DE112014007064T5

DE112014007064T5 - System und Verfahren für die Konnektivitätszuordnung

Info

Publication number: DE112014007064T5
Application number: DE112014007064.5T
Authority: DE
Inventors: Kelly Noel Dyer; Ali Raza Khan
Original assignee: Synaptive Medical Barbados Inc
Current assignee: Synaptive Medical Inc
Priority date: 2014-10-17
Filing date: 2014-10-17
Publication date: 2017-06-29
Also published as: CN107110944B; JP2017531501A; US10078896B2; US9818188B2; GB2547833B; AU2014409090B2; US20170221208A1; CA2957445A1; JP6636514B2; GB201707725D0; AU2014409090A1; GB2547833A; CN107110944A; US20180018769A1; CA2957445C; WO2016058075A1

Abstract

Es wird ein Verarbeitungssystem für und ein Verfahren zum Segmentieren eines physiologischen Bildes bereitgestellt. Sobald das physiologische Bild empfangen wird, werden weiterhin extrinsische Daten, die extrinsische Bereiche definieren, empfangen. Zusätzlich werden intrinsische Daten, die mindestens einen intrinsischen Bereich definieren, jeder intrinsische Bereich, der einem extrinsischen Bereich entspricht, empfangen. Es wird eine primäre Modifikation durchgeführt, bei der eine Form und Größe von mindestens einem extrinsischen Bereich mit einem entsprechenden intrinsischen Bereich auf der Grundlage einer Form und Größe des entsprechenden intrinsischen Bereichs modifiziert wird, um modifizierte extrinsische Daten zu bilden. Das physiologische Bild wird in segmentierte Bereiche auf der Basis der modifizierten extrinsischen Daten segmentiert, wobei jeder segmentierte Bereich einen entsprechenden intrinsischen Bereich aufweist, der eine primäre Modifikation auf der Grundlage desentsprechenden intrinsischen Bereichs darstellt.

Description

GEBIET DER ERFINDUNG
Die vorliegende Erfindung bezieht sich allgemein auf die physiologische Bildgebung. Insbesondere bezieht sich die vorliegende Erfindung auf die Konnektivitätsabbildung in einem aufgenommenen physiologischen Bild.
HINTERGRUND DER ERFINDUNG
Magnetresonanztomographie (MRT) ist eine Hauptbildgebungstechnik, die in der Medizin verwendet wird. MRT ist in der Lage, detaillierte Bilder von Weichgeweben wie dem Gehirn, Muskeln und Nieren zu erzeugen. Spezifische Eigenschaften der verschiedenen Verbindungen, die in Geweben, wie Wasser und / oder Fett gefunden werden, werden verwendet, um Bilder zu erzeugen. Wenn zum Beispiel ein starkes Magnetfeld angelegt wird, wird die Vektorsumme der kernmagnetischen Momente einer großen Anzahl von Atomen, die einen Kernspin-Drehimpuls besitzen, wie Wasserstoff, der in Wasser und Fett reichlich vorhanden ist, ein magnetisches Momentmoment erzeugen in Ausrichtung mit dem extern angelegten Feld. Das resultierende Netzmagnetmoment kann weiterhin mit einer wohldefinierten Frequenz vorgehen, die proportional zum angelegten Magnetfeld ist. Nach der Erregung durch Hochfrequenzimpulse ermöglicht die Netzmagnetisierung somit ein detektierbares Signal.
Die erfassten Signale bilden die Grundlage, aus der Bilder des zu scannenden Gewebes erhalten werden. Diese Bilder sind typischerweise eine Darstellung der Anatomie des zu scannenden Gewebes. Darüber hinaus können die erhaltenen Bilder durch die Segmentierung der Anatomie in interessierende Bereiche weiter verstärkt werden. Die Segmentierung in interessierende Bereiche erfolgt typischerweise durch die Abbildung von generischen Atlasdaten, die zuvor aus einer oder mehreren verschiedenen Gewebeproben gewonnen wurden, oder auf der Grundlage der Erfahrungen von Fachleuten auf dem Gebiet. Die auf diese Weise erhaltenen Daten sind jedoch nicht notwendigerweise repräsentativ für das vorhandene Gewebe. Dementsprechend besteht die Notwendigkeit, anatomische Bilder auf der Grundlage von interessierenden Bereichen genau zu verbessern.
ZUSAMMENFASSUNG DER ERFINDUNG
Es ist eine Aufgabe, ein neuartiges System und Verfahren für ein MRI-Abtastsystem und ein Verfahren bereitzustellen, das mindestens einen der oben genannten Nachteile des Standes der Technik vermeidet und mindert.
Gemäß einem Aspekt wird ein computerimplementiertes Verfahren zum Segmentieren eines physiologischen Bildes bereitgestellt. Das Verfahren kann das Empfangen von extrinsischen Daten umfassen, die extrinsische Bereiche definieren. Es können auch intrinsische Daten empfangen werden, die mindestens einen intrinsischen Bereich definieren. Jeder intrinsische Bereich kann einem extrinsischen Bereich entsprechen. Als primäre Modifikation kann eine Form und Größe von mindestens einem extrinsischen Bereich mit einem entsprechenden intrinsischen Bereich basierend auf einer Form und Größe des entsprechenden intrinsischen Bereichs modifiziert werden, um modifizierte extrinsische Daten zu bilden. Das physiologische Bild kann in segmentierte Regionen auf Basis der modifizierten extrinsischen Daten segmentiert werden. Jeder segmentierte Bereich, der einen entsprechenden intrinsischen Bereich aufweist, kann eine primäre Modifikation auf der Grundlage des entsprechenden intrinsischen Bereichs darstellen.
Das Verfahren kann ferner das Empfangen von intrinsischen Daten über Nervenbahnen umfassen, die Nervenbahnen umfassen. Waypoint(Wegepunkt)-Regionen können auch empfangen werden und ein identifiziertes Bündel mit einer identifizierten Teilmenge der Nervenbahnen kann anhand der Wegpunktregionen identifiziert werden. Die Wegpunktbereiche können mindestens einen Endpunktbereich umfassen und das Bündel kann anhand der an dem mindestens einen Endpunktbereich endenden Flächen identifiziert werden. Die Wegpunktbereiche können auch mindestens einen Durchgangsbereich umfassen und das Bündel kann auf der Grundlage der durch den mindestens einen Durchlaufbereich durchlaufenden Bahnen identifiziert werden.
Gemäß einem anderen Aspekt wird ein Datenverarbeitungssystem bereitgestellt. Das Datenverarbeitungssystem kann ein physiologisches Bild empfangen, extrinsische Daten, die extrinsische Bereiche definieren, und intrinsische Daten, die mindestens einen intrinsischen Bereich definieren. Jeder intrinsische Bereich kann einem extrinsischen Bereich entsprechen. Als primäre Modifikation kann eine Form und Größe von mindestens einem extrinsischen Bereich mit einem entsprechenden intrinsischen Bereich basierend auf einer Form und Größe des entsprechenden intrinsischen Bereichs modifiziert werden, um modifizierte extrinsische Daten zu bilden. Das physiologische Bild kann in segmentierte Regionen auf Basis der modifizierten extrinsischen Daten segmentiert werden. Jeder segmentierte Bereich, der einen entsprechenden intrinsischen Bereich aufweist, kann eine primäre Modifikation auf der Grundlage des entsprechenden intrinsischen Bereichs darstellen.
Diese, zusammen mit anderen Aspekten und Vorteilen, die nachfolgend offensichtlich werden, befinden sich in den Einzelheiten des Aufbaus und des Betriebs, wie nachfolgend ausführlicher beschrieben und beansprucht wird, wobei auf die begleitenden Zeichnungen Bezug genommen wird, die einen Teil hiervon bilden, wobei gleiche Bezugszeichen sich auf gleiche Teile beziehen.
KURZE BESCHREIBUNG DER ZEICHNUNGEN
1 zeigt ein Blockdiagramm von funktionalen Teilsystemen eines Magnetresonanzbildgebungssystems (MRI) gemäß einer Implementierung.
2 zeigt eine Blockdiagrammdarstellung eines beispielhaften Datenverarbeitungssystems gemäß einer Implementierung.
3 zeigt das Verfahren der Bildsegmentierung unter Verwendung des MRI-Systems von 1 gemäß einer Ausführungsform.
DETAILLIERTEBESCHREIBUNG
Herkömmliche Magnetresonanztomographie(MRI)-Systeme stellen eine bildgebende Modalität dar, die hauptsächlich verwendet wird, um Bilder von Magnetresonanzsignalen (MR) von Protonen wie Wasserstoffatomen in einem Objekt zu konstruieren. In der medizinischen MRT sind typische Signale von Interesse MR-Signale von Wasser und Fett, die wichtigsten Wasserstoff enthaltenden Komponenten von Geweben.
Unter Bezugnahme auf 1 ist ein Blockdiagramm eines Magnetresonanzbildgebungssystems (MRI) gemäß einer beispielhaften Implementierung bei 100 gezeigt. Die beispielhafte Implementierung des MRI-Systems, das bei 100 angegeben ist, dient lediglich der Veranschaulichung und Variationen, die zusätzliche, weniger und / oder verschiedene Komponenten beinhalten, sind möglich.
Wie in 1 gezeigt, umfasst das veranschaulichende MRI-System 100 ein Datenverarbeitungssystem 105. In 2 ist ein beispielhaftes Rechensystem gezeigt, das Teil des für die Bild- und Datenverarbeitung verantwortlichen Datenverarbeitungssystems 105 sein kann. Das Datenverarbeitungssystem 105 umfasst einen Prozessor 210, eine oder mehrere optionale Eingabegeräte 220, Ausgabevorrichtungen 230 und Speicher 240. Der Prozessor 210 betreibt oder führt Betriebsanweisungen oder Anwendungen 250 aus, die in dem Speicher 240 gespeichert sind, um verschiedene Funktionen für das Datenverarbeitungssystem 105 auszuführen. Der Prozessor 210 umfasst einen oder mehrere Mikroprozessoren, Mikrocontroller, digitale Signalprozessoren (DSP), Zustandsmaschinen, Logikschaltungen oder irgendeine Vorrichtung oder Vorrichtungen, die Informationen auf der Grundlage von Betriebs- oder Programmierbefehlen oder Anwendungen 250 verarbeiten, die in dem Speicher 240 gespeichert sind. In Übereinstimmung mit den Ausführungsformen verarbeitet der Prozessor 210 verschiedene Funktionen und Daten, die mit der Durchführung der Bilderfassung und -verarbeitung verbunden sind.
Die Eingabevorrichtungen 220 sind irgendwelche Vorrichtungen, die es dem MRI-System 100 ermöglichen, Eingaben von einem Bediener zu empfangen. Beispielsweise können die Eingabevorrichtungen 220 eine Tastatur, ein Berührungsfeld, eine Berührungskomponente eines Displays, ein Mikrofon, Sensoren zum Erfassen von Gesten, Tasten, Schaltern oder anderen Vorrichtungen sein, die verwendet werden können, um eine Bedienereingabe zu empfangen. In Variationen können Kombinationen solcher Vorrichtungen verwendet werden.
Die Ausgabevorrichtungen 230 sind irgendwelche Vorrichtungen, die in der Lage sind, eine Rückmeldung an einen Bediener zu liefern. Dementsprechend können die Ausgabevorrichtungen 230 beispielsweise in Form eines Audiogeräts, wie eines Lautsprechers, einer haptischen Vorrichtung wie eines Vibrators oder einer visuellen Vorrichtung wie einer Anzeige oder einer lichtemittierenden Diode (LED) sein, oder eine Kombination solcher Vorrichtungen.
Der Speicher 240 ist ein beliebiges Gerät oder ein nicht transitorisches Medium, das in der Lage ist, digitale Informationen zu speichern. Dementsprechend kann der Speicher 240 einen IC-Chip (integrierte Schaltung) enthalten, der jede Form von RAM (Speicher mit wahlfreiem Zugriff) oder ROM (Nur-Lese-Speicher), eine CD-RW (Compact Disk mit Lese-Schreibvorgang), eine Festplatte enthält Laufwerk, eine DVD-RW (Digitalversatile Disc mit Leseschreiben), eine Flash-Speicherkarte, eine externe Teilnehmer-Identitätsmodul-(SIM)-Karte oder ein anderes nicht-transitorisches Medium zur Speicherung von digitalen Informationen. Der Speicher 240 verwaltet Anwendungen 250. Die Anwendungen 250 umfassen verschiedene Software- und / oder Firmware-Programme, die für den Betrieb des MRI-Systems 100 (z. B. Bilderfassung, Datenverarbeitung usw.) erforderlich sind, die spezifische Anforderungen des Bedieners adressieren.
Das Datenverarbeitungssystem 105 kann ferner eine oder mehrere Schnittstellen 260 umfassen, die für die Kommunikation und den Datenaustausch mit den Steuereinheiten und den Hardwarekomponenten des MRI-Systems 100 zum Durchführen einer Abtastung ausgelegt sind.
Weiter mit 1 enthält das Beispiel-MRI-System 100 auch einen Hauptfeldmagneten 110. Der Hauptfeldmagnet 110 kann beispielsweise als permanenter, supraleitender oder resistiver Magnet realisiert werden. Andere Magnettypen, einschließlich Hybridmagnete, die für die Verwendung in dem MRI-System 100 geeignet sind, werden nun einem Fachmann einfallen und werden in Betracht gezogen. Der Hauptfeldmagnet 110 ist betreibbar, um ein im wesentlichen einheitliches Hauptmagnetfeld mit einer Stärke B0 und einer Richtung entlang einer Achse zu erzeugen. Das Hauptmagnetfeld wird verwendet, um ein Abbildungsvolumen zu erzeugen, in dem die gewünschten Atomkerne, wie die Protonen in Wasserstoff in Wasser und Fett, eines Objekts magnetisch in Vorbereitung für einen Scan ausgerichtet sind. In einigen Implementierungen kann, wie bei dieser beispielhaften Implementierung, eine Hauptfeldsteuereinheit 1, 15 in Verbindung mit dem Datenverarbeitungssystem 105 verwendet werden, um den Betrieb des Hauptfeldmagneten 110 zu steuern.
Das MRI-System 100 umfasst ferner Gradientenspulen 120, die zum Codieren von räumlichen Informationen in dem Hauptmagnetfeld verwendet werden, beispielsweise entlang dreier senkrechten Gradientenachsen. Die Größe und Ausgestaltung der Gradientenspulen 120 kann so sein, dass sie einen kontrollierten und gleichmäßigen linearen Gradienten erzeugen. Beispielsweise können drei gepaarte orthogonale stromführende Primärspulen, die sich innerhalb des Hauptfeldmagneten 1 & sub1; befinden, entworfen werden, um gewünschte lineare Gradientenmagnetfelder zu erzeugen.
In einigen Implementierungen können die Gradientenspulen 120 abgeschirmt sein und eine äußere Schicht von Abschirmungsspulen umfassen, die ein Gegenmagnetfeld erzeugen können, um dem Gradientenmagnetfeld entgegenzuwirken, das durch die primären Gradientenspulen erzeugt wird, die ein primäres Schildspulenpaar bilden. In einem solchen Spulenpaar können die "primären" Spulen für die Erzeugung des Gradientenfeldes verantwortlich sein und die "Schild" – Spulen können für die Verringerung des Streufeldes der Primärspule außerhalb eines bestimmten Volumens, wie beispielsweise eines Abbildungsvolumens, verantwortlich sein. Die Primär- und Abschirmspulen der Gradientenspulen 120 können in Reihe geschaltet sein. Es ist auch möglich, mehr als zwei Schichten von Spulen für jede gegebene Gradientenachse zu haben, die zusammen eine abgeschirmte Gradientenspule bilden. Die abgeschirmten Gradientenspulen 120 können Wirbelströme und andere Störungen reduzieren, die Artefakte in den gescannten Bildern verursachen können. Da Wirbelströme hauptsächlich in leitfähigen Komponenten des MRI-Systems 100 fließen, die durch Magnetfelder außerhalb des Abbildungsvolumens (Randfelder) verursacht werden, kann die Verringerung der von den Gradientenspulen 20 erzeugten Streufelder die Interferenz verringern. Dementsprechend können die Formen und Größen, Leiterdrahtmuster und -größen und Stromamplituden und Muster des Primärschildspulenpaars so gewählt werden, dass das Netzmagnetfeld außerhalb der Gradientenspulen 120 so nahe wie möglich an Null ist. Bei zylindrischen Magneten können beispielsweise die beiden Spulen in Form von konzentrischen Zylindern angeordnet sein, während bei vertikalen Feldmagneten die beiden Spulen in koaxialen Scheiben angeordnet sein können.
Die leitfähigen Komponenten der Gradientenspulen 120, ob abgeschirmt oder unabgeschirmt und einschließlich der Primär- und Abschirmspulen, können aus einem elektrischen Leiter (z. B. Kupfer, Aluminium usw.) bestehen. Die internen elektrischen Verbindungen können so sein, dass bei einer Spannungsdifferenz an die Anschlüsse der Gradientenspulen 120 ein elektrischer Strom in dem gewünschten Weg fließen kann. Die leitfähigen Komponenten für die drei Gradientenachsen sowohl für die primären Gradientenspulen als auch für die Gradientenabschirmspulen können durch physikalische Trennung und / oder eine nichtleitende Barriere isoliert werden.
Die von den Gradientenspulen 120 erzeugten Magnetfelder können in Kombination und / oder sequentiell dem Hauptmagnetfeld überlagert werden, so dass eine selektive räumliche Erregung von Objekten innerhalb des Abbildungsvolumens erfolgt. Zusätzlich zu einer räumlichen Erregung können die Gradientenspulen 120 räumlich spezifische Frequenz- und Phaseninformationen an die Atomkerne, die innerhalb des Abbildungsvolumens angeordnet sind, anhängen, wodurch das resultierende MR-Signal in ein nützliches Bild rekonstruiert werden kann. Eine Steigungsspulensteuereinheit 125, die mit dem Datenverarbeitungssystem 105 in Verbindung steht, wird verwendet, um den Betrieb der Gradientenspulen 120 zu steuern.
Bei einigen Implementierungen des MRI-Systems 100 können zusätzliche (nicht gezeigte) Elektromagnetspulen vorhanden sein, wie z. B. Shimspulen (traditionell, aber nicht beschränkt auf die Erzeugung von Magnetfeldprofilen von 2. Ordnung oder höheren sphärischen Oberschwingungen) oder einen gleichmäßigen Feldversatz Spule oder irgendein anderer korrigierender Elektromagnet. Um das aktive Shimming durchzuführen (Korrektur der Feldverzerrungen, die eingeführt werden, wenn verschiedene Objekte innerhalb oder um das System platziert werden), tragen die korrigierenden Elektromagneten, wie z. B. die Shimspulen, einen Strom, der verwendet wird, um Magnetfelder bereitzustellen, die dazu dienen, – das Hauptmagnetfeld gleichmäßiger zu machen. Beispielsweise können die von diesen Spulen erzeugten Felder die Korrektur von Inhomogenitäten im Hauptmagnetfeld aufgrund von Unvollkommenheiten im Hauptmagneten 110 oder durch das Vorhandensein von externen ferromagnetischen Objekten oder aufgrund von Anfälligkeitsunterschieden von Materialien innerhalb des Abbildungsbereichs unterstützen oder irgendwelche anderen statischen oder zeitveränderlichen Phänomene.
Das MRI-System 100 umfasst ferner Hochfrequenz-(RF-)Spulen 130. Die HF-Spulen 130 werden verwendet, um ein HF-Magnetfeld mit einer Stärke B1 zu erzeugen, um die Atomkerne oder "Spins" anzuregen. Die HF-Spulen 130 können auch Signale detektieren, die von den "entspannenden" Spins innerhalb des abgebildeten Objekts emittiert werden. Dementsprechend können die HF-Spulen 130 in Form von separaten Sende- und Empfangsspulen oder einer kombinierten Sende- und Empfangsspule mit einem Schaltmechanismus zum Umschalten zwischen Sende- und Empfangsmodi sein.
Die HF-Spulen 130 können als Oberflächenspulen realisiert werden, die typischerweise nur Spulen und / oder Volumenspulen empfangen, die Empfangs- und Übertragungsspulen sein können. Die HF-Spulen 130 können in den Hauptfeld-Magnetbohrung 110 integriert werden. Alternativ können die HF-Spulen 130 in näherer Nähe zu dem zu scannenden Objekt, wie beispielsweise einem Kopf, implementiert werden und können eine Form annehmen, die der Form des Objekts angenähert ist, wie etwa einem eng anliegenden Helm. Eine HF-Spulensteuereinheit 135, die mit dem Datenverarbeitungssystem 105 in Verbindung steht, kann verwendet werden, um den Betrieb der HF-Spulen 130 zu steuern.
Es gibt viele Techniken zum Erfassen von Bildern unter Verwendung des MRI-Systems 100, einschließlich T1 und T2 gewichtete Bilder. Um eine vereinfachte Darstellung der Funktionalität des MRI-Systems 100 bereitzustellen, werden vereinfachte Operationen zum Erhalten von Protonendichte-gewichteten Bildern als ein nicht einschränkendes Beispiel beschrieben. Um ein Bild gemäß der Beispieldarstellung zu erzeugen, detektiert das MRI-System 100 das Vorhandensein von Atomkernen, die einen Spindrehdimpuls in einem Objekt enthalten, wie jene von Wasserstoffprotonen in Wasser oder Fett, die in Geweben gefunden werden, wenn man das Objekt einem relativ starken Magnetfeld aussetzt. In dieser beispielhaften Implementierung hat das Hauptmagnetfeld eine Stärke von B0 und die Atomkerne, die Spin-Drehimpuls enthalten, können Wasserstoffprotonen sein. Das Hauptmagnetfeld polarisiert teilweise die Wasserstoffprotonen in dem Objekt, das in dem Abbildungsvolumen des Hauptmagneten 110 angeordnet ist. Die Protonen werden dann mit entsprechend abgestimmter HF-Strahlung, die ein HF-Magnetfeld mit einer Festigkeit von B1 bildet, aufgeregt. Schließlich wird ein schwaches HF-Strahlungssignal von den angeregten Protonen als MR-Signal detektiert, da die Protonen sich von der magnetischen Wechselwirkung "entspannen". Die Frequenz des detektierten MR-Signals ist proportional zum Magnetfeld, dem sie ausgesetzt sind.
Querschnitte des Objekts, aus denen Signale erhalten werden können, können durch Erzeugen eines Magnetfeldgradienten über dem Objekt ausgewählt werden, so dass Magnetfeldwerte des Hauptmagnetfeldes entlang verschiedener Stellen im Objekt variiert werden können. Da die Signalfrequenz proportional zum angelegten Magnetfeld ist, erlauben die Variationen die Zuordnung einer bestimmten Signalfrequenz und Phase zu einer Stelle im Objekt. Dementsprechend können in den erhaltenen MR-Signalen ausreichende Informationen gefunden werden, um eine anatomische Abbildung des Objekts in Bezug auf die Protonenpräsenz zu konstruieren, die die Grundlage eines herkömmlichen MRI-Bildes bildet. Zum Beispiel kann, da die Protonendichte mit der Art des Gewebes variiert, Gewebevariationen als Bildkontrastvariationen abgebildet werden, nachdem die erhaltenen Signale verarbeitet wurden.
In Variationen kann ein aufgenommenes Bild unter Verwendung verschiedener anderer Abbildungssysteme und -verfahren erhalten werden. Zum Beispiel können in einigen Variationen anatomische Bilder unter Verwendung von Computertomographie (CT) Scans erhalten werden. Anatomische Bilder, die mit CT-Scans erhalten werden, sind empfindlicher gegenüber dichteren Geweben wie Knochen und können daher für die Verwendung in Fällen, in denen das interessierende Gewebe ein dichteres Gewebe ist, geeigneter sein. Jedoch können CT-Scans auch für die Weichgewebe-Bildgebung verwendet werden, wo zum Beispiel keine MRI-Systeme verfügbar sind. Andere Verfahren zum Erhalten aufgenommener Bilder werden einem Fachmann nun einfallen und sind innerhalb des Umfangs.
Die aufgenommenen Bilder können zwei- oder dreidimensional sein. Beispielsweise ist ein typisches MRT-Bild eine zweidimensionale volumetrische Scheibe durch das zu scannende Gewebe. Die Gradientenspulen 120 erlauben die Auswahl einer bestimmten Scheibe des zu scannenden Gewebes. Ähnlich ist ein typisches CT-Bild eine zweidimensionale Scheibe, die auf der Grundlage von Röntgenbildgebungsverfahren erhalten wird. Zweidimensionale Bilder, die durch MRI- oder CT-Scans erhalten werden, können durch verschiedene Bildverarbeitungstechniken kombiniert werden, um dreidimensionale Bilder zu bilden, die ein Volumen von Gewebe darstellen, das von Interesse ist, wie das Gehirn oder ein Teil des Gehirns. Andere bildgebende Verfahren erlauben das Erhalten von Bildern, die unterschiedliche Dimensionalität haben. Beispielsweise sind elektroenzephalographische EEG-basierte Bilder typischerweise Bilder, die eine elektrische Aktivität entlang der Oberfläche des Gehirns bis zu einer bestimmten Tiefe darstellen.
Sobald ein aufgenommenes Bild, das ein Subjekt repräsentiert, wie ein Gewebe von Interesse, erhalten wird, kann das aufgenommene Bild durch die Verwendung von Daten, die eine regionale Segmentierung des aufgenommenen Bildes ermöglichen, verbessert werden. Zum Beispiel können in einigen Implementierungen die aufgenommenen Bilder segmentiert werden, um verschiedene interessante Bereiche zu zeigen.
Interessensregionen können auf der Grundlage verschiedener Überlegungen definiert werden. Zum Beispiel können die Regionen auf der Basis von anatomischen Unterstrukturen definiert werden. So kann beispielsweise ein Hirnbild segmentiert werden, um den Hippocampus, das Cerebellum und die Ventrikel zu identifizieren. Alternativ kann ein Lungenbild segmentiert werden, um Alveolen und Bronchien anzuzeigen. In anderen Implementierungen können die Regionen auf der Grundlage der Gewebefunktion identifiziert werden. Zum Beispiel können für das Gehirn Bildregionen den primären visuellen Bereich, den motorischen Bereich und den primären auditorischen Bereich unter anderem identifizieren.
Daten, die interessierende Bereiche definieren, können aus verschiedenen Quellen gewonnen werden. Funktionelle MRT (fMRI) Bilder sind eine solche Quelle. Zum Beispiel können fMRI-Bilder Quelldaten zur Definition von Funktionsbereichen des Gehirns sein. Die Auswahl spezifischer Pulssequenzen mit optimierten Parametern kann vom MRI-System 100 genutzt werden, um den Gewebekontrast auszunutzen, um Bilder zu erhalten, die in der Lage sind, unterschiedliche Eigenschaften von Gewebe und Materialien darzustellen. Zum Beispiel hat 12 * Relaxation einen signifikanten Beitrag zu relativen Signalintensitäten unmittelbar nach einem 90 ° HF-Puls. T2 <*> Entspannung kann eine der Hauptdeterminanten des Bildkontrasts mit GRE-Pulssequenzen sein und bildet die Basis für viele Magnetresonanz-(MR-)Anwendungen, einschließlich fMRI.
FMRI-Studien beruhen auf regionalen Unterschieden im zerebralen Blutfluss, um regionale Aktivitäten abzugrenzen. Blood Oxygenation Level Dependent Imaging (BOLD) ist eine Technik, die verwendet wird, um Bilder in Funktions-MRT-Studien zu erzeugen. BOLD-fMRI ist in der Lage, Unterschiede in der zerebralen Durchblutung teilweise aufgrund eines Unterschieds in den paramagnetischen Eigenschaften von oxygeniertem Hämoglobin und desoxygeniertem Hämoglobin zu erkennen. Desoxygeniertes Hämoglobin kann stärker paramagnetisch sein als das mit Sauerstoff angereicherte Hämoglobin, und daher kann das erstere eine größere lokale Dephasierung von Protonen verursachen. Die lokale Dephasierung kann das MR-Signal aus den Geweben in seiner unmittelbaren Nähe reduzieren. 12 <*> gewichtete Pulssequenzen können verwendet werden, um diese Änderung zu erkennen. Dementsprechend können die Bereiche des Gehirns, die mit den Funktionen verknüpft sind, die zur Ausführung der Aufgabe erforderlich sind, auf der Grundlage von Oxygenierungsunterschieden in den abgetasteten Geweben identifiziert werden, indem einem Patient geeignete Aufgaben gestellt werden, während fMRI-Bilder erfasst werden.
Eine alternative Datenquelle, die für die Definition von interessierenden Bereichen in einem aufgenommenen Bild verwendet werden kann, ist die Magnetresonanz(MR)-Diffusionstraktographie. Zum Beispiel können Traktographiebilder die Grundlage für die Identifizierung von weißen Substanz-Substrukturen im Gehirn sein. Neuronale Nervenbahnen oder Verbindungen, die verschiedene Bereiche des Gehirns verbinden und zumindest teilweise die weiße Substanz des Gehirns bilden, können auf der Grundlage von Traktographiebildern identifiziert werden. Weiße Materie besteht typischerweise aus Bündeln von myelinisierten Axonen. Diffusionskoeffizienten für weiße Substanzen sind im Vergleich zu Wasser im allgemeinen niedriger. Darüber hinaus sind die Diffusionskoeffizienten in Richtung des Durchmessers der Nervenbahnen im Gegensatz zur Längsrichtung der Nervenbahnen niedriger. Durch Messung der Diffusion in vielen Richtungen und der Beobachtung, dass es in einer Richtung schneller ist als in anderen, kann die Orientierung der Nervenbahnen gemessen werden. Sobald die Richtung der Nervenbahnen gemessen wird, können sie zusammengefügt werden, um ganze Wege zu rekonstruieren.
In ihrer einfachsten Form kann das Erfassen von Nervenbahnen unter Verwendung einer deterministischen Traktographie durchgeführt werden. Dementsprechend besteht die Methodik darin, eine Richtungsmessung an einer anfänglichen (Samen-)Stelle durchzuführen und weiterhin Messungen entlang der gemessenen Richtung durchzuführen, bis eine neue Richtung erfasst wird. Die Messungen folgen anschließend dieser neuen Richtung und fahren fort, bis der gesamte Weg zurückverfolgt ist.
Weiße Stoffe weisen typischerweise Durchmesser in der Größenordnung von 1 Mikrometer (μm) auf, aber jede Messung wird durchgeführt (z. B. bei jedem Voxel des Bildes) liegt im Maßstab von etwa 2–3 Millimeter (mm). Typischerweise sind jedoch Verbindungen zwischen verschiedenen Regionen des Gehirns in große Bahnen mit Hunderten von Tausenden von Axonen, die weitgehend kohärent organisiert sind, organisiert. Dementsprechend können Voxel eine ausreichende Auflösung zur Identifizierung solcher Nervenbahnen bereitstellen. In anderen Variationen, können anspruchsvollere Traktographie-Techniken – verwendet werden, um Nervenbahnen zu erkennen. In weiteren Variationen kann die Traktographie als ganze Hirntraktographie oder spezifische Bündel-Traktographie durchgeführt werden. In der gesamten Hirntraktographie wird das gesamte Gehirn als Samen verwendet, in bestimmten Bündel-Traktographie-Regionen von Interesse werden als Samen verwendet.
In einigen Implementierungen, sobald Nervenbahnen erkannt werden, können sie weiter in Unterstrukturen oder Funktionsbereiche wie Bündel segmentiert werden. Die Segmentierung kann auf der Grundlage zusätzlicher Daten und / oder manueller Eingabe sowie des aufgenommenen Bildes erfolgen, das selbst auf der Basis der Nervenbahnen segmentiert werden kann. Zum Beispiel können die Bündel anhand von Wegpunkten identifiziert werden. Dementsprechend können die segmentierten Bereiche eines aufgenommenen Bildes Bereiche umfassen, die als diskrete anatomische oder funktionelle Wegpunkte definiert sind, die anatomische oder funktionelle Strukturen angeben, in denen weiße Materiebündel beginnen, durchlaufen oder enden können. Als Beispiel können Bündel auf der Grundlage der funktionellen Endpunktbereiche definiert werden, die sie verbinden, wie das optische Strahlenbündel, das die visuelle Kortex-Endpunktregion mit dem lateralen geniculären Kernendpunktbereich des Thalamus verbindet. Als weiteres Beispiel können Bündel durch die anatomischen Endpunktbereiche definiert werden, die sie verbinden, wie das untere Längs-Fasciculus-Bündel, das den zeitlichen Polendpunkt und den okzipitalen Pole-Endpunktbereich in jeder Hemisphäre des Gehirns verbindet. Andere Bündel können durch die anatomische Lage ihrer Wege definiert werden, wie die Kallosalfasern, die die beiden Hemisphären durch das corpus callosum verbinden. Dennoch können andere Bündel anhand von Pass-Through-Regionen identifiziert werden, in denen die Bündel passieren. In einigen Variationen können manche Regionen als Ausschlussregionen identifiziert werden. Nervenbahnen, die diese Ausschlussregionen durchlaufen oder verbinden, können von den identifizierten Bündeln ausgeschlossen werden.
In weiteren Variationen können Daten aus mehreren Quellen kombiniert werden, um verschiedene interessierende Bereiche zu identifizieren. Beispielsweise können in einer Variation fMRI-Bilder verwendet werden, um Funktionsbereiche eines aufgenommenen Bildes eines Gehirns zu identifizieren. Darüber hinaus können Traktographie-Daten verwendet werden, um Bündel in der weißen Substanz des aufgenommenen Bildes zu identifizieren. Dementsprechend kann das erfasste Bild, das das Subjekt repräsentiert (das gescannte Gehirn), basierend auf den Funktionsbereichen und den durch die Datenquellen definierten Bündeln segmentiert werden. Das segmentierte anatomische Bild kann die Visualisierung ermöglichen, wie jeder Funktionsbereich mit anderen Funktionsbereichen verbunden ist. In einer weiteren Variante können zusätzliche Daten erhalten werden, die die Visualisierung verschiedener Hirnstrukturen wie der Hippocampus und damit die Beziehung zwischen Funktionsbereichen und anatomischen Substrukturen sowie deren Konnektivität durch zu visualisierende Bündel.
In einigen Implementierungen können Daten, basierend darauf, welche interessanten Bereiche in einem aufgenommenen Bild identifiziert werden können, als intrinsisch und extrinsisch klassifiziert werden. Insbesondere umfassen extrinsische Daten, die aus anderen Quellen als dem Subjekt erhalten werden, das für das aufgenommene Bild gescannt wird. Zum Beispiel können in einigen Variationen extrinsische Daten Atlas-Daten enthalten. Atlas-Daten können auf einer Anatomie eines einzelnen Subjekts basieren, werden aber typischerweise aus mehreren Quellen wie verschiedenen Gewebeproben oder Patienten erhalten. Die Daten, die aus mehreren Quellen erhalten werden, werden korreliert und kombiniert unter Verwendung verschiedener Bild- und Datenverarbeitungstechniken, um die Anatomie von mehreren Probanden miteinander auszurichten. Dementsprechend sind Regionen in einem Atlas typischerweise Mittelwerte für eine Population. Atlas-Daten können auch manuell generiert werden. Beispielsweise kann ein Atlas erzeugt werden, indem Daten empfangen werden, die für die Regionen repräsentativ sind, und zwar durch einen Eingabemechanismus. Der Eingabemechanismus kann beispielsweise eine Maus, ein digitaler Stift oder ein anderer ähnlicher Eingabemechanismus sein, der es einem Benutzer ermöglicht, beispielsweise die Bereiche digital zu erfassen und zu manipulieren. Atlas-Daten können auch von einem Atlas zum anderen übertragen werden, indem verschiedene Bild- und Datenverarbeitungstechniken verwendet werden, um die Anatomie der Atlanten auszurichten.
Da extrinsische Daten unabhängig von dem abgebildeten Subjekt erhalten werden können, ist typischerweise eine ausreichende Zeit verfügbar, um extrinsische Daten wie Atlas-Daten zu erzeugen, die alle oder die meisten Regionen in einem gegebenen Gewebe definieren. Zum Beispiel können Atlas-Daten, die alle oder die meisten funktionalen Bereiche eines Gehirns definieren, verfügbar sein.
Intrinsische Daten werden dagegen gewöhnlich direkt oder indirekt aus dem Subjekt erhalten, aus dem das anatomische Bild erhalten wird. Zum Beispiel können verschiedene automatische, manuelle oder unterstützte Bildverarbeitungstechniken verwendet werden, um Funktionsbereiche oder Unterstrukturen wie den Hippocampus aus den anatomischen Bildern des Subjekts zu definieren. Alternativ oder zusätzlich können weitere Bilder und Daten aus dem betreffenden Gewebe oder Patienten erhalten werden, basierend darauf, welche oder mehrere Bereiche definiert werden können. Die zusätzlichen Bilder können erhalten werden, können MRI-Bilder wie fMRI-Bilder oder Bilder und Daten auf der Grundlage anderer Bild- und Datenerfassungsmodalitäten wie CT-Scans und EEG sein.
Da intrinsische Daten aus dem Subjekt erhalten werden, ist im allgemeinen die Zeit von wesentlicher Bedeutung. Zum Beispiel können intrinsische Daten in Vorbereitung für die Chirurgie oder während der Operation selbst erhalten werden. Dementsprechend sind Ressourcen und Zeit selten ausreichend, um intrinsische Daten zu erhalten, die alle oder die meisten Regionen für ein gegebenes Subjekt definieren. Stattdessen werden typischerweise eine oder mehrere Regionen als wichtig oder relevant ausgewählt, beispielsweise auf der Basis, wo chirurgische Einschnitte auftreten können, und es können intrinsische Daten erhalten werden, um diese ausgewählten Regionen zu definieren. Dementsprechend ist typischerweise die Anzahl der Bereiche, die auf der Basis von intrinsischen Daten definiert werden können, geringer als die Anzahl von Regionen, die auf der Grundlage von extrinsischen Daten definiert werden können.
Einer der Hauptvorteile der Verwendung von intrinsischen Daten ist, dass intrinsische Daten oftmals irgendwelche Anomalien anzeigen können, die mit einem bestimmten Subjekt assoziiert sind, das auf der Grundlage extrinsischer Daten nicht nachweisbar wäre. Zum Beispiel im Gehirn kann die Größe der Funktionsbereiche stark variieren. Als Beispiel können Regionen, die mit einer feinen Fingersteuerung assoziiert sind, viel größer sein, im Vergleich zu der durchschnittlichen Population, wenn das Subjekt ein professioneller Pianist ist. Alternativ, wenn das Subjekt blind ist, können die Bereiche, die typischerweise mit dem Sehvermögen assoziiert sind, eine andere Funktion als die Sicht erwerben. Diese erworbene Funktionalität kann im Allgemeinen nicht aus extrinsischen Daten identifiziert werden.
In weiteren Variationen kann ein Subjekt eine zusätzliche Masse haben, die typischerweise nicht in der allgemeinen Bevölkerung gefunden wird. Zum Beispiel kann eine Zyste oder ein Tumor im Gehirn vorhanden sein. Solche zusätzlichen Massen verursachen typischerweise Verzerrungen in den umliegenden Geweben, wodurch die regionale Verfassung des Gewebes des Subjekts im Vergleich zu anderen in der allgemeinen Bevölkerung signifikant verändert wird. Dementsprechend kann das Erhalten von intrinsischen Daten in den Bereichen, die die zusätzliche Masse umgeben, entscheidend für die genaue Identifizierung von interessierenden Bereichen in dem anatomischen Bild des Subjekts sein.
Extrinsische Daten können auf das aufgenommene Bild ausgerichtet werden, beispielsweise durch Erhalten der räumlichen Kette, die die zugehörigen extrinsischen Bilder in enger Übereinstimmung mit dem aufgenommenen Bild bringt. Diese Kette kann grob sein, bestehend aus globaler Translation, Rotation, Dehnung, Kompression und Scherung, oder kann gut sein, bestehend aus lokaler Verformung des Bildes.
In einigen Variationen können intrinsische Daten verwendet werden, um extrinsische Daten anzupassen. Beispielsweise können intrinsische Daten erhalten werden, die zumindest einigen der extrinsischen Daten entsprechen. Dementsprechend können Teile der extrinsischen Daten, die den intrinsischen Daten entsprechen, modifiziert werden, um sich mit den intrinsischen Daten auszurichten. Als Beispiel kann ein Atlas von Funktionsbereichen empfangen werden, sowie intrinsische Daten, die den Motorcortex definieren. Die Atlasdaten, die sich auf den Motorcortexbeziehen, können entsprechend derjenigen definiert werden, die durch die intrinsischen Daten definiert ist. Zum Beispiel können die Atlas-Daten so verändert werden, dass der definierte Motorcortexin Größe und Form den durch die intrinsischen Daten identifizierten Bereich übereinstimmt. Alternativ können die Größe und die Form verändert werden, um zwischen dem der Atlas-Daten und den intrinsischen Daten, beispielsweise durch eine Mittelweg-Interpolation, zu fallen. Andere Verfahren zum Variieren der Atlas-Daten, um eine verbesserte Korrespondenz zu den intrinsischen Daten zu erreichen, werden nun einer Person der Fähigkeit auftreten und werden in Betracht gezogen.
In Variationen sind intrinsische Daten möglicherweise nicht für eine vollständige Region verfügbar, die durch extrinsische Daten identifiziert wird. Beispielsweise können die intrinsischen Daten, die mit dem obigen Beispiel des Motorcortexfortfahren, nur einen Teil des im Atlas identifizierten Motorbereichs definieren. In solchen Variationen können verschiedene Verfahren verwendet werden, um die vollständige Form des Bereichs basierend auf den intrinsischen Daten abzuschätzen. Die extrinsischen Daten können dann modifiziert werden, um der geschätzten Form zu entsprechen. Alternativ könnten die extrinsischen Daten nur für die Teile der Region modifiziert werden, die durch die intrinsischen Daten definiert sind.
In weiteren Variationen kann, sobald ein Bereich oder ein Teil eines durch die extrinsischen Daten definierten Bereichs als primäre Modifikation auf der Grundlage von intrinsischen Daten modifiziert werden, die übrigen durch die extrinsischen Daten definierten Bereiche auch als sekundäre Modifikation eingestellt werden Übereinstimmung mit den primären Modifikationen an der modifizierten Region durchgeführt. Zum Beispiel können die intrinsischen Daten, die mit dem obigen Beispiel fortfahren, eine signifikante Kompression des motorischen Kortex aufgrund eines Tumors anzeigen. Sobald der Atlasbereich für den motorischen Kortex so eingestellt ist, dass er die Kompression als eine primäre Modifikation widerspiegelt, können die an den motorischen Kortex angrenzenden Bereiche auch als sekundäre Modifikation angepasst werden, um jede Kompression zu reflektieren, die in jenen Bereichen aufgrund des Tumors auftreten kann.
Anpassung an die angrenzenden Gebiete kann auf verschiedenen prädiktiven Methoden basieren, die eine Kompression aufgrund der Kompression eines Bereichs auf der Grundlage einer zusätzlichen Masse, die in der allgemeinen Bevölkerung nicht vorhanden ist, vorhersagen können. Alternativ kann bei einigen Variationen die Form eines durch die Atlas-Daten definierten Bereichs auf der Grundlage von intrinsischen Daten modifiziert werden, wobei der Unterschied in den Formen, die sich aus einzelnen Variationen ergeben, die keine zusätzlichen Massen sind, wie plastizitätsbasierte Variationen im Gehirn. In diesen Variationen können andere prädiktive Verfahren Änderungen an der Form von Bereichen berücksichtigen, die den Bereich umgeben, dessen Form auf der Grundlage der intrinsischen Daten modifiziert wird. [0050] In zusätzlichen Variationen können Anpassungen der extrinsischen Daten auf mehr als einem intrinsischen Datensatz basieren, der aus einer oder mehreren Quellen erhalten wird. Zum Beispiel können intrinsische Daten, die einen Motorcortex definieren, auf der Basis von fMRI-Bildern sowie EEG-Daten erhalten werden. In einigen Variationen kann ein intrinsischer Datensatz verwendet werden, um einen anderen intrinsischen Datensatz zu überprüfen. In anderen Variationen können die intrinsischen Datensätze auf der Basis von einander geändert werden. Wenn beispielsweise die Formen und / oder Größen der beiden intrinsischen Datensätze unterschiedlich sind, können sie gemittelt werden, und der Durchschnitt kann verwendet werden, um die extrinsischen Daten einzustellen.
In noch anderen Variationen können extrinsische Daten aus mehreren Quellen gewonnen werden. Beispielsweise können extrinsische Daten, die Funktionsbereiche definieren, auf der Basis von fMRI-Daten sowie manuell gezeichneten Daten erhalten werden. In einigen Variationen kann ein extrinsischer Datensatz verwendet werden, um einen anderen extrinsischen Datensatz zu verifizieren. In anderen Variationen können die extrinsischen Datensätze auf der Basis von einander geändert werden. Wenn beispielsweise die Formen und / oder Größen der durch zwei extrinsische Datensätze definierten Bereiche unterschiedlich sind, können sie gemittelt werden.
Bilder, die von dem MRI-System 100 erfasst werden, sowie intrinsische und extrinsische Daten können beispielsweise unter Verwendung des Datenverarbeitungssystems 105 verarbeitet, segmentiert oder anderweitig transformiert werden. Das Datenverarbeitungssystem 105 kann jede beliebige Rechenvorrichtung sein, die in der Lage ist, Daten von den verschiedenen Steuereinheiten und anderen Hardwaremodulen des MRI-Systems 100 zu kommunizieren und zu verarbeiten. Das Datenverarbeitungssystem 105 kann einen Desktop, einen Laptop oder einen Notebook-Computer, einen Server und dergleichen bilden, ist aber nicht darauf beschränkt. Ausführungsformen können vorteilhafterweise implementiert werden, um eine Daten- und Bildverarbeitung unter Verwendung des MRI-Systems 100 durchzuführen.
In Variationen kann die Bild- und Datenverarbeitung an einem Datenverarbeitungssystem oder einem Computersystem durchgeführt werden, das sich von dem MRI-System 100, einem solchen Desktop-Computer, einem Server, einem Laptop oder einem anderen Computersystem unterscheidet, das betreibbar ist Bild- und Datenverarbeitung durchführen.
Das aufgenommene Bild eines Subjekts, wie ein Bild des Gehirns, kann verarbeitet werden, um mehrere interessierende Bereiche zu identifizieren und zu segmentieren. Beispielsweise kann ein aufgenommenes Bild, das unter Verwendung des MRI-Systems 100 auf der Grundlage von Impulsfolgen zum Erzeugen von Protonendichte-gewichteten Bildern erhalten wird, basierend auf extrinsischen und / oder intrinsischen Daten segmentiert werden, um unterschiedliche Bereiche in diesem Bild anzuzeigen. Wie oben erwähnt, können die Bereiche verschiedenen Bereichen entsprechen, wie z. B. unterschiedliche Unterstrukturen und Funktionsbereiche. Die Segmentierung kann unter Verwendung verschiedener Techniken durchgeführt werden. Wenn zum Beispiel die Daten, auf denen das aufgenommene Bild segmentiert ist, in Form von Bildern vorliegt, die unter Verwendung der gleichen oder ähnlicher Mechanismen erhalten werden, wie z. B. protonendichtegewichtete MRI-Bilder und Daten, die funktionelles MRI-Bild, die Datenbilder und die Das aufgenommene Bild kann unter Verwendung bekannter Mechanismen registriert werden, um die Bilder so richtig auszurichten, dass die regionale Information mit dem Gegenstand des Bildes übereinstimmt. Die Registrierung kann eine oder mehrere Transformationen, wie Rotation, Translation, Dehnung, Schrumpfung und andere, des einen oder beiden des aufgenommenen Bildes und der Datenbilder beinhalten.
In Variationen können die Daten in einem von dem aufgenommenen Bild verschiedenen Format dargestellt werden. Zum Beispiel kann bei einigen Variationen ein Atlas in Form von geometrischen Daten vorliegen, die die Koordinaten der regionalen Grenzen liefern. Für diese Variationen können geeignete Verfahren verwendet werden, um die Daten den entsprechenden Abschnitten des erfassten Bildes zuzuordnen.
Sobald die Regionen mit dem anatomischen Bild korrekt ausgerichtet sind, kann das Bild auf der Grundlage der durch die Daten definierten Bereiche segmentiert werden. Die segmentierten Regionen können an dem aufgenommenen Bild unter Verwendung verschiedener Methoden wie Farbe, Schattierung, Umrisse und andere dargestellt werden, die nun einer Person der Fähigkeit auftreten werden. In Variationen können auch Textetiketten oder andere Symbole verwendet werden, allein oder in Kombination mit anderen Methoden der Darstellung von Regionen.
Um das aufgenommene Bild weiter zu verbessern, können Nervenbahnendaten von dem Subjekt auf der Basis der Diffusionsabbildung erhalten werden, wie oben diskutiert, wodurch zusätzliche intrinsische Daten gebildet werden. In Variationen können Nervenbahnendaten als extrinsische Daten auf der Basis von Nervenbahnenatlanten erhalten werden. Die Nervenbahnendaten können registriert und dem aufgenommenen Bild zugeordnet werden, wodurch die Visualisierung von Nervenbahnen Informationenermöglicht wird.
Nervenbahnendaten können segmentiert werden, basierend auf ausgewählten der identifizierten Regionen von Interesse, um Bündel zu identifizieren und somit Bündel Ortsinformationen zu liefern. Wissensbündel Standorte können von unschätzbarem Wert sein. Zum Beispiel kann es eine Chance bieten, einem Chirurgen Angaben darüber zur Verfügung zu stellen, welche Bündel auf der Grundlage einer geplanten chirurgischen Trajektorie beschädigt werden könnten, die chirurgische Trajektorie zu verändern, um wichtigere Bündel zu vermeiden, wie etwa diejenigen, die mit der Konnektivität des primären visuellen Bereichs zusammen hängen.
In Variationen, in denen die modifizierten extrinsischen Daten nicht hinreichend modifiziert sind, um die individuelle Variabilität zu berücksichtigen, können die daraus resultierenden Bündel von Nervenbahnen enthalten, die kein Mitglied des angegebenen Bündels sind (falsche Positives), oder sie unterlassen es, Nervenbahnen aufzunehmen, die tatsächlich Mitglied des angegebenen Bündels sind (falsche Negative). Dementsprechend können solche Bündel so moduliert werden, dass sie ihre Schnittstellen in dem aufgenommenen Bild reflektieren, indem man die Wegpunkte oder Ausschlussbereiche, die das Bündel definieren, manuell korrigiert.
In weiteren Variationen, bei denen die Nervenbahnendaten als intrinsische Daten von dem Subjekt erhalten werden, von dem das aufgenommene Bild erhalten wird, können die Nervenbahnendaten Mängel aufweisen. Beispielsweise kann es Fälle geben, in denen die erfassten Diffusionsbilder Regionen mit verringerten Richtungsinformationsinformationen enthalten, wie jene, die durch Ödeme verursacht werden, die mit einem Tumor zusammenhängen. In diesen Fällen können Wegpunkte, die den Weg eines anatomischen Bündels definieren, der durch diese Regionen fließt, nicht genügend Informationen liefern, um Bündel zu extrahieren und zu einem großen Grad von falschen Negativen aufgrund der unterbrochenen Wege zu führen. Um dies zu lindern, kann eine zusätzliche oder alternative Form der Bündelidentifikation verwendet werden, die sich nicht auf die Definition von Wegpunkten, sondern auf die Überlappung der räumlichen Koordinaten einer Nervenbahn mit einem extrinsischen Bündelatlas stützt. Der extrinsische Bündelatlas kann eine Wahrscheinlichkeitsdarstellung von Bündeln umfassen oder kann räumliche Nervenbahnendaten umfassen, die aus zusätzlichen Modalitäten, wie z. B. fMRI, erhalten werden.
In Übereinstimmung mit diesem alternativen Verfahren kann der extrinsische Bündelatlas mit den Nervenbahnendaten registriert und abgebildet werden. Aus dem extrinsischen Bündelatlas kann ein Bündel ausgewählt werden. Die Nervenbahnen in den intrinsischen Nervenbahnendaten, deren räumliche Koordinaten sich zumindest teilweise mit den identifizierten Bündeln überlappen, können dann als zu dem ausgewählten Bündel gehörig identifiziert werden. Der Teil kann vordefiniert sein und beispielsweise auf einem Teil der Länge basieren. In Variationen können die Bündel auf der Grundlage ausgewählter Wegpunkte identifiziert werden, und die auf der Überlappung mit dem extrinsischen Bündelatlas identifizierten Nervenbahnen können zu denen hinzugefügt werden, die aus den Nervenbahnendaten auf der Grundlage der wegpunktbasierten Nervenbahnenauswahl identifiziert wurden.
Die vorgenannten Verfahren der Bündelsegmentierung führen zu einem Satz von Nervenbahnen für jedes Bündel, und somit kann eine gegebene Nervenbahn zu einem oder mehreren Bündeln gehören. In einigen Variationen können die Nervenbahnendaten weiter verarbeitet werden, um jede Nervenbahn mit einem einzelnen Bündel zu assoziieren. Dementsprechend kann zunächst eine repräsentative Nervenbahn für jedes anatomische Bündel identifiziert werden. Zum Beispiel kann die durchschnittliche Darstellung ein durchschnittlicher räumlicher Mittelpunkt für jedes Bündel sein. Diese repräsentative Nervenbahn kann durch Mittelung aller Längsstreckenpositionen innerhalb des Bündels oder durch Auswahl der Nervenbahn identifiziert werden, der einen minimalen räumlichen Abstand zu allen anderen Nervenbahnen im Bündel hat. Beispielsweise kann die repräsentative Nervenbahn für ein zylindrisches Bündel die entlang der Längsachse des Zylinders verlaufende Nervenbahn sein. In einigen Variationen, insbesondere für komplexe Bündel, können mehrere Nervenbahnen verwendet werden, um ein einzelnes Bündel darzustellen.
Zweitens können alle Nervenbahnen in den empfangenen Nervenbahnendaten über das ganze Gehirn mit jeder repräsentativen Nervenbahn verglichen werden, um einen Abstand zwischen jeder Nervenbahn und der repräsentativen Nervenbahn zu bestimmen. Die Bestimmung kann auf einer geeigneten Distanzmetrik basieren, wie z.B. der mittlere nächstgelegene Punktabstand oder der maximal nächstgelegene Punktabstand (auch als Hausdorff-Distanz bekannt).
Drittens kann die Bündelverknüpfung jeder Nervenbahn anhand der ermittelten Entfernungen bestimmt werden. So kann jeder Nervenbahn das Bündel zugeordnet werden, dessen repräsentative Nervenbahn am nächsten ist, solange dieser Abstand unterhalb einer vorgegebenen Schwelle liegt. Nervenbahnen, die weiter entfernt sind als die Schwellenentfernung von allen repräsentative Nervenbahnen sind als nicht klassifiziert gekennzeichnet. In einigen Variationen kann die Schwelle variiert werden, um Bündel im Gehirn mit einem unterschiedlichen Maß an Vertrauen zu visualisieren. In weiteren Varianten können die Bündel-Labels hierarchisch definiert werden, so dass Nervenbahnen mehreren Bündeln angehören können, wobei ein Bündel als Subbündel eines anderen definiert werden kann.
In Variationen können auch extrinsische Nervenbahnendaten auf der Basis der Anpassungen an anderen extrinsischen und intrinsischen Daten modifiziert werden, in diesem Beispiel die modifizierten extrinsischen Funktionsbereichsatlasdaten. Beispielsweise schneiden Nervenbahnendaten die in den Atlasdaten identifizierten Funktionsbereiche. Diejenigen, die die angepassten Teile der Atlas-Daten schneiden, können somit so angepasst werden, dass die Kreuzungen weiterhin in geeigneter Weise auftreten, beispielsweise die Vermeidung von Kreuzungen mit einem Tumor.
In 3 ist ein Verfahren zur medizinischen Bildsegmentierung auf der Basis von intrinsischen und extrinsischen Daten allgemein bei 300 angegeben. Um bei der Erläuterung des Verfahrens zu helfen, wird davon ausgegangen, dass das Verfahren 300 teilweise unter Verwendung des MRI-Systems 100 betrieben wird, wie in 1 gezeigt. Zusätzlich führt die folgende Erörterung des Verfahrens 300 zu einem weiteren Verständnis des Systems 100. Es versteht sich jedoch, daß das System 100 und das Verfahren 300 variiert werden können und nicht genau so arbeiten müssen, wie es hier in Verbindung miteinander diskutiert wird, und daß solche Variationen innerhalb des Umfangs liegen.
Ab 310 wird ein aufgenommenes Bild empfangen. In diesem Beispiel ist das Bild ein dreidimensionales MRI-Bild des Gehirns, das aus einer Reihe von erhaltenen Schnittbildern erhalten wird. Insbesondere verwendet jedes Schnittbild das MRI-System 100 auf der Grundlage von Impulsfolgen zum Erzeugen von T1-gewichteten Bildern.
Weiter mit dem Verfahren 300 wird bei 320 extrinsischen Daten entsprechend den Funktionsbereichen des Gehirns empfangen. Die definierten Funktionsbereiche umfassen einen Bereich entsprechend dem primären Sichtbereich. In diesem Beispiel wird angenommen, dass die Atlasinformation aus anderen Quellen als dem Subjekt gewonnen wird, für das das aufgenommene Bild bei 3 0 erhalten wurde. Beispielsweise kann der Atlas aus mehreren zuvor erhaltenen Scans von verschiedenen Patienten gewonnen werden, die kombiniert und manuell segmentiert wurden, um die funktionellen Bereiche zu definieren. Dementsprechend können in diesem Beispiel die extrinsischen Daten in demselben Format wie die MRI sein.
Kommen wir auf 3 zurück. Intrinsische Daten werden bei Schritt 330 empfangen. In diesem Beispiel umfasst eine Art von intrinsischen Daten fMRI-Bilder, die verarbeitet werden können, um die primäre visuelle Kortex zu identifizieren. In einigen Variationen umfassen intrinsische Daten eine Segmentierung eines Tumors oder einer Läsion, die manuell oder durch ein computergestütztes Verfahren erhalten wird. Variationen können eine Segmentierung von Teilbereichen der Läsion umfassen, wie infiltrative Komponenten, zystische Komponenten oder nekrotische Komponenten. Weitere Variationen könnten anatomische Landmarken enthalten, die auf den aufgenommenen Bildern, wie der anterioren Kommissur, identifiziert wurden.
Weiter mit dem Verfahren 300 können bei 340 die extrinsischen Daten auf der Grundlage der intrinsischen Daten modifiziert werden. Um die Modifikation durchzuführen, können die anatomischen Bilder, die sich auf die extrinsischen Daten beziehen, und die intrinsischen Daten zuerst grob ausgerichtet sein. Sobald die Datensätze grob ausgerichtet sind, können die Bereiche in den extrinsischen Atlasdaten auf der Basis von Größe, Form, Lage und Art der intrinsischen Daten modifiziert oder räumlich verformt werden. In diesem Beispiel umfassen die intrinsische Daten diejenige aus fMRI erhaltene Region, die sich auf den primären visuellen Kortex bezieht. In einer anderen Variante, bei der die intrinsischen Daten eine Segmentierung eines Tumors oder einer Läsion umfassen, werden die extrinsischen Daten auf der Grundlage der deformierenden Eigenschaften der segmentierten Läsion modifiziert, wobei die nahe gelegene Anatomie im extrinsischen Atlas komprimiert wird. In einigen Variationen, bei denen Sub-Teile der Läsion identifiziert werden, können die extrinsischen Daten genauer modifiziert werden, zum Beispiel würden infiltrierende Komponenten die anatomischen Regionen nicht verschieben oder komprimieren.
Weiter mit 3 wird bei 350 das aufgenommene Bild dann in Regionen auf der Grundlage der modifizierten extrinsischen Daten segmentiert, um die Visualisierung verschiedener Bereiche auf dem aufgenommenen Bild zu ermöglichen. Um die Segmentierung zu erreichen, können die modifizierten extrinsischen Daten registriert und dem aufgenommenen Bild, das bei 310 erhalten wird, zugeordnet werden. Das aufgenommene Bild kann dann segmentiert werden und es können geeignete Etiketten verwendet werden, um die segmentierten Regionen zu identifizieren. Dementsprechend kann das bei 310 erhaltene dreidimensionale erfasste Bild verwendet werden, um verschiedene Funktionsbereiche und in Variationen anatomischen Bereichen und anderen interessierenden Regionen zu visualisieren. Darüber hinaus werden jene Funktionsbereiche, die als wichtig erachtet werden, zumindest teilweise auf intrinsischen Daten segmentiert, die zur Modifizierung der extrinsischen Daten verwendet wurden und so mit größerer Sicherheit eine genaue Darstellung der Funktionalität bekannt sind Bereich für das Thema, aus dem das Bild aufgenommen wurde.
Weiter mit dem Verfahren 300. Bei Schritt 360 werden Nervenbahnendaten erhalten. Nervenbahnendaten können von dem Subjekt auf der Basis der Diffusionsabbildung, wie oben diskutiert, erhalten werden, wobei intrinsische Daten gebildet werden. Die Nervenbahnendaten können registriert und dem bei 310 erhaltenen Bild zugeordnet werden, was die Visualisierung von Nervenbahneninformationen ermöglicht.
Um Bündel auf der Grundlage von Nervenbahnendaten zu identifizieren, werden bei 370 ein oder mehrere Wegpunkte ausgewählt. Ein oder mehrere der segmentierten Bereiche des aufgenommenen Bildes können als Wegpunkte ausgewählt werden. Alternativ können Wegpunkte manuell ausgewählt werden, indem man Bereiche des erfassten Bildes manuell identifiziert, die nicht den segmentierten Bereichen des aufgenommenen Bildes entsprechen.
In diesem Beispiel ist ein ausgewählter Wegpunkt ein manuell identifizierter Bereich des erfassten Bildes, der einem Teil des Gehirns entspricht, der während eines Gehirnbetriebs zu einem Tumor geschnitten wird. Dieser manuell identifizierte Bereich innerhalb des erfassten Bildes entspricht nicht einem der segmentierten Bereiche und stellt einen Durchgangsbereich dar, einen Wegpunkt, durch den ein Bündel geht. Zusätzlich ausgewählte Wegpunkte entsprechen Endpunktregionen von großer Bedeutung, die in diesem Fall die visuellen Bereiche des Gehirns sind, die auf der Basis der segmentierten Bereiche des aufgenommenen Bildes identifiziert werden..
Als nächstes werden bei 380 die Nervenbahndaten segmentiert, um Bündel zu identifizieren, die den ausgewählten Wegpunkten entsprechen. Dementsprechend sind in diesem Beispiel die aus den Nervenbahnendaten zu extrahierenden Bündel, die die visuellen Bereiche des Gehirns verbinden, die durch den Bereich der durchzuführenden Operation hindurchgehen. Nervenbahnen, die durch den identifizierten Pass-Through-Punkt verlaufen, aber nicht zu dem spezifischen anatomischen Bündel gehören, wie es die ausgewählten Endpunkte definieren, können entfernt werden. Die Segmentierung kann dementsprechend durch Auswählen von Nervenbahnen durchgeführt werden, die durch den Satz von Durchgangspunkten hindurchgehen, die manuell aus dem aufgenommenen Bild identifiziert werden und die ausgewählten segmentierten Bereiche des aufgenommenen Bildes verbinden.
Obwohl bei der obigen beispielhaften Implementierung des Verfahrens 300 die extrinsischen Daten vor der Segmentierung des Bildes modifiziert werden, ist es von Fachpersonen zu verstehen, dass die Modifikation von extrinsischen Daten und das Segmentieren des Bildes in beliebiger Reihenfolge erfolgen kann. Zum Beispiel kann bei Variationen das Bild auf der Grundlage der extrinsischen Daten segmentiert und die Segmentierung auf der Basis der intrinsischen Daten modifiziert werden.
Die oben beschriebenen Ausführungsformen sollen Beispiele sein, und Änderungen und Modifikationen können von Fachleuten auf dem Gebiet durchgeführt werden, ohne von dem Umfang abzuweichen, der nur durch die hierin beigefügten Ansprüche definiert ist. Beispielsweise können Verfahren, Systeme und Ausführungsformen, die diskutiert werden, vollständig oder teilweise variiert und kombiniert werden.

Claims

Computerimplementiertes Verfahren zum Segmentieren eines physiologischen Bildes, umfassend: Empfangen von extrinsischen Daten, die extrinsische Bereiche definieren; Empfangen von intrinsischen Daten, die mindestens einen intrinsischen Bereich definieren, wobei jeder intrinsische Bereich einem extrinsischen Bereich entspricht; und Modifizieren einer Form und Größe von mindestens einem extrinsischen Bereich mit einer entsprechenden intrinsischen Region, basierend auf einer Form und Größe des entsprechenden intrinsischen Bereichs, um modifizierte extrinsische Daten zu bilden; und Segmentieren des physiologischen Bildes in segmentierte Bereiche auf der Grundlage der modifizierten extrinsischen Daten, wobei jeder segmentierte Bereich einen entsprechenden intrinsischen Bereich aufweist, der eine primäre Modifikation auf der Grundlage des entsprechenden intrinsischen Bereichs darstellt.
Verfahren nach Anspruch 1, ferner umfassend: Modifizieren einer Form und Größe von mindestens einem der extrinsischen Bereiche, anders als der mindestens eine extrinsische Bereich mit einer entsprechenden intrinsischen Region, basierend auf der primären Modifikation.
Verfahren nach einem der Ansprüche 1 bis 2, ferner umfassend: Empfangen von intrinsischen Nervenbahnendaten, die Nervenbahnen umfassen; Empfangen von Wegpunktregionen; und Identifizieren eines identifizierten Bündels, das eine identifizierte Teilmenge der Nervenbahnen auf der Grundlage der Wegpunktbereiche umfasst.
Verfahren nach Anspruch 3, wobei die Wegpunktbereiche mindestens einen Endpunktbereich umfassen und das Bündel auf der Grundlage der an dem mindestens einen Endpunktbereich endenden Bahnen identifiziert wird.
Verfahren nach einem der Ansprüche 3 bis 4, wobei die Wegpunktbereiche mindestens einen Durchlaufbereich umfassen und das Bündel auf der Grundlage der Nervenbahnen identifiziert wird, die durch den mindestens einen Durchgangsbereich hindurchgehen.
Verfahren nach einem der Ansprüche 3 bis 5, ferner umfassend: Empfangen eines Ausschlussbereichs; und unter Ausschluss der mit der Ausschlussregion assoziierten Nervenbahnen aus der identifizierten Teilmenge der Nervenbahnen.
Verfahren nach einem der Ansprüche 3 bis 6, wobei mindestens ein Wegpunktbereich aus den segmentierten Bereichen ausgewählt wird.
Verfahren nach einem der Ansprüche 3 bis 6, wobei mindestens ein Wegpunktbereich manuell aus dem physiologischen Bild ausgewählt wird.
Verfahren nach einem der Ansprüche 3 bis 8, ferner umfassend das Empfangen eines extrinsischen Bündelatlas einschließlich extrinsischer Bündel; Ermittlung zusätzlicher Nervenbahnen auf der Grundlage der Nervenbahnen und der extrinsischen Bündel; Ändern des identifizierten Bündels, um die zusätzlichen Nervenbahnen einzuschließen.
Verfahren nach Anspruch 9, ferner umfassend: Empfangen einer Auswahl eines der extrinsischen Bündel, wobei das Identifizieren der zusätzlichen Nervenbahnen ferner umfasst: Bestimmen, dass die zusätzlichen Nervenbahnen zumindest teilweise mit dem ausgewählten extrinsischen Bündel überlappen.
Verfahren nach einem der Ansprüche 3 bis 10, ferner umfassend: Identifizieren zusätzlicher Bündel auf der Grundlage der Wegpunktregionen und der Nervenbahnen; Identifizieren für das identifizierte Bündel und jedes der zusätzlichen Bündel einer entsprechenden repräsentativen Nervenbahn; für jede Nervenbahn eine nächstliegende repräsentative Nervenbahn zu bestimmen, die auf einer Entfernung zu jedem der repräsentativen Bahnen basiert; für jede Nervenbahn: wenn die nächstliegende repräsentative Nervenbahn weiter als eine Schwelle entfernt ist, markiert die Nervenbahn als nicht klassifiziert; und wenn die nächstliegende repräsentative Nervenbahn näher als ein Schwellenwert entfernt ist, assoziiere die Nervenbahn mit dem Bündel entsprechend der nächsten repräsentativen Nervenbahn.
Verfahren nach einem der Ansprüche 1 bis 11, wobei die extrinsischen Daten aus mindestens zwei verschiedenen Quellen erhalten werden.
Verfahren nach einem der Ansprüche 1 bis 12, wobei die intrinsischen Daten von einer ersten Quelle und einer zweiten Quelle erhalten werden, die sich von der ersten Quelle unterscheidet.
Verfahren nach einem der Ansprüche 3 bis 11, wobei die Nervenbahnendaten auf einer intrinsischen Magnetresonanzdiffusionstraktographie basieren.
Verfahren nach Anspruch 13, wobei die intrinsischen Daten von der zweiten Quelle verwendet werden, um mindestens eines der Folgenden durchzuführen: Verifizieren der von der ersten Quelle erhaltenen intrinsischen Daten; und modifizieren der von der ersten Quelle erhaltenen intrinsischen Daten.
Datenverarbeitungssystem mit: einem Prozessor, der arbeitet, um: ein physiologisches Bild zu empfangen; Empfangen extrinsischer Daten, die extrinsische Bereiche definieren; Empfangen von intrinsischen Daten, die mindestens einen intrinsischen Bereich definieren, wobei jeder intrinsische Bereich einem extrinsischen Bereich entspricht; und als primäre Modifikation eine Form und Größe von mindestens einem extrinsischen Bereich mit einem entsprechenden intrinsischen Bereich auf der Grundlage einer Form und Größe des entsprechenden intrinsischen Bereichs aus einer modifizierten extrinsischen Daten zu modifizieren; und Segment des physiologischen Bildes in segmentierte Bereiche auf der Basis der modifizierten extrinsischen Daten, wobei jeder segmentierte Bereich einen entsprechenden intrinsischen Bereich aufweist, der eine primäre Modifikation auf der Grundlage des entsprechenden intrinsischen Bereichs darstellt.
Datenverarbeitungssystem nach Anspruch 16, wobei der Prozessor ferner Folgendes durchführt, modifiziere, als eine sekundäre Modifikation, eine Form und Größe von mindestens einem der extrinsischen Bereiche, die sich von dem mindestens einen extrinsischen Bereich mit einem entsprechenden intrinsischen Bereich unterscheiden, basierend auf der primären Modifikation.
Datenverarbeitungssystem nach einem der Ansprüche 16 bis 17, wobei der Prozessor ferner Folgendes abarbeitet: Empfangen intrinsischer Nervenbahnendaten, die Nervenbahnen umfassen; Erhalten von Wegpunktregionen; und Identifizieren eines identifizierten Bündels, das eine identifizierte Teilmenge der Nervenbahnen auf der Grundlage der Wegpunktregionen umfasst.
Datenverarbeitungssystem nach Anspruch 18, wobei die Wegpunktbereiche mindestens einen Endpunktbereich umfassen und das identifizierte Bündel auf der Grundlage der Nervenbahnen identifiziert wird, die am mindestens einen Endpunktbereich enden.
Datenverarbeitungssystem nach einem der Ansprüche 18 bis 19, wobei die Wegpunktbereiche mindestens einen Durchlaufbereich umfassen und das identifizierte Bündel auf der Grundlage der Nervenbahnen identifiziert wird, die durch den mindestens einen Durchlaufbereich hindurchgehen.