CN103720474A - 计算检查参数 - Google Patents
计算检查参数 Download PDFInfo
- Publication number
- CN103720474A CN103720474A CN201210509666.0A CN201210509666A CN103720474A CN 103720474 A CN103720474 A CN 103720474A CN 201210509666 A CN201210509666 A CN 201210509666A CN 103720474 A CN103720474 A CN 103720474A
- Authority
- CN
- China
- Prior art keywords
- width
- image
- inspection area
- unit
- medical 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
- A61B6/02—Devices for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computerised tomographs
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
- A61B6/48—Diagnostic techniques
- A61B6/481—Diagnostic techniques involving the use of contrast agents
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
- A61B6/50—Clinical applications
- A61B6/507—Clinical applications involving determination of haemodynamic parameters, e.g. perfusion CT
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
- A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data
-
- 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
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- 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
- A61B5/0037—Performing a preliminary scan, e.g. a prescan for identifying a region of interest
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
- A61B6/48—Diagnostic techniques
- A61B6/482—Diagnostic techniques involving multiple energy imaging
-
- 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
- G06T2207/10116—X-ray image
-
- 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
- G06T2207/20224—Image subtraction
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Surgery (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- High Energy & Nuclear Physics (AREA)
- Animal Behavior & Ethology (AREA)
- Radiology & Medical Imaging (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Optics & Photonics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Physiology (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明涉及用于计算检查参数的一种方法以及一种系统。本发明包括步骤S-A:拍摄第一幅以及第二幅医学图像,这些图像各自记录一个相同的检查区域;本发明还包括步骤S-BS:通过分割第一幅图像确定第一幅图像中的检查区域。本发明基于这样的思路,在步骤S-rR中立体配准第一幅以及第二幅图像,以便在步骤S-BP中确定第二幅图像中的检查区域,方法是将分割检查区域从第一幅图像投影到第二幅图像之中。这样尤其可在第二幅图像的图像质量低于第一幅图像的情况下提高确定第二幅图像中的检查区域的可靠性。因此在步骤S-BA中也可以通过分析第二幅图像中的检查区域提高计算检查参数(UP)的可靠性。
Description
技术领域
本发明涉及用于计算检查参数的一种方法以及一种系统。
背景技术
主要通过磁共振成像(MRT)以及计算机断层扫描(CT)之类的成像方法记录医学图像进行诊断。通常根据医学图像计算检查参数来进行诊断,这种检查参数通常涉及某一个检查区域,例如某个器官、关节结构或者肿瘤。所述检查参数不仅可以涉及某个纯粹的空间值,如肿瘤的范围,也可以涉及某个时空值,如血流速率。在任何情况下,诊断以及正确计算检查参数的关键在于正确确定检查区域,从而确定周围组织的界限。或者通过计算机辅助分割自动确定,或者进行手工确定,即操作人员借助图形化用户界面标出检查区域(也就是公知的ROI感兴趣区域)的界限。也可以将自动和手工确定相互组合使用。但是一种成像方法的某个拍摄模式的对比度通常不足以正确标出检查区域的界限。
US 2012/0087561 A1公开了一种用于在一个时间系列的图像之内确定ROI的方法。在此记录一个时间系列的图像,包括多个单幅图像。分割该系列图像的每一个单幅图像,以便分割ROI。此外还记录在一个或多个单幅图像之内对ROI的手工更改。将手工更改转发给其它单幅图像,转发手工更改的范围取决于其它单幅图像与手工更改的单幅图像之间随时间变化的距离。
发明内容
本发明的任务在于,以确定一个检查区域为基础,提高计算检查参数的可靠性。
采用权利要求1所述的一种方法、权利要求9所述的一种计算机程序产品以及权利要求11所述的一种系统,即可解决这一任务。相关从属权利要求所述均为本发明的有益实施方式。
以下将针对要求保护的系统以及要求保护的方法,对本发明所述的任务解决方案进行说明。所提及的特征、优点或者替代实施方式同样也可以转用于其它要求保护的对象,反之亦然。换句话说,也可以利用结合一种方法所述的或者要求保护的特征进一步改进具体的权利要求(例如针对某一个系统)。通过相应的具体模块形成该方法的相应功能特征。
本发明所述的方法包括记录第一幅以及第二幅医学图像,这些图像各自采集一个同样的检查区域,以及通过分割第一幅图像确定第一幅图像中的检查区域。本发明基于这样的思路,空间上配准第一幅以及第二幅图像,以便可在第二幅图像中确定检查区域,方法是将分割检查区域从第一幅图像投影到第二幅图像之中。如果在第一幅图像中成功分割检查区域以及第二幅图像的图像质量小于第一幅图像,就会提高在第二幅图像中确定检查区域的可靠性。因此也可通过分析第二幅图像中的检查区域,提高计算检查参数的可靠性。
如果第一幅以及第二幅图像均为造影剂辅助图像,就能以特别高的反差并且因此能够以特别好的确定效果显示人和动物的某些检查区域。
如果计算一个灌注参数作为检查参数,就能针对检查区域内的血流得出特别有说服力的结论。
如果分别在不同的造影剂增强阶段记录第一幅和第二幅图像,就能描述检查区域内的血流动态特征。
按照另一种实施方式,检查区域涉及肿瘤。该实施方式特别重要,因为只有了解肿瘤的大小和阶段,才能成功治疗癌症。
如果所述第一幅以及第二幅图像均为三维层析图像,则检查参数也能记录特别重要的(时间)空间关系。
按照另一种实施方式,通过CT机分别在不同的X射线能量下同时或者先后依次记录第一幅以及第二幅图像。采用这种“双能量”拍片方式可以获得互补的图像信息。
如果通过不同的模态记录第一幅以及第二幅图像,同样可以获得互补的图像信息。
另一种实施方式包括一种具有计算机程序的计算机程序产品,可以调用到计算机的内存之中执行用于计算检查参数的方法,从而能够快速、稳健而且可以重复的方式执行该方法的步骤。
另一种实施方式包括一种计算机可读的介质,将可执行的计算机程序产品保存在该介质之中。
此外本发明还涉及一种用于计算检查参数的系统,包括以下单元:
-拍摄单元,包括辐射发射器以及辐射探测器,用于拍摄第一幅以及第二幅医学图像,
-控制单元,用于控制拍摄单元,
-分割单元,用于分割第一幅图像从而在该图像中确定检查区域,
-配准单元,用于空间上配准第一幅以及第二幅图像,
-投影单元,用于将第一幅图像中的分割检查区域投影到第二幅图像之中,以及根据第二幅图像中的投影确定检查区域,
-计算单元,用于通过分析第二幅图像中的检查区域计算检查参数。
按照该系统的另一种实施方式,采用X射线发射器形式的辐射发射器以及X射线探测器形式的辐射探测器。
按照该系统的另一种实施方式,采用高频线圈形式的辐射发射器以及辐射探测器。这样就能使用MRT设备的常见拍片模式,尤其是T1和T2加权,这些主要在显示软组织时具有优势,例如对比度很高。
此外该系统及其改进实施方式还可用来以有益的方式和方法执行所述的方法。
附图说明
以下将根据附图所示的实施例,对本发明进行详细描述和解释。
相关附图如下:
图1示出用于计算检查参数的方法的流程图,
图2示出用于计算检查参数的系统,
图3示出以肿瘤为例通过投影确定检查区域,以及
图4示出用于计算检查参数的扩展系统。
具体实施方式
附图1所示为一种用于计算检查参数的方法的流程图。在步骤S-A中拍摄第一幅以及第二幅医学图像,这些图像各自记录相同的检查区域。所述检查区域例如涉及患者5的身体区域,例如器官3、关节结构或者肿瘤。“相同”在这里表示在同一个患者3体内对某个医学功能单元意义上的同一个检查区域例如器官3进行成像。本发明所述的“相同”也包括在拍摄第一幅以及第二幅图像之间例如通过某种药物影响其功能的检查区域。
所谓医学图像涉及通过MRT或CT之类的一种成像方法记录的用于医学目的、主要用于诊断的图像。以下使用的术语“医学图像”和“图像”为同义词。这种图像不仅可以表示一个平面,而且也可以表示一个体积。同样可以是二维图像并且由所谓的像素构成,或者是三维图像并且由所谓的体素构成。此外本发明所述的图像并非只有空间维度,而且也有时间维度。即一个图像可以包括不同时刻拍摄的各个影像的时间系列。如果要根据某个可以成像检测的过程随时间的变化(例如造影剂增强)得出结论,那么这就尤其重要。此外本发明申请所述的图像尤其可以是经过预处理的图像,也就是经过滤波或者重组成为断面图的图像。
在拍摄之后按照以下所述继续处理包括第一幅和/或者第二幅图像的图像数据Bd:在步骤S-BS中通过分割第一幅图像确定第一幅图像中的检查区域。例如可采用一种阈值法进行分割,或者采用一种面向区域的方法,如RegionGrowing(区域增长法)或者Region Splitting(区域分裂法),或者利用边缘抽取法进行分割。分割图像数据sBd就是步骤S-BS的结果。这些图像数据可以是二进制,分割区域之内的像素或者体素的赋值为0,分割区域之外的像素或者体素的赋值为1。
还可在步骤S-rR中立体配准第一幅以及第二幅图像。配准第一幅和第二幅图像包括对使得第一幅以及第二幅图像尽可能一致的变换进行计算。例如可以通过一种基于特征的方法或者通过一种相关法进行配准。如果采用特征法,则抽取诸如直线或者边缘之类的特征,但也抽取两个图像中的点,并且逐对计算特征匹配。两个图像的配准图像数据rBd就是配准结果。图像数据rBd可以例如以原始图像数据Bd以及一种变换规则的形式存在。
现在可利用分段图像数据以及配准图像数据,在步骤S-BP中将分段检查区域投影到第二幅图像之中,从而在第二幅图像中确定检查区域。所述投影涉及一种映像。不应以严格的数学含义理解投影这个概念。本发明申请所述的非线形映像也可以表示投影。步骤S-PB中的投影基于步骤S-rR中算出的两个图像之间的变换。所谓检查区域投影指的是从第一幅图像中将关于检查区域范围的信息(例如形成检查区域例如肿瘤边界的封闭平面形式的二维轮廓)映射到第二幅图像之中。包括第二幅图像以及关于第二幅图像中某个确定检查区域信息的投影数据pBd就是步骤S-BP的结果。
在步骤S-BA中通过分析第二幅图像或者投影数据pBd中的检查区域计算检查参数UP。分析第二幅图像中的检查区域可以包括已知的图像处理步骤,例如继续滤波或分割,也可以包括统计分析,例如计算强度值的直方图。
检查参数UP可以涉及例如肿瘤的范围或者灌注参数,例如单位时间血流的体积。如果已利用造影剂在不同的造影剂增强阶段记录了第一幅和第二幅图像,则尤其可以计算这种灌注参数。通常将能够改善对身体结构和功能的成像显示效果的药剂定义为造影剂。例如在X光影像上看不到血管。如果注射一种含碘溶剂作为造影剂,则该溶剂进入的血管就会投下X线阴影,从而使其可见。造影剂通常有别于所谓的示踪剂。所涉及的是一种人造物质,通常是放射性标记的内源性或外源性物质,在注入活体之中后能参与新陈代谢,可以实现或者有助于进行各种各样的检查。本发明所述的造影剂既是传统型造影剂,而且也是示踪剂。
附图2所示为一种用于计算检查参数UP的系统的示意图。图中所示的系统尤其可用来执行附图1中所描述的方法。可将控制单元StE与拍摄单元19一起用来执行步骤S-A。控制单元StE将控制值StW传输给拍摄单元19,例如若使用X射线管作为辐射源8,那么这些控制值就表示X射线管电压。分割单元SE可用来执行步骤S-BS,配准单元RE可用来执行步骤S-rR。此外还有投影单元PE执行步骤S-BP,计算单元BE则用来执行步骤S-BA。分割单元SE、配准单元RE、投影单元PE和计算单元BE组合成一个图像处理单元14。不仅可以将图像处理单元14及其各个单元设计成硬件,而且也可设计成软件。接口11是广为人知的硬件或软件接口,例如硬件接口PCI总线、USB或者Firewire。
附图3所示为通过投影确定检查区域,这种情况下检查区域是一个肿瘤,该肿瘤位于器官3之中,例如在肝脏中,不仅有肿瘤核1,而且也有肿瘤边缘2,如示意图a)中所示。
在示意图b)中可看见具有良好反差的第一幅图像。在没有内部粗线的情况下相当于第一幅图像的图像数据Bd。示意图b)中的图像是动脉期的造影剂增强图像,可以很好辨别肿瘤边缘2。动脉期(静脉期)是所注射的造影剂首次到达检查区域的动脉(静脉)的这一段时间。这里以粗线表示肿瘤的边界层。因此也可以进行分割,并且可以划定肿瘤体积与器官3的剩余部分之间的界限。有内部粗线的图像b)相当于第一分割图像或分割图像数据sBd,内部粗线包含分割步骤的信息。分割图像数据sBd当然也可以涉及例如反映某个连续体积的多个图像。可以自动分割,也可以手动分割。例如操作人员可以在输出单元14上利用输入单元4以及图形化用户界面在原来的第一幅图像中绘制内部粗线,然后沿着内部粗线分割图像。
但是在c)中所示的静脉期有利于评估灌注参数。示意图c)中所示的图像具有偏弱的反差,只能识别出坏死的肿瘤中心1。该图像相当于第二幅图像,因此也是图像数据Bd的一部分。这里当然也可以存在反映连续体积的多个静脉期图像。
现在将示意图b)中第一幅图像的分割区域投影到示意图c)中的第二幅图像,从而也可以在该第二幅图像中确定相关的检查区域,即肿瘤的体积。示意图d)所示为投影图像数据pBd。现在虚线表示从第一幅图像投影到第二幅图像中产生的限定肿瘤的层。现在可以根据肿瘤体积之内的静脉期简单可靠地计算相关灌注参数。当然应用并不限于肿瘤或者造影剂辅助的图像。
原则上当使用不同的拍片条件拍摄某个检查区域的两个图像,其中这些条件的一个更有利于随后分割检查区域时,该方法有益处。如果只能根据不太适合于分割的图像(例如因为该图像具有比较小的反差)计算检查参数UP,则该方法特别有益。
所述拍片条件可以涉及:拍片(尤其是造影剂增强)的不同时刻,不同的辐射能量,不同的模态(例如CT和MRT),MRT拍摄图像的不同加权,如T1加权和T2加权等等。
附图4所示为一种用于计算检查参数的扩展系统。CT设备形式的医疗设备17具有拍摄单元19,包括辐射发射器8以及辐射探测器9。用于CT设备17的辐射发射器8通常是X射线管。用于CT设备的辐射探测器9通常是行探测器或者平板探测器,但也可以将其设计成闪烁体计数器或者CCD相机。当拍摄医学图像时,患者5平躺在扫描床面6上,扫描床面与底座16适当相连,使其可以承载扫描床面6与患者5。扫描床面6沿着拍片方向移动患者5穿过拍摄单元19的开口18,在该运动过程中创建患者5的检查区域的图像。
所述医疗设备17也可以是例如MRT设备。以至少一个高频线圈的形式形成MRT设备的拍摄单元19。不仅可以将单个的高频线圈设计成辐射发射器8,而且也可以将其设计成辐射探测器9。所述高频线圈尤其可以是一种局部线圈,例如头部或膝盖线圈。
将CT设备17的拍摄影像发送给计算机15进行处理和/或者显示。按照这里所示的实施方式,计算机15不仅具有用来控制拍摄单元19的控制单元StE,而且也有在附图2中更为详细描述的图像处理单元14。此外计算机15以及拍摄单元19还具有接口11,以便能够将图像数据Bd、控制值StW和算出的检查参数UP之类的数据传输给相应的其它单元。既可以将控制单元StE以及图像处理单元14设计成硬件,也可以将其设计成软件。
可以在不同的设备上实现控制单元StE以及图像处理单元14或者图像处理单元14的各个单元。例如图像处理单元14可以作为服务器的一部分,而控制单元StE则可以作为医疗设备17的一部分。
此外本发明还包括一种用来执行附图1中所述方法步骤的计算机程序产品,可利用一种计算机可读的介质21将计算机程序产品加载到计算机15的内存之中。所述计算机可读的介质21也可以是例如DVD、U盘、硬盘或者软盘。
数据处理单元15与输出单元13以及输入单元4相连。所述输出单元13例如是一个(或多个)LCD屏幕、等离子屏幕或者OLED屏幕。输出单元13上的输出23可以包括例如用于手动分割的图形化用户界面,并且还可用来显示原始图像数据Bd以及所有处理后的数据。所述输入单元4例如是键盘、鼠标、触摸屏或者用于语音输入的麦克风。
尽管已通过首选实施例详细描述了本发明,但是本发明并不受所公开的示例的限制,专业人士也可以在并不脱离本发明保护范围的情况下得出其它变异方案。尤其可以按照不同于所述顺序的另一种顺序执行所述的方法步骤。
附图标记清单
1 肿瘤中心
2 肿瘤边缘
3 器官
4 输入单元
5 患者
6 扫描床面
8 辐射发射器
9 辐射探测器
11 接口
13 输出单元
14 图像处理单元
15 计算机
16 扫描床
17 医疗设备
18 开口
19 拍摄单元
21 计算机可读的介质
23 输出
S-A 拍摄
S-BS 通过分割确定
S-rR 立体配准
S-BP 通过投影确定
S-BA 通过分析计算
StE 控制单元
SE 分割单元
RE 配准单元
PE 投影单元
BE 计算单元
StW 控制值
Bd 图像数据
sBd 分割图像数据
rBd 配准图像数据
pBd 投影图像数据
UP 检查参数
Claims (14)
1.用于计算检查参数的方法,包括以下步骤:
-拍摄第一幅以及第二幅医学图像,这些图像各自记录至少一个相同的检查区域(S-A),
-通过分割第一幅图像确定第一幅图像中的检查区域(S-BS),
-立体配准第一幅以及第二幅图像(S-rR),
-将分割检查区域或者从中得出的信息从第一幅图像投影到第二幅图像之中,从而确定第二幅图像中的检查区域(S-BP),
-通过分析第二幅图像中的检查区域计算检查参数(UP)(S-BA)。
2.根据权利要求1所述的方法,其中,所述第一幅以及第二幅图像各自涉及一种造影剂辅助图像。
3.根据权利要求1或2所述的方法,其中,所述检查参数(UP)涉及一种灌注参数。
4.根据权利要求1~3中任一项所述的方法,其中,分别在不同的造影剂增强阶段拍摄第一幅和第二幅图像。
5.根据权利要求1~4中任一项所述的方法,其中,所述检查区域涉及肿瘤。
6.根据权利要求1~5中任一项所述的方法,其中,所述第一幅以及第二幅图像各自涉及一种三维断层扫描图像。
7.根据权利要求1~6中任一项所述的方法,其中,分别在不同的X射线能量下通过CT设备(17)同时或者先后依次拍摄所述第一幅以及第二幅图像。
8.根据权利要求1~6中任一项所述的方法,其中,通过不同的模态拍摄所述第一幅以及第二幅图像。
9.计算机程序产品,可以调用到计算机(15)的内存之中,包括一种用于执行权利要求1~8所述方法步骤的计算机程序。
10.计算机可读的介质,将权利要求9所述的计算机程序产品可执行地保存在该介质上。
11.用于计算检查参数的系统,包括以下单元:
-拍摄单元(19),包括辐射发射器(8)以及辐射探测器(9),用于拍摄第一幅以及第二幅医学图像,
-控制单元(StE),用于控制拍摄单元,
-分割单元(SE),用于分割第一幅图像从而在该图像中确定检查范围,
-配准单元(RE),用于立体配准第一幅以及第二幅图像,
-投影单元(PE),用于将第一幅图像中的分割检查范围投影到第二幅图像之中,以及根据第二幅图像中的投影确定检查范围,
-计算单元(BE),用于通过分析第二幅图像中的检查范围计算检查参数(UP)。
12.根据权利要求11所述的系统,其中,采用X射线发射器(9)形式的辐射发射器(8)以及X射线探测器形式的辐射探测器。
13.根据权利要求11所述的系统,其中,采用高频线圈形式的辐射发射器(8)和辐射探测器(9)。
14.根据权利要求11~13中任一项所述的系统,用于执行权利要求1~8中任一项所述的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210509666.0A CN103720474B (zh) | 2012-10-12 | 2012-10-12 | 计算检查参数 |
DE201310220018 DE102013220018A1 (de) | 2012-10-12 | 2013-10-02 | Berechnung eines Untersuchungsparameters |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210509666.0A CN103720474B (zh) | 2012-10-12 | 2012-10-12 | 计算检查参数 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103720474A true CN103720474A (zh) | 2014-04-16 |
CN103720474B CN103720474B (zh) | 2017-03-01 |
Family
ID=50383411
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210509666.0A Active CN103720474B (zh) | 2012-10-12 | 2012-10-12 | 计算检查参数 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN103720474B (zh) |
DE (1) | DE102013220018A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107392976A (zh) * | 2017-07-31 | 2017-11-24 | 上海联影医疗科技有限公司 | 数据处理方法、装置及设备 |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10413253B2 (en) | 2014-11-21 | 2019-09-17 | Samsung Electronics Co., Ltd. | Method and apparatus for processing medical image |
KR102449871B1 (ko) * | 2014-11-21 | 2022-10-04 | 삼성전자주식회사 | 의료 영상 처리 장치 및 그에 따른 의료 영상 처리 방법 |
DE102016202604A1 (de) * | 2016-02-19 | 2017-08-24 | Siemens Healthcare Gmbh | Verfahren zum Verarbeiten eines 3D-Bilddatensatzes und Bildverarbeitungseinrichtung |
EP3437559B1 (de) | 2017-08-03 | 2020-06-24 | Siemens Healthcare GmbH | Ermitteln eines funktionsparameters betreffend eine lokale gewebefunktion für mehrere gewebebereiche |
DE102019212103A1 (de) * | 2019-08-13 | 2021-02-18 | Siemens Healthcare Gmbh | Surrogatmarker basierend auf medizinischen Bilddaten |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5376795A (en) * | 1990-07-09 | 1994-12-27 | Regents Of The University Of California | Emission-transmission imaging system using single energy and dual energy transmission and radionuclide emission data |
US20050201601A1 (en) * | 2004-03-15 | 2005-09-15 | Ying Sun | Integrated registration of dynamic renal perfusion magnetic resonance images |
WO2006006096A1 (en) * | 2004-07-09 | 2006-01-19 | Philips Intellectual Property & Standards Gmbh | Image processing system for the processing of morphological and functional images |
CN101147681A (zh) * | 2006-08-25 | 2008-03-26 | 美国西门子医疗解决公司 | 空间分布函数的区域重建 |
CN101373479A (zh) * | 2008-09-27 | 2009-02-25 | 华中科技大学 | 一种乳腺x线摄片计算机图像检索方法及系统 |
CN101495041A (zh) * | 2006-07-31 | 2009-07-29 | 皇家飞利浦电子股份有限公司 | 具有用于慢ct采集的不规则采样的门控ct |
US20090290778A1 (en) * | 2008-05-22 | 2009-11-26 | Siemens Corporate Research, Inc. | System and method for generating mr myocardial perfusion maps without user interaction |
CN102843972A (zh) * | 2010-04-15 | 2012-12-26 | 皇家飞利浦电子股份有限公司 | 用于将图像与管状结构融合的基于仪器的图像配准 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8805045B2 (en) | 2010-10-12 | 2014-08-12 | Siemens Aktiengesellschaft | Interaction method for regions of-interest in time series images |
-
2012
- 2012-10-12 CN CN201210509666.0A patent/CN103720474B/zh active Active
-
2013
- 2013-10-02 DE DE201310220018 patent/DE102013220018A1/de not_active Ceased
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5376795A (en) * | 1990-07-09 | 1994-12-27 | Regents Of The University Of California | Emission-transmission imaging system using single energy and dual energy transmission and radionuclide emission data |
US20050201601A1 (en) * | 2004-03-15 | 2005-09-15 | Ying Sun | Integrated registration of dynamic renal perfusion magnetic resonance images |
WO2006006096A1 (en) * | 2004-07-09 | 2006-01-19 | Philips Intellectual Property & Standards Gmbh | Image processing system for the processing of morphological and functional images |
CN101495041A (zh) * | 2006-07-31 | 2009-07-29 | 皇家飞利浦电子股份有限公司 | 具有用于慢ct采集的不规则采样的门控ct |
CN101147681A (zh) * | 2006-08-25 | 2008-03-26 | 美国西门子医疗解决公司 | 空间分布函数的区域重建 |
US20090290778A1 (en) * | 2008-05-22 | 2009-11-26 | Siemens Corporate Research, Inc. | System and method for generating mr myocardial perfusion maps without user interaction |
CN101373479A (zh) * | 2008-09-27 | 2009-02-25 | 华中科技大学 | 一种乳腺x线摄片计算机图像检索方法及系统 |
CN102843972A (zh) * | 2010-04-15 | 2012-12-26 | 皇家飞利浦电子股份有限公司 | 用于将图像与管状结构融合的基于仪器的图像配准 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107392976A (zh) * | 2017-07-31 | 2017-11-24 | 上海联影医疗科技有限公司 | 数据处理方法、装置及设备 |
Also Published As
Publication number | Publication date |
---|---|
DE102013220018A1 (de) | 2014-04-17 |
CN103720474B (zh) | 2017-03-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yasaka et al. | Liver fibrosis: deep convolutional neural network for staging by using gadoxetic acid–enhanced hepatobiliary phase MR images | |
Yoon et al. | Quantitative assessment of liver function by using gadoxetic acid–enhanced MRI: hepatocyte uptake ratio | |
Hunter et al. | Patient motion effects on the quantification of regional myocardial blood flow with dynamic PET imaging | |
Gruden et al. | Incremental benefit of maximum-intensity-projection images on observer detection of small pulmonary nodules revealed by multidetector CT | |
US20200311932A1 (en) | Systems and Methods for Synthetic Medical Image Generation | |
US10628930B1 (en) | Systems and methods for generating fused medical images from multi-parametric, magnetic resonance image data | |
Kesner et al. | A new fast and fully automated software based algorithm for extracting respiratory signal from raw PET data and its comparison to other methods | |
CN102473302B (zh) | 用于感兴趣肿瘤区域定义的解剖结构建模 | |
US11219426B2 (en) | Method and system for determining irradiation dose | |
Liu et al. | Automatic detection of pulmonary nodules on CT images with YOLOv3: development and evaluation using simulated and patient data | |
CN103720474B (zh) | 计算检查参数 | |
EP2620909B1 (en) | Method, system and computer readable medium for automatic segmentation of a medical image | |
CN104424647A (zh) | 用于对医学图像进行配准的方法和设备 | |
CN103536360A (zh) | 由医学图像数据组提取数据组的方法及医学图像拍摄装置 | |
Li et al. | Machine learning-based ultrasomics improves the diagnostic performance in differentiating focal nodular hyperplasia and atypical hepatocellular carcinoma | |
Turco et al. | Interpretable machine learning for characterization of focal liver lesions by contrast-enhanced ultrasound | |
Sanaat et al. | Deep‐TOF‐PET: Deep learning‐guided generation of time‐of‐flight from non‐TOF brain PET images in the image and projection domains | |
Jin et al. | Registration of PET and CT images based on multiresolution gradient of mutual information demons algorithm for positioning esophageal cancer patients | |
Ghosn et al. | Prediction of overall survival in patients with hepatocellular carcinoma treated with Y-90 radioembolization by imaging response criteria | |
Chen et al. | Automated artery localization and vessel wall segmentation using tracklet refinement and polar conversion | |
Barboriak et al. | Interreader variability of dynamic contrast-enhanced MRI of recurrent glioblastoma: the multicenter ACRIN 6677/RTOG 0625 study | |
US8391578B2 (en) | Method and apparatus for automatically registering images | |
Cai et al. | Comparison of liver volumetry on contrast‐enhanced CT images: one semiautomatic and two automatic approaches | |
Wang et al. | Diagnosis of clinically significant portal hypertension using CT-and MRI-based vascular model | |
Yue et al. | Gross tumor volume definition and comparative Assessment for esophageal squamous cell carcinoma from 3D 18F-FDG PET/CT by Deep Learning-Based method |
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 | ||
TR01 | Transfer of patent right |
Effective date of registration: 20220208 Address after: Erlangen Patentee after: Siemens Healthineers AG Address before: Munich, Germany Patentee before: SIEMENS AG |
|
TR01 | Transfer of patent right |