用于图像分割的量化评估的方法和系统技术方案

一种系统和方法，其用于：接收医学图像；接收对身体结构的模型的调整，所述调整涉及所述医学图像，确定在所述调整的多个顶点中的每个处的医学图像的图像量；并且聚合多个图像量以确定评估度量。

【技术实现步骤摘要】
【国外来华专利技术】用于图像分割的量化评估的方法和系统
技术介绍
快速地识别特定脑区域的体积和形状异常的能力对于包括患有神经障碍和心理障碍(例如阿尔茨海默病、创伤性脑损伤和创伤后应激障碍(“PTSD”))的患者的研究程序、以及对于识别具有这样的障碍的风险的患者是至关重要的。可以使用形状约束的可变形脑模型来识别这样的异常，与从健康对照患者中获得的类似数据相比，所述形状约束的可变形脑模型可以揭示具有已知易损性的脑区域结构中的微小变化。可以按照患者的磁共振成像(“MRI”)图像调整可变形脑模型，并且可变形脑模型可以将图像分割成若干皮质下结构。然而，为了使这成为用于研究和/或治疗的可行技术，它必须能够被以具有时效性的方式来执行。
技术实现思路
本文中描述了涉及一种方法的示范性实施例，所述方法用于:接收医学图像；接收对身体结构的模型的调整，所述调整涉及所述医学图像；确定在所述调整的多个顶点中的每个处的所述医学图像的图像量；并且聚合所述多个图像量以确定评估度量。 本文中描述了涉及一种具有存储器和处理器的系统的另一示范性实施例，所述存储器存储医学图像和对身体结构的模型的调整，所述调整涉及所述医学图像；并且所述处理器确定在所述调整的多个顶点中的每个处的所述医学图像的图像量，并聚合所述多个图像量以确定评估度量。 本文中描述了涉及一种非瞬态计算机可读存储介质的另一个示范性实施例，所述非瞬态计算机可读存储介质存储一组能由处理器执行的指令。所述指令使得所述处理器能够执行用于以下用途的方法:接收医学图像；接收对身体结构的模型的调整，所述调整涉及所述医学图像；确定在所述调整的多个顶点中的每个处的所述医学图像的图像量；并且聚合所述多个图像量以确定评估度量。 【附图说明】 图1A示出了示范性可变形脑模型。 图1B示出了适于患者的脑体积的MRI图像的图1A的示范性可变形脑模型。 图2A示出了示范性可变形脑模型按照患者的脑体积的MRI图像的成功的调整。 图2B示出了示范性可变形脑模型按照患者的脑体积的MRI图像的不成功的调整。 图3示出了用于生成用来评估可变形脑模型按照脑图像的调整的成功或失败的度量的示范性方法。 图4示出了根据示范性实施例的用于实现用于评估可变形脑模型按照脑图像的调整的成功或失败的方法(诸如图3的方法)的示范性系统。 【具体实施方式】 [0011 ] 参考对示范性实施例的以下说明和相关的附图可以进一步地理解示范性实施例，其中，相似的元素被提供有相同的附图标记。具体地，示范性实施例涉及用于验证可变形脑模型按照患者的调整的方法和系统。 快速地识别特定脑区域的体积和形状异常的能力对于包括患有神经障碍和心理障碍(例如阿尔茨海默病、创伤性脑损伤和PTSD)的患者的研究程序、以及对于识别具有这样的障碍的风险的患者是至关重要的。可以使用形状约束的可变形脑模型来识别这样的异常，与从健康对照患者中获得的类似数据相比，所述形状约束的可变形脑模型可以揭示具有已知易损性的脑区域结构中的微小变化。可以按照患者的MRI图像调整可变形脑模型，并且可变形脑模型可以将图像分割成若干皮质下结构。然而，为了使这成为用于研究和/或治疗的可行技术，它必须能够被以具有时效性的方式来执行。本领域技术人员将理解，尽管将具体参考MRI图像来描述示范性实施例，但是本文中描述的相同技术可以被等价地应用到其他类型的医学图像，例如CT图像、超声图像等。 图1A图示了示范性的可变形脑模型110，在可变形脑模型110中对脑的各个部分独立地进行建模。例如可变形脑模型可以是在“Evaluat1n of traumatic brain injurypatients using a shape-constrained deformable model”，L.Zagorchev, C.Meyer,T.Stehle, R.Kneser, S.Young 和 J.Weese 著，Proceedings of the First internat1nalconference on Multimodal brain image analysis(MBIA’11), Tianming Liu, DinggangShen, Luis Ibanez 和 Xiaodong Tao (编)，Springer-Verlag, Berlin, Heidelberg,118-125,2001中描述的那种。图1B图示了图1A的模型110按照患者的MRI图像的调整120。在调整120中，模型110的若干元素121、122、123、124和125已经被映射到调整120，图示了在由MRI示出的截面中元素121、122、123、124和125的位置和尺寸。示出的模型使用表示人工分割的脑结构的标准数据(ground truth data)。标准数据含有关于在每个结构的边界处的强度值的信息，所述信息可以被用来导出示出分割质量的图像度量，下面将更详细地对其进行描述。 可以由从患者的MRI图像导出的力来指导可变形脑模型按照具体患者的脑体积的调整。为了应用之前的技术来调整这样的模型，医学专业人员被要求将患者的MRI图像加载到察看器中，加载最终的经调整的模型，并且目视验证模型是否已经被正确地调整。图2A图示了示范性的成功的调整210，并且图2B图示了示范性的不成功的调整220。本领域技术人员将意识到，经成功调整的模型210的元素与下面的MRI图像中示出的元素相对应，而经不成功调整的模型220的元素不与下面的MRI图像中示出的元素相对应。此外，应当注意到，当模型调整不成功时在网格顶点处的强度值(即，图像的图形强度)与当模型调整正确时在网格顶点处的强度值显著地不同。 对调整的成功或失败的验证可以是繁琐且耗时的任务，尤其在包括大量患者的临床试验中，其中，该过程可以增加数天的工作。示范性实施例提出了可以克服这种缺点的调整定性度量。可以在调整结束时自动地确定该度量，并且该度量可以额外地为来自患者内分割或患者间分割的分割结果的直接量化比较提供依据。 图3图示了如以上描述的用于确定使用的量化度量的示范性方法300。在步骤310中，接收涉及经调整的脑模型的患者图像(例如，MRI图像)和数据。本领域技术人员将理解，在执行该步骤之前，必须按照患者图像调整模型，但调整过程超出示范性实施例的范围。 在步骤320中，在经调整的脑模型中的描绘脑结构的网格的顶点中的每个处确定图像量。本领域技术人员将理解，图像量可以是可以被用来量化图像属性的任何数量的不同值中的一个或多个。例如，这些值可以包括图像强度、图像梯度和梯度幅值。技术人员将进一步地理解，网格的顶点可以被理解为属于网格三角的点。然而，也可以使用具有顶点的其他网格形状，诸如矩形、正方形、八边形等。此外，本领域技术人员将理解，可以使用任何适当的图像处理功能来确定图像量。 在步骤330中，对在顶点中的每个处确定的图像量求平均以产生量化度量，所述量化度量可以被用来评估模型的调整。如下面将详细描述的，因为球平均仅是获得量化度量的一种方式，所以所述方法不限于对每个顶点的图像量求平均。在一个实施例中，可以将度量归一化，使得经完美地调整的模型产生简化数值，例如I或100，并且使得已本文档来自技高网...

【技术保护点】
一种方法，包括：接收(310)医学图像；接收(310)对身体结构的模型的调整，所述调整涉及所述医学图像；确定(320)在所述调整的多个顶点中的每个处的所述医学图像的图像量；并且聚合(330)所述多个图像量以确定评估度量。

【技术特征摘要】
【国外来华专利技术】2012.05.31 US 61/653,7611.一种方法，包括: 接收(310)医学图像； 接收(310)对身体结构的模型的调整，所述调整涉及所述医学图像； 确定(320)在所述调整的多个顶点中的每个处的所述医学图像的图像量；并且 聚合(330)所述多个图像量以确定评估度量。2.根据权利要求1所述的方法，其中，所述聚合(330)包括确定平均值。3.根据权利要求1所述的方法，其中，所述医学图像是謝1、^！和超声中的一个。4.根据权利要求1所述的方法，其中，所述模型是可变形脑模型。5.根据权利要求1所述的方法，还包括: 将所述评估度量与阈值进行比较(340)； 如果所述评估度量大于或等于所述阈值，则批准(350)所述调整；并且 如果所述评估度量小于所述阈值，则拒绝(360)所述调整。6.根据权利要求1所述的方法，其中，所述图像量是图像强度、图像梯度和梯度幅值中的一个。7.根据权利要求1所述的方法，其中，所述聚合(330)包括分别地考虑所述顶点中的每个，以确定针对所述医学图像的多个子集中的每个的分别的评估度量。8.一种系统，包括: 存储器(430)，其存储医学图像和对身体结构的模型的调整，所述调整涉及所述医学图像；以及 处理器(420),其确定在所述调整的多个顶点中的每个处的所述医学图像的图像量，并且聚合所述多个图像量以确定评估度量。9.根据权利要求8所述的系统，还包括: 成像装置，其生成所述医学图像。10.根据权利要求9所述的系统，其中，在所述成像装置生成所述医学图像之后，所述处理器(420)按照所述医学图像来调整所述模型，以生成所述调整。11.根据权利要求...

【专利技术属性】
技术研发人员：L·G·扎戈尔谢夫，S·扬，C·S·霍尔，
申请(专利权)人：皇家飞利浦有限公司，
类型：发明
国别省市：荷兰;NL