CN101263526A - 医学图像体中身体提取用的系统和方法 - Google Patents

Abstract

一种用于在数字化医学图像中识别非身体结构的方法包括以下步骤：提供数字化图像，所述数字化图像包括对应于在N维网格上点域的多个强度，其中所述图像包括身体的表示和与所述身体分开的非身体结构的表示，在所述图像中在与所述身体相对的非身体结构侧初始化(11)表面，定义(13)多个作用在所述表面上的力，和使用所述力移动(14)所述表面穿过所述非身体结构，直至遇到所述身体为止。

Description

医学图像体中身体提取用的系统和方法

相关美国申请的交叉引用

本申请要求Guetat等人于2005年8月1日所提交的美国临时申请No.60/704,349，“System for Removal of Non-Body Structures in CT Images”的优先权，其内容在此引入作为参考。

技术领域

本发明涉及数字化医学图像的处理和分割。

背景技术

从当前成像系统所采集的数据中可用的诊断高级信息允许在早期和更容易治疗阶段检测潜在的问题。给定从成像系统可获得的大量详细数据，必须开发多种算法以便有效地和精确地处理图像数据。在计算机的帮助下，图像处理中的进展通常在数字或数字化图像上实施。

数字图像从代表与由特定的阵列位置所参照的解剖位置点相关的属性(例如灰度值或磁场强度)的一批数值中产生。该解剖位置点的集合包括图像域。在2D数字图像、或切片部分(slice section)中，离散阵列位置称为像素。三维数字图像能够通过本领域中已知的各种构建技术从堆叠的切片部分来构建。3D图像由包括2D图像像素的离散体积元素(volume element)(也被称为体素(voxel))组成。像素或体素属性可被处理用以确定关于与这种像素或体素相关的患者解剖学的各种属性。计算机辅助诊断(“CAD”)系统在数字成像数据的分析和可视化中扮演至关重要的角色。

计算机断层摄影(computed tomography，CT)成像模态在其生成的体积中不仅显示患者的身体，而且显示他/她的衣服、垫子和工作台。在3D可视化中，工作台的高密度部分经常遮蔽一些感兴趣区域、例如患者的脊骨。而且，因为工作台和垫子的形状从一次采集到另一次采集可能不同，或可能仅存在于在他们中的一个中，所以当配准在不同时间点获得的体积用于比较、特别用于两个应用时，这可能出现问题。第一是3D可视化，其中工作台具有可能遮蔽感兴趣区域的高密度部分。第二是对在不同时间点所得到的采集的配准(registration)；实际上，工作台和垫子可能只在一个数据集中是可见的，并且其方位和形状可能改变，导致配准不太精确。

发明内容

这里所说明的本发明典型实施例通常包括用于从CT图像中自动提取身体并移除不感兴趣的所有部分的方法和系统，所述不感兴趣部分基本上意味着工作台以及垫子。基于可变形模型的多尺度方法移动表面跨越附于身体边界上的图像。一种方法以迭代的方式计算考虑该表面周围的局部信息的力。这些力使该表面移动穿过工作台，但确保当接近身体时停止。考虑到通过给予该体积中的某些区域更多的权重，所述区域比其他的传送更多信息，模型具有弹性属性。当调整该表面时，这通过标准化卷积来实施。根据本发明实施例的算法在整个身体、胸部或下腹部的一百多个体积的数据库上被测试，并已被证明是有效的，甚至用于具有高达900切片的体积，从而在6秒的平均时间内提供精确的结果。对于噪声和工作台的尺度和形状变化也是稳健的、可靠的和快速的。

附图说明

图1描述了根据本发明实施例的身体提取(body extraction)方法的流程图。

图2是根据本发明实施例说明在类似重力的力和图像力之间平衡的曲线图。

图3根据本发明实施例说明在身体上力的平衡。

图4根据本发明实施例描述了在整个数据库上的表格结果。

图5(A)-(F)根据本发明实施例描述了原始图像的和由算法所产生的掩膜(mask)的重叠。

图6(A1)-(B2)描述根据本发明实施例从3D可视化应用所获得的图像比较。

图7是根据本发明实施例用于实施身体提取方法的示范性计算机系统的框图。

具体实施方式

这里所说明的本发明典型实施例一般包括用于从医学图像中自动提取身体的系统和方法。一种典型的医学成像模态是计算机断层摄影(CT)的模态，然而，本发明实施例可用于任何3维成像模态。因此，虽然本发明容许各种修改和替代方案，但其具体的实施例通过实施在附图中示出并在此将予以详细说明。然而，应当理解的是，不限制本发明于所公开的特定形式，而是相反，本发明将覆盖落入到本发明的精神和范围内的所有修改、等效和替代方案。

如这里使用的，术语“图像”指的是由离散图像元素(例如，2D图像的像素和3D图像的体素)组成的多维数据。该图像例如可以是主体的由计算机断层摄影、磁共振成像、超声或本领域技术人员已知的任何其他医学成像系统所收集的医学图像。图像也可从例如远程感测系统、电子显微镜检查等非医学环境提供。尽管图像可被认为R³到R的函数，但本发明的方法不局限于这种图像，并能够被应用于任意维的图像，例如2D图片或3D体积。对2或3维图像，图像域典型地是2或3维矩形阵列，其中每个像素或体素都能参照一组2或3个相互正交的轴被寻址。此处所使用的术语“数字”和“数字化”指的是视情况而定处于经由数字采集系统或经由从模拟图像的转化所获得的数字或数字化格式的图像或体积。

根据本发明实施例的用于从医学图像中移除非身体结构的方法面临几个挑战。在某些情况中，工作台可能没有出现在图像中，在这种情形中该方法不应该从图像中移除任何结构。有时工作台包括垫子或头托，然而，因为其变形性，不能假定关于其形状的先验信息。在患者和工作台之间的接触点处，方法应该能区分出工作台和患者。图像常常是有噪音的、使对象边界模糊不清。另外，可能存在遮断，在这种情况下，方法应该能够仅仅移除所必需的。图像中感兴趣的对象(例如肠、肺、心脏、骨骼等)以各种形状和尺度(scale)出现。有时，工作台中的结构元素可能与解剖结构相似，例如高强度结构块，其具有与骨结构的图像强度范围类似的图像强度范围。

根据本发明实施例的方法使用可变形模型的初始自适应性，所述可变形模型不要求任何用户交互并且在非常少的时间内工作，使得其可用在现有的医学3D可视化工作站中。与在迭代过程前需要全局计算特征的其他方法相比，该方法仅需要局部计算图像特征。在医学成像中对可变形弹性模型的使用被Terzopoulous在1988年引入。可变形模型能够模拟具有弹性属性的非刚性物理对象的行为，并且被进化以便找到最小能量状态。这些模型典型地结合两种力：(1)内力，其特征在于可伸展的柔性轮廓的变形；和(2)外力，其特征在于图像体积，其中极值与边缘、强度极值等一致。

最熟知的可变形模型被称为snake(蛇)。snake是在多个图像分析任务中有用的平面可变形轮廓。所述snake经常被用于基于合理的假设、即边界是分段连续的或光滑的，在图像中近似对象边界的位置和形状。在它的基本形式中，snake的数学表示从包含泛函(functional)的最佳近似的理论得出。

在几何学上，snake是嵌入图像平面(x，y)∈R中的参数轮廓。该轮廓被表示为v(s)＝(x(s)，y(s))^T，其中和x和y是坐标函数和s∈[0，1]是参数域。根据图像I(x，y)，轮廓的形状通过泛函

E(v)＝S(v)+P(v)

来表示。

该泛函能够被认为是轮廓能量的表示并且轮廓的最后形状对应于该能量的最小值。泛函的第一项：

$S\left(v\right)=\underset{0}{\overset{1}{\∫}}(w_1\left(s\right){\left|\frac{\∂v}{\∂s}\right|}^2+w_2\left(s\right){\left|\frac{{\∂}^{2}v}{\∂s^2}\right|}^2)\mathrm{ds},$

是内部可变形能量。它表征可伸长的柔性轮廓的变形。两个物理参数函数指示所模拟的轮廓物理特性：w₁(s)控制轮廓的“张力(tension)”而w₂(s)控制其“刚性”。该非负函数的值w₁(s)和w₂(s)确定snake在该snake上的任意点s处能伸展或弯曲的范围。例如，增加w₁(s)的幅度增大“张力”并且通过减少snake的长度来趋向于消除无关系的环和波纹。增加w₂(s)增大snake的弯曲“刚性”，并趋向于使snake更平滑和较少柔性。设定这些函数中的一个或多个在点s处值为零，允许在s处轮廓的不连续性。在(1)中的第二项将snake耦合到图像。该第二项典型地采用形式：

$P\left(v\right)=\underset{0}{\overset{1}{\∫}}P\left(v\left(s\right)\right)\mathrm{ds},$

其中P(x，y)表示在图像平面上所定义的标量势函数。为了将snake应用于图像，外势(external potential)被设计，所述外势的局部最小值与强度极值、边缘和其他感兴趣图像特征一致。例如通过选择势

$P(x,y)=-c|\▿[G_{\mathrm{\σ}}*I(x,y)\left]\right|,$

该轮廓将被吸引到图像I(x，y)中的强度边缘，其中c控制势的幅度，是梯度算子，和G_σ*I表示与(高斯)平滑滤波器相卷积的图像，其特征在于宽度σ控制P的局部最小值的空间范围。

根据变量的微积分，使能量E(v)最小化的轮廓v(s)满足欧拉-拉格朗日方程

$-\frac{\∂}{\∂s}\left(w_1\frac{\∂v}{\∂s}\right)+\frac{{\∂}^2}{\∂s^2}\left(w_2\frac{{\∂}^{2}v}{\∂s^2}\right)+\▿P\left(v(s,t)\right)=0.$

该矢量值偏微分方程表示当轮廓在均衡处静止时内和外力的平衡。第一二项分别代表内部伸展和弯曲力，而第三项代表将snake耦合到图像数据的外力。求解这个方程的通常途径是通过应用数字算法。

虽然把能量最小化看作静态问题是自然的，但用以计算泛函的局部最小值的有效途径是构建由该泛函支配的动态系统并且允许该系统进展为均衡。该系统可通过应用拉格朗日力学原理来构建。这导致使形状和运动的描述一体化的动态可变形模型，使得不仅能够量化静态形状，而且能够量化随时间的形状演变。动态模型对于医学图像分析是有价值的，因为多数解剖结构是可变形的并且在活的有机体内(in vivo)连续经历非刚性运动。而且，动态模型展示了直观上有意义的物理行为，使得其演变应服从用户的交互式指导。

简单的例子是动态snake，所述动态snake可以通过引入带有质量密度μ(s)和阻尼密度γ(s)的时变轮廓v(s，t)＝(x(s，t)，y(s，t))^T来表示。上面给出的具有内部能量和外部能量的snake运动拉格朗日方程是

$\mathrm{\μ}\frac{{\∂}^{2}v}{\∂t^2}+\mathrm{\γ}\frac{\∂v}{\∂t}-\frac{\∂}{\∂s}\left(w_1\frac{\∂v}{\∂s}\right)+\frac{{\∂}^2}{\∂s^2}\left(w_2\frac{{\∂}^{2}v}{\∂s^2}\right)=-\▿P\left(v(s,t)\right).$

在该偏微分方程的左手边的第一二项表示惯性和阻尼力，而剩余项代表内部伸展和弯曲力，而右手边代表外力。当内和外力平衡并且轮廓静止时达到均衡(即， $\∂v/\∂t={\∂}^{2}v/\∂t^2=0$ )，这产生均衡条件。

根据本发明的实施例，可变形弹性模型包括移动通过图像的表面。该表面跨越工作台，但被身体的边界停止。工作台位于患者的下面，并且图像中工作台的定向由与图像一起被包括的DICOM头给出。该表面被初始化在图像的底部处，并通过包含该表面中每个像素的纵坐标的矩阵来表示。该表面被向上移动以便检测身体并在该过程中在由法向于该表面的矢量所确定的方向上被变形。在某点上法向于该表面的矢量可以从表面点附近的平均图像强度的梯度来确定。这可通过使图像与形式

的高斯内核相卷积并且接着提取偏导数来获得。

为了控制该表面通过该图像的运动，作用在该表面上的多个力可被定义。示范性的非限定性力包括三个分量。第一力是导致该表面前往身体的象重力一样的力。该象重力一样的力导致该表面朝着患者身体向上移动，所述力被定义为F_gravity＝α²，其中α是相应于身体边界处的强度值的值。第二力考虑该表面附近的平均强度，以便当该表面接近身体时补偿重力。针对在x附近的所有点定义为F_image(x)＝average(I(x))²的图像力考虑图像特征和当该表面接近身体时平衡F_gravity。F_gravity和F_image都是外力。图2是根据本发明的实施例说明在该象重力一样的力和图像力之间平衡的图表。总外力是F_ext＝F_image+F_gravity，其中力矢量指向相反的方向。在图中的水平点线指示α²、即该象重力一样的力的幅度，而灰色曲线指示F_image的幅度。强度的幅度被黑色曲线指示。注意，曲线在垂直点线附近与α²线相交，其中所述垂直点线指示身体在强度方面开始的地方。如所能看到的，在身体边界，力F_ext＝0，其中平均强度＝α。如果该表面穿透身体，则F_ext＞0，并且如果在身体外，则F_ext＜0。

另外，还有第三力，和对表面的弹性属性进行建模的弹性力，并且在调整步骤中隐含地被计算。因为体积的某些区域比其他区域传递更多的信息，所述区域在所述内力的计算中被分配更大的权重。特别是，该表面的位于具有高梯度强度的区域中的部分比位于均匀强度区中的部分被分配更大的权重。在表面运动方面引起的问题是表面可能不在身体的边界处停止，并且可能从图像中移除身体的部分。为了阻止这一点，调整步骤被使用，其中该表面的弹性被引入作为附加的内力。这个力利用高斯内核来计算并且控制表面的硬度。这个问题通过分配更大的权重给位于图像中感兴趣区域中的表面点来处理。所述权重被使用在模型的弹性计算中以便考虑体积中的某些区域传递大部分信息。根据本发明的实施例，感兴趣区域是具有高梯度幅度的区域。由于通过高梯度识别，附加的权重使该表面在接近身体时更刚性。换句话说，所述权重被用于针对具有高梯度的像素改变表面的弹性。该表面于是能利用标准化卷积来调整以便考虑这些权重：

图3根据本发明的实施例说明了在身体上力的平衡。参考该图，表面通过灰色和黑色区域的分界面来指示，并且身体是白色区域。弹性力通过黑色箭头指示，而提升表面的外力通过灰色箭头指示。表面与身体重叠的区域通过箭头指示，其中灰色表面与白色身体重叠。

另外，为了确保该表面根本不穿透患者的身体，根据本发明实施例的方法包括微调步骤。微调假定，该表面已经横越工作台并已接近身体。对于该表面上的所有点，高强度点是患者身体内的点，和低强度点处于背景中。该微调能确保感兴趣的区域不从最后的图像中被移除，并且允许要移动的表面更接近身体。根据本发明的实施例，调节被实施，其中高强度区域中的所有点被向下移动到低强度区域。调节和调整步骤被实施固定的重复次数，并且微调步骤在最后的重复(iteration)完成后被实施。

根据本发明的实施例，多尺度构架被引入以便能够减少为获得围绕该表面的局部信息以及在当前解决方案使几个参数的权重与感兴趣的特征相适应所必要的计算负荷。下采样(downsampling)在多尺度构架中被实施以便提高时间效率。下采样通过减小图像体积的尺寸而完成。例如，通过一级(level)的下采样，仅使用每第二列、每第二行和图像体积的每第二切片。对于二级下采样，仅使用每第四列、行和切片。对于三级下采样，应是每第八列，行和切片等等。基本上，n级下采样使用每第2ⁿ列、行和切片。

根据本发明的实施例，三级下采样初始被使用以便使得表面更快地向上移动。一旦已经到达身体轮廓，根据本发明的实施例的过程，通过合并一些先前没有使用的数据，切换到具有更高分辨率的体积。该技术称为上采样(upsampling)。该表面的坐标被转化到新的坐标系和该表面的移动以较高的分辨率继续。以较低分辨率开始并且基于中间结果增加分辨率的高整体构思也被叫做多尺度方法。效果是当该表面远离该身体时，该表面移动更快并且当逼近身体时，慢下来。上采样是连续的，直到达到分辨率的最细尺度(finest scale)为止。该最细尺度是使用所有像素的初始分辨率。理论上这也可能是任何其他级并且能够基于应用被定义。

根据本发明的实施例的身体提取方法的流程图被显示在图1中。根据本发明实施例的方法基于弹性可变形模型的物理模型，其在多尺度构架中被实现。参看该流程图，表面在步骤11被初始化在图像的底部，在患者和工作台下面，并且外力被定义，所述外力将重复地移动该表面通过工作台但在身体表面处停止。该图像体积的三级下采样被实施，并且力在该被下采样的体积上被初始化。在步骤12，该表面被向上移动直到该身体被检测到。该步骤包括步骤13到16。在步骤13，作用于表面的外力被计算，并且因此在步骤14该表面被转移。该被转移的表面在步骤15被调整。步骤16循环回以便重做步骤13、14和15直到该表面已经逼近和靠近身体为止。当在最后重复中修正表面像素的数量低于预定门限时，步骤16处的停止准则被满足。在步骤17，上采样被实施，并且步骤18循环步骤12到17直到上采样达到由图像或应用所允许的最细分辨率尺度。接着，在步骤19，微调被实施。最后，该图像的被该表面穿过的那些部分从该图像中被移除或否则被处理以便减少其在图像中的可见性。

结果

根据本发明实施例的方法已经在无任何人交互的情况下在来自几个医院的115CT体积的数据库上被测试。在这个数据库中，体积从身体的几个部分来得到：整个身体、胸腔或下腹部。这些体积的尺寸范围从512×512×53体素到512×512×883，其中平均分辨率为0.83×0.83×1.77毫米每体素。

在该数据集中，工作台和垫子不是总存在(处于重建区之外)，或仅仅部分地存在，某些体积是非常有噪音的，该工作台在某些情况下有具有高密度的固态密集内部结构元素，和某些患者使其身体的部分与工作台的高密度部分直接接触。

图4是在整个数据库、在使用以3.06GHz运行的Intel

Xeon^TM处理器的系统上的算法的结果表。该表的列按照切片数排列。图4的表显示了在数据库中用以运行体积的算法所需的相应体积数、平均、标准偏差、和最小和最大时间。为了使根据本发明实施例的算法的精度有效，一个切片一个切片地并且使用3D再现器(renderer)，已经为所有体积进行了可视检查。在任何情况下任何身体部分都不被移除，而工作台总是已被完全移动。附加的结果被显示在图5和图6中。

图5(A)-(F)描述了原始图像和由根据本发明算法所产生的掩膜(mask)的叠合。图5(A)显示了患者的具有在患者的臂和身体之间区域的图像放大的轴位。图5(B)显示了患者的冠状位(coronal view)，尤其是算法从患者的顶部和底部开始的例子。图5(C)-(D)描述了患者的冠状位和轴位。注意，尽管图像中的噪音，分割已经成功。图5(E)-(F)描述了患者的冠状位和轴位。这里，头部支撑件已经被移除，但身体细节(例如耳朵)被保留。

图6(A1)-(B2)描述了根据本发明实施例使用预先建立的预置从3D可视化应用所获得的图像的对照。图6(A1)描述了在原始图像中肺部(预置“肺”)的视图。图6(A2)显示了在应用根据本发明实施例的身体提取方法后的相应视图。图6(B1)说明了在原始图像中脊骨(预置“遮蔽的脊骨(Spine Shaded)”)的视图。图6(B2)说明了在应用根据本发明实施例的身体提取方法后的相应视图。

尤其是，图5(B)表明根据本发明实施例的算法也可用于移除在患者顶部的医疗设备。根据本发明的实施例，该表面被初始化在图像的顶部并被向下移动直到该表面接触到身体。用以自动从CT体积中提取患者身体的根据本发明实施例的方法提供非常好的结果同时非常快和使用很少的存储器。可变形弹性表面的使用可认为是在3D体积中分割大的规则结构的有效方式。

系统实现

应当理解的是，本发明能以各种形式的硬件、软件、固件、专用过程、或其组合来实现。在一种实施例中，本发明能以软件被实现为有形体现在计算机可读程序存储设备上的应用程序。该应用程序能被上载到包含任何适当的结构体系的机器上并由其执行。

图7是用于实施根据本发明实施例的身体提取方法的示范性计算机系统的框图。现在参考图7，用于实施本发明实施例的计算机系统71尤其包括中央处理单元(CPU)72、存储器73和输入/输出(I/O)接口74。该计算机系统71通常通过I/O接口74耦合到显示器75和例如鼠标和键盘的各种输入设备76。支持电路能包括电路，例如高速缓冲存储器、电源、时钟电路、和通信总线。存储器73能包括随机存取存储器(RAM)、只读存储器(ROM)、磁盘驱动器、磁带驱动器等、或其组合。本发明能被实施为例行程序77，所述例行程序被存储在存储器73并且由CPU 72执行来处理来自信号源78的信号。同样地，该计算机系统71是通用计算机系统，其在执行本发明的例行程序序77时成为专用计算机系统。

该计算机系统71也包括操作系统和微指令码。此处所说明的各种过程和功能也可以是微指令码的部分或者经由操作程序执行的应用程序的部分(或其组合)。另外，各种其他的外围设备可被连接到计算机平台，例如附加的数据存储设备和打印设备。

另外应当理解的是，因为组成系统组件的某些和在附图中所说明的方法步骤能以软件来实现，在系统组件(或过程步骤)间的实际连接可以依据本发明被编程的方式而不同。给出在此所提供的本发明教导，相关领域的普通技术人员将能够设想这些和本发明的类似实现或配置。

虽然本发明已经参考优选实施例详细地得以说明，但是本领域技术人员应理解的是，在不偏离在如所附权利要求书中所阐明的本发明范围和精神的情况下可以对其进行各种修改和替代。

Claims (28)

1、一种在数字化医学图像中识别非身体结构的方法，包括步骤：

提供数字化图像，所述数字化图像包括对应于在N维网格上的点域的多个强度，其中所述图像包括身体的表示和与所述身体分开的非身体结构的表示；

在所述图像中在与所述身体相对的所述非身体结构侧上初始化表面；

定义多个作用在所述表面上的力；和

使用所述力转移所述表面穿过所述非身体结构，直到遇到所述身体为止。

2、权利要求1的方法，进一步包括从所述图像移除由所述表面穿过的所述结构。

3、权利要求1的方法，其中所述多个力包括第一外力用以朝向所述身体移动所述表面，其中基于在所述身体的边界处的图像强度值，所述第一力具有恒定幅度。

4、权利要求3的方法，其中所述多个力包括与第一力作用相反的第二外力，其中在表面上的点处的所述第二力的幅度与在所述表面点附近的平均图像强度的平方成比例。

5、权利要求4的方法，其中所述多个力包括第三内力，其中在表面上的点处的所述第三力的幅度与所述点附近的平均图像强度的梯度的幅度成比例。

6、权利要求3的方法，其中所述第一和第二力的矢量和在所述身体边界处为零。

7、权利要求1的方法，其中所述多个力被定义，其中所述表面不穿透所述身体。

8、权利要求1的方法，其中在所述表面上的点处表面蔓延方向由在所述表面点附近的平均图像强度的梯度来确定。

9、权利要求8的方法，其中通过使所述图像与在所述附近的高斯内核相卷积来获得所述平均图像强度。

10、权利要求1的方法，进一步包括在转移之后调整所述表面，其中所述调整的表面是所述转移的表面与高斯内核的卷积与加权函数与所述高斯内核的卷积之比，其中在点处的所述加权函数与所述点附近的平均图像强度的梯度的幅度成比例。

11、权利要求1的方法，进一步包括当所述表面被初始化时，对所述图像进行下采样。

12、权利要求11的方法，进一步包括当所述表面逼近所述身体时对所述图像进行上采样，并且在所述被上采样的图像中重新计算所述表面。

13、权利要求1的方法，进一步包括当所述表面与所述身体接触时，微调所述表面，其中微调包括将高强度区域内的点移动到低强度区域。

14、一种在数字化医学图像中识别非身体结构的方法，包括步骤：

提供数字化图像，所述数字化图像包括对应于在N维网格上的点域的多个强度，其中所述图像包括身体的表示和与所述身体分离的非身体部分的表示；和

使用多个作用在所述表面的力转移所述表面通过所述非身体结构，直到遇到所述身体为止，其中所述多个力包括第一外力用以朝向所述身体移动所述表面，其中基于在所述身体的边界处的图像强度值，所述第一力具有恒定幅度，和与第一力作用相反的第二外力，其中所述第二力在表面上的点处的幅度与所述表面点附近的平均图像强度的平方成比例。

15、权利要求14的方法，进一步包括在所述图像中在与所述身体相对的所述非身体结构侧上初始化所述表面。

16、计算机可读程序存储设备，有形地体现计算机可执行指令的程序用以实施用于在数字化医学图像中识别非身体结构的方法步骤，所述方法包括步骤：

提供数字化图像，所述数字化图像包括对应于在N维网格上的点域的多个强度，其中所述图像包括身体的表示和与所述身体分离的非身体结构的表示；

在所述图像中在与所述身体相对的所述非身体结构侧上初始化表面；

定义多个作用在所述表面上的力；和

使用所述力转移所述表面穿过所述非身体结构，直到遇到所述身体为止。

17、权利要求16的计算机可读程序存储设备，该方法进一步包括从所述图像移除由所述表面穿过的所述结构。

18、权利要求16的计算机可读程序存储设备，其中所述多个力包括第一外力用以朝向所述身体移动所述表面，其中基于在所述身体的边界处的图像强度，所述第一力具有恒定幅度。

19、权利要求18的计算机可读程序存储设备，其中所述多个力包括与第一力作用相反的第二外力，其中在表面上的点处的所述第二力的幅度与所述表面点附近的平均图像强度的平方成比例。

20、权利要求19的计算机可读程序存储设备，其中所述多个力包括第三内力，其中在表面上的点处的所述第三力的幅度与所述点附近的平均图像强度的梯度的幅度成比例。

21、权利要求18的计算机可读程序存储设备，其中所述第一和第二力的矢量和在所述身体边界处为零。

22、权利要求16的计算机可读程序存储设备，其中所述多个力被定义，其中所述表面不穿透所述身体。

23、权利要求16的计算机读取的程序存储设备，其中在所述表面上的点处表面蔓延方向通过在所述表面点附近的平均图像强度的梯度来确定。

24、权利要求23的计算机可读程序存储设备，其中通过在所述附近使所述图像与高斯内核相卷积来获得所述平均图像强度。

25、权利要求16的计算机可读程序存储设备，该方法进一步包括在转移后调整所述表面，其中所述调整的表面是所述转移的表面与高斯内核的卷积与加权函数与所述高斯内核的卷积之比，其中在点处所述加权函数与所述点附近的平均图像强度的梯度的幅度成比例。

26、权利要求16的计算机可读程序存储设备，该方法进一步包括当所述表面被初始化时，对所述图像进行下采样。

27、权利要求26的计算机可读程序存储设备，该方法进一步包括当所述表面逼近所述身体时对所述图像进行上采样，并且在所述被上采样的图像中重新计算所述表面。

28、权利要求16的计算机可读程序存储设备，该方法进一步包括当所述表面与所述身体接触时，微调所述表面，其中微调包括将高强度区域内的点移动到低强度区域。

Images