CN100578511C - Cad系统中检查解剖学形状的方法和系统 - Google Patents

Abstract

给出了根据图像数据(82)进行计算机辅助检查感兴趣解剖对象的方法。该方法包含基于三维候选物发生器从该图像数据(82)选择出多个可能的感兴趣候选对象(86)，其中该三维候选物发生器包含曲率张量。此外，该方法包含对多个可能的感兴趣候选对象(86)进行分类以产生假阳性率降低的感兴趣对象组。

Description

CAD系统中检查解剖学形状的方法和系统

技术领域

本发明通常涉及查看医疗成像检查的方法和设备，更为特别地涉及查看诸如从结肠照影和肺部检查得到的计算机断层摄影数据的方法和设备。

背景技术

相关申请的交叉引用

本申请为Matthieu Ferrant等于2004年10月8日提交且标题为“Methods and Apparatus to Facilitate Visualization ofAnatomical Shapes”的美国专利申请No.10/961,245的部分继续申请，该申请在此被引用作为参考。

肺癌是世界上死亡的最主要原因之一。典型地，胸部X射线照片已经被采用作为检查人体肺部疾病的诊断工具。计算机断层摄影(CT)成像也已经被用于促进肺癌的早期检查和治疗。CT成像有利地提供了对解剖学非常详细的描述，因此正越来越多地被用于检查并跟踪可能引起潜在癌症的病变的演变。

目前，放射科医生使用先进的肺部分析(ALA)和计算机断层摄影结肠造影(CTC)技术寻找肺和结肠中的结节和息肉。放射科医生通过查看胸部轴向切片而检查肺中的结节。然而，CT系统通常为单次CT扫描提供几幅图像。因此，大量的信息被呈现给放射科医生，以用于解释这些图像并检查可能表示疾病的可疑区域。对于放射科医生，和单次CT扫描相关的大量数据代表一个耗时的过程。此外，数量庞大的数据会不利地导致错过癌症检查，因为在大量的数据中难以识别出可疑区域。

尽管结肠癌是癌症死亡的主要原因之一，但是通过及时地检查和摘除前体结肠息肉可避免许多结肠癌。CTC目前被用于结肠息肉的早期检查。然而同样地，由于可能有大量的轴向CT切片，放射科医生解释CTC检查数据可能耗时较长。另外，过多的用于解释的图像数据可能导致疏忽错误。

以各种方式被描述成计算机辅助检查、或计算机协助检查或计算机协助诊断，并通常被称为首字母缩写“CAD”的技术已经成为可行的方法，用于辅助放射科医生检查胸部x射线照片和胸部CT扫描中的肺结节，并用于检查和诊断其它解剖和疾病状态。然而，CAD方案碰到的一个重要而复杂的问题是对可能的结节候选物的初始选择。

典型地，绝大部分已知的CAD技术采用阈值选择(thresholding)技术进行结节候选物的初始识别。然而，阈值选择CT图像的传统方法会碰到与某些结节相关的问题，所述某些结节的CT值和对比度可能非常小，使得非常难以进行阈值的恰当选择，由此导致假阳性数目的增大，放射科医生需要花费额外的时间对这些假阳性进行排除并关注实际的风险。此外，许多结节可能的CT值可能和血管及气管壁的CT值相似，这会不利地导致在结节的检查中由于结节候选物中包含了血管和气管壁而引起假阳性数目的大幅增大。

因此理想地应发展出用于处理图像数据的可靠的技术和系统，该技术和系统有利地促进了基本上较好地对多数结节的基于形状的初始检查，并同时保持假阳性的数目最小。特别地，需要这样的一个系统，它能够为后续的计算机辅助分析及合格的医疗工作人员的最终查看而产生或识别更多的实际候选物。

发明内容

简要地，根据该技术的一个方面，提出了根据图像数据计算机辅助检查感兴趣的解剖对象的方法。该方法包括：基于三维候选物发生器从图像数据选择多个可能的感兴趣候选对象，其中该三维候选物发生器包含曲率张量。此外，该方法包括对该多个可能的感兴趣候选对象进行分类以产生假阳性率降低的感兴趣对象组。该技术还提供了能提供该方法所定义类型的功能的计算机可读取介质。

根据该技术的另一个方面，提出了根据图像数据计算机辅助检查感兴趣的解剖对象的系统。该系统包括能够可操作地耦合到CT图像采集系统或者CT图像存储系统之一的计算机系统，其中该计算机系统包含三维候选物发生器，且其中该三维候选物发生器设成从图像数据中选择多个可能的感兴趣候选对象，且其中该三维候选物发生器包含曲率张量。

根据该技术的又一个方面，提出了根据图像数据计算机辅助检查感兴趣的解剖对象的系统。该系统包括设置成发射辐射流的X射线源。此外该系统包括设成检查该辐射流并响应该辐射流而产生一个或者多个信号的区域探测器，其中该探测器包含多个探测器元件。该系统还包含设成旋转X射线源和该区域探测器并通过数据采集系统从一个或者多个探测器元件采集一组或者多组投影数据的系统控制器。此外，该系统包含能够可操作地耦合到CT图像采集系统或CT图像存储系统之一的计算机系统，其中该计算机系统包含三维候选物发生器，且其中该三维候选物发生器设成从图像数据中选择多个可能的感兴趣候选对象，且其中该三维候选物发生器包含曲率张量。

附图说明

当参考附图阅读下述详细描述时，可以更好地了解本发明的这些及其它特征、方面、及优点，相同的符号在所有附图中代表相同的部分，其中：

图1是根据该技术的各方面、形式为CT成像系统的示例成像系统的示意性视图，其中该成像系统用于产生已处理图像并用于分析这些图像及其基础的图像数据；

图2是图1的CT系统的物理实现的示意性视图；

图3是阐述了根据该技术的各方面，基于对采集的图像数据的CAD分析而执行图像数据处理的示例逻辑步骤的流程图；

图4为描述根据该技术的备方面，检查可能的感兴趣候选对象的示例步骤的流程图；

图5为通过图1所示类型的成像系统采集的、并依照该技术的各方面进行分析的感兴趣对象的肺胸膜区域图像的示意性图示；

图6为包含将根据该技术的各方面被检查和分类的特征的医疗图像数据的示意性图示；

图7为通过图1所示类型的成像系统采集的、并依照该技术的各方面进行分析的感兴趣对象的结肠区域图像的示意性图示；

图8为依照该技术的各方面进行分析的、图7中的感兴趣对象的结肠区域图像的放大视图；以及

图9为包含将根据该技术的各方面被检查和分类的特征的医疗图像数据的示意性图示。

具体实施方式

肺癌是世界上死亡的最主要原因之一。通常，胸部X射线照片已经被采用作为检查人体肺部疾病的诊断工具。计算机断层摄影(CT)成像也已经被用于帮助肺癌的早期检查和治疗。尽管结肠癌是癌症死亡的最主要原因之一，通过及时地检查和摘除前体结肠息肉仍可避免许多结肠癌。CTC目前被用于结肠息肉的早期检查。然而，由于可能有大量的轴向CT切片，放射科医生解释CTC检查数据可能耗时较长。另外，过多的用于解释的图像数据可能导致疏忽错误。计算机辅助检查(CAD)已经成为可行的方法，用于辅助放射科医生在胸部照片和胸腔CT扫描中检查肺结节。然而，CAD方案碰到的一个重要而复杂的问题是对可能的结节候选物的初始选择。这里所讨论的技术可以解决部分或者所有这些问题。

图1为表示根据该技术，用于采集和处理图像数据的成像系统10的方框图。在所示实施例中，系统10为计算机断层摄影(CT)系统，该系统被设计成依照该技术采集X射线投影数据、将该投影数据重建成图像、并处理该图像数据以用于显示和分析。在图1所示的实施例中，成像系统10包含X射线辐射源12。在一个示例实施例中，X射线辐射源12为X射线管。在其它实施例中，X射线辐射源12为一个或者多个固态X射线发射器，或者实际上为能够产生具有可用于对所需对象进行成像的光谱和能量的X射线的任何其它发射器。

辐射源12可以置于准直器14附近，该准直器可以被设成对辐射源12发射的辐射流16进行整形。辐射流16穿过含有诸如病人18的待成像对象的成像体积。辐射流16通常为扇形或者锥形，这取决于下文所述的探测器阵列的配置以及所需的数据采集方法。辐射的一部分20穿过或围绕该对象并照射通常用参考数字22表示的探测器阵列。该阵列的探测器元件产生表示入射X射线束强度的电信号。采集并处理这些信号以重建对象内的特征的图像。

辐射源12由系统控制器24控制，该系统控制器同时为CT检查序列提供电源和控制信号。此外，探测器22被耦合到系统控制器24，该系统控制器命令对探测器22内产生的信号进行采集。系统控制器24也可以执行各种信号处理和筛选功能，例如用于动态范围的初始调整，数字图像数据的插入等。通常，系统控制器24指挥成像系统的操作以执行检查协议并处理采集到的数据。在当前的上下文中，系统控制器24还包含：信号处理电路，典型地是基于通用或者专用数字计算机的信号处理电路；用于存储该计算机执行的程序和例行程序以及配置参数和图像数据的相关存储器电路；接口电路等。

在图1所示实施例中，系统控制器24通过电机控制器32被耦合到旋转子系统26和线性定位子系统28。在一个实施例中，旋转子系统26使X射线源12、准直器14、和探测器22能够绕患者18旋转一圈或多圈。在其它实施例中，旋转子系统26只旋转源12或探测器22之一，或者差分激励围绕成像体积排列成环状的各种X射线发射器与/或探测器元件。在源12与/或探测器22被旋转的实施例中，旋转子系统26可包含台架。因此，系统控制器24可以用于操作该台架。线性定位子系统28使得病人18，或者更为具体地患者台，能够线性移动。因此，患者台可以在该台架内线性移动以产生患者18的特定区域的图像。

此外，本领域技术人员将会理解，辐射源12可以由置于系统控制器24内的X射线控制器30控制。特别地，X射线控制器30被设置成为X射线源12提供电源和定时信号。

另外，系统控制器24也被示成包含数据采集系统34。在该示例实施例中，探测器22被耦合到系统控制器24，更为具体地，耦合到数据采集系统34。数据采集系统34接收由探测器22的读出电子装置收集到的数据。数据采集系统34通常从探测器22接收采样到的模拟信号，并将该数据转换成数字信号以便由计算机36进行后续处理。

计算机36通常被耦合到或者含有系统控制器24。数据采集系统34收集的数据可以被传输到计算机36用于进行后续处理和重建。计算机36可包含存储器38或者与存储器38通信，其中存储器38存储经过计算机36处理的数据或者将被计算机36处理的数据。应该理解，该示例系统10可以使用被设置成存储大量数据的任何类型的存储器。此外，存储器38可以位于该采集系统或者可包含诸如网络访问存储介质的远程部件，用来存储用于实现下文所述技术的数据、处理参数、与/或例行程序。

计算机36还适于控制可由系统控制器24使能的诸如扫描操作和数据采集的特征。此外，计算机36可以被设置成通过通常配有键盘和其它输入装置(未示出)的操作人员工作站40接收来自操作人员的命令和扫描参数。操作人员可由此通过该输入装置控制系统10。因此，操作人员可以从计算机36观察重建图像以及与该系统相关的其它数据、初始成像等。

耦合到操作人员工作站40的显示器42可以被用于观察重建图像。此外，也可由打印机44打印扫描图像，该打印机可耦合到操作人员工作站40。显示器42和打印机44也可以直接或者通过操作人员工作站40连接到计算机36。操作人员工作站40也可以耦合到图像存档和通信系统(PACS)46。应该注意，PACS 46可以耦合到远程系统48、放射部门信息系统(RIS)、医院信息系统(HIS)或者耦合到内部或外部网络，使得位于不同位置的其它人员可获得对该图像数据的访问。此外，计算机辅助诊断(CAD)单元50可以可操作地耦合到计算机36。注意，CAD单元50可包含设置成对该图像数据应用CAD算法的软件。此外，CAD单元50也可以耦合到显示器42，其中图像数据可以显示在该显示器上。实际中，CAD单元50可以为数据采集系统34的一部分，或者可以是完全分离的部件，典型地远离数据采集系统34并被设置成分析存储在诸如PACS46的存储器上的图像数据。

还应注意，计算机36和操作人员工作站40可以耦合到可包含标准或专用显示器及相关处理电路的其它输出装置。还可以在该系统中连接一个或者多个操作人员工作站40，用于输出系统参数、请求检查、查看图像等。通常，在该系统内提供的显示器、打印机、工作站、以及类似的装置可以位于这些数据采集部件的附近，或者远离这些部件，例如研究所或医院的其它地方，或者在完全不同的位置，例如通过诸如互联网、虚拟专用网络等的一个或者多个可配置的网络而连接到图像采集系统。

如前所述，本实施例中使用的示例成像系统为CT扫描系统52，该系统将在图2中更加详细地描述。CT扫描系统52可以为多切片探测器CT(MDCT)系统，该系统提供宽的轴覆盖阵列、高的台架旋转速度、以及高的空间分辨率。或者，CT扫描系统52可以为使用锥形束几何及区域探测器的体积CT(VCT)系统，以允许以高或低的旋转速度对诸如对象的整个内部器官的体积进行成像。CT扫描系统52被示成含有具有病人18可以移动穿过的孔58的框架54及台架56。患者台60可以置于框架54和台架56的孔58内以便于通常通过线性定位子系统28(见图1)对患者台60的线性平移而移动病人18。台架56被示成含有诸如从焦点62发射X射线辐射的X射线管的辐射源12。对于心脏成像，辐射流被导向包含心脏的病人18截面。

在典型操作中，X射线源12将来自焦点62的X射线束投影到探测器阵列22(见图1)。诸如铅或者钨挡板的准直器14(见图1)通常定义从X射线源12出射的X射线束的尺寸和形状。通常由多个探测器元件形成探测器22，这些探测器元件探测穿过和围绕诸如心脏和胸腔的感兴趣对象的X射线。每个探测器元件产生代表该射束照射探测器22时在该元件位置的X射线束强度的电信号。台架56绕感兴趣的对象旋转，使得可由计算机36收集多个射线照相视图。

因此，当X射线源12和探测器22旋转时，探测器22收集与衰减的X射线束相关的数据。从探测器22收集的数据随后经历预处理和校准，从而整理该数据以代表扫描对象的衰减系数的线积分。通常称为投影的已处理数据随后被滤波并反投影以用公式表达被扫描区域的图像。在特定模式中，用公式表达的图像可包含大致360度的投影数据。

一旦重建后，图1和2的系统所产生的图像揭示患者18的内部特征66。在用于诊断疾病状态及更为一般的医疗情况或事件的传统方法中，放射科医生或内科医生将考虑重建的图像64以辨别特有的感兴趣特征。在诊断诸如痰病状态以及更为一般的医疗事件的医疗情况的传统方法中，放射科医生或者内科医生将考虑图像64显示的硬拷贝以辨别特有的感兴趣特征。这些特征可包含特定解剖学或器官的病变、尺寸、和形状，且基于各个专业人员的技术和知识可以辨别该图像内的其它特征。其它分析可以基于各种CAD算法的能力。

该技术通过CAD算法实现这些能力的某些部分。本领域技术人员将了解到，CAD算法可提供识别或者至少局部化诸如解剖学异常的某些感兴趣的特征的可能性。通常基于待识别特征的类型以及基于用于创建图像数据的成像模式而选择特定的CAD算法。CAD技术可采用分割算法，该算法通过参考诸如边缘、可识别结构、边界、颜色或者强度的变化或转变、光谱信息的变化或转变等已知或者期望的图像特征识别感兴趣的特征。目前的CAD算法通常提供了仅能识别这些特征的可能性。随后的处理和数据采集然后则完全凭借判断力和基于专业人员的专门知识。

CAD算法可以被看作包含几个部分或者模块，所有这些部分或模块都可在该技术中得到实现。通常，CAD算法可包含诸如访问图像数据、分割数据或图像、特征选择或提取、分类、训练、及可视化的模块。此外，可在重建之前对采集到的投影数据组、二维重建数据(轴模式和侦察模式)、三维重建数据(体积数据或多平面重定格式)、或这些格式的适当组合进行CAD处理。采集到的投影数据组可具有许多一维投影(对于二维扫描)或者二维投影(对于三维扫描)。使用采集到的数据或重建数据，可以执行可视化之前的分割、特征选择、和分类。可以并行地或者按照各种组合完成这些基本处理。

被执行CAD算法的数据可以为原始图像采集系统信息，或者为部分或完全处理过的数据。该数据可来源于断层摄影数据源，或者可以为诊断断层摄影数据，例如CT成像中投影或Radon域中的原始数据、单个或者多个重建的二维图像、或三维的重建体积图像数据。

CAD算法的分割部分可以基于断层摄影数据中的计算特征而识别特定的感兴趣区域。可以使用完整的数据组或使用诸如特定范围的候选块区域的部分数据组，以许多种方式确定感兴趣区域。特殊的分割技术可取决于待识别的解剖学，且典型地基于迭代阈值选择、K-means分割、边缘检查、边缘连接、曲线拟合、曲线平滑、二维和三维形态滤波、区域生长、模糊群集、图像/体积测量、直接推断、基于知识的规则、决策树、神经网络等。或者，该分割至少部分是手动的。自动化分割也可以使用诸如块的形状和尺寸的现有知识以自动地描绘感兴趣。

CAD算法的特征提取方面涉及对包含所需图像的数据执行计算。使用感兴趣区域的统计可以从基于图像的数据中提取多个特征测量，例如形状、尺寸、密度、和曲率。对于投影空间数据，可以使用视图中特征投影的诸如位置、形状、或尺寸的特征，从而提供视图之间的一致性。

CAD算法的分类方面同样可以是部分或完全手动或自动的。特别地，可以使用该分类具体地识别感兴趣的区域，例如通过分类成正常和异常的解剖体或病变。分类可采用Bayesian分类器、神经网络、基于规则的方法或者模糊逻辑技术等。应该注意，可以并行地采用不止一个CAD算法。该并行操作可涉及单独地对图像数据的各部分执行CAD操作并组合所有CAD操作的结果(逻辑上采用“与”、“或”操作或者同时采用这两个操作)。此外，可以串行或并行地执行检查多个疾病状态或者感兴趣的解剖特征的CAD操作。

可以使用CAD算法对解剖学块分类之前，结合来自训练的现有知识。该训练阶段涉及在正常和异常病变的已知样品或其它感兴趣特征上计算几个候选特征。随后采用特征选择算法对这些候选特征进行分类，只选择有用的特征并除去未提供信息或者提供冗余信息的特征。该决定是基于候选特征的不同组合的分类结果。该特征选择算法也可以用于减少处理、存储、及数据传输的实际原因的维数。因此，可以在由该CAD算法识别的特征或解割之间进行最佳的辨别。

CAD算法的可视化方面允许重建有用的图像，以供人或机器观查器查看。因此，基于由该CAD算法执行的任意或者全部处理和模块，各种类型的图像可以呈现给主治内科医生或者呈现给需要该信息的其它人员。可视化可包含二维或三维再现、标记重叠、颜色或强度变化等。

图3表示基于CAD分析执行处理例行程序的示例步骤的流程图。图3中所总结的技术从采集图像数据的步骤68开始。如前所述，该数据采集可以基于任何适当的成像模式，通常是根据待成像的特定解剖结构以及待执行的分析选择成像模式。通过示例的方式，本领域技术人员将了解到，某些成像模式的物理限制使得这些属性更适用于对软组织进行成像，这和骨头或其它密度更大的组织或对象相反。此外，该模式可以和通常也是由系统物理性质规定的特殊配置相耦合，从而对特定组织或部分提供更高或者更低对比度的图像、体积再现、灵敏性或不灵敏性等。最后，图像采集可以结合造影剂或用于瞄准或突出感兴趣的特殊特征或区域的其它标记工具的使用。在CT系统中，例如，通常由通过操作人员工作站40(见图1)而与该系统连接的操作人员启动步骤68的图像数据采集。读出电子装置检测借助对扫描器探测器的撞击辐射而产生的信号，且该系统处理这些信号以产生有用的图像数据。然而，本领域技术人员将了解到，也可以从例如但不限于磁共振成像(MRI)系统或X射线装置的图像采集装置访问图像数据。此外，尽管可以使用前述图像采集装置直接从患者18采集图像数据(见图1)，但图像数据也可包含来自存档位置或数据存储设备的数据。

在图3的步骤70，可以形成初始图像。在步骤70图像的信息可包括重建和显示图像，或者对图像数据的简单处理。通常，重建的图像可以被内科医生或操作人员用于引导后续的处理或者图像数据采集步骤。在其它情形中，理想地应实际地重建并显示该图像，但仍然如下所述地分析该图像数据。步骤70通常还包含存储用于后续处理的图像数据。应该注意，如前所述，尽管可以按照这里所描述地重建初始图像并将CAD算法应用于该图像数据，但没有这种初始可视化也可以部分或者完全地进行该分析。

在步骤72，识别感兴趣的区域。感兴趣的区域可以大于或者小于初始图像的类似区域，或者可以为不同的或者毗邻的区域。举例而言，在步骤72选择的感兴趣区域可以提供可能病变的更高空间分辨率(例如放大)。此外，可以基于所有或者部分采集的图像数据组中所计算的特征而识别特定的感兴趣区域。

随后，在步骤74，可以从和所识别的感兴趣区域相对应的图像数据提取感兴趣的特征。可以采用诸如形状、尺寸、密度、和曲率的感兴趣区域的统计，提取感兴趣的特征。

特征提取步骤74之后可以为分类步骤76。所提取的特征在分类步骤76中可以分类成正常和异常病变。此外，该分类步骤可以被用于具体地识别正常和异常的解剖或病变。尤其是Bayesian分类器、神经网络、基于规则的方法或者模糊逻辑技术等可以用于对所提取的感兴趣特征进行分类。

步骤76的结果为已分类的特征数据组，随后可以处理该数据组从而将其可视化地呈现供人或机器观查器查看。在步骤78，可重建另外的图像以供人或机器观查器查看。该分类步骤的结果可以分别显示，或者可以被合成以显示成单个图像。该图像随后在步骤80可以被呈现给放射科医生或内科医生。

现在参考图4，该流程图阐述了根据该技术各方面根据图像数据计算机辅助检查感兴趣的解剖对象的步骤。将会了解到，可能的感兴趣候选对象的初始选择是用于检查解剖形状的CAD方案中重要和困难的问题。通常，候选物发生器可用于识别或者选择可能的感兴趣候选对象。根据该技术的各方面，候选物发生器可设成选择大量可能的感兴趣候选对象，同时有利地保持高的真阳性率。此外，解剖形状的检查可设成包含一个两阶段的方法。第一阶段可用于从图像数据选择可能的感兴趣候选对象。所选择的可能的感兴趣候选对象可能包含大量的假阳性。随后，在该选择步骤之后进行分类步骤，其中由分类器减少该大量的假阳性的数目。参考图4对可能的感兴趣候选对象的初始选择过程进行详细的描述。

在图4所描述的示例中，可以访问通过成像系统采集的图像数据82。在所述方法中，描述了采用例如图1的CT扫描系统的成像系统采集患者的图像数据82(见图1)。然而，本领域技术人员将了解到，可以从例如但不限于磁共振(MRI)系统或X射线装置的图像采集装置采集图像数据82。此外，尽管上述图像采集装置可用于直接从患者18采集图像数据82(见图1)，但图像数据也可包含来自存档位置或数据存储设备的数据。

随后，在步骤84，从图像数据82选择多个可能的感兴趣候选对象。根据该技术的各方面，可以基于三维候选物发生器选择多个可能的感兴趣候选对象。换而言之，候选物发生器可用作被设置成基于诸如感兴趣候选对象的图像强度分布、尺寸、及形状特性的特征而选择候选对象的过滤器。这里所使用的“可能的感兴趣候选对象”是指可能有待进行后续的诊断成像、活体切片检查、功能测试或其它方法的可疑解剖特征。例如，肺部区域中可能的感兴趣候选对象包含结节。类似地，结肠中的息肉代表结肠区域中可能的感兴趣对象。

在一个实施例中，三维候选物发生器可基于诸如曲率张量的微分算子。或者，可以基于结构张量选择可能的感兴趣候选对象。该三维候选物发生器可用于促进对放射科医生或内科医生可能感兴趣的解剖特征的选择。本领域技术人员将理解，已经提出了用于选择感兴趣的解剖特征的另外技术，例如Hessian张量。然而，使用Hessian张量作为候选物发生器无法产生基本上令人满意的结果。此外，曲率张量可以用于提供优越的候选物选择，这将在下文中更加详细地描述。同样，结构张量可以用于促进候选物的选择。

如前所述，曲率张量可以用于选择可能的感兴趣候选对象。例如，在步骤84，可对图像数据82进行研究以获得可能的感兴趣候选对象。因此，在一个实施例中，参考曲率张量解释对可能的感兴趣对象的选择，这将在下文中得到描述。

可以理解，体积图像I可以定义成从紧凑域(compact domain) $V\⋐R^3$ 到R的无限可微(C^∞)映射，即：

$I:R^3\⊃V\→R$

其中x代表一个点。

体积图像I在点x及方向v≠0(通常||v||＝1)的方向分布可以定义成映射：

I_x，v(t)：V×R³×R→R

其中t为沿方向v的位置参数。

假设由[x₁ x₂ x₃]给出向量x∈V。体积图像I(x)的梯度或者梯度向量可以用一阶导数的向量

表示，即：

$\▿I=\frac{\∂I}{{\∂x}^T}={\left[\begin{array}{ccc}\frac{\∂I}{\∂x_1}& \frac{\∂I}{\∂x_2}& \frac{\∂I}{\∂x_3}\end{array}\right]}^T.---\left(3\right)$

由于I的定义域V是紧凑的，I将在V上获得其范围。换而言之，存在属于V的x_min和x_max，使得对于所有的x∈V，I_min＝I(x_min)≤I(x)≤I(x_max)＝I_max。此外，对于I_min≤k≤I_max的特定k，其中k代表函数I的图像中的强度，下述方程定义在满足方程(4)和 $\▿I\left(x\right)\≠0$ 的点x处的等值面 $M_k\⋐V:$

I(x)＝k    (4)

等值面M_k可表示成：

M_k：I(x)＝k.       (5)

方程(5)可以重新写成二维流形(2-manifold)的参数形式：

$M_k:R^2\⊃M\→R^3$

其中M为参数u和v的定义域。

此外，等值面M_k是可定向的，法向矢量场可由下式给出：

$\hat{n}=\frac{\▿I}{\left|\right|\▿I\left|\right|}.---\left(7\right)$

如前所述，可以采用曲率张量以促进可能的感兴趣候选对象的选择。使用曲率张量作为候选物发生器将在下文得到描述。

形状算子s_x(v)可以定义成这样的线性算子，它将表面上给定点x的正切向量映射到x在表面上沿方向v移动时表面法线变化的方向，即：

$s_x\left(v\right)=-\frac{d\hat{n}(x+\mathrm{vt})}{\mathrm{dt}}{|}_{t=0}.---\left(8\right)$

因此，等值面I(x)＝k的形状算子可由下式给出：

$s_x\left(v\right)=-\frac{d}{\mathrm{dt}}\frac{\▿I(x+\mathrm{vt})}{\left|\right|\▿I(x+\mathrm{vt})\left|\right|}{|}_{t=0}$

$=-(I-\frac{\▿I{\▿I}^T}{{\left|\right|\▿I\left|\right|}^2})\frac{\mathrm{Hv}}{\left|\right|\▿I\left|\right|}---\left(9\right)$

其中H代表体积图像I(x)的Hessian或Hessian矩阵。

此外，在点x及方向v使得 $v^T\▿I=0$ 的等值面I(x)＝k的曲率κ(x，v)可以写成：

$\mathrm{\κ}(x,v)=\frac{-v^T\mathrm{HV}}{\left|\right|\▿I\left|\right|}.---\left(10\right)$

该等值面的主方向为如下本征问题的解：

$\underset{v}{\min }/\underset{v}{\max }\frac{-v^T\mathrm{Hv}}{\left|\right|\▿I\left|\right|}---\left(11\right)$

条件为||v||＝1且 $v^T\▿I=0.$

而且，主曲率代表了相关的κ的最小和最大值。例如，如果N为

的二维零空间的3×2矩阵，则该问题可以重新用公式表示成本征问题：

$\underset{\hat{v}}{\min }/\underset{\hat{v}}{\max }\frac{-{\hat{v}}^T{N}^T\mathrm{HN}\hat{v}}{\left|\right|\▿I\left|\right|}---\left(12\right)$

条件为 $\left|\right|\hat{v}\left|\right|=1.$

则主方向可由下式给出：

$v_{\mathrm{1,2}}=N{\hat{v}}_{\mathrm{1,2}}---\left(13\right)$

其中

为方程(12)的解。

此外，相应的主曲率为2×2矩阵

的本征值κ₁和κ₂，其中κ₁≤κ₂。该体积图像的曲率张量于是可定义成：

$C=-\frac{N^T\mathrm{HN}}{\left|\right|\▿I\left|\right|}.---\left(14\right)$

在任意点，曲率张量C的本征值κ_1，2的值提供了关于与该点相交的等值面的局部形状的信息。在表面法线指向外部的椭圆表面面片(patch)上的点产生满足κ₁＞0且κ₂＞0的κ₁和κ₂。另外，对于法线向外的圆柱表面，κ₁≈0且κ₂＞0。而且，对于鞍点则κ₁＜0且κ₂＞0。

因此，采用由曲率张量C提供的关于局部形状的信息，给出了根据该技术的各方面，促进对体积图像的球形和圆柱形区域之间进行辨别的方法。在一个实施例中，球形区域可表示肺部区域的CT扫描中的结节，而圆柱区域可代表肺部区域的CT扫描中的血管。因此：

并且

根据该技术的各方面，方程(15)可以被用作等值面和点x相交处曲率张量的球形度量b_c(x)。该球形度量b_c(x)可以定义成：

b_C(x)＝b(κ₁，κ₂).     (17)

类似地，方程(16)可以被用作等值面和点x相交处曲率张量的圆柱度量c_c(x)。该圆柱度量c_c(x)可表征为：

c_C(x)＝c(κ₁，κ₂).       (18)

方程(17)和(18)可以被设成根据以下各条件的达成而辨别球形和圆柱形等值面：

b_C(x)＞b_C，0    和

c_C(x)＞c_C，0    (19)

其中b_C，0和c_C，0为预设的阈值。

或者，如前所述，应用于体积图像以选择可能的感兴趣候选对象的微分运算的另一个选择为结构张量。因此，在一个实施例中，参考结构张量描述可能的感兴趣候选对象的选择，这将在下文中得到解释。

本领域技术人员将理解，结构张量可以定义成围绕点x的邻域 $W\⋐V$ 中梯度向量的外积的加权平均：

$S={\∫}_{u\∈W}w\left(u\right)\▿I\▿I^T\mathrm{du}$

$=\stackrel{\‾}{\▿I\▿I^T},---\left(20\right)$

其中u为积分范围W内的一个点，且函数w(.)是非负的并满足条件：

∫_Ww(u)du＝1.       (21)

考虑体积图像中任意方向v上的给定点的邻域W，该体积图像沿v的一阶导数的均方可定义成：

$f\left(v\right)={\left|\right|{\▿}_{v}I\left|\right|}^2=v^T\mathrm{Sv}---\left(22\right)$

此外，假设λ₃≥λ₂≥λ₁代表S的本征值且v₁、v₂和v₃表示相关的本征向量，应注意，由于S是对称的，故本征向量v₁、v₂和v₃相互正交。受||v||＝1约束的函数f(v)在三个点呈临界值：在v₃为最大值，等于λ₃；在v₁为最小值，等于λ₁；在v₂为鞍点，使得f(v₂)＝λ₂。因此结构张量S可以表达为：

$S={\mathrm{\λ}}_1{v}_1{v}_1^T+{\mathrm{\λ}}_2{v}_2{v}_2^T+{\mathrm{\λ}}_3{v}_3{v}_3^T.---\left(23\right)$

与曲率张量相似地，结构张量的本征值可以用于辨别体积图像中的球形和圆柱形结构。下述衡量标准可以被设成定义结构张量的球形和圆柱形度量：

b_S(x)＝b(λ₁，λ₂)  和

c_S(x)＝c(λ₁，λ₂)    (24)

继续参考图4，如前所述，候选物发生器在步骤84被应用于图像数据82。换而言之，诸如曲率张量和结构张量的候选物发生器的本征分析有助于根据其邻域的形状和强度分布对CT体积的体素的球形或圆柱形进行量化。此外，该量化之后则运用衡量标准的阈值选择以辅助决定体素是属于球形还是圆柱形。

根据该技术的各方面，可以采用基于模型的方法选择可能的感兴趣候选物。将会理解，当试图测量诸如体积和生长率的量时，放射科医生例行地将肺部结节模拟成球形对象。因此，在一个实施例中，诸如结节和血管的相关三维解剖结构的局部形状可分别被模拟成椭球形和圆环。对CT体积应用该候选物发生器的结果为，在任意给定的体素的本征值响应有助于将该体素标记成属于结节或者属于血管。

继续参考曲率张量，可注意到，本征值κ₁和κ₂与应用于图像体积I(x)的任何变换I′(x)＝ai(x)+b无关。此外，如前所述，体素x所在的等值面的形状很重要。因此，将要考虑的相关结构的解剖模型只需考虑到该结构的等值面的形状。

现在参考肺部区域内解剖形状的检查，根据该技术的各方面，可以用椭球形模拟肺部结节。在适当的保留曲率的映射的条件下，椭球ε的隐方程为：

$\frac{x^2}{a^2}+\frac{y^2}{b^2}+\frac{z^2}{c^2}=1,---\left(25\right)$

其中a≤b≤c代表该椭球的半轴的长度。

ε表面上点x＝[x y z]^T处的主曲率κ₁ ^ε和κ₂ ^ε可定义为：

${\mathrm{\κ}}_1^{\mathrm{\ϵ}}=\left(\frac{b^2\frac{x^2}{a^2}+a^2\frac{y^2}{b^2}+a^2\frac{z^2}{c^2}}{D}\right)$

和

${\mathrm{\κ}}_2^{\mathrm{\ϵ}}=\left(\frac{c^2\frac{x^2}{a^2}+c^2\frac{y^2}{b^2}+b^2\frac{z^2}{c^2}}{D}\right)---\left(26\right)$

其中：

$D={\left(\mathrm{abc}\right)}^2{(\frac{x^2}{a^4}+\frac{y^2}{b^4}+\frac{z^2}{c^4})}^{3/2}.---\left(27\right)$

分析表明κ₁ ^ε和κ₂ ^ε的最小值由下式给出：

${\mathrm{\κ}}_{1,\min }^{\mathrm{\ϵ}}=\frac{a}{c^2}$ 和

${\mathrm{\κ}}_{2,\min }^{\mathrm{\ϵ}}=\frac{a}{b^2}.---\left(28\right)$

此外，比值 ${\mathrm{\κ}}^r={\mathrm{\κ}}_1^{\mathrm{\ϵ}}/{\mathrm{\κ}}_2^{\mathrm{\ϵ}}$ 的最小值和最大值可定义为：

${\mathrm{\κ}}_{r,\min }^{\mathrm{\ϵ}}=\frac{a^2}{c^2}$

${\mathrm{\κ}}_{r,\max }^{\mathrm{\ϵ}}=\max (\frac{a^2}{b^2},\frac{b^2}{c^2})\mathrm{respectively}.---\left(29\right)$

类似地，血管可以模拟成短半径为r长半径为R的圆环T。该圆环可用参数表示成：

$T:\left\{\begin{array}{c}x=(R+r\cos \mathrm{\ψ})\cos \mathrm{\θ}\\ y=(R+\mathrm{rcso\ψ})\sin \mathrm{\θ}\\ z=r\sin \mathrm{\ψ}\end{array}\right.---\left(30\right)$

其中(θ，ψ)∈(-π，π)。

T表面上点x＝[x y z]^T处的主曲率κ₁ ^T和κ₂ ^T可定义为：

${\mathrm{\κ}}_1^T=\frac{\cos \mathrm{\ψ}}{R+\cos \mathrm{\ψ}}$

${\mathrm{\κ}}_2^T=\frac{1}{r}.----\left(31\right)$

因此最小值和最大值可定义为：

${\mathrm{\κ}}_{1,\min }^T=\frac{1}{r-R}$

${\mathrm{\κ}}_{1,\max }^T=\frac{1}{r+R}.---\left(32\right)$

因此，半径为r和R的圆环的 ${\mathrm{\κ}}_r^T={\mathrm{\κ}}_1^T/{\mathrm{\κ}}_2^T$ 的值为：

${\mathrm{\κ}}_r^T=\frac{r\cos \mathrm{\ψ}}{R+r\cos \mathrm{\ψ}}.---\left(33\right)$

此外，上面所给出的分析可以用于设定κ₁和κ₂的范围以及方程(17)和(18)的阈值。因此，对于椭球模型的情形，可以基于显著结节的目标尺寸而设定a、b、c的值的范围。因此，给定a、b、c，则可设定κ_1，min ^T、κ_2，min ^T、κ_r，min ^T的阈值。在一个实施例中，假设结节基本上是圆的，目标结节的纵横比的下限可设定为1/2。类似地对于血管，通常R＞＞r，因此 ${\mathrm{\&kappa;}}_{1,\min }^T\&ap;0.$ 此外，血管结点的表面可以模拟成高度弯曲的圆环，因此 ${\mathrm{\&kappa;}}_1^T<<0.$

对于结构张量，体素x处的强度分布在该点的微分响应中起着重要作用。因此，可以使用对角协方差矩阵∑采用高斯强度分布模拟结节，使得∑_1，1＝1/a²、∑_2，2＝1/b²且∑_3，3＝1/c²。

根据该技术的又一个方面，可以采用Hessian张量作为三维候选物发生器。将会理解，体积图像I(x)的Hessian或Hessian矩阵是其二阶导数的矩阵H，即：

$H=\frac{{\&PartialD;}^{2}I}{\&PartialD;x\&PartialD;x^T}=\frac{\&PartialD;I}{\&PartialD;x}\&dtri;I$

$=\left[\begin{array}{ccc}{\&PartialD;}^{2}I/{\&PartialD;x}_1^2& {\&PartialD;}^{2}I/{\&PartialD;x}_1{\&PartialD;x}_2& {\&PartialD;}^{2}I/{\&PartialD;x}_1{\&PartialD;x}_3\\ {\&PartialD;}^{2}I/{\&PartialD;x}_2{\&PartialD;x}_1& {\&PartialD;}^{2}I/{\&PartialD;x}_2^2& {\&PartialD;}^{2}I/{\&PartialD;x}_2{\&PartialD;x}_3\\ {\&PartialD;}^{2}I/{\&PartialD;x}_3{\&PartialD;x}_1& {\&PartialD;}^{2}I/{\&PartialD;x}_3{\&PartialD;x}_2& {\&PartialD;}^{2}I/{\&PartialD;x}_3^2\end{array}\right]---\left(34\right)$

Hessian H的本征值可用于提供关于体积图像I(x)沿任何随机方向v的方向分布的信息。例如，如果H的本征值为幅度较大的负值，则该体积的方向分布为强烈的凹陷。此外，如果这些本征值中有两个是幅度较大的负值，且第三个本征值的幅度小，则存在两个方向分布强烈凹陷的临界方向以及一个方向分布稍微平坦的临界方向。另外，假设H的这三个本征值为λ₃≤λ₂≤λ₁，则Hessian张量的球形度量可定义为：

类似地，Hessian张量的圆柱形度量可以表征为：

与曲率张量相似地，Hessian张量的本征值可随后用于辨别体积图像中的球形和圆柱形结构。下述衡量标准可以被设成定义Hessian张量的球形和圆柱形度量：

b_H(x)＝b(-λ₁，-λ₂)

c_H(x)＝c(-λ₁，-λ₂)      (37)

换而言之，采用方程(35)和(36)，根据如下条件的达成可以将体积图像中的特定点分类成属于粗略的球形或粗略的圆柱形区域：

b_H(x)＞b_H，0

c_H(x)＞c_H，0       (38)

其中b_H，0和c_H，0为预设的阈值。

然而，如前所述，已经发现Hessian张量在识别可能的感兴趣候选对象时不是完全令人满意的，因此不适于作为候选物发生器。特别地，Hessian张量对强度分布的形状有严重的依赖性。

继续参考步骤84，通过对图像数据82应用三维候选物发生器，可选择可能的感兴趣候选对象。代表感兴趣体积的图像数据可以被平滑以减小噪声的影响。随后，如前所述，可通过执行候选物发生器的本征值分析而选择可能的感兴趣候选对象。换而言之，对于感兴趣体积中的每个体素，计算该三维候选物发生器的本征值。另外，如前所述，可以从解剖模型中推导出阐值。这些本征值和阈值随后可用于促进对可能的感兴趣候选对象的形状的识别。因此，感兴趣体积内的每个体素可以被标记成球形或者圆柱形。或者，可以不标记该体素。步骤84的结果为，在这一点，单独的体素被选择作为可能的感兴趣候选对象86以呈现给放射科医生。

步骤86之后，在步骤88对所选定的可能的感兴趣候选对象86进行分类。将会理解，所选定的可能的感兴趣候选对象86可能包含大量的假阳性。该分类步骤有助于将选定的可能的感兴趣候选对象86归类成正常和不正常对象。对多个可能的感兴趣候选对象86的分类可包含将人工神经网络、Bayesian分类器、线性判别分析器、或者K最近邻分类器之一应用于可能的感兴趣候选对象86。如前所述，所选定的可能的感兴趣候选对象86可包含数目巨大的假阳性。对多个可能的感兴趣候选对象86的分类可有利地使得感兴趣对象组的假阳性比率降低，由此有助于放射科医生更容易查看。如前所述，已分类的对象组随后进行可视化步骤，该步骤有助于图像的重建以呈现给放射科医生或者内科医生。可以分别地显示已分类的对象组。或者，已分类的对象组可以被突出并覆盖在原始图像上以显示成单个图像。

可以参考图5至9更加详细地描述如上所述的用于检查解剖图形的技术。现在参考图5，示意性示出了通过图1所示类型的成像系统采集到的感兴趣对象18的肺胸膜区域的图像90。参考数字92代表左肺，而参考数字94对应于右肺。另外，该肺胸膜区域用参考数字96表示。如前所述，可以通过应用候选物发生器而选择多个可能的感兴趣候选对象98。在一个实施例中，曲率张量可被用作该候选物发生器。或者，结构张量可被用作该候选物发生器。

本领域技术人员将理解，分割的肺胸膜区域96可包含结节、血管、气管壁、以及肋骨。同样地，孤立性肺结节(SPN)为肺部中小的圆形或者蛋形病变(异常组织)。SPN通常是没有症状的，通常由于其它原因而进行胸部X射线检查时会偶然注意到SPN。SPN通常直径小于3～4cm(不大于6cm)，并通常被正常的功能肺组织所包围。

理想地应从该图像数据中选择这些结节。然而，许多结节的CT值和血管及气管壁的CT值相似。因此，许多血管和气管壁被包含作为结节候选物，由此促成大量的假阳性。因此，可将该候选物发生器的灵敏度调整成包含基本上为球形的所有可能的感兴趣候选对象池，同时确保避开诸如血管的基本上为圆柱形的区域。此外，通过辨别正常和异常的感兴趣候选对象，对感兴趣的候选对象池进行分类以产生假阳性率降低的对象组。

如前所述，通过对感兴趣体积中的每个体素进行本征值分析，可以从代表感兴趣体积的图像数据中选择多个可能的感兴趣候选对象98。例如，基于候选物发生器的本征值，可以选择多个基本上为球形的可能的感兴趣候选对象。该多个基本上为球形的可能的感兴趣候选对象可代表肺胸膜区域96中的肺结节。此外，基于该候选物发生器的本征值，可以选择出多个基本上为圆柱形的可能的感兴趣候选对象。该多个基本上为圆柱形的可能的感兴趣候选对象可包含例如肺胸膜区域96中的血管。因此，通过选择性地辨别基本上为球形和基本上为圆柱形的结构，可以从该图像数据中选择出代表肺部结节的、多个基本上为球形的可能的感兴趣的候选对象。

将会理解，所选定的多个可能的感兴趣候选对象98可包含高比率的假阳性。所以，理想地应产生数目减少的可能的感兴趣候选对象组。因此，可对可能的感兴趣候选对象98进行分类以产生假阳性率降低的感兴趣对象组100。对象组100随后被突出并覆盖在该图像上以呈现给放射科医生。如前所述，可以采用人工神经网络、Bayesian分类器、线性判别分析器、或者K最近邻分类器之一作为分类工具。

该分类步骤之后，可产生基于已分类的多个感兴趣的候选对象的图像。图6为包含可能的感兴趣候选对象98和已分类的感兴趣候选对象100的医疗图像数据102的示意性视图。在所示的实施例中，已分类的感兴趣候选对象100可以被突出并覆盖在图像102上以呈现给放射科医生。或者，可以另外显示已分类的感兴趣候选对象100。

现在转向结肠区域中可能的感兴趣候选对象的选择，本领域技术人员将理解，结肠区域可包含息肉和正常的肠皱襞(intestinal fold)。理想地应从图像数据中选择出这些息肉。然而，许多息肉的CT值和结肠内正常的肠皱襞的CT值相似。因此，许多肠皱襞被包含作为息肉候选物，由此促成大量的假阳性。因此，可将该候选物发生器的灵敏度调整成包含基本上为圆柱形的所有可能的感兴趣候选对象池，同时确保避开结肠正常的肠皱襞。或者，在一个实施例中，可将该候选物发生器的灵敏度调整成包含基本上为球形的所有可能的感兴趣候选对象池。此外，通过辨别正常和异常的感兴趣候选对象而对感兴趣的候选对象池进行分类以产生假阳性率降低的对象组。

图7为根据该技术的方案，通过图1所示类型的成像系统采集的感兴趣对象18(见图1)的结肠106的图像104的示意性视图。参考数字108代表结肠106的一个区域。此外，如前所述，基于候选物发生器的本征值，可以选择出代表结肠106的区域108内可能的感兴趣候选对象的多个息肉110。可以理解，息肉是发生在结肠或其它器官内的增生。这些增生或肉瘤的形状类似于蘑菇或圆盖状按钮，并发生在结肠的内衬上。这些增生或肉瘤可能只有豌豆那么小，或者比李子大。结肠息肉开始时为良性肿瘤，但最终会变成恶性。息肉越大，其含有癌细胞的可能性越大。此外，基于候选物发生器的灵敏度，结肠106的多个自然襞(未示出)也可以被选为可能的感兴趣候选对象。通过选择性地辨别基本上为圆柱形的息肉110和结肠106的正常的襞，可随后从该图像数据中选择出息肉110。或者，如前所述，通过选择性地辨别基本上为球形的息肉110和结肠106的正常襞，可以从该图像数据中选择出息肉110。

现在转向图8，示出了结肠106的区域108的图像的放大视图。图8的放大视图阐述了选定的可能的感兴趣对象，例如蒂(stalk)112上的息肉以及平坦扩展的息肉114。同样，如前所述，所选定的可能的感兴趣候选对象可能包含高的假阳性率。通过对所选定的多个可能的感兴趣候选对象110进行分类，可以产生数目减少的可能的感兴趣候选对象组118。图9为包含蒂112上的息肉及平坦扩展息肉114的医疗图像数据116的示意性图示。已分类的感兴趣候选对象118可随后在图像116中被突出以呈现给放射科医生。

如上所述的用于检查解剖形状的方法有利地使得能够对图像数据82中可能出现的可能的感兴趣候选对象进行有效选择。对可能的感兴趣候选对象的有效选择并接着进行分类步骤有助于产生假阳性率降低的对象组，这有利于放射科医生或内科医生解释图像并检查可能表示疾病的可疑区域。

尽管在此只阐述和描述本发明的特定特征，本领域技术人员将想得到许多调整和改变。因此，应该了解到，所附权利要求旨在覆盖落入本发明的真实精神内所有这样的调整和改变。

部件列表

10成像系统

12辐射源

14准直器

16辐射流

18对象/患者

20辐射的部分

22探测器

24系统控制器

26旋转子系统

28线性定位子系统

30x射线控制器

32电机控制器

34数据采集系统

36计算机

38存储器

40操作人员工作站

42显示器

44打印机

46图片存档和通信系统

48远程系统

50CAD单元

52CT扫描系统

54框架

56机架

58孔

60患者台

62焦点

64图像切片

66特征

68采集初始数据的步骤

70形成初始图像的步骤

72通过CAD算法处理图像数据的步骤

74选择目标区域的步骤

76另外的处理步骤

78形成另外的图像的步骤

80将图像呈现给放射科医生的步骤

82图像数据

84通过将基于三维形状的候选物发生器应用于图像数据来识别可能的感兴趣候选对象的步骤

86可能的感兴趣候选对象

88对可能的感兴趣候选对象进行分类的步骤

90感兴趣对象的肺胸膜区域的图像

92左侧肺

94右侧肺

96肺胸膜区域

98可能的感兴趣候选对象

100已分类的对象

102肺中感兴趣区域的图像数据

104感兴趣对象的结肠图像

106结肠

108结肠区域

110可能的感兴趣候选对象

112蒂上的息肉

114平坦扩展的息肉

116结肠中感兴趣区域的图像数据

118已分类的对象——结肠息肉

Claims (3)

1.一种根据图像数据进行计算机辅助检查感兴趣解剖对象的系统，该系统包含：

计算机系统(36)，能够可操作地耦合到CT图像采集系统或者CT图像存储系统之一，其中该计算机系统(36)包含三维候选物发生器，且其中该三维候选物发生器被设置成从图像数据(82)中选择出多个可能的感兴趣候选对象(86)，定义体积图像I的曲率张量为

$C=-\frac{N^T\mathrm{HN}}{\left|\right|\&dtri;I\left|\right|},$

N代表

的二维零空间的3×2矩阵，H代表体积图像I的Hessian矩阵，定义κ₁和κ₂为曲率张量C的本征值，定义

球形度量

圆柱度量

其中x代表体积图像中的点，当b_C(x)＞b_C，0或c_C(x)＞c_C，0，即辨别出球形或圆柱形等值面，即可能的感兴趣的候选对象，其中b_C，0和c_C，0为预设的阈值；以及

分类器，其被设置成对多个可能的感兴趣候选对象(86)进行分类以产生假阳性率降低的感兴趣对象组。

2.一种CT成像系统(10)，该系统包含：

X射线源(12)，设置成发射辐射流(16)；

区域探测器(22)，设置成探测该辐射流(16)，其中该探测器(22)包含多个探测器元件；

系统控制器(24)，设置成旋转X射线源(12)及区域探测器(22)，并通过数据采集系统(34)从一个或者多个探测器元件采集图像数据(82)；

计算机系统(36)，耦合到系统控制器或数据采集系统，其中该计算机系统(36)包含三维候选物发生器，其中该三维候选物发生器被设置成从图像数据(82)中选择出多个可能的感兴趣候选对象(86)，定义体积图像I的曲率张量为

$C=-\frac{N^T\mathrm{HN}}{\left|\right|\&dtri;I\left|\right|},$

N代表的二维零空间的3×2矩阵，H代表体积图像I的Hessian矩阵，定义κ₁和κ₂为曲率张量C的本征值，定义

球形度量

圆柱度量

其中x代表体积图像中的点，当b_C(x)＞b_C，0或c_C(x)＞c_C，0，即辨别出球形或圆柱形等值面，即可能的感兴趣的候选对象，其中b_C，0和c_C，0为预设的阈值；以及

分类器，其被设置成对多个可能的感兴趣候选对象(86)进行分类以产生假阳性率降低的感兴趣对象组。

3.权利要求2的CT成像系统(10)，进一步包含可操作地耦合到该计算机系统(36)的操作人员工作站(40)，其中该操作人员工作站(40)被设置成显示已分类的感兴趣对象组。

Images