基于知识的自动图像分割制造技术

一种用于医疗图像分割的方法。所述方法包括根据本发明专利技术的实施方案存取并更新知识库。所述技术包括：接收医疗图像，并且基于所述医疗图像内容计算稀疏界标标记图。接下来，在知识库中搜索代表性匹配数据以形成基本集，其中所述基本集包括多个参考图像集。使所述基本集的所述多个参考图像集的一部分变形以产生从所述基本集到所述医疗图像集的映射。最后，确定所述医疗图像集的每个目标结构的加权平均分割。

【技术实现步骤摘要】
【国外来华专利技术】
本公开大体上涉及自动图像分割领域，更确切地说，涉及被配置来用于医疗应用的医疗图像自动分割领域。背景当必须进行医疗成像来观察内脏器官或一组内脏器官时，可以使用这样一些系统:X射线、磁共振成像(MRI)、计算机断层摄影术(CT)及其它系统。例如，使用CT或MRI成像时，拍摄三维体积的一系列二维图像。此时，每幅二维图像均为三维体积的横截面“切片”图像。可以将所得二维横截面切片集合组合在一起，以便形成患者解剖结构的三维图像或重现。所得的三维图像或三维重现将含有目标内脏器官。三维图像或重现中这个含有目标结构的部分可以称为目标体积。应注意，当需要观察多个内脏器官时，则也将存在多个目标结构。可以通过一些方法来查看一个或多个这些目标结构。查看目标结构的第一种最简单的方法是仅查看患者的原始CT或MRI图像切片，每个切片都含有目标结构的视图。查看目标结构的第二种较为复杂的方法是需要将一系列二维横截面切片组合成单个三维表示，其中目标结构可以表示为实心物体、不透明物体或半透明物体等，然后这些物体可以被操作(例如，旋转)来从多个角度进行查看。含有患病或异常组织或器官的目标结构的三维重现的一个用途是准备三维辐射疗法的治疗方案。辐射疗法治疗方案是在医疗程序期间使用，所述医疗程序选择性地将人体的精确区域(如癌性肿瘤)暴露于特定剂量的辐射下，从而破坏不良组织。为了制定患者专用的辐射疗法治疗方案，需要从三维模型中提取信息以便确定如下的参数:器官形状、器官体积、肿瘤形状、肿瘤在器官中的位置，以及一些其它目标结构相对于受感染器官和任何肿瘤的位置或定向。可以在计算机屏幕上单独地查看二维切片，并且可以借助于传统的图形程序来手动地描绘出目标器官或结构的轮廓。轮廓是界定出目标结构轮廓的相连线段，所述目标结构可以是器官、器官的一部分、肿瘤、患病组织，或整个患者的外形。或者，在如脑或前列腺的特定器官中的这些目标结构可以用各种结构专用自动轮廓描绘和/或自动分割软件程序(将图像细分成离散区域)来进行识别，这些软件程序在一组切片的每个二维切片上勾画出或填充目标结构的形状。专利技术概述本专利技术提供一种针对医疗图像自动分割中的固有问题的解决方案。在根据一个实施方案的方法中，一系列步骤提供出基于知识的医疗图像自动分割。接收医疗图像之后，在知识库中搜索代表性匹配数据。选择多个参考图像集以形成基本集。使所述基本集中的所述参考图像集的一部分变形以产生从所述参考图像到所述医疗图像的映射。计算每个目标器官加权平均分割。在一个实施方案中，将每个目标器官的加权平均分割用作自动结构专用分割算法的种子。在另一个实施方案中，完成自动分割算法之后，根据需要进行检查和修正，将医疗图像及其相关的元数据(meta-data)、稀疏界标标记图以及目标结构添加到知识库中。附图简述结合附图阅读以下详细描述可以更好地理解本专利技术，在附图中，相似的参考标号代表相似的元件，其中:附图说明图1是根据本专利技术的一个实施方案的简化方框图，其示出了一种用于提供基于知识的医疗图像自动分割的系统；图2示出了根据本专利技术一个实施方案的示例性方法的步骤，所述方法用于基于知识的医疗图像自动分割；图3示出了根据本专利技术一个实施方案的示例性方法的步骤，所述方法用于基于知识的医疗图像自动分割；图4示出了根据本专利技术一个实施方案的示例性方法的步骤，所述方法用于知识库中一队参考图像集的基于知识的医疗图像自动分割；图5示出了根据本专利技术一个实施方案的示例性方法的步骤，所述方法用于知识库中一队参考图像集的基于知识的医疗图像自动分割。详细描述现在将详细参考本专利技术的优选实施方案，这些实施方案的实施例在附图中图示。尽管将结合优选实施方案来描述本专利技术，但应了解，优选实施方案并不意图将本专利技术限于这些实施方案。相反，本专利技术意图涵盖所有替代方案、修改方案和等效方案，它们都包括在由随附权利要求界定的本专利技术的精神和范围内。此外，以下对本专利技术实施方案的详细描述中阐述了许多具体细节，以帮助深入理解本专利技术。然而，本领域的普通技术人员将认识到，可以在脱离这些具体细节的情况下实践本专利技术。在其它情况下，公知的方法、程序、部件和流程(circuit)将不做细节描述，以免不必要地模糊本专利技术实施方案的各个方面。符号记法和命名法:以下详细描述中的一些部分是以下述术语来给出:程序、步骤、逻辑块、处理以及对计算机存储器内的数据位的操作的其它符号表示。数据处理领域中的技术人员使用这些描述和表示来最有效地将他们的工作要旨传达给本领域的其他技术人员。程序、计算机执行步骤、逻辑块、方法等在此处并一般来说是理解成实现所需结果的自相一致的步骤或指令序列。步骤是指需要对物理量进行物理操作的步骤。尽管并非必要，但这些量通常是采取能够在计算机系统中存储、转移、组合、比较及以其它方式操纵的电信号或磁信号的形式。已证实，主要出于普遍使用的原因，有时可以适宜地将这些信号称为位、值、元素、符号、字符、项、数字等。然而应牢记，所有这些术语和类似术语均意图与适当的物理量关联，并且仅仅是用于这些量的适宜标记。除非在以下讨论中另外明确地说明清楚，否则应了解，本专利技术全篇中利用如“处理”或“存取”或“执行”或“存储”或“呈现”等术语的讨论是指计算机系统或类似电子计算装置的动作(action)和处理，所述系统或装置将计算机系统寄存器和存储器以及其它计算机可读介质中的表示为物理(电子)量的数据操纵并转换成计算机系统存储器或寄存器或其它此类信息存储、传输或显示装置内的类似地表示为物理量的其它数据。当一个部件出现在一些实施方案中时，使用相同的参考标号来表明所述部件是与原始实施方案中所说明相同的部件。本专利技术提供一种针对医疗图像自动分割中逐渐增多的固有问题的解决方案。具体来说，本公开的各种实施方案通过使用包括多个参考图像集的知识库来提供患者二维医疗图像的自动分割，其中每个参考图像集都包括多个二维切片。参考图像集中的每个切片均已经过分割和轮廓描绘，其中每个目标结构(例如，器官、肿瘤、患病组织等)均已做标记。如以下的详细讨论，选择与医疗图像集具有相似性(例如，相似的稀疏界标标记图)的多个参考图像集以形成基本集，并且用可变形图像配准算法使每个参考图像集变形，以产生从所选参考图像到医疗图像的映射。同时使每幅所选参考图像中经过分割的目标结构向医疗图像作变形，以产生到医疗图像的映射。计算每个目标器官的加权平均分割，其中每个目标器官的加权平均分割用作结构专用自动分割算法的“种子”。每个目标结构的自动分割算法完成后，根据需要检查结果并修正轮廓。认可医疗图像之后，将医疗图像及其相关的元数据、稀疏界标标记图以及目标结构添加到知识库中。医疗图像分割如本领域中所公知，图像分割是一种用于检查数字化医疗图像，并且基于所述医疗图像的价值来区分或识别目标结构并对其进行标记的方法。例如，当使用图像分割来检查胸腔的医疗图像时，可以绕图像中的一段画一条线，并且标记为“肺”。换句话说，线内的一切被视为肺，而不在线内的一切均不属于肺。图像分割是用于辐射疗法中，在辐射疗法中，医师需要精确地限定要进行辐射治疗的位置，并且同样重要地，限定不应实施辐射治疗的位置。目标结构可以定义为:器官、肿瘤、患病组织；以及例如医疗图像中可见的骨。上述的CT和MRI扫描是常见的医疗图本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】2010.07.28 US 12/845,3581.一种用于分割新图像数据集的方法，所述方法包括: 接收医疗图像集； 在知识库中搜索代表性匹配数据以形成基本集，其中所述基本集包括多个参考图像集; 使所述基本集的所述多个参考图像集的一部分变形以产生从所述基本集到所述医疗图像集的映射；以及 确定所述医疗图像集中的多个目标结构的加权平均分割。2.如权利要求1所述的方法，所述方法进一步包括: 将所述多个目标结构的所述加权平均分割用作至少一个结构专用分割算法的种子。3.如权利要求1所述的方法，其中所述基本集由所述知识库中共享共同特征的一队参考图像集形成，其中所述共同特征包括以下至少一个:性别、诊断、病期、应答者与非应答者、年龄、治疗单位以及体型。4.如权利要求1所述的方法，所述方法进一步包括: 根据所述医疗图像集计算稀疏界标标记图，其中所述稀疏界标标记图包括多个点。5.如权利要求1所述的方法，所述方法进一步包括: 更新确定所述加权平均分割的多个统计学分析工具。6.如权利要求1所述的方法，其中使所述基本集的所述多个参考图像集的一部分变形包括: 用可变形图像配准算法使所述基本图像的所述多个参考图像集的所述部分变形。7.如权利要求1所述的方法，其中使所述基本集的所述多个参考图像集的一部分变形包括: 使所述基本集的所述多个参考图像集的所述部分中的经过分割的目标结构变形，以形成到所述医疗图像集的映射。8.如权利要求4所述的方法，其中使所述基本集的所述多个参考图像集的一部分变形包括: 使所述基本集的所述多个参考图像集的所述部分的多个稀疏界标标记图的点向所述医疗图像集的所述稀疏界标标记图的所述点变形。9.如权利要求4所述的方法，其中在所述知识库中搜索代表性匹配数据以形成基本集，包括: 将所述医疗图像集的元数据与所述知识库中的所述参考图像集的元数据进行比较，以及 将所述医疗图像集的稀疏界标标记图与所述知识库中的所述参考图像集的稀疏界标标记图进行比较。10.如权利要求1所述的方法，所述方法进一步包括: 检查并修正所述轮廓；以及 将所述认可的医疗图像集及对应目标结构作为新参考图像集添加到所述知识库中。11.一种用于分割新图像数据集的方法，所述方法包括: 接收医疗图像集； 在所述知识库中搜索代表性匹配数据以形成基本集，其中所述基本集包括多个参考图像集； 使所述基本集的所述多个参考图像集的一部分变形以产生从所述基本集到所述医疗图像集的映射； 确定所述医疗图像集中的多个目标结构的第一加权平均分割， 在所述知识库中搜索代表性匹配数据以形成多个子体积基本集，其中一个子体积基本集包括多个参考图像集子体积； 使所述多个子体积基本集的所述多个参考图像集子体积的一部分变形以产生从所述多个子体积基本集到所述医疗图像集的对应目标结构的映射；以及 确定所述医疗图像集中的所述多个目标结构的第二加权平均分割。12.如权利要求11所述的方法，所述方法进一步包括: 将所述多个目标结构的所述第二加权平均分割用作至少一个结构专用分割算法的种子。13.如权利要求11所述的方法，其中所述基本集由所述知识库中共享共同特征的一队参考图像集形成，其中所述共同特征包括以下至少一个:性别、诊断、病期、应答者与非应答者、年龄、治疗单位以及体型。14.如权利要求11所述的方法，所述方法进一步包括: 根据所述医疗图像集计算稀疏界标标记图，其中所述稀疏界标标记图包括多个点，并且其中所述医疗图像集的所述稀疏界`标标记图进一步包括所述医疗图像集中的对应目标结构的多个稀疏界标标记图。15.如权利要求11所述的方法，进一步包括: 更新确定所述加权平均分割的多个统计学分析工具。16.如权利要求11所述的方法，其中使所述基本集的所述多个参考图像集的一部分变形以及使所述多个子体积基本集的所述多个参考图像集子体积的一部分变形包括: 用可变形图像配准算法使所述基本图像的所述多个参考图像集的所述部分变形；以及 用所述可变形图像配准算法使所述多个子体积基本集的所述多个参考图像集子...

【专利技术属性】
技术研发人员：C·赞科韦斯基，
申请(专利权)人：瓦里安医疗系统公司，
类型：
国别省市：