用于醫學成像的自動規劃的制作方法
【專利摘要】本文公開了用于促進用于醫學成像的自動規劃的框架。根據一方面，該框架接收受試者的第一圖像數據。然后可使用幾何模型和在第一圖像數據中所檢測的至少一個參考圖形基元來導出一個或多個成像參數。幾何模型定義所檢測參考解剖基元與一個或多個成像參數之間的幾何關系。可經由用戶接口來呈現所述一個或多個成像參數以便在受試者的第二圖像數據的獲取、重構或處理中使用。
【專利說明】用于醫學成像的自動規劃
[0001]相關申請的交叉引用
本申請要求2013年8月9日提交的美國臨時申請號61/863,934的權益，其全部內容被通過弓I用結合到本文中。
【技術領域】
[0002]本公開一般地涉及診斷成像，并且更具體地涉及用于促進用于醫學成像的自動規劃的自動化或半自動化系統和方法。
【背景技術】
[0003]自從X射線第一次被用來確定解剖異常而來，醫學成像領域已經歷顯著的進步。醫學成像硬件已從諸如醫學共振(MR)成像掃描儀、計算機斷層成像(CT)掃描儀和正電子發射斷層成像(PET)掃描儀之類的現代機器發展成諸如PET-CT和PET0MRI系統之類的多模態成像系統。由于由此類現代醫學掃描儀產生的大量圖像數據，已存在且仍需要開放圖像處理技術，其能夠使某些或所有過程自動化以確定掃描醫學圖像中的解剖異常的存在。
[0004]使用從掃描儀、例如CAT掃描儀、MRI等獲得的原始圖像數據來構造數字醫學圖像。該數字醫學圖像通常是由像素元素構成的二維(“2D”)圖像、由體積元素(“體素”)構成的三維(“3D”)圖像或由動態元素(“動態體素”)構成的四維(“4D”)圖像。使用醫學圖像識別技術來處理此類2D、3D或4D圖像以確定諸如囊腫、腫瘤、息肉等解剖異常的存在。給定由任何給定圖像掃描產生的圖像數據的量，優選的是自動技術應向醫生指出圖像的所選區域中的解剖特征以用于任何疾病或條件的進一步診斷。
[0005]識別數字化醫學圖像內的解剖結構提出多個挑戰。例如，第一個問題涉及圖像內的解剖結構的識別的準確度。第二個有關的領域是識別速度。由于醫學圖像是用于醫生診斷疾病或條件的輔助，所以能夠用來處理圖像的速度和所識別的該圖像內的結構對于醫生而言可能具有極高的重要性以便得到早期診斷。因此，需要改善識別技術，其提供解剖結構的準確且快速的識別和醫學圖像中的可能異常。
[0006]醫學圖像內的結構的自動化圖像處理和識別一般地稱為計算機輔助檢測(CAD)。CAD系統能夠處理醫學圖像并識別包括可能異常的解剖結構以用于進一步檢查。此類可能異常常常稱為候選，并被認為由CAD系統基于醫學圖像而生成。
[0007]使用MR的頭部和頸部血管成像為狹窄癥、解剖體、動脈瘤和血管瘤的診斷提供有價值的信息。為了在對比增強或非對比增強磁共振血管造影(MRA沖實現適當的成像質量，應相對于特定動脈或靜脈血管將高分辨率MR切片定位于特定的位置和取向。例如，包括主動脈弓和威利斯環的兩個頸動脈應被高分辨率冠狀切片覆蓋。此外，可獲取附加偵察切片以促進所謂減少暴露組合應用(CARE)團注(bolus)或測試團注切片的定位。最后兩個幫助可靠地滿足造影劑團注到達感興趣區(ROI)中的最佳時間點。
[0008]適當的切片定位是耗費時間的，并且切片的數目直接地與動態血管造影的獲取時間及時間或空間分辨率有關。另外，切片取向也能夠影響結果得到的圖像中的偽跡的存在(例如，繞回，如果視場過小的話)。特別是在時間關鍵或緊急檢查(例如，在中風MR檢查中)中且由于不能在同一 MR檢查中重復造影劑給予的事實，需要避免用以獲得適當定位和成像結果的多次重復。因此，切片定位需要用最小數目的切片來覆蓋相關解剖結構并實現最佳成像結果。然而，在當前工作流程中，切片定位常常是增加工作流程速度和跨操作員的可靠性方面的瓶頸。
【發明內容】
[0009]本公開涉及用于促進用于醫學成像的自動規劃的框架。根據一方面，該框架接收受試者的第一圖像數據。然后可使用幾何模型和在第一圖像數據中檢測的至少一個參考解剖基元來導出一個或多個成像參數。幾何模型定義所檢測參考解剖基元與所述一個或多個成像參數之間的幾何關系。可經由用戶接口來呈現所述一個或多個成像參數以便在受試者的第二圖像數據的獲取、重構或處理中使用。
[0010]提供本
【發明內容】
是為了以簡化型式來介紹下面將在以下詳細描述中進一步描述的概念的選擇。并不意圖識別要求保護的主題的特征或本質特征，也不意圖將其用來限制要求保護的主題的范圍。此外，要求保護的主題不限于解決在本公開的任何部分中所述的任何或所有缺點的實施方式。
【專利附圖】
【附圖說明】
[0011]當結合附圖來考慮時，通過參考以下詳細描述，將隨著本公開及其許多伴隨方面被更好地理解而很容易獲得其更全面認識。此外，應注意的是遍及附圖使用相同的附圖標記來參考類似的元件和特征。
[0012]圖1是圖示出示例性成像系統的框圖；
圖2示出了訓練分級檢測器的示例性方法；
圖3示出了醫學成像規劃的示例性方法；
圖4圖示出用于CARE團注切片群組的自動掃描定位的示例性應用；
圖5圖示出用于對比增強(CE)-MRA體積的自動掃描定位的示例性應用；
圖6圖示出用于飛行時間(TOF)血管造影獲取體積的自動掃描定位的示例性應用；以及
圖7圖示出用于由Tl加權的3D偵察圖像重構2D血管偵察薄層最大密度投影(MIP)圖像的示例性應用。
【具體實施方式】
[0013]在以下描述中，闡述了許多特定細節，諸如特定部件、設備、方法等的示例以便提供本發明的實施例的透徹理解。然而，對于本領域的技術人員而言將顯而易見的是，不需要采用這些特定細節來實施本發明的實施例。在其他情況下，未詳細地描述眾所周知的材料或方法以免不必要地使本發明的實施例含糊難懂。雖然本發明可有各種修改和替換形式，在附圖中已經以示例的方式示出了特定實施例及其方法并在本文中詳細地描述。然而，應理解的是，并不意圖使本發明局限于公開的特定形式，相反，本發明將覆蓋落在本發明的精神和范圍內的所有修改、等價物和替換。
[0014]本文所使用的術語“x射線圖像”可意指可見X射線圖像(例如，在視頻屏幕上顯示)或X射線圖像的數字表示(例如，對應于X射線檢測器的像素輸出的文件)。本文所使用的術語“治療中X射線圖像”可以指的是在放射外科治療或放射治療程序的治療遞送階段期間的任何時間點處捕捉的圖像，其可包括當輻射源被開啟或關閉的時間。不時地，為了便于描述，在本文中可使用MRI成像數據作為示例性成像模式。然而，將認識到的是在本發明的各種實施例中還可使用來自任何類型的成像模式的數據，包括但不限于X光射線照片、CT, PET (正電子發射斷層成像)、PET-CT、SPECT, SPECT-CT、MR-PET、3D超聲波圖像等。
[0015]除非另外說明，如從以下討論顯而易見的，將認識到諸如“分段”、“生成”、“配準”、“確定”、“對準”、“定位”、“處理”、“計算”、“選擇”、“估計”、“檢測”、“追蹤”等術語可以指的是參考計算機系統或類似電子計算設備的動作和過程，其對在計算機系統的寄存器和存儲器內表示為物理(例如，電子)量的數據進行操縱并變換成在計算機系統存儲器或寄存器或其他此類信息存儲、傳輸或顯示設備內同樣地表示為物理量的其他數據。可使用計算機軟件來實現本文所述的方法的實施例。如果用符合所識別標準的編程語言來編寫，可以編譯被設計成實現所述方法的指令序列以便在多種硬件平臺上執行并用于對接到多種操作系統。另外，并未參考任何特定編程語言來描述本發明的實施例。將認識到的是可使用多種編程語言來實現如本發明的實施例。
[0016]本文所使用的術語“圖像”指的是由離散圖像元素(例如，用于2D圖像的像素、用于3D圖像的體素、用于4D圖像的動態體素等)組成的多維數據。該圖像可以是例如用本領域的技術人員所知的計算機斷層成像、磁共振成像、超聲波或任何其他醫學成像系統收集的受試者的醫學圖像。還可從非醫學背景提供圖像，諸如，例如遙感系統、電子顯微技術等。本發明的方法可以應用于任何維度的圖像，例如2D圖片、3D或4D體積。對于2或3維圖像而言，圖像的域通常是2或3維矩形數組，其中，可以參考一組的兩個或三個相互正交的軸對每個像素或體素進行尋址。本文所使用的術語“數字”和“數字化”指的是適當地以經由數字獲取系統或經由從模擬圖像的轉換所獲取的數字或數字化格式的圖像或體積。
[0017]在本文中描述了用于醫學成像的自動規劃的框架。根據一方面，該框架使用分集檢測器來自動地檢測受試者(例如，患者)的偵察圖像數據中的參考解剖基元。可使用所檢測參考解剖基元(例如，結構、表面、線、曲線、標志點等)來自動地導出并規定一個或多個成像參數以用于后續醫學圖像獲取、重構或處理。示例性成像參數包括單獨測試團注切片、CARE完級切片、更多偵察切片或高分辨率血管造影切片的定位和取向、基于兩個自動檢測感興趣解剖體積之間的估計血流的圖像獲取定時等。另外，還可從所檢測參考解剖基元導出多平面重構(MPR)偵察圖像。
[0018]由本框架提供的成像參數的自動或半自動規劃在例如頭頸血管成像工作流程(例如，MR中工作流程)中有用。應認識到的是還可以將此框架擴展至與血管的局部化和識別有關的其他工作流程(例如，冠狀血小板檢測)、其他血管造影或動態工作流程。由本框架提供的數據驅動檢測結果有利地可適應于受試者或患者的特定解剖結構。此外，該框架有利地是比先前的工作更快、更精確、穩健、用戶友好、更加可再現和標準化的。在以下描述中將更詳細地描述這些示例性優點和特征。
[0019]圖1是圖示出示例性成像系統100的框圖。成像系統100包括用于實現如本文所述的框架的計算機系統101。計算機系統101還可通過有線或無線網絡而連接到成像設備102和工作站103。成像設備102可以是放射掃描儀，諸如磁共振(MR)掃描儀、PET/MR、X射線或CT掃描儀。
[0020]計算機系統101可以是臺式個人計算機、便攜式膝上型計算機、另一便攜式設備、微型計算機、主計算機、服務器、存儲系統、專用數字儀器或具有被配置成存儲許多數字數據項目的存儲子系統的另一設備。在一個實施方式中，計算機系統101包括處理器或中央處理單元(CPU)104，其經由輸入輸出接口 121而被耦合到一個或多個非瞬態計算機可讀介質105 (例如，計算機儲存器或存儲器)、輸出設備108 (例如，監視器、顯示器、打印機等)和各種輸入設備110 (例如，鼠標、鍵盤、觸控板、語音識別模塊等)。計算機系統101還可包括支持電路，諸如高速緩存器、電源、時鐘電路和通信總線。更進一步地，計算機系統101可以提供有圖形控制器芯片諸如支持高性能圖形功能的圖形處理單元(GPU)。
[0021]應理解的是可以硬件、軟件、固件、專用處理器或其組合的各種形式來實現本技術。在一個實施方式中，由學習單元106和規劃單元107來實現本文所述的技術。學習單元106和規劃單元107可包括在非瞬態計算機可讀介質105中有形地體現的計算機可讀程序代碼。非瞬態計算機可讀介質105可包括隨機存取存儲器(RAM)、只讀存儲器(ROM)、磁性軟盤、閃速存儲器以及其他類型的存儲器或其組合。計算機可讀程序代碼由CPU 104執行以控制和/或處理來自成像設備102的圖像數據。
[0022]同樣地，計算機系統101是當執行計算機可讀程序代碼時變成專用計算機系統的通用計算機系統。計算機可讀程序代碼并不意圖局限于任何特定編程語言及其實現。將認識到的是可使用多種編程語言及其編碼來實現本文包含的公開的講授內容。計算機系統101還可包括操作系統和微指令代碼。可將本文所述的各種技術實現為微指令代碼的一部分或者作為應用程序或軟件產品的一部分或其組合，其是經由操作系統執行的。可將諸如附加數據存儲設備和打印設備之類的各種其他外圍設備連接到計算機系統101。
[0023]工作站103可包括計算機和適當的外圍設備，諸如鍵盤和顯示器，并且可以結合整個系統100來操作。例如，工作站103可與成像設備102通信，使得能夠在工作站103處再現并在顯示器上查看由例如成像設備102獲取的圖像數據。工作站103可包括用戶接口130，其允許放射治療師或any其他有技術的用戶(例如醫生、技師、操作員、科學家等)操縱和查看圖像數據。此外，工作站103可直接地與計算機系統101通信以呈現已獲取、已重構和/或已處理圖像數據。例如，放射治療師能夠交互地操縱已處理圖像數據的所顯示表示，并從各種觀點出發且在各種閱讀模式下對其進行查看。
[0024]圖2示出了訓練分級檢測器的示例性方法200。在某些實施方式中，離線地(例如，術前地，在對受試者或病人執行手術干預或程序之前)執行方法200。應注意的是可按照所示順序或不同順序來執行方法200的步驟。此外，可實現不同、附加或較少步驟。更進一步地，可用圖1的系統100、不同系統或其組合來實現方法200。
[0025]在202處,學習單元106接收訓練圖像數據。可從一個受試者(例如，患者)或多個受試者獲取訓練圖像數據。可基于非對比增強磁共振成像來獲取訓練圖像數據。替換地，可基于血管的對比增強磁共振圖像和/或非對比增強血管造影(MRA)數據(例如飛行時間(TOF)或其他標記流動自旋)來獲取訓練圖像數據。其他類型的訓練圖像數據也是有用的。示例性血管包括但不限于顱內和/或外血管(例如，頸動脈、主動脈弓等)。其他類型的成像模式或感興趣接收也是有用的。
[0026]在示例性步驟204、206、208和210中，學習單元106學習參考解剖基元的分級檢測器及其關聯解剖環境(例如，空間關系)。在某些實施方式中，獨立地學習分級檢測器。替換地，可基于其他分級檢測器來學習一個或多個分級檢測器。在學習之后，可在運行時間期間以分級方式調用分級檢測器，如將參考圖3所討論的。
[0027]可使用參考解剖基元來導出成像參數以用于后續圖像獲取、重構或處理。某些參考解剖基元在訓練圖像數據內是可見的，而其他參考解剖基元可能不是在圖像數據內可容易辨別或可見的，并且可基于其他參考解剖基元對其進行定位。例如，可基于T5椎骨的位置來預測主動脈弓的位置。示例性類型的參考解剖基元包括但不限于標志點、線、曲線、表面、結構等。出于舉例說明的目的，在步驟204— 210中描述的參考解剖基元包括骨骼結構、血管標志點和結構。然而，應認識到的是還可訓練其他參考解剖基元的檢測器。
[0028]更詳細地轉到步驟204，學習單元106可基于訓練圖像數據而學習至少一個骨骼檢測器。由于骨骼結構相對于血管或其他軟組織是更加有區別且通常相當一致的，所以其提供血管結構位置的粗糙但穩健的估計。示例性骨骼結構包括例如后頭孔、C5椎骨、T5椎骨等。還可以有其他類型的骨骼機構。可使用表觀模型、活動形狀模型或任何其他適當機器學習技術來學習檢測器。
[0029]在206處，學習單元106基于訓練圖像數據來學習至少一個空間關系模型。該空間關系模型捕捉至少一個參考解剖基元(例如，骨骼結構)與另一參考解剖基元(例如，血管結構或標志點)之間的幾何關系。該空間關系模型可包括例如線性回歸模型、活動形狀模型坐寸ο
[0030]在208處，學習單元106基于訓練圖像數據來學習至少一個血管標志點檢測器。標志點(或語音點)可以是圖像數據中的任何可容易辨別或解剖上有意義點。例如，在血管的環境下，最具區別性標志點可包括但不限于血管分叉(例如，到脊椎動脈的基底動脈分叉)、血管接合點、主動脈弓中心、威利斯中心環等。可使用表觀模型、活動形狀模型或任何其他適當機器學習技術來學習檢測器。
[0031]在210處，學習單元106基于訓練圖像數據來學習至少一個血管結構檢測器。示例性血管結構可包括但不限于總頸動脈、升主動脈、降主動脈、基底動脈、大腦中動脈、典型解剖正常變異、模式和/或其病理等。可使用表觀模型、活動形狀模型或任何其他適當機器學習技術來學習檢測器。
[0032]在212處，學習單元106生成幾何模型即基于由所學習分級檢測器所檢測的參考解剖基元來導出一個或多個成像參數。該幾何模型定義所檢測參考解剖基元與一個或多個成像參數之間的幾何關系(例如，所檢測血管與MR切片位置之間的幾何關系)。示例性幾何關系包括但不限于相對角關系、尺寸、對稱性、位置等。此類幾何模型可以是可由系統管理員配置或調整的。
[0033]圖3示出了醫學成像規劃的示例性方法300。在某些實施方式中，在線地執行方法300 (例如，在對受試者或病人執行手術干預或程序的同時在術內)。應注意的是，可按照所示順序或不同順序來執行方法300的步驟。此外，可實現不同、附加或較少步驟。更進一步地，可用圖1的系統100、不同系統或其組合來實現方法300。
[0034]在302處，規劃單元107接收受試者(例如，病人)或一個或多個所學習分級檢測器的偵察數據。偵察圖像數據一般地是在執行特定研究的主要部分之前獲取的低分辨率初步圖像。偵察圖像數據可由例如成像設備102獲取。受試者的偵察圖像數據可至少部分地由與用來學習分級檢測器的訓練圖像數據相同的模式(例如，MR)所獲取，如先前參考圖2所討論的。
[0035]可使用例如先前參考圖2所討論的方法200來學習一個或多個分層檢測器。在步驟304、306、308和310處，規劃單元107調用所學習分級檢測器以檢測偵察圖像數據中的各種參考解剖基元。可在分級序列中調用該分級檢測器。可基于例如檢測可靠性、不同參考解剖基元之間的空間關系等來確定分級序列。例如，可首先檢測具有最高檢測可靠性的更有區別的參考解剖基元。此類所檢測參考解剖基元的位置可用來預測其他空間相關參考解剖基元的位置。出于舉例說明的目的，在步驟304、306、308和310中所述的分級檢測器包括骨骼結構檢測器、空間關系模型、血管標志點檢測器和血管結構檢測器。然而，應認識到的是根據特定應用，還可使用其他檢測器。
[0036]更詳細地轉到步驟304，規劃單元107使用所學習骨骼檢測器來檢測偵察圖像數據中的骨骼標志點或結構。在306處，規劃單元107通過應用所學習空間關系模型來預測偵察圖像數據中的主要血管標志點的位置，該所學習空間關系模型捕捉所檢測骨骼結構與主要血管標志點之間的幾何關系。在308處，規劃單元107使用所學習血管標志點檢測器來檢測偵察圖像數據中的預測位置的局部近鄰中的至少一個有區別的血管標志點或結構。在310處，規劃單元107基于所檢測有區別血管標志點和/或血管結構(例如，小血管結構及其正常變異)而檢測和/或導出偵察圖像數據中的血管結構的標志點和/或中心線。可使用所學習血管結構檢測器來檢測其他血管結構。
[0037]在314處，規劃單元107基于幾何模型和所檢測參考解剖基元而導出一個或多個成像參數。所述一個或多個成像參數可包括病人特定圖像獲取體積及其相應取向，諸如用于使對比度增強、飛行時間血管造影獲取體積等可視化的3D或4D對比增強磁共振血管造影體積。可基于所檢測解剖基元且根據典型正常變異、典型病例和預置成像參數(例如，視場、相位編碼方向、有效厚度、獲取時間等)來規定體積。其他類型的成像參數可包括但不限于團注追蹤切片或窗口的定位、用于根據偵察圖像數據來重構圖像的重構平面或體積等。
[0038]幾何模型定義所檢測參考解剖基元與所述一個或多個成像參數之間的幾何關系。例如，在自動團注追蹤定位應用的環境下，一個或多個成像參數可包括要獲取的高分辨率切片群組的位置和取向、團注到達時的切片群組圖像獲取的定時等。可基于兩個自動檢測感興趣體積之間的血管(例如，頸動脈)中的估計血流來確定圖像獲取的定時。根據特定應用，還可確定其他類型的成像參數，如稍后將更詳細地描述的。規劃單元107還可生成與此類程序參數相關聯的性能數據。性能數據看包括例如建議切片位置的敏感性和特殊性。
[0039]在316處，規劃單元107呈現一個或多個成像參數以便在受試者的醫學圖像數據的獲取、重構或處理中使用。醫學圖像數據可包括例如受試者的頭或頸的MR圖像數據。可在工作站103處經由例如用戶接口來呈現所述一個或多個成像參數。用戶接口可支持不同類型的工作流程，諸如MR血管造影工作流程、中風MR成像工作流程或其他動態工作流程。可基于一個或多個成像參數而生成文本和/或圖形用戶指導，以促進用于醫學圖像獲取、重構或處理的工作流程。該指導有利地允許甚至無經驗的用戶執行成像工作流程的步驟。例如，在測試團注工作流程中，用戶指導可提供關于要注射測試團注或造影劑的時間和位置、對要獲取的切片圖像進行定位的位置、要觸發切片圖像獲取的時間和方式等的指導。此夕卜，用戶接口可隨著團注沿著血管(例如，頸動脈)行進并到達目標感興趣區而提供團注的在線追蹤。另外，用戶接口可使得用戶能夠配置成像協議(例如，CARE團注協議、MR血管造影3D/4D協議、測試團注協議等)的參數。
[0040]圖4圖示出用于CARE團注切片群組的自動掃描定位的示例性應用。CARE團注是允許用戶在團注一到達感興趣區中時就觸發掃描的示例性團注追蹤程序。MR偵察圖像402、404、406、410和418示出了在分級檢測的不同階段的受試者的頭、頸和胸部區域的各種矢狀視圖。執行分級檢測是為了檢測參考解剖基元的位置，其然后被用來自動地導出CARE團注高分辨率切片群組的掃描定位以用于獲取。
[0041]如在偵察圖像402中所指示的，規劃單元107首先使用所學習骨骼檢測器來檢測T5椎骨403。T5椎骨403在其腳至頭(HO位置方面與主動脈弓具有強大的空間相關性。如偵察圖像404中所示，規劃單元107可使用所學習空間關系模型來預測主動脈弓標志點405的位置，該所學習空間關系模型捕捉主動脈弓標志點405與T5椎骨403之間的幾何關系。在偵察圖像406中，規劃單元107已使用所學習血管標志點檢測器而檢測到主動脈弓標志點405的預測位置的近鄰408中的主動脈412的中心線。通過使用主動脈中心線412，規劃單元107能夠導出輔助結構一升主動脈414和降主動脈416 (如圖像410中所示)，其否則將難以單獨基于圖像對比度而檢測。
[0042]偵察圖像418示出了由規劃單元107基于幾何模型和所檢測參考解剖基元而生成的CARE團注切片群組掃描區(短劃線框420)和團注追蹤窗口(實線框422)。幾何模型可定義沿著升和降主動脈414和416之間的中線的團注切片群組420的中心線。可沿著升主動脈414來定義團注追蹤窗口 422的位置。圖像424示出了團注切片群組掃描區420的軸向視圖。
[0043]圖5圖示出用于對比增強(CE)MRA體積的自動掃描定位的示例性應用。根據CE-MRA頸動脈協議，CE-MRA獲取體積覆蓋主動脈弓和威利斯環。可基于骨骼結構標志點和專用血管標志點而自動地對CE-MRA獲取體積進行定位。更特別地，規劃單元107可調用所學習骨骼檢測器以檢測C6椎骨，如軸向偵察圖像502中的標志點506所指示的。圖像504示出了 C6椎骨區域的放大圖。規劃單元107然后使用所學習空間關系模型來預測分別地與威利斯環和主動脈弓相關聯的主血管標志點510和511的位置。規劃單元107然后可基于所檢測骨骼結構和預測血管標志點位置而導出CE-MRA獲取體積514，如矢狀視圖508和516中所示。更特別地，可通過使用所檢測C6椎骨標志點506在第I近似中定義其中心線(和取向)512來導出CE-MRA獲取體積514。可使用血管標志點的預測位置(510和511)來導出CE-MRA獲取體積的位置和范圍。
[0044]圖6圖示出用于飛行時間(TOF)血管造影獲取體積的自動掃描定位的示例性應用。TOF是用以在不需要給予外來造影劑的情況下使血管內的流動可視化的MRI技術。如偵察圖像602所示，規劃單元107可基于使用分級檢測器檢測的骨骼標志點(例如，枕骨606)和血管標志點(例如，大腦前動脈、大腦中動脈、基底動脈等)而導出TOF獲取體積608的中心線604和取向。
[0045]圖7圖示出用于根據Tl加權的3D偵察圖像來重構2D血管偵察一薄層最大強度投影(MIP)圖像的示例性應用。MIP是用于在可視化平面中投射落在被從視點追蹤到重構平面的平行射線的途中的具有最大強度的體素的3D數據的體積再現方法。規劃單元107可首先自動地檢測與C3椎骨和蝶胺(如橫向偵察圖像702中所示)相關聯的骨骼結構標志點704和703，后面是在骨骼結構標志點703和704附近的左和右頸動脈標志點707和708(如軸向偵察圖像706中所示)。然后可基于所檢測的左和右頸動脈標志點707和708來導出薄層MIP重構平面(例如，5mm厚度)的取向、中心線和/或范圍。然后可使用導出的重構平面由3D偵察圖像(702和706)來重構前后(AP)和橫向2D投影圖像720和722。
[0046]雖然已參考示例性實施例詳細地描述了本發明，但本領域的技術人員將認識到在不脫離如在所附權利要求中闡述的本發明的精神和范圍的情況下對其進行各種修改和替換。例如，在本公開和所附權利要求的范圍內可將不同示例性實施例的元素和/或特征相互組合和/或相互代替。
【權利要求】
1.一種用于規劃醫學成像的方法，包括: (i)基于訓練圖像數據而學習分級檢測器； (ii)通過應用所學習分級檢測器來檢測受試者的第一圖像數據中的參考解剖基元； (iii)基于幾何模型而導出一個或多個成像參數，其中，該幾何模型定義所檢測參考解剖基元中的至少一個與一個或多個成像參數之間的幾何關系；以及 (iv)呈現所述一個或多個成像參數以便在受試者的第二圖像數據的獲取、重構或處理中使用。
2.權利要求1的方法，還包括: 學習骨骼檢測器，以及 學習空間關系模型，其捕捉骨骼結構與血管結構或標志點之間的幾何關系。
3.一種用于規劃醫學成像的方法，包括: (i)接收受試者的第一圖像數據； (ii)通過使用在第一圖像數據中檢測的至少一個參考解剖基元和幾何模型來自動地導出一個或多個成像參數，其中，所述幾何模型定義所檢測參考解剖基元與一個或多個成像參數之間的幾何關系；以及 (iii)呈現所述一個或多個成像參數以便在受試者的第二圖像數據的獲取、重構或處理中使用。
4.權利要求3的方法，還包括通過調用所學習分級檢測器以檢測至少一個有區別標志點、曲線、表面、結構或其組合來檢測參考解剖基元。
5.權利要求4的方法，其中，檢測參考解剖基元包括基于檢測可靠性、不同參考解剖基元之間的空間關系或其組合而調用在分級序列中的分級檢測器。
6.權利要求4的方法，其中，檢測第一圖像數據中的參考解剖基元包括通過調用所學習骨骼檢測器來檢測第一圖像數據中的至少一個骨骼結構。
7.權利要求6的方法，其中，檢測第一圖像數據中的參考解剖基元還包括通過應用空間關系模型來檢測第一圖像數據中的第一血管標志點或結構，該空間關系模型捕捉所檢測骨骼結構與第一血管標志點或結構之間的幾何關系。
8.權利要求7的方法，其中，檢測第一圖像數據中的參考解剖基元還包括通過應用所學習血管標志點檢測器來檢測第一血管標志點或結構的局部近鄰內的第二血管標志點或結構。
9.權利要求8的方法，其中，檢測第一圖像數據中的參考解剖基元還包括至少部分地基于所檢測第二血管標志點或結構而導出血管結構的標志點或中心線。
10.權利要求3的方法，其中，自動地導出所述一個或多個成像參數包括導出圖像獲取體積及其相應取向。
11.權利要求3的方法，其中，自動地導出一個或多個成像參數包括確定團注追蹤切片的掃描定位。
12.權利要求11的方法，其中，所述團注追蹤切片覆蓋升主動脈和降主動脈。
13.權利要求3的方法，其中，自動地導出一個或多個成像參數包括確定對比增強磁共振血管造影體積的掃描定位。
14.權利要求13的方法，其中，所述對比增強磁共振血管造影體積包括用于使對比增強可視化的三維磁共振血管造影體積。
15.權利要求13的方法，其中，所述對比增強磁共振血管造影體積包括用于使對比增強可視化的四維磁共振血管造影體積。
16.權利要求13的方法，其中，所述對比增強磁共振血管造影體積覆蓋主動脈弓和威利斯環。
17.權利要求3的方法，其中，自動地導出一個或多個成像參數包括確定非對比增強獲取體積的掃描定位。
18.權利要求3的方法，其中，自動地導出一個或多個成像參數包括確定用于根據第一圖像數據來重構一個或多個圖像或體積的一個或多個重構平面或體積。
19.權利要求3的方法，其中，呈現一個或多個成像參數包括通過呈現基于一個或多個成像參數而生成的指導來促進用于受試者的第二圖像數據的獲取、重構或處理的工作流程。
20.一種醫學成像規化系統，包括: 成像設備，獲取受試者的第一圖像數據； 學習單元，學習分級檢測器； 規劃單元，通過調用所學習分級檢測器來檢測第一圖像數據中的參考解剖基元，該規劃單元還基于幾何模型而導出一個或多個成像參數，其中，該幾何模型導出所檢測參考解剖基元中的至少一個與所述一個或多個成像參數之間的幾何關系；以及 用戶接口，呈現所述一個或多個成像參數以便在受試者的第二圖像數據的獲取、重構或處理中使用。
【文檔編號】G06T11/00GK104346821SQ201410391775
【公開日】2015年2月11日 申請日期:2014年8月11日 優先權日:2013年8月9日
【發明者】M.哈德, 詹翊強, H.邁爾, 廖術 申請人:西門子公司