CN103049638A - 半自动化手术前切除规划 - Google Patents

半自动化手术前切除规划 Download PDF

Info

Publication number
CN103049638A
CN103049638A CN2012103677128A CN201210367712A CN103049638A CN 103049638 A CN103049638 A CN 103049638A CN 2012103677128 A CN2012103677128 A CN 2012103677128A CN 201210367712 A CN201210367712 A CN 201210367712A CN 103049638 A CN103049638 A CN 103049638A
Authority
CN
China
Prior art keywords
liver
profile
volume
seed
data
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
Application number
CN2012103677128A
Other languages
English (en)
Other versions
CN103049638B (zh
Inventor
N.Y.埃尔-泽希里
L.格拉迪
M.索夫卡
C.蒂金
周少华
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.)
SIEMENS Medical Co., Ltd.
Siemens AG
Original Assignee
Siemens AG
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 Siemens AG filed Critical Siemens AG
Publication of CN103049638A publication Critical patent/CN103049638A/zh
Application granted granted Critical
Publication of CN103049638B publication Critical patent/CN103049638B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/162Segmentation; Edge detection involving graph-based methods
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/11Region-based segmentation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10072Tomographic images
    • G06T2207/10081Computed x-ray tomography [CT]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20092Interactive image processing based on input by user
    • G06T2207/20096Interactive definition of curve of interest
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20112Image segmentation details
    • G06T2207/20156Automatic seed setting
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30004Biomedical image processing
    • G06T2207/30056Liver; Hepatic

Abstract

本发明涉及半自动化手术前切除规划。由计算机来辅助手术前切除规划。作为依赖于用户输入的内插的替代,使用互连的图。用户在一个或多个二维视图上输入一个或多个多段线。该多段线用来用未分配位置的带对切除和残余种子进行分配。将2D种子与互连的图一起使用以将体积中不同的体素(包括未分配的位置)分配为切除体积的一部分或残余体积的一部分。

Description

半自动化手术前切除规划
相关申请
本专利文献要求2011年9月28日提交的临时美国专利申请序号61/540,211的根据35 U.S.C.§119(e)的提交日的权益,其被通过引用结合到本文中。
技术领域
本实施例涉及用于切除的规划。手术前手术规划是用于肿瘤切除程序的预备步骤。
背景技术
为了规划切除,执行病人的计算机断层成像(CT)扫描。表示体积的结果得到的数据在一系列平行切片中被呈现给医生。医生可以观察该系列中的切片以在三个维度上限定切除表面。然而,逐个切片地在病人的CT扫描中标记切除表面是非常乏味的。
计算机辅助肝切除工具可以根据医生进行的有限输入来提供三维(3D)切除表面。例如,用户输入许多点。使用辐射基底函数(RBF)或主分量分析(PCA)来将轮廓内插到体积中以获得切除表面。然而,内插技术既不是准确的也不是直观的。内插表面的准确度取决于由用户提供的点的数目。输入点的微小变化可能高度地影响PCA或RBF的系数,使得输入的微小变化不一定意味着切除表面的微小变化。有冲突的输入(即暗示用于同一体素的切除和残余的不同标记的输入)高度地降低切除表面的质量。有冲突的输入可以随着用户在2D平面内画出切除部分(resector)而容易地发生,因为用户不具有这些多个切除部分在3D中可以如何相互作用的概念。
发明内容
通过介绍,下述优选实施例包括用于手术前切除规划的方法、系统、指令和计算机可读介质。下面提供了使用CT的肝切除规划,但是可以使用任何器官和/或模式。作为依赖于用户输入的内插的替代,使用互连的图。用户在一个或多个二维视图上输入一个或多个多段线(polyline)。该多段线用来为切除和残余种子(seed)分配一条未分配位置的带。该种子与互连的图一起使用以将体积中的不同体素(包括未分配位置的带)分配为切除体积的一部分或残余体积的一部分。
在第一方面中,提供了一种用于手术前切除规划的方法。获取表示病人的肝的体积的数据。根据该数据生成肝的切片的二维视图。从用户输入设备接收相对于二维视图的多个点或线的用户输入。处理器从该点或线产生切片中的轮廓,从切片的数据识别被轮廓和轮廓周围的带分离的第一和第二种子,并基于来自切片的第一和第二种子将该体积分割成第一和第二三维部分。输出将切除部示为第一三维部分的图像。
在第二方面中,非瞬时性计算机可读存储介质具有存储在其中的表示可由编程处理器执行以进行肝切除规划的指令的数据。该存储介质包括用于根据病人的肝的扫描数据来产生互连的图、根据该图将该图分离成切除体积和残余体积以及输出切除体积或残余体积的指令。
在第三方面中,非瞬时性计算机可读存储介质具有存储在其中的表示可由编程处理器执行以进行肝切除规划的指令的数据。该存储介质包括用于根据平面中的位置的用户输入来生成切除和残余种子、并根据切除和残余种子以及肝体积的互连网格将肝体积划分成切除体积和残余体积的指令。
由以下权利要求来定义本发明,并且不应将本节中的任何内容视为对那些权利要求的限制。下面结合优选实施例来讨论本发明的其它方面和优点,并且可以在稍后独立地或以组合方式对其要求保护。
附图说明
部件和图不一定按比例,而是将重点放于举例说明本发明的原理。此外,在图中,相同的附图标记遍及不同的视图指示相应的部分。
图1是用于切除规划的方法的一个实施例的流程图;
图2举例说明识别具有一致的种植(seeding)的多个切片中的种子的示例;
图3举例说明识别具有不一致的种植的多个切片中的种子的示例;
图4举例说明基于在同一切片中所画的轮廓将来自两个连续切除的切除结果相组合;
图5举例说明包括根据一个实施例的用于识别种子的损伤位置;
图6是示出肝的三个2D视图(一个具有用户所画轮廓)和肝的3D呈现的示例医学图像;
图7是图6的示例医学图像,但具有替换用户所画轮廓的由处理器确定的切除线和3D呈现中的切除的突出显示;
图8是示出被切除体积和残余体积的3D呈现的示例医学图像;以及
图9是用于肝切除规划的系统的一个实施例。
具体实施方式
在肝手术中,使用肿瘤切除来去除肝的有害部分。这程序在实际干预之前使用手术前规划。规划的主要目的是限定肝切除表面,其将要切除的那部分肝从肝的残余或剩余部分分离。切除表面应在没有健康肝实质体素或残余部分的血行阻断的情况下提供肿瘤的去除。
计算机辅助交互式肝切除帮助限定切除表面,但与在三个维度上手动地限定整个表面相比具有最小或减少的用户交互。提供了用于肿瘤切除的交互式系统。外科医生在病人的CT扫描的2D视图中画出多段线。该系统使用多段线来提供将体积划分成残余肝和切除肝的3D表面。
切除工具或系统可能是快速、直观的且能够从最小的用户输入提供准确的切除表面。在单个视图中使用简单的单个2D切除部分提供最小的用户输入。在单个视图中,多段线可以由仅仅两个点组成。在没有切除表面的强烈变化的情况下,通过在同一视图或不同视图中分辨多个轮廓的输入,系统可以是直观的。该系统可以对肝的分割掩膜进行操作,并且不要求存在除肝之外的组织的原始图像体积。
在一个实施例中,将肝切除视为图划分问题。该图被定义为表示预先分割的肝的3D 体素网格的一部分(即该图是针对表示肝的体素定义的)。该图中的顶点与3D CT扫描中的分割肝中的每个体素相关联,并且目标是用表示切除肝和残余肝的两个不相交集来划分该图。为了解决此划分问题,产生来自从用户输入点导出的轮廓的有符号距离映射(map)。对该距离映射确定阈值以在画出了用户输入的平面中生成2D前景(foreground)和背景(background)种子。用该种子来执行3D随机游走分割以获得有目标的划分。输入点的微小变化可以仅引起距离映射计算、结果得到的种子位置和结果得到的划分中的微小变化。切除系统可能比基于内插的切除技术更加可靠和稳定。
作为肿瘤分割和切除的替代,可以提供叶分割和切除。虽然在本文中讨论肝的切除,但可以将该方法应用于任何其它器官的切除。该系统是一般化的,并且可以在要求切除规划的任何肿瘤学应用中使用。相对于去除肿瘤来讨论切除,但是可以将其用于其它目的。同样地,本文中的讨论使用CT数据,但是可以使用其它成像模式(例如超声波、发射断层成像或磁共振)。该图像用来指导用户画出切除部分,无论模式如何。
图1示出用于手术前肝切除规划的方法的流程图。该方法用于手术前肝切除规划。对通过肝的三维的表面进行定位。切除表面在肝的边缘之间延伸。切除表面可以具有一般形状,诸如圆柱、平面、圆锥或其它形状,或者可以具有更复杂的形状。可以约束该形状以去除间隙和/或避免高频变化。
该方法是由图9的系统或另一系统实现的。例如,在与磁共振(MR)、计算机断层成像(CT)、超声波、发射、x射线或其它成像系统相关联的计算机或处理器上实现该方法。作为另一示例,在图片归档和通信系统(PACS)工作站或服务器上实现该方法。在另一示例中,在个人计算机或其它处理器上实现该方法。
按照所示的顺序或其它顺序来执行该动作。可以提供附加、不同或更少的动作。例如,用在没有动作12-22中的一个或多个的情况下确定的种子来执行该方法。作为另一示例,不执行动作34。动作26-30表示一个方法,但是可以使用其它方法,其根本不使用动作26-30或使用少于其全部的动作。
在动作12中,获取表示病人的肝的体积的数据。该数据是在给定时间或时段表示病人的数据的帧。例如,该数据表示N×M×P体积中的体素,其中,N、M和P是大于一的正整数。该数据表示病人的三维区域。数据可以采取任何格式。数据可以用笛卡尔或极坐标格式来表示不同的位置。该数据是强度、灰度值或色值(例如RGB值)。
可以使用任何模式来获取数据。在一个实施例中,用计算机断层成像(CT)扫描来获取数据。可以使用磁共振、超声波、正电子发射断层成像或单光子发射计算机断层成像。通过对病人进行扫描来获取数据。扫描病人的全部或一部分。可以仅扫描肝或肝和周围组织。
在替换实施例中,通过从另一设备传输或从存储装置加载来获取数据。该数据可以来自用于病人的肝的模型或来自前一扫描。
选择与病人的肝相关联的数据。用于肝的数据是数据的全部或子集。在用于肝的数据是子集的情况下,从用于其它组织或结构的数据分割用于肝的数据。识别并选择可对肝组织进行响应的扫描体积的体素。不选择周围组织。
可以使用任何分割。例如,使用强度阈值确定、表面检测、边缘检测、梯度过程、滤波、其组合或其它分割。该分割可以是自动的、手动的或半自动的。在一个实施例中,使用经过机器训练或已学习的分类器从用于周围组织的体素分割用于肝的体素。根据该数据来计算Haar小波、可操纵和/或其它特征。这些特征被输入到分类器。由分类器针对每个体素输出作为肝的或不作为肝的标签。
可以将该分割表示为肝分割掩膜L,其中,如果体素 v是肝体素,则L(v) = 1,且如果体素 v不属于肝,则L(v) = 0。针对给定数据集产生掩膜和/或从电子存储设备、存储器或从外部源或其它过程提供分割掩膜的通信信道加载该掩模。
在动作14中,生成肝的切片的二维视图。该视图是根据在动作12中获取的数据生成的。替换地,根据不同的数据来生成该视图,诸如在不同时间表示肝或从不同模式表示肝的数据。使用数据处理、校准或其它测量,使用一个数据空间中的位置的坐标和到另一数据空间的相应变换来使视图中的位置与表示该体积的数据相关。
该二维视图是通过肝的平面的视图。可以使用任何的任意或标准平面。例如,用户对平面进行定位以提供包括肿瘤和/或血管的剖面。可以提供自动化剖面观看。可以使用不止一个二维视图,诸如向显示器输出多平面重构。多平面重构可以示出用于通过肝的三个正交平面的图像。例如,图6示出在上面两个图像和左下图像中的相对于病人进行定向的三个二维视图。
该二维视图可以包括对肝进行分割之前的数据,因此包括如图6所示的其它组织。替换地,该二维视图仅是肝的视图。
在动作16中,接收用于切除轮廓的用户输入。接收来自用户输入设备的信号。该信号可以来自键盘、鼠标、触控板、触摸屏、轨迹球和/或其它用户输入设备。
该输入是二维视图上的多段线。例如,参考图6,用户在二维视图中的一个上通过肝38画一条线36。该线在两个点上与肝边界相交,但是可以缩短(即在一个点上与肝边界相交)。作为连续线的替代,用户可以输入两个或更多点作为多段线。例如,可以以比该数据的分辨率更小的分辨率对用户所感知的连续线进行采样,使得该线是一系列的未连接点。作为另一示例,用户输入两个或更多点以指示一般地在不必画一条线的情况下该线将在哪里。该线或一系列点是直的或弯曲的。
从用户接收2D视图上的期望切除的多段线的用户输入。该点或线在视图的2D平面中,尽管肝是三维对象。
使用单个2D多边形来定义3D切割表面是个含糊的问题。在实际上,外科医生可能在不同的平面中画出多个轮廓以指导切除过程。可以输入不止一条线或一系列点。例如,用户可以在同一2D视图上输入多条线或一系列点。作为另一示例,用户可以在不同的2D视图上输入不同的线或一系列点,诸如在图6的正交多平面视图中的两个或三个上进行输入。用户可以针对堆叠的平行平面中的不同平面输入不同的线或点。用户在少于通过肝的所有平面上进行输入。
在动作18中,从接收到的多段线产生轮廓。使用用户输入点或线来生成相对于数据的分辨或采样的连续线。处理器在没有进一步用户输入的情况下生成轮廓,但是可以提供更多的输入。
该轮廓处于为其提供了多段线的2D视图的平面或切片中。该轮廓相对于用于肝体积的数据在平面中定义切除。在用户输入小于从一个边缘至另一边缘的连续线的情况下,处理器完成该轮廓。点或线作为肝的边缘之间的连续曲线延伸。
通过外推、内插和/或线拟合来产生轮廓。在一个实施例中,用每两个连续点的线性内插来计算输入点的连续轮廓。在每对点之间拟合线。通过对输入切除部分进行内插来完成由用户提供的不完整切除部分。针对在肝内而不是在边缘处的端点,可以将端点投影到最近的边缘。该投影可以是从包括输入的端点的两个点进行的外推。例如,将多段线的前两个点内插到直线,并且找到该线与平面中的图像或肝边界的交集。被外推到该交集的线是轮廓的一部分。同样地,将多段线的最后两个点内插到直线,并找到该线与平面中的图像或肝边界的交集。被外推到该交集的线是轮廓的一部分。
在其它实施例中,执行线拟合。可以约束该线拟合,诸如拟合有限阶的多项式。
可以对所产生的轮廓进行修改或限制。例如,对所产生的轮廓进行低通滤波以去除高频变化。可以将任何角度限制为小于最大角。
可以以相同或不同的方式将用于同一体积的不同多段线形成为轮廓。例如,如果将不完整的多段线用于第一轮廓,则用其体素的线性内插来完成不完整的多段线。可以将相同或不同的方法用于任何后续产生的轮廓。在提供了多个用户输入多段线的情况下,产生多个轮廓。替换地或另外,将多个多段线组合成一个轮廓。
引入多个轮廓造成使来自不同轮廓的种子冲突和关于该轮廓是其它轮廓的修正、替换、扩展、修改还是独立于其它轮廓的含糊不清的问题。针对不同平面上的多段线,对每个产生独立的轮廓。
在动作20中,处理器测试不同轮廓之间的冲突。该测试是随着每个新轮廓被生成或在产生了所有轮廓之后执行的。测试的结果可以用来修改或限制轮廓和/或种植。
可以执行不止一个测试。例如,识别种植之间的冲突。每个轮廓将可能的种子相互分离。一个种子用于切除且另一种子用于残余。不同平面上的种子应是一致的。如果集合Res表示被切除肝且集合Rem表示残余肝,则所有平面中的所有前景种子必须是Rem的子集且所有背景种子必须是Res的子集。
图2示出在种植中没有冲突的轮廓R1和R2。轮廓R1和R2在平行平面中。由于轮廓R1和R2的相同侧被种植为背景和前景,所以未发现冲突。在不同平面上的轮廓之间种植是一致的。如果由所有轮廓产生的种子未展示出任何冲突,则轮廓集合是非冲突轮廓。
图3示出不一致的种植。轮廓R1的左侧被种植为背景,但是平行平面中的轮廓R2的左侧被种植为前景。当一个轮廓暗示体素将被种植到特定标签且另一轮廓暗示用于平行切片中的类似体素(同一体素、相邻体素或具有空间关系的体素)的不同种植时,发生不一致的种植,这可能引起切除表面中的不期望的扭绞。
为了测试一致的种植,针对第一切除部分或轮廓计算2D有符号距离映射                                                
Figure DEST_PATH_IMAGE001
1。计算用于平面中的每个位置与轮廓的距离。符号是基于轮廓的侧面。一侧被分配为正的且另一侧为负的。
Figure 562359DEST_PATH_IMAGE001
1的符号被从平面传播到整个体积,使得该体积中的每个体素与基于第一切除部分或轮廓的符号相关联。该传播与平面是正交的。这产生大量的正和负符号。此体积是参考符号映射Φr。针对每个附加切除部分或轮廓,基于给定切除部分或轮廓来计算附加轮廓的平面中的2D有符号距离映射
Figure 105598DEST_PATH_IMAGE001
。计算当前符号映射
Figure 9969DEST_PATH_IMAGE001
与参考符号映射Φr之间的附加轮廓的平面中的重叠。如果该重叠小于其中画出附加轮廓的切片的50%,则种植是不一致的。种植是反向的,诸如定义
Figure 31277DEST_PATH_IMAGE001
’ = ?
Figure 970283DEST_PATH_IMAGE001
。在图1的动作22中使用已更新距离映射’来产生种子。可以使用用于种子一致性的其它测试,诸如测试沿着正交于与原始轮廓间隔开的位置的一条或多条线的一致性。
另一测试是针对轮廓本身中的细化、变更、结合、修改或其它不一致性。此不一致性可以表示现有轮廓的修改。多个轮廓在两种情况下是不冲突的。首先,如果在不同的平行切片中画出所有输入轮廓(即至不同深度的同一视图方向),则在轮廓中不存在不一致性。由这些切除部分产生的种子不会相互冲突,但是可能是不一致的。其次,如果轮廓在相交平面的自由带(free band)内,则不存在不一致性。针对第一平面中的第一切除部分,限定自由带。在各个平面中的每个切除部分周围限定自由带。如果来自其它平面的切除部分在给定平面的自由带内,则不存在冲突。
如果来自一个平面的切除部分在自由带外面的区域或另一平面的将被种植的区域内,则存在冲突。平面的正交或非平行位置意味着用于一个平面的轮廓可以指示交集处的位置被种植,而交集的另一平面的轮廓可以指示交集处的位置未被种植或被不同地种植。这表示冲突。
轮廓中的冲突被视为连接、细化、修改或变更的用户输入。有冲突的轮廓将被组合。在这种情况下,切除表面应尽可能地考虑所有输入轮廓,其中对所画的最后一个轮廓给定最高优先级。可以通过不使用有冲突的较低优先级的轮廓来解决冲突。
为了组合,基于最高优先级轮廓来执行动作24的分割。由第一切除来定义残余和切除体积Res1和Rem1。针对每个附加有冲突的切除部分R(即轮廓),计算具有Res1和Rem1中的每一个的R的交集。如果具有Rem1的交集比具有Res1的更大(较大数目的体素),则通过用Rem1替换整个肝掩膜L来执行动作24中的切除算法或分割,得到第一切除的残余。对残余掩膜执行新的切除。如果具有Res1的交集大于具有Rem1的交集,则通过用切除集合Res1替换整个肝掩膜L来执行动作24中的切除或分割。
图4示出示例。左图像上的R1是原始轮廓。在中心图像中添加的R2是同一平面中的添加轮廓。添加的轮廓可以在相交平面中。使用来自左图像的Res1而不是整个肝,因为R2的交集主要具有Res1。在中间图像中,根据Res1来确定Res和Rem体积。结果被添加到原始Res1和Rem1,形成右图像的Res2和Rem2。将切除和残余集成,使得保持最终Res2和Rem2的连接性。结果得到的轮廓是原始轮廓R1和后续轮廓R2的组合。可以使用修改或组合的其它方法。
在动作22中,从轮廓识别种子。种子与轮廓间隔开,因此还识别轮廓周围的带。此自由带的体素未被分配给种子。前景种子和背景种子是前景(表示残余)和背景(表示切除)的子集。针对每个轮廓识别种子的两个集合。
在轮廓的平面中识别种子。该自由带也在其中产生轮廓的平面中。种子和自由带是沿着平面的体素。
处理器根据2D多段线的用户输入来生成前景和背景种子。使用切片上的输入来在画出了切除部分的该平面中产生种子。例如,通过在剖面切片的视图的2D CT图像上输入线或点,由处理器来确定用于种植3D分割的切除和残余位置。前景指的是将被保持的部分,并且背景指的是要去除的部分。
在一个实施例中,使用欧几里德或其它距离来计算种子。针对相交或在与轮廓相同的平面中的每个体素 v,计算到轮廓的距离。产生从点到轮廓的最小欧几里德距离d(v)的映射。
对距离加符号。针对每个距离分配正或负值。该符号是基于平面中的体素位于其上面的轮廓的一侧。为了使用于每个点处的距离的符号相关联,将平面划分成被切除部分(即轮廓)分离的两侧P1和P2。正的被分配到一侧(例如P1),负的被分配到另一侧(例如P2)。可以使用用于两侧的面积(area)来确定符号,诸如对较大面积侧使用正的。该分配被记录在距离映射中。
使用有符号距离来建立种子。种子的一个集合是由与正距离相关联的体素形成的,并且种子的另一集合是由与负距离相关联的体素形成的。
作为使用所有体素的替代,种子由子集形成。在到轮廓的阈值距离内的体素的带被从种子排除。
对正和负距离应用相同或不同的阈值量值。可以使用任何阈值。例如,使用凭经验确定的值。在一个实施例中,该阈值自适应于距离。例如,将该阈值设置成正距离的最大正和最大负距离中的最小值,全部除以十。可以使用除十之外的其他数。该阈值被设置成所述最小值的一部分,使得在轮廓的两侧上建立种子(即阈值未被设置成超过肝)。
如果距离的量值大于阈值,则分配前景和背景种子。阈值距离内的体素是自由的且未被分配给种子。此自由带中的体素未被种植。
可以使用用于种植的其它方法。例如,将与轮廓间隔开的预定或自适应尺寸的区域分配为种子。作为不依赖于强度的基于距离的方法的替代,可以将强度与距离一起使用以便分配种子。
可以在种植中包括其它考虑。例如,无论距离如何,可以将与冲突的轮廓输入相关联的平面的任何体素添加到此自由体素集合。作为另一示例,切除和残余体积中的每一个都各局限于一个连接部分。如果发生分离,则选择最大的种子或者将居间的体素分配给种子。
在另一示例中,在背景或切除种子中包括与要切除的一个或多个损伤相关联的平面中的体素。执行切除的目标是从肝去除肿瘤,同时留下其余的健康组织完好无损。使用分割或用户输入,对与肿瘤相关联的体素进行定位。例如,加载或接收损伤掩膜T。在损伤内部,损伤掩膜T (v) = 1,且否则T (v) = 0。使损伤掩膜扩大以在损伤周围产生安全裕度M。扩大的量或安全裕度的尺寸是预定或自适应的。在一个实施例中,将裕度M计算为肿瘤的主轴的直径的和,全部除以10或其它值。在扩大之后包括肿瘤的平面的体素被分配给切除或背景种子。在其它实施例中,损伤掩膜被减小或保持相同。
针对每个输入轮廓生成种子。如果在种子与损伤之间存在冲突,则由轮廓产生的标签被切换,因为损伤被视为正确地标记用于切除。图5示出由轮廓R产生的种子与种子损伤之间的冲突的示例。左图像示出由轮廓R产生的种子,其中前景被分配给轮廓R的右侧。中间图像示出损伤和用于损伤的扩大裕度。损伤的体素随着损伤将被切除而被分配给背景。然而,根据轮廓种植,相同的体素被种植到前景。为了解决此冲突,切换轮廓的种子标签以在最右图像中获得最终的种植。切换种子标签并不产生关于切除部分R方面的差别,只要切除部分被用来将空间划分成两个不相交集即可。可以使用其它解决方案。
在图1的动作24中,将肝体积分割成两个三维部分或体积。处理器确定肝的切除体积和残余体积。肝体积的各部分被切除表面分离。所有体素或除切除表面的体素之外的所有体素被分配给切除体积或残余体积。肝被划分成切除体积和残余体积。在其它实施例中,可以种植三个或更多区域并将其分割。
分割是随着种子而变的。体积基于种子对体素加标签。前景和背景种子分别用来将肝划分成残余和切除部分。
该分配使用肝体积的互连网格。在动作26中,产生互连的图。可以使用任何图。该图定义用于肝的顶点和边缘。例如,每个体素被视作节点或顶点。六连接网格(沿着x、y和z轴的连接)形成体素之间的边缘。可以使用其它子图、连接网格或顶点分配。
可以将权值分配给边缘。在一个实施例中,权值不是随着强度而变的。例如,权值是随着到轮廓和种子中的每一个的距离而变的,诸如如果顶点是相邻的(连接的),则权值是一,且否则是零。可以使用其它几何加权。该分配可以在不使用强度信息的情况下发生。替换地,权值可以是随用于每个边缘的连接顶点的强度或强度差而变的。
在动作27中,用于边缘的权值包括血管信息。应在不使健康组织血行阻断的情况下执行切除过程。因此,应尽可能避免通过血管的切割。为了避免切割血管,对与血管相关联的边缘更重地加权,降低切除表面通过血管的概率。权值被设置成避免同一血管的体素在不同部分内和/或使血管偏置到残余部分中。分割被根据肝中的一个或多个血管加权,使得肝的分离部分地基于一个或多个血管。
在集成血管信息的一个示例实施例中,使用加权中的距离将血管信息集成到切除中。产生血管掩膜以确定距离。使用手动指定或自动检测,识别任何血管或具有阈值直径的血管。产生血管树掩膜,使得如果体素 v属于血管树,则V(v) = 1,并且否则V(v) = 0。掩膜被从电子存储设备、存储器或来自外部源的通信信道加载。
计算每个体素与血管树的距离。血管树中的体素的距离被设置在零。所计算的距离对表示肝体积的图加权。可以使用距离到权值的任何映射。该映射使得权值wij在与血管树的距离d增加时变得更小。例如,来自血管距离的权值贡献是1与到最近血管分支的距离d的单调函数(例如d2)的和的倒数。可以使用其它加权函数。可以使用其它单调递增函数。加权使分割或切除表面偏置远离血管。来自血管考虑的权值被与边缘权值加和、相乘、求平均或组合。
在动作28中,将随机游走算法应用于图。随机游走函数将肝体积的未种植体素分配给切除和残余部分。
种子沿着一个或多个平面。随机游走函数基于平面种子将分割扩展至三个维度。随机游走函数将体积划分。
使用网格或互连,随机游走在动作28中计算概率。该概率是与种子中的每一个相关联的未分配体素中的每一个的概率。由于使用两个种子(即前景和背景),针对不在种子中的每个体素确定两个概率。
使用将体素互连的权值来确定最可能被连接到每个体素的种子。在一个实施例中,用图拉普拉斯矩阵对线性等式的稀疏正定系统求解。对图矩阵应用能量最小化。
在动作30中,将体素分配给前景和背景。使用该概率来分配体素。使用用于与针对给定体素的最高概率相关联的种子的标签作为用于该体素的标签。加标签将图分离成切除体积和残余体积。使用所产生的图上的随机游走函数及前景和背景种子将肝体积划分成两个部分。
可以执行其它动作。例如,假设被切除掩膜的体积小于残余掩膜的体积。在切除完成之后检查此条件。如果切除体积较大,则切换用于残余和切除体积的标签。如果该切换将肿瘤置于残余中,则可以呈现错误或者可以输出细化的请求。如果发生切换,则可以检查血管的位置。替换地,该切换在种植阶段中发生,使得再次地执行基于血管的加权。
在动作34中,输出切除信息。输出切除体积或残余体积。该输出可以是标签的映射或体素矩阵。该输出被传输或存储。
在一个实施例中,该输出是图像。该图像示出相对于残余被突出显示的切除。该突出显示可以是两个部分的亮度、色彩或其它特性的差异。替换地,单独地显示各部分。可以提供动画,使得示出切除部分正在或在被去除时与整个肝并置。
图像是二维或三维图像。例如,在二维图像中示出了切除和/或残余部分。图7示出三个剖面图像。在全部的三个图像中示出了肝38。在左下图像中,切除线40将切除部分从残余部分分离。右下图像是从用户选择或系统确定的观看方向进行的肝的三维呈现。肝具有处于灰度的残余44和被着红色或较暗的切除部分42。图8示出较大的呈现,其示出切除体积42和残余体积44。可以提供其它成像。
针对最小的用户交互,提供一个正则平面中的单个2D切除部分。输出肝的3D切除部分。可以重复该过程。例如,响应于多段线的输入而生成图像。随着添加附加多段线,用户选择不同的二维视图。结果得到的切除表面也改变。随着实现改变,基于该变化而重新生成相关部分的三维呈现或其它表示。用户能够将该切除重复与所需的一样多的次数以去除任何数目的肿瘤,或者获得肝的特定部分的细微切除。用户可以通过在残余肝中画出多段线来再次地对肝进行切除。
图9示出用于肝切除规划的系统。该系统包括成像系统48、存储器52、处理器50和显示器54。可以提供附加、不同或更少的部件。例如,提供网络或网络连接,诸如以便与医学成像网络或数据档案系统联网。在另一示例中,提供了用于线或点的用户输入、观看平面的选择或其它交互的用户接口。该用户接口可以包括输入设备,诸如鼠标、键盘、按钮、滑块、轨迹球、触控板和/或触摸屏。
处理器50和显示器54是医学成像系统48的一部分。替换地,处理器50和显示器54是档案和/或图像处理系统的一部分,诸如与医学记录数据库工作站或服务器相关联。在其它实施例中,处理器50和显示器54是个人计算机,诸如台式计算机或膝上型计算机、工作站、服务器、个人数字助理、智能电话、平板计算机或其组合。可以在没有用于通过对病人进行扫描来获取数据的其它部件的情况下提供处理器50、显示器54和存储器52。
成像系统48是医学诊断成像系统。可以使用超声波、计算机断层成像(CT)、x射线、荧光检查、正电子发射断层成像、单光子发射计算机断层成像和/或磁共振(MR)系统。成像系统48可以包括传送机并包括用于扫描或接收表示病人内部的数据的检测器。
在一个实施例中,成像系统48是CT系统。将x射线源与构台相连。还将检测器与跟x射线源相对的构台相连。病人位于源与检测器之间。源和检测器在病人的相对侧并绕着病人旋转。通过病人的所检测x射线能量被转换或变换成表示病人体内的不同空间位置的数据。
存储器52可以是图形处理存储器、视频随机存取存储器、随机存取存储器、系统存储器、高速缓冲存储器、硬盘驱动器、光学介质、磁介质、闪速驱动器、缓冲器、数据库、其组合或用于存储数据或视频信息的其它现在已知或稍后开发的存储器设备。存储器52是成像系统48的一部分、与处理器50相关联的计算机的一部分、数据库的一部分、另一系统的一部分、图片档案存储器或独立设备。
存储器52存储表示病人的部位的数据。该部位是三维部位。该部位是病人的任何部分,诸如胸、腹、腿、头、臂、心脏系统、心脏、血管或其组合内的部位。在一个实施例中,该部位包括肝。该数据来自由成像系统48对该部位进行扫描。存储器52可以替换地或另外在处理期间存储数据,诸如存储分割映射、肝指示、体素、强度、种子位置、输入多段线、产生的轮廓、映射、标签、带位置、冲突信息、一致性信息、互连的图、权值、图形覆盖、数量、输出图像或本文所讨论的其它信息。
存储器52或其它存储器替换地或另外是非瞬时性计算机可读存储介质,其存储表示可由编程处理器50执行以便进行肝切除规划的指令。用于实现本文所讨论的过程、方法和/或技术的指令是在非瞬时性计算机可读存储介质或存储器上提供的,诸如高速缓存器、缓冲器、RAM、可移动介质、硬盘驱动器或其它计算机可读存储介质。非瞬时性计算机可读存储介质包括各种类型的易失性和非易失性存储介质。在图中示出或在本文中描述的功能、动作或任务是响应于存储在计算机可读存储介质中或上的一个或多个指令集而执行的。该功能、动作或任务独立于特定类型的指令集、存储介质、处理器或处理策略,并且可以由单独地或组合地操作的软件、硬件、集成电路、固件、伪代码等来执行。同样地,处理策略可以包括多重处理、多重任务、并行处理等。
在一个实施例中,指令被存储在可移动介质设备上以便由本地或远程系统读取。在其它实施例中,指令被存储在远程位置上以便通过计算机网络或通过电话线来传输。在其它实施例中,指令被存储在给定计算机、CPU、GPU或系统内。
处理器50是通用处理器、中央处理单元、控制处理器、图形处理器、数字信号处理器、三维呈现处理器、图像处理器、专用集成电路、现场可编程门阵列、数字电路、模拟电路、其组合或者用于边界分割的其它现在已知或稍后开发的器件。处理器50是串行地、并行地或单独地操作的单个设备或多个设备。处理器50可以是计算机的主处理器,诸如膝上型计算机或台式计算机,或者可以是用于在大型系统中、诸如在成像系统中处理某些任务的处理器。处理器50被指令、设计、硬件和/或软件配置成执行本文所讨论的动作。
处理器50被配置成执行图1的动作或其它动作。处理器50使用用户输入和/或观看方向来产生一个或多个轮廓。该轮廓被用来确定切除和残余种子。替换地,处理器50基于其它输入或在没有输入的情况下确定种子。处理器50基于种子将体积分割,诸如使用处理器产生的肝的图来分割。处理器50生成输出,诸如在一个或多个视图中示出残余和/或切除体积以进行规划的图像。
显示器54是监视器、LCD、投影仪、等离子体显示器、CRT、打印机或者用于输出视觉信息的其它现在已知或稍后开发的设计。显示器54从处理器50、存储器52或成像系统48接收图像、图形、文本、量或其它信息。显示一个或多个医学图像。该图像是病人的一个部位的图像。在一个实施例中,该图像是CT图像。该图像包括切除表面、残余和/或切除部分的指示,诸如图形或色化处理。替换地或另外,图像包括基于切除部分、表面和/或残余的量。该量可以在没有病人的医学图像表示的情况下被显示为图像。
虽然上文已经参考各种实施例描述了本发明,但应理解的是在不脱离本发明的范围的情况下可以进行许多变更和修改。因此,意图在于将前述详细描述视为说明性而不是限制性的,并且应理解的是意图限定本发明的精神和范围的是以下权利要求,包括所有等价物。

Claims (20)

1.一种用于手术前切除规划的方法,该方法包括:
获取表示病人的肝的体积的数据;
从该数据生成肝的切片的二维视图;
从用户输入设备接收相对于二维视图的多个点或线的用户输入;
由处理器从所述点或线来产生切片中的轮廓;
由处理器从切片的数据来识别被轮廓和轮廓周围的带分离的第一和第二种子;
由处理器基于来自切片的第一和第二种子来将所述体积分割成第一和第二三维部分;以及
将示出切除部分的图像作为第一三维部分输出。
2.权利要求1的方法,其中,获取数据包括获取计算机断层成像数据。
3.权利要求1的方法,其中,获取数据包括从周围组织将肝分割,该数据是肝的体素且不是周围组织。
4.权利要求1的方法,其中,生成二维视图包括响应于用户对切片的选择而生成。
5.权利要求1的方法,其中,产生包括将点或线作为切片中的肝的边缘之间的连续曲线来扩展。
6.权利要求1的方法,其中,识别包括:
计算从轮廓到切片中的每个点的欧几里德距离;
基于各点中的每一个出现在其上的轮廓的一侧向每个欧几里德距离分配符号;
将第一种子设置为用于在正阈值之上的欧几里德距离中的正的欧几里德距离的点,并将第二种子设置为用于在负阈值以下的欧几里德距离中的负的欧几里德距离的点。
7.权利要求1的方法,其中,分割包括应用随机游走算法。
8.权利要求1的方法,其中,所述第二种子用于前景且所述第一种子用于背景,并且其中,分割包括:
根据体积的体素产生互连的图;
计算针对每个体素与第一和第二种子中的每一个相关联的概率;以及
根据该概率将体素分配给前景和背景,其中,前景包括第一部分且背景包括第二部分。
9.权利要求1的方法,还包括;
从用户输入设备接收相对于体积的另外多个点或另一线的用户输入;
由处理器来产生另一轮廓;以及
测试轮廓与另一轮廓之间的冲突。
10.权利要求9的方法,还包括在所述测试示出无冲突的情况下使得种植在所述轮廓与另一轮廓之间是一致的,其中,所述第一和第二种子是随所述轮廓和另一轮廓而变的。
11.权利要求9的方法,还包括在所述测试示出冲突的情况下将所述轮廓和另一轮廓组合,其中,所述第一和第二种子是随所述轮廓和另一轮廓而变的。
12.权利要求1的方法,还包括:
根据肝中的血管对分割加权,使得血管被加权成在第二三维部分中。
13.在其中存储有数据的非瞬时性计算机可读存储介质中,所述数据表示可由编程处理器执行以进行肝切除规划的指令,该存储介质包括用于以下各项的指令:
根据病人的肝的扫描数据来产生互连的图;
根据该图将该图分离成切除体积和残余体积;以及
输出切除体积或残余体积。
14.权利要求13的非瞬时性计算机可读存储介质,其中,产生该图包括形成体素的6连接网格。
15.权利要求13的非瞬时性计算机可读存储介质,还包括:
根据通过肝的平面的二维图像上的用户输入来生成前景和背景种子;
其中,分离包括根据前景和背景种子来将肝体积进行分离。
16.权利要求13的非瞬时性计算机可读存储介质,其中,分离包括向该图应用随机游走算法。
17.权利要求13的非瞬时性计算机可读存储介质,其中,分离包括根据与一个或多个血管相关联的位置来进行分离。
18.权利要求13所述的非瞬时性计算机可读存储介质,其中,输出包括输出具有相对于残余体积被突出显示的切除体积的图像。
19.在其中存储有数据的非瞬时性计算机可读存储介质中,所述数据表示可由编程处理器执行以进行肝切除规划的指令,该存储介质包括用于以下各项的指令:
根据平面中的位置的用户输入来生成切除和残余种子;以及
根据切除和残余种子及肝体积的互连网格将肝体积划分成切除体积和残余体积。
20.权利要求19的非瞬时性计算机可读存储介质,其中,生成包括根据肝体积的切片的计算机断层成像图像上的用户输入来进行生成,并且其中,划分包括使用随机游走函数且在没有用于肝体积的强度信息的情况下将肝体积的体素分配给切除和残余体积。
CN201210367712.8A 2011-09-28 2012-09-28 半自动化手术前切除规划 Active CN103049638B (zh)

Applications Claiming Priority (6)

Application Number Priority Date Filing Date Title
US201161540211P 2011-09-28 2011-09-28
US61/540211 2011-09-28
US61/540,211 2011-09-28
US13/622,394 US9129391B2 (en) 2011-09-28 2012-09-19 Semi-automated preoperative resection planning
US13/622,394 2012-09-19
US13/622394 2012-09-19

Publications (2)

Publication Number Publication Date
CN103049638A true CN103049638A (zh) 2013-04-17
CN103049638B CN103049638B (zh) 2017-07-14

Family

ID=47911350

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201210367712.8A Active CN103049638B (zh) 2011-09-28 2012-09-28 半自动化手术前切除规划

Country Status (2)

Country Link
US (1) US9129391B2 (zh)
CN (1) CN103049638B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104794746A (zh) * 2014-01-20 2015-07-22 深圳市医诺智能科技发展有限公司 一种三维平面剖分方法及系统

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9292933B2 (en) * 2011-01-10 2016-03-22 Anant Madabhushi Method and apparatus for shape based deformable segmentation of multiple overlapping objects
US9269155B2 (en) * 2012-04-05 2016-02-23 Mediatek Singapore Pte. Ltd. Region growing method for depth map/color image
JP5741660B2 (ja) * 2013-09-18 2015-07-01 カシオ計算機株式会社 画像処理装置、画像処理方法及びプログラム
GB2523329A (en) 2014-02-20 2015-08-26 Nokia Technologies Oy Method, apparatus and computer program product for image segmentation
KR102372351B1 (ko) * 2014-08-19 2022-03-08 삼성메디슨 주식회사 초음파 진단 장치 및 초음파 진단 방법
EP3460751A1 (en) * 2017-09-22 2019-03-27 Koninklijke Philips N.V. Automated tumor partitioning
EP3474228A1 (en) * 2017-10-20 2019-04-24 Koninklijke Philips N.V. Segmenting an image
EP3707672A1 (en) * 2017-11-09 2020-09-16 Agfa HealthCare NV Method of segmenting a 3d object in a medical radiation image
US20210152367A1 (en) * 2019-11-19 2021-05-20 International Business Machines Corporation Monitoring a condition of electronic devices

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101310304A (zh) * 2005-11-01 2008-11-19 美国医软科技公司 用于肝叶分割和术前手术规划的方法和系统
US20090003672A1 (en) * 2007-06-15 2009-01-01 Florian Maier Method for segmenting image data for detecting a liver
US20100166275A1 (en) * 2006-08-24 2010-07-01 Agency For Science Tecnology And Research Model-based method and system for image segmentation and modelling
CN102117378A (zh) * 2009-12-31 2011-07-06 苏州瑞派宁科技有限公司 一种基于三维多模影像的肝肿瘤综合手术规划模拟方法及其系统

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2415563B (en) * 2004-06-23 2009-11-25 Medicsight Plc Lesion boundary detection
US7729537B2 (en) * 2005-08-01 2010-06-01 Siemens Medical Solutions Usa, Inc. Editing of presegemented images/volumes with the multilabel random walker or graph cut segmentations
US7787678B2 (en) * 2005-10-07 2010-08-31 Siemens Corporation Devices, systems, and methods for processing images
US8358818B2 (en) * 2006-11-16 2013-01-22 Vanderbilt University Apparatus and methods of compensating for organ deformation, registration of internal structures to images, and applications of same
US8144949B2 (en) * 2007-11-15 2012-03-27 Carestream Health, Inc. Method for segmentation of lesions
WO2011046511A1 (en) * 2009-10-13 2011-04-21 Agency For Science, Technology And Research A method and system for segmenting a liver object in an image
DE102010022307A1 (de) * 2010-06-01 2011-12-01 Siemens Aktiengesellschaft Verfahren zur Überprüfung der Segmentierung einer Struktur in Bilddaten

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101310304A (zh) * 2005-11-01 2008-11-19 美国医软科技公司 用于肝叶分割和术前手术规划的方法和系统
US20100166275A1 (en) * 2006-08-24 2010-07-01 Agency For Science Tecnology And Research Model-based method and system for image segmentation and modelling
US20090003672A1 (en) * 2007-06-15 2009-01-01 Florian Maier Method for segmenting image data for detecting a liver
CN102117378A (zh) * 2009-12-31 2011-07-06 苏州瑞派宁科技有限公司 一种基于三维多模影像的肝肿瘤综合手术规划模拟方法及其系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
林科灿: "肝脏三维重建及虚拟肝脏手术规划临床应用的研究", 《中国博士学位论文全文数据库 医药卫生科技辑》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104794746A (zh) * 2014-01-20 2015-07-22 深圳市医诺智能科技发展有限公司 一种三维平面剖分方法及系统
CN104794746B (zh) * 2014-01-20 2018-05-18 深圳市医诺智能科技发展有限公司 一种三维平面剖分方法及系统

Also Published As

Publication number Publication date
US9129391B2 (en) 2015-09-08
US20130077842A1 (en) 2013-03-28
CN103049638B (zh) 2017-07-14

Similar Documents

Publication Publication Date Title
CN103049638A (zh) 半自动化手术前切除规划
US11016579B2 (en) Method and apparatus for 3D viewing of images on a head display unit
US8929635B2 (en) Method and system for tooth segmentation in dental images
US9697586B2 (en) Method and apparatus for generating an enhanced image from medical imaging data
CN106651895B (zh) 一种分割三维图像的方法和装置
US9373181B2 (en) System and method for enhanced viewing of rib metastasis
US8077948B2 (en) Method for editing 3D image segmentation maps
WO2009103046A2 (en) Medical image reporting system and method
CN106663309A (zh) 用于医学成像的骨骼分段中的用户引导的形状变体
CN103140855A (zh) 基于知识的自动图像分割
Sun et al. Lung segmentation refinement based on optimal surface finding utilizing a hybrid desktop/virtual reality user interface
CN106952264B (zh) 三维医学目标的切割方法及装置
CN111052181A (zh) 用于评估扁平解剖结构的图像处理
CN107851337B (zh) 交互式网格编辑
WO2013012966A1 (en) Method and system for dental images
US20230222748A1 (en) Method for visualizing at least a zone of an object in at least one interface
US11380060B2 (en) System and method for linking a segmentation graph to volumetric data
EP4181152A1 (en) Processing image data for assessing a clinical question
US20240112395A1 (en) Image processing device, image processing method, and program
Oliveira et al. 3D Reconstruction and Visualization of Liver and Vascular Networks from CT data using VTK and IGSTK
Schlachter et al. Visualization of 4DPET/CT target volumes and dose distribution: applications in radiotherapy planning
El-Khameesy et al. Evaluating the impact of virtual reality on liver surgical planning procedures
from Contour Processor Display

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20220214

Address after: new jersey

Patentee after: SIEMENS AG

Patentee after: SIEMENS Medical Co., Ltd.

Address before: new jersey

Patentee before: SIEMENS AG

Patentee before: siemens