具有自动化病变检测和骨疾病负荷变化的量化评定的计算机辅助骨扫描评定

摘要

一种计算机辅助的骨扫描评定系统和方法提供了自动化病变检测和骨疾病负荷变化的量化评定。

说明书

优先权声明

本申请要求于2011年10月18日递交的美国临时专利申请No.61/548,498 且名称为COMPUTER-AIDED BONE SCAN ASSESSMENT WITH  AUTOMATED LESION DETECTION AND QUANTITATIVE ASSESSMENT OF  BONE DISEASE BURDEN CHANGES（具有自动化病变检测和骨疾病负荷变化 的量化评定的计算机辅助骨扫描评定）的权益。本申请要求于2012年10月16 日递交的美国临时专利申请No.61/714,318且名称为COMPUTER-AIDED  BONE SCAN ASSESSMENT（计算机辅助骨扫描评定）的权益。

通过引用合并

为了所有目的而通过引用将于2011年10月18日递交的美国临时专利申请 No.61/548,498和于2012年10月16日递交的美国临时专利申请No.61/714,318 整体合并入本申请。

技术领域

本发明涉及医学成像领域。本发明更具体地涉及骨扫描、骨病变和骨疾病 评定。

背景技术

骨肿瘤可能起源于骨中，或者它们可能起源于其它位点而蔓延（转移）至 骨架中。例如，骨中的继发性肿瘤时常产生于转移的前列腺癌。来自骨扫描的 影像显示出与原发性骨癌或转移性癌相关的病变，且对来自骨扫描的影像的解 释广泛地应用于疾病的诊断和治疗中。

已经报道了少数几种用于骨扫描的计算机辅助病变检测系统。这些技术包 含半自动影像分割程序，该半自动影像分割程序在临床环境中使用时时常花费 太长时间（例如Erdi等人和Yin等人的那些半自动影像分割程序）。Erdi等人 描述的半自动方法需要使用者将种子点插入到影像上的每一转移区域中，考虑 到患有骨转移的病人经常具有多个疾病位点，因此这是非平凡的程序。参见Erdi  YE,Humm JL,Imbriaco M,Yeung H,Larson SM在J Nucl Med的1997年38期 1401–1406页上发表的文章Quantitative bone metastases analysis based on image  segmentation（基于影像分割的量化骨转移分析）。还参见Yin TK,Chiu NT在 IEEE Trans Med Imaging的2004年23期639–654上发表的文章A computer-aided  diagnosis for locating abnormalities in bone scintigraphy by a fuzzy system with a  three-step minimization approach（在骨闪烁法中利用三步最小化法通过模糊系统 用于定位异常的计算机辅助诊断）。

最近，由Sadik等人开发的全自动方法使通过影像分割进行的骨病变检测 与通过人工神经网络进行的扫描评价相结合，以根据病人发生骨转移的可能性 对他们进行分类，从而得到有可能“骨转移”或可能“无骨转移”的二元扫描 评级。参见Sadik M,Jakobsson D,Olofsson F,Ohlsson M,Suurkula M,Edenbrandt  L.在Nucl Med Commun的2006年27期417–423页上发表的文章A new  computer-based decision-support system for the interpretation of bone scans（一种新 的用于解释骨扫描的基于计算机的决策支持系统）。

虽然该系统呈现出与由医生确定的骨转移可能性的评估的良好相关性，但 该系统没有提供对连续扫描进行对比的量化度量（metric），也没有提供评定治 疗结果的工具。

重要的是，还没有对报道的结果进行涉及病人获益（例如骨架相关事件的 减少或生命的延长）的真实测量、构成监管部门许可的基础的测量方面的研究。

相反，已经开发了用于影像增强的系统，以使来自连续扫描的影像标准化， 以便于医生进行解释，但是该系统还没有试图识别病变。参见Jeong CB,Kim KG, Kim TS,Kim SK在J Digit Imaging的2011年24期424–436页上发表的文章 Comparison of image enhancement methods for the effective diagnosis in successive  whole-body bone scans（针对全身骨扫描中的有效诊断的影像增强方法的对比）。

之前，已经通过对前列腺癌中负荷的转移骨疾病的骨闪烁进行了量化评定， 其中包含度量的开发，例如骨扫描指数（BSI）和骨扫描上的阳性面积的百分比 （%PABS）。参见Imbriaco M,Larson SM,Yeung HW,Mawlawi OR,Erdi Y, Venkatraman ES等人在Clin Cancer Res的1998年4期1765–1772页上发表的 文章A new parameter for measuring metastatic bone involvement by prostate cancer: the Bone Scan Index（用于测量由前列腺癌累及的转移骨的新参数：骨扫描指 标）。还参见Noguchi M,Kikuchi H,Ishibashi M,Noda S.在Br J Cancer的2003 年88期195–201页上发表的文章Percentage of the positive area of bone  metastasis is an independent predictor of disease death in advanced prostate cancer （骨转移的阳性面积的百分比是对晚期前列腺癌疾病死亡的独立预测因子）。

BSI和%PABS作为患前列腺癌的病人的预后因素均已经经历了初始评价， 但是用于计算这些度量的方法花费太长的时间，因为需要对骨扫描进行大量的 人工注释。作为评定治疗反应的可行度量，对%PABS和BSI的评价正在不断发 展中。参见Yahara J,Noguchi M,Noda S.在BJU Int的2003年92期379–384 页上发表的文章Quantitative evaluation of bone metastases in patients with  advanced prostate cancer during systemic treatment（对患有晚期前列腺癌的病人 在系统治疗期间的骨转移的量化评价）。还参见Morris MJ,Jia X,Larson SM, Kelly A,Mezheritzky I,Stephenson RD等人在2008年的Genitourinary Cancers  Symposium上发表的Post-treatment serial bone scan index(BSI)as an outcome  measure predicting survival（治疗后系列骨扫描指标（BSI）作为预测存活的测 定结果）。

尽管之前计算机辅助检测（CAD）系统已经应用于骨扫描分析中，但它们 缺少本发明实施方式中的特征。例如，这些已知的系统典型地仅对病人的单次 扫描进行病变检测，而不对连续扫描进行对比。

发明内容

一种提供具有自动化病变检测的骨扫描评定和骨疾病负荷变化的量化评定 的系统和方法。

在各种实施方式中，使用骨扫描来监控治疗效果利用了在单次扫描内对病 变进行的准确切割和量化，以及在连续扫描之间的病变测量值的对比。实施方 式提供了一种准确且可再现地切割和量化骨病变以辅助医生在病人本身和病人 之间进行对比的自动化系统。

本发明人对结合了自动化病变切割（包含影像标准化）和疾病负荷的量化 评定的骨扫描计算机辅助治疗评定系统进行了分析验证。对未治疗的病人和治 疗的病人的成功分组，被用来评价系统评定治疗效果的能力。

验证显示，该系统能够降低手动注释的骨扫描分析的差异性，以便前后一 致地获得客观、可再现且量化的测量值，从而为个体测量与其它临床和实验室 结果数据之间的预期关联给出了基础。

验证显示，该系统能够进行准确的自动化骨扫描病变分割（病变像素的检 测）且能够提供病变负荷的量化测量，该病变负荷的量化测量然后可以用于评 定在经治疗和未经治疗的病人中的疾病状态的变化。

在各个实施方式中，本发明可以用计算机程序（软件）实现。该程序可以 通过影像获取装置、读取工作站、服务器和/或其它适当的装置来执行。在服务 器上的处理可以有助于与集中式影像档案系统的交互，且有助于将骨扫描分析 报告储存在集中式数据库中。该系统还可以（例如经由互联网）被远程访问。

本发明的实施方式可以参照等式、算法和/或方法的流程示意图进行描述。 这些方法可以使用指令集单独实现或作为系统的一组件来实现。这样，每一等 式、算法、流程的操作和/或它们的组合可以以多种方式（例如硬件、固件和/ 或软件）来实现。计算机程序指令可以被加载在计算机上，以便计算机程序指 令提供一种实现由等式、算法和/或流程指定的功能的方式。

附图说明

参照附图描述本发明。并入本文中且形成说明书的一部分的这些附图例示 了本发明的实施方式，且与说明一起进一步用于解释本发明的原理，且使得相 关领域的技术人员能够实施和使用本发明。

图1示出了根据本发明的计算机辅助量化骨扫描评定系统。

图2示出了根据本发明的计算机辅助骨扫描评定过程的概述。

图3示出了图2的评定过程的更详细的概述。

图4示出了根据图2的方法基于参考影像计算正常骨标准化值RIMEDIAN 的方法。

图5示出了包含使用专家和识别指示病变的强度阈值的方法。

图6示出了根据图2的过程的包含使用专家和识别指示病变的强度阈值的 第二方法。

图7示出了根据图2的过程的识别指示病变的真阳性像素。

图8示出了根据图2的过程的评价解剖学特定的度量。

图9示出了根据图2的过程的评价所有解剖学区域的简略度量。

图10示出了根据图2的过程的示例性评定系统的操作场景。

具体实施方式

在下文中提供的内容描述了本发明的一些实施方式的实例。设计、附图和 描述是其所公开的实施方式的非限制性实施例。例如，公开的装置和/或方法的 其它实施方式可以包含或可以不包含本文所描述的特征。此外，公开的优点和 益处可以仅适用于本发明的特定实施方式，且不用于限制所公开的发明。

如在本文中所使用的，术语“耦合”包含直接连接和间接连接。此外，当 提到第一装置和第二装置耦合时，在该第一装置和该第二装置之间可具有包含 有源装置的中间装置。

图1示出了根据本发明的计算机辅助量化骨扫描评定系统100。处理单元 108接收来自影像获取设备102的影像数据。来自这些影像和其它影像的、经 过处理或未经过处理的数据经由用于存储经选择的数据的基准单元104，可被 处理器获得。在各个实施方式中，处理器的输入包含使用者的输入和设定106， 例如由专家对任何病人状况的评价、期望的影像质量和设备性能所得到的那些 输入和设定。在一些实施方式中，处理和/或使用者的输入至少部分地在影像获 取设备中进行。

骨扫描成像设备102包含在核医学中通常使用的任何合适的骨成像设备。 例如，在各个实施方式中，成像设备利用放射性同位素和辐射敏感相机，例如 在闪烁成像系统和装置中使用的那些放射性同位素和辐射敏感相机。具体来说， 闪烁法是一种联合使用放射性同位素与γ相机以指示积累放射性同位素的组织 的技术。这里，γ相机像素强度示出骨中积累的放射性同位素和高代谢活性的 局部区域（指示骨病变的事件）。

基准设备104包含用于存储数据和/或数据相关信息的任何适合的工具。典 型的基准单元包含数字数据存储装置，该数字数据存储装置包含半导体存储器、 移动介质存储器（例如硬盘驱动器）、光存储器以及在计算领域中已知的类似装 置和设备。

使用者输入装置106包含用于将使用者的输入输送至处理器108的任何合 适的工具。在各个实施方式中，使用键盘、鼠标、触摸屏和相关的输入处理工 具（例如个人计算机）中的任一种。

在一些实施方式中，提供了调节单元或调节站114一用于对处理器输出数 据109进行增强和质量控制。尽管可以例如使用模式识别技术使该功能自动化， 但在各个实施方式中，由专家（例如具有核医学专业知识的核医学放射学家） 来增强和/或纠正骨扫描影像/数据。如辨别出由先前存在的状况（例如关节疾病 和骨折）所引起的错误的病变指示，且相应地将其解决。

骨扫描处理108包含处理设备、方法和过程。适合的设备包含在计算领域 中已知的任何适合的信息处理设备。具体来说，在各个实施方式中，包含微处 理器、个人计算机、工作站、大规模并行计算设施和超级计算机中的任何一种 或多种的数字处理设备提供了适合的处理功能。

可视化设备110包含在计算领域中已知的任何适合的设备，包含显示器和 打印机。显示器包含CRT、LED、等离子体显示器、荧光显示器和电致发光显 示装置。打印机包含将信息固定在有形介质中的装置，例如激光打印机和具有 相似用途的装置。

图形可视化辅助工具112用于使物理结构可视化，且尤其用于使指示病变 的骨扫描数据可视化。可视化辅助工具包含复合影像的特例，该复合影像采用 呈现出基础影像或基本影像被上层影像覆盖的影像集的形式。上层影像的半透 明和/或透明的质量使得可同时观察基本影像的至少部分和上层影像的至少部 分。

如附图中所示，处理器输出端109将信息输送至可视化设备110、图形可 视化辅助工具112和调节单元114中的一个或多个。在各个实施方式中，可视 化设备和辅助工具使得未经调节的处理器输出111和经调节的处理器输出115 之一或两者均可视化。

下面的附图更加详细地描述了在计算机辅助量化骨扫描评定系统100中执 行的方法和程序，包括在处理单元108中执行的方法和程序。

图2示出了根据本发明的计算机辅助骨扫描评定程序的概述200。初始化 步骤202使能标准化测试影像步骤204以及对测试影像的评价，对测试影像的 评价包含识别病变和生成量化度量206。如图所示，后续的测试影像评价典型 地不需要重复初始化步骤。

在初始化步骤202中，获取一个或多个基准影像。典型地，从针对原发性 骨癌或转移性骨癌指示具有阳性指示的多个病人中获取多个基准影像。从各种 各样的病人群体中选择一组基准影像有助于提高如下的可能性：基准范数 （reference norm）将指示在随后的对比测试影像中的骨病变，而不是未能指示 在随后的对比测试影像中的骨病变。

初始化步骤202包含确定指示正常骨强度的标准化因子。这里的强度指可 视化的光强度，例如在通过γ相机获取的影像中像素的强度。初始化还包含： 使用基准影像来确定指示骨病变的强度阈值。在各个实施方式中，存储由初始 化步骤确定的标准化因子和强度阈值，以备将来使用。在一些实施方式中，这 些值被存储在基准单元104中。

已经完成初始化步骤之后，接着进行标准化步骤204和评价步骤206。在 标准化步骤中，通过影像获取设备102或其它设备获取测试影像（如代表影像 的数据），且按照以下进一步描述的方法标准化该影像。

标准化204准备了用于评价的测试影像，该评价包含病变识别和度量生成 206。在各个实施方式中，为了改善病变分割和量化的再现性，标准化降低了由 于在体型、放射性示踪剂的剂量水平和/或在示踪剂给药和扫描获取之间的时间 上的差异而产生的强度变动的影响。在强度标准化之后，正常骨的像素强度在 时间点之间是一致的，从而能够在系列病人影像中得到可重现的病变分割和量 化评定。

来自评价步骤206的度量提供了对病变负荷的量化测量。如在决定步骤208 中所示，可以对额外的测试影像进行标准化和评价，而不需要重复初始化步骤 202。在处理完所有的测试影像之后，到达结束步骤210。

在一个实施方式中，为一位具体的病人做出多个测试影像并对这些测试影 像进行处理。每一个测试影像均提供了对该病人的病变负荷的量化测量，这样 在不同时间做出的测试影像提供了病人健康监控，其中包含疾病是否对治疗有 反应、是否稳定或是否在发展。

图3示出了本发明的计算机辅助骨扫描评定的实施方式的更详细的概述 300。如前所述，初始化步骤202之后进行标准化步骤204和评价步骤206。

初始化步骤202包含：获取基准影像，使用基准影像确定正常骨的标准化 值（“RIMEDIAN”）400，以及使用基准影像确定解剖学区域特定的强度阈值 （“IT_r”）500、600。如上所述，典型地从多个骨癌病人中获取302多个基准影 像。

标准化步骤204包含：获取测试影像304，确定测试影像正常骨强度值 （“TI75”）314，以及对测试影像像素强度进行标准化324。

如等式1所示，根据测试影像正常骨强度TI75和基准影像标准化值 RIMEDIAN计算标准化因子NF。

等式1，标准化因子：NF=(RIMEDIAN/TI75)

标准化因子NF用于对测试影像中的像素强度进行标准化。如等式2所示， 对测试影像像素进行标准化，其中TIPI_i是特定像素的测试影像像素强度，TIPIN_i是该像素的标准化测试影像像素强度。

等式2：TIPIN_i=TIPI_i x NF

在该标准化之后，基准影像中的正常骨强度与测试影像中的正常骨强度一 致。

标准化204为评价206准备了测试影像。评价步骤包含：指示病变700， 评价解剖学区域特定的度量800，以及评价针对所有解剖学区域的汇总度量 900，下面将对每一步骤进行进一步描述。

这些度量提供了对病变负荷的量化测量。如在决定步骤338中所示，可以 对额外的测试影像进行标准化和评价，而不需要重复初始化步骤202。在处理 完所有的测试影像之后，到达结束步骤348。

图4示出了根据基准影像计算正常骨标准化值RIMEDIAN的方法400。识 别解剖学区域411，对基准骨影像集进行解剖学分割413，在每一影像中识别正 常骨强度值415，以及确定代表所有基准影像的基准骨强度值417。

在步骤411中，识别解剖学区域。这些区域通常代表骨架区域。在实施方 式中，解剖学分割通过将影像图谱与下面的解剖标记进行对比来识别解剖学区 域：脊柱、肋骨、头部、四肢和骨盆。

在步骤413中，自动分割基准骨影像集。这里的分割对应于上面识别的解 剖学区域。

在步骤415中，在每一基准影像中识别正常骨强度值。在各个实施方式中， 在每一基准影像的特定区域选择有统计学价值的强度以代表正常骨强度。所使 用的统计学赋值可以是基于经验的，基于尝试-错误程序进行评价的，或以本领 域技术人员已知的另一方式确定的。

在基于发明人经验的示例性情况中，正常骨强度由特定解剖学区域的强度 柱状图的75%值RI75_x（1≤x≤区域的数量）指示。在实施方式中，通过从骨 端区强度柱状图中选择的75%值RI75_x来确定基准影像中的正常骨强度。

在步骤417中，确定代表所有基准影像的基准骨强度值。在各个实施方式 中，该代表性骨强度值是与上面提到的75%值RI75_x的集合对应的中值 RIMEDIAN。

图5和图6示出了用于从基准影像中确定解剖学特定的强度阈值的方法 500、600。图5示出了包含使用专家和识别指示病变的强度阈值的方法500。 第一步骤511提供了专家，例如在看懂核医学影像且尤其在患有骨病变的病人 的骨扫描影像的领域中的专家。在该步骤中，专家定位基准影像上的病变。在 第二步骤513中，对专家指示进行评价。该评价确定指示病变的强度阈值。

图6示出了包含使用专家和识别指示病变的强度阈值的第二方法600。步 骤包含注释611、分类613和确定强度阈值IT_r。

注释611利用了专家，例如上面所提到的专家。在这里，专家对每一基准 影像进行注释，以指示病变。分类613对专家标示进行分类，以使像素与病变 相关联。在实施方式中，使用二元分类器系统，从而将指示病变的专家标示分 类为真阳性像素，且将其它骨像素分类为真阴性像素。

对于每一个解剖学区域，强度阈值确定615确定单一的强度阈值IT_r，有助 于重现用于基准组中的所有病人的分类。

例如，对于每一个解剖学区域，发现强度阈值对于组中的所有病人均使真 阳性的数目最大化（增加的平均敏感度），同时使假阳性的数目最小化（增加的 平均特异性）。

在各个实施方式中，经由解剖学区域特定的强度阈值对标准化影像进行进 行病变分割，以通过将特定阈值应用至标准化影像上然后进行相连元件滤波， 来检测每一个解剖学区域中的病变。

另外，在各个实施方式中，使用接受者操作特征曲线（ROC或ROC曲线） 以评价上述二元分类器系统的性能。通过在各个阈值设定处标记阳性中的真阳 性部分（TPR=真阳性比率）对比阴性中的假阳性部分（FPR=假阳性比率），来 创建曲线/准则。TPR还已知为敏感度，且FPR是1减去特异性或真阴性比率。

改变鉴别阈值（这里是强度阈值（IT_r））以确定IT_r值，该IT_r值有助于优 化平均敏感度和平均特异性。例如，将真阳性病变像素标记为假阳性病变像素 的函数的ROC曲线将典型地具有指示最佳IT_r值的斜率的特有变化。

图7示出了识别指示病变的真阳性像素700。如上所述，识别解剖学区域 711。使每一测试影像解剖学区域中的像素强度与对应的强度阈值IT_r相匹配， 进行下面的测试713。

等式5，病变的指示：TIPIN_r,i>IT_r

显然，该等式将特定解剖学区域中的标准化测试影像像素强度与源自基准 影像的解剖学特定的强度阈值IT_r相对比。当测试影像像素强度大于对应的强度 阈值时，该像素是指示存在病变的真阳性像素。

图8示出了评价解剖学特定的度量800。具体来说，对于每一个解剖学区 域，对真阳性像素的数目Z_r进行计数813。此外，在后续步骤815中，对所有 真阳性像素的强度求和SUMI_r。对于每一个解剖学区域均重复这些步骤817。

图9示出了评价汇总度量900。汇总度量包含所有解剖学区域。

如等式6中所示，评价汇总骨病变面积911，其中P_A代表1个像素的面积。

等式6，汇总骨扫描病变面积（BSLA）

如下面等式7中所示，评价汇总骨病变强度913。

等式7，汇总骨扫描病变强度（SBLI）：

因此，汇总骨病变面积代表骨扫描上的活性区域的大小和数目的量化，而 骨扫描病变强度代表骨形成活性的水平。

在各个实施方式中，评定骨病变计数915。在实施方式中，利用病变面积 标识符将病变识别为包含至少5个连续像素的分离的区域，每一像素均高于确 定的强度阈值。在各个实施方式中，病变标识符和连续像素组的大小不仅考虑 大到足以值得关注的特征，而且还要考虑是否存在如下的可能性：所选择大小 的组将同时受到常见故障（例如有缺陷的扫描仪相机像素）的影响。

等式8，汇总骨痂病变计数（BSLC）：

高于确定的强度阈值的至少5个连续像素的分离区域的数目。

为了量化评定病人对治疗的反应，可以在反应评定的过程中计算来自给定 病人的系列骨扫描之间的病变负荷度量的变化。可以使用病变负荷度量的百分 比变化来评定治疗进展和/或反应，且在描述每一反应类别的百分比变化中具有 分界点。例如，骨扫描影像病变面积增加30%或更多时可以认为是发展的，而 减少30%或更多时可以认为是反应的。

在操作中，可以改变上述评定中的步骤以适合于影像、源自影像的数据和 基准影像处理步骤的可用性。例如，在对测试影像进行标准化之后，可以从基 准影像确定解剖学区域特定的强度阈值。在另一实施例中，可以对多个基准影 像集处理，且将对应的RIMEDIAN和TIr值用于一个或多个测试影像。同样地， 本领域普通技术人员应从本公开中认识到与上面描述的影像处理步骤的顺序不 同的顺序在一些情况中是适当的，例如其中存在搜索最佳基准影像集的情况。 因此，可以改变上述系统的操作以适合于特定的需要和限制。

图10例示了示例性的评定系统操作场景1000。通常，使用来自基准影像 的数据处理输入影像，以产生对骨疾病负荷的量化评定。在某种程度上，存在 处于治疗间隔的病人影像，在疾病的量化标记的变化指示对治疗的反应、发展 的疾病或稳定的疾病。

如图所示，可获得病人基线和第6周的影像1020。评定过程以大体相同的 方式提供基线和第6周影像的量化疾病标记。

最初，进行解剖学分割以分割输入影像1002。在影像分割过程中，将影像 划分成解剖学区域。该实例中所选择的解剖学区域是脊柱、肋骨、头部、四肢 和骨盆。输入影像的解剖学分割提供了类似于例示的分割影像1022的分割影 像。

对分割的输入影像进行影像强度标准化1004。该标准化产生类似于例示标 准化基线和第6周影像1024的影像。

在影像标准化1004之后进行病变分割或识别1006。在这里，将在输入影 像的每一区域中的强度标准化像素与源自如上所解释的基准影像的对应区域的 强度阈值进行对比。源自基准影像的区域特定强度阈值指示输入影像中的病变。

可选的使用者检查和编辑（以获得使用者认可的病变分割1008和在图1 中示出的调节114）使得可对评定进行人工调节。例如，可以在此时解决由于 关节疾病和断骨而造成的假阳性。具有或没有可选的使用者检查和编辑的病变 分割产生类似于例示的基线和第6周病变指示影像1026的影像。

在病变分割1006及使用者检查和编辑1008（如果有的话）之后，进行病 变负荷的计算1010。在该步骤中，确定病变面积的测量值、病变强度和特定区 域和/或所有区域的病变计数。在实施方式中，对所有区域的病变面积进行求和， 且对所有区域的病变强度进行求和。在各个实施方式中，病变计数（例如所有 区域的病变计数和）与病变面积和病变强度的汇总值一起提供了量化病变负荷 的工具。

在各个实施方式中，病人反应评定1012包含病人反应分类报告，该病人反 应分类报告示出例如反应或发展或稳定。在实施方式中，图表1028提供了基线 和第6周测量在骨扫描病变计数、骨扫描病变面积和骨扫描病变强度上的量化 对比。

在一些实施方式中，影像对比利用了基础影像与半透明的覆盖图。在一实 施方式中，存在着色或不着色的自动化分割的区域影像，作为在骨扫描影像（原 始的或标准化的）上的半透明的覆盖图。这样尤其可以用作根据需要调节和/ 或编辑影像114的操作者辅助手段。

在一实施方式中，基础影像（例如具有病变分割的基线影像1026）与第6 周影像（或来自另一治疗间隔的类似的影像）的半透明覆盖图一起使用。在这 里，可以使用颜色或着色以增强“之前和之后”状况之间的可视化差别。显而 易见地，这些影像对比提供了被视为定性的“直观”信息的信息。在一定程度 上，注意保存在原始影像中的细节，它们也体现了骨疾病负荷变化的量化测量。

尽管已经在上面描述了本发明的各个实施方式，但应理解它们仅以举例而 非限制的方式被提出。对于本领域技术人员明显地是可以在不偏离本发明的精 神和范围的情况下，可以在形式和细节上进行各种变化。这样，本发明的宽度 和范围不应受到上述示例性实施方式的限制，而是应根据以下权利要求书及其 等同物来限定。