用于投影图像的图像分解的系统和方法技术方案

本公开涉及一种用于解剖投影图像的图像分解的系统。所述系统包括实施投影图像的分解算法的数据处理系统，所述投影图像是通过利用成像辐射辐照对象的部分而生成的。在被辐照部分之内的身体部分是成像辐射的衰减的三维衰减结构，其中，所述衰减结构表示所述分解算法的预定义分类的衰减结构的成员，由此表示所述身体部分的分类。所述数据处理系统使用所述衰减结构的分类来分解所述投影图像数据。所述投影图像数据的分解基本上将经分类的身体部分对所述投影图像的贡献与所述对象的另外的身体部分对所述投影图像的贡献之间进行分离。所述另外的身体部分与所述经分类的身体部分在所述投影图像中至少部分地重叠。

【技术实现步骤摘要】
【国外来华专利技术】用于投影图像的图像分解的系统和方法
本专利技术涉及用于投影图像的分析的系统和方法。更具体而言，本专利技术涉及用于使用预定义的分类对投影图像进行分解的系统和方法。
技术介绍
投影放射照相术是医学诊断中广泛采用的技术。其依赖于从患者获取的投影图像。使用X射线辐射来生成投影图像，X射线辐射由X射线辐射源发射并且穿过患者的身体部分。X射线辐射通过与身体部分的不同组织类型和骨骼的交互而衰减。探测器相对于X射线辐射源被布置在身体部分的后面。探测器吸收残留在患者身后的X射线辐射，并将其转换为指示由患者引起的X射线衰减的投影图像。当分析X射线图像时出现的典型问题是：待检查的人体的解剖结构或功能部分的投影图像通常由于图像中的其他对象(诸如骨骼)而被遮挡。这使得图像分析更加困难，通常需要深厚的专业知识和经验。举例来说，在使用X射线成像进行结节检测的上下文中，放射科医生通常必须考虑图像中结节的外观会受到肋骨、脊柱、脉管系统和其他解剖结构的图像贡献的影响。鉴于该问题，X射线计算机断层摄影技术的发展已经为基于X射线的诊断带来了重大进展。计算机断层摄影成像系统通常包括电动桌台，该电动桌台使患者移动通过旋转机架，在旋转机架上安装有放射源和探测器系统。从单个CT成像流程获取的数据通常包含多个连续扫描或者一个螺旋扫描。使用重建算法，能够从CD成像数据中获得通过内部器官和组织的解剖结构或截面图像(“切片”)的体积(3D)表示。然而，已经表明，与在获取单幅X射线投影图像时递送的药剂相比，CT扫描会递送高100至1000倍的剂量。<br>文献US2017/0178378A1涉及一种被配置为对在射线照片中先前被抑制的图像结构进行可视化的装置。图形指示符被叠加在射线照片上，以指示被抑制的图像结构。该装置被配置为允许切换进出图形指示符或者在其不同的图形绘制之间切换。因此，需要允许基于医学投影图像进行更有效诊断的系统和方法。独立权利要求的主题满足了这种需求。
技术实现思路
本公开的实施例提供了一种用于解剖投影图像的图像分解的系统，所述系统包括实现分解算法的数据处理系统。所述分解算法被配置为：读取表示通过利用成像辐射来辐照对象而生成的投影图像的投影图像数据。对象的被辐照的身体部分是成像辐射的衰减的三维衰减结构。所述衰减结构表示分解算法的预定义分类的衰减结构的成员，由此表示衰减结构的分类。所述数据处理系统还被配置为：使用衰减结构的分类来分解投影图像。投影图像的分解在分类的身体部分对投影图像的贡献与对象的另外的身体部分对投影图像的贡献之间进行分解。所述另外的身体部分与分类的身体部分在投影图像中至少部分地重叠。由此，基于诸如X射线投影图像的投影图像，能够获得诸如心脏的身体部分的分解图像，其中，由于诸如肋骨架的其他身体部分所引起的遮挡效果被抑制或甚至消除。值得注意的是，在X射线分析的领域中，这允许基于低剂量投影放射学的医学诊断，而无需进行复杂且昂贵的3DX射线重建流程。这样的3DX射线重建流程需要复杂的CT扫描器，既耗时又给患者带来大量的辐射暴露。因此，所提出的系统允许将2D投影图像分解为功能上有意义的组成部分。所述数据处理系统可以包括处理器，所述处理器被配置为执行用于执行分离算法所需的操作。所述数据处理系统可以是独立数据处理系统，诸如独立计算机，也可以是分布式数据处理系统。可以使用投影成像来生成投影图像。为了执行投影成像，可以提供辐射源，所述辐射源基本上是点源，并且在入射到被配置为探测成像辐射的辐射探测器上之前发射穿过对象的身体的部分的成像辐射。能设想到的是，诸如在闪烁扫描术中提供多于一个点源。探测器上的每个图像点的强度可以取决于沿着入射射线的路径的局部衰减系数的线积分。所述线积分可以表示成像辐射的吸收率。因此，投影图像可以指示二维吸收率分布。入射射线可以在点源与探测器之间基本上不偏转地行进。辐射源可以基本上是点源。能设想到的是，诸如在闪烁扫描术中辐射源位于对象的身体内。可以使用电磁辐射(诸如X射线辐射和/或伽马辐射)来生成投影图像。当使用X射线射线照相术和/或闪烁扫描术进行成像时，被成像的身体部分可以衰减用于生成投影图像的电磁辐射。还能设想到的是，使用声辐射作为成像辐射，特别是超声辐射，来生成投影图像。超声辐射的频率可以在0.02GHz与1GHz之间的范围之内，特别是在MHz1与500MHz之间的范围之内。可以使用声学换能器，诸如压电换能器，来生成成像辐射。所述衰减结构可以被定义为身体部分，其中，在所述身体部分之内，局部吸收率与围绕衰减结构的相邻身体部分相比是可检测地不同的。所述衰减结构可以通过衰减对比度来定义。举例来说，在衰减结构内的每个点处，局部衰减超过围绕衰减结构的相邻身体部分的局部衰减大于1.1倍或大于1.2倍。进一步举例来说，在衰减结构内的每个点处，局部衰减比相邻身体部分的局部衰小小于0.9倍或小于0.8倍。所述数据处理系统可以被配置为对身体部分进行分类以获得分类。所述数据处理系统可以被配置为使用投影图像来生成一幅或多幅分解图像。所述分解图像可以表示将投影图像分解为不同身体部分对投影图像的贡献。不同的身体部分可以表示不同的分类。每幅分解图像可以示出身体部分的贡献，其中，一个或多个其他身体部分的贡献被抑制或消除。根据实施例，所述身体部分是身体的解剖学和/或功能上定义的部分。身体的解剖学定义的部分可以是身体的骨骼结构和/或组织结构。身体的功能上定义的部分可以是执行解剖功能的身体部分。根据另外的实施例，对所述投影图像的分解包括：为所述投影图像确定指示分类的身体部分对投影图像的贡献的贡献图像。所述贡献图像可以表示身体部分对成像强度的衰减的贡献。根据实施例，所述投影图像的分解包括生成多幅分解图像，每幅分解图像指示成像辐射的二维吸收率分布，其可以在投影图像的图像平面中被测量。对于图像平面中的每个点，所述分解图像的吸收率分布的加和可以在预定义的准确度之内对应于投影图像的吸收率分布。所述数据处理系统可以被配置为检查所述加和是否在预定义的准确度之内对应于吸收率分布。根据另外的实施例，所述分解算法包括机器学习算法，用于使用身体部分的分类来执行对投影图像的分解。所述机器学习算法可以被配置用于监督的或无监督的机器学习。具体地，所述数据处理系统可以被配置用于用户交互式监督的机器学习。根据另外的实施例，所述分解算法包括最近邻分类器。所述最近邻分类器可以是基于补丁的。根据实施例，所述数据处理系统被配置为使用体积图像数据来训练所述机器学习算法。所述体积图像数据可以使用X射线计算机断层摄影来获取。根据实施例，所述机器学习算法包括人工神经网络(ANN)。所述ANN可以包括输入层、输出层以及一个或多个中间层。ANN可以包括多于5个、多于10个、或者多于100个的中间层。中间层的数量可以小于500。根据实施例，所述数据处理系统被配置用于对所述体积图像数据的部分的半自动或自动分割。经分割的部分可以表示待分类的身体部分。所述数据处理系统可以被配置为使用体积图像数据来本文档来自技高网...

【技术保护点】
1.一种用于解剖投影图像的图像分解的系统，所述系统包括实施分解算法的数据处理系统(6)，所述数据处理系统被配置为：/n读取表示通过利用成像辐射辐照对象的部分而生成的投影图像的投影图像数据；/n其中，被辐照部分之内的身体部分是所述成像辐射的衰减的三维衰减结构，其中，所述衰减结构表示所述分解算法的预定义分类的衰减结构的成员，由此表示所述衰减结构的分类；/n其中，所述数据处理系统(6)还被配置为：/n使用所述衰减结构的所述分类来分解所述投影图像；并且/n其中，所述投影图像的所述分解在经分类的身体部分对所述投影图像的贡献与所述被辐照部分中的另外的身体部分对所述投影图像的贡献之间进行分解，其中，所述另外的身体部分与所述经分类的身体部分在所述投影图像中至少部分地重叠。/n

【技术特征摘要】
【国外来华专利技术】20180118 EP 18152355.61.一种用于解剖投影图像的图像分解的系统，所述系统包括实施分解算法的数据处理系统(6)，所述数据处理系统被配置为：
读取表示通过利用成像辐射辐照对象的部分而生成的投影图像的投影图像数据；
其中，被辐照部分之内的身体部分是所述成像辐射的衰减的三维衰减结构，其中，所述衰减结构表示所述分解算法的预定义分类的衰减结构的成员，由此表示所述衰减结构的分类；
其中，所述数据处理系统(6)还被配置为：
使用所述衰减结构的所述分类来分解所述投影图像；并且
其中，所述投影图像的所述分解在经分类的身体部分对所述投影图像的贡献与所述被辐照部分中的另外的身体部分对所述投影图像的贡献之间进行分解，其中，所述另外的身体部分与所述经分类的身体部分在所述投影图像中至少部分地重叠。


2.根据权利要求1所述的系统，其中，所述分解算法包括机器学习算法，所述机器学习算法优选包括人工神经网络(ANN)，并且被配置用于使用所述身体部分的所述分类来执行所述投影图像的所述分解；
其中，所述数据处理系统被配置为使用体积图像数据来训练所述机器学习算法。


3.根据权利要求2所述的系统，其中，所述数据处理系统被配置用于从所述体积图像数据中对所述体积图像数据中的表示待分类的所述身体部分的部分的半自动或自动分割，并且计算所述体积图像数据的经分割的部分的模拟投影图像。


4.根据权利要求3所述的系统，其中，所述数据处理系统还被配置为使用所述体积图像数据来计算所述对象的所述被辐照部分的模拟投影图像。


5.根据权利要求4所述的系统，其中，所述机器学习算法被配置为使得所述训练基于所述体积图像数据的所述经分割的部分的计算的投影图像和所述对象的所述被辐照部分的所述模拟投影图像。


6.根据前述权利要求中的任一项所述的系统，其中，所述投影图像的所述分解包括：针对所述投影图像确定指示所述经分类的身体部分对所述投影图像的所述贡献的贡献图像。


7.根据前述权利要求中的任一项所述的系统，其中，所述衰减结构是所述身体的解剖学和/或功能上定义的部分。


8.根据前述权利要求中的任一项所述的系统，其中，所述数据处理系统还被配置为：取决于一幅或多幅另外的投影图像来分解所述投影图像，所述一幅或多幅另外的投影图像...

【专利技术属性】
技术研发人员：I·M·巴尔特鲁沙特，T·克内普，H·尼克基施，A·扎尔巴赫，
申请(专利权)人：皇家飞利浦有限公司，
类型：发明
国别省市：荷兰;NL