CN1666710A - 用于产生检查对象结果图像的方法 - Google Patents

用于产生检查对象结果图像的方法 Download PDF

Info

Publication number
CN1666710A
CN1666710A CNA2004100942324A CN200410094232A CN1666710A CN 1666710 A CN1666710 A CN 1666710A CN A2004100942324 A CNA2004100942324 A CN A2004100942324A CN 200410094232 A CN200410094232 A CN 200410094232A CN 1666710 A CN1666710 A CN 1666710A
Authority
CN
China
Prior art keywords
model
image data
cross
sectional image
master pattern
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
CNA2004100942324A
Other languages
English (en)
Inventor
马丁·坦克
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Siemens AG
Original Assignee
Siemens AG
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 Siemens AG filed Critical Siemens AG
Publication of CN1666710A publication Critical patent/CN1666710A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/02—Devices for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computerised tomographs
    • A61B6/032—Transmission computed tomography [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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves  involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00—Manipulating 3D models or images for computer graphics
    • 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
    • G06T7/12—Edge-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/149—Segmentation; Edge detection involving deformable models, e.g. active contour models
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/45—For evaluating or diagnosing the musculoskeletal system or teeth
    • A61B5/4504—Bones
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/45—For evaluating or diagnosing the musculoskeletal system or teeth
    • A61B5/4528—Joints
    • 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
    • G06T2207/30008—Bone
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2210/00—Indexing scheme for image generation or computer graphics
    • G06T2210/41—Medical

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Theoretical Computer Science (AREA)
  • Radiology & Medical Imaging (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Veterinary Medicine (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Software Systems (AREA)
  • Optics & Photonics (AREA)
  • Pulmonology (AREA)
  • Computer Graphics (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)
  • Image Processing (AREA)
  • Image Generation (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及一种根据检查对象截面图像数据自动产生其结果图像的方法。根据诊断问题确定截面图像数据(D)中的目标结构(Z)，相应于该目标结构选择解剖学标准模型(M)，其几何形状根据模型参数(tx，ty，tz，rx，ry，rz，d0)可变。该标准模型自动与目标结构匹配。将截面图像数据根据匹配的标准模型分段，根据诊断问题将检查对象的相关解剖学结构分开，其中，选择截面图像数据中的所有那些图像点，它们位于相应于相关解剖学结构匹配的标准模型和/或至少一个模型部分(T1，T2，T3，T4，T5)的轮廓内或与其最大偏差特定的差值。最后将相关的解剖学结构分开显示和/或为过后的显示存储。此外还涉及相应的图像处理系统。

Description

用于产生检查对象结果图像的方法
技术领域
本发明涉及根据所涉及的检查对象的截面图像数据自动产生检查对象的结果图像的方法。此外，本发明涉及用以执行这样的方法的图像处理系统。
背景技术
通常借助如计算机X射线断层摄影、磁共振断层摄影和超声设备等模态机的截面图像产生的检查结果产生所涉及的检查对象的多截面图像系列。为了计划其它检查和/或设置诊断，在许多情况下这些截面图像必须在检查期间已经或者在检查后立即被继续处理。在此这样的检查的运行通常通过诊断问题来确定。在此在大多数情况下在产生概略图像后立即较精确地检查特定的器官或者器官系统。为此的一个例子是患者临床有关膝部病变的检查。在产生膝部较少的截面图像系列后首先确定关于膝部内部结构可能存在的病理学的中间诊断，并且然后在这一基础上进行膝部所涉及的区域的继续检查。通常，为建立这一中间诊断例如放射设备的操作者或者MTRA(医学技术放射设备助理)必须分析单个的概略图像，然后决定采取的措施。这样的中间诊断的确定需要不可低估的时间花费，因此使整个检查流程变坏。另一个问题在于，在截面图像数据中识别特定的内部结构的病理学，特别是在非常复杂的解剖学结构中，可能特别困难，而需要一些经验。因此可能容易导致错误的中间诊断。这可能导致截面图像检查质量的变坏。
也就是说，已经知道不同的方法为在截面图像中的特定感兴趣的结构产生单个模型，以及这些模型用于诊断支持和用于干涉计划。例如在WO 99/55233中说明了一种用于心脏超声图像的基于模型的分析方法，其中半自动地(通过把一个模型与三个手工检测的解剖学标记匹配)产生和分析被检查人员的单独的心脏模型。此外在DE 10311319A1中说明了一种方法，其中根据CT图像同样在使用三个手工确定的解剖学标记的情况下产生用于计划心脏干涉方法的心脏的单个3D模型。此外，在US 2003/0097219中说明一种方法，其中根据解剖学标记半自动地产生左心室的模型。最后在WO 00/32106中说明了一种方法，借助呼吸道或者消化道的个性化模型执行虚拟的内窥镜检查。然而在所有这些方法中总是只输出一个模型，并且在此基础上的诊断或者干涉计划与此相应非常依赖于所产生的模型的质量。
发明内容
因此本发明的任务在于，提供一种根据已经建立的截面图像数据自动产生检查对象的结果图像的方法和图像处理系统，使用所述方法和系统能够相当简单地、迅速地、和可靠地建立诊断、特别是用于继续进行检查的中间诊断。
根据本发明的方法，首先根据诊断问题自动确定截面图像数据中的感兴趣的目标结构。然后相应于这一目标结构选择解剖学标准模型，其几何形状根据模型参数可变。在这件事情上可以把不同的解剖学模型在一个数据库中进行管理，其中对每一个要检查的器官至少有一个包括该器官的相应的解剖学标准模型与之对应。然后把该标准模型自动与截面图像数据中的目标结构匹配，亦即相应于该目标结构个性化。接着根据匹配的标准模型把截面图像数据分段，其中根据诊断问题把检查对象的感兴趣的有关解剖学结构分开，其中，选择在截面图像数据中的所有那些图像点，它们位于相应于相关解剖学结构的匹配的模型和/或至少一个模型部分的轮廓内，或者与其最大偏差特定的差值。在此这一选择可以采取这种形式，即去除所涉及的图像点或者去除所涉及的模型或者模型部分的所有其余的图像点，亦即把所涉及的图像点剪去。这里“模型部分”理解为标准模型的一个部分，例如一个头盖骨模型的颅底骨。在此可以准确地把该模型部分与真正要检查的器官(部分)相对应。接着把相关的解剖学结构分开显示和/或为以后的显示进行存储。
在此这一显示可以以2维或者3维方式例如在所涉及的模态机的操作台的屏幕上或者在通过网络连接的工作站的屏幕上进行。同样该结果图像可以向打印机、电影制作站等输出。相关解剖学结构的分开显示可以以这种形式进行，即例如按照爆破图方式在结果图像中把所涉及的器官的所有单个部分彼此分开显示。此外单个结构也可以在单个结果图像上显示，它们可以由建立该诊断的人交替地、连续地或者并行地在不同的打印件、屏幕窗口等上观看。在3维显示中这一点优选这样进行，即操作者交互地在一个相应的用户接口上在空间虚拟旋转该结构或者单个的结构，使得可以从所有侧面观察。此外除像上面已经提到的简单地表示结构表面的所谓的SSD(Surface Shaded Display(表面影线显示))表示方式外，对于单个的相关结构每次使用适当的表示方式，像VRT(Volume Rendering Technique(体积着色技术))、MPR(MultiplanarReconstruction(多平面再现))、MIP(Maximum Intensity Projection(最大强度投影))等。
通过建议的方法可以根据标准模型把截面图像数据分段，亦即拆成所有与诊断相关的部分。通过随后分开显示结果图像中的不同的解剖学结构，特别是对于较少经验的人员也能非常容易地得到正确的中间诊断。因此本方法在截面图像检查期间导致快速建立并保证中间诊断，由此可以减少整个检查时间同时改善检查结果的质量。此外该方法可以帮助原来由医生进行的诊断在检查之后优化。与开始时提到的、迄今已知的方法不同，在此显示的是感兴趣的结构的实际测量和分段的体积数据，而不是该结构的模型。
在此，与如在US 6,556,696 B1中所说明的经典的阈值方法或者区域增长方法相反，根据个性化了的模型的分段具有该方法还可以应用在下述场合的优点，在这种场合中要分开的结构不能通过截面图像数据中的强对比度跳跃而识别。
根据本发明的图像处理系统为此首先需要一个用于接收测量的截面图像数据的接口；一个目标结构确定单元，用于根据诊断问题确定截面图像数据中的目标结构；一个存储设备，具有多个用于截面图像数据中的不同目标结构的解剖学标准模型，优选以数据库的形式，其几何形状可分别根据特定的模型参数改变；一个选择单元，用于选择相应于确定的目标结构的一个解剖学标准模型。此外该图像处理系统需要一个适配单元，用于把选择的标准模型与截面图像数据中的目标结构进行匹配；一个分段单元，用于将截面图像数据根据匹配的标准模型分段，其中根据诊断问题把检查对象的相关解剖学结构分开，在此选择在截面图像数据中的所有那些图像点，它们位于相应于相关解剖学结构的匹配的标准模型和/或至少一个模型部分的轮廓内，或者与其最大偏差特定的差值。接着需要一个显示设备，用于把相关的解剖学结构自动分开显示和/或为后来的显示存储。这里“显示设备”理解为一个这样的设备，它这样准备分段的截面图像数据，使得能够把相关的结构例如在屏幕上或者在其它连接在图像处理系统上的输出单元上分开一个接一个地显示和单个地观察。
在一个优选的变形中在将标准模型与目标结构进行匹配期间分别根据特定的偏差函数确定被修改的标准模型和目标结构的几何形状之间的当前偏差值。由此可以全自动执行这一匹配，以此简单地使偏差值最小。
在此自动匹配可完全在后台进行，使得操作者可以转向其它的工作，特别可以在图像处理系统中进行希望的结果图像显示的操作台上并行处理其它的图像数据和/或控制其它的测量。但是也可以在自动执行方法期间在屏幕上或者在该屏幕的一个部分区域显示过程参数，使得使用者能够控制匹配过程的进展。
优选向操作者显示偏差函数的当前值。特别在用户界面的其余部分为操作者的其它工作空闲时也可以把偏差值在屏幕上例如在一个任务栏或者类似栏目中长久显示。
优选为操作者提供下面的可能性，即根据需要干涉自动匹配过程和手工建立各个模型参数。在此以有利的方式为操作者显示当前的偏差值，使得他在改变所涉及的模型参数时立即看到是否能够和以何种措施通过他的行动使几何偏差最小。在此特别还可以为每一模型参数规定单个的偏差值以及代替总偏差值或者在其之外将该单个的偏差值显示。为此的一个典型的例子是在终端的图形用户界面上显示目标结构和/或要匹配的标准模型或者该对象的至少部分，其中用户例如借助键盘或者借助于指示设备如鼠标或者类似设备能够匹配特定的模型参数、例如在模型上的点之间的距离。然后借助连续条或者以相似的良好的光学识别方式向用户显示，通过他的行动该偏差减小到何种程度，在此特别是一方面显示该模型的总偏差另一方面显示有关具体的当前模型参数的匹配的偏差，例如对于模型中两点之间距离的情况，将两点的差显示为目标结构中的所涉及点之间的距离。
在一个特别优选的实施例中在分段前自动检验，在将标准模型与目标结构匹配时是否达到低于预先规定的阈值的一个最小偏差值。亦即检验该模型对数据组中的目标结构的偏差是否足够小。仅当在这种场合，才根据该模型进行所测量的数据组的自动分段。否则为另外手工处理截面图像数据中断该方法。以这种方式可靠地防止在模型与测量的数据组偏差很大时执行错误的自动分段，根据该自动分段可能导致错误的诊断和显示的解剖学结构。
此外除简单地分开显示相关的解剖学结构外还特别优选能够根据标准偏差检验解剖学结构。亦即自动确定所涉及的解剖学结构与一个个性化模型或者模型部分的偏差。
为此优选使用仅以特定方式个性化了的标准模型或者模型部分。在个性化为这样识别标准偏差而应该使用的比较标准模型时，必须保证只执行这样的变换，即该比较标准模型或者所涉及的标准模型部分的几何形状自身不具有任何病变。所确定的偏差然后可以与解剖学结构一起用图形显示。例如它可以以显示的数据组在屏幕上为用户标记。此外还可以通过声音信号不致错误理解地向用户显示这样的偏差。这样可以以简单的方式自动确定所检查的解剖学结构的病变并向用户对此进行提示。
在本方法的一个改进中还可以根据确定的标准偏差将检查对象自动分类。例如可以自动确定是否需要继续检查，是的话，执行什么样的检查。在此还给操作者把该分类仅作为建议说明，以便使用户然后赞成该建议，并无需很大的开销执行另外的检查，或者操作者可以简单地拒绝该建议，以便以常规方式主动决定是否执行和执行哪些详细检查。
解剖学标准模型的个性化，亦即对目标结构的匹配原理上可以使用任意适宜的个性化方法执行。解剖学模型个性化的思想一般可以简化地这样表达，即在相应于3维模型的3维变换中寻找一个几何学变换，它使模型在具体的计算机X射线断层摄影数据组、核磁共振断层摄影数据组、或者超声数据组中优化地匹配。能够分配给该模型的几何形状的全部信息在此同样被个性化。在医学图像处理中用于特定优化变换参数的这样的方法也称为登记或者匹配方法。其中，根据使用哪种几何变换，区分为所谓的刚性的、仿射的(affinen)、透视的和塑性的方法。这些登记方法例如迄今为下面的目的使用，即为使两个或者多个图像结合在一个总的图像中，或者使解剖学图集与图像数据匹配。各种这样的方法在WO 01/45047 A1、DE 69332042 T2、WO 01/43070 A1和DE 19953308A1中说明。
为数学处理个性化问题，如已经说明的通常使用描写任意变换后的模型与目标结构的偏差的偏差函数。在此偏差函数的类型取决于所使用的解剖学标准模型的各类型。
可应用的数字解剖学标准模型原则上可以以不同方式构造。一种可能例如是解剖学结构在体元基础上的模型化，其中为编辑这样的体积数据需要专门的软件，这些软件一般很贵并且较少推广。另一种可能是使用所谓的“有限元”进行模型化，其中通常从四面体构造模型。但是对于这种模型也需要专门且昂贵的软件。较多推广的是通过三角测量的解剖学边界平面的简单模型化。相应的数据结构通过多个标准程序由计算机图形学支持。根据这一原理构造的模型被称为所谓面向表面的解剖学模型。这里涉及解剖学结构模型化的一个最小的公分母，因为不仅从刚才提到的体积模型通过体元的测量而且也通过有限元方法的四面体的转换可导出相应于三角形的表面模型。
因此提供了使用在三角形基础上构造的、面向表面的模型作为标准模型的情况。一方面，使用这种方法能最简单和费用最适宜地产生模型，另一方面，可以通过相应的变换接受以另外的形式产生的模型，特别是所述体积模型，使得不用新建立相应的模型。
为新建立这样的表面模型，例如可以用相应的开销使用经典手工方法分段截面图像数据。从如此获得的关于单个结构例如单个器官的信息，最后可以生成模型。为得到人的骨骼模型，例如也可以借助激光扫描器测量人的骨骼，或者使用计算机X射线断层摄影进行扫描和分段以及三角测量。
在这样的模型中例如可以根据最小平方法定义偏差函数，其中使用该函数由相对于目标结构变换后的模型三角形的位置中计算出用于偏差的尺度。
在本发明的一个特别优选的实施例中使用一种弹性登记方法。为尽可能快地找到偏差函数的最小值，在此优选使用一种多级方法。例如可以在一个三级方法中首先借助于一个适当的定位，即平移、旋转和缩放，粗略匹配模型。接着可以在第二步骤中执行体积变换，以便得到较好的校准。之后在第三步骤中执行精调，以便使模型与结构局部最优匹配。
特别优选地，为了个性化使用层次参数化的标准模型，其中根据模型参数对模型的总的解剖学几何形状的影响而对其进行分层次排序。然后以多个迭代步骤进行标准模型的个性化，其中，随着迭代步骤数量的增加的同时，在各迭代步骤中可以调整的模型参数的数目(由此在模型变换中自由度的数目)对应于该参数分层的级提高。通过这一方法保证，在个性化时首先调整对模型总的解剖学几何形状有最大影响的模型参数。然后，逐步调整仅对总几何形状的一部分有影响的下级模型参数。由此在模型匹配时保证有效的并因此是节省时间的优选方式，而不依赖该匹配是全自动进行还是操作者手工干预该匹配方法。在一个(部分)手工的方法中，这点例如可以通过下述实现，即在每个迭代步骤中仅允许操作者例如借助于图形化的用户界面、根据参数的分层级改变各模型参数。
优选给每一层次级分配模型参数。这意味着，不同的模型参数在必要时也可以分配在同一层次级，因为它们对该模型的总的解剖学几何形状具有大致相同的影响。然后可以在一个规定的迭代步骤中把所有的模型参数为进行调整另外新纳入一个规定的层次级。然后在下一个迭代步骤中把这些模型参数另外纳入位于其下的层次级。
将模型参数分配到层次级可以根据在模型几何形状中当所涉及的模型参数改变特定的值时所出现的偏差进行。在此在一个特别优选的方法中，使不同的层次级对应特定的偏差范围，例如数值偏差范围。也就是说例如为将参数分配到一个层次级，改变该参数并计算输出状态下的该几何形状改变了的模型所产生的偏差。在此该偏差的度量取决于所使用的标准模型的类型。起决定作用的仅仅是，确定一个精确定义的偏差度量，该偏差度量尽可能精确地对模型在有关模型参数变化之前和之后的几何变化进行量化，以便保证将不同模型参数对模型几何形状的影响进行实际的比较。因此，为了能够对几何形状影响进行直接的比较，优选地对于每个产生类型(例如，对于其中模型的两点之间的距离变换的距离参数，或者对于其中模型的三点之间的角度变化的角度参数)使用统一的步长。然后，简单地通过对该偏差度量给出数字间隔来将这些参数划分到分层级。在使用在三角形基础上产生的表面模型的情况下，对于在未改变的标准模型和一个参数变动后改变了的标准模型之间的偏差，优选地在对在不同状态下的模型的对应三角形的几何距离的和的基础上进行计算。
优选地，在最上面的分层级中(其模型参数在第一迭代步骤中就可以立刻设置)至少配置这样的模型参数，即这些参数改变时规范模型全程发生变动。此外，例如整个模型转动的所谓新参数是围绕三个模型轴的，平移是沿三个模型轴的，而整个模型的缩放是沿三个模型轴的。
各个模型参数的层次安排基本可以在截面图像数据的分段期间进行。那时例如在每个迭代步骤中首先检验哪些另外的参数对几何形状有最大的影响，然后增加这些参数。然而因为由此与极大的计算开销相联系，因此特别优选事先执行模型参数到层次级别中的分类或者安排，例如在产生该标准模型时已经进行，不过至少在通常为以后选择把标准模型向模型数据库中存储之前进行。
也就是说优选事先在一个为产生标准模型的独立方法中把有关其对模型的总的解剖学几何形状的影响的模型参数进行层次安排，所述标准模型为用于上述产生结果图像的方法可供使用。在此同样可以相应于层次级分配模型参数，其中一个参数对一个层次级的分配再次根据在模型几何形状中当所涉及的模型参数改变特定的值时所出现的偏差进行。在用于产生标准模型的单独的方法中模型参数的层次安排的这一方式具有下面的优点，即对每一标准模型只需执行一次模型参数层次级别的计算，因此在分段期间可以有价值地节省计算时间。层次级别可以以相对简单的方式与标准模型一起存储，例如通过把参数安排在层次级别中、或者使用相应的标记等连接而在一个文件头或者在还包含所涉及的标准模型的其它数据的文件的另一标准化位置存储。
在一个特别优选的实施例中模型参数分别这样与该模型的至少一个解剖学标记的一个位置相关联，使得该模型对每一参数数据组具有一个有解剖学意义的几何形状。为此的一个典型的例子一方面是全局参数如总模型的旋转或者平移，此时全部模型参数相应适当地彼此在位置上改变。另外的模型参数例如是在两个解剖学标记之间的距离或者在三个解剖学标记之间的角度，例如用于确定膝盖位置。
模型参数对选择的医学上有意义的标记的这种耦合具有下面的优点，即在个性化后总可能有一个诊断结论。而且在解剖学专业文献中这种解剖学标记的位置被精确说明。通过这样的先行处理，分段的执行因此变得容易，因为一个受过医学培训的用户，例如医生或者MTA熟悉这些解剖学标记，并基本上可以用其确定解剖结构。
为自动确定在分层图像数据中的被分开的部分对象的目标几何形状，存在不同的可能。一种选择在于使用所谓的“阈值方法”。这种方法以这种方式作用，即把单个体元即单个3D图像点的强度值(在计算机X射线断层摄影中称为“Houns域值”)与一个固定调准的阈值比较。如果该体元的值超过该阈值，则把该体元认为是一个规定的结构。然而这种方法在磁共振方法中主要用在对患者的造影剂检查或者识别患者的皮肤表面。在采用计算机X射线断层摄影时这种方法另外还为识别特定的骨骼结构使用。该方法一般不适合于识别其它组织结构。因此在一个优选的方法中至少部分地通过轮廓分析方法确定目标几何形状。这样的轮廓分析方法根据在相邻图像点之间的梯度工作。专业人员熟悉不同的轮廓分析方法。这种轮廓分析方法的优点在于不仅在计算机X射线断层摄影截面图像数据而且在磁共振截面图像数据以及在超声截面图像数据中可稳定使用。
图像处理系统的目标结构确定单元、选择单元、适配单元和分段单元以及显示单元可以特别优选以软件的形式在图像计算机的一个相应适宜的处理器上实现。这一图像计算机应该具有一个用于接收图像数据的相应的接口和一个用于解剖学标准模型的适宜的存储设备。在此该存储设备不一定必须是该图像计算机的一个集成部分，而只要该图像计算机能够访问一个适宜的外部存储设备就已足够。为完整起见这里要提醒，不一定强制要求不同的部件在一个处理器或者在一个图像计算机中存在，而是这些不同的部件也可以分布在多个处理器或者彼此联网的计算机上。
以软件形式实现本发明的方法具有下述优点，即通过适宜的更新能够相对简单地对已有图像处理系统进行相应的后装备。在本发明的图像处理系统中，也可以特别涉及一个用于记载截面图像数据自身的模态机的控制单元，其具有用于按照本发明处理截面图像数据所需要的部件。
附图说明
下面根据实施例参考附图详细说明本发明。其中，
图1是根据本发明的图像处理系统的一个实施例的原理表示，该图像处理系统通过数据总线与一个模态机和一个图像数据存储器连接，
图2是根据本发明方法的一种可能的运行的流程图，
图3是用于模型个性化的优选方法的详细流程图，
图4示出在计算机X射线断层摄影的截面图像中的人头盖骨的可能的目标结构，
图5示出人头盖骨的表面模型，
图6A示出按照图4的目标结构，其具有按照图5尚未匹配的表面标准模型(无下颌骨)，
图6B示出按照图6A的目标结构和标准模型，但具有在目标结构上部分匹配的标准模型，
图6C示出按照图6B的目标结构和标准模型，但具有与目标结构进一步匹配的标准模型，
图7A示出按照图5的头盖骨标准模型，其以爆破图(Sprengzeichnung)的形式分成多个部分模型分开显示，
图7B示出从另一观察方向按照图7A的头盖骨标准模型的一部分，
图8示出在按照图5的头盖骨标准模型上的解剖学标记。
图9示出在三角形基础上建立的人骨盆的表面模型。
具体实施方式
在图1中示出的根据本发明的图像处理系统1的实施例主要由图像计算机10和与其连接的操作台5组成，后者例如具有图像显示器6、键盘7和指示装置8，这里是一个鼠标。通过操作台5或者另外的用户接口，例如可以由操作者输入诊断问题，或者用预先给定的诊断问题从数据库中选择。
图像计算机10可以是以通常方式构造的计算机，例如工作站，它还可以用于其它图像分析和/或控制图像拍摄设备(模态机)，如计算机X射线断层摄影仪、磁共振断层摄影仪、超声设备等。图像计算机10中的主要部件通常有处理器11和接口13，以便接收患者P的截面图像数据D，这些数据由模态机2、这里是磁共振断层摄影仪2测得。
在图1示出的实施例中模态机2与控制设备3连接，后者又与总线4连接，图像处理系统1也连接于该总线4上。此外，在总线4上连接有海量存储器9，用于中间存储或者长期存储由模态机2所记录的图像和/或由图像处理系统1进一步处理的图像数据D。不言而喻，在总线4上在构造一个较大的网络的条件下还可以连接其它在通常的放射学信息系统(RIS)中存在的部件，例如另外的模态机、海量存储器、工作站、输出设备(像打印机)、电影制作站(Filming-Station)等。同样也可以与外部网络或者与其它的RIS连接。在此，优选将所有数据按所谓的DICOM标准(Digital Imaging and Communication inMedicine，医学中的数字成像和通信)格式化，以便在各个部件之间进行通信。
对模态机2的控制以通常方式在控制设备3的控制下实现，控制设备3还从模态机2获取数据。控制设备3为现场操作可以具有自己的操作台，不过它在这里没有示出。但是还可以使操作例如通过总线借助一个位于模态机附近的单独的工作站实现。
图2表示根据本发明方法产生检查对象结果图像的典型流程。
首先，在第一方法步骤I中根据预先给定的诊断问题在截面图像数据D中确定目标结构。这一点优选全自动实现，例如借助已经提到的轮廓分析。对于特定的结构和特定的拍摄方法，也可以使用阈值方法，像已经在再前面提到的。截面图像数据D例如可以直接从模态机2或者其控制设备3经由总线4传送到图像计算机10。但是也可以是在一定时间前已经采集并存储在海量存储器9中存储的截面图像数据D。
然后在步骤II选择一个相应于目标结构Z的标准模型M。该步骤也可以并行于或者先于确定目标结构的方法步骤I进行，因为要确定的目标结构Z通过现有技术的诊断问题已知。在此图像计算机10具有一个存储器12，其具有用于不同的可能的解剖学结构的各种标准模型。在此所涉及的通常是由多个模型部分组成的模型。
为此，一个典型的例子可以根据膝盖检查说明，其中诊断问题针对查明膝盖中的特定结构。于是首先在拍摄的截面图像数据中确定膝盖的目标结构，例如该膝盖的外骨表面。为此适用的膝盖模型例如由模型部分“大腿骨”、“胫骨”、“膝盖骨”和单个的半月板组成。然而在涉及患者头部例如对怀疑头盖骨破裂进行检查的诊断问题中，可以从截面图像数据中将头盖骨的骨表面结构确定为目标结构。图4示出了从患者的计算机X射线断层摄影数据得到的一个这样的目标结构。图5示出一合适的头盖骨标准模型，其包括作为(在该图中可识别)模型部分的前额骨T1、右头顶骨T2、左头顶骨T3、颜面骨T4和下颌骨T7。该模型因为利用连贯的表面显示所以其辨识性更好。实际上该模型构建在三角形基础上。图9示出骨盆的相应表面模型。
通过选择单元14选择合适的模型M，而确定结构通过结构确定单元17进行，它们在这里以软件的形式在图像计算机10的处理器11中实现。其在图1中原理示出。
接着在方法步骤III中通过所谓的“弹性记录方法”进行该模型的个性化。但是原则上也可以使用其它个性化方法。标准模型M与目标结构的这种匹配在适配单元15中进行，如在图1中原理示出的那样，它同样以软件模块的形式在图像计算机10的处理器11中实现。
个性化过程的优选实施例在图3中以流程图的形式较精确地原理性示出。在该匹配过程中，在多个迭代步骤S中改变各个模型参数，直到最后所有的参数都被个性化，或者个性化被足够地进行，亦即在标准模型M和目标结构Z之间的偏差最小，或者低于预定的阈值。在此每一迭代步骤S包括多个处理步骤IIIa、IIIb、IIIc、IIId，它们以循环方式运行。
该循环或者说第一迭代步骤以方法步骤IIIa开始，在其中，首先为平移、旋转和缩放确定优化参数。这些是最上层(下面称“0”级)层次级的参数，因为这些参数对总的几何形状起作用。平移的三个参数tx、ty、tz和围绕三个模型轴旋转的三个参数rx、ry、rz在图5中原理性示出。
如果这一匹配能够尽可能地执行，则在后一步骤IIIb中通过已经确定的参数来估计尚未确定的模型参数。这意味着从确立的上层参数估计下层参数的开始值。对此的一个例子是从用于身高的缩放参数的设置来估计膝盖宽度。该值为后面所涉及的参数的设置作为输出值输出。以这种方式可以极大地加速这一方法。
然后在方法步骤IIIc中优化地设置所涉及的参数。
在所示实施例中根据参数对模型的总的解剖学几何形状的影响而对其进行排序。一个参数对几何的影响越大，则其在层次结构中就处于越上层。随着迭代步骤S的数目的增加，相应于该层次级别的可调整的模型参数的数目也增大。
亦即在第一迭代步骤S或者在该循环的第一次运行中在步骤IIIc为设置该模型仅使用第0层次级以下的第1层次级的参数。然后在第二次运行时能够首先使该模型在方法步骤IIIa中进行新的平移、旋转和缩放。接着在方法步骤IIIb中通过已经确定的参数估计第2层次级尚未确定的参数，这些参数然后在步骤IIIc中被引入用于调整。这一方法然后被n次重复，其中在第n次迭代步骤中第n级的所有参数都被优化，并且在迭代步骤S的最后步骤IIId再次声明，是否还有迄今尚未被优化的可供使用的其它参数。接着又开始一次新的第(n+1)次迭代步骤，其中首先重新把该模型进行移位、旋转和缩放，接着可以依次再次调整所有参数，在此现在第(n+1)级参数也可供使用。接着在方法步骤IIId重新检验是否所有参数都被个性化，亦即是否还存在尚未优化的参数，或者是否已经达到所希望的匹配。
图6A到图6C示出这样的匹配过程的非常简单的情况。在这些图中，为了更加明了再次以连续的表面重新示出模型M。图6A示出具有相对移位的模型M的目标结构。通过一次简单的平移、旋转和缩放然后可以得到在图6B中表示的图像，在该图像中模型M已经较好地与目标图像Z匹配。通过调整另外的、下层的参数，最终得到图6C中示出的匹配。
通过上述迭代方法可以保证实现尽可能节省时间的和有效的匹配。其中在匹配期间可以在操作台5的图像屏幕上随时显示目标结构Z和所属模型M以及当前计算的偏差值或者当前计算的一个偏差函数的值。此外，该偏差也可以像在图6A到6C示出的那样被显示。另外，偏差的显示还可以通过给出相应的颜色实现。
下层的层次级产生于对几何形状影响的定量分析。为此要改变每一个参数并对输出状态计算几何形状改变了的模型的结果偏差。当使用如图9所示基于三角形的表面模型时，这些偏差例如可以通过对相应模型三角形的几何距离的和来量化。通过对偏差的数值区间的预设，然后可以把参数分为层次级。在此完全有可能不同的参数落入同一层次级。除别的事项外这点依赖于偏差的数值区间的宽度。在同一层次级中的这些参数如上所述在一个特定的迭代步骤S内为了改变而同时被首次提供，或者在自动匹配方法中相应地自动改变。
如已经说明的，优选在该方法中使用与该模型的特定的解剖学标记的一个或者多个位置直接相关的模型参数。这一方面具有只执行该模型的有医学意义的变换的优点。另一方面，它具有受过医学培训的用户通常了解这些解剖学标记、并因此可以很好处理这些参数的优点。对于这些参数例如有图8中在头盖骨模型上标记的解剖学标记L、L1、L2的位置或者各个标记之间的距离，例如在眼眶(眼窝)中点的解剖学标记L1、L2之间的距离d0。为在自动匹配过程中由操作者手工操作调整眼窝的这一距离d0，操作者例如可以通过鼠标选择一个解剖学标记L1、L2并交互地改变其位置。于是该模型的几何形状一起自动地适当改变。
在包含标准模型M的两个解剖学标记之间的距离的模型参数的变形中，优选将该标准模型的几何形状在沿这些解剖学标记之间的直线的区域内正比于距离的变化而改变。在包含将第一解剖学标记的位置相对于相邻标记变化的模型参数的变形中，优选将标准模型M的几何形状在围绕所涉及的第一解剖学标记的环境中在所涉及的相邻标记的方向上一起适当地改变。在此该变形有利地随与所涉及的第一解剖学标记的距离的增加而减少。亦即，该变形在围绕该标记的近区域内要比在远离它的区域中强，以便达到在图中所示的效果。但是也可以设想另外的变换规定，只要这些规定能执行有解剖学意义的变换。通常这取决于各选择的模型。
根据头盖骨模型上的解剖学标记L、L1、L2，还可以说明一个典型的例子，其中设置两个位于不同层次级的标记之间的距离。于是在图8中所示的头盖骨模型不仅通过两个眼窝的距离d0确定，也可通过两个茎突(processi styloidei)之间的距离参数化，这里茎突涉及的是颅底内骨上的小骨突起(在图8的视图中不可见)。这里给出眼窝距离的第一参数的几何学效果大于给出茎突之间距离的第二参数的几何学效果。这允许在参数改变时通过模型的几何形状变化可检查到1毫米。因为茎突涉及相对小的结构，因此模型的几何学改变限制在这些骨突起的小区域内。与此相对眼窝则大得多。在眼眶距离改变时该模型的多个部分将改变它们的几何形状从而导致偏差增大。因此眼眶距离的参数比茎突距离的改变位于高许多的层次级，因为原则上具有对参数层次较大的几何作用距离的参数比更多是具有局部影响的参数处于更高的位置。
如果最后所有可调整的参数都被个性化或者偏差函数达到其最小值，则在方法步骤IV检验，该个性化的标准模型的偏差对数据组亦即对于目标结构是否充分小。这里例如可以检验当前达到的偏差值是否低于一个边界值。如果不是，则该自动处理被中断，而以常规方式进行其它的处理，如在此作为方法步骤V示意性示出的那样。即由操作者手工分析图像数据，并进行手工的中间诊断。在这种中断的情况下以有意义的方式向操作者输出一个相应的信号，以便操作者立即知道他必须手工继续处理运行的过程。
反之如果实现了标准模型M与目标结构Z的充分匹配，则在方法步骤VI执行分段。这一点在分离单元16中进行，如在图1中所示，它同样作为在处理器11中的软件模块实现。在此选择截面图像数据中所有那些图像点，其相应于按照诊断问题相关的解剖学结构位于该模型或者模型的特定部分的轮廓内。在此例如删除所有多余的数据，仅留下所希望的图像点。
在方法步骤VII，全自动准备全部分段的数据，使得可以采取希望的结果图像形式分开显示诊断相关的解剖学结构。这一点借助于图形用户界面实现。为此可以使用一个用于表示3维对象的商业程序，这样例如通过相应于一个这样的程序的接口的显示单元来准备分开的、相关(部分)结构的数据。
在图7A和7B中示出例如在头盖骨检查中相关结构可以什么形式进行显示。所显示的分别是按照图5的头盖骨标准模型。图7A示出按照爆破图显示的该模型M，其中主要的模型部分T1、T2、T3、T4、T5、T6、T7在一个结果图像上被彼此分开地示出。这里各部分具体涉及额骨T1、右顶骨T2、左顶骨T3、面骨T4、后枕骨T5、包括后枕骨T5的一部分的颅底骨T6、和下颌骨T7。在图7A中面骨T4和颅底骨T6(包括后枕骨T5)尚在一起作为一个部分。所有部分结构或者模型部分T1、T2、T3、T4、T5、T6、T7可以由用户在图形用户界面上分开标记，例如通过鼠标“点击”和通过虚拟转动和缩放在空间中从所有方面分开检查。图7B中示出由面骨T4和颅底骨T6(包括后枕骨T5)组成的、连接在一起的头盖骨部分从上面看去的情形。由图7A和7B与图5的比较很快看出，由于相关结构的分开可视显示(亦即内结构)可以简单地确定复杂的结构内的病理。于是在所示例子中对头盖骨的检查自身可以由没有经验的医学人员或者甚至外行在按照图7B的显示上毫不困难地确定颅底骨的裂缝。而在对截面图像数据的经典分析时与此相反只有有经验的医学人员才可能。
在图2所示实施例中像在大多数情况下一样立即实现显示。只要处理过程在后台运行，则例如就可执行声学的和/或光学的指示，表明该过程仍在进行，可进行可视化。另外还可选择的方案或者此外附带地，首先中间存储如此产生的、将诊断上相关的解剖学结构彼此分开显示的结果图像，或作为这些图像基础的所准备的数据，以便可以在后来任何时间调用它们。结果图像优选还可以在打印机、电影制作站等类似设备输出，或者通过网络向其它地方发送，以在那里在屏幕上或类似设备上显示。
此外在图2所示实施例中，在结果图像上还标记各所属标准模型或者模型部分的不同的分开的结构的标准偏差，以便简化由操作者进行的诊断。这优选结合声学信号进行，用该声学信号通知操作者在特定位置存在相应的标准偏差。
然后在方法步骤IX执行另外的检查步骤。这一点可以自动根据确定的标准偏差或者也通过操作者手工进行。在一个特别优选的变形中，根据标准偏差自动向操作者建议另外的检查步骤，操作者可以接受或者拒绝或者可以补充或者改变这些步骤。
因此所建议的图像处理系统不仅用于像通常的图像处理系统为检查准备要观察的图像，而且也作为基于模型的专家系统，该专家系统在运行的截面图像检查中引导快速建立和保证中间诊断。因此本发明的方法或者图像处理系统能够有助于使总检查时间极大减少和改善检查结果的质量。特别是也可以使实际的医师的诊断在通过所述应用的检查之后得到优化，因为通过具有分开的相关解剖学结构的可供使用的结果图像，必要时同时具有对标准偏差已进行的标记，极大地简便了医生对可能的病理的识别。
在此尚需特别指出，在附图中示出的系统结构和过程仅是实施例，本领域技术人员能够毫不困难地改变细节。特别是控制设备3，只要它例如装备一个相应的操作台，就也可以具有图像计算机10的所有相应的部件，以便在那里直接执行根据本发明方法的图像处理。在这种情况下，控制设备3本身成为本发明的图像处理系统，不需要另外的工作站或者分开的图像计算机。
此外，还可以为在其内已实现已知的后处理程序的现有图像处理系统后装备本发明的过程控制单元，以便按照上述本发明的方法使用该设备。在许多情况下在必要时用适宜的控制软件模块对控制软件更新一次已经足够。

Claims (17)

1.一种方法，用于根据检查对象的截面图像数据自动产生该检查对象的结果图像，其中：
-首先根据诊断问题确定截面图像数据(D)中的目标结构(Z)，
-相应于该目标结构(Z)选择一个解剖学标准模型(M)，其几何形状根据模型参数(tx，ty，tz，rx，ry，rz，d0)可变，
-将标准模型(M)自动地与截面图像数据(D)中的目标结构(Z)进行匹配，
-然后将截面图像数据基于匹配的标准模型(M)进行分段，其中，关于诊断问题将检查对象的相关解剖学结构分开，其中，选择在截面图像数据中的所有那些图像点，它们位于相应于相关解剖学结构的匹配的标准模型(M)和/或至少一个模型部分(T1，T2，T3，T4，T5)的轮廓内，或者与其最大偏差一特定的差值，
-最后将相关的解剖学结构分开进行显示和/或为以后的可视化进行存储。
2.根据权利要求1的方法，其特征在于，在匹配期间分别根据特定的偏差函数确定在修改的标准模型(M)和目标结构(Z)之间的当前偏差值。
3.根据权利要求2的方法，其特征在于，在自动匹配方法中的这样改变所述模型参数(tx，ty，tz，rx，ry，rz，d0)，使得偏差值最小。
4.根据权利要求2或3的方法，其特征在于，在分段前自动检验标准模型(M)与目标结构(Z)的匹配是否达到最小值，该最小值小于预先规定的阈值，否则中断该方法以手工处理截面图像数据。
5.根据权利要求1到4之一的方法，其特征在于，自动检验检查对象的至少一个分开的解剖学结构的标准偏差。
6.根据权利要求5的方法，其特征在于，利用所属的分开的解剖学结构图形显示所确定的标准偏差和/或用声音信号通知操作者。
7.根据权利要求5或6的方法，其特征在于，根据确定的标准偏差对检查对象进行自动分类。
8.根据权利要求1到7中之一的方法，其特征在于，在多个迭代步骤中借助模型参数(tx，ty，tz，rx，ry，rz，d0)将所述标准模型(M)与截面图像数据(D)中的目标结构(Z)进行匹配，所述模型参数根据它们对模型(M)的整体解剖学几何形状的影响被分成层次，并且随着迭代步骤数的增加可调模型参数(tx，ty，tz，rx，ry，rz，d0)的数目也相应于它的层次级而升高。
9.根据权利要求8的方法，其特征在于，所述模型参数(tx，ty，tz，rx，ry，rz，d0)分别分配到一个层次级。
10.根据权利要求9的方法，其特征在于，所述将模型参数(tx，ty，tz，rx，ry，rz，d0)分配到层次级是根据在模型几何中的偏差进行的，该偏差当所涉及的模型参数(tx，ty，tz，rx，ry，rz，d0)改变特定的值时产生。
11.根据权利要求10的方法，其特征在于，对不同的层次级分配特定值域的偏差。
12.根据权利要求1到11中之一的方法，其特征在于，作为标准模型(M)使用在三角形基础上产生的表面模型。
13.根据权利要求1到12中之一的方法，其特征在于，这样将所述模型参数分别与至少一个解剖学标记的位置相关联，使得该模型(M)对每个参数数据组都具有有解剖学意义的几何形状。
14.根据权利要求1到13中之一的方法，其特征在于，借助轮廓分析法至少部分地自动确定所述截面图像数据(D)中的目标结构(Z)。
15.一种计算机程序产品，其可直接加载到可编程图像处理系统的存储器中，具有程序代码工具，当该程序产品在所述图像处理系统中被执行时，其执行根据权利要求1到14中之一的方法的所有步骤。
16.一种图像处理系统(1)，用于根据检查对象的截面图像数据自动产生该检查对象的结果图像，具有：-用于接收测量的截面图像数据的接口(13)，
-目标结构确定单元(17)，用于根据诊断问题确定截面图像数据(D)中的目标结构(Z)，
-存储设备(12)，其具有多个用于截面图像数据(D)中不同目标结构(Z)的解剖学标准模型(M)，其几何形状可分别根据特定的模型参数(tx，ty，tz，rx，ry，rz，d0)改变，
-选择单元(14)，用于相应于所确定的目标结构(Z)选择解剖学标准模型(M)，
-适配单元(15)，用于把所选择的标准模型(M)与截面图像数据(D)中的目标结构(Z)进行匹配，
-分段单元(16)，用于将截面图像数据根据匹配的标准模型分段，并且根据诊断问题把检查对象的相关解剖学结构分开，其中，选择在截面图像数据中的所有那些图像点，它们位于相应于相关解剖学结构的匹配的标准模型(M)和/或至少一个模型部分的轮廓内，或者最大与其偏差特定的差值，
-显示单元(18)，用于把相关的解剖学结构自动分开，以显示和/或为过后的显示进行存储。
17.一种用于测量检查对象的截面图像数据的模态机，包括根据权利要求16所述的图像处理系统(1)。
CNA2004100942324A 2003-12-08 2004-12-08 用于产生检查对象结果图像的方法 Pending CN1666710A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE10357205A DE10357205A1 (de) 2003-12-08 2003-12-08 Verfahren zur Erzeugung von Ergebnis-Bildern eines Untersuchungsobjekts
DE10357205.8 2003-12-08

Publications (1)

Publication Number Publication Date
CN1666710A true CN1666710A (zh) 2005-09-14

Family

ID=34672485

Family Applications (1)

Application Number Title Priority Date Filing Date
CNA2004100942324A Pending CN1666710A (zh) 2003-12-08 2004-12-08 用于产生检查对象结果图像的方法

Country Status (6)

Country Link
US (1) US20050148852A1 (zh)
JP (1) JP2005169120A (zh)
KR (1) KR20050055600A (zh)
CN (1) CN1666710A (zh)
DE (1) DE10357205A1 (zh)
NL (1) NL1027673C2 (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102781333A (zh) * 2010-03-05 2012-11-14 富士胶片株式会社 图像诊断支持设备、方法和程序
CN102915400A (zh) * 2011-08-02 2013-02-06 西门子公司 用于计算机支持地显示或分析医学检查数据的方法和装置
CN104380132A (zh) * 2012-05-31 2015-02-25 皇家飞利浦有限公司 用于图像分割的量化评估的方法和系统
CN104394771A (zh) * 2012-06-04 2015-03-04 泰尔哈绍梅尔医学研究基础设施和服务有限公司 超声图像处理
CN106466183A (zh) * 2015-08-11 2017-03-01 三星电子株式会社 工作站、包括其的医学成像设备和对其的控制方法
CN107115117A (zh) * 2016-02-25 2017-09-01 地方独立行政法人秋田县立医院机构 医用断面显示装置和断面图像显示方法
CN109069119A (zh) * 2016-04-26 2018-12-21 皇家飞利浦有限公司 用于超声胎儿成像的3d图像合成

Families Citing this family (36)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE10357203B4 (de) * 2003-12-08 2018-09-20 Siemens Healthcare Gmbh Verfahren und Steuereinrichtung zum Betrieb eines Magnetresonanztomographie-Geräts sowie Magnetresonanztomographie-Gerät
EP1974323A2 (en) * 2005-09-23 2008-10-01 Koninklijke Philips Electronics N.V. A method, a system and a computer program for image segmentation
US20100130858A1 (en) * 2005-10-06 2010-05-27 Osamu Arai Puncture Treatment Supporting Apparatus
DE102005052993B4 (de) * 2005-11-07 2014-08-21 Siemens Aktiengesellschaft Verfahren zur automatisierten Auswertung eines dreidimensionalen Abbildes eines seitensymmetrischen Organsystems
DE102006003609B4 (de) * 2006-01-25 2014-09-04 Siemens Aktiengesellschaft Tomographie-System und Verfahren zur Visualisierung einer tomographischen Darstellung
US7864994B2 (en) * 2006-02-11 2011-01-04 General Electric Company Systems, methods and apparatus of handling structures in three-dimensional images having multiple modalities and multiple phases
US7864995B2 (en) * 2006-02-11 2011-01-04 General Electric Company Systems, methods and apparatus of handling structures in three-dimensional images
WO2007096804A1 (en) * 2006-02-24 2007-08-30 Koninklijke Philips Electronics N.V. Automated robust learning of geometries for mr-examinations
US7741842B2 (en) * 2006-04-25 2010-06-22 The Board Of Trustees Of The Leland Stanford Junior University Calibration maps for parallel imaging free of chemical shift artifact
US7592810B2 (en) * 2006-04-25 2009-09-22 The Board Of Trustees Of The Leland Stanford Junior University MRI methods for combining separate species and quantifying a species
US20080012856A1 (en) * 2006-07-14 2008-01-17 Daphne Yu Perception-based quality metrics for volume rendering
CA2670275A1 (en) * 2006-11-23 2008-05-29 Swissray International Inc. X-ray system and method for generating x-ray images
WO2008065590A1 (en) * 2006-11-28 2008-06-05 Koninklijke Philips Electronics N.V Improved segmentation
CN101785029B (zh) * 2007-04-23 2012-09-05 皇家飞利浦电子股份有限公司 根据能量相关投影数据对感兴趣区域进行成像的成像系统
US20090100105A1 (en) * 2007-10-12 2009-04-16 3Dr Laboratories, Llc Methods and Systems for Facilitating Image Post-Processing
WO2009063363A2 (en) * 2007-11-14 2009-05-22 Koninklijke Philips Electronics N.V. Computer-aided detection (cad) of a disease
JP2011505225A (ja) * 2007-12-03 2011-02-24 データフィジクス リサーチ， インコーポレイテッド 効率的な撮像システムおよび方法
WO2010035196A2 (en) * 2008-09-26 2010-04-01 Koninklijke Philips Electronics N.V. Anatomy-defined automated cpr generation
JP5631605B2 (ja) * 2009-03-31 2014-11-26 ジーイー・メディカル・システムズ・グローバル・テクノロジー・カンパニー・エルエルシー 磁気共鳴イメージング装置、基準点設定方法、およびプログラム
KR101152852B1 (ko) * 2009-05-13 2012-06-14 이홍재 스냅객체모델을 사용한 데이터베이스관리시스템
GB0913314D0 (en) * 2009-07-31 2009-09-02 Siemens Medical Solutions Facilitated percist evaluation
JP5955782B2 (ja) * 2010-02-10 2016-07-20 アイモーフィクス リミテッド 画像解析
DE102012206585B4 (de) 2012-04-20 2013-12-12 Siemens Aktiengesellschaft Verfahren zur schnellen ortsaufgelösten Bestimmung eines Magnetresonanz-Relaxationsparameters in einem Untersuchungsgebiet
WO2014057383A2 (en) * 2012-10-09 2014-04-17 Koninklijke Philips N.V. Multi-structure atlas and/or use thereof
JP6292726B2 (ja) * 2013-03-26 2018-03-14 コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． 診断プロセスにおいてユーザを支援する支援装置
EP3286728B1 (en) * 2015-04-23 2023-08-30 Koninklijke Philips N.V. Model-based segmentation of an anatomical structure
DE102015215476A1 (de) * 2015-08-13 2017-02-16 Siemens Healthcare Gmbh Verfahren zur Verfolgung eines Markers in einem Untersuchungsobjekt mittels eines Magnetresonanztomographen
JP6797557B2 (ja) * 2016-05-17 2020-12-09 キヤノンメディカルシステムズ株式会社 医用画像診断装置、医用画像処理装置および画像表示プログラム
JP6580013B2 (ja) * 2016-09-29 2019-09-25 株式会社日立製作所 画像処理装置、及びその方法
GB2557915B (en) * 2016-12-16 2020-06-10 Calderon Agudo Oscar Method of and apparatus for non invasive medical imaging using waveform inversion
US10535427B2 (en) * 2018-01-10 2020-01-14 Medtronic, Inc. System for planning implantation of a cranially mounted medical device
EP3511866A1 (en) * 2018-01-16 2019-07-17 Koninklijke Philips N.V. Tissue classification using image intensities and anatomical positions
US11416653B2 (en) * 2019-05-15 2022-08-16 The Mitre Corporation Numerical model of the human head
JP7395143B2 (ja) 2019-09-09 2023-12-11 国立大学法人大阪大学 三次元ランドマーク自動認識を用いた人体の三次元表面形態評価方法及び三次元表面形態評価システム
DE102020128199A1 (de) 2020-10-27 2022-04-28 Carl Zeiss Meditec Ag Individualisierung von generischen Referenzmodellen für Operationen basierend auf intraoperativen Zustandsdaten
JP2022090787A (ja) * 2020-12-08 2022-06-20 富士フイルムヘルスケア株式会社 超音波診断システム及び操作支援方法

Family Cites Families (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US656394A (en) * 1900-02-20 1900-08-21 Harry A Deiters Pliers.
US5488952A (en) * 1982-02-24 1996-02-06 Schoolman Scientific Corp. Stereoscopically display three dimensional ultrasound imaging
US5493595A (en) * 1982-02-24 1996-02-20 Schoolman Scientific Corp. Stereoscopically displayed three dimensional medical imaging
EP0602730B1 (en) * 1992-12-18 2002-06-19 Koninklijke Philips Electronics N.V. Registration of Volumetric images which are relatively elastically deformed by matching surfaces
US6106466A (en) * 1997-04-24 2000-08-22 University Of Washington Automated delineation of heart contours from images using reconstruction-based modeling
US6246784B1 (en) * 1997-08-19 2001-06-12 The United States Of America As Represented By The Department Of Health And Human Services Method for segmenting medical images and detecting surface anomalies in anatomical structures
US6119574A (en) * 1998-07-02 2000-09-19 Battelle Memorial Institute Blast effects suppression system
DE19953308A1 (de) * 1998-11-25 2000-06-08 Siemens Corp Res Inc Vorrichtung und Verfahren zum Implementieren eines Bild-Spreadsheets
WO2001043070A2 (en) * 1999-12-10 2001-06-14 Miller Michael I Method and apparatus for cross modality image registration
US6563941B1 (en) * 1999-12-14 2003-05-13 Siemens Corporate Research, Inc. Model-based registration of cardiac CTA and MR acquisitions
DE10111661A1 (de) * 2001-03-09 2002-09-12 Philips Corp Intellectual Pty Verfahren zum Segmentieren einer in einem Objekt enthaltenen dreidimensionalen Struktur, insbesondere für die medizinische Bildanalyse
US7058440B2 (en) * 2001-06-28 2006-06-06 Koninklijke Philips Electronics N.V. Dynamic computed tomography imaging using positional state modeling
WO2003021532A2 (en) * 2001-09-06 2003-03-13 Koninklijke Philips Electronics N.V. Method and apparatus for segmentation of an object
US7200251B2 (en) * 2001-09-28 2007-04-03 The University Of North Carolina Methods and systems for modeling objects and object image data using medial atoms
US6873718B2 (en) * 2001-10-12 2005-03-29 Siemens Corporate Research, Inc. System and method for 3D statistical shape model for the left ventricle of the heart
US7286866B2 (en) * 2001-11-05 2007-10-23 Ge Medical Systems Global Technology Company, Llc Method, system and computer product for cardiac interventional procedure planning
US7058210B2 (en) * 2001-11-20 2006-06-06 General Electric Company Method and system for lung disease detection
US7092749B2 (en) * 2003-06-11 2006-08-15 Siemens Medical Solutions Usa, Inc. System and method for adapting the behavior of a diagnostic medical ultrasound system based on anatomic features present in ultrasound images

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102781333B (zh) * 2010-03-05 2013-11-06 富士胶片株式会社 图像诊断支持设备和方法
CN102781333A (zh) * 2010-03-05 2012-11-14 富士胶片株式会社 图像诊断支持设备、方法和程序
US10092213B2 (en) 2011-08-02 2018-10-09 Siemens Aktiengesellschaft Method and arrangement for computer-assisted representation and/or evaluation of medical examination data
CN102915400A (zh) * 2011-08-02 2013-02-06 西门子公司 用于计算机支持地显示或分析医学检查数据的方法和装置
CN102915400B (zh) * 2011-08-02 2019-07-12 西门子公司 用于计算机支持地显示或分析医学检查数据的方法和装置
CN104380132A (zh) * 2012-05-31 2015-02-25 皇家飞利浦有限公司 用于图像分割的量化评估的方法和系统
CN104394771B (zh) * 2012-06-04 2017-07-04 泰尔哈绍梅尔医学研究基础设施和服务有限公司 超声图像处理
US9943286B2 (en) 2012-06-04 2018-04-17 Tel Hashomer Medical Research Infrastructure And Services Ltd. Ultrasonographic images processing
CN104394771A (zh) * 2012-06-04 2015-03-04 泰尔哈绍梅尔医学研究基础设施和服务有限公司 超声图像处理
CN106466183A (zh) * 2015-08-11 2017-03-01 三星电子株式会社 工作站、包括其的医学成像设备和对其的控制方法
CN107115117A (zh) * 2016-02-25 2017-09-01 地方独立行政法人秋田县立医院机构 医用断面显示装置和断面图像显示方法
CN107115117B (zh) * 2016-02-25 2020-08-04 地方独立行政法人秋田县立医院机构 医用断面显示装置和断面图像显示方法
CN109069119A (zh) * 2016-04-26 2018-12-21 皇家飞利浦有限公司 用于超声胎儿成像的3d图像合成

Also Published As

Publication number Publication date
DE10357205A1 (de) 2005-07-14
KR20050055600A (ko) 2005-06-13
NL1027673C2 (nl) 2005-12-23
US20050148852A1 (en) 2005-07-07
NL1027673A1 (nl) 2005-06-09
JP2005169120A (ja) 2005-06-30

Similar Documents

Publication Publication Date Title
CN1666710A (zh) 用于产生检查对象结果图像的方法
CN100508882C (zh) 用于运行磁共振断层造影设备的方法和控制装置
Mazziotta et al. A four-dimensional probabilistic atlas of the human brain
CN1194324C (zh) 三维图像显示装置及显示方法
Magnotta et al. Structural MR image processing using the BRAINS2 toolbox
JP5468905B2 (ja) 神経変性疾患の診断を支援するためのツール
CN102855618A (zh) 用于图像产生和图像分析的方法
EP1336376B1 (en) Image processing device and image processing method
US7130457B2 (en) Systems and graphical user interface for analyzing body images
US5807256A (en) Medical information processing system for supporting diagnosis
EP2422318B1 (en) Quantification of medical image data
JP5520543B2 (ja) 階層化メッシュに基づくデータの半自動整合
CN1655193A (zh) 用于对断层图像数据分段的方法和图像处理系统
JP2004195213A (ja) 放射線画像のモデルベース解釈の初期化方法
CN101040779A (zh) 在三维立体数据组中虚拟定位断层的方法及医学成像系统
KR102461343B1 (ko) 금속 인공 음영이 포함된 의료영상에서 치아 랜드마크 자동 검출 방법 및 시스템
JPWO2020110774A1 (ja) 画像処理装置、画像処理方法、及びプログラム
US8331635B2 (en) Cartesian human morpho-informatic system
JP3989896B2 (ja) 医用画像処理装置、関心領域抽出方法、ならびに、プログラム
US7219997B2 (en) Method and apparatus for three dimensionally displaying eyeground and measuring coordinates thereof
CN104217423A (zh) 选出图像数据组的自动产生
CN111918611B (zh) 胸部x线图像的异常显示控制方法、记录介质及装置
CN105844687B (zh) 用于处理医学影像的装置和方法
JP4807819B2 (ja) 画像処理装置
EP4223229A1 (en) Diagnosis assistance device, method for operating diagnosis assistance device, program for operating diagnosis assistance device, dementia diagnosis assistance method, and learned model for deriving dementia findings

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C02 Deemed withdrawal of patent application after publication (patent law 2001)
WD01 Invention patent application deemed withdrawn after publication