下文總體涉及圖像數(shù)據(jù)可視化，并且更具體而言，涉及根據(jù)對(duì)成像不確定性的可視化，并具體應(yīng)用于計(jì)算機(jī)斷層攝影(ct)。然而，以下還適用于其他成像模態(tài)，例如，但不限于，x射線、磁共振(mr)、單光子發(fā)射計(jì)算機(jī)斷層攝影(spect)、正電子發(fā)射斷層攝影(pet)、us和/或其他成像模態(tài)。

背景技術(shù)：

來(lái)自諸如ct、x射線、mr、spect、pet、us等的模態(tài)的醫(yī)學(xué)成像數(shù)據(jù)具有不確定性的各種源，這影響診斷結(jié)果的可靠性和準(zhǔn)確性。除了圖像噪聲和成像系統(tǒng)準(zhǔn)確度限制，生成不同類型的成像生物標(biāo)記物圖或功能成像圖可以包括與計(jì)算模型和假設(shè)有關(guān)的顯著不確定性。出于醫(yī)學(xué)診斷的目的，在臨床實(shí)踐中常見(jiàn)的是，主要地可視化平均值或最可能的值(例如ct中的常規(guī)hu圖像)。

文獻(xiàn)中已經(jīng)指出，已經(jīng)通過(guò)彩色圖、半透明和特殊結(jié)構(gòu)和紋理的人造交疊實(shí)現(xiàn)了與圖像數(shù)據(jù)一起示出不確定性。這些方法已經(jīng)包括了用于復(fù)雜的可視化技術(shù)的方法，其包括臨床成像信息和數(shù)據(jù)不確定性信息兩者。遺憾的是，這些技術(shù)產(chǎn)生復(fù)雜的多參數(shù)圖片，其可能無(wú)法幫助實(shí)踐臨床診斷和可能很難提煉以基于這樣的可視化進(jìn)行臨床決策。

技術(shù)實(shí)現(xiàn)要素：

本文描述的各方面解決以上提及的問(wèn)題和其他問(wèn)題。

在一個(gè)方面中，一種方法包括：獲得由成像系統(tǒng)生成的體積圖像數(shù)據(jù)；生成針對(duì)所述體積圖像數(shù)據(jù)的每個(gè)體素的不確定性；并且基于所生成的不確定性來(lái)利用體積圖像數(shù)據(jù)生成評(píng)價(jià)體積。所述方法還包括：接收識(shí)別所述評(píng)價(jià)體積的感興趣區(qū)域和/或體積的輸入；接收預(yù)期診斷類型，接收感興趣評(píng)價(jià)概率水平，接收感興趣效應(yīng)方向。所述方法還包括映基于所述感興趣評(píng)價(jià)概率水平和感興趣效應(yīng)方向來(lái)對(duì)所述評(píng)價(jià)體積變形以創(chuàng)建人造體積，其反映所述不確定性對(duì)預(yù)期診斷類型的效應(yīng)。所述方法還包括視覺(jué)地顯示經(jīng)變形的評(píng)價(jià)體積。

在另一方面中，一種成像包括存儲(chǔ)器和處理器，所述存儲(chǔ)器被配置為存儲(chǔ)人造體積生成器模塊的計(jì)算機(jī)可執(zhí)行指令。所述處理器響應(yīng)于運(yùn)行所述計(jì)算機(jī)可執(zhí)行指令：生成針對(duì)體積圖像數(shù)據(jù)的每個(gè)體素的不確定性；基于所生成的不確定性來(lái)利用體積圖像數(shù)據(jù)生成評(píng)價(jià)體積；接收指示所述評(píng)價(jià)體積的感興趣區(qū)域和/或體積的信號(hào)；接收診斷類型；接收感興趣的評(píng)價(jià)概率水平；接收感興趣效應(yīng)方向；基于所述感興趣評(píng)價(jià)概率水平和感興趣效應(yīng)方向來(lái)對(duì)所述評(píng)價(jià)體積變形以創(chuàng)建人造體積，其反映所述不確定性對(duì)診斷類型的效應(yīng)；并且視覺(jué)地顯示所述人造體積。

在另一方面中，一種被編碼有計(jì)算機(jī)可讀指令的計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)可讀指令在由處理器運(yùn)行時(shí)，令所述處理器：生成針對(duì)體積圖像數(shù)據(jù)的每個(gè)體素的不確定性；基于所生成的不確定性來(lái)利用體積圖像數(shù)據(jù)生成評(píng)價(jià)體積；接收指示所述評(píng)價(jià)體積的感興趣區(qū)域和/或體積的信號(hào)；接收診斷類型，接收感興趣的評(píng)價(jià)概率水平，接收感興趣效應(yīng)方向；所基于所述感興趣評(píng)價(jià)概率水平和感興趣效應(yīng)方向來(lái)對(duì)所述評(píng)價(jià)體積變形以創(chuàng)建人為的體積，其反映所述不確定性對(duì)診斷類型的影響；并且視覺(jué)地顯示所述人造體積。

本發(fā)明可以采取各種部件和各部件的布置以及各種步驟和各步驟的安排的形式。附圖僅出于圖示優(yōu)選的實(shí)施例的目的并且不應(yīng)被解釋為對(duì)本發(fā)明的限制。

附圖說(shuō)明

圖1示意性地圖示了具有人造體積生成器模塊的范例成像系統(tǒng)。

圖2示意性地圖示了圖1的變型，其中，人造體積生成器模塊是計(jì)算系統(tǒng)的一部分。

圖3示意性圖示了人造體積生成器模塊的范例。

圖4圖示了用于基于局部的體積值來(lái)對(duì)不確定性進(jìn)行可視化的范例方法，要么是連續(xù)的，要么是非連續(xù)的或離散的。

圖5圖示了用于基于導(dǎo)出的歸類或文本值來(lái)可視化不確定性的范例方法。

圖6圖示了用于結(jié)合分類來(lái)可視化不確定性的范例方法。

圖7圖示了用于結(jié)合標(biāo)量值來(lái)可視化不確定性的范例方法。

圖8圖示了用于結(jié)合紋理或結(jié)構(gòu)分析來(lái)可視化不確定性的范例方法。

圖9圖示了用于結(jié)合分割來(lái)可視化不確定性的范例方法。

圖10圖示了用于結(jié)合對(duì)連續(xù)標(biāo)量數(shù)據(jù)進(jìn)行全局區(qū)域分析來(lái)可視化不確定性的范例方法。

圖11圖示了用于結(jié)合對(duì)分類數(shù)據(jù)的全局區(qū)域分析來(lái)可視化的不確定性的范例方法。

圖12-15示出了結(jié)合動(dòng)脈的狹窄的范例。

圖16-19示出了結(jié)合將分割的區(qū)域的分類為不同組織類的范例。

圖20-23示出了結(jié)合包括對(duì)應(yīng)于選定的組織類型的分割區(qū)域的尺度的范例。

圖24-26示出了結(jié)合感興趣組織的紋理或的精細(xì)結(jié)構(gòu)的范例。

圖27-31示出了結(jié)合診斷結(jié)果的全局定量分析的范例。

具體實(shí)施方式

以下描述了用于對(duì)估計(jì)的成像的不確定性可以如何影響特定類型的預(yù)期臨床診斷進(jìn)行可視化的方法。在一個(gè)實(shí)例中，結(jié)果為臨床醫(yī)生提供方便的方式來(lái)評(píng)估特定診斷和相關(guān)的臨床決定的置信度，其基于醫(yī)學(xué)成像信息。

圖1示意性地圖示了諸如計(jì)算斷層攝影(ct)掃描器的范例成像系統(tǒng)100。成像系統(tǒng)100包括固定機(jī)架102和由固定機(jī)架102可旋轉(zhuǎn)支撐的旋轉(zhuǎn)機(jī)架104。旋轉(zhuǎn)機(jī)架104關(guān)于縱向或z軸("z")圍繞檢查區(qū)域106旋轉(zhuǎn)。對(duì)象支撐體108支撐檢查區(qū)域106中的對(duì)象或目標(biāo)。

諸如x射線管的輻射源110由旋轉(zhuǎn)機(jī)架104可旋轉(zhuǎn)地支撐，與旋轉(zhuǎn)機(jī)架104一起旋轉(zhuǎn)，并且發(fā)出穿過(guò)檢查區(qū)域106的x射線輻射。探測(cè)器陣列112相對(duì)于輻射源110在與檢查區(qū)域106的對(duì)面，對(duì)向一角度弧。探測(cè)器陣列112探測(cè)穿過(guò)檢查區(qū)域106的輻射，并且生成指示所述輻射的信號(hào)(投影數(shù)據(jù))。重建器114重建所述信號(hào)并且生成體積圖像數(shù)據(jù)。

操作者控制臺(tái)116包括處理器118(例如微處理器、中央處理單元等)，所述處理器運(yùn)行在計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)(存儲(chǔ)器)120中存儲(chǔ)的至少一條計(jì)算機(jī)可讀指令，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)不包括瞬態(tài)介質(zhì)而包括物理存儲(chǔ)器和/或其他非瞬態(tài)介質(zhì)。微處理器118也可以執(zhí)行由載波、信號(hào)或其他暫態(tài)介質(zhì)運(yùn)載的計(jì)算機(jī)可讀指令?？刂婆_(tái)116還包括(一個(gè)或多個(gè))輸出設(shè)備122，例如顯示監(jiān)視器、膠片機(jī)等，以及(一個(gè)或多個(gè))輸入設(shè)備124，諸如鼠標(biāo)、鍵盤(pán)等

在圖示的范例中，計(jì)算機(jī)可讀指令是用于人造體積生成器模塊126的，其基于所輸入的體積圖像數(shù)據(jù)來(lái)生成人造體積。如下面更詳細(xì)描述的，在一個(gè)實(shí)例中，人造體積生成器模塊126對(duì)體積圖像數(shù)據(jù)進(jìn)行變形以基于感興趣特征的不確定性來(lái)視覺(jué)地調(diào)整圖像數(shù)據(jù)。在一個(gè)實(shí)例中，得到的經(jīng)變形的圖像對(duì)估計(jì)的成像不確定性如何影響臨床診斷進(jìn)行可視化。這可能，例如，為臨床醫(yī)師提供方便的方法來(lái)評(píng)價(jià)特定的診斷及相關(guān)臨床決策的置信度，其中，它們是基于醫(yī)學(xué)影像信息的。

常規(guī)診斷過(guò)程通常是通過(guò)查看最可能的，或平均圖像數(shù)據(jù)(例如，ct中的常規(guī)hu圖像)來(lái)完成的。對(duì)于特定的潛在疾病或醫(yī)學(xué)狀況，臨床醫(yī)師通常會(huì)查找特定的圖像值的分布，特殊結(jié)構(gòu)或紋理，特定形狀的尺寸，以及其它圖像特征。在本文所描述的方法中，所估計(jì)的數(shù)據(jù)的不確定性可以從成像模態(tài)軟件(或其他軟件)來(lái)提供并且預(yù)期的診斷的類型是針對(duì)特定圖像區(qū)域或分段來(lái)確定的。由此，人造變形的圖像被計(jì)算，其給出關(guān)于由于所估計(jì)的不確定性的潛在出錯(cuò)診斷的估計(jì)。

圖2圖示了圖1的變型。

這種變化包括計(jì)算系統(tǒng)202，其包括處理器118、具有人造體積生成器模塊126的存儲(chǔ)器120，輸出設(shè)備122和輸入設(shè)備124。計(jì)算系統(tǒng)202可以是成像系統(tǒng)100的部分或者與成像系統(tǒng)100分離。原始數(shù)據(jù)、原始體積和/或人造體積可被存儲(chǔ)在數(shù)據(jù)儲(chǔ)存庫(kù)204中。數(shù)據(jù)儲(chǔ)存庫(kù)的范例包括圖片歸檔和通信系統(tǒng)(pacs)、放射學(xué)信息系統(tǒng)(ris)、醫(yī)院信息系統(tǒng)(his)、電子病歷(emr)、數(shù)據(jù)庫(kù)、服務(wù)器、成像系統(tǒng)、計(jì)算機(jī)和/或其他數(shù)據(jù)資源庫(kù)。

圖3圖示了人造體積生成器模塊126的一個(gè)范例。

人造體積生成器模塊126作為輸入接收體積圖像數(shù)據(jù)。不確定性估計(jì)器302生成針對(duì)一個(gè)或多個(gè)體素、體素的一個(gè)或多個(gè)組和/或整個(gè)輸入體積圖像數(shù)據(jù)的不確定性。不確定性，例如，可以是圖，其針對(duì)每個(gè)體素提供針對(duì)一個(gè)或多個(gè)可視化性質(zhì)的概率。評(píng)價(jià)體積生成器304基于輸入體積圖像和不確定性來(lái)生成評(píng)價(jià)體積。例如，評(píng)價(jià)體積可以包括對(duì)應(yīng)于具有針對(duì)體素等的最高概率的材料類的平均體素。

體積變形器306至少基于估計(jì)的不確定性、指示感興趣區(qū)域和/或體積的輸入、指示感興趣診斷類型的輸入、指示感興趣的概率水平的輸入以及指示作用方向的輸入來(lái)對(duì)所述評(píng)價(jià)體積進(jìn)行變形。可以從存儲(chǔ)器120和/或從輸入設(shè)備124的輸入來(lái)獲得這樣的信息。該感興趣區(qū)域和/或體積可以是體積圖像數(shù)據(jù)集的子集或者是整個(gè)體圖像數(shù)據(jù)集，并且可以被自動(dòng)地和/或手動(dòng)地確定。感興趣診斷類型識(shí)別影響用戶所取的臨床結(jié)果或由臨床決策的(一個(gè)或多個(gè))特性。

效應(yīng)方向指示評(píng)價(jià)體積將如何被變形，例如，陰性的使得人造體積將被變形為表示較不陽(yáng)性的情況，或者陽(yáng)性的使得人造體積將被變形為表示更為陽(yáng)性的情況。例如，更為陽(yáng)性的情況可以涉及檢查的疾病是更為嚴(yán)重的情況。感興趣評(píng)價(jià)概率水平是閾值或者相對(duì)值，其被用來(lái)確定是否要對(duì)評(píng)價(jià)體積變形或者以什么樣的量來(lái)變形評(píng)價(jià)體積。例如，為模仿對(duì)感興趣診斷類型的不確定性的影響，可以選擇例如50％-70％，例如60％的概率水平來(lái)探索較不陽(yáng)性的結(jié)果。60％的概率的選擇等效于高斯分布的一個(gè)標(biāo)準(zhǔn)差移位的可能性。概率百分比被應(yīng)用于不確定性估計(jì)器302的輸出，例如，不確定性圖，以便導(dǎo)出每個(gè)體素的實(shí)際不確定性值，這將在體積變形中由體積變形306使用。

人造體積和/或評(píng)價(jià)體積被視覺(jué)地顯示。在一個(gè)實(shí)例中，這包括在查看窗口內(nèi)不交疊地同時(shí)顯示人造體積和評(píng)價(jià)體積，例如并排。在另一實(shí)例中，人造和評(píng)價(jià)體積在查看窗口中交替地和單獨(dú)地顯示。用戶可以在各體積之間來(lái)回切換。在又一實(shí)例中，人造和評(píng)價(jià)體積可以被融合和/或以其他方式被組合為單個(gè)體積，例如，使用一個(gè)半透明欄疊加，并且單個(gè)體積可以被顯示在查看窗口中。

引起的圖像變形可以被應(yīng)用以這樣的性質(zhì)，其可以模仿不太嚴(yán)重或更為嚴(yán)重的診斷結(jié)果。原始體積和人造體積可以以默認(rèn)的或用戶優(yōu)選的方式被可視化，使得對(duì)潛在的診斷結(jié)果的印象比常規(guī)的不確定性的可視化技術(shù)更加清晰。所述方法可以被應(yīng)用在具有量化標(biāo)度值的圖像上，諸如解剖圖像或功能成像圖，例如，以歸類圖諸如在分類和分割結(jié)果中。

圖4圖示了用于基于局部的體積值來(lái)使用成像信息來(lái)對(duì)不確定性進(jìn)行可視化的范例方法，要么是連續(xù)的，要么是非連續(xù)的或離散的。

要理解，本文中描述這些方法的動(dòng)作的順序不是限制性的。這樣，本文中預(yù)期其他順序。另外，可以省略一個(gè)或多個(gè)動(dòng)作和/或可以包括一個(gè)或多個(gè)額外的動(dòng)作。

在402處，例如從成像系統(tǒng)100、數(shù)據(jù)儲(chǔ)存庫(kù)204和/或其他設(shè)備采集體積圖像數(shù)據(jù)。

在404處，確定對(duì)體圖像數(shù)據(jù)的體積局部不確定性分布的估計(jì)。

在406處，基于所述體積圖像數(shù)據(jù)和所述局部不確定性分布來(lái)生成評(píng)價(jià)體積。

在408處，在評(píng)價(jià)體積中識(shí)別感興趣區(qū)域和/或體積。

在410處，識(shí)別診斷類型。在這個(gè)范例中，診斷類型指示使得結(jié)果變?yōu)殛?yáng)性(或陰性)結(jié)果的感興趣特性。

在412處，接收感興趣評(píng)價(jià)概率水平。

在414處，識(shí)別效應(yīng)方向。陰性效應(yīng)將得到表示較不陽(yáng)性的情況的人造體積，并且陽(yáng)性效應(yīng)將得到表示較為陽(yáng)性的情況的人造體積。

在416處，確定要被計(jì)算的體素周?chē)娜痔卣鞯念愋汀?/p>

在418處，計(jì)算體素周?chē)娜痔卣鞯念愋汀?/p>

在420處，如果基于感興趣評(píng)價(jià)概率水平和體素周?chē)挠?jì)算的全局特征來(lái)確定體素值是否應(yīng)該被變形。

如果確定該體素值應(yīng)該被變形，則在422處，針對(duì)感興趣區(qū)域和/或體積基于診斷類型和效應(yīng)方向來(lái)確定值變形的幅度和方向。

在424處，如果確定體素值不應(yīng)該被變形或如果體素被變形，則確定是否要對(duì)另一個(gè)體素進(jìn)行評(píng)價(jià)。

如果確定另一個(gè)體素要被評(píng)價(jià)，則動(dòng)作416被重復(fù)。

如果在424確定沒(méi)有其他體素要被評(píng)價(jià)，則在426人造體積被視覺(jué)地呈現(xiàn)。

任選地，在動(dòng)作426之前，模型可以被確定以保持診斷圖像的狀況并且被應(yīng)用于體積以產(chǎn)生最終體積。

圖5圖示了用于基于導(dǎo)出的分類或文本值使用圖像信息來(lái)可視化不確定性的范例方法。

要理解，本文中描述這些方法的動(dòng)作的順序不是限制性的。這樣，本文中預(yù)期其他順序。另外，可以省略一個(gè)或多個(gè)動(dòng)作和/或可以包括一個(gè)或多個(gè)額外的動(dòng)作。

在502處，例如從成像系統(tǒng)100、數(shù)據(jù)儲(chǔ)存庫(kù)204和/或其他設(shè)備采集體積圖像數(shù)據(jù)。

在504處，確定對(duì)體圖像數(shù)據(jù)的體積局部不確定性分布的估計(jì)。

在506處，基于所述體積圖像數(shù)據(jù)和所述局部不確定性分布來(lái)生成評(píng)價(jià)體積。

在508處，在評(píng)價(jià)體積中識(shí)別感興趣區(qū)域和/或體積。

在510處，識(shí)別診斷類型。在這個(gè)范例中，診斷類型指示感興趣的特性，其使結(jié)果為正(或負(fù))的結(jié)果。

在512處，接收感興趣評(píng)價(jià)概率水平。

在514處，識(shí)別效應(yīng)方向。陰性效應(yīng)將得到表示較不陽(yáng)性的情況的人造體積，并且陽(yáng)性效應(yīng)將得到表示較為陽(yáng)性的情況的人造體積。

在516處，確定是否要執(zhí)行模擬或解析分析。

如果選擇了模擬分析，則在518處的，隨機(jī)值/類基于其不確定性分布被分配給該感興趣區(qū)域和/或體積中的每個(gè)體素并且計(jì)算臨時(shí)全局分析。該過(guò)程重復(fù)預(yù)定次數(shù)，并且所有模擬重復(fù)的值被記錄。

如果選擇了解析分析，那么在520處，感興趣區(qū)域和/或體積的所有體素的解析不確定性特性被確定。

在522處，計(jì)算全局分析結(jié)果的概率分布。其中，在516處選擇模擬分析，所記錄的值被用于，例如，創(chuàng)建直方圖。

在524處，計(jì)算對(duì)應(yīng)于概率水平的全局分析的值。

應(yīng)當(dāng)理解，人造體積不同于原始體積上的應(yīng)用統(tǒng)計(jì)噪聲。此外，作為整體的圖像，這不大可能是現(xiàn)實(shí)的結(jié)果，因?yàn)樾?yīng)不確定性是有方向性的，而不是隨機(jī)的。然而，其使得用戶能夠具有這樣的在單個(gè)簡(jiǎn)單圖像表示中的印象：由于不確定性在任何位置中可能發(fā)生什么，以及其可能如何影響預(yù)期的診斷。

在一個(gè)變型中，針對(duì)一個(gè)臨床病例選擇多個(gè)區(qū)域，其具有對(duì)應(yīng)的多個(gè)定義。此外，不確定性性質(zhì)可以具有體素之間的相關(guān)性。

圖6-11圖示了人造體積生成器模塊126的示范性用戶情況。

圖6圖示了結(jié)合分類的范例方法。

要理解，本文中描述這些方法的動(dòng)作的順序不是限制性的。這樣，本文中預(yù)期其他順序。另外，可以省略一個(gè)或多個(gè)動(dòng)作和/或可以包括一個(gè)或多個(gè)額外的動(dòng)作。

在602處，執(zhí)行掃描，生成體積圖像數(shù)據(jù)。

在604處，生成體素的不確定性，其針對(duì)體積圖像數(shù)據(jù)的每個(gè)體素提供針對(duì)個(gè)多不同材料類中的每個(gè)的概率。在這方面，材料可以是由成像信號(hào)所指示的生物組織或化學(xué)化合物、或材料的效應(yīng)或者其功能。

在606處，生成評(píng)價(jià)體積，其中，每個(gè)體素對(duì)應(yīng)于具有基于局部不確定性的最高概率的材料類。

在608處，在評(píng)價(jià)體積中識(shí)別感興趣區(qū)域和/或體積。

在610處，識(shí)別診斷類型。在這個(gè)范例中，診斷類型指示感興趣材料類，其表示將造成陽(yáng)性診斷結(jié)果的材料類。

在612處，接收到感興趣評(píng)價(jià)概率水平，如本文中和/或以其他方式描述的。

在614處，識(shí)別效應(yīng)方向。在這個(gè)例子中，效應(yīng)方向?yàn)殛幮缘?，意味著評(píng)價(jià)體積將基于感興趣評(píng)價(jià)概率水平被變形為表示較不陽(yáng)性的情況，如果有變形的話。

在616中，通過(guò)響應(yīng)于所述體素的是不同材料類的概率符合或超過(guò)感興趣評(píng)價(jià)概率水平而將評(píng)價(jià)體積的感興趣區(qū)域和/或體積中的對(duì)應(yīng)于所識(shí)別的材料類的每個(gè)體素替換為不同材料類的體素來(lái)生成人造體積。對(duì)應(yīng)于除所識(shí)別的(一個(gè)或多個(gè))材料類的材料類的體素不被替換。人造體積將包括對(duì)應(yīng)于所識(shí)別的感興趣材料類的相同或更少數(shù)量的體素，表示較不陽(yáng)性的情況。

如果多個(gè)不同的材料類的概率符合或超過(guò)感興趣評(píng)價(jià)概率水平，則體素被替換為針對(duì)具有最大可能概率的材料類的體素。如果至少兩個(gè)不同的材料類具有相同概率和最高的概率，則體素被替換為針對(duì)所述至少兩個(gè)不同的材料類的體素中隨機(jī)選定的一個(gè)。在一個(gè)實(shí)例中，空間濾波器被應(yīng)用到人造體積以基于預(yù)定的體素相干長(zhǎng)(例如，2.5的體素)度來(lái)對(duì)所述體積進(jìn)行平滑，因?yàn)槊總€(gè)體素獨(dú)立于其他體素被替換。然后，再離散化被施加到經(jīng)濾波的數(shù)據(jù)以產(chǎn)生最終人造體積。

在618，人造體積被視覺(jué)地呈現(xiàn)。

圖7圖示了結(jié)合標(biāo)量值的范例方法。

要理解，本文中描述這些方法的動(dòng)作的順序不是限制性的。這樣，本文中預(yù)期其他順序。另外，可以省略一個(gè)或多個(gè)動(dòng)作和/或可以包括一個(gè)或多個(gè)額外的動(dòng)作。

在702處，掃描被執(zhí)行，從而生成具有被建模的功能圖的連續(xù)的體素值的體積圖像數(shù)據(jù)。

在704中，生成不確定性，其針對(duì)體積圖像數(shù)據(jù)的每個(gè)體素提供針對(duì)具有不同的值的概率分布。如果已知的概率分布被確定(例如，高斯概率分布)，則可以針對(duì)每個(gè)體素分配單個(gè)特性，諸如標(biāo)準(zhǔn)偏差。概率分布可以是非對(duì)稱的。

在706處，生成評(píng)價(jià)體積圖像數(shù)據(jù)集，其中，每個(gè)體素具有對(duì)應(yīng)于體素的最可能的值的值。

在708處，在評(píng)價(jià)體積中識(shí)別感興趣區(qū)域和/或體積。

在710處，識(shí)別診斷類型。在這個(gè)范例中，診斷類型指示表示陽(yáng)性診斷結(jié)果的較高的體素值和表示陰性診斷結(jié)果較低的體素值。

在712處，接收到感興趣評(píng)價(jià)概率水平，如本文中和/或以其他方式描述的。

在714處，識(shí)別效應(yīng)方向。在這個(gè)范例中，效應(yīng)方向?yàn)殛幮缘?，意味著評(píng)價(jià)體積將基于感興趣評(píng)價(jià)概率水平被變形為表示較不陽(yáng)性的情況，如果有變形的話。

在716處，通過(guò)響應(yīng)于所述體素是不同值的概率符合或超過(guò)感興趣評(píng)價(jià)概率水平而將評(píng)價(jià)體積的感興趣區(qū)域和/或體積中的每個(gè)體素值替換為對(duì)應(yīng)于原始值減去體素的std的值來(lái)生成人造體積。

任選地，這是針對(duì)所有體素值進(jìn)行的，并且動(dòng)作712被省略。任選地，如結(jié)合圖6所討論地應(yīng)用空間濾波器。

在718處，人造體積被視覺(jué)地呈現(xiàn)。

圖8示出了結(jié)合紋理或結(jié)構(gòu)分析的范例方法。

要理解，本文中描述這些方法的動(dòng)作的順序不是限制性的。這樣，本文中預(yù)期其他順序。另外，可以省略一個(gè)或多個(gè)動(dòng)作和/或可以包括一個(gè)或多個(gè)額外的動(dòng)作。

在802處，執(zhí)行掃描，生成具有被建模的功能圖的連續(xù)的體素值的體積圖像數(shù)據(jù)，例如，如所描述的和/或以在其他情況下。

在804處，生成不確定性，例如，如本文中所描述和/或以其他方式描述的。

在806處，生成評(píng)價(jià)體積圖像數(shù)據(jù)集。

在808處，在評(píng)價(jià)體積中識(shí)別感興趣區(qū)域和/或體積。

在810處，接收預(yù)期的診斷類型。對(duì)于這個(gè)范例，響應(yīng)于更多的體素在它們的值的空間分布中是異質(zhì)的和不規(guī)則的，預(yù)期的診斷類型分配更為陽(yáng)性的臨床結(jié)果。

在812處，接收到感興趣評(píng)價(jià)概率水平，如本文中和/或以其他方式描述的。

在814處，識(shí)別效應(yīng)方向。在這個(gè)范例中，效應(yīng)方向?yàn)殛幮缘模馕吨u(píng)價(jià)體積將基于感興趣評(píng)價(jià)概率水平被變形為表示較不陽(yáng)性的情況，如果有變形的話。

在816處，通過(guò)僅針對(duì)具有符合或超過(guò)感興趣評(píng)價(jià)概率水平的值的體素將評(píng)價(jià)體積圖像數(shù)據(jù)集中的感興趣區(qū)域和/或體積中的每個(gè)體素替換為計(jì)算的值來(lái)生成人造體積。替換值是通過(guò)計(jì)算圍繞感興趣的體素的在確定的空間區(qū)域中的所有體素的值的均值來(lái)計(jì)算的(例如，具有預(yù)定感興趣半徑的球形或其它體積，例如，以mm計(jì))。如果中心體素的值高于均值，那么該值通過(guò)它的不確定性std減少，并且如果該中心體素的值比均值更低，則該值通過(guò)其不確定度std增加。任選地，如結(jié)合圖6所討論地應(yīng)用空間濾波器。

在818處，人造體積被視覺(jué)地呈現(xiàn)。

圖9圖示了結(jié)合分割的范例方法。

要理解，本文中描述這些方法的動(dòng)作的順序不是限制性的。這樣，本文中預(yù)期其他順序。另外，可以省略一個(gè)或多個(gè)動(dòng)作和/或可以包括一個(gè)或多個(gè)額外的動(dòng)作。

在902處，執(zhí)行掃描，生成體積圖像數(shù)據(jù)。

在904處，體積圖像數(shù)據(jù)基于分割模型而被分割，從而創(chuàng)建評(píng)價(jià)體積。

在906處，生成不確定性，其針對(duì)體積圖像數(shù)據(jù)的每個(gè)體素提供要被包括在分割結(jié)構(gòu)或從分割結(jié)構(gòu)中排除的概率。例如，如果體素在分割結(jié)構(gòu)外面，但非常接近其，則它可具有僅比被排除的概率稍小的要被包括的概率。如果體素良好地在分割結(jié)構(gòu)內(nèi)，則它可以具有非常低的被排除的概率。

在908處，接收預(yù)期的診斷類型。對(duì)于這個(gè)范例，預(yù)期的診斷類型將更為陽(yáng)性的臨床結(jié)果分配給更大的分割結(jié)構(gòu)。

在910處，接收感興趣評(píng)價(jià)概率水平。在這個(gè)范例中，感興趣評(píng)價(jià)概率水平對(duì)應(yīng)于體素在分割結(jié)構(gòu)之外的概率。

在912處，效應(yīng)方向被識(shí)別，如在本文中所描述的和/或以其他方式描述的。

在914處，通過(guò)響應(yīng)于體素具有符合或超過(guò)感興趣評(píng)價(jià)概率水平的概率來(lái)標(biāo)記分割結(jié)構(gòu)中的體素值而生成人造體積。針對(duì)已經(jīng)在分割結(jié)構(gòu)之外的體素，原始值保持不變。在這個(gè)范例中，分割定義感興趣區(qū)域和/或體積。

任選地，當(dāng)存在對(duì)所述分割結(jié)構(gòu)的形狀(例如，形狀的表面平滑性)的約束時(shí)，并且形態(tài)學(xué)操作被應(yīng)用以符合先前的約束。

在916處，人造體積被視覺(jué)地呈現(xiàn)。

圖10圖示了結(jié)合對(duì)連續(xù)標(biāo)量數(shù)據(jù)的全局區(qū)域分析的范例方法。

應(yīng)理解，本文中描述這些方法的動(dòng)作的順序不是限制性的。這樣，本文中預(yù)期其他順序。另外，可以省略一個(gè)或多個(gè)動(dòng)作和/或可以包括一個(gè)或多個(gè)額外的動(dòng)作。

在1002處，接收具有所建模的功能圖的連續(xù)的體素值的體積圖像數(shù)據(jù)。

在1004處，生成不確定性，例如，如本文中所描述和/或以其他方式描述的。

在1006處，在評(píng)價(jià)體積中識(shí)別感興趣區(qū)域和/或體積。

在1008處，接收預(yù)期的診斷類型。對(duì)于這個(gè)范例，預(yù)期的診斷類型是基于所選擇的感興趣區(qū)域的全局分析的；例如，在這個(gè)區(qū)域中的所有體素值的均值。預(yù)期的診斷，在該范例中，盡可能隨著區(qū)域均值更高而更多分配陽(yáng)性臨床結(jié)果。

在1010處，接收感興趣評(píng)價(jià)概率水平，如本文中和/或以其他方式描述的。

在1012處，效應(yīng)方向被識(shí)別，如在本文中所描述的和/或以其他方式描述的。

在1014處，在考慮相關(guān)的體素的誤差傳播時(shí)在考慮感興趣區(qū)域和/或體積內(nèi)的每個(gè)體素值的不確定性的同時(shí)，計(jì)算新的全局均值。例如，如果有“n”個(gè)體素在選定的roi內(nèi)，并且每個(gè)具有“e”的std的高斯不確定性估計(jì)，并且選定的概率水平為p，則均值std為e/(n^1/2)，以及經(jīng)修改的區(qū)域均值可以從p和具有e/(n^1/2)的高斯分布來(lái)計(jì)算。

在1016處，結(jié)果被表示為文本結(jié)果。

圖11圖示了結(jié)合對(duì)分類數(shù)據(jù)的全局區(qū)域分析的范例方法。

應(yīng)理解，本文中描述這些方法的動(dòng)作的順序不是限制性的。這樣，本文中預(yù)期其他順序。另外，可以省略一個(gè)或多個(gè)動(dòng)作和/或可以包括一個(gè)或多個(gè)額外的動(dòng)作。

在1102處，執(zhí)行掃描，生成體積圖像數(shù)據(jù)。

在1104處，生成不確定性圖，如本文中所討論地和/或以其他方式討論的。

在1106處，生成評(píng)價(jià)體積，如本文中所討論地和/或以其他方式討論的。

在1108處，在評(píng)價(jià)體積中識(shí)別感興趣區(qū)域和/或體積。

在1110處，接收預(yù)期的診斷類型。在該范例中，預(yù)期的診斷類型是基于對(duì)選定的感興趣區(qū)域的全局分析的；例如，對(duì)應(yīng)于感興趣區(qū)域和/體積的感興趣材料類的體素相對(duì)于所有類的總和的比率。預(yù)期診斷隨著感興趣材料類的區(qū)域比率更高而將陽(yáng)性臨床結(jié)果分配為更多。

在1112處，接收感興趣評(píng)價(jià)概率水平，如本文中和/或以其他方式描述的。

在1114處，識(shí)別效應(yīng)方向。在這個(gè)范例中，效應(yīng)方向?yàn)殛幮缘?，意味著評(píng)價(jià)體積將基于感興趣評(píng)價(jià)概率水平被變形為表示較不陽(yáng)性的情況，如果有變形的話。

在1116，在考慮相關(guān)的體素的誤差傳播時(shí)在考慮感興趣區(qū)域和/或體積內(nèi)的每個(gè)體素值的不確定性的同時(shí)，計(jì)算新的類的比率。

在多分類的不確定性的情況下，可以執(zhí)行蒙特卡羅模擬，其中，在每次迭代中，區(qū)域中的每個(gè)體素基于其不確定性分布而得到一值。在每次迭代中，執(zhí)行全局分析，并將結(jié)果保存。所有迭代的結(jié)果給出全局分析結(jié)果的全局概率分布，并根據(jù)其可以找到與確定的概率水平相關(guān)的值。

在1118處，結(jié)果被表示為文本結(jié)果。

可以通過(guò)計(jì)算機(jī)可讀指令實(shí)現(xiàn)以上內(nèi)容，所述計(jì)算機(jī)可讀指令嵌入或編碼到計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)上，當(dāng)被計(jì)算機(jī)處理器執(zhí)行時(shí)，所述計(jì)算機(jī)可讀指令使處理器執(zhí)行所述動(dòng)作。額外地或者備選地，所述計(jì)算機(jī)可讀指令中的至少一個(gè)由信號(hào)、載波或其他瞬態(tài)介質(zhì)所承載。

圖12-31圖示了若干范例。

圖12-15的范例涉及在心臟ct中的動(dòng)脈(例如冠狀動(dòng)脈)的狹窄。圖12示出了具有表示由對(duì)比劑增強(qiáng)的血管1202的體素的原始診斷圖像1200。a，b和c指示在處于風(fēng)險(xiǎn)中的狹窄區(qū)域。圖13示出了關(guān)于估計(jì)的成像不確定性1302的信息。y軸1304表示z方向，并且x軸1306表示不確定性水平(例如，高斯的std)。圖14示出了不確定性水平的線密度表示。圖15示出了得到的人造圖像。人造圖像表示變形的圖像，其示出了探索的關(guān)于血管狹窄的不確定性的效應(yīng)。在圖15中，區(qū)域1502表示由于小的不確定性的小的變形并且區(qū)域1504表示由于大的不確定性的大的變形。周界1506表示人造圖像，并且周界1508表示原始圖像。

對(duì)于變形，目標(biāo)區(qū)域是冠狀動(dòng)脈，預(yù)期的診斷的類型是變窄的血管，效應(yīng)不確定性的概率水平是預(yù)定的百分比(例如60％)，效應(yīng)是正方向(即探索更狹窄)，并且體素周?chē)娜痔卣魇菍?duì)比劑的存在。對(duì)于每個(gè)體素周?chē)?，閾值被?jì)算，在其之上的值被認(rèn)為是具有對(duì)比劑。對(duì)于具有對(duì)比劑的那些體素，體素值基于所確定的概率水平和局部不確定性輸入估計(jì)被減小(但不低于該閾值)。

圖16-19的范例涉及將分割區(qū)域分類成不同的組織類，例如，在肝臟中識(shí)別癌性區(qū)域。圖16示出了原始診斷圖像1600，其具有器官內(nèi)的組織區(qū)域分類，被分為3個(gè)離散類，類11602、類21604以及類31606。圖17示出了為類1的概率。圖18示出了圖像1600中以中等置信度的被分類為類1區(qū)域1802，以及圖像1600中以高置信度被分類為類1的區(qū)域1804。圖19示出了人造變形的圖像1900，其示出在獲得類-1區(qū)域中的探索的不確定性效果。

對(duì)于變形，目標(biāo)區(qū)域是選定的器官，預(yù)期的診斷的類型是類-1組織的分類(更多類-1區(qū)域?qū)?yīng)于陽(yáng)性診斷)，效應(yīng)不確定性的選定的概率水平被確定為百分比，并且效應(yīng)是在負(fù)方向上(即，探索更少的類-1檢測(cè))。對(duì)于每個(gè)所分類的區(qū)域(作為整體)：如果類-1的區(qū)域具有基于所選擇的概率水平被分類為另一類的足夠大的概率，則利用其他類來(lái)替換原始類。對(duì)于具有類2或3的體素，不改變?cè)贾?在這種情況下陰性效應(yīng)不確定性)。

圖20-23的范例包括對(duì)應(yīng)于選定的組織類型(例如腫瘤病變體積)的分割區(qū)域的尺度。圖20示出了原始診斷圖像2000，其示出器官內(nèi)的分割組織2002。圖21示出了作為分割組織的部分的概率。圖22示出了診斷圖像中的具有要被包括在分段內(nèi)的低置信度的體素2202，以及診斷圖像中的具有要被包括在分段內(nèi)的高置信度的體素2204。圖23示出了人造變形圖像，其示出探索的確定性在分割區(qū)域的尺度上的效應(yīng)，在這種情況下，獲得更小的分割區(qū)域2302。

對(duì)于變形，預(yù)期診斷的類型是分割區(qū)域的尺度(大的分割對(duì)應(yīng)于陽(yáng)性診斷)，效應(yīng)不確定性的選定概率水平是確定的百分比，其效應(yīng)是在負(fù)方向上(即探索更小的分段)。對(duì)于在原始分割區(qū)域內(nèi)的那些體素，基于選定的概率水平和局部不確定性輸入估計(jì)來(lái)從所述分割中排除所述體素。

圖24-26的范例涉及感興趣組織的紋理或精細(xì)結(jié)構(gòu)(例如在不同的肺部疾病中的肺實(shí)質(zhì)的紋理和結(jié)構(gòu))。圖24示出了原始診斷圖像2400，其示出器官2404內(nèi)的精細(xì)結(jié)構(gòu)的組織2402。圖25示出了每體素的估計(jì)的成像不確定性每，其中，每個(gè)體素具有圍繞均值2502預(yù)測(cè)的相同的高斯不確定性分布2500。圖26示出了人造變形圖像2600，其示出探索的不確定性對(duì)組織紋理的效應(yīng)，其在這種情況下，是較少的組織不規(guī)則和異質(zhì)性。

對(duì)于變形，目標(biāo)區(qū)域是選定的組織區(qū)域，預(yù)期診斷的類型是當(dāng)局部圖值是異質(zhì)和不規(guī)則時(shí)分配陽(yáng)性臨床結(jié)果為多的，并且效應(yīng)不確定性的選定概率水平是確定的百分比，效應(yīng)是在負(fù)方向上(即，探索較少不規(guī)則性和不均勻性)，并且體素周?chē)娜痔卣鞯念愋停横槍?duì)每個(gè)體素，計(jì)算圍繞該特定體素的確定的空間區(qū)域(例如，具有若干mm的半徑的球)中的所有體素的值的均值。如果中心體素的值比所述局部均值更高，那么它的值基于選定的概率水平被降低(但不低于局部均值)。如果體素的值低于均值，那么它的值被增加(但不超過(guò)局部均值)。

圖27-31的范例包括對(duì)診斷結(jié)果的全局定量分析(例如功能性血液灌注分析)。圖27示出了在階段1中的原始診斷圖像2700，并且圖28示出了在階段2中的原始診斷圖像2800。所述階段可以是，例如，兩個(gè)不同的掃描或在動(dòng)態(tài)掃描中兩個(gè)不同的時(shí)間幀或兩個(gè)不同的分析流程。在圖28中，區(qū)域2802表示了用于分析的感興趣的區(qū)域。區(qū)域2802之內(nèi)是連續(xù)的體素值。圖29示出了數(shù)值量化診斷結(jié)果。圖30示出了關(guān)于每體素的估計(jì)的成像不確定性的信息。此處，每個(gè)體素具有圍繞最大可能值預(yù)測(cè)的相同的非對(duì)稱的不確定性分布。該信息指示可能的體素值，其中，最可能的值是來(lái)自原始的診斷圖像的值。圖31示出了人造變形的數(shù)值量化診斷結(jié)果。在這種情況下，比原始的診斷結(jié)果低。

對(duì)于變形，目標(biāo)區(qū)域是roi，預(yù)期的診斷的類型是通過(guò)計(jì)算來(lái)自階段1的結(jié)果與來(lái)自階段2的結(jié)果的比率來(lái)計(jì)算針對(duì)兩個(gè)成像階段的繪制的roi內(nèi)的平均體素值，并且將更加陽(yáng)性的臨床結(jié)果分配給更高的比率，并且效應(yīng)不確定性的選定的概率水平是確定的百分比，效應(yīng)是在負(fù)方向上。該算法考慮選定的roi內(nèi)的每個(gè)體素的不確定性分布，并且在考慮相關(guān)的體素的誤差傳播的同時(shí)計(jì)算新的比率。結(jié)果被呈現(xiàn)為新的數(shù)值結(jié)果。為計(jì)算誤差傳播，可以進(jìn)行蒙特卡羅模擬，其中，在每次迭代中，區(qū)域中的每個(gè)體素基于其不確定性分布獲得一值。在每次迭代中執(zhí)行全局分析(即，在這種情況下，比率計(jì)算)，結(jié)果被保存。所有迭代的結(jié)果給出全局分析結(jié)果的全局概率分布，并根據(jù)其可以找到與確定的概率水平相關(guān)的值。

己經(jīng)參考優(yōu)選的實(shí)施例描述了本發(fā)明。他人在閱讀并理解了前述詳細(xì)說(shuō)明之后可以進(jìn)行修改和變形。本發(fā)明旨在被理解為包括所有這樣的修改和變形，只要其落入權(quán)利要求書(shū)或其等價(jià)方案的范圍之內(nèi)。