CN1509686B - 定量组织脂肪含量的方法和装置 - Google Patents

Abstract

获得数据的方法包括使用多能量X线断层摄影术(MECT)系统(10)定量组织(74)的脂肪含量。

Description

定量组织脂肪含量的方法和装置

技术领域

本发明一般涉及医学成像系统，特别涉及使用医学成像系统定量组织脂肪含量的方法和装置。

背景技术

尽管近来X线断层摄影术(CT)有所发展，如较快速扫描速度、用多检测器排的较大的覆盖和较薄的切片，但是能量的分辨率仍是一个被遗漏的部分。即，X射线源的宽X射线光子能谱和缺乏CT检测系统的能量分辨率阻碍了CT的能量辨别。

通过一给定目标的X射线衰减不是一常量。相反地，X射线衰减主要依赖于X射线光子能量。这个物理现象本身表现在如不均匀、阴影和条纹等光束硬化伪差(artifact)的图像中。某些光束硬化图伪差能够容易地被校正，但是其他一些校正较困难。一般来说，校正光束硬化伪差的已知方法包括：水校准，它包括校准每台CT机，从相似于水的材料中除掉光束硬化；和重复骨骼校准，其中在第一通过图像中分开骨骼，然后在第二通过中校正骨骼的光束硬化，但是，校正水和骨骼以外的材料如金属和对比剂等的光束硬化会是困难的。另外，即使使用上述的校正方法，现有技术的CT不提供定量的图像值。而且，在不同位置的相同的材料常显示出不同的CT数字。

现有技术CT的另一个缺点是缺乏材料特征化。例如，低密度的高衰减材料与高密度的低衰减材料在图像中产生相同的CT数。因此，仅基于CT数扫描的目标的材料成份的信息很少或没有。另外，因为这样的扫描器产生相当大地图像伪差和CT数的不准确度，所以检测在组织内的脂肪常常是困难的。这些限制会妨碍将CT装置用于先进的诊断。例如，一些正常和病理生物学处理在器官或组织内造成较高水平的脂肪积累。在一些情况，通过成像或物理检查能够容易探测脂肪。在其他一些情况，脂肪以变化的量分布在整个正常组织中，可能使得探测所述分布的脂肪是困难的。

在整个正常组织分布的脂肪的例子是在肝细胞中脂肪的积累，本文称为脂肪肝。因为脂肪肝不损坏肝脏所以一般不把脂肪肝当作疾病，但是脂肪肝是多个病理学过程的症状，例如包括结核病、糖尿病、过度体重增加、酒精中毒、饮食不良、因肥胖的肠道分流外科术，和使用如皮质甾类的特定药剂。诊断脂肪肝的已知方法包括显微检查从肝的活检获得的肝组织样品。另外，肝的超声波图像上见到的亮波纹图形和在肝的X射线CT图像上见到的降低密度可以提示脂肪肝的存在。另外，脂肪肝患者会具有肝脏肥大和常规血液筛选检查(screening)测定的肝酶的单独较少增加。但是，脂肪肝的确定诊断一般是通过显微检查从侵害性的肝脏活捡过程获得的肝组织样品确定。

发明内容

本发明的一方面是提供获得数据的方法。所述方法包括使用多能量X线断层摄影术(MECT)系统定量组织脂肪含量。

本发明的另一方面是提供多能量X线断层摄影术(MECT)系统，它包括至少一个辐射源，至少一个辐射检测器，和一与辐射源和辐射检测器工作耦接的计算机。所述计算机被配置成接收关于包括组织的目标扫描的第一能谱的数据，接收关于该组织的扫描的第二能谱数据，和分解和分割接收的数据，以识别局部的脂肪组织和瘦组织。

本发明的另一方面，提供多能量X线断层摄影术(MECT)系统，它包括至少一个辐射源、至少一个辐射检测器，和一与所说辐射源和所述辐射检测器工作耦接的计算机。所述计算机配置成接收组织的图像数据，将所述图像数据分解成表示脂肪组织的第一密度图和表示瘦组织的第二密度图，并合并所述第一密度图与第二密度图。

本发明的另一方面是提供嵌入程序的计算机可读介质。所述计算机可读介质配置成指令计算机接受关于组织扫描的第一能谱的数据，接收关于组织扫描的第二能谱的数据，分解所述接收的数据以产生表示脂肪组织的第一密度图和表示瘦组织的第二密度图，合并所述第一密度图和第二密度图以产生脂肪/瘦组织比例图，和分割所述合并的第一和第二密度图以确定所感兴趣的区域。

本发明的另一方面是提供计算机，所述计算机配置成接收组织的MECT图像数据，将所述图像数据分解和分割成为表示在所感兴趣区域内的脂肪组织的第一密度图和表示所感兴趣区域内的瘦组织的第二密度图。

附图说明

图1是MECT成像系统的示意透视图；

图2是图1所示的系统的方框示意图；

图3是表示前重构分析的流程图；

图4是表示后重构分析的流程图；

图5是包括皮下脂肪和所注意的器官的组织的示意图；

图6是使用在图1和2中示出的MECT成像系统定量组织脂肪含量方法示意图；

图7是使用图1和2的MECT成像系统定量组织脂肪含量的方法的示意图；和

图8是示出在所感兴趣区域中的脂肪/瘦组织比例的组织示意图。

图中标号说明如下：

10多能量X线断层摄影术(MECT)系统

12转台

14X射线源

16X射线

18检测器阵列

20监测器元件

22目标/医患者

24旋转中心

26控制机构

28X射线控制器

30转台电动机控制器

32数据获取系统(DAS)

34图像重建器

36计算机

38存储装置

40操纵台

42阴极射线管显示器

44工作桌面电动机控制器

46机动驱动台

48转台开口

50装置

52计算机可读介质

54预先重构分析

56分解

58重构

60预处理器

62高能量观察

64高能量通道路径

66低能量观察

68低能量路径

70第一CT图像

72第二CT图像

74组织

76皮下脂肪

78所感兴趣器官

80第一投影

82第二投影

84组织

86所感兴趣区域

90方法

92获取

94分割

96分解

98合并

100重叠

110方法

112获取

114分解

116合并

118重叠

120分割

122重叠

具体实施方式

在此说明的方法和装置有利于对脂肪肝进行准确、非侵害、廉价和确定的诊断，并且有利于定量在身体的其他器官和部位组织的脂肪含量。在此说明的方法和系统可以用于确定在任何动物、组织样品或人类的任何组织或器官的脂肪含量，或相对脂肪含量。此外，所述的方法和系统包括利用X射线和材料相互作用的基本性能的新的研究。例如，对于每个射线轨迹，获取不同平均X射线能量的多重测量。在这些测量上进行BMD和/或康普顿和光电分解时，获得可以实现改进的准确度和特征化的附加信息。例如，一个这样的特征化是每个获取数据的体素的脂肪含量的测定。组织脂肪含量的局部测定有助于改进理解所述的组织的成份和代谢功能的特殊性。而且，与基于脂肪对比剂的结合可以促成各种新的诊断检查，可以促成减少现有过程的侵害性。

在一些已知的CT成像系统配置中，X射线源投射扇形光束，它被校准处在被称为成像平面的在笛卡儿坐标系统的x-y平面内。X射线光束穿过诸如患者之类的被成像的目标。所述光束在由目标衰减后辐射到辐射检测器阵列上。在检测器阵列上接收的衰减的辐射光束的强度取决于目标对X射线的光束的衰减。所述阵列的每个检测器的元件在检测器位置上产生光束强度的测量值的单独的电信号。单独获得从所有的检测器来的强度的测量值以产生透射分布曲线图。

在第三代的CT系统中，X射线源和检测器阵列在成像平面内围绕成像的目标用转台旋转，使X射线光束与目标相交的角度固定地改变。在一个转台角度从检测器阵列获得一组X射线衰减测量值，即投影数据，被称为“视像(view)”。目标的“扫描”包括在X射线源和检测器一次旋转期间从不同的转台角度或视像角度形成的一组视像。

在轴向扫描中，处理投影数据以构成与一通过该目标获取的二维切片相对应的图像。从投影数据组重构图像的一个方法在本技术领域被称为筛选的背投影(filtered backprojection)技术。这个处理将扫描的衰减测量值转换成叫做“CT数”和“Hounsfield单位”(HU)的整数，用它控制在阴极射线管显示器上的相对应的象素的亮度。

为了减小整个的扫描时间，可以进行“螺旋”扫描，其中在获取了指定数目的切片的数据时移动患者。这样的系统从扇形螺旋扫描产生单一螺旋线。通过扇形光束所绘制的螺旋线产生可以重构每个指定切片中的图像的投影数据。

螺旋扫描的重构算法一般使用螺旋加权算法，它将作为视像角和检测器通道指标的函数的收集数据加权。具体地说，在筛选的背投处理前，根据螺旋加权因数加权所述数据，所述螺旋加权因数是转台角度和检测器角度的函数。然后，所述加权的数据被处理产生CT数并构成与通过该目标获取的二维切片相对应的图像。

为了进一步减小整个的获取时间，引进了多切片CT。在多切片CT中，在任何瞬间同时获取多排投影数据。在与螺旋扫描模式结合时，这个系统产生圆锥光束投影数据的单一螺旋线。与所述单一切片螺旋加权方案相似，一种方法能够导出在筛选的背投算法前将加权值与投影数据相乘。

如本文中使用的，除非另有说明，以字“一”所描述的单数元件或步骤应理解为不排除复数的所述元件或步骤。而且，本文中说明的方法和系统的“一个实施例”，不应被解释是排除结合所述特征的另外实施例的存在。

另外，在本文中使用的术语“重构图像”不是意指排除这里所述的产生表示图像而不是可观察的图像的数据所表示的所述方法和系统的各实施方式。但是，多个实施例产生(或被配置成产生)至少一个可观察的图像。

本文中说明用能量辨别(也称为多能量)X线断层摄影术(MECT)系统定量组织脂肪含量的方法和装置。首先说明MECT系统10，随后是使用MECT系统10的对比应用。

参见图1和2，示出了一种多能量扫描成像系统，例如，包括代表“第三代”CT成像系统的转台12的多能量多切片X线断层摄影术(MECT)成像系统10。转台12具有投影X射线16的X射线源14，它向在转台12的相反侧上的多个检测器投影X射线16的光束。多行检测器(未示出)形成检测器阵列18，所述检测器行18包括一起检测穿过如患者22的目标的投影的X射线的多个检测器元件20。每个检测器元件20产生表示辐射的X射线光束的强度的电信号，因此能够用于估计在它穿过目标或患者22时所述光束的衰减。在扫描获取X射线投影数据时，转台12和在其上安装的各组件围绕旋转中心24旋转。图2仅示出检测器元件20的一行(即，一行检测器)。但是，多个切片检测器阵列18包括多个检测器元件20的平行的检测器行，使得在扫描时能够同时获取与多个准平行或平行的切片相对应的投影数据。

通过MECT系统10的控制机构26控制在转台12上的组件的旋转和X射线源14的工作。控制机构26包括：X射线控制器28，它向X射线源14提供电源和定时信号；和转台电动机控制器30，它控制旋转速度和在转台12上的各组件的位置。在控制机构26中的数据获取系统(DAS)32从检测器元件20取样模拟数据，并将所述数据转换成随后处理的数字数据。图像重建器34从DAS32接收取样的和数字化的X射线数据，并进行高速图像重建。重构的图像用作为向计算机36的输入，计算机在存储装置38中存储所述图像。图像重建器34可以是专门的硬件或在计算机36上执行的计算机程序。

计算机36还通过具有键盘的控制台40接收操作人员命令和扫描参数。配套的阴极射线管显示器42使得操作人员能够观察从计算机来的重构的图像和其他数据。通过计算机36使用操作人员供给的命令和参数，以向DAS32、X射线控制器28和转台电动机控制器30提供控制信号和信息。另外，计算机36操纵桌面电动机控制器44，后者控制机动的桌面46以定位在转台12中的患者22。特别是，桌面46通过转台开口48移动患者22的位置。

在一个实施例中，计算机36包括从计算机可读介质52读出指令和/或数据的装置50，例如，软盘驱动器、CD-ROM驱动器、DVD驱动器、磁光盘(MOD)装置、或如以太网装置的包括网络连接装置的任何其他数字装置，以及尚在开发的数字装置，所述计算机可读介质52如软盘、CD-ROM、DVD或如网络或因特网的其他数字源。在另一个实施例中，计算机执行在固件(未示出)中存储的指令。计算机36被编程进行本文说明的功能，并且如本文使用的，术语计算机不限于只是在技术上所谓的计算机的那些集成电路，而是广泛地指各种计算机、处理器、微型控制器、微型计算机、可编程逻辑控制器、应用特定的集成电路和其他可编程电路，并且这些术语在本文中可替换地使用。CT成像系统10是能量辨别(也称为多能量)X线断层摄影术(MECT)系统，其中系统10被配置成响应不同的X射线频谱。这能够用常规的第三代CT系统实现，以在不同的X射线管电位顺序获得投影。例如，在该管工作在80kVp和160kVp电位上背对背或交错地获取两种扫描。另外，在X射线源和检测器之间设置特殊滤波器，使得不同的检测器行收集不同X射线能谱的投影。另外，成形X射线能谱的特殊滤波器也能够用于背对背或交错地获得的两种扫描。另一个实施例是使用能敏(enargy sensitive)检测器，使得用它的光子能量记录到达检测器的每个X射线光子。虽然上述特定的实施例涉及第三代CT系统，本文说明的方法同样适用于第四代CT系统(静止检测器-旋转X射线源)和第五代CT系统(静止检测器和X射线源)。

存在有获得多能量测量的不同方法：(1)用两种不同能谱的扫描；(2)根据在检测器中的能量注入探测光子能量；和(3)光子计数。光子计数提供平衡光子统计的规则的频谱间隔(separation)和可调的能量间隔点。

MECT使得诸如，但不限于此，缺乏能量辨别力和材料特征化等与常规CT相关的问题减少和消除。在缺少目标扫散射时，仅需要系统10分开捡测光子能谱的两个区域，入射X射线光谱的低能和高能部分。基于从这两个能量区域的信号能够获得在任何其他能量上的性能。这个现象是由于这样的基本事实获得的，即在所关注医学CT的能量区域中，(1)康普顿散射和(2)光电效应这两个物理处理过程支配着X射线衰减。因此，从两个能量区域捡测的信号提供了解析取决于成像材料的能量的足够信息。而且，从两个能量区域的检测信号提供了测定由两种材料构成的目标的相对成份的足够信息。

在示范的实施例中，MECT使用分解算法，如，但不限于此，CT数差(number difference)算法、康普顿和光电分解算法、基础材料分解(BMD)算法，或对数减分解(LSD)算法等。

CT数差算法包括计算在不同管电位获得的两个图像之间的CT数或亨斯非尔德数的差值。在一个实施例中，一个象素一个象素地计算所述差值。在另一个实施例中，在所感兴趣区域上计算平均CT数的差值。康普顿和光电分解算法包括用MECT10获得一对图像，和分开表示康普顿和光电处理过程的衰减。BMD算法包括获取两个CT图像，其中每个图像表示基础材料之一的相等的密度。因为材料密度与X射线光子能量无关，所以这些图像几乎没有光束硬化伪差。此外，为了操作人员能够针对所感兴趣的某一材料而选择基础材料，因此强化图像对比。在使用中，BMD算法是基于能够通过另外两个给定材料的适当的密度混合表示任何给定材料的x衰减(在医学CT的能量区域)的原理，因此，这两种材料被称为基础材料。在一个实施例中，使用LSD算法，用准单能X射线光谱获取图像，并且通过这两种材料的每种材料的有效衰减系数能够将成像的目标特征化，因此，LSD算法不包括光束硬化校正。此外，不校准LSD算法，但是使用组织消除(cancellation)参数的测定，所述参数是在每次曝光的平均能量的给定材料的有效衰减系数的比值。在示范实施例中，所述组织消除参数主要取决于用于获得图像的光谱和任何另外因素，即它们能够改变对一对理想的单能曝光预期的测量的信号强度。

应理解，为了将多能量CT系统优化，光谱的间隔越大，图像质量越好。另外，在这两个能量区域中的光子统计学应相似，否则，较差的统计区将支配所述图像噪声。

此处描述的方法和系统是将上述原理应用到组织的特征化。具体来说是，MECT系统10用于产生此处所描述的CT图像。预重构分析、后重构分析和探测(scout)图像分析是在进行组织特征化中能够与MECT系统10结合使用的三项技术。

图3是表示预重构分析54的流程图，其中在重构58前完成分解56。计算机36收集在旋转转台12的各分开的角度位置的检测器阵列18(图1)产生的所获取的投影数据，并向预处理器60传递所述信号。预处理器60重新排序从计算机36接收的投影数据，以优化用于随后的数学处理的顺序。预处理器60还相对于检测器的温度、主光束强度、增益和偏移(offset补偿)和其他的确定的误差因素校正计算机36的投影数据。然后预处理器60抽取与高能视像(view)62相对应的数据并将它发送到高能通道路径64，并将与低能视像66相对应的数据发送低能路径68。使用高能数据和低能数据，用分解算法产生两个投影数据流，然后所述数据流被重构获得与两种不同材料相关的两个单独的图像。

图4是后重构分析的流程图，其中在重构58后完成分解56。计算机36收集在旋转转台12(图1)的分开的角度位置检测器阵列18(图1)产生的投影数据，并且将与高能视像62相对应的数据发送到高能通道路径64，并将与低能视像66相对应的数据发送到低能路径68。与投影62的高能序列相对应的第一CT图像70和与投影66的低能序列相对应的第二CT图像72被重构58。然后，使用分解算法进行二元能量分解56，分别获得与两种不同材料相关的两个单独的图像。在探测图像分析中，信号流动可以与图3或图4相似。但是，该桌面相对于不旋转的转台移动而获取数据。

在投影X射线成像中使用二元能量技术有利于诊断和监视骨质疏松和测定脂肪组织与瘦组织的平均比(脂肪/瘦比)。二元能量技术也有利于人体中骨质疏松捡测的截面或X射线断层成像，并且可以用于无损测试，例如爆炸和/或走私的非法行为捡测。

在使用射线照像成像进行组织特征化，例如骨质矿物质密度测量时，仅测定沿投影路径的平均组织厚度(在基础材料分解说明中)。而且，使用多能量成像，给定材料的测量的厚度可依赖多能量光谱的互补材料的衰减准确估计。例如，骨质-矿物质密度的准确测量可能需要沿横穿正在检查的骨的X射线路径的软组织衰减准确测定，因此，可能限制将这个技术应用到医疗方面。此外，例如，通过对假设脂肪和瘦组织组分是均匀混合的牛肉取样和/或充分取样以保证平均在脂肪和瘦组织分布中的变化时，能够测定脂肪瘦组织比。因此，如果均匀和/或均质的混合的假设适用，则对人体或动物体能够测定脂肪瘦组织比。但是，如果希望取得身体的特定器官和/或区域的脂肪-瘦组织比，则假设均匀和/均质分布是不可能成立的。

例如，图5是包括皮下脂肪76和所感兴趣器官78的组织74的示意图。由于组织74内的皮下脂肪76不规则分布，第一投影80和第二投影82记录在组织74内，更具体地说在器官78的外侧，的不同的脂肪含量。因此，如果沿投影路径存在变化的脂肪量，那么仅由于在所感兴趣的器官外侧的脂肪-瘦组织比的变化，就可能获得器官中的脂肪百分比的不同定。

本说明的方法和系统具有能够利用CT成像几何学的X线断层摄影术的优点，克服了现有技术的限制，并使得使用投影放射摄影技术不可能达到的各种组织特征化。此外，所述方法和系统可以用于测定在任何动物、组织试样或人中的脂肪含量或相对脂肪含量。

图6是使用MECT系统10(图1和2)定量组织74(图5)中的脂肪含量的方法90示意图。方法90利用事前的解剖学信息进行比通常小的视场局部对准目标的图像获取和/或重构，以从周围组织分割所感兴趣区域。在一个实施例中，使用包括亨斯非尔或CT数(阈值)技术、重复阈值处理、K-means分割、边缘检测、边缘连接、曲线拟合、曲线平滑、2D/3D形态筛选、区域生长、模糊聚集、图像/体积测量、试探方法、基于知识的法则、决策树和神经网络等各种技术分割CT图像。因此，关于投影数据的任何计算反映出视场内的衰减变化。在一个实施例中，事前解剖信息是从单独控制该获取处理提供的测量值或界标(landmark)产生的纯解剖信息。在另一个实施例中，事前解剖学信息是基于图像信息的，并且是从探测视像(scout view)图像、多个探测视像图像、或是从CT或另一个方式产生的以前图像，例如，磁共振成像(MRI)、电子束断层摄影(EBT)、超声波、正电子发射断层摄影(PET)和X射线产生的。

在使用中，方法90包括获取组织74的MECT解剖图像数据(92)，和将MECT图像数据分割以确定所感兴趣区域，例如，肝等所注意的器官(94)。一旦所感兴趣区域从例如组织74的组织的周围区域被分割(94)，则对所感兴趣区域确定组织的特征化。更具体地说，将分割的图像数据分解，以获得表示在所感兴趣区域内的脂肪组织含量的密度图像和表示在所感兴趣区域内的瘦组织含量的密度图像(96)。然后，将表示脂肪组织含量的密度图像和表示瘦组织含量的密度图像合并，获得密度图像，所述密度图形基于在所感兴趣区域内的每个点的脂肪/瘦组织比而逐个象素地定量(98)。在一个实施例中，常规地(相应于CT数的灰度级)显示解剖图像，而然后可以将脂肪/瘦组织密度图像重叠在所述解剖图像上，获得所感兴趣区域的结合的图像(100)。更具体地说，脂肪组织图像和瘦组织图像彼此记录，并且逐个象素地用瘦组织图像的象素值除脂肪组织图像的象素值。

图7是使用MECT系统10(图1和2)定量组织74中的脂肪含量的方法110的示意图。方法110利用图像场的分割，确定组织特征化的所感兴趣区域。用上述的CT图像分割技术分割分解的图像。在一个实施例中，手动进行所感兴趣区域的分割。所感兴趣区域的手动分割包括向使用者显示图像数据，其中使用者使用鼠标和任何适当的接口，如触摸屏、眼睛跟踪、和/或语音命令描绘所述区域。在另一个实施例中，自动进行所感兴趣区域的分割。所感兴趣区域的自动分割包括使用如团块组织的形状和大小的现有知识自动描绘所感兴趣区域的算法。在另一个实施例中，使用手动和自动的结合进行所感兴趣区域的分割。

在使用中，方法110包括获取组织74的MECT解剖图像数据(112)和分解所述解剖图像数据以获得表示在组织74内的脂肪含量的密度图像和表示在组织74内的瘦组织含量的密度图像(114)。然后表示脂肪含量的图像与表示瘦组织含量的图像合并，基于在组织74内的每个点的脂肪/瘦组织比获得逐个象素定量的密度图形(116)。更具体地说，脂肪组织图像与瘦组织图像彼此记录，并且逐个象素地用瘦组织图像的象素值除脂肪组织图像的象素值。在一个实施例中，在MECT解剖图像数据上重叠脂肪/瘦组织密度区域以获得组织74的结合图像(118)。在另一个实施例中，首先将脂肪/瘦组织密度图形分割以确定所感兴趣区域，如肝所感兴趣区域(120)。一旦所感兴趣区域从组织74的周围的区域分割(120)，那么，能够对所感兴趣区域确定组织的特征化。更具体地说，然后可以在MECT解剖图像数据上重叠分割的脂肪/瘦组织密度图像，获得所感兴趣区域的结合图像(122)。

图8是表示例如肝的所感兴趣区域86中的脂肪/瘦组织比例的组织84的示意图。在图8所示的示范实施例中，与显示常规CT图像相同的方式，使用灰度级显示器显示组织特征化数据，描绘成像的解剖的形态特征。灰度级值通过适当的对照表与CT连接结合。从MECT图像数据组的任何一个，和两个或多个的结合，能够选择显示的数据的这个形态组分。在示范的实施例中，在所述形态数据上重叠表示局部脂肪含量的纹理结构图形的层。在另一个实施例中，在所述形态数据上重叠表示局部脂肪含量的彩色层。在这种方式中，可以向观察者同时显示CT数(灰度级)和脂肪含量(结构和彩色图形)。在一个实施例中，观察者能够通过软件开关，在这两个观察(解剖的和特征的)之间切换，或切换附加的层。

在使用中，所述方法通过使用上述的分解技术从而提高了脂肪和正常组织之间的对比度。此外，所述方法通过改进光束硬化校正从而减少了图像伪差。改进的光束校正能够增加组织特征化的准确度，并且能够避免造成降低观察者目测脂肪-正常组织特征能力的阴影和条纹伪差的出现，并能够相当大地改变局部CT数和组织特征化准确度。因此，所述方法可以减少图像伪差，提高CT数的准确度和改进组织特征化。

另外，本文所述方法提高了进行组织特征化的能力。使用BMD的原理，能够提高不同的疾病组织分类和分开的概率，例如脂肪肝特征化和躯体脂肪的总百分率测量。另外，所述方法使用MECT图像的解剖的和半解剖定量分析，便于脂肪肝和相似状态的检测和分类。除了图像数据组提供的形态信息以外，计算机辅助检测(CAD)和/或计算机辅助诊断(CDDx)算法能够利用组织特征化。因此，向CAD/CADx算法提供MECT图像的输入，提供了比单一能量图像的更多的信息。

所述方法还有利于进行以躯体脂肪改变为特征的疾病或状态的分类和处理监视。而且，可以用MECT估计在患者中的脂肪-瘦组织比的局部改变。例如，可以用单一扫描或通过利用在时间上的多重扫描和测量在脂肪-瘦组织含量的改变来估计和监视疾病的程度或处理。通过人的观察者或计算机算法(CAD/CADx)或这两者结合进行存储的MECT图像的瞬时分析。

此外，所述方法还有利于在胸部MECT数据的获取中的胸部组织的脂肪-瘦组织含量的特征化。在患者在检查台或专用的胸部CT系统上仰卧时，可以以一标准的CT几何形状进行这样的MECT数据获取。而且，所述方法在与对比剂结合使用时能够有利于监视各种的生物处理。所述对比剂可以是简单的摄入的食用脂肪(例如，为了监视高脂肪膳食的消耗后的胃-肠系统中脂肪的摄入、消化和吸收)，或由脂肪或脂类化合物构成的复合目标对比剂。这样的对比剂的副作用最小，并且比常规的碘化对比剂毒性小的多。

上述方法和系统能促进对各种疾病状态实现新的临床应用，并且促使CT扫描对诊断、阶段分类和监视脂肪肝和其他疾病的治疗处理的能力。此外，上述方法和系统包括使用CT扫描可以获取的新型信息，并在使用组织特征化的分子成像应用中能够提供CT更大应用的潜力。而且，上述方法和系统可以扩展使用包括脂肪/瘦组织比例定量的组织特征化的CT应用的新的医疗市场，可以促使实现新的、无副作用的、生物相容的对比剂和检查的发展。

已经详细地说明了MECT方法和系统地示范实施例。所述方法和系统不限于本说明的特定实施例，而是每个方法和系统的组成可以与所描述的其它组成单独和分开所有。此外，每个方法和系统组成还能与上述的其他组成相结合使用。

虽然就各特定实施说明了本发明，但是本领域的技术人员了解本发明不限于上述实施例，在不脱离本发明范围的情况下，可以进行各种变形和修改。

Claims (19)

1.一种用于获得数据的方法，所述方法包括：执行至少一次探测扫描；获取多能量X线断层摄影术MECT图像数据；使用通过至少一次探测扫描而产生的事前解剖学信息来自动分割MECT图像数据，以确定感兴趣的区域；将MECT图像数据分解成表示脂肪组织的第一密度图和表示瘦组织的第二密度图，以对感兴趣的区域中的组织脂肪含量定量。

2.根据权利要求1的方法，其中分解MECT图像数据包括：使用CT数差分解、康普顿和光电分解、基础材料分解BMD、对数减法分解LSD中的至少一个来分解MECT图像数据。

3.根据权利要求1的方法，还包括：合并第一密度图和第二密度图，以获得对脂肪含量定量的密度图像。

4.根据权利要求3的方法，其中合并第一密度图和第二密度图包括：逐个象素地产生在合并的第一和第二密度图之间的脂肪/瘦组织比例图。

5.根据权利要求4的方法，还包括：在所述组织的解剖图像上重叠所述比例图。

6.根据权利要求5的方法，其中重叠比例图还包括以彩色方式显示该比例图作为对组织的灰度级解剖图像的透明覆盖图。

7.根据权利要求3的方法，还包括分割合并的第一和第二密度图，以确定感兴趣的区域。

8.根据权利要求7的方法，其中分割合并的第一和第二密度图包括：使用象素值阈值、重复阈值、K-means分割、边缘检测、边缘连接、曲线拟合、曲线平滑、2D/3D形态筛选、区域生长、模糊聚集、图像/体积测量、试探法、基于知识的法则、决策树以及神经网络中的至少一个来分割合并的第一和第二密度图。

9.根据权利要求7的方法，其中分割合并的第一和第二密度图包括：使用所显示的图像数据来手动分割合并的第一和第二密度图。

10.根据权利要求7的方法，其中分割合并的第一和第二密度图包括：使用算法自动分割合并的第一和第二密度图。

11.一种多能量X线断层摄影术MECT系统，包括：

至少一个X射线辐射源；

至少一个X射线辐射检测器；和

与所述辐射源和所述辐射检测器工作耦接的计算机，所述计算机被配置成：

接收关于对患者的至少一次探测扫描的数据；

接收关于对患者组织的X线断层摄影术扫描第一能谱的数据；

接收关于对该组织的X线断层摄影术扫描第二能谱的数据；

分解和分割所述接收的数据，以识别局部的脂肪组织和瘦组织，其中所述分割包括使用通过至少一次探测扫描而产生的事前解剖学信息来自动分割以识别组织中感兴趣的区域；

使用所述对局部脂肪和瘦组织的识别来检测组织中的临床状态。

12.根据权利要求11的MECT系统，其中该组织是肝组织，并且所述计算机配置成使用所述对局部脂肪和瘦组织的识别来检测组织中的临床状态还包括：所述计算机配置成使用所述对局部脂肪和瘦组织的识别来检测脂肪肝状态。

13.根据权利要求12的MECT系统，其中所述计算机被配置成，使用CT数差分解、康普顿和光电分解、基础材料分解BMD、对数减法分解LSD中的至少一个来分解所述接收的数据。

14.根据权利要求12的MECT系统，其中所述计算机还配置成：

分解所述接收的数据以产生表示脂肪组织的第一密度图和表示瘦组织的第二密度图；和

合并所述第一密度图和所述第二密度图，以逐个象素地产生在所述第一和第二密度图之间的脂肪/瘦组织比例图。

15.根据权利要求14的MECT系统，其中所述计算机还配置成：在所述组织的解剖图像上重叠所述脂肪/瘦组织比例图。

16.根据权利要求13的MECT系统，其中所述计算机还配置成：

产生表示脂肪组织的第一密度图和表示瘦组织的第二密度图；

合并所述第一密度图和所述第二密度图；和

所述使用对局部脂肪和瘦组织的识别还包括使用脂肪组织和瘦组织特征来检测脂肪肝状态。

17.根据权利要求14的MECT系统，其中所述计算机被配置成使用象素值阈值、重复阈值、K-means分割、边缘检测、边缘连接、曲线拟合、曲线平滑、2D/3D形态筛选、区域生长、模糊聚集、图像/体积测量、试探法、基于知识的法则、决策树以及神经网络中的至少一个来分割所述合并的第一和第二密度图。

18.一种用于获得数据的装置，包括：

用于接收关于对患者的至少一次探测扫描的数据的装置；

用于接收组织的X射线MECT图像数据的装置；

用于将所述图像数据分解和分割表示感兴趣的区域内的脂肪组织的第一密度图和表示感兴趣的区域内的瘦组织的第二密度图的装置，其中所述分割包括使用通过对患者的所述至少一次探测扫描而产生的事前解剖学信息来自动分割；以及

用于分解和分割所述图像数据，以便识别包括所摄入的食用脂肪的对比剂的装置。

19.一种用于获得数据的方法，所述方法包括：执行至少一次探测扫描，以获取探测图像数据；获得X射线MECT图像数据，并基于通过探测扫描而产生的信息来将X射线MECT图像数据分割和分解成表示脂肪组织的第一密度图和表示瘦组织的第二密度图，以对感兴趣的区域中的组织脂肪含量定量。

Images