專利名稱：圖像處理的制作方法
圖像處理本發(fā)明涉及圖像處理技術(shù)，該圖像處理技術(shù)可以用于增強(qiáng)諸如x射線圖像和MRI圖像。當(dāng)然，本發(fā)明所提供的圖像處理技術(shù)也能夠應(yīng)用于其它類型的圖像。根據(jù)一個(gè)方面，本發(fā)明提供了一種處理醫(yī)學(xué)圖像的方法，該方法包括將圖 像再現(xiàn)成等值線圖；以及根據(jù)組織學(xué)數(shù)據(jù)來修改等值線排布，使得等值線分解成 該圖像中不同身體結(jié)構(gòu)之間的邊界。本發(fā)明還包括用于處理醫(yī)學(xué)圖像的裝置，該裝置包括用于將圖像再現(xiàn)成等 值線圖的部件；以及用于根據(jù)組織學(xué)數(shù)據(jù)來修改等值線排布使得等值線分解成該 圖像中不同身體結(jié)構(gòu)之間的邊界的部件。通過采用這樣方法來處理圖像，就有可能以這種容易理解的方法獲取圖像的 細(xì)節(jié)。典型的是，X射線圖像并不能提供諸如腱、韌帶和軟骨之類有關(guān)軟組織等 有用信息。特別是，通過采用根據(jù)本發(fā)明的方法來處理X射線圖像，就有可能恢 復(fù)剛才所提及到的這類有關(guān)軟組織的有用信息。這在關(guān)節(jié)、腱和韌帶問題以及腫 塊等非侵入式診斷中非常有利。根據(jù)另一方面，本發(fā)明提供一種用于處理包含至少一個(gè)目標(biāo)邊界的圖像的方 法，該方法包括產(chǎn)生圖像的等值線圖，其中等值線將該圖像分成若干區(qū)域；以 及如果一些區(qū)域的像素的統(tǒng)計(jì)特性匹配于該圖像中已知或被認(rèn)為存在的目標(biāo)的預(yù) 期像素特性，則將這些區(qū)域合并。本發(fā)明還包括用于處理包含至少一個(gè)目標(biāo)邊界的圖像的裝置，該裝置包括 用于產(chǎn)生等值線圖的部件，在該等值線圖中等值線將該圖像分成若干區(qū)域；以及 用于若一些區(qū)域的像素的統(tǒng)計(jì)特性匹配于該圖像中已知或被認(rèn)為存在的目標(biāo)的預(yù) 期像素特性則將這些區(qū)域合并的部件。一般來說，盡管非排他性，本發(fā)明處理的圖像是醫(yī)學(xué)圖像，例如，X射線圖 像或者M(jìn)RI圖像。其預(yù)期像素特性被用于引導(dǎo)圖像區(qū)域合并的那個(gè)目標(biāo)可以是或 者可以不是組織學(xué)的目標(biāo)。例如，這種目標(biāo)可以包括一段關(guān)節(jié)軟骨，其自身包括 深層、過渡層和淺層。
本發(fā)明還包括一種至少部分基于已用本發(fā)明所描述的技術(shù)處理過的醫(yī)學(xué)圖像 對(duì)人或動(dòng)物的狀況進(jìn)行診斷的方法?，F(xiàn)在，將籍助于實(shí)例和參考附圖來討論本發(fā)明的一些實(shí)施例。附圖包括

圖1是連接著個(gè)人計(jì)算機(jī)的X射線機(jī)器的方框圖圖2是骨胳斷片的X射線圖像；圖3是分析圖2所示部分圖像的流程圖步驟；圖4是在圖2所示的X射線圖像中選擇所感興趣部分；圖5是圖4所示選擇區(qū)域的放大示意圖；圖6是從圖5所示的X射線部分得出的等值線圖；圖7是圖5和圖6所示感興趣區(qū)域的組織學(xué)圖像的等值線圖；圖8是在圖2所示X射線圖像中選擇的其它感興趣區(qū)域；圖9是膝關(guān)節(jié)的X射線圖像；圖10是在圖9所示X射線中的感興趣區(qū)域，該區(qū)域已經(jīng)使用本發(fā)明技術(shù)進(jìn)行 了增強(qiáng)；圖11是圖IO所示區(qū)域的放大；圖12是圖10所示另一區(qū)域的放大；圖13是圖9所示的膝關(guān)節(jié)的脛骨穩(wěn)定狀況；圖14是肢體斷肢的X射線；圖15是在圖14所示X射線中的感興趣區(qū)域，該區(qū)域已經(jīng)使用了本發(fā)明的技 術(shù)進(jìn)行了增強(qiáng)；以及，圖16是圖15所示的部分圖像的放大。圖l顯示了連接著個(gè)人計(jì)算機(jī)(PC) 12的醫(yī)療X射線機(jī)器10，機(jī)器10所獲 得的X射線圖像通過連接線14傳輸?shù)絇C 12，以便于進(jìn)行處理?，F(xiàn)在，我們考慮用X射線機(jī)器IO來分析尸體的關(guān)節(jié)中的斷片，該斷片是用關(guān) 節(jié)軟骨覆蓋的關(guān)節(jié)軟骨。圖2顯示了機(jī)器10所獲得的骨骼斷片的圖像15。圖像 15包含不同的陰影區(qū)域16、 18、 20和21。區(qū)域16表示骨頭，而區(qū)域18、 20和 21則分別表示關(guān)節(jié)軟骨的深層、過渡層和淺層。在圖像15中沒有陰影的區(qū)域表示在X射線機(jī)器10視野內(nèi)骨骼斷片周圍的自
由空間。為了便于說明，在圖2中清楚地顯示了區(qū)域16、 18、 20和21相互之間 的界線，盡管業(yè)內(nèi)熟練的技術(shù)人員能夠很快意識(shí)到，實(shí)際上，區(qū)域16、 18、 20和 21的界線是相互模糊的。PC 12使用圖3所示流程圖所闡述的流程來處理X射線 圖像。在步驟S1中，PC 12接受來自機(jī)器10的、用于表示圖像15的數(shù)據(jù)，并將其 以兩維的像素陣列加以存儲(chǔ)。在步驟S2中，對(duì)圖像15進(jìn)行一系列有限脈沖響應(yīng)(FIR)濾波，以便進(jìn)行噪 聲去除、圖像邊緣尖銳化和特征提取。對(duì)于業(yè)內(nèi)熟練技術(shù)人員而言，實(shí)現(xiàn)上述目 的的適用濾波算法都是顯而易見的。在步驟S3中，選擇所感興趣的區(qū)域(ROI) 22，用于后續(xù)處理步驟。所選擇 的ROI22包括骨16、三個(gè)關(guān)節(jié)軟骨層18、 20和21、以及背景，正如圖4所示。圖5顯示R01 22的放大視圖。下文中，將以ROI 22為邊界的圖像部分稱之 為待分析圖像(IUA) 23,并且在下列步驟S4至S6中分別對(duì)兩維像素陣列進(jìn)行各 自處理。在步驟S4中，采用拉普拉斯算子棱錐濾波器和高斯棱錐濾波器中的一種或者 兩種來增大IUA23的像素密度。對(duì)于業(yè)內(nèi)熟練的技術(shù)人員來說，用于實(shí)現(xiàn)這類濾 波器的適用算法是顯而易見的。這些濾波器的效果是在IUA23中進(jìn)行插值，由此 增強(qiáng)了 IUA 23中的像素密度。所釆用的像素密度的增強(qiáng)倍數(shù)一般是在6至12范 圍之內(nèi)。在步驟S5中，IUA23中除亮度以外的像素特性被丟棄。接著，檢測(cè)在IUA23 中的像素最大和最小亮度數(shù)值并將這些數(shù)值用于計(jì)算IUA的亮度范圍。隨后，將 亮度范圍映射到從0至255的數(shù)值范圍，使得在IUA 23中的最低亮度數(shù)值用0替 代，最高亮度數(shù)值用255替代，并且中間亮度數(shù)值用在0至255范圍內(nèi)的適當(dāng)數(shù) 值來替代。于是，將IUA23轉(zhuǎn)換成一個(gè)歸一化的亮度陣列(NLA)。為了在屏幕 (未顯示)上顯示這類圖像數(shù)據(jù)陣列，PC 12被配置成將0至255范圍中的各個(gè)數(shù) 值顯示成在梯級(jí)光譜中的不同顏色。在歩驟S6中，以檢測(cè)骨頭和關(guān)節(jié)軟骨區(qū)域的邊界作為目的，來分析IUA23。 首先，NLA經(jīng)過等值線濾波以創(chuàng)建如圖6所示的NLA的等值線圖24,該等值線 圖24所具有的等值線代表了 NLA中被分配到該像素的歸一化亮度數(shù)值的幅值。
對(duì)于業(yè)內(nèi)熟練的技術(shù)人員來說，適用于等值線濾波的算法都是顯而易見的。圖24是根據(jù)它的等值線而被分成多個(gè)區(qū)域的。例如，將等值線26和28定義 為區(qū)域a。和A,正如圖6所示。特意選擇被分配給圖24的等值線的數(shù)量，以便將 圖24分成為一定數(shù)量的區(qū)域，該數(shù)量大于在ROI 22中己知將要存在的物理上明 顯不同的區(qū)域的數(shù)量。在目前這種情況下，已知ROI 22可包含5個(gè)不同的區(qū)域(例 如，分別包括骨頭、關(guān)節(jié)軟骨的深層、過渡層和淺層、以及背景空間)，所以在圖24中使用11個(gè)等值線將圖分成為12個(gè)區(qū)域，ao、 ai.....a (從圖6的左面往右面)。接著，以將區(qū)域的數(shù)量減少到在R0121中所己知的數(shù)量為目的，來考 慮合并在等值線圖24中的區(qū)域，例如，減少到5個(gè)區(qū)域?，F(xiàn)在解釋通過組織學(xué)數(shù) 據(jù)來引導(dǎo)等值線圖區(qū)域的合并。正如圖7所示，ROI22的組織學(xué)圖像34輸入到PC12中。由于在組織學(xué)中所 應(yīng)用的著色，所以在組織學(xué)圖像34中的像素具有不同的亮度數(shù)值。將等值線濾波器應(yīng)用于組織學(xué)圖像34，使之檢測(cè)在R0122中所存在著的己知 5個(gè)區(qū)域的邊界。于是，將組織學(xué)閣像分成為5個(gè)區(qū)域，bo、 b,、 b2、 b3和b4，且 各自分別包含骨頭、深層關(guān)節(jié)軟骨、過渡關(guān)節(jié)軟骨、表面關(guān)節(jié)軟骨和背景。接著， 將區(qū)域ao至an分配給相鄰區(qū)域?qū)?，例如，ao和a,, ^和a3， 34和&5以及其它等等。 隨后考慮在這些對(duì)中的區(qū)域合并，以減少在等值線圖24中所存在著的區(qū)域數(shù)量。 為了解釋這一流程，現(xiàn)在我們來考慮區(qū)域?qū)?()和&1.首先,計(jì)算區(qū)域ao和ai所覆蓋著的NLA部分中的歸一化亮度數(shù)值的標(biāo)準(zhǔn)偏差。 隨后，將該數(shù)值與在組織學(xué)圖像中的區(qū)域bo中的像素亮底數(shù)值的標(biāo)準(zhǔn)偏差進(jìn)行比 較。如果兩個(gè)標(biāo)準(zhǔn)偏差數(shù)值相互都在5%之內(nèi)，則認(rèn)為比較結(jié)果是正的。接著，隊(duì) 列階數(shù)相關(guān)性和Kolmogorov-Smirnov測(cè)試用于產(chǎn)生ao和aj且合像素布居的歸一化 亮度數(shù)值以及bo的像素布居的亮度數(shù)值之間的相關(guān)系數(shù)。如果相關(guān)系數(shù)是X).95， 則認(rèn)為相關(guān)性比較是正的。如果相關(guān)性和標(biāo)準(zhǔn)偏差比較兩者都是正的，則兩個(gè)區(qū) 域ao和a,可以合并成一個(gè)單獨(dú)的區(qū)域a0+1。在完成對(duì)a。和a,的合并測(cè)試之后，進(jìn)行對(duì)&2和a3的合并測(cè)試。如果ao和a， 允許合并，則對(duì)照bo的布居或者b！的布居來測(cè)試&2和a3的組合布居。采用這種方式，在測(cè)試用于合并的對(duì)a^和a2m+i時(shí)，流程通過一系列區(qū)域b()至b4。一旦完成了對(duì)所有對(duì)a2m和a加"(其中，111 = 0至5)的合并測(cè)試，就進(jìn)行檢
查，以便于確定在圖24中的區(qū)域數(shù)量是否仍舊大于5。如果發(fā)現(xiàn)在圖24中的區(qū)域 數(shù)量大于5，則重新檢查所存在著的區(qū)域，以便于確定在相鄰區(qū)域?qū)χ械娜魏螀^(qū)域 是否能夠合并。繼續(xù)這一迭代流程，直至在圖24中的區(qū)域數(shù)量減小至5，這時(shí)從 該圖的左邊往右邊所保留的4個(gè)區(qū)域的邊界分別精確地反映了骨頭、深層關(guān)節(jié)軟 骨、過渡關(guān)節(jié)軟骨、表面關(guān)節(jié)軟骨和背景等區(qū)域的等值線。正如圖8所示，也可以釆用上述方式來處理諸如36、 38和40等其它ROI， 以便于建立有關(guān)較大部分骨骼斷片的信息。對(duì)于業(yè)內(nèi)熟練的技術(shù)人員來說，很顯然，當(dāng)參考圖2至圖8所解釋的處理用 于增強(qiáng)活體病人的所有關(guān)節(jié)的X射線圖像，而不是單獨(dú)的骨骼斷片X射線圖像時(shí)， 與軟組織有關(guān)的改進(jìn)合并有利于對(duì)關(guān)節(jié)狀況的評(píng)估。同樣，該技術(shù)可以應(yīng)用于所 有其它軟組織，特別是，腱和韌帶、肌肉、椎(骨)盤、血管、腦、脊骨索、神經(jīng)、 乳房和前列腺等。它也可以應(yīng)用于觀察在肢體任意位置(特別是在骨頭)上的腫 塊和觀察骨骼斷片的恢復(fù)以及監(jiān)測(cè)白內(nèi)障的變化等。于是，該技術(shù)并不僅僅限制 于對(duì)骨頭的軟組織，這僅僅只是上述實(shí)施例背景選擇的目的。它可以廣泛地應(yīng)用 于人體中的任何軟組織。很顯然，本發(fā)明可以以軟件包(例如，CD)來發(fā)行，并安裝在能夠接收用于 分析的數(shù)字圖像的任何兼容計(jì)算機(jī)(或者其它數(shù)據(jù)處理設(shè)備)上。這種軟件一般 都可以根據(jù)一個(gè)或多個(gè)特殊圖像類型的分析來進(jìn)行裁剪，并因此而包含在這些圖 像類型中目標(biāo)所期望的統(tǒng)計(jì)特性，以便于引導(dǎo)在IUA中的區(qū)域合并的判決。也就 是說，該軟件可以對(duì)這些目標(biāo)圖像類型進(jìn)行類似于上述實(shí)施例中對(duì)尸體采樣性能 的bo至b4所期望的統(tǒng)計(jì)特性操作。籍助于更多具體實(shí)例，如果軟件包針對(duì)胸部腫 塊的分析和膝蓋關(guān)節(jié)的分析進(jìn)行裁剪，則該軟件包就能夠充滿目標(biāo)所期望的統(tǒng)計(jì) 特性，這是希望在胸部和膝蓋關(guān)節(jié)圖像中所發(fā)現(xiàn)的?，F(xiàn)在提供將本發(fā)明應(yīng)用于X射線圖像所涉及圖像細(xì)節(jié)的一些實(shí)例。圖9是膝蓋關(guān)節(jié)的X射線圖像，它使用本發(fā)明提供了增強(qiáng)。采用圖中的黑色 方框來區(qū)分本發(fā)明增強(qiáng)的ROI。圖10顯示了應(yīng)用本發(fā)明處理技術(shù)所獲得的增強(qiáng)RO1 的結(jié)果。在該圖中，對(duì)應(yīng)于透明軟骨的圖像區(qū)域在兩個(gè)較黑著色的區(qū)域之間呈現(xiàn) 出較亮著色帶。應(yīng)該注意的是，本發(fā)明的圖像增強(qiáng)技術(shù)顯示出與箭頭B所指區(qū)域 中的透明軟骨比較，在箭頭A所指區(qū)域中的透明軟骨已經(jīng)退化。圖IO中箭頭A
和B所指的增強(qiáng)ROI部分分別可由圖ll和圖12來放大。去除圖9所示的關(guān)節(jié)， 檢測(cè)脛骨的穩(wěn)定情況，正如圖13所示，顯示出在對(duì)應(yīng)圖11所示放大部分的點(diǎn)上 脛骨穩(wěn)定狀態(tài)已經(jīng)呈現(xiàn)退化。圖14是斷肢的X射線圖像。圖15顯示了使用本發(fā)明技術(shù)增強(qiáng)X射線圖像的 ROI的結(jié)果。圖16放大顯示了在圖15中由箭頭所表示的這些區(qū)域。箭頭和星號(hào) 分別表示使用本發(fā)明能夠觀察到的非新產(chǎn)生和新產(chǎn)生的骨頭區(qū)域。
權(quán)利要求
1.一種處理醫(yī)學(xué)圖像的方法，所述方法包括將所述圖像再現(xiàn)成等值線圖；以及在組織學(xué)數(shù)據(jù)的引導(dǎo)下修改所述等值線的排布，使得所述等值線分解成所述圖像中不同身體結(jié)構(gòu)之間的邊界。
2. 如權(quán)利要求l所述的方法，其特征在于，將所述圖像再現(xiàn)成等值線圖產(chǎn)生 了所述圖像的等值線圖，其中等值線將所述閣像分成若干區(qū)域；以及修改所述等 值線排布包括，如果一些區(qū)域的像素的統(tǒng)計(jì)特性充分地匹配于所述圖像中己知或 被認(rèn)為存在的目標(biāo)的預(yù)期像素統(tǒng)計(jì)特性，則將這些區(qū)域合并。
3. —種用于處理包含至少一個(gè)目標(biāo)邊界的醫(yī)學(xué)圖像的方法，所述方法包括 產(chǎn)生所述圖像的等值線圖，其中等值線將所述圖像分成若干區(qū)域；以及如果一些 區(qū)域的像素的統(tǒng)計(jì)特性充分地匹配于所述圖像中已知或被認(rèn)為存在的目標(biāo)的預(yù)期 像素統(tǒng)計(jì)特性，則將這些區(qū)域合并。
4. 如權(quán)利要求2或3所述的方法，其特征在于，所述統(tǒng)計(jì)特性包括所述目 標(biāo)的預(yù)期像素亮度數(shù)值與為合并而提供的區(qū)域的像素亮度數(shù)值之間的標(biāo)準(zhǔn)偏差。
5. 如權(quán)利要求2、 3或4所述的方法，其特征在于，所述統(tǒng)計(jì)特性的匹配程 度的評(píng)估包括使所述目標(biāo)的預(yù)期像素亮度數(shù)值與為合并而提供的區(qū)域的像素亮 度數(shù)值相關(guān)聯(lián)。
6. —種用于處理包含至少一個(gè)目標(biāo)邊界的圖像的方法，所述方法包括產(chǎn)生 所述圖像的等值線圖，其中等值線將所述圖像分成若干區(qū)域以及如果一些區(qū)域 的像素的統(tǒng)計(jì)特性充分地匹配于所述圖像中已知或被認(rèn)為存在的目標(biāo)的預(yù)期像素 統(tǒng)計(jì)特性，則將這些區(qū)域合并。
7. 如上述權(quán)利要求中的任一項(xiàng)所述的方法，進(jìn)一步包括在從所述圖像中產(chǎn)生 等值線圖之前對(duì)所述圖像進(jìn)行濾波，其中所述濾波處理包括噪聲去除濾波、特征 提取濾波、或邊緣尖銳化濾波中的一種或多種。
8. 如上述權(quán)利要求中的任一項(xiàng)所述的方法，其特征在于，所述圖像是X射線 圖像和MRI圖像中的一種。
9. 如上述權(quán)利要求中的任一項(xiàng)所述的方法，其特征在于，所述圖像是關(guān)節(jié)圖 像或者是關(guān)節(jié)的部分圖像。
10. —種處理圖像的方法，所述方法包括分辨所述圖像中感興趣的若干區(qū) 域；以及針對(duì)多個(gè)所述區(qū)域中的每個(gè)區(qū)域，根據(jù)上述權(quán)利要求中的任一項(xiàng)所述的 方法對(duì)所述區(qū)域進(jìn)行處理。
11. 一種處理醫(yī)學(xué)圖像的裝置，所述裝置包括用于將所述圖像再現(xiàn)成等值 線圖的部件；以及用于在組織學(xué)數(shù)據(jù)的引導(dǎo)下修改所述等值線的排布使得所述等 值線分解成所述圖像中不同身體結(jié)構(gòu)的邊界的部件。
12. 如權(quán)利要求ll所述的裝置，其特征在于，所述再現(xiàn)部件產(chǎn)生所述圖像的 等值線圖，其中等值線將所述圖像分成若干區(qū)域；以及如果一些區(qū)域的像素的統(tǒng) 計(jì)特性充分地匹配于所述圖像中已知或被認(rèn)為存在的目標(biāo)的預(yù)期像素統(tǒng)計(jì)特性， 則所述修改部件將這些區(qū)域合并。
13. —種用于處理包含至少一個(gè)目標(biāo)邊界的醫(yī)學(xué)圖像的裝置，所述裝置包括 用于產(chǎn)生所述圖像的等值線圖的部件，其中等值線將所述圖像分成若干區(qū)域；以 及用于若一些區(qū)域的像素的統(tǒng)計(jì)特性充分地匹配于所述圖像中已知或被認(rèn)為存在 的目標(biāo)的預(yù)期像素統(tǒng)計(jì)特性則將這些區(qū)域合并的部件。
14. 如權(quán)利要求12或13所述的裝置，其特征在于，所述統(tǒng)計(jì)特性包括所 述目標(biāo)的預(yù)期像素亮度數(shù)值與為合并而提供的區(qū)域的像素亮度數(shù)值之間的標(biāo)準(zhǔn)偏 差。
15. 如權(quán)利要求12、 13或14所述的裝置，其特征在于，所述修改部件被安 排成使所述目標(biāo)的預(yù)期像素亮度數(shù)值與為合并而提供的區(qū)域的像素亮度數(shù)值相關(guān) 聯(lián)。
16. —種用于處理包含至少一個(gè)目標(biāo)邊界的圖像的裝置，所述裝置包括用 于產(chǎn)生所述圖像的等值線圖的部件，其中等值線將所述圖像分成若干區(qū)域；以及 用于如果一些區(qū)域的像素的統(tǒng)計(jì)特性充分地匹配于所述圖像中已知或被認(rèn)為存在 的目標(biāo)的預(yù)期像素統(tǒng)計(jì)特性則將這些區(qū)域合并的部件。
17. 如權(quán)利要求11至16中的任一項(xiàng)所述的裝置，還包括用于在從所述圖像 中產(chǎn)生等值線圖之前對(duì)所述圖像進(jìn)行濾波的部件，其中所述濾波部件被安排成采 用噪聲去除濾波、特征提取濾波、或邊緣尖銳化濾波中的一種或多種。
18. —種用于使數(shù)據(jù)處理設(shè)備執(zhí)行如權(quán)利要求1至10中任一向所述的方法的 程序。
19. 一種用于診斷生物體狀況的方法，包括使用已采用如權(quán)利要求1至10 中任一項(xiàng)所述的方法處理過的圖像。
全文摘要
一種適用于處理包含至少一個(gè)目標(biāo)邊界的圖像的方法，該方法包括產(chǎn)生該圖像的等值線圖，其中等值線將該圖像分成若干區(qū)域；以及若一些區(qū)域的像素的統(tǒng)計(jì)特性充分地匹配于所述圖像中已知或被認(rèn)為存在的目標(biāo)的預(yù)期像素統(tǒng)計(jì)特性，則將這些區(qū)域合并。本發(fā)明擴(kuò)展到相應(yīng)的裝置。該圖像可以是醫(yī)學(xué)圖像，例如，關(guān)節(jié)的X射線圖像。
文檔編號(hào)G06T5/00GK101213573SQ200680024270
公開日2008年7月2日 申請(qǐng)日期2006年6月30日 優(yōu)先權(quán)日2005年7月1日
發(fā)明者H·托米 申請(qǐng)人:加的夫大學(xué)?？茖W(xué)院咨詢有限公司