CN115736963A - 用于气道壁密度和气道壁炎症的同时评估的方法和系统 - Google Patents

用于气道壁密度和气道壁炎症的同时评估的方法和系统 Download PDF

Info

Publication number
CN115736963A
CN115736963A CN202211419697.7A CN202211419697A CN115736963A CN 115736963 A CN115736963 A CN 115736963A CN 202211419697 A CN202211419697 A CN 202211419697A CN 115736963 A CN115736963 A CN 115736963A
Authority
CN
China
Prior art keywords
airway
volume
iodine
map
affected
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202211419697.7A
Other languages
English (en)
Inventor
A.P.基拉利
C.L.诺瓦克
B.L.奥德里
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.)
Siemens Healthcare GmbH
Original Assignee
Siemens Healthcare GmbH
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
Priority claimed from US14/840,357 external-priority patent/US10806372B2/en
Application filed by Siemens Healthcare GmbH filed Critical Siemens Healthcare GmbH
Publication of CN115736963A publication Critical patent/CN115736963A/zh
Pending legal-status Critical Current

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
    • A61B6/02—Devices for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computerised tomographs
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
    • A61B5/087—Measuring breath flow
    • 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
    • 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 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
    • 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
    • G06T2207/30—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
    • G06T2207/30101—Blood vessel; Artery; Vein; Vascular

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Surgery (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Veterinary Medicine (AREA)
  • Animal Behavior & Ethology (AREA)
  • Pathology (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Physiology (AREA)
  • Pulmonology (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Optics & Photonics (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

本发明涉及用于气道壁密度和气道壁炎症的同时评估的方法和系统。一种评估气道壁密度和炎症的方法包括：分割支气管树以创建气道壁映射图；针对每个分支，从映射图中取形成每个分支的壁的位置集合并对支气管树的虚拟非造影图像中的值进行采样，以及，给定造影前密度的样本集，计算值以产生针对每个分支的支气管壁密度，从而产生密度度量；针对每个分支，从映射图中取形成每个分支的壁的位置集合并对支气管树的造影剂映射图中的值进行采样，以及，给定造影剂摄入的样本集，计算值以产生针对每个分支的支气管壁摄取，从而产生炎症度量；以及通过使用密度和炎症度量来为患者确定治疗或预测结果。

Description

用于气道壁密度和气道壁炎症的同时评估的方法和系统
对相关申请的交叉引用
本申请要求于2014年9月9日提交的美国临时申请No. 62/047,685、2014年9月9日提交的美国临时申请No. 62/047,814、2014年9月9日提交的美国临时申请No. 62/047,994、以及2014年9月10日提交的美国临时申请No. 62/048,605的优先权，所述申请的公开内容在本文中通过引用以其全部被并入。
1、技术领域
本发明涉及医学图像中气道的分析。
2、背景技术
诸如支气管扩张、哮喘、囊性纤维化和慢性阻塞性肺部疾病（COPD）之类的肺部疾病由气道尺寸方面的异常而表征，包括壁的厚度和管腔（例如，内气道）的大小。计算的层析X射线摄影法（CT）已经成为描绘并检测这些异常的主要手段中的一种，这是因为高分辨率的、接近各向同性的数据的可用性使得有可能以与扫描仪平面的斜角而评估气道。然而，当前，气道的临床评估典型地被限制于主观的可视检查。利用高分辨率数据的气道的系统评估在没有自动化的情况下尚未被证明是实用的。
近来，已经基于气道树的自动提取和建模而提出了自动化的方法。这样的模型捕获气道树结构的几何结构和层次。这些方法通过分割和根据分割而对树结构的创建的组合来创建模型。一种这样的方法的示例发现于Kiraly A.P.、Helferty J.P.、Hoffman E.A.、McLennan G.、和Higgins W.E.的“Three-Dimensional Path Planning for VirtualBronchoscopy”中（于IEEE Transactions on Medical Imaging（关于医学成像的IEEE会报）中，2004年11月vol.23，no.1：1365-1379页）。在获得气道树模型后，执行包括壁厚度的气道尺寸的测量。对此的示例描述于B. Odry、A.P. Kiraly、G. Slabaugh、C. L. Novak的“Active contour approach for accurate quantitative airway analysis”中（SPIE医学成像2008，SPIE会议录，2008年Vol. 6916，691613页）。一旦已经获得了气道测量，它们就能够被分类为正常或异常。能够直接在模型上对结果进行着色以描绘正常和异常支气管，或描绘严重性。
然而，气道壁可能由于炎症性疾病过程或由于诸如瘢疤形成的其它过程而较厚。此外，变厚的炎症性成因可能潜在地是可治疗的（诸如利用抗炎药剂），而瘢疤形成类型的过程不太可能治疗见效。因此，将会有价值的是知道所观察的壁变厚是否是由于炎症性过程，从而更好地使患者治疗个体化。
已经示出有气道疾病的某些患者的气道壁在施与（administration）碘化造影物（contrast）后经历表观密度上的增加。还已经示出碘摄取量可以利用双能量计算的层析X射线摄影法（DECT）成像来估计。这样的示例描述在Odry, B，Naidich, D，Barreto, M，Giusti, R，Krauss, B，Kiraly, A，Novak, C，Schmidt, B的“Quantitative Dual-EnergyCT Evaluation of Bronchial Wall Enhancement: A Feasibility Study UsingPhantoms and Cystic Fibrosis Patients”（2011年11月26日-12月2日在芝加哥IL的北美放射学会2011年度科学大会和年度会议）中。DECT成像的结果是碘映射图（iodine map），其描绘在容积中任何给定位置处的碘摄取量。
然而，在没有给任何造影剂时气道壁也可能示出不同密度。这样的情况在SonyaKoo, MD, PhD和Andrew Yen, MD的“High attenuation in the lungs on CT: Beyondcalcified granulomas”（2013年3月4日实用放射学（Applied Radiology））中被描述。这些不同的密度可以是由于：由于对组织的反复损伤引起的气道壁组织的钙化，所述损伤诸如由吸烟或其它刺激物导致的损伤。基底组织密度中的这些改变可能是疾病的显著标记。
发明内容
根据本发明的示例性实施例，一种评估气道壁密度和气道壁炎症的方法包括：根据患者的图像数据分割支气管树以创建气道壁映射图，所述气道壁映射图为气道壁映射图中的每个元素指示：它是否是气道的部分；针对每个分支或分支集，从气道壁映射图中取形成每个分支的壁的位置集合并对支气管树的虚拟非造影图像中的值进行采样以确定造影前密度，以及，给定造影前密度的样本集，计算值以产生针对每个分支的支气管壁密度，从而产生密度度量；针对每个分支或分支集，从气道壁映射图中取形成每个分支的壁的位置集合并对支气管树的造影剂映射图中的值进行采样以确定造影剂摄入，以及，给定造影剂摄入的样本集，计算值以产生针对每个分支的支气管壁摄取，从而产生炎症度量；以及使用密度度量和炎症度量来为患者确定治疗或预测结果。
造影剂映射图针对每个体元而示出患者体内对应位置处存在的造影剂的经计算的量。
该方法还包括使支气管树中的壁密度或炎症可视化。
壁密度或炎症是在所再现（render）的支气管树上编码的颜色。
造影剂包括碘。
根据本发明的示例性实施例，一种评定肺中气流的方法包括：接收高分辨率图像；在来自高分辨率图像的支气管树的分层次结构中检测气道约束所位于的代级（generation），并且使用代级来确定潜在地受气道约束影响的子分支的数量；使用在对潜在地受气道约束影响的子分支的数量进行表示的值和气道的预定最大数量之间的比来计算所估计的受影响容积；以及在显示设备上呈现所估计的受影响容积。
气道约束是由于粘液嵌塞引起的。
呈现在显示设备上的所估计的受影响容积从受影响的亲本（parent）气道开始并且遵循越过起始点的受影响气道树的轮廓。
颜色编码描绘了受影响容积与总叶片（lobe）容积相比的百分比。
不同颜色指示特定程度和严重性的异常。
受影响容积的百分比与评分系统相关联以将百分比映射到不同颜色。
所估计的受影响容积还通过使用支气管管腔与动脉（BLA）或支气管壁厚度与动脉直径（BWA）比率来计算。
对潜在地受影响的子分支的数量进行表示的值是在单独考虑所有气道、使用BLA或BWA比率而确定气道的预定最大数量时的所有气道的总和。
根据本发明的示例性实施例，一种减少部分容积效应以供气道壁中的碘的可视化的方法包括：根据患者的图像数据中的计算的层析X射线摄影法（CT）容积而计算第一容积映射图，以确定CT容积的哪些体元被包括在血管中；根据CT容积而计算第二容积映射图，以确定CT容积的哪些体元不被包括在血管中；使用第二容积映射图和碘映射图来产生血管外侧的碘的映射图；利用叠覆在多平面重建（MPR）上的碘映射图和血管外侧碘映射图来使CT容积的灰度数据的MPR可视化；以及根据血管外侧碘映射图而对可视化的叠覆的数据进行内插。
第一容积映射图是自动血管分割的结果。
自动血管分割执行附加的扩张步骤以捕获第一容积映射图中血管的边缘。
第二容积映射图是通过取第一容积映射图的逻辑非来被计算的。
血管外侧的碘的映射图是通过取第二容积映射图和碘映射图的逻辑与来产生的。
可视化叠覆包括颜色查找表，其将不同的碘量描绘为不同色调。
可视化叠覆包括阿尔法混合函数。
根据本发明的示例性实施例，一种用于根据CT而呈现气道异常的方法包括：分割患者的支气管树；计算树的每个分支的壁中的碘摄取，其中针对每个分支的结果是碘更新的估计；以及使用特定分支的所估计的碘摄取来确定该分支中炎症的程度。
该方法还包括通过使用BLA或BWA比率而将支气管树中的分支从最异常到最不异常排序。
该方法还包括通过代级或尺寸来对管腔直径进行分类（sort）。
该方法还包括通过代级来对壁厚度进行分类。
该方法还包括从最多碘摄取到最少碘摄取来对碘映射图的炎症值进行分类。
该方法还包括根据用户选择的准则来显示异常分支。
该方法还包括利用垂直于气道轴的MPR来显示异常气道的放大视图，以示出气道的横截面。
该方法还包括在所显示的异常气道上叠覆内壁和外壁轮廓，以示出是如何计算气道的。
附图说明
图1是根据本发明的示例性实施例的用于气道壁密度和气道壁炎症的同时评估的方法的流程图；
图2示出了根据本发明的示例性实施例计算的平均能量计算的层析X射线摄影法（CT）图像和相对应的碘映射图；
图3是根据本发明的示例性实施例的用于根据CT而呈现气道异常的方法的流程图；
图4是在主要肺血管的掩蔽之前和之后的叠覆有碘映射图的肺的CT图像；
图5是根据本发明的示例性实施例的用于掩蔽血管以用于气道壁中碘的经改进的可视化的方法的流程图；
图6是根据本发明的示例性实施例的用于根据CT而呈现气道异常的方法的流程图；以及
图7是其中可以实现本发明的示例性实施例的计算机系统。
具体实施方式
本发明的示例性实施例提供用于同时估计在施与造影物之前的气道壁的密度和碘施与之后的密度增加的方法。要理解的是该自动化评估在将造影物给予患者后发生。这两个测量的组合提供了有价值的信息以用于诊断以及用于推荐疗法和评估其有效性。
在用于同时估计在施与造影物之前的气道壁的密度和碘施与之后的密度增加的方法中包括双能量获取步骤110（参见图1）。要理解的是，双能量获取涉及在注入造影剂后、且不在注入前获取CT容积，因此将不会有造影前图像可用，仅有从双能量容积计算的虚拟非造影图像。虚拟非造影图像的使用节省了获取真实造影前图像将会需要的辐射剂量。双能量容积的同时获取还消除了匹配造影前和造影后图像的配准问题。
例如，双能量获取产生两个容积，一个处于低能量（例如，80kV）以及一个处于高能量（例如，140kV或150kV）。这些容积可以称作为V低和V高。具有双能量软件模块的计算机可以用于通过取V低和V高的加权平均，创建对以平均能量V平均（例如，120kV）的获取进行模拟的容积。
如果已经给予患者碘化造影物，则可以计算“虚拟非造影”（VNC）容积Vvnc和“碘映射图”容积V碘。这些容积中的二者得自原始获取V低和V高。碘映射图针对每个体元而示出体内的位置处存在的碘的经计算的量。VNC图像描绘了在没有造影剂的情况下获取看上去将会如何，并且可以通过从造影后图像中减去碘映射图来被计算。其它方法也可以用于计算所得出的容积V平均、Vvnc、和V碘。图2示出了针对一个患者体内的肺的区段的V平均和V碘。更特别地，图2的左侧图像210示出了平均能量V平均，并且图2的右侧图像220示出了对应的碘映射图V碘。V碘中的亮值（例如，主要是非黑色区域）示出增加的碘摄取的区域。
在用于同时估计没有造影物的情况下的气道壁的密度和碘施与之后的密度增加的方法中包括根据CT容积而分割气道管腔以便确定气道壁的位置的步骤120（参见图1）。
例如，根据CT容积V平均、V低、和V高中的一个来贯穿肺而对支气管树进行分割。可以使用各种根据CT的气道分割方法，诸如下面中描述的那些：Kiraly A.P.、McLennan G.、Hoffman E.A.、Reinhardt J.M.、和Higgins W.E.的“Three-dimensional human airwaysegmentation methods for clinical virtual bronchoscopy”（学院放射学（Academic Radiology），2002. 9(10)：1153-1168页）； Fetita C.I.、Preteux F.、Beigelman-AubryC.、和Grenier P.的(2004)“Pulmonary airways: 3-D reconstruction from multisliceCT and clinical investigation”（2004年11月IEEE Trans. Medical Imaging（医学成像） vol.23，no.11）；Kiraly A.P.、Helferty J.P.、Hoffman E.A.、McLennan G.、和Higgins W.E.的“Three-Dimensional Path Planning for Virtual Bronchoscopy”（于2004年11月IEEE Transactions on Medical Imaging（关于医学成像的IEEE会报），vol.23，no.1中：1365-1379页），其公开内容在本文中通过引用以其全部被并入。
该分割可以进一步细化以分割气道壁。可以使用各种气道壁分割技术，诸如下面中描述的那些：B. Odry、A. P. Kiraly、G. Slabaugh、C. L. Novak的“Active contourapproach for accurate quantitative airway analysis”（SPIE Medical Imaging （医学成像）2008，SPIE会议录，2008年Vol. 6916，第691613页）；以及A. P. Kiraly、B. L.Odry、D. P. Naidich、C. L. Novak的“Boundary-Specific Cost Functions forQuantitative Airway Analysis”（Medical Image Computing and Computer AssistedIntervention (MICCAI，医学图像计算和计算机辅助的干预) 2007年第784-791页），其公开内容在本文中通过引用以其全部被并入。在第一方法中，从原始容积采样所标识的气道分支的横截面，以及通过基于边缘的滤波器来分割气道壁，并通过边缘而计算最小能量路径。可替代地，气道壁可以基于用户的点击进行局部分割，如在题为“Automated Detectionof Airway and Vessel Orientations for Quantitative Analysis andVisualization”的美国专利申请公布No. 20120268450中描述的那样，所述专利申请公布的公开内容在本文中通过引用以其全部被并入。
对这些分割方法的输入可以是CT容积V低或V高或加权的平均容积V平均中的一个。气道树或单个气道分支的分割创建了气道壁映射图M气道，其针对映射图中的每个体元而指示：它是否是气道壁的部分。在其中整个支气管树被分割并建模成如较早前所述的分层次树的情况中，作为气道壁的部分的体元也可以指示针对每个分支的拓扑信息，包括亲本分支和代级数量。
可替代地，信息可以以下面的方式被存储：针对自动分割的气道树中的每个分支、或针对由用户选择的特定分支，信息可以被包括在处于该分支的壁中的所有体元的列表L气道中。
在任一存储方法中，可以容易地检索形成给定气道分支或分支集的壁的体元。
在用于同时评估造影物施与之前的气道壁的密度和碘施与之后的密度增加的方法中包括双密度计算步骤130（参见图1）。
例如，针对每个分支或分支集，（从映射图M气道或列表L气道中）取形成每个分支的壁的位置集合，并且它们在虚拟非造影图像VVNC中的值被采样以估计造影前密度。给定造影前密度的样本集，计算诸如算术平均、中值、最大值等的值以产生针对每个分支b的支气管壁密度，从而产生Db。
另外，针对每个分支或分支集，（从映射图M气道或列表L气道中）取形成每个分支的壁的位置集合，并且它们在碘映射图V碘中的值被采样以确定如由碘摄取所测量的炎症。给定造影前密度的样本集，计算诸如算术平均、中值、最大值等的值以产生针对每个分支b的支气管壁摄取，从而产生Ib。
在用于同时评估造影物施与之前的气道壁的密度和碘施与之后的密度增加的方法中包括所计算的壁密度和炎症值的利用的步骤140（参见图1）。
例如，给定密度度量Db和炎症度量Ib，这些度量能够用于预测患者疾病严重性、最优治疗规程、预后、或很可能的治疗结果。这些特征能够单独地或组合地使用。给定这些特征或特征组合，能够开发评分系统来贯穿支气管树而量化疾病严重性和程度并追踪随着时间或响应于治疗的疾病严重性方面的改变。
这些度量能够通过使用所描述或所引用的方法、根据利用造影所获取的双能量CT容积来自动地被计算，并且能够用于预测疾病严重性和治疗。
本发明的示例性实施例提供用于根据CT而呈现气道异常的方法。
如上文在背景技术章节中所论述的，在获得树模型后，自动化方法能够生成气道尺寸的度量，包括壁厚度和管腔直径。对此的示例被描述在B. Odry、A. P. Kiraly、G.Slabaugh、C. L. Novak的“Active contour approach for accurate quantitativeairway analysis”中（SPIE Medical Imaging（医学成像）2008，SPIE会议录，2008年Vol.6916第691613页）；以及A. P. Kiraly、B. L. Odry、D. P. Naidich、C. L. Novak的“Boundary-Specific Cost Functions for Quantitative Airway Analysis”中（MedicalImage Computing and Computer Assisted Intervention（MICCAI）（医学图像计算以及计算机辅助的干预） 2007年第784-791页）。在第一方法中，从原始容积采样所标识的气道分支的横截面，通过基于边缘的滤波器来分割气道壁，并通过边缘计算最小气道路径。在前面提到的论文中发现其它细节。能够基于来自健康情况的预期值而将气道度量分类为正常或异常。
随后，气道的功能方面可以被估计为所测量的特征或附加特征的派生，诸如气道壁炎症，其使用双能量获取，或支气管上粘液嵌塞的存在。对此的示例被描述在B. L.Odry、D. Guiliguian、A. P. Kiraly、C. L. Novak、D. P. Naidich、JF Lerallut的“Automated detection of mucus plugs within bronchial tree in MSCT images”中（Proc. SPIE 6511 Medical Imaging（医学成像）2007, 651110），其公开内容在本文中通过引用以其全部被并入。粘液状病灶的存在在有气道疾病的患者中是常见的，并且通常是感染的结果。粘液状病灶还以取决于它们在支气管树中位于哪里的增加的影响而减少贯穿肺的气流。
支气管树包括数百个个体分支。当前的气道建模算法，除了描绘分支特性和层次之外，允许根据代级和肺叶而对分支进行分类。气道模型的代级的示例被描述在KiralyA.P.、Helferty J.P.、Hoffman E.A.、McLennan G.、和Higgins W.E.的“Three-Dimensional Path Planning for Virtual Bronchoscopy”中（在IEEE Transactions on Medical Imaging（关于医学成像的IEEE会报）中，2004年11月vol.23，no.1：1365-1379页）。一旦获得了模型，通过评估相对于已知叶片位置的最终分支位置，能够将分支分类成不同的叶片。这提供了通过来自CT容积的叶片区而非侵入性地评定肺或肺区的性能的机会，并能够提供可能存在问题处的快速指示。
在用于根据CT而呈现气道异常的方法中，可以通过使用对于受影响的区的指针来评定肺内的气流。作为结果，放射科医师的注意力可以特别地被指向异常气道/区，其中优先级给予最严重的异常。
在用于根据CT而呈现气道异常的方法中包括肺分割和分支测量的步骤310（参见图3）。
该方法利用从CT数据集提取的支气管树的模型。可以使用若干方法来执行该步骤。
一旦分割出支气管树，可以执行骨架化和另外的后处理来创建树模型。
在已经标识了气道分支后，自动化方法可以确定每个气道的管腔和壁。可以使用若干方法来计算管腔和壁的范围。这些方法产生轮廓，所述轮廓限定在管腔和壁的内边缘之间、以及在壁的外边缘和周围软组织之间的轮廓勾画。
可以通过使用支气管树以及肺和肺叶分割技术来获得每个肺和叶片的容积而应用用于粘液嵌塞检测的自动化方法。对此的示例被描述在B. L. Odry、D. Guiliguian、A.P. Kiraly、C. L. Novak、D. P. Naidich、JF Lerallut的“Automated detection ofmucus plugs within bronchial tree in MSCT images”中（Proc. SPIE 6511 MedicalImaging（医学成像）2007，651110）。针对叶片分割，能够使用涉及滤波器的方法以检测脊和分水岭变换，如在Jan-Martin Kuhnigk、Horst K. Hahn、 Milo Hindennach、VolkerDicken、Stefan Krass、和Heinz-Otto Peitgen的“Lung lobe segmentation by anatomy-guided 3D watershed transform”（SPIE会议录，卷5032，第1482-1490页（2003））中描述的那样，其公开内容在本文中通过引用以其全部被并入。
一旦已经在给定横截面上标识了形成管腔的体元，就能够得出管腔的度量，诸如直径或面积。异常管腔可能过于狭窄，如在哮喘的情况中；或过于扩张，如在支气管扩张的情况中。
类似地，一旦已经标识了形成壁的体元，就能够得出壁的度量，包括壁厚度和壁面积。典型地，异常壁太厚，尽管理论上壁太薄也是可能的。
在正常患者中，管腔直径或面积根据气道代级数而变化，使得没有针对作为健康尺寸的指示符的管腔直径（或面积）的单个阈值。为了避免这样，用于检查气道的许多临床方法推荐将其尺寸与邻近动脉的尺寸进行比较。在健康气道中，管腔的直径将近似等于邻近动脉的直径，因为它们二者都将随着代级数增加而在尺寸上减小。
此外，在健康患者中，壁宽度也将随着代级数增加而减小。因此，一个临床规则是壁宽度应当近似是动脉直径的四分之一。
在管腔的情况中显著地不同于1.0和在壁的情况中显著地不同于0.25的比率是气道疾病的指示符。严重性程度由管腔与动脉比率高于1.0多少以及壁与动脉比率高于0.25多少来被指示。
在用于根据CT而呈现气道异常的方法中包括其中自动检测邻近动脉的步骤。作为示例，参见B L. Odry、A P. Kiraly、C L. Novak、D P. Naidich、J-F Lerallut 的“Automated airway evaluation system for multi-slice computed tomography usingairway lumen diameter, airway wall thickness and broncho-arterial ratio”（Proc. SPIE 6143 Medical Imaging（医学成像） 2006, 61430Q）。在该情况中，该自动检测的伴随动脉的直径（或横截面面积）被计算以推算支气管管腔与动脉的比率——BLA比率。还计算支气管壁厚度与动脉直径的比率——BWA比率。
可以使用其它方法来标识哪些气道具有异常度量，诸如管腔面积与总面积（管腔加壁）的比率。可替代地，能够采用查找表来给出用于不同代级数的、针对正常相对于异常管腔和壁尺寸的阈值或截止值。
在用于根据CT而呈现气道异常的方法中包括贯穿肺的气流评定的步骤320（参见图3）。
给定上述计算的特征，能够估计其中气流将被影响的区。例如，由于粘液嵌塞部分地或完全地堵塞气道管、使气道管腔变窄、或使气道壁变厚，气流可能被影响。
通过使用树的分层次结构，能够检测肺内何处气流被影响（例如，叶片）以及处于哪个层级（例如，代级）。例如，针对每个代级，对应子分支的数量是已知的。例如，Boyden分类标识在每个代级处有多少气道是可用的。因此，能够估计气流减少的程度，其基于何处发生异常。
利用对正常患者的常规标准剂量、锐利的内核CT，多数支气管树算法充分地到达第8代级，其中第8代级对应于1860个气道分支。该数目可以基于获取参数（例如，剂量、重建内核）而变化。在本发明的示例性实施例中，气道的该数目被设置为标准N，其将对应于最大气流。每叶片存在一个标准最大值N(i)，其中针对5个叶片中的每一个，i处于1和5之间，其预先被自动计算。
气流评定如下地完成：
1、针对粘液嵌塞，其中检测到粘液嵌塞的代级用于确定潜在地受影响的子分支的数量N 受影响 (i)。所估计的受影响容积
Figure DEST_PATH_IMAGE002A
通过使用实际
Figure DEST_PATH_IMAGE004A
和N(i)之间的比来被计算。
Figure DEST_PATH_IMAGE005
，其中V(i)是叶片i的总容积。
2、在具有粘液嵌塞的部分堵塞的情况中，根据气道被堵塞的百分比，权重K（在0和1之间）被应用于
Figure DEST_PATH_IMAGE007
。
3、针对有欠缺的气道建模（例如，壁变厚或重新建模），基于所估计的管腔变窄或壁变厚（例如，BLA或BWA比率）计算对减少的流的估计。该度量集的使用能够由以下各项来使用：
3.1. 考虑呈现这样的异常的患者气道（例如，分层次树中的低代级），以及子分支的数量。相应地应用的、与BLA或BWA比率相关联的权重产生受影响的容积：
Figure 690457DEST_PATH_IMAGE008
，其中R能够是基于变窄或壁变厚的BLA或BWA比率。
3.2. 或单独地考虑所有气道并在对于N(i)的总和中使用相关联的BLA或BWA比率。
Figure DEST_PATH_IMAGE010A
于是将是具有它们各自的比率的所有气道的总和：
Figure DEST_PATH_IMAGE011
Figure 950142DEST_PATH_IMAGE012
。
在用于根据CT而呈现气道异常的方法中包括呈现减少的气流的步骤330（参见图3）。
例如，通过使用叶片和气道分割模型，能够投影所估计的受影响容积，从受影响的亲本气道开始并且遵循是/将会是越过该起始分支的气道树的内容的轮廓。作为起始点的受影响的分支能够由于粘液状病灶、管腔变窄或壁变厚而被约束。
颜色编码能够用于描绘受影响的容积与计算的总叶片容积相比的百分比。该百分比能够与评分系统相关联以将百分比映射到不同颜色，其将向用户给出对于存在特定程度和严重性的异常的快速指示。一个这样的映射能够是：红色——严重异常，橘色——中度异常，黄色——轻度异常，绿色——正常。其它映射也是可能的。
该结果将使得对于医师而言更容易评定气道疾病并确保不遗漏显著问题。
本发明的示例性实施例提供了一种用于减少部分容积效应以供气道壁中碘的可视化的方法。
如上面在背景技术章节中所讨论的，DECT成像的一个结果是碘映射图，其描绘了在容积中任何给定位置处的碘摄取的量。碘映射图能够被示出为在灰度CT图像之上的有色叠覆，以指示较大或较少量的碘。
然而，碘映射图不仅示出气道壁中的造影，而且还示出在肺血管（动脉和静脉二者）中的造影。
有可能设置阈值以抑制血管中大量碘的显示。即使具有碘，气道壁展示出远低于0亨氏单位（HU）的CT值。因此，可以修改多平面重建（MPR）中的叠覆显示以在低能量CT容积中的CT值是0HU或更大时不示出任何颜色。之前和之后的结果在图4中示出。箭头指向其中已经示出（左）或未示出（右）碘叠覆的特定大血管。
图4是在主要肺血管的掩蔽之前和之后的叠覆有碘映射图的肺的CT图像。碘映射图示出为从没有颜色（0至5HU）经过黄色（5至25HU）至红色（65HU和更大）的范围的颜色叠覆。
图4的左侧410示出在阈值化之前的叠覆，而图4的右侧420描绘了使用0HU作为阈值来抑制大血管展示出碘的结果。大血管在左侧图像410中看起来为完全红色（实心箭头），其中碘叠覆被再现，并且在右侧图像420中、当叠覆被抑制时大部分为白色（虚线箭头）。然而，红色边缘保持在大血管边沿周围。
换言之，即使在阈值化之后，仍然保持有在血管的边沿处可视化的碘的“边缘”，这是由于部分容积效应。
在用于减少部分容积效应以供气道壁中碘的可视化的方法中，贯穿肺的血管中的碘的可视化被显式地抑制，而同时留下气道壁中的可视化。该方法完全是自动的并且不依赖于任何用户交互来选择特定血管。结果是贯穿胸部区的炎症映射图的可视化，但没有使所强调的血管分散注意且没有对于用户而言有可能令人困惑的部分容积效应。这使得对于放射科医师而言更容易聚焦在气道壁中的造影物摄取上。
在用于减少部分容积效应以供气道壁中的碘的可视化的方法中包括双能量获取的步骤510（参见图5）。
如上面在用于同时评估造影物施与之前的气道壁的密度和碘施与之后的密度增加的方法中所述的，双能量获取可以产生两个容积，一个处于低能量（例如，80kV）以及一个处于高能量（例如，140kV）。这些容积可以称作为V低和V高。具有双能量软件模块的计算机可以用于通过取V低和V高的加权平均，创建对以平均能量V平均（例如，120kV）的获取进行模拟的容积。
如果已经给予患者碘化造影物，则可以创建“虚拟非造影”（VNC）容积Vvnc和“碘映射图”容积V碘。这些容积中的二者得自原始获取V低和V高。碘映射图针对每个体元而示出在体内的位置处存在的碘的经计算的量。VNC图像描绘了在没有造影剂的情况下获取将会看上去如何，并且可以通过从造影后图像减去碘映射图来被计算。其它方法也可以用于计算所得出的容积V平均、Vvnc、和V碘。
在用于减少部分容积效应以供气道壁中碘的可视化的方法中包括肺血管的自动检测步骤520（参见图5）。
若干方法可以用于执行根据CT容积对肺血管的自动分割。在双能量CT的情况中，可以通过使用平均图像V平均或者低或高能量容积V低或V高来执行分割。自动血管分割的结果是容积映射图S，其中原始CT容积中的每个体元如果在体元处于血管内的情况下则具有1或者如果不处于血管内的情况下则具有0。血管分割过程可以被修改以执行额外扩张步骤，从而确保在映射图S中捕获了血管的边缘，因而进一步减少了部分容积效应。
可以通过取S的逻辑“非”来计算对不具有血管的体元进行指示的映射图S非。取S非和V碘的逻辑“与”能够产生血管外侧碘Inv的映射图。
映射图S非还能够通过取与气道壁位置的映射图的逻辑“或”来被修改。以此方式，紧密接触（impinge upon）气道壁边缘的血管的边缘处的体元能够在计算非血管位置中的碘Inv的映射图之前被还原至映射图S非。
在用于减少部分容积效应以供气道壁中碘的可视化的方法中包括碘摄取的选择性可视化的步骤530（参见图5）。
考虑到上述计算，灰度CT数据的MPR可以利用碘映射图叠覆而被可视化。MPR可以包括胸部的整个视场，不论是以正交轴（例如，轴向、径向、冠状的）还是以任意角度。MPR还可以示出各个气道的局部放大区域，不论是以正交轴还是以任意角度。
MPR中的灰度数据从V平均数据集进行内插，所述V平均数据集描绘了在图像造影和噪声之间提供了良好权衡的以平均能量的典型CT获取。可替代地，可以从V低或V高数据集对灰度数据进行内插。
从对血管外侧的体元中的碘摄取量进行描绘的非血管碘映射图Inv对叠覆数据进行内插。叠覆可以使用颜色查找表，其将不同碘量描绘为不同色调，诸如红色用于大量的碘，黄色用于中度量的碘，以及绿色用于很少或没有碘。可以使用其它颜色映射。另外，为用户提供用以控制“阿尔法混合”以使得叠覆颜色更加或不太透明的手段。
上面描述的用于减少部分容积效应以供气道壁中碘的可视化的方法是用于选择性地抑制DECT图像中肺血管中碘摄取的可视化的完全自动的方法。该方法不需要任何用户输入并且能够离线地执行，因此用户不必等待计算。该方法虑及与简单阈值化相比的部分容积效应的减少。结果是其中仅在对于研究支气管壁中的碘摄取的医师来说感兴趣的区域中描绘碘的可视化。
本发明的示例性实施例提供了用于根据CT而呈现气道异常的另一方法。
如以上在背景技术章节中讨论的，支气管树包括数百的个体分支，其中每一个可以具有正常或异常的尺寸。给定具有异常尺寸的分支，它可能在其壁厚度、其管腔直径或两者方面是异常的。异常程度可以从一个分支到另一个之间而变化。
放射科医师典型地通过系统地滚动通过CT容积、最经常地通过可视地检查轴向取向的切片来评定气道。为了检测并评定异常，他们必须重复地搜索每个切片。然而，气道经常不是被精确地取向在扫描平面内的，而是代替地倾斜地穿过它。
另外，可以通过使用用于分析DECT的过程而针对炎症以及针对异常尺寸对气道壁进行评定。如上所提及的，有气道疾病的患者体内的气道壁在碘化造影物的施与之后经历表观密度方面的增加，并且该摄取可能与气道炎症相关。
炎症的碘摄取程度也能够被量化或可视化，正如气道尺寸那样。然而，由于无数的气道分支，放射科医师可能不能够确定最大量的炎症在何处。
用于根据CT而呈现气道异常的当前方法提供了用于将放射科医师的注意力特别地指向异常气道的方式，其中将主要注意力给予最严重的异常。
在用于根据CT而呈现气道异常的方法中包括肺分割和分支测量的步骤610（参见图6）。该步骤与上文针对根据CT而呈现气道异常的第一方法所讨论的肺分割和分支测量的步骤基本上相同。因此，不提供重复的描述。
在用于根据CT而呈现气道异常的方法中包括对气道和壁炎症的双能量评定的步骤620（参见图6）。
如上面针对用于同时评估造影物施与之前的气道壁的密度和碘施与之后的密度增加的方法所述的，双能量获取可以产生两个容积，一个处于低能量（例如，80kV）以及一个处于高能量（例如，140kV）。这些容积可以称作为V低和V高。具有双能量软件模块的计算机可以用于通过取V低和V高的加权平均，创建对以平均能量V平均（例如，120kV）的获取进行模拟的容积。
如果已经给予患者碘化造影物，则可以创建“虚拟非造影”（VNC）容积Vvnc和“碘映射图”容积V碘。这些容积中的二者得自原始获取V低和V高。碘映射图针对每个体元而示出在体内的位置处存在的碘的经计算的量。VNC图像描绘了在没有造影剂的情况下获取将会看上去如何，并且可以通过从造影后图像减去碘映射图来被计算。其它方法也可以用于计算所得出的容积V平均、Vvnc、和V碘。
给定自动气道分割，计算每个分支的壁中的碘摄取。这能够通过利用落在内壁和外壁轮廓之间的所有体元来完成。从碘映射图V碘确定体元的值。值可以被取平均值，或可替代地是最大值、中值，或者可以利用的另一函数。
结果是碘摄取（针对支气管树的每个分支）的估计，其能够用作用于炎症程度的代表。
在用于根据CT而呈现气道异常的方法中包括向用户呈现异常气道的步骤630（参见图6）
给定针对支气管树中每个单独分支的BLA和BWA比率，能够通过从最高至最低的BLA以及最高到最低的BWA进行分类而将它们从最严重至最不严重的异常进行排序。
可替代地，如果使用比率，则可以首先通过代级数并且然后通过尺寸来对管腔直径（或面积）进行分类。例如，这可以从第4或第5代级开始。这将产生从最异常至最不异常的第4代级气道的列表，然后从最异常至最不异常的第5代级气道等。
类似地，如果BWA比率不可用，则能够通过代级以及然后通过壁厚度来对壁厚度进行分类。
来自碘映射图的炎症值也能够从最多摄取至最少摄取进行分类。
用户可以指示对于看到异常分支的期望，并然后根据对管腔尺寸、壁尺寸或壁炎症的所选准则来被示出最异常的分支。
显示可以包括利用MPR重建的最异常气道的放大视图，所述MPR重建精确地垂直于气道的轴以示出气道的横截面。内壁和外壁轮廓也能够叠覆在显示上以为用户示出是如何计算异常的。如果利用与邻近动脉的比率，则还示出限定动脉尺寸的轮廓。
显示也可以示出以气道轴取向（而不是垂直于它）并精确地穿过中心的MPR。
另外，显示可以包括具有整个胸部的轴向、冠状和径向视图的分离窗口，以给出气道位于胸部内何处的上下文。
在选择“下一个”或使用箭头键或其它手段时，于是为用户示出下一个更异常的气道。该过程如用户希望的那样经常地重复，或直至没有任何更异常的气道被示出为止。
上面所述的用于根据CT而呈现气道异常的方法自动地评定患者支气管树内的无数气道分支，并选择哪些呈现给用户，以及它们应该被呈现所按的次序。这使得对于医师而言更容易评定气道疾病并确保他们不遗漏显著问题。
如本领域技术人员将领会的，本发明的各方面可以体现为系统、方法、或计算机程序产品。因此，本发明的各方面可以采取以下的形式：完全硬件的实施例、完全软件的实施例（包括固件、常驻软件、微代码等）或组合了软件和硬件方面的实施例，其在本文中可以全部被一般地称为“电路”、“模块”或“系统”。此外，本发明的各方面可以采取在一个或多个计算机可读介质中所体现的计算机程序产品的形式，所述计算机可读介质具有体现在其上的计算机可读程序代码。
可以利用一个或多个计算机可读介质的任何组合。计算机可读介质可以是计算机可读信号介质或计算机可读存储介质。计算机可读存储介质例如可以是但不限于：电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置、或设备、或前述的任何合适组合。计算机可读存储介质的更具体的示例（非穷举性列表）将包括如下：具有一根或多根导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器（RAM）、只读存储器（ROM）、可擦除可编程只读存储器（EPROM或闪速存储器）、光纤、便携式光盘只读存储器（CD-ROM）、光学存储设备、磁性存储设备、或前述的任何合适组合。在本文档的上下文中，计算机可读存储介质可以是任何有形介质，其可以包含或存储用于由指令执行系统、装置或设备使用或与其连接的程序。
计算机可读信号介质可以包括传播的数据信号，其具有体现在其中的计算机可读程序代码，例如在基带中或作为载波的部分。这样的传播的信号可以采取任何的各种形式，包括但不限于，电磁的、光学的、或其任何的合适组合。计算机可读信号介质可以是：不是计算机可读存储介质并且能够传送、传播、或输送用于由指令执行系统、装置或设备使用或与其连接的程序的任何计算机可读介质。
体现在计算机可读介质上的程序代码可以通过使用任何适当的介质而被传输，包括但不限于无线、有线线路、光纤线缆、RF等，或前述的任何合适组合。
用于实施本发明的各方面的操作的计算机程序代码可以以一种或多种编程语言的任何组合来被编写，包括面向对象的编程语言，诸如Java、Smalltalk、C++等，以及常规的过程性编程语言，诸如“C”编程语言或类似的编程语言。程序代码可以完全在用户计算机上、部分在用户计算机上、作为独立的软件包、部分在用户计算机上以及部分在远程计算机上、或完全在远程计算机或服务器上执行。在后一场景中，远程计算机可以通过任何类型的网络（包括局域网（LAN）或广域网（WAN））连接至用户计算机，或可以做出至外部计算机的连接（例如，通过因特网、使用因特网服务提供商）。
本发明的各方面参照根据本发明的实施例的方法、装置（系统）和计算机程序产品的流程图图示和/或框图而被描述。将理解的是，流程图图示和/或框图的每个框、以及流程图图示和/或框图中框的组合能够由计算机程序指令实现。这些计算机程序指令可以被提供给通用计算机、专用计算机的处理器、或其它可编程数据处理装置以产生机器，使得经由计算机的处理器或其它可编程数据处理装置执行的指令产生用于实现在流程图和/或框图的一个或多个框中所指定的功能/动作的手段。
这些计算机程序指令也可以存储在计算机可读介质中，其能够指引计算机、其它可编程数据处理装置、或其它设备以特定方式运转，使得存储在计算机可读介质中的指令产生包括指令的物品或制品，所述指令实现在流程图和/或框图的一个或多个框中所指定的功能/动作。
计算机程序指令也可以加载到计算机、其它可编程数据处理装置、或其它设备上，以使得在计算机、其它可编程装置、或其它设备上执行一系列操作步骤，从而产生计算机实现的过程，以使得在计算机或其它可编程装置上执行的指令提供用于实现在流程图和/或框图的一个或多个框中所指定的功能/动作的过程。
现在参照图7，根据本发明的示例性实施例，计算机系统701除了别的以外能够包括中央处理单元（CPU）702、存储器703和输入/输出（I/O）接口704。计算机系统701通常通过I/O接口704耦合至显示器705和各种输入设备706，诸如鼠标和键盘。支持电路能够包括诸如高速缓存、电源、时钟电路、以及通信总线之类的电路。存储器703能够包括RAM、ROM、盘式驱动器、带式驱动器等、或其组合。本发明的示例性实施例可以实现为例程707，所述例程707存储在存储器703（例如，非暂时性计算机可读存储介质）中并由CPU 702执行以处理来自信号源708的信号。因而，计算机系统701是通用计算机系统，其在执行本发明的例程707时变成专用计算机系统。
计算机系统701还包括操作系统和微指令代码。本文中所述的各种过程和功能可以是微指令代码的部分或应用程序的部分（或其组合），其经由操作系统来执行。另外，各种其它外围设备可以连接至计算机系统701，诸如附加的数据存储设备和打印设备。
各图中的流程图和框图图示了根据本发明的各种实施例的系统、方法和计算机程序产品的可能实现的架构、功能性、和操作。在这方面，流程图或框图中的每个框可以表示代码的模块、分段、或部分，所述代码包括用于实现（多个）指定的逻辑功能的一个或多个可执行指令。还应该指出的是，在一些可替代的实现中，框中所指出的功能可以脱离图中所指出的次序而发生。例如，接连示出的两个框实际上可以基本上同时地执行，或各框有时可以以相反的次序执行，这取决于所涉及的功能性。还将指出的是，框图和/或流程图图示的每个框、以及框图和/或流程图图示中的框的组合，能够由执行指定的功能或动作的专用的基于硬件的系统或者专用硬件和计算机指令的组合来实现。
本文中所使用的术语只是用于描述特定实施例的目的且不旨在是本发明的限制。如本文中所使用的，单数形式“一”、“一个”和“该”也旨在包括复数形式，除非上下文以其它方式清楚地指示出。还将理解的是，术语“包括”和/或“包括有”，当在本说明书中使用时，指明了所陈述的特征、整数、步骤、操作、元件、和/或组件的存在，但不排除一个或多个其它特征、整数、步骤、操作、元件、组件、和/或其群组的存在或添加。
下面权利要求中的所有手段或步骤加功能元件的对应结构、材料、动作、和等同物旨在包括用于与如特定要求保护的其它要求保护的元件组合地执行功能的任何结构、材料、或动作。本发明的描述已经被呈现用于说明和描述的目的，但不旨在是穷举性的或受限于以所公开的形式的本发明。在不偏离本发明的范围和精神的情况下，许多修改和变型对本领域普通技术人员来说将是显而易见的。实施例被选择和描述以最佳地解释本发明的原理和实际应用，并且使得本领域其他普通技术人员能够理解本发明以用于具有各种修改的各种实施例，如适于所设想的特定用途那样。

Claims (8)

1.一种评定肺中气流的方法，其包括：
接收高分辨率图像；
在来自高分辨率图像的支气管树的分层次结构中检测气道约束所位于的代级，并且使用所述代级来确定潜在地受气道约束影响的子分支的数量；
通过使用在对潜在地受气道约束所影响的子分支的数量进行表示的值和气道的预定最大数量之间的比来计算所估计的受影响容积；以及
在显示设备上呈现所估计的受影响容积。
2.权利要求1所述的方法，其中所述气道约束是由于粘液嵌塞引起的。
3.权利要求1所述的方法，其中呈现在显示设备上的所估计的受影响容积从受影响的亲本气道开始并且遵循越过起始点的受影响气道树的轮廓。
4.权利要求1所述的方法，其中颜色编码描绘了受影响容积与总叶片容积相比的百分比。
5.权利要求4所述的方法，其中不同颜色指示特定程度和严重性的异常。
6.权利要求4所述的方法，其中受影响容积的百分比与评分系统相关联以将百分比映射到不同颜色。
7.权利要求1所述的方法，其中所估计的受影响容积还通过使用支气管管腔与动脉（BLA）或支气管壁厚度与动脉直径（BWA）比率来被计算。
8.权利要求1所述的方法，其中对潜在受影响的子分支的数量进行表示的值是在单独考虑所有气道、使用支气管管腔与动脉（BLA）或支气管壁厚度与动脉直径（BWA）比率而确定气道的预定最大数量时的所有气道的总和。
CN202211419697.7A 2014-09-09 2015-09-09 用于气道壁密度和气道壁炎症的同时评估的方法和系统 Pending CN115736963A (zh)

Applications Claiming Priority (11)

Application Number Priority Date Filing Date Title
US201462047994P 2014-09-09 2014-09-09
US201462047685P 2014-09-09 2014-09-09
US201462047814P 2014-09-09 2014-09-09
US62/047994 2014-09-09
US62/047685 2014-09-09
US62/047814 2014-09-09
US201462048605P 2014-09-10 2014-09-10
US62/048605 2014-09-10
US14/840357 2015-08-31
US14/840,357 US10806372B2 (en) 2014-09-09 2015-08-31 Method and system for simultaneous evaluation of airway wall density and airway wall inflammation
CN201510681115.6A CN105997119B (zh) 2014-09-09 2015-09-09 用于气道壁密度和气道壁炎症的同时评估的方法和系统

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
CN201510681115.6A Division CN105997119B (zh) 2014-09-09 2015-09-09 用于气道壁密度和气道壁炎症的同时评估的方法和系统

Publications (1)

Publication Number Publication Date
CN115736963A true CN115736963A (zh) 2023-03-07

Family

ID=57082539

Family Applications (3)

Application Number Title Priority Date Filing Date
CN201510681115.6A Active CN105997119B (zh) 2014-09-09 2015-09-09 用于气道壁密度和气道壁炎症的同时评估的方法和系统
CN202211419686.9A Pending CN115736962A (zh) 2014-09-09 2015-09-09 用于气道壁密度和气道壁炎症的同时评估的方法和系统
CN202211419697.7A Pending CN115736963A (zh) 2014-09-09 2015-09-09 用于气道壁密度和气道壁炎症的同时评估的方法和系统

Family Applications Before (2)

Application Number Title Priority Date Filing Date
CN201510681115.6A Active CN105997119B (zh) 2014-09-09 2015-09-09 用于气道壁密度和气道壁炎症的同时评估的方法和系统
CN202211419686.9A Pending CN115736962A (zh) 2014-09-09 2015-09-09 用于气道壁密度和气道壁炎症的同时评估的方法和系统

Country Status (1)

Country Link
CN (3) CN105997119B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102016224717B4 (de) * 2016-12-12 2018-12-20 Siemens Healthcare Gmbh Verfahren zum Ermitteln von Gewebeeigenschaften von Tumoren, sowie Bildanalyseeinrichtung, Computertomographiesystem, Computerprogrammprodukt und computerlesbares Medium
EP3431005A1 (en) * 2017-07-19 2019-01-23 Koninklijke Philips N.V. Inflammation estimation from x-ray image data
CN109727251A (zh) * 2018-12-29 2019-05-07 上海联影智能医疗科技有限公司 一种定量肺部病症分割的系统、方法和设备
US11436720B2 (en) 2018-12-28 2022-09-06 Shanghai United Imaging Intelligence Co., Ltd. Systems and methods for generating image metric

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9020229B2 (en) * 2011-05-13 2015-04-28 Broncus Medical, Inc. Surgical assistance planning method using lung motion analysis

Also Published As

Publication number Publication date
CN105997119B (zh) 2022-12-02
CN115736962A (zh) 2023-03-07
CN105997119A (zh) 2016-10-12

Similar Documents

Publication Publication Date Title
Pu et al. CT based computerized identification and analysis of human airways: a review
Kostis et al. Three-dimensional segmentation and growth-rate estimation of small pulmonary nodules in helical CT images
Best et al. Quantitative CT indexes in idiopathic pulmonary fibrosis: relationship with physiologic impairment
US8885905B2 (en) Method and system for plaque characterization
CN106551704B (zh) 可视化不同类型的气道壁异常
Montaudon et al. Assessment of airways with three-dimensional quantitative thin-section CT: in vitro and in vivo validation
Prasad et al. Automatic segmentation of lung parenchyma in the presence of diseases based on curvature of ribs
JP2006255412A (ja) 腫瘍量を監視する方法及びシステム
US7684602B2 (en) Method and system for local visualization for tubular structures
Xu et al. Quantification of coronary arterial stenoses in CTA using fuzzy distance transform
JP2006051365A (ja) 肺潅流または肺密度を３ｄ視覚化するためのシステムおよび方法、並びにその統計的分析方法
CN105997119B (zh) 用于气道壁密度和气道壁炎症的同时评估的方法和系统
JP2007061622A (ja) 気道内腔の直径、気道壁の厚さおよび気管支動脈比を使用して多断面コンピュータ断層撮影（ｍｓｃｔ）イメージデータの自動的な気道評価を行うためのシステムおよび方法
Walsh et al. Post-processing applications in thoracic computed tomography
US9019272B2 (en) Curved planar reformation
Naziroglu et al. Semi-automatic bowel wall thickness measurements on MR enterography in patients with Crohn's disease
Rebouças Filho et al. 3D segmentation and visualization of lung and its structures using CT images of the thorax
Saba et al. Computer-aided detection of pulmonary nodules in computed tomography: analysis and review of the literature
CN104586419B (zh) 双能量计算式x线断层术气道数据的可视化
Brillet et al. Investigation of airways using MDCT for visual and quantitative assessment in COPD patients
Ukil et al. Smoothing lung segmentation surfaces in three-dimensional x-ray ct images using anatomic guidance1
Ganeshan et al. Three-dimensional selective-scale texture analysis of computed tomography pulmonary angiograms
Hashemi et al. Optimal image reconstruction for detection and characterization of small pulmonary nodules during low-dose CT
Mumcuoğlu et al. Image analysis for cystic fibrosis: computer-assisted airway wall and vessel measurements from low-dose, limited scan lung CT images
US10806372B2 (en) Method and system for simultaneous evaluation of airway wall density and airway wall inflammation

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