CN1947148B - 用于自动提高医学图片的可用性的方法和系统 - Google Patents

Abstract

公开一种自动提高医学图片的可用性的方法。通过自动控制至少一个强度参数、诸如亮度或强度，以便增加强度数据阵列中至少一部分的熵，来改进包含强度数据阵列的输入医学图片。因此，可以显著地提高不同部分、特别是软组织的强度分辨率。

Description

用于自动提高医学图片的可用性的方法和系统

技术领域

本发明涉及一种用于自动提高医学图片(medical picture)的可用性(usability)的方法和系统。另外，本发明还涉及这种方法的多种用途。

背景技术

医学图片和图像可以用在众多不同的医学方法和治疗中。例如，当准备和进行肿瘤、血管畸形、和大脑中类似畸形的神经外科治疗时使用医学图像是已知的。针对这种类型的应用，例如，通常使用一个计算机程序，诸如市场上可买到的GammaPlan程序，该程序可以允许对目标体积和剂量分布进行二维或三维观察，也可以允许对通过诸如计算机断层扫描技术(CT)、核磁共振成像技术(MRI)和血管造影成像技术之类的成像技术获得的大脑分层图像进行存储，并且在成像技术中照射点的选择可以人工地进行。使用自动化工具，例如一种诸如Leksell SurgiPlan的外科手术计划系统，也是已知的。然而，也可以在许多其他应用中使用医学图片。

然而，在评估来自诸如CT和MR图片之类的医学图片的有用信息时，一个常见的问题是强度范围通常很宽。例如，CT图像的强度范围通常大约是4000Hounsfield，在从空气到诸如骨骼和骨架部分之类的具有高强度的部分的范围内变化，然而，由于软组织部分间强度变化很小，所以通常在很窄的强度范围、通常大约是100Hounsfield的强度范围内描绘软组织。然而，对于许多类型的外科手术和治疗来说，主要或唯一感兴趣的地方在于软组织的不同部分之间的区别，而对于大多数医学图片来说，这是非常困难的。

因此，为了从这种图片中推断有关软组织的任何医学有用信息，正确地控制图片的强度参数，特别是亮度和对比度，以便把图片的灰度级窗口限定到一个有用的范围内，是极其重要的。同时，重要的是以不丢失有用数据这种方式控制强度参数。然而，对强度参数的这种适当控制是一项困难、乏味和费时的任务，并且要求操作者具有很高的技能。每张图片的质量和有用性严重依赖于负责操作的操作者的个人技能，因此，由于依赖于负责操作的操作者而导致变化很大的结果。另外，人为错误的风险高，由此给医师带来困难，并最终增加了要治疗的病人的健康危险。

另外，诸如上述的GammaPlan和Leksell SurgiPlan之类的不同工具通过使用医学图像作为输入而提供的结果的质量和有用性，严重依赖于图像信息的质量和在各种软组织部分之间进行区分的能力。

此外，在评估来自医学图像中的有用和医学相关信息时经常使用的一种技术是组合图片，即所谓的图像合并(image merging)或联合注册(co-registration)。尤其是为了组合不同类型的图片、例如CT和MR图片，可以使用这种技术。然而，为了提供正确的联合注册，必须计算相似性量度，这要求已知图像的适当强度参数。因此，在本申请中，提供感兴趣的图像部分的良好的强度分辨率也是极其重要的，感兴趣的图像部分是例如对应于所描述的软组织的部分。

同样的要求可适用于许多其他类型的医学相关图片分析和图片处理、诸如分段和模式识别中。

因此，需要自动地提高医学图片的可用性。

发明内容

因此，本发明的一个目的是提供一种用于自动提高医学图片的可用性的方法、系统和计算机软件。

利用根据所附的权利要求的方法、系统和计算机软件可以实现该目的。本发明还涉及用于使用这种新方法的某些应用。

根据本发明的第一个方面，其涉及一种自动提高医学图片的可用性的方法，该方法包括步骤：提供包含有强度数据阵列的医学图片作为输入；自动控制至少一个强度参数，以便增加该强度数据阵列中至少一部分的熵；和提供经处理过的强度数据阵列作为改进的医学图片。

用这种方法，可以自动提高诸如CT和MR图片之类的医学图片的可用性。通过增加该图片中至少某些部分的熵，极大地提高了强度分辨率以及区分不同部分、例如所描述的软组织的不同部分的可能性。而且，在整个过程中，图片数据仍保持完整，使得这种方法具有医学可靠性。另外，该方法事先不需要有关图片的任何专业知识，例如，有关它描述了什么对象、该图像是怎样获得的等的任何知识。相反，不管输入的图像如何，并且也无需该图片的任何附加信息，该方法就可以自动地提高医学可用性。

另外，除了上述的优点之外，该方法还可以被很快地和成本有效地实现和执行。

由于图片的改进被自动地实现，因此不需要操作者具有特殊的技能。另外，最终结果是至少相对地独立于操作者，进而可以提供一个非常可靠和安全的最终结果，从而降低了人为错误的风险，并且对病人来说避免了医学危险。

此外，改进的医学图片还使得使用这种图片的方法更加有效和可靠。

在本申请中，医学图片被用作表示人体或动物体的一部分的任何数据阵列的单位。对用户来说，可以用多种方式来呈现图片，例如，通过显示或打印输出来呈现。另外，图片可以是静态或动态的，例如，图片可以是对特定时间的状态的描述，或者图片可以被连续地更新，最好是被实时地更新。

在本申请中，可用性涉及该图片的医学有用性，并且尤其涉及在诊断和治疗应用中的有用性。

在本申请中，熵是图像、最好是数字图像的感知信息内容的量度或量化的单位。在本申请中，对于熵的估算可以使用由C.Shannon提出的信息熵估算理论。较大的熵值对应于图片中较大的感知信息内容。

熵H[X]可以被描述为“X中的不确定性”，并且不应当将其与后验的或有条件的熵H[X/Y]相混淆，该熵H[X/Y]被描述为“在假定已知Y的情况下X中的不确定性”。

在一个最佳实施例中，本发明使用熵来查找一幅图片的强度范围，该图片例如可以包括三个或更多模式。这可以通过判定整个强度区域的子范围的熵来进行。所产生的图片最好是包括提供最大熵的子范围，或者与该子范围有关的子范围。因此，针对该图片的整个强度范围的一个子范围来计算熵，并且当限定子范围的界限时，在该子范围内的分辨率增加，进而导致不确定性/熵增加(从而向输出图片的观察者提供更多信息)。同时，对于位于该子范围之外的图片内容，不确定性/熵将会降低。因此，熵被用来平衡这两种效果。

输入的医学图片最好是由下列技术中的至少其中之一来生成：计算机断层扫描技术(CT)、核磁共振成像技术(MRI)、血管造影成像技术、X射线成像技术、正电子发射断层扫描技术(PET)、单光子发射计算机断层扫描技术(SPECT)、功能性核磁共振成像技术(fMRI)和超声波成像技术。

要被自动控制的至少一个强度参数优选是亮度和对比度中的至少其中之一，并且最优选的是这两者。

另外，最好是对要被自动控制的强度参数(一个或多个)进行控制，以便减小所述强度数据阵列的灰度级窗口。例如，CT图像的灰度级窗口可以被控制在小于500Hounsfield的范围，并且优选地是被控制在小于250Hounsfield的范围，最优选地是被控制在大约100Hounsfield的范围。

减小灰度级的功能性结果是增加图片区域的动态范围。因此，具有非常有限的颜色变化、例如颜色在从暗灰到亮灰的范围内变化的图片区域将会随着灰度级的减小而被扩展到一个更大的动态范围，例如从全黑到全白变化，并且在它们之间有细微差别。

然而，要被控制的强度参数可以是影响强度数据阵列中的强度数据值的任何参数。例如，所述的强度参数最好是可以通过控制灰度级窗口直接或间接地影响亮度和/或对比度。

在本申请中，特别是用在CT成像技术中，Hounsfield被用作放射(例如x射线)衰减的正规化指标的单位，其范围大约是-1000(空气)到+1000(骨骼)，其中对于水是0。

最好是自动控制所述至少一个强度参数，以便优化强度数据阵列中所述至少一部分的熵。然而，自动地增加熵直到某个条件得到满足，也是可能的。例如，可以增加熵以使其超过一个阈值。另外，可以控制熵，以便使其稍微小于最大可获得的值，诸如最大值的90％。

熵的优化还可以在满足一个或者几个其他要求的先决条件下进行。例如，可以在灰度级窗口至少是在某个范围、或者具有低于某个值的下限和/或高于某个值的上限的次要要求下优化熵。

最好的是，通过使熵E最大化或基本上最大化、即max[E]，来优化强度数据阵列中所述至少一部分的熵，该熵按照下式进行估算：

$E=-\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{H}_I{\left(w\right)}_i\log H_I{\left(w\right)}_i,$

其中，针对1、...、N的H_I(w)_1...N是对其计算强度参数w的图片I(x)的直方图，N是直方图中长方形(bin)的数量。

上面所定义的熵的估算对应于熵的Shannon概念。然而，也可以使用其他的熵概念，例如可以使用Rényi熵概念，这时熵E按照下式进行估算：

$E_{\mathrm{\α}}=\frac{1}{1-\mathrm{\α}}\ln \underset{i=1}{\overset{N}{\mathrm{\Σ}}}{H}^{\mathrm{\α}}{\left(w\right)}_i.$

另一个可能性是使用Havrda-Charvat熵概念，根据该概念，本发明中的熵可以按照下式进行估算：

$E_{\mathrm{\α}}=\frac{1}{1-\mathrm{\α}}(\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{H}^{\mathrm{\α}}{\left(w\right)}_i-1).$

最好的是，上面的熵定义中的N被选择为改进的医学图片所需要的灰度级值的数量。它可以是例如可能在某种媒体上再现的灰度级值的数量，其中所述媒体诸如是要使用的某种显示器或打印机，或者它可以是用肉眼可分辨的灰度级值的数量。

在上面的熵的估算中，w最好是被定义为具有上限值(upper)和下限值(lower)，并且其中将小于lower的值I(x)赋值给长方形H₁(w)₁，而将大于upper的值I(x)赋值给长方形H_N(w)_N。

最好的是，自动控制至少一个强度参数的步骤适合于用来增加强度数据阵列中的下述一部分的熵，该强度数据阵列中的一部分对应于所描述的对象的某个子集，并且最好是对应于所描述的感兴趣的结构，诸如软组织。因此，这种所选择的医学上重要的部分的强度分辨率可以被极大地增加。可以对自动地或人工地要选择什么部分进行控制。然而，还可能控制强度参数以便增加图片的整个熵。

根据本发明的另一个方面，它涉及一种用于自动提高医学图片的可用性的系统，该系统包括：输入装置，用于提供包含强度数据阵列的医学图片；用于自动控制至少一个强度参数以便增加强度数据阵列的整个熵的装置；和输出装置，用于提供这样改进的强度数据阵列作为改进的医学图片。

通过本发明的这个方面，提供了与以上就第一方面所描述的优点类似的优点。

根据本发明的另一个方面，它涉及一种用于自动提高医学图片的可用性的计算机程序，该程序包括用于执行下述步骤的计算机代码：提供包含强度数据阵列的医学图片作为输入；自动控制至少一个强度参数以便增加强度数据阵列的整个熵；和提供这样改进的强度数据阵列作为输出的医学图片。根据本发明的又一方面，它涉及一种包含上述计算机程序的数据载体。

通过本发明的这些方面，提供了与以上就第一方面所描述的优点类似的优点。

本发明还涉及使用上述的方法，以准备用于多种应用的医学图片，所述多种应用例如是进行图像处理，诸如图像合并或联合注册、分段或模式识别；进行自动治疗计划，并且最好是进行神经外科治疗计划；和在治疗期间、最好是在神经外科治疗期间进行实时的监控和/或控制。

通过参照下面的实施例，本发明的这些和其他方面将变得清楚并得到阐述。

附图说明

为了示例性的目的，在下面通过参照在附图中描述的实施例，本发明将得到更详细的描述，其中：

图1是根据本发明的方法的实施例的示意图；

图2是根据本发明的一个实施例、估算医学图片的熵的处理过程的示意图；以及

图3-5示出了在根据本发明进行处理前后的图片的例子。

具体实施例

为了示意性的目的，在下面通过例子更详细地描述本发明。

首先参照图1，根据一个实施例的用于自动提高医学图片的可用性的方法包括下列步骤。在第一步S1，把医学图片输入到处理装置中，所述处理装置诸如为计算机，并且最好是常规的个人计算机。

该医学图片最好是包含强度数据阵列的数字图像。然而，也可能使用模拟的医学图片，由此使用一个额外的转换步骤S2来把该模拟图片信息转换为数字化的强度数据阵列，这实质上是本领域中已知的。可以用多种方式提供该图片，诸如用CT或MR成像技术来提供，但是实质上可以使用任何已知的医学成像技术获得输入图像。例如，还可以通过血管造影技术、X射线成像技术、PET、SPECT、fMRI和超声波成像技术来提供输入图像。

其后，在步骤S3，以将在下面更全面地进行描述的方式估算数字图像的熵。

在优化步骤S4，自动控制至少一个强度参数，以便获得一个较高的熵值，并且最好是在给定情况下实现最大可获得的熵值。受控制的强度参数优选是亮度和对比度中的至少其中之一，更优选的是这两者。然而，作为替代或者补充，也可以控制其他强度参数。最好是控制强度参数以便减小所述强度数据阵列的灰度级窗口。例如，CT图像的灰度级窗口可以被控制在小于500Hounsfield的范围，优选的是被控制在小于250Hounsfield的范围，最优选的是被控制在大约100Hounsfield的范围。

接着，在步骤S5，使用经过优化的数据阵列作为改进的输出医学图片。

参照图2，在下面更加全面地讨论关于熵的估算和强度参数的优化的处理过程。熵是图片或信号中的信息内容的量度。在这里所讨论的熵是关于黑白图片的，但是同样的方法当然也可以用于彩色图片。可以用多种方式定义熵E，例如可以使用熵的Shannon定义。如果这样的话，则可以按照下面的方式进行医学图片的熵的估算：

首先，在步骤S31，选择直方图中的长方形的数量N。最好的是，将N选择为对应于下述灰度级值的数量，所述灰度级值是要使用的呈现装置、诸如显示器或打印机所能够呈现的，或者是肉眼能够分辨的。在步骤S32，定义初始的一组强度参数w＝(lower，upper)。接着如前面所述的那样，控制强度参数以便优化该熵。接着针对输入图像I(x)和强度参数w计算直方图H_I(w)_1...N，其中小于lower的值I(x)被赋值给长方形H₁(w)₁，而大于upper的值I(x)被赋值给长方形H_N(w)_N(步骤S33)。

接着，在步骤S34，对H_I(w)_1...N进行正规化(normate)，以使H_I(w)_1...N是任何图片值I(x)属于该长方形的概率。

接着，利用下式计算熵(步骤S35)：

$E=-\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{H}_I{\left(w\right)}_i\log H_I{\left(w\right)}_i$

接着，测试熵是否满足某个条件，诸如正在被优化、是最优可获得的值的至少90％、高于某个预设值或类似的条件(步骤S41)。如果没有满足，则调整w，并从步骤S32开始重复该处理过程(步骤S42)。

如前面所述的那样，对于强度值的自动控制，最好是优化灰度级窗口I(w)，以便使熵E最大化。可以用许多不同的方式执行这个优化处理。例如，可以针对要控制的强度参数的每个可能值、或者在几个参数同时受控制的情况下针对值的每种可能组合来计算熵，并选择提供最大熵的参数值。然而，还可能使用各种优化算法，诸如迭代优化方法。几种这样的自动优化方法实质上在本领域中是已知的。例如，可以使用下面的优化方法中的一种或者几种：模拟降温法(simulatedannealing)，演化算法，遗传算法，单纯形法，方向设置(directionset)法，共轭梯度法和准牛顿方法。

如上所述的方法最好是能被实现为计算机程序，该程序包含用于执行上述有关步骤的计算机代码。计算机程序可以被保存在任何类型的数据载体、诸如RAM、ROM、CD、DVD、闪存等上。

该方法可以在具有用于输入医学图片的输入装置的数据处理装置、诸如通用计算机上执行。该输入装置可以是一个用于从移动数据存储设备中提取数据的阅读器，诸如盘阅读器、扫描仪、网络连接、要连接到成像设备上的端口或类似装置。另外，该数据处理装置还可以具有一个输出装置，用于提供改进的强度数据阵列作为改进的医学图片。该输出装置可以包括显示器、打印机、用于在数据存储设备、最好是移动数据存储设备上存储数据的记录器，诸如CD-ROM记录器或类似装置。图像数据处理最好是可以用软件形式实现，但是也可能是至少它的某些部分用专用硬件来实现。另外，上述的部分可以包括在单个单元中，或者可以包括分布式的、相互连接的部分。然而，本方法还可以在专门的设备中实现，诸如在超声波装置、X射线装置以及类似装置中实现。

由上述方法产生的输出医学图片可以在多种应用中使用，并且尤其可以用于不同类型的自动或人工治疗和诊断方法。例如，输出图片可用来控制立体定位(stero-tactic)外科设备、诸如由同一申请人在WO 00/42928中所公开的设备，所述参考文献被包括在这里作为参考。因此，输出图片可以被用来在损伤处理中测量组织的受损体积。然而，对于其他类型的外科手术过程、特别是神经外科手术来说，新方法也是有用的，例如，可用于在所述治疗期间进行实时监控和控制。

上述的用于提高医学图片的可用性的方法对于准备将被用在自动治疗计划中、最好是用于神经外科治疗计划的图片来说也是特别有用的，如同一申请人在WO 98/57705中所讨论的那样，所述参考文献被包括在这里作为参考。

改进的医学图片还可以用于其他类型的应用中，诸如用于为其他类型或自动方法准备图片。例如，所述的图片可被用于准备医学图片以便用于进行图像处理，所述图像处理诸如为图片合并或联合注册、分段或模式识别。

在图3-5中提供了使用本发明的例子。在图3a中，示出了具有原始熵1.907的输入图像。在如上所述进行处理后，获得如图3b中所示的输出图像，它具有熵3.064，并且因此软组织部分具有明显增强的可见度和强度分辨率。同样地，图4a示出了具有原始熵1.335的输入图像，而图4b示出了具有熵3.155的改进图像。在图5a中，输入图像具有原始熵3.610，而改进的图像具有熵4.002。

当前已经描述了本发明的具体实施例。然而，可能有几种变化，对于本领域的普通技术人员来说，这是显而易见的。例如，多种用于估算熵的方法都是可行的，可以用许多不同的方式执行优化处理等。

这些和其他显而易见的修改应当被认为是包括在由所附权利要求书所定义的本发明的保护范围之内。应当指出的是，上述实施例对本发明进行了举例说明而不是对本发明进行限制，并且本领域的普通技术人员在不脱离所附权利要求书的范围的情况下可以设计出许多种替换的实施例。

Claims (19)

1.一种自动提高医学图片的可用性的方法，包括步骤：

提供包含有强度数据阵列的医学图片作为输入；

自动控制至少一个强度参数，以便减小所述强度数据阵列的灰度级窗口以及增加所述强度数据阵列中至少一部分的熵，其中通过判定整个强度区域的子范围的熵来查找医学图片的强度范围，所述子范围提供最大的熵；和

提供经处理过的强度数据阵列作为改进的医学图片。

2.如权利要求1所述的方法，其中，要自动控制的至少一个强度参数是亮度和对比度中的至少其中之一。

3.如权利要求1所述的方法，其中，所述灰度级窗口被控制在小于500Hounsfield的范围。

4.如权利要求1-3中任何一个所述的方法，其中，对所述至少一个强度参数进行自动控制，以便优化强度数据阵列中所述至少一部分的熵。

5.如权利要求4所述的方法，其中，通过使熵E最大化，即max[E]，来优化强度数据阵列中所述至少一部分的熵，该熵按照下式进行估算：

$E=-\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{H}_I{\left(w\right)}_i\log H_I{\left(w\right)}_i$

其中，H_I(w)_1...N是对其计算强度参数w的图片I(x)的直方图，N是直方图中长方形的数量。

6.如权利要求5所述的方法，其中，将N选择为所述改进的医学图片所要求的灰度级值的数量。

7.如权利要求5所述的方法，其中，w被定义为具有上限值upper和下限值lower，并且其中小于lower的值I(x)被赋值给长方形H₁(w)₁，而大于upper的值I(x)被赋值给长方形H_N(w)_N。

8.如权利要求1-3中任何一个所述的方法，其中，输入的医学图片由下述技术中的至少其中之一来生成：计算机断层扫描技术(CT)、核磁共振成像技术(MRI)、血管造影成像技术、X射线成像技术、正电子发射断层扫描技术(PET)、单光子发射计算机断层扫描技术(SPECT)、功能性核磁共振成像技术(fMRI)和超声波成像技术。

9.如权利要求1-3中任何一个所述的方法，其中，自动控制至少一个强度参数的步骤适于增加强度数据阵列中的下述一部分的熵，强度数据阵列中的所述部分对应于所描述的对象的某个子集。

10.如权利要求1所述的方法，其中，所述灰度级窗口被控制在小于250Hounsfield的范围。

11.如权利要求1所述的方法，其中，所述灰度级窗口被控制在100Hounsfield。

12.如权利要求1-3中任何一个所述的方法，其中，自动控制至少一个强度参数的步骤适于增加强度数据阵列中的下述一部分的熵，强度数据阵列中的所述部分对应于所描述的感兴趣的结构。

13.一种用于自动提高医学图片的可用性的系统，包括：

输入装置，用于提供包含强度数据阵列的医学图片；

用于自动控制至少一个强度参数以便减小所述强度数据阵列的灰度级窗口以及增加强度数据阵列的至少一部分的熵的装置，其中通过判定整个强度区域的子范围的熵来查找医学图片的强度范围，所述子范围提供最大的熵；和

输出装置，用于提供这样改进的强度数据阵列作为改进的医学图片。

14.如权利要求13所述的系统，其中，要自动控制的至少一个强度参数是亮度和对比度中的至少其中之一。

15.如权利要求13或14所述的系统，其中，用于控制至少一个强度参数的装置适于控制所述参数以便减小所述强度数据阵列的灰度级窗口。

16.如权利要求13或14所述的系统，其中，用于控制至少一个强度参数的装置适于控制所述参数以便优化强度数据阵列中所述至少一部分的熵。

17.如权利要求13或14所述的系统，其中，输入的医学图片由下列技术中的至少其中之一来生成：计算机断层扫描技术(CT)、核磁共振成像技术(MRI)、血管造影成像技术、X射线成像技术、正电子发射断层扫描技术(PET)、单光子发射计算机断层扫描技术(SPECT)、功能性核磁共振成像技术(fMRI)和超声波成像技术。

18.使用根据权利要求1-12中任何一个所述的方法来准备医学图片以便用于图像处理的方法。

19.使用根据权利要求1-12中任何一个所述的方法来准备医学图片以便用于图像合并或联合注册、分段或模式识别的方法。

Images