CN105122301A - 对来自不同成像模态的医学图像的同时显示 - Google Patents

对来自不同成像模态的医学图像的同时显示 Download PDF

Info

Publication number
CN105122301A
CN105122301A CN201480021717.2A CN201480021717A CN105122301A CN 105122301 A CN105122301 A CN 105122301A CN 201480021717 A CN201480021717 A CN 201480021717A CN 105122301 A CN105122301 A CN 105122301A
Authority
CN
China
Prior art keywords
image
scope
data value
image data
pixel
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.)
Granted
Application number
CN201480021717.2A
Other languages
English (en)
Other versions
CN105122301B (zh
Inventor
D·贝斯特罗夫
T·维克
H·舒尔茨
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 CN105122301A publication Critical patent/CN105122301A/zh
Application granted granted Critical
Publication of CN105122301B publication Critical patent/CN105122301B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • G06T7/0012Biomedical image inspection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/048Interaction techniques based on graphical user interfaces [GUI]
    • G06F3/0481Interaction techniques based on graphical user interfaces [GUI] based on specific properties of the displayed interaction object or a metaphor-based environment, e.g. interaction with desktop elements like windows or icons, or assisted by a cursor's changing behaviour or appearance
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/002D [Two Dimensional] image generation
    • G06T11/001Texturing; Colouring; Generation of texture or colour
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • G06T5/50Image enhancement or restoration by the use of more than one image, e.g. averaging, subtraction
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/11Region-based segmentation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10072Tomographic images
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10072Tomographic images
    • G06T2207/10081Computed x-ray tomography [CT]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10072Tomographic images
    • G06T2207/10088Magnetic resonance imaging [MRI]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10072Tomographic images
    • G06T2207/10104Positron emission tomography [PET]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10116X-ray image
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10132Ultrasound image
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20092Interactive image processing based on input by user
    • G06T2207/20104Interactive definition of region of interest [ROI]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20212Image combination
    • G06T2207/20221Image fusion; Image merging
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30004Biomedical image processing

Abstract

本发明涉及一种用于将来自不同成像模态的医学图像同时显示的方法。还公开了一种有关于所述方法的使用的系统和计算机程序产品。在所述方法中,对来自不同成像模态的主图像和次图像进行融合。在融合图像中,将来自具有在第一范围之内的主图像数据值的所述主图像的第一像素组映射到灰度图像值。识别来自具有在至少第二范围之内的主图像数据值的所述主图像的第二像素组,并且将所述次图像中的对应像素的次图像数据值映射到所述融合图像中的色彩图像值。

Description

对来自不同成像模态的医学图像的同时显示
技术领域
本发明涉及一种用于对来自不同成像模态的医学图像的同时显示的方法。还公开了一种有关于所述方法的系统和计算机程序产品。本发明总体上应用于医学成像领域,并且具体应用于在计算机断层摄影(CT)、X射线、正电子发射断层摄影(PET)、单光子发射计算机断层摄影(SPECT)、磁共振(MR)以及超声的领域中对医学图像的显示。
背景技术
常规地,医学成像数据是由在其中每个像素或体素都具有涉及被成像区域的生理学上重要方面的数据值的二维数据集或三维数据集来表示的。为了显示医学图像,将选定的像素或体素的数据值映射到图像值的二维阵列。取决于要被显示的图像的类型,二维阵列中的每个图像值典型地表示色彩的强度或灰度强度。在这样的医学图像的显示中使用的常规显示监视器典型地能够以彩色和单色两者来显示宽范围的图像值。
然而,在这样的图像的显示中出现的限制是,当将图像中的全范围的数据值映射到显示监视器时,引起数据值的小的变化的生理特征导致可以被隐藏在所显示的图像中的色度或色彩的小的变化。
例如,在X射线中,亨氏单位(HU)用于表示物质的放射密度。常规地,空气具有-1024HU的放射密度,水具有0HU的放射密度,并且针对骨骼的放射密度可以位于700至约3000HU的范围中。因此,为了显示医学图像中的全范围亨氏单位,应当显示大约4000个离散像素值。常规地,以灰度来显示这样的放射图像。然而,一般承认人眼能够分辨较低数目的灰度梯级或色度。在500cd/m2的典型显示亮度值处,未经培训的眼一般被认为能够分辨大约720个离散灰度梯级(DigitalImagingandCommunicationsinMedicine(DICOM),Part14:GrayscaleStandardDisplayFunction,PS3.14-2011,P11-15)。受过培训的放射科医生表现更好,并且典型地被认为能够在800至1000个离散等级之间进行分辨(BlumeH.,MukaE.的“HardCopiesforDigitalMedicalImages:anoverview”(Proc.SPIE2413,ColorHardCopyandGraphicArtsIV,206,1995年4月27日))。因此,所有可能的HU值的同时显示为不同色度导致一些色度不能与其它色度分辨开来。因此,引起灰度值的小的变化的图像特征可以被隐藏在其中同时显示全标尺的HU值的图像中。
类似的问题出现在来自包括在CT、X射线、PET、SPECT、MR以及超声中的其它医学成像领域的医学图像的显示中,在所述其它医学成像领域的医学图像的显示中,显示宽范围的数据值的期望导致由数据值的小的变化造成的图像特性的隐藏。
解决这些问题的常规方法是使用等级和窗口(level-and-window)技术,在所述等级和窗口技术中,在具体范围之内、由所谓的窗口的宽度确定的、并且关于具体数据值(即,等级)为中心的数据值被映射到显示中可用的全范围的像素值。在该范围的最低端处的数据值典型地被映射到黑色,并且在该范围的最高端处的数据值典型地被映射到白色。可以调节等级和窗口,以便准许用户动态地专注于具体的在生理学上感兴趣的范围的数据值,例如,骨骼窗口或组织窗口。
等级和窗口技术的缺点是放射科医生频繁地同时对有关于不同生理范围的若干窗口感兴趣。放射科医生然后必须针对每幅医学图像设置不同的窗口。在对该问题的一个解决方案中,专利US6993171B1涉及一种显示人类解剖结构的着色彩的二维医学图像的方法,并且公开了一种将预定范围的色彩分配给计算机断层摄影图像以用于增强可视化的方法。每个色彩带可以被映射到放射密度值的不同的子范围,该子范围对具体组织类型是独特的。
在另一解决方案中,专利申请WO2010/009040A1涉及一种用于将X射线图像的诊断内容与非诊断内容进行分离以便实现最优图像再现和开窗的方法。具体地,公开了用于通过在单个显示窗口中叠加每个放射密度图像的灰度图像来在单个图像观察窗口中显示多幅放射密度图像的实施例。
在对医学图像的评估中,医学专家频繁地面临比较来自不同成像模态的医学图像的另外的期望。一种成像模态可以例如示出结构性图像特征,并且第二成像模态可以例如示出功能性图像特征。由于更容易识别功能性数据涉及的诸如器官的物理区域,因此通过比较两幅图像来实现改进的诊断。在专利申请WO2010/084390中公开的一个方法中,关于强度谱来颜色编码第二图像,强度谱的部分被设定为透明以生成颜色编码的第二图像。该图像与第一图像进行组合以生成融合图像,并且显示所述融合图像。
然而,这些解决方案遭受以下缺点:即,当显示来自不同成像模态的医学图像时,一些图像特征仍然被隐藏,混淆图像分析。
发明内容
本发明的目的是改进对具有不同成像模态的特性的同时显示的医学图像中的图像特征的显示。有关于本发明公开了一种方法、系统以及计算机程序产品。
在本发明中通过在其中对来自不同成像模态的主图像与次图像进行融合的方法来实现该目的。在融合图像中,将来自具有在第一范围之内的主图像数据值的主图像的第一像素组映射到灰度图像值。识别来自具有在至少第二范围之内的主图像数据值的主图像的第二像素组,并且将所述次图像中的对应像素的次图像数据值映射到所述融合图像中的色彩图像值。灰度图像值表示灰度强度,并且色彩图像值表示一个或多个色彩的强度。
本发明准许对与具体灰度范围相关联的主图像中的特征的显示,允许用户集中注意力在这些灰度图像特征上。在该灰度范围之外,本发明准许对来自不同成像模态的次图像的为色彩图像的显示;有利地准许对两幅图像的同时显示而不发生所述次图像遮蔽灰度图像中的特征。
根据本发明的另一方面,所述方法还包括显示医学图像的方法步骤。
根据本发明的另一方面,所述主图像是结构性图像并且所述次图像是功能性图像。诸如CT图像的功能性图像常常以灰度来显示,并且因此将结构性图像作为所述主图像的使用可以用于以用户熟悉的格式来显示图像,同时使用色彩来区分涉及所述次图像的特征,从而改进诊断。
根据本发明的另一方面,所述主图像和所述次图像具有从以下组中选择的不同成像模态的特性:CT、X射线、PET、SPECT、MR、超声。
根据本发明的另一方面,识别第一范围的方法步骤包括对指示所述第一范围的用户输入进行接收;并且识别至少第二范围的方法步骤包括对指示所述至少第二范围的用户输入进行接收。通过允许用户输入这样的范围,所述用户可以确定应当显示哪些主图像特征、具体主图像数据值范围的特性,允许用户专注于那些具体范围。在一个范例中,所述主图像可以是具有亨氏单位形式的像素数据值的灰度CT图像。所述用户可以只对700HU至1000HU范围中的骨骼窗口感兴趣,在这种情况下,所述用户可以只选择该范围。例如,可以从键盘或鼠标接收所述用户输入。备选地,用户可以使用滑动条从被显示在显示器上的灰度色彩面板选择具体灰度范围。
根据本发明的另一方面,识别第一范围的方法步骤包括对指示所述第一范围的用户输入进行接收;并且由在所述第一范围之上和/或之下的主图像数据值的一个或多个范围来定义至少第二范围。因此,所述用户可以识别感兴趣的所述第一范围,并且由在所述第一范围之上或之下或之上和之下的所述主图像数据值范围中的剩余的主图像数据值的一个或多个范围来定义所述第二范围和任何另外的范围。有利地,所述用户输入流程被简化。
根据本发明的另一方面,将在所述第一范围之内的最低数据值映射到黑色并且将在所述第一范围之内的最高数据值映射到白色。在如此做的过程中,整个灰度图像值范围用于对所述主图像的显示。通过将所述整个灰度图像值范围用于对所述第一范围的显示,主图像数据值的小的变化变得更加明显,并且有利地,用户可以看见被隐藏在原始主图像中的图像特征。本发明的该方面对应于等级和窗口技术。
根据本发明的另一方面,将来自所述次图像的每个对应像素的次图像数据值映射到表示从以下的组中选择的单个色彩的强度的色彩图像值:红、橙、黄、绿、蓝、靛、紫。通过将所述次图像值映射到单个色彩图像值,很容易将次图像特征与主图像特征区分开来。
根据本发明的另一方面,所述方法还包括在至少感兴趣区域之内将所述主图像与所述次图像进行配准的方法步骤。有利地,改进了所述主图像和所述次图像中的感兴趣区域的特征的对应性。由于可以如例如同时采集的PET-CT图像中的情况而预配准所述主图像和所述次图像,因此这样的配准不是必要步骤。
根据本发明的另一方面,所述方法还包括以下步骤:识别在所述主图像数据值范围之内的第三范围,所述第三范围与所述第一范围和所述第二范围两者都不同;从所述主图像中选择具有在所述第三范围之内的主图像数据值的一个或多个像素的第三像素组;并且,针对所述第三像素组中的每个像素,将来自所述次图像的每个对应像素的次图像数据值映射到表示至少第一色彩的强度的色彩图像值;其中,所述色彩图像值与所述次图像数据值之间的关系是由单调函数来描述的。有利地,所述第三范围可以用于显示要以灰度显示的融合图像的部分的轮廓,从而在所述融合图像中清晰地划定它。同样地,额外的范围可以用于划定灰度图像中的数据值的上极限和下极限。
根据本发明的另一方面,所述第一范围在所述第二范围与所述第三范围之间,并且所述第二范围和所述第三范围两者都被映射到相同的色彩。在这样做的过程中,可以生成融合图像,在所述融合图像中,以灰度或以一个单个其它色彩来显示特征。通过将所述第二范围和所述第三范围映射到相同的色彩,可以提供更加清晰的融合图像,在所述更加清晰的融合图像中,防止用户被过多的色彩分散注意力。
根据本发明的另一方面,所述方法还包括对指示诸如光标位置的所述主图像上的位置的用户输入进行接收的方法步骤,并且由包含所述主图像上的所述位置的预定形状来定义感兴趣区域。通过将映射应用于所述主图像上的预定形状,用户可以将分析专注于该具体区域而不被分散注意力。
根据本发明的另一方面,由在所述预定形状之内的值的范围来确定所述第一范围,并且由在所述第一范围之上和/或之下的主图像数据值的一个或多个范围来定义所述至少第二范围。在这样做的过程中,随着所述主图像上的位置被改变,所述第一范围被自动更新到在所述预定形状之内的范围。
根据本发明的另一方面,要求保护一种包括被配置为执行所公开的方法步骤中的一个或多个的一个或多个处理器的系统。所述系统还包括用于显示所述融合图像的显示器。所述一个或多个处理器还可以执行有关于所述方法公开的额外的方法步骤。
根据本发明的另一方面,要求保护一种包括用于执行所公开的方法步骤的计算机可执行指令的计算机程序产品。所述计算机程序产品可以是计算机可读存储介质,例如,软盘、磁硬盘驱动器、USB驱动器、光盘、ROM或RAM,并且此外所述计算机可执行指令可以是可下载的。
附图说明
图1图示了现有技术的医学图像映射方法,其中,将多个数据值1映射到多个图像值2。
图2图示了根据等级和窗口技术产生的现有技术的灰度CT医学图像。
图3图示了根据本发明的特定方面的医学图像映射方法。
图4图示了根据本发明的特定方面的医学图像映射方法。
图5图示了根据本发明的特定方面的主图像30、次图像31以及融合医学图像32。
图6图示了次图像数据值20与多个色彩41、42、43、44、45、46、47之间的示范性映射。
图7图示了主图像730、次图像731以及融合医学图像732,其中,将映射应用于由包含主图像上的位置52的预定形状所定义的感兴趣区域735。
具体实施方式
为了改进对来自不同成像模态的同时显示医学图像中的图像特征的显示,公开了一种医学图像映射方法。还公开了一种针对有关于所述方法的使用的系统和计算机程序产品。尽管将意识到本发明总体上已经应用在对来自不同医学成像模态的医学图像的显示中,但是具体参考在其中主图像具有CT成像模态的特性并且次图像具有MR成像模态的特性的实施方式来描述该方法。术语成像模态的特性指的是由成像模态生成的图像,并且还包含由成像模态生成并且随后被处理以便显现为由另一成像模态生成的图像的图像。例如,原始MR图像具有MR成像模态的特性,并且可以被处理以便显现CT成像模态的特性。
常规地,医学成像数据是由在其中每个像素或体素都具有涉及被成像区域的生理学上重要方面的数据值的二维数据集或三维数据集来表示的。数据值可以是模拟值,但是更常规地是数字化的并且由n位字来表示,所述n位字可以因此具有表示具有改进的数据完整性的数据值的2n个离散值中的一个。为了显示医学图像,将选定的像素或体素的数据值映射到图像值的二维阵列。取决于要被显示的图像的类型,二维阵列中的每个图像值典型地表示色彩的强度或灰度强度。在对这样的医学图像的显示中使用的常规计算机监视器典型地能够以彩色和单色两者来显示宽范围的图像值。尽管常规地提供1024级的灰度的10位单色显示器更加常用,但是12位单色显示器是当前可用的。可以例如通过查找表或运行关联像素数据值与图像值的函数的处理器来执行映射。
图1图示了现有技术的医学图像映射方法,在所述现有技术的医学图像映射方法中,多个数据值1被映射到多个图像值2。数据值1可以例如表示CT图像中的X射线吸收,并且图像值2可以例如表示灰度强度。在已知为等级和窗口的现有技术的映射方法中,由像素数据值直方图3来表示图像中的像素数据值的分布,在所述像素数据值直方图3之内,用户对关于数据值“等级”5为中心的具体“窗口”4感兴趣。所述窗口可以具有具体的生理学的兴趣并且引起灰度值的范围6,所述灰度值的范围6可以小于黑色7与白色8之间的全标尺的可用图像值。为了改进在窗口4之内的数据值之间的灰度对比度,常规地使用线性映射函数9将窗口中的最低数据值映射到黑色7并且将最高数据值映射到白色8。在窗口中的最低数据值处或之下的数据值因此被映射到黑色并且在最高数据值处或之上的数据值被映射到白色。
图2图示了根据等级和窗口技术产生的现有技术的灰度CT医学图像。该CT图像图示了通过被定位在患者台之上的腹腔的横截面。
在等级和窗口技术允许用户详细地专心于具体范围的数据值的同时,本发明人认识到的等级和窗口的缺点是窗口之外的图像特征被隐藏,这是因为其被映射为黑色或白色。
图3图示了根据本发明的特定方面的医学图像映射方法。参考图3,第一成像模态的并且具有感兴趣区域的主图像特性包括多个像素,其中,每个像素具有在主图像数据值范围12之内的主图像数据值10。感兴趣区域可以具有如由像素数据值直方图13所指示的只在整个主图像数据值范围12的部分之内的主图像数据值,或者备选地,像素数据值可以跨越整个主图像数据值范围。主图像数据值表示主成像系统的生理学上重要的参数特性,所述主成像系统可以例如是CT、X射线、PET、SPECT、MR或超声成像系统。在优选实施例中,主成像系统是CT成像系统并且主图像数据值表示CT数据集中的体素的放射密度。在图3中,来自主医学图像的第一范围11的主图像数据值10被映射到灰度图像值14。
图4图示了根据本发明的特定方面的医学图像映射方法。图3中图示的映射方法可以与图3中图示的映射方法组合使用。参考图4,不同成像模态对第一成像模态的并且对应于至少感兴趣区域的次图像特性包括多个像素,其中,每个像素都具有在次图像数据值范围22之内的次图像数据值20。图4图示了次图像数据值20与色彩图像值17之间的映射。在至少感兴趣区域中,来自次图像的像素对应于来自主图像的像素。次图像可以具有不同于第一成像模态的任何成像模态的特性,并且可以例如是CT、X射线、PET、SPECT、MR或超声成像系统。次图像数据值范围22可以因此不同于主图像数据值范围12。在优选实施例中,次图像具有MR成像系统的特性并且次图像数据值范围以任意单位来表达。
本发明的方法包括融合主图像与次图像以创建融合图像。任选地,该方法包括配准主图像与次图像以便改进感兴趣区域中的特征的对应性的步骤。
图3和图4的组合图示了本发明的第一实施例。参考图3和图4,在至少感兴趣区域中,融合图像中的每个像素都具有根据以下方法步骤确定的图像值:i)识别在主图像数据值范围12之内的第一范围11,所述第一范围11比主图像数据值范围12窄;ii)从主图像中选择具有在第一范围11之内的主图像数据值的一个或多个像素的第一像素组;iii)将来自第一像素组的每个像素的主图像数据值10映射到表示灰度密度的灰度图像值14,其中,灰度图像值14与主图像数据值10之间的关系是由单调函数来描述的;iv)识别在主图像数据值范围12之内的至少第二范围15、16,所述第二范围15、16与第一范围11不同;v)从主图像中选择具有在至少第二范围15、16之内的主图像数据值的一个或多个像素的第二像素组;vi)针对第二像素组中的每个像素,将来自次图像的每个对应像素的次图像数据值20映射到表示至少第一色彩的强度值的色彩图像值17,其中,色彩图像值17与次图像数据值20之间的关系是由单调函数来描述的。
因此,在融合图像中,将来自具有在第一范围之内的主图像数据值的主图像的像素映射到灰度图像值;并且在融合图像中,来自第二像素组的像素将其次图像数据值映射到色彩图像值。
图5图示了根据本发明的特定方面的主图像30、次图像31以及融合医学图像32。
在图5中,主图像30具有如在虚线之内的区域所定义的感兴趣区域35并且具有CT成像模态的特性。在图5中的特定范例中,主图像30涉及骨盆CT数据集,在所述骨盆CT数据集中,以灰度显示-200HU至+200HU范围中的主图像数据值。感兴趣区域可以一般是主图像的任何部分,例如,图像的预定义区、或对应于例如器官的区域、或确实为整个主图像。图5中的次图像31具有MR成像模态的特性。在图5中的特定范例中,次图像31表示骨盆MR数据集。在至少感兴趣区域35中,将主图像30与次图像31进行融合以产生融合图像32。有利地,灰度图像值区域33可与色彩图像值区域34区分开来,其允许用户集中注意力于主图像中的图像特征而不会使视图被来自次图像的特征所遮蔽。在图5中的融合图像32中,以灰度显示-200HU至+200HU范围中的主图像数据值,并且在该范围之外,显示对应于来自次图像31的次图像值的黄色图像值。
在图3中图示的优选实施例中,识别了三个范围11、15和16,并且这些范围是相连的,使得感兴趣的主图像区域中的像素被分配给第一像素组或第二像素组。在图3中图示的优选实施例中,第一像素组包括在第一范围11之内的像素,并且第二像素组包括来自第二范围15和第三范围16两者的像素的组合。备选地,例如如果第一范围位于主图像数据值范围12的一个极端处并且第二范围15为位于第一范围之上或之下的相连范围,则可以只有第一范围11或第二范围15。在该情况下,第一像素组包括在第一范围11之内的像素,并且第二像素组包括来自第二范围15的像素。备选地,该两个或更多个范围可以是不相连的,并且在融合图像中将不被识别为属于第一范围11或第二范围和另外的范围15、16的感兴趣区域中的像素映射到黑色或白色或色彩图像值。有利地,对这样的不相连范围的使用准许对具有在第一范围11之内的数据值的第一像素组中的灰度图像特征周围的一个或多个轮廓的显示。同样地,也可以有以相同的方式处置的未在图3示出的主图像数据值的额外的范围,并且这些范围可以是或不是相连的。
可以预定对在主图像数据值范围10之内的第一范围11的识别,并且因此自动执行该识别或通过对指示该范围的用户输入进行接收来执行该识别。因此,在预定配置中,在无用户输入的情况下对指示例如指示骨骼窗口的主图像亨氏单位数据值的第一范围11进行识别。备选地,来自例如键盘或鼠标的用户输入可以用于识别感兴趣的第一范围。在一个范例中,主图像数据值指示CT图像中的亨氏单位X射线吸收,并且可以通过在显示器上的组织类型图标上点击鼠标来选择用于以灰度显示的不同组织类型。在另一范例中,来自键盘的输入用于确定感兴趣的第一范围的数字值,或者滑动控制用于确定该范围。
在已经识别第一范围11之后,选择具有在第一范围之内的主图像数据值的一个或多个像素的第一像素组。在优选实施例中,该选择为自动的并且准许将像素作为组来一起处置。该选择可以涉及将像素标识码自动设定为指示属于第一像素组的像素的特定值。
通过图3中示出的实施例来例证来自第一像素组的每个像素到灰度图像值的映射。灰度图像值表示灰度强度,使得当在显示器上显示灰度图像值时,用户看见对应于主图像数据值的灰度色度。在第一范围11之内,如图3中所图示的,主图像数据值10与灰度图像值14之间的映射是由单调函数来确定的,其可以使用例如查找表或处理器运行的软件函数而被执行。在优选实施例中,单调函数为使得灰度图像值14线性地取决于主图像数据值10的线性函数。此外,如图3所示,该映射优选将在第一范围之内的最低数据值映射到黑色7并且将在第一范围之内的最高数据值映射到白色8。然而,也预期其它单调函数,在所述其他单调函数中,不必将最低值和最高值映射到黑色和白色。在一个预期的范例中,将第一范围11映射到黑色与白色之间的灰度值的子段。在一个预期的范例中,灰度图像值包括具有不同灰度强度的一范围的离散梯级,其中,将在预定范围之内的主图像数据值映射到每个灰度值。在一个范例中,由可以因此显出1024个值中一个的10位字来表示主图像数据值10,其中,将每个数据值映射到10位灰度图像值14中的对应值。在另一范例中,由10位字来表示主图像数据值10并且由8位字来表示灰度图像值14,其中,将数据值中的连贯块的4个数据值映射到相同的灰度图像值。
可以预定对在主图像数据值范围之内的至少第二范围的识别,并且因此自动执行该识别或通过对指示该范围的用户输入进行接收来执行该识别。在一个示范性预定配置中,基于第一范围来自动确定第二范围;其中,例如采取第二范围15来包括主图像数据值范围12中在第一范围之上的剩余值,并且采取第三范围(如果存在的话)来包括主图像数据值范围12中在第一范围之下的剩余值。因此,至少第二范围是由主图像数据值的在第一范围之上和/或之下的一个或多个范围来定义的。在另一设想的预定配置中,第二范围是基于第一范围来自动确定的,其中,通过一个或多个数据值将第二范围与第一范围分离(所述一个或多个数据值被映射到色彩或黑色或白色),以便识别灰度图像的部分周围的轮廓,并且第三范围16可以同样地与第一范围不相连,以便识别灰度图像的部分周围的另一轮廓。在一个示范性配置中(其中响应于用户输入来确定第二范围),如有关于用于对确定第二范围的第一范围11的识别所公开的来接收用户输入。
当已经识别第二范围15和任何另外的范围时,选择具有在该至少第二范围之内的主图像数据值的一个或多个像素的第二像素组。在优选实施例中,该选择为自动的并且有利地准许将像素作为组来一起处置。该选择可以例如涉及将像素标识码自动设定为指示属于第一像素组的像素的特定值。
通过图4中示出的实施例来例证来自第二像素组的每个像素到色彩图像值的映射,在图4中,次图像值20与色彩图像数据值17之间的映射是由单调函数来确定的。色彩图像值17表示一个或多个色彩的强度,使得当在显示器上呈现色彩图像值17时,用户看见其强度对应于次图像数据值20的色彩。在优选实施例中,色彩图像值表示可以从以下的组中示范性地选择的单个色彩的强度:红、橙、黄、绿、蓝、靛、紫,其中,次图像数据值20与色彩图像值17之间的关系为线性函数。以这种方式,色彩图像值17的强度随着次图像数据值20逐渐变化。备选地,可以使用如有关于灰度图像映射所公开的其它单调映射函数。备选地,可以由色彩图像值17来表示其它色彩。图6图示了次图像数据值20与多个色彩41、42、43、44、45、46、47之间的示范性映射。色彩41、42、43、44、45、46、47可以是红、橙、黄、绿、蓝、靛、紫,尽管也预期其它色彩和到不同数目的色彩的映射。图6所描述的色彩映射可以与上述灰度映射结合使用以产生融合图像。在图6中,一范围的次图像数据值20可以被映射到相同的色彩。该色彩可以针对每个映射数据值具有相同的强度,或者备选地,在具体色彩之内的强度还可以取决于数据值。在一个范例中,由可以因此显出1024个值中一个的10位字来表示次图像数据值20,其中,由具有相同强度的色彩紫色来表示在0至100范围中的数据值。在另一范例中,同样由在0至100范围中的数据值来表示次图像数据值20,所述在0至100范围中的数据值由色彩紫色来表示,其中,紫色的强度随着贯穿1至100范围的数据值而增加。可以同样地表示其它色彩图像值的强度。
任选地,本发明的方法还包括显示融合图像的方法步骤。融合图像可以例如在监视器、可视显示单元上显示或由打印机等打印。
任选地,对应于以下的图像值可以被使用在融合图像中以表示超出感兴趣区域的区域:主图像数据值、次图像数据值、或主图像在次图像之上的具有部分透明叠加图像的叠加、或次图像在主图像之上的具有部分透明叠加图像的叠加、或任何预定色彩或黑色或白色。在图5中的融合图像32中,黑色示范性地用于表示超出感兴趣区域35的区域。
将上述映射方法应用于主图像中的至少感兴趣区域,以便生成融合图像。如上所述,感兴趣区域可以是整个主图像或只是主图像的部分。在一个实施例中,感兴趣区域是主图像的预定义区。在该实施例中,所述方法还包括对指示主图像上的位置的用户输入进行接收的方法步骤;并且由包含主图像上的位置的预定形状来定义感兴趣区域。该位置可以例如是诸如鼠标指针的在显示监视器上的指针的位置,并且预定形状可以例如是圆形或方形或包含指针的任何形状。优选地,该指针是鼠标指针,并且该形状是具有预定半径并且圆心为指针的圆。因此,如融合图像中所描述的,只映射在主图像上的鼠标指针的预定半径之内的主图像和次图像的对应部分。通过只映射在感兴趣区域之内的区域,用户可以有利地集中注意力于融合图像的具体区域,从而改进诊断。
当由包含主图像上的位置的预定形状来定义感兴趣区域时,任选地,可以通过将在预定形状之内的主图像中的最低主图像数据值分配到第一范围的最低值并且将在预定形状之内的主图像中的最高主图像数据值分配到第一范围的最高值来识别第一范围。此外,可以由主图像数据值的在第一范围之上的一个或多个范围、或在第一范围之下的一个或多个范围、或在第一范围之上和之下的那些范围来定义至少第二范围。在这样做的过程中,由在第一图像上的预定形状之内的主图像数据值来确定第一范围。有利地,用户不需要手动输入第一范围,其改进了工作流程。此外,如果主图像上的位置被改变,则自动更新至少两个范围。在一个示范性实施方式中,还将在第一范围之内的最低数据值映射到黑色并且还将在第一范围之内的最高数据值映射到白色。在这样做的过程中,整个灰度图像值范围用于对在包含主图像上的位置的预定形状之内的主图像的显示,从而允许用户更详细地专注于具体灰度范围。图7图示了主图像730、次图像731以及融合医学图像732,在所述融合医学图像732中,将映射应用于由包含主图像上的位置52的预定形状所定义的感兴趣区域735。超出51图7中的感兴趣区域735,将主图像数据值映射到对应于主图像数据值的灰度图像值。有利地,该映射准许用户专注于感兴趣区域735,同时超出感兴趣区域的图像特征为集中的注意力提供额外的背景。
如上所述,对应于以下的图像值可以被使用在融合图像中以表示超出感兴趣区域的区域:主图像数据值、次图像数据值、或主图像在次图像之上的具有部分透明叠加图像的叠加、或次图像在主图像之上的具有部分透明叠加图像的叠加、或任何预定色彩或黑色或白色。
可以由配置为执行系统中所描述的方法步骤的一个或多个处理器来执行所描述的方法步骤中的一个或多个。所述系统还可以包括用于显示融合图像的显示器。
简言之,描述了一种用于改进对来自不同成像模态的同时显示的医学图像中的图像特征的显示的方法。在所述方法中,对来自不同成像模态的主图像与次图像进行融合。在融合图像中,将来自具有在第一范围之内的主图像数据值的主图像的第一像素组映射到灰度图像值。识别来自具有在至少第二范围之内的主图像数据值的主图像的第二像素组,并且将次图像中的对应像素的次图像数据值映射到融合图像中的色彩图像值。具体参考融合图像,在所述融合图像中,利用来自MR成像系统的次图像来融合CT成像系统的主图像特性,尽管应当意识到,一般所述方法也应用在不同成像系统的医学图像特性的显示中。
尽管在附图和前面的描述中已经详细图示和描述了本发明,但是这样的图示和描述将被认为是图示性的或示范性的而不是限制性的;本发明并不限于所公开的实施例并且一般能够被使用在来自不同成像模态的医学图像的显示中。

Claims (14)

1.一种医学图像映射方法;所述方法包括以下步骤:
接收具有感兴趣区域(35、735)的主图像(30、730),所述主图像(30、730)包括多个像素,其中,每个像素都具有在主图像数据值范围(12)之内的主图像数据值(10);其中,所述主图像(30、730)具有第一成像模态的特性;
接收对应于至少所述感兴趣区域(35、735)的次图像(31、731);所述次图像(31、731)包括多个像素,其中,每个像素都具有在次图像数据值范围(22)之内的次图像数据值(20);其中,所述次图像(31、731)具有与所述第一成像模态不同的成像模态的特性;
将所述主图像(30、730)与所述次图像(31、731)进行融合,以创建包括多个像素的融合图像(32、732);
其中,针对至少所述感兴趣区域(35、735),所述融合图像中的每个像素都具有通过以下确定的图像值:
识别在所述主图像数据值范围(12)之内的第一范围(11),其中,所述第一范围(11)比所述主图像数据值范围(12)窄;
从所述主图像(30、730)中选择具有在所述第一范围(11)之内的主图像数据值(10)的一个或多个像素的第一像素组;
将来自所述第一像素组的每个像素的所述主图像数据值(10)映射到表示灰度强度的灰度图像值(14),其中,将在所述第一范围(11)之内的最低数据值映射到黑色并且将在所述第一范围(11)之内的最高数据值映射到白色,并且其中,所述灰度图像值(14)与所述主图像数据值(10)之间的关系是由单调函数来描述的;
识别在所述主图像数据值范围(12)之内的至少第二范围(15、16),所述第二范围与所述第一范围(11)不同;
从所述主图像(30、730)中选择具有在所述至少第二范围(15、16)之内的主图像数据值(10)的一个或多个像素的第二像素组;
针对所述第二像素组中的每个像素,将来自所述次图像(31、731)的每个对应像素的所述次图像数据值(20)映射到表示至少第一色彩的强度的色彩图像值(17);其中,所述色彩图像值(17)与所述次图像数据值(20)之间的关系是由单调函数来描述的。
2.根据权利要求1所述的医学图像映射方法,其中,所述方法还包括对指示所述主图像(730)上的位置(52)的用户输入进行接收的方法步骤;并且其中,所述感兴趣区域(735)是由包含所述主图像(730)上的所述位置(52)的预定形状(735)来定义的。
3.根据权利要求2所述的医学图像映射方法,其中:
通过以下来识别所述第一范围(11):将在所述预定形状(735)之内的所述主图像(730)中的最低主图像数据值分配到所述第一范围(11)的最低值,并且将在所述预定形状(735)之内的所述主图像(730)中的最高主图像数据值分配到所述第一范围(11)的最高值;并且其中,所述至少第二范围(15、16)是由在所述第一范围之上和/或之下的主图像数据值(10)的一个或多个范围来定义的。
4.根据权利要求1所述的医学图像映射方法还包括显示所述融合图像(32、732)的方法步骤。
5.根据权利要求1所述的医学图像映射方法,其中,所述主图像(30、730)为结构性图像,并且所述次图像(31、731)为功能性图像。
6.根据权利要求1所述的医学图像映射方法,其中,所述主图像(30、730)和所述次图像(31、731)具有从以下的组中选择的不同成像模态的特性:CT、X射线、PET、SPECT、MR、超声。
7.根据权利要求1所述的医学图像映射方法,其中:识别第一范围(11)的方法步骤包括对指示所述第一范围(11)的用户输入进行接收;并且其中,识别至少第二范围(15、16)的方法步骤包括对指示所述至少第二范围(15、16)的用户输入进行接收。
8.根据权利要求1所述的医学图像映射方法,其中:识别第一范围(11)的方法步骤包括对指示所述第一范围(11)的用户输入进行接收;并且其中,所述至少第二范围(15、16)是由在所述第一范围(11)之上和/或之下的主图像数据值(10)的所述一个或多个范围来定义的。
9.根据权利要求1所述的医学图像映射方法,其中,将来自所述次图像(31、731)的每个对应像素的所述次图像数据值(20)映射到表示从以下的组中选择的单个色彩的强度的色彩图像值(17):红、橙、黄、绿、蓝、靛、紫。
10.根据权利要求1所述的医学图像映射方法还包括在至少所述感兴趣区域(35、735)之内将所述主图像(30、730)与所述次图像(31、731)进行配准的方法步骤。
11.根据权利要求1所述的医学图像映射方法还包括以下方法步骤:
识别在所述主图像数据值范围(12)之内的第三范围(16),所述第三范围与所述第一范围(11)和所述第二范围(15)两者都不同;所述方法还包括以下方法步骤:
从所述主图像(30、730)中选择具有在所述第三范围(16)之内的主图像数据值(10)的一个或多个像素的第三像素组;
针对所述第三像素组中的每个像素,将来自所述次图像(31、731)的每个对应像素的所述次图像数据值(20)映射到表示至少第一色彩的强度的色彩图像值(17);其中,所述色彩图像值(17)与所述次图像数据值(20)之间的关系是由单调函数来描述的。
12.根据权利要求11所述的医学图像映射方法,其中,所述第一范围(11)在所述第二范围(15)与所述第三范围(16)之间,并且所述第二范围(15)和所述第三范围(16)两者都被映射到相同的色彩。
13.一种用于映射医学图像的系统;所述系统包括被配置为执行根据权利要求1所述的方法步骤的一个或多个处理器;所述系统还包括用于显示所述融合图像(32、732)的显示器。
14.一种包括用于执行根据权利要求1所述的方法步骤的计算机可执行指令的计算机程序产品。
CN201480021717.2A 2013-04-18 2014-04-17 对来自不同成像模态的医学图像的同时显示 Expired - Fee Related CN105122301B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
EP13164244.9 2013-04-18
EP13164244 2013-04-18
PCT/EP2014/057849 WO2014170418A1 (en) 2013-04-18 2014-04-17 Concurrent display of medical images from different imaging modalities

Publications (2)

Publication Number Publication Date
CN105122301A true CN105122301A (zh) 2015-12-02
CN105122301B CN105122301B (zh) 2018-04-24

Family

ID=48143114

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201480021717.2A Expired - Fee Related CN105122301B (zh) 2013-04-18 2014-04-17 对来自不同成像模态的医学图像的同时显示

Country Status (5)

Country Link
US (1) US9600879B2 (zh)
EP (1) EP2987133B1 (zh)
CN (1) CN105122301B (zh)
BR (1) BR112015026040A2 (zh)
WO (1) WO2014170418A1 (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107481250A (zh) * 2017-08-30 2017-12-15 吉林大学 一种图像分割方法及其评价方法和图像融合方法
CN108324306A (zh) * 2017-01-16 2018-07-27 韦伯斯特生物官能(以色列)有限公司 在耳鼻喉手术中透视黏液
CN108601570A (zh) * 2016-02-04 2018-09-28 三星电子株式会社 断层摄影图像处理设备和方法以及与方法有关的记录介质
WO2018205232A1 (zh) * 2017-05-11 2018-11-15 上海联影医疗科技有限公司 一种针对拼接结果自动精确定位参考线的方法
WO2022006738A1 (zh) * 2020-07-07 2022-01-13 中加健康工程研究院(合肥)有限公司 图像处理方法、装置、计算设备和介质

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104103083A (zh) * 2013-04-03 2014-10-15 株式会社东芝 图像处理装置和方法以及医学成像设备
US9691433B2 (en) * 2014-04-18 2017-06-27 Toshiba Medical Systems Corporation Medical image diagnosis apparatus and medical image proccessing apparatus
EP2989988B1 (en) * 2014-08-29 2017-10-04 Samsung Medison Co., Ltd. Ultrasound image display apparatus and method of displaying ultrasound image
JP6564075B2 (ja) 2015-06-19 2019-08-21 コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. 医用画像を表示するための伝達関数の選択
US11257261B2 (en) 2015-07-23 2022-02-22 Koninklijke Philips N.V. Computed tomography visualization adjustment
US10192295B2 (en) * 2016-11-09 2019-01-29 AI Analysis, Inc. Methods and systems for normalizing images
CN107977936B (zh) * 2017-11-21 2021-06-22 上海联影医疗科技股份有限公司 序列图像的离线校正方法、装置及设备

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7010149B1 (en) * 1999-04-29 2006-03-07 Ge Medical Systems Sa Method and system of fusion of two digital radiographic images
CN102292747A (zh) * 2009-01-22 2011-12-21 皇家飞利浦电子股份有限公司 针对pet/ct图像的像素特征混合融合

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5801773A (en) * 1993-10-29 1998-09-01 Canon Kabushiki Kaisha Image data processing apparatus for processing combined image signals in order to extend dynamic range
US5987345A (en) 1996-11-29 1999-11-16 Arch Development Corporation Method and system for displaying medical images
US6825884B1 (en) * 1998-12-03 2004-11-30 Olympus Corporation Imaging processing apparatus for generating a wide dynamic range image
US7298402B2 (en) * 2000-10-26 2007-11-20 Olympus Corporation Image-pickup apparatus with expanded dynamic range capabilities
US20040047497A1 (en) 2002-09-10 2004-03-11 Confirma, Inc. User interface for viewing medical images
GB2418094B (en) 2004-09-10 2010-05-12 Medicsight Plc User interface for CT scan analysis
US6993171B1 (en) 2005-01-12 2006-01-31 J. Richard Choi Color spectral imaging
US7612804B1 (en) * 2005-02-15 2009-11-03 Apple Inc. Methods and apparatuses for image processing
JP4530277B2 (ja) * 2005-02-25 2010-08-25 株式会社リコー 画像再生装置、画像再生方法、プログラムおよび記録媒体
US20090096807A1 (en) 2007-08-27 2009-04-16 Silverstein Jonathan C Systems and methods for image colorization
US8406493B2 (en) 2008-07-17 2013-03-26 The Henry M. Jackson Foundation For The Advancement Of Military Medicine, Inc. Multi-grayscale overlay window
KR101520068B1 (ko) * 2008-12-16 2015-05-13 삼성전자 주식회사 다중영상 합성장치 및 그 방법
JP5856960B2 (ja) 2009-10-06 2016-02-10 コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. 第1の信号の少なくとも一つの周期的成分を特徴付けるための分析のため第1の信号を得るための方法及びシステム

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7010149B1 (en) * 1999-04-29 2006-03-07 Ge Medical Systems Sa Method and system of fusion of two digital radiographic images
CN102292747A (zh) * 2009-01-22 2011-12-21 皇家飞利浦电子股份有限公司 针对pet/ct图像的像素特征混合融合

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108601570A (zh) * 2016-02-04 2018-09-28 三星电子株式会社 断层摄影图像处理设备和方法以及与方法有关的记录介质
US11037290B2 (en) 2016-02-04 2021-06-15 Samsung Electronics Co., Ltd. Tomographic image processing device and method, and recording medium relating to method
CN108601570B (zh) * 2016-02-04 2021-12-10 三星电子株式会社 断层摄影图像处理设备和方法以及与方法有关的记录介质
CN108324306A (zh) * 2017-01-16 2018-07-27 韦伯斯特生物官能(以色列)有限公司 在耳鼻喉手术中透视黏液
WO2018205232A1 (zh) * 2017-05-11 2018-11-15 上海联影医疗科技有限公司 一种针对拼接结果自动精确定位参考线的方法
CN107481250A (zh) * 2017-08-30 2017-12-15 吉林大学 一种图像分割方法及其评价方法和图像融合方法
WO2022006738A1 (zh) * 2020-07-07 2022-01-13 中加健康工程研究院(合肥)有限公司 图像处理方法、装置、计算设备和介质

Also Published As

Publication number Publication date
CN105122301B (zh) 2018-04-24
BR112015026040A2 (pt) 2017-07-25
WO2014170418A1 (en) 2014-10-23
US20160055634A1 (en) 2016-02-25
US9600879B2 (en) 2017-03-21
EP2987133A1 (en) 2016-02-24
EP2987133B1 (en) 2018-06-13

Similar Documents

Publication Publication Date Title
CN105122301A (zh) 对来自不同成像模态的医学图像的同时显示
Gaser et al. CAT–A computational anatomy toolbox for the analysis of structural MRI data
US20210375011A1 (en) Image color adjustment method and system
EP3035287B1 (en) Image processing apparatus, and image processing method
US10997475B2 (en) COPD classification with machine-trained abnormality detection
CN100470560C (zh) 图像像素编码方法和图像处理方法
JP5877833B2 (ja) 多重画像の融合
Dyrba et al. Improving 3D convolutional neural network comprehensibility via interactive visualization of relevance maps: evaluation in Alzheimer’s disease
JP6596100B2 (ja) 脳組織分類
US8705821B2 (en) Method and apparatus for multimodal visualization of volume data sets
EP2973405A1 (en) System and method for diagnostic vector classification support
US20210142480A1 (en) Data processing method and apparatus
EP2415016B1 (en) Automated contrast enhancement for contouring
CN104103083A (zh) 图像处理装置和方法以及医学成像设备
EP3311362B1 (en) Selecting transfer functions for displaying medical images
CN106580251A (zh) 磁共振波谱分析图像显示方法及装置
CN106716491A (zh) 具有多个色彩标度的图像色彩校准
US8873817B2 (en) Processing an image dataset based on clinically categorized populations
GB2515634A (en) System and methods for efficient assessment of lesion development
CN114387380A (zh) 用于生成3d医学图像数据的基于计算机的可视化的方法
US10552954B2 (en) Method and apparatus for generation of a physiologically-derived map correlated with anatomical image data
Prasad et al. Volumetric tumour detection using improved region grow algorithm
US20160004819A1 (en) Apparatus for staging of patients from medical image data
Rachmadi et al. Limited one-time sampling irregularity map (lots-im): Automatic unsupervised quantitative assessment of white matter hyperintensities in structural brain magnetic resonance images
GB2611842A (en) System and method for assisting in peer reviewing and contouring of medical images

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
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20180424