用于分割图像中的对象的分割系统技术方案

本发明专利技术涉及一种用于分割图像中的对象的分割系统。分割系统被配置为将包括表面元素的表面模型放置在图像内，针对每个表面元素来确定图像的相应的子体积(6)，并且使用神经网络(51)以基于所确定的子体积来确定在表面元素与图像中的对象的边界之间的相应距离。然后根据所确定的距离来适配表面模型以便分割对象。与已知技术(其依赖于(10)例如沿着垂直于相应表面元素的线对候选点进行采样以及针对候选点来确定它们指示对象的边界的可能性)相比，这种基于图像的子体积和神经网络的分割得以改进。

【技术实现步骤摘要】
【国外来华专利技术】用于分割图像中的对象的分割系统
本专利技术涉及用于分割图像中的对象的分割系统、方法和计算机程序。本专利技术还涉及用于训练神经网络的训练系统、方法和计算机程序。
技术介绍
O.Ecabert等人的文章“SegmentationoftheheartandgreatvesselsinCTimagesusingamodel-basedadaptationframework”(MedicalImageAnalysis，第15卷，第863-876页(2011))公开了一种用于分割图像中的心脏的基于模型的分割技术。基于模型的分割包括将心脏的表面模型放置在图像中，其中，该表面模型包括作为三角形的表面元素。针对每个表面元素，沿着垂直于相应的表面元素的线来对候选点进行采样，并且针对这些候选点中的每个候选点，确定其对应于心脏的边界的可能性，其中，然后选择具有最高可能性的候选点，并且相应地适配相应的表面元素的位置。为了选择具有最高可能性的候选点，可以使用特定于三角形的接受标准，诸如在J.Peters等人的文章“Optimizingboundarydetectionvi本文档来自技高网...

【技术保护点】
1.一种用于分割图像中的对象的分割系统，所述分割系统(1)包括：/n图像提供单元(2)，其用于提供对象的图像，所述图像表示图像体积，/n模型提供单元(4)，其用于提供用于被适配于所述对象的表面的可变形表面模型(3)，其中，所述表面模型(3)包括定义网格表面的相应部分的表面元素(8)，/n子体积确定单元(5)，其用于将所述表面模型(3)放置在所述图像内并且用于针对所述表面模型(3)的每个表面元素(8)来确定所述图像的相应的子体积(6)，使得所述相应的子体积(6)与相应的表面元素(8)重叠，/n神经网络提供单元(7)，其用于提供卷积神经网络，所述卷积神经网络适于基于所确定的子体积(6)来确定在所述...

【技术特征摘要】
【国外来华专利技术】20171201 EP 17204870.41.一种用于分割图像中的对象的分割系统，所述分割系统(1)包括：
图像提供单元(2)，其用于提供对象的图像，所述图像表示图像体积，
模型提供单元(4)，其用于提供用于被适配于所述对象的表面的可变形表面模型(3)，其中，所述表面模型(3)包括定义网格表面的相应部分的表面元素(8)，
子体积确定单元(5)，其用于将所述表面模型(3)放置在所述图像内并且用于针对所述表面模型(3)的每个表面元素(8)来确定所述图像的相应的子体积(6)，使得所述相应的子体积(6)与相应的表面元素(8)重叠，
神经网络提供单元(7)，其用于提供卷积神经网络，所述卷积神经网络适于基于所确定的子体积(6)来确定在所述表面模型(3)的表面元素(8)与所述图像中的所述对象的边界(19)之间的距离(d)，
距离确定单元(9)，其用于通过使用所提供的神经网络，基于所确定的子体积(6)来确定在所提供的且所放置的表面模型(3)的所述表面元素(8)与所提供的图像中的所述对象的所述边界(19)之间的相应距离(d)，以及
模型适配单元(10)，其用于根据所确定的距离(d)来将所述表面模型(3)适配于所述图像中的所述对象。


2.根据权利要求1所述的分割系统，其中，所述神经网络提供单元(7)适于提供另外的卷积神经网络，所述另外的卷积神经网络适于基于所述子体积(6)来确定针对所述表面模型(3)的表面元素(8)的置信度值，其中，针对相应的表面元素(8)的置信度值指示针对所述相应的表面元素(8)而确定的所述距离与所述相应的表面元素(8)到所述图像中的所述对象的所述边界(19)的实际距离的偏差的估计，其中，所述分割系统(1)还包括：置信度值确定单元(11)，其用于通过使用所提供的另外的神经网络，基于所确定的子体积(6)来确定针对所述表面模型(3)的所述表面元素(8)的置信度值。


3.根据权利要求2所述的分割系统，其中，所述模型适配单元(10)适于根据所确定的距离(d)并且基于针对所述相应的表面元素(8)而确定的相应的置信度值来适配所述表面模型(3)。


4.根据权利要求1所述的分割系统，其中，所述模型提供单元(4)适于提供所述表面模型(3)，使得每个表面元素(8)包括与相应的表面元素的法线对准的方向(12)，其中，所述距离确定单元(9)适于确定在所述相应的表面元素(8)的所述方向(12)上的所述相应距离(d)。


5.根据权利要求1所述的分割系统，其中，所述模型提供单元(4)适于提供所述表面模型(3)，使得每个表面元素(8)包括与相应的表面元素的法线对准的方向(12)，其中，所述子体积确定单元(5)适于确定所述子体积(6)，使得它们在所述相应的表面元素(8)的所述方向(12)上被拉长。


6.根据权利要求1所述的分割系统，其中，所述子体积确定单元(5)适于确定所述子体积(6)，使得它们具有相同的维度和相同的形状。


7.根据权利要求1所述的分割系统，其中，所述图像提供单元(2)适于提供所述图像，使得每个图像元素包括两个或更多个图像值，所述两个或更多个图像值是从不同的成像模态或者从相同成像模态的不同图像采集协议来获得的。


8.根据权利要求1所述的分割系统，其中，所述子体积确定单元(5)适于确定圆柱形的子体积。


9.根据权利要求1所述的分割系统，其中，所述子体积确定单元(5)适于通过对所述图像进行采样来确定所述子体积，其中，所述图像被采样为使得采样程度取决于距所述相应的子体积的中心的距离。


10.一种用于训练神经网络的训练系统，所述训练系统(30)包括：
神经网络提供单元(37)，其用于提供卷积神经网络，
训练数据提供单元(13)，其用于提供示出训练对象(33)的训练图像并且用于提供可变形的训练表面模型，所述可变形的训练表面模型包括定义网格表面的相应部分的表面元素，其中，所述表面模型已经被适配于所述训练对象(33)，
训练单元(14)，其用于训练所提供的神经网络，其中，所述训练单元(14)适于：
a)通过修改经适配的训练表...

【专利技术属性】
技术研发人员：T·布罗施，J·彼得斯，R·J·威斯，
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