CN105684043A - 根据投影视图对对象进行重建的方法 - Google Patents
根据投影视图对对象进行重建的方法 Download PDFInfo
- Publication number
- CN105684043A CN105684043A CN201480043759.6A CN201480043759A CN105684043A CN 105684043 A CN105684043 A CN 105684043A CN 201480043759 A CN201480043759 A CN 201480043759A CN 105684043 A CN105684043 A CN 105684043A
- Authority
- CN
- China
- Prior art keywords
- mammary gland
- angle
- projection
- inclination
- oar
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 26
- 210000005075 mammary gland Anatomy 0.000 claims description 140
- 210000001519 tissue Anatomy 0.000 claims description 31
- 230000008859 change Effects 0.000 claims description 29
- 238000007906 compression Methods 0.000 claims description 22
- 230000006835 compression Effects 0.000 claims description 21
- 230000015572 biosynthetic process Effects 0.000 claims description 10
- 230000009467 reduction Effects 0.000 claims description 10
- 238000004445 quantitative analysis Methods 0.000 claims description 6
- 210000000038 chest Anatomy 0.000 claims description 5
- 210000002445 nipple Anatomy 0.000 claims description 4
- 210000000481 breast Anatomy 0.000 abstract description 20
- 238000002591 computed tomography Methods 0.000 abstract description 5
- 238000009607 mammography Methods 0.000 abstract 1
- 206010028980 Neoplasm Diseases 0.000 description 15
- 238000003325 tomography Methods 0.000 description 14
- 238000003384 imaging method Methods 0.000 description 13
- 238000001514 detection method Methods 0.000 description 11
- 238000007689 inspection Methods 0.000 description 10
- 238000003786 synthesis reaction Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 8
- 230000008901 benefit Effects 0.000 description 7
- NKANXQFJJICGDU-QPLCGJKRSA-N Tamoxifen Chemical compound C=1C=CC=CC=1C(/CC)=C(C=1C=CC(OCCN(C)C)=CC=1)/C1=CC=CC=C1 NKANXQFJJICGDU-QPLCGJKRSA-N 0.000 description 6
- 239000003814 drug Substances 0.000 description 6
- 201000011510 cancer Diseases 0.000 description 5
- 238000003908 quality control method Methods 0.000 description 5
- 230000005855 radiation Effects 0.000 description 5
- 206010006187 Breast cancer Diseases 0.000 description 4
- 208000026310 Breast neoplasm Diseases 0.000 description 4
- 208000004434 Calcinosis Diseases 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 238000002595 magnetic resonance imaging Methods 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 229960001603 tamoxifen Drugs 0.000 description 3
- 210000000577 adipose tissue Anatomy 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 239000002131 composite material Substances 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000000280 densification Methods 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000000717 retained effect Effects 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- IYLGZMTXKJYONK-ACLXAEORSA-N (12s,15r)-15-hydroxy-11,16-dioxo-15,20-dihydrosenecionan-12-yl acetate Chemical class O1C(=O)[C@](CC)(O)C[C@@H](C)[C@](C)(OC(C)=O)C(=O)OCC2=CCN3[C@H]2[C@H]1CC3 IYLGZMTXKJYONK-ACLXAEORSA-N 0.000 description 1
- 108091035707 Consensus sequence Proteins 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000002512 chemotherapy Methods 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 230000007850 degeneration Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 238000013399 early diagnosis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 210000004907 gland Anatomy 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 239000005556 hormone Substances 0.000 description 1
- 229940088597 hormone Drugs 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000009245 menopause Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 210000002976 pectoralis muscle Anatomy 0.000 description 1
- 238000004393 prognosis Methods 0.000 description 1
- 230000000069 prophylactic effect Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- IYLGZMTXKJYONK-UHFFFAOYSA-N ruwenine Natural products O1C(=O)C(CC)(O)CC(C)C(C)(OC(C)=O)C(=O)OCC2=CCN3C2C1CC3 IYLGZMTXKJYONK-UHFFFAOYSA-N 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000004580 weight loss Effects 0.000 description 1
- 238000013316 zoning Methods 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
- A61B6/502—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of breast, i.e. mammography
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
- G06T11/008—Specific post-processing after tomographic reconstruction, e.g. voxelisation, metal artifact correction
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
- A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
- G06T11/005—Specific pre-processing for tomographic reconstruction, e.g. calibration, source positioning, rebinning, scatter correction, retrospective gating
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10112—Digital tomosynthesis [DTS]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30068—Mammography; Breast
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30096—Tumor; Lesion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2211/00—Image generation
- G06T2211/40—Computed tomography
- G06T2211/436—Limited angle
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Surgery (AREA)
- Public Health (AREA)
- Optics & Photonics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- High Energy & Nuclear Physics (AREA)
- Animal Behavior & Ethology (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Veterinary Medicine (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physiology (AREA)
- Quality & Reliability (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明涉及根据投影对对象进行重建的方法,更具体地,涉及根据对象的投影视图对该对象进行定量重建。例如,来自由数字乳腺断层合成(DBT)、计算机断层扫描(CT)或标准乳腺x射线检查生成的投影视图的人类乳腺图像的定量重建,以及使用该重建来标识最致密的区域。
Description
发明领域
本发明涉及来自投影的对象的重建的方法,更具体地说,涉及来自对象的投影视图的该对象的定量重建。例如,来自由数字乳腺断层合成(DBT)、计算机断层扫描(CT)或标准乳腺x射线检查生成的投影视图的人类乳腺图像的定量重建,以及标识最致密的区域的重建的使用。
背景
乳腺癌的早期诊断通过使能有效的治疗以及通过避免疾病的转移扩散来显著改善预后已经是公认的。为此,主要是绝经后的妇女的乳腺癌筛查已在许多国家引进。这样的筛查目前主要基于乳腺x射线检查。
对绝经后妇女使用乳腺x射线检查是基于对更年期引起凭借致密组织逐渐转化为脂肪而被称为退化的复杂过程的观察。“致密组织”描述乳腺中的成纤维腺体(腺体和结缔)组织。乳腺体积密度(Volumetricbreastdensity)定义为成纤维腺体组织的体积除以乳腺的体积。与相对透明的脂肪相比,致密组织使x射线衰减更大的程度。
由于肿瘤和微钙化(通常是癌前标志)在放射学上也是致密的,它们往往比较容易在其乳腺主要是脂肪的患者的乳腺中检测到。事实上,已经表明,在具有脂肪性乳腺的患者中检测到肿瘤和微钙化的可能性高,有时高达98%。因此,标准乳腺x射线检查对于在筛查脂肪性乳腺中的使用有效是已知的,因为致密组织的缺乏不隐藏癌症并且因而组织有较少的机会被投射到彼此以给出来自所得的重叠的肿瘤的外观。
断层合成是乳腺x射线检查的准三维形式并且因此断层合成图像不被重叠组织的投影那么损害。但是癌症仍然可以隐藏在致密组织中的单独“切片”中,该重建可能模糊跨切片的密度。因而对于非常致密的乳腺,断层合成是不理想的,并且进行的一些研究证实检测微钙化的断层合成的有效性尚无定论。
检测有致密乳腺的患者的肿瘤和微钙化的可能性是50%左右,从而乳腺x射线检查的评估越来越多地包括患者乳腺密度的估计和考虑。如果乳腺密度超过一定值,则该患者可以受益于诸如超声、MRI或DBT的附加成像技术以辅助肿瘤的早期检测。可替代地或附加地,临床医生可以选择更详细地检查x射线:例如,以与是脂肪的那些区域不同的方式,或者通过仔细研究致密组织随时间的推移的变化来加窗(window)和整平具有致密组织的乳腺的那些区域。
乳腺组织可以是致密的原因有很多:例如,患者可能没有进入更年期(乳腺x射线检查已被证明临床上在年轻或绝经前女性中没有如更年期一样有效);由于某种原因,乳腺可能不会退化为脂肪;该妇女可能是服用激素替代药物(或类似物);或者她可能只是体重下降。关于随着时间的推移的变化的信息在临床上是重要的:据报道,例如,其乳腺密度不随年龄增长而减少的妇女有更多患乳腺癌的风险。
对于每一个患者来说,接受除乳腺x射线检查之外的成像既不符合成本效益也不实际,不仅由于如此广泛的成像的固有成本,而且由于可能产生的假阳性数目以及对于某些附加的成像的与额外的辐射相关的风险。
因此,由于致密组织的掩蔽风险,或者增加的癌症患病的风险,正在变成附加成像的先决条件的是,存在评估乳腺密度以确保只有需要附加成像的那些妇女接收它的客观的、可重复的、反模态的定量方法。
发明概述
根据本发明的第一方面,存在预先确定的厚度(H)的人类乳腺的定量重建方法,包括以下步骤:使用x射线源获得乳腺的多个投影视图,其中每个视图偏移角度θ(其可能在视图之间改变或为常数),使用在一个基准投影视图中的基准点获得用于基准投影视图的基准值(Pfato);使用总厚度估计方程估计对于其他投影视图中的每一个其他投影视图的像素(x)和x射线源之间的总厚度(Z);使用基准值估计方程估计对于其他投影视图(Ij)中的每一个其他投影视图的基准值(Pfatj),使用对于每个视图的估计出的基准值(Pfatj)获得对于该投影视图的成纤维腺体组织(Vj)的相应体积;调整对于每个投影视图的估计出的基准值(Pfatj),以便体积(Vj)和(Vo)之间的差在预先确定的范围之内;以及使用体积差分方程,以预先选择的精度来确定该人类乳腺中成纤维腺体组织的体积。
这里下标“j”指的是投影视图Ij。对于j为“0”,该投影视图被称为是基准投影视图。对于“Pfato”,下标j为“0”,因此Pfato指的是对于基准投影视图的该变量的值。同样地,“Vo”指的是对于基准投影视图的该变量的值。
投影视图是乳腺的二维图像。浏览乳腺拍摄投影视图。例如,可以通过投射x射线通过乳腺到x射线胶片上来拍摄投影视图。可以通过MRI扫描和计算机辅助断层扫描的计算机分析和传统的x射线和较新的断层合成单元来创建投影视图。
根据本发明的一个方面,存在预先确定的厚度(H)的人类乳腺的图像的定量重建方法,包括以下步骤:
使用x射线源获得乳腺的多个投影视图,其中每个视图与另一个视图偏移角度theta(θ),
使用倾斜估计算法找到由于投影和桨(paddle)导致的跨乳腺的倾斜以及因此乳腺厚度中的变化,
使用基准值估计方程估计对于其他投影视图Ij中的每一个其他投影视图的基准值(Pfatj),
使用对于每个视图的估计出的基准值(Pfatj)获得对于该投影视图的成纤维腺体组织(Vj)的相应体积,
调整对于每个投影视图的估计出的基准值(Pfatj)来由此以预先选择的精度确定该人类乳腺中成纤维腺体组织的体积。
优选地,该乳腺被桨压缩,以便跨该乳腺从胸壁朝向乳头在厚度上减小,所述桨以桨倾斜角度倾斜,所述桨倾斜角度对应于沿长度的厚度上的减小。
优选地,该乳腺被由倾斜的桨压缩到按桨的减小的厚度,以便在从投影视图形成的图像中表现为跨该乳腺以桨倾斜角度在厚度上减小,其中跨该乳腺的减小水平对应于角度theta。
优选地,该乳腺由桨压缩并且然后表现为由于不同的投影角度theta而在其他投影中仿佛以桨倾斜角度跨该乳腺倾斜。
优选地,从每个投影视图形成的图像包括有表示从x射线源通过该乳腺传递的x射线的衰减水平的像素。
优选地,该倾斜估计算法包括使用回归来将第一平面拟合到对应于由该桨压缩的该乳腺的部分中的全部像素的x射线衰减以及从该平面的斜率获得“全部倾斜角度”的步骤。
优选地,该方法还包括以下步骤:确认“全部倾斜角度”是在预先选择的范围之内,以及如果在该第一平面线上的预先选择的点的预先选择的分数是在该第一平面的预先选择的距离之内的话,则将“全部倾斜角度”当作是桨倾斜角度。
优选地,该方法还包括以下步骤
使用回归以将第二平面拟合到对应于在由具有小于预先选择的脂肪的百分比的、桨压缩的该乳腺的部分中的像素的x射线衰减,
以及获得对应于来自该第二平面的斜率的桨倾斜角的“脂肪倾斜角度”,以及
如果该第一平面上的点的预先选择的分数不是在第一回归线预先选择的距离之内并且第二回归线上的预先选择的点的预先选择的分数是在该第二回归线的预先选择的距离之内,
则将“脂肪倾斜角度”当作是桨倾斜角度。
优选地,如果该第二平面上预先选择的点的预先选择的分数不是在第二回归线的预先选择的距离之内,则将默认角度当作是桨倾斜角度。
优选地,该体积差分方程是在标准投影视图的成纤维腺体组织的体积和任何其他投影视图的任何体积Vj之间的差。
根据本发明的另一个方面,提供了布置成对预先确定的厚度(H)的人类乳腺图像进行定量重建的设备,包括:
用于通过将x射线源偏移相对于该乳腺的角度theta(θ)来获得人类乳腺的多个投影视图的装置。
用于实现倾斜估计算法以找到跨该乳腺的倾斜以及因此乳腺厚度的变化的设备,
用于使用基准值估计方程估计对于其他投影视图Ij中的每一个的基准值(Pfatj)的设备,
用于使用每个视图的估计出的基准值(Pfatj)获得对于该投影视图的成纤维腺体组织(Vj)的相应体积的设备,
使用体积差分方程调整对于每个投影视图的估计出的基准值(Pfatj),
用于由此以预先选择的精度确定该人类乳腺中成纤维腺体组织的体积的设备。
优选地,该获得倾斜角度的方法,其中,如果该第二回归线的预先选择的点的预先选择的分数不是在该第二回归线的预先选择的距离之内,即将默认角度当作是桨倾斜角度。
本发明涉及根据对象的投影视图对该对象的鲁棒定量重建。例如,根据由DBT、CT或标准乳腺x射线检查生成的投影视图对该人类乳腺进行定量重建,以及根据该重建来识别最致密的区域以及最优的下一成像模态。
定量重建是以三维形成,以标识最高密度的区域或多个区域以及它们在该乳腺内的三维位置。根据这样的重建,可以做出最优的成像决定。
定量重建使用来自被内插用于其他视图的至少一个视图的基准点,连同识别该对象的三维形状的装置。在根据本发明的用于对象的定量重建的方法的示例性实施例中,全部或几乎全部脂肪的基准点在基准投影视图中被找到。基准值Pfat表示厚度H的乳腺中一列几乎完全脂肪组织的像素值。
在基准投影视图中找到的基准点经由优化算法被调整。
在该示例性实施例中,该优化算法特定于其他投影视图。该优化算法还特定于任何感兴趣的特定对象的三维形状。该优化算法调整基准点Pfat以便它提供跨多个视图的体积的一致性。
完整的定量重建以三维形成,识别最高密度的区域或多个区域。本发明的另一个优点是,对于每个投影的脂肪的基准值考虑到由于压缩桨倾斜导致的乳腺厚度的改变。
从这样的重建可以做出最优的成像决定。如果基准点不适合,则可能存在成像过程的质量问题。因此本发明的优点是,它产生质量控制度量。
附图的简要说明
图1显示以围绕乳腺的不同角度拍摄的一系列图像;
图2显示针对一定角度的乳腺厚度的变化;
图3显示随着时间的推移对相同的乳腺拍摄的一组“供呈现”的图像,其中现有技术的处理算法给出密度的变化的先前指示;
图4用灰度显示由本发明生成的一组密度地图,其中标准化显示使得随着时间的变化可以在视觉上进行评估;以及
图5显示最致密的区域的重建标识和针对最致密的区域的重建标识的最优的成像模态的示例性分层的流程图。
发明的优选实施例的详述
图1显示对着检测器放置的乳腺。检测器检测从x射线源始发的投射或传递通过它的x射线。投影视图图像被由通过该乳腺传递的x射线形成在检测器上。
多个投影视图图像可以用示于图1的装置形成在检测器上。通过在围绕枢转点的弧度上偏移检测器,该乳腺的不同投影视图在检测器上被形成为图像。通过沿该弧度移动检测器,该检测器可以以角度theta偏移。当x射线源在该乳腺的正上方时,标准或基准投影视图形成在检测器上。
图2显示x射线源的偏移角度的特写。理想情况下,对于角度theta的枢转点是在正好在探测器上方的乳腺中。
说明性的实施例涉及DBT视图的重建。变量hint(x,v)表示在像素x(在由图像传感器所定义的坐标中)和x射线源之间的致密组织的毫米厚度。变量Ij表示视图方向(即中央的x射线束相对于乳腺压缩板的表面的取向)。
来自对象的投影视图的该对象的密度的可靠地图被构建。在该地图中的每个点的密度值是相对于在由压缩的乳腺厚度的乳腺组织覆盖的基准点的密度的值。特别是,离散的基准点位于每个DBT投影视图,其考虑到由于投影角度的乳腺厚度的变化。
当发现全部脂肪的很好的基准点时,用于构建密度的可靠地图的自动装置运行良好。在某些情况下,无法找到很好的基准点。可能找不到很好的基准点的原因是该乳腺的差的压缩,该乳腺是极其致密的,或者在距离乳腺边缘太远的乳腺的内部找到基准点,或者图像中的乳腺厚度变化过大。
在涉及DBT视图的重建的说明性实施例中,在基准投影视图中找到值为Pfat0的基准点。如前所述,基准值Pfat表示厚度H的乳腺中一列几乎完全的脂肪组织的像素值。厚度H被记录在医学(DICOM)图像头中的数字成像和通信中。
每个断层合成(DBT)投影(典型地)采用相同的x射线管谱。每个DBT投影的曝光时间根据检测到的组织(多个)改变,以便对于每次曝光有足够的信噪比。其他断层合成(DBT)单元可能适用不同的方案,但是一般原理保持相同。
例如,在投影视图中:
方程1:{Ij:0≤j≤n}
其中视图j=0是中央投影并且在这个例子中我们使用此作为基准投影,但是这并不必一定如此。
每个断层合成投影视图表示为整数j。在每个断层合成投影视图Ij中,存在像素(x)。对于每个投影视图,Ij,像素(x)和x射线源之间的乳腺厚度表示为Zj(x)。
对于每个投影视图Ij的x射线曝光表示为Ej。一般来说,用mAs度量它。对于中央投影视图的x射线曝光表示为E0。
对于不是中央投影视图的每个投影视图Ij,基准值Pfatj根据由下面的方程2给出的基准值估计方程进行估计。
方程2:Pfatj≈Pfat0*(Ej/E0)*e(H-Zj(x))*μfat
需要注意的是为了解决方程2,厚度Zj(x)用由下面的方程3(类似可以被使用的方程)给出的厚度估计方程首先进行估计:
方程3:Zj-H=H((1/cosθj-1)–1)-H((1-cosθj)/cosθj)
可替代地,也可以应用计算跨该乳腺的厚度的差的倾斜角估计,不是计算倾斜,而是根据视图角度计算厚度的变化。
角度θ是如图2和3中所示的每个投影视图之间的偏移角度。典型地,这个角度在全部视图之间是相同的。由此,角度θ往往是恒定的,但可以根据制造商而异,但往往是小的,在1度以下。所以对于其中存在小的角度范围的那些断层合成单元Pfat值不显著变化。事实上,它们是可以预测的。如果角度变大,近似值需要改进;但Pfatj应该仍然能够被预测,即使在每像素的基础上调整每个视图Ij中的路径长度。
在此公式中,μfat是适合用于来自x射线频谱的有效能量的线性衰减系数。因此,对于更高的曝光,像素值中的这种变化被预期。
通常,因不同的投影视图Ij,Pfatj由于脂肪量的降低(或增加)而不同于Pfat0。Pfatj的值是要用于投影视图Ij的新的脂肪基准水平。如果断层合成单元还调整x射线靶和滤波器,则它通过使用适合的模型调整上面的μfat线性衰减系数而被收容。
在对于来自中央投影的Pfat的值是差的时,该Pfat值被调整以获得跨全部视图的成纤维腺体组织的一致的体积。
每个视图,以及修改后的Pfat将导致对于该乳腺的致密组织的相关联的体积,称为Vj。显然,体积Vj应被检查(假设全部乳腺以及只有相同的乳腺在每个视图中被看到)。无论什么投影视图,致密乳腺组织的体积是相同的,所以从每个投影视图确定的体积Vj应该与方程4中给出的相同,或者至少大约是这样的。
方程4:Vo=Vj,0≤j≤n
在方程4中,Vo是如由基准视图0所确定的对于该乳腺的致密组织的体积,并且Vj是如投影视图j所确定的对于乳腺的致密组织的体积。
根据公式4致密组织的体积实际上对于每个投影视图j是相同的这个事实,被用来调整最初估计的基准值Pfat。
调整估计出的基准值Pfat以确保估计的精度的步骤是,(ⅰ)使用中央投影和上面方程1中记录的调整来初始化Pfat的值以及;(ⅱ)调整数值下降算法中Pfat的值,以便任何体积Vj和Vo之间的差根据由下面的方程5给出的体积差分方程在预先确定的范围之内。
方程5:|V0-Vj(Pfatj)|≈0
在方程5中,变量Vj(Pfatj)是如从投影视图j所确定以及根据步骤(i)和(ii)首先估计以及然后进一步调整以便方程5成立的对于该乳腺的致密组织的体积。
方程5的“约为零”的部分可用“小于预先选择的范围值”替换。因此,致密组织的体积的精度被调整到在预先选择的范围之内。
方程5的修改版本也是可用的。例如方程5可以是标准投影视图的体积和彼此投影视图的体积之间的全部差的总和。方程5也可以修改为该差的平方等等。乳腺的体积也可以用于优化。
使用相同乳腺的多个视图还允许对于该乳腺的致密组织的体积的进一步改善。这是通过估计乳腺厚度来实现,以便以类似于上面的方式得到对于每个投影的致密乳腺组织的相同体积,以及通过建立更好的乳腺边缘模型来实现。
基准Pfat通过使用置信度度量而对精度进一步优化。由此Pfat值的特定组的置信度通过使用共有序列(consensus)来优化。
在使用x射线的乳腺成像期间,该乳腺经由压缩桨压缩。通过减少x射线光子必须穿透的组织的厚度、降低散射的辐射量(散射降低图像质量)、减少所需的辐射剂量并且保持该乳腺静止(防止运动模糊),这种压缩使乳腺组织的厚度平均并且提高图像质量。
本发明的另一个优点是,它包括与压缩桨倾斜有关的定性度量。本发明提供纠正从胸壁到乳腺余量的乳腺厚度的变化的装置。本发明提供纠正由压缩桨倾斜引起的估计乳腺体积密度中所得的误差的装置。
压缩过程中一些压缩桨倾斜以辅助患者的舒适度以及产生更好的诊断图像。压缩桨的角度倾斜导致从胸壁到乳腺余量的乳腺厚度的变化,在某些情况下高达2厘米。这种桨倾斜已经被识别为估计乳腺体积密度中的问题,因为乳腺高度的即使是很小的波动导致估计出的乳腺密度中大的变化。因而倾斜的桨冒着使许多目前用于乳腺密度的量化的模型失效的风险。此外,乳腺的视图之间的或者随着时间的推移的差的相关性可能指示倾斜是误差因素以及因此是重要的质量控制度量。从图像估计倾斜从而得到被成像的对象的更好的三维视图是本专利中的发明步骤中的一个。
根据说明性示例,压缩桨倾斜的角度在“内部乳腺”的全部像素上进行估计。“内部乳腺”是部分由桨压缩的乳腺的一部分。“内部乳腺”轮廓的估计是使用“半圆模式”进行概括。回归线是使用普通最小二乘来通过内部乳腺中的全部像素进行拟合并且该回归线的斜率被用来获得该倾斜角度。
该角度的可靠性然后根据下面的步骤进行验证:
1/检查获得的倾斜角度以确认该倾斜角度落在合理的范围之内;
2/计数到该平面的距离小于小的数的点的百分比。该百分比是用来
判断该平面是否是像素值的良好表示。
如果1/2/都满足,则这种“全部倾斜角度”被作为压缩桨倾斜的角度。
如果1/2/不都满足,则压缩桨倾斜的角度可以经由内部乳腺中的脂肪像素来估计。内部乳腺中的脂肪像素通过致密组织厚度(或密度地图)的方式来确定。小于某一百分比密度(按照密度地图)的全部像素按照脂肪像素被分类。该倾斜角度通过拟合回归线穿过内部乳腺中的脂肪像素来估计。该回归线通过使用普通最小二乘法来拟合。该回归线的斜率被用来获得倾斜角度。所获得的倾斜角度的可靠性是根据以下步骤确定:
3)检查获得的倾斜角度以确认该倾斜角度落在合理的范围之内;
4)计数到该平面的距离小于小的数的点的百分比。该百分比是用来
判断该平面是否是像素值的良好表示。
如果3和4都满足,则这种“全部倾斜角度”被作为压缩桨倾斜的角度。
如果3和4不都满足,则“默认”的倾斜角被假定。这个默认的角度根据机器和/或制造商来“硬编码”。
根据以上概括的算法,提供了角度。这个角度被用来校正该图像。该图像可能例如通过以下进行校正:
5)通过除去/添加来自/到该乳腺的脂肪楔(fattywedge)的等价物来
除去/添加来自/到整个图像的脂肪楔的等价物,凭借此对于乳腺内的
每个像素计算出:如果该桨的倾斜被还原则该乳腺的高度将改变多少。
高度的变化然后被映射到强度值的变化。据此假设,组织的额外/较
少的量由纯粹的脂肪构成。
此外,校正的乳腺的“新”的乳腺厚度可以被计算出来。即,在“未校正的乳腺”中,该桨是倾斜的,并且因此该乳腺厚度在整个压缩的乳腺中是不均匀的;在“校正的乳腺”中,该倾斜被还原,并且因此,该压缩桨平行于检测器。该乳腺体积密度然后被计算出来。
压缩桨倾斜的角度在乳腺之间、在投影视图之间并且随着时间的推移应该是相对一致的,并且在操作者和x射线系统之间也应该是一致的(假定类似的桨在使用中)。
根据本发明,最致密的区域的局部分割补充密度地图,凭借此连贯的、定义的感兴趣的区域被标识出来。这种映射(以及因此分割)通过将在每个像素的致密组织的厚度映射到颜色(其同样可以是灰度)来实现。这种相关在图像之间和在乳腺之间是一致的,从而提供了来自任何模态的图像之间可靠的比较基准,因为该映射代表该乳腺的物理属性;而不是成像过程。例如,红色可能被用来突出最高密度的区域以及因此最大的临床兴趣。
作为显示操作地图的替代,地点覆盖地图可以被用于CAD系统,其中从密度地图派生的重要信息被提取并显示为叠加,例如高密度的区域被圈出。DICOMCADSR报告可以用来识别可疑区域,以及然后具有DICOMCADSR能力的那些工作站可以关闭高密度的区域。
地点覆盖地图的两个有用的变量是:
1)高绝对密度,定义为
方程6:hdense>X
来发送肿瘤的内在尺寸,如果肿瘤存在的话;以及
2)高相对密度,定义为
方程7:hdense/H>Y
来发送相对于压缩的乳腺的尺寸致密的区域-也就是,将对于有大的和小的乳腺的妇女有相同的值Y。
可替代地,公知的是,肿瘤可以通过检查在特别是其梯度迅速变化的图像中代表组织密度的等强度线来划分。在某些情况下,该等值线地图可能需要使用合适的内插方法如活动等值或水平集来调整。这样处理的结果是从正常的周围(外侧)划定了肿瘤(内侧)的曲线。还已知的是,该所得的曲线的形状可以传送临床上有用的信息,如骨针,或者提供该曲线包围良性肿块的证据。
随着显示感兴趣的区域,本发明还在书写给临床医生的感兴趣的定量度量如区域中的最大和最小密度、成纤维腺体组织的体积和总统计描述中显示。
在乳腺体积密度被估计时,特定患者的辐射剂量也可以被计算出来并且由此被优化。依据乳腺体积密度,特定患者的辐射剂量估计需要使用大量的物理因素。因此,它们在左边和右边之间以及在不同的乳腺视图之间以及随着时间的推移的一致性中的偏差表明潜在的质量问题。
除了这些高级特性,许多其他的较低级别的特性在处理过程中被测量,全部这些都可以为了质量控制的目的而被研究以及报告。例如:
●压缩桨根据施加给它的力倾斜,该桨的角度可以被估计并且该角度在乳腺之间、在视图之间以及随着时间的推移保持一致。该角度也应在进行乳腺x射线检查的那些人和x射线检测系统本身之间是一致的(假定类似的桨在使用中);
●施加到该乳腺的压力(是在接触区域上的力)在乳腺之间、在视图之间以及随着时间的推移并且在操作者和x射线系统之间也应是一致的,在该一致性中的任何偏差引起关注;
●对于在乳腺之间、随着时间的推移以及在操作者和x射线系统之间显著一致的MLO图像,胸肌的角度可以被检测并报告;
●“异常值”(由此对于乳腺的四个标准的图像,一个来得非常高)的数量可以指示差的乳腺压缩。
●每次学习的图像数量表示正在采取的重新拍摄的数目。
除了一致的措施,一定标准的有效性检查可以进行,例如在界限内的压缩力以及在界限内的压缩的乳腺厚度。
密度度量有一些例外:有时左边和右边的图像都有差的压缩,因此相应的密度都可能太高,但仍然类似。另外,一个乳腺可能已经经历了癌症或做过手术,虽然这样的情况不应该影响对于部位的整体度量,其在总体水平被考虑时将数倍正常于非正常结果。
比较时序密度地图还提供质量控制度量,如果地图已经鲁棒地生成的话。每隔几年拍摄乳腺的时序图像并且观察它们的一个有用的方式是做定量重建,以及然后以良好的方式呈现变化;例如,这可能帮助由于药物如他莫昔芬(Tamoxifen)(商标)的变化。显示由制造商随时间的推移而生成的展示乳腺x射线照片是不可靠的,因为制造商的图像处理算法(多个)超过显著视觉变化的限度(例如,参见图3,并且然后看到对于如图4显示的相同妇女的密度地图)。
在显示随时间的变化中的关键步骤是:配准;密度地图的生成;以及为了使用人类视觉中的披现象而使用这些对象的时序“电影”(该披现象被调谐到扣除缓慢背景变化而有效地检测小的表观运动,这样的表观运动要么对应于位移、结构尺寸的变化,要么对应于图像强度的实质性变化)。
每个图像组的图像映射/配准过程可以包括四个阶段:
1.乳腺边界检测:边界检测是基于该阶段的分割掩模。检测到的边界像素将被用来检测以及提取地标(阶段2);并且用作在以特征为基础的图像配准中的特征点(阶段3)。该图像对的每个图像上的边界将被检测到。
2.地标检测:地标包括乳腺中心、腋下点、肋点和乳头。乳腺中心可以经由全部乳腺像素的灰度质心或经由阈值装置被找到,以提取致密组织并且定位致密组织的质心。腋下点、肋点和乳头的位置然后经由新的鲁棒算法(在后面进行描述)被定位并且各自的地标位置被用于以特征为基础的图像配准。
3.以特征为基础的图像配准:这是对于两个图像之间的初始映射。地标和边界像素都被用于映射。全部地标都有已知的对应,而两个边界像素集之间的对应使用迭代最近点(ICP)算法被动态设置。
4.以像素为基础的图像配准:用于该边界和乳腺中的纹理的精细定位。平滑权重的特殊组被应用以确保纹理被保留。
通过配准图像集上的乳腺边界和地标,内部乳腺纹理被转换到图像上的类似位置。纹理将被保留,并且以多帧的多媒体格式呈现给放射科医生。
同样地,适当的光学流算法可以被构造成监测以及评价要么对应于位移、结构尺寸的变化,要么对应于图像强度的实质性变化的表观运动,并且从而挑出在妇女乳腺中随时间的变化。这样的信息可以识别:
●其乳腺密度没有以与她的同龄人同样的速度减少,并且因此也许有患乳腺癌的更大的风险的妇女
●其图像显示乳腺的特定部分(尤其是上部、外部象限)中乳腺密度的增加,并且因此该区域需要仔细研究的妇女
●正在接受化疗预防药物治疗并且典型地遭受副作用(已经证明,如果在妇女服用药物的同时乳腺密度没有减少,则该药物很可能没有给妇女提供任何好处)的妇女
●带有“疑似”对象的妇女,其中该对象在扫描之间随着时间的推移似乎已经变大或者变得更密并且因此需要进一步的研究。
没有表现出起作用的时序比较可能表明质量控制问题,除非该比较是在已经鲁棒地生成的图像上进行。本发明提供这样的功能并且,当然,时序比较可以越来越多地以三维完成。
从不同的视角的密度地图重建的鲁棒性也将允许DBT中更好的更定量的重建。然而,已经证明,所记录的图像强度(赋予该x射线检测器的能量)混淆临床上关于乳腺密度的重要信息与临床上不重要的成像特定信息,例如,管电压。因此明显的是,从该组DBT视图的三维重建基于每个投影的密度地图将是更好的,并且该乳腺的三维表示表明了感兴趣的区域和它们的位置。
一旦以三维格式,下面可以被传达:
●乳腺中对象的密度以及对象是否是离散的或者重叠的组织
●定义乳腺的哪些区域需要特别研究的区域密度,尤其与在乳腺X射线照片上表现出全白但实际上确实包含重要的对比差异的非常致密的乳腺相关
●区域的空间位置,例如,接近皮肤、胸壁等
●是否有任何左边或右边乳腺的差异以及从而最适合的后续成像模态和/或处理。
综上所述,从本文所描述的定量构建所得的质量度量和随后的分层使个性化的结果能够对于风险更敏感/响应于风险如下:
●在致密组织被看作是在一定的区域中形成时,该区域可以标记给放射科医生用于根据下面布置的分析在进一步成像之前首先以x射线进行更仔细的检查
●在致密组织在整个乳腺是普遍的时,则对于筛选过程的更多的读取器可以是可取的
●在致密组织由自动化分层系统确定为接近乳腺的边缘时,超声可以由临床医生,以及通过或者被聚焦或者根据致密组织保持跨越多宽的体积的全乳超声而判断为合适
●在致密组织由自动分层系统确定为存在于一个图像,但被确定为在进一步的图像中至少部分地被解决时,临床医生可以选择断层合成来解决重叠的组织;
●在致密组织在伪三维和三维密度地图的一定局部性的区域中出现致密时,则临床医生可以决定在x射线的该特定部分进行加窗和整平、选择以直接查看密度地图和/或选择通过查看顺序的、配准的密度地图来研究随着时间的推移的变化
●在患者被已知正在服用某些药物,例如,他莫昔芬(商标)时,可能该查看顺序的、配准的密度地图是尝试以及检测在全局及局部水平的密度变化的正确的下一步。这样的比较然后允许或者不允许做出对于药物的有效性的决定,并且因此做出对于进一步的治疗的决定
●在致密组织在伪三维和三维密度地图中都表现出均匀地致密,或者如果致密组织是由自动系统确定为位于乳腺中更深处时,则MRI可以由临床医生判断为最合适。
本发明的优点是,其从多模态投影视图中人类乳腺的图像的鲁棒定量重建,经由来自被内插用于其他视图的至少一个视图的基准点或多个基准点的使用,包括与最优后续检测有关的质量度量、诊断和干预程序,并且由此使人口敏感的患者分层和/或在其上以依靠对患者进行分层的自动化装置。
本发明已经仅通过实施例进行了描述,修改和替代将对本领域技术人员是明显的。所有这样的实施例及修改旨在落入本发明的范围之内。
Claims (13)
1.一种对预先确定的厚度(H)的人类乳腺的定量重建方法,包括以下步骤:使用x射线源以获得所述乳腺的多个其他投影视图,其中每个视图被偏移可在视图之间改变或为常数的角度(θ),使用一个基准投影视图中的基准点以获得对于投影视图的基准值Pfato;使用总厚度估计方程估计对于所述其他投影视图中的每一个其他投影视图的像素(x)和所述x射线源之间的所述乳腺的厚度的变化;使用基准值估计方程估计对于所述其他投影视图(Ij)中的每一个其他投影视图的基准值(Pfatj);使用对于每个视图的估计出的基准值(Pfatj)以获得对于所述投影视图的成纤维腺体组织(Vj)的相应体积,(Vo)是对于基准投影视图的所述体积;调整对于每个投影视图的估计出的基准值(Pfatj),以便在体积(Vj)和(Vo)之间的差在预先确定的范围之内;以及使用所述基准值,以预先选择的精度来确定所述人类乳腺中的所述成纤维腺体组织的体积。
2.一种对预先确定的厚度(H)的人类乳腺图像的定量重建方法,包括以下步骤:
使用x射线源以获得所述乳腺的多个投影视图,其中每个视图与另一个视图偏移角度(θ),
使用基准投影视图中的基准点以获得对于所述基准投影视图的基准值Pfato,
使用总厚度估计方程估计对于所述其他投影视图中的每一个其他投影视图的像素(x)和所述x射线源之间的像素到源乳腺组织厚度Z。
3.一种对预先确定的厚度(H)的人类乳腺图像的定量重建方法,包括以下步骤:
使用x射线源以获得所述乳腺的多个投影视图,其中每个视图与另一个视图偏移角度theta(θ),
使用倾斜估计算法找到由于所述投影和桨导致的跨所述乳腺的倾斜并从而找到乳腺厚度中的变化,
使用基准值估计方程来估计对于其他投影视图Ij中的每一个的基准值(Pfatj),
使用对于每个视图估计出的基准值(Pfatj)来获得对于所述投影视图的成纤维腺体组织(Vj)的相应体积,
调整对于每个投影视图估计出的基准值(Pfatj),由此以预先选择的精度确定所述人类乳腺中的所述成纤维腺体组织的体积。
4.根据权利要求3所述的方法,其中,所述乳腺被桨压缩以便跨所述乳腺从胸壁朝向乳头在厚度上减小,所述桨以桨倾斜角度倾斜,所述桨倾斜角度对应于沿长度的厚度的减小。
5.根据权利要求3所述的方法,其中,所述乳腺由倾斜的桨压缩到按桨的减小的厚度,以便在从投影视图形成的图像中表现为跨所述乳腺以桨倾斜角度在厚度上减小,其中跨所述乳腺的减小水平对应于所述角度theta。
6.根据权利要求3所述的方法,其中,所述乳腺由桨压缩并且然后表现为由于不同的投影角度theta而在所述其他投影中仿佛以桨倾斜角度跨所述乳腺倾斜。
7.根据权利要求4或5或6所述的方法,其中,从每个投影视图,形成的图像包括有表示从所述x射线源通过所述乳腺传递的x射线的衰减水平的像素。
8.根据权利要求7所述的方法,其中,所述倾斜估计算法包括使用回归来将第一平面拟合到对应于由所述桨压缩的所述乳腺的部分中的全部像素的x射线衰减以及从所述平面的斜率获得“全部倾斜角度”的步骤。
9.根据权利要求7所述的方法,包括以下步骤:确认所述“全部倾斜角度”是在预先选择的范围之内,以及将所述“全部倾斜角度”当作是所述桨倾斜角度,如果所述第一平面线上预先选择的点的预先选择的分数是在所述第一平面的预先选择的距离之内的话。
10.根据权利要求8所述的获得倾斜角度的方法,包括以下步骤:
使用回归以将第二平面拟合到对应于在由具有小于预先选择的脂肪的百分比的、所述桨压缩的所述乳腺的部分中的像素的x射线衰减,
以及获得对应于来自所述第二平面的斜率的桨倾斜角度的“脂肪倾斜角度”,以及
如果所述第一平面上的所述点的预先选择的分数不是在所述第一回归线的预先选择的距离之内并且所述第二回归线上的预先选择的点的预先选择的分数是在所述第二回归线的预先选择的距离之内,
将所述“脂肪倾斜角度”当作是所述桨倾斜角度。
11.根据权利要求9所述的获得倾斜角度的方法,其中,如果所述第二平面上预先选择的点的预先选择的分数不是在所述第二回归线的预先选择的距离之内,则将默认角度当作是所述桨倾斜角度。
12.根据权利要求3所述的定量重建方法,其中,所述体积差分方程是标准投影视图的成纤维腺体组织的体积和任何其他投影视图的任何体积Vj的之间的差。
13.一种布置为对预先确定的厚度(H)的人类乳腺的图像进行定量重建的设备,包括:
用于通过将x射线源相对于人类乳腺偏移角度theta(θ)来获得所述乳腺的多个投影视图的装置,
用于实现倾斜估计算法以找到跨所述乳腺的倾斜以及因此乳腺厚度的变化的设备,
用于使用基准值估计方程估计对于其他投影视图Ij中的每一个其他投影视图的基准值(Pfatj)的设备,
用于使用对于每个视图的估计出的基准值(Pfatj)获得对于所述投影视图的成纤维腺体组织(Vj)的相应体积的设备,
使用体积差分方程调整对于每个投影视图的估计出的基准值(Pfatj),
用于从而以预先选择的精度确定所述人类乳腺中的成纤维腺体组织的体积的设备。
Applications Claiming Priority (7)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
NZ61159213 | 2013-06-06 | ||
NZNZ611592 | 2013-06-06 | ||
NZNZ611584 | 2013-06-06 | ||
NZ61158413 | 2013-06-06 | ||
NZ61594513 | 2013-09-26 | ||
NZNZ615945 | 2013-09-26 | ||
PCT/GB2014/000217 WO2014195669A1 (en) | 2013-06-06 | 2014-06-06 | A method of reconstruction of an object from projection views |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105684043A true CN105684043A (zh) | 2016-06-15 |
CN105684043B CN105684043B (zh) | 2019-01-04 |
Family
ID=51162839
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201480043759.6A Active CN105684043B (zh) | 2013-06-06 | 2014-06-06 | 根据投影视图对对象进行重建的方法 |
Country Status (9)
Country | Link |
---|---|
US (1) | US9865067B2 (zh) |
EP (1) | EP3005298B1 (zh) |
CN (1) | CN105684043B (zh) |
DK (1) | DK3005298T3 (zh) |
ES (1) | ES2735356T3 (zh) |
GB (1) | GB2516366A (zh) |
PL (1) | PL3005298T3 (zh) |
PT (1) | PT3005298T (zh) |
WO (1) | WO2014195669A1 (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107545551A (zh) * | 2017-09-07 | 2018-01-05 | 广州华端科技有限公司 | 数字乳腺体层合成图像的重建方法和系统 |
CN109478325A (zh) * | 2016-07-19 | 2019-03-15 | 唯盼健康科技有限公司 | 用于临床决策优化的系统和装置 |
CN110892448A (zh) * | 2017-06-16 | 2020-03-17 | 唯盼健康科技有限公司 | 用于动脉钙化的检测和量化的方法 |
CN113288346A (zh) * | 2021-05-20 | 2021-08-24 | 陈磊峰 | 一种用于治疗肝癌的定位切除装置 |
CN114459382A (zh) * | 2022-02-25 | 2022-05-10 | 嘉兴市像景智能装备有限公司 | 一种基于最小二乘法对psp中相移角度自校准的方法 |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3035850B1 (en) | 2013-08-20 | 2020-05-13 | Densitas Incorporated | Methods and systems for determining breast density |
US10121267B2 (en) * | 2014-07-03 | 2018-11-06 | Duke University | Spectral estimation and poly-energetic reconstruction methods and X-ray systems |
WO2017077511A1 (en) * | 2015-11-05 | 2017-05-11 | Volpara Health Technologies Limited | Method for quantification of images |
EP3707727A1 (en) * | 2017-11-07 | 2020-09-16 | Volpara Health Technologies Limited | System and method for quantification of tissue over time |
US10709394B2 (en) | 2018-01-15 | 2020-07-14 | Siemens Healthcare Gmbh | Method and system for 3D reconstruction of X-ray CT volume and segmentation mask from a few X-ray radiographs |
EP3518182B1 (en) * | 2018-01-26 | 2022-05-18 | Siemens Healthcare GmbH | Tilted slices in dbt |
US10796430B2 (en) * | 2018-04-24 | 2020-10-06 | General Electric Company | Multimodality 2D to 3D imaging navigation |
FR3082650B1 (fr) * | 2018-06-19 | 2021-08-27 | Hera Mi | Systeme et procede pour le traitement d'au moins une region polluante d'une image numerique d'un element expose a des rayons x |
JP7018836B2 (ja) * | 2018-06-26 | 2022-02-14 | 富士フイルム株式会社 | 画像処理装置、画像処理方法、及び画像処理プログラム |
WO2020194844A1 (ja) | 2019-03-27 | 2020-10-01 | 富士フイルム株式会社 | 撮影制御装置、方法およびプログラム |
EP4033981A1 (en) * | 2019-09-27 | 2022-08-03 | Hologic, Inc. | Motion detection for internal breast tissue in tomosynthesis |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050135664A1 (en) * | 2003-12-23 | 2005-06-23 | Kaufhold John P. | Methods and apparatus for reconstruction of volume data from projection data |
CN102473300A (zh) * | 2009-07-17 | 2012-05-23 | 皇家飞利浦电子股份有限公司 | 多模态乳房成像 |
CN102763137A (zh) * | 2008-11-21 | 2012-10-31 | 霍洛基克公司 | 用于由层析数据集生成2d图像的系统和方法 |
CN102831629A (zh) * | 2012-08-23 | 2012-12-19 | 汕头市东方超声科技有限公司 | 基于图形处理器的乳腺ct图像重建方法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6936531B2 (en) * | 1998-12-21 | 2005-08-30 | Megic Corporation | Process of fabricating a chip structure |
GB9904692D0 (en) * | 1999-03-01 | 1999-04-21 | Isis Innovation | X-ray image processing |
US6674835B2 (en) * | 2001-10-12 | 2004-01-06 | General Electric Co. | Methods and apparatus for estimating a material composition of an imaged object |
WO2006138717A2 (en) * | 2005-06-16 | 2006-12-28 | California Pacific Medical Center Research Institute | Methods and apparatus for determining proportions of body materials |
WO2007056574A2 (en) * | 2005-11-09 | 2007-05-18 | Dexela Limited | Methods and apparatus for obtaining low-dose imaging |
US8233690B2 (en) * | 2008-04-30 | 2012-07-31 | Real-Time Tomography, Llc | Dynamic tomographic image reconstruction and rendering on-demand |
EP2161688B1 (en) * | 2008-09-03 | 2012-03-14 | Agfa Healthcare | Method for deriving the amount of dense tissue from a digital mammographic image representation |
ES2699471T3 (es) * | 2009-08-03 | 2019-02-11 | Volpara Health Tech Limited | Método y sistema para analizar tejido a partir de imágenes |
-
2014
- 2014-06-06 PT PT14736913T patent/PT3005298T/pt unknown
- 2014-06-06 EP EP14736913.6A patent/EP3005298B1/en active Active
- 2014-06-06 DK DK14736913.6T patent/DK3005298T3/da active
- 2014-06-06 US US14/895,717 patent/US9865067B2/en active Active
- 2014-06-06 PL PL14736913T patent/PL3005298T3/pl unknown
- 2014-06-06 CN CN201480043759.6A patent/CN105684043B/zh active Active
- 2014-06-06 WO PCT/GB2014/000217 patent/WO2014195669A1/en active Application Filing
- 2014-06-06 GB GB1410132.3A patent/GB2516366A/en not_active Withdrawn
- 2014-06-06 ES ES14736913T patent/ES2735356T3/es active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050135664A1 (en) * | 2003-12-23 | 2005-06-23 | Kaufhold John P. | Methods and apparatus for reconstruction of volume data from projection data |
CN102763137A (zh) * | 2008-11-21 | 2012-10-31 | 霍洛基克公司 | 用于由层析数据集生成2d图像的系统和方法 |
CN102473300A (zh) * | 2009-07-17 | 2012-05-23 | 皇家飞利浦电子股份有限公司 | 多模态乳房成像 |
CN102831629A (zh) * | 2012-08-23 | 2012-12-19 | 汕头市东方超声科技有限公司 | 基于图形处理器的乳腺ct图像重建方法 |
Non-Patent Citations (3)
Title |
---|
SASKIA VAN ENGELAND等: "Volumetric Breast Density Estimation From Full-Field Digital Mammograms", 《IEEE TRANSACTIONS ON MEDICAL IMAGING》 * |
SERGHEI MALKOV等: "Improvements to Single Energy Absorptiometry Method for Digital Mammography to Quantify Breast Tissue Density", 《SPRINGER-VERLAG BERLIN HEIDELBERG 2008》 * |
SERGHEI MALKOV等: "Novel Single X-Ray Absorptiometry Method to Solve for Volumetric Breast Density in Mammograms with Paddle Tilt", 《PROC.OF SPIE》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109478325A (zh) * | 2016-07-19 | 2019-03-15 | 唯盼健康科技有限公司 | 用于临床决策优化的系统和装置 |
CN110892448A (zh) * | 2017-06-16 | 2020-03-17 | 唯盼健康科技有限公司 | 用于动脉钙化的检测和量化的方法 |
CN110892448B (zh) * | 2017-06-16 | 2023-10-03 | 唯盼健康科技有限公司 | 用于动脉钙化的检测和量化的方法 |
CN107545551A (zh) * | 2017-09-07 | 2018-01-05 | 广州华端科技有限公司 | 数字乳腺体层合成图像的重建方法和系统 |
CN113288346A (zh) * | 2021-05-20 | 2021-08-24 | 陈磊峰 | 一种用于治疗肝癌的定位切除装置 |
CN113288346B (zh) * | 2021-05-20 | 2023-12-29 | 博思研生物技术(苏州)有限公司 | 一种用于治疗肝癌的定位切除装置 |
CN114459382A (zh) * | 2022-02-25 | 2022-05-10 | 嘉兴市像景智能装备有限公司 | 一种基于最小二乘法对psp中相移角度自校准的方法 |
CN114459382B (zh) * | 2022-02-25 | 2024-01-02 | 嘉兴市像景智能装备有限公司 | 一种基于最小二乘法对psp中相移角度自校准的方法 |
Also Published As
Publication number | Publication date |
---|---|
US20160133033A1 (en) | 2016-05-12 |
GB201410132D0 (en) | 2014-07-23 |
CN105684043B (zh) | 2019-01-04 |
PT3005298T (pt) | 2019-07-17 |
EP3005298B1 (en) | 2019-04-17 |
US9865067B2 (en) | 2018-01-09 |
PL3005298T3 (pl) | 2020-01-31 |
ES2735356T3 (es) | 2019-12-18 |
GB2516366A (en) | 2015-01-21 |
WO2014195669A1 (en) | 2014-12-11 |
EP3005298A1 (en) | 2016-04-13 |
DK3005298T3 (da) | 2019-07-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105684043A (zh) | 根据投影视图对对象进行重建的方法 | |
US10679095B2 (en) | Matching geometry generation and display of mammograms and tomosynthesis images | |
CN107170031B (zh) | 利用柔性压缩桨的胸部断层摄影 | |
CN105705096B (zh) | 用于显示医学图像的方法和设备 | |
US7142633B2 (en) | Enhanced X-ray imaging system and method | |
CN104939850B (zh) | 成像断层合成系统、特别是乳腺造影系统 | |
Yam et al. | Three-dimensional reconstruction of microcalcification clusters from two mammographic views | |
US20160051215A1 (en) | System and method for navigating a tomosynthesis stack including automatic focusing | |
CN104349721B (zh) | 图像处理装置 | |
EP3324846A1 (en) | Computed tomography visualization adjustment | |
CN109146842A (zh) | 一种胸部数字合成x射线体层成像中呼吸运动分析方法 | |
KR20160061248A (ko) | 의료 영상 처리 장치 및 그에 따른 의료 영상 처리 방법 | |
CN108392215A (zh) | 一种同侧异位乳腺钼靶图像的点位置关联方法 | |
CN105979875B (zh) | 用于生成乳房参数图的医学成像设备、方法、装置和计算机可读介质 | |
Lee et al. | Automatic detection method of hepatocellular carcinomas using the non-rigid registration method of multi-phase liver CT images | |
EP3518182B1 (en) | Tilted slices in dbt | |
WO2012153250A1 (en) | Breast cancer risk assessment | |
Chawla | Correlation Imaging for improved cancer detection |
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 |