JP2007152106A - 断層撮影における高コントラスト対象のコンピュータ支援による認識方法およびシステム - Google Patents
断層撮影における高コントラスト対象のコンピュータ支援による認識方法およびシステム Download PDFInfo
- Publication number
- JP2007152106A JP2007152106A JP2006325561A JP2006325561A JP2007152106A JP 2007152106 A JP2007152106 A JP 2007152106A JP 2006325561 A JP2006325561 A JP 2006325561A JP 2006325561 A JP2006325561 A JP 2006325561A JP 2007152106 A JP2007152106 A JP 2007152106A
- Authority
- JP
- Japan
- Prior art keywords
- filter
- image
- voxel
- alf
- variance
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000001514 detection method Methods 0.000 title abstract description 11
- 238000003325 tomography Methods 0.000 title abstract description 3
- 230000009021 linear effect Effects 0.000 claims description 25
- 238000002591 computed tomography Methods 0.000 claims description 7
- 238000002156 mixing Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 3
- 238000003384 imaging method Methods 0.000 claims description 2
- 230000003902 lesion Effects 0.000 abstract description 45
- 230000007423 decrease Effects 0.000 abstract 1
- 238000001914 filtration Methods 0.000 description 38
- 238000004364 calculation method Methods 0.000 description 9
- 238000004422 calculation algorithm Methods 0.000 description 8
- 210000001072 colon Anatomy 0.000 description 8
- 238000003745 diagnosis Methods 0.000 description 6
- 230000003044 adaptive effect Effects 0.000 description 4
- 239000013598 vector Substances 0.000 description 4
- 208000032177 Intestinal Polyps Diseases 0.000 description 3
- 230000002411 adverse Effects 0.000 description 3
- 238000004195 computer-aided diagnosis Methods 0.000 description 3
- 210000004072 lung Anatomy 0.000 description 3
- 230000001419 dependent effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- ZCYVEMRRCGMTRW-UHFFFAOYSA-N 7553-56-2 Chemical compound [I] ZCYVEMRRCGMTRW-UHFFFAOYSA-N 0.000 description 1
- 206010056342 Pulmonary mass Diseases 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 239000002872 contrast media Substances 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 210000000936 intestine Anatomy 0.000 description 1
- 229910052740 iodine Inorganic materials 0.000 description 1
- 239000011630 iodine Substances 0.000 description 1
- 229910052747 lanthanoid Inorganic materials 0.000 description 1
- 150000002602 lanthanoids Chemical class 0.000 description 1
- 210000002429 large intestine Anatomy 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 210000004185 liver Anatomy 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000007170 pathology Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000002685 pulmonary effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000012916 structural analysis Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/10—Image enhancement or restoration using non-spatial domain filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B90/00—Instruments, implements or accessories specially adapted for surgery or diagnosis and not covered by any of the groups A61B1/00 - A61B50/00, e.g. for luxation treatment or for protecting wound edges
- A61B90/36—Image-producing devices or illumination devices not otherwise provided for
- A61B90/37—Surgical systems with images on a monitor during operation
- A61B2090/374—NMR or MRI
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
- G06T2207/20056—Discrete and fast Fourier transform, [DFT, FFT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20172—Image enhancement details
- G06T2207/20192—Edge enhancement; Edge preservation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30028—Colon; Small intestine
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30061—Lung
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Processing (AREA)
Abstract
【課題】一方では偽陽性検出が低減し、他方ではこれによって真陽性に認識された病変が悪影響を受けないようにする。
【解決手段】X線コンピュータ断層撮影における高コントラスト対象のコンピュータ支援による認識方法において、高コントラスト対象のコンピュータ支援による認識の前に、患者(7)の再構成された断層撮影の表示データ(12)に少なくとも1つの非線形フィルタ(20)が適用される。
【選択図】図1
【解決手段】X線コンピュータ断層撮影における高コントラスト対象のコンピュータ支援による認識方法において、高コントラスト対象のコンピュータ支援による認識の前に、患者(7)の再構成された断層撮影の表示データ(12)に少なくとも1つの非線形フィルタ(20)が適用される。
【選択図】図1
Description
本発明は、特に特別なフィルタを用いた、患者の断層撮影における高コントラスト対象のコンピュータ支援による認識方法およびシステムに関する。
断層撮影画像における高コントラスト対象のコンピュータ支援による認識のためのこの種の方法およびこのようなシステムは一般的に知られている。これにおいては、例えば肺または結腸における病変が探索され、相応の基準に当てはまる場合には操作者に対して画面に適切に表示される。本発明において、高コントラスト対象は、人間の組織に比べて非常に異なる吸収特性を有する空気、ヨウ素を含んだ液体またはランタニドを含んだ液体のような造影剤により組織輪郭が表示される場合に用いられる。
この種の検査方法の模範例は、知られており(例えば、特許文献1参照)、あるいはまだ出願公開されていない先願明細書に記載されている(例えば、特許文献2参照)。
そこに示されている方法では、コンピュータ支援により発見された病変が、操作者に対して種々の表示変形で画面に表示され、操作者は病変、例えば腸内ポリープを観察し、その病理学的重大性に関して診断する。
この方法の場合、一方では実際に存在する病変があらゆる場合に認識されるべきであり、すなわち自動検出の感度がかなり高く設定されなければならず、他方ではそれにともなう、特に低線量によるデータセットの際の非常に多数の偽陽性結果の場合に手による追加診断の時間が著しく増加するという問題がある。
米国特許第6556696号明細書
独国特許出願第102004060931.4−35号明細書
本発明の課題は、一方では偽陽性検出が低減し、しかし他方ではこれによって真陽性に認識された病変が悪影響を受けないように、断層撮影画像における高コントラス対象を自動認識する公知の方法およびシステムを改善することにある。
方法に関する課題は、本発明によれば、X線コンピュータ断層撮影における高コントラスト対象のコンピュータ支援による認識方法において、高コントラスト対象のコンピュータ支援による認識の前に、患者の再構成された断層撮影の表示データに、少なくとも1つの非線形フィルタが適用されることによって解決される。
さらに、システムに関する課題は、本発明によれば、少なくとも1つの撮影装置とシステム作動のためのコンピュータプログラムを有するコンピュータとを備え、患者の断層撮影表示、特にCT表示、NMR表示または断層撮影超音波表示における高コントラスト対象のコンピュータ支援による認識システムにおいて、動作時に本発明による方法の方法ステップを再現するプログラムコードを含んでいることによって解決される。
本発明の有利な実施態様は従属請求項に記載されている。
さらに、システムに関する課題は、本発明によれば、少なくとも1つの撮影装置とシステム作動のためのコンピュータプログラムを有するコンピュータとを備え、患者の断層撮影表示、特にCT表示、NMR表示または断層撮影超音波表示における高コントラスト対象のコンピュータ支援による認識システムにおいて、動作時に本発明による方法の方法ステップを再現するプログラムコードを含んでいることによって解決される。
本発明の有利な実施態様は従属請求項に記載されている。
放射線検査を患者のためにできるだけ少ない線量負荷で行なう不断の努力と、探索すべき病変が高コントラスト対象であるという特性とに基づいて、コンピュータ断層撮影はしばしば非常に低い線量で行なわれる。それによってボリュームデータ内に存在するノイズが低コントラスト対象の診断を困難にする。したがって、例えば大腸のCTデータセット内の肝臓病変の偶然の発見はもはや不可能であるか、あるいは非常に限定的にしか可能でない。このような低コントラスト対象の認識性を改善するために、明白な診断改善をもたらす非線形エッジ保存フィルタを使用することは知られている。
高コントラスト対象、例えば肺および結腸における病変の自動的なコンピュータ支援検出(CAD=Computor Aided Detection)は、探索された本当の「真陽性の」病変のほかに、誤った結果、すなわち「偽陽性の」病変も発見する。誤った結果は本当の病変と同様に付加的に手で検査されなければならない。したがって、高い偽陽性率は時間のかかる診断を生じるので望ましくない。CADアルゴリズムの開発目標は、できるだけ多くの病変が発見されると同時に、偽陽性の結果の個数ができるだけ少なくされることにある。望ましくないCAD結果の原因は、一方では、CADアルゴリズムが最適化されている類似の特徴を持った構造が体内に存在することにある。しかし他方では、例えばコンピュータ断層撮影における低線量によるモーションアーチファクトまたはノイズのような測定上の不十分さが偽陽性の結果を生じる。
本来は医用画像データのノイズ抑制のために設けられているディジタルフィルタの使用が、CADアルゴリズムおいて使用される再構成ボリュームデータの処理時に、本当の病変(真陽性の病変)の探索結果に影響を与えることなしに、偽陽性の結果の個数を低減させ得ることが判明した。
簡単な線形ローパスフィルタは確かにノイズを非常に効果的に抑制することができるが、もちろんこの場合、比較的小さい構造は、後続のCADアルゴリズムが探索された病変をもはや要求された品質で発見することができないように妨害される。したがって、真陽性の結果が不都合に影響を受ける。それゆえこのフィルタは使用できない。
CADアルゴリズムに一緒に適用するために、ノイズを抑制する非線形フィルタ、特にエッジを保存する非線形ローパスフィルタは、エッジおよびそれにともなって構造に実質的な影響を及ぼさず、好都合であることが分かった。模範的には、フィルタが肺結節または腸ポリープの自動検出アルゴリズムと関連して使用されるとよい。このアルゴリズムは、高コントラスト対象すなわち空気を満たされた肺における肺結節もしくは空気を満たされた腸における腸ポリープに関連する。それによって探索された病変の表面は、提案されたフィルタによっては影響を受けないかまたはほんの少ししか影響を受けず、本当の病変の検出率には影響しない。
9個のデータセット(9〜80mAs、平均値21mAs)の検査時に、例えば46個の偽陽性結果から34個の偽陽性結果への低減が達成された。これは約25%の低減に相当し、真陽性結果への影響は見つからなかった。9個の他のデータセット(80〜165mAs、平均値102mAs)の場合には、特筆すべき改善は達成できなかった。
したがって、本発明者は、可視の低コントラスト画像の表示改善に用いられる公知のフィルタ、とりわけエッジ保存フィルタの使用が、病変のコンピュータ支援による認識に使用される断層撮影表示への適用に基づいて、偽陽性に認識された個数をこのフィルタの使用に基づいて著しく低減し、同時に真陽性に認識された病変がこれによって影響を受けないことを認識した。
それゆえ、本発明者は、患者の再構成された断層撮影表示データへの少なくとも1つの非線形フィルタの適用を提案する。この場合に、そのようにフィルタリングされた断層撮影表示データが高コントラスト対象のコンピュータ支援診断に用いられる。断層撮影データが自動診断システムのアルゴリズムにより処理される前に、断層撮影データに少なくとも1つの適切な非線形フィルタをこのようなに適用することは偽陽性の診断を低減させる。
少なくとも1つの非線形フィルタがエッジ保存フィルタである場合、この効果が特に顕著である。同時に、真陽性の診断結果が不都合な影響を受けることも回避される。少なくとも1つの線形フィルタおよび/または少なくとも1つの非線形フィルタからなる組み合わせを使用すると有利である。
本発明にしたがってコンピュータ支援診断との上述の関連で使用可能である類似のエッジ保存フィルタリングは、例えば独国特許出願第102004008979.5−53号明細書に記載されている。この独国特許出願の明細書の開示内容は内容全体についてここに引き継がれる。
本発明者は、具体的に特に有利な実施態様において、患者の断層撮影表示のためにボリュームモデルが使用され、ボリュームモデルが、最初の画像ボクセルを有する第1のデータセットに応じて、患者のボリュームを個別の画像値を有する複数の3次元画像ボクセルに分割し、各ボクセルの画像値がこのボリューム内で検査対象の対象固有の特性を再現し、全ボリュームの再構成後に各画像ボクセルについて予め定められた範囲または半径R内の画像値の分散が算出され、各画像ボクセルについて、コントラスト跳躍およびその空間方位をその接平面Tとともに認識するために、最大分散の方向が決定され、そして各画像ボクセルについて、接平面において最小分散の方向が決定されることを提案する。なお、フィルタリングは次のように構成される。すなわち、最初の画像ボクセルが、画像範囲全体にわたって等しい2Dフィルタと、事前に算出された分散の極値から得られる選択された方向を有する2つの異なる線形フィルタとにより処理されて、異なるフィルタリングをされた画像ボクセルを有する3つのデータセットが得られ、かつ最初の画像ボクセルおよびフィルタリングされた画像ボクセルが局所的な重みの使用のもとに混合されて結果画像が形成される。
この特殊なフィルタリングによって最小限の計算時間で著しいノイズ抑制および同時に構造鮮明度の維持が達成されるので、後続のコンピュータ支援による構造解析においてほんの僅かの偽陽性結果しか記録されない
このようなフィルタリングは、そのほかの関連において、出願公開されていない独国特許出願第102005038940.6号明細書に記載されている。この独国特許出願の明細書の開示内容は内容全体についてここに引き継がれる。
特別な実施態様において、本発明者は、2Dフィルタとして、2次元平面のボクセル集合への2次元等方性畳み込みを行なうことを提案する。この場合にボクセルIIFに第2のデータセットが生じる。このような等方性畳み込みは位置空間内で実行可能である。しかしこの等方性畳み込みを周波数空間内で実行すると好ましく、この場合には第1のデータセットが平面ごとに全画像範囲にわたって等しい2Dフィルタの方位に応じてフーリエ変換により周波数空間に移行させられ、そこにおいて等方性2Dフィルタ関数と掛算され、その後位置空間に戻し変換される。
本発明によれば、第1のデータセットに第1の局所的な線形フィルタが適用され、このフィルタはその都度局所的な最小分散v→minの方向に向けられ、ボクセルIALF,minに第3のデータセットが生じる。
したがって、局所的に可変のかつ接平面Tに向けられた第2の線形フィルタが使用されるとよく、接平面に対する垂線はv→⊥=v→min×v→maxにより決定され、そのフィルタの適用によってボクセルIALF,maxに第4のデータセットが生じる。このフィルタリングに関して誤解のないように指摘しておくに、上述の局所的に可変のフィルタは全てのボクセルに同一であってもよい。
結果データセットの正規化を保証するために、4つのデータセットの混合時に、第2〜第4のデータセットIIF、IALF,min、IALF,⊥からなる重み付け加算から、第1のデータセットIorgが重み付けされて減算される。
4つのデータセットの混合時の重み付けに関しては、この重み付けが、観察された画像ボクセルの直接的な周辺の等方性もしくは異方性と、局所的な分散とに依存して設定される。
4つのデータセットの重み付けされた混合は数8にしたがって行なわれると特に有利である。
但し、重み付け係数は次の意味を有する。
w: 観察されたピクセルにおける局所的な最小分散vminの尺度
w3D: 3次元空間における異方性η3Dの尺度
wIF: フィルタIIFの平面における異方性ηIFの尺度
w⊥: 方向v⊥,vminにおける異方性η⊥の尺度
w: 観察されたピクセルにおける局所的な最小分散vminの尺度
w3D: 3次元空間における異方性η3Dの尺度
wIF: フィルタIIFの平面における異方性ηIFの尺度
w⊥: 方向v⊥,vminにおける異方性η⊥の尺度
3次元空間における異方性η3Dは数9により算出されるとよい。
重み付け係数w3Dは例えば数10から与えられるとよい。
フィルタIIFの平面における異方性ηIFは数11により算出されるとよい。
但し、vIF max,vIF minはフィルタIIFの平面における最大分散および最小分散である。重み付け係数wIFも、数12により算出されるとよい。
更に、方向v⊥,vminにおける異方性η⊥は数13によって表される。
重み付け係数w⊥は数14により算出されるのが好ましい。
誤解のないように指摘しておくに、重み付け係数とその都度述べた該当する分散との異なる関数関係が可能であり、上述の関係は模範例に過ぎない。同様に、任意の、場合によっては線形関数、例えばw=aηb+cなども使用可能であり、パラメータを最適なフィルタ結果のために相応に調整できる可能性を使用者に与えることもできる。
以下において、図を参照しながら本発明を更に詳細に説明する。ここでは本発明の理解のために必要な特徴のみが示されている。
図1は制御および計算ユニットを有する本発明によるCTシステムと、病変のコンピュータ支援による認識の前における模範的なフィルタリングの概略図とを示す。
図2は偽陽性として発見された病変の画面抜粋を示す。
図3は本発明によるフィルタリング後に偽陽性の認識が抑制された同じ部位の画面抜粋を示す。
図4は事前フィルタリングのない場合に病変の陽性認識を有する他の領域の画面抜粋を示す。
図5は事前のフィルタリング後にもこの病変の陽性認識が維持されている、図4の部位の画面抜粋を示す。
図1は制御および計算ユニットを有する本発明によるCTシステムと、病変のコンピュータ支援による認識の前における模範的なフィルタリングの概略図とを示す。
図2は偽陽性として発見された病変の画面抜粋を示す。
図3は本発明によるフィルタリング後に偽陽性の認識が抑制された同じ部位の画面抜粋を示す。
図4は事前フィルタリングのない場合に病変の陽性認識を有する他の領域の画面抜粋を示す。
図5は事前のフィルタリング後にもこの病変の陽性認識が維持されている、図4の部位の画面抜粋を示す。
図面においては次の符号が使用されている。1:CTシステム、2:X線管、3:検出器、4:オプションとしての第2のX線管、5:オプションとしての第2の検出器、6:ガントリハウジング、7:患者、8:患者用寝台、9:システム軸線、10:制御および計算ユニット、11:制御および計算ユニットのメモリ、12:再構成されたボリューム表示、13:エッジ認識、14:アキシャル等方性フィルタ、15:方向v⊥における適応線形フィルタリング、16:方向vminにおける適応線形フィルタリング、17:局所的重みを有する混合、18:フィルタリングされた断層画像表示またはボリューム表示、19:病変のコンピュータ支援による認識、20:フィルタ、I:関心領域のサジタル断層画像表示、II:関心領域のアキシャル断層画像表示、III:関心領域の仮想管腔内表示、IV:3次元セグメント化された結腸概観表示。
図1はコンピュータ断層撮影システムに接続された非線形フィルタリングの有利な適用例を示す。コンピュータ断層撮影システム1はX線管2を持ち、このX線管2は検出器3に対向してガントリハウジング6内のガントリ上に配置されている。オプションとして、付加的に他のX線管4および他の検出器5からなる他のX線管−検出器システムがガントリに固定されており、それによって走査およびデータ収集が1つ又は複数のX線管−検出器システムによっても行なうことができる。患者7がシステム軸線9に沿って移動可能な患者用寝台8上にいるので、患者はX線管−検出器システム2,3の回転中に走査範囲を通して移動可能であり、患者のスパイラル走査が行なわれる。
システムの制御と、スライス画像またはボリュームデータの再構成を含む検出器データの評価とが制御および計算ユニット10を介して行なわれる。制御および計算ユニット10においては、象徴的に示されているように、メモリ11に、必要なときに実行されるプログラムPrg1〜Prgnが記憶されている。これらのプログラムによって再構成されたボリュームデータ12が、本発明にしたがって、ここでは破線の矩形20によって示されているフィルタリング手順で処理される。このためにこれらのボリュームデータセット12に基づいて方法ステップ13においてエッジ検出が行なわれ、最小分散vminおよび最大分散vmaxのベクトル方向が求められ、v⊥の方向が決定される。
本来の画像データのフィルタリングは、ここでは方法ステップ14,15,16において次の規則にしたがって行なわれる。
方法ステップ14は、固定の2Dフィルタによるアキシャル面のフィルタリングに関係する。この場合に、例えば2次元の平面的なボクセル集合への2次元の等方性畳み込みを等価的に周波数空間内で行なうことができる。このためにアキシャル画像がフーリエ変換により周波数空間内に移行させられ、そこで等方性の2Dフィルタ関数と掛算され、その後に再び位置空間に変換される。指摘しておくに、代替として畳み込みが位置空間内で直接に実行されてもよく、使用されたハードウェアに応じて一方の変形または他方の変形がより高速に実行され得る。
このようなフィルタリングは全てのデータセットについて同じであり、結果は今や新しいデータセットIIF内に記録される。更に、2つの局所的に異なるフィルタリングがステップ15,16において行なわれる。それらの局所的な相違はベクトルvmin,v⊥の方向に依存する。
方法ステップ15において、v⊥方向への線形フィルタリングが1次元の核を有する畳み込みによって行なわれる。この1次元の核は全てのデータセットについて同じであってよく、フィルタの方向のみがベクトルv⊥の方向に応じて異なっている。
したがって、方法ステップ16において同様に線形フィルタリングがここではもちろんベクトルvminの方向に行なわれる。これは、場合によっては全てのデータセットにわたって同一である1次元の核を有する畳み込みによっても行なうことができる。この場合にもフィルタリングの方向は最小分散vminの方向に応じて局所的に向けられる。このようにして、両方法ステップ15,16によって、新たなデータセットIALF,⊥、IALF,minが生じ、これらはひき続き爾後処理される。
更なる処理において今や方法ステップ17において、4つの存在するデータセットIIF、IALF,⊥、IALF,min、Iorigの混合が行なわれ、混合の重みはその都度観察されたボクセルの周辺に依存する。この混合の際に次の原理が考慮される。
ボクセルの周辺が等方性である場合、すなわちvmin,vmaxの値が同程度である場合、効率的に3Dフィルタにより平滑することができる。3Dフィルタは使用できないので、データセットIIF,IALFにより適切な組み合わせが形成される。この場合に最初のボクセルが重複計数されないように、最初のボクセルの減算が必要である。このようにして擬似3Dフィルタリングされた成分の割合が等方性に依存して計算され、重みは大きな異方性の場合には小さくすべきであり、逆に小さい異方性の場合には大きくすべきである。
異方性が決定されると、存在するフィルタリングから局所的な状況に適応した1Dないし2Dフィルタが構成される。このためにアキシャル面およびvmin/v⊥面における異方性が考慮される。これらの面の1つに等方性状態が存在する場合、存在するフィルタから「擬似2Dフィルタ」が組み合わされる。大きい異方性の場合にはvminの方向に1次元フィルタが残されている。
前述の寄与の総重みは局所的な分散に依存して調整される。大きな分散は小さい重みを意味し、逆に小さい分散は大きい重みを意味する。この場合に、目は高コントラスト構造の近くにおけるノイズを弱く知覚することが利用される。同時に、このようにして小さい高コントラスト構造の維持を保証することができる。尺度としては局所的な分散vminが使用される。なぜならばこれは構造的なノイズがないからである。
このフィルタリングによって新しいボリュームデータセットまたは画像データセット18が得られ、本発明にしたがって方法ステップ19に与えられる。ステップ19においては、本来の公知の高コントラスト対象のコンピュータ支援による認識が行なわれる。これらの高コントラスト対象の表示、したがって発見された病変の表示は、制御および計算ユニット10のディスプレイで行なわれる。一般には、今、操作者がコンピュータ支援により発見された病変を検査し、診断上の重要性を吟味する。この場合に重要なことは、本発明により提案されたフィルタ過程によって、偽陽性と看做された病変の個数が低減され、同時に真陽性に認識された病変がこの付加的なフィルタ法によって抑制されないことである。
図2ないし図5には、コンピュータ支援による認識の前に本発明によるフィルタリングが行われる場合および行われない場合における種々の状況の模範的な画像抜粋が示されている。
図2は病変のコンピュータ支援による認識の画像抜粋を示す。左の象限Iには、ここではc25aと呼ばれる発見された病変のサジタル断面を示す。第2の象限IIには、この発見された病変c25aのアキシャル断面が示されている。第3の象限IIIはCTデータから得られた仮想管腔内の図を示す。第4の象限IVには、偽陽性と看做された病変c25aの表示位置を有する検査された結腸の概観図が示されている。
結腸のコンピュータ支援解析は、図2の場合においてはおそらく結腸内の残留大便を偽陽性の病変として認識し、これを手による制御診断のために表示した。
コンピュータ支援診断の前に、使用されたCT表示が非線形フィルタにより処理される場合には、図3における状態が生じる。図3では図2と同じ部位がもう一度示されており、コンピュータプログラムはこの部位に病変をもはや表示していないことが分かる。
図4には結腸内の他の部位が示されている。図4は、本発明による事前のフィルタリングなしで、病変c22aを示す。この病変c22aは、標識x19aで認識可能であるように、実際に手による診断を介しても発見された。
図5には図4と同じ部位がもう一度示されているが、この場合にはCT表示にわたってエッジを保存する非線形フィルタリングが行なわれた。フィルタリングにもかかわらず、この部位も解析プログラムを介して病変、ここではc1aとして発見された。したがって、陽性の結果は付加的なフィルタリングによって抑制されない。
統計学的調査によれば、病変のコンピュータ支援検出に使用されたCT表示の本発明による事前フィルタリングによって、解析ソフトウェアによって偽陽性結果が実際に検出されたのは著しく少なく、一方真陽性と看做された病変の数はこのフィルタリングによって影響を受けない。
以上に述べた本発明の特徴はその都度示した組み合わせのみならず、本発明の範囲を逸脱することなく他の組み合わせまたは単独で使用可能であることは自明のことである。
1 CTシステム
2 X線管
3 検出器
4 オプションとしての第2のX線管
5 オプションとしての第2の検出器
6 ガントリハウジング
7 患者
8 患者用寝台
9 システム軸線
10 制御および計算ユニット
11 制御および計算ユニットのメモリ
12 再構成されたボリューム表示
13 エッジ認識
14 アキシャル等方性フィルタ
15 方向v⊥における適応線形フィルタリング
16 方向vminにおける適応線形フィルタリング
17 局所的重みを有する混合
18 フィルタリングされた断層表示またはボリューム表示
19 病変のコンピュータ支援による認識
20 フィルタ
I 関心領域のサジタル断層画像表示
II 関心領域のアキシャル断層画像表示
III 関心領域の仮想管腔内表示
IV 3次元セグメント化された結腸概観表示
2 X線管
3 検出器
4 オプションとしての第2のX線管
5 オプションとしての第2の検出器
6 ガントリハウジング
7 患者
8 患者用寝台
9 システム軸線
10 制御および計算ユニット
11 制御および計算ユニットのメモリ
12 再構成されたボリューム表示
13 エッジ認識
14 アキシャル等方性フィルタ
15 方向v⊥における適応線形フィルタリング
16 方向vminにおける適応線形フィルタリング
17 局所的重みを有する混合
18 フィルタリングされた断層表示またはボリューム表示
19 病変のコンピュータ支援による認識
20 フィルタ
I 関心領域のサジタル断層画像表示
II 関心領域のアキシャル断層画像表示
III 関心領域の仮想管腔内表示
IV 3次元セグメント化された結腸概観表示
Claims (20)
- X線コンピュータ断層撮影における高コントラスト対象(c22a)のコンピュータ支援による認識方法において、高コントラスト対象(c22a)のコンピュータ支援による認識の前に、患者(7)の再構成された断層撮影の表示データ(12)に少なくとも1つの非線形フィルタ(20)が適用されることを特徴とするX線コンピュータ断層撮影における高コントラスト対象のコンピュータ支援による認識方法。
- 少なくとも1つの非線形フィルタ(20)がエッジ保存フィルタであることを特徴とする請求項1記載の方法。
- 線形フィルタおよび/または非線形フィルタからなる組み合わせが適用されることを特徴とする請求項1又は2記載の方法。
- 断層撮影の表示データ(12)を作成するのためにボリュームモデルが使用され、ボリュームモデルが、最初の画像ボクセル(Iorg)を有する第1のデータセットに応じて、検査ボリュームを個別の画像値を有する複数の3次元画像ボクセルに分割し、
各ボクセルの画像値が検査ボリューム内で患者(7)の対象固有の特性を再現し、
再構成後に各画像ボクセルについて予め定められた範囲または半径内の画像値の分散が算出され、
各画像ボクセルについて、コントラスト跳躍およびその空間方位をその接平面とともに認識するために、最大分散(v→max)の方向が決定され、
各画像ボクセルについて、接平面において最小分散(v→min)の方向が決定され、
最初の画像ボクセル(Iorg)が、画像範囲全体にわたって等しい2Dフィルタと、事前に算出された分散の極値(v→min,v→max)から得られる選択された方向を有する2つの異なる線形フィルタ(15,16)とにより処理されて、異なるフィルタリングをされた画像ボクセル(IIF,IALF,min,IALF,⊥)を有する3つのデータセットが得られ、
最初の画像ボクセル(Iorg)およびフィルタリングされた画像ボクセル(IIF、IALF,min、IALF,⊥)が局所的な重みの使用のもとに混合されて結果画像(Ifinal)が形成されることを特徴とする請求項1乃至3の1つに記載の方法。 - 2Dフィルタとして、2次元平面のボクセル集合への2次元等方性畳み込みが行なわれ、ボクセル(IIF)に第2のデータセットが生じることを特徴とする請求項4記載の方法。
- 等方性畳み込みが位置空間内で実行されることを特徴とする請求項5記載の方法。
- 等方性畳み込みが周波数空間内で実行されることを特徴とする請求項5記載の方法。
- 第1のデータセットが平面ごとに画像範囲全体にわたって等しい2Dフィルタの方位に応じてフーリエ変換により周波数空間に移行させられ、そこで等方性2Dフィルタ関数と掛算され、その後位置空間へ戻し変換されることによって、等方性畳み込みが周波数空間内で実行されることを特徴とする請求項7記載の方法。
- 第1の線形フィルタ(16)が、局所的に可変にかつ局所的な最小分散(v→min)の方向に向けられ、ボクセル(IALF,min)に第3のデータセットが生じることを特徴とする請求項4乃至8の1つに記載の方法。
- 第2の線形フィルタ(15)が、局所的に可変にかつ局所的な最小分散(v→min)および最大分散(v→max)に対して垂直な方向に向けられ、ボクセル(IALF,max)に第4のデータセットが生じることを特徴とする請求項4乃至9の1つに記載の方法。
- 4つのデータセットの混合時に第2乃至第4のデータセット(IIF、IALF,min、IALF,⊥)からなる重み付け加算から第1のデータセット(Iorg)が重み付けされて減算されることを特徴とする請求項4乃至10の1つに記載の方法。
- 4つのデータセットの混合時の重み付けが、観察された画像ボクセルの直接的な周辺の等方性/異方性および局所的な分散に依存して設定されることを特徴とする請求項4乃至11の1つに記載の方法。
- 4つのデータセットの重み付けされた混合が数1にしたがって行なわれることを特徴とする請求項4乃至12の1つに記載の方法。
w: 観察されたピクセルにおける局所的な最小分散vminの尺度
w3D: 3次元空間における異方性η3Dの尺度
wIF: フィルタIIFの平面における異方性ηIFの尺度
w⊥: 方向v⊥,vminにおける異方性η⊥の尺度 - 3次元空間における異方性η3Dは数2により算出されることを特徴とする請求項13記載の方法。
- 重み付け係数w3Dは数3により算出されることを特徴とする請求項14に記載の方法。
- フィルタIIFの平面における異方性ηIFは数4により算出され、vIF max,vIF minはフィルタIIFの平面における最大分散および最小分散であることを特徴とする請求項14又は15記載の方法。
- 重み付け係数wIFは数5により算出されることを特徴とする請求項14乃至16の1つに記載の方法。
- 方向v⊥,vminにおける異方性η⊥は数6により算出されることを特徴とする請求項14乃至17の1つに記載の方法。
- 重み付け係数w⊥は数7により算出されることを特徴とする請求項14乃至18の1つに記載の方法。
- 少なくとも1つの撮影装置とシステム作動のためのコンピュータプログラムを有するコンピュータとを備え、患者の断層撮影表示における高コントラスト対象のコンピュータ支援による認識システムにおいて、動作時に請求項1乃至19の1つに記載の方法ステップを再現するプログラムコードを含んでいることを特徴とする患者の断層撮影表示における高コントラスト対象のコンピュータ支援による認識システム。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102005058217A DE102005058217B4 (de) | 2005-12-06 | 2005-12-06 | Verfahren und System zur computergestützten Erkennung von Hochkontrastobjekten in tomographischen Aufnahmen |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2007152106A true JP2007152106A (ja) | 2007-06-21 |
Family
ID=38108597
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2006325561A Withdrawn JP2007152106A (ja) | 2005-12-06 | 2006-12-01 | 断層撮影における高コントラスト対象のコンピュータ支援による認識方法およびシステム |
Country Status (4)
Country | Link |
---|---|
US (1) | US20070147674A1 (ja) |
JP (1) | JP2007152106A (ja) |
CN (1) | CN101034473A (ja) |
DE (1) | DE102005058217B4 (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013035255A1 (ja) * | 2011-09-07 | 2013-03-14 | 株式会社島津製作所 | 画像処理装置およびそれを備えた放射線撮影装置 |
CN109754361A (zh) * | 2017-11-02 | 2019-05-14 | 西门子保健有限责任公司 | 3d各向异性的混合网络:将来自2d图像的卷积特征传递到3d各向异性体积 |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102004008979B4 (de) * | 2004-02-24 | 2006-12-28 | Siemens Ag | Verfahren zur Filterung tomographischer 3D-Darstellungen nach erfolgter Rekonstruktion von Volumendaten |
FR2915867B1 (fr) * | 2007-05-11 | 2012-11-30 | Gen Electric | Procede et systeme d'imagerie par tomographie ct |
GB2463906A (en) * | 2008-09-29 | 2010-03-31 | Medicsight Plc | Identification of medical image objects using local dispersion and Hessian matrix parameters |
DE102009019840A1 (de) * | 2009-05-04 | 2011-01-27 | Siemens Aktiengesellschaft | Kontrastverstärkung von CT-Bildern mittels eines Multibandfilters |
US8768016B2 (en) * | 2009-06-19 | 2014-07-01 | Carestream Health, Inc. | Method for quantifying caries |
WO2012058217A2 (en) * | 2010-10-29 | 2012-05-03 | The Johns Hopkins University | Image search engine |
CN105339986B (zh) * | 2013-06-28 | 2020-04-07 | 皇家飞利浦有限公司 | 用于从断层合成数据生成边缘保留合成乳房摄影的方法 |
CN106708981A (zh) * | 2016-12-08 | 2017-05-24 | 彭志勇 | 基于WebGL的MPR三维重建方法 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5771318A (en) * | 1996-06-27 | 1998-06-23 | Siemens Corporate Research, Inc. | Adaptive edge-preserving smoothing filter |
US6246784B1 (en) * | 1997-08-19 | 2001-06-12 | The United States Of America As Represented By The Department Of Health And Human Services | Method for segmenting medical images and detecting surface anomalies in anatomical structures |
US6527720B1 (en) * | 2001-09-24 | 2003-03-04 | Acuson Corporation | Medical ultrasonic imaging method and system for spatial compounding |
WO2003030075A1 (en) * | 2001-10-03 | 2003-04-10 | Retinalyze Danmark A/S | Detection of optic nerve head in a fundus image |
US6842638B1 (en) * | 2001-11-13 | 2005-01-11 | Koninklijke Philips Electronics N.V. | Angiography method and apparatus |
US6855114B2 (en) * | 2001-11-23 | 2005-02-15 | Karen Drukker | Automated method and system for the detection of abnormalities in sonographic images |
US20080310695A1 (en) * | 2003-09-04 | 2008-12-18 | Garnier Stephen J | Locally Adaptive Nonlinear Noise Reduction |
DE102004008979B4 (de) * | 2004-02-24 | 2006-12-28 | Siemens Ag | Verfahren zur Filterung tomographischer 3D-Darstellungen nach erfolgter Rekonstruktion von Volumendaten |
DE102004060931A1 (de) * | 2004-12-17 | 2006-07-06 | Siemens Ag | Verfahren zur Vorbereitung der Begutachtung von tomographischen Colon-Aufnahmen |
DE102005038940B4 (de) * | 2005-08-17 | 2007-08-30 | Siemens Ag | Verfahren zur Filterung tomographischer 3D-Darstellungen nach erfolgter Rekonstruktion von Volumendaten |
-
2005
- 2005-12-06 DE DE102005058217A patent/DE102005058217B4/de not_active Expired - Fee Related
-
2006
- 2006-12-01 JP JP2006325561A patent/JP2007152106A/ja not_active Withdrawn
- 2006-12-05 US US11/633,430 patent/US20070147674A1/en not_active Abandoned
- 2006-12-06 CN CNA2006101309889A patent/CN101034473A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013035255A1 (ja) * | 2011-09-07 | 2013-03-14 | 株式会社島津製作所 | 画像処理装置およびそれを備えた放射線撮影装置 |
JPWO2013035255A1 (ja) * | 2011-09-07 | 2015-03-23 | 株式会社島津製作所 | 画像処理装置およびそれを備えた放射線撮影装置 |
CN109754361A (zh) * | 2017-11-02 | 2019-05-14 | 西门子保健有限责任公司 | 3d各向异性的混合网络:将来自2d图像的卷积特征传递到3d各向异性体积 |
CN109754361B (zh) * | 2017-11-02 | 2023-09-22 | 西门子保健有限责任公司 | 3d各向异性的混合网络:将来自2d图像的卷积特征传递到3d各向异性体积 |
Also Published As
Publication number | Publication date |
---|---|
CN101034473A (zh) | 2007-09-12 |
US20070147674A1 (en) | 2007-06-28 |
DE102005058217A1 (de) | 2007-06-28 |
DE102005058217B4 (de) | 2013-06-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2007152106A (ja) | 断層撮影における高コントラスト対象のコンピュータ支援による認識方法およびシステム | |
Chen et al. | Artifact suppressed dictionary learning for low-dose CT image processing | |
Noël et al. | Initial performance characterization of a clinical noise–suppressing reconstruction algorithm for mdct | |
Mendrik et al. | Noise reduction in computed tomography scans using 3-D anisotropic hybrid diffusion with continuous switch | |
Husarik et al. | Radiation dose reduction in abdominal computed tomography during the late hepatic arterial phase using a model-based iterative reconstruction algorithm: how low can we go? | |
US7957574B2 (en) | Methods and apparatus for generating a risk metric for soft plaque in vessels | |
US7756312B2 (en) | Methods and apparatus for noise estimation | |
US20110150309A1 (en) | Method and system for managing imaging data, and associated devices and compounds | |
WO2017193122A1 (en) | System and method for controlling noise in multi-energy computed tomography images based on spatio-spectral information | |
Macri et al. | Ultra-low-dose chest CT with iterative reconstruction does not alter anatomical image quality | |
US9001960B2 (en) | Method and apparatus for reducing noise-related imaging artifacts | |
Willemink et al. | Computed tomography radiation dose reduction: effect of different iterative reconstruction algorithms on image quality | |
WO2014172421A1 (en) | Iterative reconstruction for x-ray computed tomography using prior-image induced nonlocal regularization | |
US20190139272A1 (en) | Method and apparatus to reduce artifacts in a computed-tomography (ct) image by iterative reconstruction (ir) using a cost function with a de-emphasis operator | |
Schaller et al. | Noise reduction in abdominal computed tomography applying iterative reconstruction (ADMIRE) | |
WO2001037219A1 (en) | Method and apparatus for reformatting tubular volumetric bodies | |
Afadzi et al. | Ultra-low dose chest computed tomography: effect of iterative reconstruction levels on image quality | |
Martini et al. | Optimization of acquisition parameters for reduced-dose thoracic CT: A phantom study | |
US9349199B2 (en) | System and method for generating image window view settings | |
KR101783964B1 (ko) | 단층 촬영 장치 및 그에 따른 단층 영상 복원 방법 | |
Do et al. | A decomposition-based CT reconstruction formulation for reducing blooming artifacts | |
Sun et al. | High calcium scores in coronary CT angiography: Effects of image post-processing on visualization and measurement of coronary lumen diameter | |
Cho et al. | A novel low-dose dual-energy imaging method for a fast-rotating gantry-type CT scanner | |
US20150146957A1 (en) | System and method for hybrid local tomography image reconstruction | |
Balogh et al. | Comparison of CT noise reduction performances with deep learning-based, conventional, and combined denoising algorithms |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A300 | Application deemed to be withdrawn because no request for examination was validly filed |
Free format text: JAPANESE INTERMEDIATE CODE: A300 Effective date: 20100202 |