CN108022234B - 医用图像处理装置及医用图像处理方法 - Google Patents
医用图像处理装置及医用图像处理方法 Download PDFInfo
- Publication number
- CN108022234B CN108022234B CN201610961249.8A CN201610961249A CN108022234B CN 108022234 B CN108022234 B CN 108022234B CN 201610961249 A CN201610961249 A CN 201610961249A CN 108022234 B CN108022234 B CN 108022234B
- Authority
- CN
- China
- Prior art keywords
- region
- subject
- functional
- tumor
- nerve
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
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
-
- 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
-
- 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
- G06T2207/10088—Magnetic resonance imaging [MRI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20104—Interactive definition of 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
- G06T2207/30016—Brain
-
- 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
- G06T2207/30096—Tumor; Lesion
Abstract
一种医用图像处理装置,不需要使用血氧水平依赖功能磁共振成像的结果就能够取得与神经纤维束对应的功能区域的功能性分类。该医用图像处理装置具备:提取部,从被检体数据提取神经分布的位置信息;第一转换部,将基于所提取的所述位置信息的被检体神经区域向图谱数据中转换;解析部,对所述图谱数据中的脑内的功能区域和被转换的所述被检体神经区域的位置关系进行解析;以及第二转换部,将所述解析部的解析结果向所述被检体数据中转换。
Description
技术领域
本发明涉及对神经纤维束和患部的位置进行分析从而显示受影响的神经纤维束的医用图像处理装置及医用图像处理方法。
背景技术
近年来,伴随着图像识别技术的发展,对医用图像中拍摄到的神经纤维束与患部的位置关系进行分析的技术受到关注。
很多脑部疾病都会影响白质纤维的变形,比如发生切断(blocked)、浸润(infiltration)或者推移(extrusion)等变形。了解这些改变能给神经外科手术提供有用的信息,特别是对于浸润这种情况,其切除范围与预后紧密相关。实际上,高侵袭性病变会很大程度地改变形态,并损伤被浸润的白质纤维的功能,低侵袭性肿瘤可能只是推移周围的脑组织,这些不同的情况会影响手术策略的制定。因此通过准确地判断具有不同功能的白质纤维与患部的位置关系,能够帮助寻找到组织的切除程度与尽可能保留脑功能之间的最佳折衷方案。
当医生计划肿瘤外科手术时,需要区分相关的神经纤维束的功能。神经纤维束的跟踪可以提供这方面的信息。
现有技术中公开了一种区分神经纤维束功能的方法,例如在专利文献1中,公开了首先判断穿过患部的神经纤维束,之后确定穿过患部的神经纤维束在脑区域中的到达点,利用大脑皮层功能区模板,判断与神经纤维束的到达点有连接关系的大脑皮层的功能区,从而预测可能对被检体造成的影响。
但该分析方法只能用于检测穿过患部的受影响的纤维束而不能检测被推移而没有穿过患部的受影响的纤维束,此外,使用该分析方法只能展示纤维束与大脑皮层分区的连接关系并预测受影响的纤维束的功能分类,而不能够提取并显示受影响的纤维束的实际形态及位置。
另外,现有文献2中公开了一种提取神经纤维束的方法,其在由神经纤维束追踪部提取的神经纤维束的集合与基于神经纤维束的感兴趣区域(ROI,Region of Interest,有时也称为“种子区域”)选择出的神经纤维束的集合之间进行逻辑运算,从而确定特定的神经纤维束的集合。该集合是穿过某一感兴趣区域的、在各向异性上超过规定阈值的纤维束的集合,但这些纤维束的集合只在位置上具有相关性而在功能上不具有相关性,因此不能在提取纤维束的同时获知纤维束的功能性分类。
另外,现有技术中通常使用血氧水平依赖功能磁共振成像 (BOLD-fMRI)的结果取得感兴趣区域并由此来追踪纤维束,不仅需要取得血氧水平依赖功能磁共振成像的结果,而且在实际操作中不容易得到高质量的血氧水平依赖功能磁共振成像的结果。
专利文献
专利文献1:日本特开2012-235934
专利文献2:日本特开2012-66005
发明内容
为了解决上述问题,本发明提出了一种不需要使用血氧水平依赖功能磁共振成像的结果就能够取得与神经纤维束对应的功能区域的功能性分类的医用图像处理装置及医用图像处理方法。
此外,本发明提出了一种能够准确地获知受影响的纤维束的医用图像处理装置及医用图像处理方法。
此外,本发明提出了一种能够准确且容易地确定受影响的纤维束在被检体中的实际位置的医用图像处理装置及医用图像处理方法。
本发明的医用图像处理装置,具备:提取部,从被检体数据提取神经分布的位置信息;第一转换部,将基于所提取的所述位置信息的被检体神经区域向图谱数据中转换;解析部,对所述图谱数据中的脑内的功能区域和被转换的所述被检体神经区域的位置关系进行解析;以及第二转换部,将所述解析部的解析结果向所述被检体数据中转换。
在所述医用图像处理装置中,所述提取部提取肿瘤的位置信息,所述第一转换部将基于所提取的所述肿瘤的位置信息的肿瘤区域向所述图谱数据中转换,所述解析部对所述图谱数据中的功能区域、所述图谱数据中的神经区域和被转换的所述肿瘤区域的位置关系进行解析。
在所述医用图像处理装置中,所述医用图像处理装置还具备显示处理部,所述显示处理部基于所述功能区域和所述神经区域的对应关系,在所述被检体数据中,根据被转换至所述被检体数据中的所述功能区域,检测并显示受到了所述肿瘤区域的影响的所述被检体神经区域。
在所述医用图像处理装置中,所述医用图像处理装置还具备指标显示部,所述提取部从所述被检体数据中提取脑内的功能区域的位置信息,所述第一转换部将基于所提取的所述位置信息的被检体功能区域向所述图谱数据中转换,所述指标显示部对由所述解析部检测出的受到了所述肿瘤区域的影响的所述功能区域和被转换后的所述被检体功能区域进行比较,计算并显示所述肿瘤区域的损伤指标。
本发明的医用图像处理方法,具备:提取步骤,从被检体数据提取神经分布的位置信息;第一转换步骤,将基于所提取的所述位置信息的被检体神经区域向图谱数据中转换;解析步骤,对所述图谱数据中的脑内的功能区域和被转换的所述被检体神经区域的位置关系进行解析;以及第二转换步骤,将所述解析步骤的解析结果向所述被检体数据中转换。
发明效果
通过采用本实施方式的医用图像处理装置和医用图像处理方法,不需要使用血氧水平依赖功能磁共振成像的结果就能够取得与神经纤维束对应的功能区域的功能性分类,能够准确地获知受影响的纤维束,能够准确且容易地确定受影响的纤维束在被检体中的实际位置。
附图说明
图1是表示本发明的第一实施方式涉及的图像处理装置的结构框图。
图2是表示纤维束图谱中包含的功能性纤维束的图。
图3是表示纤维束图谱中的胼胝体纤维束与感兴趣区域之间的对应关系的示意图。
图4是表示纤维束图谱中的皮质脊髓束与感兴趣区域之间的对应关系的示意图。
图5是表示本发明的第一实施方式涉及的图像处理步骤的流程图。
图6是表示本发明的第一实施方式涉及的图像处理的示意图。
图7是表示本发明的第二实施方式涉及的图像处理装置的结构框图。
图8是表示本发明的第二实施方式涉及的图像处理步骤的流程图。
图9是表示本发明的第二实施方式涉及的图像处理的示意图。
图10是本发明的第三实施方式涉及的在患部推移了纤维束的情况下确定受影响的纤维束的示意图。
图11是表示本发明的第三实施方式涉及的图像处理步骤的流程图。
图12是表示本发明的第四实施方式涉及的图像处理装置的结构框图。
图13是表示本发明的第四实施方式涉及的分析功能性纤维束的损伤指标的示意图。
图14是表示本发明的第四实施方式涉及的图像处理步骤的流程图。
图15是同时显示了损伤指标和被检体数据的画面的示意图。
具体实施方式
本发明涉及一种对医用图像进行处理的医用图像处理装置,该医用图像处理装置能够通过与X射线装置等图像收集装置连接的独立的计算机等的具有CPU(centralprocess unit:中央处理器)的设备执行具有图像处理装置的各个功能的软件来实现,也可以作为能够执行图像处理装置的各个功能的电路而以硬件的方式实现。并且,本发明的图像处理装置也可以作为CT装置或超声波装置等医用图像采集装置中的一部分而预先安装在以上的医用图像采集装置中。
下面结合说明书附图详细说明本发明的具体实施方式。本发明中所示出的实施方式只不过是例示,并不限定于实施方式所表示的构成。
以下的实施方式中,以脑部区域为例进行说明,但本发明的应用不限定于脑部区域,也可以对其他区域进行图像处理。
(第一实施方式)
图1是表示本发明的第一实施方式涉及的图像处理装置的结构框图。
如图1所示,医用图像处理装置100包括提取部101、第一转换部102、解析部103、第二转换部104和显示处理部105。
提取部101从被检体数据中提取神经分布的位置信息。被检体数据包括纤维束图像。纤维束图像是与被检体的脑部的神经纤维束有关的神经纤维图像。纤维束图像例如是对拍摄被检体的脑部后生成的扩散张量图像施加纤维束追踪技术而生成的。扩散张量成像技术通过对水分子扩散特性进行成像,能够评价白质纤维束的完整性。当前扩散张量成像和纤维束追踪技术被用于体内特定纤维束的显示。
第一转换部102能够将被检体数据中的纤维束图像转换到事先定义的纤维束图谱中。
纤维束图谱中事先定义的信息包含标准化的神经区域的信息和用于与各神经区域分别建立了对应的功能区域的信息。其中,上述神经区域是与神经纤维束相应的区域,上述功能区域也可以称为感兴趣区域,是与脑功能相应的区域(例如大脑皮层上的视觉功能区、运动功能区等)或者与脑内的组织结构(例如内囊、大脑脚等)相应的区域。上述功能区域也可以由仪器操作者手动选取,也可以由仪器自动选取。关于纤维束图谱中神经区域与功能区域之间的对应关系在后文中说明。
本实施例中的神经纤维束是指以纤维束的功能性分类来标识的纤维束即功能性纤维束。图2是表示纤维束图谱中预先定义的功能性纤维束的示意图。图2中示出了包含连接左右大脑半球的胼胝体 (“corpus callosum”或者“CC”)纤维束、连接运动皮层和脊髓的皮质脊髓束(“cortico spinal tract”或者“CST”)、连接运动皮层和脊髓的上纵束(“superior longitudinal fasciculus”或者“SLF”)、连接海马和下丘脑核的穹窿(“fornix”或者“FORX”)、下纵束(“inferior longitudinal fasciculus”或者“ILF”)、海马旁扣带回(“parahippocampal cingulum”或者“PHC”)、钩束(“uncinate fasciculus”或者“UNC”)、下枕额束 (“inferior occipitofrontal fasciculus”或者“IOFF”或者“IFOF”)等功能性纤维束。
此外,纤维束图谱需要在第一转换部102的转换开始前制作完成。该纤维束图谱可以是事先定义好并存储在提取部中的图谱,也可以是在第一转换部102转换开始前导入到医用图像处理装置中的图谱,或者也可以是通过本发明的医用图像处理装置生成的图谱。
另外,第一转换部102在将来自被检体的纤维束图像向纤维束图谱转换的过程中,对于来自被检体的纤维束图像,通常通过图像配准 (Image registration,以下简称为“配准”)的方式将其转换到纤维束图谱中。具体地讲,利用现有的图像配准方法,对来自被检体的纤维束图像和纤维束图谱中的图像进行图像配准(Image registration,以下简称为“配准”),作为图像配准的结果生成被检体的纤维束图像和纤维束图谱之间的转换矩阵,并基于该转换矩阵将被检体的纤维束图像的一部分或全部转换到事先定义的纤维束图谱中。
解析部103对纤维束图谱中的脑内的功能区域和被转换到纤维束图谱中的被检体神经纤维束的位置关系进行解析。
具体地讲,基于转换矩阵确定(识别)出被转换到纤维束图谱中的被检体的各个功能性纤维束,然后基于纤维束图谱中定义的功能性纤维束和感兴趣区域之间的对应关系,作为解析结果,取得与确定出的被检体的功能性纤维束建立了对应的感兴趣区域。
第二转换部104将由解析部103取得的感兴趣区域,向被检体数据中转换。详细地讲,利用之前生成的转换矩阵,将由解析部103 取得的感兴趣区域转换到被检体数据的图像中。
显示处理部105使显示装置(例如显示器等)同时显示被检体的纤维束图像和与各纤维束对应的感兴趣区。并且,优选以不同的颜色或不同的灰度来表示与不同的功能性纤维束相对应的感兴趣区,由此能够使操作者更直观地把握感兴趣区的功能划分。
此外,显示处理部105还可以基于与各功能性纤维束对应的感兴趣区,利用纤维束追踪技术,在被检体数据中分辨出各种功能性纤维束。在对被检体的纤维束图像进行显示时,优选以不同的颜色或不同的灰度来表示不同的功能性纤维束及其相对应的感兴趣区,由此能够使操作者更直观地把握各纤维束的功能划分。
不过,对于医用图像处理装置100而言,显示处理部105不是必不可少的。显示处理部105可以设置在医用图像处理装置100以外的其他外部装置中。甚至还可能通过其他方式输出医用图像处理装置 100的处理结果,而不进行显示。
下面,参照图3和图4对纤维束图谱中神经区域与功能区域之间的对应关系进行说明。
图3中示出了纤维束图谱中的胼胝体纤维束与感兴趣区域的对应关系的示意图。图3的左上部示出了图谱(atlas)中预先定义的多个功能性纤维束。图3的左下部示出了位于特定的解剖学位置上的、与胼胝体纤维束相对应的3个感兴趣区域。图3的右部示出了同时显示胼胝体纤维束和3个感兴趣区域的形态。图3中用于确定胼胝体的感兴趣区域有3个,该3个感兴趣区域之间是逻辑“或”的关系,即穿过该3个感兴趣区域中的任一感兴趣区域的纤维束都被确定为胼胝体纤维束。
图4是表示皮质脊髓束与感兴趣区域之间的对应关系的示意图。图中示出了皮质脊髓束和用于确定该皮质脊髓束的4个感兴趣区域。从图中可以看出该皮质脊髓束全部穿过感兴趣区域1(中央后回)和感兴趣区域2(内囊后肢),而在感兴趣区域3、4,皮质脊髓束分为两束,分别穿过感兴趣区域3(前脑桥)和感兴趣区域4(后脑桥)。因此用于确定皮质脊髓束的几个感兴趣区域之间的逻辑关系为:SD1 &SD2&(SD3 or SD4),其中SD表示感兴趣区域。
图3、图4中示出了胼胝体纤维束和皮质脊髓束的各个感兴趣区域的确定方法和各个感兴趣区域之间的逻辑关系,但是除了胼胝体纤维束、皮质脊髓束以外,脑部还存在其他功能性纤维束,在纤维束图谱中分别定义了用于唯一确定这些功能性纤维束的感兴趣区域以及各个感兴趣区域之间的逻辑关系。各功能性纤维束的感兴趣区域的个数和各个感兴趣区域之间存在的逻辑关系并不同。
接着,参照图5和图6对本发明的第一实施方式的图像处理过程进行说明。图5是第一实施方式的图像处理步骤的流程图。图6是表示第一实施方式的图像处理的示意图。
实际的被检体数据中包含了多个被检体纤维束,但为了简化说明,图6中仅示意性地示出了一个神经纤维束的图像处理过程。此外,实际的图像处理可以是针对三维的图像进行的处理,但为了简化说明仅通过二维的平面图像来进行说明。
首先,在步骤S101中,提取部101从被检体数据中提取被检体纤维束X1的位置信息。位置信息由三维的神经纤维束上的多个点的坐标信息构成,点的密度和数量可以由操作者根据需要来提前设定。图6的左上方示出了被提取了位置信息的被检体纤维束X,该被检体纤维束X由8条神经纤维构成。
被检体数据可以预先存储于未图示的存储部或外部存储装置中,也可以通过医用图像拍摄装置拍摄被检体的脑部,利用纤维束追踪技术和医用图像诊断技术等获取包含与被检体的脑部的神经纤维束有关的纤维束图像在内的被检体数据。
接着,在步骤S102中,第一转换部102将基于所提取的位置信息的被检体纤维束X1转换到纤维束图谱(图谱数据)中。
在转换之前,图6中的右侧的纤维束图谱中包含了纤维束X1’,还包含了与该纤维束X1’对应的感兴趣区域A和感兴趣区域B。纤维束X1’由10条连接在感兴趣区域A和感兴趣区域B之间的神经纤维构成。
关于纤维束图谱的生成(即关于感兴趣区域的确定、多个感兴趣区域之间的逻辑关系的确定、和功能性纤维束的确定)而言,只要在转换部102进行转换之前完成即可,可以在步骤S101之前,也可以在步骤S101之后。当然也可以事先生成纤维束图谱的模板后存储于未图示的存储部或外部存储装置中,并在每次使用时调用该模板。
此外,在步骤S102中利用配准得到的转换矩阵将来自被检体的被检体纤维束X1转换到纤维束图谱中。在图6中,纤维束图谱中预先定义的纤维束X1’用实线来表示,被转换到纤维束图谱中的被检体纤维束X1用虚线来表示。
接着,在步骤S103中,解析部103对纤维束图谱中的感兴趣区域A、感兴趣区域B和被转换到纤维束图谱中的被检体纤维束X1的位置关系进行解析。纤维束图谱中事先定义了纤维束X1’与感兴趣区域A和感兴趣区域B的对应关系,即,纤维束X1’是连接在感兴趣区域A和感兴趣区域B之间的纤维束。由此,作为解析结果,取得了与被检体纤维束X1对应的感兴趣区域A和感兴趣区域B。
接着,在步骤S104中,第二转换部104将解析部103的解析结果向被检体数据中转换。即,如图6的左下方所示,与被检体纤维束 X1对应的感兴趣区域A和感兴趣区域B被转换到被检体数据中。
接着,在步骤S105中,显示处理部105对包含感兴趣区域A和感兴趣区域B在内的被检体数据进行显示。当然,就仅进行医用图像处理的医用图像处理装置而言,与显示有关的步骤S105是可以省略的。
处理结束。
通过第一实施方式的图像处理,不需要使用血氧水平依赖功能磁共振成像的结果就能够从纤维束图谱中取得与被检体纤维束对应的感兴趣区域。而且,纤维束图谱中的感兴趣区域是预先定义的标准化数据,与在实际操作中不容易得到高质量的血氧水平依赖功能磁共振成像的结果的情况相比,本实施方式取得的感兴趣区域的可靠性更高。
此外,第一实施方式中的第一转换部102也可以仅执行图像配准,而不将被检体数据中的纤维束图像转换到事先定义的纤维束图谱中。这是因为,即使不将被检体数据中的纤维束图像转换到事先定义的纤维束图谱中,也可以利用图像配准的转换矩阵来确定(识别)出与纤维束图谱中的各功能性纤维束对应的被检体的各功能性纤维束。
(第二实施方式)
第二实施方式是第一实施方式的变形例。第二实施方式与第一实施方式的不同点在于,第二实施方式中医用图像处理装置200还对被检体数据中的肿瘤图像进行处理,从而确定出受到了肿瘤影响的被检体神经纤维束,并将其显示出来。此外,在本实施方式中将肿瘤作为患部的一个例子来进行说明,实际上患部可以能是其他情况,例如外伤、血块等。
第二实施方式的医用图像处理装置200中的提取部201、第一转换部202、解析部203、第二转换部204、显示处理部205与实施方式 1的提取部101、第一转换部102、解析部103、第二转换部104和显示处理部105相比发挥了额外的功能。以下主要针对第二实施方式与第一实施方式的不同点进行说明,并适当省略重复的说明。
图7是表示本发明的第二实施方式涉及的图像处理装置的结构框图。
如图7所示,医用图像处理装置200具有:提取部201、第一转换部202、解析部203、第二转换部204和显示处理部205。
提取部201除了从被检体数据中提取神经分布的位置信息之外,还从被检体数据中提取肿瘤区域的信息。被检体数据中还包括脑部图像。脑部图像可以通过磁共振成像装置、X射线计算机断层拍摄装置、 X射线诊断装置、核医学诊断装置等的医用图像诊断装置拍摄被检体的脑部而获得。若被检体的脑部存在肿瘤等,则在脑部图像中可以看到该肿瘤,肿瘤所在位置被称为肿瘤区域。
第一转换部202与第一实施方式的第一转换部102相比,除了将来自被检体的纤维束图像转换到事先定义的纤维束图谱中以外,还将脑部图像中包含的肿瘤区域也转换到纤维束图谱中。这里被转换的肿瘤区域可以是包含肿瘤内部区域的体数据图像,也可以是提取肿瘤轮廓后得到的肿瘤轮廓的三维图像。
具体而言,第一转换部202先进行图像配准从而获得被检体的纤维束图像和纤维束图谱之间的转换矩阵,。然后,利用该转换矩阵,将被检体的肿瘤区域也转换到纤维束图谱中。此外,在第二实施方式中,与第一实施方式相同,第一转换部202也可以不将被检体数据中的纤维束图像转换到纤维束图谱中。
解析部202对纤维束图谱中的感兴趣区域、纤维束图谱中的纤维束和被转换到纤维束图谱中的肿瘤区域的位置关系进行解析。具体而言,解析部基于纤维束图谱中的纤维束和被转换到纤维束图谱中的肿瘤区域的位置关系,检测出受到了肿瘤区域的影响的纤维束,然后基于纤维束图谱中定义的感兴趣区域和神经区域的对应关系,作为解析结果,取得与检测出的被检体纤维束建立了对应的感兴趣区域。
第二转换部204,将解析部202的解析结果向被检体数据中转换。即,将与检测出的受到了肿瘤区域的影响的纤维束建立了对应的感兴趣区域转换到被检体数据中。
另外,第二转换部204只将感兴趣区域转换到被检体数据中,而不是将受到了肿瘤区域的影响的整条纤维束转换到被检体数据中。其原因在于,纤维束的整体配准难度较大,与转换整条纤维束相比,仅转换感兴趣区域能够降低配准难度,而且转换的数据量较少,准确性和效率都更好。
显示处理部205基于感兴趣区域和纤维束的对应关系,在被检体数据中,根据被转换至被检体数据中的感兴趣区域,检测并显示受到了肿瘤区域的影响的被检体纤维束。具体来说,显示处理部205基于各个感兴趣区域及它们之间的逻辑关系,利用转换来的感兴趣区域,在被检体数据中分析穿过各个感兴趣区域的被检体纤维束,从而检测出受影响的各被检体纤维束的实际位置并进行显示。
此外,显示处理部205还可以基于与各功能性纤维束对应的感兴趣区,利用纤维束追踪技术,在被检体数据中分辨出各种功能性纤维束。
此外,受影响的被检体纤维束的显示方法有多种,例如可以仅显示受影响的被检体纤维束,也可以同时显示被检体的全部纤维束且突出显示受影响的被检体纤维束。
下面,参照图8和图9对本发明的第二实施方式的图像处理过程进行说明。图8是第二实施方式的图像处理步骤的流程图。图9是表示第二实施方式的图像处理的示意图。
首先,在步骤201中,提取部201除了从被检体数据中提取被检体纤维束的位置信息之外,还提取肿瘤的位置信息即肿瘤区域。图8 的左上方示出了被提取了位置信息的被检体纤维束X1和被检体纤维束X2以及大致椭圆形的1个肿瘤区域C。
图8中虽然为了显示方便而将被检体纤维束X1、X2和肿瘤区域 C合并显示在了一起,但如前所述,被检体纤维束X1、X2是从被检体数据中的纤维束图像提取的,肿瘤区域C是从被检体数据的脑部图像中提取的。
此外,在本实施方式中使用肿瘤的轮廓来表示肿瘤区域,并进行肿瘤区域的转换。
接着,在步骤S202中,第一转换部202将基于所提取的位置信息的被检体纤维束X1、X2和肿瘤区域C转换到纤维束图谱中。
在转换之前,图9中的右侧的纤维束图谱中包含了纤维束X1’、 X2’,还包含了与该纤维束X1’对应的感兴趣区域A和感兴趣区域B,以及与该纤维束X2’对应的感兴趣区域D和感兴趣区域E。纤维束 X1’由靠左侧的3条连接在感兴趣区域A和感兴趣区域B之间的神经纤维构成。纤维束X2’由靠右侧的3条连接在感兴趣区域D和感兴趣区域E之间的神经纤维构成。
此外,在步骤S202中利用配准得到的转换矩阵将来自被检体的被检体纤维束X1、X2转换到纤维束图谱中,并将肿瘤区域C转换到纤维束图谱中。在图6中,为了与纤维束图谱中预先定义的纤维束 X1’、X2’、感兴趣区域A、B、D、E区分开,被转换到纤维束图谱中的被检体纤维束X1、X2和肿瘤区域C用虚线来表示。
接着,在步骤S203中,解析部203对纤维束图谱中的感兴趣区域A、B、D、E、纤维束图谱中的纤维束X1’、X2’和被转换到纤维束图谱中的肿瘤区域C的位置关系进行解析。具体而言,解析部203基于纤维束图谱中所包含的纤维束X1’、X2’和被转换到纤维束图谱中的肿瘤区域C的位置关系,可以看出纤维束X1’中的一条神经纤维进入到了肿瘤区域C中,纤维束X2’中的全部神经纤维都没有进入到肿瘤区域C中,因此受到了肿瘤区域的影响的纤维束是纤维束X1’。然后,基于纤维束图谱中定义的感兴趣区域和神经区域的对应关系(图 9中纤维束X1’和感兴趣区域A、B之间的关系是纤维束X1’连接在感兴趣区域A、B之间),作为解析结果,取得与检测出的纤维束X1’建立了对应的感兴趣区域A和感兴趣区域B。
接着,在步骤S204中,第二转换部204将解析部203的解析结果向被检体数据中转换。即,如图9的左下方所示,将与检测出的受到了肿瘤区域的影响的纤维束X1’建立了对应的感兴趣区域A和感兴趣区域B转换到了被检体数据中。
接着,在步骤S205中,显示处理部205对包含感兴趣区域A和感兴趣区域B在内的被检体数据进行显示。
具体而言,显示处理部205由于感兴趣区域A、B和纤维束X1 之间的逻辑关系是纤维束X1连接在感兴趣区域A、B之间,基于转换来的感兴趣区域A、B,利用纤维束追踪技术,在被检体数据中分析出连接感兴趣区域A和感兴趣区域B的纤维束是被检体纤维束X1,从而检测出受影响的被检体纤维束X1的实际位置并进行显示。
这里,优选以突出显示了受到了肿瘤区域C的影响的被检体纤维束X1的方式进行显示。例如图9中的被检体纤维束X1被加粗显示,由此能够使操作者更直观地把握各纤维束的功能划分。
在本实施方式中,医用图像处理装置200在由第二转换部204确定出受影响的功能性纤维束后,将与该功能性纤维束建立了对应的各个感兴趣区域转换到被检体数据中,并通过显示处理部205分析出穿过这些感兴趣区域的纤维束,从而获知受影响的功能性纤维束在被检体中的实际位置。
通过采用这种结构,在希望显示受到了肿瘤区域影响的被检体纤维束时,不需要讲纤维束图谱中的整条的被检体纤维束转换到被检体数据中,仅需要将对应的感兴趣区域转到被检体数据中即可,由此能够提高转换的效率和精度。另外,在被检体数据显示受影响的功能性纤维束在被检体中的实际位置,能够给手术操作等带来便利。
另外,作为第二实施方式的一个变形例,在步骤S205中,显示处理部205也可以不对被检体纤维束X1进行检测和突出显示而仅显示受影响的被检体纤维束X1所对应的感兴趣区域A和感兴趣区域 B。通过这样,操作者能够直观的观察到受影响的被检体纤维束所对应的感兴趣区域,也能够大致推断出受影响的被检体纤维束,也能够给手术操作等带来便利。(第三实施方式)
在通过第二转换部204将感兴趣区域转换到被检体数据后,有时并不能找到符合各个感兴趣区域的逻辑关系的纤维束。举例来说,如图10所示,在肿瘤区域使纤维束移位的情况下,被转换到被检体数据中的感兴趣区域B存在于肿瘤区域E的内部,此时,可以观察到纤维束X1被肿瘤区域E推移,并没有穿过肿瘤区域E中的感兴趣区域B的纤维束。但是,功能性纤维束需要根据感兴趣区域A、B、C 共同确定,也就是说,仅根据位于肿瘤区域E的外部的感兴趣区域A、 C,不能唯一地确定受影响的功能性纤维束。
第三实施方式是第二实施方式的变形例。第三实施方式的医用图像处理装置与第二实施方式的医用图像处理装置同样,也具有:提取部201、第一转换部202、解析部203、第二转换部204和显示处理部 205。以下主要针对第三实施方式与第二实施方式的不同点进行说明,并适当省略重复的说明。
两者的不同点在于,第三实施方式中解析部203还判断被检体数据中的肿瘤区域的内部是否存在有感兴趣区域,并基于判断结果,以不同的处理来分析受影响的功能性纤维束的实际位置。
在肿瘤区域的内部不存在感兴趣区域的情况下,通过与第二实施方式中的步骤S205的处理可以检测出受影响的被检体纤维束的实际位置并进行显示,对此不在赘述。
下面,参照图10来进行说明肿瘤区域的内部存在感兴趣区域的情况。这里图10是在肿瘤区域推移了纤维束的情况下利用感兴趣区域在被检体数据和纤维束图谱之间的来回转换来确定受影响的功能性纤维束的示意图。图10中的例子为了方便说明每个纤维束仅包含一条神经纤维,并且纤维束与感兴趣区域之间的逻辑关系都是“和”的关系。
如图10所示,当肿瘤区域E的内部存在感兴趣区域B的情况下,将感兴趣区域B作为内部感兴趣区域群中唯一的感兴趣区域,将感兴趣区域A和感兴趣区域C作为外部感兴趣区域群。首先,在被检体数据中,使用由感兴趣区域A和感兴趣区域C构成的外部感兴趣区域群决定第一纤维束群,第一纤维束群为穿过外部感兴趣区域群且符合感兴趣区域A和感兴趣区域C之间的逻辑关系(本实施方式中的逻辑关系都是“和”的关系)的所有纤维束,图10中示出的第一纤维束群中包含2条纤维束,分别是被检体纤维束X1和被检体纤维束 X2。其中,被检体纤维束X1是被肿瘤区域E推移了的纤维束。接着,如图10所示,在纤维束图谱中,确定出穿过外部感兴趣区域群但不穿过内部感兴趣区域群(感兴趣区域B)的功能性纤维束来作为第二纤维束群,图10示出的纤维束图谱中符合条件的第二纤维束群有1 条纤维束,即纤维束X2’。最后,用所述第一纤维束减去所述第二纤维束而得到受影响的功能性纤维束(图10中示出的受影响的功能性纤维束有1条)。
实际上,图10中的纤维束X2’不仅穿过感兴趣区域A和感兴趣区域C,还与感兴趣区域D相连,换言之,感兴趣区域A、C、D才是用于唯一确定该纤维束X2’的各感兴趣区域。因此在将第二纤维束群中的纤维束X2’转换到被检体数据中时,需要将感兴趣区域A、C、 D再次转换到被检体数据中,由此在被检体数据中求出穿过感兴趣区域A、C、D且符合感兴趣区域A、C、D之间的逻辑关系的被检体纤维束(即图10中示出的被检体纤维束X2)。
图10只是一例,根据被检体数据中的内部或外部感兴趣区域的个数、以及纤维束图谱中穿过外部感兴趣区域的功能性纤维束的数量不同,受影响的功能性纤维束的确定方法不同。但只要是符合本实施方式的主旨的变形,就包含在本发明的保护范围中。
下面,参照图11说明本发明的第三实施方式涉及的图像处理步骤的流程图。图11中的流程是第二实施方式中的步骤S204中的分处理。
以图10中的情况为例,说明处理过程中必要的步骤。
在步骤S301中,解析部203在被检体数据中判断是否有感兴趣区域在肿瘤区域内,若判断出没有感兴趣区域在肿瘤区域内,则解析部204分析穿过各个感兴趣区域且符合各个感兴趣区域之间的逻辑关系的纤维束,作为受影响的功能性纤维束,并使显示部205进行显示(步骤S302)。
若解析部203判断为有感兴趣区域在肿瘤区域E内,则解析部 203在被检体数据中求出穿过外部感兴趣区域群中的各个感兴趣区域的纤维束,作为第一纤维束群(步骤S303)。换言之,若解析部203 判断为有感兴趣区域在肿瘤区域内,则解析部203在被检体数据中求出穿过肿瘤区域以外的各个感兴趣区域的纤维束,作为第一纤维束群(步骤S303)。
接着,在步骤S304中,第二转换部204在纤维束图谱中确定穿过外部感兴趣区域群中的各个感兴趣区域且不穿过内部感兴趣区域群中的各个感兴趣区域的功能性纤维束作为第二纤维束群,并针对上述第二纤维束群中的各纤维束,确定的用于唯一识别各纤维束的感兴趣区域。
在步骤S305中,第二转换部204将步骤S304中确定的各个感兴趣区域从纤维束图谱转换到被检体数据中。
在步骤S306中,解析部203在被检体数据中求出穿过被转换来的各个感兴趣区域并符合各个感兴趣区域之间的逻辑关系的纤维束,作为被检体数据中的第二纤维束群。
在步骤S307中,解析部203用第一纤维束减去第二纤维束而得到受影响的功能性纤维束。
根据第三实施方式的医用图像处理装置,在肿瘤区域E使纤维束移位、且从纤维束图谱转换到被检体数据中的感兴趣区域位于肿瘤区域E内的情况下,也能够准确地掌握并显示受影响的功能性纤维束的实际位置。
(第四实施方式)
本发明的第四实施方式是第二实施方式的变形例。
图12是表示本发明的第四实施方式涉及的图像处理装置的结构框图。第四实施方式与第一实施方式的不同点在于,第四实施方式中的医用图像处理装置300还具有指标显示部306,此外第一转换部 302、解析部303、第二转换部304和显示处理部305与第一实施方式中的第一转换部102、解析部103、第二转换部104和显示处理部 105相比发挥了额外功能。以下主要针对第四实施方式与第二实施方式的不同点进行说明,并适当省略重复的说明。此外,本实施方式中的肿瘤区域包括图13中的肿瘤以及位于肿瘤周围的肿瘤浸润区。
提取部301除了从被检体数据中提取神经分布的位置信息和肿瘤区域的信息之外,还提取从被检体获得的表示被检体的各感兴趣区域的被检体感兴趣区域数据。例如,通过血氧水平依赖功能磁共振成像获得被检体的功能区域的图像,从而提取该图像中的被检体功能区域(即被检体感兴趣区域)的数据。
第一转换部302将提取部301提取的被检体感兴趣区域转换到事先定义的纤维束图谱中。图13示出了将被检体感兴趣区域数据转换到事先定义的纤维束图谱中的一个例子。为了说明方便,图13的纤维束图谱中仅示出了两个感兴趣区域(即感兴趣区域A和感兴趣区域B),并且假定事先定义的感兴趣区域A和感兴趣区域B的正常状态呈大致椭圆状态。图13中还示出了被转换到纤维束图谱中的两个被检体感兴趣区域(即,被检体感兴趣区域C和被检体感兴趣区域 D)。当产生脑部肿瘤的情况下,受肿瘤的影响,不仅功能性纤维束会发生推移、穿透、浸润等现象,脑功能区(感兴趣区域)也会相应的部分消失(变小)甚至全部消失。如图13中的被检体数据所示,被检体感兴趣区域C和被检体感兴趣区域D分别示出了感兴趣区域A 和感兴趣区域B受肿瘤影响而部分消失的情况,被检体感兴趣区域C 和被检体感兴趣区域D从原来的大致椭圆形状变小成不规则的形状。
解析部303基于纤维束图谱中的纤维束和被转换到纤维束图谱中的肿瘤区域的位置关系,检测出受到了肿瘤区域的影响的纤维束,然后基于纤维束图谱中定义的感兴趣区域和纤维束的对应关系,作为解析结果,取得与检测出的纤维束建立了对应的感兴趣区域。在图13 所示的例子中,检测出的受到了肿瘤区域的影响的纤维束是纤维束 X1’~纤维束X10’,与纤维束X1’~纤维束X10’建立了对应的感兴趣区域是感兴趣区域A和感兴趣区域B。
指标显示部306针对受到了肿瘤区域的影响的感兴趣区域,对转换到纤维束图谱中的被检体感兴趣区域(即,实际的感兴趣区域)和纤维束图谱中事先定义的感兴趣区域(即,正常状态下的感兴趣区域) 进行比较,检测出两者不一致的感兴趣区域作为受到肿瘤区域影响的感兴趣区域。
此外,指标显示部306也可以基于比较结果计算并显示由肿瘤区域引起的损伤指标。此时,由肿瘤区域引起的损伤指标是被检体感兴趣区域相对于图谱数据中的感兴趣区域的减 少率。
此外,第二转换部304将与受到了肿瘤区域影响的感兴趣区域对应的纤维束图谱中的感兴趣区域转换到被检体数据中。图13的左下方示出了将感兴趣区域A和感兴趣区域B转换到被检体数据后的状态,图中两个虚线的椭圆分别表示事先定义的感兴趣区域A和感兴趣区域B的轮廓。
指标显示部306在被检体数据中根据受到了肿瘤区域的影响的感兴趣区域检测出(追踪出)被检体纤维束,通过对检测出的被检体数据中的被检体纤维束和图谱数据中的受到了肿瘤区域的影响的纤维束进行比较,计算由肿瘤区域引起的损伤指标。
在图13所示的例子中,根据肿瘤区域的位置和转换到被检体数据中的事先定义的感兴趣区域A和感兴趣区域B,追踪与感兴趣区域A和感兴趣区域B对应的被检体纤维束,在图13的被检体数据中示出了连结在感兴趣区域A和感兴趣区域B之间的10个纤维束,图中从左到右依次是纤维束X1~纤维束X10。
根据图13中的各纤维束与肿瘤的位置关系,纤维束X1~纤维束 X10分为阻断纤维束、浸润纤维束、穿透纤维束、无影响纤维束等几种。阻断纤维束是被肿瘤阻断了的纤维束,图13中的纤维束X5、纤维束X6和纤维束X7是阻断纤维束。浸润纤维束是穿过了位于肿瘤周围的肿瘤浸润区但没有穿过肿瘤的纤维束,图13中的纤维束X2、纤维束X3、纤维束X4和纤维束X9是浸润纤维束。穿透纤维束是穿过了位于肿瘤周围的肿瘤浸润区且穿过了肿瘤的纤维束,图13中的纤维束X8是穿透纤维束。无影响纤维束是没有穿过肿瘤浸润区的纤维束,图13中的纤维束X1和纤维束X10是无影响纤维束。另外,与图13的图谱数据中的纤维束X4’相比较可知,图13的被检体数据中的纤维束X4因受到肿瘤位置的影响而向左发生了位移,这样发生了位移的纤维束称为推移纤维束。
基于追踪出的各纤维束以及患部的位置,能够得出功能性纤维束的损伤指标。损伤指标例如通过与感兴趣区域相关的功能性纤维束的统计信息来表示,统计信息包含推移率(Extrusion Rate)、穿透率 (Penetrating Rate)、浸润率(Infiltration Rate)、破坏率(Damage Rate)、使用率(Functional Rate)中的至少一种。
推移率是表示与感兴趣区域相关的功能性纤维束中推移纤维束所占的比例。穿透率是表示与感兴趣区域相关的功能性纤维束中穿透纤维束所占的比例。浸润率是表示与感兴趣区域相关的功能性纤维束中浸润纤维束所占的比例。破坏率是表示与感兴趣区域相关的功能性纤维束中因手术而被破坏的功能性纤维束所占的比例。破坏率因手术的方式而不同,例如“仅切除肿瘤时”和“切除肿瘤及肿瘤浸润区时”所得到的破坏率通常是不同的。使用率是表示与感兴趣区域相关的功能性纤维束中在手术之前能够使用的功能性纤维束所占的比例。
表1中示出了图13中的各被检体纤维束的统计信息。
下面,参照图14来说明第四实施方式的图像处理步骤的流程。
首先,在步骤S401中,神经分布的位置信息和肿瘤区域的信息之外,还提取从被检体获得的表示被检体的各感兴趣区域的被检体感兴趣区域数据。
在步骤S402中,第一转换部302除了将纤维束图像和患部图像分别转换到事先定义的纤维束图谱中之外,还利用转换矩阵将提取部 301提取的被检体感兴趣区域数据转换到事先定义的纤维束图谱中。
在步骤S403中,解析部303基于肿瘤的位置,确定受到肿瘤区域影响的纤维束所连接的感兴趣区域。
在步骤S404中,指标显示部306针对步骤S403中确定的感兴趣区域,对转换到纤维束图谱中的被检体的感兴趣区域(即,实际的感兴趣区域)和纤维束图谱中事先定义的感兴趣区域(即,正常状态下的感兴趣区域)进行比较,检测出两者不一致的感兴趣区域作为受到肿瘤区域影响的感兴趣区域。
在步骤S405中,第二转换部304将与受到了肿瘤区域影响的感兴趣区域对应的纤维束图谱中的感兴趣区域转换到被检体数据中。
在步骤S406中,指标显示部306在被检体数据中根据受到了肿瘤区域的影响的感兴趣区域检测出(追踪出)被检体纤维束,通过对检测出的被检体数据中的被检体纤维束和图谱数据中的受到了肿瘤区域的影响的纤维束进行比较,计算并显示由肿瘤区域引起的损伤指标。由肿瘤区域引起的损伤指标通过被检体纤维束的统计信息来表示,所述统计信息是神经区域推移率、穿透率、浸润率、破坏率、使用率中的至少一种。
在步骤S407中,显示处理部105还可以对转换后的被检体数据进行显示。
图15示出了指标显示部306和显示处理部105都进行了显示后的画面的示意图。
此外,作为本实施方式的一个变形例,在步骤S404中也可以计算被检体感兴趣区域相对于图谱数据中的感兴趣区域的减 少率,并作为由肿瘤区域引起的损伤指标来显示。此时,也可以省略步骤S406 而不计算被检体纤维束的统计信息。
在本实施方式中,医用图像处理装置300将事先定义的正常状态下的感兴趣区域转换到被检体数据中,并以此在被检体数据中追踪功能性纤维束,从而能够直观地判断功能性纤维束的损伤程度。通过采用这样的构成,能够避免由于被检体的脑功能区的部分消失或全部消失而在被检体数据中无法精准地追踪与感兴趣区域相对应的被检体纤维束的问题。这是由于感兴趣区域的变小,以该感兴趣区域来追踪的纤维束数量可能会小于实际应该追踪的数量。
此外,基于事先定义的正常状态下的感兴趣区域以及肿瘤的位置,能够将功能性纤维束分为阻断纤维束、浸润纤维束、穿透纤维束、无影响纤维束等几种,并且基于被检体的各功能性纤维束的实际位置与肿瘤位置的关系,通过与感兴趣区域相关的功能性纤维束的统计信息 (例如推移率、穿透率、浸润率、破坏率、使用率中的至少一种)来直观地显示功能性纤维束的损伤程度。
本发明的图像处理装置也可以作为能够实现各个实施方式中所说明的功能的电路安装在医用设备中,也可以作为能够使计算机执行的程序,储存于磁盘(软盘(floppy,注册商标)、硬盘等)、光盘(CD -ROM、DVD等)、光磁盘(MO)、半导体存储器等存储介质而发布。
而且,基于从存储介质安装于计算机的程序的指示在计算机上运转的OS(操作系统)、数据库管理软件、网络软件等的MW(中间件) 等也可以执行用于实现上述实施方式的各处理的一部分。
以上说明了本发明的几个实施方式,但这些实施方式是作为例子而提出的,并不是想限定发明范围。这些新的实施方式可以以其他各种各样的方式实施,可以在不脱离发明主旨的范围内进行各种各样的省略、置换和变更。这些实施方式或其变形包含在发明范围或主旨内,并且也包含在权利要求范围中记载的发明及其均等的范围内。
Claims (20)
1.一种医用图像处理装置,具备:
提取部,从被检体数据提取神经分布的位置信息;
第一转换部,将基于所提取的所述位置信息的被检体神经区域向图谱数据中转换;
解析部,对所述图谱数据中的脑内的功能区域和被转换的所述被检体神经区域的位置关系进行解析;以及
第二转换部,将所述解析部的解析结果向所述被检体数据中转换。
2.如权利要求1所述的医用图像处理装置,其特征在于,
所述提取部提取肿瘤的位置信息,
所述第一转换部将所提取的所述肿瘤的位置信息即肿瘤区域向所述图谱数据中转换,
所述解析部基于所述图谱数据中的神经区域和被转换的所述肿瘤区域的位置关系,检测受到了所述肿瘤区域的影响的所述神经区域,然后基于所述图谱数据中定义的功能区域和所述神经区域的对应关系,作为解析结果,取得与检测出的所述神经区域建立了对应的所述功能区域。
3.如权利要求2所述的医用图像处理装置,其特征在于,
所述医用图像处理装置还具备显示处理部,
所述显示处理部基于所述功能区域和所述神经区域的对应关系,在所述被检体数据中,根据被转换至所述被检体数据中的所述功能区域,检测并显示受到了所述肿瘤区域的影响的所述被检体神经区域。
4.如权利要求3所述的医用图像处理装置,其特征在于,
所述显示处理部显示受到了所述肿瘤区域的影响的所述被检体神经区域被突出显示了的图像。
5.如权利要求3所述的医用图像处理装置,其特征在于,
在所述图谱数据中一个神经区域与多个功能区域建立了对应的对应关系下,当所述多个功能区域中的至少一个位于所述肿瘤区域内时,将位于所述肿瘤区域内的功能区域的集合作为内部功能区域群,将所述多个功能区域中的所述内部功能区域群以外的功能区域的集合作为外部功能区域群,
所述解析部在所述被检体数据中,检测出通过所述外部功能区域群中的各功能区域的所述被检体神经区域来作为第1神经区域群,
所述解析部在所述图谱数据中,检测出通过所述外部功能区域群中的各功能区域且不通过所述内部功能区域群中的各功能区域的所述神经区域来作为第2神经区域群,
所述解析部从所述第1神经区域群中减去所述第2神经区域群,得到受到了所述肿瘤区域的影响的所述被检体神经区域。
6.如权利要求2所述的医用图像处理装置,其特征在于,
所述医用图像处理装置还具备指标显示部,
所述提取部从所述被检体数据中提取脑内的功能区域的位置信息,
所述第一转换部将基于所提取的所述位置信息的被检体功能区域向所述图谱数据中转换,
所述指标显示部对由所述解析部检测出的受到了所述肿瘤区域的影响的所述功能区域和被转换后的所述被检体功能区域进行比较,计算并显示由所述肿瘤区域引起的损伤指标。
7.如权利要求6所述的医用图像处理装置,其特征在于,
由所述肿瘤区域引起的损伤指标是所述被检体功能区域相对于所述图谱数据中的功能区域的减 少率。
8.如权利要求6所述的医用图像处理装置,其特征在于,
所述指标显示部在所述被检体数据中根据受到了所述肿瘤区域的影响的所述功能区域检测出所述被检体神经区域,通过对检测出的所述被检体数据中的所述被检体神经区域和所述图谱数据中的受到了所述肿瘤区域的影响的所述神经区域进行比较,计算并显示由所述肿瘤区域引起的损伤指标。
9.如权利要求8所述的医用图像处理装置,其特征在于,
由所述肿瘤区域引起的损伤指标通过所述被检体神经区域的统计信息来表示,
所述统计信息是神经区域推移率、穿透率、浸润率、破坏率、使用率中的至少一种。
10.如权利要求1所述的医用图像处理装置,其特征在于,
所述神经区域是与神经纤维束相应的区域,
所述功能区域是与脑功能相应的区域或者与脑内的组织结构相应的区域。
11.一种医用图像处理方法,具备:
提取步骤,从被检体数据提取神经分布的位置信息;
第一转换步骤,将基于所提取的所述位置信息的被检体神经区域向图谱数据中转换;
解析步骤,对所述图谱数据中的脑内的功能区域和被转换的所述被检体神经区域的位置关系进行解析;以及
第二转换步骤,将所述解析步骤的解析结果向所述被检体数据中转换。
12.如权利要求11所述的医用图像处理方法,其特征在于,
在所述提取步骤中提取肿瘤的位置信息,
在所述第一转换步骤中,将所提取的所述肿瘤的位置信息即肿瘤区域向所述图谱数据中转换,
在所述解析步骤中,基于所述图谱数据中的神经区域和被转换的所述肿瘤区域的位置关系,检测出受到了所述肿瘤区域的影响的所述神经区域,然后基于所述图谱数据中定义的功能区域和所述神经区域的对应关系,作为解析结果,取得与检测出的所述神经区域建立了对应的所述功能区域。
13.如权利要求12所述的医用图像处理方法,其特征在于,
所述医用图像处理方法还具备显示处理步骤,
在所述显示处理步骤中,基于所述功能区域和所述神经区域的对应关系,在所述被检体数据中,根据被转换至所述被检体数据中的所述功能区域,检测并显示受到了所述肿瘤区域的影响的所述被检体神经区域。
14.如权利要求13所述的医用图像处理方法,其特征在于,
在所述显示处理步骤中,显示受到了所述肿瘤区域的影响的所述被检体神经区域被突出显示了的图像。
15.如权利要求13所述的医用图像处理方法,其特征在于,
在所述图谱数据中一个神经区域与多个功能区域建立了对应的对应关系下,当所述多个功能区域中的至少一个位于所述肿瘤区域内时,将位于所述肿瘤区域内的功能区域的集合作为内部功能区域群,将所述多个功能区域中的所述内部功能区域群以外的功能区域的集合作为外部功能区域群,
在所述解析步骤中,
在所述被检体数据中,检测出通过所述外部功能区域群中的各功能区域的所述被检体神经区域来作为第1神经区域群,
在所述图谱数据中,检测出通过所述外部功能区域群中的各功能区域且不通过所述内部功能区域群中的各功能区域的所述神经区域来作为第2神经区域群,
从所述第1神经区域群中减去所述第2神经区域群,得到受到了所述肿瘤区域的影响的所述被检体神经区域。
16.如权利要求12所述的医用图像处理方法,其特征在于,
所述医用图像处理方法还具备指标显示步骤,
在所述提取步骤中,从所述被检体数据中提取脑内的功能区域的位置信息,
在所述第一转换步骤中,将基于所提取的所述位置信息的被检体功能区域向所述图谱数据中转换,
在所述指标显示步骤中,对由所述解析步骤检测出的受到了所述肿瘤区域的影响的所述功能区域和被转换后的所述被检体功能区域进行比较,计算并显示由所述肿瘤区域引起的损伤指标。
17.如权利要求16所述的医用图像处理方法,其特征在于,
由所述肿瘤区域引起的损伤指标是所述被检体功能区域相对于所述图谱数据中的功能区域的减 少率。
18.如权利要求16所述的医用图像处理方法,其特征在于,
在所述指标显示步骤中,在所述被检体数据中根据受到了所述肿瘤区域的影响的所述功能区域检测出所述被检体神经区域,通过对检测出的所述被检体数据中的所述被检体神经区域和所述图谱数据中的受到了所述肿瘤区域的影响的所述神经区域进行比较,计算并显示由所述肿瘤区域引起的损伤指标。
19.如权利要求18所述的医用图像处理方法,其特征在于,
由所述肿瘤区域引起的损伤指标通过所述被检体神经区域的统计信息来表示,
所述统计信息是神经区域推移率、穿透率、浸润率、破坏率、使用率中的至少一种。
20.如权利要求11所述的医用图像处理方法,其特征在于,
所述神经区域是与神经纤维束相应的区域,
所述功能区域是与脑功能相应的区域或者与脑内的组织结构相应的区域。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610961249.8A CN108022234B (zh) | 2016-10-28 | 2016-10-28 | 医用图像处理装置及医用图像处理方法 |
JP2017094113A JP6849526B2 (ja) | 2016-10-28 | 2017-05-10 | 医用画像処理装置及び医用画像処理方法 |
US15/642,741 US10504229B2 (en) | 2016-10-28 | 2017-07-06 | Medical image processing apparatus and medical image processing method |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610961249.8A CN108022234B (zh) | 2016-10-28 | 2016-10-28 | 医用图像处理装置及医用图像处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108022234A CN108022234A (zh) | 2018-05-11 |
CN108022234B true CN108022234B (zh) | 2022-03-01 |
Family
ID=62083874
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610961249.8A Active CN108022234B (zh) | 2016-10-28 | 2016-10-28 | 医用图像处理装置及医用图像处理方法 |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP6849526B2 (zh) |
CN (1) | CN108022234B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11145119B2 (en) * | 2019-10-18 | 2021-10-12 | Omniscient Neurotechnology Pty Limited | Differential brain network analysis |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1401294A (zh) * | 2002-09-28 | 2003-03-12 | 中国人民解放军南京军区南京总医院 | 人体神经阈值的检测方法及其检测系统 |
CN102663817A (zh) * | 2012-04-10 | 2012-09-12 | 上海交通大学 | 神经外科中彩色sw解剖图谱的三维可视化处理方法 |
CN102938013A (zh) * | 2011-08-15 | 2013-02-20 | 株式会社东芝 | 医用图像处理装置及医用图像处理方法 |
US8559686B2 (en) * | 2009-09-24 | 2013-10-15 | Aze Ltd. | Medical image data alignment apparatus, method and program |
JP2016516523A (ja) * | 2013-04-24 | 2016-06-09 | テル ハショメール メディカル リサーチ インフラストラクチャー アンド サービシズ リミテッド | 組織解析用の磁気共鳴マップ |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002360538A (ja) * | 2001-06-08 | 2002-12-17 | Hitachi Ltd | 画像表示装置 |
US8600135B2 (en) * | 2007-06-28 | 2013-12-03 | Mayo Foundation For Medical Education And Research | System and method for automatically generating sample points from a series of medical images and identifying a significant region |
EP2141506B1 (en) * | 2008-07-01 | 2019-04-03 | The Regents of The University of California | Identifying fiber tracts using magnetic resonance imaging (MRI) |
JP5777053B2 (ja) * | 2011-05-12 | 2015-09-09 | 株式会社東芝 | 画像処理装置 |
EP2937039B1 (en) * | 2014-04-25 | 2022-04-20 | AMRA Medical AB | Lean tissue water concentration quantification |
GB2547833B (en) * | 2014-10-17 | 2020-11-25 | Synaptive Medical Barbados Inc | System and method for connectivity mapping |
-
2016
- 2016-10-28 CN CN201610961249.8A patent/CN108022234B/zh active Active
-
2017
- 2017-05-10 JP JP2017094113A patent/JP6849526B2/ja active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1401294A (zh) * | 2002-09-28 | 2003-03-12 | 中国人民解放军南京军区南京总医院 | 人体神经阈值的检测方法及其检测系统 |
US8559686B2 (en) * | 2009-09-24 | 2013-10-15 | Aze Ltd. | Medical image data alignment apparatus, method and program |
CN102938013A (zh) * | 2011-08-15 | 2013-02-20 | 株式会社东芝 | 医用图像处理装置及医用图像处理方法 |
CN102663817A (zh) * | 2012-04-10 | 2012-09-12 | 上海交通大学 | 神经外科中彩色sw解剖图谱的三维可视化处理方法 |
JP2016516523A (ja) * | 2013-04-24 | 2016-06-09 | テル ハショメール メディカル リサーチ インフラストラクチャー アンド サービシズ リミテッド | 組織解析用の磁気共鳴マップ |
Also Published As
Publication number | Publication date |
---|---|
CN108022234A (zh) | 2018-05-11 |
JP6849526B2 (ja) | 2021-03-24 |
JP2018069022A (ja) | 2018-05-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11864835B2 (en) | Puncture support device for determining safe linear puncture routes by puncture region classification and superimposing of images | |
CN102415898B (zh) | 医用图像处理装置和医用图像处理方法 | |
US7903849B2 (en) | Medical image processing apparatus | |
JP5366356B2 (ja) | 医用画像処理装置及び医用画像処理方法 | |
KR101840350B1 (ko) | 의료 영상 판독 과정에서 사용자의 시선 정보를 이용한 판독 효율 증대 방법 및 그 장치 | |
EP2290611A1 (en) | Medical image diagnostic apparatus and method using a liver function anagiographic image, and computer readable recording medium on which is recorded a program therefor | |
JP7309986B2 (ja) | 医用画像処理方法、医用画像処理装置、医用画像処理システム及び医用画像処理プログラム | |
BRPI0618949A2 (pt) | método e sistema para analisar uma pluralidade de dados de imagem médicos de uma região em uma anatomia, método para adquirir e analisar dados de imagem médicos mrs de uma região em uma anatomia e sistema para analisar dados de imagem médicos de uma região em uma anatomia | |
US8693746B2 (en) | Technique for detecting neurodegenerative disorders | |
KR20150059151A (ko) | 초음파 장치 및 그 동작 방법 | |
KR20150125436A (ko) | 관심 영역별 추가 정보 제공 장치 및 방법 | |
US20130303900A1 (en) | Method and apparatus for processing of stroke ct scans | |
CN109741290B (zh) | 用于神经追踪的方法、非暂时性计算机可读媒体及设备 | |
JP6455235B2 (ja) | 医用画像システム及びプログラム | |
KR20130049638A (ko) | 병변 진단 장치 및 방법 | |
US10504229B2 (en) | Medical image processing apparatus and medical image processing method | |
CN113826140B (zh) | 血管造影数据分析 | |
CN108022234B (zh) | 医用图像处理装置及医用图像处理方法 | |
US20160228068A1 (en) | Quality assurance for mri-guided breast biopsy | |
KR101378675B1 (ko) | 영상진단기기를 이용한 뇌수종 진단 방법 및 장치 | |
JP2011067594A (ja) | 肝機能造影像を用いた医用画像診断装置および方法、並びにプログラム | |
JP6711675B2 (ja) | 読影支援装置 | |
US20160228104A1 (en) | Computer-aided lesion detection and track planning for mri-guided breast biopsy | |
JP5486933B2 (ja) | 医用画像処理装置 | |
JP2004135867A (ja) | 異常陰影候補検出方法及び異常陰影候補検出装置 |
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 |