CN105074775B - 医学图像的配准 - Google Patents

医学图像的配准 Download PDF

Info

Publication number
CN105074775B
CN105074775B CN201480008133.1A CN201480008133A CN105074775B CN 105074775 B CN105074775 B CN 105074775B CN 201480008133 A CN201480008133 A CN 201480008133A CN 105074775 B CN105074775 B CN 105074775B
Authority
CN
China
Prior art keywords
registration
image
roi
parameter vector
local
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
CN201480008133.1A
Other languages
English (en)
Other versions
CN105074775A (zh
Inventor
S·卡布斯
H·鲁佩茨霍芬
H·施米特
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.)
Koninklijke Philips NV
Original Assignee
Koninklijke Philips Electronics NV
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 Koninklijke Philips Electronics NV filed Critical Koninklijke Philips Electronics NV
Publication of CN105074775A publication Critical patent/CN105074775A/zh
Application granted granted Critical
Publication of CN105074775B publication Critical patent/CN105074775B/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
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves  involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
    • 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
    • A61B6/037—Emission tomography
    • 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
    • A61B6/46—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment with special arrangements for interfacing with the operator or the patient
    • A61B6/467—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment with special arrangements for interfacing with the operator or the patient characterised by special input means
    • A61B6/469—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment with special arrangements for interfacing with the operator or the patient characterised by special input means for selecting a region of interest [ROI]
    • 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
    • A61B6/5229—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image
    • A61B6/5247—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image combining images from an ionising-radiation diagnostic technique and a non-ionising radiation diagnostic technique, e.g. X-ray and ultrasound
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • G06T3/14—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • 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
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/48—NMR imaging systems
    • G01R33/4808—Multimodal MR, e.g. MR combined with positron emission tomography [PET], MR combined with ultrasound or MR combined with computed tomography [CT]
    • G01R33/4812—MR combined with X-ray or computed tomography [CT]
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/48—NMR imaging systems
    • G01R33/54—Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
    • G01R33/56—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution
    • G01R33/5608—Data processing and visualization specially adapted for MR, e.g. for feature analysis and pattern recognition on the basis of measured MR data, segmentation of measured MR data, edge contour detection on the basis of measured MR data, for enhancing measured MR data in terms of signal-to-noise ratio by means of noise filtering or apodization, for enhancing measured MR data in terms of resolution by means for deblurring, windowing, zero filling, or generation of gray-scaled images, colour-coded images or images displaying vectors instead of pixels
    • 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
    • G06T2207/20004—Adaptive image processing
    • G06T2207/20012—Locally adaptive
    • 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
    • G06T2207/20092—Interactive image processing based on input by user
    • 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
    • G06T2207/20092—Interactive image processing based on input by user
    • G06T2207/20104—Interactive definition of region of interest [ROI]
    • 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

Abstract

本发明涉及一种用于对两幅图像(I1、I2)进行配准的方法和图像处理设备(50)，所述图像可以由例如CT扫描器(10)和/或MRI扫描器(20)提供。根据本发明的一个实施例，首先使用第一参数向量(p0 )利用给定的配准算法来对所述图像进行全局配准(GR)。接着用户可以选择感兴趣区域ROI，并且针对该ROI使用相同的配准算法但使用不同的参数向量(p1 、p2 、……p)来计算多个局部配准(LR1、……LRs、……LRn)。局部配准(LR1、……LRs、……LRn)的结果被显示，并且用户可以选择最佳的局部配准。在最终步骤中，选定的局部配准(LRs)和全局配准(GR)可以被合并。额外地或备选地，用于ROI中的局部配准的参数向量可以通过对ROI的自动分析而被确定。

Description

医学图像的配准
技术领域
本发明涉及一种用于对目标的至少两幅图像(例如患者的身体的CT扫描和/或MRI扫描的两幅图像)的配准的方法和图像处理设备。
背景技术
US 2013/0182925 A1公开了一种对图像数据的第一集合与图像数据的第二集合进行初始配准的方法。然后在自动或人工选择的区域中执行对图像的进一步配准。例如初始配准可以是自由形式的变换，而进一步的配准是刚性配准。在最终步骤中，初始配准和进一步的配准可以被合并。
US 2005/065421 A1公开了一种方法，在所述方法中，第一解剖结构图像与第一功能图像被共配准，并且在稍后的阶段中采集到的第二解剖结构图像与第二功能图像被共配准。在第一解剖结构图像和第二解剖结构图像上执行全局、刚性配准。此外，在第一共配准的复合图像数据集中识别感兴趣体积(ROI)，并且在该ROI和经全局配准的图像数据集内的对应ROI上执行局部、非刚性配准。
WO 2007/066294 A2公开了一种流程，在所述流程中，在医学介入期间，第一图像与第二图像的若干配准被显示在显示器上。然后医生可以视觉地选择所述配准中的一个用于后续使用。
WO 20121025855 A1公开了对解剖结构图像与发射图像的配准。在一个实施例中，全局刚性配准之后跟随有对感兴趣区域的局部非刚性配准。
发明内容
鉴于以上内容，期望具有允许经改进的图像配准的手段。
该目的是通过根据权利要求1所述的图像处理设备、根据权利要求2所述的方法、以及根据权利要求3所述的医学成像装置来实现的。在从属权利要求中公开了优选实施例。
根据第一方面，本发明的实施例涉及一种可以对目标的至少两幅图像进行配准的图像处理设备，所述设备包括以下部件：
-第一模块，其在以下被称为“全局配准模块”并且用于利用第一参数向量使用给定的配准算法来运行对所述至少两幅图像的配准(被称为“全局配准”)。
-第二模块，其在以下被称为“选择模块”并且用于选择所述图像中的被称为“ROI”的给定的感兴趣区域。
-第三模块，其在以下被称为“局部配准模块”并且用于利用不同于所述第一参数向量的参数向量使用以上提及的给定的配准算法来运行对选定的ROI内的所述图像的至少一个配准(被称为“局部配准”)。
此外，前述的所述局部配准的“不同的参数向量”是基于对所述ROI的自动分析针对至少一个局部配准而被自动地确定的，其中，所述分析包括以下项目中的至少一个：对强度范围的评估、图像边缘、熵测量结果、强度直方图、边缘直方图、剩余的强度范围、和/或解剖结构位置。
例如所述图像处理设备可以通过专用电子硬件、具有相关联的软件的数字数据处理硬件或二者的混合来实现。
由所述设备处理的图像典型地是二维图像或三维图像，例如从医学CT(计算机断层摄影)或MRI(磁共振成像)扫描流程获得的图像。所述图像优选被编码为数字数据集，在所述数字数据集中，每个元素表示空间中的相关联的点(例如由其在相关联的坐标系中的坐标x，y，z表示)处的图像值(例如灰度值)。
通常，对目标的两幅图像的“配准”指代对所述两幅图像之间的映射的确定，所述配准将所述图像中的第一幅的每个图像点映射到第二幅图像的属于被成像目标的相同位置或结构的该图像点上。对已经利用相同的装置生成的图像的配准通常是必要的，这是因为所述目标可能移动(患者的运动、心跳、结构的生长等)。对已经利用不同装置/模态生成的图像的配准通常是必要的，这是因为被成像目标的同一结构在这样的图像中被不同地表示。在配准之前，图像可以被适当地预处理，例如通过过滤或通过将不感兴趣的目标移除。
被描绘在经处理的图像中的所述目标例如可以是医学检查中的人或动物的身体(的部分)、行李控制中的手提箱、材料科学中的一块材料等。
定语“全局”和“局部”应当指示“全局配准”比“局部配准”扩展到所述图像的更大的部分，“局部配准”被限制到选定的ROI。然而，“全局配准”可能不覆盖整个图像，例如在不感兴趣的结构(例如患者台)被忽略的情况下。
“给定的配准算法”可以是适合于对手头图像的期望的配准的任何算法。在本领域中已知各种这样的配准算法，例如刚性配准、仿射配准、以及非刚性配准(参见J.Modersitzki的US 2013/0182925 A1“Numerical Methods for Image Registration”，Oxford University Press，2004年；D.Rueckert、L.I.Sonoda、C.Hayes、D.L.G.Hill、M.O.Leach以及D.J.Hawkes的“Non-rigid registration using free-formdeformations：Applicaton to breast MR images”，IEEE Transactions on MedicalImaging，18(8)，712-721页，1999年)。所有关于所使用的配准算法的假设是所述配准算法取决于N≥1个参数，其中，这些参数可以被布置为某个N维参数空间的“参数向量”。
如果多于一个局部配准是由所述局部配准模块运行的，则所述局部配准中的每个将使用与所述第一参数向量和其他局部配准的参数向量都不同的参数向量。
对所述ROI的选择可以在原始图像中的任意一幅中被运行、在全部两幅图像中被同时运行(利用稍后的对所述选择的合并)、和/或在所述图像的经全局配准的版本中运行。后面的选项是典型优选的，这是因为经全局配准的图像展现全局配准可能尚未足够好的那些区域，使得这些区域可以被选择为ROI。此外，对ROI的选择和对至少一个局部配准的对应的确定可以任选地针对不同的ROI被重复若干次和/或针对不同的ROI被并行运行。
可以利用原始图像或优选地通过将经全局配准的图像用作起始点来执行所述至少一个局部配准。
根据第二方面，本发明的实施例涉及一种用于对目标的至少两幅图像进行配准的方法，所述方法包括在适当时可以以所列出的顺序或任何其他顺序或并行地被运行的以下步骤：
a)利用第一参数向量使用给定的配准算法来对所述图像进行“全局配准”。
b)选择所述图像中的被称为ROI的感兴趣区域。
c)利用不同的参数向量使用所述给定的配准算法来对选定的ROI内的所述图像进行至少一个“局部配准”。
此外，前述的所述局部配准的“不同的参数向量”是基于对所述ROI的自动分析针对至少一个局部配准而被自动确定的，其中，所述分析包括以下项目中的至少一个：对强度范围的评估、图像边缘、熵测量结果、强度直方图、边缘直方图、剩余的强度范围、和/或解剖结构位置。
根据第三方面，本发明的实施例涉及一种医学成像装置，所述医学成像装置包括以下部件：
-至少一个图像生成设备，其用于生成目标的图像。
-上述种类的图像处理设备，其用于对由所述图像生成设备提供的图像进行配准。所述图像处理设备因此将包括：全局配准模块，其用于利用第一参数向量使用给定的配准算法来运行对所述图像的全局配准；选择模块，其用于对所述图像中的ROI的选择；以及局部配准模块，其用于利用不同的参数向量使用所述给定的配准算法来运行对选定的ROI内的所述图像的至少一个局部配准。
所述图像处理设备、所述方法以及所述医学成像装置基于这样的相同的概念，即在对两幅图像的全局配准之后跟随有在选定的感兴趣区域中的利用不同的参数向量的至少一个局部配准。因此，针对这些实施例中的一个所提供的解释对于其他实施例也是有效的。
所述图像处理设备、所述方法以及所述医学成像装置具有这样的优点，即它们允许可以被容易地实施的对两幅图像的配准的有效改进。这是因为通常将被作为最终结果的第一配准通过局部配准在至少一个选定的感兴趣区域中被局部细化。由于所述局部配准应用与所述第一配准相同的配准算法，因此可以实现细化而无需实施完全不同的配准算法。
在下文中，将描述可以与上述的图像处理设备、方法以及医学成像装置相结合来实现的本发明的各个优选实施例。
在第一优选基本实施例中，利用不同的参数向量来运行至少两个局部配准(关于图像处理设备，这意味着所述局部配准模块被设计为利用不同的参数向量来运行至少两个配准)。所述不同的参数向量可以被提前给定，例如从所述局部配准模块的存储器提供。额外地或备选地，它们可以被以以下方式选择或生成：(i)随机地；(ii)基于用户输入；和/或(iii)取决于选定的ROI和/或待配准的图像的类型。对两个或更多个局部配准的计算允许例如在提供针对结果的数字分数的某个目标函数的帮助下对结果的比较。接着所述局部配准中的最佳的可以被选择以用于进一步的使用。
在前述方法的进一步的发展中，(例如在所述图像处理设备或所述医学成像装置的监视器上)显示了利用不同的参数向量的所述局部配准的结果，其中，用户接着可以选择所显示的结果中的至少一个用于进一步的使用。所述选择可以是例如在诸如鼠标、轨迹球、键盘等的某个输入设备(这也可以是所述图像处理设备和/或所述医学成像装置的部分)的帮助下完成的。典型地，所述用户将选择看上去最好的局部配准，尽管其他选择标准也是可能的。可以以任何适当的方式来完成对配准的结果的显示，例如通过示出经配准的图像的叠加。对局部配准的结果的选择当然等同于对具体的局部配准及其已经被用于实现选定的结果的参数向量的选择。所述局部配准的结果可以被顺序显示，也许具有针对所述用户的在结果之间跳转的额外选项。最优选地，所述局部配准的结果被同时显示，使得所述用户可以一眼就看见它们并将它们并行地比较。额外地或备选地，所述全局配准的结果也可以被并行地显示。
前述对局部配准的选择是有利的，这是因为其通过充分拓展用户的(直观)评估配准的能力来允许对图像配准的细化。所述图像处理设备被用于其可以做得最好的，即以高速度运行(针对若干局部配准)的数值计算。用户必须做的只是例如经由简单的鼠标点击来选择所述局部配准中的对于他/她看上去最好的那一个，其中，该选择将常常基于几乎不能够被严谨地用公式表示或被实施在算法中的标准。
所述用户任选地也可以选择所述局部配准的两个或更多个结果以用于进一步的使用。优选地，所述用户可以同时提供对选定的配准的排序(“最佳的”、“第二最佳的”等)。然后选定的配准的所述参数向量通常将指示整个参数空间的在对所述局部配准的进一步优化期间可以利用偏好搜索到的子区域。例如，可以使用(任选地利用它们的排序而被加权的)选定的参数向量的平均值来定义新的局部配准。
在由用户从显示的局部配准的结果中选择一个局部配准后，该选定的配准任选地可以在进一步的处理步骤中被细化(如果已经选择了若干局部配准，则它们中的每个可以被细化和/或从它们导出的新的局部配准可以被细化)。因此，该选定的局部配准的最优效果可以被作为进一步使用的基础。对局部配准的细化例如可以包括利用对已知的一个或多个参数(其可以是或不是相关联的参数向量的分量)的变化的对所述局部配准的新的计算，以改进配准的准确度。这样的参数例如可以与经处理的图像的分辨率和/或利用迭代配准算法执行的迭代的数目相关。当若干局部配准必须被计算以便将算法所要求的运行时间限制到合理的值时，通常将为这样的参数选择次优化的值。对次优化的、简化的局部配准的使用对于找出所述局部配准中的哪个产生比其他的更好的结果的预期目的通常是足够的。
在以上的实施例中，由用户从若干局部配准选择的一个或多个显示的结果典型地将利用(例如来自不同的身体区域和/或患者的)不同输入图像而再三地发生许多次。在这样的场景中，用户的选择任选地可以关于可能的偏好而被评估，即关于与具有相等可能性的配准的(盲目或随机的)选择的偏差而被评估。例如，如果用户从参数空间的某个子区域比从其他区域更频繁地选择参数向量，则这指示可以被定性地或甚至定量地检测到的偏好。在未来的图像配准期间可以优选地充分拓展该信息。利用所述用户优选的参数向量的局部配准例如可以被呈现为默认选择。额外地或备选地，可以在包括优选参数向量的参数空间的区域中计算更多的局部配准。类似地，很少或从不从其中选择局部配准的参数空间的区域可以被更稀疏地采样或被完全忽略。因此，配准流程可以被提供有某种学习能力，所述学习能力提供随时间的连续改进。应当注意到，其偏好被确定的“用户”当然也可以与若干用户的组相对应。
在所述图像处理设备、所述方法和/或所述医学成像装置中，所述局部配准的“不同的参数向量”是基于对所述ROI的自动分析针对至少一个局部配准而被自动确定的。在一个实施例中，所述用户的输入可以被限制到对所述ROI的选择(如果这也不是自动完成的)，并且自动算法对该ROI进行分析并(例如根据在所述算法中实施的某个给定标准)确定针对局部配准的某个参数向量。由于聚焦在所述ROI上，自动确定的参数向量通常将产生比必须使用鉴于整个图像而选择的所述第一参数向量的所述全局配准更好的配准结果(针对所述ROI)。
前述对所述ROI的自动分析包括以下项目中的至少一个：对强度范围的评估、图像边缘、熵测量结果、强度直方图、边缘直方图、剩余的强度范围、和/或解剖结构位置。
作为范例，针对潜在图像的强度范围的评估可以指示在所述ROI中存在哪种解剖结构内容(例如对于CT图像为具有非常低的HU值的肺内的空气或肠气体、液体、具有中等的HU值的非密集组织或密集组织、具有较高HU值的骨骼结构)，并因此可以证明特定的参数设定。对骨骼结构的配准例如将需要更硬的变形，而对组织结构的配准需要中等的弹性。空气或气体的存在可以暗示允许待比较的图像之间的较大的体积变化的设定。
作为另外的范例，对强度直方图的评估扩展了对强度范围的评估。直方图分析可以被用于对特定强度范围(例如骨骼和液体)的部分进行定量。然后可以选择被设计用于所述ROI中存在的最大部分的参数设定，或者可以以子ROI相关或甚至体素相关的方式来选择参数设定，例如在ROI由多于一种的材料组成的情况下。此外，可以在每幅图像上单独地完成所述直方图分析，这允许例如针对图像中的一幅中的造影剂的检测。针对该场景的适当的参数设定将是弹性但体积保存的变形。
作为另一范例，例如经由计算梯度图像的对图像边缘的评估指示所述ROI中是否存在边缘。图像边缘可以是显著的(例如在隔膜处)或小的(例如在肝与肾之间的肠接口处)。尽管显著的图像边缘容易被匹配，但具有更小强度的边缘可能需要具有减少的正则化算子权重或具有增加的相似度项权重的参数设定，或者可能要求对图像的预处理以便增强边缘的强度。
作为另一范例，对边缘直方图的评估扩展对图像边缘的评估。直方图分析可以被用于对具有特定强度的边缘的量进行定量。类似于评估强度直方图的场景，可以选择针对子ROI的专用参数设定。
作为另外的范例，可以使用对所述剩余图像的评估。非对准的图像边缘将在所述剩余图像中出现作为一对线状结构，一个具有正强度，另一个具有负强度。这样的对的出现可以被检测到并指示例如增加的弹性或减少的正则化算子权重或者增加的相似度项权重或者对图像的预处理。在与在相同图像区域内的其他量度(例如强度直方图)的组合中，例如经由强度的映射的专用预处理是可能的，以便增强所考虑到的边缘的强度。所述剩余图像中的结构的存在也可以暗示更大数目的迭代水平或在经细化的分辨率水平上的配准。
作为另一范例，基于分割结果，所述ROI的所述解剖结构位置可以被用于参数设定。基于所述分割结果，可以使用器官特异性参数设定或骨骼特异性参数设定。
前述范例中的一个或多个可以与关于多个分辨率水平(或多个缩放比例)的分析进行组合。如果特定特征在特定图像分辨率水平上的评估之后不存在，但在更精细的图像分辨率水平上存在，则选择将所述更精细的分辨率水平添加到配准的参数设定是合理的。
对所述ROI的选择可以由用户在例如鼠标或所述用户可以利用其来在所述图像的显示上指示期望的ROI的边界的某个其他指针的帮助下人工完成。在另一实施例中，对所述ROI的选择例如可以基于对给定图像中的具有特定特征的区域进行分割的算法而被自动完成。
利用不同的参数向量使用给定的配准算法对选定的ROI内的所述图像的至少一个局部配准任选地可以被重复至少一次。局部配准的一个循环例如可以允许用户对最佳结果的选择，并且局部配准的接下来的循环可以基于该选择，例如使用与先前的循环中选定的参数向量接近的参数向量。当然，该处理可以被迭代若干次。
在所述方法和所述图像处理设备的实施例中，针对所述ROI的一个局部配准可以被认为是最终局部配准(例如已经由用户选定为最佳局部配准的局部配准，或基于自动确定的参数向量的局部配准)。为了实现对输入图像的最优总体配准，优选地将该最终局部配准与所述全局配准合并。可以以各种方式来实现这样的合并，只要提供了所述最终局部配准在所述ROI内占主导(或排他地应用)而所述全局配准在所述ROI的外面占主导(或排他地应用)。接近所述ROI的边界，可以定义过渡区域，在所述过渡区域中，发生从所述全局配准到所述局部配准的连续混合(参见US 2013/0182925 A1)。
所述全局配准和/或(一个或多个)所述局部配准优选地可以是非刚性配准(或“自由形式变换”)。非刚性配准通常可以将两幅图像更好地映射到彼此上，尤其是在它们描绘软的、可变形的材料(例如身体组织)时。
取决于给定的配准算法，相关联的参数向量可以含有各种不同类型的参数。在优选实施例中，所述参数向量包括从包括以下的组中选择的至少一个参数：材料属性、加权因子、迭代的数目以及图像分辨率。典型的参数向量例如可以包括若干材料属性(例如骨骼和肌肉的弹性)、加权因子(例如图像相似度对正则化的加权因子)、迭代的最大数目、以及用于所述局部配准的所述图像的(次优)分辨率。
被配准的图像例如可以是由诸如X射线投影装置或CT扫描器的X射线设备生成的图像。额外地或备选地，所述图像可以由PET(正电子发射断层扫描)或SPECT(单光子发射计算机断层扫描)设备、磁共振成像(MRI)设备、或超声(US)设备生成。
所描述的方法典型地将在计算设备(例如所述图像处理设备中的微处理器或FPGA)的帮助下被实现。因此，本发明还包括计算机程序产品，所述计算机程序产品当在计算设备上运行时提供根据本发明的方法中的任何方法的功能。
另外，本发明包括数据载体，例如软盘、硬盘、EPROM、压缩磁盘(CD-ROM)、数字多功能盘(DVD)、或以机器可读的形式存储计算机产品并在计算设备上运行被存储在所述数据载体上的程序时运行本发明的方法中的至少一个的USB棒。所述数据载体可以特别适合于存储先前的段落中提及的计算设备的程序。
现今，这样的软件常常在互联网或公司内联网上被提供用于下载，因此本发明还包括在局域网或广域网上传输根据本发明的计算机产品。
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是显而易见的，并且将参考下文描述的实施例对本发明的这些和其他方面进行说明。
在附图中：
图1示意性地示出了根据本发明的实施例的医学成像装置；
图2示出了输入图像的范例；
图3图示了对两幅经全局配准的输入图像中的ROI的选择；
图4图示了对全局配准和利用不同参数向量的多个局部配准的显示。
附图中相似的参考标记指代相同或相似的部件。
具体实施方式
图像配准越来越多地被接受作为建立图像之间的对应性的基本技术。应用范围是宽泛的，覆盖诸如动态对比度成像和后续研究中的变化定量的常见应用。刚性/仿射配准仅适合于很少的应用，而大多数应用需要非刚性配准。
总是期望改进配准的准确度，尤其是在低对比度结构或强移动结构必须被对准的情况下。根据这里提出的方法，经修改的配准参数被用于实现这样的改进。然而由于它们的选择是具有挑战性的并且需要专家知识，因此提供了以所见即所得的方式修改配准参数的用户友好的方式。
图1示意性地图示了根据以上方法的实施例的医学成像装置100。所述成像装置的中心元件是例如可以由具有相关联的软件的微型计算机实现的图像处理设备50。图像处理设备50内描绘的方框意在图示不同的处理步骤而不是不同的硬件部件。典型地，这些方框与主要由相关联的软件(子)例程实施的模块相对应。
大体上可以源自于任何适当的图像源的输入图像I1、I2被供应给图像处理设备50，所述图像源包括先前生成的图像被存储于其中以用于稍后处理的存储设备。在示出的范例中，第一图像I1(或图像流)由具有X射线源11和探测器12的X射线扫描器10来提供，X射线扫描器10可以关于患者台上的患者P旋转。第二图像I2(或图像流)由MRI扫描器20提供，MRI扫描器20可以生成被定位在扫描器的膛中的患者P的身体的截面图像或3D图像。
在该范例中，第一图像I1和第二图像I2是通过不同的模态来提供的。图像的维度(2D、3D)可以是相同或不同的。此外，相同的目标(例如患者P的身体的相同部分)将必须被描绘在所供应的图像I1、I2上，以允许合理的配准。
在图像处理设备50中，由外部器件提供的两幅(或更多幅)图像I1、I2首先在“全局配准模块”51中被处理(这里未详细示出诸如过滤或对不感兴趣的图像部分的移除的任选预处理步骤)。全局配准模块51使用利用(给定的)第一参数向量p 0的某个给定的配准算法来运行对图像I1、I2的全局配准GR。如在该模块的方框中所指示的，全局配准通常提供第一图像I1的坐标x，y，z到第二图像I2的坐标x’，y’，z’上的映射f。该映射使得例如与第一图像I1中的特定位置或结构(例如血管的分支)相对应的点x，y，z被映射到与第二图像I2中的相同位置或结构相对应的点x’，y’，z’上。在附图中，该映射是通过对第二图像I2的x’，y’，z’坐标系的变形来图示的(使得在第一图像与变形的第二图像重叠的情况下两幅图像中的相同的目标位置/结构一致)。
全局配准的结果接下来被传递到“选择模块”52，“选择模块”52允许由用户对感兴趣区域(“ROI”)的选择。该步骤利用外部的用户接口60来将经全局配准的图像显示在显示器或监视器63上并允许由用户在键盘61和鼠标62的帮助下对ROI进行指示。
应当注意到，用于选择ROI的其他方式也是可能的。因此，选择例如可以基于原始图像中的一幅(或基于全部两幅)，或者选择可以由处理设备50自动完成。
在对ROI的选择后，由“局部配准模块”53在ROI内运行若干局部配准LR1、……LRs、……LRn。这些局部配准中的每个应用由全局配准模块使用的相同的配准算法，但是使用不同的参数向量p 1≠p 2≠……p s≠……p n。
在监视器63上向用户呈现前述局部配准LR1、……LRs、……LRn的结果。优选地，所有结果都被并行地示出，并且任选地与中心处的全局配准GR的结果一起示出。用户然后可以选择这些局部配准中他/她认为最好的一个或多个(例如局部配准LRs)。该选定的局部配准LRs任选地可以在其被进一步处理之前通过细化(例如利用较高分辨率的计算)而被改进。
由用户选择的局部配准LRs(或者实际上为对应的参数向量p s)被转发到“合并模块”54，在“合并模块”54中，所述局部配准LRs被以适当的方式与全局配准GR合并以产生最终总体配准。全局配准GR例如可以在ROI外面的最终总体配准中占主导，而选定的局部配准LRs在ROI里面占主导，具有从ROI的里面到外面的连续的、柔和的过渡。则最终总体配准典型地可用于进一步的处理、存储和/或评估。
作为对于利用不同的参数向量(p 1、……p s、……p n)的若干局部配准(LR1、……LRs、……LRn)的计算、以及对于由用户做出的对最佳局部配准(LRs)的选择的备选，可以自动分析ROI以找到参数向量p s以用于后续的局部配准。
在全局配准模块51和局部配准模块53中应用的给定的配准算法优选地可以是非刚性配准。非刚性图像配准可以被实施为迭代处理，在所述迭代处理中图像相似度项被优化，而额外的正则化项将解决方案保持在某个感测现实性中(通常想要得到的变形场的特定平滑性)。典型的非刚性配准方案包括以下组成部分：
-对在两个或更多个图像域之间的映射的表示和参数化。常见的选择例如是B-条样控制点的网格、或者逐图像体素的平移向量。
-将图像相似度项与正则化项进行组合的目标函数。针对相似度项的常见选择是互信息、平方差的和或者强度相关性。正则化项通常通过例如惩罚映射场的一阶导数和/或二阶导数来暗指特定程度的平滑。
-图像相似度项和正则化项被依据方法学选择、图像模态以及应用而被加权。加权对于整幅图像通常是固定的。
-用于操控配准方案的参数的集合(或向量)(例如弹性/材料属性、加权因子、迭代的最大数目、要被使用的分辨率水平等)。
-优化方案，例如梯度下降、共轭梯度等。
配准输出的准确度取决于：(i)花费的迭代的数目，即运行时间，(ii)用于配准的参数设定，以及(iii)感兴趣解剖学结构。由于对于非刚性图像配准，不存在自动验证方案，因此不能自动确定配准输出是否符合用户规范(例如“配准误差低于2mm”)。即使对于大量的迭代，也不能保证对于任何感兴趣解剖学结构都符合用户规范。
图2示出了例如示范性的CT图像，在所述示范性的CT图像中，高对比的图像边缘(例如隔膜)比低对比的图像边缘(例如肝的下边界)更容易检测。由此，任何配准方案都趋向对准高对比的图像边缘而不是低对比的图像边缘。
此外，骨骼结构在使用组织特异性参数设定时例如可能得到不现实的变形，并且需要对被模拟的材料属性的骨骼特异性设定。此外，不同的应用场景(点跟踪、后续研究中的变化定量、灌注研究、(动态)对比度成像等)产生不同的需要，并且不存在一个解决所有的配准解决方案。
通过将细化引入到以上提出的ROI中作为后处理步骤，配准输出的准确度无论如何可以借助于最小用户输入而被改进。
如以上解释的，所述细化需要对输入图像中的一幅中的感兴趣区域ROI的选择。图3图示了对全局配准的结果作为剩余的显示(即第一图像与变形的第二图像的减影)，在所述显示中，选择长方体作为ROI以指示配准输出需要被改进(肝的下边界未被对准)的区域。ROI的其他可能形式包括例如球形、椭圆形或不规则形状。
接下来针对ROI计算(利用不同的参数设定的)多个快速局部配准细化LR1、……LRn，并将其呈现给用户。如图4中图示的，这例如可以以围绕在中心处的全局配准GR的表示而被显示的预览的形式来完成。遵循所见即所得的方法，用户然后可以选择最满足他/她需要的预览(并且由此选择参数设定)。这后面可以跟随有利用新的参数设定的准确的配准细化。因此所需要的用户输入仅是(i)选择感兴趣区域，并且(ii)选择(非常快速地)计算出的预览中的一个。
所描述的方法的主要先决条件和步骤为：
1、提供任意维度的两幅或更多幅医学图像I1、I2。
2、使用例如图像相似度项和正则化项利用标准参数设定p 0来运行(优选地为非刚性的)图像配准算法，以便将输入图像对准。
3、提供第一图形用户接口(GUI)，在所述第一图形用户接口中，第一全局配准输出被示出给用户并且在所述第一图形用户接口中用户可以选择ROI以便指示配准输出需要被改进的图像区域。对输出的表示例如可以通过一下来完成：将第一图像与经对准的(变形的)第二图像进行叠加(“融合”)、或者计算第一图像与变形的第二图像的减影(“剩余”)、或者将从变形的第二图像提取的图像边缘叠加到第一图像上(“轮廓叠加”)。
4、确定用于对ROI的非常快速的经细化的局部图像配准的各种经修改的参数设定p 1、……p s、……p n。在该步骤中，在全局配准算法中使用的参数被以合理的方式修改，例如被模拟的弹性参数被增加或减少、组织界面通过强度映射算法或直方图均衡而被突出显示、或者选择不同的相似度量度或正则化算子。参数修改得到新的参数设定的集合。
此外，利用由用户定义的ROI裁剪的输入图像I1、I2并且利用新的参数设定p 1、……p s、……p n中的每个来重新运行来自步骤2的全局配准算法。可以利用在步骤2中获得的全局变形来对配准算法进行初始化。
为了交互处理，对局部配准算法的运行需要是快速的。这可以通过以下来实现：(i)将配准域限制到ROI，并且(ii)将配准限制到输入图像的粗糙的(即欠采样的)分辨率(接着结果被解读为对精确配准输出的预览)。对于每个参数设定，计算ROI的变形。
5、提供第二GUI，在所述第二GUI中第一全局配准输出以及经细化的局部配准输出(预览)的集再一次被示出给用户，并且在所述第二GUI中用户可以选择最符合他/她的需要的预览。由于预览状态(即以非常快速的模式执行的配准)，可能出现对齐仍然不完美。然而，重要的只是选择(利用对应的参数设定)的预览，所述预览以期望的方式/沿期望的方向改进(来自步骤2的)全局配准结果。
6、接着使用选定的参数设定p s来执行经细化的配准，即由在步骤2中获得的全局变形来初始化。针对ROI运行利用新的参数设定的高准确配准。为了维持跨ROI边界的平滑变形，必须针对经细化的配准选择适当的边界条件。系统的输出是经对准的图像或输入图像中的一些或全部之间的变形场。
利用以上手段，可以实现具有针对作为后处理步骤的额外的细化的双击用户交互的GUI。对所描述的流程的任选的修改和扩展例如：
-以“环”的形式重复步骤3(ROI-选择)至6(经细化的配准)，直到用户对配准准确度满意。
-存储用户选择。(一个或多个)喜欢的选择接着可以被提出用来(i)减少细化步骤的数目和/或(ii)对经修改的参数设定的集合进行限制。
-用户也可以选择第二最佳(第三最佳等)的预览。搜索范围则可以通过参数设定从(根据用户排序加权的)n个最佳预览跨越。这可以进一步地改进用于步骤6中的经细化的配准的参数设定。
总的来说，已经描述了图像配准的实施例，在所述实施例中，经修正的配准参数可以提高配准准确度，特别是局部地提高。该方法允许以所见即所得的方式对配准参数的调整。这不需要专家知识和最小用户输入(2次点击)。
上述流程基于这样的观察，即配准参数通常被针对整个图像域选择一次，但是在特定的感兴趣区域(ROI)内经修改的参数设定可以更适合并且可以局部地改进配准输出。在使用该观察的备选方法中，提出了对ROI内(例如在用户点击的位置周围)的图像内容的自动分析，所述自动分析触发继而发生的利用自动确定的经修改的参数设定的二次配准。
该备选方法的主要先决条件和步骤为：
1、任意维度的两幅或更多幅医学图像(如上)。
2、例如使用图像相似度项和正则化项的利用标准参数设定的例如非刚性全局图像配准算法(如上)。
3、GUI，在所述GUI中第一全局配准输出(例如按照融合图像、剩余、轮廓叠加)被示出给用户，并且在所述GUI中用户可以选择位置或ROI(如上)。
4、对ROI内的图像内容的自动分析根据所存储的设置的范围来确定更适合的参数设定。自动分析例如可以采用强度范围、图像边缘、熵测量结果、强度直方图、边缘直方图、剩余的强度范围、解剖结构位置(与之前的分割组合)。例如低的强度范围将激发直方图均衡，以便促进对低对比的图像结构的对准。例如ROI中细小结构的存在要求使用比通常使用的更高的图像分辨率。
5、使用经修改的参数设定来执行二次(局部)配准，即通过在步骤2中获得的全局变形来初始化，针对ROI运行利用新的参数设定的高准确配准。为了维持跨ORI边界的平滑变形，必须针对经细化的配准选择适当的边界条件。系统的输出是经对准的图像或输入图像中的一些或全部之间的变形场。
因此，实现了由用户引导(在配准准确度需要被提高的图像区域上的单击)驱动的全自动分析。所述分析基于(i)全部两幅输入图像的图像内容，以及(ii)一次的全局配准结果；所述分析是在用户指定位置周围的区域内被执行的。全自动分析得到经修改的参数设定，所述经修改的参数设定接着被用于二次配准。
以上解释的流程可以被用于对来自CT或任何其他成像模态的图像数据进行处理。
尽管已经在附图和前文的描述中详细说明并描述了本发明，但这种说明和描述被视为说明性或示范性的，而非限制性的；本发明不限于所公开的实施例。本领域技术人员通过研究附图、公开内容以及权利要求书，在实践要求保护的本发明时，能够理解并实现对所公开的实施例的其他变型。在权利要求书中，词语“包括”不排除其他元件或步骤，并且词语“一”或“一个”不排除多个。单个处理器或其他单元可以满足权利要求中记载的若干项目的功能。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。计算机程序可以被存储/分布在适合的介质上，例如与其他硬件一起提供或作为其他硬件的部分提供的光学存储介质或固态介质，但是也可以被以其他形式分布，例如经由因特网或其他的有线或无线的电信系统。权利要求中的任何附图标记都不应被解释为对范围的限制。

Claims (31)

1.一种能够对目标(P)的至少两幅图像(I1、I2)进行配准的图像处理设备(50)，包括：
-“全局配准模块”(51)，其用于利用第一参数向量(p0)使用给定的配准算法来运行对所述图像(I1、I2)的全局配准(GR)；
-“选择模块”(52)，其用于选择所述图像中的被称为ROI的感兴趣区域；
-“局部配准模块”(53)，其用于利用不同的参数向量(p1、p2、……pn)使用所述给定的配准算法来运行对选定的ROI内的所述图像的两个以上局部配准(LR1、……LRs、……LRn)；
其中，参数向量是基于对所述ROI的自动分析针对所述两个以上局部配准中的每一个而被确定的，所述自动分析包括对以下的评估：
-强度范围，
-强度直方图，
-图像边缘，
-边缘直方图，
-熵测量结果，
-剩余的强度范围，
-和/或解剖结构位置。
2.根据权利要求1所述的图像处理设备(50)、
其特征在于，所述局部配准(LR1、……LRs、……LRn)的结果被显示，并且用户能够选择所显示的局部配准中的至少一个(LRs)。
3.根据权利要求2所述的图像处理设备(50)，
其特征在于，选定的局部配准(LRs)被细化。
4.根据权利要求2所述的图像处理设备(50)，
其特征在于，关于所述用户的偏好来评估所述用户的选择。
5.根据权利要求1所述的图像处理设备(50)，
其特征在于，对所述ROI的所述自动分析包括对以下的评估：
-关于指示选定的参数向量的解剖结构内容的强度范围，
-关于具有较小强度的边缘的图像边缘，所述具有较小强度的边缘需要参数向量来增强所述具有较小强度的边缘的强度，
-关于出现正强度和负强度对的剩余的强度范围，
-和/或关于所述ROI的指示器官特异性参数向量或骨骼特异性参数向量的解剖结构位置的解剖结构位置。
6.根据权利要求1所述的图像处理设备(50)，
其特征在于，所述ROI是被自动选择的。
7.根据权利要求1所述的图像处理设备(50)，
其特征在于，所述全局配准(GR)与所述局部配准中的至少一个(LRs)被合并。
8.根据权利要求1所述的图像处理设备(50)，
其特征在于，所述全局配准(GR)和所述局部配准(LR1、……LRs、……LRn)是非刚性配准。
9.根据权利要求1所述的图像处理设备(50)，
其特征在于，所述参数向量(p0、p1、p2、……pn)包括从包括以下的组中选择的至少一个参数：材料属性、加权因子、迭代的数目以及图像分辨率。
10.根据权利要求1所述的图像处理设备(50)，
其特征在于，所述图像(I1、I2)由X射线设备、MRI扫描器(20)、PET扫描器、SPECT扫描器或超声设备生成。
11.一种用于对目标(P)的至少两幅图像(I1、I2)进行配准的方法，所述方法包括以下步骤：
a)利用第一参数向量(p0)使用给定的配准算法来对所述图像(I1、I2)进行“全局配准”(GR)；
b)选择所述图像中的被称为ROI的感兴趣区域；
c)利用不同的参数向量(p1、p2、……pn)使用所述给定的配准算法来对选定的ROI内的所述图像进行两个以上“局部配准”(LR1、……LRs、……LRn)；
其中，参数向量是基于对所述ROI的自动分析针对所述两个以上局部配准中的每一个而被确定的，所述自动分析包括对以下的评估：
-强度范围，
-强度直方图，
-图像边缘，
-边缘直方图，
-熵测量结果，
-剩余的强度范围，
-和/或解剖结构位置。
12.根据权利要求11所述的方法、
其特征在于，所述局部配准(LR1、……LRs、……LRn)的结果被显示，并且用户能够选择所显示的局部配准中的至少一个(LRs)。
13.根据权利要求12所述的方法，
其特征在于，选定的局部配准(LRs)被细化。
14.根据权利要求12所述的方法，
其特征在于，关于所述用户的偏好来评估所述用户的选择。
15.根据权利要求11所述的方法，
其特征在于，对所述ROI的所述自动分析包括对以下的评估：
-关于指示选定的参数向量的解剖结构内容的强度范围，
-关于具有较小强度的边缘的图像边缘，所述具有较小强度的边缘需要参数向量来增强所述具有较小强度的边缘的强度，
-关于出现正强度和负强度对的剩余的强度范围，
-和/或关于所述ROI的指示器官特异性参数向量或骨骼特异性参数向量的解剖结构位置的解剖结构位置。
16.根据权利要求11所述的方法，
其特征在于，所述ROI是被自动选择的。
17.根据权利要求11所述的方法，
其特征在于，步骤c)被重复至少一次。
18.根据权利要求11所述的方法，
其特征在于，所述全局配准(GR)与所述局部配准中的至少一个(LRs)被合并。
19.根据权利要求11所述的方法，
其特征在于，所述全局配准(GR)和所述局部配准(LR1、……LRs、……LRn)是非刚性配准。
20.根据权利要求11所述的方法，
其特征在于，所述参数向量(p0、p1、p2、……pn)包括从包括以下的组中选择的至少一个参数：材料属性、加权因子、迭代的数目以及图像分辨率。
21.根据权利要求11所述的方法，
其特征在于，所述图像(I1、I2)由X射线设备、MRI扫描器(20)、PET扫描器、SPECT扫描器或超声设备生成。
22.一种医学成像装置(100)，包括：
-至少一个图像生成设备(10、20)，其用于生成目标(P)的图像(I1、I2)；
-根据权利要求1所述的图像处理设备(50)，其用于对由所述图像生成设备提供的图像(I1、I2)进行配准。
23.根据权利要求22所述的医学成像装置(100)，
其特征在于，所述局部配准(LR1、……LRs、……LRn)的结果被显示，并且用户能够选择所显示的局部配准中的至少一个(LRs)。
24.根据权利要求23所述的医学成像装置(100)，
其特征在于，选定的局部配准(LRs)被细化。
25.根据权利要求23所述的医学成像装置(100)，
其特征在于，关于所述用户的偏好来评估所述用户的选择。
26.根据权利要求22所述的医学成像装置(100)，
其特征在于，对所述ROI的所述自动分析包括对以下的评估：
-关于指示选定的参数向量的解剖结构内容的强度范围，
-关于具有较小强度的边缘的图像边缘，所述具有较小强度的边缘需要参数向量来增强所述具有较小强度的边缘的强度，
-关于出现正强度和负强度对的剩余的强度范围，
-和/或关于所述ROI的指示器官特异性参数向量或骨骼特异性参数向量的解剖结构位置的解剖结构位置。
27.根据权利要求22所述的医学成像装置(100)，
其特征在于，所述ROI是被自动选择的。
28.根据权利要求22所述的医学成像装置(100)，
其特征在于，所述全局配准(GR)与所述局部配准中的至少一个(LRs)被合并。
29.根据权利要求22所述的医学成像装置(100)，
其特征在于，所述全局配准(GR)和所述局部配准(LR1、……LRs、……LRn)是非刚性配准。
30.根据权利要求22所述的医学成像装置(100)，
其特征在于，所述参数向量(p0、p1、p2、……pn)包括从包括以下的组中选择的至少一个参数：材料属性、加权因子、迭代的数目以及图像分辨率。
31.根据权利要求22所述的医学成像装置(100)，
其特征在于，所述图像(I1、I2)由X射线设备、MRI扫描器(20)、PET扫描器、SPECT扫描器或超声设备生成。
CN201480008133.1A 2013-10-18 2014-10-14 医学图像的配准 Active CN105074775B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
EP13189219.2 2013-10-18
EP13189219 2013-10-18
PCT/EP2014/071934 WO2015055599A2 (en) 2013-10-18 2014-10-14 Registration of medical images

Publications (2)

Publication Number Publication Date
CN105074775A CN105074775A (zh) 2015-11-18
CN105074775B true CN105074775B (zh) 2019-09-10

Family

ID=49517253

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201480008133.1A Active CN105074775B (zh) 2013-10-18 2014-10-14 医学图像的配准

Country Status (7)

Country Link
US (1) US9536307B2 (zh)
EP (1) EP2932470A2 (zh)
JP (1) JP6145178B2 (zh)
CN (1) CN105074775B (zh)
BR (1) BR112015018561A2 (zh)
RU (1) RU2677764C2 (zh)
WO (1) WO2015055599A2 (zh)

Families Citing this family (28)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11213220B2 (en) 2014-08-11 2022-01-04 Cubisme, Inc. Method for determining in vivo tissue biomarker characteristics using multiparameter MRI matrix creation and big data analytics
US9818048B2 (en) * 2015-01-19 2017-11-14 Ebay Inc. Fine-grained categorization
US9905006B2 (en) * 2015-02-12 2018-02-27 Toshiba Medical Systems Corporation Medical image processing apparatus, medical image processing method, and medical imaging system
DE102015208555A1 (de) * 2015-05-07 2016-11-10 Sirona Dental Systems Gmbh Verfahren zur Bildverbesserung von Bilddaten eines dentalmedizinischen Bilderzeugungssystems
US9922433B2 (en) 2015-05-29 2018-03-20 Moira F. Schieke Method and system for identifying biomarkers using a probability map
WO2017102468A1 (en) * 2015-12-15 2017-06-22 Koninklijke Philips N.V. Image processing systems and methods
KR102656542B1 (ko) * 2015-12-22 2024-04-12 삼성메디슨 주식회사 초음파 영상들을 디스플레이하는 방법 및 장치.
US20170231580A1 (en) * 2016-02-16 2017-08-17 St. Jude Medical, Cardiology Division, Inc. Methods and Systems for Electrophysiology Mapping Using Medical Images
CN105816192A (zh) * 2016-03-03 2016-08-03 王雪原 个体化人脑多模态医学影像的三维配准及提取脑组织方法
WO2018006058A1 (en) 2016-07-01 2018-01-04 Cubisme, Inc. System and method for forming a super-resolution biomarker map image
US10055842B2 (en) * 2016-07-29 2018-08-21 Case Western Reserve University Entropy-based radiogenomic descriptions on magnetic resonance imaging (MRI) for molecular characterization of breast cancer
JP6833533B2 (ja) * 2017-01-31 2021-02-24 キヤノンメディカルシステムズ株式会社 超音波診断装置および超音波診断支援プログラム
JP6934734B2 (ja) * 2017-03-17 2021-09-15 キヤノン株式会社 画像処理装置、画像処理装置の制御方法およびプログラム
WO2018195501A2 (en) * 2017-04-21 2018-10-25 Cubisme, Inc. System and method for creating, querying, and displaying a miba master file
CN107145910A (zh) * 2017-05-08 2017-09-08 京东方科技集团股份有限公司 医学影像的表现生成系统、其训练方法及表现生成方法
GB2567636B (en) * 2017-10-17 2021-11-10 Perspectum Diagnostics Ltd Method and apparatus for imaging an organ
DE102017221924B3 (de) * 2017-12-05 2019-05-02 Siemens Healthcare Gmbh Verfahren zur Fusionierung eines Analysedatensatzes mit einem Bilddatensatz, Positionierungseinrichtung und Computerprogramm
US20210012546A1 (en) * 2018-03-26 2021-01-14 Koninklijke Philips N.V. Automatic fault detection in hybrid imaging
CN110772280B (zh) * 2018-07-31 2023-05-23 佳能医疗系统株式会社 超声波诊断装置和方法以及图像处理装置和方法
CN110893108A (zh) * 2018-09-13 2020-03-20 佳能医疗系统株式会社 医用图像诊断装置、医用图像诊断方法及超声波诊断装置
CN112419378B (zh) * 2020-11-20 2024-04-09 上海联影智能医疗科技有限公司 医学图像配准方法、电子设备和存储介质
WO2022146996A1 (en) * 2020-12-30 2022-07-07 Intuitive Surgical Operations, Inc. Systems for updating a graphical user interface based upon intraoperative imaging
US11295460B1 (en) 2021-01-04 2022-04-05 Proprio, Inc. Methods and systems for registering preoperative image data to intraoperative image data of a scene, such as a surgical scene
EP4312729A1 (en) * 2021-04-02 2024-02-07 Spintech, Inc. Systems and methods for template-based automatic detection of anatomical structures
US11533467B2 (en) 2021-05-04 2022-12-20 Dapper Labs, Inc. System and method for creating, managing, and displaying 3D digital collectibles with overlay display elements and surrounding structure display elements
CN113298856B (zh) * 2021-05-28 2023-10-20 上海联影医疗科技股份有限公司 一种图像配准方法、装置、设备和介质
CN114677421B (zh) * 2022-04-12 2023-03-28 卡本(深圳)医疗器械有限公司 一种估算2d器官刚性/非刚性配准方法
CN117372317A (zh) * 2022-06-30 2024-01-09 武汉联影智融医疗科技有限公司 配准方法、装置、计算机设备和可读存储介质

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101322156A (zh) * 2005-12-08 2008-12-10 皇家飞利浦电子股份有限公司 实现对图像配准变换的选择的系统和方法

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001527456A (ja) * 1997-05-23 2001-12-25 ザ・カロライナス・ハート・インスティテュート 電磁式画像処理装置及び診断装置
JP4294881B2 (ja) * 2000-05-12 2009-07-15 富士フイルム株式会社 画像の位置合わせ方法および装置
AU2003286329A1 (en) 2003-01-13 2004-08-10 Koninklijke Philips Electronics N.V. A method of image registration and medical image data processing apparatus
AU2003903511A0 (en) 2003-07-08 2003-07-24 Canon Kabushiki Kaisha Image registration method improvement
US7935055B2 (en) 2003-09-19 2011-05-03 Siemens Medical Solutions Usa, Inc. System and method of measuring disease severity of a patient before, during and after treatment
US7231076B2 (en) 2004-06-30 2007-06-12 Accuray, Inc. ROI selection in image registration
IL179582A0 (en) * 2006-11-26 2007-05-15 Algotec Systems Ltd Comparison workflow automation by registration
JP2012034069A (ja) 2010-07-29 2012-02-16 Nikon Corp 画像処理装置、および画像処理プログラム
RU2589383C2 (ru) 2010-08-25 2016-07-10 Конинклейке Филипс Электроникс Н.В. Двухрежимное формирование изображения, включающее в себя метрики качества
JP6152986B2 (ja) 2011-01-27 2017-06-28 エルジー・ケム・リミテッド 間隙充填用スウェリングテープ
US8675944B2 (en) 2012-01-12 2014-03-18 Kabushiki Kaisha Toshiba Method of registering image data
US9384555B2 (en) 2012-07-02 2016-07-05 Kabushiki Kaisha Toshiba Motion correction apparatus and method

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101322156A (zh) * 2005-12-08 2008-12-10 皇家飞利浦电子股份有限公司 实现对图像配准变换的选择的系统和方法

Also Published As

Publication number Publication date
WO2015055599A2 (en) 2015-04-23
RU2677764C2 (ru) 2019-01-21
US20160217576A1 (en) 2016-07-28
RU2015138724A (ru) 2017-03-15
EP2932470A2 (en) 2015-10-21
JP6145178B2 (ja) 2017-06-07
RU2015138724A3 (zh) 2018-06-19
JP2016512977A (ja) 2016-05-12
WO2015055599A3 (en) 2015-07-16
CN105074775A (zh) 2015-11-18
BR112015018561A2 (pt) 2017-07-18
US9536307B2 (en) 2017-01-03

Similar Documents

Publication Publication Date Title
CN105074775B (zh) 医学图像的配准
EP2916738B1 (en) Lung, lobe, and fissure imaging systems and methods
US9818200B2 (en) Apparatus and method for multi-atlas based segmentation of medical image data
JP6316671B2 (ja) 医療画像処理装置および医用画像処理プログラム
RU2711140C2 (ru) Редактирование медицинских изображений
US20150043799A1 (en) Localization of Anatomical Structures Using Learning-Based Regression and Efficient Searching or Deformation Strategy
CN112885453A (zh) 用于标识后续医学图像中的病理变化的方法和系统
US20180064409A1 (en) Simultaneously displaying medical images
US9053541B2 (en) Image registration
WO2017148502A1 (en) Automatic detection of an artifact in patient image data
EP4156096A1 (en) Method, device and system for automated processing of medical images to output alerts for detected dissimilarities
JP2017127623A (ja) 画像処理装置、画像処理方法、およびプログラム
US10062167B2 (en) Estimated local rigid regions from dense deformation in subtraction
Jia et al. Stacom-slawt challenge: left atrial wall segmentation and thickness measurement using region growing and marker-controlled geodesic active contour
JP2017189394A (ja) 情報処理装置および情報処理システム
Krishnaswamy et al. A semi-automated method for measurement of left ventricular volumes in 3D echocardiography
Zheng et al. SR-CycleGAN: super-resolution of clinical CT to micro-CT level with multi-modality super-resolution loss
US10885643B2 (en) Image processing apparatus, image processing method, and storage medium
Cardenas et al. Automated radiographic bone suppression with deep convolutional neural networks
Bai et al. Automatic thoracic body region localization
US11776154B2 (en) Method and device for medical imaging for representing a 3D volume containing at least one introduced foreign object
Qu et al. A hybrid registration-based method for whole-body micro-CT mice images
Beichel et al. Segmentation of Diseased Livers: A 3D Refinement Approach
Kidane et al. Sigmoid function based intensity transformation for parameter initialization in MRI-PET Registration Tool for Preclinical Studies
JP2024509039A (ja) 分類の視覚的説明、方法、システム

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant