專利名稱：輸出造影增強的醫(yī)學(xué)圖像數(shù)據(jù)的計算機程序的制作方法
輸出造影增強的醫(yī)學(xué)圖像數(shù)據(jù)的計算機程序
本發(fā)明涉及輸出造影增強的醫(yī)學(xué)圖像數(shù)據(jù)的一串計算機指令，布置該 串指令以對包括示出了造影增強的體素的第一對象數(shù)據(jù)集進行操作，并且 布置該串指令以識別這些示出了造影增強的體素。
造影增強成像利用造影劑或其他增強造影的方法來提高圖像部分中的
相對造影，以提供改進的診斷。Proceedings of SP正第5370巻中由J. Michael Fitzpatrick禾口 Milan Sonka編輯的Medical Imaging 2004: Image Processing 中Tanya Niemeyer等人的"Comparison of Automatic Time Curve Selection Methods for Breast MR CAD"描述了利用動態(tài)造影增強的胸部磁共振通過識 別顯示出足夠高的增強百分比的那些體素來識別可疑的胸部病變?？梢岳?用造影劑的排空曲線(washoutcurve)來區(qū)分惡性病變和良性病變，因為已 知惡性病變由于腫瘤血管床的滲透性增加而易于顯示出造影劑的增加的排 空，而良性病變易于顯示出持久的吸收。可以為所得圖像中造影增強的任 何區(qū)域上定義的感興趣區(qū)域計算出排空輪廓。該方法的結(jié)果是針對感興趣 區(qū)域的一組排空曲線，這些曲線可以用于診斷惡性腫瘤。但是，這些高度 感興趣的區(qū)域包括非病變材料。
本發(fā)明旨在產(chǎn)生造影增強的醫(yī)學(xué)圖像數(shù)據(jù)，這些數(shù)據(jù)允許對造影增強 的病變的更準(zhǔn)確的檢測。
這是根據(jù)本發(fā)明實現(xiàn)的，由此布置該串指令以在第一對象數(shù)據(jù)集中分 割出描述造影增強的血管的那些體素的體素子集，
并且進一步布置該串指令以利用分割的結(jié)果來將示出了造影增強的體 素劃分成描述所分割的血管的第一組體素和描述余下造影增強的體素的第 二組體素，
并且進一步布置該串指令以利用所述劃分來輸出第二對象數(shù)據(jù)集，該 第二對象數(shù)據(jù)集包括示出了造影增強的體素，其中將第一組中的任何體素視覺上標(biāo)記為屬于第一組，且其中將第二組中的任何體素在視覺上標(biāo)記為 屬于第二組。
以下特征能夠識別組織中任何造影增強的血液和淋巴液供應(yīng)，并因此 識別造影劑流過的解剖通道允許在包含造影增強的體素的對象數(shù)據(jù)集中 分割出造影增強的血管，并利用所述分割來生成將造影增強的體素分成血 管體素和非血管體素的劃分，并由此產(chǎn)生對象數(shù)據(jù)集，在該對象數(shù)據(jù)集中 易于識別造影增強的血管體素和造影增強的非血管體素之間的視覺差異。 已經(jīng)發(fā)現(xiàn)這能夠區(qū)分描述病變的體素和其他不描述病變的造影增強的體 素。其具有的特異性優(yōu)點是，即使對象數(shù)據(jù)集顯示為圖像，在該圖像中血 管材料由于其取向而顯示為與圖像平面的橫向?qū)?zhǔn)，也可以識別造影增強 的血管材料。這些血管通常在平面圖像中看起來像造影增強材料的小圓形 區(qū)域，且易于與病變材料相混淆。
因此，本發(fā)明解決了如何更準(zhǔn)確地檢測造影增強的病變的問題，具體 來說解決了如何區(qū)分造影增強的圖像上的真實孤立的病變和造影增強的血 管的小橫截面的問題。
通過在所顯示的合成圖像中使用顏色可以有效地實現(xiàn)視覺標(biāo)記。分離 的顏色或顏色范圍能夠簡便地使每組體素可視化并將每組體素與其他組體 素區(qū)分開。
任何適當(dāng)?shù)难芊指?在本領(lǐng)域也被稱為血管樹提取算法)均可以使 用，但是特別有利的是通過包括波前傳播的區(qū)域生長算法來執(zhí)行分割。這 些算法可以從例如以下文件中獲知SPIE2002中Thorsten Schlath6lter等人 的"Simultaneous Segmentation and Tree Reconstruction of the Airways for Virtual Bronchoscopy", MICCAI 2004中Thomas Biilow等人的"A General Framework for Tree Segmentation and Reconstruction from Medical Volume Data",以及Proceedings of SPIE第5746巻中由Amir A. Amini和Armando Manduca編輯的Medical Imaging 2005: Physiology, Function and Structure from Medical Images中Thomas Biilow等人的"Automatic Extraction of the Pulmonary Artery Tree from Multi-Slice CT Data"。這些分割提供了特別準(zhǔn)確 的血管樹分割，然后繼續(xù)生長代表獨立血管段內(nèi)的空間的片段，并將這些 片段連通在一起以形成代表成像體中的真實血管樹的分支網(wǎng)絡(luò)。換句話說，從種子點開始，將對血管樹的連通子樹進行分割。所述分割通常在減影圖 像上的三維方向執(zhí)行，該減影圖像顯示了造影后的圖像和造影前的圖像之 間的差異。
從初始種子點生長的區(qū)域生長算法開始于對象數(shù)據(jù)集內(nèi)的點或體素， 該點或體素或者通過一些協(xié)議或計算機子程序來自動選擇，或者通過對象
數(shù)據(jù)集的査看器(viewer)來選擇。從這一種子點生長出波前，通常為快行 波前(fast marching front),這一波前傳播經(jīng)過對象數(shù)據(jù)集的體素，并對其 遇到的每個體素應(yīng)用體素接受標(biāo)準(zhǔn)。如果該體素滿足該標(biāo)準(zhǔn)，則將其合并 在所生長的體積中。在這種情況下，利用該體素接受標(biāo)準(zhǔn)將波前限制到血 管。該體素接受標(biāo)準(zhǔn)通常是閾值，且將其選擇為一閾值數(shù)值，該閾值數(shù)值 區(qū)分代表要分割的結(jié)構(gòu)中的組織的體素(在這種情況下為血管樹)和代表 該局部的其他組織的體素。在當(dāng)前情況下，適當(dāng)?shù)拈撝凳堑湫歪槍Υ硌?管壁的體素的灰度等級數(shù)值。在通過計算機斷層攝影獲得對象數(shù)據(jù)集的情 況下，足以識別動脈組織的管壁的典型閾值數(shù)值是在1100-1300 HU范圍內(nèi) 的數(shù)值。當(dāng)將本發(fā)明應(yīng)用于源于MR成像的數(shù)據(jù)時，發(fā)現(xiàn)磁場梯度的固有 變異性使得閾值的選擇更加困難，該磁場梯度的固有變異性又產(chǎn)生輸出對 象數(shù)據(jù)集的絕對數(shù)據(jù)點數(shù)值的變化。計算適當(dāng)?shù)拈撝禂?shù)值的一種方法是利 用Hessian矩陣(其計算對本領(lǐng)域技術(shù)人員來說是已知的)，即利用Hessian 矩陣來計算特征向量(其本身為已知程序)，并利用這些特征向量來識別對 象數(shù)據(jù)集中適當(dāng)血管的橫截面。然后計算這一橫截面的中心，并從該中心 點投射出射線，且沿每條射線以適當(dāng)間隔計算梯度。出現(xiàn)最大梯度的點指 示出其灰度值適于用作該特殊情況下的體元接受標(biāo)準(zhǔn)的閾值數(shù)值的體元。
當(dāng)波前到達樹的任何分支點時，該波前分裂。實際上其分裂成多組連 通點，通常由于血管樹的分岔而分裂成兩組。所應(yīng)用的算法定期檢查跨越 波前的連通性，且當(dāng)檢測到缺乏連通性時，該算法停止波前傳播，識別多 組連通點，并在每個組內(nèi)識別新的種子點，從該點傳播新的波前。由此繼 續(xù)分割程序。新的種子點可被簡單地計算為連通組的中心處的體素，但是 本領(lǐng)域技術(shù)人員應(yīng)該理解的是，由于從該點生長出新的波前，實際上它可 以是該組中的任何體素。
該算法包括對片段級做的各種檢查。首先是總體上對片段應(yīng)用終止標(biāo)準(zhǔn)。允許每個片段在其停止之前進行到最大長度，且在片段末端的連通體 素組中計算新的種子點。通過對片段應(yīng)用片段評價標(biāo)準(zhǔn)來執(zhí)行有效性檢査。 這通常在片段擴展過程中執(zhí)行，因為只有當(dāng)可以產(chǎn)生有效片段時才能更有 效地繼續(xù)生成特殊片段。但是，理論上有可能在已經(jīng)生成所有片段時在程 序結(jié)尾執(zhí)行這一過程。片段無效的典型原因是所分割的體積由于不滿足體 素接受標(biāo)準(zhǔn)而泄漏到周圍組織中。在小血管中由于部分容積效應(yīng)會出現(xiàn)不 滿足體素接受標(biāo)準(zhǔn)的情況。在有泄漏的情況下，有效性檢查可以有利地基 于半徑值，該半徑值代表根據(jù)所考慮的組織的解剖評估可能預(yù)料不到的血
管半徑值。作為替代，如本領(lǐng)域所知，可以利用"血管性(vessdness)"濾 波器來使獨立片段有效。當(dāng)檢測到泄漏時，則不僅去除該泄漏，還去除與 該泄漏相連的整個片段。保持最大片段長度避免了在發(fā)生泄漏時損失太大 的片段長度。
利用片段評價標(biāo)準(zhǔn)來定期評價每個片段以便接受或拒絕整個片段。允 許為被接受片段上的每個連通前端分量初始化新的片段。不利用被拒絕片 段來初始化初始種子點的更多下游片段。片段評價標(biāo)準(zhǔn)可以是基于灰度值 的，例如"血管性"、"取向性(orientedness)"，經(jīng)?；谝阎夹g(shù)來設(shè)計 這些標(biāo)準(zhǔn)以分析圖像空間內(nèi)的灰度值分布，例如利用Hessian矩陣、梯度和 射線投射等，或者作為替代所述標(biāo)準(zhǔn)可以具有幾何特性且可以基于例如最 大片段半徑、延長的形狀等。
可以利用各種標(biāo)準(zhǔn)的自適應(yīng)參數(shù)集來重新生長表現(xiàn)為不可接受的片 段。當(dāng)從父片段(parent segment)繼承得到新片段時，也使這些參數(shù)適應(yīng)。
一旦己經(jīng)生長出片段，對樹級進行檢査以去除任何錯誤片段。這些是 只能在樹級做出的決定，因為不能通過考慮單個片段來得到這些決定。例 如，如果過高的分支點密度指示出泄漏，則可以去除子樹。例如，也可以 包括標(biāo)準(zhǔn)以去除任何錯誤分支點。
在樹級檢查之后，可以根據(jù)組成片段構(gòu)建整個樹。
如本領(lǐng)域所知，通常將這些區(qū)域生長算法應(yīng)用于體積數(shù)據(jù)以識別特定 樹中的體素，但是也有可能將它們應(yīng)用于二維切片數(shù)據(jù)。但是，即使當(dāng)應(yīng) 用于體積數(shù)據(jù)，應(yīng)用這一區(qū)域生長算法的結(jié)果也可以在二維切片圖像中觀 察。體積數(shù)據(jù)包含代表造影增強材料的體素，并因此可以是代表注射造影劑后獲得的圖像數(shù)據(jù)的對象數(shù)據(jù)集，但是也可以且更典型地是代表注射后 圖像數(shù)據(jù)集的對象數(shù)據(jù)集，其通過從相應(yīng)的注射前圖像數(shù)據(jù)中減去等價的 且通常寄存的數(shù)據(jù)點而得以修正。后一技術(shù)具有以下優(yōu)點在代表造影增 強材料的體素和所得圖像中的所有其他體素之間存在更大的體素值差異， 實際上，通過從相應(yīng)的注射前圖像中減去圖像數(shù)據(jù)已經(jīng)對對象數(shù)據(jù)進行了 背景校正。
由本發(fā)明識別的第一組體素和第二組體素之間的差異有利地由使用者 通過利用所述劃分來識別，以便計算在其中識別第一組體素的掩模。實際 上，這是顯式血管覆蓋的形式，并且涉及三維血管樹覆蓋到顯影上。如本 領(lǐng)域所知，掩模是進一步的對象數(shù)據(jù)集，其中所有的數(shù)據(jù)點為l或者0。當(dāng) 應(yīng)用于第二對象數(shù)據(jù)集時，可以利用本領(lǐng)域已知技術(shù)實現(xiàn)的這一掩模將為 觀察者從源于第二對象數(shù)據(jù)集的圖像中的第一組中識別所有體素。換句話 說，它允許觀察者視覺識別所得圖像中的血管。如果進一步用一些顯而易 見的顏色顯示這些體素，則對觀察者來說它們將顯得更加顯而易見，并且 如本領(lǐng)域所知，當(dāng)將該數(shù)據(jù)集視為二維視圖的堆疊時，這具有特殊的優(yōu)勢， 且其中血管數(shù)據(jù)由于橫向?qū)?zhǔn)每個觀察平面而被截平。識別和顯示血管材 料具有特異性的診斷價值，因為很多癌癥病變在其發(fā)展過程中在一些點處 變得高度血管化。因此血管體素的視覺顯示允許更簡便的血管聚集確認(rèn)， 其可以指向高度血管化的癌癥病變的存在，即使由于某些原因該病變沒有 充分吸收造影劑并因此不在造影增強的圖像上清晰顯示。
作為替代，可以利用所述劃分來計算在其中識別第二組體素的掩模。 這可以被稱為血管抑制。這從三維顯示中去除血管以降低血管被誤認(rèn)為可 疑病變的風(fēng)險。當(dāng)應(yīng)用于第二對象數(shù)據(jù)集時，這一掩模將為觀察者從源于 第二對象數(shù)據(jù)集的任何圖像中的第二組中識別所有體素。由于可以期望第 二組包含代表病變的任何體素，其在使用掩模數(shù)據(jù)來給第二對象數(shù)據(jù)集中 的第二組體素涂色時特別有利。這一步驟具有以下優(yōu)點代表造影增強病 變材料的任何體素在任何合成圖像中都顯示出是有色的，并因此對于觀察 者來說是高度可見的。
作為替代，可以通過計算和顯示示出了血管體素和非血管體素這兩者 的圖像來組合這兩種優(yōu)點，每種類型用不同的顏色或顏色范圍顯示。
9用于顯示數(shù)據(jù)的更多選項包括利用血管的重疊三維顯影來計算和顯示 原始數(shù)據(jù)或者甚至源于初始對象數(shù)據(jù)集的任何類型數(shù)據(jù)的灰度值多平面重
建(multiple planar reformats),例如減影圖像或增強圖像。這一視圖特別有 利于指示多平面重定格式中可能被誤讀為可疑病變的血管橫截面。也可以 突顯高度血管化的區(qū)域，其在這一顯影模式中變得特別明顯。
該方法在應(yīng)用于DCE胸部MR成像時特別有利，因為人體胸部的血管 很小，因此在成像平面橫切血管軸線方向的情況下難以在圖像上準(zhǔn)確識別。 在這一情況下，在本發(fā)明中每lmm就評估波前傳播的連通性。應(yīng)用最大片 段長度lcm作為終止標(biāo)準(zhǔn)。有利地使用4mm的半徑終止標(biāo)準(zhǔn)值，因為它代 表可以檢測泄漏的血管半徑值，并確保不生成可能不代表人體胸部中的真 實血管的片段。
進一步的優(yōu)點在于當(dāng)將該方法應(yīng)用于胸部成像時，在樹級不需要將檢 查合并在區(qū)域生長算法中。由于人體乳腺中血管的平滑性和規(guī)則性且在身 體的這一部分缺少錯誤的分支點，可以免除樹級檢查。在整體樹結(jié)構(gòu)內(nèi)缺 少樹級判定可以節(jié)省計算能力和時間。
應(yīng)用本發(fā)明的結(jié)果是更準(zhǔn)確的造影增強的圖像數(shù)據(jù)。
本發(fā)明還涉及工作站，其配置為合并該串計算機指令且具有以下優(yōu)點 它適用于在適于處理和評估醫(yī)學(xué)圖像的工作空間中執(zhí)行本發(fā)明。
本發(fā)明還涉及計算機輔助檢測系統(tǒng)，其配置為合并該串計算機指令且 具有以下優(yōu)點它適用于在工作空間中執(zhí)行本發(fā)明，該工作空間適于為了 診斷而應(yīng)用計算機輔助檢測算法來評估醫(yī)學(xué)圖像。
結(jié)合以下附圖將描述本發(fā)明的這些和其他方面。

圖1是顯示了胸部癌癥病變和部分血管樹的減影圖像； 圖2是圖1的圖像的彩圖再現(xiàn)，其顯示了在生成信號強度曲線之后的 造影增強區(qū)域；
圖3顯示了血管樹提取的結(jié)果；
圖4顯示了可以用于自動種子點選擇的血管增強濾波器的濾波器響應(yīng)， 可以在血管增強的圖像上執(zhí)行血管樹分割。
10對象數(shù)據(jù)集可以用于構(gòu)建代表穿過該數(shù)據(jù)集所代表的組織體的單個切 片的二維圖像，還可以用于構(gòu)建代表三維組織體的圖像。后者是通過本領(lǐng) 域已知的各種體可視化技術(shù)實現(xiàn)的。
圖1是顯示了胸部癌癥病變和部分血管樹的減影圖像。所有造影增強 材料都顯現(xiàn)為明亮的，但是在血管樹結(jié)束和病變開始處的圖像中其并不是 完全清晰的。
圖2是顯示了在生成信號強度曲線之后的造影增強區(qū)域的彩圖。很清 楚的是，信號強度曲線不能區(qū)分病變和血管樹。如果將信號強度曲線的輸 出用作計算機輔助檢測算法的直接輸入，則可能促使該算法將血管錯誤地 檢測為病變。
圖3顯示了血管樹提取的結(jié)果。交互地放置一個種子點?，F(xiàn)在血管301 是清晰可識別的，并與造影增強的病變材料302分離。
圖4顯示了可以用于自動種子點選擇的血管增強濾波器的濾波器響應(yīng)。 可以在血管增強的圖像上執(zhí)行血管樹分割。
權(quán)利要求
1、一串計算機指令，其輸出包含代表造影增強材料的體素的醫(yī)學(xué)圖像數(shù)據(jù)，并且布置所述指令串以對包括示出了造影增強的體素的第一對象數(shù)據(jù)集進行操作，并且布置所述指令串以識別示出了造影增強的所述體素，所述指令串的特征在于布置所述指令串以在所述第一對象數(shù)據(jù)集中分割出描述造影增強的血管的那些體素的體素子集，并且進一步布置所述指令串以利用所述分段的結(jié)果來將示出了造影增強的所述體素劃分成描述所分段的血管的第一組體素和描述余下造影增強的體素的第二組體素，并且進一步布置所述指令串以利用所述劃分來輸出第二對象數(shù)據(jù)集，所述第二對象數(shù)據(jù)集包括示出了造影增強的一組體素，其中，將所述第一組中的任何體素在視覺上標(biāo)記為屬于所述第一組，并且其中，將所述第二組中的任何體素在視覺上標(biāo)記為屬于所述第二組。
2、 如權(quán)利要求l所述的計算機指令串，其特征在于，通過區(qū)域生長算法來執(zhí)行所述分段，所述區(qū)域生長算法包括從種子點生長的波前傳播。
3、 如權(quán)利要求2所述的計算機指令串，其特征在于，所述區(qū)域生長算 法包括用于從初始種子點生長波前的指令，并且還包括用于將所述波前內(nèi) 的獨立體素和接受標(biāo)準(zhǔn)相比較以包括或排除來自所述生長區(qū)域的所述體素 的指令。
4、 如權(quán)利要求2或3所述的計算機指令串，其特征在于，所述區(qū)域生 長算法包括用于檢測跨越所述波前的所述體素的連通性的指令，并且還包括用于在未檢測到連通性的情況下停止所述波前傳播的指令，并且還包括用于計算在所停止的波前上相互連通的體素的構(gòu)成組的指令，并且還包括用于在相連通的體素的獨立構(gòu)成組內(nèi)選擇新的種子點并從 所述新的種子點開始新的波前的指令。
5、 如權(quán)利要求4所述的計算機指令串，其特征在于，所述波前每擴展 一毫米，就對跨越所述波前的所述體素的連通性進行檢査。
6、 如權(quán)利要求3所述的計算機指令串，其特征在于，所述接受標(biāo)準(zhǔn)是 灰度等級閾值數(shù)值。
7、 如權(quán)利要求l所述的計算機串，其特征在于，利用所述劃分來計算 識別所述第一組體素的掩模，并進一步布置所述劃分以將所述掩模應(yīng)用到 所述第二對象數(shù)據(jù)集，從而使得所述劃分適用于產(chǎn)生圖像，在所述圖像中 識別出所述第一組體素。
8、 如權(quán)利要求l所述的計算機指令串，其特征在于，利用所述劃分來 計算識別所述第二組體素的掩模，并進一步布置所述劃分以將所述掩模應(yīng) 用到所述第二對象數(shù)據(jù)集，從而使得所述劃分適用于產(chǎn)生圖像，在所述圖 像中識別出所述第二組體素。
9、 如權(quán)利要求7或8所述的計算機指令串，其特征在于，用顏色描繪 所掩蔽的體素。
10、 如權(quán)利要求1所述的計算機指令串，其特征在于，通過以代表每 個相應(yīng)組的顏色或顏色范圍顯示所述第一組中的所述體素和/或所述第二組 中的所述體素來布置所述視覺標(biāo)記。
11、 一種如前面任一項權(quán)利要求所述的計算機指令串，其特征在于， 所述第一對象數(shù)據(jù)集包括代表乳腺組織的體素。
12、 一種工作站，其包括如前面任一項權(quán)利要求所述的計算機指令串。
13、 一種計算機輔助檢測系統(tǒng)，其包括如前面任一項權(quán)利要求所述的 計算機指令串。
全文摘要
提出了一串計算機指令，以輸出包含代表造影增強材料的體素的醫(yī)學(xué)圖像數(shù)據(jù)，且布置該串計算機指令以對包括示出了造影增強的體素的第一對象數(shù)據(jù)集進行操作，由此其在第一對象數(shù)據(jù)集中分割出描述造影增強的血管的那些體素的體素子集，并利用分割結(jié)果來將示出了造影增強的體素劃分成描述所分割的血管的第一組體素和描述余下造影增強的體素的第二組體素，并利用所述劃分來輸出第二對象數(shù)據(jù)集，該第二對象數(shù)據(jù)集包括示出了造影增強的體素，其中第一組體素和第二組體素之間的差異是可識別的。特別有利地將其應(yīng)用于動態(tài)造影增強的胸部成像。
文檔編號G06T5/00GK101443813SQ200780017698
公開日2009年5月27日 申請日期2007年5月14日 優(yōu)先權(quán)日2006年5月17日
發(fā)明者L·阿爾巴什-邁內(nèi)爾, R·維姆科, T·比洛 申請人:皇家飛利浦電子股份有限公司