Pet/mr系統中的密度引導的衰減圖生成的制作方法

Pet/mr系統中的密度引導的衰減圖生成的制作方法
【專利摘要】一種肺分割處理器(40)被配置為基于噪聲特性對磁共振(MR)圖像進行分類。所述MR分割處理器生成肺感興趣區域(ROI)并且從ROI生成肺的詳細結構分割。所述MR分割處理器執行準確地捕獲整個肺和肺之內的軟組織的迭代歸一化和區域定義方法。分割的準確度依賴于來自MR圖像的固有偽影分類。所述MR分割處理器(40)將分割的肺內部組織像素與肺密度相關，以基于相關性確定衰減系數。利用從使回波和采集時間最小化的成像序列獲得的MR數據來計算肺的密度。該密度區分健康組織和病灶，衰減圖處理器(36)使用其創建針對肺的局域化衰減圖。
【專利說明】
PET/MR系統中的密度引導的衰減圖生成
技術領域
[0001]本申請總體涉及醫學成像。本申請特別結合磁共振(MR)系統應用，并將特別參考其加以描述。然而，應當理解，本申請還適用于其他使用情形，并且未必限于上述應用。
【背景技術】
[0002]通過使用適當的衰減圖考慮在被成像受檢體體內的吸收，增強了通過發射斷層攝影進行的成像，所述發射斷層攝影諸如是正電子發射斷層攝影(PET)或單光子發射計算機斷層攝影(SPECT)。結合透射計算機斷層攝影(CT)執行的發射斷層攝影有利地受益于CT模態提供的輻射衰減數據的可用性。重建的CT圖像實質上是針對在生成CT圖像數據時使用的X射線輻射的被成像受檢體的衰減圖。盡管在CT中使用的X射線輻射一般與在PET中測量的511keV的輻射或在SPECT或其他發射斷層攝影技術中測量的發射不相同，但眾所周知的是，通過適當縮放CT灰度級以對輻射類型中的差異做出解釋，能夠從重建的透射CT圖像生成針對發射斷層攝影的衰減圖。
[0003]在PET中，煙沒光子被患者的身體衰減和散射。為了進行衰減和散射校正，在PET中通常需要衰減圖。在PET/CT成像中，這能夠從CT數據獲得，然而，在PET/MR成像中，尤其是在同時PET/MRI中，CT圖像是不可用的。替代地，可以從分割的MR圖像獲得衰減圖，其中，將MR圖像分成段，并且每段被分配以組織類別和預定義的衰減系數。MR中的對比度機制與PET或SEPCT(或CT，就此而論)的對比度機制在根本上不同。因此，不能說“暗”的MR像素必然對應于高或低衰減。例如，對于一些MR成像模式而言，骨組織和空氣具有相似的灰度級強度，但骨骼對發射輻射造成的衰減要比空氣的衰減高得多。針對準確的衰減校正需要每個組織類別的正確衰減系數。
[0004]然而，肺組織具有變化的衰減性質，其在不同患者之間有所變化。因此，為了實現最優衰減校正，應當針對每位患者估計肺組織衰減系數。例如，這能夠使用MR圖像分割以及動作和衰減的最大似然重建的組合來實現，但這仍然具有挑戰。已經表明，在具有0.75ms的短回波時間(TE)的Turbo-FLASH序列中，在(從CT數據確定的)衰減系數與MRI信號強度之間存在顯著的相關性。還假設超短回波時間(UTE)成像可以揭示肺組織中額外的對比度或改善的量化:在UTE成像中，在激勵之后盡快(在亞10ys范圍中)采集MR信號，以使極短信號衰減時間(在骨骼和肺中大約為毫秒或亞毫秒)的效應最小化。對于肺組織的定性成像而言，已經使用了零回波時間(ZTE)MR成像，兩者都具有強脈沖激勵和掃頻脈沖。
[0005]已經想到過使用各種技術來生成衰減圖。在一種設想的方法中，采用典型受檢體的衰減“圖集”，例如采用典型人類受檢體的衰減“圖集”。所述衰減圖集識別典型受檢體的各個部分或區域的衰減。然而，實際的受檢體，諸如實際的人類受檢體，會有很大變化，并且針對特定受檢體調整衰減圖集并不是簡單明了的。
[0006]此外，從MR掃描計算準確的肺密度是具有挑戰的。MR掃描示出了針對空氣和骨骼的相同信號強度，并且有時不包括來自肺的足夠大信號以生成針對肺的準確的衰減圖。一種技術要求使用并非總可用的特定PET和MRI數據(覆蓋并居中于肺上的視場；患者沒有運動以防止運動偽影;相互配準的MRI數據)。另一種方法要求小視場以允許進行屏息成像，從而防止呼吸運動偽影，由于采集時間更長，這妨礙了將這項技術應用于人。另一種方法是使用全身超短回波時間成像(UTE)以使應用中的回波時間最小化，并使用能夠激勵患者身體大區域的非選擇性激勵脈沖與3D空間編碼和徑向讀出的組合。然而，使用全身成像可能能夠造成回折(即，卷繞)偽影。備選地，2D UTE成像，由于對脈沖持續時間和梯度強度有約束，削弱了2D UTE成像的性能，因而切片選擇性激勵脈沖的選擇性并非最優的。
[0007]MR圖像中的肺分割對于準確的衰減校正圖生成是重要的。為了生成衰減校正圖在全身MR圖像中的詳細肺分割是具有挑戰的。肺中存在病灶必必須被認為是非空氣器官，并且要進行分割是具有挑戰的。已經研究了從MR圖像的肺分割，但分割出具有內部軟組織和病灶的清晰區別的肺提出了許多挑戰。由于MR掃描固有引入的偽影，出現了這些挑戰。一種潛在的應用是準確地分割肺之內的軟組織，并且之后向所分割的內部肺組織分配適當的衰減系數，將它們分類為健康的或不健康的。挑戰起因于MR掃描的固有缺陷和低分辨率。如果在肺內部存在病灶，為生成衰減校正圖而將肺作為整體進行分割可能是不正確的。

【發明內容】

[0008]本申請提供了一種創造性并且自適應的方法，以針對MR掃描相應地調節算法并基于特定參數調整詳細的分割。
[0009]根據一個實施例，一種肺模塊化系統，包括:掃描患者以生成MR圖像數據的MRI模塊。所述肺模塊化系統還包括體積歸一化模塊，其用于對MR圖像數據進行歸一化，該歸一化擴展接近零強度的像素的強度值。所述肺模塊化系統還包括閾值化模塊，其用于為MR數據生成并應用閾值，以在三維二元體積中區分并分離肺像素和非肺像素。所述系統包括:肺感興趣區域(ROI)模塊，其用于從閾值化的MR數據生成肺R0I;修剪模塊，其用于根據肺ROI來修剪MR數據的初始體積。所述系統還包括分割模塊，其用于分割所述MR數據以區分包括肺像素、病灶像素或空氣像素中的至少兩種的肺。所述系統包括:密度模塊，其用于針對像素來評估肺組織密度，以分離病灶像素和肺像素；以及衰減模塊，其用于基于所分離的像素來生成具有準確衰減系數的衰減圖。分類模塊用于對MR數據中的偽影進行分類。轉換模塊用于將二元體積從三維轉換成二維切片。所述系統還包括:肺方框模塊，其用于計算具有方框極限(box limit)的肺方框;切片模塊，其用于為具有最大像素強度的成像切片定位方框極限；平衡模塊，其用于平衡兩個二維切片之間差異;調諧模塊，其用于相對于肺來調諧腹部或氣管;掩模模塊，其用于創建肺掩模；以及融合模塊，其用于融合二維肺掩模與三維二元體積。
[0010]根據另一實施例，一種肺分割系統，包括:具有被配置或編程為接收大量磁共振(MR)圖像數據的處理器的MR分割處理器。所述處理器還被配置或編程為向MR數據應用體積歸一化函數，以擴展接近零強度的像素的強度值。所述處理器被配置或編程為:針對MR數據生成并應用閾值，以在三維二元體積中區分并分離肺像素和非肺像素，并從閾值化的MR數據生成肺感興趣區域(ROI);根據肺ROI修剪MR數據的初始體積。最后，所述處理器被配置或編程為分割所述MR數據以區分包括肺像素、病灶像素或空氣像素中的至少兩種的肺。
[0011]根據本申請的一種優選方法，一種用于從MR圖像計算肺密度的方法包括:使用具有不同回波時間的兩個或更多個回波來掃描肺感興趣區域，以采集MR數據并處理所述MR數據。所述方法還包括從MR數據計算肺密度;并且從所述肺密度生成衰減圖。
[0012]根據本申請的一種優選方法，一種使用MR圖像生成衰減圖的系統，包括:具有被配置為執行如下操作的處理器的分割處理器:使用基于ROI的局域化的分割來分割MR圖像，所述局域化的分割適應于患者特性、圖像噪聲、偽影特性和ROI的解剖特征。所述處理器還被配置為使用強度值的基于密度的映射來使至少一個器官病灶局部化。所述處理器還被配置為基于密度映射來生成局域化的衰減圖并生成R0I。所述處理器被配置為使用跨局域化區域的對象跟蹤在所述ROI之內去除偽影，其中，根據特定的MR圖像特性和患者特性來調整所述對象跟蹤;測試ROI的正確性;并且迭代地重復ROI生成以優化所生成的ROI。
[0013]一個優點在于為PET重建生成了基于局域化MR的衰減圖。
[0014]另一優點在于針對病灶和正常肺組織來分割肺的內部區域。
【附圖說明】
[0015]在閱讀并理解以下詳細描述之后，本發明的其他優點將被本領域的普通技術人員認識到。
[0016]圖1圖解描繪了一種混合式MR/PET成像系統，其包括MR分割處理器，該MR分割處理器利用肺密度實現準確衰減圖的生成。
[0017]圖2描繪了對肺進行分割的模塊化分割方法。
[0018]圖3描繪了歸一化的像素強度與像素計數關系的直方圖。
[0019]圖4描繪了切片與切片之內肺像素計數關系的曲線圖。
[0020]圖5描繪了用于準確衰減圖的生成的肺分割方法。
【具體實施方式】
[0021 ]本申請基于與被分割的組織的肺密度比較提供了針對肺內的內部組織的準確衰減系數。本申請提供了一種技術以基于噪聲特性對每個磁共振(MR)掃描進行分類。噪聲表征有助于確定詳細并且準確的肺分割的可行性。本申請能夠從ROI生成肺感興趣區域(ROI)以及肺的詳細結構分割。本申請提供了一種準確地捕獲整個肺和肺內的軟組織的迭代歸一化和區域定義方法。所述分割的準確度還來自于MR圖像中的偽影分類。本申請提出將分割的肺內部組織像素與肺密度相關，以基于所述相關來確定衰減系數。像素是2D或3D圖像元素。這種基于密度的方法對健康組織和病灶進行區分。
[0022]參考圖1，混合式掃描器包括:磁共振(MR)掃描器10，其在圖示的實施例中是水平膛磁共振掃描器；以及核成像探測器的集成環，在一個實施例中，是正電子發射斷層攝影(PET)探測器12的集成環。MR掃描器10和PET探測器12的集成環兩者都被配置為從設置在MR掃描器10的內膛中的感興趣區域14采集成像數據。(在圖解性的圖1中，具有集成PET探測器12的水平膛MR掃描器10被示為具有MR膛的一半并且PET探測器12的環的對應一半被切除，以揭示膛的內部和PET探測器12集成環的剩余一半。)MR掃描器10包括各種部件，諸如用于生成靜態(Bo)磁場的主磁體、用于疊加磁場梯度的磁場梯度線圈、以及用于激勵和探測磁共振的一個或多個射頻線圈，為簡單起見，在圖1中未示出這樣的部件。PTE探測器的環12包括用于執行選定的“板上”操作的電子器件的支柱16，所述操作諸如是:任選地執行對由輻射探測事件造成的電信號的模數轉換，任選地執行對輻射探測事件的打數字時間戳等。備選地，可以由遠程電子器件(未示出)執行這些操作中的一些。
[0023]繼續參考圖1并進一步參考圖2，MR掃描器10使用所選擇的空間編碼來采集磁共振(MR)數據202，諸如k空間樣本，并在MR成像數據緩存器20中存儲所采集的MR數據。MR重建處理器22使用與所選擇的空間編碼相稱的重建技術來處理MR數據。例如，如果所述空間編碼是分別在激勵期間采用切片選擇梯度并且在磁共振信號衰減和讀出期間采用相位和讀出編碼梯度的常規笛卡爾編碼，那么MR重建處理器22合適采用基于傅里葉變換的重建技術。也想到過其他MR重建技術。MR重建處理器22的輸出是MR圖像，所述MR圖像被存儲在MR圖像存儲器24中，并且被任選地顯示于計算機26的監視器或其他顯示裝置上或者以其他方式被利用。
[0024]PET探測器12和相關聯的板上電子器件16和/或遠程電子器件(未示出)探測輻射探測事件并執行能量和時間窗口化，以識別指示電子-正電子煙滅事件的基本同時的511keV探測事件。每對基本同時的511keV探測事件都定義連接兩個511keV探測事件的投影或響應線(L0R)。這組數據被稱為PET數據，或者更一般地，被稱為發射數據，其被存儲在PET成像數據緩存器30中。
[0025]在一些實施例中，PET探測器12具有充分高的時間分辨率，以分辨源自同一電子-正電子煙滅事件的兩個511keV伽馬粒子的基本同時的探測之間的飛行時間差(或沒有時間差)，并且板上和/或遠程電子器件還被配置為沿響應線定位電子-正電子煙滅事件，從而生成飛行時間PET數據。
[0026]所圖示的混合式掃描器10、12、16為范例。更一般地，本文所公開的用于執行發射數據重建的技術適于結合任何PET掃描器進行實踐，或者更一般地，適于結合生成發射數據的任何掃描器進行實踐，所述掃描器諸如是圖示的PET探測器12、單機PET探測器、生成單光子發射計算機斷層攝影(SPECT)數據的伽馬照相機等。本文所公開的用于執行發射數據重建的技術還適于結合從其采集發射數據的同一受檢體的任何MR圖像進行實踐，這樣的MR圖像是由圖示的混合式掃描器10、12、16或者由單機MR掃描器適當地采集的。
[0027]繼續參考圖1，在一個實施例中，PET重建處理器32采用迭代重建技術來重建由PET系統12、16(或更一般地，由輻射發射成像系統，諸如PET、SPECT等)所采集的發射數據，以形成重建的發射圖像，所述重建的發射圖像被存儲在PET圖像存儲器34中，并任選地顯示在計算機26或另一顯示裝置上或者以其他方式被利用。為了執行發射圖像重建，PET重建處理器32采用考慮了在受檢體體內對所發射的輻射的重新吸收導致的發射損耗的衰減圖。所述衰減圖由衰減圖處理器36生成并存儲在衰減圖存儲器38中且通過衰減圖存儲器38被訪問。
[0028]所述MR圖像被MR圖像分割處理器40進行分割以識別受檢體的一個或多個幾何區域，并且這一幾何信息被適當存儲在MR分割圖像存儲器42中。MR分割處理器40訪問患者的大量MR圖像。MR分割處理器40執行對MR圖像的體積歸一化204以在MR圖像中的肺區域與非肺區域之間進行區分。所述體積歸一化是一種歸一化函數，使得MR圖像數據中的像素強度中，肺像素的強度為零或接近零，并且非肺像素具有高強度。所述體積歸一化捕獲與肺相關的盡可能多的像素。所述體積歸一化調整使大部分像素(例如肺像素)保持接近O的函數，并且為更高強度像素給出統一的值。所述體積歸一化函數還能夠壓縮較高強度像素的強度值。例如，“arccot”或“arctan”歸一化函數有助于在閾值化步驟中有效地定位背景和肺。在一個實施例中，從歸一化函數獲得的每個像素的強度值被乘以常數因子并被用作歸一化像素值。能夠基于特有的患者特性來調整體積歸一化函數。
[0029]MR分割處理器40執行對肺像素的噪聲表征技術206。所述噪聲表征技術具有增大的靈敏度以捕獲肺之內的肺區域和軟組織。所述噪聲表征技術在MR分割處理器40執行體積歸一化之前和之后分析MR體積中的非零像素的數量的比率。在存在更多噪聲時，所述比率增大，并且有助于決定在肺分割期間調整的細節的水平。
[0030]MR分割處理器40執行MR偽影分類207以對例如運動或混疊的偽影或任何其他偽影進行分類。偽影具有各不相同的特性，并且能夠使用偽影調整方法在進入的MR數據中進行分類，并且在分割肺內的內部器官時要小心應對。
[0031]MR分割處理器40針對歸一化的像素強度生成閾值208。像素強度的直方圖被用于生成用于在肺像素與非肺像素之間進行確定的上限強度閾值和下限強度閾值。參考圖3，生成的直方圖300繪示了歸一化的像素強度(X軸)與像素的數量(y軸)的關系。閾值302示出了在被計數為肺像素的像素(閾值302的左側)與被統計為背景(閾值302的右側)的像素(閾值302右側)之間的邊界。在一個實施例中，在歸一化之后，所有背景像素強度被歸一化為255。非空氣和非背景像素獲得統一的值，并且所述直方圖幫助確定有效率的閾值。在所述直方圖中下降之后的第一次升高304表示背景和空氣像素與MR掃描中強度的其余部分的分離。在所述直方圖中未使用背景像素計數(O)，因為其計數很高，S卩，來自非零背景。在所述直方圖中的閾值302是從曲線圖中的谷位置自動生成的閾值。
[0032]MR分割處理器40對MR體積圖像應用閾值，以將肺像素與背景像素分離，以在3D中形成二元體積210。在一個實施例中，通過在2D中進行歸一化和閾值化來生成二元體積。在另一實施例中，將組合算法用于2D和3D數據或局域化R0I。
[0033]在三維中執行其他操作能夠導致泄露到背景或3D空氣或部分肺中。因此，MR分割處理器40將3D二元體積轉換到2D，以進行進一步操作。這是通過首先進行2D連接分量分析以找到MR數據之內的分量來執行的。在一個實施例中，使用區域生長算法執行2D連接分量分析。在另一實施例中，肺被分成與肺像素交疊的具有解剖區域、外部空氣或病灶的若干子R0I;所述子ROI然后被融合以用于其他步驟。
[0034]在所述連接分量分析之后，所述處理器基于使用患者和解剖特性生成的所確定的規則來重新標記所述分量。所述規則包括切片中的對象的預期最小尺寸，即，像素的數量。基于MR偽影分類的分量分類，以及圖像的噪聲標準數量有助于確定分量的預期尺寸。跟蹤算法被用于基于規則來選擇肺的起點和終點。所述處理器還清理非肺區域的切片。
[0035]MR分割處理器40通過首先通過標記索引去除背景像素來生成肺R0I。在所有切片中，背景強度最高，并且像素強度值最低。逐個切片的去除并不能始終在2D中完全去除背景。在一個實施例中，分割恢復了利用3D分割去除的肺的部分。如果在一些切片中去除背景像素時去除了肺像素，則對象跟蹤恢復肺的部分。在一個實施例中，在3D中的任意方向上執行對象跟蹤。在另一實施例中，從肺的頂部開始向下，跨2D切片，在軸向方向上進行對象跟蹤。MR分割處理器40計算方框極限和像素強度以形成肺方框214。所述方框極限是圖像切片中的矩形框，包括極限之內的所有非零像素，以形成初始肺方框，即，針對切片的肺ROI的起點和終點。像素強度是每個切片的方框極限之內的所有非零像素的計數。參考圖4，描繪了具有索引號(X軸)的2D切片與位于切片之內的非零像素(即肺像素)的計數(y軸)之間關系的2D曲線圖400 JR分割處理器40對具有最高像素強度402的切片216進行局域化并針對局域化切片來定位方框極限。來自局域化切片的方框極限被用于通過利用初始肺方框掩蔽整個MR體積(即，所有切片)來生成初始肺ROIJR分割處理器40對從肺的起始切片(即，具有索引號I的切片)到局域化切片的肺切片(區域404)與從局域化切片402到終點肺切片的肺切片(區域406)之間的非零像素的差異218進行均衡。所述均衡清理了保留在局域化切片中的任何骨骼或氣管像素的局域化切片，并且確定了ROI的位置以集中于將來的調諧和準確的肺ROI生成和分割。如果起點到局域化切片區域404比局域化切片到終點406更大，那么執行肺/腹部調諧220。如果終點區域406更大，則執行肺/氣管調諧222。肺/氣管和肺/腹部調諧過程由處理器自動化地進行，并且是迭代直到滿足最小尺寸標準的迭代過程。調諧幫助準確地分割肺/腹部與肺/氣管之間的交疊區域中的肺像素。交疊區域408表示從數據中被清理的腹部切片。在一些實施例中，存在取決于患者特性和采集特性的更多區域，即，截斷的肺。
[0036]在一個實施例中，肺方框是自適應的，根據特定ROI的子ROI，為ROI調諧使用不同的方框尺寸。例如，氣管-肺交疊區域可以具與肺ROI相比更小的R0I。能夠利用來自具有最大肺像素和/或解剖特性的切片的方框，來確定針對肺ROI中特定切片的方框極限的自動調諧。
[0037]利用在所有方向上的因子更新初始肺方框以創建肺掩模224。用于更新方框的所述因子包括噪聲表征、MR偽影分類和患者特性。在一個實施例中，該因子是默認恒定的。所述肺掩模包括氣管、肺、肺/腹部交疊和作為背景被去除的肺的任何部分。將肺掩模融合到3D二元體積226中。將肺掩模與3D二元體積進行融合恢復了被去除的肺部分，并且去除了由掩模增加的任何噪聲。所述融合創建了肺ROI 230。在一個實施例中，測試肺ROI是否正確。如果肺ROI測試失敗，則所述處理器迭代通過前面的步驟，直到正確或者被優化。
[0038]肺ROI包括肺組織、空氣和病灶，但難以在它們之間進行區分。MR分割處理器40將肺ROI 232分割成內部區域。肺分割將肺分割成肺內的軟組織和空氣。分割細節的水平能夠由用戶選擇，即，高水平分割肺掩模234或詳細分割肺掩模236。所述分割使用來自ROI生成的二元掩模以掩蔽232R0I之內的區域。分割還包括在所有維度中的形態學、連接分量算法以及重新標記算法。對象跟蹤算法被應用以生成詳細的肺分割236。來自MR偽影分類的分類也被并入到分割中，以避免將噪聲分割為肺之內的軟組織。
[0039]MR分割處理器40從內部區域檢索肺像素強度的密度。在一個實施例中，根據超短回波時間(UTE)MRI肺密度過程來獲得肺密度。將肺像素強度與肺密度進行映射，因為被分割區域之內的強度與肺密度相關。肺密度有助于區別正常肺組織與病灶組織。從這些密度開始，將病灶與正常肺組織分離，因此，衰減圖處理器36生成更準確的衰減系數圖，所述衰減系數圖被用于由PET重建處理器32的PET重建。
[0040]結合圖5，描繪了一種用于肺分割以生成準確衰減圖的方法。在步驟502，利用MR掃描器掃描患者以生成大量的MR數據。在步驟504，根據歸一化函數對所述MR數據進行歸一化，其將肺像素與非肺像素分離。所述歸一化函數擴展了肺強度，并且壓縮了非肺強度。在步驟506，噪聲表征技術被用于檢索MR數據中在歸一化之前和之后的非零像素的數量的比率。這一比率在存在更多噪聲時增大。
[0041 ]在步驟508，使用直方圖300生成閾值并將所述閾值應用于歸一化的強度。在直方圖300之內，將曲線圖304的第一升高用作閾值。當應用閾值時，從MR數據的歸一化的體積去除非肺像素以生成三維數據的二元體積。剩余的像素由包含骨骼、腹部、空氣、病灶和肺組織像素的像素構成。
[0042]在步驟512，執行對初始MR數據的偽影分類以對MR數據中的任何偽影(諸如運動或混疊)進行分類。能夠在生成肺ROI時使用該分類作為因子。
[0043]在步驟514，使用如上所述的二元體積、MR偽影分類和噪聲表征來生成肺ROI。在步驟516，所生成的肺ROI被應用于MR數據的初始體積以修剪背景數據。在步驟518，對肺像素進行分割。MR偽影分類和噪聲表征有助于將肺的內部區域分割為肺組織和空氣。
[0044]在步驟520，針對分割的肺之內的像素計算肺密度。如果肺的內部區域是正常肺組織或病灶，則肺密度會變化。在正常肺組織之內，密度可以變化。在衰減圖中分配非常數衰減系數解決了變化問題。從肺的其余部分分離病灶。能夠利用不同的實施例實現對肺密度的計算。在一種肺密度計算中，使用非常短的成像時間，例如UTE或ZTE序列，來掃描患者，以創建更準確的肺密度。短回波時間與準確的肺密度計算直接相關，因為有更多信號可用于采集，這減小了噪聲。使信號采集時間最小化對于接收肺信號是有益的，并且使得患者屏息的時間縮短。在MR成像期間，成像時間花在了肺衰減成像上。這一信息被用于改進的基于MR的衰減校正，以填充衰減圖的肺區域。
[0045]在一個實施例中，從CT-MRI校準曲線計算肺密度。備選地，使用多UTE序列或組合UTE梯度回波序列來進一步確定肺的相對密度。例如，使用30ys和40ys回波時間的兩個UTE回波。能夠從在肺和非肺參考組織之間的比率來計算肺密度。應當認識到，在步驟502器件能夠進行對患者的成像。
[0046]UTE成像被用于在非常快的時段中掃描患者。在一個實施例中，三維低分辨率UTE被用于掃描患者的肺區域。對于3D低分辨率UTE，全身激勵能夠導致不希望的偽影，諸如回折，即回轉。使用局部發射/接收函數從密度獲得衰減系數，以獲得針對肺區域的局域化數據。備選地，局部線圈能夠被用于僅激勵肺區域而非激勵全身。低分辨率被用于使采集時間最小化。這樣允許潛在偽影的最小化。
[0047]在另一實施例中，二維UTE被用于掃描患者。對于2DUTE，利用允許短激勵脈沖的患者的厚成像切片使采集時間最小化。例如，厚度為若干厘米的成像切片導致非常短的激勵脈沖，這對于肺密度計算是有益的。另外，低體素分辨率被用于給出患者的快速讀出。能夠在具有非特異性激勵的2D UTE中使用全身線圈來采集肺信號。從這些掃描，在患者肺區域上計算平均肺密度。
[0048]在另一實施例中，一維UTE被用于掃描患者。對于IDUTE而言，筆形射束被引導至患者的肺以采集肺信號。在ID UTE中使用筆形射束給出了用于計算肺密度的短回波時間。
[0049]在另一實施例中，表面線圈被放置在患者的胸部區域上方。所述表面線圈具有空間受限的靈敏度分布(profile)，其被用于從肺組織采集信號。當被放置在患者胸部區域上方時，所述線圈對肺區域中的組織最敏感。
[0050]在另一實施例中，低分辨率3D零回波時間(ZTE)成像，諸如利用傅里葉變換的掃掠成像(SWIFT)，被用于獲得平均肺衰減系數。
[0051 ] 通過類似方式，由于非常短的回波時間和響應時間，TZE或SWIFT MRI能夠被用于確定肺內部的相對質子密度。通過僅采用單個UTE回波和具有短回波時間的第二回波，也能夠使用UTE短TE雙回波序列。
[0052]在步驟522，創建基于區分的肺組織和病灶的具有準確衰減系數的衰減圖。經分割的肺和病灶組織被重新集成到MR圖像中以實現詳細分割的肺。局域化的病灶和肺組織被用于形成肺之內的局域化衰減值，而不是針對整個肺都是默認常數。所述衰減圖被用于患者圖像的經改進PTE重建。
[0053]應當認識到，用戶可以通過在一些或全部步驟之后自動確認所確定的選擇來練習對肺分割的增強控制。如本文所使用的，存儲器包括如下中的一種或多種:非暫態計算機可讀介質;磁盤或其他磁存儲介質;光盤或其他光存儲介質；隨機存取存儲器(RAM)、只讀存儲器(ROM)或其他電子存儲設備或芯片或操作性互連的芯片組;可以經由因特網/內部網或局域網從其檢索存儲的指令的因特網/內部網服務器;等等。此外，如本文所使用的，處理器包括微處理器、微控制器、圖形處理單元(GHJ)、專用集成電路(ASIC)、現場可編程門陣列(FPGA)等中的一個或多個;控制器包括:(I)處理器和存儲器，所述處理器執行存儲器上實現控制器的功能的計算機可執行指令;或(2)模擬和/或數字硬件；用戶輸入裝置包括鼠標、鍵盤、觸摸屏顯示器、一個或多個按鈕、一個或多個開關、一個或多個旋鈕、語音識別引擎等中的一種或多種;數據庫包括一個或多個存儲器;并且顯示設備包括液晶顯示器(LCD)、發光二極管(LED)顯示器、等離子體顯示器、投影顯示器、觸摸屏顯示器等中的一種或多種。
[0054]盡管已經參考其示范性實施例描述了本公開的系統和方法，但本公開不限于這樣的示范性實施例。相反，本文公開的系統和方法容易進行多種修改、增強和/或變化而不脫離其精神或范圍。因此，本公開體現并涵蓋這樣在本文隨附權利要求的范圍之內的修改、增強和/或變化。
【主權項】
1.一種肺t吳塊系統，包括: 體積歸一化模塊，其配置為對MR圖像數據進行歸一化(204、504)，其擴展接近零強度像素的強度值，并且壓縮更高強度像素的強度值； 閾值化模塊，其被配置為生成并應用針對所述MR數據的閾值(208、508)，以在三維二元體積(210)中區分并分離肺像素和非肺像素； 肺感興趣區域(ROI)模塊，其從閾值化的MR數據來生成(230、514)肺ROI; 修剪模塊，其被配置為根據所述肺ROI來修剪(232、516)MR數據的初始體積；以及分割模塊，其分割(234、236)所述MR數據以區分包括肺像素、病灶像素或空氣像素中的至少兩種的肺。2.根據權利要求1所述的系統，還包括: 密度模塊，其針對所述像素和來自肺像素的分離病灶像素來評估(520)肺組織密度；以及 衰減模塊，其基于所分離的像素來生成(522)具有準確衰減系數的衰減圖。3.根據權利要求2所述的系統，其中: 所述密度模塊被配置為使所述回波時間和采集時間最小化以計算肺組織密度。4.根據權利要求2或3中的任一項所述的系統，其中: 所述密度模塊被配置為使用超短回波時間磁共振圖像來計算肺組織密度。5.根據權利要求2-4中的任一項所述的系統，其中: 所述密度模塊被配置為使用多個回波來計算肺組織密度以進行歸一化。6.根據權利要求1-5中的任一項所述的系統，還包括: 分類模塊，其被配置為對所述MR數據中的偽影(207)進行分類； 轉換模塊，其被配置為將所述肺ROI從3D轉換成2D; ROI形狀模塊，其被配置為生成肺ROI形狀； 平衡模塊，其被配置為對所述肺ROI進行平衡和調諧(218);以及 融合模塊，其被配置為融合至少兩個肺ROI。7.根據權利要求1-6中的任一項所述的系統，還包括: 轉換模塊，其被配置為將所述肺ROI (207)從三維轉換成二維切片； 肺方框模塊，其被配置為計算肺方框(214); 切片模塊，其被配置為計算(216)針對成像切片的方框極限；以及 調諧模塊，其被配置為相對于肺來調諧腹部(220)或氣管(222)。8.一種肺分割系統，包括: 一個或多個處理器(40)，其被配置和編程為: 接收(502)大量磁共振(MR)圖像數據； 向所述MR圖像數據應用體積歸一化函數(204、504)，以擴展接近零強度像素的強度值并壓縮更高強度像素的強度值； 生成并應用針對所述MR數據的閾值(208、508)，以在三維中區分并分離二元體積中的肺像素和非肺像素(210); 從閾值化的MR數據生成肺感興趣區域(ROI) (230、514); 根據所述肺ROI來修剪MR數據(232、516)的初始體積;并且 分割所述MR數據(234、236、518)以區分包括肺像素、病灶像素或空氣像素中的至少兩種的肺。9.根據權利要求5所述的系統，其中，所述一個或多個處理器(40)還被配置或編程為: 計算歸一化的體積的噪聲表征(204、506)，以創建歸一化比率;并且 在生成所述肺ROI時使用所述歸一化比率。10.根據權利要求5-6中的任一項所述的系統，其中，所述一個或多個處理器(40)還被配置或編程為: 使用MR偽影分類(512)對所述MR數據進行分類;并且 在生成所述肺ROI時使用所述MR偽影分類。11.根據權利要求5-7中的任一項所述的系統，其中，所述一個或多個處理器(40)還被配置或編程為執行2D連接分量分析和重新標記分析，以將二元體積從三維轉換成二維切片。12.根據權利要求5-8中的任一項所述的系統，其中，所述一個或多個處理器(40)使用歸一化的像素強度的直方圖來生成所述閾值。13.根據權利要求9所述的系統，其中，所述一個或多個處理器(40)還被配置或編程為通過如下操作來生成所述肺ROI: 識別所述肺的開始切片(404)和結束切片(406); 識別在所述開始切片與所述結束切片之間的包括最高數量肺像素的切片(402);并且 平衡在所述開始切片之前和/或在所述結束切片之后的切片以去除氣管像素和/或腹部像素。14.根據權利要求5-10中的任一項所述的系統，其中，所述一個或多個處理器(40)還被配置或編程為: 評估針對所述像素的肺組織密度(520)，以將病灶像素與肺像素分離;并且 基于所分離的像素來生成具有準確衰減系數的衰減圖(522)。15.一種肺分割方法，包括: 向MR圖像應用體積歸一化函數以創建歸一化的體積圖像； 針對所述MR圖像生成并應用閾值以在三維二元體積中區分并分離肺像素和非肺像素； 從閾值化的MR圖像來確定肺感興趣區±或(ROI); 根據所述肺ROI來修剪所述MR圖像;并且 分割所述MR圖像以區分包括肺像素、病灶像素或空氣像素中的至少兩種的肺。16.根據權利要求13所述的方法，還包括: 計算歸一化的體積的噪聲表征以創建歸一化比率;并且 在生成所述肺ROI時使用所述歸一化比率作為因子。17.根據權利要求13-14中的任一項所述的方法，還包括: 使用MR偽影分類來對所述MR數據進行分類;并且 在生成所述肺ROI時使用所述MR偽影分類作為因子。18.根據權利要求13-18中的任一項所述的方法，還包括: 計算肺組織密度以將所述病灶像素與所述肺像素分離;并且 基于所分離的像素來生成具有準確衰減系數的衰減圖。19.一種用于從MR圖像計算肺密度的方法，包括: 使用具有不同回波時間的兩個或更多個回波來掃描肺感興趣區域以采集MR數據； 處理所述MR數據； 從所述MR數據計算肺密度;并且 從所述肺密度生成衰減圖。20.—種使用MR圖像生成衰減圖的系統，包括: 具有被配置為執行如下操作的處理器的分割處理器: 使用基于ROI的局域化的分割來分割MR圖像，所述局域化的分割適應于患者特性、圖像噪聲、偽影特性和ROI的解剖特征； 使用對強度值的基于密度的映射，來使至少一個器官病灶局部化； 基于所述密度映射來生成局域化的衰減圖； 生成R0I; 使用跨局域化區域的對象跟蹤在所述ROI之內去除偽影，其中，根據特定的MR圖像特性和患者特性來調整所述對象跟蹤； 測試所述ROI的正確性;并且 迭代地重復ROI生成以優化所生成的ROI。
【文檔編號】G01T1/16GK105849775SQ201480069732
【公開日】2016年8月10日
【申請日】2014年12月10日
【發明人】Y·貝爾克, S·德維韋迪, V·舒爾茨, L·邵
【申請人】皇家飛利浦有限公司