CN109690618A - 谱ct中的骨和硬斑块分割 - Google Patents

谱ct中的骨和硬斑块分割 Download PDF

Info

Publication number
CN109690618A
CN109690618A CN201780055425.4A CN201780055425A CN109690618A CN 109690618 A CN109690618 A CN 109690618A CN 201780055425 A CN201780055425 A CN 201780055425A CN 109690618 A CN109690618 A CN 109690618A
Authority
CN
China
Prior art keywords
probability
voxel
value
calcium
image data
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201780055425.4A
Other languages
English (en)
Other versions
CN109690618B (zh
Inventor
L·戈申
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Koninklijke Philips NV
Original Assignee
Koninklijke Philips Electronics NV
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Koninklijke Philips Electronics NV filed Critical Koninklijke Philips Electronics NV
Publication of CN109690618A publication Critical patent/CN109690618A/zh
Application granted granted Critical
Publication of CN109690618B publication Critical patent/CN109690618B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computed tomography [CT]
    • A61B6/032—Transmission computed tomography [CT]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/48—Diagnostic techniques
    • A61B6/481—Diagnostic techniques involving the use of contrast agents
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/48—Diagnostic techniques
    • A61B6/482—Diagnostic techniques involving multiple energy imaging
    • 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
    • A61B6/504—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 blood vessels, e.g. by angiography
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/143—Segmentation; Edge detection involving probabilistic approaches, e.g. Markov random field [MRF] modelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/155—Segmentation; Edge detection involving morphological operators
    • 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
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
    • 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
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10081—Computed x-ray tomography [CT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30008—Bone
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2211/00—Image generation
    • G06T2211/40—Computed tomography
    • G06T2211/408—Dual energy
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/149—Segmentation; Edge detection involving deformable models, e.g. active contour models

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Pathology (AREA)
  • Optics & Photonics (AREA)
  • Theoretical Computer Science (AREA)
  • Biophysics (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Veterinary Medicine (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Software Systems (AREA)
  • Vascular Medicine (AREA)
  • Primary Health Care (AREA)
  • Probability & Statistics with Applications (AREA)
  • Epidemiology (AREA)
  • Pulmonology (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Orthopedic Medicine & Surgery (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及一种图像处理设备(10)，其包括数据输入部(11)，所述数据输入部用于接收被组织在体素中的谱计算机断层摄影体积图像数据，包括针对每个体素的多谱信息。所述设备还包括钙表面特征分析器(12)，所述钙表面特征分析器用于针对每个体素基于所述多谱信息来估计指示体素周围的局部邻域对应于钙表面结构的最大概率的第一值和指示钙结构表面的取向的第二值。所述设备还包括概率处理器(13)，所述概率处理器用于在至少考虑第一值和第二值和多谱信息的情况下计算概率图，所述概率图指示对于每个体素而言所述体素表示骨或硬斑块结构的概率。所述设备还包括分割单元(14)，所述分割单元用于基于概率图来分割体积图像数据中的骨和/或硬斑块结构。

Description

谱CT中的骨和硬斑块分割
技术领域
本发明涉及数字图像处理的领域。更具体地，其涉及谱计算机断层摄影(CT)图像数据中的骨和/或硬斑块结构的分割。
背景技术
在计算机断层摄影(CT)中，可以借助于穿透电离辐射获得揭示研究中的对象的内部结构的图像。这样的图像，例如三维体积图像数据，可以通过对投影图像应用如本领域已知的重建技术来获得，所述投影图像由探测器获得并且对应于穿透电离辐射的源和探测器相对于对象的不同取向，例如对应于通过对象投影辐射的不同方向。重建图像数据可以被组织在体素中，所述体素表示相对于三维坐标系的对象中的不同位置，并且每个体素可以具有与其相关联的值，例如，灰度值，诸如以亨氏单位表达的值，其指示扫描对象在对应于体素的位置处的衰减特性，例如，指示无线电密度，例如相对无线电密度。
谱CT是扩展常规CT的功能的成像模态。在谱CT中，可以针对穿透电离辐射的至少两个不同质量确定每个体素值。因此，至少两个不同衰减特性，例如灰度值，可以同时分配到每个像素。穿透电离辐射的不同质量可以例如在平均和/或峰值光子能量中充分地不同，使得不同的衰减特性可以经受可辨别不同光电效应和康普顿效应贡献，使得能够良好地区分对象内的不同材料。
谱CT例如用于医学应用中，以用于无创地检查受检者的身体的内部结构。此外，谱CT能够尤其适用于定量成像应用，因为额外的谱信息改进了可以测量的关于被扫描的对象及其材料成分的定量信息。
谱CT的医学应用，例如血管分析或创伤应用，通常能够需要图像数据中骨和/或硬斑块结构的分割。例如，骨和/或硬斑块结构的分割可以使得能够从图像中选择性地移除这样的结构，以使得能够更好地查看或者进一步自动地分析图像数据中记录的其他结构，诸如器官、血管或其他感兴趣软组织。
如本领域已知的，分割方法可以基于耗时且繁琐的半自动方法，其可以依赖于拓扑背景信息，诸如基于图谱的方法。此外，交互式编辑工具可以用于校正和/或调节这样的半自动流程的结果。然而，本领域已知的用于分割骨和/或硬斑块结构的方法能够具有仅提供有限精度水平的缺点。
例如，本领域已知的方法可以主要依赖于简单的密度或梯度算子。这样的方法可以在骨和/或硬斑块分割中提供有限的精度和可靠性，这是由于不同材料具有相似密度范围同时还彼此接近。例如，骨和血管可以位于紧密的空间接近中，并且可以在所采集的CT图像中呈现类似的灰度值，例如，当使用静脉注射的对比剂时。
例如，甚至在使用由谱CT图像提供的谱信息增益时，准确且可靠地分割CT图像数据中的骨结构也能够是尤其具有挑战性的，因为骨结构能够具有复杂的结构和异质的材料成分。例如，一些骨和斑块结构，例如骨小梁能够是复杂的结构，其不仅包括钙，而且在很大程度上包括其他材料，例如软组织和脂肪组织。因此，这样的骨或斑块结构的衰减和谱特性能够非常类似于身体中的其他结构，例如，对比增强的器官。
此外，尽管与常规CT相比允许获得关于被扫描的对象的构成材料的更多信息，并且因此原则上实现材料的良好区分，但是谱CT图像采集能够具有固有的图像质量问题，诸如增强的噪声。因此，主要基于谱信息的骨分割算法能够递送次优结果。
例如，WO 2015/083065公开了一种用于在谱图像数据中分割骨的现有技术方法。谱图像数据至少包括对应于第一能量的第一组图像数据和对应于第二不同能量的第二组图像数据。方法包括获得谱图像数据。方法还包括提取针对谱图像数据中的每个体素的一组特征。方法还包括针对每个体素基于所述一组特征确定每个体素表示骨结构的概率。方法还包括基于概率从谱图像数据中提取骨结构。
发明内容
本发明的实施例的目的是在谱CT图像数据中提供骨和/或硬斑块结构的快速、自动、准确、可靠和/或鲁棒的分割。
以上目的是通过根据本发明的方法和设备实现的。
本发明的实施例的优点在于，甚至对于非典型的骨和/或硬斑块结构(例如异常骨结构)，可以实现鲁棒、可靠和/或准确的分割。另外的优点在于，可以在不需要拓扑先验知识的情况下实现良好的分割，诸如骨结构的参考图谱。
本发明的实施例的优点在于，可以实现谱CT体积图像中的骨和/或硬斑块结构的良好分割和/或移除，以实现放射学中的高效工作流程，例如，在血管评价、创伤评价和/或整形外科应用中。
本发明的实施例的优点在于，骨和/或硬斑块可以被准确地分割，其中，具有相似密度范围并且处于彼此紧密接近中的结构(诸如骨和血管)能够使仅仅基于简单密度和/或梯度算子的常规分割方法复杂。
本发明的实施例的优点在于，骨可以被准确地分割，而不管复杂的骨结构和骨的异质材料成分。
本发明的实施例的优点在于，骨可以被准确地分割，而不管具有与身体中的其他结构(诸如对比增强的器官和/或血管)类似的衰减和谱特性。
本发明的实施例的优点是，谱CT体积图像数据的使用与常规CT相比可以很好地区分被扫描的对象中的构成材料(例如，骨和碘)的良好区分，并且因此还允许良好质量分割。
本发明的实施例的优点在于，可以克服谱CT固有的图像质量问题，诸如增强的噪声，诸如以通过使用指示形态特征、纹理特征和/或与局部结构有关的其他特征的量度确定骨和/或硬斑块存在的概率来提供良好质量分割，例如，与仅仅基于标量灰度值分布和/或双变量谱CT灰度值分布来确定概率的这样的量度相反。
在第一方面中，本发明涉及一种图像处理设备，其包括数据输入部，以用于接收被组织在体素中的谱计算机断层摄影体积图像数据，所述体积图像数据包括针对每个体素的多谱信息。所述设备包括钙表面特征分析器，以用于针对体积图像数据的每个体素并且基于所述多谱信息来估计第一值和第二值，所述第一值指示体素周围的局部邻域对应于钙表面结构(例如，钙结构表面)的最大概率，所述第二值指示对应于该最大值的钙表面结构的取向。所述设备还包括概率处理器，以用于在至少考虑第一值、第二值和多谱信息的情况下计算概率图，所述概率图指示对于体积图像数据的每个体素而言所述体素表示骨或硬斑块结构的概率。所述设备还包括分割单元，以用于基于概率图来分割体积图像数据中的骨和/或硬斑块结构。
在根据本发明的实施例的图像处理设备中，概率处理器和钙表面特征分析器可以适于执行多尺度分析，其中，对于体积图像数据的每个体素而言所述体素表示骨或硬斑块结构的概率是在多个不同尺度处被确定的，并且其中，概率图是通过针对每个体素选择多个不同尺度上的最大概率来确定的。
在根据本发明的实施例的图像处理设备中，钙表面特征分析器可以适于基于针对谱CT体积图像数据中的每个体素(例如，每个像素)的多谱信息来生成钙图，其中，所述钙图包括针对体积图像数据的每个体素的指示对应的体素位置处的钙含量的值。因此，可以基于该钙图估计第一值和第二值。
在根据本发明的实施例的图像处理设备中，钙表面特征分析器可以适于针对每个体素将第一值确定为概率的最大值，其中，概率中的每个表示钙图中的体素周围的局部邻域匹配对应的预定表面模板的概率。
在根据本发明的实施例的图像处理设备中，概率处理器可以适于通过组合指示每个体素周围的谱信息和形态特征的多个概率来确定对于体积图像数据的每个体素而言体素表示骨或硬斑块结构的概率。
在根据本发明的实施例的图像处理设备中，概率处理器可以适于通过乘法来组合多个概率。
在根据本发明的实施例的图像处理设备中，概率处理器可以适于分别组合针对多个尺度中的每个尺度的多个概率。
在根据本发明的实施例的图像处理设备中，概率处理器可以适于计算指示每个体素周围的谱信息和形态特征的多个概率，其中，所述多个概率包括指示体素周围的局部邻域对应于钙表面结构的最大概率的第一值和以下项中的任一项或任何组合(优选全部)：
在考虑第二值的情况下的体素位于钙图中的体积脊处的概率，
体素包括钙而不包括碘的概率，其中，该概率可以基于多谱信息来确定，
体素的邻域具有与碘的谱响应不同的谱响应的概率，其中，该概率可以基于多谱信息，以及
体素的邻域具有骨或硬斑块纹理的概率。
在根据本发明的实施例的图像处理设备中，概率处理器还可以适于基于概率图计算正则化图，其中，计算正则化图包括至少以下项的联合优化：
表示所述正则化图与所述概率图之间的差异的保真度量度，以及
正规化惩罚。
在根据本发明的实施例的图像处理设备中，正则化惩罚可以包括以下项中的任一项或任何组合(优选地全部)：
对正则化图的不均匀空间分布的惩罚，
对正则化图的梯度幅度的不均匀空间分布的惩罚，以及
对沿着由所述第二值定义的局部表面取向的正则化图的局部不均匀性的惩罚。
在根据本发明的实施例的图像处理设备中，概率处理器可以适于使用函数的变分优化来计算正则化图。
在根据本发明的实施例的图像处理设备中，分割单元可以适于将几何主动轮廓方法应用于正则化图。
在第二方面中，本发明的实施例还涉及一种计算机断层摄影工作站，其包括根据本发明第一方面的实施例的图像处理设备。
在另一方面中，本发明的实施例还涉及一种用于处理谱计算机断层摄影体积图像数据的方法，所述方法包括：
获得被组织在体素中的谱计算机断层摄影体积图像数据，所述体积图像数据包括针对每个体素的多谱信息；
针对所述体积图像数据的每个体素并且基于所述多谱信息来估计指示所述体素周围的局部邻域对应于钙表面结构的最大概率的第一值和指示所述钙表面结构的取向对应于所述最大值的第二值；
在至少考虑所述第一值、所述第二值和所述多谱信息的情况下计算概率图，所述概率图指示对于所述体积图像数据的每个体素而言所述体素表示骨或硬斑块结构的概率；基于所述概率图来分割所述体积图像数据中的骨和/或硬斑块结构。
在又一方面中，本发明的实施例还涉及一种编码有一个或多个计算机可执行指令的计算机可读存储介质，所述计算机可执行指令当由计算系统的处理器运行时使计算系统执行根据本发明的实施例的方法。
在所附独立和从属权利要求中阐述了本发明的具体和优选方面。来自从属权利要求的特征可以与独立权利要求的特征和适当的其他从属权利要求的特征组合，而不仅仅在权利要求中明确阐述。
参考下文描述的(一个或多个)实施例，本发明的这些和其他方面将显而易见并得到阐述。
附图说明
图1示出了根据本发明的实施例的图像处理设备。
图2示意性地图示了包括根据本发明的实施例的图像处理设备的成像系统。
图3示意性地图示了根据本发明的实施例的方法。
图4至图11示出了关于本发明的实施例的使用双能量CT的对比增强肝脏成像的第一示范性应用。
图12至图19示出了关于本发明的实施例的使用双能量CT的对比增强肾脏和肝脏成像的第二示范性应用。
附图仅是示意性的而非限制性的。在附图中，为了说明的目的，元件中的一些的大小能够被夸大并且未按比例绘制。
权利要求中的任何附图标记不应被解释为对范围的限制。在不同的附图中，相同的附图标记指代相同或相似的元件。
具体实施方式
将参考具体实施例并参考特定附图来描述本发明，但是本发明不限于此，而是仅由权利要求限制。所描述的附图仅是示意性的而非限制性的。在附图中，为了说明的目的，元件中的一些的大小能够被夸大并且未按比例绘制。尺寸和相对尺寸不对应于本发明的实践的实际减少。
此外，说明书和权利要求书中的术语第一、第二等用于区分相似元件，并且不必用于在时间上、空间上、排序中或以任何其他方式描述序列。应理解，如此使用的术语在适当的情况下是可互换的，并且本文描述的本发明的实施例能够以与本文描述或说明的不同的顺序来操作。
此外，说明书和权利要求中的术语顶部、底部等用于描述目的，而不必用于描述相对位置。应理解，如此使用的术语在适当的情况下是可互换的，并且本文描述的本发明的实施例能够以与本文描述或说明的不同的取向来操作。
应注意，权利要求中使用的术语“包括”不应被解释为限于其后列出的模块；其不排除其他元件或步骤。因此，应将其解释为指定如参考的陈述的特征、整数、步骤或部件的存在，但不排除一个或多个其他特征、整数、步骤或部件或其组的存在或添加。因此，表达“包括模块A和B的设备”的范围不应限于仅由部件A和B组成的设备。其意味着关于本发明，仅设备的相关部件是A和B。
贯穿本说明书对“一个实施例”或“实施例”的参考意味着结合实施例描述的具体特征、结构或特性被包括在本发明的至少一个实施例中。因此，短语“在一个实施例中”或“在实施例中”贯穿本说明书在各个地方的出现不必全部指代相同的实施例，但可以都指代相同的实施例。此外，在一个或多个实施例中，具体特征、结构或特性可以以任何合适的方式组合，如本领域普通技术人员根据本公开将显而易见的。
类似地，将意识到，在本发明的示范性实施例的描述中，本发明的各个特征有时在单个实施例、附图或其描述中被组合在一起，以用于精简本公开并帮助理解各个发明方面中的一个或多个的目的。然而，该公开方法不应被解释为反映所要求保护的发明需要比每个权利要求中明确记载的更多的特征的意图。相反，如权利要求所反映的，发明方面在于少于单个前述公开实施例的所有特征。因此，在此详细描述之后的权利要求特此明确地并入到该详细描述中，其中，每个权利要求自身作为本发明的单独实施例。
此外，尽管本文描述的一些实施例包括被包括在其他实施例中的一些特征但没有其他特征，但是不同实施例的特征的组合意味着在本发明的范围内，并且形成不同的实施例，如本领域技术人员将理解的。例如，在以下权利要求中，要求保护的实施例中的任何可以以任何组合被使用。
在本文提供的描述中，阐述了许多具体细节。然而，应该理解，可以在没有这些具体细节的情况下实践本发明的实施例。在其他实例中，没有详细示出公知的方法、结构和技术，以免模糊对本说明书的理解。
在第一方面，本发明的实施例涉及一种图像处理设备，其包括数据输入部，以用于接收被组织在体素中的谱计算机断层摄影体积图像数据。该体积图像数据包括针对每个体素的多谱信息，例如针对每个体素，体积图像数据可以包括多个标量值，所述多个标量值表示该体素中针对对应的多个不同电离辐射谱的衰减性质。
图像处理设备还包括钙表面特征分析器，以用于针对体积图像数据的每个体素并基于所述多谱信息，例如基于针对每个体素的所述多谱信息，估计指示体素周围的局部邻域对应于钙表面结构(例如，富含钙的结构的表面)的最大概率的第一值。
图像处理设备还包括概率处理器，以用于在考虑第一值、第二值和多谱信息的情况下计算概率图，所述概率图指示针对体积图像数据的每个体素的体素表示骨或硬斑块结构的概率。图像处理设备还包括分割单元，以用于基于概率图分割体积图像数据中的骨和/或硬斑块结构。
图1图示了根据本发明的实施例的示范性图像处理设备10。图像处理设备可以包括计算设备，诸如被编程用于提供如下文描述的功能的计算机。计算设备可以包括被配置用于提供预期的功能的可配置硬件设备，例如现场可编程门阵列，或者可以包括专门设计用于提供预期功能的专用电路。计算设备可以包括用于在通用硬件上运行的设计的硬件、配置硬件和/或软件的任何组合。
因此，根据本发明的实施例的图像处理设备10的部件，诸如数据输入部、钙表面特征分析器、概率处理器和/或分割单元，不必对应于这样的设备的物理上分离的实体，例如物理上可分离的部件，但可以指被实施在计算机代码中以用于在通用计算机上运行的软件构造。
图像处理设备10包括数据输入部11，以用于接收被组织在体素中的谱计算机断层摄影(CT)体积图像数据。具体地，数据输入部可以包括数字通信电路，诸如计算机网络接口、无线传输接口或数字数据总线接口，以用于从外部源接收数据，所述外部源诸如为谱CT扫描器或用于重建由CT扫描器提供的CT图像的重建器。数据输入部可以包括虚拟接口，以用于从在共享硬件平台上实施的另一软件部件接收数据，例如从在相同计算机上运行的另一软件部件(诸如用于重建谱CT图像数据的软件部件)接收数据。这样的虚拟接口可以例如包括应用编程接口、共享存储器资源或使用数据载体上的文件系统标准存储的文件。数据输入部可以包括用于访问数据载体的接口，诸如光盘读取器、用于访问USB数据存储介质的通用串行总线(USB)连接、磁盘读取器或便携式闪存驱动器读取器。数据输入部可以包括上文提到的模块和/或本领域已知的适合于接收数字体积图像数据的其他设备的任何组合。
谱CT体积图像数据被组织在体素中，例如，包括被链接到被扫描的对象(例如，被扫描的受检者)中的对应体素位置的多个数据值。因此，谱CT体积图像数据可以包括被组织在体素中的重建图像数据，所述体素例如表示相对于三维坐标系的被扫描的对象中的不同位置。每个体素可以具有与其相关联的值，例如，灰度值，诸如以亨氏单位表示的值，其指示被扫描的对象在对应于体素的位置处的衰减特性，例如指示无线电密度，例如指示相对无线电密度。可以针对穿透电离辐射的至少两个不同质量确定每个体素值。因此，至少两个不同的衰减特性，例如灰度值，可以同时分配给每个体素。穿透电离辐射的不同质量可以例如在平均和/或峰值光子能量中充分地不同，使得不同的衰减特性可以经受可辨别不同光电效应和康普顿效应贡献，使得能够良好地区分对象内的不同材料。因此，针对每个体素位置，谱CT体积图像数据可以至少包括对应于电离辐射的第一能量分布的标量值和对应于第二能量分布的第二标量值。因此，谱CT体积图像数据至少可以包括对应于第一能量的第一组图像数据和对应于第二不同能量的第二组图像数据。体积图像数据还可以包括虚拟单色图像。例如，在一些实施例中，每个体素的第一和第二标量值可以对应于任意基础分解，而不是对应于在扫描对象中使用的电离辐射的物理能量谱和/或探测器特性。第一和第二标量值可以在谱空间中形成坐标对(a，b)，例如，图像数据可以针对空间上的空间中的每个体素位置(x，y，z)定义谱空间中的坐标对(a，b)。此处，对“谱空间”的参考并不隐含与对应的时间或空间信号的谱分析的任何联系，而仅仅是指谱CT成像操作的同域，其传达吸收器材料的质量密度和有效原子序数信息两者，并且可以在任何合适的基础上参数化，例如通过80kVp和120kVp的分量图像，通过水材料和骨材料图像，通过至少两幅单色虚拟图像等。
谱CT体积图像数据可以例如包括双能量(DE)CT体积图像数据。图像数据可以使用本领域已知的谱CT扫描技术来采集，例如预先记录，例如，如本领域已知的双能量扫描方法，例如使用具有双源配置的扫描器、适于在扫描时进行快速kVp切换的扫描器或具有双层探测器配置的扫描器的采集。
图像处理设备还包括钙表面特征分析器12，以用于针对体积图像数据的每个体素估计第一值，所述第一值指示体素周围的局部邻域对应于钙表面结构(例如，对应于富含钙的结构的表面)的最大概率。谱CT的优点是，可以将钙与具有类似衰减特性的其它材料区分，例如，与碘区分。因此，可以更容易地探测表面结构，例如，尤其是在这样的表面结构与例如血管中的对比增强流体邻近的情况下。
钙表面特征分析器12可以适于基于针对体积图像数据中的每个体素(例如，每个像素)的多谱信息来生成钙图。例如，针对体积图像数据的每个体素，该图可以包括指示对应的体素位置处的被扫描的对象中的钙含量的值。因此，可以基于该钙图来估计第一值和第二值。例如，体积图像数据中的谱信息可以用于提取这样的钙图。例如，体积图像数据可以被表示为每个体素位置中的一对值(a，b)，并且在这些坐标(a，b)的空间中，可以定义表示钙样材料、软组织样材料和碘样材料的参考线。因此，钙图的每个体素条目可以被估计为沿着钙参考线的对(a，b)到软组织参考线和到碘参考线的投影之间的最小值。例如，可以根据以下等式来确定钙图：
图ca＝min(图ca\软，图ca\io)
其中，图x\y可以通过将沿x材料线的每个体素投影到y材料线来获得，并且其中，‘ca’表示钙，‘软’表示软组织，‘io’表示碘材料。
第一值可以被确定为钙图中体素周围的局部结构拟合表面结构的最大概率。例如，该最大概率可以被确定为概率的最大值，其中，这些概率中的每个表示局部结构匹配对应的预定表面模板的概率。
例如，第一值probncc可以表示钙图体素周围的局部结构拟合表面结构的概率。例如，可以通过计算多个矩阵表面模板上的体素周围的子体积的最大归一化互相关来估计该概率，例如，如下：
其中，多个表面模板模板j，例如，例如由不同表面取向表征的nt个不同表面模板可以与钙图中的局部体素邻域个体地匹配。因此，第一值可以被选择为对应于最佳拟合表面模板的归一化互相关量度，例如，在多个模板上针对该体素实现的最高归一化互相关量度。此外，可以针对多个尺度确定该第一值，例如，作为：
其中，索引i指的是具体尺度，例如通过将体积图像数据以因子缩放而获得的尺度处的分析，如关于用于计算概率图的多尺度分析也将是清楚的，如本文下面描述的。以其他方式说，每个体素的第一值可以包括与在不同尺度处分析的体素对应的多个值。例如，每个尺度可以对应于可以与表面模板匹配的体素的局部邻域的不同大小选择。这样的多尺度方法的优点是，尽管由于图像数据中存在的噪声，小尺度处的表面结构的探测能够是更困难的，但是表面结构的更鲁棒探测以及作为表面结构的部分的关联的概率可以在更大的尺度处实现。另一方面，在回旋表面结构上的强烈弯曲在较大尺度处可能不容易可探测到，例如当使用平坦表面模板时，但是仍然能够有利地在较小尺度处可探测到。钙表面特征分析器12还可以适于针对体积图像数据的每个体素估计指示钙表面结构的取向的第二值，所述第二值对应于该最大概率。例如，类似于上面用于计算第一值的范例，
可以被计算并且用于针对每个体素确定对应于适合于体素的局部邻域的最佳表面模板的表面的取向。同样地，针对多尺度方法，可以在多个尺度上确定指示最可能的表面取向的该第二值，例如，使用
其中，图ca i指的是在尺度i处计算或缩放的钙图，并且ns指的是分析的尺度的数量。
图像处理设备还包括概率处理器13，以用于通过考虑至少第一值来计算指示对于体素图像数据的每个体素而言所述体素表示骨或硬斑块结构的概率的概率图。
概率处理器13可以适于执行多尺度分析，其中，在多个不同的尺度处确定对于体积图像数据的每个体素而言所述体素表示骨或硬斑块结构的概率。例如，概率图可以通过在多个尺度上选择表示骨或硬斑块结构的最大概率来确定。
例如，概率图可以根据以下等式来确定：
其中能够是针对对应的尺度i的中间概率图。可以通过以下操作来执行多尺度分析：通过因子(例如)适当地缩小依赖于例如体积图像数据和/或由钙表面特征分析仪确定的钙图的图像数据，并且确定在该尺度处的中间概率图或者备选地，确定单个中间概率图例如，在输入体积图像数据的尺度处，以缩小该中间概率图，并且在由此获得的尺度上应用上文提及的最大化。备选地或额外地，可以使用本领域已知的另一种多尺度分析方法，例如，通过应用输入图像数据、钙图和/或中间概率图的尺度空间分解，例如，小波分解。
概率处理器13可以适于通过组合指示每个体素周围的谱信息和形态特征的多个概率来确定对于体素图像数据的每个体素而言所述体素表示骨或硬斑块结构的概率。该组合可以包括多个概率的相乘，例如体素逐元素相乘或Hadamard乘积，例如，
可以分别针对每个尺度执行多个概率的该组合，例如，以计算中间概率图例如分别计算每个中间概率图。
指示每个体素周围的谱信息和形态特征的多个概率可以包括第一值，所述第一值指示体素周围的局部邻域对应于钙表面结构的最大概率，例如，如上文描述的probi ncc。
指示每个体素周围的谱信息和形态特征的多个概率可以包括体素处于钙图中的体积脊上的体素处于钙图中的体积脊处的概率可以基于第二值来确定，所述第二值指示钙结构表面的取向，例如，指示当存在于体素位置处时钙结构表面最可能的取向。例如，如果体素对应于钙图在与在确定第一值中最大值被获得的表面模板正交的方向上的局部最大值，则可以通过将概率设置为一来估计概率如上所述。否则，概率可以例如设置为较低的值，例如，零。
指示每个体素周围的谱信息和形态特征的多个概率可以包括基于所述多谱信息的体素包括钙而不包括碘的概率probi ca/io。该概率可以是估计，例如，如下：
其中，dist(x)是谱空间中的距离，例如，体素到材料线x的谱特性(a，b)的坐标空间中的距离。
指示每个体素周围的谱信息和形态特征的多个概率还可以包括体素的邻域具有不同于碘的谱响应的谱响应的概率probdist。例如，可以如下估计该概率：
其中sd和bd是控制参数，例如其可以被设置为预定值或通过直接优化来选择。
指示每个体素周围的谱信息和形态特征的多个概率还可以包括概率probi 纹理，概率probi 纹理表示体素的邻域具有骨或硬斑块纹理的概率。例如，可以如下估计该概率：
其中，st和bt是控制参数，例如其可以被设置为预定值或通过直接优化来选择，图ca指钙图，并且stdfilt(.)是手边的体素的邻域的标准偏差。技术人员应该清楚，与纹理有关的该概率不必限于该范例，而是可以同等地涉及用于将纹理与本领域已知的手边的体素周围的局部区域匹配的其他量度。例如，概率可以通过将stdfilt图ca)和bt之间的零偏差映射到一的概率同时将该偏差的任意大值映射到基本零的概率的任何合适的函数来确定。同样地，在这样的纹理概率量度中可以类似地考虑骨和/或硬斑块的参考值的更高统计矩(例如，偏度或峰度)的偏差。
概率处理器13还可以适于基于所述概率图来计算正则化图，例如，用于基于概率图图prob的骨和硬斑块图的恢复。计算该正则化图可以包括至少以下的联合优化：(i)表示所述正则化图之间的差异的保真度量度，例如，骨和硬斑块图和概率图图prob；以及(ii)正则化惩罚。
正则化惩罚可以包括对正则化图的不均匀空间分布的惩罚、对正则化图的梯度幅度的不均匀空间分布的惩罚和/或对沿着由上文提及的第二值定义的局部表面取向的正则化图的局部不均匀性的惩罚。
概率处理器13可以适于使用本领域已知的用于图恢复的技术来计算正则化图，例如马尔可夫随机场或函数的变分优化。
例如，正则化图，例如骨和硬斑块图，可以使用函数的优化来恢复，其中，概率图被用作函数的保真度项。例如，可以通过优化以下函数来获得正则化图
其中，是对应于上文提及的第二值的体积的截面的梯度，，例如，最大值在的计算中被获得的表面模板的取向。在该示范性函数中，α、λ和β是控制参数，所述控制参数可以预定或微调以在函数项之间提供合适的权衡，例如，结合对由概率处理器13先前计算的概率图的适当保真度水平选择对上文提及的正则化惩罚的合适的惩罚水平。
可以使用共轭梯度算法或滞后扩散率固定点算法来优化这样的函数，诸如本领域已知的，例如由Vogel在“Inverse Problems for Computational Methods”(SIAM，2002)中所描述的。
此外，可以使用迭代正则化流程，诸如由Osher等人在“An iterativeregulaization method for total variation-based image restoration，”(MultiscaleModeling&Simulation 4.2(2005)：460-489)中所公开的。例如，在两次迭代方法中，函数可以第一次被求解，然后第二次被求解，其中，在第二迭代中可以用作保真度项的输入而不是图ca，其中，指的是通过第一迭代获得的恢复映射。
图像处理设备还包括分割单元14，以用于基于由概率处理器计算的概率图(例如，基于正则化图)来分割体积图像数据中的骨和/或硬斑块结构。在根据本发明的实施例中，分割单元可以间接地基于概率图(例如，直接基于正则化图)来分割骨和/或硬斑块结构。
例如，分割单元可以适于将几何主动轮廓方法应用于恢复的骨和硬斑块图。这样的几何主动轮廓方法的优点在于可以以鲁棒的方式捕获骨和/或硬斑块的整体形状。
例如，可以通过求解以下函数来获得分割
其中，C表示分割，例如采取闭合边界曲线的形式，g(·)是指边缘指示器函数，诸如，并且γ是控制参数。这样的优化可以例如通过本领域已知的方法执行，诸如由Caselles等人在“Geodesic active contours”(IEEE InternationalConference on Computer Vision，第694页(1995))中所公开的。
在第二方面中，本发明的实施例还涉及一种计算机断层摄影工作站，其包括根据本发明的第一方面的实施例的图像处理设备。例如，本发明的实施例可以涉及诸如本文下面关于图2进一步描述的计算系统116的工作站。
在第三方面中，本发明的实施例还涉及一种谱计算机断层摄影系统，其包括根据本发明第一方面的实施例的图像处理设备。例如，本发明的实施例可以涉及谱计算机断层摄影系统，诸如下面关于图2描述的成像系统100。
图2图示了包括谱计算机断层摄影(谱CT)扫描器的成像系统100。成像系统100可以包括大致固定的机架102和旋转机架104。旋转机架104可以由固定机架102可旋转地支撑，并且可以关于纵轴Z围绕检查区域106旋转。
辐射源108，诸如X射线管，可以由旋转机架104可旋转地支撑，例如，诸如与该旋转机架104一起旋转，并且可以适于发射穿过检查区域106的多能辐射。辐射源108可以包括单个广谱X射线管或由单个宽谱X射线管组成。备选地，辐射源可以适于在扫描期间在至少两个不同的光子发射谱之间可控地切换，例如，在至少两个不同的峰值发射电压(诸如80kVp、140kVp等)之间切换。在另一个变型中，辐射源108可以包括两个或更多个X射线管，所述两个或更多个X射线管被配置为发射具有不同平均谱的辐射。在另一变型中，辐射源108可以包括以上的组合。
辐射敏感探测器阵列110可以跨检查区域106对着辐射源108围成一角弧。阵列110可以包括沿Z轴方向相对于彼此布置的一行或多行探测器。阵列110可以适于探测穿过检查区域106的辐射，并生成指示其的信号。阵列110可以包括双能探测器，其具有带不同X射线能量灵敏度的至少两个辐射敏感探测器元件，例如，具有对应的光学灵敏度的至少两个闪烁器和至少两个对应的光电传感器。辐射敏感探测器阵列110可以备选地或额外地包括直接转换探测器，诸如CdTe、CdZnTe或本领域已知的其他直接转换探测器。
系统可以包括重建器112，以用于重建由探测器阵列110输出的信号。这可以包括将信号分解成各种能量相关分量。重建器112可以适于重建能量相关分量并生成与一个或多个不同能量相对应的一幅或多幅图像。重建器112还可以组合能量相关分量以生成非谱图像数据。
系统可包括对象支撑件113，诸如卧榻，以用于将对象或受检者支撑在检查区域中。系统还可以包括操作者控制台114，例如，被编程用于控制或监测系统100和/或向操作者提供用户接口的通用计算机。控制台114可以包括人类可读输出设备(诸如监测器或显示器)，以及输入设备(诸如键盘和鼠标)。驻留在控制台114上的软件可以允许操作者经由图形用户接口(GUI)或以其他方式与扫描器100交互。该交互可以包括选择谱成像协议或非谱成像协议，起始扫描等。
成像系统100可以可操作地连接到工作站，例如，计算系统116，诸如计算机，其可以包括输入/输出(I/O)接口118，以用于方便与谱CT扫描器的通信。成像系统100可以包括计算系统116作为系统级集成部件，或者成像系统100可以适于与独立计算系统116通信，例如，将图像数据发送到计算系统116。
计算系统116还可以包括输出设备120。一个或多个输出设备可以包括例如显示监测器、胶片打印机、纸张打印机和/或用于音频反馈的音频输出。计算系统还可以包括一个或多个输入设备122，诸如鼠标、键盘、触摸接口和/或语音识别接口。计算系统116还可以包括至少一个处理器124，诸如中央处理单元(CPU)、微处理器、用于处理的专用专用集成电路(ASIC)和/或适当配置的可编程硬件处理器，诸如现场可编程门阵列。计算系统可以包括计算机可读存储介质126，例如，非瞬态存储器，例如物理数字存储器。计算机可读存储介质126可以存储计算机可读指令128和数据130。至少一个处理器124可以适于运行计算机可读指令128。至少一个处理器126还可以运行由信号、载波或其他瞬态介质承载的计算机可读指令。备选地或额外地，至少一个处理器可以在物理上被配置为例如完全或部分地实现指令128，而不必要求这些指令的存储器存储，例如，通过现场可编程门阵列或专门设计为执行指令的至少部分的ASIC的配置。
计算系统可以被编程，例如，根据上文提及的计算机可读指令，以实施根据本发明的第一方面的实施例的图像处理设备。
指令128可以包括用于执行根据本发明的第四方面的实施例的方法的图像处理算法132。
在第四方面中，本发明的实施例还涉及用于处理谱计算机断层摄影体积图像数据的方法。该方法包括获得被组织在体素中的谱计算机断层摄影体积图像数据的步骤，所述体积图像数据包括针对每个体素的多谱信息。所述方法还包括针对体积图像数据的每个体素并且基于多谱信息来估计指示该体素周围的局部邻域对应于钙表面结构的最大概率的第一值以及指示对应于该最大值的该钙表面结构的取向的第二值。所述方法还包括计算概率图，所述概率图指示对于体积图像数据的每个体素而言所述体素表示骨或硬斑块结构的概率，至少在该计算中考虑第一值、第二值和多谱信息。所述方法还包括基于概率图来分割体积图像数据中的骨和/或硬斑块结构。
根据本发明的实施例的方法的细节应当与上文提供的关于本发明的第一方面的实施例的描述结合而清楚。具体地，由根据本发明的实施例的设备的数据输入部、钙表面特征分析器、概率处理器和/或分割单元执行的功能应被理解为构成根据本发明的实施例的方法的对应的步骤和/或特征。
图3图示了根据本发明的实施例的示范性方法300。
方法300包括获得301被组织在体素中的谱计算机断层摄影体积图像数据的步骤。例如，该步骤可以包括谱采集和断层摄影重建301，例如，如本领域中已知的和/或关于图2中所示的成像系统更详细地解释的。这可以导致表示相对于彼此的不同谱内容的一对图像303，例如光电图像和康普顿散射图像。
方法300还包括针对体积图像数据的每个体素估计指示该体素周围的局部邻域对应于钙表面结构的最大概率的第一值和指示对应于该最大值的该钙表面结构的取向的第二值。例如，方法300可以包括：基于体积图像数据来生成钙图304，其中，钙图包括针对体积图像数据的每个体素的指示对应的体素位置处的钙含量的值；并且基于该钙图来计算第一值和第二值。
方法还包括计算概率图305，概率图305指示对于体积图像数据的每个体素而言所述体素表示骨或硬斑块结构的概率，在该计算中考虑至少第一值和第二值。
此外，方法可以包括基于所述概率图来计算正则化图，例如，执行骨和硬斑块图恢复306。
方法还包括基于概率图(例如，基于正则化图)来分割307体积图像数据中的骨和/或硬斑块结构。
方法还可以包括输出308通过该分割307获得的骨和/或硬斑块图。
在第五方面中，本发明的实施例还涉及编码有一个或多个计算机可执行指令的计算机可读存储介质，所述计算机可执行指令当由计算系统的处理器运行时使计算系统执行根据本发明的第四方面的实施例的方法。
在图示本发明的实施例的第一范例中，图4至图11图示了使用双能量CT的对比增强肝脏成像的应用。图4示出了腹部区域的常规CT图像。图5示出了通过谱CT获得的相同区域的图像，其示出了没有软组织的谱图像分量的谱钙图像分量。该图像显示了器官中，并且特别是主要血管中的剩余碘分量。图6示出了钙的线性分离图，其提供了对碘对比剂的更好抑制，但在线性分离图中示出了碘的剩余伪迹。图7示出了基于图6的线性分离图的骨结构的线性分割，如可以通过现有技术分割方法获得的，其被交叠在解剖学参考图像上。在图7中可以观察到若干分割错误分类，例如区域71。
图8示出了钙图，如可在根据本发明的实施例的方法的步骤中获得的，例如，被估计为沿着钙线到软组织线和碘线的投影之间的最小值的图，如上所述。图9示出了在根据本发明的实施例的方法的步骤中可获得的概率图，例如，通过应用多尺度方法其中，尺度I处的概率，例如以缩小，可以通过逐体素乘积，即Hadamard乘积来计算：
可以清楚地观察到至少由该乘积中的probi ncc和probi 脊因子提供的表面增强，而probi 纹理和probi dist因子可以有利地提供针对输入图像噪声的额外的鲁棒性。此外，多尺度方法至少允许表面增强因子较少地取决于骨和斑块结构的尺度变化以及与其相关联的表面曲率。
参考图10，示出了根据本发明的实施例的概率图的额外的正则化优化的结果。例如，可以通过优化以下函数来获得该恢复的图
如上所述。图11示出了交叠在解剖参考图像上的根据本发明的实施例的分割结果，例如，如可以通过在恢复的图上应用主动轮廓探测来获得的。当比较图11与图7时，可以观察到针对根据本发明的实施例的分割的非骨区的实质较少错误分类。
在图示本发明的实施例的第二范例中，图12至图19图示了使用双能量CT的对比增强的肾脏和肝脏成像的应用。图12示出了腹部区域的常规CT图像。图13示出了通过谱CT获得的相同区域的图像，其示出了没有软组织的谱图像分量的谱钙图像分量。该图像示出了器官中，并且尤其是肾脏中的剩余碘成分。图14示出了钙的线性分离图，其提供了对碘对比剂的更好抑制，但在线性分离图中示出了碘的剩余伪迹。图15示出了基于图14的线性分离图的骨结构的线性分割，如可以通过现有技术分割方法获得的，其覆盖在解剖参考图像上。
图16示出了钙图，如可在根据本发明的实施例的方法的步骤中获得的，例如，被估计为沿着钙线到软组织线和碘线的投影之间的最小值的图，如上所述。图17示出了概率图，如在根据本发明的实施例的方法的步骤中可获得的，例如，通过类似于第一范例中描述的方法可获得的。
参考图18，根据本发明的实施例示出了概率图的额外的正则化优化的结果，例如，如前面的范例描述的。图19示出了被交叠在解剖参考图像上的根据本发明的实施例的分割结果，例如，如通过在图18的恢复图上应用主动轮廓探测可以获得。当比较图18与图14时，，可以观察到根据本发明的实施例的分割的非骨区的实质上较少的错误分类。

Claims (15)

1.一种图像处理设备(10)，包括：
数据输入部(11)，其用于接收被组织在体素中的谱计算机断层摄影体积图像数据，所述体积图像数据包括针对每个体素的多谱信息；
钙表面特征分析器(12)，其用于针对所述体积图像数据的每个体素并且基于所述多谱信息来估计第一值和第二值，所述第一值指示所述体素周围的局部邻域对应于钙表面结构的最大概率，所述第二值指示对应于所述最大值的所述钙表面结构的取向；
概率处理器(13)，其用于在至少考虑所述第一值、所述第二值和所述多谱信息的情况下计算概率图，所述概率图指示对于所述体积图像数据的每个体素而言所述体素表示骨结构或硬斑块结构的概率；以及
分割单元(14)，其用于基于所述概率图来分割所述体积图像数据中的骨结构和/或硬斑块结构。
2.根据权利要求1所述的图像处理设备，其中，所述概率处理器(13)和所述钙表面特征分析器(12)适于执行多尺度分析，其中，对于所述体积图像数据的每个体素而言所述体素表示骨结构或硬斑块结构的所述概率是在多个不同尺度处被确定的，并且其中，所述概率图是针对每个体素通过选择所述多个不同尺度上的所述最大概率来确定的。
3.根据前述权利要求中的任一项所述的图像处理设备，其中，所述钙表面特征分析器(12)适于基于针对所述体积图像数据中的每个体素的所述多谱信息来生成钙图，其中，所述钙图包括针对所述体积图像数据的每个体素的指示对应的体素位置处的钙含量的值，并且其中，所述第一值和所述第二值是基于所述钙图来估计的。
4.根据权利要求3所述的图像处理设备，其中，所述钙表面特征分析器(12)还适于针对每个体素将所述第一值确定为概率的最大值，其中，所述概率中的每个表示所述钙图中的所述体素周围的所述局部邻域匹配对应的预定表面模板的概率。
5.根据前述权利要求中的任一项所述的图像处理设备，其中，所述概率处理器(13)适于通过组合指示每个体素周围的谱信息和形态特征的多个概率来确定对于所述体积图像数据的每个体素而言所述体素表示骨结构或硬斑块结构的所述概率。
6.根据权利要求5所述的图像处理设备，其中，所述概率处理器(13)适于通过乘法来组合所述多个概率。
7.根据还从属于权利要求2的权利要求5或6所述的图像处理设备，其中，所述概率处理器(13)适于分别针对所述多个尺度中的每个尺度组合所述多个概率。
8.根据权利要求5至7中的任一项所述的图像处理设备，其中，所述概率处理器(13)适于计算指示每个体素周围的谱信息和形态特征的所述多个概率，所述多个概率包括指示所述体素周围的局部邻域对应于钙表面结构的最大概率的所述第一值以及以下项中的任一项或以下项的任何组合：
还从属于权利要求3的在考虑所述第二值的情况下的所述体素处于所述钙图中的体积脊处的概率，
基于所述多谱信息的所述体素包括钙而不包括碘的概率，
基于所述多谱信息的所述体素的邻域具有与碘的谱响应不同的谱响应的概率，以及
所述体素的邻域具有骨纹理或硬斑块纹理的概率。
9.根据前述权利要求中的任一项所述的图像处理设备，其中，所述概率处理器(13)还适于基于所述概率图来计算正则化图，其中，计算所述正则化图包括至少以下项的联合优化：
表示所述正则化图与所述概率图之间的差异的保真度量度，以及
正规化惩罚。
10.根据权利要求9所述的图像处理设备，其中，所述正则化惩罚包括以下项中的任一项或以下项的任何组合：
对所述正则化图的不均匀空间分布的惩罚，
对所述正则化图的梯度幅度的不均匀空间分布的惩罚，以及
对沿着由所述第二值定义的局部表面取向的所述正则化图的局部不均匀性的惩罚。
11.根据权利要求9或10所述的图像处理设备，其中，所述概率处理器(13)适于使用函数的变分优化来计算所述正则化图。
12.根据权利要求9至11中的任一项所述的图像处理设备，其中，所述分割单元(14)适于将几何主动轮廓方法应用于所述正则化图。
13.一种计算机断层摄影工作站，包括根据前述权利要求中的任一项所述的图像处理设备。
14.一种用于处理谱计算机断层摄影体积图像数据的方法(300)，包括：
获得(301)被组织在体素中的谱计算机断层摄影体积图像数据，所述体积图像数据包括针对每个体素的多谱信息；
针对所述体积图像数据的每个体素并且基于所述多谱信息来估计第一值和第二值，所述第一值指示所述体素周围的局部邻域对应于钙表面结构的最大概率，所述第二值指示对应于所述最大值的所述钙表面结构的取向；
在至少考虑所述第一值、所述第二值和所述多谱信息的情况下计算(305)概率图，所述概率图指示对于所述体积图像数据的每个体素而言所述体素表示骨结构或硬斑块结构的概率；并且
基于所述概率图来分割(307)所述体积图像数据中的骨结构和/或硬斑块结构。
15.一种被编码有一个或多个计算机可执行指令的计算机可读存储介质，所述计算机可执行指令当由计算系统的处理器运行时使所述计算系统执行根据权利要求14所述的方法。
CN201780055425.4A 2016-11-30 2017-11-28 谱ct中的骨和硬斑块分割 Active CN109690618B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
EP16201419.5 2016-11-30
EP16201419 2016-11-30
PCT/EP2017/080584 WO2018099881A1 (en) 2016-11-30 2017-11-28 Bone and hard plaque segmentation in spectral ct

Publications (2)

Publication Number Publication Date
CN109690618A true CN109690618A (zh) 2019-04-26
CN109690618B CN109690618B (zh) 2020-08-07

Family

ID=57482197

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201780055425.4A Active CN109690618B (zh) 2016-11-30 2017-11-28 谱ct中的骨和硬斑块分割

Country Status (5)

Country Link
US (1) US10524754B2 (zh)
EP (1) EP3475916B1 (zh)
JP (1) JP7104034B2 (zh)
CN (1) CN109690618B (zh)
WO (1) WO2018099881A1 (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3332710B1 (de) * 2016-12-12 2020-09-16 Siemens Healthcare GmbH Charakterisierung von plaque
ES2886155T3 (es) * 2018-10-08 2021-12-16 Ecole Polytechnique Fed Lausanne Epfl Método de reconstrucción de imágenes basado en un mapeo no lineal entrenado

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050228272A1 (en) * 2004-04-09 2005-10-13 Daphne Yu System and method for automatically segmenting bones in computed tomography angiography data
CN1914640A (zh) * 2004-01-26 2007-02-14 美国西门子医疗解决公司 从医学图像中自动提取骨的系统和方法
CN103649990A (zh) * 2011-07-15 2014-03-19 皇家飞利浦有限公司 用于谱ct的图像处理
CN105559813A (zh) * 2014-11-04 2016-05-11 株式会社东芝 医用图像诊断装置以及医用图像处理装置
CN105793894A (zh) * 2013-12-06 2016-07-20 皇家飞利浦有限公司 根据图像数据来进行骨骼分割

Family Cites Families (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4811373A (en) * 1986-07-14 1989-03-07 Hologic, Inc. Bone densitometer
US7477768B2 (en) * 1999-06-29 2009-01-13 The Research Foundation Of State University Of New York System and method for performing a three-dimensional virtual examination of objects, such as internal organs
US6754298B2 (en) * 2002-02-20 2004-06-22 The Regents Of The University Of Michigan Method for statistically reconstructing images from a plurality of transmission measurements having energy diversity and image reconstructor apparatus utilizing the method
US7123760B2 (en) * 2002-11-21 2006-10-17 General Electric Company Method and apparatus for removing obstructing structures in CT imaging
DE102004004295A1 (de) * 2004-01-28 2005-08-25 Siemens Ag Verfahren zur Bilddatenaufnahme und -auswertung mit einem Tomographiegerät
DE102006015451A1 (de) * 2006-03-31 2007-10-11 Siemens Ag Verfahren und Vorrichtung zur automatischen Differenzierung von Knochen oder anderen kalziumhaltigen Materialien und Kontrastmittel in Weichteilgewebe
DE102007017629B4 (de) * 2007-04-12 2011-03-24 Siemens Ag Verfahren zur Zuordnung von Voxeln eines CT-Bilddatensatzes zu einer von zwei Materialmischungen jeweils bestehend aus zwei von vier unterschiedlichen Materialien
DE102009015773A1 (de) * 2008-04-10 2010-02-04 Siemens Aktiengesellschaft Verfahren zur Aufbereitung von rekonstruierten CT-Bilddatensätzen und CT-System
JP5329534B2 (ja) 2008-04-22 2013-10-30 株式会社日立メディコ 医用画像処理装置、マルチエネルギー型ｘ線ｃｔ装置、医用画像処理方法、プログラム
US8649577B1 (en) * 2008-11-30 2014-02-11 Image Analysis, Inc. Automatic method and system for measurements of bone density and structure of the hip from 3-D X-ray imaging devices
DE102009014051B4 (de) * 2009-03-19 2021-12-23 Siemens Healthcare Gmbh Verfahren zur Aufbereitung von CT-Bilddarstellungen und Recheneinheit zur Durchführung dieses Verfahrens
US8355555B2 (en) 2009-09-17 2013-01-15 Siemens Aktiengesellschaft System and method for multi-image based virtual non-contrast image enhancement for dual source CT
US9153045B2 (en) * 2012-03-22 2015-10-06 The Cleveland Clinic Foundation Augmented reconstruction for computed tomography
JP6472088B2 (ja) 2013-02-21 2019-02-20 コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． スペクトルｃｔに関する構造伝播復元
US9311570B2 (en) * 2013-12-06 2016-04-12 Kabushiki Kaisha Toshiba Method of, and apparatus for, segmentation of structures in medical images
US9710880B2 (en) * 2014-07-03 2017-07-18 Siemens Product Lifecycle Management Software Inc. User-guided shape morphing in bone segmentation for medical imaging
US9990712B2 (en) * 2015-04-08 2018-06-05 Algotec Systems Ltd. Organ detection and segmentation
US9905044B1 (en) * 2016-08-25 2018-02-27 General Electric Company Systems and methods for functional imaging

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1914640A (zh) * 2004-01-26 2007-02-14 美国西门子医疗解决公司 从医学图像中自动提取骨的系统和方法
US20050228272A1 (en) * 2004-04-09 2005-10-13 Daphne Yu System and method for automatically segmenting bones in computed tomography angiography data
CN103649990A (zh) * 2011-07-15 2014-03-19 皇家飞利浦有限公司 用于谱ct的图像处理
CN105793894A (zh) * 2013-12-06 2016-07-20 皇家飞利浦有限公司 根据图像数据来进行骨骼分割
CN105559813A (zh) * 2014-11-04 2016-05-11 株式会社东芝 医用图像诊断装置以及医用图像处理装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
W.J. NIESSEN 等: "《Multiscale Vessel Enhancement Filtering》", 《LECTURE NOTES IN COMPUTER SCIENCE》 *

Also Published As

Publication number Publication date
JP2019536538A (ja) 2019-12-19
WO2018099881A1 (en) 2018-06-07
US10524754B2 (en) 2020-01-07
CN109690618B (zh) 2020-08-07
EP3475916A1 (en) 2019-05-01
EP3475916B1 (en) 2019-10-23
US20190282192A1 (en) 2019-09-19
JP7104034B2 (ja) 2022-07-20

Similar Documents

Publication Publication Date Title
EP3600045B1 (en) Myocardial ct perfusion image synthesis
CN109195526B (zh) X射线成像系统和定量成像方法及其计算单元
US10109072B2 (en) View classification-based model initialization
JP7216722B2 (ja) 診断撮像における画像特徴のアノテーション
EP3937122A1 (en) 3d-cnn processing for ct image noise removal
JP2016538945A (ja) 画像データ処理
US20160338660A1 (en) Generating a breast parameter map
WO2022268618A1 (en) Multi-energy x-ray imaging with anatomical intelligence
CN109690618A (zh) 谱ct中的骨和硬斑块分割
US20050105694A1 (en) Method and arrangement for medical X-ray imaging
US20230360201A1 (en) Multi-material decomposition for spectral computed tomography
EP4198881A1 (en) Improved water map calculation in spectral x-ray
US20230148983A1 (en) Suppression of motion artifacts in computed tomography imaging
Xia et al. Patient-bounded Extrapolation for 3D Region of Interest Reconstruction in C-arm CT
PETER Fusion and analysis of multidimensional medical image data
Balda et al. Non-Stationary CT Image Noise Spectrum Analysis.

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