CN117062569A - 根据放射照相图像估计肺容量 - Google Patents
根据放射照相图像估计肺容量 Download PDFInfo
- Publication number
- CN117062569A CN117062569A CN202280023695.8A CN202280023695A CN117062569A CN 117062569 A CN117062569 A CN 117062569A CN 202280023695 A CN202280023695 A CN 202280023695A CN 117062569 A CN117062569 A CN 117062569A
- Authority
- CN
- China
- Prior art keywords
- lung
- image
- magnification factor
- estimating
- radiographic image
- 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 128
- 238000000034 method Methods 0.000 claims abstract description 63
- 238000003384 imaging method Methods 0.000 claims abstract description 16
- 210000003484 anatomy Anatomy 0.000 claims description 20
- 238000004422 calculation algorithm Methods 0.000 claims description 13
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 11
- 230000003321 amplification Effects 0.000 claims description 9
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 4
- 238000010801 machine learning Methods 0.000 claims description 3
- 238000002591 computed tomography Methods 0.000 description 23
- 210000000038 chest Anatomy 0.000 description 12
- 230000006870 function Effects 0.000 description 10
- 238000011524 similarity measure Methods 0.000 description 7
- 230000009466 transformation Effects 0.000 description 7
- 238000012937 correction Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 210000000115 thoracic cavity Anatomy 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- BTCSSZJGUNDROE-UHFFFAOYSA-N gamma-aminobutyric acid Chemical compound NCCCC(O)=O BTCSSZJGUNDROE-UHFFFAOYSA-N 0.000 description 3
- 238000013519 translation Methods 0.000 description 3
- 238000013500 data storage Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 210000004872 soft tissue Anatomy 0.000 description 2
- 210000001519 tissue Anatomy 0.000 description 2
- 206010003598 Atelectasis Diseases 0.000 description 1
- 241000699666 Mus <mouse, genus> Species 0.000 description 1
- 241000699670 Mus sp. Species 0.000 description 1
- 208000002151 Pleural effusion Diseases 0.000 description 1
- 208000007123 Pulmonary Atelectasis Diseases 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000008034 disappearance Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002594 fluoroscopy Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000002675 image-guided surgery Methods 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- NRNCYVBFPDDJNE-UHFFFAOYSA-N pemoline Chemical compound O1C(N)=NC(=O)C1C1=CC=CC=C1 NRNCYVBFPDDJNE-UHFFFAOYSA-N 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000002195 synergetic effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
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
- A61B6/50—Clinical applications
-
- 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
- A61B6/5235—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 combining images from the same or different ionising radiation imaging techniques, e.g. PET and 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
- A61B6/44—Constructional features of apparatus for radiation diagnosis
- A61B6/4405—Constructional features of apparatus for radiation diagnosis the apparatus being movable or portable, e.g. handheld or mounted on a trolley
Abstract
本发明提供了一种根据放射照相图像估计肺容量的计算机实现的方法。该方法包括：将患者的胸部的二维放射照相图像(12)配准(102)到患者的胸部的三维放射照相图像(14)，以估计描述被用于捕获二维放射照相图像的成像装置的投影几何形状(16)的数据；使用该投影几何形状估计(104)与成像装置有关的至少一个放射照相放大系数(18)；以及使用二维放射照相图像和至少一个放射照相放大系数计算(106)估计的肺容量(20)。
Description
技术领域
本发明涉及用于根据放射照相图像估计肺容量的系统和方法。
背景技术
X射线成像是重症监护病房(ICU)中跟踪肺的状况的标准工具。通常情况下，每隔一天就要进行一次X射线检查，以便评估肺的改变，尤其是查看胸腔积液、肺不张等情况。最近，已经提出来趋于针对肺内总气量对X射线图像进行定量评估，以提供有关患者状况的更可靠的信息。根据单个X射线图像的肺容量估计需要关于投影几何形状(projectiongeometry)的知识。然而，X射线通常是通过将移动式检测器手动放置在患者下方且在病床上或病床下方进行拍摄的，使得没有固定的源-检测器距离。此外，患者的定位可能由于其他要求(例如给处于俯卧位置或仰卧位置的患者供气)而改变。投影几何形状中的这种改变给准确的肺容量估计带来了挑战。
发明内容
为了更好地解决这些问题中的一个或多个，本发明的第一方面提供了一种根据放射照相图像估计肺容量的计算机实现的方法。该方法包括：将患者的胸部的二维放射照相图像配准到患者的胸部的三维放射照相图像，以估计描述被用于捕获二维放射照相图像的成像装置的投影几何形状的数据；使用投影几何形状来估计与成像装置有关的至少一个放射照相放大系数；以及使用二维放射照相图像和至少一个放射照相放大系数计算估计的肺容量。
可使用至少一个训练过的机器学习模型来执行对二维(2D)放射照相图像和三维(3D)放射照相图像的配准。此外或替代性地，可使用至少一种计算或几何配准算法来执行配准。
至少一个训练过的机器学习模型可被用于将2D图像配准到3D图像，以估计描述投影几何形状的数据。
在一个示例中，几何配准算法包括基于强度的配准算法，该基于强度的配准算法通过一个或多个相关性度量来比较两个图像中的强度图案。例如，几何配准算法可以是基于在变化姿态参数的同时使两幅图像之间的强度相似性度量最小化。此外或替代性地，配准算法可包括基于特征的配准算法，该基于特征的配准算法可找到一个或多个图像特征(如点、线和轮廓)之间的对应关系。
这种配准可配准整个2D图像和3D图像，或者可使用2D图像和3D图像中的一个或两个的子图像。因此，配准可包括在执行配准之前从2D图像和3D图像中的一个或两个中形成子图像。如果对子图像进行配准，则子图像可绘示出待用于配准中的至少一个解剖结构，即至少一个关注物体。在一个具体的非限制性示例中，该至少一个解剖结构包括一个或多个脊椎。此外或替代性地，该至少一个解剖结构可包括一根或多根肋骨。子图像可通过分割2D图像和3D图像来形成或创建，以分离出至少一个解剖结构，例如分割出至少一块脊椎。因此，可对2D图像进行分割，以识别绘示出解剖结构的关注区域，同时可对3D图像进行分割，以识别绘示出同一解剖结构的关注体积。
配准算法可包括迭代配准算法。因此，在一个示例中，比较两幅图像中的强度图案可包括使用迭代配准算法，该迭代配准算法对估计的投影几何形状重复进行增量式改变，并使用经增量式改变的投影几何形状计算正在配准的两幅图像之间的相关性度量，直到相关性度量收敛到稳态值。稳态值可以是最大值或最佳值。因此，该方法可包括使用优化算法来使相关性度量最大化。为了将2D图像与3D图像进行比较，该方法可包括首先使用例如为当前迭代选择的估计的投影几何形状，根据3D图像重建2D图像。该方法可包括在计算相关性度量之前，从2D图像中减去重建的2D图像(其是从3D图像中计算出的)。迭代算法可使用预定的投影几何形状的起始估计值，和/或预定的增量大小，和/或投影几何形状的参数递增的预定顺序。相关性度量可包括相似性度量，该相似性度量对两幅图像中的强度图案的相似程度进行量化。在一个具体的非限制性示例中，相似性度量描述的是差异图像的结构度，该差异图像是通过从正在配准的两幅图像中的一幅图像减去另一幅图像得到的。其他合适的相似性度量的示例包括互相关、互信息、强度差平方和以及比率图像均匀性。
该方法可包括在执行配准之前对两幅图像中的一幅或两幅进行预处理。例如，可以例如通过从关注物体以外的区域移除平均灰度值，和/或应用一个或多个缩放系数来对图像中的一幅或两幅进行预处理，以调整灰度变化。
投影几何形状可以通过变换(即几何变换)来描述，例如，该变换可以将2D图像和3D图像使用的不同坐标系联系起来，从而将图像中的一个映射到另一个。变换可通过一个或多个变换参数来表示，例如旋转参数和平移参数。在一个示例中，可使用多达九个参数来表示投影几何形状：三个参数表示源的位置，三个参数表示检测器的位置，三个参数表示检测器或检测器平面的取向。由成像装置强加的限制(例如固定的源-检测器距离或可绕少于三个轴旋转的源安装架)，可允许使用少于九个参数(即参数的子集)来完整地表示投影几何形状。
在一个示例中，至少一个肺的放大系数可使用至少一个源-肺距离来估计。更具体地说，肺的放大系数可被计算为源-肺距离与源-检测器距离(即源-肺距离加上肺-检测器距离之和)的比值。更具体地说，肺的放大系数可被计算为其中/>和/>分别是所讨论的肺的源-肺距离和肺-检测器距离。这些距离可在从源穿过所讨论的肺的中心到检测器的直线上测量。
在另一个示例中，至少一个肺的放大系数可使用至少一个源-解剖结构距离(例如，X射线源与图像配准中使用的解剖结构之间的距离)和肺-解剖结构距离(例如，肺(一个或多个)与所述解剖结构之间的距离)一起来估计。在计算中使用肺-解剖结构距离可包括使用捕获2D图像时患者所躺的位置(例如俯卧或仰卧)的知识，例如来选择适当的估计方法。换言之，该方法可包括根据患者是处于仰卧位置还是处于俯卧位置，以不同的方式应用肺-解剖结构距离。更具体地说，如果患者处于仰卧位置，则肺(一个或多个)的放大系数可被估计为或者如果患者处于俯卧位置，则肺(一个或多个)的放大系数可估计为/>其中/>是源-检测器距离，/>是源-解剖结构距离(例如，源与脊椎(例如在图像配准中发现的脊椎平面)之间的源-脊椎距离)，而/>是肺-解剖结构距离(例如，脊椎或脊椎平面与肺中平面之间的肺-脊椎距离)。
估计至少一个放射照相放大系数可包括估计至少一个肺的放大系数，例如，如果两个肺应用相同的放大系数，则估计一个或两个肺的放大系数；如果应用不同的放大系数，则分别估计每个肺的放大系数。如果患者倾斜地放置于射束中，即如果两个肺的中点或中心与检测器平面不等距，则左肺和右肺的放大系数可不同。在上述计算中，在只估计一个肺的容量的情况下，可使用单个的源-肺距离单个肺-检测器距离/>或单个肺-解剖结构距离/>或者当两个肺与源等距时，可将这些值应用于两个肺。否则，例如在患者躺在倾斜位置的情况下，估计至少一个放射照相放大系数可包括分别估计左肺和/或右肺的放大系数。更具体地说，可针对左肺和右肺获得单独的源-肺距离、肺-检测器距离和/或肺-解剖结构距离，且通过将这些值代入上述等式来估计每个肺的放大系数。此外，还可计算与至少一个解剖结构(例如脊椎)相关的放大系数，例如/>因此，估计至少一个放射照相放大系数可包括估计与被用于配准二维放射照相图像和三维放射照相图像的至少一个解剖结构(如脊椎)有关的放大系数。与肺有关的放大系数可继而基于与至少一个解剖结构有关的放大系数得出。
在一些示例中，脊椎放大系数可被计算为全局放大系数(例如，取单个脊椎的结果或多个脊椎的平均值)或空间变化放大系数，后者通过对为不同脊椎确定的放大系数进行内插而沿头颅-尾椎方向变化。
本文所述的距离(如源-肺距离、肺-检测器距离、肺-解剖结构距离等)，可使用3D模型(其是使用确定的投影几何形状数据构建的)来计算。2D/3D配准允许在单个坐标系中描述比如源、检测器和解剖结构等物体的位置和取向，使得可轻松确定物体间的距离。在计算出到解剖结构的距离或离解剖结构的距离时，可将这些结构的中平面或中心点作为参考点，例如，在计算从源或检测器到肺的距离时，可使用该肺的中心点。
一旦确定了放大系数，就可基于该放大系数使用任何适当的方法来估计肺容量。在一个示例中，其中肺容量估计基于从2D图像中确定的肺面积，在使用缩减的肺面积来估计肺容量之前，可使用肺(一个或多个)的放大系数来缩减肺面积。换句话说，计算估计的肺容量包括使用至少一个肺放大系数来缩减使用二维放射照相图像确定的肺面积。在针对左肺和右肺估计单独的放大系数的情况下，可在估计肺容量之前使用这些单独的放大系数来缩减相应肺的面积。也就是说，该方法可包括使用针对左肺和右肺确定的相应放大系数来分别缩放左肺和右肺的肺面积。因此，不同的缩放比例可应用到左肺和右肺。肺面积可根据1/M2进行缩放，其中M是相应肺的放大系数。计算估计的肺容量可包括对缩放的肺面积上的像素强度值进行积分。同样，放大系数可被用于缩放针对单个像素计算的体积或其总和，或水当量路径长度(water equivalent path length)。
在一个示例中，计算估计的肺容量可包括针对2D图像的肺面积内的每个像素估计对其强度值有贡献的体积。该体积可近似等于水当量路径长度乘以像素尺寸，且利用该放大系数进行附加校正。更具体地说，该体积可被估计为V＝lS/M2，其中l是水当量路径长度，S是像素尺寸，M是所讨论的肺的放大系数。水当量路径长度可使用任何适当的已知方法进行估计。
为了考虑到射到检测器上的X射线的局部倾角，估计每个像素的体积可包括确定有效像素尺寸，以用于上述计算中代替实际像素尺寸。如果射线垂直击中检测器，则有效像素尺寸Seff可被认为等于物理像素尺寸S。否则，对于倾角α≠90°，可以使用(较小的)有效像素尺寸，即Seff＝Scos(90°-α)。每个像素的倾角可使用上述3D模型确定。
在另一个示例中，计算估计的肺容量包括：分割二维放射照相图像以识别左肺和右肺；修改二维放射照相图像以用预先限定的像素强度值替换与左肺和右肺相对应的区域中的图像数据，从而形成胸部掩膜图像；以及从原始的二维放射照相图像中减去胸部掩膜图像以形成提供肺容量信息的纯肺图像。例如，预先限定的值可对应于软组织或水的预期像素强度值。计算估计的肺容量可进一步包括基于与左肺和右肺对应的区域中的像素的面积和强度与肺总容量之间的已知相关性，对纯肺图像上的像素强度值进行积分。在其上对强度值进行积分的面积可以是基于肺(一个或多个)的放大系数确定的缩减的肺面积。
根据第二方面，提供了一种被配置为执行本文所述的任何方法的计算系统。
根据第三方面，提供了一种计算机程序产品，该计算机程序产品包括指令，当指令被计算系统执行时，能够使计算系统执行或导致计算系统执行本文所述的任何方法。
根据第四方面，提供了一种计算机可读介质，该计算机可读介质包括指令，当指令被计算系统执行时，能够使计算系统执行或导致计算系统执行本文所述的任何方法。
本文公开的系统和方法用于对根据放射照片来估计肺容量进行改进。准确地估计肺容量提供了有关在ICU内的患者的状况的宝贵定量信息。然而，定量评估需要有关系统的几何形状和患者在系统内的定位的信息，而这些信息在使用移动式X射线系统的ICU环境中通常是不可用的。根据本公开，可通过使用先前获取的CT数据来估计投影几何形状而克服这一问题。
本文所述的“二维放射照相图像”可包括X射线图像或放射照片，尤其是投影放射照片，更尤其是使用移动式检测器(例如平板检测器)捕获的图像或放射照片。作为平面图像的二维放射照相图像包括表示入射X射线的空间强度分布的像素阵列。
本文所述的“三维放射照相图像”可包括例如计算机断层扫描照相(CT)图像或放射照片，其作为体积图像，包括表示空间强度分布的体素的体积。
本发明可包括一个或多个单独或组合的方面、示例或特征，无论是否以该组合或单独的方式具体公开。上述方面中的一个的任何可选特征或子方面均适合应用于任何其他方面。
参照下文所述的实施例，本发明的这些方面和其它方面将变得明显并被阐明。
附图说明
现在仅以示例的方式，参照附图给出详细描述，其中：
图1是例示说明了根据放射照像图像估计肺容量的方法的流程图；
图2A至图2F示出了图1的方法的多个方面；
图3示出了X射线成像装置中的投影几何形状；
图4A至图4D示出了作为2D/3D图像配准的一个示例的一部分的差异图像的形成；
图5A至图5B示出了使用确定的投影几何形状估计肺放大系数的示例性方法；
图6示出了用于执行肺容量估计的另一种示例方法；
图7示出了可被用于捕获X射线图像的X射线成像装置；以及
图8示出了一种根据本文所公开的系统和方法可使用的计算系统。
具体实施方式
根据本公开，可通过使用先前获取的CT图像估计投影几何形状，尤其是通过使用预先获取的CT图像的部分的2D-3D配准来估计应用于X射线成像装置的放大系数，来改善肺容量估计。通常情况下，这样的胸部CT图像对于进入ICU的患者是可用的。
图1是例示说明了根据本公开的根据放射照相图像估计肺容量的方法100的流程图。概括地说，方法100包括以下步骤。在第一步骤102中，接收患者的胸部的二维放射照相图像12和三维放射照相图像14，二维放射照相图像14是使用未知的投影几何形状捕获的，并且对两幅图像12、14进行配准以估计投影几何形状16。在第二步骤104中，使用投影几何形状16估计与被用于捕获二维放射照相图像12的成像装置有关的至少一个放射照相放大系数18。在第三步骤106中，使用二维放射照相图像12和至少一个放射照相放大系数18计算估计的肺容量20。
图2A至图2F示出了图1的方法的多个方面。
图2A示出了患者的胸部的3D图像14。3D图像14是已经过分割以识别相关的解剖结构(在本例中为脊柱和肺)的CT图像。尤其是，识别了第六胸椎。分割还提供了相关的解剖结构的3D相对位置。例如，图2A中所示的箭头相应地从第六胸椎的中心指向左肺的中心和右肺的中心。
图2B示出了借助于针对第六胸椎的图像的2D/3D配准来估计投影几何形状16。投影几何形状数据包括九个参数的值，这九个参数唯一描述了X射线源200的位置以及X射线检测器202在以脊椎为中心的坐标系中的位置和取向。
图2C示出了执行倾斜校正的可选步骤，以考虑到具有非垂直的入射角的射线对有效像素尺寸的影响。有效像素尺寸Seff取决于射线射到检测器202上的局部倾角。如果射线垂直地击中检测器202，则有效像素尺寸Seff等于物理像素尺寸S。对于倾角α≠90°，有效像素尺寸较小，即Seff＝Scos(90°-α)。因此，下面的计算可以可选地使用有效像素尺寸来代替物理像素尺寸以进行倾斜校正。
图2D示出了在步骤104中的放大系数18的估计。如上所述，在进行2D-3D配准后，相对于第六胸椎的中心的左肺和右肺的中心的位置就已知了。使用该信息，可计算出从源200到右肺的中心的距离和从右肺的中心到检测器202的距离/>右肺(即右肺的中心)的放大系数/>被估计为/>在检测器202不倾斜的情况下，右肺的放大系数也可作为左肺的放大系数。否则，在检测器20倾斜或歪斜的情况下，如图2E中更清楚地所示，左肺和右肺的放大率可不同，因此可使用上述技术估计每个肺的放大系数。
图2F示出了在步骤106中对肺容量20的估计。首先，估计通过肺的水当量路径长度，这在本领域是已知的。下一步骤是针对每个像素估计对其值有贡献的体积。该体积近似等于水当量路径长度乘以有效像素尺寸，且利用放大系数进行附加校正。图2F示出了对通过检测器202的一个具体的像素测量的值作出贡献的体积204。如果相应的体积靠近检测器，则估计的水长度对应较大的体积。然后，与估计的水长度l相对应的估计的体积V被计算为V＝lSeff/M2。以这种方式估计出的各个像素的体积在2D图像12中的肺面积上相加，以估计出一个或两个肺的肺容量20。
回到步骤102，现在将描述2D图像12和3D图像14配准以估计投影几何形状16的一个示例。在此示例中，2D图像12是患者胸部的最近的X射线图像，其将进行处理以估计当前的肺容量，而3D图像14是在患者首次进入ICU时预先获取的患者胸部的CT图像。配准是针对一个或多个脊椎进行的，该一个或多个脊椎代表作为关注物体的解剖结构。通过将X射线图像12配准到CT图像14，可以估计出脊椎在X射线成像装置中的位置。合适的2D/3D图像配准过程的以下示例基于WEESE等人在IEEE Transaction on Information Technology inBiomedicine(1(4).1997)中的“Voxel-based 2-D/3-D Registration of FluoroscopyImages and CT Scans for Image-guided Surgery”一文中的描述。
图3示出了投影几何形状。X射线图像12是使用X射线源200和驻留在投影平面内的移动式X射线检测器202捕获的。X射线图像12与坐标系(x,y,z)相关联，该坐标系的原点位于X射线图像12的中心。投影平面位于坐标系的x-y平面上，使得源200在z方向上位于投影平面的上方。CT图像14具有其自己的坐标系(x',y',z')，其原点位于CT图像14的中心，其也可以是图像分割后具体的脊椎的中心。CT图像14相对于X射线图像12的坐标系的位置和取向可以用变换x＝R(ω)x′+t来描述，其中R(ω)是与旋转向量ω＝(ωx,ωy,ωz)相对应的旋转矩阵，该旋转矩阵的计算如下：其中t为平移向量t＝(tx,ty,tz)。
2D/3D配准算法通过执行以下步骤在给定起始估计值ω0和t0的情况下确定变换参数ω和t。
1)对CT图像14中的关注的脊椎进行分割。
2)从CT图像14中减去脊椎周围组织的平均灰度值。
3)使用旋转参数ω和平移参数t的当前值，只考虑具有已分割出的脊椎的CT体积，从CT图像14中计算出重建的2D图像。由于已从CT图像14中减去了与脊椎直接相邻的组织的平均灰度值，因此重建的2D图像只显示了由于脊椎的存在而产生的灰度值变化。
4)用预先确定的缩放系数I0对重建的2D图像中的灰度值进行缩放，并从X射线图像12中减去，以形成差异图像。由于适当的灰度值缩放以及CT图像14的正确位置和取向，X射线图像12中与脊椎相对应的结构将消失，总体而言，在减去后可见的结构将减少。图4A示出了患者的脊柱的X射线图像12的一个示例，而图4B至图4D则示出了分别针对三个不同的分割出的椎骨通过从CT体积减去重建的2D图像而形成的三个差异图像402-406。差异图像302-306中的相应脊椎的消失指示出变换参数的适当确定。
5)计算相似性度量，该相似性度量表征了在减去灰度值缩放的重建的2D图像后形成的差异图像的结构度。
6)针对灰度值缩放系数I0以及参数ω和t优化相似性度量。
在每次优化迭代中，重复步骤3)至5)。变换参数按照预先确定的序列变化，例如tx、ty、tz、ωx、ωy、ωz。重复执行优化，直到预先确定次数的后续最大化(例如6次)不再进一步提高相似性度量。每当其他参数中的一个发生改变时，灰度值缩放系数I0都可通过在零和最大值之间以预先限定的增量变化该系数而进行调整。可使用可调整的步长Δ来执行相对于单个参数的最大化。如果在同一方向上的Nlimit连续步骤增加了相似性度量，则步长Δ会增加(NlimitΔ→Δ)。如果向前或向后的步长都不能增加相似性度量，那么只要步长Δ大于最小值Δmin(max(Δ/Nlimit,Δmin)→Δ)，步长Δ就会减小。对于每个参数，使用步长Δ和最小步长Δmin的单独的值。在优化开始时，步长Δ以其最小值Δmin的倍数初始化。
表征结构度的相似性度量可使用差异图像的函数来实现，该函数将接近零的值分配给结构的邻域(例如灰度值边缘或线条)的点，而将约为一(unity)的值分配给显示出灰度值变化很小的面积中的点。在一个非限制性示例中，该函数根据下式来限定：
其中Idiff表示差异图像，r表示指示其中考虑了灰度值指示的邻域尺寸的参数，而σ表示控制灰度值变化是否被认为与结构有关的灵敏度调整值。需要注意的是，第一个总和在所有像素x、y上进行求和。第二个总和在所有像素v、w上进行求和，其中(x-v)2+(y-w)2≤r2。
在YANG,H.等人的“Geometry calibration method for a cone-beam CT system(锥束CT系统的几何校正方法)”(Med.Phys.44(5)，May 2017.p.1692-1706)中描述了通过使用界标(landmark)在几何上确定姿态参数以执行2D-3D图像配准的另一示例。
图5A示出了使用确定的投影几何形状16为处于仰卧位置的患者估计肺放大系数20的另一示例性方法。肺的放大系数被计算为脊椎的放大系数可被计算为
图5B示出了使用确定的投影几何形状16为处于倾斜位置的患者估计肺放大系数20的另一示例性方法。在此示例中，左肺的单独的肺-脊椎距离和右肺的单独的肺-脊椎距离LRV替代上述等式中的/>以计算每个肺的放大系数。
图6示出了执行肺容量估计的另一示例性方法。使用患者胸部的X射线图像12，在分割X射线图像12以识别左肺和右肺之后形成肺掩膜图像602。然后，使用肺掩膜图像602修改X射线图像12，以便用软组织的预期像素强度值取代被识别为属于左肺和右肺的区域中的图像数据，从而形成胸部掩膜图像604。从X射线图像12中减去胸部掩膜图像604以形成纯肺图像606。在识别肺之后的任何时刻，使用针对肺确定的放大系数(一个或多个)对肺面积进行缩放。通过对在缩放的肺面积上的位于纯肺图像606中的像素强度值进行积分，估计出肺容量20。
用于估计肺容量的其他合适的方法在例如US 9,805,467 B2或US 2018/0271465A1中更详细地描述。
图7示出了可被用于捕获X射线图像12的X射线成像装置700。X射线源200可重新定位以面向便携式X射线检测器202。在所示的示例中，检测器202安装在支撑件702上，而源200设置在可旋转的安装架704上，使其能够旋转到水平位置并对向安装在支撑件上的检测器202，来对处于站立位置的患者成像。替代性地，在患者躺在床706上，检测器202被定位于床706上或下的情况下可执行成像。X射线图像12由下文进一步描述的计算系统800接收，以便根据本文描述的方法进行处理。
可设想到本文描述的系统和方法的许多变化。例如，尽管上述示例涉及使用脊椎来生成X射线图像12和CT图像14之间的对应关系，但原则上也可使用其他解剖结构，如骨，尤其是肋骨。
可使用诸如那些基于轮廓的替代性方法进行2D/3D配准。
本发明通常适用于移动式X射线(例如用于临床需求可能最强烈的ICU)，但并不限于此。本发明还可适用于定量暗场X射线成像，其中肺容量估计被用于估计肺结构的定量信息。
图8示出了示例性计算系统800，该示例性计算系统可根据本文所公开的系统和方法使用。计算系统800可形成任何台式机、笔记本电脑、服务器或基于云的计算系统的一部分或包括任何台式机、笔记本电脑、服务器或基于云的计算系统。计算系统800包括至少一个处理器802，该至少一个处理器执行存储在存储器804中的指令。例如，这些指令可以是用于实现由本文所述的一个或多个组件执行的所述功能的指令，或者可以是用于实现本文所述的一种或多种方法的指令。处理器802可通过系统总线806访问存储器804。除了存储可执行指令外，存储器804还可存储会话输入、分配给会话输入的分数等。
计算系统800附加地包括数据存储装置808，处理器802可通过系统总线806访问该数据存储装置。数据存储装置808可包括可执行指令、日志数据等。计算系统800还包括允许外部设备与计算系统800通信的输入接口810。例如，输入接口810可被用于接收来自外部计算机设备、用户等的指令。计算系统800还包括输出接口812，该输出接口812连接计算系统800与一个或多个外部设备。例如，计算系统800可通过输出接口812显示文本、图像等。
可设想到的是，通过输入接口810和输出接口812与计算系统800通信的外部设备可被包括在基本上提供了用户可与之交互的任何类型的用户界面的环境中。用户界面类型的示例包括图形用户界面、自然用户界面等。例如，图形用户界面可接受来自使用比如键盘、鼠标、遥控器等的输入设备的用户的输入，并在诸如显示器等的输出设备上提供输出。此外，自然用户界面可使用户以不受由诸如键盘、鼠标、遥控器等的输入设备强加的限制的方式与计算系统800进行交互。相反，自然用户界面可依靠语音识别、触摸和手写笔识别、屏幕上和屏幕附近的手势识别、空中手势、头部和眼部跟踪、语音和讲话、视觉、触摸、手势、机器智能等。
此外，虽然被示为单个系统，但可以理解的是，计算系统800可以是分布式系统。因此，例如，多个设备可以通过网络连接的方式进行通信，并可以共同执行所述由计算系统800执行的任务。
本文所述的各种功能可以通过硬件、软件或它们的任意组合来实现。如果通过软件实现，则这些功能可以作为计算机可读介质上的一个或多个指令或代码来存储或传输。计算机可读介质包括计算机可读存储介质。计算机可读存储介质可以是计算机可访问的任何可用存储介质。作为示例而非限制，此类计算机可读存储介质可包括闪存(FLASH)存储介质、RAM、ROM、EEPROM、CD-ROM或其他光盘存储装置、磁盘存储装置或其他磁性存储设备，或可被用于承载或存储呈指令或数据结构形式的所期望的程序代码且可被计算机访问的任何其他介质。本文所使用的磁盘和光碟包括光盘(CD)、激光光盘、数字多功能光盘(DVD)、软盘和蓝光光盘(BD)，其中磁盘通常以磁性方式复制数据，光碟通常利用激光以光学方式复制数据。此外，被传播的信号不包含在计算机可读存储介质的范围内。计算机可读介质还包括通信介质，其包括任何有助于将计算机程序从一个地方传输到另一个地方的介质。例如，连接就可以是一种通信介质。例如，如果使用同轴电缆、光缆、双绞线、数字用户线路(DSL)或比如红外线、无线电和微波等无线技术从网站、服务器或其他远程源传输软件，那么同轴电缆、光缆、双绞线、DSL或比如红外线、无线电和微波等无线技术就包含在通信介质的定义中。上述的组合也应包含在计算机可读介质的范围内。
替代性地或此外，本文所描述的功能至少部分可以由一个或多个硬件逻辑部件来执行。例如，可以使用的硬件逻辑部件的示例类型包括现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑器件(CPLD)等，但不限于此。
可以理解的是，除上述功能外，上述电路还可能具有其他功能，而且这些功能可以由同一电路执行。
申请人在此单独公开本文所述的每个单独特征以及两个或更多个此类特征的任何组合，只要这些特征或组合能够基于本领域技术人员的通常常识在本说明书的整体基础上实现，而不论这些特征或特征组合是否解决了本文公开的任何问题，并且不限制权利要求的范围。申请人指出，本发明的各个方面可由任何此类单独特征或特征的组合组成。
必须指出的是，本发明的实施例是参照不同类别进行描述的。尤其是，一些示例是参照方法进行描述的，而另一些示例是参照设备进行描述的。然而，本领域技术人员可以从描述中了解到，除非另有说明，除了属于一个类别的特征的任何组合外，与不同类别相关的特征之间的任何组合也被视为由本申请所公开。然而，所有特征都可以组合在一起，以提供比特征简单相加更大的协同效应。
虽然本发明已在附图和前述描述中作了详细说明和描述，但这些说明和描述应被视为示例性的，而非限制性的。本发明并不局限于所公开的实施例。本领域技术人员通过对附图、公开内容和所附权利要求书的研究，可以理解并实现所公开实施例的其他变化。
“包括”一词并不排除其他要素或步骤。
不定冠词“一”或“一个”不排除多个。此外，本文中使用的冠词“一”和“一个”通常应理解为“一个或多个”，除非另有说明或从上下文中可明显看出是指单数形式。
单个处理器或其他元件可以实现权利要求中所述的多项的功能。
在相互不同的从属权利要求中叙述了某些措施，但这一事实并不表明这些措施的组合不能被有利地使用。
计算机程序可以存储/发布在合适的介质上，例如与其他硬件一起提供或作为其一部分提供的光存储介质或固态介质，但也可以以其他形式发布，例如通过互联网或其他有线或无线通信系统。
权利要求中的任何附图标记不应被解释为对范围的限制。
除非另有说明，或从上下文中可以明确看出，本文中使用的短语“A、B和C中的一个或多个”、“A、B和C中的至少一个”以及“A、B和/或C”的意思是所列项中的一个或多个的所有可能的排列组合。也就是说，“X包括A和/或B"这一短语满足于以下任何一种情况：X包括A；X包括B；或X包括A和B两者。
Claims (15)
1.一种根据放射照相图像估计肺容量的计算机实现的方法，所述方法包括：
将患者的胸部的二维放射照相图像(12)配准(102)到所述患者的胸部的三维放射照相图像(14)，以估计描述被用于捕获所述二维放射照相图像的成像装置的投影几何形状(16)的数据；
使用所述投影几何形状估计(104)与所述成像装置有关的至少一个放射照相放大系数(18)；以及
使用所述二维放射照相图像(12)和所述至少一个放射照相放大系数(18)计算(106)估计的肺容量(20)。
2.根据权利要求1所述的方法，其中，所述配准(102)包括使用至少一个训练过的机器学习模型将所述二维放射照相图像(12)配准到所述三维放射照相图像(14)，以估计描述所述投影几何形状(16)的所述数据。
3.根据权利要求1或2所述的方法，其中，所述配准(102)包括在执行所述配准之前，根据所述二维放射照相图像(12)和所述三维放射照相图像(14)中的一个或两个形成子图像，所述子图像绘示出待用于所述配准的至少一个解剖结构。
4.根据权利要求3所述的方法，其中，形成所述子图像包括分割相应的所述放射照相图像，以分离出至少一个解剖结构。
5.根据前述权利要求中的任一项所述的方法，其中，所述配准(102)包括使用迭代配准算法，所述迭代配准算法对估计的投影几何形状重复进行增量式改变，并使用经增量式改变的所述投影几何形状计算正在配准的两幅图像之间的相关性度量，直到所述相关性度量收敛到稳态值。
6.根据权利要求5所述的方法，其中，所述相关性度量包括相似性度量，所述相似性度量描述了差异图像的结构度，所述差异图像是通过从正在配准的所述两幅图像中的一幅减去另一幅得到的。
7.根据前述权利要求中的任一项所述的方法，其中，所述方法包括使用肺的至少一个源-肺距离来估计(104)所述肺的所述放大系数(18)。
8.根据权利要求7所述的方法，其中，所述方法包括将所述肺的所述放大系数(18)计算为所述源-肺距离与源-检测器距离的比值。
9.根据前述权利要求中的任一项所述的方法，其中，所述方法包括根据所述患者是处于仰卧位置还是处于俯卧位置，以不同方式估计(104)所述至少一个放大系数(18)。
10.根据前述权利要求中的任一项所述的方法，其中，计算(106)所述估计的肺容量(20)包括针对所述二维放射照相图像的肺区域中的每个像素估计对其强度值有贡献的体积。
11.根据权利要求10所述的方法，其中，所述方法包括在水当量路径长度乘以像素尺寸的基础上估计所述体积，并使用估计的所述至少一个放大系数进行校正。
12.根据权利要求11所述的方法，其中，所述方法包括将所述像素尺寸确定为考虑了非垂直的X射线入射角的有效像素尺寸。
13.根据前述权利要求中的任一项所述的方法，其中，计算(106)所述估计的肺容量(20)包括单独使用针对左肺和右肺确定的相应的放大系数。
14.一种被配置为执行根据前述权利要求中的任一项所述的方法的计算系统(800)。
15.一种计算机程序产品，其包括指令，当所述指令被计算系统(800)执行时，致使所述计算系统执行根据权利要求1-13中的任一项所述的方法。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| EP21216069.1 | 2021-12-20 | ||
| EP21216069.1A EP4197444A1 (en) | 2021-12-20 | 2021-12-20 | Lung volume estimation from radiographic images |
| PCT/EP2022/086339 WO2023117753A1 (en) | 2021-12-20 | 2022-12-16 | Lung volume estimation from radiographic images |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117062569A true CN117062569A (zh) | 2023-11-14 |
Family
ID=78957755
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202280023695.8A Pending CN117062569A (zh) | 2021-12-20 | 2022-12-16 | 根据放射照相图像估计肺容量 |
Country Status (4)
| Country | Link |
|---|---|
| US (1) | US20240081769A1 (zh) |
| EP (2) | EP4197444A1 (zh) |
| CN (1) | CN117062569A (zh) |
| WO (1) | WO2023117753A1 (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150005659A1 (en) * | 2012-03-23 | 2015-01-01 | Fujifilm Corporation | Image Analysis Apparatus, Method, and Program |
| CN105339982A (zh) * | 2013-06-19 | 2016-02-17 | 皇家飞利浦有限公司 | 肺测量 |
| CN106447780A (zh) * | 2015-08-06 | 2017-02-22 | 柯惠有限合伙公司 | 用于使用标准荧光镜的局部三维体积重构的系统和方法 |
| CN107665497A (zh) * | 2016-07-29 | 2018-02-06 | 上海联影医疗科技有限公司 | 一种医学图像中计算心胸比的方法 |
| CN111652924A (zh) * | 2020-05-22 | 2020-09-11 | 深圳前海微众银行股份有限公司 | 目标体积确定方法、装置、设备及存储介质 |
| CN112639887A (zh) * | 2018-08-30 | 2021-04-09 | 皇家飞利浦有限公司 | 图像处理系统及方法 |
| CN112996441A (zh) * | 2018-06-08 | 2021-06-18 | 数据完整性顾问有限责任公司 | 用于肺体积门控x射线成像的系统和方法 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1878239A2 (en) * | 2005-04-28 | 2008-01-16 | Bruce Reiner | Method and apparatus for automated quality assurance in medical imaging |
| US9339243B2 (en) * | 2006-04-14 | 2016-05-17 | William Beaumont Hospital | Image guided radiotherapy with dual source and dual detector arrays tetrahedron beam computed tomography |
| CN108348204B (zh) | 2015-09-30 | 2021-09-03 | 皇家飞利浦有限公司 | 生成肺状况图 |
| US11801114B2 (en) * | 2017-09-11 | 2023-10-31 | Philipp K. Lang | Augmented reality display for vascular and other interventions, compensation for cardiac and respiratory motion |
| CN114502076A (zh) * | 2019-04-09 | 2022-05-13 | 齐特奥股份有限公司 | 用于高性能和多功能分子成像的方法和系统 |
-
2021
- 2021-12-20 EP EP21216069.1A patent/EP4197444A1/en active Pending
-
2022
- 2022-12-16 US US18/279,479 patent/US20240081769A1/en active Pending
- 2022-12-16 EP EP22839300.5A patent/EP4274485B1/en active Active
- 2022-12-16 WO PCT/EP2022/086339 patent/WO2023117753A1/en active Application Filing
- 2022-12-16 CN CN202280023695.8A patent/CN117062569A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150005659A1 (en) * | 2012-03-23 | 2015-01-01 | Fujifilm Corporation | Image Analysis Apparatus, Method, and Program |
| CN105339982A (zh) * | 2013-06-19 | 2016-02-17 | 皇家飞利浦有限公司 | 肺测量 |
| CN106447780A (zh) * | 2015-08-06 | 2017-02-22 | 柯惠有限合伙公司 | 用于使用标准荧光镜的局部三维体积重构的系统和方法 |
| CN107665497A (zh) * | 2016-07-29 | 2018-02-06 | 上海联影医疗科技有限公司 | 一种医学图像中计算心胸比的方法 |
| CN112996441A (zh) * | 2018-06-08 | 2021-06-18 | 数据完整性顾问有限责任公司 | 用于肺体积门控x射线成像的系统和方法 |
| CN112639887A (zh) * | 2018-08-30 | 2021-04-09 | 皇家飞利浦有限公司 | 图像处理系统及方法 |
| CN111652924A (zh) * | 2020-05-22 | 2020-09-11 | 深圳前海微众银行股份有限公司 | 目标体积确定方法、装置、设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| EP4274485B1 (en) | 2024-05-01 |
| EP4197444A1 (en) | 2023-06-21 |
| US20240081769A1 (en) | 2024-03-14 |
| WO2023117753A1 (en) | 2023-06-29 |
| EP4274485A1 (en) | 2023-11-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US8055046B2 (en) | Shape reconstruction using X-ray images | |
| Chartrand et al. | Liver segmentation on CT and MR using Laplacian mesh optimization | |
| Baka et al. | Oriented Gaussian mixture models for nonrigid 2D/3D coronary artery registration | |
| US9561004B2 (en) | Automated 3-D orthopedic assessments | |
| JP6368709B2 (ja) | ３次元身体データを生成する方法 | |
| JP5044383B2 (ja) | 特徴検出装置の作動方法、及び特徴検出装置 | |
| US9659390B2 (en) | Tomosynthesis reconstruction with rib suppression | |
| JP2013146585A (ja) | 画像処理方法及び画像処理装置 | |
| JP2018064627A (ja) | 放射線撮影装置、放射線撮影システム、放射線撮影方法、及びプログラム | |
| Chartrand et al. | Semi-automated liver CT segmentation using Laplacian meshes | |
| EP2926318A1 (en) | Image processing device and method | |
| JP6005359B2 (ja) | 対象のサイズの変更を決定する装置 | |
| Bauer et al. | Automated measurement of uptake in cerebellum, liver, and aortic arch in full‐body FDG PET/CT scans | |
| Aouadi et al. | Accurate and precise 2D–3D registration based on X-ray intensity | |
| CN117062569A (zh) | 根据放射照相图像估计肺容量 | |
| Price et al. | A method to calculate coverage probability from uncertainties in radiotherapy via a statistical shape model | |
| WO2021213053A1 (zh) | 基于软组织表面形变估计组织内部目标运动的系统与方法 | |
| Loeckx et al. | Non-rigid image registration using a statistical spline deformation model | |
| Feng et al. | A generic mutual information based algorithm for spatial registration of multi-modal medical images | |
| Bauer et al. | Pulmonary lobe separation in expiration chest CT scans based on subject-specific priors derived from inspiration scans | |
| Souza et al. | Multi-frame adaptive non-rigid registration for markerless augmented reality | |
| Shamul et al. | Change detection in sparse repeat CT scans with non-rigid deformations | |
| Yang et al. | Hierarchical 2D/3D alignment method based on enhanced DRR and gradient direction weighted histogram | |
| CN113450399B (zh) | 一种正位胸片心胸比测量方法及装置 | |
| He et al. | Reconstruction of four-dimensional computed tomography lung images by applying spatial and temporal anatomical constraints using a Bayesian model |
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 |