CN111630562A - 用于评估肺部图像的系统 - Google Patents
用于评估肺部图像的系统 Download PDFInfo
- Publication number
- CN111630562A CN111630562A CN201880087127.8A CN201880087127A CN111630562A CN 111630562 A CN111630562 A CN 111630562A CN 201880087127 A CN201880087127 A CN 201880087127A CN 111630562 A CN111630562 A CN 111630562A
- Authority
- CN
- China
- Prior art keywords
- lung
- image
- values
- noise
- images
- 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
Links
- 210000004072 lung Anatomy 0.000 title claims abstract description 331
- 210000001147 pulmonary artery Anatomy 0.000 claims abstract description 60
- 238000009499 grossing Methods 0.000 claims abstract description 37
- 238000000034 method Methods 0.000 claims description 33
- 230000005855 radiation Effects 0.000 claims description 27
- 238000004590 computer program Methods 0.000 claims description 11
- 206010056342 Pulmonary mass Diseases 0.000 abstract description 26
- 230000002685 pulmonary effect Effects 0.000 abstract description 23
- 210000004204 blood vessel Anatomy 0.000 abstract description 19
- 238000002591 computed tomography Methods 0.000 description 16
- 238000003384 imaging method Methods 0.000 description 9
- 238000001514 detection method Methods 0.000 description 7
- 238000012216 screening Methods 0.000 description 5
- 230000011218 segmentation Effects 0.000 description 5
- 208000020816 lung neoplasm Diseases 0.000 description 4
- 238000010606 normalization Methods 0.000 description 4
- 238000012935 Averaging Methods 0.000 description 3
- 206010058467 Lung neoplasm malignant Diseases 0.000 description 3
- 230000007423 decrease Effects 0.000 description 3
- 230000001419 dependent effect Effects 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 201000005202 lung cancer Diseases 0.000 description 3
- 238000013170 computed tomography imaging Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000013442 quality metrics Methods 0.000 description 2
- 206010028980 Neoplasm Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000003706 image smoothing Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 208000037841 lung tumor Diseases 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 201000008827 tuberculosis Diseases 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- 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
- A61B6/50—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
-
- 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
-
- 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
- A61B6/5258—Devices using data or image processing specially adapted for radiation diagnosis involving detection or reduction of artifacts or noise
-
- 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
- A61B6/54—Control of apparatus or devices for radiation diagnosis
- A61B6/542—Control of apparatus or devices for radiation diagnosis involving control of exposure
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
- A61N5/00—Radiation therapy
- A61N5/10—X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy
- A61N5/103—Treatment planning systems
- A61N5/1031—Treatment planning systems using a specific method of dose optimization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
-
- 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
- A61B6/5205—Devices using data or image processing specially adapted for radiation diagnosis involving processing of raw data to produce 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
- A61B6/54—Control of apparatus or devices for radiation diagnosis
- A61B6/545—Control of apparatus or devices for radiation diagnosis involving automatic set-up of acquisition parameters
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20021—Dividing image into blocks, subimages or windows
-
- 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
- G06T2207/20172—Image enhancement details
- G06T2207/20182—Noise reduction or smoothing in the temporal domain; Spatio-temporal filtering
-
- 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
- G06T2207/30061—Lung
-
- 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
- G06T2207/30061—Lung
- G06T2207/30064—Lung nodule
-
- 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
- G06T2207/30168—Image quality inspection
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Biomedical Technology (AREA)
- Veterinary Medicine (AREA)
- Animal Behavior & Ethology (AREA)
- Public Health (AREA)
- Pathology (AREA)
- Theoretical Computer Science (AREA)
- Molecular Biology (AREA)
- High Energy & Nuclear Physics (AREA)
- Optics & Photonics (AREA)
- Biophysics (AREA)
- Heart & Thoracic Surgery (AREA)
- Surgery (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Dentistry (AREA)
- Vascular Medicine (AREA)
- Pulmonology (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种用于评估肺部图像的系统,所述系统允许关于肺结节的可检测性进行改进的评估。对肺部图像进行平滑以为不同的肺部图像20、21、22提供不同程度的平滑,其中,确定指示肺部血管可检测性和这些图像中的噪声的信号值和噪声值,并将其用于确定图像质量,所述图像质量指示要被评估的肺部图像用于检测肺结节的可用性。由于肺部图像显示的肺部血管具有许多不同的血管尺寸和许多不同的图像值,通常很好地覆盖了潜在的肺结节的各个范围,基于具有不同程度的平滑的不同肺部图像的图像质量确定允许对肺部图像检测肺结节可用性的可靠评估。
Description
技术领域
本发明涉及用于评估肺部图像的系统、方法和计算机程序。
背景技术
为了检测肺结节,经常使用肺部图像,例如肺部计算机断层摄影图像,其中,为了关于肺部图像针对可靠地检测肺部结节的可用性评估肺部图像的图像质量,可以确定其噪声。然而,仅基于噪声来确定图像质量常常不够好,因为在肺部图像中肺结节的可检测性也可能取决于其他因素。
发明内容
发明内容本发明的目的是提供一种用于评估肺部图像的系统、方法和计算机程序,其允许关于肺部图像中的肺结节的可检测性进行改进的评估。
在本发明的第一方面,提出了一种用于评估肺部图像的系统,其中,所述系统包括:
肺部图像提供单元,其被配置为提供肺部图像,所述肺部图像包括被分配了图像值并示出肺部血管的图像元素,
平滑单元,其被配置为对所提供的肺部图像进行平滑,以提供具有不同程度的平滑的不同肺部图像,
信号值确定单元,其被配置为确定针对不同肺部图像的信号值,其中,针对相应的肺部图像,基于相应的肺部图像的所述图像值来确定一个或多个信号值,所述一个或多个信号值指示所述相应的肺部图像中的肺部血管的可检测性,
噪声值确定单元,其被配置为确定针对不同肺部图像的噪声值,其中,针对相应的肺部图像,基于所述相应的肺部图像的图像值来确定一个或多个噪声值,所述一个或多个噪声值指示所述相应的肺部图像中的噪声,
图像质量确定单元,其被配置为基于针对不同的肺部图像确定的所述信号值和所述噪声值来确定所提供的未经平滑的图像的图像质量。
在肺部图像中,存在具有许多不同血管尺寸和许多不同图像值(例如亨氏密度)的肺部血管,它们通常很好地覆盖了潜在肺结节的相应范围。由于不同的肺部图像对应于不同程度的平滑,例如不包括平滑和包括一个或多个不同程度的平滑,因此在不同的肺部图像中,肺部血管的尺寸分布是不同的,例如,随着平滑程度的提高,此分布的“质心”将移到更大的尺寸。因此,针对不同肺部图像中的肺部血管尺寸的不同分布确定信号值和噪声值,其中,已经发现,通过使用这些信号值和噪声值来确定所提供的未经平滑的肺部图像的图像质量,可以非常准确地确定肺部图像是否适合于检测肺结节。
肺部图像提供单元可以是其中已经存储了肺部图像并且可以从中检索肺部图像的存储单元。肺部图像提供单元还可以是用于从诸如计算机断层摄影系统的肺部图像生成系统接收肺部图像的接收单元,其中,所述肺部图像提供单元可以适于提供所接收的肺部图像。所述肺部图像提供单元也可以是肺部图像生成系统,其生成肺部图像并提供所生成的肺部图像。优选地,所提供的肺部图像是通过对患者施加辐射剂量而生成的计算机断层摄影图像。但是,所述肺部图像也可以是由另一种成像方式生成的图像,其也可以示出肺部血管。
所述平滑单元被配置为对分配给图像元素的图像值执行空间平滑。该平滑可以是高斯平滑或另一种平滑。所述平滑单元可以适于生成一个平滑的肺部图像或多个平滑的肺部图像,其中,若干个平滑的肺部图像被平滑到不同程度的平滑。为了确定图像质量,所述图像质量确定单元优选地使用一个或多个不同地平滑的肺部图像,并且还优选地使用所提供的未经平滑的肺部图像。
在一个实施例中,所述信号值确定单元被配置为基于相应肺部图像的图像值来在相应肺部图像中分割肺部血管,以基于分割的肺部血管的肺部图像确定指示相应肺部中的肺部血管数量的一个或若干个肺部血管值,并基于确定的一个或多个肺部血管值确定相应肺部图像的一个或若干个信号值。特别地,信号值确定单元被配置为将经分割的肺部血管细分为横截面子元素,并基于多个横截面子元素来确定一个或若干个肺部血管值。为了将相应的经分割的肺部血管细分成横截面子元素,优选地假设了相应的经分割的肺部血管的各个横截面子元素的预定厚度。相应的肺部图像中的横截面子元素的数量为肺部图像中肺部血管的可检测性提供了可靠的量度,这可以导致改善的信号值并因此改善对图像质量的确定。
信号值确定单元可以适于确定相应的肺部图像的单个信号值或确定相应的肺部图像的若干个信号值,其中,在后一种情况下,同一肺部图像的不同信号值优选地对应于肺部血管的不同尺寸。因此,肺部血管的尺寸可以细分为尺寸类别,并且针对每个尺寸类别并且针对每个肺部图像,可以确定相应的信号值。例如,可以确定横截面子元素的尺寸并将其细分为尺寸类别,并且针对相应的肺部图像,并且针对相应的肺部图像的在相应尺寸类别中的尺寸的横截面子元素的数量可以被认为是针对所述相应的尺寸类别(即针对于相应的结构尺寸以及针对相应的肺部图像)的信号值。横截面子元素的尺寸可以确定为区域等效直径。但是,也可以使用其他尺寸度量。
噪声值确定单元优选地被配置为基于表示分割的肺部血管的相应肺部图像的图像值来确定相应的肺部图像的一个或若干个噪声值。因此,优选地,所述一个或若干个噪声值与整个相应的肺部图像不相关,而仅与相应的肺部图像中示出肺部血管的部分有关。通过使用这些噪声值来确定图像质量,可以进一步改善图像质量的确定。特别地,噪声值确定单元被配置为针对每个横截面子元素确定指示各个横截面子元素中的噪声的各个噪声子值,并基于所确定的噪声子值来确定一个或多个噪声值。
噪声值确定单元可以适于确定针对相应的肺部图像的单个噪声值或者确定针对相应的肺部图像的若干个噪声值,其中,在后一种情况下,同一肺部图像的不同噪声值优选地对应于肺部血管的不同尺寸。因此,肺部血管的尺寸可以细分为尺寸类别,并且针对每个尺寸类别并且针对每个肺部图像,可以确定相应的噪声值。例如,可以确定横截面子元素的尺寸并将其细分为尺寸类别,并且针对相应的肺部图像的在相应尺寸类别中的尺寸的横截面子元素的噪声子值的平均可以被认为是针对所述相应的尺寸类别(即针对于相应的结构尺寸以及针对相应的肺部图像)的噪声值。为了确定肺部图像的单个噪声值,可以对已经为该肺部图像确定的所有噪声子值求平均。
优选地,信号值的确定基于横截面子元素的数量,并且噪声值的确定基于己经针对这些横截面子元素确定的噪声子值,其中,对横截面子元素的这种考虑导致可靠地确定信号值和噪声值,并因此进一步改善了基于这些信号值和噪声值的图像质量的确定。
在优选的实施例中,信号值确定单元适于确定针对不同肺部图像中不同尺寸的肺部血管的信号值,其中,所述噪声值确定单元适于确定不同肺部图像中不同尺寸的肺部血管的噪声值,其中,所述图像质量确定单元被配置为提供针对不同尺寸的肺部血管的参考信号值和参考噪声值,并确定图像质量,使得其指示a)所确定的信号值和所确定的噪声值与b)所提供的参考信号值和参考噪声值的偏差。因此,确定所确定的信号和噪声值与所提供的参考信号和噪声值的偏差,其中,所述图像质量指示该偏差。
在所提供的未经平滑的肺部图像中,肺结节(如果存在)应该可以被可靠地检测到,其中,肺结节在肺部图像中的可检测性通常取决于施加给患者以生成肺部图像的放射剂量,即,施加到图像的放射剂量越高,肺结节在肺部图像中的可检测性越大。另一方面,施加到患者身上的放射剂量不应高于针对可靠检测肺结节真正所需的剂量,因为放射剂量本身可能会对患者具有不利影响,即放射剂量在合理实现的情况下应尽可能低,其中,此要求也称为“ALARA”原则。优选地提供参考信号和噪声值,使得具有这些值的肺部图像符合ALARA原则。然后,所确定的图像质量可以作为针对符合ALARA原则的程度的度量。
优选地,所述图像质量确定单元被配置为:i)基于针对肺部血管的不同尺寸而确定的信号值和噪声值来确定第一流形(manifold),其中,所述表面是在由信号值维度、噪声值维度和肺部血管尺寸维度定义的空间中确定的;ii)基于针对不同尺寸的肺部血管提供的参考信号值和参考噪声值来确定空间中的第二流形iii)针对在第一流形上的多个位置确定第一和第二流形之间的距离,并且iv)基于所述距离来确定图像质量。此外,图像质量确定单元优选地被配置为确定第一流形的面积,即第一表面的面积,针对其所确定的距离大于预定的距离阈值,并基于该面积来确定图像质量。该区域可以是单个区域,或者其可以包含若干个单独的子区域。特别地,图像质量确定单元被配置为根据第二流形上方即第二表面上方的区域的尺寸和/或取决于所定义空间中的第二流形下方的区域的尺寸来确定图像质量。例如,如果偏差量度指示第二流形下方的区域的尺寸大于预定尺寸阈值,则所述图像质量确定单元可以被配置为确定不足的图像质量。因此,作为所确定的信号值和噪声值与参考信号值和噪声值之间的偏差量度,由参考值限定的第二流形上方的区域的尺寸和/或该第二流形下方的区域的尺寸可以是用于确定图像质量。通过使用该区域的尺寸(可以包括若干个单独的子区域),可以进一步改善图像质量的确定。
在一个实施例中,肺部图像提供单元被配置为提供具有切片厚度的切片图像作为肺部图像,其中,信号值确定单元适于关于切片厚度来对相应的信号值进行归一化。切片图像可以在切片方向上,即在垂直于该实施例中肺部图像主要延伸的平面的方向上,具有一个或若干个体素。此外,信号值确定单元可以被配置为将肺部空间确定为肺部图像中的至少一个内的由肺部占据的空间,并且关于所确定的肺部空间标准化各个信号值。优选地,在提供的未经平滑的肺部图像中确定肺部空间,所述肺部空间可能是肺部体积。肺部空间,即被肺覆盖的肺部图像内的空间的尺寸,可以通过使用已知的肺分割技术来确定。通过使用这些归一化,可以进一步改善信号值的质量并且因此尤其基于信号值的图像质量的确定。
该系统可以还包括剂量水平确定单元,所述剂量水平确定单元被配置为基于所确定的图像质量来确定要被应用以产生下一肺部图像的放射剂量水平。特别地,肺部图像提供单元可以被配置为提供肺部图像,使得其是已经通过向肺施加一定的辐射剂量水平而生成的图像,其中,所述剂量水平确定单元可以被配置为:如果所确定的图像质量大于预定质量阈值,则确定要应用于生成下一个肺部图像的辐射剂量水平,使得所述辐射剂量水平小于所述特定辐射剂量水平。例如,如果如上所述已经基于第一流形在第二流形上方的区域的尺寸确定了图像质量,其中,所述预定质量阈值对应于该区域的预定尺寸阈值,大于预定质量阈值的图像质量可以指示图像质量高于可靠地检测所提供的未经平滑肺部图像中的肺结节所需的图像质量,其中,这允许减少施加到肺部的辐射剂量水平。同样,如果不是通过使用该区域的尺寸来确定图像质量,而是通过使用另一种方法来确定所确定的信号和噪声值与所提供的参考信号和噪声值之间的偏差,则所确定的图像质量大于预定义的质量阈值可能指示不必要的高图像质量,这允许降低了辐射剂量水平。这可以导致利用ALARA原则更好地对齐下一个肺部图像的生成。
该系统可以还包括允许用户修改所提供的肺部图像的用户接口,其中,所述系统可以适于基于经修改的肺部图像来确定图像质量。因此,可以基于经修改的肺部图像来执行所有处理步骤。这允许用户交互式地修改肺部图像,从而确定所提供的未经平滑的肺部图像的特性如何影响图像质量。例如,用户可以交互地更改设置,例如动态窗口/水平和空间屏幕分辨率。
在本发明的另一方面中,提出了一种用于评估肺部图像的方法,其中,所述方法包括:
由肺部图像提供单元提供肺部图像,所述肺部图像包括图像元素,所述图像元素被分配以图像值并且示出肺部血管,
由平滑单元对所提供的肺部图像进行平滑,以提供具有不同程度的平滑的不同肺部图像,
由信号值确定单元确定针对不同肺部图像的信号值,其中,针对相应的肺部图像,基于相应的肺部图像的所述图像值来确定一个或多个信号值,所述一个或多个信号值指示所述相应的肺部图像中的所述肺部血管的可检测性,
由噪声值确定单元确定针对所述不同肺部图像的噪声值,其中,针对相应的肺部图像,基于所述相应的肺部图像的所述图像值来确定一个或多个噪声值,所述一个或多个噪声值指示所述相应的肺部图像中的噪声,
由图像质量确定单元基于针对所述不同肺部图像确定的信号值和噪声值,确定所提供的未经平滑的图像的图像质量。
在本发明的另一方面中,提出了一种用于评估肺部图像的计算机程序,其中,所述计算机程序包括程序代码单元,当所述计算机程序在控制所述系统的计算机上运行时,所述程序代码单元用于使根据权利要求1所述的用于评估肺部图像的系统执行根据权利要求14所述的用于评估肺部图像的方法的步骤。
应当理解,根据权利要求1所述的系统,根据权利要求14所述的方法和根据权利要求15的计算机程序具有相似和/或相同的优选实施例,特别是如从属权利要求中所限定的。
应该理解,本发明的优选实施例也可以是从属权利要求或以上实施例与各自的独立权利要求的任何组合。
本发明的这些和其他方面将根据下文描述的实施例变得显而易见,并且将参考下文描述的实施例得到阐述。
附图说明
在以下附图中:
图1示意性且示例性地示出了用于评估肺部图像的系统的实施例,
图2图示了若干可检测的肺部血管对图像平滑度的依赖性,
图3示出了示例性地图示用于评估肺部图像的方法的实施例的流程图,
图4示例性地示出了曲线,其图示了对于单个结构尺寸,具有不同程度的平滑的肺部血管的横截面子元素的数量和噪声的变化,
图5示例性地图示了曲线图,所述曲线图示出了结构尺寸对图4所示的曲线的影响,并且
图6和7示例性地示出了曲线图,所述曲线图图示了对于提供的不同肺部图像,肺部血管的可检测横截面子元素的数量和噪声如何不同。
具体实施方式
图1示意性且示例性地示出了用于评估肺部图像的系统的实施例。系统1包括:肺部图像提供单元,其被配置为提供肺部图像,所述肺部图像包括被分配了图像值并示出肺部血管的图像元素。在该实施例中,所述肺部图像提供单元2是存储肺部图像的存储单元,其中,所述存储单元适于提供所存储的肺部图像。此外,在该实施例中,所述肺部图像是患者的肺部的计算机断层摄影图像。所述患者优选地是人。然而,所述患者也可以是动物。
系统1还包括平滑单元3,所述平滑单元3用于以不同程度的平滑在空间上平滑所提供的肺部图像,以便生成不同的经平滑的肺部图像。在该实施例中,平滑单元3适于应用高斯图像平滑。所得到的肺部图像对应于不同的尺度水平,或者换句话说,对应于不同的尺度空间水平。
系统1还包括信号值确定单元4,所述信号值确定单元4被确定为确定针对不同地平滑的肺部图像以及针对所提供的未经平滑的肺部图像的信号值,其中,针对相应的肺部图像,基于相应的肺部图像的所述图像值来确定一个或若干个信号值,所述一个或若干个信号值指示所述相应的肺部图像中的肺部血管的可检测性。在该实施例中,所述信号值确定单元被配置为基于相应肺部图像的图像值在相应肺部图像中分割肺部血管,以基于分割的肺部血管的肺部图像确定指示相应肺中肺部血管数量的肺部血管值,并基于确定的肺部血管值确定相应肺部图像的若干个信号值。特别地,信号值确定单元4被配置为将分割的肺部血管细分为横截面子元素,确定横截面子元素的尺寸,将尺寸细分为尺寸类别,并且针对每个尺寸类别基于具有相应尺寸类别中的尺寸的横截面子元素的数量来确定各自肺部血管值。为了确定横截面子元素,可以使用各个横截面子元素的预定厚度。然而,也可以使用另一种技术来确定横截面子元素。
图2示意性地和示例性地示出了三幅肺部图像20、21、22,它们已经以不同程度的平滑被平滑,其中,平滑的程度(即图像平滑度)在图2中从左到右增加。可以看出,可检测到的肺部血管的数量从左到右(即,随着图像平滑度的增加)减少。
在该实施例中,肺部图像提供单元2被配置为提供具有一切片厚度的切片图像作为未经平滑的肺部图像,其中,所述信号值确定单元4适于关于切片厚度来对相应的信号值进行归一化。此外,信号值确定单元4被配置为确定所提供的未经平滑的肺部图像内的肺部体积,并且关于所确定的肺部体积来对各自的信号值进行归一化。因此,可以通过例如在该肺部图像内分割肺部来确定所提供的未经平滑的肺部图像中肺所占据的体积尺寸,其中,得到的尺寸可用于对所确定的信号值进行归一化。
系统1还包括噪声值确定单元5,所述噪声值确定单元5被配置为确定针对不同的经平滑的肺部图像以及所提供的未经平滑的肺部图像中的噪声值,其中,针对相应的肺部图像,基于所述相应的肺部图像的图像值来确定一个或若干个噪声值,所述一个或若干个噪声值指示所述相应的肺部图像中的噪声。特别地,噪声值确定单元5被配置为确定一个或若干个噪声值,使得它们指示表示各个肺部图像中的肺部血管的图像值中的噪声。因此,噪声值确定单元5适于基于表示分割的肺部血管的相应肺部图像的图像值来确定针对所述相应的肺部图像的一个或多个噪声值。在该实施例中,噪声值确定单元5被配置为针对每个横截面子元素确定指示相应的横截面子元素中的噪声的相应的噪声子值,并且基于针对相应的尺寸类别中的横截面子元素确定的噪声子值针对相应的尺寸(即,针对相应的尺寸类别)来确定噪声值。为了确定噪声值,噪声值确定单元5可以使用亨氏拉普拉斯算子的绝对幅值。但是,也可以使用基于图像的图像值来确定噪声值的其他已知技术来由噪声值确定单元5确定噪声值。
所述系统还包括图像质量确定单元6,所述图像质量确定单元6被配置为基于针对不同地平滑的肺部图像和所提供的未经平滑的肺部图像确定的信号值和噪声值来确定所提供的未经平滑的图像的图像质量。特别地,图像质量确定单元6被配置为提供针对不同尺寸的肺部血管的参考信号值和参考噪声值,并且确定所述图像质量使得其指示a)针对所述不同尺寸确定的信号值和噪声与b)针对所述不同尺寸所提供的参考信号值和参考噪声值之间的偏差。在该实施例中,图像质量确定单元6被配置为:i)基于针对不同尺寸确定的信号值和噪声值确定第一表面,其中,在由信号值、噪声值和肺部血管的不同尺寸的可能值定义的三维空间中确定表面,ii)基于针对不同尺寸提供的参考信号值和参考噪声值来确定三维空间中的第二个表面;iii)确定针对第一表面上多个位置的第一表面与第二表面之间的距离,并且iv)基于所述距离来确定图像质量。例如,图像质量确定单元6可以被配置为确定第一表面的区域,对于所述区域,所确定的距离大于预定义的距离阈值,并基于所述区域来确定图像质量,所述区域可以是单个区域或者它可以包含若干个单独的子区域,其中,所有子区域可以在第二表面上方、第二表面下方,或者其中,一些子区域可以在所述第二表面上方,而一些区域可以在所述第二表面下方。特别地,图像质量确定单元6可以被配置为根据三维图像中第二表面上方的区域的尺寸和/或根据第二表面下方的区域的尺寸来确定图像质量。在一个实施例中,图像质量确定单元6被配置为:如果第二表面上方的区域的尺寸大于预定义的第一尺寸阈值,则确定图像质量太高并且可以被降低。此外,图像质量确定单元6可以被配置为:如果第二表面下方的针对其确定的距离大于预定义的距离阈值的区域的尺寸大于第二尺寸阈值,则确定图像质量太低,因此不足以可靠地检测肺结节。第一和第二尺寸阈值可以相同或者它们可以不同。所有阈值,例如尺寸阈值和距离阈值,都可以通过校准流程预先确定和/或可以由用户修改。图像质量确定单元6还可以适于:如果第一表面的区域(针对所述区域所确定的距离大于预定义距离阈值)的尺寸,在第一表面上方小于第一尺寸阈值并且第二表面下方小于第二尺寸阈值,则尤其是根据ALARA原则来确定图像质量是所期望的。
所述系统1还包括剂量水平确定单元7,所述剂量水平确定单元被配置为基于确定的图像质量来确定要被应用以生成下一肺部图像的放射剂量水平。在该实施例中,所述肺部图像提供单元2被配置为提供肺部图像,使得其是已经通过向肺施加一定的辐射剂量水平而生成的图像,其中,所述剂量水平确定单元7被配置为:如果所确定的图像质量大于预定质量阈值,则确定要应用于生成下一个肺部图像的辐射剂量水平,使得所述辐射剂量水平小于所述特定辐射剂量水平。这尤其意味着,如果第一表面的区域(对于所述区域,所确定的距离大于预定义的距离阈值)的尺寸在第二表面上方的大于第一尺寸阈值,则确定要应用于生成下一个肺部图像的辐射剂量水平,使得其小于特定辐射剂量水平。
系统1还包括用户接口8,所述用户接口8允许用户修改所提供的未经平滑的肺部图像,其中,所述系统1适于基于经修改的肺部图像来确定图像质量。因此,可以基于经修改的肺部图像来执行所有处理步骤。因此,用户可以更改设置,例如动态窗口/水平和/或空间屏幕分辨率,其中,然后根据经修改的肺部图像进行像平滑、信号值确定、噪声值确定和图像质量确定等流程。
系统1还包括输入单元9,像键盘、计算机鼠标、触摸屏等,以及输出单元10,包括用于显示例如肺部图像并用于指示所确定的图像质量的显示器。输出单元10还可包括用于声学地指示所确定的图像质量的声学单元。
在下文中,将参照图3所示的流程图描述用于评估肺部图像的方法的实施例。
在步骤101中,由肺部图像提供单元2提供肺部图像,所述肺部图像包括被分配了图像值的图像元素并且示出了肺部血管。在步骤102中,通过平滑单元3将所提供的肺部图像平滑到不同程度的平滑度,通过信号值确定单元4为不同地平滑的肺部图像和未经平滑的肺部图像确定信号值,其中,基于相应肺部图像的图像值确定针对相应肺部图像的信号值,所述信号值指示在相应肺部图像中具有相应尺寸的肺部血管的可检测性,并且由噪声值确定单元5确定针对不同肺部图像的噪声值,其中,针对相应的肺部图像基于相应的肺部图像的图像值针对肺部血管的不同尺寸来确定噪声值,所述噪声值指示相应的肺部图像中的噪声。在步骤103中,由图像质量确定单元6基于针对不同肺部图像确定的信号值和噪声值来确定所提供的未经平滑的图像的图像质量。
通常,公认的是用低剂量计算机断层摄影技术筛查肺癌对于检测肺结节是有效的,其中,非常需要保证图像质量,尤其是为了避免疏忽。肺癌的筛查一方面应使用合理可达到的尽可能低的辐射剂量,而另一方面应保持图像质量水平,这足以确保检测到可能的肺部肿瘤,即可能的肺结节。因此,对肺癌的筛查应符合ALARA原则。上述用于评估肺部图像的系统和方法允许确定所提供的肺部图像的图像质量(即图像质量水平)是否足以实现ALARA原则。此外,用于评估肺部图像的系统和方法与供应商无关,并且可以回顾性地应用于一批可以从图片存档及通信系统(PACS)接收的易于重建的肺部图像。此外,所确定的图像质量针对相应的肺部图像并且因此对于相应的患者和已经用于生成所提供的肺部图像的相应的成像方案是特定的。在所提供的肺部图像中可检测的肺部血管当然是患者特定的,并且它们很可能且非常可靠地存在于肺部图像中,使得具有不同尺寸的肺部血管非常适合于针对图像质量的标记。
用于评估肺部图像的系统和方法基于所提供的肺部图像中不同尺寸的肺部血管的信号值(即可检测性)以及基于针对由肺部血管表示的肺部图像的部分确定的噪声值,对肺部图像进行自动定量评估,其中,还确定了针对不同尺寸的肺部血管的噪声值。肺部血管始终存在于肺部图像中,其中,肺部血管的尺寸范围很大,并且在计算机断层摄影的情况下,亨氏密度很好地覆盖了潜在的肺结节的各个范围。这个想法是,如果在若干可检测的、尤其是可见的肺部血管中观察到明显的不足,那么这可能是图像质量不足以可靠地检测潜在结节的有力指标。患者之间的血管密度可能会有所不同,但在一组患者中的平均密度要比肿瘤数(即肺结节数)均匀得多。因此,通过对针对不同患者的不同图像确定的图像质量求平均来确定平均图像质量可以导致更鲁棒的质量度量,即更鲁棒的图像质量,其可以指示成像系统(或更一般地,例如,在其处生成图像的筛查中心)的质量。
上述第一表面是由三维的信号、噪声和结构尺寸(即肺部图像中肺部血管的尺寸)跨越的空间中的第一流形,其中,该第一流形用于评估所提供的肺部图像的质量。如果该第一流形的太大部分低于理想参考流形,即低于第二表面,则认为所提供的肺部图像不符合必要的图像质量要求。在另一个实施例中,第二表面,即参考流形,可以对应于来自另一个成像系统的流形,即未被用于生成所提供的肺部图像另一个成像系统,像另一筛查中心的成像系统,如果提供的肺部图像己经由筛查中心的成像系统生成,从而对例如不同筛查中心的图像质量进行比较。用于评估肺部图像的系统和方法不仅仅考虑单个信号/噪声操作点,而是针对肺部图像中可能的肺结节的可能尺寸范围,建立并比较确定的第一流形,即确定的第一表面。
肺部图像提供单元2可以适于通过在提供的总体胸部计算机断层摄影体积图像中识别肺部体积并且通过从总体胸部计算机断层摄影体积图像中分割所识别的肺部体积来提供肺部图像,以提供肺部图像,其基本上仅包括肺部体积而不是肺部体积之外的部分的肺部图像。在相应的肺部图像中对肺部血管的分割可以被视为对与肺部血管相符的相应肺部图像中的图像结构的自动检测,其中,该分割流程可以使用已知的分割技术,例如针对多个亨氏阈值的联合分量分析,其中,从所得到的结构中,可以选择具有二维横截面且其面积尺寸小于预定的面积上限的结构。在图2中示意性地和示例性地示出了相应的最终分割的肺部血管。
用于评估肺部图像的系统和方法针对每个血状结构对象(即,在上述实施例中)计算针对分割的肺部血管的每个横截面子元素、尺寸和噪声,其是通过使用例区域等效直径作为尺寸和亨氏拉普拉斯片子的绝对幅值用于确定噪声。在优选的实施例中,根据结构尺寸和噪声值,每个肺部体积的检测到的血管横截面子元素的数量(其也可以被视为频率)被累积到针对不同肺部图像的直方图中。对于单个结构尺寸示例性地示出了得到的图,所述得到图还考虑了关于肺部图像的切片厚度的归一化和针对肺部图像中的肺的体积的归一化。
在图4中,箭头30指示横截面子元素的数量增加的方向,即,增加的信号值,而箭头31指示增加的噪声,即增加的噪声值。此外,在图4中,点32对应于不同地平滑的肺部图像,而点33对应于最初提供的未经平滑的肺部图像。线34是通过这些点的点。因此,图4显示了血管横截面的数量,由于相对于肺部体积进行了归一化处理,因此其也可以被视为血管横截面的频率,以及针对不同程度的平滑和单个结构尺寸的噪声值,其中,在该示例中,如上所述,将噪声估计为亨氏拉普拉斯片子的绝对幅值,即与相邻体素的线性插值的偏差。如点33所指示,在进行任何平滑处理之前,原始的肺部图像具有最高的噪声和最高的血管横截面数量。随着平滑度的提高,这可以通过对肺部图像连续地进行诸如高斯平滑操作的平滑操作来获得,横截面的噪声水平降低,但是可检测的横截面的数量减少。
图4示出了对于特定的结构尺寸或对于特定的尺寸类别(即在该实施例中,对于肺部图像中可检测到的横截面子元素的一个区域等效直径或直径类别),血管横截面的数量之间,即信号值和噪声值之间的关系。图5示例性地示出了对于不同的结构尺寸,即在该示例中对于分段的肺部血管的不同的面积等效直径,横截面的数量与噪声之间的关系。在图5中,箭头35指示增加结构尺寸的方向,使得曲线36对应于最小的结构尺寸,而曲线37对应于最大的结构尺寸。如图5所示,对于小的结构尺寸,可检测的肺部血管的数量以及因此可检测的肺部血管横截面子元素的数量主要减少,而对于较大的结构尺寸则保持相对稳定。这些曲线在由血管横截面的数量(即箭头30所示的可能的信号值)、由箭头31所示的可能的信号值、以及由箭头35所示的可能的结构尺寸定义的三维空间中,共同跨越了第一表面(即第一流形)。因此,三维空间被信号维度30、噪声维度31和结构尺寸维度35所跨越。优选地,基于图5所示的曲线确定第一表面,使得第一表面是具有指向较高检测频率的方向的定向表面。优选地通过拟合到三维空间中的信号值-噪声值-结构尺寸点来确定该第一表面,其中,在该实施例中,信号值由具有相应结构尺寸的分段的肺部血管的横截面子元素的数量定义。拟合可以是例如分段线性拟合、多项式拟合、样条拟合、支持向量拟合等。
图6示例性地示出了两条曲线38、39,它们对应于相同的计算机断层摄影扫描的不同重建,即,相同的计算机断层摄影投影数据已经被用于不同地重建两个不同的肺部图像,其中,已经基于第一重建计算机断层摄影图像确定了第一曲线38,并且已经基于第二重建计算机断层摄影图像确定了第二曲线39。在该示例中,已经重建了第一重建计算机断层摄影图像,使得其对应于相对较高的空间频率,并且已经重建了第二重建图像,使得其对应于相对较低的空间频率。在这种意义上,第一图像也可以被视为硬图像,第二图像也可以被视为软图像。相应地提供的未经平滑的图像分别由点40、41指示。与第二低频图像相比,第一高频图像具有更多的噪声和更多的结构,即,分割的肺部血管的更多横截面子元素。然而,随着平滑度的增加,即例如在连续的高斯平滑之后,曲线变得非常接近,指示相似的图像质量。图6示出了针对单个结构尺寸的曲线,即在该实施例中针对单个面积等效直径的曲线。对于其他结构尺寸,还将确定相应的曲线,以使所述曲线跨越上述定义的三维空间中的相应表面,其中,随着平滑的程度的增加,这两个表面非常接近。
图7示意性地示例了针对单个结构尺寸(即针对单个尺寸类别)的四条曲线41…44,其中,不同的曲线41…44对应于四个不同的所提供的肺部图像。可以看出,曲线41对应于的所提供的肺部图像在几乎所有噪声水平下比其他所提供的肺部图像显示出明显更多的结构。同样在这里,对于各种结构尺寸(在图7中,曲线仅对应于单个结构尺寸),四个曲线41…44概括为四个二维表面,其可以通过例如高度或相对距离进行比较。
在一个实施例中,针对提供的肺部图像确定三维空间中的二维表面,即第一表面,并且将该二维第一表面与对应于期望图像质量的参考表面进行比较,从而产生所提供的肺部图像的图像质量的度量。例如,可以确定第一表面到第二参考表面的标记距离,并将其用于评估所提供的肺部图像的图像质量。参考表面也可以被认为是图像质量表面,可以取自参考基础或特定筛查中心。可以根据患者群体(例如男性/女性,年龄,体重指数等)对参考进行分层。因此,对于每个患者,可以提供关于诸如性别、年龄等的特征对应于相应患者的参考表面。在一个实施例中,如果定向表面的太多区域在参考质量表面之下,即在第二表面之下,则图像质量确定单元6适于确定所提供的肺部图像的图像质量不足以用于肺结节检测。反之,如果该表面的太多区域在第二表面之上,则可以确定可以并且应该降低图像采集剂量以满足ALARA原则。可以基于如上所述的预定义的区域尺寸阈值来确定第二表面之下或之上的区域是否太多,例如可以通过校准来确定。通过使用用户接口,可以为交互式查看软件实施此质量检查。用户可以更改设置,例如动态窗口/水平、空间屏幕分辨率等,其中,可以为每个交互式选择的设置执行质量检查,即确定图像质量,其中,如果结果显示质量似乎不足以彻底检测结核,则可以警告用户。
上述用于评估肺部图像的系统和方法不需要扫描物理体模。所提供的定量图像质量度量优选地不是针对普通扫描类型或重建类型,而是其对于相应的患者特异,即例如针对患者的尺、体重、骨骼等。此外,它特定于实际的成像协议,即,例如,在计算机断层摄影成像的情况中,特定于管电流、管电压等。它还特定于整个扫描过程中沿动态剂量调制的实际过程的分辨率变化,即,针对密度较大的区域以及肺的根部和尖部(如果存在的话)的剂量自动变化。此外,它特定于由于患者相对于视场居中的位置欠佳而可能导致的分辨率损失,即特定于可能使分辨率朝偏离中心位置逐渐减小。它也可能特定于重建视野的次优选择,即不必要的大视野会限制体素间距。最后,其特定于分别选择的重建算法,即,例如,特定于内核,无论它是否是迭代重建,等等。评估肺部图像的系统和方法涵盖了感兴趣尺寸和图像值的范围,即在关于肺结节检测的亨氏密度的计算机断层摄影的情况下。此外,对肺部图像质量的评估可以追溯地适用于成像系统的所有制造商。它也可以应用于一批图像,例如在特定时间段内或在特定患者群体中的图像,或应用于单幅图像。如果考虑一批图像,则可以针对每幅图像确定相应的图像质量,其中,这些图像质量可以被组合以确定所述一批图像的图像质量。例如,可以对图像质量进行平均和/或可以确定这些图像质量的标准偏差,以便确定针对所述一批图像的图像质量。为了确定针对相应的第一表面与参考表面之间的相应的图像距离的图像质量,可以组合,尤其是平均。因此,二维噪声分辨率表面与参考表面之间的偏差可以通过例如对参考表面下方和上方的距离求平均而浓缩为单个带符号的标量数字,从而为每幅图像生成一个数字,其中,为了确定所述一批图像的图像质量,可以对针对可能对应于不同患者的数量的不同图像进行平均和/或确定标准偏差。可以相对快速地确定图像质量,从而,如果需要,可以相对快速地对患者进行重新扫描,尤其是在患者离开医院之前。评估肺部图像的系统和方法可以应用于例如低剂量筛查的计算机断层摄影图像,也可以应用于其他计算机断层摄影图像,还可以应用于其他显示肺部血管的图像,这些图像可能无法通过使用计算机断层摄影成像系统来生成。
尽管在上述实施例中考虑了三维空间,所述三维空间由信号维度、噪声维度和结构尺寸维度定义,但在另一个实施例中,可以考虑另外的维度,例如结构对比度,其中,在这种情况下,在相应的四维空间中定义了各个三维流形,即三维表面,并对其进行比较以确定图像质量。特别地,随着平滑度的增加,低对比度结构比高对比度结构开始消失得更早。在一个实施例中,结构对比度被定义为血管横截面的平均亮度(例如,平均亨氏密度)与其邻域(即,其直接相邻的图像背景)的平均亮度之差。
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。
单个单元或装置可以完成权利要求中列举的几项的功能。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。
诸如对肺部图像的提供、对所提供的肺部图像的平滑、对肺部图像中的肺部血管的分割、对肺部值的横截面子元素的确定、对横截面子元素的尺寸的确定、对截面子元素的数量的确定、对横截面子元素的噪声值的确定、对由一个或若干个单元或设备执行的图像质量的确定等的流程可以通过任何其他数量来执行单元或设备来执行。例如,这些过程可以由单个设备执行。这些流程和/或根据用于评估肺部图像的方法的用于评估肺部图像的系统的控制可以被实现为计算机程序的程序代码模块和/或专用硬件。
计算机程序可以存储/分布在适合的介质上,例如与其他硬件一起被提供或作为其他硬件的部分被提供的光学存储介质或固态介质,但是计算机程序也可以以其他形式分布,例如经由因特网或其他的有线或无线的电信系统分布。
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。
本发明涉及一种用于评估肺部图像的系统,所述系统允许关于结节的可检测性进行改进的评估。对肺部图像进行平滑以为不同的肺部图像提供不同程度的平滑,其中,确定指示肺部血管可检测性和这些图像中的噪声的信号值和噪声值,并将其用于确定图像质量,所述图像质量指示要被评估的肺部图像用于检测肺结节的可用性。由于肺部图像显示的肺部血管具有许多不同的血管尺寸和许多不同的图像值,通常很好地覆盖了潜在的肺结节的各个范围,基于具有不同程度的平滑的不同肺部图像的图像质量确定允许对肺部图像检测肺结节可用性的可靠评估。
Claims (14)
1.一种用于评估肺部图像的系统,所述系统(1)包括:
肺部图像提供单元(2),其被配置为提供肺部图像,所述肺部图像包括图像元素,所述图像元素被分配以图像值并且示出肺部血管,
平滑单元(3),其被配置为对所提供的肺部图像进行平滑,以提供具有不同程度的平滑的不同肺部图像,
信号值确定单元(4),其被配置为确定针对所述不同肺部图像(20、21、22)的信号值,其中,针对相应的肺部图像,基于所述相应的肺部图像的所述图像值来确定一个或若干个信号值,所述一个或若干个信号值指示所述相应的肺部图像中的所述肺部血管的可检测性,
噪声值确定单元(5),其被配置为确定针对所述不同肺部图像(20、21、22)的噪声值,其中,针对相应的肺部图像,基于所述相应的肺部图像的所述图像值来确定一个或若干个噪声值,所述一个或若干个噪声值指示所述相应的肺部图像中的噪声,
图像质量确定单元(6),其被配置为基于针对所述不同肺部图像(20、21、22)确定的所述信号值和所述噪声值来确定针对所提供的未经平滑的图像的图像质量,其中,所述系统(1)还包括剂量水平确定单元(7),所述剂量水平确定单元被配置为基于所确定的图像质量来确定要被应用以生成下一肺部图像的放射剂量水平。
2.根据权利要求1所述的系统,其中,所述信号值确定单元(4)被配置为基于相应的肺部图像的所述图像值来在所述相应的肺部图像中分割所述肺部血管,基于所分割的肺部血管来确定指示所述相应的肺部图像中的肺部血管的量的一个或若干个肺部血管值,并且基于所确定的一个或若干个肺部血管值来确定针对所述相应的肺部图像的所述一个或若干个信号值。
3.根据权利要求2所述的系统,其中,所述信号值确定单元(4)被配置为:将经分割的肺部血管细分为横截面子元素,并且基于横截面子元素的数量来确定所述一个或若干个肺部血管值。
4.根据权利要求2所述的系统,其中,所述噪声值确定单元(5)被配置为:基于表示经分割的肺部血管的所述相应的肺部图像的图像值来确定针对所述相应的肺部图像的所述一个或若干个噪声值。
5.根据权利要求3所述的系统,其中,所述噪声值确定单元(5)被配置为:针对每个横截面子元素确定指示相应的横截面子元素中的噪声的相应的噪声子值,并且基于所确定的噪声子值来确定所述一个或若干个噪声值。
6.根据权利要求1所述的系统,其中,所述信号值确定单元(4)适于确定针对所述不同肺部图像中的不同尺寸的所述肺部血管的所述信号值,其中,所述噪声值确定单元(5)适于确定针对所述不同肺部图像中的所述不同尺寸的所述肺部血管的所述噪声值,其中,所述图像质量确定单元(6)被配置为:提供针对不同尺寸的肺部血管的参考信号值和参考噪声值,并且确定所述图像质量,使得所述图像质量指示a)所确定的信号值和所确定的噪声值与b)所提供的参考信号值和参考噪声值的偏差。
7.根据权利要求6所述的系统,其中,所述图像质量确定单元(6)被配置为:i)基于针对所述肺部血管的所述不同尺寸确定的所述信号值和所述噪声值来确定第一流形,其中,所述表面是在由信号值维度、噪声值维度和肺部血管尺寸维度定义的空间中确定的;ii)基于针对所述不同尺寸的所述肺部血管提供的所述参考信号值和所述参考噪声值来确定所述空间中的第二流形,iii)针对在所述第一流形上的多个位置确定所述第一流形与所述第二流形之间的距离,并且iv)基于所述距离来确定所述图像质量。
8.根据权利要求7所述的系统,其中,所述图像质量确定单元(6)被配置为:确定所述第一流形的一区域,针对所述区域,所确定的距离大于预定义的距离阈值;并且基于该区域来确定所述图像质量。
9.根据权利要求8所述的系统,其中,所述图像质量确定单元(6)被配置为:在三维空间中根据所述第二流形上方的区域的尺寸和/或根据所述第二流形下方的区域的尺寸来确定所述图像质量。
10.根据权利要求1所述的系统,其中,所述信号值确定单元(4)被配置为:将肺部空间确定为所述肺部图像(20、21、22)中的至少一幅内的由肺部占据的空间,并且关于所确定的肺部空间对所述相应的信号值进行归一化。
11.根据权利要求1所述的系统,其中,所述肺部图像提供单元(2)被配置为:提供具有一切片厚度的切片图像作为所述肺部图像,其中,所述信号值确定单元(4)适于关于所述切片厚度来对所述相应的信号值进行归一化。
12.根据权利要求1所述的系统,其中,所述肺部图像提供单元(2)被配置为:提供所述肺部图像,使得所述肺部图像是已经通过向肺部施加特定的辐射剂量水平而生成的图像,其中,所述剂量水平确定单元(7)被配置为:如果所确定的图像质量大于预定义的质量阈值,则确定要被应用以生成下一肺部图像的辐射剂量水平,使得所述辐射剂量水平小于所述特定的辐射剂量水平。
13.一种用于评估肺部图像的方法,所述方法包括:
由肺部图像提供单元(2)提供肺部图像,所述肺部图像包括图像元素,所述图像元素被分配以图像值并且示出肺部血管,
由平滑单元(3)对所提供的肺部图像进行平滑,以提供具有不同程度的平滑的不同肺部图像,
由信号值确定单元(4)确定针对所述不同肺部图像(20、21、22)的信号值,其中,针对相应的肺部图像,基于所述相应的肺部图像的所述图像值来确定一个或多个信号值,所述一个或多个信号值指示所述相应的肺部图像中的所述肺部血管的可检测性,
由噪声值确定单元(5)确定针对所述不同肺部图像(20、21、22)的噪声值,其中,针对相应的肺部图像,基于所述相应的肺部图像的所述图像值来确定一个或多个噪声值,所述一个或多个噪声值指示所述相应的肺部图像中的噪声,
由图像质量确定单元(6)基于针对所述不同肺部图像(20、21、22)确定的所述信号值和所述噪声值,来确定针对所提供的未经平滑的图像的图像质量,
由剂量水平确定单元(7)基于所确定的图像质量来确定要被应用以生成下一肺部图像的辐射剂量水平。
14.一种用于评估肺部图像的计算机程序,所述计算机程序包括程序代码单元,当所述计算机程序在控制所述系统的计算机上运行时,所述程序代码单元用于使根据权利要求1所述的用于评估肺部图像的系统执行根据权利要求13所述的用于评估肺部图像的方法的步骤。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP17208950.0A EP3503022A1 (en) | 2017-12-20 | 2017-12-20 | System for assessing a pulmonary image |
EP17208950.0 | 2017-12-20 | ||
PCT/EP2018/084890 WO2019121369A1 (en) | 2017-12-20 | 2018-12-14 | System and method for assessing a pulmonary image |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111630562A true CN111630562A (zh) | 2020-09-04 |
Family
ID=60923291
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201880087127.8A Pending CN111630562A (zh) | 2017-12-20 | 2018-12-14 | 用于评估肺部图像的系统 |
Country Status (5)
Country | Link |
---|---|
US (1) | US11657500B2 (zh) |
EP (2) | EP3503022A1 (zh) |
JP (1) | JP7346418B2 (zh) |
CN (1) | CN111630562A (zh) |
WO (1) | WO2019121369A1 (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102019131440B3 (de) * | 2019-11-21 | 2021-05-27 | Volume Graphics Gmbh | Computerimplementiertes Verfahren zur Segmentierung von Messdaten aus einer Messung eines Objekts |
US20220022838A1 (en) * | 2020-07-27 | 2022-01-27 | Canon Medical Systems Corporation | Evaluation apparatus, evaluation method, and evaluation system |
CN112651930B (zh) * | 2020-12-09 | 2022-11-01 | 浙江明峰智能医疗科技有限公司 | 一种基于图像细节保真度的医学图像质量评估方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110190626A1 (en) * | 2010-01-31 | 2011-08-04 | Fujifilm Corporation | Medical image diagnosis assisting apparatus and method, and computer readable recording medium on which is recorded program for the same |
US8824752B1 (en) * | 2013-03-15 | 2014-09-02 | Heartflow, Inc. | Methods and systems for assessing image quality in modeling of patient anatomic or blood flow characteristics |
US9076201B1 (en) * | 2012-03-30 | 2015-07-07 | University Of Louisville Research Foundation, Inc. | Volumetric deformable registration method for thoracic 4-D computed tomography images and method of determining regional lung function |
US20170065243A1 (en) * | 2014-03-05 | 2017-03-09 | Siemens Healthcare Gmbh | Automatic dose control for imaging medical devices |
CN107341812A (zh) * | 2017-07-04 | 2017-11-10 | 太原理工大学 | 一种基于超像素和密度聚类的序列肺结节图像分割方法 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW514513B (en) * | 1996-02-06 | 2002-12-21 | Deus Technologies Inc | Method for the detection of lung nodule in radiological images using digital image processing and artificial neural network |
JP4763177B2 (ja) * | 2001-08-24 | 2011-08-31 | ジーイー・メディカル・システムズ・グローバル・テクノロジー・カンパニー・エルエルシー | X線ctシステム |
US7499578B2 (en) * | 2002-10-18 | 2009-03-03 | Cornell Research Foundation, Inc. | System, method and apparatus for small pulmonary nodule computer aided diagnosis from computed tomography scans |
AU2003299656A1 (en) | 2002-12-03 | 2004-06-23 | Washington University | Method and apparatus for automated detection of target structures from medical images using a 3d morphological matching algorithm |
US6937776B2 (en) * | 2003-01-31 | 2005-08-30 | University Of Chicago | Method, system, and computer program product for computer-aided detection of nodules with three dimensional shape enhancement filters |
JP2005198798A (ja) | 2004-01-15 | 2005-07-28 | Canon Inc | 放射線画像処理装置及び処理方法 |
US7305111B2 (en) * | 2004-01-30 | 2007-12-04 | University Of Chicago | Automated method and system for the detection of lung nodules in low-dose CT images for lung-cancer screening |
US8073226B2 (en) * | 2006-06-30 | 2011-12-06 | University Of Louisville Research Foundation, Inc. | Automatic detection and monitoring of nodules and shaped targets in image data |
EP2252214A4 (en) | 2008-02-13 | 2013-05-29 | Kitware Inc | METHOD AND SYSTEM FOR MEASURING TISSUE INJURY AND PATHOLOGICAL RISK |
JP2013153824A (ja) * | 2012-01-27 | 2013-08-15 | Toshiba Corp | X線ct装置 |
AU2015331579A1 (en) * | 2014-10-17 | 2017-05-25 | Cireca Theranostics, Llc | Methods and systems for classifying biological samples, including optimization of analyses and use of correlation |
-
2017
- 2017-12-20 EP EP17208950.0A patent/EP3503022A1/en not_active Withdrawn
-
2018
- 2018-12-14 US US16/955,959 patent/US11657500B2/en active Active
- 2018-12-14 EP EP18815226.8A patent/EP3729368B1/en active Active
- 2018-12-14 JP JP2020533218A patent/JP7346418B2/ja active Active
- 2018-12-14 CN CN201880087127.8A patent/CN111630562A/zh active Pending
- 2018-12-14 WO PCT/EP2018/084890 patent/WO2019121369A1/en unknown
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110190626A1 (en) * | 2010-01-31 | 2011-08-04 | Fujifilm Corporation | Medical image diagnosis assisting apparatus and method, and computer readable recording medium on which is recorded program for the same |
US9076201B1 (en) * | 2012-03-30 | 2015-07-07 | University Of Louisville Research Foundation, Inc. | Volumetric deformable registration method for thoracic 4-D computed tomography images and method of determining regional lung function |
US8824752B1 (en) * | 2013-03-15 | 2014-09-02 | Heartflow, Inc. | Methods and systems for assessing image quality in modeling of patient anatomic or blood flow characteristics |
US20170065243A1 (en) * | 2014-03-05 | 2017-03-09 | Siemens Healthcare Gmbh | Automatic dose control for imaging medical devices |
CN107341812A (zh) * | 2017-07-04 | 2017-11-10 | 太原理工大学 | 一种基于超像素和密度聚类的序列肺结节图像分割方法 |
Also Published As
Publication number | Publication date |
---|---|
US20200320705A1 (en) | 2020-10-08 |
EP3729368B1 (en) | 2021-11-10 |
WO2019121369A1 (en) | 2019-06-27 |
EP3729368A1 (en) | 2020-10-28 |
EP3503022A1 (en) | 2019-06-26 |
JP2021506434A (ja) | 2021-02-22 |
JP7346418B2 (ja) | 2023-09-19 |
US11657500B2 (en) | 2023-05-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105144241B (zh) | 图像质量指数和/或基于其的成像参数推荐 | |
JP6877868B2 (ja) | 画像処理装置、画像処理方法および画像処理プログラム | |
US7876939B2 (en) | Medical imaging system for accurate measurement evaluation of changes in a target lesion | |
JP5081390B2 (ja) | 腫瘍量を監視する方法及びシステム | |
US9401019B2 (en) | Imaging tomosynthesis system, in particular mammography system | |
US10453198B2 (en) | Device and method for delineating a metal object for artifact reduction in tomography images | |
JP2021509721A5 (zh) | ||
US11660061B2 (en) | Method and system for motion assessment and correction in digital breast tomosynthesis | |
US10719930B2 (en) | Automated scan quality monitoring system | |
US9336613B2 (en) | Apparatus for generating assignments between image regions of an image and element classes | |
US20150371420A1 (en) | Systems and methods for extending a field of view of medical images | |
US10789683B2 (en) | Method for automatic optimization of quantitative map generation in functional medical imaging | |
CN111630562A (zh) | 用于评估肺部图像的系统 | |
US20160210740A1 (en) | Method and system for spine position detection | |
WO2015040547A1 (en) | Method and system for spine position detection | |
EP4027887B1 (en) | Inhalation metric for chest x-ray images | |
CN110023991B (zh) | 用于从对象类中识别对象的装置 | |
JP2020113275A (ja) | 肺の分析及び報告システム | |
US8090208B2 (en) | Robust segmentation of a mass candidate in digital mammography images | |
EP3644274A1 (en) | Orientation detection for vessel segmentation | |
Schwaab et al. | Image quality in automated breast ultrasound images: a preliminary study for the development of automated image quality assessment | |
KR20220069980A (ko) | 단층영상합성에서 내부 유방 조직에 대한 움직임 검출 | |
WO2023095105A1 (en) | System and method for evaluation of image quality |
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 |