CN102460509A - 基于图像信息建立结构的轮廓 - Google Patents
基于图像信息建立结构的轮廓 Download PDFInfo
- Publication number
- CN102460509A CN102460509A CN2010800281005A CN201080028100A CN102460509A CN 102460509 A CN102460509 A CN 102460509A CN 2010800281005 A CN2010800281005 A CN 2010800281005A CN 201080028100 A CN201080028100 A CN 201080028100A CN 102460509 A CN102460509 A CN 102460509A
- Authority
- CN
- China
- Prior art keywords
- image
- subsystem
- characteristic information
- adaptive mesh
- distortion
- 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.)
- Granted
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
- G06T7/0002—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
- 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
- G06T7/60—Analysis of geometric attributes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/97—Determining parameters from multiple pictures
-
- 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
- G06T2207/20—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)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Quality & Reliability (AREA)
- Radiology & Medical Imaging (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Geometry (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Image Analysis (AREA)
Abstract
公开了一种用于建立结构的轮廓的系统。初始化子系统(1)用于初始化表示所述结构的大致轮廓的自适应网格,所述结构至少部分地由第一图像表示,并且所述结构至少部分地由第二图像表示。变形子系统(2)用于基于所述第一图像的特征信息和所述第二图像的特征信息来使所述自适应网格变形。所述变形子系统包括用于根据所述第一图像的所述特征信息和所述第二图像的所述特征信息来建立作用于所述自适应网格的至少一部分上的力的力建立子系统(3)。变换建立子系统(4)用于建立反映所述第一图像、所述第二图像、以及所述自适应网格之间的配准失配的坐标变换。
Description
技术领域
本发明涉及图像分割和图像配准(registration)。本发明还涉及建立结构的轮廓。
背景技术
图像分割通常涉及数据集的选择的部分的选择和/或分离。这样的数据集特别是表示所成像的对象的图像信息并且该选择的部分涉及该图像的具体部分。所述数据集通常是将数据值指派给多维几何空间中的位置的多维数据集。例如,这样的数据集能够是二维或者三维图像,其中数据值是被指派给二维平面或者三维体积中的位置的像素值,例如亮度值,灰度值或者颜色值。
US 7,010,164公开了一种从多维数据集分割选择的区域的方法。所述方法包括建立表示选择的区域的通用外形的形状模型并且建立自适应网格的步骤。该自适应网格表示选择的区域的大致轮廓。基于形状模型初始化自适应网格。而且,取决于形状模型以及选择的区域的特征信息,使自适应网格变形。按照这种方式,获得选择的区域的更加精确的轮廓。
发明内容
具有用于建立结构的轮廓的改善系统将是有利的。为了更好地处理该考虑,在本发明的第一方面,介绍了一种系统,包括:
-初始化子系统,用于初始化表示所述结构的大致轮廓的自适应网格,所述结构至少部分地由第一图像表示,并且所述结构至少部分地由第二图像表示;
-变形子系统,用于基于所述第一图像的特征信息和所述第二图像的特征信息来使所述自适应网格变形。
由于基于所述第一图像的特征信息和所述第二图像的特征信息二者来使所述自适应网格变形,因此可以从所述第二图像的特征信息获得在所述第一图像中丢失或者不可靠的关于所述结构的任何信息。这样,两个图像的特征信息彼此补充。结果可以是反映由两个图像表示的形状信息的变形的自适应网格。轮廓可以描述结构的外形。结构可以例如是身体、器官或者块。轮廓可以描述三维空间中的表面。替代地,轮廓可以描述二维空间中的直线或者曲线。
变形子系统可以布置为基于多个图像的特征信息来使所述自适应网格变形。具体地说,可以基于两个以上的图像的特征信息来使自适应网格变形。
变形子系统可以包括力建立子系统,所述力建立子系统用于根据所述第一图像的所述特征信息和所述第二图像的所述特征信息来建立作用于所述自适应网格的至少一部分上的力。通过在建立作用于自适应网格的一部分上的力时考虑所述第一图像的所述特征信息和所述第二图像的所述特征信息,所述力可以更加可靠。而且,所得到的变形的网格基于来自所述两个图像的信息。这可以使所得到的变形的网格更加精确。可以基于例如可靠性标准来对所述图像的特征信息进行加权以使得被认为可靠的特征信息比被认为不太可靠的特征信息更大程度地确定所述力。
所述力建立子系统可以布置为也根据所述第一图像的类型和/或所述第二图像的类型来建立作用于所述自适应网格的所述至少一部分上的所述力。图像的类型可以包括成像形态或者所述图像的临床应用,或者例如所成像的身体部分。对于这些不同类型的图像,可以使用建立所述力的不同方式,这允许基于不同类型的多个图像来适应所述自适应网格。
所述变形子系统可以包括特征信息提取子系统,所述特征信息提取子系统用于使用针对用于获取各自图像的特定成像形态或者协议训练的各自模型来从所述各自图像提取特征信息。这有助于以合适的方式使所述网格变形。而且,所述特征信息可以由所述力建立子系统使用以建立所述力。
所述系统可以包括变换建立子系统,所述变换建立子系统用于基于所述各自图像中的特征信息和所述自适应网格来建立限定所述第一图像、所述第二图像和/或所述自适应网格之间的配准的坐标变换。通过在所述坐标变换的生成中涉及所述自适应网格,可以获得更加精确的配准。该更加精确的配准可以反过来改善从所述变形子系统得到的所述自适应网格。
所述坐标变换可以限定所述第一图像的坐标系和所述第二图像的坐标系之间的关系。这样的坐标变换可以用于限定两个图像之间的配准。
所述坐标变换可以是仿射变换。这样的仿射变换可以表示诸如移动、旋转和/或放大的全局差异。这样的全局变换然后不需要隐藏所述模型适应。
所述系统可以包括用于提供表示所述结构的通用外形的形状模型的通用外形提供子系统。而且,所述变形子系统可以布置为也基于所述形状模型来使所述自适应网格变形。例如,基于内部能量来使所述自适应网格变形并且根据所述形状模型来限定所述内部能量。这可以有助于例如避免所述多维数据集中的图像特征将所述自适应网格驱动到错误边界,所谓的错误吸引子。
可以使用例如来自X-射线、CT、MR、超声、PET、SPECT和磁颗粒成像构成的组的相同或者两个不同的成像形态来获取所述第一图像和所述第二图像。例如,所述系统可以包括该组的成像形态以执行所述图像获取。替代地或者附加地,可以提供输入端用于从其它地方检索图像数据。
可以使用两个不同的成像形态来获取所述第一和第二图像。在不同成像形态的图像中出现的不同特征可以在所述模型适应中组合或者彼此补充。
可以在所成像的主体包含结构时获取所述第一图像,在所述第二图像的获取期间所成像的主体不包含所述结构。例如所述主体在所述第一图像的获取期间包含注射的对比剂,但是在所述第二图像的获取期间不包含该对比剂。这里,用以获取图像的顺序不重要。
所述第一图像和所述第二图像可以涉及相同的患者。然后可以假设所述第一图像和第二图像中可视的不同特征涉及相同的身体结构。
一种医学成像工作站,可以包括所提出的系统。
一种医学成像获取装置,可以包括用于获取所述第一图像的扫描仪以及所提出的系统。
一种建立结构的轮廓的方法,可以包括:
-初始化表示所述结构的大致轮廓的自适应网格,所述结构至少部分地由第一图像表示,并且所述结构至少部分地由第二图像表示;以及
-基于所述第一图像的特征信息和所述第二图像的特征信息来使所述自适应网格变形。
一种计算机程序产品,包括用于使处理器系统执行所提出的方法的步骤的指令。
本领域的普通技术人员将意识到,可以以任何被认为有用的方式组合上面提及的本发明的实施例、实现和/或方面的两个或者更多。
本领域技术人员可以基于当前的描述来执行与所述系统的描述变型和变化对应的所述图像获取装置、所述工作站、所述系统和/或所述计算机程序产品的变型和变化。
本领域技术人员将意识到,所述方法可以应用于通过诸如但不局限于标准X-射线成像、计算机断层摄影(CT)、磁共振成像(MRI)、超声(US)、正电子发射断层射精(PET)、单光子发射计算机断层摄影(SPECT)以及核医学(NM)的各种获取形态来获取的多维图像数据,例如二维(2-D),三维(3-D)或者四维(4-D,例如3-D+时间)图像。
附图说明
将参照附图进一步阐述和描述本发明的这些和其它方面,其中:
图1示出了用于建立结构的轮廓的系统的框图;以及
图2示出了用于建立结构的轮廓的方法的框图。
具体实施方式
能够使用形状限制的可变形模型自动执行来自一个成像形态的医学图像(2D,3D,4D)的分割。取决于任务和成像协议,一些感兴趣的结构可以是不可视的或者难以限定的。如果不可获得提供全部所需信息的协议,则多形态方案可以有助于解决该分割任务。这里,关于全部感兴趣的结构的补充信息可以提供综合(comprehensive)分割。
图像间配准参数的现有知识可以先验地对于系统可获得。在这样的情况下,不同图像的坐标系之间的关系是预先已知的。对于每一个可获得的图像,可以建立朝向感兴趣的结构联合“拖拉”公共网格模型的至少一部分的基于图像的力。同时的图像分割和配准也是可能的。例如,与分割交替地重复(iteratively)提炼(refine)图像坐标系和网格坐标系之间的关系。
为改善观察,能够在从不同成像形态获得并且组合在单个合成图像中的图像中标识具有可视解剖结构的区域。例如,可以融合“局部最提供信息的”图像补丁(即来自在图像位置处提供最令人信服的边界信息的该形态的图像部分)以从各种源获得示出图像信息的一个总体显示。可以布置用户接口用于使用户在补充图像之间切换(例如,每个显示的补丁局部地切换)以检查或者比较由每一个成像形态提供的信息。例如,可以将来自两个图像的信息编码为包括轮廓或者自适应网格的模型,并且可以显示组合的模型。例如,可以在没有对比剂的情况下从图像提取钙化,而可以在有对比剂的情况下从另一图像提取壁厚度。
如果图像间配准参数先验不可获得,或者如果期望进一步改善这些参数,则可以执行配准处理。这样的配准处理可以包括利用刚性、仿射、或者甚至是非线性坐标变换使图像彼此匹配。这可以通过优化被配准的图像之间的全局匹配函数来进行。匹配函数可以在图像的灰度值(图像密度)之间建立一些种类的相关性(或者目标函数)。可以通过最大化该相关性或者目标函数来实现最佳匹配。替代地(或者之后),可以限定“力”,该力基于图像特征将第一和/或第二图像指向公共网格。下面将进一步详细描述布置为利用公共网格来对准图像的这样的方法。
图1示例了用于建立结构的轮廓的系统。这样的系统可以在硬件或者软件或者其组合中实现。该系统可以包括用于从成像形态7,例如或者从数据库系统8,检索(retrieve)图像数据的输入端6。这样的数据库系统8可以例如包括PACS服务器。图像可以例如包括灰度值的多维阵列。灰度值表示使用成像形态扫描的对象,诸如计算机断层摄影(CT)或者磁共振(MR)成像。
初始化子系统1布置为初始化自适应网格。自适应网格表示结构的大致轮廓。这样的结构可以例如是人体的器官。其它可能的范例包括动物的器官,或者非破坏测试中的非器官对象。可以至少部分地通过经由输入端6获得的第一图像表示该结构。此外,可以至少部分地通过经由输入端6获得的第二图像代表该结构。初始化子系统可以布置为使用缺省形状,可以利用该缺省形状初始化自适应网格。替代地,可以例如通过标识与图像的其余部分具有不同的灰度级的区域来使用第一和第二图像中的信息。然后将自适应网格初始化为所述区域的轮廓。可以基于由通用外形提供子系统5提供的形状模型来初始化自适应网格。例如,初始化自适应网格以等于由通用外形提供子系统5提供的形状模型。初始化子系统可以进一步布置为利用先前的变形模型来初始化自适应网格。例如,可以重复进行变形。
可以通过使子系统2变形来执行自适应网格的变形。该变形可以基于第一图像的特征信息和第二图像的特征信息。这样,使用两个信息源来获得特征信息。特征信息可以包括例如梯度。其它种类的特征信息在本领域中是本身已知的。
变形子系统可以包括用于根据第一图像的特征信息和第二图像的特征信息来建立作用于自适应网格的至少一部分上的力的力建立子系统3。例如,第一图像可以包括接近于所述自适应网格的一部分的第一特征。然而,第二图像也可以包括接近于所述自适应网格的该部分的第二特征。力建立子系统3可以在建立力值时考虑这两个特征。在仅所述图像中的一个包括接近于自适应网格的一部分的相关特征时,可以仅基于该特征来建立作用于自适应网格的该部分上的力。变形子系统3可以包括用于使用针对用于获取各自图像的特定成像形态或者协议训练的各自模型从各自图像提取特征信息的特征信息提取子系统11。这样,能够开发由每一个形态提供的特定特征信息。
所述系统可以进一步包括用于建立限定第一图像、第二图像和自适应网格之间的配准的坐标变换的变换建立子系统4。该配准可以基于自适应网格以及一个或者多个图像中的特征信息。可以将自适应网格的点映射到第一或者第二图像中的点上。可以建立限定第一图像的坐标系与第二图像的坐标系之间关系的坐标变换。例如,可以关于所述图像中的一个的坐标系限定自适应网格,并且可以建立将网格和图像的点映射到另一图像的点上的坐标变换。为此,可以使用该另一图像的特征信息并且将其与自适应网格的形状进行比较。也能够建立从自适应网格到不同图像的坐标变换;可以根据将自适应网格映射到所述图像中的每一个的变换推导从一个图像到另一图像的变换。
所述配准可以基于自适应网格以及所述图像中的一个或者多个中的特征信息。例如,计算网格到图像的配准。之后,可以反演表示配准的变换和使用该变换来配准两个图像。开始,对于给定的图像,可以经由参数变换(例如但不局限于仿射变换)来将固定形状的网格配准到图像。该配准可以由在网格点(或者三角形)与相对应的图像点(也被称为目标点或者目标表面)之间建立的可以导致所谓的外部能量的“力”控制。例如,可以作为附接在网格点和目标结构之间的虚拟弹簧的能量之和来计算这样的外部能量。通过关于参数变换最小化外部能量,可以将网格与图像对准或者配准。为了配准两个图像,如果需要,可以反演该变换。代替将网格变换到任一图像,可以使用反变换来将每一个图像与网格对准。这是建立两个图像之间的配准参数的一种方式。
坐标变换建立子系统4可以布置为建立仿射变换。这样,仅全局改变表示在坐标变换中。可以由变形子系统2和/或力建立子系统3解释更加详细的改变。
所述系统可以包括用于提供表示所述结构的通用外形的形状模型的通用外形提供子系统5。例如,子系统5可以包括或者具有到形状模型数据库的接入,例如经由输入端6。这些形状模型可以例如提供特定类型的对象或者结构的一般(average)形状。例如,对于肺部和肾脏可以提供不同的模型。用户输入或者图像元数据可以用于从数据库选择形状模型中的一个。变形子系统2可以布置为也基于所述形状模型来使自适应网格变形。这样,在变形处理期间,分割的结构的通用形状可以用作基准。形状模型也可以由变换建立子系统4使用。通用外形提供子系统5可以进一步提供到多形态图像特征信息的接入。例如,可以提供指定关于来自特定成像形态的图像和/或特定主体部分或者应用的图像应该考虑哪些图像特征的数据库。
可以使用一个或者多个成像形态来获取第一图像和第二图像,例如从CT、MR、超声、PET和SPECT的组。然而,这些形态不视为限制性的。不同的成像形态会导致不同的特征信息。通过不同的成像形态可获得的特征信息可以互补。例如,CT和MR示出不同种类的组织。与仅一个图像相比,使用相同形态的多个图像也可以提供附加的补充特征信息。例如,所述图像可以涉及主体的不同(优选地重叠)部分。而且,可以在应用或不应用不同种类的对比剂之后或者在等待不同的时间之后获取不同的图像以观察组织中的对比分布随着时间的动态特性。
第一图像和第二图像可以涉及相同主体,例如患者。可以在所成像的主体包含结构时获取第一图像,在第二图像的获取期间,所成像的主体不包含该结构。例如,在图像中能够可视化对比剂流入。而且,可以捕获示出移动对象的图像序列;这些图像可以用于于此描述的系统中。
可以将坐标变换以及成功变形之后的自适应网格转发到后处理子系统9用于进一步处理。例如,可以将数据存储在诸如患者数据库的数据库中。也能够使用该结果来标识与该结构相关的图像的灰度值。这样,计算和比较变得可能。后处理子系统9也可以布置为生成轮廓的可视化,例如作为一个或者多个图像上方的叠置。可以在显示器10上向用户示出将该可视化。
医学成像工作站可以包括所提出的系统。医学成像工作站可以进一步包括用户接口装置,例如包括显示器10、键盘和/或诸如鼠标的点击设备、以及网络连接或者其它通信装置。通信装置可以用于经由输入端6来检索图像信息和/或存储诸如变形的网格或者坐标变换的结果、或者从其获取的数据。
医学成像获取装置可以包括用于获取第一图像和/或第二图像的扫描仪,以及所提出的系统。例如,医学成像装置可以包括医学成像工作站的特征。
图2示例了建立结构的轮廓的方法方面。在步骤201中,初始化自适应网格。自适应网格表示结构的大致轮廓,该结构至少部分地由第一图像表示,并且该结构至少部分地由第二图像表示。在步骤202中,基于第一图像的特征信息和第二图像的特征信息来使自适应网格变形。可以重复变形步骤202直到自适应网格收敛(converge)。在步骤203中,建立坐标变换。坐标变换可以限定第一图像、第二图像以及自适应网格之间的配准。坐标变换可以基于各自单个图像或者多个图像中的特征信息以及自适应网格。坐标变换可以用于配准图像或者将网格配准到所述图像中的一个或者多个。步骤的顺序可以互换,例如步骤203可以位于步骤202之前。而且,可以省去步骤202或者203中的任意一个。而且,通过以交替方式执行步骤202和203,可以重复执行步骤202和203。这样,配准可以得益于更新的网格并且网格变形可以得益于更新的坐标变换。所述方法可以实现为计算机程序产品。
多形态分割可以用于通过包括由其它图像提供的信息而利用丢失信息来分割图像。用于图像分割的基于模型的方案可以用于标识图像的大多数或者全部可视结构。然而,大多数基于模型的方案被优化用于特定的成像形态。通过组合被优化用于不同成像形态的基于模型的方案,可以使得该系统能够标识每一个单个图像中的大多数或者全部可视结构。通过组合关于来自图像的可视结构的可获得信息(优选地从不同的成像形态获得),不同的图像彼此补充。与单独图像的分割相比较,这将改善该分割。此外,能够在适合的用户接口中指出不同图像中被标识的解剖地标之间的任何发现的对应关系。
组合配准和分割是可能的。这可以通过基于图像中检测的视觉结构(解剖地标)的比较来提炼配准参数的初始粗略猜测来进行。因而可以优选地通过几何信息(描述可视结构的位置)来驱动配准。然而,也能够通过灰度值的全局匹配来驱动该配准。使用与几何信息相结合的期望解剖体的模型可以改善配准精度,由于其考虑感兴趣的解剖结构而非整个图像。而且,可以根据关于扫面仪几何结构相对于患者之间关系的现有知识来获得初始配准。
多形态分割框架可以包括建立在描述感兴趣的结构的自适应网格上“拖拉”的基于图像的力。可以关于坐标系限定该网格。该坐标系可以经由仿射变换而与图像坐标系相关。这样的仿射变换可以在图像和公共分割结果之间建立配准。
多形态分割可以组合根据特定感兴趣的结构的全部可获得图像推导的基于图像的力。这些基于图像的力可以基于图像中的可视结构。基于图像的力可以“拖拉”公共网格至折中位置。如果图像中的特定区域不包含感兴趣的结构,则这些区域优选地不对基于图像的力做贡献。然而,如果感兴趣的结构在另一图像的相对应区域中可获得,则该结构优选地对基于图像的力做贡献。这提供对由不展现感兴趣的结构的图像区域引起的“间隙进行搭桥”的一种方式。
对于自适应网格模型的任意给定部分,能够例如通过考虑吸引自适应表面模型的部分的力来评估哪个图像(或者哪些图像)表示所述表面模型的部分所基于的结构。基于该评估,组合图像可以包括作为大多数相关图像区域的“修补”的不同图像的部分。用户接口可以示出哪一个图像对自适应网格模型的给定部分做贡献的指示。而且,用户接口可以使得用户能够可视化期望图像以评估补充的图像信息。这样的可视化可以是局部的;例如如果构成的图像包含第一图像的第一部分,则用户可以选择通过第二图像的相对应部分来替换所述第一部分,以获得可以被可视化的新的合成图像。
组合来自可以从不同形态获取的多个图像的信息允许分割在每一个图像中仅部分可视但是如果考虑全部图像则受到良好限定的结构。此外,通过将每个图像的可视结构与公共分割结果进行比较,可以估计或者提炼图像坐标系之间的(仿射)配准。
在多形态分割框架中,可以在分离的坐标系内获取不同的图像In。例如,可以将患者放置在不同的扫描仪中,或者扫描取向可以改变。可能需要解释偏移以及重新取向并且或许甚至是由于几何失真导致的缩放(scaling)效果。然而,并不总是这种情况。也能够在相同坐标系中获取多个图像。
为了实现公共分割,首先,可以建立基准坐标系,其中可以表示分割结果。这将在下面被称为公共坐标系(CCS)。图像In可以具有其自身的可以由“ICSn”标记的图像坐标系。全部图像具有相同的坐标系也是可能的。在这样的情况下,ICSn对于每一个图像n相同。
在一些情况下,坐标系之间的变换可以是已知的。此外,全局线性变换有时足以将CCS映射到任一ICSn。假设x为CCS中的某一坐标向量,并且假设x′为ICSn中的对应向量。于是,具有3×3矩阵Mn和传递向量tn的某一变换Tn={Mn,tn}将x映射到x′:
x′=Mn·x+tn (1)
可以如下实现多形态分割:可以在CCS中建立变形形状模型的内部能量。可以对于图像In中的单独图像设置外部能量并且利用一些加权因数βn进行累加,∑βn=1:
在组合中,公共分割可以产生来自In的外部力与来自形状模型的内部力之间的“最佳折中”。
以下描述在坐标系存在差异Tn时外部能量的范例表述。通过向自适应网格施加外部能量和内部能量,可以使自适应网格变形以获得单个或者多个图像中的结构的轮廓。可以将一些标准坐标系中的范例外部能量Eext写为(这里ci表示受到优化的网格点):
为了在变换的坐标系的情况下设置Eext,n,可以在图像In中检测目标点。这可以通过从CCS向ICSn变换三角形中心ci和法线并且通过搜索变换三角形中心周围的目标点来进行。在ICSn内,可以在检测的目标点处确定梯度方向
Eext,n的第一选项是将反变换到CCS并且在那里建立外部能量。考虑“弹簧力”,可以将弹簧附接到CCS中的三角形,朝向被反变换的目标平面拖拉网格。这涉及使用(2)的梯度方向的反变换以及重新归一化,例如:
其中是被反变换的目标点并且ci是CCS中的三角形中心。
另一选项是在图像In内,即在ICSn内,表述Eext,n。
图像坐标系之间的变换可以是未知的。找出这些变换可以涉及配准任务。可以结合分割任务来解决该配准任务。
可以标识配准的不同方面;这些方面可以有助于达到Mn和tn的初始粗略估计:
-x-y平面(对于MR图像,也可以获取倾斜平面)中图像的总取向(grossorientation),例如轴向对径向或者冠状切片:该信息通常可从扫描仪获得。
-图像的缩放比例:通常,图像应该“存活”在计量空间中而没有或者具有很少失真。我们可以使用净取向和为1的缩放比例因数作为变换矩阵Mn的初始猜测。
-平移:图像可以具有未知的坐标偏移。然而,对象定位技术会允许粗略地定位感兴趣的器官。
可以每个图像In地提炼变换。例如,采取公共适应的网格的当前实例并且优化变换Tn以最小化仅对于In的外部能量是可能的。然后,Tn可以描述公共网格到各自图像的改善映射。在对于全部图像执行该步骤之后,使用更新的变换Tn继续多形态分割是可能的。该重复的多形态网格适应的过程和全部Tn的重新估计会导致包括如由Tn编码的配准参数的收敛分割。
这里描述的分割和/或配准技术可以例如应用于不能够仅由单个成像形态完整描述的结构或者复杂器官的分割。这些技术可以进一步应用于由不包含完整解剖信息的图像表示的结构的分割。来自不同成像形态的补充扫描可以提供任何该丢失的信息。例如,诸如PET或者SPECT图像的功能图像可以不提供完整的解剖信息。通过对功能图像和诸如CT图像或者MR图像的解剖图像执行这里介绍的技术,可以获得改善的分割。而且,所述技术可以用于将功能图像与解剖图像配准。而且,所述技术可以用于生成示出功能信息和解剖信息二者的合成图像。
一种建立结构的轮廓的方法,可以开始于初始化形状模型。接下来,可以在第一图像位置处的第一图像中以及在与第一图像位置不同的第二图像位置处的第二图像中标识该结构或者其一部分。可以将第一力值与被初始化的形状模型的第一部分关联,该第一力值基于第一图像中的结构,该初始形状模型的第一部分与第一图像位置对应。可以将第二力值与初始形状模型的第二部分关联,所述第二力值基于第二图像中的结构,所述初始形状模型的第二部分与第二图像位置对应。可以基于第一力值来适应被初始化的形状模型的第一部分的形状。可以基于第二力值来适应被初始化的模型的第二部分的形状。如果该被初始化的形状模型的两个部分交叠,则可以基于两个力值来对它们进行适应。
将意识到,本发明还延伸到计算机程序,特别是适应于将本发明付诸实践的位于载体上或者载体中的计算机程序。所述程序可以是源代码、目标代码、诸如部分编译形式的代码中间源和目标代码的形式,或者是适于在根据本发明的方法的实施中使用的任何其它形式。也将意识到,这样的程序可以具有许多不同的架构设计。例如,可以将实现根据本发明的方法或者系统的功能的程序代码细分为一个或者多个子例程。在这些子例程之间分配功能的许多不同方式对于本领域技术人员将是明显的。可以将子例程一起存储在一个可执行文件中以形成自包含程序。这样的可执行文件可以包括计算机可执行指令,例如处理器指令和/或翻译器(interpreter)指令(例如Java翻译器指令)。替代地,可以将全部子例程的一个或者多个存储在至少一个外部库文件中并且将其与主程序进行静态或者动态链接,例如在运行时间。主程序包含到所述子例程中的至少一个的至少一个调用。而且,子例程可以包括彼此的功能调用。涉及计算机程序产品的实施例包括与所提出的方法中的至少一个的每一个处理步骤对应的计算机可执行指令。可以将这些指令细分为子例程和/或存储在可以被静态或者动态链接的一个或者多个文件中。涉及计算机程序产品的另一实施例包括与所提出的系统和/或产品的至少一个的每一个模块对应的计算机可执行指令。可以将这些指令细分为子例程和/或存储在可以被静态或者动态链接的一个或者多个文件中。
计算机程序的载体可以是能够承载该程序的任何实体或者设备。例如,载体可以包括存储介质,诸如以CD ROM或者半导体ROM为例的ROM,或者例如软盘或者硬盘的磁记录介质。此外,载体可以是诸如可以经由电缆或者光缆或者通过无线电或其它方式传输的电信号或者光信号的可传输载体。在将程序具体化为这样的信号时,载体可以由这样的缆线或者其它设备或者模块构成。替代地,载体可以是其中嵌入有程序的集成电路,所述集成电路适应于执行相关方法或者适应于在该相关方法的执行中使用。
应该注意到,上述实施例示例而非限制本发明,并且本领域技术人员将能够在不偏离所附权利要求的范围的情况下设计许多替代实施例。在权利要求中,括号中的任何附图标记不应视为限制权利要求。动词“包括”及其变形的使用不排除在权利要求中表述的元件或者步骤之外的元件或者步骤的存在。位于元件前面的不定冠词“一”或者“一个”不排除多个这样的元件的存在。本发明可以借助于包括几个区别元件的硬件,并且借助于适合被编程的计算机来实现。在枚举几个模块的设备权利要求中,可以通过相同的硬件项具体化这些模块中的几个。某些措施记载在相互不同的从属权利要求中的仅有事实不表明不能有利地使用这些措施的组合。
Claims (15)
1.一种用于建立结构的轮廓的系统,包括:
-初始化子系统(1),用于初始化表示所述结构的大致轮廓的自适应网格,所述结构至少部分地由第一图像表示,并且所述结构至少部分地由第二图像表示;以及
-变形子系统(2),用于基于所述第一图像的特征信息和所述第二图像的特征信息来使所述自适应网格变形。
2.根据权利要求1所述的系统,所述变形子系统包括力建立子系统(3),所述力建立子系统(3)用于根据所述第一图像的所述特征信息和所述第二图像的所述特征信息来建立作用于所述自适应网格的至少一部分上的力。
3.根据权利要求2所述的系统,所述力建立子系统(3)布置为也根据所述第一图像的类型和/或所述第二图像的类型来建立作用于所述自适应网格的所述至少一部分上的所述力。
4.根据权利要求1所述的系统,所述变形子系统(3)包括特征信息提取子系统(11),所述特征信息提取子系统(11)用于使用针对用于获取各自图像的特定成像形态或者协议训练的各自模型来从所述各自图像提取特征信息。
5.根据权利要求1所述的系统,进一步包括变换建立子系统(4),所述变换建立子系统(4)用于基于各自图像中的特征信息和所述自适应网格来建立限定所述自适应网格与所述第一图像和所述第二图像中的至少一个之间的配准的第一坐标变换。
6.根据权利要求5所述的系统,所述变换建立子系统(4)布置为基于所述第一变换来建立限定所述第一图像的坐标系与所述第二图像的坐标系之间关系的第二坐标变换。
7.根据权利要求5所述的系统,所述坐标变换是仿射变换。
8.根据权利要求1所述的系统,进一步包括:
-通用外形提供子系统(5),用于提供表示所述结构的通用外形的形状模型;
-所述变形子系统(2)布置为也基于所述形状模型来使所述自适应网格变形。
9.根据权利要求1所述的系统,使用来自X-射线、CT、MR、超声、PET、SPECT和磁颗粒成像构成的组的至少一个成像形态来获取所述第一图像和所述第二图像。
10.根据权利要求1所述的系统,使用两个不同的成像形态来获取所述第一和第二图像。
11.根据权利要求1所述的系统,所述第一图像是在特定对象在所成像的主体中可视时获取的,并且所述第二图像是在所述特定对象在所成像的主体中不可视时获取的。
12.一种医学成像工作站,包括根据权利要求1所述的系统。
13.一种医学成像获取装置,包括用于获取所述第一图像的扫描仪和根据权利要求1所述的系统。
14.一种建立结构的轮廓的方法,包括:
-初始化(201)表示所述结构的大致轮廓的自适应网格,所述结构至少部分地由第一图像表示,并且所述结构至少部分地由第二图像表示;以及
-基于所述第一图像的特征信息和所述第二图像的特征信息来使所述自适应网格变形(202)。
15.一种计算机程序产品,包括用于使处理器系统执行根据权利要求14所述的方法的步骤的指令。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP09163572 | 2009-06-24 | ||
EP09163572.2 | 2009-06-24 | ||
PCT/IB2010/052756 WO2010150156A1 (en) | 2009-06-24 | 2010-06-18 | Establishing a contour of a structure based on image information |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102460509A true CN102460509A (zh) | 2012-05-16 |
CN102460509B CN102460509B (zh) | 2015-01-07 |
Family
ID=42556644
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201080028100.5A Active CN102460509B (zh) | 2009-06-24 | 2010-06-18 | 基于图像信息建立结构的轮廓 |
Country Status (5)
Country | Link |
---|---|
US (2) | US20120082354A1 (zh) |
EP (1) | EP2446416B1 (zh) |
JP (1) | JP6007102B2 (zh) |
CN (1) | CN102460509B (zh) |
WO (1) | WO2010150156A1 (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105631920A (zh) * | 2014-10-31 | 2016-06-01 | 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 |
CN105849773A (zh) * | 2013-12-17 | 2016-08-10 | 皇家飞利浦有限公司 | 解剖结构的基于模型的分割 |
CN107110942A (zh) * | 2014-12-12 | 2017-08-29 | 皇家飞利浦有限公司 | 安静的mr成像 |
CN109389655A (zh) * | 2013-06-25 | 2019-02-26 | 西门子保健有限责任公司 | 时变数据的重建 |
US10729919B2 (en) | 2016-10-07 | 2020-08-04 | Siemens Healthcare Gmbh | Method for supporting radiation treatment planning for a patient |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010150156A1 (en) * | 2009-06-24 | 2010-12-29 | Koninklijke Philips Electronics N.V. | Establishing a contour of a structure based on image information |
WO2012025889A1 (en) | 2010-08-26 | 2012-03-01 | Koninklijke Philips Electronics N.V. | Automated three dimensional aortic root measurement and modeling |
US9224229B2 (en) * | 2010-11-24 | 2015-12-29 | Blackford Analysis Limited | Process and apparatus for data registration |
JP6267707B2 (ja) * | 2012-08-30 | 2018-01-24 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | 3dの通常の超音波画像およびコントラスト向上超音波画像における統合セグメンテーション |
ES2480341B1 (es) | 2013-01-24 | 2015-01-22 | Palobiofarma S.L | Nuevos derivados de pirimidina como inhibidores de la fosfodiesterasa 10 (PDE-10) |
WO2015086368A1 (en) * | 2013-12-10 | 2015-06-18 | Koninklijke Philips N.V. | Model-based segmentation of an anatomical structure |
US10043270B2 (en) * | 2014-03-21 | 2018-08-07 | Koninklijke Philips N.V. | Image processing apparatus and method for segmenting a region of interest |
EP3224803A1 (en) * | 2014-11-28 | 2017-10-04 | Koninklijke Philips N.V. | Model-based segmentation of an anatomical structure |
US9519949B2 (en) * | 2015-03-13 | 2016-12-13 | Koninklijke Philips N.V. | Determining transformation between different coordinate systems |
CN106485186B (zh) * | 2015-08-26 | 2020-02-18 | 阿里巴巴集团控股有限公司 | 图像特征提取方法、装置、终端设备及系统 |
WO2017162664A1 (en) * | 2016-03-21 | 2017-09-28 | Koninklijke Philips N.V. | Apparatus for detecting deformation of a body part |
CA3031397A1 (en) * | 2016-07-22 | 2018-01-25 | Lynx Inspection Inc. | Inspection method for a manufactured article and system for performing same |
US20200170615A1 (en) | 2017-08-17 | 2020-06-04 | Koninklijke Philips N.V. | Ultrasound system with extraction of image planes from volume data using touch interaction with an image |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0602730A2 (en) * | 1992-12-18 | 1994-06-22 | Koninklijke Philips Electronics N.V. | Registration of Volumetric images which are relatively elastically deformed by matching surfaces |
WO2002073536A2 (en) * | 2001-03-09 | 2002-09-19 | Koninklijke Philips Electronics N.V. | Image segmentation |
CN101297321A (zh) * | 2005-10-25 | 2008-10-29 | 布拉科成像S.P.A.公司 | 配准图像的方法,用于执行配准图像的方法的算法,用于使用所述算法配准图像的程序以及处理生物医学图像以减少由对象移动导致的成像伪影的方法 |
Family Cites Families (38)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6295464B1 (en) * | 1995-06-16 | 2001-09-25 | Dimitri Metaxas | Apparatus and method for dynamic modeling of an object |
US6106466A (en) * | 1997-04-24 | 2000-08-22 | University Of Washington | Automated delineation of heart contours from images using reconstruction-based modeling |
US6362821B1 (en) * | 1999-01-06 | 2002-03-26 | Mitsubishi Electric Research Laboratories, Inc. | Surface model generation for visualizing three-dimensional objects using multiple elastic surface nets |
US6701174B1 (en) * | 2000-04-07 | 2004-03-02 | Carnegie Mellon University | Computer-aided bone distraction |
US6483506B1 (en) * | 2000-07-20 | 2002-11-19 | Sony Corporation | System and method for generating computer animated graphical images of a vascular structure attached to an anatomical structure |
DE10111661A1 (de) * | 2001-03-09 | 2002-09-12 | Philips Corp Intellectual Pty | Verfahren zum Segmentieren einer in einem Objekt enthaltenen dreidimensionalen Struktur, insbesondere für die medizinische Bildanalyse |
US20030036083A1 (en) * | 2001-07-19 | 2003-02-20 | Jose Tamez-Pena | System and method for quantifying tissue structures and their change over time |
EP1502237A2 (en) * | 2002-04-03 | 2005-02-02 | Segami S.A.R.L. | Image registration process |
US8050469B2 (en) * | 2002-07-19 | 2011-11-01 | Koninklijke Philips Electronics | Automated measurement of objects using deformable models |
US6836557B2 (en) * | 2002-10-02 | 2004-12-28 | VirtualS{tilde over (c)}opics, LLC | Method and system for assessment of biomarkers by measurement of response to stimulus |
EP1437685A3 (de) * | 2003-01-13 | 2004-07-21 | Philips Intellectual Property & Standards GmbH | Verfahren zum Segmentieren einer dreidimensionalen Struktur |
US20040147830A1 (en) * | 2003-01-29 | 2004-07-29 | Virtualscopics | Method and system for use of biomarkers in diagnostic imaging |
WO2004111937A1 (en) * | 2003-06-13 | 2004-12-23 | Philips Intellectual Property & Standards Gmbh | 3d image segmentation |
US7154498B2 (en) * | 2003-09-10 | 2006-12-26 | Siemens Medical Solutions Usa, Inc. | System and method for spatio-temporal guidepoint modeling |
US7454045B2 (en) * | 2003-10-10 | 2008-11-18 | The United States Of America As Represented By The Department Of Health And Human Services | Determination of feature boundaries in a digital representation of an anatomical structure |
WO2005038711A1 (en) * | 2003-10-17 | 2005-04-28 | Koninklijke Philips Electronics, N.V. | Manual tools for model based image segmentation |
US7339586B2 (en) * | 2004-04-23 | 2008-03-04 | Siemens Medical Solutions Usa, Inc. | Method and system for mesh-to-image registration using raycasting |
JP2008521473A (ja) * | 2004-11-29 | 2008-06-26 | 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 | 複数要素血管セグメント化 |
WO2006134565A2 (en) * | 2005-06-15 | 2006-12-21 | Koninklijke Philips Electronics N.V. | Method of model-based elastic image registration for comparing a first and a second image |
TR201815808T4 (tr) * | 2005-06-21 | 2018-11-21 | Anheuser Busch Inbev Sa | İlerici model tabanlı uyarlama |
US7738683B2 (en) * | 2005-07-22 | 2010-06-15 | Carestream Health, Inc. | Abnormality detection in medical images |
US7650025B2 (en) * | 2005-08-01 | 2010-01-19 | Siemens Medical Solutions Usa, Inc. | System and method for body extraction in medical image volumes |
US7689021B2 (en) * | 2005-08-30 | 2010-03-30 | University Of Maryland, Baltimore | Segmentation of regions in measurements of a body based on a deformable model |
US7889898B2 (en) * | 2005-09-16 | 2011-02-15 | Siemens Medical Solutions Usa, Inc. | System and method for semantic indexing and navigation of volumetric images |
WO2007035688A2 (en) * | 2005-09-16 | 2007-03-29 | The Ohio State University | Method and apparatus for detecting intraventricular dyssynchrony |
US20080279429A1 (en) * | 2005-11-18 | 2008-11-13 | Koninklijke Philips Electronics, N.V. | Method For Delineation of Predetermined Structures in 3D Images |
JP2009544101A (ja) * | 2006-07-17 | 2009-12-10 | 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 | 医用画像セグメンテーション用の多角形メッシュを用いた効率的ユーザインタラクション |
US7996060B2 (en) * | 2006-10-09 | 2011-08-09 | Biosense Webster, Inc. | Apparatus, method, and computer software product for registration of images of an organ using anatomical features outside the organ |
EP2081494B1 (en) * | 2006-11-16 | 2018-07-11 | Vanderbilt University | System and method of compensating for organ deformation |
US9275190B2 (en) * | 2007-04-23 | 2016-03-01 | Siemens Aktiengesellschaft | Method and system for generating a four-chamber heart model |
US20100232645A1 (en) * | 2007-05-10 | 2010-09-16 | Koninklijke Philips Electronics N.V. | Model-based spect heart orientation estimation |
CN102067170A (zh) * | 2007-08-31 | 2011-05-18 | 皇家飞利浦电子股份有限公司 | 在存在金属伪影的情况下用于分割的不确定性图 |
US9076203B2 (en) * | 2007-11-26 | 2015-07-07 | The Invention Science Fund I, Llc | Image guided surgery with dynamic image reconstruction |
US8577115B2 (en) * | 2008-03-04 | 2013-11-05 | Tomotherapy Incorporated | Method and system for improved image segmentation |
US8582854B2 (en) * | 2008-09-15 | 2013-11-12 | Siemens Aktiengesellschaft | Method and system for automatic coronary artery detection |
US8577130B2 (en) * | 2009-03-16 | 2013-11-05 | Siemens Medical Solutions Usa, Inc. | Hierarchical deformable model for image segmentation |
WO2010150156A1 (en) * | 2009-06-24 | 2010-12-29 | Koninklijke Philips Electronics N.V. | Establishing a contour of a structure based on image information |
US20130195323A1 (en) * | 2012-01-26 | 2013-08-01 | Danyu Liu | System for Generating Object Contours in 3D Medical Image Data |
-
2010
- 2010-06-18 WO PCT/IB2010/052756 patent/WO2010150156A1/en active Application Filing
- 2010-06-18 CN CN201080028100.5A patent/CN102460509B/zh active Active
- 2010-06-18 US US13/377,401 patent/US20120082354A1/en not_active Abandoned
- 2010-06-18 EP EP10730237.4A patent/EP2446416B1/en active Active
- 2010-06-18 JP JP2012516919A patent/JP6007102B2/ja active Active
-
2017
- 2017-08-09 US US15/665,735 patent/US11922634B2/en active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0602730A2 (en) * | 1992-12-18 | 1994-06-22 | Koninklijke Philips Electronics N.V. | Registration of Volumetric images which are relatively elastically deformed by matching surfaces |
WO2002073536A2 (en) * | 2001-03-09 | 2002-09-19 | Koninklijke Philips Electronics N.V. | Image segmentation |
CN101297321A (zh) * | 2005-10-25 | 2008-10-29 | 布拉科成像S.P.A.公司 | 配准图像的方法,用于执行配准图像的方法的算法,用于使用所述算法配准图像的程序以及处理生物医学图像以减少由对象移动导致的成像伪影的方法 |
Non-Patent Citations (3)
Title |
---|
C. NIKOUT等: "A probabilistic multiobject deformable model for MR/SPECT brain image registration and segmentation", 《PROC. SPIE》, vol. 3661, 31 May 1999 (1999-05-31), pages 170 - 181 * |
MEYER CARSTEN等: "A multi-modality segmentation framework: Application to fully automatic heart segmentation", 《MEDICAL IMAGING 2009: IMAGE PROCESSING, EDITED BY JOSIEN P. W. PLUIM, BENOIT M. DAWANT,PROC. OF SPIE》, vol. 7258, 28 February 2009 (2009-02-28), pages 1 - 12 * |
NASTAR, C等: "Frequency-based nonrigid motion analysis: application to four dimensional medical images", 《PATTERN ANALYSIS AND MACHINE INTELLIGENCE, IEEE TRANSACTIONS ON》, vol. 18, no. 11, 30 November 1996 (1996-11-30), pages 1067 - 1079, XP000639362, DOI: doi:10.1109/34.544076 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109389655A (zh) * | 2013-06-25 | 2019-02-26 | 西门子保健有限责任公司 | 时变数据的重建 |
CN109389655B (zh) * | 2013-06-25 | 2021-09-03 | 西门子保健有限责任公司 | 时变数据的重建 |
CN105849773A (zh) * | 2013-12-17 | 2016-08-10 | 皇家飞利浦有限公司 | 解剖结构的基于模型的分割 |
CN105849773B (zh) * | 2013-12-17 | 2020-06-09 | 皇家飞利浦有限公司 | 解剖结构的基于模型的分割 |
CN105631920A (zh) * | 2014-10-31 | 2016-06-01 | 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 |
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 |
CN107110942A (zh) * | 2014-12-12 | 2017-08-29 | 皇家飞利浦有限公司 | 安静的mr成像 |
CN107110942B (zh) * | 2014-12-12 | 2020-06-16 | 皇家飞利浦有限公司 | Mr成像方法和mr设备 |
US10729919B2 (en) | 2016-10-07 | 2020-08-04 | Siemens Healthcare Gmbh | Method for supporting radiation treatment planning for a patient |
Also Published As
Publication number | Publication date |
---|---|
US20170330328A1 (en) | 2017-11-16 |
EP2446416A1 (en) | 2012-05-02 |
EP2446416B1 (en) | 2014-04-30 |
WO2010150156A1 (en) | 2010-12-29 |
CN102460509B (zh) | 2015-01-07 |
JP2012531649A (ja) | 2012-12-10 |
JP6007102B2 (ja) | 2016-10-12 |
US11922634B2 (en) | 2024-03-05 |
US20120082354A1 (en) | 2012-04-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102460509B (zh) | 基于图像信息建立结构的轮廓 | |
US9965857B2 (en) | Medical image processing | |
US9218542B2 (en) | Localization of anatomical structures using learning-based regression and efficient searching or deformation strategy | |
US8958614B2 (en) | Image-based detection using hierarchical learning | |
US8175363B2 (en) | System and method for additive spatial/intensity decomposition of medical images | |
EP3550515A1 (en) | Cross-modality image synthesis | |
Lei et al. | Echocardiographic image multi‐structure segmentation using Cardiac‐SegNet | |
CN102292744A (zh) | 心脏图像处理和分析 | |
US9361701B2 (en) | Method and system for binary and quasi-binary atlas-based auto-contouring of volume sets in medical images | |
US20110081061A1 (en) | Medical image analysis system for anatomical images subject to deformation and related methods | |
US20110081055A1 (en) | Medical image analysis system using n-way belief propagation for anatomical images subject to deformation and related methods | |
CN107567638A (zh) | 对解剖结构的基于模型的分割 | |
US10402970B2 (en) | Model-based segmentation of an anatomical structure | |
US20110081054A1 (en) | Medical image analysis system for displaying anatomical images subject to deformation and related methods | |
US9286688B2 (en) | Automatic segmentation of articulated structures | |
Khmelinskii et al. | Segmentation and visual analysis of whole-body mouse skeleton microSPECT | |
Piao et al. | Segmentation of cysts in kidney and 3-D volume calculation from CT images | |
Fookes et al. | Rigid and non-rigid image registration and its association with mutual information: A review | |
Chappelow et al. | COLLINARUS: Collection of image-derived non-linear attributes for registration using splines | |
CN115482193A (zh) | 多扫描图像处理 |
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 |