CN101189639B - 用于在多维数据集中分割一个表面的方法和系统 - Google Patents
用于在多维数据集中分割一个表面的方法和系统 Download PDFInfo
- Publication number
- CN101189639B CN101189639B CN2006800121160A CN200680012116A CN101189639B CN 101189639 B CN101189639 B CN 101189639B CN 2006800121160 A CN2006800121160 A CN 2006800121160A CN 200680012116 A CN200680012116 A CN 200680012116A CN 101189639 B CN101189639 B CN 101189639B
- Authority
- CN
- China
- Prior art keywords
- image
- selectivity factor
- factor
- feature
- features
- 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.)
- Expired - Fee Related
Links
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
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
-
- 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
- G06T2207/30048—Heart; Cardiac
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
为了提高图像分割方案的精度,本发明提出了一种分割多维数据集中的表面的方法,所述多维数据集包括多幅图像,所述方法包括步骤:获取所述图像内的多个特征;获取先验确定的选择性因子;通过匹配多维数据集中的所述多个特征来分割所述多幅图像,得到该表面,由此为每个特征计算各自的匹配误差,并且由此忽略各自匹配误差最大的、数量可变的部分特征,所述被忽略特征的数量的界限由所述选择性因子给出。该方法是基于如下的认识:即通过定义选择性因子,使它为例如具有最大匹配误差的特征的一定比例,并且通过将它合并到合适的分割算法中,被分割表面的精度有所提高。
Description
技术领域
本发明涉及一种分割多维数据集中的表面的方法,所述多维数据集包括多幅图像。
本发明进一步涉及一种用于分割多维数据集中的表面的系统,所述多维数据集包括多幅图像。
本发明还涉及一种工作站。
本发明还涉及一种观察站。
本发明还涉及一种用于分割多维数据集中的表面的计算机程序,所述多维数据集包括多幅图像。
本发明还涉及一种用于分割多维数据集中的表面的用户接口,所述多维数据集包括多幅图像。
背景技术
开始段提及的所述方法的一个实施例被记载在J.Weese等人的文献“Shape Constrained Deformable Models for 3D Medical ImageSegmentation(用于3D医疗图像分割的形状约束可变形模型)”,Proc.IPMI 380-387,2001中。特别地,这种已知的方法被配置为使用与设想被分割的目标有关的现有形状信息来提高图像分割方法的鲁棒性。在该已知方法中,形状信息被嵌入到弹性可变形表面形状模型中,通过外部能量和内部能量来控制根据此模型对图像的调整,所述外部能量由局部表面检测导出,所述内部能量约束可变形表面,使其接近由该形状模型所定义的子空间。
该已知方法的一个缺点是其可靠性高度依赖于弹性约束的精度,这些弹性约束被配置来描述可动体的运动。在实践中,由于成像伪影或不完善的特征提取,从图像中提取出的有些特征实际上将不属于该目标,或者该目标的形状可能局部偏离该形状模型所允许的变形范围。因此,当存在这种被提取的“异常”特征时,分割结果可能会不正确。
发明内容
本发明的一个目的就是提高图像分割方法的精度。
为此目的,依照本发明的方法包括步骤:
-获取所述图像内的多个特征;
-获取先验确定的选择性因子;
-通过匹配多维数据集中的所述多个特征对多幅图像进行分割得到表面,匹配所述多个特征时对每个特征计算各自的匹配误差,并且具有最大相应匹配误差的、数量可变的部分特征被忽略掉,其界限由该选择性因子给定。
本发明的技术措施依据的是如下的认识,即通过定义选择性因子,使它为例如具有最大匹配误差的特征的一定比例,并且通过将它合并到合适的分割算法中,被分割表面的精度有所提高。优选地,设想被选择的特征类似于被分割表面位置的候选位置,换句话说,该表面应该被变形使得它通过所有的被选择特征,避开那些按照选择性因子而忽略的特征。
值得一提的是,一种基于忽略预设比例的异常值的图像配准概念本身可从D.M.Mount等人的文献“Efficient algorithms for robustfeature matching(用于鲁棒特征匹配的高效算法)”,Pattern Recogn.32,p.17,1999中获悉。在该已知方法中,使用计算技术对两幅时间上不连续的图像进行匹配,根据该计算技术,预定的匹配精度通过忽略图像中的一些特征而得以保持,这些特征相对于图像中的其他特征表现出很高的匹配精度。
在依照本发明的方法中,认识到了在用于识别最佳数量的部分异常特征以得到精确的分割结果的预备步骤中,忽略被分割表面的数量可变的部分潜在位置是有利的。对应于所要忽略的数量可变的部分特征的每种图像分割,优选地分配一个分数,由此按照各分数来比较这些分割并选择出最佳的分割。选择性因子的预定值可以根据经验确定。对于设想被用于可动体(特别是心脏)的图像的应用而言,将选择性因子设为几个百分比是有益的,例如,设为10-15%的值被证明能提供可靠的结果。应当注意的是,如果选择性因子的值太小,在该模型中一些异常特征会被认为是匹配的,从而降低所得到的分割表面的拓扑精度。如果选择性因子的值太大,一些正确的特征可能会被错误的排除掉,这可能导致真实目标的一些部分不能被正确地分割。
在依照本发明的方法的一个实施例中,该方法进一步包括步骤:
-重构多维数据集中的该表面;
-在显示装置上显示该表面;或者
-重构多维数据集中的该表面;
-在显示装置上显示该表面;
-改变选择性因子得到另一个选择性因子;
-重新分割所述多幅图像,由此按照所述另一个选择性因子忽略一部分具有最大相应匹配误差的图像特征;
-重构多维数据集中的另一个表面;
-在显示装置上显示该另一个表面;
已经发现,对于每个图像分割步骤考虑自适应优化选择性因子是特别有利的。可能的情况是,该方法使用一种半自动方案,操作员由此评估图像中的目标和被分割表面间的拓扑拟合度(fit)。在最佳的情况下,尤其在选择性因子的初始值依据的是丰富的经验知识的情况下,不必进行进一步的迭代。因此,该操作员检查被显示表面(优选地为叠加在原始数据之上的被显示表面),并且接受分割结果,该结果然后可以例如被保存以备存档和/或被输出以便远程分析。在该操作员认为可以获取更好的拓扑拟合度的情况下,他可以适当改变(增加或减小)选择性因子,并且通过根据该另一个选择性因子重新分割另一个表面以及通过在适当的显示装置上可视化该重构的另一个表面来继续依照本发明的方法,所述可视化优选地是将该重构的表面叠加在原始数据上。如果操作员觉得满意,他就退出分割例程,否则,他就改变选择性因子,并重复该过程,直到满意为止。根据我们的经验可知,所述分割仅在几个迭代内就收敛。利用依照本发明的方法的当前实施例,操作员只需最少的交互,就能进行快速而鲁棒的自动分割,由此该图像分割方法适用于未知比例的图像伪影以及与所述模型有偏差的目标形状。
在依照本发明的方法的进一步的实施例中,根据预定的算法自动执行改变选择性因子的步骤。
已经发现,使选择性因子的迭代适应过程自动进行是更可取的。优选地,事先准备一个合适的查找表用于改变选择性因子。或者,可能按照预选函数来改变选择性因子。又或者,可能代替基于表面的分割度量或除基于表面的分割度量外使用基于区域的分割质量度量。合适的基于区域的分割质量度量的例子是预定区域内图像的纹理一致性的计算;例如:由代表所述分割的表面描绘的区域(例如:表面的内部和外部)。又或者,可以通过指示用户的满意度来向用户提供选项以加速所述改变过程。满意度低时,该算法可以跳转到查找表的另一个条目或者功能依赖关系中的另一个因子。可能对所述改变算法进行不同的修改。例如,对于任何基于模型的、特别是医疗图像分割应用而言,该模型通常根据一组参考分割来建立,例如通过使用一种由专家执行的、精细的人工追踪进程来获得。初始选择性因子P_start和其用于改变选择性因子的增量部分P_step这两个参数可以估计为该模型建立过程的副产物。由于可利用参考分割,可以使用自动的最优化进程来找出最优的最终选择性因子P=P_final,该因子为每个图像数据集给出最佳比例的异常值。优选地,针对分割过程的优化,对应不同选择性因子而预先计算多个合适的候选分割。然后,用户可以仅仅滚动察看相应的分割表面并选择最优的表面。还有,用户可以从已经计算出的分割中选择较好的分割,并将它作为进一步适当交互调节选择性因子的起点。根据一些经验,可以建立P_final的直方图,显示选择性因子P_final的每特定值下的最终选择数。根据这个直方图,可以为一个新的、未检查的数据集预先设定一个P_start,该P_start是选择性因子的预存储值。对于特定的图像类,可以根据所述直方图的分布选取增量P_step。因此,建立起鲁棒且自动的图像分割方法,其导致图像分割步骤拓扑精度的提高。优选地,对于合适的图像分割例程,根据可变形模型选择图像分割算法。
一种依照本发明的系统包括:
-用于在所述图像内获取多个特征并且用于获取先验确定的选择性因子的输入端
-用于通过匹配多维数据集中的所述多个特征来分割所述多幅图像得到表面的计算装置,由此对于每个特征计算各自的匹配误差,并且由此忽略那些具有各自最大匹配误差的数量可变的部分特征,所述被忽略特征的数量的界限由选择性因子给出。
有利的是,依照本发明的系统作为工作站被实现,从而允许离线数据分析。优选地,依照本发明的系统进一步包括:重构单元,用于重构多维数据集中的表面;显示装置,用于显示该表面。仍然优选地,有利的是,依照本发明的系统作为观察站被实现,从而允许离线交互式数据分析。仍然优选地,依照本发明的系统包括用于采集多维数据集的数据采集单元。
依照本发明的计算机程序包括下列指令,以便使得处理器执行如下步骤:
-在所述图像内获取多个特征;
-获取先验确定的选择性因子;
-通过匹配多维数据集中的所述多个特征来分割所述多幅图像得到表面,由此对于每个特征计算各自的匹配误差,并且由此忽略那些各自匹配误差最大的、数量可变的部分特征,所述被忽略特征的数量的界限由选择性因子给出。
依照本发明的用户接口被配置用于:
-在显示装置上显示重构的表面,由此所述的重构表面根据包括多个特征的多维数据集中各图像部分的分割来计算,由此忽略那些匹配误差最大的、数量可变的部分特征,所述被忽略特征的数量的界限由预定的选择性因子设定;
-改变选择性因子得到另一个选择性因子;
-重新分割所述多幅图像得到表面,由此按照该另一个选择性因子忽略那些各自匹配误差最大的部分特征;
-重构多维数据集中的另一个表面;
-在显示装置上显示该另一个表面。
优选地,用户接口进一步被配置来为每次迭代存储各自的另一个选择性因子。在这种情况下,如果改变的选择性因子超出其最佳值,使得拓扑拟合度相对于前一次迭代有所恶化,那么可能进行适当的后向跟踪。在这种情况下,允许用户回到选择性因子的前一个值,从该值开始用户可以改变选择性因子增量P_step的值。通过这种方式实现了选择性因子的微调最优化。优选地,用户接口进一步被配置来显示多个表面分割,所述多个表面分割对应于为不同取值的选择性因子进行的多个提前的、特别是后台或离线的分割计算;通过这种方式,用户不必等待重分割以便选择最有利的分割。这种技术措施改善了工作流程。
附图说明
下面将参照附图更详细地讨论本发明的这些和其他方面。
图1显示了依照本发明的方法的一个实施例的示意图。
图2示意性地显示了依照本发明的系统的一个实施例。
图3示意性地显示了依照本发明的系统的另一个实施例。
图4示意性地显示了依照本发明的计算机程序的流程图的一个实施例。
图5示意性地显示了依照本发明的用户接口的一个实施例。
具体实施方式
图1显示了依照本发明的方法的一个实施例的示意图。依照本发明的方法1被配置来分割多维数据集中的表面,所述多维数据集包括多幅图像。优选地,在预备步骤2中使用合适的数据采集单元来采集这些图像。数据处理和数据采集步骤可能从时间上或者从地理上隔开一定间距,以便在步骤4获取适当的数据分割步骤6的结果,由此所述结果包括图像的一些部分,这些部分随后通过使用本发明的方法来分割表面。需要注意的是,图像分割步骤可以实时执行,或者可以事先执行。在后一种情况下,通过合适的计算机装置来获取初始数据分割6的结果。下一步,在步骤8选择和获取多个适当的图像特征,这些图像特征类似于设想被分割的该表面的可能的空间位置。这种选择可以基于先验的知识或者根据一定的标准来执行,例如可分辨特征总量的一定百分比。需要注意的是,所述百分比也可以设为100%。一旦选择了适当数量的特征,即在步骤10对所有的图像部分匹配这些特征。特征匹配进程本身在数据处理领域是已知的,这里将不进行详细的解释。但是,在步骤10的匹配进程期间,有必要为所述多个特征的每个特征分配一个匹配误差。在步骤14,获取一个预定的选择性因子。可能预先存储多个选择性因子14a,由此从所述预先存储的多个选择性因子中选择一个实际的选择性因子。根据步骤14中获取的选择性因子,丢弃一部分具有最大匹配误差的特征,并在步骤16中对被搜索表面执行分割,由此在评价表面候选变形的拟合度质量时不考虑已被丢弃的特征。在步骤18中在合适的显示装置上显示所得的表面,由此该表面优选地叠加到原始的、特别是诊断的数据上以便用户分析。当用户对分割结果感到满意时,就在步骤19存储该分割表面。否则,返回到步骤14,在其中获取另一个选择性因子。该另一个选择性因子可能在步骤11被用户输入改变,或者可替换地,它可以由某一改变算法13给出。简单的改变算法的一个例子是在查找表的预先存储的多个值中的循环。可替换地,可以使用功能依赖性(function dependency)或者基于图像一致性因子的复杂算法,所述图像一致性因子又根据的是预定区域内的图像的纹理一致性。该另一个选择性因子被实时计算并且根据图像一致性因子(自动)进行优化。换句话说,这个用于最精确分割的最优选择性因子是自动计算出来的而不是由用户指定的。
图2显示了依照本发明的系统的一个实施例的示意图。依照本发明的该系统被配置用于分割包括多幅图像的多维数据集中的表面。系统30包括用于获取所述图像中多个特征的输入端32。需要注意的是,这些特征可以是合适的图像分割预备步骤的结果。这些特征也可以从适当的存储单元(未示出)获取,该存储单元可以在本地,也可以在远处。可替换地和/或附加地,输入端32能够被配置成接收来自适当的内部数据分割算法35d的所述特征。需要注意的是,在这种情况下,输入端32获取多维数据集然后使它能为系统30的计算单元35所用,以便使用分割算法35d来执行预备的图像分割。
系统30的内核由处理器34组成,它被配置来操作系统30的组件,这些组件是输入端32、计算单元35、工作内存36和后台存储单元38。合适的处理器34的例子是常规的微处理器或信号处理器、后台存储器38(典型地基于硬盘)和工作内存36(典型地基于RAM)。后台存储器38能够用于存储当时未被处理的合适的数据集(或部分数据集)以及用于存储图像分割步骤选择合适的特征和选择性因子的步骤的结果,和任何其他合适的中间或最终计算步骤的结果。工作内存36通常保存正被处理的(部分)数据集以及表面的一些部分的分割结果。计算单元35优选地包括适当数量的可执行子例程35a、35b、35c和35d。子例程35a被配置来执行对图像的一些部分内的多个合适特征的选择。子例程35b被配置成在多维数据集中匹配所选的多个特征,由此为每个特征分配一个匹配误差。子例程35c被配置来获取和/或计算选择性因子P的当前值。子例程35d被配置为通过丢弃具有最大匹配误差的、数量可变的部分特征来分割表面,这些特征的最大数量由当前的选择性因子P控制。然后给所得的子分割分配一个分数,由此这些子分割按照各自的分数相互进行比较。然后选择出最佳的子分割,作为显示被搜索表面的最终分割。
依照本发明的系统30进一步包括覆盖编码器37,它被配置成用原始数据特别是诊断图像产生被分割表面的适当覆盖的再现。优选地,所计算的覆盖被存储在文件37a中。优选地,覆盖编码器37、计算单元35和处理器34可由计算机程序33操作,该程序优选地存储在存储器38中。输出端39用于输出处理的结果,像代表覆盖有被分割表面的适当再现的心脏解剖结构的覆盖图像数据。
图3显示了依照本发明的设备的另一个实施例的示意图。系统40被配置用于分割多维数据集中的表面,该数据集例如包括时间上隔开的心脏图像。优选地,系统40包括数据采集单元41特别是核磁共振成像仪、层析成像单元、超声设备或X射线单元,以便采集多维数据集。通常这些数据被设想成藉由适当编码的信号S从数据采集单元41传输到处理器42。该处理器执行适当的数据分割,如参照图2所解释的,由此在其输出端能够产生多种不同的数据。例如,数据42a可能包括基于第一选择性因子的第一潜在表面的分割,数据42b可能基于第二选择性因子提供第二潜在表面的分割,等等。优选地,处理器42嵌入到工作站44a中。
数据42a、42b之一或其适当的组合对适当的观察器43的另一个输入端45是可用的。优选地,该另一个输入端45包括另一个合适的处理器,该处理器被配置来通过使用适用于控制用户接口48的程序46来操作适当的接口,以便解剖数据图像被适当地覆盖以分割步骤的结果,特别是用数据42a、42b,从而得到图像部分48a、48b。优选地,为了方便用户,观察器43配备有高分辨率的显示装置47,用户接口可通过适当的交互式装置49(如鼠标、键盘或任何其他合适的用户输入设备)来操作。优选地,用户接口允许用户与图像交互以改变实际的选择性因子P,该选择性因子然后将被系统40用来计算所述表面的另一个分割。适当的图形用户输入由计算机程序46转换成变量。这种选项允许在预先存储或计算的选择性因子的值域不能提供满意的分割结果时,给出该表面的精确分割。优选地,处理器42和观察器43被配置来组成观察站44b。
图4示意性地显示了依照本发明的计算机程序的流程图的一个实施例。依照本发明的计算机程序50被配置来分割包括多幅图像的多维数据集中的表面。优选地,这些图像在预备步骤52通过适当的数据采集单元来采集。数据处理和数据采集步骤可能在时间上或地理上是隔开的,以便在步骤54中通过使用数据获取子例程从而得到各自的图像特征来获取适当的数据分割步骤56的结果。这些特征被设想为包括图像的一些部分,这些图像部分随后被用来通过使用本发明的方法分割该表面。需要注意的是,图像分割步骤56可以实时执行或者可以事先完成。在前一种情况下,可以使用合适的、本身已知的数据分割算法。在后一种情况下,通过适当的计算机输入/输出数据访问协议来获取初始的数据分割56的结果。下一步,在步骤58中选择多个适当的图像特征,这些特征类似于设想被分割表面的可能的空间位置。这个步骤可以由合适的图像分析算法实现,该算法被配置成从图像中提取一定的特征。特征提取方法本身在本领域中是已知的,这里将不进行解释。还有,特征选择可以基于先验的知识或者按照一定的标准来执行,所述标准如可分辨特征总量的百分比。需要注意的是,所述百分比也可以设为100%。一旦选择了合适数量的特征,就在步骤60使用合适的数据匹配子例程对所有图像部分匹配这些特征。特征匹配进程本身在数据处理领域是已知的,这里将不进行详细的解释。但是,在步骤60的匹配进程期间,有必要为所述多个特征的每个特征分配一个匹配误差。在步骤64中,由合适的数据获取子例程来获取预定的选择性因子。有可能预先存储了多个选择性因子64a,由此从所述预先存储的多个选择性因子中选择当前的选择性因子。根据在步骤64中获取的选择性因子,丢弃数量可变的具有最大匹配误差的部分特征,得到多个相应的子分割,所述被丢弃特征的数量的最大值由选择性因子给出。在步骤66中,给每个子分割分配一个分数,根据该分数选择出最佳的子分割,得到被搜索的表面,由此在计算分数时不考虑已被丢弃的特征。在步骤68中,在适当的显示装置上显示所得的表面,由此该表面优选地被覆盖在原始的特别是诊断的数据上,以便用户分析。优选地,对于步骤68的实现,依照本发明的计算机程序被配置来控制适当的图形用户接口。当用户对分割结果感到满意时,他就通过恰当的计算机命令发出这个事件,之后在步骤69中存储该分割的表面。否则,返回到步骤64,在其中获取另一个选择性因子。该另一个选择性因子可能在步骤61中由用户输入改变,或者可替换地,它可以由一定的改变算法63提供。简单的改变算法的一个例子是在查找表的预先存储的多个值中的循环。可替换地,可以使用功能依赖性或者基于图像一致性因子的复杂算法,该图像一致性因子进而基于预定区域内图像的纹理一致性。该另一个选择性因子被实时计算,并且基于图像一致性因子进行最优化。
图5示意性地显示了依照本发明的用户接口的一个实施例。依照本发明的用户接口70的一个实施例包括图形接口74,字母数字信息和图像信息能够投影到该图形接口。为此目的,图形接口74包括带有如78a、78b之类的可操作按钮的交互窗口78。当操作员按下“显示”按钮78a时,多幅适当的图像74a、74b能够被投影到图形屏幕74的图像屏上。在这个例子中显示了两幅图像,它们包括用分割的表面77b、79b覆盖的诊断信息77a、79a。在这个实施例中,分割的表面对应于不同部分的特征,对于不同的选择性因子,将丢弃这些不同的特征。可替换地,每幅图像74a或74b可以包括在预先计算的分割上循环播放的影像,由此用户或者可以同意预先计算的分割中的一个,或者手工改变选择性因子。在后一种情况下,新的分割结果将因此被投影到屏幕72上。
Claims (12)
1.一种分割多维数据集中的表面的方法,所述多维数据集包括多幅图像,所述方法包括步骤:
-获取所述图像内的多个特征;
其特征在于所述方法还包括步骤:
-获取先验确定的选择性因子;
-通过匹配多维数据集中的所述多个特征来分割所述多幅图像,得到该表面,由此为每个特征计算各自的匹配误差,并且由此忽略各自匹配误差最大的、数量可变的部分特征,所述被忽略特征的数量的界限由所述选择性因子给出。
2.依照权利要求1的方法,由此该方法进一步包括步骤:
-重构多维数据集中的该表面;
-在显示装置上显示该表面;
或者:
-重构多维数据集中的该表面;
-在显示装置上显示该表面;
-改变所述选择性因子,得到另一个选择性因子;
-重新分割所述多幅图像,由此按照该另一个选择性因子忽略各自匹配误差最大的部分特征;
-重构多维数据集中的另一个表面;
-在所述显示装置上显示该另一个表面。
3.依照权利要求2的方法,由此按照预定的算法自动执行改变所述选择性因子的步骤。
4.依照权利要求3的方法,由此所述算法被配置为根据预定区域内图像的纹理一致性来计算图像一致性因子,所述选择性因子根据该图像一致性因子进行最优化。
5.依照权利要求3或4的方法,由此所述算法被配置为允许所述另一个选择性因子的最优化。
6.一种用于分割多维数据集中的表面的系统(30),所述多维数据集包括多幅图像,所述系统包括:
-输入端(32),用于获取所述图像内的多个特征;
其特征在于所述输入端还用于获取先验确定的选择性因子;并且所述系统还包括:
-计算装置(35),用于通过匹配多维数据集中的所述多个特征来分割所述多幅图像,得到表面,由此为每个特征计算各自的匹配误差,并且由此忽略各自匹配误差最大的、数量可变的部分特征,所述被忽略特征的数量的界限由所述选择性因子给出。
7.依照权利要求6的系统,由此所述系统进一步包括:
-重构单元,用于重构多维数据集中的所述表面;
-显示装置,用于显示所述表面。
8.依照权利要求6或7的系统(40),由此该系统进一步包括用于采集多维数据集的数据采集单元(41)。
9.一种工作站(44a),包括依照权利要求7的系统。
10.一种观察站(44b),包括依照权利要求8的系统。
11.一种用于在显示装置(43)上显示表面(77b、79b)的用户接口(70),所述用户接口被配置用于:
-在显示装置上显示重构的表面(77b),由此所述重构的表面根据包括多个特征的多维数据集中的各个图像部分的分割来计算,
其特征在于忽略匹配误差最大的、数量可变的部分特征,所述被忽略特征的数量的界限由预定的选择性因子设定;所述用户接口还被配置用于:
-改变所述选择性因子(78a)得到另一个选择性因子;重新分割所述多幅图像得到表面,由此按照该另一个选择性因子忽略各自匹配误差最大的部分特征;
-重构多维数据集中的所述另一个表面;
-在所述显示装置上显示该另一个表面(79b)。
12.依照权利要求11的用户接口,由此该用户接口进一步被配置来为每次迭代存储每个各自的另一个选择性因子。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP05102894 | 2005-04-13 | ||
EP05102894.2 | 2005-04-13 | ||
PCT/IB2006/051145 WO2006109269A1 (en) | 2005-04-13 | 2006-04-13 | A method, a system and a computer program for segmenting a surface in a multi-dimensional dataset |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101189639A CN101189639A (zh) | 2008-05-28 |
CN101189639B true CN101189639B (zh) | 2010-09-29 |
Family
ID=36822416
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2006800121160A Expired - Fee Related CN101189639B (zh) | 2005-04-13 | 2006-04-13 | 用于在多维数据集中分割一个表面的方法和系统 |
Country Status (5)
Country | Link |
---|---|
US (1) | US8144987B2 (zh) |
EP (1) | EP1875435B1 (zh) |
JP (1) | JP5231210B2 (zh) |
CN (1) | CN101189639B (zh) |
WO (1) | WO2006109269A1 (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8503761B2 (en) * | 2009-11-12 | 2013-08-06 | Harris Corporation | Geospatial modeling system for classifying building and vegetation in a DSM and related methods |
JP6305915B2 (ja) * | 2011-04-28 | 2018-04-04 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | 候補セグメンテーション画像を選択するための個別ボタンを備える医用画像装置 |
CN103608842A (zh) * | 2011-06-22 | 2014-02-26 | 皇家飞利浦有限公司 | 用于处理医学图像的系统和方法 |
US9629598B2 (en) * | 2014-02-27 | 2017-04-25 | Impac Medical Systems, Inc. | System and method for auto-contouring in adaptive radiotherapy |
CN105225222B (zh) * | 2014-06-26 | 2021-06-15 | 西门子公司 | 对不同图像集的感知视觉质量的自动评估 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6591004B1 (en) * | 1998-09-21 | 2003-07-08 | Washington University | Sure-fit: an automated method for modeling the shape of cerebral cortex and other complex structures using customized filters and transformations |
CN1430185A (zh) * | 2001-12-29 | 2003-07-16 | 田捷 | 基于单层表面跟踪的超大规模医学图像表面重建方法 |
CN1179538C (zh) * | 1996-10-29 | 2004-12-08 | 艾利森电话股份有限公司 | 管理远程通信系统中多媒体消息的方法和设备 |
CN1584918A (zh) * | 2004-06-11 | 2005-02-23 | 浙江大学 | 球形生物物料图像的灰度变换方法 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5999653A (en) * | 1996-01-19 | 1999-12-07 | Xerox Corporation | Fast techniques for searching images using the Hausdorff distance |
DE19705017A1 (de) * | 1997-02-10 | 1998-08-13 | Delphi Systemsimulation Gmbh | Verfahren zum Segmentieren eines digitalen Bildes |
US6975755B1 (en) * | 1999-11-25 | 2005-12-13 | Canon Kabushiki Kaisha | Image processing method and apparatus |
US6728424B1 (en) * | 2000-09-15 | 2004-04-27 | Koninklijke Philips Electronics, N.V. | Imaging registration system and method using likelihood maximization |
US6816607B2 (en) * | 2001-05-16 | 2004-11-09 | Siemens Corporate Research, Inc. | System for modeling static and dynamic three dimensional anatomical structures by 3-D models |
DE10144004A1 (de) | 2001-09-07 | 2003-03-27 | Philips Corp Intellectual Pty | Verfahren zur Messung geometrischer Größen einer in einem Bild enthaltenen Struktur |
EP1456805A1 (en) * | 2001-11-21 | 2004-09-15 | Viatronix Incorporated | Registration of scanning data acquired from different patient positions |
AU2003260902A1 (en) * | 2002-10-16 | 2004-05-04 | Koninklijke Philips Electronics N.V. | Hierarchical image segmentation |
EP1437685A3 (de) * | 2003-01-13 | 2004-07-21 | Philips Intellectual Property & Standards GmbH | Verfahren zum Segmentieren einer dreidimensionalen Struktur |
WO2004068401A2 (en) | 2003-01-30 | 2004-08-12 | Philips Intellectual Property & Standards Gmbh | Method for the interactive segmentation of an object in a three-dimensional data record |
WO2004111937A1 (en) * | 2003-06-13 | 2004-12-23 | Philips Intellectual Property & Standards Gmbh | 3d image segmentation |
US7103399B2 (en) | 2003-09-08 | 2006-09-05 | Vanderbilt University | Apparatus and methods of cortical surface registration and deformation tracking for patient-to-image alignment in relation to image-guided surgery |
US8295541B2 (en) * | 2004-06-30 | 2012-10-23 | Vision Fire & Security Pty Ltd | System and method for detecting a change in an object scene |
-
2006
- 2006-04-13 CN CN2006800121160A patent/CN101189639B/zh not_active Expired - Fee Related
- 2006-04-13 JP JP2008506040A patent/JP5231210B2/ja not_active Expired - Fee Related
- 2006-04-13 US US11/911,128 patent/US8144987B2/en not_active Expired - Fee Related
- 2006-04-13 EP EP06727913.3A patent/EP1875435B1/en not_active Not-in-force
- 2006-04-13 WO PCT/IB2006/051145 patent/WO2006109269A1/en not_active Application Discontinuation
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1179538C (zh) * | 1996-10-29 | 2004-12-08 | 艾利森电话股份有限公司 | 管理远程通信系统中多媒体消息的方法和设备 |
US6591004B1 (en) * | 1998-09-21 | 2003-07-08 | Washington University | Sure-fit: an automated method for modeling the shape of cerebral cortex and other complex structures using customized filters and transformations |
CN1430185A (zh) * | 2001-12-29 | 2003-07-16 | 田捷 | 基于单层表面跟踪的超大规模医学图像表面重建方法 |
CN1584918A (zh) * | 2004-06-11 | 2005-02-23 | 浙江大学 | 球形生物物料图像的灰度变换方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2006109269A1 (en) | 2006-10-19 |
EP1875435A1 (en) | 2008-01-09 |
US20090060319A1 (en) | 2009-03-05 |
JP2008535614A (ja) | 2008-09-04 |
CN101189639A (zh) | 2008-05-28 |
JP5231210B2 (ja) | 2013-07-10 |
US8144987B2 (en) | 2012-03-27 |
EP1875435B1 (en) | 2013-10-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8270696B2 (en) | Image slice segmentation using midpoints of contour anchor points | |
JP4832300B2 (ja) | 医用画像診断支援装置の作動方法、医用画像診断支援装置、及び画像処理プログラム | |
US7773786B2 (en) | Method and apparatus for three-dimensional interactive tools for semi-automatic segmentation and editing of image objects | |
CN104573309B (zh) | 用于计算机辅助诊断的设备和方法 | |
US7130457B2 (en) | Systems and graphical user interface for analyzing body images | |
CN1947151B (zh) | 用发散梯度场响应进行基于滑降的对象分割的方法和设备 | |
CN105339984B (zh) | 利用图像噪声信息的方法 | |
CN109741346A (zh) | 感兴趣区域提取方法、装置、设备及存储介质 | |
US10991102B2 (en) | Image processing apparatus and image processing method | |
CA2776186C (en) | Image display of a centerline of tubular structure | |
CN101189639B (zh) | 用于在多维数据集中分割一个表面的方法和系统 | |
CN112885453A (zh) | 用于标识后续医学图像中的病理变化的方法和系统 | |
CN101151638B (zh) | 用于分割数据集中的结构的方法和系统 | |
EP2297698A1 (en) | Method and system for lesion segmentation | |
WO2014042902A1 (en) | Lung, lobe, and fissure imaging systems and methods | |
US20160239632A1 (en) | Anatomically Specific Movie Driven Medical Image Review | |
EP3267894A1 (en) | Retrieval of corresponding structures in pairs of medical images | |
CN104968276B (zh) | 图像处理装置以及区域抽出方法 | |
CN107004305A (zh) | 医学图像编辑 | |
CN101160602A (zh) | 用于分割多维数据集中的解剖结构的方法、设备和计算机程序 | |
CN103049638A (zh) | 半自动化手术前切除规划 | |
EP1709591A1 (en) | Real time user interaction with deformable surfaces of segmentation | |
CN101116104B (zh) | 用于分割多维数据集中的表面的方法、系统 | |
JP2009045286A (ja) | 医用画像処理装置、医用画像診断装置、及びプログラム | |
JP2008535614A5 (zh) |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20100929 Termination date: 20180413 |