CN105830123B - 谱图像数据处理 - Google Patents
谱图像数据处理 Download PDFInfo
- Publication number
- CN105830123B CN105830123B CN201480069427.5A CN201480069427A CN105830123B CN 105830123 B CN105830123 B CN 105830123B CN 201480069427 A CN201480069427 A CN 201480069427A CN 105830123 B CN105830123 B CN 105830123B
- Authority
- CN
- China
- Prior art keywords
- spectrum
- contrast
- tubular structure
- point
- updated
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000012546 transfer Methods 0.000 title description 5
- 238000001228 spectrum Methods 0.000 claims abstract description 124
- 238000010183 spectrum analysis Methods 0.000 claims abstract description 87
- 230000002708 enhancing effect Effects 0.000 claims abstract description 24
- 238000000034 method Methods 0.000 claims abstract description 18
- 238000007670 refining Methods 0.000 claims abstract description 16
- 239000002872 contrast media Substances 0.000 claims description 25
- 238000005259 measurement Methods 0.000 claims description 22
- 230000004044 response Effects 0.000 claims description 18
- 230000003595 spectral effect Effects 0.000 claims description 16
- 210000004204 blood vessel Anatomy 0.000 claims description 15
- 239000000463 material Substances 0.000 claims description 15
- 229910052740 iodine Inorganic materials 0.000 claims description 13
- 239000011630 iodine Substances 0.000 claims description 13
- ZCYVEMRRCGMTRW-UHFFFAOYSA-N 7553-56-2 Chemical compound [I] ZCYVEMRRCGMTRW-UHFFFAOYSA-N 0.000 claims description 12
- OYPRJOBELJOOCE-UHFFFAOYSA-N Calcium Chemical compound [Ca] OYPRJOBELJOOCE-UHFFFAOYSA-N 0.000 claims description 10
- 229910052791 calcium Inorganic materials 0.000 claims description 10
- 239000011575 calcium Substances 0.000 claims description 10
- 230000000694 effects Effects 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 8
- 238000009877 rendering Methods 0.000 claims description 3
- 238000000926 separation method Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000003672 processing method Methods 0.000 claims 10
- 230000001960 triggered effect Effects 0.000 claims 1
- 241001269238 Data Species 0.000 abstract description 3
- 238000002591 computed tomography Methods 0.000 description 26
- 230000011218 segmentation Effects 0.000 description 26
- 230000005855 radiation Effects 0.000 description 19
- 238000013459 approach Methods 0.000 description 18
- 238000003384 imaging method Methods 0.000 description 17
- 210000004351 coronary vessel Anatomy 0.000 description 13
- 208000004476 Acute Coronary Syndrome Diseases 0.000 description 11
- 230000000875 corresponding effect Effects 0.000 description 10
- 238000012545 processing Methods 0.000 description 10
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 9
- 230000017531 blood circulation Effects 0.000 description 8
- 238000012986 modification Methods 0.000 description 8
- 230000004048 modification Effects 0.000 description 8
- 239000008280 blood Substances 0.000 description 7
- 210000004369 blood Anatomy 0.000 description 7
- 210000001367 artery Anatomy 0.000 description 5
- 208000029078 coronary artery disease Diseases 0.000 description 5
- 238000007689 inspection Methods 0.000 description 5
- 230000000747 cardiac effect Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 210000004072 lung Anatomy 0.000 description 4
- 238000012502 risk assessment Methods 0.000 description 4
- 238000002583 angiography Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 230000008520 organization Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 210000001519 tissue Anatomy 0.000 description 3
- 230000004304 visual acuity Effects 0.000 description 3
- 229910052688 Gadolinium Inorganic materials 0.000 description 2
- 239000012620 biological material Substances 0.000 description 2
- 210000004556 brain Anatomy 0.000 description 2
- 230000002308 calcification Effects 0.000 description 2
- ZQNPDAVSHFGLIQ-UHFFFAOYSA-N calcium;hydrate Chemical compound O.[Ca] ZQNPDAVSHFGLIQ-UHFFFAOYSA-N 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000009977 dual effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- UIWYJDYFSGRHKR-UHFFFAOYSA-N gadolinium atom Chemical compound [Gd] UIWYJDYFSGRHKR-UHFFFAOYSA-N 0.000 description 2
- 239000004615 ingredient Substances 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000003902 lesion Effects 0.000 description 2
- 210000004185 liver Anatomy 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000000250 revascularization Effects 0.000 description 2
- 206010042772 syncope Diseases 0.000 description 2
- CVOFKRWYWCSDMA-UHFFFAOYSA-N 2-chloro-n-(2,6-diethylphenyl)-n-(methoxymethyl)acetamide;2,6-dinitro-n,n-dipropyl-4-(trifluoromethyl)aniline Chemical compound CCC1=CC=CC(CC)=C1N(COC)C(=O)CCl.CCCN(CCC)C1=C([N+]([O-])=O)C=C(C(F)(F)F)C=C1[N+]([O-])=O CVOFKRWYWCSDMA-UHFFFAOYSA-N 0.000 description 1
- 208000037260 Atherosclerotic Plaque Diseases 0.000 description 1
- 238000012935 Averaging Methods 0.000 description 1
- 208000016444 Benign adult familial myoclonic epilepsy Diseases 0.000 description 1
- 229910004613 CdTe Inorganic materials 0.000 description 1
- 229910004611 CdZnTe Inorganic materials 0.000 description 1
- 208000031481 Pathologic Constriction Diseases 0.000 description 1
- 206010042434 Sudden death Diseases 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000001154 acute effect Effects 0.000 description 1
- 206010000891 acute myocardial infarction Diseases 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000011888 autopsy Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 229910052797 bismuth Inorganic materials 0.000 description 1
- JCXGWMGPZLAOME-UHFFFAOYSA-N bismuth atom Chemical compound [Bi] JCXGWMGPZLAOME-UHFFFAOYSA-N 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000013170 computed tomography imaging Methods 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 239000003218 coronary vasodilator agent Substances 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000002224 dissection Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 208000016427 familial adult myoclonic epilepsy Diseases 0.000 description 1
- 235000019387 fatty acid methyl ester Nutrition 0.000 description 1
- ZGNITFSDLCMLGI-UHFFFAOYSA-N flubendiamide Chemical compound CC1=CC(C(F)(C(F)(F)F)C(F)(F)F)=CC=C1NC(=O)C1=CC=CC(I)=C1C(=O)NC(C)(C)CS(C)(=O)=O ZGNITFSDLCMLGI-UHFFFAOYSA-N 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 150000002496 iodine Chemical class 0.000 description 1
- PNDPGZBMCMUPRI-UHFFFAOYSA-N iodine Chemical compound II PNDPGZBMCMUPRI-UHFFFAOYSA-N 0.000 description 1
- 208000028867 ischemia Diseases 0.000 description 1
- 150000002632 lipids Chemical class 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000002107 myocardial effect Effects 0.000 description 1
- 208000031225 myocardial ischemia Diseases 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 238000010422 painting Methods 0.000 description 1
- 230000005622 photoelectricity Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000003014 reinforcing effect Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 210000004872 soft tissue Anatomy 0.000 description 1
- 230000036262 stenosis Effects 0.000 description 1
- 208000037804 stenosis Diseases 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 208000011580 syndromic disease Diseases 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000002792 vascular Effects 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
- 210000003462 vein Anatomy 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 239000011800 void material Substances 0.000 description 1
Classifications
-
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
- A61B6/02—Devices for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computerised tomographs
- A61B6/032—Transmission computed tomography [CT]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
- A61B6/50—Clinical applications
- A61B6/504—Clinical applications involving diagnosis of blood vessels, e.g. by angiography
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
- A61B6/50—Clinical applications
- A61B6/507—Clinical applications involving determination of haemodynamic parameters, e.g. perfusion CT
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5205—Devices using data or image processing specially adapted for radiation diagnosis involving processing of raw data to produce diagnostic data
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
- A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20116—Active contour; Active surface; Snakes
-
- 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
- G06T2207/30101—Blood vessel; Artery; Vein; Vascular
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2211/00—Image generation
- G06T2211/40—Computed tomography
- G06T2211/408—Dual energy
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- Computer Vision & Pattern Recognition (AREA)
- High Energy & Nuclear Physics (AREA)
- Optics & Photonics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Physiology (AREA)
- Dentistry (AREA)
- Artificial Intelligence (AREA)
- Vascular Medicine (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Pulmonology (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Generation (AREA)
Abstract
一种方法包括获得对比度增强谱图像数据,所述对比度增强谱图像数据包括表示管状结构的体素。所述方法还包括基于获得的对比度增强谱图像数据生成至少对比度图。所述方法还包括基于谱模型生成经更新的对比度图。所述方法还包括基于经更新的对比度图对所述管状结构进行分割。计算系统(120)包括谱分析器(202),其接收对比度增强谱图像数据并且基于此生成谱分析数据,其中,所述谱分析数据包括对比度图。所述计算系统还包括谱分析数据处理器(204),其细化所述谱分析数据,生成经细化的谱分析数据。
Description
技术领域
下文总体上涉及谱图像数据处理,并且具体应用于计算机断层摄影(CT)进行描述。然而,下文也适于其他成像模式。
背景技术
计算机断层摄影(CT)是无创成像过程。CT扫描器通常包括被安装在跨检查区域与探测器阵列相对的可旋转机架上的X-射线管。可旋转机架并且因此X-射线管围绕检查区域旋转。X-射线管被配置为发射贯穿检查区域并且由探测器阵列探测的辐射。作为响应,探测器阵列生成并且输出指示探测到的辐射的投影数据。所述投影数据被重建以生成体积图像数据。体积图像数据包括被表示为对应于相对辐射密度的灰度强度值的体素。
灰度值通常反映被扫描对象的衰减特征,并且示出被扫描对象内的结构,诸如解剖结构。由于由材料对光子的吸收取决于贯穿材料的光子的能量,探测到的辐射也包括谱信息,其提供指示对象和/或物体的被扫描材料的元素或材料成分(例如,原子数)的额外信息。遗憾的是,利用无谱CT扫描器,由探测器阵列输出的投影数据与在能量谱上积分的能量注量成正比,并且由此不反映谱特征。
被配置用于谱(多能量)成像的CT扫描器捕获上述谱特征。通常,如此配置的CT扫描器生成分别对应于至少两个不同光子能量范围的至少两个衰减值。这样的扫描器可以包括被配置为发射具有不同平均谱的辐射的两个或更多个X-射线管、被配置为在扫描期间在至少两个不同发射电压(例如,80kVp与140kVp)之间可控地进行切换的单个X-射线管、和/或单个广谱X-射线管和具有能量分辨探测器(例如,具有光子计数探测器、具有不同谱敏感度或响应的至少两组闪烁体等)的能量分辨探测器阵列和辨别电子设备。
冠状动脉疾病(CAD)能够导致在心脏的动脉的内壁上的斑块建立做出响应。来自CAD的并发症可以包括冠状动脉的腔变窄(狭窄)或闭塞,其减少通往心脏的血流,易损斑块的断裂等。通过描绘可诱导心肌缺血的客观证据最好地通知执行冠状动脉重建术的决策。对于遭受胸痛的CAD患者的血管重建的当前主要决定因素是冠状血管的腔变窄的百分比。不幸的是,狭窄百分比测量不可以足以充分地提供用于确定是否执行冠状动脉重建术的清晰信息。
血流储备分数(FFR)是通过疾病动脉的最大充血心肌血流与在正常动脉的假设情况下的血流的比率。通过在心导管实验过程中在狭窄之后的压力和狭窄之前的压力之间的比率来测量FFR。文献陈述了在患有多血管CAD的1,005名患者的FAME(血流储备分数对多血管评估的血管造影术)研究中,FFR引导的血管重建(具体地对于FFR<0.8的缺血性损伤的储备血管重建)和与经历血管造影引导策略的患者相比较的不良事件的明显更低比率和更少冠状动脉支架的放置相关联。
最近,提出了一种使用来自多切片CT图像数据的计算流体动力学来估计FFR的方法。基于CT研究的FFR的估计能够无创地推导对于医师的有价值的功能诊断信息。用于根据心脏CT数据估计FFR的必要条件是尤其在狭窄区域中的腔几何结构的精确分割。不幸的是,在心脏CT图像的有限分辨率和造影剂与其他生物材料的部分体积效应(诸如钙化和其他斑块成分)降低了腔分割质量。
急性冠脉综合征(ACS)是指属于冠状动脉的障碍的一组症状。心脏病专家的临床挑战是ACS(诸如急性心肌梗塞)的检测和预防。组织病理学研究已经显示,来自急性冠状动脉综合症的猝死的原因是破裂斑块的存在。因此,已经进行了努力用于识别易于破裂的粥样硬化病变的轮廓。基于尸体解剖研究,大多数出问题的病变通常是非狭窄的,包含具有薄覆盖纤维帽的大坏死核,并且诱导血管分割的扩张重新建模。
多切片计算机断层摄影(MSCT)能够检测动脉粥样硬化斑块并且评估其成分和机械性质。由此,心脏CT可以提供检测和预防ACS的有效手段。然而,使用MSCT的斑块的精确特征仍然是挑战。一个限制是由超浓度对象(诸如钙化斑块)导致的晕状伪影。钙晕状主要由CT系统的有限空间分辨率和来源于射束硬化效应导致。该模糊效应导致钙化区域的过度表示,以及对应地,其他斑块成分的估计不足。
发明内容
本文描述的方面解决了以上提到的问题和其他问题。
下文描述使用对比度增强的谱CT图像数据来改善管状结构(例如,冠状动脉腔)分割的途径。该途径利用在结构定位和分割以及由谱分析的定量造影剂映射之间的相互关系。这些中的每个能够通过使用其他先前信息的结果来提供改进的结果,并且所述途径交替通过一个或多个迭代,其能够优化分割。得到的分割能够被用于改善至少CT血流储备分数分析(CT-FFR)和急性冠脉综合征风险评估。
在一个方面,一种方法包括获得对比度增强的谱图像数据,所述对比度增强的谱图像数据包括表示管状结构的体素。所述方法还包括基于所获得的对比度增强的谱图像数据来生成至少对比度图。所述方法还包括基于谱模型来生成经更新的对比度图。所述方法还包括基于经更新的对比度图对所述管状结构进行分割。
根据本发明的方法能够还包括:
基于所获得的对比度增强的谱图像数据来生成虚拟非对比度图像;并且
基于所述对比图、所定位的管状结构、所提取的中心线和所述光模型来生成经更新的虚拟非对比度图像。
在另一方面,一种计算系统包括:谱分析器,其接收对比度增强的谱图像数据并且基于此生成谱分析数据,其中,所述谱分析数据包括对比度图。所述计算系统还包括谱分析数据处理器,其细化所述谱分析数据,生成经细化的谱分析数据。
在另一方面,一种计算机可读存储介质,其被编码具有计算机可读指令。当由处理器执行所述计算机可读指令时,所述计算机可读指令令处理器:基于利用在定位腔与分割腔以及由谱分析的定量造影剂映射之间的相互关系的迭代更新,细化碘图,从而生成经细化的碘图,并且根据所述经细化的碘图对感兴趣结构进行分割。
本发明可以采用各种部件和部件的布置,以及各种步骤和步骤布置的形式。附图仅出于图示优选实施例的目的,并不应被解读为对本发明的限制。
附图说明
图1示意性地图示了与图像数据处理器连接的范例性成像系统。
图2示意性地图示了图像数据处理器的范例,其包括谱分析数据处理器。
图3示意性地图示了谱分析数据处理器的范例,其包括谱分析数据更新器。
图4示意性地图示了谱分析数据更新器的范例。
图5示出了具有狭窄的血管的子部分,其中,区域被识别以确定参考谱点来确定血液谱响应曲线中的参考造影剂。
图6示出了图5的血管的子部分,其中,参考谱点被识别用于确定血液谱响应曲线中的参考造影剂。
图7示出了其中识别测量谱点的图5的血管的子部分。
图8示出了具有谱响应曲线的范例集合的范例性谱响应图形。
图9示出了包括图7的参考和测量谱响应点和谱响应曲线的集合的范例性谱响应图形。
图10示出了具有从谱响应点通过测量谱响应点到谱响应曲线投影的线的图9的范例。
图11图示了根据本文描述的实施例的范例性方法。
具体实施方式
首先参考图1,图示了成像系统100,诸如计算机断层摄影(CT)扫描器。图示的成像系统100被配置用于谱成像。如本文利用的,谱成像涉及生成分别对应于至少两个不同预定能量范围的至少两个衰减值的成像系统100。成像系统100包括一般的固定机架102和旋转机架104,所述旋转机架104由固定机架102可旋转地支撑,并且围绕检查区域106关于z轴旋转。
辐射源108(诸如X-射线管)由旋转机架104可旋转地支撑,并且随旋转机架104旋转,并且发射贯穿检查区域106的多能量辐射。在一个实例中,辐射源108包括单个广谱管。在变型中,辐射源108被配置为在扫描期间在至少两个不同发射电压(例如,80kVp、140kVp等)之间可控地进行切换。切换可以在积分周期内,在积分周期之间,在扫描(例如,其中不同的kV被用于每个连续扫描的双旋转扫描)之间交替等。在又一变型中,辐射源108包括被配置为发射具有不同平均能量谱的辐射的至少两个管。另一变型包括以上的组合。
辐射敏感探测器阵列110跨检查区域106以角度弧与辐射源108相对。辐射敏感探测器阵列110包括一行或多行探测器,其被布置为沿着z-轴彼此平行。辐射敏感探测器阵列110探测贯穿检查区域106的辐射,并且生成指示所述辐射的谱投影数据。同样地,这样的投影数据包括分别对应于至少两个不同预定能量范围和/或权重的至少两个衰减值。在一个实例中,辐射敏感探测器阵列110包括能量分辨探测器阵列,诸如,包括具有不同X-射线能量敏感度的至少两个闪烁体和具有对应光学敏感度的至少两个对应光传感器的多能量积分探测器,具有直接转换材料(例如,CdTe、CdZnTe等)的光子计数探测器,和/或其他能量分辨探测器。在变型中,辐射敏感探测器阵列110包括对应于任选两个不同X-射线管108的两个不同探测阵列。
重建器112重建由辐射敏感探测器阵列110输出的谱投影数据。例如,这包括重建能量相关分量并且生成一幅或多幅谱图像,每幅对应于不同能量值或范围。重建器112也可以组合能量相关分量并且生成非谱图像数据。对象支撑物114(例如卧榻)支撑检查区域106中的对象或物体。操作者控制台116包括人类可读输出设备(诸如监视器)和输入设备(诸如键盘、鼠标等)。驻留在控制台118上的软件允许操作者经由图形用户界面(GUI)或以其他方式与成像系统100交互和/或操作成像系统100,用于谱成像。
计算系统120包括至少一个微处理器122和计算机可读存储介质(“存储器”)124。存储器124排除暂态介质,并且包括物理存储器和/或其他非暂态存储介质。微处理器122至少执行在存储器124中存储的图像数据处理器126指令。微处理器122也可以执行由载波、信号或其他暂态介质运载的计算机可读指令。如图1图示的,计算系统120能够是控制台118的部分,和/或与其分离。
图像数据处理器126指令包括用于处理至少对比度增强的谱图像数据的指令。如在下面更详细描述的,在一个实例中,图像数据处理指令包括与对在对比度增强的谱图像数据中表示的感兴趣组织进行分割结合来处理对比度增强的谱图像数据的指令。关于管状结构分割(例如,血管的腔,诸如冠状动脉和/或其他血管,诸如脑部、颈动脉、肝部、肺部的血管和/或其他血管),图像数据处理器126提供几何结构的精确分割,包括在收缩(例如,狭窄)区域中的几何结构的精确分割。如下面进一步描述的,指令也可以包括利用所述分割用于其他处理的指令。
能够由和/或从成像系统100和/或其他成像系统生成对比度增强的谱图像数据。谱图像数据可以备选地来自数据库128,诸如图片存取与传输系统(PACS)、电子病历(EMR)、放射信息系统(RIS)、医院信息系统(HIS)和/或其他数据库。分割和/或其他处理的结果能够被存储在控制台116、数据库128和/或其他存储设备中,被传送到另一装置130等。
图2示意性地图示了图像数据处理器126的范例。
图像数据处理器126接收对比度增强的谱图像数据作为输入。在该范例中,接收到的对比度增强的谱图像数据包括心脏谱对比度增强CT图像数据。
图像数据处理器126指令包括针对谱分析器202的指令。谱分析器202处理接收到的谱对比度增强CT扫描图像数据,产生初始谱分析数据中的一个或多个集合。在整个扫描体积或其子体积上能够执行这样的谱分析。谱分析器202能够使用已知和/或其他谱分析技术来处理接收到的谱对比度增强CT扫描图像数据。
这样的技术包括生成对应于定量造影剂(例如,碘、钆等)图的体积图像数据集,生成对应于虚拟非对比度(VNC)数据、虚拟非增强数据、碘/钙分离和/或其他材料分析和/或识别的体积图像数据集。在Thomas等人的“Automatic lumen segmentation in calcifiedplaques:dual-energy CT versus standard reconstructions in comparison withdigital subtraction angiography”AJR(2010)一文中讨论了范例技术。
在变型中,省略了谱分析器126,并且图像数据处理器126接收谱分析数据,其由不同装置来生成。如本文讨论的,谱分析数据可以易于由以下导致的图像质量降低,包括管状结构的收缩区域中:例如,心脏CT图像中的有限分辨率,造影剂与其他生物材料(诸如钙化和其他斑块)的部分体积效应,由超密度物体(诸如钙化斑块)导致的晕状伪影等。
图像数据处理器126指令包括针对谱分析数据处理器204的指令。如下面更详细描述的,通过迭代处理,谱分析数据处理器204更新和细化谱分析数据。在一个实例中,针对每个迭代,这包括至少基于造影剂谱响应曲线和对于谱分析数据的每个像素或体素的最可能的组织类型来更新谱分析数据,并且计算每个像素内的相对造影剂,其提供针对每个像素的更新值。最后迭代的经更新的谱分析数据提供经细化的谱分析数据。
图像数据处理器126指令包括针对其他图像处理处理器204的指令。其他图像数据处理处理器与其他图像数据处理结合来利用经细化的谱分析数据。例如,在经细化的谱分析数据包括冠状动脉腔的分割的情况下,其他图像数据处理算法的范例可以包括CT血流储备分数分析(CT-FFR)算法、急性冠脉综合征(ACS)风险评估算法和/或其他算法。
经细化的谱分析数据能够改进CT血流储备分数分析(CT-FFR)和/或急性冠脉综合征(ACS)风险评估。例如,经细化的分割能够改善腔的分割的精确度,其能够改善CT-FFR的精确度。在另一范例中,经细化的分割能够减轻与传统成像相关联的模糊效应,允许针对ACS风险估计的斑块成分的更精确的量化和特征化。
图3示意性地图示了谱分析数据处理器204的范例。
为了解释的目的,在下文结合冠状动脉分割进行描述。然而,应当理解该范例不是限制性的,并且本文也预期其他结构。例如,下文能够利用任何管状结构,解剖(例如,诸如血管)和/或非解剖的。
谱分析数据处理器204接收对比度增强的谱图像数据和由谱分析器202生成的初始谱分析数据,作为输入。在该范例中,初始谱分析数据包括至少造影剂图,诸如造影剂是碘的碘图。在变型中,造影剂图能够基于包括高衰减材料,诸如钆、铋、金和其他。
谱分析数据处理器204包括定位器302。定位器302接收初始谱分析数据(对于第一迭代)和经更新的谱分析数据(来自每个后续迭代),作为输入。定位器302在(初始或经更新的)谱分析数据中定位冠状动脉和/或其他结构。能够使用已知和/或其他自动(无用户交互)和/或手动(具有用户交互)途径。
谱分析数据处理器204还包括提取器304。提取器304接收具有所定位的冠状动脉的谱分析数据,作为输入。提取器304在谱分析数据中提取针对每个冠状动脉和/或其他结构的中心线。能够使用已知和/或其他自动(无用户交互)和/或手动(具有用户交互)途径。
谱分析数据处理器204还包括谱分析数据更新器306。谱分析数据更新器306接收谱分析数据、所定位的冠状动脉和所提取的中心线,作为输入。谱分析数据更新器306更新谱分析数据。如上面简单讨论并且如下面更详细讨论的,这包括基于沿着中心线的造影剂谱响应和针对每个体素的最可能的组织类型来更新谱分析数据,其被用于计算每个体素内的相对造影剂。
谱分析数据处理器204还包括分割器308。分割器308接收经更新的谱分析数据,作为输入。分割器308从经更新的谱分析数据中分割感兴趣结构。能够使用已知和/或其他分割途径。利用一个途径,在谱分析数据上应用一组轮廓,其被初始化成围绕所估计的中心线的表面。轮廓能够基于Chan–Vese最小方差和测地线表面模型。
在Holtzman-Gazit等人的“Segmentation of thin structures in volumetricmedical images”(Image Processing,IEEE Transactions,15.2(2006):354-363)一文中更详细地讨论了上面讨论的途径。在Lesage等人的“A review of 3D vessel lumensegmentation techniques:Models,features and extraction schemes”(Medical imageanalysis 13.6(2009):819-845)一文中描述了另一途径。本文也预期其他途径。根据这些途径,能够实现对冠状动脉腔的精确分割。
对于冠状动脉分割,分割器308能够利用以上和/或其他途径来对冠状动脉腔进行分割。例如,分割器308也能够识别和分割动脉壁的斑块和/或其他组织形状。这能够使用虚拟非对比度(VNC)图像数据来实现,其中从对比度增强的图像数据中移除造影剂增强。
在一个实施例中,分割器308也能够改善腔边界估计。例如,谱分析图像数据和分割提供在动脉中的每个体素中的造影剂的相对量的映射。由于部分体积效应和有限的空间分辨率,在动脉壁附近相对量能够是不同于100%或0%。若干模型能够被用于估计较锐利的壁和甚至进一步改善的腔分割。
一个途径使用已知管的涂阴形状的先前知识(通常通过校准)。该途径已经被用于肺气道腔和壁测量。在Saba等人的“Maximizing quantitative accuracy of lung airwaylumen and wall measure obtained from X-ray CT imaging”(J.Appl.Physiol.(2003))一文中讨论了该途径的范例。另一技术使用对应于成像协议和参数的已知3D点扩展函数来应用3D反卷积。
谱分析数据处理器204还包括决策逻辑310。决策逻辑310基于停止标准确定是否将要执行另一迭代。例如,决策逻辑310响应于经更新的谱分析数据不满足停止标准,调用另一迭代。否则,不执行更多的迭代,并且经更新的谱分析数据被输出作为经细化的谱分析数据。
通过选择经验数量的迭代、核对在连续迭代之间的改变直到其足够小、比较全局品质因数对预定义阈值和/或其他途径能够确定停止标准。对于其他临床应用,所述途径能够被延伸以改善在其他器官(诸如脑部、颈动脉、肝部、肺部和其他)中的狭窄血管分割。
图4示意性地图示了谱分析数据更新器306的范例。
为了解释的目的,下文结合图3中讨论的冠状动脉分割进行描述。类似地,应当理解,该范例不是限制性的,并且本文也预期其他组织。
谱分析数据更新器306接收谱分析数据、所定位的冠状动脉和所提取的中心线,作为输入。在该范例中,类似于图2,谱分析数据包括造影剂图,诸如碘图。
谱分析数据更新器306包括区域选择器402。区域选择器402使用自动和/或手动途径在谱分析数据中选择沿着冠状动脉的两个或更多个区域。通常,所选择的区域对应于管状结构具有相对宽横截面的区域。这能够基于预定最小直径阈值和/或以其他方式来确定。
在该范例中,区域提供其中腔中心没有或很少与壁重叠的部分体积或空间分辨率的动脉截面。在这些区域中,使用输入的谱分析图像数据能够精确地确定造影剂定量。图5示出了两个区域502和504的选择。两个区域502和504分别对应于在狭窄506之前的区域和狭窄506之后的区域。在另一实施例中,选择多于两个区域。而且,所述区域能够包括和/或不同于区域502和504。
返回到图4,谱分析数据更新器306还包括谱点识别器404。术语“谱点”是指对应于在被成像体积中的单个像素或体素的不同谱图像的值的集合。例如,谱点能够被表示为在图8-10中的图中的点,在下面对其进行讨论。针对所选择的区域502和504,谱点识别器404识别针对所选择的区域502和504中的每个的谱点。图6图示了分别针对图5的两个区域502和504的两个点(AL)602和(AU)604。
返回到图4,谱分析数据更新器306还包括参考谱点确定器406。参考谱点确定器404根据在图5的谱分析数据中识别的谱点602和604来确定参考谱点。在一个实例中,参考谱点确定器404生成沿着中心线的插值谱响应线(例如,(AU+AL)/2)。这包括可以具有部分体积并且与壁重叠的狭窄区域,其中,不可以仅仅根据局部数据来精确地确定对比度定量。
谱分析数据更新器306还包括测量谱点识别器408。测量谱点识别器408识别谱图像数据内的感兴趣的测量谱点。图7示出了多个范例性感兴趣的测量谱点(B1)702、(B2)704和(B3)706。在图7中,感兴趣的测量谱点(B1)702邻近具有高衰减值(在图7中用亨氏单位表示)的材料。感兴趣的测量谱点(B2)704邻近具有中衰减值的材料。感兴趣的测量谱点(B3)706邻近具有低衰减值的材料。例如,高衰减值能够由钙或由不同于血管腔中的造影剂的以斑块为目标的造影剂引起,中衰减值能够由软组织引起,以及低衰减值能够由脂类引起。
谱分析数据更新器306还包括谱点绘制器410。谱点绘制器410在能量谱图上绘制参考谱点和测量谱点。在图8中示出了双能量(低能量-高能量)图形的范例。在图8中,图形800包括第一轴802,其表示在谱图像数据的第一较高能量图像中的像素的衰减,以及第二轴804,其表示在谱图像数据的第二较低能量图像中的相同像素的衰减。在该范例中,低能量轴和高能量轴用亨氏单位(HU)表示。在另一范例中,低能量轴和高能量轴可以用其他单位表示,并且能够表示值,诸如光电康普顿散射分解、虚拟单色图像或材料基础表示。
在图8中,第一谱曲线806表示血液-水曲线,第二谱曲线808表示钙-水曲线,第三谱曲线810表示钙/纤维-水曲线,第四谱曲线812表示纤维组织-水曲线,第五曲线814表示脂肪、脂类-水谱曲线,以及第六曲线816表示钙/脂类-水曲线。这样的图形的具体曲线能够是不同的,并且表示感兴趣组织。尽管图形800是针对两个能量,应当理解,能够考虑多于两个能量。例如,能够考虑N个能量(其中,N是正整数)。在这样的范例中,图形800能够包括N-维(N-D)图形。
图9示出了结合图7的谱点的双(低和高)能量图形900。在图9中,第一轴902表示在较高能量图像中的像素的衰减,以及第二轴904表示在较低能量图像中的相同像素的衰减。在图9中,第一谱曲线906表示碘-水曲线,第二谱曲线908表示钙-水曲线,第三谱曲线910表示血液-水曲线,第四谱曲线912表示软组织-水曲线,以及第五曲线914表示脂肪-水谱曲线。碘-血液谱点(A)916表示参考谱点。谱点B1、B2和B3对应于图7的感兴趣的测量谱点(B1)702、(B2)704和(B3)706。
返回到图4,谱分析数据更新器306还包括谱线选择器412。谱线选择器412针对每个像素选择对应于针对所述像素的最可能的组织类型的谱线。在一个实例中,这能够基于虚拟非对比度图像和模型来进行。虚拟非对比度图像提供其中更容易自动确定钙是否被包含或不在某一区域中的数据。
谱分析数据更新器306还包括谱点投影器414。针对每个像素,谱点投影器414对谱点进行投影。在一个实例中,为此,谱点投影器414对从参考谱点(A)916通过测量点(B1)702、(B2)704和(B3)706中的每个到对应选择的谱曲线的线进行投影。这在图10中被示出,其示出从参考谱点(A)916通过测量点(B1)702、(B2)704和(B3)706到所选择的曲线908、912和914投影的线1002、1004、1006。
返回到图4,谱分析数据更新器306还包括谱点分配器416。谱点分配器416针对每个像素在与所投影的线相交的所选择的曲线上分配点。这也在图10中被示出,其中,谱线分配器416基于从参考谱点(A)916通过测量点(B1)702、(B2)704和(B3)706到所选择的曲线908、912和914的投影1002、1004、1006来分配点(C1)1008、(C2)1010和(C3)1012。在该范例中,谱点(B1)702被投影到钙(骨骼)-水线908。在另一范例中,谱点(B1)702能够被投影到血液-水线910、软组织-水线912和/或其他谱响应线。
返回到图4,谱分析数据更新器306还包括相对比率确定器418。相对比率确定器418计算在体素内的造影剂的相对比率R(例如,相对于假设的血液中造影剂值)。在一个实例中,通过如下确定比率:R=|B-C|/|A-C|,其是绝对距离的比率,其中,A、B和C是矢量;每一个包括N个元素,其中,N是分析数据中的不同谱图像的数量。谱图像数据更新器306输出相对的血液中造影剂值作为经更新的谱分析图像数据。
如结合图3讨论的,决策逻辑310确定是否执行另一迭代或是否输出经更新的谱分析数据作为经细化的谱分析数据。如结合图2讨论的,能够结合其他处理来利用经细化的谱分析数据,诸如CT-FFR、ACS风险评估等。
图11图示了根据本文描述的实施例的范例性方法。
应当认识到,本文中描述的方法的动作顺序并非是限制性的。正因如此,本文预期其他顺序。另外,可以省略一个或多个动作和/或可以包括一个或多个额外的动作。
在1102处,获得对比度增强的谱图像数据,其包括具有表示管状的体素的图像数据。
在1104处,根据对比度增强的谱图像数据生成至少对比度图。这可以使用模型来实现。也可以生成其他信息,诸如碘/钙分离、VNC图像等。
在1106处,定位管状结构,并且提取所定位的管状结构的中心线。对于第一迭代,这基于初始碘图。在后续迭代中,这基于最近更新的碘图。
在1108处,基于所定位的管状结构、所提取的中心线和多能量图形模型来更新对比度图。经更新的对比度图能够被用于识别在部分体积区域中的部分碘,提供对材料建立和管状结构壁的分析,并且细化VNC图像。
在1110处,基于经更新的对比度图和管状结构分割模型对管状结构进行分割。这可以包括使用在经细化的对比度图上应用的活动轮廓功能的腔分割,基于经细化的对比度图和材料分析、对于部分体积和有限分辨率效应的校正模型、用于分割的斑块区域定位等的改善的腔边界估计。
在1112处,确定是否已经满足停止标准。停止标准的范例包括迭代的经验数量、连续迭代的结果之间的差、与全局品质因数的比较和/或其他途径。
如果还未满足停止标准,则重复动作1106至1110。然而,如果已经满足停止标准,则在1114处,输出经细化的对比度图。如本文讨论的,能够结合图像的其他处理来使用经细化的对比度图。
以上可以以计算机可读指令的方式实施,所述计算机可读指令被编码或嵌入在计算机可读存储介质上,当由(一个或多个)计算机处理器执行所述计算机可读指令时,所述计算机可读指令令(一个或多个)处理器执行所描述的动作。额外地或备选地,计算机可读指令中的至少一个由信号、载波或其他瞬态介质运载。
已经参考优选实施例描述了本发明。他人在阅读和理解上述详细描述之后可以进行修改和变型。其意图是将本发明解释为包括所有这样的修改和变型,只要它们落入所附权利要求及其等价方案的范围之内。
Claims (14)
1.一种谱图像数据处理方法,包括:
获得对比度增强的谱图像数据,所述对比度增强的谱图像数据包括表示管状结构的体素,所述管状结构是血管;
基于所获得的对比度增强的谱图像数据来生成对比度图;
在所述对比度图中定位所述管状结构;
提取所定位的管状结构的中心线;
基于所述对比度图、所定位的管状结构、所提取的中心线和谱模型来生成经更新的对比度图;并且
基于经更新的对比度图对所述管状结构进行分割。
2.根据权利要求1所述的谱图像数据处理方法,其中,所述谱模型是具有针对多个预定不同类型的材料的谱曲线的多能量图形。
3.根据权利要求1所述的谱图像数据处理方法,其中,所述经更新的对比度图包括部分体积区域中的部分造影剂。
4.根据权利要求1至3中的任一项所述的谱图像数据处理方法,还包括:
基于所获得的对比度增强的谱图像数据来生成碘/钙分离信息;并且
基于所述对比度图、所定位的管状结构、所提取的中心线和所述谱模型来生成经更新的碘/钙分离信息。
5.根据权利要求4所述的谱图像数据处理方法,还包括:
基于所获得的对比度增强的谱图像数据来生成虚拟非对比度图像;并且
基于所述对比度图、所定位的管状结构、所提取的中心线和所述谱模型来生成经更新的虚拟非对比度图像。
6.根据权利要求1至3中的任一项所述的谱图像数据处理方法,还包括:
确定是否已经满足停止标准;并且,响应于确定还未满足所述停止标准而执行如下操作:
在所述经更新的对比度图中定位所述管状结构;
从在所述经更新的对比度图中定位的所述管状结构中提取第二中心线;
基于在所述经更新的对比度图中定位的所述管状结构、所提取的第二中心线和所述谱模型来生成第二经更新的对比度图。
7.根据权利要求1至3中的任一项所述的谱图像数据处理方法,还包括:
确定是否已经满足停止标准;并且
响应于确定已经满足所述停止标准,输出所述经更新的对比度图作为经细化的对比度图。
8.根据权利要求1至3中的任一项所述的谱图像数据处理方法,还包括:
应用活动轮廓功能以对所述管状结构的腔进行分割。
9.根据权利要求1至3中的任一项所述的谱图像数据处理方法,还包括:
基于所述经更新的对比度图和材料分析来估计所述管状结构的腔的边界。
10.根据权利要求1至3中的任一项所述的谱图像数据处理方法,还包括:
确定部分体积校正模型;并且
采用所述部分体积校正模型来校正在所述经更新的对比度图中的部分体积效应。
11.一种计算系统(120),包括:
谱分析器(202);以及
谱分析数据处理器(204);
其中,所述谱分析器(202)被配置为获得对比度增强的谱图像数据,所述对比度增强的谱图像数据包括表示管状结构的体素,所述管状结构是血管;并且
其中,所述谱分析数据处理器(204)被配置为:
基于所获得的对比度增强的谱图像数据来生成对比度图;
在所述对比度图中定位所述管状结构;
提取所定位的管状结构的中心线;
基于所述对比度图、所定位的管状结构、所提取的中心线和谱模型来生成经更新的对比度图;并且
基于经更新的对比度图对所述管状结构进行分割。
12.根据权利要求11所述的计算系统,所述谱分析数据处理器包括:
定位器(302),其被配置为在所述谱分析数据中定位管状结构;
提取器(304),其被配置为提取所定位的管状结构的中心线;
谱分析数据更新器(306),其被配置为基于所述谱分析数据、所定位的管状结构、所提取的中心线和模型来生成经更新的谱分析数据;
分割器(308),其被配置为基于所述经更新的谱分析数据对所述管状结构进行分割;以及
决策逻辑(310),其被配置为基于预定停止标准来触发对所述经更新的谱分析数据的进一步更新。
13.根据权利要求12所述的计算系统,其中,所述谱分析数据更新器还包括:
区域选择器(402),其被配置为选择沿着所述管状结构的两个或更多个区域,所述两个或更多个区域对应于具有大于预定最小直径阈值的直径的区域;
谱点识别器(404),其被配置为针对所选择的区域中的每个区域来识别谱点;
参考谱点确定器(406),其被配置为基于所识别的谱点来确定参考谱点(916);
测量谱点识别器(408),其被配置为识别在所述谱图像数据内的感兴趣的测量谱点(702、704、706);
谱点绘制器(410),其被配置为在能量谱图形中绘制所述参考谱点(916)和所述测量谱点(702、704、706);
谱线选择器(412),其被配置为针对每个像素来选择对应于针对所述像素的最可能组织类型的谱线(908、912、914);
谱点投影器(414),其被配置为针对每个像素对从所述参考谱点(916)通过所述测量谱点(702、704、706)中的每个到对应的选择的谱线(908、912、914)的线(1002、1004、1006)进行投影;
谱点分配器(416),其被配置为针对每个像素分配在与所投影的线(1002、1004、1006)相交的所选择的谱线(908、912、914)上的点(1008、1010、1012);以及
相对比率确定器(418),其被配置为基于所述参考谱点(916)、所述测量谱点(702、704、706)和所分配的点(1008、1010、1012)来确定像素内的造影剂的相对比率,
其中,所述谱分析数据更新器被配置为基于所述相对比率来生成所述经更新的谱分析数据。
14.一种计算机可读存储介质,其被编码具有计算机可读指令,当由处理器执行所述计算机可读指令时,所述计算机可读指令令所述处理器执行根据权利要求1-9中的任一项所述的方法的步骤。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201361916850P | 2013-12-17 | 2013-12-17 | |
US61/916,850 | 2013-12-17 | ||
PCT/IB2014/066540 WO2015092588A2 (en) | 2013-12-17 | 2014-12-03 | Spectral image data processing |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105830123A CN105830123A (zh) | 2016-08-03 |
CN105830123B true CN105830123B (zh) | 2019-08-16 |
Family
ID=52392162
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201480069427.5A Active CN105830123B (zh) | 2013-12-17 | 2014-12-03 | 谱图像数据处理 |
Country Status (5)
Country | Link |
---|---|
US (1) | US10970836B2 (zh) |
EP (1) | EP3084723B1 (zh) |
JP (1) | JP6559678B2 (zh) |
CN (1) | CN105830123B (zh) |
WO (1) | WO2015092588A2 (zh) |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103649990B (zh) * | 2011-07-15 | 2017-06-06 | 皇家飞利浦有限公司 | 用于谱ct的图像处理 |
US9058692B1 (en) * | 2014-04-16 | 2015-06-16 | Heartflow, Inc. | Systems and methods for image-based object modeling using multiple image acquisitions or reconstructions |
US11151760B2 (en) | 2015-08-17 | 2021-10-19 | Shimadzu Corporation | Image reconstruction processing method, image reconstruction processing program, and tomography device equipped with same |
US10929974B2 (en) | 2016-06-15 | 2021-02-23 | Koninklijke Philips N.V. | Determining calcium content from spectral CT data |
WO2018098118A1 (en) | 2016-11-23 | 2018-05-31 | Mayo Foundation For Medical Education And Research | System and method for quantifying luminal stenosis using multi-energy computed tomography imaging |
EP3332710B1 (de) * | 2016-12-12 | 2020-09-16 | Siemens Healthcare GmbH | Charakterisierung von plaque |
US11049295B2 (en) * | 2016-12-19 | 2021-06-29 | Koninklijke Philips N.V. | Detection and/or correction of residual iodine artifacts in spectral computed tomography (CT) imaging |
US10702234B2 (en) * | 2017-02-22 | 2020-07-07 | Canon Medical Systems Corporation | Image combining using images with different focal-spot sizes |
EP3378398A1 (en) | 2017-03-24 | 2018-09-26 | Koninklijke Philips N.V. | Myocardial ct perfusion image synthesis |
CN110506293B (zh) * | 2017-03-31 | 2023-11-07 | 皇家飞利浦有限公司 | 谱成像ffr |
US10580132B2 (en) * | 2017-04-13 | 2020-03-03 | Canon Kabushiki Kaisha | Medical image processing apparatus, control method therefor, and non-transitory storage medium storing program |
US10349911B2 (en) * | 2017-05-18 | 2019-07-16 | Dassault Systemes Simulia Corp. | System and method to produce corrected contrast levels in a CT scan of vasculature |
EP3644857A1 (en) * | 2017-06-30 | 2020-05-06 | Koninklijke Philips N.V. | Machine learning spectral ffr-ct |
EP3467771A1 (en) * | 2017-10-05 | 2019-04-10 | Koninklijke Philips N.V. | Image feature annotation in diagnostic imaging |
CN111079863B (zh) * | 2019-12-31 | 2023-05-19 | 重庆青信科技有限公司 | 利用能谱曲线统计指纹识别病灶组织的系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102855618A (zh) * | 2011-06-29 | 2013-01-02 | 西门子公司 | 用于图像产生和图像分析的方法 |
Family Cites Families (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7711165B2 (en) | 2005-07-28 | 2010-05-04 | Siemens Medical Solutions Usa, Inc. | System and method for coronary artery segmentation of cardiac CT volumes |
DE102005049602B3 (de) * | 2005-10-17 | 2007-04-19 | Siemens Ag | Verfahren und Vorrichtung zur Segmentierung zumindest einer Substanz in einem Röntgenbild |
EP2054838A4 (en) * | 2006-08-15 | 2012-08-15 | Univ Texas | METHODS, COMPOSITIONS AND SYSTEMS FOR ANALYZING IMAGING DATA |
US7990379B2 (en) | 2006-10-25 | 2011-08-02 | Siemens Aktiengesellschaft | System and method for coronary segmentation and visualization |
US8355550B2 (en) | 2007-05-01 | 2013-01-15 | Siemens Aktiengesellschaft | Methods and apparatus for virtual coronary mapping |
US9070181B2 (en) | 2007-12-21 | 2015-06-30 | General Electric Company | System and method for extracting features of interest from an image |
DE102009051384A1 (de) * | 2009-10-30 | 2011-05-12 | Friedrich-Alexander-Universität Erlangen-Nürnberg | Strahlaufhärtungskorrektur für CT-Perfusionsmessungen |
EP2357609B1 (en) | 2009-12-23 | 2012-06-27 | Intrasense | Adaptative hit-or-miss region growing for vessel segmentation in medical imaging |
US8483432B2 (en) | 2009-12-23 | 2013-07-09 | General Electric Company | Methods for automatic segmentation and temporal tracking |
JP5755031B2 (ja) * | 2011-05-30 | 2015-07-29 | ジーイー・メディカル・システムズ・グローバル・テクノロジー・カンパニー・エルエルシー | 画像生成装置およびx線ct装置並びにプログラム |
GB201109344D0 (en) * | 2011-06-03 | 2011-07-20 | Siemens Medical Solutions | BIF from WB dynamic |
CN103649990B (zh) | 2011-07-15 | 2017-06-06 | 皇家飞利浦有限公司 | 用于谱ct的图像处理 |
KR20140096092A (ko) * | 2011-11-17 | 2014-08-04 | 바이엘 메디컬 케어 인크. | 의료 진단 절차들에 관한 정보를 수집하고 보고하고 관리하는 방법들 및 기법들 |
CN102737376A (zh) | 2012-03-31 | 2012-10-17 | 常熟市支塘镇新盛技术咨询服务有限公司 | 一种应用在冠状动脉造影图像分割中的改进的区域生长方法 |
EP2932469B1 (en) * | 2012-12-11 | 2018-10-31 | Koninklijke Philips N.V. | Method of determining the blood flow through coronary arteries |
US9092849B2 (en) * | 2013-06-28 | 2015-07-28 | International Business Machines Corporation | Bidirectional blood vessel segmentation |
-
2014
- 2014-12-03 WO PCT/IB2014/066540 patent/WO2015092588A2/en active Application Filing
- 2014-12-03 US US15/103,985 patent/US10970836B2/en active Active
- 2014-12-03 JP JP2016539282A patent/JP6559678B2/ja active Active
- 2014-12-03 EP EP14828305.4A patent/EP3084723B1/en active Active
- 2014-12-03 CN CN201480069427.5A patent/CN105830123B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102855618A (zh) * | 2011-06-29 | 2013-01-02 | 西门子公司 | 用于图像产生和图像分析的方法 |
Non-Patent Citations (1)
Title |
---|
Evaluation of Computer-Assisted Quantification of Carotid Artery Stenosis;Christina Biermann et al.;《Journal of Digital Imaging》;20110723;第25卷(第2期);第250-253页 |
Also Published As
Publication number | Publication date |
---|---|
US10970836B2 (en) | 2021-04-06 |
WO2015092588A2 (en) | 2015-06-25 |
WO2015092588A3 (en) | 2015-10-29 |
JP2017503551A (ja) | 2017-02-02 |
EP3084723A2 (en) | 2016-10-26 |
CN105830123A (zh) | 2016-08-03 |
US20160321803A1 (en) | 2016-11-03 |
JP6559678B2 (ja) | 2019-08-14 |
EP3084723B1 (en) | 2021-04-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105830123B (zh) | 谱图像数据处理 | |
EP2932469B1 (en) | Method of determining the blood flow through coronary arteries | |
Wang et al. | Diagnostic value of quantitative stenosis predictors with coronary CT angiography compared to invasive fractional flow reserve | |
US11361432B2 (en) | Inflammation estimation from x-ray image data | |
Okada et al. | Added value of lung perfused blood volume images using dual-energy CT for assessment of acute pulmonary embolism | |
JP7059298B2 (ja) | 心筋ct灌流画像合成 | |
CN108209955B (zh) | 用于表征斑块的方法、分析设备和计算机断层摄影系统 | |
Bauer et al. | Noncalcified atherosclerotic plaque burden at coronary CT angiography: a better predictor of ischemia at stress myocardial perfusion imaging than calcium score and stenosis severity | |
KR20150132191A (ko) | 시뮬레이션 정확도 및 성능을 위한 이미지 품질 평가 | |
JP6526669B2 (ja) | 画像データからの骨の区分化 | |
JP6828061B2 (ja) | スペクトルctデータからのカルシウム含有量の特定 | |
JP7191038B2 (ja) | スペクトルイメージングffr | |
US11744538B2 (en) | System and method for quantifying luminal stenosis using multi-energy computed tomography imaging | |
EP4238500A1 (en) | Measurement of blood flow parameters | |
Rajiah et al. | Dual energy imaging in cardiovascular CT: Current status and impact on radiation, contrast and accuracy | |
Yusrizal et al. | Coronary computed tomographic angiography studies: A brief review in analysis, interpretation, and reporting | |
Ohnesorge et al. | Image visualization and post-processing techniques | |
Ko | CT Evaluation of the Myocardial Blood Supply: Dual-Source Dual-Energy CT | |
Barreto | Application of Dual-Energy Computed Tomography to the Evaluation of Coronary Atherosclerotic Plaque |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |