发明内容
本发明优选试图缓解、减轻或消除上述单个或任意组合的缺点中的一个或多个。可以将如下内容视为本发明的目的：提供一种解决现有技术上述问题或其他问题的系统。具体而言，可以将如下内容视为本发明的目的：提供一种例如辅助改善对诸如脑图像数据的图像数据的分析的手段。在本发明的第一方面中通过提供一种图像分析系统来实现这一目的和若干其他目的，所述图像分析系统包括：
-输入单元，用于接收指示缺损的数据并用于接收描绘对象的至少部分的图像数据；
-存储单元，用于存储对象模型，其中每个体素或体素组与一个或多个标志相关联，所述一个或多个标志包括解剖学标志和缺损标志；以及
-关联单元，用于将指示缺损的所述数据与所述对象模型关联，以在所述对象模型中识别一个或多个感兴趣区域；
-映射单元，用于将所述对象模型映射到所述图像数据以获得目标图像数据；
-识别单元，用于在所述目标图像数据中识别一个或多个感兴趣区域。
使用指示缺损的临床和/或功能数据形式的非图像临床数据识别对象模型中的一个或多个感兴趣区域。接下来将对象模型映射到图像数据，从而能够基于与体素或体素组相关联的标志识别目标图像数据。这允许在所述图像数据中识别一个或多个感兴趣区域。这种感兴趣区域被怀疑导致了观察到的神经功能缺损。可以通过用户交互或通过接口连接到临床信息系统来接收指示缺损的数据。
通常，可能难以检测和解释图像数据中的微小变化，本发明的优点在于，根据基于非图像的临床的或功能的发现和基于图像的信息的结合，将医疗从业者指引到图像数据的相关区域，以辅助医疗从业者做出诊断。通常，感兴趣区域是被研究或检查的区域。
在有利的实施例中，对在目标图像数据中所识别的一个或多个感兴趣区域进行可视化。通常，尽管对象的详细3D图像可用，但对于医疗从业者而言从数据高效提取信息仍然是一种挑战。通过在目标图像数据中识别一个或多个感兴趣区域，使得可视化过程对于医疗从业者而言是高效率的。
在有利的实施例中，使用图像分析系统来分析脑图像数据。对象为脑且缺损是神经功能缺损。这是本发明的图像分析系统的非常有用的应用。
在有利的实施例中，在所述图像数据的至少与所述一个或多个感兴趣区域有关的部分上自动执行基于图像的计算。于是可以确保仅在图像数据的相关区域中的计算。
在有利实施例中，可以将若干标志分配给对象(例如脑模型)的体素或体素组，由此为医疗从业者提供更全面的信息工具。在实施例中，一个或多个标志还包括功能标志和/或指示诸如病变的结构缺陷的概率的标志。
在有利实施例中，系统还可以包括或连接到决策支持系统。决策支持系统可以基于现有知识为医疗从业者提供建议以及提供对疾病进展的预测，由此减少获得诊断结果中涉及的时间延迟并提高给定诊断的确定性。决策支持系统还可以为用户或系统提出关于对感兴趣区域的图像处理进行可视化时使用的任何参数的建议。
根据本发明的第二方面，提供了一种分析描绘对象的至少部分的图像数据的方法，包括：
-接收指示缺损的数据；
-接收描绘所述对象的所述至少部分的图像数据；
-读取对象模型，其中每个体素或体素组与一个或多个标志相关联，所述一个或多个标志包括解剖学标志和缺损标志；
-将指示所述缺损的所述数据与所述对象模型相关联，以在所述对象模型中识别一个或多个感兴趣区域；
-将所述对象模型映射到所述图像数据以获得目标图像数据；以及
-在所述目标图像数据中识别一个或多个感兴趣区域。
根据本发明的第三方面，提供了一种医疗采集设备，该医疗采集设备还包括采集单元，用于采集一组或多组体素数据形式的图像数据。采集单元可以是医疗扫描器。
根据本发明的第四方面，提供了一种计算机程序产品，该计算机程序产品具有用于计算机上的一组指令，所述指令布置用于使得计算机执行本发明任一方面的功能。计算机可以是形式为独立计算机系统或分布式计算机系统的计算机系统，例如专门编程控制的通用计算机。
总之，可以通过本发明范围之内的任何可能方式组合和耦合本发明的各方面。从下文所述实施例，本发明的这些和其他方面、特征和/或优点将变得显而易见并参考实施例而得到阐释。
具体实施方式
将参考示例性脑图像数据说明本发明的实施例。这些实施例中的图像分析系统适于基于从诸如病变的脑部缺陷得到的神经功能缺损进行脑图像数据分析。不过，本领域的技术人员将理解，可以将本发明应用于分析描绘人或动物解剖结构的其他区域，例如心脏、肝脏、肺、股动脉或心脏动脉的图像数据。不应将脑部示例解释为限制本发明的范围。
诊断脑的病变是一个多学科的任务，其中要收集和组合来自不同源的信息。例如，由医疗从业者组合并评估来自临床调查、神经学测试、成像和实验室测试的信息以得到诊断结果。得到诊断结果的一种重要工具是使用图像数据。不过，对于从业者而言可能难以仅基于图像数据来定位感兴趣区域。尤其是在图像数据中病变仅表现出微小变化的情况下更是如此。
在神经学中，在神经功能缺损和脑的不同部分之间有明确的相关性。在本发明中，使用这种相关性在脑图像数据中识别一个或多个感兴趣区域，例如疑似脑部病变的位置。
神经功能缺损和脑解剖结构之间的相关性示例包括，但不限于以下列表(表1)：
名称
神经功能缺损
解剖学标志
瘫痪
身体各部分丧失
简单运动能力
额叶
失读症
阅读有问题
顶叶
颜色失认症
难以识别颜色
枕叶
图1中示出了根据本发明的示例性实施例的流程图。
例如，通过向计算机系统中输入神经学数据，接收1以指示神经功能缺损的数据形式的神经学数据。此外，接收或读取2脑模型。脑模型可以是3D模型，其中每个体素或体素组与一个或多个标志相关联。或者，脑模型可以是脑一个截面的2D模型，其中每个像素或像素组与一个或多个标志相关联。3D脑模型可以包括切片堆栈，每个切片定义一个2D模型。在下文中，将体素和像素都称为体素。脑模型是脑的虚拟模型。在现有技术中也将脑模型称为脑图集。
该一个或多个标志包括解剖学标志和神经功能缺损标志。亦即，每个体素或体素组与一个或多个神经功能缺损以及由体素或体素组占据的解剖结构相关联。可以在脑模型中定义该关联。除了解剖学标志和神经功能缺损标志之外，可以为每个体素或体素组分配其他标志。尤其可以分配功能标志。功能标志可以指出特定解剖学区域的功能，例如将用于呼吸或心率的相关解剖学区域分配给相关体素。
将指示神经功能缺损的数据和脑模型相关3，以在脑模型中识别一个或多个感兴趣区域(ROI)，由此识别被怀疑诱发所观察到的神经功能缺损的一个或多个区域。由此获得个体患者的特异性脑模型4。
接收或读取5脑的至少部分的脑图像数据，并将脑模型映射6到脑图像数据以获得目标图像数据。在目标图像数据中识别7一个或多个感兴趣区域以获得患者的特异性图像数据。在实施例中，将脑模型映射到脑图像数据是基于脑模板的弹性配准的实施来进行的。可替代地或附加地，脑模型可以包括体素分类器，并且分析脑可以包括对脑图像数据的体素进行分类。本领域的技术人员将理解，可以采用其他脑模型来获得目标图像数据。
图2提供了本发明的示例性实施例的示意图。
提供指示神经功能缺损的数据20。可以通过用户交互，例如通过从列表选择相关项，通过接口连接到诸如患者电子记录、放射信息系统、医院信息系统的临床信息系统等来提供数据。
读取脑模型21(这里示意性地示出)。可以将脑模型存储在本地计算机系统或可以通过网络读取的计算机系统上，网络例如是因特网、内联网或任何其他类型的网络。在示意性示出的模型中，标识了九组体素。每组体素可以与一个或多个标志26相关联。总之，可以使用本发明范围之内的任何脑模型。
将指示神经功能缺损的数据20与脑模型21相关，以在脑模型中识别一个或多个感兴趣区域22。可以通过任何适当方法进行相关。例如，在识别出神经功能缺损之后，在脑模型中选择与这种神经功能缺损相关的一个或多个解剖学区域。例如，通过使用诸如表1的表格来选择承载相关“神经功能缺损或解剖学”标志的所有体素。对于更复杂的诊断任务而言，可以使用包含有这样的功能的方法，该功能定义一个或多个神经学症状和一个或多个标志之间的相关。这种相关功能可以基于试探、规则或其他手段。
接收脑的至少部分的脑图像数据23(在这里示意性地示出)。在脑图像数据中，示意性示出了脑病变25。
将脑模型22映射到脑图像数据23以获得目标图像数据24。根据该映射将一个或多个感兴趣区域传递到患者特异性脑图像数据23，由此在患者的图像数据中识别被病变25覆盖的ROI(或多个ROI)22。
图3示出了目标图像数据7、36的各种示例性其他用法的流程图。
在示例性实施例中，对目标图像数据36中所识别的一个或多个感兴趣区域进行可视化30。可以进行可视化以辅助阅读或分析图像数据。作为示例，可以使用医疗可视化，例如3D可视化来对所有目标图像数据进行可视化。或者，可以仅对所识别的一个或多个感兴趣区域进行可视化。
可视化可以是高亮显示ROI以结合例如图像数据的进一步分析将从业者向相关区域引导。可以通过任何高亮显示手段来实现高亮显示。
在示例性实施例中，至少在与一个或多个感兴趣区域有关的图像数据的部分上自动执行31在基于图像的计算方面的图像分析。可以由用户选择或可以根据执行计算机程序的设置自动选择图像数据。此外，可以由用户选择或可以根据执行计算机程序的设置自动选择关于基于图像的计算使用的参数。例如，可以计算受中风影响的脑区域的尺寸。
在其他实施例中可以针对图像模态和/或用于获得图像数据的采集规程定制32自动的基于图像的计算。可替代地或附加地，甚至可以针对所识别的一个或多个感兴趣区域定制自动的基于图像的计算。例如，基于CT图像数据的计算可以布置成对于图像强度使用Hounsfield单位，并可以进一步依赖于特定组织和诸如病变的病理结构的典型体素值(即强度)范围。
可以执行目标图像数据的可视化以便证实33图像处理。可以执行证实33以便检查其他自动过程的中间结果，决定最终结果，选择特定的图像处理算法等。也可以将证实步骤33作为实施例30-32的一部分并入其中。
脑模型还可以包括指示给定病变概率的标志。在实施例中，这种概率是来自发病的脑模型的部分。或者，可以利用这种概率值更新或丰富根据基于图像的计算结果的脑模型。
可以提供扩展层34以提供表示与图像分析相关的知识的信息、参数、规则等。例如，扩展层可以表示与影响基于图像的计算的图像采集(模态和采集规程)有关的知识。扩展层可以包括定义如何组合来自不同源的知识的方案。通过使用扩展层34，可以改善图像处理，因为可以选择相关参数、算法等。
还可以向决策支持系统中提供指示神经功能缺损、脑图像数据和任何所识别感兴趣区域的数据，以在各种任务中，例如在诊断、处置计划或图像数据分析中辅助从业者。
图4示意性示出了根据本发明的可视化系统的部件。系统可以是独立的系统或可以结合或被结合在医疗采集设备中。如图4示意性指示的，医疗采集设备通常包括患者躺于其上的床41或用于相对于采集单元40定位患者的另一元件。采集单元可以是医疗成像设备。采集单元采集一组或多组体素数据形式的脑图像数据。将图像数据馈送到实现根据本发明实施例的图像分析系统的计算机系统中。
在实施例中，可以使用从以下技术中选择的技术提供图像数据：磁共振成像(MRI)、计算机断层摄影(CT)、正电子断层摄影(PET)、单光子发射计算机断层摄影(SPECT)、超声波扫描、时域X射线成像和旋转血管造影术。
向输入单元42中输入47指示神经功能缺损的数据。如上所述，可以通过用户交互或通过与临床信息系统接口连接来接收输入。在输入单元42中还接收48图像数据。在实施例中，可以将输入单元42实现为用于神经功能缺损数据和图像数据的分立单元。存储单元43存储脑模型，其中每个体素或体素组与一个或多个标志相关联，该一个或多个标志包括解剖学标志和神经功能缺损标志。存储单元43可以是外部存储单元或可以是分布式的。相关单元44将指示神经功能缺损的数据与脑模型相关，以在脑模型中识别一个或多个感兴趣区域。映射单元49将脑模型映射到脑图像数据以获得目标图像数据；以及，识别单元400在目标图像数据中识别所述一个或多个感兴趣区域。通常通过计算机系统46的接口提供与图像分析相关的任何用户交互。可以由通用或专用计算机系统45、46的一个或多个数据处理器和存储单元45实现可视化系统的元件。
可视化系统还可以包括决策支持系统，例如，决策支持系统401可以实现在可视化系统中或可通信地连接到可视化系统。
可以以任何适当形式，包括硬件、软件、固件或这些形式的任何组合来实施本发明。可以将本发明或本发明的一些特征实现为运行于一个或多个数据处理器和/或数字信号处理器上的计算机软件。可以通过任何适当的方式物理地、功能地和逻辑地实现本发明的实施例的元件和部件。实际上，可以通过单个单元或多个单元实现其功能性，或者将其功能性作为其他功能单元的部分实现。照此，可以通过单个单元实现本发明，或者本发明可以物理地和功能地分布于不同的单元和处理器之间。
尽管已经结合特定实施例描述了本发明，但并不意在将本发明限于这里阐述的特定形式。相反，本发明的范围仅受所附权利要求的限制。在权利要求中，术语“包括”不排除存在其他元件或步骤。此外，尽管各个独立的特征可能包含于不同的权利要求中，但是，这些特征可以得到有利的组合，包含在不同的权利要求中并不意味着特征组合是不可行和/或是不利的。此外，单数引用不排除复数。因此，提到“一”、“第一”、“第二”等并不排除复数。此外，不应将权利要求中的附图标记解读对范围的限制。