CN101180654A - 用于器官模型放置的自动器官链接 - Google Patents
用于器官模型放置的自动器官链接 Download PDFInfo
- Publication number
- CN101180654A CN101180654A CNA2006800180101A CN200680018010A CN101180654A CN 101180654 A CN101180654 A CN 101180654A CN A2006800180101 A CNA2006800180101 A CN A2006800180101A CN 200680018010 A CN200680018010 A CN 200680018010A CN 101180654 A CN101180654 A CN 101180654A
- Authority
- CN
- China
- Prior art keywords
- target
- image
- object model
- selected target
- subclass
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 210000000056 organ Anatomy 0.000 title claims description 19
- 238000000034 method Methods 0.000 claims abstract description 23
- 238000004590 computer program Methods 0.000 claims description 13
- 238000009826 distribution Methods 0.000 claims description 11
- 238000005520 cutting process Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 7
- 238000009434 installation Methods 0.000 claims description 6
- 238000005352 clarification Methods 0.000 claims description 5
- 230000003993 interaction Effects 0.000 abstract description 11
- 230000008569 process Effects 0.000 abstract description 4
- 238000013500 data storage Methods 0.000 description 8
- 238000005259 measurement Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000009466 transformation Effects 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000010191 image analysis Methods 0.000 description 3
- 238000003709 image segmentation Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000002059 diagnostic imaging Methods 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 230000008676 import Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 206010028980 Neoplasm Diseases 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 210000002249 digestive system Anatomy 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000005489 elastic deformation Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000006386 neutralization reaction Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 210000002784 stomach Anatomy 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 201000008827 tuberculosis Diseases 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/149—Segmentation; Edge detection involving deformable models, e.g. active contour models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20116—Active contour; Active surface; Snakes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Processing Or Creating Images (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明的目的是提供一种用于将目标模型集合中的特定目标模型与图像中的目标相链接的链接系统(100),需要相对较少的用户交互以创建该链接。它是这样实现的,该链接系统包括第一选择单元(110),用于在该图像中选择目标;确定单元(120),用于基于该被选择目标而从目标模型集合中确定相关备选目标模型的子集;和第二选择单元,用于从该相关备选目标模型的子集中选择该特定目标模型。通过在图像中选择目标而开始该链接过程,该确定相关备选目标模型子集的任务被委派给确定单元而不需要用户交互。这意味着应用一种过滤来寻找适当的模型。用户不需要从相对较大的集合中选择该模型。
Description
技术领域
本发明涉及一种用于将目标模型集合中的一个特定目标模型与图像中的目标链接的链接系统。
本发明还涉及一种用于向链接目标登记该特定目标模型的登记系统。
本发明还涉及一种基于该登记的特定目标模型分割该目标的分割系统。
本发明还涉及一种工作站,包括该用于将目标模型集合中的目标模型与图像中的目标链接的系统。
本发明还涉及一种将目标模型集合中的目标模型与图像中的目标链接的方法。
本发明还涉及一种由计算机装置加载的计算机程序产品,包括用于将目标模型集合中的目标模型与图像中的目标链接的指令。
背景技术
从Tim McInerney和Demetri Terzopoulos在Medical ImageAnalysis,1(2):91-108,1996中发表的“Deformable Models inMedical Image Analysis:A Survey”中可以得知开头段落中所述类型的链接系统的一个实施例。这篇文章描述了如何在图像中的感兴趣目标与目标模型集合中的对应目标模型之间创建链接。因为该可变形模型的使用典型地应用了局部搜索方法,所以该被链接目标模型必须通过用户使用例如鼠标放置在感兴趣目标附近。首先,用户必须从目标模型的清单中选择该目标模型。如果该清单包括较大数量的目标模型,将会需要滚动或下拉目标模型清单的层级。然后该被选择的目标模型出现在图像中,典型地在该图像的中心,用户必须拖动该目标模型并将其放在感兴趣目标附近。从而需要多次鼠标点击和鼠标移动以执行这些交互。如果该图像中的多个目标需要与它们各自的目标模型链接,则必须由用户执行多个交互序列。
发明内容
本发明的一个目的是提供一种开头段落中所述类型的链接系统,其需要相对较少的用户交互以创建该链接。
本发明的目的是这样实现的,该链接系统包括:
第一选择单元,用于在图像中选择目标;
确定单元,用于基于该被选择目标而从目标模型集合中确定相关备选目标模型的子集;和
第二选择单元,用于从该相关备选目标模型的子集中选择特定的目标模型。
通过在图像中选择目标来开始该链接过程,该确定相关备选目标模型的子集的任务被委派给该确定单元而不需要用户交互。这意味着,应用一种过滤以寻找合适的模型。用户不需要从相对较大的集合中选择该模型。
而且,当该相关备选目标模型的子集仅包括一个元素时,从该相关备选目标模型的子集中选择该特定的目标模型的过程可以自动执行而不需要任何用户交互。可选地,这一选择过程可以需要最小数量的用户交互,例如点击鼠标键以接受指示的目标模型,以及也许是浏览较短的相关备选目标模型列表。
该链接系统可以被应用到N-D图像中,其中N>1。
在根据本发明的链接系统的一个实施例中,第一选择单元包括用于指示该图像中一个区域的指示单元,和用于基于该指示区域计算该被选择目标的计算单元。该指示单元被设置成通过鼠标或触摸球读取用户输入。替代地,它可以被设置成从触摸屏读取用户输入。这里,该被选择目标的计算可以理解成处理该用户输入和该图像以计算该选择的表示。如果该图像例如是已经被划分成多个部分并且每个部分被分配一个目标名字,那么该被选择目标的计算将会是简单的。该划分可以例如在图像预处理阶段交互完成。在这种情况下,计算就是获取被分配到包括感兴趣目标的指示部分的名字。该链接系统的确定单元可以使用给予一个部分的目标名来确定对应于该部分的目标模型。在这种情况下,该相关备选目标模型的子集包括具有该部分的名字的目标模型,其覆盖了该指示区域。
在根据本发明的链接系统的一个实施例中,计算该被选择目标是基于图像分割的。优选地,该图像被初始划分成多个部分,并且每个部分被分配包括在该部分中的目标名字。替代地,使用一种快速但不需要非常精确的分割方法对该图像进行局部划分,这样以使得由该分割方法标识的目标覆盖该指示区域。该链接系统的确定单元稍后可以将这些目标的每一个与该目标模型集合中的目标模型相比较,并且使用相似度测量来计算最相似的目标模型。该相关备选目标模型的子集包括最相似的目标模型。
在根据本发明的链接系统的一个实施例中,确定相关备选目标模型的子集是基于该被选择目标的一个特征,该特征是以下特征中的至少一个:被选择目标的名字,被选择目标的形状,被选择目标的大小,被选择目标在图像中的位置,被选择目标在图像中的方向,被选择目标中的强度(intensity)分布,以及被选择目标中的颜色分布。为了确定该相关备选目标模型的子集,该系统被设置成评估该图像中的目标的特征。然后将该特征值与目标模型集合中的目标模型的相应特征值相比较。如果该目标特征值与目标模型特征值相似,那么就将该目标模型添加到相关备选目标模型的子集中。可以使用该目标和目标模型的多个特征来确定该目标模型是否适合被包含在相关备选目标模型的子集中。
在根据本发明的链接系统的一个实施例中,从相关备选目标模型的子集中选择该特定目标模型是基于该被选择目标的一个特征,该特征是以下特征中的至少一个:被选择目标的名字,被选择目标的形状,被选择目标的大小,被选择目标在图像中的位置,被选择目标在图像中的方向,被选择目标中的强度分布,以及被选择目标中的颜色分布。为了从该相关备选目标模型的子集中选择该特定目标模型,该系统评估该图像中的目标的特征。然后将该特征值与目标模型集合中的目标模型的相应特征值相比较。如果该目标特征值与目标模型特征值相似,那么就将该目标模型选择为该特定目标模型。可以使用该目标和相关备选目标模型子集中的目标模型的多个特征来确定该目标模型是否适合被选择为该特定目标模型。
在根据本发明的链接系统的一个实施例中,从相关备选目标模型的子集中选择该特定目标模型是基于用户输入。在这个实施例中,需要用户与链接系统的进一步交互。与被选择目标相链接的该特定目标模型的最终选择被留给用户决定。如果用户在相关备选目标模型的子集中没有找到任何适于被选作该特定目标模型的目标模型,那么用户可以从该目标模型的集合中选择其他目标。
在根据本发明的链接系统的一个实施例中,该链接系统还包括用于显示相关备选目标模型子集的表示的显示单元。在这个实施例中,向用户显示包含在相关备选目标模型子集中的目标模型,例如以名字列表的形式。该列表中的一个条目例如通过高亮标记指示。用户可以移动该高亮标记以指示用户希望选作该特定目标模型的目标模型。当用户点击鼠标时,该系统将被指示的目标模型设定为被选择的特定目标模型。
在根据本发明的链接系统的一个实施例中,该目标是人类或动物的器官或器官的一部分,目标模型集合是人类或动物的器官或器官部分的图册(atlas)。根据本发明的链接系统的应用特别有利于医学图像分析。这里,该目标模型集合也称为器官模型图册,具有明确的结构和内容。
本发明的另一目的是提供在开头段落中所述类型的登记系统,其需要较少的用户交互以在目标和目标模型之间创建链接。它是这样实现的,该登记系统包括:
链接单元,包括用于将目标模型集合中的特定目标模型与图像中的目标相链接的链接系统;和
登记单元,用于向图像环境(context)中的目标登记该链接的特定目标模型。
根据本发明的链接系统的应用特别有利于应用到目标模型登记中。通过向图像登记目标模型,可以获得额外的优点:该目标模型的放置。该登记可以在参考图像中找到该特定目标模型的最佳可能放置处。
本发明的另一目的是提供在开头段落中所述类型的分割系统,其需要相对较少的用户交互以在目标和目标模型之间创建链接。它是这样实现的,该分割系统包括:
登记单元,包括如权利要求10所述用于向目标登记特定目标模型的登记系统;和
分割单元,用于基于该登记的特定目标模型来分割该目标。
根据本发明的链接系统的应用特别有利于用在基于模型的图像分割中。
本发明的另一目的是提供在开头段落中所述类型的工作站,其需要相对较少的用户交互以在目标和目标模型之间创建链接。它是这样实现的,该工作站包括用于将目标模型集合中的目标模型与图像中的目标相链接的链接系统,该链接系统包括:
第一选择单元,用于在图像中选择目标;
确定单元,用于基于该被选择目标而从该目标模型集合中确定相关备选目标模型的子集;和
第二选择单元,用于从该相关备选目标模型的子集中选择特定目标模型。
本发明的另一目的是提供在开头段落中所述类型的方法,其需要相对较少的用户交互以在目标和目标模型之间创建链接。它是这样实现的,该方法包括:
第一选择步骤,用于在图像中选择目标;
确定步骤,用于基于该被选择目标而从目标模型集合中确定相关备选目标模型的子集;和
第二选择步骤,用于从该相关备选目标模型的子集中选择特定目标模型。
本发明的另一目的是提供在开头段落中所述类型的计算机程序产品。它是这样实现的,该计算机程序产品被计算机装置加载,该计算机程序产品包括用于将目标模型集合中的目标模型与图像中的目标相链接的指令,该计算机装置包括处理单元和存储器,该计算机程序产品在被加载后,为所述处理单元提供执行以下任务的性能:
在图像中选择目标;
基于该被选择目标而从目标模型集合中确定相关备选目标模型的子集;和
从该相关备选目标模型的子集中选择特定目标模型。
本领域技术人员在本说明书的基础上,可以实现对应于所述链接系统及其变体的修改的登记系统、分割系统、工作站、方法和/或计算机程序产品的修改及其变体。
附图说明
结合下文所述的实施方式和实施例并且参照附图,根据本发明的链接系统、登记系统、分割系统、工作站、方法和计算机程序产品的这些和其他方面将变得清楚并被阐明,其中:
图1示意性示出了该链接系统的一个实施例;
图2示意性示出了该第一选择单元的一个实施例;
图3示意性示出了一个划分的图像;
图4示意性示出了该登记系统的一个实施例;
图5示意性示出了该分割系统的一个实施例;
图6示意性示出了该工作站的一个实施例;
图7示意性示出了该链接方法的一个实施例;
在该附图中,相同的参考数字用于表示相似的部件。
具体实施方式
图1示意性示出了链接系统100的一个实施例。该实施例包括:
第一选择单元110,用于在图像300中选择目标;
确定单元120,用于基于该被选择目标而从目标模型集合中确定相关备选目标模型的子集;和
第二选择单元130,用于从该相关备选目标模型的子集中选择特定的目标模型。
该单元通过内部连接111和121互相连接。其中有两个输入连接器101和102,以及三个输出连接器103、104和105。
该第一选择单元110被设置成接收两个输入:来自数据输入连接器101的图像300,该连接器101可以连接到数据存储设备;以及来自用户输入连接器102的该图像中的指示区域,该连接器102可以连接到用户输入设备。使用这些输入,第一选择单元110被设置成计算图像300中的被选择目标,并通过第一内部连接111将其传输到确定单元120。该第一选择单元还被设置成将该图像300、被指示区域以及可能的被选择目标输出到第一输出连接器104,该连接器104可以连接到显示设备。
该确定单元120被设置成将通过第一内部连接111接收的目标与通过数据输入连接器101从例如数据存储设备获得的目标模型集合中的目标模型相比较。确定单元120还被设置成确定相关备选目标模型的子集并将其通过内部连接121传输到第二选择单元130。该确定单元120还被设置成将相关备选目标模型的子集表示(例如这些模型的可滚动列表)输出到第二输出连接器105,该连接器105可以连接到用户显示设备。
第二选择单元130被设置成计算该特定目标模型,并将该特定目标模型输出到模型输出连接器103。可选地,该输出数据可以包括限定该模型在图像300中的放置的参考数据。该特定目标模型的计算可以基于通过用户输入连接器102从例如用户输入设备获得的第二用户输入。替代地,该第二选择单元可以被设置成选择最佳符合被选择目标或图像300的该特定目标模型。
输入连接器101可以连接到数据存储设备例如RAM、ROM、硬盘驱动器和/或光盘驱动器。输入连接器102可以连接到用户输入设备例如鼠标、触摸球、触摸屏和/或键盘。替代地,这些I/O设备中的一些可以是该链接系统的一部分。
输出连接器103、104和105可以连接到显示设备和/或数据存储设备。可选地,该显示设备和/或数据存储设备是该链接系统100的部分。可选地,用户输入设备是该链接系统100的部分。
图2示意性示出了第一选择单元110的一个实施例。该单元包括通过内部连接221连接的计算单元210和指示单元220,分别连接到数据存储设备230和用户输入设备240的两个输入连接器101和102,以及连接到显示设备250的输出连接器104。该计算单元210被设置成从用户输入设备230接收指示区域输入和从数据存储设备240接收图像300,并且被设置成使用这些输入计算被选择目标。这里该被选择目标的计算被理解为,处理该用户输入和图像数据以计算该被选择目标的表示。例如,计算该被选择目标可以包括在指示区域及其相邻部分对该图像进行局部分割。该被选择目标可以通过位图、灰度图或色彩图表示。替代地,它可以通过一个特征例如大小(面积、体积、直径等)、位置、方向或拓扑类型(topological genus)表示。该被选择目标的表示被输出到输出连接器104。该被选择目标的相同或替代表示还可以通过内部连接221发送到指示单元210。
该指示单元210被设置成从用户输入设备230接收指示区域304和从数据存储设备240接收图像300。该指示单元210被设置成将该图像和指示区域组合到将被显示到显示设备250上的一个图片中,用于描述该图像300中的指示区域。可选地,该指示单元还可以包括在将被显示到显示设备250上的该图片中的被选择目标的表示。该指示区域可以包括2D图像中的一个像素或多个像素。替代地,该指示区域可以包括3D图像中的一个体素或多个体素。
在链接系统100的一个实施例中,该图像300被划分成多个部分。该划分可以在图像预处理阶段完成。该图像300的每个部分被分配一个对应目标的名字。关于该划分的信息,即关于该边界和图像部分的名字的信息,被包含在该图像数据中。在数据输入连接器101输入的该图像包括含有该边界和每个部分的名字的划分说明。图3示意性示出了具有两个图像部分301和302的划分图像300。分离两个图像部分301和302的边界303是包含在这些部分中的目标305和306之间的近似边界。该划分例如可以由熟悉相关应用领域的图像内容的操作员人工完成。该图像的每个部分包括一个目标。图像部分301包括目标305,图像部分302包括目标306。该部分被以它们所包括的目标命名。指示区域304典型地被包含在一个图像部分中。在这种情况下,包含该指示区域304的部分的名字限定了该被选择目标。计算该被选择目标是获取被分配到包含该指示区域304的指示部分301的名字。如果该指示区域304被多个图像部分覆盖,那么可以使用与该指示区域有最大重叠的该部分的名字来限定该被选择目标。替代地,该第一选择单元110可以输出与该指示区域有非空交集或与其邻近的部分的多个名字。
该确定单元120被设置成通过第一内部连接器111从第一选择单元110接收一个或多个被选择目标的表示。这里,将该被选择目标与目标模型集合中的每个目标模型比较,该集合可以通过输入连接器102从存储器存储设备读取。该目标模型集合依赖于应用。例如,在医学成像中,它可以是人体器官集合,在细胞形态学中,它可以是普通细胞结构集合。依赖于表示该被选择目标的特征,确定单元120使用目标模型的相应特征。在被选择目标的位图表示的情况下,该特征是目标的形状。确定单元120被设置成比较被选择目标的形状和目标模型的形状。该目标的形状和/或目标模型的形状可以通过适当的变换重新调整和/或变换。形状与被选择目标相似的目标模型被添加到相关备选目标模型的子集中。用于比较被选择目标和目标模型的相似度的相似度测量可以是被选择目标和目标模型的未重叠面积或体积与被选择目标和目标模型的重叠面积或体积的比率,其中通过例如按比例缩放和刚性变换目标模型来使未重叠部分的面积或体积最小化。在完美重叠的情形中,该比率等于零。可以对该计算的比率应用一个阈值标准。如果该比率小于阈值,那么就将该目标模型包括在相关备选目标模型的子集中。否则,就不把该目标模型包括在相关备选目标模型的子集中。可选地,可以限定该相关备选目标模型子集中的最大模型数量。例如,该相关备选目标模型子集可以精确地包括一个模型,也就是与被选择目标最相似的那一个。
形状特征的泛化(generalization)是被选择目标中的强度分布或被选择目标中的色彩分布。使用该强度或色彩分布特征需要重新定义相似度测量。例如,可以用在灰度图中叠加在被选择目标上的目标模型的相应像素或体素上的灰度值之间的差的绝对值的积分来代替被选择目标和目标模型的未重叠部分的面积或体积。为了使该积分值最小化,目标集合中的每个目标模型例如可以向该图像弹性地登记的。
也可以应用其他特征例如被选择目标的大小、位置或方向来确定该相关备选目标模型的子集。典型地,使用这些特征中的一个需要该图像具有标准大小和/或相对于可视目标的位置。如果目标和目标模型的形状是受约束的,那么这些特征是特别有用的。例如,如果目标是圆形的,那么半径和中心位置就完全确定了这样一个圆形目标。也可以使用两个或更多特征的组合(例如圆的半径和中心位置)来确定该相关备选目标模型的集合。
在链接系统100的一个实施例中,使用了划分的图像,由确定单元120使用以确定该相关备选目标模型子集的特征是被选择目标的名字或被选择目标名字的集合。具有与被选择目标相同的名字的目标模型被包含在该相关备选目标模型的子集中。
该相关备选目标模型的子集被输出到内部连接121并且传输到第二选择单元130。还可以以允许在显示设备上显示该子集中所包括的模型的形式将被包括在该相关备选目标模型子集中的目标模型输出到输出连接器105。例如,该模型可以被显示为可滚动名字列表,或者显示为一个具有可选择图标的窗口,其中每个名字或图标分别表示该相关备选目标模型子集中的目标模型。
第二选择单元130被设置成通过第二内部连接121从确定单元120接收相关备选目标模型子集。该第二选择单元130的功能是选择被链接到由第一选择单元110所选择目标的特定目标模型。
在链接系统100的一个实施例中,用户可以使用用户输入设备选择该特定目标模型。第二选择单元130被设置成从输入连接器102读取用户输入。用户可以看到包含在相关备选目标模型子集中的目标模型的名字列表。该列表中的一个条目可以被例如高亮标记指示。用户可以移动该高亮标记以指示该列表中的任意目标模型,从而将一个目标模型选作该特定目标模型。用户可以例如通过点击鼠标来选择所指示的目标,第二选择单元可以被设置成将该指示的目标设定为被选择的特定目标模型。
在链接系统100的一个实施例中,如果用户不想从该相关备选目标模型子集中的目标模型的显示列表中接受任何目标模型,该显示列表可以包含与整个目标模型集合的链接。可选地,该显示列表还可以包含“空目标”以使得用户能够排除该相关备选目标模型子集中的所有目标模型,并且使得该被选择目标没有任何特定目标模型与之链接。
在链接系统100的一个实施例中,第二选择单元130可以被设置成使用被选择目标305中的强度分布以选择该特定目标模型。可选地,该第二选择单元130可以被设置成向包括被选择目标305的图像300登记该目标模型。可以利用一种图像登记技术,如Michel A.Audette,Frank P.ferrie和Terry M.Peters在Med.Imag.Anal.4(3),201-217,2002上发表的题目为“An algorithmic overview ofsurface registration techniques for medical imaging”的文章中所公开的。在这种方法中,对相关备选目标模型集合中的一个目标模型进行变换,以最大化其与表示被选择目标305的基本图像片断的相似度。已知在现有技术中有许多种图像变换,例如刚性变换、仿射变换和弹性变形。而且,有许多相似度测量可供选择,例如在Freder ikMaes,Dirk Vandermeulen,and Paul Suetens在Proceedings of theIEEE,Vol.91(10),1699-1722,2003上发表的、题目为“Medicalimage registration using mutual information”中公开的交互信息。通过向图像300登记目标模型,可以实现一个额外的目的:该目标模型的放置。该基于登记的解决方案不仅确定了该特定目标模型和调节其形状以配合被选择目标305,而且还找到该特定目标模型在图像300中的最佳可能放置处。其他实施例可以应用比较其他特征例如被选择目标的大小、位置或方向。两个或更多特征的组合将会是有利的。
可以按照从最相似到最不相似的顺序对相关备选目标模型子集中的显示目标进行排序,其中最相似的目标模型位于所显示的目标模型中最显著的位置。可选地,该相似度测量值可以与每个相关备选目标模型一起显示以协助用户选择该特定目标模型。
在链接系统100的一个实施例中,第二选择单元130被设置成不需要任何用户输入而选择该特定目标模型。该相关备选目标模型子集中最相似的目标模型可以被自动选择为该特定目标模型。替代地,如果该相关备选目标模型子集仅包括一个元素,那么该元素可以自动成为该特定目标模型。
第二选择单元130被设置成将该特定目标模型的表示输出到输出连接器103。该特定目标模型可以被存储在连接到该输出连接器103的存储设备中和/或在显示设备上显示。替代地,如果本发明的链接系统100是另一系统例如分割系统的子系统,可以将该特定目标模型从该链接系统传输到该分割系统的另一单元。
在前述链接系统100的实施例中,用于提供用户输入的用户输入设备230、用于显示从该链接系统的单元获得的信息的显示设备250以及将该输入图像数据存储到第一选择单元110中和用于存储从第一选择单元110获得的输出数据的的存储设备240被作为该链接系统100外部的设备给出。在其他实施例中,这些设备中的任一个可以被包括在该链接系统100中并且通过内部连接连接到第一选择单元110、确定单元120和/或第二选择单元130。例如,该目标模型集合可以被存储在链接系统100的内部硬盘上。链接系统100还可以包括显示设备,用于显示该图像和其他结构,例如指示区域、被选择目标、包括包含在该相关备选目标模型子集中的目标模型名字的列表、和/或用于指示该列表中的一个名字的高亮标记。
本领域技术人员将会认识到,用完整的目标模型集合代替由确定单元120确定并传输到第二选择单元130的相关备选目标模型子集是有利的。在这种情况下,单独的确定单元120是多余的。
第一选择单元110、确定单元120和第二选择单元130可以使用一个处理器实现。通常,它们的功能是在软件程序产品的控制下执行的。在运行中,该软件程序产品通常被加载到存储器中例如RAM,并且在那里运行。该程序可以从后台存储器加载,例如ROM、硬盘、或磁和/或光存储器,或者可以通过网络例如因特网加载。可选地,专用集成电路可以提供所述的功能。
本发明的链接系统100有很多可能的应用。一种特别有利的应用是将本发明的链接系统100应用到医学图像中。医学图像中的目标可以包括例如各种内部器官、骨骼和/或血管。医学图像中的目标模型集合被明确地定义。该集合通常是指器官模型图册。它可以具有一些内部层级,其中一些更小的器官是较大器官的部分,例如心室和心脏,或者胃和上消化系统。而且,基于模型的图像分割可以用于分析来自其他知识领域的图像,只要它能够定义模型集合,其已经具有了关于在该图像中出现的目标的先验知识。例如,该系统可以用于分析细胞图像的细胞形态学,分析某类植物组织的精微图像的植物组织学,分析农田的空间图像以识别各种农作物的农业学,分析空间图像以识别某些元素例如山区或城市、城镇、乡村和村庄的地理学。
本发明的链接系统还可以用于目标模型登记和基于目标模型登记的图像分割。图4示意性示出了登记系统400的一个实施例,其包括通过内部连接411与登记单元410连接的链接单元100、输入连接器401、和输出连接器402。该登记系统400被设置成将登记的目标模型输出到输出连接器402。它们可以用于提取目标特征。在医学图像应用中,登记系统400可以用于将登记的器官模型存储到数据库中以备将来参考,用于查看在一个时间周期内在器官或病原组织例如肿瘤或结核中发生了什么变化,和/或协助治疗计划。图5示意性示出了分割系统500的一个实施例,其包括通过内部连接511与分割单元510连接的登记单元400、输入连接器501、和输出连接器502。该基于模型的分割提高了速度和分割精度。该提高是由于目标模型已经包括了关于该图像中的被选择目标的先验知识。本发明的分割系统500提高了分割速度,因为登记单元400应用了更好的链接方法。
图6示意性示出了工作站600的一个实施例。该系统包括系统总线601。处理器610、存储器620、盘I/O适配器630和UI适配器640可操作地连接到系统总线601。盘存储设备631可操作地耦合到盘I/O适配器630。键盘641、鼠标642和显示器643可操作地耦合到UI适配器640。本发明的链接系统、登记系统或分割系统被实施为计算机程序,并被存储在盘存储设备631中。工作站600可以将该程序加载到存储器620中并在处理器610上运行该程序。用户使用键盘641和/或鼠标642向工作站600输入信息。该工作站向显示设备643输出信息。本领域技术人员将会认识到,现有技术中已知有工作站的其他多种实施例,并且本实施例是用于例示本发明的目的,决不能被解释为将本发明限制到这一特定实施例。
图7示意性示出了链接方法700的一个实施例。第一步710是开始步骤。该步骤包括需要在该方法的特定实现中完成的所有初始化。在第一选择步骤720,在图像中选择一个目标。这一步骤需要用户输入。在确定步骤730,确定相关备选目标模型的子集。这些目标模型是与该方法的应用特定相关的目标模型集合。在第二选择步骤740,从该相关备选目标模型子集中选择该特定目标模型。该特定目标模型被链接到在图像中选择的目标。该链接(该图像中的目标与该目标模型集合中的特定目标模型之间的关联)被输出以存储或传输到另一过程以备将来使用。在步骤750,判断是否继续或者终止将图像中的目标链接到目标模型。该判断可以由用户计算或输入。在划分图像的情况下,该方法会继续直到该图像的所有部分都与其各自的特定模型相链接。当最后部分被链接时,该方法到达终止步骤760并且终止。
本发明的链接系统100、登记系统400和分割系统500可以实施为计算机程序产品,并且可以存储在任何适当的介质上,例如磁带、磁盘、或光盘。该计算机程序产品可以被加载到包括处理单元和存储器的计算机装置中。该计算机程序产品在被加载后,为处理单元提供执行该链接、登记和/或分割任务的功能。
应当注意的是,上述实施例例示而不是限制本发明,本领域技术人员将能够设计替代的实施例而不脱离所附权利要求的范围。在权利要求中,位于括号中的任何参考符号不应被解释为限制该权利要求。单词“包括”不排除存在该权利要求中未列出的部件或步骤。在部件前的单词“一个”不排除存在多个这种部件。本发明可以通过包括多个不同部件的硬件或者通过被适当编程的计算机来实现。在列举了多个单元的系统权利要求中,这些单元中的多个可以通过同一个硬件或软件项来实现。单词第一、第二和第三等的使用不表示任何顺序。这些单词将被解释为名称。
Claims (14)
1.一种用于将目标模型集合中的特定目标模型与图像中的目标相链接的链接系统(100),该链接系统包括:
第一选择单元(110),用于在该图像中选择目标;
确定单元(120),用于基于该被选择目标而从目标模型集合中确定相关备选目标模型的子集;和
第二选择单元(130),用于从该相关备选目标模型的子集中选择该特定目标模型。
2.如权利要求1所述的链接系统,其中该第一选择单元包括:
用于指示该图像中的区域的指示单元(210);和
用于基于该指示区域计算该被选择目标的计算单元(220)。
3.如权利要求2所述的链接系统,其中计算该被选择目标是基于该图像在包括该指示区域的面积中的分割。
4.如权利要求1所述的链接系统,其中确定该相关备选目标模型的子集是基于该被选择目标的特征,该特征是以下特征中的至少一个:
被选择目标的名字;
被选择目标的形状;
被选择目标的大小;
被选择目标在图像中的位置;
被选择目标在图像中的方向;
被选择目标中的强度分布;和
被选择目标中的颜色分布。
5.如权利要求1所述的链接系统,其中从该相关备选目标模型的子集中选择该特定目标模型是基于该被选择目标的特征,该特征是以下特征中的至少一个:
被选择目标的名字;
被选择目标的形状;
被选择目标的大小;
被选择目标在图像中的位置;
被选择目标在图像中的方向;
被选择目标中的强度分布;和
被选择目标中的颜色分布。
6.如权利要求1所述的链接系统,其中从该相关备选目标模型的子集中选择该特定目标模型是基于用户输入。
7.如权利要求1-6中任一个所述的链接系统,还包括用于显示该相关备选目标模型的子集的表示的显示单元。
8.如权利要求1-7中任一个所述的链接系统,其中该目标是人类或动物的器官或器官的一部分。
9.如权利要求8所述的链接系统,其中该目标模型集合是人类或动物的器官或器官的部分的图册。
10.一种登记系统(400),包括:
链接单元(410),包括如权利要求1-9中任一个所述的、用于将目标模型集合中的特定目标模型与图像中的目标相链接的链接系统;和
登记单元(420),用于向图像环境中的目标登记该链接的特定目标模型。
11.一种分割系统(500),包括:
登记单元(510),包括如权利要求10所述的、用于向目标登记特定目标模型的登记系统;和
分割单元(520),用于基于该登记的特定目标模型来分割该目标。
12.一种工作站(600),包括如权利要求1-10中任一个所述的系统。
13.一种用于将目标模型集合中的目标模型与图像中的目标相链接的方法(700),该方法包括:
第一选择步骤(720),用于在图像中选择目标;
确定步骤(730),用于基于该被选择目标而从目标模型集合中确定相关备选目标模型的子集;和
第二选择步骤(740),用于从该相关备选目标模型的子集中选择特定目标模型。
14.一种由计算机装置加载的计算机程序产品,包括用于将目标模型集合中的目标模型与图像中的目标相链接的指令,该计算机装置包括处理单元和存储器,该计算机程序产品在被加载后,为所述处理单元提供执行以下任务的性能:
在图像中选择目标;
基于该被选择目标而从目标模型集合中确定相关备选目标模型的子集;和
从该相关备选目标模型的子集中选择特定目标模型。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP05104348.7 | 2005-05-23 | ||
EP05104348 | 2005-05-23 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101180654A true CN101180654A (zh) | 2008-05-14 |
Family
ID=37027050
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNA2006800180101A Pending CN101180654A (zh) | 2005-05-23 | 2006-05-22 | 用于器官模型放置的自动器官链接 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20080205718A1 (zh) |
EP (1) | EP1889224B1 (zh) |
JP (1) | JP2008541824A (zh) |
CN (1) | CN101180654A (zh) |
WO (1) | WO2006126163A2 (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130085798A1 (en) * | 2011-09-30 | 2013-04-04 | Varian Medical Systems, Inc. | Systems and methods for implementing medical workflow |
CN103365952B (zh) * | 2012-04-06 | 2017-04-12 | 东芝医疗系统株式会社 | 医疗信息检索装置 |
CN113288087B (zh) * | 2021-06-25 | 2022-08-16 | 成都泰盟软件有限公司 | 一种基于生理信号的虚实联动实验系统 |
KR102662778B1 (ko) * | 2023-08-16 | 2024-04-30 | (주)오로스 테크놀로지 | 오버레이 계측 장치의 타겟 선정 방법 및 오버레이 계측 장치의 타겟 선정 시스템 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3026712B2 (ja) * | 1993-12-09 | 2000-03-27 | キヤノン株式会社 | 画像検索方法及びその装置 |
US6058322A (en) * | 1997-07-25 | 2000-05-02 | Arch Development Corporation | Methods for improving the accuracy in differential diagnosis on radiologic examinations |
JP3695084B2 (ja) * | 1997-09-19 | 2005-09-14 | コニカミノルタビジネステクノロジーズ株式会社 | 類似画像検索装置および類似画像の検索方法およびプログラム記憶媒体 |
US6816184B1 (en) * | 1998-04-30 | 2004-11-09 | Texas Instruments Incorporated | Method and apparatus for mapping a location from a video image to a map |
JP2001155019A (ja) * | 1999-11-25 | 2001-06-08 | Olympus Optical Co Ltd | 類似画像検索装置 |
JP2001167268A (ja) * | 1999-12-07 | 2001-06-22 | Nec Corp | 指紋入力装置 |
US6468218B1 (en) * | 2001-08-31 | 2002-10-22 | Siemens Medical Systems, Inc. | 3-D ultrasound imaging system and method |
US7058210B2 (en) * | 2001-11-20 | 2006-06-06 | General Electric Company | Method and system for lung disease detection |
US6882743B2 (en) * | 2001-11-29 | 2005-04-19 | Siemens Corporate Research, Inc. | Automated lung nodule segmentation using dynamic programming and EM based classification |
US7236619B2 (en) * | 2002-10-31 | 2007-06-26 | University Of Chicago | System and method for computer-aided detection and characterization of diffuse lung disease |
JP2005065728A (ja) * | 2003-08-25 | 2005-03-17 | Fuji Photo Film Co Ltd | 類似画像検索装置 |
JP2007505672A (ja) * | 2003-09-17 | 2007-03-15 | コニンクリユケ フィリップス エレクトロニクス エヌ.ブイ. | 繰り返し型の検査レポート |
US7796790B2 (en) * | 2003-10-17 | 2010-09-14 | Koninklijke Philips Electronics N.V. | Manual tools for model based image segmentation |
-
2006
- 2006-05-22 CN CNA2006800180101A patent/CN101180654A/zh active Pending
- 2006-05-22 JP JP2008512995A patent/JP2008541824A/ja active Pending
- 2006-05-22 WO PCT/IB2006/051631 patent/WO2006126163A2/en not_active Application Discontinuation
- 2006-05-22 US US11/914,963 patent/US20080205718A1/en not_active Abandoned
- 2006-05-22 EP EP06756000.3A patent/EP1889224B1/en not_active Not-in-force
Also Published As
Publication number | Publication date |
---|---|
JP2008541824A (ja) | 2008-11-27 |
US20080205718A1 (en) | 2008-08-28 |
EP1889224A2 (en) | 2008-02-20 |
WO2006126163A2 (en) | 2006-11-30 |
EP1889224B1 (en) | 2017-05-03 |
WO2006126163A3 (en) | 2007-03-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kutlu et al. | White blood cells detection and classification based on regional convolutional neural networks | |
CN110781765A (zh) | 一种人体姿态识别方法、装置、设备及存储介质 | |
CN109559300A (zh) | 图像处理方法、电子设备及计算机可读存储介质 | |
WO2021203865A9 (zh) | 分子结合位点检测方法、装置、电子设备及存储介质 | |
CN109583562A (zh) | Sgcnn:结构的基于图的卷积神经网络 | |
CN107274402A (zh) | 一种基于胸部ct影像的肺结节自动检测方法及系统 | |
CN107169974A (zh) | 一种基于多监督全卷积神经网络的图像分割方法 | |
CN111144474B (zh) | 基于多视图、多尺度、多任务肺结节分类方法 | |
CN108399452A (zh) | 用于执行多重分析的神经网络的权重的分层学习 | |
CN109344957A (zh) | 基于差异比较的卷积神经网络可视分析方法 | |
CN112347977A (zh) | 一种诱导性多能干细胞的自动检测方法、存储介质及装置 | |
CN113096080A (zh) | 图像分析方法及系统 | |
CN112419306A (zh) | 一种基于nas-fpn的肺结节检测方法 | |
CN109919112A (zh) | 一种复杂场景中流动人群的分布与计数检测的方法 | |
CN114461853B (zh) | 视频场景分类模型的训练样本生成方法、装置及设备 | |
CN112149689A (zh) | 基于目标领域自监督学习的无监督领域适应方法和系统 | |
CN101180654A (zh) | 用于器官模型放置的自动器官链接 | |
CN118212501A (zh) | 一种肺癌多发病灶检测方法、系统、设备及介质 | |
Liu et al. | Local label point correction for edge detection of overlapping cervical cells | |
CN113096079B (zh) | 图像分析系统及其构建方法 | |
CN111192320A (zh) | 一种位置信息确定方法、装置、设备和存储介质 | |
CN110288577A (zh) | 一种3d实现多器官病灶整合的控制方法及控制装置 | |
Ni et al. | An improved deep network-based RGB-D semantic segmentation method for indoor scenes | |
Dutta et al. | Improved competitive neural network for classification of human postures based on data from RGB-D sensors | |
CN113096104A (zh) | 目标分割模型的训练方法及装置和目标分割方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C12 | Rejection of a patent application after its publication | ||
RJ01 | Rejection of invention patent application after publication |
Open date: 20080514 |