CN1676101A - 医用图像处理装置和医用图像的处理方法 - Google Patents
医用图像处理装置和医用图像的处理方法 Download PDFInfo
- Publication number
- CN1676101A CN1676101A CNA2005100628416A CN200510062841A CN1676101A CN 1676101 A CN1676101 A CN 1676101A CN A2005100628416 A CNA2005100628416 A CN A2005100628416A CN 200510062841 A CN200510062841 A CN 200510062841A CN 1676101 A CN1676101 A CN 1676101A
- Authority
- CN
- China
- Prior art keywords
- mentioned
- image
- data
- angiosomes
- pixel
- 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
- 238000012545 processing Methods 0.000 title claims abstract description 151
- 238000000034 method Methods 0.000 title claims description 31
- 210000004204 blood vessel Anatomy 0.000 claims abstract description 88
- 239000002872 contrast media Substances 0.000 claims abstract description 24
- 230000010412 perfusion Effects 0.000 claims abstract description 17
- 230000017531 blood circulation Effects 0.000 claims description 61
- 238000002203 pretreatment Methods 0.000 claims description 27
- 238000003672 processing method Methods 0.000 claims description 12
- 238000007405 data analysis Methods 0.000 claims description 5
- 238000006073 displacement reaction Methods 0.000 claims description 5
- 230000035699 permeability Effects 0.000 claims description 4
- 230000002194 synthesizing effect Effects 0.000 claims 2
- 238000007781 pre-processing Methods 0.000 abstract 2
- 230000002490 cerebral effect Effects 0.000 description 40
- 230000003727 cerebral blood flow Effects 0.000 description 25
- 230000008569 process Effects 0.000 description 22
- 238000005206 flow analysis Methods 0.000 description 19
- 238000004458 analytical method Methods 0.000 description 17
- 210000004369 blood Anatomy 0.000 description 15
- 239000008280 blood Substances 0.000 description 15
- 230000000694 effects Effects 0.000 description 14
- 230000008859 change Effects 0.000 description 10
- 238000002059 diagnostic imaging Methods 0.000 description 10
- 238000005259 measurement Methods 0.000 description 9
- 210000004556 brain Anatomy 0.000 description 5
- 238000003745 diagnosis Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000002601 radiography Methods 0.000 description 4
- 241000222065 Lycoperdon Species 0.000 description 3
- 241000768494 Polymorphum Species 0.000 description 3
- 238000002600 positron emission tomography Methods 0.000 description 3
- 238000012805 post-processing Methods 0.000 description 3
- 238000002603 single-photon emission computed tomography Methods 0.000 description 3
- 210000003462 vein Anatomy 0.000 description 3
- 210000001627 cerebral artery Anatomy 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- SWJBITNFDYHWBU-UHFFFAOYSA-N [I].[I] Chemical compound [I].[I] SWJBITNFDYHWBU-UHFFFAOYSA-N 0.000 description 1
- 210000000601 blood cell Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 210000004298 cerebral vein Anatomy 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013144 data compression Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000005534 hematocrit Methods 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 210000004185 liver Anatomy 0.000 description 1
- 210000004072 lung Anatomy 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 238000009206 nuclear medicine Methods 0.000 description 1
- 239000000700 radioactive tracer Substances 0.000 description 1
- 210000000798 superior sagittal sinus Anatomy 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
- 230000002792 vascular Effects 0.000 description 1
- 210000005166 vasculature Anatomy 0.000 description 1
Images
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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Theoretical Computer Science (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- High Energy & Nuclear Physics (AREA)
- Optics & Photonics (AREA)
- General Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
在本发明的医用图像处理装置中，从由医用设备对注入了造影剂的被检体进行扫描而收集到的多张原始图像的数据的各个中分别除去血管区域的数据。然后，用存在于该区域的周围的多个像素的像素值置换血管区域的像素值。对该置换后的包含血管区域的多张原始图像的数据执行包含噪声除去处理和像素集中处理的前处理，根据经过了该前处理的多张原始图像的数据分析实质部分的灌注等血流动态信息。
Description
技术领域
本发明涉及对由X射线CT扫描仪等医用设备收集的图像数据进行处理的医用图像处理装置和医用图像的处理方法，特别涉及伴随着从图像中除去血管区域的步骤的医用图像处理装置和医用图像的处理方法。
背景技术
在基于由医用设备收集的图像的医用诊断的领域中，X射线CT扫描仪是其中的主要的一个。
通过简单地将由该X射线CT扫描仪得到的图像作为单纯CT图像使用，能够得到被检体内的形态信息。另外，正在频繁地进行以下操作：通过造影CT检查进行动态扫描，将病灶周围的血管动态信息作为视觉信息提供。由于近年来的多切片CT扫描仪的出现，能够进行高速的扫描，所以今后可以考虑更加频繁地通过造影CT检查来实施动态扫描。
作为基于该造影CT检查的动态扫描的一个应用例子，例如如特开2003-116843号公报和特开2003-190148号公报所示，有脑血流分析(CT-灌注(perfusion))。该动态扫描是对注入了造影剂的被检体的头部的同一区域进行反复摄影，得到多张动态CT像的方法。从该多张动态CT像中得到表示每个指定区域的CT值的经时变化的时间-浓度(CT值)曲线(TIC：Time intensity curve)。在脑血流分析中，使用该CT曲线，计算脑血流量(CBF：Cerebral Blood Flow；脑组织的毛细血管内的单位体积和单位时间的血流量)、脑血液量(CBV：Cerebral Blood Volume；脑组织内的单位体积的血液量)、平均通过时间(MTT：Mean Transit Time；毛细血管的血液平均通过时间)、误差(Err；分析模型与实际测量值的偏离误差的指标)等参数。这些计算出的参数例如作为图形被视觉化，提供给诊断。
由于该脑血流分析的对象部位是脑组织，因此没有输出脑内的主要血管的测量结果、或该血管的CT值没有反映到脑组织的测量结果中的情况是重大的问题。该血管与脑组织的灌注比较，血液量多。因此，在现有的脑血流分析中，一般要在血流量的分析结果中进行阈值处理除去血管区域的像素(血管除去处理)。
但是，在上述现有的血管除去法的情况下，通过在组织血流分析的处理的途中进行的用于除去噪声的滤波处理和以图像数据的压缩为目的的像素集中处理等，放大血管的局部体积(partial volume)，然后除去血管部分的像素值，因此有在与除去的血管部位相邻的轮廓边缘部分中残存血管的局部体积效果的问题。由于该局部体积效果的残存，对脑组织的血流量进行了过高的评价，而影响了血流量的测量结果的可靠性。
发明内容
本发明的目的在于提供一种医用图像处理装置和医用图像的处理方法，它能够在上述脑血流分析等血流分析处理中，在使其区域周围几乎不残存该局部体积效果的状态下确实地从图像中除去血管区域，由此能够高精度并且高可靠性地执行与基于动态扫描的血流分析有关的测量。
为了达到上述目的，根据本发明的医用图像处理装置的一个形式，具备：从由医用设备对注入了造影剂的被检体进行扫描而收集到的原始图像的数据中除去血管区域的数据的血管除去单元；对由该血管除去单元除去了血管区域的原始图像的数据实施前处理，分析该被检体的实质部分的血流动态信息的分析单元，其中该前处理包含除去噪声的噪声除去处理。
另外，根据本发明的医用图像处理装置的另一个形式，具备：从由医用设备对注入了造影剂的被检体进行扫描而收集到的多张原始图像的数据的各个中分别除去血管区域的数据的血管除去单元；用存在于该区域的周围的多个像素的像素值置换由该血管除去单元生成的上述多张图像各自的上述血管区域的像素值的置换单元；对经过该置换单元的处理的多张图像的数据执行前处理的前处理单元，其中该前处理包含除去噪声的噪声除去处理；根据经过了该前处理单元的前处理的多张图像的数据分析实质部分的血流动态信息的分析单元。
进而，根据本发明的医用图像的处理方法，从由医用设备对注入了造影剂的被检体进行扫描而收集到的原始图像数据中除去血管区域的数据，对该除去了血管区域的原始图像数据实施前处理，分析该被检体的实质部分的血流动态信息，其中该前处理包含除去噪声的噪声除去处理。
根据本发明，能够在脑血流分析等血流分析处理中，在使其区域周围几乎不残存该局部体积效果的状态下确实地从图像中除去血管区域，由此能够高精度并且高可靠性地执行与基于动态扫描的血流分析有关的测量。
附图说明
图1是展示本发明的实施例的医用图像处理装置的概要结构的框图。
图2是展示在实施例1中执行的脑血流分析的处理的概要的流程图。
图3是说明在实施例1中执行的血流除去处理的流程图。
图4是说明血管除去处理的CT像的生成过程的图。
图5是模式地说明在血管除去处理中生成的CT像的图。
图6是展示显示模式的选择处理的概要流程图。
图7是展示为了说明与本发明的对比而记载的现有的脑血流分析的处理的概要的流程图。
图8A～图8C分别是用手临摹任意的实际得到的图像的一部分，即基于现有方法进行了脑血流分析的分析图、进行了血流除去处理的脑血流分析的分析图、进行了血流除去处理和组织近似处理的脑血流分析的分析图。
图9是说明在实施例2中执行的伴随着血管像的显示的显示处理的概要的流程图。
图10A和图10B分别是展示灌注像和血管像的并列显示和重叠显示(superimpose display)的模式图。
具体实施方式
以下，说明本发明的医用图像处理装置和医用图像的处理方法的合适的实施例。
(实施例1)
参照图1～图8，说明实施例1。
在图1中，展示了该实施例的医用图像处理装置10的结构。如该图所示，图像处理装置10经由作为通信装置的网络N，与收集用数字量生成的2维或3维的医用图像的医用设备MM连接。
该图像处理装置10是具备具有计算机的功能的硬件，通过基于所安装的程序进行软件处理，来提供表示被检体的诊断部位的组织血流的分析(包含测量)结果的信息或图形图像的装置。
具体地说，该图像处理装置10具备：与网络N连接的接口11；与连接在该接口11上的总线B连接的各种单元。在该单元中，包含图像存储装置12、进行组织血流的分析处理的图像处理处理器13、ROM、RAM15、操作器16和监视器17。
在图像存储装置12中，例如存储了使用X射线CT扫描仪、超声波诊断装置、磁共振成像装置等医用设备MM从被检体(未图示)收集到的数字量的医用图像数据。另外，图像存储装置12例如与存储装置对应。图像处理处理器13在预先存储在ROM14中的本发明的图像处理程序的启动时，将其读出到工作存储器中，并依照该程序进行图像处理。另外，图像处理处理器13例如与血管除去单元、置换单元、前处理单元、分析单元、处理器对应。
该图像处理相当于通过本发明的医用图像处理装置和医用图像的处理方法执行的图像处理。将在后面说明详细的一个例子，但总而言之，该图像处理涉及一种后处理(post-processing)，即从由医用设备MM从被检体的同一部位(例如头部)的同一区域(同一截面)收集到的造影动态扫描的多张图像中，分析(包含测量)该部位的血流动态，更详细地说分析组织血流(灌注)的动态。该图像处理的特征在于：在组织血流的分析处理前，从图像中除去流过组织部分的毛细血管的血流(灌注)以外的动静脉(动脉或静脉)的血管区域(血管除去处理)，生成只由组织部分构成的像素值的图像。在其后的组织血流的分析中处理进行了该血管除去处理的组织部分的图像。
在ROM14中，预先存储了包含上述血管除去处理的作为后处理的图像处理的程序。由图像处理处理器13作为在图像处理和组织血流分析中所必需的暂时存储器来使用RAM15。操作器16由键盘、鼠标等构成，能够向图像处理装置10提供操作者所希望的信息。监视器17在图像处理处理器13的控制下，显示与包含该血管除去处理的组织血流分析的图像处理有关的图像或信息。监视器17例如与图像显示单元对应。
另外，该图像处理装置10经由网络N(通信装置)与作为一个例子的医用设备MM连接，但并不必须如此，也可以没有这样的连接环境，图像处理装置10可以以独立的方式构成。另外，该图像处理装置10一次接收由医用设备MM收集到的图像数据的提供，并作为在线处理进行图像处理，但并不必须限定于这样的处理方式。例如，可以将该图像处理装置10的功能一体地安装在医用设备MM等的图像收集装置中，几乎实时地处理收集到的数字图像。另外，可以一次将由医用设备MM收集到的图像数据存储在可移动型的记录介质中，并经由该记录介质将图像数据提供给图像处理装置10。
接着，参照图2、图3，说明本实施例的以血管除去处理为中心的包含该血管除去处理的组织血流分析的处理。
在该例子中，医用设备MM是X射线CT扫描仪，如下那样收集图像数据。通过该X射线CT扫描仪，对被检体的例如头部的希望截面执行动态扫描。在该扫描时，使用注射器从例如肘静脉向被检体急速地注入作为跟踪剂(tracer)的不具有脑血管透过性的X射线造影剂(例如碘(iodine)造影剂)。该造影剂经由心脏、肺流入脑动脉，并从脑动脉经由脑组织内的毛细血管流入脑静脉。造影剂不具有脑血管透过性，因此不泄漏到正常的脑组织内的毛细血管以外，而通过毛细血管。
其结果是，通过该动态扫描，在每一定时间连续地收集反映了被检体头部的希望截面中的造影剂的移动信息的X射线透过数据(原始数据)。该收集数据由X射线CT扫描仪的图像再构成装置进行再构成，作为用于脑血流分析(CT-perfusion)的动态CT图像保存在该扫描仪的保存装置中。保存在该保存装置中的动态CT图像如上所述，经由通信网络N发送到图像处理装置10。
所以，图像处理装置10按照图2概要所示的步骤，进行使用了动态CT像的脑血流分析。
最初，图像处理处理器13经由接口11，将从作为医用设备MM的X射线CT扫描仪扫描该被检体的同一部位而再构成的多张动态CT像存储到图像存储装置12中(图2，步骤S1)。
接着，图像处理处理器13对存储在图像存储装置12中的动态CT像进行血管除去处理(步骤S2)。将在后面说明该血管除去处理的详细。
如果该血管除去处理结束了，则图像处理处理器13对结束了血管除去处理的图像进行噪声除去处理和像素集中处理(步骤S3)，然后进行脑组织血流的分析处理(包含测量处理)(步骤S4)。该分析处理结果例如作为分析信息或图形显示在监视器17上。
另外，噪声除去处理是对各图像平面实施噪声滤波，进行像素值的平滑化(smoothing)的处理，像素集中处理是为了数据压缩和噪声降低而将规定个数的多个像素合成为一个像素的处理。通过该像素集中处理，例如如果对512×512的像素个数的图像实施将“2×2”像素合成为1个像素的像素集中处理，则将全体图像转换为256×256的图像。
在此，参照图3，详细说明上述步骤S2的血管除去处理。
图像处理处理器13作为原始图像从像素存储装置12读出多张动态CT像(图3，步骤S2A)。接着，针对该多张动态CT像，对每个图像(截面像)以时间顺序读取指定的希望的ROI范围内的像素值(平均值)，作成时间-浓度曲线(TIC)的数据(步骤S2B)。进而，图像处理处理器13分析该时间-浓度曲线的变化，自动决定造影剂的急速(bolus)注入的开始时刻和结束时刻(步骤S2C)。
接着，图像处理处理器13针对每个像素对急速注入造影剂之前摄影的CT像的像素值全部进行平均，作成基础图像(步骤S2D)。因此，针对每个像素从急速注入造影剂后的多张CT像各自中取得与基础图像的差分(像素值的差分)，作成多张处理用图像，即动态CT像：A(步骤S2E：参照图4(a))。
如果该处理结束，则图像处理处理器13使用以时间顺序排列的多张处理用图像，求出各像素的TIC，计算出该曲线下面积AUC(x，y)(AUC：Area Under Curve，x，y表示各像素的位置(参照图4(a)))的值(步骤S2F)。进而，图像处理处理器13作为预先设置的血液量的基准值的一个例子，从预先存储的表中读出上矢状静脉窦(SSS：Superior Sagittal Sinus)的曲线下面积AUC的值，或者在处理用图像上指定上矢状静脉窦的位置进行计算(步骤S2G)。将该基准值表示为AUC100。
接着，图像处理处理器13使用处理用图像的各像素的曲线下面积AUC(x，y)和基准值AUC100，针对每个像素进行以下的计算，
CBV(x，y)＝AUC(x，y)/AUC100
求出CBV(脑血液量)(步骤S2H)。在该计算时，也对应地对二次循环(second pass)和血球容积(Hematocrit)进行修正。
如果该处理结束，则图像处理处理器13转移到每个像素相对于CBV的阈值处理。具体地说，如果设阈值CBVth(＝AUC100×希望的系数)，则对于脑血液量CBV(x，y)为下式
CBV(x，y)＞CBVth
的像素(x，y)，认为不是组织内的毛细血管的血流(灌注)，而是动脉或静脉(血管)，设置标志F＝1，表示多张动态CT像(原始图像)各自的像素值P(x，y)的变更(步骤S2I，步骤S2J)。与此相对，对于成为
CBV(x，y)≤CBVth
的像素(x，y)，认为是脑组织内的毛细血管的血流(灌注)，设置标志F＝0，表示多张动态CT像(原始图像)的像素值P(x，y)不变更(步骤S2I，步骤S2K)。针对多个动态CT像的所有像素(x，y)执行该阈值处理(步骤S2L)。
这样，如果判断是动静脉(血管)还是组织内的毛细血管的血流的判断结束，则图像处理处理器13对多张动态CT像(原始图像)的各像素(x，y)，进行变更被判断为是动静脉(血管)的像素(x，y)的像素值的处理(步骤S2M～步骤S2P)。
即，从成为阈值处理的对象的全部像素(x，y)中指定像素(x，y)，读出其标志F，判断是否是该标志F＝1(像素值变更)(步骤S2M，步骤S2N)。在该判断是F＝1(YES)的情况下，将该像素(x，y)共通的多张动态CT像的时间轴方向的所有像素(即，在多张动态图像中位置相互对应的所有像素)的像素值P(x，y)设置为P(x，y)＝0(步骤S2O)。由此，强制地将被判断为是动静脉的像素(x，y)的时间轴方向的所有像素的像素值P(x，y)变更为P(x，y)＝0。
相反，在F＝0(NO)的情况下，跳过该像素值变更处理。因此，在判断为不是动静脉，是脑组织内的血流的情况下，不变更与该像素(x，y)对应的时间轴方向的所有像素值，而原样地保持其像素值。通过标志判断，对所有的像素执行该像素值的变更处理(步骤S2P)。
其结果如图4(a)～(c)所示，从作为由X射线CT扫描仪摄影的多张动态CT像的A，经过基于时间-浓度曲线(TIC)的曲线下面积AUC的脑血液量CBV(x，y)的阈值处理，除去血管(动静脉)。其结果是生成作为进行了血管除去处理的多张动态CT像的B。
如果对该血管(动静脉)的像素值的变更处理结束，则图像处理处理器13将除去了血管区域的多张动态CT像B存储到图像存储装置12中(步骤S2Q)。
接着，图像处理处理器13针对多张动态CT像B，进行用脑实质部分的像素值置换被判断为是血管的像素区域的处理(步骤S2R～S2U)。
具体地说，确定存在于被判断为是血管的像素区域的周围的像素(脑实质的像素)(步骤S2R)。例如从血管区域的边界上的各点沿着与外侧垂直的方向，对其指定规定个数的像素。接着，针对每个像素求出该确定的外侧像素区域的时间-浓度曲线，求出其平均值(步骤S2S)。用该平均值置换血管区域的像素值(步骤S2T)。针对所有的多张动态CT像进行该一连串的置换处理(步骤S2U)。
由此，将血管区域的像素值置换为其周围的脑组织的像素值的平均值并形成图形，由此从图像上删除或者缩小血管本来的区域来显示。即，血管区域成为与脑组织近似的像素值。其结果是作成了经过该血管区域的像素值的置换处理的多张动态CT像C(参照图4(c)～(e))，并将该CT像C存储到图像存储装置12中(步骤S2V)。
将上述进行了血管除去处理的动态CT像B、或进行了血管除去处理和组织近似处理的动态CT像C用于脑血流分析中，生成血流动态图像(参照图4(f))。由图像处理处理器13执行该脑血流分析。
在图5中，更容易理想地模式地展示了通过图2～图4所示的一连串处理生成的3种动态CT像A、B、C。在图5中，区域BT表示脑组织，区域BD表示血管(动静脉)。在动态CT像A中出现的脑组织BT的血管BD旁边的部分受到该血管BD的局部体积效果。该动态CT像A如上所述，受到基于曲线下面积的阈值处理，被转换为动态CT像B。这时，也同时识别出血管区域(图3，步骤S2K、S2M～S2P)。动态CT像B的血管区域BD的像素值在像素值＝0时成为空白。该动态CT像B通过用脑组织的像素值绘图血管区域的近似处理，而被转换为动态CT像C。由此，CT像几乎全部由脑组织覆盖，而用脑组织的像素值近似了原来的血管区域BD。因此，在动态CT像C中几乎不出现血管区域BD。
接着，参照图6，说明由图像处理处理器13执行的选择性显示处理。
图像处理处理器13在上述图2的步骤S4中执行的组织血流的分析处理(包含测量处理)的过程中，在分析处理后的分析图形的定量值比较时，或者在目视诊断时，可以切换血流动态图像(CBF、CBV、MTT)的显示图像的种类。
即，如图6所示，操作者从操作器16指示显示，并判断其显示模式是第1显示模式(显示除去了血管区域的血流动态图像B的模式)，还是第2显示模式(显示除去了血管区域并用周围的脑组织的值置换了该血流动态的血流动态图像C的模式)(步骤S21、S22)。其结果是对第1显示模式和第2显示模式各自，选择显示的动态图像，并显示在监视器17上(步骤S23～S26)。由此，操作者能够根据需要切换地显示两个模式的图像，用于查看图像等中。
如上所述，在本实施例的脑血流分析(CT-perfusion)的情况下，先从由动态扫描仪摄影的多张动态CT像(原始图像)中除去血管区域，然后进行噪声除去处理和像素集中处理。该“血管区域的除去”→“噪声除去处理和像素集中处理”的顺序与现有技术不同。
现有的处理顺序如图7所示，如下这样依次进行：读出多张动态CT像(原始图像)的数据(步骤S1’)；对该原始图像的噪声除去处理和像素集中处理(步骤S2’)；脑血流的分析计算处理(步骤S3’)；从分析结果的各种图形中除去血管区域的处理(步骤S4’)。
因此，在现有的处理顺序的情况下，由于在步骤S2’中执行的噪声除去处理和像素集中处理，使因血管(动静脉)的局部体积效果(partial colume effect)造成的血管的高像素值的影响扩大到该血管的周围，即脑组织的区域。即，由于噪声除去处理和像素集中处理始终将邻近的多个像素作为处理对象，所以在处理与脑组织的血管轮廓邻接的区域时，使血管区域的高像素值叠加上脑组织的像素值，使得该脑组织的像素值比其自身的本来值高。
该因局部体积效果造成的高像素值区域的扩大问题根据血管(动静脉)所具有的像素值的程度和血管区域的大小而变化，但如图8A模式地所示那样，一般会扩大到血管(动静脉)的整个周围。
图8A是现有方法的脑血流分析后的图，是除去了血流区域BL的图的部分模式图。沿着该血管区域BL的周围细微存在的向右上延伸的区域PV表示受到血管的局部体积效果的影响的区域。该区域PV实际上是脑组织的一部分，但如存在正好位于动静脉中的血流那样，作为一种特征显示。如果残存受到该局部体积效果的影响的区域PV，则不只是难以查看图像降低了看图效率，还使脑实质的血流值上升到比本来值大，可能造成测量的误差。
与此相对，在本实施例的情况下，如上所述，从原始图像中除去血管(动静脉)区域，然后进行噪声除去处理和像素集中处理。因此，首先能够只抽出成为脑血流分析的对象的脑组织(参照图8B)。另外，在进行噪声除去处理和像素集中处理的阶段，就已经确实地除去了血管区域，即像素值通常比脑组织高的区域。并且，对于本来是血管的区域的像素，将其大部分置换为周围的脑组织的值的近似值。因此，即使进行噪声除去处理和像素集中处理，也能够几乎不产生血管(动静脉)的局部体积效果，几乎不使除去了的血管周围的血流值提高或者大幅减少。如图8C所示，能够得到将分析图的血管(动脉静脉)的像素值置换为周围组织的近似值的图像。
因此，消除了残存局部体积效果给看图工作的效率带来的影响。另外，如图8C所示，用其周围的脑组织置换了血管区域的图像从外观上与用核医学诊断装置(SPECT：single photonemission computedtomography)、PET(positron emission tomography)摄影的图像近似，因此容易让看图者观察。进而，由于没有血管的局部体积效果的影响，所以能够高精度地进行脑实质的血流值的测量。因此，在脑血流分析中，能够更正确并且高可靠性地评价脑实质的血流。
进而，在本实施例中，操作者能够从操作器16指示显示，选择地切换第1显示模式(显示除去了血管区域的多张动态图像B的模式)、或第2显示模式(显示用周围的脑组织的值置换了该血管区域的像素值的血流动态图像C的模式)。
由此，在分析图的定量值比较时，可以选择只简单地除去了血管区域的第1显示模式(参照图8B)，在目视观察图像时，可以选择外观上与SPECT图像或PET图像相似的看习惯了的图像，即用其周围的脑组织的TIC近似值覆盖了血管区域的第2显示模式(参照图8C)的图像。该自由选择切换的功能在看图上是方便的。
(实施例2)
参照图9、10A和10B，说明本发明的图像处理装置和医用图像的处理方法的实施例2。另外，在本实施例2中，向与实施例1等同或相同的构成要素附加相同的符号，并省略或简化其说明。
该实施例2的图像处理装置涉及实施例1的变形例子，因此特别在能够相应地显示血管像方面具有特征。因此，在本实施例2中，也同样地执行在实施例1中以图2～图5为中心说明了的血管除去处理、噪声除去处理和像素集中处理以及血流分析的处理。
如上所述，在作成动态CT像B时，通过设置标志F＝1来识别各动态CT像A中的血管区域。该血管区域是例如图5中的参照符号BD所表示的区域。
因此，图像处理处理器13如图9所示那样，执行使用了该标志F＝1的用于血管像显示的处理。
首先，图像处理处理器13根据来自操作器16的操作者的指示，判断是否开始图像显示(步骤S31)，在开始的情况下，判断是否是第3显示模式(步骤S32)。该第3显示模式是伴随着血管(动静脉)的图像显示脑组织的灌注的分析图像的模式。
另外，作为该第3显示模式，也可以伴随着血管像，显示分析灌注前的图像，即进行了血管除去和对血管的脑组织近似的动态CT像的任意图像。
在进行该第3显示模式下的显示的情况下，图像处理处理器13根据来自操作器16的操作者的指示，判断是黑白显示血管图像还是彩色显示(步骤S33)。
在该判断表示黑白显示的情况下，图像处理处理器13从图像存储装置12依次读出各图像的各像素，对该像素判断是否设置了标志F＝1(步骤S34、S35)。由此，针对判断为标志F＝1的像素，设置像素值＝最高值(步骤S36)。通常，在用12比特表示各像素的像素值的情况下，灌注图像及其分析图像的像素值是200～1000左右，因此例如指定最高值＝2048。
另一方面，在操作者指定了用彩色显示血管图像的情况下(步骤S33)，同样地依次读出各图像的各像素，在该像素设置了标志F＝1的情况下，指定像素＝特定的颜色(步骤S37～S39)。作为该颜色，理想的是在通常的灌注中不使用的特定的颜色，例如灰色。
如果该设置结束，则图像处理处理器13与操作者互动地决定是并列地显示灌注的分析图像和血管图像，还是在灌注的分析图像上重叠显示血管图像(步骤S40、41)。与该决定对应地，图像处理处理器13进行该并列显示或重叠显示(步骤S42、S43)。可以根据需要循环进行该显示处理(步骤S44)。
因此，在指定了并列显示的情况下，如图10A所示，例如在监视器17的同一个画面上，并列地显示脑组织的灌注像IP和多张动态CT像所共通的截面的血管像IB。在该情况下，由于在血管像IB中用最高亮度或灰色等特定的颜色描绘血管区域BD，所以能够容易地识别该血管的位置和范围。因此，可以一边对比与相邻的灌注像IP的各低血流量区域的位置关系，一边进行比较。
另一方面，在指定了重叠显示的情况下，如图10B所示，在监视器17的画面上，在脑组织的灌注像IP上重叠地显示血管像IB。在该情况下，由于在血管像IB中用最高亮度或灰色等特定的颜色描绘出血管区域BD，所以在灌注像上也能够对该血管的位置和范围一目了然。因此，可以一边识别与血管的位置关系，一边观察灌注像IP的各低血流量区域。
这样，根据本实施例1，在实施例1中说明了的功能的基础上，还可以使显示形式丰富，对诊断有很大帮助。
另外，本发明并不只限于上述实施例的结构，在不脱离专利权利要求所记载的范围内可以适当地变形。
例如，在图2的步骤S3的处理中，图像处理处理器13进行噪声除去处理和像素集中处理双方，但也可以只进行任意一个。
另外，在图3的处理中，图像处理处理器13也可以只执行到步骤S2Q的处理为止，而只容许上述第1显示模式。即，在该情况下，不用其周围的脑组织的TIC近似值覆盖除去了的血管区域，但能够确实地排除因上述血管(动静脉)所造成的局部体积效果的影响，进行更高精度的脑血流分析。
另外，在进行图2所示的脑血流分析的处理步骤的步骤S2的血管区域的除去处理时，如果进行不扩大血管的局部体积的噪声除去处理，则能够在血管区域的除去处理之前执行该噪声除去处理。
进而，本发明的医用图像处理装置和医用图像的处理方法如上所述，并不只限于以组织血流(脑血流)为对象的处理，也可以针对除此以外的血流分析，例如肝脏、心脏等组织血流进行实施。另外，收集原始图像的医用设备并不只限于X射线CT扫描仪，也可以是超声波装置、磁共振成像装置等。
Claims (21)
1.一种医用图像处理装置，其特征在于包括：
从由医用设备对注入了造影剂的被检体进行扫描而收集到的原始图像的数据中除去血管区域的数据的血管除去单元；
对由该血管除去单元除去了血管区域的原始图像的数据实施前处理，分析该被检体的实质部分的血流动态信息的分析单元，其中该前处理包含除去噪声的噪声除去处理。
2.一种医用图像处理装置，其特征在于包括：
从由医用设备对注入了造影剂的被检体进行扫描而收集到的多张原始图像的数据的各个中分别除去血管区域的数据的血管除去单元；
用存在于该区域的周围的多个像素的像素值置换由该血管除去单元生成的上述多张图像各自的上述血管区域的像素值的置换单元；
对经过该置换单元的处理的多张图像的数据执行前处理的前处理单元，其中该前处理包含除去噪声的噪声除去处理；
根据经过了该前处理单元的前处理的多张图像的数据分析实质部分的血流动态信息的分析单元。
3.根据权利要求2所述的医用图像处理装置，其特征在于：
上述前处理除了上述噪声除去处理之外，还包含将规定的多个像素合成为一个像素的像素集中处理。
4.根据权利要求2所述的医用图像处理装置，其特征在于：
上述造影剂是非血管透过性的造影剂。
5.根据权利要求2所述的医用图像处理装置，其特征在于：
上述扫描是收集多张上述原始图像的数据的动态扫描。
6.根据权利要求5所述的医用图像处理装置，其特征在于：
上述血流动态信息是灌注。
7.根据权利要求6所述的医用图像处理装置，其特征在于：
上述血管除去单元具备：
根据上述多张原始图像的数据，针对每个像素作成时间-浓度曲线(TIC)的数据的曲线作成装置；
针对由该时间-浓度曲线作成装置作成的曲线数据，对每个像素计算该曲线的曲线下面积值的计算装置；
判断由该计算装置计算出的各像素的曲线下面积值是否大于规定的阈值的判断装置；
将由该判断装置判断出的具有比上述阈值大的曲线下面积值的像素部分识别为上述血管区域的识别装置；
分别从上述多张图像的数据中除去由该识别装置识别出的血管区域的除去装置。
8.根据权利要求7所述的医用图像处理装置，其特征在于：
上述置换单元是将由上述除去装置生成的多张图像各自的上述血管区域的像素值置换为存在于该区域周围的多个像素值的平均值的单元。
9.根据权利要求8所述的医用图像处理装置，其特征在于：
设置选择性地显示由上述除去装置生成的图像和由上述置换单元生成的图像的图像显示单元。
10.根据权利要求8所述的医用图像处理装置，其特征在于：
设置同时显示由上述分析单元分析了的图像和由上述识别装置识别出的表示血管区域的图像的图像显示单元。
11.根据权利要求10所述的医用图像处理装置，其特征在于：
上述图像显示单元是并列地显示由上述分析单元分析了的图像和由上述识别装置识别出的表示血管区域的图像的单元。
12.根据权利要求10所述的医用图像处理装置，其特征在于：
上述识别装置具有对表示上述血管区域的像素设置最高值的像素值，或对该像素设置表示特定的颜色的像素信息的装置，
上述图像显示单元是在由上述分析单元分析了的图像上重叠地显示由上述识别装置识别出的表示血管区域的图像的单元。
13.根据权利要求2所述的医用图像处理装置，其特征在于：
上述医用设备是X射线CT装置，上述原始图像是X射线CT图像。
14.一种图像处理装置，其特征在于包括：
根据多张原始图像的数据，分别针对每个像素作成时间-浓度曲线(TIC)的数据的曲线作成装置；
针对由该时间-浓度曲线作成装置作成的曲线数据，对每个像素计算该曲线的曲线下面积值的计算装置；
比较由该计算装置计算出的曲线下面积值和规定的阈值的比较装置；
将由该比较装置判断为具有超过上述阈值的曲线下面积值的像素部分识别为上述血管区域的识别装置。
15.根据权利要求14所述的图像处理装置，其特征在于还包括：
分别从上述多张原始图像的数据中除去由上述识别装置识别出的上述血管区域的除去装置。
16.一种图像处理方法，其特征在于包括：
从由医用设备对注入了造影剂的被检体进行扫描而收集到的原始图像数据中除去血管区域的数据，
对该除去了血管区域的原始图像数据实施前处理，分析该被检体的实质部分的血流动态信息，其中该前处理包含除去噪声的噪声除去处理。
17.根据权利要求16所述的图像处理方法，其特征在于：
上述前处理除了上述噪声除去处理之外，还包含将规定的多个像素合成为一个像素的像素集中处理，
上述造影剂是非血管透过性的造影剂，
上述扫描是收集多张上述原始图像的数据的动态扫描，
上述血流动态信息是灌注。
18.一种医用图像处理方法，其特征在于包括：
从由医用设备对注入了造影剂的被检体进行扫描而收集到的多张原始图像的数据中分别除去血管区域的数据，
用存在于该区域的周围的多个像素的像素值置换该生成的上述多张图像各自的上述血管区域的像素值，
对经过了该处理的多张图像的数据实施前处理，其中该前处理包含除去噪声的噪声除去处理，
根据经过了该前处理的多张图像的数据分析实质部分的血流动态信息。
19.一种图像处理装置，其特征在于包括：
存储由医用设备对注入了造影剂的被检体进行扫描而收集到的多张原始图像的数据的存储装置；
进行以下各处理的处理器：从存储在该存储装置中的多张图像的数据中分别除去血管区域的数据；用存在于该区域的周围的多个像素的像素值置换该生成的上述多张图像各自的上述血管区域的像素值；对经过了该处理的多张图像的数据实施前处理，其中该前处理包含除去噪声的噪声除去处理；根据经过了该前处理的多张图像的数据分析实质部分的血流动态信息。
20.一种程序，是存储在存储器中并且记载了能够由计算机读出并执行的步骤的程序，其特征在于：
通过该执行而由计算机实现以下装置的功能：
从由医用设备对注入了造影剂的被检体进行扫描而收集到的原始图像的数据中除去血管区域的数据的血管除去单元；
对由该血管除去单元除去了血管区域的原始图像的数据实施前处理，分析该被检体的实质部分的血流动态信息的分析单元，其中该前处理包含除去噪声的噪声除去处理。
21.一种程序，是存储在存储器中并且记载了能够由计算机读出并执行的步骤的程序，其特征在于：
通过该执行而由计算机实现以下装置的功能：
从由医用设备对注入了造影剂的被检体进行扫描而收集到的多张原始图像的数据的各个中分别除去血管区域的数据的血管除去单元；
用存在于该区域的周围的多个像素的像素值置换由该血管除去单元生成的上述多张图像各自的上述血管区域的像素值的置换单元；
对经过该置换单元的处理的多张图像的数据执行前处理的前处理单元，其中该前处理包含除去噪声的噪声除去处理；
根据经过了该前处理单元的前处理的多张图像的数据分析实质部分的血流动态信息的分析单元。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2004108291 | 2004-03-31 | ||
| JP2004108291 | 2004-03-31 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN1676101A true CN1676101A (zh) | 2005-10-05 |
| CN100382760C CN100382760C (zh) | 2008-04-23 |
Family
ID=34909459
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CNB2005100628416A Active CN100382760C (zh) | 2004-03-31 | 2005-03-31 | 医用图像处理装置和医用图像的处理方法 |
Country Status (4)
| Country | Link |
|---|---|
| US (1) | US7912269B2 (zh) |
| EP (1) | EP1585058B1 (zh) |
| CN (1) | CN100382760C (zh) |
| DE (1) | DE602005011515D1 (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101751680A (zh) * | 2008-12-16 | 2010-06-23 | 奥林巴斯株式会社 | 图像处理装置以及图像处理方法 |
| CN101675883B (zh) * | 2008-09-17 | 2012-09-19 | 株式会社东芝 | X射线ct装置、医用图像处理装置和医用图像处理程序方法 |
| CN104933698A (zh) * | 2014-03-17 | 2015-09-23 | 柯尼卡美能达株式会社 | 图像处理装置以及图像处理方法 |
| CN108852386A (zh) * | 2017-03-28 | 2018-11-23 | 佳能医疗系统株式会社 | 医用图像处理装置、医用图像处理方法及x射线诊断装置 |
| WO2020173416A1 (zh) * | 2019-02-25 | 2020-09-03 | 腾讯科技（深圳）有限公司 | 一种图像处理方法、装置、系统以及电子设备和存储介质 |
Families Citing this family (33)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102005039189B4 (de) * | 2005-08-18 | 2010-09-09 | Siemens Ag | Bildauswertungsverfahren für zweidimensionale Projektionsbilder und hiermit korrespondierende Gegenstände |
| JP5236489B2 (ja) * | 2005-12-15 | 2013-07-17 | 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 | 再現性がありかつ比較可能な流れ取得のための装置および方法 |
| DE102006025422B4 (de) | 2006-05-31 | 2009-02-26 | Siemens Ag | Bildauswertungsverfahren für zweidimensionale Projektionsbilder und hiermit korrespondierende Gegenstände |
| DE102006025420B4 (de) * | 2006-05-31 | 2009-04-02 | Siemens Ag | Darstellungsverfahren für zweidimensionale Projektionsbilder und hiermit korrespondierende Gegenstände |
| JP4969985B2 (ja) * | 2006-10-17 | 2012-07-04 | 株式会社東芝 | 超音波診断装置、及び超音波診断装置の制御プログラム |
| WO2008060629A2 (en) * | 2006-11-17 | 2008-05-22 | Icad, Inc. | Automated method for generation of arterial and venous reference points for contrast-enhanced magnetic resonance angiography |
| US20080262344A1 (en) * | 2007-04-23 | 2008-10-23 | Brummett David P | Relative value summary perfusion map |
| DE102007028226B4 (de) * | 2007-06-20 | 2015-11-19 | Siemens Aktiengesellschaft | Auswertungsverfahren für eine zeitliche Sequenz von Röntgenbildern und hiermit korrespondierende Gegenstände |
| CN102165455B (zh) * | 2008-09-30 | 2015-08-26 | 皇家飞利浦电子股份有限公司 | 灌注成像 |
| JP5624308B2 (ja) * | 2008-11-21 | 2014-11-12 | 株式会社東芝 | 画像処理装置及び画像処理方法 |
| US8682051B2 (en) * | 2008-11-26 | 2014-03-25 | General Electric Company | Smoothing of dynamic data sets |
| JP5459832B2 (ja) * | 2009-06-02 | 2014-04-02 | 東芝メディカルシステムズ株式会社 | 超音波診断装置 |
| DE102009031164B4 (de) * | 2009-06-30 | 2013-11-28 | Siemens Aktiengesellschaft | Automatische Positionierung einer Schichtebene bei MR-Angiographiemessungen |
| US10624578B2 (en) * | 2009-09-10 | 2020-04-21 | Newton Howard | Fundamental code unit of the brain: towards a new model for cognitive geometry |
| US10617348B2 (en) * | 2009-09-10 | 2020-04-14 | Newton Howard | Fundamental code unit of the brain: photoreceptor protein-mediated photonic signaling within neural tissue and its uses in brain co-processor |
| US9399144B2 (en) * | 2009-09-10 | 2016-07-26 | Newton Howard | System, method, and applications of using the fundamental code unit and brain language |
| CN102834055B (zh) * | 2010-09-01 | 2015-04-08 | 株式会社东芝 | 医用图像处理装置 |
| JP5780748B2 (ja) * | 2010-12-15 | 2015-09-16 | 株式会社東芝 | 医用画像処理装置 |
| WO2013111813A1 (ja) * | 2012-01-27 | 2013-08-01 | 株式会社 東芝 | 医用画像処理装置 |
| US8848996B2 (en) * | 2012-02-17 | 2014-09-30 | Siemens Medical Solutions Usa, Inc. | System for suppressing vascular structure in medical images |
| CN103764036B (zh) * | 2012-08-31 | 2016-11-16 | 东芝医疗系统株式会社 | 医用诊断图像处理装置 |
| US9486176B2 (en) | 2012-09-05 | 2016-11-08 | Mayank Goyal | Systems and methods for diagnosing strokes |
| GB2519907B (en) * | 2012-09-05 | 2017-12-27 | Goyal Mayank | Systems and methods for diagnosing strokes |
| JP5989498B2 (ja) * | 2012-10-15 | 2016-09-07 | 東芝メディカルシステムズ株式会社 | 画像処理装置及びプログラム |
| WO2014065340A1 (ja) * | 2012-10-23 | 2014-05-01 | 株式会社東芝 | 画像処理装置、医用画像診断装置及び画像処理方法 |
| WO2015005485A1 (ja) | 2013-07-11 | 2015-01-15 | 株式会社 東芝 | Ｘ線ｃｔ装置、ｘ線ｃｔシステム及びインジェクター |
| WO2016205824A1 (en) | 2015-06-19 | 2016-12-22 | Neural Analytics, Inc. | Transcranial doppler probe |
| US12076166B2 (en) | 2015-09-04 | 2024-09-03 | Newton Howard | Neural oscillation monitoring system |
| EP3399920B1 (en) | 2016-01-05 | 2020-11-04 | Neural Analytics, Inc. | Integrated probe structure |
| US11589836B2 (en) | 2016-01-05 | 2023-02-28 | Novasignal Corp. | Systems and methods for detecting neurological conditions |
| CN108778140A (zh) | 2016-01-05 | 2018-11-09 | 神经系统分析公司 | 用于确定临床指征的系统和方法 |
| US10799186B2 (en) | 2016-02-12 | 2020-10-13 | Newton Howard | Detection of disease conditions and comorbidities |
| CN111544019B (zh) * | 2020-04-10 | 2023-07-14 | 北京东软医疗设备有限公司 | 确定造影剂注入时间的方法、装置及系统 |
Family Cites Families (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5148809A (en) * | 1990-02-28 | 1992-09-22 | Asgard Medical Systems, Inc. | Method and apparatus for detecting blood vessels and displaying an enhanced video image from an ultrasound scan |
| JP2927209B2 (ja) * | 1995-05-22 | 1999-07-28 | 株式会社島津製作所 | ディジタルアンギオグラフィ装置 |
| JP2003175022A (ja) | 1996-06-26 | 2003-06-24 | Matsushita Electric Ind Co Ltd | Ｘ線画像装置 |
| US6718055B1 (en) * | 2000-12-05 | 2004-04-06 | Koninklijke Philips Electronics, N.V. | Temporal and spatial correction for perfusion quantification system |
| DE10107765A1 (de) | 2001-02-17 | 2002-08-29 | Siemens Ag | Verfahren zur Bildbearbeitung ausgehend von einem unter Verwendung eines Kontrastmittels aufgenommenen Computertomographie(CT)-Bildes einer Lunge und CT-Gerät zur Durchführung eines solchen Verfahrens |
| DE60212917T2 (de) * | 2001-10-16 | 2007-03-01 | Kabushiki Kaisha Toshiba | Vorrichtung zur Berechnung eines Index von örtlichen Blutflüssen |
| JP4363833B2 (ja) | 2001-10-16 | 2009-11-11 | 株式会社東芝 | 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 |
| JP4216496B2 (ja) | 2001-10-16 | 2009-01-28 | 株式会社東芝 | 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、装置及びプログラムコード |
| JP4193168B2 (ja) | 2002-02-01 | 2008-12-10 | 株式会社日立メディコ | 血流動態解析装置及び方法 |
-
2005
- 2005-03-30 EP EP05251958A patent/EP1585058B1/en not_active Ceased
- 2005-03-30 DE DE602005011515T patent/DE602005011515D1/de active Active
- 2005-03-30 US US11/092,899 patent/US7912269B2/en not_active Expired - Fee Related
- 2005-03-31 CN CNB2005100628416A patent/CN100382760C/zh active Active
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101675883B (zh) * | 2008-09-17 | 2012-09-19 | 株式会社东芝 | X射线ct装置、医用图像处理装置和医用图像处理程序方法 |
| CN101751680A (zh) * | 2008-12-16 | 2010-06-23 | 奥林巴斯株式会社 | 图像处理装置以及图像处理方法 |
| CN101751680B (zh) * | 2008-12-16 | 2014-03-12 | 奥林巴斯株式会社 | 图像处理装置以及图像处理方法 |
| CN104933698A (zh) * | 2014-03-17 | 2015-09-23 | 柯尼卡美能达株式会社 | 图像处理装置以及图像处理方法 |
| CN108852386A (zh) * | 2017-03-28 | 2018-11-23 | 佳能医疗系统株式会社 | 医用图像处理装置、医用图像处理方法及x射线诊断装置 |
| WO2020173416A1 (zh) * | 2019-02-25 | 2020-09-03 | 腾讯科技（深圳）有限公司 | 一种图像处理方法、装置、系统以及电子设备和存储介质 |
| US11928816B2 (en) | 2019-02-25 | 2024-03-12 | Tencent Technology (Shenzhen) Company Limited | Image processing method, apparatus, and system, electronic device, and storage medium |
Also Published As
| Publication number | Publication date |
|---|---|
| US20060004279A1 (en) | 2006-01-05 |
| DE602005011515D1 (de) | 2009-01-22 |
| EP1585058A2 (en) | 2005-10-12 |
| EP1585058B1 (en) | 2008-12-10 |
| US7912269B2 (en) | 2011-03-22 |
| EP1585058A3 (en) | 2006-02-15 |
| CN100382760C (zh) | 2008-04-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN1676101A (zh) | 医用图像处理装置和医用图像的处理方法 | |
| JP4937922B2 (ja) | 画像解析装置及び方法 | |
| CN1873650A (zh) | 用于成像过程的交互式用户助手 | |
| CN1127700C (zh) | 通过消除主结构增强数据显象能力 | |
| CN101336844B (zh) | 医用图像处理装置以及医用图像诊断装置 | |
| CN100346748C (zh) | 图像处理设备和图像处理方法 | |
| CN100586371C (zh) | 一种基于磁共振三维肾图的图像处理系统 | |
| US8724865B2 (en) | Method, computer software, and system for tracking, stabilizing, and reporting motion between vertebrae | |
| CN1449721A (zh) | 具有医学图像测量功能的医学图像处理装置 | |
| CN102395996B (zh) | 图像处理系统以及从图像数据确定似合理的参考信息的方法 | |
| JP4817689B2 (ja) | 医用画像処理装置及び医用画像処理プログラム | |
| US8965080B2 (en) | Perfusion imaging | |
| CN1864646A (zh) | 计算机和成像医疗技术设备的运行方法和相应的设置 | |
| 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 | |
| CN1823351A (zh) | 从体积数据重建运动物体图像 | |
| CN1357132A (zh) | 三维图像显示装置,显示方法和用于显示的程序 | |
| US9940735B2 (en) | System and method for generating a CT slice image | |
| CN1323642C (zh) | 放射线图像处理装置和放射线图像处理方法 | |
| CN1681438A (zh) | 血流动态分析设备及方法和图像诊断设备 | |
| CN1706344A (zh) | X射线ct装置和心肌灌注图像产生系统 | |
| CN106163405A (zh) | 断层扫描设备及由断层扫描设备显示断层扫描图像的方法 | |
| CN107518911A (zh) | 医用图像诊断装置及医用图像处理装置 | |
| CN1600273A (zh) | 断层造影成像检查设备的运行方法和x射线断层造影设备 | |
| CN1620991A (zh) | 心脏显示方法和装置 | |
| CN1739452A (zh) | 图像显示装置、图像显示方法、存储介质以及程序 |
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: 20160720 Address after: Japan Tochigi Patentee after: Toshiba Medical System Co., Ltd. Address before: Tokyo, Japan, Japan Patentee before: Toshiba Corp Patentee before: Toshiba Medical System Co., Ltd. |