SE528089C2 - Metod och system för automatiskt förbättrande av användbarheten för en medicinsk bild - Google Patents

Metod och system för automatiskt förbättrande av användbarheten för en medicinsk bild

Info

Publication number
SE528089C2
SE528089C2 SE0401126A SE0401126A SE528089C2 SE 528089 C2 SE528089 C2 SE 528089C2 SE 0401126 A SE0401126 A SE 0401126A SE 0401126 A SE0401126 A SE 0401126A SE 528089 C2 SE528089 C2 SE 528089C2
Authority
SE
Sweden
Prior art keywords
intensity
entropy
intensity data
medical image
image
Prior art date
Application number
SE0401126A
Other languages
English (en)
Other versions
SE0401126D0 (sv
SE0401126L (sv
Inventor
Andreas Eriksson
Original Assignee
Elekta Ab
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 Elekta Ab filed Critical Elekta Ab
Priority to SE0401126A priority Critical patent/SE528089C2/sv
Publication of SE0401126D0 publication Critical patent/SE0401126D0/sv
Priority to JP2007510659A priority patent/JP4869223B2/ja
Priority to US11/116,345 priority patent/US20050244045A1/en
Priority to PCT/SE2005/000611 priority patent/WO2005106791A1/en
Priority to CN2005800129596A priority patent/CN1947148B/zh
Priority to EP05736467.1A priority patent/EP1741058B1/en
Publication of SE0401126L publication Critical patent/SE0401126L/sv
Publication of SE528089C2 publication Critical patent/SE528089C2/sv

Links

Classifications

    • G06T5/92
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/02Devices for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03Computerised tomographs
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/002D [Two Dimensional] image generation
    • G06T11/003Reconstruction from projections, e.g. tomography
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • G06T5/40Image enhancement or restoration by the use of histogram techniques
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B90/00Instruments, 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
    • A61B90/36Image-producing devices or illumination devices not otherwise provided for
    • A61B90/37Surgical systems with images on a monitor during operation
    • A61B2090/374NMR or MRI
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B34/00Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
    • A61B34/10Computer-aided planning, simulation or modelling of surgical operations
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10072Tomographic images
    • G06T2207/10081Computed x-ray tomography [CT]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30004Biomedical image processing

Description

25 30 528 089 2 ligger dock det huvudsakliga eller enda intresset i distinktion mellan olika delar av mjuk vävnad, och detta kan vara svårt med de flesta medicinska bilder.
För att få fram medicinskt användbar information rörande mjuk vävnad från en sådan bild är det följaktligen av yttersta vikt att korrekt styra intensitetsparametrarna för bilden, och speciellt ljushet och kontrast, för att begränsa gråskalefönstret hos bilden till ett användbart intervall. Samtidigt är det viktigt att styra intensitetsparametrarna på så sätt att användbar data inte förloras. Dock är en sådan anpassad styrning av intensitetspararnetrama en svår, långvarig och tidsödande uppgift, och kräver stor skicklighet hos användaren. Kvaliteten och användbarheten hos varje bild är kraftigt avhängig av den individuella skickligheten hos den ansvarige, vilket leder till mycket varierande resultat, beroende på den som är ansvarig. Vidare är risken för mänskliga fel stor, och i slutändan fmns det ökade hälsorisker för patienten som ska behandlas.
Vidare är kvaliteten och användbarheten på resultatet som erhålles medelst olika verktyg som använder medicinska bilder som invärde, såsom de ovan diskuterade Gamma Plan och Leksell SurgiPlan, starkt beroende av kvaliteten på bildinformationen, och på möjligheten att urskilja olika mjuka vävnadsdelar.
Vidare är en ofta använd teknik för erhållande av användbar och medicinskt relevant information från medicinska bilder att kombinera bilder, så kallad bildsammanslagning eller samregistrering. Detta kan användas för att kombinera bland armat olika typer av bilder, t ex CT- och MR-bilder. För att erhålla korrekt samregistrering måste dock en liknande metrik beräknas, vilket erfordrar att adekvata -intensitetsparametrar för bildema är kända. Följaktligen är det även i denna tillämpning av största vikt att tillhandahålla en god intensitetsupplösning för de bilddelar som är av intresse, t ex delar som motsvarar avbildad mjuk vävnad.
Samma krav kan uppställas för många andra typer av medicinskt relaterad bildanalys och bildmanipulation, såsom segmentering och mönsterigenkänning.
Följaktligen finns det ett behov av automatiskt förbättrande av användbarheten för en medicinsk bild. 10 15 20 25 30 528 089 3 Det är därför ett syfte med föreliggande uppfinning att tillhandahålla en metod, ett system och ett datorprogram för att automatiskt förbättra användbarheten för medicinska bilder.
Detta syfte uppnås med en metod, ett system och ett datorprogram i enlighet med de bifogade patentkraven. Uppfinningen hänför sig vidare till vissa användningsområden för denna nya metod.
I enlighet med en första aspekt av uppfinningen häriför den sig till en metod för att automatiskt förbättra användbarheten hos en medicinsk bild, omfattande stegen: som invärde tillhandahålla en medicinsk bild, omfattande en uppsättning av intensitetsdata; automatiskt styra åtminstone en intensitetsparameter för att öka entropin hos åtminstone en del av uppsättningen av intensitetsdata; och tillhandahålla den behandlade uppsättningen av intensitetsdata som den förbättrade medicinska bilden.
Med denna metod kan användbarheten för medicinska bilder, såsom CT- och MR-bilder, automatiskt förbättras. Genom ökningen av entropin i åtminstone vissa delar av bilden, blir intensitetsupplösningen, och möjligheten att urskilja olika delar av t ex avbildad mjuk vävnad, kraftigt förbättrad. Dock behålls bilddatan dock intakt genom processen, vilket gör metoden medicinskt tillförlitlig. Vidare erfordrar metoden inte någon specifik kännedom om bilden på förhand, avseende t ex vilket objekt som avbildas, hur bilden är framtagen osv. Tvärtom tillhandahåller metoden en automatisk förbättring av den medicinska användbarheten oavsett vilken ingående bild som används, och utan någon ytterligare information om bilden.
Vidare kan, utöver de ovanrelaterade fördelarna, metoden även implementeras och utföras mycket snabbt och kostnadseffektivt.
Eftersom förbättringen av bilderna genomförs automatiskt erfordras ingen speciell kompetens fiån den handhavande. Vidare är slutresultatet åtminstone relativt oberoende av handhavaren, varigenom ett mycket tillförlitligt och säkert slutresultat tillhandahålls, vilket sålunda minskar risken för mänskliga fel, och inte utsätter patienten för några medicinska risker.
Dessutom gör de förbättrade medicinska bilderna även metoder som använder sådana bilder mer effektiva och tillförlitliga. 10 15 20 25 30 528 089 4 I denna ansökan används medicinska bilder som en benämning på vilken som helst uppsättning av data som representerar en del av en kropp hos en människa eller ett djur. Bildema kan presenteras på olika sätt, t ex med hjälp av bildskärm eller utskrifter. Vidare kan bilderna vara statiska eller dynamiska. Exempelvis kan bilden vara en avbildning av tillståndet vid en bestämd tidpunkt, eller uppdateras kontinuerligt, företrädesvis i realtid.
Användbarhet hänför sig i denna ansökan till det medicinska användbarheten av bilden, och i synnerhet till användbarheten vid diagnostik- eller behandlingstillärnpningar.
Entropi är i denna ansökan en benämning på ett mått på eller en kvantifiering av det perceptuella informationsinnehållet hos en bild, och speciellt en digital bild.
För en uppskattning av entropin kan för denna ansökan den teori om informationsenuopiuppskattriing som introducerats av C. Shannon användas. Ett större entropivärde svarar mot ett större perceptuellt informationsinnehåll hos bilden.
Den ingående medicinska bilden är företrädesvis genererad av åtminstone en av datortomografi ("computed tomography", CT), magnetresonansavbildning ("magnetic resonance imaging", MRI), angiografiavbildning, röntgenavbildning, positronstrålningstomografi ("positron emission tomography", PET), datortomografi med enkelfotonemission ("single photon emission computerized tomography", SPECT), funktionell magnetresonansavbildning ("f\mctional magnetic resonance imaging", fMRI) och ultraljudsavbildning.
Den åtminstone en intensitetsparametem som automatiskt ska styras är företrädesvis åtminstone en av ljushet och kontrast, och mest föredraget båda.
Vidare styrs den åtminstone en intensitetsparametern som automatiskt ska styras företrädesvis så att gråskalefönstret för nämnda uppsättning intensitetsdata minskas. Exempelvis kan gråskalefönstret för en CT-bild styras till ett område på under 500 Hounsfield, och företrädesvis under 250 Hounsfield, och mest föredraget till omkring 100 Hounsfield.
Det fiiriktionella resultatet av att reducera gråskalan är att öka det dynamiska området för bildområdet. Följaktligen kommer ett bildområde med mycket begränsade fárgvariationer, t ex varierande inom ett område från mörkgrått till ljusgrått, att då gråskalan reduceras expanderas till ett mycket större dynamiskt UL-ib ZZ åasfïl ~-íš -'_-l bv-'a-ïizfsl: 10 15 20 25 30 528 089 5 område, som t ex varierar mellan fullständigt svart och fullständigt vitt, och varje nyans däremellan. I Intensitetsparametrarna som ska styras kan dock vara vilka som helst parametrar som påverkar intensitetsdatavärdena i uppsättningen av intensitetsdata.
Nämnda intensitetsparametrar kan företrädesvis påverka ljusheten och/eller kontrasten direkt eller indirekt, t ex genom styrande av gråskalefönstret.
Hounsfield används i denna ansökan som en beteckning på ett normaliserat index för strålningsdämpning (t ex för röntgen), baserat på en skala på cirka -1000 (luft) till cirka +1000 (ben), där vatten är 0, vilket speciellt används för CT- avbildning.
Den åtminstone en intensitetsparameter styrs företrädesvis automatiskt for att optimera entropin hos nänmda åtminstone en del av uppsättning intensitetsdata. Det är dock också möjligt att automatiskt öka entropin till dess att ett bestämt kriterium har uppnåtts. Exempelvis kan entropin ökas så att ett tröskelvärde överskrids. Vidare kan entropin styras så att den blir något under det maximalt erhållbara värdet, såsom 90% av maximivärdet.
Optimeringen av entropin kan också ske under villkoret att en eller flera andra krav också uppfylls. Exempelvis kan entropin optimeras under det ytterligare villkoret att gråskalefönstret är åtminstone av en viss storlek, eller har en nedre gräns som är under ett visst värde och/eller ett övre värde som är högre än ett visst värde.
Mest föredraget så optimeras entropin hos nämnda åtminstone en del av uppsättningen av intensitetsdata genom maximerande, eller väsentligen maximerande, av entropin E, dvs max [E], där entropin uppskattas som: E = H, (w), log H, (w), varvid H, (w),_,,,, för l..N är histogrammet för en bild I (x) beräknat för intensitetsparametrarna w, och N är antalet bins i histogrammet.
Den ovan definierade uppskattningen av entropin motsvarar Shannons koncept för entropi. Dock kan även andra koncept användas. Till exempel kan Rényis entropikoncept användas, varvid entropin E kan uppskattas som: Ifiïlix ÄB 'ÉIfUBLlï \5E\l?..li1.l>3§fifl¿! .IT-_ Lä.. íiïllš fíïjfirï fÉP-MIÉEÉ íšït-fxïïP-É”. l0 15 20 25 30 528 089 6 En annan möjlighet är att använda Havrda-Charvat-konceptet för entropi, baserat på vilket entropin i föreliggande uppfinning kan uppskattas som: E, = H” (w), -11 1 - a .el Företrädesvis är N i ovanstående entropidefinitioner valt till att vara antalet gråskalevärden som erfordras för den förbättrade medicinska bilden. Detta kan t ex vara antalet gråskalevärden som det är möjligt att reproducera på ett visst medium, såsom på en bildskärm eller skrivare som används, eller antalet gråskalevärden som är urskiljbara med det mänskliga ögat.
I uppskattningen av entropi ovan är w föreuädesvis definierad så att den har ett övre värde (övre) och nedre värde (nedre), och varvid värden I(x) < nedre tilldelas bin H1(w), och värden I(x) > övre tilldelas bin H N (w) N .
Företrädesvis är steget att automatiskt styra åtminstone en intensitetsparameter avpassat att öka entropin hos en del av uppsättningen av intensitetsdata motsvarande en bestämd delmängd hos det avbildade objektet, och företrädesvis motsvarande avbildade strukturer som är av intresse, såsom mjuk vävnad. Härigenom kan intensitetsupplösningen för sådana valda, och medicinskt viktiga delar ökas väsentligt. Dock är det också möjligt att styra intensitetsparametrarna för att öka den totala entropin hos bilden.
I enlighet med en annan aspekt av uppfinningen hänför den sig till ett system för automatiskt förbättrande av användbarheten hos en medicinsk bild, omfattande: inmatningsorgan för tillhandahållande av en medicinsk bild, omfattande en uppsättning av intensitetsdata; organ för automatiskt styrande av åtminstone en intensitetsparameter för att öka entropin hos åtminstone en del av uppsättningen av intensitetsdata; och utmatningsorgan för tillhandahållande av den sålunda förbättrade uppsättningen av intensitetsdata som den förbättrade medicinska bilden.
Med denna aspekt av uppfinningen erhålles liknande fördelar som de som diskuterats ovan med avseende på den första aspekten.
I enlighet med en annan aspekt av uppfinningen hänför den sig till ett datorprogram för att automatiskt förbättra användbarheten hos en medicinsk bild, omfattande datorprogramkod för utförande av stegen: som invärde tillhandahålla en medicinsk bild, omfattande en uppsättning av intensitetsdata; automatiskt styra f '~“ 9 “rt-.s l: 10 15 20 25 30 528 089 7 åtminstone en intensitetsparameter för att öka entropin hos åtminstone en del av uppsättningen av intensitetsdata; och tillhandahålla den behandlade uppsättningen av intensitetsdata som den utgående medicinska bilden. I enlighet med ytterligare en aspekt av uppfinningen hänför den sig till ett datalagringsmedium omfattande datorprogrammet som diskuterats ovan.
Med dessa aspekter av uppfinningen erhålles liknande fördelar som de som diskuterats ovan med avseende på den första aspekten.
Uppfinningen hänför sig också till användning av den ovan diskuterade metoden för förberedande av medicinska bilder för bildbehandling, såsom bildsammanslagning eller samregistrering, segmentering eller mönsterigenkänning; för automatiserad behandlingsplanering, och företrädesvis för planerande av neurokirurgisk behandling; och för realtidsövervakning och/eller realtidsstyming under behandling, och företrädesvis neurokirurgisk behandling.
Dessa och andra aspekter av uppfinningen kommer att framgå och förklaras med hänvisning till de utföranden som beskrivs i det följ ande.
Kortfattad beskrivning av ritningarna I exemplifierande syfte kommer uppfinningen att beskrivas i mer detalj i det följande med hänvisning till utföranden som illustreras i de bifogade ritningama, på vilka: Fig 1 är en schematisk översikt av ett utförande av ett utförande av metoden i enlighet med uppfinningen; Fig 2 är en schematisk översikt av en process för uppskattande av entropi hos en medicinsk bild i enlighet med ett utförande av uppfinningen; och Fig 3-5 illustrerar exempel på bilder före och efier behandling i enlighet med uppfinningen.
Beskrivning av föredragna utföranden Uppfinningen kommer i det följ ande i exemplifierande syfte att beskrivas mer ingående med hjälp av exempel.
En metod för automatiskt förbättrande av användbarheten hos en medicinsk bild i enlighet med ett utförande, såsom visas i fig 1, omfattar de följande stegen. I ett 10 15 20 25 30 5.28 089 8 första steg S1 inmatas en första medicinsk bild till ett behandlingsorgan, såsom en dator, och företrädesvis en konventionell persondator.
Den medicinska bilden är företrädesvis en digital bild omfattande en uppsättning av intensitetsdata. Dock är det också möjligt att använda analoga medicinska bilder, varvid ett ytterligare konverteringssteg S2 kan användas för konverterande av den analoga bildinformationen till en digital uppsättning av intensitetsdata, vilket i sig är känt inom teknikområdet. Bilden kan tillhandahållas på olika sätt, såsom genom CT- och MR-avbildning, men väsentligen vilken som helst medicinsk avbildningsteknik kan användas för att erhålla den ingående bilden.
Exempelvis är det också möjligt att tillhandahålla ingående bilder med hjälp av angiografi, röntgenavbildning, PET, SPECT, fMRI och ultraljudsavbildning.
Därefter uppskattas entropin hos den digitala bilden, steg S3, på ett sätt som diskuteras mer detaljerat i det följande.
I ett optimeringssteg S4 styrs åtminstone en intensitetsparameter därefier automatiskt för att erhålla ett högre entropivärde, och företrädesvis för att erhålla ett maximalt uppnåbart entropivärde under de givna förutsättningarna.
Intensitetsparametrama som styrs är företrädesvis åtminstone en av ljushet och kontrast, och företrädesvis båda. Dock kan som ett alternativ eller komplement andra intensitetspararnetrar också styras. Intensitetsparametrarna styrs företrädesvis så att gråskalefönstret för nämnda uppsättning av intensitetsdata reduceras. Exempelvis kan gråskalefönstret för en CT-bild styras till ett område på mindre än 500 Hounsfield, och företrädesvis mindre än 250 Hounsfield, och mest föredraget omkring 100 Hounsfield.
Den optimerade datauppsättningen utmatas därefter som den förbättrade utgående medicinska bilden, S5.
Processen för uppskattande av entropin och optimeringen av intensitetsparametrarna kommer i det följande att diskuteras mer ingående, med hänvisning till fig 2. Entropi är ett mått på informationsirmehållet i en bild eller signal. Entropi diskuteras här med avseende på svart-vita bilder, men en liknande diskussion kan naturligtvis tillämpas också för färgbilder. Entropin E kan definieras på olika sätt. Exempelvis kan Shannons definition av entropi användas. I så fall kan uppskattningen av entropin för en medicinsk bild genomföras på följ ande sätt: »<4 -.,.--, .
-J ..,.-..»_ 10 15 20 25 528 089 9 Först väljs antalet bins N i histogrammet, steg S31. Företrädesvis väljs N så att det motsvarar antalet gråskalevärden som kan presenteras av presentationsorganet som ska användas, såsom en bildskärm eller en skrivare, eller som ögat är kapabelt att urskilja. En initial uppsättningen av intensitetspararnetrar w = (nedre,övre) definieras, steg S32. Intensitetsparametrarna styrs därefter för att optimera entropin, såsom diskuterats i det föregående. Ett histogram H , (w)L_ N beräknas sedan för den ingående bilden I (x) och intensitetsparametrama w, varvid värden I(x) < nedre tilldelas till bid H1 (WN och värden I(x) > övre tilldelas till bin H~ (WU (steg sas).
Sedan normeras H' (WN-N , steg S34, så att H' (WL är sannolikheten för att något bildvärde I(x) hör till denna bin.
Erltropin kan sedan beräknas (steg S35) som: E = H, (w), log H, (wlt Därefter testas det om entropin matchar ett visst kriterium, såsom att det är optimerat, är åtminstone 90% av det optimalt erhållbara, är over ett visst förbestämt värde, eller liknande (steg S41). Om inte, justeras w, och processen upprepas fiån steg S32 (steg S42).
För den automatiska styrningen av intensitetsvärdet som diskuterats i det föregående optimeras gråskalefönstret I(w) företrädesvis för att maximera entropin E.
Demta optimeringsprocess kan utföras pä många olika sätt. Exempelvis är det möjligt att beräkna entropin för varje möjligt värde för intensitetsparametem som ska styras, eller för varje möjlig kombination av värden ifall flera parametrar styrs samtidigt, och välja parametervärden som ger den högsta entropin. Dock är det även möjligt att använda olika optirneringsalgoritmer, såsom iterativa optimeringsmetoder. Flera sådana automatiserade optimeringsmetoder är i sig kända inom tekníkområdet.
Exempelvis är det möjligt att använda en eller flera av följande optimeringsmetoder: "simulated annealing", evolutionsalgoritmer, genetiska algoritmer, simplexmetoder, "direction-set"-metoder, konjugatgradientmetoder och kvasi-Newton-metoder.
Metoden som diskuterats ovan kan företrädesvis implementeras som ett datorprogram som omfattar programkod för att utföra de ovan diskuterade stegen. _ -~ 212%- .iïíš 10 15 20 25 30 528 089 10 Datorprogrammet kan vara lagrat på någon typ av databärare, såsom RAM, ROM, CD, DVD, flash-minne, osv.
Metoden kan exekveras på en databehandlingsanordning, såsom en vanlig dator, med inmatningsorgan för inmatande av en medicinsk bild. Inmatningsorganet kan vara en läsare för att extrahera data från ett mobilt dataminne, såsom en diskettläsare, en scanner, en nätverksarrslutriing, en ingång som kan anslutas till en avbildningsanordning, eller liknande. Vidare är anordningen försedd med utmatningsorgan för tillhandahållande av den förbättrade uppsättningen av intensitetsdata som den förbättrade medicinska bilden. Utmatningsorganet kan omfatta en bildskärm, en skrivare, organ för att lagra data på ett dataminne, och företrädesvis ett mobilt dataminne, såsom en CD-ROM-brännare, eller liknande.
Bilddatabehandlingen kan företrädesvis implementeras i mjukvara, men det är även möjligt att implementera åtminstone delar av den i speciellt dedikerad hårdvara.
Vidare kan de ovan diskuterade delarna vara anordnade inom en enda enhet, eller omfatta distribuerade, sarnmankopplade delar. Metoden kan dock även implementeras i speciell utrustning, såsom i en ultraljudsapparat, röntgenutrustning, och liknande.
Den utgående medicinska bilden som blir resultatet av den ovan diskuterade metoden kan användas i många olika tillämpningar, och speciellt för olika typer av automatiserade eller manuella behandlings- och diagnostikmetoder. Exempelvis kan den utgående bilden användas för styrande av stereotaktiskt kirurgiutrustning, såsom den som beskrivs i WO 00/42928 av samma sökande, där nämnda skrift härmed inkorporeras genom hänvisning. Härigenom kan den utgående bilden användas för mätande av den förstörda volymen av vävnad under lesioneringsprocessen. Den nya metoden är dock användbar även för andra typer av kirurgiska processer, och speciellt för neurokirurgi, t ex för realtidsövervakning och/eller -styrning under nämnda behandling.
Den ovan diskuterade metoden för förbättrande av användbarheten för medicinska bilder är också speciellt användbar för förberedande av bilder som ska användas _i automatiserad behandlingsplanering, och företrädesvis för planering av neurokirurgisk behandling, såsom diskuteras i WO 98/5 7705 av samma sökande, vilken referens härmed inkorporeras genom hänvisning. s, »_ ,\ 10 15 20 528 089 11 Den förbättrade medicinska bilden kan även användas för andra typer av tillämpningar, såsom för förberedande av bilder för andra typer av automatiserade metoder. Till exempel kan nämnda metod användas för förberedande av medicinska bilder för bildbehandling, såsom bildsammanfogning eller samregistrering, segmentering eller mönsterigenkänning.
I fig 3-5 tillhandahålls exempel på användningen av föreliggande uppfinning.
I fig 3a illustreras en ingående bild som har en ursprunglig entropi på 1,907. Efter att ha behandlats såsom diskuterats ovan erhålles en utgående bild, såsom illustreras i fig 3b, vilken har en entropi på 3,034, och följaktligen med en klart förbättrad synbarhet och intensitetsupplösning för de mjuka vävnadsdelama. På likartat sätt illustrerar fig 4a en ingående bild som har en urpsrunglig entropi på 1,335, och fig 4b illustrerar en förbättrad bild som har en entropi på 3,155. I fig Sa har den ingående bilden en urpsrunglig entropi på 3,610, medan den förbättrade bilden har en entropi på 4,002.
Specifika utföranden av uppfinningen har nu diskuterats. Dock är flera alternativ möjliga, såsom torde vara uppenbart för någon som är kunnig inom teknikomrâdet. Till exempel är olika sätt att uppskatta entropin möjliga, optimeringen kan ske på många olika sätt, etc.
Sådana och andra uppenbara modiñeringar måste anses vara inom ramen för föreliggande uppfinning, såsom den definieras av de bifogade patentkraven. Det ska noteras att de ovannämnda utförandena illustrerar snarare n begränsar uppfinningen, och att de som är kunniga inom teknikområdet kan utforma många alternativa utföranden utan att fjärma sig frän omfånget för de bifogade patentkraven.

Claims (19)

10 15 20 25 528 089 1 2 PATENTKRAV
1. Metod för att automatiskt förbättra användbarheten hos en medicinsk bild, omfattande stegen: som invärde tillhandahålla en medicinsk bild, omfattande en uppsättning av intensitetsdata; automatiskt styra åtminstone en intensitetsparameter så att gråskalefönstret för nämnda uppsättning intensitetsdata minskas, och så att entropin hos åtminstone en del av uppsättningen av intensitetsdata ökas; och tillhandahålla den behandlade uppsättningen av intensitetsdata som den förbättrade medicinska bilden.
2. Metod enligt patentkrav 1, varvid den åtminstone en intensitetsparametern som automatiskt ska styras är åtminstone en av ljushet och kontrast, och företrädesvis båda.
3. Metod enligt patentkrav l eller 2, varvid gråskalefönstret styrs till ett område på under 500 Hounsfield, och företrädesvis under 250 Hounsfield, och mest föredraget nu omkring 1oo Hounsfiela.
4. Metod enligt något av föregående patentkrav, varvid den åtminstone en intensitetsparameter styrs automatiskt för att optimera entropin hos nämnda åtminstone en del av uppsättning intensitetsdataf
5. Metod enligt något av föregående patentkrav, varvid entropin hos nämnda åtminstone en del av uppsättningen av intensitetsdata optimeras genom maximerande, eller väsentligen maximerande, av entropin E, dvs max [E], där entropin uppskattas SOITI I E = -ÉHI (WL logHl i=l varvid H , (w),__ N är histograrnmet för bilden I (x) beräknat för intensitetsparametrama w, och N är antalet bins i histogrammet.
6. Metod enligt patentkrav 5, varvid N är valt till antalet gråskalevärden som erfordras för den förbättrade medicinska bilden. 10 15 20 25 30 528 D89 13
7. Metod enligt patentkrav 5 eller 6, varvid w definieras så att den har ett övre värde (övre) och nedre värde (nedre), och varvid värden I(x) < nedre tilldelas bin H1(w), och värden I(x) > övre tilldelas bin H N (w) N .
8. Metod enligt något av föregående patentkrav, varvid den ingående medicinska bilden genereras av åtminstone en av datortomografi ("computed tomography", CT), magnetresonansavbildning ("magnetic resonance imaging", MRI), angiografiavbildning, röntgenavbildning, positronstrålningstomografi ("positron emission tomography", PET), datortomografi med enkelfotonemission ("single photon emission computerized tomography", SPECT), funktionell magnetresonansavbildning ("functional magnetic resonance imaging", fMRI) och ultraljudsavbildning.
9. Metod enligt något av föregående patentkrav, varvid steget att automatiskt styra åtminstone en intensitetsparameter är avpassat att öka entropin hos en del av uppsättningen av intensitetsdata motsvarande en bestämd delmängd hos det avbildade objektet, och företrädesvis motsvarande avbildade strukturer som är av intresse.
10. System för automatiskt förbättrande av användbarheten hos en medicinsk bild, omfattande: inmatningsorgan för tillhandahållande av en medicinsk bild, omfattande en uppsättning av intensitetsdata; organ för automatiskt styrande av åtminstone en intensitetsparameter så att grâskalefönstret för nämnda uppsättning intensitetsdata minskas, och så att entropin hos åtminstone en del av uppsättningen av intensitetsdata ökas; och utmatningsorgan för tillhandahållande av den sålunda förbättrade uppsättningen av intensitetsdata som den förbättrade medicinska bilden.
11. ll. System enligt patentkrav 10, varvid den åtminstone en intensitetsparametem som automatiskt ska styras är åtminstone en av ljushet och kontrast, och företrädesvis båda.
12. System enligt patentkrav 10 eller 11, varvid organet för styrande av den åtminstone en intensitetsparametern är avpassat att styra nämnda parameter så att gråskalefönstret för nämnda uppsättning intensitetsdata minskas. 10 15 20 25 30 528 089 14
13. System enligt något av patentkraven 10-12, varvid organet för styrande av den åtminstone en intensitetsparainetern är avpassat att styra nämnda parameter så att entropin hos nämnda åtminstone en del av uppsättning intensitetsdata optimeras.
14. System enligt något av patentkraven 10-13, varvid den ingående medicinska bilden genereras av åtminstone en av datortomografi ("computed tomography", CT), magnetresonansavbildning ("magnetic resonance imaging", MRI), angiografiavbildning, röntgenavbildning, positronstrålningstomografi (“positron emission tomography", PET), datortomografi med enkelfotonemission ("single photon emission computerized tomography", SPECT), funktionell magnetresonansavbildning ("fimctional magnetic resonance imaging", fMRI) och ultraljudsavbildning.
15. Datorprogram för att automatiskt förbättra användbarheten hos en medicinsk bild, omfattande datorprogramkod för utförande av stegen: som invärde tillhandahålla en medicinsk bild, omfattande en uppsättning av intensitetsdata; automatiskt styra åtminstone en intensitetspararneter så att gråskalefönstret för nämnda uppsättning intensitetsdata minskas, och så att entropin hos åtminstone en del av uppsättningen av intensitetsdata ökas; och tillhandahålla den behandlade uppsättningen av intensitetsdata som den utgående medicinska bilden.
16. Datalagringsmedium för lagrande av ett datorprogram enligt patentkrav 15.
17. Användning av en metod enligt något av patentkraven 1-9 för förberedande av medicinska bilder för bildbehandling, såsom bildsammanslagning eller sainregisu-ering, segmentering eller mönsterigenkämiing.
18. Användning av en metod enligt något av patentkraven 1-9 för förberedande av medicinska bilder för automatiserad behandlingsplanering, och företrädesvis för planerande av neurokirurgisk behandling.
19. Användning av en metod enligt något av patentkraven 1-9 för förberedande av medicinska bilder för realtidsövervalming och/eller realtidsstyrning under behandling, och företrädesvis neurokirurgisk behandling.
SE0401126A 2004-04-30 2004-04-30 Metod och system för automatiskt förbättrande av användbarheten för en medicinsk bild SE528089C2 (sv)

Priority Applications (6)

Application Number Priority Date Filing Date Title
SE0401126A SE528089C2 (sv) 2004-04-30 2004-04-30 Metod och system för automatiskt förbättrande av användbarheten för en medicinsk bild
JP2007510659A JP4869223B2 (ja) 2004-04-30 2005-04-28 医療画像の利用可能性を自動的に改善するための方法およびシステム
US11/116,345 US20050244045A1 (en) 2004-04-30 2005-04-28 Method and system for automatically improving the usability of a medical picture
PCT/SE2005/000611 WO2005106791A1 (en) 2004-04-30 2005-04-28 Method and system for automatically improving the usability of a medical picture
CN2005800129596A CN1947148B (zh) 2004-04-30 2005-04-28 用于自动提高医学图片的可用性的方法和系统
EP05736467.1A EP1741058B1 (en) 2004-04-30 2005-04-28 Method and system for automatically improving the usability of a medical picture

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
SE0401126A SE528089C2 (sv) 2004-04-30 2004-04-30 Metod och system för automatiskt förbättrande av användbarheten för en medicinsk bild

Publications (3)

Publication Number Publication Date
SE0401126D0 SE0401126D0 (sv) 2004-04-30
SE0401126L SE0401126L (sv) 2005-10-31
SE528089C2 true SE528089C2 (sv) 2006-08-29

Family

ID=32322719

Family Applications (1)

Application Number Title Priority Date Filing Date
SE0401126A SE528089C2 (sv) 2004-04-30 2004-04-30 Metod och system för automatiskt förbättrande av användbarheten för en medicinsk bild

Country Status (5)

Country Link
EP (1) EP1741058B1 (sv)
JP (1) JP4869223B2 (sv)
CN (1) CN1947148B (sv)
SE (1) SE528089C2 (sv)
WO (1) WO2005106791A1 (sv)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5742660B2 (ja) * 2011-10-21 2015-07-01 株式会社島津製作所 医療用データ処理装置およびそれを備えた放射線断層撮影装置
CN103156636B (zh) * 2011-12-15 2016-05-25 深圳迈瑞生物医疗电子股份有限公司 一种超声成像装置和方法
RU2015129499A (ru) * 2012-12-20 2017-01-25 Конинклейке Филипс Н.В. Количественное формирование изображения
DE102015208422B4 (de) * 2015-05-06 2019-05-02 Siemens Healthcare Gmbh Verfahren zum Dokumentieren einer medizinischen Untersuchung und medizinisches Untersuchungsgerät
KR102048323B1 (ko) * 2017-03-29 2019-11-25 성신여자대학교 연구 산학협력단 뇌 자기 공명 이미지의 이진화 변환 장치, 이를 위한 방법 및 이 방법이 기록된 컴퓨터로 판독 가능한 기록 매체
US10679330B2 (en) * 2018-01-15 2020-06-09 Tata Consultancy Services Limited Systems and methods for automated inferencing of changes in spatio-temporal images
CN108836392B (zh) * 2018-03-30 2021-06-22 中国科学院深圳先进技术研究院 基于超声rf信号的超声成像方法、装置、设备及存储介质

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4105922A (en) * 1977-04-11 1978-08-08 General Electric Company CT number identifier in a computed tomography system
JPS6075033A (ja) * 1983-09-30 1985-04-27 株式会社東芝 X線診断装置
US4975970A (en) * 1987-03-18 1990-12-04 General Electric Company Image display having automatic image adjustment
US4922915A (en) * 1987-11-27 1990-05-08 Ben A. Arnold Automated image detail localization method
US5046118A (en) * 1990-02-06 1991-09-03 Eastman Kodak Company Tone-scale generation method and apparatus for digital x-ray images
DE19613342A1 (de) * 1996-04-03 1997-10-09 Philips Patentverwaltung Automatisches Bildauswertungsverfahren
US6466687B1 (en) * 1997-02-12 2002-10-15 The University Of Iowa Research Foundation Method and apparatus for analyzing CT images to determine the presence of pulmonary tissue pathology

Also Published As

Publication number Publication date
WO2005106791A1 (en) 2005-11-10
JP4869223B2 (ja) 2012-02-08
SE0401126D0 (sv) 2004-04-30
JP2007535359A (ja) 2007-12-06
SE0401126L (sv) 2005-10-31
EP1741058A1 (en) 2007-01-10
CN1947148A (zh) 2007-04-11
EP1741058B1 (en) 2018-06-27
CN1947148B (zh) 2012-08-01

Similar Documents

Publication Publication Date Title
US20050244045A1 (en) Method and system for automatically improving the usability of a medical picture
CN110232383B (zh) 一种基于深度学习模型的病灶图像识别方法及病灶图像识别系统
JP5039310B2 (ja) 脳内出血部位セグメンテーション装置
US20140369577A1 (en) Medical imaging reconstruction optimized for recipient
EP3338636B1 (en) An apparatus and associated method for imaging
US20040100476A1 (en) Method and apparatus for viewing computer aided detection and diagnosis results
JP2008521468A (ja) デジタル医療画像分析
CN110443268B (zh) 一种基于深度学习的肝部ct图像良性恶性分类方法
WO2017085092A1 (en) Data and scanner spec guided smart filtering for low dose and/or high resolution pet imaging
US6449390B1 (en) Image processing apparatus and method therefor
EP1741058B1 (en) Method and system for automatically improving the usability of a medical picture
CN111166362B (zh) 医学图像的显示方法及装置、存储介质及电子设备
CN103918004A (zh) 金属伪影校正算法的自适应应用
US20110122146A1 (en) Systems and methods for matching medical images
CN109949288A (zh) 肿瘤类型确定系统、方法及存储介质
KR101467380B1 (ko) 의료 영상 화질 개선 방법 및 그 장치
WO2011050454A1 (en) Bone imagery segmentation method and apparatus
KR102034648B1 (ko) 의료영상 관리 시스템, 방법 및 컴퓨터 판독 가능한 기록매체
WO2021259604A1 (en) Domain aware medical image classifier interpretation by counterfactual impact analysis
CN108597589A (zh) 模型生成方法、目标检测方法及医学成像系统
CN115797729B (zh) 模型训练方法及装置、运动伪影识别及提示的方法及装置
Vandekar et al. Robust spatial extent inference with a semiparametric bootstrap joint inference procedure
CN109685803A (zh) 一种左心室图像分割方法、装置、设备及存储介质
US20220044454A1 (en) Deep reinforcement learning for computer assisted reading and analysis
EP3637369A1 (en) Deep learning-based kernel selection for scatter correction in x-ray imaging

Legal Events

Date Code Title Description
NUG Patent has lapsed