【技术实现步骤摘要】
【国外来华专利技术】
以下总体涉及图像处理并且更具体而言涉及用于基于图集的配准的训练,并且结合计算机断层摄影(CT)具体应用进行描述。然而,以下还适用于其他成像模态。
技术介绍
未知图像到人类解剖结构的相关常常是诸如针对自动器官分割的许多医学图像处理应用中的第一任务。为了解决该问题,大部分方法需要关于某种地面实况的大量的用户输入。在文献中,用于解剖结构检测和器官定位各种方法被使用。虽然个体器官的检测是高度特异性的并且必须针对新器官进行重新训练,但是到解剖图集的配准可以被用于检测视场并且同时估计若干器官的位置。多图集方法能够经由全部独立地配准到未知图像的参考图像的数据库来处理各种图像。这些方法使得能够进行可变形配准和经由标签融合技术对靶结构的分割。然而,这些方法遭受长计算时间和对图集中的范例图像的选择的强依赖性的问题。单实例平均图像的通用性在最近的方法中已经通过减少组织类的灰度值得以改进。另一方法使用关于联合的分割和配准的基于种类标签的互信息。然而,该方法需要全部图像域上的集成,其是低效的。另一方法根据骨盆和腹部图像创建组织类图集。然而,这些图集特定于解剖结构并且要求所有训练图像到图集空间中的给定配准以进行训练。另一方法训练针对根据紧器官边界框的器官边界框检测的回归森林,所述已经定义必须在训练数据集中定义。一般而言,以上和/或其他已知方法要求大量的地面实况信息,例如地面实况器官分割、界标、确认的参考配准或至少一致的命名或DICOM标签。而且,许多图集训练方法要求输入图像以某种方式类似,例如具有类似的视场、类似协议或对比度或示出重叠的解剖区域。而且,图集训练流程一般地要求大量的训 ...
【技术保护点】
一种方法,包括:从数据储存库中的训练图像的集合获得单幅训练图像;基于所获得的单幅训练图像,生成初始组织类图集,其中,所述初始组织类图集包括对应于两个或更多个不同的组织类的两个或更多个不同的组织类图像;将训练图像的所述集合的剩余的训练图像配准到所述初始组织类图集;生成针对经配准的图像中的每个的质量度量;利用预定评价准则来评价所述经配准的图像中的每个的所述质量度量;识别来自训练图像的所述集合的满足所述评价准则的图像的子集;并且基于训练图像的所述集合的所识别的子集来生成后续组织类图集。
【技术特征摘要】
【国外来华专利技术】2014.02.27 US 61/945,2921.一种方法,包括:从数据储存库中的训练图像的集合获得单幅训练图像;基于所获得的单幅训练图像,生成初始组织类图集,其中,所述初始组织类图集包括对应于两个或更多个不同的组织类的两个或更多个不同的组织类图像;将训练图像的所述集合的剩余的训练图像配准到所述初始组织类图集;生成针对经配准的图像中的每个的质量度量;利用预定评价准则来评价所述经配准的图像中的每个的所述质量度量;识别来自训练图像的所述集合的满足所述评价准则的图像的子集;并且基于训练图像的所述集合的所识别的子集来生成后续组织类图集。2.根据权利要求1所述的方法,还包括:将训练图像的所述集合的所述剩余的训练图像配准到所述后续组织类图集;生成针对所述经配准图像的质量度量;利用预定准则来评价每个经配准的图像的所述质量度量;识别训练图像的所述集合中满足所述评价准则的第二子集;并且基于训练图像的所述集合的所识别的子集来生成第二后续初始组织类。3.根据权利要求1至2中的任一项所述的方法,还包括:动态地确定图像中的有限数目的采样点,用于将所述图像与所述初始组织类图集、所述后续组织类图集或第二后续组织类图集中的一个或多个进行配准;并且利用所述有限数目的采样点来将所述图像与所述初始组织类图集、所述后续组织类图集或所述第二后续组织类图集中的所述一个或多个进行配准。4.根据权利要求3所述的方法,还包括:基于所述初始组织类图集、所述后续组织类图集或所述第二后续组织类图集中的所述一个或多个中的组织类出现与要被配准到所述初始组织类图集、所述后续组织类图集或所述第二后续组织类图集中的所述一个或多个的所述图像中的组织类出现之间的比率来确定所述有限数目的采样点。5.根据权利要求4所述的方法,其中,所述有限数目的采样点包括响应于所述图像包括对应于所述初始组织类图集的组织类的第一水平的采样点的第一集合和响应于所述图像包括所述组织类的第二水平的采样点的第二集合,所述第一水平大于所述第二水平,并且采样点的所述第一集合大于采样点的所述第二集合。6.根据权利要求3至5中的任一项所述的方法,还包括:通过计算所述两个或更多个组织类图像的加权的平均互相关来生成所述质量度量。7.根据权利要求6所述的方法,还包括:基于所述有限数目的采样点来对所述两个或更多个组织类图像的所述平均互相关进行加权。8.根据权利要求1所述的方法,还包括:通过计算所述组织类图像的加权的平均互相关来生成所述质量度量。9.根据权利要求1至8中的任一项所述的方法,还包括:通过将所述剩余的训练图像分解为组织类图像来将所述训练图像的集合的所述剩余的训练图像配准到所述初始组织类图集,评价图像的第一概率密度函数与利用预定转换来转换的所述初始组织类图集的第二概率密度函数之间的熵准则,并且对所有组织类进行求和。10.根据权利要求9所述的方法,还包括:利用图像空间中的蒙特卡罗采样来对每组织类进行接近积分。11.根据权利要求1至10中的任一项所述的方...
【专利技术属性】
技术研发人员:A·R·弗兰茨,N·沙德瓦尔特,H·舒尔茨,D·贝斯特罗夫,T·维克,
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
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。