CN118451454A - 用于确定医学图像的定制观察窗口的系统和方法 - Google Patents

用于确定医学图像的定制观察窗口的系统和方法 Download PDF

Info

Publication number
CN118451454A
CN118451454A CN202280084615.XA CN202280084615A CN118451454A CN 118451454 A CN118451454 A CN 118451454A CN 202280084615 A CN202280084615 A CN 202280084615A CN 118451454 A CN118451454 A CN 118451454A
Authority
CN
China
Prior art keywords
image
region
viewing window
image region
parameters
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
CN202280084615.XA
Other languages
English (en)
Inventor
N·费拉施纳
F·文策尔
A·埃瓦尔德
E·T·奥勒沙努
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.)
Koninklijke Philips NV
Original Assignee
Koninklijke Philips NV
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 Koninklijke Philips NV filed Critical Koninklijke Philips NV
Publication of CN118451454A publication Critical patent/CN118451454A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
    • A61B5/7425—Displaying combinations of multiple images regardless of image source, e.g. displaying a reference anatomical image with a live image
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computed tomography [CT]
    • A61B6/032—Transmission computed tomography [CT]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/46—Arrangements for interfacing with the operator or the patient
    • A61B6/461—Displaying means of special interest
    • A61B6/463—Displaying means of special interest characterised by displaying multiple images or images and diagnostic data on one display
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/46—Arrangements for interfacing with the operator or the patient
    • A61B6/461—Displaying means of special interest
    • A61B6/466—Displaying means of special interest adapted to display 3D data
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/46—Arrangements for interfacing with the operator or the patient
    • A61B6/467—Arrangements for interfacing with the operator or the patient characterised by special input means
    • A61B6/469—Arrangements for interfacing with the operator or the patient characterised by special input means for selecting a region of interest [ROI]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
    • A61B6/501—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of the head, e.g. neuroimaging or craniography
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5205—Devices using data or image processing specially adapted for radiation diagnosis involving processing of raw data to produce diagnostic data
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—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 or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211—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
    • A61B6/5241—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 combining overlapping images of the same imaging modality, e.g. by stitching
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211—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
    • A61B6/5247—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 an ionising-radiation diagnostic technique and a non-ionising radiation diagnostic technique, e.g. X-ray and ultrasound
    • 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
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G06T7/0014—Biomedical image inspection using an image reference approach
    • G06T7/0016—Biomedical image inspection using an image reference approach involving temporal comparison
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/48—NMR imaging systems
    • G01R33/54—Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
    • G01R33/56—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution
    • G01R33/5608—Data processing and visualization specially adapted for MR, e.g. for feature analysis and pattern recognition on the basis of measured MR data, segmentation of measured MR data, edge contour detection on the basis of measured MR data, for enhancing measured MR data in terms of signal-to-noise ratio by means of noise filtering or apodization, for enhancing measured MR data in terms of resolution by means for deblurring, windowing, zero filling, or generation of gray-scaled images, colour-coded images or images displaying vectors instead of pixels
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30016—Brain

Landscapes

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

Abstract

一种用于处理医学图像信息的方法包括生成第一图像区域的第一强度分布，生成第二图像区域的第二强度分布，基于所述第一强度分布和所述第二强度分布来计算值，并且基于所计算的值来自动确定定制观察窗口。所述定制观察窗口被确定为显示所述第一图像区域和所述第二图像区域，所述第一图像区域和所述第二图像区域可以在同一图像或不同图像中。所述图像可以包括脑扫描图像或其他类型的图像。

Description

用于确定医学图像的定制观察窗口的系统和方法
技术领域
本文公开的示例实施例涉及处理医学图像信息。
背景技术
当在屏幕上显示医学图像时，可以选择从体素值到灰度值(例如亮度)的映射。通常，人眼可以感知比医学图像中包含的灰度值的数量少得多的灰度值(例如，最多100个)。例如，12位CT可以包含4096个不同的体素值。因此，对于不同的诊断任务，已经建立了具有预定义参数的不同标准映射(或观察窗口)。
然而，对于一些任务，应当评估一个扫描或图像切片内的某些区域(或感兴趣区域)之间(或不同扫描或图像切片之间)的非常细微的差异。为了进行该评估，执行手动操作以选择(或猜测)标准观察窗口中的哪一个可能能够使细微差异对放射科医师可见。手动调谐观察窗口是耗时的并且容易出错。例如，因为没有任何标准观察窗口足以揭示那些发现，也没有以任何方式为要评估的特定患者定制那些窗口，常常错过重要的临床发现。
发明内容
下面呈现了对各种示范性实施例的概述。可以在以下概述中做出一些简化和省略，其旨在强调和介绍各种示范性实施例的某些方面，而不是限制本发明的范围。将在后面的章节中详细描述示范性实施例，这些详细描述足以允许本领域技术人员做出和使用本发明的构思。
各种实施例涉及一种用于处理医学图像信息的方法，包括：生成第一图像区域的第一强度分布；生成第二图像区域的第二强度分布；基于所述第一强度分布和所述第二强度分布来计算值；并且基于所计算的值来自动确定定制观察窗口，其中，所述定制观察窗口被确定为显示所述第一图像区域和所述第二图像区域。
描述了各种实施例，其中，确定所述定制观察窗口包括确定所述定制观察窗口的一个或多个参数。
描述了各种实施例，其中，确定所述一个或多个参数包括基于在所述第一强度分布与所述第二强度分布之间计算的差值来计算所述一个或多个参数。
描述了各种实施例，其中，确定所述一个或多个参数包括将至少一个规则应用于所述差值以确定所述一个或多个参数。
描述了各种实施例，其中，相对于用于使用一个或多个其他参数显示所述第一图像区域和所述第二图像区域的观察窗口，所述定制观察窗口的所述一个或多个参数增强了对所述第一图像区域和所述第二图像区域之间的差异的识别。
描述了各种实施例，其中，所述一个或多个参数包括所述定制观察窗口的宽度或水平中的至少一项。
描述了各种实施例，其中，所述宽度基于所述差值中差值非零的最大强度值和所述差值中差值非零的最小强度值。
描述了各种实施例，其中，基于所述第一强度分布和所述第二强度分布计算的所述值包括所述第一强度分布和所述第二强度分布之间的差值。
描述了各种实施例，其中，所述第一图像区域和所述第二图像区域在同一图像中。
描述了各种实施例，其中：所述第一图像区域是第一脑扫描图像中的第一区域；所述第二图像区域是所述第一脑扫描图像中的第二区域。
描述了各种实施例，其中：所述第一图像区域是根据第一边界框导出的；并且所述第二图像区域是根据第二边界框导出的。
描述了各种实施例，还包括：基于分割算法自动确定所述第一图像区域和所述第二图像区域。
描述了各种实施例，还包括：基于对所述第一图像区域的指定来自动确定所述第二图像区域。
另外的各种实施例涉及一种医学图像分析器，包括：生成器，其被配置为生成第一图像区域的第一强度分布和第二图像区域的第二强度分布；计算逻辑，其被配置为基于所述第一强度分布和所述第二强度分布来计算值；以及规则引擎，其被配置为基于所计算的值来自动确定定制观察窗口，其中，所述定制观察窗口被确定为显示所述第一图像区域和所述第二图像区域。
描述了各种实施例，其中，所述规则引擎被配置为确定所述定制观察窗口的一个或多个参数。
描述了各种实施例，其中，确定所述一个或多个参数包括基于在所述第一强度分布与所述第二强度分布之间计算的差值来计算所述一个或多个参数。
描述了各种实施例，其中，所述规则引擎被配置成将至少一个规则应用于所述差值以确定所述一个或多个参数。
描述了各种实施例，其中，所述一个或多个参数包括所述定制观察窗口的宽度或水平中的至少一项。
描述了各种实施例，其中，所述宽度基于所述差值中的最大强度值、所述差值中的最小强度值和标量。
描述了各种实施例，其中，所述第一图像区域和所述第二图像区域在同一图像中。
附图说明
当结合附图考虑时，根据以下详细描述和权利要求书，本发明的其他目的和特征将更加显而易见。尽管图示和描述了若干示例实施例，但是在每个附图中，相似的附图标记标识相似的部件，其中：
图1图示了医学图像分析器的实施例。
图2图示了用于自动确定用于显示医学图像的定制观察窗口的方法的实施例。
图3A和3B图示了脑扫描的示例图像。
图4A图示了根据一个实施例生成差异直方图的示例，并且图4B图示了不作为曲线生成的差异直方图的示例。
图5A图示了使用标准观察窗口显示的脑扫描图像，并且图5B图示了使用定制观察窗口的实施例显示的脑扫描图像。
图6图示了医学图像分析器的实施例。
具体实施方式
应当理解，附图仅仅是示意性且并未按比例描绘。还应当理解，遍及各图使用相同的附图标记来指示相同或类似部分。
说明书和附图说明了各种示例实施例的原理。将了解，本领域技术人员将能够设计各种布置，尽管本文中未明确地描述或示出所述布置，但其体现本发明的原理且包括于本发明的范围内。此外，本文陈述的所有示例主要明确地意在用于教学目的以辅助读者理解本发明的原理和由(一个或多个)发明人所提供的概念，从而深化本技术，且所有示例不应解释为限于此类具体陈述的示例和条件。另外，如本文使用的术语“或”指代非排他性或(即，和/或)，除非另外指明(例如，“否则”或“或在替代方案中”)。此外，本文描述的各种示例实施例不一定相互排斥，因为一些示例实施例可与一个或多个其他示例实施例组合从而形成新的示例实施例。例如“第一”、“第二”、“第三”等描述词不意图限制所论述元件的次序，并且用于区分一个元件与下一元件，并且通常可互换。诸如最大值或最小值的值可以被预先确定，并且基于应用被设置为不同的值。
图1图示了用于自动确定用于显示医学图像的定制观察窗口的系统。该系统可以包括用于处理从计算机断层摄影(CT)扫描器或另一类型的医学成像系统导出的医学图像的医学图像分析器1。将结合以下实施例讨论CT图像的示例。
医学图像分析器1可以耦合在医学图像扫描器2和显示器50之间。如上所述，扫描器可以是各种类型的扫描器，包括但不限于CT扫描器和医学共振成像(MRI)扫描器。在一个实施例中，分割器和/或标记器3可以耦合在医学图像分析器之间(或包括在医学图像分析器中)以用于预处理从扫描器输出的图像。分割器可以例如将图像自动分割成各种感兴趣区域，或可以允许指定边界框以指定感兴趣区域。可以执行自动分割，例如，以识别脑的图像切片中的阿尔伯塔卒中项目早期(非对比)CT APESECTS区域。在这种情况下，标记器可以在图像切片中的各个ASPECTS区域周围插入轮廓并标记各个ASPECTS区域以用于进一步分析。
参考图1，医学图像分析器包括强度分布生成器10、计算逻辑20和规则引擎30。强度分布生成器可以生成与从扫描器输出的图像相对应的第一图像区域和第二图像区域的强度分布。第一图像区域和第二图像区域可以在同一图像中(例如，当要考虑分析左和右ASPECTS区域时)或可以在不同区域中(例如，当要在不同时间分析同一患者的脑扫描时)。第一图像区域可以例如基于叠加在(一幅或多幅)图像上的边界框来确定，可以由分割器自动确定，或可以使用不同的技术来确定。在一些情况下，可以分析多于两个感兴趣区域，如下面更详细描述的。
在一个实施例中，强度分布生成器可以是直方图生成器10。为了说明性目的，强度分布生成器将被假设为用于本讨论的平衡的直方图生成器。在操作中，直方图生成器10可以从感兴趣区域中的每一个提取强度值，并且针对感兴趣区域中的对应感兴趣区域生成第一直方图和第二直方图。一旦被生成，直方图就可以由计算逻辑进一步分析。
计算逻辑20可以基于第一直方图和第二直方图计算多个值。在一个实施例中，计算逻辑20可以包括基于将第一直方图和第二直方图中的强度值相减来计算差值的差异逻辑。为了说明性目的，计算逻辑20被假设为用于本讨论的平衡的直方图生成器。下面提供了如何生成这些值的更详细讨论。
规则引擎30将一个或多个预定规则应用于从差异逻辑输出的差值。所述规则可以用于生成定制观察窗口，定制观察窗口可以用作用于以增强对特征的识别的方式显示感兴趣区域的基础，如果使用标准观察窗口来观察区域，则所述特征将被隐藏。在一个实施例中，由规则引擎应用的规则确定观察窗口的一个或多个参数。参数可以包括例如窗口宽度和窗口水平中的一项或两项。根据差值生成参数允许在逐个患者的基础上定制观察窗口。一旦已经生成了用于定制观察窗口的(一个或多个)参数，就可以将定义观察窗口的信息40输出到显示器50以供医学保健专业人员观察。
图2图示了包括在用于自动确定用于显示医学图像的定制观察窗口的方法的实施例中的操作。该方法可以例如由本文描述的任何系统(或医学图像分析器)实施例执行，或可以由不同的系统执行。出于说明性目的，该方法将被描述为由图1的系统执行。
参考图2，该方法包括，在210处，接收一幅或多幅要评估的图像。一幅或多幅图像可以对应于例如同一患者。在这种情况下，(一幅或多幅)图像可以包括基于采集(一幅或多幅)图像的目的确定的患者的身体的任何部分。在一个非限制性实施例中，患者可以是疑似具有脑异常(诸如由缺血性卒中产生的病变，或异常可以对应于另一脑病症)的患者。在这种情况下，由扫描系统(其例如可以是计算机断层摄影扫描器)生成的图像可以是非对比CT(NCCT)脑扫描图像。CT扫描器可以是本地的(例如，在同一医院或临床环境中)或远离实施该方法的系统的处理逻辑定位。在后一种情况下，系统和方法实施例可以在例如从网络接收图像的外包背景下使用。
脑扫描图像可以包括与脑的特定区域相对应的轴向切片，在该特定区域中，在给定例如患者的疑似病症的情况下，可能发生一种或多种类型的脑异常。例如，当怀疑患者患有缺血性卒中时，与脑扫描图像对应的切片可以包括脑中动脉(MCA)所在的区域。如将更详细地描述的，这样的中风将在图像中在MCA的位置处至少关于发生中风的脑半球产生闭塞(例如，缺血性病变)。图像切片可以在具有或没有归一化的情况下存储在系统的存储器中，以用于根据本文描述的操作进行处理。在一个实施例中，可以接收两幅或更多幅图像以用于评估。
在220处，系统接收指定一幅或多幅图像中的至少两个感兴趣区域的信息。当一幅或多幅图像包括至少一幅图像(例如，CT扫描)时，可以以各种方式确定至少两个感兴趣区域。例如，第一感兴趣区域和第二感兴趣区域可以被选择为对应于叠加在相同图像或不同图像上的相应边界框内的区域。边界框可以例如由放射科医师绘制。在另一实施例中，感兴趣区域可以对应于由叠加或绘制在相同或不同图像上的轮廓或多边形指定的区域。出于示例目的，将描述感兴趣区域在同一图像中的示例。
在一个实施例中，感兴趣区域可以对应于例如由图像分割算法生成的多个区域中的一个。例如，在脑扫描实施方式中，分割算法可以自动识别图像并将图像分割成由ASPECTS协议定义的多个区域。当根据ASPECTS协议执行分割时，定义了总共二十个感兴趣区域：两个图像切片中的脑的左半球上的十个区域和脑的右半球上的十个区域。左半球中的十个区域可以具有与右半球上的区域相同的类型，并且因此左半球上的十个区域可以被认为与右半球上的区域中的相应区域互补，从而形成互补区域对。
表1标识了对应于ASPECTS协议的脑的每个半球中的十个区域。在每个半球的基础上图示，十个区域中的七个区域出现在上部图像切片中(图3A)，并且剩余的三个区域出现图示的下部图像切片中(图3B)。总之，所有十个区域可以被认为是可能不利地影响脑的病变或其他异常的候选区域。
表1
在一个实施例中，可以使用基于模型的方法在3D中自动执行图像切片的分割。模型可以处理图像以识别(提取)并且然后生成勾勒十个感兴趣区域中的每一个的轮廓的叠加图形。然后，模型可以标记每个分割区域，如图3A和3B所示。可以使用例如多平面重新格式化来使轮廓彼此匹配。可以例如根据WO 2020/109006中描述的技术或如Ecabert O、Peters J、Schramm H、Lorenz C、von Berg J、Walker MJ、Vembar M、Olszewski ME、Subramanyan K、Lavi G、Weese J.的标题为“Automatic model-based segmentation ofthe heart in CT images”(IEEE Trans Med Imaging,2008Sep；27(9):1189-201)的文章(其公开了各种技术，包括但不限于将使用三角形网格的形状约束解剖主动轮廓模型应用于患者扫描的技术)中描述的技术来执行图像切片的自动分割，其全部内容通过引用并入本文。
对于如上所述的脑扫描实施方式，操作220可以包括接收指定ASPECTS区域中的任何两个的信息。例如，两个指定区域可以是脑的互补侧上的相同区域，或可以是不同的ASPECTS区域。在任一种情况下，可以例如通过由放射科医师或其他医学保健专业人员的手动选择来指定两个区域，或算法可以例如基于嵌入在实施算法的控制软件中的偏好来选择两个感兴趣区域。在一个实施例中，选择一个ASPECTS区域作为感兴趣区域可以自动触发(例如，通过分割器3的控制软件)选择第二感兴趣区域作为脑的另一侧上的互补ASPECTS区域。当在操作210中接收到多幅图像时，例如，在图像中的一幅是后续图像的情况下，感兴趣区域可以在图像中的不同图像中。
在230处，针对由在操作220中接收的信息指定的感兴趣区域中的每一个提取强度值。强度值可以以亨氏单位(HU)表示，其指示在扫描期间辐射被衰减的强度。衰减程度(例如，由CT衰减系数指示)与组织密度相关。因此，HU值可以提供位于指定的感兴趣区域中的密度(并且因此组织的类型)的定量指示。
为了图像可视化的目的，HU值可以对应于在色标或灰度上表达的体素值，例如，包括黑色和白色之间的各种阴影。具有更低密度的组织可以具有更暗的阴影(或强度)，而具有更高密度的组织可以用更浅的阴影(或强度)表示。在一些情况下，HU或体素值可以经历归一化或缩放，例如，通过将它们移位预定的常数值。在操作230中，一旦已经针对两个感兴趣区域中的每一个提取了HU值，就可以将它们存储在对应的表中，例如，第一表可以包括第一感兴趣区域的HU值，并且第二表可以包括第二感兴趣区域的HU值。
在240处，基于针对感兴趣区域提取的强度值生成强度分布。在一个实施例中，可以基于在操作230中提取的HU值以直方图的形式归一化和生成强度分布。例如，可以针对第一感兴趣区域生成第一直方图，并且可以针对第二感兴趣区域生成第二直方图。因此，直方图表示感兴趣区域中的相应感兴趣区域内的所有体素的分布。每个直方图可以被构造为使得沿着x轴的值对应于HU值，并且沿着y轴的值对应于感兴趣区域中具有那些值中的对应值的体素的数量。
在涉及脑扫描的一个实施例中，可以在双侧基础上生成强度直方图，其中，第一感兴趣区域包括脑的左侧部分中的ASPECTS区域，并且第二感兴趣区域包括脑的右侧部分中的相同ASPECTS区域。在这种情况下，直方图提供脑的互补区域中的体素内容的指示。在生成直方图时，HU值的范围可以是HU值的整个范围或在整个范围内的预定值子集，例如，预定值子集可以被认为与感兴趣的脑异常的(一个或多个)特定类型相关。
在一个实施例中，HU值可以任选地被分箱。在这种情况下，在每个直方图中，HU值范围在x轴上图示，并且y轴上的值对应于该范围中的体素的数量。在另一实施例中，强度直方图的值可以被限制于跨25个箱分布的HU值10与HU值60之间的范围，其中，每个箱具有2个HU的大小。该范围可以被认为适合于一些应用，例如，下HU边界值10不包括CSF的大部分，其中，上HU边界值6 0完全包括灰质，但不包括钙化和出血性病变。在另一实施例中，可以基于HU值的不同范围来设置直方图数据。
一旦已经生成了直方图，就可以对每个直方图中的值进行归一化操作。这可以涉及例如将每个直方图中的每个y值除以体素的总数，以将直方图体素值归一化为位于0和1之间，并且使得所有直方图体素值的总和为1。
在250处，基于在操作240中形成的直方图来生成衍生直方图数据。衍生直方图数据可以包括例如针对第一感兴趣区域和第二感兴趣区域生成的差异直方图。例如，可以基于第一感兴趣区域的直方图中的HU值与第二感兴趣区域的直方图中的HU值之间的差异来生成差异直方图。在两个感兴趣区域是脑扫描图像的互补ASPECTS区域的情况下，差异直方图提供了强度值在那些区域中的差异程度的实质性(定量和定性)指示，并且还表征了组织的(一种或多种)类型以及(如果存在的话)那些位置处的其他伪影。这进而可以允许以下面更详细描述的方式自动选择用于图像的观察窗口。
图4A图示了可以基于对应于图像中的第一感兴趣区域的直方图(概括为曲线)410和对应于图像中的第二感兴趣区域的直方图(概括为曲线)420生成的差异直方图(概括为曲线)430的示例。出于说明的目的，直方图410被标记为R1，并且直方图420被标记为R2。因此，可以通过从第一参考直方图中的强度值减去第一直方图中的强度值(例如，通过计算等式：R1-R2)来计算差异直方图430，因此考虑直方图430中的负差值。
所得到的差异直方图430具有落在范围440内的差值，其可以用作表征第一和第二区域中的组织或其他伪像的类型的基础，并且还可以提供用于确定窗口选择的基础。在图4B中图示了(未概括为曲线并且)具有相对于x轴上的HU值的归一化到y轴上的差值的预定范围内的值的示例差异直方图。
在260处，基于差异直方图自动确定定制观察窗口。定制可以涉及确定允许可识别两个感兴趣区域之间的精细差异的观察窗口的一个或多个参数，如果使用标准观察窗口(例如，具有通常在显示CT图像的领域中使用的预设参数的窗口)显示相同的区域，则该差异将是不可识别的。这可以如下更详细地理解。
用于显示医学图像的观察窗口可以由用于显示图像的HU值的范围来确定。标准观察窗口基于旨在强调由CT成像器扫描的区域中的某些类型的组织、骨骼或其他生理特征的显示的HU值的离散数量的预选范围。例如，被称为“脑窗口”的标准窗口具有80HU值的宽度，以40HU值为中心。当使用这样的观察窗口时，具有HU值0的每个体素被显示为黑色，并且具有超过80的HU值的每个体素被显示为白色。窗口宽度内的HU值被线性映射到灰度值。
使用这样的窗口限制(或隐藏)可能被认为对诊断和处置重要的各种类型的生理信息。例如，上面讨论的脑窗口可以允许显示某些类型的脑组织，但是可以隐藏其他类型的组织，诸如颅骨(骨骼)结构。因此，在颅骨结构也是感兴趣的情况下使用脑窗口排除了可能被认为对提供医学护理有价值的信息。
此外，在例如要比较图像中的感兴趣区域(例如，包括在两个边界框中的那些区域)之间的细微差异的情况下，标准(预定义)观察窗口的使用不是最佳定制的。例如，在将左半球中的豆状核区域与右半球中的豆状核区域进行比较的ASPECTS应用中，没有标准观察窗口可以具有用于允许两个区域之间的详细视觉评估的参数。这个问题由于这些和其他ASPECTS区域在患者之间可能如何显著变化而复杂化。标准观察窗口不能解决患者之间的这种差异，因此是无效的。因此，标准观察窗口的预设HU范围隐藏了患者的具有临床意义的某些重要健康方面。另外，哪个标准窗口要使用的选择目前是基于放射科医师的判断的手动确定。这种方法耗时且容易出错。
为了解决这些和其他问题，根据一个或多个实施例，基于在第一和第二感兴趣区域之间生成的差异直方图，自动确定HU值的定制范围以显示这些区域。因为差异直方图是基于针对每个特定患者生成的值，所以观察窗口可以被定制为符合每个患者的特定状况，这例如可以改善或优化对ASPECTS区域的比较的用途，使用标准观察窗口不能执行ASPECTS区域的比较。
因此，例如，可以针对可能不符合任何标准观察窗口的每个特定的感兴趣区域对确定不同的观察窗口。这允许以准确可识别的方式显示否则将被标准观察窗口隐藏的特征，这进而可以允许医学保健专业人员诊断疾病或其他健康状况和/或开发更有效的处置计划。
在确定观察窗口时，可以确定的一个定制参数是窗口宽度，例如，要显示的HU值的特定范围。窗口宽度确定图像对比度，例如，宽度越大，对比度越小。可以确定的另一个定制参数是窗口水平。窗口水平确定图像亮度，例如，水平越大，亮度越大。设置窗口水平确定窗口宽度的中心或中点灰度值。例如，设置定制窗口水平可以允许第一区和第二区中的不同类型的组织变得明显，而如果使用标准观察窗口，则它们将被隐藏。
在一个实施例中，可以基于一个或多个预定规则来确定观察窗口的(一个或多个)定制参数。可以生成(一个或多个)规则以例如揭示第一区域和第二区域中的特征，如果使用标准观察窗口来显示图像，则这些特征将被隐藏。因此，(一个或多个)规则用于以改进(或甚至优化)嵌入在图像的强度值中的重要临床信息的显示和识别的方式定制图像的显示。
当参数包括宽度和水平时，在一个实施例中，等式1和2中阐述的规则可以应用于差异直方图中的值，以计算定制观察窗口的宽度和水平。
宽度＝max{x|abs(DIFF_A_B(x))>0}–min{x|abs(DIFF_A_B(x))>0}(1)
水平＝min{x|abs(DIFF_A_B(x))>0}+1/2宽度 (2)
在等式1和2中，项A对应于针对第一感兴趣区域生成的直方图，并且项B对应于针对第二感兴趣区域生成的直方图。一旦已经获得这些值，就可以通过从第二感兴趣区域的对应直方图值中减去第一感兴趣区域的直方图值来计算差异直方图DIFF_A_B。通过等式1计算的宽度基于以下操作：找到差值大于零的最大x值和差值大于零的最小x值并取这些值之间的差。然后可以基于等式2来设置窗口的中点值。
在另一实施例中，可以应用不同的规则来确定定制观察窗口的宽度和水平。例如，可以如等式3中所指示的那样基于差异直方图中的值的预定分位数来设置宽度，并且可以基于等式4来计算水平：
宽度＝scaler(DIFF_A_B,百分比) (3)
水平＝min{x|abs(DIFF_A_B(x))>0}+1/2宽度 (4)
其中，scaler是确保包括差范围的某个百分比的函数。在一个示例实施方式中，百分比可以被设置为包括该范围的95％(即，0.95)。该值可以由系统预设或允许由用户改变。
在其他实施例中，可以使用与上面指出的规则不同的规则来自动生成定制观察窗口的一个或多个参数。在一个实施例中，一个或多个查找表可被存储在系统存储器中以供规则引擎用来计算观察窗口的参数。在这种情况下，可以预先计算并存储对应差异直方图的预定值集。在这种情况下，一旦知晓对于被分析的特定图像的第一区域和第二区域的差异直方图的值，则规则引擎可以执行查找表的搜索以找到观察窗口的定制宽度和水平。
在270处，基于在操作260中自动确定的定制观察窗口来显示感兴趣区域(或包含感兴趣区域的(一幅或多幅)完整图像)。因为观察窗口被定制为针对特定患者扫描生成的强度值，所以否则将被隐藏的特征以可识别的形式显示。例如，图像的第一区域和第二区域中的灰度值的差异变得可辨别。这些差异可以允许医师、放射科医师或其他医学保健专业人员定位问题、异常或可能导致对患者正在经历的特定病症的更有效的处置过程的其他影响。这种定制方法代表了在所有脑扫描都经受相同的一小组标准观察窗口的情况下的显著改进。
图5A图示了使用标准观察窗口显示的脑扫描的图像，并且图5B图示了使用根据一个或多个实施例生成的定制观察窗口显示的相同脑扫描的图像。脑扫描是对患有卒中的患者的脑扫描，并且图像已经被分割成对应于优质图像切片的ASPECTS区域。
在图5A中，图示了描绘了包括脑的左半球和右半球中的硬膜的区域之间的强度差异的差异直方图510。这些区域(例如，对应于左和右豆状核ASPECTS区域)用箭头511和512标记，并使用标准观察窗口显示。如图5A所示，标准观察窗口515的宽度跨越大范围的HU值，其中大多数不对应于差异直方图中的任何差值，例如，标准观察窗口的宽度远大于差异直方图中的HU值的范围。因此，区域511和512中的灰度值(并且因此临床信息)在左硬膜区域和右硬膜区域中几乎不可区分。
然而，硬膜区域512之一包括由卒中引起的损伤。由于由标准观察窗口产生的区域511和512中的不可区分的灰度值，该病变的存在在图像520中不明显。因此，使用标准观察窗口隐藏了在对患者进行诊断和处置时可能被认为重要的临床信息。
在图5B中，图示了描绘了被标记为511和512的脑的左半球和右半球中的相同硬膜区域之间的强度差异的直方图550。然而，与图5A中的情况不同，使用根据本文描述的系统和方法实施例生成的定制观察窗口来显示脑扫描图像660。与图5A中应用的标准观察窗口515不同，定制观察窗口575已经被调整到差异直方图550中的值，例如，在图5A中，标准观察窗口515以HU值35为中心并且具有从HU值5延伸到HU值65的宽度。相比之下，图5B的定制观察窗口575以HU值33为中心，并且具有从HU值25延伸到HU值41HU的宽度，并且因此符合从图像生成的差异直方图550中的值。
从图5A和5B的比较中可以明显看出，使用定制观察窗口575在图5B中显示的图像结果与使用图5A中的标准观察窗口515显示的图像结果非常不同。使用定制观察窗口，硬膜区512(其包括卒中病变)中的灰度值基本上比硬膜区511中的灰度值更暗。这是定制观察窗口的直接结果，并且将被医学保健专业人员清楚地识别。该比较说明的是，通过使用标准观察窗口隐藏了重要的临床发现，但是当使用定制观察窗口来显示脑扫描时，这些临床发现是显而易见的。
在一个实施例中，第一感兴趣区域和第二感兴趣区域可以在不同的图像中，例如，第一感兴趣区域可以包括在第一时间拍摄的第一脑扫描图像中，并且第二感兴趣区域可以包括在第二后续时间来自同一患者针对同一对应区域的第二脑扫描图像中。如前所述，可以手动选择(例如，经由边界框)或例如通过分割算法自动生成感兴趣区域。第一和第二时间之间的差可以是任何时间长度。这样的实施方式可以是有益的，例如，允许确定是否已经随时间发生任何变化。
例如，第一脑扫描图像可以对应于图5B，其中，由于卒中而在硬膜区域中形成损伤。第二脑扫描图像可以在随访检查期间或在数周、数月或数年后发生另一并发症期间拍摄。在这种情况下，可以基于针对患者的相同硬膜区域提取的HU值来生成差异直方图。然后可以将差异直方图输入到规则引擎中以生成用于确定患者的病症的定制观察窗口的一个或多个参数。在生成差异直方图之前，图像(或感兴趣区域)可以经历配准以允许生成更准确的结果。
在一些实施例中，可以比较多于一个的感兴趣区域。在这种情况下，三个或更多个感兴趣区域(对于相同或不同的图像)可以被分组为至少两个感兴趣元区域，其中，每个感兴趣元区域对应于三个或更多个感兴趣区域中的至少两个的并集。例如，采取指定三个感兴趣区域的情况。第一元区域可以对应于第一感兴趣区域和第二感兴趣区域，并且第二元区域可以对应于第二感兴趣区域和第三感兴趣区域。在一些情况下，第三元区域可以对应于第一区域和第三区域。
在这种情况下，可以基于针对第一、第二和第三感兴趣区域生成的直方图(或体素值)中的差异针对每个元区域计算差异直方图。然后可以通过将一个或多个规则应用于差异直方图中的值来生成不同的观察窗口，并且然后可以如上所述的那样使用定制观察窗口来显示图像。与本文描述的所有实施例一样，代替直方图，可以生成其他类型的归一化强度分布以用于生成定制观察窗口的(一个或多个)参数。
虽然在一些实施例中作为示例讨论了CT扫描，但是在其他实施例中，本文描述的系统和方法可以应用于其他类型的图像，包括但不限于磁共振成像(MRI)扫描。
图6图示了可以实施本文描述的方法实施例的医学图像分析器600的实施例。参考图6，医学图像分析器600包括控制器610和存储器620。控制器可以执行存储在存储器中的指令，以便执行本文描述的操作和方法。在该实施例中，存储在存储器620中的指令可以包括实施分割算法的第一指令集621、实施直方图生成器的第二指令集622、实施差异直方图生成器的第三指令集623以及实施规则引擎624的第四指令集。这些指令集可以分别执行例如图1的医学图像分析器中的特征的操作和本文描述的方法实施例的操作。在该实施例中，分割器和标记器可以包括在医学图像分析器中。然而，在一些实施例中，例如，如图1所示，分割器和标记器可以耦合到医学图像分析器。
根据一个或多个前述实施例，本文描述的方法、过程和/或操作可以由计算机、处理器、控制器或其他信号处理设备执行的代码或指令来执行。计算机、处理器、控制器或其他信号处理设备可以是本文中描述的那些，或是除了本文中描述的元件之外的元件。由于详细描述了形成方法(或计算机、处理器、控制器或其他信号处理设备的操作)的基础的算法，用于实施方法实施例的操作的代码或指令可以将计算机、处理器、控制器或其他信号处理设备变换成用于执行本文描述的方法的专用处理器。
此外，另一实施例可以包括用于存储上述代码或指令的计算机可读介质，例如，非瞬态计算机可读介质。计算机可读介质可以是易失性或非易失性存储器或其他存储设备，其可以可移除地或固定地耦合到计算机、处理器、控制器、或将执行用于执行本文描述的系统和方法实施例的操作的代码或指令的其他信号处理设备。
本文描述的实施例的处理器、系统、控制器、分割器、生成器、标记器、逻辑、引擎、模拟器、模型、网络、缩放器以及其他信号生成和信号处理特征可以在例如可以包括硬件、软件或两者的逻辑中实施。当至少部分地以硬件实施时，处理器、系统、控制器、分割器、逻辑、引擎、生成器、标记器、模拟器、模型、网络、缩放器以及其他信号生成和信号处理特征可以例如是各种各样的集成电路中的任何一种，这些集成电路包括但不限于专用集成电路、现场可编程门阵列、逻辑门的组合、片上系统、微处理器、或其他类型的处理或控制电路。
当至少部分地以软件实施时，处理器、系统、控制器、分割器、逻辑、引擎、生成器、标记器、模拟器、模型、网络、缩放器以及其他信号生成和信号处理特征可以包括例如用于存储待由(例如，计算机、处理器、微处理器、控制器或其他信号处理设备)执行的代码或指令的存储器或其他存储设备。计算机、处理器、微处理器、控制器或其他信号处理设备可以是本文描述的那些，或是除了本文描述的元件之外的元件。由于详细描述了形成方法(或计算机、处理器、微处理器、控制器或其他信号处理设备的操作)的基础的算法，用于实施方法实施例的操作的代码或指令可以将计算机、处理器、控制器或其他信号处理设备变换成用于执行本文所述的方法的专用处理器。
可以使任何益处、优点或解决方案出现或变得更显著的益处、优点、问题的解决方案以及任何元件不应被解释为任何或所有权利要求的至关重要的、所需的或必需的特征或要素。本发明仅由所附权利要求书限定，所附权利要求书包括在发布的本申请和那些权利要求的所有等效物的未决期间所作出的任何修正。
尽管已经具体参考本发明的某些示范性方面详细描述了各种示范性实施例，但是应当理解，本发明能够具有其他示例实施例，并且其细节能够在各种明显的方面进行修改。对于本领域技术人员显而易见的是，能够在保持在本发明的精神和范围内的同时做出改变和修改。实施例可以被组合以形成另外的实施例。因此，前述公开内容、说明书和附图仅用于说明目的，而并不以任何方式限制本发明，本发明由权利要求来定义。实施例可以被组合以形成另外的实施例。

Claims (20)

1.一种用于处理医学图像信息的方法，包括：
生成第一图像区域的第一强度分布；
生成第二图像区域的第二强度分布；
基于所述第一强度分布和所述第二强度分布来计算值；并且
基于所计算的值来自动确定定制观察窗口，
其中，所述定制观察窗口被确定为显示所述第一图像区域和所述第二图像区域。
2.根据权利要求1所述的方法，其中，确定所述定制观察窗口包括确定所述定制观察窗口的一个或多个参数。
3.根据权利要求2所述的方法，其中，确定所述一个或多个参数包括基于在所述第一强度分布与所述第二强度分布之间计算的差值来计算所述一个或多个参数。
4.根据权利要求3所述的方法，其中，确定所述一个或多个参数包括将至少一个规则应用于所述差值以确定所述一个或多个参数。
5.根据权利要求3所述的方法，其中，相对于用于使用一个或多个其他参数显示所述第一图像区域和所述第二图像区域的观察窗口，所述定制观察窗口的所述一个或多个参数增强了对所述第一图像区域和所述第二图像区域之间的差异的识别。
6.根据权利要求3所述的方法，其中，所述一个或多个参数包括所述定制观察窗口的宽度或水平中的至少一项。
7.根据权利要求6所述的方法，其中，所述宽度基于所述差值中差值非零的最大强度值和所述差值中差值非零的最小强度值。
8.根据权利要求1所述的方法，其中，基于所述第一强度分布和所述第二强度分布计算的所述值包括所述第一强度分布和所述第二强度分布之间的差值。
9.根据权利要求1所述的方法，其中，所述第一图像区域和所述第二图像区域在同一图像中。
10.根据权利要求1所述的方法，其中：
所述第一图像区域是第一脑扫描图像中的第一区域；
所述第二图像区域是所述第一脑扫描图像中的第二区域。
11.根据权利要求10所述的方法，其中：
所述第一图像区域是根据第一边界框导出的；并且
所述第二图像区域是根据第二边界框导出的。
12.根据权利要求10所述的方法，还包括：
基于分割算法自动确定所述第一图像区域和所述第二图像区域。
13.根据权利要求10所述的方法，还包括：
基于对所述第一图像区域的指定来自动确定所述第二图像区域。
14.一种医学图像分析器，包括：
生成器，其被配置为生成第一图像区域的第一强度分布和第二图像区域的第二强度分布；
计算逻辑，其被配置为基于所述第一强度分布和所述第二强度分布来计算值；以及
规则引擎，其被配置为基于所计算的值来自动确定定制观察窗口，其中，所述定制观察窗口被确定为显示所述第一图像区域和所述第二图像区域。
15.根据权利要求14所述的医学图像分析器，其中，所述规则引擎被配置为确定所述定制观察窗口的一个或多个参数。
16.根据权利要求15所述的医学图像分析器，其中，确定所述一个或多个参数包括基于在所述第一强度分布与所述第二强度分布之间计算的差值来计算所述一个或多个参数。
17.根据权利要求16所述的医学图像分析器，其中，所述规则引擎被配置成将至少一个规则应用于所述差值以确定所述一个或多个参数。
18.根据权利要求16所述的医学图像分析器，其中，所述一个或多个参数包括所述定制观察窗口的宽度或水平中的至少一项。
19.根据权利要求18所述的医学图像分析器，其中，所述宽度基于所述差值中的最大强度值、所述差值中的最小强度值和标量。
20.根据权利要求14所述的医学图像分析器，其中，所述第一图像区域和所述第二图像区域在同一图像中。
CN202280084615.XA 2021-12-23 2022-12-16 用于确定医学图像的定制观察窗口的系统和方法 Pending CN118451454A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US202163293108P 2021-12-23 2021-12-23
US63/293,108 2021-12-23
PCT/EP2022/086281 WO2023117735A1 (en) 2021-12-23 2022-12-16 System and method for determining customized viewing windows for medical images

Publications (1)

Publication Number Publication Date
CN118451454A true CN118451454A (zh) 2024-08-06

Family

ID=84799757

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202280084615.XA Pending CN118451454A (zh) 2021-12-23 2022-12-16 用于确定医学图像的定制观察窗口的系统和方法

Country Status (2)

Country Link
CN (1) CN118451454A (zh)
WO (1) WO2023117735A1 (zh)

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2018102358A (ja) * 2016-12-22 2018-07-05 パナソニックＩｐマネジメント株式会社 医用画像生成方法、医用画像生成装置、及び医用画像生成プログラム
JP7084120B2 (ja) * 2017-10-17 2022-06-14 ザイオソフト株式会社 医用画像処理装置、医用画像処理方法、及び医用画像処理プログラム
EP3657435A1 (en) 2018-11-26 2020-05-27 Koninklijke Philips N.V. Apparatus for identifying regions in a brain image

Also Published As

Publication number Publication date
WO2023117735A1 (en) 2023-06-29

Similar Documents

Publication Publication Date Title
US9996922B2 (en) Image processing of organs depending on organ intensity characteristics
EP1315125B1 (en) Image processing method and system for disease detection
US20190021677A1 (en) Methods and systems for classification and assessment using machine learning
EP3035287B1 (en) Image processing apparatus, and image processing method
CN105144241B (zh) 图像质量指数和/或基于其的成像参数推荐
US7876939B2 (en) Medical imaging system for accurate measurement evaluation of changes in a target lesion
JP5123954B2 (ja) 医療画像における病変部の特定及び分析
CN111602173B (zh) 脑部断层扫描数据分析方法
US20080004520A1 (en) System for and method of diagnostic coding using medical image data
US9336613B2 (en) Apparatus for generating assignments between image regions of an image and element classes
EP2936430B1 (en) Quantitative imaging
US20210217166A1 (en) Automated screening of medical data
EP3989172A1 (en) Method for use in generating a computer-based visualization of 3d medical image data
JP6564075B2 (ja) 医用画像を表示するための伝達関数の選択
US11715208B2 (en) Image segmentation
US8873817B2 (en) Processing an image dataset based on clinically categorized populations
JP2006340835A (ja) 異常陰影候補の表示方法及び医用画像処理システム
US11769253B2 (en) Method and system for selecting a region of interest in an image
JP6275157B2 (ja) 画像データに基づく組織表面ラフネスの定量化、及びそれに基づく疾患の存在の決定
CN114882163A (zh) 体绘制方法、系统、装置和存储介质
JP2024518386A (ja) 医療画像化装置における管電流変調を処理及び視覚化するためのシステム及び方法
CN118451454A (zh) 用于确定医学图像的定制观察窗口的系统和方法
AU2019204372B1 (en) Method and System for Selecting a Region of Interest in an Image
WO2023020609A1 (en) Systems and methods for medical imaging
GB2611842A (en) System and method for assisting in peer reviewing and contouring of medical images

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication