专利名称:组织分类的制作方法
组织分类技术领域
下文总体涉及基于体积图像数据将区域组织分类为异常或正常,并且将结合针对计算机断层摄影(CT)的具体应用加以描述;然而,本文也想到了诸如MRI、PET、SPECT和/ 或其他成像模态的其他成像应用。
背景技术:
作为致病和死亡的主要原因之一的冠状动脉疾病常常表示为心肌梗塞或缺血。这些缺损的大小和严重度是这种疾病预后的主要决定因素。多切片计算机断层摄影(MSCT)能够用于无创成像,从而实现对冠状动脉心脏疾病的可视化和评价。然而,MSCT不提供关于冠状动脉狭窄的功能意义的信息。灌注缺损和梗塞大小目前是利用多种源来采集,诸如超声心动描记术和单光子发射计算机断层摄影(SPECT)心肌灌注成像(MPI)。
文献已经指出在增强的动脉阶段期间造影剂的心肌内分布与心肌灌注有关。然而,这些灌注增强区域的可视化是依赖于操作员的并且需要图像开窗的操作。梗塞范围的估计需要跨相邻切片的进一步手动卷动(scrolling)和标记。文献也揭示了通过与正常人群相比而言简单的基于阈值的方法使用SPECT或PET图像以及延迟增强图像来执行灌注缺损的自动量化从而基于自动特征分析和组合阈值化来测量心肌梗塞大小的多种尝试。
现有方法主要使用基于心肌中的CT值的简单体素分类,心肌中的CT值可以通过除以左心室腔值、除以同一心脏中的正常段中的值或者除以基于正常研究针对特定区域的正常值来进行归一化。一种研究基于心内膜更容易损伤的证据通过计算心内膜与心外膜的比率来进行归一化。文献基于直方图分析和与正常值的比较以及基于通过心内膜与心外膜的体素密度的比率量度的跨壁灌注,提供了对灌注缺损的客观3D量化的描述。发明内容
本申请的各方面解决了上述问题和其他问题。
根据一个方面,一种用于将组织分类为正常组织或异常组织的方法,包括获取预定感兴趣组织的分割重建体积图像数据;生成所述分割重建体积图像数据的2D体素表示; 以及基于所述2D体素表示将所述分割重建体积图像数据的体素分类为对应于异常组织和正常组织。
根据另一方面,一种系统,包括组织分类器,其生成重建体积图像数据的2D体素表示并基于所述2D体素表示将所述重建体积图像数据的体素分类为对应于异常组织和正常组织。
根据另一方面,一种利用指令编码的计算机可读存储介质,当所述指令由计算机的处理器运行时,令所述处理器基于对应于组织的体积图像数据的体素的分类将所述组织分类为正常的和异常的,其中,所述分类基于对2D体素表示的分析,该2D体素表示包括去噪的体素和归一化的体素距离。
本发明可以采取各种部件和部件布置以及各种步骤和步骤安排的形式。附图仅用于图示说明优选实施例,而不应将其解释为限制本发明。
图I图示了与组织分类器关联的成像系统。
图2图示了范例组织分类器。
图3图示了在处理2D体素表示之前和之后的,异常心肌的范例直方图。
图4图示了拟合到图3的处理的直方图的高斯混合模型的范例。
图5图示了针对正常心肌的拟合直方图。
图6图示了用于对区域组织分类的范例方法。
具体实施方式
图I图示了成像系统100,诸如计算机断层摄影(CT)扫描器。成像系统100包括静止机架102和旋转机架104,旋转机架104由静止机架102可旋转地支撑。旋转机架104 关于纵轴或z轴围绕检查区域106旋转。
辐射源108,诸如X射线管,由旋转机架104支撑并随着旋转机架104 —起旋转,并且发射辐射。位于源108对侧的辐射敏感探测器阵列110探测贯穿检查区域106的辐射并生成指示其的投影数据。
重建器112重建投影数据并生成指示检查区域106的体积图像数据。支撑物114, 诸如卧榻,支撑检查区域106中的受试者。支撑物114能够用于在扫描前、扫描中和\或扫描后将受试者相对于X、y和/或z轴不同的定位。
通用计算系统充当操作员控制台116,其包括诸如显示器和/或打印机的人类可读输出装置,以及包括诸如键盘和/或鼠标的输入设备。驻留在控制台116上的软件允许操作员控制系统100的操作。
分割器118用于对体积图像数据进行不同的分割。通过非限制性范例,在心脏应用的背景中,所述分割可以包括从体积图像数据中分割心肌体素。所述分割可以是自动的、 半自动的(有部分用户交互)或手动的(有用户交互)。
组织分类器120对分割的图像数据的至少子部分进行分类。在一种情况下,所述分类包括将体素(以及因此,在分割的图像数据中表示的组织)分类为正常组织或异常组织。如在下文更详细描述的,在一个实施例中,组织分类器120采用基于多维直方图的分类算法将组织分类为正常的或异常的。在心脏应用的背景中,在一个实施例中,2D表示是以体素去噪CT值和距心内膜的体素归一化距离为基础的,并且所述分类考虑CT值在跨壁方向上的梯度(外观)。
应当认识到,组织分类器120可以是系统100的部分(如所示)或者与其远离,例如,在诸如工作站等的计算系统中。在任一种情况下,一个或多个处理器可以运行在诸如存储器的本地或远程计算机可读存储介质上包含和/或编码的计算机可读指令来实施组织分类器120。
图2图示了范例组织分类器120。为了清晰和解释说明的目的,结合心脏应用来描述范例组织分类器120。然而,本文也想到了其他应用。如所示的,组织分类器120接收分割的图像数据,该分割的图像数据可以是由分割器118或以其他方式分割的。
重新格式化器202能够被用于将分割的图像数据进行重新格式化。通常,从沿受试者的长轴的切片形成原始分割的图像数据。在心脏范例的背景中,在一种情况下,重新格式化器202在分割的图像数据中识别心脏的长轴;基于长轴识别心脏的短轴(例如,垂直于长轴的轴);并沿心脏的短轴对分割的图像数据进行重新格式化。换言之,重新格式化器202 将数据变换(例如,旋转和/或平移)至心脏轴坐标系。在分割的图像数据已经是合适的格式的情况下,能够省略重新格式化器202。
如果重新格式化的数据尚未处在合适的坐标系中,坐标系变换器204将重新格式化的数据变换至合适的坐标系中。例如,在感兴趣的坐标系是圆柱坐标系而重新格式化的数据处在诸如直角坐标系的另一坐标系中的情况下,坐标系变换器204将重新格式化的数据变换至圆柱坐标系中。本文也想到了在其他坐标系之间的坐标变换。在分割的图像数据已处在合适的坐标系中的情况下,能够省略坐标系变换器204。
滤波器206能够用于对变换的图像数据进行滤波。在一种情况下,所述滤波包括边缘保持去噪,其便于在图像数据中辨别组织类型。合适的快速边缘保持去噪滤波器的范例是二维中值滤波器。这种滤波器在保持边缘的同时在圆周和径向取向上对图像数据进行平滑。在这种心脏范例中,图像数据被重新格式化以在进行滤波之前通过将心内边界绘制成直线中来排列心脏肌肉。在另一实施例中,省略滤波器206。
2D体素表示生成器208从经滤波的图像数据生成2D直方图。在受试者心脏的范例中,2D表示能够使用多种值来表示在心肌数据中的体素,所述多种值诸如是通过边缘保持图像滤波(例如,通过滤波器206或以其他方式)获取的体素去噪灰度,以及距心内膜的体素归一化距离。这样的2D表示能够通过方程I描述
方程I :
权利要求
1.一种用于基于体积图像数据将组织分类为正常组织或异常组织的方法,包括 获取预定感兴趣组织的分割体积图像数据;生成所述分割体积图像数据的2D体素表示;以及基于所述2D体素表示将所述分割体积图像数据的体素分类为对应于异常组织和正常组织。
2.根据权利要求I所述的方法,其中,所述感兴趣组织是心脏组织,并且所述2D体素表示考虑了正常组织跨心肌灌注梯度。
3.根据权利要求I到2中的任一项所述的方法,其中,所述2D体素表示以去噪体素和体素归一化距离为基础。
4.根据权利要求3所述的方法,还包括使用边缘保持平滑滤波对体素数值去噪。
5.根据权利要求3到4中的任一项所述的方法,还包括基于心肌宽度来对距心内膜区域的体素距离进行归一化。
6.根据权利要求2到5中的任一项所述的方法,还包括根据异常体素的百分比和心内膜与心外膜体素密度差的加权组合来将体素识别为正常的和异常的。
7.根据权利要求2到6中的任一项所述的方法,其中,所述分类包括使用主成分分析的维度缩减。
8.根据权利要求7所述的方法,还包括将高斯混合模型拟合至所述2D体素表示。
9.根据权利要求8所述的方法,还包括使用非线性优化来拟合高斯混合模型,所述非线性优化包括遗传算法。
10.根据权利要求I到9中的任一项所述的方法,还包括处理缺损的分类以在真实缺损与伪影之间进行辨别。
11.根据权利要求10所述的方法,其中确定体素梯度;当对应体素梯度具有正斜率时将缺损识别为真实缺损;以及当所述对应体素梯度具有负斜率时将所述缺损识别为伪影。
12.根据权利要求11所述的方法,其中,所述梯度为从心内膜到心外膜的跨壁梯度。
13.一种系统(100),包括组织分类器(120),其生成重建体积图像数据的2D体素表示,并基于所述2D体素表示将所述重建体积图像数据的体素分类为对应于异常组织和正常组织。
14.根据权利要求13所述的系统,其中,所述2D体素表示以去噪体素和体素归一化距离为基础,并且考虑了正常组织灌注梯度。
15.根据权利要求13到14中的任一项所述的系统,其中,所述组织分类器根据异常体素的百分比和心内膜与心外膜的体素密度差的加权组合来对体素进行分类。
16.根据权利要求13到15中的任一项所述的系统,其中,当从心内膜体素到心外膜体素的跨壁梯度具有正斜率时,所述组织分类器识别缺损的分类为真实缺损。
17.根据权利要求13到16中的任一项所述的系统,其中,当从心内膜体素到心外膜体素的跨壁梯度具有负斜率时,所述组织分类器识别缺损的分类为伪影。
18.根据权利要求13到16中的任一项所述的系统,其中,当从心内膜体素到心外膜体素的跨壁梯度具有不分明的模式时,所述组织分类器识别缺损的分类为伪影。
19.根据权利要求13到18中的任一项所述的系统,其中,所述组织分类器基于预定义阈值识别分类为假阳性。
20.一种利用计算机可执行指令编码的计算机可读存储介质,当所述计算机可执行指令由计算机的处理器执行时,令所述处理器基于对应于组织的体积图像数据的体素的分类,将所述组织分类为正常的和异常的, 其中,所述分类以对2D体素表示的分析为基础,所述2D体素表示包括去噪体素和归一化体素距离。
全文摘要
一种用于将组织分类为正常组织或异常组织的方法,包括获取预定感兴趣组织的分割重建体积图像数据;生成所述分割重建体积图像数据的2D体素表示;以及基于所述2D体素表示将所述分割重建体积图像数据的体素分类为对应于异常组织和正常组织。
文档编号G06T7/00GK102939616SQ201180029109
公开日2013年2月20日 申请日期2011年4月27日 优先权日2010年6月14日
发明者Y·拉马什, J·莱西克, A·格林高兹 申请人:皇家飞利浦电子股份有限公司