[0001] 本发明涉及一种用于将取自患者的患者组织样本的三维分析数据记录和患者的三维图像数据记录进行融合的方法，患者的三维图像数据记录指示：在移除之前从中取出组织样本的移除区域。本发明还涉及融合设备、计算机程序和电子可读数据存储介质。

[0002] 已知从患者身体取出组织样本以便获得与人体中的病变(例如肿瘤)有关的更精确的信息。例如，可以在活组织切片检查过程中手术移除肿瘤或肿瘤的一部分。这可以例如通过使用中空针、作为手术介入和/或微创介入的一部分而被执行。然后，例如可以使用显微镜更精确地检查所取出的组织样本，其中存在能够精确评估组织的多个染色方法。组织样本可能非常不均匀，特别是在肿瘤的情况下。例如，健康组织以及腺瘤、癌和坏疽可以同时存在于肿瘤内。

[0003] 事实上，诸如计算机断层扫描、磁共振成像和/或超声成像的成像方法实现了越来越好的分辨率，例如高达远低于1mm的体素尺寸。作为特别是关于计算机断层扫描的模态，越来越高分辨率的X射线探测器也正被开发，例如直接转换探测器(也被称为光子计数探测器)。然而，分辨率仍在光学显微镜分辨率以下100倍至1000倍的范围内，光学显微镜可以在取出组织样本时被使用。

[0004] 放射科医生和/或任何其他医师可能仍然期望：能够在先前围绕的解剖结构的上下文内来理解组织样本的分析结果，以便得出进一步结论，特别是在诊断范围内，例如持续钙化等。例如，使用光学显微镜的组织样本的分析结果可以是分析数据记录(组织学数据记录)，分析数据记录将与图像数据记录(放射学数据记录)一起精确定位而被示出，以便确定：组织样本源自的病变在图像数据记录中的位置、所示出的环境等。为此，仅已知：在大多数情况下使用二维图像记录，二维图像记录在取组织样本(特别是活组织切片)时已被记录，以便实现图像支持。在大多数情况下，术中图像记录质量较差，从而无法提供诊断相关性，特别是考虑到X射线成像的辐射限制和/或其他模态所需的快速记录。

[0005] 还提出：借助成像(例如X射线成像)来检查组织样本本身，以便从预检查来重新定位特定特征(例如钙化)，如针对例如乳腺X射线扫描所描述的。然而，在大多数情况下，无法再有意义地产生与在取组织样本之前被记录的图像数据记录有关的上下文。

[0032] 图1示出本发明方法的示例性实施例的流程图，其中图像数据记录1和患者的组织样本的分析数据记录2将被融合，这里图像数据记录1是计算机断层扫描数据记录(CT数据记录)，并且使用计算机断层扫描设备作为图像记录设备来记录，患者的组织样本在图像数据记录1被记录之后取出。这里使用直接转换探测器作为X射线探测器和记录协议来记录图像数据记录1，该记录协议允许在组织样本所属的病变区域中的更高的辐射强度。因此，图像数据记录1至少在组织样本随后从中取出的移除区域是高分辨率的，其中分辨率仍然显著低于分析数据记录2的分辨率，分析数据记录2例如通过使用切片机划分组织样本、应用组织学染色方法并使用显微镜进行光学显微镜检查来确定。组织样本还显著大于图像数据记录1的体素范围，该体素范围定义可能的最佳局部分辨率。分析数据记录2可以例如使用分析设备来确定，通过该分析设备可以实现划分成不同层、染色方法和光学显微镜检查，使得通过叠加来自层的显微镜检查的信息来确定三维分析数据记录2。

[0033] 在这里所描述的融合方法的范围内，现在首先从分析数据记录2确定中间数据记录3，中间数据记录3的中间数据与利用图像数据记录1的模态而记录的图像数据相对应，这里该模态即是计算机断层扫描。为此，在步骤S1中，首先执行：将分析数据记录2的分辨率降低到图像数据记录1的移除区域中的分辨率，其中组织数据分别被分配给由此产生的较大体素，该组织数据在步骤S2中允许通过仿真计算机断层扫描的成像过程来确定中间数据记录3。这里使用人工智能分配算法对组织数据进行分配，该人工智能分配算法从较大体素的分析数据来分配与图像数据记录1的模态相关的对应组织数据，一个较大体素由分析数据记录2的多个较小体素组成。特别地，这里也可以考虑纹理分析的纹理数据，该纹理分析已在分辨率降低之前被执行；在各种情况下，有利的是：通过分配算法来执行任何类型的结构分析，因为可以正确标识和处理例如通过准备组织样本而发生的变化，例如脂肪替换为充满空气的液泡。结构分析也可以以与纹理分析不同的方式来执行，然而其中优选使用后者。

[0034] 对于分辨率降低，基本应用已知的统计过程，在简单的实施例中，例如，与所包含的组织类型有关的平均值形成，或最频繁出现的组织类型和对应的组织数据的分配。

[0035] 因此，在步骤S2中，存在对成像进行仿真所需的信息，在计算机断层扫描成像且已知体素中的组织类型的情况下，可以相对直接的执行仿真，因为可以将HU值(由此的图像数据)直接分配给例如可以由组织数据描述的组织类型；然而，虚拟投影等自然也是可用的。这里描述的方法自然也可以应用于其他模态的图像数据记录1，特别是磁共振成像和/或超声成像，其中这里在步骤S2中可以进行更复杂的仿真。

[0036] 在步骤S3中，然后将中间数据记录3与图像数据记录1配准，其中这里配准通过两个步骤执行。首先使用辅助图像的呈现，该辅助图像被记录用于对组织样本的移除的图像支持，该辅助图像也已与图像数据记录1配准。因为在这些辅助图像中，组织样本从哪里被取出是大致明显的，从而在步骤S3的第一子步骤中执行第一粗略定位。基于该粗略定位，然后通过基本已知的配准算法来执行精细配准。

[0037] 这里应该再次注意，在步骤S2中，对于为了获得中间数据记录3的成像仿真，考虑了已被用来记录图像数据记录1的至少一个图像的记录参数，使得存在中间数据记录3和图像数据记录1的优异的可比较性，这简化了配准。针对图像数据记录1中用不同记录参数记录的每个图像，中间数据记录3中对应的中间图像也是可用的。

[0038] 步骤S3中的配准的特定变型同样可以通过纹理分析来实现。在这方面，由纹理数据描述中间数据记录3的纹理，其中中间数据记录3的对应纹理逐块地与图像数据记录1的纹理比较，以便限定匹配。这里也可以使用人工智能配准算法，例如神经网络。

[0039] 步骤S3的结果是配准规则，配准规则被用在步骤S4中，以融合分析数据记录2和图像数据记录1，以便形成融合数据记录4。这里优选进行叠加，使得观察者可以同时观察组织学信息和放射学信息。

[0040] 图2示意性地示出一个可能的显示5。在移除点6处将分析数据记录2的组织学信息8插入图像数据记录1的放射学信息7中，移除点6已借助步骤S3中的配准而被定位。所提供的缩放功能允许更清楚地观察移除点6和在此叠加的信息7、8。由于分析数据记录2是三维的，因此可以通过对应的重构技术，例如通过多平面重构(MPR)来生成被调整到三维图像数据记录1的对应层的显示。

[0041] 最后，图3示出根据本发明的融合设备9的示意图，该融合设备9包括控制设备10，控制设备10被实施为执行本发明的方法。为此，控制设备10可以具有中间数据记录确定单元11、配准单元12和融合单元13等等，用于执行各个步骤。融合设备9可以作为图像记录设备和/或分析设备的部分而被实现。

[0042] 尽管通过优选的示例性实施例详细说明和描述了本发明，但是本发明不受所给定的示例限制，并且本领域的技术人员在不脱离本发明的保护范围的情况下，可以从给定的示例中得出其他变型。