一种利用具有预定义自由形状的几何形状的至少一个感兴趣区域采集医学图像数据的方法，包括以下步骤：采集第一组医学图像数据；识别所述第一组图像数据中的至少一个解剖学界标；使用所述至少一个解剖学界标，利用受训模式识别模块确定所述至少一个感兴趣区域。
【技术实现步骤摘要】
【国外来华专利技术】
本专利技术涉及医学成像，尤其涉及医学图像之内的感兴趣区域的自动识别。
技术介绍
诸如磁共振成像(MRI)、计算机断层摄影(CT)或正电子发射断层摄影(PET)的医学成像技术能够采集关于患者的身体结构的信息并构建二维或三维数据集。然后可以将这些数据集用于以对医师诊断有用的形式构建数据集的可视化。例如，作为产生患者体内图像的流程的一部分，MRI扫描器使用磁场来对准原子的核自旋。这个磁场被称为BO场。在MRI扫描期间，发射线圈产生的射频(RF)脉冲给局部磁场带来扰动，并且可用于操纵核自旋相对于BO场的取向。核自旋发射的RF信号被接收线圈检测，并且这些RF信号被用于构建MRI图像。对于很多临床应用而言，操作员在医学图像数据中描绘出感兴趣区域以辅助医师对其患者进行诊断。对于MRI，应用的示例包括-测量动脉瘤、肿瘤或大脑尺寸。常常通过执行多次MRI检查在一段时间内跟踪这种信息。-在进行最大强度投影之前，在医学图像数据中限定包含血管结构的体积。-自动描绘出神经纤维束。通常由操作员手工描绘感兴趣区域，这是一项冗长乏味的工作。不同的操作员会以不同的方式描绘感兴趣区域，从而导致操作员之间存在变异性。此外，单个操作员可能随时间不同或在不同患者之间不一致地描绘感兴趣区域，从而导致操作员自身的变异性。在要求一致性时，例如在需要在多次检查中跟踪肿瘤的尺寸时，这种变异性降低了诊断数据的有用性。或者，可以使用感兴趣区域的自动识别来描绘解剖结构。不过，根据放射学家对形状、尺寸、位置的偏好，对这些感兴趣区域的临床描绘可能有所不同。例如，感兴趣区域的边界可能位于对比度边界之间，通常利用分割算法提取对比度边界。此外，仅在用于自动分割的图像具有分割算法所要求的对比度特性时，自动分割算法才能恰当工作。美国专利申请2008/0103383描述了采集针对特定目标结构优化的MRI图像以及对准侦查图像。
技术实现思路
本专利技术提供了用于利用具有预定义的自由形状的几何结构的至少一个感兴趣区域采集医学图像数据的方法、计算机程序产品和装置。在从属权利要求中给出了本专利技术的实施例。本专利技术的实施例通过组合手工描绘感兴趣区域的优点和使用算法使对感兴趣区域的识别自动化的优点克服了上述局限。可以将分割算法用于使对感兴趣区域的识别自动化。换言之，本专利技术的实施例可以缓解以下两种方式的缺点5-手工描绘感兴趣区域，这是冗长乏味且易于不一致的；-自动分割，这可能导致与操作员所偏好的不同的感兴趣区域并需要具有与对比度特性相关的特定要求的图像信息。利用现有技术，操作员有可能训练系统以根据系统用户的特定偏好在医学图像中定位框形几何结构。对于这种训练，该技术利用了(i)借助于分割覆盖感兴趣解剖结构的粗略的调查图像的自动解剖结构检测，和(ii)操作员提供的框形示例性几何结构。系统从这种训练学习到根据自动解剖结构检测的结果定位框形几何结构的期望方式。本专利技术的实施例可以在一个或多个以下方面中改进对框形几何结构的使用1.与用于规划框形几何结构的这种现有技术类似，本专利技术的实施例可以自动识别自由形状的几何结构。在一个实施例中，该系统利用了(i)借助于分割覆盖感兴趣解剖结构的粗略的调查图像的自动解剖结构检测，和(ii)操作员提供的示例性感兴趣区域。于是，在这一实施例中，该系统学习到相对于自动解剖结构检测结果的这些感兴趣区域的期望的位置和形状。2.可以在诊断图像上而不是在粗略的调查图像上描绘感兴趣区域。这种诊断图像典型地包含额外的信息，额外的信息可能涉及放射学家所偏好的感兴趣区域的形状。本专利技术的实施例可以使用诊断图像中的这种额外的信息作为分割技术的输入。3.此外，本专利技术的实施例可以拒绝或接受诊断图像作为这些分割技术的输入。关于拒绝或包括的决定是基于用于识别感兴趣区域的算法所依赖的对比度特性的预定义要求的。本专利技术的实施例可以如下执行患者检查1.扫描粗略的调查图像。2.系统利用容易获得的分割技术根据从步骤1获得的图像执行自动解剖结构检测。3.扫描诊断图像。4.系统使用(i)从步骤2获得的自动解剖结构检测结果，和(ii)操作员提供的感兴趣区域以及其对应的自动解剖结构检测结果。基于这种信息，系统提议感兴趣区域。5.系统使用从诊断图像自动确定的特征(步骤幻进一步优化从步骤4获得的感兴趣区域的所提议的形状、位置、取向和尺寸。6.系统从操作员接收数据，该数据用于调整从步骤5获得的感兴趣区域的所提议的形状、位置、取向和尺寸。7.作为用于后续检查的训练的一部分，该系统使用(i)来自步骤6的经调整的感兴趣区域，(ii)来自步骤2的自动解剖结构检测结果，以及(iii)处在来自步骤6的经调整的感兴趣区域所限定的位置的诊断图像中的特征。本专利技术的实施例可以是适用的硬件或软件系统，其产生人、动物或材料的数字图像，其中产生任意形状的几何结构以描绘这些人、动物或材料的图像的一部分或多部分。本专利技术的实施例可以具有以下特征1.自动定位、定形、定取向和/或定尺寸的感兴趣区域，其中，在操作员提供示例后，修改设备所提议的其位置、形状、取向和/或尺寸，从而使得提议越来越类似于操作员所提供的示例，和/或2.自动定位、定形、定取向和/或定尺寸的感兴趣区域，其中，如果可以从诊断扫描获得与感兴趣区域相关的图像，则其位置、形状、取向和/或尺寸会变化。在这里将医学图像数据定义为利用医学成像扫描器采集的二维或三维数据。在这里将医学成像扫描器定义为一种装置，其适于采集关于患者的身体结构的信息并构建多组二维或三维医学图像数据。可以使用医学图像数据以构建对医师进行诊断有用的可视化。 可以利用计算机执行这种可视化。可用于构建医学成像扫描器的技术的示例为磁共振成像(MRI)、功能性磁共振成像(fMRI)、弥散磁共振成像、灌注磁共振成像、计算机断层摄影 (CT)、正电子发射断层摄影(PET)和超声。此外，可以同时或顺次执行医学成像技术以获得医学图像数据。示例为组合式MRI和PET医学成像扫描器或MRI引导的高强度聚焦超声 (HIFU)。除了用于消融组织的超声换能器之外，组合式MRI和HIFU系统还可以具有用于采集医学图像数据的超声换能器。在构建医学图像数据的最大强度投影(MIP)时，与执行特定诊断不相关的解剖结构可能会使相关的解剖结构模糊不清。在这里将术语“截取并保持的(cut-out-and-ke印)” 定义为使用已经被识别为感兴趣区域的医学图像数据的区域来构建MIP。使用感兴趣区域之内的医学图像数据构建MIP，并且忽略MIP外部的医学图像数据。在这里将可训练的模式识别模块定义为能够使用一组训练图像训练的模式识别模块。训练图像具有在使用图像进行训练前已经识别的至少一个感兴趣区域。可以使用多种不同的方法实现可训练的模式识别模块。可以使用的不同的方法或算法的示例是主成分分析、神经网络、CN2算法、C4. 5算法、迭代二分器3(ID;3)、最近邻搜索算法、朴素贝叶斯分类器算法、全息关联存储或感知学习算法。本专利技术的实施例提供了一种用于利用具有预定义自由形状的几何结构的至少一个感兴趣区域采集医学图像数据的方法，其包括以下步骤采集第一组医学图像数据，识别所述第一组图像数据中的至少一个解剖学界标，以及使用所述至少一个解剖学界标利用受训模式识别模块确定至少一个感兴趣区域。这种方法本文档来自技高网...
【技术保护点】
１．一种利用具有预定义自由形状的几何结构的至少一个感兴趣区域（２３０，４０２，５０２）采集医学图像数据（４００，５００）的方法，其包括以下步骤：－采集第一组医学图像数据（１００），其中，所述第一组医学图像数据是粗略的调查图像数据，－识别所述第一组图像数据中的至少一个解剖学界标（４０６，４０８，４１０，４１２，４１４）（１０２），－使用所述至少一个解剖学界标，利用受训模式识别模块（２２０）确定所述至少一个感兴趣区域（１０４），－采集第二组医学图像数据（１０６），其中，所述第二组医学图像数据是诊断图像数据，－使用所述至少一个解剖学界标和所述第二组医学图像数据，利用所述受训模式识别模块调节所述至少一个感兴趣区域的位置和／或形状（１０８）。
【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：J·M·登哈德，
申请(专利权)人：皇家飞利浦电子股份有限公司，
类型：发明
国别省市：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。