CN111882513A - 临床驱动的图像融合 - Google Patents
临床驱动的图像融合 Download PDFInfo
- Publication number
- CN111882513A CN111882513A CN202010722748.8A CN202010722748A CN111882513A CN 111882513 A CN111882513 A CN 111882513A CN 202010722748 A CN202010722748 A CN 202010722748A CN 111882513 A CN111882513 A CN 111882513A
- Authority
- CN
- China
- Prior art keywords
- image
- reconstruction
- medical
- data
- imaging
- 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
- 230000004927 fusion Effects 0.000 title description 10
- 238000000034 method Methods 0.000 claims abstract description 111
- 238000003384 imaging method Methods 0.000 claims abstract description 51
- 238000002059 diagnostic imaging Methods 0.000 claims abstract description 39
- 238000002591 computed tomography Methods 0.000 claims description 19
- 238000002600 positron emission tomography Methods 0.000 claims description 11
- 238000005259 measurement Methods 0.000 claims description 10
- 230000035945 sensitivity Effects 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 claims 4
- 238000003325 tomography Methods 0.000 claims 1
- 206010028980 Neoplasm Diseases 0.000 description 10
- 230000008901 benefit Effects 0.000 description 7
- 238000003339 best practice Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000011282 treatment Methods 0.000 description 6
- 238000012937 correction Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000002603 single-photon emission computed tomography Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000009467 reduction Effects 0.000 description 4
- 230000004807 localization Effects 0.000 description 3
- 239000002184 metal Substances 0.000 description 3
- 230000004075 alteration Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 239000007943 implant Substances 0.000 description 2
- 210000003127 knee Anatomy 0.000 description 2
- 230000002503 metabolic effect Effects 0.000 description 2
- 238000011002 quantification Methods 0.000 description 2
- 238000009877 rendering Methods 0.000 description 2
- 208000006820 Arthralgia Diseases 0.000 description 1
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 201000011510 cancer Diseases 0.000 description 1
- 230000000747 cardiac effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000004313 glare Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 208000024765 knee pain Diseases 0.000 description 1
- 208000025440 neoplasm of neck Diseases 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 239000000700 radioactive tracer Substances 0.000 description 1
- 238000001959 radiotherapy Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000003826 tablet Substances 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000002560 therapeutic procedure Methods 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
- G06T11/005—Specific pre-processing for tomographic reconstruction, e.g. calibration, source positioning, rebinning, scatter correction, retrospective gating
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration by the use of more than one image, e.g. averaging, subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
- G06T11/008—Specific post-processing after tomographic reconstruction, e.g. voxelisation, metal artifact correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/97—Determining parameters from multiple pictures
-
- 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
- G06T2207/10—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
- G06T2207/10084—Hybrid tomography; Concurrent acquisition with multiple different tomographic modalities
-
- 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
- G06T2207/10104—Positron emission tomography [PET]
-
- 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
- G06T2207/20004—Adaptive image processing
- G06T2207/20008—Globally adaptive
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2211/00—Image generation
- G06T2211/40—Computed tomography
- G06T2211/416—Exact reconstruction
Abstract
一种医学成像系统包括重建程序的数据存储(16)、选择器(24)、重建器(14)、融合器(28)和显示器(22)。重建程序的数据存储(16)识别多个重建程序。选择器(24)基于接收到的输入而选择来自重建程序的数据存储的至少两个重建程序,每个重建程序针对一个或多个图像特性而被优化。重建器(14)同时执行所选择的至少两个重建程序,每个重建程序从至少一个数据存储的成像数据(12)生成至少一幅图像(26)。融合器(28)对至少两个所生成的医学图像进行融合来创建包括来自每个所生成的图像(26)的特性的医学诊断图像。显示器(22)显示所述医学诊断图像。
Description
本申请是申请日为2013年1月28日,题为“临床驱动的图像融合”,申请号为201380008615.2的专利申请的分案申请。
技术领域
本申请大体涉及医学成像。其具体结合图像重建和呈现应用,并且将具体参考其进行描述。然而,应理解,其还适用于其它使用场景并且不一定限于前述应用。
背景技术
健康护理从业者基于内科医师请求和来自医学记录的关于受检者的信息来选择成像重建程序。重建程序基于具体重建算法并且使用选定的一组重建参数。典型地,重建程序被选择为产生具有将最好地回答内科医师请求所提出的临床问题的特性的图像。在审查所得图像之后,经常选择不同重建程序来生成利用不同特性优化的或者更好地示出第一特性的图像。以线性方式,健康护理从业者构建一组图像,所述一组图像根据过往的实践产生对基于内科医师请求的临床问题的答案。选择并且执行重建、审查图像以及选择并且执行新重建等的线性方式使用宝贵的临床时间。
重建程序典型地产生在至少一个类别中优化的图像并且经常涉及类别之间的权衡。例如,可以针对高分辨率优化的一个重建程序,针对灰度准确度优化的第二重建程序,以及针对低噪声优化的第三重建程序。对于具体临床应用而言,用于感兴趣区域的数据可以重建多次。典型地,每次重建是针对目的而优化的。重建参数包括可以在重建期间被应用的各种滤波器。程序的最后选择可以基于特定于用于单独受检者的图像序列的健康护理从业者的偏好、治疗方案、医学场所或者这些的组合。选择过程典型地是随时间的偏好和实践的聚合并且可能不反映最佳实践。此外,选择一组重建参数、查看图像并且然后选择可替换的一组重建参数的线性方面跟随有临床时间。在反复的重建的实例中,健康护理从业者通过在图像之间来回翻转来精神上积累遍及各图像的信息以进行比较并且得出结论。临床时间压力用于降低可替换重建的数目。
发明内容
本申请公开了解决上文所提及的问题和其它问题的新的和改进的临床驱动的图像融合。
根据一个方面,医学成像系统包括重建程序的数据存储、选择器、重建器、融合器和显示器。重建程序的数据存储识别多个重建程序。选择器基于所接收到的输入选择来自重建程序的数据存储的至少两个重建程序,每个重建程序针对一个或多个图像特性而优化。重建器同时执行所选择的至少两个重建程序,每个重建程序从至少一个数据存储的成像数据生成至少一幅图像。融合器对至少两个所生成的医学图像进行融合来创建包括来自每个所生成的图像的特性的医学诊断图像。显示器显示所述医学诊断图像。
根据另一方面,一种医学成像的方法包括接收用于医学诊断图像的输入。基于所接收到的输入选择至少两个重建程序,每个程序针对一个或多个图像特性而优化。同时对接收到的成像数据执行每个重建程序,所述每个重建程序利用成像特性生成至少一幅图像。所生成的图像被融合到包括来自每个所生成的图像的至少一个成像特性的医学诊断图像中。在显示设备上显示经融合的图像。
根据另一方面,一种医学成像系统,包括一个或多个模块,所述一个或多个模块获得用于医学诊断图像的临床目的并且使用接收到的成像数据、基于临床目的同时执行至少两个重建程序,每个重建程序针对一个或多个图像特性而优化,并且生成包括来自每个重建的至少一个图像特性的医学诊断图像。
一个优点是,重建程序基于所提出的临床问题而选择并且可以包括最佳实践。
另一优点在于改进的工作流程。
另一优点在于降低的重建延迟。
另一优点在于使临床解释变得容易的图像特性的融合。
本领域技术人员在阅读和理解了下面的详细说明之后,将认识到本申请进一步的优点。
附图说明
本发明可以采取各种部件和各部件的布置以及各种步骤和各步骤的安排的形式。附图仅出于图示优选实施例的目的并且不应被解释为对本发明的限制。
图1利用系统方框图图示了临床驱动的医学成像系统的实施例。
图2图解地图示了使用多个成像模态和可换的图像融合技术的临床驱动的医学成像系统操作的实施例。
图3图解地图示了临床驱动的医学成像系统操作的实施例。
图4用流程图示出了临床驱动的医学成像系统的实施例。
具体实施方式
图1利用系统方框图图示了临床驱动的医学成像系统5的实施例。成像数据由一个或多个医学成像设备10记录,所述设备诸如X射线计算机断层摄影(CT)扫描器、磁共振(MR)扫描器、正电子发射断层摄影(PET)扫描器、单正电子发射断层摄影(SPECT)扫描器、超声波扫描器、组合式或者混合式扫描器等。诸如CT/PET、PET/MR、SPECT/CT、SPECT/MR的混合式扫描器是有利的,因为所有模态的数据和图像固有地被配准。一个或多个成像数据集12由每个医学成像设备10在图像采集期间产生并且被存储在数据存储中(所述数据存储例如本地地在服务器存储器中)或者磁盘存储器中或者在诸如网络连接存储器的非暂态远程数据存储中的存储器等等。一个或多个成像数据集是共同配准的。
一个或多个成像数据集12由重建器14来处理。重建器14包括一个或多个重建处理器或者其它重建模块。每个重建程序对至少一个成像数据集12进行操作。诸如衰减图、概率图等在一个重建程序中所创建的信息可以用作对相同或者不同模态的成像数据集进行操作的第二重建程序的输入。例如,CT重建程序创建或者输出衰减图,其是用于衰减校正的PET重建处理器的输入。重建器14协调各重建之间的处理并且管理来自每个重建程序的所生成的图像。每个重建程序包括重建算法、重建参数、来自另一程序的可选输入以及可选地一个或多个滤波器。重建程序生成诸如2D、3D、3D体积的2D部分、表面绘制等等。
重建程序被存储在用临床目的索引的重建程序数据存储16中。每个重建程序使用重建算法和一个或多个重建参数。重建参数包括关于成像数据的类型(例如MR、PET、SPECT、CT等)的信息。参数可以包括针对特定设备实现方式、本地化或者治疗方案的参数。参数可以包括诸如滤波器设置等的预处理或者后处理设置。例如,在肿瘤治疗跟进中,可以详细优化一个重建程序来示出剩余肿瘤的形状。可以优化另一重建程序来描绘肿瘤与所涉及的各器官之间的空间关系。又一重建程序可以针对放射性同位素的摄取值的量化而优化。在涉及混合式扫描器的另一示例中,一个CT或者MR重建可以出于衰减校正的目的而优化,并且第二CT或者MR重建出于混合数据的诊断查看的目的而优化。数据存储可以是数据库、文件系统或者对象的集合等等。例如,临床目的可以与使用关系表的许多重建程序相关。在另一示例中,包括算法和参数的每个重建程序被存储为对象,并且对象方法包括临床目的。临床目的包括对处置的跟踪,所述处置例如放射治疗、诊断检索、研究用途等。
临床目的从一个或多个源(例如来自工作站18、来自患者医学记录、医院信息系统(HIS)19等等的输入)导出。工作站18包括至少一个输入设备20(例如键盘、麦克风、鼠标等)以及显示设备22。工作站18可以是特别指定的显示工作站、台式计算机、膝上型电脑、平板电脑、智能手机等等。临床目的可以是使用工作站18到输入设备20的健康护理从业者的手动输入。临床目的可以是自由形式输入、到表格中的输入、从显示在显示设备22上的菜单的选择。临床目的可以是使用数据挖掘或者事务处理的、来自患者医学记录或者HIS系统的输入。临床目的可以从医嘱导出,取决于健康护理提供者的实现方式,医嘱可以是分立的系统、电子医学记录的一部分、HIS的一部分等。
患者医学记录还贡献能够影响诸如既往历史、其它检查、移植物等的重建程序的选择的信息。例如,具有人造膝盖移植的膝痛的患者的膝部扫描包括移除归因于移植中的金属的眩光的滤波器。如果未在医嘱中指示,那么典型地可以在患者医学记录中找到移植的存在和类型。
一个临床目的可以涉及许多重建程序。例如,用于肿瘤阶段评估的成像顺序包括针对空间关系优化的重建程序,以及针对定量测量优化的另一重建程序。在范例中,临床目的包括肿瘤阶段或者其中癌症存在于身体中。在另一范例中,临床目的是颈部肿瘤治疗跟进,其包括针对高分辨率优化的至少一个重建程序,以及针对肿瘤尺寸和形状的测量(诸如基于放射性同位素摄取的肿瘤体积的定量测量)优化的另一重建程序。
诸如处理器、算法、模块等的重建程序选择器24基于针对诊断医学成像的临床目的而选择用于重建器的重建程序。选择器24识别成像数据集12和相关联的模态、输入临床目的并且选择来自要同时被重建器14处理的重建数据存储16的适当重建程序。基于临床目的的重建程序的选择是最佳实践的反映。可以诸如基于健康护理从业者偏好25来使选择过程局部化。局部化还可以包括特定于本地成像设备、图像集合、协议等的参数。局部化可选地可以包括健康护理从业者偏好的数据存储。
所选择的重建程序由重建器14来处理并且每个生成针对一个或多个成像特性而优化的至少一幅图像26。图像特性包括对比灵敏度、细节方面、空间关系、伪影最小化、定量测量等等。数个图像可以共享相似的特性。例如,多个CT重建包括针对高分辨率的优化,而一个重建程序应用用于边缘增强的滤波器。第二重建程序应用用于边缘增强的不同的滤波器。特性可以不同。在另一范例中,多个CT重建包括针对高分辨率的细节而优化的第一重建和针对伪影减少而优化的第二重建。
诸如图像融合处理器、算法、视频卡等的融合器28将来自每个重建程序的所生成的图像26的特性融合到医学诊断图像中。融合器28使用各种技术将所生成的图像26合并到医学诊断图像中。例如,第一重建程序基于放射性同位素的摄取来生成针对肿瘤代谢活动的定量测量而优化的PET图像,第二CT图像针对高分辨率而优化,第三CT图像针对诸如心脏运动的伪影减少而优化。利用来自第三CT图像的区域代替包括期望伪影的高分辨率第二CT图像的区域。经融合的第二和第三图像利用用于医学诊断图像的肿瘤代谢活动的定量测量来覆盖。作为用于另一重建的输入而创建的其它重建结果(例如,衰减和散射校正信息)可能不呈现为最后的医学诊断图像的部分。医学诊断图像可以显示在显示设备22上和/或存储在图像存储系统30中,诸如图像存档及通信系统(PACS)、放射信息系统(RIS)、患者记录数据库、医院信息系统等等。
选择器24、重建器14和融合器28适合由电子数据处理设备(诸如工作站18的电子处理器或者电子处理设备)或者由通过网络操作性地与工作站18连接的基于网络的服务器计算机等来实现。融合器28由工作站20适当地实现。此外,所公开的重建和图像融合技术适合实现为存储可以由电子数据处理设备读取并且可以由电子数据处理设备运行以执行所公开的重建和图像融合技术的指令(例如,软件)的非暂态存储介质。
图2图解地图示了利用多个成像模态和可选的融合技术的医学成像系统5的实施例。从一个或多个医学成像设备10接收成像数据12的多个数据集并且将其存储在数据存储中。相同的医学成像设备10可以利用不同的采集参数或者利用相同参数但是具有时间或者其它差异来产生多个成像数据集。多个数据集12可以包括多个采集模态,诸如MR、PET、SPECT、CT等等。优选地,成像数据集12中的多个模态的表示被固有地配准。数据集可以直接被接收自医学成像设备10并且被存储在数据存储中,或者被接收自先前从医学成像设备接收它们的数据存储。成像数据12的数据存储包括关于针对图像重建所必要的成像数据的信息。
所选择的重建程序对成像数据12进行处理。由重建器14执行的每个重建程序生成针对一个或多个图像特性而优化的至少一幅图像26。特性基于由产生反映最佳实践的医学诊断图像的选择器24所识别的临床目的。
融合器28对经重建图像的特性进行融合来创建医学诊断图像32并且还可以包括附加的本地实践和/或个性化。所呈现的医学诊断图像32包括初始图像覆盖以及诸如滚动条、复选框、单选按钮等等的用户可选择输入34。图像覆盖的选择由健康护理从业者使用至少一个输入设备来输入以指示诸如具有不同对比度的高分辨率图像的各种可替换的图像覆盖。用户可选择输入34可以按指示细节、锐度、使用频率、经融合图像的相对贡献、色彩增强等的特性的比例来对图像覆盖进行排序。例如,高分辨率图像可以按诸如毫米每像素的图像分辨率、PACS中的使用频率、描述的字母表顺序等来进行排序。
图3图示了使用仅一个模态扫描器的实施例。成像数据集12被接收自医学成像设备10或者检索自数据存储。选择器24使用由临床目的访问的数据存储16将输入临床目的与所选择的重建程序相关联。临床目的可以通过工作站输入、诸如患者医学记录的数据存储、诸如HIS的系统或者某种组合来获取。
选择器24可以利用附加信息来修改诸如对移植物或者金属片的存在、既往历史、先前研究等的重建程序的选择。选择器确定并行重建算法和相关联的参数的选择,诸如滤波反向投影(FBP)、FBP Feldkamp变型、同时代数重建算法、具有平滑的FBP、迭代最大似然方法等。所选择的过程任选地可以包括附加的滤波方法来移除归因于金属的存在的失真、与先前研究进行比较、移除伪影等等。
由重建器14同时执行的每个重建程序针对诸如分辨率或细节、边缘描绘、锐度、解剖轮廓、空间关系、定量测量、对比度、噪声降低、伪影降低等等的至少一个图像特性而优化。重建同时被执行并且对于健康护理从业者而言是透明的。由于重建被并行执行,因而降低了用于成像研究的总体时间。来自每个重建程序的所生成的图像26包括至少一个图像特性。
融合器28对来自所生成的图像26中的每个的图像特性进行融合。所生成的图像固有地被共同配准。融合器28使用覆盖技术、代替或者组合来合并来自每个所生成的图像26的特性。例如,来自一个重建的高分辨率图像可以利用具有来自另一重建的锐利边缘描绘的图像来覆盖。在另一范例中,用户描绘图像之一上的钥匙孔(key hole)36或者区域,并且具有不同特性的另一图像的相对应区域被显示在钥匙孔中。在经覆盖的图像中代替所显示的感兴趣区域内的体素(例如针对来自第三重建的放射性同位素的摄取的准确度而优化的体素)。经融合的医学图像或者医学诊断图像32包括每个所生成的图像26的特性,诸如高分辨率、锐利边缘以及针对感兴趣区域的摄取的准确度。来自一幅图像的经代替体素可以基于几何图案、解剖段、用户限定区等等。医学诊断图像32可以显示在显示设备22上和/或存储在图像存储系统30中。
可替换实施例中的医学诊断图像32使用来自第二重建中的第一图像重建的信息,但是对于健康护理从业者而言是透明的。作为范例,衰减校正图产生自第一图像重建并且被用于生成或者修改第二图像重建的显示,而第一图像绝不包括在经融合的医学图像中。
参考图4,用流程图示出了医学成像方法的实施例。在步骤40中,获取临床目的。临床目的从一个源或者源的组合输入到系统。输入可以由在工作站处使用至少一个输入设备的健康护理从业者输入。来自健康护理从业者的输入可以是对问题的回答、到表中的输入、来自服务目录的选择等等。输入可以是来自作为医院信息系统(HIS)的一部分的医嘱输入系统的医嘱。输入可以来自患者医学记录。患者医学记录可以包含诸如诊断、疾病、健康状况、或者损伤、先行治疗、当前治疗等的信息。信息可以指示所需要的研究的类型或者向期望的成像研究提出修改。
在一个实施例中,在步骤42中,基于用途来选择成像模态和成像参数。在步骤44中,控制扫描器来获得图像数据。成像数据集范围从一个模态和一个数据集到许多模态和许多成像数据集。优选地,同时执行数据采集。
在步骤46中,选择器选择要同时关于接收到的成像数据被执行的两个或更多重建程序。成像数据在先前步骤中被获得和/或接收自数据存储。重建程序基于用于临床目的的最佳实践,但是可以被修改。经修改的重建程序包括基于所选择的患者历史和当前健康状况的参数或者算法的修改。
在多个同时的步骤48中,重建器利用所选择的重建程序来执行同时、并行、交错的图像重建。多于一个的重建程序由一个或多个处理器执行。由同时的重建提供的并行性降低了用于研究的临床时间量。所生成的图像包括:包括2D图像的至少一个2D结果图像、限定体积的一系列2D切片、3D体积图像、表面绘制图像、投影图像、造影增强图像、功能图像等等。重建程序还可以产生诸如衰减校正、概率图等的信息,其增强所显示的图像或者图像特性。在一些情况中,重建交换重建资源,并且在适用的地方交换部分或者全部经处理的数据。在一个实施例中,所完成的第一重建是由最佳实践准则所规定的那些重建。使用基于临床医师偏好的重建滤波器和特性的重建可以在适用时紧跟着使用部分经处理的数据来执行。在又一实施例中,针对多个目的而生成图像。如果重建资源充足,那么同时执行全部。如果资源不充足,那么针对将被分析的第一图像同时执行的重建跟随有用于要被分析的下一幅图像的无缝并且部分地重叠,这自动地而不等待用户输入。
在步骤50中,融合器将所生成的图像融合到医学诊断图像中。诊断图像可以在步骤52中被显示和/或在步骤54中被存储以用于随后的审查。诊断图像包括多个图像重建的特性。特性通过覆盖技术和代替而包括在显示图像中。覆盖和代替可以通过图像或者图像的一部分。图像的一部分可以通过几何形状、解剖特征、用户限定等等。覆盖和代替可以包括在初始显示中或者由健康护理从业者使用输入设备和诸如滚动条、复选框、指示器等等的用户可选择输入35来选择。
在另一实施例中,重建结果的一个集合被用于显示并且手动、交互或者自动地确定感兴趣区域。从用于量化而优化的重建来获取针对这些感兴趣区域所呈现的测量结果,例如,平均示踪摄取。该图是用于感兴趣区域和图像统计学的输入并且不需要被呈现给用户。
应认识到,结合本文所呈现的特定示范性实施例,特定结构和/或功能特征被描述为包含在限定的元件和/或部件中。然而,应预期到,对于相同或者类似的益处而言,这些特征也可以同样被包含在适用的地方的其它元件和/或部件中。还应认识到,示例性实施例的不同方面可以选择性地被采用为适于达到适合于期望的应用的其它可替换实施例,其它可替换实施例从而实现其中所包含方面的相应的优点。
还应认识到,本文所描述的特定元件或部件可以具有适合经由硬件、软件、固件或它组合来实现的其功能。此外,应认识到,本文中描述为并入一起的某些元件在适合的条件下可以是分立的元件或者以其他方式分开的元件。类似地,如由一个特定元件执行所描述的多个特定功能可以由独立地用于执行单独的功能的多个不同元件来执行,或者某些单独的功能可以分开并且由协调工作的多个不同元件来执行。可选地,本文所另外描述和/或示出的一些元件或部件由于彼此不同而可以在适当的地方物理地或者功能性地结合。
简而言之,已参考优选的实施例阐述了本说明。显然地,他人在阅读和理解本说明之后可以进行修改和变型。本发明旨在被理解为包括所有这样的修改和变型,只要其落入权利要求或其等价方案的范围之内。也就是说,应认识到,上文所描述各种特征和功能以及其它特征和功能或者其替代方案可以按期望地被结合到许多其它不同的系统或应用中,并且随后可以由本领域技术人员做出各种目前未预见到或者未预料到替代方案、修改、变型或改进,其类似地旨在被权利要求所覆盖。
Claims (20)
1.一种医学成像系统(5),包括:
重建程序的数据存储(16),其识别多个重建程序;
选择器(24),其基于所接收到的输入而从所述重建程序的数据存储(16)选择至少两个重建程序,每个重建程序针对一个或多个图像特性而优化;
重建器(14),其同时执行所选择的至少两个重建程序,每个重建程序从至少一个数据存储的成像数据(12)生成至少一幅图像(26);
融合器(28),其对所生成的至少两幅医学图像进行融合来创建包括来自所生成的每幅图像(26)的特性的医学诊断图像;以及
显示器(22),其显示所述医学诊断图像。
2.根据权利要求1和2中的任一项所述的医学成像系统(5),其中,所接收到的输入包括以下中的至少一项的临床目的:
通过用户输入设备(20)输入的临床目的;
由来自医学记录数据库的数据指示的临床目的;以及
由医嘱指示的临床目的。
3.根据权利要求2所述的医学成像系统(5),其中,所述选择器(24)基于对具有不同图像特性的图像所执行的多个评价而选择实现所述临床目的的重建程序。
4.根据权利要求1-3中的任一项所述的医学成像系统(5),其中,所述选择器(24)选择多个候选重建程序,所述多个候选重建程序由所述重建器同时执行以生成针对至少一个所述评价的多幅候选诊断图像。
5.根据权利要求1-4中的任一项所述的医学成像系统(5),其中,所接收到的成像数据(12)接收自以下中的一项或多项:
生成至少一个数据存储的成像数据的正电子发射断层摄影(PET)设备;
生成至少一个数据存储的成像数据的X射线计算机断层摄影(CT)设备;以及
混合式CT/PET断层摄影设备;
其中,至少一个CT数据存储和至少一个PET数据存储包括共同配准的成像数据。
6.根据权利要求1-5中的任一项所述的医学成像系统(5),其中,特性包括以下中的至少一项:
对比灵敏度;
细节;
空间关系;
最小化伪影;以及
定量测量。
7.根据权利要求1-6中的任一项所述的医学成像系统(5),其中,第一重建程序输入来自第二重建程序的输出。
8.根据权利要求1-7中的任一项所述的医学成像系统(5),其中,所述融合器将具有第一图像特性的所生成的第一图像覆盖在具有第二图像特性的所生成的第二图像上。
9.根据权利要求1-8中的任一项所述的医学成像系统(5),其中,所述融合器将具有第一图像特性的所生成的第一图像的部分覆盖在具有第二图像特性的所生成的第二图像上。
10.根据权利要求1-9中的任一项所述的医学成像系统(5),其中,所述融合器基于用户可选择输入而在具有第二图像特性的所生成的第二图像的部分中代替以具有第一图像特性的所生成的第一图像的部分。
11.一种医学成像的方法,包括:
接收用于医学诊断图像的输入;
基于所接收到的输入来选择(46)至少两个重建程序,每个程序针对一个或多个图像特性而优化;
对接收到的成像数据同时(48)执行每个重建程序,从而生成具有所述成像特性的至少一幅图像;
将所生成的图像融合(50)成包括来自所生成的每幅图像的至少一个成像特性的医学诊断图像;
在显示设备(22)上显示经融合的图像。
12.根据权利要求11所述的医学成像的方法,其中,所接收到的成像数据还包括:
采集来自至少两个成像模态的共同配准的成像数据。
13.根据权利要求11和12中的任一项所述的医学成像的方法,其中,所接收到的输入包括:
基于所述医学诊断图像执行至少一个评价;并且其中,所述选择的步骤包括:
选择多个候选重建程序,对所述成像数据同时执行所述多个候选重建程序以生成用于进行所述至少一个评价的多幅候选医学诊断图像。
14.根据权利要求11-13中的任一项所述的医学成像的方法,其中,获得还包括以下中的至少一项:
接收医嘱;
接收医学记录数据;以及
来自健康护理从业者的输入。
15.根据权利要求12-14中的任一项所述的医学成像的方法,其中,特性包括以下中的至少一项:
对比灵敏度;
细节;
空间关系;
最小化伪影;以及
定量测量。
16.根据权利要求12-15中的任一项所述的医学成像的方法,其中,同时执行至少一个重建程序包括以下中的至少一项:
应用滤波器;
输入来自另一重建程序的结果;
输入来自另一重建程序的概率图;以及
输入来自另一重建程序的衰减图。
17.根据权利要求12-16中的任一项所述的医学成像的方法,还包括:利用用户可选择输入来将所述经融合的医学诊断图像显示(52)在显示器上;并且其中,所述用户可选择输入基于来自健康护理从业者使用输入设备的输入来显示与所输入的用户可选择输入相关联的所生成的每幅图像的特性特征。
18.一种承载有控制一个或多个处理器来执行根据权利要求11-17中的任一项的软件的非暂态计算机可读介质。
19.一种医学成像系统(5),包括:
混合式成像系统,其使用至少两个成像模态来生成经配准的成像数据;
一个或多个处理器,其被编程为执行根据权利要求11-17中的任一项所述的方法。
20.一种医学成像系统(5),包括:
一个或多个模块,其获得针对医学诊断图像的临床目的并且使用所接收到的成像数据,来基于所述临床目的而同时执行至少两个重建程序,并且生成包括来自每个重建的至少一个图像特性的医学诊断图像。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201261597219P | 2012-02-10 | 2012-02-10 | |
US61/597,219 | 2012-02-10 | ||
CN201380008615.2A CN104106095A (zh) | 2012-02-10 | 2013-01-28 | 临床驱动的图像融合 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201380008615.2A Division CN104106095A (zh) | 2012-02-10 | 2013-01-28 | 临床驱动的图像融合 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111882513A true CN111882513A (zh) | 2020-11-03 |
Family
ID=48095940
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201380008615.2A Pending CN104106095A (zh) | 2012-02-10 | 2013-01-28 | 临床驱动的图像融合 |
CN202010722748.8A Pending CN111882513A (zh) | 2012-02-10 | 2013-01-28 | 临床驱动的图像融合 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201380008615.2A Pending CN104106095A (zh) | 2012-02-10 | 2013-01-28 | 临床驱动的图像融合 |
Country Status (6)
Country | Link |
---|---|
US (1) | US9646393B2 (zh) |
EP (1) | EP2812880A1 (zh) |
CN (2) | CN104106095A (zh) |
BR (1) | BR112014019364A8 (zh) |
RU (1) | RU2014136714A (zh) |
WO (1) | WO2013118017A1 (zh) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103544688B (zh) * | 2012-07-11 | 2018-06-29 | 东芝医疗系统株式会社 | 医用图像融合装置和方法 |
EP2749209A1 (en) * | 2012-12-28 | 2014-07-02 | Canon Kabushiki Kaisha | Object information acquisition apparatus, display method, and program |
EP3048968B1 (en) * | 2013-09-27 | 2018-02-21 | Koninklijke Philips N.V. | System and method for context-aware imaging |
EP3099236B1 (en) * | 2014-01-29 | 2018-11-21 | Koninklijke Philips N.V. | Segmentation of moving structure in image data |
WO2015124388A1 (en) * | 2014-02-19 | 2015-08-27 | Koninklijke Philips N.V. | Motion adaptive visualization in medical 4d imaging |
EP3189496A1 (en) * | 2014-09-05 | 2017-07-12 | Koninklijke Philips N.V. | Visualization of spectral image data |
CN105389788B (zh) | 2015-10-13 | 2019-03-05 | 沈阳东软医疗系统有限公司 | Pet多床位图像的重建方法及装置、合并方法及装置 |
JP2017099616A (ja) * | 2015-12-01 | 2017-06-08 | ソニー株式会社 | 手術用制御装置、手術用制御方法、およびプログラム、並びに手術システム |
US9706972B1 (en) | 2016-09-28 | 2017-07-18 | General Electric Company | Systems and methods for reconstruction of emission activity image |
WO2018127507A1 (en) | 2017-01-06 | 2018-07-12 | Koninklijke Philips N.V. | Standardized uptake value (suv) guided reconstruction control for improved outcome robustness in positron emission tomography (pet) imaging |
CN110249365B (zh) * | 2017-11-10 | 2023-05-30 | 上海联影医疗科技股份有限公司 | 用于图像重建的系统和方法 |
EP3572822B1 (en) * | 2018-05-23 | 2022-03-09 | RaySearch Laboratories AB | Medical image conversion |
WO2020047456A1 (en) * | 2018-08-31 | 2020-03-05 | QT Ultrasound LLC | Application of machine learning to iterative and multimodality image reconstruction |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH02280739A (ja) * | 1989-03-24 | 1990-11-16 | Philips Gloeilampenfab:Nv | 超音波エコーグラフ結像装置 |
US20060004275A1 (en) * | 2004-06-30 | 2006-01-05 | Vija A H | Systems and methods for localized image registration and fusion |
US20060210131A1 (en) * | 2005-03-15 | 2006-09-21 | Wheeler Frederick W Jr | Tomographic computer aided diagnosis (CAD) with multiple reconstructions |
CN1862596A (zh) * | 2005-04-19 | 2006-11-15 | 西门子共同研究公司 | 针对心脏展开的所融合的pet-ct可视化的系统和方法 |
US20070116343A1 (en) * | 2005-11-22 | 2007-05-24 | Sauer Ken D | Methods and systems for improving quality of an image |
US20080298664A1 (en) * | 2007-05-22 | 2008-12-04 | Diana Martin | Method for data evaluation |
US20100022878A1 (en) * | 2006-07-20 | 2010-01-28 | Takashi Azuma | Ultrasonic Image Processor |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3878259B2 (ja) | 1996-11-13 | 2007-02-07 | 東芝医用システムエンジニアリング株式会社 | 医用画像処理装置 |
AU2001268217A1 (en) * | 2000-06-06 | 2001-12-17 | The Research Foundation Of State University Of New York | Computer aided visualization, fusion and treatment planning |
JP5244319B2 (ja) | 2004-02-20 | 2013-07-24 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | 画像のマルチモーダルレジストレーションのための装置及び方法 |
US7620223B2 (en) | 2004-04-22 | 2009-11-17 | Siemens Medical Solutions Usa, Inc. | Method and system for registering pre-procedural images with intra-procedural images using a pre-computed knowledge base |
US7839403B2 (en) * | 2005-12-19 | 2010-11-23 | Siemens Aktiengesellschaft | Simultaneous generation of different data sets from a single acquisition run and dual rendering of images |
EP1933278A1 (en) | 2006-12-14 | 2008-06-18 | BrainLAB AG | Image fusion visualisation |
EP2006804A1 (en) * | 2007-06-22 | 2008-12-24 | Siemens Aktiengesellschaft | Method for optical inspection of a matt surface and apparatus for applying this method |
US8855382B2 (en) * | 2010-03-30 | 2014-10-07 | Kabushiki Kaisha Toshiba | MRI mammography with facilitated comparison to other mammography images |
JP5611663B2 (ja) * | 2010-05-17 | 2014-10-22 | 株式会社東芝 | X線コンピュータ断層撮影装置及び画像処理装置 |
TWI429419B (zh) * | 2010-11-15 | 2014-03-11 | Univ Nat Central | 產生骨罩之方法 |
WO2012116746A1 (en) * | 2011-03-02 | 2012-09-07 | Mevis Medical Solutions Ag | Image processing device for finding corresponding regions in two image data sets of an object |
-
2013
- 2013-01-28 CN CN201380008615.2A patent/CN104106095A/zh active Pending
- 2013-01-28 EP EP13716378.8A patent/EP2812880A1/en not_active Ceased
- 2013-01-28 CN CN202010722748.8A patent/CN111882513A/zh active Pending
- 2013-01-28 US US14/375,176 patent/US9646393B2/en active Active
- 2013-01-28 RU RU2014136714A patent/RU2014136714A/ru not_active Application Discontinuation
- 2013-01-28 BR BR112014019364A patent/BR112014019364A8/pt not_active IP Right Cessation
- 2013-01-28 WO PCT/IB2013/050710 patent/WO2013118017A1/en active Application Filing
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH02280739A (ja) * | 1989-03-24 | 1990-11-16 | Philips Gloeilampenfab:Nv | 超音波エコーグラフ結像装置 |
US20060004275A1 (en) * | 2004-06-30 | 2006-01-05 | Vija A H | Systems and methods for localized image registration and fusion |
US20060210131A1 (en) * | 2005-03-15 | 2006-09-21 | Wheeler Frederick W Jr | Tomographic computer aided diagnosis (CAD) with multiple reconstructions |
CN1862596A (zh) * | 2005-04-19 | 2006-11-15 | 西门子共同研究公司 | 针对心脏展开的所融合的pet-ct可视化的系统和方法 |
US20070116343A1 (en) * | 2005-11-22 | 2007-05-24 | Sauer Ken D | Methods and systems for improving quality of an image |
US20100022878A1 (en) * | 2006-07-20 | 2010-01-28 | Takashi Azuma | Ultrasonic Image Processor |
US20080298664A1 (en) * | 2007-05-22 | 2008-12-04 | Diana Martin | Method for data evaluation |
Also Published As
Publication number | Publication date |
---|---|
CN104106095A (zh) | 2014-10-15 |
EP2812880A1 (en) | 2014-12-17 |
WO2013118017A1 (en) | 2013-08-15 |
US20150003708A1 (en) | 2015-01-01 |
RU2014136714A (ru) | 2016-04-10 |
BR112014019364A2 (zh) | 2017-06-20 |
US9646393B2 (en) | 2017-05-09 |
BR112014019364A8 (pt) | 2017-07-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9646393B2 (en) | Clinically driven image fusion | |
US10818048B2 (en) | Advanced medical image processing wizard | |
US20200294288A1 (en) | Systems and methods of computed tomography image reconstruction | |
US9020235B2 (en) | Systems and methods for viewing and analyzing anatomical structures | |
EP3499509B1 (en) | Method for memorable image generation for anonymized three-dimensional medical image workflows | |
CN111540025B (zh) | 预测用于图像处理的图像 | |
EP2380140B1 (en) | Generating views of medical images | |
JP2015510157A (ja) | 受領者に対して最適化された医用撮像再構成 | |
CN108876794A (zh) | 体积图像数据中的动脉瘤与载瘤血管的隔离 | |
CN112885453A (zh) | 用于标识后续医学图像中的病理变化的方法和系统 | |
EP2620885A2 (en) | Medical image processing apparatus | |
CN112529834A (zh) | 病理图像模式在3d图像数据中的空间分布 | |
Lewis et al. | Improving tuberculosis (TB) prediction using synthetically generated computed tomography (CT) images | |
US20150199790A1 (en) | Method and system for generating pre-scaled images for a series of mammography images | |
US20220399107A1 (en) | Automated protocoling in medical imaging systems | |
US9014448B2 (en) | Associating acquired images with objects | |
CN105103194A (zh) | 经重建图像数据可视化 | |
US8873817B2 (en) | Processing an image dataset based on clinically categorized populations | |
US20230154067A1 (en) | Output Validation of an Image Reconstruction Algorithm | |
JP2023521838A (ja) | 合成医用画像の作成 | |
Grandhe et al. | Fusion Based Integrated Advance Magnetic Visualization of MRI 3D Images Using Advance Matlab Tools | |
CN115861175A (zh) | 医疗影像质量监控方法、装置、电子设备和存储介质 | |
CN116868280A (zh) | 放射学图像的后处理 |
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: 20201103 |