CN104997561B - 潜在肋膜渗液的自动识别 - Google Patents

潜在肋膜渗液的自动识别 Download PDF

Info

Publication number
CN104997561B
CN104997561B CN201510144129.4A CN201510144129A CN104997561B CN 104997561 B CN104997561 B CN 104997561B CN 201510144129 A CN201510144129 A CN 201510144129A CN 104997561 B CN104997561 B CN 104997561B
Authority
CN
China
Prior art keywords
data
pleura
sepage
extension
thorax
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
Application number
CN201510144129.4A
Other languages
English (en)
Other versions
CN104997561A (zh
Inventor
P.丹克尔
M.哈蒙
M.克雷默
G.索扎
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Siemens Healthineers AG
Original Assignee
Siemens AG
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Siemens AG filed Critical Siemens AG
Publication of CN104997561A publication Critical patent/CN104997561A/zh
Application granted granted Critical
Publication of CN104997561B publication Critical patent/CN104997561B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/02—Devices for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computerised tomographs
    • A61B6/032—Transmission computed tomography [CT]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
    • A61B8/5223—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for extracting a diagnostic or physiological parameter from medical diagnostic data
    • 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
    • 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
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • 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
    • G06T2207/10081—Computed x-ray tomography [CT]
    • 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
    • G06T2207/20212—Image combination
    • G06T2207/20224—Image subtraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30061—Lung

Abstract

本发明涉及一种用于根据借助医学技术扫描设备的扫描，自动识别在患者胸部的医学技术图像数据中的潜在肋膜渗液的方法。其至少包括如下步骤：从图像数据中接收患者的胸廓的胸廓检测数据，所述胸廓检测数据包括胸廓的内部空间的胸廓延伸的胸廓延伸数据；从图像数据中接收患者的肺的肺检测数据，所述肺检测数据包括肺的外边界的肺延伸的肺延伸数据，从图像数据中接收患者的胸部中纵膈的所有器官的纵膈检测数据，所述纵膈检测数据包括纵膈的外边界的纵膈延伸的纵膈延伸数据；将肺延伸和纵膈延伸从胸廓延伸中减去，以形成肋膜渗液识别数据。本发明还涉及一种用于为相同目的的识别系统。

Description

潜在肋膜渗液的自动识别
技术领域
本发明涉及一种用于根据借助医学技术扫描设备的扫描，自动识别在患者胸部的医学技术图像数据中的潜在肋膜渗液的方法。其还涉及一种用于这样的识别的识别系统。
背景技术
肋膜渗液是医学上在肋膜腔、即在肋膜叶之间的窄的缝隙中的异常积液。即流体位于在肺和肋骨之间的胸廓中。
在健康的人中，肋膜腔填充有少量的例如5毫升富含蛋白质的液体，其对于肺在呼气和吸气时作为一种“润滑层”实现自由运动。
较少的肋膜渗液(直至大约500毫升体积)填充不被注意。在较多的肋膜渗液的情况下，作为主要症状出现呼吸急促，至少在身体劳累时。原因是，由于通过肋膜渗液要求在胸腔中的体积而降低肺容量。肺被压缩，并且由此只有一小部分肺组织参与氧交换。在极端情况下，后果是患者窒息。由此，为了使患者解脱而通常将较大的肋膜渗液“导出”，即，进行肋膜穿刺或胸腔排液，借助其从肋膜腔中导出液体。相反，较少的肋膜渗液被保守地，即，非介入地治疗。
肋膜渗液可能具有多种多样的原因，其总体上可以被称为是医学相关的。例如，其通常在心肌供血不足情况下双侧出现；在外伤或癌症情况下大多观察到一侧的肋膜渗液。通常肋膜渗液是另一种疾病的副产品，该另一种疾病使得肋膜渗液并非一定会，而是仅可能会产生后果。治疗者或诊断者由此根本不一定会地在具有特定疾病的每个患者情况下查找肋膜渗液。
目前肋膜渗液大多纯视觉地基于诊断者的经验而在医学技术的图像数据中被识别。于是进行在图像数据中肋膜渗液的手动分割。在此使用特别是CT图像数据和超声波图像数据。肋膜渗液的体积或延伸可以借助估计方法确定，其中将胸廓中距离测量值(从胸廓至萎陷的肺的轴向直径)与可能可选的常数相乘。然而这些常数中没有一个被证明是足够正确的，从而该确定，就像手动分割一样，不仅是费时的，而且还是不精确的。
文章Donohue,Rory/Shearer,Andrew/Bruzzi,John:"Constrained region-basedsegmentation of pleural effusion in thin-slice CT".Proceedings of the2009 13thInternational Machine Vision and Image Processing Conference(IMVIP'09).IEEEComputer Society,Washington DC,第24至29页描述了一种用于区分肿瘤与肋膜渗液的半自动方法。在此，从用户的起始输入出发，进行区域增长方法。也就是在此需要用户输入。
发明内容
基于该背景，本发明要解决的技术问题是，提供一种替换可能性，借助其可以特别是自动和尽可能可靠地识别潜在肋膜渗液。进一步，优选地本发明要解决的技术问题还是，实现对所识别的潜在肋膜渗液的尺寸的改进确定。
该技术问题通过按照本发明的方法和按照本发明的识别系统解决。
开头提到的那种方法由此按照本发明包括至少以下步骤：
-从图像数据中接收患者的胸廓的胸廓检测数据，所述胸廓检测数据包括胸廓的内部空间的胸廓延伸的胸廓延伸数据，
-从图像数据中接收患者的肺的肺检测数据，所述肺检测数据包括肺的外边界的肺延伸的肺延伸数据，
-从图像数据中接收患者的胸部中纵膈的所有器官的纵膈检测数据，所述纵膈检测数据包括纵膈的外边界的纵膈延伸的纵膈延伸数据，
-将肺延伸和纵膈延伸从胸廓延伸中减去，以形成肋膜渗液识别数据。
该方法专门地涉及潜在肋膜渗液的识别。这意味着，这样的识别总是只能作为对于医生的提示被理解和使用，在此基础上该医生然后评估和诊断，是否实际上出现肋膜渗液。纵膈，即中间空间，是胸腔中垂直延伸的组织空间。其位于在两个肋膜腔之间的中间层中并且从横膈膜伸至喉并且从脊柱至胸骨。所有胸部器官除了肺之外嵌入纵膈的松软的结缔组织中，也就是特别是胸腺、靠近心脏的大血管、气管、食道、淋巴结、心脏和脉管如主动脉和多个神经束。
提到的接收步骤的每一个可以分别由简单的检测数据接收组成，其中各自的检测数据于是已经事先地，特别是通过利用为此合适的分割方法对图像数据中各自的器官或各自的结构的分割得到。这样的方法特别地从图像数据的自动注解而已知：例如Seifert等的(Seifert,Sascha等:"Hierarchical parsing and semantic navigation of full bodyCT data".Proc.SPIE 7259,Medical Imaging 2009:Image Processing,275902(2009年3月27日))描述了对于肺、心脏和食道，即纵膈中的主要器官的基于界标的剖析和分割方法。类似地可以进行胸廓内部尺寸的检测。纵膈的其他器官和必要时横膈膜也可以类似地被分割。
另一方面，提到的接收步骤中的每一个也可以包括图像数据的分析和各自的检测数据的产生，即，该刚才描述的分割。替换刚才举例描述的机器、即自动分割，也可以(根据存在的系统或用户的能力而定)进行检测数据的半自动或手动产生或接收这样产生的检测数据。
通过接收步骤，提供对于胸廓的内部(属于这的还有围绕胸廓的骨的胸肌)以及肺的和纵膈的外部的各自的延伸的延伸数据。在下面的步骤中然后进行相减。在相减时将通过胸廓延伸数据定义的胸廓的内部区域作为起始数据使用并且然后将肺延伸和纵膈延伸减去。在二维(2D)图像数据，例如截面图情况下，该相减意味着面积的相减：从在2D图像中存在的胸廓内部面积减去在各自的截面图中肺的和纵膈的总面积。在三维(3D)图像数据情况下进行体积的相减。在各自的图像数据中留下总面积或总体积的剩余区域，所述剩余区域被定义为潜在肋膜渗液。
即，本发明不是基于分割方法，例如上面提到的区域增长方法，而是利用相减：从如下前提出发，即，胸廓中所有其他器官或结构可以借助分割或识别算法被自动辨识，不能(或只能很难地)以类似方式识别可辨识的区域，也就是剩余区域，被识别并且标记为潜在肋膜渗液。肋膜渗液识别数据也就是代表了图像数据中的该剩余区域。
借助按照本发明的方法可以毫无问题地执行潜在肋膜渗液的自动识别，并且这在执行分割的本身公知的方法步骤的情况下通过相减而丰富，所述相减在计算上和在后来在图像表示上不复杂并且可以非常精确地执行。也就是特别地不需要其他复杂的算法。
相减步骤也可以被描述为图像数据中的图像点，即像素或体素，与潜在肋膜渗液的对应，其中仅如下的图像点与潜在肋膜渗液(并且由此与肋膜渗液识别数据)对应，所述图像点一方面位于胸廓的内部区域并且另一方面既不能与肺也不能与胸廓中的纵膈对应。相减在此意义上可以被描述为在各自的图像点上分类器的一系列是/否问题。
相减具有几何和代数的方面：根据通过各自的延伸数据定义的几何形状的相减，导出新的几何形状，其向检查者例如提供如下信息，其在出现较大的肋膜渗液的情况下必须在何处穿刺，以便导出肋膜渗液。从代数上来看，可以将参数值，也就是特别地涉及胸廓、肺和纵膈的延伸面积或体积的参数值或数值，互相相减，从而得到以潜在肋膜渗液的面积或体积说明形式的结果参数值。
利用按照本发明的方法，特别地也可以，在没有自主地怀疑肋膜渗液的情况下，也就是还在患者诉说关于呼吸困难或肋膜渗液的其他症状之前，执行潜在肋膜渗液的检测。也就是一旦进行了胸廓拍摄，则可以自动地一起澄清，是否出现肋膜渗液。该澄清可以在不进一步扫描胸廓的情况下，甚至在没有进行扫描协议的修改的情况下，仅根据本来获取的胸廓图像数据并且具有最小计算量的附加开销。在该意义上，本发明也用于避免病痛或甚至进一步的并发症。还可以省去对患者的附加扫描。
开头提到种类的识别系统按照本发明至少包括：
-第一接收单元，构造为，从图像数据中接收患者的胸廓的胸廓检测数据，所述胸廓检测数据包括胸廓的内部空间的胸廓延伸的胸廓延伸数据，
-第二接收单元，构造为，从图像数据中接收患者的肺的肺检测数据，所述肺检测数据包括肺的外边界的肺延伸的肺延伸数据，
-第三接收单元，构造为，从图像数据中接收患者的胸廓中纵膈的所有器官的纵膈检测数据，所述纵膈检测数据包括纵膈的外边界的纵膈延伸的纵膈延伸数据，
-相减单元，其在运行中将肺延伸和纵膈延伸从胸廓延伸中减去，以形成肋膜渗液识别数据。
本发明还涉及一种医学技术扫描设备，包括用于图像获取的拍摄单元和按照本发明的识别系统。
优选地，识别系统构造为，其全自动地，即自动地执行按照本发明的方法。然而其也可以半自动地操作，即，通过从外部的附加输入，例如从必要时与数据库相关联的其他逻辑单元，和/或通过操作者的手动输入，提供所需的附加信息。
总体上，用于实现按照本发明的方式的识别系统的部件的大部分，特别是接收单元和相减单元，可以全部或部分地以软件模块的形式在处理器上实现。多个单元、特别是第一、第二和第三接收单元也可以综合在一个共同的功能单元中。例如，所有三个接收单元可以综合为一个共同的功能单元或两个任意的接收单元综合为一个功能单元。(如以下描述的)也可以在识别系统中集成其他接收单元。对于其同样成立的是，其既可以单独地也可以与任意的其他接收单元一起构造。
接口不必强制地构造为硬件，而是也可以作为软件模块实现，例如当图像数据和/或各自的检测数据可以从已经在相同设备上实现的其他部件，例如图像重建装置等被接收时，或仅必须按照软件地传输到其他部件时。同样，接口可以由硬件和软件部件组成，例如标准硬件接口，其通过用于具体的应用目的的软件而被特殊配置。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。
本发明由此还包括计算机程序产品，其可以直接加载到可编程的识别系统的处理器中，具有程序代码部件，用于当程序产品在识别系统上运行时，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从从属权利要求以及以下描述中得到。在此识别系统也可以相应于对方法的从属权利要求来扩展。
优选地，按照本发明的方法通过如下来扩展，即，附加接收横膈膜检测数据，其包括患者的横膈膜的横膈膜延伸的横膈膜延伸数据，所述横膈膜延伸对胸廓检测数据中的胸廓延伸在向着患者腹腔的方向上进行限界。
这意味着，除了三个上面提到的接收步骤之外进行另一个第四接收步骤。横膈膜在图像数据中，具体是在CT图像数据中也可以简单辨识。通过使用横膈膜检测数据，由此可以提供如下信息，胸腔朝着患者的腹腔延伸多远。横膈膜也就是限制了胸腔的体积，从而在胸廓延伸数据与横膈膜延伸数据组合的情况下可以完全限制胸腔。
按照本发明的一种优选实施方式，
通过表面轮廓模型、优选地通过网格来代表
-在胸廓检测数据中的胸廓延伸和/或
-在肺检测数据中的肺延伸和/或
-在纵膈检测数据中的纵膈延伸和/或
-在横膈膜检测数据中的横膈膜延伸。
换言之，胸廓延伸数据或肺延伸数据或纵膈延伸数据或横膈膜延伸数据包括表面轮廓模型。这样的表面轮廓模型按照模型地代表了各自的器官的或横膈膜的或各自的结构的表面的轮廓。其例如可以作为点模型，优选作为网格，即作为格栅实现，其中涉及的器官或涉及的结构的(内部或外部)表面通过较小的、大多是非常简单的元素的集合来近似。这样形成的格栅，例如三角格栅，是表面的简化描述，其然后例如可以用于进一步计算，在本情况中首先用于相减。特别优选地，所有上面提到的延伸数据分别包括一个网格，从而可以普遍地基于产生的格栅面积执行相减。通过调整格栅的细度，可以改变肋膜识别数据的精度，其中即使具有单个格栅面积的大小相应于一个体素的大小的相对宽网格的格栅也通常足够，能够对潜在肋膜渗液作出定性上足够的结论。也就是如果例如CT扫描以5mm的层厚行进，则网格中每条线的边长选择为不大于5mm。
本身可以以高的可能性假定，肋膜渗液识别数据由于相减而已经足够具有说服力。为了使得肋膜渗液识别数据的说服力更精确或更可靠，还可以设置，在肋膜渗液识别数据中在相减之后对潜在肋膜渗液的延伸和/或性质进行检测验证。也就是进行一种“探查(Probe)”(为了遵守数学上的语言惯用法)，借助所述探查来验证，肋膜渗液识别数据实际上代表了潜在肋膜渗液。
由于检测验证，优选的是，按照检测验证的检测结果来调整肋膜渗液识别数据。这意味着，从检测验证获得的结果数据被用于修改肋膜渗液识别数据。这样的修改可以在于，完全修正存在肋膜渗液的结论，但是也可以在于，在肋膜渗液识别数据中调整潜在肋膜渗液的尺寸，即延伸值。延伸值的这样的调整必定引起其数值的降低。
检测验证的第一可能性在于，其包括与来自于肋膜渗液形状数据库的肋膜渗液形状数据的匹配。该肋膜渗液形状数据库可以自学习地构造，即，其自动地集成新的肋膜渗液识别数据并且由此自动地被扩展。也就是检查，通过肋膜渗液识别数据代表的潜在肋膜渗液按照其形状，是否与来自于存储的肋膜渗液形状数据库的典型的已知肋膜渗液形状兼容。如果从肋膜渗液识别数据中得到的潜在肋膜渗液形状，与来自于肋膜渗液形状数据库的形状不一致，即，不兼容，则可以激活在后面连接的另外的检测算法和/或将用户应当更详细探查图像数据中涉及的区域的信息输出给用户。
替换地或补充地，例如在刚才提到的另外的检测算法的意义上，可以设置，检测验证包括潜在肋膜渗液的区域中的测量数据与对于扫描设备的扫描方法在肋膜渗液情况下典型的测量数据的匹配。在来自于计算机断层成像设备的测量数据的情况下例如假定，在潜在肋膜渗液的区域中近似测量0的HU值，也就是水的HU值。如果在通过肋膜渗液识别数据识别的潜在肋膜渗液的区域中的HU值明显偏差，则假定，肋膜渗液识别数据是错误的。换言之，在识别的潜在肋膜渗液的区域中的物质密度可以用于检测验证，如例如在膀胱的器官识别情况下通常的检测手段那样。
于是也可以激活在后面连接的另外的检测算法和/或将用户应当更详细探查图像数据中涉及的区域的信息输出给用户。
在肋膜渗液识别数据中存储的信息，可以涉及不同的知识层面。第一知识层面涉及是/否结论，从而肋膜渗液识别数据包括关于存在或不存在潜在肋膜渗液的是/否信息。该信息本身在其中根本不要专门查找肋膜渗液的许多情况下已经满足用户。其用作对于用户的警告和/或附加信息，用户仅基于潜在肋膜渗液的存在而可以得出用户最初所担心的疾病的严重性。此外用户知道，必要时也需要(介入或保守)措施用于缓解潜在肋膜渗液。
此外也可以作出关于潜在肋膜渗液的位置的说明，即，特别地，潜在肋膜渗液仅在右半边还是仅在左半边的胸腔中还是位于两半边的胸腔中。该信息对于医生可以是特别有价值的，因为其必要时可以作出关于潜在肋膜渗液的疾病原因的结论。
进一步的，也就是更高的知识层面，可以从肋膜渗液识别数据中导出关于潜在肋膜渗液的体积和/或延伸的说明。该结论也可以存储或被存储在肋膜渗液识别数据中。用户由此获得信息，所述信息使得其可以估计潜在肋膜渗液的性质。由此其可以独立地得到用于处理潜在肋膜渗液的合适措施。
附加地，基础的信息位于更高一层的知识层面，在潜在肋膜渗液的体积大于事先定义的体积阈值的情况下可以向用户输出信号。特别优选的阈值是潜在肋膜渗液的500毫升体积，对应于开头提到的较少和较多肋膜渗液的类别。向用户的信号用例如作为自动报警，存在较多潜在肋膜渗液和存在对于介入处理潜在肋膜渗液(预计的)的治疗要求。
作为最后的知识层面，可以基于数据库地，基于肋膜渗液识别数据与来自于数据库的存在的参考数据的匹配，导出关于潜在肋膜渗液的各种附加信息。一般来说，在此将肋膜渗液识别数据与来自于数据库的参考肋膜渗液识别数据匹配。然后从中导出匹配信息。其例如可以包括对从肋膜渗液识别数据中存在的潜在肋膜渗液的定性和/或定量评估，例如指标值，其可以为用户用作为建立其诊断的判断基础。
原则上，按照本发明的方法实际上可以基于所有种类的胸廓医学技术图像数据进行，例如基于X射线图像、MR图像、超声波图像等。特别优选地，医学技术图像数据从借助计算机断层成像设备(CT)的扫描得到。这例如具有优点，即，提到的器官和结构，即胸廓、肺、纵膈和横膈膜，可以基于CT图像数据同时很好辨识。在CT图像的情况下也可以特别简单地进行基于测量数据的检测验证，因为CT图像反映了在肋膜渗液中出现的具有为0的HU值的水，这是可简单检测的参考值。此外，CT图像数据比例如超声波数据可以更简单测量。
附图说明
以下借助附图结合实施例再次详细解释本发明。在此在不同的附图中相同的部件具有相同的附图标记。其中：
图1示出按照本发明的方法的实施例的示意性流程图，
图2示出带有相关的身体器官和结构的轮廓的人的胸廓的横向截面图，
图3示出了人的胸廓的正面截面图以及横膈膜的表示，
图4示出了人的上身的三维内部视图以及确定的不同器官，
图5示出了如按照本发明方法的实施例可以使用的、肋膜渗液形状数据库的内容的简单实施例，
图6示出了按照本发明的扫描设备的实施例的示意性框图以及按照本发明的识别系统的实施例。
具体实施方式
图1示出了用于识别潜在肋膜渗液的按照本发明的方法的实施例的示意性流程图。在此在步骤A中对患者的图像数据ID进行潜在肋膜渗液的自动识别。该步骤A包括多个(部分强制需要的、部分可选的)子步骤A1,A2,A3,A4,A5。在第一可选的子步骤A1中在图像数据ID中进行界标检测A1，借助其提取界标LM，所述界标可以用于在图像数据ID中取向和特别是用于分割各个器官或结构。第二子步骤A2是从图像数据中接收A2患者的胸廓的胸廓检测数据BD。该胸廓检测数据BD包括胸廓延伸数据BE，即，代表了患者的胸廓的内部的胸廓延伸的数据。
该接收可以包括对胸廓的分割，例如基于在子步骤A1中检测的界标LM，然而其也可以仅仅是来自于另一个单元，例如分割单元或从数据存储器的胸廓检测数据BD的数据接收。类似地对于第三至第五接收子步骤A3,A4,A5也相同地成立。
在子步骤A3中从图像数据ID中接收A3患者的肺的肺检测数据LD。肺检测数据LD包括代表了肺的外部边界的肺延伸的肺延伸数据LE。
子步骤A4由从图像数据ID接收A4胸廓中患者的纵膈的所有器官的纵膈检测数据MD组成。
纵膈检测数据MD包括代表了纵膈的外部边界的纵膈延伸的纵膈延伸数据ME。
对患者的横膈膜的横膈膜检测数据ZD的接收A5可以看作是可选的子步骤A5。横膈膜检测数据ZD包括代表了横膈膜的横膈膜延伸的横膈膜延伸数据ZE。
基于这样获得的检测数据BD,LD,MD,ZD或相应的延伸数据BE,LE,ME,ZE，在步骤B中进行相减B，其中从胸廓延伸减去肺延伸和纵膈延伸。从中得到肋膜渗液识别数据PED，其代表了胸部中潜在肋膜渗液。
可选地，可以对以肋膜渗液识别数据PED的形式的方法Z的结果进行检测验证C。在此肋膜渗液识别数据PED在其原则上的结论方面(出现潜在肋膜渗液-是或否？)与在其关于潜在肋膜渗液的延伸和/或性质的结论方面同样地被检查。检测验证C特别地可以包括在识别的潜在肋膜渗液的区域中图像数据ID中的测量值的检查，即，根据使用的、提供图像数据ID的扫描设备，产生对于水的确定的测量值。如果在识别的潜在肋膜渗液的区域中测量值与对于各自的扫描设备典型的测量值不一致，则得到对潜在肋膜渗液的检测错误的怀疑。替换地或补充地，检测验证C可以包括通过肋膜渗液识别数据PED所代表的潜在肋膜渗液的形状与来自于肋膜渗液形状数据库中的肋膜渗液的形状数据的匹配。根据图5还要进一步描述该过程方式。
在进行了检测验证C之后，在所述检测验证C中也可以将肋膜渗液识别数据PED按照检测验证C的检测结果进行调整，在同样可选的步骤D中进行是/否询问D。在此基于(必要时同时调整的)肋膜渗液识别数据PED来回答问题，在患者中是否出现潜在肋膜渗液。如果该问题利用否N回答，则可以可选地输出否-信息J1，其表示，不存在潜在肋膜渗液。如果该问题利用是Y来回答，则可以可选地输出是-信息J2，其表示，存在潜在肋膜渗液。
如果出现潜在肋膜渗液，则在另一个同样可选的步骤E中可以基于(必要时同时调整的)肋膜渗液识别数据PED进行量化的询问E。在那里评价，识别的潜在肋膜渗液的体积是否高于预定义的阈值。如果该问题E的结果是否定结论U，则可选地可以通过用户信息J3例如表示，存在较少的潜在肋膜渗液。进一步地或替换地，从中也可以给出信息，在自动评估之后不需要介入式干预。如果该问题E的结果是肯定结论则可选地可以通过用户信息J4例如输出警告信号J4。替换地或补充地，可以利用用户信息J4表示，存在较大的潜在肋膜渗液。进一步地或替换地，从中也可以给出信息，在自动评估之后需要介入式干预。
图2示出了来自于CT扫描设备的图像数据ID的人的胸部Th的横向截面图。其中画出了如下器官和结构：中间可以看出纵膈9的器官和结构，其通过边界线11与胸部Th的其他区域隔开。该分界线11与纵膈延伸数据ME对应。纵膈9的左边和右边可以看出肺1的两叶，通过边界线3隔开，与肺延伸数据LE对应。大约在图2的中间在左边的肺叶中可以看出萎陷的肺区域2，但是其位于边界线3内部。胸廓5围绕胸部Th延伸并且在其向着胸腔的内侧通过边界线7隔开，其与胸廓延伸数据BE对应。在胸腔的左边区域中，肋膜渗液位于肺的区域的下面，但是在胸腔中。边界线3、7、11分别通过分割方法获得。其分别构造为网格。由此简化了，从胸廓5的内部空间的面积(或三维情况下从体积)减去肺1和纵膈9的各自的面积(或体积)。从该相减中模型化地得到通过肋膜渗液识别数据PED表示的肋膜渗液。
图3示出了人的胸廓的正面截面图。在此画出了同样借助分割方法获得的线，即，网格，其代表了横膈膜13的延伸。对应的横膈膜延伸数据可以如提到的那样在子步骤A5中被使用，以便将胸腔的区域向下向着腹腔限界并且由此获得用于相减B的封闭的检查体积。
图4示出了人的上身的三维内视图，包括胸部Th和腹部Abd以及确定的不同器官1、15、17、19、21、23，其轮廓又作为网格示出或由此代表。可以看出肺1、心脏15，二者位于胸部Th中胸腔的区域中。在之下(在腹腔中，即在腹部Abd中)图中左手边是肝脏21以及图中右手边是脾脏23。更下面在两侧是肾脏17和在骨盆区域中是膀胱19。所有这些器官可以分别单个地(或共同地)借助例如基于界标的分割算法被分割，以及图中未单独示出的纵膈9(对比图2)。借助这样的分割，也就是分别可以，确定所有提到的结构或器官的检测数据或延伸数据，在本发明的实施例的范围中可以使用其中的关于胸廓5、关于肺1和关于纵膈9以及可选地关于横膈膜13的检测或延伸数据。
图5示出了如按照本发明方法的实施例可以使用的、肋膜渗液形状数据库PEFD的简单实施例。肋膜渗液形状数据库分别对于参考患者S1,S2,S3的冠状截面Sag和轴向截面Ax具有识别的肋膜渗液的形状。在按照本发明的方法Z的范围内确定的、通过相应的肋膜渗液识别数据PED代表的潜在肋膜渗液10，可以按照形状地与在此示出的形状匹配。如果其形状基本上相应，即根据三个在此示出的形状中的至少一个的基本上一致的形状特征，则在上面提到的检测验证C的范围中可以假定，检测到了潜在肋膜渗液10的现实形状。如果其不相应，则可以进行在检测验证C的范围中的其他步骤，特别是用于调整提供的肋膜渗液识别数据PED。
图6示出了按照本发明的医学技术扫描设备25的实施例的示意性框图，即，具有用于图像获取的(CT)拍摄单元27和按照本发明的识别系统29的实施例的计算机断层成像设备25。
识别系统29具有以下元件：第一接收单元33、第二接收单元35、第三接收单元37和相减单元39。此外其具有输入接口31和输出接口43以及可选的检测验证单元41。
参考图1的方法步骤解释识别系统29的工作方式：从拍摄单元27，将患者的胸部Th的图像数据ID经过输入接口31馈入到识别系统29中，并且从那里传输到三个接收单元33、35、37以及相减单元39。三个接收单元33、35、37可选地也可以综合为一个或多个较大的单元。此外可以设置第四(和必要时其他)接收单元(未示出)，其例如与前面提到的和在图6中示出的三个接收单元33、35、37的所有或一个同样。第一接收单元33用于从图像数据ID接收A2患者的胸廓5的胸廓检测数据BD。第二接收单元35用于从图像数据ID接收A3患者的肺的肺检测数据LD。第三接收单元37用于从图像数据ID中接收A4患者的胸部Th中纵膈9的所有器官的纵膈检测数据MD。第四接收单元可以特别地用于执行子步骤A5，即，接收横膈膜检测数据ZD。基于检测数据BD、LD、MD和可选的ZD，在相减单元39中进行相减B。可选的检测验证单元41执行检测验证C，基于所述检测验证，在需要的情况下(即在肋膜渗液识别数据PED中错误检测的情况下)其根据检测结果调整肋膜渗液识别数据PED。经过输出接口输出(必要时调整的)肋膜渗液识别数据PED，例如借助输出单元如打印机和/或监视器显示输出到用户和/或输出到存档系统。
最后在此指出，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，涉及的特征也可以多重存在。

Claims (14)

1.一种用于根据借助医学技术扫描设备(25)的扫描自动识别在患者胸部(Th)的医学技术图像数据(ID)中的潜在肋膜渗液(10)的识别系统(29)，至少具有：
-第一接收单元(33)，构造为，从图像数据(ID)中接收(A2)患者的胸廓(5)的胸廓检测数据(BD)，所述胸廓检测数据(BD)包括胸廓(5)的内部空间的胸廓延伸的胸廓延伸数据(BE)，
-第二接收单元(35)，构造为，从图像数据(ID)中接收患者的肺(1)的肺检测数据(LD)，所述肺检测数据(LD)包括肺(1)的外边界的肺延伸的肺延伸数据(LE)，
-第三接收单元(37)，构造为，从图像数据(ID)中接收患者的胸部(Th)中纵膈(9)的所有器官的纵膈检测数据(MD)，所述纵膈检测数据(MD)包括纵膈(9)的外边界的纵膈延伸的纵膈延伸数据(ME)，
-相减单元(39)，其在运行中将肺延伸和纵膈延伸从胸廓延伸中减去，以形成肋膜渗液识别数据(PED)。
2.根据权利要求1所述的识别系统，其特征在于，
附加地接收横膈膜检测数据(ZD)，其包括患者的横膈膜(13)的横膈膜延伸的横膈膜延伸数据(ZE)，所述横膈膜延伸对胸廓检测数据(BD)中的胸廓延伸在向着患者腹腔的方向上进行限界。
3.根据权利要求1所述的识别系统，其特征在于，
通过表面轮廓模型来代表
-在胸廓检测数据(BD)中的胸廓延伸和/或
-在肺检测数据(LD)中的肺延伸和/或
-在纵膈检测数据(MD)中的纵膈延伸和/或
-在横膈膜检测数据(ZD)中的横膈膜延伸。
4.根据权利要求1所述的识别系统，其特征在于，
通过网格来代表
-在胸廓检测数据(BD)中的胸廓延伸和/或
-在肺检测数据(LD)中的肺延伸和/或
-在纵膈检测数据(MD)中的纵膈延伸和/或
-在横膈膜检测数据(ZD)中的横膈膜延伸。
5.根据权利要求1所述的识别系统，其特征在于，在肋膜渗液识别数据(PED)中在相减(B)之后进行对潜在肋膜渗液(10)的延伸和/或性质的检测验证(C)。
6.根据权利要求5所述的识别系统，其特征在于，按照检测验证(C)的检测结果对所述肋膜渗液识别数据(PED)进行调整。
7.根据权利要求5所述的识别系统，其特征在于，所述检测验证(C)包括与来自于肋膜渗液形状数据库(PEFD)中的肋膜渗液的形状数据的匹配。
8.根据权利要求5所述的识别系统，其特征在于，所述检测验证(C)包括在潜在肋膜渗液(10)的区域中的测量数据与在肋膜渗液情况下对于扫描设备(25)的扫描方法典型的测量数据的匹配。
9.根据权利要求1所述的识别系统，其特征在于，所述肋膜渗液识别数据(PED)包括对存在还是不存在潜在肋膜渗液(10)的是/否-信息(J1,J2)。
10.根据权利要求1所述的识别系统，其特征在于，从所述肋膜渗液识别数据(PED)中导出关于潜在肋膜渗液(10)的体积和/或延伸的说明(E)。
11.根据权利要求10所述的识别系统，其特征在于，
在潜在肋膜渗液(10)的体积高于事先定义的体积阈值的情况下将信号(J4)输出给用户。
12.根据权利要求1所述的识别系统，其特征在于，将所述肋膜渗液识别数据(PED)与来自于数据库的参考肋膜渗液识别数据匹配并且从中导出匹配信息。
13.根据上述权利要求中任一项所述的识别系统，其特征在于，从借助计算机断层成像设备(25)的扫描中得到所述医学技术图像数据(ID)。
14.一种医学技术扫描设备(25)，包括用于图像获取的拍摄单元(27)和按照权利要求1的识别系统(29)。
CN201510144129.4A 2014-04-17 2015-03-30 潜在肋膜渗液的自动识别 Active CN104997561B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102014207449.5A DE102014207449A1 (de) 2014-04-17 2014-04-17 Automatische Erkennung eines potenziellen Pleuraergusses
DE102014207449.5 2014-04-17

Publications (2)

Publication Number Publication Date
CN104997561A CN104997561A (zh) 2015-10-28
CN104997561B true CN104997561B (zh) 2018-02-02

Family

ID=54249927

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510144129.4A Active CN104997561B (zh) 2014-04-17 2015-03-30 潜在肋膜渗液的自动识别

Country Status (3)

Country Link
US (1) US10548555B2 (zh)
CN (1) CN104997561B (zh)
DE (1) DE102014207449A1 (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017080868A1 (en) * 2015-11-09 2017-05-18 Koninklijke Philips N.V. X-ray image inhalation quality monitoring
DE102016211720A1 (de) * 2016-06-29 2018-01-04 Siemens Healthcare Gmbh Verfahren zum Positionieren eines positionierbaren Tisches
US10543044B2 (en) * 2016-09-27 2020-01-28 Covidien Lp Systems and methods for detecting pleural invasion for surgical and interventional planning
WO2020033376A1 (en) * 2018-08-07 2020-02-13 Butterfly Network, Inc. Methods and apparatuses for ultrasound imaging of lungs
CN109978860B (zh) * 2019-03-27 2021-07-16 北京青燕祥云科技有限公司 胸水判别方法、装置和计算机设备
CN112287946B (zh) * 2020-09-23 2023-04-18 南方医科大学珠江医院 基于matlab的膝关节影像组学特征自动化提取方法
CN113017687A (zh) * 2021-02-19 2021-06-25 上海长征医院 一种腹腔积液b超图像自动识别方法
CN113040876B (zh) * 2021-03-10 2022-06-24 上海市肺科医院 一种术中胸膜腔内肺结节定位装置及其制备方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6058322A (en) * 1997-07-25 2000-05-02 Arch Development Corporation Methods for improving the accuracy in differential diagnosis on radiologic examinations
CN1663530A (zh) * 2003-11-19 2005-09-07 Ge医药系统环球科技公司 用于处理图像数据以帮助检测疾病的方法和装置
CN101241596A (zh) * 2007-02-09 2008-08-13 爱克发医疗保健公司 使用时间减影技术对间隔变化的视觉增强
WO2008149358A1 (en) * 2007-06-04 2008-12-11 Siemens Computer Aided Diagnosis Ltd. Improved characterization of lung nodules
US8265728B2 (en) * 2003-11-26 2012-09-11 University Of Chicago Automated method and system for the evaluation of disease and registration accuracy in the subtraction of temporally sequential medical images
CN102663824A (zh) * 2010-11-29 2012-09-12 西门子公司 在心脏计算机断层成像容积中的心脏分离的方法和系统
CN102821697A (zh) * 2010-03-31 2012-12-12 皇家飞利浦电子股份有限公司 解剖部分的自动识别
CN103377475A (zh) * 2012-04-27 2013-10-30 通用电气公司 血管内斑块的计算机诊断系统及方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6577752B2 (en) * 2001-06-15 2003-06-10 Arch Development Corporation Automated method and system for the delineation of the chest wall in computed tomography scans for the assessment of pleural disease
US7236619B2 (en) 2002-10-31 2007-06-26 University Of Chicago System and method for computer-aided detection and characterization of diffuse lung disease
US7340296B2 (en) * 2005-05-18 2008-03-04 Cardiac Pacemakers, Inc. Detection of pleural effusion using transthoracic impedance
US20070236490A1 (en) * 2005-11-25 2007-10-11 Agfa-Gevaert Medical image display and review system
JP5305687B2 (ja) * 2008-02-26 2013-10-02 キヤノン株式会社 Ｘ線動画像撮影システム

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6058322A (en) * 1997-07-25 2000-05-02 Arch Development Corporation Methods for improving the accuracy in differential diagnosis on radiologic examinations
CN1663530A (zh) * 2003-11-19 2005-09-07 Ge医药系统环球科技公司 用于处理图像数据以帮助检测疾病的方法和装置
US8265728B2 (en) * 2003-11-26 2012-09-11 University Of Chicago Automated method and system for the evaluation of disease and registration accuracy in the subtraction of temporally sequential medical images
CN101241596A (zh) * 2007-02-09 2008-08-13 爱克发医疗保健公司 使用时间减影技术对间隔变化的视觉增强
WO2008149358A1 (en) * 2007-06-04 2008-12-11 Siemens Computer Aided Diagnosis Ltd. Improved characterization of lung nodules
CN102821697A (zh) * 2010-03-31 2012-12-12 皇家飞利浦电子股份有限公司 解剖部分的自动识别
CN102663824A (zh) * 2010-11-29 2012-09-12 西门子公司 在心脏计算机断层成像容积中的心脏分离的方法和系统
CN103377475A (zh) * 2012-04-27 2013-10-30 通用电气公司 血管内斑块的计算机诊断系统及方法

Also Published As

Publication number Publication date
US10548555B2 (en) 2020-02-04
DE102014207449A1 (de) 2015-10-22
US20150297164A1 (en) 2015-10-22
CN104997561A (zh) 2015-10-28

Similar Documents

Publication Publication Date Title
CN104997561B (zh) 潜在肋膜渗液的自动识别
EP3142556B1 (en) Visualization and quantification of lung disease utilizing image registration
Brennan et al. Clinical validation of 4-dimensional computed tomography ventilation with pulmonary function test data
JP4469594B2 (ja) 疾患関連組織変化を測定するシステム
CN1663530B (zh) 用于处理图像数据以帮助检测疾病的方法和装置
US11488300B2 (en) IVUS image analysis method
US7546154B2 (en) Method and apparatus for automatic detection of anomalies in vessel structures
US8364240B2 (en) Method and device for automatically differentiating types of kidney stones by means of computed tomography
US11069061B2 (en) Method and apparatus for calculating abdominal disease diagnosis information based on medical image
US10791931B2 (en) Imaging reductions in cerebrovascular reactivity
CN109561863B (zh) 诊断辅助程序
US20100217123A1 (en) Methods and systems of managing ultrasonographic diagnosis
CN108348208A (zh) X射线图像吸入质量监测
KR102270934B1 (ko) 의료용 인공 신경망 기반 대표 영상을 제공하는 의료 영상 판독 지원 장치 및 방법
EP3471054A1 (en) Method for determining at least one object feature of an object
Marusina et al. Automatic segmentation of MRI images in dynamic programming mode
JP2008237747A (ja) 関心領域決定装置
Nowinski et al. Characterization of intraventricular and intracerebral hematomas in non-contrast CT
Artaechevarria et al. Airway segmentation and analysis for the study of mouse models of lung disease using micro-CT
CN109074432B (zh) 用于识别和量化异常的方法与设备
KR101611488B1 (ko) 의료 영상에서 아티팩트와 병변을 구분하는 방법
KR101322297B1 (ko) 의료영상의 영상 처리를 이용한 체지방 측정 장치 및 방법
KR102085812B1 (ko) 촬영 이미지 기반의 건강상태 분석 및 정보 제공 방법, 그의 장치 및 그의 기록 매체
CN105455811B (zh) 用于获取高分辨率的磁共振图像数据组的方法
JP2022517247A (ja) 画像分析方法及びデバイス

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
TR01 Transfer of patent right

Effective date of registration: 20220128

Address after: Erlangen

Patentee after: Siemens Healthineers AG

Address before: Munich, Germany

Patentee before: SIEMENS AG

TR01 Transfer of patent right