CN101490716B - 用于医学图像分割的与多边形网格的高效用户交互 - Google Patents

用于医学图像分割的与多边形网格的高效用户交互 Download PDF

Info

Publication number
CN101490716B
CN101490716B CN2007800268988A CN200780026898A CN101490716B CN 101490716 B CN101490716 B CN 101490716B CN 2007800268988 A CN2007800268988 A CN 2007800268988A CN 200780026898 A CN200780026898 A CN 200780026898A CN 101490716 B CN101490716 B CN 101490716B
Authority
CN
China
Prior art keywords
profile
plane
energy
obl
cor
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.)
Active
Application number
CN2007800268988A
Other languages
English (en)
Other versions
CN101490716A (zh
Inventor
M·R·考斯
L·A·道森
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Koninklijke Philips NV
Original Assignee
Koninklijke Philips Electronics NV
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Koninklijke Philips Electronics NV filed Critical Koninklijke Philips Electronics NV
Publication of CN101490716A publication Critical patent/CN101490716A/zh
Application granted granted Critical
Publication of CN101490716B publication Critical patent/CN101490716B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
    • 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
    • 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
    • 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
    • G06T2207/30008—Bone
    • G06T2207/30012—Spine; Backbone
    • 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
    • G06T2207/30096—Tumor; Lesion

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Software Systems (AREA)
  • Computer Graphics (AREA)
  • Geometry (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Radiation-Therapy Devices (AREA)
  • Processing Or Creating Images (AREA)
  • Ultra Sonic Daignosis Equipment (AREA)

Abstract

一种设备，用于描绘感兴趣的结构，包括：平面选择接口(32，70)，用于选择三维图像或映像(80)中的可选择方向的轮廓绘制平面；轮廓绘制接口(32，72)，用于在选择的轮廓平面中定义轮廓；及网格构造器(74，76)，配置为在所述三维图像或映像中构造描绘了感兴趣结构的三维多边形网格(90)。网格构造器将受约束顶点(102，Vc)定位在用所述轮廓绘制接口定义的多个非共面描绘轮廓(84，Ccor，Cobl)上或附近。

Description

用于医学图像分割的与多边形网格的高效用户交互
技术领域
以下内容涉及图形技术。以针对医学应用的实例来说明本发明，在医学应用中，在放射治疗规划或其它医疗过程规划之前定义医学图像中的结构。然而，以下更普遍地涉及在基本上任何类型的三维图像、三维映像(map)等中定义结构，并涉及除放射治疗规划之外的其他应用，例如呈现或其它采集后的图像处理、在三维图像中塑造出特征以便实现对隐藏解剖结构的观察或其它采集后的图像处理、估计结构的吸收特性以便用于随后的SPECT或PET成像数据重构、等等。
背景技术
在肿瘤放射治疗(有时称为放射疗法)中，使用了电离辐射来杀死或阻碍癌肿瘤或者癌肿(cancerous growth)的增大。然而，问题是辐射同样对周围的健康组织产生了不利影响。
在调强放射治疗(intensity modulated radiation therapy)中，将一个或多个辐射波束施加到患者，并且其配置倾向于照射癌肿瘤或瘤肿，且不倾向于照射在生物学上的关键性健康组织。在固定波束方案中，同时使用多个交叉波束，以使得波束在患者体内重叠。例如通过多叶准直仪，来控制每一个波束的空间波束强度分布(intensity profile)。通过适当选择空间波束强度分布，并考虑到在患者体内来自不同波束的子束波(beamlet)的交叉，可以在患者体内实现预期的辐射强度三维分布。在断层摄影方案中，至少一个波束是围绕患者旋转或步进的，并且在旋转或步进期间修改的空间波束强度分布，以便在时间上累计的辐射剂量符合患者体内的预期的三维分布。
调强放射治疗的有效应用依赖于具有癌肿瘤或癌肿的形状和尺寸的先验知识，以及具有相邻的关键性组织的形状和尺寸的先验知识，应该使这些相邻的关键性组织的辐射暴露最小或保持低于某个阈值。在通常的方案中，采用诸如以下的医学成像技术来获得这个先验知识：例如，透射式计算机断层摄影(CT)、单光子发射计算机断层摄影(SPECT)、正电子发射断层摄影(PET)、磁共振成像(MRI)等。对于放射疗法规划，CT具有的优点是提供了解剖信息和组织的辐射吸收特性。后者通常在规划放射治疗任务过程中要考虑到，以便更准确地计算三维辐射分布。例如在McNutt等人的美国专利第6,735,277号中说明了用于基于CT规划图像来规划调强放射治疗任务的一些实例技术。
在放射疗法规划期间，分析CT规划图像，来确定癌肿瘤或癌肿以及关键性结构，其中，关键性结构的辐射暴露要受到限制。一个方案是用表面网格来对感兴趣结构进行建模，并使用自动网格变形技术来变形网格，以便与感兴趣结构的表面对准。通常，所述表面在CT图像中是由亮度梯度来定义的。
绘制关键性结构和目标结构的轮廓是一个敏感的、费事的及耗费时间的过程。例如，在放射治疗之前在三维图像或映像中头部和颈部的轮廓绘制会花费几个小时。已经研发了多种自动分割算法来改进这个过程，并已经应用于在不同治疗位置上的风险器官的描绘，例如前列腺、肝脏、乳房、肺部和脑部。在一个方案中，在弹性和图像特征约束下对具有三角形元素的多边形网格进行变形，以匹配图像中的对象表面。在这一算法中，通过在初始化时提供平均网格，并将与表面上的灰度值范围、梯度强度等有关的特性编码到每一个模型中，来编码先验知识。
然而，现有的自动网格变形技术存在某些限制。例如，如果没有明确地定义感兴趣结构的表面，则调整匹配后(fitted)的网格会是不准确的或不可靠的。一些结构，例如颈部的淋巴结，具有相当差的图像对比度，以致于明显阻碍了在这些特征上使用自动分割。在其它情况下，大多数结构会具有足够的图像对比度来实现自动分割，但所成像的结构的某些部分会呈现出较差的图像对比度，导致在那些较差对比度的区域中自动分割失败或者产生显著误差。
已知了用手动绘制的轮廓来补充图像特征。例如，Pekar等人的国际申请公开号WO 2004/111937 A1公开了一个方案，用于在由二维切面组成的三维数据集的区域中使用变形技术。在切面不能提供足够的特征信息以致于自动分割失败的情况下，用户可以在有问题的切面中手动定义吸引子(attractor)。于是，在随后的自动网格变形期间将手动绘制的吸引子用于在有问题的轴向切面中引导自动分割。
还已知了允许与网格进行手动交互，例如通过为用户提供图形用户接口和用于操作交互的单击及拖动指针的工具(例如鼠标)。例如，Kaus等人的国际申请公开号WO 2004/053792 A1公开了一种方法，使用自动可变形网格优化来分割三维结构，并且在自动网格调增匹配的所选择区域中对网格顶点或节点进行初始的和/或随后的手动设置，可任选的，随后进行网格的进一步优化。
此类现有技术并不完全令人满意，其中在三维图像中不能很好地定义感兴趣结构的较大部分。将Pekar的方案用于此类情况要求在三维数据集中与具有较差对比度的感兴趣结构的(多个)扩展部分相交的许多切面中绘制吸引子。这是一个费时且单调乏味的过程。而且，用户难以以可见方式确认切面图像中的感兴趣结构，以便绘制出吸引子。将Kaus的方案用于此类情况要求对网格的许多顶点或节点进行初始的和/或纠正性的手动调整，这也是一个费时且单调乏味的过程。
发明内容
在本发明公开中，公开了方法和设备的实施例。
在三维图像或映像中描绘感兴趣结构的实例方法中，定义了用于描绘感兴趣结构的至少两个轮廓。所述至少两个轮廓位于至少两个不同轮廓绘制平面中，这两个平面彼此不同且不平行。在将所定义的轮廓视为对多边形网格的顶点的约束的同时，调整匹配三维多边形网格。
在一个实例设备中，提供了平面选择接口，用于选择三维图像或映像中的可选择方向的轮廓绘制(contouring)平面。提供轮廓绘制接口，用于在所选择的轮廓平面中定义轮廓。将网格构造器配置为在三维图像或映像中构造用于描绘感兴趣结构的三维多边形网格。网格构造器将受约束的顶点设置在使用所述轮廓绘制接口所定义的多个非共面描绘轮廓上或附近。
在可以与自适应治疗过程共同工作的一个实例设备中，将分割处理器配置为描绘结构。分割处理器包括：(i)轮廓绘制接口，其被配置为在至少两个不同的、非平行的轮廓绘制平面中定义用于描绘结构的轮廓；以及(ii)网格构造器，用于使用至少受所定义的用于描绘结构的轮廓约束的网格变形处理来构造网格。将规划处理器配置为基于分割处理器对对象的三维图像或映像中至少一个感兴趣结构的描绘，来确定用于对象的自适应治疗的参数。
一个优点在于，有助于快速准确地分割或描绘感兴趣结构。
另一个优点在于，将手动和自动输入有效结合到网格变形处理中。
另一个优点在于，自适应治疗过程的更快速准确的规划，自适应治疗过程例如为调强放射治疗。
对于本领域普通技术人员，在阅读并理解了以下详细说明后会意识到本发明更多的优点。
附图说明
本发明可以采取不同部件和部件排列，以及不同步骤和步骤排列的形式。附图仅是为了说明优选实施例，不应解释为限制本发明。
图1以图形方式显示了包含基于CT成像的规划的一个实例调强放射治疗系统。
图2以图形方式显示了图1的轮廓绘制处理器44的主要组件，具有以图形方式表示的主要数据结构和主要数据流。
图3以图形方式显示了选择来关注脊柱S的两个实例轮廓绘制平面：冠状轮廓绘制平面Pcor和倾斜轮廓绘制平面Pobl，倾斜轮廓绘制平面Pobl的方向与冠状轮廓绘制平面Pcor正交。
图4以图形方式显示了轮廓Ccor，其描绘了在冠状轮廓绘制平面Pcor中定义的脊柱S。
图5以图形方式显示了轮廓Cobl，其描绘了在倾斜轮廓绘制平面Pobl中定义的脊柱S。
图6以图形方式显示了多边形网格Ms的一部分，其具有多个三角形元素，使这些三角形元素变形以匹配图4和5的冠状和倾斜轮廓Ccor、Cobl。
图7以图形方式显示了图1和2的三维网格优化器76的主要组件，并且具有以图形方式表示的主要数据结构和数据流。
具体实施方式
参考图1，放射治疗系统10包括计算机断层摄影(CT)扫描器12，用于获得CT规划图像，以在规划调强放射治疗疗法任务时使用。CT扫描器12包括：x射线源14，其安装在旋转台架16上，以便围绕检查区18旋转；床或其它支撑物20，用于将对象放置在检查区18中；以及x射线探测器阵列22，与x射线源14彼此相对地排列在旋转台架16上，用于在x射线穿过检查区18中的对象之后探测x射线。CT扫描器12用于采集投影数据，例如用于多个轴向图像切面的投影数据(例如多切面CT扫描器)，或者螺旋形三维投影数据集(例如螺旋形CT扫描器)等等。投影数据存储在成像数据存储器24中，并由重构处理器26采用适合的算法(例如滤波反向投影)来重构，以产生多个堆叠的轴向图像切面或其它图像数据结构，其定义了对象的三维图像或映像，该三维图像或映像存储在规划图像存储器28中。由CT控制器30来操作CT扫描器12，CT控制器30设置或控制扫描参数，例如台架旋转速率、螺旋间距(在螺旋形扫描的情况下)、轴向扫描距离等等。提供了用户接口32，其包括：至少一个输入设备，例如所示出的键盘34；定点设备，例如所示出的鼠标36等等；以及至少一个输出设备，例如所示出的显示器38，并且用户接口32使用户能够与CT控制器30交互，以便操作CT扫描器12采集用于规划调强放射治疗任务的规划图像。
所述的CT扫描器12是规划图像或映像采集系统的一个说明性实例。在其它实施例中，可以采用单光子发射计算机断层摄影(SPECT)系统、正电子发射断层摄影(PET)扫描器、磁共振(MR)扫描器等来采集规划图像。而且，在此公开的用于描绘规划图像中感兴趣结构的技术可用于除调强放射治疗之外的其它自适应治疗过程。例如，在此公开的结构描绘技术可用于对诸如支架植入(stent implantation)之类的外科治疗的规划。在此，有利的是，通过根据在此公开的技术的非侵入成像和血管描绘来确定支架的结构，以便可以制造定制的支架，并且可以在支架植入过程时获得该支架。规划图像或映像采集系统的选择可以基于所规划的自适应治疗过程的类型。例如，在支架植入规划的情况下，使用适合的静脉内磁性造影剂的MR成像是适合的。
此外，在此公开的结构描绘技术具有超出自适应治疗过程的规划之外的其它应用。例如，在此公开的结构描绘技术可以用于呈现或其它采集后的图像处理。在一个实例应用中，在此公开的结构描绘技术用于描绘器官，随后从三维图像中塑造出该器官，以实现对隐藏解剖结构的观察或其它采集后的图像处理。作为再另一个实例应用，在此公开的结构描绘技术可以用于估计结构的吸收特性，以便在随后的SPECT或PET成像数据重构中使用。
返回到图1所示的调强放射治疗的实例应用，规划图像或映像采集系统12与要说明的调强放射治疗系统彼此分离。优选地，在采集规划图像之前将对准记号(fiducial marker)贴附到对象上，并将这些记号保持在原位置，直到随后的放射疗法任务为止，以便提供在规划图像或映像与放射疗法传送之间的空间配准。也可以设想用于在规划图像或映像采集系统与放射疗法系统之间进行空间配准的其它方法，例如使用内在的解剖记号，如独特的骨骼结构。而且，还可以设想将规划图像或映像采集系统与放射疗法设备集成在一起，以便对规划图像采集和放射治疗同时使用一个公共坐标系。
继续参考图1，强度分布处理器40可任选地计算对象的强度分布图。这个强度分布通常用于估计放射治疗期间的治疗辐射的吸收。有利的是，如果如图所示，规划成像技术是透射式CT，那么通常可以基于在CT规划图像中所示的对来自x射线管12的x射线的吸收，相当准确地估计对治疗辐射的吸收。在一些实施例中，在此公开的结构描绘技术用于描绘要对其计算强度分布或值的结构。例如，强度分布处理器40可以描绘出骨骼并为骨骼指定骨骼密度，并且类似地，强度分布处理器40可以描绘出其它组织，例如心脏组织、肺组织、肌肉组织等，并为这些组织指定适合的组织密度值。在后一方案中，成像技术可以是基于辐射的(例如CT)或者是非基于辐射的(例如MR)，因为是基于解剖信息而不是基于所测量的x射线吸收来指定密度值。
轮廓绘制处理器44描绘感兴趣的结构。在调强放射治疗的情况下，感兴趣的结构例如可以包括目标癌肿瘤或癌肿、要对其限制辐射暴露级别的关键性结构、高吸收的性结构(其会明显干扰治疗辐射的传递)、等等。结构描绘信息例如可以由所述的强度分布处理器40或逆向规划处理器50等使用。
用于基于所采集的CT规划图像来规划调强放射治疗任务的一个实例方案如下。逆向规划处理器50为治疗辐射波束确定空间波束强度分布，所述治疗辐射波束在对象中提供了预期三维放射强度分布。该三维分布应当在目标结构中(例如癌肿瘤或癌肿)提供足够的辐射以便有希望地提供预期的治疗效果(如本领域中所理解的，患者之间的可变性表明在一些患者中可能不幸地不能出现预期的治疗效果，或者会出现程度不同的效果)，同时保持关键性结构(例如敏感的关键器官)的辐射暴露低于所选择的阈值暴露等级。例如，对于要接受放射治疗的区域可以将80Gy的放射剂量作为目标值，而在有可能受到过度辐射暴露不利影响的关键性结构中，限度为不超过这个值的20％(即16Gy)。可任选地，所述规划还结合了诸如治疗波束源可传递的最大治疗辐射强度等级、空间分辨率限制等等的系统约束。在一个规划方案中，以数学方式将治疗辐射波束划分为阵列或其它多个子束波，并计算在对象中提供预期的在时间上累积的三维辐射分布的子束波的值。转换处理器52将子束波参数转换为多叶准直仪的设定，多叶准直仪控制一个或多个治疗辐射波束的(可能是时间变化的)强度分布。
辐射传送设备控制器54根据由转换处理器52输出的规划信息来操作辐射传送设备56，以便根据从CT规划图像所确定的规划将治疗辐射传送到对象。所示的实例辐射传送设备56是一个断层摄影设备，其具有固定框架58，固定框架58具有旋转臂或台架60，在其上安装了治疗辐射源62。在一些实施例中，源62包括直线形电子加速器(直线加速器)，其产生加速的电子束，电子束撞击由钨或另一种材料构成的目标，以产生x射线或伽玛射线的治疗波束，用于光子放射疗法。在其它实施例中，治疗辐射源62产生其它类型的辐射，例如质子束、中子束、电子束等等。
台架60旋转以便使治疗辐射源62围绕患者旋转，患者放置在支撑台64上。在一个方案中，支撑台64在旋转期间成直线地移动对象，以实现辐射源在对象附近的螺旋形轨道。在另一个方案中，固定支撑台64，以辐射单一切面或层；如果要辐射较大区域，支撑台64可以是步进式的，以辐射一连串的切面或层。在治疗辐射的应用期间，多叶准直仪66根据由转换处理器52所输出的规划来调整治疗辐射波束的空间强度分布，以使得传送给对象的在时间上累积的放射剂量符合预期的三维辐射分布。通常，多叶准直仪66包括可单独移动的阻塞辐射的成对叶片的阵列，这些叶片一起定义了可选择尺寸和形状的辐射窗孔。
在所示的断层摄影辐射传送设备56中，多叶准直仪66的设置通常在源62的旋转期间变化，以产生预期的三维分布。在另一个方案中，多个辐射源围绕对象以角度间隔开，来自这些辐射源的波束穿过对象。每一个波束都具有相关联的多叶准直仪，其根据由CT规划图像而产生的规划来施加空间波束强度分布，以使得同时施加的穿过患者的多个波束提供预期的三维分布。
为了将对象在放射治疗任务中的位置(即对象在放射治疗传送设备56的支撑台64上的位置)与对象在以前采集的诊断图像中的位置(即对象在CT系统12的支撑台20上的位置)进行配准，优选地使用对准记号。在一个适合的实施例中，探测器(未示出)接收由辐射源62产生的低功率x射线，以实现低分辨率CT成像，其可以用于对在诊断成像之前放置在对象上的所述对准记号进行成像。在另一个方案中，将分离的CT扫描器(未示出)与放射治疗传送设备相集成，以成像所述对准记号。
已经参考图1说明了实例调强放射治疗应用的实施例，现在更详细的说明轮廓绘制处理器44的实施例。如图1所示，轮廓绘制处理器44包括轮廓绘制平面选择器70、轮廓选择器72、三维网格生成器74、以及可任选的三维网格优化器76。
参考图2，轮廓绘制处理器44对由CT扫描器12和重构处理器26产生的三维图像或映像80进行操作，而不考虑图像或映像采集的任何几何特性或方面。例如，三维图像或映像80可以按照一系列轴向切面来采集；然而，轮廓绘制处理器44在不考虑这些轴向切面的情况下处理三维图像或映像80。结合用户接口32一起操作的轮廓绘制平面选择器70允许用户选择两个或更多个轮廓绘制平面82。例如，将三维图像或映像80或者其一部分适当地显示在显示器38上，并且用户用鼠标36、键盘34或另一输入设备操作图形指针，来选择轮廓绘制平面82。通常，所述两个或更多个轮廓绘制平面82应该包括至少两个不同的、非平行的轮廓绘制平面，以确保对感兴趣的三维结构的充分轮廓绘制。在一些实施例中，所述至少两个不同的、非平行的轮廓绘制平面包括从由矢状平面(sagittal plane)、冠状平面和轴向平面组成的平面组中选出的至少两个不同的、非平行的平面。在一些实施例中，所述至少两个不同的、非平行的轮廓绘制平面包括不属于由矢状平面、冠状平面和轴向平面组成的平面组的至少一个倾斜平面。
结合用户接口32一起操作的轮廓选择器72允许用户在每一个轮廓绘制平面82中选择一个或多个描绘轮廓84。例如，将其中一个轮廓绘制平面82或者其一部分适当地显示在显示器38上，并且用户用鼠标36、键盘34或另一输入设备操作图形指针，来在所显示的轮廓绘制平面82中绘制一个或多个轮廓。在一个方案中，用户指定位于该轮廓上的多个点，并且借助于这些指定点并通过连接将这些指定点相连的多个线段来定义该轮廓。因为轮廓绘制平面82是用户选择的，因此可以以在解剖上有意义的方式针对感兴趣结构来确定该轮廓绘制平面的方向，这就促进了更容易及更准确地轮廓绘制。而且，轮廓84优选地是非共面的，以确保对感兴趣的三维结构的充分轮廓绘制。通常，通过在两个或多个不同的、非平行的轮廓绘制平面82的每一个中绘制轮廓来满足这个条件。
三维网格生成器74构造三维多边形网格90，其在三维图像或映像80中描绘感兴趣的结构。网格90包括受约束的顶点，每一个都位于一个或多个非共面描绘轮廓84上或附近。在一些实施例中，通过将网格的顶点设置在轮廓84上来构造网格90，而无需使用变形处理。在其它实施例中，以缺省网格结构92开始来构造网格90，将缺省网格结构92设置在靠近感兴趣结构处(例如，通过将缺省网格结构92设置在包含轮廓84的边界框的中心上，或者将其设置在轮廓84的重心上，或者将其设置在由描绘轮廓84定义的另一平均位置或中心位置上，或者通过将缺省网格结构92设置在三维图像或映像80中的感兴趣结构的图像的重心或其它平均位置或中心位置上)，并调用可任选的三维网格优化器76来对该网格进行变形以产生用于在三维图像或映像80中描绘感兴趣结构的三维多边形网格90。可任选地，缺省网格结构92的设置包括旋转、平移、缩放或以其他方式操作缺省网格结构以匹配轮廓84/或感兴趣结构的图像，例如使用ICP平放(ICP-lie)方案。
继续参考图2，并进一步参考图3-6，参考脊柱的实例描绘来说明轮廓绘制处理器44的操作，该实例例如在规划治疗肺癌的调强放射治疗任务中会是有用的。图3显示了脊柱的冠状视图。会见到“S”形脊柱S基本上位于冠状平面Pcor内。因此，有利地，用户使用轮廓绘制平面选择器70结合用户接口32一起操作，将冠状面Pcor选择为一个轮廓绘制平面82。另外，为了在三维空间中充分描绘脊骨S，有利地，选择第二轮廓绘制平面。所示的倾斜平面Pobl适于被选择作为第二轮廓绘制平面82，其与冠状轮廓绘制平面Pcor不同，且彼此不平行。(注意，是从“边缘上”观察该倾斜轮廓绘制平面Pobl，因此在图3中呈现为一条直线)。通常，有时有利的是，选择两个不同、非平行的轮廓绘制平面，并且这两个平面方向基本上彼此正交，如同所示的实例轮廓绘制平面Pcor和Pobl的情况一样。图4显示了绘制在冠状轮廓绘制平面Pcor中的冠状平面轮廓Ccor。图5显示了绘制在倾斜轮廓绘制平面Pobl中的倾斜平面轮廓Cobl。图6显示了由三维网格生成器74构造的实例网格Ms一部分的透视图，其用于描绘脊骨S。网格Ms包括多个受约束顶点Vc，其被约束为位于轮廓Cobl、Ccor上或附近。所示的三维多边形网格Ms使用三角形元素；然而，也可以使用其它多边形元素的网格，例如四边形元素。
参考图7，示出了三维网格优化器76的一个适合的实施例。网格优化器76使用能量或力最小化算法。受约束顶点确定器100将受约束的顶点102确定为三维多边形网格90中最靠近轮廓84的那些顶点。就是说，基于距轮廓84的最小顶点距离来确定受约束顶点102。在一些实施例中，用欧几里德距离变换来确定受约束顶点102。
在一些实施例中，例如，通过将顶点投影到轮廓上来将每一个受约束顶点102移动到最近的轮廓上。随后，在网格90变形期间将受约束顶点102保持在固定位置上。在其它实施例中，基于在每一个受约束顶点与其最近的轮廓之间的最小距离来计算约束能量或力项104，并且该能量或力最小化变形处理将约束能量或力项104并入到最小化处理中。
变形处理器110使多个能量或力项最小化。这些项可以包括：例如，约束能量或力项104、基于对比度的能量或力项112，其根据在三维图像或映像80中描绘至少一部分感兴趣结构的对比度得到、和/或变形能量或力项114，其根据三维多边形网格90相对于缺省网格结构92的变形程度得到。可任选的基于对比度的能量或力项112将感兴趣结构的图像对比度并入网格变形处理中，而可任选的变形能量或力项114说明了一个期望：即网格90不应偏离预期的即缺省的网格结构92太远。通过使可任选的约束能量或力项占支配地位(例如较大)，将所述变形极大地倾向于将每一个受约束顶点设置在最接近的轮廓上或附近。在其它实施例中，将每一个受约束顶点投影在最接近的轮廓上，而不是由变形处理器110来移动。
作为用于处理受约束顶点102的另一个实例方案，基于将每一个受约束顶点平移到最近的描绘轮廓上，来定义平滑的初始变形函数。在该受约束顶点附近的其它顶点是根据平移向量乘以与受约束顶点之间的测地距的平滑高斯函数的结果来移动的。受约束顶点102充当变形处理中的边界条件，而剩余的顶点平移用于计算外部能量，并且通过变形处理使所述外部能量最小。
在一些实施例中，由变形处理器110基于使内部能量E＝∑(xi-yi)2最小来对三维多边形网格90进行变形，在此xi和yi是由单一边缘相连的网格顶点，服从边界条件(例如具有在轮廓84上的固定位置处的受约束顶点)，或者还将一个或多个能量或力项104、112、114包含到定义了能量品质因数E的总和之中。
在一些实施例中，变形处理器110所实现的变形处理是一个迭代处理，在每一个迭代期间由受约束顶点处理器100重新确定受约束顶点。在这个方案中，网格90的组成受约束顶点的顶点子集可以从一次迭代到下一次迭代之间发生变化。在一些实施例中，受约束顶点的数量是固定的。在一些实施例中，相对于轮廓84的长度来定义受约束顶点的数量，这是根据这样的假设：即，对于每一单位长度的轮廓，应存在受约束顶点的固定线密度。在其它实施例中，受约束顶点的数量是不固定的，与最近的描绘轮廓84之间的最小距离小于某个阈值的任何顶点都被定义为受约束顶点。也可以使用其它技术。
返回参考图2，可以以各种方式来应用轮廓绘制处理器44。在基本上手动的方案中，用户用轮廓绘制平面和轮廓选择器组件70、72连同用户接口32定义了两个或更多个不同的、非平行的轮廓84。轮廓84可以是弯曲的轮廓、或直线段的轮廓、或封闭的轮廓。在一些情况下，借助于两个不同的非平行的轮廓84就足以描绘感兴趣结构，例如在矢状平面和冠状平面每一个中的描绘轮廓。通过提供在任意轮廓绘制平面中绘制轮廓的能力以便能够在多个不同的、非平行的平面中定义轮廓，实现了仅以几个轮廓(可能仅有两个轮廓)进行描绘。通过在包含感兴趣结构的解剖上重要的方向上选择轮廓绘制平面选择来进一步改善有效快速轮廓绘制，例如所示的实例Pcor和Pobl平面，其相对于实例脊骨S在解剖上是重要的。对网格90进行变形，以使得轮廓是网格表面的子集，而根据内部能量约束来对网格的剩余部分进行变形，以确保网格的拓扑完整性。优选地，描绘轮廓中的至少两个是彼此正交或接近正交的。如果结果生成的网格不令人满意，可以执行重复手动精调，其中用户回顾在显示器38上叠加在图像80上的网格90，调整现有的描绘轮廓或添加额外的描绘轮廓，以便进一步约束和改进网格90的形状。在更自动化的方案中，可以一开始就对网格进行变形，以匹配按照图7的图像，随后是轮廓84的手动定义，以便更正自动匹配的网格不令人满意的区域。在手动定义了轮廓之后，可以用该轮廓充当硬性约束来进行进一步的自动调整。
而且，轮廓绘制处理器44可以以自适应方式用于调整用于随后的放射治疗任务的轮廓。例如，希望用于规划随后的放射治疗任务的规划图像与用于以前放射治疗任务的规划图像相似。差别可以包括由于放射治疗的有益效果造成的癌肿瘤或癌肿的减小的尺寸、器官或其它结构随时间的移动或偏移等等。通过轮廓绘制平面和/或描绘轮廓的用户调整能够很容易地解决这些较小的变化，可任选地还包括额外的自动优化。例如，公开的轮廓绘制处理器44可以类似地用于调整在其它类型的自适应治疗过程的任务之间的描绘网格。
已经参考优选实施例说明了本发明。其他人在阅读并理解了在前的详细说明后会易于想到修改和变化。意图是本发明解释为包含所有此类修改和变化，只要它们在所附权利要求或其等价物的范围内。

Claims (21)

1.一种在三维图像或映像(80)中描绘感兴趣结构的方法，所述方法包括：
定义用以描绘所述感兴趣结构的至少两个轮廓(84，Ccor，Cobl)，所述至少两个轮廓位于至少两个不同的轮廓绘制平面(82，Pcor，Pobl)中，这两个轮廓绘制平面彼此不同且不平行；以及
调整匹配三维多边形网格(90，MS)；并且
基于距所述至少两个轮廓(84，Ccor，Cobl)的最小顶点距离将所述三维多边形网格(90，Ms)的顶点的子集识别为受约束顶点(102，Vc)；
其中，通过下列方式之一在将所定义的轮廓视为对所述三维多边形网格的顶点的约束的同时执行所述调整匹配：
(i)将每一个受约束顶点投影到所述至少两个轮廓(84，Ccor，Cobl)中最近的一个轮廓上，和
(ii)使用能量或力最小化变形处理调整匹配所述三维多边形网格(90，Ms)，所述能量或力最小化变形处理加入了针对每一个受约束顶点的约束能量或力项(104)，所述约束能量或力项取决于所述距所述至少两个轮廓的最小顶点距离。
2.如权利要求1所述的方法，其中，所述调整匹配步骤是迭代的变形处理，并且针对所述变形的每一次迭代都重复所述识别步骤。
3.如权利要求2所述的方法，其中，所述被识别为受约束顶点(102，VC)的顶点子集在所述迭代的变形处理的至少两次连续迭代之间发生变化。
4.如权利要求1所述的方法，其中，用于所述识别的最小顶点距离由欧几里德距离变换定义。
5.如权利要求1所述的方法，其中，所述能量或力最小化变形处理还包括基于对比度的能量或力项(112)，所述基于对比度的能量或力项是根据在所述三维图像或映像(80)中用于描绘所述感兴趣结构的至少一部分的对比度而得到的。
6.如权利要求1所述的方法，其中，所述能量或力最小化变形处理还包括变形能量或力项(114)，所述变形能量或力项是根据所述三维多边形网格(90)相对于缺省网格结构(92)的变形程度而得到的。
7.如权利要求1所述的方法，其中，所述调整匹配步骤包括：
使多个力或能量项的组合最小化，所述多个力或能量项至少包括：(i)与所述受约束顶点距所述至少两个轮廓(84，Ccor，Cobl)的最小距离有关的约束力或能量项(102)，以及(ii)与所述三维多边形网格(90)相对于缺省网格结构(92)的偏差有关的变形能量或力项(114)。
8.如权利要求1所述的方法，其中，所述定义步骤包括：
从由矢状平面、冠状平面和轴向平面组成的平面组中选择所述至少两个不同的轮廓绘制平面(Pcor)。
9.如权利要求1所述的方法，其中，所述定义步骤包括：
选择所述至少两个不同的轮廓绘制平面，所述至少两个不同的轮廓绘制平面包括不属于由矢状平面、冠状平面和轴向平面组成的平面组的至少一个倾斜平面(Pobl)。
10.一种在三维图像或映像(80)中描绘感兴趣结构的设备，所述设备包括：
平面选择接口(32，70)，用于在三维图像或映像(80)中选择可选择方向的轮廓绘制平面(82)；
轮廓绘制接口(32，72)，用于在所选择的轮廓平面中定义轮廓(84，Ccor，Cobl)；以及
网格构造器(74，76)，其被配置为调整匹配三维多边形网格(90)，所述三维多边形网格描绘在所述三维图像或映像中的感兴趣结构，所述网格构造器通过下列方式之一将使用所述轮廓绘制接口定义的多个非共面描绘轮廓(84，Ccor，Cobl)视为对所述三维多边形网格的受约束顶点(102，VC)的约束：
(i)将所述受约束顶点(102，VC)设置在所述非共面描绘轮廓(84，Ccor，Cobl)上，以及
(ii)使用能量或力最小化变形处理调整匹配所述三维多边形网格(90，Ms)，所述能量或力最小化变形处理加入了针对每一个受约束顶点的约束能量或力项(104)，所述约束能量或力项取决于距所述非共面描绘轮廓的最小顶点距离。
11.如权利要求10所述的设备，其中，所述网格构造器(74，76)通过将所述受约束顶点(102，VC)设置在所述非共面描绘轮廓(84，Ccor，Cobl)上，将所述非共面描绘轮廓(84，Ccor，Cobl)视为对所述三维多边形网格的所述受约束顶点(102，VC)的约束。
12.如权利要求10所述的设备，其中，所述网格构造器(74，76)通过以下方式将所述非共面描绘轮廓(84，Ccor，Cobl)视为对所述三维多边形网格的受约束顶点(102，VC)的约束：
使用能量或力最小化变形处理调整匹配所述三维多边形网格(90)，所述能量或力最小化变形处理加入了针对每一个受约束顶点的约束能量或力项(104)，所述约束能量或力项取决于所述距所述非共面描绘轮廓(84，Ccor，Cobl)的最小顶点距离。
13.如权利要求10所述的设备，还包括：
定点设备(36)，以及
显示器(38)，
所述定点设备和所述显示器是所述平面选择接口(32，70)和所述轮廓绘制接口(32，72)每一个的组件。
14.如权利要求10所述的设备，还包括：
规划处理器(50，52)，其被配置为基于所述三维图像或映像(80)以及所构造的三维多边形网格(90)来规划放射治疗任务，该所构造的三维多边形网格用于描绘在所述三维图像或映像中的所述感兴趣结构。
15.如权利要求14所述的设备，还包括：
放射治疗系统(54，56)，用于执行所规划的放射治疗任务。
16.如权利要求10所述的设备，其中，所述平面选择接口(32，70)被配置为能够进行对轴向、矢状或冠状轮廓绘制平面(Pcor)的手动选择，并且所述轮廓绘制接口(32，72)被配置为能够在所述轴向、矢状或冠状轮廓绘制平面中手动定义轮廓(Ccor)。
17.如权利要求16所述的设备，其中，所述平面选择接口(32，70)进一步被配置为能够进行对倾斜轮廓绘制平面(Pobl)的手动选择，该倾斜轮廓绘制平面(Pobl)不是轴向、矢状或冠状平面，并且所述轮廓绘制接口(32，72)被配置为能够在所述倾斜轮廓绘制面中手动定义轮廓(Cobl)。
18.一种结合自适应治疗过程一起操作的设备，所述设备包括：
分割处理器(44)，其被配置为描绘结构，所述分割处理器包括：(i)轮廓绘制接口(32，70，72)，其被配置为在至少两个不同的、非平行的轮廓绘制平面(82)中定义描绘结构的轮廓(84，Ccor，Cobl)，以及(ii)网格构造器(74，76)，用于使用至少受到所定义的描绘结构的轮廓约束的网格变形处理来构造三维多边形网格(90)，其中所述约束包括下列之一：
(i)将受约束顶点(102，VC)投影到所述描绘结构的轮廓(84，Ccor，Cobl)上，和
(ii)使用能量或力最小化变形处理来变形所述三维多边形网格(90，Ms)，所述能量或力最小化变形处理加入了针对受约束顶点的约束能量或力项(104)，所述约束能量或力项取决于距所述描绘结构的轮廓的最小顶点距离；
以及
规划处理器(50，52)，其被配置为基于所述分割处理器对对象的三维图像或映像(80)中至少一个感兴趣结构的描绘，来识别用于所述对象的自适应治疗的参数。
19.如权利要求18所述的设备，其中，所述规划处理器(50，52)包括：
逆向规划处理器(50)，用于确定子束波参数，以将所选择的辐射分布传送到所述对象；以及
转换处理器(52)，用于将所述子束波参数转换为用于调强放射治疗系统(54，56)的控制参数。
20.如权利要求19所述的设备，还包括：
所述调强放射治疗系统(54，56)被配置为根据所述控制参数将辐射传送到所述对象。
21.如权利要求18所述的设备，其中，所述分割处理器(44)和所述规划处理器(50，52)被配置为再次用于随后的自适应治疗任务，以在任务之间调整所述用于自适应治疗的参数。
CN2007800268988A 2006-07-17 2007-07-02 用于医学图像分割的与多边形网格的高效用户交互 Active CN101490716B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US80753106P 2006-07-17 2006-07-17
US60/807,531 2006-07-17
PCT/US2007/072646 WO2008011268A2 (en) 2006-07-17 2007-07-02 Efficient user interaction with polygonal meshes for medical image segmentation

Publications (2)

Publication Number Publication Date
CN101490716A CN101490716A (zh) 2009-07-22
CN101490716B true CN101490716B (zh) 2012-07-04

Family

ID=38957473

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2007800268988A Active CN101490716B (zh) 2006-07-17 2007-07-02 用于医学图像分割的与多边形网格的高效用户交互

Country Status (6)

Country Link
US (2) US8660325B2 (zh)
EP (1) EP2044576A2 (zh)
JP (2) JP2009544101A (zh)
CN (1) CN101490716B (zh)
RU (1) RU2449372C2 (zh)
WO (1) WO2008011268A2 (zh)

Families Citing this family (32)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4800127B2 (ja) * 2006-06-29 2011-10-26 富士フイルム株式会社 医用画像分割装置、及び、医用画像分割プログラム
US8827216B2 (en) 2007-09-17 2014-09-09 Garrett W. Brown Concentric ring gimbal support system
US8144829B2 (en) * 2008-02-27 2012-03-27 The Board Of Trustees Of The Leland Stanford Junior University Cone-beam CT imaging scheme
DE102009006636B4 (de) * 2008-12-30 2016-02-18 Siemens Aktiengesellschaft Verfahren zur Ermittlung einer 2D-Kontur einer in 3D-Bilddaten abgebildeten Gefäßstruktur
WO2010150156A1 (en) * 2009-06-24 2010-12-29 Koninklijke Philips Electronics N.V. Establishing a contour of a structure based on image information
WO2012027185A1 (en) * 2010-08-25 2012-03-01 Siemens Corporation Semi-automatic customization of plates for internal fracture fixation
US8989469B2 (en) 2010-12-20 2015-03-24 The Board Of Trustees Of The Leland Stanford Junior University Systems and methods for simultaneous acquisition of scatter and image projection data in computed tomography
JP6210972B2 (ja) * 2011-03-31 2017-10-11 リフレクション メディカル， インコーポレイテッド 放射誘導型放射線療法における使用のためのシステムおよび方法
US8477153B2 (en) * 2011-08-24 2013-07-02 General Electric Company Method and system for navigating, segmenting, and extracting a three-dimensional image
CN102496168B (zh) * 2011-11-22 2014-04-16 南京大学 一种用于河道水文数值模拟的复杂河道网格化方法
JPWO2013129258A1 (ja) * 2012-02-28 2015-07-30 国立大学法人九州大学 粒子線ビーム方向決定システム、粒子線ビーム方向決定方法及び粒子線ビーム方向決定用コンピュータプログラム
ES2627108T3 (es) * 2012-04-03 2017-07-26 Intrasense Método de remapeo de una ROI conservando la topología entre imágenes médicas
US9091628B2 (en) 2012-12-21 2015-07-28 L-3 Communications Security And Detection Systems, Inc. 3D mapping with two orthogonal imaging views
US9042613B2 (en) * 2013-03-01 2015-05-26 Heartflow, Inc. Method and system for determining treatments by modifying patient-specific geometrical models
US9600918B2 (en) 2013-04-17 2017-03-21 Koninklijke Philips N.V. Delineation and/or correction of a smooth stiff line in connection with an independent background image
JP6382050B2 (ja) * 2014-09-29 2018-08-29 キヤノンメディカルシステムズ株式会社 医用画像診断装置、画像処理装置、画像処理方法及び画像処理プログラム
CN105631920B (zh) * 2014-10-31 2018-07-06 北京临近空间飞行器系统工程研究所 一种径向基函数支撑点的样本精简方法
CN104353189B (zh) * 2014-11-07 2018-02-23 滕皋军 用于治疗肿瘤的三维立体精确腔内放疗方法及其系统
US10282917B2 (en) * 2015-06-29 2019-05-07 Koninklijke Philips N.V. Interactive mesh editing
CN107847216B (zh) * 2015-07-17 2024-01-23 皇家飞利浦有限公司 对肺癌辐射的指导
US10467497B2 (en) * 2016-02-22 2019-11-05 Sony Corporation System and method for providing assistance in surgery in presence of tissue deformation
US10068330B2 (en) * 2016-02-26 2018-09-04 Niramai Health Analytix Pvt Ltd Automatic segmentation of breast tissue in a thermographic image
EP3300021B1 (en) * 2016-09-22 2018-12-05 RaySearch Laboratories AB Image processing system and method for interactive contouring of three-dimensional medical data
WO2018093933A1 (en) 2016-11-15 2018-05-24 Reflexion Medical, Inc. System for emission-guided high-energy photon delivery
US10960232B2 (en) * 2018-07-28 2021-03-30 Varian Medical Systems, Inc. Single-pass imaging and radiation treatment delivery via an extended rotation gantry
US10679350B2 (en) * 2018-08-10 2020-06-09 Koninklijke Philips N.V Method and apparatus for adjusting a model of an anatomical structure
US10635413B1 (en) 2018-12-05 2020-04-28 Bank Of America Corporation System for transforming using interface image segments and constructing user interface objects
US10678521B1 (en) 2018-12-05 2020-06-09 Bank Of America Corporation System for image segmentation, transformation and user interface component construction
US11861528B1 (en) * 2018-12-08 2024-01-02 Perception Partners, Inc. Infringement detection system
EP3751524A1 (en) * 2019-06-13 2020-12-16 RaySearch Laboratories AB Method, computer program product and computer system for providing an approximate image
US11793574B2 (en) 2020-03-16 2023-10-24 Stryker Australia Pty Ltd Automated cut planning for removal of diseased regions
CN112767549B (zh) * 2020-12-29 2023-09-01 湖北中南鹏力海洋探测系统工程有限公司 一种高频地波雷达海态数据的等高面生成方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1617174A (zh) * 2004-12-09 2005-05-18 上海交通大学 基于图像轮廓的人肢体三维建模方法
CN1617175A (zh) * 2004-12-09 2005-05-18 上海交通大学 基于标记点的人肢体三维建模方法
CN1645416A (zh) * 2005-01-20 2005-07-27 上海交通大学 基于肌肉体积不变性的人肢体三维建模方法

Family Cites Families (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS61226673A (ja) 1985-03-30 1986-10-08 Shimadzu Corp 断層撮影装置
US5782762A (en) * 1994-10-27 1998-07-21 Wake Forest University Method and system for producing interactive, three-dimensional renderings of selected body organs having hollow lumens to enable simulated movement through the lumen
FR2731819B1 (fr) * 1995-03-17 1997-04-11 Alsthom Cge Alcatel Methode d'extraction de contours utilisant une analyse multi-fractale
US5859891A (en) * 1997-03-07 1999-01-12 Hibbard; Lyn Autosegmentation/autocontouring system and method for use with three-dimensional radiation therapy treatment planning
US6095976A (en) * 1997-06-19 2000-08-01 Medinol Ltd. Method for enhancing an image derived from reflected ultrasound signals produced by an ultrasound transmitter and detector inserted in a bodily lumen
US6169817B1 (en) * 1998-11-04 2001-01-02 University Of Rochester System and method for 4D reconstruction and visualization
FR2810770B1 (fr) * 2000-06-23 2003-01-03 France Telecom Raffinement d'un maillage triangulaire representatif d'un objet en trois dimensions
JP2002210027A (ja) * 2001-01-16 2002-07-30 Mitsubishi Electric Corp 放射線治療装置
JP2002251415A (ja) * 2001-02-23 2002-09-06 Sumitomo Metal Ind Ltd 六面体メッシュ生成方法、六面体メッシュ生成装置、コンピュータプログラム、及び記録媒体、並びに立体物の変形の解析方法
WO2002070980A1 (en) * 2001-03-06 2002-09-12 The Johns Hopkins University School Of Medicine Simulation system for image-guided medical procedures
US7363198B2 (en) * 2001-10-29 2008-04-22 The Board Of Trustees Of The Leland Stanford Junior University Long elements method for simulation of deformable objects
DE10203237B4 (de) 2002-01-28 2006-08-17 Siemens Ag Verfahren zur Magnetresonanz-Bildgebung mit automatischer Anpassung des Messfeldes
US6735277B2 (en) * 2002-05-23 2004-05-11 Koninklijke Philips Electronics N.V. Inverse planning for intensity-modulated radiotherapy
EP1573672B1 (en) 2002-12-12 2008-04-16 Philips Intellectual Property & Standards GmbH Method of segmenting a three-dimensional data set allowing user corrections
WO2004111937A1 (en) 2003-06-13 2004-12-23 Philips Intellectual Property & Standards Gmbh 3d image segmentation
RU2284146C2 (ru) * 2003-09-11 2006-09-27 Владимир Борисович Гриневич Способ определения объема органов или образований при медицинском обследовании
JP4509115B2 (ja) * 2003-09-29 2010-07-21 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ 放射線治療を計画するための方法及び装置
EP1779324B1 (en) 2004-08-09 2018-01-17 Koninklijke Philips N.V. Segmentation based on region-competitive deformable mesh adaptation
JP4558437B2 (ja) * 2004-10-12 2010-10-06 デジタルファッション株式会社 仮想型紙作成プログラム、仮想型紙作成装置、及び仮想型紙作成方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1617174A (zh) * 2004-12-09 2005-05-18 上海交通大学 基于图像轮廓的人肢体三维建模方法
CN1617175A (zh) * 2004-12-09 2005-05-18 上海交通大学 基于标记点的人肢体三维建模方法
CN1645416A (zh) * 2005-01-20 2005-07-27 上海交通大学 基于肌肉体积不变性的人肢体三维建模方法

Also Published As

Publication number Publication date
CN101490716A (zh) 2009-07-22
RU2449372C2 (ru) 2012-04-27
JP2009544101A (ja) 2009-12-10
US20090310835A1 (en) 2009-12-17
RU2009105246A (ru) 2010-08-27
US20140126797A1 (en) 2014-05-08
WO2008011268A3 (en) 2008-12-18
JP5491647B2 (ja) 2014-05-14
WO2008011268A2 (en) 2008-01-24
EP2044576A2 (en) 2009-04-08
US8660325B2 (en) 2014-02-25
JP2013075193A (ja) 2013-04-25
US9014446B2 (en) 2015-04-21

Similar Documents

Publication Publication Date Title
CN101490716B (zh) 用于医学图像分割的与多边形网格的高效用户交互
US8929621B2 (en) Methods and systems for segmentation and surface matching
EP1779324B1 (en) Segmentation based on region-competitive deformable mesh adaptation
CN102656607B (zh) 使用计划收集来发展新的优化的目标
Webb The physics of three dimensional radiation therapy: Conformal radiotherapy, radiosurgery and treatment planning
US7672705B2 (en) Weighted surface-to-surface mapping
US6385286B1 (en) Delivery modification system for radiation therapy
US8577115B2 (en) Method and system for improved image segmentation
JP4271941B2 (ja) 患者の断層撮影投影画像を増強するための方法
Tsalpatouros et al. CT-based software for 3-D localization and reconstruction in stepping source brachytherapy
Hansen et al. Image Registration, Segmentation and Virtual Simulation
Kessler et al. Application for design and simulation of conformal radiation therapy
CN113853636A (zh) 用于提供近似图像的方法、计算机程序产品和计算机系统
Moore et al. Warp assisted tumour and target volume visualisation in radiation therapy

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