CN104885121B - 诊断成像应用中的基于随着时间的统计分析的分割 - Google Patents
诊断成像应用中的基于随着时间的统计分析的分割 Download PDFInfo
- Publication number
- CN104885121B CN104885121B CN201380066958.4A CN201380066958A CN104885121B CN 104885121 B CN104885121 B CN 104885121B CN 201380066958 A CN201380066958 A CN 201380066958A CN 104885121 B CN104885121 B CN 104885121B
- Authority
- CN
- China
- Prior art keywords
- value
- selected location
- statistical parameter
- statistical
- response
- 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
- 230000011218 segmentation Effects 0.000 title claims abstract description 168
- 238000007619 statistical method Methods 0.000 title description 4
- 239000002872 contrast media Substances 0.000 claims abstract description 59
- 230000004044 response Effects 0.000 claims abstract description 49
- 238000000034 method Methods 0.000 claims abstract description 47
- 238000009826 distribution Methods 0.000 claims abstract description 40
- 238000004458 analytical method Methods 0.000 claims abstract description 39
- 238000012545 processing Methods 0.000 claims abstract description 11
- 230000009466 transformation Effects 0.000 claims description 52
- 230000010412 perfusion Effects 0.000 claims description 28
- 230000003902 lesion Effects 0.000 claims description 20
- 230000008859 change Effects 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 9
- 238000005520 cutting process Methods 0.000 claims description 9
- 230000036541 health Effects 0.000 claims description 9
- 238000003860 storage Methods 0.000 claims description 7
- 241000208340 Araliaceae Species 0.000 claims description 3
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims description 3
- 235000003140 Panax quinquefolius Nutrition 0.000 claims description 3
- 235000008434 ginseng Nutrition 0.000 claims description 3
- 230000036961 partial effect Effects 0.000 claims description 2
- 239000004744 fabric Substances 0.000 claims 2
- 230000000875 corresponding effect Effects 0.000 description 58
- 239000000243 solution Substances 0.000 description 29
- 230000003068 static effect Effects 0.000 description 29
- 238000003384 imaging method Methods 0.000 description 28
- 230000006870 function Effects 0.000 description 25
- 210000001519 tissue Anatomy 0.000 description 23
- 239000002245 particle Substances 0.000 description 17
- 238000002604 ultrasonography Methods 0.000 description 16
- 239000000523 sample Substances 0.000 description 13
- 238000001514 detection method Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 12
- 206010028980 Neoplasm Diseases 0.000 description 11
- 230000009471 action Effects 0.000 description 11
- 239000011159 matrix material Substances 0.000 description 7
- 239000002609 medium Substances 0.000 description 7
- 210000004027 cell Anatomy 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 238000013139 quantization Methods 0.000 description 6
- 239000007787 solid Substances 0.000 description 6
- 230000003993 interaction Effects 0.000 description 5
- 238000000605 extraction Methods 0.000 description 4
- 235000013350 formula milk Nutrition 0.000 description 4
- 239000007788 liquid Substances 0.000 description 4
- 210000004185 liver Anatomy 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 208000007536 Thrombosis Diseases 0.000 description 3
- 210000004204 blood vessel Anatomy 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 239000003795 chemical substances by application Substances 0.000 description 3
- 230000001186 cumulative effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 239000003446 ligand Substances 0.000 description 3
- 210000002307 prostate Anatomy 0.000 description 3
- 238000002601 radiography Methods 0.000 description 3
- 239000000725 suspension Substances 0.000 description 3
- 206010019695 Hepatic neoplasm Diseases 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 210000004369 blood Anatomy 0.000 description 2
- 239000008280 blood Substances 0.000 description 2
- 230000000747 cardiac effect Effects 0.000 description 2
- 208000037516 chromosome inversion disease Diseases 0.000 description 2
- 239000011248 coating agent Substances 0.000 description 2
- 238000000576 coating method Methods 0.000 description 2
- 238000002591 computed tomography Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 230000004069 differentiation Effects 0.000 description 2
- 238000005315 distribution function Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 210000003038 endothelium Anatomy 0.000 description 2
- 210000003743 erythrocyte Anatomy 0.000 description 2
- 238000011049 filling Methods 0.000 description 2
- 230000001951 hemoperfusion Effects 0.000 description 2
- 238000002347 injection Methods 0.000 description 2
- 239000007924 injection Substances 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 210000000056 organ Anatomy 0.000 description 2
- 229920000642 polymer Polymers 0.000 description 2
- 238000000513 principal component analysis Methods 0.000 description 2
- 102000005962 receptors Human genes 0.000 description 2
- 108020003175 receptors Proteins 0.000 description 2
- 230000000717 retained effect Effects 0.000 description 2
- 230000002441 reversible effect Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000002792 vascular Effects 0.000 description 2
- KZMAWJRXKGLWGS-UHFFFAOYSA-N 2-chloro-n-[4-(4-methoxyphenyl)-1,3-thiazol-2-yl]-n-(3-methoxypropyl)acetamide Chemical compound S1C(N(C(=O)CCl)CCCOC)=NC(C=2C=CC(OC)=CC=2)=C1 KZMAWJRXKGLWGS-UHFFFAOYSA-N 0.000 description 1
- 208000037260 Atherosclerotic Plaque Diseases 0.000 description 1
- 102000009123 Fibrin Human genes 0.000 description 1
- 108010073385 Fibrin Proteins 0.000 description 1
- BWGVNKXGVNDBDI-UHFFFAOYSA-N Fibrin monomer Chemical compound CNC(=O)CNC(=O)CN BWGVNKXGVNDBDI-UHFFFAOYSA-N 0.000 description 1
- 108090000288 Glycoproteins Proteins 0.000 description 1
- 102000003886 Glycoproteins Human genes 0.000 description 1
- 108010028921 Lipopeptides Proteins 0.000 description 1
- 108090000184 Selectins Proteins 0.000 description 1
- 102000003800 Selectins Human genes 0.000 description 1
- 241001116459 Sequoia Species 0.000 description 1
- 241000872198 Serjania polyphylla Species 0.000 description 1
- 108010000134 Vascular Cell Adhesion Molecule-1 Proteins 0.000 description 1
- 102100023543 Vascular cell adhesion protein 1 Human genes 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000033115 angiogenesis Effects 0.000 description 1
- 239000012736 aqueous medium Substances 0.000 description 1
- 239000007900 aqueous suspension Substances 0.000 description 1
- 210000001367 artery Anatomy 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 201000011510 cancer Diseases 0.000 description 1
- 210000004413 cardiac myocyte Anatomy 0.000 description 1
- 210000000170 cell membrane Anatomy 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 210000002808 connective tissue Anatomy 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001351 cycling effect Effects 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 239000002961 echo contrast media Substances 0.000 description 1
- 230000009881 electrostatic interaction Effects 0.000 description 1
- 239000003995 emulsifying agent Substances 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 210000000981 epithelium Anatomy 0.000 description 1
- 229950003499 fibrin Drugs 0.000 description 1
- 210000001035 gastrointestinal tract Anatomy 0.000 description 1
- 210000004907 gland Anatomy 0.000 description 1
- 150000004676 glycans Chemical class 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000005802 health problem Effects 0.000 description 1
- 210000002216 heart Anatomy 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002757 inflammatory effect Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000010255 intramuscular injection Methods 0.000 description 1
- 239000007927 intramuscular injection Substances 0.000 description 1
- 238000010253 intravenous injection Methods 0.000 description 1
- 150000002632 lipids Chemical class 0.000 description 1
- 210000004072 lung Anatomy 0.000 description 1
- 238000002595 magnetic resonance imaging Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 210000004379 membrane Anatomy 0.000 description 1
- 239000003094 microcapsule Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 230000003387 muscular Effects 0.000 description 1
- 229920005615 natural polymer Polymers 0.000 description 1
- 239000003921 oil Substances 0.000 description 1
- 238000011017 operating method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000006116 polymerization reaction Methods 0.000 description 1
- 229920001282 polysaccharide Polymers 0.000 description 1
- 239000005017 polysaccharide Substances 0.000 description 1
- 239000002243 precursor Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000002203 pretreatment Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 108090000765 processed proteins & peptides Proteins 0.000 description 1
- 208000023958 prostate neoplasm Diseases 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 238000005295 random walk Methods 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- SFZCNBIFKDRMGX-UHFFFAOYSA-N sulfur hexafluoride Chemical compound FS(F)(F)(F)(F)F SFZCNBIFKDRMGX-UHFFFAOYSA-N 0.000 description 1
- 229960000909 sulfur hexafluoride Drugs 0.000 description 1
- 239000004094 surface-active agent Substances 0.000 description 1
- 229920001059 synthetic polymer Polymers 0.000 description 1
- 239000002562 thickening agent Substances 0.000 description 1
- 210000003462 vein Anatomy 0.000 description 1
- 230000002861 ventricular Effects 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/48—Diagnostic techniques
- A61B8/481—Diagnostic techniques involving the use of contrast agent, e.g. microbubbles introduced into the bloodstream
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/174—Segmentation; Edge detection involving the use of two or more images
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M5/00—Devices for bringing media into the body in a subcutaneous, intra-vascular or intramuscular way; Accessories therefor, e.g. filling or cleaning devices, arm-rests
- A61M5/007—Devices for bringing media into the body in a subcutaneous, intra-vascular or intramuscular way; Accessories therefor, e.g. filling or cleaning devices, arm-rests for contrast media
-
- 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
- G06T7/0014—Biomedical image inspection using an image reference approach
-
- 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
- G06T2207/10132—Ultrasound image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
-
- 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)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Hematology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Animal Behavior & Ethology (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Radiology & Medical Imaging (AREA)
- Anesthesiology (AREA)
- Pathology (AREA)
- Biophysics (AREA)
- Vascular Medicine (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Quality & Reliability (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Image Processing (AREA)
Abstract
提出了一种用于诊断成像应用中的分割方案。相应的数据处理分割方法(A1‑A10)包括:提供(A1‑A4)被灌注造影剂的身体部分在非零分析时间段期间的表示,对于所述身体部分的一组位置中的每个位置所述表示包括所述位置在所述分析时间段期间对询问信号的响应的指示;对于一组选定位置中的每个选定位置,计算(A5‑A6)所述选定位置在所述分析时间段期间的响应的统计分布的至少一个统计参数的值,所述一组选定位置包括所有的所述位置或者其一部分;并且根据关于所述选定位置的所述至少一个统计参数的值与至少一个分割阈值之间的比较,分割(A7‑A9)所述选定位置。
Description
技术领域
根据本公开的方案涉及诊断成像领域。更具体地说,本方案涉及诊断成像应用中的分割。
背景技术
分割技术广泛用于诊断成像应用(或简称为成像应用)中;一般来说,任何分割技术旨在将所分析的患者的身体部分的表示(例如,其数字图像)分割为两个或更多个部分,每个部分包括该身体部分的该表示的具有基本上同质的特性的一部分。
例如,分割技术可以在动态对比度增强超声(DCE-US)成像应用中用于评估血液灌注。在这种情况下,充当高效超声反射体的超声造影剂(UCA)或简称为造影剂被施用于患者。造影剂在患者中以与红血球相同的速率流动,以使得其通过记录响应于超声波返回的回声信号的检测提供关于相应的血液灌注的信息。具体地说,对于身体部分的其中回声信号已经被记录的每个位置,(例如,从随着时间拟合回声信号的参数化函数)计算表征它的灌注参数(诸如峰值增强)的值。通过将相应的灌注参数值分配给表示身体部分的位置的每个像素,构建参数化图像。该参数化图像可以用于计算身体部分的包括病变的分析区域中的灌注参数值的合并值(例如,它们的均值);通常,分析区域的合并值用相对于身体部分的包括健康问题的控制区域中的灌注参数值的合并值的相对项来表示。该相对的合并值提供病变的量化表征,该量化表征可以用于例如其治疗随访中。
然而,分析区域和控制区域的合并值本质上受一定程度的不精确度的影响,因为它们是在身体部分的不完美地同质的区域中整体计算的;例如,分析区域可能包括低灌注的坏死组织,控制区域可能包括高灌注的大血管。分析区域和控制区域的这些低灌注部分和高灌注部分分别在它们的合并值中引起在分析区域的相对合并值中反映的误差。该缺点在治疗随访中尤其严重,其中,病变在其处理期间的灌注中即使是微小的变化都可能指示处理的有效性。
可替代地,WO-A-2011/026866(其全部公开内容通过引用并入本文)公开了通过下述方式确定关于分析区域(限定感兴趣区域)的每个像素的分析函数,即,用时间模型函数(例如,对数正态分布函数)拟合其回声-功率信号,并且通过用相同的时间模型函数拟合其回声-功率信号的平均值来确定关于参考区域(包括健康实质)的参考函数。对于分析区域的每个像素,通过从其分析函数减去参考函数来计算差函数;然后根据像素的差函数将该像素分配给不同的类(即,正单极类、负单极类、正到负双极类和负到正双极类)。为了这个目的,可以计算差函数的正能量和负能量;当正能量和负能量的和高于显著性阈值时,计算相对正能量和相对负能量。如果相对正能量或相对负能量超过鉴别阈值,则将差函数分别分配给正单极类或负单极类;相反,根据差函数的主要极性变化的数量级将该差函数分配到正到负双极类或负到正双极类。
分割技术还可以用于超声分子成像(UMI)应用中。在这种情况下,使用目标特定的造影剂;该目标特定的造影剂适于到达特定生物目标(例如,病变),然后通过特定的相互作用在其上保持固定。目标特定的造影剂的在身体部分中固定的任何颗粒的检测使得可以识别否则将难以发现的相应病变;而且,这些固定颗粒的量化使得可以确定病变的状态,该状态可以用于例如该病变的治疗随访中。
然而,目标特定的造影剂的固定颗粒的检测和量化受到如下事实的阻碍,即,其总量中只有一小部分实际上到达目标,并且在其上保持固定;大部分目标特定的造影剂而是继续循环相当长的时间(诸如,几分钟)——例如,直到它被肺脏滤出和/或在患者的肝脏中被滤出为止。因此,身体部分中的目标特定的造影剂的颗粒包括固定的颗粒的贡献和仍然循环的颗粒的贡献两者;因此,区别这两个贡献是相当困难的(尤其是在施用目标特定的造影剂之后的早期)。
发明内容
本公开的精简的总结在本文中是为了提供其基本理解而呈现的;然而,本总结的唯一目的是作为其后面的更详细描述的序言以精简的方式介绍本公开的一些概念,并且本总结不应被解释为标识其关键元素,也不应被解释为其范围的划定。
一般地说,本公开基于使分割基于随着时间的统计分析的构思。
具体地说,一方面提供一种用于诊断成像应用中的数据处理分割方法,其中,被灌注造影剂的身体部分的表示的选定位置在每个选定位置的分析时间段期间根据与对询问信号的响应相关的至少一个统计参数的值而分割。
另一方面提供一种相应的计算机程序。
另一方面提供一种相应的计算机程序产品。
另一方面提供一种相应的系统。
另一方面提供一种相应的诊断成像方法。
更具体地说,本公开的一个或多个方面在独立权利要求中阐述,其有利的特征在从属权利要求中阐述,所有权利要求的措辞在本文中通过引用逐字地并入(参照任何特定方面提供的任何有利的特征适用于每一个其它方面)。
附图说明
根据本公开的一个或多个实施例的解决方案及其进一步的特征和优点将参照以下详细描述被最好地理解,以下详细描述仅仅作为非限制性指示而给出,应结合附图进行阅读(其中,为了简单起见,相应的元件用相同的或相似的标号表示,并且它们的说明不被重复,并且每个实体的名称一般用于表示其类型和其属性两者——诸如值、内容和表示)。具体地说:
图1示出可以用于实施根据本公开的实施例的解决方案的系统的图形表示,
图2示出根据本公开的实施例的解决方案的应用的体外情况的例子,
图3A-图3B示出根据本公开的实施例的解决方案的应用的例子,
图4A-图4D示出根据本公开的另一实施例的解决方案的应用的例子,
图5A-图5C示出根据本公开的另一实施例的解决方案的应用的例子,
图6示出表示可以用于实现根据本公开的实施例的解决方案的主要组件的作用的协作图,和
图7、图8和图9示出根据本公开的实施例的解决方案的体内应用的不同例子。
具体实施方式
具体参照图1,示出了可以用于实施根据本公开的实施例的解决方案的系统100。具体地说,系统100是超声扫描仪,其包括中央单元105以及连接到中央单元105的、例如阵列类型的手持发射-接收成像探头(或简称为成像探头)110。成像探头110发射包括超声脉冲序列的超声波(例如,具有1和50MHz之间的中心频率),并且接收由这些超声脉冲在选定的扫描平面中的反射而导致的射频(RF)回声信号;为了这个目的,成像探头110设有发射/接收复用器,其允许在上述脉冲-回声模式下使用成像探头110。
中央单元105容纳主板115,在主板115上,安装控制超声扫描仪100的操作的电子电路(例如,微处理器、工作存储器和硬盘驱动器)。而且,一个或多个子板(整个用标号120表示)被插入到主板115中;子板120提供用于驱动成像探头110并且用于处理回声信号的电子电路。中央单元105还配备有用于可移动盘130(诸如CD或DVD)的驱动器125。用于显示与进行中的分析处理相关的图像的监视器135连接到中央单元105。超声扫描仪100的操作通过键盘140(以常规方式连接到中央单元105)控制;优选地,键盘140设有用于在监视器135上操纵指针(该图中未示出)的位置的轨迹球145。
超声扫描仪100用于分析患者155的身体部分150;为了这个目的,(超声)造影剂被施用于患者155。
造影剂包括充当良好的超声反射体的颗粒。例如,造影剂是充气气泡在液态载体中的悬浮液;通常,充气气泡具有大约0.1-5μm的直径,以便使得它们可以保留在患者155的血管系统内,但是同时使得它们可以通过他/她的毛细血管。充气气泡通常通过将气体或者其前体夹带或封装到各种系统中来使其稳定,所述各种系统包括磷脂、乳化剂、油、增稠剂、糖、蛋白质或聚合物;稳定的充气气泡一般被称为微泡。具体地说,分散在水介质中并且在气体/液体界面处被包含表面活性剂(即,两亲性材料)的非常薄的包膜束缚的气泡也被称为微气泡。可替代地,被由脂类或(天然或合成)聚合物形成的固态材料包膜包围的微泡也被称为微气球或微胶囊。另一种类的造影剂包括聚合物或其它固体的多孔微粒的悬浮液,该悬浮液携带包埋在微粒的孔内的气体的气泡。EP-A-0458745、WO-A-91/15244、EP-A-0554213、WO-A-94/09829和WO-A-95/16467(其全部公开内容通过引用并入本文)中描述了微泡(具体地说,微气泡和微气球)的合适的水性悬浮液及其制备的例子。商业的包含微泡的造影剂的例子是Bracco International BV(商标)的SonoVue。
造影剂还可以是目标特定的类型。目标特定的造影剂基本上自由地在患者155内循环;然而,目标特定的造影剂还能够固定在选定的(生物)目标上,以便保留在基本固定的位置上一定时间段。为了这个目的,目标特定的造影剂以通过与期望目标的特定相互作用选择性地绑定到该期望目标的这样的方式配制。例如,该行为可以通过合并能够选择性地绑定到期望组织或受体(例如,通过生物化学亲合性和/或静电作用)的目标特定的配体来实现。目标特定的配体(其可以插入到微气泡的膜中)的例子是单克隆抗体、肽或多糖。术语组织包括(在其意义内)单个的细胞以及细胞的聚合(诸如细胞膜或器官)。该术语指的是正常的(健康的)或异常的(病态的)细胞或细胞聚合。组织的例子是心肌组织(包括心室肌细胞和心肌细胞)、膜组织(诸如内皮和上皮)以及结缔组织;病态组织的例子是梗塞心脏组织、血凝块、动脉粥样硬化斑块、炎性组织和肿瘤组织。受体包括位于组织上(例如,在细胞内或者在它们的表面上)的、能够选择性地绑定到特定物质的任何分子结构。示例性受体是糖蛋白GPIIbIIIa或纤维蛋白(例如,位于血凝块或血栓上)、P选择素(例如,位于发炎组织的激活内皮上)或KDR(例如,位于肿瘤组织)上。以下文献中描述了合适的目标特定的造影剂和目标特定的配体的例子:“Pochon等人,BR55:A lipopeptide-based VEGFR2-targetedultrasound contrast agent for molecular imaging of angiogenesis.Inves Radiol2010;45:89-95”和“Tardy等人,Ultrasound molecular imaging of VEGFR2in a ratprostate tumor model using BR55,Inves Radiol 2010;45:573-578”;以及WO-A-2006018433(这些文献的全部公开内容都通过引用并入本文)。
可以通过应用超声波并且记录响应于这些超声波返回的回声信号来检测造影剂;因为造影剂在患者155中以与红血球相同的速率流动,所以其在身体部分150中的检测和跟踪提供关于相应的血液灌注的信息。
例如,造影剂被以大剂量——即,在(大约2-20秒的)短时间段内用手通过注射器提供的一次剂量——静脉注射到患者155。造影剂在患者155的血管系统内循环,以便灌注身体部分150。同时,成像探头110被放置为在身体部分150的区域中与患者155的皮肤接触。超声脉冲的成像帧序列施加于身体部分150;在分析(时间)段期间随着时间的过去在连续的采集时刻(例如,在2-25秒期间以4-20Hz的帧率)响应于不同成像帧的超声脉冲记录的回声信号提供身体部分150在该分析时间段期间的相应位置的表示(在其在选定的扫描平面中的切片中)。回声信号由造影剂(如果存在)所产生的不同贡献和周围组织的叠加得到。优选地,超声扫描仪100以对比度特定的成像模式操作,以便相对于造影剂的(非线性)贡献大幅减小回声信号中的组织的主导(线性)贡献——例如,基于谐波成像(HI)、脉冲反向(PI)、功率调制(PM)、或如“Rafter等人,Imaging technologies and techniques,CardiologyClinics 22(2004),pp.181-197”(该文献的全部公开内容通过引用并入本文)中所述的其它对比脉冲序列(CPS)技术。然后产生相应的(对比度特定的)视频图像的序列;对于每个采集时刻,视频图像包括关于表示身体部分的相应位置的每个可视化元素(即,像素)的数字值;像素值由在该采集时刻关于该位置记录的回声信号的强度值定义。这样,视频图像序列表示身体部分150在分析时间段期间的灌注的演变。
图2中示出了关于根据本公开的实施例的解决方案的应用的体外情况的例子。
具体地说,使(磷脂稳定的)微气泡以1mm/s的平均流速循环通过仿组织流动体模内所包含的直径为3mm的管。用Siemens Medical Systems(商标)的Sequoia超声扫描仪在CPS模式下在25秒内以4Hz的帧率(即,100个成像帧)采集相应的视频图像序列。该图中分别用标号205a、205b和205c指示与成像帧No.25、No.43和No.66相应的视频图像。可以看出,管的上壁处的微气泡因为层流条件,基本上是静止的——例如,对于用标号210s表示的区域可见;相反,管的中心(与其上壁间隔开)处的微气泡以平均流速移动——例如,对于用标号210m表示的区域可见。
在根据本公开的实施例的解决方案中,如以下详细描述的,分割(在这种情况下,在静止微气泡的像素和移动微气泡的像素之间)基于像素值随着时间的统计分析。
具体地说,图3A-图3B中示出了根据本公开的实施例的解决方案的应用的例子。
从图3A开始,在纵轴上绘制像素值(任意单元,a.u.)对比在横轴上绘制帧数(adimensional)的常见示图中,关于静止微气泡的区域和移动微气泡的区域中的代表性像素的(线性化)像素值分别用曲线305s(实线)和曲线305m(点线)表示。
可以看出,关于静止微气泡的像素(曲线305s)和移动微气泡的像素(曲线305m)的像素值随着时间的动态大不相同;具体地说,关于静止微气泡的曲线305s几乎是恒定的,而关于移动微气泡的曲线305m表现出高变化(由于微气泡的出现和消失)。因此,每个像素的像素值随着时间的统计分布的统计参数可以用于区分它们。
例如,对于每个像素,计算其统计分布的(算术)均值、中间值和标准差。
具体地说,具有离散值Xi(其中i=1…N)的统计变量的均值(即,在这种情况下是随时间的像素值)等于:
均值是表示当统计变量具有对称形状的统计分布时该统计变量的期望值的集中趋势统计参数(即,指示统计变量值围绕其聚集的值)。
同一统计变量Xi的中间值(从其值的最小一个X1到最大一个XN排序)等于:
中间值是表示当统计变量具有歪斜(即,不对称)形状的统计分布时该统计变量的期望值的另一个集中趋势统计参数。
同一统计变量Xi的标准差σ等于:
标准差σ是表示统计变量值如何从它们的期望值离散的离差统计参数(即,指示统计变量值的变化性或伸展性)。
现在参照图3B,这些统计参数可以用于分割图2的视频图像,以便鉴别静止微气泡和移动微气泡。为了这个目的,计算三个不同的参数化图像305μ、305d和305σ。具体地说,参数化图像305μ、305d和305σ具有与视频图像相同的大小;参数化图像305μ、305d和305σ的每个像素具有参数值,该参数值分别等于相应像素值随着时间的均值、中间值和标准差的值。
可以看出,静止微气泡的像素和移动微气泡的像素之间的对比度(或差异)(例如,对于分别用标号310s和310m表示的区域可见)相当大地改进。具体地说,在关于均值的参数化图像305μ中以及在关于中间值的参数化图像305d中,参数值在静止微气泡(区域310s)的像素中较高,而在移动微气泡(区域310m)的像素中较低;这是由于如下的事实而导致的,即,像素值的期望值(用均值和中间值表达)在静止微气泡的像素中高于移动微气泡的像素中。对比度在关于中间值的参数化图像305d中高于关于均值的参数化图像305μ中,因为在移动微气泡的像素中,它们的像素值的离群值(将均值拉向其值)不影响中间值。相反,在关于标准差的参数化图像305σ中,参数值在静止微气泡(区域310s)的像素中较低,而在移动微气泡(区域310m)的像素中较高;这是由于如下的事实而导致的,即,像素值在静止微气泡的像素中随着时间的离差小于移动微气泡的像素中。例如,可以通过计算相应像素的参数值的平均值之间的比率来测量静止微气泡和移动微气泡之间的对比度。具体地说,该比率在关于均值的参数化图像305μ中等于1.69,在关于中间值的参数化图像305d中等于2.72,在关于标准差的参数化图像305σ中等于0.84;这确认提供最好结果的统计参数是中间值(之后是均值和标准差)。
以上提及的参数值(尤其是中间值)可以用于用阈值化技术分割原始图像。例如,用于参数值的分割阈值可以被设置为等于静止微气泡的像素的参数值的平均值和移动微气泡的像素的参数值的平均值之间的均值(手动选择);然后,当每个像素的参数值高于分割阈值时,将该像素分配给静止微气泡的部分,或者否则,将该像素分配给移动微气泡的部分。
一般地,上述解决方案方便分割,有益效果是所获得的结果的准确度。
具体地说,该解决方案可以用于改进DCE-US成像应用中的量化表征的性能。例如,这使得可以排除(或至少大幅减小)将被分析的包括病变的分析区域中的低灌注部分(例如,具有坏死组织)的贡献和/或包括将被与病变进行比较的健康组织的控制区域中的高灌注部分(例如,具有大血管)的贡献。结果,在分析区域的相对合并值中可能反映的相应误差大幅减小(使得即使当分析/控制区域由操作者手动选择时,分割的可再现性也更高,因为其质量现在不太取决于个人技能和经验)。
而且,相同的解决方案可以在UMI应用中用于改进目标特定的造影剂的固定颗粒的检测和量化。例如,这使得可以移除(或至少大幅减小)目标特定的造影剂的循环颗粒的贡献,尤其是在其施用之后的早期。
以上提及的优点在治疗随访的上下文中尤其感受得到,因为它们方便识别病变在其处理期间的灌注中的即使是微小的变化,这些微小的变化可能指示处理的有效性。
作为进一步的改进,分割可以基于与每个像素随着时间的像素值相关的两个或更多个统计参数。
具体地说,图4A-图4D中示出了根据本公开的另一实施例的解决方案的应用的例子。
从图4A开始,在横轴上绘制均值并且在纵轴上绘制标准差值(adimensional)的常见的散布图中,图3B的静止微气泡的区域(310s)和移动微气泡的区域(310m)中的像素的均值和标准差值分别用点405As(圆形)和点405Am(十字形)表示;具体地说,用标号405As(黑色实心圆)和405Am(黑色实心星)表示的点分别对应于图2的静止微气泡的区域(210s)中的代表性像素和移动微气泡的区域(210m)中的代表性像素。
计算用于均值的分割阈值THμ=97和用于标准差值的分割阈值THσ=57(例如,通过求取点405As和405Am的相应参数值的平均值)。分割阈值THμ和THσ在散布图中定义四个分割象限。具体地说,右上分割象限QAur由分割标准(均值>THμ和标准差值>THσ)定义,左上分割象限QAul由分割标准(均值≤THμ和标准差值>THσ)定义,左下分割象限QAll由分割标准(均值≤THμ和标准差值≤THσ)定义,右下分割象限QAlr由分割标准(均值>THμ和标准差值≤THσ)定义。
同样地,在图4B中,在横轴上绘制均值并且在纵轴上绘制标准差值(adimensional)的另一常见的散布图中,图3B的静止微气泡的区域(310s)和移动微气泡的区域(310m)中的像素的均值和标准差值分别用点405Bs(圆形)和点405Bm(十字形)表示;具体地说,用标号405Bs(黑色实心圆)和405Bm(黑色实心星)表示的点分别对应于图2的静止微气泡的区域(210s)中的代表性像素和移动微气泡的区域(210m)中的代表性像素。
除了相同的用于标准差值的分割阈值THσ=57之外,还如上那样计算用于中间值的分割阈值THd=79。分割阈值THd和THσ在散布图中定义其它四个分割象限。具体地说,右上分割象限QBur由分割标准(均值>THd和标准差值>THσ)定义,左上分割象限QBul由分割标准(均值≤THd和标准差值>THσ)定义,左下分割象限QBll由分割标准(均值≤THd和标准差值≤THσ)定义,右下分割象限QBlr由分割标准(均值>THd和标准差值≤THσ)定义。
通过比较图4A-图4B的散布图可以看出,静止微气泡的像素和移动微气泡的像素之间的对比度在关于中间值/标准差的图4B的散布图中高于关于均值/标准差的图4A的散布图中(例如,对于图4B中的点405Bm、405Bs相对于图4A中的点405Am、405As显而易见);这确认与标准差组合提供更好结果的统计参数再次是中间值。
以上参数值可以用于根据相应的分割标准来分割原始图像。
例如,如图4C中所示,四个分割掩模MAur、MAul、MAll和MAlr使用关于均值/标准差的图4A的分别与分割象限QAur、QAul、QAll和QAlr相应的分割标准而构建。每个分割掩模MAur、MAul、MAll和MAlr具有与视频图像相同的大小;具有满足相应的分割标准的参数值的像素是白色,而其它像素是黑色。而且,在所有的分割掩模MAur、MAul、MAll和MAlr中,区域410表示用于采集视频图像的流动体模的3mm管(由表示其壁的两个虚线定界)。
可以看出,分割掩模MAur和MAlr中的白色像素检测管410的上壁处的静止微气泡的像素的一部分(即使管410的中心处的一些白色像素存在于分割掩模MAur中);另一方面,分割掩模MAul和MAll中的白色像素检测管410的中心处的移动微气泡的像素的一部分(分割掩模MAll中的管410外部的白色像素可能是由于噪声和体模组织信号导致的)。
同样地,在图4D中,其它四个分割掩模MBur、MBul、MBll和MBlr如上使用关于中间值/标准差的图4B的分别与分割象限QBur、QBul、QBll和QBlr相应的分割标准而构建(管的同一区域再次用标号410标识)。如上,分割掩模MBur和MBlr中的白色像素检测管410的上壁处的静止微气泡的像素的一部分(即使管410的中心处的一些白色像素存在于(但是程度较低)分割掩模MAur中);另一方面,分割掩模MBul和MBll中的白色像素检测管410的中心处的移动微气泡的像素的一部分(分割掩模MBll中的管410外部的白色像素再次可能是由于噪声和体模组织信号导致的)。
通过比较图4C-图4D的分割掩模可以看出,静止微气泡的像素和移动微气泡的像素之间的分割在关于中间值/标准差的图4D的分割掩模中好于关于均值/标准差的图4C的分割掩模中——例如,对于图4D中的分割掩模MBur相对于图4C中的分割掩模MAur是显而易见的;这再次确认与标准差组合提供更好结果的统计参数是中间值。
作为更进一步的改进,分割可以基于以上提及的与每个像素随着时间的像素值相关的统计参数,这些统计参数被变换以提供具有歪斜形状的、(变换的)像素值的(变换的)统计分布。
具体地说,图5A-图5C中示出了根据本公开的另一实施例的解决方案的应用的例子。
从图5A开始,假定(变换的)统计分布是对数正态统计分布。在对数正态统计分布中,统计变量的自然对数具有正态统计分布。具体地说,在连续的统计变量X的情况下,表示(连续的)正态统计分布的统计密度函数是正态统计密度函数(或简称为正态函数):
其中,相同的符号和σ分别用于指示统计变量X的均值和标准差;因此,表示(连续的)对数正态统计分布的统计密度函数是对数正态统计密度函数(或简称为对数正态函数):
其中,m和s现在分别是统计变量X的自然对数(即,In(X))的均值和标准差。
在这种情况下,通过应用以下变换公式,可以从(正态)均值和(正态)中间值直接计算(对数正态)均值m和(对数正态)标准差s:
分割现在基于由对数正态均值和对数正态标准差定义的参数值。为了这个目的,通过将以上提及的变换公式应用于每个像素的随着时间的像素值的实际的均值和中间值来计算该像素的对数正态均值和对数正态标准差值。在横轴上绘制对数正态均值并且在纵轴上绘制对数正态标准差值的常见的散布图(adimensional)中,静止微气泡的区域(310s)和移动微气泡的区域(310m)中的像素的对数正态均值和对数正态标准差值分别用点505s(圆形)和点505m(十字形)表示;具体地说,用标号505s’(黑色实心圆)和505m’(黑色实心星)表示的点分别对应于图2的静止微气泡的区域(210s)中的代表性像素和移动微气泡的区域(210m)中的代表性像素。
如上计算用于对数正态均值的分割阈值THm=4.4和用于对数正态标准差值的分割阈值THs=0.54。分割阈值THm和THs在散布图中定义四个分割象限。具体地说,右上分割象限QLur由分割标准(对数正态均值>THm和对数正态标准差值>THs)定义,左上分割象限QLul由分割标准(对数正态均值≤THm和对数正态标准差值>THs)定义,左下象限QLll由分割标准(对数正态均值≤THm和对数正态标准差值≤THs)定义,右下象限QLlr由分割标准(对数正态均值>THm和对数正态标准差值≤THs)定义。
可以看出,静止微气泡的像素和移动微气泡的像素之间的对比度进一步改进;实际上,在这种情况下,静止微气泡和移动微气泡的点聚集在散布图的不同区域中,重叠减小。这进一步方便分割,因为分割阈值THm、THs现在可以独立地定义,而不会损害分割的性能。
移至图5B,四个分割掩模MLur、MLul、MLll和MLlr如上使用图5A的分别与分割象限QLur、QLul、QLll和QLlr相应的分割标准而构建(管的同一区域再次用标号410标识)。
在这种情况下,分割掩模MLlr中的白色像素检测管410的上壁处的静止微气泡的大多数像素;另一方面,分割掩模MLul中的白色像素检测管410的中心处的移动微气泡的大多数像素(掩模MLul中的管410外部的白色像素可能是由于CPS的声学伪像与管410中的微气泡的高浓度组合而导致的,所述声波伪像可以通过降低微气泡的浓度来减小)。相反,分割掩模MLur和MLll的大多数像素是黑色的(分割掩模MBll中的管410外部的白色像素再次可能是由于噪声和体模组织信号而导致的)。这确认像素值的对数变换改进了分割性能。
如图5C中所示,以上定义的分割掩模可以应用于图3B的参数化图像305μ(表示每个像素的均值)。具体地说,四个分割图像SIur、SIul、SIll和SIlr通过分别将图5B的分割掩模MLur、MLul、MLll和MLlr应用于该参数化图像上而构建;分割图像SIur、SIul、SIll和SIlr的每个像素被分配其参数值,即,如果它在相应的分割掩模中为白色,则被分配均值(为了显示的目的,用压缩因子40dB进行对数压缩),否则,它保持黑色(以便仅显示分割像素的均值)。结果,分割图像SIlr主要示出管410的上壁处的静止微气泡的像素,而分割图像SIul主要示出管410的中心处的移动微气泡的像素(以便方便区分它们)。
图6中示出了表示可以用于实现根据本公开的实施例的解决方案的主要组件的作用的协作图。
具体地说,所有的组件作为整体用标号600表示;该图描述了组件600的静态结构及其动态行为(通过一系列交换的消息,每个交换的消息表示相应的动作,该动作用前面为符号“A”的序号表示)。
信息(程序和数据)通常被存储在硬盘中,并且当程序连同操作系统和其它应用程序(该图中未示出)一起运行时,被(至少部分)加载到超声扫描仪的工作存储器中。程序最初例如从移动盘安装到硬盘上。在这方面,组件600中的每个可以表示包括用于实现指定的一个(或多个)逻辑函数的一个或多个可执行指令的模块、代码段或代码部分。
更具体地说,采集器603用于采集视频图像。为了这个目的,采集器603包括控制成像探头的驱动器。例如,成像探头驱动器设有发射波束形成器和脉冲器,它们用于在每个采集时刻产生将施加于所分析的身体部分的超声脉冲的成像帧;超声脉冲具有低声能(诸如具有机械指数MI=0.01-0.3),以便引入造影剂的可忽略的破坏(诸如小于其在连续的成像帧之间的局部浓度的5%,优选地,小于1%)。成像探头然后在每个采集时刻接收身体部分的不同位置(在选定的扫描平面中)所反射的(模拟RF)回声信号。这些模拟RF回声信号被供给接收处理器,该接收处理器预先放大模拟RF回声信号,并且施加初步时域补偿(TGC);模拟RF回声信号然后被模数转换器(ADC)转换为数字值,并且被接收波束形成器组合为聚焦的波束信号。如此获得的数字RF回声信号优选地通过进一步的数字算法和其它的线性或非线性信号调理器(例如,后波束形成TGC)进行处理;具体地说,接收处理器应用对比度特定的算法(诸如基于CPS技术)来减小组织的贡献。数字RF回声信号然后被解调、对数压缩(为了获得具有很好平衡的对比度的图像)、扫描转换为视频格式并且根据给定的色表调色盘渲染。这样,产生每个采集时刻的视频图像。该视频图像由单元矩阵定义,每个单元存储相应的像素值。像素值定义像素的亮度;例如,在灰阶视频图像中,像素值可以在8个比特上编码,作为相应的回声信号的强度的函数,从0(黑色)增大到255(白色)(表示身体部分的相应位置在该采集时刻的声学响应)。
在分析处理开始时,超声扫描仪的操作者启动成像探头,并且围绕将被分析的身体部分移动它(在施用任何造影剂之前)。相应的视频图像一被采集,就被提供给显示器606;显示器606包括驱动器,该驱动器控制超声扫描仪的监视器,以便使得实时地显示这些视频图像(动作“A1.显示”)。
操作者选择表示身体部分的特定切片的扫描平面(例如,包括将被分析的病变),并且将成像探头保持固定在该位置上一段预定义的分析时间段。造影剂现在被施用于患者,并且相应的视频图像序列(表示身体部分在分析时间段期间在所选扫描平面中的灌注)被如上那样采集。这些视频图像(除了被显示器606实时显示之外,在该图中为了清楚起见未示出显示器606的连接)还通过将它们保存到贮存器609而被登记(动作“A2.登记”)。
选择器612被操作者用于在贮存器609的一个任意选择的视频图像中选择身体部分的将被分析的期望的感兴趣区域(ROI)。感兴趣区域用ROI掩模表示,ROI掩模包括具有与视频图像相同大小的单元的矩阵;ROI掩模的每个单元存储ROI标志(即,二进制值),当相应像素在感兴趣区域的内部(即,它已经被选择)时,该ROI标志被断言(例如,为逻辑值1),否则,该ROI标志被解除断言(例如,为逻辑值0)。ROI掩模被保存到贮存器615中(动作“A3.选择”)。
预处理器618访问贮存器609中的视频图像和贮存器615中的ROI掩模。对于每个视频图像,预处理器618对其在ROI掩模中的ROI标志被断言(即,在感兴趣区域的内部)的每个单元的像素值进行处理,以便使得它与造影剂的相应的局部浓度成正比。例如,该结果可以通过下述方式实现,即,应用逆序调色板-照度表和逆序对数压缩(以使采集器603应用它们的效果逆转),然后求取如此获得的值的平方值(如WO-A-2004/110279中所述那样,该申请的全部公开内容通过引用并入本文)。预处理器618然后创建像素值矢量图,该像素值矢量图包括具有与视频图像相同大小的单元的矩阵;像素值矢量图的其在ROI掩模中的ROI标志被断言的每个单元存储像素值矢量,该像素值矢量包括沿着视频图像的相应的线性化像素值的序列(其长度对应于分析时间段的持续时间)。该像素值矢量图被保存到贮存器621中(动作“A4.预处理”)。
贮存器621中的像素值矢量图被供给计算器624,计算器624也访问贮存器615(在该图中为了清楚起见未示出其连接)中的ROI掩模。对于像素值矢量图的其在ROI掩模中的ROI标志被断言(即,在感兴趣区域的内部)的每个单元,计算器624计算相应的(线性化的)像素值的序列的均值和中间值的值。计算器624然后创建关于均值的参数化图像和关于中间值的参数化图像,每个图像包括具有与视频图像相同大小的单元的矩阵;关于均值的参数化图像和关于中间值的参数化图像的其在ROI掩模中的ROI标志被断言的每个单元分别存储相应的均值和中间值。这些参数化图像被保存到贮存器627中(动作“A5.计算”)。
贮存器627中的参数化图像被供给变换器630,变换器630也访问贮存器615(在该图中为了清楚起见未示出其连接)中的ROI掩模。对于参数化图像的其在ROI掩模中的ROI标志被断言(即,在感兴趣区域的内部)的每个像素,变换器630通过应用相应的变换公式从相应的均值和中间值计算对数正态均值和对数正态标准差的值。变换器630然后创建统计图,该统计图包括与视频图像相同大小的单元的矩阵;该统计图的其在ROI掩模中的ROI标志被断言的每个单元存储相应的统计参数(即,对数正态均值和对数正态标准差值)。该统计图被保存到贮存器633中(动作“A6.变换”)。
贮存器633中的统计图被供给分割器636,分割器636也访问贮存器615(在该图中为了清楚起见未示出其连接)中的ROI掩模。分割器636从贮存器639提取选定的一个(或多个)分割标准,贮存器639存储若干个基于用于对数正态均值和对数正态标准差值的分割阈值的预定分割标准;例如,这些分割阈值可能已经在学习阶段期间通过分析具有公知特性的样品身体部分而被设置。对于统计图的其在ROI掩模中的ROI标志被断言(即,在感兴趣区域的内部)的每个像素,分割器636验证相应的统计参数是否满足选定的分割标准(意指它是否属于表示身体部分的具有相应的同质特性的部分的相应部分)。分割器636然后创建用于选定的分割标准的分割掩模,该分割掩模包括具有与视频图像相同大小的单元的矩阵;分割掩模的每个单元存储分割标志(即,二进制值),当满足相应的分割标准时,该分割标志被断言(即,相应的像素属于该部分),否则,该分割标志被解除断言。如此创建的每个分割掩模被保存到贮存器642中(动作“A7.分割”)。
施加器645从贮存器642提取选定的一个(或多个)分割掩模;施加器645还从贮存器627提取选定的一个(或多个)参数化图像,和/或从贮存器609提取选定的一个(或多个)视频图像。施加器645通过将它们逐个单元地相乘来将(选定的)分割掩模施加于(选定的)参数化/视频图像。该操作创建分割图像,该分割图像包括与视频/参数化图像相同大小的单元的矩阵;分割图像的属于由分割掩模限定的部分(即,其分割标志被断言)的每个单元存储相应的参数化/像素值,而其它单元则被重置为0。如此创建的每个分割图像被保存到贮存器648中(动作“A8.施加”)。
贮存器648中的每个分割图像现在可以被传递给显示器606以供其显示以及任何下一次使用(动作“A9.显示”)。例如,区分目标特定的造影剂的固定颗粒与其余的循环颗粒的分割图像可以用于检测固定颗粒,因此识别身体部分中的相应病变。另外地或者可替代地,合并器651可以从贮存器642提取选定的一个(或多个)分割标准,和/或从贮存器648提取选定的一个(或多个)分割图像。合并器651计算身体部分的由(选定的)分割掩模/分割图像限定的部分所表示的部分的一个(或多个)合并值;例如,合并值可以被设置为等于在分割掩模中断言的分割标志的数量(测量身体部分的所述部分),或者合并值可以被设置为等于分割图像的像素/参数值的和或平均值(表征身体部分的所述部分)。如此计算的每个合并值被保存到贮存器654中以供下一次使用(动作“A10.合并”)。例如,其中低灌注部分被负向区分的分割图像中的与包括病变的分析区域相关的ROI的参数值的平均值自动地不受它们的分布的影响,并且其中高灌注部分被负向区分的分割图像中的与包括将被与病变进行比较的健康组织的控制区域相关的ROI的参数值的平均值自动地不受它们的分布的影响;因此,这些合并值可以组合为用相对于控制区域的合并值的相对项表达的、分析区域的合并值(例如,等于它们的比率)。而且,在分割掩模中被断言的、区分目标特定的造影剂的固定颗粒的分割标志的数量以及分割图像中的再次区分目标特定的造影剂的固定颗粒的像素/参数值的和,这两者都量化这些固定颗粒。
图7、图8和图9中示出了根据本公开的实施例的解决方案的体内应用的不同例子。
从图7开始,肝肿瘤的视频图像705是在注入造影剂之后(在峰值造影期间),在对比度特定的成像模式下20秒采集的;两个(低灌注)区域710a和710b(较暗)在视频图像705上被手动勾画。
分割掩模715是以分割标准(对数正态均值>5.0和对数正态标准差值>0),从在视频图像705的采集时刻左右的12.5秒采集的肝肿瘤的100个视频图像的序列创建的。可以看出,分割掩模715排除了两个区域720a和720b(黑色),如被排除的区域720a、720b和在分割掩模715上用灰色虚线报告的低灌注区域710a、710b的轮廓之间的良好重叠所确认的,区域720a和720b分别基本上对应于低灌注区域710a和710b。
移至图8,将用作参考区域的肝脏的健康组织的视频图像805被如上那样采集;与大血管相应的(高灌注)区域810(较亮)在视频图像805上被手动勾画。
分割掩模815是以分割标准(对数正态均值<5.9和对数正态标准差值>0),从视频图像805的采集时刻左右的3秒采集的肝脏的25个视频图像的序列创建的。可以看出,分割掩模815排除了区域820(黑色),如被排除区域820和在分割掩模815上用灰色虚线报告的高灌注区域810的轮廓之间的良好重叠所确认的,区域820基本上对应于高灌注区域810。
最后参照图9,具有(腺癌)肿瘤的模型鼠的前列腺的视频图像905是在注入针对血管细胞粘附分子1(VCAM-1)的目标特定的造影剂之后,在对比度特定的成像模式下2分钟采集的;肿瘤区域910(较亮)在视频图像905上被手动勾画。
分割掩模是以分割标准(对数正态均值>4.4和对数正态标准差值>0.54),从在视频图像905的采集时刻之后的15秒采集的、前列腺的60个视频图像的序列创建的;然后通过将该分割掩模施加于从与上相同的视频图像序列创建的、关于均值的参数化图像来创建分割图像915。可以看出,分割图像915基本上示出了仅肿瘤区域910中的目标特定的造影剂的固定颗粒,目标特定的造影剂的其余的循环颗粒在视频图像905中存在于肿瘤区域910的外部,肿瘤区域910在分割图像915中基本上不存在。而且,同样地在肿瘤区域910中,目标特定的造影剂的其余的循环颗粒基本上被移除(通过将它与视频图像905中的肿瘤区域910进行比较,显而易见)。
作为控制,在相同的条件下,但是现在是使用(非针对性的)造影剂来采集另一视频图像925,并且如上创建相应的分割图像935。
在这种情况下,造影剂的(循环/固定)颗粒在分割图像935中基本上都是不可见的(两者都在肿瘤区域910的内部和外部)。
修改
自然地,为了满足局部要求和特定要求,本领域技术人员可以将许多逻辑和/或物理修改和改变应用于上述解决方案。更具体地说,尽管已经参照该解决方案的一个或多个实施例一定程度地具体地描述了该解决方案,但是应理解,形式和细节上的各种省略、替换和改变是可能的。具体地说,本公开的不同实施例甚至可以在没有在前面的描述中所阐述的、提供其更透彻的理解的特定细节(诸如数值)的情况下实施;相反,公知特征可能已经被省略或简化以便不使不必要的细节模糊本描述。而且,明确的意图是,与所公开的解决方案的任何实施例结合描述的特定的元件和/或方法步骤可以作为一般设计选择合并在任何其它实施例中。在任何情况下,顺序限定词或其它限定词仅用作区分具有相同名称的元件的标签,而不独自暗示任何优先权、优先级或次序。而且,术语包括、具有、包含和涉及(及其任何形式)的意图应是开放式的、非穷举的意义(即,不限于所记载的项),术语基于、取决于、根据、…的功能(及其任何形式)的意图应是作为非排他性的关系(即,涉及可能的另外的变量),术语一个的意图应是作为一个或多个项(除非另有明确指示)。
例如,实施例提供一种用于诊断成像应用中的数据处理分割方法。该方法包括以下步骤。提供身体部分(被灌注造影剂)在非零分析时间段期间的表示;对于身体部分的一组位置中的每个位置,该表示包括该位置在分析时间段期间对询问信号的响应的指示。对于一组选定位置中的每个选定位置,计算该选定位置在分析时间段期间的响应的统计分布的至少一个统计参数的值;所述一组选定位置包括所有的位置或者其一部分。根据关于选定位置的所述至少一个统计参数的值与至少一个分割阈值之间的比较,分割选定位置。
然而,身体部分的表示可以以任何方式(参见下面)提供,以便提供其在具有任何非零长度(长得足以在统计上显著)的分析时间段期间的表示;该表示可以与任何类型的灌注(例如,基于任何类型的造影剂(非针对性或针对性类型)的任何类型的灌注(例如,基于通过破坏飞溅的连续注射))相关。所述方法可以应用于任何类型的位置的级别上(例如,像素、体素或者其群组);具体地说,还可以对所述表示在空间上进行二次采样,确定二次采样的表示上的分割,然后通过插值技术恢复分割的原尺寸以使其应用于原始表示上。而且,所述方法可以应用于任何选定位置(例如,在以任何方式定义的一个或多个感兴趣区域中)、或者甚至身体部分的整个表示。统计参数可以是任何类型和任何数量(参见下面);然而,可以根据统计参数的值与任何类型和数量的分割阈值之间的任何比较将选定位置分割为任何数量的部分(两个或更多个)(参见下面)。
在实施例中,所述提供身体部分在非零分析时间段期间的表示的步骤包括:提供在所述分析时间段期间登记的身体部分的数字图像序列;每个数字图像包括关于每个位置的强度值,该强度值基于该位置在分析时间段中的相应采集时刻的响应。所述计算至少一个统计参数的值的步骤包括从沿着数字图像的选定位置的强度值计算所述至少一个统计参数的值。
然而,数字图像可以以任何方式(例如,通过对它们进行预处理以补偿运动伪像或减去背景图像)登记。数字图像可以是任何类型(例如,单独地或组合地、3D类型、基于任何对比度特定的成像模式、或者甚至基于基板B模式)、任何大小和任何非零数量(以便在统计上显著);强度值可以是任何类型(例如,对数压缩值)并且以任何方式编码(例如,对任何数量的比特进行颜色编码)。在任何情况下,不排除将同一方法应用于身体部分的任何表示(甚至不是图像形式)的可能性。例如,身体部分在非零分析时间段期间的表示可以由原始(未处理RF)回声信号定义。在这种情况下,对于每个选定位置,(响应的统计分布的)所述至少一个统计参数的值通过下述方式获得,即,计算选定位置的原始回声信号的Hilbert变换,然后在其幅值或相位的级别上计算(复数)相关系数或者其方差(然后如上那样,根据这些统计参数的值和至少一个分割阈值之间的比较来分割选定位置)。
在实施例中,所述至少一个统计参数是多个统计参数。
然而,统计参数可以是任何数量(下至一个,或者相反,三个或更多个)。
在实施例中,统计参数是集中趋势统计参数和离差统计参数。
然而,可以使用任何集中趋势统计参数(例如,除了(算术)均值和中间值、模式、几何均值、谐波均值、截断均值、中间范围均值等之外)和/或任何离差统计参数(例如,除了标准差、均值差值、平均偏差、方差等之外)。在任何情况下,可以使用不同的、附加的或替代的类型的统计参数(例如,位置或形状统计参数)。
在实施例中,所述计算至少一个统计参数的值的步骤包括计算与响应相关的所述至少一个统计参数的值,该响应被变换以提供变换的响应在分析时间段期间的、具有歪斜形状的变换的统计分布。
然而,该计算可以根据任何变换的统计分布以任何方式实现(参见下面)。在任何情况下,不排除仅从响应的(原始)统计分布计算统计参数的可能性。
在实施例中,变换的统计分布是对数正态统计分布。
然而,可以使用任何其它的具有歪斜形状的变换的统计分布(例如,伽马或局部密度随机游走分布)。
在实施例中,所述计算至少一个统计参数的值的步骤包括:从选定位置在分析时间段期间的响应的统计分布计算至少一个另一统计参数的值,并且通过将根据变换的统计分布的相应变换应用于所述至少一个另一统计参数的值来计算每个统计参数的值。
然而,变换可以是任何类型的(参见下面)。在任何情况下,没有什么能阻止变换响应、然后从变换的响应直接计算期望的统计参数;例如,可以如下计算对数正态均值和对数正态标准差:
如果X<1,则m=0
如果Xi<1,则s=0
可替代地,还可以通过参数化函数(直接地或者从其直方图)拟合每个响应、然后从该参数化函数计算期望的统计参数,该参数化函数是表示变换的统计分布的分布函数的参数化模型的实例。
在实施例中,所述通过应用相应变换计算每个统计参数的值的步骤包括将对数变换应用于所述至少一个另一统计参数的值。
然而,变换可以是任何类型的(例如,指数类型)。
在实施例中,所述至少一个统计参数是对数正态均值和对数正态标准差,并且所述至少一个另一统计参数是正态均值和正态中间值。
然而,所述统计参数和/或另一统计参数可以是任何类型和任何数量的(例如,如以上所指出的)。
在实施例中,所述通过应用相应变换来计算每个统计参数的值的步骤包括:设置对数正态均值的值等于正态中间值的值的自然对数,并且如果正态均值的值和正态中间值的值之间的比率严格地高于1,则设置对数正态标准差的值等于该比率的自然对数的两倍的平方根,否则,等于0。
然而,可以根据变换的统计分布和/或统计参数的类型使用其它变换。
在实施例中,所述分割选定位置的步骤包括根据每个统计参数的值和所述至少一个分割阈值中的相应的一个分割阈值之间的比较来分割选定位置。
然而,分割阈值可以以任何方式定义。例如,可以应用主成分分析(PCA)技术来解除统计参数的值的相关性;而且,分割阈值可以从相应的统计参数的值的重心计算。可以根据每个统计参数和相应的分割阈值(例如,就绝对值而言或者根据预定义百分比或者任何组合,较高或较低)之间的任何比较来分割选定位置。在任何情况下,没有什么能阻止使用与统计参数之一不同的若干个分割阈值(例如,当分割基于统计参数的任何(线性或非线性)组合时)。
在实施例中,所述分割选定位置的步骤包括:当集中趋势统计参数的值高于相应的分割阈值并且离差统计参数的值高于相应的分割阈值时,将身体部分的分析区域(包括将被分析的病变)的每个选定位置分配给第一部分(与分析区域的低灌注相关),否则,分配给第二部分;所述方法还包括计算分析区域的不包括在第一部分中的选定位置的响应的合并值。
然而,该分割可以基于其它分割标准(例如,原始回声信号的Hilbert变换的高相关系数和低方差);而且,它可以用于计算分析区域的任何合并值(例如,它们到达峰值的平均时间、歪斜等)。
在实施例中,所述分割选定位置的步骤包括:当集中趋势统计参数的值低于相应的分割阈值并且离差统计参数的值高于相应的分割阈值时,将身体部分的控制区域(包括将被与分析区域进行比较的健康组织)的每个选定位置分配给另一第一部分(与控制区域的高灌注部分相关),否则,分配给另一第二部分;所述方法还包括计算控制区域的不包括在所述另一第一部分中的选定位置的响应的另一合并值。
然而,该分割可以基于其它分割标准(例如,原始回声信号的Hilbert变换的低相关系数和高方差);然而,它可以用于如上那样计算控制区域的任何合并值。
在实施例中,所述方法还包括根据所述合并值和另一合并值的组合来计算分析区域相对于控制区域的相对合并值。
然而,相对合并值可以以任何方式计算(例如,按照所述合并值和另一合并值之间的差值计算);在任何情况下,可以以任何其它方式使用所述另一合并值(例如,用于规范化整个参数化图像的参数值)。
在实施例中,造影剂是能够在所述患者内循环并且能够基本固定在生物目标上的针对性的造影剂;所述分割选定位置的步骤包括:当集中趋势统计参数的值高于相应的分割阈值并且离差统计参数的值低于相应的分割阈值时,将每个选定位置分配给第一部分(与固定的针对性的造影剂相关),否则,分配给第二部分。
然而,针对性的造影剂可以是任何类型(例如,基于特定的或非特定的相互作用);而且,该分割可以基于其它分割标准(例如,原始回声信号的Hilbert变换的高相关系数和低方差)。
在任何情况下,相同的技术可以用于任何其它诊断成像应用中;例如,相同的过程可以对选定的部分重复迭代(一次或多次),或者它可以重复地以不同的分割标准应用,其中,所得的分割掩模通过逻辑运算符组合,诸如以获得相应部分的交集(逻辑AND)、并集(逻辑OR)或异并(XOR)。
一般地,如果相同的解决方案用等同的方法(通过使用其多个步骤或部分的具有相同功能的类似步骤、移除不必要的一些步骤、或者添加另外的操作步骤)实现,则类似的考虑因素适用;而且,这些步骤可以按不同次序、同时地或者(至少部分)以交错的方式执行。
在任何情况下,强调的是,上述方法是可以独立于与患者(以及特别是与可以在执行该方法之前预先施用于患者的造影剂)的任何相互作用实现的数据处理(或计算)方法。而且,造影剂可以以非侵入性的方式(例如,口服以用于使胃肠道成像或者经由雾化器进入气道中)施用于患者,或者在对其没有任何实质的物理干预的任何情况下施用于患者,所述物理干预将需要专业的医疗经验或者承担患者的健康风险(例如,肌肉注射)。在任何情况下,尽管所提出的方法可以方便医生的任务,但是它一般仅提供中间结果,这些中间结果可以帮助他/她分析身体部分——例如,出于诊断的目的(即使用于治愈目的的诊断在严格意义上总是由医生自己做出)。
另一实施例提供一种计算机程序,该计算机程序被配置为当该计算机程序在计算系统上执行时使该计算系统执行以上提及的方法。
另一实施例提供一种计算机程序产品,该计算机程序产品包括包含计算机程序的非暂时性计算机可读介质;该计算机程序可加载到计算系统的工作存储器中,从而将该计算系统配置为执行相同的方法。
然而,相同的解决方案可以实现为独立的模块、用于超声扫描仪的控制程序的插件、或者甚至直接在控制程序本身中实现;将显而易见的是,还可以将相同的解决方案部署为通过网络访问(诸如在互联网中)的服务。在任何情况下,如果软件程序(其可以用于实现本公开的每个实施例)以不同的方式构造,或者如果提供附加模块或功能,则类似的考虑因素适用;同样地,存储器结构可以是其它类型,或者可以用等同的实体(不一定由物理存储介质构成)取代。程序可以采取适合于被任何计算(或数据处理)系统使用的或者与其结合使用的形式(例如,在虚拟机内),从而将系统配置为执行期望的操作;具体地说,程序可以是外部或驻留软件、固件或微代码(用对象代码或源代码——例如,将被编译或解释)的形式。而且,可以在任何计算机可用介质上提供程序(具体地说,作为非暂时性介质上的制造品);介质可以是适合于包含、存储、传送、传播或传输程序的任何元件。例如,介质可以是电子、磁、光、电磁、红外或半导体类型;这样的介质的例子是固定盘(其中程序可以被预先加载)、可移动盘、带、卡、线、光纤、无线连接、网络、广播波等。在任何情况下,根据本公开的实施例的解决方案适合于甚至用硬件结构实现(例如,集成在半导体材料的芯片中),或者用被适当地编程的或者以其它方式配置的软件和硬件的组合实现。
另一实施例提供一种包括被构造为执行以上提及的方法的步骤的装置的系统。
然而,相同的解决方案可以应用于包括超声扫描仪和不同的计算机的系统(或任何等同的系统)中;在这种情况下,所记录的信息从超声扫描仪传送到计算机以供对其进行处理(例如,通过数字、模拟或网络连接)。在任何情况下,不排除将所提出的解决方案应用于任何其它的诊断成像系统——例如,基于磁共振成像(MRI)或X射线计算断层扫描(CT)——的可能性。
一般地,如果系统具有不同的结构或者包括等同的组件,或者它具有其它的操作特性,类似的考虑因素适用。在任何情况下,其每一个组件可以划分为多个元件,或者两个或更多个组件可以一起组合为单个元件;而且,每个组件可以被复制以支持相应操作的并行执行。而且,除非另有指定,否则不同组件之间的任何相互作用一般不需要是连续的,并且它可以是直接的或者通过一个或多个中间物间接的。
另一实施例提供一种包括以下步骤的诊断成像方法。对患者施用造影剂以使造影剂灌注患者的身体部分。在非零分析时间段期间将询问信号施加于身体部分。采集身体部分在分析时间段期间的表示;对于身体部分的一组位置中的每个位置该表示包括该位置在分析时间段期间对询问信号的响应的指示(这些表示根据与以上方法相同的方法进行处理以分割一组选定位置,该一组选定位置包括所有的位置或者其一部分)。根据所述分割评估身体部分的状况。
然而,所述方法可以在任何种类的诊断应用中找到应用(从该术语的最广泛的意义上来讲——例如,旨在发现新的病变或监视已知的病变),并且用于分析任何(人类或动物)患者的任何种类的身体部分(例如,器官(诸如肝脏、前列腺或心脏)、区域或组织)。具体地说,分割可以用于识别身体部分的无论什么生理状况的区域——例如,区分病变与健康组织或者身体部分的具有不同的灌注参数的部分。
Claims (27)
1.一种用于诊断成像应用中的数据处理分割方法(A1-A10),所述方法包括:
提供(A1-A4)被灌注造影剂的身体部分在非零分析时间段期间的表示,对于所述身体部分的一组位置中的每个位置,所述表示包括所述位置在所述分析时间段期间对询问信号的响应的指示;
对于一组选定位置中的每个选定位置,计算(A5-A6)与所述响应相关的至少一个统计参数的值,所述响应被变换为变换的响应以提供所述选定位置在所述分析时间段期间的、具有歪斜形状的所述变换的响应的变换的的统计分布,所述一组选定位置包括所有的所述位置或者其一部分,其中所述选定位置的至少一个统计参数的值通过下列操作计算:
从所述选定位置在所述分析时间段期间的响应的统计分布计算(A5)至少一个另一统计参数的值,并通过将根据所述变换的统计分布的相应变换应用于所述至少一个另一统计参数的值来计算(A6)每个统计参数的值,或者
通过将根据所述变换的统计分布的相应变换应用于所述响应来计算所述变换的响应,并从所述变换的响应的所述变换的统计分布来计算所述至少一个统计参数的值;
根据关于所述选定位置的所述至少一个统计参数的值与至少一个分割阈值之间的比较,分割(A7-A9)所述选定位置。
2.根据权利要求1所述的方法(A1-A10),其中,所述提供(A1-A4)身体部分在非零分析时间段期间的表示包括:
提供(A2)在所述分析时间段期间登记的所述身体部分的数字图像序列,每个数字图像包括关于每个位置的强度值,所述强度值基于所述位置在所述分析时间段中的相应采集时刻的响应;
并且其中,所述计算(A5-A6)至少一个统计参数的值包括:
从沿着所述数字图像的选定位置的强度值计算(A5)所述至少一个统计参数的值。
3.根据权利要求1或2所述的方法(A1-A10),其中,所述至少一个统计参数是多个统计参数。
4.根据权利要求3所述的方法(A1-A10),其中,所述统计参数是集中趋势统计参数和离差统计参数。
5.根据权利要求1所述的方法(A1-A10),其中,所述变换的统计分布是对数正态统计分布。
6.根据权利要求5所述的方法(A1-A10),其中,所述通过应用相应变换来计算(A6)每个统计参数的值或者所述变换的响应包括:
将对数变换应用(A6)于所述至少一个另一统计参数的值或者所述响应。
7.根据权利要求6所述的方法(A1-A10),其中,所述至少一个统计参数是对数正态均值和对数正态标准差,并且所述至少一个另一统计参数是正态均值和正态中间值。
8.根据权利要求7所述的方法(A1-A10),其中,所述通过应用相应变换来计算(A6)每个统计参数的值包括:
设置(A6)所述对数正态均值的值等于所述正态中间值的值的自然对数,并且如果所述正态均值的值和所述正态中间值的值之间的比率严格地高于1,则设置所述对数正态标准差的值等于所述比率的自然对数的两倍的平方根,否则,等于0。
9.根据权利要求1或2所述的方法(A1-A10),其中,所述分割(A7-A9)选定位置包括:
根据每个统计参数的值和所述至少一个分割阈值中的相应的一个分割阈值之间的比较,分割(A7)所述选定位置。
10.根据权利要求9所述的方法(A1-A10),其中,所述分割(A7-A9)选定位置包括:
当集中趋势统计参数的值高于相应的分割阈值并且离差统计参数的值高于相应的分割阈值时,将所述身体部分的包括将被分析的病变的分析区域的每个选定位置分配(A7-A8)给所述分析区域的与低灌注部分相关的第一部分,否则,分配给第二部分;
所述方法还包括:
计算(A10)所述分析区域的不包括在所述第一部分中的选定位置的响应的合并值。
11.根据权利要求10所述的方法(A1-A10),其中,所述分割(A7-A9)选定位置包括:
当所述集中趋势统计参数的值低于相应的分割阈值并且所述离差统计参数的值高于相应的分割阈值时,将所述身体部分的将被与所述分析区域进行比较的、包括健康组织的控制区域的每个选定位置分配(A7-A8)给所述控制区域的与高灌注部分相关的另一第一部分,否则,分配给另一第二部分;
所述方法还包括:
计算(A10)所述控制区域的不包括在所述另一第一部分中的选定位置的响应的另一合并值。
12.根据权利要求11所述的方法(A1-A10),还包括:
根据所述合并值和所述另一合并值的组合,计算(A10)所述分析区域相对于所述控制区域的相对合并值。
13.根据权利要求9所述的方法(A1-A10),其中,所述造影剂是能够在患者内循环并且能够固定在生物目标上的针对性的造影剂,所述分割(A7-A9)选定位置包括:
当集中趋势统计参数的值高于相应的分割阈值并且离差统计参数的值低于相应的分割阈值时,将每个选定位置分配(A7-A8)给与固定的针对性的造影剂相关的第一部分,否则,分配给第二部分。
14.一种包括计算机程序(600)的非暂时性计算机可读介质,所述计算机程序可加载到计算系统(100)的工作存储器中,从而将所述计算系统配置为执行根据权利要求1至13中的任何一个所述的方法(A1-A10)。
15.一种用于诊断成像应用中的系统(100),所述系统包括:
用于提供被灌注造影剂的身体部分在非零分析时间段期间的表示的装置(603-621),对于所述身体部分的一组位置中的每个位置,所述表示包括所述位置在所述分析时间段期间对询问信号的响应的指示;
用于对于一组选定位置中的每个选定位置计算与所述响应相关的至少一个统计参数的值,所述响应被变换为变换的响应以提供所述选定位置在所述分析时间段期间的、具有歪斜形状的所述变换的响应的变换的的统计分布的装置(624-633),所述一组选定位置包括所有的所述位置或者其一部分,其中所述用于计算所述选定位置的至少一个统计参数的值的装置(624-633)包括:
用于从所述选定位置在所述分析时间段期间的响应的统计分布计算至少一个另一统计参数的值的装置(624),和用于通过将根据所述变换的统计分布的相应变换应用于所述至少一个另一统计参数的值来计算每个统计参数的值的装置(630),或者
用于通过将根据所述变换的统计分布的相应变换应用于所述响应来计算所述变换的响应的装置,和用于从所述变换的响应的所述变换的统计分布来计算所述至少一个统计参数的值的装置;
用于根据关于所述选定位置的所述至少一个统计参数的值与至少一个分割阈值之间的比较分割所述选定位置的装置(636-648)。
16.根据权利要求15所述的系统(100),其中,所述用于提供身体部分在非零分析时间段期间的表示的装置(603-621)包括:
用于提供在所述分析时间段期间登记的所述身体部分的数字图像序列的装置(603),每个数字图像包括关于每个位置的强度值,所述强度值基于所述位置在所述分析时间段中的相应采集时刻的响应;
并且其中,所述用于计算至少一个统计参数的值的装置(624-633)包括:
用于从沿着所述数字图像的选定位置的强度值计算所述至少一个统计参数的值的装置(624)。
17.根据权利要求15或16所述的系统(100),其中,所述至少一个统计参数是多个统计参数。
18.根据权利要求17所述的系统(100),其中,所述统计参数是集中趋势统计参数和离差统计参数。
19.根据权利要求15所述的系统(100),其中,所述变换的统计分布是对数正态统计分布。
20.根据权利要求19所述的系统(100),其中,所述用于通过应用相应变换来计算每个统计参数的值或者所述变换的响应的装置(630)包括:
用于将对数变换应用于所述至少一个另一统计参数的值或者所述响应的装置(630)。
21.根据权利要求20所述的系统(100),其中,所述至少一个统计参数是对数正态均值和对数正态标准差,并且所述至少一个另一统计参数是正态均值和正态中间值。
22.根据权利要求21所述的系统(100),其中,所述用于通过应用相应变换来计算每个统计参数的值的装置(630)包括:
用于以下操作的装置(630):设置所述对数正态均值的值等于所述正态中间值的值的自然对数,并且如果所述正态均值的值和所述正态中间值的值之间的比率严格地高于1,则设置所述对数正态标准差的值等于所述比率的自然对数的两倍的平方根,否则,等于0。
23.根据权利要求15或16所述的系统(100),其中,所述用于分割选定位置的装置(636-648)包括:
用于根据每个统计参数的值和所述至少一个分割阈值中的相应的一个分割阈值之间的比较分割所述选定位置的装置(636、645)。
24.根据权利要求23所述的系统(100),其中,所述用于分割选定位置的装置(636、645)包括:
用于以下操作的装置(645):当集中趋势统计参数的值高于相应的分割阈值并且离差统计参数的值高于相应的分割阈值时,将所述身体部分的包括将被分析的病变的分析区域的每个选定位置分配给所述分析区域的与低灌注部分相关的第一部分,否则,分配给第二部分;
所述系统还包括:
用于计算所述分析区域的不包括在所述第一部分中的选定位置的响应的合并值的装置(651)。
25.根据权利要求24所述的系统(100),其中,所述用于分割选定位置的装置(636、645)包括:
用于以下操作的装置(645):当所述集中趋势统计参数的值低于相应的分割阈值并且所述离差统计参数的值高于相应的分割阈值时,将所述身体部分的将被与所述分析区域进行比较的、包括健康组织的控制区域的每个选定位置分配给所述控制区域的与高灌注部分相关的另一第一部分,否则,分配给另一第二部分;
所述系统还包括:
用于计算所述控制区域的不包括在所述另一第一部分中的选定位置的响应的另一合并值的装置(651)。
26.根据权利要求25所述的系统(100),还包括:
用于根据所述合并值和所述另一合并值的组合计算所述分析区域相对于所述控制区域的相对合并值的装置(651)。
27.根据权利要求23所述的系统(100),其中,所述造影剂是能够在患者内循环并且能够固定在生物目标上的针对性的造影剂,所述用于分割选定位置的装置(630、645)包括:
用于以下操作的装置(645):当集中趋势统计参数的值高于相应的分割阈值并且离差统计参数的值低于相应的分割阈值时,将每个选定位置分配给与固定的针对性的造影剂相关的第一部分,否则,分配给第二部分。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP12199175 | 2012-12-21 | ||
EP12199175.6 | 2012-12-21 | ||
PCT/EP2013/077152 WO2014096041A1 (en) | 2012-12-21 | 2013-12-18 | Segmentation in diagnostic imaging applications based on statistical analysis over time |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104885121A CN104885121A (zh) | 2015-09-02 |
CN104885121B true CN104885121B (zh) | 2018-08-31 |
Family
ID=47721895
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201380066958.4A Active CN104885121B (zh) | 2012-12-21 | 2013-12-18 | 诊断成像应用中的基于随着时间的统计分析的分割 |
Country Status (7)
Country | Link |
---|---|
US (1) | US9734584B2 (zh) |
EP (1) | EP2936433B1 (zh) |
JP (1) | JP6333287B2 (zh) |
KR (1) | KR102166648B1 (zh) |
CN (1) | CN104885121B (zh) |
BR (1) | BR112015014164B1 (zh) |
WO (1) | WO2014096041A1 (zh) |
Families Citing this family (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10130342B2 (en) | 2007-12-28 | 2018-11-20 | Bracco Suisse Sa | Initialization of fitting parameters for perfusion assessment based on bolus administration |
US10368842B2 (en) | 2014-04-07 | 2019-08-06 | Bracco Suisse S.A. | Estimation of acoustic level in-situ with non-fundamental analysis |
CN105357575A (zh) * | 2014-08-20 | 2016-02-24 | 中兴通讯股份有限公司 | 一种视频图像处理装置和方法 |
JP6759550B2 (ja) * | 2015-03-04 | 2020-09-23 | ソニー株式会社 | 情報処理装置、プログラム、情報処理方法及び観察システム |
CN107667390A (zh) | 2015-03-25 | 2018-02-06 | 皇家飞利浦有限公司 | 基于超声的最优器官分割 |
CN107427283B (zh) | 2015-03-31 | 2021-10-29 | 皇家飞利浦有限公司 | 对基于超声弹性的病变边界绘制的校准 |
EP3386397B1 (en) | 2015-12-10 | 2020-02-05 | Bracco Suisse SA | Detection of immobilized contrast agent with dynamic thresholding |
KR101956308B1 (ko) * | 2016-11-04 | 2019-03-08 | 서강대학교산학협력단 | 광음향 영상의 배경 노이즈를 제거하는 시스템 및 그 방법 |
WO2019104230A1 (en) * | 2017-11-21 | 2019-05-31 | The Charles Stark Draper Laboratory, Inc. | System and method for imaging and localization of contrast-enhanced features in the presence of accumulating contrast agent in a body and amplification of features in ultrasound-generated images |
CN108542422A (zh) * | 2018-03-06 | 2018-09-18 | 武汉轻工大学 | B超图像优化方法、装置及计算机可读存储介质 |
JP7445599B2 (ja) * | 2018-03-13 | 2024-03-07 | トラスト バイオソニックス インク | 高感度分子解析のための組成及び方法 |
US10950016B2 (en) | 2018-06-11 | 2021-03-16 | Shanghai United Imaging Healthcare Co., Ltd. | Systems and methods for reconstructing cardiac images |
US20220011270A1 (en) * | 2018-11-09 | 2022-01-13 | Georgia Tech Research Corporation | Systems and methods for ultrasound imaging and focusing |
CN113108916B (zh) * | 2021-03-17 | 2022-04-12 | 国网江西省电力有限公司电力科学研究院 | 基于复杂网络与Page Rank随机游走的多点温度融合监测方法 |
CN113393425B (zh) * | 2021-05-19 | 2022-04-26 | 武汉大学 | 胃黏膜染色放大成像的微血管分布对称性量化方法 |
WO2023039591A1 (en) * | 2021-09-13 | 2023-03-16 | Board Of Regents, The University Of Texas System | Identifying objects in magnetic resonance images |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101917908A (zh) * | 2007-12-28 | 2010-12-15 | 博莱科瑞士股份有限公司 | 医学成像应用中对固定造影剂的量化分析 |
CN102460506A (zh) * | 2009-06-08 | 2012-05-16 | 博莱科瑞士股份有限公司 | 参数图像的自动定标 |
CN102483847A (zh) * | 2009-09-01 | 2012-05-30 | 博莱科瑞士股份有限公司 | 基于随着时间的动态行为的参数图像 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5445813A (en) | 1992-11-02 | 1995-08-29 | Bracco International B.V. | Stable microbubble suspensions as enhancement agents for ultrasound echography |
IN172208B (zh) | 1990-04-02 | 1993-05-01 | Sint Sa | |
AU636481B2 (en) | 1990-05-18 | 1993-04-29 | Bracco International B.V. | Polymeric gas or air filled microballoons usable as suspensions in liquid carriers for ultrasonic echography |
IL104084A (en) | 1992-01-24 | 1996-09-12 | Bracco Int Bv | Sustainable aqueous suspensions of pressure-resistant and gas-filled blisters, their preparation, and contrast agents containing them |
JPH10508284A (ja) | 1993-12-15 | 1998-08-18 | ブラッコ リサーチ ソシエテ アノニム | 超音波造影媒体、この媒体を含む造影剤及び方法 |
JP3946815B2 (ja) * | 1997-06-11 | 2007-07-18 | 東芝医用システムエンジニアリング株式会社 | 超音波診断装置 |
JP4467673B2 (ja) * | 1999-08-19 | 2010-05-26 | 株式会社東芝 | 超音波診断装置 |
KR101025490B1 (ko) | 2003-06-12 | 2011-04-04 | 브라코 인터내셔날 비.브이. | 초음파 콘트라스트 조영에서 보충 커브 피팅을 통한 혈류 개산 |
WO2006018433A1 (en) | 2004-08-18 | 2006-02-23 | Bracco Research Sa | Gas-filled microvesicles composition for contrast imaging |
JP4651375B2 (ja) * | 2004-12-16 | 2011-03-16 | 株式会社日立メディコ | 医用画像表示装置及びその方法 |
JP5466401B2 (ja) * | 2005-04-14 | 2014-04-09 | ブラッコ・シュイス・ソシエテ・アノニム | 動的灌流画像法に基づく灌流診断法およびそのシステム |
US9406146B2 (en) * | 2009-06-30 | 2016-08-02 | Koninklijke Philips N.V. | Quantitative perfusion analysis |
-
2013
- 2013-12-18 WO PCT/EP2013/077152 patent/WO2014096041A1/en active Application Filing
- 2013-12-18 KR KR1020157019736A patent/KR102166648B1/ko active IP Right Grant
- 2013-12-18 BR BR112015014164-1A patent/BR112015014164B1/pt active IP Right Grant
- 2013-12-18 US US14/654,449 patent/US9734584B2/en active Active
- 2013-12-18 JP JP2015548492A patent/JP6333287B2/ja active Active
- 2013-12-18 CN CN201380066958.4A patent/CN104885121B/zh active Active
- 2013-12-18 EP EP13814107.2A patent/EP2936433B1/en active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101917908A (zh) * | 2007-12-28 | 2010-12-15 | 博莱科瑞士股份有限公司 | 医学成像应用中对固定造影剂的量化分析 |
CN102460506A (zh) * | 2009-06-08 | 2012-05-16 | 博莱科瑞士股份有限公司 | 参数图像的自动定标 |
CN102483847A (zh) * | 2009-09-01 | 2012-05-30 | 博莱科瑞士股份有限公司 | 基于随着时间的动态行为的参数图像 |
Non-Patent Citations (1)
Title |
---|
A Novel Model for Contrast Enhanced Ultrasound Video and Its Applications;J.Zhang 等;《Ultrasonics Symposium》;20061006;第1726-1729页 * |
Also Published As
Publication number | Publication date |
---|---|
WO2014096041A1 (en) | 2014-06-26 |
KR20150099823A (ko) | 2015-09-01 |
EP2936433B1 (en) | 2018-09-19 |
BR112015014164A8 (pt) | 2019-10-22 |
US20150348277A1 (en) | 2015-12-03 |
JP6333287B2 (ja) | 2018-05-30 |
US9734584B2 (en) | 2017-08-15 |
CN104885121A (zh) | 2015-09-02 |
KR102166648B1 (ko) | 2020-10-19 |
BR112015014164A2 (pt) | 2017-07-11 |
EP2936433A1 (en) | 2015-10-28 |
JP2016501599A (ja) | 2016-01-21 |
BR112015014164B1 (pt) | 2021-12-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104885121B (zh) | 诊断成像应用中的基于随着时间的统计分析的分割 | |
US9072492B2 (en) | Quantification analysis of immobilized contrast agent in medical imaging applications | |
CN103930041B (zh) | 超声波诊断装置以及图像处理方法 | |
CN101304690B (zh) | 基于流体力学分析在医学成像应用中检测固定造影剂 | |
CN102460506B (zh) | 参数图像的自动定标 | |
CN108289654B (zh) | 通过动态阈值化来检测固定化造影剂 | |
Kanoulas et al. | Super-resolution contrast-enhanced ultrasound methodology for the identification of in vivo vascular dynamics in 2D | |
Eisenbrey et al. | Three-dimensional subharmonic ultrasound imaging in vitro and in vivo | |
US11607196B2 (en) | Initialization of fitting parameters for perfusion assessment based on bolus administration | |
CN110313943A (zh) | 医用诊断装置、医用图像处理装置以及图像处理方法 | |
WO2023039353A2 (en) | Real-time super-resolution ultrasound microvessel imaging and velocimetry | |
Schlosser et al. | Echoscintigraphy: a new imaging modality for the reduction of color blooming and acoustic shadowing in contrast sonography | |
Czernuszewicz et al. | A new preclinical ultrasound platform for widefield 3D imaging of rodents | |
Zhang et al. | Ultrasound super-resolution imaging for the differential diagnosis of thyroid nodules: A pilot study | |
Yociss et al. | Null subtraction beamforming for improved vessel resolution in volumetric contrast-enhanced ultrasound | |
Gaitini et al. | Ultrasound imaging: Basic principles and terminology | |
Gessner | Acoustic angiography: A new imaging platform for high resolution mapping of microvasculature and tumor assessment | |
Kierski et al. | Acoustic Molecular Imaging Beyond the Diffraction Limit In Vivo | |
Chen | Hemodynamic Quantifications By Contrast-Enhanced Ultrasound: From In-Vitro Modelling To Clinical Validation | |
Kierski | Improving Ultrasound Microvascular Imaging with Superharmonic Imaging and Machine Learning | |
Alberich-Bayarri et al. | Optimisation of ultrasound liver perfusion through a digital reference object and analysis tool | |
Kuenen | Contrast-ultrasound dispersion imaging for prostate cancer localization | |
Hudson | Quantification of blood flow using ultrasound contrast agents | |
Loveless | High resolution ultrasonic vessel imaging and repeatability of blood flow modeling using an ultrasound contrast agent | |
Series | Kristen M. Meiburger |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |