-
Gebiet der Erfindung
-
Die
vorliegende Erfindung betrifft ein Verfahren und eine Vorrichtung
zum Identifizieren einer Pathologie in Gehirnabbildungen, wie etwa
Gehirntumoren in neurologischen Bildern.
-
Hintergrund der Erfindung
-
Computerunterstützte Operationsplanung und
hoch entwickelte bildgesteuerte Technologie werden in zunehmendem
Maße in
der Neurochirurgie verwendet, da die Zugänglichkeit von genauen anatomischen
drei-dimensionalen Modellen die Spatialinformation, betreffend die
Beziehungen von wichtigen Strukturen, deutlich verbessert. Zusätzlich wachst
die Bedeutung von computerunterstützter Diagnose in der Neuroradiologie.
Gleichzeitig bereiten sich Gehirndatenbanken schnell aus und die
Technologie, um diese Bilder effizient zu Analysieren, insbesondere
für große Datenbanken,
schreitet voran.
-
Die
Identifizierung von Gehirntumoren wurde herkömmlich durch Segmentierung
erreicht unter Verwendung von auf Wissen basierenden Systemen oder
einem Atlas, wie in Kaus MR et al „Automated segmentation of
MR images of brain tumours" Radiology
2001; 218(2): 586–591;
Fletcher-Heath LM et al, „Automatic
Segmentation of non-enhancing brain tumors in magnetic resonance
image", Artificial
Intelligence in Medicine 2001; 21(1–3): 43–63; und Clark MC et al, „Automatic
tumor segmentation using knowledge-based technique" IEEE Transactions
an Medical Imaging 1998; 17(2):187–201 beschrieben.
-
U.S. 4,856,528 offenbart
eine computerimplementierte Anordnung zur halbautomatischen Bestimmung
des Volumens eines Tumors aus CT-Bilddaten. Es wird ein Histogramm
erzeugt, dass die Anzahl von Pixeln anzeigt, die innerhalb der Außenlinie des
Organs von entsprechenden Schichten liegen. Die Unterscheidung zwischen
dem Tumorgewebe und dem normalen Organgewebe wird bestimmt, was
die Bestimmung des Tumorvolumens ermöglicht.
-
WO 02/43003 offenbart ein
System zum analysieren eines Gehirnbildes. Das Gehirnbild wird mit einem
Gehirnatlas verglichen und das Bild wird entsprechend gekennzeichnet
und als Regionen von Interesse und/oder anderen Strukturen kommentiert.
-
Eur
J Radiol 2003, Mar; 45(3): 199–207
mit dem Titel „Characterization
of normal brain and brain tumor pathology by chisquares parameter
maps of diffusion-weighted image data" Maier SE, Mamata H, Mulkern RV, Dept.
of Radiology (MRI), Brigham and Women's Hospital, Harvard Medical Scholl,
75 Francis Street, 02115 Boston MA, USA offenbart die Testergebnisse
einer Charakterisierung von normalem und pathologischem Gehirngewebe
durch Quantifizieren der Abweichung eines mit Diffusion im Zusammenhang
stehenden Signals eines monoexponentialen Abfalls, wenn über einen
Bereich von b-Faktoren gemessen wird.
-
Q.
Hu, W. L. Nowinski:" A
rapid algorithm for robust and automatic extration of the midsagittal
plane of the human cerebrum from neuroimages based an local symmetry
and outlier removal",
Neurolmage 20 (2003), Seiten 2153–2165, online publiziert am 14.11.2003,
offenbart ein Verfahren zum Bestimmen des Ortes der Medianebene
MSP in einem Gehirnbild durch zuerst Berechnen von bis zu 16-angenäherten Spaltliniensegmenten
AFLSs und zweitens entfernen von äußeren AFLSs und beibehalten
der inneren AFLSs wobei die äußeren AFLSs
eine größere Winkelabweichung
von der MSP aufweisen als ein vordefinierter Grenzwert, und die
inneren AFLSs eine kleinere Winkelabweichung von der MSP aufweisen
als ein vordefinierter Grenzwert.
-
Die
vorliegende Erfindung zielt auf das Identifizieren einer Pathologie
in medizinischen Bildern und automatisierter Interpretation der
Abbildungen. Dies ist bei Durchsuchen großer Gehirndatenbanken schwierig
und die vorliegende Erfindung soll ein Verfahren bereitstellen zum
schnellen Identifizieren einer Pathologie in Bildern. Das Verfahren
ist insbesondere vorteilhaft in Situationen wo es notwendig ist das
vorliegen einer Pathologie zu identifizieren bevor auf Modellen
basierende Ansätze
angewendet werden. Die Pathologie kann dann lokalisiert und segmentiert
werden bevor solche auf Modellen basierende Ansätze angewendet werden.
-
Zusammenfassung der Erfindung
-
Gemäß einem
ersten Aspekt der vorliegenden Erfindung wird ein automatisiertes
Verfahren zum Identifizieren einer Pathologie in einem Bild des Gehirns
bereitgestellt, umfassend die Schritte:
- (a)
Bestimmung der Lokalisation der Medianebene (MSP) durch Berechnen
von bis zu 16 angenäherten
Spaltliniensegmenten (AFLSs) und Entfernen von äußeren AFLSs, wobei die äußeren AFLSs
eine größere Winkelabweichung
von der MSP aufweisen als ein vordefinierter Grenzwert;
- (b) Berechnen des Verhältnisses
der Anzahl von äußeren AFLSs
zu der Anzahl von inneren AFLSs, wobei die inneren AFLSs eine kleinere Winkelabweichung
von der MSP aufweisen als ein vordefinierter Grenzwert; und
- (c) Vergleichen des Verhältnisses
mit einem weiteren vordefinierten Grenzwertbetrag, wobei das Verhältnis über den
weiteren vordefinierten Grenzwertbetrag hinausgeht, falls eine Pathologie
in dem Bild des Gehirns vorliegt.
-
Vorzugsweise
umfasst das Bild Bilddaten und das Verfahren umfasst weiterhin den
Schritt:
- (d) Neuformatieren der Bilddaten,
um das Bild mit der Medianebene auszurichten.
-
Vorzugsweise
wird die Neuformatierung mittels einer Vektorbearbeitung durchgeführt, und
die Medianebene weist eine Gleichung auf x' + d' =
0, wobei x' eine
Koordinate in der O'X'-Richtung und deine Konstante ist, das
Bild vor der Neuformatierung ein ursprüngliches Koordinatensystem
OXYZ aufweist und nach der Neuformatierung ein neuformatiertes Koordinatensystem,
umfassend die Koordinaten O'X', O'Y und O'Z' aufweist, wobei der Schritt der Neuformatierung
umfasst:
- (i) Beginnen mit einer MSP-Gleichung: ax + by + cz + d = 0,wobei d kleiner als
0 ist, und (a, b, c) der Einheitsnormalvektor der MSP ist;
- (ii) bestimmen von zwei Punkten, die die Schnittpunkte zwischen
der MSP und des im untersuchten Bild gezeigten Gehirnvolumens sind,
bezeichnen der zwei Punkte als A(xA, yA, 0) und B (xB,
yB, 0), wobei beide Punkte auf der MSP liegen;
- (iii) wenn a nicht gleich 0 ist, werden A und B folgendermaßen ermittelt: xA= –d/a, YA =
0 xB= –(d + b(ySize – 1))/a,
yB = Ysize – 1
wobei ySize
die Zahl der Voxel in der Y-Richtung des ursprünglichen Volumens ist; - (iv) wenn a = 0, sollte b ≠ 0 sein, und A und B werden folgendermaßen ermittelt: xA = 0, yA = –d/b xB = xSize – 1, yB = –(d
+ a(xSize – 1))/bwobei
xSize die Zahl der Voxel in der X-Richtung des ursprünglichen
Volumens ist; und
- (v) Umändern
des Originalkoordinatensystems OXYZ in das neu formatierte Koordinatensystem O'X'Y'Z', wobei die Einheitsvektoren
der Koordinaten O'X', O'Y' und O'Z' folgendermaßen ermittelt
werden: O'X'= (a, b, c) = (nx1, ny1, nz1) O'Y' = ((xA – xB)/|A – B|, (yA – YB)/|A – B|, 0)
= (nx2, ny2, nz2) O'Z'= O'X'xO'Y' = (nx3, ny3, nz3)wobei
|A – B|
der euklidische Abstand zwischen den Punkten A und B ist, und die
Transformation zwischen OXYZ und O'X'Y'Z' folgendermaßen definiert wird: X' =
nx1X + ny1Y + nz1Z Y' = nx2X
+ ny2Y + nz3Z Z' =
nx3X + ny3Y + nz3Z O' = 0
-
In
einer bevorzugten Ausführungsform
umfasst das Verfahren weiterhin den Schritt Aufbereiten einer oder
mehrerer Schichten durch das Bild zur Bestimmung der Interhemisphärensymetrie.
-
Vorzugsweise
umfasst der Schritt des Aufbereitens das Aufbreiten von einer oder
mehreren Schichten, die eine im wesentlichen senkrecht zu der Medianebene
stehende Ebene aufweisen.
-
Vorzugsweise
umfasst der Schritt des Aufbereitens das Aufbreiten von einer oder
mehreren Schichten, die eine die Medianebene schneidende Ebene aufweisen.
-
Vorzugsweise
umfasst das Bild Daten, die das Gehirn darstellen, und Hintergrundbilddaten,
wobei der Schritt des Aufbereitens das Extrahieren der Hintergrundbilddaten
und das Zurückhalten
der das Gehirn darstellenden Daten umfasst.
-
Vorzugsweise
umfasst das Bild eine Anzahl von Pixeln, wobei der Schritt des Extrahierens
umfasst berechnen eines Histogramms der Graustufe des Bildes entlang
der ersten Achse, beispielsweise der x-Achse, gegen die Anzahl an
Pixeln des Bildes entlang einer zweiten Achse, beispielsweise der y-Achse,
lokalisieren eines ersten Spitzenpunktes im Histogramm, der sich
an der Überschneidung
einer positiven Steigung und einer negativen Steigung bildet, Nähererungsweise
extrapolieren der positiven Steigung in Rückwärtsrichtung, um die erste Achse zu
schneiden, und Übernehmen
des Graustufenwerts an dem Schnittpunkt der positiven Steigung mit der
ersten Achse als ein Graustufengrenzwert.
-
In
einer bevorzugten Ausführungsform
umfasst der Schritt des Aufbereitens weiterhin das Aufbreiten des
Bildes, um durch Festsetzten der Pixel, die eine Graustufe größer als
der Graustufengrenzwert aufweisen, auf 1, und der Pixel, die eine
Graustufe niedriger als der Graustufengrenzwert aufweisen, auf 0,
ein binäres
Bild zu erhalten.
-
Vorzugsweise
stellt das Bild das Gehirn und einen Schädel dar, wobei das Verfahren
weiterhin Schritte des Öffnens
des binären
Bildes mit einem Strukturelement aus Pixeln und Erweitern des Strukturelements
umfasst, um das Bild des Schädels
zum Erzeugen einer Kopfmaske aufzufüllen.
-
Vorzugsweise
umfasst das Verfahren ferner das Zuschneiden des Bildes zu der Kopfmaske,
um die im Bild sichtbaren Hintergrunddaten zu entfernen.
-
Vorzugsweise
umfasst das Verfahren weiterhin das Berechnen eines Graustufenhistogramms des
Bildes entlang der ersten Achse gegen die Anzahl an Pixeln des Bildes
entlang der zweiten Achse für
jede Hemisphäre,
glätten
des Histogramms für jede
Hemisphäre,
vergleichen des Histogramms der beiden Hemisphären durch Ermitteln des Unterschieds
zwischen den Histogrammen.
-
Vorzugsweise
umfasst der Schritt des Berechnens des Unterschieds der Werte zwischen
den Histogrammen das Ermitteln einer Differentialfunktion zwischen
den Werten der Histogramme für
alle Graustufen. Vorzugsweise weist die Differentialfunktion einen
Maximalwert und einen Minimalwert auf, wobei das Verfahren weiterhin
umfasst Identifizieren wenn die Differenz zwischen dem Maximalwert
und dem Minimalwert einen Grenzwertunterschied übersteigt, um das vorhanden
sein einer Pathologie im untersuchten Gehirn anzuzeigen.
-
Es
gibt mehrere Wege diesen Unterschied der Werte zwischen den Histogrammen
zu berechnen, beispielsweise aus der:
- – absoluten
Differenz zwischen den Histogrammen
- – Differenz
in ihren Flächen
- – Normalisierten
Differenz ihrer Flächen
(z. B. der Hälfte
ihrer Summe)
-
Zusätzlich können die
Histogramme vor dem Berechnen des Unterschieds der Histogramme horizontal
ausgerichtet werden, beispielsweise durch Maximieren ihrer Kreuzkorrelation.
-
In
einer bevorzugten Ausführungsform
umfasst das Verfahren weiterhin das Bestimmen des Ausmaßes einer
Pathologie im untersuchten Gehirn. Vorzugsweise umfasst der Schritt
des Bestimmens des Ausmaßes
der Pathologie das Bestimmen des Verhältnisses der Anzahl an Schichten
mit Pathologie zu der Gesamtzahl der untersuchten Schichten.
-
Vorzugsweise
umfasst das Verfahren weiterhin das Bestimmen der Lokalisation der
Pathologie. Vorzugsweise umfasst der Schritt des Bestimmens der
Lokalisation der Pathologie das Lokalisieren der Hemisphäre, die
eine Pathologie enthält.
Vorzugsweise umfasst der Schritt des Lokalisierens das Bestimmen
der Modalität
der Histogramme für
beide Gehirnhemisphären
unter dem Gesichtspunkt, dass eine für beide Hemisphären vorliegende
Trimodalität einen
Hinweise für
eine kleine, in einer oder beiden Hemisphären vorliegende Pathologie
darstellt.
-
In
eine bevorzugten Ausführungsform
umfasst das Verfahren das Bestimmen ob eine oder beide Hemisphären nicht
Trimodal sind, was die Existenz einer Pathologie darin anzeigt,
und, falls eine oder beide Hemisphären nicht Trimodal sind, das
Bestimmen der Modalität
der Histogramme für
jede Schicht. Vorzugsweise umfasst das Verfahren weiterhin das Bestimmen
ob Trimodalität
für alle
Schichten innerhalb der beiden Hemisphären vorliegt, und, falls diese
nicht vorliegt, das Bestimmen ob das Verhältnis der Anzahl an äußeren AFLSs
zu der Anzahl an inneren AFLSs größer als der weitere Grenzwert
ist, um das Vorhandensein einer den Interhemisphären-Spalt überschreitenden Pathologie
anzuzeigen.
-
Falls
Trimodalität
in allen Schichten innerhalb beider Hemisphären vorliegt, und falls diese nicht
vorliegt, umfasst das Verfahren weiterhin vorzugsweise das Bestimmen
ob das Verhältnis
der Anzahl an äußeren AFLSs
zu der Anzahl an inneren AFLSs weniger als der weitere Grenzwert
ist, um das Vorliegen einer Pathologie in beiden Hemisphären anzuzeigen.
-
Gemäß einem
zweiten Aspekt der vorliegenden Erfindung wird eine Vorrichtung
bereitgestellt, die zum Ausführen
des Verfahrens zum Identifizieren einer Pathologie in einem Gehirnbild,
wie vorstehend definiert, ausgelegt ist.
-
Gemäß einem
dritten Aspekt der vorliegenden Erfindung wird ein Computerprogrammprodukt bereitgestellt,
umfassend Computerprogrammanweisungen, die durch ein Computergerät gelesen
werden können,
um das Computergerät
zur Durchführung
eines Verfahrens, wie vorstehend definiert, zu veranlassen.
-
Die
vorliegende Erfindung stellt ein Verfahren zur schnellen Identifizierung
einer Pathologie, wie etwa Gehirntumoren, in neuronalen Bildern
bereit. Bevorzugte Ausführungsformen
des Verfahrens prüfen
zwei Merkmale, die Linearität
des Interhemisphären-Spalts
und die Bildsymmetrie für
beide Hemisphären.
-
Kurze Beschreibung der Zeichnungen
-
Die
vorliegende Erfindung wird Beispielhaft unter Bezugnahme auf die
beigefügten
Figuren beschrieben, in welchen:
-
1 ein
Flussdiagramm ist, das die sechs Schritte in einer Ausführungsform
eines Verfahrens gemäß der Erfindung
zum Identifizieren von Tumoren in einem Gehirn, das untersucht wird;
und
-
2 ein
Flussdiagramm ist, das die Prozedur zeigt, die im sechsten Schritt
involviert ist, der in 1 zum Lokalisieren eines Tumors
illustriert ist.
-
Beschreibung von bevorzugten
Ausführungsformen
-
Eine
Ausführungsform
der vorliegenden Erfindung stellt ein schnelles, automatisches,
genaues und zuverlässiges
Verfahren zum Extrahieren einer Pathologie von beispielsweise einem
humanem oder tierischem Gehirn aus dreidimensionalen radiologischen
Bildern, wie etwa CT oder MRI-Bildern, bereit. Die Schritte, die
eine bevorzugte Ausführungsform des
Verfahrens bilden, sind im Flussdiagramm aus 1 gezeigt.
Das Verfahren der vorliegenden Erfindung wird nach einer kurzen
Diskussion dieser Schritte genauer diskutiert.
-
Die
Verarbeitungsschritte, illustriert im Flussdiagramm aus 1,
sind wie folgt:
- 1. Der erste Schritt ist es
die Medianebene (MSP) zu berechnen, beispielsweise unter Verwendung der
Verfahren, die in den Patentanmeldungen PCT/SG02/000006, publiziert
als WO 03/060827 , und
PCT/SG02/00231, publiziert als WO 2004/034179 ,
beide von Hu und Nowinski, beschrieben sind.
- 2. Der zweite Schritt ist das Berechnen des Verhältnisses
der Anzahl von äußeren AFLSs
zu der Anzahl von inneren AFLSs, um das Vorliegen einer potentiellen
Pathologie anzuzeigen, wenn das Verhältnis von äußeren zu inneren oberhalb eines bestimmten
Grenzwert liegt.
- 3. Der dritte Schritt ist das Neuformatieren der ursprünglichen
Ebenen, falls notwendig, so dass diese senkrecht zu der MSP liegen.
- 4. Der vierte Schritt ist für
jedes Bild das:
a) Extrahieren des Kopf des Bildes;
b)
Das Zuschneiden des Bildes, so dass dieses nur den Kopf enthält, und
das Setzen des Hintergrundes auf 0;
c) Das Berechnen eines
Histogramms für
jede Hemisphäre;
d)
Das Glätten
der berechneten Histogramme;
e) Das Berechnen zusätzlicher
Merkmale der Histogramme, wie etwa mittlere Intensität, Momente, Kreuzkorrelation
und gegenseitige Information;
f) Das Vergleichen der Histogramme
für die
zwei Hemisphären,
vorzugsweise mit zusätzlichen Merkmalen
und, falls ihre Differenz größer ist
als ein bestimmter Grenzwert, das Anzeigen des Vorliegens einer
Pathologie;
- 5. Der fünfte
Schritt ist das Berechnen des Pathologieverhältnisses.
- 6. Der sechste Schritt ist das Lokalisieren der Pathologie.
-
2 zeigt
ein Flussdiagramm der Stufen, die im sechsten Schritt aus 1 zum
Bestimmen ob oder ob nicht eine Pathologie in beiden Hemisphären oder
den Lappen eines untersuchten Gehirns vorliegt involviert sind.
-
Der
in 1 veranschaulichte Algorithmus weist sechs Hauptschritte
auf, die nachstehend beschrieben sind:
-
Schritte 1: Berechnen der Medianebene
(MSP)
-
Die
Medianebene (MSP) wird unter Verwendung des Algorithmus berechnet,
der in der ebenfalls anhängigen
internationalen Patenanmeldung des Anmelders Nr. PCT/SG02/000006,
publiziert als
WO 03/060827 ,
eingereicht am 18. Januar 2002 mit dem Titel „Methods and apparatus for
determining symetry in 2D and 3D images", die Verfahren zum Bestimmen der MSP
von menschlichen Gehirnen aus radiologischen Bildern beschreibt,
beschrieben ist. Der in der internationalen Patentanmeldung Nr. PCT/SG02/000006,
publiziert als
WO 03/030827 ,
beschriebene Algorithmus stellt eine schnelle, genaue und automatische
Berechnung der MSP bereit und ermöglicht die Bestimmung der Gleichung
der MSP, welche die Gehirnbilddaten in zwei Hemisphären teilt.
Durch dieses Verfahren werden die bis zu 16 angenäherten Spaltlinien-Segmente
(AFLSs) extrahiert und zur Berechnung der MSP verwendet. Diese AFLSs
werden dann mit der berechneten MSP verglichen, um äußere und
innere AFLSs zu finden. Jene AFLSs, die eine Winkelabweichung von
der MSP aufweisen, die größer ist
als ein vordefinierter Grenzwert, werden als äußere AFLSs bezeichnet, während der
Rest als innere AFLSs gilt.
-
Schritt 2: Berechnen des Verhältnisses
von äußeren zu
inneren (r)
-
Das
Verhältnis
(r) von äußeren zu
der Zahl von inneren wird berechnet. Das Vorliegen von äußeren bedeutet,
dass einige der Interhemisphären-Spaltliniensegmente
weit von der einen gemeinsamen Interhemisphären-Spaltebene abweichen können. Dafür gibt es
zwei Hauptgründe,
d. h. eine intrinsische Krümmung
des (normalen) Gehirns und/oder ein pathologischer Prozess, der
den Interhemisphärenspalt
verzerrt. Um diese Verzerrung zu messen, wird das Verhältnis (r)
von äußeren zu
inneren eingeführt
und in Schritt 2.1 wie folgt angewendet.
-
Schritt 2.1: Vergleich des Verhältnisses
von inneren zu äußeren mit
einem gegebenen Grenzwert
-
Wenn
r = 0, dann gibt es keine äußeren und der
Interhemisphärenspalt
bildet eine nahezu ideale Ebene. Andererseits, falls r = 1, bedeutet
dies, dass die Zahl der Äußeren =
der Zahl der Inneren ist und deshalb der Interhemisphärenspalt
gekrümmt
oder verzerrt ist. Ein geeigneter Grenzwert (Tr) wird experimentell
zwischen 0 und 1 festgesetzt. Wenn r größer als Tr ist, dann zeigt
das Verfahren das potentielle vorliegen einer Pathologie an. Das
Verarbeiten der Bilder wird fortgesetzt, um die Symmetrie der Bilder zu
prüfen.
Diese MSP-Linearitätsbedingung
wird auch in Schritt 6 verwendet, beim Lokalisieren der Pathologie,
wie nachstehend beschrieben.
-
Schritt 3: Neuformatieren der Daten
-
Die
Anatomie eines normalen Gehirns ist ungefähr symmetrisch in Bezug auf
den Interhemisphärenspalt.
Um die Symmetrie zu testen müssen
Bilder vorliegen, die in einer zur MSP senkrechten Fläche liegen.
Falls die ursprünglich
erhaltenen Daten nicht senkrecht zur MSP sind, müssen die Daten neu formatiert
werden. Es können
entweder axiale oder koronare Sektionen zur weiteren Verarbeitung
erzeugt werden (oder können
verwendet werden, falls sie vorliegen). Das Neuformatieren der Daten
kann auf folgende Weise durchgeführt
werden, so dass das neuformatierte Volumen des untersuchten Gehirns eine
MSP-Gleichung x' +
d' = 0 aufweisen
wird.
-
Falls
die ursprüngliche
MSP-Gleichung ist ax + by + cz + d = 0 wobei
d weniger als 0 ist und (a, b, c) der Einheitsnormalvektor der MSP
ist, dann werden die folgenden Schritte ausgeführt.
- a)
Auffinden von zwei Punkten, die die Schnittpunkte zwischen der MSP
und dem ursprünglichen
Volumen sind, dann bezeichnen dieser zwei Punkte als A (xA, yA, 0) und B(xB, yB, 0). Beide
dieser zwei Punkte liegen auf der MSP.
-
Wenn
a nicht gleich 0 ist, dann können
A und B wie folgt berechnet werden, xA = –d/a,
yA = 0 xB = –(d + b(ySize – 1))a,
yB = ySize – 1wobei ySize die Anzahl
der Voxel in Y-Richtung des Originalvolumens ist.
-
Wenn
a = 0, sollte b ≠ 0
sein, und A und B können
auf ähnliche
Weise bestimmt werden: xA =
0, yA = –d/b xB = xSize – 1, yB = –(d + a(xSize – 1))/bWobei
xSize die Anzahl der Voxel in X-Richtung des Originalvolumens ist.
- b) Wenn das Originalkoordinatensystem OXYZ
zu O'X'Y'Z' geändert wird,
dann werden die Einheitsvektoren von O'X',
O'Y' und O'Z' auf folgende Weise berechnet: O'X
= (a, b, c) = (nx1, ny1,
nz1) O'Y' = ((xA – xB)/|A – B|, (yA – yB)/|A – B|, 0) = (nx2, ny2, nz2) O'Z' = O'X'xO'Y' = (nx3,
ny3, nz3)
-
Wobei
|A – B|
der euklidische Abstand zwischen den Punkten A und B ist.
- c) Die Transformation zwischen OXYZ und O'X'Y'Z' ist daher wie folgt
definiert: X' =
nx1X + ny1Y + nz1Z Y'= nx2X
+ ny2Y + nz2Z Z' =
nx3X + ny3Y + nz3Z O' = 0
-
Schritt 4: Bildverarbeitung
-
Die
einzelnen axialen oder korronalen Bilder werden zur Bestimmung der
Interhemisphärensymmetrie
verarbeitet. Das Verarbeiten einzelner Bilder erhöht die Zuverlässigkeit
im Vergleich zum Verarbeiten der gesamten Hemisphären.
-
Schritt 4.1: Extraktionskopf
-
Zuerst
wird der Kopf vom Bild extrahiert. Der Hintergrundbildbereich (außerhalb
des Kopfes) wird auf 0 gesetzt. Der Kopf kann durch das Setzten
von Grenzwerten und morphologisches Verarbeiten extrahiert werden,
beispielsweise wie in der ebenso anhängigen Internationalen Patentanmeldung
des Anmelders Nr. PCT/SG03/00043, publiziert als
WO2004/077359 , eingereicht am
27. Februar 2003 mit dem Titel „Method and apparatus for
extracting the human cerebral ventricular system from images" beschrieben. Das
Histogramm des Bildes wird berechnet und der erste Spitzenpunkt
des Histogramms wird lokalisiert. Die Verwendung eines Dreiecks,
zum Annähern
der Histogrammform um den Spitzenpunkt des Histogramms, kann das
untere Ende des Spitzenpunktes ergeben, und dieser Wert wird als
Grenzwert verwendet. Ein Gauß-Verfahren
oder anderes geeignetes Verfahren kann jedoch an Stelle eines Dreiecks
für diesen
Zweck verwendet werden. Das setzten des Bildes auf einen Grenzwert
zum Erzeugen eines binären
Bildes kann erreicht werden durch Setzten aller Pixel mit einer
Graustufe größer als
der Grenzwert auf 1 und des Rests auf 0.
-
Das
auf das binäre
Bild nach dem Setzen des Grenzwerts angewendete morphologische Verarbeiten
umfasst das Öffnen
des binären
Bildes mit einem quadratischen Strukturelement von beispielsweise
vier Pixelgrößen, um
einen kleinen gebrochenen Schädel
zu füllen.
Die größte Komponente
des binären
Bildes wird lokalisiert und die Löcher innerhalb dieses Bildes
werden gefüllt,
um den Kopf oder die Kopfmaske zu erhalten.
-
Schritt 4.2: Zuschneiden des Bildes auf
den Kopf
-
Das
Bild wird auf den Kopf aus allen vier Richtungen zugeschnitten.
Dies dient Erstens dazu einen potentiellen Einfluss des Hintergrunds
auf den Histogrammvergleich aufgrund von beispielsweise nicht zentraler
Lokalisierung des Kopfes innerhalb des Bildes auszuschalten, und
Zweitens, um die Erzeugung des Histogramms durch das Vermindern der
Anzahl der verarbeiteten Pixel zu beschleunigen.
-
Schritte 4.3: Berechnen des Histogramms
für jede Hemisphäre
-
Für die linke
und rechte Hemisphäre
wird jeweils dessen Histogramm berechnet.
-
Schritt 4.4: Glätten des Histogramms
-
Ein
Histogramm kann eine Anzahl von Stacheln aufgrund von Rauschen enthalten.
Vor dem Histogrammvergleich wird eine Histogramm-Glättungsoperation
angewendet unter Verwendung von beispielsweise einem Verfahren,
dass in dem ventrikulären
System-Extraktionsalgorithmus
eingesetzt wird, das in der ebenso anhängigen internationalen Patentanmeldung
des Anmelders Nr. PCT/SG03/00043, publiziert als
WO2004/077359 eingereicht am 27.
Februar 2003 mit dem Titel „Method
and apparatus for extracting the human cerebral ventricular system
from images" beschrieben
ist.
-
Schritt 4.5: Histogrammvergleich
-
Es
wurde vom Anmelder angenommen, dass symmetrische Hemisphären ähnliche
Histogramme aufweisen sollten und das Vergleichen der Histogramme
ein effizienterer Weg des Abgleichens von Hemisphären ist
als das Vergleichen der Bilder Pixel für Pixel.
-
Ein
schneller Histogrammvergleich wird erreicht durch Berechnen des
Unterschieds zwischen den verglichenen Histogrammen. Der Unterschied zwischen
den Histogrammen wird mittels Computer bestimmt durch Berechnen
einer Differenzfunktion zwischen deren Werten für alle Graustufen. Das Minimum
und Maximum dieser Funktion wird bestimmt. Wenn die Differenz zwischen
dem Maximum und Minimum unterhalb eines gewissen Grenzwerts Th liegt (der
für normale
Gehirne experimentell bestimmt werden kann), wird dieses Bild als
pathologisch markiert und das Verfahren zeigt das Vorliegen einer
Pathologie an. Der Histogrammvergleich ist auf eine vertikale Verschiebung
zwischen den Histogrammen nicht sensibel.
-
Es
gibt mehrere Wege diese Differenz in den Werten zwischen den Histogrammen
zu berechnen, beispielsweise aus der:
- – absoluten
Differenz zwischen den Histogrammen
- – Differenz
zwischen deren Flächen
- – normalisierten
Differenz deren Flächen
(z. B. der Hälfte
deren Summe)
-
Zusätzlich kann
das Histogramm vor dem Berechnen der Histogrammdifferenz horizontal
ausgerichtet werden, beispielsweise durch Maximieren der Kreuzkorrelation.
-
Ein
verbesserter Vergleich der Histogramme kann das Anpassen multipler
Gauß-Funktionen
in diese Histogramme und Vergleichen der Mittelwerte und Standardabweichungen
von diesen involvieren. Ein Beispiel eines solchen Verfahrens ist
in der ebenso anhängigen
internationalen Patentanmeldung des Anmelder Nr. PCT/SG03/00043
publiziert als
WO2004/077359 ,
eingereicht am 27. Februar 2003 mit dem Titel „Method and apparatus for
extracting the human cerebral ventricular system from images" beschrieben.
-
Vor
dem Histogrammvergleich kann das Bild auf Nicht-Homogenität korrigiert
werden, falls notwendig.
-
Schritt 5: Berechnen des Pathologieverhältnisses
-
Das
Pathologieverhältnis
wird berechnet als das Verhältnis
der Anzahl der Schichten, die Pathologien enthalten, zu der Gesamtzahl
der untersuchten Schichten. Dieses Verhältnis zeigt das Ausmaß an Pathologie
innerhalb der Daten an.
-
Schritte 6: Lokalisieren der Pathologie
-
Nach
dem Identifizieren der Pathologie stellt eine Ausführungsform
des Verfahrens gemäß der vorliegenden
Erfindung zusätzliche
Information über den
Ort der Pathologie bereit. Der erste Schritt ist das Lokalisieren
der Hemisphäre,
die eine Pathologie enthält.
Das Histogramm für
eine normale Gehirnanatomie weist drei verschiedene Spitzenpunkte
auf, einen Spitzenpunkt für
zerebrospinale Flüssigkeit,
einen für
graue Materie und einen für
weiße
Materie (der Hintergrund wird auf 0 gesetzt und wird nicht berücksichtigt).
Dies wird „Trimodalität" genannt. Eine Hemisphäre mit Pathologie
passt möglicherweise nicht
in dieses Modell und könnte
beispielsweise einen zusätzlichen
Spitzenpunkt aufweisen.
-
Die
Unterschritte zum Bestimmen der Lokalität der Pathologie sind in dem
Flussdiagramm aus 2 illustriert. Der erste Unterschritt
ist das Bestimmen der Modalität
des Volumenhistogramms für
beide Hemisphären
des untersuchten Gehirns.
-
Falls
Trimodalität
für beide
Hemisphären
vorliegt, dann liegt eine kleine Pathologie in einer oder beiden
Hemisphären
vor. Falls eine oder beide der Hemisphären als nicht trimodal bestimmt
wird, dann liegt darin eine Pathologie vor und die Modalität für jede Schicht,
die Pathologie zeigt, wird bestimmt.
-
Falls
Trimodalität
für alle
Schichten innerhalb beider Hemisphären vorliegt sind die Daten
normal und es kann angenommen werden, dass der Grenzwert Th (bestimmt
in Schritt 4.5) vermutlich zu niedrig war. Falls Trimodalität nicht
für alle
Schichten innerhalb beider Hemisphären vorliegt und das Verhältnis r
von äußeren zu
inneren größer als
der Grenzwert Tr (bestimmt in Schritt 2) ist, dann liegt eine Pathologie vor,
die den Interhemisphärenspalt überschreitet. Falls
Trimodalität
nicht für
alle Schichten innerhalb beider Hemisphären vorliegt und das Verhältnis r
von äußeren zu
inneren niedriger als der Grenzwert Tr (bestimmt in Schritt 2) ist,
dann liegt in beiden Hemisphären
Pathologie vor.
-
Der
nächste
Schritt ist das Lokalisieren eines Lappenpaares, dass eine Pathologie
enthält.
Die Unterschritte 4.1 bis 4.5 werden dann für jedes Lappenpaar im Gegensatz
des gesamten Kopfes wiederholt. Das Wiederholen der Operationen
aus 2 für
ein Lappenpaar ermöglicht
das Auswählen
eines Lappens oder von Lappen mit Pathologie.
-
Das
Verfahren der Erfindung kann mit anderen Merkmalen, die Anstelle
oder zusammen mit den Histogrammen verwendet werden, ergänzt werden. Die
anderen Merkmale können
das mittlere Intensitätsverhältnis, Kreuzkorrelation,
Momente und gegenseitige Information, berechnet für beide
Hemisphären,
beinhalten. Dies ermöglicht
den durchzuführenden
Vergleich zwischen beiden Hemisphären unter Verwendung irgendeines
dieser Merkmale und muss nicht auf nur die Histogramme und verschiedene
Wege zum Berechnen ihrer Differenz beschränkt sein.
-
Das
Verfahren gemäß einer
Ausführungsform
der Erfindung kann eine Pathologie in Gehirnbildern identifizieren
und diese Pathologie im Hinblick auf Hemisphären und Lappen lokalisieren.
Das Verfahren ist vollautomatisch und sehr schnell und ermöglicht das
Durchsuchen einer großen
Zahl von Gehirnbildern auf Pathologie, insbesondere Gehirntumoren.
-
Das
Verfahren findet Anwendung in einer Anzahl von Gebieten, einschließlich beispielsweise Neurochirurgie
und Neuroradiologie.