CN106415659B - 成像处理方法和计算系统 - Google Patents

成像处理方法和计算系统 Download PDF

Info

Publication number
CN106415659B
CN106415659B CN201580025590.6A CN201580025590A CN106415659B CN 106415659 B CN106415659 B CN 106415659B CN 201580025590 A CN201580025590 A CN 201580025590A CN 106415659 B CN106415659 B CN 106415659B
Authority
CN
China
Prior art keywords
vesselness
value
voxel
image data
hypo
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
Application number
CN201580025590.6A
Other languages
English (en)
Other versions
CN106415659A (zh
Inventor
R·维姆科
T·克林德
T·比洛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Koninklijke Philips NV
Original Assignee
Koninklijke Philips NV
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Koninklijke Philips NV filed Critical Koninklijke Philips NV
Publication of CN106415659A publication Critical patent/CN106415659A/zh
Application granted granted Critical
Publication of CN106415659B publication Critical patent/CN106415659B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T15/00—3D [Three Dimensional] image rendering
    • G06T15/06—Ray-tracing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T15/00—3D [Three Dimensional] image rendering
    • G06T15/08—Volume rendering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00—Manipulating 3D models or images for computer graphics
    • G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/40—Analysis of texture
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/42—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation
    • G06V10/421—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation by analysing segments intersecting the pattern
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
    • H04N1/46—Colour picture communication systems
    • H04N1/50—Picture reproducers
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
    • H04N1/46—Colour picture communication systems
    • H04N1/56—Processing of colour picture signals
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
    • H04N1/46—Colour picture communication systems
    • H04N1/56—Processing of colour picture signals
    • H04N1/60—Colour correction or control
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N13/00—Stereoscopic video systems; Multi-view video systems; Details thereof
    • 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
    • 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
    • G06T2207/30—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
    • G06T2210/00—Indexing scheme for image generation or computer graphics
    • G06T2210/41—Medical
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2219/00—Indexing scheme for manipulating 3D models or images for computer graphics
    • G06T2219/20—Indexing scheme for editing of 3D models
    • G06T2219/2008—Assembling, disassembling

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Computer Graphics (AREA)
  • Medical Informatics (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • General Health & Medical Sciences (AREA)
  • Signal Processing (AREA)
  • Quality & Reliability (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Computer Hardware Design (AREA)
  • Architecture (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Image Generation (AREA)

Abstract

一种方法包括获得具有多个体素的对比增强图像数据，每个体素具有强度值。所述方法还包括确定针对每个体素的血管性值。所述方法还包括确定针对每个体素的低密度值。所述方法还包括通过对应的血管性值对所述强度值中的每个进行加权。所述方法还包括通过所述对应的血管性值对所述低密度值中的每个进行加权。所述方法还包括将经加权的强度值和经加权的低密度值进行组合，从而生成复合图像数据。所述方法还包括视觉地显示所述复合图像数据。

Description

成像处理方法和计算系统
技术领域
本发明总体涉及对图像数据进行可视化，并且具体涉及对比增强图像数据中的感兴趣组织的可视化，并且将针对计算机断层摄影(CT)的具体应用加以描述。下文还适用于磁共振(MR)、超声(US)和/或具有对比增强成像能力的其他三维(3D)成像模态。
背景技术
计算机断层摄影(CT)扫描器包括X射线管，所述X射线管发射穿过检查区域以及其中的对象的部分的辐射。探测器探测穿过检查区域的辐射并生成指示所探测到的辐射的投影数据。重建器重建投影数据并生成指示检查区域中的对象的部分的体积图像数据。所述体积图像数据能够被处理以生成检查区域中的对象的部分的一幅或多幅图像。
利用对比增强扫描，这样的图像已经被视觉地检查以检测肺栓塞，例如针对具有胸痛的患者。肺栓塞的存在会有生命威胁，但是所检测到的肺栓塞能够利用药物来消除。肺栓塞显示为正常对比剂填充肺动脉中的低密度区。然而，针对肺栓塞的视觉搜索是图像阅读者针对其检查图像中的全部图像的乏味的任务。肺栓塞位置的低密度相比于血管与周围肺实质之间的对比是相对细微的。这样一来，肺栓塞可能被忽视。
图像数据绘制技术包括最大强度投影(MIP)、最小强度投影(mIP)以及HU密度的血管增强投影。遗憾地是，这些技术并不非常适用于检测肺栓塞。例如，利用MIP，肺栓塞相比于周围脉管空间具有较低的亨氏单位(HU)(或者CT值)。在图1和图2中示出了范例。图1示出了具有以方框104为边界的感兴趣体积(VOI)的2D切片102。图2示出了方框104中的强度的标准MIP 202。如所示出的，脉管和非脉管交叠，阻挡彼此。
利用MIP，肺栓塞可能不显现，因为其具有比正常血管更低的密度。利用mIP，肺栓塞可能不显现，因为尽管其具有比正常血管更低的密度，但是其具有比周围薄壁组织或纵膈组织更高的HU。利用HU密度的血管增强投影，肺栓塞可能不显现，因为HU密度取决于对比剂分布、血管直径等而在肺血管树上变化，并且低密度位置可能被其他周围血管阻挡。因此这些方法也产生在检测肺栓塞中不是非常有用的绘制。鉴于至少以上问题，存在对用于将图像数据可视化例如以用于肺栓塞检查和检测的其他方法的未解决的需求。
发明内容
在本文中描述的各方面解决了上述问题和其他问题。
下文描述了一种用于生成绘制的图像处理方法，所述绘制突出显示对比增强体积图像数据中的肺栓塞的疑似存在和位置。在一个实例中，由血管过滤器和低密度过滤器的组合来实现增强。血管过滤器和低密度过滤器的结果能够通过绘制分立地和/或通过组合的绘制来可视化。绘制中的一个或多个能够被显示在图形用户接口(GUI)中并且便于从肺栓塞增强绘制到对应2D切片中的肺栓塞的位置的有效导航。
在一个方面中，一种方法，包括获得具有多个体素的对比增强图像数据，每个体素具有强度值。所述方法还包括确定针对每个体素的血管性(vesselness)值。所述方法还包括确定针对每个体素的低密度值。所述方法还包括通过对应的血管性值对所述强度值中的每个进行加权。所述方法还包括通过对应的血管性值对所述低密度值中的每个进行加权。所述方法还包括将经加权的强度值和经加权的低密度值进行组合，从而生成复合图像数据。所述方法还包括并且视觉地显示所述复合图像数据。
在另一方面中，一种计算系统，包括处理器和存储器。所述存储器包括具有计算机可读指令的图像数据处理器模块。所述处理器响应于运行所述图像数据处理器模块的所述计算机可读指令而：获得包括具有强度值的体素的对比增强图像数据；确定针对每个体素的血管性值；确定针对每个体素的低密度值；通过对应的血管性值对所述强度值中的每个进行加权；通过所对应的血管性值对所述低密度值中的每个进行加权；将经加权的强度值和经加权的低密度值进行组合；生成复合图像数据；并且视觉地显示所述复合图像。
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。所述计算机可读指令当由处理器运行时，令所述处理器：确定针对图像数据中的每个体素的血管性值；确定针对所述体素中的每个体素的低密度值；由血管性值对所述图像数据进行加权，从而生成经血管性加权的图像数据；由所述血管性值对所述低密度进行加权，从而生成经血管性加权的低密度；将经血管性加权的成像的数据与经血管性加权的低密度进行组合，从而生成组合的数据；并且视觉地显示组合的数据。
附图说明
本发明可以采取各种部件和部件布置以及各种步骤和步骤安排的形式。附图仅是为了图示优选实施例的目的，而不应被解释为对本发明的限制。
图1示出了来自对比增强扫描的轴向切片以及感兴趣边界框的体积。
图2示出了对应于图1的感兴趣边界框的体积中的图像数据的现有技术MIP绘制。
图3示意性图示了具有与成像系统连接的图像数据处理模块的范例计算系统。
图4示意性图示了包括血管过滤器和低密度过滤器的图像数据处理的范例。
图5示意性图示了血管过滤器的范例。
图6示意性图示了低密度过滤器的范例。
图7图示了血管性加权的强度图像。
图8图示了血管性加权的低密度图像。
图9图示了通过组合图7和图8的图像而生成的复合图像。
图10图示了对应于图9的复合图像中的选定位置的2D切片。
图11图示了另一血管性加权的强度图像。
图12图示了另一血管性加权的低密度图像。
他13图示了通过组合图11和图12的图像而生成的复合图像。
图14图示了对应于图13的复合图像中的选定位置的2D切片。
图15图示了用于将感兴趣组织可视化的方法。
具体实施方式
首先参考图3，示意性图示了范例成像系统300，诸如计算机断层摄影(CT)扫描器。成像系统300包括大致固定机架302和旋转机架304。旋转机架304由固定机架302可旋转地支撑，并且关于纵轴或z轴围绕检查区域306旋转。诸如卧榻的对象支撑体308例如在扫描之前、扫描期间和/或扫描之后在检查区域306中支撑对象。
诸如X射线管的辐射源310由旋转支架304可旋转地支撑。辐射源310随旋转支架304旋转并且发射穿过检查区域306的辐射。一维或二维辐射敏感探测器阵列312跨检查区域306对着辐射源310成一角度弧。探测器阵列312包括沿着z轴方向延伸的多排探测器。探测器阵列312探测穿过检查区域306的辐射并且生成指示其的投影数据。
计算系统充当操作者控制台314，并且包括诸如监视器的人可读输出设备以及诸如键盘、鼠标等的输入设备。控制台314允许操作者经由图形用户接口(GUI)和/或以其他方式与扫描器300交互。例如，用户能够采用操作者控制台314的输入设备来选择对比增强和/或其他成像协议。重建器316重建投影数据并生成指示其的体积数据。
计算系统318包括处理器320(例如，中央处理单元(cpu)、微处理器(μcpu)、图形处理单元(GPU)等)和计算机可读存储介质(“存储器”)322。存储器322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。存储器322包括图像数据处理器模块324，其包括图像处理指令。处理器320运行图像数据处理器模块324的计算机指令。计算系统318能够是操作者控制台314的部分和/或与操作者控制台314分离(如在图3中所示)。
图像数据处理器模块324包括图像处理指令，所述图像处理指令当由处理器320运行时，令处理器生成一个或多个绘制，所述一个或多个绘制突出显示对比增强体积图像数据中的感兴趣组织(诸如肺栓塞)的疑似存在和位置。如下文更详细描述的，这包括将过滤器应用到体积图像数据并且独立地显示所得到的绘制和/或作为组合的绘制。所述绘制视觉地强调感兴趣组织，并且关于肺栓塞，减轻MIP、mIP和血管增强的以上缺点。
计算系统318还包括(一个或多个)输出设备328(诸如显示监视器、影片器等)和(一个或多个)输入设备330(诸如鼠标、键盘等)。(一个或多个)输出设备328能够被用于视觉地显示图像数据，诸如重建的图像数据、在其上生成的切片、和/或绘制中的一个或多个。(一个或多个)输入设备330能够被用于：选择如下中的一个或多个：经重建的图像数据、在其上生成的切片、和/或绘制中的一个或多个，以显示在(一个或多个)输出设备328的显示监视器中；选择所显示的绘制中的一个或多个的区域以导航到体积图像数据中的对应切片等。
绘制中的一个或多个能够被显示在操作者控制台314的图形用户接口(GUI)中。这样的显示可以促进从肺栓塞增强绘制到体积图像数据的标准2D切片中的对应感兴趣位置的有效导航，以用于标准视觉评估。一个或多个绘制能够被存储在数据存储库332中，所述数据存储库诸如是影像归档和通信系统(PACS)、放射学信息系统(RIS)、医院信息系统(HIS)、电子医学记录(EMR)服务器、数据库和/或其他数据存储库。
图4示意性图示了图像数据处理器模块324的范例。
图像数据处理器模块324接收体积图像数据I(x)作为输入，所述体积图像数据例如包括以亨氏单位(HU)为单位的强度。体积图像数据I(x)能够从以下获得：成像系统300、另一成像系统、数据存储库332和/或另一数据存储库。
图像数据处理器模块324包括血管过滤器402。血管过滤器402独立地处理体积图像数据I(x)的每个体素。血管过滤器402针对每个体素基于体积图像数据I(x)产生3D等表面和标量血管性特征向量V(x)。
简要转到图5，示意性示出了血管过滤器402的范例。
血管过滤器402的范例包括血管过滤器(VF)射线投射器(caster)502、(一个或多个)强度阈值504、径向结构张量(RST)计算器506、血管性确定器508以及血管性选择器510。在一个实例中，强度阈值504包括预定强度阈值的集合。在另一实例中，强度阈值504包括基础强度阈值以及增量值或减量值。
VF射线投射器502针对I(x)的体素通过邻近体素在三维中从体素的中心区域将各向同性射线投射出去。VF射线投射器502在射线正从体素被投射时将射线的在其穿过的每个体素处的强度与(一个或多个)阈值504的阈值T进行比较。VF射线投射器502响应于穿过体素的射线的强度落在(一个或多个)阈值504的第一阈值T之下而停止在所述体素处的射线。否则，VF射线投射器502继续将射线投射到下一邻近体素。
VF射线投射器502针对从体素投射的射线的全部或子集、针对体积图像数据I(x)中的体素的全部或子集、针对(一个或多个)阈值504的全部或子集来执行以上操作。这可以包括开始于(一个或多个)阈值504中的最大者，并且在下一迭代中使用下一最低(或者缩减)阈值。应当理解，该顺序不是限制性的，并且能够利用任何顺序，包括并行处理(一个或多个)阈值504中的全部或子集。针对每个T，射线形成等表面S(T)。
RST计算器506针对等表面S(T)中的每个来计算径向结构张量(RST)。RafaelWiemker等人在IEEE Transactions on Visualization and Computer Graphics，第19卷，2013上的“A Radial Structure Tensor and Its Use for Shape-Encoding MedicalVisualization of Tubular and Nodular Structures”一文中描述了计算RST的范例。
血管性确定器508在一个实例中如在等式1中所示地确定血管性：
等式1：
vT(x)＝e1·c，
其中，e1·是RST的第二最强的本征值(即，绝对幅度的第二最大者)，并且c是中心性(centricity)。中心性能够如在等式2中所示地计算：
等式2：
c＝MAX{0,1-σr/μr}，
其中，μr是平均射线半径，并且σr是射线半径的标准差。
血管滤波器402的范例还包括血管性选择器510。针对每个体素并且针对等表面S(T)的全部或子集，血管性选择器510识别具有最大值的血管性VT并且选择最大值作为针对在位置x处的体素的血管性V(x)。血管过滤器402输出针对所有位置x的血管性V(x)的向量(或者过滤器响应体积)。
返回图4，图像数据处理器模块324包括低密度过滤器404。低密度过滤器404独立地处理体积图像数据I(x)的每个体素，结合对应于其的等表面。低密度过滤器404针对每个体素基于体积图像数据I(x)和产生vT的最大值的等表面S(T)来产生标量低密度特征向量H(x)。
简要转到图6，示意性图示了低密度过滤器404的范例。
低密度过滤器404的范例包括射线投射器602、(一个或多个)强度阈值604、平均强度确定器606、以及低密度累积器608。在图示的实施例中，(一个或多个)强度阈值604包括(一个或多个)强度阈值504。在变型中，(一个或多个)强度阈值604包括至少一个不同的阈值。
低密度过滤器(HDF)射线投射器602在产生的vT的最大值的等表面S(T)内在三维中将各向同性射线投射出去。类似于VF射线投射器502，HDF射线投射器602在射线的强度下降到(一个或多个)阈值604的阈值T之下时停止射线。HDF射线投射器602针对产生vT的最大值的等表面S(T)的全部或子集重复该操作。
在HDF射线投射器602针对(一个或多个)阈值604的阈值T中的全部投射射线时，平均强度确定器606计算移动平均μI。低密度累积器608针对每个新的强度样本I(x’)累积低密度H(x)。在一个实例中，低密度累积器608累积如在等式3中所示的低密度H(x)：
等式3:
H(x)+＝sup{0,I(x’)-μI}。
返回图4，图像数据处理器模块324还包括组合器406。数据组合器406接收I(x)、V(x)和H(x)作为输入。数据组合器406包括第一MIP1确定器408和第二MIP2确定器410。第一MIP1确定器408确定如在等式4中所示的第一MIP1：
等式4：
MIP1＝V(x)·I(x)，
其中，MIP1表示由局部血管性加权的标准局部强度。第二MIP2确定器410确定如在等式5中所示的第二MIP2：
等式5：
MIP2＝V(x)·H(x)。
其中，MIP2表示由局部血管性加权的局部低密度。
图像数据处理器模块324还包括绘制引擎412。绘制引擎412接收至少MIP1和MIP2作为输入。绘制引擎412经由(一个或多个)输出设备328绘制两个独立MIP(MIP1和MIP2)。绘制引擎412还例如线性地或非线性地组合两个MIP，并且生成复合绘制。所述组合利用对低密度的位置的颜色编码示出了脉管系统内的空间取向。在变型中，绘制引擎412还接收并且绘制V(x)或H(x)中的至少一个。
绘制引擎412响应于从(一个或多个)输入设备330接收到指示所绘制的绘制(即，MIP1、MIP2或组合)的用户选定区域的信号，确定对该绘制视图射线贡献最高强度的3D位置。可以由选择绘制确定中的区域的用户经由鼠标、触摸屏和/或以其他方式调用所述信号。绘制引擎412然后将图形指示(例如，标线或其他指示)叠加在体积绘制上，视觉地识别选定的区域。绘制引擎412还绘制对应于所确定的3D位置的2D切片。绘制引擎412将图形指示(例如，标线或其他指示)叠加在2D切片上。
用户能够观察和/或操控绘制中的任意绘制。针对肺栓塞分析，这可以包括判定肺栓塞是否存在。血管过滤器402能够被利用(例如，具有倒转的符号)以增强气道，而不是血管。增强的气道能够被叠加在MIP绘制上(例如，利用不同的颜色)。这允许针对用户的隐式取向，因为动脉被已知为平行于气道延伸(与静脉不同)。
图7和图8示出了MIP1的范例，并且图9和图10示出了MIP2的范例。图11和图12示出了复合绘制的范例，其中，图11是图7和图9和复合，并且图12是图10和图11的复合。
在图示的实施例中，在复合的绘制(图11和图12)中，血管性加权的强度值(图7和图8)和血管性加权的低密度值(图9和图10)两者采取灰度。在变型中，血管性加权的强度值和血管性加权的低密度值中的至少一个是以颜色绘制的，其还可以在低密度与血管之间进行视觉地区分。
图13和图14示出了对应于图11和图12的复合图像中的选定位置的2D图像。
图15图示了用于基于图像数据生成和显示体积绘制的方法。
应认识到，以下动作的顺序仅仅是出于解释目的，而不是限制性的。这样，本文也预期了其他顺序。此外，动作中的一个或多个可以被省略和/或一个或多个其他动作可以被包括。
在1502处，获得对比增强图像数据。所述图像数据的体素是强度值。
在1504处，确定针对所获得的对比增强图像数据的每个体素的血管性值。
在1506处，确定针对所获得的对比增强图像数据的每个体素的低密度值。
在1508处，利用血管性值对强度值进行加权，从而生成血管性加权的强度值。
在1510处，利用血管性值对低密度值进行加权，从而生成血管性加权的低密度值。
在1512处，组合血管性加权的强度值和血管性加权的低密度值，从而生成复合图像数据。
在1514处，视觉地显示复合图像数据。
以上方法可以通过被编码或录入在计算机可读存储介质上的计算机可读指令来实施，所述计算机可读指令当由(一个或多个)计算机处理器运行时，令所述(一个或多个)处理器执行所描述的动作。额外地或者备选地，所述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所承载。
已经参考优选实施例描述了本发明。他人在阅读并理解了先前详细描述之后能够实现修改和变化。本发明旨在被解释为包括所有这些修改和变化，只要其落入权利要求或其等价方案的范围内。

Claims (20)

1.一种成像处理方法，包括：
获得具有多个体素的对比增强体积图像数据，每个体素具有强度值；
使用至少一个预定强度阈值来形成围绕每个体素的至少一个等表面；
使用每个等表面的径向结构张量的第二最强本征值与所述等表面的中心性的乘积来确定针对每个体素的血管性值，其中，所述中心性基于平均射线半径和射线半径的标准差；
基于所述至少一个预定强度阈值、所述体积图像数据以及围绕每个体素的产生了最大血管性值的至少一个等表面来确定针对所述体素的低密度值；
通过对应的血管性值对所述强度值中的每个强度值进行加权；
通过所述对应的血管性值对所述低密度值中的每个低密度值进行加权；
为了突出显示栓塞的疑似存在和位置而将经加权的强度值和经加权的低密度值进行组合，从而生成复合图像数据；并且
视觉地显示所述复合图像数据。
2.根据权利要求1所述的方法，还包括：
通过将所述强度值中的每个强度值乘以所述对应的血管性值来对所述强度值中的每个强度值进行加权。
3.根据权利要求1或2所述的方法，还包括：
通过将所述低密度值中的每个低密度值乘以所述对应的血管性值来对所述低密度值中的每个低密度值进行加权。
4.根据权利要求1或2所述的方法，还包括：
通过将所述经加权的低密度值叠加在所述经加权的强度值上来生成所述复合图像。
5.根据权利要求4所述的方法，还包括：
使用灰度来绘制所述经加权的强度值；并且
使用颜色来绘制所述经加权的低密度值。
6.根据权利要求1或2所述的方法，确定针对体素的血管性值包括：
在三维中将射线从所述体素的中心区域向外投射到邻近体素中；
将在每条射线穿过邻近体素时的每条射线的强度值与第一预定强度阈值进行比较；
仅响应于所述射线的所述强度值低于所述第一预定强度阈值而停止射线的所述投射，其中，所述射线合计形成第一等表面；并且
针对至少一个第二预定强度阈值来重复所述投射、所述比较和所述停止，以形成至少一个第二等表面。
7.根据权利要求6所述的方法，确定针对所述体素的所述血管性值还包括：
基于所述第一等表面来确定第一径向结构张量；
基于所述第一径向结构张量来确定第一血管性；
基于所述至少一个第二等表面来确定第二径向结构张量；并且
基于所述第二径向结构张量来确定第二血管性。
8.根据权利要求7所述的方法，其中，通过将所述第一等表面的所述第一径向结构张量的第二最强本征值乘以所述第一等表面的第一中心性来确定所述第一血管性，并且其中，通过将所述至少一个第二等表面的所述第二径向结构张量的第二最强本征值乘以所述至少一个第二等表面的第二中心性来确定所述第二血管性。
9.根据权利要求8所述的方法，确定针对所述体素的所述血管性值还包括：
从所述第一血管性和所述第二血管性选择具有最大值的血管性作为针对所述体素的所述血管性。
10.根据权利要求9所述的方法，确定针对所述体素的低密度值还包括：
在三维中将射线从对应于所选择的血管性的所述等表面投射到邻近体素中；
将在每条射线穿过邻近体素时的每条射线的强度值与所述第一预定强度阈值进行比较；
响应于所述射线的所述强度值低于所述第一预定强度阈值而停止射线的所述投射，
根据所述强度值计算移动平均；并且
基于体素强度和所述移动平均来计算低密度值。
11.根据权利要求10所述的方法，确定针对所述体素的所述低密度值还包括：
通过从所述体素强度减去所述移动平均来计算所述低密度值。
12.根据权利要求10或11所述的方法，确定针对所述体素的所述低密度值还包括：
在三维中将射线从对应于所选择的血管性的所述等表面向外投射到邻近体素中；
将在每条射线穿过所述邻近体素时的每条射线的强度值与所述至少一个第二预定强度阈值进行比较；
响应于所述射线的所述强度值低于所述至少一个第二预定强度阈值而停止射线的所述投射，
根据所述强度值更新所述移动平均；并且
基于所述体素强度和经更新的移动平均来计算所述低密度值。
13.根据权利要求1或2所述的方法，还包括：
接收指示在所显示的复合图像数据中的区域的输入；
根据所述所显示的复合图像数据来识别对应于所述区域的2D图像；并且
显示所述2D图像。
14.一种计算系统，包括：
处理器；以及
存储器，其包括具有计算机可读指令的图像数据处理器模块，其中，所述处理器响应于运行所述图像数据处理器模块的所述计算机可读指令而：
获得具有多个体素的对比增强体积图像数据，每个体素具有强度值；
使用至少一个预定强度阈值来形成围绕每个体素的至少一个等表面；
使用每个等表面的径向结构张量的第二最强本征值与所述等表面的中心性的乘积来确定针对每个体素的血管性值，其中，所述中心性基于平均射线半径和射线半径的标准差；
基于所述至少一个预定强度阈值、所述体积图像数据以及围绕每个体素的产生了最大血管性值的至少一个等表面来确定针对所述体素的低密度值；
通过对应的血管性值对所述强度值中的每个强度值进行加权；
通过所述对应的血管性值对所述低密度值中的每个低密度值进行加权；
为了突出显示栓塞的疑似存在和位置而将经加权的强度值和经加权的低密度值进行组合，从而生成复合图像数据；并且
视觉地显示所述复合图像数据。
15.根据权利要求14所述的计算系统，其中，所述处理器响应于运行所述图像数据处理器模块的所述计算机可读指令，还：
在三维中将射线从体素的中心区域向外投射到邻近体素中；
将在每条射线穿过邻近体素时的每条射线的强度值与第一预定强度阈值进行比较；
响应于所述射线的所述强度值低于所述第一预定强度阈值而停止射线的所述投射，其中，所述射线合计形成第一等表面；并且
针对至少一个第二预定强度阈值来重复所述投射、所述比较和所述停止，以形成至少一个第二等表面。
16.根据权利要求14所述的计算系统，其中，所述处理器响应于运行所述图像数据处理器模块的所述计算机可读指令，还：
在三维中将射线从体素的中心区域向外投射到邻近体素中；
将在每条射线穿过邻近体素时的每条射线的强度值与第一预定强度阈值进行比较；
响应于所述射线的所述强度值低于所述第一预定强度阈值而停止射线的所述投射，其中，所述射线合计形成第一等表面；
针对至少一个第二预定强度阈值来重复所述投射、所述比较和所述停止，以形成至少一个第二等表面；
基于所述第一等表面来确定第一径向结构张量；
基于所述第一径向结构张量来确定第一血管性；
基于所述至少一个第二等表面来确定第二径向结构张量；
基于所述第二径向结构张量来确定第二血管性；并且
从所述第一血管性和所述第二血管性选择具有最大值的血管性作为针对所述体素的所述血管性。
17.根据权利要求16所述的计算系统，其中，所述处理器响应于运行所述图像数据处理器模块的所述计算机可读指令，还：
在三维中将射线从对应于所选择的血管性的所述等表面向外投射到邻近体素中；
将在每条射线穿过邻近体素时的每条射线的强度值与所述第一预定强度阈值进行比较；
响应于所述射线的所述强度值低于所述第一预定强度阈值而停止射线的所述投射，
根据所述强度值计算移动平均；并且
基于体素强度和所述移动平均来计算低密度值。
18.根据权利要求17所述的计算系统，其中，所述处理器响应于运行所述图像数据处理器模块的所述计算机可读指令，还：
在三维中将射线从对应于所选择的血管性的所述等表面向外投射到邻近体素中；
将在每条射线穿过所述邻近体素时的每条射线的强度值与所述至少一个第二预定强度阈值进行比较；
响应于所述射线的所述强度值低于所述至少一个第二预定强度阈值而停止射线的所述投射，
根据所述强度值更新所述移动平均；并且
基于所述体素强度和经更新的移动平均来计算所述低密度值。
19.根据权利要求18所述的计算系统，其中，所述处理器响应于运行所述图像数据处理器模块的所述计算机可读指令，还：
接收指示所显示的复合图像数据中的区域的输入；
根据所述所显示的复合图像数据来识别对应于所述区域的2D图像；并且
显示所述2D图像。
20.一种被编码有一条或多条计算机可执行指令的计算机可读存储介质，所述计算机可执行指令当由计算系统的处理器运行时，令所述处理器：
使用至少一个预定强度阈值来形成围绕对比增强体积图像数据中的每个体素的至少一个等表面；
使用每个等表面的径向结构张量的第二最强本征值与所述等表面的中心性的乘积来确定针对所述体积图像数据中的每个体素的血管性，其中，所述中心性基于平均射线半径和射线半径的标准差；
基于所述至少一个预定强度阈值、所述体积图像数据以及围绕所述体素中的每个体素的产生了最大血管性值的至少一个等表面来确定针对所述体素的低密度值；
通过所述血管性对所述体积图像数据进行加权，生成经血管性加权的图像数据；
通过所述血管性对所述低密度值进行加权，生成经血管性加权的低密度值；
为了突出显示栓塞的疑似存在和位置而将所述经血管性加权的图像数据和所述经血管性加权的低密度值进行组合，从而生成组合数据；并且
视觉地显示所述组合数据。
CN201580025590.6A 2014-05-19 2015-05-19 成像处理方法和计算系统 Active CN106415659B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201462000057P 2014-05-19 2014-05-19
US62/000,057 2014-05-19
PCT/IB2015/053678 WO2015177723A1 (en) 2014-05-19 2015-05-19 Visualization of tissue of interest in contrast-enhanced image data

Publications (2)

Publication Number Publication Date
CN106415659A CN106415659A (zh) 2017-02-15
CN106415659B true CN106415659B (zh) 2020-10-16

Family

ID=53487391

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201580025590.6A Active CN106415659B (zh) 2014-05-19 2015-05-19 成像处理方法和计算系统

Country Status (6)

Country Link
US (1) US10074207B2 (zh)
EP (1) EP3146505B1 (zh)
JP (1) JP6195681B2 (zh)
CN (1) CN106415659B (zh)
RU (1) RU2692038C2 (zh)
WO (1) WO2015177723A1 (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3460712A1 (en) 2017-09-22 2019-03-27 Koninklijke Philips N.V. Determining regions of hyperdense lung tissue in an image of a lung
US10832403B2 (en) * 2018-05-14 2020-11-10 Koninklijke Philips N.V. Systems, methods, and apparatuses for generating regions of interest from voxel mode based thresholds
CN111612860B (zh) * 2019-02-22 2023-09-15 曹生 基于VRDS 4D医学影像的栓塞的Ai识别方法及产品

Family Cites Families (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1565865A2 (en) 2002-11-20 2005-08-24 Koninklijke Philips Electronics N.V. Computer-aided detection of lung nodules
JP4560643B2 (ja) * 2003-06-17 2010-10-13 株式会社Ａｚｅ 呼吸気ｃｔ画像による換気分布計測方法
US20050014217A1 (en) * 2003-07-18 2005-01-20 Cytokinetics, Inc. Predicting hepatotoxicity using cell based assays
CN1942898A (zh) * 2004-04-01 2007-04-04 皇家飞利浦电子股份有限公司 用于发现狭窄的方法和成像诊断装置
US7715608B2 (en) 2004-08-10 2010-05-11 Siemens Medical Solutions Usa, Inc. System and method for 3D visualization of lung perfusion or density and statistical analysis thereof
WO2006125188A1 (en) * 2005-05-19 2006-11-23 The Brigham And Women's Hospital, Inc Methods and systems for the analysis of 3d microscopic neuron images
JP2009541838A (ja) * 2006-06-23 2009-11-26 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 画像値を含む画像において閾値を定めるための方法、システム及び計算機プログラム
CN101501728A (zh) * 2006-08-09 2009-08-05 皇家飞利浦电子股份有限公司 用于量化图像数据集对象中的结构的方法、装置、图形用户界面、计算机可读介质和用途
RU2466679C2 (ru) * 2006-11-30 2012-11-20 Конинклейке Филипс Электроникс Н.В. Визуализация сосудистой структуры
US8244012B2 (en) * 2007-02-05 2012-08-14 Siemens Medical Solutions Usa, Inc. Computer aided detection of pulmonary embolism with local characteristic features in CT angiography
JP2010528750A (ja) 2007-06-07 2010-08-26 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 管状構造の検査
US7965810B2 (en) * 2007-06-26 2011-06-21 General Electric Company Device and method for identifying occlusions
US8537159B2 (en) * 2007-09-03 2013-09-17 Koninklijke Philips N.V. Visualization of voxel data
US8588492B2 (en) * 2007-11-20 2013-11-19 Koninklijke Philips N.V. Visualization of vascularization
CN101978375B (zh) * 2008-03-17 2013-07-17 皇家飞利浦电子股份有限公司 灌注成像
CN102216960B (zh) * 2008-11-17 2014-01-08 皇家飞利浦电子股份有限公司 新形成的脉管系统的可视化和量化
EP2384145A1 (en) * 2008-12-23 2011-11-09 Koninklijke Philips Electronics N.V. Acoustic imaging system and method of acoustic imaging with contrast quantification
US20120150048A1 (en) * 2009-03-06 2012-06-14 Bio-Tree Systems, Inc. Vascular analysis methods and apparatus
EP2449530B1 (en) * 2009-06-30 2016-04-20 Koninklijke Philips N.V. Quantitative perfusion analysis
US8542893B2 (en) 2010-02-15 2013-09-24 General Electric Company System and method of pulmonary emboli detection for computed tomography
EP2649587B1 (en) * 2010-12-09 2019-04-03 Koninklijke Philips N.V. Volumetric rendering of image data
WO2013140374A2 (en) * 2012-03-23 2013-09-26 Koninklijke Philips N.V. Volume rendering

Also Published As

Publication number Publication date
RU2692038C2 (ru) 2019-06-19
WO2015177723A1 (en) 2015-11-26
RU2016149394A (ru) 2018-06-20
JP2017515602A (ja) 2017-06-15
EP3146505A1 (en) 2017-03-29
EP3146505B1 (en) 2019-08-07
RU2016149394A3 (zh) 2018-11-20
US20170186215A1 (en) 2017-06-29
JP6195681B2 (ja) 2017-09-13
US10074207B2 (en) 2018-09-11
CN106415659A (zh) 2017-02-15

Similar Documents

Publication Publication Date Title
JP5197029B2 (ja) 医用画像処理装置
JP5081390B2 (ja) 腫瘍量を監視する方法及びシステム
US9424641B2 (en) Visual suppression of selective tissue in image data
JP6559678B2 (ja) スペクトル画像データ処理
JP6209520B2 (ja) 灌流イメージング
JP6302934B2 (ja) コンピュータ支援による関心組織の特定
JP2008529639A (ja) 検査装置、画像処理デバイス、注目対象物を検査装置で検査する方法、コンピュータ可読媒体及びプログラム要素
EP2915141B1 (en) Perfusion imaging
US10275946B2 (en) Visualization of imaging uncertainty
JP2010528750A (ja) 管状構造の検査
US20190180419A1 (en) Noise reduction in image data
US9589204B2 (en) Quantification of a characteristic of a lumen of a tubular structure
CN107111881B (zh) 对应性概率图驱动的可视化
JP2020535924A (ja) 診断撮像における画像特徴のアノテーション
CN106415659B (zh) 成像处理方法和计算系统
JP6653706B2 (ja) 血管腔サブ解像度セグメンテーション
US9600875B2 (en) Tissue surface roughness quantification based on image data and determination of a presence of disease based thereon
US10977792B2 (en) Quantitative evaluation of time-varying data
Goyal et al. Segmentation of coronary arteries of heart

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