【技术实现步骤摘要】
医用图像处理装置、医用图像处理方法以及医用图像处理程序
在本说明书中说明的实施方式一般涉及患者的三维(3D)图像数据集,更具体而言,涉及如何在三维图像数据集中对解剖学界标进行定位。
技术介绍
在医疗领域中,通过包含计算机断层摄影(ComputedTomography)、磁共振(MagneticResonance)、单光子放射计算机断层摄影(SinglePhotonEmissionComputedTomography)、超声波以及正电子放射断层摄影(PositronEmissioncomputedTomography)的各种技术(在医疗领域中称为医疗器械)来收集三维(3D)图像数据集,即,体数据集。体数据具备在3D栅格内配置的多个体素。各体素具有与其结合的体素值。该体素值表示物理参数的测定值。例如,当是CT扫描时,体素值表示这些体素对于X射线的不透明度,即,表示它们的X射线阻止能力。X射线阻止能力以与密度(每单位容积的质量)紧密结合的亨氏单位(HU)来测量。解剖学界标(标识点)对患者图像添加标签并发挥着重要的作用。在以往的方法中,解剖学界标以为了决定其自身的特定的部位,或者为了用于距离的测定或者角度的测定等测定,或者为了提供对于其他的界标的部位的某一目的由临床医生作为1个基准点来使用。体数据集通过将根据体患者数据集即3D患者数据集而计算出的二维(2D)图像显示于画面的视觉化应用程序,即,通过计算机程序来视觉化处理。计算3D对象的二维(2D)图像的处理被称为体绘制。体绘制例如能够适用于薄块多剖面重建(MPR)。体数据集内的解剖学界标的准确的检测以及分类能够用于 ...
【技术保护点】
一种医用图像处理装置,其特征在于包括:存储部,存储平均形状数据和医用图像数据,该平均形状数据具有通过将表示平均形状的多个第1标识点的各个第1标识点建立关联而限制上述第1标识点的各个第1标识点的移动范围的限制条件和上述第1标识点;提取确定部,根据上述医用图像数据和基于监督式学习的机械学习处理,从上述医用图像数据中提取多个第2标识点,确定包含上述第2标识点的各个第2标识点的区域内的似然性分布;位置对准部,根据上述第1标识点、上述第2标识点以及上述限制条件,执行上述平均形状数据与上述医用图像数据的位置对准;偏离值除去部,根据上述位置对准中的上述第1标识点、上述第2标识点以及规定的阈值,从上述第2标识点中除去偏离值;结合似然性计算部,根据通过按照上述位置对准和上述限制条件对上述平均形状进行变形而移动而得到的上述第1标识点的位置和上述似然性分布,对上述平均形状的每个变形计算将分别与上述位置对应的多个似然性结合的结合似然性;以及解剖学标识点确定部,根据与上述多个结合似然性中最大的结合似然性对应的上述平均形状的变形、上述第1标识点以及除去了上述偏离值的上述第2标识点,确定上述医用图像数据中的解剖学标 ...
【技术特征摘要】
2013.04.22 US 13/867,5601.一种医用图像处理装置,其特征在于包括:存储部,存储平均形状数据、机械学习算法和医用图像数据,该平均形状数据具有通过将表示平均形状的多个第1标识点的各个第1标识点建立关联而限制上述第1标识点的各个第1标识点的移动范围的限制条件和上述第1标识点,该机械学习算法是基于以配置上述第1标识点的各个第1标识点的方式进行训练的监督式学习的算法;提取确定部,根据上述医用图像数据和基于监督式学习的机械学习算法,从上述医用图像数据中提取多个第2标识点,确定包含上述第2标识点的各个第2标识点的区域内的似然性分布;位置对准部,根据上述第1标识点、上述第2标识点以及上述限制条件,执行上述平均形状数据与上述医用图像数据的位置对准;偏离值除去部,根据上述位置对准中的上述第1标识点、上述第2标识点以及规定的阈值,从上述第2标识点中除去上述阈值之上的偏离值;结合似然性计算部,根据通过按照上述位置对准和上述限制条件对上述平均形状进行变形而移动而得到的上述第1标识点的位置和上述似然性分布,对上述平均形状的每个变形计算将分别与上述位置对应的多个似然性结合的结合似然性;以及解剖学标识点确定部,根据与上述多个结合似然性中最大的结合似然性对应的上述平均形状的变形、上述第1标识点以及除去了上述偏离值的上述第2标识点,确定上述医用图像数据中的解剖学标识点,上述平均形状数据是根据多个教师数据集和具有上述平均形状以及上述限制条件的规定的点分布模型产生的数据,上述位置对准部在由上述偏离值除去部除去上述偏离值之后,根据上述点分布模型,使上述平均形状变形而将具有除去了上述偏离值的第2标识点的医用图像数据和上述平均形状数据位置对准。2.根据权利要求1所述的医用图像处理装置,其特征在于:上述偏离值除去部在上述第2标识点中,用与上述偏离标识点对应的上述第1标识点置换与上述偏离值对应的偏离标识点。3.根据权利要求2所述的医用图像处理装置,其特征在于:上述结合似然性计算部包含置换了上述偏离标识点的上述第1标识点,计算上述结合似然性。4.根据权利要求1所述的医用图像处理装置,其特征在于:上述偏离值除去部使用上述第1标识点和上述第2标识点的差来计算残差平方和,将超过上述规定的阈值的上述残差平方和中的与多个项中最大值相关的第2标识点作为上述偏离值除去。5.根据权利要求1所述的医用图像处理装置,其特征在于:上述机械学习算法具有决策林的算法,所述决策林的算法具有根据上述教师数据集预先学习的多个决策树。6.根据权利要求5所述的医用图像处理装置,其特征在于:上述决策林具有与上述医用图像数据中的上述第2标识点的分类相关的多个分类树作为上述决策树。7.根据权利要求5所述的医用图像处理装置,其特征在于:上述决策林具...
【专利技术属性】
技术研发人员:M·达巴,I·普尔,
申请(专利权)人:株式会社东芝,东芝医疗系统株式会社,
类型:发明
国别省市:日本;JP
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。