專利名稱：：醫(yī)學(xué)圖像的計算機輔助定性定量分析的方法和系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
：本發(fā)明一般涉及可疑異常的醫(yī)學(xué)圖像(醫(yī)學(xué)影像)和檢測的計算才幾輔助分析的領(lǐng)域。具體而言，本發(fā)明涉及一種方法和系統(tǒng)，用于處理由多才莫態(tài)(多個才莫態(tài)，multiplemodalities)獲得的醫(yī)學(xué)圖l象，包括動力學(xué)和形態(tài)特征的分析以及異常的自動檢測和來自多模態(tài)的醫(yī)學(xué)圖4象的分析。
背景技術(shù)：
：磁共振成像(MRI)是作為用于乳房異常成^f象的強大工具而出現(xiàn)的。一關(guān)殳而言，由于豐富的壽欠組織反差、薄截面和多平面能力，所以MRI提供比傳統(tǒng)的成像模態(tài)更好的乳房病變(損傷)的表4正。傳統(tǒng)上，分析并分類病變形態(tài)，以區(qū)分來自可能癌腫瘤的良寸生病變。例如，美國i欠射學(xué)學(xué)會(AmericanCollegeofRadiology,ACR)幾年來已經(jīng)開發(fā)出一套特征和詞典(一種數(shù)據(jù)辭典系統(tǒng))，與乳房成像才艮告和數(shù)據(jù)系統(tǒng)(BI-RADS)—起使用。BI-RADSMRI詞典指出以下形態(tài)特征可能與良性病變相關(guān)形狀圓形、卯形或小葉形邊緣平滑團塊增強(massenhancement)均勻，沒有反差增強，非增強性內(nèi)在隔月莫在另一方面，BI-RADSMRI詞典指出，以下特征可能描述了惡性肺瘤的可能性<table>tableseeoriginaldocumentpage10</column></row><table>近來，越來越多的注意力關(guān)注到乳房病變的反差增強的MRI上。在檢查之前或期間，將反差增強劑注射到患者胳膊的靜脈中。典型地，使用釓基反差劑(例如，Gd-DTPA)。使用反差劑傾向于在正常組織和異常組織之間4是供更大的反差。反差增強源于以下事實肺瘤的生長和代謝潛力能夠直接關(guān)系到周圍血管增生的程度。對于直徑上生長超過幾個毫米的腫瘤，需要形成將提供存活所必需的氧和營養(yǎng)的血管。這些新血管以紊亂模式增生，并且質(zhì)量差，因而使它們發(fā)生滲漏并導(dǎo)致血液匯集于腫瘤周圍。對來自可擴散反差信號強度隨時間的定量研究(或動力學(xué)曲線)，增強和動力學(xué)水平隨時間的變化(例如上行和下行行為)，暗示了惡性病變可能是迅速增強的區(qū)域，在注射后1分鐘和3分鐘之間達到它們的峰增強。良性病變增強更'f曼，其中在幾分鐘之后才出現(xiàn)峰增強。動力學(xué)曲線的形狀也能成為病變是否是惡性的良好指示。研究發(fā)現(xiàn)，描述良性病變的動力學(xué)曲線傾向于是直的或稍微彎曲的(類型I)。對于彎曲類型，時間-信號強度繼續(xù)增加而生長一般會較慢，并且曲線在后期的后-反差期(由于々包和效應(yīng))而變平坦。另一方面，暗示或指示惡性腫瘤的動力學(xué)曲線顯示出一個平臺或一個下行4殳。平臺型(類型n)顯示一個初始上行，之后增強陡然截止，而信號強度在中間和后期的后-反差期內(nèi)平穩(wěn)。下行類型(類型III)顯示一個初始上行，之后增強陡然截止，而信號強度在中間的后-反差期(反差劑注射后23min)內(nèi)降低(下行)。然而，盡管反差增強的MRI方法已經(jīng)實現(xiàn)高水平的靈每丈度(94%100%),但其提供的僅僅是有限的特異性水平(40%95%)。此處，靈敏度是指真實陽性檢測，而特異性是指假的陽性減少。低特異性水平不僅是惡性病變增強的結(jié)果，也是良性病變增強的結(jié)果，導(dǎo)致了許多不必要的活組織檢查。因此，單是出現(xiàn)增強，并不能用于將良性病變和惡性病變區(qū)分開。良性病變纟皮{人為是正常過程的畸變所致。例如，纖維嚢性病變是最常見的良性紊亂(40%50%)，纖維腺瘤在年輕和老齡婦女中是最常見的腫瘤，而翻性乳頭狀瘤(乳突瘤，pappiloma)是危險專交葉氐的病變。其他良性病變包括方欠射狀疤痕(硬"fb癥)，它是一種星形病變模仿癌、葉狀柄腫瘤和導(dǎo)管增生(乳腺)。乳房的反差MRI研究已經(jīng)證實，不僅惡性病變增強，而且許多良性病變包括纖維腺瘤、纖維嚢性變化和放射狀疤痕也增強。而且，可能存在惡性病變，如浸潤性管癌(IDC)、浸潤性小葉癌(ILC)或原位管癌(DCIS)的某些病例將不會迅速增強，〗旦其中病變形態(tài)表明惡性腫瘤存在。認為僅僅存在反差增強不能用于將良性病變與惡性病變區(qū)分開。近來，人們的關(guān)注點轉(zhuǎn)向了作為一種用于癌癥診斷的新技術(shù)的》茲共振波鐠("MRS")。MRS是i茲共振檢測技術(shù)的特定類型。其通過測定在所懷lt月中瘤中的各種標(biāo)^/f匕學(xué)物質(zhì)(markerchemicals)^口膽堿的濃度或強度而提供化學(xué)信息。認為標(biāo)記化學(xué)物質(zhì)的量或濃度提供了關(guān)于所檢測區(qū)域中疾病過程的信息。一4殳而言，由MRS獲得的信號并不產(chǎn)生掃描圖像。相反，會產(chǎn)生各種化學(xué)物質(zhì)的光i普信息。最近，已經(jīng)可以從較好定位的區(qū)域獲得光語數(shù)據(jù)。這就允許由MRS獲得的生化信息與所定位的區(qū)域相關(guān)地加以評價。然而，關(guān)聯(lián)光語數(shù)據(jù)和掃描圖像通常在臨床環(huán)境下是一個困難的任務(wù)。前述內(nèi)容產(chǎn)生了一個問題即開發(fā)分析醫(yī)學(xué)圖<象以區(qū)分惡性和良性病變并適合于臨床所需的系統(tǒng)和方法。本發(fā)明的一個目的是減輕或4非除上述擊夬點中的至少一個。
發(fā)明內(nèi)容本發(fā)明結(jié)合了定性和定量特征，以實現(xiàn)可疑異常如成像的乳房病變的最佳區(qū)分。對來自多模態(tài)的圖像(成像)和數(shù)據(jù)進行處理和分析，以提取定量和定性信息。定量信息能夠包括動力學(xué)信息和生化信息。動力學(xué)特征能夠從圖像數(shù)據(jù)如MRI圖像數(shù)據(jù)的時間序列才是取。生化信息能夠從MRS數(shù)據(jù)的光譜分析提取。形態(tài)學(xué)特征能夠由MRI圖像、超聲圖像、x-射線圖像或其他模態(tài)的圖像提取。提供計算機應(yīng)用程序用于從醫(yī)學(xué)圖像和數(shù)據(jù)提取定量和定性特征，以及用于從定量和定性分析組合結(jié)果以產(chǎn)生一個綜合結(jié)果。時間歷程動力學(xué)的分析可在后-反差圖<象中的病變形態(tài)的評價之前或之后進4亍?？蛇x地，來自第一次進行的分析結(jié)果在進行下一步分析之前進^S平價。在那些情況下，如果來自第一次進行的分析(例如，動力學(xué)分析)結(jié)果是清楚指示的，則下一步分析(例如形態(tài)學(xué)分析)就不進行。如果來自一種模式(例如動力學(xué))的分析結(jié)果是不確定的或暗示良性病變的，則進行進一步的分析(例如形態(tài)學(xué))。在本發(fā)明的一方面，沖是供了一種分析解剖中一個區(qū)域的多個醫(yī)學(xué)圖像數(shù)據(jù)和檢測該區(qū)域中的異常的方法。至少一組多個醫(yī)學(xué)圖像數(shù)據(jù)包含響應(yīng)于給藥反差增強劑的時間信息。該方法包括以下步驟獲得多個醫(yī)學(xué)圖像^t據(jù)；從多個醫(yī)學(xué)圖像凄丈據(jù)鑒定(識別)4圮表該區(qū)域中的可能病變的一組數(shù)據(jù)點；從多個醫(yī)學(xué)圖像凄t據(jù)提耳又與該組數(shù)據(jù)點相關(guān)的特征，這些特征包括一組形態(tài)學(xué)特征、一組時間信息的動力學(xué)特^正和一組生化特征中的至少兩組；乂人該至少兩組凈爭征計算可能病變的初始診斷評價；以及向用戶提供初始評價以用于在本發(fā)明這方面的特征中，該方法包括另外的步驟接收來自用戶的至少兩組特^正的〗奮正；計算〗務(wù)正的評價；以及向用戶纟是供i亥修正的評價以進行進一步的評估。該修正的評價是通過在計算中結(jié)合該々務(wù)正而計算的。在本發(fā)明這方面的另一特征中，動力學(xué)特性是乂人對應(yīng)于所述凄丈據(jù)點的組的子組中的時間依賴性局部反差變化的反差變化曲線^是取的。在另一特征中，動力學(xué)特性包括該反差變化曲線分類成連續(xù)增強、平穩(wěn)、和下4亍(washout)類型中之一。在本發(fā)明這方面的另一特征中，生化特性是從數(shù)據(jù)點組的MRS子組的光語分析提取的。在另一特征中，生化特性至少包括從光譜-分析中獲耳又的標(biāo)記化學(xué)物質(zhì)的濃度分布或兩種或更多種標(biāo)記化學(xué)物質(zhì)的相對強度。在另一方面，本發(fā)明提供了一種用于分析解剖中一個區(qū)域的多個醫(yī)學(xué)圖像數(shù)據(jù)的系統(tǒng)。至少多個醫(yī)學(xué)圖像數(shù)據(jù)的一個組包含響應(yīng)于給予反差劑的時間信息。該系統(tǒng)包括圖像數(shù)據(jù)模塊，用于檢索多個醫(yī)學(xué)圖像數(shù)據(jù)；形態(tài)學(xué)模塊，用于鑒定所述醫(yī)學(xué)圖像數(shù)據(jù)中的可能病變，并揭:耳又和分類與所述可能病變相關(guān)的形態(tài)學(xué)特征；動力學(xué)模塊；光鐠分析模塊；綜合決策引擎；以及圖形用戶界面，用于顯示所述多個醫(yī)學(xué)圖傳_#:據(jù)的至少一部分及用于用戶評估和》務(wù)正的一個初始診斷評價。動力學(xué)模塊從多個醫(yī)學(xué)圖像數(shù)據(jù)提取與所述可能病變相關(guān)的時間信息的動力學(xué)特性，光i普分析才莫塊乂人多個醫(yī)學(xué)圖傳4t據(jù)^是耳又與一種或多種標(biāo)記化學(xué)物質(zhì)相關(guān)的的生化特性，而綜合決策引擎接收來自形態(tài)學(xué)模塊的形態(tài)學(xué)特征、來自動力學(xué)模塊的時間信息的動力學(xué)特性以及來自光語分析模塊的生化特性，并計算來自形態(tài)學(xué)特征、動力學(xué)特性和生化特性的可能病變的初始診斷評價。在本發(fā)明這方面的特征中，該系統(tǒng)進一步包4舌形態(tài)學(xué)決策引擎，用于推導(dǎo)來自形態(tài)學(xué)特征的形態(tài)學(xué)評價；動力學(xué)決策引擎，用于推導(dǎo)來自動力學(xué)特性的動力學(xué)評價；以及光譜分析決策引擎，用于推導(dǎo)來自生化特性的光譜評價。綜合決策引擎在其計算中關(guān)聯(lián)和結(jié)合形態(tài)學(xué)評<介、動力學(xué)評1"介和光^普評價。在本發(fā)明這方面的另一特征中，該系統(tǒng)進一步包括注解才莫塊，用于通過圖形用戶界面接收對形態(tài)學(xué)特征、動力學(xué)特性和生化特性中至少之一的々f正。一旦接收到^f'務(wù)正，該修正就4是供給綜合決策引擎而綜合決策引擎再計算修正的診斷評價。在本發(fā)明這方面的另一特4正中，該系統(tǒng)進一步包4舌患者患病危險(危險輪廓，riskprofile)模塊，用于從數(shù)據(jù)庫中4企索患者患病危險信息；和患者病史(既往病歷)才莫塊，用于4全索患者病史4言息。評價的評估結(jié)合患者患病危險信息和患者病史(歷史)信息。在本發(fā)明的另一方面，本發(fā)明提供了一種從患者解剖中的一個區(qū)域獲取和分片斤MRS醫(yī)學(xué)圖l象凄t據(jù)的方法。該方法包括以下步4聚獲得該區(qū)域的多個醫(yī)學(xué)圖像數(shù)據(jù)；從該多個醫(yī)學(xué)圖像數(shù)據(jù)鑒定表示該區(qū)域中的可能病變的數(shù)據(jù)點的組；從多個醫(yī)學(xué)圖像數(shù)據(jù)提取與該可能病變相關(guān)的特征；從這些特征計算可能病變的初始診斷評價；以及一旦初始診斷評價滿足預(yù)選標(biāo)準(zhǔn)，就完成以下步驟從包括可能病變的候選區(qū)域獲取MRS醫(yī)學(xué)圖像數(shù)據(jù)；從該MRS醫(yī)學(xué)圖像凝:據(jù)提取生化特性；在再計算中進一步結(jié)合生化特性并再計算可能病變的綜合評價；以及向用戶提供該綜合評價以進行評估和修正。在本發(fā)明的另一方面中，本發(fā)明提供了一種用于分析解剖中一個區(qū)域的醫(yī)學(xué)圖像數(shù)據(jù)的系統(tǒng)，該醫(yī)學(xué)圖像數(shù)據(jù)從多個模態(tài)獲取。該系統(tǒng)包括圖像數(shù)據(jù)模塊，用于接收醫(yī)學(xué)圖像數(shù)據(jù)；多個圖像處理模塊；多模態(tài)決策引擎；綜合決策引擎；結(jié)合模態(tài)評價并從模態(tài)評價計算可能病變的初始診斷評價的綜合決策引擎；以及圖形用戶界面，用于顯示醫(yī)學(xué)圖傳^t據(jù)的至少一部分及用于用戶評估和<務(wù)正的初始診斷評價。多個圖像處理模塊的每一個鑒定醫(yī)學(xué)圖像數(shù)據(jù)中的可能病變并提取和分類與可能病變相關(guān)的模態(tài)特性的組。與模態(tài)相關(guān)的模態(tài)特性的組提交給對應(yīng)的模態(tài)決策引擎，用于計算可能病變的模態(tài)評價。通過模態(tài)決策引擎計算的模態(tài)評價由綜合決策引擎在其計算中結(jié)合。在其他方面，本發(fā)明纟是供以上描述的各個方面的各種組合和子組。用于描述的目的，而非限制的目的，本發(fā)明的前述和其他方面將參照附圖更加詳細地進4亍解釋，其中圖l是示出了計算機輔助檢測(CAD)系統(tǒng)的示意圖2是圖1所示CAD系統(tǒng)的CAD應(yīng)用程序的主要功能組件的方才匡圖3是示出了用于通過圖2所示的CAD應(yīng)用程序進行醫(yī)學(xué)圖像數(shù)據(jù)定性定量分析的過程步驟的流程圖3A示出了用于通過CAD應(yīng)用程序進行MRS數(shù)據(jù)和超聲波圖像分析的另一過程；圖3B是圖示"i兌明通過圖2所示的CAD應(yīng)用程序進^f亍的一個可替換過程的流程圖，采用了來自一種模態(tài)的結(jié)果作為另一種模態(tài)的輸入；圖4詳細示出了圖3所示的過^i的一部分；圖5示意性:地圖示"^兌明了醫(yī)學(xué)圖^f象的時間序列和對應(yīng)的反差變化曲線；圖6示出了反差變化曲線的可預(yù)期的一4殳^f亍為；圖7是示出了用于構(gòu)建圖5和6所示的反差變化曲線的圖3所示過程的一部分的流程圖8是示出了結(jié)合形態(tài)學(xué)和動力學(xué)特征，用于產(chǎn)生綜合結(jié)果的圖3所示過禾呈的一部分的流禾呈圖9示意性地示出了一種示例性屏幕顯示，向用戶4是供了兩種模態(tài)和綜合結(jié)果的所分析圖像的并排對比；和圖10示出了用于處理在不同時間拍攝的相同模態(tài)的圖像的從圖3所示過程4奮正的一個過程。具體實施例方式本發(fā)明一般涉及計算機輔助分析醫(yī)學(xué)圖像和可疑異常的檢測的領(lǐng)域。具體而言，本發(fā)明涉及一種用于處理乂人多沖莫態(tài)獲得的醫(yī)學(xué)圖4象的方法和系統(tǒng)，包括動力學(xué)和形態(tài)學(xué)特征的分析。本發(fā)明結(jié)合了來自多模態(tài)的數(shù)據(jù)，包括動力學(xué)(定量)、形態(tài)學(xué)(定性)和生化(定量)信息，以實現(xiàn)成像的可疑異常(如成像的乳房病變)的最佳辨別。病變的形態(tài)學(xué)特征一^:是與尺寸、形狀、團塊中的信號分布、或病變的邊界特性相關(guān)的那些特征。它們包括這樣的特征，如病變是否是具有圓形、橢圓形或小葉形形狀的團塊，具有平滑的、不規(guī)則的或有細刺邊界的團塊，或具有均勻的、周邊(空白)的或管狀增強的團塊。形態(tài)學(xué)特征能夠從MRI、超聲波或X-射線圖像或其他形態(tài)的圖像數(shù)據(jù)提取。動力學(xué)特征與成像病變在圖像或圖像數(shù)據(jù)的時間序列中的信號時間行為有關(guān)。MRI數(shù)據(jù)的動力學(xué)特征一般是指，但不限于給予反差劑之后在所掃描的解剖體積內(nèi)區(qū)域的時間依賴性的反差增強。動力學(xué)曲線可以是I型(連續(xù)增加)、II型(平穩(wěn))或III型(下行)。生化信息能夠通過分析MRS凄t據(jù)即光i普信息獲得，以測定單個體元或幾個體元內(nèi)標(biāo)i己化學(xué)物質(zhì)(如膽堿、肌酸或31P，其他之中的那些)的存在和相對濃度。這些信息在癌癥診斷中被認為是相關(guān)的。提供的計算機應(yīng)用程序用于從醫(yī)學(xué)圖像數(shù)據(jù)中提取形態(tài)學(xué)的、動力學(xué)的和生化的信息，并結(jié)合來自多模態(tài)的醫(yī)學(xué)圖像數(shù)據(jù)的定性定量分析結(jié)果而獲得綜合結(jié)果。盡管診斷評價可以從單個模態(tài)圖像數(shù)據(jù)的動力學(xué)、形態(tài)學(xué)或生化(即光譜)分析任何的結(jié)果推導(dǎo)，但是結(jié)合來自多模態(tài)的結(jié)果傾向于提高所獲得的評價的置信水平，同樣，綜合評價一般從更大的凄史據(jù)組推導(dǎo)，并因此傾向于是更大統(tǒng)計性可靠的。例如，在后-反差圖^象中，時間過程動力學(xué)的分析可在病變形態(tài)評Y介之前或之后進行?？蛇x地，來自最先進行的分析的結(jié)果能夠在進4于下一步分析之前進行評估。如果來自最先進行的分析(例如，動力學(xué)分析)的結(jié)果是明確指示性的，則下一步的分析(例如形態(tài)學(xué)或光譜學(xué)分析)就可以是不必要的。另一方面，如果來自一種才莫式(例如動力學(xué))是不確定的或暗示良性病變的，則進一步的分析(例如形態(tài)學(xué))或許是值得的。而且，來自某一分析的結(jié)果可以用作另一模式分析的輸入。例如，動力學(xué)分析的結(jié)果一^&包括病變的識別(鑒定)，這可以用于推動形態(tài)學(xué)過程的分割(分段)部分。圖1示出了計算機輔助檢測(CAD)系統(tǒng)100。該CAD系統(tǒng)100處理和分析從多才莫態(tài)獲得的圖像和數(shù)據(jù)，包括進行動力學(xué)、形態(tài)學(xué)和光譜分析，用于提供基于提取的動力學(xué)、形態(tài)學(xué)和光語特征的診斷評價。CAD系統(tǒng)IOO具有醫(yī)學(xué)成像裝置102。醫(yī)學(xué)成像裝置102由用戶4吏用以通過對患者掃描或成4象而獲耳又醫(yī)學(xué)圖<象和^:據(jù)。不同的成傳^莫態(tài)可以配置用于CAD系統(tǒng)100。例如，醫(yī)學(xué)圖^f象可以是超聲波圖像、X-射線圖像、MRI圖像、計算斷層照相法(CT)圖像、正電子發(fā)射X射線層析照相術(shù)(PET)圖像、PET/CT、核素、MRS或來自合適的圖像或數(shù)據(jù)獲取裝置的任何圖像或數(shù)據(jù)。通過醫(yī)學(xué)成像裝置102獲取的圖像數(shù)據(jù)提供給計算機104以進行處理。盡管圖1中僅示出了單機計算機，但計算機104可以是任何一般目的的計算機或?qū)Ｓ糜嬎銠C。其也可以是嵌入式系統(tǒng)，如在包括醫(yī)學(xué)成像儀102的圖像獲取系統(tǒng)中的嵌入式系統(tǒng)。計算機程序106，即用于實施CAD系統(tǒng)功能的應(yīng)用軟件，由計算才幾104存^[諸的。CAD應(yīng)用程序106具有多個組件。對應(yīng)于每一才莫態(tài)，就有一個專用組件。例如，超聲子系統(tǒng)108對應(yīng)于超聲才莫態(tài)。超聲子系統(tǒng)專用于4企索、處理和分析超聲圖傳^t據(jù)。類似地，CT子系統(tǒng)110專用于處理和分析CT圖像數(shù)據(jù)。對應(yīng)于MRI圖像數(shù)據(jù)，有MRI子系統(tǒng)112。對應(yīng)于MRS光i普數(shù)據(jù)，有MRS子系統(tǒng)113。CAD應(yīng)用程序106具有綜合決策引擎114。綜合決策引擎114作為其輸入接收來自這些模態(tài)的結(jié)果，即來自超聲子系統(tǒng)108、CT子系統(tǒng)IIO、MRI子系統(tǒng)112和MRS子系鄉(xiāng)克113,并結(jié)合來自這些模態(tài)的每一個的結(jié)果而計算綜合評價。CAD應(yīng)用程序106可以使用構(gòu)建到應(yīng)用程序中或儲存于數(shù)據(jù)庫116中的法則(規(guī)則，rule)用于作出綜合決策。這些法則可以從包含良性和惡性病變的樣品圖像推導(dǎo)，或由統(tǒng)計才莫型構(gòu)建，或通過采用任何合適的方法學(xué)建立。提供了工作站118。工作站118^是供的用戶界面120，準(zhǔn)許系統(tǒng)100的用戶瀏覽醫(yī)學(xué)圖4象，」操作這些圖〗象并與系統(tǒng)互動而處理這些圖像。用戶界面120包括顯示器122。該顯示器可以是顯示屏，或圖像保護器，或可以是能夠向用戶可^L呈現(xiàn)醫(yī)學(xué)圖像并向用戶呈現(xiàn)圖形和文本內(nèi)容的任何其他合適的顯示裝置。工作站118向用戶顯示圖像教:據(jù)和,人CAD應(yīng)用程序106產(chǎn)生的結(jié)果，以方便用戶診斷分析圖像。例如，來自每一沖莫態(tài)的圖像以及從這些圖像提取的特征可以顯示給用戶。它們可以并排顯示于相同的顯示器上，以使用戶更方便地作出診斷。在這些醫(yī)學(xué)圖像中鑒定的病變及提耳又的特4正也可以:故突出顯示。另外，與醫(yī)療標(biāo)準(zhǔn)一致的格式可以結(jié)合由該系統(tǒng)自動檢測的任何結(jié)果進行預(yù)置。由系統(tǒng)自動計算的初步評價也可以顯示給用戶，以便用戶進行確認或修正。用戶界面120還包括輸入設(shè)備124，以使用戶與系統(tǒng)互動并鑒定在所顯示醫(yī)學(xué)圖像中的感興趣的系統(tǒng)特定區(qū)域。輸入設(shè)備124可以包括4建盤，例如，用于用戶進行任何文本輸入。語音識別才莫塊可以提供用于語音-文本轉(zhuǎn)錄而使用戶可以口頭輸入成像客體的文本描述，輸入其它文本而無需必須敲入文本，或發(fā)布4壬何計算枳4呈序命令。它還可以包括鼠標(biāo)或一些其它定點設(shè)備，用于用戶鑒定系統(tǒng)的醫(yī)學(xué)圖〗象特定j象素或區(qū)域。顯示器122和輸入i殳備124可以物理地結(jié)合到單片硬件單元，如能夠顯示圖形和文本輸出并4妄收用戶輸入的觸摸屏。用戶界面120也可以包括遠程用戶界面，如遠程終端或網(wǎng)絡(luò)瀏覽器126，用于與其他放射學(xué)家或內(nèi)科醫(yī)師通過遠程通訊網(wǎng)絡(luò)128實現(xiàn)共享。遠程通訊網(wǎng)絡(luò)128可以用直接電纜連接、局域網(wǎng)(LAN)或英特網(wǎng)實現(xiàn)。遠程用戶界面使內(nèi)科醫(yī)師可以遠程瀏覽操作員從患者獲取的圖像，并對系統(tǒng)IOO自動產(chǎn)生的結(jié)果實時地進行任何》務(wù)正。內(nèi)科醫(yī)師，無i侖是在醫(yī)學(xué)成^f象裝置102的隔壁房間或是工作站118,或在幾千/>里之外的辦/>室，都能通過遠程用戶界面4乍出it斷。系統(tǒng)100也包括多個輸出外圍設(shè)備130,以便于用戶可以重現(xiàn)或記錄分析時段的結(jié)果或系統(tǒng)的其他輸出結(jié)果。例如，輸出外圍設(shè)備可以包括基于膠片或紙張的打印機132?；谀z片的打印機可以用于轉(zhuǎn)換醫(yī)學(xué)圖像，無論是初始圖像還是經(jīng)過處理的圖像，成為膠片，方便用戶用于需要膠片化圖像的更為傳統(tǒng)的顯示設(shè)備?；诩垙埖拇蛴C也可用于產(chǎn)生硬拷貝報告，用于與其他內(nèi)科醫(yī)師共享或者是用于歸檔目的。另夕卜，輸出外圍設(shè)備130可以包括DICOM-兼容設(shè)備134,用于轉(zhuǎn)換或存儲經(jīng)過處理的結(jié)果，即通過系統(tǒng)與相關(guān)報告一起產(chǎn)生的復(fù)合圖像。系統(tǒng)100具有訪問圖像歸檔服務(wù)器136的權(quán)限。圖像歸檔服務(wù)器136可以是系統(tǒng)100的部分。其也可以由外來服務(wù)器供應(yīng)者提供，如醫(yī)院信息系統(tǒng)。圖像歸檔服務(wù)器136具有服務(wù)器凄t據(jù)庫138，用于儲存歸檔的圖像140。當(dāng)CAD應(yīng)用程序106請求圖像歸檔月良務(wù)器136的歸檔圖像140時，圖像歸檔服務(wù)器136從服務(wù)器數(shù)據(jù)庫138檢索所請求的圖像，并傳送所請求的圖像到CAD應(yīng)用程序106。應(yīng)該理解，歸檔的圖像是通過醫(yī)學(xué)圖像設(shè)備已獲取的所有圖像。歸檔的圖像可以來自任何所支持的模態(tài)，如MRI、CT或PET的圖像。歸檔的圖像數(shù)據(jù)還能夠是由不同模態(tài)組合的圖像，如數(shù)字層析X射線照相組合圖像數(shù)據(jù)。歸檔的圖像140沒有必要是與當(dāng)前直接連接到計算機104的醫(yī)學(xué)成像設(shè)備102相同的模態(tài)。例如，計算機可以連接到超聲成像設(shè)備，同時圖像歸檔服務(wù)器136可以包含先前從CT成像設(shè)備或MRI成像設(shè)備獲取的圖像。而且，盡管在圖1中僅僅示出了一個圖像歸檔服務(wù)器136，但應(yīng)該理解，可以具有多個連接到計算機104的圖像歸檔服務(wù)器。另外，每一圖像歸檔服務(wù)器136可以不必需仫J義具有一個凄t據(jù)庫，其可以有^又限訪問多個翁:據(jù)庫，這些tt據(jù)庫可以是在不同的位置進4亍物理定位的。系統(tǒng)相關(guān)或產(chǎn)生的數(shù)據(jù)一般與歸檔的圖像140—起儲存。例如，歸檔圖像可以與在先前分析或診斷數(shù)據(jù)期間由內(nèi)科醫(yī)師在該圖像上所作的注解一起儲存。優(yōu)選圖像歸檔服務(wù)器136支持歸檔DICOM-兼容圖像，以及其他圖像之中的其他格式圖像如JPEG、BITMAP。注解、評論、所有圖像處理的結(jié)果都能作為DICOM-兼容文件的部分進行歸檔。審核信息，如用戶ID,所處理圖像的數(shù)據(jù)或時間標(biāo)i己，和所;險測特4正的用戶添加或<務(wù)正都能在所處理的圖傳_的每一歸檔情況下也進行記錄。圖2是一個具體實施方式的CAD應(yīng)用禾呈序106的主要功能iE件的方框圖。如圖2中所示，CAD應(yīng)用程序106具有圖像數(shù)據(jù)才莫塊202、處理模塊204和模態(tài)決策引擎206,用于檢索和分析圖像數(shù)據(jù)。如將在以下進行詳細描述的，圖像數(shù)據(jù)模塊202從醫(yī)學(xué)成像裝置102或圖像歸檔服務(wù)器136檢索圖像數(shù)據(jù)，并預(yù)處理該圖像數(shù)據(jù)以從圖像數(shù)據(jù)提取圖像或其他數(shù)據(jù)以便于進一步處理。檢索出來由圖像數(shù)據(jù)模塊202檢索并預(yù)處理的圖像提交到處理模塊204。提供的處理模塊204用于從預(yù)處理的圖像數(shù)據(jù)提取與所診斷疾病相關(guān)的信息。例如，該模塊可以提供用于鑒定圖像中所懷疑的病變并從圖像中提取與被認為與診斷疾病相關(guān)的所懷疑病變關(guān)聯(lián)的那些特征，即鑒別病變。模態(tài)決策引擎206基于提取的信息對病變進行分類，并從所提取的信息計算該病變的評價。這種評價能夠例如基于預(yù)建立的法則組或使用預(yù)選的算法加以計算。CAD應(yīng)用程序106是模塊化的，其中圖像數(shù)據(jù)模塊202、處理模塊204和模態(tài)決策引擎206中的每一個都具有用于所支持模態(tài)的組件。例如，模態(tài)決策引擎206具有作為其超聲組件的超聲決策引擎208，作為其MRS組件的MRS決策引擎(未示出)，和作為其21MRI組件的MRI形態(tài)學(xué)決策引擎210以及MRI動力學(xué)決策引擎212。在從特定;f莫態(tài)獲取的圖像或掃描數(shù)據(jù)由CAD應(yīng)用程序106處理的同時，圖<象或掃描數(shù)據(jù)通過圖像數(shù)據(jù)才莫塊202、處理才莫塊204和模態(tài)決策引擎206的對應(yīng)模態(tài)組件進行處理。特定模態(tài)的圖像數(shù)據(jù)模塊202、處理模塊204和模態(tài)決策引擎206形成了該模態(tài)的子系統(tǒng)。例如，圖像數(shù)據(jù)模塊202、處理沖莫塊204和模態(tài)決策引擎206的超聲組件形成了超聲子系統(tǒng)108。為了處理另一模態(tài)的圖像或數(shù)據(jù)，將對應(yīng)的組添加到圖像數(shù)據(jù)才莫塊202、處理才莫塊204和才莫態(tài)決策引擎206的每一個，而不需要必須變更CAD應(yīng)用程序106的總體體系結(jié)構(gòu)。每一模態(tài)需要其自己的組件，因為一般而言，從一個模態(tài)獲得的圖像數(shù)據(jù)通常具有在其他形態(tài)中沒有發(fā)現(xiàn)的某些獨特方面。例如，某些與超聲圖像相關(guān)的超聲圖像特征如回波圖形，一般并不在x-射線圖像中展示。類似地，光譜處理一般是MRS模態(tài)專有的。圖2示出了MRI模態(tài)在每一個處理模塊204和模態(tài)決策引擎206中具有兩個組件，一個用于處理和提取與在MRI掃描中成像的病變相關(guān)的形態(tài)學(xué)特4正，而另一個組件用于處理和^是取與MRI掃描的時間序列相關(guān)的動力學(xué)，即時間特M正。CAD應(yīng)用程序106具有綜合決策引擎114。綜合決策引擎114組合了從每一模態(tài)獲得的所有結(jié)果，與患者數(shù)據(jù)一起，計算用于通過單個模態(tài)鑒定的病變的綜合評分?；颊邤?shù)據(jù)可以包括，例如，患者的患病危險或患者的病史或這二者。也提供了患病危險模塊214。患病危險模塊214從數(shù)據(jù)庫116提取患病危險信息，處理患病危險信息并把結(jié)果提交給綜合決策引擎114?；疾∥ｋU信息可以包括特定基因的存在一例如，乳癌易患基因(也稱為BRCA-1)。也提供患者病史才莫塊216?；颊卟∈凡拍獕K2164是取與患者病史有關(guān)的信息，處理病史信息并把所處理的病史信息提供給綜合決策引擎114?；颊卟∈房梢园?舌乳癌的家力矣病史、在前癌癥的it斷和治療?；颊卟∈沸畔⒁部梢园ㄅc在在前的臨床會診期間，例如幾個月之前，拍才聶的同一病變的圖<象相關(guān)的信息。病史才莫塊216能夠使用預(yù)先拍招l(wèi)的圖像有關(guān)的信息，并引導(dǎo)圖像數(shù)據(jù)模塊202檢索這些先前拍攝的圖像，用于與當(dāng)前處理的圖像進行比較。綜合決策才莫塊114具有多個單獨組件。這些單獨的組件包括分類模塊218、病變類型模塊220、病變程度模塊222以及分級評價才莫》夾(F介革殳^H介才莫塊，stagingassessmentmodule)224。才目同的病變一般能夠在多模態(tài)中看見。模塊218、220、222、224中的每一個都可以包括用于處理來自每一模態(tài)的圖像數(shù)據(jù)的組件。復(fù)合圖像能夠被產(chǎn)生并顯示出來以顯示來自多模態(tài)的結(jié)果。例如，MRS模態(tài)的結(jié)果能夠覆蓋到圖像模態(tài)之一的圖像上，并與該圖像一起顯示。綜合決策模塊114將在來自多模態(tài)的圖像中所觀察到的病變的分析結(jié)果，包括關(guān)于通過多個體元或單個體元MRS分析獲得的腫瘤的化學(xué)組成的生化信息加以關(guān)聯(lián)/人而產(chǎn)生綜合結(jié)果。例如，在一個實施方案中，分類4莫塊218組合來自所有才莫態(tài)的結(jié)果，以提供該病變的可能分類。例如，通過所有模態(tài)檢測的局部形態(tài)特征如局部短針狀、局部分枝外形、局部管延伸，都能夠進行BI-RADS5種類或ACRBI-RADS4a種類。類似地，病變類型模塊220組合來自所有模態(tài)的結(jié)果，以推導(dǎo)病變的可能類型，如DCIS或CA。病變程度模塊222組合來自所有模態(tài)的結(jié)果，以達到所估計的尺寸，并勾勒出該病變的幾何輪廓。分級評價才莫塊224作為輸入組合了來自所有模態(tài)的結(jié)果和綜合分類、類型和程度，以及患者患病危險和患者病史4言息，而計算或產(chǎn)生病變階_歐的建i義評價。綜合結(jié)果，包括病變的分類、類型和程度以及病變階段的建議i貪斷評〗介，通過用戶界面120顯示纟合用戶。應(yīng)該理解，其它實施方案也是可能的。例:^，一個系統(tǒng)可以具有一個超聲子系統(tǒng)，用于處理超聲圖4象。即，一個系統(tǒng)可以具有用于處理超聲圖像的分類模塊、病變類型模塊、病變程度模塊和分級^H介才莫塊。一個系統(tǒng)可以具有另一個MRI子系鄉(xiāng)克，該MRI子系統(tǒng)^具有其自己的用于處理MRI圖像的分類模塊、病變類型模塊、病變程度模塊和分級評價模塊，或用于其^f莫形態(tài)的其它子系統(tǒng)。綜合引擎則將結(jié)合每一形態(tài)子系統(tǒng)的結(jié)果，以生成綜合結(jié)果。只要所有必要的處理，如分類、病變類型和病變程度等的確定，都纟是供用于所有模態(tài)，并且綜合結(jié)果從來自所有模態(tài)的綜合結(jié)果獲得，則提供多模態(tài)處理但不同地組合模塊的實施方案也是可能的。該綜合結(jié)果纟是交給用戶用于確認或》務(wù)正。例如，用戶能夠〗務(wù)正來自多模態(tài)之一的圖像中自動檢測的特征。應(yīng)該理解，對在一種才莫態(tài)中檢測到的特征的任何修正可以影響到有關(guān)在模態(tài)級別的病變的4全測結(jié)果，并可以進一步改變該綜合結(jié)果。用戶也可以直4妄〗務(wù)正通過綜合引擎自動生成的綜合結(jié)果。無論用戶作了什么修正，修正結(jié)果都會傳回處理模塊204、模態(tài)決策引擎206、或綜合決策引擎114,這都視情況而定。^'務(wù)正的綜合結(jié)果，包4舌病變階,殳的^f務(wù)正的建議評價，被重新計算并再提呈用戶進行修正或確認。一旦確認，就自動生成報告，總結(jié)出這些醫(yī)學(xué)圖像的分析和評價的結(jié)果。在操作中，用戶引導(dǎo)CAD應(yīng)用程序106檢索由成像獲取裝置生成的醫(yī)學(xué)圖像或數(shù)據(jù)，或者檢索來自圖像歸檔服務(wù)器136的以前掃描和歸檔的圖像或數(shù)據(jù)，用于進行處理和分析。用戶可以從例如由工作站118^是供的用戶界面120,或遠程用戶界面如網(wǎng)頁瀏覽器126,發(fā)布指令。圖3以流禾呈圖4各式顯示了CAD應(yīng)用考呈序106所經(jīng)歷的過程300，以分析和處理在圖像凄t據(jù)中所含的圖像并生成綜合評價。圖3示出了三個并行子過程，即患者簡檔數(shù)據(jù)(profiledata)檢索子過程302、超聲子過程304和MRI子過程306。這些子過程示出為并行過程。這些子過程并沒有必要按時并^f亍^M亍，而是相互獨立的。這些子過程能夠以任何彼此相關(guān)的時間序列進行，條件是子過程的結(jié)果在最后步驟之前都是可以利用的，計算綜合評價(步驟308)。例如，涉及患者患病危險或病史的患者凄t據(jù)可以在超聲圖像過程之前、之后或期間進行檢索。然而，應(yīng)該理解，在過程300的實施中，來自一個模態(tài)的結(jié)果經(jīng)常能夠作為另一模態(tài)的輸入(或至少輸入的部分)。例如，如果MRI子過程306首先應(yīng)用于MRI凄t據(jù)組，則病變質(zhì)心(形心，centroid)就能夠在濃縮區(qū)域或體積內(nèi)的信號增強的分析中被鑒定。如此鑒定的病變質(zhì)心能夠作為用于MRI形態(tài)學(xué)過程的分割過程的起始點。盡管示出了對應(yīng)于兩個才莫態(tài)的子過程，但可添加對應(yīng)于其它模態(tài)如CT模態(tài)的子過程。由于這些其它模態(tài)遵循類似于超聲模態(tài)或MRI模態(tài)的步驟，所以它們在圖3中沒有顯示出。參照圖3，現(xiàn)在描述這三個子過程中的每一個。患者數(shù)據(jù)檢索子過程302以患病危險^莫塊214開始，從數(shù)據(jù)庫116一全索患者的患病危險凝:據(jù)(步-驟310)。數(shù)據(jù)庫可以直接訪問如圖1所示的CAD應(yīng)用程序106，或請求來自外部維持的數(shù)據(jù)庫的信息可能是必要的，例如通過醫(yī)院的信息系統(tǒng)。其次，在步艱《312,患者病歷才莫塊乂人其中保持患者患病危險數(shù)據(jù)的數(shù)據(jù)庫116或者從其他外部維持的數(shù)據(jù)庫中檢索患者病史信息?；疾∥ｋU信息和患者病史信息一皮提交給綜合決策引擎114，供在步驟308中使用，以計算綜合評價，如將在以下進4亍描述的。超聲子過程304以獲得超聲圖像數(shù)據(jù)開始，即步驟314。超聲圖像數(shù)據(jù)可以乂人醫(yī)學(xué)成像裝置102獲得。可替換地，CAD應(yīng)用程序106，即其圖4象數(shù)據(jù)4莫塊202，可以從圖像歸檔月良務(wù)器136請求超聲圖像數(shù)據(jù)。一般而言，所獲得的超聲圖像數(shù)據(jù)包含除醫(yī)學(xué)圖像之外的信息。在該步驟，單個圖像也從圖像數(shù)據(jù)提取。提取的圖像提交纟合圖^f象處理的處理才莫塊204。在步驟316,處理模塊204的超聲組件處理圖像。在該步驟，處理模塊204計算，即提取和鑒定，與在獨立的單個圖像中感興趣的對象相關(guān)的身體、組織、形態(tài)以及超聲圖1象特4正。感興趣的對象可以通過異常區(qū)域如病變的邊界進行定義。在步驟318，超聲決策引擎208分析這些特征，以提供分類、病變類型鑒定和病變評^T。可選地，在顯示和確認步驟320,所提取和鑒定的特征顯示給用戶，以供確i人或》f正。圖4詳細示出了通過CAD應(yīng)用禾呈序106在處理超聲圖^f象中的形態(tài)特征時的子步驟。超聲圖像能夠是一個區(qū)域的2-維圖像或一個體積的3-維圖像。圖像處理步驟316從選擇感興趣的區(qū)域("ROI")的步驟開始，步驟402。ROI是解剖中的一個區(qū)域，其可能包含異常對象如病變。在處理2-維圖<象時，ROI可以是2-維的，或在處理成像的體積時，可以是3-維的(也稱為"VOT，，或"感興趣的體積")。ROI可以以任何合適方式加以鑒定。例如，用戶能夠在顯示的圖j象上通過用戶界面120手動鑒定ROI。CAD應(yīng)用禾呈序106能夠提取從另一來源已經(jīng)鑒定的ROI，例如在預(yù)先檢查中鑒定的并儲存在數(shù)據(jù)庫中的ROI。或者，CAD應(yīng)用程序106能夠?qū)D像實施形態(tài)分析，以鑒定ROI并推薦給用戶。在一個實施方式中，通過首先選捧一個分割"種子點"，即在感興趣區(qū)域中的起始點，用戶向系統(tǒng)選擇和鑒定ROI。用戶可以選擇分割種子點，例如通過使用定點設(shè)備并在可疑病變的中心區(qū)域中選擇該點。然后通過從種子點拖曳指針而限定ROI,以1更在種子點周圍形成一個圓圏。該圓圈限制其中運行分段算法的區(qū)域。當(dāng)ROI足夠大而包圍(封閉)了整個可疑病變時，用戶釋方丈定點i殳備。一旦ROI被鑒定，ROI就在分割步驟404被分割以勾畫出可4是病變的邊界。ROI分割后，才莫式識別才喿作(步艱《406)應(yīng)用于該分割的ROI，以從ROI鑒定和提取形態(tài)學(xué)特征。在才莫式識別步驟406期間，在ROI中的結(jié)構(gòu)特征也被鑒定和分析。它們基于其形態(tài)和組織模式或特征被分類。局部形態(tài)特征如局部毛刺、局部分枝外形、局部管延伸和局部小葉狀被鑒定和索引。另外，在ROI中的像素被掃描以鑒定超聲圖4象特;f正如回波圖形。局部形態(tài)學(xué)特;f正與通過標(biāo)準(zhǔn)如ACR-BIRADS庫預(yù)定義的超聲圖像特征組進行組合，以生成如此鑒定的特征列表。在模式識別步驟，處理模塊204也可以分析圖像，以鑒定特征如群集并對照在分割的ROI中的^f象素或分析圖l象，以引入一些領(lǐng)域知識的概念如ROI周圍的像素的信息，以更好鑒定特定的局部特4i。接著，在特征提取步驟(步驟408),處理模塊204從這些局部鑒定的圖形提取某些特殊特征，這些特殊特征纟皮i人為是與癌癥i貪斷，即辨別良4生和惡性病變相關(guān)的。這些特4正中的一些可以包4舌形狀、取向、有角邊緣、病變邊界和4丐化。這些特征也可以包括只有特定檢測技術(shù)才有的那些特征。例如，對于超聲圖像，這些特征可以包4舌回波圖形和后方聲波衰減特4正(posterioracousticfeature)。接著，在分類步驟410，在圖像處理步驟316(子步驟402408)期間^是耳又和鑒定的特性和特征進^亍組合和分析。^艮方〗更地，所沖是取和鑒定的特性或特征一般與預(yù)定義的特征組是一致的。預(yù)定義的特征和特性組一^:通過如與疾病如癌癥診斷相關(guān)的醫(yī)學(xué)專業(yè)開發(fā)。這些特;[正的描述一^:與這些特;f正的定義一起提供。一組這樣的預(yù)定義特征和庫是BI-RADS庫。在該步驟，所提取和鑒定的特征與BI-RADS庫的特征組進行比較，以指定該組織可能存在與要分析的病變中任何特征的統(tǒng)計概率。4妄著在步驟412，計算病變的評價。為了計算評1"介可開發(fā)法則或算法。例如，可/人才艮據(jù)BI-RADS庫鑒定和分類的特4正的分類和可能性計算出評價。在一個實施方式中，醫(yī)學(xué)圖像的較大集合首先被處理。模式識別和特征提取操作應(yīng)用于在該集合中的每一圖像。鑒定的特征根據(jù)BI-RADS定義的方案和庫進行分類和索引。在該集合中的圖像，例如，基于活組織檢查結(jié)果進行診斷。從圖像處理的結(jié)果和已知的診斷，能夠開發(fā)關(guān)聯(lián)所提取的特征組和診斷的統(tǒng)計可能性的統(tǒng)計模式。用于計算評價的法則組能夠從該模式中提取，其然后可應(yīng)用于所分析圖^f象的結(jié)果中，以生成一個評1"介。應(yīng)該理解，評價的計算并不限于4吏用統(tǒng)計才莫式。評價也可以利用超級向量^L(SVM)方法計算或可以使用采用更復(fù)雜方法如神經(jīng)網(wǎng)絡(luò)方法的AI引擎生成。無論采用什么方法，從鑒定、提取和分類的特征在該步驟計算出一個評1介。在2005年6月2日才是交的共同未決、共同擁有的序列號為60/686,397美國申請中也更加詳細地描述了涉及,人醫(yī)學(xué)圖像中^是取形態(tài)學(xué)特征并基于所提取和分類的形態(tài)學(xué)特征提供可疑病變的建i義評價的方法和系統(tǒng)，將其全文引入作為參考?；氐綀D3，MRI子過程306的步驟現(xiàn)在進行詳細描述。如圖3所示，MRI子過程306以獲得MRI圖像數(shù)據(jù)的步驟322開始。MRI圖像數(shù)據(jù)可以通過MRI醫(yī)學(xué)成像裝置102提供，或可以從圖像歸檔月l務(wù)器136檢索出。在一個實施方案中，MRI圖^象數(shù)據(jù)是在多個MRI掃描中獲取的，形成了MRI圖像數(shù)據(jù)的時間序列。從MRI掃描的這些系列，與可l是異常如可lt病變相關(guān)的時間信息能夠在動力學(xué)分析中提取。一4殳而言，醫(yī)學(xué)圖〗象通過醫(yī)學(xué)成^f象裝置在特定類型組織之間的差異化而形成。提高組織類型之間的反差(對比度)有助于提供更佳的圖像質(zhì)量。向患者給予反差增強劑可以有選4奪地影響某些組織類型的成像性能，并增強正常組織和肺瘤組織之間的反差，由此^是高成像的病變的反差。釓基反差劑(例如Gd-DTPA)就是一種通常采用的MRI圖^f象的反差增強劑。典型地，良性或惡性病變在給予反差劑后將會展現(xiàn)出不同的時間反差增強行為。以規(guī)律的時間間隔如每2min進行的系列MRI掃描，能夠在注射反差增強劑之后在患者上進行，以捕獲時間反差增強行為。因此MRI掃描系列包含MRI數(shù)據(jù)的時間序列。一種診斷技術(shù)是分析由MRI數(shù)據(jù)的時間序列構(gòu)建的反差變化曲線。與模式或診斷方法學(xué)相關(guān)的各種動力學(xué)特征從反差變化曲線^是取出來，以供進一步分析。圖5示意性地舉例i兌明了一種這樣的時間序列。盡管一般會^f吏用更多的圖像，但僅在圖5中示意性地示出了該時間序列中的三個圖像。第一窗口502圖示了前-反差(反差前，pre-contrast)掃描圖<象504。其顯示了在反差增強前成l象的病變。該病變顯示出可見的結(jié)構(gòu)但沒有任何細節(jié)也沒有其真實程度。第二窗口顯示了反差增強的圖像508。由于反差增強，該圖像更為詳細地顯示了成像的病變。其也顯示出該病變的實際禾呈度，這是由于該病變組織及其周圍正常組織之間的反差增強。第三窗口510示意性地顯示了時間延遲圖i象512。該病變由于殘存反差增強作用，仍然比前-反差掃描圖像504的圖像更加可見；然而，其比起反差增強圖像508來說卻是可見性壽交差且顯示的細節(jié)也4交少。在圖5中也圖示了顯示反差變化曲線514的窗口。反差變化曲線514是顯示給予反差劑之后的實時反差變化的曲線。該曲線總體顯示了反差初始增強，之后反差增強下降，如在時間序列中的MRI圖<象504、508、512中所見。認為，通常時間變化特征，即MRI圖像數(shù)據(jù)的動力學(xué)，特別是反差變化曲線的特性，能夠在癌癥診斷中起到有用的輔助作用。相關(guān)動力學(xué)特征一^L是那些整體或局部標(biāo)準(zhǔn)，它們能夠從反差變化曲線推導(dǎo)出，并且認為對于或被統(tǒng)計模式是重要的描述符。一種這類動力學(xué)特征簡單地就是反差變化曲線的形狀。類似于圖5中所示出的顯示可以呈現(xiàn)給用戶。CAD應(yīng)用程序106可以分析反差變化曲線514,并提供所成像的客體即可疑病變的評價，以輔助用戶進4亍診斷。圖6示出可以是反差變化曲線預(yù)期的一^:^f亍為。反差變化曲線一4殳由上行段602,轉(zhuǎn)變點604和時間延遲部分606構(gòu)成。有利的是，圖6所示的反差變化曲線^C標(biāo)準(zhǔn)化，即僅顯示反差的相對增強。標(biāo)準(zhǔn)化的曲線顯示了反差增強百分數(shù)的增加(或降低)速率。這傾向于降低病人之間的偏差。由反差增強劑引起的反差初始增強顯示為反差的初始迅速增加，或急劇上4亍l殳602。曲線越陡，增強就越迅速。該初始增加一4殳與病變相關(guān)的脈管系統(tǒng)中反差劑的增加水平相關(guān)。在反差的初始迅速增加之后，增加速率降低，并一般展示出三種不同類型的行為之一，這取決于病變的類型。反差變化曲線上的轉(zhuǎn)變點604標(biāo)示出這種下降。第一種類型是較慢的但反差增強繼續(xù)增加。連續(xù)增強608一般認為是良性病變的指示。第二類型是持久增強，或平穩(wěn)狀態(tài)610。反差在初始迅速增加之后陡然停止增加并在中間和后期的后-反差期間維持反差的大致恒定上升。第三種類型是緩慢降低，示出了下行段612。轉(zhuǎn)變點604對應(yīng)于峰值增強。反差在初始迅速增加之后，陡然停止增加，并在中間和后期的后-反差期間開始下降，生成了下行段612。平穩(wěn)狀態(tài)610或下行段612的存在被認為是腫瘤血管生成和脈管滲透性的指示。一般認為腫瘤的生長和代謝潛能可直接關(guān)系到周圍血管生成的程度。因此，分析反差變化曲線514可以提供另外的指示以區(qū)分良性和惡性病變。在提取MRI掃描的單個圖像數(shù)據(jù)的步驟322之后，MRI子過程306在步驟322之后分叉為兩支。一個分支類似于處理連同圖4描述的單個超聲圖^f象中的形態(tài)特;f正，其具有以下步艱《處理圖像(步驟324)，分析和評價病變(步驟326)和可選地向用戶顯示結(jié)果以用于確認和《奮正(步驟328)。這些步驟一般與連同超聲子過程304描述的相同，在這兒將不會作更詳細地描述。然而，應(yīng)該注意，由于MRI數(shù)據(jù)可以包含多個掃描的時間序列，所以處理圖像的步驟(步驟324)能夠在形態(tài)學(xué)分析中引入時間信息。為了闡明這一點，要考慮前-反差掃描和后-反差(反差后，post-contrast)掃描。,人后-反差掃描中對應(yīng)的體元4直減去前國反差#3描中的體元值，有利于強調(diào)在增強的所掃描體積內(nèi)的區(qū)域，即可以對應(yīng)于可疑病變中的結(jié)構(gòu)的區(qū)域。應(yīng)該理解，除了相減的數(shù)學(xué)操作也能實施。而且，系列數(shù)學(xué)或邏輯操作可以應(yīng)用到(或之間，如果采用邏輯操作)適當(dāng)?shù)膸讉€包括多個后-反差的掃描，以幫助形態(tài)學(xué)分析。MRI子過禾呈306的另一分支包括以下步驟^是取和處理動力學(xué)數(shù)據(jù)(步驟330)，基于所提取的動力學(xué)特征分類病變并計算評價(步驟332)，和可選地向用戶顯示結(jié)果以進行確認和修改(步驟334)。這些步驟以下將參照圖5~8進4亍4艮詳細地描述。MRI圖Y象凄t據(jù)一般對應(yīng)于一個三維區(qū)域或體積，由4非列在3-維坐標(biāo)或網(wǎng)格中的凝:據(jù)點(或"體元")表示。由MRI掃描表示的3-D體積能夠作為3-D處理中的單一體積進4亍處理?？商?奐i也，這種3-維掃描能夠被組織到平面"切片"的堆疊中。用戶能夠選擇而處理系列2-D過^E中的切片的堆疊切片。圖7是詳細示出用于構(gòu)建反差變化曲線的MRI子過程306的動力學(xué)分支的流程圖。這些步驟對應(yīng)于圖3中顯示的步驟322和330。第一步驟，步驟702，是從醫(yī)學(xué)成像裝置102或從圖像歸檔服務(wù)器136獲取MRI數(shù)據(jù)。乂人在第一初始時間(給予反差增強劑之前)的掃描獲取的圖像數(shù)據(jù)，首先被提取(步驟704)。有利的是，來自MRI子過程306的形態(tài)學(xué)分支或超聲子過考呈304的形態(tài)學(xué)分析的結(jié)果能夠在此重新使用。在形態(tài)學(xué)分析期間鑒定的相同病變能夠:帔選^^用于動力學(xué)分析(步驟706)。如果沒有進行形態(tài)學(xué)分析并且沒有ROI被鑒定用于MRI掃描，則ROI可通過用戶手動或從時間序列進行鑒定。例如，MRI掃描的時間序列能夠進行處理，以鑒定時間段中已經(jīng)標(biāo)記信號強度增加的體元。時間延遲行為(例如平穩(wěn)狀態(tài)或下行)也可進行分析。顯示增強的反差和展示預(yù)期的時間延遲4亍為的體元可能在對應(yīng)于病變的質(zhì)心內(nèi)。包圍這些體元的ROI可以自動選擇。這些體元的群集能夠進行分析，以將不同病變相互分開，或?qū)儆谙嗤∽兊牟煌Y(jié)構(gòu)組元歸組到一起。ROI能夠限定為包圍可能屬于一種病變的所有體元。接著，在步驟708，形態(tài)學(xué)操作，包括分割和模式識別，應(yīng)用于ROI,以描主會包含該病變的質(zhì)心，并鑒定病變中的結(jié)構(gòu)。同才羊，由MRI子過程的形態(tài)分支生成的結(jié)果能夠在此重新Y吏用。而且，正如以下所描述的，如果ROI從時間依賴性反差增強的分析被鑒定，則體元的群集已經(jīng)可以4是供良好的分割(segmentation)。4妻著，在步驟710，在所鑒定的形態(tài)特征之間的反差，即病變相對于周圍結(jié)構(gòu)的信號強度，被評價。在一個實施方案中，在鑒定的質(zhì)心中的所有體元的信號強度進行了加和，以提供可疑病變反差值的估計。然而，表示反差增強的其他方式也能夠使用。例如，在考慮到邊緣增強的模式中，總信號強度可以是位于沿病變邊界的體元的總和。當(dāng)實施另一"^斷方法學(xué)或才莫式時，對應(yīng)于一些其它結(jié)構(gòu)的體元可以求和。換句話說，反差值能夠在病變的任何特定子組中對體元求和，這取決于CAD應(yīng)用程序所執(zhí)行或支持的診斷方法學(xué)或模式。在評價第一前-反差圖像的反差水平之后，該過程隨提取時間序列中的下一掃描的MRI數(shù)據(jù)而繼續(xù)進行。即，過程回到圖像提取步驟，步驟704。在圖像提取步驟之后，步驟706710被重復(fù)用于第一后-反差掃描。首先，已經(jīng)鑒定的相同病變在此重新使用，以提供在ROI鑒定中的起始點。包圍這些體元的ROI也可以重新使用。在步驟706的ROI鑒定之后，實施形態(tài)學(xué)操作，以在步驟708鑒定和描纟會包含病變的質(zhì)心。接著，在步4聚710計算在第一后-反差掃4笛中的病變和其周圍組織之間的反差。重復(fù)這些步驟用于時間序列中的所有MRI掃描，直至?xí)r間序列中的所有MRI掃描老N皮處理(步驟712)。在最后的步驟714，從系列圖像計算的病變反差值對初始反差值進4亍標(biāo)準(zhǔn)化，并構(gòu)建出反差變化曲線514。回到圖3,—旦反差變化曲線凈皮構(gòu)建，就進4亍反差變化曲線514的定量分析，以從圖像的時間序列提取時間，即動力學(xué)特征，從而提供該病變的分類(步驟332)。反差變化曲線514的定量分析一^殳包括動力學(xué)曲線的形狀分析和分類，即時間延遲部分606是否是連續(xù)增強608、平穩(wěn)狀態(tài)610、或者下4于_歐612,在轉(zhuǎn)變點604處增強的水平，到達轉(zhuǎn)變點604的時間，即上4亍l殳602增加的4牛率或初始速率，以及在后-反差期間下降的速率，即存在或沒有下行段612及其下降速率。潛在的病變能夠基于這些動力學(xué)特征進行分類。在一個實施方案中，如果^L察到連續(xù)增強，則病變就簡單地J3武值為0，如果觀察到平穩(wěn)狀態(tài)就賦值為1，而觀察到下行段就賦值為2,其中O表示良性病變，2表示惡性病變。更復(fù)雜的分類方案能夠通過考慮其他特征進行，如上行的斜率、曲線的峰值、或下行的速率而執(zhí)行。這樣的復(fù)雜方案一般可以采用統(tǒng)計學(xué)模型構(gòu)建，類似于早期連同超聲圖像所描述的。參照圖3，作為最后的步驟，來自這些并行子過程每一個的結(jié)果提交給綜合決策引擎114，以作出綜合評價(步驟308)。綜合決策引擎114關(guān)聯(lián)鑒定和提取用于來自所有模態(tài)的病變的特征。來自所有模態(tài)的結(jié)果也被組合，以提供病變程度的綜合估計，從而分類病變并分級病變，即才艮據(jù)預(yù)定的分級方案提供病變的階段評價。正如先前描述的，CAD應(yīng)用程序106是才莫塊化的。盡管圖3顯示了執(zhí)行兩個模態(tài)，即超聲形態(tài)和MRI形態(tài)的流程圖，但是其它形態(tài)，即其它子過程，也能夠很容易地添加到CAD應(yīng)用程序106中。超聲或MRI模態(tài)的任意之一也可用其它形態(tài)替換或替代。例如，在圖3A中，示出了執(zhí)行MRS模態(tài)的可替換實施方式。在圖3A中，MRS子過程340代替MRI子過程306，而超聲子過程304基本上與參照圖3描述的相同，因此將不會在此進一步進行描述。參照圖3A,MRS子過程340以獲得MRS數(shù)據(jù)開始，步驟342。應(yīng)該理解，MRS凄t據(jù)可以直接從MRS裝置102獲耳又，例如，基于來自其它模態(tài)的結(jié)果執(zhí)行的程序?？商鎿Q地，MRS數(shù)據(jù)可以從圖像歸檔服務(wù)器136進行4企索。一般而言，MRS數(shù)據(jù)對應(yīng)于許多MRS測定結(jié)果。每一MRS測定結(jié)果可以是單一i普圖，對應(yīng)于乂人單個體元中的化學(xué)物質(zhì)獲取的光i普凄t據(jù)。MRS測定結(jié)果也可以對應(yīng)于乂人多個體元中的化學(xué)物質(zhì)的光譜數(shù)據(jù)，如從2DCSI或3DCSI檢查獲得的數(shù)據(jù)。在2DCSI或3DCSI檢查中，每一測定結(jié)果對應(yīng)于來自多個體元的化學(xué)物質(zhì)的光-潛，其中的每一個體元可以為，例》口lcm31.5cm3的體禾口、。測定結(jié)果在步驟344乂人MRS凄t據(jù)揭:耳又用于進一步分析。在下一步，標(biāo)記化學(xué)物質(zhì)的強度或濃度在光鐠分析344中進行鑒定和計算。例如，膽堿的譜圖可以從光鐠數(shù)據(jù)中分離或鑒定。膽堿特征頻率的峰值被鑒定和測定，然后轉(zhuǎn)化成體元中膽堿濃度的絕對測量值或作為相對于體元中其它化學(xué)物質(zhì)的相對強度或濃度。如果來自多個標(biāo)記化學(xué)物質(zhì)的生化信息是要求的，則光語數(shù)據(jù)能夠進一步進4亍處理，以分離或鑒定來自每一殘余標(biāo)記化學(xué)物質(zhì)的貢獻。它們的濃度或相對強度也能夠從它們各自的光譜數(shù)據(jù)計算出來。在下一步，顯示光譜分析346的結(jié)果，即對應(yīng)于每一體元或多個體元的標(biāo)記化學(xué)物質(zhì)的濃度或相對強度。對于每一測定值，這些結(jié)果能夠以數(shù)字顯示。結(jié)果也能作為等濃度等高線作圖，以更可見地顯示標(biāo)記化學(xué)物質(zhì)的濃度或強度的分布。有利的是，該濃度或強度的分布也能轉(zhuǎn)化成假彩色圖并置于MRI圖像上。應(yīng)該理解，盡管MRS子過程340在此描述成獨立于超聲子過程304而執(zhí)行，但有利的是，超聲子過程304能夠首先執(zhí)行。來自形態(tài)學(xué)分析的結(jié)果，尤其是分割處理能夠有助于鑒定可能表示病變的體元或質(zhì)心的集合。包圍該體積或質(zhì)心的包膜就能夠生成。之后，僅僅需要分析只有對應(yīng)于含在包膜內(nèi)的體元的MRS數(shù)據(jù)。作為另一實例，其可以經(jīng)常是這樣的情形，即來自一種才莫態(tài)，如超聲或MRI的圖像數(shù)據(jù)的分析，鑒定一個或多個懷疑癌癥的區(qū)域，例如基于單獨來自這些才莫態(tài)的凄欠據(jù)的初始評價。然而，這些結(jié)果可能不是結(jié)論性的。對于全部解剖區(qū)域或與其它模態(tài)中相同的區(qū)域不執(zhí)行MRS程序，而是可以對僅僅包圍在其它模態(tài)中鑒定的可疑病變的較小的一個區(qū)域或多個區(qū)域執(zhí)行MRS程序。這有助于改進效率。類似地，來自MRI或MRS分析的初步結(jié)果也可以提供用于其它模態(tài)中的數(shù)據(jù)獲取和分析的起始點。一般而言，多模態(tài)系統(tǒng)如系統(tǒng)100能夠利用來自一個模態(tài)的結(jié)果，并利用這些結(jié)果作為輸入以改進效率。由于相同的病變一^殳能夠在多模態(tài)中觀察到，所以在一種形態(tài)中進行的形態(tài)學(xué)分析的結(jié)果經(jīng)常能夠直接用于另一模態(tài)中。圖3B以流程圖的形式圖示說明了采用形態(tài)學(xué)分析的結(jié)果作為，命入用于MRI動力學(xué)分析的可替換過程350。如將記住的，在形態(tài)學(xué)分析中，首先ROI被鑒定，然后實施分割過程，以鑒定可能把肺瘤與正常組織分開的邊界。在3-維分割過程中，邊界是包圍可能對應(yīng)于腫瘤的體積或質(zhì)心的包膜。作為過程350的第一步，該分割結(jié)果首先從例如超聲才莫塊(步驟352)獲得。接著，包圍這些體元或質(zhì)心的包膜就生成(步驟354)。所有含在包膜內(nèi)的體元接著進行分析，以提耳又動力學(xué)特征。獲得MRI數(shù)據(jù)和將它們分成在時間序列內(nèi)的不同時刻T0、T1、T2.......的單一掃描的步驟類似于參照附圖3描述那才羊，因此此處不再進^f亍描述。為了l是取動力學(xué)特4i，將在不同時刻如TO和Tl,或Tl和T2掃描的圖像進行比較。這能夠通過例如首先從在Tl獲取的圖像減去在T0獲取的圖像而實現(xiàn)。具有正值的體元則表示反差增加的體元，而具有負值的體元表示反差降低的體元。由于已經(jīng)從形態(tài)學(xué)分析確定了包膜，所以僅需要處理在包膜內(nèi)的體元以提取動力學(xué)信息。在時間序列中隨后的圖像或掃描類似地加以處理，以提取動力學(xué)信息(步驟356)。將動力學(xué)處理限制在包含在該包膜內(nèi)的那些體元有助于消除在單獨運行中鑒定對應(yīng)于肺瘤的體元的需要，例如通過鑒定展示初始上行然后平穩(wěn)或下行行為的那些體元。這也可以避免處理包膜外的體元的需要。這樣，由此就可以改進多才莫態(tài)系統(tǒng)100的歲丈率和4青確度。圖8是示出在綜合評分處理過程中的綜合決策引擎114之前的步驟的流程圖。在步驟802，綜合決策引擎114首先關(guān)聯(lián)由所有模態(tài)決策引擎提供的所有特征。例如，由每一模態(tài)確定的病變形狀就能在該步驟進行關(guān)聯(lián)。綜合決策引擎114的分類模塊218、病變類型模塊220和病變程度模塊222中的每一個結(jié)合來自所有模態(tài)的結(jié)果，以在步艱《804對該病變進4于分類，乂人而在類型確定步驟806確定病變類型，并在程度確定步驟808估計病變的大小。綜合決策引擎114還通過結(jié)合來自所有模態(tài)的結(jié)果給病變打分(步驟810)，即計算診斷評價。由于綜合診斷評價是基于不只一種模態(tài)的結(jié)果生成的，所以在該評價中的置信水平一般會增高?；诜▌t的過程可以遵循以計算綜合評價。例如在每一種才莫態(tài)中一般表示惡性的特征可以賦值一個計分點。通過從所有模態(tài)獲得的記分點求和，就能夠獲得總計分?；谧罱K的總計分就能夠給病變分配分級評價。一般而言，基于在一種模態(tài)中所觀察到的特征通過在另一才莫態(tài)中觀察到的特征確認的分級評1介，有助于4是高該評1介中的置信度。例如，在一個實施方案中，在綜合決策引擎114僅基于來自MRI圖像數(shù)據(jù)分析的結(jié)果計算綜合分級評價時采用以下計分方案<table>tableseeoriginaldocumentpage37</column></row><table>類似地，對于從多模態(tài)獲得的圖像數(shù)據(jù)可以構(gòu)建統(tǒng)計模式，類似于對于單一模態(tài)構(gòu)建的。例如，對于從多模態(tài)獲得的圖像數(shù)據(jù)庫已知的活體組織4企查的結(jié)果，采用分配給該結(jié)果的統(tǒng)計學(xué)幾率，能夠構(gòu)建法則以將在每一多模態(tài)中所見的特征的存在關(guān)聯(lián)于腫瘤的可能分級(階段)。這組法則能夠應(yīng)用于通過綜合決策引擎生成的來自所有才莫態(tài)、病變類型、病變程度和分類的結(jié)果，以計算該病變的綜合分級評價。同樣地，組合計分或評價考慮了更大的輸入組，該結(jié)果傾向于更可信。作為一般性原則，從更加獨立地獲得的數(shù)據(jù)計算的評〗介傾向于更加統(tǒng)計學(xué)可靠。而且，從分沖斤單一才莫態(tài)的圖^f象數(shù)據(jù)的結(jié)果計算的評價，可能受到缺失數(shù)據(jù)點的強烈影響，例如，當(dāng)貢獻于統(tǒng)計模型基本函數(shù)的重要描述符不能計算時。利用來自多模態(tài)的結(jié)果，來自另一模態(tài)的結(jié)果可以提供所需的(和缺失的)信息，因此提高了所計算評價中的置信度。然而，應(yīng)該理解，盡管多才莫態(tài)的結(jié)果有利于改進評1介中的可靠性和置信度，但還是存在其中來自一種模態(tài)分析的結(jié)果可能是足夠的情況。如果來自一種形態(tài)的結(jié)果是清楚指示的，為了改進性能，通過其它才莫態(tài)的分析可以可選地跳過。例如，如果MRI動力學(xué)分析發(fā)現(xiàn)病變明顯是癌性的，則MRI形態(tài)學(xué)分析或通過其它才莫態(tài)進4亍的形態(tài)學(xué)分析可以可選地跳過或延緩，除非用戶特別要求形態(tài)學(xué)分析。同樣，如果形態(tài)學(xué)分析明顯表明是癌癥結(jié)論，則MRI動力學(xué)分析可以跳過或延緩。由綜合決策引擎提供的結(jié)果就會與所討論的具體模態(tài)決策引擎提供的結(jié)果相同。綜合引擎的結(jié)果提呈給用戶用于確認或修正(步驟812)。從具有附加于圖像上的所提取特征的每一模態(tài)的圖像就可以顯示給用戶。通過CAD應(yīng)用程序106鑒定的特征就可以進行評注。反差變化曲線514也可以同時顯示給用戶。鑒定的結(jié)果可以以標(biāo)準(zhǔn)凈艮告格式進行預(yù)置，遵循由標(biāo)準(zhǔn)如BI-RADSMRI庫或任何其他合適的標(biāo)準(zhǔn)構(gòu)建的才各式。圖9示出了一種這樣的可能顯示，其示出了從第一模態(tài)獲得的第一圖像902，從第二模態(tài)獲得的第二圖像904，以及包含綜合結(jié)果的報告卯6，其中提取的特征和綜合評價預(yù)置。用戶例如內(nèi)科醫(yī)師或放射學(xué)家，可以確認由CAD應(yīng)用程序106計算得到的結(jié)果，或者可以修正自動檢測和評價的任何結(jié)果。注釋模塊(未示出)可以提供用于接收用戶的輸入。用戶可以通過用戶界面^務(wù)正或注釋所顯示的結(jié)果。例如，用戶可以重新分類病變，可以取代對CAD應(yīng)用程序106生成的分類，或者用戶可以^修正由CAD應(yīng)用程序計算的分級評價。用戶也可以重新分類從CAD應(yīng)用程序106提取的形態(tài)學(xué)或動力學(xué)特征。這樣，CAD應(yīng)用程序106就會按需重新計算，而生成修正的綜合決策與評價。一旦該結(jié)果經(jīng)過用戶確認，就能夠生成報告(步驟814)。除了該結(jié)果是綜合決策與評價之外，生成的報告類似于對每個單個模態(tài)生成的報告。一般而言，該報告內(nèi)容缺省地基于所處理的圖像中可以利用的數(shù)據(jù)。換句話說，在類似于圖9所示結(jié)果中可以利用的數(shù)據(jù)在報告中也反映出來。報告包括檢測和分類的MRI,超聲圖像或CT特征，視情況而定，還有所計算和確認的評價，以及任何注釋、評論和用戶的修正。原始醫(yī)學(xué)圖像和處理過的副本也被包括在內(nèi)。最后，該報告包含圖像的結(jié)論和放射學(xué)家的評價(優(yōu)選以符合有關(guān)ACR-BIRADS分類形式的才各式)。報告可以包括用于追蹤和審核目的的鑒定和審核信息。鑒定和審核信息可以包括獨特的報告標(biāo)識、序列號、日期或時間簽印，即研究或報告的時間和日期，患者身份證號、研究鑒定號、用戶ID、獨特的才艮告標(biāo)識，用戶對所才企測的特征進4亍的添加或4奮正等。方<更地，可以才是供密鑰才莫塊，以方侵j丈射學(xué)家對才艮告進4亍數(shù)字簽名。對于每一歸檔的案例都能夠包括和記錄數(shù)字簽名，以提供報告改進的審核能力并防止對該才艮告的意外^f奮正。<尤選;也，才艮告4乍為DICOM二次4肅獲(SecondaryCapture)歸檔。注釋、評論、圖像處理結(jié)果如病變邊界和診斷結(jié)果，都是作為DICOM-兼容文件的部分進行歸檔。用戶也能例如在患者示例目錄中就地存儲該報告的PDF版。這有利于方便將來參考。如果對于那些組合描述的個案已經(jīng)存在于患者檔案中，則就生成新的案例。CAD應(yīng)用程序106并不限于分析在單個成像期間或臨床纟企查中拍攝的圖像數(shù)據(jù)。經(jīng)常，有必要對患者幾個月間隔地成像。在癌癥的手術(shù)或治療之后，這作為定期4全查的部分，或作為追蹤性的臨床檢查的部分，可能是必要的。在不同診斷檢查期間拍攝的來自相同模態(tài)的圖像可能需要進行分析和互相比較。例如，或許有必要確定所;險測的良性病變是否變成惡性的。可替換地，或許有必要確定惡性病變在治療之后是否已經(jīng)變小或停止生長。圖10示出了對在不同時間獲取的來自同一模態(tài)的圖像進行處理的過程。這是從圖3中所示過程修正的過程。圖IO也示出三個并行子過程，即，患者凄t據(jù);險索子過程302,第一形態(tài)學(xué)子過程1004,和第二形態(tài)學(xué)子過程1006。這些子過程也同樣顯示為并4亍過程。在該〃修正的過^E中，除了具有一個例外之外，第一和第二形態(tài)學(xué)子過程1004、1006基本上是相同的。在子過程1004的開始，檢索第一次訪問(檢查)的圖像數(shù)據(jù)(步驟1014)。在子過程1006的開始，才企索第二次訪問的圖像數(shù)據(jù)(步驟1020)。圖4象數(shù)據(jù)的處理(步驟1016)和病變分類與評j介(步驟1018)對于兩個子過程1004、1006是相同的，并且基本上與有關(guān)超聲子過程304描述的也相同。因此子過程1004、1006在此也不進^f亍詳細描述。在最后的步驟1008，綜合決策引擎114結(jié)合從第一次訪問的圖像數(shù)據(jù)，計算第二次訪問的圖像數(shù)據(jù)中病變的綜合評價。由于圖像數(shù)據(jù)是在不同的時間獲得的，所以相同的病變，即使在兩個圖像數(shù)據(jù)中都是可見的，也易于處于不同的分級階段，并且將會需要匹配在兩次訪問期間獲取的圖像中所見的圖像模式。綜合決策引擎114，在關(guān)耳關(guān)該病變時，將需要考慮時間差。在第一次訪問的圖i象凄t據(jù)中所見的病變形成的時間投影或許是必要的。一旦關(guān)聯(lián)了兩個圖像數(shù)據(jù)組中病變的特^正，綜合評^介就能4安照以前進4亍評估。然而，應(yīng)該理解，可能需要不同模式或不同標(biāo)準(zhǔn)組用于關(guān)聯(lián)在不同時間的圖像的病變中鑒定的特征。對于每個單一圖像數(shù)據(jù)組的結(jié)果也能提交給用戶，例如在并行比較中的放射學(xué)家。并行比較能夠包括諸如病變類型和程度以及其分類的結(jié)果。這種比較可以幫助內(nèi)科醫(yī)師評價病變的形成或治療的歲文果?，F(xiàn)在已經(jīng)詳細描述了本發(fā)明各種具體實施方式。本領(lǐng)域技術(shù)人員應(yīng)該理解，在不背離本發(fā)明范圍的情況下，可以對這些具體實施方式做出許多修改、調(diào)整和變化。由于可以對上述最佳模式做出變化和/或添加而不偏離本發(fā)明的本質(zhì)、一青神或范圍，所以本發(fā)明并不限于這些細節(jié)，而4義<又由附加的片又利要求所限定。權(quán)利要求1.一種分析解剖中的一個區(qū)域的多個醫(yī)學(xué)圖像數(shù)據(jù)和檢測所述區(qū)域中的異常的方法，至少一組所述多個醫(yī)學(xué)圖像數(shù)據(jù)包含響應(yīng)于給予反差增強劑的時間信息，所述方法包括步驟獲得所述多個醫(yī)學(xué)圖像數(shù)據(jù)；從所述多個醫(yī)學(xué)圖像數(shù)據(jù)鑒定表示在所述區(qū)域中的可能病變的一個數(shù)據(jù)點組；從所述多個醫(yī)學(xué)圖像數(shù)據(jù)提取與所述數(shù)據(jù)點組相關(guān)的特征，所述特征包括形態(tài)學(xué)特征組、所述時間信息的動力學(xué)特征組和生化特征組中的至少兩組；從所述至少兩組特征計算所述可能病變的初始診斷評價；以及向用戶提供所述初始評價以進行評估。2.根據(jù)權(quán)利要求1所述的方法，進一步包括步驟乂人所述用戶4妄收對所述至少兩組特4正的^f奮正，和計算^務(wù)正的評<介，所述々務(wù)正的評價進一步結(jié)合所述l參正進行計算；以及向所述用戶4是供所述》多正的評價用于進一步評估。3.根據(jù)權(quán)利要求1所述的方法，其中所述動力學(xué)特征從反差變化曲線提取，所述反差變化曲線對應(yīng)于所述數(shù)據(jù)點組的子組中的時間依賴性局部反差變化。4.才艮據(jù)權(quán)利要求3所述的方法，其中所述動力學(xué)特征包括將所述反差變化曲線分成連續(xù)增強、平穩(wěn)和下行類型之一。5.根據(jù)權(quán)利要求3所述的方法，其中提取所述動力學(xué)特征的步驟包括鑒定包圍所述可能病變的包膜，并且其中所述反差變4b曲線通過鑒定在所述包膜內(nèi)包圍的數(shù)據(jù)點中的所述時間依賴性局部反差變化進行提取。6.根據(jù)權(quán)利要求3所述的方法，進一步包括獲得使形態(tài)特征組、所述時間信息的動力學(xué)特征組和光譜特征組與可能診斷關(guān)聯(lián)的多個法則的步驟，所述初始評<介和所述》務(wù)正的評<介/人所述多個法則和所述至少兩組特4i進4于計算。7.根據(jù)權(quán)利要求1和權(quán)利要求2任一項所述的方法，其中所述多個醫(yī)學(xué)圖像數(shù)據(jù)包括從至少兩個模態(tài)獲取的醫(yī)學(xué)圖像數(shù)據(jù)，所述計算和再計算進一步包括步驟對于所述至少兩個模態(tài)的每一個模態(tài)，根據(jù)從所述每一模態(tài)的醫(yī)學(xué)圖像數(shù)據(jù)提取的特征進行計算，在所述計算和再計算中關(guān)聯(lián)所述模態(tài)決策。8.根據(jù)權(quán)利要求1所述的方法，其中所述生化特征從所述數(shù)據(jù)點組的MRS子組的譜圖分析提取。9.根據(jù)權(quán)利要求8所述的方法，其中所述生化特征至少包括標(biāo)記化學(xué)物質(zhì)的濃度分布。10.根據(jù)權(quán)利要求8所述的方法，其中所述生化特征至少包括從光譜分析獲得的兩種或多種標(biāo)記化學(xué)物質(zhì)的相對強度。11.根據(jù)權(quán)利要求1所述的方法，其中所述多個醫(yī)學(xué)圖像數(shù)據(jù)至少包括選自X-射線圖像婆t據(jù)、超聲圖像數(shù)據(jù)、MRI圖像數(shù)才居、MRS數(shù)據(jù)、CT圖像數(shù)據(jù)、PET圖像數(shù)據(jù)、PET/CT圖像數(shù)據(jù)、數(shù)字層析X射線照相組合圖像數(shù)據(jù)和核素圖像數(shù)據(jù)的組的一個圖像數(shù)據(jù)組。12.根據(jù)權(quán)利要求1所述的方法，進一步包括才企索患者患病危險信息的步驟，其中所述評價過程結(jié)合所述患者患病危險信息。13.—種用于分析解剖中的一個區(qū)域的多個醫(yī)學(xué)圖像凄史據(jù)的系統(tǒng)，至少一組所述多個醫(yī)學(xué)圖像數(shù)據(jù)包含響應(yīng)于給予反差增強劑的時間4言息，所述系統(tǒng)包4舌圖像數(shù)據(jù)模塊，用于檢索所述多個醫(yī)學(xué)圖像數(shù)據(jù)；形態(tài)學(xué)模塊，用于鑒定所述醫(yī)學(xué)圖像數(shù)據(jù)中的可能病變，并^^是取和分類與所述可能病變相關(guān)的形態(tài)學(xué)特征；動力學(xué)模塊，所述動力學(xué)模塊從所述多個醫(yī)學(xué)圖像凄史據(jù)提取與所述可能病變相關(guān)的時間信息的動力學(xué)特征；光譜分析模塊，所述光譜分析模塊從所述多個醫(yī)學(xué)圖l象凄t據(jù)沖是耳又與一種或多種標(biāo)記化學(xué)物質(zhì)相關(guān)的的生化特征；綜合決策引擎，所述綜合決策引擎接收來自所述形態(tài)學(xué)模塊的所述提取和分類的形態(tài)學(xué)特征、來自所述動力學(xué)模塊的所述時間信息的所述提取的動力學(xué)特征和來自所述光譜分析才莫塊的所述生化特征，并在所述評價的計算中由所述形態(tài)學(xué)特4正、所述動力學(xué)特^正和所述生化特征計算所述可能病變的初始-珍斷"i平^介；以及圖形用戶界面，用于至少顯示所述多個醫(yī)學(xué)圖像翁:才居的一部分以及所述初始it斷評1^介，以1"更用戶i平估和^修正。14.才艮據(jù)權(quán)利要求13所述的系統(tǒng)，進一步包括形態(tài)學(xué)決策引擎，用于從所述提取和分類的形態(tài)學(xué)特征推導(dǎo)形態(tài)學(xué)評價；動力學(xué)決策引擎，用于從所述提取的動力學(xué)特征推導(dǎo)動力學(xué)評價；和光譜分析決策引擎，用于從所述生化特征推導(dǎo)光譜評價，其中所述綜合決策引擎在它的計算中關(guān)聯(lián)和結(jié)合所述形態(tài)學(xué)評價、所述動力學(xué)評價和所述光語評價。15.根據(jù)權(quán)利要求13所述的系統(tǒng)，進一步包括注解模塊，用于通過所述圖形用戶界面接收對所述提取和分類的形態(tài)學(xué)特征、所述動力學(xué)特征和所述生化特征中的至少之一的修正，其中所述綜合決策引擎在接收到所述修正后再計算修正的診斷評價。16，根據(jù)權(quán)利要求13所述的系統(tǒng)，其中所述動力學(xué)模塊包括曲線構(gòu)建才莫塊，用于構(gòu)建對應(yīng)于所述數(shù)據(jù)點組的子組中的時間依賴性局部反差變化的反差變化曲線；以及動力學(xué)分析模塊，用于/人所述反差變化曲線才是取所述動力學(xué)特征。17.根據(jù)權(quán)利要求13所述的系統(tǒng)，其中所述圖4象數(shù)據(jù)模塊配置用于檢索多模態(tài)的醫(yī)學(xué)圖像數(shù)據(jù)，而所述綜合決策引擎包括用于接收從所述多模態(tài)的每一個的醫(yī)學(xué)圖像數(shù)據(jù)提取的形態(tài)學(xué)特征和動力學(xué)特征的模塊。18.根據(jù)權(quán)利要求17所述的系統(tǒng)，其中所述多模態(tài)包括X-射線圖像數(shù)據(jù)、超聲圖像數(shù)據(jù)、MRI圖像數(shù)據(jù)、MRS數(shù)據(jù)、CT圖像數(shù)據(jù)、PET圖像數(shù)據(jù)、PET/CT圖像數(shù)據(jù)、數(shù)字層析X射線照相組合圖催4欠據(jù)和核素圖<象數(shù)據(jù)。19.才艮據(jù)權(quán)利要求16所述的系統(tǒng)，其中所述動力學(xué)分析模塊配置用于將所述反差變化曲線分成連續(xù)增強、平穩(wěn)和下行類型之一，并且其中所述動力學(xué)特征包括所述曲線類型。20.根據(jù)權(quán)利要求13所述的系統(tǒng)，進一步包括患者患病危險才莫塊，用于從數(shù)據(jù)庫中才企索患者患病危險^f言息；和患者病史模塊，用于檢索患者病史信息；其中所述評價的所述評估結(jié)合所述患者患病危險信息和所述患者病史信息。21.—種從患者的解剖中的一個區(qū)域獲取和分析MRS醫(yī)學(xué)圖像凄t據(jù)的方法，所述方法包括步艱《獲得所述區(qū)域的多個醫(yī)學(xué)圖像數(shù)據(jù)；從所述多個醫(yī)學(xué)圖像數(shù)據(jù)鑒定表示所述區(qū)域中的可能病變的一個凄W居點組；從所述多個醫(yī)學(xué)圖像數(shù)據(jù)提取與所述可能病變相關(guān)的特:征；乂人所述特4正計算所述可能病變的初始i貪斷評<介；以及一旦所述初始診斷評價滿足預(yù)選標(biāo)準(zhǔn)，就完成以下步艱《從包括所述可能病變的所選區(qū)域獲取MRS醫(yī)學(xué)圖傳_數(shù)據(jù)；從所述MRS醫(yī)學(xué)圖像數(shù)據(jù)提取生化特征；再計算所述可能病變的綜合評價，在所述再計算中進一步結(jié)合所述生4b特4正；和向用戶沖是供所述綜合評價，以進4亍評估和修正。22.根據(jù)權(quán)利要求21所述的方法，其中至少所述多個醫(yī)學(xué)圖l象凄史據(jù)的部分包含響應(yīng)于向患者纟合予反差增強劑的時間信息，而所-述特征包括形態(tài)學(xué)特征組和所述時間信息的動力學(xué)特征組中的至少一個。23.根據(jù)權(quán)利要求22所述的方法，進一步包括獲得多個使所述形態(tài)學(xué)特征組、所述時間信息的動力學(xué)特征組和具有可能診斷的所述光譜特4正組相關(guān)耳關(guān)的法則的步驟，所述初始評〗介和所述再計算的評價從所述多個法則進行計算。24.根據(jù)權(quán)利要求23所述的方法，進一步包括步驟從所述用戶接收對所述形態(tài)學(xué)特征，所述動力學(xué)特;f正纟且和來自所述用戶的所述光讀-特4正組中的至少之一的<務(wù)正，和再計算修正的評價，所述修正的評價進一步結(jié)合所迷4)務(wù)正進4亍計算；以及向所述用戶提供所述〗奮正的評價用于進一步評估和4務(wù)正。25.—種用于分析解剖中的一個區(qū)域的醫(yī)學(xué)圖^f象凄t據(jù)的系統(tǒng)，所-述醫(yī)學(xué)圖傳4t據(jù)從多個才莫態(tài)獲耳又，所述系統(tǒng)包括圖像數(shù)據(jù)模塊，用于接收所述醫(yī)學(xué)圖像數(shù)據(jù)；多個圖像處理模塊，每一個用于處理從所述多個模態(tài)之一獲取的圖像數(shù)據(jù)，所述每一個模塊鑒定在所述醫(yī)學(xué)圖像數(shù)據(jù)中的可能病變，并提取和分類與所述可能病變相關(guān)的一個才莫態(tài)特4正組多個模態(tài)決策引擎，所述模態(tài)決策引擎的每一個對來自與所述模態(tài)相關(guān)的所述模態(tài)特征組的所述多個模態(tài)的一個才莫態(tài)計算所述可能病變的模態(tài)評價；綜合決策引擎，所述綜合決策引擎結(jié)合所述模態(tài)評價并從所述模態(tài)評價計算所述可能病變的初始診斷評價；以及圖形用戶界面，用于顯示至少所述醫(yī)學(xué)圖傳4t據(jù)的一名P分以及所述初始診斷評價，以便用戶評估和^f務(wù)正。26.根據(jù)權(quán)利要求25所述的系統(tǒng)，其中至少所述所述醫(yī)學(xué)圖4象凄t據(jù)的一部分包含響應(yīng)于向患者給予反差增強劑的時間信息，并且所述^^莫態(tài)特征組包括形態(tài)學(xué)特征組和所述時間信息的動力學(xué)特4正組中的至少一個。27.根據(jù)權(quán)利要求25所述的系統(tǒng)，其中至少所述醫(yī)學(xué)圖像數(shù)據(jù)的一部分包含從MRS數(shù)據(jù)獲取獲得的光譜信息，并且所述才莫態(tài)特征組至少包括一種或多種標(biāo)記化學(xué)物質(zhì)的生化特征。28.根據(jù)權(quán)利要求27所述的系統(tǒng)，其中所述生化特征至少包括所述一種或多種標(biāo)記化學(xué)物質(zhì)的濃度分布。29.根據(jù)權(quán)利要求2528中任一項所述的系統(tǒng)，其中，在鑒定所述可能病變中，所述多個圖像處理模塊之一接收來自所述多個圖像處理模塊的另一圖像處理模塊和所述多個模態(tài)決策引擎的另一模態(tài)決策引擎中的至少一個的輸入。30.根據(jù)權(quán)利要求29所述的系統(tǒng)，其中所述輸入是對應(yīng)于所述可能病變的一個病變數(shù)據(jù)點組的基準(zhǔn)。全文摘要本文描述了一種惡性病變的醫(yī)學(xué)圖像和檢測的計算機輔助分析的系統(tǒng)和方法。對從多模態(tài)(藥征)獲得的醫(yī)學(xué)圖像進行了分析。形態(tài)特征以及時間特征(即，動力學(xué)特征)相結(jié)合，以計算在醫(yī)學(xué)圖像中檢測的可能病變的綜合評價。該系統(tǒng)包括至少一個動力學(xué)模塊，其能夠從向患者給藥反差增強劑之后采集的MRI圖像或MRS數(shù)據(jù)的時間序列提取動力學(xué)特征。這種綜合評價提交用戶用于確認或修正。文檔編號A61B6/03GK101360453SQ200680051115公開日2009年2月4日申請日期2006年11月23日優(yōu)先權(quán)日2005年11月23日發(fā)明者卡倫·薩加特爾揚,弗雷德里克·拉赫曼,杰弗里·柯林斯,桑德拉·斯特普爾頓申請人:美的派特恩公司