对３Ｄ数字医学图像中的解剖实体进行分割的方法技术

对于图像中的一定数目的地标当中的每一个定义该地标的初始位置。接下来，对包括所述地标的一定数目的候选位置的所述初始位置周围的邻域进行采样，并且把成本与每一个所述候选位置相关联。对表示所有候选位置的总体灰度成本和总体形状成本的加权和的成本函数进行优化。把已分割解剖实体定义为经过候选位置的所选组合的一条路径，其中针对所述组合优化了所述成本函数。在朝向最优已分割表面／体积的优化期间利用图遍历方法。

【技术实现步骤摘要】
【国外来华专利技术】
本专利技术涉及一种对数字图像中的实体进行分割的方法，更具体来说涉及对数字医学图像中的解剖实体进行分割的方法。根据本专利技术的分割处理是基于对图像的几何模型及 光度模型的使用。 本专利技术的方法特别可以用作在数字图像上执行几何测量的处理，更具体来说是在 数字医学图像上执行几何测量的处理。
技术介绍
在放射学实践中，几何测量被频繁地用于帮助诊断异常。为了执这些测量，必须把 关键用户点放置在图像(例如在显示设备上显示的图像)中其相应的解剖地标位置处。诸 如两点之间的距离或者线之间的角度之类的测量就是基于这些关键用户点的位置。此外还 可以在整体上评估几何结构的常态或异常，包括对完整形状的分析。因此需要自动且客观 地提取出嵌入在放射学图像中的定量信息。 所述频繁执行的测量的一个例子是计算胸廓RX图像(图6)中的心胸比值(CTR)。 这一比值被定义为心脏在顶点水平的横直径与胸廓的内直径(ID)的比值，即CTR = (MLD+MRD)/ID。 心脏的横直径由心脏左侧最大横直径(MLD)和心脏右侧最大横直径(MRD)构成。 这一定义显然要求放射科医师沿着左、右肋廓的内边界进行搜索，以便定位计算所述内直 径ID所需要的点对。该点对必须位于胸廓的最大内直径处。同样地，必须搜索左、右心影 边界以便定位计算MLD与MRD的和所需要的点。更具体来说，这些点处于相对于脊柱中线 的最远处。所述边界搜索处理要求放射科医师执行解剖结构分割并且定位已分割解剖结构 上的各点(在本例中一共是四个点)。在CTR计算的情况下，所述分割步骤等于是描绘肺 野。 3D应用的一个例子是对肺进行分割以及计算肺容积。 数字图像中的许多其他测量遵循类似的方法，其中涉及到解剖器官或实体的分 割，在分割的几何结构上确定特征点和测量对象并且最后执行测量(图5)。 参照心胸指数计算的例子，为了自动定位所需各点，需要一种在胸腔射线照相图 像上自动对肺野进行分割的方法。 取决于应用，可以通过几种方式解决所述分割问题。分割策略已经从早年间的计 算机视觉的低级别策略发展到更近的基于模型的策略。 低级别方法依赖于局部图像算子把具有不同光度特性的像素分开并且把具有类 似的局部光度特性的像素分组在一起。这两种类别的例子是边缘检测和区域生长。尽管这 些低级别方法的性能差，但是它们在大多数商用图像分析工具中仍然非常受欢迎。其主要 原因是这些低级别方法易于理解及实施。但是对于例如在医学图像中呈现并且以上述胸廓 图像的内容为例的复杂图像数据来说，其效用就受到限制。 更为成功的方法结合了关于将要分割的形状以及关于图像中的对象的光度或灰5度外观的先验知识。这些方法被称作基于模型的方法，其通常以模板匹配为基础。例如通 过进行相关或者利用广义Hough变换技术来匹配模板。不幸的是，所述模板匹配在医学图 像的情况中往往会失败。这是由于解剖对象可能会在形状和灰度外观方面表现出很大的变 异性。 基于由Kass等人引入的主动外形(M. Kass、 A. Witkin和D. Terzopoulos的 "Snakes :active contour models (蛇主动夕卜形模型)，，，Int. J. Computer Vision, 1(4): 321-331,1988)以及水平集(J. A. Sethian的"Level set methods and fast marching methods (水平集方法禾口快速行进方法)"，Cambridge Univ. Press, Cambridge, U. K. ， 1999) 的方法能够应对更大的形状变异性，但是仍然不适用于许多医学分割任务，这是因为只能 结合关于待分割对象的很少的先验知识。 手工(handcrafted)参数模型克服了这一问题，但是其受限于单一应用。 鉴于上述缺点，很明显的是需要一种可以利用实例进行训练以便获得关于待分割 对象的形状以及图像中的对象的灰度外观的知识的一般性分割方案。由Cootes和Taylor 引入的主动形状模型(ASM) (T.F.Cootes、 C. J. Taylor、 D. Cooper、 J.Graham的"ActiveShape Models-theirtraining and applications (主云力形状模型-其训练及应用)"，ComputerVision and Image Understanding,61 (1) :38-59， 1995)满足这种分割方案定义。 形状模型由地标点的矢量的主分量给出。所述灰度外观模型描述了以每一个地标为中心的 与对象外形(contour)垂直的轮廓(profile)的归一化一阶导数的统计。通过最小化一阶 导数轮廓与轮廓的分布之间的Mahalanobis距离找到地标在新图像中的位置。这种算法开 始于一个初始估计并且执行拟合程序，其是地标位移和形状模型拟合的交替。已经设想出 类似的方法，这些方法全都采用一种三步程序。首先，所述方法都使用确保产生似真结果的 形状模型。其次，所述方法使用灰度外观模型把对象放置在这样的位置处，在所述位置，边 界周围或者对象内部的灰度图样与从训练实例所预期的类似。最后，所述算法通过最小化 某一成本函数来拟合所述模型。 由主动形状模型所提出的方法仍然面对几方面的局限。 第一种局限是需要初始估计，这被称作初始定位问题。在某些情况下，在这种框架 中需要针对适当的初始外形进行大量搜索。 第二种局限在于交替地使用形状模型和灰度外观模型。首先，利用所述灰度外观 模型更新所述分割估计。其次，把所述形状模型拟合到所述更新后的外形。不幸的是，如果 所述灰度外观模型错误地定位了地标，则会误导所述形状模型。 利用主动形状模型分割方案的一些实验表现出另一个问题。如果特定地标的灰度 外观模型被用来找该地标的更好位置，则要求真实的地标位置处在所述算法所探索的区域 内部。在某些情况下，所述算法可能在某一地标的区域内搜索另一个地标。这意味着在错 误的区域内使用了错误的灰度外观模型，从而导致差的分割。 本专利技术的一个目的是提供一种对数字图像中的实体，更具体来说是数字医学图像 中的解剖实体，进行分割的方法，该方法克服了现有技术的问题。
技术实现思路
上述各方面是通过如权利要求1所述的方法实现的。 在从属权利要求中阐述了本专利技术的优选实施例的具体特征。 本专利技术的另一方面涉及一种如在所附权利要求书中阐述的对数字医学图像中的 解剖实体进行测量的方法。 下面所使用的术语灰度值模型、灰度值外观模型、灰度模型、灰度外观模型和光度 模型都是同义词。同样地，术语形状模型和几何模型被用作同义词。 术语特征图像和特征也被用作同义词。 本专利技术的方法的实施例通常以计算机程序产品的形式实现，当在计算机上运行 时，所述计算机程序产品适于实施本专利技术的方法步骤。 所述计算机程序产品通常被存储在诸如DVD或CD-ROM的计算机可读载体介质中。 或者，所述计算机程序产品可以具有电信号的形式，并且可以通过电子通信被传送给用户。 在EP A 1349098中公开了一种在数字采集的医学图像中自动进行测量的方法，该 方法是通过把测量对象和实体分组到由双向链接的外部图形模型和内部信息模型的计算 机化测量方案中而实现本文档来自技高网...

【技术保护点】
一种用于对数字医学图像中的解剖实体进行分割的方法，其包括以下步骤：－对于所述图像中的一定数目的地标当中的每一个地标定义所述地标的初始位置；－计算所有地标点的图数据结构，其中每一个节点（顶点）代表一个地标，并且每一条边（弧线）代表一对地标之间的连接；－按照系统方式或随机方式计算经过所述图数据结构的路径；－对所述初始位置周围的邻域进行采样，所述邻域包括所述地标的一定数目的候选位置；－把成本与每一个所述候选位置相关联；－对于所有候选位置优化表示总体灰度成本与总体形状成本的加权和的成本函数；－通过每一个地标的所述候选位置的所选组合把已分割解剖实体计算为表面或体积，其中对于所述组合优化所述成本函数，访问地标的顺序由经过所述图数据结构的所述路径确定，所述路径是最小跨度树（ＭＳＴ）。

【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：P德瓦尔，
申请(专利权)人：爱克发医疗保健公司，
类型：发明
国别省市：BE[比利时]