CN111373440A - 自动肿瘤划分 - Google Patents

自动肿瘤划分 Download PDF

Info

Publication number
CN111373440A
CN111373440A CN201880075589.8A CN201880075589A CN111373440A CN 111373440 A CN111373440 A CN 111373440A CN 201880075589 A CN201880075589 A CN 201880075589A CN 111373440 A CN111373440 A CN 111373440A
Authority
CN
China
Prior art keywords
image data
tumor
medical image
voxels
processor
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.)
Pending
Application number
CN201880075589.8A
Other languages
English (en)
Inventor
B·格莱希
J·伯格特
J·库普
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 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 NV filed Critical Koninklijke Philips NV
Publication of CN111373440A publication Critical patent/CN111373440A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G06T7/0002—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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30096—Tumor; Lesion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/40—Analysis of texture

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

本发明提供了一种医学仪器(100、300、400)，其包括：用于存储机器可执行指令(112)的存储器(110)和用于控制所述医学仪器的处理器(106)。所述机器可执行指令的运行使所述处理器：接收(200)描述对象(318)的三维医学图像数据(114)，其中，所述三维医学图像数据包括体素；接收(202)对所述三维医学图像数据的分割，其中，所述分割将所述三维图像数据分成非肿瘤体素(700)和肿瘤体素(500)；选择(204)所述肿瘤体素的中心点(118)；使用正交平面(502、504、600)的集合将肿瘤体素分成(206)多个组(120)，其中，所述中心点在所述正交平面中的每个内；针对所述多个体素组中的每个计算(208)从放射学特征的集合中选择的至少一个组放射学特征(122)；针对所述至少一个放射学特征中的每个计算(210)统计量度(124)；通过计算每个统计度量乘以预定的组加权值(126)的总和来计算(212)标量值(128)，其中，所述预定的组加权值对于每个统计量度都是独有的；并且在标量值高于预定阈值(130)的情况下使用信令接口设备(108、402)提供(214)信号。

Description

自动肿瘤划分
技术领域
本发明涉及医学成像，尤其涉及肿瘤的自动划分。
背景技术
诸如磁共振成像(MRI)、正电子发射断层摄影(PET)、单光子发射计算机断层摄影(SPECT)以及其他医学成像技术在定量绘制对象的内部结构中是有效的。在分子水平上了解肿瘤异质性(例如，关于肿瘤路径的异质性)将有助于治疗规划。多种活检将提供此类信息，但对患者而言不方便，并带来一些风险。
美国专利申请US 2016/0260224公开了一种用于分析对象的目标区域的三维图像数据的方法，所述方法包括在目标区域内识别包含预测该目标区域的疾病状态的成像信息的感兴趣区域，计算与所述感兴趣区域相关联的至少两个放射学特征，并且基于计算出的放射学特征对所述感兴趣区域进行分类。
发明内容
本发明在独立权利要求中提供了一种医学仪器、一种计算机程序产品和一种方法。在从属权利要求中给出了实施例。
本发明的实施例提供了在三维医学图像中测量肿瘤异质性的手段。选择肿瘤的中心点，然后使用正交平面将肿瘤分成体素组。针对体素的组中的每个体素确定一个或多个放射学特征。然后针对所述放射学特征中的每个，计算具有标量值的统计量度。然后使用被称为预定的组加权值的加权因子来组合统计量度。例如，它们可以线性地、非线性地或使用包括线性和非线性项的项的组合而被组合。得到的线性组合是可以用作衡量肿瘤异质性的标量值。
在一个方面中，本发明提供了一种医学仪器，其包括用于存储机器可执行指令的存储器。所述医学仪器还包括用于控制所述医学仪器的处理器。机器可执行指令的运行使所述处理器接收描述对象的三维医学图像数据。所述三维医学图像数据包括体素。所述三维医学图像数据可以例如以各种不同的方式来接收。可以通过从存储器中检索它来接收它，可以经由网络或其他数据传输系统从另一计算机系统接收它，或者可以通过作为医学仪器的部分或不同医学仪器的部分的医学成像系统来采集它。
机器可执行指令的运行还使所述处理器接收三维医学图像数据的分割。分割将三维医学图像数据分成非肿瘤体素和肿瘤体素。再次，可以以各种不同的方式接收分割。在一个示例中，通过将分割算法或模块应用于三维医学图像数据来接收分割。在另一示例中，可以例如经由用户接口来接收分割。也可以从存储器中接收和检索分割，或者可以从另一计算机系统或另一医学仪器接收。机器可执行指令的运行还使处理器选择肿瘤体素的中心点。中心点的选择也可以以各种不同的方式执行。在一些情况下，由肿瘤体素定义的三维体积可用于定义平均点或质心。在其他情况下，可以使用各种几何体积来选择中心点。这些将在下面讨论。
机器可执行指令的运行还使处理器使用正交平面的集合将肿瘤体素分成多个组。中心点在每个正交平面内。机器可执行指令的运行还使处理器针对多个体素组中的每个体素组计算放射学特征的集合中选择的至少一个组放射学特征。机器可执行指令的运行还使处理器计算针对所述至少一个组放射学特征中的每个的统计量度。统计量度可以例如是统计性质的量度。在这种情况下，统计量度是从多个放射学特征的属性得出的标量值。例如，每个放射学特征的统计量度可以是方差。其他值，例如平均值或均值也适用。
机器可执行指令的运行还使处理器通过计算每个统计度量乘以预定的组加权值的总和来计算标量值。组加权值对于每个统计量度都是独有的。机器可执行指令的运行还使处理器在标量值高于预定阈值的情况下使用信令接口设备来提供信号。该实施例可能是有益的，因为它可以提供一种自动信号通知标量值是否高于预定阈值的手段。这在医学仪器的进一步操作中或将医学仪器通知用户时可能是有用的。
信令接口设备可以例如是本质上是音频或视觉的任何种类的显示设备，或者它也可以用作医学仪器的额外部件的触发设备。
正交平面的集合例如可以是将肿瘤分别分成四个或八个部分的两个或三个平面。
在另一个实施方案中，肿瘤体素是连接的。
在另一实施例中，机器可执行指令的运行还使处理器通过执行针对正交平面的集合关于所述中心点的多个旋转位置的标量值的计算来构造标量值的集合。针对从标量值的集合中选择的最大标量值执行信号的提供。该实施方案可能是有益的，因为在某些情况下，肿瘤可能是不均匀的，或者中心位置可能已被选择在不适当的位置。在该实施例中，对标量值的计算在正交平面的集合的不同取向下重复进行。然后，所述信号基于来自正交平面的给出最大的值的不同位置的标量值。这可能是有益的，因为它增加了方法的灵敏度。
在另一实施例中，机器可执行指令的运行还使处理器计算从针对肿瘤体素的放射学特征集合中选择的至少一个全局放射学特征。机器可执行指令的运行还使处理器针对所述至少一个全局放射学特征中的每个计算全局统计量度。通过将每个全局统计量度乘以预定全局加权值的和相加，进一步计算标量值。预定全局加权值对于每个全局统计量度都是独有的。该实施例可能是有益的，因为除了仅对于使用正交平面的集合确定的各个组之外，其还包括针对整个肿瘤体积计算的值。
在另一实施例中，机器可执行指令的运行还使处理器至少部分地从用户接口接收分割结果。
在另一实施例中，机器可执行指令的运行还使处理器接收至少部分地通过将分割算法应用于三维图像数据的分割结果。
在另一实施例中，通过计算肿瘤体素的质心来选择中心点。
在另一实施例中，通过识别包围所述肿瘤体素的全部的最小球体的中心来选择中心点。
在另一实施例中，通过识别包围肿瘤体素的给定百分比的最小球体的中心来选择中心点。代替要求所述肿瘤体素的全部都在特定的小球体内，允许一定百分比的体素在球体外部。这可能有助于识别肿瘤的主体位置或中心。
在另一实施例中，通过识别包围所述肿瘤体素的全部的最大球体的中心来选择中心点。
在另一实施例中，通过识别包围肿瘤体素的给定百分比的最大球体的中心来选择中心点。在该实施例中，球体包围所述肿瘤体素的全部的严格条件被放松。
在另一个实施例中，通过识别包围所述肿瘤体素的全部的最低体积椭球体的中心来选择中心点。
在另一个实施例中，通过识别包围肿瘤体素的给定百分比的最低体积椭球体的中心来选择中心点。该实施方案也可能是有益的，因为它放松了所述肿瘤体素的全部都在最小体积的椭球体之内的条件。这可以帮助减少肿瘤块的外围或小部分的影响。
在另一个实施例中，对于任何上述方法，通过使用线性组合或中心点的平均值来选择中心点。
在另一实施例中，机器可执行指令的运行还使处理器接收训练医学图像数据。训练医学图像数据是多个医学图像数据，而三维数据描述了多个肿瘤。机器可执行指令的运行还使处理器接收训练医学图像数据的分割结果。分割将训练医学图像数据分成非肿瘤体素和肿瘤体素。机器可执行指令的运行还使处理器针对训练医学图像数据中的每个选择中心点。
机器可执行指令的运行还使处理器针对每个训练医学图像数据使用正交平面的集合来将肿瘤体素分成多个体素组。机器可执行指令的运行还使处理器针对每个训练医学图像数据计算从多个体素组中的每个的放射学特征的集合中选择的至少一个组放射学特征。机器可执行指令的运行还使处理器针对每个训练医学图像数据计算至少一个组放射学特征中的放射学特征中的每个的统计量度。
机器可执行指令的运行还使处理器接收针对多个肿瘤中的每个肿瘤的肿瘤异质性度量。机器可执行指令的运行还使处理器使用线性回归计算针对每个训练医学图像数据的统计量度的预定的组加权值。线性回归使针对多个肿瘤中的每个的肿瘤异质性量度等于针对每个训练医学图像数据的每个统计量度乘以预定的组加权值的总和。在该实施例中，针对多个训练医学图像数据重复用于计算标量值的过程。然后，通过使用线性回归或任何其他优化方法，将所得的训练数据用于计算预定的组加权值。
应当注意，训练医学图像数据和三维医学图像数据具有相同的成像模态。也就是说，例如如果三维医学图像数据是磁共振成像数据，则训练医学图像数据也是磁共振成像数据。
在另一个实施例中，肿瘤异质性度量描述以下中的任一项：空间相关的生物分析特性，空间相关的DNA序列数据，空间相关的RNA活化数据，空间相关的生物受体浓度，以及其组合。
例如，以上每一项都可以通过一个或多个活检确定，这些活检在若干不同的位置提供了这些值中的每一个。这可以提供肿瘤异质性的量度。
在另一个实施例中，信令接口设备包括图形用户接口，并且信号包括描述标量值的警告显示和/或文本消息。
在另一个实施例中，信令接口设备包括音频声音生成器，并且该信号包括可听信号，例如警告信号或描述标量值的可听信号。
在另一个实施例中，信令接口设备包括活检计划生成器，并且信号包括活检指令。例如，可以从存储在数据库中的一组预定的活检指令中调出活检指令。
在另一个实施例中，所述医学仪器包括自动活检系统。如果信号由信令设备提供，则机器可执行指令的运行还使处理器控制所述自动活检系统以对肿瘤进行活检。该实施例可能是有益的，因为可以通过信号自动触发对象的活检。
在另一个实施方案中，放射学特征的所述集合包括以下中的任一种：体积，最大长度特征，最小长度特征，尺寸依赖的特征，体积依赖的特征，直方图描述符，体素间关系描述符，灰度级共现矩阵，延伸长度矩阵，尺寸区域矩阵，邻域灰度色调差异矩阵导出的纹理，应用滤波器后提取的一种或多种纹理，表面纹理量度，分形特征，以及其组合。
在另一个实施例中，所述医学仪器还包括医学成像系统。所述机器可执行指令的运行还使处理器控制医学成像系统以从所述对象采集三维医学图像数据。所述处理器从所述医学成像系统接收三维医学图像数据。该实施例可能是有益的，因为信号的生成被集成到采集医学成像数据的同一仪器中。
在另一个实施例中，所述医学成像系统是磁共振成像系统。
在另一个实施例中，所述医学成像系统是正电子发射断层摄影系统。
在另一个实施例中，所述医学成像系统是单光子发射计算机断层摄影系统。
在另一个实施例中，所述医学成像系统是计算机断层摄影系统。
在另一个实施例中，所述医学成像系统是超声系统。
在另一实施例中，所述医学仪器是磁共振成像系统。所述三维医学图像数据是扩散加权磁共振图像或动态对比增强磁共振图像或其系列。该实施例可能是有益的，因为扩散加权磁共振图像和对比增强磁共振成像对于区分肿瘤和非肿瘤组织是极好的。
在另一方面中，本发明提供了一种包括用于由控制医学仪器的处理器执行的机器可执行指令的计算机程序产品。机器可执行指令的运行使所述处理器接收描述对象的三维医学图像数据。所述三维医学图像数据包括体素。机器可执行指令的运行还使所述处理器接收三维医学图像数据的分割。分割将三维图像数据分成非肿瘤体素和肿瘤体素。机器可执行指令的运行还使处理器选择肿瘤体素的中心点。
机器可执行指令的运行还使处理器使用正交平面的集合将肿瘤体素分成多个组。中心点在每个正交平面内。机器可执行指令的运行还使处理器针对多个体素组中的每个计算从放射学特征的集合中选择的至少一个组放射学特征。机器可执行指令的运行还使处理器计算针对所述至少一个放射学特征中的每个的统计量度。
机器可执行指令的运行还使处理器通过计算每个统计度量乘以预定的组加权值的总和来计算标量值。所述预定的组加权值对于每个统计量度都是独有的。机器可执行指令的运行还使处理器在标量值高于预定阈值的情况下使用信令接口设备来提供信号。先前已经讨论了该实施例的优点。
在另一方面，本发明提供了一种分析三维医学图像的方法。所述方法包括接收描述对象的三维医学图像数据。所述三维医学图像数据包括体素。所述方法还包括接收三维医学图像数据的分割结果。分割将三维医学图像数据分成非肿瘤体素和肿瘤体素。所述方法还包括选择肿瘤体素的中心点。所述方法还包括使用正交平面的集合来将肿瘤体素分成多个组。
中心点在每个正交平面内。所述方法还包括针对多个体素组中的每个计算从放射学特征集合中选择的至少一个组放射学特征。所述方法还包括完成针对至少一个组放射学特征中的每个的统计量度。所述方法还包括通过计算每个统计量度乘以预定的组加权值的和来计算标量值。所述预定的组加权值对于每个统计量度都是独有的。所述方法还包括：如果标量值高于预定阈值，则使用信令接口设备提供信号。先前已经讨论了该实施例的优点。
应该理解，可发组合本发明的一个或多个前述实施例，只要组合后的实施例不相互排斥即可。
如本领域技术人员将认识到的，本发明的若干方面可以实现为装置、方法或计算机程序产品。因此，本发明的各方面可采取完全硬件实施例，完全软件实施例(包括固件，驻留软件，微代码等)，或者组合了软件和硬件方面的实施例的形式，其可以在本文统称为“电路”、“模块”或“系统”。此外，本发明的各个方面可以采取实现在一个或多个计算机可读介质中的计算机程序产品的形式，所述一个或多个计算机可读介质具有实现在其上的计算机可执行代码。
可以使用一个或多个计算机可读介质的任何组合。所述计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。如在本文中使用的“计算机可读存储介质”包括任何有形存储介质，其可以存储能够由计算设备的处理器执行的指令。可以将所述计算机可读存储介质称为"计算机可读非瞬态存储介质"。所述计算机可读存储介质也可以被称为有形计算机可读介质。在一些实施例中，计算机可读存储介质还可以能够存储数据，所述数据能够被所述计算设备的处理器访问。计算机可读存储介质的范例包括但不限于：软盘，磁硬盘驱动器，固态硬盘，闪存，USB拇指驱动器，随机存取存储器(RAM)，只读存储器(ROM)，光盘，磁光盘和处理器的寄存器文件。光盘的范例包括压缩光盘(CD)和数字多用光盘(DVD)，例如CDROM、CDRW、CDR、DVDROM、DVDRW、蓝光、或DVDR盘。术语计算机可读存储介质还指代能够由所述计算机设备经由网络或通信链路访问的各种类型的记录介质。例如，可以经由调制解调器、经由互联网或经由局域网络来取回数据。体现在计算机可读介质上的计算机可执行代码可使用任何恰当的介质来传输，包括但不限于无线、有线、光缆、RF等，或上述各项的任何适当的组合。
计算机可读信号介质可以包括具有实现在其中的例如在基带内或者作为载波的一部分的计算机可执行代码的传播的数据信号。这样的传播信号可以采取多种形式中的任一种，包括但不限于，电磁的、光学的、或者它们的任意合适的组合。计算机可读信号介质可以是任何计算机可读介质，其不是计算机可读存储介质并且其能够传递、传播或传输程序用于由指令运行系统、装置或设备使用或者与其结合使用。
“计算机存储器”或“存储器”是计算机可读存储介质的范例。计算机存储器是处理器能够直接访问的任何存储器。“计算机存储设备”或“存储设备”是计算机可读存储介质的另一范例。计算机存储设备是任何非易失性计算机可读存储介质。在一些实施例中，计算机存储设备也可以是计算机存储器，或反之亦然。
用在本文中的“处理器”涵盖能够执行程序或机器可执行指令或计算机可执行代码的电子部件。对包括“处理器”的计算设备的引用应当被解读为能够包括超过一个处理器或处理内核。所述处理器例如可以是多核处理器。处理器还可以是指单个计算机系统之内的或者被分布在多个计算机系统之间的处理器的集合。术语计算设备也应被解释为可能指计算设备的集合或网络，每个计算设备均包括一处理器或多个处理器。所述计算机可执行代码可以由多个处理器运行，所述处理器可以处在相同的计算设备内或者其甚至可以跨多个计算设备分布。
计算机可执行代码可以包括令处理器执行本发明的各方面的机器可执行指令或程序。用于执行针对本发明的各方面的操作的计算机可执行代码可以以一种或多种编程语言(包括诸如Java、Smalltalk、C++等的面向对象的编程语言以及诸如"C"编程语言或类似编程语言的常规过程编程语言)的任何组合来编写并且被编译为机器可执行指令。在一些情况下，所述计算机可执行代码可以以高级语言的形式或者以预编译形式并且结合在飞行中生成机器可执行指令的解释器来使用。
所述计算机可执行代码可以作为单机软件包全部地在所述用户的计算机上、部分地在用户的计算机上、部分地在用户的计算机上并且部分地在远程计算机上、或者全部地在所述远程计算机或服务器上运行。在后者的场景中，所述远程计算机可以通过任何类型的网络(包括局域网(LAN)或广域网(WAN))或者可以对外部计算机做出的连接(例如，使用因特网服务提供商通过因特网)而被连接到用户的计算机。
本发明的各方面参考根据本发明的实施例的方法、装置(系统)和计算机程序产品的流程图图示和/或框图得以描述。应该理解，流程图、图示和/或框图的每个框或框的一部分能够在适用时通过以计算机可执行代码的形式的计算机程序指令来实施。还应当理解的是，当不相互排斥时，在不同的流程图，图示和/或框图中块的组合可以被组合。这些计算机程序指令可以被提供到通用计算机、专用计算机的处理器或者其他可编程数据处理装置以生产机器，使得经由计算机的处理器或其他可编程数据处理装置运行的指令创建用于实施流程图和/或(一个或多个)框图框中指定的功能/动作的单元。
这些计算机程序指令还可以被存储在计算机可读介质中，其能够引导计算机、其他可编程数据处理装置或其他设备以特定的方式工作，使得被存储在所述计算机可读介质中的所述指令产生包括实施在流程图和/或一个或多个框图框中所指定的功能/动作的指令的制品。
所述计算机程序指令还可以被加载到计算机、其他可编程数据处理装置或其他设备上以令一系列操作步骤在计算机、其他可编程装置或其他设备上执行以产生计算机实施的过程，使得在计算机或其他可编程装置上运行的指令提供用于实施在流程图和/或一个或多个框图框中所指定的功能/动作的过程。
如在本文中所使用的“用户接口”是允许用户或操作者与计算机或计算机系统进行交互的接口。“用户接口”还可以被称为“人机接口设备”。用户接口可以向操作者提供信息或数据和/或接收来自操作者的信息或数据。用户接口可使来自操作者的输入能够被计算机接收，且可将输出从计算机提供给用户。换言之，用户接口可以允许操作者控制或操纵计算机，并且该接口可以允许计算机指示操作者的控制或操纵的效果。数据或信息在显示器或图形用户接口上的显示是向操作者提供信息的范例。通过键盘、鼠标、跟踪球、触摸板、指点杆、图形输入板、操纵杆、游戏板、网络摄像头、头盔、踏板、有线手套、遥控器以及加速度计接收数据都是实现从操作者接收信息或数据的用户接口部件的范例。
如在本文中所使用的“硬件接口”涵盖使得计算机系统的处理器能够与外部计算设备和/或装置进行交互或者对其进行控制的接口。硬件接口可允许处理器将控制信号或指令发送给外部计算设备和/或装置。硬件接口也可以使处理器与外部计算设备和/或装置交换数据。硬件接口的范例包括，但不限于：通用串行总线、IEEE 1394端口、并行端口、IEEE1284端口、串行端口、RS232端口、IEEE488端口、蓝牙连接、无线局域网连接、TCP/IP连接、以太网连接、控制电压接口、MIDI接口、模拟输入接口和数字输入接口。
本文中使用的“显示器”或“显示设备”涵盖适于显示图像或数据的输出设备或用户接口。显示器可以输出视觉、音频和触觉数据。显示器的示例包括但不限于：计算机监视器、电视屏幕、触摸屏、触觉电子显示器、盲文屏幕、阴极射线管(CRT)、存储管、双稳态显示器、电子纸、向量显示器、平板显示器、真空荧光显示器(VF)、发光二极管(LED)显示器、电致发光显示器(ELD)、等离子显示面板(PDP)、液晶显示器(LCD)、有机发光二极管显示器(OLED)、投影机和头戴式显示器。
如本文所使用的三维医学图像数据包括三维数据集，所述三维数据集表示或描述了对象的三维体积。三维医学图像数据可以被绘制为一幅或多幅图像。
磁共振(MR)数据在本文中被定义为使用在磁共振成像扫描期间通过磁共振装置的天线对由原子自旋发射的射频信号的所记录的测量结果。MRF磁共振数据是磁共振数据。磁共振数据是医学图像数据的范例。磁共振成像(MRI)图像或MR图像在本文中被定义为包含在磁共振成像数据内的解剖数据的经重建的二维或三维可视化。这种可视化可使用计算机来执行。
如本文所使用的图像或图像数据的放射学特征涵盖使用数据表征或统计算法从一幅或若干幅医学图像提取的一个或若干定量特征。
附图说明
在下文中，将仅通过举例的方式并且参考附图来描述本发明的优选实施例，在附图中：
图1图示了医学仪器的范例；
图2是图示操作图1的医学仪器的方法的流程图；
图3图示了医学仪器的另一范例；
图4图示了医学仪器的另一范例；
图5图示了将肿瘤分成四组体素；
图6图示了将肿瘤分成八组体素；
图7示出了确定肿瘤中心的方法；
图8示出了确定肿瘤中心的另一方法；并且
图9示出了确定肿瘤中心的另一方法。
附图标记列表
100 医学仪器
102 计算机
104 硬件接口
106 处理器
108 用户接口
110 存储器
112 机器可执行指令
114 三维医学图像数据
116 分割
118 中心点的选择
120 多个组
122 计算出的组放射学特征
124 针对每个已计算的组放射学特征的统计量度
126 预定的组加权值
128 标量值
130 预定阈值
132 全局放射学特征
134 全局统计量度
136 预定全局加权值
200 接收描述对象的三维医学图像数据
202 接收对三维医学图像数据的分割
204 选择肿瘤体素的中心点
206 使用正交平面的集合将肿瘤体素分成多个组，其中，中心点在每个正交平面内
208 针对所述多个体素组中的每个计算从放射学特征的集合中选择的至少一个组放射学特征
210 针对所述至少一个组放射学特征中的每个计算统计量度
212 通过计算每个统计度量乘以预定的组加权值的总和来计算标量值，其中，所述预定的组加权值对于每个统计量度都是独有的
214 如果标量值高于预定阈值，则使用信令接口设备提供信号
300 医学仪器
302 磁共振成像系统
304 磁体
306 磁体的膛
308 成像区
309 感兴趣区域
310 磁场梯度线圈
311 肿瘤
312 磁场梯度线圈电源
314 射频线圈
316 收发器
318 对象
320 对象支撑件
330 脉冲序列命令
332 医学图像数据
400 自动活检系统
402 机械臂
404 针活检系统
500 肿瘤体素
502 第一正交平面
504 第二正交平面
600 第三正交平面
700 非肿瘤体素
800 球体
具体实施方式
在附图中，类似地编号的元件是等价元件或执行相同功能。如果功能是等价的，则将不一定在后来的附图中讨论先前已经讨论过的元件。
图1示出医学仪器100的示例。医学仪器100被示为包括计算机102。计算机102包括处理器106，处理器106任选地连接到硬件接口104。硬件接口104使处理器106能够控制附加部件的操作和功能。处理器106还被示为连接到用户接口108和存储器110。存储器110可以是处理器106可访问的存储器的任何组合。这可以包括诸如主存储器、高速缓存的存储器以及诸如闪存RAM、硬盘驱动器或其他存储设备的非易失性存储器。在一些示例中，存储器130可以被认为是非瞬态计算机可读介质。
用户接口108可以包括显示器、音频和/或数据输入部件。例如，用户接口108对于显示数据、视觉信号甚至可能甚至是图形用户接口可能是有用的。用户接口108还可以包含用于生成音频信号的音频生成信号。
存储器110被示为包含机器可执行指令112。机器可执行指令112使得处理器106能够控制医学成像系统100的操作和功能。在该示例中，机器可执行指令112使处理器106能够执行各种数据分析和操纵功能。在其他示例中，机器可执行指令112可以使处理器能够经由硬件接口104来控制额外的部件。存储器110还被示为包含三维医学图像数据114和对三维医学图像数据的分割116。三维医学图像数据114和分割116可以例如已经从医学成像系统、另一存储设备或经由网络接口被接收。分割116也可能已经被手动地或经由用户接口108接收到。
存储器110被示为包含针对被识别为肿瘤体素的分割116的部分的中心点118的选择。存储器110还被示为包含已根据分割116确定或识别的多个组120。存储器110还被示为包含针对多个组120中的每个的计算出的放射学特征122的组。存储器110还被示为包含针对每个计算出的组放射学特征124的统计量度。存储器110还被示为包含预定的组加权值126，所述预定的组加权值126是每个统计量度124所特有的。然后将它们相乘，然后相加以计算标量值128。
标量值128可以与预定值阈值130进行比较，所述预定值阈值130也被示出为存储在存储器110中。如果标量值128高于预定阈值130，则处理器106可以使用用户接口108来生成信号。标量值128还可以额外地通过使用来自全局放射学特征的值来计算，所述全局放射学特征是使用肿瘤体素的整个肿瘤体积来计算的。存储器110被示为任选地包含全局放射学特征132。存储器还被示为包含从全局放射学特征132计算出的全局统计量度134。存储器110还被示为包含预定全局加权值136，所述预定全局加权值136可以与每个全局统计量度134相乘并且被添加到所述标量值128。在这种情况下，预定阈值130还将考虑与全局统计量度134一起确定的值。
图2示出了图示操作图1的医学仪器100的方法的流程图。首先在步骤200中，接收三维医学图像数据114。所述三维医学图像数据描述了对象。所述三维医学图像数据包括体素。接下来在步骤202中，接收分割116。分割将三维医学图像数据114分成非肿瘤体素和肿瘤体素。接下来在步骤204中，选择中心点118。接下来在步骤206中，使用正交平面的集合将肿瘤体素分成多个组120。中心点118在每个正交平面内。然后在步骤208中，计算至少一个组放射学特征122。接下来在步骤210中，针对所述一组放射学特征122中的每个计算统计量度124。然后在步骤212中，计算标量值128。在步骤214中，如果标量值128高于预定阈值130，则经由用户接口108提供信号。
图3图示了医学仪器300的另一示例。图3的医学仪器与图1的医学仪器相似，除了图3中的医学仪器还包括磁共振成像系统302。磁共振成像系统302旨在是示例性的，并且可以由其他成像模态代替，例如正电子发射断层摄影、单光子发射计算机断层摄影和计算机断层摄影。
磁共振成像系统302包括磁体304。磁体304是具有通过其的膛306的超导圆柱型磁体。使用不同类型的磁体也是可能的；例如也可以使用分裂圆柱形磁体和所谓的开放磁体。分裂圆柱磁体类似于标准的圆柱磁体，除了低温恒温器已经分裂成两部分，以允许访问所述磁体的等平面，从而使磁体可以例如与带电粒子束治疗相结合地使用。开放磁体有两个磁体部分，一个在另一个之上，中间的空间足够大以容纳对象：两个部分区的布置类似于亥姆霍兹线圈的布置。开放式磁体是流行的，因为对象较少地受限。在圆柱磁体的低温恒温器内部有超导线圈的集合。在圆柱磁体304的膛306内，存在成像区308，在成像区108中，磁场足够强和均匀以执行磁共振成像。示出了成像区308内的感兴趣区域309。对象318被示出为由对象支撑件320支撑，使得对象318的至少一部分在成像区308和感兴趣区域309内。在感兴趣区域309内，可以看到肿瘤311。
磁体的膛306内还有磁场梯度线圈310的集合，其用于采集初级磁共振数据，以在磁体304的成像区308内对磁自旋进行空间编码。磁场梯度线圈310连接到磁场梯度线圈电源312。磁场梯度线圈310旨在是代表性的。通常，磁场梯度线圈310包含用于在三个正交空间方向上空间地编码的三个分立的线圈的集合。磁场梯度电源将电流供应到所述磁场梯度线圈。供应给磁场梯度线圈310的电流根据时间来进行控制并且可以是斜变的或脉冲的。
与成像区308相邻的是射频线圈314，其用于操纵成像区308内的磁自旋的取向，并且用于接收来自也在成像区308内的自旋的射频发射。射频天线可包含多个线圈元件。射频天线还可以被称为通道或天线。射频线圈314连接到射频收发器316。射频线圈314和射频收发器316可以由独立的发送线圈和接收线圈以及独立的发射器和接收器替代。要理解的是，射频线圈314和射频收发器316是代表性的。射频线圈314旨在还表示专用的发射天线和专用的接收天线。类似地，收发器316也可以表示单独的发射器和接收器。射频线圈314也可以具有多个接收/发射元件，并且射频收发器316可以具有多个接收/发射通道。例如，如果执行诸如SENSE的并行成像技术，则射频线圈314可以具有多个线圈元件。
在该示例中，对象318被定位为使得对象的腹部在感兴趣区域309内。在其他示例中，对象318身体的其他部分可以被定位于感兴趣区域309中。
收发器116和梯度控制器112被示为连接到计算机系统102的硬件接口104。存储器110还被示出为包含脉冲序列命令330。脉冲序列命令包含可用于直接控制磁共振成像系统以采集磁共振数据332的指令，所述指令也被示为存储在存储器110中。处理器106可以将磁共振数据332重建为三维医学图像数据114。
图4图示了医学仪器400的另一示例。图4所示的医学仪器与图3所示的医学仪器相似，不同之处在于，它还具有自动活检系统400。当标量值128高于预定阈值130时，处理器106可以发信号或控制自动活检系统400以自动执行对肿瘤311的活检。自动活检系统400可以例如包括机械臂402和针活检系统404。在该示例中，医学成像系统是磁共振成像系统302。在其他示例中，磁共振成像系统302可以利用诸如CT或计算机断层摄影系统的系统代替。自动活检系统400的使用可以帮助减少医师对电离辐射的暴露。
原则上，MRI数据(以及在一定程度上扩展的CT和PET数据)具有关于肿瘤的丰富信息。但是信息不是平均分配的。例如，位于肿瘤中心的立方体不包含有关肿瘤表面的信息。另一方面，分子病理信息在样品上被收集，其可以通过切开肿瘤来容易地获得。因此，需要进行分区以同时匹配图像数据分析和病理采样。
示例可以提供一种对通过切割一直到肿瘤的质心而获得的简单元素进行途径分析的方法。有一个、两个或三个切口，形成2、4和8个分区。如果肿瘤是大致球形的，则所有部分共享相同形状的体积以及类似地相同形状的表面。在这些体积和表面上，参数被计算(“放射学的”)。参数的这些集合(例如，对于每个分区，大约有10个不同的量)被进一步处理，以产生描述从图像数据导出的表观异质性的单个值。理想情况下，这对应于源自样品分析的分子异质性。由于尚不知道肿瘤的不同部分位于何处，因此针对成像参考系统中的不同取向(针对前两个切口的不同角度)重复评估过程。对于最终评估，使用标量值的最大值。
图5示出了表示肿瘤体素500的球体。标记为502的线定义了第一正交平面，并且球体上的线504定义了第二正交平面。可以看出，这两个正交平面502、504将肿瘤体素500分成多个组120。
图6示出了肿瘤体素的球形组的另一示例。图6类似于图5，除了另外存在第三正交平面600，所述第三正交平面600将肿瘤体素500分成八个的多个组120。
在以上附图中，示出了肿瘤分割的两个示例。图5示出了两个切口，形成4个分区。图6显示了3个切口，形成8个分区。可以清楚地看到所有分区都是一致的。对于非球形肿瘤，情况可能更加复杂。基本上，质心可能不是所有切割都必须经过的理想点。作为质心的替代，可以使用包含所述肿瘤体素的全部的最小球体的中心，或者可以使用只包含肿瘤体素的最大球体的中心。可以使用位置矢量的线性组合。
应用切割后，具有(经分割的)肿瘤体素的集合和相关联的非肿瘤体素的对应的集合。在这些集合上，应用众所周知的评估过程来生成特征值(计算不同的统计量度)。特征值可以是分区中肿瘤表面体素到肿瘤体素的数量，不包括切割表面。其可能是由于肿瘤中造影剂引起的平均信号增加，以及该节段中信号增加的异质性。这些值仅是示例。在文献中描述了数百个这样的值。
从本质上讲，只有值的少数几个不同的集合(约10个)，其在所述集合内非常相似，但是在分析许多肿瘤时，不同的值集之间有所不同。还有一些值只能针对整个肿瘤而非分区进行计算，例如总体积、离心率、位置等。这些值也被计算。让我们将针对整个肿瘤的值称为Wi(全局放射学特征)并且将针对个体分区的值称为组Sij(组放射学特征)，其中，i和j指数描述不同的特征值和不同的分区。则Vi可以是值sij的方差(分区j的方差)或某个其他统计量度。总标量值C可以是
C＝(∑i ki wi)+(∑i li Vi)
即，全局(整个肿瘤)值与分区值方差的加权和。自然，在计算中可以使用许多可能的公式。方差可以由表示值的集合的可变性的任何其他值(例如，最高与最低值之间的差异)替换。除了简单的和，还可以使用乘积或任何其他方式对结果(乘积、幂函数等)产生正面和负面的影响。ki是预定全局加权值。li是预定组加权值。
用不同的切割角重复生成C值的步骤多次，并选择最大C，而假定10到20个角度的集合是足够的。但是，更多角度最终可以改善评估过程。
权重(k和l)最初通过优化过程进行调整。为此，在给定的k和l下，选择区分值C'。C高于C’预测异质性。通过将结果与分子病理数据进行比较，检查样品是否真正具有异质性。对测试集合中的所有肿瘤都执行此操作。然后更改C'k和l值并执行新的测试。如果比以前更好，则保持权重并重复该过程，直到达到最佳灵敏度为止。
示例可能已经在MRI(例如DCE和扩散)图像的背景下进行了描述，但可以应用于任何成像模式，例如计算机断层摄影(CT)和正电子发射断层摄影(PET)。甚至可以组合来自不同成像模态的特征。
图7将三维医学图像数据114表示为二维图。可以看出，医学图像数据114被分割为肿瘤体素500和非肿瘤体素700。还示出了中心点118。通过确定肿瘤体素500的重心来确定图7中的中心点。
图8示出了三维医学图像数据114的另一绘制。图8中的曲线类似于图7，除了中心点118的位置不同。在此示例中，使用具有包围所述肿瘤体素的全部500的最小体积的球体800。然后选择此球体800的中心作为中心点118。图8中的示例也可以被修改。代替所述肿瘤体素的全部500被放进的适合的最小体积，还可以允许一定数量或百分比的体素500也位于球体800的外部。额外地，也可以选择其他形状代替球体800。例如，可以使用椭球代替球体800。
图9示出了三维医学图像数据114的二维表示的另一视图。图9中的示例与图8中的示例相似，不同之处在于，球体800现在是最大的球体，可容纳在所述肿瘤体素的全部500内。可以看出，中心点118位于稍微不同的位置。与图8一样，也可以放宽所有需要在球体800内的体素的严格条件，或者可以选择不同的形状。当选择中心点118的位置时，诸如在图7、8和9中示出的各种方法可以全部被选择，并且可以例如使用线性组合对中心118的位置进行平均或组合。
尽管已经在附图和前面的描述中详细图示和描述了本发明，但是这样的图示和描述应当被认为是图示性或示范性的，而非限制性的。本发明不限于公开的实施例。
本领域技术人员通过研究附图、公开内容以及权利要求书，在实践请求保护的本发明时能够理解并且实现对所公开的实施例的其他变型。在权利要求中，“包括”一词不排除其他元件或步骤，并且词语“一”或“一个”不排除多个。单个处理器或者其它单元可以实现权利要求书中记载的若干项的功能。尽管特定措施是在互不相同的从属权利要求中记载的，但是这并不指示不能有利地使用这些措施的组合。可以将计算机程序存储/分布在与其它硬件一起提供或者作为其它硬件的一部分提供的诸如光存储介质或者固态介质的合适介质上，但是还可以以诸如经因特网或者其它有线或无线电信系统的其它形式分布。权利要求书中的任何附图标记不应被解释为对范围的限制。

Claims (15)

1.一种医学仪器(100、300、400)，包括：
存储器(110)，其用于存储机器可执行指令(112)；
处理器(106)，其用于控制所述医学仪器，其中，所述机器可执行指令的运行使所述处理器：
接收(200)描述对象(318)的三维医学图像数据(114)，其中，所述三维医学图像数据包括体素；
接收(202)对所述三维医学图像数据的分割，其中，所述分割将所述三维图像数据分成非肿瘤体素(700)和肿瘤体素(500)；
选择(204)所述肿瘤体素的中心点(118)；
使用正交平面(502、504、600)的集合将所述肿瘤体素分成(206)多个组(120)，其中，所述中心点在所述正交平面中的每个内；
针对所述多个体素组中的每个，计算(208)从放射学特征的集合中选择的至少一个组放射学特征(122)；
针对所述至少一个组放射学特征中的每个，计算(210)统计量度(124)；
通过计算每个统计度量与预定的组加权值(126)乘积的总和来计算(212)标量值(128)，其中，所述预定的组加权值对于每个统计量度都是独有的；并且
如果所述标量值高于预定阈值(130)，则使用信令接口设备(108、402)来提供(214)信号。
2.根据权利要求1所述的医学仪器，其中，所述机器可执行指令的运行还使所述处理器：通过执行针对正交平面的所述集合关于所述中心点的多个旋转位置的所述标量值的计算来构造标量值的集合，并且其中，所述信号的所述提供是针对从标量值的所述集合中选择的最大标量值来执行的。
3.根据权利要求1或2所述的医学仪器，其中，所述机器可执行指令的运行还使所述处理器：
计算从针对所述肿瘤体素的放射学特征的所述集合中选出的至少一个全局放射学特征(132)；并且
针对所述至少一个全局放射学特征中的每个计算全局统计量度(134)，其中，所述标量值还通过将每个全局统计量度与预定全局加权值(136)乘积进行加和来计算，其中，所述预定全局加权值对于每个全局方差都是独有的。
4.根据前述权利要求中的任一项所述的医学仪器，其中，所述机器可执行指令的运行还使所述处理器执行以下操作中的任一项：
至少部分地从用户接口接收所述分割；
通过将分割算法应用于所述三维图像数据来至少部分地接收所述分割；以及
其组合。
5.根据前述权利要求中的任一项所述的医学仪器，其中，使用以下中的任一项来选择所述中心点：
计算所述肿瘤体素的质心；
识别包围所述肿瘤体素的全部的最小球体的中心；
识别包围所述肿瘤体素的给定百分比的最小球体的中心；
识别包围所述肿瘤体素的全部的最大球体的中心；
识别包围所述肿瘤体素的所述给定百分比的最大球体的中心；
识别包围所述肿瘤体素的全部的最小体积椭球体的中心；以及
识别包围体积肿瘤体素的所述给定百分比的最小体积椭球体的中心；以及
其线性组合或平均。
6.根据前述权利要求中的任一项所述的医学仪器，其中，所述机器可执行指令的运行还使所述处理器：
接收训练医学图像数据，其中，所述训练医学图像数据是描述多个肿瘤的三维数据；
接收对所述训练图像数据的分割，其中，所述分割将训练医学图像数据分为所述非肿瘤体素和所述肿瘤体素。
针对所述训练医学图像数据中的每个，选择所述中心点；
针对所述训练医学图像数据中的每个，使用正交平面的所述集合将所述肿瘤体素分成所述多个体素组；
针对所述训练医学图像数据中的每个，针对所述多个体素组中的每个，计算从放射学特征的所述集合中选择的至少一个组放射学特征；
针对所述训练医学图像数据中的每个，计算所述至少一个组放射学特征中的每个的统计量度；
针对所述多个肿瘤中的每个，接收肿瘤异质性量度；并且
使用优化来针对所述训练医学图像数据中的每个的所述统计量度计算所述预定的组加权值，其中，所述优化使针对所述多个肿瘤中的每个肿瘤的所述肿瘤异质性量度等于针对所述训练医学图像数据中的每个训练医学图像数据的每个统计量度与所述预定的组加权值乘积的总和。
7.根据权利要求6所述的医学仪器，其中，所述肿瘤异质性度量描述以下中的任一项：
空间依赖的生物分析特性；
空间依赖的DNA序列数据：
空间依赖的RNA激活数据；
空间依赖的生物受体浓度；以及
其组合。
8.根据前述权利要求中的任一项所述的医学仪器，其中，以下中任意一项：
所述信令接口设备包括图形用户接口，并且所述信号包括描述所述标量值的警告显示和/或文本消息；
所述信令接口设备包括音频声音发生器，并且所述信号包括可听信号；
所述信令接口设备包括活检计划生成器，并且所述信号包括活检指令；以及
其组合。
9.根据前述权利要求中的任一项所述的医学仪器，其中，所述医学仪器包括自动活检系统(402)，其中，所述机器可执行指令的运行还使所述处理器在由所述信令设备提供了所述信号的情况下控制所述自动活检系统来对所述肿瘤进行活检。
10.根据前述权利要求中的任一项所述的医学仪器，其中，放射学特征的所述集合包括以下中的任一种：
体积；
最大长度特征；
最小长度特征；
尺寸依赖的特征；
体积依赖的特征；
直方图描述符；
体素间关系描述符；
灰度共现矩阵；
延伸长度矩阵；
尺寸区域矩阵，
邻域灰度色调差异矩阵导出的纹理；
应用滤波器后提取的一种或多种纹理；
表面纹理量度；
分形特征；以及
其组合。
11.根据前述权利要求中的任一项所述的医学仪器，其中，所述医学仪器还包括医学成像系统(302)，其中，所述机器可执行指令的运行还使所述处理器控制所述医学成像系统以从所述对象采集所述三维医学图像数据，并且其中，所述处理器从所述医学成像系统接收所述三维医学图像数据。
12.根据权利要求11所述的医学仪器，其中，所述医学成像系统是以下中的任一项：磁共振成像系统(302)、正电子发射断层摄影系统、单光子发射计算机断层摄影系统、超声系统以及计算机断层摄影系统。
13.根据权利要求11所述的医学仪器，其中，所述医学仪器是磁共振成像系统(302)，其中，所述三维医学图像数据是以下中的任一种：扩散加权磁共振图像和动态对比增强磁共振成像或其系列。
14.一种包括机器可执行指令(112)的计算机程序产品，所述机器可执行指令用于由控制医学仪器(100、300、400)的处理器(106)运行，其中，所述机器可执行指令的运行使所述处理器：
接收(200)描述对象(118)的三维医学图像数据(114)，其中，所述三维医学图像数据包括体素；
接收(202)对所述三维医学图像数据的分割，其中，所述分割将所述三维图像数据分成非肿瘤体素(700)和肿瘤体素(500)；
选择(204)所述肿瘤体素的中心点(118)；
使用正交平面(502、504、600)的集合将所述肿瘤体素分成(206)多个组(120)，其中，所述中心点在所述正交平面中的每个内；
针对所述多个体素组中的每个，计算(208)从放射学特征的集合中选择的至少一个组放射学特征(122)；
针对所述至少一个组放射学特征中的每个，计算(210)统计量度(124)；
通过计算每个统计度量与预定的组加权值(136)的乘积的总和来计算(212)标量值(128)，其中，所述预定的组加权值对于每个统计量度都是独有的；并且
如果所述标量值高于预定阈值(130)，则使用信令接口设备(108、402)来提供(214)信号。
15.一种分析三维医学图像数据(114)的方法，其中，所述方法包括：
接收(200)描述对象(118)的三维医学图像数据，其中，所述三维医学图像数据包括体素；
接收(202)对所述三维医学图像数据的分割，其中，所述分割将所述三维图像数据分成非肿瘤体素(700)和肿瘤体素(502)；
选择(204)所述肿瘤体素的中心点(118)；
使用正交平面(502、504、600)的集合将所述肿瘤体素分成(206)多个组(120)，其中，所述中心点在所述正交平面中的每个内；
针对所述多个体素组中的每个体素组，计算(208)从放射学特征的集合中选择的至少一个组放射学特征；
针对所述至少一个放射测量特征中的每个，计算(210)统计量度(124)；
通过计算每个统计度量与预定的组加权值(126)的乘积的总和来计算(212)标量值(128)，其中，所述预定的组加权值对于每个统计量度都是独有的；并且
如果所述标量值高于预定阈值(130)，则使用信令接口设备(108、402)来提供(214)信号。
CN201880075589.8A 2017-09-22 2018-08-30 自动肿瘤划分 Pending CN111373440A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
EP17192531.6A EP3460751A1 (en) 2017-09-22 2017-09-22 Automated tumor partitioning
EP17192531.6 2017-09-22
PCT/EP2018/073296 WO2019057459A1 (en) 2017-09-22 2018-08-30 PARTITIONING OF AUTOMATED TUMOR

Publications (1)

Publication Number Publication Date
CN111373440A true CN111373440A (zh) 2020-07-03

Family

ID=59955411

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201880075589.8A Pending CN111373440A (zh) 2017-09-22 2018-08-30 自动肿瘤划分

Country Status (5)

Country Link
US (1) US10997726B2 (zh)
EP (2) EP3460751A1 (zh)
JP (1) JP2020534105A (zh)
CN (1) CN111373440A (zh)
WO (1) WO2019057459A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11398074B1 (en) 2021-04-21 2022-07-26 Hong Kong Applied Science and Technology Research Institute Company Limited Method and apparatus for identifying planes of objects in 3D scenes

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080033302A1 (en) * 2006-04-21 2008-02-07 Siemens Corporate Research, Inc. System and method for semi-automatic aortic aneurysm analysis
CN101152104A (zh) * 2006-04-21 2008-04-02 美国西门子医疗解决公司 半自动主动脉瘤分析用的系统和方法
WO2010115885A1 (en) * 2009-04-03 2010-10-14 Oslo Universitetssykehus Hf Predictive classifier score for cancer patient outcome
CN101969852A (zh) * 2008-03-04 2011-02-09 断层放疗公司 用于改进图像分割的方法和系统
CN107072628A (zh) * 2014-10-27 2017-08-18 医科达有限公司 用于放射治疗的图像导引

Family Cites Families (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6842638B1 (en) * 2001-11-13 2005-01-11 Koninklijke Philips Electronics N.V. Angiography method and apparatus
US6843638B2 (en) 2002-12-10 2005-01-18 Honeywell International Inc. Vane radial mounting apparatus
JP2004222864A (ja) * 2003-01-21 2004-08-12 Mitsubishi Research Institute Inc 診断支援システム、診断支援方法及び診断支援プログラム
US8229200B2 (en) * 2005-03-14 2012-07-24 General Electric Company Methods and systems for monitoring tumor burden
US20060247864A1 (en) * 2005-04-29 2006-11-02 Jose Tamez-Pena Method and system for assessment of biomarkers by measurement of response to surgical implant
US9420983B2 (en) * 2007-11-06 2016-08-23 Koninklijke Philips N.V. System for quantification of neovasculature in CT volumes
US20170216632A1 (en) * 2010-04-16 2017-08-03 W. Davis Lee Dispersive force corrected gantry based radiation treatment apparatus and method of use thereof
US10751551B2 (en) * 2010-04-16 2020-08-25 James P. Bennett Integrated imaging-cancer treatment apparatus and method of use thereof
US9129391B2 (en) * 2011-09-28 2015-09-08 Siemens Aktiengesellschaft Semi-automated preoperative resection planning
CN103098090B (zh) * 2011-12-21 2015-01-21 中国科学院自动化研究所 多参数三维磁共振图像脑肿瘤分割方法
WO2014113786A1 (en) * 2013-01-18 2014-07-24 H. Lee Moffitt Cancer Center And Research Institute, Inc. Quantitative predictors of tumor severity
GB201316853D0 (en) 2013-09-23 2013-11-06 St Georges Hosp Medical School Analysing MRI Data to Determine tumour type
WO2015054597A2 (en) 2013-10-12 2015-04-16 H. Lee Moffitt Cancer Center And Research Institute, Inc. Systems and methods for diagnosing tumors in a subject by performing a quantitative analysis of texture-based features of a tumor object in a radiological image
WO2015061882A1 (en) 2013-10-28 2015-05-07 London Health Sciences Centre Research Inc. Method and apparatus for analyzing three-dimensional image data of a target region of a subject
GB201321118D0 (en) 2013-11-29 2014-01-15 St Georges Hosp Medical School Analysing MRI data to determine tumour type
WO2015139963A1 (en) * 2014-03-17 2015-09-24 Koninklijke Philips N.V. Interactive 3d image data segmentation
US20180325461A1 (en) 2015-05-29 2018-11-15 Northwestern University Systems and Methods for Producing Quantitatively Calibrated Grayscale Values in Magnetic Resonance Images

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080033302A1 (en) * 2006-04-21 2008-02-07 Siemens Corporate Research, Inc. System and method for semi-automatic aortic aneurysm analysis
CN101152104A (zh) * 2006-04-21 2008-04-02 美国西门子医疗解决公司 半自动主动脉瘤分析用的系统和方法
CN101969852A (zh) * 2008-03-04 2011-02-09 断层放疗公司 用于改进图像分割的方法和系统
WO2010115885A1 (en) * 2009-04-03 2010-10-14 Oslo Universitetssykehus Hf Predictive classifier score for cancer patient outcome
CN107072628A (zh) * 2014-10-27 2017-08-18 医科达有限公司 用于放射治疗的图像导引

Also Published As

Publication number Publication date
EP3460751A1 (en) 2019-03-27
JP2020534105A (ja) 2020-11-26
WO2019057459A1 (en) 2019-03-28
US20200250829A1 (en) 2020-08-06
EP3685351A1 (en) 2020-07-29
EP3685351B1 (en) 2021-03-03
US10997726B2 (en) 2021-05-04

Similar Documents

Publication Publication Date Title
US11373304B2 (en) Medical analysis method for predicting metastases in a test tissue sample
US11475559B2 (en) Artificial intelligence-enabled localization of anatomical landmarks
EP2991546B1 (en) Detection of bone tissue using magnetic resonance imaging
JP7399102B2 (ja) 医用イメージングにおける自動スライス選択
CN108351395B (zh) 来自磁共振图像的虚拟ct图像
EP3602095A1 (en) Image segmentation using reference gray scale values
CN107209241B (zh) 磁共振图像的自动分组
CN109890283B (zh) 用于根据磁共振图像来准确定位3d对象的辐射治疗系统
EP3861527B1 (en) Simultaneous partial volume correction and segmentation refinement
US10997726B2 (en) Automated tumor partitioning
JP7437397B2 (ja) 球状ニューラルネットワークを用いた拡散磁気共鳴撮像
CN113711076A (zh) 狄克逊磁共振成像中的水-脂肪交换的自动检测
EP4332891A1 (en) Anatomical segmentation of tomographic images containing anatomical anomalies
WO2023156233A1 (en) Detection of artifical structures in magentic resonance images due to neural networks

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
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20200703

WD01 Invention patent application deemed withdrawn after publication