CN1628611A - 脑部病症辅助诊断和治疗设备、x射线计算机断层摄影设备 - Google Patents
脑部病症辅助诊断和治疗设备、x射线计算机断层摄影设备 Download PDFInfo
- Publication number
- CN1628611A CN1628611A CNA2004100878008A CN200410087800A CN1628611A CN 1628611 A CN1628611 A CN 1628611A CN A2004100878008 A CNA2004100878008 A CN A2004100878008A CN 200410087800 A CN200410087800 A CN 200410087800A CN 1628611 A CN1628611 A CN 1628611A
- Authority
- CN
- China
- Prior art keywords
- image
- brain
- roi
- cerebral
- zone
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000003745 diagnosis Methods 0.000 title claims abstract description 81
- 238000002591 computed tomography Methods 0.000 title description 16
- 208000018152 Cerebral disease Diseases 0.000 title 1
- 210000004556 brain Anatomy 0.000 claims abstract description 207
- 238000012545 processing Methods 0.000 claims abstract description 56
- 206010008120 Cerebral ischaemia Diseases 0.000 claims abstract description 53
- 206010008118 cerebral infarction Diseases 0.000 claims abstract description 38
- 238000003325 tomography Methods 0.000 claims abstract 5
- 210000001519 tissue Anatomy 0.000 claims description 55
- 230000002490 cerebral effect Effects 0.000 claims description 53
- 208000028867 ischemia Diseases 0.000 claims description 44
- 208000026106 cerebrovascular disease Diseases 0.000 claims description 38
- 230000017531 blood circulation Effects 0.000 claims description 33
- 230000001154 acute effect Effects 0.000 claims description 31
- 239000008280 blood Substances 0.000 claims description 27
- 210000004369 blood Anatomy 0.000 claims description 27
- 239000003086 colorant Substances 0.000 claims description 15
- 238000009826 distribution Methods 0.000 claims description 13
- 210000004204 blood vessel Anatomy 0.000 claims description 10
- 230000014509 gene expression Effects 0.000 claims description 9
- 230000002708 enhancing effect Effects 0.000 claims description 8
- 238000003860 storage Methods 0.000 claims description 8
- 210000000746 body region Anatomy 0.000 claims description 7
- 230000003727 cerebral blood flow Effects 0.000 claims description 7
- 238000005520 cutting process Methods 0.000 claims description 7
- 210000001175 cerebrospinal fluid Anatomy 0.000 claims description 6
- 238000006073 displacement reaction Methods 0.000 claims description 3
- 206010061216 Infarction Diseases 0.000 claims description 2
- 230000007574 infarction Effects 0.000 claims description 2
- 201000006474 Brain Ischemia Diseases 0.000 abstract description 3
- 238000000034 method Methods 0.000 description 38
- 238000012937 correction Methods 0.000 description 27
- 208000032843 Hemorrhage Diseases 0.000 description 26
- 230000006870 function Effects 0.000 description 20
- 230000000302 ischemic effect Effects 0.000 description 18
- 238000011160 research Methods 0.000 description 16
- 239000002872 contrast media Substances 0.000 description 14
- 230000008569 process Effects 0.000 description 14
- 230000001225 therapeutic effect Effects 0.000 description 14
- 238000006243 chemical reaction Methods 0.000 description 12
- 239000003146 anticoagulant agent Substances 0.000 description 11
- 230000002537 thrombolytic effect Effects 0.000 description 11
- 238000004458 analytical method Methods 0.000 description 10
- 230000008602 contraction Effects 0.000 description 9
- 238000010521 absorption reaction Methods 0.000 description 8
- 210000001627 cerebral artery Anatomy 0.000 description 8
- 230000033228 biological regulation Effects 0.000 description 7
- 238000001514 detection method Methods 0.000 description 7
- 238000009877 rendering Methods 0.000 description 7
- 238000012546 transfer Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 230000006798 recombination Effects 0.000 description 6
- 238000005215 recombination Methods 0.000 description 6
- 210000004298 cerebral vein Anatomy 0.000 description 5
- 238000013500 data storage Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 239000000193 iodinated contrast media Substances 0.000 description 4
- 238000007781 pre-processing Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 210000004720 cerebrum Anatomy 0.000 description 3
- 238000004043 dyeing Methods 0.000 description 3
- 230000005855 radiation Effects 0.000 description 3
- 108010048734 sclerotin Proteins 0.000 description 3
- 230000035945 sensitivity Effects 0.000 description 3
- 208000005189 Embolism Diseases 0.000 description 2
- 206010028980 Neoplasm Diseases 0.000 description 2
- 206010043189 Telangiectasia Diseases 0.000 description 2
- 208000001435 Thromboembolism Diseases 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 230000036772 blood pressure Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000002059 diagnostic imaging Methods 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 239000006185 dispersion Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 238000002594 fluoroscopy Methods 0.000 description 2
- 238000005755 formation reaction Methods 0.000 description 2
- 238000012905 input function Methods 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000000700 radioactive tracer Substances 0.000 description 2
- 230000001172 regenerating effect Effects 0.000 description 2
- 208000009056 telangiectasis Diseases 0.000 description 2
- 208000014644 Brain disease Diseases 0.000 description 1
- 241001269238 Data Species 0.000 description 1
- 241001006211 Silvius Species 0.000 description 1
- 208000007536 Thrombosis Diseases 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 210000001367 artery Anatomy 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000000740 bleeding effect Effects 0.000 description 1
- 230000023555 blood coagulation Effects 0.000 description 1
- 230000008344 brain blood flow Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 210000001653 corpus striatum Anatomy 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000004090 dissolution Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 210000004884 grey matter Anatomy 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 238000001990 intravenous administration Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000004060 metabolic process Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000012466 permeate Substances 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 230000002685 pulmonary effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000004513 sizing Methods 0.000 description 1
- 210000000278 spinal cord Anatomy 0.000 description 1
- 210000000352 storage cell Anatomy 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 238000002560 therapeutic procedure Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 230000002792 vascular Effects 0.000 description 1
- 210000003462 vein Anatomy 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- 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
- A61B6/507—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 determination of haemodynamic parameters, e.g. perfusion 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
- A61B6/48—Diagnostic techniques
- A61B6/481—Diagnostic techniques involving the use of contrast agents
-
- 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
- A61B6/48—Diagnostic techniques
- A61B6/486—Diagnostic techniques involving generating temporal series of image data
- A61B6/487—Diagnostic techniques involving generating temporal series of image data involving fluoroscopy
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus 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
- A61B6/50—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
- A61B6/504—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 blood vessels, e.g. by angiography
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/001—Texturing; Colouring; Generation of texture or colour
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/68—Analysis of geometric attributes of symmetry
-
- 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
- G06T2207/30016—Brain
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Pathology (AREA)
- Surgery (AREA)
- High Energy & Nuclear Physics (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- Optics & Photonics (AREA)
- Biophysics (AREA)
- Animal Behavior & Ethology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Vascular Medicine (AREA)
- Neurosurgery (AREA)
- Quality & Reliability (AREA)
- Neurology (AREA)
- Geometry (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
一种脑局部缺血诊断辅助设备包括:用于存储与对象的头部有关的多个切片或体积数据的存储部分;用于根据该多个切片或体积数据产生大脑的断层摄影图像的图像产生部分;图像处理部分,用于处理断层摄影图像以产生对比突出显示图像和脑沟突出显示图像或者其中之一;以及显示部分,用于将断层摄影图像和对比突出显示图像和脑沟突出显示图像一起显示。
Description
相关申请的交叉参考引用
本申请基于2003年10月29日提交的在先日本专利申请第2003-368893号和第2003-368894号并享有上述申请的优先权,其公开的全部内容在此包含引作参考。
技术领域
本发明涉及一种脑局部缺血诊断辅助设备、具备脑局部缺血诊断辅助功能的X射线计算机断层摄影设备、以及通过给诊断以及确定急性脑梗塞的治疗策略提供有用信息而辅助诊断和治疗急性脑梗塞的设备。
背景技术
在医学领域中,通过阅读急性脑梗塞的脑X-射线CT图像和其严重程度以定性地确定局部缺血区域的位置和大小及其严重程度,并在诊断的初始阶段迅速地确定可应用的治疗,这是非常重要的。为了确定局部缺血区域和程度,因此有必要阅读产生CT值减小的部位或脑沟从CT图像中消失的部位。
但是,实际上,目前状态是CT值的减小或由于局部缺血引起的大脑脑沟消失是非常微妙的,如果没有经验和知识丰富的医学专家是不能读明白的。
而且,在医学领域,在诊断急性阶段的脑梗塞和确定治疗策略中要求很高的精确度和速度。例如,当找到局部缺血区域时,如果立即进行溶解血块的治疗,那么存在出血的危险。所以,小心翼翼的关注是有必要的。对于诊断急性阶段的脑梗塞和确定治疗策略,要求具有大量丰富的知识和经验。
发明内容
本发明的一个目的是辅助操作人员从简单的(非构造的)CT图像中阅读脑局部缺血区域。
本发明的另一个目的是为诊断急性脑梗塞和确定治疗策略提供有用的信息。
根据本发明的第一方面,提供了一种脑局部缺血诊断辅助设备,该设备包括:存储有关对象头部的多个切片或体积数据的存储部分,用于根据多个切片或体积数据产生脑的断层摄影图像的图像产生部分,用于处理断层摄影图像以产生对比突出显示图像和大脑脑沟突出显示图像或其中之一的图像处理部分,以及用于将断层摄影图像与对比突出显示图像和大脑脑沟突出显示图像一起显示的显示部分。
根据本发明的第二方面,提供了一种辅助诊断和治疗急性脑梗塞的设备,该设备包括:用于存储非对比增强CT图像和大脑血流图像的存储部分,其中增强CT图像与被检查患者的头部截面有关,以及大脑血流图像表示有关大脑血流动态状态的指标的空间分布,该患者的有关截面基本上与上述的截面相同,图像处理部分,用于将有关从CT图像所识别的局部缺血的第一ROI(感兴趣区域)以及有关从大脑血流图像所识别的低血流的第二ROI叠加到CT图像上,以及用于显示已叠加有第一和第二ROI的CT图像的显示部分。根据本发明,在CT图像上叠加两种ROI(即,局部缺血区域和低血流区域)并显示它们。这在诊断急性脑梗塞和确定治疗策略时是有用的。
根据本发明的第三方面,提供了一种辅助诊断和治疗急性脑梗塞的设备,该设备包括:用于存储患者头部三维CT图像和该患者头部三维对比CT图像的存储部分,图像处理部分,用于将从CT图像所识别的梗塞区域中的第一ROI的三维图像和从对象CT图像所识别的低血流区域中的第二ROI的三维图像叠加到由对比CT图像所产生的血管图像上,以及用于显示叠加有第一和第二ROI的三维图像的血管图像的显示部分。
在下文的描述中,将阐述本发明的其他目的和优点,其一部分将根据说明书的教导而变得显而易见,或者可通过本发明的实践而得知上述目的和优点。尤其是通过在下文中所指出的手段和组合可实现和获得本发明的目的和优点。
附图说明
本说明书中所包括的和构成说明书一部分的附图示例了本发明的优选实施例,并结合上文所给出的一般性描述和下文所给出的优选实施例的详细描述,以用于解释本发明的原理。
图1所示为根据本发明第一实施例的X射线计算机断层摄影设备的概略构造图;
图2为根据第一实施例的诊断辅助操作的流程图;
图3为根据第一实施例的诊断辅助操作的详细流程图;
图4示例了用于补充图3的图像显示方向校正处理的大脑中心线的视图;
图5示例了分割左右脑半球的中心平面A的视图,其中左右脑半球根据图4的用于补充图3中的图像显示方向校正处理的中心线来规定;
图6所示为基于用于补充图3中的图像显示方向校正处理的中心平面的体积数据坐标校正视图;
图7所示为人工规定图5的中心平面的方法视图;
图8为自动检测图4的中心线的方法示意图;
图9示意了用于产生在自动检测图4中心线的方法中所使用的左右颠倒图像的内插处理视图;
图10所示为根据实施例的显示屏幕的一个实例;
图11所示为根据实施例的显示屏幕的一个实例;
图12为图11中指南的详细视图;
图13示意性示出了X射线CT扫描仪的结构图,该扫描仪装备有根据本发明第二实施例的用于辅助诊断和治疗急性脑梗塞的设备;
图14A和14B所示为根据第二实施例的两种图像的实例;
图15示例了根据第二实施例用于辅助诊断和治疗急性脑梗塞的操作序列的流程图;
图16A-16C为图15流程图中的步骤S4、S8和S9的补充视图;
图17示例了使用CT图像辅助诊断局部缺血的操作序列的流程图,其中该操作包含于根据第二实施例用于辅助诊断和治疗急性脑梗塞的操作序列中;
图18为通过脑中心线的视图,补充示例了图17中用于校正图像显示方向的处理;
图19所示为分割左右大脑半球的中心平面A,该平面根据图18的中心线来规定,补充示例了图17中用于校正图像显示方向的处理;
图20示例了通过基于中心平面的体积数据所指示的坐标校正图,补充示例了图17中用于校正图像显示方向的处理;
图21示例了人工规定图19的中心平面的方法;
图22示例了自动检测图18的中心线的方法;
图23示例了用于产生在自动检测图18中心线的方法中所使用的左右颠倒图像的内插处理;
图24所示为图17流程图步骤S11中的显示屏幕的一个实例;
图25所示为图17流程图步骤S12中的显示屏幕的一个示例;
图26为图25中的指南的详细图;
图27示例了使用根据本发明方面的用于辅助诊断和治疗急性脑梗塞的设备,诊断和治疗急性脑梗塞的操作序列的流程图;
图28示例了通过图13的CBP研究处理部分所执行的CBP研究的原理图;
图29示例了通过图13的CBP研究处理部分所执行的MTF处理;
图30A-30D所示为脑血流图像的实例,诸如通过图13的CBP研究处理部分所产生的CBP图;
图31示意性示出了X射线CT扫描仪的结构图,该扫描仪具有根据本发明第三实施例的、用于辅助诊断和治疗急性脑梗塞的设备;
图32为解释第三实施例所执行的辅助诊断和治疗急性脑梗塞的处理流程图;
图33为用于解释图32所解释处理的附加图;
图34所示为图33中所示类型的3D血管造影图。
具体实施方式
参考以下附图将解释本发明的实施例。而且,在X射线计算机断层摄影设备中,有各种类型的用于集成X-射线管和辐射检测器以在对象周围旋转的旋转/旋转类型,和固定/旋转类型,在该类型中大量的检测元件以类似于环形的形状排列并且只有X-射线管在对象的周围旋转等等,以及本发明可应用于任何类型。这里将解释目前构成主流的旋转/旋转类型。而且,为了重构一个切片上的断层摄影图像数据,需要在对象周围一圈或大约360度的投影数据或在半扫描方法中还需要180度+α(α:扇形角)量的投影数据。本发明可应用于其中的任何一个重构系统中。这里举例解释半扫描方法。而且,根据一种转换入射的X射线为电荷的机制,通过间接转换类型,该类型用于通过荧光物质或闪烁剂等等来将X-射线转换为光,并进一步通过发光二级管等的光电转换元件将光转换为电荷,和通过直接转换类型来构成主电流,该类型利用通过X-射线在半导体内部产生的电子空穴对,并且电子空穴对运动到电极,即光电导现象。尽管可采用任何一种类型作为X-射线检测元件,但是这里将解释前者的间接转换类型。而且,近年来,已经改进了所谓的多管类型的X-射线计算机断层摄影设备的产品结构,在该设备中,在旋转环上安装了若干对的X-射线管和X-射线检测器,并已进行了该设备外围技术的开发。本发明可应用于现有技术的单管类型的X-射线计算机断层摄影设备或多管类型的X-射线计算机断层摄影设备中。这里将解释单管类型的X-射线计算机断层摄影设备。
(第一实施例)
如图1所示,X-射线计算机断层摄影设备包括一个台架201,该台架被构造用于获取有关一个对象的投影数据。该台架201包括一个X-射线管210和X-射线检测器223。X-射线管210和X-射线检测器223安装于类似环形形状的旋转机架212上,该旋转机架通过台架驱动设备225来驱动旋转。旋转机架212的中心部分有开口,安装在患者病床202的患者病床表面202a之上的对象P被插入到开口部分中。而且,通过Z轴(切片方向轴)规定旋转机架212的可旋转中心轴,和通过正交的两个轴即X、Y轴规定与Z轴正交的平面。
高压发生器221在X-射线管210的阴极和阳极之间施加管电压,并由高压发生器221给X-射线管210的灯丝施加灯丝电流。通过施加管电压和提供灯丝电流产生X-射线。可以采用一维阵列类型的检测器和二维阵列类型的检测器(也称之为多切片类型的检测器)作为X-射线检测器223。X-射线检测元件包括例如0.5mm×0.5mm方形的光接收面。通过以例如40列对准切片方向的行来构造二维阵列类型的检测器。通过单列来构造一维阵列类型的检测器。
通常称之为DAS(数据获取系统)的数据获取设备226将检测器223输出的用于每个信道的信号转换为电压信号,并放大该电压信号以及将它转换为数字信号。将数据(原始数据)提供给台架之外的计算机单元203。计算机单元203的预处理部分234使数据获取设备226输出的数据(原始数据)经过灵敏度校正的校正处理等等后以输出一个投影数据。发送投影数据以将其存储到计算机系统203的数据存储设备237中。
计算机系统203由系统控制器229、扫描控制器230、重构处理部分236、显示部分238、包括鼠标、键盘等等的输入设备239和脑局部缺血诊断辅助设备(也称之为脑局部缺血分析(CT-DE)设备)240以及预处理部分234和存储部分237构成。重构处理部分236通过任意的重构方法如Feldkamp重构方法或基于投影数据的计算机重构方法,以重构多个切片或体积的图像数据(在下文中为了说明方便起见称之为体积数据),其中投影数据例如通过使用锥形射束X-射线螺旋扫描、体积扫描或者二者兼有而获取。而且,多切片数据为通过XY坐标系所表示图像的大量片的集合,其中该坐标系的Z位置在连续的切片间隔稍微彼此不同,通常切片方向(Z-轴)的分辨率(切片间隔)长于X和Y轴的分辨率(像素间距)。体积数据为通过XYZ坐标系所表示立方体的三维像素的集合。发送重构的体积数据以将其存储到数据存储设备237中。
脑局部缺血诊断辅助设备240包括脑局部缺血分析控制部分241、图像显示方向校正部分242、图像处理部分243、指标计算部分244以及指南产生部分245。图像显示方向校正部分242校正由体积数据初始产生的断层摄影图像的显示方向。实际上,图像显示方向校正部分242人工或自动地检测中心平面,该中心平面将初始产生的断层摄影图像分割为左右脑半球,并产生与中心平面相正交的面的断层摄影图像,该中心平面通过多平面重构处理(MPR)将体积数据分割为左右脑半球。图像处理部分243处理图像显示方向校正部分242所产生的断层摄影图像(称之为原始图像),确定溢血存在与否并产生对比突出显示图像和大脑脑沟突出显示图像。在系统控制器229或CT-DE控制部分241的控制下,在显示部分238上显示原始图像以及对比突出显示图像和大脑脑沟突出显示图像。对比突出显示图像为一种图像,在该图像中,根据CT值将原始图像的脑组织区域分类为至少两种色彩。大脑脑沟突出显示图像为一种图像,在该图像中,根据CT值将原始图像的脑脊椎液体区域分类为至少两种色彩。指标计算部分244例如计算原始图像的左脑半球区域和右脑半球区域的体积之比,左脑半球区域和右脑半球区域之间的面积比,以及原始图像和位于原始图像中心线中央的左右颠倒图像之间的相关系数,以作为脑局部缺血诊断的有用指标,该指标表示左脑半球和右脑半球之间的对称性。指南产生部分245根据由操作人员所确定的若干诊断结果来确定治疗的可应用性(血栓溶解方法)。
图2所示为根据实施例的脑局部缺血诊断辅助处理的概略流程。图3所示为根据实施例的脑局部缺血诊断辅助处理的详细流程。首先,开始扫描(S1)。扫描为螺旋扫描或体积扫描,其中对象的头部构成了扫描的范围。当每次获取一定角度的投影数据时与扫描并行地成功重构该断层摄影图像,该角度对于重构断层摄影图像中的一片是必须的(S2)。一种与扫描并行地成功重构断层摄影图像的技术为称之为实时CT或CT透视法的众所周知技术。在已获得了包括对象头部的预定范围的数据时,结束扫描(S3)。
当开始扫描时,分析控制部分241也开始了脑局部缺血分析(CT-DE)的功能。受分析控制部分241所控制的图像处理部分243将实时CT重构的断层摄影图像分类为,例如五种色彩以便于发现溢血区域(S5)。实时重构的断层摄影图像为一种与正交于旋转轴(Z轴)的面有关的图像。
CT值落入等于或大于-2051且小于0(主要为空气和水)范围的区域由黑色显示。
CT值落入等于或大于0且小于32(主要为白色塞母林氏神经节)范围的区域由蓝色显示。
CT值落入等于或大于32且小于40(主要为灰白塞母林氏神经节)范围的区域由蓝色显示。
CT值落入等于或大于40且小于200(主要为溢血部位)范围的区域由绿色显示。
CT值落入等于或大于200且小于4048(主要为骨质)范围的区域由白色显示。
绿色显示区域为溢血可能性高的部位。观察者能够提前从根据CT值分类的各种色彩并实时显示的断层摄影图像中获取脑局部缺血诊断的概略信息。
在结束扫描之后,在分析控制部分241的控制下开始脑局部缺血诊断辅助处理。首先,通过图像显示方向校正部分242校正图像显示方向(S6)。如上所述,实时重构的断层摄影图像为一种与正交于旋转轴(Z-轴)的面有关的图像。图像显示方向校正部分242校正实时重构的断层摄影图像(在下文中,称之为实时断层摄影图像)的显示方向。实际上,图像显示方向校正部分242人工或自动地检测中心面并产生正交于该中心面的面断层摄影图像,该中心面根据实时断层摄影图像分割左右脑半球,以及该正交面通过多平面重构处理(MPR)从体积数据分割左右脑半球。
通过至少两段具有不同Z-轴位置的左右脑中心线能够规定左右脑半球的中心面。左右脑中心线为一条用于将切面(XY面)中大脑分割为左右脑半球的线。下文将描述一种计算左右脑中心线的方法。如图4所示,根据n片切面的断层摄影图像计算n段左右脑中心线CL1、CL2...CLn。如图5所示,搜索与n条左右脑中心线CL1、CL2...CLn的距离(位移)总和最小的面A。规定面A为左右脑中心面。这里,为了方便以下的图像发生处理,移动并旋转(坐标变换)体积数据以利用图6所示的YZ面来重合左右脑之间的中心面A。通过根据经坐标变化的体积数据而切掉X面的图像,能够产生切面的断层摄影图像,其中在该切面中左右脑半球几乎接近于对称。由于脑局部缺血大脑可局部扩张或收缩。所以,在诊断脑局部缺血时,左右脑对称是重要的。当切面倾斜于左侧或右侧时,将恶化根据该对称性而进行诊断的可靠性。通过切割正交面为左右脑中心面产生断层摄影图像,以提高根据对称性而进行诊断的可靠性。脑的左右半球基本上相互对称,当构成对称中心的面A与切面(XY面)相正交时,该图像中所示的脑也变为左右方向对称,因此,通过观察者比较左右半球,能够发现低吸收区域并且确定脑的扩张、脑室的收缩等等。进一步,当构成图像对称中心的线存在于Y-轴时,可以容易地比较左右脑半球。而且,通过再生各个图像以便面A重合YZ平面,从而能够非常有效地阅读该图像。
进一步,尽管在上述描述中可自动计算左右脑中心面,但是也能够人工设置该面。在这种情况下,如图7所示,产生断层摄影图像的至少两个切片,并且操作员根据断层摄影图像的两个切片中的每一个在假设的中心面上指定至少三点。根据该指定的三点能够计算左右脑中心面。而且,根据体积数据产生脑的三维图像并与半透明的YZ-面一起显示。通过操作员的人工操作可自由地移动和旋转三维图像,该操作员可以假设左右脑中心面与YZ面重合。
接下来,将解释一种用于计算左右脑半球中心线的方法。左右脑半球中心线的计算为一种搜索图像左右两部分之间对称变为最大的线的算法。实际上,计算对称的大或小作为左右颠倒图像之间的互相关,该图像由通过将位于假设的左右脑中心线中心的断层摄影图像向后折叠和颠倒之前的断层摄影图像而构成。
例如,在图8中,假设图像F在X方向的宽度为Nx个像素,在Y方向的宽度为Ny个像素。在CT图像的例子中,典型地,Nx为512,与Ny相同。
i={0,1,...,Nx-1}
j={0,1,..,Ny-1}
这里,xi和yj如下定义。
xi=[i-(Nx-1)/2]dx
yj=[j-(Ny-1)/2]dy
顺便提及,dx和dy分别为x方向和y方向中像素之间的宽度。
这里,初始设置图像中心线为左右脑中心线,并通过使位于脑左右中心线中心的图像F经过左右颠倒而形成图像G。而且,可计算与图像F上的点f(xi,yj)相对应的图像上的点g(xi,yj)。如图9所示,根据周围的点通过线性内插来计算g(xi,yj)。进一步,计算f(xi,yj)和g(xi,yj)之间的相关系数R(f,g)。
Mf=∑f(xi,yi)/(Nx*Ny)
Sf=∑[{f(xi,yi)-Mf}2]
Mg=∑g(xi,yi)/(Nx*Ny)
Sg=∑[{g(xi,yi)-Mg}2]
Sfg=∑[{f(xi,yi)-Mf}*{g(xi,yi)-Mg}]
通过一种迭代方法计算最大化相关系数R(f,g)值的左右脑中心线的方程。
在图像处理部分243,为正交于左右脑中心面的XY面的断层摄影图像(原始断层摄影图像)所执行的处理类似于步骤S5,以便确定溢血存在与否(S7),该断层摄影图像通过图像显示方向校正部分242产生。即,从原始断层摄影图像采样范围等于或高于40并小于200的CT值,并确定是否该区域的大小大于预定的大小。具体而言,在该范围的像素数量位置中,CT值范围等于或大于40并小于200的像素数量与CT值范围等于或大于0并小于40的像素数量之比,或CT值范围等于或大于40并小于200的像素数量与CT值等于或大于200的像素数量之比,都可以分别与其相对应的阈值进行比较。
当该范围中的像素数量等于或大于阈值时,确定该区域为溢血可能性高的区域,当该区域中的像素数量小于阈值时,则确定该区域的溢血可能性低以及其噪声可能性高。当确定溢血的可能性高时,将该线叠加到原始断层摄影图像上以通过特定色彩显示它的轮廓线(S8)并且能够完成局部缺血诊断的辅助处理。
当不存在CT值等于或大于40并小于200的范围中的区域,或即使当存在该区域时,在该区域的大小小于预定大小的情况下,确定溢血的可能性为低,并继续局部缺血诊断辅助处理。
图像处理部分243通过处理原始图像以产生一个对比突出显示图像和脑沟突出显示图像,指标计算部分244根据原始图像计算脑局部缺血诊断中有效的指标(index)(S9,S10)以如图10所示予以显示(S11)。
对比突出显示图像为一种根据CT值至少通过两种色彩将原始图像的脑组织区域进行分类的图像。脑沟突出显示图像为一种突出显示原始图像的脑脊髓液体区域的图像。指标计算部分244计算左脑半球区域和右脑半球区域之间的体积比,原始图像的左脑半球区域和右脑半球区域的面积比,以及原始图像和位于原始图像中心线中央的左右颠倒图像之间的相关系数,以作为脑局部缺血诊断的有用指标,该指标表示左右脑半球之间的对称性。
对比突出显示图像为一种色彩编码的图像,以便容易地观察到CT断层摄影图像中的X-射线低辐射区域。例如,作为一种便于确定局部缺血的色标,通过如下对象色彩范围的三种色彩以将脑组织的CT值范围进行分类(20-40)。
高(34-40)...红色
普通(27-33)..粉红色
低(20-27)..蓝色
尽管在正常头部图像的情况下,CT值在左右方向的分布基本上对称,但在局部缺血的区域,与相对一侧比较,对应于低CT值(蓝色)的色彩分布范围较宽。通过观察分布范围,能够确定局部缺血的区域。而且,CT值根据形成断层摄影图像的条件而改变。所以,可自动调节脑组织的CT值范围和色彩划分。众所周知,提供的CT值高度依赖于重构功能和管电压。因此,脑组织CT值范围和色彩划分的若干组合对应于重构功能和管电压的若干组合,当从图像伴有的信息中阅读管电压和重构功能时,根据这些组合应用脑组织的CT值范围和色彩划分。
可采用一种根据CT值直方图自动确定脑组织的CT值范围和色彩划分的方法。当只通过其值位于CT值范围内,例如5到60的像素构成一个处理范围时,形成一个只表示脑组织像素的各自CT值像素数量的直方图,该范围对于脑组织的CT值范围中允许的变化程度而言较宽。而且,计算X的一个值,其中一定CT值或较大值的像素数量对应于全部像素总量的40%,并使该值构成局部缺血高可能性区域的上限阈值。尽管严格上说阈值所检测的并不是脑皮层,但是对于一个对象而言,该阈值足以发现低吸收区域(低CT值的区域)。这里,直方图的横坐标规定为CT值以及纵坐标规定为相对于全部像素总量的比率[%],当左右直方图通过图形叠加显示时,就可以方便地比较左右直方图之间的区别。
脑沟突出显示图像为一种将脑沟区域色彩编码的图像,以用于观察CT断层摄影图像中的脑沟。正如便于确定脑沟的色标,色彩对象范围由脑沟中存在的脑脊髓液体的CT值范围(-200到20)构成,并且该范围由通过如下两种色彩分类的色标构成。
高(10到20)...橙色
低(-200到9)...黄色
在正常头部的CT断层摄影图像的情况下,脑沟被示例为基本上左右对称。但是,在局部缺血区域的附近,由于脑中存在肿瘤而使脑沟变窄,以及脑沟比相对一侧较少示出。通过观察所示例的图像,能够确定局部缺血区域。
而且,代替将脑沟染色,通过绘制脑的轮廓线来突出显示脑沟的存在。尽管在正常情况下,由于脑沟的存在,在局部缺血区域的附近,轮廓线变为弯曲的线,由于未示例该脑沟,因此轮廓线变为没有弯曲的平滑线。这里,通过将轮廓线分割为左右方向的两部分并将每个部分分割为前部、中部和后部三部分以构成整个的六部分并通过比较长度而形成六条线,以及通过数字值能够表示脑沟的存在或不存在。进一步,找到一条较短的线对其进行染色以突出显示脑沟消失的部位。借此,操作员能够确定局部缺血区域。
作为局部缺血诊断中有效的指标,左右脑半球之间的对称性、各自六个区域(ROI)的平均CT值、以及六个ROI的各自CT值的像素数量分布,可由指标计算机部分244予以计算,其中六个区域通过分割位于主轴中心圆周方向的脑表面附近的区域而构成。为了限制脑表面附近的区域,首先,采样脑的轮廓。当规定该轮廓为闭合的曲线C,和规定通过收缩C大约70%所构成的闭合曲线为D时,则产生C和D所围绕的圆环形状中的区域。该区域划分为六个区域(ROI),通过将该区域分割为左右方向两部分并分割每个部分为前部、中部以及后部三部分构成了全部的六个部分。进一步,计算六个ROI各自的平均CT值。指标计算部分244还计算右侧前部的ROI平均CT值和左侧前部的ROI平均CT值之差,当该差大于预定的阈值时,指标计算部分244通过较小平均CT值的右侧前部ROI或左侧前部ROI构成了一个局部缺血高可能性的区域,并在原始图像、对比突出显示图像和脑沟突出显示图像的全部或其中任何一个上叠加该轮廓。另外,有关圆环形状中区域的各个中间区域和后部区域,类似地,在左右侧之间比较平均CT值,并且当它们的差值大于阈值时,通过较小平均CT值的区域构成局部缺血可能性高的区域,并且在原始图像、对比突出显示图像和脑沟突出显示图像的全部或其中任何一个上叠加该轮廓。进一步,数字化显示六个区域各自的平均CT值。
这里,通过使用区域中的像素数量O、CT值的分散SD和平均CT值M进行统计确定。当统计构成一个差值时,将形成区域边缘的轮廓部分染色以突出显示出现局部缺血的区域。籍此,操作员能够确定局部缺血区域。
右脑半球区域和左脑半球区域之间的对称性为搜索左右脑中心线时使用的参数。对称性的值超出阈值以及明显偏离了正常值的事实表明,左右脑半球其中任何之一扩张或者收缩。而且,当对称性的值等于或小于该阈值时,通过一种不同于正常状态的色彩数字显示对称性以突出显示存在扩张或收缩。
而且,尽管在上述描述中,以二维区域计算左右脑半球之间的对称性,通过比较左右脑组织的体积(三维区域)可构成该对称性。与二维区域的情况相类似,以左右中心面为中心转换左右三维区域,并计算转换之前的体积和转换之后的体积之间的相关系数。而且,也可采用左右脑半球区域之差或其体积(或面积)之比作为对称。当体积或面积之差或其比率超出了预定的阈值时,通过一种色彩显示体积或面积以及差或比率来突出显示扩张或收缩的存在,该色彩不同于当该差或比率等于或小于阈值时的色彩。
进一步,如下确定在图10显示屏幕上所显示图像的初始切片位置。控制部分241检测一个切片,在该切片中,基核在临床上具有高值,该值通过以下任何一个或其任何组合来示例。
位于切片上方2cm的一个切片,在该切片看不到耳朵的上侧。
在一个切片上将脑室分为四部分并且每一部分具有特定大小或较大一些。
可在该切片上看到具有某种程度大小的Silvius裂缝。
接下来,将解释由指南产生部分245所产生的诊断指南显示。规定为“诊断/治疗导向”的按钮例如在图10的屏幕上显示。通过点击按钮,由图11和12显示脑局部缺血诊断。该导向准备了用于带有说明的脑局部缺血诊断的若干用户校验项。这些校验项例如为,
在透镜状核(lens nuclei)中存在低吸收区域吗?(评论;尽管在未来可构成局部缺血,但是能够实现血栓溶解治疗)。
在脑室区域中存在低吸收区域吗?(评论;存在局部缺血区域。不能够实现血栓溶解治疗)。
有脑沟消失了吗?(评论;存在局部缺血区域。不能够实现血栓溶解治疗)。
脑的形状扭曲了吗?(评论;存在脑的扩张或收缩。不能够实现血栓溶解治疗)。
已经病了多少小时?(评论;如果已经经历了6个小时或更长,由于继续则出现溢血的可能性很高。)
指南产生部分245存储对应于校验项答案组合的局部缺血变化的存在或不存在(局部缺血诊断结果)以及应用治疗(例如,血栓溶解)(治疗警告项目)。显示对应于校验项答案组合的局部缺血变化的存在或不存在以及应用治疗。
如上所述,根据实施例,从CT图像中可提供有利于脑局部缺血诊断的信息。所以,也能够提高脑局部缺血诊断的精确度并确定有效的治疗策略。
(第二实施例)
以下将参考附图描述根据本发明构造的用于急性脑梗塞的辅助诊断和治疗设备。该用于诊断和治疗急性脑梗塞的辅助设备处理通过X-射线计算机断层摄影系统(CT扫描仪)所获得的CT图像(CT值的空间分布)。在以下所述中,假定用于诊断和治疗急性脑梗塞的辅助设备包含在X-射线CT扫描仪中。该用于诊断和治疗急性脑梗塞的辅助设备还能够与X射线CT扫描仪单独地构造为独立的设备。
如图13所示,根据本发明方面的X-射线CT扫描仪包括一个台架1,该台架被构造用于收集有关被检查患者的投影数据。该台架1包括一个X-射线管10和X-射线检测器23,X-射线管10和X-射线检测器23安装于环形的旋转机架12上,该旋转机架通过台架驱动设备25来旋转驱动。旋转机架12在中心部分具有一个开口,放置在病床2上平面2a的患者P被插入到开口中。并规定旋转机架12的旋转中心轴为Z-轴(切片方向轴)。通过相互垂直的轴或垂直于Z-轴的X和Y轴规定与Z轴垂直的平面。
高压发生器21在X-射线管10的阴极和阳极之间施加管电压。从高压发生器21给X-射线管10的灯丝施加灯丝电流。通过施加管电压和提供灯丝电流产生X-射线。可以采用一维阵列类型的检测器和二维阵列类型的检测器(也称之为多切片检测器系统)作为X-射线检测器23。每个X-射线检测元件包括例如测量的0.5mm×0.5mm的方形敏感表面。例如,在信道的方向排列916个X射线检测器元件。例如在切片方向并置40个这种阵列的情况下,可获得二维阵列检测器。在只有一个阵列的情况下,则获得一维阵列检测器。
数据收集单元26通常被称之为数据获取系统(DAS),它将检测器23为每个信道产生的信号转换为电压信号,并放大该电压信号以及进一步将它转换为数字信号。将数据(原始数据)提供给台架之外的计算机单元3。计算机单元3的预处理部分34,它对从数据获取设备26输出的原始数据执行诸如灵敏度校正的校正处理等等,并输出该投影数据。发送该投影数据到计算机系统3的数据存储单元37中并在存储单元中存储该数据。
计算机系统3包括上述的预处理部分34和存储单元37。另外,该系统包括一个控制器29、扫描控制器30、重构处理部分36、显示部分38、输入设备39、用于辅助诊断脑局部缺血的设备40(脑局部缺血分析(CT-DE)设备)、脑梗塞专家系统50、以及CBP研究处理部分120。该输入设备39包括鼠标、键盘等等。
用于辅助诊断脑局部缺血的设备40处理例如由重构处理部分38所重构的CT值的空间分布(CT图像),并产生对比增强图像和脑沟增强图像,所述图像作为用于辅助诊断脑局部缺血的有利信息。下文将对此进一步详细描述。如图14A所示,根据CT值通过将原始CT图像的脑组织区域分类为至少两种类型,并给这些不同的类型分配不同的色彩,以产生对比增强图像。通过增强该原始图像上脑脊髓液体区域产生一个脑沟增强图像。局部缺血的区域作为低CT值区域出现。能够从对比增强和脑沟增强图像提取该低CT值区域作为可疑的局部缺血区域。
下文将详细描述CBP研究处理部分120,想象通过动态CT技术如何传送造影剂的方式以籍此产生连续的图像,计算用于每个像素的CBP、CBV、MTT以及Err以将其作为指标,这些指标定性表示通过脑组织毛细血管中的血流的动态状态,并产生这些指标的空间分布图(脑血流图像)。在图14B中示出了CBP图的一个实例。CBP指示在每单位体积和每单位时间中脑组织毛细血管中的血液流速[毫升/100毫升/分钟]。CBV指示每个单位体积的脑组织内的血量[毫升/100毫升]。MTT指示血液穿过毛细血管的平均运输时间[秒]。Err指示当近似传递函数时,残留误差的总和或残留误差平方和的平方根。能够从指标图中提取低血流区域作为可疑的局部缺血脑血管疾病,这些指标定性地表示通过脑组织的毛细血管中的血流的动态状态。
在本方面,通过以下的这种方式提供了两种不同类型的图像。即,通过CT值的空间分布(CT图像)经受阈值值处理或分组处理而获得低CT值区域的对比增强图像,该分布通过非对比增强CT扫描所摄。提供CBP图(脑血流图)等等,该图定性地表示了通过脑组织毛细血管内的血流的动态状态,该血流通过处理动态CT扫描所摄的连续图像而获得。本方面的最大特征就是,表示从对比增强图像所识别的低CT值区域(局部缺血区域)(第一ROI)轮廓的帧扫描线,以及表示从脑血流图像所识别的低血流区域(第二ROI)轮廓的帧扫描线,它们叠加到CT图像上并且并排地显示。即,如非增强CT图像的简单CT值所示的局部缺血区域与如定性值所示的局部缺血区域不重合,其中该定性值表示通过脑组织毛细血管中的血流的动态状态。通常,后者的区域较正如简单CT值所示的前者局部缺血区域而言,对局部缺血的脑血管疾病更超级敏感。通常,能够从简单CT值判断出前者的局部缺血区域是不可恢复的。而且,局部缺血治疗包含了大脑内溢血的危险。尽管存在这种危险,但是为了决定治疗局部缺血,有必要预期恢复的某种程度(治疗效果)。可以认为低CT值和低血流区域之间的不同区域为一种通过治疗可恢复的区域。在决定是否执行治疗时,这将是必须的有用信息。
图15示例了根据本方面的操作序列流程。该操作序列在脑梗塞专家系统50的控制下进行操作。在本方面中,用于收集数据的CT扫描包括两种模式,即简单CT扫描S1和对比动态CT扫描S5。典型地,对有关患者头部的中心轴切片执行简单CT扫描。在结束简单CT扫描之后的任意时间,将造影剂注入到患者体内,并开始对相同的特定切片进行动态CT扫描。该切片设置在包括bansal神经中枢的区域中。
简单CT扫描指收集特定切片的一组或多组大约360度或180度+扇形角的投影数据而不使用造影剂的扫描操作。另一方面,在动态CT扫描中,注入造影剂以研究造影剂随时间如何变化。在注入后的适当时间,开始获取有关特定切片的多组大约360度或180度+扇形角的投影数据。例如当造影剂几乎完全流出特定切片时,在结束周期中连续重复这种操作。
根据在简单CT扫描S1所收集的投影数据,通过重构处理部分36重构特定切片的CT值空间分布(CT图像)(步骤S2)。用于辅助诊断脑局部缺血的设备40处理CT图像并产生对比增强图像和脑沟增强图像(步骤S3)。在每个对比增强图像中,根据CT值将原始图像的脑组织区域分类为至少两种类型,并为这些类型指定不同的色彩。这强调了对应于局部缺血区域的低CT区域。脑沟增强图像为一种增强原始图像的脑脊髓液体区域的图像。这强调了由于局部缺血已经消失的脑沟区域。
在显示部分38上选择性地显示对比增强图像以及脑沟增强图像。当由操作员操作输入设备39时,在对比增强或脑沟增强图像上指定指示低CT值区域(不可恢复区域)的轮廓(第一ROI)的帧扫描线(S4)。在图16A中示出了第一ROI的一个实例。指定第一ROI的方法并不限制于人工输入。而是,该ROI可以根据CT图像通过阈值值处理或分组处理来指定。规定第一ROI的数据以及对比增强、脑沟增强以及原始的CT图像一起存储在数据存储部分37中。
根据对比动态CT扫描所收集的投影数据(S5),正如当执行简单CT扫描时所使用的、但在不同时间所摄的有关相同特定切片的CT图像序列,通过重构处理部分36(步骤S6)重构。CBP研究处理部分120处理CT图像,发现指标CBP、CBV、MTT以及Err,这些指标定性地为每个像素表示脑组织内局部血流的动态状态,即,通过局部血管内毛细血管的血流的动态状态,并产生这些指标的图(脑血流图)(S7)。在显示部分38上选择性地显示CBP的图和CBV、MTT或Err的图。当操作员操作输入设备39时,在CBP图上指定指示低血流区域(第二ROI)轮廓的帧扫描线(S8)。在图16B中显示了第二ROI的一个实例。指定第二ROI的方法并不限制于人工输入。可根据任何图通过阈值值处理来指定ROI。规定第二ROI的数据与CBP图等等一起存储在数据存储部分37中。
然后,在步骤S9,脑梗塞专家系统50将低CT值区域(第一ROI)和低血流区域(第二ROI)叠加到在步骤S2中所重构的CT图像上,如图16C(S9)所示,并在显示部分38上并排显示(S10)。脑梗塞专家系统50可以显示第一ROI内的像素数量(面积),第二ROI内的像素数量(面积),以及差别区域内的像素数量(区域)以及图像。差别区域为第二和第一ROI之间的差别。而且,可以发现并显示第一ROI内的像素数量(面积)与第二ROI内的像素数量(面积)之比。
通过使用两种类型的图像(即CT值图像和脑血流图像)并通过这种方式比较低CT值和低血流区域,可以有效并迅速地确定急性脑梗塞的诊断和治疗策略。
接下来,分开详细地描述脑局部缺血的诊断和脑血流的诊断。作为一个参考实例,在图27中示出了用于根据本方面诊断急性脑梗塞和确定治疗策略的操作的典型过程。
如图13所示,用于辅助诊断脑局部缺血的设备40包括,脑局部缺血分析和控制部分41、图像显示方向校正部分42、图像处理部分43、指标计算部分44、指南产生部分45、图像显示方向校正部分42校正通过图像处理部分43由体积数据初始产生的CT图像的显示方向。实际上,图像显示方向校正部分42人工或自动地检测中心平面,该平面根据初始产生的CT图像分割左右脑半球,并产生垂直于中心平面的这些平面的CT图像,该中心平面根据体积数据通过截面转换处理(MPR)分割了左右脑半球。
图像处理部分43处理由图像显示方向校正部分42所产生的CT图像(也称之为原始图像)以决定是否存在溢血。另外,图像处理图像43产生了对比增强和脑沟增强图像。在显示部分38上根据系统控制器29或CT-DE控制部分41的控制来显示原始图像以及对比增强和脑沟增强图像。在每个对比增强图像中,根据CT值将原始图像的脑组织区域分类为至少两种类型,并且给这些不同的类型指定不同的色彩。脑沟增强图像为一种增强原始图像的脑脊髓液体区域的图像。指标脊髓部分44计算诊断脑梗塞的有利指标,和指示左右脑半球之间对称性的指标。这些指标的若干实例为,左右脑半球之间的体积比,原始图像上的左右脑半球之间的面积比,以及原始图像和每个左右颠倒图像之间的相关系数,颠倒图像位于原始图像中心线的相对一侧上。导向产生部分45根据组合由操作员判断所产生的诊断结果,决定是否可建议治疗(例如,血栓溶解治疗)(血液凝块溶解治疗)。
图17实例了根据本方面的辅助诊断脑局部缺血的处理流程。首先,开始扫描(S1)。该扫描为患者头部的螺旋扫描或体积扫描。不论何时收集对应于重构一个断层摄影图像所必须角度的投影数据,都依次与扫描同时地重构断层摄影图像(S2)。这种依次与扫描同时地重构断层摄影图像的技术是一种熟知的技术并且公知为实时CT或CT透视。当完成从包括患者头部的预定范围收集数据时,则结束扫描(S3)。
与开始扫描同时进行的是,通过分析和控制部分41激活脑梗塞分析(CT-DE)的功能(S4)。图像处理部分43在分析和控制部分41的控制下显示通过实时CT例如以五种色彩重构的CT图像,以便于找到溢血区域(S5)。基于实时重构的CT图像为一种有关垂直于旋转轴(Z-轴)平面的图像。
黑色所显示的为CT值范围从-2051到0的区域(理论上说,为空气和水)。蓝色所显示的为CT值范围从0到32的区域(主要为白色物质)。蓝色所显示的为CT值范围从32到40的区域(主要为灰色物质)。绿色所显示的为CT值范围从40到200的区域(主要为溢血部位)。白色所显示的为CT值范围从200到4048的区域(主要为骨质)。
绿色显示区域为有可能溢血的部位。观察者能够从根据CT值以不同色彩实时显示的CT图像,事先获得脑局部缺血诊断的概略信息。
在结束扫描之后,在分析和控制部分41的控制下开始辅助诊断脑局部缺血的处理。首先,通过图像显示方向校正部分42校正图像显示方向(步骤S6)。如上所述,实时重构的CT图像为有关垂直于旋转轴(Z-轴)平面的图像。图像显示方向校正部分42校正实时重构的CT图像的显示方向(下文称之为实时CT图像)。实际上,图像显示方向校正部分42人工或自动地检测分割实时CT图像为左右脑半球的中心平面,产生有关垂直于中心面的平面的CT图像,该中心面通过截面转换处理(MPR)将体积数据分割为左右脑半球。
通过左右脑半球之间的至少两条中心线来规定左右脑半球之间的中心平面,该中心线位于不同的Z-轴位置。半球之间的每条中心线为分割切片平面(XY-平面)内左右脑半球的一条线。下文将描述一种用于计算左右脑半球之间中心线的方法。如图18所示,根据n个切面的CT图像计算左右脑半球之间的n条中心线CL1、CL2、...CLn。如图19所示,搜索与n条左右脑半球之间中心线CL1、CL2...CLn的距离(位移)总和最小的面A。规定面A为左右脑半球之间的中心面。有关与此,为了方便以下的产生图像处理,移动并旋转如图20所示的(坐标变换)体积数据以使左右脑半球之间的中心面A与YZ面重合。通过从经过坐标变化的体积数据提取XY-平面上的图像,能够产生切面的CT图像,在该切面上左右脑半球显示了最大程度的对称性。由于脑局部缺血可局部扩张或收缩大脑。所以,在诊断脑局部缺血时,左右脑半球对称是重要的。当切面倾斜于左侧或右侧时,将恶化根据该对称性而进行诊断的可靠性。通过使用垂直于左右脑半球之间作为切面的中心平面的平面产生CT图像,从而提高了根据对称性进行诊断的可靠性。脑的左右半球基本上为对称的。当构成对称中心的面A垂直于切面(XY面)时,而且该图像中所示的脑将变为左右方向对称,因此,通过观察者比较左右脑半球,能够发现低吸收区域并且确定脑的扩张、脑室的收缩。进一步,当构成图像对称中心的线与Y-轴重合时,可以容易地比较左右脑半球。而且,通过再生各个图像,从而使面A重合YZ平面。因此这对于诊断阅读是非常有效的。
在以上提供的描述中,可自动计算左右脑半球之间的中心面。但是也可以人工地设置该面。在这种情况下,如图21所示,产生至少两个切片的CT图像。操作员根据两个切片的CT图像指定至少三点并且位于中心平面上。根据该指定的三点能够计算脑半球之间的中心面。而且,根据体积数据产生脑的三维图像并与半透明的YZ-面一起显示。通过操作员的人工操作可自由地移动和旋转三维图像,该操作员假设的左右脑半球之间的中心面与YZ-面重合。
接下来,将解释一种用于计算左右脑半球之间中心线的方法。计算半球之间中心线为一种搜索图像左右两部分之间对称性最高的线的算法。实际上,发现对称程度作为水平颠倒图像和仍未颠倒的每个CT图像之间的互相关,该水平颠倒图像通过将有关脑半球之间的假设中心线的每个CT图像向后折叠而获得。
例如,如图22中所示,假设图像F在X方向的宽度为Nx个像素,在Y方向的宽度为Ny个像素。在CT图像的例子中,典型地,Nx与Ny相同,即512。
i={0,1,...,Nx-1}
j={0,1,..,Ny-1}
现在如下定义xi和yj。
xi=[i-(Nx-1)/2]dx
yj=[j-(Ny-1)/2]dy
这里,dx和dy分别为x方向和y方向中像素之间的宽度。
初始设置图像的中心线为左右脑半球之间的中心线,通过围绕半球之间的中心线水平地颠倒图像F,从而形成图像G。然后,得到与图像F上的点f(xi,yj)相对应的图像G上的点g(xi,yj)。如图21所示,根据周围的点通过线性内插来得到g(xi,yj)。然后,得到f(xi,yj)和g(xi,yj)之间的相关系数R(f,g)。
这里
Sf=∑[{f(xi,yi)-Mf}2]
Sg=∑[{g(xi,yi)-Mg}2]
Sfg=∑[{f(xi,yi)-Mf}*{g(xi,yi)-Mg}]
通过一种迭代方法得到一个公式,该公式表示左右脑半球之间的中心线,并最大化相关系数R(f,g)的值。
图像处理部分43以类似于步骤S5的方式,处理垂直于左右脑之间中心面的XY-面的CT图像(原始CT图像),以判断溢血存在与否(S7),其中该CT图像通过图像显示方向校正部分42产生。具体而言,从原始CT图像提取指示溢血的CT值范围(例如,从40到200)的区域,并确定是否该区域的大小大于给定的大小。具体而言,比较该区域内像素的数量与阈值值。代替比较该区域内的像素数量与相应的阈值值,可以将CT值位于指示溢血的CT值范围(例如,40到200)的像素数量,和CT值位于指示脑组织的CT值范围(例如,0到40)的像素数量之比与相应阈值值进行比较。可替换地,将CT值位于指示溢血的CT值范围(例如,40到200)的像素数量,与CT值位于指示骨质的CT值范围(例如,大于200)的像素数量之比,与相应的阈值值进行比较。
当该区域中的像素数量等于或大于阈值值时,则判断该区域为溢血可能性高的区域,当该区域中的像素数量小于阈值值时,则判断该区域的溢血可疑性较低以及它可能由噪声产生。当确定结果为溢血的可能性高时,以特定色彩显示该区域的轮廓线,并将其叠加到原始CT图像上(S8)。从而,能够完成局部缺血的辅助诊断。
当不存在位于指示溢血的CT值范围(从40到200)中的任何区域的CT值时,或者当它存在时,但该区域的大小小于给定的大小,这时确定的结果为溢血的可能性低。从而继续局部缺血的辅助诊断。
图像处理部分43处理原始图像并产生对比增强和脑沟增强的图像。指标计算部分44根据原始图像计算脑局部缺血诊断中有效的指标(S9和S10)以如图24所示显示它们(S11)。
对比增强图像为一种其中根据CT值将原始图像的脑组织区域分类为至少两种类型并以不同的色彩显示的图像。脑沟增强图像为一种根据CT值将原始图像的脑脊髓液体区域分类为至少两种类型并以不同颜色显示的图像。指标计算部分44计算例如,左脑半球区域和右脑半球区域之间的体积比,原始图像中左脑半球区域和右脑半球区域的面积比,以及原始图像和位于原始图像中心线相对一侧的左右颠倒图像之间的相关系数,以作为脑局部缺血诊断的有用指标,该指标表示脑半球之间的对称性。
对比增强图像为一种色彩编码的图像,以便容易地观察到CT图像中的X-射线低辐射区域。例如,作为一种便于判断局部缺血的色标,脑组织CT值的整个范围(从20到40)分类为三种类型,并如下给不同的类型分配不同的色彩。
较高(34到40):红色
中等(27到33):粉红色
较低(20到26):蓝色
在正常头部图像的情况下,CT值在左右方向的分布几乎是对称的。在局部缺血的区域,与相对一侧比较,在很宽的区域上分布了指示低CT值的色彩(蓝色)。通过观察这种分布范围,能够判断局部缺血的区域。而且,CT值根据产生断层摄影图像的条件而改变。因此,通过以下方法可自动调节脑组织的CT值范围的分类和色彩编码。正如本领域所众所周知的,CT值高度依赖于重构功能和管电压。因此,脑组织CT值范围和色彩编码方案的若干组合对应于重构功能和管电压的若干组合。当从图像伴有的信息中阅读管电压和重构功能时,根据该组合可应用脑组织的CT值范围和色彩编码方案。
可采用一种根据CT值直方图自动确定脑组织的CT值范围和色彩编码方案的方法。在一个图像中,假设只有位于容忍脑组织CT值变化的宽范围诸如5到60内的像素,才位于将要处理的范围中。作为将要处理的范围,产生一个只表示在脑组织像素的各自CT值的像素数量的直方图。并且得到了CT值超出特定CT值X的像素的数量。然后,得到了一个建立以下关系的X值,即该像素的数量为脑组织全部像素总量的40%。将该X值作为有可能成为局部缺血区域(蓝色区域)的上限阈值值。严格地说,使用该阈值值检测到的并不是脑皮层,但是该阈值足以发现一个低CT值的低吸收区域。在直方图中,直方图的横坐标表示CT值以及纵坐标表示上述的像素数量相对于全部像素总量的比率[%]。当左右直方图叠加并图形化表示时,可方便地比较左右部位之间的区别,即容易看到它们之间的区别。
脑沟增强图像为一种脑沟区域被色彩编码的图像,以允许观察CT图像上的脑沟。为了获得方便判断脑沟的色标,将脑沟中存在的脑脊髓液体的CT值的整个范围(-200到20)分类为至少两种类型,并通过如下的不同色彩给这些分类指定不同的色彩以得到一种色标。
较高(10到20):橙色
较低(-200到9):黄色
在正常头部的CT图像的情况下,脑沟被描绘为基本上左右对称。但是,在局部缺血区域的附近,由于脑中存在肿瘤,从而使德脑沟变窄。因此,脑沟相对于另一侧而言较少描绘于其相对的一侧上。通过观察该图像,能够判断局部缺血区域。
代替色彩编码脑沟和对比增强,可以绘制脑的轮廓线来突出脑沟的存在。在正常情况下,由于脑沟的存在,轮廓线变为弯曲的线。在局部缺血区域的附近,由于未描绘出该脑沟,因此轮廓线变为没有弯曲的平滑线。作为一个实例,将轮廓线二等分为左右两个部分。而且,将每个部分三等分为前部、中部和后部。总计,产生了六条线段。通过比较其长度,能够以数字值来表示脑沟的存在或不存在。然后,给较短的一条线段指定一种色彩以突出脑沟已消失的部位。借此,这允许了操作员判断局部缺血区域。
指标计算机部分44计算用于诊断局部缺血的有效指标,即,左右脑半球之间的对称程度、六个区域(ROI)的平均CT值、以及在六个ROI的每一个中用于每个CT值的像素数量分布,其中六个区域通过分割主轴圆周的脑表面附近的区域而构成。为了限制脑表面附近的该区域,首先,提取脑的轮廓。将该轮廓采用为闭合的曲线C。通过减小曲线C到大约70%而获得的闭合曲线表示为D。然后形成了由C和D所围绕的环形区域。该区域被二等分为左右部分并进一步三等分为前部、中部以及后部。总计,产生了六个区域(ROI)。计算这六个ROI中每一个的平均CT值。进一步,指标计算部分44还计算右侧前部的ROI平均CT值和左侧前部的ROI平均CT值之间的差。当该差大于给定的阈值值时,则认为具有较小平均CT值的右侧前部ROI或左侧前部ROI为一个有可能成为局部缺血的区域。并在原始图像、对比增强图像和脑沟增强图像的全部或其中任何一个上叠加其轮廓。同理,有关环形区域的每个中间区域和后部区域,在左右部位之间比较平均CT值。当它们的差值大于阈值值时,则认为具有较小平均CT值的区域为有可能成为局部缺血的区域。并在原始图像、对比增强图像和脑沟增强图像的全部或其中任何一个上叠加其轮廓。另外,显示六个区域中各自的平均CT值的数字值。
通过使用区域中的像素数量O的分散SD、CT值及其平均CT值M进行统计判断。当存在统计误差时,将形成区域边缘的轮廓部分染色以突出局部缺血的区域。这允许操作员能够判断定该局部缺血区域。
右脑半球区域和左脑半球区域之间的对称程度为搜索左右脑之间的中心线时使用的参数。当对称程度的值超出阈值值以及明显偏离了正常值时,这表明左右脑半球的其中之一已经扩张或收缩。在这种情况下,或在其小于该阈值值时,都通过一种不同于正常状态所使用的色彩以数字值来显示对称程度。通过这种方式,突出了存在扩张或收缩。
在上述描述中,以CT图像的二维区域计算左右脑半球之间的对称程度。可比较左右脑组织的体积(三维区域)。采用与二维方案相同的方式,在脑半球中心面的相对一侧上转换左右3D区域。利用仍未转换的体积计算相关系数。另外,也可采用左右脑半球区域之间的体积或面积之差(或之比)作为对称程度。当体积或面积之差或其比率超出了给定的阈值值时,通过一种不同于当该差或比率小于该阈值值时所用的色彩,显示体积或面积以及差或比率。通过这种方式,突出了存在扩张或收缩。
如下确定在图24显示屏幕上所显示图像的初始切片位置。控制部分41检测一个切片,在该切片中,描绘了基核在临床上具有高值,并使用以下任何一个切片或其任何组合来检测该值。
(a)位于高于一个切片2cm的一个切片,在该切片看不到耳朵的上侧。
(b)将脑室分为四部分的切片。这些切片的尺寸大于特定的尺寸。
(c)所示具有裂缝Sylvia的切片,并可看到所述裂缝具有一定的大小。
以下将描述由指南产生部分45所产生的诊断指南显示。例如,在图24的显示屏幕上,显示具有“诊断和治疗导向”消息的按钮。如图25和26所示,通过点击该按钮,显示脑局部缺血诊断的指南。在指南中准备了用于带有说明的脑局部缺血诊断的用户所校验的若干项目。以下给出了这些项目的一些例子。
“在透镜状的核(lenticular nuclei)中存在低吸收区域吗?”(说明:尽管未来会产生局部缺血,但仍然可应用血栓溶解治疗)。
“在脑室区域中存在低吸收区域吗?”(说明:存在局部缺血区域。不可以应用血栓溶解治疗)。
“脑沟消失了吗?”(说明:存在局部缺血区域。不可以应用血栓溶解治疗)。
“脑的形状扭曲了吗?”(说明:脑扩张或收缩。不可以应用血栓溶解治疗)。
“已经病了多少小时?”(说明:如果已经经历了超过6个小时,则由于继续有可能出现溢血。)
指南产生部分45以对应于这些校验项答案组合的方式存储局部缺血的变化的存在或不存在(局部缺血诊断结果)并且存储应用治疗(例如,血栓溶解治疗)的建议(治疗中的预先警告)。显示对应于校验项答案组合的局部缺血变化存在或不存在以及应用治疗(血栓溶解治疗)的建议。
接下来将描述使用脑血流(CBP研究)进行诊断。如图13所示,CBP研究处理部分120由ROI设定辅助部分121、时间密度曲线产生部分122、脑动脉时间密度曲线校正部分123、MTF处理部分124、指标计算部分125、图生成部分126、以及图合成部分127。简述CBP研究。CB研究为一种计算有关通过脑组织毛细血管内血流的动态状态指标的过程。在CBP研究中,诸如CBP、CBV、MTT和Err的指标都定性表示组织内局部血流的动态状态,即得到通过局部组织毛细血管内的血流的动态状态。而且,输出这些指标的图。
CBP表示在脑组织毛细血管内每单位体积和每单位时间的血流速率[毫升/100毫升/分钟]。CBV表示脑组织内每个单位体积的血量[毫升/100毫升]。MTT表示通过毛细血管的平均血液传输时间[秒]。Err表示当近似传递函数时,残留误差的总和或残留误差平方和的均方根。
指标CBP、CBV和MTT都定性地表示脑组织毛细血管内的血流的动态状态,并期望将上述指标与自脑局部缺血发作以来所经历时间的有关信息一起作为,识别局部缺血脑血管疾病的患者、估计有关是否毛细血管扩张与否、以及估计血流速度的有用信息。例如,在局部缺血脑组织异常中,供血动脉的血压通常降低。并观察到血管内的血流速度也降低。结果,即使CBV为恒定,但MTT也延长以及CBP降低。另外,在脑梗塞的超急性阶段中,毛细血管扩张并且增加血流速度来补充由于血压降低而引起的血流速度降低。这抑制了血流速率CBP的下降。这种现象称为自动调节。因此,当延长MTT时,如果CBP降低而CBV增加,那么可获得表明毛细血管已经被重新开启的可能性的信息。
在CBP研究中,使用不会渗透脑血管的造影剂诸如碘化造影剂作为一种示踪物。例如通过一个注射器从肘静脉注入该碘化造影剂。由注射器静脉注射的碘化造影剂穿过心脏和肺部流入脑动脉中。然后,造影剂从脑动脉穿过脑组织内的毛细血管。再下来,造影剂流出到脑静脉中。同时,如果脑组织正常的话,则碘化造影剂穿过脑组织的毛细血管而不会从毛细血管中漏出。在图28中示意性示出了这种状态。
通过动态CT摄影了造影剂穿过的方式。根据产生的连续图像,可测量脑动脉上像素的时间密度曲线Ca(t)、脑组织(毛细血管)上像素的时间密度曲线Ci(t)、以及脑静脉上像素的时间密度曲线Csss(t)。
在该CBP研究中,如图29所示,将在脑动脉的时间密度曲线Ca(t)和脑组织的时间密度曲线Ci(t)之间保持的理想关系用作一个分析模型。当从有关进入脑组织的血管注入该造影剂时,脑组织单位体积(1个像素)中时间密度曲线的上升沿是垂直的并且保持恒定值一段时间。然后,曲线倾斜下降。这可以通过矩形函数(box-MTF(调制传递函数)方法)来近似。
即,在采用脑动脉的时间密度曲线Ca(t)作为输入函数以及脑组织的时间密度曲线Ci(t)作为输出函数的条件下,通过矩形函数来近似输入函数和输出函数之间的传递函数。该传递函数表示通过脑毛细血管的示踪物的过程。
时间密度曲线产生部分122根据存储在存储设备10M中的有关动态CT图像的数据(有关时间连续图像的数据)产生有关脑动脉、脑静脉、以及脑组织(毛细血管)的时间密度曲线。例如,为6个脑动脉ROI集合的每一个产生有关脑动脉的时间密度曲线Ca(t)。在超纵向的正弦上产生关于脑静脉ROI集合的有关脑静脉的时间密度曲线Csss(t)。而且,为脑组织上所有像素中的每一个都产生有关脑组织的时间密度曲线Ci(t)。
为了消除噪声效应和部分体积效应的影响,脑动脉时间密度曲线校正部分123根据有关超纵向正弦曲线的时间密度曲线Csss(t)校正有关脑动脉的时间密度曲线Ca(t)。下文将描述这种校正方法。MTF处理部分124通过该box-MTF方法,根据有关脑动脉的校正的时间密度曲线Ca(t)和有关脑组织的时间密度曲线Ci(t),为脑组织区域内全部像素的每一个都计算传递函数MTF。
指标计算部分125根据计算的传递函数MTF,为脑组织区域内全部像素的每一个都计算表示穿过脑组织的血流动态状态的指标(CBP、CBV、MTT和Err)图绘制部分126为每个如图30所示的脑动脉(ACA、MCA、和PCA)产生所计算指标的图。
如图27所示,通过组合使用CT值图像诊断和使用脑血流图像诊断,能够确定一种具有较高精确的诊断及其治疗策略,其精确度高于使用这两种类型图像的其中之一诊断及其治疗策略的精确度。具体而言,根据CT值图像能够将位于低血流区域中的低CT值区域估计为不可恢复的区域。能够将位于低血流区域内和不可恢复区域外的该区域认为是高度可恢复的区域。在判断有关治疗效果时,这些区域的大小将作为重要的因素。在实施例中,尽可能明显地产生灰度物质、这些新陈代谢活跃的区域首先形成梗塞。如果它们在非增强的头部CT上不正常,则它们发生了梗塞,但是对于每个人而言不容易看出这种梗塞,因此我们要建立一种更容易检测梗塞的方式。
(第三实施例)
参考附图将描述根据本发明的第三实施例、用于辅助诊断和治疗急性脑梗塞的设备。根据该实施例的设备使用X-射线CT扫描仪已获取的三维CT图像。三维CT图像为多切片类型或为三维像素集合的体积类型。这里,将CT图像作为多切片类型进行描述。
如图31所示,本实施例中所使用的X-射线CT扫描仪与第二实施例中的相应扫描仪相似。本实施例与第二实施例中的扫描仪在两个方面有所不同。首先,图像处理部分43能够提取血管的图像。其次,设备还包括一个3D图像处理部分51。
如图32和33所示,执行简单的CT扫描,获取表示患者头部的三维区域的投影数据(S1)。在步骤S5中还执行对比动态CT扫描,借此来获取表示与上述三维区域相同的投影数据。对比动态CT扫描典型为使用锥形射束X射线的体积扫描。如上所述,简单的CT扫描不使用任何造影剂,而对比动态CT扫描使用造影剂。
使用通过简单CT扫描(S1)获取的投影数据,重构处理部分36为若干的切片重构CT图像数据(S2)。为每个切片处理该CT图像,从而产生对比增加图像和脑沟增强图像(S3)。显示部分38选择性显示对比增强图像和脑沟增强图像。操作员操作输入设备39,显示对比增强图像或脑沟增强图像的一帧。借此指定了低CT值区域((第一ROI)(即,不可恢复区域))。为一个切片规定第一ROI(S4)。
使用在对比动态CT 扫描中获取的投影数据(S5),重构处理部分36为每一个切片重构CT图像(S6)。CBP研究处理部分120产生分别用于每个切片的CBP、CBV、MTT、Err指标的图(S7)。显示部分38显示CBP的图和CBV、MTT或Err的图。操作员操作输入设备39,例如显示CBP图上的一个帧(第二ROI),从而为一个切片规定了低血流区域(S8)。
接下来,图像处理部分43从在步骤S6重构的CT图像中为每个切片提取血管的图像。由于已将造影剂应用于血管中,因此,部分43以高的精确度来提取血管的图像。根据血管的该图像为任何的切片产生3D血管造影图。根据3D血管造影图能够确定具有异常的血管位置。同理,分别产生为切片所指定的第一和第二ROI的两个3D图像(S9)。3D图像处理部分51在血管造影图上叠加该第一和第二ROI的3D图像,以形成一个组合图像,并且显示部分38显示该组合图像(S10)。
3D图像处理部分51执行多平面重构处理(MPR),从而根据若干切片的CT图像,为操作员所指定的平面产生CT图像。类似地,3D图像处理部分51产生为每个切片所指定的第一和第二ROI的两个图像。3D图像处理部分51在该CT图像上叠加第一和第二ROI的图像,以形成一个组合图像。显示部分38显示因此形成的组合图像。
本发明的第三实施例能够提供一个三维图像,该图像帮助观察者理解具有异常、不可恢复区域和低血流区域的血管的位置关系。
本领域的普通技术人员将很容易想到其他的优点和修改。所以,从广义方面讲,本发明并不限制于这里所示和描述的具体细节和代表性的实施例。因此,可以进行各种修改而不会偏离正如附属权利要求及其等同物所规定的总体发明构思的精神或范围。
Claims (19)
1、一种脑局部缺血诊断辅助设备,包括:
用于存储与对象的头部有关的多个切片或体积数据的存储部分;
用于根据该多个切片或体积数据产生大脑的断层摄影图像的图像产生部分;
图像处理部分,用于处理断层摄影图像以产生对比突出显示图像和脑沟突出显示图像或者其中之一;以及
显示部分,用于将断层摄影图像连同对比突出显示图像和脑沟突出显示图像一起显示。
2、根据权利要求1所述的脑局部缺血诊断辅助设备,其中图像产生部分产生与中心面正交的面的断层摄影图像,该中心面从多个切片或体积数据分割左右脑半球。
3、根据权利要求1所述的脑局部缺血诊断辅助设备,其中图像处理部分检测用于从初始由所述多个切片或体积数据产生的多个断层摄影图像分割左右脑半球的多个中心线以产生中心面,从而最小化相对于多个中心线的位移的误差。
4、根据权利要求1所述的脑局部缺血诊断辅助设备,其中图像处理部分根据一个CT值以至少三种色彩将断层摄影图像的脑组织区域进行分类,从而产生对比突出显示图像。
5、根据权利要求1所述的脑局部缺血诊断辅助设备,其中图像处理部分根据一个CT值以至少两种色彩将断层摄影图像的脑脊髓液体区域进行分类,从而产生脑沟突出显示图像。
6、根据权利要求1所述的脑局部缺血诊断辅助设备,还包括一个计算部分,该部分用于计算由中心面所分割的左脑半球区域和右脑半球区域之间的体积比。
7、根据权利要求1所述的脑局部缺血诊断辅助设备,还包括一个计算部分,该部分用于计算断层摄影图像的左脑半球区域和右脑半球区域之间的面积比。
8、根据权利要求1所述的脑局部缺血诊断辅助设备,还包括一个计算部分,该部分用于计算断层摄影图像和断层摄影图像的左右颠倒图像之间的相关系数。
9、根据权利要求1所述的脑局部缺血诊断辅助设备,还包括一个确定部分,该部分基于用户确定的多个诊断结果的组合来确定治疗的可用性。
10、一种X-射线计算机断层摄影设备,该X-射线计算机断层摄影设备用于根据扫描对象所获取的数据重构与对象头部有关的多个切片或体积数据,所述X-射线计算机断层摄影设备包括:
用于根据所述多个切片或体积数据产生大脑的断层摄影图像的图像产生部分;
用于处理断层摄影图像以产生对比突出显示图像和脑沟突出显示图像的图像处理部分;以及
用于将断层摄影图像、对比突出显示图像和脑沟突出显示图像一起进行显示的显示部分。
11、根据权利要求10所述的设备,其中图像产生部分产生与中心面正交的面的断层摄影图像,该中心面从多个切片或体积数据分割左右脑半球。
12、一种用于辅助诊断和治疗急性脑梗塞的设备,包括:
存储部分,用于存储与被检查患者的头部截面有关的CT图像以及脑血流图像,该脑血流图像表示指标的空间分布,这些指标表示与所述患者的截面有关的脑血流的动态状态,该截面基本上与第一所述的截面相同;
图像处理部分,用于将与从所述CT图像识别的局部缺血有关的第一ROI和与从所述脑血流图像识别的低血流有关的第二ROI叠加到所述CT图像上;以及
显示部分,用于显示已叠加有所述第一ROI和所述第二ROI的CT图像。
13、一种根据权利要求12所述的用于辅助诊断和治疗急性脑梗塞的设备,还包括一个图像产生部分,用于产生对比增强图像和脑沟增强图像中至少一种,对比增强图像由所述CT图像通过突出其CT值位于CT值一定范围内的区域产生,脑沟增强图像由所述CT图像通过突出脑沟区域产生。
14、一种根据权利要求12所述的用于辅助诊断和治疗急性脑梗塞的设备,还包括一个图像产生部分,用于计算和显示脑组织毛细血管内每单位体积和每单位时间的血流速率,以及脑组织内每单位体积的血量,或者通过毛细血管的平均血液运输时间,作为指示脑血流动态状态的所述指标。
15、一种根据权利要求12所述的用于辅助诊断和治疗急性脑梗塞的设备,还包括一个计算部分,该部分用于计算所述第二ROI和所述第一ROI之间的差与所述第二ROI的面积比率。
16、一种根据权利要求12所述的用于辅助诊断和治疗急性脑梗塞的设备,其中所述第二ROI和所述第一ROI之间的差别区域以一种突出的色彩进行显示,该色彩不同于用于显示所述第二ROI的色彩。
17、一种根据权利要求12所述的用于辅助诊断和治疗急性脑梗塞的设备,还包括一个输入所述第一和第二ROI的输入设备。
18、一种用于辅助诊断和治疗急性脑梗塞的设备,包括:
存储部分,用于存储患者头部的三维CT图像和该患者头部的三维对比CT图像;
图像处理部分,用于将从所述CT图像识别的梗塞区域中的第一ROI的三维图像和从所述对比CT图像识别的低血流区域中的第二ROI的三维图像叠加到一个由对比CT图像所产生的血管图像上;以及
显示部分,用于显示已叠加有第一ROI和第二ROI的三维图像的脑血管图像。
19、根据权利要求18所述的设备,其中根据三维CT图像产生给定切片的二维CT图像,根据第一ROI的三维图像产生第一ROI的二维图像,根据第二ROI的三维图像产生第二ROI的二维图像,以及第一和第二ROI的二维图像叠加在二维CT图像上。
Applications Claiming Priority (6)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2003-368894 | 2003-10-29 | ||
JP2003368893 | 2003-10-29 | ||
JP2003368894 | 2003-10-29 | ||
JP2003368894A JP4509531B2 (ja) | 2003-10-29 | 2003-10-29 | 急性脳梗塞診断治療支援装置 |
JP2003368893A JP4357928B2 (ja) | 2003-10-29 | 2003-10-29 | 脳虚血診断支援装置及びx線コンピュータ断層撮影装置 |
JP2003-368893 | 2003-10-29 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN1628611A true CN1628611A (zh) | 2005-06-22 |
CN100431495C CN100431495C (zh) | 2008-11-12 |
Family
ID=34593920
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNB2004100878008A Expired - Lifetime CN100431495C (zh) | 2003-10-29 | 2004-10-29 | 脑部病症辅助诊断和治疗设备、x射线计算机断层摄影设备 |
Country Status (2)
Country | Link |
---|---|
US (1) | US20050113680A1 (zh) |
CN (1) | CN100431495C (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1915185B (zh) * | 2005-08-18 | 2010-06-23 | 西门子公司 | 用于二维投影图像的图像评定方法和与其对应的对象 |
CN102090901A (zh) * | 2009-12-11 | 2011-06-15 | 株式会社东芝 | 医用图像显示装置 |
CN101797160B (zh) * | 2009-02-04 | 2012-07-18 | 株式会社东芝 | X射线诊断装置以及图像处理装置 |
US8391574B2 (en) | 2005-11-23 | 2013-03-05 | The Medipattern Corporation | Method and system of computer-aided quantitative and qualitative analysis of medical images from multiple modalities |
CN105451657A (zh) * | 2013-03-15 | 2016-03-30 | 霍罗吉克公司 | 用于导航断层合成堆叠的包括自动聚焦的系统和方法 |
CN109447963A (zh) * | 2018-10-22 | 2019-03-08 | 杭州依图医疗技术有限公司 | 一种脑部影像识别的方法及装置 |
CN109875595A (zh) * | 2019-03-12 | 2019-06-14 | 数坤(北京)网络科技有限公司 | 一种颅内血管状态检测方法及装置 |
CN110934606A (zh) * | 2019-10-31 | 2020-03-31 | 上海杏脉信息科技有限公司 | 脑卒中早期平扫ct图像评估系统及评估方法、可读存储介质 |
RU2763660C1 (ru) * | 2019-10-15 | 2021-12-30 | Байосенс Вебстер (Изрэйл) Лтд. | Детальное представление поднабора на основе локального отображения |
Families Citing this family (47)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7782998B2 (en) * | 2004-12-21 | 2010-08-24 | General Electric Company | Method and apparatus for correcting motion in image reconstruction |
US7532214B2 (en) * | 2005-05-25 | 2009-05-12 | Spectra Ab | Automated medical image visualization using volume rendering with local histograms |
JP2008543482A (ja) * | 2005-06-21 | 2008-12-04 | 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 | 血管を撮像する方法及び装置 |
DE102005036564A1 (de) * | 2005-08-03 | 2007-02-22 | Siemens Ag | Betriebsverfahren für eine bildgebende medizintechnische Anlage und hiermit korrespondierende Gegenstände |
GB0523084D0 (en) | 2005-11-11 | 2005-12-21 | Cancer Res Inst Royal | Imaging method and apparatus |
US8471866B2 (en) * | 2006-05-05 | 2013-06-25 | General Electric Company | User interface and method for identifying related information displayed in an ultrasound system |
DE102006025420B4 (de) * | 2006-05-31 | 2009-04-02 | Siemens Ag | Darstellungsverfahren für zweidimensionale Projektionsbilder und hiermit korrespondierende Gegenstände |
US7831078B2 (en) * | 2006-07-24 | 2010-11-09 | Siemens Medical Solutions Usa, Inc. | System and method for statistical shape model based segmentation of intravascular ultrasound and optical coherence tomography images |
US8023709B2 (en) * | 2006-11-24 | 2011-09-20 | General Electric Company | Vasculature partitioning methods and apparatus |
JP5396004B2 (ja) * | 2007-01-31 | 2014-01-22 | オリンパス株式会社 | 蛍光観察装置および蛍光観察装置の作動方法 |
US20080262344A1 (en) * | 2007-04-23 | 2008-10-23 | Brummett David P | Relative value summary perfusion map |
US20090060366A1 (en) * | 2007-08-27 | 2009-03-05 | Riverain Medical Group, Llc | Object segmentation in images |
EP2265937A1 (en) * | 2008-03-27 | 2010-12-29 | Analogic Corporation | Method of and system for three-dimensional workstation for security and medical applications |
US20110262022A1 (en) | 2008-10-02 | 2011-10-27 | Ting Yim Lee | System and method for processing images |
JP5366577B2 (ja) * | 2009-02-04 | 2013-12-11 | 株式会社東芝 | 医用画像処理装置 |
JP5416761B2 (ja) * | 2009-03-04 | 2014-02-12 | 株式会社根本杏林堂 | 薬液注入装置およびx線ctシステム |
US8977020B2 (en) * | 2010-05-10 | 2015-03-10 | Hitachi Medical Corporation | Image processing device and image processing method |
EP2443994A3 (en) * | 2010-10-19 | 2013-03-13 | Nihon Medi-Physics Co., Ltd. | Apparatus, program and method for determining cerebral blood flow |
WO2012071015A1 (en) * | 2010-11-26 | 2012-05-31 | Agency For Science, Technology And Research | A method for analyzing stroke in a patient at a mobile workstation |
WO2012173976A2 (en) | 2011-06-17 | 2012-12-20 | Carroll Robert G | Methods and apparatus for assessing activity of an organ and uses thereof |
US9064332B2 (en) * | 2012-01-12 | 2015-06-23 | Siemens Medical Solutions Usa, Inc. | Fused-image visualization for surgery evaluation |
WO2014009827A2 (en) * | 2012-07-10 | 2014-01-16 | Koninklijke Philips N.V. | Embolization volume reconstruction in interventional radiography |
US9324143B2 (en) | 2012-09-05 | 2016-04-26 | Mayank Goyal | Systems and methods for diagnosing strokes |
US9486176B2 (en) | 2012-09-05 | 2016-11-08 | Mayank Goyal | Systems and methods for diagnosing strokes |
EP2967479B1 (en) | 2013-03-15 | 2018-01-31 | Hologic Inc. | Tomosynthesis-guided biopsy in prone |
EP2979248A1 (en) * | 2013-03-28 | 2016-02-03 | Koninklijke Philips N.V. | Interactive follow-up visualization |
JP2015000100A (ja) * | 2013-06-13 | 2015-01-05 | キヤノン株式会社 | 脳の感覚野における領野の空間分布を同定する方法、プログラム、及びのその記録媒体 |
EP3060132B1 (en) | 2013-10-24 | 2019-12-04 | Hologic, Inc. | System and method for navigating x-ray guided breast biopsy |
US20150282779A1 (en) * | 2014-04-02 | 2015-10-08 | Yu Deuerling-Zheng | Treating an Ischemic Stroke |
CN104217432B (zh) * | 2014-08-29 | 2017-06-16 | 沈阳东软医疗系统有限公司 | 一种颅内血管包围盒自动规划方法和装置 |
JP6677711B2 (ja) * | 2015-03-24 | 2020-04-08 | 日本メジフィジックス株式会社 | 画像処理装置、画像処理方法、及びプログラム |
GB2538717B (en) * | 2015-05-26 | 2018-01-31 | Siemens Medical Solutions Usa Inc | Method for reducing variability of representations of regions of interest on reconstructions of medical imaging data |
WO2017200527A1 (en) * | 2016-05-16 | 2017-11-23 | Hewlett-Packard Development Company, L.P. | Generating a shape profile for a 3d object |
US10915603B2 (en) * | 2016-12-09 | 2021-02-09 | Korea Advanced Institute Of Science And Technology | Method for estimating suitability as multi-screen projecting type theatre system |
CN110621231B (zh) | 2017-03-30 | 2024-02-23 | 豪洛捷公司 | 用于分层次多级特征图像合成和表示的系统以及方法 |
EP3600051B1 (en) | 2017-03-30 | 2024-05-01 | Hologic, Inc. | Method for synthesizing low-dimensional image data from high-dimensional image data using an object grid enhancement |
WO2018183550A1 (en) | 2017-03-30 | 2018-10-04 | Hologic, Inc. | System and method for targeted object enhancement to generate synthetic breast tissue images |
WO2019003911A1 (en) * | 2017-06-27 | 2019-01-03 | Sony Corporation | MEDICAL IMAGE PROCESSING APPARATUS, MEDICAL IMAGE PROCESSING METHOD, AND CALCULATION SYSTEM |
US10872409B2 (en) * | 2018-02-07 | 2020-12-22 | Analogic Corporation | Visual augmentation of regions within images |
EP3657435A1 (en) | 2018-11-26 | 2020-05-27 | Koninklijke Philips N.V. | Apparatus for identifying regions in a brain image |
US11950877B2 (en) * | 2019-02-05 | 2024-04-09 | University Of Virginia Patent Foundation | System and method for fully automatic LV segmentation of myocardial first-pass perfusion images |
US11587227B2 (en) * | 2019-08-27 | 2023-02-21 | Aidoc Medical Ltd | System for detecting contrast in medical scans |
US11222435B2 (en) * | 2019-11-11 | 2022-01-11 | James R. Glidewell Dental Ceramics, Inc. | Determining rotation axis from x-ray radiographs |
US11585766B2 (en) | 2020-05-29 | 2023-02-21 | James R. Glidewell Dental Ceramics, Inc. | CT scanner calibration |
US20220148172A1 (en) * | 2020-11-10 | 2022-05-12 | Henry Ford Health System | System and method for detecting medical conditions |
CN112599236B (zh) * | 2020-12-09 | 2024-06-04 | 东南大学 | 一种基于ct平扫图像辅助诊断急性缺血性脑卒中方法 |
CN112419340B (zh) * | 2020-12-09 | 2024-06-28 | 东软医疗系统股份有限公司 | 脑脊液分割模型的生成方法、应用方法及装置 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5216602A (en) * | 1989-11-06 | 1993-06-01 | The Board Of Trustees Of The University Of Illinois | Color imaging system |
JP3112025B2 (ja) * | 1990-10-26 | 2000-11-27 | 株式会社日立製作所 | 生体計測装置 |
US6434262B2 (en) * | 1993-09-29 | 2002-08-13 | Shih-Ping Wang | Computer-aided diagnosis system and method |
US6266435B1 (en) * | 1993-09-29 | 2001-07-24 | Shih-Ping Wang | Computer-aided diagnosis method and system |
US6167296A (en) * | 1996-06-28 | 2000-12-26 | The Board Of Trustees Of The Leland Stanford Junior University | Method for volumetric image navigation |
US6032678A (en) * | 1997-03-14 | 2000-03-07 | Shraga Rottem | Adjunct to diagnostic imaging systems for analysis of images of an object or a body part or organ |
US6366797B1 (en) * | 1998-08-25 | 2002-04-02 | The Cleveland Clinic Foundation | Method and system for brain volume analysis |
US6650928B1 (en) * | 2000-11-27 | 2003-11-18 | Ge Medical Systems Global Technology Company, Llc | Color parametric and composite maps for CT perfusion |
DE10100830B4 (de) * | 2001-01-10 | 2006-02-16 | Jong-Won Park | Verfahren zum Segmentieren der Bereiche der weißen Substanz, der grauen Substanz und der Zerebrospinalflüssigkeit in den Bildern des menschlichen Gehirns, und zum Berechnen der dazugehörigen Volumina |
US6792302B2 (en) * | 2001-02-21 | 2004-09-14 | Universite De Lausanne | Method and apparatus for determining treatment for stroke |
US20020196965A1 (en) * | 2001-06-22 | 2002-12-26 | Wallace Edward S. | Image transformation and analysis system and method |
US7130457B2 (en) * | 2001-07-17 | 2006-10-31 | Accuimage Diagnostics Corp. | Systems and graphical user interface for analyzing body images |
US6736776B2 (en) * | 2002-10-11 | 2004-05-18 | Interactive Diagnostic Imaging, Llc | Method for diagnosing and interpreting dental conditions |
-
2004
- 2004-10-25 US US10/971,010 patent/US20050113680A1/en not_active Abandoned
- 2004-10-29 CN CNB2004100878008A patent/CN100431495C/zh not_active Expired - Lifetime
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1915185B (zh) * | 2005-08-18 | 2010-06-23 | 西门子公司 | 用于二维投影图像的图像评定方法和与其对应的对象 |
US8391574B2 (en) | 2005-11-23 | 2013-03-05 | The Medipattern Corporation | Method and system of computer-aided quantitative and qualitative analysis of medical images from multiple modalities |
CN101797160B (zh) * | 2009-02-04 | 2012-07-18 | 株式会社东芝 | X射线诊断装置以及图像处理装置 |
CN102090901A (zh) * | 2009-12-11 | 2011-06-15 | 株式会社东芝 | 医用图像显示装置 |
CN102090901B (zh) * | 2009-12-11 | 2013-07-17 | 株式会社东芝 | 医用图像显示装置 |
CN105451657A (zh) * | 2013-03-15 | 2016-03-30 | 霍罗吉克公司 | 用于导航断层合成堆叠的包括自动聚焦的系统和方法 |
CN109447963A (zh) * | 2018-10-22 | 2019-03-08 | 杭州依图医疗技术有限公司 | 一种脑部影像识别的方法及装置 |
CN109875595A (zh) * | 2019-03-12 | 2019-06-14 | 数坤(北京)网络科技有限公司 | 一种颅内血管状态检测方法及装置 |
CN109875595B (zh) * | 2019-03-12 | 2021-02-09 | 数坤(北京)网络科技有限公司 | 一种颅内血管状态检测方法及装置 |
RU2763660C1 (ru) * | 2019-10-15 | 2021-12-30 | Байосенс Вебстер (Изрэйл) Лтд. | Детальное представление поднабора на основе локального отображения |
US11304645B2 (en) | 2019-10-15 | 2022-04-19 | Biosense Webster (Israel) Ltd. | Local rendering based detail subset presentation |
CN110934606A (zh) * | 2019-10-31 | 2020-03-31 | 上海杏脉信息科技有限公司 | 脑卒中早期平扫ct图像评估系统及评估方法、可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
US20050113680A1 (en) | 2005-05-26 |
CN100431495C (zh) | 2008-11-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN1628611A (zh) | 脑部病症辅助诊断和治疗设备、x射线计算机断层摄影设备 | |
JP7515502B2 (ja) | 陽電子放射断層撮影を用いた腫瘍セグメンテーションのための深層畳み込みニューラルネットワーク | |
US8391576B2 (en) | Device, method and recording medium containing program for separating image component, and device, method and recording medium containing program for generating normal image | |
JP6039156B2 (ja) | 画像処理装置、画像処理方法、及びプログラム | |
US7348564B2 (en) | Multi modality imaging methods and apparatus | |
JP5207649B2 (ja) | 骨または他のカルシウム含有物質と軟部組織内の造影剤との自動差別化方法および装置 | |
CN101052352A (zh) | 图像诊断处理设备和图像诊断处理程序 | |
CN1639725A (zh) | 图像像素编码方法、图像处理方法和针对一个或多个图像像素再现的对象进行定性识别的图像处理方法 | |
JP2004105731A (ja) | コンピュータを利用した医療用画像の処理 | |
CN1838130A (zh) | Cad系统中检查解剖学形状的方法和系统 | |
CN1676101A (zh) | 医用图像处理装置和医用图像的处理方法 | |
CN1943513A (zh) | 一种针对ct图像的处理装置、方法及系统 | |
US8989343B2 (en) | Image processing device, X-ray CT photographic apparatus, and image processing method | |
CN1572253A (zh) | 锥面射束重建设备以及计算机断层摄影设备 | |
WO2013054911A1 (ja) | X線コンピュータ断層撮像装置、医用画像処理装置、及び医用画像処理方法 | |
Estrada et al. | Enhanced video indirect ophthalmoscopy (VIO) via robust mosaicing | |
JP2014221163A (ja) | 画像診断支援装置及び支援方法 | |
US8194945B2 (en) | Computer aided image acquisition and diagnosis system | |
Xiao et al. | A cascade and heterogeneous neural network for CT pulmonary nodule detection and its evaluation on both phantom and patient data | |
CN111343922A (zh) | 放射线断层图像处理装置和放射线断层摄影装置 | |
JP4302180B2 (ja) | 局所血流動態に関するインデックスを演算する方法及び装置 | |
JP4714228B2 (ja) | 脳組織内毛細血管の血流動態に関するインデックス演算方法、装置及び記憶媒体 | |
JP4357928B2 (ja) | 脳虚血診断支援装置及びx線コンピュータ断層撮影装置 | |
Li et al. | Ultra-low Dose CT image denoising based on conditional denoising diffusion probabilistic model | |
JP5061131B2 (ja) | 器官表面画像の表示装置及び方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
C41 | Transfer of patent application or patent right or utility model | ||
TR01 | Transfer of patent right |
Effective date of registration: 20170301 Address after: Japan Tochigi Patentee after: Toshiba Medical System Co., Ltd. Patentee after: The Johns Hopkins University Address before: Tokyo, Japan, Japan Patentee before: Toshiba Corp Patentee before: Toshiba Medical System Co., Ltd. Patentee before: The Johns Hopkins University |