CN104217398A - 图像处理装置、图像处理方法和医学图像设备 - Google Patents

图像处理装置、图像处理方法和医学图像设备 Download PDF

Info

Publication number
CN104217398A
CN104217398A CN201310205674.0A CN201310205674A CN104217398A CN 104217398 A CN104217398 A CN 104217398A CN 201310205674 A CN201310205674 A CN 201310205674A CN 104217398 A CN104217398 A CN 104217398A
Authority
CN
China
Prior art keywords
image processing
time
input
image
processing apparatus
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
Application number
CN201310205674.0A
Other languages
English (en)
Other versions
CN104217398B (zh
Inventor
徐翠
胡恒
大汤重治
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.)
Canon Medical Systems Corp
Original Assignee
Toshiba Corp
Toshiba Medical Systems Corp
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 Toshiba Corp, Toshiba Medical Systems Corp filed Critical Toshiba Corp
Priority to CN201310205674.0A priority Critical patent/CN104217398B/zh
Priority to US14/289,904 priority patent/US9569839B2/en
Priority to JP2014111585A priority patent/JP6448918B2/ja
Publication of CN104217398A publication Critical patent/CN104217398A/zh
Application granted granted Critical
Publication of CN104217398B publication Critical patent/CN104217398B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/026—Measuring blood flow
    • A61B5/0263—Measuring blood flow using NMR
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/42—Detecting, measuring or recording for evaluating the gastrointestinal, the endocrine or the exocrine systems
    • A61B5/4222—Evaluating particular parts, e.g. particular organs
    • A61B5/4244—Evaluating particular parts, e.g. particular organs liver
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis 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 or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/48—Diagnostic techniques
    • A61B6/486—Diagnostic techniques involving generating temporal series of image data
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
    • A61B6/507—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for determination of haemodynamic parameters, e.g. perfusion CT
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/254—Analysis of motion involving subtraction of images
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2576/00—Medical imaging apparatus involving image processing or analysis
    • A61B2576/02—Medical imaging apparatus involving image processing or analysis specially adapted for a particular organ or body part
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computed tomography [CT]
    • A61B6/032—Transmission computed tomography [CT]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computed tomography [CT]
    • A61B6/037—Emission tomography
    • 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
    • G01R33/563—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution of moving material, e.g. flow contrast angiography
    • G01R33/56366—Perfusion 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30056—Liver; Hepatic
    • 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
    • G06T2207/30101—Blood vessel; Artery; Vein; Vascular
    • G06T2207/30104—Vascular flow; Blood flow; Perfusion
    • 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
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Surgery (AREA)
  • Public Health (AREA)
  • Biophysics (AREA)
  • Veterinary Medicine (AREA)
  • Animal Behavior & Ethology (AREA)
  • Pathology (AREA)
  • Molecular Biology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Optics & Photonics (AREA)
  • Physiology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Gastroenterology & Hepatology (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Cardiology (AREA)
  • Hematology (AREA)
  • Dentistry (AREA)
  • Endocrinology (AREA)
  • Multimedia (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

本申请提供了一种图像处理装置，包括：输入提取单元，被配置为从通过对组织进行血流灌注成像扫描而获得的医学图像的时间序列图像中提取为该组织提供血流输入的主要血管所在的区域作为输入部分，并基于该输入部分获得血流输入的时间密度序列作为输入时间序列；以及参数估计单元，被配置为基于输入时间序列、代表该组织中的各点的血流随输入时间序列的变化的模型以及时间序列图像，对模型中的参数进行估计，其中参数包括血液从输入部分流到该组织中的各点经历的延迟。

Description

图像处理装置、图像处理方法和医学图像设备
技术领域
本申请涉及图像处理领域，具体而言，涉及一种图像处理装置和图像处理方法以及医学图像设备。
背景技术
在图像处理领域中，通过对直接获得的图像进行处理来得到与检测对象有关的参数是一种重要的应用，这往往涉及对检测对象的准确建模。具体地，在所获得的图像中可能包括输入区域和对象区域，输入区域通过某种机制对对象区域产生作用，得到相应的输出和/或可观察到的对象区域的某种状态变化。这相当于对象区域对输入的响应，这种响应反映了对象区域的特性。在已知输入和状态变化的情况下，可以通过构造特定的模型来获得反映对象区域的所述特性的参数。
例如，在医学图像的处理中，往往需要对扫描获得的一系列图像进行处理，以获得相关组织或器官的生理参数。以肝脏血流灌注成像为例，通过在静脉团注对比剂后对选定层面进行同层动态扫描，获得该层内每一像素的时间密度曲线（TDC），根据该曲线利用不同的数学模型计算出各种灌注参数比如肝动脉灌注量（HAP）、门静脉灌注量（HPI）和肝灌注指数（HPI）等，并通过色阶赋值形成灌注影像，了解器官及病变的血流灌注特点及血管特性。
发明内容
在下文中给出了关于本发明的简要概述，以便提供关于本发明的某些方面的基本理解。应当理解，这个概述并不是关于本发明的穷举性概述。它并不是意图确定本发明的关键或重要部分，也不是意图限定本发明的范围。其目的仅仅是以简化的形式给出某些概念，以此作为稍后论述的更详细描述的前序。
本发明的一个目的是提供一种通过对图像进行处理以获得对检测对象的更准确的建模和参数估计的图像处理装置、图像处理方法和医学图像设备。
根据本发明的一个方面，提供了一种图像处理装置，包括：输入提取单元，被配置为从通过对组织进行血流灌注成像扫描而获得的医学图像的时间序列图像中提取为所述组织提供血流输入的主要血管所在的区域作为输入部分，并基于该输入部分获得血流输入的时间密度序列作为输入时间序列；以及参数估计单元，被配置为基于所述输入时间序列、代表所述组织中的各点的血流随所述输入时间序列的变化的模型以及所述时间序列图像，对所述模型中的参数进行估计，其中所述参数包括血液从所述输入部分流到所述组织中的各点经历的延迟。
根据本发明的另一个方面，一种医学图像设备包括：根据本发明的以上方面的图像处理装置。
根据本发明的另一个方面，提供了一种图像处理方法，包括：从通过对组织进行血流灌注成像扫描而获得的医学图像的时间序列图像中提取为所述组织提供血流输入的主要血管所在的区域作为输入部分，并基于该输入部分获得血流输入的时间密度序列作为输入时间序列；以及基于所述输入时间序列、代表所述组织中的各点的血流随所述输入时间序列的变化的模型以及所述时间序列图像，对所述模型中的参数进行估计，其中所述参数包括血液从所述输入部分流到所述组织中的各点经历的延迟。
另外，本发明的另一方面还提供了用于实现上述图像处理方法的计算机程序。
此外，本发明的另一方面还提供了至少计算机可读介质形式的计算机程序产品，其上记录有用于实现上述图像处理方法的计算机程序代码。
在本发明的图像处理方法、图像处理装置和医学图像设备中，通过考虑血液从供血动脉流到组织中的各点经历的延迟，能够实现对组织的血流的更准确的建模和各种生理参数估计。
附图说明
本发明可以通过参考下文中结合附图所给出的描述而得到更好的理解，其中在所有附图中使用了相同或相似的附图标记来表示相同或者相似的部件。所述附图连同下面的详细说明一起包含在本说明书中并且形成本说明书的一部分，而且用来进一步举例说明本发明的优选实施例和解释本发明的原理和优点。在附图中：
图1是示出了根据本发明的一个实施例的图像处理装置的结构的框图；
图2是示出了根据本发明的另一个实施例的图像处理装置的结构的框图；
图3是示出了根据本发明的又一个实施例的图像处理装置的结构的框图；
图4是示出了根据本发明的一个实施例的参数估计单元的结构的框图；
图5示出了采用根据本发明的一个实施例的图像处理装置所获得的肝脏的灌注参数与给定灌注参数的对比图；
图6是示出了采用未考虑腹主动脉和门静脉的延迟的图像处理装置所获得的肝脏的灌注参数与给定灌注参数的对比图；
图7是示出了根据本发明的一个实施例的图像处理方法的流程图；
图8是示出了根据本发明的另一个实施例的图像处理方法的流程图；
图9是示出了根据本发明的一个实施例的医学图像设备的示意性框图；以及
图10是示出了可以实现本发明的实施例/示例的计算机的结构的示例性框图。
具体实施方式
下面将参照附图来说明本发明的实施例。在本发明的一个附图或一种实施方式中描述的元素和特征可以与一个或更多个其它附图或实施方式中示出的元素和特征相结合。应当注意，为了清楚的目的，附图和说明中省略了与本发明无关的、本领域普通技术人员已知的部件和处理的表示和描述。
如图1所示，根据本发明的一个实施例的图像处理装置100的结构包括输入提取单元101和参数估计单元102。其中，输入提取单元101被配置为从通过对组织进行血流灌注成像扫描而获得的医学图像的时间序列图像中提取为该组织提供血流输入的主要血管所在的区域作为输入部分，并基于该输入部分获得血流输入的时间密度序列作为输入时间序列。参数估计单元102被配置为基于该输入时间序列、代表该组织中的各点的血流随该输入时间序列的变化的模型以及时间序列图像，对模型中的参数进行估计，其中参数包括血液从输入部分流到组织中的各点经历的延迟。
这里所述的医学图像可以是根据利用医疗诊断成像装置获得的被检测者的数据而形成的图像。这里所述的医疗诊断装置包括但不限于计算机断层扫描（CT）装置和磁共振成像（MRI）诊断成像装置等。
在现代医学中，经常通过在静脉团注适量对比剂后延迟数秒或十几秒后对某一层面或某几层面进行连续快速动态扫描，采集同一层面随时间变化的一系列图像，并通过色阶赋值形成灌注影像，了解器官及病变的血流灌注特点及血管特性。
这些图像中包括组织和供血动脉的感兴趣区（ROI），其中，输入提取单元101从中提取供血动脉的感兴趣区作为输入部分，该区域可以在检测对象上，也可以在检测对象的外部。另外，这种提取处理可以是手动或自动进行的。具体地，输入提取单元101提取各个时间序列图像中该输入部分所在的区域，对该区域进行处理以获得对应时间处的输入，进而获得血流输入在时间上的分布。
由于供血动脉的感兴趣区基本上不会表现为一个像素点，而是表现为一个区域，因此，在获得输入时间序列时可以对该区域的像素值进行平均或加权平均等处理。像素值例如是各个像素点的灰度或彩色图像的RGB值等。
此外，在图像数较少的情况下，输入提取单元101还可以对获得的输入时间序列进行插值。可以采用已有的各种插值算法进行插值，包括但不限于各种曲线拟合和线性插值等。
在扫描过程中，（包括对比剂的）血液从供血动脉流到组织的各个部分，所获得的组织的感兴趣区的像素值的变化反映了组织中的血流动态，可以看作是该组织对输入部分的响应。基于这一系列图像分别获得输入部分和组织的时间密度曲线（TDC），然后基于代表该组织中的各点的血流随该输入时间序列的变化的模型（或传递函数）进行估算得到所需要的生理参数，如组织的血流量等。
注意，由于采集图像的速度限制，因此，这里所述的TDC实际上并不是直接获得的时间上连续的曲线，它可以通过拟合获得，换言之，之前所述的时间密度序列是TDC的离散形式。
参数估计单元102被配置为基于输入时间序列、上述模型以及时间序列图像对模型中的参数进行估计。在估计出参数之后，可以直接或间接获得想要的参数的分布。
在本申请中，模型的参数包括血液从输入部分流到组织中的各点经历的延迟。通过包含该参数，可以使得该模型更准确地反映从供血动脉流入的血液在组织中的流动状况，从而可以得到更准确的生理参数的估计，为诊断或治疗提供参考。
根据本发明的另一个实施例，如图2所示，除了输入提取单元101和参数估计单元102之外，图像处理装置200还包括滤波单元201。滤波单元201被配置为在所述时间序列图像进入所述输入提取单元101之前对其进行滤波以减小噪声。该滤波可以包括图像滤波和时域滤波两方面，例如可以进行像素平均、高斯滤波、时域平滑等。尤其在图像的信噪比较低的情况下，滤波单元201可以显著提高处理的性能。
根据本发明的又一个实施例，如图3所示，除了输入提取单元101和参数估计单元102之外，图像处理装置300还包括显示单元301。显示单元301被配置为生成和显示各个参数的分布图，使得图像处理装置300能够为用户提供直观的显示以方便用户使用。虽然图3中未示出，但是图像处理装置300显然还可以包括滤波单元201。
下面参照图4描述根据本申请的一个实施例的参数估计单元102的结构和功能。如图4所示，参数估计单元102包括：响应计算模块2001，被配置为计算所述模型对所述输入时间序列的响应；目标函数建立模块2002，被配置为使用所述响应与所述时间序列图像的像素值之间的差建立目标函数；以及优化模块2003，被配置为对所述目标函数进行优化以获得模型中的各个参数。
具体地，响应计算模块2001通过卷积运算来计算组织的模型对输入时间序列Ca(t)的响应，针对第i个像素点，响应为：
Q ' ( t ) = F C a ( t - d ai ) ⊗ R ( t ) - - - ( 1 )
其中，Ca(t)为供血动脉TDC，Q'(t)为组织TDC，R(t)为该组织的传递函数，dai为从供血动脉到组织中第i个点处的血流延迟。通过在模型中加入参数dai，补偿了血流在组织中第i个点处相对于在供血动脉中的时间延迟，从而使模型更加准确，估计出的参数也更加准确。
假定用Q(t)表示时间序列图像上第i个像素的像素值，则目标函数建立模块2002使用差Q'(t)-Q(t)来建立目标函数，该目标函数例如可以为Q'(t)-Q(t)的平方和。
然后，优化模块2003对上述目标函数进行优化，例如使Q'(t)-Q(t)的平方和最小化。
在一个实施例中，优化模块2003被配置为使用非线性最小二乘法对目标函数进行优化。
可以理解，用户可以将优化获得的参数作为最接近组织的实际生理参数的值，并使用该值进行各种分析和判断。
应该理解，这里虽然是以对医疗图像的处理为例进行描述的，但是这仅仅是示例性的，在实践中，可以将图像处理装置100、200和300应用于各种领域的图像的分析和处理。
作为另一个示例性实施例，以下将详细描述对肝脏的血流灌注成像扫描获得的图像的处理。应该理解，此处虽然以肝脏作为示例，但是本申请可以应用的组织或部位并不限于此。
肝脏具有肝动脉和门静脉的双重血液供应，因此，其具有两个输入部分。由于在实际获得的扫描图像比如CT图像中，肝动脉所在的区域难以识别从而难以准确地提取，因此在本申请中使用其上游的位于脊柱内侧的腹主动脉中的血流作为输入。具体地，输入提取单元101从时间序列图像中提取腹主动脉和门静脉的感兴趣区域作为输入部分，并获得腹主动脉和门静脉的时间密度序列。提取处理可以通过手动圈出腹主动脉和门静脉的区域并且对所述区域取平均进行。
在实现中，由于人体所能承受的放射剂量的限制，所能获得的时间序列图像的数量是有限的。为了减小噪声，可以对所获得的时间序列图像进行滤波，例如，可以应用像素合并（binning）、三维高斯滤波等。
此外，还可以进行时域滤波，例如进行时间上的平滑。
在另一个实施例中，输入提取单元101被配置为通过对所述腹主动脉和门静脉的时间密度序列进行伽马拟合来插值。这样可以获得更多的样本，从而提高参数优化的准确性。
根据对详细的和有效的肝循环模型的研究，发现可以用基于伽马分布的累积分布函数的模型来对其进行简化，具体地，使用如下函数作为肝脏的传递函数R(t)。
R ( t ) = 1 - Φ ( t ) = 1 - ∫ 0 t φ ( t ) dt = 1 - P ( nk , t / θ ) = 1 - γ ( nk , t / θ ) Γ ( nk ) - - - ( 2 )
其中，φ(t)为伽马分布的概率密度函数，
实验证明，采用基于伽马分布的累积分布函数作为传递函数可以更准确地描述肝脏的血流动力学。应该理解，虽然这里示出了基于伽玛函数的传递函数作为示例，但是也可以使用其他类型的传递函数，比如韦伯函数等等。
另外，可以用如下模型来描述肝脏组织的TDC与输入血流的TDC之间的关系：
C T * ( t ) = F [ αC a ( t - d ai ) + ( 1 - α ) C p ( t - d pi ) ] ⊗ R ( t ) - - - ( 3 )
其中，α是肝脏灌注指数（HPI），F是总的肝脏血流量，Ca(t)为腹主动脉TDC，Cp(t)为门静脉TDC，CT *(t)为肝脏中第i个点处的肝组织TDC，dai为从腹主动脉到肝脏中第i个点处的血流延迟，dpi为从门静脉到肝脏中第i个点处的血流延迟，R(t)为针对肝脏的传递函数，如公式（2）所示。
假定从时间序列图像获得的肝脏中第i个点处的实际组织TDC为CT(t)，则可以建立如下目标函数：
F ( x ) = Σ m = 1 N f m 2 ( x ) = Σ m = 1 N ( C T ( mΔt ) - C T * ( mΔt ) ) 2 - - - ( 4 )
其中，m=1,......,N表示采集图像时的不同时刻，Δt为两个相邻的图像之间的采集时间间隔。
然后，对上述目标函数进行最小化，可以获得各个参数，包括α、F、dai、dpi以及伽马分布的参数nk和θ等。这些参数还可以包括肝动脉灌注量（HAP）、门静脉灌注量（HPP）等。
其中，对目标函数的最小化可以通过非线性最小二乘法来进行，这种方法的优点在于可以找到距离起点值很远的最小值。当然，也可以使用其他优化方法。
在进行扫描时，例如在进行CT扫描时，对整个肝脏的成像是分层实现的，对各层图像中的各个像素点进行上述处理，可以获得上述参数在各层上的分布，从而最终可以获得上述参数在整个肝脏内的三维（3D）分布。
另外，为了避免优化的参数过多而使算法不易收敛，可以将上述dpi设置为在整个肝脏组织的所有点上为均一值。
图5示出了根据本申请的实施例的采用上述算法的图像处理装置所估计出的肝脏的灌注参数与给定灌注参数的对比的图。同时，作为对比，图6示出了采用未考虑延迟dai和dpi的算法估计出的肝脏的灌注参数与给定灌注参数的对比的图。其中，延迟dpi设置为在整个肝脏上为均一值。
在图5和图6中，延迟dai均在-6s至6s的范围内变化。其中，空心点表示给定灌注参数，实心点表示估算出的灌注参数。如图6所示，在采用没有考虑上述延迟的算法时，如果延迟dai较大，则估算出的灌注参数包括HAP、HPP和HPI与给定的相应的灌注参数有较大的偏差。而如图5所示，当采用根据本申请的上述算法时，在整个延迟范围内都可以获得比较准确的灌注参数估计结果。
通过实验证明，采用根据本申请的图像处理装置，可以降低对噪声的敏感度，例如，信噪比在20dB时仍然可以得到期望的结果；此外，对案例不敏感，实际中不同的个体具有不同的肝血液动力学，但是所测试的所有案例均可以获得期望的结果；所采用的模型很好地描述了肝脏的血液动力学，腹主动脉和门静脉的延迟得到了良好的补偿，从而可以获得准确的参数估计；此外，在普通的个人计算机上运行时处理时间大约在10s左右，能够满足诊断应用的要求。
在上文描述实施方式中的图像处理装置的过程中，显然还公开了一些处理或方法。下文中，在不重复上文中已经讨论过的某些细节的情况下给出这些方法的概述，但是，应当注意，虽然是在描述图像处理装置的过程中公开了这些方法，然而，这些方法并不一定采用上述这些部件，或者并不一定由这些部件来执行。例如，可以部分地或者完全地用硬件和/或固件来实现图像处理装置的实施方式，而以下讨论的图像处理方法也可以完全用计算机可执行的程序来实现，虽然这些方法也可以采用图像处理装置的硬件和/或固件。
图7示出了根据本申请的一个实施例的图像处理方法的流程图，该图像处理方法包括：从通过对组织进行血流灌注成像扫描而获得的医学图像的时间序列图像中提取为该组织提供血流输入的主要血管所在的区域作为输入部分，并基于该输入部分获得血流输入的时间密度序列作为输入时间序列（S11）；以及基于输入时间序列、代表组织中的各点的血流随输入时间序列的变化的模型以及时间序列图像，对模型中的参数进行估计（S12），其中参数包括血液从所述输入部分流到所述组织中的各点经历的延迟。
其中，步骤S11可以由根据上述实施例的图像处理装置100、200和300中的输入提取单元101来执行，步骤S12可以由其中的参数估计单元102来执行。
如图8所示，根据本申请的另一个实施例的图像处理方法还可以包括：在从所述时间序列图像中提取所述输入部分之前对其进行滤波以减小噪声（S13）。该步骤可以由根据上述实施例的图像处理装置200、300中的滤波单元201执行。此外，该图像处理方法还可以包括生成和显示各个参数的分布图的步骤（S14），该步骤可以由根据上述实施例的图像处理装置300中的显示单元301执行。
应该注意，步骤S13和S14均是可选的，换言之，不包括步骤S13和S14两者、包括其中任意一个或包括两者的组合的图像处理方法均在本申请的范围内。
此外，根据本申请的图像处理方法还可以包括对所获得的输入时间序列进行插值。
在一个实施例中，对参数进行估计的步骤S12包括以下子步骤：计算模型对输入时间序列的响应；使用该响应与时间序列图像的像素值之间的差建立目标函数；以及对该目标函数进行优化以获得模型中的各个参数。
在一个实施例中，可以使用非线性最小二乘法对该目标函数进行优化。
在一个实施例中，该组织为肝脏。其中，模型基于伽马分布的累积分布函数。
在一个实施例中，图像处理方法包括：从时间序列图像中提取腹主动脉和门静脉的感兴趣区域作为输入部分，并获得腹主动脉和门静脉的时间密度序列。并且，该模型包括如下延迟参数：从腹主动脉到肝脏组织中的各个点的第一延迟；以及从门静脉到肝脏组织中的各个点的第二延迟。
在一个实施例中，第二延迟在整个肝脏组织的所有点上为均一值。
在一个实施例中，上述图像处理方法还包括通过对腹主动脉和门静脉的时间密度序列进行伽马拟合来插值。
在一个实施例中，所述参数还包括肝动脉灌注指数、肝动脉灌注量、门静脉灌注量以及伽马分布的参数。
关于所述图像处理方法的各个步骤的更具体细节以及更多可能步骤，可以参考以上对根据本发明实施例的图像处理装置中各个部件的描述，这里不再赘述。
应当理解，根据本发明的实施例的图像处理装置和方法可用于各种图像的处理。例如，根据本发明的实施例的图像处理装置和方法可用于医学图像的处理。
图9示出了根据本申请的一个实施例的医学图像设备的示意性框图。为了不模糊本申请的精神和范围，在图9中省略了医学图像设备的其它可能部件。医学图像设备900包括图像处理装置910，以对输入的时间序列图像进行处理。图像处理装置910可以是根据上述任一实施例的图像处理装置100、200或300。医学图像设备900例如是X射线成像诊断装置、超声波（UL）诊断成像装置、计算机断层扫描（CT）装置、磁共振成像（MRI）诊断成像装置、或者正电子发射断层扫描（Positron EmissionTomography，PET）装置等，而没有限制。
将上述图像处理装置设置在医学图像设备中时可使用的具体手段或方式为本领域技术人员所熟知，在此不再赘述。
作为一个示例，上述图像处理方法的各个步骤以及上述图像处理装置的各个组成模块和/或单元可以实施为软件、固件、硬件或其组合。在通过软件或固件实现的情况下，可以从存储介质或网络向具有专用硬件结构的计算机（例如图10所示的通用计算机1200）安装构成用于实施上述方法的软件的程序，该计算机在安装有各种程序时，能够执行各种功能等。
在图10中，运算处理单元(即CPU)1001根据只读存储器(ROM)1002中存储的程序或从存储部分1008加载到随机存取存储器(RAM)1003的程序执行各种处理。在RAM 1003中，也根据需要存储当CPU 1001执行各种处理等等时所需的数据。CPU 1001、ROM 1002和RAM 1003经由总线1004彼此链路。输入/输出接口1005也链路到总线1004。
下述部件链路到输入/输出接口1005：输入部分1006（包括键盘、鼠标等等）、输出部分1007（包括显示器，比如阴极射线管(CRT)、液晶显示器(LCD)等，和扬声器等）、存储部分1008（包括硬盘等）、通信部分1009（包括网络接口卡比如LAN卡、调制解调器等）。通信部分1009经由网络比如因特网执行通信处理。根据需要，驱动器1010也可链路到输入/输出接口1005。可拆卸介质1011比如磁盘、光盘、磁光盘、半导体存储器等等根据需要被安装在驱动器1010上，使得从中读出的计算机程序根据需要被安装到存储部分1008中。
在通过软件实现上述系列处理的情况下，从网络比如因特网或存储介质比如可拆卸介质1011安装构成软件的程序。
本领域的技术人员应当理解，这种存储介质不局限于图10所示的其中存储有程序、与设备相分离地分发以向用户提供程序的可拆卸介质1011。可拆卸介质1011的例子包含磁盘(包含软盘(注册商标))、光盘(包含光盘只读存储器(CD-ROM)和数字通用盘(DVD))、磁光盘（包含迷你盘(MD)(注册商标))和半导体存储器。或者，存储介质可以是ROM1002、存储部分1008中包含的硬盘等等，其中存有程序，并且与包含它们的设备一起被分发给用户。
本发明还提出一种存储有机器可读取的指令代码的程序产品。所述指令代码由机器读取并执行时，可执行上述根据本发明实施例的图像处理方法。
相应地，用于承载上述存储有机器可读取的指令代码的程序产品的存储介质也包括在本发明的公开中。所述存储介质包括但不限于软盘、光盘、磁光盘、存储卡、存储棒等等。
在上面对本发明具体实施例的描述中，针对一种实施方式描述和/或示出的特征可以用相同或类似的方式在一个或更多个其它实施方式中使用，与其它实施方式中的特征相组合，或替代其它实施方式中的特征。
应该强调，术语“包括/包含”在本文使用时指特征、要素、步骤或组件的存在，但并不排除一个或更多个其它特征、要素、步骤或组件的存在或附加。
在上述实施例和示例中，采用了数字组成的附图标记来表示各个步骤和/或单元。本领域的普通技术人员应理解，这些附图标记只是为了便于叙述和绘图，而并非表示其顺序或任何其他限定。
此外，本发明的方法不限于按照说明书中描述的时间顺序来执行，也可以按照其他的时间顺序地、并行地或独立地执行。因此，本说明书中描述的方法的执行顺序不对本发明的技术范围构成限制。
尽管上面已经通过对本发明的具体实施例的描述对本发明进行了披露，但是，应该理解，上述的所有实施例和示例均是示例性的，而非限制性的。本领域的技术人员可在所附权利要求的精神和范围内设计对本发明的各种修改、改进或者等同物。这些修改、改进或者等同物也应当被认为包括在本发明的保护范围内。
通过上述描述，本发明的实施例提供了以下的技术方案。
附记1.一种图像处理装置，包括：
输入提取单元，被配置为从通过对组织进行血流灌注成像扫描而获得的医学图像的时间序列图像中提取为所述组织提供血流输入的主要血管所在的区域作为输入部分，并基于该输入部分获得血流输入的时间密度序列作为输入时间序列；以及
参数估计单元，被配置为基于所述输入时间序列、代表所述组织中的各点的血流随所述输入时间序列的变化的模型以及所述时间序列图像，对所述模型中的参数进行估计，其中所述参数包括血液从所述输入部分流到所述组织中的各点经历的延迟。
附记2．根据附记1所述的图像处理装置，还包括：
滤波单元，被配置为在所述时间序列图像进入所述输入提取单元之前对其进行滤波以减小噪声。
附记3．根据附记1或2所述的图像处理装置，其中，所述参数估计单元包括：
响应计算模块，被配置为计算所述模型对所述输入时间序列的响应；
目标函数建立模块，被配置为使用所述响应与所述时间序列图像的像素值之间的差建立目标函数；以及
优化模块，被配置为对所述目标函数进行优化以获得模型中的各个参数。
附记4．根据附记3所述的图像处理装置，其中，所述优化模块被配置为使用非线性最小二乘法对所述目标函数进行优化。
附记5．根据附记1或2所述的图像处理装置，还包括显示单元，被配置为生成和显示各个参数的分布图。
附记6．根据附记1或2所述的图像处理装置，所述输入提取单元还被配置为对所述输入时间序列进行插值。
附记7．据附记1或2所述的图像处理装置，其中，所述组织为肝脏。
附记8．根据附记7所述的图像处理装置，其中，所述模型基于伽马分布的累积分布函数。
附记9．根据附记7所述的图像处理装置，其中，
所述输入提取单元被配置为从所述时间序列图像中提取腹主动脉和门静脉的感兴趣区域作为输入部分，并获得腹主动脉和门静脉的时间密度序列；以及
所述模型包括如下延迟参数：
从所述腹主动脉到肝脏组织中的各个点的第一延迟；以及
从所述门静脉到肝脏组织中的各个点的第二延迟。
附记10．根据附记9所述的图像处理装置，其中，所述第二延迟在整个肝脏组织的所有点上为均一值。
附记11．根据附记9所述的图像处理装置，其中，所述输入提取单元被配置为通过对所述腹主动脉和门静脉的时间密度序列进行伽马拟合来插值。
附记12．根据附记6所述的图像处理装置，其中，所述参数还包括肝动脉灌注指数、肝动脉灌注量、门静脉灌注量以及伽马分布的参数。
附记13.一种医学图像设备，包括如附记1-12中任意一项所述的图像处理装置。
附记14．根据附记13所述的医学图像设备为计算机断层扫描设备或磁共振成像诊断成像设备。
附记15．一种图像处理方法，包括：
从通过对组织进行血流灌注成像扫描而获得的医学图像的时间序列图像中提取为所述组织提供血流输入的主要血管所在的区域作为输入部分，并基于该输入部分获得血流输入的时间密度序列作为输入时间序列；以及
基于所述输入时间序列、代表所述组织中的各点的血流随所述输入时间序列的变化的模型以及所述时间序列图像，对所述模型中的参数进行估计，其中所述参数包括血液从所述输入部分流到所述组织中的各点经历的延迟。
附记16．根据附记15所述的图像处理方法，还包括如下步骤：
在从所述时间序列图像中提取所述输入部分之前对其进行滤波以减小噪声。
附记17．根据附记15或16所述的图像处理方法，其中，对参数进行估计包括：
计算所述模型对所述输入时间序列的响应；
使用所述响应与所述时间序列图像的像素值之间的差建立目标函数；以及
对所述目标函数进行优化以获得模型中的各个参数。
附记18．根据附记17所述的图像处理方法，其中，使用非线性最小二乘法对所述目标函数进行优化。
附记19．根据附记15或16所述的图像处理方法，还包括生成和显示各个参数的分布图的步骤。
附记20．根据附记15或16所述的图像处理方法，还包括对所获得的所述输入时间序列进行插值。
附记21．根据附记15或16所述的图像处理方法，其中，所述组织为肝脏。
附记22．根据附记21所述的图像处理方法，其中，所述模型基于伽马分布的累积分布函数。
附记23．根据附记21所述的图像处理方法，包括：
从所述时间序列图像中提取腹主动脉和门静脉的感兴趣区域作为输入部分，并获得腹主动脉和门静脉的时间密度序列；以及
所述模型包括如下延迟参数：
从所述腹主动脉到肝脏组织中的各个点的第一延迟；以及
从所述门静脉到肝脏组织中的各个点的第二延迟。
附记24．根据附记23所述的图像处理方法，其中，所述第二延迟在整个肝脏组织的所有点上为均一值。
附记25．根据附记23所述的图像处理方法，还包括通过对所述腹主动脉和门静脉的时间密度序列进行伽马拟合来插值。
附记26．根据附记21所述的图像处理方法，其中，所述参数还包括肝动脉灌注指数、肝动脉灌注量、门静脉灌注量以及伽马分布的参数。
附记27．一种计算机程序，用于实现根据附记15-26中的任意一项所述的图像处理方法。
附记28．一种计算机可读的记录介质，其上记录有用于实现根据附记15-26中的任意一项所述的图像处理方法的计算机程序代码。

Claims (18)

1.一种图像处理装置，包括：
输入提取单元，被配置为从通过对组织进行血流灌注成像扫描而获得的医学图像的时间序列图像中提取为所述组织提供血流输入的主要血管所在的区域作为输入部分，并基于该输入部分获得血流输入的时间密度序列作为输入时间序列；以及
参数估计单元，被配置为基于所述输入时间序列、代表所述组织中的各点的血流随所述输入时间序列的变化的模型以及所述时间序列图像，对所述模型中的参数进行估计，其中所述参数包括血液从所述输入部分流到所述组织中的各点经历的延迟。
2.根据权利要求1所述的图像处理装置，还包括：
滤波单元，被配置为在所述时间序列图像进入所述输入提取单元之前对其进行滤波以减小噪声。
3.根据权利要求1或2所述的图像处理装置，其中，所述参数估计单元包括：
响应计算模块，被配置为计算所述模型对所述输入时间序列的响应；
目标函数建立模块，被配置为使用所述响应与所述时间序列图像的像素值之间的差建立目标函数；以及
优化模块，被配置为对所述目标函数进行优化以获得模型中的各个参数。
4.根据权利要求1或2所述的图像处理装置，还包括显示单元，被配置为生成和显示各个参数的分布图。
5.根据权利要求1或2所述的图像处理装置，所述输入提取单元还被配置为对所述输入时间序列进行插值。
6.根据权利要求1或2所述的图像处理装置，其中，所述组织为肝脏。
7.根据权利要求6所述的图像处理装置，其中，所述模型基于伽马分布的累积分布函数。
8.根据权利要求6所述的图像处理装置，其中，
所述输入提取单元被配置为从所述时间序列图像中提取腹主动脉和门静脉的感兴趣区域作为输入部分，并获得腹主动脉和门静脉的时间密度序列；以及
所述模型包括如下延迟参数：
从所述腹主动脉到肝脏组织中的各个点的第一延迟；以及
从所述门静脉到肝脏组织中的各个点的第二延迟。
9.根据权利要求8所述的图像处理装置，其中，所述第二延迟在整个肝脏组织的所有点上为均一值。
10.根据权利要求8所述的图像处理装置，其中，所述输入提取单元被配置为通过对所述腹主动脉和门静脉的时间密度序列进行伽马拟合来插值。
11.根据权利要求6所述的图像处理装置，其中，所述参数还包括肝动脉灌注指数、肝动脉灌注量、门静脉灌注量以及伽马分布的参数。
12.一种医学图像设备，包括如权利要求1-11中任意一项所述的图像处理装置。
13.根据权利要求12所述的医学图像设备为计算机断层扫描设备或磁共振成像诊断成像设备。
14.一种图像处理方法，包括：
从通过对组织进行血流灌注成像扫描而获得的医学图像的时间序列图像中提取为所述组织提供血流输入的主要血管所在的区域作为输入部分，并基于该输入部分获得血流输入的时间密度序列作为输入时间序列；以及
基于所述输入时间序列、代表所述组织中的各点的血流随所述输入时间序列的变化的模型以及所述时间序列图像，对所述模型中的参数进行估计，其中所述参数包括血液从所述输入部分流到所述组织中的各点经历的延迟。
15.根据权利要求14所述的图像处理方法，还包括如下步骤：
在从所述时间序列图像中提取所述输入部分之前对其进行滤波以减小噪声。
16.根据权利要求14或15所述的图像处理方法，其中，所述组织为肝脏。
17.根据权利要求16所述的图像处理方法，其中，所述模型基于伽马分布的累积分布函数。
18.根据权利要求16所述的图像处理方法，包括：
从所述时间序列图像中提取腹主动脉和门静脉的感兴趣区域作为输入部分，并获得腹主动脉和门静脉的时间密度序列；以及
所述模型包括如下延迟参数：
从所述腹主动脉到肝脏组织中的各个点的第一延迟；以及
从所述门静脉到肝脏组织中的各个点的第二延迟。
CN201310205674.0A 2013-05-29 2013-05-29 图像处理装置、图像处理方法和医学图像设备 Active CN104217398B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201310205674.0A CN104217398B (zh) 2013-05-29 2013-05-29 图像处理装置、图像处理方法和医学图像设备
US14/289,904 US9569839B2 (en) 2013-05-29 2014-05-29 Image processing apparatus, method and medical image device
JP2014111585A JP6448918B2 (ja) 2013-05-29 2014-05-29 画像処理装置、方法、及び医用画像診断装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201310205674.0A CN104217398B (zh) 2013-05-29 2013-05-29 图像处理装置、图像处理方法和医学图像设备

Publications (2)

Publication Number Publication Date
CN104217398A true CN104217398A (zh) 2014-12-17
CN104217398B CN104217398B (zh) 2017-07-14

Family

ID=51985167

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310205674.0A Active CN104217398B (zh) 2013-05-29 2013-05-29 图像处理装置、图像处理方法和医学图像设备

Country Status (3)

Country Link
US (1) US9569839B2 (zh)
JP (1) JP6448918B2 (zh)
CN (1) CN104217398B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109411085A (zh) * 2018-12-21 2019-03-01 上海联影医疗科技有限公司 灌注分析的方法及装置和计算机装置
CN109907758A (zh) * 2019-03-15 2019-06-21 脑玺(上海)智能科技有限公司 颅内血管血流延迟的影像标注方法及系统
CN111862259A (zh) * 2020-07-27 2020-10-30 上海联影医疗科技有限公司 医学灌注图像处理方法和医学成像设备
CN111902087A (zh) * 2018-03-20 2020-11-06 皇家飞利浦有限公司 确定医学成像时间表

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10789683B2 (en) * 2015-11-10 2020-09-29 Koninklijke Philips N.V. Method for automatic optimization of quantitative map generation in functional medical imaging
WO2017091746A1 (en) * 2015-11-24 2017-06-01 The Regents Of The University Of California Mapping and quantifying blood stasis and thrombus risk in the heart
CN105809670B (zh) * 2016-02-29 2019-07-19 上海联影医疗科技有限公司 灌注分析方法
JP6701880B2 (ja) * 2016-03-30 2020-05-27 コニカミノルタ株式会社 動態解析装置、動態解析システム、動態解析方法及びプログラム
US11471101B2 (en) 2018-04-05 2022-10-18 The Regents Of The University Of California Mapping and quantifying shear stress and hemolysis in patients having LVADS
JP6604618B1 (ja) * 2019-04-03 2019-11-13 国立大学法人信州大学 血流動態解析システム、血流動態解析方法、およびプログラム
CN111429456B (zh) * 2020-05-06 2023-09-05 上海联影医疗科技股份有限公司 一种图像数据处理方法、装置、电子设备及存储介质

Family Cites Families (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7069068B1 (en) * 1999-03-26 2006-06-27 Oestergaard Leif Method for determining haemodynamic indices by use of tomographic data
US6745066B1 (en) * 2001-11-21 2004-06-01 Koninklijke Philips Electronics, N.V. Measurements with CT perfusion
WO2005104936A1 (en) * 2004-04-30 2005-11-10 Apollo Medical Imaging Technology Pty Ltd Method and system of obtaining improved data in perfusion measurements
EP2684521A1 (en) * 2004-11-16 2014-01-15 Medrad Inc. Modeling of pharmaceutical propagation
JP4804039B2 (ja) * 2005-05-27 2011-10-26 株式会社日立メディコ 血流動態解析装置、ｘ線ｃｔ装置、ｍｒｉ装置、及び血流動態解析プログラム
WO2007066249A2 (en) * 2005-12-09 2007-06-14 Koninklijke Philips Electronics, N.V. Model-based flow analysis and visualization
GB0609610D0 (en) * 2006-05-15 2006-06-21 Stiftelsen Universitetsforskni MR perfusion
EP2097007B1 (en) * 2006-12-21 2015-06-24 Institut Gustave Roussy (IGR) Method and system for quantification of tumoral vascularization
US20100030073A1 (en) * 2006-12-29 2010-02-04 Medrad, Inc. Modeling of pharmaceutical propagation
US20080300484A1 (en) * 2007-04-13 2008-12-04 Jing Wang Delay insensitive SVD algorithm for perfusion analysis
CN101658428A (zh) 2008-08-28 2010-03-03 西门子（中国）有限公司 灌注成像技术中对位图进行处理的方法和系统
US8942451B2 (en) * 2008-11-14 2015-01-27 Apollo Medical Imaging Technology Pty Ltd Method and system for mapping tissue status of acute stroke
JP5361410B2 (ja) * 2009-01-22 2013-12-04 株式会社東芝 画像処理装置
CN101658425B (zh) 2009-09-11 2011-06-01 西安电子科技大学 基于心率变异分析的注意力集中程度的检测装置及方法
JP5643580B2 (ja) * 2009-11-27 2014-12-17 株式会社東芝 血流動態解析装置、血流動態解析プログラム、流体解析装置及び流体解析プログラム
EP2544586A1 (en) * 2010-03-09 2013-01-16 Aarhus Universitet A method for obtaining a blood flow parameter
CN102834055B (zh) * 2010-09-01 2015-04-08 株式会社东芝 医用图像处理装置
WO2012174495A2 (en) * 2011-06-17 2012-12-20 Carnegie Mellon University Physics based image processing and evaluation process of perfusion images from radiology imaging
CN103889328B (zh) * 2011-10-24 2017-02-15 皇家飞利浦有限公司 灌注成像
DE102012205351A1 (de) * 2012-04-02 2013-10-02 Siemens Aktiengesellschaft Darstellung von Blutgefäßen und Gewebe im Herzen
US20140086461A1 (en) * 2012-09-25 2014-03-27 The Johns Hopkins University Method and system for determining time-based index for blood circulation from angiographic imaging data

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
程流泉等: ""肝脏CT灌注成像的实验研究"", 《中国医学影像学杂志》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111902087A (zh) * 2018-03-20 2020-11-06 皇家飞利浦有限公司 确定医学成像时间表
CN109411085A (zh) * 2018-12-21 2019-03-01 上海联影医疗科技有限公司 灌注分析的方法及装置和计算机装置
CN109907758A (zh) * 2019-03-15 2019-06-21 脑玺(上海)智能科技有限公司 颅内血管血流延迟的影像标注方法及系统
CN111862259A (zh) * 2020-07-27 2020-10-30 上海联影医疗科技有限公司 医学灌注图像处理方法和医学成像设备
CN111862259B (zh) * 2020-07-27 2023-08-15 上海联影医疗科技股份有限公司 医学灌注图像处理方法和医学成像设备

Also Published As

Publication number Publication date
CN104217398B (zh) 2017-07-14
US20140355863A1 (en) 2014-12-04
JP6448918B2 (ja) 2019-01-09
JP2014230793A (ja) 2014-12-11
US9569839B2 (en) 2017-02-14

Similar Documents

Publication Publication Date Title
CN104217398A (zh) 图像处理装置、图像处理方法和医学图像设备
US20210335497A1 (en) Systems and methods for image processing to determine blood flow
Toennies Guide to medical image analysis
US9179881B2 (en) Physics based image processing and evaluation process of perfusion images from radiology imaging
CN101506842B (zh) 灌注成像的方法
CN110364238B (zh) 基于机器学习的对比剂管理
US9443330B2 (en) Reconstruction of time-varying data
KR101563153B1 (ko) 의료 영상 신호 처리 방법 및 장치
CN103221071A (zh) 药物传输的建模和注射方案的参数产生
CN105792738A (zh) 用于改善功能狭窄分析的局部ffr估计和可视化
US11468570B2 (en) Method and system for acquiring status of strain and stress of a vessel wall
Tmenova et al. CycleGAN for style transfer in X-ray angiography
Hsu et al. Gap-free segmentation of vascular networks with automatic image processing pipeline
US20230320611A1 (en) System and method of accurate quantitative mapping of biophysical parameters from mri data
Clarkson et al. A task-based approach to adaptive and multimodality imaging
CN105120743A (zh) 根据动态对比增强mr数据的对组织的生理参数的确定
Wu et al. An in silico validation framework for quantitative DCE-MRI techniques based on a dynamic digital phantom
Brown et al. Knowledge-based segmentation of pediatric kidneys in CT for measurement of parenchymal volume
US10463334B2 (en) System and method for non-invasive, quantitative measurements of blood flow parameters in vascular networks
Glatard et al. Multi-modality image simulation with the Virtual Imaging Platform: Illustration on cardiac echography and MRI
De Pasquale et al. Bayesian analysis of dynamic magnetic resonance breast images
CN103263275B (zh) 一种基于h无穷滤波的pet生理参数的重构方法
Samavaki et al. Modeling of blood flow in cerebral arterial circulation and its dynamic impact on electrical conductivity in a realistic multi-compartment head model
Stodilka et al. Examination of Contrast Agents in Medical Imaging Using Physiologically-Constrained Deconvolution
Mesin Biomedical Image Processing and Classification. Electronics 2021, 10, 66

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C41 Transfer of patent application or patent right or utility model
TA01 Transfer of patent application right

Effective date of registration: 20160718

Address after: Japan Tochigi Tian Yuan City

Applicant after: Toshiba Medical System Co., Ltd.

Address before: Tokyo, Japan, Japan

Applicant before: Toshiba Corp

Applicant before: Toshiba Medical System Co., Ltd.

GR01 Patent grant
GR01 Patent grant