图像中血管结构的遮盖制造技术

图像处理技术可以包括用于把在不同的采集方案获取的医学图像和/或体素数据归一化的方法，还包括一种用于从医学图像和/或体素数据中遮盖选定的解剖结构的方法，这些方法可以产生其他解剖结构的检测改善和/或渲染改善。例如，本发明专利技术提供的技术可以在计算机断层成像(CT)扫描中用于改善结节检测。虽然这里呈现的是在肺部的结节的情况，但是这些技术可以应用于其他进行小的修改的情况，例如，基于对乳房中腺的结构、薄壁组织结构和血管结构的遮盖，在整个乳房X线照相术或乳房断层融合技术领域，对于肿块和/或微钙化点的检测。

Masking of vascular structures in images

Image processing technology can be used to include the methods of medical image acquisition in the acquisition of different schemes and / or voxel data normalization, also includes a method for anatomical structure covering selected from medical images and / or voxel data, these methods can produce other anatomical structures to improve detection and / or rendering to improve. For example, the technique provided by the present invention can be used to improve the detection of nodules in computed tomography (CT) scans. Although presented here is the pulmonary nodules, but these techniques can be applied to other small changes, for example, to cover the breast gland structure, parenchyma and vascular structure based on the structure of the fusion technology in the field of whole breast radiography or tomography for the detection of breast tumors, and / or micro calcification.

【技术实现步骤摘要】
【国外来华专利技术】相关申请的交叉引用本申请是要求2014年3月27号提交的美国临时专利申请第61/971,042号优先权的非临时专利申请，其通过引用合并于此。
本专利技术主要涉及使用特征提取方法和接下来的基于累次模型的预测方法在医学图像数据和/或体素数据中遮盖不需要的结构，本专利技术还涉及可以改进计算机断层成像(CT)扫描中肺部结节的检测的技术。本专利技术范围内的基于模型的预测被定义为基于测量(或者是计算结果或者是从像素/体素得出)使用分析模型、经验模型或其组合(例如神经网络)来预测值(例如像素或体素)。
技术介绍
广泛地认为对象检测是一个挑战性的问题。对于计算机视觉系统来说存在很多使对象检测变得困难的方面，包括的因素(仅举数例)诸如图像采集的变化，对象外观的复杂以及对象背景的显著变化(通常称为杂乱)。在医学成像的领域，“对象”可指正常解剖体的一个具体部分、非解剖对象的位置、或疾病的存在(诸如肿瘤)。医学成像中对象检测的一个重要应用是在胸部CT扫描中检测肺部结节或者肺部肿块。尽管经二十多年的努力，机器结节检测的一般性问题仍然没有解决，并且人检测仍然受限。我们认为重要的原因在于没有解决使这个问题变得困难的一个重要部分：结节与肺部血管的复杂的相互作用以及由于各种采集方案造成在外观上的变化。
技术实现思路
本专利技术的各个方面可以包括：一种用于使在不同采集方案下获得的医学图像数据和/或体素数据归一化的方法，和/或在胸部医学图像数据和/或体素数据中用于遮盖选定的非结节结构的方法。多数非结节结构是血管性内容物，因此术语“血管遮盖”在本专利技术中用作这样的非结节结构的遮盖的通用术语。然而，所公开的技术还可以应用于“血管”/血管结构之外的其他结构，例如胸腔中的支气管壁和裂缝线，以及有时呈现出类似管状属性的人造对象。还可以应用于其他身体部位(例如乳房、心脏、头部)、其他疗法(例如超声波、层析X射线照相组合等)和/或其他领域(例如视频监视、军事目标)。所述技术可用于如下目的：改善结节检测、结节表征和/或改善在解剖学上选定的遮盖的或增强的图像数据的绘制。虽然在本专利技术所描述的技术具体参照肺部中的结节，类似的方法可应用于其他情况。从下面的详细说明中可清楚地看到本专利技术的各个方面的其他特征和优点，通过示例结合附图以举例的方式共同说明了本专利技术的不同方面的特征。附图说明在附图中：图1示出根据本专利技术的一个方面用于例如CT采集归一化的流程图的示例；图2示出根据本专利技术的各个方面显示进一步处理的另一流程图；图3A和3B示出结节仿真前后一部分容积的示例；图3C示出血管遮盖之后的图3B中显示的相同的部分；图4示出根据本专利技术的方面预测阶段的示例的流程图；图5提供根据本专利技术的方面的组织分离的概念描绘；图6A至6C示出移除血管的毛玻璃状结节的图像示例；以及图7示出系统的概念图，其中可实施本专利技术的各个方面；具体实施方式可以使用几种方法用于结节检测，其中可以包括模板匹配(例如Q.Li,S.Katsuragawa和K.Doi，\Computer-aideddiagnosticschemeforlungnoduledetectionindigitalchestradiographsbyuseofamultiple-templatematchingtechnique,\MedicalPhysics,2001,28(10):2070-2076；下文中简称为“Li等，2001”)、多级阈值化(例如S.Armato,M.Giger和H.MacMahon，\AutomateddetectionoflungnodulesinCTscans:preliminaryresults,\MedicalPhysics,2001,28,1552-1561；下文中简称为“Armato等，2001”)、增强滤波器(例如A.Frangi,W.Niessen，K.Vincken和M.Viergever，\Multiscalevesselenhancementfiltering,\MICCAI,1998,130-137；下文中简称为“Frangi等，1998”)以及Q.Li,S.Sone和K.Doi，\Selectiveenhancementfiltersfornodules,vessels,andairwaywallsintwo-andthree-dimensionalCTscans,\MedicalPhysics2003,30(8):2040-2051；下文中简称为“Li等，2003”)以及体素分类(例如D.Wu,L.Lu,J.Bi,Y.Shinagawa,K.Boyer,A.Krishnan和M.Salganicoff，\StratifiedlearningoflocalanatomicalcontextforlungnodulesinCTimages,\CVPR,2000,2791-2798，下文中简称为“Wu等，2000”)。模板匹配(例如Li等，2001)可以包括测量大约每个体素与一组模板的相似性。对象外观变化越多，为了得到合理性能可能需要越多的模板。这种缩放行为可能使困难领域中的模板匹配没有效率。在CT中可以使用多级阈值化(例如Armato等，2001)，部分原因是体素值(其可以以Hounsfield单位(FfU)定义)可以具有有意义的解释。例如，可以用结节密度的知识来设置阀值。这种技术可能会遇到一些困难，一个困难是对于给定的阈值对象形态的适当测量。结节可能连接到周围结构，这可能使精确形态评定变得困难。为了补偿，该方法可嵌入一个形态后处理步骤，来去除连接的结构。然而，形态后处理可能改变结节至无法检测的程度。通过使用更精细的后处理(例如规则驱动改进)可以改进这种方法，但是这种规则驱动改进可导致脆性，并且该方法由此可能更像模板匹配。滤波增强方法(例如Frangi等，1998和Li，2003)可以通过对局部结构的适应来改进模板匹配。该方法可以用来估计从局部张量信息得出的局部结构。两个示例张量是3×3海赛矩阵(Hessianmatrix)和3×3结构张量，其中“3”表示空间尺寸的数目。来自这些张量的特征值可以被用来量化每个体素的“管性”(“tubeness”)、“块性”(“blobness”)或“板性”(“plateness”)。可以组合这些指标去得出一个综合特征指数。虽然这种分析既简单且易于分析，但是也会遇到一些限制。首先，用来组合所述信息的这些表达可能基于结节和血管的理想状态，这在实际情况中会不可能。例如，结节通常不是理想的球形，而且血管通常也不是理想的柱体。因为所述这些方法仅仅使用由第一阶导数和第二阶导数获取的信息，在更复杂区域(诸如血管分叉区域或结节已经附着到血管结构区域)其性能可能不稳定。最后，因为所述这些方法是基于理想状态，在多个标度组合这些指标可能不那么容易。体素分类(例如Wu等，2000)可以包括从CT扫描提取特征，然后分类方法可以用这些特征来产生概率或其他输出信息，表明是否存在结节。体素分类可能需要大量的手工标记数据，这是不切实际的。所述体素分类方法可能也存在试样偏差，这意味着它可以特定地转向聚积以训练它的结节类型，这可导致遗漏的结节。另一种方法见于R.Wiemker,T.Bu本文档来自技高网...

【技术保护点】
一种从表示一个或多个图像或图像容积的数据获得一个或多个图像分量的方法，所述方法包括：归一化和预处理所述数据以获得经处理的数据；从所述经处理的数据提取特征以获得一组所提取的特征；以及基于所述一组所提取的特征使用至少一个模型实施基于模型的预测，以基于一组目标数据预测一个或多个分量。

【技术特征摘要】
【国外来华专利技术】2014.03.27 US 61/971,042;2015.03.23 US 14/665,6521.一种从表示一个或多个图像或图像容积的数据获得一个或多个图像分量的方法，所述方法包括：归一化和预处理所述数据以获得经处理的数据；从所述经处理的数据提取特征以获得一组所提取的特征；以及基于所述一组所提取的特征使用至少一个模型实施基于模型的预测，以基于一组目标数据预测一个或多个分量。2.根据权利要求1所述的方法，其进一步包括：获得去除所述一个或多个分量的预测输出。3.根据权利要求1所述的方法，其进一步包括：从所述数据中减去由所述基于模型的预测所预测的一个或多个分量，以获得去除所述一个或多个所述分量的数据。4.根据权利要求1所述的方法，其中所述数据包括射线照相CT系列，并且其中，一个或多个分量仅包括血管分量。5.根据权利要求1所述的方法，其中所述数据包括射线照相CT系列，并且其中，一个或多个所述分量仅包括结节结构。6.根据权利要求1所述的方法，其进一步包括：在使用原始容积、解剖遮盖容积或两者用于生成所述目标数据之前，将模拟结节、测量结节或两者插入所述原始容积、解剖遮盖容积或两者。7.根据权利要求1所述的方法，其中所述归一化和预处理包括：实施噪声遮盖以获得经噪声遮盖的数据；以及对所述经噪声遮盖的数据执行带通分解。8.根据权利要求6所述的方法，其中所述归一化和预处理进一步包括：对所述带通分解的至少一个结果执行至少一次操作，其中所述至少一次操作选自由包括灰度级配准和增强组成的组中。9.根据权利要求6所述的方法，其中所述归一化和预处理包括：数据重定尺寸以获得目标重定尺寸数据。10.根据权利要求1所述的方法，其中所述提取特征包括：获得跨不同尺度域的高斯型导数。11.权利要求1所述的方法，其中所述执行基于模型的预测包括：采用多个预测模型，以获得对...

【专利技术属性】
技术研发人员：贾森·F·纳普，普拉文·卡库马努，史蒂夫·W·沃雷尔，
申请(专利权)人：河流技术有限公司，
类型：发明
国别省市：美国;US