CN104508703B - 用于配准图像序列的系统和方法 - Google Patents
用于配准图像序列的系统和方法 Download PDFInfo
- Publication number
- CN104508703B CN104508703B CN201380034148.0A CN201380034148A CN104508703B CN 104508703 B CN104508703 B CN 104508703B CN 201380034148 A CN201380034148 A CN 201380034148A CN 104508703 B CN104508703 B CN 104508703B
- Authority
- CN
- China
- Prior art keywords
- image
- images
- transformation
- sequence
- reference 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
- 238000000034 method Methods 0.000 title claims description 30
- 230000009466 transformation Effects 0.000 claims abstract description 206
- 238000000844 transformation Methods 0.000 claims abstract description 28
- 239000011159 matrix material Substances 0.000 claims description 25
- 238000003384 imaging method Methods 0.000 claims description 13
- 229940050561 matrix product Drugs 0.000 claims description 3
- 238000011524 similarity measure Methods 0.000 claims description 3
- 238000004590 computer program Methods 0.000 description 11
- 230000008859 change Effects 0.000 description 9
- 230000000241 respiratory effect Effects 0.000 description 8
- 230000010412 perfusion Effects 0.000 description 6
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 5
- 239000002872 contrast media Substances 0.000 description 5
- 238000006073 displacement reaction Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000001131 transforming effect Effects 0.000 description 3
- 238000002604 ultrasonography Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000002591 computed tomography Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000009206 nuclear medicine Methods 0.000 description 2
- 230000004931 aggregating effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 210000003484 anatomy Anatomy 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 238000013184 cardiac magnetic resonance imaging Methods 0.000 description 1
- 230000021615 conjugation Effects 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 230000002526 effect on cardiovascular system Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000002595 magnetic resonance imaging Methods 0.000 description 1
- 238000007620 mathematical function Methods 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 238000002600 positron emission tomography Methods 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000002603 single-photon emission computed tomography Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012285 ultrasound imaging Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- 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
- G06T7/38—Registration of image sequences
-
- 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
- G06T2207/10016—Video; Image sequence
-
- 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
- G06T2207/20172—Image enhancement details
- G06T2207/20182—Noise reduction or smoothing in the temporal domain; Spatio-temporal filtering
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
一种用于配准图像序列的系统(100)包括：‑输入部(120)，其用于获得所述图像序列(200)，所述图像序列包括顺序布置在图像范围内的多幅图像(201‑205)；‑变换处理器(140)，其用于建立所述图像序列(200)中的连续图像对之间的变换，以获得多个变换(211‑214)；‑对齐处理器(160)，其用于基于所述多个变换(211‑214)，来将所述图像序列(200)对齐到参考图像(203)，以获得经配准的图像序列(230)；‑其中，所述对齐处理器(160)被布置为基于变换度量来从所述多幅图像(201‑205)建立所述参考图像(203)，所述变换度量量化将所述图像序列(200)对齐到所述参考图像(203)所需的变换程度。
Description
技术领域
本发明涉及用于配准图像序列的系统和方法。本发明还涉及包括所述系统在内的成像系统和工作站，并且涉及用于使得能够执行所述方法的计算机程序产品。
背景技术
在图像观察和图像显示领域，可能期望对包括相同或相似客体的两幅图像进行几何对齐。这样的几何对齐通常被称为图像配准，并且被认为是很多图像处理应用中的基础工作。例如，当要比较来自患者的基准检查的医学图像与来自随后的检查的进一步的医学图像时，可以使用图像配准。由于在两幅医学图像中患者可能被不同地定位，因而图像配准可以用于补偿两幅医学图像中由于患者的位置的改变而产生的不同。
图像配准通常包括：i)通过使两幅图像之间的相似度测量最大化来建立所述两幅图像之间的变换；ii)基于所述变换，来对齐所述两幅图像。可以使用控制所述变换的参数的数值优化算法(例如梯度下降)来执行所述最大化。所述变换可以是，例如，刚性的、仿射的或柔性的。
图像配准还可以应用于图像序列，即，应用于多于一幅图像。这样的图像配准往往用于补偿图像序列内出现的运动。例如，在灌注心脏MRI序列中，患者的呼吸运动可能妨碍临床医生对图像序列的研究。图像配准可以用于补偿呼吸运动，即，用于使图像序列稳定。
例如，Vratislav Harabis等人的题为“Registration of Ultrasound ImageSequences for Perfusion Analysis”(EUSIPCO，2011年8月，第1015-1019页)的出版物描述了用于当将对比剂引入血流中时对超声序列中的图像进行配准的方法。据称，在所述对比序列的配准中，参考图像的选择是主要问题中的一个。据称，用于所述选择的第一种可能是基于浮动参考图像，其中，将第二图像配准到第一图像，将第三图像配准到第二图像，等等。第二种可能是仅设置一幅参考图像，并且相对于这一固定图像来配准序列中的其他图像。所述出版物提出了基于对序列的配准的不同方法。基于对比值将原始序列自动划分到子序列。在每个子序列中，具有最高CROI度量值的一幅图像被设置为用于对子序列的配准的参考。CROI是基于感兴趣区域(ROI)中的像素强度差异的。最后，计算来自每个配准的子序列的平均图像并且将其一起用于对子序列的配准。
上述方法的一个问题是图像序列的配准能够造成经配准的图像序列中出现失真。
发明内容
具有降低在经配准的图像序列中出现的失真的用于配准图像序列的系统或方法将是有利的。
为了更好地解决这一问题，本发明的第一方面提供一种用于配准图像序列的系统，包括：
-输入部，其用于获得所述图像序列，所述图像序列包括顺序布置在图像范围内的多幅图像；
-变换处理器，其用于建立所述图像序列中的连续图像对之间的变换，以获得多个变换；
-对齐处理器，其用于基于所述多个变换，来将所述图像序列对齐到参考图像，以获得经配准的图像序列；
-其中，所述对齐处理器被布置为基于变换度量从所述多幅图像建立所述参考图像，所述变换度量量化将所述图像序列对齐到所述参考图像所需的变换程度。
在本发明的又一方面中，提供包括前述系统的工作站和成像装置。
在本发明的又一方面中，提供一种用于配准图像序列的方法，包括：
-获得所述图像序列，所述图像序列包括顺序布置在图像范围内的多幅图像；
-建立所述图像序列中的连续图像对之间的变换，以获得多个变换；
-基于所述多个变换，来将所述图像序列对齐到参考图像，以获得经配准的图像序列；
-其中，所述配准包括基于变换度量从所述多幅图像建立所述参考图像，所述变换度量量化将所述图像序列对齐到所述参考图像所需的变换程度。
在本发明的又一方面中，提供一种包括指令的计算机程序产品，所述指令用于使得处理器系统执行所述方法。
本发明涉及配准图像序列。由经排序的图像系列形成所述图像序列，即，图像系列中的每幅图像相对于所述图像系列中的其他具有特殊位置。所述排序可以是例如基于时间的排序。所述图像序列具有图像范围，所述图像范围的边界由所述图像系列中的第一幅和最后一幅定义。获得所述图像序列，其中，可以从内部源或外部源(例如存储介质)接收所述图像序列。
建立所述图像系列中的连续图像对之间的变换。所述变换中的每个指示在连续图像对之间的所述变换。此处，术语连续指的是在对所述图像的排序中，图像对中的所述图像相互跟随，即，是所述成像序列内的邻近图像。所述变换是函数或参数，所述函数或参数指示能够怎样变换图像对中的一幅，以便与另一幅图像至少部分匹配。
所述变换用于相对于参考图像来对齐所述图像序列。因此，来自所述图像序列的其他图像被变换，以便至少部分匹配于所述参考图像，其中，所述参考图像充当所述图像系列中的稳定的、非变换图像。实质上，所述参考图像构成所谓的锚定图像，相对于其对所述图像序列进行对齐。
应当注意，因此通过以下的方式执行图像配准：i)建立所述变换；并且ii)基于所述变换来对齐所述图像序列。
从所述多幅图像建立所述参考图像。因此，所述多幅图像用于，或者直接地或者间接地，提供所述参考图像。为了建立被建立为所述参考图像的图像，使用变换度量。所述变换度量是函数，例如数学函数，所述函数指示需要多少变换，即，需要将所述图像系列变换到什么程度，以将所述图像序列对齐到参考图像。因此，基于将哪幅图像建立为所述参考图像来获得所述变换值。
发明人已经认识到，对参考图像的选择极大地影响用户感知的图像配准的质量。对此，一个原因是所述参考图像通过充当用于所述图像配准的基准，使得所述图像系列被变换，以便与所述参考图像至少部分相似。在参考图像是对用户而言没有兴趣或具有较小兴趣的图像时，例如，因为其没有示出或没有清晰地示出感兴趣区域，所述图像系列被变换，以便与对用户而言没有兴趣或具有较小兴趣的图像至少部分相似。发明人还已经认识到，这样的图像往往在所述图像序列内构成异常值，其外形与所述成像序列内的其他图像不同。
通过提供量化将所述图像序列对齐到所述参考图像所需的变换程度，能够确定需要多少变换来将所述图像序列对齐到特殊参考图像。所述变换程度指示所述参考图像与来自所述图像序列的其他图像有多相似，因而，对于相似于来自所述图像序列的大多数图像的图像而言，将需要低的变换程度，即，仅针对不相似的这些图像。然而，对于外形与来自所述图像序列的大多数图像不同的图像而言，将需要高的变换程度，即，需要变换来自所述图像序列的大多数图像，以与所述参考图像相似。因此，提供指示被建立为参考图像的图像在所述图像序列内是否构成异常值的变换度量。
通过基于所述变换度量从所述图像序列建立所述参考图像，基于所述图像在所述图像序列内构成异常值到什么程度，来建立所述参考图像。这样一来，当建立所述参考图像时，能够避免所述图像序列内的异常值。有利地，能够建立与所述图像序列内的其他图像相似的参考图像。有利地，降低了将对用户而言没有兴趣或具有较小兴趣的图像建立为所述参考图像的可能性。有利地，能够避免在其他情况下通过将失真的图像建立为参考图像并且因此在所述图像序列内构成异常值而被引入的失真，这是因为避免了将其他图像变换到与所述失真图像至少部分相似。
任选地，所述对齐处理器被布置为通过基于所述变换度量的最小化从所述多幅图选择所述参考图像，来建立所述参考图像。特殊地选择所述参考图像，以最小化所述变换度量。因此，图像被建立为使得当将所述图像序列对齐到所述参考图像时需要最低变换程度的参考图像。有利地，如果错误地建立所述变换中的一个或多个，例如由于在所述图像内缺乏对比，则由于图像配准是基于所述变换而在其他情况下能够出现的失真被降低，这是因为在所述图像配准中所述参考图像需要最低变换程度。
任选地，所述对齐处理器被布置为通过以下方式建立所述参考图像：i)针对至少所述多幅图像的子集，基于所述变换度量来计算变换值；并且ii)选择所述图像中具有最低变换值的一幅作为所述参考图像。通过计算用于一定数量的图像，即，候选图像的所述变换值，并且选择所述图像中具有最低变换值的一幅，来建立所述参考图像。所述参考图像因此是所述多幅图像中的一幅，即，已存在的图像，并且所述选择是基于对变换值的比较的。这构成了高效选择机制。
任选地，所述对齐处理器被布置为将插值图像建立为所述参考图像，所述插值图像在所述图像范围中的位置在所述成像序列中的连续图像对之间。所述参考图像对应于插值图像，而不对应于所述多幅图像之内的已存在的图像。插值图像可以最好地适合于充当所述参考图像。例如，如果所述图像序列描绘呼吸运动，则针对呼吸运动中落在所述图像序列中的连续图像对之间的点，可以获得最低变换值。通过相对于所述点对齐所述图像序列，能够获得更好质量的图像配准。
应当注意，所述插值图像并不需要被明确计算或可用于所述系统以将所述图像序列对齐到所述插值图像。相反地，可以利用连续图像对之间的位置来表示所述插值图像，并且可以基于所述连续图像对和所述位置之间的变换将所述图形序列对齐到虚拟插值图像。
任选地，所述对齐处理器被布置为在所述图像序列中建立感兴趣区域，并且所述变换度量量化将所述图像序列中的所述感兴趣区域对齐到所述参考图像中的所述感兴趣区域所需的变换程度。对用户而言，在所述图形序列中，即，在所述多幅图像中的至少部分中，示出的感兴趣区域可能特别感兴趣。当将所述图像序列对齐到所述参考图像时，通过相对于所述成像序列中的所述感兴趣区域特殊地量化所述变换程度，基于所述感兴趣区域的所述变换程度来建立所述参考图像。
任选地，所述系统还包括用于在图像序列中检测所述感兴趣区域的感兴趣区域检测器。所述系统因此自动检测感兴趣区域并且基于所述感兴趣区域建立所述参考图像。
任选地，所述变换处理器被布置为将所述连续图像对之间的所述变换建立为变换矩阵。变换矩阵非常适合于描述所述连续图像对之间的所述变换并且充当用于变换度量的基准。
任选地，所述对齐处理器被布置为基于毗邻的连续图像对所述变换矩阵的相乘，来量化所述变换程度。通过使毗邻的连续图像对的所述变换矩阵相乘，来获得提供由于所述个体变换而产生的整体变换度量的变换矩阵乘积。基于以上，能够高效地计算用于对齐所述图像序列所需的所述变换程度。
任选地，所述对齐处理被布置为通过以下来量化所述变换度量：i)针对所述多幅图像中的每幅，建立变换矩阵乘积，所述变换矩阵乘积指示从所述多幅图像中的各幅图像到所述参考图像的所述变换；并且ii)基于所述变换矩阵乘积的加和来建立变换值。因此，针对所述多幅图像中的每幅，计算将所述图像变换到所述参考图像所需的所述变换程度。通过合计所述数量，能够高效地计算用于对齐所述图像序列，即，所述多幅图像中的每幅所需的整体变换程度。
任选地，所述变换矩阵是4x4变换矩阵。4x4变换矩阵非常适合于描述刚性、仿射或柔性变换。
任选地，所述对齐处理器被布置为基于所述变换度量生成置信值，所述置信值指示将所述图像序列对齐到所述参考图像的质量。本发明的这一任选方面是基于这样的认识的：将所述图像序列对齐到所述参考图像所需的所述变换程度指示将所述图像序列对齐到所述参考图像的质量。通过生成反映所述质量的置信值，向所述用户提供关于所述经配准的图像序列的所述质量的反馈。
任选地，所述对齐处理器被布置为还基于图像相似度度量来从所述多幅图像建立所述参考图像，所述图像相似度度量量化当将所述图像序列对齐到所述参考图像时获得的对应程度。
任选地，所述对齐处理器被布置为还基于所述图像范围内的所述参考图像的位置，来从所述多幅图像建立所述参考图像。本发明的这一任选方面是基于这样的认识的：所述成像区内的图像的所述方位指示其作为参考图像的适合性。例如，在图像采集中，能够出现影响所述图像序列中的图像或所述第一图像的初始化问题。因此，所述第一图像或图像比较不适合于作为参考图像。如另一个范例，在灌注成像中，在所述图像序列的中心附近的感兴趣区域中的对比剂的摄入可能会是最高的，使得在所述中心附近的所述感兴趣区域是最可见的。
本领域技术人员应意识到，可以用任何认为有用的方式组合本发明的上述实施例、实施方式和/或方面中的两个或多个。
本领域技术人员基于本说明书能够对各种工作站、成像装置、方法和/或计算机程序产品进行修改和变化，它们对应于所描述的对所述系统的修改和变化。
本领域技术人员应意识到，所述方法可以被应用于多维图像数据，所述图像可通过各种采集模态采集，例如但不限于，标准X射线成像、计算机断层摄影(CT)、磁共振成像(MRI)、超声(US)、正电子发射断层摄影(PET)、单光子发射计算机断层摄影(SPECT)以及核医学(NM)。多维图像数据中的维可以涉及时间。例如，三维图像可以包括时域二维图像系列。
本发明在独立权利要求中定义。有利的实施例在从属权利要求中定义。
附图说明
参考下文描述的实施例，本发明的这些和其他方面将显而易见并得到阐述，在附图中，
图1示出了根据本发明的系统；
图2示出了根据本发明的方法；
图3示出了根据本发明的计算机程序产品；
图4a示出了包括多幅图像的图像序列，其中，示意性指示了在连续图像对之间的变换；
图4b示出了对齐所述图像序列的结果，其中，在所述图像对齐中所述多幅图像中的第一幅被建立为参考图像；
图4c示出了对齐所述图像序列的结果，其中，基于变换度量建立所述参考图像；
图5a示出了另一个图像序列及对应的变换，其中，错误地建立了所述变换中的一个；
图5b示出了对齐所述图像序列的结果，其中，所述多幅图像中的第一幅被建立为所述参考图像；以及
图5c示出了对齐所述图像序列的结果，其中，基于所述变换度量建立所述参考图像。
具体实施方式
图1示出了用于配准图像序列200的系统100。系统100包括用于获得图像序列200的输入部120。系统100还包括变换处理器140，所述变换处理器用于建立图像序列200中的连续图像对之间的变换，以获得多个变换210。变换处理器140被示为从输入部120接收图像序列200。系统100还包括对齐处理器160，所述对齐处理器用于基于多个变换210，来将图像序列200对齐到参考图像，以获得经配准的图像序列230。对齐处理器160被示为从输入部120接收图像序列200并且从变换处理器140接收多个变换210。在图1的范例中，对齐处理器160被示为将经配准的图像序列230提供给显示器190，以显示给用户。备选地或附加地，对齐处理器160可以例如将经配准的图像序列230存储在存储介质上或发送到服务器。图1还示出了：对齐处理器160被任选地布置为基于变换度量生成置信值250，如下面进一步的论述。
系统100的操作可以简要解释如下。对所述图像的配准之前或作为对所述图像的配准的部分，对齐处理器160基于变换度量从多幅图像建立参考图像。变换度量量化将图像序列200对齐到参考图像所需的变换程度。对齐处理器160因此使用基于变换度量而建立的参考图像来执行图像对齐。
图2示出了用于配准图像序列的方法300。方法300包括在名为“获得图像序列”的步骤中获得310图像序列，所述图像序列包括被顺序布置在图像范围内的多幅图像。方法300还包括在名为“建立变换”的步骤中在图像序列的连续图像对之间建立320变换，以获得多个变换。方法300还包括在名为“对齐图像序列”的步骤中，基于所述多个变换，将图像序列对齐到参考图像，以获得经配准的图像序列。方法300还包括在名为“建立参考图像”的步骤中，基于变换度量从多幅图像建立330参考图像，所述变换度量量化将图像序列对齐到参考图像所需的变换程度。
方法300可以对应于系统100的操作。然而应当注意，还可以独立于系统100而执行方法300。图3示出了包括指令的计算机程序产品360，所述指令用于使得处理器系统执行上述方法300。计算机程序产品360可以例如以以下的形式被包括在计算机可读介质350上：一系列机器可读物理标记和/或一系列电(例如磁或光)性质或值。
系统100的操作可以更详细地解释如下。图4a示出包括多幅图像201-205的图像序列200。在这一具体实施例中，图像序列200被选择为是时间图像序列，而多个图像201-205中的每一个示出时间中的不同点处的感兴趣区域240。然而，图像序列200还可以构成不同序列类型，例如，示出来自不同空间观察点的感兴趣区域。应当注意，出于可读性原因，在图4a-4c中仅利用附图标记指示一次感兴趣区域240。根据图4，能够看到，感兴趣区域240在全部图像序列200上改变。具体而言，相对于图像序列200的第二、第三和第四图像202-204，在图像序列200的第一图像201中感兴趣区域240逆时钟旋转。此外，相对于所述图像，在图像序列200的第一图像205中感兴趣区域240顺时针旋转。
取向的改变能够是由于各种原因。例如，感兴趣区域240可以是患者的器官，并且取向的改变能够是由于呼吸运动导致感兴趣区域240在图像序列的时间跨度上的取向改变。备选地或附加地，呼吸运动可以导致感兴趣区域240的位置随时间的改变或外形随时间的改变。然而出于解释的目的，图4a仅示出取向的改变。
图4a还示出以下的结果：变换处理器140建立图像序列200中的连续图像之对之间的变换。作为结果，获得多个变换211-214，而所述变换在图4中被示意性指示为虚方形。此处，虚方形的取向指代连续图像对的感兴趣区域240的取向之间的改变。例如，将第一图像201变换到第二图像202使得这里示出的感兴趣区域240的位置和取向相匹配包含顺时针旋转第一图像201。因此，利用取向于朝向右的虚方形示意性指示第一变换211。图4还示出：指示从第二图像202到第三图像203的变换的第二变换、指示从第三图像203到第四图像204的变换的第三变换以及指示从第四图像204到第五图像205的变换的第四变换。因为在第二、第三和第四图像202-204中感兴趣区域240具有相同取向，所以第二和第三变换212-213是中性的，即，指示取向未改变。此外，第五图像205示出感兴趣区域240再次顺时针旋转，而第四变换214通过取向于朝向右来反映所述旋转。
变换处理器140可以使用诸如来自图像配准和运动估计技术领域的技术本身己知的任意合适变换技术，来建立多个变换。具体而言，变换处理器140可以将连续图像对之间的变换211-214建立为变换矩阵。所述变换矩阵可以是4x4矩阵。所述变换可以是刚性的、仿射的或柔性的。所述变换处理器140可以被布置为建立用于基本上整个图像的变换中的每个。备选地，变换处理器140可以被布置为建立用于图像的部分的变换，例如特别用于感兴趣区域240的变换。出于后面的目的，如图1所示，所述系统可以包括用于检测多幅图像201-205中的感兴趣区域240的感兴趣区域检测器180。
图4b示出了以下的结果：对齐处理器160基于多个变换211-214将图像序列200对齐到参考图像201以获得对齐图像序列。然而，图4b示出了现有技术范例，其中，按照缺省，第一图像201被建立为参考图像。这在图4a和图4b中通过利用加宽的边界来示出参考图像而指示。作为结果，获得经配准的图像序列220，其中，感兴趣区域240的取向被调整，以便与第一图像201中的感兴趣区域的取向相匹配。
图4c示出了以下的结果：对齐处理器160基于变换度量从多幅图像201-205建立参考图像。所述参考度量量化将图像序列200对齐到参考图像203所需的变换程度。作为结果，第三图像203(而不是第一图像201)被建立为参考图像203。这在图4a和图4c中通过利用双线的边界示出参考图像203来指示。作为结果，获得经配准的图像序列230，其中，感兴趣区域240的取向被调整，以便与第三图像203中的感兴趣区域的取向相匹配。
上面的基于变换度量的对参考图像的建立可以如下而被解释地更详细。所述变换度量量化将图像序列200对齐到参考图像203所需的变换程度。变换处理器160可以被布置为通过基于将变换度量最小化来从多幅图像201-205选择参考图像，来建立参考图像203。例如，对齐处理器160可以被布置为通过针对多幅图像201-205中的每个，基于变换度量计算变换值并且选择具有最低变换值的所述图像中的一幅作为参考图像203，来建立参考图像203。
例如，当变换211-214被建立为变换矩阵时，可以如下为第一图像201计算变换值。被包含在将第二图像202变换到第一图像201中的所述变换可以对应于第一变换矩阵211的矩阵求逆。所述变换程度可以对应于计算第一变换矩阵211的矩阵求逆的L2范数。相似地，被包含在将第三图像202变换到第一图像201中的所述变换可以对应于第一变换矩阵211和第二变换矩阵212的乘积的矩阵求逆。所述变换程度可以对应于所述乘积的矩阵求逆的L2范数。也通过将上面的计算应用于第四图像204和第五图像205，获得多个变换程度，可以将其合计到一起以获得变换值，所述变换值表达将图像序列200对齐到第一图像201所需的变换程度，即，将第二、第三、第四、和第五图像202-205对齐到第一图像201所需的变换程度。
也可以通过为多幅图像201-205中的其他图像重复上面内容，来获得多个变换值，所述多个变换值中的每个表达将图像序列200对齐到多幅图像201-205中对应的一幅所需的变换程度。
可以对变换值排序并且可以将与最低变换值对应的图像选择为参考图像203。在图4的范例中，这可以对应于第三图像203。对此，一个原因是将图像序列200对齐到第一图像包含对在第二、第三、第四和第五图像202-205中的感兴趣区域进行旋转。这同样适用于将图像序列200对齐到第五图像205。然而，对于第二、第三和第四图像202-204中的每幅而言，将图像序列200对齐到每幅单独图像仅包含对在第一图像201中和在第五图像205中的感兴趣区域进行旋转。因此，可以将第三图像203建立为参考图像，这是因为其包含整体最低变换程度，在这一情况下是最低旋转程度。备选地，或者第二图像202或者第四图像204可以被建立为参考图像。
图4c示出了以下的结果：对齐处理器160将图像序列200对齐到第三图像03，以获得经配准的图像序列230。相比于图4b中示出的经配准的图像序列220，能够看到，图4c中的感兴趣区域的取向比在图4b中的更相似于图像序列200中的大多数。应意识到，选择多幅图像201-205中具有最低变换值的一幅作为参考图像通常使得选择多幅图像201-205中相对于其他图像以最相似的方式示出感兴趣区域240的一幅，即，其构成基于大多数的选择。
图5a示出了包括多幅图像201-205的图像序列200的另一个范例。在这一具体实施例中，选择图像序列200来表示其中对比剂经静脉被提供给患者的灌注心血管磁共振(CMR)图像系列。此处，由于对比剂的摄入随时间缓慢增加，例如，由于对比剂的初始低摄入，感兴趣区域240在图像序列200的第一图像201中可能是低可见的。作为结果，在第一图像201中感兴趣区域240与周围组织之间的对比可能是不理想的。通过在第一图像201中虚线化感兴趣区域240来示意性指示低摄入。在对比剂摄入随时间增加的情况下，感兴趣区域240在图像序列200的第二图像到第五图像202-205中可见性好，即，与周围组织具有足够的对比。
图5a还示出以下的结果：变换处理器140建立图像序列200中的连续图像对之间的变换。由于第一图像201中的感兴趣区域240的低可见性，可以错误地建立第一变换211，即，在第一图像201和第二图像202之间的变换。作为结果，可能会获得并不精确反映感兴趣区域240的位置、取向等的改变的第一变换211。在这一具体范例中，在图像序列200内感兴趣区域240依然相对静止，即，位置、取向或外形并不改变。第一变换211因此错误地指示取向的改变，而第二、第三和第四变换212-214准确地指示依然静止的感兴趣区域240。
图5b示出以下的结果：对齐处理器160将图像序列200对齐到第一图像201，以获得经配准的图像序列220，可以在按照缺省第一图像201被建立为参考图像时，获得经配准的图像序列220。能够看到，由于错误的第一变换211，第二、第三、第四和第五图像202-205中的感兴趣区域240的取向已经改变。
图5c示出以下的结果：对齐处理器160基于变换度量，从多幅图像201-205建立参考图像。作为结果，第三图像203被建立为参考图像203。因此，其中仅第一图像201中的感兴趣区域240的取向改变了的经配准的图像序列230被获得。当比较图5b与图5c时，能够看到，通过基于变换度量建立参考图像，能够避免多幅图像201-205中严重影响图像序列200的配准的异常值。此处，基于大多数选择有效地建立参考图像203。
总体而言，对齐处理器160可以被布置为将插值图像建立为参考图像，所述插值图像在图像序列200中的连续图像对之间的图像范围域中具有位置。因此，可以例如通过明确地计算插值图像或通过在连续图像对之间建立对应于插值图像的位置，来建立插值图像，而不是选择多幅图像201-205中的一幅作为参考图像203。应意识到，已经在连续图像对之间建立了变换，能够提取用于所述连续图像对之间中的位置的变换。例如，如果变换是基于运动向量的变换，则可以通过平分所述运动向量的尺寸，来建立用于在连续图像对之间中的位置的变换。因此，基于多个变换211-214，能够量化将图像序列200对齐到在连续图像对之间中的位置所需的变换程度。对齐处理器160可以被布置为建立使所述变换度量最小化的插值图像。然后图像序列200可以被对齐到所述插值图像，以获得经配准的图像序列。应当注意，插值图像可以不需要是所述经配准的图像序列的部分，即，其可以仅充当在图像序列200的配准中的参考图像。
总体而言，对齐处理器160可以被布置为基于变换度量生成置信值250，所述置信值指示将图像序列200对齐到参考图像203的质量。例如，当对应于参考图像203的变换值超过阈值时，这可以指示用于将成像序列200对齐所需的高变换程度。这样的高变换程度可以例如与以下相关联：变换处理器140错误地建立变换；图像序列200是如此不规则，使得图像配准是不可能的，等等。置信值250可以被显示给用户，以便提供关于图像配准的反馈。
总体而言，对齐处理器160可以被布置为还基于图像相似度度量，从多幅图像201-205建立参考图像203，所述图像相似度度量量化当将图像序列200对齐到参考图像203时获得的置信的程度。所述图像相似性度量可以是由图像处理技术领域已知的任意合适度量，例如，均方误差(MSE)。例如，除了建立用于第一图像201的变换值外，对齐处理器160可以通过计算在第一图像201与对齐到第一图像201之后的第二图像202之间的MSE、或在第一图像201与对齐到第一图像201之后的第三图像203之间的MSE等，来计算用于第一图像201的图像相似度值。然后，MSE的加和可以充当用于第一图像201的图像相似度值。可以相应地计算用于第二、第三、第四和第五图像202-205的图像相似度值。参考图像203的选择可以是随后基于变换度量和图像相似度度量二者的最小化的，所述最小化例如通过将多幅图像201-205中的一幅建立为与变换值和图像相似度值的最低加和相关联的参考图像203。
总体而言，变换度量可以通过量化从经配准的图像序列230提取的集成图像的质量，来量化将图像序列200对齐到参考图像203所需的变换程度。所述集成图像可以是从经配准的图像序列230提取的不同图。所述不同图像可以是定量图，例如，T1图、T2图、T2*图或灌注图。
总体而言，对齐处理器160可以被布置为还基于图像范围内的参考图像的位置，来从多幅图像201-205建立参考图像203。例如，当多幅图像201-205中的若干具有同样低的变换值时，所述图像中定位于图像范围内的最中心的一幅可以被建立为参考图像203。
应意识到，本发明可以有利地应用在医学领域中。在下面中，提供应用本发明来补偿灌注CMR成像序列中的呼吸运动和/或患者运动的范例。然而应当注意，本发明也可应用于来自其他解剖结构和诸如CCT、超声心动图等的模态的图像序列，并且应用在诸如用于任意医学成像模态的运动补偿图像重建的应用、用于医学图像序列的后处理应用中，或应用在用于医学图像序列的几何驱动扩散滤波器中。然而，本发明并不限于医学领域，即，同样可以应用于非医学领域，例如，用于配准来自最终用户操作的手持照相机的图像序列。
可以通过在俗称的级联机制中执行仿射图像配准来补偿灌注CMR图像序列中的呼吸运动。可以在矩形感兴趣区域(ROI)中执行所述图像配准。所述变换度量可以将量化整个图像序列的ROI角落的位移，以作为变换程度，即，变换幅度的度量。在变化参考图像的同时，对齐处理器可以在整个图像序列上采用例如以mm为单位来量化平均位移的变换最小化算法。然后所述对齐处理器可以选择所述图像中实现ROI角落的最小平均位移的一幅作为参考图像。
所述变换最小化可以是纯几何操作，例如，仅包含4x4矩阵代数及距离计算。这样的几何操作是计算高效的，以允许处理器系统迅速执行变换最小化。此外，其能够包括图像相似度度量。然而应当注意，这可能会增加计算成本，即，降低计算效率。所述变换最小化可以使仿射变换最小化。然而，所述变换还可以展现更多或更少自由度，如果所述变换是可逆的，则所述变换最小化依然是计算高效的。
应意识到，本发明还应用于适于将本发明付诸实践的计算机程序，具体地是载体上或载体中的计算机程序。所述程序可以呈现为源代码、目标代码的形式；源代码和目标代码之间的代码，例如部分编译的形式；或适用于实施根据本发明的方法的任意其他形式。还应意识到，这样的程序可以具有许多不同架构设计。例如，可以将实施根据本发明的方法或系统的功能的程序代码细分成一个或多个子程序。对于技术人员而言，在这些子程序之间分配功能的多种不同方式是显而易见的。可以在一个可执行文件中将子程序存储在一起以形成自包含的程序。这样的可执行文件可以包括计算机可执行指令，例如处理器指令和/或解释程序指令(例如，Java解释程序指令)。备选地，可以将子程序中的一个或多个或者全部存储在至少一个外部库文件中并且例如在运行时与主程序静态地或动态地链接。主程序包含对子程序中的至少一个的至少一个调用。子程序还可以包括对彼此的函数调用。涉及计算机程序产品的实施例包括与所述方法中的至少一种的每个处理步骤对应的计算机可执行指令。这些指令可以被细分成子程序和/或存储在可以静态或动态链接的一个或多个文件中。涉及计算机程序产品的另一实施例包括与所阐述系统和/或产品中的至少一种的每个模块对应的计算机可执行指令。这些指令可以被细分成子程序和/或存储在可以静态或动态链接的一个或多个文件中。
计算机程序的载体可以是能够承载程序的任何实体或装置。例如，载体可以包括诸如ROM的存储介质或磁记录介质，ROM例如是CD ROM或半导体ROM，磁记录介质例如是硬盘。此外，载体可以是可发射载体，例如电信号或光信号，其可以经由电缆或光缆或通过辐射或其他手段传送。当在这样的信号中实现程序时，载体可以由这样的线缆或其他装置或模块构成。备选地，载体可以是其中嵌入程序的集成电路，所述集成电路适于执行相关方法或在执行相关方法中使用。
应当注意，上述实施例对本发明进行举例说明，而不是对本发明做出限制，并且本领域技术人员能够在不背离权利要求书的范围的情况下设计出许多备选实施例。在权利要求中，不应当将任何放置在括号内的附图标记认为是限制所述权利要求。动词“包括”及其词性变化的使用不排除权利要求陈述的元件或步骤以外的元件或步骤的存在。元件前的冠词“一”、“一个”不排除存在多个这样的元件。可以利用包括若干分立元件的硬件，也可以利用适当编程的计算机实现本发明。在枚举了若干机构的装置权利要求中，可以通过同一件硬件体现这些机构中的若干。尽管在互不相同的从属权利要求中记载了特定措施，但是这并不指示不能有利地使用这些措施的组合。
Claims (14)
1.一种用于配准图像序列的系统(100)，包括：
-输入部(120)，其用于获得图像序列(200)，所述图像序列包括顺序布置在图像范围内的多幅图像(201-205)；
-变换处理器(140)，其用于建立所述图像序列(200)中的毗邻的连续图像对之间的变换，以获得多个变换(211-214)作为变换矩阵；
-对齐处理器(160)，其用于基于所述多个变换(211-214)来将所述图像序列(200)对齐到参考图像(203)，以获得经配准的图像序列(230)；
-其中，所述对齐处理器(160)被布置为基于变换度量来从所述多幅图像(201-205)建立所述参考图像(203)，所述变换度量量化将所述图像序列(200)对齐到所述参考图像(203)所需的变换程度，其中，所述对齐处理器(160)被布置为基于毗邻的连续图像对的所述变换矩阵的相乘，来量化所述变换程度。
2.根据权利要求1所述的系统(100)，其中，所述对齐处理器(160)被布置为通过基于对所述变换度量的最小化来从所述多幅图像(201-205)选择所述参考图像而建立所述参考图像(203)。
3.根据权利要求2所述的系统(100)，其中，所述对齐处理器(160)被布置为通过以下方式来建立所述参考图像(203)：i)针对至少所述多幅图像(201-205)的子集，基于所述变换度量来计算变换值；并且ii)选择所述图像中具有最低变换值的一幅作为所述参考图像(203)。
4.根据权利要求1所述的系统(100)，其中，所述对齐处理器(160)被布置为建立插值图像作为所述参考图像(203)，所述插值图像在所述图像范围中的位置在所述图像序列(200)中的连续图像对之间。
5.根据权利要求1所述的系统(100)，其中，所述对齐处理器(160)被布置为在所述图像序列(200)中建立感兴趣区域(240)，并且其中，所述变换度量量化将所述图像序列(200)中的所述感兴趣区域(240)对齐到所述参考图像(203)中的所述感兴趣区域所需的变换程度。
6.根据权利要求5所述的系统(100)，还包括用于检测所述图像序列(200)中的所述感兴趣区域(240)的感兴趣区域检测器(180)。
7.根据权利要求1所述的系统(100)，其中，所述对齐处理器(160)被布置为通过以下方式来量化所述变换度量：i)针对所述多幅图像(201-205)中的每幅图像，建立变换矩阵乘积，所述变换矩阵乘积指示从所述多幅图像中的各幅图像到所述参考图像(203)的所述变换；并且ii)基于所述变换矩阵乘积的加和来建立变换值。
8.根据权利要求1所述的系统(100)，其中，所述变换矩阵是4x4变换矩阵。
9.根据权利要求1所述的系统(100)，其中，所述对齐处理器(160)被布置为基于所述变换度量来生成置信值(250)，所述置信值指示将所述图像序列(200)对齐到所述参考图像(203)的质量。
10.根据权利要求1所述的系统(100)，其中，所述对齐处理器(160)被布置为还基于图像相似度度量来从所述多幅图像(201-205)建立所述参考图像(203)，所述图像相似度度量量化当将所述图像序列(200)对齐到所述参考图像(203)时获得的对应程度。
11.根据权利要求1所述的系统(100)，其中，所述对齐处理器(160)被布置为还基于所述图像范围内的所述参考图像的位置，来从所述多幅图像(201-205)建立所述参考图像(203)。
12.一种包括根据权利要求1所述的系统的工作站或成像装置。
13.一种用于配准图像序列的方法(300)，包括：
-获得(310)所述图像序列，所述图像序列包括顺序布置在图像范围内的多幅图像；
-建立(320)所述图像序列中的毗邻的连续图像对之间的变换，以获得多个变换作为变换矩阵；
-基于所述多个变换，来将所述图像序列对齐(340)到参考图像，以获得经配准的图像序列；
-其中，所述方法还包括基于变换度量来从所述多幅图像建立(330)所述参考图像，所述变换度量量化将所述图像序列对齐到所述参考图像所需的变换程度，其中，所述变换程度是基于毗邻的连续图像对的所述变换矩阵的相乘来量化的。
14.一种用于配准图像序列的设备，包括：
-用于获得(310)所述图像序列的单元，所述图像序列包括顺序布置在图像范围内的多幅图像；
-用于建立(320)所述图像序列中的毗邻的连续图像对之间的变换，以获得多个变换作为变换矩阵的单元；
-用于基于所述多个变换，来将所述图像序列对齐(340)到参考图像，以获得经配准的图像序列的单元；
-其中，所述设备还包括用于基于变换度量来从所述多幅图像建立(330)所述参考图像的单元，所述变换度量量化将所述图像序列对齐到所述参考图像所需的变换程度，其中，所述变换程度是基于毗邻的连续图像对的所述变换矩阵的相乘来量化的。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US201261665337P | 2012-06-28 | 2012-06-28 | |
| US61/665,337 | 2012-06-28 | ||
| PCT/IB2013/055321 WO2014002068A2 (en) | 2012-06-28 | 2013-06-28 | System and method for registering an image sequence |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104508703A CN104508703A (zh) | 2015-04-08 |
| CN104508703B true CN104508703B (zh) | 2020-06-30 |
Family
ID=49213000
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201380034148.0A Active CN104508703B (zh) | 2012-06-28 | 2013-06-28 | 用于配准图像序列的系统和方法 |
Country Status (7)
| Country | Link |
|---|---|
| US (1) | US9478013B2 (zh) |
| EP (1) | EP2867858B1 (zh) |
| JP (1) | JP6290877B2 (zh) |
| CN (1) | CN104508703B (zh) |
| BR (1) | BR112014031978B1 (zh) |
| RU (1) | RU2638761C2 (zh) |
| WO (1) | WO2014002068A2 (zh) |
Families Citing this family (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP6452414B2 (ja) * | 2014-12-03 | 2019-01-16 | キヤノン株式会社 | 画像処理装置、撮像装置、画像処理方法およびプログラム |
| DE102014224851A1 (de) * | 2014-12-04 | 2016-06-09 | Siemens Aktiengesellschaft | Vorrichtung und Verfahren zur Darstellung von Strukturinformation über ein technisches Objekt |
| CN106296714B (zh) * | 2016-08-23 | 2019-05-03 | 东方网力科技股份有限公司 | 一种图像配准方法和装置 |
| CN108010070B (zh) * | 2017-05-27 | 2018-12-14 | 北京航空航天大学 | 一种基于sar序贯图像的场景变化检测方法及装置 |
| CN108387524B (zh) * | 2018-01-22 | 2020-06-05 | 青岛理工大学 | 一种多相材料连续剖面图像获取方法 |
| CN109035316B (zh) * | 2018-08-28 | 2020-12-18 | 北京安德医智科技有限公司 | 核磁共振图像序列的配准方法及设备 |
| US11830192B2 (en) | 2019-07-31 | 2023-11-28 | The Joan and Irwin Jacobs Technion-Cornell Institute | System and method for region detection in tissue sections using image registration |
| CN113808181A (zh) * | 2020-10-30 | 2021-12-17 | 上海联影智能医疗科技有限公司 | 医学图像的处理方法、电子设备和存储介质 |
| CN112785588B (zh) * | 2021-02-05 | 2021-09-14 | 南京钺曦医疗科技有限公司 | 一种ct与mr脑灌注数据的运动幅度自动估计方法 |
| CN115267632A (zh) * | 2022-05-12 | 2022-11-01 | 上海东软医疗科技有限公司 | 磁共振灌注成像方法、装置、计算机设备及可读存储介质 |
Family Cites Families (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6266453B1 (en) * | 1999-07-26 | 2001-07-24 | Computerized Medical Systems, Inc. | Automated image fusion/alignment system and method |
| US7181081B2 (en) | 2001-05-04 | 2007-02-20 | Legend Films Inc. | Image sequence enhancement system and method |
| US7092584B2 (en) | 2002-01-04 | 2006-08-15 | Time Warner Entertainment Company Lp | Registration of separations |
| JP4099357B2 (ja) | 2002-07-08 | 2008-06-11 | ジーイー・メディカル・システムズ・グローバル・テクノロジー・カンパニー・エルエルシー | 画像処理方法および装置 |
| JP2005323994A (ja) * | 2004-04-12 | 2005-11-24 | Hitachi Medical Corp | 画像処理方法 |
| CA2573217C (en) * | 2004-08-09 | 2013-04-09 | Bracco Research Sa | An image registration method and apparatus for medical imaging based on mulptiple masks |
| US20080063301A1 (en) * | 2006-09-12 | 2008-03-13 | Luca Bogoni | Joint Segmentation and Registration |
| US8064664B2 (en) * | 2006-10-18 | 2011-11-22 | Eigen, Inc. | Alignment method for registering medical images |
| US20080095465A1 (en) * | 2006-10-18 | 2008-04-24 | General Electric Company | Image registration system and method |
| WO2008130906A1 (en) * | 2007-04-17 | 2008-10-30 | Mikos, Ltd. | System and method for using three dimensional infrared imaging to provide psychological profiles of individuals |
| US7995864B2 (en) | 2007-07-03 | 2011-08-09 | General Electric Company | Method and system for performing image registration |
| US8406491B2 (en) * | 2008-05-08 | 2013-03-26 | Ut-Battelle, Llc | Image registration method for medical image sequences |
| RU2382406C1 (ru) * | 2008-10-10 | 2010-02-20 | Корпорация "САМСУНГ ЭЛЕКТРОНИКС Ко., Лтд." | Способ улучшения карты диспарантности и устройство для реализации способа |
| RU2419880C2 (ru) * | 2008-11-14 | 2011-05-27 | Корпорация "САМСУНГ ЭЛЕКТРОНИКС Ко., Лтд." | Способ и устройство для вычисления и фильтрации карты диспарантности на основе стерео изображений |
| CN101604444A (zh) * | 2009-07-09 | 2009-12-16 | 复旦大学 | 用图像质量评估作为相似性测度的血管减影图像配准方法 |
| CN102034231B (zh) * | 2009-09-25 | 2012-06-06 | 汉王科技股份有限公司 | 图像序列配准方法 |
| JP5405293B2 (ja) * | 2009-12-28 | 2014-02-05 | 株式会社東芝 | 画像処理装置及び磁気共鳴イメージング装置 |
| JP5725745B2 (ja) * | 2010-07-05 | 2015-05-27 | 株式会社東芝 | Ｘ線診断装置及び医用画像診断装置 |
| US8682054B2 (en) * | 2010-11-15 | 2014-03-25 | Siemens Aktiengesellschaft | Method and system for propagation of myocardial infarction from delayed enhanced cardiac imaging to cine magnetic resonance imaging using hybrid image registration |
| US8989461B2 (en) * | 2012-05-11 | 2015-03-24 | Siemens Aktiengesellschaft | Method of deformable motion correction and image registration in X-ray stent imaging |
-
2013
- 2013-06-28 EP EP13763299.8A patent/EP2867858B1/en active Active
- 2013-06-28 CN CN201380034148.0A patent/CN104508703B/zh active Active
- 2013-06-28 BR BR112014031978-2A patent/BR112014031978B1/pt active IP Right Grant
- 2013-06-28 JP JP2015519460A patent/JP6290877B2/ja active Active
- 2013-06-28 US US14/405,437 patent/US9478013B2/en active Active
- 2013-06-28 RU RU2015102623A patent/RU2638761C2/ru active
- 2013-06-28 WO PCT/IB2013/055321 patent/WO2014002068A2/en active Application Filing
Also Published As
| Publication number | Publication date |
|---|---|
| RU2015102623A (ru) | 2016-08-20 |
| BR112014031978A2 (pt) | 2017-06-27 |
| JP6290877B2 (ja) | 2018-03-07 |
| US9478013B2 (en) | 2016-10-25 |
| US20150147002A1 (en) | 2015-05-28 |
| JP2015527900A (ja) | 2015-09-24 |
| WO2014002068A3 (en) | 2014-02-27 |
| BR112014031978B1 (pt) | 2021-12-07 |
| RU2638761C2 (ru) | 2017-12-15 |
| EP2867858B1 (en) | 2017-11-15 |
| WO2014002068A2 (en) | 2014-01-03 |
| EP2867858A2 (en) | 2015-05-06 |
| CN104508703A (zh) | 2015-04-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104508703B (zh) | 用于配准图像序列的系统和方法 | |
| US8682054B2 (en) | Method and system for propagation of myocardial infarction from delayed enhanced cardiac imaging to cine magnetic resonance imaging using hybrid image registration | |
| US9754390B2 (en) | Reconstruction of time-varying data | |
| Baka et al. | Oriented Gaussian mixture models for nonrigid 2D/3D coronary artery registration | |
| Penney et al. | Registration-based interpolation | |
| JP5337354B2 (ja) | 幾何学方式レジストレーションのためのシステムおよび方法 | |
| Jurek et al. | CNN-based superresolution reconstruction of 3D MR images using thick-slice scans | |
| US20080050043A1 (en) | Methods and Systems for Registration of Images | |
| US8682051B2 (en) | Smoothing of dynamic data sets | |
| JP2008500108A (ja) | 画像の時間順序における動き補償用の方法およびシステム | |
| Mahmoudzadeh et al. | Evaluation of interpolation effects on upsampling and accuracy of cost functions‐based optimized automatic image registration | |
| US20160275357A1 (en) | Method and system for tracking a region in a video image | |
| CN107111881B (zh) | 对应性概率图驱动的可视化 | |
| EP3314582B1 (en) | Interactive mesh editing | |
| EP3472805B1 (en) | A method and apparatus for mapping at least part of a structure in an image of at least part of a body of a subject | |
| Bögel et al. | Respiratory Motion Compensation Using Diaphragm Tracking for Cone‐Beam C‐Arm CT: A Simulation and a Phantom Study | |
| Veeraraghavan et al. | Simultaneous segmentation and iterative registration method for computing ADC with reduced artifacts from DW‐MRI | |
| Aghajani et al. | Intensity based image registration by minimizing the complexity of weighted subtraction under illumination changes | |
| Karani et al. | An image interpolation approach for acquisition time reduction in navigator-based 4D MRI | |
| Morais et al. | Dense motion field estimation from myocardial boundary displacements | |
| Danudibroto et al. | Spatiotemporal registration of multiple three-dimensional echocardiographic recordings for enhanced field of view imaging | |
| Hermosillo et al. | Image registration in medical imaging: applications, methods, and clinical evaluation | |
| Haque et al. | Automated registration of 3d ultrasound and ct/mr images for liver | |
| Hentschke et al. | Automatic 2D/3D-Registration of Cerebral DSA Data Sets. | |
| Liu et al. | Moving propagation of suspicious myocardial infarction from delayed enhanced cardiac imaging to cine MRI using hybrid image registration |
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 |