CN105849778B - 成像中的移动结构运动补偿 - Google Patents
成像中的移动结构运动补偿 Download PDFInfo
- Publication number
- CN105849778B CN105849778B CN201480069731.XA CN201480069731A CN105849778B CN 105849778 B CN105849778 B CN 105849778B CN 201480069731 A CN201480069731 A CN 201480069731A CN 105849778 B CN105849778 B CN 105849778B
- Authority
- CN
- China
- Prior art keywords
- interest
- motion
- image data
- motion vector
- vector field
- 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
- 238000003384 imaging method Methods 0.000 title description 10
- 210000004351 coronary vessel Anatomy 0.000 claims description 10
- 238000005259 measurement Methods 0.000 claims description 10
- 230000011218 segmentation Effects 0.000 claims description 7
- 238000013519 translation Methods 0.000 claims description 4
- 230000000007 visual effect Effects 0.000 claims description 4
- 238000003672 processing method Methods 0.000 claims 10
- 238000000034 method Methods 0.000 abstract description 20
- 238000007689 inspection Methods 0.000 description 10
- 238000009877 rendering Methods 0.000 description 10
- 208000020816 lung neoplasm Diseases 0.000 description 7
- 238000012986 modification Methods 0.000 description 7
- 230000004048 modification Effects 0.000 description 7
- 230000005855 radiation Effects 0.000 description 7
- 238000002591 computed tomography Methods 0.000 description 6
- 241001269238 Data Species 0.000 description 4
- 230000000241 respiratory effect Effects 0.000 description 4
- 230000029058 respiratory gaseous exchange Effects 0.000 description 4
- 210000004072 lung Anatomy 0.000 description 3
- 210000001367 artery Anatomy 0.000 description 2
- 210000004204 blood vessel Anatomy 0.000 description 2
- 238000004091 panning Methods 0.000 description 2
- 238000007670 refining Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 210000003462 vein Anatomy 0.000 description 2
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007850 degeneration Effects 0.000 description 1
- 238000002224 dissection Methods 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 238000002603 single-photon emission computed tomography Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000003325 tomography Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/02—Affine transformations
-
- 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
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/20—Linear translation of whole images or parts thereof, e.g. panning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/215—Motion-based segmentation
-
- 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
- G06T2207/30061—Lung
- G06T2207/30064—Lung nodule
-
- 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
- G06T2211/412—Dynamic
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
一种方法包括操纵经分割的感兴趣结构,所述感兴趣结构从处于感兴趣的参考运动相位的第一经重建图像数据中被分割,所述感兴趣结构被配准到一个或多个其他运动相位处的第二经重建图像数据。所述方法还包括基于所述操纵,更新对应于所述经分割的感兴趣结构与所述第二经重建图像数据的所述配准的初始运动向量场。所述方法还包括利用运动补偿重建算法来重建所述投影数据,所述运动补偿重建算法采用经更新的运动向量场。
Description
技术领域
本发明总体涉及成像,并且更具体地涉及移动结构的运动补偿重建,并且具体描述对计算机断层摄影(CT)的应用。然而,本发明还适用于其他成像模态,例如正电子发射断层摄影(PET)、单光子发射断层摄影(SPECT)、磁共振(MR)和/或其他模态。
背景技术
计算机断层摄影(CT)扫描器一般包括X射线管,其在检查区域地面与探测器阵列相对地被安装在可旋转机架上。可旋转机架以及由此的X射线管围绕检查区域和其中的受检者旋转。X射线管发射穿过检查区域和受检者的辐射。探测器阵列探测穿过检查区域的辐射并且生成指示其的投影数据。
重建投影数据,生成指示被扫描的受检者的体积图像数据。可以处理体积图像数据以生成指示被扫描的受检者的一幅或多幅图像。然而,扫描期间的器官运动(例如心脏、呼吸等)可能将伪影(例如模糊等)引入到投影数据中以及由此引入到经重建体积图像数据和/或所生成的图像中。运动补偿重建可以被用于减少运动伪影。
利用结合心脏扫描的一种方法,针对感兴趣的特定心脏运动相位(例如相对“安静”或“静止”的相位)重建投影数据。在经重建图像数据中识别并分割(一个或多个)冠状血管。还针对一个或多个其他心脏运动相位重建投影数据。将经分割的体积与其他经重建体积图像数据配准,产生其间的变形或运动向量场(MVF)。
然后,利用运动补偿重建来重建投影数据,所述运动补偿重建利用MVF。最终得到的体积图像数据相对于不考虑心脏运动的重建将具有经提高的图像质量。然而,存在配准可能失败的情况。遗憾的是,对于这些情况,与非运动补偿重建相比,运动补偿的经重建的体积图像的图像质量可能被降低。
在本文中所描述的各方面解决以上提到的问题和其他问题。
发明内容
以下描述了一种用于补偿被扫描的移动结构的运动的方法。这包括通过已知的和/或其他方法基于感兴趣的参考运动相位来确定第一运动向量场。然后,所述第一运动向量场被细化以更准确地反映所述被扫描的移动结构的实际运动。在一个实例中,这是通过对来自参考运动相位的经分割的感兴趣组织进行调整来实现的,所述经分割的感兴趣组织与对应于另一运动相位的图像数据配准并且重叠在所述另一运动相位的图像数据上,与对应于所述其他运动相位的所述图像数据中的对应结构对齐。有效性检查可以被用于确保所述调整将不导致将损坏重建的运动向量场。然后,利用运动补偿重建算法来重建投影数据,所述运动补偿重建算法采用经细化的运动向量场。
在一方面中,一种方法包括操纵经分割的感兴趣结构,所述感兴趣结构是从处于感兴趣的参考运动相位的第一经重建图像数据中分割出的,所述经分割的感兴趣结构被配准到处于一个或多个其他运动相位的第二经重建图像数据。所述方法还包括基于所述操纵来更新与经分割的感兴趣结构到所述第二经重建图像数据的配准相对应的初始运动向量场。所述方法还包括利用运动补偿重建算法来重建所述投影数据,所述运动补偿重建算法采用经更新的运动向量场。
在另一方面中,扫描数据处理器包括感兴趣的运动相位重建器,其重建与感兴趣的运动相位相对应的投影数据的子集,生成第一图像数据。所述扫描数据处理器还包括感兴趣组织识别器,其识别所述第一图像数据中的感兴趣组织。所述扫描数据处理器还包括感兴趣体积分割器,其对在所述第一图像数据中识别出的感兴趣组织进行分割。所述扫描数据处理器还包括配准器/运动向量场估计器,其将经分割的感兴趣组织与在一个或多个其他运动相位处重建的第二图像数据配准,从而生成所述经分割的感兴趣组织与在所述一个或多个其他运动相位处重建的所述第二图像数据之间的运动向量场。所述扫描数据处理器还包括运动向量场更新器,其结合所述第二图像数据操纵经配准的经分割的感兴趣组织,并且基于所述操纵更新所述运动向量场。所述扫描数据处理器还包括运动补偿重建器,其利用运动补偿重建算法来重建所述投影数据,所述运动补偿重建算法使用经更新的运动向量场。
在另一方面中,一种计算机可读存储介质被编码有计算机可读指令。当由处理器运行时,所述计算机可读指令使得所述处理器:对配准到图像数据中的冠状动脉的经分割的血管中心线进行调整以更准确地与所述冠状动脉对齐,并且基于所述调整细化对应于所述经分割的血管中心线与所述图像数据之间的所述配准的运动向量场。
本发明可以采取各种部件和各部件的布置以及各种步骤和各步骤的安排的形式。附图仅出于图示优选实施例的目的并且不得被解释为对本发明的限制。
附图说明
图1示意性地图示了具有与成像系统相结合的扫描数据处理器的范例计算系统;
图2示意性地图示了扫描数据处理器的范例;
图3示意性地图示了图2的扫描数据处理器的变型;
图4图示了范例运动补偿重建方法;
图5图示了对处于感兴趣的参考运动相位的心脏的范例体积绘制;
图6图示了分割出血管的中心线的图5的体积绘制的范例;
图7图示了对心脏的范例体积绘制,包括分割出血管的图5的体积绘制,以及经分割的中心线与其被配准并被叠加在其上的处于其他运动相位的体积绘制;
图8图示了对处于另一运动相位的体积绘制中经分割的中心线的范例所提出的调整;
图9图示了针对图8的调整前状态和调整后状态;并且
图10图示了针对图8的调整后状态。
具体实施方式
以下描述了补偿被扫描的移动结构的运动的方法。首先参考图1,示意性地图示了范例成像系统100,例如计算机断层摄影(CT)扫描器。成像系统100包括大体固定的机架102和旋转机架104。旋转机架104由固定机架102可旋转地支撑并且关于纵轴或z轴围绕检查区域106旋转。
辐射源108(例如X射线管)由旋转机架104可旋转地支撑。辐射源108与旋转机架10一起4旋转并且发射横贯检查区域106的辐射。一维或二维辐射敏感探测器阵列110对向一角度弧,在检查区域106对面与辐射源108相对。探测器阵列110包括沿着z轴方向延伸的多行探测器。探测器阵列110探测横贯检查区域106的辐射并且生成指示其的投影数据。
受检者支撑体112(例如榻)支撑检查区域中的对象或受检者。计算系统用作操作员控制台114并且包括诸如监视器的人类可读输出设备和诸如键盘、鼠标等的输入设备。控制台114允许操作员经由图形用户接口(GUI)和/或以其他方式与扫描器100交互。例如,用户可以与操作员控制台114交互以选择心脏、呼吸等协议。重建器118重建投影数据并且生成指示其的体积数据。
受检者运动传感器120感测被设置在检查区域106中的受检者的运动并生成指示其的运动信号。这样的运动可以与心脏、肺或其他移动结构有关。运动信号与扫描同步并且提供反映移动结构的状态(例如来自移动结构的多个不同运动相位的运动相位)的信息。用于解剖移动结构的适合的运动传感器的范例包括但不限于心电图(ECG)、呼气(呼吸)带等。
计算系统122包括至少一个微处理器124和计算机可读存储介质(“存储器”)126。存储器126不包括瞬态介质并且包括物理存储器和/或其他非瞬态存储介质。微处理器124至少运行存储在存储器126中的(一个或多个)扫描数据处理器128指令。微处理器124还可以运行由载波、信号或其他瞬态介质承载的计算机可读指令。计算系统122可以是控制台116的一部分和/或与其分离(如图1所示)。
扫描数据处理器128的(一个或多个)指令至少包括用于至少处理被扫描的移动结构的投影和/或图像数据的(一个或多个)指令。如下文更详细地描述的,这包括生成处于感兴趣的参考运动相位的重建与处于其他运动相位的一个或多个重建之间的运动向量场的初始集合,细化运动向量场的集合以更准确地反映被扫描的移动结构的真实运动,并且采用经细化的运动向量场的集合,以使用运动补偿重建算法来重建相同的体积。
该方法可以促进识别运动向量场的集合并不准确地反映被扫描的移动结构的真实运动的实例,并且允许调节运动向量场的集合以更准确地反映被扫描的结构的真实运动。这可以减轻例如由于利用使用不准确的运动向量场的运动补偿重建算法来重建对应的投影数据而造成的图像质量的退化,同时相对于重建对应的投影数据提高图像质量而不必考虑(即补偿)被扫描的结构的运动。
计算系统122还包括(一个或多个)输出设备130(例如显示监视器、胶片等)和(一个或多个)输入设备132(例如鼠标、键盘等)。(一个或多个)输出设备130可以被用于视觉地显示图像数据,例如在感兴趣的运动相位和/或一个或多个其他运动相位处重建的图像数据。如下文更详细描述的,(一个或多个)输入设备132可以被用于以下中的一项或多项:选择感兴趣的运动相位、选择相邻运动相位、识别感兴趣组织、在感兴趣的运动相位处对感兴趣组织进行分割、将经分割的感兴趣组织与处于相邻运动相位的图像数据配准、物理地操纵(例如平移、旋转、缩放等)经配准的经分割的感兴趣组织等。
图2示意性地图示了扫描数据处理器128的范例。
对扫描数据存储器128分配存储装置202,其存储投影数据和运动信号。投影数据可以来自成像系统100和/或其他成像系统和/或由成像系统100和/或其他成像系统生成。在一个实例中,运动信号可以来自受检者运动传感器120和/或其他受检者运动传感器和/或由受检者运动传感器120和/或其他受检者运动传感器生成。在另一实例中,运动信号来自心脏的平均运动模型并且不因受检者而异。备选地,投影数据和/或运动信号可以来自数据储存库,例如图片归档与通信系统(PACS)、放射信息系统(RIS)、医院信息系统(HIS)等。在变型中,省略存储装置202并且将投影数据和/或运动信号提供给扫描数据处理器128的其他部件。
扫描数据处理器128包括感兴趣的运动相位(MPOI)重建器204。MPOI重建器204重建与感兴趣的特定参考运动相位相对应的投影数据。在该范例中,扫描数据处理器128包括感兴趣的运动相位(MPOI)206,其识别由MPOI重建器204所采用的感兴趣的特定相位。MPOI206可以是默认的、用户偏好的、基于协议的和/或其他感兴趣的运动相位。还可以由用户经由(一个或多个)输入设备132来识别感兴趣的参考运动相位。一般地,感兴趣的参考运动相位是具有比其他运动相位相对较少的运动的运动相位。然而,可以利用任何感兴趣的运动相位。
MPOI重建器204基于运动信号,识别与MPOI 206相对应的投影数据。例如,在MPOI206是“安静”或“静止”(或相对较少运动)的心脏运动相位的情况下,MPOI重建器204可以在基于ECG的运动信号中的“QRS”波群的“R”峰、相邻的“QRS”波群的两个“R”峰之间的“R-R”间隔等的基础上来识别投影数据。例如,投影数据可以是基于“R”峰之后的预定时间(例如0.7秒,假设近似每秒一次心跳的心率)、“R-R”间隔的百分比(例如70%,假设近似每秒一次心跳的心率)等来识别的。本文中预期其他方法。
扫描数据处理器128还包括绘制引擎208。在图示的实施例中,绘制引擎208经由(一个或多个)输出设备130的显示器和/或其他显示器以人类可读的格式视觉地显示处于感兴趣的运动相位的经重建图像数据。可以使用诸如轴向、矢状、冠状、倾斜、曲线、平直、最大强度投影(MIP)、直接体绘制(DVR)的2D和/或3D绘制算法和/或其他2D和/或3D绘制算法来显示处于感兴趣的运动相位的经重建图像数据。
扫描数据处理器128还包括感兴趣组织(TOI)识别器210。TOI识别器210允许用户通过(一个或多个)输入设备132和/或以其他方式从所显示的经重建图像数据中识别感兴趣组织(TOI)。为此,TOI识别器210接收指示由用户识别的感兴趣组织的信号。可以由用户(例如通过徒手绘图等)和/或通过自动化软件工具人工地识别TOI。在后者的情况下,用户可以接受、修改和/或拒绝任何自动选择的TOI。经由(一个或多个)输入设备132,用户可以对所绘制的图像数据进行摇摄、缩放、旋转、取窗口/水平和/或其他操纵,以对TOI进行分割。
绘制引擎208显示叠加在所显示的经重建图像数据上的TOI。同样地,可以使用感兴趣的2D和/或3D绘制算法来显示该数据。
扫描数据处理器128还包括感兴趣体积(VOI)分割器212。VOI分割器212允许用户定义TOI周围的感兴趣体积并且通过(一个或多个)输入设备132和/或以其他方式分割出TOI。为此,VOI分割器212接收指示由用户所选择的要分割的体积的信号。可以由用户(例如通过徒手绘图等)和/或通过自动化分割软件工具来人工地识别VOI。在后者情况下,用户可以接受、修改和/或拒绝分割。经由(一个或多个)输入设备132,用户可以在分割之前、期间和/或之后对所绘制的图像数据进行摇摄、缩放、旋转、取窗口/水平和/或其他操纵。
绘制引擎208显示叠加在所显示的所重建的图像数据之上的经分割的VOI连同所识别的TOI。同样地,可以使用感兴趣的2D和/或3D绘制算法和TOI显示该数据。
扫描数据处理器128还包括(一个或多个)相邻运动相位(NMP)的重建器214。NMP重建器214重建与其他运动相位相对应的投影数据。在该范例中,图像数据处理器128包括相邻运动相位(NMP)216,其识别由NMP重建器214重建的(一个或多个)相邻运动相位。NMP 214可以是默认的、用户偏好的、基于协议的和/或(一个或多个)其他相邻运动相位。可以由用户经由(一个或多个)输入设备132来识别(一个或多个)相邻运动相位。在一个实例中,(一个或多个)相邻运动相位包括MPOI 206的每侧的至少一个相位。然而,可以利用任何其他运动相位。
扫描数据处理器128还包括配准器/运动向量场(MVF)估计器218。配准器/MVF估计器218对经分割的VOI和其他运动相位处的重建进行配准。配准器/MVF估计器218可以采用弹性和/或刚性配准算法。配准包括估计经分割的VOI与其他重建之间的MVF,并且基于MVF,将经分割的VOI传送给其他重建。
绘制引擎208将处于其他运动相位的重建中的至少一个与叠加在其上的经配准的经分割的VOI一起显示。
扫描数据处理器128还包括运动向量场(MVF)更新器220。MVF更新器220允许用户调节所绘制的其他指令中的一个或多个中的经配准的经分割的VOI中的一个或多个。为此,MVF更新器220接收指示位置(例如平移等)、取向(例如旋转等)、路径等的改变的信号。以范例的方式,用户可以经由计算机鼠标点击TOI并且将TOI拖动、旋转等到新位置。在一个实例中,对一个相邻重建中的单个TOI的调节是调节一个或多个其他相邻重建中的一个或多个经分割的VOI或TOI。在又一实例中,对一个相邻重建中的单个TOI的调节仅调节该单个经分割的TOI。一旦完成,则MVF更新器220生成一组经更新的MVF,其更特定于受检者。在本文中还预期自动和/或半自动方法。
扫描数据处理器128还包括运动补偿重建器222。运动补偿重建器222采用运动补偿重建算法来重建投影数据,所述运动补偿重建算法利用经更新的MVF。适合的运动补偿重建算法的范例包括但不限于Grass等人的题为“Method for Movement Compensation ofImage Data”并于2006年12月11日提交的US 20080267455A1(通过引用将其内容整体并入本文)、以及Kohler等人的题为“Motion Compensation”并于2005年2月25日提交的US7630528B2(通过引用将其内容整体并入本文)中所描述的算法。
一般地,MVF更新器220允许用户细化由配准器/MVF估计器218和/或以其他方式所生成的MVF的准确度。如本文所讨论的,这可以允许在相对于原始重建,由配准器/MVF估计器218所生成的较不准确的MVF将相反地降低图像质量的情况下提高图像质量。
在图2中,MPOI重建器206、NMP重建器214和运动补偿重建器222被示为三个分开的重建器。在变型中,可以利用相同的重建器来实现MPOI重建器206、NMP重建器214和运动补偿重建器222中的两个或更多个。而且,可以经由重建器214(图1)来实现MPOI重建器206、NMP重建器214和运动补偿重建器222中的一个或多个。
图3示出了扫描数据处理器122还包括运动向量场(MVF)验证器302的变型。
在该变型中,MVF验证器302确定一组经更新的MVF是否将导致对相邻运动相位的重建中的失真结构超过阈值量。为此,MVF验证器302可以应用在MPOI处的重建与NMP处的相邻重建之间的经更新的MVF之后,采用相似性或其他量度来确定MPOI处的重建与NMP处的相邻重建之间的相似性。然后,可以将测得的相似性与预定阈值进行比较。
MVF验证器320可以经由绘制引擎218和(一个或多个)输出设备130来显示消息、通知、警报等,指示相似性量度是否满足预定阈值。然后,用户可以决定是否进行并采用经更新的MVF、是否创建另一组经更新的MVF、是否仍然采用经更新的MVF等。这可以通过(一个或多个)输入设备132和/或以其他方式来实现。MVF验证器302还可以推荐将满足阈值的调整和/或操纵。
扫描数据处理器128可以结合诸如心脏、呼吸的各种应用和/或移动结构被扫描的其他应用来处理投影数据。例如,在一个非限制性心脏应用中,TOI包括一个或多个冠状动脉的一条或多条中心线。在非限制性呼吸应用中,TOI包括肺中的一个或多个结节。
图4图示了根据本文中公开的实施例的范例方法。
应当意识到,所述方法中的动作的顺序不是限制性的。因此,在本文中预期其他顺序。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402中,获得来自对移动的受检者的扫描的投影数据。
在404中,重建与特定运动相位相对应的投影数据的第一子集,生成针对特定运动相位的第一图像数据。
在406中,在第一图像数据中识别感兴趣组织。
在408中,对感兴趣组织周围的感兴趣体积进行分割。
在410中,重建与相同结构但与一个或多个其他运动相位相对应的投影数据的第二子集,生成针对一个或多个其他运动相位的其他图像数据。
在412中,将经分割的感兴趣体积与针对一个或多个其他运动相位的图像数据配准,生成感兴趣体积与针对一个或多个其他运动相位的其他图像数据之间的运动向量场。
在414中,将针对所述一个或多个其他运动相位中的至少一个的其他图像数据与叠加在其上的经分割的感兴趣体积一起视觉地显示。
在416中,操纵(例如平移、旋转、缩放等)叠加的经分割的感兴趣体积,以进一步将经分割的感兴趣体积与视觉显示的针对一个或多个其他运动相位中的至少一个的其他图像数据中的感兴趣组织的表示对齐。
在418中,更新感兴趣体积与针对一个或多个其他运动相位中的至少一个的其他图像数据之间的运动向量场以反映所述操纵。
在420中,利用运动补偿重建算法重建投影数据,所述运动补偿重建算法使用经更新的运动向量场。
如在本文中讨论的,在动作420之前,可以确定经更新的运动向量场的有效性。例如,这可以通过利用所应用的经更新的运动向量场确定第一图像数据与其他图像数据之间的相似性量度来实现。
图5、图6、图7、图8、图9和图10示出了关于心脏扫描的范例。
图5示出了针对目标或参考心脏运动相位的包括至少一个冠状动脉502的心脏的第一绘制500。
在图6中,对至少一个冠状动脉502的中心线602进行识别和分割。
图7示出了具有经分割的中心线602的第一绘制500以及不同运动相位中的至少一个其他绘制702和704,其中,经分割的中心线602被配准到所述至少一个其他绘制并被叠加在其上。
在该范例中,由于没有中心线602在至少一个冠状动脉502之上,因此绘制702中的经分割的中心线602并未很好地与至少一个冠状动脉502对齐。
在图8中,移动经分割的中心线602,使得其与至少一个冠状动脉502更准确地对齐。
图9示出了图8的经分割的中心线602移动的转变。
图10示出了图8中的移动之后的经分割的中心线602,其中,其与至少一个冠状动脉502更准确地对齐。
基于图8-图10中的对经分割的中心线602的操纵,更新放置图7所示的经分割的中心线602的运动向量场。
现在,使用经更新的运动向量场和运动补偿重建算法来重建投影数据。相对于利用相同的运动补偿重建算法但是使用更新之前(例如,至少自从更新的运动向量场更准确地反映运动相位之间的实际运动)的运动向量场重建的冠状动脉,冠状动脉可以具有经提高的图像质量。
出于解释的目的,图5-图10被描述有仅单个的其他运动相位的改变。然而,应当理解,可以更新针对多个不同运动相位的运动向量场。在一个实例中,这包括通过如在图5-图10中结合单个运动相位所讨论地移动经分割的中心线,并且基于此自动地移动针对一个或多个其他运动相位的经分割的中心线,来更新多个运动向量场。在另一实例中,这包括更新针对两个或更多个运动相位的两个或更多个运动向量场,每个如在图5-图8中所描述的。
还应当意识到,可以以迭代的方式实现该方法,其中,在利用更新的运动向量场的每次重建之后,重复动作404-416。
在另一范例中,感兴趣组织是(一个或多个)肺结节。对于该范例,第一绘制包括针对目标呼吸运动相位的感兴趣的肺结节。能够识别结节,并且可以对肺结节的周边进行确定和分割。将经分割的肺结节与对应于一个或多个其他呼吸运动相位的重建配准。将处于不同呼吸运动相位的至少一个其他绘制与叠加在其上的经配准的经分割的肺结节视觉地显示。
操纵叠加的经分割的肺结节以更准确地反映其在肺中的真实位置。基于操纵,更新两个运动相位之间的运动向量场。然后,使用经更新的运动向量场和运动补偿重建算法来重建投影数据。此外,相对于利用相同的运动补偿重建算法但是使用更新之前的运动向量场所重建的图像数据,最终得到的图像数据可以具有提高图像质量。
以上两个范例(冠状动脉和肺结节)仅是两个非限制性范例。一般而言,以上可以结合对移动结构的任何扫描来应用,以补偿不同运动相位之间的运动。
以上方法可以通过编码或嵌入在计算机可读存储介质上的计算机可读指令的方式实现,其在由(一个或多个)计算机处理器运行时令(一个或多个)处理器执行所描述的动作。额外地或备选地,通过信号、载波或其他瞬态介质承载计算机可读指令中的至少一个。
已参考优选的实施例描述了本发明。他人在阅读并且理解前述详细说明之后可以进行修改和变型。本发明旨在被理解为包括所有这样的修改和变型,只要其落入权利要求或其等价方案的范围之内。
Claims (14)
1.一种处理方法,包括:
操纵经分割的感兴趣组织,所述经分割的感兴趣组织是从处于感兴趣的参考运动相位的第一经重建图像数据中分割出的,所述经分割的感兴趣组织被配准到处于一个或多个其他运动相位的第二经重建图像数据,
基于所述操纵,更新与所述经分割的感兴趣组织到所述第二经重建图像数据的所述配准相对应的初始运动向量场;并且
采用经更新的运动向量场,利用运动补偿重建算法来重建投影数据,
还包括:
在采用所述经更新的运动向量场进行重建之前,验证所述经更新的运动向量场,所述验证包括:
在所述操纵之后计算处于感兴趣的运动相位的第一经重建图像数据与处于所述一个或多个其他运动相位的第二经重建图像数据之间的相似性量度;
将所述相似性量度与预定阈值进行比较;并且
响应于所述相似性量度满足所述预定阈值,验证所述经更新的运动向量。
2.根据权利要求1所述的处理方法,还包括:
将所述经分割的感兴趣组织与处于所述一个或多个其他运动相位的所述第二经重建图像数据配准,从而生成所述初始运动向量场,所述初始运动向量场包括所述经分割的感兴趣组织与所述第二经重建图像数据之间的运动向量场。
3.根据权利要求1所述的处理方法,包括:
将所述第二经重建图像数据与叠加在其上的经配准的经分割的感兴趣组织一起视觉地显示;以及
操纵叠加在所显示的所述第二经重建图像数据上的所述经分割的感兴趣组织。
4.根据权利要求3所述的处理方法,所述操纵包括:
以下中的至少一项:对所述经分割的感兴趣组织的平移、旋转或缩放。
5.根据权利要求1至4中的任一项所述的处理方法,还包括:
接收指示感兴趣的用户操纵的信号;并且
基于所述信号来操纵经配准的经分割的感兴趣组织。
6.根据权利要求1至4中的任一项所述的处理方法,还包括:
从对移动结构的扫描中获得投影数据;
识别与所述感兴趣的参考运动相位相对应的所述投影数据的第一子集;并且
重建所述投影数据的所述子集,从而生成所述第一经重建图像数据。
7.根据权利要求6所述的处理方法,还包括:
识别与所述一个或多个其他运动相位相对应的所述投影数据的第二子集;并且
重建所述投影数据的所述第二子集,生成处于一个或多个其他运动相位的所述第二经重建图像数据。
8.根据权利要求1-4中的任一项所述的处理方法,还包括:
响应于所述相似性量度不满足所述预定阈值,生成并且呈现通知。
9.根据权利要求1至4中的任一项所述的处理方法,其中,所述感兴趣组织是冠状动脉中心线,并且所述经分割的感兴趣组织包括所述冠状动脉和所述中心线周围的区域。
10.一种扫描数据处理器(128),包括:
感兴趣的运动相位重建器(204),其被配置为重建与感兴趣的运动相位相对应的投影数据的子集,生成第一图像数据;
感兴趣组织识别器(210),其被配置为识别所述第一图像数据中的感兴趣组织;
感兴趣体积分割器(212),其被配置为对所述第一图像数据中的识别出的感兴趣组织进行分割;
配准器/运动向量场估计器(218),其被配置为将经分割的感兴趣组织与在一个或多个其他运动相位处重建的第二图像数据配准,从而生成所述经分割的感兴趣组织与在所述一个或多个其他运动相位处重建的所述第二图像数据之间的运动向量场;
运动向量场更新器(220),其被配置为结合所述第二图像数据来操纵经配准的经分割的感兴趣组织,并且基于所述操纵更新所述运动向量场;以及
运动补偿重建器(222),其被配置为利用运动补偿重建算法重建所述投影数据,所述运动补偿重建算法使用经更新的运动向量场,
还包括:
运动向量场验证器(302),其被配置为通过以下来验证所述经更新的运动向量场:在所述操纵之后计算处于所述感兴趣的运动相位的第一图像数据与处于所述一个或多个其他运动相位的第二图像数据之间的相似性量度、将所述相似性量度与预定阈值进行比较、并且响应于所述相似性量度满足所述预定阈值,验证所述经更新的运动向量。
11.根据权利要求10所述的扫描数据处理器,还包括:
绘制引擎(208)和显示器(130),其中,所述绘制引擎被配置为将所述第二图像数据与叠加在其上的所述经配准的经分割的感兴趣组织一起视觉地显示,并且所述运动向量场更新器被配置为操纵视觉显示的叠加的经配准的经分割的感兴趣组织。
12.根据权利要求11所述的扫描数据处理器,其中,所述运动向量场更新器被配置为通过以下中的至少一项来操纵所述视觉显示的叠加的经配准的经分割的感兴趣组织:对所述经分割的感兴趣组织进行平移、旋转或缩放。
13.根据权利要求11至12中的任一项所述的扫描数据处理器,其中,所述运动向量场更新器被配置为基于指示感兴趣的用户操纵的信号来操纵所述视觉显示的叠加的经配准的经分割的感兴趣组织。
14.一种编码有一个或多个计算机可执行指令的计算机可读存储介质,在由计算系统的处理器运行时,所述一个或多个计算机可执行指令使得所述处理器执行根据权利要求1-9中任意一项所述的处理方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201361918869P | 2013-12-20 | 2013-12-20 | |
US61/918,869 | 2013-12-20 | ||
PCT/IB2014/066723 WO2015092612A1 (en) | 2013-12-20 | 2014-12-09 | Moving structure motion compensation in imaging |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105849778A CN105849778A (zh) | 2016-08-10 |
CN105849778B true CN105849778B (zh) | 2019-05-17 |
Family
ID=52396757
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201480069731.XA Active CN105849778B (zh) | 2013-12-20 | 2014-12-09 | 成像中的移动结构运动补偿 |
Country Status (4)
Country | Link |
---|---|
US (1) | US10657621B2 (zh) |
EP (1) | EP3084726B1 (zh) |
CN (1) | CN105849778B (zh) |
WO (1) | WO2015092612A1 (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9931095B2 (en) | 2016-03-30 | 2018-04-03 | General Electric Company | Method for segmenting small features in an image volume |
EP3500171B1 (en) | 2016-08-22 | 2020-06-03 | Koninklijke Philips N.V. | Model regularized motion compensated medical image reconstruction |
CN109716394A (zh) * | 2016-09-16 | 2019-05-03 | 皇家飞利浦有限公司 | 用于螺旋计算机断层摄影的运动补偿的重建 |
DE102018204093A1 (de) * | 2018-03-16 | 2019-09-19 | Siemens Healthcare Gmbh | Verfahren zur Bewegungskorrektur von spektralen Computertomographiedaten, sowie ein energiesensitives Computertomographiegerät |
US10950016B2 (en) * | 2018-06-11 | 2021-03-16 | Shanghai United Imaging Healthcare Co., Ltd. | Systems and methods for reconstructing cardiac images |
CN110570362B (zh) * | 2019-08-02 | 2023-02-28 | 佛山科学技术学院 | 一种虹膜血管成像方法及装置 |
CN111951346B (zh) * | 2020-08-18 | 2023-06-23 | 安徽工程大学 | 一种联合运动估计与时空张量增强表示的4d-cbct重建方法 |
CN112489046B (zh) * | 2020-12-25 | 2023-01-31 | 上海深博医疗器械有限公司 | 柔性扫描图像的ai辅助测量体积补偿方法及装置 |
Family Cites Families (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4579971B2 (ja) | 2004-03-02 | 2010-11-10 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | 動き補償方法および装置 |
CN101317194A (zh) | 2005-08-17 | 2008-12-03 | 皇家飞利浦电子股份有限公司 | 用于自动4d冠脉建模和运动矢量场估计的方法和设备 |
WO2007072286A2 (en) | 2005-12-20 | 2007-06-28 | Philips Intellectual Property & Standards Gmbh | Method for movement compensation of image data |
EP2126842B1 (en) | 2007-01-08 | 2013-12-25 | Koninklijke Philips N.V. | Motion determination system for determining the motion of a periodically moving object. |
US8428316B2 (en) | 2007-12-03 | 2013-04-23 | Siemens Aktiengesellschaft | Coronary reconstruction from rotational X-ray projection sequence |
EP2224851B1 (en) * | 2007-12-19 | 2018-06-27 | Koninklijke Philips N.V. | Correction for un-voluntary respiratory motion in cardiac ct |
EP2399238B1 (en) * | 2009-02-17 | 2015-06-17 | Koninklijke Philips N.V. | Functional imaging |
US8428319B2 (en) | 2009-04-24 | 2013-04-23 | Siemens Aktiengesellschaft | Automatic measurement of morphometric and motion parameters of the coronary tree from a rotational X-ray sequence |
US8224056B2 (en) | 2009-12-15 | 2012-07-17 | General Electronic Company | Method for computed tomography motion estimation and compensation |
BR112012014173A2 (pt) * | 2009-12-15 | 2016-05-17 | Koninkl Philips Electronics Nv | método e compensador de dados |
JP2011161220A (ja) * | 2010-01-14 | 2011-08-25 | Toshiba Corp | 画像処理装置、x線コンピュータ断層撮像装置及び画像処理プログラム |
EP2490448A1 (de) * | 2011-02-18 | 2012-08-22 | Siemens Aktiengesellschaft | Kodierverfahren und Bildkodiervorrichtung zur Kompression einer Bildsequenz |
CN103402453B (zh) * | 2011-03-03 | 2016-11-16 | 皇家飞利浦有限公司 | 用于导航系统的自动初始化和配准的系统和方法 |
DE102011083646A1 (de) * | 2011-09-28 | 2013-03-28 | Siemens Aktiengesellschaft | Verfahren, Rechensystem und CT-System zur Bestimmung eines Bewegungsfeldes und zur Erzeugung eines bewegungskompensierten CT-Bilddatensatzes eines sich teilweise bewegenden Objektes |
US8849005B2 (en) | 2011-09-28 | 2014-09-30 | Siemens Aktiengesellschaft | Coronary artery motion modeling |
WO2013121312A1 (en) | 2012-02-14 | 2013-08-22 | Koninklijke Philips N.V. | Image resolution enhancement |
US9129417B2 (en) | 2012-02-21 | 2015-09-08 | Siemens Aktiengesellschaft | Method and system for coronary artery centerline extraction |
-
2014
- 2014-12-09 EP EP14830612.9A patent/EP3084726B1/en active Active
- 2014-12-09 CN CN201480069731.XA patent/CN105849778B/zh active Active
- 2014-12-09 US US15/104,546 patent/US10657621B2/en active Active
- 2014-12-09 WO PCT/IB2014/066723 patent/WO2015092612A1/en active Application Filing
Also Published As
Publication number | Publication date |
---|---|
EP3084726A1 (en) | 2016-10-26 |
US10657621B2 (en) | 2020-05-19 |
WO2015092612A1 (en) | 2015-06-25 |
EP3084726B1 (en) | 2018-02-21 |
CN105849778A (zh) | 2016-08-10 |
US20160321821A1 (en) | 2016-11-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105849778B (zh) | 成像中的移动结构运动补偿 | |
CN109035355B (zh) | 用于pet图像重建的系统和方法 | |
CN109009200B (zh) | 用于正电子发射断层成像图像重建的系统和方法 | |
US9754390B2 (en) | Reconstruction of time-varying data | |
US9576391B2 (en) | Tomography apparatus and method of reconstructing a tomography image by the tomography apparatus | |
US10045754B2 (en) | Three dimensional (3D) pre-scan based volumetric image data processing | |
EP3264985B1 (en) | Tomography imaging apparatus and method of reconstructing tomography image | |
US10937209B2 (en) | Tomography imaging apparatus and method of reconstructing tomography image | |
US10032293B2 (en) | Computed tomography (CT) apparatus and method of reconstructing CT image | |
US9675311B2 (en) | Follow up image acquisition planning and/or post processing | |
US10052078B2 (en) | Segmentation of moving structure in image data | |
US10430947B2 (en) | Correspondence probability map driven visualization | |
US20230045406A1 (en) | System and method for hybrid imaging | |
WO2024067629A1 (en) | Methods, systems, and mediums for scanning | |
CN116704068A (zh) | 一种用于双源ct设备的图像校正方法、成像方法和系统 |
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 |