当所述计算机程序在控制根据权利要求1所述的装置的计算机上运行时,所述程序代码模块令所述装置执行根据权利要求12所述的方法的步骤。
15.一种用于生成对象的核图像的核成像计算机程序,所述计算机程序包括程序代码模块,当所述计算机程序在控制根据权利要求13所述的核成像系统的计算机上运行时,所述程序代码模块令所述核成像系统执行根据权利要求11所述的核成像方法的步骤。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201161489339P | 2011-05-24 | 2011-05-24 | |
US61/489,339 | 2011-05-24 | ||
PCT/IB2012/052576 WO2012160520A1 (en) | 2011-05-24 | 2012-05-23 | Apparatus for generating assignments between image regions of an image and element classes |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103562960A true CN103562960A (zh) | 2014-02-05 |
CN103562960B CN103562960B (zh) | 2017-06-09 |
Family
ID=46229894
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201280024909.XA Expired - Fee Related CN103562960B (zh) | 2011-05-24 | 2012-05-23 | 用于生成图像的图像区域与元素类之间的分配的装置 |
Country Status (6)
Country | Link |
---|---|
US (1) | US9336613B2 (zh) |
EP (1) | EP2715663B1 (zh) |
JP (1) | JP6042879B2 (zh) |
CN (1) | CN103562960B (zh) |
RU (1) | RU2589461C2 (zh) |
WO (1) | WO2012160520A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108351424A (zh) * | 2015-11-19 | 2018-07-31 | 株式会社岛津制作所 | 放射线断层摄影装置 |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9336613B2 (en) * | 2011-05-24 | 2016-05-10 | Koninklijke Philips N.V. | Apparatus for generating assignments between image regions of an image and element classes |
US9135695B2 (en) * | 2012-04-04 | 2015-09-15 | Siemens Aktiengesellschaft | Method for creating attenuation correction maps for PET image reconstruction |
GB2510842A (en) * | 2013-02-14 | 2014-08-20 | Siemens Medical Solutions | A method for fusion of data sets |
JP6387108B2 (ja) * | 2014-04-01 | 2018-09-05 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | 擬似ctハウスフィールドユニット値を推定する方法、磁気共鳴システム及びコンピュータプログラム |
CN107077724B (zh) | 2014-10-20 | 2022-03-29 | 皇家飞利浦有限公司 | 分类的截断补偿 |
JP6920376B2 (ja) * | 2015-07-29 | 2021-08-18 | ペルキネルマー ヘルス サイエンシーズ, インコーポレイテッド | 3d解剖画像における個々の骨格の骨の自動化されたセグメンテーションのためのシステムおよび方法 |
CN107115119B (zh) * | 2017-04-25 | 2020-04-10 | 上海联影医疗科技有限公司 | Pet图像衰减系数的获取方法、衰减校正的方法及系统 |
US10832423B1 (en) * | 2018-01-08 | 2020-11-10 | Brainlab Ag | Optimizing an atlas |
CN110809782B (zh) * | 2018-10-22 | 2023-09-12 | 上海联影医疗科技股份有限公司 | 衰减校正系统和方法 |
US11367227B2 (en) * | 2020-07-28 | 2022-06-21 | Canon Medical Systems Corporation | Method and apparatus for computer vision based attenuation map generation |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080247646A1 (en) * | 2007-04-04 | 2008-10-09 | Siemens Corporate Research, Inc. | Method for segmenting an image using constrained graph partitioning of watershed adjacency graphs |
US20100021034A1 (en) * | 2008-07-23 | 2010-01-28 | Siemens Corporate Research, Inc. | System and method for the generation of attenuation correction maps from mr images |
EP2161594A2 (en) * | 2008-09-09 | 2010-03-10 | Multi Magnetics Incorporated | System and method for correcting attenuation in hybrid medical imaging |
CN102027507A (zh) * | 2008-05-15 | 2011-04-20 | 皇家飞利浦电子股份有限公司 | 使用未经衰减校正的pet发射图像补偿不完整解剖图像 |
Family Cites Families (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
SU1223887A1 (ru) * | 1974-06-27 | 1986-04-15 | Ленинградский Ордена Трудового Красного Знамени Научно-Исследовательский Нейрохирургический Институт Им.Проф.А.Л.Поленова | Способ определени локализации внутричерепных гематом |
US5750991A (en) | 1993-03-26 | 1998-05-12 | Cti Pet Systems, Inc. | Method and apparatus for forming multidimenstional attenuation correction data in tomography applications |
US6310968B1 (en) | 1998-11-24 | 2001-10-30 | Picker International, Inc. | Source-assisted attenuation correction for emission computed tomography |
GB0115615D0 (en) | 2001-06-27 | 2001-08-15 | Univ Coventry | Image segmentation |
RU2291488C9 (ru) * | 2002-06-24 | 2007-04-20 | Ренат Анатольевич Красноперов | Способ стереологического исследования структурной организации объектов |
US20070053491A1 (en) * | 2005-09-07 | 2007-03-08 | Eastman Kodak Company | Adaptive radiation therapy method with target detection |
US7348564B2 (en) | 2005-12-12 | 2008-03-25 | General Electric Company | Multi modality imaging methods and apparatus |
US8045778B2 (en) * | 2006-05-17 | 2011-10-25 | Koninklijke Philips Electronics N.V. | Hot spot detection, segmentation and identification in pet and spect images |
US7953265B2 (en) * | 2006-11-22 | 2011-05-31 | General Electric Company | Method and system for automatic algorithm selection for segmenting lesions on pet images |
WO2008064319A2 (en) * | 2006-11-22 | 2008-05-29 | The General Hospital Corporation | Attenuation correction of pet image using image data acquired with an mri system |
US7729467B2 (en) | 2007-03-22 | 2010-06-01 | General Electric Company | Methods and systems for attentuation correction in medical imaging |
US8417033B2 (en) | 2007-04-27 | 2013-04-09 | Hewlett-Packard Development Company, L.P. | Gradient based background segmentation and enhancement of images |
US8098916B2 (en) * | 2007-10-30 | 2012-01-17 | General Electric Company | System and method for image-based attenuation correction of PET/SPECT images |
US8260048B2 (en) | 2007-11-14 | 2012-09-04 | Exelis Inc. | Segmentation-based image processing system |
EP2338142A2 (en) * | 2008-09-17 | 2011-06-29 | Koninklijke Philips Electronics N.V. | Mr segmentation using transmission data in hybrid nuclear/mr imaging |
EP2340524B1 (en) * | 2008-09-19 | 2019-06-05 | Koninklijke Philips N.V. | Method for generation of attenuation map in pet-mr |
JP5207056B2 (ja) * | 2008-11-21 | 2013-06-12 | 国立大学法人東北大学 | 放射線検出器、放射線検査装置および励起子発光シンチレータ |
WO2011158134A2 (en) * | 2010-06-15 | 2011-12-22 | Koninklijke Philips Electronics N.V. | Automated crystal identification achieved via modifiable templates |
CN103562961A (zh) * | 2011-05-24 | 2014-02-05 | 皇家飞利浦有限公司 | 用于生成衰减校正图的装置和方法 |
US9336613B2 (en) * | 2011-05-24 | 2016-05-10 | Koninklijke Philips N.V. | Apparatus for generating assignments between image regions of an image and element classes |
US9600912B2 (en) * | 2012-02-16 | 2017-03-21 | Koninklijke Philips N.V. | Spatially corrected nuclear image reconstruction |
US8867814B2 (en) * | 2012-10-04 | 2014-10-21 | General Electric Company | Methods and systems for generating a positron emission tomography attenuation correction map |
US9002082B2 (en) * | 2012-12-27 | 2015-04-07 | General Electric Company | Axially varying truncation completion for MR-based attenuation correction for PET/MR |
US9092691B1 (en) * | 2014-07-18 | 2015-07-28 | Median Technologies | System for computing quantitative biomarkers of texture features in tomographic images |
-
2012
- 2012-05-23 US US14/117,698 patent/US9336613B2/en active Active
- 2012-05-23 WO PCT/IB2012/052576 patent/WO2012160520A1/en active Application Filing
- 2012-05-23 JP JP2014511993A patent/JP6042879B2/ja active Active
- 2012-05-23 EP EP12726495.0A patent/EP2715663B1/en active Active
- 2012-05-23 RU RU2013157200/28A patent/RU2589461C2/ru not_active IP Right Cessation
- 2012-05-23 CN CN201280024909.XA patent/CN103562960B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080247646A1 (en) * | 2007-04-04 | 2008-10-09 | Siemens Corporate Research, Inc. | Method for segmenting an image using constrained graph partitioning of watershed adjacency graphs |
CN102027507A (zh) * | 2008-05-15 | 2011-04-20 | 皇家飞利浦电子股份有限公司 | 使用未经衰减校正的pet发射图像补偿不完整解剖图像 |
US20100021034A1 (en) * | 2008-07-23 | 2010-01-28 | Siemens Corporate Research, Inc. | System and method for the generation of attenuation correction maps from mr images |
EP2161594A2 (en) * | 2008-09-09 | 2010-03-10 | Multi Magnetics Incorporated | System and method for correcting attenuation in hybrid medical imaging |
Non-Patent Citations (6)
Title |
---|
C. RIDDELL等: "The Watershed Algorithm: A Method to Segment Noisy PET Transmission Images", 《IEEE TRANSACTIONS ON NUCLEAR SCIENCE》, vol. 46, no. 3, 30 June 1999 (1999-06-30), pages 713 - 719 * |
JOEL S. KARP等: "The benefit of time-of-flight in PET imaging: Experimental and clinical results", 《JOURNAL OF NUCLEAR MEDICINE》, vol. 49, no. 3, 31 March 2008 (2008-03-31), pages 462 - 470 * |
LAURA DREVER等: "Comparison of three image segmentation techniques for target volume delineation in positron emission tomography", 《JOURNAL OF APPLIED CLINICAL MEDICAL PHYSICS》 * |
V. SCHULZ等: "Automatic, three-segment, MR-based attenuation correction for whole-body PET/MR data", 《EUROPEAN JOURNAL OF NUCLEAR MEDICINE AND MOLECULAR IMAGING 》, vol. 38, no. 1, 31 January 2011 (2011-01-31), pages 138 - 152, XP 019869300, DOI: doi:10.1007/s00259-010-1603-1 * |
Z.HU等: "MR-based Attenuation Correction for Whole-body PET/MR System", 《NUCLEAR SCIENCE SYMPOSIUM CONFERENCE RECORD(NSS/MIC),2010 IEEE》 * |
黎鑫等: "一种程度可控的形态学多尺度梯度分水岭算法", 《计算机应用研究》, vol. 25, no. 2, 29 February 2008 (2008-02-29) * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108351424A (zh) * | 2015-11-19 | 2018-07-31 | 株式会社岛津制作所 | 放射线断层摄影装置 |
CN108351424B (zh) * | 2015-11-19 | 2021-08-31 | 株式会社岛津制作所 | 放射线断层摄影装置 |
Also Published As
Publication number | Publication date |
---|---|
CN103562960B (zh) | 2017-06-09 |
JP6042879B2 (ja) | 2016-12-14 |
WO2012160520A1 (en) | 2012-11-29 |
EP2715663A1 (en) | 2014-04-09 |
RU2589461C2 (ru) | 2016-07-10 |
EP2715663B1 (en) | 2019-01-16 |
RU2013157200A (ru) | 2015-06-27 |
US20140133728A1 (en) | 2014-05-15 |
JP2014520256A (ja) | 2014-08-21 |
US9336613B2 (en) | 2016-05-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103562960A (zh) | 用于生成图像的图像区域与元素类之间的分配的装置 | |
CN102265307B (zh) | 混合式核/mr成像中使用透射数据的mr分割 | |
Van Rikxoort et al. | Automatic lung segmentation from thoracic computed tomography scans using a hybrid approach with error detection | |
CN105559813B (zh) | 医用图像诊断装置以及医用图像处理装置 | |
US9135695B2 (en) | Method for creating attenuation correction maps for PET image reconstruction | |
CN103445801B (zh) | 用于执行衰减校正的方法和系统 | |
CN103562961A (zh) | 用于生成衰减校正图的装置和方法 | |
CN103339652A (zh) | 靠近伪影源的诊断图像特征 | |
US20040175034A1 (en) | Method for segmentation of digital images | |
Bhadoria et al. | Comparison of segmentation tools for multiple modalities in medical imaging | |
CN110570508B (zh) | 骨质疏松状况三维可视化渲染方法 | |
EP2577604B1 (en) | Processing system for medical scan images | |
CN108242068A (zh) | 用于正电子发射断层成像中的散射校正的方法和系统 | |
EP2689344B1 (en) | Knowledge-based automatic image segmentation | |
Baydoun et al. | Dixon-based thorax synthetic CT generation using Generative Adversarial Network | |
CN105678711B (zh) | 一种基于图像分割的衰减校正方法 | |
Canna et al. | Automated search of control points in surface-based morphometry | |
Al-Helo et al. | Segmentation of lumbar vertebrae from clinical CT using active shape models and GVF-snake | |
US11756241B2 (en) | Positron emission tomography system and image reconstruction method using the same | |
CN115004225A (zh) | 弱监督病灶分割 | |
van Sonsbeek et al. | End-to-end vertebra localization and level detection in weakly labelled 3d spinal mr using cascaded neural networks | |
WO2023020609A1 (en) | Systems and methods for medical imaging | |
Reinhardt et al. | Integrated system for objective assessment of global and regional lung structure | |
Patra et al. | Medical Image Processing in Nuclear Medicine and Bone Arthroplasty | |
Parvin et al. | Visualization of volumetric structures from mr images of the brain |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170609 |