CN102573650A - 信息处理装置、信息处理方法和程序 - Google Patents
信息处理装置、信息处理方法和程序 Download PDFInfo
- Publication number
- CN102573650A CN102573650A CN2010800479891A CN201080047989A CN102573650A CN 102573650 A CN102573650 A CN 102573650A CN 2010800479891 A CN2010800479891 A CN 2010800479891A CN 201080047989 A CN201080047989 A CN 201080047989A CN 102573650 A CN102573650 A CN 102573650A
- Authority
- CN
- China
- Prior art keywords
- shape
- unit
- obtains
- characteristic area
- 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
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
- G06T7/344—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving 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
- G06T2207/10—Image acquisition modality
- G06T2207/10132—Ultrasound image
-
- 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
- G06T2207/30068—Mammography; Breast
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
一种用于使原图像变形的信息处理装置包括:被配置为通过使由原图像的变形导致的特征区域的移动与变形相关联来获得变形规则的获得单元;和被配置为使用关于对象图像的特征区域和原图像的对应区域的位置信息作为约束条件来根据变形规则使原图像变形的变形单元。
Description
技术领域
本发明涉及用于处理通过使用诸如X射线计算断层(X射线CT)装置、磁共振成像(MRI)装置、核医学诊断装置(单光子发射计算断层(SPECT)、正电子发射断层(PET))和超声诊断成像装置的各种类型的用于医用图像收集(模式)的装置捕获的医用图像的装置。
背景技术
在医疗领域中,医生在监视器上显示病人的医用图像并且解释(读取)显示的医用图像以观察病变部的状态或病变部随时间的变化。被配置为产生这种医用图像的装置的例子包括简单的X射线成像装置、X射线计算断层(X射线CT)装置、磁共振成像(MRI)装置、核医学诊断装置(诸如SPECT和PET)和超声诊断成像装置(超声检查(US))。
例如,在乳腺科领域中,可通过识别用MRI捕获的图像上的乳房病变部的位置并然后使用超声诊断成像装置观察病变部的状态的过程来执行诊断成像。这里,在乳腺科领域中的典型的放射线照相协议中,一般地,在伏卧位(身体面朝下的位置)执行MRI,并且,在仰卧位(身体面朝上的位置)执行超声成像。医生在考虑由成像期间的身体的位置的差异导致的乳房的变形的同时从由伏卧位的MRI图像获得的病变部位置估计仰卧位的病变部位置之后执行病变部的超声成像。
但是,由成像期间的身体位置的差异导致的乳房的变形会较大,使得医生估计的病变部的位置会偏离实际的位置。因此,医生希望观察的病变部的超声图像的提取会失败,或者找到病变部会需要很长的时间。可通过在与超声成像期间的身体位置相同的仰卧位上执行MRI来克服该困难。但是,仰卧位的成像会受被检者的呼吸的影响,并且,会出现不能获得解释所需的锐利的MRI图像的另一困难。
如果通过图像处理使通过伏卧位的成像获得的MRI图像变形并且成功地产生通过仰卧位的成像获得的假想的MRI图像,那么从变形的MRI图像识别病变部的位置,因此,可以在不关注成像期间的身体位置的差异的情况下实现病变部的超声成像。例如,在解释通过伏卧位的成像获得的MRI图像并且获得图像上的病变部的位置之后,可基于关于从伏卧位到仰卧位的姿势变化的信息计算仰卧位的假想的MRI图像上的病变部的位置。作为替代方案,可以解释产生的仰卧位的假想的MRI图像,因此可直接确定该图像上的病变部的位置。
为了实现这一点,通过使用在NPL 1中公开的方法,伏卧位的MRI图像可被变形为具有与仰卧位的MRI图像相同的形状。在公开的方法中,首先,使用物理模拟从伏卧位的MRI图像产生仰卧位的假想的MRI图像。然后,基于像素值的类似性执行仰卧位的假想的MRI图像与通过仰卧位的成像获得的实际的MRI图像之间的变形对准(deformation registration)。基于在以上的处理中获得的对应关系,执行使伏卧位的MRI图像变形为具有与仰卧位的MRI图像相同的形状的处理。
NPL 2公开了用于通过下述方式来获得统计运动模型(SMM)的技术:事先使用物理模拟获得关于对象物体的变形的参数(以下,称为变形参数)的各种设置的变形形状组,并对于结果应用主成分分析。NPL 2还公开了用于通过下述方式来使在变形前后获取的形状相关联的技术:比较单独地获得的在变形后获取的形状数据与SMM的表面部分的形状并估计变形。
为了使用在NPL 1中描述的方法来正确地执行处理,必须事先获得对象物体的变形参数的正确的值。即,如果没有获得变形参数,那么难以应用在NPL 1中描述的方法。当变形参数未知时,可以设想尝试基于变形参数的变化的所有模式应用变形的方法。但是,变形的许多的尝试会需要大量的时间。
在NPL 2中描述的方法中,仅仅使用对象物体的轮廓形状估计变形,从而导致对诸如人乳房的表面的平滑曲线上的变形的模糊的估计。因此,变形的高精度估计会是不可行的。
引文列表
非专利文献
NPL 1 T.J.Carter,C.Tanner,W.R.Crum,and D.J.Hawkes,″Biomechanical model initialized non-rigid registration forimage-guided breast surgery,″9th Computational Biomechanics forMedicine,9th MICCAI Conference workshop
NPL 2Y.Hu,D.Morgan,H.U.Ahmed,D.Pendse,M.Sahu,C.Allen,M.Emberton,and D.Hawkes,″A Statistical Motion ModelBased on Biomechanical Simulations,″MICCAI 2008,Part I,LNCS5241,pp.737-744,2008
发明内容
本发明提供用于在对象物体的变形参数未知时实现对由变形条件的差异导致的变形的高精度和高速估计的机制。
本发明的一个方面提供一种用于执行用于使原图像的形状变形为近似对象图像的形状的处理的信息处理装置,该信息处理装置包括:被配置为通过使由原图像的变形导致的特征区域的移动与变形相关联来获得变形规则的获得单元;和被配置为使用关于对象图像的特征区域和原图像的对应区域的位置信息作为约束条件来根据变形规则使原图像变形的变形单元。
结合附图考虑以下的描述,本发明的其它特征和优点将十分明显,在这些附图中,类似的附图标记始终表示相同或类似的部分。
附图说明
被包含于说明书中并构成其一部分的附图示出本发明的实施例,并与本描述一起用于解释本发明的原理。
图1是示出根据第一实施例的信息处理装置的功能配置的示图。
图2是示出根据第一实施例的信息处理装置的设备配置的示图。
图3是示出根据第一实施例的信息处理装置的处理过程的流程图。
图4A~4D是示出根据第一实施例的对象物体和对象物体的形状的获取的示图。
图5是示出根据第一实施例的重力加速度的示图。
图6是示出根据第一实施例的网格模型(mesh model)的示图。
图7是示出根据第一实施例的步骤S209的处理过程的流程图。
图8是示出根据第二实施例的步骤S209的处理过程的流程图。
图9是示出根据第二实施例的步骤S3101的处理过程的流程图。
图10是示出根据第三实施例的步骤S209的处理过程的流程图。
图11是示出根据第三实施例的步骤S4101的处理过程的流程图。
图12是示出根据第三实施例的步骤S4103的处理过程的流程图。
具体实施方式
将根据附图详细描述根据本发明的示例性实施例的信息处理装置和方法。应当理解,本发明的范围不限于图中所示的例子。
第一实施例
图1示出根据本发明的第一实施例的信息处理装置1的功能配置。根据本实施例的信息处理装置1与用作图像捕获装置2的MRI装置和用作形状测量装置3的激光范围传感器连接。信息处理装置1获得通过用图像捕获装置2捕获第一变形条件下的对象物体的图像获得的第一三维图像数据(原图像数据)。信息处理装置1进一步获得通过用形状测量装置3测量第二变形条件下的对象物体获得的对象物体的表面形状作为对象图像的形状(以下,称为第二表面形状)。
基于获得的信息,产生并显示通过使第一三维图像变形而获得的变形图像,使得在第一三维图像中出现的对象物体的形状(以下,称为第一形状)基本上与第二变形条件下的对象物体的形状(以下,称为第二形状)匹配。
信息处理装置1包括以下的功能。
第一图像获得单元100获得通过用图像捕获装置2捕获第一变形条件下的对象物体产生的第一三维图像(原图像),并且将第一三维图像传送到第一形状获得单元101、第一特征点位置获得单元102和变形图像产生单元110。
第一形状获得单元101处理由第一图像获得单元100获得的第一三维图像以提取关于第一变形条件下的对象物体的形状(第一形状)的信息,并且产生描述第一形状的形状模型(以下,称为第一形状模型)。然后,产生的第一形状模型被传送到第一特征点位置获得单元102。
第一特征点位置获得单元102处理由第一图像获得单元100获得的第一三维图像,并且提取第一变形条件下的对象物体的预定特征区域。然后,第一特征点位置获得单元102执行用于将关于特征区域的位置(以下,称为第一特征区域的位置)的信息加入到第一形状模型中的处理。然后,包含关于特征区域的信息的第一形状模型被传送到变形形状组产生单元104、位移矢量计算单元109和变形图像产生单元110。
假想变形参数获得单元103使用以下描述的方法来获得以假想的方式设定可通过对象物体的变形参数取得的值的假想变形参数的np组,并且将假想变形参数的np组传送到变形形状组产生单元104。对象物体的变形参数的例子包括用于限定与对象物体的变形有关的特性的材料-机械物理量(诸如弹性模量)和关于施加在第一和第二变形条件下的对象物体上的外力的信息。
变形形状组产生单元104基于从假想变形参数获得单元103接收的多个假想变形参数中的每一个对第一形状模型执行物理模拟。因此,变形形状组产生单元104产生第一形状被变形的多个变形形状(以下,称为变形形状组),并且计算特征区域的位置的位移。然后,以上的信息被传送到变形形状模型产生单元105。
变形形状模型产生单元105基于变形的形状组产生变形形状模型,并且将变形形状模型传送到变形成分估计单元108,该变形形状模型可提供可由第二变形条件下的对象物体取得的各种变形形状和特征区域的位置位移的近似表示。
第二形状获得单元106从形状测量装置3获得第二变形条件下的对象物体的表面形状(第二表面形状)。在本实施例中,可从形状测量装置3供给包含表示在物体的表面上紧密布置的点组的位置的三维坐标的集合的范围数据作为对象物体的表面形状。
第二特征点位置获得单元107基于由第二形状获得单元106获得的第二表面形状(范围数据)提取对象物体的特征区域的位置(第二特征区域的位置),并且将第二特征区域的位置传送到变形成分估计单元108。
变形成分估计单元108使用变形形状模型基于由第二特征点位置获得单元107提取的第二特征区域的位置计算用于描述第二形状的变形成分估计值。计算的估计值然后被传送到位移矢量计算单元109。
位移矢量计算单元109基于变形成分估计值计算用于变形第一形状模型以使其与第二形状匹配的位移矢量,并且将位移矢量传送到变形图像产生单元110。
变形图像产生单元110基于第一形状模型和位移矢量产生第二三维图像(变形图像),并且将第二三维图像传送到图像显示单元111,在该第二三维图像中第一三维图像被变形为与第二形状匹配。
图像显示单元111显示第二三维图像。
图2是示出根据第一实施例的信息处理装置和与该信息处理装置连接的装置的配置的示图。信息处理装置1可通过例如个人计算机(PC)被实现,并且包括中央处理单元(CPU)10、主存储器11、磁盘12、显示存储器13、监视器14、鼠标15和键盘16。
CPU 10主要控制信息处理装置1的各元件的操作。主存储器11存储由CPU 10执行的控制程序,或者当CPU 10执行程序时提供工作区域。磁盘12存储包含操作系统(OS)、外设设备的设备驱动程序和用于执行以下描述的变形估计处理和其它适当的处理的程序的各种软件应用。显示存储器13暂时存储用于监视器14的显示数据。监视器14可以为例如阴极射线管(CRT)监视器或液晶显示监视器等,并且基于来自显示存储器13的数据显示图像。鼠标15和键盘16允许用户执行指向输入(pointing input)并输入文本等。以上的元件经由共用总线17相互连接,以相互通信。
信息处理装置1经由诸如Ethernet(注册商标)的局域网(LAN)与形状测量装置3连接,并且可从形状测量装置3获得对象物体的表面形状。信息处理装置1还经由诸如Ethernet(注册商标)的LAN与图像捕获装置2连接,并且可从图像捕获装置2获得图像数据。本发明的实施例不限于该配置,并且,信息处理装置1可经由诸如通用串行总线(USB)接口或电气和电子工程师协会(IEEE)1394接口的任何其它接口与形状测量装置3和图像捕获装置2连接。信息处理装置1还可被配置为从管理以上数据的数据服务器经由LAN等加载必要的数据。作为替代方案,信息处理装置1可与诸如软盘驱动器(FDD)、压缩盘可写(CD-RW)驱动器、磁光(MO)驱动器或Zip驱动器的存储设备连接,并且可从中加载必要的数据。
根据本实施例的信息处理装置1估计从第一变形条件下的对象物体的形状向第二变形条件下的对象物体的形状的变形,相应地使第一三维图像变形并显示变形的三维图像。即,在第一三维图像上执行变形处理,并且,产生并显示第二变形条件下的假想三维图像。
在本实施例中,作为例子,使用人乳房作为对象物体。在本实施例中,第一变形条件可以是病人的乳房沿重力的方向朝下(伏卧位)的状态。第二变形条件可以是病人的乳房沿重力的方向朝上(仰卧位)的状态。即,第一变形条件和第二变形条件下的乳房上的重力的方向不同。由于条件之间的差异,在第一形状和第二形状之间出现变形。根据本实施例的信息处理装置1使用第一变形条件和第二变形条件下的对象物体上的重力的不同的方向和对象物体的弹性模量(杨氏模量,泊松比)作为未知的变形参数来执行变形对准。
下面,参照图3所示的流程图详细描述由根据本实施例的信息处理装置1执行的处理。
作为例子,在图4A所示的捕获与不变形的胸壁面401连接的乳房400的图像的情形下描述各步骤的处理。应当注意,乳头402位于乳房400的顶部并与乳房400连接。在图4A中,为了便于图解,乳房400、胸壁面401和乳头402被示为二维平面物体。但是,在本实施例中,它们具有三维形状,并且,其断面在图4A中被示出。
在本实施例中,杨氏模量和泊松比可以是标量,并且分别由py和pp表示。并且,重力加速度的差异是乳房400上的重力加速度的三维矢量量pg,并且,矢量量pg的成分由pgx、pgy和pgz表示。即,本实施例中的乳房400的变形参数p由在数学式1中给出的五维矢量表示。
[数学式1]
p=(py pp pgx pgy pgz)T
这里,为了帮助理解以下的描述,将参照图5详细描述重力加速度pg的差异的含义。图5是示出由于重力加速度而导致在对象物体的任意局部区域上施加的力的矢量的矢量图。这里,为了便于图解,将使用二维矢量图给出描述。但是,在本实施例中,由于pg是三维矢量,因此,可对于三维应用扩展使用参照图5的描述。
在图5中,第一重力条件500表示施加在第一变形条件下的对象物体上的重力加速度的矢量。在图5中,在矢量图的原点上绘制第一重力条件500,并且,以下描述的非重力条件501和第二重力条件502被表示为相对于第一重力条件500的相对矢量。
非重力条件501表示在使用第一重力条件500作为基准时可由非重力状态下的重力加速度的矢量取得的值。这里,非重力条件501的重力加速度矢量的绝对值被唯一确定为地球上的重力加速度的大小。这里,绝对值由g表示。但是,矢量的方向不被确定。因此,可由图5中的非重力状态下的力的矢量取得的值可以是以第一重力条件500为中心、半径为g的圆周上的任何点。
第二重力条件502表示可由施加在第二变形条件的对象物体上的重力加速度矢量取得的值。如果使用非重力状态作为基准,那么施加在第二变形条件下的对象物体上的重力加速度矢量的绝对值也由g表示。但是,矢量的方向不被确定。因此,在使用非重力状态作为基准的矢量图的表示中,可取得以非重力状态为原点、具有半径g的圆上的任何矢量。另一方面,如果如图5所示的那样使用第一重力条件500作为基准,那么施加在第二变形条件下的对象物体上的重力加速度矢量可取得以非重力条件501的圆周上的任意点为中心、半径为g的圆周上的矢量。因此,在图5中,第二重力条件502可取得以第一重力条件500为中心、半径为2g的圆中的任何矢量。因此,本实施例中的关于外力的三维矢量量pg可取得具有2g或更小的绝对值的任意三维矢量量。
步骤S200
在步骤S200中,第一图像获得单元100获得在第一变形条件下由图像捕获装置2捕获的乳房400的MRI图像作为第一三维图像(原图像)。这里,图4B示出由第一图像获得单元100获得的第一三维图像的例子。可作为在捕获范围内的三维空间中定义的捕获图像的亮度的函数由数学式2描述第一三维图像(I1)403的信息。
[数学式2]
I1(x,y,z)
其中,x、y和z是指捕获范围内的三维空间中的位置坐标,并且,在使用图像捕获装置或捕获图像作为基准的正交坐标系(以下,称为MRI坐标系)中,分别表示从原点平移x mm、y mm和z mm的位置。
步骤S201
在步骤S201中,第一形状获得单元101处理在步骤S200中获得的第一图像403,以产生表示第一变形条件下的乳房400的形状的第一形状模型。将参照图4A~4D详细描述该处理。
首先,第一形状获得单元101对第一三维图像403(图4B)执行轮廓提取处理,以获得图4C所示的轮廓形状404。轮廓提取处理可以是用于确定作为第一三维图像403中的乳房400的内部和外部之间的边界的轮廓的处理。在该处理的特定的例子中,可以计算第一三维图像403的亮度值的空间梯度,并且,可使用诸如执行阈值处理的方法来确定轮廓形状404。作为替代方案,可基于第一三维图像403中的乳房400的内部与外部的亮度值的直方图或亮度值的图案(纹理)的差异来执行图像区域分割,并且可确定区域的边界作为轮廓形状404。可使用以上方法中的任何一种或它们的组合或使用任何其它方法来执行用于确定轮廓形状404的处理。
然后,第一形状获得单元101以适当的间隔将轮廓形状404分割成区段,并且布置图4D所示的轮廓节点组405。轮廓节点组405包含分别具有关于三维位置坐标的信息的轮廓节点。这里,假定轮廓节点组405由m1′个轮廓节点构成,并且,各轮廓节点的位置坐标由三维位置坐标矢量s1i(1≤i≤m1′)表示。
然后,第一形状获得单元101将轮廓节点组405中的与乳房400邻接胸壁面401的位置对应的节点组设定为固定节点组406。例如,可使用区域分割处理检测和识别胸壁面401的区域,并且,可以确定该区域附近的节点(到区域的距离在预定的阈值内的节点)当中的连续节点组作为固定节点组406。然后,记录必要的信息,使得可相互区分固定节点组406和其它的节点组(以下,称为表面节点组)。
然后,第一形状获得单元101使用关于在以上的处理中获得的轮廓节点组405的信息来产生第一形状模型。在本实施例中,使用以下描述的网格模型表示第一形状模型。将参照图6描述由第一形状获得单元101执行的网格模型产生处理。在图6中,轮廓节点组405和固定节点组406与参照图4D描述的那些相同。首先,第一形状获得单元101在被轮廓节点组405包围的区域中产生内部节点组700。在这种情况下,可以以这样的方式布置内部节点组700:例如,以相等的间隔将被轮廓节点组405包围的区域分割成多个部分。但是,在本发明的实施例中,可使用任何方法来布置内部节点组700。并且,第一形状获得单元101产生关于轮廓节点组405和固定节点组406的连接的信息。可使用诸如对于节点组应用Delaunay分割的方法来实现关于节点组的连接的信息的产生。表示在以上的处理中产生的关于轮廓节点组和内部节点组的连接的信息的数据以下被称为网格模型。并且,构成网格模型的节点中的每一个被赋予以上获得的关于该节点的位置信息的模型(即,被配置为表示第一变形条件下的乳房400的形状的网格模型)以下被称为第一形状模型。在以下的描述中,产生的内部节点组700中的各节点的位置坐标由三维位置坐标矢量s1i(m1′+1≤i≤m1)表示(m1表示网格模型的节点的总数)。然后,如在数学式3中给出的那样,构成第一形状模型的节点组的位置信息由垂直地布置包含轮廓节点组405和内部节点组700的所有节点的位置坐标的(3×m1)维矢量s1表示。
[数学式3]
在以上的处理中产生的第一形状模型可被传送到各单元并且可在随后的处理中被使用。
步骤S202
在步骤S202中,第一特征点位置获得单元102处理在步骤S200中获得的第一图像403,并且提取位于乳房400的表面上的预定特征区域。特征区域可位于例如乳头402的位置上。并且,当捕获第一图像403时,可以用MRI捕获的多个标记(在图4A~图4D中没有示出)可被附着于被检体的表面上,并且,可被用作特征区域。在以下的描述中,通过以上的处理获得的特征区域的数量由nf表示。并且,表示特征区域的位置的坐标值由v1j=(x1j,y1j,z1j)(1≤j≤nf)表示,并且,以下被称为第一特征区域的位置。
并且,在步骤S202中,第一特征点位置获得单元102执行用于将关于在以上的处理中获得的第一特征区域的位置的信息合并到第一形状模型中的处理。特别地,第一特征点位置获得单元102在第一特征区域中的每一个中搜索构成第一形状模型的表面节点组当中的位置最接近该特征区域的位置v1j的节点,并且将找到的节点设定为表示该特征区域的节点(以下,称为特征区域节点)。即,作为表示第j个特征区域的特征区域节点,记录该节点的标号nj(1≤j≤nf),并且,其位置s1nj被v1j替换。即,获得在数学式4中给出的关系。
[数学式4]
例如,当提取图4B所示的乳头402时,最接近乳头402的位置的节点被设定为乳头节点407(图4D)。然后,关于乳头节点407的位置信息被在步骤S202中提取的乳头402的位置替换。在本实施例中,作为例子,提取三个或更多个特征区域。即,将描述nf≥3的情况。
步骤S203
在步骤S203中,假想变形参数获得单元103获得作为可由变形参数取得的值的假想组合的多个假想变形参数。在本实施例中,作为例子,获得np个假想变形参数pk(1≤k≤np)。
通过以适当的间隔分割可由变形参数的各成分值取得的范围并且获得所有的组合,产生假想变形参数pk。在这种情况下,可根据各成分对对象物体的变形的影响的水平来改变分割的水平。例如,在假想变形参数pk中,对于py和pp可取得的范围可分别为1000<py<4000[kPa]和0<pp<0.5,并且,pgx、pgy和pgz的范围可以为满足pgx 2+pgy 2+pgz 2≤(2g)2的范围。然后,例如,py的范围由于对于变形的影响较大而可以以30[kPa]的步幅被分成十个区段,并且,pp的范围由于对于变形的影响较小而可以以0.1的步幅被分成五个区段。并且,对于pgx、pgy和pgz中的每一个,设定通过分割-2g~+2g的范围获得的组合中的满足以上的范围的组合。
步骤S204
在步骤S204中,变形形状组产生单元104基于在步骤S203中获得的多个假定变形参数(假想变形参数)中的每一个执行用于产生第一形状模型被变形的变形形状组的处理。可通过使用例如基于有限元方法的物理模拟来实现由变形形状组产生单元104执行的处理。
首先,假定假想变形参数pk(1≤k≤np)中的每一个,并且,对第一形状模型执行基于有限元方法的物理模拟,以计算构成网格模型的节点中的每一个的位移矢量dki(1≤k≤np,1≤i≤m1)。然后,执行在数学式5中给出的计算,以对于第一形状模型的节点的位置s1i(1≤i≤m1)执行基于位移矢量dki(1≤k≤np,1≤i≤m1)的位移。因此,计算位移之后的各节点的位置sdki(1≤k≤np,1≤i≤m1)。
[数学式5]
sdki=s1i+dki
如在步骤S202的处理中描述的那样,构成网格模型的节点包含表示特征区域的特征区域节点。因此,通过以上的处理,还估计在假定假想变形参数pk(1≤k≤np)中的每一个时的位移之后的各特征区域的位置vdkj(=sdknj)。
最后,对于各假想变形参数pk(1≤k≤np)产生垂直地布置所有的节点的位置坐标sdki(1≤i≤m1)的(3×m1)维矢量sdk。然后,由矢量sdk表示在假定假想变形参数pk时通过变形第一形状获得的形状(即,变形形状)。
变形形状组产生单元104执行上述的步骤S204的处理,以产生变形形状组sdk(1≤k≤np)。虽然本实施例已经在使用基于有限元方法的物理模拟产生关于变形形状的信息的实施例的情形下被描述了,但是,本发明的实施例不限于该实施例。可使用基于例如差分方法或有限差分方法等的物理模拟来计算对象物体的变形形状。作为替代方案,通过使用诸如特解方法(MPS)的无网格方法,可以在不使用网格模型的情况下计算变形形状。如果可计算基于假想变形参数中的每一个的变形形状,那么可使用除以上描述的方法以外的任何方法来执行步骤S204的处理。
步骤S205
在步骤S205中,变形形状模型产生单元105基于在步骤S204中确定的关于多个变形形状的信息sdk(1≤k≤np)来产生提供对象物体的变形的近似表示的变形形状模型。
可使用各种方法(例如,使用在NPL 2中公开的统计运动模型(SMM))来产生变形形状模型。在该方法中,通过对变形形状组sdk(1≤k≤np)应用主成分分析来提取多个本征变形成分,并且,可通过使用本征变形成分的线性和来提供对象物体的变形的近似表示。将描述该方法的特定处理。
首先,使用数学式6从在步骤S204中确定的关于多个变形形状的信息sdk(1≤k≤np)计算平均形状sd_ave。
[数学式6]
然后,通过从sdk(1≤k≤np)减去平均形状sd_ave计算归一化变形形状组sdk′(1≤k≤np)。然后,确定sdk′(1≤k≤np)的方差-协方差矩阵,并且,执行矩阵的本征值分解以获得本征值λi(1≤i≤ne)和本征矢量ei(1≤i≤ne),其中,ne表示要计算的本征矢量的数量,并且被选择为使得本征值的累积贡献率超过某一阈值。在必要的时候,本征矢量ei以下被称为本征变形成分。
如在数学式7中给出的那样,可通过对在以上的处理中获得的sd_ave和ei进行线性组合来提供各变形形状sdk(1≤k≤np)的近似表示。
[数学式7]
其中,cki(1≤i≤ne)表示用于表示第k个变形形状sdk的线性组合系数。
通过以上的处理获得的平均形状sd_ave和本征变形成分ei(1≤i≤ne)被称为乳房400的变形形状模型。变形形状模型可被用于通过使用sd_ave和ei的线性组合表示第二变形条件下的乳房400的形状s2。可通过调整在下式中给出的系数ci(1≤i≤ne)的值来描述由第二变形条件下的乳房400可取得的任意的形状sd。
[数学式8]
如在步骤S202的处理中描述的那样,构成网格模型的节点包含表示特征区域的特征区域节点。因此,通过以上的线性组合,还表示由第二变形条件下的乳房400上的特征区域可取得的位置vdj(=sdnj)。构成形状sd的节点中的每一个的位置坐标以下由sdi(1≤i≤m1)表示,并且,在必要的时候,各特征区域节点的位置坐标由vdj(1≤j≤nf)表示。
并且,通过改变构成相应的网格模型的节点的位置信息来表示原图像的变形。因此,特征区域的位置的移动也被描述为与变形相关的变形规则。
步骤S207
在步骤S207中,第二形状获得单元106执行用于从形状测量装置3获得表示第二变形条件下的乳房400的表面形状(第二表面形状)的范围数据的处理。范围数据由通过形状测量装置3限定的坐标系(以下,称为范围传感器坐标系)上的表示紧密地布置于物体表面上的点组的位置的三维坐标的集合构成。
步骤S208
在步骤S208中,第二特征点位置获得单元107对于在步骤S202中获得第一特征区域的位置的乳房400的预定特征区域执行用于获得第二变形条件下的各特征区域的位置(第二特征区域的位置)的处理。通过例如从在步骤S207中获得的第二表面形状提取诸如肿瘤的具有特征形状的部位执行该处理。表示第二特征区域的位置的坐标值以下由v2j=(x2j,y2j,z2j)(其中,1≤j≤nf)表示。
步骤S209
在步骤S209中,变形成分估计单元108估计允许基于变形形状模型的形状表示(即,数学式8中的sd)最适合表示乳房400的第二形状s2的线性组合系数的集合ci(1≤i≤ne)。即,估计线性组合系数的集合允许估计乳房400的第二形状s2。在步骤S209中确定的线性组合系数的集合由ne维矢量cest表示,并且以下被称为变形成分估计值。
具体地,在这样的约束条件下执行估计值cest的优化:由在步骤S205中产生的变形形状模型描述的特征区域节点的位置基本上与在步骤S208中获得的第二特征区域的位置匹配。现在将根据图7所示的流程图详细描述变形成分估计单元108的特定处理。在以下的处理中,在值cest的估计的同时执行描述变形形状模型的MRI坐标系与描述第二特征区域的位置的范围传感器坐标系之间的坐标系转换的估计。这里使用的术语“坐标系转换”是指由表示旋转的3×3矩阵R和表示平移的三维矢量t表示的刚体变换。
步骤S1100
在步骤S1100中,变形成分估计单元108初始化变形成分估计值cest以及刚体变换参数的估计值R和t。在该初始化中,例如,值cest和t可被设定为零矢量,并且,R可被用作单位矩阵。
步骤S1101
在步骤S1101中,变形成分估计单元108通过基于当前变形成分估计值cest执行数学式9的计算产生估计变形形状sd_est。
[数学式9]
其中,ci_est表示值cest的第i个成分。然后,获得第j个特征区域节点的估计坐标值vdj_est(1≤j≤nf)作为由估计变形形状sd_est表示的第nj个节点的坐标,即,包含sd_est的第{3(nj-1)+1}个元素、第{3(nj-1)+2}个元素和第{3(nj-1)+3}个元素的矢量,其中,nj表示在步骤S202的处理中被赋予第j个特征区域节点的节点的标号。
步骤S1102
在步骤S1102中,变形成分估计单元108估计允许在步骤S1101中获得的特征区域节点的估计坐标值vdj_est(1≤j≤nf)与通过执行在步骤S208中获得的第二特征区域的位置v2j(1≤j≤nf)的刚体变换获得的位置最匹配的刚体变换参数。即,使用用于确定相应的点之间的距离的平均值的数学式10作为评价函数来计算使评价值d最小化的R和t。
[数学式10]
用于使用多个相应的点确定坐标系转换的方法是公知的,并且,这里不被详细描述。
步骤S1103
在步骤S1103中,变形成分估计单元108基于在步骤S1102中获得的刚体变换参数的估计值R和t使用在数学式11中给出的计算来计算通过执行第二特征区域的位置v2j(1≤j≤nf)的刚体变换获得的位置v2j_rigid(1≤j≤nf)。
[数学式11]
v2j_rigid=Rv2j+t
步骤S1104
在步骤S1104中,变形成分估计单元108更新变形成分估计值cest,以减小在步骤S1103中获得的刚体变换之后的第二特征区域的位置v2j_rigid与相应的特征区域节点的估计坐标值vdj_est之间的距离的平均值(即,数学式10中的评价值d)。
即,根据使用第一特征区域的位置和第二特征区域的位置作为约束条件的变形规则,使原图像变形。
可通过解决普遍知道的非线性优化问题来执行用于确定使值d最小化的值cest的处理,并且可具体地使用例如贪婪方法来执行该处理。在这种情况下,产生细微地增加或减小具有当前值cest的元素的新系数,并且,使用该系数(使用数学式9)来产生变形形状。然后,对于变形形状计算数学式10中的评价值d。如果得到的值比基于原值cest的评价值d小,那么值cest的元素的值被更新。对于值cest的各元素独立地执行该处理,由此允许值cest被更新,使得相应的点之间的距离减小。并且,可重复地执行以上的处理以确定更优化的值cest。除了以上的优化方法以外,可以使用普遍知道的非线性优化算法中的任何一种。例如,可以使用最速下降方法(steepest descent method)或Newton方法等。
使用以上的方法更新值cest,并且,基于更新的值cest执行随后的处理。
步骤S1105
在步骤S1105中,变形成分估计单元108基于在步骤S1102中更新的刚体变换参数R和t以及在步骤S1104中更新的变形成分估计值cest来计算数学式10中的评价值d。然后,基于评价值d切换随后执行的处理。例如,如果评价值d小于或等于预定的阈值,那么该处理(即,步骤S209的处理)结束。否则,处理返回到步骤S1101,并且,用于更新变形成分估计值cest的处理继续。即,在步骤S1105的终止确定中获得否定结果时,重复地执行步骤S1101~S1105的处理。
通过上述的步骤S209的处理,变形成分估计单元108执行用于计算变形成分估计值cest的处理。
步骤S210
在步骤S210中,位移矢量计算单元109基于在步骤S209中计算的值cest执行数学式9的计算,并且,获得乳房400的第二形状的估计值s2_est。然后,使用数学式12计算用于使第一形状模型的各节点变形为与第二形状匹配的位移矢量di(1≤i≤m1)。
[数学式12]
di=s2i-s1i其中,sli表示第一形状模型中的第i个节点的三维位置坐标矢量,s2i表示与值s2_est的第{3(i-1)+1}个元素、第{3(i-1)+2}个元素和第{3(i-1)+3}个元素对应的由第二形状的估计值s2_est表示的第i个节点的三维位置坐标矢量。
步骤S211
在步骤S211中,变形图像产生单元110使在步骤S200中获得的第一三维图像变形,以产生第二三维图像(变形图像),使得乳房400的变形形状与第二形状类似。基于在步骤S201中产生的第一形状模型和在步骤S210中计算的各节点的位移矢量di(1≤i≤m1),用已知的图像变形技术执行该变形。
步骤S212
在步骤S212中,图像显示单元111在监视器14等上显示在步骤S211中产生的第二三维图像。
这里,获得单元包含第一形状获得单元101、第二形状获得单元106、第一特征点位置获得单元102、第二特征点位置获得单元107和变形形状模型产生单元105。变形单元包含变形成分估计单元108。
如上所述,根据本实施例的信息处理装置1可产生并显示变形图像,该变形图像是在对象物体的变形参数未知时被变形为与第二变形条件下的对象物体的形状基本上匹配。
变型例1-1
在本实施例中,基于在步骤S210中获得的第二形状的估计值s2_est,在步骤S211中产生变形图像。但是,本发明的实施例不限于该配置。例如,如果在第一三维图像数据中获得乳房400内的关注区域的位置v1(例如,肿瘤的位置),那么本发明可被用于估计第二变形条件下的关注区域的位置v2。例如,可以确定第一形状模型中的包围关注区域的位置v1的节点组,并且,从第二形状的估计值s2_est获得位移之后的节点组的坐标。然后,可通过使用坐标的加权平均获得值v2。
变型例1-2
在本实施例中,作为例子,已经在基于SMM的方法的情形下描述了由变形形状模型产生单元105执行的步骤S205的处理。但是,本发明的实施例不限于本例子。例如,归一化变形形状组sdk′可被直接用作ei,并且,可以执行随后的处理。该方法允许使用更简单的处理产生变形形状模型。此外,步骤S205的处理不限于该方法,并且,如果可基于在步骤S204中确定的关于多个变形形状的信息sdk(1≤k≤np)来产生提供对象物体的变形的近似表示的变形形状模型,则可以使用任何处理。
变型例1-3
在本实施例中,作为例子,已经在对象物体的表面上的特征区域的情形下描述了对象物体的特征区域;但是,特征区域可位于对象物体内。在这种情况下,形状测量装置3可以是能够获得第二特征区域的位置的任何装置,并且可通过例如包括具有磁传感器等(未示出)的超声探针的超声成像装置等被实现。
在这种情况下,在步骤S202的处理中,第一特征点位置获得单元102除了执行在前述的实施例中描述的处理以外还执行用于提取物体内的特征区域的处理。例如,可以提取具有第一三维图像403的亮度值比周围区域高的特征的区域,并且,可以将该区域的位置设定为第一特征区域的位置。可从内部节点组700选择与物体内的特征区域对应的特征区域节点。
同时,在步骤S207的处理中,第二形状获得单元106获得在操作员使超声探针与物体表面上的特征区域接触时的探针的尖端的位置作为物体表面上的特征区域的“第二特征区域的位置”。第二形状获得单元106进一步获得通过操作员操作与被检体接触的超声探针捕获的超声图像组作为用于获得物体内的特征区域的“第二特征区域的位置”的信息,并且获得当捕获各超声图像时获得的探针位置。
在步骤S208的处理中,第二特征点位置获得单元107进一步从在步骤S207中获得的超声图像组提取与在步骤S202中获得的物体内的特征区域对应的区域。然后,使用超声图像的相应的点的坐标和当捕获超声图像时获得的探针位置,计算由形状测量装置3用作基准的坐标系中的特征区域的三维位置,并且,将该位置设定为物体内的特征区域的“第二特征区域的位置”。
并且,图像捕获装置2可被用作形状测量装置3。在这种情况下,由图像捕获装置2捕获第二变形条件下的对象物体的图像,以获得三维图像数据(第二三维图像数据)。然后,第二形状获得单元106从图像捕获装置2获得第二三维图像数据。并且,第二特征点位置获得单元107使用与第一特征点位置获得单元102的处理类似的处理来获得第二特征区域的位置。应当理解,可使用诸如MRI装置或X射线CT装置的与图像捕获装置2不同的另一三维图像捕获装置来实现形状测量装置3。
根据以上的方法,可从更宽的区域获得特征区域。因此,可望能够获得更大数量的特征区域。因此,可有利地实现变形的高精度估计。
变型例1-4
在本实施例中,使用由形状测量装置3测量的被检体的范围数据来获得第二特征区域的位置。但是,如果可获得第二特征区域的位置,那么本发明的实施例不限于该方法。例如,能够使用磁位置传感器等测量尖端的位置的笔状指向设备(触笔)可与诸如乳头或标记的特征区域接触,并且,可直接测量接触点的位置作为第二特征区域的位置。在这种情况下,第二形状获得单元106在步骤S207中获得由形状测量装置3测量的第二特征区域的位置,并且将第二特征区域的位置传送到变形成分估计单元108。在这种情况下,第二特征点位置获得单元107的功能不是必要的,并且,不执行步骤S208的处理。
并且,在本实施例中,作为例子,已经在通过处理第一三维图像确定第一特征区域的位置的情形下描述了由第一特征点位置获得单元102执行的步骤S202的处理。但是,本发明的实施例不限于该例子。例如,可根据使用鼠标15或键盘16等的用户操作获得第一特征区域的位置。因此,可省略用于从第一三维图像提取特征区域的处理,从而有利地导致本发明的更有效的实现。在这种情况下,第一特征点位置获得单元102通过在监视器14等上显示第一三维图像向用户呈现第一三维图像,使得用户可在观察图像的同时设定关于该图像上的特征区域的信息。
并且,第二特征点位置获得单元107还可根据使用鼠标15或键盘16等的用户操作获得第二特征区域的位置,并且,可望获得与上述的优点类似的优点。
变型例1-5
在本实施例中的步骤S202和S208中,作为例子,提取三个或更多个特征区域。但是,本发明的实施例不限于该例子。例如,如果由图像捕获装置2和形状测量装置3用作基准的坐标系(即,MRI坐标系和范围传感器坐标系)匹配,那么可在步骤S202和S208中提取两个特征区域。在这种情况下,步骤S1102和S1103的处理可被省略,并且,可在步骤S1101的处理之后执行步骤S1104的处理。在这种情况下,刚体变换参数R和t被保持为在步骤S1100中初始化的值。并且,即使当由图像捕获装置2和形状测量装置3用作基准的坐标系不匹配,如果所述坐标系之间的关系是已知的,也可执行与上述的处理类似的处理。在这种情况下,在步骤S1100中,可基于所述坐标系之间的已知的关系对刚体变换参数R和t进行初始化,并且,可使用参数执行随后的处理。
以上的方法可使得能够以更少数量的特征区域实现本发明,并且,可有利地以简单的方式执行特征区域提取处理。并且,由于刚体变换参数被设定为已知的值,因此,估计所需要的处理可被省略,并且可有利地简化处理。
并且,即使当在步骤S202和S208中获得三个或更多个特征区域时,如果由图像捕获装置2和形状测量装置3用作基准的坐标系匹配或其间的关系已知,那么也可以执行与上述的处理类似的处理。在该方法中,刚体变换参数被设定为已知的值,由此允许省略估计所需要的处理。因此,可以有利地简化处理。
变型例1-6
可使用除上述的方法以外的方法来执行步骤S1105的处理。例如,可通过比较在步骤S1101~S1105的迭代计算前后获得的评价值d的大小来确定误差减小量,并且,可执行基于该结果的确定。例如,如果减小量小于预设定的阈值,那么处理会结束,否则,处理会返回到步骤S1101。在该方法中,有利地,在诸如不期望通过迭代处理减少误差的情况下,可终止处理。并且,执行步骤S1101~S1105的迭代计算的次数可被计数,并且,该迭代处理可能不被执行预定的次数或更多的次数。在该方法中,有利地,可事先估计该处理所需要的计算时间的上限。可以使用上述的多种方法的组合来执行确定,或者,可由用户使用鼠标15、键盘16或任何其它适当的设备来指定组合。
变型例1-7
步骤S203的处理中的关于假想变形参数的范围、分割数等仅是特定的实施例的例子,并且,本发明的实施例不限于这些例子。并且,可使用能够获得随后的处理所需要的假想变形参数pk的任何方法来执行步骤S203的处理。例如,用户可通过包含鼠标15和键盘16的用户接口输入值pk,并且,假想变形参数获得单元103可获得输入值。作为替代方案,用户可输入各参数的范围或分割的微细程度等,并且,假想变形参数获得单元103可根据指示自动产生值pk。另外,可事先在磁盘12等上记录关于值pk的信息,并且,假想变形参数获得单元103可获得记录的信息。
变型例1-8
在本实施例中,作为例子,使用MRI装置作为图像捕获装置2。但是,本发明的实施例不限于该例子。例如,可以使用X射线CT装置、超声诊断成像装置、核医学装置或其它任何合适的装置。
第二实施例
已经在使用相应的特征区域的位置为指标来估计从第一形状到第二形状的变形的情形下描述了第一实施例。相反,将在使用除特征区域以外的信息更精确地估计变形的情形下描述第二实施例。本实施例被配置为改变第一实施例中的第二形状获得单元106和变形成分估计单元108的处理的一部分。其它功能与第一实施例的那些类似,并且这里将不对它们进行描述。
根据本实施例的信息处理装置的功能配置与图1所示的根据第一实施例的信息处理装置1的功能配置类似。但是,与第一实施例不同,进一步执行用于将关于由第二形状获得单元106获得的表面形状的信息传送到变形成分估计单元108的处理。并且,除了由第二特征点位置获得单元107提取的第二特征区域的位置以外,变形成分估计单元108还执行用于基于由第二形状获得单元106获得的第二表面形状计算变形成分估计值的处理。
根据本实施例的信息处理装置的总体处理流程与参照图3描述的根据第一实施例的处理流程类似,并且在这里将不对其进行描述。但是,在本实施例中,可根据在步骤S200中获得的第一三维图像和在步骤S207中获得的范围数据的状态来改变在步骤S202和步骤S208中获得位置的特征区域的数量(即,nf)。另外,由变形成分估计单元108执行的步骤S209的处理与第一实施例中的处理不同,并且,以下将对其进行详细描述。
图8是更详细地示出根据本实施例的变形成分估计单元108在步骤S209中执行的处理流程的示图。
步骤S3100
在步骤S3100中,如果特征区域的数量nf大于等于3,那么变形成分估计单元108使处理前进到步骤S3101。如果特征区域的数量nf不大于等于3,那么处理被切换以前进到步骤S3102。
步骤S3101
在步骤S3101中,变形成分估计单元108执行图9的流程图所示的处理,作为当特征区域的数量nf大于等于3时执行的处理。
步骤S2100~S2102
步骤S2100~S2102的处理与第一实施例中的步骤S1100~S1102的处理类似,并且在这里将不对其进行描述。
步骤S2103
在步骤S2103中,变形成分估计单元108基于在步骤S2102中获得的刚体变换参数的估计值R和t来执行与第一实施例中的步骤S1103的处理类似的处理,以计算刚体变换之后的第二特征区域的位置。变形成分估计单元108进一步对表示在步骤S207中获得的第二表面形状的各点的坐标执行使用下式的刚体变换,并且,计算MRI坐标系中的各点的坐标s2j_rigid(1≤j≤m2)。
[式13]
s2j_rigid=Rs2j+t其中,s2j(1≤j≤m2)表示代表在步骤S207中获得的第二表面形状的各点的坐标(即,范围传感器坐标系中的坐标),并且,m2表示点的总数。
步骤S2104
在步骤S2104中,变形成分估计单元108执行用于使从在步骤S2103的计算中获得的点组s2j_rigid(1≤j≤m2)当中的最接近构成估计变形形状sd_est的表面节点中的每一个的点相关联的处理。但是,特征区域节点中的每一个与刚体变换之后的第二特征区域的位置(即,数学式11中的v2j_rigid)相关联。
步骤S2105
在步骤S2105中,变形成分估计单元108执行用于更新变形成分估计值cest以减小在步骤S2104中相关联的点之间的误差评价值d的处理。在这种情况下,例如,可使用相关联的点之间的平均欧几里得距离值来实现误差评价值d。并且,特征区域节点与相应的点之间的距离、以及其它表面节点与相应的点之间的距离可被赋予不同的权重,并且,可以使用其加权平均作为误差评价值d。即,可以使用用于增加在与相应的点不匹配的特征区域节点上施加的处罚的评价尺度(rating scale)。作为替代方案,可通过考虑例如各形状的轮廓表面的法线方向来计算误差评价值d。可通过与第一实施例中的步骤S1104的处理类似地解决普遍知道的非线性优化问题来执行用于更新值cest的处理,并且,这里将不详细描述该处理。
步骤S2106
步骤S2106的处理与第一实施例中的步骤S1105的处理类似,并且,这里将不被描述。
如上所述,执行步骤S3101的处理。
步骤S3102
在步骤S3102中,如果特征区域的数量nf大于2,那么变形成分估计单元108使处理前进到步骤S3103。否则(如果特征区域的数量nf为1),那么处理被切换以前进到步骤S3104。
步骤S3103
在步骤S3103中,变形成分估计单元108执行当特征区域的数量nf为2时执行的处理。具体地,在如下改变步骤S2102的处理之后执行图9的流程图所示的处理。
首先,计算允许在第一特征区域的位置和第二特征区域的位置上连接两个特征区域的线匹配并允许这两个特征区域的中点位置匹配的假想刚体变换。但是,绕作为轴的连接这两个特征区域的线的旋转成分仍是模糊的。确定的假想刚体变换以下被称为三行三列旋转矩阵R′和三维平移矢量t′。
然后,进一步使用R′和t′作为初始值来校正旋转矩阵R和平移矢量t。可使用例如公知的迭代最近点(Iterative Closest Point,ICP)方法来执行该校正。例如,基于当前刚体变换参数执行与步骤S2103和S2104的处理类似的处理,并且,在刚体变换之后获得的点组s2j_rigid(1≤j≤m2)当中确定构成估计变形形状sd_est的表面节点的相应的点。然后,执行对绕作为轴的连接特征区域的线的旋转成分的优化,使得可尽可能多地减小相应的点之间的误差评价值d。
步骤S3104
在步骤S3104中,变形成分估计单元108执行当特征区域的数量nf为1时执行的处理。具体地,在如下改变步骤S2102的处理之后,执行图9的流程图所示的处理。
首先,仅确定平移矢量t′,使得第一特征区域的位置与第二特征区域的位置相互匹配,并且,将单位矩阵设定为旋转矩阵R′。然后,进一步使用R′和t′为初始值来校正旋转矩阵R和平移矢量t。可使用例如迭代最近点(ICP)方法来执行该校正。例如,基于当前刚体变换参数执行与步骤S2103和S2104的处理类似的处理,并且,在刚体变换之后获得的点组s2j_rigid(1≤j≤m2)当中确定构成估计变形形状sd_est的表面节点的相应的点。然后,通过确定其原点为使相应的点之间的误差评价值d最小化的特征区域的位置的旋转,执行R和t的优化。
根据上述的本发明的第二实施例,不仅基于特征区域的位置而且基于关于物体的表面形状的信息执行处理。因此,除了第一实施例的优点以外,可以有利地实现变形的更高精度的估计。另外,有利地,可通过根据获得的特征区域的数量切换处理来执行适于特征区域的数量的处理。
变型例2-1
在本实施例中,作为例子,已经在根据获得的特征区域的数量切换处理的情形时描述了由变形成分估计单元108执行的步骤S209的处理。但是,本发明的实施例不限于该例子。例如,如果要获得的特征区域的数量事先是已知的,那么步骤S209的处理可被图8所示的步骤S3101、S3103或S3104的处理替换。在该方法中,可有利地通过仅具有用于执行适于预定数量的特征区域的处理的功能的简单的配置来实现本发明。
第三实施例
在第一和第二实施例中,作为例子,仅使用根据变形条件改变其位置的区域作为特征区域。相反,在本发明的第三实施例中,也可使用不根据变形条件改变其位置的一个或更多个固定区域(以下,称为“固定特征区域”)作为附加的特征区域。这使得能够约束刚体变换成分,并且有利地允许更高可靠性的变形估计。
根据本实施例的信息处理装置的功能配置和总体处理流程与第二实施例的那些类似。
在本实施例中,形状测量装置3可通过例如包括具有磁传感器等(未示出)的超声探针的超声成像装置等被实现,并且可被配置为通过测量超声探针和对象物体(乳房)接触的位置来测量对象物体的形状。并且,可捕获胸壁面401等的图像作为超声图像,并且,可以测量形状。
步骤S200~S201
步骤S200和S201的处理与第一实施例的处理类似,并且这里将不被描述。
步骤S202
在步骤S202中,第一特征点位置获得单元102除了执行第一实施例的处理以外还执行用于从第一三维图像403提取对象物体的固定特征区域的处理。这里使用的术语“固定特征区域”指的是例如胸壁面401、胸骨、肋骨或锁骨等(未示出)中的特征部位,并且,可与例如剑状突起部处理等对应。固定特征区域的位置不根据第一变形条件与第二变形条件之间的差异改变。
并且,第一特征点位置获得单元102将固定特征区域和关于固定特征区域的位置信息(以下,称为第一固定特征区域的位置)作为固定节点添加到第一形状模型。这里,ng表示在以上的处理中获得的固定特征区域的数量。在本实施例中,作为例子,提取一个或更多个固定特征区域。即,描述ng≥1的情况。
步骤S203和S205
步骤S203和S205的处理与第一实施例的处理类似,并且在这里将不被描述。
步骤S207
在步骤S207中,第二形状获得单元106获得在操作员使超声探针与物体表面上的特征区域接触时的探针的尖端的位置,作为物体表面上的特征区域的“第二特征区域的位置”。第二形状获得单元106还获得通过操作员操作与被检体接触的超声探针获得的超声图像组和在捕获各图像时获得的探针位置,作为用于获得第二变形条件下的固定特征区域的位置(以下,称为第二固定特征区域的位置)的信息。并且,获得在此时获得的探针尖端位置的集合作为第二变形条件下的乳房400的表面形状(第二表面形状)。
步骤S208
在步骤S208中,第二特征点位置获得单元107执行用于获得第二固定特征区域的位置的处理。具体地,对于在步骤S207中获得的超声图像组执行图像处理,以提取与在步骤S202中获得的固定特征区域对应的区域。然后,由形状测量装置3用作基准的坐标系(以下,称为传感器坐标系)中的固定特征区域的三维坐标是使用超声图像上的相应的区域的坐标和当捕获超声图像时获得的探针位置来计算的,并且被设定为第二固定特征区域的位置。
步骤S209
在步骤S209中,变形成分估计单元108执行图10的流程图所示的处理,以确定变形成分估计值cest。根据固定特征区域的数量为三个或更多个、两个或一个的情况以不同的方式执行该处理。现在将详细描述步骤S4100~S4104的处理。
步骤S4100
在步骤S4100中,变形成分估计单元108执行用于根据固定特征区域的数量ng切换随后的处理的处理。这里,处理被切换,使得如果固定特征区域的数量ng大于等于3,则处理前进到步骤S4101,否则,则处理前进到步骤S4102。
步骤S4101
在步骤S4101中,变形成分估计单元108执行当固定特征区域的数量ng大于等于3时执行的变形成分估计处理。图11是详细示出该处理的流程的示图。现在将详细描述图11所示的处理。
步骤S5100
在步骤S5100中,变形成分估计单元108执行用于基于第一固定特征区域的位置和第二固定特征区域的位置确定MRI坐标系与传感器坐标系之间的刚体变换参数R和t的处理。用于使用多个对应点确定坐标系转换的方法是公知的,并且,在这里将不被描述。
步骤S5101
在步骤S5101中,变形成分估计单元108基于在步骤S5100中获得的值R和t执行与第二实施例中的步骤S2103的处理类似的处理。作为结果,计算刚体变换之后的第二特征区域的位置和MRI坐标系中的表示第二表面形状的各点的坐标。
步骤S5102
在步骤S5102中,变形成分估计单元108对变形成分估计值cest进行初始化。通过例如对于值cest取零矢量来执行该初始化。
步骤S5103
在步骤S5103中,变形成分估计单元108执行与第二实施例中的步骤S2101的处理类似的处理,从而产生估计变形形状sd_est,以获得各表面节点的估计坐标值。
步骤S5104
在步骤S5104中,变形成分估计单元108执行与第二实施例中的步骤S2104的处理类似的处理,以获得构成估计变形形状sd_est的表面节点中的每一个的对应点。
步骤S5105
在步骤S5105中,变形成分估计单元108执行与第二实施例中的步骤S2105的处理类似的处理,以更新变形成分估计值cest。
步骤S5106
在步骤S5106中,变形成分估计单元108执行与第二实施例中的步骤S2106的处理类似的终止确定。然后,如果在步骤S5106的终止确定中获得否定的结果,那么处理返回到步骤S5103,并且,用于更新变形成分估计值cest的处理继续。即,步骤S5103~S5106的处理被重复地执行,直到在步骤S5106的终止确定中获得肯定的结果。
通过以上的处理,变形成分估计单元108执行步骤S4101的处理。
步骤S4102
在步骤S4102中,变形成分估计单元108切换处理,从而,如果固定特征区域的数量ng为2,则前进到步骤S4103,否则(如果固定特征区域的数量ng为1),则前进到步骤S4104。
步骤S4103
在步骤S4103中,变形成分估计单元108执行当固定特征区域的数量ng为2时执行的变形成分估计处理。图12是详细示出该处理的流程的示图。将详细描述图12所示的处理。
步骤S6100
在步骤S6100中,变形成分估计单元108执行用于基于第一固定特征区域的位置和第二固定特征区域的位置试验性地设定用于使得固定特征区域的位置匹配的刚体变换参数R和t的处理。该处理是当固定特征区域的数量为2时执行的处理,并且,绕作为轴的连接这两个特征区域的线的旋转成分仍是模糊的。这里,成分被设定为试验性的值,并且,执行随后步骤之后的处理以确定最终的刚体变换参数。
步骤S6101~S6102
在步骤S6101和S6102中,变形成分估计单元108执行与步骤S5102和S5103的处理类似的处理。
步骤S6103
在步骤S6103中,变形成分估计单元108针对值R和t校正除固定特征区域以外的特征区域中的每一个,使得在步骤S6102中获得的特征区域节点的估计坐标值和相应的第二特征区域的位置最匹配。但是,假定仅对绕作为轴的连接第一固定特征区域的位置和第二固定特征区域的位置的线的旋转成分执行该校正。
步骤S6104
在步骤S6104中,变形成分估计单元108执行与步骤S5101的处理类似的处理,并且,基于在步骤S6103中获得的值R和t计算第二特征区域的位置和刚体变换之后的表示第二表面形状的各点的坐标。
步骤S6105~S6107
在步骤S6105~S6107中,变形成分估计单元108执行与步骤S5104~S5106的处理类似的处理。然后,如果在步骤S6107的终止确定中获得否定结果,那么处理返回到步骤S6102,并且,用于更新变形成分估计值cest的处理继续。即,在步骤S6107的终止确定中获得肯定结果之前,迭代地执行步骤S6102~S6107的处理。
通过上述的处理,变形成分估计单元108执行步骤S4103的处理。
步骤S4104
在步骤S4104中,变形成分估计单元108执行当固定特征区域的数量ng为1时执行的变形成分估计处理。在如下改变步骤S6100和步骤S6103的处理之后,可使用与步骤S4103的处理类似的处理来执行该处理。即,在步骤S6100中,变形成分估计单元108基于第一固定特征区域的位置和第二固定特征区域的位置来计算允许固定特征区域的位置匹配的平移矢量t。并且,单位矩阵被设定为旋转矩阵R的初始值。在步骤S6103中,变形成分估计单元108针对值R和t校正除固定特征区域以外的特征区域中的每一个,使得在步骤S6102中获得的特征区域节点的估计坐标值和相应的第二特征区域的位置最匹配。但是,假定在固定特征区域的位置匹配的约束条件下仅对于具有以所述区域的位置为中心的三个自由度的旋转成分执行该校正。
通过上述的步骤S4100~S4104的处理,变形成分估计单元108完成作为步骤S209的处理的变形成分估计值cest的计算。
步骤S210~S212
步骤S210~S212的处理与第一实施例中的处理类似,并且这里将不被描述。
根据本实施例,可使用胸壁面401等中的固定特征区域来约束刚体变换成分,并且可有利地实现更高可靠性的变形估计。
因此,根据本发明,可以提供即使对象物体的变形参数未知也实现变形的高精度和高速估计的机制。
其它实施例
应当理解,还可通过下述方式来实现本发明的优点:向系统或装置供给记录有实现前述的实施例的功能的程序代码或软件的记录介质(或存储介质),并通过用系统或装置的计算机(或CPU或微处理单元(MPU))读取和执行存储于记录介质中的程序代码。在这种情况下,从记录介质读取的程序代码实现以上的实施例的功能,并且,记录有程序代码的记录介质可构成本发明的实施例。
还应该理解,可通过执行由计算机读取的程序代码来实现前述的实施例,并且,可通过根据程序代码的指示由在计算机上运行的操作系统(OS)等执行所有的实际处理中的一些来实现前述的实施例。
并且,还可通过下述方式来实现前述的实施例的功能:在将从记录介质读取的程序代码写入到被插入计算机中的功能扩展卡或包含于与计算机连接的功能扩展单元中的存储器中之后,根据程序代码的指示,通过使用包含于功能扩展卡或功能扩展单元中的CPU等执行一些或所有的实际处理。
当本发明被应用于以上的记录介质时,与前面描述的流程图对应的程序代码被存储于记录介质中。
前述的实施例的描述仅仅是根据本发明的示例性实施例的信息处理装置的例子,并且,本发明不限于这些实施例。
虽然已参照示例性实施例描述了本发明,但应理解,本发明不限于公开的示例性实施例。以下的权利要求的范围应被赋予最宽的解释以包含所有这样的变型以及等同的结构和功能。
本申请要求在2009年10月27日提交的日本专利申请No.2009-246667的权益,在此引入其全部内容作为参考。
Claims (8)
1.一种用于执行用于将原图像的形状变形为近似对象图像的形状的处理的信息处理装置,包括:
被配置为通过使由原图像的变形导致的特征区域的移动与变形相关联来获得变形规则的获得单元;和
被配置为使用关于对象图像的特征区域和原图像的对应区域的位置信息作为约束条件来根据变形规则使原图像变形的变形单元。
2.根据权利要求1的信息处理装置,其中,获得单元包含:
被配置为获得关于在第一变形条件下获得的原图像的形状的信息的第一形状获得单元;
被配置为获得关于在第二变形条件下获得的对象图像的形状的信息的第二形状获得单元;
被配置为获得关于第一变形条件下的原图像的特征区域的位置信息的第一特征点位置获得单元;
被配置为获得关于第二变形条件下的对象图像的特征区域的位置信息的第二特征点位置获得单元;和
被配置为从与多个参数对应的原图像的变形形状和关于与变形形状相关联的特征区域的位置信息产生原图像的变形形状模型的变形形状模型产生单元,并且,
变形单元包含变形估计单元,该变形估计单元被配置为:使用关于第一变形条件下的原图像的特征区域的位置信息和关于第二变形条件下的对象图像的特征区域的位置信息作为约束条件,基于变形形状模型估计第二变形条件下的原图像的形状到对象图像的形状的变形。
3.根据权利要求2的信息处理装置,其中,第二形状获得单元被配置为进一步获得关于对象图像的形状的一部分的信息,并且,
变形估计单元进一步基于关于由第二形状获得单元获得的对象图像的形状的所述一部分的信息来估计到对象图像的形状的变形。
4.根据权利要求2或3的信息处理装置,还包括:
被配置为通过捕获第一变形条件下的对象物体的图像来获得图像作为原图像的图像获得单元;和
被配置为基于由变形估计单元估计的变形来使由图像获得单元获得的图像变形的变形图像产生单元,
其中,第一形状获得单元和第一特征点位置获得单元中的至少一个从由图像获得单元获得的图像获得预定信息。
5.根据权利要求2~4中的任一项的信息处理装置,其中,对象物体包含人乳房,并且,对象物体的特征区域至少包含人乳头。
6.一种用于执行用于将原图像的形状变形为近似对象图像的形状的处理的信息处理方法,包括:
通过使由原图像的变形导致的特征区域的移动与变形相关联来获得变形规则的获得步骤;和
使用关于对象图像的特征区域和原图像的对应区域的位置信息作为约束条件来根据变形规则使原图像变形的变形步骤。
7.一种用于执行用于将原图像的形状变形为近似对象图像的形状的处理的信息处理方法,包括:
获得关于原图像被分割成的多个区域的位置信息的获得步骤;和
通过使对象图像的特征区域的位置和原图像的对应区域的位置匹配并通过改变关于所述多个区域的位置信息来使原图像变形的变形步骤。
8.一种用于使得计算机执行根据权利要求6或7的信息处理方法的程序。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2009-246667 | 2009-10-27 | ||
JP2009246667A JP5586917B2 (ja) | 2009-10-27 | 2009-10-27 | 情報処理装置、情報処理方法およびプログラム |
PCT/JP2010/068773 WO2011052515A1 (en) | 2009-10-27 | 2010-10-18 | Information processing apparatus, information processing method, and program |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102573650A true CN102573650A (zh) | 2012-07-11 |
CN102573650B CN102573650B (zh) | 2014-09-24 |
Family
ID=43921937
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201080047989.1A Expired - Fee Related CN102573650B (zh) | 2009-10-27 | 2010-10-18 | 信息处理装置、信息处理方法和程序 |
Country Status (5)
Country | Link |
---|---|
US (1) | US8908944B2 (zh) |
EP (1) | EP2493385B1 (zh) |
JP (1) | JP5586917B2 (zh) |
CN (1) | CN102573650B (zh) |
WO (1) | WO2011052515A1 (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103577409A (zh) * | 2012-07-19 | 2014-02-12 | 阿里巴巴集团控股有限公司 | 一种图像搜索中建立图像索引的方法和装置 |
CN105279731A (zh) * | 2014-06-16 | 2016-01-27 | 佳能株式会社 | 图像处理装置及图像处理方法 |
CN105339983A (zh) * | 2013-06-28 | 2016-02-17 | 皇家飞利浦有限公司 | 链接跨成像研究的乳腺病变位置 |
CN107633531A (zh) * | 2016-07-19 | 2018-01-26 | 佳能株式会社 | 图像处理装置、图像处理方法以及计算机可读介质 |
CN107920859A (zh) * | 2015-08-17 | 2018-04-17 | 皇家飞利浦有限公司 | 模拟乳房变形 |
CN108135573A (zh) * | 2015-09-24 | 2018-06-08 | 国立大学法人东京大学 | 超声波诊断系统及超声波诊断方法 |
Families Citing this family (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8970628B1 (en) * | 2009-03-02 | 2015-03-03 | Pixar | Graphical user interface for performing deformations |
JP5546230B2 (ja) * | 2009-12-10 | 2014-07-09 | キヤノン株式会社 | 情報処理装置、情報処理方法、及びプログラム |
JP5737858B2 (ja) * | 2010-04-21 | 2015-06-17 | キヤノン株式会社 | 画像処理装置、画像処理方法、及びプログラム |
JP5950619B2 (ja) | 2011-04-06 | 2016-07-13 | キヤノン株式会社 | 情報処理装置 |
CN103620643B (zh) * | 2011-06-29 | 2018-03-30 | 皇家飞利浦有限公司 | 医学图像的缩放 |
JP5632355B2 (ja) * | 2011-12-01 | 2014-11-26 | 日本電信電話株式会社 | 画像処理装置、及びプログラム |
JP6000705B2 (ja) * | 2012-07-17 | 2016-10-05 | キヤノン株式会社 | データ処理装置及びデータ処理方法 |
CN104619250A (zh) * | 2012-09-13 | 2015-05-13 | 皇家飞利浦有限公司 | 基于乳腺mr图像和放射性标记的乳腺外科手术引导 |
JP6188379B2 (ja) * | 2013-03-29 | 2017-08-30 | 東芝メディカルシステムズ株式会社 | 医用画像処理装置、医用画像処理システム、医用画像診断装置 |
JP6304970B2 (ja) * | 2013-08-09 | 2018-04-04 | キヤノン株式会社 | 画像処理装置、画像処理方法 |
JP6200249B2 (ja) * | 2013-09-11 | 2017-09-20 | キヤノン株式会社 | 情報処理装置、情報処理方法 |
JP6202960B2 (ja) * | 2013-09-17 | 2017-09-27 | キヤノン株式会社 | 画像処理装置、画像処理方法およびプログラム |
JP6346445B2 (ja) * | 2014-01-10 | 2018-06-20 | キヤノン株式会社 | 処理装置、処理装置の制御方法、およびプログラム |
KR20210156301A (ko) | 2014-02-04 | 2021-12-24 | 인튜어티브 서지컬 오퍼레이션즈 인코포레이티드 | 중재 도구의 가상 항행을 위한 조직의 비강체 변형을 위한 시스템 및 방법 |
JP6541334B2 (ja) * | 2014-11-05 | 2019-07-10 | キヤノン株式会社 | 画像処理装置、画像処理方法、およびプログラム |
US9792675B1 (en) * | 2014-12-05 | 2017-10-17 | Matrox Electronic Systems, Ltd. | Object recognition using morphologically-processed images |
JP6905323B2 (ja) * | 2016-01-15 | 2021-07-21 | キヤノン株式会社 | 画像処理装置、画像処理方法、およびプログラム |
JP6821403B2 (ja) | 2016-01-29 | 2021-01-27 | キヤノン株式会社 | 画像処理装置、画像処理方法、画像処理システム、及びプログラム。 |
WO2017130263A1 (en) * | 2016-01-29 | 2017-08-03 | Canon Kabushiki Kaisha | Image processing apparatus, image processing method, image processing system, and program |
JP6706128B2 (ja) * | 2016-04-13 | 2020-06-03 | キヤノン株式会社 | 画像処理装置、画像処理方法、及びプログラム |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1952981A (zh) * | 2005-07-13 | 2007-04-25 | 西门子共同研究公司 | 利用形状模型的基于知识的图像分割方法 |
CN101038623A (zh) * | 2006-03-13 | 2007-09-19 | 欧姆龙株式会社 | 特征点检测装置、特征点检测方法及特征点检测程序 |
JP2007319676A (ja) * | 2006-06-02 | 2007-12-13 | General Electric Co <Ge> | 幾何学方式レジストレーションのためのシステムおよび方法 |
JP2008086400A (ja) * | 2006-09-29 | 2008-04-17 | Gifu Univ | 乳房画像診断システム |
US20080143724A1 (en) * | 2006-12-19 | 2008-06-19 | Fujifilm Corporation | Method and apparatus for probabilistic atlas based on shape modeling technique |
CN101251897A (zh) * | 2007-02-20 | 2008-08-27 | 索尼株式会社 | 图像处理装置、图像处理方法和程序 |
Family Cites Families (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6104833A (en) * | 1996-01-09 | 2000-08-15 | Fujitsu Limited | Pattern recognizing apparatus and method |
US6067373A (en) * | 1998-04-02 | 2000-05-23 | Arch Development Corporation | Method, system and computer readable medium for iterative image warping prior to temporal subtraction of chest radiographs in the detection of interval changes |
JP4392886B2 (ja) * | 1999-01-22 | 2010-01-06 | キヤノン株式会社 | 画像抽出方法及び装置 |
US7817844B2 (en) * | 1999-08-26 | 2010-10-19 | Nanogeometry Research Inc. | Pattern inspection apparatus and method |
JP2005521502A (ja) * | 2002-04-03 | 2005-07-21 | セガミ エス.エー.アール.エル. | 胸部および腹部の画像モダリティの重ね合わせ |
US7394946B2 (en) * | 2004-05-18 | 2008-07-01 | Agfa Healthcare | Method for automatically mapping of geometric objects in digital medical images |
JP2006061472A (ja) * | 2004-08-27 | 2006-03-09 | Fuji Photo Film Co Ltd | 乳房画像表示装置およびそのプログラム |
JP2006102091A (ja) * | 2004-10-05 | 2006-04-20 | Fuji Photo Film Co Ltd | 乳房画像位置合わせ装置およびそのプログラム |
JP4512834B2 (ja) * | 2005-03-22 | 2010-07-28 | 国立大学法人大阪大学 | カプセル内視鏡画像表示制御装置 |
US7680312B2 (en) * | 2005-07-13 | 2010-03-16 | Siemens Medical Solutions Usa, Inc. | Method for knowledge based image segmentation using shape models |
JP4720478B2 (ja) * | 2005-12-15 | 2011-07-13 | コニカミノルタエムジー株式会社 | モデリング装置、領域抽出装置およびプログラム |
US20090129650A1 (en) * | 2007-11-19 | 2009-05-21 | Carestream Health, Inc. | System for presenting projection image information |
JP5361194B2 (ja) * | 2008-01-09 | 2013-12-04 | キヤノン株式会社 | 画像処理装置、画像処理方法、及び、コンピュータプログラム |
JP5147656B2 (ja) * | 2008-11-20 | 2013-02-20 | キヤノン株式会社 | 画像処理装置、画像処理方法、プログラム、及び記憶媒体 |
JP5322662B2 (ja) * | 2009-01-08 | 2013-10-23 | 株式会社東芝 | 画像処理装置 |
JP5546230B2 (ja) * | 2009-12-10 | 2014-07-09 | キヤノン株式会社 | 情報処理装置、情報処理方法、及びプログラム |
US8504339B2 (en) * | 2010-11-30 | 2013-08-06 | Nissan North America, Inc. | Method for door side intrusion simulation with progressive failures |
-
2009
- 2009-10-27 JP JP2009246667A patent/JP5586917B2/ja not_active Expired - Fee Related
-
2010
- 2010-10-18 US US13/502,981 patent/US8908944B2/en not_active Expired - Fee Related
- 2010-10-18 WO PCT/JP2010/068773 patent/WO2011052515A1/en active Application Filing
- 2010-10-18 CN CN201080047989.1A patent/CN102573650B/zh not_active Expired - Fee Related
- 2010-10-18 EP EP10826647.9A patent/EP2493385B1/en not_active Not-in-force
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1952981A (zh) * | 2005-07-13 | 2007-04-25 | 西门子共同研究公司 | 利用形状模型的基于知识的图像分割方法 |
CN101038623A (zh) * | 2006-03-13 | 2007-09-19 | 欧姆龙株式会社 | 特征点检测装置、特征点检测方法及特征点检测程序 |
JP2007319676A (ja) * | 2006-06-02 | 2007-12-13 | General Electric Co <Ge> | 幾何学方式レジストレーションのためのシステムおよび方法 |
JP2008086400A (ja) * | 2006-09-29 | 2008-04-17 | Gifu Univ | 乳房画像診断システム |
US20080143724A1 (en) * | 2006-12-19 | 2008-06-19 | Fujifilm Corporation | Method and apparatus for probabilistic atlas based on shape modeling technique |
CN101251897A (zh) * | 2007-02-20 | 2008-08-27 | 索尼株式会社 | 图像处理装置、图像处理方法和程序 |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103577409B (zh) * | 2012-07-19 | 2016-12-21 | 阿里巴巴集团控股有限公司 | 一种图像搜索中建立图像索引的方法和装置 |
CN103577409A (zh) * | 2012-07-19 | 2014-02-12 | 阿里巴巴集团控股有限公司 | 一种图像搜索中建立图像索引的方法和装置 |
CN105339983B (zh) * | 2013-06-28 | 2019-07-26 | 皇家飞利浦有限公司 | 链接跨成像研究的乳腺病变位置 |
CN105339983A (zh) * | 2013-06-28 | 2016-02-17 | 皇家飞利浦有限公司 | 链接跨成像研究的乳腺病变位置 |
US10109048B2 (en) | 2013-06-28 | 2018-10-23 | Koninklijke Philips N.V. | Linking breast lesion locations across imaging studies |
CN105279731B (zh) * | 2014-06-16 | 2018-10-02 | 佳能株式会社 | 图像处理装置及图像处理方法 |
CN105279731A (zh) * | 2014-06-16 | 2016-01-27 | 佳能株式会社 | 图像处理装置及图像处理方法 |
CN107920859A (zh) * | 2015-08-17 | 2018-04-17 | 皇家飞利浦有限公司 | 模拟乳房变形 |
CN107920859B (zh) * | 2015-08-17 | 2020-12-08 | 皇家飞利浦有限公司 | 模拟乳房变形 |
US11246660B2 (en) | 2015-08-17 | 2022-02-15 | Koninklijke Philips N.V. | Simulating breast deformation |
CN108135573A (zh) * | 2015-09-24 | 2018-06-08 | 国立大学法人东京大学 | 超声波诊断系统及超声波诊断方法 |
CN108135573B (zh) * | 2015-09-24 | 2020-12-11 | 国立大学法人东京大学 | 超声波诊断系统及超声波诊断方法 |
CN107633531A (zh) * | 2016-07-19 | 2018-01-26 | 佳能株式会社 | 图像处理装置、图像处理方法以及计算机可读介质 |
Also Published As
Publication number | Publication date |
---|---|
EP2493385A4 (en) | 2017-06-28 |
JP5586917B2 (ja) | 2014-09-10 |
US8908944B2 (en) | 2014-12-09 |
EP2493385A1 (en) | 2012-09-05 |
CN102573650B (zh) | 2014-09-24 |
JP2011092263A (ja) | 2011-05-12 |
US20120207368A1 (en) | 2012-08-16 |
EP2493385B1 (en) | 2019-06-12 |
WO2011052515A1 (en) | 2011-05-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102573650B (zh) | 信息处理装置、信息处理方法和程序 | |
US8768018B2 (en) | Information processing apparatus, information processing method, and storage medium | |
CN109074639B (zh) | 医学成像系统中的图像配准系统和方法 | |
Ferrante et al. | Slice-to-volume medical image registration: A survey | |
JP6312898B2 (ja) | 情報処理装置、情報処理方法及びプログラム | |
US10102622B2 (en) | Processing apparatus, processing method, and non-transitory computer-readable storage medium | |
KR101267759B1 (ko) | 화상 처리 장치, 화상 처리 방법 및 저장 매체 | |
US8639060B2 (en) | System and method for image based multiple-modality cardiac image alignment | |
JP5584006B2 (ja) | 投影画像生成装置、投影画像生成プログラムおよび投影画像生成方法 | |
JP6000705B2 (ja) | データ処理装置及びデータ処理方法 | |
CN102727258B (zh) | 图像处理装置、超声波摄影系统及图像处理方法 | |
US8958614B2 (en) | Image-based detection using hierarchical learning | |
EP3444781B1 (en) | Image processing apparatus and image processing method | |
EP3355273A1 (en) | Coarse orientation detection in image data | |
WO2007044508A2 (en) | System and method for whole body landmark detection, segmentation and change quantification in digital images | |
US10856850B2 (en) | Information processing apparatus, method, and program for matching target object position between the prone and supine positions obtained by MRI and ultrasound | |
CN112529919B (zh) | 用于生成受试者的心脏的牛眼图生成的系统和方法 | |
US9286688B2 (en) | Automatic segmentation of articulated structures | |
KR101028798B1 (ko) | 다중 페이즈 간 ct영상들의 정합을 이용한 간세포암 검출방법 | |
Rusu | Segmentation of bone structures in Magnetic Resonance Images (MRI) for human hand skeletal kinematics modelling | |
US20210150739A1 (en) | Capturing a misalignment | |
Jamil et al. | Image registration of medical images | |
JP2019500114A (ja) | 位置合わせ精度の決定 | |
CN113870324A (zh) | 多模态图像的配准方法及其配准装置和计算机可读存储介质 | |
Taimouri et al. | Visualization of shape motions in shape space |
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: 20140924 Termination date: 20201018 |