專利名稱：醫(yī)學(xué)成像中感興趣區(qū)域的識別和可視化的制作方法
醫(yī)學(xué)成像中感興趣區(qū)域的識別和可視化
本發(fā)明通常涉及用于診斷目的的醫(yī)學(xué)成像應(yīng)用中感興趣體積的各特定 區(qū)域的識別和可視化。
神經(jīng)退行性病變正變得普遍，盡管大部分不可治愈，但是對這類疾病 的早期檢測能夠有效使用藥物治療來延緩它們的發(fā)展。很多神經(jīng)退行性病 變，諸如阿爾茨海默病和帕金森病與腦內(nèi)增加的鐵濃度有關(guān)，并且醫(yī)生常
常使用磁共振(MR)圖像來確定受檢者腦內(nèi)鐵沉積的散布，用于神經(jīng)退行 性病變的評估。
磁共振成像(MRI)是廣泛使用的醫(yī)學(xué)診斷成像技術(shù)。在常規(guī)的MRI 掃描器中，將患者置于強靜磁場中，該強靜磁場導(dǎo)致具有非零自旋量子數(shù) 的核子的磁矩發(fā)生平行于或反向平行于場方向的排列。兩種取向之間力矩 的玻爾茲曼分布導(dǎo)致了沿所述場方向的凈磁化。這一磁化可通過施加以由 正研究核素(一般為身體內(nèi)存在的氫原子，主要在水分子中)和所施加場 的強度所確定的頻率的射頻(RF)磁場來操控。由核子吸收來自RF場的 能量基本上被再次發(fā)射，并在恰當(dāng)調(diào)諧的天線中作為振蕩電壓或自由感應(yīng) 衰減信號進(jìn)行探測，并應(yīng)用圖像處理器件來重建圖像，所述圖像是以輸入 信號的位置和強度為基礎(chǔ)的。
當(dāng)利用這些信號來生成圖像時，采用了磁場梯度Gx、 Gy和Gz。典型 地，對待成像區(qū)域進(jìn)行測量周期序列的掃描，其中這些梯度根據(jù)所用的具 體定位法而變化。由此產(chǎn)生的一系列掃描期間采集的視圖形成核磁共振 (NMR)圖像數(shù)據(jù)集，從中可使用很多眾所周知的重建技術(shù)的其中一種來 重建圖像。
通過選擇特定的參數(shù)可從所采集到的圖像中獲得不同的對比增強圖 像，以便定義所述圖像中相關(guān)的像素或體素強度(intensity)。為了理解MRI 對比增強，重要的是對RF激勵后建立平衡的弛豫過程所涉及的時間常數(shù)有 所理解。當(dāng)高能量核子發(fā)生弛豫并重新排列時，它們以所記錄的速率發(fā)射能量從而提供有關(guān)其周圍環(huán)境的信息。用磁場進(jìn)行核自旋的重新排列稱之 為縱向馳豫，而一定比例的組織核子重新排列所需的時間(典型地為大約1
秒)稱之為"時間1"或T1，其中T1定義為將磁化矢量M重新恢復(fù)到原 始量級的63%所需的時間。它隨磁場強度而變化。
另 一方面，T2加權(quán)成像依賴應(yīng)用橫向能量脈沖之后的自旋局部去相位； 橫向馳豫時間(對于組織而言典型的〈100ms)稱之為"時間2"或T2，其 中T2定義為橫向磁化矢量在其初始激勵之后下降到其初始量級的37%所 需的時間。與T1不同，T2隨場強而變化并且是組織的特性。
通過使用對信號進(jìn)行T1、 T2或無馳豫時間("質(zhì)子密度圖像")的加權(quán) 的各圖像采集參數(shù)的選擇來產(chǎn)生圖像對比度，這將是本領(lǐng)域技術(shù)人員所熟 知的。由于鐵是鐵磁性元素，因此它通過降低富含鐵的各組織的強度值來 影響MRT2圖像對比度，從而產(chǎn)生具有低強度區(qū)域的對比增強圖像。然而， 并非所有的低強度區(qū)域與臨床相關(guān)。更確切的說，僅有腦的若干基底神經(jīng) 節(jié)器官(尾狀核、蒼白球和殼核)和丘腦在這種情形中有意義。 一般而言， 鐵濃度首先開始在蒼白球中增加(階段l)，即圖5中的區(qū)域3，并且一旦 蒼白球的鐵濃度達(dá)到一定的水平，它就散布到臨近的器官，殼核(階段2)， 即圖5中的區(qū)域1。由于蒼白球是比殼核更小的器官，并且由于它們彼此接 近，因此醫(yī)師常常很難使用T2對比增強圖像從階段2中區(qū)分出階段1，原 因是組織和器官的邊界由于鐵沉積而在這里變得模糊。
美國專利Na6，430，430描述了一種使用MR圖像來識別腦的高強度區(qū) 域從而對腦內(nèi)可疑損傷進(jìn)行定位的方法和系統(tǒng)。然而，在神經(jīng)退行性病變 的情形中，如上所述，簡單識別腦中鐵沉積的區(qū)域是不夠的，精確地確定 腦中的哪些器官受到影響以及影響的程度如何同樣也是必需的，而美國專 利No.6，430,430所描述的布置中沒有給出向醫(yī)師提供這一信息的準(zhǔn)確方法。
因此，本發(fā)明的目的是提供一種醫(yī)學(xué)成像系統(tǒng)和方法，籍此能夠準(zhǔn)確 地識別出感興趣體積中各特定診斷區(qū)域的位置和大小，然后與感興趣體積 的各定義區(qū)域一同進(jìn)行可視化或其它處理，使得能夠準(zhǔn)確地確定出所述特 定診斷區(qū)域相對于各定義區(qū)域的位置。
根據(jù)本發(fā)明，提供了一種醫(yī)學(xué)成像系統(tǒng)，包括a) 用于接收關(guān)于感興趣體積所采集的圖像數(shù)據(jù)的器件，所述感興趣體 積包括兩個或多個其間具有各自邊界的定義區(qū)域；
b) 用于得到第一對比增強圖像的器件，所述第一對比增強圖像包括以 所述采集到圖像數(shù)據(jù)各像元(picture element)的強度值為基礎(chǔ)的所述采集 圖像數(shù)據(jù)的表示，其中，所述各強度值由所選的參數(shù)定義；
c) 用于從所述第一對比增強圖像中識別具有落在預(yù)定強度值范圍內(nèi)的 各自強度值的像元，并生成表示所述各像元及其相對于所述第一對比增強 圖像的空間分辨率的診斷圖像數(shù)據(jù)的器件；
d) 用于得到第二圖像數(shù)據(jù)集的器件，所述第二圖像數(shù)據(jù)集包括所述采 集到圖像數(shù)據(jù)的表示，其中所述兩個或多個定義區(qū)域之間的各邊界是可確 定的；以及
e) 用于將所述診斷圖像數(shù)據(jù)和所述第二對比增強圖像合并以生成表示 所述感興趣體積的供顯示的圖像數(shù)據(jù)的器件，所述供顯示的圖像數(shù)據(jù)包括 對所述兩個或多個定義區(qū)域之間的所述各邊界以及具有落在所述預(yù)定強度 值范圍內(nèi)的各自強度值的所述像元相對于所述各邊界的位置的可視指示。
這樣，本發(fā)明提供了一種醫(yī)學(xué)成像系統(tǒng)，籍此使用源自采集到圖像數(shù) 據(jù)的兩種圖像來獲得醫(yī)師所需的信息。使用第一對比增強圖像來確定表示 具體參數(shù)的診斷數(shù)據(jù)的位置和大小。維持該數(shù)據(jù)的空間分辨率，并將該圖 像數(shù)據(jù)合并到清晰指示出感興趣體積各定義區(qū)域之間的各邊界的第二圖像 中，從而能夠準(zhǔn)確分析診斷圖像數(shù)據(jù)相對于感興趣體積各具體定義區(qū)域的 范圍和位置。
在優(yōu)選實施例中，所述系統(tǒng)優(yōu)選包括用于在生成所述診斷圖像數(shù)據(jù)之 前定義感興趣體積(VOI)的器件，其中，僅生成關(guān)于所述感興趣體積的 所述診斷圖像數(shù)據(jù)。在優(yōu)選實施例中，用于定義所述感興趣體積的器件包 括分割器件，其用于生成從所述感興趣體積中去除所述第一對比增強圖像 的一個或多個區(qū)域的掩模(mask)。
有利地，所述采集到的圖像數(shù)據(jù)包括磁共振圖像(MRI)數(shù)據(jù)，并且 所述第一對比增強圖像是從中得到的T2MR圖像。在優(yōu)選實施例中，所述 系統(tǒng)包括用于從所述第一對比增強圖像中建立各像元強度的直方圖，然后 選擇最高和最低強度的預(yù)定比例來定義所述診斷圖像數(shù)據(jù)的器件。在一個示例性實施例中，診斷圖像數(shù)據(jù)包括所述感興趣體積內(nèi)的鐵濃度，并選擇
可能大約5-10%百分比的最低強度值來定義所述診斷圖像數(shù)據(jù)。
在第一示例性實施例中，通過將源自采集到圖像數(shù)據(jù)的多幅圖像進(jìn)行 分割并對其中所述兩個或多個定義區(qū)域間各邊界是可確定的圖像進(jìn)行重建 來得到第二圖像數(shù)據(jù)集。在示例性實施例中，各區(qū)域可包括所選的各腦器 官。在替代實施例中，第二圖像數(shù)據(jù)集可包括不同于所述第一對比增強圖 像的MR對比增強圖像，其中所述兩個或多個定義區(qū)域之間的各邊界是可 明顯確定的。
在一個示例性實施例中，可提供用于分析所述診斷圖像數(shù)據(jù)的器件， 其中，在確定所述診斷圖像數(shù)據(jù)以指示要求進(jìn)一歩目視研究的情況下僅顯 示所述圖像數(shù)據(jù)。
本發(fā)明還延伸為一種醫(yī)學(xué)成像裝置，包括用于采集感興趣體積的一幅 或多幅圖像的圖像采集器件，所述感興趣體積包括在其間具有各自邊界的 兩個或多個定義區(qū)域；如上所定義的用于生成表示所述感興趣體積的供顯 示的圖像數(shù)據(jù)的系統(tǒng)，所述供顯示的圖像數(shù)據(jù)包括對所述兩個或多個定義 區(qū)域之間的所述各邊界和具有落在所述預(yù)定強度值范圍內(nèi)的各自強度值的 所述像元相對于所述各邊界的位置的可視指示；以及用于顯示所述圖像數(shù) 據(jù)的顯示器件。
本發(fā)明又延伸為一種生成表示感興趣體積的供顯示的圖像數(shù)據(jù)的方 法，所述方法包括
a) 接收關(guān)于所述感興趣體積所采集的圖像數(shù)據(jù)，所述感興趣體積包括 兩個或多個其間具有各自邊界的定義區(qū)域；
b) 得到第一對比增強圖像，所述第一對比增強圖像包括以所述采集到 圖像數(shù)據(jù)各像元的強度值為基礎(chǔ)的所述采集到圖像數(shù)據(jù)的表示，其中，所 述各強度值由所選的參數(shù)定義；
c) 從所述第一對比增強圖像中識別具有落在預(yù)定強度值范圍內(nèi)的各自 強度值的像元，并生成表示所述各像元及其相對于所述第一對比增強圖像 的空間分辨率的診斷圖像數(shù)據(jù)；
d) 得到第二圖像數(shù)據(jù)集，所述第二圖像數(shù)據(jù)集包括所述采集到圖像數(shù) 據(jù)的表示，其中所述兩個或多個定義區(qū)域之間的各邊界是可確定的；以及e)將所述診斷圖像數(shù)據(jù)和所述第二對比增強圖像合并以生成表示所述 感興趣體積的供顯示的圖像數(shù)據(jù)，所述供顯示的圖像數(shù)據(jù)包括對所述兩個 或多個定義區(qū)域之間的所述各邊界以及具有落在所述預(yù)定強度值范圍內(nèi)的 各自強度值的所述像元相對于所述各邊界的位置的可視指示。
同樣根據(jù)本發(fā)明，提供了一種生成表示感興趣體積的供顯示的圖像數(shù) 據(jù)的計算機執(zhí)行圖像處理方法，包括.-
a) 接收關(guān)于所述感興趣體積所采集的圖像數(shù)據(jù)，所述感興趣體積包括 兩個或多個其間具有各自邊界的定義區(qū)域；
b) 得到第一對比增強圖像，所述第一對比增強圖像包括以所述采集到 圖像數(shù)據(jù)各像元的強度值為基礎(chǔ)的所述采集到圖像數(shù)據(jù)的表示，其中，所 述各強度值由所選的參數(shù)定義；
c) 從所述第一對比增強圖像中識別具有落在預(yù)定強度值范圍內(nèi)的各自
強度值的像元，并生成表示所述各像元及其相對于所述第一對比增強圖像 的空間分辨率的診斷圖像數(shù)據(jù)；
d) 得到第二圖像數(shù)據(jù)集，所述第二圖像數(shù)據(jù)集包括所述采集到圖像數(shù) 據(jù)的表示，其中所述兩個或多個定義區(qū)域之間的各邊界是可確定的；以及
e) 將所述診斷圖像數(shù)據(jù)和所述第二對比增強圖像合并以生成表示所述 感興趣體積的供顯示的圖像數(shù)據(jù)，所述供顯示的圖像數(shù)據(jù)包括對所述兩個 或多個定義區(qū)域之間的所述各邊界以及具有落在所述預(yù)定強度值范圍內(nèi)的 各自強度值的所述像元相對于所述各邊界的位置的可視指示。
本發(fā)明進(jìn)一步延伸為一種執(zhí)行與醫(yī)學(xué)成像裝置一同使用的圖像處理方 法的計算機程序，所述醫(yī)學(xué)成像裝置包括用于采集一幅或多幅感興趣體積 圖像的圖像采集器件和圖像顯示器件，所述感興趣體積包括其間具有各自 邊界的兩個或多個定義區(qū)域，該計算機程序包括軟件代碼，其用于
a) 接收秀于所述感興趣體積所采集的圖像數(shù)據(jù)，所述感興趣體積包括 兩個或多個其間具有各自邊界的定義區(qū)域；
b) 得到第一對比增強圖像，所述第一對比增強圖像包括以所述采集到 圖像數(shù)據(jù)各像元的強度值為基礎(chǔ)的所述采集到圖像數(shù)據(jù)的表示，其中所述 各強度值由所選的參數(shù)定義；
c) 從所述第一對比增強圖像中識別具有落在預(yù)定強度值范圍內(nèi)的各自強度值的像元，并生成表示所述各像元及其相對于所述第一對比增強圖像 的空間分辨率的診斷圖像數(shù)據(jù)；
d) 得到第二圖像數(shù)據(jù)集，所述第二圖像數(shù)據(jù)集包括所述采集到圖像數(shù) 據(jù)的表示，其中所述兩個或多個定義區(qū)域之間的各邊界是可確定的；以及
e) 將所述診斷圖像數(shù)據(jù)和所述第二對比增強圖像合并以生成表示所述 感興趣體積的供顯示的圖像數(shù)據(jù)，所述供顯示的圖像數(shù)據(jù)包括對所述兩個 或多個定義區(qū)域之間的所述各邊界以及具有落在所述預(yù)定強度值范圍內(nèi)的 各自強度值的所述像元相對于所述各邊界的位置的可視指示。
本發(fā)明的這些和其他方面參考本文所描述的各實施例將變得顯然并將 參考其進(jìn)行闡明。
現(xiàn)在僅通過舉例的方式并參照各幅附圖來描述本發(fā)明的各實施例，在 附圖中


圖1是根據(jù)本發(fā)明示例性實施例的方法中在定義VOI時所使用的CSF 形狀的近似模型的示意圖2示出了將圖1的形狀模型重疊到a)具有特征值3.25的VOI中的切 片上，和b)具有特征值1.04的VOI外側(cè)的切片上；
圖3是示出了根據(jù)本發(fā)明示例性實施例的方法中各主要步驟的示意性 流程圖4示出了 a)VOI中的T2圖像、b)去除掩模的CSF和背景以及c)低 強度體素的空間圖5示出了若干基底神經(jīng)節(jié)器官和丘腦的圖譜區(qū)域1=殼核、區(qū)域2= 尾狀核、區(qū)域3=蒼白球、區(qū)域4=丘腦；
圖6是示出了根據(jù)本發(fā)明示例性實施例中MRI裝置的主要構(gòu)件的示意
圖7是a)患病患者和b)健康患者的有關(guān)低強度區(qū)域的典型圖示；以及 圖8是a)患病患者和b)健康患者的低強度體素垂直投影的典型圖示。
這樣，本發(fā)明下面示例性實施例的主要目的是探測出現(xiàn)低強度像元值 的患者腦區(qū)域，并使這些區(qū)域相對于腦圖像進(jìn)行可視化從而能清晰指示腦的相關(guān)器官之間的邊界，以便醫(yī)師能夠比先前更準(zhǔn)確地評價患者的健康狀 況。
參照附圖的圖6，根據(jù)本發(fā)明示例性實施例的MRI裝置包括其中躺有 患者12的大型、圓柱狀磁體10。多個RF線圈14設(shè)置在圓柱狀磁體10內(nèi) 以接收在MRI掃描期間產(chǎn)生的NMR信號。兩個線圈元件14a、 b位于成像 體積的前側(cè)，而兩個線圈元件14c、 d位于其后側(cè)。第三對線圈元件14e、 f 位于在成像體積的側(cè)面。線圈a、 b、 c、 d、 e和f一起用于局部線圈陣列， 并且本領(lǐng)域的技術(shù)人員應(yīng)當(dāng)領(lǐng)會到的是，本發(fā)明不限于任何特定的局部線 圈陣列，并且在市面上可獲得適用于這一目的的很多替代的局部線。由線 圈元件14拾取的NMR信號通過收發(fā)器模塊16進(jìn)行數(shù)字化，并傳送給圖 像重建模塊18。在處理模塊22 (其可包括圖像重建模塊18)中執(zhí)行本發(fā)明 的方法，并在屏幕24上顯示得到的圖像數(shù)據(jù)。
在根據(jù)本發(fā)明示例性實施例的方法中，首先，定義與所采集的MR圖 像有關(guān)的感興趣體積(VOI)，所述VOI定義了所采集到的圖像中將要執(zhí)行 后繼處理的區(qū)域。當(dāng)然也可將感興趣體積簡單地定義為全腦或由所采集到 的圖像所覆蓋的區(qū)域，并且下文描述的處理方法優(yōu)選能夠處理這種情況。 然后，為了減少處理需求，可執(zhí)行一些預(yù)處理以在由所采集到的圖像所覆 蓋的區(qū)域內(nèi)定義感興趣體積。當(dāng)然，這可由醫(yī)師手動執(zhí)行，該醫(yī)師可根據(jù) 所顯示的圖像，簡單地選擇感興趣體積。然而，在下文中將對自動感興趣 體積探測算法進(jìn)行描述。
所提出的算法包含兩個階段
a) 從T2和質(zhì)子密度(PD)對比增強圖像中進(jìn)行CSF (腦脊液)-背景-(白質(zhì)(WM) + (GM))分割；以及
b) 從CSF區(qū)域中進(jìn)行基于形狀的VOI探測。
在第一階段，目標(biāo)是執(zhí)行有關(guān)所采集到的圖像的分割，然后將分割的 結(jié)果用于兩個目的
1) 在VOI的探測中使用得到的CSF掩模；以及
2) 在低強度區(qū)域探測階段中使用WM+GM區(qū)域。 人腦的MR圖像典型地含有三種組織類型灰質(zhì)(GM)、白質(zhì)(WM)
和腦脊液(CSF)，并且聚類分析作為最普通的自動腦組織分類方法的其中一種為本領(lǐng)域技術(shù)人員所熟知。在本發(fā)明的這一示例性實施例中，使用基
于聚類算法的無監(jiān)督分割算法來執(zhí)行所采集MRI數(shù)據(jù)的分割，籍此執(zhí)行有 關(guān)分別對應(yīng)背景、CSF和其他(包括WM、 GM、顱骨肌肉等)三種類型的 聚類。然后將具有最高T2值的聚類指定為CSF區(qū)域?；谙衲：齝均值 (FCM)和k均值(用于更快處理，因為它假設(shè)每個像元唯一地屬于一類) 的各種聚類算法的無監(jiān)督分割算法是本領(lǐng)域的技術(shù)人員所熟知的，并且本 文將不再贅述。
一旦已經(jīng)以這種方式確定出CSF掩模，通過使用形狀模型來確定VOI。 VOI涉及可看見感興趣器官，例如基底神經(jīng)節(jié)的各圖像切片。它們趨向于 在3mm切片厚度的三個或四個切片中最清晰可見。在軸位中，可從腦室的 形狀特征中探測出這些切片。記住CSF在貫穿腦室區(qū)域中央的垂直軸向上 是對稱的，可以觀察到CSF區(qū)域上半部(側(cè)腦室的額葉)的形狀在眾多人 群中很大程度上是一致的。因此，本文建議實施可用最少的計算進(jìn)行檢驗 的近似形狀模型。參照附圖的圖1，示出了所建議的頭部大小適合的形狀模 型。通常的V形區(qū)域與VOI中的CSF區(qū)域近似。為了貫徹建議的方法， 如果將特征定義為V形區(qū)域內(nèi)CSF像素的數(shù)量與該區(qū)域之外但在圖2所示 的矩形區(qū)域200內(nèi)的CSF像素數(shù)量之比，則VOI確定為在本情形中3個切 片的窗(窗的大小是切片厚度與各切片間距離的函數(shù))，具有建議特征值的 最大和。這確定了設(shè)置作為用于處理的掩模的VOI。
這樣，參照附圖的圖3，在根據(jù)本發(fā)明示例性實施例的方法中，采集有 關(guān)患者的各MR圖像(步驟300中)，并確定用于處理的感興趣體積(VOI) (步驟302中)。接下來，將描述用于探測VOI各低強度區(qū)域的算法。
考慮到步驟302中提供的VOI掩模，建立VOI中各像素T2強度值的 直方圖(步驟304中)。 一旦知道VOI中所有像素的強度值，則選擇底部 的NX (步驟306)將其定義為VOI的低強度區(qū)域。換句話說，使用所述 掩模，將VOI的CSF和背景區(qū)域從考慮中排除，并選擇具有最低T2強度 的剩余像素的NX來定義VOI的低強度區(qū)域，并于步驟308中生成低強度 像素圖，其中將低強度像素及其空間分辨率合并來生成診斷圖像數(shù)據(jù)。結(jié) 果，確定圖像各低強度區(qū)域的方法在使用相對強度、而非根據(jù)所用的各輸 入約束可非常大變化的絕對強度的意義上是適合的。根據(jù)用戶偏好和/或在己經(jīng)排除腦脊液(CSF)區(qū)域(最亮的T2區(qū)域)和背景區(qū)域(一般為最暗 的T2區(qū)域)時剩余的圖像內(nèi)容，N例如可以約為5X或10X。如果在定義 VOI時所述掩模仍然包括背景區(qū)域(而僅排除CSF區(qū)域)，則在步驟304 中通過探測直方圖的最左側(cè)和最右側(cè)的峰，并在對低強度區(qū)域進(jìn)行界定之 前將這些峰消除，可從所建立的直方圖中消除背景區(qū)域。
將直方圖底部的NX定義為低強度像素會導(dǎo)致具有高量鐵濃度的患者 體內(nèi)低強度像素的量與具有正常量鐵的患者體內(nèi)低強度像素的量相等。然 而，低強度像素的空間分布將顯著地不同。高鐵濃度將導(dǎo)致各低強度區(qū)域 主要位于腦的基底神經(jīng)節(jié)器官內(nèi)，而健康受檢者體內(nèi)的分布將是隨意的并 類似于噪聲。圖4示出了 (a)健康受檢者的T2對比增強圖、(b)通過消 除CSF和背景區(qū)域(在掩模中顯示為黑色像素)所建立的掩模、以及(c) 在應(yīng)用上述算法之后得到的低強度像素圖。如圖像中所示，T2MR對比增 強并不提供VOI內(nèi)組織邊界(白質(zhì)-灰質(zhì))的更多細(xì)節(jié)。結(jié)果，從各T2圖 像中將低強度區(qū)域與各器官位置相關(guān)聯(lián)是非常困難的。接下來，將描述為 改進(jìn)診斷使低強度區(qū)域圖相對于各器官位置進(jìn)行可視化的所建議方法。
如同所解釋的，為了做出準(zhǔn)確的診斷，需要將各低強度區(qū)域與腦的各 器官相關(guān)聯(lián)。為了在本發(fā)明的這一示例性實施例中這樣做，生成器官圖(步 驟310中)。下文中，為了履行這一要求建議了兩個示例性實施例。
它們中的第一個涉及使用多個MR對比增強來分割所采集的腦圖像、 使用界標(biāo)和腦圖譜信息來探測感興趣器官及其邊界、然后(于步驟312中) 將源自分割處理的所得到的器官圖與低強度區(qū)域圖進(jìn)行合并以于步驟314 中產(chǎn)生顯示關(guān)于各器官的低強度區(qū)域的圖像。如上所解釋的，各MR圖像 的分割在本領(lǐng)域是公知的，并且本領(lǐng)域的技術(shù)人員能設(shè)想出很多可實現(xiàn)這 一功能的不同方法。例如，通過將上述聚類算法延伸到更大量的分類(例 如，包括WM、 GM、肌肉等)中并應(yīng)用諸如圖5所示的腦圖譜，有可能復(fù) 制關(guān)于所采集到圖像數(shù)據(jù)的器官圖。
在替代的示例性實施例中，可以使用如下觀察，諸如T1和PD的一些 MR對比增強圖像一般自然擁有各基底神經(jīng)節(jié)器官之間的可明顯看出的強 度差。因此，在這種情形下，對應(yīng)這些對比增強實際上可省略器官分割步 驟。代替計算所述分割圖并將它與低強度區(qū)域圖合并的是，建議將低強度區(qū)域圖重疊到各感興趣器官邊界可明顯分辯的非T2 MR對比增強圖像上。 這種對比增強的示例包括T1和質(zhì)子密度(PD)，但當(dāng)然能夠設(shè)想出其他合 適的對比增強。
合成圖像將顯示健康受檢者中任意分布的低強度區(qū)域，相反，對于患 有高鐵沉淀的患者而言，低強度像素將形成致密區(qū)域。其中相關(guān)器官彼此 可區(qū)分的第二圖像能夠使醫(yī)師不但看到患者是否已經(jīng)有任何致密的低強度 區(qū)域，而且看到是否這類區(qū)域仍留在蒼白球內(nèi)(階段1)或已經(jīng)延伸到殼核 內(nèi)(階段2)。最重要的特征是醫(yī)師能夠快速斷定患者的鐵積聚。
可視化步驟的VOI可定義為與用于各處理步驟或其子集的VOI相同。 例如，通過使用基底神經(jīng)節(jié)器官同樣被看作是深灰質(zhì)器官這一事實，可視 化可只包括原始VOI的各灰質(zhì)區(qū)域。所述顯示可以是低強度區(qū)域掩模的一 些處理結(jié)果的函數(shù)也是可能的。例如，所述系統(tǒng)可將所述顯示選項設(shè)為低 強度區(qū)域大小的函數(shù)，此處將區(qū)域定義為一組關(guān)聯(lián)的體素。在特定的情形 下，可顯示每一切片的左和右半球中的最大低強度區(qū)域。
這樣，本發(fā)明的空間分布特征是各低強度像素的分布測量；同樣地， 它給出了關(guān)于患者健康或患病的可能性。作為本發(fā)明的延伸，所述系統(tǒng)可 以使用該特征以便自動決定是否需要將低強度圖重疊在組織分割圖或諸如 PD或T1的其他對比增強圖之上。
在下文中，將給出一些有關(guān)計算使用本發(fā)明方法所得的低強度圖的空 間分布特征的示例，以及患病患者和健康患者中典型值的一些示例。這些 示例旨在展示所建議特征的有效性，其中除了它們用作顯示情況外，別的 優(yōu)勢包括通過患者的健康狀態(tài)對患者進(jìn)行自動分類的可能和省略進(jìn)行器官 分割的要求。
在下文中，空間分布特征能以形態(tài)學(xué)方法或基于投影的方法為基礎(chǔ)。 在形態(tài)學(xué)方法中，使用形態(tài)學(xué)圖像處理算子。首先，對相關(guān)的各低強 度區(qū)域進(jìn)行標(biāo)記，以便給相關(guān)各組的低強度體素相同的標(biāo)記(數(shù)字)。然后 使用這些區(qū)域的特征來區(qū)分患者是否患病。圖7示出了 a)患病患者和b)健 康患者的各區(qū)域大小的典型繪圖。根據(jù)以下各特征，以若干方式來識別患 病和健康的患者
最大區(qū)域的大小當(dāng)最大區(qū)域的大小大于預(yù)定數(shù)量(體素中腦大小的函數(shù))時，可將患者歸為患病類；，最大兩個區(qū)域的大小大多數(shù)情形下，腦的兩個半球具有相似大小 的大的低強度區(qū)域。這一觀察可被下列任一項所利用i) 兩個最大區(qū)域的平均大小應(yīng)當(dāng)大于某個預(yù)定數(shù)目；和ii) 兩個最大區(qū)域的大小彼此不應(yīng)明顯不同；或iii) 它們應(yīng)出現(xiàn)在不同的半球中(例如，正中矢狀面的任一側(cè))*最大區(qū)域的大小/區(qū)域數(shù)目可測量區(qū)域相對于背景的顯著性。當(dāng)患 者健康時，希望該特征小，而它對于患病患者而言相對較大。對于健康的 患者，發(fā)現(xiàn)各值小于l，而患病患者的各值將大于l。圖7中所示的各示例 顯示各值為a)18.8和b)0.48。在基于投影的方法中，發(fā)現(xiàn)低強度體素的垂直投影特征可用于健康和非健康的分類。在這種情形下，下列各特征可用于分類 峰的位置； 具有所述峰位置的最大非零運行的寬度對于患病患者這不應(yīng)很大; 在上述最大非零運行中低強度體素總數(shù)/總的低強度體素數(shù)目的比 率對于患病患者這會更大，因為大多數(shù)低強度體素應(yīng)當(dāng)彼此靠近并位于 基底神經(jīng)節(jié)區(qū)域內(nèi)。應(yīng)當(dāng)注意的是，上述各實施例闡述而非限制本發(fā)明，并且本領(lǐng)域的技 術(shù)人員在不脫離由權(quán)利要求書所定義的本發(fā)明的范圍的情況下應(yīng)當(dāng)能夠設(shè) 計出很多替代實施例。在權(quán)利要求中，置于圓括號內(nèi)的任何附圖標(biāo)記不應(yīng) 理解為對權(quán)利要求的限制。詞語"包含"和"包括"等類似詞語并不排除 存在任一權(quán)利要或整體上說明書中所列之外的元件或步驟。單數(shù)提及的元 件不排除復(fù)數(shù)提及這些元件，反之亦然。本發(fā)明可借助于包括若干分立元 件的硬件，及借助于適當(dāng)編程的計算機來執(zhí)行。在設(shè)備權(quán)利要求中列舉了 若干器件，這些若干器件可由一個硬件或硬件的同一項來體現(xiàn)。在相互不 同的從屬權(quán)利要求中所引用某些測量的事實并不表示不能為了優(yōu)勢而使用 這些測量的組合。
權(quán)利要求
1、一種醫(yī)學(xué)成像系統(tǒng)，包括a)用于接收(300)關(guān)于感興趣體積所采集的圖像數(shù)據(jù)的器件(22)，所述感興趣體積包括兩個或多個其間具有各自邊界的定義區(qū)域；b)用于得到(304)第一對比增強圖像的器件(22)，所述第一對比增強圖像包括以所述采集到圖像數(shù)據(jù)各像元的強度值為基礎(chǔ)的所述采集到圖像數(shù)據(jù)的表示，其中，所述各強度值由所選的參數(shù)定義；c)用于從所述第一對比增強圖像中識別(306)具有落在預(yù)定強度值范圍內(nèi)的各自強度值的像元，并生成表示所述像元及其相對于所述第一對比增強圖像的空間分辨率的診斷圖像數(shù)據(jù)(308)的器件(22)；d)用于得到(310)第二圖像數(shù)據(jù)集的器件(22)，所述第二圖像數(shù)據(jù)集包括所述采集到圖像數(shù)據(jù)的表示，其中所述兩個或多個定義區(qū)域之間的各邊界是可確定的；以及e)用于將所述診斷圖像數(shù)據(jù)和所述第二對比增強圖像合并(312)以生成(314)表示所述感興趣體積的供顯示的圖像數(shù)據(jù)的器件(22)，所述供顯示的圖像數(shù)據(jù)包括對所述兩個或多個定義區(qū)域之間的所述各邊界以及具有落在所述預(yù)定強度值范圍內(nèi)的各自強度值的所述像元相對于所述各邊界的位置的可視指示。
2、 根據(jù)權(quán)利要求1所述的系統(tǒng)，包括用于在生成所述診斷圖像數(shù)據(jù)之 前定義(302)感興趣體積(VOI)的器件(22)，其中，僅生成關(guān)于所述感 興趣體積的所述診斷圖像數(shù)據(jù)。
3、 根據(jù)權(quán)利要求2所述的系統(tǒng)，其中，用于定義所述感興趣體積的所 述器件包括分割器件，其用于生成用于從所述感興趣體積中消除所述第一 對比增強圖像的一個或多個區(qū)域的掩模。
4、 根據(jù)權(quán)利要求1所述的系統(tǒng)，其中，所述采集到的圖像數(shù)據(jù)包括磁 共振圖像(MRI)數(shù)據(jù)，并且所述第一對比增強圖像是從中得到的T2 MR圖像。
5、 根據(jù)權(quán)利要求1所述的系統(tǒng)，其中，所述系統(tǒng)包括用于從所述第一 對比增強圖像中建立像元強度的直方圖、然后選擇(306)最高或最低強度 的預(yù)定比例以定義所述診斷圖像數(shù)據(jù)的器件(22)。
6、 根據(jù)權(quán)利要求1所述的系統(tǒng)，其中，通過對源自所述采集到圖像數(shù) 據(jù)的多幅圖像進(jìn)行分割，并重建其中所述兩個或多個定義區(qū)域之間的各邊 界是可確定的圖像來得到所述第二圖像數(shù)據(jù)集。
7、 根據(jù)權(quán)利要求1所述的系統(tǒng)，其中，所述第二圖像數(shù)據(jù)集包括不同 于所述第一對比增強圖像的對比增強圖像，其中所述兩個或多個定義區(qū)域 之間的各邊界是可明顯確定的。
8、 根據(jù)權(quán)利要求1所述的系統(tǒng)，其中，設(shè)有用于分析所述診斷圖像數(shù) 據(jù)的器件，其中，所述圖像數(shù)據(jù)僅在為指示進(jìn)一步目視研究要求而確定所 述診斷圖像數(shù)據(jù)的情況下進(jìn)行顯示。
9、 一種醫(yī)學(xué)成像裝置，包括用于采集一幅或多幅感興趣體積圖像的圖 像采集器件，所述感興趣體積包括兩個或多個其間具有各自邊界的定義區(qū) 域；根據(jù)權(quán)利要求1所述的系統(tǒng)(22)，其用于生成表示所述感興趣體積的 供顯示的圖像數(shù)據(jù)，所述供顯示的圖像數(shù)據(jù)包括對所述兩個或多個定義邊 界之間的所述各邊界以及具有落在所述預(yù)定強度值范圍內(nèi)的各自強度值的 所述像元相對于所述各邊界的位置的可視指示；以及用于顯示所述圖像數(shù) 據(jù)的顯示器件(24)。
10、 一種生成表示感興趣體積的供顯示的圖像數(shù)據(jù)的方法，所述方法 包括a)接收(300)關(guān)于所述感興趣體積所采集的圖像數(shù)據(jù)，所述圖像數(shù)據(jù) 包括兩個或多個其間具有各自邊界的定義區(qū)域；b) 得到(304)第一對比增強圖像，所述第一對比增強圖像包括以所述 采集到圖像數(shù)據(jù)各像元的強度值為基礎(chǔ)的所述采集到圖像數(shù)據(jù)的表示，其 中，所述強度值由所選的參數(shù)定義；c) 從所述第一對比增強圖像中識別(306)具有落在預(yù)定強度值范圍內(nèi) 的各自強度值的像元，并生成表示所述各像元及其相對于所述第一對比增 強圖像的空間分辨率的診斷圖像數(shù)據(jù)；d) 得到(310)第二圖像數(shù)據(jù)集，所述第二圖像數(shù)據(jù)集包括所述采集到 圖像數(shù)據(jù)的表示，其中所述兩個或多個定義區(qū)域之間的各邊界是可確定的; 以及e) 將所述診斷圖像數(shù)據(jù)和所述第二對比增強圖像合并(312)以生成 (314)表示所述感興趣體積的供顯示的圖像數(shù)據(jù)，所述供顯示的圖像數(shù)據(jù)包括對所述兩個或多個定義區(qū)域之間的所述各邊界以及具有落在所述預(yù)定 強度值范圍內(nèi)的各自強度值的所述像元相對于所述各邊界的位置的可視指
11、 一種生成表示感興趣體積的供顯示的圖像數(shù)據(jù)的計算機執(zhí)行圖像 處理方法，包括a) 接收(300)關(guān)于感興趣體積所采集的圖像數(shù)據(jù)，所述感興趣體積包 括兩個或多個其間具有各自邊界的定義區(qū)域；b) 得到(304)第一對比增強圖像，所述第一對比增強圖像包括以所述 采集到圖像數(shù)據(jù)各像元的強度值為基礎(chǔ)的所述采集到圖像數(shù)據(jù)的表示，其 中所述各強度值由所選的參數(shù)定義；c) 從所述第一對比增強圖像中識別(306)具有落在預(yù)定強度值范圍內(nèi) 的各自強度值的像元，并生成(308)表示所述各像元及其相對于所述第一 對比增強圖像的空間分辨率的診斷圖像數(shù)據(jù)；d) 得到(310)第二圖像數(shù)據(jù)集，所述第二圖像數(shù)據(jù)集包括所述采集到 圖像數(shù)據(jù)的表示，其中所述兩個或多個定義區(qū)域之間的各邊界是可確定的; 以及e) 將所述診斷圖像數(shù)據(jù)和所述第二對比增強圖像合并(312)以生成 (314)表示所述感興趣體積的供顯示的圖像數(shù)據(jù)，所述供顯示的圖像數(shù)據(jù)包括對所述兩個或多個定義區(qū)域之間的所述各邊界以及具有落在所述預(yù)定 強度值范圍內(nèi)的各自強度值的所述像元相對于所述各邊界的位置的可視指 示。
12、一種執(zhí)行與醫(yī)學(xué)成像裝置一同使用的圖像處理方法的計算機程序， 所述醫(yī)學(xué)成像裝置包括圖像采集器件和圖像顯示器件，所述圖像采集器件 用于采集一幅或多幅感興趣體積圖像，所述感興趣體積包括兩個或多個其 間具有各自邊界的定義區(qū)域，所述計算機程序包括軟件代碼，其用于a) 接收(300)關(guān)于所述感興趣體積所采集的圖像數(shù)據(jù)，所述感興趣體 積包括兩個或多個其間具有各自邊界的定義區(qū)域；b) 得到(304)第一對比增強圖像，所述第一對比增強圖像包括以所述 采集到圖像數(shù)據(jù)各像元的強度值為基礎(chǔ)的所述采集到圖像數(shù)據(jù)的表示，其 中所述各強度值由所選的參數(shù)定義；c) 從所述第一對比增強圖像中識別(306)具有落在預(yù)定強度值范圍內(nèi) 的各自強度值的像元，并生成(308)表示所述各像元及其相對于所述第一 對比增強圖像的空間分辨率的診斷圖像數(shù)據(jù)；d) 得到(310)第二圖像數(shù)據(jù)集，所述第二圖像數(shù)據(jù)集包括所述采集到 圖像數(shù)據(jù)的表示，其中所述兩個或多個定義區(qū)域之間的各邊界是可確定的； 以及e) 將所述診斷圖像數(shù)據(jù)和所述第二對比增強圖像合并(312)以生成 (314)表示所述感興趣體積的供顯示的圖像數(shù)據(jù)，所述供顯示的圖像數(shù)據(jù)包括對所述兩個或多個定義區(qū)域之間的所述各邊界以及具有落在所述預(yù)定 強度值范圍內(nèi)的各自強度值的所述像元相對于所述各邊界的位置的可視指 示。
全文摘要
一種顯示關(guān)于例如受檢者的腦所采集的圖像數(shù)據(jù)的系統(tǒng)和方法。采集(300)MRI圖像數(shù)據(jù)，并且使用第一對比增強圖像，例如MR T2對比增強圖像來確定(304)表示鐵濃度的低強度修正。通過分割或通過使用不同類型的對比增強圖像，例如其中腦各器官間的邊界可明顯確定的T1和PD來獲得(310)第二圖像。將各低強度區(qū)域(包括各自的空間分辨率)合并(312)到第二圖像中以生成(314)顯示關(guān)于各個腦器官的低強度區(qū)域的所得到圖像。
文檔編號G06T5/00GK101410869SQ200780010606
公開日2009年4月15日 申請日期2007年3月23日 優(yōu)先權(quán)日2006年3月28日
發(fā)明者A·伊金 申請人:皇家飛利浦電子股份有限公司