[go: up one dir, main page]

CN101861126A - 脉管形成的可视化 - Google Patents

脉管形成的可视化 Download PDF

Info

Publication number
CN101861126A
CN101861126A CN200880116617A CN200880116617A CN101861126A CN 101861126 A CN101861126 A CN 101861126A CN 200880116617 A CN200880116617 A CN 200880116617A CN 200880116617 A CN200880116617 A CN 200880116617A CN 101861126 A CN101861126 A CN 101861126A
Authority
CN
China
Prior art keywords
data
image space
location
image
vascular
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN200880116617A
Other languages
English (en)
Other versions
CN101861126B (zh
Inventor
R·维姆克
S·卡布斯
T·比洛
R·奥普弗
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Koninklijke Philips NV
Original Assignee
Koninklijke Philips Electronics NV
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 Koninklijke Philips Electronics NV filed Critical Koninklijke Philips Electronics NV
Publication of CN101861126A publication Critical patent/CN101861126A/zh
Application granted granted Critical
Publication of CN101861126B publication Critical patent/CN101861126B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T15/00—3D [Three Dimensional] image rendering
    • G06T15/08—Volume rendering
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computed tomography [CT]
    • A61B6/032—Transmission computed tomography [CT]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/12—Arrangements for detecting or locating foreign bodies
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
    • A61B6/504—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of blood vessels, e.g. by angiography
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00—Manipulating 3D models or images for computer graphics
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4887—Locating particular structures in or on the body
    • A61B5/489—Blood vessels
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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 OR CALCULATING; 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
    • G06T2207/30101—Blood vessel; Artery; Vein; Vascular
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2210/00—Indexing scheme for image generation or computer graphics
    • G06T2210/41—Medical

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • Theoretical Computer Science (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Public Health (AREA)
  • Biophysics (AREA)
  • High Energy & Nuclear Physics (AREA)
  • General Physics & Mathematics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Optics & Photonics (AREA)
  • Pathology (AREA)
  • Radiology & Medical Imaging (AREA)
  • Biomedical Technology (AREA)
  • Veterinary Medicine (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Graphics (AREA)
  • Software Systems (AREA)
  • Geometry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Pulmonology (AREA)
  • Vascular Medicine (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Image Processing (AREA)

Abstract

一种生成图像空间数据(35)的设备，该图像空间数据(35)指示该图像空间中多个位置与病变或其它感兴趣特征之间的脉管连接的空间变化强度。可以通过最大强度投影(MIP)显示的方式呈现该数据，其中，图像的亮度代表脉管连接的强度。

Description

脉管形成的可视化
本申请涉及脉管形成的可视化。它尤其应用在计算机断层扫描(CT)图像数据中对肿瘤脉管形成进行可视化。本发明还更普遍涉及在使用其它成像形式所生成的图像空间数据中对其它病变或感兴趣特征的连通性进行可视化。
诸如CT、磁共振(MR)、超声(US)、单光子发射计算机断层摄影(SPECT)、正电子发射断层摄影(PET)和x射线的医疗成像形式在诸如癌症的疾病诊断和治疗中扮演了重要角色。可以用于评估肿瘤或者其它可疑病变的一个因素是其脉管形成。因此，病变连接到周围脉管系统的程度和方式可以为临床医生提供例如与关于确定该肿瘤是良性还是恶性、其可能生长等有关的有用信息。
不幸的是，许多因素使脉管(vascular)可视化可能很复杂。例如，虽然许多血管可能位于肿瘤附近，但是并不是它们中的所有都可以有助于病变血液供给。此外，各种血管亮度和大小可能不同。较小的血管即使与该肿瘤有脉管联系，也往往可能相对不易观察并且具有较低的对比度。较大的血管虽然可能很好可视化，但是可能具有与该肿瘤具有很少的或者没有脉管连接。
已经使用分割和相关表面绘制技术识别和呈现代表血管的那些体素。然而，不幸地是，分割操作的结果一般对分割算法和所选择的分割参数敏感。例如，亮度阈值、噪声抑制、以及最小厚度标准都可能影响是否将特定构造识别为血管。
本发明的多个方面解决了这些以及其它问题。
根据第一方面，提供一种方法，该方法包含对包含病变和脉管系统的第一图像空间数据进行评估，从而确定该第一图像空间中的各位置和该病变之间脉管连接的空间变化强度。该方法还包含生成指示所确定的空间变化强度的第二图像空间数据。
根据另一个方面，提供一种设备，包含用于对包含病变的第一图像空间数据进行评估、以确定该第一图像空间中各位置和病变之间脉管连通性的空间变化强度的装置。该设备还包含用于生成指示所确定的强度的第二空间变化图像空间数据的装置。
根据另一个方面，计算机可读存储介质包含多个指令，当通过处理器执行这些指令时使该处理器执行这样的方法。该方法包含对包含感兴趣特征的第一图像空间数据进行评估，以确定该第一图像空间中各位置和该特征之间脉管连接的空间变化强度，并且生成指示所确定的空间变化强度的第二图像空间数据。
根据另一个方面，提供一种设备，其包含用于在指示对象的图像空间数据中识别可能代表到该对象病变的脉管连接的多条路径的装置。该设备还包含用于生成空间变化脉管连接数据的装置，该空间变化脉管连接数据代表沿着该路径的各位置经由该路径脉管连接到该病变的可能性。
在阅读并且理解了附图和说明书之后，本领域的技术人员将意识到本发明的其它各方面。
附图说明
通过举例并且不是限制于附图对本发明进行了说明，其中，相似的标号指示类似的部分，并且其中：
图1描述了一种CT扫描仪；
图2描述了一种方法；
图3A-图3E描述了图像空间数据和相关图像；
图4描述了一种方法。
参考图1，CT扫描仪10包含围绕检查区域14旋转的旋转机架18。该旋转机架18支持诸如x射线管的x射线源12。该机架18还支持x射线灵敏检测器20，其圆弧对着检查区域14。由x射线源12生成的x射线穿过检查区域14并且被检测器20检测。根据扫描仪10和检测器20的配置，x射线源12生成大体是扇形、锲形、或者圆锥形的辐射波束，其大概与检测器20的覆盖范围延伸相同空间。因此，扫描仪10生成投影数据，其指示沿着通过放置在检查区域14内的对象的多条投影或射线的辐射衰减。诸如病床的支撑物16在检查区域14内支撑患者或者其他对象。
位于旋转机架18上或者邻近旋转机架18的数据测量系统23从检测器20接收信号，并且提供必要的模数变换、复用、接口、数据通信、以及类似功能。
重建器22重建数据测量系统23所采集的投影数据，以生成指示患者内部解剖体的图像空间数据24。还将理解，也可以对图像空间数据履行滤波、增强和/或其它图像处理操作。
注意到前述是一个合适的CT扫描仪配置的示例，并且可以预期其它配置。例如，在第四代配置中，检测器20一般保持固定，而旋转机架部分18围绕检查区域旋转。可以将x射线源配置为除了传统的x射线管之外的其它形式，使用电子波束的电子波束扫描仪也是预期的。此外，光谱CT系统可以提供关于对象材料成分的信息。本领域的那些普通工作人员将理解其也可以有其它变化。
通常将图像空间数据24排列为三维(3D)体素阵列21。各个体素具有根据所测量变量而变化的值。在CT图像数据的情况下，所测量变量通常是x射线衰减，其值常规上以Hounsfield单位(HU)表示。这样，体素值通常将代表对象空间上变化的辐射衰减。
继续参照图1，感兴趣体积(VOI)提取器26提取或者否则选择图像空间数据的感兴趣体积或者其它感兴趣区域24。为了本讨论的目的，假定使用VOI选择器26选择包含肿瘤、结节、或者其它感兴趣病变的VOI以及至少一部分周围脉管系统。VOI提取器26可以基于来自用户的手动输入、适当的自动特征检测技术、半自动、或者另一种适当的形式来提取VOI。
可以使用遮蔽结构去除器28从图像空间数据中去除诸如骨头、邻近组织等的遮蔽或者干扰结构，以生成VOI数据29。同样，可以通过用户手动、自动使用适当的分割和/或结构移除技术、半自动、或者以另一种适当的形式履行遮蔽结构去除。
病变识别器30对图像空间数据进行处理，从而识别VOI数据29对应于感兴趣病变31的那些部分。在一种实现方式中，病变识别器30包含采用已知分割技术对感兴趣病变进行分割的分割器。同样，可以自动、通过用户手动、半自动、或者以另一种适当的形式履行病变识别。
脉管路径识别器32对VOI数据29进行处理，以识别通过图像空间的、代表到病变可能的脉管连接的路径。在一种实现方式中，并且如下进一步讨论的，该路径识别器32利用区分优先次序的区域生长(prioritized regiongrowing)技术优先识别那些通过图像空间的、最可能代表到病变的强壮脉管连接的路径。
脉管路径分析器34对所识别的路径进行分析，以识别沿着所识别路径的、代表到病变相对较弱脉管连接的位置。更具体地说，在一个实施例中，对于图像空间中的各个位置，该路径分析器34确定沿着所确定路径的在病变和代表最弱脉管连接位置之间的位置。
脉管连通性数据发生器36生成代表图像空间中各个位置和病变之间脉管连接程度或者强度的脉管连通性数据35。更具体地，该数据发生器36生成空间变化的连通性数据35，其中，与该连通性数据35中位置相符的值取决于在路径分析器34所确定的位置处VOI数据29的值。
最大强度投影(MIP)发生器38对VOI数据29进行操作，从而生成针对一个或多个角度或者投影的通过该VOI数据29的VOI MIP数据391-N。MIP发生器38还对脉管连通性数据36进行操作，从而针对通过该脉管连通性数据35的相应投影生成连通性MIP数据401-N。对于VOI MIP数据39的情况，图像投影中各个位置的亮度代表在VOI数据39中遇到的值。对于连通性MIP数据401-N的情况，这些值代表到感兴趣病变连通性的强度或者程度。为了有助于两个数据集的显示和/或比较，可以以相同单位(例如，在CT数据情况下的CT数或者HU)表示体素值。
图像处理器42对第一MIP数据391-N、连通性MIP数据401-N、以及分割的病变数据31进行处理，以便经由显示器、监视器或者其它合适人机界面91呈现。同时为了有助于比较，例如，可以基于并排方式在界面91上同时显示VOI MIP数据39和连通性MIP数据40。例如，通过在关于适当旋转轴的坐标中旋转所显示的MIP图像，MIP数据39、40还可以呈现为运动MIP显示。在一个示例中，通过大约正负十(10)度的角度来回旋转图像给予三维感觉。在另一个示例中，通过360度周期地旋转MIP。可替换地，例如，还可以给用户提供机会以如所期望地旋转数据，例如经窗口和水平、旋转或者其它用户可操作控制。
现在将结合图2对操作进行描述。
在202处，对患者进行扫描以生成投影数据。为了本讨论的目的，将假定在至少包含患者肺部的区域的一部分上采集投影数据。注意到，取决于诸如病变类型、周围脉管系统、以及扫描形式的因素，可以将扫描与造影剂的引入相结合，从而获得对比增强的投影数据。如在当病变和/或脉管系统位于或者接近心脏或者肌肉组织时可能出现的，在很难从周围组织中区分部分或者所有病变或脉管系统的情况下，这种实现方式特别有用。
在204处，重建该投影数据以生成图像空间数据24。同时注意到，可以在远离扫描操作的时间和地点处履行重建204和随后的操作。
在206处，从图像空间数据中提取VOI。为了本示例的目的，将假定VOI包含肺部病变，该肺部病变被怀疑是癌并且期望对该病变的供血进行评估。这样，为了本示例的目的，VOI将包含该病变以及至少周围脉管系统的一部分。
在图3A中示意性地示出了已提取的VOI的示例29。虽然为了便于说明，将已提取的VOI 29图示为二维(2D)投影，但是将理解，通常该VOI将包含3D体积，其包含病变304和脉管系统306。
相对较大的血管通常更易可见并且在图像中看起来相对更明亮，而相对较小的血管可能更暗或者更难辨别。然而，还将意识到，血管306的可见度或者亮度可能不一定与连接到病变304的该脉管的强度相关。例如，高可见度的血管可能弱(如果有)连接到病变304，从而对该病变304供血起很少作用或者不起作用。另一方面，低可见度的血管可能强连接到病变304。为了本示例的目的，将假定血管306C相对强连接到病变304，而血管306D弱连接。
如果图像数据中出现遮蔽结构，可以在步骤208处将其从图像数据中去除。
在210处，例如，使用适当的分割技术识别病变。一般通过图3B中的阴影图示经分割的病变31。
在步骤212处生成脉管连通性数据，在图3C处示意性地图示了体素连通性数据35的示例。更具体地，连通性数据35中的每个位置或者体素接收这样的值，该值代表其到病变304脉管连接强度；该连通性数据35中的每个体素接收这样的数据值，该数据值等于在该病变304和该体素之间最可能的脉管路径上遇到的最小体素值。因此，在本示例中，血管306C相对“较亮”，而血管306D则不是。换言之，抑制那些相对不强连接到病变的血管306D。
在步骤214处针对一个或多个投影分别生成通过连通性数据35和VOI数据29的MIP数据39、40。在图3D处示意性地说明了针对示例投影的MIP数据39、40。
在216处，可以将经分割的病变31叠加到MIP数据39、40上。
在步骤218处将MIP数据39、40呈现给用户。在图3E中示意性说明的一个实现方式中，经人机界面91并排呈现针对通过图像空间的相应投影的MIP数据39、40。如上所述，关于适当的旋转轴310旋转所呈现的投影可以生成运动MIP显示。
现在将参考图4对脉管连通性数据35的生成进行进一步描述，其说明了示例的区分优先次序的区域生长技术，其中，连通性数据35中体素的亮度代表位于病变和该体素之间沿最强脉管路径的体素的最小亮度。
在402处，对在病变边界上的那些体素(即，其第一级邻近)进行识别并且将其视为候选体素。
在404处，根据候选体素代表血管的可能性对它们进行排序。
注意到可以使用各种可能性标准。根据一种技术，根据候选体素的相对数据值对它们进行排序，例如首先考虑相对较高的值。这种技术在诸如肺部病变CT成像的情形下特别有用，其中，在肺部病变CT成像中代表血管的体素与周围组织相比相对明暗差别强烈。在一种变体中，可以仅考虑某个范围内的那些体素，根据该范围内那些体素的位置对它们进行排序。附加地或者可选地，可以使用形态学或者其它信息。本领域的那些技术人员将意识到，上述仅仅是示例并且可以采用其它适当变体。此外，可以采用除了区域生长之外的路径生成技术。
在406处，访问最可能代表血管的候选体素。
在408处，将被访问体素添加到路径。注意到，根据被访问体素代表血管的可能性以及被访问体素的位置，可以将被访问体素添加到已经存在的路径，将其视为现存路径的分支或者构成新的路径的开始。
在410处，如果被访问体素是沿着当前路径最不可能代表到病变连接的体素，那么将针对当前路径的路径的可能性值设置为被访问像素的值。在用HU表示VOI数据29的CT数据的情况下，同样可以以HU表示路径可能性值。
在412处，将连通性数据35中其位置对应于被访问体素位置的体素设置为当前路径可能性值。
在414处，对被访问体素的第一级邻近进行识别。
在416处，例如，如所期望地，重复该过程直到已经访问了第一图像空间29的所有体素为止。
上述技术的一个优点是可以用血管的相对亮度来代表连通性程度。此外，可视化过程不依赖关于特定血管是否连接到肿瘤的固有二元判定。相对于表面绘制，MIP投影一般也不需要亮度阈值，相对更少倾向于暗淡结构(fainter structure)抑制，并且趋向于关于图像噪声更稳健。
还将理解，各个步骤的次序可以变化。例如，不需要与路径生成同时进行对沿着给定路径最不可能的脉管连接的分析，并且其可以在单独的步骤中履行。可以采用宽度优先、深度优先、以及其它排序技术。还可以使用除了区域生长之外的技术对路径进行识别。
还可以预期其它变化。例如，上述技术不限于CT数据，并且可以与使用包括但不限于MR、US、SPECT、PET和x射线的其它形式所生成的图像数据结合使用上述技术。还可以与除了肿瘤和结节之外的病变结合使用它们，并且还可以对到除了病变之外结构的连通性进行可视化。还可以采用它们对除了脉管连通性之外的连通性进行可视化。
也可以预期使用各种显示和可视化技术。作为一个示例，可以使用体积绘制技术呈现连通性数据35。作为另一个示例，可以通过颜色改变或阴影的方式来表示连通性亮度值。
应该理解，可以经硬件和/或计算机软件或者固件的多种组合实现上述各种技术。在软件、固件等的情况下，可以将计算机可读指令存储在计算机可读存储介质上。当由计算机处理器执行时，这些指令使处理器实现所描述的技术。例如，通过经因特网下载这些指令，指令还可以位于远程并且根据需要访问。
参考优选实施例对本发明进行了描述。在阅读和理解了前述说明之后，可以对其进行修改和改变。本发明旨在被解释为包括所有这些修改和改变，只要这些修改和改变在所附权利要求或者其等价物范围内。

Claims (21)

1.一种方法，包括：
对包含病变(304)和脉管系统(306)的第一图像空间数据(24、29)进行评估，以确定所述第一图像空间中的位置和所述病变之间脉管连接的空间变化强度；
生成指示所确定的空间变化强度的第二图像空间数据(35)。
2.如权利要求1所述的方法，包含呈现指示所述第二图像空间数据的图像，其中，所呈现的图像包含指示所确定的空间变化强度的空间变化特性。
3.如权利要求2所述的方法，其中，所述特性包含亮度。
4.如权利要求1所述的方法，其中，所述方法包含：
在所述第一图像空间数据(29)中，识别代表到所述病变(304)的可能脉管连接的第一路径，其中，所述路径包括第一位置；
沿着所述路径识别代表所述第一位置和所述病变之间相对弱脉管连接的第二位置。
5.如权利要求4所述的方法，其中，所述第一图像数据指示对象，并且所述方法包含将所述第二图像空间数据中对应于所述第一位置的位置的值设置为指示在所述第二位置处所述对象的被测量特性的值。
6.如权利要求5所述的方法，其中，所述特性包含x射线衰减。
7.如权利要求4所述的方法，其中，所述第一路径代表所述第一位置和所述病变之间的最强脉管连接，并且所述第二位置代表沿着所述第一路径的最弱脉管连接。
8.如权利要求1所述的方法，包含生成指示所述第二图像空间数据的MIP数据(40)。
9.如权利要求8所述的方法，包含：
生成指示所述第一图像空间数据的MIP数据(39)；
同时以人类可感知的形式呈现指示所述第一图像空间数据的所述MIP数据以及指示第二图像空间数据的所述MIP数据。
10.如权利要求1所述的方法，包含：
从指示对象的第三图像空间数据中提取所述第一图像空间数据，其中，所述图像空间数据包含所述病变以及至少所述周围脉管系统的一部分；
分割所述病变；
呈现指示经分割的病变以及所述第二图像空间数据的图像。
11.一种设备，包括：
用于对包含病变(304)的第一图像空间数据(24、29)进行评估，以确定所述第一图像空间中的位置和所述病变之间的脉管连通性的空间变化强度的装置(26、28、30、32、34)；
用于生成指示所确定强度的第二空间可变图像空间数据(35)的装置(36)。
12.如权利要求11所述的设备，包括生成所述第一图像空间数据的成像设备(10、23、22)。
13.如权利要求11所述的设备，包含：
遮蔽结构去除器(28)；
病变识别器(30)；
脉管路径生成器(32)；
脉管路径分析器(34)；以及
脉管连通性数据生成器(36)。
14.一种计算机可读存储介质，包含指令，当所述指令被处理器执行时，使所述处理器实现一种方法，所述方法包含：
对包含感兴趣特征(304)的第一图像空间数据(24、29)进行评估，以确定所述第一图像空间中各位置和所述特征之间脉管连接的空间变化强度；
生成指示所确定的空间变化强度的第二图像空间数据(35)。
15.如权利要求14所述的计算机可读存储介质，其中，所述方法包含：
呈现指示所述第二图像空间数据的图像，其中，所述图像包含代表所述空间变化强度的空间变化亮度。
16.如权利要求14所述的计算机可读存储介质，其中，所述方法包含生成指示所述第二图像空间数据的MIP数据。
17.如权利要求14所述的计算机可读存储介质，其中，所述方法包含：
识别通过所述第一图像空间的可能脉管路径；
识别沿着所述路径代表相对弱脉管连接的位置；
使用所识别位置处的第一图像空间数据产生所述第二图像空间数据。
18.如权利要求14所述的计算机可读存储介质，其中，所述第一图像空间数据指示对象，并且所述方法包含：
使用区域生长技术识别所述特征和第一位置之间的脉管路径；
识别沿着所述路径代表所述特征和所述第一位置之间最弱脉管位置的第二位置；
将所述第二图像空间数据中的位置设置为代表在所述第二位置处所述对象被测量特性的值。
19.如权利要求18所述的计算机可读存储介质，其中，通过MR扫描仪、PET扫描仪、或者SPECT扫描仪测量所述特性。
20.如权利要求14所述的计算机可读存储介质，其中，所述方法包含：
识别所述感兴趣特征；
识别邻近所述感兴趣特征的第一位置；
根据所识别的位置代表脉管路径的可能性对所识别的位置进行排序；
识别与所识别的、代表最可能的脉管路径的第一位置邻近的第二位置；
重复所述排序和识别第二位置的步骤。
21.一种设备，包括：
用于在指示对象的图像空间数据(24)中识别代表到所述对象的病变的可能脉管连接的多条路径的装置(32)；
用于生成代表沿着所述路径的位置经由所述路径脉管连接到所述病变的可能性的空间可变脉管连通性数据(35)的装置。
CN2008801166172A 2007-11-20 2008-11-04 脉管形成的可视化 Active CN101861126B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US98913407P 2007-11-20 2007-11-20
US60/989,134 2007-11-20
PCT/IB2008/054592 WO2009066195A1 (en) 2007-11-20 2008-11-04 Visualization of vascularization

Publications (2)

Publication Number Publication Date
CN101861126A true CN101861126A (zh) 2010-10-13
CN101861126B CN101861126B (zh) 2013-02-13

Family

ID=40385506

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2008801166172A Active CN101861126B (zh) 2007-11-20 2008-11-04 脉管形成的可视化

Country Status (6)

Country Link
US (1) US8588492B2 (zh)
EP (1) EP2211717B1 (zh)
JP (1) JP5616229B2 (zh)
CN (1) CN101861126B (zh)
RU (1) RU2488351C2 (zh)
WO (1) WO2009066195A1 (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103608697A (zh) * 2011-09-15 2014-02-26 株式会社岛津制作所 医疗用数据处理装置及具有该医疗用数据处理装置的放射线断层摄像装置
CN106415659A (zh) * 2014-05-19 2017-02-15 皇家飞利浦有限公司 对比增强图像数据中的感兴趣组织的可视化
CN110352035A (zh) * 2017-02-27 2019-10-18 皇家飞利浦有限公司 经由信号变化放大的静脉穿刺和动脉线引导
WO2021081842A1 (zh) * 2019-10-30 2021-05-06 未艾医疗技术(深圳)有限公司 基于vrds ai医学影像的肠肿瘤与血管分析方法和相关装置
CN114365190A (zh) * 2019-10-30 2022-04-15 未艾医疗技术(深圳)有限公司 基于vrds 4d医学影像的脾脏肿瘤识别方法及相关装置

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB0910138D0 (en) 2009-06-12 2009-07-29 Siemens Medical Solutions Combination of MIP and anatomical information
FR2963976B1 (fr) * 2010-08-23 2013-05-10 Gen Electric Procede de traitement d'images pour la determination de zones suspectes dans une matrice tissulaire, et son utilisation pour la navigation 3d a travers la matrice tissulaire
US20140143716A1 (en) * 2011-06-22 2014-05-22 Koninklijke Philips N.V. System and method for processing a medical image
WO2015042519A2 (en) * 2013-09-20 2015-03-26 Mayo Foundation For Medical Education And Research Systems and methods for producing imaging biomarkers indicative of a neurological disease state using gray matter suppression via double inversion-recovery magnetic resonance imaging
TWI573561B (zh) * 2014-11-25 2017-03-11 正崴精密工業股份有限公司 生物訊號量測系統、方法及耳機
JP7080214B6 (ja) * 2016-07-15 2022-06-23 コーニンクレッカ フィリップス エヌ ヴェ 脂肪組織のタイプの識別
CN107038747B (zh) * 2017-03-31 2021-08-06 北京全域医疗技术集团有限公司 一种医学影像文件多平面处理方法及其装置
CN110123453B (zh) * 2019-05-31 2021-07-23 东北大学 一种基于无标记增强现实的手术导航系统

Family Cites Families (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH07262352A (ja) * 1994-03-25 1995-10-13 Ge Yokogawa Medical Syst Ltd 連続体識別方法および３次元画像表示装置
US5752522A (en) * 1995-05-04 1998-05-19 Cardiovascular Concepts, Inc. Lesion diameter measurement catheter and method
US6058218A (en) 1997-11-10 2000-05-02 General Electric Company Enhanced visualization of weak image sources in the vicinity of dominant sources
US6549798B2 (en) * 2001-02-07 2003-04-15 Epix Medical, Inc. Magnetic resonance angiography data
CA2449283C (en) * 2001-06-15 2014-07-22 The Trustees Of The University Of Pennsylvania Functional brain imaging for detecting and assessing deception and concealed recognition, and cognitive/emotional response to information
ES2185493B1 (es) 2001-07-03 2004-06-16 Madrid Genetics, S.L. Metodo para evaluar in vitro en condiciones fisiologicas o patologicas relevantes la actividad biologica de compuestos a gran escala.
US6609021B1 (en) * 2002-05-20 2003-08-19 Siemens Corporate Research, Inc. Pulmonary nodule detection using cartwheel projection analysis
JP2004008304A (ja) * 2002-06-04 2004-01-15 Hitachi Ltd 複数方向の投影映像を用いた３次元形状の生成方法および表示方法
DE102004028123B4 (de) * 2004-06-09 2008-06-26 Siemens Ag Computertomograph mit einer Messanordung und einem Bildrechner zur Erzeugung eines dreidimensionalen Bilddatensatzes eines Körperteils eines Patienten
US20060211940A1 (en) * 2004-10-01 2006-09-21 Marco Antonelli Blood vessel structure segmentation system and method
US7532748B2 (en) * 2004-11-24 2009-05-12 General Electric Company Methods and apparatus for selecting and/or labeling vessel branches
JP2008525126A (ja) * 2004-12-22 2008-07-17 バイオ−ツリー システムズ， インコーポレイテッド 病気の診断およびモニタリングのための医療画像化方法および装置ならびにその用途
EP1859405B1 (en) * 2005-02-14 2011-10-05 Koninklijke Philips Electronics N.V. Apparatus and method for determining an injection point for targeted drug delivery
EP1894164A2 (en) * 2005-06-24 2008-03-05 Edda Technology, Inc. Methods for interactive liver disease diagnosis
US7747051B2 (en) * 2005-10-07 2010-06-29 Siemens Medical Solutions Usa, Inc. Distance transform based vessel detection for nodule segmentation and analysis
DE102006002259A1 (de) * 2006-01-17 2007-07-19 Siemens Ag Verfahren zur Untersuchung von Gefäßen eines Patienten auf der Grundlage von innerhalb eines Untersuchungsbereichs mit einem Tomographiegerät erfassten Bilddaten
JP4916386B2 (ja) * 2007-06-13 2012-04-11 株式会社日立メディコ Ｘ線ｃｔ装置

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103608697A (zh) * 2011-09-15 2014-02-26 株式会社岛津制作所 医疗用数据处理装置及具有该医疗用数据处理装置的放射线断层摄像装置
CN103608697B (zh) * 2011-09-15 2016-06-08 株式会社岛津制作所 医疗用数据处理装置及具有该医疗用数据处理装置的放射线断层摄像装置
CN106415659A (zh) * 2014-05-19 2017-02-15 皇家飞利浦有限公司 对比增强图像数据中的感兴趣组织的可视化
CN110352035A (zh) * 2017-02-27 2019-10-18 皇家飞利浦有限公司 经由信号变化放大的静脉穿刺和动脉线引导
CN110352035B (zh) * 2017-02-27 2023-09-08 皇家飞利浦有限公司 经由信号变化放大的静脉穿刺和动脉线引导
WO2021081842A1 (zh) * 2019-10-30 2021-05-06 未艾医疗技术(深圳)有限公司 基于vrds ai医学影像的肠肿瘤与血管分析方法和相关装置
CN114340497A (zh) * 2019-10-30 2022-04-12 未艾医疗技术(深圳)有限公司 基于vrds ai医学影像的肠肿瘤与血管分析方法和相关装置
CN114365190A (zh) * 2019-10-30 2022-04-15 未艾医疗技术(深圳)有限公司 基于vrds 4d医学影像的脾脏肿瘤识别方法及相关装置

Also Published As

Publication number Publication date
WO2009066195A1 (en) 2009-05-28
JP2011502680A (ja) 2011-01-27
EP2211717A1 (en) 2010-08-04
EP2211717B1 (en) 2014-01-08
RU2010125247A (ru) 2011-12-27
RU2488351C2 (ru) 2013-07-27
CN101861126B (zh) 2013-02-13
JP5616229B2 (ja) 2014-10-29
US20100278408A1 (en) 2010-11-04
US8588492B2 (en) 2013-11-19

Similar Documents

Publication Publication Date Title
CN101861126B (zh) 脉管形成的可视化
CN101231678B (zh) 医用图像处理装置及医用图像处理方法
JP5123954B2 (ja) 医療画像における病変部の特定及び分析
JP6559678B2 (ja) スペクトル画像データ処理
JP6031454B2 (ja) 撮像データにおける潜在異常を特定する方法及び装置並びに医用画像へのその応用
US10098602B2 (en) Apparatus and method for processing a medical image of a body lumen
JP5081390B2 (ja) 腫瘍量を監視する方法及びシステム
EP2880594B1 (en) Systems and methods for performing segmentation and visualization of multivariate medical images
US20120301003A1 (en) Reconstructing an object of interest
JP2013059620A (ja) 血管狭窄の視覚化及びナビゲーションのシステム及び方法
CN110461235A (zh) 心肌ct灌注图像合成
JP7550832B2 (ja) 診断撮像における画像特徴のアノテーション
JP2006110341A (ja) 筒状構造に沿って組織種別を解析するための装置及び方法
JP7258744B2 (ja) スペクトルコンピュータ断層撮影フィンガープリンティング
US10052078B2 (en) Segmentation of moving structure in image data
WO2012038863A1 (en) Quantification of a characteristic of a lumen of a tubular structure
EP3996050A1 (en) Image rendering method for tomographic image data
US20250259348A1 (en) Image processing apparatus, image processing method, and recording medium
Pociask et al. Coronary Plaque Quantification by Multi-slice Computed Tomography

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant