專利名稱：用于測量與疾病相關(guān)的組織變化的方法和系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種旨在有助于檢測和診斷疾病而處理醫(yī)學圖像數(shù)據(jù)的方法和系統(tǒng)，特別涉及一種在由X-射線計算機斷層(CT)系統(tǒng)獲得的醫(yī)學圖像中測量與慢性肺病有關(guān)的組織變化的方法和系統(tǒng)。
背景技術(shù)：
X-射線胸部成像系統(tǒng)是一種比較普遍使用的用于檢測人的肺部疾病的診斷工具。諸如支氣管炎、肺氣腫和肺癌的肺病也可以在胸部射線攝像和CT中檢測。然而，CT系統(tǒng)在單次CT掃描中通?？商峁┏^80個的分離圖像，由此為放射醫(yī)師解釋圖像和發(fā)現(xiàn)可能有病的疑似區(qū)域提供了相當大數(shù)量的信息。
經(jīng)過訓練的放射醫(yī)師將根據(jù)其后的診斷成像、活組織檢查、肺功能檢查或其他方法來確定這些可疑區(qū)域。由單次CT掃描獲得的相當大數(shù)量的數(shù)據(jù)給放射醫(yī)師帶來了費時的處理過程。放射醫(yī)師篩分傳統(tǒng)肺癌需要人工解釋80或更多個圖像。所以疲勞是影響人的閱讀敏感性和特性的重要因素。對于其他疾病，例如肺氣腫，放射醫(yī)師僅靠查看CT圖像來分辨疾病的發(fā)展程度是困難的。
慢性阻塞性肺病(COPD)是根據(jù)癥狀來確認的，這些癥狀包括咳嗽、喘和呼吸急促(呼吸困難)。COPD包括許多呼吸疾病，其中最廣為人知的是肺氣腫和慢性支氣管炎。COPD影響患者的大氣管、小氣管和軟組織。這些疾病主要由抽煙和空氣污染引起，并且這種疾病是與引起首要抗彈性蛋白酶缺乏的遺傳性傾向性有關(guān)系。
肺氣腫或氣道破壞是COPD病人中軟組織變化的最顯著的特征。肺氣腫是肺組織缺乏彈性所引起的。有四種類型的肺氣腫小葉中心的、全小葉(panlobular)的或全小葉性(panacinar)、遠腺泡的或?qū)Ω裟さ?paraseptal)、和不規(guī)則的。前兩種類型是肺氣腫COPD的大多數(shù)。這種分類是基于小葉內(nèi)的氣道破壞的解剖學分布來劃分的，小葉是一個腺泡簇。目前，肺氣腫可以僅僅通過后mortem檢查來進行分類。肺氣腫的診斷典型的是通過總體生理反應(yīng)、醫(yī)學圖像和后mortem解剖檢查。高分辨率CT圖像數(shù)據(jù)的應(yīng)用是一種以診斷為目的用于測量肺容量很好的技術(shù)。然而，一種更好的疾病指標是肺泡的退化和肺部的其它組織變化，但目前從CT圖像數(shù)據(jù)中難以測量這種退化和變化。
在早期查出肺氣腫是最希望的。由肺氣腫引起的破壞通常在疾病晚期才發(fā)現(xiàn)，并且影響也是長期的。盡管肺氣腫的影響不能逆轉(zhuǎn)，但早期診斷出肺氣腫可以使病人避免由疾病引起的進一步的破壞。另外，由于越來越多的療法和藥物治療被發(fā)現(xiàn)，所以也希望監(jiān)測病人對這些治療的反應(yīng)。
這樣就需要一種用于測量在醫(yī)療圖像中與疾病有關(guān)的組織變化以便能夠診斷和跟蹤不同形式的COPD的強有力的方法和系統(tǒng)。
發(fā)明概述第一方面，提供一種對從圖像數(shù)據(jù)中采集的與疾病相關(guān)的變化進行量化、診斷和預(yù)測中的至少之一的方法。這種方法包括把至少一個分割過程應(yīng)用到圖像數(shù)據(jù)以產(chǎn)生多個感興趣的分割區(qū)域，從分割區(qū)域提取與給定疾病相關(guān)的特征以獲得一個提取特征，并且數(shù)學模擬這些特征以便于在對表明給定疾病的變化進行診斷、量化和預(yù)測中的之一使用。
第二方面，提供一種對從圖像數(shù)據(jù)中采集的與疾病相關(guān)的變化進行量化、診斷和預(yù)測中的至少之一的的系統(tǒng)。這種系統(tǒng)包括一用于獲得圖像數(shù)據(jù)的成像裝置和一圖像處理器。圖像處理器被配置成把至少一個分割過程應(yīng)用到圖像數(shù)據(jù)以產(chǎn)生多個感興趣的分割區(qū)域，并且從分割區(qū)域提取與給定疾病相關(guān)的特征以獲得一個提取特征，圖像處理器進一步配置成數(shù)學模擬這些特征以便于在對表明給定疾病的變化進行診斷、量化和預(yù)測能之一中使用。


當閱讀相關(guān)附圖時，從下面的發(fā)明詳述中本發(fā)明的特征和優(yōu)點將變得清楚，其中圖1是示出了一種本發(fā)明實施例適用的醫(yī)學成像系統(tǒng)的方框圖；和圖2是應(yīng)用本發(fā)明方法的方塊圖和典范示例。
發(fā)明詳述參照圖1，用于檢測疾病的系統(tǒng)100的方框圖被示出。系統(tǒng)100包括成像裝置110，其可以從眾多的先前技術(shù)所公知的能產(chǎn)生多個圖像的醫(yī)學成像裝置中選擇。最通常地，是應(yīng)用計算機斷層成像(CT)和磁共振成像(MRI)系統(tǒng)來獲得多個醫(yī)學圖像。
在CT成像階段，病人放置在成像裝置內(nèi)，并且暴露在被由系列X-射線測量器測量的多束X-射線中。一束X-射線通過病人的一特定寬度的橫截面或“片層”。測量器測量透射的輻射線的量。這一信息用于計算X-射線在身體的某些樣本點的衰減系數(shù)。然后根據(jù)所計算的X-射線衰減系數(shù)來構(gòu)建灰度圖像。圖像中灰色的陰暗代表片層內(nèi)每一點X-射線的吸收量。在CT期間獲得的片層能被重建以提供一個身體內(nèi)感興趣區(qū)域的正確的解剖表示，這些區(qū)域被X-射線照射。
在MR成像階段，病人放置在一個由一個大磁鐵產(chǎn)生的強磁場內(nèi)。在病人體內(nèi)將質(zhì)子(例如氫原子)磁化成與磁鐵產(chǎn)生的磁場一致。病人的某一特定片層暴露在能產(chǎn)生一垂直于主磁場的振蕩磁場的無線電波下。成像期間片層置于由醫(yī)師或技師(下文的“操作者)所選擇的平面。病人體內(nèi)的質(zhì)子首先吸收無線電波，然后通過偏離與磁場的對準發(fā)射電波。由于質(zhì)子返回到它們的原始狀態(tài)(激勵前)，基于由病人身體發(fā)射的波的診斷圖像被產(chǎn)生。象CT圖像片層、MR圖像片層可以被重建以提供一個感興趣的身體區(qū)域的整體圖形。那些產(chǎn)生高信號的身體部位在MR圖像中呈現(xiàn)為白色，而那些產(chǎn)生最低信號的身體部位呈現(xiàn)為黑色。其他那些介于高和低之間的具有不同信號強度的身體部位呈現(xiàn)為灰色陰影。
一旦獲得初始MR或CT圖像，這些圖像通常被分割。分割過程將圖像的像素或體素分成幾個類別，這些類別在某些特性(即強度、結(jié)構(gòu)等等)方面是均勻的。例如，在大腦的分割圖像中，大腦物質(zhì)可以被分成三個類別灰色物質(zhì)、白色物質(zhì)和腦髓流質(zhì)。完成分割后，每一顏色可以用來標記每一類別的區(qū)域。一旦分割圖像形成，外科醫(yī)生能用分割圖像來設(shè)計外科技術(shù)。
通常，產(chǎn)生分割CT或MR圖像包括幾個步驟。數(shù)據(jù)組由獲取CT或MR數(shù)據(jù)片層產(chǎn)生。通過分割過程，灰度值與數(shù)據(jù)組的每一點對應(yīng)。這一著色標準可以使看圖像的每個人容易理解在圖像中所代表的對象。
圖1示出了一種本發(fā)明實施例適用的醫(yī)學成像系統(tǒng)100。本系統(tǒng)包括一成像裝置110、一處理器120和一接口單元130。成像裝置110適于產(chǎn)生多個圖像數(shù)據(jù)組240，例如是一個計算機斷層成像(CT)或磁共振掃描設(shè)備。在CT或MR的情況下，圖像數(shù)據(jù)的采集通常稱為“掃描”。在典范實施例中，是用CT成像裝置來獲得圖像。處理器120被設(shè)置成根據(jù)本發(fā)明的實施例來執(zhí)行計算，這將參照圖2更詳細的描述。處理器120還設(shè)置成來執(zhí)行諸如重建、圖像數(shù)據(jù)存儲、分割和其他類似功能的大家熟知的圖像處理技術(shù)的計算和控制功能。處理器120可以包括一個例如單個集成電路(例如微處理器)的中央處理單元(CPU)，也可以包括協(xié)同工作以完成中央處理單元功能的任何適合數(shù)量的集成電路裝置和/或電路板。理想的是處理器120包括存儲器。處理器120內(nèi)的存儲器可以包括任何本領(lǐng)域技術(shù)人員熟知的存儲器類型。這些存儲器包括動態(tài)隨機存取存儲器(DRAM)、靜態(tài)RAM(SRAM)、閃存存儲器和高速緩沖存儲器等等。然而在圖1中沒有明確地顯示出來，存儲器可以是一種類型的存儲器部件，也可以由不同類型的存儲器部件組成。處理器120也可以執(zhí)行包含在存儲器內(nèi)的程序和完成對這些程序的響應(yīng)或者其他在圖像采集和圖像觀察過程中出現(xiàn)的行動。正如這里所用的，“適于”、“配置”和類似的術(shù)語是指在各部件之間的機械或結(jié)構(gòu)連接，以使這些部件合作達到所描述的效果；這些術(shù)語也指電部件的操作能力，這些電部件例如模擬或數(shù)字計算機或特定用途裝置(如特定用途集成電路(ASIC))，它們被程序化來執(zhí)行作為對輸入信號的響應(yīng)提供輸出。
接口單元130與處理器120連接，并且適于使用者與系統(tǒng)100通信。處理器120還適于執(zhí)行計算，計算結(jié)果以有序的方式傳送至接口單元130以使使用者能解釋傳送的信息。傳送信息可以包括與診斷和測量信息有關(guān)的2D或3D形式的圖像、彩色或灰度圖像、和文本信息。接口單元130可以是通常作為CT或MRI系統(tǒng)的一部分的個人計算機、圖像工作站、手持圖像顯示單元或任何傳統(tǒng)的圖像顯示平臺。
從病人的多次掃描中獲得的所有數(shù)據(jù)被認為是一個數(shù)據(jù)組。每一數(shù)據(jù)組能被分解成比較小的單元，要么是像素要么是體素。當數(shù)據(jù)組是兩維時，這種圖像是由被稱作像素的單元組成。像素是一個二維空間點，它可以用二維坐標表示，通常用x和y。圖像的每一像素被8個其他像素包圍，這9個像素形成一個三乘三正方形。這圍繞中心像素的8個其他像素是中心像素的8個相連的鄰居。當數(shù)據(jù)組是三維時，這種圖像是以被稱作體素的單元顯示。體素是一個三維空間點，它可以用三維坐標表示，通常用x、y和z。每個體素被26個其他體素包圍。這26個體素是中心體素的26個相連的鄰居。
作為獲得圖像數(shù)據(jù)的一部分，本領(lǐng)域的技術(shù)人員可以理解到合適的病人掃描規(guī)程是必須的。例如，用CT或MRI進行胸部檢查典型地需要病人(受治療者)屏住呼吸以減少由于呼吸作用引起的圖像數(shù)據(jù)的人為移動影響。通常，CT或MRI檢查在完全吸氣或完全呼氣過程中進行。另外，可以用造影劑來減弱X-射線對人體特定區(qū)域的輻射。造影劑幫助改善受造影劑影響的組織和不受影響的組織之間的差別。在CT圖像中，在受造影劑影響的和不受造影劑影響的組織之間的CT數(shù)量的差值要比正常的大。造影劑給病人可以是口服、外用或直腸注入。
一旦按如上所述的成像方法采集圖像數(shù)據(jù)，按照下面將進一步描述的本發(fā)明的實施例，圖像處理器120適于執(zhí)行處理以測量與組織變化有關(guān)的疾病。正如背景技術(shù)所描述的，測量組織變化和肺部區(qū)域容積是慢性阻塞性肺病(COPD)(特別是肺氣腫)的診斷和分期(staging)的關(guān)鍵指標。
參照圖2，提供了一種測量、量化和/或預(yù)測與疾病相關(guān)的變化的方法。在這里所用的述語“與疾病相關(guān)的變化”是指和感興趣的疾病有關(guān)的變化。例如，肺組織細胞(cell)的邊緣數(shù)、肺部受侵襲的區(qū)域的強度和肺部受侵襲的區(qū)域的面積是肺氣腫的存在和變化的指標，這些方面表明疾病的發(fā)展。在210采集圖像數(shù)據(jù)并且在220通過多個分割步驟進行分割。分割分成不同性質(zhì)的區(qū)域，例如強度、面積、周長、縱橫比、直徑、方差、導數(shù)(derivative)和其他給定疾病的感興趣的性質(zhì)。分割步驟可以從許多公知的分割技術(shù)中選擇。在230中，在分割圖像數(shù)據(jù)的基礎(chǔ)上提取與給定病癥有關(guān)的特征。例如，邊緣數(shù)、面積和強度是特別相關(guān)的。如進一步所述，采集、分割和特征提取技術(shù)可以用許多不同的公知技術(shù)來提取給定疾病的相關(guān)圖像信息，可替換的是提取疑似區(qū)域。然而，在本發(fā)明的實施例中，執(zhí)行進一步的處理來預(yù)測相關(guān)的某些面積或疑似區(qū)域，以用于預(yù)測、量化和診斷給定的疾病。此后，用許多公知技術(shù)能把疑似區(qū)域向使用者作為一個圖像顯示出來。在優(yōu)選實施例中，該技術(shù)是在圖像數(shù)據(jù)的頂部顯示著色的多邊形。著色的多邊形或相似的高亮化區(qū)域與從下面將進一步詳述的分析中得出的值相對應(yīng)。另外，分割的區(qū)域結(jié)果理想地顯示為覆蓋在原始圖像數(shù)據(jù)上的高亮化區(qū)域。顯示可以是兩維(2D)或三維。
在本發(fā)明的一個實施例中，提供一種對從圖像數(shù)據(jù)中采集的與疾病相關(guān)的變化進行預(yù)測、量化和診斷至少之一的方法。這種方法包括把至少一個分割過程應(yīng)用到圖像數(shù)據(jù)以產(chǎn)生多個感興趣的分割區(qū)域，從分割區(qū)域提取與給定疾病相關(guān)的特征以獲得一個提取特征，并且數(shù)學模擬這些特征以便于在對表明給定疾病的變化進行診斷、量化和預(yù)測中的一個中使用。在肺的實施例中，分割步驟包括對肺分出多個子區(qū)域，并且進一步對子區(qū)域分出多個參數(shù)，這些參數(shù)至少是邊緣(edge)、面積和強度中的一種，盡管對本領(lǐng)域的技術(shù)人員來說是公知的其他分割參數(shù)也是可以被分出的。
如圖2的步驟250所示，數(shù)學模擬步驟用公知的物理模擬原理能使生物現(xiàn)象被物理模擬。在優(yōu)選實施例中，用自由邊界模型來進行數(shù)學模擬，如那些遵守馮·諾伊曼定律的模型。馮·諾伊曼定律是一公知原理，用于解釋由多個元胞組成的泡結(jié)構(gòu)或晶格結(jié)構(gòu)。根據(jù)馮·諾伊曼定律，具有許多的邊緣的細胞易于增長，帶有很少邊緣的細胞易于萎縮。通過模擬解剖結(jié)構(gòu)和相應(yīng)的細胞，例如肺和肺細胞，該模型能夠檢測具有多邊緣的細胞和很少邊緣的細胞。邊緣數(shù)用于預(yù)測疾病發(fā)展的可能性，馮·諾伊曼定律認為細胞是6個邊緣時是穩(wěn)定的。對馮·諾伊曼定律的等式表示如下daN/dt＝k(N-N0) 等式(1)其中N是邊緣數(shù)，N0等于6，k是基于模擬結(jié)構(gòu)的物理和化學特性的定標系數(shù)。在用馮·諾伊曼定律來模擬生物變化時，估計和預(yù)測疾病的生長或發(fā)展是有可能的。細胞以對應(yīng)于馮·諾伊曼定律的線性率生長或萎縮。盡管，肺氣腫的影響在此時不能逆轉(zhuǎn)，肺氣腫的生長或發(fā)展能用上面所述的原理來監(jiān)測。這樣，每個細胞的表現(xiàn)能夠被預(yù)測至拓撲變化。
許多自由邊界模型的另一重要性質(zhì)是比例不變性(scale invariance)。它表明規(guī)格化分布fx(X/μ)/μ滿足微分方程，其中X是在形成模型結(jié)構(gòu)的細胞整體中的相應(yīng)于細胞的幾何學測量的隨機變量，μ是X的平均值。
∂fX∂Xx+∂fX∂μμ+fX=0]]>等式(2)這一特性使得可將幾何參數(shù)(例如面積或周長)的概率分布與該同一參數(shù)的規(guī)格化分布的標準相比，并且將通過這種比較所得的偏差或差值可被用作疾病的診斷和量化的工具。
上面所述的實施例主要集中在給定疾病肺氣腫上，和有關(guān)肺氣腫的特征是肺的受侵襲的區(qū)域的面積、肺的區(qū)域強度和肺內(nèi)細胞的邊緣數(shù)。然而，可以想象，其他疾病也可以用馮·諾伊曼定律來解釋。相似地，馮·諾伊曼定律是數(shù)學模擬的一個典型實施例。還有許多其他公知的原理和技術(shù)，例如Potts模型、Markov鏈、Gibbs鏈、Monte Carlo算法、擴散方程或相位場模型，都可用于所述的具有晶格或泡結(jié)構(gòu)的細胞。
進一步參照圖2，在步驟240分析模擬的細胞和提取的特征可以用于嚴重性和發(fā)展的局部或整體評分。局部分析集中在選擇感興趣的區(qū)域，整體評分集中于疾病發(fā)展。典型地，有這樣一個疾病階段，這個階段基于多個因素，包括病組織相對于健康組織的面積、測量變化率和受侵襲的面積的空間分布，在臨床領(lǐng)域它們在某種程度上是標準。作為診斷和治療病人的一部分，使用評分來對病人的病情分期(stage)。
分析包括分析提取的特征以估計給定疾病的嚴重性和發(fā)展。另外，理想地還有一個整體分析步驟260，在這一步驟中用至少一個直方圖分析，提取的特征被處理以用直方圖測出幾個特征，直方圖是一種公知的分析圖像技術(shù)。
一旦上面所述的處理完成，這種方法還可以包括產(chǎn)生疾病等級和的發(fā)展的輸出。例如，輸出可以用作對人體內(nèi)的給定疾病分期、測量治療反應(yīng)、選擇參與藥物試驗的病人的表現(xiàn)型、測量解剖結(jié)構(gòu)穩(wěn)定性和預(yù)測給定疾病的變化率。正如在這里應(yīng)用的，表現(xiàn)型是指觀察受到影響的這樣的物理和生物化學特性通過基因組成和環(huán)境影響來確定并表現(xiàn)特定特征，如身高和血型。一個表現(xiàn)型是顯示特定表現(xiàn)型的單個或一組有機體。
另外，輸出可以包括分析結(jié)果的顯示，以及標識如同按照上述方法所提取的疑似區(qū)域。顯示可以高亮化圖像中的一些區(qū)域，這些高亮化區(qū)域與分析值相對應(yīng)。在優(yōu)選實施例中，著色多邊形顯示在圖像數(shù)據(jù)的頂部。顯示可以是2D或3D。
另外，提供一種用于對從采集的圖像數(shù)據(jù)中與疾病相關(guān)的變化進行量化、診斷和預(yù)測至少之一的系統(tǒng)。這種系統(tǒng)包括一用于獲得圖像數(shù)據(jù)的成像裝置和一圖像處理器。圖像處理器被配置成把至少一個分割過程應(yīng)用到圖像數(shù)據(jù)以產(chǎn)生多個感興趣的分割區(qū)域，并且從分割區(qū)域提取與給定疾病相關(guān)的特征以獲得一個提取特征，圖像處理器進一步配置成數(shù)學模擬這些特征以便于在對于表明給定疾病的變化進行診斷、量化和預(yù)測的之一中使用。
前述段落中所呈現(xiàn)的本發(fā)明的實施例主要集中于在CT肺部掃描中的疑似區(qū)域的定位問題?？梢岳斫獾氖牵瑴y量技術(shù)可以直接轉(zhuǎn)移到其他成像模式(例如MRI、X-射線、超聲波掃描器、正電子發(fā)射斷層成像(PET)掃描器)。另外，前述的本發(fā)明所呈現(xiàn)的實施例主要集中于涉及肺的肺氣腫的與疾病相關(guān)的變化，但是可以理解的是，在其他解剖區(qū)域的其他生物變化也能從上述的數(shù)學模擬技術(shù)中獲利。
在這里已經(jīng)示出和描述了本發(fā)明的優(yōu)選實施例，很明顯，這些實施例只是通過舉例的方式給予了列舉。對那些本領(lǐng)域的技術(shù)人員來說在這里不需要創(chuàng)造性的勞動就能做出眾多的改變、變化和代替。所以，本發(fā)明只通過附加的權(quán)利要求的精神和范圍來限定本發(fā)明。
權(quán)利要求
1.一種對從圖像數(shù)據(jù)中采集的疾病相關(guān)的變化進行量化、診斷和預(yù)測至少之一的方法，包括把至少一個分割過程應(yīng)用(220)到圖像數(shù)據(jù)以產(chǎn)生多個感興趣的分割區(qū)域；從分割區(qū)域提取(230)與給定疾病相關(guān)的特征以產(chǎn)生一個提取特征；和，數(shù)學模擬(250)這些特征以便于在對表明給定疾病的變化進行診斷、量化和預(yù)測之一中使用。
2.根據(jù)權(quán)利要求1中的方法，其特征在于數(shù)學模擬步驟包括應(yīng)用那些諸如遵守馮·諾伊曼定律的自由邊界模型。
3.根據(jù)權(quán)利要求1中的方法，其特征在于給定疾病是肺氣腫，與肺氣腫相關(guān)的特征是肺的受侵襲的區(qū)域的相應(yīng)的面積、肺的區(qū)域的強度和肺內(nèi)細胞的邊緣數(shù)。
4.根據(jù)權(quán)利要求1中的方法，還包括分析(240)提取的特征以估計給定疾病的嚴重性和發(fā)展。
5.根據(jù)權(quán)利要求1中的方法，其特征在于提取步驟包括為給定特征產(chǎn)生至少一個直方圖分析以提取特征。
6.根據(jù)權(quán)利要求1中的方法，其特征在于感興趣區(qū)域是肺，圖像數(shù)據(jù)的采集是通過計算機斷層成像(CT)、磁共振成像(MRI)、X射線和超聲波這些方法中的至少之一來采集。
7.根據(jù)權(quán)利要求6中的方法，其特征在于分割步驟包括在肺內(nèi)分出多個子區(qū)域和進一步地在子區(qū)域內(nèi)分出各參數(shù)。
8.根據(jù)權(quán)利要求4的方法還包括生成疾病的等級和發(fā)展的輸出。
9.根據(jù)權(quán)利要求8中的方法，其特征在于輸出包括與提取步驟所得值相對應(yīng)的高亮化區(qū)域。
10.根據(jù)權(quán)利要求9中的方法，其特征在于高亮化區(qū)域是覆蓋在圖像數(shù)據(jù)上被顯示。
11.根據(jù)權(quán)利要求8中的方法，其特征在于輸出是如下中的至少一種對人體內(nèi)的給定疾病分期、測量對治療的反應(yīng)、選擇參與藥物試驗的病人的表現(xiàn)型、測量解剖結(jié)構(gòu)穩(wěn)定性和預(yù)測給定疾病的變化率。
12.一種對從圖像數(shù)據(jù)中采集的疾病相關(guān)的變化進行量化、診斷和預(yù)測至少之一的系統(tǒng)，包括用于采集圖像數(shù)據(jù)的成像裝置(110)；和，圖像處理器(120)，其被配置成把至少一個分割過程應(yīng)用到圖像數(shù)據(jù)以產(chǎn)生多個感興趣的分割區(qū)域，并且從分割區(qū)域提取與給定疾病相關(guān)的特征以獲得一個提取特征，圖像處理器進一步配置成數(shù)學模擬這些特征以便于在對表明給定疾病的變化進行診斷、量化和預(yù)測之一中使用。
13.根據(jù)權(quán)利要求12中的系統(tǒng)，其特征在于數(shù)學模擬是應(yīng)用那些諸如遵守馮·諾伊曼定律的自由邊界模型。
14.根據(jù)權(quán)利要求12中的系統(tǒng)，其特征在于給定疾病是肺氣腫，與肺氣腫相關(guān)的特征是肺的受侵襲的區(qū)域的面積、肺的區(qū)域的強度和肺內(nèi)細胞的邊緣數(shù)。
15.根據(jù)權(quán)利要求12中的系統(tǒng)，其特征在于圖像處理器還配置成用于分析提取的特征以估計給定疾病的嚴重性和發(fā)展。
16.根據(jù)權(quán)利要求12中的系統(tǒng)，其特征在于圖像處理器(120)配置成通過為給定特征產(chǎn)生至少一個直方圖分析提取特征以提取特征。
17.根據(jù)權(quán)利要求12中的系統(tǒng)，其特征在于感興趣區(qū)域是肺，圖像數(shù)據(jù)的采集是通過計算機斷層成像(CT)、磁共振成像(MRI)、X射線和超聲波這些方法中的至少之一來采集。
18.根據(jù)權(quán)利要求17中的系統(tǒng)，其特征在于圖像處理器配置成在肺內(nèi)分出多個子區(qū)域和進一步地在子區(qū)域內(nèi)分出各參數(shù)，參數(shù)至少是邊緣、面積和強度中的之一。
19.根據(jù)權(quán)利要求12中的系統(tǒng)還包括用于顯示輸出的接口單元(240)，其中輸出是用于如下至少一種對人體內(nèi)的給定疾病分期、測量對治療的反應(yīng)、選擇參與藥物試驗的病人的表現(xiàn)型、測量解剖結(jié)構(gòu)穩(wěn)定性和預(yù)測給定疾病的變化率。
20.根據(jù)權(quán)利要求12中的系統(tǒng)還包括用于顯示輸出的接口單元(240)，其中輸出包括與提取步驟所得值相對應(yīng)的高亮化區(qū)域。
21.根據(jù)權(quán)利要求20中的系統(tǒng)，其特征在于高亮化區(qū)域是覆蓋在圖像數(shù)據(jù)上被顯示。
22.一種根據(jù)醫(yī)療圖像數(shù)據(jù)對肺氣腫進行診斷、量化和預(yù)測至少之一的方法，包括把至少一個分割應(yīng)用(220)到所采集的醫(yī)療圖像數(shù)據(jù)以產(chǎn)生多個感興趣的分割區(qū)域；從分割區(qū)域提取(230)與肺氣腫相關(guān)的特征以獲得一個提取特征；和，數(shù)學模擬(250)這些特征以便于在對表明肺氣腫的變化進行診斷、量化和預(yù)測之一中使用。
23.根據(jù)權(quán)利要求22中的方法，其特征在于數(shù)學模擬步驟包括應(yīng)用那些諸如遵守馮·諾伊曼定律的自由邊界模型。
24.根據(jù)權(quán)利要求1中的方法，其特征在于與肺氣腫相關(guān)的特征是肺的受侵襲區(qū)域的面積、肺的區(qū)域強度和肺內(nèi)細胞的邊緣數(shù)。
全文摘要
提供一種測量疾病有關(guān)的組織變化以用于量化、診斷和預(yù)測給定疾病的方法和系統(tǒng)。這種方法包括把至少一個分割過程應(yīng)用(220)到圖像數(shù)據(jù)以產(chǎn)生多個感興趣的分割區(qū)域，從分割區(qū)域提取與給定疾病相關(guān)的特征以形成一個提取特征，并且數(shù)學模擬這些特征以用于在對能表明給定疾病的變化進行診斷、量化和預(yù)測之一中使用。這種系統(tǒng)包括用于獲得圖像數(shù)據(jù)的成像裝置(110)和圖像處理器(120)，圖像處理器被配置成來分割、提取和數(shù)學模擬疾病有關(guān)特征。
文檔編號A61B6/03GK1502310SQ20031012409
公開日2004年6月9日 申請日期2003年11月27日 優(yōu)先權(quán)日2002年11月27日
發(fā)明者P·R·門東卡, M·W·圖雷克, J·V·米勒, R·A·考茨克, P·H·屠, T·C·潘, P R 門東卡, 圖雷克, 屠, 潘, 米勒, 考茨克 申請人:通用電氣公司