RU2639022C2 - Выявление буллезной эмфиземы и диффузной эмфиземы в, например, объемных изображениях компьютерной томографии легких - Google Patents

Выявление буллезной эмфиземы и диффузной эмфиземы в, например, объемных изображениях компьютерной томографии легких Download PDF

Info

Publication number
RU2639022C2
RU2639022C2 RU2014142699A RU2014142699A RU2639022C2 RU 2639022 C2 RU2639022 C2 RU 2639022C2 RU 2014142699 A RU2014142699 A RU 2014142699A RU 2014142699 A RU2014142699 A RU 2014142699A RU 2639022 C2 RU2639022 C2 RU 2639022C2
Authority
RU
Russia
Prior art keywords
emphysema
bullous
image
projection
voxels
Prior art date
Application number
RU2014142699A
Other languages
English (en)
Other versions
RU2014142699A (ru
Inventor
Рафаэль ВИМКЕР
Тобиас КЛИНДЕР
Original Assignee
Конинклейке Филипс Н.В.
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Конинклейке Филипс Н.В. filed Critical Конинклейке Филипс Н.В.
Publication of RU2014142699A publication Critical patent/RU2014142699A/ru
Application granted granted Critical
Publication of RU2639022C2 publication Critical patent/RU2639022C2/ru

Links

Images

Classifications

    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00—Manipulating 3D models or images for computer graphics
    • G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T15/00—3D [Three Dimensional] image rendering
    • G06T15/08—Volume rendering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2200/00—Indexing scheme for image data processing or generation, in general
    • G06T2200/24—Indexing scheme for image data processing or generation, in general involving graphical user interfaces [GUIs]
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30061—Lung
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2210/00—Indexing scheme for image generation or computer graphics
    • G06T2210/41—Medical
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2219/00—Indexing scheme for manipulating 3D models or images for computer graphics
    • G06T2219/20—Indexing scheme for editing of 3D models
    • G06T2219/2012—Colour editing, changing, or manipulating; Use of colour codes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Graphics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Architecture (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Image Generation (AREA)

Abstract

Группа изобретений относится к области медицины, а именно к компьютерной томографии. Для идентификации подтипа эмфиземы идентифицируют воксели данных объемного изображения, соответствующие буллезной эмфиземе. Формируют изображение 2D-проекции буллезной эмфиземы на основе вокселей, соответствующих буллезной эмфиземе, включая локальную интенсивность вокселя и размер булл. При этом интенсивность контура буллы в изображении 2D-проекции буллезной эмфиземы основывается на размере буллы. Выделяют буллезную эмфизему в изображении 2D-проекции буллезной эмфиземы с помощью первого указания. Идентифицируют воксели упомянутых данных объемного изображения, соответствующие диффузной эмфиземе. Формируют изображение 2D-проекции диффузной эмфиземы на основе вокселей, соответствующих диффузной эмфиземе. Выделяют диффузную эмфизему в изображении 2D-проекции диффузной эмфиземы с помощью второго указания. Объединяют изображение 2D-проекции диффузной эмфиземы и изображение 2D-проекции буллезной эмфиземы, формируя единое составное изображение 2D-проекции. Группа изобретений позволяет с высокой точностью выделять в изображении 2D-проекции буллезную и диффузную эмфиземы. 3 н. и 11 з.п. ф-лы, 8 ил.

Description

Нижеследующее описание, в целом, относится к формированию изображений, а более конкретно, к визуализации объемов, такой как визуализация изображений подтипов эмфиземы и/или других интересующих признаков, и описывается в связи с компьютерной томографией (CT). Однако нижеследующее также пригодно для других способов формирования изображений.
Компьютерный томограф включает в себя поворотную раму и неподвижную раму, которая поддерживает с возможностью вращения поворотную раму. Рентгеновская трубка поддерживается поворотной рамой. Поворотная рама и, следовательно, рентгеновская трубка поворачиваются вокруг области обследования, и рентгеновская трубка испускает излучение, которое пересекает область обследования и субъект и/или объект, расположенный в ней. Чувствительный к излучению датчик располагается напротив рентгеновской трубки, через область обследования, и обнаруживает излучение, которое пересекает область обследования и субъект и/или объект. Чувствительный к излучению датчик формирует сигнал, указывающий обнаруженное излучение. Блок восстановления восстанавливает сигнал и формирует данные объемного изображения, указывающие субъекта и/или объект. Процессор изображений может быть использован, чтобы обрабатывать данные объемного изображения и формировать одно или более изображений, указывающих субъекта и/или объект.
Такое сканирование включает в себя сканирование легких субъекта, например, в связи с субъектом с эмфиземой и т.д. Как правило, эмфизема является широко распространенным и угрожающим жизни заболеванием, с ростом инцидентности по всему миру. Двумя важными подтипами являются диффузная эмфизема (DE) и буллезная эмфизема (BE). Эти подтипы с медицинской точки зрения лечатся по-разному. Буллы являются пузыркообразными структурами, заполненными воздухом, которые не способствуют функции легкого по газообмену, и ухудшение дыхания увеличивается с размером буллы. Визуализации эмфиземы типично обнаруживают диффузный подтип эмфиземы. Стандартной является проекция минимальной интенсивности (mIP или minIP) или средняя проекция (усреднение) значений вокселей ниже некоторого порога в единицах Хаунсфилда (HU). Визуализация основывается на интенсивностях вокселей.
Визуально различимые признаки являются легко наблюдаемыми и могут быть выделены. Однако признаки неправильной формы, которые визуально неотличимы, могут быть перекрыты и/или незаметны. Следовательно, существует нерешенная необходимость в других подходах для визуализации подтипов эмфиземы.
Аспекты, описанные в данном документе, решают вышеописанные проблемы и другие.
В одном аспекте процессор данных изображений включает в себя блок идентификации буллезной эмфиземы, который обрабатывает воксели данных объемного изображения и идентифицирует воксели, соответствующие буллезной эмфиземе. Процессор данных изображений дополнительно включает в себя блок формирования изображения двухмерной проекции, который формирует изображение 2D-проекции буллезной эмфиземы на основе вокселей, соответствующих буллезной эмфиземе, при этом интенсивность контура буллы в изображении 2D-проекции буллезной эмфиземы основывается на размере булл. Процессор данных изображения дополнительно включает в себя блок выделения признака, который выделяет буллезную эмфизему в изображении 2D-проекции буллезной эмфиземы с помощью первого отличающегося указания.
В другом аспекте, способ включает в себя идентификацию вокселей данных объемного изображения, соответствующих буллезной эмфиземе. Способ дополнительно включает в себя формирование изображения 2D-проекции буллезной эмфиземы на основе вокселей, соответствующих буллезной эмфиземе, при этом интенсивность контура буллы в изображении 2D-проекции буллезной эмфиземы основывается на размере булл. Способ дополнительно включает в себя выделение буллезной эмфиземы в изображении 2D-проекции буллезной эмфиземы с помощью первого указания.
В другом аспекте считываемый компьютером носитель хранения информации кодируется с помощью считываемых компьютером инструкций. Инструкции, когда выполняются процессором, инструктируют процессору: идентифицировать воксели данных объемного изображения, соответствующие буллезной эмфиземе, формировать изображение 2D-проекции буллезной эмфиземы на основе вокселей, соответствующих буллезной эмфиземе, при этом интенсивность контура буллы в изображении 2D-проекции буллезной эмфиземы основывается на размере булл, и выделять буллезную эмфизему в изображении 2D-проекции буллезной эмфиземы с помощью первого указания.
Изобретение может принимать форму различных компонентов и компоновок компонентов, а также различных этапов и компоновок этапов. Чертежи служат только для целей иллюстрации предпочтительных вариантов осуществления и не должны рассматриваться как ограничивающие изобретение.
Фиг. 1 схематично иллюстрирует систему формирования изображений в соединении с процессором данных изображений, сконфигурированным, чтобы, по меньшей мере, формировать кодированное цветом составное изображение, показывающее как диффузную, так и буллезную эмфиземы.
Фиг. 2 иллюстрирует пример процессора данных изображения.
Фиг. 3 иллюстрирует примерный способ формирования кодированного цветом составного изображения, показывающего как диффузную, так и буллезную эмфиземы.
Фиг. 4 показывает вид в разрезе (осевом) легких в данных объемного изображения.
Фиг. 5 показывает вид в разрезе (осевом), соответствующий виду на фиг. 4, булл различного размера, в которых контур более крупной буллы является большим, чем контур меньшей буллы.
Фиг. 6 показывает изображение 2D-проекции легких.
Фиг. 7 показывает выделенное изображение 2D-проекции диффузной эмфиземы, в котором диффузная эмфизема выделяется первым цветом.
Фиг. 8 показывает выделенное изображение 2D-проекции буллезной эмфиземы, в котором буллезная эмфизема выделяется вторым отличающимся цветом.
Нижеследующее описание, в целом, описывает подход, в котором визуализация диффузной эмфиземы и визуализация буллезной эмфиземы соответствуют различному визуальному указанию (например, цвету) и объединяются, чтобы формировать единое составное изображение, где визуализированная интенсивность булл основывается как на локальной интенсивности вокселя, так и на локальном размере булл.
Обращаясь изначально к фиг. 1, иллюстрируется система 100 формирования изображений, такая как компьютерный томограф. Система 100 формирования изображений включает в себя, в целом, неподвижную опорную раму 102 и поворотную раму 104, которая поддерживается с возможностью вращения посредством неподвижной опорной рамы 102 и поворачивается вокруг области 106 обследования вокруг z-оси. Опора 108 для субъекта, такая как кушетка, поддерживает объект или субъекта в области 106 обследования.
Источник 110 излучения, такой как рентгеновская трубка, поддерживается с возможностью поворота посредством поворотной рамы 104, поворачивается с поворотной рамой 104 и испускает излучение, которое пересекает область 106 обследования. Набор 112 чувствительных к излучению датчиков подразумевает угловатую дугу напротив источника 110 излучения через область 106 обследования. Набор 112 чувствительных к излучению датчиков обнаруживает излучение, пересекающее область 106 обследования, и формирует сигнал, указывающий его, для каждого обнаруженного фотона.
Блок 114 восстановления восстанавливает проекцию, формируя данные объемного изображения, указывающие отсканированный участок субъекта или объекта, расположенный в области 106 формирования изображения. Вычислительная система или компьютер общего назначения служит в качестве операторской консоли 116. Консоль 116 включает в себя считываемое человеком устройство вывода, такое как монитор, и устройство ввода, такое как клавиатура, мышь и т.д. Программное обеспечение, постоянно находящееся на консоли 116, предоставляет возможность оператору взаимодействовать с и/или эксплуатировать томограф 100 через графический пользовательский интерфейс (GUI) или иначе.
Процессор 118 данных изображения включает в себя по меньшей мере один процессор 120, который выполняет по меньшей мере одну считываемую компьютером инструкцию, сохраненную на считываемом компьютером носителе хранения информации, таком как физическая память 122 или другой невременный носитель хранения информации. Процессор 120 может также выполнять одну или более считываемых компьютером инструкций, переносимых посредством несущей волны, сигнала или другого временного носителя. Ввод/вывод (I/O) 124 сконфигурирован, чтобы принимать информацию от одного или более устройств 126 ввода (например, клавиатуры, мыши и т.д.) и/или передавать информацию (например, графический пользовательский интерфейс (GUI) и информацию в нем в областях отображения) одному или более устройствам 128 вывода (например, монитору, пленочному устройству, переносному запоминающему устройству и т.д.).
Процессор 118 данных изображений, на основе по меньшей мере одной инструкции, обрабатывает данные изображения от системы 100 формирования изображения и/или другой системы формирования изображения и визуально представляет обработанные данные изображения через одно или более устройств 128 вывода. Такая обработка включает в себя обработку торакальных и/или других данных изображения и формирование прямой визуализации, которая включает в себя по меньшей мере два подтипа эмфиземы - диффузную эмфизему и буллезную эмфизему. Как описано более подробно ниже, это включает в себя формирование изображения 2D-проекции для каждого подтипа, визуальное выделение различных подтипов различным цветом, объединение выделенных изображений в одно составное изображение и отображение одного составного изображения.
В одном неограничивающем случае визуализированные интенсивности для диффузного подтипа эмфиземы получаются из локальной интенсивности вокселя, а визуализированные интенсивности для буллезного подтипа эмфиземы получаются из локального размера булл, при этом интенсивность контура булл соответствует размеру булл, так что контуры, соответствующие более крупному размеру булл, имеют более крупную интенсивность относительно контуров, соответствующих меньшему размеру булл. Интенсивности подтипов проецируются на различные двумерные (2D) изображения посредством технологий проекции, таких как проекция максимальной интенсивности (MIP), цифровая визуализация объемов (DVP), усреднение или т.п., и изображения проекций объединяются и отображаются как составное 2D-изображение, которое показывает оба подтипа.
Составное 2D-изображение предоставляет возможность формирования единого изображения 2D-проекции из данных объемного изображения, в которых оба подтипа диффузной эмфиземы и буллезной эмфиземы одновременно представляются визуально отдельно в едином изображении. Кроме того, визуализация может служить в качестве изображения для навигации к заметным местоположениям в данных объемного изображения, например, когда точка в едином составном изображении ссылается на положение в данных объемного изображения, и наоборот. Единое составное изображение может быть сформировано через автоматизированные и/или ручные подходы и вручную обработано (например, поворот, масштабирование, панорама, окно/уровень и т.д.), снято на пленку, архивировано и т.д.
Фиг. 2 схематично иллюстрирует пример процессора 118 данных изображения.
Блок 202 идентификации вокселя идентифицирует воксели данных объемного изображения, соответствующие предварительно определенной анатомической ткани. Блок 202 идентификации вокселя может применять известный и/или другие подходы, включающие в себя автоматические и/или полуавтоматические (с пользовательским взаимодействием) подходы. Данные объемного изображения могут быть сформированы посредством системы 100 формирования изображений и/или другой системы формирования изображений. Для этого примера предварительно определенной анатомической тканью является ткань легкого. Однако предварительно определенной анатомической тканью может быть другая ткань.
Блок 204 идентификации диффузной эмфиземы идентифицирует воксели предварительно определенной анатомической ткани, которые соответствуют диффузной эмфиземе. Например, блок 204 идентификации диффузной эмфиземы может сравнивать воксели легкого с пороговым значением и идентифицировать воксели, имеющие значения по шкале Хаунсфилда ниже порогового значения, в качестве вокселей, соответствующих диффузной эмфиземе.
Блок 206 идентификации буллезной эмфиземы идентифицирует воксели предварительно определенной анатомической ткани, которые соответствуют буллезной эмфиземе. Например, блок 206 идентификации буллезной эмфиземы может подсчитывать зондирующие лучи через воксели, при этом каждый луч заканчивается, когда он достигает предварительно определенного порогового значения по шкале Хаунсфилда. Блок 206 идентификации буллезной эмфиземы может затем определять длину каждого луча и идентифицировать воксели, имеющие длину, соответствующую предварительно определенному размеру (например, воксели в верхней квартиле или 75%), в качестве вокселей, соответствующих буллезной эмфиземе. Блок 206 идентификации буллезной эмфиземы формирует объем данных с помощью идентифицированных вокселей.
Блок 208 формирования изображения двухмерной (2D) проекции формирует изображения 2D-проекции на основе идентифицированных вокселей. Например, блок 208 формирования изображений двухмерной (2D) проекции может формировать изображения 2D-проекции диффузной эмфиземы и изображение 2D-проекции буллезной эмфиземы. С изображением 2D-проекции буллезной эмфиземы интенсивность контуров булл соответствует размеру булл так, что более крупные буллы имеют контуры с большей интенсивностью относительно меньших булл, которые имеют контуры с меньшей интенсивностью. Это может быть видно на фиг. 5, которая показывает вид в разрезе (осевом) булл различного размера, в котором контур 502 большей буллы имеет большую интенсивность, чем контур 504 меньшей буллы. Блок 208 формирования изображений двухмерной (2D) проекции может формировать MIP-, DVR-, усредненные и т.д. изображения 2D-проекций.
Блок 210 выделения признака выделяет воксели, соответствующие диффузной эмфиземе в изображении 2D-проекции диффузной эмфиземы, и воксели, соответствующие буллезной эмфиземе в изображении 2D-проекции буллезной эмфиземы с помощью различных выделяющих указаний. Например, блок 210 выделения признака может выделять воксели, соответствующие диффузной эмфиземе в изображении 2D-проекции диффузной эмфиземы, с помощью одного цвета и выделять воксели, соответствующие буллезной эмфиземе в изображении 2D-проекции диффузной эмфиземы, с помощью второго отличающегося цвета. В другом случае используются различные оттенки серого. В другом случае могут быть использованы поперечная штриховка, обведение контура и/или другие указания.
Блок 212 объединения изображений объединяет выделенные изображения 2D-проекции эмфиземы. Например, блок 212 объединения изображений может добавлять соответствующие пиксельные значения выделенного изображения 2D-проекции эмфиземы и формировать единое составное изображение. Это включает в себя добавление значений цвета (например, RGB, шкалы серого и т.д.), назначенных блоком 210 выделения признака для каждого пиксела. Добавление может быть прямым или взвешенным добавлением.
Подсистема (механизм) 214 визуализации визуализирует единое составное изображение с помощью дисплея. Объединенное единое составное изображение может отображаться вместе или альтернативно первоначальным данным объемного изображения, одному или обоим из изображений 2D-проекции эмфиземы, одному или обоим из выделенных изображений 2D-проекции эмфиземы и/или одному или более другим изображениям.
Единое составное изображение может отображаться в интерактивном графическом пользовательском интерфейсе (GUI), который включает в себя инструментальные средства, которые предоставляют возможность пользователю манипулировать визуализированным единым составным изображением. Например, инструментальные средства могут предоставлять возможность пользователю поворачивать, панорамировать, изменять масштаб, устанавливать окно/уровень и т.д. визуализированного единого составного изображения. Инструментальные средства также предоставляют возможность сохранения, съемки на пленку и т.д. изображений.
Единое составное изображение может также быть интерактивно связано с данными объемного изображения, так что выбор точки в едином составном изображении вызывает представление вида в дисковом срезе или другого вида соответствующего местоположения в данных объемного изображения и наоборот. Это может быть достигнуто таким образом, что каждый пиксел в едином составном 2D-изображении ссылается на положение вокселя в данных объемного изображения, чему способствует наивысшая непрозрачность вдоль линии видимости визуализированного пиксела.
Фиг. 3 иллюстрирует примерный способ.
Следует понимать, что порядок действий не является ограничивающим. В этой связи, в данном документе предполагаются и другие последовательности. Кроме того, одно или более действий могут быть исключены, и/или одно или более дополнительных действий могут быть включены.
На этапе 302 выполняется торакальное сканирование субъекта.
На этапе 304 полученные данные восстанавливаются, формируя данные объемного изображения.
На этапе 306 воксели, представляющие легкое, идентифицируются в данных объемного изображения. Это может быть выполнено посредством автоматизированных и/или ручных способов сегментирования и/или иным образом. Фиг. 4 показывает вид в разрезе (осевом) легких в данных объемного изображения.
На этапе 308 воксели легкого, имеющие значение по шкале Хаунсфилда ниже предварительно определенного порогового значения, идентифицируются как диффузная эмфизема.
На этапе 310 воксели диффузной эмфиземы проецируются на двухмерное изображение. Это может быть выполнено посредством способов проекции, таких как MIP, DVR, усреднение и т.д.
На этапе 312 для вокселей легкого оценивается размер локальных булл. Это может быть выполнено посредством подсчитывания множества трехмерно (3D) распределенных зондирующих лучей. Каждый луч завершается, когда он достигает предварительно определенного порогового значения по шкале Хаунсфилда, и его длина записывается.
На этапе 314 из длин лучей, воксели, удовлетворяющие предварительно определенному размеру, идентифицируются в качестве размера булл, и формируется контурное изображение, в котором интенсивность контура буллы соответствует ее размеру, так интенсивность контура для большей буллы выше, чем интенсивность контура для меньшей буллы.
Опять же, это показано на фиг. 5, который показывает вид в разрезе (осевом) булл различного размера, в котором контур 502 большей буллы имеет большую интенсивность, чем контур 504 меньшей буллы.
На этапе 316 воксели буллезной эмфиземы проецируются на двухмерное изображение. Это может быть выполнено посредством способов проекции, таких как MIP, DVR, усреднение и т.д.
На этапе 318 вокселям диффузной эмфиземы изображения диффузной эмфиземы назначается один цвет, а вокселям буллезной эмфиземы изображения буллезной эмфиземы назначается второй, другой, цвет.
Фиг. 6 показывает изображение 2D-проекции диффузной эмфиземы легких. Фиг. 7 показывает выделенное изображение 2D-проекции диффузной эмфиземы, в котором диффузная эмфизема выделена с помощью первого цвета (по шкале серого здесь, но может быть использован другой цвет).
Фиг. 8 показывает выделенное изображение 2D-проекции буллезной эмфиземы, в котором буллезная эмфизема выделена с помощью второго отличающегося цвета (по шкале серого здесь, но может быть использован другой цвет). На фиг. 8 интенсивность получается не только из интенсивностей локальных вокселей, но также из размера локальных булл, как описано в данном документе.
На этапе 320 два цветных изображения объединяются в единое составное изображение.
На этапе 322 единое составное изображение отображается. Как описано в данном документе, единое составное изображение отображается вместе с первоначальными данными объемного изображения в интерактивном режиме, в котором каждый пиксел в 2D-визуализации связывается с соответствующей позицией в данных объемного изображения, чему способствует наивысшая непрозрачность вдоль линии видимости визуализированного пиксела.
Вышеописанное может быть реализовано посредством считываемых компьютером инструкций, закодированных или заключенных на считываемый компьютером носитель хранения информации, которые, когда выполняются компьютерным процессором(ми), инструктируют процессору(-ам) выполнять описанные действия. Дополнительно или альтернативно по меньшей мере одна из считываемых компьютером инструкций переносится посредством сигнала, несущей волны или другого временного носителя.
Изобретение описано со ссылкой на предпочтительные варианты осуществления. Очевидно, что после прочтения и понимания вышеприведенного подробного описания могут выполняться модификации и изменения. Изобретение должно трактоваться как включающее в себя все подобные модификации и изменения в той мере, в какой они попадают в пределы объема прилагаемой формулы изобретения или ее эквивалентов.

Claims (41)

1. Процессор для идентификации подтипа эмфиземы на основании обработки данных изображения, содержащий:
блок (206) идентификации буллезной эмфиземы, который обрабатывает воксели данных объемного изображения и идентифицирует воксели, соответствующие буллезной эмфиземе;
блок (206) формирования изображения двухмерной проекции, который формирует изображение 2D-проекции буллезной эмфиземы на основе вокселей, соответствующих буллезной эмфиземе,
при этом интенсивность контура буллы в изображении 2D-проекции буллезной эмфиземы основывается на размере буллы; и
блок (210) выделения признака, который выделяет буллезную эмфизему в изображении 2D-проекции буллезной эмфиземы с помощью первого указания.
2. Процессор для идентификации подтипа эмфиземы на основании обработки данных изображения по п. 1, при этом блок идентификации буллезной эмфиземы идентифицирует воксели, соответствующие буллам, посредством подсчитывания зондирующих лучей через данные изображения, при этом каждый зондирующий луч завершается, когда он достигает предварительно определенного порогового значения по шкале Хаунсфилда, и определяет длину каждого зондирующего луча, и при этом блок идентификации буллезной эмфиземы идентифицирует воксели, удовлетворяющие предварительно определенному размеру, как соответствующие буллам.
3. Процессор для идентификации подтипа эмфиземы на основании обработки данных изображения по п. 2, при этом блок идентификации буллезной эмфиземы формирует объем данных с помощью идентифицированных вокселей, соответствующих идентифицированным буллам.
4. Процессор для идентификации подтипа эмфиземы на основании обработки данных изображения по п. 3, при этом блок формирования изображения двухмерной проекции формирует изображение 2D-проекции буллезной эмфиземы, проецируя объем данных с помощью идентифицированных вокселей, соответствующих идентифицированным буллам, на изображение 2D-проекции буллезной эмфиземы на основе вокселей, соответствующих буллезной эмфиземе.
5. Процессор для идентификации подтипа эмфиземы на основании обработки данных изображения по п. 4, при этом интенсивность контура большей буллы выше, чем интенсивность контура меньшей буллы в изображении 2D-проекции буллезной эмфиземы.
6. Способ для идентификации подтипа эмфиземы на основании обработки данных изображения, содержащий этапы, на которых:
идентифицируют воксели данных объемного изображения, соответствующие буллезной эмфиземе;
формируют изображение 2D-проекции буллезной эмфиземы на основе вокселей, соответствующих буллезной эмфиземе, включая локальную интенсивность вокселя и размер булл,
при этом интенсивность контура буллы в изображении 2D-проекции буллезной эмфиземы основывается на размере буллы; и
выделяют буллезную эмфизему в изображении 2D-проекции буллезной эмфиземы с помощью первого указания.
7. Способ для идентификации подтипа эмфиземы на основании обработки данных изображения по п. 6, дополнительно содержащий этапы, на которых:
идентифицируют воксели упомянутых данных объемного изображения, соответствующие диффузной эмфиземе;
формируют изображение 2D-проекции диффузной эмфиземы на основе вокселей, соответствующих диффузной эмфиземе;
выделяют диффузную эмфизему в изображении 2D-проекции диффузной эмфиземы с помощью второго указания;
объединяют изображение 2D-проекции диффузной эмфиземы и изображение 2D-проекции буллезной эмфиземы, формируя единое составное изображение 2D-проекции, которое показывает как выделенную буллезную эмфизему, так и диффузную эмфизему; и
визуально отображают единое составное изображение 2D-проекции.
8. Способ для идентификации подтипа эмфиземы на основании обработки данных по любому из пп. 6 и 7, дополнительно содержащий этапы, на которых:
подсчитывают зондирующие лучи через данные изображения, при этом каждый зондирующий луч завершается, когда он достигает предварительно определенного порогового значения по шкале Хаунсфилда;
определяют длину каждого зондирующего луча; и
идентифицируют воксели, удовлетворяющие предварительно определенному размеру, как соответствующие буллам.
9. Способ для идентификации подтипа эмфиземы на основании обработки данных по п. 8, дополнительно содержащий этап, на котором:
формируют объем данных, соответствующий идентифицированным буллам.
10. Способ для идентификации подтипа эмфиземы на основании обработки данных по п. 9, дополнительно содержащий этап, на котором:
проецируют объем данных с помощью идентифицированных вокселей, соответствующих идентифицированным буллам, на изображение 2D-проекции буллезной эмфиземы на основе вокселей, соответствующих буллезной эмфиземе.
11. Способ для идентификации подтипа эмфиземы на основании обработки данных по п. 10, при этом интенсивность контура большей буллы выше, чем интенсивность контура меньшей буллы в изображении 2D-проекции буллезной эмфиземы.
12. Считываемый компьютером носитель хранения информации, закодированный считываемыми компьютером инструкциями для идентификации подтипа эмфиземы на основании обработки данных изображения, которые, когда исполняются процессором, инструктируют процессору:
идентифицировать воксели данных объемного изображения, соответствующие буллезной эмфиземе;
формировать изображение 2D-проекции буллезной эмфиземы на основе вокселей, соответствующих буллезной эмфиземе,
при этом интенсивность контура буллы в изображении 2D-проекции буллезной эмфиземы основывается на размере буллы; и
выделять буллезную эмфизему в изображении 2D-проекции буллезной эмфиземы с помощью первого указания.
13. Считываемый компьютером носитель хранения информации, закодированный считываемыми компьютером инструкциями для идентификации подтипа эмфиземы на основании обработки данных изображения, по п. 12, причем исполняемые инструкции дополнительно инструктируют процессору:
подсчитывать зондирующие лучи через данные изображения, при этом каждый зондирующий луч завершается, когда он достигает предварительно определенного порогового значения по шкале Хаунсфилда;
определять длину каждого зондирующего луча;
идентифицировать воксели, удовлетворяющие предварительно определенному размеру, как соответствующие буллам;
формировать объем данных, соответствующий идентифицированным буллам; и
проецировать объем данных идентифицированных вокселей, соответствующих идентифицированным буллам, на изображение 2D-проекции буллезной эмфиземы на основе вокселей, соответствующих буллезной эмфиземе.
14. Считываемый компьютером носитель хранения информации, закодированный считываемыми компьютером инструкциями для идентификации подтипа эмфиземы на основании обработки данных изображения, по п. 13, при этом интенсивность контура большей буллы выше, чем интенсивность контура меньшей буллы в изображении 2D-проекции буллезной эмфиземы.
RU2014142699A 2012-03-23 2013-03-22 Выявление буллезной эмфиземы и диффузной эмфиземы в, например, объемных изображениях компьютерной томографии легких RU2639022C2 (ru)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201261614718P 2012-03-23 2012-03-23
US61/614,718 2012-03-23
PCT/IB2013/052279 WO2013140374A2 (en) 2012-03-23 2013-03-22 Volume rendering

Publications (2)

Publication Number Publication Date
RU2014142699A RU2014142699A (ru) 2016-05-20
RU2639022C2 true RU2639022C2 (ru) 2017-12-19

Family

ID=48468682

Family Applications (1)

Application Number Title Priority Date Filing Date
RU2014142699A RU2639022C2 (ru) 2012-03-23 2013-03-22 Выявление буллезной эмфиземы и диффузной эмфиземы в, например, объемных изображениях компьютерной томографии легких

Country Status (6)

Country Link
US (1) US9349177B2 (ru)
EP (1) EP2828826B1 (ru)
JP (1) JP6106260B2 (ru)
CN (1) CN104205167B (ru)
RU (1) RU2639022C2 (ru)
WO (1) WO2013140374A2 (ru)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9401047B2 (en) * 2010-04-15 2016-07-26 Siemens Medical Solutions, Usa, Inc. Enhanced visualization of medical image data
RU2692038C2 (ru) * 2014-05-19 2019-06-19 Конинклейке Филипс Н.В. Визуализация представляющей интерес ткани в данных контрастированного изображения
US10984294B2 (en) 2016-12-02 2021-04-20 Koninklijke Philips N.V. Apparatus for identifying objects from an object class

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040101176A1 (en) * 2002-11-27 2004-05-27 General Electric Company Method and system for measuring disease relevant tissue changes
US20040101182A1 (en) * 2002-11-27 2004-05-27 General Electric Company Method and system for airway measurement
US20050105788A1 (en) * 2003-11-19 2005-05-19 Matthew William Turek Methods and apparatus for processing image data to aid in detecting disease
US20070053560A1 (en) * 2005-09-07 2007-03-08 General Electric Company Method and system for performing patient specific analysis of disease relevant changes of a disease in an anatomical structure
US20090129641A1 (en) * 2007-11-21 2009-05-21 Siemens Medical Solutions Usa, Inc. System and Method for Additive Spatial/Intensity Decomposition of Medical Images
US20090257627A1 (en) * 2008-04-14 2009-10-15 General Electric Company Systems, methods and apparatus for detection of organ wall thickness and cross-section color-coding

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU2002331850A1 (en) * 2001-09-11 2003-03-24 Pulmonx Methods of endobronchial diagnosis using imaging
CN100370952C (zh) * 2004-12-30 2008-02-27 中国医学科学院北京协和医院 一种肺部图像处理方法
US7756316B2 (en) * 2005-12-05 2010-07-13 Siemens Medicals Solutions USA, Inc. Method and system for automatic lung segmentation
JP5723541B2 (ja) * 2010-03-31 2015-05-27 富士フイルム株式会社 医用画像診断支援装置およびその作動方法、並びにプログラム
JP5597429B2 (ja) * 2010-03-31 2014-10-01 富士フイルム株式会社 医用画像処理装置および方法、並びにプログラム
US8625869B2 (en) * 2010-05-21 2014-01-07 Siemens Medical Solutions Usa, Inc. Visualization of medical image data with localized enhancement
JP5662082B2 (ja) * 2010-08-23 2015-01-28 富士フイルム株式会社 画像表示装置および方法、並びに、プログラム
JP2013099520A (ja) * 2011-10-14 2013-05-23 Toshiba Corp Ｘ線コンピュータ断層撮像装置、医用画像処理装置、及び医用画像処理方法
JP5844187B2 (ja) * 2012-03-23 2016-01-13 富士フイルム株式会社 画像解析装置および方法並びにプログラム

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040101176A1 (en) * 2002-11-27 2004-05-27 General Electric Company Method and system for measuring disease relevant tissue changes
US20040101182A1 (en) * 2002-11-27 2004-05-27 General Electric Company Method and system for airway measurement
US20050105788A1 (en) * 2003-11-19 2005-05-19 Matthew William Turek Methods and apparatus for processing image data to aid in detecting disease
US20070053560A1 (en) * 2005-09-07 2007-03-08 General Electric Company Method and system for performing patient specific analysis of disease relevant changes of a disease in an anatomical structure
US20090129641A1 (en) * 2007-11-21 2009-05-21 Siemens Medical Solutions Usa, Inc. System and Method for Additive Spatial/Intensity Decomposition of Medical Images
US20090257627A1 (en) * 2008-04-14 2009-10-15 General Electric Company Systems, methods and apparatus for detection of organ wall thickness and cross-section color-coding

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
PRASAD M. Et al. Multi-level classification of emphysema in HRCT lung images, Pattern Anal Applic, 2006, фиг.2. *
ГЕРШЕВИЧ В.М. и др. Новая классификация эмфиземы легких, Омский научный вестник, N1 (94), 2010, с.25-29. *
ГЕРШЕВИЧ В.М. и др. Новая классификация эмфиземы легких, Омский научный вестник, N1 (94), 2010, с.25-29. PRASAD M. Et al. Multi-level classification of emphysema in HRCT lung images, Pattern Anal Applic, 2006, фиг.2. *

Also Published As

Publication number Publication date
US9349177B2 (en) 2016-05-24
EP2828826A2 (en) 2015-01-28
JP6106260B2 (ja) 2017-03-29
CN104205167B (zh) 2017-05-03
US20150036908A1 (en) 2015-02-05
JP2015510814A (ja) 2015-04-13
RU2014142699A (ru) 2016-05-20
WO2013140374A3 (en) 2013-12-05
CN104205167A (zh) 2014-12-10
WO2013140374A2 (en) 2013-09-26
EP2828826B1 (en) 2019-05-08

Similar Documents

Publication Publication Date Title
US9811902B2 (en) Determining a value of a recording parameter by use of an anatomic landmark
JP2021509721A5 (ru)
US9401019B2 (en) Imaging tomosynthesis system, in particular mammography system
CN104508710B (zh) 对图像数据中的选择性组织的视觉抑制
EP2880594B1 (en) Systems and methods for performing segmentation and visualization of multivariate medical images
JP6302934B2 (ja) コンピュータ支援による関心組織の特定
JP2008080121A (ja) 画像内の領域を識別する方法及びシステム
US9349199B2 (en) System and method for generating image window view settings
JP2015515296A (ja) 対象物の画像情報の提供
JP2020535924A (ja) 診断撮像における画像特徴のアノテーション
US9019272B2 (en) Curved planar reformation
RU2639022C2 (ru) Выявление буллезной эмфиземы и диффузной эмфиземы в, например, объемных изображениях компьютерной томографии легких
JP7489387B2 (ja) ３ｄ仮想内視鏡レンダリング
US20230334732A1 (en) Image rendering method for tomographic image data
CN106415659A (zh) 对比增强图像数据中的感兴趣组织的可视化
CN106575436B (zh) 用于钙化的肋-软骨关节的视觉评估的轮廓显示
KR20180054020A (ko) 의료 영상 장치 및 의료 영상 처리 방법
JP6225186B2 (ja) コンピュータ断層撮影（ｃｔ）用の慢性閉塞性肺疾患（ｃｏｐｄ）ファントム及びそれを使用する方法
WO2024017742A1 (en) Efficient rib plane visualization via auto augmentation