CN109727223A - 一种医学图像自动融合方法和系统 - Google Patents
一种医学图像自动融合方法和系统 Download PDFInfo
- Publication number
- CN109727223A CN109727223A CN201811612394.0A CN201811612394A CN109727223A CN 109727223 A CN109727223 A CN 109727223A CN 201811612394 A CN201811612394 A CN 201811612394A CN 109727223 A CN109727223 A CN 109727223A
- Authority
- CN
- China
- Prior art keywords
- image
- reference picture
- section information
- magnetic resonance
- scanned object
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000007500 overflow downdraw method Methods 0.000 title claims abstract description 20
- 238000001228 spectrum Methods 0.000 claims abstract description 108
- 238000000034 method Methods 0.000 claims abstract description 57
- 230000004927 fusion Effects 0.000 claims description 19
- DPJRMOMPQZCRJU-UHFFFAOYSA-M thiamine hydrochloride Chemical compound Cl.[Cl-].CC1=C(CCO)SC=[N+]1CC1=CN=C(C)N=C1N DPJRMOMPQZCRJU-UHFFFAOYSA-M 0.000 claims description 12
- 210000003484 anatomy Anatomy 0.000 claims description 7
- 238000012545 processing Methods 0.000 description 35
- 238000010586 diagram Methods 0.000 description 14
- 239000002207 metabolite Substances 0.000 description 14
- 230000006870 function Effects 0.000 description 10
- 238000002595 magnetic resonance imaging Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 230000003190 augmentative effect Effects 0.000 description 6
- CVSVTCORWBXHQV-UHFFFAOYSA-N creatine Chemical compound NC(=[NH2+])N(C)CC([O-])=O CVSVTCORWBXHQV-UHFFFAOYSA-N 0.000 description 6
- 238000013507 mapping Methods 0.000 description 6
- 239000003086 colorant Substances 0.000 description 5
- 239000007787 solid Substances 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 4
- OEYIOHPDSNJKLS-UHFFFAOYSA-N choline Chemical compound C[N+](C)(C)CCO OEYIOHPDSNJKLS-UHFFFAOYSA-N 0.000 description 4
- 239000003814 drug Substances 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 238000002156 mixing Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 210000001519 tissue Anatomy 0.000 description 4
- 206010028980 Neoplasm Diseases 0.000 description 3
- 230000000712 assembly Effects 0.000 description 3
- 238000000429 assembly Methods 0.000 description 3
- 210000004556 brain Anatomy 0.000 description 3
- 229960003624 creatine Drugs 0.000 description 3
- 239000006046 creatine Substances 0.000 description 3
- 238000002224 dissection Methods 0.000 description 3
- 239000011521 glass Substances 0.000 description 3
- 210000002569 neuron Anatomy 0.000 description 3
- 210000000056 organ Anatomy 0.000 description 3
- 230000010412 perfusion Effects 0.000 description 3
- 230000003595 spectral effect Effects 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- RTZKZFJDLAIYFH-UHFFFAOYSA-N Diethyl ether Chemical compound CCOCC RTZKZFJDLAIYFH-UHFFFAOYSA-N 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 210000005013 brain tissue Anatomy 0.000 description 2
- 210000000170 cell membrane Anatomy 0.000 description 2
- 229960001231 choline Drugs 0.000 description 2
- 150000001875 compounds Chemical class 0.000 description 2
- 238000002591 computed tomography Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000009792 diffusion process Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000003902 lesion Effects 0.000 description 2
- 238000004611 spectroscopical analysis Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 239000003826 tablet Substances 0.000 description 2
- 238000003325 tomography Methods 0.000 description 2
- 238000002604 ultrasonography Methods 0.000 description 2
- 102000006822 Agouti Signaling Protein Human genes 0.000 description 1
- 108010072151 Agouti Signaling Protein Proteins 0.000 description 1
- 241000208340 Araliaceae Species 0.000 description 1
- 208000003174 Brain Neoplasms Diseases 0.000 description 1
- 208000016192 Demyelinating disease Diseases 0.000 description 1
- 244000283207 Indigofera tinctoria Species 0.000 description 1
- 206010030113 Oedema Diseases 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 125000000218 acetic acid group Chemical group C(C)(=O)* 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 229910002056 binary alloy Inorganic materials 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 201000011510 cancer Diseases 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 210000002808 connective tissue Anatomy 0.000 description 1
- 210000000877 corpus callosum Anatomy 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000002597 diffusion-weighted imaging Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 210000000981 epithelium Anatomy 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 210000002216 heart Anatomy 0.000 description 1
- 239000007943 implant Substances 0.000 description 1
- 239000010977 jade Substances 0.000 description 1
- 210000003734 kidney Anatomy 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 210000004185 liver Anatomy 0.000 description 1
- 210000004072 lung Anatomy 0.000 description 1
- 239000000155 melt Substances 0.000 description 1
- 238000002844 melting Methods 0.000 description 1
- 230000008018 melting Effects 0.000 description 1
- 239000012528 membrane Substances 0.000 description 1
- 230000004060 metabolic process Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 201000006417 multiple sclerosis Diseases 0.000 description 1
- 210000004126 nerve fiber Anatomy 0.000 description 1
- 230000003961 neuronal insult Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000505 pernicious effect Effects 0.000 description 1
- 230000035479 physiological effects, processes and functions Effects 0.000 description 1
- 230000035790 physiological processes and functions Effects 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000002601 radiography Methods 0.000 description 1
- 108010048734 sclerotin Proteins 0.000 description 1
- 238000012306 spectroscopic technique Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- 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
- A61B6/5229—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image
- A61B6/5235—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image combining images from the same or different ionising radiation imaging techniques, e.g. PET and CT
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- 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
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Biophysics (AREA)
- Surgery (AREA)
- Optics & Photonics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- High Energy & Nuclear Physics (AREA)
- Animal Behavior & Ethology (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本申请提供了一种医学图像自动融合方法，该方法由至少一个处理器执行，该方法包括：获取所述被扫描对象的磁共振波谱图像，所述磁共振波谱图像具有波谱层面信息；根据所述波谱层面信息确定所述被扫描对象的参考图像，所述参考图像的层面信息与所述波谱层面信息匹配；自动融合所述磁共振波谱图像与所述参考图像。
Description
技术领域
本申请涉及图像处理领域，特别涉及一种医学图像自动融合方法和系统。
背景技术
磁共振波谱分析(Magnetic Resonance Spectroscopy，简称为MRS)是利用磁共振现象和化学位移效应进行特定原子核以及化合物定量分析的一种方法。MRS图像可以反映被扫描对象的功能信息，但无法很好地体现被扫描对象的结构信息。而诸如像磁共振成像(MRI)、电子计算机断层扫描(CT)成像等成像技术得到的图像，可以较好地反映被扫描对象的结构信息，而无法反映被扫描对象的功能信息。通过将MRS图像与结构像融合显示可以将被扫描对象的结构信息与功能信息一起显示，让用户更加直观地了解被扫描对象的生理状况。在进行MRS扫描前，通常要先确定一个结构像作为定位像，根据定位像界定的范围进行MRS扫描，理想状态下可以将定位像与MRS图像进行融合，但如果出现定位像的层面信息与MRS图像的层面信息不匹配的情况，就会导致无法实现两种图像的融合。通过人工重建或重获参考图像的方法可以解决这个问题，但费时费力，同时可能因为人工操作导致误差。因此，有必要提供一种能自动使两种图像的层面信息相匹配以实现图像融合的方法和系统。
发明内容
本申请的一个方面提供一种医学图像自动融合方法，该方法由至少一个处理器执行，该方法包括：获取所述被扫描对象的磁共振波谱图像，所述磁共振波谱图像具有波谱层面信息；根据所述波谱层面信息确定所述被扫描对象的参考图像，所述参考图像的层面信息与所述波谱层面信息匹配；自动融合所述磁共振波谱图像与所述参考图像。
在一些实施例中，所述获取被扫描对象的磁共振波谱图像包括：获取所述被扫描对象的定位图像，所述定位图像具有定位层面信息；根据所述定位层面信息获取所述被扫描对象的磁共振波谱图像。
在一些实施例中，所述根据所述波谱层面信息确定所述被扫描对象的参考图像包括：根据所述波谱层面信息对所述定位图像进行重建，得到参考图像。
在一些实施例中，所述根据所述波谱层面信息确定所述被扫描对象的参考图像包括：根据所述波谱层面信息扫描所述被扫描对象，得到参考图像。
在一些实施例中，所述参考图像和/或所述定位图像为反映所述被扫描对象解剖结构的医学图像。
在一些实施例中，所述参考图像中包括多个体素，所述磁共振波谱图像反映至少一种代谢物在所述多个体素中的至少一部分体素中的含量；所述融合所述磁共振波谱图像与所述参考图像包括：将所述至少一种代谢物在体素中的含量信息显示在所述参考图像中的相应体素上。
在一些实施例中，所述将所述至少一种代谢物在体素中的含量信息显示在所述参考图像中的相应体素上包括：根据所述磁共振波谱图像生成反映所述至少一种代谢物在体素中的含量的伪彩图；将所述伪彩图叠加在所述参考图像上。
在一些实施例中，所述磁共振波谱图像通过多体素波谱技术获得。
在一些实施例中，所述层面信息包括层面的位置和方向。
本申请的另一方面提供了一种医学图像自动融合系统。该系统包括：磁共振波谱图像获取模块，用于获取所述被扫描对象的磁共振波谱图像，所述磁共振波谱图像具有波谱层面信息；参考图像确定模块，用于根据所述波谱层面信息确定所述被扫描对象的参考图像，所述参考图像的层面信息与所述波谱层面信息匹配；图像自动融合模块，用于自动融合所述磁共振波谱图像与所述参考图像。
本申请的另一方面提供一种医学图像自动融合装置，包括至少一个存储介质及至少一个处理器，所述至少一个存储介质用于存储计算机指令；所述至少一个处理器用于执行所述计算机指令，以实现如前所述的医学图像自动融合方法。
本申请的另一方面提供一种所述存储介质存储有计算机指令，当所述计算机指令被处理器执行时，实现如前所述的医学图像自动融合方法。
附图说明
本申请将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：
图1为根据本申请一些实施例所示的医学图像自动融合系统的应用场景图；
图2是用于实现本申请技术方案的专用系统的示例性计算设备的框图；
图3是根据本申请一些实施例所示的医学图像自动融合方法的示例性流程图；
图4为根据本申请一些实施例所示的医学图像自动融合系统的模块图；
图5为根据本申请一些实施例所示的医学图像自动融合方法的示例性流程图；
图6为根据本申请一些实施例所示的展示定位图像与磁共振波谱图像在横断位上的层面信息的示意图；
图7为根据本申请一些实施例所示的展示定位图像与磁共振波谱图像在矢状位上的层面信息的示意图；
图8为根据本申请一些实施例所示的展示定位图像与磁共振波谱图像在冠状位上的层面信息的示意图；
图9为根据本申请一些实施例所示的展示参考图像与磁共振波谱图像在冠状位上的层面信息的示意图；
图10为根据本申请一些实施例所示的展示参考图像与磁共振波谱图像在矢状位上的层面信息的示意图；
图11为根据本申请一些实施例所示的展示参考图像与磁共振波谱图像在冠状位上的层面信息的示意图；
图12为根据本申请一些实施例所示的磁共振波谱图像；以及
图13至16为根据本申请一些实施例所示的磁共振波谱伪彩图与参考图像融合后的图像。
具体实施方式
为了更清楚地说明本申请实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本申请的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本申请应用于其他类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。
应当理解，本文使用的“系统”、“装置”、“单元”和/或“模组”系用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。
如本申请和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其他的步骤或元素。
本申请中使用了流程图用来说明根据本申请的实施例的系统所执行的操作。应当理解的是，前面或下面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各种步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。
应当理解的是，本申请的系统及方法的应用场景仅仅是本申请的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本申请应用于其他类似情景。
本申请提出的医学图像自动融合方法和系统，可以根据磁共振波谱图的层面信息自动重采集或重建反映被扫描对象结构的参考图像，并自动将磁共振波谱图与参考图像融合，使用户能直观地看出同一位置处的解剖结构与生理功能信息。
图1为根据本申请一些实施例所示的医学图像自动融合系统的应用场景图。如图1所示，该医学图像自动融合系统100可以包括扫描仪110、网络120、终端130、处理设备140和存储设备150。
扫描仪110可以对检测区域内的对象进行扫描，得到该对象的扫描数据。被扫描对象可以是人体或动物的整体或部分器官或组织，如头部等。在一些实施例中，扫描仪110可以是计算机断层(CT)扫描仪、发射计算机断层(ECT)扫描仪、磁共振成像(MRI)扫描仪、磁共振波谱(MRS)扫描仪、超声扫描仪、正电子发射断层(PET)扫描仪等。在一些实施例中，扫描仪110可以包括两个或以上的扫描仪。例如，可以包括MRI扫描仪和MRS扫描仪，其中MRI扫描仪可以用来扫描得到反映被扫描对象结构信息的结构像，MRS扫描仪可以用来扫描得到反映被扫描对象代谢水平的功能像。
网络120可以包括有助于医学图像自动融合系统100交换信息和/或数据的任何适合的网络。在一些实施例中，医学图像自动融合系统100的一个或多个其他组件(例如，扫描仪110、用户终端130、处理设备140、存储设备150等)可以通过网络120相互交换信息和/或数据。例如，处理设备140可以通过网络120从扫描仪110获取图像数据。又例如，处理设备140可以通过网络120获取来自用户终端130的用户指令。网络120可以是和/或包括公共网络(例如，互联网)、专用网络(例如，局域网(LAN)、广域网(WAN)等)、有线网络(例如，以太网)、无线网络(例如，802.11网络、Wi-Fi网络等)、蜂窝网络(例如，LTE网络)、帧中继网络、虚拟专用网络(“VPN”)、卫星网络、电话网络、路由器、集线器、转换器、服务器计算机和/或其中的一种或多种的组合。例如，网络120可以包括电缆网络、有线网络、光纤网络、电信网络、局域网、无线局域网(WLAN)、城域网(MAN)、公用电话交换网(PSTN)、蓝牙TM网络、ZigBeeTM网络、近场通信网络(NFC)等中的一种或多种的组合。在一些实施例中，网络120可以包括一个或多个网络接入点。例如，网络120可以包括有线和/或无线网络接入点，如基站和/或网络交换点，系统100的一个或多个组件可以通过其接入到网络120以进行数据和/或信息交换。
在一些实施例中，用户可以通过用户终端130操作医学图像自动融合系统100。用户终端130可以包括移动设备131、平板电脑132、笔记本电脑133等中的一种或多种的组合。在一些实施例中，移动设备131可以包括智能家庭设备、可穿戴设备、移动设备、虚拟现实设备、增强现实设备等中的一种或多种的组合。在一些实施例中，智能家用设备可以包括智能照明装置、智能电器控制装置、智能监控装置、智能电视、智能摄像机、对讲机等中的一种或多种的组合。在一些实施例中，可穿戴设备可以包括手镯、鞋袜、眼镜、头盔、手表、服装、背包、智能配件等一种或多种的组合。在一些实施例中，移动设备可以包括移动电话、个人数字助理(PDA)、游戏设备、导航设备、销售点(POS)设备、笔记本电脑、平板电脑、台式机等中的一种或多种的组合。在一些实施例中，虚拟现实设备和/或增强现实装置可以包括虚拟现实头盔、虚拟现实眼镜、虚拟现实眼罩、增强现实头盔、增强现实眼镜、增强现实眼罩等中的一种或多种的组合。例如，虚拟现实设备和/或增强现实设备可以包括Google GlassTM、Oculus RiftTM、HololensTM、Gear VRTM等。在一些实施例中，用户终端130可以是处理设备140的一部分。
处理设备140可以处理从扫描仪110、用户终端130和/或存储设备150中获得的数据和/或信息。例如，处理设备140可以处理连续的感兴趣区域显示指令，从而确定待渲染图像数据需要更新的局部区域。在一些实施例中，处理设备140可以是一个服务器或一个服务器群组。服务器群组可以是集中式的或者分布式的。在一些实施例中，处理设备140可以是本地的或远程的。例如，处理设备140可以通过网络120访问存储在扫描仪110、用户终端130和/或存储设备150的信息和/或数据。例如，处理设备140可以直接与扫描仪110、用户终端130和/或存储设备150连接从而访问其存储的信息和/或数据。在一些实施例中，处理设备140可以在云平台上被执行。例如，云平台可以包括私有云、公有云、混合云、社区云、分布式云、互联云、多重云等种的一种或多种的组合。在一些实施例中，处理设备140可以为用户终端130的一部分。在一些实施例中，处理设备140可以由具有一个或多个组件的计算设备200(如图2所述)执行。
存储设备150可以存储数据、指令和/或其他信息。在一些实施例中，存储设备150可以存储从终端130和/或处理设备140中获得的数据。在一些实施例中，存储设备150可以存储处理设备140为执行本申请中描述的示例性方法所执行或使用的数据和/或指令。在一些实施例中，存储设备150可以包括大容量存储器、可移动存储器、易失读写存储器、只读存储器(ROM)等中的一种或多种的组合。示例性的大容量存储器可包括磁盘、光盘、固态驱动器等。示例性的可移动存储器可以包括闪存驱动器、软盘、光盘、存储卡、拉链盘、磁带等。示例性的易失读写存储器可以包括随机存取存储器(RAM)。示例性的随机存取存储器RAM可以包括动态随机存储器(DRAM)、双数据率同步动态随机存取存储器(DDR SDRAM)、静态随机存取存储器(SRAM)、晶闸管随机存取存储器(T-RAM)和零电容随机存取存储器(Z-RAM)等。示例性的只读存储器(ROM)可以包括掩模只读存储器(MROM)、可编程只读存储器(PROM)、可擦除可编程只读存储器(EPROM)、电可擦除可编程只读存储器(EEPROM)，光盘只读存储器(CD-ROM)和数字多用途光盘等。在一些实施例中，存储设备150可以在云平台上被执行。例如，云平台可以包括私有云、公共云、混合云、社区云、分布式云、互联云、多重云等种的一种或多种的组合。
在一些实施例中，存储设备150可以连接到网络120以与系统100中的一个或多个其他组件(例如，处理设备140、终端130等)进行通信。医学图像自动融合系统100中的一个或多个组件可以通过网络120访问存储在存储设备150中的数据或指令。在一些实施例中，存储设备150可以直接与系统100中的一种或多个其他组件(例如，处理设备140、终端130等)连接或通信。在一些实施例中，存储设备150可以是处理设备140的一部分。
图2是用于实现本申请技术方案的专用系统的示例性计算设备的框图。
如图2所示，计算设备200可以包括处理器210、存储器220、输入/输出接口230和通信端口240。
处理器210可以执行计算指令(程序代码)并执行本申请描述的按需服务系统100的功能。所述计算指令可以包括程序、对象、组件、数据结构、过程、模块和功能(所述功能指本申请中描述的特定功能)。例如，处理器210可以处理从医学图像自动融合系统100的任何组件获得的图像数据。在一些实施例中，处理器210可以包括微控制器、微处理器、精简指令集计算机(RISC)、专用集成电路(ASIC)、应用特定指令集处理器(ASIP)、中央处理器(CPU)、图形处理单元(GPU)、物理处理单元(PPU)、微控制器单元、数字信号处理器(DSP)、现场可编程门阵列(FPGA)、高级RISC机(ARM)、可编程逻辑器件以及能够执行一个或多个功能的任何电路和处理器等，或其任意组合。仅为了说明，图2中的计算设备200只描述了一个处理器，但需要注意的是本申请中的计算设备200还可以包括多个处理器。
存储器220可以存储从医学图像自动融合系统100的任何其他组件获得的数据/信息。在一些实施例中，存储器220可以包括大容量存储器、可移动存储器、易失性读取和写入存储器和只读存储器(ROM)等，或其任意组合。示例性大容量存储器可以包括磁盘、光盘和固态驱动器等。可移动存储器可以包括闪存驱动器、软盘、光盘、存储卡、压缩盘和磁带等。易失性读取和写入存储器可以包括随机存取存储器(RAM)。RAM可以包括动态RAM(DRAM)、双倍速率同步动态RAM(DDR SDRAM)、静态RAM(SRAM)、晶闸管RAM(T-RAM)和零电容(Z-RAM)等。ROM可以包括掩模ROM(MROM)、可编程ROM(PROM)、可擦除可编程ROM(PEROM)、电可擦除可编程ROM(EEPROM)、光盘ROM(CD-ROM)和数字通用盘ROM等。
输入/输出接口230可以用于输入或输出信号、数据或信息。在一些实施例中，输入/输出接口230可以使用户与医学图像自动融合系统100进行联系。在一些实施例中，输入/输出接口230可以包括输入装置和输出装置。示例性输入装置可以包括键盘、鼠标、触摸屏和麦克风等中的一种或以上任意组合。示例性输出设备可以包括显示设备、扬声器、打印机、投影仪等，或其任意组合。示例性显示装置可以包括液晶显示器(LCD)、基于发光二极管(LED)的显示器、平板显示器、曲面显示器、电视设备、阴极射线管(CRT)等中的一种或以上任意组合。通信端口240可以连接到网络以便数据通信。所述连接可以是有线连接、无线连接或两者的组合。有线连接可以包括电缆、光缆或电话线等，或其任意组合。无线连接可以包括蓝牙、Wi-Fi、WiMax、WLAN、ZigBee、移动网络(例如，3G、4G或5G等)等中的一种或以上任意组合。在一些实施例中，通信端口240可以是标准化端口，如RS232、RS485等。在一些实施例中，通信端口240可以是专门设计的端口。例如，通信端口240可以根据数字成像和医学通信协议(DICOM)进行设计。
图3是根据本申请一些实施例所示的医学图像自动融合方法的示例性流程图。在一些实施例中，该方法300可以由处理设备140执行。该方法300包括如下步骤：
步骤301，获取被扫描对象的定位图像。定位图像用于界定后续的磁图像共振波谱扫描的范围。在一些实施例中，可以先获取被扫描对象的原始医学数据，再根据该原始医学图像数据确定定位图像。所述原始医学图像数据为反映被扫描对象解剖结构的医学图像数据，包括但不限于磁共振成像(MRI)图像数据、电子计算机断层扫描(CT)图像数据、发射计算机断层扫描(ECT)图像数据、数字化X射线摄影(DR)图像数据、超声图像数据等。所述原始医学图像数据可以是三维图像数据，也可以是多层二维图像数据。所述原始医学图像数据可以与人或动物的整体或部分器官或组织相关。所述器官包括但不限于脑部、肺部、心脏、肾脏、肝脏等。所述组织包括但不限于上皮组织、结缔组织、神经组织、肌肉组织等。在一些实施例中，处理设备140可以从扫描仪110处获取所述原始医学图像数据。在一些实施例中，处理设备140可以从存储设备150处获取原始医学图像数据。
用户可以根据所述原始医学图像数据确定定位图像。与原始医学图像对应，定位图像反映被扫描对象的解剖学结构。定位图像可以为各种类型的图像。以MRI图像为例，定位图像可以包括快速定位像、常规T1加权像、T2加权像、弥散加权像、灌注加权像、Mapping像等。定位图像具有定位层面信息。在一些实施例中，层面信息包括层面位置和层面方向。层面位置是指层面在轴位(即横断位、矢状位、冠状位)上的位置，层面方向反映层面与轴面(即横断面、矢状面、冠状面)之间的夹角。例如，横断面是指将人体分为上下两部分的平面，层面与横断面之间的夹角可以为零，或者，层面也可以与横断面之间成非零夹角(如5°、10°、15°、20°等)。仅作为示例，所述原始医学图像数据为MRI数据，用户终端130的显示界面上可显示对应的MRI图像，用户可以在该MRI图像中选择适当的层面，所述层面对应的图像即可作为定位图像，用于定位后续磁共振波谱扫描。在一些实施例中，用户可以仅在一个轴位上选择适当的层面。进一步，用户还可以在该轴位所选择的适当层面上选定感兴趣区域，用于界定后续磁共振波谱扫描范围。在一些实施例中，用户可以在横断位、矢状位和冠状位这三个轴位上分别选定适当的层面，由这三个轴位上的三个适当层面共同确定定位图像，用于界定后续磁共振波谱扫描的范围。
步骤303，根据所述定位图像获取磁共振波谱图像，所述磁共振波谱图像具有波谱层面信息。具体地，可以根据定位层面信息中的层面位置信息和层面方向信息界定MRS扫描的范围，获取该范围的MRS图像。该MRS图像可以反映磁共振波谱扫描范围内各体素中至少一种代谢物的含量信息。有关MRS图像的更多内容可以参见图12及其描述。
理想情况下，MRS图像的波谱层面信息应该与定位图像的定位层面信息匹配，这样磁共振波谱所扫描的体素在定位图像范围内，可以实现两种图像的融合。但是，在一些情况下，MRS图像的波谱层面信息可能与定位层面信息不匹配。导致不匹配的原因包括但不限于：为了获取更好的波谱扫描效果，例如为了避开血管、骨质、空腔、组织交界面等区域，在波谱扫描过程中调整了扫描参数，导致对于同一被扫描对象，MRS的扫描区域与定位图像的扫描区域有偏差。在一些实施例中，MRS图像的层面位置与定位层面信息中包含的层面位置不一致，例如在同一轴位上的位置不同。在另一些实施例中，MRS图像的层面方向与定位层面信息中包含的定位层面方向之间存在非零夹角。例如，定位图像与横断面平行，而MRS图像与横断面之间形成非零夹角(比如MRS图像与胼胝体的前后缘平行)。
下面结合图6至图8说明磁共振波谱图像的波谱层面信息与定位图像的定位层面信息不匹配的情况。图6至图8展示了同一被扫描对象的脑部定位图像与MRS图像的层面信息。其中，图6展示了定位图像与MRS图像在横断位上的层面信息，其中实线框601代表感兴趣区域的MRS图像，虚线框603代表感兴趣区域的定位图像，实线框605代表MRS图像所在层面，虚线框607代表定位图像所在层面，由图6可见，两个图像所在层面不匹配。图7展示了定位图像与MRS图像在矢状位上的层面信息，其中矩阵701代表MRS图像所在层面，线条703代表定位图像所在层面，由图7可见，两个图像所在层面之间在矢状位上存在夹角α。图8展示了定位图像与MRS图像在冠状位上的层面信息，其中矩阵801代表MRS图像所在层面，线条803代表定位图像所在层面，两个图像所在层面之间存在夹角。对于这种MRS图像的波谱层面信息与定位图像的定位层面信息不匹配的情况，由于两个图像中的像素不一致，无法实现两个图像的融合，因此本申请提出了根据波谱层面信息获取新的参考图像，新的参考图像的层面信息与所述MRS图像的波谱层面信息匹配，这样就可以将MRS图像与所述参考图像融合。应该注意，在一些实施例中，步骤301和303可以省略或以其他方式替代，例如可以直接进行磁共振波谱扫描，或者用同一被扫描对象先前的医学图像进行定位。
步骤305，根据所述波谱层面信息确定被扫描对象的参考图像，所述参考图像的层面信息与所述波谱层面信息匹配。
在一些实施例中，可以通过重新扫描被扫描对象获取参考图像。例如，处理设备140可以控制扫描仪110根据波谱层面信息自动重新扫描所述被扫描对象。具体地，波谱层面信息包括波谱层面的位置和方向信息，根据波谱层面信息可以界定重新扫描的范围，使得重新扫描的图像的层面信息与波谱层面信息匹配。参考图像也为反映被扫描对象解剖结构的图像。在一些实施例中，该参考图像与定位图像可以为同类型的图像，例如都为快速定位图像、常规T1加权图像、T2加权图像、弥散加权图像、灌注加权图像或Mapping图像等。在另一些实施例中，该参考图像与定位图像可以为不同类型的图像。例如，定位图像为T1加权图像，参考图像为T2加权图像等。
在一些实施例中，处理设备140可以根据所述波谱层面信息自动对定位图像进行重建，得到参考图像。在一些实施例中，可以通过插值的方法重建参考图像。具体地，可以根据波谱层面信息确定待插值的体素位置。例如，如图6至图8所示，定位图像所在层面平行于横断面，而MRS图像所在层面与横断面之间存在非零夹角，则待插值的体素位置在MRS图像所在层面。在一些实施例中，可以根据步骤301中获取的原始医学图像数据对定位图像进行插值重建。在一些实施例中，插值重建的方法可以为基于场景的插值方法，这类插值方法可以根据已知的体素数据直接确定待插值的体素数据，这类插值方法包括但不限于最邻近插值法、线性插值法、样条插值法、克里金插值法等。在另一些实施例中，插值重建的方法也可以为基于对象的插值方法，这类插值方法可以根据已知的体素数据得到对象信息，从而确定待插值的体素数据，这类方法包括但不限于基于匹配的插值方法、基于二进制体素的插值方法、基于非刚体形变配准的插值方法。需要注意的是，以上给出的插值重建方法仅为示例，并不用于限制本申请，本申请也可以采用其他各种图像重建方法。
除了重建定位图像外，在一些实施例中，处理设备140也可以根据所述波谱层面信息和被扫描对象的其他模态图像确定参考图像，所述其他模态图像可以不是用来定位MRS扫描范围的图像，所述其他模态图像也可以是反映被扫描对象解剖结构的图像，包括但不限于常规T1加权图像、T2加权图像、弥散加权图像、灌注加权图像或Mapping图像等。在一些实施例中，所述其他模态图像可以由扫描仪110采集并发送至处理设备140，或者处理设备140也可以从存储设备150处获取所述其他模态图像。在一些实施例中，其他模态图像与MRS图像之间存在非零夹角，则处理设备140可以根据波谱层面信息重建所述其他模态图像得到参考图像。重建其他模态图像的具体方法与重建定位图像类似，不再赘述。在一些实施例中，如果所述其他模态图像与波谱图像之间恰好没有夹角，则可以根据波谱层面信息直接从所述其他模态图像中提取出层面信息与波谱层面信息匹配的参考图像。
参考图像的层面信息与MRS图像的层面信息(即波谱层面信息)匹配，即参考图像所在层面与MRS图像所在层面的轴位位置及方向均相同。下面结合图9至图11说明MRS图像与参考图像的层面信息匹配。图9至11是在图6至图8的基础上进行图像重建后得到的。其中，图9展示了参考图像与MRS图像在横断位上的层面信息，感兴趣区域的波谱图像与感兴趣区域的参考图像重合(实线框901)，参考图像所在层面与MRS图像所在层面也完全重合(实线框905)。图10展示了参考图像与MRS图像在矢状位上的层面信息，两个图像所在层面一致，不再有夹角。图11展示了参考图像与MRS图像在冠状位上的层面信息，同样，两个图像所在层面一致，不再有夹角。通过以上所述的自动重采集或重建参考图像，无需用户人工操作，省时省力，可以实现参考图像与MRS图像层面信息的精准匹配，保证后续图像融合的可行性和良好效果。
下面结合图12对磁共振波谱图像进行说明。MRS图像反映被扫描区域内各体素中至少一种代谢物的含量。图12为示例性脑部MRS图像，其被扫描对象与图6至图11的被扫描对象为同一人。MRS图像中的波峰反映特定物质及其含量。图9至图11中的数字“1”代表同一体素，图12示出的为该体素中四种代谢物的含量，这四种代谢物为：(1)N-乙酰门冬氨酸(NAA)，主要存在于神经元及其轴突，可作为神经元的内标物，其含量可反映神经元的功能状态，含量降低表示神经元受损；(2)肌酸(Cr)，能量代谢产物，在脑组织中其浓度相对稳定，一般作为脑组织1H MRS的内参物，常用其他代谢产物与Cr的比值反映其他代谢产物的变化；(3)肌酸(Cr2)，肌酸在波谱中有两个峰，其中一个为3.02ppm处的Cr峰，一个为3.94ppm处的Cr2峰；(4)胆碱(Cho)，主要存在于细胞膜，其含量变化反映细胞膜代谢变化，在细胞膜降解或合成旺盛时其含量增加。在脑肿瘤时，常有Cho升高和NAA降低，因此Cho/NAA升高，尤以恶性肿瘤更为明显。多发硬化等脱髓鞘病变如果Cho升高，往往提示病变活动。被扫描区域内的其他体素的MRS图像与图12类似，均能体现该体素中以上四种代谢物的含量。
步骤307，自动融合所述MRS图像与所述参考图像。如上所述，MRS图像反映被扫描区域中各体素内至少一种代谢物的含量。参考图像反映被扫描对象的解剖结构信息，其中的各体素表现为相应灰度，灰度值反映体素的弛豫时间，根据弛豫时间可以确定体素的组织密度。由于MRS图像的波谱层面信息与参考图像的层面信息匹配，因此MRS图像中的体素与参考图像中的体素重叠。融合是指将不同模态图像的信息结合显示。具体地，可以将MRS图像所反映的体素中代谢物含量信息显示在参考图像中的相应体素上。体素中代谢物含量可以用各种形式表示。在一些实施例中，体素中代谢物含量可以表示为数值。在一些实施例中，体素中代谢物含量可以表示为颜色，不同颜色表示不同含量。在一些实施例中，可以根据所述MRS图像生成反映代谢物含量分布情况的伪彩图，再将所述伪彩图与所述参考图像融合。有关融合伪彩图与参考图像的更多内容可以参见图5及其描述，此处不再赘述。
应当注意的是，上述有关方法300的描述仅仅是为了示例和说明，而不限定本申请的适用范围。对于本领域技术人员来说，在本申请的指导下可以对方法300进行各种修正和改变。然而，这些修正和改变仍在本申请的范围之内。例如，在一些实施例中，步骤301和303可以省略或以其他方式替代，例如可以直接进行磁共振波谱扫描，或者用同一被扫描对象先前的医学图像进行定位。
图4为根据本申请一些实施例所示的医学图像自动融合系统的模块图。该系统400包括定位图像获取模块402、磁共振波谱图像获取模块404、参考图像确定模块406以及图像自动融合模块408。在一些实施例中，所述模块可以为处理设备140中的模块。
定位图像获取模块402用于获取被扫描对象的定位图像。定位图像用于界定后续的磁图像共振波谱扫描的范围。在一些实施例中，可以先获取被扫描对象的原始医学数据，再根据该原始医学图像数据确定定位图像。所述原始医学图像数据为反映被扫描对象解剖结构的医学图像数据。在一些实施例中，定位图像获取模块402可以从扫描仪110处获取所述原始医学图像数据。在一些实施例中，定位图像获取模块402可以从存储设备150处获取原始医学图像数据。用户可以根据所述原始医学图像数据确定定位图像。与原始医学图像对应，定位图像反映被扫描对象的解剖学结构。定位图像可以为各种类型的图像。定位图像具有定位层面信息。在一些实施例中，层面信息包括层面位置和层面方向。应该注意，在一些实施例中，定位图像获取模块402可省略或用其他模块替代，例如可以磁共振波谱图像获取模块404可以直接获取MRS图像，或者根据同一被扫描对象先前的医学图像进行定位。
磁共振波谱图像获取模块404用于获取被扫描对象的磁共振波谱图像。磁共振波谱图像获取模块404可以根据定位层面信息获取MRS图像，所述MRS图像具有波谱层面信息。在一些实施例中，MRS图像的波谱层面信息与定位图像的定位层面信息不匹配，无法实现两种图像的融合，因此需要重新获取新的参考图像(参考图像)。
参考图像确定模块406用于确定被扫描对象的参考图像。参考图像确定模块406可以根据磁共振波谱图像的波谱层面信息确定被扫描对象的参考图像。参考图像也为反映被扫描对象解剖结构的图像。在一些实施例中，参考图像与定位图像可以为同类型的图像。在另一些实施例中，参考图像与定位图像可以为不同类型的图像。在一些实施例中，参考图像确定模块406可以通过自动对被扫描对象进行重新扫描获取参考图像。在一些实施例中，参考图像确定模块406可以通过根据波谱层面信息对定位图像或被扫描对象的其他模态图像进行重建得到参考图像。例如，可以通过插值重建的方式进行重建。
图像自动融合模块408用于自动融合磁共振波谱图像与参考图像。在一些实施例中，图像自动融合模块408可以融合层面信息匹配的MRS图像与参考图像。具体地，可以将MRS图像所反映的体素中代谢物含量信息显示在参考图像中的相应体素上。体素中代谢物含量可以用各种形式表示。在一些实施例中，体素中代谢物含量可以表示为数值。在一些实施例中，体素中代谢物含量可以表示为颜色，不同颜色表示不同含量。在一些实施例中，图像自动融合模块408可以根据所述MRS图像生成反映代谢物含量分布情况的伪彩图，再将所述伪彩图与所述参考图像融合。
需要注意的是，以上对于医学图像自动融合系统模块的描述，仅为描述方便，并不能把本申请限制在所举实施例范围之内。可以理解，对于本领域的技术人员来说，在了解该系统的原理后，可能在不背离这一原理的情况下，对各个模块进行任意组合，或者构成子系统与其他模块连接。例如，在一些实施例中，定位图像获取模块402、磁共振波谱图像获取模块404、参考图像确定模块406以及图像自动融合模块408可以是一个系统中的不同模块，也可以是一个模块实现上述的两个或两个以上模块的功能。又例如，定位图像获取模块402可以省略或用其他模块代替。在一些实施例中，可以将本系统的原理应用于其他医学图像自动融合系统中。
图5为根据本申请一些实施例所示的医学图像自动融合方法的示例性流程图。在一些实施例中，该方法500可以由处理设备140执行。该方法500包括以下步骤：
步骤501，根据磁共振波谱图像生成反映代谢物在体素中含量分布情况的伪彩图。伪彩图中像素的颜色不是由每个基色分量的数值直接决定，而是把像素值当作彩色查找表(Color Look-Up Table，CLUT)的表项入口地址，去查找显示图像时使用的红(R)、绿(G)、蓝(B)三个颜色的强度值，用查找出的R，G，B强度值产生的彩色作为伪彩图中像素的颜色(所以也称“伪彩色”)。具体地，为了将MRS图像转换成伪彩图，可以通过构造传递函数建立RGB三基色与代谢物含量之间的映射关系，根据该映射关系可以将代谢物含量转换相应的R、G、B强度值，从而合成彩色。
步骤503，对所述伪彩图与参考图像进行配准。配准是指将两个图像变换到同一坐标下，使两张图像中的对应点到达空间上的一致(即人体的同一解剖点在两张图像上有相同的空间位置)。可以采用各种配准方法，包括但不限于点法、曲线法、表面法、矩和主轴法、相关法、最大互信息法、图谱法等。例如，可以确定伪彩图和参考图像上的标识体素(标识点)，两个图像上的标识体素一一对应，根据标识体素可以确定由伪彩图变换到参考图像的配准矩阵，通过配准矩阵对伪彩图进行变换，得到与参考图像配准的伪彩图。
步骤505，根据配准结果自动将所述伪彩图与参考图像融合。融合是指将已配准的不同模态图像的信息结合显示。融合的结果可以表现为不同模态图像间结构的映射、叠加显示、生成新型医学图像等。在一些实施例中，可以将配准后的MRS伪彩图与参考图像自动叠加显示。图13至16为示例性的MRS伪彩图与参考图像融合后的图像，其中参考图像为T2加权图像。融合后的图像既可以展现被扫描对象的结构信息，又可以展现被扫描对象的功能信息(代谢物含量)，从图中可以直观地看出MRS图像中的体素在被扫描对象中所处的位置，并且，MRS图像信息与参考图像信息可相互印证，以更准确地确定被扫描对象的生理状态，从而可以更好地协助诊断分析。可以理解，虽然附图中为灰度图像，但在实际应用中，图13至16中的感兴趣区域(即1320、1410、1510和1610)可以显示为彩色(即MRS伪彩图)。其中，图13为反映胆碱(Cho)含量分布的MRS伪彩图1320与参考图像1310的融合图像。图14为反映N-乙酰门冬氨酸(NAA)含量分布的MRS伪彩图1410与参考图像1310的融合图像。图15为反映肌酸(Cr)含量分布的MRS伪彩图1510与参考图像1310的融合图像。图16为反映Cho与NAA含量之比的MRS伪彩图1610与参考图像1310的融合图像。以图14为例，区域1412和1414在参考图像1310(结构像)上显示出高亮信号，表明所述区域发生病变，MRS伪彩图提示所述区域中代谢物NAA含量很低。二者互相印证，能更好地确认是水肿还是肿瘤；如果是肿瘤，肿瘤是良性还是恶性。
本申请实施例可能带来的有益效果包括但不限于：(1)自动重建或重采集与MRS图像层面信息匹配的参考图像，无需用户人工操作，省时省力；(2)自动重建或重采集的参考图像可以实现其层面信息与MRS图像层面信息的精准匹配，保证后续图像融合的可行性与良好效果；(3)自动将MRS图像与参考图像融合显示，使用户直观地看出被扫描对象同一位置的解剖结构信息与功能信息，从而能够更好地协助诊断分析。需要说明的是，不同实施例可能产生的有益效果不同，在不同的实施例里，可能产生的有益效果可以是以上任意一种或几种的组合，也可以是其他任何可能获得的有益效果。
上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本申请的限定。虽然此处并没有明确说明，本领域技术人员可能会对本申请进行各种修改、改进和修正。该类修改、改进和修正在本申请中被建议，所以该类修改、改进、修正仍属于本申请示范实施例的精神和范围。
同时，本申请使用了特定词语来描述本申请的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一替代性实施例”并不一定是指同一实施例。此外，本申请的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外，本领域技术人员可以理解，本申请的各方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的工序、机器、产品或物质的组合，或对他们的任何新的和有用的改进。相应地，本申请的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外，本申请的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品，该产品包括计算机可读程序编码。
计算机存储介质可能包含一个内含有计算机程序编码的传播数据信号，例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式，包括电磁形式、光形式等，或合适的组合形式。计算机存储介质可以是除计算机可读存储介质之外的任何计算机可读介质，该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机存储介质上的程序编码可以通过任何合适的介质进行传播，包括无线电、电缆、光纤电缆、RF、或类似介质，或任何上述介质的组合。
本申请各部分操作所需的计算机程序编码可以用任意一种或多种程序语言编写，包括面向对象编程语言如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等，常规程序化编程语言如C语言、Visual Basic、Fortran 2003、Perl、COBOL 2002、PHP、ABAP，动态编程语言如Python、Ruby和Groovy，或其他编程语言等。该程序编码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或服务器上运行。在后种情况下，远程计算机可以通过任何网络形式与用户计算机连接，比如局域网(LAN)或广域网(WAN)，或连接至外部计算机(例如通过因特网)，或在云计算环境中，或作为服务使用如软件即服务(SaaS)。
此外，除非权利要求中明确说明，本申请所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本申请流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本申请实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。
同理，应当注意的是，为了简化本申请披露的表述，从而帮助对一个或多个实施例的理解，前文对本申请实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本申请对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。
Claims (11)
1.一种医学图像自动融合方法，所述方法由至少一个处理器执行，其特征在于，包括：
获取被扫描对象的磁共振波谱图像，所述磁共振波谱图像具有波谱层面信息；
根据所述波谱层面信息确定所述被扫描对象的参考图像，所述参考图像的层面信息与所述波谱层面信息匹配；
自动融合所述磁共振波谱图像与所述参考图像。
2.根据权利要求1所述的医学图像自动融合方法，其特征在于，所述获取被扫描对象的磁共振波谱图像包括：
获取所述被扫描对象的定位图像，所述定位图像具有定位层面信息；
根据所述定位图像获取所述被扫描对象的磁共振波谱图像。
3.根据权利要求2所述的医学图像自动融合方法，其特征在于，所述根据所述波谱层面信息确定所述被扫描对象的参考图像包括：
根据所述波谱层面信息对所述定位图像进行重建，得到参考图像。
4.根据权利要求1所述的医学图像自动融合方法，其特征在于，所述方法还包括：
获取所述被扫描对象的其他模态图像；
所述根据所述波谱层面信息确定所述被扫描对象的参考图像包括：
根据所述波谱层面信息对所述其他模态图像进行重建，得到参考图像。
5.根据权利要求1所述的医学图像自动融合方法，其特征在于，所述根据所述波谱层面信息确定所述被扫描对象的参考图像包括：
根据所述波谱层面信息扫描所述被扫描对象，得到参考图像。
6.根据权利要求1所述的医学图像自动融合方法，其特征在于，所述参考图像为反映所述被扫描对象解剖结构的医学图像。
7.根据权利要求1所述的医学图像自动融合方法，其特征在于，所述参考图像中包括多个体素，所述磁共振波谱图像反映至少一种代谢物在所述多个体素中的至少一部分体素中的含量；所述自动融合所述磁共振波谱图像与所述参考图像包括：
将所述至少一种代谢物在体素中的含量信息显示在所述参考图像中的相应体素上。
8.根据权利要求7所述的医学图像自动融合方法，其特征在于，所述将所述至少一种代谢物在体素中的含量信息显示在所述参考图像中的相应体素上包括：
根据所述磁共振波谱图像生成反映所述至少一种代谢物在体素中的含量的伪彩图；
将所述伪彩图叠加在所述参考图像上。
9.一种医学图像自动融合系统，其特征在于，包括：
磁共振波谱图像获取模块，所述磁共振波谱图像具有波谱层面信息；
参考图像确定模块，用于根据所述波谱层面信息确定所述被扫描对象的参考图像，所述参考图像的层面信息与所述波谱层面信息匹配；
图像自动融合模块，用于自动融合所述磁共振波谱图像与所述参考图像。
10.一种医学图像自动融合装置，其特征在于，所述装置包括至少一个处理器以及至少一个存储器；
所述至少一个存储器用于存储计算机指令；
所述至少一个处理器用于执行所述计算机指令中的至少部分指令以实现如权利要求1～8中任意一项所述的操作。
11.一种用于医学图像自动融合的计算机可读存储介质，其特征在于，所述存储介质存储计算机指令，当所述计算机指令被处理器执行时实现如权利要求1～8中任意一项所述的操作。
Priority Applications (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811612394.0A CN109727223B (zh) | 2018-12-27 | 2018-12-27 | 一种医学图像自动融合方法和系统 |
| US16/686,560 US11636611B2 (en) | 2018-12-27 | 2019-11-18 | Systems and methods for image fusion |
| US18/305,371 US20230260140A1 (en) | 2018-12-27 | 2023-04-23 | Systems and methods for image fusion |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811612394.0A CN109727223B (zh) | 2018-12-27 | 2018-12-27 | 一种医学图像自动融合方法和系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109727223A true CN109727223A (zh) | 2019-05-07 |
| CN109727223B CN109727223B (zh) | 2021-02-05 |
Family
ID=66297313
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811612394.0A Active CN109727223B (zh) | 2018-12-27 | 2018-12-27 | 一种医学图像自动融合方法和系统 |
Country Status (2)
| Country | Link |
|---|---|
| US (2) | US11636611B2 (zh) |
| CN (1) | CN109727223B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110033847A (zh) * | 2019-05-24 | 2019-07-19 | 宋晓明 | 一种磁共振图谱自动识别的结构和方法 |
| CN110267357A (zh) * | 2019-06-26 | 2019-09-20 | 深圳开立生物医疗科技股份有限公司 | 超声影像播放方法、系统及超声设备和存储介质 |
| CN114693571A (zh) * | 2020-12-31 | 2022-07-01 | 武汉联影生命科学仪器有限公司 | 一种医学扫描成像方法、装置及系统 |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP4166085A4 (en) * | 2020-07-13 | 2023-07-05 | Shanghai United Imaging Healthcare Co., Ltd. | MEDICAL DEVICE IMAGE SCANNING METHOD AND SYSTEM |
| WO2024024179A1 (ja) * | 2022-07-29 | 2024-02-01 | 富士フイルム株式会社 | 撮影補助装置、方法およびプログラム |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102908142A (zh) * | 2011-08-04 | 2013-02-06 | 上海联影医疗科技有限公司 | 磁共振成像中三维图形化片层定位方法及磁共振成像系统 |
| CN103854270A (zh) * | 2012-11-28 | 2014-06-11 | 广州医学院第一附属医院 | 一种ct和mr异机三维图像融合的配准方法及系统 |
| US8774485B2 (en) * | 2012-07-26 | 2014-07-08 | General Electric Company | Systems and methods for performing segmentation and visualization of multivariate medical images |
| CN104574329A (zh) * | 2013-10-09 | 2015-04-29 | 深圳迈瑞生物医疗电子股份有限公司 | 超声融合成像方法、超声融合成像导航系统 |
| EP2999404A1 (en) * | 2013-05-21 | 2016-03-30 | Aspect Imaging Ltd. | An mrd assembly of scanner and cart |
| CN106580251A (zh) * | 2016-11-30 | 2017-04-26 | 上海联影医疗科技有限公司 | 磁共振波谱分析图像显示方法及装置 |
| CN107767444A (zh) * | 2017-11-06 | 2018-03-06 | 上海联影医疗科技有限公司 | 一种图像处理的方法及装置 |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070237372A1 (en) * | 2005-12-29 | 2007-10-11 | Shoupu Chen | Cross-time and cross-modality inspection for medical image diagnosis |
| US8099299B2 (en) * | 2008-05-20 | 2012-01-17 | General Electric Company | System and method for mapping structural and functional deviations in an anatomical region |
| WO2012168813A1 (en) * | 2011-06-10 | 2012-12-13 | Koninklijke Philips Electronics N.V. | Dose-optimized protocol for ac and localization on hybrid scanners |
| US9292917B2 (en) * | 2011-11-23 | 2016-03-22 | Siemens Aktiengesellschaft | Method and system for model-based fusion of computed tomography and non-contrasted C-arm computed tomography |
| JP2017511728A (ja) * | 2014-03-11 | 2017-04-27 | コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． | 同時ｘ平面撮像を用いた画像レジストレーション及び誘導 |
| US11547488B2 (en) * | 2016-07-05 | 2023-01-10 | 7D Surgical Ulc | Systems and methods for performing intraoperative image registration |
| JP6545887B2 (ja) * | 2017-11-24 | 2019-07-17 | キヤノンメディカルシステムズ株式会社 | 医用データ処理装置、磁気共鳴イメージング装置及び学習済みモデル生成方法 |
-
2018
- 2018-12-27 CN CN201811612394.0A patent/CN109727223B/zh active Active
-
2019
- 2019-11-18 US US16/686,560 patent/US11636611B2/en active Active
-
2023
- 2023-04-23 US US18/305,371 patent/US20230260140A1/en active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102908142A (zh) * | 2011-08-04 | 2013-02-06 | 上海联影医疗科技有限公司 | 磁共振成像中三维图形化片层定位方法及磁共振成像系统 |
| US8774485B2 (en) * | 2012-07-26 | 2014-07-08 | General Electric Company | Systems and methods for performing segmentation and visualization of multivariate medical images |
| CN103854270A (zh) * | 2012-11-28 | 2014-06-11 | 广州医学院第一附属医院 | 一种ct和mr异机三维图像融合的配准方法及系统 |
| EP2999404A1 (en) * | 2013-05-21 | 2016-03-30 | Aspect Imaging Ltd. | An mrd assembly of scanner and cart |
| CN104574329A (zh) * | 2013-10-09 | 2015-04-29 | 深圳迈瑞生物医疗电子股份有限公司 | 超声融合成像方法、超声融合成像导航系统 |
| CN106580251A (zh) * | 2016-11-30 | 2017-04-26 | 上海联影医疗科技有限公司 | 磁共振波谱分析图像显示方法及装置 |
| CN107767444A (zh) * | 2017-11-06 | 2018-03-06 | 上海联影医疗科技有限公司 | 一种图像处理的方法及装置 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110033847A (zh) * | 2019-05-24 | 2019-07-19 | 宋晓明 | 一种磁共振图谱自动识别的结构和方法 |
| CN110267357A (zh) * | 2019-06-26 | 2019-09-20 | 深圳开立生物医疗科技股份有限公司 | 超声影像播放方法、系统及超声设备和存储介质 |
| CN114693571A (zh) * | 2020-12-31 | 2022-07-01 | 武汉联影生命科学仪器有限公司 | 一种医学扫描成像方法、装置及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109727223B (zh) | 2021-02-05 |
| US20200211208A1 (en) | 2020-07-02 |
| US11636611B2 (en) | 2023-04-25 |
| US20230260140A1 (en) | 2023-08-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109727223A (zh) | 一种医学图像自动融合方法和系统 | |
| CN109271992A (zh) | 一种医学图像处理方法、系统、装置和计算机可读存储介质 | |
| US20240144495A1 (en) | Method and system for processing multi-modality image | |
| US9256982B2 (en) | Medical image rendering | |
| CN109242865A (zh) | 基于多图谱的医学图像自动分区系统、方法、装置及存储介质 | |
| CN109961491A (zh) | 多模态图像截断补偿方法、装置、计算机设备和介质 | |
| CN110060313A (zh) | 一种图像伪影校正方法和系统 | |
| US8786601B2 (en) | Generating views of medical images | |
| WO2018161257A1 (zh) | 生成彩色医学影像的方法及系统 | |
| CN109712217A (zh) | 一种医学图像可视化方法和系统 | |
| US20090219289A1 (en) | Fast three-dimensional visualization of object volumes without image reconstruction by direct display of acquired sensor data | |
| US11989881B2 (en) | Systems and methods for imaging device | |
| US8605973B2 (en) | Graph cuts-based interactive segmentation of teeth in 3-D CT volumetric data | |
| CN109285152A (zh) | 一种医学图像处理系统、装置和计算机可读存储介质 | |
| US11727608B2 (en) | Systems and methods for image reconstruction | |
| US9445082B2 (en) | System, apparatus, and method for image processing | |
| Baum et al. | Fusion viewer: a new tool for fusion and visualization of multimodal medical data sets | |
| CN107909618A (zh) | 图像重建系统和方法 | |
| CN109658470A (zh) | 生成图像的系统和方法 | |
| US11200727B2 (en) | Method and system for fusing image data | |
| WO2021030995A1 (zh) | 基于vrds ai下腔静脉影像的分析方法及产品 | |
| CN109671033A (zh) | 一种图像暗场校正方法和系统 | |
| CN111161371B (zh) | 成像系统和方法 | |
| US20220137909A1 (en) | Method and product for multi-device ai linkage displaying of a vrds 4d medical image | |
| US20190102884A1 (en) | Image simulation system to covisualize electrodes and cortical vessels on 3d brain and its method |
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 | ||
| CB02 | Change of applicant information |
Address after: 201807 Shanghai City, north of the city of Jiading District Road No. 2258 Applicant after: Shanghai Lianying Medical Technology Co., Ltd Address before: 201807 Shanghai City, north of the city of Jiading District Road No. 2258 Applicant before: SHANGHAI UNITED IMAGING HEALTHCARE Co.,Ltd. |
|
| CB02 | Change of applicant information | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |