使用等周树的图像分割制造技术

在图像分割的方法中，从输入数据导出树（３１０）。产生矩阵的无填充次序，该矩阵代表该树（３２０）。关于该矩阵求解线性方程系统，获得解（３３０）。使用该解定义分割族（３４０）。基于分割质量的量度从该分割族选择分割（３５０）。

【技术实现步骤摘要】
【国外来华专利技术】
本申请涉及图像分割，具体涉及使用等周树进行图像分割的方法和系统。
技术介绍
医学成像一般被认为对于诊断和患者看护很重要，其目标是改善治疗结果。近年来，由于诸如X摄像、计算机断层摄影(CT)、核磁共振成像(MRI)和超声的成像形态的进步，医学成像经历了爆炸式增长。这些形态提供了研究活体的内部器官(organ)的非介入方法，但是数据量很大，并且当呈现为2D图像时通常需要解剖学家/射线专家来解释。不幸的是，对数据的人工解释上引发的代价抑制了常规数据分析。可以组合2-D切片(slice)，以生成3-D立体模型。当随时间拍摄图像时，4-D(3-D+时间)分析成为可能。对该数据的准确和便宜的解释难于实现。图像分割通过采取从数据集自动或半自动提取感兴趣的解剖器官或者区域而在用于解剖学数据的诊断和分析的基于计算机的医学应用上扮演重要角色。例如，图像分割方法能够分离脑与非脑组织，也称作头脑剥离(skull-stripping)，这是脑电图(brain mapping)研究中很重要而有困难的图像处理问题。图像分割方法使得人们能对心脏形状和运动进行研究。心脏机理的研究是重要的，这是因为心脏病被认为与心脏形状和运动方面的区域变化有很强的关联。在计算机视觉文献中获得了突出地位的图像分割中的图形划分方法包括标准化切割(normalized cut)算法、最大流/最小割(max-flow/min-cut)、以及随机游走(random walker)算法。Shi，J.和Malik，J.，“Normalized cuts and imagesegmentation，”in IEEE Transactions on Pattern Analysis and MachineIntelligence，22(8)888-905，2000.Boykov，Y.和Jolly，M.P.，“Interactive graphcuts for optimal boundary & region segmentation of objects in N-D images，”inInternational Conference on Computer Vision，volume I，pages 105-112，July 2001.Yu构造了编码不同图像缩放尺寸的提示的多个层级图形，并且跨越所有图形层级优化平均Ncut成本。Yu，Stella X.，“Segmentation Using Multiscale Cues”，In IEEE Computer Society Conference on Computer Vision and PatternRecogntion，1(1)247-254，2004。Grady引入了作为全自动图像分割的方法的等周图形划分算法。Grady，Leo，“Space-variant computer visionA graph-theoretic approach”，博士论文，波士顿大学，波士顿，曼彻斯特，2004。但是，因为该算法允许指定单个节点作为前景点，分割基于围绕该前景点，该点可以由用户选取，所以得到了半自动分割算法。等周算法是在图形上表达的，其中，在图像处理语境下，在6连接的格子(lattice)中，每个节点代表体元(voxel)，边连接邻近的体元。
技术实现思路
根据本专利技术的示例性实施例，提供了一种图形划分方法。该方法包括从输入数据导出树；以及使用该树作为用于等周图形划分算法的设置。根据本专利技术的示例性实施例，提供了一种图像分割方法，包括从输入数据导出树；产生矩阵的无填充次序，该矩阵代表该树；求解关于该矩阵的线性方程系统，获得解；使用该解定义分割族；以及基于分割质量的量度从该分割族选择分割。根据本专利技术的示例性实施例，提供了一种医学图像分割的方法，包括从医学图像数据集获得掩模；基于该掩模计算距离映射；获得前景点；基于图像的邻近关系结构计算带有权重的最大生成树，所述权重是距离映射的函数；产生矩阵的无填充次序，该矩阵代表该最大生成树；求解关于该矩阵的线性方程系统，获得解；使用该解定义分割族；以及基于分割质量的量度从该分割族选择分割。根据本专利技术的示例性实施例，提供了一种计算机可读介质。该计算机可读介质包括用于从输入数据导出树的计算机代码；用于产生矩阵的无填充次序的计算机代码，该矩阵代表树；用于求解关于该矩阵的线性方程系统，由此获得解的计算机代码；用于使用该解定义分割族的计算机代码；以及用于基于分割质量的量度从分割族选择分割的计算机代码。附图说明对于本领域普通技术人员而言，当结合附图阅读本专利技术的示例性实施例的描述时，本专利技术将变得更清楚，在附图中图1图示了根据本专利技术的示例性实施例，以由节点内部数字给出的次序的、树的拉普拉斯矩阵的高斯消去(Gaussian elimination)。图2是示出根据本专利技术的示例性实施例的图形划分方法的流程图。图3是示出根据本专利技术的示例性实施例的图像分割方法的流程图。图4是示出根据本专利技术的示例性实施例的医学图像分割方法的流程图。图5示出了用于实现根据本专利技术的示例性实施例的医学图像分割方法的计算机系统。具体实施例方式下文中，将参考附图详细描述本专利技术的示例性实施例。形式上，图形为组G＝(V，E)，其中节点或顶点v∈V，以及边e∈EV×V。跨越两个顶点vi和vj的边e用eij表示。权图具有赋予每个边的值(假定非负并且是实数)，称作权。边eij的权用w(eij)或者wij表示，代表邻近体元(voxel)之间的强度或者亲合度(affinity)。等周图形划分可以通过把等周率写成如下形式来展示用于图形划分的等周算法hG(X)minXXTLXXTr]]>其中，r是所有1的向量，x代表指示集合SV的节点成员关系的向量，即， n×n矩阵L是该图形的拉普拉斯矩阵，定义为 其中di表示顶点vi的加权度di＝∑W(eij)eij∈E 标记LViVj用于指示矩阵L用顶点vi和vj索引。利用这些定义，方程1中比率的分子达标跨越S和S的边的权重和，而分母给出了S的势(cardinality)。给定势约束|V|-XTr＝k通过松弛(relax)x的二进制定义并且相对于x最小化方程1的分子，我们得到了方程的奇异(singular)系统。可以通过任意为S分配一个节点vg来克服，得到了非奇异系统L0x0＝r0其中，下标表明去除了对应于vg的行(或者，在L0的情况下，行和列)。给出方程5的实数值解，人们可通过找到产生具有最小等周恒量的划分的阈值而将该解转换成划分，这需要尝试仅n个阈值。在本语境下，我们感兴趣的是图形的几何(掩模(mask)，因而，在方程5的求解中，我们处理wij＝1。树根据本专利技术的示例性实施例，标准的格子边集合被以树代替。零填充高斯消去次序指的是，线性方程的系统可以以两通路(two pass)求解，其存储等于n。具体地，可以通过消去(不加权的)度为1的节点(即，树的叶子节点)以及递归地消去进而具有度1的节点，直到达到根节点来在线性时间内找到该次序。在这种情况下，便利的根节点是基础(ground)。下面给出了根据本专利技术示例性实施例的产生树的无填充(no-fill)次序。 上本文档来自技高网...

【技术保护点】
一种图形划分方法，包括：从输入数据导出树；以及使用该树作为用于等周图形划分算法的设置。

【技术特征摘要】
【国外来华专利技术】...

【专利技术属性】
技术研发人员：利奥格雷迪，
申请(专利权)人：西门子医疗技术美国股份有限公司，
类型：发明
国别省市：US[美国]