CN106462972A - 用于评估动态医疗图像中的运动校正的系统和方法 - Google Patents

用于评估动态医疗图像中的运动校正的系统和方法 Download PDF

Info

Publication number
CN106462972A
CN106462972A CN201580034306.1A CN201580034306A CN106462972A CN 106462972 A CN106462972 A CN 106462972A CN 201580034306 A CN201580034306 A CN 201580034306A CN 106462972 A CN106462972 A CN 106462972A
Authority
CN
China
Prior art keywords
image
area
motion correction
similarity
interest
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
Application number
CN201580034306.1A
Other languages
English (en)
Other versions
CN106462972B (zh
Inventor
D.D.尚巴
V.V.彻布罗卢
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.)
General Electric Co
Original Assignee
General Electric Co
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 General Electric Co filed Critical General Electric Co
Publication of CN106462972A publication Critical patent/CN106462972A/zh
Application granted granted Critical
Publication of CN106462972B publication Critical patent/CN106462972B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5258—Devices using data or image processing specially adapted for radiation diagnosis involving detection or reduction of artifacts or noise
    • A61B6/5264—Devices using data or image processing specially adapted for radiation diagnosis involving detection or reduction of artifacts or noise due to motion
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
    • A61B5/0035—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room adapted for acquisition of images from more than one imaging mode, e.g. combining MRI and optical tomography
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves  involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
    • 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
    • A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
    • A61B5/7207—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts
    • 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
    • A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computed tomography [CT]
    • A61B6/032—Transmission computed tomography [CT]
    • 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
    • A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computed tomography [CT]
    • A61B6/037—Emission tomography
    • 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
    • A61B6/48—Diagnostic techniques
    • A61B6/481—Diagnostic techniques involving the use of contrast agents
    • 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
    • A61B6/48—Diagnostic techniques
    • A61B6/486—Diagnostic techniques involving generating temporal series of image data
    • 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
    • A61B6/507—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 determination of haemodynamic parameters, e.g. perfusion CT
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/48—Diagnostic techniques
    • A61B8/481—Diagnostic techniques involving the use of contrast agent, e.g. microbubbles introduced into the bloodstream
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/5269—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving detection or reduction of artifacts
    • A61B8/5276—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving detection or reduction of artifacts due to motion
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/48—NMR imaging systems
    • G01R33/54—Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
    • G01R33/56—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution
    • G01R33/5601—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution involving use of a contrast agent for contrast manipulation, e.g. a paramagnetic, super-paramagnetic, ferromagnetic or hyperpolarised contrast agent
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/48—NMR imaging systems
    • G01R33/54—Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
    • G01R33/56—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution
    • G01R33/565—Correction of image distortions, e.g. due to magnetic field inhomogeneities
    • G01R33/56509—Correction of image distortions, e.g. due to magnetic field inhomogeneities due to motion, displacement or flow, e.g. gradient moment nulling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • 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
    • 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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • 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
    • A61B6/46—Arrangements for interfacing with the operator or the patient
    • A61B6/461—Displaying means of special interest
    • A61B6/466—Displaying means of special interest adapted to display 3D data
    • 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
    • A61B6/46—Arrangements for interfacing with the operator or the patient
    • A61B6/467—Arrangements for interfacing with the operator or the patient characterised by special input means
    • 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
    • A61B6/46—Arrangements for interfacing with the operator or the patient
    • A61B6/467—Arrangements for interfacing with the operator or the patient characterised by special input means
    • A61B6/469—Arrangements for interfacing with the operator or the patient characterised by special input means for selecting a region of interest [ROI]
    • 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
    • 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
    • G06T2207/30168—Image quality inspection

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Public Health (AREA)
  • Molecular Biology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Biophysics (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Optics & Photonics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Signal Processing (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • Quality & Reliability (AREA)
  • Psychiatry (AREA)
  • Physiology (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Hematology (AREA)
  • Pulmonology (AREA)
  • Social Psychology (AREA)
  • Human Computer Interaction (AREA)

Abstract

提出一种用于运动校正的自动化评估的方法。该方法包含识别与感兴趣受检者对应的多个图像的每个中的一个或多个感兴趣区域。此外，该方法包含选择多个图像的每个中的一个或多个感兴趣区域的每个的有效体素。该方法还包含计算多个图像的每个中的每个感兴趣区域的相似性度量、扩散度量或者相似性度量和扩散度量。另外地，该方法包含基于与一个或多个感兴趣区域对应的相似性度量和扩散度量来生成相似性图、扩散图或者相似性图和扩散图。

Description

用于评估动态医疗图像中的运动校正的系统和方法
技术领域
本说明书的实施例涉及成像，以及更具体来说涉及动态医疗图像中的运动校正的评估。
背景技术
在现代卫生保健机构中，无创成像系统常常用于识别、诊断和处理物理状况。医疗成像囊括用来对患者内的器官和组织的内部结构和/或机能行为(例如化学或代谢活动)进行成像和可视化。当前，存在多种形态的医疗诊断和成像系统，各通常根据物理原理进行操作，以生成不同类型的图像和信息。这些形态包含超声系统、计算机断层扫描(CT)系统、X射线系统(包含常规和数字或数字化成像系统)、正电子发射断层扫描(PET)系统、单光子发射计算机断层扫描(SPECT)系统和磁共振(MR)成像系统。
在临床实践中，当前，二维(2D)医疗图像、三维(3D)医疗图像和/或四维(4D)医疗图像例行用于跟踪对比摄取、剂量输送，并且研究解剖和生理的时间相关变化。具体来说，在动态对比增强磁共振成像(DCE-MRI)、动态磁敏感对比MRI(DSC-MRI)或动态对比增强CT(DCE-CT)中，分析对比的摄取用于理解灌注特性和细胞结构，其可指示肿瘤性质。
如将领会，动态3D和/或4D获取通常需要用于完整扫描的长扫描时间。作为示例，在4D磁共振成像(MRI)期间获取数据通常要求达到若干分钟的扫描时间。动态扫描获取的延长时长使数据易受到患者运动和相关伪影影响。此外，在这类长扫描期间，观察下的患者可遇到自发和/或非自发运动。患者运动是图像数据的解释中的主要难题之一。具体来说，患者运动妨碍和/或歪曲图像数据的获取质量。扫描期间的患者运动的一些示例可包含因患者咳嗽或者打喷嚏引起的快速移位、因呼吸引起的运动等。另外地，扫描期间的患者的不适还可导致数据获取的不良质量。
因此可期望检测图像数据的获取期间的任何患者运动的存在。运动的检测又可用来帮助确定动作的校正过程。用于检测扫描工序期间的患者运动的早期努力包含使用基于特征的方法。其他当前现有技术需要使用用于检测和校正患者运动的配准方法。另外，这些技术的使用可需要用户干预或者要求受过训练的临床医生。
此外，用于获取图像数据的某些技术需要使用造影剂。作为示例，采用对比的动态MRI(例如DCE-MRI)广泛用于理解疾病的机能和代谢方面(例如肿瘤微脉管系统、中风、心肌组织梗塞)及其进展。但是，造影剂的使用可不利地影响运动的检测，因为造影剂的摄取可混淆运动的视觉感知。另外，在动态获取期间的对比变化存在的情况下使用当前可用技术对运动的检测和校正是具有挑战的任务。
因此，运动校正定期用来校正动态数据中的所检测运动。但是，期望评估运动校正的效能。当前，运动校正的效能的评估通常在视觉上执行。用于评估运动校正的一些技术需要比较与感兴趣区域(ROI)对应的时间系列数据，而某些其他技术要求评定与给定ROI对应的时间系列数据的扩散程度。此外，可观察ROI中的一个或多个结构，以评估运动校正。另外，运动校正可经由使用差值图像来评估。但是，差值图像的使用不适合于量化因运动校正所引起的任何改进，因为对比相关信号变化能够混淆运动相关变化。因此，使用差值图像对运动校正的评估实际上最多是定性的，并且妨碍跨不同站点或供应商的运动校正效能的比较。
发明内容
按照本说明书的方面，提出一种用于运动校正的自动化评估的方法。该方法包含识别与感兴趣受检者对应的多个图像的每个中的一个或多个感兴趣区域。此外，该方法包含选择多个图像的每个中的一个或多个感兴趣区域的每个中的有效体素。该方法还包含计算多个图像的每个中的每个感兴趣区域的相似性度量、扩散度量或者相似性度量和扩散度量。另外地，该方法包含基于与一个或多个感兴趣区域对应的相似性度量和扩散度量来生成相似性图(map)、扩散图或者相似性图和扩散图。
按照本说明书的另一方面，提出一种用于运动校正的自动化评估的系统。该系统包含运动校正评估平台，其配置成识别与感兴趣受检者对应的多个图像的每个中的一个或多个感兴趣区域，选择多个图像的每个中的一个或多个感兴趣区域的每个中的有效体素，计算多个图像的每个中的每个感兴趣区域的相似性度量、扩散度量或者相似性度量和扩散度量，并且基于与一个或多个感兴趣区域对应的相似性度量和扩散度量来生成相似性图、扩散图或者相似性图和扩散图。
按照本说明书的又一方面，提出一种成像系统。该系统包含获取子系统，其配置成获取与感兴趣受检者对应的图像数据。此外，该系统包含处理子系统，其与获取子系统操作的关联，并且配置成处理所获取的图像数据，其中处理子系统包括运动校正评估平台，其配置成识别与感兴趣受检者对应的多个图像的每个中的一个或多个感兴趣区域，选择多个图像的每个中的一个或多个感兴趣区域的每个中的有效体素，计算多个图像的每个中的每个感兴趣区域的相似性度量、扩散度量或者相似性度量和扩散度量，并且基于与一个或多个感兴趣区域对应的相似性度量和扩散度量来生成相似性图、扩散图或者相似性图和扩散图。
附图说明
在参照附图阅读以下详细描述时，将变得更好地理解本说明书的这些及其他特征、方面和优点，附图中，相似字符在附图中通篇表示相似部件，附图包括：
图1是按照本说明书的方面的用于运动校正的效能的自动化评估的系统的图解说明；
图2是描绘按照本说明书的方面的用于运动校正的效能的自动化评估的示范方法的流程图；
图3是描绘按照本说明书的方面的用于确定局部相似性或相关性度量的示范方法的流程图；
图4是描绘按照本说明书的方面的用于确定局部扩散度量的示范方法的流程图；
图5是按照本说明书的方面的用于确定图4的局部扩散度量的示范方法的图解表示；
图6(a)-6(h)和图7(a)-7(g)是按照本说明书的方面的用于运动校正的效能的自动化评估的示范方法的图解表示；以及
图8是供在图1的系统中使用的磁共振成像系统的图解说明。
具体实施方式
医疗图像例行地用于跟踪对比摄取、剂量的输送，并且研究解剖和生理的时间相关变化。但是，这些医疗图像的获取通常需要用于完整扫描的长时间周期。此外，这些长扫描期间的患者运动可妨碍图像数据获取的质量。此外，由感兴趣受检者、例如患者所遇到的任何运动影响与被成像的患者中的解剖区域对应的信号特性。因此期望检测任何运动，并且适当地校正所检测运动，以补偿患者运动。可注意，患者运动可包含快速移位、旋转运动、横向运动、弹性运动等。
各种运动校正技术通常用来校正动态数据。运动校正的效能的评估通常在视觉上和/或经由使用差值图像来执行。视觉方法和/或差值图像的使用不适合量化运动校正的效能，因为对比相关信号变化能够混淆运动相关变化。
用于下文所提出的运动校正的自动化评估和/或量化的系统和方法通过健壮地评估运动校正的效能来增强临床工作流程。另外，系统和方法还可用来基于运动校正的评估来确定用于校正所检测运动的动作的另外过程。更具体来说，用于下文所述的运动校正的自动化评估的系统和方法提供用于校正的运动的健壮评定和/或量化的框架。
图1是按照本说明书的方面的供在诊断成像中使用的示范系统100的框图。系统100配置成帮助临床医生、例如放射科医生自动评定和量化运动校正(若有的话)的效能。更具体来说，系统100可配置成通过自动量化运动校正的保真度或效能来帮助增强临床工作流程。另外，系统100还可配置成促进动作的适当校正过程的确定，以便进一步校正所检测运动或者基于运动校正的评估来变更/调整图像数据的获取。
在一个实施例中，系统100可配置成得到与感兴趣受检者、例如患者102对应的图像数据。在一个实施例中，图像获取装置104可用来获取图像数据。但是，系统100的其他实施例可消除对图像获取装置104的使用的需要。图像获取装置104可包含探头，其中探头可包含有创探头或者无创或外部探头，其配置成帮助图像数据的获取。在某些其他实施例中，图像数据可经由可设置于患者102上的一个或多个传感器(未示出)来获取。作为示例，传感器可包含生理传感器(未示出)(例如心电图(ECG)传感器和/或位置传感器(例如电磁场传感器或惯性传感器)。例如，这些传感器可经由引线(未示出)在操作上耦合到数据获取装置、例如成像系统。还设想一个或多个检测器或检测器阵列用于获取图像数据。
可注意，由系统100所得到的图像数据可包含与被成像的患者102中的解剖区域对应的原始图像数据，其在所确定的时间周期内获取。此外，图像数据还可包含运动校正的图像数据。具体来说，运动校正的图像数据可对应于已被处理来校正任何所检测运动的原始图像数据。
系统100还可包含医疗成像系统106。在一个实施例中，医疗成像系统106可与图像获取装置104操作的关联。另外，在当前示例中，医疗成像系统106可以是磁共振成像(MRI)系统。应当注意，虽然下文所图示的示范实施例在医疗成像系统的上下文中描述，但是还考虑其他成像系统和应用、例如工业成像系统和无损评估与检查系统(例如管线检查系统、液体反应器检查系统)。另外地，下文所图示和所述的示范实施例可在与其他成像形态、位置跟踪系统或其他传感器系统结合采用磁共振(MR)成像的多形态成像系统中发现应用。例如，多形态成像系统可包含正电子发射断层扫描(PET)成像系统-MRI系统。
此外，应当注意，虽然下文所图示的示范实施例在医疗成像系统、例如MRI系统的上下文中描述，但是按照本说明书的方面，还考虑其他成像系统(例如但不限于计算机断层扫描(CT)成像系统、对比增强超声成像系统、X射线成像系统、光学成像系统、正电子发射断层扫描(PET)成像系统、超声成像系统、对比增强X射线成像系统和其他成像系统)的使用。
如上文所注意的，在当前考虑的配置中，医疗成像系统106是MRI系统。在一个实施例中，医疗成像系统106可包含获取子系统108和处理子系统110。此外，在一个实施例中，医疗成像系统106的获取子系统108可配置成经由图像获取装置104来获取表示患者102中的一个或多个解剖区域的图像数据。但是，在某些其他实施例中，获取子系统108可配置成获取图像数据，而无需使用图像获取装置104。此外，如上文所注意的，由医疗成像系统106和获取子系统108所获取的图像数据具体包含原始图像数据和对应运动校正的图像数据。
系统100以及更具体来说获取子系统108可配置成实时地获取与患者102中的解剖区域对应的图像数据。备选地，图像可由获取子系统108从存档站点、数据库或光学数据存储产品来得到。例如，获取子系统108可配置成获取光学数据存储产品中存储的图像。可注意，光学数据存储产品可以是光学存储媒介(例如致密光盘(CD)、数字多功能光盘(DVD))、多层结构(例如DVD-5或DVD-9)、多面结构(例如DVD-10或DVD-18)、高清晰度数字多功能光盘(HD-DVD)、蓝光光盘、近场光学存储光盘、全息存储媒介或者另一种相似体积光学存储媒介(比如例如二光子或者多光子吸收存储格式)。
在一个示例中，被成像的解剖区域可包含能够灌注的任何组织。另外地，解剖区域可包含具有灌注缺损的可能性的任何组织。感兴趣解剖区域的一些非限制性示例包含患者102中的乳房、前列腺(prostrate)、骨、肾、肺或子宫。
所获取的图像数据可包含多个图像。作为示例，所获取的图像数据可包含随时间所获取的的多个二维(2D)图像，其中多个2D图像对应于被成像的解剖区域。所获取的图像数据还可包含与在所确定的时间周期内所获取的解剖区域对应的三维(3D)图像。可注意，与在某个时间周期内所获取的解剖区域对应的3D图像可表示与解剖区域对应的四维(4D)图像。还可注意，虽然本说明书根据4D图像来描述，但是还设想本说明书与具有更高或更低维的图像一起使用。可注意，术语多个图像和时间系列图像数据可以可互换地使用。
此外，在一个实施例中，所获取的图像数据可表示动态数据。具体来说，所获取的图像数据可包含对比增强动态数据。相应地，图像数据的获取可需要采用使用造影剂来获取伴随的一个或多个图像。造影剂可包含内源额造影剂或外源的造影剂。
可注意，在某些状况中，可使用外源的造影剂。在这类状况中，与被成像的解剖区域对应的时间系列图像数据的一个或多个图像可在向患者102给予外源的造影剂之前获取。随后可向患者102给予外源的造影剂。在一个示例中，造影剂可包含基于钆的造影剂。一个或多个图像可在向患者102给予外源的造影剂之后获取。
此外，在其中利用内源的造影剂的状况中，可为对比而“准备”解剖区域或标记、例如血液。在一个示例中，可使用磁化为对比而准备标记、例如血液。更具体来说，可磁性地标记血液，并且可随时间而跟踪磁化的损失。在另一个示例中，可经由遗传标记的使用为对比而准备解剖区域。在这个示例中，解剖区域可配置成响应于刺激、例如光而提供对比。
另外可注意，动态数据可包含动态对比增强图像，例如动态对比增强(DCE)磁共振图像、动态磁敏感对比(DSC)磁共振图像、动脉自旋标记(ASL)图像、对比增强X射线图像、对比增强计算机断层扫描(CT)图像、对比增强超声图像或者其组合。
另外地，所获取的图像数据可由处理子系统110来处理，其中处理子系统110在操作上耦合到获取子系统108。按照本说明书的方面，由医疗成像系统106所获取和/或处理的图像数据可用来通过使用所获取的时间系列图像数据自动评估和/或量化运动校正的效能来帮助临床医生。
在某些实施例中，处理子系统110还可耦合到存储系统、例如数据仓库114，其中数据仓库114可配置成存储所获取和/或处理的图像数据。此外，由获取子系统108所获取的图像数据可存储在数据仓库114(参见图1)中。在某些实施例中，数据仓库114可包含本地数据库。
另外地，按照本说明书的示范方面，处理子系统110可包含运动校正评估平台112，其配置成在成像工序期间帮助与患者102对应的动态图像数据的运动校正(若有的话)的效能的自动化评估。更具体来说，运动校正评估平台112可配置成使用所获取的时间系列图像数据自动评估和/或量化运动校正的效能。运动校正评估平台112又可称作评估平台。
评估平台112可配置成“评估”和/或量化所获取的时间系列图像数据的运动校正的效能或保真度。如先前所注意的，所获取的图像包含原始图像数据和对应运动校正的图像数据。按照本说明书的方面，评估平台112可配置成处理原始图像数据和对应运动校正的图像数据，以评定运动校正的保真度。为此，评估平台112可配置成计算与原始图像数据和对应运动校正的图像数据对应的相似性度量和/或扩散度量。具体来说，评估平台112可配置成计算与被处理的图像数据中的有效体素对应的相似性度量和扩散度量。评估平台112还可配置成基于所计算的度量来生成相似性图和/或扩散图。这些图可在显示器上可视化，以帮助临床医生确定运动校正的效能。备选地，表示运动校正的效能的指示符可由评估平台112来生成，并且在图像和/或度量图上或周围显示。将参照图2-7更详细描述评估平台112的机能。
另外，如图1所图示，医疗成像系统106可包含显示器116和用户界面118。在某些实施例中，例如在触摸屏中，显示器116和用户界面118可重叠。而且，在一些实施例中，显示器116和用户界面118可包含共同区域。按照本说明书的方面，医疗成像系统106的显示器116可配置成显示与解剖区域对应的一个或多个图像、表示由医疗成像系统106中的评估平台112所生成的运动校正的效能的评估的一个或多个指示符、校正的图像等。
而且，医疗成像系统106的用户界面118可包含人接口装置(未示出)，其配置成帮助临床医生操纵显示器116上显示的图像数据。人接口装置可包含鼠标类型装置、轨迹球、操纵杆、触控笔或触摸屏，其配置成便于临床医生识别一个或多个感兴趣区域。但是，如将会领会，也可采用其他人接口装置、例如但不限于触摸屏。此外，按照本说明书的方面，用户界面118可配置成帮助临床医生浏览(navigate through)由医疗成像系统106所接收的图像。另外地，用户界面118还可配置成帮助操纵和/或组织显示器116上显示的图像。将参照图2-7更详细描述使用所获取的时间系列图像数据来评估和/或量化运动校正的自动化方法。
上述组件可以是专用硬件元件(例如具有数字信号处理器的电路板)或者可以是运行于通用计算机或处理器(例如商业现货个人计算机(PC))上的软件。按照本发明的各个实施例，可组合或分离各种组件。因此，本领域的技术人员将领会，作为示例而提供当前系统100，以及本说明书决不受特定系统配置限制。
现在来看图2，,描绘例如用于使用DCE MRI图像自动评估运动校正的方法的示范逻辑200的流程图。如先前所注意的，这些DCE MRI图像可对应于患者、例如图1的患者102中的解剖区域。任何患者运动可影响与被成像的解剖区域对应的信号特性。图2的方法根据图1的各种组件来描述。
方法200可在计算机可运行指令的一般上下文中描述。一般来说，计算机可运行指令可包含执行特定功能或者实现特定抽象数据类型的例程、程序、对象、组件、数据结构、工序、模块、功能等。在某些实施例中，计算机可运行指令可位于成像系统106(参见图1)本地并且与处理子系统操作的关联的计算机存储媒体、例如存储器中。在某些其他实施例中，计算机可运行指令可位于计算机存储媒体、例如存储器存储装置(其从成像系统移开)中。此外，用于运动校正的自动化评估的方法包含操作序列，其可以以硬件、软件或者其组合来实现。
如将会领会，在典型扫描会话期间，定位受检者、例如患者102用于成像，以及临床医生尝试对患者中的预期解剖区域进行成像。相应地，可定位患者用于成像。在任何预先成像工序之后，可选择用于成像的解剖区域。在一个示例中，临床医生可识别待成像的患者中的解剖区域。如先前所注意的，解剖区域可包含能够灌注的任何组织或者具有灌注缺损的可能性的组织。解剖区域的一些非限制性示例包含患者中的头部、乳房、前列腺、骨、肾、心脏区域、肺、肝、颈部或子宫。在某些其他实施例中，系统100可配置成例如基于患者在成像系统中/上的位置自动选择待成像的解剖区域。
在选择解剖区域之后，可得到与患者中的所选的解剖区域对应的图像数据，如由步骤202所描绘。在一个实施例中，可实时得到图像数据。但是，在某些其他实施例中，先前获取的数据可从数据仓库、例如数据仓库114中检索。如先前所注意的，由患者在扫描工序期间所遇到的任何运动可不利地影响与被成像的解剖区域对应的所获取的图像数据的质量。具体来说，患者运动(若有的话)可变更与被成像的解剖区域对应的信号特性。此外，造影剂的使用还可不利地影响运动的检测，因为造影剂的摄取可混淆运动的视觉感知。相应地，在一个实施例中，可监测和评估与被成像的解剖区域对应的信号特性，以检测任何患者运动。此外，可校正信号特性中的所检测的运动，由此生成运动校正的图像数据。因此，在步骤202处所得到的图像数据可包含原始时间系列运动破坏的图像或信号数据以及对应运动校正的图像或信号数据。
此外，在步骤202处所得到的时间系列图像数据可包含动态2D图像、动态3D图像和/或4D图像。具体来说，这些动态图像包含在所确定的时间周期内所获取的2D和/或3D图像。此外，例如，所确定的时间周期可包含扫描时间。
可注意，在图2的示例中，参照与被成像的解剖区域对应的DCE MRI 4D图像来描述该方法。虽然图2的方法根据使用DCE MRI图像自动评估运动校正的效能来描述，但是还设想用于使用包含动态数据的其他图像自动评估运动校正的效能的这种方法的使用。另外，用于自动评估运动校正的效能的方法还可使用其他图像(例如但不限于DSC图像、动脉自旋标记(ASL)图像、对比增强X射线图像、对比增强CT图像、对比增强超声图像或者其组合)来执行。
如先前所注意的，所获取的图像数据可包含对比增强动态数据。相应地，图像数据的获取可需要使用造影剂，其中造影剂可以是内源的造影剂或外源的造影剂。在要求使用外源的造影剂的状况中，可在向患者给予外源的造影剂之前获取一个或多个图像。随后可向患者102给予外源的造影剂。然后可获取一个或多个图像,接着发生外源的造影剂的给予。但是，在其中使用内源的造影剂的状况中，可为对比而准备解剖区域。
图像、特别是4D DCE MRI图像的获取需要长扫描时间。经历这些长扫描的患者可遇到自发和/或非自发运动。患者的运动可不利地影响所获取的图像数据的质量。另外地，造影剂的使用可不利地影响运动的检测，因为造影剂的摄取可混淆运动的视觉感知。相应地，通常处理所获取的原始图像数据，以检测和校正所检测的运动，由此支持用来校正所检测的运动的任何矫正动作。此外，一旦为了运动对动态图像数据校正，期望评估和/或量化运动校正的“效能”或“保真度”。
如将会领会，被成像的解剖区域可包含一个或多个组织类型。可假定组织类型对于被成像的解剖区域内的给定感兴趣区域(ROI)是均质的。相应地，被成像的解剖区域可基于对应组织类型来划分为一个或多个感兴趣区域(ROI)。可注意，在一个实施例中，感兴趣区域可由系统自动识别。备选地，在某些实施例中，感兴趣区域可由临床医生手动规定。
相应地，在步骤204处，可识别一个或多个感兴趣区域。在某些实施例中，一个或多个区域可基于组织类型来识别。另外，可标记一个或多个区域，以识别对应组织类型。作为示例，如果头部被成像，则不同组织类型可包含白质、灰质和脑脊髓液(CSF)。而且，如果前列腺被成像，则不同组织类型可包含中央区和周边区。可适当地标记不同组织类型。在一个示例中，组织类型可经由使用形状指示符来标记。形状指示符可包含正方形形状、圆形形状、矩形形状、三角形形状等。备选地，标签可包含文本和/或数字。在某些其他实施例中，标签可包含形状指示符、文本和数字的组合。可注意，在某些实施例中，一个或多个感兴趣区域可由用户、例如临床医生来识别。备选地，在某些其他实施例中，一个或多个区域可由系统100基于组织类型自动识别。
一旦标记了组织类型，可处理图像以去除任何噪声或假瞬变(spurioustransient)，如由步骤206所指示。在一个示例中，与图像对应的信号数据可归一化，以去除图像中的任何噪声信号。备选地，图像可经由使用滤波器来处理，以去除任何噪声。已经标记和/或滤波的所获取的图像通常可称作被处理的图像208。
如先前所注意的，用于评估运动校正的效能的当前可用技术需要运动校正的图像的视觉检查，比较ROI中的时间系列数据并且评定给定ROI中的时间系列数据的扩散程度，观察某些结构，或者使用差值图像。差值图像的使用不适合于量化运动校正中的改进，因为对比相关信号变化能够混淆运动相关变化。因此，使用差值图像对运动校正的评估实际上最多是定性的。
当前可用技术的缺点可经由使用定量度量来规避，以采用动态时间系列图像数据来评定运动校正的保真度。按照本说明书的方面，可计算与被处理的图像对应的一个或多个时间系列图像数据推导度量，以帮助评估和/或量化运动校正的效能。
在用于时间系列图像数据推导度量的计算的准备中，在一个实施例中，可归一化在步骤202处所得到的时间系列图像数据。为此，可得到与图像208中的每个元素对应的信号特性St。更具体来说，可确定与图像中的每个元素对应的信号特性，由此得到3D时间系列信号数据。在一个实施例中，信号特性可包含通过对比流所调制的磁共振(MR)信号。图像208中的元素可对应于图像中的像素或体素。而且，所确定的时间周期可对应于扫描时间。
还可归一化3D时间系列信号数据St，用于识别噪声和/或假瞬变。在一个实施例中，信号数据St可基于等式(1)来归一化。
Stnorm = (St – S0)/S0　　　　　　(1)
其中，S0表示在第一时间点t0的信号。
可注意，在某些实施例中，时间系列图像数据可使用基准信号来归一化。但是，在某些其他实施例中，时间系列图像数据可转换为定量值。作为示例，定量值可表示所注入的造影剂的浓度，其使用信号强度与造影剂性质、例如钆的弛豫率之间的映射函数来计算。定量值则可以定限以去除任何假时间系列数据。
归一化信号数据Stnorm可包含“骗子(rogue)”体素和/或假瞬变，其破坏度量的计算。可注意，骗子体素又可称作“噪声”体素。因此，可期望在计算度量之前去除噪声体素。相应地，在步骤210处，可选择“有效”体素，同时从归一化的信号数据Stnorm中去除骗子或噪声体素。此外，可对给定时间系列数据来计算峰值时间点tp。峰值时间点tp表示归一化的信号强度具有最大值的时间点。另外，在峰值时间点tp的归一化的信号强度可用于识别骗子体素。在一个实施例中，所确定的阈值可用来识别有效体素。在某些实施例中，所确定的阈值可以是“固定”阈值，而在某些其他实施例中，所确定的阈值可以是自适应阈值。所确定的阈值的一个示例在等式(2)中提出。
Max(Stnorm) > 0 和 min (Stnorm (t >tp)) > 2.5%　　　(2)
按照本说明书的方面，满足等式(2)的标准的任何体素可承认为有效体素。另外地，未能满足等式(2)的标准的任何体素可识别为“骗子”体素或瞬变。另外，骗子体素可被指配零值供在图像数据的任何进一步处理中使用。
按照本说明书的另外方面，一旦识别有效体素，可确定与解剖区域对应的基于时间系列的定量度量，如由步骤212所描绘。定量度量可包含相似性度量和/或扩散度量。在一个实施例中，相似性度量可包含相关性度量。而且，扩散度量可包含方差、Z得分等。此外，这些定量度量可使用时间系列图像数据来确定。
在某些实施例中，可计算与在步骤204处所识别的解剖区域中的每个感兴趣区域对应的相似性度量和/或扩散度量。相应地，在步骤212处，对于每个感兴趣区域，可计算时间系列推导相似性度量、例如局部相关性度量(LCM)。如先前所注意的，ROI可作为用户输入来提供。备选地，ROI可作为步骤204的组织分类或标记的输出自动生成。具体来说，可计算ROI中的每个有效体素的相似性度量。相似性度量表示给定ROI和那个ROI中的所确定的邻域中的有效体素之中的相似性。备选地，可计算给定ROI中的给定有效体素时间系列数据与其相邻体素时间系列数据之间的相似性度量。作为示例，时间系列图像数据可包含动态图像I1、I2、I3、…、Im。此外，每个动态图像Im可包含n个ROI，例如ROI1、ROI2、…ROIn。此外，每个ROI又可包含l个有效体素，例如v1、v2、…vl。相应地，对于给定ROI，计算所确定的ROIn中的所有有效体素时间系列数据之中的相似性度量。备选地，在给定ROIn中，可识别中心体素。此外，可计算对应于中心体素的时间系列数据与对应于相邻体素的时间系列数据之间的相似性度量。将参照图3更详细描述与感兴趣区域对应的LCM的计算。
此外，由患者所遇到的运动以及解剖区域中的对比摄取导致与被成像的解剖区域对应的信号特性或数据中的变化。因此，只使用简单时间系列距离度量对于识别因患者运动引起的信号特性的变化是不充分的。此外，还观察到，在每个时间点，信号特性中的方差在运动校正后降低。
按照本说明书的方面，局部扩散度量(LDM)可与LCM结合使用，以增强运动校正的效能的评估，由此提供动态MRI图像中的运动校正的效能的定量评估。可注意，在LCM主要反映给定ROI中的时间连续性的同时，LCM捕获给定ROI中的空间连续性。因此，LCM和LDM相互是互补的。
为此，在步骤212处，除了相似性度量之外，还可计算与给定ROI中的每个有效体素对应的扩散度量。在一个实施例中，对于每个ROI，可计算时间系列推导扩散度量、例如LDM。更具体来说，对于给定ROI中的每个有效体素，可在给定时间点计算表示给定有效体素与有效体素周围的邻域区域中的对应有效体素之间的信号特性的扩散的扩散度量。作为示例，时间系列图像数据可包含动态图像I1、I2、I3、…、Im，其中每个动态图像Im可包含n个ROI，例如ROI1、ROI2、…ROIn。而且，每个ROI又可包含l个有效体素，例如v1、v2、…vl。相应地，对于所确定的ROIn中的给定有效体素vl，表示与给定有效体素vl对应的信号特性以及与给定有效体素vl的邻域中的有效体素对应的信号特性的方差或扩散的扩散度量可在每个时间点计算。一旦计算与每个ROI中的每个有效体素对应的扩散度量，LDM可使用所计算的扩散度量来计算。将参照图4-5更详细描述与感兴趣区域对应的LDM的计算。
继续参照图2，一旦计算与时间系列图像数据中的每个ROI对应的LCM和LDM，可生成相似性图和/或扩散图，如由步骤214所指示。具体来说，LCM可用来生成相似性图，而LDM可用来生成扩散图。这些图可同步地用来评估动态图像中的运动校正的效能。
如先前所注意，虽然LCM主要反映给定ROI中的时间连续性，但是LDM捕获给定ROI中的空间连续性，由此使LCM和LDM图互补。相应地，LCM和LDM图可协力地用作用于报告运动校正之后的动态数据中的任何改进的标准化机制。这些图提供原始运动破坏的图像数据与对应运动校正的图像数据之间的相似性和/或扩散的定量表示。在某些实施例中，图可被颜色编码，其中不同颜色表示时间系列图像数据的相似性或扩散的不同值。备选地，成形指示符、文本、数字或者其组合可用来体现时间系列图像数据的相似性或扩散的不同值。
这些图的使用允许对所获取的图像数据的不同算法的性能的简易比较。此外，如先前所注意的，信号特性或信号强度数据用于计算诸如LCM和LDM的度量。而且，信号数据能够被信号不均质性相关伪影破坏，归一化和滤波的数据的使用甚至在信号不均质性相关伪影存在的情况下也增强相似性度量(LCM)和/或扩散度量(LDM)的估计。
随后，在步骤216处，相似性图和/或扩散图可传递给临床医生，以帮助评估运动校正的保真度。在某些实施例中，这些图可在显示器、例如图1的显示器116上可视化。
另外地，在步骤216处，原始图像数据、运动校正的数据、信号特性、所检测的运动、运动校正的效能的评估的指示符等的一个或多个可传递给临床医生。可注意，在某些实施例中，步骤216可以是可选步骤。在一个实施例中，原始图像数据、相似性图、扩散图、所检测的运动和/或校正的图像的一个或多个可通过显示器、例如图1的显示器116上的可视化来传递给临床医生。这个视觉显示可帮助临床医生对运动校正的效能的增强评估。备选地，与原始图像数据、相似性图、扩散图、所检测的运动和/或校正的图像的一个或多个相关的信息可经由其他方式、例如音频信号来传递给临床医生。
如参照图2所注意的，计算与被成像的解剖区域中的每个ROI对应的时间系列定量度量、例如LCM和/或LDM。但是，在其他实施例中，可处理与整个解剖区域对应的信号特性，以生成度量和/或图。
现在参照图3，提出描绘使用所获取的图像数据来计算相似性度量、例如LCM的方法的流程图300。具体来说，图3描绘图2的步骤212的LCM的计算。图3的方法根据图1-2的各种组件来描述。如参照图2所注意的，每个图像基于对应组织类型来划分为一个或多个感兴趣区域。相应地，在图3的方法中，可得到与被处理的图像208对应的感兴趣区域302。302中的感兴趣区域的每个可基于对应标签来识别。在一个实施例中，掩码(mask)可用来描绘被处理的图像中的每个ROI 302。此外，可注意，被处理的图像中的每个ROI 302包含一个或多个有效体素，而去除了骗子或噪声体素。
此外，在步骤304处，可得到与跨时间的给定ROI 302中的每个有效体素对应的信号特性或信号强度数据。具体来说，对于每个有效体素，可累积对应于来自所确定的邻域的有效体素的时间系列信号曲线或特性。在一个示例中，所确定的邻域可包含包围给定有效体素的3×3×3邻域。作为示例，对于有效体素vl，可得到与时间系列处理的图像的每个中的所确定的邻域中的有效体素对应的信号特性。相应地，可获取三维(3D)时间系列信号数据。在一个实施例中，信号特性可包含通过对比流所调制的磁共振(MR)信号。
随后，在步骤306处，可计算与ROI 302中的给定有效体素对应的相似性度量。更具体来说，与给定有效体素对应的相似性度量可使用与所确定的邻域中的有效体素对应的累积的时间系列信号曲线来计算。在一个实施例中，相似性度量可包含相关性系数。一旦计算与给定感兴趣区域中的每个有效体素对应的相关性系数，可确定所有所计算的相关性系数的平均数，如由步骤308所描绘。所有相关性系数的这个计算平均数可表示相似性度量。在某些其他实施例中，其他统计量度、例如所有相关性系数的中值可用作相似性度量。这样确定的相似性度量可称作局部相关性度量(LCM)。
按照本说明书的方面，LCM的较高值表示在不同时间点的给定ROI中的信号数据的更好对齐。相应地，可期望量化LCM。在一个实施例中，在步骤308处所确定的LCM可与阈值进行比较，以量化LC，如由步骤310所指示。可注意，可基于那个感兴趣区域的组织类型来指配每个感兴趣区域302对应阈值。在某些实施例中，阈值可外部供应。但是，在某些其他实施例中，例如，阈值可由系统100自动指配。
在步骤310处，如果检验LCM的值大于对应阈值，则可推论LCM具有高值，其中LCM的高值通常指示运动校正后的信号数据的更好对齐。相应地，在步骤312处，可生成运动校正后的信号数据的“良好”对齐的指示符。但是，在步骤310处，如果检验LCM的值低于对应阈值，则可推断LCM具有较低值，其中较低LCM值通常指示运动校正后的信号数据的不良对齐。指示符可在图像和/或相似性图上可视化。另外地，在步骤314处，运动校正后的信号数据的“不良”对齐的指示符可被生成并且在图像或相似性图上可视化。计算LCM的这个过程可对被成像的解剖区域中的每个ROI重复进行。
如上文所注意的，由患者所遇到的运动以及解剖区域中的对比摄取导致与被成像的解剖区域对应的信号数据或特性中的变化。因此，只使用简单时间系列距离度量对于识别因患者运动引起的信号数据中的变化是不充分的。按照本说明书的方面，局部扩散度量(LDM)可与LCM结合使用，以增强运动校正的效能的评估，由此提供动态MRI图像中的运动校正的效能的定量评估。
现在转到图4，提出描绘使用所获取的图像来计算局部扩散度量(LDM)的方法的流程图400。图4的方法根据图1-2的各种组件来描述。如先前所注意的，识别图像中的对应感兴趣区域402的有效体素(参见图2的步骤210)。为了促进LDM的计算，与所确定的3D邻域中的有效体素对应的信号数据曲线或特性可沿行堆叠，如由步骤404所指示。在一个示例中，所确定的3D邻域可包含包围给定有效体素的3×3×3区域。
因此，在每个时间点(t)，可确定表示跨邻域体素的信号数据的扩散的扩散度量，如由步骤406所描绘。在一个实施例中，扩散度量可包含在每个时间点的信号数据中的方差(σt 2)。但是，在其他实施例中，也可使用其他扩散度量，例如Z得分、卡方统计等。
一旦计算在每个时间点的扩散度量，可计算局部扩散度量，如由步骤408所描绘。在一个示例中，LDM可基于等式(3)使用与不同时间点对应的扩散度量来计算。
其中σt 2表示在给定时间点t并且在给定空间邻域中的信号数据的方差。
LDM的较低值通常指示在给定ROI中的不同时间点的信号数据的更好对齐，而LDM的较高值通常指示在给定ROI的不同时间点的信号数据的不良对齐。相应地，在步骤410处，LDM值可与阈值扩散值进行比较。阈值扩散值可基于给定ROI的组织类型在外部供应。备选地，阈值扩散值可由系统100自动指配。
在步骤410处，如果检验LDM值低于阈值扩散值，则可推断运动校正具有“良好”质量。但是，在步骤410处，如果确定LDM值大于阈值扩散值，则可推论运动校正的质量是“不良的”。此外，量化运动校正的效能的指示符可被生成并且覆盖于一个或多个图像和/或图上，如由步骤412和414所指示。在某些实施例中，定量指示符可包含成形指示符、文本、数字或者其组合。但是，在其他实施例中，运动校正的保真度的评估可经由使用不同颜色来指示，其中每个颜色指示运动校正的某个质量。
图5是确定图4的LDM的方法的图解表示500。如图5所描绘，与有效体素的邻域中的有效体素对应的信号数据曲线502按照行堆叠。参考数字504表示信号数据，而推注(bolus)时间点通过参考数字506表示。
如参照图4所述，在每个时间点tn，计算指示在那个时间点的信号数据的扩散或扩展的扩散度量。在图5的示例中，扩散度量包含方差。相应地，指示在时间点t1的信号数据的扩散。以类似方式，可计算与时间点t2、t3、t4、t5、t6和t7对应的扩散度量。随后，可计算与给定ROI对应的局部扩散度量LDM，如由等式(4)所指示。
。
LDM值然后可与对应于给定ROI的标签的阈值扩散值进行比较，以评定运动校正的保真度。这个过程可对被成像的解剖区域中的所有ROI重复进行。另外地，量化运动校正的效能的指示符可被生成并且在图像和/或扩散图上或周围显示。
现在转到图6(a)-6(h)，提出自动评估图2的运动校正的效能的方法的图解表示。在这个示例中，图像数据对应于患者、例如患者102(参见图1)的前列腺区域。图6(a)表示与在时间点t=0秒所获取的前列腺区域对应的原始图像602。而且，图6(b)表示与在时间t=225秒所获取的图像对应的运动校正的图像604。可注意，仿射变换(例如MI度量)和水平集光流非刚性校正(例如平方和误差度量)的组合用来校正图像602的图像数据中的刚性和非刚性运动，以生成图像604的运动校正的图像数据。
如图6(a)所描绘，可观察前列腺DCE-MRI数据中的显著运动。所检测的运动通过如图6(b)所描绘的运动校正算法适当地校正。因运动校正引起的信号数据中的改进在与LCM和LDM度量(参见图6(c)-6(f))对应的图中捕获。
现在参照图6(c)，提出与图6(a)的运动破坏的数据602对应的LCM图的图解表示606。图6(d)表示与图6(b)的运动校正的数据对应的LCM图608。从图6(c)-6(d)可观察到，与对应于图6(a)的原始运动破坏的图像数据的LCM度量相比时，与图6(b)的运动校正的图像数据对应的LCM度量在包围前列腺的股动脉和组织的区域中是非常均质的。此外，如图6(d)所描绘，运动校正的数据的较高对齐质量导致运动校正后的整个前列腺视场(FOV)的较高LCM值。
以类似方式，图6(e)是与图6(a)的运动破坏的数据602对应的LDM图的图解表示610。而且，图6(f)是与图6(b)的运动校正的数据604对应的LDM图的图解表示612。从图6(f)-6(g)可观察到，与对应于图6(a)的原始运动破坏的图像数据的LDM度量相比时，与图6(b)的运动校正的图像数据对应的LDM度量是非常均质的。另外，如图6(f)所描绘，运动校正的数据的较高对齐质量导致运动校正后的整个前列腺FOV的较低LDM值。
此外，图6(g)是与图6(a)中的区域616对应的信号特性的图解表示614。而且，图6(h)是与图6(b)的运动校正的图像中的区域620对应的信号特性的图解表示618，其中区域620对应于图6(a)的运动破坏的图像中的区域616。如图6(g)所描绘，存在与区域616对应的信号特性的扩展。现在参照图6(h)，与运动校正的图像中的区域620对应的信号特性的扩展被最小化，由此表示运动校正的“良好”质量。
现在转到图7(a)-7(g)，提出自动评估图2的运动校正的效能的方法的另一个示例。图7(a)中，描绘表示乳房的所获取的图像的图解表示702。具体来说，这个图像702表示任何运动校正之前的运动破坏的图像数据。图7(b)描绘与图7(a)的图像702对应的运动校正的图像的图解表示704。可注意，仿射变换(例如MI度量)和基于第3阶B样条的非刚性校正(例如MI度量)的组合用来校正图像702中的刚性和非刚性运动，以生成图像704的运动校正的图像数据。
如在图7(a)中可观察到，存在乳房DCE-MRI数据中的显著运动，其通过运动校正算法(参见图7(b))适当地校正。而且，图7(c)描绘原始图像702和运动校正的图像704的差值图像的图解表示706。从图像706可观察到，运动校正导致至少在通过箭头708所标记的区域中的变化。
因运动校正引起的信号数据中的改进在与LCM和LDM度量(参见图7(d)-7(g))对应的图中捕获。现在参照图7(d)，提出与图7(a)的运动破坏的数据702对应的LCM图的图解表示710。此外，图7(e)表示与图7(b)的运动校正的数据对应的LCM图712。从图7(d)-7(e)可观察到，与对应于图7(a)的原始运动破坏的数据的LCM度量相比时，与图7(b)的运动校正的图像数据对应的LCM度量在通过图7(c)的箭头708所指示的区域中是非常均质的。此外，如图7(e)所描绘，运动校正的数据的较高对齐质量导致运动校正后的整个乳房FOV的较高LCM值。
以类似方式，图7(f)是与图7(a)的运动破坏的数据702对应的LDM图的图解表示714。而且，图7(g)是与图7(b)的运动校正的数据704对应的LDM图的图解表示716。从图7(f)-7(g)可注意到，与对应于图7(a)的原始运动破坏的数据的LDM度量相比时，与图7(b)的运动校正的图像数据对应的LDM度量在通过图7(c)的箭头708所指示的区域中是非常均质的。此外，如图7(g)所描绘，运动校正的数据的较高对齐质量导致运动校正后的整个乳房FOV的较低LDM值。
相似性度量、例如LCM主要反映给定ROI中的时间连续性，而扩散度量、例如LDM捕获那个ROI中的空间连续性。因此，LCM和LDM图是互补的，并且可同步用于运动校正的定量判断。更具体来说，LCM和LDM图可用作用于报告运动校正之后的动态数据中的改进的标准化机制，并且允许不同算法或站点数据的性能的简易比较。而且，归一化的数据在LCM和LDM的计算中的使用增强度量的计算。另外地，组织分类的使用并且将LCM和LDM的计算的邻域限制到与不同组织类型对应的不同ROI还增强运动校正的效能的评定。
按照本说明书的方面，相似性度量(LCM)和扩散度量(LDM)协力地用来适当反映配准后的动态4D MRI数据的对齐中的任何改进。这些度量还可用作用于快速评定运动校正后的动态数据中的改进程度的运动校正工作流程的一部分。相应地，LCM和LDM度量帮助量化跨不同解剖和临床站点的动态数据中的运动校正方案的效能。
如先前参照图1所注意的，医疗成像系统106可包含磁共振成像(MRI)成像系统。图800是MRI系统800的实施例的框图。MRI系统8MRI系统800以图解方式图示为包含扫描仪802、扫描仪控制电路系统804和系统控制电路系统806。虽然MRI系统800可包含任何适当MRI扫描仪或检测器，但是在所图示实施例中，该系统包含全身扫描仪，其包含患者膛808，台架810可定位到其中以便将患者812、例如患者102放入预期位置用于扫描。扫描仪802可具有任何适当类型的额定，包含从0.5特斯拉额定到3特斯拉额定及以上变化的扫描仪。
另外地，扫描仪802可包含一系列关联线圈，其用于产生控制的磁场、用于生成射频(RF)激励脉冲并且用于响应于这类脉冲而检测来自患者812内的旋磁材料的发射。在图8的图解视图中，可提供一次磁体线圈814用于生成通常与患者膛808对齐的一次磁场。一系列梯度线圈816、818和820可编组在线圈组合件中用于在检查序列期间生成控制的梯度磁场，如下文中将更详细描述。可提供RF线圈822，用于生成用于激励旋磁材料的射频脉冲。在图8所图示的实施例中，线圈822还用作接收线圈。因此，RF线圈822可以以无源和有源模式与驱动和接收电路系统耦合，以便分别接收来自旋磁材料的发射和施加RF激励脉冲。备选地，接收线圈的各种配置可与RF线圈822分开提供。这类线圈可包含专门适合于目标解剖的结构，例如头部线圈组合件等。此外，接收线圈可按照任何适当物理配置(包含相控阵线圈等)来提供。
在当前考虑的配置中，梯度线圈816、818和820可具有适合其在成像系统800中的功能的不同物理配置。如由本领域的技术人员将会理领会，线圈包含传导导线、汇流条或板，其卷绕或切割以便形成线圈结构(其在施加控制脉冲时生成梯度场)，如以下所述。线圈在梯度线圈组合件内的放置可按照若干不同顺序进行。在一个实施例中，Z轴线圈可定位在最内位置处，并且可通常形成为螺线管状结构，其对RF磁场具有较小影响。因此，在所图示实施例中，梯度线圈820是Z轴螺线管线圈，而线圈816和818分别是Y轴和X轴线圈。
扫描仪802的线圈可由外部电路系统来控制，以生成预期场和脉冲，并且按照控制的方式读取来自旋磁材料的信号。如由本领域的技术人员将会领会，当通常约束在患者组织中的材料经受一次场时，组织中的顺磁核的个别磁矩与场部分对齐。虽然净磁矩在极化场的方向上产生，但是垂直平面中的磁矩的随机定向分量通常相互抵消。在检查序列期间，RF频率脉冲在感兴趣材料的拉莫尔频率或附近生成，从而导致净对齐磁矩的旋转，以产生净横向磁矩。横向磁矩围绕主磁场方向进动，从而发射RF信号，其由扫描仪802来检测并且被处理用于重构预期图像。
梯度线圈816、818和820可配置成用来生成准确控制的磁场，其强度相对于预定义视场而改变，通常具有正和负极性。当每个线圈采用已知电流来激励时，所得到的磁场梯度重叠于一次场之上，并且产生跨视场的磁场强度的Z轴分量中的预期线性变化。场在一个方向上线性变化，但是在其他两个方向上是均质的。三个线圈对于其变化方向具有相互正交轴，从而使线性场梯度能够采用三个梯度线圈的适当组合在任意方向上强加。
脉动梯度场执行作为成像过程的整体的各种功能。这些功能的一部分是片层(slice)选择、频率编码和相位编码。这些功能可沿原坐标系的X轴、Y轴和Z轴或者沿通过施加到个别场线圈的脉动电流的组合所确定的其他轴来施加。
片层选择梯度确定患者中待成像的组织或解剖的切片。片层选择梯度场可与频率选择性RF脉冲同时施加，以激励以相同频率进动的预期片层中的已知自旋体积。片层厚度通过RF脉冲的带宽以及跨视场的梯度强度来确定。
频率编码梯度又称作读出梯度，并且通常在与片层选择梯度垂直的方向上施加。一般来说，频率编码梯度在产生于RF激励的磁共振(MR)回波信号的形成之前和期间来施加。旋磁材料在这个梯度的影响下的自旋按照其沿梯度场的空间位置被频率编码。通过傅立叶变换，可分析所获取的信号，以便通过频率编码来识别它们在所选片层中的位置。
相位编码梯度通常在读出梯度之前并且在片层选择梯度之后施加。在相位编码方向上的旋磁材料中的自旋的定域可通过使用略微不同的梯度幅度(其在数据获取序列期间依次施加)依次引起材料的进动质子的相位中的变化来实现。相位编码梯度准许相位差按照它们在相位编码方向上的位置在材料的自旋之中被创建。
如由本领域的技术人员将会领会，大量变化可采用上文所述示范梯度脉冲函数以及这里没有明确描述的其他梯度脉冲函数对脉冲序列来设计。此外，可进行脉冲序列中的自适应，以便适当定向所选片层以及频率和相位编码，以激励预期材料，并且获取所得到的MR信号用于处理。
扫描仪802的线圈由扫描仪控制电路系统804来控制，以生成预期磁场和RF脉冲。在图8的图解视图中，控制电路系统804因而包含控制电路826，其用于命令检查期间所采用的脉冲序列，并且用于处理所接收的信号。控制电路826可包含任何适当可编程逻辑装置，例如通用或专用计算机的CPU或数字信号处理器。而且，控制电路826还可包含存储器电路系统828、例如易失性和非易失性存储器装置，其用于存储在由扫描仪所实现的检查序列期间所使用的物理和逻辑轴配置参数、检查脉冲序列描述、所获取的图像数据、编程例程等。
控制电路826与扫描仪802的线圈之间的接口由放大和控制电路系统830以及由传输和接收接口电路系统832来管理。放大和控制电路系统830包含使每个梯度场线圈响应于来自控制电路826的控制信号而向场线圈供应驱动电流的放大器。发射/接收(T/R)电路系统832包含用于驱动RF线圈822的附加放大电路系统。此外，在RF线圈822用来发射RF激励脉冲并且接收MR信号的情况下，T/R电路系统832通常可包含切换装置，其用于在有源或发射模式与无源或接收模式之间切换RF线圈。提供通常由在图8中的参考数字824所表示的电源用于激励一次磁体814。最后，扫描仪控制电路系统804可包含接口组件834，其用于与系统控制电路系统806交换配置和图像数据。应当注意，虽然在本描述中参照采用超导一次场磁体组合件的水平圆筒膛成像系统，但是本技术可适用于各种其他配置，例如采用由超导磁体、永磁体、电磁体或者这些部件的组合所生成的垂直场的扫描仪。
系统控制电路系统806可包含用于经由扫描仪控制电路系统804促进操作员或放射科医生与扫描仪802之间的接口的大量装置。在所图示实施例中，例如，采取采用通用或专用计算机的计算机工作站形式来提供操作员控制器836。工作站通常还包含存储器电路系统，其用于存储检查脉冲序列描述、检查协议、原始和被处理的用户和患者数据、图像数据等。此外，工作站还可包含各种接口和外围驱动器，其用于接收并且与本地和远程装置交换数据。在所图示实施例中，这类装置包含常规计算机键盘840和备选输入装置、例如鼠标842。可提供打印机844，用于生成从所获取的数据所重构的文档和图像的硬拷贝输出。此外，可提供计算机监测器838用于促进操作员接口。另外，系统800可包含各种本地和远程图像访问和检查控制装置，一般由在图8中的参考数字846所表示。这类装置可包含图片存档和通信系统、远程放射学系统等。
上述组件可以是专用硬件元件(例如具有数字信号处理器的电路板)或者可以是运行于通用计算机或处理器(例如商业现货个人计算机(PC))上的软件。按照本发明的各个实施例，可组合或分离各种组件。因此，本领域的技术人员将会领会，作为示例而提供本MRI系统800，以及本说明书决不受特定系统配置限制。
在图8的示例中，示范评估平台848、例如图1的评估平台112示为在操作上耦合到MRI系统800。但是，在某些其他实施例中，运动检测平台848可以是MRI系统800的组成部分。
此外，上述示例、实证和过程步骤(例如可由系统来执行的那些步骤)可通过基于处理器的系统、例如通用或专用计算机上的适当代码来实现。还应当注意，本说明书的不同实现可按照不同顺序或者基本上同时、即并行地执行本文所述步骤的部分或全部。此外，功能可通过各种编程语言来实现，编程语言包含但不限于C++或Java。这种代码可存储或者适合于存储在可由基于处理器的系统来访问以运行所存储代码的一个或多个有形机器可读媒体上，例如数据仓库芯片、本地或远程硬盘、光盘(即，CD或DVD)，存储器或其他媒体上。注意，有形媒体可包含其上印制了指令的纸张或另一种适当媒介。例如，指令可经由纸张或其他媒介的光学扫描以电子方式捕获，然后被编译、解释或者根据需要以适当方式另外处理，并且然后存储在数据仓库或存储器中。
上文所提出的用于运动校正的效能的自动化评估的各种系统和方法提供用于运动校正的保真度的健壮评定的框架。另外地，该框架实现运动校正的健壮量化。此外，由于系统和方法允许运动校正的效能的快速评定，这个信息可用来增强临床工作流程。此外，本文所提出的系统和方法允许运动校正的保真度的自动化评估，其又增强图像数据获取，同时使临床医生的净扫描时间为最小，并且由此改进临床工作流程。
而且，基于局部相关性和扩散的度量用来可靠地反映运动校正后的动态3D和/或4D MRI数据对齐中的改进。这些度量可用作用于快速评定校正后的动态数据中的改进程度的运动校正工作流程的部分。度量还提供用于量化跨不同解剖和临床站点的动态数据中的运动校正方案的效能的方式。
诸如乳房、前列腺、骨、肾、肺、子宫等的器官的运动的确定通常是具体挑战性的。另外，对比的流使问题加剧，由此使得诸如差值图像或视觉技术的技术难以评定运动校正的保真度。上文所述的系统和方法规避当前可用技术的缺点，并且帮助器官的3D和/或4DDCE-MRI、DSC-MRI或DCE-CT扫描中的运动校正的效能的自动化评估。
另外地，系统和方法提供用于允许临床医生评定动态时间系列数据中的运动校正的效能的增强的临床工作流程。此外，所获取的4D图像数据用来证明运动校正的保真度，由此规避对附加数据或步骤的需要。此外，上文所提出的系统和方法允许临床医生了解作为运动校正工作流程的部分的运动校正的健壮性。
虽然本公开仅某些特征已被本文图示和描述，但本领域的技术人员将会想到多种修改和变化。因此要理解，所附权利要求书意图涵盖如落入本公开的真实精神之内的所有这类修改和变化。

Claims (23)

1.一种用于运动校正的自动化评估的方法，所述方法包括：
识别与感兴趣受检者对应的多个图像的每个中的一个或多个感兴趣区域；
选择所述多个图像的每个中的所述一个或多个感兴趣区域的每个的有效体素；
计算所述多个图像的每个中的每个感兴趣区域的相似性度量、扩散度量或者所述相似性度量和所述扩散度量；以及
基于与所述一个或多个感兴趣区域对应的所述相似性度量和所述扩散度量来生成相似性图、扩散图或者所述相似性图和所述扩散图。
2.如权利要求1所述的方法，其中，所述多个图像包括动态二维图像、动态三维图像或者其组合。
3.如权利要求2所述的方法，其中，所述多个图像包括运动破坏的动态对比图像。
4.如权利要求2所述的方法，其中，所述多个图像包括运动校正的动态对比图像。
5.如权利要求4所述的方法，还包括使用造影剂，其中所述造影剂包括内源的造影剂、外源的造影剂或者其组合。
6.如权利要求5所述的方法，其中，得到所述多个图像包括在向所述患者给予所述造影剂之前获取一个或多个图像。
7.如权利要求6所述的方法，其中，得到所述多个图像还包括在向所述患者给予所述造影剂之后获取一个或多个图像。
8.如权利要求1所述的方法，其中，识别所述多个图像的每个中的所述一个或多个感兴趣区域包括：
查明所述感兴趣受检者中的解剖区域中的一个或多个组织类型；以及
标记所述一个或多个组织类型，以识别所述一个或多个感兴趣区域。
9.如权利要求1所述的方法，其中，选择所述多个图像的每个中的所述一个或多个感兴趣区域的每个中的所述有效体素包括：
归一化与所述多个图像的每个中的所述一个或多个感兴趣区域的每个对应的信号特性；
基于所确定的阈值将体素分类为所述有效体素；以及
基于所述所确定的阈值将体素分类为噪声体素。
10.如权利要求9所述的方法，其中，所述信号特性包括通过对比流所调制的信号。
11.如权利要求1所述的方法，其中，计算每个感兴趣区域中的每个有效体素的所述相似性度量包括：
累积与每个有效体素的所确定的邻域中的有效体素对应的时间系列信号特性；
基于与所述所确定的邻域中的所述有效体素对应的所述时间系列信号特性来计算每个有效体素的相关性度量；以及
确定与每个感兴趣区域中的所述有效体素对应的所述相关性度量的平均数或中值，以生成所述相似性度量。
12.如权利要求11所述的方法，还包括将所述相似性度量与对应于每个感兴趣区域对应的阈值进行比较，以确定运动校正的效能。
13.如权利要求12所述的方法，其中，生成所述相似性图包括基于与每个感兴趣区域对应的所述相似性度量来创建所述相似性图。
14.如权利要求1所述的方法，其中，计算每个感兴趣区域中的每个有效体素的所述扩散度量包括：
累积与每个有效体素的所确定的邻域中的有效体素对应的时间系列信号特性；
基于与在每个时间点的所述所确定的邻域中的所述有效体素对应的所述信号特性来确定每个有效体素的所述时间系列信号特性的扩展度量；以及
计算与每个感兴趣区域中的所述有效体素对应的所述扩展度量的平均数或中值，以生成所述扩散度量。
15.如权利要求14所述的方法，还包括将所述扩散度量与对应于每个感兴趣区域对应的阈值进行比较，以确定运动校正的效能。
16.如权利要求14所述的方法，其中，生成所述扩散图包括基于与每个感兴趣区域对应的所述扩散度量来创建所述扩散图。
17.如权利要求1所述的方法，其中，生成所述相似性图、所述扩散图或者所述相似性图和所述扩散图还包括基于与所述一个或多个感兴趣区域对应的所述相似性度量和所述扩散度量来注释所述相似性图和所述扩散图。
18.如权利要求1所述的方法，还包括向临床医生传递所述相似性图和所述扩散图。
19.如权利要求18所述的方法，其中，向所述临床医生传递所述相似性图和所述扩散图包括在显示器上对所述相似性图、所述扩散图和表示运动校正的效能的指示符中的一个或多个进行可视化。
20.如权利要求1所述的方法，还包括基于所述相似性图和所述扩散图来变更图像数据的获取。
21.一种用于运动校正的自动化评估的系统，所述系统包括：
运动校正评估平台，配置成：
识别与感兴趣受检者对应的多个图像的每个中的一个或多个感兴趣区域；
选择所述多个图像的每个中的所述一个或多个感兴趣区域的每个中的有效体素；
计算所述多个图像的每个中的每个感兴趣区域的相似性度量、扩散度量或者所述相似性度量和所述扩散度量；以及
基于与所述一个或多个感兴趣区域对应的所述相似性度量和所述扩散度量来生成相似性图、扩散图或者所述相似性图和所述扩散图。
22.一种成像系统，包括：
获取子系统，配置成获取与感兴趣受检者对应的图像数据；
处理子系统，与所述获取子系统操作的关联，并且配置成处理所获取的图像数据，其中所述处理子系统包括运动校正评估平台，其配置成：
识别与感兴趣受检者对应的多个图像的每个中的一个或多个感兴趣区域；
选择所述多个图像的每个中的所述一个或多个感兴趣区域的每个中的有效体素；
计算所述多个图像的每个中的每个感兴趣区域的相似性度量、扩散度量或者所述相似性度量和所述扩散度量；以及
基于与所述一个或多个感兴趣区域对应的所述相似性度量和所述扩散度量来生成相似性图、扩散图或者所述相似性图和所述扩散图。
23.如权利要求22所述的成像系统，其中，所述成像系统是磁共振成像系统、超声成像系统、对比增强超声成像系统、光学成像系统、X射线成像系统、计算机断层扫描成像系统、正电子发射断层扫描成像系统或者其组合。
CN201580034306.1A 2014-04-25 2015-04-24 用于评估动态医疗图像中的运动校正的系统和方法 Active CN106462972B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
IN2108/CHE/2014 2014-04-25
IN2108CH2014 2014-04-25
PCT/US2015/027432 WO2015164687A1 (en) 2014-04-25 2015-04-24 System and method for evaluating motion correction in dynamic medical images

Publications (2)

Publication Number Publication Date
CN106462972A true CN106462972A (zh) 2017-02-22
CN106462972B CN106462972B (zh) 2020-09-11

Family

ID=54333232

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201580034306.1A Active CN106462972B (zh) 2014-04-25 2015-04-24 用于评估动态医疗图像中的运动校正的系统和方法

Country Status (3)

Country Link
US (1) US10799204B2 (zh)
CN (1) CN106462972B (zh)
WO (1) WO2015164687A1 (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109330626A (zh) * 2018-11-16 2019-02-15 中聚科技股份有限公司 一种自适应调节超声探头位置的装置及方法
CN111308405A (zh) * 2018-12-12 2020-06-19 西门子医疗有限公司 用于监控局部线圈的方法和设备
CN111971751A (zh) * 2018-02-08 2020-11-20 通用电气公司 用于评估动态数据的系统和方法
CN113126013A (zh) * 2019-12-31 2021-07-16 上海联影医疗科技股份有限公司 图像处理系统和方法

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6556005B2 (ja) * 2015-09-29 2019-08-07 富士フイルム株式会社 断層画像生成装置、方法およびプログラム
EP3244368A1 (en) * 2016-05-13 2017-11-15 Stichting Katholieke Universiteit Noise reduction in image data
US10299699B2 (en) * 2016-11-28 2019-05-28 Biosense Webster (Israel) Ltd. Computerized tomography image correction
US10307116B2 (en) * 2017-02-22 2019-06-04 Uih America, Inc. System and method for detecting organ motion
US10670680B2 (en) * 2017-04-06 2020-06-02 Case Western Reserve University System and method for motion insensitive magnetic resonance fingerprinting
US11250575B2 (en) * 2019-08-26 2022-02-15 Siemens Medical Solutions Usa, Inc. Determination of confidence score for motion correction
WO2023131226A1 (en) * 2022-01-05 2023-07-13 Shanghai United Imaging Healthcare Co., Ltd. Methods and systems for motion correction of positron emission computed tomography (pet) images
CN115984875B (zh) * 2023-03-21 2023-06-06 南京信息工程大学 一种硬笔楷书临摹作品的笔画相似性评价方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002222410A (ja) * 2001-01-25 2002-08-09 Hitachi Medical Corp 画像診断装置
CN102038502A (zh) * 2009-10-14 2011-05-04 西门子公司 对在扩散加权的磁共振成像中的失真的校正
CN102395996A (zh) * 2009-04-13 2012-03-28 皇家飞利浦电子股份有限公司 用于动态的、对比度增强的成像研究的似合理的参考曲线
US20120082350A1 (en) * 2010-10-04 2012-04-05 General Electric Company Method and apparatus for assessing motion correction
JP2012125297A (ja) * 2010-12-13 2012-07-05 Toshiba Corp 超音波診断装置、画像処理装置及びプログラム。

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9008396B2 (en) * 2011-04-29 2015-04-14 Magnetic Resonance Innovations, Inc. Tissue similarity mapping
KR101307673B1 (ko) 2012-06-27 2013-09-26 주식회사 나노포커스레이 전산화 단층 촬영장치의 호흡동기 영상 획득 방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002222410A (ja) * 2001-01-25 2002-08-09 Hitachi Medical Corp 画像診断装置
CN102395996A (zh) * 2009-04-13 2012-03-28 皇家飞利浦电子股份有限公司 用于动态的、对比度增强的成像研究的似合理的参考曲线
CN102038502A (zh) * 2009-10-14 2011-05-04 西门子公司 对在扩散加权的磁共振成像中的失真的校正
US20120082350A1 (en) * 2010-10-04 2012-04-05 General Electric Company Method and apparatus for assessing motion correction
JP2012125297A (ja) * 2010-12-13 2012-07-05 Toshiba Corp 超音波診断装置、画像処理装置及びプログラム。

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111971751A (zh) * 2018-02-08 2020-11-20 通用电气公司 用于评估动态数据的系统和方法
CN109330626A (zh) * 2018-11-16 2019-02-15 中聚科技股份有限公司 一种自适应调节超声探头位置的装置及方法
CN111308405A (zh) * 2018-12-12 2020-06-19 西门子医疗有限公司 用于监控局部线圈的方法和设备
US11226384B2 (en) 2018-12-12 2022-01-18 Siemens Healthcare Gmbh Method and device for monitoring local coils
CN113126013A (zh) * 2019-12-31 2021-07-16 上海联影医疗科技股份有限公司 图像处理系统和方法
CN113126013B (zh) * 2019-12-31 2023-02-28 上海联影医疗科技股份有限公司 图像处理系统和方法

Also Published As

Publication number Publication date
WO2015164687A1 (en) 2015-10-29
CN106462972B (zh) 2020-09-11
US10799204B2 (en) 2020-10-13
US20170042496A1 (en) 2017-02-16

Similar Documents

Publication Publication Date Title
CN106462972A (zh) 用于评估动态医疗图像中的运动校正的系统和方法
Abadi et al. Virtual clinical trials in medical imaging: a review
US11605455B2 (en) Systems and methods for predicting outcomes using raw data
Dai et al. Multimodal MRI synthesis using unified generative adversarial networks
CN105431746B (zh) 用于为独立像素或体素分配组织特异pet衰减值的mri方法
US10114098B2 (en) Method estimating a pseudo Hounsfield Unit value
Sormaz et al. Knowing what from where: Hippocampal connectivity with temporoparietal cortex at rest is linked to individual differences in semantic and topographic memory
EP4276756A2 (en) Tumor tissue characterization using multi-parametric magnetic resonance imaging
CN106999091A (zh) 用于组成材料的改进分类的方法和系统
US20110210734A1 (en) System and method for mr image scan and analysis
CN104346821A (zh) 用于医学成像的自动规划
CN102525466A (zh) 图像处理装置和磁共振成像装置
US10362992B2 (en) System and method for detection of motion in dynamic medical images
US9607392B2 (en) System and method of automatically detecting tissue abnormalities
CN102740769A (zh) 功能成像
CN102460506A (zh) 参数图像的自动定标
CN103901377B (zh) 用于相干和非相干运动的同时检测的q-空间的复数重建
CN108324244A (zh) 用于ai+mri影像辅助诊断的自动增广训练样本的构建方法及系统
Xu et al. Learning‐based motion artifact removal networks for quantitative R 2∗ mapping
Bones et al. Workflow for automatic renal perfusion quantification using ASL‐MRI and machine learning
Pickup et al. Dynamic contrast-enhanced MRI in the abdomen of mice with high temporal and spatial resolution using stack-of-stars sampling and KWIC reconstruction
Soldati et al. Validation and Optimization of Proximal Femurs Microstructure Analysis Using High Field and Ultra-High Field MRI
Qin et al. Simulating cardiac ultrasound image based on MR diffusion tensor imaging
McGee et al. Evaluation of a new, highly flexible radiofrequency coil for MR simulation of patients undergoing external beam radiation therapy
Durand et al. MRI pyschophysics: An experimental framework relating image quality to diagnostic performance metrics

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