CN109381805B - 确定组织的局部的组织功能的方法,计算单元,医学成像设备和计算机可读的数据载体 - Google Patents
确定组织的局部的组织功能的方法,计算单元,医学成像设备和计算机可读的数据载体 Download PDFInfo
- Publication number
- CN109381805B CN109381805B CN201810859391.0A CN201810859391A CN109381805B CN 109381805 B CN109381805 B CN 109381805B CN 201810859391 A CN201810859391 A CN 201810859391A CN 109381805 B CN109381805 B CN 109381805B
- Authority
- CN
- China
- Prior art keywords
- tissue
- determining
- recordings
- medical image
- regions
- 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
- 238000000034 method Methods 0.000 title claims abstract description 73
- 238000002059 diagnostic imaging Methods 0.000 title claims abstract description 18
- 210000000746 body region Anatomy 0.000 claims abstract description 17
- 238000004590 computer program Methods 0.000 claims abstract description 15
- 230000003902 lesion Effects 0.000 claims description 50
- 230000006870 function Effects 0.000 claims description 44
- 238000002591 computed tomography Methods 0.000 claims description 21
- 238000004458 analytical method Methods 0.000 claims description 17
- 230000010412 perfusion Effects 0.000 claims description 15
- ZCYVEMRRCGMTRW-UHFFFAOYSA-N 7553-56-2 Chemical compound [I] ZCYVEMRRCGMTRW-UHFFFAOYSA-N 0.000 claims description 9
- 239000011630 iodine Substances 0.000 claims description 9
- 229910052740 iodine Inorganic materials 0.000 claims description 9
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 claims description 8
- 230000017531 blood circulation Effects 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000010801 machine learning Methods 0.000 claims description 8
- 238000009825 accumulation Methods 0.000 claims description 7
- 239000013598 vector Substances 0.000 claims description 7
- 230000000877 morphologic effect Effects 0.000 claims description 5
- OYPRJOBELJOOCE-UHFFFAOYSA-N Calcium Chemical compound [Ca] OYPRJOBELJOOCE-UHFFFAOYSA-N 0.000 claims description 4
- 229910052791 calcium Inorganic materials 0.000 claims description 4
- 239000011575 calcium Substances 0.000 claims description 4
- 229910052742 iron Inorganic materials 0.000 claims description 4
- 238000002604 ultrasonography Methods 0.000 claims description 3
- 210000001519 tissue Anatomy 0.000 description 196
- 206010028980 Neoplasm Diseases 0.000 description 31
- 239000002872 contrast media Substances 0.000 description 15
- 230000011218 segmentation Effects 0.000 description 15
- 238000011282 treatment Methods 0.000 description 14
- 238000012545 processing Methods 0.000 description 11
- 230000004044 response Effects 0.000 description 11
- 238000011156 evaluation Methods 0.000 description 10
- 239000008280 blood Substances 0.000 description 9
- 210000004369 blood Anatomy 0.000 description 9
- 230000000875 corresponding effect Effects 0.000 description 9
- 238000005259 measurement Methods 0.000 description 9
- 238000004422 calculation algorithm Methods 0.000 description 7
- 238000013459 approach Methods 0.000 description 6
- 230000015654 memory Effects 0.000 description 6
- 230000036770 blood supply Effects 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 230000005855 radiation Effects 0.000 description 4
- 210000004881 tumor cell Anatomy 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000008081 blood perfusion Effects 0.000 description 3
- 230000008520 organization Effects 0.000 description 3
- 238000001228 spectrum Methods 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 230000002123 temporal effect Effects 0.000 description 3
- 230000001225 therapeutic effect Effects 0.000 description 3
- 238000002560 therapeutic procedure Methods 0.000 description 3
- 238000011277 treatment modality Methods 0.000 description 3
- 241000234282 Allium Species 0.000 description 2
- 235000002732 Allium cepa var. cepa Nutrition 0.000 description 2
- 206010061818 Disease progression Diseases 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 2
- 230000003527 anti-angiogenesis Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 230000005750 disease progression Effects 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 230000003628 erosive effect Effects 0.000 description 2
- 238000009169 immunotherapy Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 210000000056 organ Anatomy 0.000 description 2
- 230000036961 partial effect Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000002829 reductive effect Effects 0.000 description 2
- 238000003325 tomography Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000004614 tumor growth Effects 0.000 description 2
- 101710112752 Cytotoxin Proteins 0.000 description 1
- 241000196324 Embryophyta Species 0.000 description 1
- 208000001132 Osteoporosis Diseases 0.000 description 1
- 210000001015 abdomen Anatomy 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000033115 angiogenesis Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000037182 bone density Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 230000030833 cell death Effects 0.000 description 1
- 238000002512 chemotherapy Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 239000000824 cytostatic agent Substances 0.000 description 1
- 231100000599 cytotoxic agent Toxicity 0.000 description 1
- 239000002619 cytotoxin Substances 0.000 description 1
- 230000034994 death Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000010339 dilation Effects 0.000 description 1
- 230000008034 disappearance Effects 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 210000000981 epithelium Anatomy 0.000 description 1
- 210000002216 heart Anatomy 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000003702 image correction Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000028993 immune response Effects 0.000 description 1
- 210000000987 immune system Anatomy 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000001990 intravenous administration Methods 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 210000004185 liver Anatomy 0.000 description 1
- 210000004072 lung Anatomy 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000002503 metabolic effect Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000017074 necrotic cell death Effects 0.000 description 1
- 238000011275 oncology therapy Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000008807 pathological lesion Effects 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 238000002600 positron emission tomography Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 208000037821 progressive disease Diseases 0.000 description 1
- 238000001959 radiotherapy Methods 0.000 description 1
- 238000001454 recorded image Methods 0.000 description 1
- 210000005084 renal tissue Anatomy 0.000 description 1
- 238000002603 single-photon emission computed tomography Methods 0.000 description 1
- 210000003625 skull Anatomy 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000002792 vascular Effects 0.000 description 1
- 230000003936 working memory Effects 0.000 description 1
Images
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
- A61B6/02—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
- A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
- A61N5/00—Radiation therapy
- A61N5/10—X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy
- A61N5/103—Treatment planning systems
- A61N5/1031—Treatment planning systems using a specific method of dose optimization
-
- 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
- A61B5/45—For evaluating or diagnosing the musculoskeletal system or teeth
- A61B5/4504—Bones
-
- 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
- A61B6/505—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 diagnosis of bone
-
- 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
- A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
- A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/08—Detecting organic movements or changes, e.g. tumours, cysts, swellings
- A61B8/0875—Detecting organic movements or changes, e.g. tumours, cysts, swellings for diagnosis of bone
-
- 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
- A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
- A61B8/5223—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for extracting a diagnostic or physiological parameter from medical diagnostic data
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
- A61N5/00—Radiation therapy
- A61N5/10—X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy
- A61N5/103—Treatment planning systems
- A61N5/1039—Treatment planning systems using functional images, e.g. PET or MRI
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
- A61N5/00—Radiation therapy
- A61N5/10—X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy
- A61N5/1048—Monitoring, verifying, controlling systems and methods
- A61N5/1049—Monitoring, verifying, controlling systems and methods for verifying the position of the patient with respect to the radiation beam
-
- 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
- G06T7/0014—Biomedical image inspection using an image reference approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- 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
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/08—Detecting organic movements or changes, e.g. tumours, cysts, swellings
- A61B8/0833—Detecting organic movements or changes, e.g. tumours, cysts, swellings involving detecting or locating foreign bodies or organic structures
- A61B8/085—Detecting organic movements or changes, e.g. tumours, cysts, swellings involving detecting or locating foreign bodies or organic structures for locating body or organic structures, e.g. tumours, calculi, blood vessels, nodules
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
- A61N5/00—Radiation therapy
- A61N5/10—X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy
- A61N5/1048—Monitoring, verifying, controlling systems and methods
- A61N5/1049—Monitoring, verifying, controlling systems and methods for verifying the position of the patient with respect to the radiation beam
- A61N2005/1052—Monitoring, verifying, controlling systems and methods for verifying the position of the patient with respect to the radiation beam using positron emission tomography [PET] single photon emission computer tomography [SPECT] imaging
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
- A61N5/00—Radiation therapy
- A61N5/10—X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy
- A61N5/1048—Monitoring, verifying, controlling systems and methods
- A61N5/1049—Monitoring, verifying, controlling systems and methods for verifying the position of the patient with respect to the radiation beam
- A61N2005/1058—Monitoring, verifying, controlling systems and methods for verifying the position of the patient with respect to the radiation beam using ultrasound imaging
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
- A61N5/00—Radiation therapy
- A61N5/10—X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy
- A61N5/1048—Monitoring, verifying, controlling systems and methods
- A61N5/1049—Monitoring, verifying, controlling systems and methods for verifying the position of the patient with respect to the radiation beam
- A61N2005/1061—Monitoring, verifying, controlling systems and methods for verifying the position of the patient with respect to the radiation beam using an x-ray imaging system having a separate imaging source
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30008—Bone
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Public Health (AREA)
- Physics & Mathematics (AREA)
- Pathology (AREA)
- Radiology & Medical Imaging (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Surgery (AREA)
- High Energy & Nuclear Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Optics & Photonics (AREA)
- Theoretical Computer Science (AREA)
- Orthopedic Medicine & Surgery (AREA)
- Physiology (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Physics & Mathematics (AREA)
- Dentistry (AREA)
- Rheumatology (AREA)
- Pulmonology (AREA)
- Quality & Reliability (AREA)
- Databases & Information Systems (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Data Mining & Analysis (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
本发明涉及一种用于确定检查对象的令人感兴趣的身体区域中的组织的局部的组织功能的方法。所述方法包括下述步骤:根据示出检查对象的包括组织的令人感兴趣的身体区域的至少一个医学影像记录,将组织的外轮廓分区段;‑将分区段的组织划分为至少两个组织区域;并且‑为至少两个组织区域中的每个组织区域求出涉及组织功能的功能参数。本发明还涉及一种相应的用于确定组织的组织功能的计算单元、一种相应的医学成像设备、一种计算机程序以及一种计算机可读的数据载体。
Description
技术领域
本发明涉及一种确定检查对象的令人感兴趣的身体区域中的组织的局部的组织功能的方法,一种计算单元,一种医学成像设备和一种计算机可读的数据载体。
背景技术
经典的肿瘤治疗除了手术摘除肿瘤之外还包括化疗,其中给患者施用细胞毒素或者细胞抑制剂,所述细胞毒素或者细胞抑制剂引起肿瘤细胞的有针对性的死亡或者应当防止肿瘤生长。所述肿瘤治疗也包括放疗,其中借助电离辐射或者粒子辐射来治疗肿瘤,这同样应当引起肿瘤细胞死亡。为了确定肿瘤反应,通常采用RECIST标准。常见的RECIST标准例如是肿瘤的最大直径(LAD)或者其短轴直径(SAD),即主要关于肿瘤的在特定的观察时间点所测量的大小的说明。如果根据RECIST标准在治疗时间段期间确定肿瘤消失或者缩小,尤其没有出现新的病变,那么这是完整的肿瘤反应(CR-complete Response)或者部分的肿瘤反应(PR-partial Response)的迹象。换言之,肿瘤对所使用的治疗作出响应。所述治疗已经成功。如果在治疗时间段期间确定肿瘤大小保持相同,那么这是病情稳定(SD-stableDisease)的迹象,这同样能够对应于治疗成功。如果肿瘤在治疗期间增大或者引起新的病变,那么这是病情发展(PD-progressive Disease)的迹象并且最终是所选择的治疗方法失败的迹象。
此外,存在现代的肿瘤治疗方法,例如抗血管生成或者免疫疗法。抗血管生成旨在:使用药物通过如下方式来阻挡肿瘤组织的血液供应:抑制肿瘤内部的血管形成。在免疫疗法中,辅助身体自身的免疫系统,以破坏肿瘤细胞,否则在其它情况下所述肿瘤细胞破坏身体自身的免疫反应。
经典的治疗方法引起肿瘤大小保持不变或者减小。然而,新型的治疗方法通常至少在过渡期不对肿瘤大小产生作用或者甚至会引起肿瘤的生长。只有在持续较长的治疗持续期中才表现出所力求实现的缩小。此外,新型的治疗方式能够引起肿瘤组织的结构上的改变,例如在肿瘤的内部中坏死。
尤其出于经济观点,时间在癌症治疗中是关键因素,使得应当尽可能最快地确定对所选择的治疗形式的响应在新型的治疗中,由于其变化的作用方式,常用的标准、如RECIST证实是不精确或者甚至是错误的,使得这些常用的标准不能够用于预设的时间段或者仅受限制地使用。对于新型的治疗方法而言,因此需要如下标准,所述标准允许得出肿瘤细胞对治疗所作出的响应,例如其局部的血液供应的结论。
已知的是,在造影剂施用的情况下借助于定量的医学成像法,例如具有两个不同的能量谱(双能量)的计算机断层扫描(CT)或者动态的灌注CT,通过例如求出积累在肿瘤组织中的造影剂量的方式,来描述肿瘤组织中的血流灌注或血液体积。迄今为止,血液体积针对整个病变来评估,使得不考虑血液供应的局部区别或者血管结构的局部改变。换言之,如此求出的血液体积对应于在整个病变期间的平均的血液体积。
虽然手动地限定或选择令人感兴趣的区域(ROIs)以分析局部的血液体积能够表明局部的区别,然而是极其与用户相关的,从而可再现性差并且基本上是容易出错的。
替选的分析方法,例如已知的纹理分析法,在评估所描绘的肿瘤组织的结构特性的情况下基本上能够:产生所谓的“灌注参数图(perfusion Maps)”,即针对肿瘤的多维的血流灌注(Druchblutung)图,然而对于影像处理链(重建核心、切片密度、噪音滤波器等)中的最小的变化非常敏感地作出反应。在此,也不存在初始测量和对照测量的可对比性。
发明内容
与此相对,本发明的目的是,提供一种替选的手段,所述手段允许:可靠且可再现地推断出局部的组织功能。特别地,本发明的目的是,在治疗开始后及早推导关于肿瘤组织的局部的血流灌注的信息。
该目的通过一种用于确定组织的组织功能的方法来实现,所述方法用于确定检查对象的令人感兴趣的身体区域中的组织的局部的组织功能,所述方法包括下述步骤:根据示出所述检查对象的包括所述组织的所述令人感兴趣的身体区域的至少一个医学影像记录,将所述组织的外轮廓分区段;将分区段的所述组织划分为至少两个组织区域;并且为至少两个所述组织区域中的每个组织区域求出涉及所述组织功能的功能参数、该目的通过相应的计算单元和医学成像设备、相应的计算机程序和相应的计算机可读的数据载体来实现。优选的和/或替选的、有利的设计方案是本文的主题。
接下来,描述所述目的的关于所要求保护的方法和关于所要求保护的设备的根据本发明的解决方案。在此所提及的特征、优点或者替选的实施方式同样也可转用于其它要求保护的主题并且反之亦然。换言之,具体的实施例(例如针对方法的实施例)也能够借助如下特征来改进,所述特征结合所述设备来描述或者要求保护。所述方法的相应的功能性特征在此通过相应的具体的模块或者单元构成。
本发明在第一方面中涉及一种用于确定检查对象的令人感兴趣的身体区域中的组织的局部的组织功能的方法。所述方法包括多个步骤。
根据本发明的方法的目的在于,求出检查对象的令人感兴趣的身体区域中的组织的组织功能。在此,所述方法尤其专注于个体地求出组织的局部区域的该组织功能。换言之,所述方法允许描述组织功能中的局部的区别。
就本发明而言的组织功能表示组织的物理的、化学的、功能上的和/ 或结构上的特性,例如材料密度、材料或物质含量或份额、物质积累速率 (在动态的测量中)等。
就本发明而言,将组织理解为多个以相同的类型构成的、通常相关联的身体细胞,所述身体细胞施加相同的或者类似的功能。换言之,一个组织对应于一种组织类型或者一种组织分类。组织例如能够是器官、子器官或者器官的子区域,如肺组织、上皮组织或者肾组织。就本发明而言的组织也能够包括或者形成病变,即异常的变化。就本发明而言的组织能够包括仅一种或多种组织类型。
组织位于令人感兴趣的身体区域中。该身体区域就本发明而言对应于要检查的身体部分或者要检查的身体区域,例如腹部或头骨。就该意义而言,要检查的身体区域对应于检查对象的如下部分,所述部分应当借助于医学成像设备,例如计算机断层扫描来检查或描绘。
就此而言,在下文中,在不限制一般性的情况下,以作为检查对象的患者为基础,其中所述患者通常是人。原则上,患者也能够是动物。因此,在下文中,这两个术语“检查对象”和“患者”同义地使用。替选地,检查对象能够是植物或者非生命体,例如历史文物等。
根据至少一个医学影像记录将组织的外轮廓分区段对应于第一方法步骤,所述医学影像照明示出检查对象的包括所述组织的令人感兴趣的身体区域。
医学影像记录是对属于令人感兴趣的身体区域的传感器数据的多维的,尤其二维的或者三维的描绘,所述传感器数据已经借助于医学成像设备产生。医学影像记录能够是计算机断层扫描记录、MRT记录、X射线记录、正电子发射断层扫描(PET)记录、X射线C型臂记录、超声记录、单电子发射断层扫描(SPECT)记录等。医学影像记录能够是单一记录,但是也能够是多切片的记录序列的部分对象。
影像记录的维度说明:是否描述具有令人感兴趣的区域的限定切片厚度(2D)的所选择的切片或所选择的体积(3D)。在多个医学影像记录的情况下,对组织的描绘是三维的或者四维的,于是分别具有或不具有时间进程(3D或者4D)。具有时间进程的医学影像记录通常是功能上的或者动态的影像记录,例如是灌注测量。在多个医学影像记录的情况下,也能够包括不同的能量谱的单一记录。医学影像记录也能够是构造影像或者合成影像,所述构造影像或合成影像由多个单一记录,尤其由不同的记录技术合成,或者所述构造影像或合成影像包括多个单一记录中的影像信息。换言之,医学影像记录能够构成为出自如下记录组的至少一个记录:二维的断层影像,三维影像,四维影像或者多谱影像。
影像检测能够在时间上与根据本发明的方法的执行相关联。替选地,医学影像记录在任意的时间点已经在实施所述方法之前检测。
根据该第一步骤,对医学影像记录中所观察的组织的外轮廓分区段。换言之,要检查的组织向外限界并且限定其外轮廓。外轮廓能够是根据在影像检测中所选择的视域(FoV)的大小打开或者闭合的线(2D)或者面 (3D)。所述线或面将组织与周围结构分开。分区段能够自动地、半自动地根据在专业领域中已知的分区段算法执行或者手动地在影像记录中通过用户来执行。
根据本发明的方法的第二步骤是:将分区段的组织划分为至少两个组织区域。换言之,对于所述组织形成至少两个子区域,并且设置在组织的分区段的外轮廓内部,所述子区域如此是组织的子结构。组织区域的数量以及彼此间的设置是可变的并且尤其能够与所检查的组织的大小和类型相关。替选地或者附加地,组织区域的数量和位置能够根据对随后要求出的功能参数的选择来确定。所述划分优选自动地进行,但是也能够半自动地进行,例如通过如下方式进行:首先向用户显示建议或者对建议的选择,该用户能够确认或者选取所述建议或者所述选择。所述划分更优选基于经验值或参考值来进行。换言之,例如在数据库中能够针对特定的组织类型、组织大小、所观察的功能参数和/或其它等存储分区段的组织的标准划分,所述标准划分作为参考或者参考值并入划分中或者在此被考虑。优选地,只要是已知的,那么将关于随后要求出的功能参数的空间划分的信息、经验值或假设一起并入对组织区域的位置和/或大小的限定中。如此,根据本发明的方法有利地保证:描述组织功能的局部波动。
在第三步骤中,如在上文中已经说明的那样,为至少两个组织区域中的每一个组织区域求出涉及组织功能的功能参数。功能参数是组织功能的量度、代表或特征变量。换言之,功能参数表征特定的组织功能或者允许推断出该组织功能的结论。该求出根据本发明包括定量和/或定性地评估包含在医学影像记录中、分别关于各个组织区域的影像信息。在CT影像记录中,在施用造影剂的情况下,能够针对每个组织区域进行影像元素的亮度值(HU值)的评估,使得能够推断出组织在每个组织区域中的组织的(平均的)血流灌注。
替选地,也能够求出多于每个组织区域仅一个的功能参数。就此而言,借助于根据本发明的方法能够并行地检查多个组织功能。
综上所述,发明人因此已经认识到,根据本发明的方法实现:通过个体地针对不同的,即至少两个组织区域来确定表征组织功能的功能参数的方式,描述组织功能的空间上的波动或区别。因此,功能参数的如此针对不同的组织区域所求出的局部值用作为在所检查的组织上的组织功能的均匀性或不均匀性的量度。根据本发明的方法由此适合于医学中的大量不同应用。
根据本发明的方法尤其适合于在检查肿瘤疾病的响应特性(Anspruchverhalten)时的应用,适合于监控任意的其它疾病进展,例如骨质疏松,或者一般也适合于在之后的时间点执行对照检查,因为对分区段的组织的划分以及根据本发明求出功能参数,如其在初始的首次检查中已经进行的那样,能够被鲁棒且可再现地传输到之后的对照测量的影像记录上,从而提供相与首次检查类似的数据。
最后应再次提及的是,所描述的方法步骤,即在医学影像记录中的分区段、划分以及求出能够基于像素和/或基于体素来进行。
根据本发明的一个方面,至少两个组织区域切片状地设置,使得第一组织区域完全地包围第二组织区域。换言之,组织区域环形地或者交错地设置,使得仅靠外的组织区域在外部贴靠在组织的分区段的外轮廓上或者包围该外轮廓,并且在内部围绕其余的组织区域。这种设置对应于洋葱层状的构造。其尤其适合于检查肿瘤组织的或怀疑是肿瘤组织的未知性质的病变的组织功能,因为它们通常在核心区域和边缘区域之间具有不仅在结构上而且在功能上的区别。这些区别能够借助于所提出的组织区域的设置尤其有利地考虑或分辨。
替选的设置,即例如组织区域的相限状的或者层状的划分,同样是可以考虑的,并且就本发明而言,只要其证实适合于具体的应用情况即可。
根据本发明的另一方面,至少两个组织区域的外轮廓分别具有与分区段的组织的外轮廓相同的形状。这意味着,每个组织区域的外轮廓的走向在形态上与分区段的组织的外轮廓的走向相同。所述外轮廓仅大小是不同的。这对应于本发明的一个尤其优选的变型形式,因为这样,划分为组织区域是尤其简单的,因为外轮廓的形状或走向已经借助于将组织分区段来确定。如果医学影像记录中的外轮廓能够借助于分区段明确地限定,那么尤其应用这种方法途径。
就此而言,其对应于本发明的另一尤其优选的方面:利用形态学运算来对分区段的组织进行划分。形态学运算在专业领域中已知为影像处理机制。在此是如下运算,所述运算通常以如下目的应用于对象的外形,所述目的是引起所述外形的改变、消除例如在分区段之后出现的干扰、计算特定的形状特征或者检测影像中的特定的形状。所述对象当前对应于所检查的组织,其外轮廓已经被分区段。分区段的外轮廓在此对应于对象的外形。对象对于借助于形态学运算进行处理而言应当有利地作为二值影像存在。为了确定大量组织区域的外轮廓的走向,当前例如能够应用侵蚀算子,以便实现分区段的外轮廓的期望的缩小。各个组织区域的如此产生的轮廓走向随后例如能够借助于影像相加或者叠加来传输到医学影像记录中或整合到其中。
组织区域的对应于组织的分区段的外轮廓的形状或走向的形态或划分和设置代表对组织的几何形状的最佳考虑。
根据另一优选的方面,至少两个组织区域的外轮廓彼此具有如下间距,所述间距在0.2mm至2.0mm的范围中。换言之,两个相邻地设置的组织区域的外轮廓分别如在上文中所说明的那样间隔开。如开始已经提及的那样,组织区域的具体的位置和大小与各个检查对象的不同的因素相关,即例如组织的大小、组织的结构、检查的问题、要评估的功能参数等。然而,在实践中已指出,具有在0.2mm和2.0mm之间的范围中的径向扩展的组织区域在组织功能的空间不均匀性方面提供尤其好的结果。
根据本发明的另一优选的方面,分区段的组织包括医学病变。换言之,分区段的组织能够包括健康组织和病变组织。替选地并且对应于本发明的主应用情况,仅病变形成分区段的组织。在本发明的另一实例中,分区段的组织不包括病变。就本发明而言,能够将病变理解为在空间上扩展的结构,所述结构就医学意义而言是引人注意的,即例如在医学成像中的非典型的或者非期望的影像特性和/或非典型的功能,例如改变的代谢活动。病变尤其能够是肿瘤,然而也同样包括其它的并且尤其病态的病变。
根据本发明的另一方面,功能参数是出自如下参数组的至少一个参数:血流量、碘积累、铁积累、钙密度、脂肪含量。
尤其当使用CT灌注记录作为医学影像记录时,可尤其好地求出三个首先提到的功能参数。在CT灌注时,借助于造影剂,尤其含碘或铁的造影剂,并且借助于专用的后处理软件,测量组织的,例如大脑的、肝脏的或者心脏的血液灌注。在CT灌注中在静脉的造影剂注射之后重复地在特定的时间段,例如40s期间扫描令人感兴趣的身体区域,由此产生四维的影像数据组,所述影像数据组提供关于造影剂的流入和流出的说明。
除了说明每单位时间(min)每单位质量组织(g)流过多少体积的血液(ml)的血流量之外,也能够评估其它参数,例如血液体积,即每单位质量组织(g)会存在多少体积的血液(ml),或者组织渗透性,即每单位时间(min)每单位质量组织(g)多少体积的血液(ml)进入到令人感兴趣的组织中,并且例如将其彩色地在彩色图中示出。
功能参数如钙密度或者脂肪含量可优选基于频谱分辨的医学影像记录借助于在专业领域中已知的材料分解方法法来导出。频谱分辨的影像记录在此尤其能够借助于多光谱计算机断层扫描,例如借助于双源断层扫描来产生。
根据本发明的方法经由对所提到的功能参数进行评估尤其提供关于所检查的组织的血液供应的空间分布和不均匀性的说明,这尤其允许推断出组织对所执行的治疗措施的响应或反应。
根据本发明的另一方面,功能参数是出自如下参数组的至少一个对于纹理分析而言典型的参数:平均密度、矩(Moment)、异质性、熵、分形维数。
就本发明而言的纹理分析一般包括根据医学影像记录的纹理内容表征所述医学影像记录的特定的区或区域,换言之,纹理分析评估像素或体素强度值的空间分布或变化的函数。纹理分析例如对应于对变量,如熵、曲率或者斜度的定量测量,所述变量关于在影像记录中所示出的表面从所提到的强度值中导出。医学影像记录中的纹理能够如在上文中已经部分地提及的那样,例如是不同的(平均)组织密度、不同的组织或组织类型、不同的表面特性等。纹理分析典型地在至少一个颜色通道,例如灰度图的至少一个颜色通道中或者在医学影像记录的红色的、绿色的和/或蓝色的颜色通道中执行。颜色通道在此尤其能够表征具体的记录技术,例如所检测的辐射的不同的光谱。
就此而言,根据该方面所求出的功能参数能够是就像素强度度量而言的纹理度量、像素方差度量、像素相关度量、关于空间变化的度量和/或关于频率变化的度量。
根据本发明的一个尤其优选的方面,求出功能参数包括纹理分析,所述纹理分析又包括:基于医学影像记录的影像元素的强度值确定特征向量;将机器学习法应用于特征向量,并且产生功能参数作为机器学习法的结果。
换言之,根据本发明的方法提出,将机器学习的算法应用于影像元素,即医学影像记录的像素或体素,以便确定功能参数。算法例如能够在应用之前根据训练影像在有用户辅助或者没有用户辅助的情况下进行训练,以便识别专有特征并且导出功能参数。机器学习法例如能够是在专业领域中已知的人工神经网络、深度信念方法等。
根据本发明的另一方面,医学影像记录是出自如下影像记录组的影像记录:单能记录、多光谱计算机断层扫描记录、灌注计算机断层扫描记录、超声记录、磁共振记录和灌注磁共振记录等。根据影像记录的类型,如开始已经提及的那样,造影剂施用能够包含到数据采集中。
本发明此外涉及一种计算单元,所述计算单元用于确定在检查对象的令人感兴趣的区域中的组织的组织功能,所述计算单元具有用于执行根据本发明的方法的机构。
本发明也涉及一种医学成像设备,所述医学成像设备具有根据本发明的计算单元。有利的是,将计算单元集成到医学成像设备中。替选地,计算单元也能够远程地或者间隔一定距离地设置。计算单元能够构成为,尤其执行如下步骤:为至少两个组织区域中的每个组织区域求出涉及组织功能的功能参数,但是对于一个医学成像设备或者多个设备而言也能够执行整个根据本发明的方法,例如在包括多个磁共振设备的放射中心或者医院中。
本发明还涉及一种具有程序代码的计算机程序,以便当程序代码在计算机上执行时,执行根据本发明的、用于确定在检查对象的令人感兴趣的区域中的组织的组织功能的方法。
本发明还涉及一种计算机可读的数据载体,所述数据载体具有计算机程序的程序代码,以便当计算机程序在计算机上执行时,执行根据本发明的用于确定在检查对象的令人感兴趣的区域中的组织的组织功能的方法。有利地,尤其能够在计算机上,例如在医学成像设备的计算单元中,为至少两个组织区域中的每个组织区域求出涉及组织功能的功能参数。
附图说明
本发明的在上文中所描述的特性、特征和优点以及如何实现这些特性、特征和优点的方式和方法结合接下来对实施例的描述变得更清楚和更易于理解,所述实施例结合附图来详细阐述。本发明不因所述描述而受限于这些实施例。在不同的附图中,相同的部件设有相同的附图标记。附图通常不是按比例的。附图示出:
图1示出根据本发明的一个实施方式的呈计算机断层扫描形式的医学成像设备的视图,
图2示出根据现有技术的医学影像记录中的病变,
图3示出根据现有技术的医学影像记录中的另一病变,
图4示出根据本发明的一个实施例的医学影像记录中的病变,
图5示出根据本发明的一个实施例的医学影像记录中的另一病变,
图6示出根据本发明的一个实施例的根据本发明的方法的示意图。
具体实施方式
图1示出呈计算机断层扫描装置形式的医学成像设备。在此示出的计算机断层扫描装置具有记录单元17,所述记录单元包括X射线辐射源8 以及X射线辐射检测器9。记录单元17在记录X射线投影期间围绕系统轴线5旋转,并且X射线源8在记录期间发射X射线2。
患者3在记录X射线投影时躺在患者床6上。患者床6因此与床基座4连接,使得所述床基座承载患者床6与患者3。患者床6设计用于:沿着记录方向将患者3移动穿过记录单元17的开口10。记录方向通常通过系统轴线5给定,记录单元17在记录X射线投影时围绕所述系统轴线旋转。在该实例中,患者3的身体轴线与系统轴线5相同。在螺旋记录时,患者床6连续地移动穿过开口10,而记录单元17围绕患者3旋转并且记录X射线投影。由此,X射线2在患者3的表面上表描述螺旋线。
计算机断层扫描装置具有呈计算机形式的数据处理装置12,所述计算机与显示单元11连接,例如用于以图形的方式显示医学影像记录,其在此是呈计算机断层扫描记录形式的医学影像记录,以及所述计算机与输入单元7连接。显示单元11例如能够是LCD屏、等离子屏或者OLED屏。此外,所述显示单元能够是触敏屏,所述触敏屏也构成为输入单元7。这种触敏屏能够集成到成像设备中或者构成为移动设备的一部分。输入单元 7例如是键盘、鼠标、所谓的“触屏”或者也可以是用于语音输入的麦克风。输入单元7也能够设计用于:识别用户的移动并且转换为相应的指令。借助于输入单元7,用户例如能够确认自动地通过计算机12所执行的、对令人感兴趣的身体区域中的组织的外轮廓分区段。借助于输入单元7,用户也能够确认、调整自动实施地将分区段的组织划分为多个组织区域或者用户能够手动地执行划分成多个组织区域。
计算机12与可转动的记录单元17连接以进行数据交换。经由连接 14,一方面将用于数据采集的控制信号从计算机12传输给记录单元17,另一方面能够将针对患者3所记录的投影数据传输给计算机12以借助于常用的重建方法进行影像重建。连接14以已知的方式有线地或者无线地实现。
根据该实施例的呈计算机形式的数据处理装置12具有本地设置的计算单元16。计算单元16设计为影像处理单元或影像数据处理单元。所述计算单元尤其设计用于:在借助于记录单元17记录的医学影像记录上执行所有与根据本发明相关的方法的计算步骤。然而,医学影像记录也能够由计算单元16的另一医学成像设备提供,并且不必直接时间上在进一步处理影像数据组前就通过计算单元16检测。影像数据组例如能够经由移动的、本身已知的计算机可读的数据载体,经由医院-或者放射信息系统 (HIS或者RIS)或者经由因特网以本身已知的方式输送给计算单元16。
计算单元16为了实施根据本发明的方法包括分区段单元21,所述分区段单元用于将医学影像记录中的要检查的组织的外轮廓分区段。所述分区段自动地或者半自动地进行,但是所述分区段例如也能够根据医学影像记录的质量或者根据要求出的功能参数完全手动地通过用户来实行。除此之外,计算单元16也包括划分单元23,所述划分单元设计用于,将分区段的组织划分为至少两个组织区域。划分单元为了该目的能够与计算机 12数据连接,以便获得关于用于数据采集的测量协议的信息或所基于的医学问题,以便自动确定组织区域的数量、大小和/或位置等。除此之外,计算单元16也包括求出单元22,所述求出单元设计用于,为组织区域中的每个组织区域求出关于局部的组织功能的功能参数。为此,求出单元 22评估在影像元素平面上、即基于像素或体素所包含的影像信息,尤其强度值,并且将组织区域中的每一个组织区域的该影像信息转换为所观察的功能参数的值。根据要求出的功能参数,在存储器中,尤其在数据处理设备12的存储器(未示出)中,能够存储不同的分析准则或者分析函数以进行评估,求出单元22已经访问所述数据处理设备并且选择适合用于影像分析的准则。
计算单元16能够与计算机可读的数据载体13共同作用,尤其以便通过具有程序代码的计算机程序执行根据本发明的方法。此外,计算机程序能够可调用地存储在机器可读的载体上。特别地,所述机器可读的载体能够是CD、DVD、蓝光光盘、记忆棒或者硬盘。计算单元16从而还有其子部件,能够以硬件或软件的形式构成。计算单元16例如构成为所谓的FPGA(英语“Field Programmable Gate Array现场可编程门阵列”的缩写) 或者包括算术逻辑单元。单一的或者所有的子部件能够替选地分散地设置,所述方法的各个计算步骤例如能够在医疗服务机构、例如医院的中央的计算中心中执行或者在云端执行。在此,尤其可考虑在数据交换时保护数据和患者。
在此处所示出的实施方式中,在数据处理设备12的存储器中存储有至少一个计算机程序,当计算机程序在计算机12上执行时,所述计算机程序执行根据本发明的方法的所有方法步骤。用于执行根据本发明的方法的方法步骤的计算机程序包括程序代码。此外,计算机程序能够构成为可执行的文件和/或存储在不同于计算机12的计算系统上。计算机断层扫描装置例如能够设计为,使得计算机12为了执行根据本发明的方法经由内部网或者经由因特网将计算机程序下载到其内部的工作存储器中。
图2示例性地示出在根据现有技术的医学影像记录中的病变L1。病变例如能够是肿瘤状的组织。示出病变L1的医学影像记录对应于计算机断层扫描层记录,所述计算机断层扫描层记录已经在输送含碘的造影剂的情况下获取。图3示例性地示出病变L2,所述病变的形状和大小与病变 L1没有区别,并且为了简单起见并且为了图解说明的目的,所述病变以相同的记录技术和程序来描绘。这两个病变L1和L2已经借助于已知的分区段算法分区段,外轮廓AK1、AK2分别是已知的。周围的组织为了简化未示出。借助于已知的诊断机制能够针对每个病变在考虑所有由外轮廓 AK1、AK2所包括的影像元素值或此处的像素项的情况下求出代表X射线吸收的平均灰度值G1、G2(单位为亨斯菲尔德HU)。这对应于每个病变的平均的碘对比度或者平均的碘含量。可以看到,病变L1在其中央中具有较暗的区域,所述较暗的区域的亮度向外连续增大。这种空间上的灰度分布GV在图2中在病变L1上方设置的图表中示例性地说明。换言之,相对于靠外的边缘区域,在病变L1的内部中,在影像数据测量的时间,仅少量积累造影剂,这表示病变内部的减小的血流灌注。与此相对,病变L2示出基本上均匀的灰度分布,这表明均匀的造影剂分布。所求出的平均灰度分值G1、G2对于这两个病变L1和L2而言能够是相同的或者近似相同的。这两个病变L1和L2的血流灌注状态或造影剂分布的位于深处的分化根据已知的方法途径是不可行的或者仅是定性地可行的。根据所描述的已知的方法途径不可能确凿地决定例如病变L1是否对所选择的治疗形式做出响应,因为病变内部的灰度的局部区别被“平均掉了”。
图4和5示例性地示出病变L3和L4,其各处于根据本发明的实施例的一个医学影像记录中。示出病变L3、L4的医学影像记录同样对应于计算机断层扫描层记录,所述计算机断层扫描层记录已经在输送含碘的造影剂的情况下获得。病变L4的形状和大小同样与病变L3相同。对应于病变 L1,病变L3在其中央中具有较暗的区域,所述较暗的区域类似于在病变L1中的状况是造影剂吸收减少的指示。该灰度分布GV示例性地在图3中的病变L3上方的图标中示出。病变L4如病变L2那样示出均匀的灰度分布。外轮廓AK3、AK4借助于分区段同样是已知的。周围组织为了简单起见未示出。根据本发明,病变L3、L4被划分为五个组织区域GB31、 GB32、GB33、GB34、GB35和GB41、GB42、GB43、GB44、GB45。组织区域的划分,即对组织区域的大小、位置、设置和/或数量的限定,优选自动地进行和/或在考虑病变的大小、位置或者只要已知的话在考虑病变的类型或猜测类型的情况下进行。此外,基于医学问题,随后要确定的功能参数FP或者所使用的影像记录技术也能够影响所述划分。当前,进行洋葱层状的划分,其中相应更靠外的组织区域,例如GB31,完全地包围位于内置的组织区域,例如GB32。各个组织区域的外轮廓在此在形态学上与病变L3、L4的外轮廓AK3、AK4相同地选择。在下文中,各个组织区域GB31、GB32、GB33、GB34、GB35和GB41、GB42、GB43、GB44、 GB45中的每个组织区域的功能参数FP从医学影像记录中推导出。在该实例中,对于每个病变L3、L4而言对于其组织区域GB31、GB32、GB33、 GB34、GB35和GB41、GB42、GB43、GB44、GB45中的每个组织区域,从分别所包括的像素项中求出平均灰度值或确定碘对比度G31、G32、 G33、G34、G35或G41、G42、G43、G44、G55。平均的碘对比度值指明关于局部的组织功能GF的说明或者指明组织功能GF的量度,在这种情况下,即组织血流灌注,其通过灰度分布GF来说明。换言之,根据本发明实现提高组织功能GF的空间分辨率。关于病变L4对其所有五个组织区域GB41、GB42、GB43、GB44、GB45已经求出基本上恒定的灰度值G41=G42=G43=G44=G45=50HU,而根据本发明的方法途径对于病变 L3而言示出各个组织区域之间的灰度值的明显区别:G31=90HU、 G32=70HU、G33=50HU、G34=30HU、G35=10HU。借助于这种空间分辨率并且在包含根据本发明所评估的较早的医学影像记录的情况下,此时例如能够求出对治疗的响应特性。
根据本发明的评估所基于的影像记录能够对应于借助于任意的记录技术所获得的令人感兴趣的区域的视图,或者所述影像记录能够由多个单一记录组成。根据本发明,尤其当在影像记录中存在功能信息时,也能够评估多个影像记录。
最后应再次指出的是,病变和组织区域的形状和大小为了说明仅示例性地并且尤其不按比例地选择。所检查的组织的任意其它形状是可行的。
图6示出根据本发明的一个实施例的根据本发明的方法的示意图。步骤S1包括:在计算单元16中接收检查对象3的令人感兴趣的区域的至少一个医学影像记录B,例如计算机断层扫描记录或者MRT记录。医学影像记录B能够由记录单元17在时间上与根据本发明的影像评估关联地检测,或者如果所述医学影像记录已经事先检测,那么从本地的或者远程的存储器中,例如医院的PACS系统中下载到计算单元16中。替选地,医学影像记录B能够通过如下方式产生:将令人感兴趣的区域的至少两个不同的记录的影像信息组合。在此,使用常用的影像处理方法,即例如材料分解,影像校正方法,即例如噪音抑制、登记方法等,只要其是需要的。在步骤S3中,在计算单元16中,尤其在分区段单元21中,将包含在医学影像记录中的要检查的组织的,优选病变的外轮廓分区段。换言之,进将各个影像元素划分成要检查的组织或周围组织。优选地,在此使用基于影像元素或基于棱边的分区段方法,所述分区段方法本身是已知的。在可选的步骤S2中,为了进行分区段或者在分区段之前,能够通过计算单元 16检测如下附加信息ZI,以便决定:描绘哪个令人感兴趣的身体区域从而描绘哪个组织类型,和/或应当将哪个在医学影像记录中所描绘的结构分区段,或应当将哪个组织分区段和/或以何种质量分区段,其中所述附加信息关于所述检查所基于的问题或初步怀疑或者关于用于影像数据采集的测量协议。由此,例如能够选择所使用的分区段算法。替选地,关于附加信息ZI的相应的输入能够由用户按要求或者主动地通过计算单元16 的用户界面7、11提供。在分区段之后,已知要检查的组织的外轮廓AK 等的大小,即沿着不同的空间方向的长度扩展,体积,形状。该大小信息 GI也能够在后续步骤中使用。在另一步骤S4中,将分区段的组织划分为多个组织区域GB。优选地,限定多于两个的,尤其四至五个组织区域GB。组织区域GB的数量越大,接下来所求出的关于分区段的组织内部的局部的组织功能GF的功能参数FP的说服力就越大。为了在组织功能GF的对于医学问题而言必要的空间分辨率和所需要的系统资源、如计算能力或处理时间之间找到最佳的折衷,对于步骤S4而言,除了关于医学问题或者测量协议的附加信息ZI(出自步骤S2)外,也能够将关于要检查的组织的大小、体积和/或形状和/或其它等的大小信息GI包括到各个组织区域 GB的限定中。为此,由计算单元16所包括的划分单元32能够与分区段单元21和/或数据处理装置12进行数据交换,所述数据处理装置也执行对医学成像设备的控制。各个组织区域GB优选彼此交错,或换言之,切片状地构成,和/或分别在形态上具有与分区段的组织相同的外轮廓。在这种情况下,划分单元23能够借助于形态学运算、即例如侵蚀算子和/或膨胀算子限定各个组织区域。在这种情况下,组织区域具有外轮廓至外轮廓的间距或者5mm的径向扩展。
在另一步骤S5中,求出涉及各个组织区域GB中的每个组织区域的组织功能GF的功能参数FP。换言之,个体地,也就是说,局部地针对每个组织区域GB推导功能参数FP的值。从所述评估中,能够得到各个组织区域的不同的功能参数值,所述功能参数值综合考虑描述组织功能的空间分布,其中能够分辨组织功能的局部区别。求出功能参数根据本发明由求出单元22承担。该求出单元设计用于,个体地选取和分析各个组织区域中的每个组织区域的包含在医学影像记录中的影像信息。功能参数能够是:血流量、碘积累、铁积累、钙密度、脂肪含量。但是,功能参数也能够是对于纹理分析而言典型的参数,如平均密度、矩、异质性、熵、分形维数。相应地,求出步骤能够包括纹理分析。为此,求出单元22优选能够基于每个单一的组织区域中的影像元素的强度值确定特征向量。求出单元22此外优选能够使用机器学习方法,以便基于影像元素项和/或特征向量产生至少一个功能参数。
为此,在存储器中本地地或者中央地存储有计算模型,所述计算模型在实施根据本发明的方法之前能够通过使用机器学习算法来训练。训练例如借助于样品影像和/或用户输入来进行,使得随后所述算法能够独立地检测影像记录中的特征或者推导出功能参数。
步骤S6因此能够包括:对于每个组织区域GB创建纹理度量。纹理分析在此包括:针对所观察的组织区域分析影像元素强度值并且推导出其空间分布。纹理度量代表这种空间分布的量度,例如,纹理度量是这些影像元素强度的不同的矩。
如一开始所提到的那样,多个影像记录能够组成为结构化的医学影像记录,以便实现所期望的影像内容,但或者存在多个医学影像记录。在一些情况中,步骤S5能够包括:基于多个记录或者多个影像记录执行纹理分析,尤其在如下情况中,其中在不同的医学影像记录对应于不同的记录角度,例如时间阶段,即影像记录的不同的时段,但是或者对应于不同的所检测的能量带。不同的影像记录能够在施用造影剂的情况下获得或者无法在提供造影剂的情况下获得。特征向量能够包括要检查的组织的多个不同的部分或区域的多个纹理度量,尤其多个组织区域的多个纹理度量。
就本发明而言的纹理度量能够包括:平均的、最大的、最小的影像元素强度;一致性量度;就关于灰度直方图的不规则性的熵;灰度直方图的标准偏差;就灰度直方图的不对称性而言的斜度;灰度直方图的曲率或平坦性;能量量度或者面惯性矩(例如像素更新速率和/或次序量度);相关性(例如灰度值的线性相关性的量度);游程矩阵(例如沿着特定的空间方向的像素纹理);对比度、粗糙度(例如作为棱边密度的量度)、异质性 (例如,作为边缘存在的度量)等。纹理度量优选针对医学影像记录中的组织区域GB中的每个组织区域确定。
就本发明而言的影像元素应当包括像素和体素。
如果存在多个医学影像记录,那么根据本发明,所描述的方法能够可选地分支为重复循环R,其中所述方法以步骤S1至S5频繁地运行,直至所有如下医学影像记录被评估,所述医学影像记录提供用于导出要检查的组织的局部的组织功能。在另一可选的步骤S6中,能够进行与根据本发明所求出的功能参数的比较,其中针对如下医学影像记录的功能参数求出值,所述医学影像记录已经时间上错开地检测。例如能够进行首次检查的医学影像记录与在之后的时间点的后续检查的医学影像记录的相同功能参数的比较。所述比较实现:识别所检查的组织在观察时间期间的局部的,即最小的变化。所述比较优选能够利用机器学习方法进行。
通过将关于要检查的组织的包含在医学影像数据中的状态信息以及能够实现的、可任意设定的空间分辨率具体化,所描述的方法尤其适合于组织状态的进展观察,所述组织状态例如是脂肪含量或者骨密度,并且所描述的方法尤其适合于在弃用迄今为止的评估标准如RECIST的情况下进行新型的肿瘤治疗的进程检查。
尽管没有详细陈述,但是只要是有意义的并且就本发明而言,能够将各个实施例、其各个子方面或者特征彼此组合或者交换,而不脱离本发明的保护范围。在可转移的情况下,本发明的关于一个实施例所描述的优点在没有明确提及的情况下也可用于其它实施例。此外,不定冠词“一”或“一个”的使用不排除相关的特征也能够多重地存在。同样不排除,本发明的作为各个单元所描述的元件由多个共同作用的子部件构成,所述子部件可能也能够是在空间上分布的。
Claims (12)
1.一种用于确定检查对象(3)的令人感兴趣的身体区域中的组织的局部的组织功能(GF)的方法,所述方法包括下述步骤:
-根据示出所述检查对象的包括所述组织的所述令人感兴趣的身体区域的至少一个医学影像记录,将所述组织的外轮廓(AK3,AK4)分区段(S3);
-将分区段的所述组织划分(S4)为至少两个组织区域(GB;GB31-GB35,GB41-GB45);并且
-为至少两个所述组织区域中的每个组织区域求出(S5)涉及所述组织功能的功能参数(FP;G31-G35,G41-G45),其中至少两个所述组织区域切片状地设置,使得第一组织区域(GB31,GB32)完全地包围第二组织区域(GB32,GB42)。
2.根据权利要求1所述的方法,其中至少两个所述组织区域的外轮廓分别具有与分区段的所述组织的外轮廓(AK3,AK4)相同的形状。
3.根据权利要求1或2所述的方法,其中至少两个所述组织区域的外轮廓彼此间具有如下间距,所述间距位于0.2mm至2.0mm的范围中。
4.根据权利要求1或2所述的方法,其中利用形态学运算进行分区段的所述组织的划分。
5.根据权利要求1或2所述的方法,其中分区段的所述组织包括医学病变(L3,L4)。
6.根据权利要求1或2所述的方法,其中所述功能参数包括如下参数组中的至少一个参数:血流量、碘积累、铁积累、钙密度、脂肪含量。
7.根据权利要求1或2所述的方法,其中所述功能参数是出自如下组参数中的至少一个对于纹理分析典型的参数:平均密度、矩、异质性、熵、分形维数。
8.根据权利要求7所述的方法,其中求出功能参数包括纹理分析,其中所述纹理分析包括下述步骤:
-基于所述医学影像记录的影像元素的强度值确定特征向量,
-将机器学习方法应用于所述特征向量,以及
-产生所述功能参数作为所述机器学习方法的结果。
9.根据权利要求1或2所述的方法,其中所述医学影像记录是出自如下影像记录组的影像记录:单能记录、多光谱计算机断层扫描记录、灌注计算机断层扫描记录、超声记录、磁共振记录和灌注磁共振记录。
10.一种计算单元(12),所述计算单元用于确定检查对象(3)的令人感兴趣的区域中的组织的组织功能(GF),所述计算单元具有用于执行根据权利要求1至9中任一项所述的方法的机构(21,22,23)。
11.一种医学成像设备,其具有根据权利要求10所述的计算单元(12)。
12.一种计算机可读的数据载体(13),所述数据载体具有计算机程序的程序代码,所述数据载体用于:当所述计算机程序在计算机上执行时,执行根据权利要求1至9中任一项所述的方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP17184699.1 | 2017-08-03 | ||
EP17184699.1A EP3437559B1 (de) | 2017-08-03 | 2017-08-03 | Ermitteln eines funktionsparameters betreffend eine lokale gewebefunktion für mehrere gewebebereiche |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109381805A CN109381805A (zh) | 2019-02-26 |
CN109381805B true CN109381805B (zh) | 2021-03-12 |
Family
ID=59649478
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810859391.0A Active CN109381805B (zh) | 2017-08-03 | 2018-07-31 | 确定组织的局部的组织功能的方法,计算单元,医学成像设备和计算机可读的数据载体 |
Country Status (3)
Country | Link |
---|---|
US (1) | US10959685B2 (zh) |
EP (1) | EP3437559B1 (zh) |
CN (1) | CN109381805B (zh) |
Families Citing this family (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA3036754A1 (en) | 2016-10-27 | 2018-05-03 | Progenics Pharmaceuticals, Inc. | Network for medical image analysis, decision support system, and related graphical user interface (gui) applications |
US10973486B2 (en) | 2018-01-08 | 2021-04-13 | Progenics Pharmaceuticals, Inc. | Systems and methods for rapid neural network-based image segmentation and radiopharmaceutical uptake determination |
US11227390B2 (en) * | 2018-09-26 | 2022-01-18 | Shanghai United Imaging Intelligence Co., Ltd. | Systems and methods for image processing |
US11426131B2 (en) * | 2018-12-17 | 2022-08-30 | Siemens Medical Solutions Usa, Inc. | Automated motion correction in PET imaging |
JP7568628B2 (ja) | 2019-01-07 | 2024-10-16 | エクシーニ ディアグノスティクス アーべー | プラットホーム非依存の全身画像セグメント化のためのシステムおよび方法 |
AU2020261370A1 (en) | 2019-04-24 | 2021-10-14 | Exini Diagnostics Ab | Systems and methods for automated and interactive analysis of bone scan images for detection of metastases |
DE102019210473A1 (de) * | 2019-07-16 | 2021-01-21 | Siemens Healthcare Gmbh | Verfahren und Vorrichtung zur Bildgebung in der Computertomographie |
US11900597B2 (en) | 2019-09-27 | 2024-02-13 | Progenics Pharmaceuticals, Inc. | Systems and methods for artificial intelligence-based image analysis for cancer assessment |
US11564621B2 (en) | 2019-09-27 | 2023-01-31 | Progenies Pharmacenticals, Inc. | Systems and methods for artificial intelligence-based image analysis for cancer assessment |
US11386988B2 (en) | 2020-04-23 | 2022-07-12 | Exini Diagnostics Ab | Systems and methods for deep-learning-based segmentation of composite images |
US11321844B2 (en) | 2020-04-23 | 2022-05-03 | Exini Diagnostics Ab | Systems and methods for deep-learning-based segmentation of composite images |
US11721428B2 (en) | 2020-07-06 | 2023-08-08 | Exini Diagnostics Ab | Systems and methods for artificial intelligence-based image analysis for detection and characterization of lesions |
JP2022074921A (ja) * | 2020-11-05 | 2022-05-18 | キヤノンメディカルシステムズ株式会社 | 医用画像処理装置及び医用画像処理プログラム |
CN112690813B (zh) * | 2021-01-12 | 2022-09-02 | 范宁 | 基于分形理论的肿瘤异质性分析方法、系统、终端及介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1407283A1 (en) * | 2001-07-13 | 2004-04-14 | Isis Innovation Limited | Dynamic contrast enhanced magnetic resonance imaging |
WO2007090892A1 (en) * | 2006-02-10 | 2007-08-16 | Nordic Bioscience A/S | Breast tissue density measure |
CN101779956A (zh) * | 2010-01-29 | 2010-07-21 | 中国人民解放军国防科学技术大学 | 一种早期肿瘤探测方法 |
CN102458482A (zh) * | 2009-04-30 | 2012-05-16 | 通用电气健康护理有限公司 | 在放射治疗期间用动态ace pet使头颈癌患者的肿瘤灌注、氧化代谢成像 |
CN102656607A (zh) * | 2009-12-16 | 2012-09-05 | 皇家飞利浦电子股份有限公司 | 使用计划收集来发展新的优化的目标 |
CN105848577A (zh) * | 2013-10-01 | 2016-08-10 | 皇家飞利浦有限公司 | 用于心肌灌注病理学表征的系统和方法 |
Family Cites Families (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6424732B1 (en) * | 1998-12-01 | 2002-07-23 | The Board Of Trustees Of The Leland Stanford Junior University | Object segregation in images |
US7209587B1 (en) * | 2000-03-21 | 2007-04-24 | Hsu Shin-Yi | Amorphous region and boundary/chain topology for an object recognition system |
US6785409B1 (en) * | 2000-10-24 | 2004-08-31 | Koninklijke Philips Electronics, N.V. | Segmentation method and apparatus for medical images using diffusion propagation, pixel classification, and mathematical morphology |
US7177453B2 (en) * | 2002-11-26 | 2007-02-13 | General Electric Company | Method and apparatus for partitioning a volume |
US7283652B2 (en) | 2002-11-27 | 2007-10-16 | General Electric Company | Method and system for measuring disease relevant tissue changes |
US7639855B2 (en) * | 2003-04-02 | 2009-12-29 | Ziosoft, Inc. | Medical image processing apparatus, and medical image processing method |
US7657073B2 (en) * | 2004-11-29 | 2010-02-02 | The Board Of Trustees Of The Leland Stanford Junior University | Registration system and method for tracking lung nodules in medical images |
WO2010086771A1 (en) * | 2009-01-29 | 2010-08-05 | Koninklijke Philips Electronics N.V. | Visualizing a time-variant parameter in a biological structure |
US8478029B2 (en) * | 2009-05-26 | 2013-07-02 | Tandent Vision Science, Inc. | Multi-resolution analysis in image segregation |
US9773311B2 (en) * | 2011-06-29 | 2017-09-26 | The Regents Of The University Of Michigan | Tissue phasic classification mapping system and method |
WO2013040086A1 (en) * | 2011-09-13 | 2013-03-21 | Acuitas Medical Limited | Magnetic resonance based method for assessing alzheimer's disease and related pathologies |
JP5797124B2 (ja) * | 2012-01-31 | 2015-10-21 | 富士フイルム株式会社 | 手術支援装置、手術支援方法および手術支援プログラム |
US10433740B2 (en) * | 2012-09-12 | 2019-10-08 | Heartflow, Inc. | Systems and methods for estimating ischemia and blood flow characteristics from vessel geometry and physiology |
CN103720474B (zh) * | 2012-10-12 | 2017-03-01 | 西门子公司 | 计算检查参数 |
KR102042202B1 (ko) * | 2013-02-25 | 2019-11-08 | 삼성전자주식회사 | 의료영상에서 병변을 분할하는 장치 및 방법 |
US8824752B1 (en) * | 2013-03-15 | 2014-09-02 | Heartflow, Inc. | Methods and systems for assessing image quality in modeling of patient anatomic or blood flow characteristics |
US9629615B1 (en) * | 2013-09-06 | 2017-04-25 | University Of Louisville Research Foundation, Inc. | Combined B-mode / tissue doppler approach for improved cardiac motion estimation in echocardiographic images |
DE102013218047B3 (de) * | 2013-09-10 | 2015-01-29 | Siemens Aktiengesellschaft | Verfahren zur automatischen Anzeige und/oder Messung von Knochenveränderungen in medizinischen Bilddaten, sowie medizinisches Bildgebungsgerät und elektronisch lesbarer Datenträger |
WO2016080813A1 (en) * | 2014-11-21 | 2016-05-26 | Samsung Electronics Co., Ltd. | Method and apparatus for processing medical image |
CA2969140A1 (en) * | 2014-12-01 | 2016-06-09 | Quikflo Technologies Inc. | Decision support tool for stroke patients |
DE102015221877A1 (de) * | 2015-11-06 | 2017-05-11 | jung diagnostics GmbH | Bildbasierter Biomarker zur Charakterisierung der Struktur oder Funktion von menschlichemoder tierischem Hirngewebe und zugehörige Verwendungen und Verfahren |
US10350434B2 (en) * | 2015-12-11 | 2019-07-16 | Siemens Healthcare Gmbh | Patient-specific radiation dose assessment in medical therapy |
CN108472002A (zh) * | 2015-12-17 | 2018-08-31 | 皇家飞利浦有限公司 | 用于医学图像分析的方法和设备 |
JP2019521759A (ja) * | 2016-06-17 | 2019-08-08 | チルドレンズ ナショナル メディカル センターChildren’S National Medical Center | 医学的な解剖構造の定量化:コンピュータ支援型診断ツール |
DE102016226230B4 (de) * | 2016-12-27 | 2018-07-12 | Siemens Healthcare Gmbh | Automatisierte Bildprüfung in der Röntgenbildgebung |
JP7159534B2 (ja) * | 2017-01-11 | 2022-10-25 | ユニバーシティー オブ マイアミ | 角膜微小層の三次元厚さマッピングおよび角膜診断のための方法およびシステム |
EP3576598B1 (en) * | 2017-02-01 | 2024-04-24 | Intuitive Surgical Operations, Inc. | System of registration for image-guided procedures |
-
2017
- 2017-08-03 EP EP17184699.1A patent/EP3437559B1/de active Active
-
2018
- 2018-07-31 CN CN201810859391.0A patent/CN109381805B/zh active Active
- 2018-08-01 US US16/051,606 patent/US10959685B2/en active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1407283A1 (en) * | 2001-07-13 | 2004-04-14 | Isis Innovation Limited | Dynamic contrast enhanced magnetic resonance imaging |
WO2007090892A1 (en) * | 2006-02-10 | 2007-08-16 | Nordic Bioscience A/S | Breast tissue density measure |
CN102458482A (zh) * | 2009-04-30 | 2012-05-16 | 通用电气健康护理有限公司 | 在放射治疗期间用动态ace pet使头颈癌患者的肿瘤灌注、氧化代谢成像 |
CN102656607A (zh) * | 2009-12-16 | 2012-09-05 | 皇家飞利浦电子股份有限公司 | 使用计划收集来发展新的优化的目标 |
CN101779956A (zh) * | 2010-01-29 | 2010-07-21 | 中国人民解放军国防科学技术大学 | 一种早期肿瘤探测方法 |
CN105848577A (zh) * | 2013-10-01 | 2016-08-10 | 皇家飞利浦有限公司 | 用于心肌灌注病理学表征的系统和方法 |
Also Published As
Publication number | Publication date |
---|---|
US10959685B2 (en) | 2021-03-30 |
EP3437559B1 (de) | 2020-06-24 |
EP3437559A1 (de) | 2019-02-06 |
US20190038239A1 (en) | 2019-02-07 |
CN109381805A (zh) | 2019-02-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109381805B (zh) | 确定组织的局部的组织功能的方法,计算单元,医学成像设备和计算机可读的数据载体 | |
US10413253B2 (en) | Method and apparatus for processing medical image | |
JP5081390B2 (ja) | 腫瘍量を監視する方法及びシステム | |
US10229517B2 (en) | Method and apparatus for automated determination of contours in iterative reconstruction of image data | |
CN105934199B (zh) | 用于处理体腔的医学图像的设备和方法 | |
EP3264985B1 (en) | Tomography imaging apparatus and method of reconstructing tomography image | |
US9295443B2 (en) | Method and system for reducing localized artifacts in imaging data | |
JP6209520B2 (ja) | 灌流イメージング | |
US11361432B2 (en) | Inflammation estimation from x-ray image data | |
US20110015520A1 (en) | Perfusion imaging | |
EP3220826B1 (en) | Method and apparatus for processing medical image | |
Negi et al. | Hepatic CT perfusion measurements: a feasibility study for radiation dose reduction using new image reconstruction method | |
KR101946576B1 (ko) | 의료 영상 장치 및 의료 영상 처리 방법 | |
CN112237435A (zh) | 用于在计算机断层扫描中成像的方法和装置 | |
Coolens et al. | Automated voxel-based analysis of volumetric dynamic contrast-enhanced CT data improves measurement of serial changes in tumor vascular biomarkers | |
US20140228667A1 (en) | Determining lesions in image data of an examination object | |
US10993688B2 (en) | Method of data processing for computed tomography | |
Riegel et al. | Cine computed tomography without respiratory surrogate in planning stereotactic radiotherapy for non–small-cell lung cancer | |
Strauss et al. | Parametric imaging: a promising approach for the evaluation of dynamic PET-18 F-FDG studies-the DKFZ experience | |
Steinhauer et al. | Radiomics in Breast Cancer: In-Depth Machine Analysis of MR Images of Metastatic Spine Lesion | |
JP7556492B2 (ja) | 3d x線暗視野撮像における不均一性解析 |
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 | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20240902 Address after: German Phu F Haim Patentee after: Siemens Medical AG Country or region after: Germany Address before: Erlangen Patentee before: SIEMENS HEALTHCARE GmbH Country or region before: Germany |