CN1977770B - 计算脑溢血3d体积的方法和装置 - Google Patents

Abstract

本发明提供一种适用于计算脑溢血病变3D体积的方法和装置。本发明对多个由X线CT设备对发生脑溢血的头部成像而获得的连续切片图像分别设置正常脑实质区域ROI和脑溢血病变ROI，对多个图像中的每一个确定正常脑实质区域ROI内像素CT值的平均值，而后基于一个图像的平均值确定图像平均值的偏移量，采用每个图像的偏移量调整每个图像脑溢血病变ROI内的像素CT值，指定全部多个图像中已调整CT值的最大值，然后计算脑溢血病变3D体积。

Description

计算脑溢血3D体积的方法和装置

技术领域

本发明涉及计算脑溢血3D体积的方法和装置，尤其涉及基于已患脑溢血的头部的X线CT(计算机断层摄影)图像计算脑溢血3D体积的方法和装置。

背景技术

为诊断和治疗脑溢血，基于患病头部的X线CT图像进行脑溢血病变的3D体积计算。通过在图像上识别脑溢血的位置，而后对所识别的病变进行3D体积计算来进行脑溢血病变的3D体积计算。这些计算方法包括专科医生介入脑溢血病变分割的半自动方法(参见例如参考专利1)和从脑溢血病变的识别到3D体积计算的每个步骤均自动进行的全自动方法。

本领中所公知的是，一个像素的3D体积可以用像素的物理面积尺寸与像素物理厚度的乘积来计算，即，可以表示为：

(DFOV/Imagesize)²·SliceThickness·(1/Magnification)·SFOV

其中Imagesize表示图像的大小，(DFOV/Imagesize)²表示每个像素物理面积尺寸，SliceThickness表示切片厚度即每个像素厚度，Magnification表示放大倍数值。

[参考专利1]

JP-A-2005-118510(第6至7页，和附图3至8)

发明内容

[本发明要解决的问题]

在半自动方法中，专科医生介入脑溢血病变的分割，从而耗时费力。由于分割的精确度极大程度上取决于专科医生的技能，对于不同的专科医生会有不同的结果，而且单个专科医生的再现能力也是不足的。

相反，全自动方法较经济但在分割精度中存在问题，而且仍不能提供充分的结果。更具体地，该方法存在在上部脑截面内分割不足的倾向和在中部或下部脑截面内分割过度的倾向。此外，可能出现无脑溢血的截面被分割和脑溢血病变得不到充分分割的情况。

在这两种方法中，计算忽略了部分容积效应和多个图像之间的CT值偏移，从而计算结果必然是不精确的。

因此，本发明要解决的问题是提供一种以适当方式计算脑溢血病变3D体积的方法和装置。本发明要解决的另一个问题是提供一种计算脑溢血病变3D体积的方法和装置，其允许在不依赖于用户技能的情况下获得稳定的结果。

另外，本发明要解决的又一个问题是提供一种计算脑溢血病变3D体积的方法和装置，其便于用户友好的操作。本发明要解决的另一个问题是提供一种计算脑溢血病变3D体积的方法和装置，其适应下部、中部和上部脑截面，且克服了部分容积效应和多个图像之间CT值偏移的问题。

[解决问题的手段]

为了解决上述问题在本发明的第一方面提供一种计算脑溢血病变3D体积的方法，该方法包括以下步骤：基于由X线CT装置对患有脑溢血的头部成像而获得的多个连续切片的图像，分别设置正常脑实质区域ROI和脑溢血病变ROI；对多个图像确定所述正常脑实质区域ROI内像素CT值的平均值；以一个图像的平均值为基准，确定任何其它图像平均值的偏移量；采用每个图像的偏移值调整每个图像脑溢血病变ROI内的像素CT值；调整全部多个图像后，指定CT值中的最大值；以及计算由下列方程给出的脑溢血病变的3D体积：

[方程3]

$3\mathrm{DVolume}=\underset{n=1}{\overset{N}{\mathrm{\Σ}}}\mathrm{Ind}{\mathrm{ex}}_n*f(\mathrm{DFOV},\mathrm{SFOV},\mathrm{SliceThickness},\mathrm{Magnification},\mathrm{\Λ})$

如果

如果P_n≤平均₁，Index_n＝0

其中：

n：多个图像中脑溢血病变ROI内像素的像素标号；

N：多个图像中脑溢血病变ROI内像素总数；

p_n：脑溢血病变ROI内调整后的CT值；

DFOV：已定义的FOV的尺寸；

SFOV：被扫描FOV的尺寸；

SliceThickness：切片的厚度；和

Magnification：放大倍数值。

为了解决上述问题本发明的第二方面提供一种计算脑溢血病变3D体积的装置，其包括：设置装置，其用于基于由X线CT装置对患有脑溢血的头部成像而获得的多个连续切片的图像，分别设置正常脑实质区域的ROI和脑溢血病变的ROI；平均值计算装置，其用于对多个图像确定所述正常脑实质区域ROI内像素CT值平均值；偏移值计算装置，其用于以一个图像的平均值为基准，确定任何其它图像平均值偏移量；调整装置，其用于采用每个图像的偏移值调整每个图像的脑溢血ROI内像素CT值；指定装置，其用于在调整全部多个图像后，指定CT值中最大值；以及计算装置，其用于计算由下列方程给出的脑溢血3D体积：

[方程4]

$3\mathrm{DVolume}=\underset{n=1}{\overset{N}{\mathrm{\Σ}}}\mathrm{Ind}{\mathrm{ex}}_n*f(\mathrm{DFOV},\mathrm{SFOV},\mathrm{SliceThickness},\mathrm{Magnification},\mathrm{\Λ})$

如果

如果P_n≤平均₁，Index_n＝0

其中：

n：多个图像中脑溢血病变ROI内像素的像素标号；

N：多个图像中脑溢血病变ROI内像素总数；

p_n：脑溢血病变ROI内调整后的CT值；

DFOV：已定义的FOV的尺寸；

SFOV：被扫描FOV的尺寸；

SliceThickness：切片的厚度；和

Magnification：放大倍数值。

为了获得正确结果，优选的是消除包含在脑溢血病变ROI内的骨质部分。为了获得正确结果，优选的是还消除包含在脑溢血病变ROI内的异质部分。

本发明提供了一种计算脑溢血病变3D体积的方法，该方法包括以下步骤：基于由X线CT装置对患有脑溢血的头部成像而获得的多个连续切片的图像，分别设置正常脑实质区域ROI和脑溢血病变ROI；对多个图像确定所述正常脑实质区域ROI内像素CT值的平均值；以一个图像的平均值为基准，确定任何其它图像的平均值的偏移量；采用每个图像的偏移值调整每个图像脑溢血病变ROI内的像素CT值；调整全部多个图像后，指定CT值中的最大值；以及计算由下列方程给出的脑溢血病变3D体积：

[方程1]

如果

如果P_n≤平均₁，Index_n＝0

其中：

n：多个图像内脑溢血病变ROI内像素的像素标号；

N：多个图像内脑溢血病变ROI内像素总数；

p_n：脑溢血病变ROI内调整后的CT值。

本发明还提供了一种计算脑溢血病变3D体积的装置：包括设置装置，其用于基于由X线CT装置对患有脑溢血的头部成像而获得的多个连续切片的图像，分别设置正常脑实质区域ROI和脑溢血病变ROI；平均值计算装置，其用于对多个图像确定所述正常脑实质区域ROI内像素CT值的平均值；偏移值计算装置，其用于以一个图像的平均值为基准，确定任何其它图像的平均值的偏移量；调整装置，其用于采用每个图像的偏移值调整每个图像的脑溢血病变ROI内的像素CT值；指定装置，其用于在调整全部多个图像后，指定CT值中的最大值；以及计算装置，其用于计算由下列方程给出的脑溢血病变3D体积：

[方程2]

如果

如果P_n≤平均₁，Index_n＝0

其中：

n：多个图像内脑溢血病变ROI内像素的像素标号；

N：多个图像内脑溢血病变ROI内像素总数；

p_n：脑溢血病变ROI内调整后的CT值。

[发明效果]

根据本发明的上述方面，本发明通过下述内容能够提供一种用于适当计算脑溢血病变3D体积的方法和装置：基于由X线CT装置对患有脑溢血的头部成像而获得的多个连续切片的图像，分别设置正常脑实质区域ROI和脑溢血病变ROI；对多个图像确定所述正常脑实质区域ROI内像素CT值的平均值；以一个图像的平均值为基准，确定任何其它图像平均值的偏移量；采用每个图像的偏移值调整每个图像的脑溢血ROI内的像素CT值；当调整全部多个图像后，指定CT值中的最大值；以及计算由下列方程给出的脑溢血3D体积：

[方程5]

$3\mathrm{DVolume}=\underset{n=1}{\overset{N}{\mathrm{\Σ}}}\mathrm{Ind}{\mathrm{ex}}_n*f(\mathrm{DFOV},\mathrm{SFOV},\mathrm{SliceThickness},\mathrm{Magnification},\mathrm{\Λ})$

如果

如果P_n≤平均₁，Index_n＝0

其中：

n：多个图像内脑溢血病变ROI内像素的像素标号；

N：多个图像内脑溢血病变ROI内像素总数；

p_n：脑溢血病变ROI内调整后的CT值；

DFOV：已定义的FOV的尺寸；

SFOV：被扫描FOV的尺寸；

SliceThickness：切片的厚度；和

Magnification；放大倍数值。

根据本发明的上述方面，本发明能够提供一种用于计算脑溢血病变3D体积的方法和装置，其可以不依赖于用户者的技能而获得稳定的结果。此外，根据本发明上面描述的方面，本发明能够提供一种用于计算脑溢血病变3D体积的方法和装置，其便于用户友好操作。

根据本发明的上述方面，本发明能够提供一种用于计算脑溢血病变3D体积的方法和装置，其可适应下部、中部和上部脑截面，且克服了部分容积效应和多个图像之间CT值偏移的问题。

附图说明

图1示出根据实现本发明的最佳模式的图像处理装置实施例的总示意图；

图2示出计算脑溢血病变3D体积过程的示意图；

图3示出根据实现本发明的最佳模式的图像处理装置实施例的操作流程图；

图4示出表示平均值检测ROI设置实施例的灰度照片；

图5示出表示脑溢血病变ROI设置实施例的灰度照片；

图6示出表示脑溢血病变ROI设置实施例的灰度照片；

图7示出表示排除设置实施例的灰度照片；

图8示出表示脑部计算机断层摄影的灰度照片。

具体实施方式

在下面将参照附图更为详细的描述实现本发明的最佳模式。应当理解，本发明不受限于实现本发明的最佳模式。图1示出图像处理装置的示意性框图。

该装置示出实现本发明的最佳模式的示范性实施例。该装置的结构表示实现本发明计算脑溢血病变3D体积的装置的最佳模式的示范性实施例。该装置的操作表示实现本发明计算脑溢血病变3D体积的方法的最佳模式的示范性实施例。

如图1所示，该装置包括数据处理单元10、显示单元20、操作控制单元30、存储单元40和I/O单元50。数据处理单元10将基于用户通过显示单元20和操作控制单元30的交互式操作对存储在存储单元40内的数据进行预定的数据处理。数据处理单元10还将通过I/O单元50执行向外部设备的数据输出/从外部设备的数据输入。

通过I/O单元50从外部设备输入用于计算脑溢血病变3D体积的X线CT图像。该X线CT图像是多个连续切片的图像。下文中将X线CT图像简称为图像。

外部设备可包括，例如X线CT装置和医学图像服务器。本发明的装置可以是这种X线CT装置或医学图像服务器的一部分。在这种情况下，I/O单元50不是必需的。

现在将描述由本发明的装置执行的脑溢血病变3D体积计算。图2示出脑溢血病变3D体积计算过程的示意图。如图2所示，脑溢血病变3D体积的计算过程包括三个过程，即S1、S2和S3。

过程S1为选择过程。在选择过程S1中，选择用于确定平均值的截面、选择脑溢血病变并选择要除去的截面。消除截面的选择只当需要时进行。选择过程S1的细节将在以后进行更详细的描述。

过程S2是分析和调整过程。在分析和调整过程S2中，分析CT值的平均值并调整CT值。分析和调整过程S2的细节将在以后进行更详细的描述。

过程S3是计算过程。在计算过程S3中，计算3D体积。体积计算得出脑溢血病变的总3D体积。计算过程S3将在以后进行更详细的描述。

图3示出该装置操作的流程图。在步骤301中，检索图像。用户在操作控制单元30上进行操作以进行图像检索。通过该图像检索，多个图像中的第一个图像显示在显示单元20上。

在步骤303中，确定所显示的图像中是否存在脑溢血。通过用户的视觉观察确定是否存在脑溢血。如果确定不存在脑溢血，则步骤返回步骤301以检索另一个图像。当不存在脑溢血时，在步骤301和303之间反复进行该操作。

一旦确定存在脑溢血，在步骤305中，设置用于检测平均值的ROI(感兴趣区)。进行检测平均值的ROI的设置是为了确定图像中正常脑实质区域内的CT值的平均值。

图4示出检测平均值的ROI设置的实例。如图4所示，在正常脑实质区域中没有脑溢血的区域内设置圆形ROI。可由用户采用操作控制单元30的指示装置在图像的所需截面上点击来进行ROI设置。预先定义ROI的表面积。可在多个图像中预先定义平均值检测ROI。操作控制单元30是根据本发明的设置装置的示范性实施例。

接下来，在步骤307中，对脑溢血病变设置ROI。进行脑溢血病变ROI设置是为了识别图像上的脑溢血病变。图5示出脑溢血病变ROI设置的示范性实施例。如图5所示，设置适当图形的ROI，如椭圆形或矩形，以包围脑溢血病变。

用户采用操作控制单元30上的指示装置点击图像上所需点进行该ROI设置以形成ROI图形，而后调整该图形的位置、形状、尺寸和倾斜度等以包围脑溢血病变。操作控制单元30是根据本发明的设置装置的示范性实施例。

由于脑溢血病变ROI足以包围脑溢血病变，因而不需要准确描绘脑溢血病变的轮廓。此外，如图5所示，可设置包围一个脑溢血病变的多个ROI。这便于ROI的设置并且省时省力。ROI设置因此是用户友好的，而且同时适应于下部、中部和上部大脑截面中的任何一个而没有任何困难。此外，该设置不依赖于用户的专门技能。

脑溢血ROI设置成不包括任何骨质部分。例如如图6所示，当脑溢血病变位于紧靠颅骨处，ROI会设置成包括一些骨质部分时，这种设置就会困难。在这种情况下，采用CT值之间的差别检测脑溢血病变和颅骨之间的分界线，以将分界线以内设置为脑溢血病变ROI。脑溢血病变和颅骨之间的分界线检测由数据处理单元10中的已知算法自动进行。数据处理单元10是根据本发明的骨质部分消除装置的示范性实施例。

而后，在步骤309中，确定是否存在要消除的区域。由用户视觉观察确定是否存在要消除区域。要消除区域为明显不是脑溢血的明亮区域，包括例如通过手术介入植入脑内的任何人造植入体和自然钙化。

当存在要消除的区域时，在步骤311中，进行消除设置。示范性消除设置如图7所示。图7中示出的矩形区为消除区域。消除区域的设置通过采用操作控制单元30的指示装置描绘待去除物体的轮廓来进行。消除区域的设置是只有当存在待消除物体时才需要的例外过程，而且是不常见的。操作控制单元30是根据本发明的异质部分消除装置的示范性实施例。

作为特定情况，还可在脑溢血内保持出血，如图8所示。这不是正常脑实质区域内的溢血，因而体积计算将忽略该出血。在常规的全自动方法中，可能出现故障，然而在根据本发明的装置中，由用户视觉确认来确定使得很容易避免上述这种事故。

在步骤313中对设置进行记录。平均值检测ROI设置和脑溢血病变ROI设置的内容将存储在存储单元40内。消除设置，如果有的话，也将记录。这就对图像定义了平均值检测ROI设置和脑溢血病变ROI设置(以及消除设置)。

在步骤315中，确定是否仍存在未检索到的图像，且如果存在未检索到的图像，该过程返回步骤301检索该图像，并对该图像应用步骤303至313的处理。不断重复该操作直到不再有未检索到的图像。以这种方式，对全部多个图像定义每个图像的平均值检测ROI设置和脑溢血病变ROI设置(以及消除设置)。步骤303至315对应于图2所示的选择过程S1。

在步骤317中计算平均值。平均值计算在数据处理单元10中进行。数据处理单元10是根据体发明的平均值计算装置的示范性实施例。数据处理单元10为每个图像确定平均值检测ROI中的CT值的平均值。按下列得出平均值：

[方程6]

{平均_i，i＝1，2，3，Λ，I}

其中：

i：图像标号

I：图像的最大标号。

在步骤319中计算偏移量。偏移量的计算在数据处理单元10中进行。数据处理单元10是根据本发明偏移量计算装置的示范性实施例。数据处理单元10采用下例方程将每个图像的平均值分解成基准平均值和偏移量的和：

[方程7]

平均_i＝平均₁+Δ_i，i＝1，2，3，Λ，I

采用例如第一个图像的平均值作为基准平均值。应当注意，多个图像中的任何一个的平均值都可用作基准平均值。

在步骤321中，调整CT值。CT值调整在数据处理单元10内进行。数据处理单元10是根据本发明的调整装置的示范性实施例。数据处理单元10采用偏移量调整脑溢血病变ROI内每个像素的CT值。对每个图像采用下列方程进行CT值调整：

[方程8]

像素_mi＝像素_mi-Δ_i，i＝1，2，3，Λ，I

其中：

i：图像标号

m：同一图像中的像素标号

如上所述的CT值调整将会调整多个图像之间的CT值偏移量以使全部图像的平均值检测ROI中的像素值条件均匀化。

接下来，在步骤323中，指定最大值。最大值的指定在数据处理单元10中进行。数据处理单元10对每个脑溢血病变ROI指定已调整CT值的像素值的最大值，以识别这些最大值中最大的一个。分别获得每个ROI的最大值和多个ROI中的最大值。

[方程9]

{最大_j，j＝1，2，3，Λ，J}

[方程10]

最大值＝Max(最大_j，j＝1，2，3，Λ，J)

其中：

j：ROI标号

J：最大的ROI标号

步骤317至323对应于图2中所示的分析和调整过程S2。

在步骤325中，计算3D体积。步骤325对应于图2中所示的计算过程S3。3D体积计算由数据处理单元10进行。数据处理单元10首先确定一个像素的体积。一个像素的3D体积可由下列方程确定；

[方程11]

f(DFOV，SFOV，SliceThickness，Magnification，Λ)

其中：

DFOV：所定义FOV的尺寸

SFOV：扫描FOV的尺寸

SliceThickness：切片的厚度

Magnification：放大倍数

然后，数据处理单元10对全部多个图像按照CT值的升序进行调整的CT值的像素值分类。这产生如下列方程所示的序列：

[方程12]

向量＝(P_n，n＝1，2，3，Λ，N)

其中

P_n：已调整CT值的像素值

n：全部多个图像的像素标号

N：多个图像中的像素的总数

然后，数据处理单元10如下确定像素值组中的最大值：

[方程13]

P_N＝最大

数据处理单元10是根据本发明的指定装置的示范性实施例。

然后，数据处理单元10采用下列方程计算3D体积。数据处理单元10是根据本发明的计算装置的示范性实施例。

[方程14]

$3\mathrm{DVolume}=\underset{n=1}{\overset{N}{\mathrm{\Σ}}}\mathrm{Ind}{\mathrm{ex}}_n*f(\mathrm{DFOV},\mathrm{SFOV},\mathrm{SliceThickness},\mathrm{Magnification},\mathrm{\Λ})$

如果

如果P_n≤平均₁，Index_n＝0

上述方程是像素体积的加权累加。加权指数为像素CT值和基准平均值之差除以最大值和基准平均值之差的归一化差值。具有小于基准平均值的CT值的像素加权指数为0。

因此，CT值最大的像素的加权指数将是1，CT值小于基准平均值的像素的加权指数将是0，CT值在最大值和基准平均值之间的像素的加权指数将是在1和0之间的值。

作为加权的结果，对3D体积计算作出贡献的像素仅是那些CT值大于基准平均值的像素。具有最大CT值的像素处将做出最大的贡献，且该贡献随着距最大值的距离而减少。

贡献的减少指示部分容积效应的程度。设计上述方程以使具有较多部分容积效应的像素对3D体积计算的贡献较小，从而对脑溢血病变的3D体积计算来说是合理的。CT值小于基准平均值的像素贡献为0也是合理的。

此外，即使像素值包含噪声，全部值的总和将会抵消，从而噪声的影响将会很低。根据上述方程计算的3D体积就可以指示脑溢血病变的精确体积和CT值调整的效果。

附图标记列表

图1：

10   数据处理单元

20   显示单元

30   操作控制单元

40   存储单元

50   I/O单元

图2：

S1：选择

-平均值检测

-脑溢血病变

-排除

S2：分析和调整

-平均值分析

-CT值调整

S3：计算

-体积计算

图3：

开始

301  检索图像

303  是否存在脑溢血？

305  平均值检测ROI设置

307  脑溢血病变ROI设置

309  是否存在排除物？

311  排除设置

313  记录设置

315  是否还有未检索的图像？

317  平均值计算

319  偏移量计算

321  CT值调整

323  最大值确定

325  3D体积计算

结束

Claims (3)

1.一种计算脑溢血病变3D体积的装置：包括

设置装置，其用于基于由X线CT装置对患有脑溢血的头部成像而获得的多个连续切片的图像，分别设置正常脑实质区域ROI和脑溢血病变ROI；

平均值计算装置，其用于对多个图像确定所述正常脑实质区域ROI内像素的CT值的平均值；

偏移值计算装置，其用于以一个图像的平均值为基准，确定任何其它图像的平均值的偏移量；

调整装置，其用于采用每个图像的偏移值调整每个图像的脑溢血病变ROI内的像素的CT值；

指定装置，其用于在调整全部多个图像后，指定CT值中的最大值；以及

计算装置，其用于计算由下列方程给出的脑溢血病变3D体积：

[方程2]

如果平均₁＜P_n≤最大值，

如果P_n≤平均₁，Index_n＝0

其中：

n：多个图像内脑溢血病变ROI内像素的像素标号；

N：多个图像内脑溢血病变ROI内像素总数；

p_n：脑溢血病变ROI内调整后的CT值，

其中至少利用DFOV、SFOV、SliceThickness和Magnification来确定一个像素的3D体积，并且其中DFOV为已定义的FOV的尺寸，SFOV为被扫描FOV的尺寸，SliceThickness为切片的厚度，以及Magnification为放大倍数值，

其中3DVolume为脑溢血病变3D体积，

平均₁为第一图像的正常脑实质区域ROI内像素的CT值的平均值，

最大值为CT值中的最大值。

2.根据权利要求1所述的计算脑溢血病变3D体积的装置，还包括：

用于排除包括在脑溢血病变ROI内的骨质部分的骨质部分排除装置。

3.根据权利要求1所述的计算脑溢血病变3D体积的装置，还包括：

用于排除包括在脑溢血病变ROI内的异质部分的异质部分排除装置。

Images