医学影像处理-窗宽窗位

发布时间:2021-09-02  栏目:人工智能, 医学, 图像处理, 机器视觉, 深度学习  评论:0 Comments

CT能识别人体内2000个不同灰阶的密度差别。而人的眼睛却只能分辨16 个灰阶度。因此,人眼在CT图像上能分辨的CT值应为125 Hu ( 2000 / 16 )。换句话说,人体内不同组织CT 值只有相差125Hu 以上,才能为人眼所识别。人体软组织CT值多变化在20 – 50 Hu之间,人眼就无法识别。为此,必须进行分段观察,才能使CT 的优点反映出来。观察的CT 值范围,人们称之为窗宽 ;观察的中心CT值即为窗位或窗中心。
(一)窗宽指CT图像所显示的CT 值范围。在此CT值范围内的组织结构按其密度高低从白到黑分为16 个灰阶以供观察对比。例如,窗宽选定为100 Hu ,则人眼可分辨的CT值为100 / 16 =6 . 25 Hu ,即2 种组织CT值相差在6 . 25Hu以上者即可为人眼所识别。因此,窗宽的宽窄直接影响图像的清晰度与对比度。如果使用窄的窗宽,则显示的CT 值范围小,每一灰阶代表的CT 值幅度小,对比度强,适于观察密度接近的组织结构(如脑组织)。反之,如果使用宽的窗宽,则显示的CT值范围大,每一灰阶代表的CT 值幅度大,则图像对比度差,但密度均匀,适于观察密度差别大的结构(如骨与软组织)。
(二)窗位(窗中心)指窗宽范围内均值或中心值。比如一幅CT图像,窗宽为100Hu,窗位选在0Hu;则以窗位为中心(0Hu),向上包括+50Hu,向下包括-50Hu,凡是在这个100Hu 范围内的组织均可显示出来并为人眼所识别。凡是大于+50Hu 的组织均为白色;凡是小子-50Hu 的组织均为黑色,其密度差异无法显示。人眼只能识别土50Hu 范围内的CT 值,每一个灰阶的CT 值范围是100 / 16=6 . 25 Hu 。
原则上说窗位应该等于或接近需要观察的CT 值;窗宽应能反映该组织或病变的CT 值变化范围。

 

比如肺结节检测,使用肺窗比软组织窗效果好
影像浏览工具 都可以变换窗宽窗位的。

 

常用CT窗位、窗宽

1、胸部CT检查时,肺窗纵膈窗窗宽、窗位分别是:

(1)肺窗WW1500—2000HU 、WL-450—-600HU

(2)纵膈窗WW250—350HU、WL30—50HU

2、骨窗、软组织窗窗宽、窗位

(1)骨窗WW1000—1500HU、WL250—350HU

(2)软组织窗WW300—500HU、WL40—60HU

3、窗宽和窗位设定

不同部位使用不同窗宽窗位,能较充分反映解剖内容和病灶影像表现。

头颅:脑组织窗宽设定为80 Hu~100 Hu,窗位为30 Hu~40 Hu,

垂体及蝶鞍区病变窗宽宜设在200 Hu~250 Hu,窗位45 Hu~50 Hu,

脑出血患者可改变窗宽位80 Hu~140 Hu,窗位30 Hu~50 Hu,

脑梗死患者常用窄窗60 Hu,能提高病灶的检出率,清楚显示梗死及软化灶,

颌面部眼眶窗宽定为150 Hu~250 Hu,窗位30 Hu~40 Hu,

观察骨骼时窗宽150 Hu~2 000 Hu,窗位400 Hu~450 Hu,

喉颈部、鼻咽、咽喉部的窗宽和窗位常设在300 Hu~350 Hu和30 Hu~50 Hu,能满足该部位的解剖和病灶显示,

胸部:常规胸部CT检查分别用纵隔窗及肺窗观察,纵隔窗可观察心脏、大血管的位置,纵隔内淋巴结的大小,纵隔内肿块及这些结构的比邻关系,设定纵隔窗可用窗宽300 Hu~500 Hu,窗位30 Hu~50 Hu,

肺部窗宽1 300 Hu~1 700 Hu,窗位-600 Hu~-800 Hu,在上述基本窗宽的基础上,若观察肺裂和肺血管,可调窄窗宽和调低窗位,对肿块形态,分叶,胸膜凹陷征,毛刺征增的观察肺窗比纵隔窗更为清晰,

腹部:腹部检查常设定窗宽为300 Hu~500 Hu,窗位30 Hu~50 Hu,

肝脾CT检查应适当变窄窗宽以便更好发现病灶,窗宽为100 Hu~200 Hu,窗位为30 Hu~45 Hu,

肾脏因含水量较多,检查时常用窗宽200 Hu~300 Hu,窗位为25 Hu~35 Hu,

胰腺一般为300 Hu~350 Hu,窗位为35 Hu~50 Hu,窄窗120 Hu~150 Hu和30 Hu~40 Hu,

脊柱及四肢:常规脊柱扫描显示脊椎旁软组织,窗宽200 Hu~350 Hu,窗位35 Hu~45 Hu,

骨窗为窗宽800 Hu~2 000 Hu,窗位250 Hu~500 Hu,骨的CT值多在1 000 Hu左右,肌肉为40 Hu左右,脂肪多为-50 Hu以下。

留下评论

You must be logged in to post a comment.

相册集

pix pix pix pix pix pix

关于自己

杨文龙,微软Principal Engineering Manager, 曾在各家公司担任影像技术资深总监、数据科学团队资深经理、ADAS算法总监、资深深度学习工程师等职位,热爱创新发明,专注于人工智能、深度学习、图像处理、机器学习、算法、自然语言处理及软件等领域,目前发明有国际专利19篇,中国专利28篇。

联系我

个人技术笔记

welonshen@gmail.com

2015 in Shanghai