專利名稱：：醫學圖像的計算機輔助定性定量分析的方法和系統的制作方法
技術領域：
：本發明一般涉及可疑異常的醫學圖像(醫學影像)和檢測的計算才幾輔助分析的領域。具體而言，本發明涉及一種方法和系統，用于處理由多才莫態(多個才莫態，multiplemodalities)獲得的醫學圖l象，包括動力學和形態特征的分析以及異常的自動檢測和來自多模態的醫學圖4象的分析。
背景技術：
：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的。一關殳而言，由于豐富的壽欠組織反差、薄截面和多平面能力，所以MRI提供比傳統的成像模態更好的乳房病變(損傷)的表4正。傳統上，分析并分類病變形態，以區分來自可能癌腫瘤的良寸生病變。例如，美國i欠射學學會(AmericanCollegeofRadiology,ACR)幾年來已經開發出一套特征和詞典(一種數據辭典系統)，與乳房成像才艮告和數據系統(BI-RADS)—起使用。BI-RADSMRI詞典指出以下形態特征可能與良性病變相關形狀圓形、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的血管。這些新血管以紊亂模式增生，并且質量差，因而使它們發生滲漏并導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(或動力學曲線)，增強和動力學水平隨時間的變化(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峰增強。動力學曲線的形狀也能成為病變是否是惡性的良好指示。研究發現，描述良性病變的動力學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)而變平坦。另一方面，暗示或指示惡性腫瘤的動力學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-反差期內平穩。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)內降低(下行)。然而，盡管反差增強的MRI方法已經實現高水平的靈每丈度(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果，也是良性病變增強的結果，導致了許多不必要的活組織檢查。因此，單是出現增強，并不能用于將良性病變和惡性病變區分開。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、葉狀柄腫瘤和導管增生(乳腺)。乳房的反差MRI研究已經證實，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分開。近來，人們的關注點轉向了作為一種用于癌癥診斷的新技術的》茲共振波鐠("MRS")。MRS是i茲共振檢測技術的特定類型。其通過測定在所懷lt月中瘤中的各種標^/f匕學物質(markerchemicals)^口膽堿的濃度或強度而提供化學信息。認為標記化學物質的量或濃度提供了關于所檢測區域中疾病過程的信息。一4殳而言，由MRS獲得的信號并不產生掃描圖像。相反，會產生各種化學物質的光i普信息。最近，已經可以從較好定位的區域獲得光語數據。這就允許由MRS獲得的生化信息與所定位的區域相關地加以評價。然而，關聯光語數據和掃描圖像通常在臨床環境下是一個困難的任務。前述內容產生了一個問題即開發分析醫學圖<象以區分惡性和良性病變并適合于臨床所需的系統和方法。本發明的一個目的是減輕或4非除上述擊夬點中的至少一個。
發明內容本發明結合了定性和定量特征，以實現可疑異常如成像的乳房病變的最佳區分。對來自多模態的圖像(成像)和數據進行處理和分析，以提取定量和定性信息。定量信息能夠包括動力學信息和生化信息。動力學特征能夠從圖像數據如MRI圖像數據的時間序列才是取。生化信息能夠從MRS數據的光譜分析提取。形態學特征能夠由MRI圖像、超聲圖像、x-射線圖像或其他模態的圖像提取。提供計算機應用程序用于從醫學圖像和數據提取定量和定性特征，以及用于從定量和定性分析組合結果以產生一個綜合結果。時間歷程動力學的分析可在后-反差圖<象中的病變形態的評價之前或之后進4亍。可選地，來自第一次進行的分析結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，動力學分析)結果是清楚指示的，則下一步分析(例如形態學分析)就不進行。如果來自一種模式(例如動力學)的分析結果是不確定的或暗示良性病變的，則進行進一步的分析(例如形態學)。在本發明的一方面，沖是供了一種分析解剖中一個區域的多個醫學圖像數據和檢測該區域中的異常的方法。至少一組多個醫學圖像數據包含響應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學圖像^t據；從多個醫學圖像凄丈據鑒定(識別)4圮表該區域中的可能病變的一組數據點；從多個醫學圖像凄t據提耳又與該組數據點相關的特征，這些特征包括一組形態學特征、一組時間信息的動力學特^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合該々務正而計算的。在本發明這方面的另一特征中，動力學特性是乂人對應于所述凄丈據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，動力學特性包括該反差變化曲線分類成連續增強、平穩、和下4亍(washout)類型中之一。在本發明這方面的另一特征中，生化特性是從數據點組的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-分析中獲耳又的標記化學物質的濃度分布或兩種或更多種標記化學物質的相對強度。在另一方面，本發明提供了一種用于分析解剖中一個區域的多個醫學圖像數據的系統。至少多個醫學圖像數據的一個組包含響應于給予反差劑的時間信息。該系統包括圖像數據模塊，用于檢索多個醫學圖像數據；形態學模塊，用于鑒定所述醫學圖像數據中的可能病變，并揭:耳又和分類與所述可能病變相關的形態學特征；動力學模塊；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學圖傳_#:據的至少一部分及用于用戶評估和》務正的一個初始診斷評價。動力學模塊從多個醫學圖像數據提取與所述可能病變相關的時間信息的動力學特性，光i普分析才莫塊乂人多個醫學圖傳4t據^是耳又與一種或多種標記化學物質相關的的生化特性，而綜合決策引擎接收來自形態學模塊的形態學特征、來自動力學模塊的時間信息的動力學特性以及來自光語分析模塊的生化特性，并計算來自形態學特征、動力學特性和生化特性的可能病變的初始診斷評價。在本發明這方面的特征中，該系統進一步包4舌形態學決策引擎，用于推導來自形態學特征的形態學評價；動力學決策引擎，用于推導來自動力學特性的動力學評價；以及光譜分析決策引擎，用于推導來自生化特性的光譜評價。綜合決策引擎在其計算中關聯和結合形態學評<介、動力學評1"介和光^普評價。在本發明這方面的另一特征中，該系統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學特征、動力學特性和生化特性中至少之一的々f正。一旦接收到^f'務正，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。在本發明這方面的另一特4正中，該系統進一步包4舌患者患病危險(危險輪廓，riskprofile)模塊，用于從數據庫中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。評價的評估結合患者患病危險信息和患者病史(歷史)信息。在本發明的另一方面，本發明提供了一種從患者解剖中的一個區域獲取和分片斤MRS醫學圖l象凄t據的方法。該方法包括以下步4聚獲得該區域的多個醫學圖像數據；從該多個醫學圖像數據鑒定表示該區域中的可能病變的數據點的組；從多個醫學圖像數據提取與該可能病變相關的特征；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選標準，就完成以下步驟從包括可能病變的候選區域獲取MRS醫學圖像數據；從該MRS醫學圖像凝:據提取生化特性；在再計算中進一步結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。在本發明的另一方面中，本發明提供了一種用于分析解剖中一個區域的醫學圖像數據的系統，該醫學圖像數據從多個模態獲取。該系統包括圖像數據模塊，用于接收醫學圖像數據；多個圖像處理模塊；多模態決策引擎；綜合決策引擎；結合模態評價并從模態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，用于顯示醫學圖傳^t據的至少一部分及用于用戶評估和<務正的初始診斷評價。多個圖像處理模塊的每一個鑒定醫學圖像數據中的可能病變并提取和分類與可能病變相關的模態特性的組。與模態相關的模態特性的組提交給對應的模態決策引擎，用于計算可能病變的模態評價。通過模態決策引擎計算的模態評價由綜合決策引擎在其計算中結合。在其他方面，本發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)系統的示意圖2是圖1所示CAD系統的CAD應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應用程序進行醫學圖像數據定性定量分析的過程步驟的流程圖3A示出了用于通過CAD應用程序進行MRS數據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的結果作為另一種模態的輸入；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"^兌明了醫學圖^f象的時間序列和對應的反差變化曲線；圖6示出了反差變化曲線的可預期的一4殳^f亍為；圖7是示出了用于構建圖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是示出了結合形態學和動力學特征，用于產生綜合結果的圖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是供了兩種模態和綜合結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明一般涉及計算機輔助分析醫學圖像和可疑異常的檢測的領域。具體而言，本發明涉及一種用于處理乂人多沖莫態獲得的醫學圖4象的方法和系統，包括動力學和形態學特征的分析。本發明結合了來自多模態的數據，包括動力學(定量)、形態學(定性)和生化(定量)信息，以實現成像的可疑異常(如成像的乳房病變)的最佳辨別。病變的形態學特征一^: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。形態學特征能夠從MRI、超聲波或X-射線圖像或其他形態的圖像數據提取。動力學特征與成像病變在圖像或圖像數據的時間序列中的信號時間行為有關。MRI數據的動力學特征一般是指，但不限于給予反差劑之后在所掃描的解剖體積內區域的時間依賴性的反差增強。動力學曲線可以是I型(連續增加)、II型(平穩)或III型(下行)。生化信息能夠通過分析MRS凄t據即光i普信息獲得，以測定單個體元或幾個體元內標i己化學物質(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的。提供的計算機應用程序用于從醫學圖像數據中提取形態學的、動力學的和生化的信息，并結合來自多模態的醫學圖像數據的定性定量分析結果而獲得綜合結果。盡管診斷評價可以從單個模態圖像數據的動力學、形態學或生化(即光譜)分析任何的結果推導，但是結合來自多模態的結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組推導，并因此傾向于是更大統計性可靠的。例如，在后-反差圖^象中，時間過程動力學的分析可在病變形態評Y介之前或之后進行。可選地，來自最先進行的分析的結果能夠在進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，動力學分析)的結果是明確指示性的，則下一步的分析(例如形態學或光譜學分析)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)是不確定的或暗示良性病變的，則進一步的分析(例如形態學)或許是值得的。而且，來自某一分析的結果可以用作另一模式分析的輸入。例如，動力學分析的結果一^&包括病變的識別(鑒定)，這可以用于推動形態學過程的分割(分段)部分。圖1示出了計算機輔助檢測(CAD)系統100。該CAD系統100處理和分析從多才莫態獲得的圖像和數據，包括進行動力學、形態學和光譜分析，用于提供基于提取的動力學、形態學和光語特征的診斷評價。CAD系統IOO具有醫學成像裝置102。醫學成像裝置102由用戶4吏用以通過對患者掃描或成4象而獲耳又醫學圖<象和^:據。不同的成傳^莫態可以配置用于CAD系統100。例如，醫學圖^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、正電子發射X射線層析照相術(PET)圖像、PET/CT、核素、MRS或來自合適的圖像或數據獲取裝置的任何圖像或數據。通過醫學成像裝置102獲取的圖像數據提供給計算機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專用計算機。其也可以是嵌入式系統，如在包括醫學成像儀102的圖像獲取系統中的嵌入式系統。計算機程序106，即用于實施CAD系統功能的應用軟件，由計算才幾104存^[諸的。CAD應用程序106具有多個組件。對應于每一才莫態，就有一個專用組件。例如，超聲子系統108對應于超聲才莫態。超聲子系統專用于4企索、處理和分析超聲圖傳^t據。類似地，CT子系統110專用于處理和分析CT圖像數據。對應于MRI圖像數據，有MRI子系統112。對應于MRS光i普數據，有MRS子系統113。CAD應用程序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的結果，即來自超聲子系統108、CT子系統IIO、MRI子系統112和MRS子系鄉克113,并結合來自這些模態的每一個的結果而計算綜合評價。CAD應用程序106可以使用構建到應用程序中或儲存于數據庫116中的法則(規則，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，或由統計才莫型構建，或通過采用任何合適的方法學建立。提供了工作站118。工作站118^是供的用戶界面120，準許系統100的用戶瀏覽醫學圖4象，」操作這些圖〗象并與系統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呈現醫學圖像并向用戶呈現圖形和文本內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:據和,人CAD應用程序106產生的結果，以方便用戶診斷分析圖像。例如，來自每一沖莫態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。在這些醫學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，與醫療標準一致的格式可以結合由該系統自動檢測的任何結果進行預置。由系統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還包括輸入設備124，以使用戶與系統互動并鑒定在所顯示醫學圖像中的感興趣的系統特定區域。輸入設備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，或發布4壬何計算枳4呈序命令。它還可以包括鼠標或一些其它定點設備，用于用戶鑒定系統的醫學圖〗象特定j象素或區域。顯示器122和輸入i殳備124可以物理地結合到單片硬件單元，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，如遠程終端或網絡瀏覽器126，用于與其他放射學家或內科醫師通過遠程通訊網絡128實現共享。遠程通訊網絡128可以用直接電纜連接、局域網(LAN)或英特網實現。遠程用戶界面使內科醫師可以遠程瀏覽操作員從患者獲取的圖像，并對系統IOO自動產生的結果實時地進行任何》務正。內科醫師，無i侖是在醫學成^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100也包括多個輸出外圍設備130,以便于用戶可以重現或記錄分析時段的結果或系統的其他輸出結果。例如，輸出外圍設備可以包括基于膠片或紙張的打印機132。基于膠片的打印機可以用于轉換醫學圖像，無論是初始圖像還是經過處理的圖像，成為膠片，方便用戶用于需要膠片化圖像的更為傳統的顯示設備。基于紙張的打印機也可用于產生硬拷貝報告，用于與其他內科醫師共享或者是用于歸檔目的。另夕卜，輸出外圍設備130可以包括DICOM-兼容設備134,用于轉換或存儲經過處理的結果，即通過系統與相關報告一起產生的復合圖像。系統100具有訪問圖像歸檔服務器136的權限。圖像歸檔服務器136可以是系統100的部分。其也可以由外來服務器供應者提供，如醫院信息系統。圖像歸檔服務器136具有服務器凄t據庫138，用于儲存歸檔的圖像140。當CAD應用程序106請求圖像歸檔月良務器136的歸檔圖像140時，圖像歸檔服務器136從服務器數據庫138檢索所請求的圖像，并傳送所請求的圖像到CAD應用程序106。應該理解，歸檔的圖像是通過醫學圖像設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，如MRI、CT或PET的圖像。歸檔的圖像數據還能夠是由不同模態組合的圖像，如數字層析X射線照相組合圖像數據。歸檔的圖像140沒有必要是與當前直接連接到計算機104的醫學成像設備102相同的模態。例如，計算機可以連接到超聲成像設備，同時圖像歸檔服務器136可以包含先前從CT成像設備或MRI成像設備獲取的圖像。而且，盡管在圖1中僅僅示出了一個圖像歸檔服務器136，但應該理解，可以具有多個連接到計算機104的圖像歸檔服務器。另外，每一圖像歸檔服務器136可以不必需仫J義具有一個凄t據庫，其可以有^又限訪問多個翁:據庫，這些tt據庫可以是在不同的位置進4亍物理定位的。系統相關或產生的數據一般與歸檔的圖像140—起儲存。例如，歸檔圖像可以與在先前分析或診斷數據期間由內科醫師在該圖像上所作的注解一起儲存。優選圖像歸檔服務器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,所處理圖像的數據或時間標i己，和所;險測特4正的用戶添加或<務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應用禾呈序106的主要功能iE件的方框圖。如圖2中所示，CAD應用程序106具有圖像數據才莫塊202、處理模塊204和模態決策引擎206,用于檢索和分析圖像數據。如將在以下進行詳細描述的，圖像數據模塊202從醫學成像裝置102或圖像歸檔服務器136檢索圖像數據，并預處理該圖像數據以從圖像數據提取圖像或其他數據以便于進一步處理。檢索出來由圖像數據模塊202檢索并預處理的圖像提交到處理模塊204。提供的處理模塊204用于從預處理的圖像數據提取與所診斷疾病相關的信息。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的所懷疑病變關聯的那些特征，即鑒別病變。模態決策引擎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建立的法則組或使用預選的算法加以計算。CAD應用程序106是模塊化的，其中圖像數據模塊202、處理模塊204和模態決策引擎206中的每一個都具有用于所支持模態的組件。例如，模態決策引擎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形態學決策引擎210以及MRI動力學決策引擎212。在從特定;f莫態獲取的圖像或掃描數據由CAD應用程序106處理的同時，圖<象或掃描數據通過圖像數據才莫塊202、處理才莫塊204和模態決策引擎206的對應模態組件進行處理。特定模態的圖像數據模塊202、處理模塊204和模態決策引擎206形成了該模態的子系統。例如，圖像數據模塊202、處理沖莫塊204和模態決策引擎206的超聲組件形成了超聲子系統108。為了處理另一模態的圖像或數據，將對應的組添加到圖像數據才莫塊202、處理才莫塊204和才莫態決策引擎206的每一個，而不需要必須變更CAD應用程序106的總體體系結構。每一模態需要其自己的組件，因為一般而言，從一個模態獲得的圖像數據通常具有在其他形態中沒有發現的某些獨特方面。例如，某些與超聲圖像相關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模態專有的。圖2示出了MRI模態在每一個處理模塊204和模態決策引擎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的形態學特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的動力學，即時間特M正。CAD應用程序106具有綜合決策引擎114。綜合決策引擎114組合了從每一模態獲得的所有結果，與患者數據一起，計算用于通過單個模態鑒定的病變的綜合評分。患者數據可以包括，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從數據庫116提取患病危險信息，處理患病危險信息并把結果提交給綜合決策引擎114。患病危險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。患者病史才莫塊2164是取與患者病史有關的信息，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。患者病史可以包4舌乳癌的家力矣病史、在前癌癥的it斷和治療。患者病史信息也可以包括與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<象相關的信息。病史才莫塊216能夠使用預先拍招l的圖像有關的信息，并引導圖像數據模塊202檢索這些先前拍攝的圖像，用于與當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的圖像數據的組件。復合圖像能夠被產生并顯示出來以顯示來自多模態的結果。例如，MRS模態的結果能夠覆蓋到圖像模態之一的圖像上，并與該圖像一起顯示。綜合決策模塊114將在來自多模態的圖像中所觀察到的病變的分析結果，包括關于通過多個體元或單個體元MRS分析獲得的腫瘤的化學組成的生化信息加以關聯/人而產生綜合結果。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的結果，以提供該病變的可能分類。例如，通過所有模態檢測的局部形態特征如局部短針狀、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組合來自所有模態的結果，以推導病變的可能類型，如DCIS或CA。病變程度模塊222組合來自所有模態的結果，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的結果和綜合分類、類型和程度，以及患者患病危險和患者病史4言息，而計算或產生病變階_歐的建i義評價。綜合結果，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。應該理解，其它實施方案也是可能的。例:^，一個系統可以具有一個超聲子系統，用于處理超聲圖4象。即，一個系統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。一個系統可以具有另一個MRI子系鄉克，該MRI子系統^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莫形態的其它子系統。綜合引擎則將結合每一形態子系統的結果，以生成綜合結果。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，并且綜合結果從來自所有模態的綜合結果獲得，則提供多模態處理但不同地組合模塊的實施方案也是可能的。該綜合結果纟是交給用戶用于確認或》務正。例如，用戶能夠〗務正來自多模態之一的圖像中自動檢測的特征。應該理解，對在一種才莫態中檢測到的特征的任何修正可以影響到有關在模態級別的病變的4全測結果，并可以進一步改變該綜合結果。用戶也可以直4妄〗務正通過綜合引擎自動生成的綜合結果。無論用戶作了什么修正，修正結果都會傳回處理模塊204、模態決策引擎206、或綜合決策引擎114,這都視情況而定。^'務正的綜合結果，包4舌病變階,殳的^f務正的建議評價，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，總結出這些醫學圖像的分析和評價的結果。在操作中，用戶引導CAD應用程序106檢索由成像獲取裝置生成的醫學圖像或數據，或者檢索來自圖像歸檔服務器136的以前掃描和歸檔的圖像或數據，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頁瀏覽器126,發布指令。圖3以流禾呈圖4各式顯示了CAD應用考呈序106所經歷的過程300，以分析和處理在圖像凄t據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，即患者簡檔數據(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的時間序列進行，條件是子過程的結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據可以在超聲圖像過程之前、之后或期間進行檢索。然而，應該理解，在過程300的實施中，來自一個模態的結果經常能夠作為另一模態的輸入(或至少輸入的部分)。例如，如果MRI子過程306首先應用于MRI凄t據組，則病變質心(形心，centroid)就能夠在濃縮區域或體積內的信號增強的分析中被鑒定。如此鑒定的病變質心能夠作為用于MRI形態學過程的分割過程的起始點。盡管示出了對應于兩個才莫態的子過程，但可添加對應于其它模態如CT模態的子過程。由于這些其它模態遵循類似于超聲模態或MRI模態的步驟，所以它們在圖3中沒有顯示出。參照圖3，現在描述這三個子過程中的每一個。患者數據檢索子過程302以患病危險^莫塊214開始，從數據庫116一全索患者的患病危險凝:據(步-驟310)。數據庫可以直接訪問如圖1所示的CAD應用程序106，或請求來自外部維持的數據庫的信息可能是必要的，例如通過醫院的信息系統。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據的數據庫116或者從其他外部維持的數據庫中檢索患者病史信息。患病危險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以獲得超聲圖像數據開始，即步驟314。超聲圖像數據可以乂人醫學成像裝置102獲得。可替換地，CAD應用程序106，即其圖4象數據4莫塊202，可以從圖像歸檔月良務器136請求超聲圖像數據。一般而言，所獲得的超聲圖像數據包含除醫學圖像之外的信息。在該步驟，單個圖像也從圖像數據提取。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的身體、組織、形態以及超聲圖1象特4正。感興趣的對象可以通過異常區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應用禾呈序106在處理超聲圖^f象中的形態特征時的子步驟。超聲圖像能夠是一個區域的2-維圖像或一個體積的3-維圖像。圖像處理步驟316從選擇感興趣的區域("ROI")的步驟開始，步驟402。ROI是解剖中的一個區域，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應用禾呈序106能夠提取從另一來源已經鑒定的ROI，例如在預先檢查中鑒定的并儲存在數據庫中的ROI。或者，CAD應用程序106能夠對圖像實施形態分析，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"，即在感興趣區域中的起始點，用戶向系統選擇和鑒定ROI。用戶可以選擇分割種子點，例如通過使用定點設備并在可疑病變的中心區域中選擇該點。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域。當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)應用于該分割的ROI，以從ROI鑒定和提取形態學特征。在才莫式識別步驟406期間，在ROI中的結構特征也被鑒定和分析。它們基于其形態和組織模式或特征被分類。局部形態特征如局部毛刺、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。局部形態學特;f正與通過標準如ACR-BIRADS庫預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定義的特征組是一致的。預定義的特征和特性組一^:通過如與疾病如癌癥診斷相關的醫學專業開發。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"介可開發法則或算法。例如，可/人才艮據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，醫學圖像的較大集合首先被處理。模式識別和特征提取操作應用于在該集合中的每一圖像。鑒定的特征根據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，基于活組織檢查結果進行診斷。從圖像處理的結果和已知的診斷，能夠開發關聯所提取的特征組和診斷的統計可能性的統計模式。用于計算評價的法則組能夠從該模式中提取，其然后可應用于所分析圖^f象的結果中，以生成一個評1"介。應該理解，評價的計算并不限于4吏用統計才莫式。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雜方法如神經網絡方法的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,人醫學圖像中^是取形態學特征并基于所提取和分類的形態學特征提供可疑病變的建i義評價的方法和系統，將其全文引入作為參考。回到圖3，MRI子過程306的步驟現在進行詳細描述。如圖3所示，MRI子過程306以獲得MRI圖像數據的步驟322開始。MRI圖像數據可以通過MRI醫學成像裝置102提供，或可以從圖像歸檔月l務器136檢索出。在一個實施方案中，MRI圖^象數據是在多個MRI掃描中獲取的，形成了MRI圖像數據的時間序列。從MRI掃描的這些系列，與可l是異常如可lt病變相關的時間信息能夠在動力學分析中提取。一4殳而言，醫學圖〗象通過醫學成^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出不同的時間反差增強行為。以規律的時間間隔如每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數據的時間序列。一種診斷技術是分析由MRI數據的時間序列構建的反差變化曲線。與模式或診斷方法學相關的各種動力學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構但沒有任何細節也沒有其真實程度。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圖像數據的動力學，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。相關動力學特征一^L是那些整體或局部標準，它們能夠從反差變化曲線推導出，并且認為對于或被統計模式是重要的描述符。一種這類動力學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給用戶。CAD應用程序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期的一^:^f亍為。反差變化曲線一4殳由上行段602,轉變點604和時間延遲部分606構成。有利的是，圖6所示的反差變化曲線^C標準化，即僅顯示反差的相對增強。標準化的曲線顯示了反差增強百分數的增加(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殳與病變相關的脈管系統中反差劑的增加水平相關。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變點604標示出這種下降。第一種類型是較慢的但反差增強繼續增加。連續增強608一般認為是良性病變的指示。第二類型是持久增強，或平穩狀態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。轉變點604對應于峰值增強。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。平穩狀態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分良性和惡性病變。在提取MRI掃描的單個圖像數據的步驟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，應該注意，由于MRI數據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)能夠在形態學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-反差掃描中對應的體元4直減去前國反差#3描中的體元值，有利于強調在增強的所掃描體積內的區域，即可以對應于可疑病變中的結構的區域。應該理解，除了相減的數學操作也能實施。而且，系列數學或邏輯操作可以應用到(或之間，如果采用邏輯操作)適當的幾個包括多個后-反差的掃描，以幫助形態學分析。MRI子過禾呈306的另一分支包括以下步驟^是取和處理動力學數據(步驟330)，基于所提取的動力學特征分類病變并計算評價(步驟332)，和可選地向用戶顯示結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據一般對應于一個三維區域或體積，由4非列在3-維坐標或網格中的凝:據點(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。可替4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是詳細示出用于構建反差變化曲線的MRI子過程306的動力學分支的流程圖。這些步驟對應于圖3中顯示的步驟322和330。第一步驟，步驟702，是從醫學成像裝置102或從圖像歸檔服務器136獲取MRI數據。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據，首先被提取(步驟704)。有利的是，來自MRI子過程306的形態學分支或超聲子過考呈304的形態學分析的結果能夠在此重新使用。在形態學分析期間鑒定的相同病變能夠:帔選^^用于動力學分析(步驟706)。如果沒有進行形態學分析并且沒有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標記信號強度增加的體元。時間延遲行為(例如平穩狀態或下行)也可進行分析。顯示增強的反差和展示預期的時間延遲4亍為的體元可能在對應于病變的質心內。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，或對屬于相同病變的不同結構組元歸組到一起。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，形態學操作，包括分割和模式識別，應用于ROI,以描主會包含該病變的質心，并鑒定病變中的結構。同才羊，由MRI子過程的形態分支生成的結果能夠在此重新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，在所鑒定的形態特征之間的反差，即病變相對于周圍結構的信號強度，被評價。在一個實施方案中，在鑒定的質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。當實施另一"^斷方法學或才莫式時，對應于一些其它結構的體元可以求和。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應用程序所執行或支持的診斷方法學或模式。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數據而繼續進行。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被重復用于第一后-反差掃描。首先，已經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，實施形態學操作，以在步驟708鑒定和描纟會包含病變的質心。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。重復這些步驟用于時間序列中的所有MRI掃描，直至時間序列中的所有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亍標準化，并構建出反差變化曲線514。回到圖3,—旦反差變化曲線凈皮構建，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^殳包括動力學曲線的形狀分析和分類，即時間延遲部分606是否是連續增強608、平穩狀態610、或者下4于_歐612,在轉變點604處增強的水平，到達轉變點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特征進行分類。在一個實施方案中，如果^L察到連續增強，則病變就簡單地J3武值為0，如果觀察到平穩狀態就賦值為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、或下行的速率而執行。這樣的復雜方案一般可以采用統計學模型構建，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關聯鑒定和提取用于來自所有模態的病變的特征。來自所有模態的結果也被組合，以提供病變程度的綜合估計，從而分類病變并分級病變，即才艮據預定的分級方案提供病變的階段評價。正如先前描述的，CAD應用程序106是才莫塊化的。盡管圖3顯示了執行兩個模態，即超聲形態和MRI形態的流程圖，但是其它形態，即其它子過程，也能夠很容易地添加到CAD應用程序106中。超聲或MRI模態的任意之一也可用其它形態替換或替代。例如，在圖3A中，示出了執行MRS模態的可替換實施方式。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數據開始，步驟342。應該理解，MRS凄t據可以直接從MRS裝置102獲耳又，例如，基于來自其它模態的結果執行的程序。可替換地，MRS數據可以從圖像歸檔服務器136進行4企索。一般而言，MRS數據對應于許多MRS測定結果。每一MRS測定結果可以是單一i普圖，對應于乂人單個體元中的化學物質獲取的光i普凄t據。MRS測定結果也可以對應于乂人多個體元中的化學物質的光譜數據，如從2DCSI或3DCSI檢查獲得的數據。在2DCSI或3DCSI檢查中，每一測定結果對應于來自多個體元的化學物質的光-潛，其中的每一個體元可以為，例》口lcm31.5cm3的體禾口、。測定結果在步驟344乂人MRS凄t據揭:耳又用于進一步分析。在下一步，標記化學物質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據中分離或鑒定。膽堿特征頻率的峰值被鑒定和測定，然后轉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物質的相對強度或濃度。如果來自多個標記化學物質的生化信息是要求的，則光語數據能夠進一步進4亍處理，以分離或鑒定來自每一殘余標記化學物質的貢獻。它們的濃度或相對強度也能夠從它們各自的光譜數據計算出來。在下一步，顯示光譜分析346的結果，即對應于每一體元或多個體元的標記化學物質的濃度或相對強度。對于每一測定值，這些結果能夠以數字顯示。結果也能作為等濃度等高線作圖，以更可見地顯示標記化學物質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化成假彩色圖并置于MRI圖像上。應該理解，盡管MRS子過程340在此描述成獨立于超聲子過程304而執行，但有利的是，超聲子過程304能夠首先執行。來自形態學分析的結果，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心的集合。包圍該體積或質心的包膜就能夠生成。之后，僅僅需要分析只有對應于含在包膜內的體元的MRS數據。作為另一實例，其可以經常是這樣的情形，即來自一種才莫態，如超聲或MRI的圖像數據的分析，鑒定一個或多個懷疑癌癥的區域，例如基于單獨來自這些才莫態的凄欠據的初始評價。然而，這些結果可能不是結論性的。對于全部解剖區域或與其它模態中相同的區域不執行MRS程序，而是可以對僅僅包圍在其它模態中鑒定的可疑病變的較小的一個區域或多個區域執行MRS程序。這有助于改進效率。類似地，來自MRI或MRS分析的初步結果也可以提供用于其它模態中的數據獲取和分析的起始點。一般而言，多模態系統如系統100能夠利用來自一個模態的結果，并利用這些結果作為輸入以改進效率。由于相同的病變一^殳能夠在多模態中觀察到，所以在一種形態中進行的形態學分析的結果經常能夠直接用于另一模態中。圖3B以流程圖的形式圖示說明了采用形態學分析的結果作為，命入用于MRI動力學分析的可替換過程350。如將記住的，在形態學分析中，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于腫瘤的體積或質心的包膜。作為過程350的第一步，該分割結果首先從例如超聲才莫塊(步驟352)獲得。接著，包圍這些體元或質心的包膜就生成(步驟354)。所有含在包膜內的體元接著進行分析，以提耳又動力學特征。獲得MRI數據和將它們分成在時間序列內的不同時刻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。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。由于已經從形態學分析確定了包膜，所以僅需要處理在包膜內的體元以提取動力學信息。在時間序列中隨后的圖像或掃描類似地加以處理，以提取動力學信息(步驟356)。將動力學處理限制在包含在該包膜內的那些體元有助于消除在單獨運行中鑒定對應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系統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首先關聯由所有模態決策引擎提供的所有特征。例如，由每一模態確定的病變形狀就能在該步驟進行關聯。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中的每一個結合來自所有模態的結果，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還通過結合來自所有模態的結果給病變打分(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的結果生成的，所以在該評價中的置信水平一般會增高。基于法則的過程可以遵循以計算綜合評價。例如在每一種才莫態中一般表示惡性的特征可以賦值一個計分點。通過從所有模態獲得的記分點求和，就能夠獲得總計分。基于最終的總計分就能夠給病變分配分級評價。一般而言，基于在一種模態中所觀察到的特征通過在另一才莫態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圖像數據分析的結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，對于從多模態獲得的圖像數據可以構建統計模式，類似于對于單一模態構建的。例如，對于從多模態獲得的圖像數據庫已知的活體組織4企查的結果，采用分配給該結果的統計學幾率，能夠構建法則以將在每一多模態中所見的特征的存在關聯于腫瘤的可能分級(階段)。這組法則能夠應用于通過綜合決策引擎生成的來自所有才莫態、病變類型、病變程度和分類的結果，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，該結果傾向于更可信。作為一般性原則，從更加獨立地獲得的數據計算的評〗介傾向于更加統計學可靠。而且，從分沖斤單一才莫態的圖^f象數據的結果計算的評價，可能受到缺失數據點的強烈影響，例如，當貢獻于統計模型基本函數的重要描述符不能計算時。利用來自多模態的結果，來自另一模態的結果可以提供所需的(和缺失的)信息，因此提高了所計算評價中的置信度。然而，應該理解，盡管多才莫態的結果有利于改進評1介中的可靠性和置信度，但還是存在其中來自一種模態分析的結果可能是足夠的情況。如果來自一種形態的結果是清楚指示的，為了改進性能，通過其它才莫態的分析可以可選地跳過。例如，如果MRI動力學分析發現病變明顯是癌性的，則MRI形態學分析或通過其它才莫態進4亍的形態學分析可以可選地跳過或延緩，除非用戶特別要求形態學分析。同樣，如果形態學分析明顯表明是癌癥結論，則MRI動力學分析可以跳過或延緩。由綜合決策引擎提供的結果就會與所討論的具體模態決策引擎提供的結果相同。綜合引擎的結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的圖像就可以顯示給用戶。通過CAD應用程序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。鑒定的結果可以以標準凈艮告格式進行預置，遵循由標準如BI-RADSMRI庫或任何其他合適的標準構建的才各式。圖9示出了一種這樣的可能顯示，其示出了從第一模態獲得的第一圖像902，從第二模態獲得的第二圖像904，以及包含綜合結果的報告卯6，其中提取的特征和綜合評價預置。用戶例如內科醫師或放射學家，可以確認由CAD應用程序106計算得到的結果，或者可以修正自動檢測和評價的任何結果。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^務正或注釋所顯示的結果。例如，用戶可以重新分類病變，可以取代對CAD應用程序106生成的分類，或者用戶可以^修正由CAD應用程序計算的分級評價。用戶也可以重新分類從CAD應用程序106提取的形態學或動力學特征。這樣，CAD應用程序106就會按需重新計算，而生成修正的綜合決策與評價。一旦該結果經過用戶確認，就能夠生成報告(步驟814)。除了該結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生成的報告。一般而言，該報告內容缺省地基于所處理的圖像中可以利用的數據。換句話說，在類似于圖9所示結果中可以利用的數據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。原始醫學圖像和處理過的副本也被包括在內。最后，該報告包含圖像的結論和放射學家的評價(優選以符合有關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丈射學家對才艮告進4亍數字簽名。對于每一歸檔的案例都能夠包括和記錄數字簽名，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、圖像處理結果如病變邊界和診斷結果，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存在于患者檔案中，則就生成新的案例。CAD應用程序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據。經常，有必要對患者幾個月間隔地成像。在癌癥的手術或治療之后，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;險索子過程302,第一形態學子過程1004,和第二形態學子過程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，第一和第二形態學子過程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)的圖像數據(步驟1014)。在子過程1006的開始，才企索第二次訪問的圖像數據(步驟1020)。圖4象數據的處理(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結合從第一次訪問的圖像數據，計算第二次訪問的圖像數據中病變的綜合評價。由于圖像數據是在不同的時間獲得的，所以相同的病變，即使在兩個圖像數據中都是可見的，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，在關耳關該病變時，將需要考慮時間差。在第一次訪問的圖i象凄t據中所見的病變形成的時間投影或許是必要的。一旦關聯了兩個圖像數據組中病變的特^正，綜合評^介就能4安照以前進4亍評估。然而，應該理解，可能需要不同模式或不同標準組用于關聯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據組的結果也能提交給用戶，例如在并行比較中的放射學家。并行比較能夠包括諸如病變類型和程度以及其分類的結果。這種比較可以幫助內科醫師評價病變的形成或治療的歲文果。現在已經詳細描述了本發明各種具體實施方式。本領域技術人員應該理解，在不背離本發明范圍的情況下，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明的本質、一青神或范圍，所以本發明并不限于這些細節，而4義<又由附加的片又利要求所限定。權利要求1.一種分析解剖中的一個區域的多個醫學圖像數據和檢測所述區域中的異常的方法，至少一組所述多個醫學圖像數據包含響應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學圖像數據；從所述多個醫學圖像數據鑒定表示在所述區域中的可能病變的一個數據點組；從所述多個醫學圖像數據提取與所述數據點組相關的特征，所述特征包括形態學特征組、所述時間信息的動力學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.根據權利要求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^務正的評<介，所述々務正的評價進一步結合所述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.根據權利要求1所述的方法，其中所述動力學特征從反差變化曲線提取，所述反差變化曲線對應于所述數據點組的子組中的時間依賴性局部反差變化。4.才艮據權利要求3所述的方法，其中所述動力學特征包括將所述反差變化曲線分成連續增強、平穩和下行類型之一。5.根據權利要求3所述的方法，其中提取所述動力學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包圍的數據點中的所述時間依賴性局部反差變化進行提取。6.根據權利要求3所述的方法，進一步包括獲得使形態特征組、所述時間信息的動力學特征組和光譜特征組與可能診斷關聯的多個法則的步驟，所述初始評<介和所述》務正的評<介/人所述多個法則和所述至少兩組特4i進4于計算。7.根據權利要求1和權利要求2任一項所述的方法，其中所述多個醫學圖像數據包括從至少兩個模態獲取的醫學圖像數據，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的每一個模態，根據從所述每一模態的醫學圖像數據提取的特征進行計算，在所述計算和再計算中關聯所述模態決策。8.根據權利要求1所述的方法，其中所述生化特征從所述數據點組的MRS子組的譜圖分析提取。9.根據權利要求8所述的方法，其中所述生化特征至少包括標記化學物質的濃度分布。10.根據權利要求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記化學物質的相對強度。11.根據權利要求1所述的方法，其中所述多個醫學圖像數據至少包括選自X-射線圖像婆t據、超聲圖像數據、MRI圖像數才居、MRS數據、CT圖像數據、PET圖像數據、PET/CT圖像數據、數字層析X射線照相組合圖像數據和核素圖像數據的組的一個圖像數據組。12.根據權利要求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合所述患者患病危險信息。13.—種用于分析解剖中的一個區域的多個醫學圖像凄史據的系統，至少一組所述多個醫學圖像數據包含響應于給予反差增強劑的時間4言息，所述系統包4舌圖像數據模塊，用于檢索所述多個醫學圖像數據；形態學模塊，用于鑒定所述醫學圖像數據中的可能病變，并^^是取和分類與所述可能病變相關的形態學特征；動力學模塊，所述動力學模塊從所述多個醫學圖像凄史據提取與所述可能病變相關的時間信息的動力學特征；光譜分析模塊，所述光譜分析模塊從所述多個醫學圖l象凄t據沖是耳又與一種或多種標記化學物質相關的的生化特征；綜合決策引擎，所述綜合決策引擎接收來自所述形態學模塊的所述提取和分類的形態學特征、來自所述動力學模塊的所述時間信息的所述提取的動力學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學特4正、所述動力學特^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學圖像翁: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.才艮據權利要求13所述的系統，進一步包括形態學決策引擎，用于從所述提取和分類的形態學特征推導形態學評價；動力學決策引擎，用于從所述提取的動力學特征推導動力學評價；和光譜分析決策引擎，用于從所述生化特征推導光譜評價，其中所述綜合決策引擎在它的計算中關聯和結合所述形態學評價、所述動力學評價和所述光語評價。15.根據權利要求13所述的系統，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學特征、所述動力學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，根據權利要求13所述的系統，其中所述動力學模塊包括曲線構建才莫塊，用于構建對應于所述數據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；以及動力學分析模塊，用于/人所述反差變化曲線才是取所述動力學特征。17.根據權利要求13所述的系統，其中所述圖4象數據模塊配置用于檢索多模態的醫學圖像數據，而所述綜合決策引擎包括用于接收從所述多模態的每一個的醫學圖像數據提取的形態學特征和動力學特征的模塊。18.根據權利要求17所述的系統，其中所述多模態包括X-射線圖像數據、超聲圖像數據、MRI圖像數據、MRS數據、CT圖像數據、PET圖像數據、PET/CT圖像數據、數字層析X射線照相組合圖催4欠據和核素圖<象數據。19.才艮據權利要求16所述的系統，其中所述動力學分析模塊配置用于將所述反差變化曲線分成連續增強、平穩和下行類型之一，并且其中所述動力學特征包括所述曲線類型。20.根據權利要求13所述的系統，進一步包括患者患病危險才莫塊，用于從數據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域獲取和分析MRS醫學圖像凄t據的方法，所述方法包括步艱《獲得所述區域的多個醫學圖像數據；從所述多個醫學圖像數據鑒定表示所述區域中的可能病變的一個凄W居點組；從所述多個醫學圖像數據提取與所述可能病變相關的特: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選標準，就完成以下步艱《從包括所述可能病變的所選區域獲取MRS醫學圖傳_數據；從所述MRS醫學圖像數據提取生化特征；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.根據權利要求21所述的方法，其中至少所述多個醫學圖l象凄史據的部分包含響應于向患者纟合予反差增強劑的時間信息，而所-述特征包括形態學特征組和所述時間信息的動力學特征組中的至少一個。23.根據權利要求22所述的方法，進一步包括獲得多個使所述形態學特征組、所述時間信息的動力學特征組和具有可能診斷的所述光譜特4正組相關耳關的法則的步驟，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.根據權利要求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學特征，所述動力學特;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<務正，和再計算修正的評價，所述修正的評價進一步結合所迷4)務正進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務正。25.—種用于分析解剖中的一個區域的醫學圖^f象凄t據的系統，所-述醫學圖傳4t據從多個才莫態獲耳又，所述系統包括圖像數據模塊，用于接收所述醫學圖像數據；多個圖像處理模塊，每一個用于處理從所述多個模態之一獲取的圖像數據，所述每一個模塊鑒定在所述醫學圖像數據中的可能病變，并提取和分類與所述可能病變相關的一個才莫態特4正組多個模態決策引擎，所述模態決策引擎的每一個對來自與所述模態相關的所述模態特征組的所述多個模態的一個才莫態計算所述可能病變的模態評價；綜合決策引擎，所述綜合決策引擎結合所述模態評價并從所述模態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學圖傳4t據的一名P分以及所述初始診斷評價，以便用戶評估和^f務正。26.根據權利要求25所述的系統，其中至少所述所述醫學圖4象凄t據的一部分包含響應于向患者給予反差增強劑的時間信息，并且所述^^莫態特征組包括形態學特征組和所述時間信息的動力學特4正組中的至少一個。27.根據權利要求25所述的系統，其中至少所述醫學圖像數據的一部分包含從MRS數據獲取獲得的光譜信息，并且所述才莫態特征組至少包括一種或多種標記化學物質的生化特征。28.根據權利要求27所述的系統，其中所述生化特征至少包括所述一種或多種標記化學物質的濃度分布。29.根據權利要求2528中任一項所述的系統，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決策引擎的另一模態決策引擎中的至少一個的輸入。30.根據權利要求29所述的系統，其中所述輸入是對應于所述可能病變的一個病變數據點組的基準。全文摘要本文描述了一種惡性病變的醫學圖像和檢測的計算機輔助分析的系統和方法。對從多模態(藥征)獲得的醫學圖像進行了分析。形態特征以及時間特征(即，動力學特征)相結合，以計算在醫學圖像中檢測的可能病變的綜合評價。該系統包括至少一個動力學模塊，其能夠從向患者給藥反差增強劑之后采集的MRI圖像或MRS數據的時間序列提取動力學特征。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日優先權日2005年11月23日發明者卡倫·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