基于迭代重建的轮廓自动化确定制造技术

本发明专利技术涉及基于迭代重建的轮廓自动化确定。描述了一种用于分割待成像的检查区域(FOV)的方法。在该方法中，从待成像的检查区域(FOV)采集测量投影数据(RD)。基于所采集的测量投影数据(RD)进行迭代重建(IR)。在此，重建初步图像数据(VBD)和初步纹理特征(VTM)。基于所获得的初步纹理特征(VTM)，确定检查区域(FOV)中的预期的初步结构(VEK)、优选初步轮廓。随后，在对初步图像数据(VBD)和初步纹理特征(VTM)的迭代重建中考虑预期的初步结构(VEK)。还描述了一种图像分割方法。还描述了一种图像重建装置。还描述了一种图像分割装置(40)。还描述了一种计算机断层成像系统(1)。

【技术实现步骤摘要】
基于迭代重建的轮廓自动化确定
本专利技术涉及一种用于重建待成像的检查区域的图像数据和纹理特征的方法。本专利技术还涉及一种用于分割待成像的检查区域的方法。此外，本专利技术涉及一种重建装置。本专利技术还涉及一种图像分割装置。本专利技术还涉及一种计算机断层成像系统。
技术介绍
在来自医学成像设备的预先给定的图像中对器官进行分割，在许多临床应用中是非常关键的一个步骤。例如，对肝脏进行分割是必不可少的一个步骤，以便确定其体积或者其部分体积。然后可以使用该信息的知识，来例如规划肝脏手术期间的准确手术步骤。另一个示例涉及确定具有高辐射敏感度的器官的轮廓，以便规划放射治疗处理。在这种情境下，标出患者身体中的敏感的健康的解剖学结构、例如肝脏或者膀胱，以便保护其免受在治疗照射中出现的辐射暴露的损害，是非常重要的。然后，分割的健康的结构和分割的待照射的肿瘤一起被包含在放射治疗规划的方案中，从而在健康风险和照射的使用方面针对患者实现最佳结果。在任何情况下都希望开发一种能够快速并且准确地处理大量数据的自动化的分割方法。迄今为止，已经利用现代图像处理方法将一些应用自动化。例如，自动化的肝脏或心脏分割是许多临床应用的组成部分。然而，已经存在的解决方案不完善，为了获得正确的结果，在一部分分割过程中仍然总是需要用户介入。还存在大量应用情况，其中，通过利用简单的几何工具勾画出解剖学对象的二维轮廓，然后合成为三维结构(例如参见图1)，来完全手动地进行分割过程。问题在于，不同的解剖学对象之间的边界不总是能够被清楚地识别，并且目前的算法也不能完美地对这些对象进行分割。例如，在非对比度CT图像数据的情况下，属于肝脏的体素和与相邻的肌肉组织相关联的体素具有相同的CT值(亨氏值(Hounsfield-Werte))。为了也能够基于在图像数据空间中不能清楚地识别不同的解剖学结构之间的边界的图像数据执行分割，传统上将事先已知的关于图像数据的信息一起包含到所应用的分割算法中。在此，一种特别新颖的方法是所谓的机器学习，其中，产生包括几何特征和纹理特征并且基于大量图像数据确定的统计学计算机模型。然后，将这种模型应用于患者解剖结构，其中，在记录的图像数据中考虑个体的患者信息。这种方法使得能够更好地对不能在视觉上进行区分的图像片段进行处理。在这些图像片段中，使用模型几何结构，以便对图像对比度的缺乏进行补偿。然而，利用这些统计学模型也不能解决所有的分割问题。其原因在于，在图像数据中缺乏的信息不能准确地通过统计学信息进行补偿。在借助医学成像装置进行的图像记录期间，在第一步骤中采集原始数据，也称为测量投影数据，其例如在计算机断层成像设备中与不同的投影角有关地对应于X射线的吸收。随后基于原始数据利用整合方法重建图像数据。在所有传统分割方法中，所有模型方法都局限于图像数据空间中的图像数据的体素信息。然而，在从原始数据到重建的图像数据的变换中，相当大部分的信息丢失并且单独根据图像数据也无法得到重建。
技术实现思路
由此，存在提供一种普遍适用的自动化的重建方法的问题，这种重建方法在确定解剖学结构、特别是解剖学结构的轮廓时，具有改善的精度和可靠性。上述技术问题通过根据本专利技术的用于重建待成像的检查区域的图像数据和纹理特征的方法、根据本专利技术的用于分割待成像的检查区域的方法、根据本专利技术的图像重建装置、根据本专利技术的图像分割装置以及根据本专利技术的计算机断层成像系统来解决。在根据本专利技术的用于重建待成像的检查区域的图像数据和纹理特征的方法中，采集待成像的检查区域的测量投影数据。如已经提到的，在使用结合利用计算机断层成像设备进行的成像的方法时，测量投影数据可以是与不同的投影角有关的X射线的吸收的测量值。随后，基于采集的测量投影数据执行迭代重建。迭代重建是用于特别是在计算机断层成像中根据采集的测量投影数据重建图像数据的重建方法。利用这种重建方法，能够产生具有小的噪声分量的图像数据。在这种方法中，对于图像数据重建处理使用校正环，在校正环中，逐步通过逐渐逼近记录区域中的实际密度分布或者衰减值的分布来计算计算机断层成像的剖视图。为此，首先做出关于存在于记录区域中的待检查的组织层的密度分布的假设并且计算初始图像。根据该初始图像产生新的合成投影数据，并且与实际记录的“真实的”测量投影数据、也称为原始数据进行比较。如果其不一致，则计算对应的校正图像，借助其对初始图像进行校正。然后，重新合成投影数据并且与测量的原始数据进行比较。持续进行这种迭代，直到满足定义的中断标准为止。之后，在校正后的图像中，提高对比度高的区域中的空间图像分辨率，与此相反降低对比度低的区域中的图像噪声。图像在密度均匀的组织区域中更柔和，同时保持对比度高的组织边界。将图像分辨率和图像噪声退耦。在迭代重建中，此时根据本专利技术，获得初步图像数据和初步纹理特征。这些纹理特征对应于投影数据空间中的各个点的个体特性，并且在迭代重建中部分地计算。在两个解剖学对象之间的边界处、但是也在解剖学对象内部的其它区域中计算纹理特征。然而，在传统的迭代重建中，这些纹理信息在通过迭代重建产生的最终图像数据中不再存在。然而，这些纹理数据包括有价值的信息，例如空间中的特定点是两个解剖学对象之间的边界线的一部分的概率。根据本专利技术，此时使用这些纹理特征来获得附加结构信息、优选轮廓信息。结构信息优选包括轮廓信息、即关于解剖学结构之间的边界的走向的信息。但是其也可以包括关于器官或一般的解剖学对象或者区域内部的结构的信息。这些结构例如可以是要在器官内部识别的肿瘤结构等。在根据本专利技术的方法的范围内，还可以基于原始数据计算对于常规的图像数据的产生而言不需要的附加纹理特征，以改善要获得的结构信息、优选轮廓的质量。这些附加纹理特征例如可能涉及解剖学对象之间的边缘或者边界线，但是其也可能涉及对象内部的特性纹理。纹理特征给出关于图像记录中的灰度级的分布的信息。对这些纹理特征的详细描述在Haralick等的“TexturalFeaturesforImageClassification”,IEEETransactionsonSystems,ManandCybernetics,Vol.SMC-3,No.6,1973年11月,第610-621页中可以找到，在此通过引用包含在本专利申请中。此时，基于所获得的初步纹理特征确定检查区域中的预期的初步结构、优选轮廓。纹理特征例如包括与在图像中的特定位置处存在边缘或轮廓的概率相关的信息。然后，基于这些信息在图像数据空间中确定初步结构、优选轮廓。随后，在迭代重建的下一个迭代步骤中考虑预期的初步结构、优选轮廓。也就是说，其也包含在合成投影数据的产生中，并且随后在合成投影数据和原始数据之间的比较中以及在校正图像数据、类似地还在校正后的纹理特征的产生中考虑。特别是在迭代重建的范围内在原始数据空间中进行滤波时考虑预期的初步结构、例如轮廓。预期的初步结构呈现根据本专利技术在进行滤波时考虑的单独的信息。以这种方式，逐步更准确地描述结构信息并且与其相关联地更准确地描述纹理特征。如果将确定的轮廓信息与重建的图像数据组合，则获得具有与各个解剖学对象相关联的、清楚地划分的图像区域的图像。有利的是，在根据本专利技术的方法中，使得将在重建中一起产生的纹理特征以自动化的方式一起包含在图像重建和纹理特征的重建的本文档来自技高网...

【技术保护点】
一种用于重建待成像的检查区域(FOV)的图像数据和纹理特征的方法，其具有步骤：‑从待成像的检查区域(FOV)采集测量投影数据(RD)，‑基于所采集的测量投影数据(RD)执行迭代重建(IR)，其中，在迭代重建(IR)的过程中执行以下步骤：‑重建初步图像数据(VBD)和初步纹理特征(VTM)，‑基于所获得的初步纹理特征(VTM)，确定检查区域(FOV)中的预期的初步结构、优选预期的初步轮廓(VEK)，‑在对初步图像数据(VBD)和初步纹理特征(VTM)的迭代重建中考虑预期的初步结构。

【技术特征摘要】
2015.12.22 DE 102015226400.91.一种用于重建待成像的检查区域(FOV)的图像数据和纹理特征的方法，其具有步骤：-从待成像的检查区域(FOV)采集测量投影数据(RD)，-基于所采集的测量投影数据(RD)执行迭代重建(IR)，其中，在迭代重建(IR)的过程中执行以下步骤：-重建初步图像数据(VBD)和初步纹理特征(VTM)，-基于所获得的初步纹理特征(VTM)，确定检查区域(FOV)中的预期的初步结构、优选预期的初步轮廓(VEK)，-在对初步图像数据(VBD)和初步纹理特征(VTM)的迭代重建中考虑预期的初步结构。2.根据权利要求1所述的方法，其中，附加地基于重建的初步图像数据(VBD)和/或结构预测模型(VM)，确定检查区域(FOV)中的预期的初步结构(VEK)。3.根据权利要求1或2所述的方法，其中，重复迭代重建(IR)的过程中的步骤，直至满足针对所确定的初步图像数据(VBD)和初步纹理特征(VTM)的质量标准为止。4.一种用于分割待成像的检查区域(FOV)的方法，具有步骤：-使用根据权利要求1至3中任一项所述的方法，重建图像数据(BD)和纹理特征(TM)，-考虑基于初步纹理特征(VTM)确定的纹理特征(TM)，分割待成像的检查区域(FOV)。5.根据权利要求4所述的方法，其中，附加地考虑基于重建的初步图像数据(VBD)确定的图像数据(BD)和/或结构预测模型、优选轮廓预测模型(VM)，分割待成像的检查区域(FOV)。6.根据权利要求2至5中任一项所述的方法，其中，借助训练方法获得结构预测模型(VM)，训练方法具有以下步骤：-采集训练测量投影数据(TRD)，-基于训练测量投影数据(TRD)对初步训练图像数据(VTBD)执行迭代重建(IR)，其中，在迭代重建中附加地确定初步训练纹理特征(VTTM)，-在初步训练图像数据(VTBD)中标注结构(AK)，-考虑所标注的结构(AK)，对初步训练图像数据(VTBD)重新进行迭代重建，并且确定初步训练纹理特征(VTTM)，-将最后重建的初步训练图像数据(VTBD)和最后获得的初步训练纹理特征(VTTM)归为最终的训练图像数据(TBD)和最终的训练纹理特征(TTM)，...

【专利技术属性】
技术研发人员：R劳帕赫，G索扎，
申请(专利权)人：西门子保健有限责任公司，
类型：发明
国别省市：德国,DE