CN100388313C - 定量分析精度指示 - Google Patents

Abstract

描述了一个发明，其中一种医学图像分析处理利用包含在至少一个医学图像中的信息，并且其中从该医学图像分析处理得到定量评价并将其作为输出发送，同样作为输出发送的是为了提供与所述定量评价的精度相关的信息而执行的误差分析的结果。该误差分析可基于对影响图像的伪影的评价。这个误差分析还可基于对影响图像的成像处理的评价。

Description

定量分析精度指示

技术领域

本发明涉及一种医学图像分析处理，其利用包含在至少一个医学图像中的信息，其中从该医学图像分析处理得到定量评价并将这一定量评价作为输出发送。

背景技术

现代医学图像处理协议愈发允许对所获取的图像数据进行综合及复杂的分析以便生成可测定的数值。例如，存在协议来计算血流的灌注率、测量解剖结构的物理尺寸以及分配值给胃返流过程。

提供定量结果的此类协议的一个例子在Marcel Breeuwer等人于2001年2月在美国圣地亚哥发表于Proceeding SPIE MedicalImaging第4327卷的“Automatic quantitative analysis ofcardiac MR perfusion images”中提供。它描述了一种自动定量分析方法，其用于评价心肌中的血液灌注。已了解该方法有时产生神秘的错误的定量结果。换句话说，该图像分析处理可能产生这样的定量结果，它们可能临床有用或临床误导，但没有任意给定的定量结果位于这两个组中哪个组的任何指示。

发明内容

本发明的一个目的是为用户提供带有更多可靠图像数据的定量图像结果。

这是根据本发明的方法来实现的，其中以提供与定量评价相关的信息为目的而执行的误差分析的结果也作为输出被发送。

本发明的医学图像分析处理方法，其使用包含于至少一个医学图像中的信息，其中从该医学图像分析处理得到定量评价并且将其作为输出发送，其特征在于，为提供与该定量评价精度相关的信息而执行的误差分析的结果同样作为另一个输出被发送。

其中，误差分析包括下列步骤：

识别对图像分析处理产生影响的图像伪影，

计算该图像伪影对定量评价精度的影响，

对定量分析精度的影响的计算结果被并入到所发送的另一个输出中。

其中，所述误差分析包括下列步骤：

识别对图像分析处理产生影响的图像处理步骤，

计算该图像处理步骤对定量评价精度的影响，

对定量分析精度的影响的计算结果被并入到所发送的另一个输出中。

其中，对定量分析精度的影响的计算结果在被并入到所发送的输出中之前被存储。

其中，对定量分析精度的影响的计算结果被存储于多维表格、查找表或公式中的至少之一。

其中，被识别出的对图像分析处理产生影响的图像伪影是噪声、部分体积效应、采样率、该医学成像处理的不均匀性或由于病人移位产生的伪影中的至少之一。

其中，被识别出的对图像分析处理产生影响的图像处理步骤是定位、异常值分类、轮廓布局或片段布局中至少之一。

其中，利用包含在至少一个医学图像中的信息的医学图像分析处理是心脏灌注数据的评估，并且从医学图像分析处理得到的并作为输出发送的定量评价是心肌灌注预定指标。

协议所使用的图像数据可通过多种处理被降级，所述多种处理作为图像采集或处理的限制的结果隐含在数据中。当这些处理对图像产生可视效果时，它们被称为伪影。伪影的一个例子是噪声、即三维像素亮度值的统计变化)，它对分配给任意特定三维像素的实际亮度值都增加固有地不可计量的值。图像重建处理假设可以给这个三维像素亮度分配一个精确值，然而实际上所分配的这个值通常是描述由三维像素表示的组织的实际值与归因于噪声的额外值的组合。当旨在得到定量结果的协议被应用于图像时，它将指派给每个三维像素的亮度值用作为基本输入值。亮度值的噪声成分同亮度值中表示实际组织的部分一起被提供给评价处理，并且由于包含了噪声值，会将误差加到最终定量结果中。

虽然由于不同原因，但其它使图像降级的处理对任何最终的数学结果都具有类似的作用。例如，部分体积效应利用仅为周围亮度的平均值的亮度值来再现，通过该部分体积效应三维像素表示在由不同亮度值表征的组织部分的界线处或在其附近的组织物质。这会引入完全伪造的亮度值，当这个伪亮度值被提供给定量评价处理时，将再次引入难以察觉的错误。

对最终图像有影响的处理还包括成像处理的内在限制以及将该处理转化为最终可视结果所采取的成像步骤。例如，可被认为是能够被检测到的图像中最小对象的数字图像分辨率影响从该图像得到的任何最终定量结果。通过使用更大数目的像素来显示图像，可以在数字图像中达到更高的分辨率。这将该图像中的整体信息内容扩展到更大数目的像素中，并且在从放射线得到图像的情况下将增加每个像素的亮度值的统计波动。但为了定量分析的目的，更高的分辨率以及由此更大数目的像素将导致图像上所强加的任一区域轮廓线中包含更多的像素。这将改善最终定量结果的统计波动。

这些和其它对定量分析有影响的伪影以及起作用的处理可被建模。作为第一步骤，作为常规定量分析的输出出现的定量信息或数据可以在数学上通过使用方程式或通过综合地构造数据来建模。这两个方法都被医学图像分析处理领域的技术人员所熟知，并且产生理想处理的定量评价，就如同它没有受到伪影或任何引入定量处理中的误差影响一样。这一被理想量化的处理还由此展示一个最终的、理想的、定量结果，其表示当在图像中不存在伪影也没有任何其它引入误差时将取得的定量结果。

一旦这种理想的定量分析已被建模并产生了理想的定量结果，接下来的步骤就是识别可能的图像伪影和图像处理步骤并评价这些图像伪影对定量分析或定量评价的影响。正如医学图像分析领域的技术人员所熟知的，这种伪影和图像处理步骤可包括图像分辨率、噪声、部分体积效应、采样率、时间亮度特性、主体移位、异常值(outlier)图像的产生、剩余造影剂的影响、对准错误、分段错误以及安置轮廓线的误差。如同本领域技术人员可理解的，可能存在以引入误差到定量处理中的方式来影响图像数据的其它处理，由此可以如此使用本发明以便结合那些处理。

针对所识别的图像处理步骤和伪影对理想定量结果的影响来对它们进行评价。这可以通过数学建模处理或通过使用仿真或同时使用两者来实现。例如，如同本领域的技术人员所熟知的，统计图像噪声可被简单地建模为标准偏差。这个统计变化可被加到定量处理的理想模型中，结果是该最终定量结果有别于理想定量结果。引入到该定量结果中的误差由此已被建模。

被认为潜在影响最终定量结果的所有伪影或图像处理步骤都可以同样地以本领域技术人员所熟知的方式来建模。在所有情况下，由所建模的处理对最终定量结果产生的影响可被计算并由此评定其定量重要性。

一旦这一步骤已完成，根据本发明的方法，识别对图像的整体降级起作用的那些最重要的图像处理步骤和图像伪影。关于应该从所有的图像处理步骤和所有可能的图像伪影中选出哪个，并没有硬性和快速的规则。被考虑为最终重要的独立影响项的数目将依赖于最终定量数据的用户希望该数据具有的可靠程度。这还可依赖于所评价的特定定量处理中出现的特殊因子。例如，噪声是所有图像中的相当恒定的伪影，但运动伪影更可能出现在表征内部解剖运动、例如在呼吸过程中横隔膜的运动的图像序列中。如果将本方法应用于静态解剖结构的简单定量测量的精度评价，那么将包括更少的运动伪影。

影响特征的另外一个例子是亮度的不均匀性，这可能导致在磁共振图像中出现图像伪影。亮度的不均匀性源于接收器线圈、特别是表面线圈的不均匀的灵敏度分布。这些不均匀性可以被看作整个图像亮度的变化，并且导致表示相同组织类型的像素用不同的亮度来再现。因为用于相同的特定组织类型的亮度范围可能影响正确识别该组织类型以及因此影响在画轮廓线或分段过程中正确识别该组织类型边界，所以亮度的不均匀性对分析结果的影响可能会很严重。

在识别出影响定量处理的精度的重要处理之后，本发明的方法继续对这些影响处理的组合效应进行更详细的建模。如本领域的技术人员所熟知的，现对所述重要处理授予数值，并进一步使用每个所述处理的数值的组合来进行评价。

重要伪影以及图像处理步骤对定量分析模型的联合效应的这种建模允许针对它们对精度的影响对它们进行另一种数值评价。例如，所考虑的定量分析的形式使所述伪影和图像处理步骤中的3个或4个特定处理呈现为高度影响。在此情况下，本发明仅对这3个或4个处理继续进行更详细的研究。如本领域技术人员所熟知的，所有这些处理都可被授予一个数值范围，但如果它们被授予一个离散的数值范围，那么它们的离散数值组合可被加入理想定量模型，以便产生另一个定量结果，表示那些处理的数值的特定组合对定量分析的影响。

不精确性的这一分析的结果可如在本领域中所公开的那样被存储在查找表中或甚至存储在任何多维表中，或者可以储存在一个公式中。换句话说，这些数值以这样一种方式存储：了解所述影响处理的数值组合就可以得到由该数值组合引入的误差值。这些结果一旦被访问，它们就可和成像分析处理的数学定量结果一同呈现给观察者。

在医学图像分析处理中对这些影响处理的数值组合的了解可容易地被本领域的技术人员确定。例如，可通过对医学图像进行采样并且测量每个像素所显示的亮度值来计算这些亮度值的变化的标准差数值，进而容易地确定噪声的数量，其中这个采样仅包含噪声。通过其它分析处理，本领域的技术人员可将数值归因于其它影响伪影和成像处理。

在这种情况下，当那些影响处理的数值组合以及它们对定量分析的误差所产生的效应能够简单地进行建模时，在公式中存储是有用的。在这种情况下，它具有节省计算能力的优点，当结果被存储在高维阶数的多维表中时还将需要上述计算能力。

在特别简单的定量分析的情况下可以在定量分析本身期间执行误差分析和估计，注意到这点是很重要的。这是可能的，例如，当只有一种影响处理(即噪声)且可以在最初的成像处理本身期间对其进行分析和评价。在这种情况下，存储可能不是必要的。仅有单一的误差结果能够被本发明方法处理并作为输出发送，也是可能的。

还应该意识到的重要一点是对医学图像定量内容的所有的这些种种影响都能够被任何对医学成像之后的物理处理有较好理解的用户定量理解，但无法在独立个案基础上被精确地察觉。换句话说，我们可以在某种程度上断言图像中的噪声对从该图像提取的某些数学量的不确定性起了作用，但只通过观察该图像无法评定确切的定量影响。类似地，我们能够理解部分体积效应可能引入了错误到相应的定量结果中，但却完全不能通过观察来断定它是否确实具有定量影响或它可能是怎样的定量影响。

本发明为用户提供更可靠的图像数据，因为它解决了如何评定依赖于医学图像的定量结果的精度这一问题。由医学图像得出的定量结果基于该医学图像数据的内容，并且这样的数据内容在视觉上很复杂且难以用眼来评定。早期的医学图像直接被研制为硬拷贝且由用户观察，因此对该图像的任何分析都被仅限制为定性评定。数字化的出现和现代数字数据处理在医学成像中的应用已将观察者置于医学评价历史中前所未有的位置上。现在用户能够分析提供给他的医学图像的信息内容并且提取定量数值。但是对于单一观察者或用户在心里评定图像内的量化而言，作为像素亮度值集合的医学图像包含非常多的并行信息。希望使用定量分析的数学结果的数字医学图像信息用户自身没有在视觉上评定这些结果的可靠程度、可重复程度或精度的途径。因此评价并提供量化的提取的结果的误差值允许用户以一种以前不可用的方式来评定结果的可靠性。由于这一原因，所描述的本发明为使用医学图像分析处理以便提取定量数据增加了重要的贡献。

附图说明

将在附图的帮助下为本领域的技术人员进一步解释本发明。

图1示出能够使用本发明方法进行改进的常规成像分析处理。

图2示出误差通过其影响定量数据的计算的那些处理，并示出这一处理随后是如何根据本发明方法进行建模的。

图3示出根据本发明方法对一个数据表格的填充。

图4示出在应用了本发明的实际成像分析处理过程中的数据提取。

具体实施方式

图1给出伪影、成像处理对定量图像产生的影响的图解表示。任意的这种影响处理或参数p₁例如被并入图像分析IA 101中，结果是该图像分析的输出i成为这些影响参数的函数。因此，例如大量伪影(诸如噪声、部分体积效应以及像对准那样的成像处理)可能作为p₁、p₂、p₃影响所述图像分析。结果图像依赖于这些参数的数值并且可以被表示为i(p₁，p₂，p₃)。在如图1所示的最通常的情况下，图像受非量化数目的参数p_N影响并且结果图像可被表示为i(p₁，p₂，…，p_N)或i(p)。

图2给出了用在本发明中的建模处理的图解表示。完全不受伪影影响并且不包含由成像处理引入的误差的理想图像可被表示为i(0，0，…，0)或i(p ₀ )。如果它被供给图像建模处理IM 201，它将为所述定量结果产生基准值QA(p ₀)。那些被认为对整个量化处理具有影响的重要的或者最具影响力的伪影和成像处理一同起作用来产生图像i(p₁，p₂，…，p_N)，如果该图像经受相同的图像建模处理IM 201，则将产生另一个定量结果QA(p)。这个定量结果QA(p)是不精确的，因为它偏离理想结果QA(p ₀ )，且这一差异Δ(p)可作为所述两个定量结果QA(p ₀ )和QA(p)之间的差异被测量。

图3示出一种根据本发明构造表格的方法，通过这个表格由最具影响力的那些参数引入到定量处理中的误差随后可根据本发明被利用来为该定量处理的用户提供信息。图3利用仅使用两个参数的简单模型示出该方法。

影响定量处理的参数p₁和p₂可以取不同的数值。通常这些数值将在连续区间内变动，但为了建模的目的，这些值被限定为p₁的离散值p₁(1)、p₁(2)、p₁(M)以及p₂的离散值p₂(1)、p₂(2)、p₂(M)。包含这些数值的所有组合的图像随后利用所改进的建模处理来重新建模，以便为p₁和p₂的所有数值组合产生定量结果QA(p₁，p₂)。这些数值都与理想定量结果QA(p ₀)(其中p₁和p₂均为0)之间具有某个差异Δ(p)，并且这些差异随后被提供到表格301中以备将来使用。该数值表示这一差异的形式可被存储为差异的基值，或者可被存储为百分比差异或甚至以允许其被用作误差量化的任何其它公式表示被存储。

上述情况仅涉及两个参数p₁和p₂，因此示出了一个二维表格。如对本领域技术人员来说显而易见的，更多数量的参数将存储在具有相等维数的表格中。

图4示出如终端用户所察觉的本发明的方法。p和Δ(p)的不同数值都已被插入表格401中，可从该表格中读出误差Δ(p)。这些结果现可以被应用于实际成像过程402，其中产生用于定量分析目的的图像。这些图像必须被进一步分析来估计或评价那些影响参数p的数值，这些数值被合并入所述实际成像过程的图像结果中。这通过本领域技术人员使用已知技术很容易完成，并且产生一系列数值p₁(M)和p₂(m)，例如它们可以被用来表示误差Δ(p)的相关数值。如对本领域技术人员来说明显的，在归属于p的这些数值同存储于表格中的数值不完全相同的情况下，可以使用任意的内插法或近似方法。数值Δ(p)能以任何已知方式呈现给用户，以便允许用户评定医学图像分析处理的定量结果的精度和可靠性。

Claims (8)

1.一种医学图像分析处理方法，其使用包含于至少一个医学图像中的信息，其中从该医学图像分析处理得到定量分析并且将其作为输出发送，其特征在于，为提供与该定量分析精度相关的信息而执行的误差分析的结果同样作为另一个输出被发送。

2.根据权利要求1的医学图像分析处理方法，其特征在于误差分析包括下列步骤：

识别对图像分析处理产生影响的图像伪影，

计算该图像伪影对定量分析精度的影响，

对定量分析精度的影响的计算结果被并入到所发送的另一个输出中。

3.根据权利要求1的医学图像分析处理方法，其特征在于所述误差分析包括下列步骤：

识别对图像分析处理产生影响的图像处理步骤，

计算该图像处理步骤对定量分析精度的影响，

对定量分析精度的影响的计算结果被并入到所发送的另一个输出中。

4.根据权利要求2或3的医学图像分析处理方法，其特征在于对定量分析精度的影响的计算结果在被并入到所发送的输出中之前被存储。

5.根据权利要求4的医学图像分析处理方法，其特征在于对定量分析精度的影响的计算结果被存储于多维表格、查找表或公式中的至少之一。

6.根据权利要求2的医学图像分析处理方法，其特征在于被识别出的对图像分析处理产生影响的图像伪影是噪声、部分体积效应、采样率、该医学成像处理的不均匀性或由于病人移位产生的伪影中的至少之一。

7.根据权利要求3的医学图像分析处理方法，其特征在于被识别出的对图像分析处理产生影响的图像处理步骤是定位、异常值分类、轮廓布局或片段布局中至少之一。

8.根据权利要求1的医学图像分析处理方法，其特征在于利用包含在至少一个医学图像中的信息的医学图像分析处理是心脏灌注数据的评估，并且从医学图像分析处理得到的并作为输出发送的定量分析是心肌灌注预定指标。

Images