用于在计算机断层扫描容积中肋骨指上矢量探测的方法和系统技术方案

本发明专利技术公开了一种在3D医学图像容积、诸如计算机断层扫描(CT)容积中用于探测肋骨的指上矢量的方法和系统。在3D医学图像容积中抽取至少一个肋骨的肋骨中心线。在至少一个肋骨的肋骨中心线的多个中心线点中的每个处自动地探测指上矢量。可以使用受训回归函数来探测每个中心线点处的指上矢量。替代地，可以通过探测在每个中心线点处所产生的横截面肋骨图像中的椭圆形状来探测每个中心线点处的指上矢量。

【技术实现步骤摘要】

本专利技术涉及在计算机断层扫描(CT)容积中对肋骨进行可视化，以及更特别地，涉及在3D CT容积中探测肋骨的“指上矢量(up-vector) ”以将胸腔展开成2D图像。
技术介绍
肋骨可能受到各种疾病的影响，诸如创伤性、代谢性和先天性疾病。CT成像可以辅助对肋骨上的病变进行可视化。然而，在3D CT容积中所产生的多切片扫描提供了大量数据，这对于医师来说进行检查是困难和冗长的。因此，计算机辅助探测是重要的，用于帮助医生来可视化肋骨上的病变。可以帮助医生容易地和精确地定位肋骨病变的计算机辅助探测系统是所希望的。这种系统的重要方面在于， 能够将CT容积数据从3D展开为2D。这是因为小病变典型地难于在3D CT容积中进行识别和定位，但是在对应的2D展开图像中却更为容易地定位。此外，可能存在由关于肋骨的长或短轴的肋骨横切面引起的对相同病变的不同解释。据此，正确地将3D胸腔展开为2D的方法不仅能节约检查时间，而且能减少解释CT数据的含糊性。
技术实现思路
本专利技术提供用于在3D医学图像容积(诸如3D计算机断层扫描(CT)容积)中探测肋骨指上矢量以及将3D医学图像容积中的胸腔展开为2D图像的方法和系统。本专利技术的实施例采用基于机器学习的方法或非基于学习的方法来预测肋骨中心线点处的指上矢量，以及基于指上矢量将3D容积中的肋骨展开以产生2D图像。在本专利技术的一个实施例中，在3D医学图像容积中抽取至少一个肋骨的肋骨中心线。在至少一个肋骨的肋骨中心线的多个中心线点中的每个处自动地探测指上矢量。在一个实施例中，使用受训回归函数来探测每个中心线点处的指上矢量。在其它实施例中，通过探测每个中心线点处所产生的横截面肋骨图像中的椭圆形状来探测每个中心线点处的指上矢量。本专利技术的这些和其它优点将通过参考如下详细描述和附图而对于本领域普通技术人员显而易见。附图说明图1示出了将3D计算机断层扫描(CT)容积中的肋骨展开成2D图像的方法；图2示出了依照本专利技术实施例用于探测3D CT容积中的指上矢量的回归函数训练方法；图3示出了依照本专利技术实施例使用受训回归函数探测多个肋骨中心线点处的指上矢量的方法；图4示出了依照本专利技术另一实施例探测多个肋骨中心线点的指上矢量的方法；图5示出了在强度和梯度阈值处理之前和之后的示范性横截面图像；图6示出了在强度和梯度阈值处理后的另外的示范性横截面图像；图7示出了示范性的2D展开的胸腔图像；以及图8是能够实施本专利技术的计算机的高级框图。具体实施例方式本专利技术涉及用于预测3D医学图像容积诸如3D计算机断层扫描(CT)容积中的肋骨的指上矢量，以及将3D容积中的肋骨展开成2D图像的方法和系统。本文中描述本专利技术的实施例以给出指上矢量预测和肋骨展开方法的可视理解。数字图像通常由一个或多个对象(或形状)的数字表示来组成。对象的数字表示通常在本文中在识别和操纵对象方面来描述。这种操纵是在计算机系统的存储器或其它电路/硬件中完成的虚拟操纵。据此，应当理解的是本专利技术实施例可以使用在计算机系统内所存储的数据在计算机系统内被执行。本专利技术的实施例利用方法来将3D CT容积中的肋骨展开成2D图像，其中从3D CT容积数据中抽取肋骨中心线。基于每个肋骨的中心线结果，在沿着肋骨中心线的各个点处探测椭圆形横截面的长轴。如本文中所使用的，术语“指上矢量”指的是在肋骨上的给定点处肋骨的基本椭圆形横截面的长轴方向。可以通过沿着由沿着每个肋骨的每个点的指上矢量所限定的方向使用来自3D CT容积的图像数据产生2D图像而实现肋骨展开。据此，如何在沿着肋骨的每个点处正确地确定指上矢量对于最终的胸腔展开结果是非常重要的。考虑胸腔保护肺和腹部器官的事实，可以合理地假设肋骨的指上矢量正切于通过所有肋骨拟合的虚构(imaginary)表面。在这种假设下，通过所有肋骨的表面可以近似为由所有肋骨上的相邻点内插的所有样条曲线的联合。用于预测指上矢量的方法在除了第一对肋骨(即，最接近颈部的肋骨)之外的所有肋骨上都良好地工作。由于第一对肋骨相比其它对肋骨通常必须更短、更窄、更平，因此表面拟合方法对于第一对肋骨并不良好地工作。本专利技术的实施例提供指上矢量预测/探测方法，其改善第一对肋骨的3D到2D肋骨展开的结果。应当理解的是，本文中所描述的方法并不局限于第一对肋骨，而也可以应用于其他肋骨。图1示出了将3D CT容积中的肋骨展开成2D图像的方法。图1的方法转换表示肋骨的CT容积数据以产生“展开的”肋骨的2D图像，以便提供患者肋骨的改善可视化。如图1中所示的，在步骤102，接收CT容积。CT容积包括患者的肋骨区域。CT容积可以直接从CT扫描器接收或者CT容积可以通过加载之前存储的CT容积而接收。在步骤104，在CT容积中抽取肋骨中心线。可以使用自动或半自动肋骨中心线抽取方法来在3D CT容积中抽取肋骨中心线。在本专利技术的有利实施例中，可以使用基于学习的可变形模板匹配(deformable template matching)方法来自动地在3D CT容积中抽取每个肋骨的肋骨中心线。在用于自动肋骨中心线抽取的基于学习的可变形模板匹配方法中，可以使用基于学习的肋骨中心 点探测来从3D CT容积中获取概率响应映射，所述基于学习的肋骨中心点探测可以利用粗到细金字塔学习结构执行。随后使用所获取的概率响应映射以通过整个胸腔模板的匹配而抽取肋骨中心线。随后使用主动轮廓模型改进单独地改进每个肋骨中心线。所述用于自动肋骨中心线抽取的基于学习的可变形模板匹配方法在2011年9月27目所提交的美国临时申请No. 61/539，561中较详细地得以描述，其通过引用合并于此。在步骤106，在肋骨中心线的中心线点处探测指上矢量。在本专利技术的一个实施例中，可以使用基于机器学习的预测来探测指上矢量。在该情况下，肋骨横截面上的椭圆形状的所注释的地面实况可以被用作机器学习探测器的离线训练中的训练实例，诸如回归函数。随后应用受训探测器来预测给定中心线点的指上矢量。在替代实施例中，可以使用基于非机器学习的探测来探测指上矢量。在该情况下，在给定中心线点处在横截面图像上直接直接椭圆，并且确定所探测的椭圆的长轴为该中心线点处的指上矢量。在基于机器学习的指上矢量探测中，对于给定肋骨中心线点来说定位长轴方向(指上矢量)的问题可以被概括为回归问题。可以基于具有已知输入(肋骨中心线点位置)和输出(指上矢量)的训练数据组训练回归函数，以学习训练数据组的输入和输出之间的关系。图2示出了依照本专利技术实施例用于探测3DCT容积中指上矢量的回归函数训练方法。图2的方法可以在图1的方法实施之前离线地执行，并且随后所产生的受训回归函数可以被存储并在图1的步骤106的实施中使用。参考图2，在步骤202，接收注释的训练容积组。训练组包括具有肋骨椭圆形横截面的所注释的地面实况(ground truth)的容积,包括肋骨中心线点、指上矢量、切线矢量、和肺矢量。特定肋骨中心线点处的切线矢量是在特定肋骨中心线点处与肋骨中心线相切的矢量。特定肋骨中心线点处的肺矢量是从特定肋骨中心线点向内指向肺并且在特定肋骨中心线点处与切线矢量和指上矢量垂直的矢量。训练组可以仅仅包括来自特定肋骨组的训练实例，诸如仅仅来自第一肋骨的训练实例，以便特别地训练要用于特定肋骨组中指上矢量探测的回归函数。本文档来自技高网...

【技术保护点】
一种方法，包括：在3D医学图像容积中抽取至少一个肋骨的肋骨中心线；以及在至少一个肋骨的肋骨中心线的多个中心线点中的每个处自动地探测指上矢量。

【技术特征摘要】
2011.09.19 US 61/536,093;2012.09.04 US 13/602,6601.一种方法，包括 在3D医学图像容积中抽取至少一个肋骨的肋骨中心线；以及 在至少一个肋骨的肋骨中心线的多个中心线点中的每个处自动地探测指上矢量。2.如权利要求1所述的方法，其中在至少一个肋骨的肋骨中心线的多个中心线点中的每个处自动地探测指上矢量的步骤包括 使用受训回归函数来探测多个中心线点的每个处的指上矢量。3.如权利要求2所述的方法，其中使用受训回归函数来探测多个中心线点的每个处的指上矢量的步骤包括 重新采样多个中心线点以创建减少的中心线点组； 将肋骨中心线与用于训练回归函数所使用的训练容积的坐标系相对齐；以及 使用受训回归函数探测减少的中心线点组的每个处的指上矢量。4.如权利要求3所述的方法，其中重新采样多个中心线点以创建减少的中心线点组的步骤包括 (a)对于多个中心线点的每个，计算在该中心线点的每侧上距最近相邻中心线点的组合距离； (b)从多个中心线点中的具有在该中心线点的每侧上距最近相邻中心线点的最小组合距离的一个中移除中心线点；并且 (C)重复步骤(a)和(b)直到多个中心线点的数目减少到预定数目。5.如权利要求3所述的方法，其中使用受训回归函数探测多个中心线点的每个处的指上矢量的步骤，还包括 通过对在减少的中心线点组处所探测的指上矢量进行内插来在没有包含在减少的中心线点组中的多个中心线点的剩余中心线点处探测指上矢量。6.如权利要求2所述的方法，其中使用受训回归函数来探测多个中心线点的每个处的指上矢量的步骤还包括 抽取与多个中心线点的每个相关联的图像特征；以及 使用受训回归函数基于多个中心线点以及与多个中心线点的每个相关联的图像特征来探测多个中心线点的每个处的指上矢量。7.如权利要求7所述的方法，其中抽取与多个中心线点的每个相关联的图像特征的步骤包括,对于多个中心线点的每个 探测在中心线点处与肋骨方向正交的切割平面；以及 对在中心线点处所探测的切割平面中的像素值进行采样。8.如权利要求1所述的方法，其中在至少一个肋骨的肋骨中心线的多个中心线点中的每个处自动地探测指上矢量的步骤包括 在多个中心线点的每个处产生横截面图像；以及 探测每个横截面图像中的椭圆，其中在每个横截面图像中所探测的椭圆的长轴限定多个中心线点的相应一个处的指上矢量。9.如权利要求8所述的方法，其中在多个中心线点的每个处产生横截面图像的步骤包括 在多个中心线点的每个处探测与肋骨方向正交的切割平面；以及从3D医学图像容积中产生切割平面中的横截面图像。10.如权利要求8所述的方法，其中探测每个横截面图像中的椭圆的步骤包括 使用霍夫变换来探测每个横截面图像中的椭圆。11.如权利要求8所述的方法，其中探测每个横截面图像中的椭圆的步骤还包括 在使用霍夫变换来探测每个横截面图像中的椭圆之前，将强度和梯度阈值处理应用于每个横截面图像。12.如权利要求1所述的方法，还包括 基于至少一个肋骨的所抽取的肋骨中心线和多个中心线点的每一个的所探测的指上矢量，从3D医学图像容积中产生至少一个肋骨的2D图像。13.如权利要求12所述的方法，其中至少一个肋骨的肋骨中心线与2D图像中的X轴对齐，以及在沿着肋骨中心线的多个肋骨中心线点的相应的每一个处，沿着在多个中心线点的相应一个处所探测的指上矢量从3D医学图像容积中抽取2D图像中的沿着y轴的像素值。14.如权利要求1所述的方法，其中3D医学图像容积包括3D计算机断层扫描(CT)容积。15.一种设备，包括 用于在3D医学图像容积中抽取至少一个肋骨的肋骨中心线的装置；以及用于在至少一个肋骨的肋骨中心线的多个中心线点中的每个处自动地探测指上矢量的装置。16.如权利要求15所述的设备，其中所述用于在至少一个肋骨的肋骨中心线的多个中心线点中...

【专利技术属性】
技术研发人员：刘大元，徐昊，吴迪嘉，C·蒂金，G·索扎，周少华，D·科马尼丘，
申请(专利权)人：西门子公司，西门子公司，
类型：发明
国别省市：