CN107752979A - 对人工投影的自动生成 - Google Patents
对人工投影的自动生成 Download PDFInfo
- Publication number
- CN107752979A CN107752979A CN201710728734.5A CN201710728734A CN107752979A CN 107752979 A CN107752979 A CN 107752979A CN 201710728734 A CN201710728734 A CN 201710728734A CN 107752979 A CN107752979 A CN 107752979A
- Authority
- CN
- China
- Prior art keywords
- projection
- data group
- dimensional data
- artificial
- check object
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
- G06T11/008—Specific post-processing after tomographic reconstruction, e.g. voxelisation, metal artifact correction
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- 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
- A61B5/0073—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence by tomography, i.e. reconstruction of 3D images from 2D projections
-
- 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
-
- 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
- A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
-
- 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
Abstract
本发明涉及对人工投影的自动生成。本发明涉及一种用于根据至少一个三维数据组(VB)自动生成对检查对象(O)的人工投影(P,P',PH1,PH2,PH3,PH4,PF1,PF2,PF3)的方法,所述三维数据组已经借助于医疗技术成像设备(1)获得。在这种情况下,基于三维数据组(VB)来确定有关检查对象(O)的组织(K)的布局的位置信息(LI),而且基于所述位置信息(LI)来确定至少一个人工投影(P,P',PH1,PH2,PH3,PH4,PF1,PF2,PF3)。此外,还描述了一种用于自动生成人工投影(P,P',PH1,PH2,PH3,PH4,PF1,PF2,PF3)的投影图像确定装置(10)。
Description
技术领域
本发明涉及一种用于根据至少一个三维数据组(也就是说体积图像数据组)至少部分自动地、优选地全自动地生成对检查对象的人工投影的方法,所述三维数据组已经借助于医疗技术成像设备获得。此外,本发明还涉及一种相对应的投影图像确定装置,所述投影图像确定装置能根据该方法来工作。
背景技术
如今,在针对整形外科的目的的成像的范围内和/或在处理事故伤亡时,也仍非常频繁地使用二维X射线图像、例如简单的X射线图像。与3D断层扫描摄影、也就是说如已经在上面所提及的体积图像数据相比,所述二维X射线图像具有如下缺点:各种各样的解剖组织常常在图像中重叠。但是,所述二维X射线图像具有如下优点:通常,关于感兴趣的区域的更快的概览是可能的。此外,到目前为止,所述二维X射线图像在很多情况下也能比三维数据组更快地被使用,所述三维数据组到目前为止大多需要在计算机断层扫描仪、磁共振断层扫描仪或者诸如此类的中进行数据获取。但是,在此期间也可能的是,将受机器人控制的X射线扫描仪(诸如Siemens公司的Multitom Rax或者Artis zeego)用于获取合适的体积图像数据或三维数据组。利用这种X射线扫描仪同样能相对快地获得数据,特别是这种设备(所述设备大多具有简单的锥形射流X射线源)由于它们对于获取三维数据组以及二维X射线图像的广泛的可应用性以及由于相对于CT设备和MRT设备更低的成本而总是在医院和诊所中更多地流行,而且因而在此期间常常能更快地被使用。
如果一旦存在检查对象(例如手、脚关节等等)的这种三维数据组,那么可能的是,从所述三维数据组生成人工投影,所述人工投影看上去与相对应的二维X射线摄影一样。这种人工投影常常也被称作DRR图像(DRR=数字重建射线影像(Digitally ReconstructedRadiograph))。在此可能的是,不仅用锥形射流投影而且用平行射流投影来制成人工投影。
应看到这种人工投影的优点在于:所述人工投影如传统的二维X射线图像那样常常允许对断层扫描图像的更快的解释。有些放射科医生(所述放射科医生由于更经常使用2D-X射线图像而仍比三维数据组更习惯于所述2D-X射线图像)也识别出更简单地确定的特征、尤其是确定的典型损伤(如骨裂等等)。在一些情况下,对解剖组织的更容易的测量也是可能的,例如其方式是生成人工投影,使得所述人工投影对应于平行射流投影。此外,更容易的是,将这种DRR图像与例如事先或者后来由相同的检查对象制成的二维X射线图像进行比较。
不过,为了制成这种人工投影也需要的是:规定投影几何参数,例如确定在(虚拟)源与(虚拟)图像探测器之间的距离是怎样的并且确定探测器相对于源的取向以及源和探测器相对于检查对象的取向是怎样的。如果投影几何参数没有与三维数据组良好地适配,那么人工投影不是最优的,这对应于在常规的二维X射线摄影时的误设定。对投影几何参数的最优的选择尤其是对于与用于在手术之后的成果检查和/或用于痊愈过程的过程检查的二维投影图像的比较来说是有意义的。例如,在骨裂的情况下,常常在手术之前借助于CT设备、MRT设备或者上面提到的X射线扫描仪(如Multitom Rax)来检测三维图像数据。接着,在手术之后,为了进行检查而只还拍摄传统的二维X射线图像,所述二维X射线图像应该与三维数据组进行比较。接着,需要从三维数据组生成相对应的人工投影,所述人工投影从它们的投影几何形状开始与这些检查摄影一致。
如今,对投影几何参数(尤其是投影方向)的选择大多由诊断者的手来实现。整个过程是相对费时的,而且质量和速度强烈地取决于相应的诊断者的经验。
发明内容
本发明的任务是提供一种更简单的用于生成人工投影的方法以及一种适合于此的投影图像确定装置。
该任务通过根据专利权利要求1所述的方法并且通过根据专利权利要求13所述的投影图像确定装置来解决。
在按照本发明的方法中,首先基于三维数据组来确定有关检查对象的(解剖)组织的布局的位置信息。接着,基于这样确定的位置信息,又确定人工投影或多个人工投影。在此,位置信息可包括关于检查对象在三维数据组之内的位置的准确的说明,也就是说在数据组之内精确地已知检查对象或在检查对象之内的确定的组织(诸如骨骼等等)具有怎样的取向。但是,原则上在这种情况下也可涉及非常简单的信息、诸如只涉及人工投影是否对应于最优的位置的信息。稍后还更准确地阐述获得位置信息的不同的可能性。在此,根据三维数据组也可以生成多个具有不同投影方向的人工投影。
该方法尤其具有如下优点:检查对象可以在三维数据组之内任意地取向,因为基于三维数据组的内容的确可以自动地实现对虚拟投影的最优的确定。在此,该方案可以与任何其它信息(诸如关于检查对象在真实空间中、例如在检查台上等等的位置的元数据)完全无关地被遵循。
通过本发明,提高了在临床工作日三维图像的可使用性,因为现在尤其是利用基于机器人的X射线扫描仪(如Multitom Rax或Artis zeego),在首次摄影时也在“不重要的”医疗情况下同样地获得三维数据组不比花费高地从三个或四个不同的方向生成二维X射线图像花费更多时间,因为即使在二维摄影时也确实需要对设备的精确的定位。如稍后还示出的那样,以非常简单的方式可能的是,将到目前为止常见的用于二维X射线摄影(所述二维X射线摄影通常在初步检查时为了验证确定的诊断而被执行)的标准设定通过相对应的人工投影来替换,所述人工投影接着可以通过部分或全自动的方法非常快地从三维数据中生成,使得在有些情况下,该方法甚至比生成多个二维X射线图像还快。
一方面,相对应的投影图像确定装置需要输入端接口来接收三维数据组。此外,还需要计算单元,用于基于三维数据组来确定有关检查对象的组织的布局的位置信息,以及用于基于位置信息确定至少一个人工投影。最后,需要输出端接口,用于输出人工投影、例如输出到存储器中和/或输出到图像输出单元(如显示屏等等),完成的人工投影应该被寄存在所述存储器中。
按照本发明的投影图像生成装置的重要组件大部分可以以软件组件的形式来构造。但是,原则上,尤其是当涉及特别快的计算时,这些组件也可以部分地以软件辅助的硬件(例如FPGA或者诸如此类的)的形式实现。同样,例如当只涉及从其它软件组件接收数据时,所需的接口可以被构造为软件接口。但是,所述接口也可以被构造为以硬件方式构造的接口,所述以硬件方式构造的接口通过适当的软件来操控。
按照本发明的投影图像生成装置例如可以借助于适当的软件组件在计算装置或计算单元上实现,所述计算装置或计算单元本身与医疗技术成像设备无关,已经利用所述医疗技术成像设备例如在工作站上生成三维数据组,所述工作站例如通过医疗数据网络(如诊所或医院中的放射信息系统(RIS))从成像设备和/或从数据组寄存在其中的存储器来接收所述三维数据组(体积图像数据)。但是,投影图像生成装置原则上也可以是用户终端的部分和/或医疗技术成像设备本身(例如在其控制装置中)的计算单元的部分,以便在测量之后立即执行按照本发明的方法或者该方法的部分。与此相应地,对测量数据的检测以及三维数据组从中的生成也可以是该方法的一部分。
尽可能以软件方式的实现具有如下优点:到目前为止已经被使用的工作站、控制装置或者用户终端等等可以以简单的方式通过软件更新来改装,以便以按照本发明的方式来工作。就这方面来说,该任务也通过相对应的具有计算机程序的计算机程序产品来解决,所述计算机程序能以程序段直接加载到计算单元(例如医疗数据网络的工作站或者成像设备的控制装置)的存储装置中,以便当程序在所述计算单元中实施时实施按照本发明的方法的所有步骤。除了计算机程序之外,这种计算机程序产品必要时可以包括附加的组成部分,诸如文件和/或附加的组件、也包括硬件组件、诸如用于使用软件的硬件密钥(软件狗(Dongles)等等)。
计算机可读的介质(例如记忆棒、硬盘或者其它能运输或者固定地嵌入的数据载体)可用于运输到计算单元和/或用于在计算单元上或者在计算单元中进行存储,在所述计算机可读的介质上存储有所述计算机程序的能由计算单元读入和实施的程序段。为此,计算单元例如可具有一个或多个共同工作的微处理器或者诸如此类的。
本发明的其它特别有利的设计方案和扩展方案从从属权利要求以及随后的描述中得到,其中一个权利要求类型的独立权利要求也可以类似于另一权利要求类型的从属权利要求地扩展,而且不同的实施例的特征可以组合成新的实施例。
在一个优选的变型方案中,首先基于位置信息来确定针对至少一个人工投影的投影几何参数,而接着基于三维数据组在使用投影几何参数的情况下生成人工投影。
在此,为了确定位置信息,优选地可以进行对三维数据组在检查对象的组织(例如骨骼或者诸如此类的)的空间布局方面的分析。接着,基于所述分析来确定检查对象在三维数据组中的位置、尤其是取向。
特别优选地,对三维数据组的所述分析可包括对检查对象的显著特征的确定。在所述分析的情况下,可以检测所述显著特征在空间中的各个位置以及它们相对于彼此的位置。解剖标志是针对这种显著特征的例子。
优选地,为此也可以执行解剖组织在三维数据组中的分段。如果所希望的和/或特别显著的解剖组织(诸如骨骼)分段,那么例如可以依据被分段的组织来确定解剖标志或者其它显著特征(如单个组织的中间线和/或中点和/或边缘和/或角)。
这样,依据对不同的组织和/或显著特征在空间中相对于彼此的位置的分析,对整个检查对象在三维数据组中的位置的确定都是可能的。于是,可以确定投影几何参数,以便从相对于检查对象的确定的投影方向或在确定的条件下生成人工投影,如也会将其生成为用于诊断的八个二维X射线摄影的那样。
优选地,确定至少一个参考平面,所述参考平面特别优选地延伸经过检查对象。所述参考平面例如可以通过对三维数据组的分析来确定,使得所述参考平面处在相对检查对象的确定的取向下。规定这种参考平面的可能性稍后还依据在手方面的具体的实施例来示出。例如,如在那里示出的那样,可以使参考平面在解剖特征(例如骨骼的中点或者诸如此类的)的多个事先在对三维数据组的分析中确定的特别的点上拟合(anfitten)。
接着,优选地可以确定投影几何参数,使得人工投影具有相对所述参考平面所限定的取向。在这种情况下,所限定的取向尤其是应被理解为确定的能事先规定的角度。
在此,对于人工投影的全自动的确定来说,投影几何形状可包括固定的角度,例如相对参考平面的45°或者90°。接着,操作者不需要进一步干涉。尤其是,对于确定的临床问题来说,如为了诊断手关节的断裂,总归相对于手的完全确定的视图是常见的,诸如手背-手掌摄影、侧向摄影、径向倾斜摄影以及斜向尺骨摄影。因此,可以以也与相应的临床问题或任务有关的控制协议来固定地预先给定确定的角度,以便人工地生成这种“标准投影”。
只要需要在这种情况下改变检查对象的姿势(也就是说例如不是手相对在三维图像数据组中的姿势,而是手势本身、例如从直的姿势到弯曲的姿势),就可以为此相对应地以不同的姿势进行多次摄影。因而,优选地,在本发明的范围内,与进一步的分析无关地,也使用检查对象的不同的三维数据组,所述不同的三维数据组是在检查对象的不同的姿势下获得的、优选地是在同一医疗技术成像设备中获得的。也就是说,首先在第一姿势(例如伸直的手势)下生成第一三维数据组,并且接着在第二姿势(例如手的弯曲的姿势)下生成另一三维数据组。同样可能的是拍摄超过两个不同的姿势。
如果生成多个这种三维数据组,那么例如按照上面描述的优选的方法,可以针对所有三维数据组共同规定一个参考平面,或者针对每个三维数据组规定一个自己的参考平面。接着,可以以相对于所述共同的或者分别针对具体的三维数据组确定的参考平面的固定的角度说明来规定不同的投影,所述不同的投影通常被设置用于诊断确定的创伤或者诸如此类的。在此,相对参考平面或在经过该参考平面并且对该参考平面的垂线来限定的空间内的姿势可以以极坐标、尤其是圆柱坐标或者锥坐标来说明,因此例如可包括两个角度,即一个是相对参考平面的倾斜而另一个是绕着在该参考平面上的垂直的轴的旋转。
在另一变型方案中可能的是诊断者获得如下可能性:交互地改变或调整所提出的或所预设的投影几何参数。
在另一优选的方法中,首先生成大量或一系列人工投影,例如相对高数目的从各不相同的方向的人工投影,而且接着根据这些人工投影来确定关于至少一个在确定的优化标准方面被优化的人工投影的位置信息。因此,在该变型方案中,位置信息可以相对简单地来构建,因为所述位置信息仅须包含投影是不是经优化的或在优化标准方面最优的位置。该行为方式在可接受的时间内也是可能的,因为利用如今的计算方法也可以相对快地从三维数据组生成人工投影。
在此,能预先给定不同的优化标准(所述优化标准也可以交叉地来使用):例如,首先预先给定应该从哪个投影方向生成人工投影的粗略的方向规定,而且接着在所述粗略的方向规定之内选择准确的投影方向,所述投影方向具有不同组织的尽可能少的重叠,使得能尽可能多地识别。
因此,在所述第二方法中,基于图像内容以及对损伤的尽可能最好的可探测性或者对组织的可识别性来确定最优的投影方向。为此,提供不同的可能性。
例如,根据一系列人工投影,分别可以依据对各个像素的像素值、尤其是强度值的熵的确定来确定位置信息。出发点应该是,具有最少的重叠的最好的位置是如下这种投影,在所述投影中,熵是最大的,如这稍后还依据实施例来示出的那样。
也可能的是,根据所述人工投影分别依据所述组织在所述人工投影中的被投影的边缘来确定位置信息。如果描绘了尽可能多的边缘,那么实现了所述组织的最好的位置、也就是说最少的重叠。也就是说可能会使用度规,所述度规确定并且合计所有在投影图像之内的边缘线,而且具有大多被确定的边缘的图像是具有优选的投影方向的图像。
同样可设想的是,根据一组人工投影依据所述组织的投影面积来确定位置信息,也就是说检查“阴影面积”多大。当形成了尽可能大的阴影面积时,存在所述组织的最小的重叠。
原则上,上面提到的方法也可以任意地来组合,也就是说可能会使用不同的优化方法;为了从不同的方向生成经优化的人工投影,或者为了从一个方向生成最优的人工投影,检查上面提到的优化标准中的不同的标准,而且在此(必要时适当地加权地)加入对哪个人工投影是最优的判断。
同样,所述方法的组合也是可能的,因为不仅为了获得位置信息而自行对三维数据组的分析,而且
- 基于图像内容和最好的可探测性
- 来规定投影几何参数。
这例如是可能的,其方式是例如首先规定相对参考平面固定的参数或者诸如此类的,然而这些角度不是准确地被遵守,而是借助于依据图像内容和对组织的最好的可识别性的方法来执行在确定的角度范围内精密调整出目前规定的角度。
在分析图像内容之后、也就是说也在确定位置信息之后找到适当的投影几何参数的优选的可能性同样可以以如下情况为基础:降低不同组织(尤其是骨骼)在人工投影中的重叠。例如,如之前所描述的那样,如果在检查对象之内的确定的组织、例如在手之内的骨骼被分段,那么所述分段可以被用于依据目标函数O(S,P)来对优化问题的限定,所述目标函数描述了在投影几何参数P的情况下在人工投影图像中的重叠的程度。在此,如上面提及的那样,投影几何参数可能会包括在辐射源(虚拟的)与图像接收器(同样是虚拟的)之间的距离、相对检查对象的取向等等。接着,最优的投影几何参数Popt通过如下等式来给出:
(1)。
在此,函数O(S,P)可以简单地说明多少个骨骼立体像素被投影在确定的探测器像素上,而且接着形成关于所有像素的总和的负值,至少一个骨骼立体像素已经被映射到所述像素上。优选地,如果几何参数以及被分段的组织S、也就是说在三维数据组中的各个立体像素都是已知的,那么该目标函数或优化任务可以以数值方式来计算。
在本发明的一个特别优选的扩展方案中,可以与对精确的方法的选择无关地借助于机器学习方法来确定优选的投影或优选的投影几何参数:但是这尤其适用于关于参考平面的优选的取向。
在机器学习方法的范围内,可以使用具有参考检查对象的二维数据组或体积图像数据和/或具有参考检查对象的人工投影或者其它数据的数据库。在此,检查对象和参考检查对象应该是一样的并且必要时也应该关于其它不同的标准是尽可能类似的,即例如关于确定的疾病、损伤、身体部分的大小、植入物的存在、身体部分的位置(即例如伸直或弯曲)等等是尽可能类似的。
在这种情况下,有经验的用户可能会从大量通过这种参考检查对象引起的投影中在特别好的可诊断性方面选择一个或多个特别最优的投影。也可以根据真实的二维放射摄影的数据库来进行这种选择,但是特别优选地基于根据三维数据组的人工投影来进行这种选择。
对于以机器学习方法进行应用来说,诊断者也可以首先自己本身在一系列情况下“手动地”选择最适合的投影。如果存在确定数目个优选地选择的图像,那么系统可以基于机器学习方法在其它诊断的情况下自行自动地提供最好的人工投影,以便这样针对单独的诊断者更快地出现经优化的图像。根据诊断者是否接受或修正所提出的选择,系统可以重新学习并且在下一次诊断时使用这些信息。
附图说明
在下文,本发明参考随附的附图依据实施例再一次进一步被阐述。在此,在不同的附图中,相同的组件配备有相同的附图标记。所述附图通常没有按比例。其中:
图1示出了按照本发明的一个实施例的方法的流程图,
图2示出了手的骨骼的示意图并且在上方分别示出了在手的三维数据组中经过各个手指的截面图,
图3示出了对关于手的参考平面的限定的示意图,
图4示出了手朝标准投影方向的用于关于手关节断裂进行诊断的四个投影的例子,
图5示出了脚关节朝标准投影方向的用于关于脚关节断裂进行诊断的三个投影的例子,
图6示出了以第一投影角度经过伸直的手的人工投影的例子并且在下方示出了在投影中的强度值的频率的柱状图,
图7示出了按照图6的、然而以第二投影角度经过伸直的手的人工投影的例子并且在下方示出了在投影中的强度值的频率的柱状图,
图8示出了按照本发明的一个实施例的医疗数据网络的示意图,所述医疗数据网络具有多个连接在其上的用于确定三维数据组的医疗技术成像设备以及一个连接在其上的用于生成人工投影的投影图像确定装置。
具体实施方式
在下文,依据图1至3,示出了针对具体的用于确定最优的投影几何参数的方法,所述最优的投影几何参数用于生成作为检查对象O的手的人工投影。但是,该方法类似地也能被应用于其它检查对象。
该方法在步骤I中开始读入三维数据组VB,所述三维数据组可以已经由任意的、适当的成像系统来生成,其方式是例如曾首先以常见的方式获得原始数据,并且曾紧接着基于所述原始数据来重建三维数据组VB、也就是说体积图像数据VB。
在步骤II中,通过对三维数据组VB的分析(如这随后还进一步被阐述的那样)来确定最优的投影几何参数PP,使得接着在步骤III中利用所述投影几何参数PP以及所读入的三维数据组VB来生成所希望的投影P,所述投影P最后在步骤IV中被输出,例如被显示在显示屏上和/或被寄存在存储器中。
在步骤II执行如下子方法步骤:
首先,在步骤II.1中,将检查对象O中的确定的组织(这里即在手O之内的骨骼K)分段。这在图2中可视化。在那里,在下方的图像中示出了伸直的手O的指骨,在上方是在三维数据组VB之内的经过各个手指的五个截面图摄影,其中针对每个手指从左向右示出了自己的截面,即从左起大拇指、接着食指、接着中指、最后无名指以及最右侧是小拇指。在这些截面图中,为了象征性地表现分段S,也分别示出了被分段的骨骼K的外轮廓。这种分段S可以以任意的方式来实现、例如借助于基于模型的分段方法来实现,其中解剖模型与在三维数据组VB之内的骨骼组织适配,但是也可以通过其它方法(如区域生长方法、简单的阈值方法)或者不同的方法的组合来实现。优选地,在本发明的范围内,全自动地进行分段,也就是说用户不必为此进行干涉、例如不必设置线或者诸如此类的。
接着,在另一步骤II.2(重新参见图1)中,规定在所分段的骨骼K之内的中点M,例如其方式是首先在每个骨骼K中确定沿着骨骼K从关节侧的(近侧的)一端到关节侧的(远侧的)另一端的中间线,并且接着寻找在该中间线上的中点M。接着,这些中点M可以在另一方法中被用作关于检查对象O的位置信息LI。
在按照图1的方法中,在步骤II.3中借助于这些中点M来整体上确定一个参考平面RE,作为手O的其它位置信息LI。这示意性地依据图3来示出。为此,参考平面RE例如可以以任意的拟合方法与中点M适配,优选地以最小方差的方法与中点M适配。接着,相对该参考平面RE例如可以确定撑开的向量u和v,而且附加地可以通过叉积w = u x v来确定垂直于该参考平面的第三向量w。在步骤II.4中实现对第三向量w的所述计算。因此,预先给定关于所述参考平面RE的明确的坐标系u、v、w,使得在下文可以简单地以极坐标的形式说明投影方向。
接着,在步骤II.5中选择最优的投影几何参数、即尤其是以之前提到的极坐标或者角度为形式的投影方向。
一方面,这可以自动地进行,其方式是从数据库DB提取确定的标准角度,所述标准角度针对诊断问题预先给定。在步骤II.6中,用户例如可以通过终端来预先给定诊断问题。在已经生成三维数据组之前,所述诊断问题原则上也可以已经在检查之前被输入,并且在电子病历中携带,所述电子病历在步骤II.5中被调用。可替换地,在步骤II.6中,用户也可以输入自己的角度或其它适合于限定投影方向的坐标或者可以改变预先给定的值。
此外,在步骤II.7中,用户已经在步骤II.6中输入的用户选择也可以被存储,而且在机器学习方法中可能引起系统通过先前的用户输入来学习:用户在确定的条件(诸如确定的临床问题和检查对象)下优选哪些视图。接着,与此相应地可以提供这种投影,并且当用户修正所述投影时,同样由系统记录所述信息并且将所述信息一并列入到机器学习方法中,使得下一次提出其它投影。
在图1中通过从步骤III回到步骤II.5的虚线箭头象征性地表现修正所生成并且所示出的人工投影P的可能性。
在图4中示出了在为了查出可能的手关节断裂而检查手时的典型的优选的投影PH1, PH2, PH3, PH4的例子。左侧的图像示出了沿侧向经过手关节的投影PH1,靠它右侧的图像示出了斜的投影PH2,而再靠它右侧的图像示出了pa投影PH3(pa=后位-前位(posterior-anterior),在手的情况下相对应地是手背-手掌)。最右侧的图像示出了尺骨投影PH4,不过是在手折断的情况下。为了生成所述投影PH4,必须检测其它原始数据、即在手的弯曲的姿势下的原始数据。例如,为此可能会短暂地相继检测两个三维数据组,一次用伸直的手来检测而一次用弯曲的手来检测,以便制作所有必要的投影,所述投影被希望符合标准或者诊断者接着还需要所述投影附加地用于确认他的诊断。
图5示出了三个投影PF1, PF2, PF3的例子,所述三个投影用于诊断脚关节,例如用于确定上方的踝关节的损伤或者其它损伤,或者也用于简单地找到患者的关节损伤的原因。在这种情况下同样涉及常见的标准投影,所述常见的标准投影被制作用于检查这种情况。最左侧涉及后位-前位投影PF1,在中间涉及侧向投影PF2,而在右侧涉及卯眼(Mortise)投影PF3,也就是说踝关节叉的投影。
如之前关于图1描述的那样,所有这些标准投影装置都可以以相对于之前确定的参考平面RE的适当的投影几何参数的形式来规定,也就是说仅仅需要以一种协议来寄存的是:希望相对于在三维数据组VB中找到的参考平面RE的哪些投影方向,而且接着自动地确定相对应的投影几何参数PP并且计算关于此的投影P。
现在,依据图6和7还示出了一个例子:如何在没有对参考平面的事先计算或诸如此类的情况下以及在没有规定标准视图或标准投影的情况下也能够找到最优的投影P。
在此,利用了如下事实:熵可以是信息内容的不可预见性的量度。在图6中,示出了经过检查对象O(这里又是伸直的手O)的人工投影P,而在下方示出了柱状图HI,在所述柱状图HI中记入强度值x出现的频率W。在此涉及在上方示出的图像的各个像素i上的强度值x。这里,最高的强度值(明亮的像素)为16384,最低的强度值为5305(相应任意的单位),如这在柱状图HI之下的条带上示出的那样。如果熵H被限定为:
, (2)
其中如所提及的那样,W(x)是值x在所有存在于图像中的像素中出现的相对频率,这样针对图6中的所述图像得到熵H=1.54。
在图7中同样示出了同一只手O的人工投影P',但是现在以如下角度,在所述角度下,骨骼组织在投影图像中相互重叠,而且投影P'因而不能这样良好地被使用。这里,又在投影P'之下直接示出了柱状图HI,所述柱状图HI如在图6中那样说明了各个像素i的像素强度xi出现的频率W。对于该图像来说,按照上面的等式(2)对熵H的计算导致熵H=0.88,所述熵低于在图6中的图像的情况下的熵。所述较低的熵是针对如下情况的标志:这里存在骨骼组织的较高的重叠,而且因此所述投影P'不像图6中的投影P那样良好地适合。就这方面来说,熵H也应被视为位置信息。
因此,基于所述认识,可以简单地基于三维数据组生成大量或一系列人工投影,针对每个人工投影以上面描述的方式来计算熵,并且接着使用具有最大的熵的投影。
尤其也可能的是:将该方法与之前描述的方法组合,而且例如在步骤II.5中分别执行最后描述的方法或者类似的通过使骨骼组织的重叠最小化来进行优化的方法,用于在确定的角度范围内精密调整出预先给定的标准角度或者精密调整出由用户说明的角度,使得生成最优的人工投影。
现在,还依据图8描述了按照本发明的投影图像确定装置10的一个实施例。在图8中,示出了具有数据总线5的放射信息系统,各种各样的设备和装置都连接到所述数据总线5上。此外,这里还示出了医疗技术成像设备1, 2, 3,作为不同的设备。设备1是受机器人控制的X射线扫描仪1,这里是Multitom Rax,另一设备2是计算机断层扫描仪2,而方框3象征另一任意的设备、例如磁共振断层扫描仪3或者诸如此类的。
此外,一个或多个大容量存储器4连接到数据总线5上,如这大多常见的那样,在所述大容量存储器中,由设备1, 2, 3检测的原始数据或者也包括已经重建的图像数据、尤其是三维数据组VB可以为了短期的存储或者为了长期的存档而被寄存。
此外,按照本发明的投影图像确定装置10这里通过输入端接口12连接到数据总线5上。所述输入端接口12是投影图像确定装置10的计算单元11的部分,所述计算单元11另一方面通过输出端接口14连接到终端15上,所述输出端接口14这里也是控制接口14。该终端15为了输出图像而具有显示屏16,以及为了输入控制指令而具有键盘17和定位设备18(例如鼠标18)。当然,显示屏16也可以被设计为触摸屏或者诸如此类的,使得所述显示屏16同样可以同时用作输入装置。诊断者可以通过所述终端15来观察三维体积图像数据VB并且朝不同的方向旋转和翻转所述三维体积图像数据VB,或可以使所示出的检查对象O的部分分段或选择性地呈现等等,如这在传统的诊断站或工作站上常见的那样。但是,尤其是也可以在显示屏16上呈现所生成的人工投影P。
计算单元11与终端15共同形成例如一种工作站或诊断站,如其在很多放射网络中都被提供的那样。
在当前情况下,计算单元11配备有一个或多个适合的软件模块13,以便执行之前描述的方法,也就是说尤其是以便以所描述的方式来分析经由接口12获得的三维数据组VB并且计算人工投影P,所述人工投影P接着可以显示在显示屏16上。
最后,再一次指出:在上文详细地描述的装置的方法仅仅是如下实施例,所述实施例可以由本领域技术人员以各种各样的方式来修改,而不脱离本发明的保护范围。此外,对不定冠词“一个”的使用不排除有关的特征也可以多次存在。同样,术语“装置”、“单元”和“系统”不排除有关的组件由多个共同作用的子组件组成,所述子组件必要时也可以在空间上分散。
附图标记列表
1 成像设备/X射线扫描仪,
2 成像设备/计算机断层扫描仪
3 成像设备/磁共振断层扫描仪
5 数据总线
4 大容量存储器
10 投影图像确定装置
11 计算单元
12 输入端接口
13 软件模块
14 输出端接口/控制接口
15 终端
16 显示屏
17 键盘
18 定位设备/鼠标
DB 数据库
HI 柱状图
K 组织/骨骼
LI 位置信息
M 中点
O 检查对象/手
P、P' 投影
PF1、PF2、PF3 投影
PH1、PH2、PH3、PH4 投影
PP 投影几何参数
RE 参考平面
S 分段
VB 三维数据组/体积图像数据
W 频率
x 强度值
u、v、w 向量
I、II、III 方法步骤
II.1, ..., II.7 方法步骤。
Claims (15)
1.一种用于根据至少一个三维数据组(VB)自动生成对检查对象(O)的人工投影(P,P', PH1, PH2, PH3, PH4, PF1, PF2, PF3)的方法,所述三维数据组已经借助于医疗技术成像设备(1)获得,所述方法具有至少如下步骤:
- 基于所述三维数据组(VB)来确定有关所述检查对象(O)的组织(K)的布局的位置信息(LI),
- 基于所述位置信息(LI)来确定所述检查对象(O)的至少一个人工投影(P, P', PH1,PH2, PH3, PH4, PF1, PF2, PF3)。
2.根据权利要求1所述的方法,其中,基于所述位置信息(P, P', PH1, PH2, PH3,PH4, PF1, PF2, PF3)确定用于至少一个人工投影(P, P', PH1, PH2, PH3, PH4, PF1,PF2, PF3)的投影几何参数(PP),而且基于所述三维数据组(VB)在使用所述投影几何参数(PP)的情况下生成所述人工投影(P, PH1, PH2, PH3, PH4, PF1, PF2, PF3)。
3.根据权利要求1或2所述的方法,其中,为了确定所述位置信息(LI),在所述检查对象(O)的组织(K)的空间布局方面分析所述三维数据组(VB)。
4.根据权利要求3所述的方法,其中,对所述三维数据组(VB)的分析包括对所述检查对象(O)的解剖学上的显著特征(M)、优选地解剖标志的确定。
5.根据上述权利要求之一所述的方法,所述方法包括对所述三维数据组(VB)的分段。
6.根据上述权利要求之一所述的方法,所述方法包括对至少一个参考平面(RE)的确定,其中优选地确定投影几何参数(PP),使得所述人工投影(P, PH1, PH2, PH3, PH4,PF1, PF2, PF3)具有相对所述参考平面(RE)的所限定的取向。
7.根据上述权利要求之一所述的方法,其中,生成大量人工投影(P, P'),根据所述大量人工投影,确定关于至少一个在确定的优化标准方面被优化的人工投影(P)的位置信息(LI)。
8.根据权利要求7所述的方法,其中,根据所述人工投影(P, P'),分别依据对像素值(x)的熵的确定来确定位置信息(LI)。
9.根据权利要求7或8所述的方法,其中,根据所述人工投影(P, P'),分别依据所述组织(K)的边缘来确定位置信息(LI)。
10.根据权利要求7至9之一所述的方法,其中,根据所述人工投影(P, P'),分别依据所述组织(K)的投影面积来确定位置信息(LI)。
11.根据上述权利要求之一所述的方法,其中,使用所述检查对象(O)的不同的三维数据组,所述不同的三维数据组已经在所述检查对象(O)的不同的姿势下被获得。
12.根据上述权利要求之一所述的方法,其中,优选地基于数据库(DB),借助于机器学习方法来确定优选的投影几何参数(PP)、尤其是关于参考平面(RE)的优选的取向。
13.一种用于根据至少一个三维数据组(VB)自动生成对检查对象(O)的人工投影(P,P', PH1, PH2, PH3, PH4, PF1, PF2, PF3)的投影图像确定装置(10),所述三维数据组已经借助于医疗技术成像设备(1)获得,所述投影图像确定装置具有至少如下组件:
- 输入端接口(12),用于接收所述三维数据组(VB),
- 计算单元(11),用于基于所述三维数据组(VB)来确定有关所述检查对象(O)的组织(K)的布局的位置信息(LI),并且用于基于所述位置信息(LI)来确定所述检查对象(O)的至少一个人工投影(P, P', PH1, PH2, PH3, PH4, PF1, PF2, PF3),
- 输出端接口(14),用于输出所述人工投影(P, P', PH1, PH2, PH3, PH4, PF1,PF2, PF3)。
14.一种具有计算机程序的计算机程序产品,所述计算机程序能以程序段直接加载到计算单元(11)的存储装置中,以便当所述计算机程序在所述计算单元(11)中实施时实施根据权利要求1至12之一所述的方法的所有步骤。
15.一种计算机可读的介质,在所述计算机可读的介质上存储有能由计算单元(11)读入和实施的程序段,以便当由所述计算单元(11)实施所述程序段时实施根据权利要求1至12之一所述的方法的所有步骤。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102016215831.7A DE102016215831A1 (de) | 2016-08-23 | 2016-08-23 | Automatische Generierung synthetischer Projektionen |
DE102016215831.7 | 2016-08-23 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107752979A true CN107752979A (zh) | 2018-03-06 |
CN107752979B CN107752979B (zh) | 2021-03-09 |
Family
ID=61167175
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710728734.5A Active CN107752979B (zh) | 2016-08-23 | 2017-08-23 | 人工投影的自动生成方法、介质和投影图像确定装置 |
Country Status (3)
Country | Link |
---|---|
US (1) | US10445904B2 (zh) |
CN (1) | CN107752979B (zh) |
DE (1) | DE102016215831A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116523824A (zh) * | 2022-01-31 | 2023-08-01 | 西门子医疗有限公司 | 用于规定记录轨迹的方法和确定系统 |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102017201164B3 (de) * | 2017-01-25 | 2018-01-18 | ACES Ing.-GmbH | Verfahren zur Vermessung einer Röntgenaufnahme eines medizinischen Untersuchungsbereichs nebst zugehöriger Vorrichtung und Computerprogramm |
EP3566651B1 (de) * | 2018-05-08 | 2022-06-29 | Siemens Healthcare GmbH | Verfahren und vorrichtung zur ermittlung von ergebniswerten auf basis einer skelettalen medizintechnischen bildaufnahme |
US11562482B2 (en) | 2020-03-30 | 2023-01-24 | Varian Medical Systems International Ag | Systems and methods for pseudo image data augmentation for training machine learning models |
WO2023088986A1 (en) * | 2021-11-22 | 2023-05-25 | Koninklijke Philips N.V. | Optimized 2-d projection from 3-d ct image data |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5852646A (en) * | 1996-05-21 | 1998-12-22 | U.S. Philips Corporation | X-ray imaging method |
CN101505662A (zh) * | 2006-07-31 | 2009-08-12 | 皇家飞利浦电子股份有限公司 | 用于旋转血管造影术的自动等中心 |
US20150238148A1 (en) * | 2013-10-17 | 2015-08-27 | Siemens Aktiengesellschaft | Method and system for anatomical object detection using marginal space deep neural networks |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8774355B2 (en) * | 2004-06-30 | 2014-07-08 | General Electric Company | Method and apparatus for direct reconstruction in tomosynthesis imaging |
US20070052700A1 (en) * | 2005-09-07 | 2007-03-08 | Wheeler Frederick W | System and method for 3D CAD using projection images |
EP2593922A1 (en) * | 2010-07-14 | 2013-05-22 | BrainLAB AG | Method and system for determining an imaging direction and calibration of an imaging apparatus |
DE102010034918A1 (de) * | 2010-08-20 | 2012-02-23 | Siemens Aktiengesellschaft | Verfahren und Vorrichtung zum Bereitstellen von Güteeinformation für eine Röntgenbildgebung |
CN102866757A (zh) * | 2011-07-07 | 2013-01-09 | 鸿富锦精密工业(深圳)有限公司 | 放电电路 |
CN107004283B (zh) | 2014-11-20 | 2021-07-27 | 皇家飞利浦有限公司 | 用于根据断层合成数据生成合成乳房摄影图的方法 |
-
2016
- 2016-08-23 DE DE102016215831.7A patent/DE102016215831A1/de active Pending
-
2017
- 2017-08-23 CN CN201710728734.5A patent/CN107752979B/zh active Active
- 2017-08-23 US US15/684,499 patent/US10445904B2/en active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5852646A (en) * | 1996-05-21 | 1998-12-22 | U.S. Philips Corporation | X-ray imaging method |
CN101505662A (zh) * | 2006-07-31 | 2009-08-12 | 皇家飞利浦电子股份有限公司 | 用于旋转血管造影术的自动等中心 |
US20150238148A1 (en) * | 2013-10-17 | 2015-08-27 | Siemens Aktiengesellschaft | Method and system for anatomical object detection using marginal space deep neural networks |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116523824A (zh) * | 2022-01-31 | 2023-08-01 | 西门子医疗有限公司 | 用于规定记录轨迹的方法和确定系统 |
Also Published As
Publication number | Publication date |
---|---|
DE102016215831A1 (de) | 2018-03-01 |
US10445904B2 (en) | 2019-10-15 |
CN107752979B (zh) | 2021-03-09 |
US20180061090A1 (en) | 2018-03-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108765417B (zh) | 一种基于深度学习和数字重建放射影像的股骨x线片生成系统及方法 | |
CN107752979A (zh) | 对人工投影的自动生成 | |
JP2020175184A (ja) | 2d解剖学的画像から3d解剖学的画像を再構成するシステムおよび方法 | |
US7773786B2 (en) | Method and apparatus for three-dimensional interactive tools for semi-automatic segmentation and editing of image objects | |
CN110853082B (zh) | 医学图像配准方法、装置、电子设备及计算机存储介质 | |
AU2020101836A4 (en) | A method for generating femoral x-ray films based on deep learning and digital reconstruction of radiological image | |
CN108496205A (zh) | 身体部分的三维模型 | |
CN108369736A (zh) | 用于根据2d/2.5d术中图像数据计算切除的组织体积的方法和系统 | |
JP2011125568A (ja) | 画像処理装置、画像処理方法、プログラム及び画像処理システム | |
JP6165591B2 (ja) | 画像処理装置、治療システム、及び画像処理方法 | |
US10078906B2 (en) | Device and method for image registration, and non-transitory recording medium | |
WO2018097880A1 (en) | Systems and methods for an integrated system for visualizing, simulating, modifying and 3d printing 3d objects | |
US20100241405A1 (en) | Osteo-Articular Structure | |
CN110634554A (zh) | 脊椎影像注册方法 | |
JP6806655B2 (ja) | 放射線撮像装置、画像データ処理装置及び画像処理プログラム | |
CN109350059B (zh) | 用于肘部自动对准的组合的转向引擎和界标引擎 | |
US11020189B2 (en) | System and method for component positioning by registering a 3D patient model to an intra-operative image | |
CN110459298A (zh) | 用于求出结果值的方法和设备、诊断站和成像系统 | |
Karner et al. | Single-shot deep volumetric regression for mobile medical augmented reality | |
EP4128145B1 (en) | Combining angiographic information with fluoroscopic images | |
JPWO2019146356A1 (ja) | 画像処理装置、画像処理方法、及びプログラム | |
Moore et al. | Computed Tomography Image-Based Kinematic Analysis: An Overview | |
EP3800617A1 (en) | A computer-implemented method for registering low dimensional images with a high dimensional image, a method for training an artificial neural network useful in finding landmarks in low dimensional images, a computer program and a system for registering low dimensional images with a high dimensional image | |
EP3862969A1 (en) | Orientation detection in medical image data | |
CN115409835B (zh) | 三维成像方法、装置、电子设备、系统和可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | 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 |