误差适应性功能成像制造技术

一种用于功能医学成像的方法，包括根据空间变化误差模型的函数将功能成像数据进行适应性分割。根据优化策略分割功能图像数据。所述数据可以进行可视化或用于计划治疗过程。在一个实现方式中，分割所述图像数据以改变其空间分辨率。在另一个实现方式中，基于误差模型改变聚类的数目。

【技术实现步骤摘要】
【国外来华专利技术】误差适应性功能成像下文主要涉及功能医学成像。它特别应用于需要识别和解决功能成像 信息中由噪声和其他误差源引起的不确定性的情况。医学成像技术己经成为疾病诊断和治疗的关键工具。医学成像中 一个 备受关注的方面就是功能成像，功能成像提供诊断和/或治疗相关的功能参 数信息。功能成像通常包括生成感兴趣参数的参数映射图。 一个示例就是在肿瘤学研究中使用FMISO-PET图像，在肿瘤学研究中使用缺氧相关的功能参 数来区别肿瘤中侵袭性强的部分或侵袭性弱的部分。另一个示例包括心脏 PET或SPECT研究，其中使用灌注相关功能参数的参数映射图来识别心肌 的灌注不足区域。其它示例包括功能磁共振成像(fMRI)，其特别用于提供 脑功能相关的信息；以及分子成像，其提供有关分子标记或试剂的信息。然而， 一个复杂的因素就是噪声和其它不确定性的影响。虽然体素方 式的参数估计提供了相对较高的空间分辨率，但是这样的估计尤其容易受 到底层图像数据中噪声的影响。如果未加解决，这种噪声的影响能够产生 次优诊断或治疗。平滑技术用于降低由诸如成像噪声、建模噪声以及数据稀疏的因素引 起的统计参数波动。 一种常用的平滑技术是聚类，其中将感兴趣的区域或 体积分成具有相似参数值的邻接或非邻接子区域。指定期望的聚类数目， 并使用聚类算法将所述区域划分为指定数目的聚类。所谓的定义区域反过 来用于珍断(例如，确定肿瘤或心肌中缺血区域的大小)和/或治疗(例如， 确定辐射治疗计划中的辐射剂量)。然而，前述技术的一个缺点在于聚类的数目和/或分布可能不恰当，从 而导致次优聚类。次优聚类会反过来导致次优诊断和/或治疗。因此，需要提供改进的技术来解决功能成像中噪声和其它不确定性的 影响。本专利技术的各方面关注这些内容以及其他内容。根据本专利技术的第一方面， 一种方法包括接收指示对象的感兴趣区域的 功能图像数据，其中功能图像数据包括空间变化功能参数值和空间变化功 能误差模型。该方法还包括根据空间变化误差模型的函数分割感兴趣区域 并生成指示经分割的感兴趣区域的图像。根据本专利技术的另一个方面， 一种设备包括用于接收指示对象的感兴趣 区域的功能图像数据的装置，其中功能图像数据包括空间变化功能参数值 和空间变化功能误差模型。该方法还包括用于根据空间变化误差值的函数 分割感兴趣区域的装置，以及用于生成指示经分割的感兴趣区域的图像的 装置。根据本专利技术的另一个方面， 一种包含指令的计算机可读存储介质，该 指令在由计算机运行吋令计算机执行如下方法，该方法包括接收指示对 象的感兴趣区域的功能图像数据以及将功能图像数据聚集成多个聚类。功 能图像数据包括功能值和功能误差模型。聚类的数目是包括在聚类屮的功 能值的功能误差模型的函数。根据本专利技术的另一个方面， 一种包含指令的计算机可读存储介质，该 指令在由计算机执行时令计算机执行如下方法，该方法包括接收指示对 象的感兴趣区域的功能图像数据；使用空间变化功能误差模型在空间上改 变功能图像数据的空间分辨率；以及生成指示功能图像数据的图像。根据本专利技术的另一方面， 一种方法包括接收指示感兴趣区域的功能 图像数据；在GUI上以人可读方式显示功能图像数据；以及基于功能误差模型和所显示的功能图像数据的人工评价对感兴趣区域进行交互式分割。 本领域技术人员在阅读并理解附图及说明书后将领会到本专利技术的其他方面。本专利技术通过举例方式进行说明，且并不局限于附图中的各幅图，在附图中相同的附图标记指示相似的元件，且在幅图中 附图说明图1描绘出分割图像体积的各步骤；图2A、 2B、 2C和2D描绘出处于二元分割各个阶段的图像体积；图3描绘出多个聚类。从实际成像过程(例如PET、 SPECT或fMRI)得到的参数映射图和功 能信息由于底层图像数据中的噪声而拥有大量的误差或不确定性。功能参 数值的噪声通常与在其上进行估计的区域的大小相关。体素方式估计示出 最高水平的空间分辨率，但通常在所显示的值中具有较大的不确定性或置 信区问。虽然降低空间分辨率常常降低不确定性并因此令置信区间变窄， 但是丢失了空问细节。通过根据误差的函数来适应性改变图像体积或其它感兴趣区域上参数 估计的空间分辨率能够改善这些影响。可以根据期望的误差优化准则改变 空间分辨率，例如达到感兴趣区域上的期望误差或期望误差分布。这样做 在很多情况下可改善数据的可视化，或者提供对诊断或治疗有用的信息。聚类技术也会受到底层功能数据中的误差或不确定性的影响，尤其是 在先验地建立聚类数目的情况下。例如，先验指定聚类数目会产生如下的 聚类结果，即对于这些结果而言，属于两个或多个聚类的功能参数的平均 值可能具有统计学上的非显著性差异。从而，对两个或多个聚类进行分离 可能没有生理学和/或统计学意义。另一方面，数据的特征可能在于可建立 附加的有意义的聚类。通过将误差测量合并为聚类过程的一部分，以及使用这一测量结果来 根据误差的函数适应性调节聚类的数目能够改善这些影响。例如，可以使 用所述误差来评估聚类分离的显著性并相应地调节聚类的数目。这样做可 以在很多情况下改善聚类分离，从而改进数据的可视化或提供对诊断或治 疗有用的信息。图1示出了用于根据误差的函数对感兴趣的体积或其它区域进行分割 的示例性迭代过程。在步骤102中，接收诸如参数映射图的功能成像数据。该功能图像数 据通常包括空间变化功能参数值Xx， y， z)以及相关的在图像体积上变化的 空间变化误差模型e(x， y， z)。感兴趣区域为图像体积的子集的，在步骤104中执行任选感兴趣区域 的选择步骤。感兴趣区域可由操作者选择，例如通过以人可读方式显示该体积并要求用户指定期望区域进行选择。也可以通过分割或其他图像处理 技术确定感兴趣区域，这些技术可单独实行或与操作者输入结合实行。在步骤106中，选择感兴趣区域的起始分割PQ。具体而言，将感兴趣 区域划分为一个或多个子区域。在一个实现方式中，例如通过执行数据集 的二元分割在空间上建立各子区域。在另一个实现方式中，使用聚类或区 域生长技术建立各子区域。在步骤108中，根据基于误差的分割策略对当吋有效的分割Pn进行修改从而生成新的分割pn+1。在步骤110中，根据基于误差的接受准则对新的分割进行评价。在一 个实现方式中，执行分割以便使各个子区域的误差估计最小化或低于期望 阈值。在另一个变更中，执行分割以便各个子区域具有期望的误差同质性， 例如以便使各个子区域中误差值之间的差最小化或低于期望阈值(或者用 另一种方式表述，以便使误差同质性最大化)。优化策略和接受准则同样会考虑到功能参数，以及相应实行的分割。 作为一个示例，接受准则同样会考虑到特定子区域中或跨多个子区域中的 体素值和功能参数误差估计的变异。在步骤112中，如果不满足接受准则，则处理过程返回到步骤108，在这里对感兴趣的体积或区域进行重新分割。如果满足接受准则，则接受该 分割。可以向操作者任选地呈现所提出的分割以供接受。取决于实现方式， 操作者可拒绝所提出的分割，在这种情况下接受先前的分割。或者，即使 不满足接受准则，操作者也可选择接受新的分割。操作者也可以获得选项 以对分割进行手动修改。可以各种方式向操作者呈现所提出的分割。例如，可以通过颜色编码、 闪烁、交替可视化或使用图形用户界面(本文档来自技高网...

【技术保护点】
一种方法，包括：　接收指示对象感兴趣区域的功能图像数据，所述功能图像数据包括空间变化功能参数值（ｆ）和空间变化功能误差模型（ｅ）；　根据所述空间变化误差模型的函数分割所述感兴趣区域；　生成指示经分割的感兴趣区域的图像。

【技术特征摘要】
【国外来华专利技术】...

【专利技术属性】
技术研发人员：A菲舍尔，L施皮斯，C迈尔，
申请(专利权)人：皇家飞利浦电子股份有限公司，
类型：发明
国别省市：NL[荷兰]