一種用于對(duì)當(dāng)前診斷圖像進(jìn)行分割的系統(tǒng)包括對(duì)從多個(gè)患者生成的選定研究體積的先前生成的診斷圖像中的研究體積進(jìn)行分割的工作站（30）。一個(gè)或多個(gè)處理器（32）被編程用于將經(jīng)分割的先前生成的圖像配準(zhǔn)，并將所述經(jīng)分割的先前生成的圖像合并到概率圖內(nèi)，所述概率圖描繪每一體素代表研究體積（24）或背景（26）的概率以及均值分割邊界（40）。分割處理器（50）將所述概率圖與當(dāng)前診斷圖像（14）配準(zhǔn)，以生成經(jīng)變換的概率圖（62）。先前訓(xùn)練的分類器（70）采用概率對(duì)診斷圖像中的體素分類，所述概率是每一體素描繪研究體積或背景的概率。合并處理器（80）合并來自所述分類器的概率和來自經(jīng)變換的概率圖的概率。分割邊界處理器（84）基于合并后的概率、基于當(dāng)前圖像確定研究體積的分割邊界。
【技術(shù)實(shí)現(xiàn)步驟摘要】
【國外來華專利技術(shù)】
本申請(qǐng)涉及圖像分割。其尤其可以與用于描繪目標(biāo)體積、器官等的醫(yī)療診斷成像結(jié)合來應(yīng)用。
技術(shù)介紹
諸如CT、MRI、PET、SPECT和超聲波的各種診斷成像模態(tài)生成患者的內(nèi)部解剖體的三維圖像。通常采用不同的灰度水平描繪不同的器官、不同的組織、與非癌變組織形成對(duì)比的癌變組織等，可以將所述灰度水平映射成不同顏色以便更易于區(qū)分。相鄰的器官、組織體積等往往幾乎沒有或者沒有顯著的灰度差異。例如，一些軟組織在CT數(shù)據(jù)中可能具有很差的對(duì)比度。這樣的差的或者模糊的對(duì)比度使得對(duì)應(yīng)的邊界部分只能部分可見，即，不清楚，沒有得到明確的界定。 已經(jīng)采用基于模型的分割解決了這一問題。通常，所述邊界的一些區(qū)域是清晰的，而其他區(qū)域則不清晰。在先前的基于模型的分割技術(shù)中，開發(fā)出一種目標(biāo)模型庫，例如，具體的器官模型庫。通常對(duì)這些器官模型進(jìn)行配準(zhǔn)，例如，對(duì)其進(jìn)行旋轉(zhuǎn)、縮放等，從而使其與清晰界定的分割邊界對(duì)準(zhǔn)?？梢酝ㄟ^對(duì)經(jīng)過準(zhǔn)確地人工分割的對(duì)象或器官等求平均而生成器官模型，由此開發(fā)出所述對(duì)象或器官的標(biāo)稱模型。一種用于將所述模型擬合至所述邊界的有效的基于模型的分割技術(shù)包括將模型定義成柔性的三角形網(wǎng)格，并調(diào)整所述三角形網(wǎng)格，使其與所研究的對(duì)象或器官的邊界匹配。一種將網(wǎng)格模型擬合至當(dāng)前圖像數(shù)據(jù)的技術(shù)包括在數(shù)學(xué)上向所述網(wǎng)格模型施加反向力。具體而言，所述技術(shù)確定將網(wǎng)格朝向圖像中的諸如邊緣或邊界的已知圖像特征吸引的外能與促使模型保持其形狀的反向的形狀保持內(nèi)能之間的平衡。令人遺憾的是，對(duì)模型形狀施加限制可能不利于準(zhǔn)確地遵循所研究的結(jié)構(gòu)或器官的邊界。找到兩個(gè)能量項(xiàng)之間的最佳平衡通常不是一項(xiàng)容易的工作，可能導(dǎo)致歧義解或多個(gè)潛在解。
技術(shù)實(shí)現(xiàn)思路
本申請(qǐng)描述了一種細(xì)化的方案，該方案對(duì)處于被調(diào)整網(wǎng)格附近的區(qū)帶內(nèi)的體素分類，從而在很多情況下獲得更加準(zhǔn)確的最終分割結(jié)果，其中，所述被調(diào)整網(wǎng)格表示具有分割不確定的區(qū)域。根據(jù)一個(gè)方面，提供了一種用于對(duì)當(dāng)前診斷圖像進(jìn)行分割的系統(tǒng)。一個(gè)或多個(gè)工作站對(duì)由多個(gè)其他患者生成的選定研究體積的先前生成的高對(duì)比度診斷圖像中的研究體積進(jìn)行分割。一個(gè)或多個(gè)處理器被編程為使所述經(jīng)分割的先前生成的圖像配準(zhǔn)，并將所述經(jīng)分割的先前生成的圖像合并到概率圖內(nèi)，所述概率圖描繪每一體素代表研究體積的概率、每一體素代表背景的概率和均值分割邊界。分割處理器將所述概率圖與當(dāng)前患者體內(nèi)的研究體積的當(dāng)前診斷圖像配準(zhǔn)，以生成經(jīng)變換的概率圖。根據(jù)另一方面，提供了一種對(duì)診斷圖像進(jìn)行分割的方法。對(duì)從多個(gè)患者生成的選定研究體積的先前診斷圖像中的研究體積進(jìn)行分割。對(duì)經(jīng)分割的先前圖像配準(zhǔn)，并將配準(zhǔn)的經(jīng)分割的先前圖像合并到概率圖內(nèi)，所述概率圖描繪每一體素代表所述研究體積的概率、每一體素代表背景的概率以及均值分割邊界。根據(jù)另一方面，提供了一種由上述方法生成的概率圖。根據(jù)另一方面，提供了一種記錄了一個(gè)或多個(gè)計(jì)算機(jī)程序的有形計(jì)算機(jī)可讀介質(zhì)，所述計(jì)算機(jī)程序用于控制一個(gè)或多個(gè)處理器執(zhí)行上述方法。一個(gè)優(yōu)點(diǎn)在于充分地促進(jìn)了自動(dòng)的準(zhǔn)確分割。另一個(gè)優(yōu)點(diǎn)在于得到了更加可靠的分割結(jié)果。在閱讀并理解了下述詳細(xì)說明的情況下，本領(lǐng)域技術(shù)人員將認(rèn)識(shí)到本專利技術(shù)的其他優(yōu)點(diǎn)。 附圖說明本專利技術(shù)可以采取各種部件和部件設(shè)置的形式，以及各種步驟和步驟設(shè)置的形式。附圖的作用僅在于對(duì)優(yōu)選實(shí)施例進(jìn)行圖示，不應(yīng)認(rèn)為其對(duì)本專利技術(shù)構(gòu)成限制。圖I是用于對(duì)診斷圖像進(jìn)行自動(dòng)分割的設(shè)備或系統(tǒng)的示意圖；圖2是腦干模型的概率圖的軸向切片的示意圖；圖3是描繪必定屬于腦干的體素、必定屬于背景的體素和具有不確定的區(qū)域的圖；圖4是示意性地示出了一種對(duì)圖像進(jìn)行分割的自動(dòng)方法的流程圖；以及圖5是示意性地示出了分割圖像的操作者輔助方法的流程圖。具體實(shí)施例方式參考圖I,諸如CT掃描器、MRI掃描器、PET掃描器、核掃描器、超聲波掃描器等的診斷成像掃描器10生成圖像數(shù)據(jù)，重建處理器12對(duì)所述圖像數(shù)據(jù)重建，以生成當(dāng)前3D診斷圖像，當(dāng)前3D診斷圖像存儲(chǔ)在存儲(chǔ)器、存儲(chǔ)段或緩沖器14內(nèi)。繼續(xù)參考圖1，并進(jìn)一步參考圖2，存儲(chǔ)器或存儲(chǔ)段20存儲(chǔ)3D概率圖22的庫。所述概率圖定義了研究區(qū)域24的體積，已知其是所研究的區(qū)域或體積的部分，即當(dāng)前例子中的腦干的部分。背景區(qū)域26定義了已知為背景，S卩非腦干的對(duì)象或組織。也就是說，腦干區(qū)域24中的體素具有100%的概率描繪腦干和0%的概率描繪背景。相反，背景區(qū)域26中的體素具有100%的概率描繪背景和0%概率的描繪腦干。不確定區(qū)域28處于腦干區(qū)域24和背景區(qū)域26之間。在所述不確定區(qū)域中，每一體素處于所研究的對(duì)象或器官(諸如腦干)內(nèi)的概率在100%和0%之間，其處于背景內(nèi)的概率在0%和100%之間。為了生成腦干或其他研究體積的概率圖22，在工作站30中對(duì)具有良好對(duì)比度，即，具有可準(zhǔn)確分割的邊界的圖像進(jìn)行人工分割，以定義二值掩模(mask)，在掩模中，向?qū)?yīng)于諸如腦干的研究體積的所有體素賦予最大概率值，例如，一，向?qū)?yīng)于背景的所有體素賦予最小概率值，例如，零。二值掩模的最小概率區(qū)域和最大概率區(qū)域之間的邊界界定了掩模的邊界，即，能夠由三角形網(wǎng)格表面界定的分割邊界。一個(gè)或多個(gè)處理器32具有二值掩模配準(zhǔn)計(jì)算機(jī)例程34，該例程被編程以將多個(gè)二值掩模與所述分割邊界配準(zhǔn)。也就是說，對(duì)二值掩模進(jìn)行縮放，從而針對(duì)各個(gè)患者或者具有不同尺寸的研究對(duì)象做出調(diào)整，并且可以對(duì)二值掩模進(jìn)行旋轉(zhuǎn)、移動(dòng)等，也可以任選使其發(fā)生彈性形變，從而針對(duì)(例如)在研究對(duì)象的不同運(yùn)動(dòng)狀態(tài)下生成的圖像做出補(bǔ)償，進(jìn)而使它們對(duì)準(zhǔn)。所述一個(gè)或多個(gè)處理器32也被編程以或者具有二值掩模合并計(jì)算機(jī)例程36，該例程將多個(gè)對(duì)準(zhǔn)的二值掩模合并。在當(dāng)前的例子中，被所有的二值掩模定義為背景的背景區(qū)域被賦予概率值零，而被所有的二值掩模定義為腦干的部分的腦干區(qū)域被分配值一，即，被分配給腦干區(qū)域24?；诙喾鶊D像中的邊界的相對(duì)位置，向?qū)?yīng)于不確定區(qū)域28的其他體素分配大于零小于一的概率。例如，為不確定區(qū)域中的每一體素賦予其在各二值圖中的值的平均值。如果所述體素在半數(shù)的圖中為背景，即，具有零值，在半數(shù)的圖中處于腦干中，即，具有值一，那么為該體素分配平均值或O. 5。處理器32還被編程以或者具有計(jì)算機(jī)例程38，該例程確定中值或均值分割邊界40，即，所有的二值掩模的分割邊界的均值或中值位置或者其它平均位置。每一體素的概率和所述均值分割邊界定義了分割圖22。通常，針對(duì)多個(gè)器官或者多個(gè)研究體積執(zhí)行相同的處理，從而建立適于很多不同的成像位置或應(yīng)用的概率圖的庫。在一個(gè)實(shí)施例中，基于模型的分割處理器50被編程為包括計(jì)算機(jī)例程52，該例程從模型庫54中提取常規(guī)體積或器官模型，并將其擬合至所研究的體積或器官。所述分割處理器還被編程為包括計(jì)算機(jī)例程56，該例程將來自概率模型的均值分割邊界40與常規(guī)?！ば团錅?zhǔn)，所述分割處理器還被編程以或者包括計(jì)算機(jī)例程58，該例程確定將所述均值分割邊界與經(jīng)配準(zhǔn)的常規(guī)模型配準(zhǔn)的變換。所述分割處理器還被編程以或者具有計(jì)算機(jī)例程60，該例程根據(jù)所確定的這一變換對(duì)所述概率圖進(jìn)行變換，從而使所述概率圖與當(dāng)前圖像中的研究體積或器官配準(zhǔn)。經(jīng)變換的概率圖被存儲(chǔ)到緩沖器或存儲(chǔ)器62內(nèi)?；蛘?，可以采用來自所述概率圖的均值分割邊界作為模型，而不是將常規(guī)模型用于基于模型的配準(zhǔn)56。在全自動(dòng)的實(shí)施例中，預(yù)先對(duì)諸如處理器或計(jì)算機(jī)例本文檔來自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
【技術(shù)特征摘要】
【國外來華專利技術(shù)】2010.03.11 US 61/312,7251.一種用于對(duì)當(dāng)前診斷圖像進(jìn)行分割的系統(tǒng)，其包括 一個(gè)或多個(gè)工作站(30)，其對(duì)從多個(gè)患者生成的選定研究體積的預(yù)先生成的診斷圖像中的研究體積進(jìn)行分割； 一個(gè)或多個(gè)處理器(32)，其被編程為 將經(jīng)分割的預(yù)先生成的圖像配準(zhǔn)(34)，并且 將所述經(jīng)分割的預(yù)先生成的圖像合并(36)到概率圖(22)內(nèi)，所述概率圖描繪了(I)每一體素代表所述研究體積的概率，(2)每一體素代表背景的概率，和(3)均值分割邊界(40);以及 分割處理器(50)，其將所述概率圖(40)與當(dāng)前患者體內(nèi)的所述研究體積的當(dāng)前診斷圖像(14)配準(zhǔn)，以生成經(jīng)變換的概率圖(62)。2.根據(jù)權(quán)利要求I所述的系統(tǒng)，其中，所述分割處理器(50)被編程為通過執(zhí)行下述步驟將所述概率圖與所述當(dāng)前圖像配準(zhǔn) 將所述均值分割邊界與所述當(dāng)前圖像和配準(zhǔn)到所述當(dāng)前圖像的模型這兩者之一的所述研究體積配準(zhǔn)； 確定將所述均值分割邊界變換成與當(dāng)前圖像模型配準(zhǔn)所利用的變換； 采用所確定的變換對(duì)所述概率圖進(jìn)行變換，以生成所述經(jīng)變換的概率圖。3.根據(jù)權(quán)利要求I和2中的任一項(xiàng)所述的系統(tǒng)，還包括 分類器(70)，其已經(jīng)被預(yù)先訓(xùn)練，以基于所述研究體積的診斷圖像的特征對(duì)所述診斷圖像分類，從而確定所述當(dāng)前圖像的至少選定體素描繪(I)所述研究體積和(2)所述背景的概率；以及 合并處理器或計(jì)算機(jī)例程(80)，其合并來自所述分類器的概率和來自與所述當(dāng)前圖像配準(zhǔn)的所述經(jīng)變換的概率圖的對(duì)應(yīng)體素的概率。4.根據(jù)權(quán)利要求3所述的系統(tǒng)，還包括 用戶輸入裝置(82)，通過所述用戶輸入裝置調(diào)整將所述分類器的概率和概率圖的概率合并所采用的相對(duì)權(quán)重設(shè)置。5.根據(jù)權(quán)利要求3或4中的任一項(xiàng)所述的系統(tǒng)，還包括 分割邊界處理器或計(jì)算機(jī)例程(84)，其基于合并后的概率確定所述當(dāng)前圖像中的所述研究體積的分割邊界；以及 處理器或計(jì)算機(jī)例程(90)，其將所確定的分割邊界與所述當(dāng)前圖像(14)組合。6.根據(jù)權(quán)利要求I和2中的任一項(xiàng)所述的系統(tǒng)，還包括 閾值限定裝置或處理器(110)，其將所述當(dāng)前圖像的在所述經(jīng)變換的概率圖中具有高于閾值的概率的體素分配給所述研究體積和所述背景中的一個(gè)，并且如果所述體素具有低于所述閾值的概率，那么將所述體素分配給所述研究體積和所述背景中的另一個(gè)。7.根據(jù)權(quán)利要求6所述的系統(tǒng)，還包括 分割邊界處理器(112)，其從分配給所述研究體積的體素和分配給所述背景的體素之間的界面來確定所述分割邊界； 圖像處理器(90)，其被編程為將所述分割邊界與所述當(dāng)前圖像組合； 顯示器(100)，其上顯示經(jīng)分割的當(dāng)前圖像；以及 輸入裝置(116)，用戶通過所述輸入裝置調(diào)整概率閾值，以調(diào)整所述分割邊界并且調(diào)整所顯示的經(jīng)分割的當(dāng)前圖像的分割。8.根據(jù)前述權(quán)利要求中的任一項(xiàng)所述的系統(tǒng)，還包括 醫(yī)療數(shù)據(jù)庫(96)，其中存儲(chǔ)所述經(jīng)分割的當(dāng)前圖像；以及 放射治療規(guī)劃系統(tǒng)(120)，其采用所述經(jīng)分割的當(dāng)前圖像來執(zhí)行放射治療規(guī)劃過程。9.一種用于對(duì)診斷圖像進(jìn)行分割的方法，其包括 對(duì)從多個(gè)患者生成的選定研究體積的先前診斷圖像中的研究體積進(jìn)行分割； 將經(jīng)分割的先前圖像配準(zhǔn)；以及 將所述經(jīng)分割的先前圖像合并到概率圖內(nèi)，所述概率圖描繪了(I)每一體素代表所述研究體積的概率，(2)每一體素代表背景的概率，和(3)均值分割邊界。10.根據(jù)權(quán)利要求9所述的方法，還包括 將所述概率圖與來自當(dāng)前患者的所述研究體積的當(dāng)...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：V·佩卡爾，A·A·卡齊，
申請(qǐng)(專利權(quán))人：皇家飛利浦電子股份有限公司，大學(xué)健康網(wǎng)絡(luò)，
類型：
國別省市：
還沒有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。