CN104217423B - 选出图像数据组的自动产生 - Google Patents
选出图像数据组的自动产生 Download PDFInfo
- Publication number
- CN104217423B CN104217423B CN201410242338.8A CN201410242338A CN104217423B CN 104217423 B CN104217423 B CN 104217423B CN 201410242338 A CN201410242338 A CN 201410242338A CN 104217423 B CN104217423 B CN 104217423B
- Authority
- CN
- China
- Prior art keywords
- measurement data
- content characteristic
- parameter value
- characteristic parameter
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Classifications
-
- 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
- G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Public Health (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种用于从检查对象(P)的医疗技术测量数据(17,17',17″,19,19',19I,19II)的整体(GMD,15,15',15″)中自动产生选出图像数据组(BDS)的方法,包括步骤:采集(A)检查对象(P)的测量数据(17,17',17″,19,19',19I,19II)的整体(GMD,15,15',15″)作为输入数据,关于检查对象(P)的多个特殊的拓扑代表性内容特征参数值(IPM)来分析(B1)测量数据(17,17',17″,19,19',19I,19II)的至少一部分,从所述整体(GMD,15,15',15″)中选择(B2)能够与特定特殊拓扑代表性内容特征参数值(IPM)对应的那些选出的测量数据(AMD),将选出的测量数据(AMD)综合(B3)为选出图像数据组(BDS),作为输出数据(AD)。此外本发明还涉及一种为此目的的产生系统(10)。
Description
技术领域
本发明涉及一种用于从检查对象的医疗技术测量数据的整体中自动产生选出图像数据组的方法。本发明还涉及一种用于从检查对象的医疗技术测量数据的整体中自动产生选出图像数据组的产生系统。
背景技术
在具体的医学技术设问中通常可能借助成像系统采集检查对象(在该情况下也就是人的身体)的局部受限的子区域。执行这样的扫描的技术人员为此在执行扫描之前通过选择合适的扫描协议和/或在后来根据特定于患者的规定或关于潜在要发现的异常的认识兴趣事先定义重建参数。
但是在一些情况下需要在一个遍历过程中扫描患者的较大子区域或者甚至是其整个身体,以便覆盖不同的身体区域(或者说身体部位,这两个概念被同义地使用)。这例如在用于广泛的癌症诊断(例如用于检测转移)的身体扫描情况下或者在多发伤患者,例如在严重事故后的患者情况下就是这样。也就是对身体的不同的、通常也互相远离的身体区域进行扫描,其中这样的身体区域例如被理解为头、颈、胸、和腹部区域。这些身体区域由此先后位于沿着断层造影系统的z轴,即沿着在患者卧榻上的检查对象被驶入到断层造影系统中时所按照的方向。换言之,其具有在z方向上的不同覆盖,也就是不同的z覆盖,其中其分别在z方向上稍有重叠。测量数据、特别是从这样的大面积扫描中已经重建的图像数据于是可以作为整体被传输到诊断工作站,在那里其由放射学者或由相应的专科医生为了诊断发现的目的而使用。但是为了对身体的单个子区域、例如单个器官进行诊断发现而进一步使用测量数据的该完整系列,则非常复杂,因为现在还必须随后通过诊断者进行大量的匹配,例如到待进行诊断发现的身体区域的导航、开窗口、或者甚至加载具有不同的重建参数的多个不同的全身系列。
由此优选的是,将重建的图像数据分离地按照身体区域传输给专门从事于此的专家。目前为此需要的是,技术人员或放射学者在他将这些图像数据传输给相应的专家之前将这些图像数据以所谓的DICOM数据系列的形式按照身体区域划分。技术人员必须为此对于每个DICOM数据系列互相定义重建参数,例如相应的开窗口、核(即在重建时的卷积核)和图像数据的各个层图像的层距。
该过程是费时和麻烦的并且由此不适合临床环境,在临床环境中断层造影系统应当尽可能好地构造并且在临床环境中在多发伤患者的情况下也特别地涉及治疗速度,以便能够维持生命或者一定的受到危险的身体功能。
由此存在如下的必要性,即,简化该按照身体区域的选出过程,特别是还与测量数据的重建方式无关。
发明内容
从在此提出的问题出发,本发明要解决的技术问题是,提供一种如何能够自动并且尽可能有效地产生选出图像数据组的可能性。在此还优选地将重点放在对于相应的诊断发现目的以尽可能高的分辨率质量提供选出图像数据组。
上述技术问题通过按照本发明的方法和通过按照本发明的产生系统来解决。
开头提到的那种按照本发明的方法相应地包括至少以下步骤:
a)采集检查对象的测量数据的整体作为输入数据。这样的采集也可以作为测量数据的整体的简单接收,例如通过基于过程的系统的输入接口的简单接收来进行并且由此也理解为测量数据的整体的输入。
b)关于检查对象的多个特殊的拓扑代表性内容特征参数值来分析测量数据的至少一部分。也就是为了分析,不一定需要、但是可以分析测量数据的整体,而是也可以仅分析测量数据的一部分就足够。特殊的拓扑代表性内容特征参数值就如下而言理解为“特殊的”:其是事先定义的并且例如可以根据稍后的诊断发现的认识兴趣在其他意义上不独立地被选择。这样的认识兴趣可以既涉及有针对地认识在检查对象内部的特定的疾病或异常或损害也涉及检查对象的选择的子区域(例如器官或特定的结构)的影像。“拓扑代表性”特别是这样的内容参数值,所述内容参数值涉及位置或涉及空间上可对应的结构,例如器官等。这样的拓扑代表性的参数值由此例如可以包括位置说明,例如在z方向上(但是也可以在其他空间方向上)检查对象中的位置,也包括到身体器官、例如肾脏或肺部的对应。
c)从整体中选择可以与特定的特殊拓扑代表性内容特征参数值对应的那些选出的测量数据。特定的测量数据的选择也就是基于多个特定的特殊拓扑代表性内容特征参数值的选择进行,所述内容特征参数值特别涉及特定的对象,例如涉及特定的身体区域或(替换地或补充地)涉及检查对象的特定的身体器官。特定的特殊拓扑代表性内容特征参数值如下地限定测量数据,即,其拓扑地对应于身体内部的空间和/或多个对象。
d)将选出的测量数据综合为选出图像数据组,作为输出数据。这样的选出图像数据组可以特别优选地作为相关的DICOM数据组被综合和存储。
可选地(然而优选地)然后可以在步骤e)中进行输出数据的输出。该输出可以特别地有明确目标地与从事于检查对象的特定的身体区域的专家对应地进行,例如对头部区域和对脊柱的输出数据与神经辐射学者或神经学者对应。
作为“医学技术测量数据”在此理解为来自于医学技术拍摄系统、特别是来自于断层造影系统的所有想得到的测量数据。断层造影系统在此例如有计算机断层造影设备(CT)、磁共振断层造影设备(MR)、血管造影设备、超声波设备、X射线设备以及PET设备(用于正电子发射断层造影)和SPECT系统(单光子发射计算机断层造影)。来自于此的拍摄数据是测量数据,其中在此既理解为原始数据也理解为重建的图像数据。此外测量数据还包括所谓的定位片,也就是来自于相应的检查对象的概览扫描的图像数据。
作为测量数据的“整体”不一定是指检查对象的所有可用的测量数据的整体,而是在该方法的范畴内被馈入的、即在步骤a)中被采集的那些整体。该整体也可(但不必)包括来自于检查对象的多个不同的扫描的测量数据,例如来自于前面的扫描的定位片以及来自于前面的扫描和来自于当前的扫描的重建的截面图。因为这些测量数据通常按照所谓的DICOM格式被存储,在所述DICOM格式中采集拍摄日期和其他说明,所以其也可以在任何时候又被时间上地对应,但是也可以有针对地被互相混合。
作为“检查对象”特别地指动物的(即也是人的)生物的无生命的或有生命的身体。由此在以下“检查对象”的概念也同义地用“患者”表示。
借助按照本发明的方法自动进行特定的测量数据与身体区域或与器官区域的对应。这仅基于输入的测量数据进行,从而最终进行对拓扑代表性内容特征参数值的基于图像的认识,对于该认识不需要附加的用户输入。用户于是可以在输出数据中导航。其甚至可以从一个选择图像数据组到另一个选择图像数据组交替地并且这样互相分离地仔细考察不同的身体区域。在此可以分别使用不同的、对于各自的身体区域不同的视图(例如多平面重建-MPR、体积图形-VRT、最大密度投影-MIP,等)或输出参数(例如开窗口-灰度级或体积图形-预设值)。
开头提到的那种产生系统按照本发明包括至少以下元件:
a)采集单元,例如被构造为用于采集检查对象的测量数据的整体作为输入数据的输入接口。该采集单元也可以包括多个子采集单元,例如用于接收定位片图像数据的第一输入接口和重建的截面图像数据的第二输入接口等。
b)分析单元,其在运行中关于检查对象的多个特殊的拓扑代表性内容特征参数值对测量数据的至少一部分进行分析。
c)选择单元,其在运行中从整体中选择可以与特定的特殊拓扑代表性内容特征参数值对应的那些选出的测量数据。
d)综合单元,用于将选出的测量数据综合为选出图像数据组,作为输出数据。
e)用于输出输出数据的可选的输出接口。
此外,本发明还涉及一种具有拍摄单元和按照本发明的产生系统的断层造影系统。这意味着,按照本发明的产生系统可以被构造为断层造影系统的部分,例如作为断层造影系统的图像处理系统的部分。产生系统可以在其中作为单独的单元实现,但是也可以集成在任意的图像处理装置中。
提到的接口不一定必须作为硬件组件构造,而是也可以作为软件模块实现,例如当测量数据可以从已经在相同设备上实现的其他组件,诸如另一个图像处理单元的图像重建装置等接收时,或者仅需按照软件地传输到另一个组件时。接口也可以由硬件和软件组件组成,例如标准硬件接口,其通过软件对于具体的应用目的而被特殊地配置。此外多个接口也可以综合在一个共同的接口中,例如输入-输出接口。
总体上可以将用于以按照本发明的方式实现产生系统的组件的大部分,特别是分析单元、选择单元和综合单元完全或部分地以软件模块的形式在处理器上实现。
本发明由此还涉及一种计算机程序产品,其可以直接加载到可编程的产生系统的处理器中,具有程序代码装置,用于当所述程序产品在产生系统上运行时执行按照本发明的方法的所有步骤。
本发明的其他特别有利的构造和扩展由以下描述中得到。在此产生系统也可以相应于用于方法来扩展。
优选地,医学技术测量数据的整体包括重建的图像数据组。这意味着,来自于前面的扫描的原始数据在执行按照本发明的方法之前已经被重建。由此在重建的图像数据组内部就已经可以进行分析而不是在原始数据组中首先进行极麻烦的分析,所述分析必须跟随另外的且复杂的逻辑。于是可以利用标准图像分析逻辑在重建的图像数据组中工作。替换地,原始数据可以在方法的流程中首先被重建并且然后跟随地分析。优选地,重建的图像数据组包括多个层图像。从中选择的层图像于是可以在方法的另外流程中被综合为输出数据。
还有利的是,测量数据的整体包括检查对象的定位片,即检查对象的部分的定位片。该定位片然后特别优选地在步骤b)中被分析。测量数据的拓扑图分析于是包括对如下的定位片的分析,从所述定位片中可以特别简单和顺利地提取相关的拓扑代表性内容特征参数值并且可以用于随后的选择。替代对定位片的纯分析,也可以替换地或附加地对测量数据、特别是如上所述重建的图像数据在步骤b)中进行分析。在该情况中也就是将稍后对于潜在地综合为输出数据而考虑的那些测量数据也事先用于分析。
证明有利(因为非常有效)的是,在分析时考虑这样的拓扑代表性内容特征参数值,其包括至少一个界标。这样的界标例如可以包括检查对象在z方向上的位置或在检查对象内部特定的器官或结构的边界。根据这些界标可以简单和快速地推导出检查对象内部的部位和位置,由此可以整体上有效地优化拓扑分析。
此外优选地的是,拓扑代表性内容特征参数值、特别是拓扑代表性内容特征参数值的界标,包括检查对象的解剖特征。作为解剖特征,在此是指所有可以推导检查对象的器官和/或结构(例如骨结构等)的种类或形状或形状偏差或体积或延伸的特征。这些解剖特征特别地可以涉及检查对象的外表或整体,例如以便能够区分患者的颈和头部空间,例如纯基于患者的身体在与z方向横切的方向上的尺寸。当然也可以考虑多种多样的其他例子和区分可能性。
拓扑代表性内容特征参数值还可以包括用于界定检查对象区域的边界区域说明,也就是身体区域,例如用于将身体区域互相界定。然而也要注意,身体区域,例如在人的情况下的胸部和腹部,完全可以重叠,并且也仅出于安全性,以保证身体区域的得到确保完整的图像覆盖,由此人们于是将身体的过渡区域分别与两个身体区域对应。
按照本发明的方法此外还可以通过如下扩展,即,自动地在测量数据中确定检查对象的至少一个身体区域的周长并且作为特殊的拓扑代表性内容特征参数值在步骤c)中使用。作为周长,在此不是指对象的周长的数学大小,而是相应的身体区域的延伸。也就是首先确定,哪些身体区域从哪里到哪里延伸并且然后通过将测量数据与相应的身体区域对应来执行测量数据的选择。该过程可特别简单执行,但是是正确和精确的,从而其快速导致非常好的结果。
虽然至此作为唯一的分析视点提到拓扑代表性内容特征参数值,但是按照本发明的方法也可以附加地还涉及其他考虑并且由此被明显简化。在该情况下输出数据附加地按照另外的、可与输出数据的特定的测量数据对应的附加-内容特征参数值作为多个、互相可区分的输出数据组被综合。也就是进行在输出数据内部的另一个选择,其导致,仅特定的输出数据(所述输出数据与附加-内容特征参数值对应)被综合为特定的输出数据组。例如在此可以将与特定的身体区域对应的测量数据作为输出数据来理解,并且然后将确定的图像质量指示值作为附加-内容特征参数值使用,从而从输出数据中将具有不同的图像质量的、同一个身体区域的多组测量数据综合为输出数据组。例如可以从输出数据中对于特定的身体区域产生第一输出数据组,人们由于作为其基础的附加-内容特征参数值而可以将其纳入到“软组织”影像下,而第二输出数据组由于作为其基础的附加-内容特征参数值而与“骨”影像对应。于是在此可以在概览显示上向用户显示,在其上例如每个输出数据组提供一个明显的图像和/或数据概要,从而用户基于其可以例如通过点击符号来选择对于其来说最合适的输出数据组。
此外优选的是,附加-内容特征参数值包括至少一个以下参数:
-核,即,重建的图像数据的、对于重建所使用的卷积核,其影响该图像的清晰度或分辨率,
-重建的图像数据的层图像的层厚和/或层距离,
-搜索模式,
-视野,即,多个参数值,其在图像获取时定义或表征检查对象的x和/或y覆盖,
-z覆盖,即,检查对象的或检查对象的子区域在推入到图像获取系统中的方向上的覆盖,
-位置分辨率(对此参见以下),
-对使用的模态、即对使用的断层造影系统的说明,
-重建的图像数据中的开窗口信息,即,关于单个图像点的显示值的窗口的参数值。
-关于造影剂注射和/或阶段的信息:因为特殊地在多发伤患者情况下通常在成像中使用造影剂,所以这些涉及造影剂注射和/或阶段的参数值在该应用情况中可以是特别相关的。
所有这些参数影响重建的图像数据的图像质量或分辨率并且根据认识兴趣的不同而在诊断发现时重要性是不同的并且与此不同地来选择和必要时加权。
关于附加-内容特征参数值特别优选地的是,其是到以成本最小化为目的的成本函数的输入和/或按照预先给出的优先级列表优先考虑附加-内容特征参数值。也就是将附加-内容特征参数值例如互相在成本函数中加权并且在多个可能的输出数据组中按照成本函数选择具有最小的成本的那个输出数据组。类似地也可以根据优先级列表进行特定的输出数据组的选择。
在按照本发明的方法的范畴内,特别是在形成输出数据组的刚才描述的扩展中,可以发生的是,通过输出数据或输出数据组不覆盖身体区域的整体。两个基于该问题的本发明扩展由此在于,
a)自动地确定检查对象的、在输出数据和/或至少一个输出数据组中包含的身体区域的覆盖的分量和/或
b)自动地确定检查对象的、没有包含在输出数据和/或至少一个输出数据组中的身体区域的分量。
由此向诊断者提供信息,他利用他所获得的输出数据或利用确定的输出数据组获得哪个区域覆盖。必要时他可以权衡,他是否替代具有更小的整体覆盖和更高的分辨率(或其他更连贯的质量参数值)的输出数据组而是想要选择具有更高整体覆盖和更低分辨率(或其他不太连贯的质量参数值)的另一个输出数据组或者反之。根据认识兴趣的不同在此于是可以作出权衡。该权衡也可以自动或半自动地在按照本发明的方法的范畴内进行,并且具体来说特别是通过如下,即,从多个输出数据组中在向用户输出之前选择按照前面确定的权重得到对于用户来说最好的覆盖比例并且满足对质量参数值的要求的那个用于输出。为此用户例如可以通过图形用户接口进行权重的输入,所述输入然后在基于算法的方法中基于呈现的测量数据或输出数据导致“最佳的”输出数据组的输出。
替换地,输出算法也可以仅基于身体覆盖,这意味着,自动地选择具有检查对象的、没有包含在输出数据组中的身体区域的最小分量的那个输出数据组。
当输出数据和/或由输出数据构成的输出数据组利用关于作为其基础的特定的特殊的拓扑代表性内容特征参数值和/或附加的附加-内容特征参数值来表征时,在诊断发现(或者一般地在输出数据或输出数据组的进一步使用)时对于用户得到附加使用。作为增值将信息对应或指派到输出数据或输出数据组,例如在包括了涉及特殊的相关的特征参数值的所述输出数据或所述输出数据组的DICOM图像数据组的DICOM头文件中。这对于用户来说使得可以实现对图像数据的覆盖和质量的快速评估。
特别优选地在全身扫描的范畴内使用按照本发明的方法,因为在此如上所述必须特别快速和有效将测量数据划分为各个区域。由此医学技术测量数据优选地包括从检查对象的全身扫描得到的这些测量数据。
附图说明
以下借助实施方式在参考附图的情况下进一步描述本发明。在此在不同的附图中相同的组件具有相同的附图标记。附图中:
图1示出了按照现有技术的方法的示意性流程图,
图2示出了按照本发明的方法的第一实施例的示意性粗略流程图,
图3示出了在按照本发明的方法的实施例的范围内馈入定位片的示意性流程图,
图4示出了按照本发明的方法的第二实施例的示意性简化流程图,
图5示出了按照本发明的方法的第三实施例的示意性流程图,
图6示出了第一定位片和第一数量的截面图的第一图示,从中在按照本发明的方法的范畴内可以产生选择图像数据组,
图7示出了第二定位片和第二数量的截面图的第二图示,从中在按照本发明的方法的范畴内可以产生选择图像数据组,
图8示出了第三定位片和第三和第四数量的截面图的第三图示,从中在按照本发明的方法的范畴内可以产生选择图像数据组,
图9示出了具有按照本发明的产生系统的实施方式的、按照本发明的断层造影系统的实施方式的示意性框图。
具体实施方式
图1示出了按照现有技术的方法的原理流程。在第一步骤A'中扫描检查对象,也就是作为人的患者。因为在该情况中是全身扫描,所以对患者从头到脚成像。由此首先进行头部,然后颈部、然后躯干并且然后是下肢的扫描。之后对扫描的原始数据进行连续重建,其中身体区域的每个重建可以按照一定的事先在扫描协议中定义的重建参数值进行。即首先连续地重建头部、然后颈部、胸部、腹部、盆骨和最后腿部的所有截面图。
在第二步骤B'中现在纯用户控制地(手动地)按照身体区域选择图像数据并且将其上传到诊所的工作站或PACS。即该步骤B'不是自动地,而是纯基于用户输入并且相应地基于人的判断能力和经验。步骤B'是相当要求高的和费时的。
在第三步骤C'中读取选择的图像数据。另一个用户(通常是对于特定器官或身体区域的专家)通过在步骤B'中向其提供的数据导航并且在其中搜索待诊断发现的异常,例如搜索损伤(例如气胸、脊柱骨折、器官出血等)或搜索病变或异常的位置、诸如肿瘤等。
相反,图2示出了按照本发明的方法U的实施方式的工作方式。类似于按照图1的步骤A',在步骤A中还是扫描检查对象。该扫描过程可以如在按照现有技术的步骤A'中那样进行,其中要补充说明的是,头部和整个躯干的扫描也可以在一个扫描遍历中不中断地进行,由此实现更快的扫描,但是产生的图像质量稍微不如可以事先在各个本身的扫描协议中规定其扫描和重建参数的单个区域扫描。从扫描中得到测量数据,例如以来自于概览扫描的定位片测量数据的形式和以扫描数据的形式,特殊地以重建的图像数据的形式。在该测量数据内部选择这样的测量数据,所述测量数据对于在按照本发明的方法中的进一步处理来说是必须的,例如因为其对于分析(参见步骤B1)提供好的概览和/或因为其本身基本上用于选择(参见步骤B2)。所有这些选出的测量数据被称为测量数据的整体GMD并且被进一步使用。
在接下来的步骤B1中现在自动分析来自于测量数据的该整体GMD的至少一部分,由此得到分析数据AND。该分析B1在此基于,即关于特殊的拓扑代表性内容参数值IPM进行。
在步骤B2中然后选择这样选出的测量数据AMD,其可以与特定的特殊拓扑代表性内容参数值IPM对应,即,其包括特定的特殊拓扑代表性内容参数值IPM或与其在内容上或按照值来说是兼容的。
在步骤B3中将所有在选择B2中选择的选出的测量数据AMD综合为选出图像数据组BDS,从而从中得到输出数据AD或(在按照另外的标准进一步进行选择的情况下,参见特别是图5和9)输出数据组ADG。该结果可以在可选的、最后的步骤C中被输出,例如输出到用户以用于进一步处理和/或向存储或存档系统,例如PACS输出。
也就是,方法U的特征在于,测量数据的整体GMD自动地基于拓扑代表性标准被划分,例如按照检查对象的身体区域。该划分可以被理解为在输出数据AD和其他测量数据或不同的输出数据组ADG中单个测量数据的互相有效分离,然而也可以被理解为简单选出和相应标记所选出的测量数据。在此特别地可以自动显示属于输出数据AD或属于输出数据组ADG的重建的图像数据,例如在首选的位置,即透视地。
按照步骤C,然后用户、例如专科医生可以例如通过选择开关按键来选出检查对象的区域或器官或结构并且然后获得满足其选出标准的仅输出数据AD或输出数据组ADG的表示。他然后又可以在其中搜索待诊断发现的异常,例如搜索损伤(例如气胸、脊柱骨折、器官出血等)或搜索病变或异常的位置、诸如肿瘤等。
图3示出了定位片馈入的流程,以便在以下在按照本发明的方法的实施方式范畴内使用定位片17。定位片17在此作为属于测量数据的整体GMD被处理并且在分析步骤B1中被检查。在此示出的流程由此可以看作为分析B1在按照本发明的方法U的范畴内的可能变型。对来自于测量数据的整体GMD的定位片17在第一步骤D1中检测其中所包含的界标LM。该界标LM可以被理解为拓扑代表性内容特征参数值IPM。在第二步骤D2中然后在定位片17中基于界标LM确定,身体区域和/或器官或结构的边界ZR,例如被扫描的患者的胸部区域的上边界和下边界,位于定位片17中的何处。这两个边界ZR定义了相应的身体区域关于用以进行了定位片扫描的断层造影设备的z方向的z覆盖。
在第三步骤D3中将定位片17连同边界说明ZR存储在数据库中,从而这些说明在按照本发明的方法U的步骤B2中(参见图2)可以用于选择所选出的测量数据AMD。换言之,具有丰富的附加信息ZR的定位片17可以作为对于随后的选择B2的预标记的定向图来使用。
图4示出了按照本发明的方法U'的(简化)第二实施例的原理流程图。该方法U'基于如下假设,即,在此处处理的测量数据整体GMD中所有可用的定位片17都已经事先被评估了,例如借助一种方法,诸如根据图3描述过的方法。
在第一步骤A″中以一个(或多个)所谓的DICOM图像数据组的形式提供重建的图像数据。这些重建的图像数据可以通过一个(或多个)定位片17丰富。其与定位片17一起表示了馈入的测量数据的整体GMD。
在第二步骤E中进行查询,是否对特定的扫描可以提供定位片17,例如在数据库中提供。这例如可以通过时间查询来进行,即,通过查询F,是否对在特定的时间拍摄的重建的图像数据,呈现时间上对应的定位片。在肯定回答(Y)的情况下以步骤G继续,在否定回答(N)的情况下以步骤H继续。
在步骤G中,从对应的定位片17中获取对特定的身体区域和/或器官或结构的边界说明ZR。
相反,步骤H从如下出发,即,不从对应的定位片17获取这样的说明。由此,在这里直接在涉及的DICOM数据组的(三维)重建的图像数据中搜索拓扑代表性内容特征参数值IPM、诸如解剖界标,从中在后面跟随的步骤J中又获取对特定的身体区域和/或器官或结构的边界说明ZR。
在跟随于步骤G或步骤J之后的步骤K中确定,身体的哪个区域通过测量数据的整体GMD覆盖。也就是确定测量数据的整体GMD的边界数据ZS。在步骤L中基于对特定的身体区域或器官或结构的各自的边界说明ZR和上下边界ZS确定,身体区域或器官或结构的哪个部分在测量数据的整体GMD中被覆盖。在此成立:
对特定的身体区域或特定的器官或特定的结构的边界说明ZR包括上边界z身体区域上和下边界z身体区域下。测量数据的整体GMD的边界数据ZS包括上边界z测量数据上和下边界z测量数据下。
输出数据AD的z覆盖从如下关系计算:
z覆盖=(min(z身体区域上,z测量数据上)–max(z身体区域下,z测量数据下))/(z测量数据上–z测量数据下)
其中,“min”表示两个上z值中的更小的那个并且max表示两个下测量值中的更大的那个。
在步骤M中然后以DICOM系列形式提供,例如存储,各个输出数据AD,其分别附加地以关于在步骤L中确定的覆盖的信息被丰富。
图5示出了按照本发明的方法的第三实施例的示意性流程图,其中作为附加-内容特征参数值PAR考虑其他参数值PAR:
在第一步骤Z中在测量数据的整体GMD内部规定对特定的测量数据系列的参数值或说明PAR。即这些参数值或说明PAR分别涉及在图像采集时进行了特定相同预设置的特定患者的测量数据系列。这样的预设置或参数值或说明PAR可以例如涉及扫描的身体区域(例如胸部拍摄)、涉及重建核(例如核B35f)、涉及各个层拍摄的层距离(例如3mm)或涉及搜索模式(例如血管造影搜索模式)。
在第二步骤Y中确定对于测量数据的整体GMD内部的每个测量数据系列的偏差成本COST。该偏差成本COST表示与测量数据系列的所致力于的最优值的偏差,所述最优值例如通过如下来定义,即,更好期望的参数值或说明PAR在图像采集时被使用并且所述z覆盖完整覆盖了特定的、待检查的身体区域或器官或结构。
偏差成本COST可以借助成本函数来确定,所述成本函数优选地按照以下方案来构造:
偏差成本COST=
=wz覆盖x(100%z覆盖)/100%+
+w层距离x(层距离最优值–层距离系列)/1mm+
+w搜索模式x0或1+
+w核x dist(核最优值,核系列)
在此,为在成本函数中每个考虑的影响因子(在此也就是z覆盖、层距离、搜索模式和核,其中其他影响因子可以同样被考虑)分配一个加权系数w,其可以例如由用户本身定义,但是原则上也可以自动确定。
也就是,将以下成本累加:
a)对于与待成像的身体区域的完整z覆盖的偏差的成本:如果该z覆盖位于100%处,则自动得到系数0。
b)对于与最优的层距离的偏差的成本:以加权系数w层距离加权的、与最优(即期望的)层距离的测量数据系列的层距离的每mm的偏差产生成本。如果测量数据系列的层距离相应于最优的层距离,则又得到系数0。
c)对于不遵守期望的搜索模式的成本:如果呈现期望的搜索模式,则将系数置为0,否则置为1。
d)对于测量数据系列的核与最优的、即期望的核的区别的成本:在此使用距离函数dist,其规定了两个核的互相的距离并且其与加权系数w核相乘。
该距离函数dist例如可以如下综合:
在图像数据的重建时的核在目前通过四个说明来规定,其根据核“B35f”来解释:第一个字母(在此是“B”)表示核的特征。第一个数字(在此是“3”)说明核清晰度,第二个数字(在此是“5”)说明核版本,并且末尾的第二个小写字母(在此是“f”)表示核模式。
第一核(在此也就是最优的核)与第二核(在这里也就是测量数据系列的核)的距离从四个距离说明相加而计算得到,所述四个距离说明从上面提到的四个说明得到:
如果第一核的特征相应于第二核的特征,则将“0”置为第一距离说明,否则是前面确定的特征常数w特征。
如果第一核的清晰度相应于第二核的清晰度,则将“0”置为第二距离说明,否则是前面确定的清晰度常数w清晰度。
如果第一核的版本相应于第二核的版本,则将“0”置为第三距离说明,否则是前面确定的版本常数w版本。
如果第一核的模式相应于第二核的模式,则将“0”置为第四距离说明,否则是前面确定的模式常数w模式。例如作为特征常数w特征、版本常数w版本和模式常数w模式的值可以分别使用0、1并且作为清晰度常数w清晰度的值使用1。各个常数的互相的该加权在核的距离确定时得到了非常满意的结果。
提到的距离说明被累加并且由此得到距离dist,其包括在上面解释的计算中。
在第三步骤X中基于单个测量数据系列的各个偏差成本COST选出具有最小的偏差成本COST的那个测量数据系列MDsel。从该测量数据系列MDsel中在第四步骤W中基于特殊拓扑代表性内容特征参数值IPM产生包括了身体区域的选出图像数据组BDS,其在本发明的意义上形成输出数据组ADG。在步骤W中也就是综合了按照本发明的方法Z的、例如根据图2已经描述的方法的主要步骤B1、B2、B3。输出数据组ADG然后在可选的第五步骤V中通过用户接口输出。
现在图6至8用于解释实施例,其分别示出了定位片和多个截面图的图示。
图6示出了患者P的第一定位片17,以及包括多个截面图19a,19b,…,19n的其他测量数据19。定位片17和截面图19a,19b,…,19n一起形成测量数据17、19的整体15。在定位片17的边缘画出z轴,其说明了z方向,在该方向上患者P在图像采集时被推入到断层造影设备中。患者P的身体可以划分为胸部区域Th和腹部区域Abd,就像截面图19a,19b,…,19n。这可以根据定位片17简单演示:腹部区域Abd从腹部Abd的下边界zuabd延伸到腹部Abd的上边界zoabd,胸部区域Th从胸部区域Th的下边界zuth延伸到胸部区域Th的上边界zoth。两个区域Abd、Th在此稍有重叠,从而腹部Abd的上边界zoabd从腹部Abd的下边界zuabd来看位于胸部区域Th的下边界zuth之上。边界zuabd、zoabd、zuth、zoth已借助定位片17中的界标确定。各个可与身体区域胸部Th和腹部Abd基于边界zuabd、zoabd、zuth、zoth对应的截面图19a,19b,…,19n可以借助按照本发明的方法来互相分离,由此如上所述得到输出数据AD。
图7示出了患者P的第二定位片17',以及包括了多个截面图19a',19b',…,19n'的其他测量数据19'。定位片17'和其他测量数据19'一起形成测量数据17、19'的整体15'。其他测量数据19'全部位于患者的腹部区域中,但是没有覆盖整个身体区域。如果这些其他测量数据19'由此作为输出数据AD被使用,则得到仅部分的z覆盖。
图8示出了患者P的第三定位片17″,以及其他测量数据系列19I、19II。定位片17″和两个测量数据系列19I、19II一起形成测量数据17″、19I、19II的整体15″。第一测量数据系列19I包括第一数量的截面图19Ia,19Ib,…,19In,第二测量数据系列19II包括第二数量的截面图19IIa,19IIb,…,19IIn。两个测量数据系列19I和19II的每一个可以在本发明的范畴内被理解为输出数据组ADG。如根据定位片17″可以看出的,第一和第二测量数据系列19I、19II具有不同的z覆盖。这两个测量数据系列19I、19II的哪一个或者说输出数据组ADG向用户输出以用于进一步使用,现在可以借助加权方法,如结合图5解释的加权方法来判断。
图9示出了具有按照本发明的产生系统10的实施方式和拍摄单元3的、按照本发明的断层造影系统1的实施方式的示意性框图。
产生系统10包括以输入接口5形式的采集单元5、分析单元7、选择单元9、综合单元11和输出接口13。
通过输入接口5,接收患者的测量数据17、17'、17″、19、19'、19I、19II的整体GMD、15、15'、15″。分析单元7关于患者P的多个特殊拓扑代表性内容特征参数值IPM来分析测量数据17、17'、17″、19、19'、19I、19II的至少一部分,并且从中导出分析数据AND。选择单元9从整体GMD、15、15'、15″中选择所选出的测量数据AMD,其可以与整个特定的特殊拓扑代表性内容特征参数值IPM对应,并且综合单元11将所选出的测量数据AMD综合为选出图像数据组BDS。该选出图像数据组BDS选出输出数据AD,其通过输出接口13输出。
最后再次指出,前面详细描述的方法以及示出的装置仅仅是实施例,其可以由专业人员以不同的方式修改,而不脱离本发明的范围。此外不定冠词“一”或“一个”的使用不排除,所涉及的特征也可以多个地存在。
Claims (14)
1.一种用于从检查对象(P)的医疗技术测量数据(17,17',17”,19,19',19I,19II)的整体(GMD,15,15',15”)中自动产生选出图像数据组(BDS)的方法(U,U′),至少包括以下步骤:
a)采集(A)检查对象(P)的测量数据(17,17',17”,19,19',19I,19II)的整体(GMD,15,15',15”)作为输入数据,
b)关于检查对象(P)的多个特殊的拓扑代表性内容特征参数值(IPM)和影响图像质量的附加-内容特征参数值(PAR),来分析(B1)所述测量数据(17,17',17”,19,19',19I,19II)的至少一部分,
c)从所述整体(GMD,15,15',15”)中选择(B2)能够与特定的特殊拓扑代表性内容特征参数值(IPM)和影响图像质量的附加-内容特征参数值(PAR)对应的那些选出的测量数据(AMD),
d)将所述选出的测量数据(AMD)综合(B3)为选出图像数据组(BDS),作为输出数据(AD)。
2.根据权利要求1所述的方法,其中,所述医疗技术测量数据(17,17',17”,19,19',19I,19II)的整体(GMD,15,15',15”)包括重建的图像数据组(19,19',19I,19II),所述重建的图像数据组优选分别包括多个层图像(19a,19b,…19n;19a',19b',…19n';19Ia,19Ib,…19In;19IIa,19IIb,…19IIn)。
3.根据权利要求1所述的方法,其中,所述测量数据(17,17',17”,19,19',19I,19II)的整体(GMD,15,15',15”)包括检查对象(P)的定位片(17)并且该定位片(17)在步骤b)中被分析。
4.根据权利要求1所述的方法,其中,所述拓扑代表性内容特征参数值(IPM)包括至少一个界标(LM)。
5.根据权利要求1所述的方法,其中,所述拓扑代表性内容特征参数值(IPM)、特别是所述拓扑代表性内容特征参数值(IPM)的界标(LM)包括检查对象(P)的解剖特征。
6.根据权利要求1所述的方法,其中,所述拓扑代表性内容特征参数值(IPM)包括用于限定检查对象区域(Abd,Th)的边界区域说明(ZR,zuabd,zoabd,zuth,zoth)。
7.根据权利要求1所述的方法,其中,自动地在所述测量数据(17,17',17”,19,19',19I,19II)中确定检查对象(P)的至少一个身体区域(Abd,Th)的周长并且作为特殊的拓扑代表性内容特征参数值在步骤c)中使用。
8.根据权利要求1所述的方法,其中,所述输出数据附加地按照另外的、能够与输出数据的特定的测量数据(17,17',17”,19,19',19I,19II)对应的附加-内容特征参数值(PAR)被综合为多个、互相能够区分的输出数据组(ADG)。
9.根据权利要求8所述的方法,其中,所述附加-内容特征参数值(PAR)包括至少一个以下参数:
-核,
-层图像(19a,19b,…19n;19a',19b',…19n';19Ia,19Ib,…19In;19IIa,19IIb,…19IIn)的层厚和/或层距离,
-搜索模式,
-视野(x和y覆盖),
-z覆盖,
-位置分辨率,
-对使用的模态的说明,
-关于造影剂注射和/或阶段的信息,
-开窗口信息。
10.根据权利要求8或9所述的方法,其中,所述附加-内容特征参数值(PAR)是到以成本最小化为目的的成本函数的输入,和/或按照预先给出的优先级列表优先考虑所述附加-内容特征参数值(PAR)。
11.根据权利要求8或9所述的方法,其中,自动地确定检查对象(P)的、在输出数据和/或至少一个输出数据组(ADG)中包含的身体区域的和/或没有包含的身体区域的覆盖的分量。
12.根据权利要求11所述的方法,其中,自动地选择具有检查对象(P)的、没有包含在输出数据组(ADG)中的身体区域的最小分量的那个输出数据组(ADG)用于输出(C)。
13.一种用于从检查对象(P)的医疗技术测量数据(17,17',17”,19,19',19I,19II)的整体(GMD,15,15',15”)中自动产生选出图像数据组(BDS)的产生系统(10),至少包括:
a)采集单元(5),用于采集检查对象(P)的测量数据(17,17',17”,19,19',19I,19II)的整体(GMD,15,15',15”)作为输入数据,
b)分析单元(7),其在运行中关于检查对象(P)的多个特殊的拓扑代表性内容特征参数值(IPM)和影响图像质量的附加-内容特征参数值(PAR),对所述测量数据(17,17',17”,19,19',19I,19II)的至少一部分进行分析,
c)选择单元(9),其在运行中从所述整体(GMD,15,15',15”)中选择能够与特定的特殊的拓扑代表性内容特征参数值(IPM)和影响图像质量的附加-内容特征参数值(PAR)对应的那些选出的测量数据(17,17',17”,19,19',19I,19II),d)综合单元(11),用于将所述选出的测量数据(AMD)综合为选出图像数据组(BDS)作为输出数据(AD)。
14.一种断层造影系统(1),具有拍摄单元(3)和按照权利要求13所述的产生系统(10)。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102013210252.6A DE102013210252A1 (de) | 2013-06-03 | 2013-06-03 | Automatische Generierung eines Auswahl-Bilddatensatzes |
DE102013210252.6 | 2013-06-03 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104217423A CN104217423A (zh) | 2014-12-17 |
CN104217423B true CN104217423B (zh) | 2017-06-16 |
Family
ID=51899388
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410242338.8A Expired - Fee Related CN104217423B (zh) | 2013-06-03 | 2014-06-03 | 选出图像数据组的自动产生 |
Country Status (3)
Country | Link |
---|---|
US (1) | US9672625B2 (zh) |
CN (1) | CN104217423B (zh) |
DE (1) | DE102013210252A1 (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9008274B2 (en) * | 2012-12-24 | 2015-04-14 | General Electric Company | Systems and methods for selecting image display parameters |
US20150287188A1 (en) * | 2014-04-02 | 2015-10-08 | Algotec Systems Ltd. | Organ-specific image display |
CN107085860A (zh) * | 2017-05-17 | 2017-08-22 | 上海联影医疗科技有限公司 | 基于计算机断层成像系统的图像重建方法和装置 |
DE102017215074A1 (de) | 2017-08-29 | 2019-02-28 | Siemens Healthcare Gmbh | Verfahren und Auswahleinheit zum Auswählen eines virtuellen Objekts oder eines Bildparameterwerts |
CN113128003B (zh) * | 2021-03-29 | 2022-08-16 | 国网浙江省电力有限公司检修分公司 | 基于区块大地电性结构的地磁扰动地电场计算方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101013503A (zh) * | 2007-01-26 | 2007-08-08 | 清华大学 | 一种医学图像中腹部器官分割方法 |
US7319784B2 (en) * | 2003-02-05 | 2008-01-15 | National Research Council Of Canada | Magnetic resonance spectroscopy using a conformal voxel |
CN102542543A (zh) * | 2012-01-06 | 2012-07-04 | 西安电子科技大学 | 基于块相似性的交互式图像分割方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060095429A1 (en) * | 2004-10-29 | 2006-05-04 | Eastman Kodak Company | Networked system for routing medical images |
US8155405B2 (en) * | 2007-04-20 | 2012-04-10 | Siemens Aktiengsellschaft | System and method for lesion segmentation in whole body magnetic resonance images |
US7995815B2 (en) * | 2007-05-23 | 2011-08-09 | Half Moon Imaging, Llc | Radiology case distribution and sorting systems and methods |
FR2942669B1 (fr) * | 2009-02-27 | 2011-04-01 | Commissariat Energie Atomique | Methodes de segmentation d'images et de detection de structures particulieres. |
US8440976B2 (en) * | 2011-01-20 | 2013-05-14 | Kabushiki Kaisha Toshiba | Method for optimizing step size in a multi-step whole-body PET imaging |
DE102011079270B4 (de) | 2011-07-15 | 2016-11-03 | Siemens Healthcare Gmbh | Verfahren und ein CT-System zur Aufnahme und Verteilung von Ganzkörper-CT-Daten eines polytraumatisierten Patienten |
-
2013
- 2013-06-03 DE DE102013210252.6A patent/DE102013210252A1/de not_active Withdrawn
-
2014
- 2014-06-03 US US14/294,241 patent/US9672625B2/en active Active
- 2014-06-03 CN CN201410242338.8A patent/CN104217423B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7319784B2 (en) * | 2003-02-05 | 2008-01-15 | National Research Council Of Canada | Magnetic resonance spectroscopy using a conformal voxel |
CN101013503A (zh) * | 2007-01-26 | 2007-08-08 | 清华大学 | 一种医学图像中腹部器官分割方法 |
CN102542543A (zh) * | 2012-01-06 | 2012-07-04 | 西安电子科技大学 | 基于块相似性的交互式图像分割方法 |
Non-Patent Citations (2)
Title |
---|
Automatic Descending Aorta Segmentation in Whole-Body PET-CT Studies for PERCIST-based Thresholding;Lei Bi et al.;《IEEE,2012 International Conference on Digital Image Computing Techniques and Applications(DICTA)》;20121231;II methods B patient data,摘要,D. descending aorta segmentation 图2 * |
基于三维图像序列的左心室分割与运动联合估计;庄玲;《中国博士学位论文全文数据库_信息科技辑》;20090215;I138-20 * |
Also Published As
Publication number | Publication date |
---|---|
US9672625B2 (en) | 2017-06-06 |
US20140355857A1 (en) | 2014-12-04 |
DE102013210252A1 (de) | 2014-12-04 |
CN104217423A (zh) | 2014-12-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9662083B2 (en) | Medical image display apparatus and medical image display system | |
JP6220310B2 (ja) | 医用画像情報システム、医用画像情報処理方法及びプログラム | |
US9922268B2 (en) | Image interpretation report creating apparatus and image interpretation report creating system | |
JP7051307B2 (ja) | 医用画像診断装置 | |
US8630467B2 (en) | Diagnosis assisting system using three dimensional image data, computer readable recording medium having a related diagnosis assisting program recorded thereon, and related diagnosis assisting method | |
US8953856B2 (en) | Method and system for registering a medical image | |
JP6542004B2 (ja) | 医用画像処理装置、および医用画像処理システム | |
US7840050B2 (en) | System and method for piecewise registration of timepoints | |
US20070237380A1 (en) | Three-dimensional medical image display device equipped with pre-processing system implementing clinical protocol | |
CN102693353B (zh) | 用于自动产生统计模型的方法和计算机系统 | |
EP3828818A1 (en) | Method and system for identifying pathological changes in follow-up medical images | |
JP5812841B2 (ja) | 画像診断支援装置、画像診断支援方法、画像診断支援プログラム | |
CN104217423B (zh) | 选出图像数据组的自动产生 | |
US8384735B2 (en) | Image display apparatus, image display control method, and computer readable medium having an image display control program recorded therein | |
JP6460636B2 (ja) | 読影レポート作成装置、読影レポート作成システムおよび読影レポート作成プログラム | |
WO2004049948A1 (ja) | コンピュータ支援診断装置 | |
JP2008043524A (ja) | 医用画像処理装置及び医用画像処理プログラム | |
JP2012208726A (ja) | 医用レポート作成装置、医用レポート作成方法および医用レポート作成プログラム | |
JP5676269B2 (ja) | 脳画像データの画像解析 | |
US20060030769A1 (en) | System and method for loading timepoints for analysis of disease progression or response to therapy | |
EP3424017A1 (en) | Automatic detection of an artifact in patient image data | |
JPWO2020110774A1 (ja) | 画像処理装置、画像処理方法、及びプログラム | |
US8938107B2 (en) | System and method for automatic segmentation of organs on MR images using a combined organ and bone atlas | |
JP2005523758A (ja) | 画像データを視覚化する方法、コンピュータプログラム、及びシステム | |
JP6734111B2 (ja) | 所見情報作成装置及びシステム |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170616 Termination date: 20210603 |