CN1891155A - 一种基于ct图像的组织成分分析方法 - Google Patents
一种基于ct图像的组织成分分析方法 Download PDFInfo
- Publication number
- CN1891155A CN1891155A CN 200610012021 CN200610012021A CN1891155A CN 1891155 A CN1891155 A CN 1891155A CN 200610012021 CN200610012021 CN 200610012021 CN 200610012021 A CN200610012021 A CN 200610012021A CN 1891155 A CN1891155 A CN 1891155A
- Authority
- CN
- China
- Prior art keywords
- image
- requirement
- analysis
- region
- organization
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种基于医学影像的量化分析方法,尤其是对CT类检查图像,提供一种利用统计学方法进行多种组织成分分析的方法。本发明提供的组织成分分析方法,其特点在于,包括如下步骤:分割步骤,在原始图像中,分割并标记出兴趣区域的轮廓;分析步骤,在标记后的兴趣区域内部,利用统计学方法分析图像中不同组织成分的含量;显示步骤,将分析结果以图、表方式显示出来;临床提示步骤,依据不同组织的参考正常值提示临床病变,辅助诊断。选取特定医学影像,利用本发明提供的分析方法,可以获得不同组织或者器官的组织成分参数的统计学数值,为临床提供辅助诊断依据。
Description
技术领域
本发明涉及一种基于医学影像的量化分析方法,尤其是对CT类检查图像,提供一种利用统计学方法进行多种组织成分分析的方法。选取特定医学影像,利用本发明提供的分析方法,可以获得不同生理参数的统计学数据,为临床诊断提供辅助依据。
背景技术
20世纪以来,医学成像技术经历了从静态到动态,从形态到功能,从平面到立体的发展过程,尤其在计算机技术高度发达之后,医学成像技术的发展给临床医学提供了X射线、超声、计算机断层成像(CT)、数字减影血管造影机(DSA)、单光子发射断层成像(SPECT)、磁共振成像(MRI)、数字荧光造影(DF)、正电子发射断层成像(PET)等形态和功能的影像信息。根据医学图像所提供的信息内涵,可将现有的医学图像分为两大类:解剖图像和功能图像。前者主要描述人体形态信息,以X线放射影像为代表;后者主要描述人体代谢信息,以核医学影像为代表,两者特点不同且各有优缺点。功能图像分辨率较差,但它提供的脏器代谢信息是解剖图像所不能代替的;解剖图像以较高的分辨率提供了脏器的解剖形态信息(功能图像无法提供脏器或病灶的解剖细节),但无法反映脏器的功能情况。
影像医学的诞生从19世纪末期伦琴发现X线以来,已经历了三个世纪,但是X线影像始终是成像技术中最常见、使用范围最广的一种。X线图像可反映正常与病变组织的密度(如高密度和低密度),但没有量的概念。CT图像作为X线影像的一个分支,同属解剖类图像,但它所包含的与组织相关的特定量化信息又区别于普通的X线影像。
CT图像是由一定数目从黑到白不同灰度的象素按矩阵排列所构成。这些象素反映的是相应体素的X线吸收系数。不同CT装置所得图像的象素大小及数目不同。大小可以是1.0×1.0mm,0.5×0.5mm不等;数目可以是256×256,即65536个,或512×512,即262144个不等。显然,象素越小,数目越多,构成图像越细致,即空间分辨力(spatial resolution)高。CT图像是以不同的灰度来表示,反映器官和组织对X线的吸收程度。与X线图像所示的黑白影像一样,黑影表示低吸收区,即低密度区,如肺部;白影表示高吸收区,即高密度区,如骨骼。但是CT与X线图像相比,CT的密度分辨力高,即有高的密度分辨力(density resolutiln)。因此,人体软组织的密度差别虽小,吸收系数虽多接近于水,也能形成对比而成像。这是CT的突出优点。实际工作中,CT图像可用不同灰度显示X线的吸收系数的高低,说明其密度高低的程度,具有一个量的概念。通常换算成CT值,来说明组织密度。单位为Hu(Hounsfield unit)。
目前CT图像多数用来显示由软组织构成的器官,如脑、脊髓、纵膈、肺、肝、胆、胰以及盆腔等器官,利用其高分辨率的特点,在解剖图像上显示出病变的影像,辅助临床分析,罕见进一步的正常及病变组织分析;至于组织成分的量化分析功能,目前常用的方法是:利用功能图像,采用免疫组织化学或者组织染色等方法获取少数组织临床参数及组织学改变关系。因此,目前的组织成分分析功能是基于注入增强剂(或者染色剂)后获取的增强图像,是经过“加工处理”的功能图像,而非从影像设备直接获得的原始检查图像,其中的再加工过程有可能改变了原图像中的有效信息,给后期的诊断工作带来困难。
本发明提出了一种全新的组织成分定量分析方法,它是基于高分辨的解剖图像,特别是CT类原始检查图像进行的。这种分析方法既保留了解剖图像的优点-能够清晰显像检查部位中结构形态上的变化,又能类似功能图像-提供病变组织的功能性改变,综合了两大类图像的突出优势。
发明内容
本发明提供的组织成分量化分析方法,弥补了当今解剖图像和功能图像存在的不足。利用X线类图像之一的CT图像,在清晰显示病变组织影像的基础上,同时提供器官中多种组织成分的统计学数值分析,为医生临床诊断提供量化依据。
上述组织成分分析方法,其特点在于,包括如下步骤:分割步骤,在原始图像中,分割并标记出兴趣区域的轮廓;分析步骤,利用统计学方法,在标记后的兴趣区域内部逐个像素进行分析统计,计算区域中不同组织成分的含量;显示步骤,将分析结果以图、表方式显示出来;临床提示步骤,依据不同组织的参考正常值提示临床病变,辅助诊断。
上述组织成分分析方法,其特点在于,利用未经处理的原始解剖图像进行组织成分分析;
上述组织成分分析方法,其特点在于,是基于CT图像进行分析;
上述组织成分分析方法,其特点在于,分割步骤中采用了轮廓识别及勾勒方法;
上述组织成分分析方法,其特点在于,同时提供单一或者多个兴趣区域的提取方法;
上述组织成分分析方法,其特点在于,分析步骤中涉及二维和三维区域的多种数值统计;
上述组织成分分析方法,其特点在于,分析步骤中采用了区域统计学分组分析方法,诸如平均值、方差、斜方差、百分比等;
上述组织成分分析方法,其特点在于,提供同一组织中不同兴趣区域的统计数值;
上述组织成分分析方法,其特点在于,分析的结果可以实时显示;
上述组织成分分析方法,其特点在于,具有临床提示信息;
上述组织成分分析方法,其特点在于,是基于模式识别和分割技术进行,不同于整体组织的分析方法;
上述组织成分分析方法,其特点在于,可分析的组织成分是可以不断扩充的。
本发明的功效在于:
1、综合了解剖图像和功能图像的优势,既能清晰显示检查部位中结构形态上的变化,又能提供病变组织的功能性改变;
2、是基于CT原始检查图像进行,信息准确,不存在被加工处理信息改变的问题;
3、克服以往临床凭借医生肉眼诊断的缺点,提供量化的组织成分数值,加强临床诊断的客观性。
以下结合附图和具体实施例对本发明进行详细描述,但不作为对本发明的限定。
附图说明
图1是根据本方法进行组织成分分析的实施步骤流程图
图2选定的原始待处理图像
图3分割、标识兴趣区域
图4成分分类定义
图5组织成分分析结果显示
具体实施方式
整个发明的实施方式可以围绕图1所示的实施步骤流程图来展开说明。
首先,将选定的待处理原始CT图像调入备用,举例中采用的是一个胸部的CT图像序列(参见附图2),里面包含了病人心脏(冠状动脉、心肌等)及肺部组织的检查信息,每幅图像中包含了组织在不同的时间、层厚条件下的生理信息等。可以看到,由于不同组织对X线吸收情况存在不同,图像中的像素之间明显的差异,从白到黑呈现出不同的灰度值。
分割步骤(图1 101),选定序列中的一幅图像分割兴趣区域。应用图像处理技术中常用的勾勒和轮廓识别方法,可以根据病人的具体情况选定并标记出一个或者多个兴趣区域,图3所示的分割效果可以看到:已经完成选定并标识出了三个待处理区域:一个矩形的,一个圆形的和一个任意形状的。这里兴趣区域数量及形状的选择,完全依据临床的实际需要。
在进行定量的分析之前,需要确定兴趣区域内组织成分的基本分类组成。这个分类设置是依据不同组织或者器官中正常的生理指标反应在CT图像中得到的标准参考值。由于不同组织对应于不同参考值范围,常用组织、成分的标准参考值基本如图4中的表格所示。如果需要对图4所列出以外的组织成分进行分析,需要添加改组织的CT值范围。
确定需要分析的成分后,需要选择是对序列中某一个平面上的二维区域(切片)进行分析,还是在序列中指定一个三维区域进行分析,如果选择前者,直接进入自动分析步骤(图1 102);若选择后者,需要在某一空间内的多幅CT图像中,反复调用分割步骤,标记出单一或者多个兴趣区域,这时待分析的区域为三维的(体积分析),是由多个平面上分割区域组合而成。针对兴趣区域(二维或者三维)内的所有点,逐个读取每个像素的特征值,使用统计学方法,诸如平均值、方差、斜方差、百分比等,逐点自动计算出各种成分在区域内所占的比例。
分析计算完成后,数据结果以表格形式显示出来(图1 103),图5所示的是一个体积分析的数据结果,可以清晰看到区域内不同组织的量化分析数据。如果在分割步骤中定义的是多个兴趣区域,结果显示的时候会依据区域的编号,分组显示。
最后,根据分析计算的结果,对比正常组织的生理参数,可以给出简单的临床提示信息,为医生的诊断提供参考(图1 104)。
Claims (13)
1、一种基于CT图像的组织成分分析方法,其特征在于,包括如下步骤:
分割步骤,在原始图像中,分割并标记出兴趣区域的轮廓;
分析步骤,在标记后的兴趣区域内部,利用统计学方法分析图像中不同组织成分的含量;
显示步骤,将分析结果以图、表方式显示出来;
临床提示步骤,依据不同组织的参考正常值提示临床病变,辅助诊断。
2、权利1要求的方法,其特征在于,利用未经处理的原始解剖图像进行组织成分分析。
3、权利1要求的方法,其特征在于,是基于CT图像进行分析。
4、权利1要求的方法,其特征在于,是基于模式识别和分割技术进行,不同于整体组织的分析方法。
5、权利1要求的方法,其特征在于,分割步骤中采用了轮廓识别及勾勒方法。
6、权利1要求的方法,其特征在于,分割的兴趣区域可以是规则形状(矩形、圆形等),也可以定义为任意形状。
7、权利1要求的方法,其特征在于,可以提供单一或者多个兴趣区域的提取方法。
8、权利1要求的方法,其特征在于,分析步骤中可以提供二维和三维区域的数值统计。
9、权利1要求的方法,其特征在于,分析步骤中采用了区域统计学分组分析方法,诸如平均值、方差、斜方差、百分比等。
10、权利1要求的方法,其特征在于,可以提供同一组织中不同兴趣区域的统计数值。
11、权利1要求的方法,其特征在于,分析的结果可以实时显示。
12、权利1要求的方法,其特征在于,具有临床提示信息。
13、权利1要求的方法,其特征在于,可分析的组织成分是可以不断扩充的。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 200610012021 CN1891155A (zh) | 2006-05-26 | 2006-05-26 | 一种基于ct图像的组织成分分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 200610012021 CN1891155A (zh) | 2006-05-26 | 2006-05-26 | 一种基于ct图像的组织成分分析方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN1891155A true CN1891155A (zh) | 2007-01-10 |
Family
ID=37596541
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 200610012021 Pending CN1891155A (zh) | 2006-05-26 | 2006-05-26 | 一种基于ct图像的组织成分分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN1891155A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103886621A (zh) * | 2012-11-14 | 2014-06-25 | 上海联影医疗科技有限公司 | 一种自动提取床板的方法 |
TWI554251B (zh) * | 2016-01-05 | 2016-10-21 | 許百靈 | Spect骨顯像的定量分析技術及在骨評估中的用途 |
CN107392893A (zh) * | 2017-06-30 | 2017-11-24 | 上海联影医疗科技有限公司 | 组织密度分析方法及系统 |
WO2019000418A1 (zh) * | 2017-06-30 | 2019-01-03 | 上海联影医疗科技有限公司 | 组织密度分析方法及系统 |
CN109564622A (zh) * | 2016-08-12 | 2019-04-02 | 威里利生命科学有限责任公司 | 增强病理诊断 |
WO2019232824A1 (zh) * | 2018-06-06 | 2019-12-12 | 南方医科大学 | 生物组织影像识别的方法及其系统、计算机储存介质 |
CN113260311A (zh) * | 2019-01-03 | 2021-08-13 | 皇家飞利浦有限公司 | 基于细胞分布校准放射学数据 |
-
2006
- 2006-05-26 CN CN 200610012021 patent/CN1891155A/zh active Pending
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103886621A (zh) * | 2012-11-14 | 2014-06-25 | 上海联影医疗科技有限公司 | 一种自动提取床板的方法 |
CN103886621B (zh) * | 2012-11-14 | 2017-06-30 | 上海联影医疗科技有限公司 | 一种自动提取床板的方法 |
TWI554251B (zh) * | 2016-01-05 | 2016-10-21 | 許百靈 | Spect骨顯像的定量分析技術及在骨評估中的用途 |
CN109564622A (zh) * | 2016-08-12 | 2019-04-02 | 威里利生命科学有限责任公司 | 增强病理诊断 |
CN109564622B (zh) * | 2016-08-12 | 2023-09-01 | 威里利生命科学有限责任公司 | 增强病理诊断 |
CN107392893A (zh) * | 2017-06-30 | 2017-11-24 | 上海联影医疗科技有限公司 | 组织密度分析方法及系统 |
WO2019000418A1 (zh) * | 2017-06-30 | 2019-01-03 | 上海联影医疗科技有限公司 | 组织密度分析方法及系统 |
US11664112B2 (en) | 2017-06-30 | 2023-05-30 | Shanghai United Imaging Healthcare Co., Ltd. | Method and system for tissue density analysis |
WO2019232824A1 (zh) * | 2018-06-06 | 2019-12-12 | 南方医科大学 | 生物组织影像识别的方法及其系统、计算机储存介质 |
CN113260311A (zh) * | 2019-01-03 | 2021-08-13 | 皇家飞利浦有限公司 | 基于细胞分布校准放射学数据 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11666298B2 (en) | Apparatus and system for rule based visualization of digital breast tomosynthesis and other volumetric images | |
US7734119B2 (en) | Method and system for progressive multi-resolution three-dimensional image reconstruction using region of interest information | |
US9451924B2 (en) | Single screen multi-modality imaging displays | |
CN102525466B (zh) | 图像处理装置和磁共振成像装置 | |
DE102005035012B4 (de) | Hochleistungsschattierung von großen volumetrischen Daten unter Verwendung von partiellen Schirmraumableitungen | |
CN104093354B (zh) | 用于评估医学图像的方法和设备 | |
US7116810B2 (en) | Method and system for airway measurement | |
US7860331B2 (en) | Purpose-driven enhancement filtering of anatomical data | |
DE102007033999B4 (de) | Systeme und Verfahren zum Bestimmen von Abtastraten für ein Volumenwiedergeben | |
US20120029341A1 (en) | Method and Apparatus for Acquiring Overlapped Medical Image Slices | |
CN102231963A (zh) | 重新参数化的牛眼图 | |
US9147242B2 (en) | Processing system for medical scan images | |
US20030142857A1 (en) | Method and system for segmenting magnetic resonance images | |
CN1891155A (zh) | 一种基于ct图像的组织成分分析方法 | |
CN101188024B (zh) | 融合3d体绘制图像上拾取和根据拾取动作更新相应视图 | |
DE10254908B4 (de) | Verfahren zum Herstellen eines Bildes | |
Leemans et al. | Qualitative and quantitative evaluation of blob-based time-of-flight PET image reconstruction in hybrid brain PET/MR imaging | |
Klein et al. | A methodology for specifying PET VOIs using multimodality techniques | |
Levin et al. | Acceleration of 3D, nonlinear warping using standard video graphics hardware: implementation and initial validation | |
US20240169544A1 (en) | Methods and systems for biomedical image segmentation based on a combination of arterial and portal image information | |
WO2016128965A2 (en) | Imaging system of a mammal | |
EP1923838A1 (en) | Method of fusing digital images | |
US20230270399A1 (en) | Apparatus and system for rule based visualization of digital breast tomosynthesis and other volumetric images | |
Kao et al. | Radiologic volumetry on a personal computer with a stereologic method | |
Huesman et al. | Multislice PET Quantitation Using Three-Dimensional Volumes of Interest |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C12 | Rejection of a patent application after its publication | ||
RJ01 | Rejection of invention patent application after publication |
Open date: 20070110 |