用于處理醫(yī)學影像的裝置和方法
【專利摘要】本發(fā)明涉及一種用于處理醫(yī)學影像的裝置，其包括：醫(yī)學影像獲取模塊；第一VOI形成模塊，其形成沿所述醫(yī)學影像的第一維度的第一VOI；第二VOI形成模塊，其形成沿所述醫(yī)學影像的第二維度的第二VOI；其中，所述第二VOI形成模塊基于所述第一VOI自動形成所述第二VOI。本發(fā)明還涉及一種用于處理醫(yī)學影像的方法。
【專利說明】
用于處理醫(yī)學影像的裝置和方法
技術領域
[0001]本發(fā)明涉及醫(yī)學影像技術，尤其涉及用于處理醫(yī)學影像的裝置和方法。
【背景技術】
[0002]現代醫(yī)學影像的發(fā)展為臨床提供了大量實用的解剖及功能等方面的影像數據，進而已經成為現代醫(yī)療不可或缺的一部分。當前，醫(yī)學影像的應用貫穿整個臨床工作，其不僅廣泛地用于疾病診斷，而且在外科手術和放射治療等的計劃設計、方案實施以及療效評估等多個方面發(fā)揮著重要的作用。
[0003]醫(yī)學影像是指為了醫(yī)療或醫(yī)學研究，對人體或人體某部分，以非侵入方式取得內部組織影像的技術與處理過程。自從X射線發(fā)明以來，醫(yī)學影像技術的發(fā)展大概經歷了三個階段:結構成像、功能成像和分子影像。簡單地說，功能影像包含SPECT、PET、fMRI等影像，其成像記錄了細胞代謝的信息。功能影像可以體現細胞的代謝是否正常，或者是否有異常的代謝值增高或減低。異常的代謝值表示細胞的生理活動發(fā)生變化，或者可能存在某些疾病。結構影像包含CT、X-ray等影像，其成像記錄了組織內部的解剖結構。結構影像體現解剖結構的信息，顯示出是否有物理上的結構變化，借以發(fā)現骨折、占位等物理結構上的變化。分子影像運用影像學的手段顯示組織水平、細胞和亞細胞水平的特定分子，反映活體狀態(tài)下分子水平變化，借以對其生物學行為在影像方面進行定性和定量研究。
[0004]人體的每個器官內部，由一個個獨立的功能體組成，可以劃分為不同的子功能區(qū)，不同子功能區(qū)會有不同的代謝值。為此，在對功能影像進行處理分析時，很多時候僅對圖像中的某部分感興趣，該感興趣區(qū)域在醫(yī)學影像學中稱為R0I(Reg1n Of Interest)。為了對所述感興趣區(qū)域進行跟蹤，以獲取目標特征，通常通過特定的軟件在醫(yī)學影像中繪制出R0I。換句話說，感興趣區(qū)域ROI是從醫(yī)學影像中選擇的一個圖像區(qū)域，這個區(qū)域是圖像分析關注的重點。圈定該區(qū)域是為了對醫(yī)學影像做進一步處理。
[0005]然而，在影像的研究中，除了要看到影像中某一平面上的感興趣區(qū)域，還需要確定在三維空間中的感興趣體素(VOI ,volume of interest)。感興趣體素VOI就是三維影像中的局部體積，該局部體積對應著人體的一個子功能區(qū)塊。如果需要對三維的醫(yī)學影像區(qū)域進行分析，則需要在三維的醫(yī)學影像中提取出三維的感興趣體素V0I。為了繪制V0I，當前的常用的方法是首先將一個三維的醫(yī)學影像沿選定的維度方向(比如橫斷面、冠狀面、矢狀面)切分成具有均勻厚度的多個斷層圖像，然后分別在各個斷層圖像上繪制出相應的R0I。當將分別繪制有ROI的斷層圖像按照原有的順序疊加在一起時，多個ROI即限定出一個三維的 VO10
[0006]但是，對于有些子功能區(qū)域，很有可能在沿選定的維度繪制的VOI上并不能獲得足夠的信息，進而需要進一步從其他的視角來觀察和分析該子功能區(qū)域的特征。為此，需要沿其他的維度進一步繪制有關該子功能區(qū)域的V0I。也就是說，如果想要綜合多個維度的影像特征整體地了解該子功能區(qū)域的信息，則需要分別沿多個維度繪制多個V0I。
[0007]現有技術的所述方法雖然在一定的程度上可以滿足實際需要，但是其缺點也是很明顯的。首先，現有技術的VOI繪制比較費時。由于每繪制沿一個維度的VOI，都需要首先在多個斷層圖像上分別繪制ROI，一個VOI可能對應數十個甚至更多的ROI，所以需要花費巨大的時間和精力才能完成所需多個維度的VOI繪制。這是一個十分費時費力的過程，進而導致醫(yī)學影像的處理和分析過程變得很漫長。這將巨大地增加診斷成本，并且不利于及時有效地地對患者實施診斷和治療。其次，現有技術所繪制的多個VOI精確度比較低。如前所述，由于每繪制沿一個維度的V0I，都需要首先在多個斷層圖像上分別繪制R0I，而ROI—般是以人工的方式憑著經驗勾畫出來的，由于經驗的原因或者人工操作的不可避免的失誤，所勾畫出來的ROI并不一定能精確地體現目標功能區(qū)域的實際情況，從而導致在一個維度上所繪制的VOI和在另一個維度上所繪制的VOI并不一致，甚至誤差很大，這必然會不利地影響后期的分析過程和結果的準確性，進而影響最終的診斷結果準確性和治療效果。
[0008]為此，在本領域中仍然需要一種用于處理醫(yī)學影像的技術，尤其是一種用于繪制VOI的技術，其可以在針對同一個子功能區(qū)域繪制多個維度的VOI時，有效地改善繪制的效率和精確度，以提高后期的醫(yī)學影像分析處理的準確性，進而提高最終診斷結果的準確性和治療效果。

【發(fā)明內容】

[0009]本發(fā)明一方面提供一種用于處理醫(yī)學影像的裝置，包括:
[0010]醫(yī)學影像獲取模塊；
[0011 ]第一VOI形成模塊，其形成沿所述醫(yī)學影像的第一維度的第一VOI;
[0012]第二VOI形成模塊，其形成沿所述醫(yī)學影像的第二維度的第二VOI;
[0013]其中，所述第二VOI形成模塊基于所述第一VOI自動形成所述第二VOI。
[0014]進一步地，所述第一VOI形成模塊包括:
[0015]第一斷層圖像獲取子模塊，其獲得所述醫(yī)學影像的沿所述第一維度的多個第一維度斷層圖像；
[0016]第一ROI繪制子模塊，其在每個所述第一維度斷層圖像上繪制R0I;
[0017]賦值子模塊，其對每個所述第一維度斷層圖像上的處于ROI內的區(qū)域和處于ROI夕卜的區(qū)域分別賦予第一屬性值和第二屬性值；
[0018]第一斷層組合子模塊，其將分別繪制有ROI的所有第一維度斷層圖像按照原有的順序疊加在一起時，以形成由多個ROI限定出的第一維度V0I。
[0019]根據一個實施例，所述第二VOI形成模塊包括:
[0020]第二斷層圖像獲取子模塊，其獲得所述醫(yī)學影像的沿所述第二維度的多個第二維度斷層圖像；
[0021]屬性值區(qū)域顯示子模塊，其在每個所述第二維度斷層圖像上，自動顯示出具有所述第一屬性值的區(qū)域和具有所述第二屬性值的區(qū)域之間的界線；
[0022]第二斷層組合子模塊，其將分別顯示有所述界線的所有第二維度斷層圖像按照原有的順序疊加在一起時，以形成由所述界線限定的第二維度VOI。
[0023]根據另一個實施例，所述第二VOI形成模塊包括:
[0024]第二斷層圖像獲取子模塊，其獲得所述醫(yī)學影像的沿所述第二維度的多個第二維度斷層圖像；
[0025]第二ROI繪制子模塊，其根據每個所述第二維度斷層圖像上的各個區(qū)域的屬性值，通過具有所述第一屬性值的區(qū)域和具有所述第二屬性值的區(qū)域之間的界線而自動顯示出ROI ；
[0026]第二斷層組合子模塊，其將分別顯示有ROI的所有第二維度斷層圖像按照原有的順序疊加在一起時，以形成由ROI限定的第二維度VOI。
[0027]優(yōu)選地，所述第一屬性值為I，所述第二屬性值為O。
[0028]優(yōu)選地，所述醫(yī)學影像表示攝影目標的亮度計數值或亮度強度相對值的大小。
[0029]優(yōu)選地，所述第一維度為橫截面、冠狀面或矢狀面。
[0030]進一步地，根據本發(fā)明的用于處理醫(yī)學影像的裝置還包括:
[0031 ]三維坐標賦值模塊，其對所述醫(yī)學影像賦予三維坐標值。
[0032]進一步地，根據本發(fā)明的用于處理醫(yī)學影像的裝置還可包括:
[0033]平滑處理子模塊，其對所述第二維度VOI進行平滑處理。
[0034]優(yōu)選地，所述醫(yī)學影像為SPECT、PET或fMRI影像。
[0035]本發(fā)明另一方面提供一種用于處理醫(yī)學影像的方法，包括:
[0036]獲取醫(yī)學影像，所述醫(yī)學影像具有第一維度和第二維度；
[0037]基于所述第一維度繪制第一維度VOI;
[0038]基于所述第一維度VOI自動地形成基于所述第二維度的第二維度VOI。
[0039]進一步地，所述繪制第一維度VOI包括:
[0040]獲取所述醫(yī)學影像的沿所述第一維度的第一維度斷層圖像；
[0041 ]在所述第一維度斷層圖像上繪制ROI;
[0042]對所述第一維度斷層圖像上的處于ROI內的區(qū)域和處于ROI外的區(qū)域分別賦予第一屬性值和第二屬性值；
[0043]將分別繪制有ROI的低瑋度斷層圖像按照原有的順序疊加在一起時，以形成由多個ROI限定出的第一維度VOI。
[0044]在一個具體實施例中，所述第二維度VOI的形成包括如下步驟:
[0045]獲得所述醫(yī)學影像的沿所述第二維度的第二維度斷層圖像；
[0046]在每個所述第二維度斷層圖像上，自動顯示出具有所述第一屬性值的區(qū)域和具有所述第二屬性值的區(qū)域之間的界線
[0047]將分別顯示出具有所述第一屬性值的區(qū)域和具有所述第二屬性值的區(qū)域的界線的所有第二維度斷層圖像按照原有的順序疊加在一起時，以形成由所述界線限定的第二維度 VO I。
[0048]在另一個具體實施例中，所述第二維度VOI的形成包括如下步驟:
[0049]獲得所述醫(yī)學影像的沿所述第二維度的多個第二維度斷層圖像；
[0050]根據每個所述第二維度斷層圖像上的各個區(qū)域的屬性值，沿著具有所述第一屬性值的區(qū)域和具有所述第二屬性值的區(qū)域之間的界線自動顯示出R0I;
[0051]將分別顯示有ROI的所有第二維度斷層圖像按照原有的順序疊加在一起時，以形成由所述界線限定的第二維度V0I。
[0052]根據本發(fā)明，只要繪制一個維度上的VOI，即可自動生成其他任意維度的VOI。這使得本發(fā)明與現有技術相比具有明顯的優(yōu)點。首先，可以有效節(jié)約VOI繪制時間。在現有技術中，由于每繪制沿一個維度的VOI，都需要首先在多個斷層圖像上分別繪制ROI，一個VOI可能對應數十個甚至更多的ROI，所以需要花費巨大的時間和精力才能完成所需多個維度的VOI對應的ROI繪制，進而導致醫(yī)學影像的處理和分析過程變得很漫長。這將巨大地增加診斷成本，并且不利于及時有效地對患者實施診斷和治療。然而，在本發(fā)明中，由于只要繪制一個維度上的VOI，即可自動生成其他任意維度的VOI對應的各個斷層的ROI，這使得可以大量地節(jié)約用于繪制VOI的時間，進而加快醫(yī)學影像的處理和分析效率，以對患者及時地實施診斷和治療。其次，可以有效地提尚VOI繪制精確度。如如所述，在現有技術中，由于每繪制沿一個維度的V0I，都需要首先在多個斷層圖像上分別繪制R0I，而ROI—般是以人工的方式憑著經驗勾畫出來的，由于經驗的原因或者人工操作的不可避免的失誤，所勾畫出來的ROI并不一定能精確地體現目標功能區(qū)域的實際情況，從而導致在一個維度上所繪制的VOI和在另一個維度上所繪制的VOI可能并不一致，甚至誤差很大，這必然會不利地影響后期的分析過程和結果準確性，進而影響最終的診斷結果準確性和治療效果。然而，在本發(fā)明中，由于只要繪制一個維度上的VOI，其他維度上的VOI是基于所繪制的VOI以唯一的映射方式自動產生的，所以VOI之間所顯示的實際功能區(qū)域完全一致，最大程度地減少了現有技術中在多次分別繪制不同維度上的VOI時因為操作誤差而導致的偏差和錯誤，有效地提高了 VOI繪制的效率和精確度，提高了后期的醫(yī)學影像分析處理的準確性，進而提高最終的診斷結果準確性和治療效果。
【附圖說明】
[0053]圖1示出了一個醫(yī)學影像的示意圖；
[0054]圖2至圖5示出了被賦予三維坐標值的如圖1所示的醫(yī)學影像示意圖；
[0055]圖6示出了多個斷層圖像，其中的一個斷層圖像上示意地繪出了R0I;
[0056]圖7示出了根據本發(fā)明的用于處理醫(yī)學影像的裝置的一個具體實施例的功能模塊框圖；
[0057]圖8示出了根據本發(fā)明的用于處理醫(yī)學影像的裝置的另一個具體實施例的功能模塊框圖；
[0058]圖9示出了根據本發(fā)明的用于處理醫(yī)學影像的方法的一個具體實施例的流程框圖。
[0059]圖10示出了根據本發(fā)明的用于處理醫(yī)學影像的方法的另一個具體實施例的流程框圖。
[0060]圖11示出了在實際操作中繪制ROI的示意圖；
[0061]圖12示出了圖11所示的ROI在平滑處理后的示意圖。
【具體實施方式】
[0062]以下將結合附圖通過具體的實施例對本發(fā)明做進一步說明。應當明白，以下內容僅為了解釋和說明本發(fā)明，而不將對本發(fā)明做任何方面的限制。
[0063]在本文中，除非另有特別說明，術語“上”、“下”、“左”、“右”、“前”、“后”、“里”、“外”、“橫向”、“縱向”、“中間”、“側向”等均是相對附圖的頁面所顯示的方位所做的描述。
[0064]在本文中，術語“第一”、“第二”等的使用僅僅是為了區(qū)分不同的部件或步驟，以表示這些部件或步驟相互獨立，而不能用于解釋這些部件或步驟之間存在有關重要性、次序、位置等方面的限定。
[0065]醫(yī)學影像的結構特點是，其3D結構是由多個斷層圖像組成的。每個斷層圖像有固定的厚度，多個斷層圖像疊加組合起來即組成一個立體的醫(yī)學影像。如圖1所示，每一個小立方體代表圖像上的一個體素點，一個醫(yī)學影像由多個體素點組成。所述醫(yī)學影像可以是各種類型的醫(yī)學影像，比如，功能影像SPECT、PET、fMRI等，其成像記錄了細胞代謝的信息，或者結構影像CT、X-ray等，其成像記錄了組織內部的解剖結構，還可以是分子影像，但是優(yōu)選為功能影像。所述醫(yī)學影像可以示出為各種屬性特征，比如目標組織的密度或者顯示亮度等等。
[0066]參見圖2-5，圖1所示的醫(yī)學影像被置入三維坐標中，從而該醫(yī)學影像中的每個體素點均具有相應的三維坐標(x，y，z)。對醫(yī)學影像賦予三維坐標值的目的在于建立醫(yī)學影像的數據矩陣，從而可以使用計算機裝置通過數據處理的方法對醫(yī)學影像進行進一步處理和分析。
[0067]對醫(yī)學影像進行計算機處理包括對醫(yī)學影像進行重建以及重切等。所述醫(yī)學影像的重建包括，比如，改變醫(yī)學影像的體素大小、改變醫(yī)學影像的顯示屬性或者顯示效果等等。所述醫(yī)學影像的重切包括，比如，以不同的厚度重新切分斷層圖像，進而獲得具有更大厚度的斷層圖像或者具有更小厚度的斷層圖形，以滿足不同的處理和分析需要。醫(yī)學影像可以根據不同的維度進行重切，進而獲得不同維度的斷層圖像。常用的重切維度包括橫斷面、矢狀面、冠狀面，這也是醫(yī)學界常用的維度。圖3示出了沿冠狀面維度即x-y平面進行重切后的醫(yī)學影像，共切分出三個沿冠狀面維度的斷層圖像，每個斷層圖像具有相同的z軸坐標值。圖4示出了沿橫斷面維度即x-z平面進行重切后的醫(yī)學影像，共切分出三個沿橫斷面維度的斷層圖像，每個斷層圖像具有相同的y軸坐標值。圖5示出了沿矢狀面維度即y-ζ平面進行重切后的醫(yī)學影像，共切分出三個沿矢狀面維度的斷層圖像，每個斷層圖像具有相同的X軸坐標值?？梢悦靼?，之所以進行所述橫斷面、矢狀面和冠狀面三個維度進行重切，是因為這樣的切分與常用的人體解剖實踐相一致，但是，完全可以按照其他不同的維度進行切分，以滿足特定的處理和分析需要。在發(fā)明中，所述醫(yī)學影像的重切和重建采用現有技術的方法和裝置進行，比如公開于名稱為“一種基于VTK的醫(yī)學圖像三維重建方法”的中國專利申請CN201510346662.9，或者公開于名稱為“醫(yī)學影像二維處理及三維重建系統(tǒng)”的中國專利申請CN201310503694.6，其內容被整體納入本文。
[0068]繼續(xù)參見圖6示，其中示出了采用醫(yī)學影像重建和重切處理獲得的多個斷層圖像，并且其中的一個斷層圖像上示意地繪出了一個大致呈三角形的感興趣區(qū)域R0I。在本發(fā)明中，需要對醫(yī)學影像的所有斷層圖像逐個地繪制相應的ROI。感興趣區(qū)域ROI是從醫(yī)學影像中選擇的一個圖像區(qū)域，該區(qū)域對應人體中一個具體器官的區(qū)域或者一個功能區(qū)，該功能區(qū)具有特定的生理或結構等方面的特征，進而成為醫(yī)學影像分析所關注的重點。圈定該區(qū)域是為了對醫(yī)學影像做進一步處理，比如對所述感興趣區(qū)域進行跟蹤，以獲取目標特征。
[0069]ROI的繪制可以運用現有技術中的多種方法來實現。其基本的做法是在顯示醫(yī)學影像的平面上，依照感興趣區(qū)域的輪廓劃出線條，該線條表示出感興趣區(qū)域與醫(yī)學影像其余部分的界限。依據所勾畫出的線條，與顯示器連接的處理器將通過特定的算法分析所述線條所對應的醫(yī)學影像中的數據部分，并存儲相應的數據以待后續(xù)的處理。適于繪制醫(yī)學影像ROI的公開內容例如但不包括:名稱為“基于兩維傳遞函數的自動識別重疊結構的體繪制方法”的中國專利申請CN201410097100.0;名稱為“圖像數據重定格式”的中國專利申請CN201 180019052.8;名稱為“圖像處理方法和圖像處理裝置”的中國專利申請CN201010163949.5;名稱為“用于醫(yī)學圖像分割的與多邊形網格的高效用戶交互”的中國專利申請CN200780026898.8;名稱為“圖像處理系統(tǒng)、裝置、方法以及醫(yī)用圖像診斷裝置”的中國專利申請CN201210249759.4等，所示公開內容被整體地納入本文。
[0070]作為舉例，但不將用于對本發(fā)明的內容產生任何限制，可以使用如下算法來提取感興趣區(qū)域:
[0071 ]方法一；使用(^861:11]1&861?01函數(^861:11]1&861?01(81'(3，(^1^(31:(叉，:7，《^(11:11，height))。其中X和y為ROI區(qū)域的起點，width和height為寬和高，對src提取感興趣區(qū)域后，再對src進行圖像處理時只針對提取的感興趣進行處理。使用該函數時要對通過CvResetImageROI O函數釋放ROI，否則對圖像進行處理時只對ROI區(qū)域進行對比。
[0072]方法二:使用widthstep。使用CvRect設置一個感興趣區(qū)域CvRect interest_Rect= cvRect(x，y,width,height);倉Il建一個和源圖像屬性相同的子圖像，大小為感興趣區(qū)域大小；
[0073]IplImage*src_img = cvCreateImageHeader(cvSize(interest_rect.width,interest_re ct.height)，src->depth,src->nChannels)src_img->origin = src->origin；
[0074]設定相同的原點標準
[0075]src_img->widthstep = src->widthstep ；
[0076]設定相同的widthstep
[0077]設定感興趣區(qū)域的數據區(qū)域
[0078]src_img->imageData = src->imageData+interest_rect.y*src->widthstep+interest—rect.x氺src_>nChannels；
[0079]這樣就完成了感興趣區(qū)域的提取，可以對srcimg的圖像數據進行處理，如:
[0080]cvShowImage(“ROI”,src_img)；
[0081]使用widthstep設置感興趣子區(qū)域，這樣在圖像處理的過程中，可以同時對多個子區(qū)域進行處理，而ROI只能順序的進行，必須不斷的設定和重置ROI區(qū)域，所以使用widthstep較為方便，處理靈活。
[0082]在圖6所示的斷層圖像中，所繪制的ROI還被賦予屬性值I和O，其中屬性值I表示ROI區(qū)域內的部分，而O表示ROI區(qū)域外的部分，所以所述屬性值的作用在于標識ROI區(qū)域，以備后續(xù)通過計算機算法對醫(yī)學影像進行分析和處理。關于ROI的賦值及后續(xù)處理，后文將繼續(xù)做更為詳細的說明。
[0083]現將通過示例具體說明根據本發(fā)明的用于處理醫(yī)學影像的裝置和方法。
[0084]圖7和圖8分別示出了根據本發(fā)明的用于處理醫(yī)學影像的裝置的兩個具體實施例的模塊框圖。整體而言，所述用于處理醫(yī)學影像的裝置，包括:
[0085]醫(yī)學影像獲取模塊；
[0086]三維坐標賦值模塊，其對所述醫(yī)學影像賦予三維坐標值;該三維坐標賦值模塊并非必要，而是根據實際需要選擇適用，或者以其他的坐標系統(tǒng)來替代；
[0087]第一VOI形成模塊，其形成沿所述醫(yī)學影像的第一維度的第一VOI;
[0088]第二VOI形成模塊，其形成沿所述醫(yī)學影像的第二維度的第二VOI;
[0089]其中，所述第二VOI形成模塊基于所述第一VOI自動形成所述第二VOI。
[0090]具體參見圖7，所述用于處理醫(yī)學影像的裝置，包括:
[0091]醫(yī)學影像獲取模塊；
[0092]三維坐標賦值模塊，其對所述醫(yī)學影像賦予三維坐標值;該模塊并非必要，而是根據實際處理需要而選擇適用的；
[0093]第一VOI形成模塊，其形成沿所述醫(yī)學影像的第一維度的第一VOI;
[0094]第二VOI形成模塊，其形成沿所述醫(yī)學影像的第二維度的第二VOI；
[0095]其中，所述第二VOI形成模塊基于所述第一VOI自動形成所述第二VOI。
[0096]具體而言，所述第一VOI形成模塊包括:
[0097]第一斷層圖像獲取子模塊，其獲得所述醫(yī)學影像的沿所述第一維度的第一維度斷層圖像；
[0098]第一ROI繪制子模塊，其在所述第一維度斷層圖像上繪制ROI;
[0099]賦值子模塊，其對所述第一維度斷層圖像上的處于ROI內的區(qū)域和處于ROI外的區(qū)域分別賦予第一屬性值和第二屬性值；
[0100]第一斷層組合子模塊，其將分別繪制有ROI的斷層圖像按照原有的順序疊加在一起時，以形成由多個ROI限定出的第一維度V0I。
[0101]所述第二VOI形成模塊包括:
[0102]第二斷層圖像獲取子模塊，其獲得所述醫(yī)學影像的沿所述第二維度的多個第二維度斷層圖像；
[0103]屬性值區(qū)域顯示子模塊，其在每個所述第二維度斷層圖像上，自動顯示出具有所述第一屬性值的區(qū)域和具有所述第二屬性值的區(qū)域之間的界線；
[0104]第二斷層組合子模塊，其將分別有所述界線的所有第二維度斷層圖像按照原有的順序疊加在一起時，以形成由所述界線限定的第二維度VOI。
[0105]依據本實施例，屬性值區(qū)域顯示子模塊可以在賦值子模塊對所述第一維度斷層圖像上的處于ROI內的區(qū)域和處于ROI外的區(qū)域分別賦予第一屬性值和第二屬性值的同時，在每個所述第二維度斷層圖像上自動顯示出具有所述第一屬性值的區(qū)域和具有所述第二屬性值的區(qū)域之間的界線，從而當第一維度上的VOI繪制完成時，第二維度上的VOI也及時地被顯示出?？梢悦靼?，這樣的處理設置可以有效地提高VOI的繪制效率。
[0106]繼續(xù)參見圖8，在另一個具體實施例中，所述用于處理醫(yī)學影像的裝置，包括:
[0107]醫(yī)學影像獲取模塊；
[0108]三維坐標賦值模塊，其對所述醫(yī)學影像賦予三維坐標值；
[0109]第一VOI形成模塊，其形成沿所述醫(yī)學影像的第一維度的第一VOI;
[0110]第二VOI形成模塊，其形成沿所述醫(yī)學影像的第二維度的第二 V0I;
[0111]其中，所述第二VOI形成模塊基于所述第一VOI自動形成所述第二VOI。
[0112]具體而言，所述第一VOI形成模塊包括:
[0113]第一斷層圖像獲取子模塊，其獲得所述醫(yī)學影像的沿所述第一維度的第一維度斷層圖像；
[0114]第一ROI繪制子模塊，其在所述第一維度斷層圖像上繪制ROI;
[0115]賦值子模塊，其對所述第一維度斷層圖像上的處于ROI內的區(qū)域和處于ROI外的區(qū)域分別賦予第一屬性值和第二屬性值；
[0116]第一斷層組合子模塊，其將分別繪制有ROI的所有第一維度斷層圖像按照原有的順序疊加在一起時，以形成由多個ROI限定出的第一維度V0I。
[0117]進一步地，所述第二VOI形成模塊包括:
[0118]第二斷層圖像獲取子模塊，其獲得所述醫(yī)學影像的沿所述第二維度的多個第二維度斷層圖像；
[0119]第二ROI繪制子模塊，其根據每個所述第二維度斷層圖像上的各個區(qū)域的屬性值，沿著具有所述第一屬性值的區(qū)域和具有所述第二屬性值的區(qū)域之間的界線而自動顯示出ROI ；
[0120]第二斷層組合子模塊，其將分別顯示有ROI的所有第二斷層圖像按照原有的順序疊加在一起時，以形成由所述界線限定的第二維度VOI;
[0121 ]平滑處理子模塊，其對所述第二維度VOI進行平滑處理。其中，該平滑處理子模塊并非必要，而是根據需要選用的。
[0122]在該實施例中，第二ROI繪制子模塊根據每個所述第二維度斷層圖像上的各個區(qū)域的屬性值，通過具有所述第一屬性值的區(qū)域和具有所述第二屬性值的區(qū)域之間的界線而自動顯示出R0I。所以，依據本實施例可以顯示各個第二維度斷層圖像上的R0I，進行可以將各個對應的ROI進行比較，從而可以比如驗證ROI的繪制準確性等。
[0123]圖9和圖10示出了根據本發(fā)明的用于處理醫(yī)學影像的方法的兩個具體實施例的流程框圖。如圖所示，該具體的用于處理醫(yī)學影像的方法整體上包括:
[0124]獲取醫(yī)學影像，所述醫(yī)學影像具有第一維度和第二維度；
[0125]對所述醫(yī)學影像賦予三維坐標值；
[0126]基于所述第一維度繪制第一維度VOI，
[0127]基于所述第一維度VOI自動地形成基于所述第二維度的第二維度VOI。
[0128]具體參見圖9，在圖示的具體實施例中，所述繪制第一維度VOI的步驟包括:
[0129]獲得所述醫(yī)學影像的沿所述第一維度的第一維度斷層圖像；
[0130]在所述第一維度斷層圖像上繪制R0I;
[0131]對所述第一維度斷層圖像上的處于ROI內的區(qū)域和處于ROI外的區(qū)域分別賦予第一屬性值和第二屬性值；
[0132]將分別繪制有ROI的第一維度斷層圖像按照原有的順序疊加在一起時，以形成由多個ROI限定出的第一維度VOI。
[0133]所述第二維度VOI的形成包括如下步驟:
[0134]獲得所述醫(yī)學影像的沿所述第二維度的第二維度斷層圖像；
[0135]在每個所述第二維度斷層圖像上，自動顯示出具有所述第一屬性值的區(qū)域和具有所述第二屬性值的區(qū)域之間的界線；
[0136]將分別顯示出所述界線的所有第二維度斷層圖像按照原有的順序疊加在一起時，以形成由所述界線限定出的第二維度V0I;
[0137]對所述第二維度VOI實施平滑處理。
[0138]繼續(xù)具體參見圖10，在圖示的具體實施例中，所述繪制第一維度VOI包括:
[0139]獲得所述醫(yī)學影像的沿所述第一維度的第一維度斷層圖像；
[0140]在所述第一維度斷層圖像上繪制R0I;
[0141]對所述第一維度斷層圖像上的處于ROI內的區(qū)域和處于ROI外的區(qū)域分別賦予第一屬性值和第二屬性值；
[0142]將分別繪制有ROI的低瑋度斷層圖像按照原有的順序疊加在一起時，以形成由多個ROI限定出的第一維度VOI。
[0143]進一步地，所述第二維度VOI的形成包括如下步驟:
[0144]獲得所述醫(yī)學影像的沿所述第二維度的多個第二維度斷層圖像；
[0145]根據每個所述第二維度斷層圖像上的各個區(qū)域的屬性值，沿著具有所述第一屬性值的區(qū)域和具有所述第二屬性值的區(qū)域之間的界線而自動顯示出R0I;
[0146]對第二維度斷層圖像上的所述ROI實施平滑處理；
[0147]將分別顯示有ROI的所有第二維度斷層圖像按照原有的順序疊加在一起時，以形成由所述界線限定的第二維度V0I。
[0148]圖11示出了依照一個實施例在繪制ROI實際操作中的示意圖。在圖中，左上是醫(yī)學影像沿冠狀面的一個斷層圖像，右上是相應的一個矢狀面斷層圖像，左下是一個橫斷面斷層圖像。其中，只有左上的冠狀面斷層圖像上的ROI是人工繪制的，而另外兩個斷層圖像上的ROI是根據冠狀面斷層圖像上的ROI或者VOI自動生成的。由此可以清楚地看出，根據本發(fā)明，只要繪制一個維度上的VOI，即可自動生成其他任意維度的VOI。這使得本發(fā)明與現有技術相比具有明顯的優(yōu)點。首先，可以有效節(jié)約VOI繪制時間。在現有技術中，由于每繪制沿一個維度的VOI，都需要首先在多個斷層圖像上分別繪制R0I，一個VOI可能對應數十個甚至更多的ROI，所以需要花費巨大的時間和精力才能完成所需多個維度的VOI繪制，進而導致醫(yī)學影像的處理和分析過程變得很漫長。這將巨大地增加診斷成本，并且不利于及時有效地對患者實施診斷和治療。然而，在本發(fā)明中，由于只要繪制一個維度上的VOI，即可自動生成其他任意維度的VOI，這使得可以大量地節(jié)約用于繪制VOI的時間，進而加快醫(yī)學影像的處理和分析效率，以對患者及時地實施診斷和治療。其次，可以有效地提高VOI繪制精確度。如前所述，在現有技術中，由于每繪制沿一個維度的VOI，都需要首先在多個斷層圖像上分別繪制ROI，而ROI—般是以人工的方式憑著經驗勾畫出來的，由于經驗的原因或者人工操作的不可避免的失誤，所勾畫出來的ROI并不一定能精確地體現目標功能區(qū)域的實際情況，從而導致在一個維度上所繪制的VOI和在另一個維度上所繪制的VOI可能并不一致，甚至誤差很大，這必然會不利地影響后期的分析過程和結果準確性，進而影響最終的診斷結果準確性和治療效果。然而，在本發(fā)明中，由于只要繪制一個維度上的VOI，其他維度上的VOI是基于所繪制的VOI以唯一的映射方式自動產生的，所以VOI之間所顯示的實際功能區(qū)域完全一致，最大程度地減少了現有技術中在多次分別繪制不同維度上的VOI時因為操作誤差而導致的偏差和錯誤，有效地提高了 VOI繪制的效率和精確度，提高了后期的醫(yī)學影像分析處理的準確性，進而提高最終的診斷結果準確性和治療效果。
[0149]圖12示出了圖11所示的界線在平滑處理后的示意圖。在本發(fā)明中，平滑處理并不是必須的，而是可選的步驟，其根據獲得的ROI或VOI的實際顯示效果而選擇適用。可以使用現有技術中的任何合適的方法來對圖像進行平滑處理，比如線性插值方法、線性平滑、B-spl ine方法等等，在此不再贅述。
[0150]盡管參照前述實施例對本發(fā)明進行了詳細的說明，對于本領域的技術人員來說，依然可以對前述各實施例進行多種修改或變化，或者對其中部分技術特征進行等同替換。但是，在本發(fā)明的精神和原則之內的任何修改、等同替換、改進等，均應落入本發(fā)明的保護范圍之內。
【主權項】
1.一種用于處理醫(yī)學影像的裝置，包括: 醫(yī)學影像獲取模塊； 第一 VOI形成模塊，其形成沿所述醫(yī)學影像的第一維度的第一 VOI; 第二 VOI形成模塊，其形成沿所述醫(yī)學影像的第二維度的第二 V0I; 其中，所述第二VOI形成模塊基于所述第一VOI自動形成所述第二VOI。2.根據權利要求1所述的用于處理醫(yī)學影像的裝置，其特征在于，所述第一VOI形成模塊包括: 第一斷層圖像獲取子模塊，其獲得所述醫(yī)學影像的沿所述第一維度的多個第一維度斷層圖像； 第一 ROI繪制子模塊，其在每個所述第一維度斷層圖像上繪制R0I; 賦值子模塊，其對每個所述第一維度斷層圖像上的處于ROI內的區(qū)域和處于ROI外的區(qū)域分別賦予第一屬性值和第二屬性值； 第一斷層組合子模塊，其將分別繪制有ROI的所有第一維度斷層圖像按照原有的順序疊加在一起，以形成由多個ROI限定出的第一維度VOI。3.根據權利要求2所述的用于處理醫(yī)學影像的裝置，其特征在于，所述第二VOI形成模塊包括: 第二斷層圖像獲取子模塊，其獲得所述醫(yī)學影像的沿所述第二維度的多個第二維度斷層圖像； 屬性值區(qū)域顯示子模塊，其在每個所述第二維度斷層圖像上，自動顯示出具有所述第一屬性值的區(qū)域和具有所述第二屬性值的區(qū)域之間的界線； 第二斷層組合子模塊，其將分別顯示有所述界線的所有第二維度斷層圖像按照原有的順序疊加在一起，以形成由所述界線限定出的第二維度V0I。4.根據權利要求2所述的用于處理醫(yī)學影像的裝置，其特征在于，所述第二VOI形成模塊包括: 第二斷層圖像獲取子模塊，其獲得所述醫(yī)學影像的沿所述第二維度的多個第二維度斷層圖像； 第二 ROI繪制子模塊，其根據每個所述第二維度斷層圖像上的各個區(qū)域的所述屬性值，沿著具有所述第一屬性值的區(qū)域和具有所述第二屬性值的區(qū)域之間的界線自動顯示出ROI ； 第二斷層組合子模塊，其將分別顯示有ROI的所有第二維度斷層圖像按照原有的順序疊加在一起時，以形成由ROI組成的第二維度VOI。5.根據權利要求1所述的用于處理醫(yī)學影像的裝置，其特征在于，所述第一屬性值為I，所述第二屬性值為O。6.根據權利要求1所述的用于處理醫(yī)學影像的裝置，其特征在于，所述醫(yī)學影像表示攝影目標的亮度計數值或亮度強度相對值的大小。7.根據權利要求1所述的用于處理醫(yī)學影像的裝置，其特征在于，所述第一維度為橫斷面、冠狀面或矢狀面。8.根據權利要求1所述的用于處理醫(yī)學影像的裝置，其特征在于，還包括: 三維坐標賦值模塊，其對所述醫(yī)學影像賦予三維坐標值。9.根據權利要求1所述的用于處理醫(yī)學影像的裝置，其特征在于，還包括: 平滑處理子模塊，其對所述第二維度VOI進行平滑處理。10.根據權利要求1所述的用于處理醫(yī)學影像的裝置，其特征在于，所述醫(yī)學影像為SPECT、PET 或 fMRI 影像。11.一種用于處理醫(yī)學影像的方法，包括: 獲取醫(yī)學影像，所述醫(yī)學影像具有第一維度和第二維度； 基于所述第一維度繪制第一維度VOI; 基于所述第一維度VOI自動地形成基于所述第二維度的第二維度VOI。12.根據權利要求11所述的用于處理醫(yī)學影像的方法，其特征在于，所述繪制第一維度VOI包括: 獲取所述醫(yī)學影像的沿所述第一維度的第一維度斷層圖像； 在所述第一維度斷層圖像上繪制ROI; 對所述第一維度斷層圖像上的處于ROI內的區(qū)域和處于ROI外的區(qū)域分別賦予第一屬性值和第二屬性值； 將分別繪制有ROI的第一維度斷層圖像按照原有的順序疊加在一起，以形成由多個ROI限定出的第一維度VOI。13.根據權利要求12所述的用于處理醫(yī)學影像的方法，其特征在于，所述第二維度VOI的形成包括如下步驟: 獲得所述醫(yī)學影像的沿所述第二維度的第二維度斷層圖像； 在每個所述第二維度斷層圖像上，自動顯示出具有所述第一屬性值的區(qū)域和具有所述第二屬性值的區(qū)域之間的界線； 將分別顯示出所述界線的所有第二維度斷層圖像按照原有的順序疊加在一起，以形成由所述界線限定出的第二維度V0I。14.根據權利要求12所述的用于處理醫(yī)學影像的方法，其特征在于，所述第二維度VOI的形成包括如下步驟: 獲得所述醫(yī)學影像的沿所述第二維度的多個第二維度斷層圖像； 根據每個所述第二維度斷層圖像上的各個區(qū)域的屬性值，沿著具有所述第一屬性值的區(qū)域和具有所述第二屬性值的區(qū)域之間的界線自動顯示出R0I; 將分別顯示有ROI的所有第二維度斷層圖像按照原有的順序疊加在一起，以形成由ROI限定的第二維度VOI。15.根據權利要求11所述的用于處理醫(yī)學影像的方法，其特征在于，所述第一屬性值為I，所述第二屬性值為O。16.根據權利要求11所述的用于處理醫(yī)學影像的方法，其特征在于，所述醫(yī)學影像表示攝影目標的亮度計數值或亮度強度相對值的大小。17.根據權利要求11所述的用于處理醫(yī)學影像的方法，其特征在于，所述第一維度為橫斷面、冠狀面或矢狀面。18.根據權利要求11所述的用于處理醫(yī)學影像的方法，其特征在于，還包括:對所述醫(yī)學影像賦予三維坐標值。19.根據權利要求11所述的用于處理醫(yī)學影像的方法，其特征在于，還包括:對所述第二維度VOI進行平滑處理。20.根據權利要求11所述的用于處理醫(yī)學影像的方法，其特征在于，所述醫(yī)學影像為SPECT、PET 或 fMRI 影像。
【文檔編號】G06T15/00GK105844687SQ201610214578
【公開日】2016年8月10日
【申請日】2016年4月7日
【發(fā)明人】李剛
【申請人】北京雅森科技發(fā)展有限公司