專利名稱：基于模型的分割的概率細(xì)化的制作方法
技術(shù)領(lǐng)域：
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(lái)應(yīng)用。
背景技術(shù)：
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(méi)有或者沒(méi)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(jiàn)，即，不清楚，沒(méi)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(wèn)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(kāi)發(fā)出一種目標(biāo)模型庫(kù)，例如，具體的器官模型庫(kù)。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)。可以通過(guò)對(duì)經(jīng)過(guò)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(kāi)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。

發(fā)明內(nèi)容
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(lèi)，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(shuō)明的情況下，本領(lǐng)域技術(shù)人員將認(rèn)識(shí)到本發(fā)明的其他優(yōu)點(diǎn)。


本發(fā)明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)本發(fā)明構(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(kù)。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(shuō)，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(shuō)，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。基于多幅圖像中的邊界的相對(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(kù)。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(kù)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(lái)自概率模型的均值分割邊界40與常規(guī)模·型配準(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)。或者，可以采用來(lái)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)例程的分類(lèi)器70進(jìn)行訓(xùn)練，從而基于圖像特性，例如，強(qiáng)度、梯度、紋理等將圖像的體素分類(lèi)為屬于所研究的體積或器官、屬于背景或者屬于它們的概率。預(yù)先采用虛擬數(shù)據(jù)(du_y data)對(duì)所述分類(lèi)器進(jìn)行離線訓(xùn)練?？梢圆捎枚喾N已知的分類(lèi)技術(shù)中的任何一種，例如，最近鄰域、支持向量機(jī)等。例如，所研究的體積可以具有已知的表面特性屬性，例如，平滑、圓化、無(wú)突變等。所述分類(lèi)器對(duì)來(lái)自緩沖器14的當(dāng)前圖像進(jìn)行操作，以生成每一體素屬于背景或者屬于所研究的體積或器官的概率。參考圖3，為了節(jié)省處理時(shí)間，可以只對(duì)對(duì)應(yīng)于經(jīng)變換的概率圖的不確定區(qū)域28的體素執(zhí)行所述分類(lèi)過(guò)程。而不對(duì)區(qū)域24、26進(jìn)行處理，所述區(qū)域24、26已經(jīng)通過(guò)概率掩模被確定為明確地處于所研究的器官或體積內(nèi)，或者明確地處于背景內(nèi)。任選地，閾電路或處理器可以對(duì)經(jīng)變換的概率圖進(jìn)行操作，從而通過(guò)去除具有零或一的確定性的體素來(lái)識(shí)別不確定區(qū)域28，所述零或一的確定性表示具有處于所研究的器官或體積內(nèi)的100%概率和處于背景內(nèi)的100%概率。任選地，可以將所述閾值設(shè)置得更低一些，從而只對(duì)所述概率圖確定為具有(例如)小于95 %的處于所研究的體積或器官內(nèi)或者處于背景內(nèi)的概率的體素執(zhí)行分類(lèi)。合并處理器或計(jì)算機(jī)例程80被編程為逐體素合并分類(lèi)器70確定的概率和來(lái)自經(jīng)變換的概率圖62的概率。在一個(gè)實(shí)施例中,所述合并對(duì)每一體素的分類(lèi)概率和概率圖概率求平均。也可以設(shè)想其他用于合并概率的技術(shù)。作為一個(gè)例子，可以提供操作員控制或第一滑塊82，以調(diào)整分類(lèi)器概率和概率圖概率的相對(duì)權(quán)重設(shè)置。人類(lèi)操作員可以有選擇地調(diào)整相對(duì)權(quán)重設(shè)置，以調(diào)整閾值邊界。基于合并后的概率，所述合并處理器判斷每一體素是否具有處于所研究的體積或器官內(nèi)或者處于背景內(nèi)的更高可能性。由兩個(gè)區(qū)域之間的界面確定所確定的分割邊界，并將其存儲(chǔ)到適當(dāng)?shù)拇鎯?chǔ)器或緩沖器84內(nèi)。圖像處理器90被編程以或者包括計(jì)算機(jī)例程92，該例程將來(lái)自存儲(chǔ)器或緩沖器14的當(dāng)前圖像與所確定的分割邊界84組合，以創(chuàng)建經(jīng)分割的圖像。任選地，圖像處理器90還被編程以或者具有計(jì)算機(jī)例程94，該例程對(duì)與分割邊界組合的當(dāng)前圖像，S卩，對(duì)經(jīng)分割的當(dāng)前圖像執(zhí)行進(jìn)一步的圖像處理，例如，著色、平滑化等。將經(jīng)分割的當(dāng)前圖像作為患者醫(yī)療記錄的部分存儲(chǔ)到患者醫(yī)療數(shù)據(jù)庫(kù)96內(nèi)。視頻處理器98從經(jīng)分割的圖像94提取選定的切片、3D體積表示等，并將它們顯示在人類(lèi)可讀顯示器100上，例如視頻監(jiān)視器上。在半自動(dòng)的實(shí)施例中，閾電路、處理器或計(jì)算機(jī)例程110判斷經(jīng)變換的概率圖的每一體素的概率是否超過(guò)了閾值。例如，最初可以將所述閾值設(shè)定為上述例子中的O. 5，其表示該體素具有相同的可能性處于研究體積內(nèi)和處于背景內(nèi)。處理器或計(jì)算機(jī)例程112基于更可能處于背景內(nèi)的體素與更可能處于所研究的體積或器官內(nèi)的體素之間的界面定義分割邊界。在這一實(shí)施例中，將分割邊界114提供給圖像處理器例程92，該例程使所述分 割邊界與當(dāng)前圖像組合。觀看顯示器100上的經(jīng)分割圖像的操作員采用用戶輸入裝置116調(diào)整閾值110，在當(dāng)前例子中，使閾值O. 5朝I升高，或者朝O降低。隨著對(duì)閾值的調(diào)整，所研究的體積或器官和背景之間的界面隨著分割邊界114的移動(dòng)而移動(dòng)。在一個(gè)實(shí)施例中，操作員用鼠標(biāo)移動(dòng)滑塊，選擇更高和更低的閾值，直到操作員對(duì)顯示器100上顯示的分割滿意為止。一旦操作員完成了對(duì)分割的優(yōu)化，經(jīng)優(yōu)化的分割就被存儲(chǔ)在患者醫(yī)療數(shù)據(jù)庫(kù)96內(nèi)。一旦完成了圖像分割，經(jīng)分割的圖像就可以具有各種應(yīng)用。例如，可以在放射治療系統(tǒng)120中采用經(jīng)分割圖像對(duì)放射治療規(guī)程進(jìn)行規(guī)劃。當(dāng)然可以設(shè)想經(jīng)分割圖像的很多其他應(yīng)用。在前述討論中，應(yīng)當(dāng)理解可以通過(guò)一個(gè)或多個(gè)計(jì)算機(jī)或處理器執(zhí)行各種處理、計(jì)算機(jī)例程和步驟。單個(gè)處理器能夠執(zhí)行一個(gè)或多個(gè)計(jì)算機(jī)處理或步驟，并且可以在多個(gè)計(jì)算機(jī)處理器之間分配計(jì)算機(jī)例程或步驟中的任意一個(gè)或多個(gè)例程或步驟。類(lèi)似地，上文所述的存儲(chǔ)器、存儲(chǔ)段和緩沖器可以采取單個(gè)大存儲(chǔ)器、分布式存儲(chǔ)器等形式。此外，可以將根據(jù)上面描述的用于對(duì)一個(gè)或多個(gè)處理器加以控制以生成經(jīng)分割圖像的計(jì)算機(jī)程序記錄到計(jì)算機(jī)可讀介質(zhì)上，尤其是有形介質(zhì)上，例如，CD或DVD或其他便攜式存儲(chǔ)器、硬盤(pán)驅(qū)動(dòng)器、常駐計(jì)算機(jī)存儲(chǔ)器等。也可以通過(guò)諸如數(shù)字或模擬信號(hào)等的無(wú)形介質(zhì)承載所述程序。參考圖4，在步驟130中生成多個(gè)患者中的每個(gè)體內(nèi)的選定研究區(qū)域的多幅圖并對(duì)其進(jìn)行分割。在步驟132中，將多幅經(jīng)分割圖像配準(zhǔn)。在步驟134中，將經(jīng)配準(zhǔn)的圖像合并，從而生成研究區(qū)域的具有多個(gè)疊加的分割邊界的合成圖像。在步驟136中確定均值分割邊界。在步驟138中確定每一體素處于研究體積內(nèi)或者處于背景內(nèi)的概率。例如，將處于所有疊加的分割邊界內(nèi)的所有的體素分配給研究體積，將處于所有疊加的分割邊界以外的所有的體素分配給背景。對(duì)于那些處于一些分割邊界以內(nèi)并處于其它分割邊界以外的體素而言，根據(jù)所述體素處于其內(nèi)的分割邊界或所述體素處于其外的分割邊界的相對(duì)百分比向這些體素分配概率。例如，可以向處于研究體積之內(nèi)的所有體素分配值一，可以向處于背景內(nèi)的所有體素分配值零，向處于一些疊加的分割邊界之內(nèi)，處于其它疊加的分割邊界之外的所有體素，根據(jù)所述體素處于其內(nèi)的疊加的分割邊界或所述體素處于其外的疊加的分割邊界的百分比，分配處于零和一之間的分?jǐn)?shù)值。在步驟140中，將所述概率與所述均值閾值邊界組合以生成概率圖?？梢詫⒍鄠€(gè)圖像體積中的每個(gè)的概率圖存儲(chǔ)到庫(kù)內(nèi)，使其可用來(lái)對(duì)來(lái)自當(dāng)前患者的當(dāng)前圖像進(jìn)行分割。在準(zhǔn)備當(dāng)前患者的分割圖像時(shí)，在步驟150中生成多個(gè)當(dāng)前圖像。在步驟152中，從存儲(chǔ)器檢索器官模型，并且在步驟154中，將所述器官模型擬合到當(dāng)前圖像。在步驟156中，確定將器官模型與當(dāng)前圖像配準(zhǔn)的變換。設(shè)想到各種器官模型，例如，常規(guī)器官模型、均值分割邊界等。在步驟160中，采用所確定的變換對(duì)所述概率圖進(jìn)行變換，以生成經(jīng)變換的概率圖162，其表示每一體素處于研究體積內(nèi)或者處于背景內(nèi)的概率。與此并行地，在步驟170中，基于諸如強(qiáng)度、梯度、紋理等的圖像屬性對(duì)當(dāng)前圖像的每一體素分類(lèi)，并基于所述圖像屬性為其分配其屬于研究體積或者屬于背景的概率。
在步驟180中，逐體素地合并來(lái)自經(jīng)變換的概率圖的概率和基于分類(lèi)的概率。在步驟182中，基于合并的概率生成當(dāng)前圖像中的研究區(qū)域的分割邊界。例如將處于研究體積內(nèi)的具有大于預(yù)選或可調(diào)閾值的概率的所有體素分配給研究體積，并且將所述概率低于所述閾值的那些體素分配給背景。界面代表研究體積的分割邊界。在上述為研究體積分配值一，為背景分配值零的例子中，可以將所述閾值設(shè)為(例如)O. 5。在步驟190中，將所述分割邊界與(例如)當(dāng)前圖像組合，例如，疊加于其上，以生成經(jīng)分割的當(dāng)前圖像。在步驟192中，將經(jīng)分割的當(dāng)前圖像存儲(chǔ)到存儲(chǔ)器內(nèi)，例如，存儲(chǔ)到患者醫(yī)療數(shù)據(jù)庫(kù)內(nèi)。在步驟194中，將經(jīng)分割的當(dāng)前圖像顯示到監(jiān)視器上或者其他臨床醫(yī)生可讀顯示器上。參考圖5，在操作輔助模式中，在步驟200中使概率圖受到閾值分割。在上述研究體積具有值一，背景具有值零的例子中，可以將所述閾值最初設(shè)定為(例如)0. 5。在步驟202中，將分割邊界定義為更可能處于研究區(qū)域內(nèi)的體素和更可能處于背景內(nèi)的體素(例如，高于或低于O. 5)之間的界面。在步驟204中，將分割邊界疊加到所生成的當(dāng)前圖像150上，以生成經(jīng)分割的當(dāng)前圖像。在步驟206中，將經(jīng)分割的當(dāng)前圖像顯示給放射科醫(yī)師或其他技術(shù)人員。在步驟208中，放射科醫(yī)師或醫(yī)療技術(shù)人員查看所顯示的經(jīng)分割的圖像，并判斷所述分割是否令人滿意。如果所述分割令人滿意，那么在步驟210中，存儲(chǔ)所述經(jīng)分割的當(dāng)前圖像，例如，存儲(chǔ)到患者醫(yī)療數(shù)據(jù)庫(kù)內(nèi)。如果所述分割圖像不令人滿意，那么放射科醫(yī)師或其他醫(yī)療技術(shù)人員在步驟212中調(diào)整閾值。在所述閾值受到調(diào)整時(shí)，分割邊界定義步驟202重新定義分割邊界，在步驟204中使所述重新定義的分割邊界疊加到當(dāng)前圖像上，并在步驟206中將其顯示出來(lái)。這一調(diào)整過(guò)程以迭代的方式繼續(xù)下去，直到放射科醫(yī)師或其他醫(yī)療技術(shù)人員對(duì)所述分割滿意為止。已經(jīng)參考優(yōu)選實(shí)施例描述了本發(fā)明。在閱讀并理解了前述詳細(xì)說(shuō)明之后，本領(lǐng)域技術(shù)人員可以想到修改和變化。旨在將本發(fā)明構(gòu)建為包括所有此類(lèi)修改和變化，只要它們落在所附權(quán)利要求及其等同要件的范圍內(nèi)。
權(quán)利要求
1.一種用于對(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(guò)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(lèi)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(lèi)，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(lái)自所述分類(lèi)器的概率和來(lái)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(guò)所述用戶輸入裝置調(diào)整將所述分類(lèi)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(lái)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(guò)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(kù)(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(lái)執(zhí)行放射治療規(guī)劃過(guò)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(lái)自當(dāng)前患者的所述研究體積的當(dāng)前診斷圖像配準(zhǔn)，以生成經(jīng)變換的概率圖。
11.根據(jù)權(quán)利要求10所述的方法，其中，將所述概率圖與所述當(dāng)前圖像配準(zhǔn)包括 將所述均值分割邊界與所述當(dāng)前圖像的所述研究體積和配準(zhǔn)到所述當(dāng)前圖像的模型之一配準(zhǔn)； 確定將所述均值分割邊界變換成與所述當(dāng)前圖像配準(zhǔn)所利用的變換；以及 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。
12.根據(jù)權(quán)利要求10和11中的任一項(xiàng)所述的方法，還包括 采用預(yù)先訓(xùn)練的分類(lèi)器例程基于所述當(dāng)前圖像的特征對(duì)所述研究體積的所述當(dāng)前圖像進(jìn)行分類(lèi)，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 合并來(lái)自所述分類(lèi)器例程的概率和來(lái)自與所述當(dāng)前圖像配準(zhǔn)的經(jīng)變換的概率圖的概率。
13.根據(jù)權(quán)利要求12所述的方法，還包括 基于合并后的概率確定所述當(dāng)前圖像的所述研究體積的分割邊界；以及 將所確定的分割邊界與所述當(dāng)前圖像組合。
14.根據(jù)權(quán)利要求10和11中的任一項(xiàng)所述的方法，還包括 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)，將低于所述閾值的體素分配給所述研究體積和所述背景中的另一個(gè)； 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確定所述分割邊界； 將所述分割邊界與所述當(dāng)前圖像組合，以生成經(jīng)分割的當(dāng)前圖像；以及 顯示所述經(jīng)分割的當(dāng)前圖像。
15.根據(jù)權(quán)利要求14所述的方法，還包括 調(diào)整所述閾值，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。
16.一種記錄了一個(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)處理器以執(zhí)行根據(jù)權(quán)利要求9-15中的任一項(xiàng)所述的方法。
17.—種通過(guò)根據(jù)權(quán)利要求9所述的方法生成的概率圖。
18.一種診斷成像系統(tǒng)，包括 用于生成當(dāng)前診斷成像數(shù)據(jù)的診斷成像掃描器(10)； 用于將所述當(dāng)前診斷成像數(shù)據(jù)重建成當(dāng)前圖像的重建處理器(12); 被編程為執(zhí)行根據(jù)權(quán)利要求10-17中的任一項(xiàng)所述的方法以生成經(jīng)分割的當(dāng)前圖像的一個(gè)或多個(gè)處理器(58，70，80，82，90，110，112);以及在其上顯示所述經(jīng)分割的當(dāng)前圖像的顯示裝置(100 )。
19.一種用于對(duì)當(dāng)前診斷圖像進(jìn)行分割的系統(tǒng)，包括 分割處理器(50)，其通過(guò)執(zhí)行下述步驟使描繪(I)每一體素代表研究體積的概率，(2)每一體素代表背景的概率和(3)均值分割邊界(40)的概率圖(40)與當(dāng)前患者體內(nèi)的研究體積的當(dāng)前診斷圖像(14)配準(zhǔn)，以生成經(jīng)變換的概率圖(62)，所述步驟包括 將所述均值分割邊界與所述當(dāng)前診斷圖像和配準(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所述當(dāng)前圖像的模型配準(zhǔn)所利用的變換，以及 采用所確定的變換對(duì)所述概率圖進(jìn)行變換，以生成經(jīng)變換的概率圖； 邊界處理器或計(jì)算機(jī)例程(84)，其基于由所述概率圖描繪的概率確定所述當(dāng)前圖像中的所述研究體積的分割邊界； 組合處理器或計(jì)算機(jī)例程(90)，其將所確定的分割邊界與所述當(dāng)前診斷圖像(14)組合；以及 顯示器(100)，在其上顯示經(jīng)分割的當(dāng)前診斷圖像。
20.根據(jù)權(quán)利要求19所述的系統(tǒng)，還包括 用于生成所述概率圖的一個(gè)或多個(gè)概率圖處理器(32)，所述概率圖處理器被編程為將從多個(gè)其他患者生成的所述研究體積的先前生成的診斷圖像中的所述研究體積的多個(gè)經(jīng)分割的先前生成的圖像配準(zhǔn)(34)，以及 將所述經(jīng)分割的先前生成的圖像合并(36 )，以形成所述概率圖(22 )。
全文摘要
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(lèi)器(70)采用概率對(duì)診斷圖像中的體素分類(lèi)，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(lái)自所述分類(lèi)器的概率和來(lái)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。
文檔編號(hào)G06T7/00GK102947862SQ201180013397
公開(kāi)日2013年2月27日 申請(qǐng)日期2011年2月14日 優(yōu)先權(quán)日2010年3月11日
發(fā)明者V·佩卡爾, A·A·卡齊 申請(qǐng)人:皇家飛利浦電子股份有限公司, 大學(xué)健康網(wǎng)絡(luò)