CN111757701A - 用于检测解剖区域的系统和方法 - Google Patents

用于检测解剖区域的系统和方法 Download PDF

Info

Publication number
CN111757701A
CN111757701A CN201980015398.7A CN201980015398A CN111757701A CN 111757701 A CN111757701 A CN 111757701A CN 201980015398 A CN201980015398 A CN 201980015398A CN 111757701 A CN111757701 A CN 111757701A
Authority
CN
China
Prior art keywords
landmark
atlas
landmarks
feature map
exposed subject
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201980015398.7A
Other languages
English (en)
Other versions
CN111757701B (zh
Inventor
皮埃尔·冈泽
菲利普·罗伊
尼古拉斯·格吕桑梅耶
马蒂厄·贝德兹
亚辛·埃尔法鲁克
加埃唐·弗里茨
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.)
General Electric Co
Original Assignee
General Electric Co
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 General Electric Co filed Critical General Electric Co
Publication of CN111757701A publication Critical patent/CN111757701A/zh
Application granted granted Critical
Publication of CN111757701B publication Critical patent/CN111757701B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/48—Diagnostic techniques
    • A61B6/488—Diagnostic techniques involving pre-scan acquisition
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. 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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. 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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/58—Testing, adjusting or calibrating apparatus or devices for radiation diagnosis
    • A61B6/582—Calibration
    • A61B6/583—Calibration using calibration phantoms
    • A61B6/584—Calibration using calibration phantoms determining position of components of the apparatus or device using images of the phantom
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G06T7/0014—Biomedical image inspection using an image reference approach
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/174—Segmentation; Edge detection involving the use of two or more images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G06T7/74—Determining position or orientation of objects or cameras using feature-based methods involving reference images or patches
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/02—Devices for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computerised tomographs
    • A61B6/032—Transmission computed tomography [CT]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/48—Diagnostic techniques
    • A61B6/486—Diagnostic techniques involving generating temporal series of image data
    • A61B6/487—Diagnostic techniques involving generating temporal series of image data involving fluoroscopy
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5294—Devices using data or image processing specially adapted for radiation diagnosis involving using additional data, e.g. patient information, image labeling, acquisition parameters
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/56—Details of data transmission or power supply, e.g. use of slip rings
    • A61B6/563—Details of data transmission or power supply, e.g. use of slip rings involving image data transmission via a network
    • 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
    • G06T2207/10—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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10116—X-ray image
    • 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
    • G06T2207/20112—Image segmentation details
    • G06T2207/20128—Atlas-based segmentation
    • 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
    • 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
    • G06T2207/30204—Marker

Abstract

公开了用于自动识别医学图像中的解剖区域的系统和方法。由患者的一个或多个图像计算特征图。该特征图包括从患者的一个或多个图像生成的水当量直径分布。从图集中识别最佳匹配的图集元素。图集包括一组图集元素，每个图集元素包括与一组图像数据相关联的界标和与该组图像数据相关联的特征图。图集中的最佳匹配的图集元素的特征图与患者的特征图最佳匹配。将最佳匹配的图集元素的界标投影到患者的图像上。方法可单独用于解剖结构定位或与另一种解剖结构定位方法结合使用以校正另一种方法的结果。

Description

用于检测解剖区域的系统和方法
技术领域
本公开涉及用于自动识别医学图像中的解剖区域(例如，头部、肩部、胸部、腹部、骨盆等)的系统和方法。
背景技术
各种医疗系统使用电离辐射来采集患者的图像和/或向患者提供治疗，诸如X射线装置、计算机断层摄影(CT)装置、荧光镜装置等。例如，在放射成像系统中，电离辐射束(例如，X射线)朝向暴露的受试者(例如，患者)投射。电离辐射在穿过暴露的受试者时衰减，并且随后在检测器处被接收。测量并处理电离辐射的衰减以生成可被查看和分析的图像。
辐射剂量可在不同类型的研究之间显著变化，例如，常规头部CT的辐射剂量可以远低于多相腹部和骨盆CT的剂量。在典型的CT成像会话中，首先采集低剂量定位图像以用于解剖结构定位。临床医生可以查看定位图像，手动注释解剖区域，并且设置辐射剂量(和其他扫描参数)以采集感兴趣解剖区域的图像。或者，解剖区域可在没有手动干预的情况下在定位图像中自动识别，并且辐射的局部剂量可以基于一些剂量优化策略自动确定。因此，通常需要以提高的准确性自动识别解剖区域。
发明内容
在一个实施方案中，本公开提供一种用于自动识别医学图像中的解剖区域的方法。所述方法包括生成暴露的受试者的特征图。所述特征图包括从暴露的受试者的一个或多个图像生成的水当量直径分布。所述方法还包括从图集中识别最佳匹配的图集元素。所述图集包括一组图集元素。每个图集元素包括与一组图像数据相关联的界标和与所述组图像数据相关联的特征图。图集中的最佳匹配的图集元素的特征图与暴露的受试者的特征图最佳匹配。所述方法还包括将所述最佳匹配的图集元素的界标投影到所述暴露的受试者的图像上，以生成所述暴露的受试者的所述图像的投影的界标。
在另一个实施方案中，本公开提供一种用于自动识别医学图像中的解剖区域的处理系统。所述处理系统包括特征图生成器，所述特征图生成器被配置成生成暴露的受试者的特征图。所述特征图包括从暴露的受试者的一个或多个图像生成的水当量直径分布。所述处理系统还包括特征图匹配器，所述特征图匹配器被配置成从图集中识别最佳匹配的图集元素。所述图集包括一组图集元素。每个图集元素包括与一组图像数据相关联的界标和与所述组图像数据相关联的特征图。图集中的最佳匹配的图集元素的特征图与暴露的受试者的特征图最佳匹配。所述处理系统还包括界标投影仪，所述界标投影仪被配置成将所述最佳匹配的图集元素的界标投影到所述暴露的受试者的图像上，以生成所述暴露的受试者的所述图像的投影的界标。
在另一个实施方案中，本公开提供一种非暂态计算机可读介质，所述非暂态计算机可读介质包括指令，所述指令在由处理系统执行时使得所述处理系统执行操作。所述操作包括生成暴露的受试者的特征图。所述特征图包括从暴露的受试者的一个或多个图像生成的水当量直径分布。所述操作还包括从图集中识别最佳匹配的图集元素。所述图集包括一组图集元素。每个图集元素包括与一组图像数据相关联的界标和与所述组图像数据相关联的特征图。图集中的最佳匹配的图集元素的特征图与暴露的受试者的特征图最佳匹配。所述操作还包括将所述最佳匹配的图集元素的界标投影到所述暴露的受试者的图像上，以生成所述暴露的受试者的所述图像的投影的界标。
附图说明
通过阅读以下详细描述并且参考附图，可以更好地理解本公开的各个方面，其中：
图1是根据示例性实施方案的用于自动识别医学图像中的解剖区域的环境的框图；
图2是根据示例性实施方案的示出相对于工作台上的暴露的受试者的轴的示意图；
图3示出了根据示例性实施方案的相对于定位图像的切片图像；
图4是根据示例性实施方案的可以在图1中使用的第一解剖区域检测器的框图；
图5示出了根据示例性实施方案通过使用切片图像和定位图像来计算水当量直径分布；
图6是根据示例性实施方案的图集元素的结构；
图7示出了根据示例性实施方案的人体图像上的界标；并且
图8是根据示例性实施方案的用于识别解剖区域的方法的流程图。
附图示出了用于自动识别解剖区域的所描述系统和方法的具体方面。连同以下描述，附图示出并且解释了本文描述的结构原理、方法和原理。在附图中，为了清楚起见，部件的尺寸可以被放大或以其他方式修改。没有示出或详细描述众所周知的结构、材料或操作以避免模糊所描述的部件、系统和方法的各方面。
具体实施方式
以下描述本公开的一个或多个具体实施方案以便提供透彻的理解。这些描述的实施方案仅为用于自动检测解剖区域的系统和方法的示例。本领域技术人员将理解，在不脱离本公开的实质的情况下，可以在实施时修改实施方案中描述的具体细节。
当介绍本公开的各种实施方案的元件时，词语“一个”、“一种”和“该”旨在意指存在这些元件中的一个或多个元件。术语“第一”、“第二”等不表示任何顺序、量或重要性，而是用于将一个元件与另一个元件区分开。术语“包含”、“包括”和“具有”旨在是包含性的，并且意指除了列出的元件之外还可存在附加元件。如本文使用术语“连接到”、“耦接到”等，一个对象(例如，材料、元件、结构、构件等)可以连接到或耦接到另一个对象，而无论该一个对象是否直接连接或耦接到另一个对象，或者在该一个对象和另一个对象之间是否存在一个或多个介入对象。此外，应当理解，对本公开的“一个实施方案”或“实施方案”的引用不旨在被解释为排除也包含所引用特征的附加实施方案的存在。
大体参见附图，本公开提供用于自动识别医学图像中的解剖区域的系统和方法。在一些实施方案中，本文所公开的系统和方法与另一种解剖结构定位系统/方法结合使用，以提高解剖结构识别的准确性，例如，从另一种方法的结果中去除正误识。在一些实施方案中，本公开单独用于识别解剖区域。一种示例性方法包括为患者生成特征图。特征图包括患者特定度量，并且不依赖于用于采集图像的模型和/或协议。例如，特征图包括从患者的一个或多个图像生成的水当量直径的分布。特征图还可以包括其他患者特定度量，诸如性别、年龄、体型等。
将患者的特征图与一组图集元素(或虚线)的相同类型的特征图进行比较。图集包括这组元素，每个元素具有图像数据和相关联的特征图。已经为每个图集元素注释了解剖阶段的边界(也称为界标)的位置。从图集中识别特征图与患者的特征图最佳匹配的图集元素。将所识别的最佳匹配的图集元素的界标投影到患者图像上。如果本文所公开的方法与另一种解剖结构定位方法结合使用，则可以将患者图像上的投影的界标与由另一种方法确定的界标进行比较。基于与由另一种方法识别的每个界标的比较给出置信度分数，以指示界标正确的可能性。例如，如果投影的界标与另一种方法的结果中的对应界标之间的差异很大，则与此界标相关联的置信度分数指示“不太可能的”。“不太可能的”界标可以从现有方法的结果中去除。在一些实施方案中，“不太可能的”界标可以被对应的投影界标替换。在一些实施方案中，如果另一种方法未能识别界标，则可以使用投影的界标来补充结果。
如上所讨论的，因为特征图是患者特定的并且不依赖于用于采集图像的成像装置和/或协议，所以本公开不要求所讨论的患者的图像和图集图像由相同的模型/协议产生。通常，由不同模型/协议产生的两个图像难以进行比较，因为图像的灰度级高度取决于机器/协议。在患者特定特征图用于比较的情况下，来自各种装置的大量的图集元素可以用作图集元素。也就是说，本公开适用于由在图集中不存在图集元素的成像装置生成的图像，因为装置制造商或模型不影响特征图中的患者特定度量。
现在参见图1，示出了根据示例性实施方案的用于识别医学图像中的解剖区域的环境100的框图。如图1所示，在一些实施方案中，环境100包括经由通信连接150连接的成像装置110、图片存档和通信系统(PACS)120、第一解剖区域检测器130和任选地第二解剖区域检测器140。成像装置110可以采用电离辐射束112来采集躺在工作台116上的暴露的受试者114的医学图像。医学图像可以存储在PACS 120中。第一解剖区域检测器130可以参考图集132识别医学图像中的解剖区域。在一些实施方案中，第一解剖区域检测器130与第二解剖区域检测器140结合工作，以校正第二解剖区域检测器140的结果。
成像装置110可以是X射线(例如，血管造影)成像装置、CT装置、荧光镜成像装置或使用电离辐射(例如，X射线)来采集图像的任何其他医学成像装置。具体地，电离辐射束112朝向躺在工作台116上的暴露的受试者114(例如，患者)投射。电离辐射112在穿过暴露的受试者114时衰减，并且随后在检测器或摄影板处被接收。测量并处理电离辐射112的衰减以生成可被查看和分析的图像。在一些实施方案中，成像装置110首先使用低剂量的辐射来执行初始局部解剖扫描。可以采集暴露的受试者114上的切片图像和一个或多个定位图像。
在一些实施方案中，定位图像是二维图像，该二维图像是暴露的受试者114的投影视图的一般图示。在一些实施方案中，在不同观察点诸如侧向(LAT)视图和前后(AP)视图下采集相同场景的两个定位图像，这允许重建暴露的受试者114的三维外部形状。图2示出了成像装置110使用的示例性坐标系，以解释LAT视图和AP视图。X轴是在从工作台116的表面的左手边界到右手边界的方向上延伸的水平轴，Y轴是在从地板朝向工作台116的顶部向上的方向上延伸的竖直轴，并且Z轴是在从暴露的受试者114的头部到趾部的方向上延伸的纵向轴。LAT视图是暴露的受试者114在YZ平面中的投影视图，并且AP视图是暴露的受试者114在XZ平面中的投影视图。
定位图像的每条水平线沿暴露的受试者的Z轴与解剖结构的不同区段相关联。图3示出了相对于定位图像的示例性切片图像。如图3所示，切片图像330将暴露的受试者114的椭圆表示332示出为横截面图像。椭圆表示332对应于LAT定位图像310中的图形线312和AP定位图像320中的图形线322。在一些实施方案中，用户可以通过改变图形线312和314的位置来从定位图像310和320选择感兴趣区域并查看对应的切片图像。
在一些实施方案中，成像装置110以医学数字成像和通信(DICOM)格式生成和/或存储定位图像。也可以使用其他格式，诸如JPEG、TIFF、GIF、PNG等。在一些实施方案中，定位图像数据包括标签的集合或系列，其中每个标签包括具有表示与标签相关联的像素(例如，显示监视器上的可编程颜色的基本单元)的值的像素数据。定位图像数据还可以包括与患者特定度量诸如性别、年龄、体型等相关联的元数据。
PACS 120将由成像装置110采集的医学图像(例如，定位图像、切片图像)存储在数据库或注册表中。在一些实施方案中，在对患者进行医学成像之后，图像由健康护理从业者(例如，技术人员、医师、放射科医师)存储在PACS 120中和/或自动从成像装置110传输到PACS 120以进行存储。
第一解剖区域检测器130可以从成像装置110和/或PACS 120接收暴露的受试者114的图像；从图像确定暴露的受试者的特征图；从图集132中识别图集元素，对于该元素，特征图与暴露的受试者114的特征图最佳匹配；并且将最佳匹配的图集元素的界标投影到暴露的受试者的图像上。在一些实施方案中，第一解剖区域检测器130与第二解剖区域检测器140结合工作，以校正第二解剖区域检测器140的结果。第一解剖区域检测器130和图集元素的结构将在下文中参考图4和图6进行详细说明。
第二解剖区域检测器140可以是使用与第一检测器130不同的方法来识别从成像装置110和/或PACS 120接收的暴露的受试者114的定位图像中的解剖区域的任何适当的检测器。在一些实施方案中，第二解剖区域检测器140可以依赖于第一解剖区域检测器130来校正其区域检测的结果。可由第二检测器140使用的一种用于识别解剖区域的示例性方法在美国专利申请号14/510,815(公布为US 9,649,079，“‘079专利”)中有所描述，该专利申请全文以引用方式并入本文。该专利中所描述的方法使用由CT装置采集的暴露的受试者的AP定位图像。从AP定位图像计算暴露的受试者的肢体的轮廓，并且该轮廓由解剖界标(即，解剖阶段的边界)描绘，该解剖界标标记暴露的受试者的厚度的突然变化。可以通过应用启发式和/或生长标准来识别暴露的受试者中的一些特定形状，从而识别可能不对应于厚度的突然变化的其他界标。
在‘079专利中公开的方法的结果有时可以包括正误识，因为一般来讲，该方法试图识别AP定位图像中的图案，并且返回与该图案最佳对应的图像的一部分。然而，如果图案不存在于图像中，则该方法仍可以返回正误识。具体地，对于骨盆区域识别，定位图像可以包括骨盆区域的非常小的部分，或者可以不包含骨盆区域，而是包含看起来像缺失骨盆的其他形状。错误可能发生在两种情况下。首先，该方法可以使用能量函数的最大值来找出骨盆区域开始的“最佳候选”。如果骨盆不包括在定位图像中，则该最大值是不相关的。第二，该方法可以识别看起来像骨盆但不是骨盆的区域。在这些情况下，第二检测器140可以依赖于第一检测器130来去除正误识，如下面将详细讨论的。
通信连接150有利于图1所示的装置和系统之间的通信。通信连接150可通过任何适当的有线连接、无线连接或其任何组合来实现，诸如电缆、数据总线、通用串行总线(USB)连接、射频(RF)连接、红外连接、光学连接、近场通信(NFC)、广域网(WAN)、局域网(LAN)、互联网、基于云的计算基础设施等。
应当理解，如图1所示的用于识别解剖区域的环境100用于说明，而非限制。任何合适的环境可以包括更多、更少和/或不同的部件。一些部件可被集成，例如，第一解剖区域检测器130可与第二解剖区域检测器140集成。本公开设想了变型形式。
现在参考图4，示出了根据示例性实施方案的第一解剖区域检测器400的框图。第一解剖区域检测器400可用作图1中的第一解剖区域检测器130。第一解剖区域检测器400可在任何适当的处理系统(诸如片上系统、个人计算机、工作站、基于云的计算系统等)上实现。在一些实施方案中，第一解剖区域检测器400可在多于一个处理系统上实现，即，第一检测器400的一部分在一个处理系统上运行，并且第一检测器400的另一部分在另一个处理系统上运行。
如图4所示，在一些实施方案中，第一解剖区域检测器400包括特征图生成器402、特征图匹配器404、界标投影仪406，以及任选的结果比较器408和结果校正器410。特征图生成器402从暴露的受试者(例如，患者)的一个或多个图像生成该暴露的受试者的特征图。特征图匹配器404从图集中识别图集元素，对于该元素，特征图与暴露的受试者的特征图最佳匹配。界标投影仪406将最佳匹配的图集元素的界标投影到暴露的受试者的图像上。结果比较器408将投影的界标与第二解剖区域检测器140的结果进行比较。结果校正器410基于比较来校正第二检测器140的结果。
特征图生成器402从暴露的受试者的一个或多个图像生成包括水当量直径分布的特征图。如本领域已知的，暴露的受试者的X射线衰减可以用具有相同X射线吸收的水柱表示。这种水柱的面积和直径被称为水当量面积(Aw)和水当量直径(Dw)。如本文所用，水当量直径分布是指沿纵轴(即，图2中的Z轴)的各种水当量直径Dw。
可以使用各种方法来计算沿纵轴的水当量直径Dw。例如，标题为“Use of WaterEquivalent Diameter for Calculating Patient Size and Size-Specific DoseEstimates(SSDE)in CT”，《AAPM工作组220报告(the Report of AAPM Task Group 220)》的文章公开了一种用于由CT切片图像计算水当量直径的方法。在一些实施方案中，本文的公开内容使用比文章中所公开的方法更快的计算水当量直径分布的新方法。
图5示出了根据示例性实施方案的用于快速计算水当量直径分布的方法。该方法使用几个(例如，3个、4个、5个等)切片图像530和一个或多个定位图像520。切片图像以CT数(即，归一化为水的线性衰减)表示，单位为亨氏(Hounsfield)单位(HU)。如下由切片图像计算水当量直径：
Figure BDA0002646841880000081
其中
Figure BDA0002646841880000082
是感兴趣区域(ROI)中的平均CT数，并且AROI是ROI的面积。
与切片图像不同，例如，定位图像的像素值不归一化为绝对单位，而是以灰度级归一化。如图5所示，AP定位图像520中的每个像素(例如，A、B)与从源502通过暴露的受试者到检测器的X射线路径相关联。像素值与沿此X射线路径的总衰减成比例。线AB位置处的总水当量直径的估计值与暴露的受试者的边界内的像素值的总和成比例。然而，水当量直径和像素值之间的关系可以在装置模型/协议之间变化。另一方面，因为切片图像是沿Z轴的对应于定位图像的线的部分，所以特定定位图像的灰度级与水当量直径之间的关系可以通过从切片图像计算的水当量直径来校准。
例如，如图5所示，定位图像530示出切片图像520相对于暴露的受试者114的位置(即，线AB)。切片图像530的水当量直径Dw可以根据公式(1)计算。沿线AB的灰度级的总和对应于计算的Dw。在一些实施方案中，从几个(例如，3个、4个、5个等)切片图像计算的水当量直径和在定位图像的对应位置处的灰度级总和可以拟合成线性关系。因此，对于定位图像的每条水平线，可以计算边界内的灰度级的总和并且使用例如内推法将该总和转换为水当量直径。水当量直径分布可以表示为曲线。例如，曲线图540中的曲线542示出了沿Z轴的水当量直径分布。该分布也可以用其他形式表示，例如查找表。虽然图5示出了AP定位图像520用于计算水当量直径分布，但应当理解，不同的定位图像(例如，LAT定位)可用于该计算。在一些实施方案中，可以使用多于一个定位图像。
在一些实施方案中，衰减的总和可以包括来自暴露的受试者和周围介质(例如，工作台、空气、衣服、床垫等)的体素的贡献。当计算水当量直径时，可以将暴露的受试者的贡献与周围介质分离。在美国专利申请号14/946,077(US 2017/0143291)中描述了用于分离由于暴露的受试者引起的衰减的示例性方法，该专利申请全文以引用方式并入本文。
在一些实施方案中，特征图生成器402可以在计算水当量直径分布之前将卷积滤波器(例如，中值滤波器、高斯模糊滤波器等)应用于定位图像数据。预处理定位图像可以有助于确定暴露的受试者的边界。例如，特征图生成器402可以通过比较或分析候选像素的灰度强度来计算边界。
因为水当量直径分布是衰减的归一化量度，所以它是患者特定的并且不依赖于用于采集图像的模型和/或协议。在一些实施方案中，除了水当量直径分布之外，特征图可以包括其他患者特定度量，诸如年龄、性别、体型等。特征图可以是这些度量的加权组合。
重新参考图4，特征图匹配器404通过将暴露的受试者物质的特征图与每个图集元素的特征图进行比较，来从图集132中识别最佳匹配的图集元素。图集132包括一组相同种类的图像(例如，AP或LAT定位)，并且图集中的每个特定图像被称为图集元素。图6示出了图集元素的示例性结构。如图6所示，在一些实施方案中，图集元素包括一组图像数据、与该组图像数据相关联的特征图和与该组图像数据相关联的界标。在一些实施方案中，图集元素不包括图像数据，但包括特征图和界标。特征图可以包括针对图像数据计算的水当量直径分布(例如，曲线、查找表)，以及图像数据的受试者的其他元数据，诸如年龄、性别、体型等。界标注释图像数据的解剖阶段(例如，头部、肩部、胸部、腹部、骨盆、下肢等)的边界的位置。在一些实施方案中，界标由临床医生预先手动注释或校正。
在一些实施方案中，图集132包括预先选择的一组各类患者。图集132可以包括各种数目的图集元素(例如，20、30、50、100等)。在一些实施方案中，用于采集暴露的受试者110的图像的成像装置110可以不具有存在于图集132中的图集元素。换句话说，因为特征图仅包含患者特定度量，所以可以使用来自不同制造商或模型的图集元素。
在一些实施方案中，为了识别特征图与患者图像的特征图最佳匹配的图集元素，如下计算分数：
分数＝∑j∈(WED分布)|WEDj(图集元素)-WEDj(患者)|， (2)
其中WEDj(图集元素)是在图集元素的线处的水当量直径，并且WEDj(患者)是在对应于图集元素的线的位置处的患者图像的线处的水当量直径。此公式表示患者的水当量直径和图集元素的水当量直径之间的差值的逐行总和。在一些实施方案中，分数基于图集元素和患者特征图之间的部分匹配来计算。例如，从其生成患者特征图的区域可以对应于图集元素的面积的仅80％，或反之亦然。在这些情况下，可以计算重叠区域的分数。在特征图包括多个量度的一些实施方案中，如下计算分数：
分数＝∑i∈(特征图)权重i|Si(图集元素)-Si(患者)|， (3)
其中Si是特征图中的度量(即，水当量直径分布、年龄、性别、体型等)，并且权重i是给予度量的预定义权重。此公式表示图集元素和暴露的受试者114之间的每个特征分量的差值的加权总和。
具有最低分数(即，最小差值)的图集元素被确定为与所讨论的暴露的受试者114最佳匹配。在一些实施方案中，设置阈值分数。如果图集132的最低分数大于阈值分数，则特征图匹配器404可确定不存在存储在图集132中的图集元素，该图集元素与暴露的受试者114的图像匹配或几乎匹配。在另外的实施方案中，特征图匹配器404可以使用包括用于此情况下的匹配的一组不同的图集元素的不同的图集。在一些实施方案中，可以增强图集132以包括更多的图集元素。
重新参考图4，界标投影仪406将所识别的最佳匹配的图集元素的界标投影到暴露的受试者114的图像上，以在图像上生成投影的界标。如上所讨论的，已经为图集元素注释了界标。界标投影仪406可以从最佳匹配的图集元素中提取各种界标(即，位置)，识别暴露的受试者的图像上的对应位置(例如，对应Z值的位置)，并且注释对应位置。
图7示出了根据示例性实施方案的人体的AP定位图像上的界标和解剖阶段。轮廓702和704限定暴露的受试者的边界。线712标记胸部722的起点，线714标记胸部722的终点和腹部724的起点，线716标记腹部724的终点和骨盆726的起点，并且线718标记骨盆726的终点和下肢728的起点。线712、714、716和718是标记解剖阶段722、724、726和728的边界的位置的界标。应当理解，图7是用于说明而非限制。图像可以不包括所有界标，而是仅包括界标中的一个或一些。
在一些实施方案中，第一解剖区域检测器400的结果单独用于自动解剖定位。在一些实施方案中，第一检测器400的结果用于校正第二检测器140的结果。第一检测器400还可以包括结果比较器408。在一些实施方案中，结果比较器408将由第二检测器140识别的界标与由第一检测器400识别的对应界标进行比较，并且基于该比较为每个界标给出置信度分数。置信度分数指示由第二检测器140识别的界标正确的可能性。例如，结果比较器408确定由界标投影仪406确定的界标(例如，界标712、714、716或718)与由第二检测器140确定的对应界标之间的Z轴值的差异。如果差异很大(即，两个界标彼此相距很远)，则结果比较器408给出低置信度分数以指示由第二检测器140确定的界标“不太可能”是正确的。如果差异较小(即，两个界标靠近)，则结果比较器408给出高置信度分数以指示由第二检测器140确定的界标“可能”是正确的。
在一些实施方案中，置信度分数与差异具有负关联，即差异越大，置信度分数越低。在一些实施方案中，结果比较器408将差值与预定阈值进行比较。如果差值大于阈值，则置信度确定器408给出第一置信度分数。如果差值小于阈值，则置信度确定器408给出高于第一置信度分数的第二置信度分数。在一些实施方案中，如果由第二检测器140识别的界标在界标投影仪406的结果中没有找到对应物，则置信度确定器408给出低置信度分数以指示该情况。
仍然参考图4，第一检测器400还可以包括结果校正器410，该结果校正器被配置成校正第二检测器140的结果。例如，如果与特定界标相关联的置信度分数低(即，界标不太可能是正确的)，则结果校正器410可去除或替换该特定界标。在一些实施方案中，结果校正器410将每个置信度分数与预定义置信度阈值进行比较。如果置信度分数低于预定义置信度阈值，则结果校正器410校正相关联的界标。例如，如果第二检测器140识别在第一检测器400的结果中不具有对应物的界标，则结果校正器410可以从第二检测器140的结果中去除此界标。在一些实施方案中，如果由第二检测器140识别的界标与由第一检测器400识别的对应界标之间的差异很大，则结果校正器410可以用由第一检测器400确定的对应界标替换由第二检测器140确定的界标。
在另外的实施方案中，第二检测器140可能未能识别由第一检测器400识别的界标。例如，第一检测器400识别骨盆与下肢之间的边界(例如，图7中的界标728)，而第二检测器140未能检测到此类边界。结果校正器410可以将此界标添加到第二检测器410的结果中。一般来讲，假设最佳匹配的图集元素中的解剖区域大致对应于真实患者中的相同解剖区域，这允许修改所使用的能量函数或推断患者图像中不包括的解剖区域。图集元素与患者图像的匹配越接近，则可以实现越准确的校正。
参考图8，示出了根据示例性实施方案的用于识别解剖区域的方法的流程图800。该方法可以由图1中的第一解剖区域检测器130和图4中的第一解剖区域检测器400执行。在操作802处，从暴露的受试者的一个或多个图像计算暴露的受试者的特征图。如上所讨论的，特征图包括患者特定度量，并且不依赖于采集图像的机器和/或协议。在一些实施方案中，特征图包括使用如上所讨论的快速方法从图像计算出的水当量直径分布。在一些实施方案中，使用另一种适当的方法生成水当量直径分布。例如，某些装置可将信息作为定位图像中的元数据给出。在一些实施方案中，特征图还可包括暴露的受试者的年龄、性别、体型等。
在操作804处，从图集中识别最佳匹配的图集元素，其中最佳匹配的图集元素的特征图与暴露的受试者的特征图最佳匹配。图集包括一组图像，每个图像被称为图集元素。每个图集元素包括已被注释的图像数据、相关联的特征图和相关联的界标。在一些实施方案中，计算暴露的受试者的特征图和每个图集元素的特征图之间的差值。具有最小差值的图集元素被识别为最佳匹配的图集元素。
在操作806处，将最佳匹配的图集元素的界标投影到暴露的受试者的图像上以创建图像的投影的界标。在一些实施方案中，界标的Z轴值被映射到图像的对应Z轴位置上。在一些实施方案中，投影的界标可以单独用于解剖结构定位，并且可能不需要操作808至820。在一些实施方案中，投影的界标用于校正另一种解剖结构定位方法的结果，并且可以执行操作808至820中的至少一些。
在操作808处，将投影的界标与由另一种方法识别的第二组界标进行比较。在一些实施方案中，计算投影的界标与第二组界标中的对应界标之间的Z轴值的差值。基于该差值确定置信度分数。在一些实施方案中，差值越大，置信度分数越低。在一些实施方案中，将第一置信度分数给予大于预定义阈值的差值，并且将第二置信度分数给予不大于预定义阈值的差值，其中第一置信度分数低于第二置信度分数。在一些实施方案中，如果由另一种方法识别的界标不具有对应的投影界标，则给予特殊置信度分数以指示该情况。
在操作810处，基于比较来确定由第二种方法识别的任何界标是否“不太可能”是正确的。在一些实施方案中，将与第二种方法的每个界标相关联的置信度分数与预定义阈值分数进行比较。如果置信度分数低于阈值分数，则由第二种方法识别的相关联的界标被确定为“不太可能”是正确的。如果置信度分数不低于阈值分数，则由第二种方法识别的相关联的界标不被标记为“不太可能的”。如果在操作810处确定在第二种方法的结果中没有界标是“不太可能的”，则该方法前进至操作818，这将在下文讨论。
如果在操作810处确定第二组界标中的特定界标是“不太可能的”，则在操作812处确定该特定界标是否具有对应的投影界标。例如，另一种方法可能已经识别出界标，该界标标记骨盆的终点和下肢的起点，而投影的界标不包括对应界标。如果是这种情况，则在操作814处从第二组界标中去除该特定界标。
如果在操作812处确定“不太可能的”界标在投影的界标中具有对应物，则在操作816处，“不太可能的”界标被投影的界标中的对应界标替换。例如，第二种方法已识别界标，该界标标记骨盆的终点和下肢的起点。然而，界标的Z轴值与对应的投影界标的Z轴值显著不同。在操作816处，第二组界标中的此特定界标可以被对应的投影界标替换。
在一些实施方案中，方法800还可包括操作818，其中确定所有投影的界标是否在由另一种解剖结构定位方法识别的第二组界标中。例如，投影的界标可以包括标记骨盆的终点和下肢的起点的界标，而第二组界标不包括对应物。在操作820处，可以将缺失的界标添加到第二组界标中。如果在操作818处确定所有投影的界标在第二组界标中都具有对应界标，则在操作822处，不对结果进行进一步改变。
应当理解，图8中所示的过程是用于说明而非进行限制。适当的过程可以包括比图8所示的那些操作更多、更少或不同的操作。
如本文所公开的方法已结合GE
Figure BDA0002646841880000141
中实施的现有解剖区域检测方法进行了测试。去除由
Figure BDA0002646841880000142
生成的正误识。
除了任何先前指示的修改之外，本领域技术人员可以在不脱离本具体实施方式的实质和范围的情况下设计出许多其他变型和替换布置，并且所附权利要求书旨在覆盖此类修改和布置。因此，尽管上面已经结合当前被认为是最实际和最优选的方面对信息进行了具体和详细的描述，但对于本领域的普通技术人员将显而易见的是，在不脱离本文阐述的原理和概念的情况下，可以进行许多修改，包括但不限于形式、功能、操作方式和使用。同样，如本文所使用的，在所有方面，实施例和实施方案仅意图是说明性的，并且不应以任何方式解释为限制性的。

Claims (20)

1.一种用于自动识别医学图像中的解剖区域的方法，所述方法包括：
生成暴露的受试者的特征图，其中所述特征图包括从所述暴露的受试者的一个或多个图像生成的水当量直径分布；
从图集中识别最佳匹配的图集元素，其中所述图集包括一组图集元素，每个图集元素包括与一组图像数据相关联的界标和与所述组图像数据相关联的特征图，所述图集中的所述最佳匹配的图集元素的所述特征图与所述暴露的受试者的所述特征图最佳匹配；以及
将所述最佳匹配的图集元素的界标投影到所述暴露的受试者的图像上，以生成所述暴露的受试者的所述图像的投影的界标。
2.根据权利要求1所述的方法，其中生成所述暴露的受试者的所述特征图包括：
计算所述暴露的受试者的一组切片图像的水当量直径；
使用所计算的水当量直径来校准所述暴露的受试者的定位图像；以及
基于所述校准来计算沿所述定位图像的纵轴的所述水当量直径分布。
3.根据权利要求1所述的方法，其中所述暴露的受试者的所述特征图还包括所述暴露的受试者的年龄、性别和体型中的至少一项。
4.根据权利要求1所述的方法，其中识别所述最佳匹配的图集元素包括：
将所述暴露的受试者的所述特征图与所述图集中的每个图集元素的所述特征图进行比较；以及
将具有最小差值的图集元素识别为所述最佳匹配的图集元素。
5.根据权利要求1所述的方法，还包括：
将所投影的界标与不同的解剖结构定位方法的结果进行比较，其中所述结果包括由所述不同的解剖结构定位方法识别的第二组界标；以及
基于所述比较校正所述结果。
6.根据权利要求5所述的方法，其中将所投影的界标与所述结果进行比较包括：
基于所述相关联的界标与所投影的界标中的对应界标之间的差异来确定与所述第二组界标的每个界标相关联的置信度分数；以及
基于所述相关联的置信度分数来确定所述第二组界标中的特定界标不太可能是正确的；
其中校正所述结果包括校正被确定为不太可能正确的所述特定界标。
7.根据权利要求6所述的方法，还包括确定所投影的界标是否包括对应于所述特定界标的界标，其中校正被确定为不太可能正确的所述特定界标包括：
响应于确定所投影的界标中不包括对应界标，从所述不同的解剖结构定位方法的所述结果中去除所述特定界标；以及
响应于确定所投影的界标中包括所述对应界标，将所述结果中的所述特定界标替换为所述对应界标。
8.根据权利要求5所述的方法，其中将所投影的界标与所述结果进行比较包括确定所投影的界标中的特定界标在所述结果中不具有对应界标，并且基于所述比较来校正所述结果包括将所述特定界标添加到所述结果。
9.一种用于自动识别医学图像中的解剖区域的处理系统，所述处理系统包括：
特征图生成器，所述特征图生成器被配置成生成暴露的受试者的特征图，其中所述特征图包括从所述暴露的受试者的一个或多个图像生成的水当量直径分布；
特征图匹配器，所述特征图匹配器被配置成从图集中识别最佳匹配的图集元素，其中所述图集包括一组图集元素，每个图集元素包括与一组图像数据相关联的界标和与所述组图像数据相关联的特征图，所述图集中的所述最佳匹配的图集元素的所述特征图与所述暴露的受试者的所述特征图最佳匹配；和
界标投影仪，所述界标投影仪被配置成将所述最佳匹配的图集元素的界标投影到所述暴露的受试者的图像上，以生成所述暴露的受试者的所述图像的投影的界标。
10.根据权利要求9所述的处理系统，其中所述特征图生成器被进一步配置成：
计算所述暴露的受试者的一组切片图像的水当量直径；
使用所计算的水当量直径来校准所述暴露的受试者的定位图像；以及
基于所述校准来计算沿所述定位图像的纵轴的所述水当量直径分布。
11.根据权利要求9所述的处理系统，其中所述暴露的受试者的所述特征图还包括所述暴露的受试者的年龄、性别和体型中的至少一项。
12.根据权利要求9所述的处理系统，其中所述特征图匹配器被进一步配置成：
将所述暴露的受试者的所述特征图与所述图集中的每个图集元素的特征图进行比较；以及
将具有最小差值的图集元素识别为所述最佳匹配的图集元素。
13.根据权利要求9所述的处理系统，还包括：
结果比较器，所述结果比较器被配置成将所投影的界标与不同的解剖结构定位方法的结果进行比较，其中所述结果包括由所述不同的解剖结构定位方法识别的第二组界标；和
结果校正器，所述结果校正器被配置成基于所述比较来校正所述结果。
14.根据权利要求13所述的处理系统，其中所述结果比较器被进一步配置成：
基于所述相关联的界标与所投影的界标中的对应界标之间的差异来确定与所述第二组界标的每个界标相关联的置信度分数；以及
基于所述相关联的置信度分数来确定所述第二组界标中的特定界标不太可能是正确的；并且
所述结果校正器被进一步配置成校正被确定为不太可能正确的所述特定界标。
15.根据权利要求14所述的处理系统，其中所述结果比较器被进一步配置成确定所投影的界标是否包括对应于所述特定界标的界标，所述结果校正器被进一步配置成：
响应于确定所投影的界标中不包括对应界标，从所述不同的解剖结构定位方法的所述结果中去除所述特定界标；以及
响应于确定所投影的界标中包括所述对应界标，将所述结果中的所述特定界标替换为所述对应界标。
16.根据权利要求13所述的处理系统，其中所述结果比较器被进一步配置成确定所投影的界标中的特定界标在所述结果中不具有对应界标，并且所述结果校正器被进一步配置成将所述特定界标添加到所述结果。
17.一种非暂态计算机可读介质，所述非暂态计算机可读介质包括指令，所述指令在由处理系统执行时使得所述处理系统执行操作，所述操作包括：
生成暴露的受试者的特征图，其中所述特征图包括从所述暴露的受试者的一个或多个图像生成的水当量直径分布；
从图集中识别最佳匹配的图集元素，其中所述图集包括一组图集元素，每个图集元素包括与一组图像数据相关联的界标和与所述组图像数据相关联的特征图，所述图集中的所述最佳匹配的图集元素的所述特征图与所述暴露的受试者的所述特征图最佳匹配；以及
将所述最佳匹配的图集元素的界标投影到所述暴露的受试者的图像上，以生成所述暴露的受试者的所述图像的投影的界标。
18.根据权利要求17所述的非暂态计算机可读介质，其中生成所述暴露的受试者的所述特征图的所述操作包括：
计算所述暴露的受试者的一组切片图像的水当量直径；
使用所计算的水当量直径来校准所述暴露的受试者的定位图像；以及
基于所述校准来计算沿所述定位图像的纵轴的所述水当量直径分布。
19.根据权利要求17所述的非暂态计算机可读介质，其中所述操作还包括：
将所投影的界标与不同的解剖结构定位方法的结果进行比较，其中所述结果包括由所述不同的解剖结构定位方法识别的第二组界标；
基于所述比较来确定所述第二组界标中的特定界标不太可能是正确的；
确定所投影的界标是否包括对应于所述特定界标的界标；
响应于确定所投影的界标中不包括对应界标，从所述不同的解剖结构定位方法的所述结果中去除所述特定界标；以及
响应于确定所投影的界标中包括所述对应界标，将所述结果中的所述特定界标替换为所述对应界标。
20.根据权利要求17所述的非暂态计算机可读介质，其中所述操作还包括：
将所投影的界标与不同的解剖结构定位方法的结果进行比较，其中所述结果包括由所述不同的解剖结构定位方法识别的第二组界标；
确定所投影的界标中的特定界标在所述结果中不具有对应界标；以及
将所述特定界标添加到所述结果。
CN201980015398.7A 2018-01-31 2019-01-29 用于检测解剖区域的系统和方法 Active CN111757701B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US15/885,088 US10568600B2 (en) 2018-01-31 2018-01-31 System and method for detecting anatomical regions
US15/885,088 2018-01-31
PCT/US2019/015662 WO2019152412A1 (en) 2018-01-31 2019-01-29 System and method for detecting anatomical regions

Publications (2)

Publication Number Publication Date
CN111757701A true CN111757701A (zh) 2020-10-09
CN111757701B CN111757701B (zh) 2022-03-04

Family

ID=67391740

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201980015398.7A Active CN111757701B (zh) 2018-01-31 2019-01-29 用于检测解剖区域的系统和方法

Country Status (4)

Country Link
US (1) US10568600B2 (zh)
EP (1) EP3745950B1 (zh)
CN (1) CN111757701B (zh)
WO (1) WO2019152412A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115666391A (zh) * 2021-03-15 2023-01-31 皇家飞利浦有限公司 针对医学成像的患者准备

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111243026B (zh) * 2020-01-19 2023-09-22 武汉联影智融医疗科技有限公司 解剖标记点定位方法、装置、计算机设备和存储介质
EP3913574B1 (en) * 2020-05-21 2022-12-21 Tata Consultancy Services Limited Anatomical landmark detection and identification from digital radiography images containing severe skeletal deformations
CN112262440A (zh) * 2020-07-15 2021-01-22 北京肿瘤医院(北京大学肿瘤医院) 一种通过影像组学特征判断癌症治疗反应的方法及系统
US11908174B2 (en) 2021-12-30 2024-02-20 GE Precision Healthcare LLC Methods and systems for image selection

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2010138959A1 (en) * 2009-05-29 2010-12-02 Siemens Medical Solutions Usa, Inc. Systems and methods for detecting and visualizing correspondence corridors on two-dimensional and volumetric medical images
US20150305695A1 (en) * 2014-04-25 2015-10-29 Medtronic, Inc. Guidance System For Localization And Cannulation Of the Coronary Sinus
CN105310713A (zh) * 2014-06-11 2016-02-10 西门子公司 运行计算机断层成像设备的方法和计算机断层成像设备
US20170143291A1 (en) * 2015-11-19 2017-05-25 General Electric Company Water equivalent diameter determination from scout images
WO2017103238A1 (en) * 2015-12-17 2017-06-22 Koninklijke Philips N.V. Method for estimating the radiation dose received by an organ during a computed tomography scan
CN107497059A (zh) * 2017-07-12 2017-12-22 合肥中科离子医学技术装备有限公司 一种质子ct精准控制方法

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003522576A (ja) * 2000-02-18 2003-07-29 ウィリアム・ボーモント・ホスピタル 平坦なパネル画像装置を有するコーンビームコンピュータ断層撮像装置
US8045771B2 (en) 2006-11-22 2011-10-25 General Electric Company System and method for automated patient anatomy localization
US8761480B2 (en) * 2010-09-22 2014-06-24 Siemens Aktiengesellschaft Method and system for vascular landmark detection
WO2012147006A1 (en) * 2011-04-28 2012-11-01 Koninklijke Philips Electronics N.V. Medical imaging device with separate button for selecting candidate segmentation images
CN104394771B (zh) * 2012-06-04 2017-07-04 泰尔哈绍梅尔医学研究基础设施和服务有限公司 超声图像处理
US9649079B1 (en) 2014-10-09 2017-05-16 General Electric Company System and method to illustrate a radiation dose applied to different anatomical stages of an exposed subject
US9949643B2 (en) * 2014-10-18 2018-04-24 International Business Machines Corporation Automatic visualization of regional functional parameters of left ventricle from cardiac imaging
EP3410324B1 (de) * 2017-05-30 2019-05-08 Siemens Healthcare GmbH Bestimmen eines anonymisierten dosisberichtbildes

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2010138959A1 (en) * 2009-05-29 2010-12-02 Siemens Medical Solutions Usa, Inc. Systems and methods for detecting and visualizing correspondence corridors on two-dimensional and volumetric medical images
US20150305695A1 (en) * 2014-04-25 2015-10-29 Medtronic, Inc. Guidance System For Localization And Cannulation Of the Coronary Sinus
CN105310713A (zh) * 2014-06-11 2016-02-10 西门子公司 运行计算机断层成像设备的方法和计算机断层成像设备
US20170143291A1 (en) * 2015-11-19 2017-05-25 General Electric Company Water equivalent diameter determination from scout images
WO2017103238A1 (en) * 2015-12-17 2017-06-22 Koninklijke Philips N.V. Method for estimating the radiation dose received by an organ during a computed tomography scan
CN107497059A (zh) * 2017-07-12 2017-12-22 合肥中科离子医学技术装备有限公司 一种质子ct精准控制方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115666391A (zh) * 2021-03-15 2023-01-31 皇家飞利浦有限公司 针对医学成像的患者准备

Also Published As

Publication number Publication date
EP3745950A1 (en) 2020-12-09
US10568600B2 (en) 2020-02-25
WO2019152412A1 (en) 2019-08-08
EP3745950A4 (en) 2021-11-03
CN111757701B (zh) 2022-03-04
US20190231294A1 (en) 2019-08-01
EP3745950B1 (en) 2023-03-22

Similar Documents

Publication Publication Date Title
CN111757701B (zh) 用于检测解剖区域的系统和方法
JP6456002B2 (ja) ラジオグラム画像の画質を決定する装置及び方法
US10154820B2 (en) Method and apparatus for navigating CT scan with a marker
US20160203604A1 (en) Method for automatic detection of anatomical landmarks in volumetric data
US9336613B2 (en) Apparatus for generating assignments between image regions of an image and element classes
US20230267613A1 (en) Medical image processing apparatus and method
US9269165B2 (en) Rib enhancement in radiographic images
Alam et al. Medical image registration: Classification, applications and issues
US11779288B2 (en) Methods, systems, and apparatus for determining radiation doses
US10402991B2 (en) Device and method for registration of two images
US20240029256A1 (en) Determining target object type and position
EP4287201A1 (en) Compensating for differences in medical images
EP4246427A1 (en) Providing normalised medical images
Lee et al. Estimation of anatomical locations using standard frame of reference in chest CT scans
EP4301229A1 (en) Image-based planning of tomographic scan
Brehler Intra-operative visualization and assessment of articular surfaces in C-arm computed tomography images
Miao et al. 2D/3D Image Registration for Endovascular Abdominal Aortic Aneurysm (AAA) Repair
Hong et al. Automatic segmentation and registration for the lung nodule matching in temporal chest CT scans

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant