CN103987313B - 磁共振谱学成像感兴趣体积定位 - Google Patents
磁共振谱学成像感兴趣体积定位 Download PDFInfo
- Publication number
- CN103987313B CN103987313B CN201280060618.6A CN201280060618A CN103987313B CN 103987313 B CN103987313 B CN 103987313B CN 201280060618 A CN201280060618 A CN 201280060618A CN 103987313 B CN103987313 B CN 103987313B
- Authority
- CN
- China
- Prior art keywords
- interest
- volume
- segmenting structure
- image data
- mri 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.)
- Active
Links
- 238000003384 imaging method Methods 0.000 title description 5
- 238000005481 NMR spectroscopy Methods 0.000 title description 4
- 230000011218 segmentation Effects 0.000 claims abstract description 16
- 238000002595 magnetic resonance imaging Methods 0.000 claims description 53
- 238000000034 method Methods 0.000 claims description 12
- 208000015122 neurodegenerative disease Diseases 0.000 claims description 10
- 210000005036 nerve Anatomy 0.000 claims description 9
- 238000007689 inspection Methods 0.000 claims description 8
- 239000000090 biomarker Substances 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims 1
- 230000004048 modification Effects 0.000 description 9
- 238000012986 modification Methods 0.000 description 9
- 210000004556 brain Anatomy 0.000 description 7
- 230000008859 change Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000001788 irregular Effects 0.000 description 6
- 230000009471 action Effects 0.000 description 5
- 238000013139 quantization Methods 0.000 description 5
- 210000003484 anatomy Anatomy 0.000 description 4
- 201000010099 disease Diseases 0.000 description 4
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 210000001320 hippocampus Anatomy 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000002224 dissection Methods 0.000 description 2
- 238000010191 image analysis Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 208000024827 Alzheimer disease Diseases 0.000 description 1
- 208000003174 Brain Neoplasms Diseases 0.000 description 1
- 206010008190 Cerebrovascular accident Diseases 0.000 description 1
- 241001269238 Data Species 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 206010028980 Neoplasm Diseases 0.000 description 1
- 206010039966 Senile dementia Diseases 0.000 description 1
- 208000006011 Stroke Diseases 0.000 description 1
- 208000030886 Traumatic Brain injury Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 239000003150 biochemical marker Substances 0.000 description 1
- 208000029028 brain injury Diseases 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 206010015037 epilepsy Diseases 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 239000001307 helium Substances 0.000 description 1
- 229910052734 helium Inorganic materials 0.000 description 1
- SWQJXJOGLNCZEY-UHFFFAOYSA-N helium atom Chemical compound [He] SWQJXJOGLNCZEY-UHFFFAOYSA-N 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 125000004435 hydrogen atom Chemical class [H]* 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000001727 in vivo Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 208000030159 metabolic disease Diseases 0.000 description 1
- 230000004060 metabolic process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 230000009529 traumatic brain injury Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R33/00—Arrangements or instruments for measuring magnetic variables
- G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
- G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
- G01R33/48—NMR imaging systems
- G01R33/4828—Resolving the MR signals of different chemical species, e.g. water-fat imaging
-
- 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
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/7475—User input or interface means, e.g. keyboard, pointing device, joystick
- A61B5/748—Selection of a region of interest, e.g. using a graphics tablet
- A61B5/7485—Automatic selection of region of interest
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R33/00—Arrangements or instruments for measuring magnetic variables
- G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
- G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
- G01R33/48—NMR imaging systems
- G01R33/483—NMR imaging systems with selection of signals or spectra from particular regions of the volume, e.g. in vivo spectroscopy
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R33/00—Arrangements or instruments for measuring magnetic variables
- G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
- G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
- G01R33/48—NMR imaging systems
- G01R33/483—NMR imaging systems with selection of signals or spectra from particular regions of the volume, e.g. in vivo spectroscopy
- G01R33/485—NMR imaging systems with selection of signals or spectra from particular regions of the volume, e.g. in vivo spectroscopy based on chemical shift information [CSI] or spectroscopic imaging, e.g. to acquire the spatial distributions of metabolites
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R33/00—Arrangements or instruments for measuring magnetic variables
- G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
- G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
- G01R33/48—NMR imaging systems
- G01R33/54—Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
- G01R33/56—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution
- G01R33/5608—Data processing and visualization specially adapted for MR, e.g. for feature analysis and pattern recognition on the basis of measured MR data, segmentation of measured MR data, edge contour detection on the basis of measured MR data, for enhancing measured MR data in terms of signal-to-noise ratio by means of noise filtering or apodization, for enhancing measured MR data in terms of resolution by means for deblurring, windowing, zero filling, or generation of gray-scaled images, colour-coded images or images displaying vectors instead of pixels
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R33/00—Arrangements or instruments for measuring magnetic variables
- G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
- G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
- G01R33/48—NMR imaging systems
- G01R33/54—Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
- G01R33/543—Control of the operation of the MR system, e.g. setting of acquisition parameters prior to or during MR data acquisition, dynamic shimming, use of one or more scout images for scan plane prescription
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- High Energy & Nuclear Physics (AREA)
- Engineering & Computer Science (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- General Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- General Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Optics & Photonics (AREA)
- Molecular Biology (AREA)
- Radiology & Medical Imaging (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Veterinary Medicine (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Public Health (AREA)
- Signal Processing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
一种MRSI系统(100)，包括：感兴趣结构识别器(206)，其识别分割MRI图像数据中的预定分割结构；定位规则库(210)，其存储用于将感兴趣体积相对于分割MRI图像数据的所识别的预定分割结构进行定位的规则；以及感兴趣体积生成器(208)，其基于用于将感兴趣体积相对于所识别的预定分割结构进行定位的规则中的一个或多个来将感兴趣体积相对于所识别的预定分割结构进行定位并且生成指示其的信号，其中，所述信号被分析，以确定感兴趣结构的预定区域的生化组成。
Description
技术领域
以下大体涉及磁共振谱学成像(MRSI)，并且更具体而言，涉及定位感兴趣体积，例如磁共振成像(MRI)图像数据中的分割结构中的体素，其定位感兴趣体积，用于磁共振谱学(MRS)生化组成分析。
背景技术
MRS是可以被用于体内确定生化组成的非侵入性分析技术，所述生化组成与例如神经退行性疾病相关联，所述神经退行性疾病例如脑肿瘤、中风、癫痫症以及老年痴呆症。利用MRS，MR信号产生对应于被“激发的”同位素的不同分子排列的共振谱。该标志已被用于确定关于影响大脑的代谢紊乱的信息并且提供关于肿瘤新陈代谢的信息。
MRSI组合了MRI和MRS。在该组合中，感兴趣体积(VOI)被用于空间地定位MRS从其确定用于VOI的生化组成的频谱。一般地，单个体素被用于限定VOI，并且体素的定位的准确度影响生化组成的确定的结果。也就是说，如果期望体素在某个结构之内，将该体素定位为使得它的一部分在该结构之外将导致较不准确的读数，因为还捕获了所述结构之外的生化组成。
利用现有技术的MRSI，在一个实例中，用户手动地将体素定位在结构中。遗憾的是，手动地并且准确地将体素定位在结构(特别是对于小结构)中可能是困难的。对于复杂的问题，体素典型地出于现实的原因而被约束为是矩形的，而结构在形状方面常常是不规则的。此外，不准确的定位可能导致较不准确或者更不准确的结果。在一些情况下，执行(例如，对应于不同对比度图像的)多个过程来方便定位，这使该过程繁琐并且耗时。
此外，即使利用在其中更易于将体素定位在结构中的较大结构或者在其中感兴趣体积不完全在结构中的实例中，能够手动地将体素定位在来自不同研究(例如，初始研究和跟进研究)的图像数据中的相同定位处可能是困难的。在这种情况下，由于两个体素可能不表示感兴趣结构的相同部分，因而来自在两个不同时间执行的两个研究的结果可能不能够被用于确定疾病是否已退化、恶化或保持不变。
发明内容
本文中所描述的各方面解决上面提到的问题和其它问题。
在一个方面中，一种MRSI系统，包括：结构识别器，其识别分割MRI图像数据中的预定分割结构；定位规则库，其存储用于将感兴趣体积相对于分割MRI图像数据的所识别的预定分割结构进行定位的规则；以及感兴趣体积生成器，其基于用于将感兴趣体积相对于所识别的预定分割结构进行定位的规则中的一个或多个来将感兴趣体积相对于所识别的预定分割结构进行定位并且生成指示其的信号，其中，所述信号被分析，以确定感兴趣结构的预定区域的生化组成。
在另一方面中，一种方法，包括：识别分割MRI图像数据中的预定分割结构；基于用于将感兴趣体积相对于所识别的预定分割结构进行定位的规则中的一个或多个来将感兴趣体积相对于所识别的预定分割结构进行定位并且生成指示其的信号，其中，对所述信号进行分析以确定分割结构的预定区域的生化组成。
在另一方面中，一种MRSI系统，包括：MRI扫描器，其被配置为对受检者进行扫描并且生成指示其的MRI图像数据；感兴趣体积定位器，其确定MRI图像数据的部分以进行分析；以及MRS分析器，其被配置为对所述部分进行分析并且确定相对于感兴趣结构定位的预定区域的生化组成，其中，生化组成对应于神经退行性疾病。感兴趣体积定位器包括：结构识别器，其识别MRI图像数据中的预定分割结构；定位规则库，其存储用于将感兴趣体积相对于MRI图像数据的经识别的预定分割结构进行定位的规则；以及感兴趣体积生成器，其基于用于将感兴趣体积相对于所识别的预定分割结构进行定位的规则中的一个或多个来将感兴趣体积相对于所识别的预定分割结构进行定位并且生成指示其的信号。
附图说明
本发明可以采取各种部件和各部件的布置以及各种步骤和各步骤的安排的形式。附图仅出于图示优选实施例的目的并且不应被解释为对本发明的限制。
图1示意性地图示了包括感兴趣体积定位器的示范性MRSI系统。
图2示意性地图示了感兴趣体积定位器的范例。
图3图示了示范性解剖模型。
图4图示了定位在MRI图像数据中分割的结构之内的矩形的感兴趣体积的范例。
图5图示了定位在MRI图像数据中分割的结构之内的不规则形状的感兴趣体积的范例。
图6示意性地图示了图2的变型，其中指示分割结构的标记也是输出。
图7示意性地图示了图2的变型，其中分割结构在图像分割之前被识别。
图8示意性地图示了图2的变型，其中图像分割器和解剖模型库不是感兴趣体积定位器的一部分。
图9图示了用于将感兴趣体积相对于MRI图像数据中的分割结构进行定位的方法。
具体实施方式
首先参考图1，示意性地图示了MRSI系统100。系统100包括MRI扫描器102、感兴趣体积定位器104和MRS分析器128，其被图示与参考数据存储器108和一个或多个输出设备110通信。
MRI扫描器102包括主磁体112、梯度(x、y和/或z)线圈114和RF线圈116。主磁体112(其可以是超导磁体、常导磁体、永磁体、或其它类型的磁体)在检查区域118中产生基本上均匀的、时间上恒定主磁场B0。梯度线圈114沿着检查区域118的x、y和/或z轴生成时间变化的梯度磁场。
图示的RF线圈116包括发射激发检查区域118中的感兴趣原子核的射频信号(例如，感兴趣原子核(例如氢、氦等)的拉莫尔频率)的发射部分和接收由激发的原子核所发出的MR信号的接收部分。发射部分和接收部分可以交替地放置在分开的线圈中。MR重建器120重建MR信号并且生成MRI图像数据。
受检者支撑体112在检查区域116中支撑受检者(例如人类或动物患者)。通用计算系统用作操作者控制台124并且包括输出设备(例如显示器)和输入设备(例如键盘、鼠标等等)。驻留在控制台124上的软件允许操作者与扫描器102交互，例如选择成像协议、启动扫描器等。
数据存储库126可以被用于存储由扫描器102生成的图像数据和/或其它图像数据。图示的数据存储库126可以包括以下中的一个或多个：图片归档及通信系统(PACS)、放射信息系统(RIS)、医院信息系统(HIS)、电子病历(EMR)数据库、服务器、计算机和/或其它数据存储库。数据存储库126可以位于系统100的本地或者远离系统100。
感兴趣体积定位器104被配置为自动地将感兴趣体积(例如一个或多个体素)相对于从扫描器102、存储库126和/或其它源获取的MRI图像数据中分割的结构进行定位。图示的感兴趣体积定位器104接收输入信号，该输入信号可以包括指示感兴趣解剖模型的标记、特定分割结构、感兴趣定位规则和/或其它信息。如下文更加详细地所描述，在一个实例中，感兴趣体积定位器104利用该输入准确地并且可再现地将感兴趣体积相对于MRI图像数据中的分割结构进行定位，用于MRS分析。在一个实例中，这可以允许全自动并且准确的感兴趣体积定位，其可以简化MRSI规划和/或相对于手动定位方法减少总体时间。应理解，可以经由运行编码于或嵌入到诸如物理存储器的计算机可读存储介质上的一个或多个计算机可读指令的处理器来实现感兴趣体积定位器104的功能。附加地或备选地，由处理器运行的一个或多个计算机可读指令中的至少一个由载波、信号或其它非计算机可读存储介质例如暂态介质来承载。
MRS分析器128对感兴趣体积进行分析。这包括对相对于分割结构的感兴趣体积中的生化组成进行量化和/或将量化值和/或量化值随时间的改变与预定的阈值相比较来确定疾病是否已退化或恶化。感兴趣体积的准确定位还允许：准确并且可再现的量化生化组成，开发针对某些疾病的MRI图像数据的生化标记物(因为针对疾病的生化组成一般将是跨患者相同的)，基于用于已知“正常”患者和已知“患病”患者的MRI成像数据开发参考数据库和/或使用来自规范数据集的分割的信息来提取/查询信息。应理解，可以经由运行编码于或嵌入到诸如物理存储器的计算机可读存储介质上的一个或多个计算机可读指令的处理器来实现MRS分析器128的功能。附加地或备选地，由处理器运行的一个或多个计算机可读指令中的至少一个由载波、信号或其它非计算机可读存储介质例如暂态介质来承载。
参考数据存储器108可以被用于存储MRS分析的结果，包括量化的生化组成信息、量化的生化组成信息的改变、对量化的生化组成信息的比较的结果、对量化的生化组成信息的改变的比较的结果、生化生物标志物、规范参考数据和异常参考数据的数据库和/或其它信息。输出设备110可以被用于视觉地显示、传送和/或以其他方式发布信息。输出设备110可以包括显示监视器、便携式存储器、打印机和/或其它输出设备。
图2示意性地图示了感兴趣体积定位器104的范例。
图像分割器202接收MRI图像数据并且从解剖模型库204获取感兴趣解剖模型。图3中图示了示范性的感兴趣解剖模型300。图示的感兴趣模型300表示人脑。然而，应理解，感兴趣模型300可以表示其它解剖结构。此外，可能存在一个以上的脑模型，例如一个针对婴儿，一个针对儿科并且一个针对成人。图示的感兴趣模型300是形状约束的可变形的脑模型的表面表示。
L.Zagorchev、A.Goshtasby、K.Paulsen、T.McAllister、S.Young和J.Weese于2011年9月在加拿大的多伦多市的Int’l Workshop Multimodal Brain Image Analysis(MBIA)的Manual annotation，3-D shape reconstruction，andtraumatic brain injuryanalysis以及L.Zagorchev、C.Meyer、T.Stehle、R.Kneser、S.Young和J.Weese于2011年9月在加拿大的多伦多市的Int’l Workshop Multimodal Brain Image Analysis(MBIA)的Evaluation of Traumatic Brain Injury patients using shape-constraineddeformable model中描述了合适的脑模型的范例。在本文中还预期其它模型。
图像分割器202被配置为基于感兴趣模型300中所表示的解剖结构来分割MRI图像数据中所表示的解剖结构。在一个非限制性的实例中，这包括执行感兴趣模型300与MRI图像数据之间的初始配准、基于变换(例如，霍夫变换)将感兴趣模型300变换为MRI图像数据中的解剖结构、执行感兴趣模型300的参数适应(例如，姿势和/或分段)，以及执行模型300的可变形的适应。可以备选地使用其它已知技术。
结构识别器206识别分割MRI图像数据的一个或多个分割结构。例如，在输入信号包括识别海马体的信息时，结构识别器206识别分割MRI图像数据中的分割海马体。
感兴趣体积生成器208生成要相对于所识别的分割结构而被定位的感兴趣体积。在图示的范例中，感兴趣体积生成器208基于定位规则库210的一个或多个定位规则来生成并且定位感兴趣体积。可以基于输入信号中的信息和/或其它信息来确定特定的定位规则。
一个规则可以指示感兴趣的矩形体素体积被完全地安置在经识别的分割结构的外表面边界之内。图4图示了将矩形体素402完全置于不规则形状的分割结构404之内。在该范例中，经由网格来表示分割结构404，并且使用网格顶点作为锚点来将体素402定位在网格中。对于矩形体素而言，顶点包括八(8)个角，并且感兴趣体积被置为满足由网格顶点的位置利用的约束，这取决于用户所期望的特定标准，例如体素被完全包含在感兴趣结构的边界内。
返回到图3，另一规则可以指示感兴趣的正方形体素体积X％被安置在所识别的分割结构的外表面边界之内并且(1-X)％被安置在所识别的分割结构的外表面边界之外。另一规则可以指示感兴趣的球形体积完全地被安置在所识别的分割结构的表面边界之外，但是处于距其预定的x，y，z坐标内。
另一规则可以指示感兴趣的不规则形状体积被安置在表面边界之内以便符合所识别的分割结构或其子部分的整个形状。不规则形状的体素可以通过掩蔽感兴趣结构内的体积来限定。图5图示了将不规则形状的体素502安置在不规则形状的分割结构504之内。
返回到图3，另一规则可以指示所识别的分割结构内的用于安置感兴趣体积的位置。例如，规则可以指示感兴趣体积是否被安置在分割结构(例如，海马体)的头部、中间和/或尾部处。另一规则可以指示多个感兴趣体积的定位。在本文中也可以预期其它规则。
在一个实例中，可以训练感兴趣体积生成器208来对感兴趣体积进行定位。在该实例中，用户初始手动地对感兴趣体积进行定位。感兴趣体积生成器208然后可以基于手动安置而自动地对后续的相同的感兴趣体积进行定位。感兴趣体积生成器208然后可以基于手动安置和先前的自动安置中的一个或多个而自动地对下一个感兴趣体积进行定位。这可以重复一次或多次。此外，用户可以修改对感兴趣体积的定位。
数据路由器212对输入信号中的信息进行路由。例如，对应于感兴趣模型的信息被路由到图像分割器202，对应于分割结构的信息被路由到感兴趣结构识别器206，并且对应于感兴趣的定位规则的信息被路由到感兴趣体积生成器208。
感兴趣体积定位器104至少输出指示定位于分割结构中的感兴趣体积的信号。如图1所示，该信号被提供到可以如本文所讨论地和/或以其它方式分析感兴趣体积的MRS分析器128。
预期各种变型。
图6图示了一个变型，其中，数据路由器212还将指示分割结构的标记路由到MRS分析器128(图1)。利用该标记，MRS分析器128可以在没有用户交互的情况下自动地从参考数据存储器130(图1)获取合适的参考数据。这样的参考数据可以包括例如与生化数据相比较的生化规范数据或从感兴趣体积确定的其中的改变。
图7图示了一个变型，其中，感兴趣结构首先被识别并且图像分割器202分割结构的子集(例如仅来自MRI图像数据的所识别的结构)。感兴趣体积然后相对于如本文所描述的分割结构被安置。
图8图示了一个变型，其中，图像分割器202和解剖模型库204与感兴趣体积定位器104分开并且不是感兴趣体积定位器104的一部分。
图9图示了用于将感兴趣体积定位在MRI图像数据中的感兴趣结构中的方法。
应理解，本文所描述的方法中的动作的排序不是限制性的。因此，本文预期其它排序。此外，可以省略一个或多个动作和/或可以包括一个或多个额外的动作。
在902，对MRI图像数据进行分割，这产生其中MRI图像数据中所表示的不同解剖结构被分割的分割MRI图像数据。如本文所讨论，这可以包括使用预定义的解剖模型。
在904处，在分割MRI图像数据中识别分割结构。基于包括指示由用户选择的特定结构的信息的输入来识别经识别的分割结构。
在906处，基于一个或多个定位规则而自动地将感兴趣体积相对于所识别的分割MRI图像数据来定位。所述一个或多个规则包括允许感兴趣体积被准确并且可再现地定位在相同和/或不同的分割MRI图像数据中的相同分割结构中的指令。
在908处，对感兴趣体积进行分析以确定由感兴趣体积表示的组织的生化组成。
以上可以经由运行编码于或实现于使一个或多个处理器执行各种动作和/或其它的功能和/或动作的计算机可读存储介质(例如物理存储器)上的一个或多个计算机可读指令来实现。附加地或备选地，一个或多个处理器可以运行由暂态介质承载的指令，所述暂态介质例如信号或载波。
已经参考优选实施例描述了本发明。他人在阅读并且理解前述详细说明之后可以想到修改和变型。本发明旨在被解释为包括所有这样的修改和变型，只要其落入权利要求书或其等价方案的范围之内。
Claims (15)
1.一种MRSI系统(100)，包括感兴趣体积定位器(104)，所述感兴趣体积定位器包括：
结构识别器(206)，其被配置为识别分割MRI图像数据中的预定分割结构；
定位规则库(210)，其被配置为存储用于将感兴趣体积相对于所述分割MRI图像数据的所识别的预定分割结构进行定位的规则；以及
感兴趣体积生成器(208)，其被配置为基于用于将所述感兴趣体积相对于所识别的预定分割结构进行定位的所述规则中的一个或多个来对所述感兴趣体积相对于所识别的预定分割结构进行定位，并且被配置为生成指示所述感兴趣体积的信号，
其中，所述MRSI系统(100)还包括MRS分析器(128)，所述MRS分析器被配置为对来自所述感兴趣体积的信号进行分析，以确定所述预定分割结构的预定区域的生化组成，其中，所述预定分割结构的所述预定区域对应于所述感兴趣体积。
2.根据权利要求1所述的MRSI系统(100)，其中，所述预定分割结构被表示为网格，并且所述感兴趣体积生成器(208)被配置为使用网格顶点作为锚点来将所述感兴趣体积相对于所述预定分割结构进行定位。
3.根据权利要求1至2中的任一项所述的MRSI系统(100)，其中，所述感兴趣体积被完全地定位在所述预定分割结构之内；或者
其中，所述感兴趣体积被部分地定位在所述预定分割结构之内并且部分地定位在所述预定分割结构之外；或者
其中，所述感兴趣体积被完全地定位在所述预定分割结构之外。
4.根据权利要求3所述的MRSI系统(100)，其中，所述感兴趣体积生成器(208)被配置为将所述感兴趣体积相对于第二MRI图像数据的所识别的预定分割结构进行定位，其中，所述MRI图像数据和所述第二MRI图像数据中的所述感兴趣体积被定位在相同位置处。
5.根据权利要求1至2中的任一项所述的MRSI系统(100)，其中，所述感兴趣体积生成器(208)被配置为基于至少先前定位的一个或多个感兴趣体积来对所述感兴趣体积进行定位。
6.根据权利要求1至2中的任一项所述的MRSI系统(100)，其中，所述感兴趣体积包括一个或多个体素；和/或
其中，所述感兴趣体积在形状上不是立方形的并且不是球形的。
7.根据权利要求1至2中的任一项所述的MRSI系统(100)，其中，所述生化组成指示对应于所述MRI图像数据的患者的神经退行性疾病。
8.根据权利要求1至2中的任一项所述的MRSI系统(100)，其中，所述感兴趣体积在形状上是以下之一：立方形、球形或非立方形并且非球形。
9.根据权利要求1至2中的任一项所述的MRSI系统(100)，还包括：
MRI扫描器(102)，其被配置为对受检者进行扫描并且生成指示所述受检者的MRI图像数据；
其中，所述生化组成对应于神经退行性疾病。
10.一种用于相对于MRI图像数据中的分割结构定位感兴趣体积的方法，包括：
识别(904)分割MRI图像数据中的预定分割结构；并且
将感兴趣体积相对于所识别的预定分割结构进行定位(906)，并且生成指示所述感兴趣体积的信号，其中，所述定位(906)基于用于将感兴趣体积定位在所识别的预定分割结构中的一个或多个规则，其中，用于对所述感兴趣体积进行定位的所述规则被存储在定位规则库中，
其中，所述信号被分析(908)，以确定所述预定分割结构的预定区域的生化组成，其中，所述预定分割结构的所述预定区域对应于所述感兴趣体积。
11.根据权利要求10所述的方法，其中，所述预定分割结构被表示为网格，并且所述定位(906)包括使用网格顶点作为锚点来将所述感兴趣体积相对于所述预定分割结构进行定位。
12.根据权利要求10至11中的任一项所述的方法，还包括：
通过处理对应于具有已知神经退行性疾病的患者和不具有神经退行性疾病的患者的MRI图像数据并且存储所述生化组成以及所述生化组成与所述神经退行性疾病之间的映射来生成参考数据的数据库。
13.根据权利要求10至11中的任一项所述的方法，还包括：
通过处理对应于具有已知神经退行性疾病的患者的MRI图像数据来确定生化生物标志物，其中，所述生化组成提供所述已知退行性疾病的特征生化生物标志物。
14.根据权利要求10至11中的任一项所述的方法，还包括：
基于用于定位的所述规则中的所述一个或多个来将所述感兴趣体积相对于第二MRI图像数据的所识别的预定分割结构进行定位，其中，所述MRI图像数据和所述第二MRI图像数据中的所述感兴趣体积被定位在相同位置处。
15.根据权利要求14所述的方法，其中，所述MRI图像数据和所述第二MRI图像数据对应于相同的患者；或者其中，所述MRI图像数据和所述第二MRI图像数据对应于不同的患者。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US201161568700P | 2011-12-09 | 2011-12-09 | |
| US61/568,700 | 2011-12-09 | ||
| PCT/IB2012/056938 WO2013084142A1 (en) | 2011-12-09 | 2012-12-04 | Magnetic resonance spectroscopic imaging volume of interest positioning |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103987313A CN103987313A (zh) | 2014-08-13 |
| CN103987313B true CN103987313B (zh) | 2018-01-16 |
Family
ID=47628404
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201280060618.6A Active CN103987313B (zh) | 2011-12-09 | 2012-12-04 | 磁共振谱学成像感兴趣体积定位 |
Country Status (6)
| Country | Link |
|---|---|
| US (1) | US9588204B2 (zh) |
| EP (1) | EP2787882B1 (zh) |
| JP (1) | JP6510236B2 (zh) |
| CN (1) | CN103987313B (zh) |
| BR (1) | BR112014013456A2 (zh) |
| WO (1) | WO2013084142A1 (zh) |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106796275B (zh) * | 2014-09-26 | 2021-01-26 | 皇家飞利浦有限公司 | 用于单体素波谱分析的成像系统 |
| US20170086766A1 (en) * | 2015-09-30 | 2017-03-30 | Curvebeam Llc | System for assessing bone fusion |
| US10641854B2 (en) * | 2016-12-01 | 2020-05-05 | Regents Of The University Of Minnesota | Systems and methods for automatic voxel positioning in magnetic resonance spectroscopy |
| JP6765396B2 (ja) * | 2017-07-11 | 2020-10-07 | 富士フイルム株式会社 | 医用画像処理装置、方法およびプログラム |
| CN109620407B (zh) * | 2017-10-06 | 2024-02-06 | 皇家飞利浦有限公司 | 治疗轨迹引导系统 |
| US11610369B2 (en) * | 2018-10-09 | 2023-03-21 | Koninklijke Philips N.V. | Automatic EEG sensor registration |
| CN109725274B (zh) * | 2018-12-30 | 2021-03-09 | 上海联影医疗科技股份有限公司 | 磁共振波谱扫描以及其扫描调整方法、装置、设备和存储介质 |
| US11170245B2 (en) * | 2019-06-21 | 2021-11-09 | StraxCorp Pty. Ltd. | Method and system for selecting a region of interest in an image |
| US11263749B1 (en) | 2021-06-04 | 2022-03-01 | In-Med Prognostics Inc. | Predictive prognosis based on multimodal analysis |
Family Cites Families (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6430430B1 (en) * | 1999-04-29 | 2002-08-06 | University Of South Florida | Method and system for knowledge guided hyperintensity detection and volumetric measurement |
| US7319784B2 (en) * | 2003-02-05 | 2008-01-15 | National Research Council Of Canada | Magnetic resonance spectroscopy using a conformal voxel |
| WO2007079207A2 (en) | 2005-12-30 | 2007-07-12 | Yeda Research & Development Co. Ltd. | An integrated segmentation and classification approach applied to medical applications analysis |
| US7633293B2 (en) * | 2006-05-04 | 2009-12-15 | Regents Of The University Of Minnesota | Radio frequency field localization for magnetic resonance |
| US8831703B2 (en) * | 2006-10-23 | 2014-09-09 | The General Hospital Corporation | Selective MR imaging of segmented anatomy |
| US20090143669A1 (en) * | 2007-12-04 | 2009-06-04 | Harms Steven E | Color mapped magnetic resonance imaging |
| WO2011050348A2 (en) * | 2009-10-24 | 2011-04-28 | Stc.Unm | System and methods for automatic placement of spatial supression regions in mri and mrsi |
| US9025841B2 (en) | 2009-11-18 | 2015-05-05 | Siemens Aktiengesellschaft | Method and system for segmentation of the prostate in 3D magnetic resonance images |
| JP2011156108A (ja) * | 2010-01-29 | 2011-08-18 | Toshiba Corp | 磁気共鳴スペクトロスコピー装置 |
| DE102010012797B4 (de) * | 2010-03-25 | 2019-07-18 | Siemens Healthcare Gmbh | Rechnergestützte Auswertung eines Bilddatensatzes |
| FR2983999B1 (fr) * | 2011-12-12 | 2014-07-11 | Univ Nancy I Henri Poincare | Procede de reconstruction d'un signal en imagerie medicale a partir de mesures experimentales perturbees, et dispositif d'imagerie medicale mettant en oeuvre ce procede |
-
2012
- 2012-12-04 EP EP12819138.4A patent/EP2787882B1/en active Active
- 2012-12-04 WO PCT/IB2012/056938 patent/WO2013084142A1/en active Application Filing
- 2012-12-04 US US14/363,510 patent/US9588204B2/en active Active
- 2012-12-04 JP JP2014545412A patent/JP6510236B2/ja not_active Expired - Fee Related
- 2012-12-04 CN CN201280060618.6A patent/CN103987313B/zh active Active
- 2012-12-04 BR BR112014013456A patent/BR112014013456A2/pt not_active IP Right Cessation
Also Published As
| Publication number | Publication date |
|---|---|
| US20140320129A1 (en) | 2014-10-30 |
| WO2013084142A1 (en) | 2013-06-13 |
| EP2787882B1 (en) | 2020-04-22 |
| EP2787882A1 (en) | 2014-10-15 |
| US9588204B2 (en) | 2017-03-07 |
| JP2015500082A (ja) | 2015-01-05 |
| CN103987313A (zh) | 2014-08-13 |
| JP6510236B2 (ja) | 2019-05-08 |
| BR112014013456A2 (pt) | 2017-06-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103987313B (zh) | 磁共振谱学成像感兴趣体积定位 | |
| US11373304B2 (en) | Medical analysis method for predicting metastases in a test tissue sample | |
| EP3245532B1 (en) | Automated scan planning for follow-up magnetic resonance imaging | |
| KR102506092B1 (ko) | 텐서장 맵핑 | |
| CN103262082B (zh) | 具有基于数据挖掘的优选设置的磁共振检查系统 | |
| US20180344161A1 (en) | Medical instrument for analysis of white matter brain lesions | |
| Hjornevik et al. | Three-dimensional atlas system for mouse and rat brain imaging data | |
| CN103608843B (zh) | 图像显示装置 | |
| US20170076452A1 (en) | Image processing apparatus and magnetic resonance imaging apparatus | |
| CN104780839A (zh) | 核磁共振(nmr)指纹识别 | |
| JP6776249B2 (ja) | Ｍｒｉ又はｃｔ用のスキャンジオメトリプランニング方法 | |
| CN110476075A (zh) | 针对解剖区域的磁共振指纹识别词典的选择 | |
| US20070076931A1 (en) | Method for display of at least one medical finding | |
| CN107110944A (zh) | 连接性制图之系统及方法 | |
| Shattuck | Multiuser virtual reality environment for visualising neuroimaging data | |
| CN106102576A (zh) | 动态医疗图像中运动的检测 | |
| CN104737200B (zh) | 多结构图集和/或其应用 | |
| Chekir et al. | A hybrid approach for optimal automatic segmentation of white matter tracts in hardi | |
| Man et al. | A review on the bioinformatics tools for neuroimaging | |
| Rastgarpour et al. | The problems, applications and growing interest in automatic segmentation of medical images from the year 2000 till 2011 | |
| Valente et al. | Registration and fusion with mutual information for information-preserved multimodal visualization | |
| Zhang et al. | Multimodality neurological data visualization with multi-VOI-based DTI fiber dynamic integration | |
| US20180064342A1 (en) | System and method for enhanced magnetic resonance imaging of tissue | |
| Rocha et al. | Seeking tools for image fusion between computed tomography, structural and functional magnetic resonance methods for applications in neurosurgery | |
| Shi et al. | Software-based diffusion MR human brain phantom for evaluating fiber-tracking algorithms |
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 |