CN105559813A

CN105559813A - 医用图像诊断装置以及医用图像处理装置

Info

Publication number: CN105559813A
Application number: CN201510740410.4A
Authority: CN
Inventors: S·马苏德; C·普拉卡斯
Original assignee: Toshiba Corp; Toshiba Medical Systems Corp
Current assignee: Canon Medical Systems Corp
Priority date: 2014-11-04
Filing date: 2015-11-04
Publication date: 2016-05-11
Anticipated expiration: 2035-11-04
Also published as: JP6758817B2; US9964499B2; CN105559813B; JP2016087469A; US20160123904A1

Abstract

本发明涉及医用图像诊断装置以及医用图像处理装置，提供一种在多能量图像数据中能够简单且高精度地对至少两种物质(材料)进行分类的医用图像诊断装置等。医用图像诊断装置具备：变更单元，根据与多能量图像数据的像素或体素关联起来的多能量强度信息，自适应地变更阀值；以及分类单元，根据所述变更后的阀值，将所述多能量图像数据所具有的多个像素或多个体素分类为与至少两种物质分别对应的像素或体素。

Description

医用图像诊断装置以及医用图像处理装置

技术领域

本发明涉及在多能量图像数据等中对材料进行分类的医用图像诊断装置以及医用图像处理装置。

背景技术

计算机断层摄影(CT)法是被广泛使用的方式的医用摄影法，该摄影法使用X射线来获取三维图像数据。由CT扫描获取的CT图像数据集能够具备体素的三维排列，并且所述体素的三维排列分别具有由各自对应的测量体积来表示X射线照射的衰减的关联起来的强度。测量体积导致的X射线照射的衰减可以由亨氏单位(HU)表示为强度值或CT值，在此，0HU是水的CT值。

在X射线CT装置中，具有X射线管的X射线源在患者的周围旋转。通过患者的X射线照射由处于患者的相反侧的X射线检测元件来捕捉。X射线管具有所提供的最大管电压。X射线光子由X射线管生成，该光子具有直到与最大管电压对应的能量的能量范围。例如，100kV的最大管电压下的X射线管能够生成具有直到100keV的能量范围的光子。具有100kV的最大管电压的CT扫描可以被说明为100kVp扫描，在此，kVp是千伏峰值(kilovoltspeak)的简称。

有时被称为单能量CT的以往的CT收集例如能够使用120kV的最大管电压和对由X射线管提供的X射线能量的扩散敏感的检测器来执行。

单能量CT摄影法的限制可能在于，当材料在CT扫描的能量中具有类似衰减系数时，在CT图像数据中不能区别或者难以区别这些材料。知道有时在特别适用于提供良好的图像质量的最大管电压下，例如在120kV下发生难以区别这样的各种材料的情况。当使用较低的最大管电压(例如，80kV)时，有时更易于区别材料，但有时图像的噪音更多，因此有时这样低的能量下的图像质量变得更加不足。

双能量CT系统、多能量CT系统、或能谱CT系统能够收集在不同的能量等级下配准后的多个图像。例如，双能量CT系统能够在120kV的最大管电压下收集第一图像并在80kV的最大管电压下收集第二图像。第一图像有时被称为高能量图像(或者，被称为由高能量扫描获取的图像)，第二图像有时被称为低能量图像(或者，被称为由低能量扫描获取的图像)。

双能量CT系统能够以不需要将第一图像以及第二图像配准而第一图像内的体素与第二图像内的体素对应的方式，来同时或者实质上同时收集高能量图像和低能量图像。接着，这些图像有时被看作是图像数据的单一的组合后的集合，并且该集合针对每个体素具有相对于高能量图像的强度值(有时被称为高能量强度值)和相对于低能量图像的强度值(有时被称为强度值低能量)。各体素还具有图像的坐标空间内的关联起来的位置(在此，例如，作为同时或接近同时收集高能量图像和低能量图像的结果，相对于高能量图像的坐标空间也可以与低能量图像的坐标空间相同)。

双能量(或多能量或能谱)CT也可以用于通过使用低能量图像强度值和高能量图像强度值这两者来将材料分离。在扫描能量的一方中示出类似衰减的材料在扫描能量的另一方中有时示出不同的衰减。根据情况的不同，具有在高能量图像中难以区别的衰减的材料有时在低能量图像中具有更易于区别的衰减。同时，有时不仅仅使用来自低能量扫描的信息，而是通过使用来自高能量扫描和低能量扫描这两者的信息，从而克服低能量扫描数据中的噪音问题。

与一些材料关联起来的衰减有时取决于材料的浓度或密度。材料的浓度高的样本有时具有比浓度低的样本高的衰减(亨氏单位下的更高的CT值)。高能量扫描中的衰减有时随着浓度而变化，低能量扫描中的(不同的)衰减有时也随着浓度而变化。

关系能够根据具有高能量扫描中的浓度的衰减的变化与具有低能量扫描中的浓度的衰减的变化的关系来导出。当相对于高能量强度来绘制低能量强度时，已知表示不同材料浓度的点沿着绘制出该低能量强度对高能量强度的某一直线或者位于其附近。直线的斜率有时根据材料而不同，即，不同材料有时存在具有高能量扫描中的浓度的衰减的变化与具有低能量扫描中的浓度的衰减的变化不同的关系的情况也被熟知。这样的差异有时由于材料的性质造成，例如由于各材料的原子序数而造成。例如，请参考ThorstenR.C.Johnson，ChristianFink，StefanO.Schonberg，MaximilianF.Reiser，DualEnergyCTinClinicalPraCTice，Secaucus，NJ：Springer，2011。

已知为了增加在血管的CT图像中观察到的强度而使用造影剂。(通常，来自单能量CT系统的)造影CT数据也可以用于大量的与医学状态相关的诊断或手术计划。例如，造影CT用于评估狭窄，例如冠状动脉、肾动脉、或颈动脉的狭窄。造影CT也可以用于评估回路灌注，例如肺回路灌注或者肝脏或脑中的回路灌注。

在一些状况下，对相同的被检体收集(使用造影剂的)造影CT数据以及(不使用造影剂的)非造影CT数据。造影CT数据以及非造影CT数据在原理上也可以用于制作能够只存在被对照的区域的减影图像(例如，血管的减影图像)。在造影CT数据以及非造影CT数据这两者的使用中，有时需要将至少两个CT扫描的一个使用造影剂、而一个不使用造影剂来进行摄影。

在造影CT的众多使用法中，准确地识别造影血液路径有时很重要。但是，当存在钙(例如，斑块或骨)时，有时难以准确地识别造影血液路径。钙能够具有与血液中的造影剂类似的、例如与血液中的碘类造影剂类似衰减而出现。有时难以确凿地区别造影剂材料和钙。

图1是相对于keV单位的光子能量的质量衰减系统(cm²/g单位)的绘图。材料的CT衰减有时与质量衰减系统直接相关。在图1中，质量衰减系统被绘制在对数刻度上。相对于三种材料，即，碘、钙、以及水来绘制相对于光子能量的质量衰减系统。

具有不同能量的材料的CT衰减的变化有时与材料的Z编号(原子序数)相关联。碘(Z＝53)在低能量中具有其最大衰减，随着能量变高而衰减变小。

在图1的绘图中，大概理解为在约40～50keV的能量下能够观察到碘的衰减与钙的衰减的最大的差。由此，小的差在80keV下观察到，更小的差在80keV以上的光子能量下观察到。从而，与在低的一方的能量下相比，在高的一方的能量下，有时更难以区别碘类造影剂和钙。

用于区别碘和钙的最优的扫描能量可能约为40keV。但是，在那样的低的能量下使用扫描需要高于扫描仪硬件所优选的电流的电流，有时导致图像数据中的噪音的增加。从而，例如，为了一边维持能够允许的电流等级和噪音性能，一边有助于辨别碘和钙，也可以使用80kVp以及120kVp下的双能量CT扫描。

一些额外的问题有时导致难以从造影剂中将钙分离。由于噪音、运动、造影剂浓度、钙密度、被检体的大小、CT照射剂量等级、射束硬化、以及部分容积效应等问题，各材料由于图像的不同，或者即使是相同的图像而由于部分的不同，有时也示出不同范围的强度值。此时，材料是碘以及钙，类似的影响也适用于不同材料的图像。

低的一方的浓度的造影剂与高的一方的浓度相比较，有时更难以与钙进行区别。但是，特定的患者，例如肾脏存在问题的患者有时需要更低浓度的碘。

具有不同的钙密度的钙的区域有时产生不同的强度，有时会带来针对钙的某一范围的强度。

使用低的一方的CT照射剂量进行摄影得到的图像与使用高的一方的照射剂量进行摄影得到的图像相比，示出相对于所提供的的材料的强度值更大的扩散，从而，有时更难以区别材料。分离性能有时在低浓度下受到大的影响。但是，CT照射剂量越低，则意味着患者被辐射的放射线越少，因此，在一些状况下，有时优选使用较低的照射剂量进行摄影得到的图像。

所谓射束硬化是指含有CT射束的高的(硬的)能量的比例变高那样的、CT射束通过身体时其能量分布的变化。射束硬化有时由于较低的能量最初被组织吸收而造成。由于射束硬化，在被检体整体中，即使材料相同，由于该被检体的部分，强度也有时不同。

图像有时示出第一材料和第二材料的边界上的体素具有作为第一材料的强度值与第二材料的强度值的组合的强度值的部分容积效应。

除了难以将某一材料与另一材料进行区别之外，上述效应的结果，所提供的材料由于图像的不同，或即使是相同的图像而由于部分的不同，而示出不同范围的强度。在一些情况下，所提供的图像中的第一材料(例如，钙)的强度的范围与该图像中的第二材料(例如，碘)的强度的范围重复。

发明内容

鉴于上述的示例性的现有技术的尝试，目的在于提供一种在多能量图像数据中能够简单且高精度地对至少两种的物质(材料)进行分类的医用图像诊断装置以及医用图像处理装置。

本实施方式所涉及的医用图像诊断装置具备：变更单元，根据与多能量图像数据的像素或体素关联起来的多能量强度信息，自适应地变更阀值；以及分类单元，根据所述变更后的阀值，将所述多能量图像数据所具有的多个像素或多个体素分类为与至少两种物质分别对应的像素或体素。

附图说明

图1是相对于碘、钙、以及水的质量衰减系统对光子能量的绘图。

图2是基于一个实施方式的图像数据处理系统的概略图。

图3是一个实施方式的动作的模式的概略流程图。

图4是低能量强度与高能量强度的联合直方图的一个例子。

图5是表示阀值候补的联合直方图。

图6是表示多个阀值候补的联合直方图。

图7是Jensen-Shannon离散量(Jensen-Shannondivergence)对阀值的斜率的绘图。

图8是表示所确定的阀值的联合直方图。

图9是将初始标记的区域表示为钙以及碘的联合直方图。

图10是表示通过期望值最大化法确定的椭圆形区域的联合直方图。

图11是表示改良后的钙标记和碘标记的联合直方图。

图12是表示对钙以及碘的分割的、关注区域的三维绘图。

图13是表示一个实施方式的动作的模式的附加的概略流程图。

图14是混合斑块幻影(plaquephantom)的图。

图15a是表示来自具有高的碘浓度的大的关注区域的实验结果的图。

图15b是表示来自具有高的碘浓度的大的关注区域的实验结果的图。

图15c是表示来自具有高的碘浓度的大的关注区域的实验结果的图。

图15d是表示来自具有高的碘浓度的大的关注区域的实验结果的图。

图15e是表示来自具有高的碘浓度的大的关注区域的实验结果的图。

图15f是表示来自具有高的碘浓度的大的关注区域的实验结果的图。

图15g是表示来自具有高的碘浓度的大的关注区域的实验结果的图。

图15h是表示来自具有高的碘浓度的大的关注区域的实验结果的图。

图16a是表示来自具有高的碘浓度的小的关注区域的实验结果的图。

图16b是表示来自具有高的碘浓度的小的关注区域的实验结果的图。

图16c是表示来自具有高的碘浓度的小的关注区域的实验结果的图。

图16d是表示来自具有高的碘浓度的小的关注区域的实验结果的图。

图16e是表示来自具有高的碘浓度的小的关注区域的实验结果的图。

图16f是表示来自具有高的碘浓度的小的关注区域的实验结果的图。

图16g是表示来自具有高的碘浓度的小的关注区域的实验结果的图。

图16h是表示来自具有高的碘浓度的小的关注区域的实验结果的图。

图17a是表示来自具有低的碘浓度的大的关注区域的实验结果的图。

图17b是表示来自具有低的碘浓度的大的关注区域的实验结果的图。

图17c是表示来自具有低的碘浓度的大的关注区域的实验结果的图。

图17d是表示来自具有低的碘浓度的大的关注区域的实验结果的图。

图17e是表示来自具有低的碘浓度的大的关注区域的实验结果的图。

图17f是表示来自具有低的碘浓度的大的关注区域的实验结果的图。

图17g是表示来自具有低的碘浓度的大的关注区域的实验结果的图。

图17h是表示来自具有低的碘浓度的大的关注区域的实验结果的图。

图18a是表示来自具有低的碘浓度的小的关注区域的实验结果的图。

图18b是表示来自具有低的碘浓度的小的关注区域的实验结果的图。

图18c是表示来自具有低的碘浓度的小的关注区域的实验结果的图。

图18d是表示来自具有低的碘浓度的小的关注区域的实验结果的图。

图18e是表示来自具有低的碘浓度的小的关注区域的实验结果的图。

图18f是表示来自具有低的碘浓度的小的关注区域的实验结果的图。

图18g是表示来自具有低的碘浓度的小的关注区域的实验结果的图。

图18h是表示来自具有低的碘浓度的小的关注区域的实验结果的图。

图19是表示标记处理中的一个实施方式的一实现方式的概略流程图。

具体实施方式

基于一个实施方式的医用图像诊断系统10在图2中概略地示出。医用图像诊断系统10具备医用图像诊断装置14、显示器16、以及与计算机键盘以及鼠标等一个或多个输入设备18连接的医用图像处理装置(计算装置)12，此时具备个人计算机(PC)或工作站。在本实施方式中，图像数据集由X射线CT装置14获取，并存储在存储器20中。在其它实施方式中，也可以从远程存储器加载图像数据集。在本实施方式中，各图像数据集具备体素的排列。在代替实施方式中，各图像数据集具备像素的排列。

另外，医用图像诊断装置14例如是X射线诊断装置、X射线计算机断层摄像装置(X射线CT装置)、磁共振成像装置、超声波诊断装置、核医学诊断装置、PET-CT装置等。在本实施方式中，为了使说明具体化，设医用图像诊断装置14是X射线CT装置。另外，在本实施方式中，示例出医用图像处理装置12独立于医用图像诊断装置14而构成的情况。然而，并不拘泥于该例子，也可以设为医用图像诊断装置14内置医用图像处理装置12的结构。

医用图像处理装置12提供用于对图像数据内的体素进行分类的处理源。医用图像处理装置12具备中央处理单元(CPU)22，该中央处理单元(CPU)22能够进行动作，以使得加载以及执行为了执行以下关于图2说明的方法而构成的各种软件模块或其它的软件构成要素。

医用图像处理装置12包含：区域选择单元24，用于在图像数据集内选择关注区域；阀值确定单元26，用于确定所选择的关注区域中的强度阀值；以及分类单元28，用于根据该阀值来确定分类。

在本实施方式中，区域选择单元24、阀值确定单元26、以及分类单元28分别通过程序计算机来实施，所述程序计算机具有在医用图像处理装置12中能够进行动作以使得执行本实施方式的方法的计算机可读命令。然而，在其它实施方式中，各种单元也可以实施为一个或多个ASIC(特定用途集成电路)或FPGA(现场可编程逻辑门阵列)。

医用图像处理装置12还包含硬盘驱动器和PC的其它构成要素，PC的其它构成要素包含RAM、ROM、数据总线、包含各种设备驱动器的操作系统、以及包含显卡的硬件设备。为了易于理解，在图2中没有示出那样的构成要素。

图1的系统构成为执行在图3的流程图中概略地示出的一系列的步骤。

在图3的步骤40中，区域选择单元24从存储器20来接收由患者的双能量CT扫描而获取的容积医用图像数据的集合100。图像数据的集合100也可以是一系列的DICOM(DigitalImagingandCommunicationsinMedicine，医学数字成像和通信)文件的一部分。在其它实施方式中，区域选择单元24从远程数据存储区，例如从能够形成PictureArchivingandCommunicationSystem(PACS，图片存档及通信系统)的一部分的服务器，来接收图像数据的集合100。在另外的实施方式中，区域选择单元24从扫描仪14直接地接收图像数据的集合100。

在本实施方式中，图像数据的集合100具备双能量CT数据，并且该双能量CT数据具备来自具有120kV的最大管电压的图像容积的第一CT扫描的强度和来自具有80kV的最大管电压的相同的图像容积的第二CT扫描的强度。第一CT扫描的能量比第二CT扫描的能量高，因此，第一CT扫描有时被称为高的一方的能量扫描或高能量扫描。第二CT扫描有时被称为低的一方的能量扫描或低能量扫描。

图像容积内的各体素具有强度关联起来的对(IHigh，ILow)，IHigh是高能量扫描(120kVp下的扫描)中的体素的强度，ILow是低能量扫描(80kVp下的扫描)中的体素的强度。IHigh(高能量扫描中的体素的强度)有时被称为体素的高能量强度。ILow(低能量扫描中的体素的强度)有时被称为体素的低能量强度。

在本实施方式中，第一CT扫描和第二CT扫描被同时收集，从而，来自第一CT扫描的数据以及来自第二CT扫描的数据不需要配准。在其它实施方式中，第一CT扫描和第二CT扫描可以被同时收集，也可以带有时间偏移地被收集，也可以被依次收集。当需要时，来自第一CT扫描以及第二CT扫描的数据可以使用任意的合适的配准方法来配准，此时，图像数据的集合100能够具备配准后的第一CT扫描数据和配准后的第二CT扫描数据。

在本实施方式中，图像数据的集合100具备双能量CT数据，在其它实施方式中，图像数据的集合100也可以具备具有至少两个能量下的图像强度的任意的图像数据，例如，也可以具备来自多能量CT扫描的CT图像数据、或者使用能够得到两个以上的光子能量下的数据的能谱X射线CT装置进行摄影得到的CT图像数据。

在其它实施方式中，图像数据的集合100具备由任意的方式而获取的数据，例如具备由CT、MRI、超声波、PET、或SPECT的放射线扫描仪获取的数据。

在步骤42中，区域选择单元24将根据图像数据的集合100绘制出的图像显示给使用者(例如，X射线技师)。使用者选择图像内的图像区域，例如选择具备血管的描绘的图像区域。如果可能存在钙和碘这两者，则由使用者选择的图像区域也可以是使用者所考虑的图像区域。

在本实施方式中，根据图像数据的集合100来绘制并显示给使用者的图像是表示图像数据的集合100内的容积图像数据的体轴剖面(axialslice)的二维图像。在本实施方式中，使用者通过点击以及拖动鼠标，来选择被显示的体轴剖面图像上的方形图像区域。在其它实施方式中，使用者能够使用任意合适的选择方法，来选择被显示的体轴剖面图像的任意的二维区域。

在另外的实施方式中，任意的合适的二维或准三维的图像可以根据图像数据的集合100被绘制并显示给使用者，使用者能够选择任意的二维或三维的图像区域。

在一些实施方式中，使用者从标准的MPR(多剖面重建)视图(冠状、矢状、或体轴)中选择二维图像区域。在其它实施方式中，使用者以使用者所选择的角度从倾斜MPR视图来选择二维图像区域。

在一些实施方式中，被显示的图像是准三维的，使用者例如通过在图像上使用鼠标来定义三维的箱，从而在被显示的图像上定义容积图像区域。

在一些实施方式中，被显示的图像是体绘制的视图。在一些那样的实施方式中，二维或三维的图像区域使用自由移动的区域制成工具来选择。

在一些实施方式中，使用者能够取决于图像区域内的体素的强度，选择二维或三维的图像区域。在一些实施方式中，在图像数据上执行自动或半自动的分割，使用者取决于该分割来选择二维或三维的图像区域。例如，在一个实施方式中，对图像数据应用分割的阀值处理方法，也可以将单纯的滑动条控制用于调整分割的强度阀值。在那样的实施方式中，使用者能够使用滑动条控制，对高强度区域进行分割，接着将该区域选择为二维或三维的图像区域的至少一部分。

为了选择二维或三维的图像区域，例如也可以在使用鼠标、轨迹球、键盘命令、声音命令、或其它的任意的合适的选择方法的选择中任意的合适的选择方法。

区域选择单元24接收在本实施方式中作为二维图像区域的、使用者所选择的图像区域。区域选择单元24取决于使用者所选择的图像区域，选择图像容积的一部分。

在本实施方式中，由区域选择单元24选择的图像容积的一部分是图像容积内的三维子容积。该选择的三维子容积有时被称为关注区域。在本实施方式中，三维子容积具备立方体，并且该立方体具有与使用者在体轴剖面图像上选择的二维图像区域的x坐标以及y坐标对应的x坐标和y坐标(体轴剖面的平面内的坐标)、和由区域选择单元24确定的z(与剖面垂直的轴)上的长度。在本实施方式中，关于立方体的z维，将使用者选择图像区域的体轴剖面置于中心。

在本实施方式中，子容积在z上的长度被规定为扫描仪的坐标系中的距离。例如，z上的长度也可以确定为30mm。在另外的实施方式中，子容积在z上的长度被规定为几个剖面，例如被规定为10个剖面。在本实施方式中，子容积在z上的长度是存储在区域选择单元24中的固定长。在代替实施方式中，子容积在z上的长度可以由使用者来选择，也可以存储在区域选择单元24中，也可以由区域选择单元24来计算。在一个实施方式中，子容积在z上的长度以与使用者选择的图像区域在x上的长度或在y上的长度相同的方式，由区域选择单元24来确定。在另一个实施方式中，子容积在z上的长度被确定为由使用者选择的图像区域在x上的长度与y上的长度的函数，例如被确定为由使用者选择的图像区域在x上的长度与y上的长度的平均。

在本实施方式中，三维子容积的x坐标以及y坐标与使用者所选择的图像区域的x坐标以及y坐标相同，但在其它实施方式中，子容积在x或y上，也可以比使用者所选择的图像区域大，也可以比其小。例如，子容积在x和/或y上，也可以具备使用者所选择的图像区域加追加区域。在一些实施方式中，子容积也可以具备全部图像容积的尺寸以下的任意的尺寸。

在本实施方式中，使用者在显示出的二维图像上选择二维图像区域，但在其它实施方式中，使用者在绘制出的准三维图像上选择三维图像区域。在这样的实施方式中，区域选择单元24取决于被选择的三维图像区域来选择三维子容积。该三维子容积也可以与三维图像区域对应。该三维子容积也可以基于三维图像区域。例如，该三维子容积在x、y、以及z中的一个或多个中，也可以大于三维图像区域。

在本实施方式中，子容积(关注区域)是三维的，在其它实施方式中，子容积(关注区域)也可以是二维的。例如，子容积能够具备单一的体轴剖面上的体素。并且，在一些实施方式中，图像数据的集合100能够具备二维图像数据，此时，子容积能够具备二维图像区域内的像素。

区域选择单元24选择具备与所选择的子容积内的体素(在另外的实施方式中为所选择的子容积内的像素)关联起来的强度数据的图像数据的集合100的子集110。图像数据子集110具备相对于所选择的子容积内的各体素的(IHigh，ILow)强度值。

区域选择单元24将图像数据子集110传送给阀值确定单元26。

在步骤44中，阀值确定单元26对图像数据子集110应用滤波器，除去与具有低强度(低的IHigh和/或低的ILow)的体素关联起来的数据。步骤44的滤波处理能够除去能够与钙和碘均没有被表示的体素关联起来的数据，例如能够除去能够与表示软组织的体素关联起来的数据。

在一些实施方式中，除去数据包含从图像数据子集110中删除数据。在其它实施方式中，除去数据不包含从图像数据子集110中删除数据。在一些实施方式中，除去数据包含为了在图3的处理的剩余的部分中不使用数据而对数据添加标志。

在本实施方式中，滤波器具备阀值。在本实施方式中，阀值是100HU。具有低于阀值的IHigh和/或低于阀值的ILow的各体素的数据被从图像数据子集110中除去。在另外的实施方式中，使用不同的阀值。在代替实施方式中，对IHigh以及ILow设定不同的阀值。

在其它实施方式中，滤波器只具备ILow的阀值，具有低于阀值的ILow的各体素的数据被从图像数据子集110中除去。在另外的实施方式中，滤波器只具备IHigh的阀值，IHigh值低于阀值的各体素的数据被从图像数据子集110中除去。在其它实施方式中，滤波器具备IHigh与ILow的组合的阀值。例如，当IHigh与ILow的合计低于特定的值时，具有该(IHigh，ILow)值的体素的数据被从图像数据子集110中除去。

在本实施方式中，滤波器对具有(IHigh，ILow)值的体素进行滤波器除去，并且该(IHigh，ILow)具有低于100HU的IHigh。在其它实施方式中，使用不同的阀值。在本实施方式中，滤波器阀值(100HU)是由阀值确定单元26存储的固定值。在其它实施方式中，滤波器阀值可以由使用者输入或选择，也可以通过任意的自动处理、半自动处理、或手动处理来确定。在一些实施方式中，阀值根据经验来确定。

在代替实施方式中，使用者能够使用任意的方法，除去使用者不希望包含在图3的处理的后续的步骤中的区域。例如，使用者能够使用用于修改关注区域的顺序方法。在一些实施方式中，为了选择不希望的区域，可以使用自动的方法，该方法可以基于阀值，也可以不基于阈值。

也可以通过对图像数据子集110进行滤波，从而除去与表示钙或碘的哪一个的可能性低的体素关联起来的强度值，在图3的处理的后续的步骤中也可以不使用。

在软组织的体素与钙和/或碘的体素之间，强度(ILow，IHigh，或双方)存在大的差异，因此在一些情况下，有时能够使用固定阀值，从表示钙和/或碘的体素中将软组织体素分离。钙的强度的范围有时接近碘的强度的范围或者与其重复，但钙的强度的范围与碘的强度的范围这两者有时明显高于软组织的强度的范围，因此，为了从包含软组织、钙、以及碘的图像中除去软组织体素，也可以使用固定阀值。

在另外的实施方式中，为了除去低强度体素，不使用滤波器，省略步骤44。在其它实施方式中，也可以在图3的处理的任意的步骤中，例如，在步骤42中选择子容积之前，或者在步骤46中计算出联合直方图之后应用滤波器。

在步骤46中，阀值确定单元26计算在步骤44的滤波之后剩余在图像数据子集110中的(IHigh，ILow)强度值的联合直方图200。各(IHigh，ILow)值与在步骤42中由区域选择单元24选择出的子容积内的体素关联起来。

图4示出那样的联合直方图200的一个例子。联合直方图200的x轴202为IHigh，即，是来自高能量扫描的强度，联合直方图200的y轴204是ILow，即，是来自低能量扫描的强度。IHigh以及ILow分别以亨氏单位来测量。在代替实施方式中，能够设x轴为ILow，能够设y轴为IHigh。

联合直方图200具备相等尺寸的多个二维仓(bin)。各(IHigh，ILow)值进入联合直方图200内的二维仓中。(被滤波处理的)图像数据子集110内的各体素可以说是分配给与其(IHigh，ILow)值对应的仓。

在一些实施方式中，各仓内的体素的数量能够表示为颜色。也可以使用能够包含灰度值的任意的合适的颜色。例如，在一个实施方式中，包含少量体素的仓表示为蓝色。包含大量体素的仓表示为红色。包含中间数量的体素的仓由蓝色与红色之间的能谱上的颜色来表示。在其它实施方式中，通过基于用颜色区分出的仓的显示以外的方法来对仓进行显示。在另外的实施方式中，不显示联合直方图200。

在图4中，各仓内的体素的数量由底纹(shading)来表示，联合直方图的白色区域表示包含少量体素的仓，暗色的底纹表示包含大量体素的仓，亮色的底纹表示中间值。

在本实施方式中，仓的尺寸是5亨氏单位×5亨氏单位。在其它实施方式中，也可以使用任意的仓的尺寸。在本实施方式中，仓的尺寸是固定的，仓的尺寸被存储在阀值确定单元26中。在代替实施方式中，仓的尺寸由阀值确定单元26来确定。例如，仓的尺寸也可以根据与子集110内的体素关联起来的强度的范围来确定。在其它实施方式中，仓的尺寸由使用者来选择。在另外的实施方式中，也可以使用确定仓的尺寸的任意的合适的方法。

其结果是，具有类似的(IHigh，ILow)值的大量体素能够带来联合直方图200上的仓的聚类(cluster)206，聚类206内的各仓与聚类外部的仓相比较，包含更多的体素。例如，当所选择出的子容积包含表示碘的大量体素时，在此，碘具有一定的浓度，能够期待这些体素能够形成联合直方图200上的仓的聚类206。

表示不同材料的体素能够形成联合直方图200上的不同的聚类206。例如，具有高能量扫描(类似的IHigh)内的类似的强度的体素的两个材料具有低能量扫描(不同的ILow)内的不同的强度，因此，能够形成独立的聚类206(在一些情况下，能够重复)。

已知：由于能够根据材料的浓度而具有不同的衰减，因此，表示材料的不同浓度的体素能够形成(IHigh，ILow)联合直方图200在不同的区域内的聚类206，或者能够形成分布在(IHigh，ILow)联合直方图200的扩张区域上的单一聚类206。

已知：表示第一材料的不同浓度或密度的体素的(IHigh，ILow)强度值能够位于联合直方图200内的第一直线上或者其附近，以及表示第二材料的不同浓度或密度的体素的(IHigh，ILow)强度值能够位于联合直方图200内的第二直线上或其附近，第二直线与第一直线不同。一般而言，表示不同材料的体素的(IHigh，ILow)值能够沿着不同的线来分布。不同的线能够分别通过水点(waterpoint)，水点被定义为(IHigh＝0，ILow＝0)。例如，请参考ThorstenR.C.Johnson，ChristianFink，StefanO.Schonberg，MaximilianF.Reiser，DualEnergyCTinClinicalPraCTice，Secaucus，NJ：Springer，2011。

但是，实际上，已知由于在上述中说明的各种影响(例如，噪音、射束硬化、或部分容积效应)，特定材料的体素的强度在联合直方图200上扩散，有时难以区别第一材料的体素与第二材料的体素。与不是以上的情况时相比，各聚类206有时扩散得更广。实际上，不同材料的聚类206有时会重复。并且，在上述中说明的影响的结果是，各直线的斜率和/或截距由于图像的不同，或即使在相同的图像中也由于区域的不同而不同。

图4的联合直方图200表示强度值的三个聚类206。一个聚类206具有(70，100)的周围的(IHigh，ILow)值。大量体素存在于(70，100)的周围的仓的聚类内，因此，对(70，100)的周围的聚类的中心添加红色(在图4中，由暗色的色差表示)。另一聚类206具有(110，200)的周围的(IHigh，ILow)值，其它的聚类206具有(120，180)的周围的(IHigh，ILow)值。

预料到由于表示钙的体素能够具有位于联合直方图200内的第一线上或其附近的(IHigh，ILow)值，表示碘的体素能够具有位于联合直方图200内的第二线上或其附近的(IHigh，ILow)值，从而，能够确定将包含钙的体素的仓与包含碘的体素的仓大致分开的联合直方图200内的线(二维阀值)。该位置也可以根据图像而不同。图3的处理的步骤48～52的目的在于确定这样的线，该线有时被称为二维阀值。

在步骤48中，阀值确定单元26确定阀值候补208的集合。在本实施方式中，各阀值候补208是联合直方图200上的直线。

在本实施方式中，各阀值候补208是直线，但在其它实施方式中，各阀值候补208可以是IHigh与ILow的任意的合适的函数。例如，各阀值候补208可以是曲线(本实施方式的线模型被置换为更高次的曲线模型)。

图5表示示出了阀值候补208的、图4的联合直方图200。

图6示出表示为阀值候补线208的扇形束的、阀值候补208的集合。在本实施方式中，各阀值候补208是在(0，0)处具有某一截距的直线，阀值候补线208的各自具有不同的斜率。

在本实施方式中，各阀值候补208的斜率能够表示为IHigh/ILow的比。本实施方式中的斜率的范围是0.4至1，具有0.01的增量。在代替实施方式中，斜率和/或斜率间的增量可以表示为ILow/IHigh的比，也可以表示为某一角度，也可以使用其它任意合适的方法来表示。

在本实施方式中，各阀值候补208是在(0，0)处具有某一截距的直线。在其它实施方式中，阀值候补208中的一些或全部能够具有不同的截距。

在其它实施方式中，阀值候补208的集合能够具有与图6所示的阀值候补208的集合不同范围的斜率或相邻的阀值候补208间的斜率的不同的增量。在一些实施方式中，阀值候补208在角度上被均等地隔开，或者在斜率上被均等地隔开。在其它实施方式中，阀值候补208不会均等地隔开。在一些实施方式中，斜率的范围可以比图6所示的阀值候补208的斜率的范围大，也可以比其小。在一些实施方式中，斜率的范围能够扩大至涵盖直方图整体。

在一些实施方式中，阀值候补208中的一个或多个斜率和/或截距和/或阀值候补208的斜率间的增量可以由使用者确定，例如可以由使用者手动地确定。例如，使用者能够定义中心的阀值候补208、阀值候补208的范围、或阀值候补208间的增量。

在一些实施方式中，斜率的范围、线中的一些或全部的截距、和/或斜率间的增量也可以由阀值确定单元26半自动地或自动地确定。例如，斜率的范围、或阀值候补208间的角度或者斜率的增量也可以取决于联合直方图200内的(IHigh，ILow)强度值的展宽来确定。在一些实施方式中，斜率的范围、线中的几个或者全部的截距、和/或斜率间的增量也可以是规定的，并存储在阀值确定单元26中。

在一些实施方式中，阀值候补208的斜率的范围、截距、或斜率间的增量也可以使用已有的知识来确定。这样的已有的知识例如能够具备对于其它图像数据或相同图像数据内的其它的子容积执行时的图3的处理的结果。

在步骤50中，阀值确定单元26对于在步骤48中由阀值确定单元确定的阀值候补208执行逐次处理。

阀值确定单元26选择第一阀值候补208，例如选择图5所示的阀值候补208。如图5所示，阀值确定单元26将联合直方图200分割成阀值候补208以上的第一区域A和阀值候补208以下的第二区域B。

在本实施方式中，阀值208以上的联合直方图200的区域A是比阀值候补线208大的IHigh以及比其小的ILow的区域。区域A内的点具有比阀值候补线208上的最近的点大的IHigh和/或比其小的ILow。阀值候补线208以下的联合直方图200的区域B是比阀值候补线208大的ILow以及比其小的IHigh的区域。区域B内的点具有比阀值候补线208上的最近的点大的ILow和/或比其小的IHigh。

在代替实施方式中，联合直方图200的轴可以以不同的方式被示出，例如在联合直方图200的左下角具有(0，0)。在那样的实施方式中，区域A可以是线以下的区域(但是，依然是更大的IHigh以及更小的ILow的区域)，区域B也可以是线以上的区域(但是，依然是更大的ILow以及更小的IHigh的区域)。

区域A以及区域B的各自具有体素的组(该区域内的仓内的体素)。区域A内的体素的组的(IHigh，ILow)强度形成强度的第1二维分布。区域A内的体素的组的(IHigh，ILow)强度形成强度的第2二维分布。

相对于第一阀值候补208，阀值确定单元26计算表示区域A内的仓内的体素的(IHigh，ILow)值的分布与区域B内的仓内的体素的(IHigh，ILow)值的分布的统计性差异的度量。在代替实施方式中，也可以使用确定分布间的统计性差异的任意的合适的方法。确定二维(IHigh，ILow)分布间的统计性差异如以下说明的那样，能够包含确定由二维分布导出的或与其关联起来的一维分布间的统计性差异的步骤。

在一些实施方式中，阀值确定单元26能够确定计算应该被比较的两个分布间的相互的统计相关性的任意的概率分布距离度量。为了形成度量而能够独立地或者组合使用的不同的量能够具备Jensen-Shannon离散量、互信息量、或熵(边缘或者联合)。

在本实施方式中，阀值确定单元26确定低能量强度相对于区域A内的仓内的体素的边缘分布和低能量强度相对于区域B内的仓内的体素的边缘分布。

确定相对于区域A的边缘分布能够具备获取区域A内的仓内的体素的ILow值的一维分布(一维直方图)。确定相对于区域A的边缘分布能够具备将联合直方图200的区域A内的(IHigh，ILow)值向联合直方图200的低能量(ILow)轴进行投影。其结果得到的边缘分布是一维直方图，并且该一维直方图能够被显示在具有x轴上的亨氏单位的ILow和y轴上的体素的数量的绘图上。在本实施方式中，该一维直方图具有与联合直方图相同的ILow仓的尺寸。当图4的联合直方图200被向ILow轴投影时，在结果得到的一维直方图中有时能够观察到三个峰，其中的两个在ILow处相互接近。

确定相对于区域B的边缘分布具备获取区域B内的仓内的体素的ILow值的一维分布(一维直方图)。确定相对于区域B的边缘分布能够具备将联合直方图200的区域B内的(IHigh，ILow)值向联合直方图200的低能量(ILow)轴进行投影。

阀值确定单元26确定相对于区域A的边缘分布和相对于区域B的边缘分布的Jensen-Shannon离散量(在此，区域A以及区域B分别处于第一阀值候补208以上以及以下)。

当相对于区域A的边缘分布与相对于区域B的边缘分布类似时，两个边缘分布的Jensen-Shannon离散量可能变小。类似的边缘分布能够表示相同的材料存在于双方的区域内。

当相对于区域A的边缘分布与相对于区域B的边缘分布不同时，两个边缘分布的Jensen-Shannon离散量可能变大。不同的边缘分布能够表示不同材料存在于各区域内。

如果阀值确定单元26确定相对于第一阀值候补208的边缘分布的Jensen-Shannon离散量，则阀值确定单元26选择第二阀值候补208。

阀值确定单元26按照第二阀值候补208，将联合直方图200分割成两个区域，即，分割成区域A以及区域B。当第一阀值候补208和第二阀值候补208具有不同的斜率和/或截距时，相对于第二阀值候补208的区域A以及区域B与相对于第一阀值候补208的区域A以及区域B不同。

阀值确定单元26确定相对于具备区域A内的仓内的体素的ILow值的区域A的边缘分布。阀值确定单元26确定相对于具备区域B内的仓内的体素的ILow值的区域B的边缘分布。阀值确定单元26确定相对于区域A的边缘分布和相对于区域B的边缘分布的Jensen-Shannon离散量(在此，区域A以及区域B分别处于第二阀值候补208以上以及以下)。

阀值确定单元26选择额外的阀值候补208，将联合直方图200按照阀值候补208分割成区域A以及B，确定相对于区域A的边缘分布和相对于区域B的边缘分布，直到相对于阀值候补208的每一个确定了Jensen-Shannon离散量为止，重复确定相对于区域A以及区域B的边缘分布的Jensen-Shannon离散量的处理。

所谓Jensen-Shannon离散量是指用于估计两个概率分布间的相似性的度量(请参考JianhuaLin，“DivergencemeasuresbasedontheShannonEntropy”，IEEETransactionsonInformationTheory第37卷第一号，1991年1月)。Jensen-Shannon离散量是Kullback-Leibler分散的线性组合。Kullback-Leibler分散是用于距离间的统计量，但Kullback-Leibler分散能够具有无限值，不是对称的。从而，Kullback-Leibler分散有时不能直接用作度量。相对照地，Jensen-Shannon离散量是对称的并是有限的，适合作为度量来使用。

两个分布P以及Q的Jensen-Shannon离散量能够由以下的式子来定义：

【公式1】

J S D (P | | Q) - \frac{1}{2} D (P | | M) + \frac{1}{2} D (Q | | M)

在此，P以及Q是应该比较的两个概率分布，

JSD(P||Q)是P以及Q的Jensen-Shannon离散量，

【公式2】

M = \frac{1}{2} (P + Q)

在此，M是P以及Q的平均概率分布。M作为计算分布P以及分布Q的Kullback-Leibler分散的参考分布来使用，

D(P||M)是分布P和分布M的Kullback-Leibler分散距离，

D(Q||M)是分布Q与分布M的Kullback-Leibler分散距离。

Jensen-Shannon离散量度量的界限为0≤JSD(P||Q)≤1。

对于各阀值候补208，相对于区域A(阀值候补208以上的区域)导出的边缘直方图有时表示为MargHist＿A，相对于区域B(阀值候补208以下的区域)导出的边缘直方图有时表示为MargHist＿B。相对于区域A的边缘分布以及相对于区域B的边缘分布的Jensen-Shannon离散量为

【公式3】

J S D (M \arg H i s t_A | | M \arg H i s t_B) = \frac{1}{2} D (M \arg H i s t_A | | M) + \frac{1}{2} D (M \arg H i s t_B | | M)

其中

M = \frac{1}{2} (M \arg H i s t_A + M \arg H i s t_B) .

在本实施方式中，各阀值候补208具有关联起来的斜率S，所有的阀值候补208在(0，0)处具有共同的截距。

阀值确定单元26确定相对于各阀值候补208的Jensen-Shannon离散量，这能够说明为确定相对于由阀值候补208表示的斜率的范围内的各斜率S的Jensen-Shannon离散量。

在步骤52中，阀值确定单元26针对相对于阀值候补208的每一个的斜率S绘制Jensen-Shannon离散量，由此，获取Jensen-Shannon离散量对相对于阀值候补208的斜率的范围的斜率的绘图。

图7示出Jensen-Shannon离散量对斜率的绘图的一个例子。在图7中，绘图如显示在画面上那样被示出，但在多个实施方式中，Jensen-Shannon离散量相对于斜率的绘图由阀值确定单元26来计算，但不显示。

阀值确定单元26判断在Jensen-Shannon离散量相对于斜率的绘图在两个极小值之间是否包含极大值。

当Jensen-Shannon离散量相对于斜率的绘图在两个极小值之间不包含极大值时，阀值确定单元26判断为执行图3的处理的关注区域只包含关心材料中的一个(在该实施方式中为钙或碘)。在联合直方图200上绘制的关注区域内的体素全部被分配为一类。

例如，在标准的双能量CTA(颈动脉造影检查法或冠状动脉造影检查法)检查中被图像化的容积一直能够具有大量的造影剂，有时不一定使钙一直存在。完全健康的人的血管中有时不存在钙。在这样的情况下，有时知道具备血管的描绘的关注区域只包含碘，不包含钙。从而，当确定为联合直方图200的所有的体素包含在单一的类中时，有时确定为该类是碘。分类单元28对联合直方图200内的所有的体素标记为碘。

当Jensen-Shannon离散量相对于斜率的绘图在两个极小值之间包含极大值时，阀值确定单元26识别与这两个极小值之间的极大值对应的阀值候补208。

例如，图7的绘图在两个极小值212之间包含极大值210。Jensen-Shannon离散量在绘图的斜率小的区域以及斜率大的区域中较高。

在图7中，Jensen-Shannon分散确实减少到最小的斜率值。这是对于分配给两个边缘分布中的一个为空的状况的Jensen-Shannon离散量为零值的结果。在代替实现方式中，当两个边缘分布中的一个为空时，有时分配非常大的Jensen-Shannon离散量。对于图7，不认为相对于Jensen-Shannon分布的零值是极小值212，相反，是Jensen-Shannon绘图的特定的实现方式的特征。

大的斜率以及小的斜率下的Jensen-Shannon离散量高的值在绘图边的附近具有斜率(例如，接近0.4的斜率或接近1的斜率)的阀值候补208可能能够将联合直方图20分割为第一区域和第二区域，所述第一区域包含表示钙的体素的强度的全部或几乎全部，还包含表示碘的体素的强度的全部或几乎全部，所述第二区域不包含表示钙或碘的任一个的体素的强度或者不包含那样的体素的众多的强度。第一区域与第二区域之间的分布不同，从而，Jensen-Shannon离散量高。

具有与Jensen-Shannon离散量相对于斜率的绘图上的最小值对应的斜率(在图7中，约0.5或0.65的斜率)的阀值候补208能够将联合直方图200分割为分别包含表示钙的大量体素的两个区域或分别包含表示碘的大量体素的两个区域。从而，两个区域内的分布有时类似，Jensen-Shannon离散量有时低。

Jensen-Shannon离散量具有极大值的阀值候补208被判断为是将钙从碘中最有效地分离的阀值候补208。它是以多个分布具有它们之间的最低的依存性的方式来将分布分离的线。阀值确定单元26选择具有与极大值对应的斜率的阀值候补，在图7中选择具有0.58的斜率的阀值候补。所选择出的阀值220被绘制在图8的联合直方图200上。图9示出联合直方图200向具有边界线224的钙区域以及具有边界线226的碘区域的分割。在该实施方式中，使用所选择出的阀值220进行的分割是近似分割，大致将钙从碘中分离。使用所选择出的阀值220进行的分割在图3的处理的后续的步骤中被改良。

在本实施方式中，所选择出的阀值220是阀值候补208之一。在其它实施方式中，所选择出的阀值220也可以不是阀值候补208之一。例如，所选择出的阀值220可以是具有存在于计算出的两个阀值候补208的斜率间的斜率的线。例如，曲线可以适合于Jensen-Shannon离散量对斜率的绘制，也可以在不是阀值候补208之一所使用的斜率值的斜率值中产生曲线的最大值。所选择出的阀值可以具有曲线的最大值的斜率值。

在步骤54中，阀值确定单元26将所选择出的阀值220向分类单元28传送。分类单元28将在所选择出的阀值220以上的区域224内具有(IHigh，ILow)值的体素标记为钙。分类单元28将在所选择出的阀值220以下的区域226内具有(IHigh，ILow)值的体素标记为碘。

在图3的处理的步骤54中由分类单元28增加的标记有时被说明为初始标记。初始标记有时不提供各体素的材料的准确的确定。与此相比，初始标记有时提供能够使合适的材料标记近似的钙与碘的大致的分离。初始标记构成联合直方图200内所表示的各体素被标记为钙或碘的某一个的二值的非随机性标记。

图3的处理的步骤46～54能够提供关注区域中的钙以及碘的近似标记。步骤46～54能够提供钙以及碘的初始分离，该初始分离能够接着在图3的另外的步骤中进行改良。步骤46～54有时被统称为将钙和碘分离的处理中的第一步骤来进行说明，该第一步骤具备无监督参数分离。

在步骤56中，分类单元28使用期望值最大化(EM)算法，改良步骤54的标记，估计相对于钙以及碘的各自的模型。期望值最大化(EM)算法由TKMoon，记载于“Theexpectationmaximizationalgorithm”，SignalProcessingMagazine，IEEE，第13卷，47～60页，1996年11月。

在图3的实施方式中使用的EM算法是逐次聚类模型估计算法。该算法通过在统计模型中发现参数的最大似然估计值来估计模型参数。

在本实施方式中，EM算法假定为联合直方图上的钙以及碘的各自的分布是高斯分布。从而，EM算法确定相对于钙强度的高斯模型和相对于碘强度的高斯模型。高斯模型在联合直方图上有时由椭圆来表示。

在假定为分布是高斯分布的本实施方式中，通过期望值最大化算法估计出的模型参数具备相对于各材料的高斯分布的平均以及协方差矩阵。在其它实施方式中，有时没有假定为分布是高斯分布。

在另外的实施方式中，也可以在步骤56中使用不同的模型估计算法，改良步骤54的二值标记。在一些实施方式中，也可以使用任意的聚类拟合算法。任意的数据聚类算法例如也可以使用基于硬分区的聚类算法、基于模糊分区的聚类算法、基于分布的聚类算法、或基于密度的聚类算法。基于硬分区的聚类算法例如也可以具备K平均算法或K平均算法的变形。基于模糊分区的聚类算法例如也可以具备模糊C平均法或软件K平均法。基于分布的聚类算法例如也可以具备基于期望值最大化算法的高斯混合模型聚类或具有期望值最大化算法的非高斯混合模型聚类。基于密度的聚类算法例如也可以具备DBSCAN(densitybasedspatialclusteringofapplicationswithnoise，具有噪声的基于密度的空间聚类应用)或OPTICS(orderingpointstoidentifytheclusteringstructure，确定聚类结构的排序点)。

在本实施方式中，期望值最大化算法除了相对于各体素的高能量强度以及低能量强度值(IHigh，ILow)之外，使用相对于各体素的位置信息(图像数据的坐标空间内的x坐标、y坐标、z坐标)。能够假定为在空间区域中包含充足碘以及钙。在这样的状况下，位置接近性有时是将碘与钙分离的有用的手段。

EM算法使用在步骤54中获取的二值标记进行初始化。已知在一些实施方式中，使用来自步骤54的二值标记的初始化能够提供与使用其它的方法的初始化相比，例如由使用随机分组的初始化相比，具有连贯性的结果。

在本实施方式中，EM算法生成高斯模型。各高斯模型当被绘制在联合直方图200上时，表现为椭圆。从而，EM模型估计相对于钙的椭圆和相对于碘的椭圆。相对于钙的椭圆在联合直方图200上有时与相对于碘的椭圆重复。

在本实施方式中，EM算法不估计数据中的类的数量。在本实施方式中，预想为钙体素的强度在联合直方图200内沿着第一线而存在，碘体素的强度在联合直方图200内沿着不同的第二线而存在，因此，EM算法将分类作为被固定的两个类的问题(将碘作为第一类，将钙的所有的可能的密度作为第二类)进行处理。在本实施方式中，预想为分离只涉及将碘和钙分离，软组织的体素在步骤44中被滤波除去。EM算法只估计被要求的类的数量。

EM算法的输出是随机的。在本实施方式中，相对于各体素，分类单元28使用EM算法，确定体素是钙的概率和体素是碘的概率。在其它实施方式中，各概率能够表示为可能性或可靠水平。

在另外的实施方式中，也可以代替EM算法而使用任意的合适的算法。在一些实施方式中，各聚类不适合高斯分布而适合代替分布。

图10表示图4的联合直方图200，示出了如果存在钙的体素则定义EM算法所确定的联合直方图200的区域的边界线的第一椭圆230和如果存在碘的体素则定义EM算法所确定的联合直方图200的区域的边界线的第二椭圆232。

在图10中，大概理解第一椭圆230与第二椭圆232重复。从而，存在钙体素和碘体素这样的成员(membership)混合的区域(第一椭圆230与第二椭圆232的重复)。

在步骤58中，分类单元28按照期望值最大化算法的结果，根据钙的概率以及碘的概率对各体素进行标记。

在本实施方式中，在步骤58中获取的标记是由分类单元28输出的最终标记。在其它实施方式中，也可以对图3的处理追加另外的步骤。

在一些实施方式中，在步骤58中输出的随机性标记取决于概率阀值，分为体素的两个类。体素的两个类中的一个被标记为碘，两个类中的另一个被标记为钙。例如，在一些实施方式中，作为碘的概率比作为钙的概率高的体素被标记为碘，作为钙的概率比作为碘的概率高的体素被标记为钙。

在一些实施方式中，在各体素被标记为碘或钙之后，对体素执行连接成分分析。连接成分分析也可以用于清除体素的标记。例如，当钙的单一体素被碘的体素包围时，连接成分分析能够确定为应该将单一钙体素再次标记为碘。通过连接成分分析，有时发生取决于周围的体素的钙或碘的单一的和/或被隔离的体素的再次标记。

图11表示具有相对于在图4～图6以及图8～图10中使用的各体素的(IHigh，ILow)强度的不同的描绘的联合直方图绘图。在图11中，相对于标记为钙的各体素，对与该体素关联起来的(IHigh，ILow)仓，放置深灰色的标记。相对于标记为碘的各体素，对与其体素关联起来的(IHigh，ILow)仓，放置浅灰色的标记。从而，图11的颜色不表示各仓内的体素的数量之外，而是表示各仓内的体素的标记。在步骤54中由分类单元标记为钙的体素以深灰色来标记。在步骤54中由分类单元标记为碘的体素以浅灰色来标记。绘图的白色区域不包含被标记的体素。

图12是在空间上描绘出图11所示的标记信息的图。对标记为钙的图11的绘图的三维空间内的各体素，添加深灰色。对标记为碘的各体素附加浅灰色。

图12所示的体素的标记能够认为是图12所示的关注区域中的钙以及碘的分割。

在一些实施方式中，在图3的处理中获取的随机性标记例如在能够将造影剂从钙中分离的颈动脉造影检查、冠状动脉造影检查、或其它的任意的血管造影检查中，可以直接用于将碘体素从多个钙密度的钙体素中分离。

在一些实施方式中，图3的处理能够作为用于血管追踪或管腔分割等应用用的图像分析(IA)算法的工具来间接地使用。

在一些实施方式中，从图3的处理获取的碘标记可以在虚拟非造影图像的生成中使用。虚拟非造影图像也可以是将识别为碘的体素置换为具有表示血液(不存在造影剂的血液)的强度的体素的对照图像。通过根据对照图像数据生成虚拟非对照图像，从而能够避免必须对两个扫描、即使用造影剂的一个扫描和不使用造影剂的一个扫描进行摄影的情况，减少患者由此所承受的被照射剂量。

图3的处理可以不使用任意的规定参数或固定阀值，也可以不使用步骤44的滤波器值和/或仓的尺寸等处理参数的确定以外的任意的规定的参数或固定阀值。在一些实施方式中，图3的处理能够具有比较快速简单的实现方式。

图3的流程图的处理还能够参考图13的流程图进行总结(图3的一些步骤在图13中没有明确地示出)。

相对于来自具备高能量扫描和低能量扫描的双能量CT扫描的双能量CT图像数据的关注区域执行由两个步骤构成的算法。关注区域的各体素具有来自高能量扫描的强度IHigh、来自低能量扫描的强度ILow、以及扫描的坐标空间内的坐标的集合。

区域选择单元24从存储器20接收图像数据的集合100。在步骤142中，区域选择单元24响应于使用者的输入而选择三维子容积(关注区域)，并选择与该子容积对应的图像数据100的子集110。在步骤144中，阀值确定单元26应用滤波器，从子集100中除去体素低强度。具备相对于子集内的各体素的强度值(IHigh，ILow)的图像数据的子集110被移交给算法的第一步骤。

算法的第一步骤具备只基于相对于各体素的强度数据(IHigh以及ILow)，不基于各体素的坐标的、关注区域内的体素的无监督参数分离。

阀值确定单元26确定子集的(ILow，IHigh)值的二维联合分布130。在步骤150中，阀值确定单元26通过计算相对于几个阀值候补208的各自的Jensen-Shannon离散量，从而确定Jensen-Shannon离散量曲线，阀值候补208的各自具有不同的斜率。

在步骤170中，阀值确定单元26判断在Jensen-Shannon离散量曲线中存在几个最小值。当只存在一个最小值时，分类单元28移动到步骤180，将关注区域内的所有的体素标记为一个类(例如，碘)。

当存在两个最小值时，在步骤152中，阀值确定单元26在两个最小值之间找出最大值。阀值确定单元26确定具有与步骤150的Jensen-Shannon离散量曲线的最大值对应的斜率的分割线220。在步骤154中，分类单元28取决于分割线220，制成相对于子集内的体素的初始标记。

算法的第二步骤具备参数聚类。分类单元28接收图像数据的子集120。子集120具备对于与子集110内的体素相同的体素的强度数据，还包含对于子集110内的体素的各自的位置信息(x坐标、y坐标、z坐标)。

分类单元28将多维期望值最大化算法应用于子集120，使用在步骤154中确定的初始标记对算法进行初始化。EM算法除了强度信息之外，使用空间信息。EM算法的结果，得到作为具有平均和协方差的高斯模型的、相对于各类(钙或碘)的估计模型158。在步骤160中，分类单元160将最终的随机性标记分配给子集120内的体素。输出是随机性成员，在此，对各数据点(体素强度对)赋予属于钙或碘的某一个的概率。

关于图3以及图13，测试以上说明的实施方式，相对于来自混合斑块幻影250的双能量图像数据进行试验。幻影可以是具有摄影中的已知的性质的结构，例如可以是具有CT摄影中的已知的性质的结构。混合斑块幻影250在图14中示出。混合斑块幻影250包含具有与碘连接的各种类型的钙(标记为HA200、HA400、以及HA800)的结构。图14的混合斑块幻影250通过80kV的峰能量下的低能量CT扫描以及135kV的峰能量下的高能量CT扫描进行图像化。

图3以及图13的实施方式相对于混合斑块幻影中的两个关注区域300、301的图像进行试验。关注区域300、301的各自具备碘的区域302、第一钙区域304、以及第二钙区域306。

在图14中，预想为第一钙区域304具有200mg/cc的密度，具有高能量扫描中的300HU的CT值。预想为第二钙区域306具有400mg/cc的密度，具有高能量扫描中的550HU的CT值。预想为碘区域302是单一的浓度，具有550HU的CT值。

在以下详细地叙述的试验中使用的钙密度以及碘浓度在几个观点中与图15所示的浓度不同。试验使用以下的碘浓度来执行。

【表1】

在第一试验中，混合斑块幻影250大的一方的关注区域300的碘区域302被高浓度(浓度1)的碘充满。第一钙区域304被具有第一密度的钙充满，第二钙区域306被具有第二密度的钙充满。钙区域304以及306的密度在关于图15～图18说明的试验整体中保持相同。

对具备宽的关注区域300的双能量图像数据，定义三维子容积。该三维子容积包含x、y以及z上的宽的关注区域。三维子容积在z方向(与图14所示的面垂直的方向)上涵盖幻影250的全部范围而延伸。

图15a表示大的一方的关注区域300的CT图像。该图像是已知的幻影的图像，因此预先知道哪一体素表示碘，以及哪一体素表示钙，这有时被称为预想区域标记(图3以及图13的算法不会提供哪一体素表示碘、以及哪一体素表示钙的信息)。图15b表示大的一方的关注区域的图像的、对知道表示钙的体素附加深灰色、对知道表示碘的体素附加浅灰色的描述。

图15c是来自图15a的图像的体素的联合直方图200。为了对可能不是钙也可能不是碘的体素进行滤波除去，应用滤波器。在图15c中，存在体素的三个聚类。

图15d是相对于在图15c的联合直方图200上定义的阀值候补208的集合的Jensen-Shannon离散量对斜率的绘图。该绘图示出在两个最小值212之间具有最大值210、两个材料(两个不同的分布)能够表示在联合直方图200上的情况。图15e表示斜率按照与图15d的绘制的极大值对应的所选择出的阀值220进行分割的联合直方图200。

图15f表示在图3的处理的步骤58中由分类单元28确定的椭圆230和232。图15g表示作为结果而得到的、作为钙(深灰色)以及碘(浅灰色)的体素的标记。图15h表示被标记的体素的三维绘图。

在第二试验中，混合斑块幻影250小的一方的关注区域301的碘区域302被高浓度(浓度1)的碘充满。对双能量图像数据定义三维子容积。该子容积涵盖幻影的全部z范围，具备所有的小的关注区域301。

图16a表示小的一方的关注区域301的CT图像。图16b表示小的一方的关注区域的图像的、对知道表示钙的体素附加深灰色，对知道表示碘的体素附加浅灰色的描述。

图16c是来自图16a的图像的体素的联合直方图200。为了对可能不是钙也可能不是碘的体素进行滤波除去，应用滤波器。在图16c中，存在体素的一个小的独立聚类和体素进一步扩张后的聚类。

图16d是相对于在图16c的联合直方图200上定义的阀值候补208的集合的Jensen-Shannon离散量对斜率的绘图。该绘图在两个最小值212之间具有最大值210。图16e表示斜率按照与图16d的绘图的极大值对应的所选择出的阀值220进行分割的联合直方图200。

图16f表示在图3的处理的步骤58中由分类单元28确定的椭圆230和232。图16g表示作为结果而得到的、作为钙(深灰色)以及碘(浅灰色)的体素的标记。图16h示出被标记的体素的三维绘图(要留意图16h的方向与图16a以及图16b的方向不同)。

在第三试验中，混合斑块幻影250大的关注区域300的碘区域302被低浓度(浓度4)的碘充满。对双能量图像数据定义三维子容积。该子容积涵盖幻影的全部z范围，具有所有大的关注区域300。

图17a表示大的关注区域300的CT图像。图17b表示大的关注区域300的图像的、对知道表示钙的体素附加深灰色，对知道表示碘的体素附加浅灰色的描述。

图17c是来自图17a的图像的体素的联合直方图200。为了对可能不是钙也可能不是碘的体素进行滤波除去，应用滤波器。在图17c中，存在两个重复的聚类。

图17d是相对于在图17c的联合直方图200上定义的阀值候补208的集合的Jensen-Shannon离散量对斜率的绘图。该绘图在两个最小值212之间具有最大值210。图17e表示斜率按照与图17d的绘图的极大值对应的所选择出的阀值220进行分割的联合直方图200。

图17f表示在图3的处理的步骤58中由分类单元28确定的椭圆230和232。图17g表示作为结果得到的、作为钙(深灰色)以及碘(浅灰色)的体素的标记。图17h表示被标记的体素的三维绘图(图17h的方向与图17a以及图17b的方向不同)。

在第4试验中，混合斑块幻影250小的一方的关注区域301的碘区域302被低浓度(浓度4)的碘充满。对双能量图像数据定义三维子容积。该子容积涵盖幻影的全部z范围，具备所有的小的关注区域301。

图18a表示小的一方的关注区域301的CT图像。图18b表示小的一方的关注区域的图像的、对知道表示钙的体素附加深灰色，对知道表示碘的体素附加浅灰色的描述。

图18c是来自图18a的图像的体素的联合直方图200。为了对可能不是钙也可能不是碘的体素进行滤波除去，应用滤波器。在图18c中，存在体素的一个独立聚类和体素的进一步扩张后的聚类，并且重复。

图18d是对于在图18c的联合直方图200上定义的阀值候补208的集合的Jensen-Shannon离散量对斜率的绘图。该绘图在两个最小值212之间具有最大值210。图18e表示斜率按照与图18d的绘制的极大值对应的所选择出的阀值220进行分割的联合直方图200。

图18f表示在图3的处理的步骤58中由分类单元28确定的椭圆230和232。图18g表示作为结果得到的、作为钙(深灰色)以及碘(浅灰色)的体素的标记。图18h表示被标记的体素的三维绘制(图18h的方向与图18a以及图18b的方向不同)。

图15a～图18h的结果表示高碘浓度以及低碘浓度中的材料的分离。连在低浓度中也能够将碘分离的系统能够向医师提供使用比在相反的情况下能够使用的碘浓度更低的碘浓度的选项。图3的处理在使用各种碘浓度的情形下能够可靠地执行。

在图3的实施方式中，使用者选择图像区域，区域选择单元24取决于使用者的选择，确定图像容积的三维子容积。

在代替实施方式中，区域选择单元24能够使用任意的合适的方法，自动地或半自动地确定图像容积的二维或三维的子容积。

在一个实施方式中，区域选择单元24选择包含具有比平均体素强度高的强度的体素的、图像容积的至少一个子容积。也可以使用基于强度的任意的合适的区域选择方法。

在一些实施方式中，区域选择单元24取决于图像数据的分割，确定至少一个子容积。

在一些实施方式中，区域选择单元24确定多个可能的图像区域，并将该可能的图像区域的各自显示在对使用者显示的图像上。例如，在一个实施方式中，区域选择单元24在绘制出的二维图像(例如，体轴剖面)上显示方形的集合，各方形表示可能的图像区域的边界线。使用者例如通过点击一个方形，来选择可能的图像区域中的一个。区域选择单元24取决于使用者点击哪一方形，来确定图像容积的三维子容积。

在一个实施方式中，区域选择单元24例如通过在图像数据集100的坐标空间内确定网格，按照该网格将图像容积分割为子容积，从而将图像数据容积分割为多个三维子容积。区域选择单元24接着选择应该执行图3的处理的剩余步骤的第一子容积。在那样的一个实施方式中，相对于所确定的区域的每一个，重复图3的处理。

图3的处理的说明基于单一子容积，但在一些实施方式中，也可以对于包含图像容积整体的几个子容积以下的任意的数量的子容积，重复图3的处理。

在一些实施方式中，知道与对于更大的子容积执行时，或者对于图像容积整体来时相比，对于比较小的子容积执行图3的分离处理时能够更好地发挥作用。从而，当对于图像容积整体等大的容积能够使用图3的处理时，区域选择单元24能够将该大的容积的分割为更小的子容积。

例如，在一些实施方式中，最大子容积尺寸由区域选择单元24来定义。当使用者选择了尺寸比被定义的子容积尺寸大的子容积时，区域选择单元24将所选择出的子容积分割为更小的子容积，该子容积比最大子容积尺寸小。

在原理上，不存在与子容积的尺寸相关的上限或下限，但在一些实施方式中，子容积的尺寸对图3的方法的分离能力存在影响。当是非常小的子容积时，样本数比较少，因此，有时方法不太能良好地发挥作用。但是，当是非常大的子容积(例如，容积整体)时，有时方法的判别能力或分离能力会降低。在所选择出的子容积内没有被充分地表示的材料有时不会充分地分离。

在图3的实施方式中，(例如，通过将联合直方图200的区域A向ILow轴投影)对于具备具有区域A内的强度的体素的ILow值的区域A获取边缘分布，还相对于具备ILow值的区域B同样地获取边缘分布。

在代替实施方式中，例如通过将区域向IHigh轴进行投影，从而能够对于具备具有该区域内的强度的体素的IHigh值的各区域获取边缘分布。但是，可知在一些情况下，通过计算ILow值的边缘分布的Jensen-Shannon离散量，从而与通过计算IHigh值的边缘分布的Jensen-Shannon离散量相比，能够得到更好的分离或可靠的结果。

在图3的实施方式中，对阀值候补208的集合执行逐次处理，为了将体素最初被标记为钙的区域从体素最初被标记为碘的区域中分离，选择最优的阀值候补220。

在代替实施方式中，通过使用优化处理，例如确定第一阀值候补208，接着，根据成本函数对该阀值候补208进行优化，从而选择阈值。对阀值进行逐次处理(iterating，迭代)或者对阀值进行优化的某一个能够说明为自适应地变更阀值。可以使用自适应地变更阀值的任意的合适的方法。

在一个实施方式中，对第一阀值候补208计算Jensen-Shannon离散量。通过直到到达Jensen-Shannon离散量曲线中的极大值为止，对阀值进行变更，从而优化阀值候补208。阀值确定单元26选择具有与Jensen-Shannon离散量的极大值对应的斜率以及截距的值的阀值。

在一些实施方式中，为了确定阀值以上的分布与阀值以下的分布的统计性差异，也可以使用不同的量，例如也可以使用不是Jensen-Shannon离散量的其它的度量。

在图3的处理中，根据Jensen-Shannon离散量以及来自EM算法的另外的改良后的标记对初始标记进行了说明，在另外的实施方式中，只执行到步骤54中的初始标记为止的图3的步骤。在步骤54中确定的初始标记例如也可以作为向不具备期望值最大化法的另外的标记处理的输入，提供给其它的处理。

图3的处理具备期望值最大化法，但在其它实施方式中，也可以使用任意的合适的模型估计算法。

在上述中，关于具有体素的三个聚类的联合直方图，对图3的处理进行了说明。实际上，在联合直方图中可以不存在任意的数量的聚类。图3的处理的聚类算法(能够具备期望值最大化法)的目的在于例如将联合直方图内的初始数量的聚类(例如，三个、四个、五个、或五个以上)分组为由图10的椭圆表示的那样的两个最终聚类，即，分组为碘的聚类以及钙的聚类。

关于钙体素与碘体素的分离，对图3的处理进行了说明。但是，图3的处理也可以应用于通过图3的方法能够区分强度的材料的任意的对。在那样的实施方式中，在步骤44中，可以使用不同的滤波器，也可以不使用滤波器。在用于分离可能不是钙也可能不是碘的材料的对的实施方式中，能够使用与能够用于钙以及碘的斜率值或截距不同的斜率值或截距。当特别是应该分离的材料的强度是使用固定的阀值不能将材料分离的那样的强度时，能够使用图3的处理。

当需要将两个材料分离时，有时能够找出CT扫描能量的对(低扫描能量以及高扫描能量)，并且所述CT扫描能量的对可以提供与质量衰减常数相关的材料的合适的分离。图3的方法接着也可以用于将材料自动地分离。图3的方法并不限定于与钙以及碘一起使用，一般地也可以适用于其它的材料。

并且，关于两个材料的分离对图3的方法进行了说明，在另外的实施方式中，图3的方法能够扩张为与两个以上的扫描能量一起使用。例如，在N个能量下的多能谱收集中，方法被扩张，可以具备不是二维而是N维的联合直方图。

在具有N维直方图的实施方式中，各边缘直方图具有N-1维。代替材料被线(阀值220)分离，分离阀值可以是超曲面。

在一些实施方式中，图3的处理也可以作为还包含获取体素标记的其它的方法的标记处理的一部分来使用。

在那样的一个实施方式中，标记系统具备图2的区域选择单元24、阀值确定单元26、以及分类单元28，还具备构成为执行代替聚类方法和/或代替标记方法的另外的单元。在一个实施方式中，该系统具备与图2所示的医用图像处理装置12类似的医用图像处理装置12，区域选择单元24、阀值确定单元26、以及分类单元28通过具有能够执行实施方式的方法的计算机可读命令的计算机程序，在医用图像处理装置12内实施。

在其它实施方式中，可以使用与图2的硬件不同的任意的合适的硬件。

图19表示在标记系统中实施的单元的概略图。

数据聚类层400具备聚类单元402。各聚类单元对图像数据子集110的数据执行聚类的方法。一些聚类方法可以仅仅基于强度，其它聚类方法也可以基于强度与空间信息这两者。作为聚类的方法，例如，可以有k平均法、均值偏移法、以及其它的无监督聚类算法。各聚类单元402能够输出未处理聚类区域。

数据聚类层400内的各聚类单元402对聚类标记层410内的至少一个聚类标记单元412提供输入。聚类标记单元412能够具备训练后的判别，例如能够具备SVM。各未处理聚类区域例如通过使用训练后的判别，从而根据某一可靠标准，标记为钙或碘的某一个。

在图19的实施方式中，标记单元414具备图2的区域选择单元24、阀值确定单元26、以及分类单元28。标记单元414如在图3的流程图中说明的那样，执行使用由Jensen-Shannon离散量导出的标记来初始化的期望值最大化法。由此，标记单元4141执行聚类与标记这两者，因此，在一些系统中，有时认为是数据聚类层400与聚类标记层410这两者的一部分。

各聚类标记单元412以及标记单元414将对于子集110内的体素的标记的集合移交给标记融合单元420(还有时说明为标记融合层)。标记融合单元420使从各聚类标记单元412接收到的标记融合。对于各体素，标记融合单元420从聚类标记单元412以及标记单元414接收多个标记。例如，标记融合单元420对于各体素，能够从各聚类标记单元412接收一个标记并且从标记单元414接收一个标记。在一些实施方式中，标记中的至少一个是二值标记。在一些实施方式中，标记中的至少一个是随机性标记。标记融合单元420接着解决标记间的不一致，对体素输出一个标记。在一些实施方式中，作为结果得到的标记是二值。在一些实施方式中，作为结果得到的标记是随机性的。标记融合单元420能够使用任意的合适的标记融合方法，例如能够使用投票或STAPLE(真值与性能等级的同时估计(SimultaneousTruthandPerformanceLevelEstimation))。

标记融合单元420对综合了标记的集合，即，对各体素输出一个标记。

在本实施方式中，标记融合单元420将综合了标记的集合移交给后处理单元430，后处理部430对融合后的标记执行基于MRF(马尔可夫随机场)的后处理，获取相对于子集内的体素的最终标记的集合。后处理能够说明为利用局部的性质的标记的清除。

在其它实施方式中，可以省略MRF后处理步骤，也可以执行代替的后处理步骤。

在一些实施方式中，通过使用几个不同的聚类方法和/或不同的标记方法，从而能够实现比使用聚类方法和/或标记方法的某一个实现的精度高的标记。

图9的系统能够通过半监督式的方法，将钙以及碘从图像数据的集合100中提取出以及进行标记。

特定的实施方式提供一种装置，该装置构成为具备分类单元，为了将至少两种类型的材料进行分离而对多能量图像数据进行处理，该分类单元根据取决于与体素关联起来的多能量强度信息而确定的阀值，获取属于类型的材料的体素的分类。

特定的实施方式提供一种为了将碘区域以及钙区域进行分离以及识别而对容积图像数据进行处理的装置，该装置具备：区域识别单元，用于通过用户接口识别局部的关注区域；标记生成单元，用于生成对于钙的粗略的标记，标记生成处理包含作为用于找出将碘体素从钙体素中最佳地分离的模型的成本函数，使用概率分布距离度量来将属于钙的体素从属于碘的体素中分离；以及模型估计单元，构成为执行通过粗略的标记而初始化的模型生成处理。

在一些实施方式中，局部的关注区域被自动地定义。在一些实施方式中，概率分布距离度量计算应该被比较的两个分布间的相互的统计相关性。为了形成度量，能够单独地或者组合地使用的不同的量能够具备Jensen-Shannon离散量、互信息量、或熵(边缘或者联合)。

在一些实施方式中，用于分离的模型可以是线性的，也可以是非线性的。在一些实施方式中，找出最优的分离模型的处理是逐次的方法，或作为最优化问题而被公式化。

在一些实施方式中，模型估计单元使用期望值最大化算法来生成高斯混合模型。在一些实施方式中，模型估计单元生成高斯混合以外的模型。

一些实施方式将一种装置编入为子系统，该装置为了将碘区域以及钙区域进行分离以及识别而对容积图像数据进行处理，具备：区域识别单元，用于通过用户接口进行局部的关注区域的识别；标记生成单元，用于生成对于钙的粗略的标记，标记生成处理作为用于找出将碘体素从钙体素最佳地分离的模型的成本函数，使用概率分布距离度量将属于钙的体素从属于碘的体素中分离；以及模型估计单元，构成为执行通过粗略的标记而初始化的模型生成处理。

一些那样的实施方式具备：具备多个数据聚类算法的数据聚类层、具备多个钙以及碘标记生成算法的聚类标记层、标记融合系统、以及后处理系统。

在一些实施方式中，数据聚类算法将数据聚类为分别使用无监督聚类算法的区域。在一些实施方式中，钙以及碘标记生成层使用训练后的判别来生成标记。在一些实施方式中，标记融合基于多数决定原则或Staple等随机的方法。在一些实施方式中，为了按照局部的空间性质对分类进行改良而执行标记的后处理。在一些实施方式中，标记的后处理使用通过来自标记融合层的融合后的标记进行初始化的MRF标记器来执行。

以上说明了特定的实施方式，但任意的实施方式的特征能够与其它任意的实施方式的特征进行组合。

本领域的技术人员应该充分理解，实施方式能够通过具有为了执行该实施方式的方法而能够执行的计算机可读命令的一个或多个计算机程序来实施特定的功能。计算机程序的功能也可以以硬件的形式(例如由CPU)来实施。实施方式还可以通过一个或多个ASIC(特定用途集成电路)来实施，也可以通过硬件或软件的混合物来实施。

在本说明书中，说明了特定的单元，但在代替实施方式中，这些单元中的一个或多个功能可以由单一的单元、处理源、或其它构成要素来提供，由单一的单元提供的功能也可以通过两个以上的单元或其它构成要素组合来提供。对单一的单元的提及，不管提供该单元的功能的多个构成要素是否相互远离，均包含那样的构成要素，对多个单元的提及包含提供这些单元的功能的单一的构成要素。

说明了特定的实施方式，但这些实施方式是作为例子来提示的，并不意在限定本发明的范围。实际上，在本说明书中说明的新颖的方法以及系统可以以各种其它的方式来实施。并且，在不脱离发明的要旨的范围内，可以加上本说明书中说明的新颖的方法以及系统的方式的各种省略、置换、以及变更。所附的权利要求书及其等价物意在包括包含于发明的范围的那样的形式以及变形。

Claims

1.一种医用图像诊断装置，其特征在于，具备：

变更单元，根据与多能量图像数据的像素或体素关联起来的多能量强度信息而自适应地变更阀值；以及

分类单元，根据所述变更后的阀值，将所述多能量图像数据所具有的多个像素或多个体素分类为与至少两种物质分别对应的像素或体素。

2.根据权利要求1所述的医用图像诊断装置，其特征在于，

所述分类单元根据所述变更后的阀值，对与所述至少两种物质分别对应的像素或体素进行初始分类，

根据与所述多能量强度信息以及所述多能量图像数据的像素或体素关联起来的空间信息和所述初始分类，分类为与所述至少两种物质分别对应的像素或体素。

3.根据权利要求2所述的医用图像诊断装置，其特征在于，

所述分类单元通过以所述变更后的阀值为基准，确定属于第1范围的像素或体素和属于第2范围的像素或体素，从而执行所述初始分类。

4.根据权利要求2或3所述的医用图像诊断装置，其特征在于，

所述分类单元根据与所述多能量图像数据的像素或体素关联起来的空间信息、所述多能量图像数据的像素或体素的位置、以及与存在于所述多能量图像数据的像素或体素的附近的像素或体素关联起来的强度信息，来对所述初始分类进行改良。

5.根据权利要求1至4中的任一项所述的医用图像诊断装置，其特征在于，

所述分类单元使用聚类模型估计算法、逐次聚类模型估计算法、期望值最大化算法、采用高斯混合模型的算法、基于硬分区的聚类算法、基于模糊分区的聚类算法、基于分布的聚类算法、基于密度的聚类算法中的至少某一个来执行所述分类。

6.根据权利要求1至5中的任一项所述的医用图像诊断装置，其特征在于，

作为所述分类，所述分类单元执行非随机性分类或随机性分类。

7.根据权利要求1至6中的任一项所述的医用图像诊断装置，其特征在于，

所述变更单元根据与设定在所述多能量图像数据中的关注区域内的像素或体素关联起来的多能量强度信息，来执行所述阀值的变更。

8.根据权利要求1至7中的任一项所述的医用图像诊断装置，其特征在于，

所述变更单元按照优化处理或逐次处理中的至少一方，自适应地变更所述阀值。

9.根据权利要求8所述的医用图像诊断装置，其特征在于，

所述变更单元在所述优化处理或逐次处理中，使用概率分布距离度量、Jensen-Shannon离散量、互信息量、边缘熵、联合熵、对2个以上的概率分布间的统计相关性或距离进行定量化的度量中的至少一个。

10.根据权利要求1至9中的任一项所述的医用图像诊断装置，其特征在于，

所述变更单元在所述阀值的自适应变更中，具有如下步骤：

确定至少一个阀值候补，

根据所述至少一个阀值候补，确定属于第1范围的像素或体素和属于第2范围的像素或体素，

确定属于所述第1范围的像素或体素与属于所述第2范围的像素或体素的统计性差异。

11.根据权利要求10所述的医用图像诊断装置，其特征在于，

所述变更单元在所述至少一个阀值候补的确定中，

确定多个阀值候补，

通过从所述多个阀值候补中选择与所述统计性差异的最大值对应的阀值候补，来确定所述自适应地变更的阀值。

12.根据权利要求11所述的医用图像诊断装置，其特征在于，

所述变更单元在与所述统计性差异的最大值对应的阀值候补的选择中，选择与存在于所述统计性差异的两个最小值之间的极大值对应的阀值候补。

13.根据权利要求11所述的医用图像诊断装置，其特征在于，

所述变更单元在所述阀值的自适应变更中，具有如下步骤：

确定至少一个阀值候补，

确定和属于所述第1范围的像素或体素关联起来的强度值的分布与和属于所述第2范围的像素或体素关联起来的强度值的分布的统计性差异。

14.根据权利要求13所述的医用图像诊断装置，

所述多能量图像数据是使用高能量和低能量进行摄影得到的双能量图像数据，

与属于所述第1范围的像素或体素关联起来的所述强度值的分布具有来自所述低能量扫描的强度值的一维分布，

与属于所述第2范围的像素或体素关联起来的所述强度值的分布具有来自所述高能量扫描的强度值的一维分布。

15.根据权利要求13或14所述的医用图像诊断装置，其特征在于，

所述变更单元在所述统计性差异的确定中，使用概率分布距离度量、Jensen-Shannon离散量、互信息量、边缘熵或联合熵、对两个以上的概率分布间的统计相关性或距离进行定量化的度量中的至少一个。

16.根据权利要求7所述的医用图像诊断装置，其特征在于，

所述分类单元使用来自低的一方的能量扫描的第1强度值与来自高的一方的能量扫描的第2强度值的函数，进行所述阀值的自适应变更。

17.根据权利要求16所述的医用图像诊断装置，其特征在于，

所述变更单元在所述阀值的自适应变更中，设所述第1强度值以及第2强度值的函数为实质的直线，确定斜率以及截距中的至少一个。

18.根据权利要求1至17中的任一项所述的医用图像诊断装置，其特征在于，

还具备：区域选择单元，该区域选择单元接收表示图像容积的多能量图像数据集，从所述多能量图像数据集中选择所述多能量图像数据。

19.根据权利要求18所述的医用图像诊断装置，其特征在于，

所述区域选择单元接收图像区域的使用者的选择，取决于所述使用者选择出的图像区域来选择所述图像容积的所述一部分，

自动地选择所述多能量图像数据，

自动地选择所述图像容积的所述一部分，

取决于所述多能量数据集内的强度值来选择所述多能量图像数据。

20.根据权利要求1至19中的任一项所述的医用图像诊断装置，其特征在于，

所述多能量图像数据是双能量图像数据、CT数据、容积图像数据中的至少一个。

21.根据权利要求1至20中的任一项所述的医用图像诊断装置，其特征在于，

所述至少两种物质是钙、造影剂材料、碘中的至少某一个。

22.根据权利要求1至21中的任一项所述的医用图像诊断装置，其特征在于，还具备：

多个数据聚类单元，分别确定所述多能量图像数据内的像素或体素的聚类区域；

至少一个聚类标记单元，对由所述数据聚类单元中的一个或多个确定的像素或体素的聚类区域进行标记；

标记融合单元，从所述被标记了的聚类区域中确定用于所述像素或体素的标记的单一集合；以及

后处理单元，改良所述标记的单一集合。

23.根据权利要求22所述的医用图像诊断装置，其特征在于，

所述多个数据聚类单元使用无监督聚类算法，确定所述多能量图像数据内的像素或体素的聚类区域，

所述至少一个聚类标记单元使用训练后的判别对所述像素或体素的聚类区域进行标记，

所述标记融合单元根据多数决定原则、随机性标记融合、或真值与性能等级的同时估计中的至少一个，确定用于所述像素或体素的所述标记的单一集合，

所述后处理单元取决于与所述像素或体素关联起来的空间信息对所述标记的单一集合进行改良，使用马尔可夫随机场标记器来改良所述标记的单一集合。

24.一种医用图像处理装置，其特征在于，具备：

变更单元，根据与多能量图像数据的像素或体素关联起来的多能量强度信息来自适应地变更阀值；以及