CN103841894A - 器官与解剖结构的图像分割 - Google Patents
器官与解剖结构的图像分割 Download PDFInfo
- Publication number
- CN103841894A CN103841894A CN201280025751.8A CN201280025751A CN103841894A CN 103841894 A CN103841894 A CN 103841894A CN 201280025751 A CN201280025751 A CN 201280025751A CN 103841894 A CN103841894 A CN 103841894A
- Authority
- CN
- China
- Prior art keywords
- image
- target
- seeds
- photo
- machine
- 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
- 210000000056 organ Anatomy 0.000 title claims description 30
- 210000003484 anatomy Anatomy 0.000 title claims description 10
- 238000003709 image segmentation Methods 0.000 title abstract 2
- 238000000034 method Methods 0.000 claims abstract description 47
- 238000003384 imaging method Methods 0.000 claims abstract description 13
- 238000003706 image smoothing Methods 0.000 claims 1
- 210000004185 liver Anatomy 0.000 claims 1
- 230000000877 morphologic effect Effects 0.000 abstract 1
- 230000015654 memory Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 5
- 230000011218 segmentation Effects 0.000 description 5
- 238000013507 mapping Methods 0.000 description 4
- 230000002093 peripheral effect Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000004069 differentiation Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000009877 rendering Methods 0.000 description 2
- 238000000429 assembly Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/46—Arrangements for interfacing with the operator or the patient
- A61B6/467—Arrangements for interfacing with the operator or the patient characterised by special input means
- A61B6/469—Arrangements for interfacing with the operator or the patient characterised by special input means for selecting a region of interest [ROI]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
- A61B6/5229—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image
- A61B6/5235—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image combining images from the same or different ionising radiation imaging techniques, e.g. PET and CT
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5258—Devices using data or image processing specially adapted for radiation diagnosis involving detection or reduction of artifacts or noise
-
- 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
- G06T7/149—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
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computed tomography [CT]
- A61B6/032—Transmission computed tomography [CT]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computed tomography [CT]
- A61B6/037—Emission tomography
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
- A61B6/501—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of the head, e.g. neuroimaging or craniography
-
- 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
- G06T2207/10081—Computed x-ray tomography [CT]
-
- 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
- G06T2207/10088—Magnetic resonance imaging [MRI]
-
- 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
- G06T2207/10104—Positron emission tomography [PET]
-
- 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
- G06T2207/20036—Morphological image processing
-
- 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
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20108—Interactive selection of 2D slice in a 3D data set
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- General Health & Medical Sciences (AREA)
- Radiology & Medical Imaging (AREA)
- Biomedical Technology (AREA)
- Public Health (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Pathology (AREA)
- Animal Behavior & Ethology (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- High Energy & Nuclear Physics (AREA)
- Biophysics (AREA)
- Veterinary Medicine (AREA)
- Heart & Thoracic Surgery (AREA)
- Optics & Photonics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Quality & Reliability (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Processing (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Nuclear Medicine (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
一种通过成像从一个2维(2-D)图像片发展成取自一个3维(3-D)图像的一个或多个附近相邻2-D图像的目标形态形状进行图像分割的系统与方法。通过使用利用两个图像片之间的可变形图像配准过程生成的变形域,一个图像片上由用户定义为目标的一个区域可以在附近相邻的图像片上的对应区域中找到。它允许用户区分具有相同或相似图像强度的目标与背景区域。
Description
本申请要求由Senhu Li等人于2011年4月18日提交的美国临时申请号61/476,744的利益和优先权,并且使其从那个提交日开始享受优先权。美国临时申请号61/476,744的说明书、附图与完整公开内容通过具体引用被结合于此以用于所有目的。
技术领域
本发明涉及为医疗图像分割目的区分具有相同或相似图像强度的目标与背景区域的方法与装置。
背景技术
器官与解剖结构分割在若干医疗应用中都很重要,包括在图像引导的外科手术系统中所使用的表面的创建。多种现有技术的器官分割方法与系统在Dawant等人的美国专利号7,519,209中公开,该专利通过具体引用被全部结合于此以用于所有目的。
对医疗图像进行分割的最困难的问题之一是定义具有相同或相似图像强度的两个器官或解剖结构之间的邻接(adjunction)。在这种情况下,现有技术常常不能成功地区分目标与背景。
相应地,所需要的是为医疗图像分割目的区分具有相同或相似图像强度的目标与背景的方式。
发明内容
图像配准提供了定义两个图像之间对应点或元素的方法。这些图像可以是器官或解剖结构的图像,而且包括但不限于人体器官与解剖结构。在各种示例性实施例中,本发明包括通过成像从一个2维(2-D)的图像片发展成取自3维(3-D)一个或多个附近相邻的2-D图像的目标形态形状来进行图像分割的方法。通过使用利用两个图像片之间的可变形图像配准过程生成的变形域,一个图像片上由用户定义为目标的一个区域可以在附近相邻的图像片上对应的区域中找到。它提供了区分具有相同或相似图像强度的目标与背景区域的解决办法,这在现有技术,例如基于强度的区域增长方法,中是最困难的问题之一。
在一种示例性实施例中,本发明利用附近相邻图像片上器官形态结构的相似性,并且通过进行两个图像片之间的图像配准建立这两个附近相邻图像片之间的变形域。相应地,当一个图像片上的目标区域或者由用户手动定义或者从前面的分割步骤定义时,附近相邻图像片上对应的区域可以通过应用变形域来定义,即使当目标与背景区域具有相同或相似的图像强度时也可以。换句话说,两个片之间的图像配准有助于区分目标与背景区域,即使它们显示出相同或相似的图像强度。用户在一个图像片上定义目标与背景,而且,所有其它图像片上的形态结构都可以基于利用图像配准过程建立的变形域从其推导。
尽管基于配准的分割是已知的,但是现有技术不进行配准过程来探究相邻横截面片之间的相似性并且使用它执行图像分割。已经开发出了其它基于配准的分割方法,确定把来自一个图像的一个对象上的点映射到另一个图像中相同对象上的同源点的变换。总的来说,这两个图像包含相同的内容而且取自不同的时间,因此基于标准配准的分割方法映射随着时间的推移变形的相同对象。相反,考虑到人体器官具有光滑的表面,本文所述的基于配准的分割方法映射代表一个形状从一个横截面到其相邻横截面的发展的同源点。
图1示出了根据本发明的示例性实施例、利用3-D图像中的变形域进行器官分割的方法的图。总的来说,在进入配准过程之前,顶部的片,称为“种子图像”片,具有已知的目标器官轮廓。底部的片在这里被称为“相邻的”片,而且是在其上导出目标器官轮廓的片。
图2示出了在3-D图像中利用变形域进行器官分割的方法的步骤图。第一步是从相同或相似的成像形态获取感兴趣的器官的3-D图像或体积,成像形态例如(但不限于)有或没有相同或相似脉冲序列的对照的磁共振(MR)图像的计算出的X射线计算机断层成像(CT)图形,及正电子发射X射线计算机断层成像(PET)图像。如果必要的话,则可以应用图像平滑或过滤过程,以减少图像噪声并方便进一步的图像配准过程。
接下来,手动地或者自动地选择2-D种子图像片。这是为目标器官勾勒的第一个图像片,也是手动地或者自动地。然后,在种子图像片与其相邻的图像片之间进行2-D可变形图像配准过程。这个过程生成变形域。相邻图像片上新的轮廓是通过对来自种子图像片的轮廓应用变形域获得的。在这个步骤之后,可能需要或者可能不需要轮廓细化。利用新的轮廓及其对应的2-D图像片作为新的种子图像片,重复图像配准过程步骤。当被2-D轮廓覆盖的面积变得特别小或者达到小于预设值或阈值的数量时,分割过程停止。
附图说明
图1示出了根据本发明一个实施例的分割方法的图。
图2示出了根据本发明一个实施例的分割方法的图表。
图3示出了图2方法的图。
图4示出了显示种子图像片的用户界面显示的例子。
图5示出了显示自动分割过程的用户界面显示的例子。
具体实施例
图像配准提供了定义两个图像之间对应点或元素的方法。在各种示例性实施例中,本发明包括通过成像从一个2维(2-D)的图像片发展成取自3维(3-D)图像的一个或多个附近相邻的2-D图像的目标形态形状来进行图像分割的方法。通过使用利用两个图像片之间的可变形图像配准过程生成的变形域,一个图像片上由用户定义为目标的一个区域可以在附近相邻的图像片上对应的区域中找到。它提供了区分具有相同或相似图像强度的目标与背景区域的解决办法,这在现有技术,例如基于强度的区域增长方法,中是最困难的问题之一。
在一种示例性实施例中,如图1中所示,本发明利用附近相邻图像片上器官形态结构的相似性,并且通过进行两个图像片之间的图像配准建立这两个附近相邻图像片之间的变形域。相应地,当一个图像片上的目标区域或者由用户手动定义或者从前面的分割步骤定义时,附近相邻图像片上对应的区域可以通过应用变形域来定义,即使当目标与背景区域具有相同或相似的图像强度时也可以。换句话说,两个片之间的图像配准有助于区分目标与背景区域,即使它们显示出相同或相似的图像强度。用户在一个图像片上定义目标与背景,而且,所有其它图像片上的形态结构都可以基于利用图像配准过程建立的变形域从其推导。
尽管基于配准的分割是已知的,但是现有技术不进行配准过程来探究相邻横截面片之间的相似性并且使用它执行图像分割。已经开发出了其它基于配准的分割方法,确定把来自一个图像的一个对象上的点映射到另一个图像中相同对象上的同源点的变换。总的来说,这两个图像包含相同的内容而且取自不同的时间,因此基于标准配准的分割方法映射随着时间的推移变形的相同对象。相反,考虑到人体器官具有光滑的表面,本文所述的基于配准的分割方法映射代表一个形状从一个横截面到其相邻横截面的发展的同源点。
尽管应当指出,本发明不限于2-D图像片的特定朝向(例如,轴向、冠状、矢状或者任意的),但是图1示出了两个相邻的2-D图像片。在进入配准过程之前,顶部的片,称为“种子图像”片10,具有已知的目标器官轮廓。底部的片可以被称为“相邻的”片12,而且是在其上导出目标器官轮廓的片。
图2示出了根据本发明一个示例性实施例、在3D图像中利用变形域进行器官分割的方法的步骤图。第一步21是从相同或相似的成像形态获取感兴趣的器官的3D图像数据或体积,成像形态例如(但不限于)是有或没有相同或相似脉冲序列的对照的磁共振(MR)图像的计算出的X射线计算机断层成像(CT)图像,及正电子发射X射线计算机断层成像(PET)图像。如果必要的话,则可以应用图像平滑或过滤过程22,以减少图像噪声并方便进一步的图像配准过程。
接下来,手动地或者自动地选择232-D种子图像片。这是为目标器官勾勒轮廓24的第一个图像片,也是手动地或者自动地。然后,在种子图像片与其相邻的图像片之间进行2-D可变形图像配准过程25。这个过程生成变形域26。相邻图像片上新的轮廓是通过对来自种子图像片的轮廓应用变形域获得的27。在这个步骤之后,可能需要或者可能不需要轮廓细化。
利用新的轮廓及其对应的2-D图像片作为新的种子图像片,重复28步骤25-27。当被2-D轮廓覆盖的面积变得特别小或者达到小于预设值或阈值的数量时,分割过程停止29。
图3示出了本发明系统的示例性实施例的图,如以上关于图2所描述的。器官或解剖结构分割是利用变形域实现的,其中该变形域是利用3-D图像体积14中附近的相邻2-D图像片10、12之间的可变形图像过程生成的。该过程是结合计算设备或计算机执行的,其中该计算设备或计算机具有耦合到存储器的微处理器或处理器。
图4示出了本发明这种系统的示例性用户界面,如在计算机显示器上所示出的。所示出的图像是种子图像片60的分割的初始化与结果。图5示出了对相邻片顺序执行的自动分割过程61,及分割片产生时其3-D堆叠62。
为了提供用于本发明各方面的背景,以下讨论提供了合适计算环境的简单、一般化的描述,其中可以实现本发明的各方面。计算系统环境是合适的计算环境的一个例子,但不是要暗示对本发明的使用或功能性范围的任何限制。计算环境可以包含以下讨论的组件中的任何一个或者其组合,而且可以包含附加的组件,或者可以没有所说明的一些组件。本发明的各种实施例对于许多通用或专用的计算系统、环境或配置都可操作。可能适于与本发明的各种实施例一起使用的计算系统、环境或配置的例子包括但不限于个人计算机、膝上型计算机、计算机服务器、计算机笔记本、手持式设备、基于微处理器的系统、多处理器系统、电视机顶盒与设备、可编程消费者电子产品、手机、个人数字助理(PDA)、网络PC、微型计算机、大型计算机、嵌入式系统、分布式计算环境等。
本发明的实施例可以按计算机或计算设备执行的计算机可执行指令的形式实现,例如程序代码或程序模块。程序代码或模块可以包括程序、对象、组件、数据元素与结构、例程、子例程、函数等。这些用于执行或实现特定的任务或功能。本发明的实施例还可以在分布式计算环境中实现。在这种环境中,任务是由经通信网络或其它数据发送介质链接的远端处理设备执行的,而且数据与程序代码或模块可以既位于本地又位于远端包括存储器存储设备的计算机存储介质中。
在一种实施例中,计算机系统包括通过或者经由网络与至少一个服务器设备通信的多个客户端设备。在各种实施例中,网络可以包括互联网、内联网、广域网(WAN)或者局域网(LAN)。应当指出,本发明的许多方法都可以在单个计算设备中操作。
客户端设备可以是连接到网络并且与一个或多个应用程序交互的基于处理器的任何类型平台。客户端设备每个都包括与处理器通信的、形式为易失性和/或非易失性存储器的计算机可读介质,例如只读存储器(ROM)和随机存取存储器(RAM)。处理器执行存储在存储器中的计算机可执行程序指令。这种处理器的例子包括但不限于微处理器、ASIC等。
客户端设备可以进一步包括与处理器通信的计算机可读介质,所述介质存储程序代码、模块与指令,当这些程序代码、模块与指令被处理器执行时,使处理器执行程序并且执行本文所述的步骤。计算机可读介质可以是可以由计算机或计算设备访问的任何可用介质而且既包括易失性又包括非易失性的介质,既包括可移除又包括不可移除的介质。计算机可读介质可以进一步包括计算机存储介质和通信介质。计算机存储介质包括用于信息存储的介质,其中的信息例如计算机可读指令、数据、数据结构或者程序代码或模块。计算机可读介质的例子包括但不限于任何电、光、磁或者其它存储或发送设备、软盘、硬盘驱动器、CD-ROM、DVD、磁盘、存储器芯片、ROM、RAM、EEPROM、闪存存储器或其它存储器技术、ASIC、配置好的处理器、CDROM、DVD或其它光盘储存器、盒式磁带、磁带、磁盘储存器或其它磁性存储设备,或者计算机处理器可以从其读指令或者可以存储期望信息的任何其它介质。通信介质包括可以把指令发送或运送到计算机的介质,包括但不限于路由器、私有或公用网络、有线网络、直接连线连接、无线网络、其它无线介质(例如,声音、RF、红外线等)或者其它发送设备或通道。这可以包括调制后的数据信号,例如载波或其它传输机制,中的计算机可读指令、数据结构、程序模块或其它数据。所述发送可以是有线的、无线的或者二者都有。以上所述的任意组合也应当包括在计算机可读介质的范围内。指令可以包括来自任何计算机编程语言的代码,包括例如C、C++、C#、Visual Basic、Java等。
通用客户端或计算设备的组件可以进一步包括连接包括存储器与处理器在内的各种系统组件的系统。系统总线可以是几种类型的总线结构中的任意一种,包括但不限于利用多种总线体系结构中任意一种的存储器总线或存储器控制器、外围设备总线及本地总线。这种体系结构包括但不限于工业标准体系结构(ISA)总线、微通道体系结构(MCA)总线、增强ISA(EISA)总线、视频电子标准协会(VESA)本地总线和外设部件互连(PCI)总线。
计算与客户端设备还可以包括基本输入/输出系统(BIOS),该BIOS包含在例如启动过程中帮助在计算机内的元件之间传输信息的基本例程。BIOS一般存储在ROM中。相反,RAM一般包含可以由处理器访问或者目前由处理器操作的数据或程序代码或模块,例如但不限于操作系统、应用程序和数据。
客户端设备还可以包括多种其它内部或外部组件,例如监视器或显示器、键盘、鼠标、轨迹球、点选设备、触摸板、麦克风、操纵杆、圆盘式卫星电视天线、盘驱动器、CD-ROM或DVD驱动器或者其它输入或输出设备。这些及其它设备一般通过耦合到系统总线的用户输入接口连接到处理器,但是也可以通过其它接口和总线结构连接,例如并口、串口、游戏端口或通用串行总线(USB)。监视器或者其它类型的显示设备一般经视频接口连接到系统总线。除了监视器,客户端设备还可以包括可以通过输出外围设备接口连接的其它外围输出设备,例如扬声器和打印机。
客户端设备可以在能够支持在此所公开类型的应用的任何操作系统上操作。客户端设备还可以支持浏览器或启用浏览器的应用。客户端设备的例子包括但不限于个人计算机、膝上型计算机、个人数字助理、计算机笔记本、手持式设备、蜂窝电话、移动电话、智能电话、寻呼机、数字平板、互联网用具及其它基于处理器的设备。用户可以通过各自的客户端设备在网络上彼此通信,并且与其它系统、网络和设备通信。
因此,应当理解,本文所述的实施例与例子的选择与描述是为了最好地说明本发明的原理及其实践应用,由此使得本领域普通技术人员能够最好地在各种实施例中并且关于适于预期特定使用的各种修改利用本发明。尽管已经描述了本发明的具体实施例,但它们不应当认为是穷尽的。存在对本领域技术人员来说很显然的若干变形例。
Claims (13)
1.一种用于执行解剖结构或器官的图像的图像分割的机器,包括:
耦合到存储器的处理器或微处理器,其中处理器或微处理器编程为通过以下步骤执行图像分割:
获取用于器官或解剖结构的3维图像数据;
从3维图像数据选择2维种子图像片;
在种子图像片上勾勒目标,所述目标包括器官或器官的一部分;
选择与种子图像片相邻或者在其附近的2维相邻图像片;
通过在种子图像片与相邻图像片之间进行的可变形图像配准来自动生成变形域;及
通过对种子图像片上目标的轮廓应用变形域,获得相邻图像片上目标的轮廓。
2.如权利要求1所述的机器,进一步包括步骤:
在相邻图像片上进行目标勾勒之后,利用之前的相邻图像片代替之前的种子图像片,由此该相邻图像片变成新的种子图像片;
利用与之前的相邻图像片相邻或者在其附近的另一个新的2维相邻图像片代替之前的相邻图像片;及
利用新的种子图像片和新的相邻图像片重复勾勒、选择、自动生成和获得目标的轮廓的步骤。
3.如权利要求2所述的机器,进一步地,其中,目标轮廓在多个图像片上获得。
4.如权利要求3所述的机器,进一步地,其中,具有勾勒出的目标的多个图像片按次序堆叠并存储在计算机存储设备上。
5.如权利要求2所述的机器,其中所述步骤重复,直到新的相邻图像片上目标轮廓的面积达到小于预设值或阈值的尺寸。
6.如权利要求1所述的机器,其中3维图像数据包括计算出的X射线计算机断层成像、磁共振或者正电子发射X射线计算机断层成像图像。
7.如权利要求1所述的机器,其中器官或解剖结构是人体器官。
8.如权利要求7所述的机器,其中器官是肝脏。
9.如权利要求1所述的机器,其中图像平滑或过滤过程在获取之后应用到3维图像数据。
10.如权利要求1所述的机器,进一步包括显示器或监视器。
11.如权利要求10所述的机器,其中初始的种子图像片显示在显示器或监视器上,而且提示用户勾勒目标。
12.如权利要求1所述的机器,其中在初始种子图像片上对目标的勾勒是自动执行的。
13.如权利要求1所述的机器,其中获取步骤包括从计算机存储介质加载图像数据。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201161476744P | 2011-04-18 | 2011-04-18 | |
US61/476,744 | 2011-04-18 | ||
PCT/US2012/034030 WO2012145367A2 (en) | 2011-04-18 | 2012-04-18 | Image segmentation of organs and anatomical structures |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103841894A true CN103841894A (zh) | 2014-06-04 |
CN103841894B CN103841894B (zh) | 2017-06-27 |
Family
ID=47042136
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201280025751.8A Expired - Fee Related CN103841894B (zh) | 2011-04-18 | 2012-04-18 | 器官与解剖结构的图像分割 |
Country Status (7)
Country | Link |
---|---|
US (1) | US8867812B2 (zh) |
EP (1) | EP2699164A4 (zh) |
JP (1) | JP2014512229A (zh) |
CN (1) | CN103841894B (zh) |
CA (1) | CA2833728A1 (zh) |
IL (1) | IL228955A0 (zh) |
WO (1) | WO2012145367A2 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107730505A (zh) * | 2016-08-12 | 2018-02-23 | 东芝医疗系统株式会社 | 图像处理装置及图像处理方法 |
US10991102B2 (en) | 2016-08-12 | 2021-04-27 | Canon Medical Systems Corporation | Image processing apparatus and image processing method |
Families Citing this family (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7728868B2 (en) | 2006-08-02 | 2010-06-01 | Inneroptic Technology, Inc. | System and method of providing real-time dynamic imagery of a medical procedure site using multiple modalities |
WO2009094646A2 (en) | 2008-01-24 | 2009-07-30 | The University Of North Carolina At Chapel Hill | Methods, systems, and computer readable media for image guided ablation |
US11464578B2 (en) | 2009-02-17 | 2022-10-11 | Inneroptic Technology, Inc. | Systems, methods, apparatuses, and computer-readable media for image management in image-guided medical procedures |
US8690776B2 (en) | 2009-02-17 | 2014-04-08 | Inneroptic Technology, Inc. | Systems, methods, apparatuses, and computer-readable media for image guided surgery |
US8641621B2 (en) | 2009-02-17 | 2014-02-04 | Inneroptic Technology, Inc. | Systems, methods, apparatuses, and computer-readable media for image management in image-guided medical procedures |
US8554307B2 (en) | 2010-04-12 | 2013-10-08 | Inneroptic Technology, Inc. | Image annotation in image-guided medical procedures |
US8805035B2 (en) * | 2010-05-03 | 2014-08-12 | Mim Software, Inc. | Systems and methods for contouring a set of medical images |
US8781186B2 (en) | 2010-05-04 | 2014-07-15 | Pathfinder Therapeutics, Inc. | System and method for abdominal surface matching using pseudo-features |
US10314559B2 (en) | 2013-03-14 | 2019-06-11 | Inneroptic Technology, Inc. | Medical device guidance |
US9430706B1 (en) * | 2013-10-02 | 2016-08-30 | Given Imaging Ltd. | System and method for detection of in-vivo pathology sequences |
CN106462973B (zh) * | 2014-06-24 | 2021-01-22 | 皇家飞利浦有限公司 | 医学数据集相对于3d体积绘制的视觉匿名化 |
US9901406B2 (en) | 2014-10-02 | 2018-02-27 | Inneroptic Technology, Inc. | Affected region display associated with a medical device |
US10188467B2 (en) | 2014-12-12 | 2019-01-29 | Inneroptic Technology, Inc. | Surgical guidance intersection display |
US9949700B2 (en) | 2015-07-22 | 2018-04-24 | Inneroptic Technology, Inc. | Medical device approaches |
US9675319B1 (en) | 2016-02-17 | 2017-06-13 | Inneroptic Technology, Inc. | Loupe display |
US9965863B2 (en) * | 2016-08-26 | 2018-05-08 | Elekta, Inc. | System and methods for image segmentation using convolutional neural network |
US10278778B2 (en) | 2016-10-27 | 2019-05-07 | Inneroptic Technology, Inc. | Medical device navigation using a virtual 3D space |
US11259879B2 (en) | 2017-08-01 | 2022-03-01 | Inneroptic Technology, Inc. | Selective transparency to assist medical device navigation |
US11484365B2 (en) | 2018-01-23 | 2022-11-01 | Inneroptic Technology, Inc. | Medical image guidance |
CN108596935A (zh) * | 2018-04-24 | 2018-09-28 | 安徽锐捷信息科技有限公司 | 一种磁共振图像的分割方法及装置 |
Citations (7)
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 |
US7505037B2 (en) * | 2004-10-02 | 2009-03-17 | Accuray, Inc. | Direct volume rendering of 4D deformable volume images |
CN101479763A (zh) * | 2006-06-28 | 2009-07-08 | 皇家飞利浦电子股份有限公司 | 基于可变分辨率模型的图像分割 |
US7620226B2 (en) * | 2004-10-28 | 2009-11-17 | Siemens Medical Solutions Usa, Inc. | Semi-local active contour for a faint region detection in knee CT images |
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 |
US20110081066A1 (en) * | 2009-10-07 | 2011-04-07 | Marie-Pierre Jolly | System and method for cardiac segmentation in mr-cine data using inverse consistent non-rigid registration |
US8270696B2 (en) * | 2007-02-09 | 2012-09-18 | The Trustees Of The University Of Pennsylvania | Image slice segmentation using midpoints of contour anchor points |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4356831B2 (ja) * | 2003-08-28 | 2009-11-04 | 株式会社Aze | 複数画像間の非剛体レジストレーション方法 |
US8594461B2 (en) * | 2010-10-02 | 2013-11-26 | Varian Medical Systems, Inc. | Image data compression and decompression |
-
2012
- 2012-04-18 CN CN201280025751.8A patent/CN103841894B/zh not_active Expired - Fee Related
- 2012-04-18 JP JP2014506502A patent/JP2014512229A/ja active Pending
- 2012-04-18 EP EP12774813.5A patent/EP2699164A4/en not_active Withdrawn
- 2012-04-18 WO PCT/US2012/034030 patent/WO2012145367A2/en active Application Filing
- 2012-04-18 US US13/449,805 patent/US8867812B2/en active Active
- 2012-04-18 CA CA2833728A patent/CA2833728A1/en not_active Abandoned
-
2013
- 2013-10-17 IL IL228955A patent/IL228955A0/en unknown
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7505037B2 (en) * | 2004-10-02 | 2009-03-17 | Accuray, Inc. | Direct volume rendering of 4D deformable volume images |
US7620226B2 (en) * | 2004-10-28 | 2009-11-17 | Siemens Medical Solutions Usa, Inc. | Semi-local active contour for a faint region detection in knee CT images |
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 |
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 |
CN101479763A (zh) * | 2006-06-28 | 2009-07-08 | 皇家飞利浦电子股份有限公司 | 基于可变分辨率模型的图像分割 |
US8270696B2 (en) * | 2007-02-09 | 2012-09-18 | The Trustees Of The University Of Pennsylvania | Image slice segmentation using midpoints of contour anchor points |
US20110081066A1 (en) * | 2009-10-07 | 2011-04-07 | Marie-Pierre Jolly | System and method for cardiac segmentation in mr-cine data using inverse consistent non-rigid registration |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107730505A (zh) * | 2016-08-12 | 2018-02-23 | 东芝医疗系统株式会社 | 图像处理装置及图像处理方法 |
US10991102B2 (en) | 2016-08-12 | 2021-04-27 | Canon Medical Systems Corporation | Image processing apparatus and image processing method |
Also Published As
Publication number | Publication date |
---|---|
CA2833728A1 (en) | 2012-10-26 |
EP2699164A2 (en) | 2014-02-26 |
IL228955A0 (en) | 2013-12-31 |
EP2699164A4 (en) | 2014-10-29 |
JP2014512229A (ja) | 2014-05-22 |
US20130044930A1 (en) | 2013-02-21 |
WO2012145367A3 (en) | 2013-01-31 |
US8867812B2 (en) | 2014-10-21 |
CN103841894B (zh) | 2017-06-27 |
WO2012145367A2 (en) | 2012-10-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103841894A (zh) | 器官与解剖结构的图像分割 | |
CN109961491B (zh) | 多模态图像截断补偿方法、装置、计算机设备和介质 | |
US10140709B2 (en) | Automatic detection and semantic description of lesions using a convolutional neural network | |
Armato III et al. | LUNGx Challenge for computerized lung nodule classification | |
US10613726B2 (en) | Removing and replacing objects in images according to a directed user conversation | |
CN1615489B (zh) | 图像报告方法和系统 | |
CN110570426A (zh) | 使用深度学习的图像联合配准和分割 | |
CN104077587A (zh) | 增强现实中的对象对准 | |
CN111091127A (zh) | 一种图像检测方法、网络模型训练方法以及相关装置 | |
KR20140024788A (ko) | 고급 멀티미디어 구조화 리포트 | |
CN1716316A (zh) | 基于彩色分割的立体3d重构系统和方法 | |
US9142030B2 (en) | Systems, methods and computer readable storage media storing instructions for automatically segmenting images of a region of interest | |
CN115004251A (zh) | 未标记数据的场景图生成 | |
CN110517254A (zh) | 基于深度学习的临床靶区自动勾画方法、装置及相关设备 | |
CN115345938B (zh) | 基于全局到局部的头影标记点定位方法、设备及介质 | |
CN111598160A (zh) | 图像分类模型的训练方法、装置、计算机设备及存储介质 | |
CN112562056A (zh) | 虚拟演播室中虚拟灯光的控制方法、装置、介质与设备 | |
CN111199540A (zh) | 图像质量评价方法、装置、电子设备及存储介质 | |
An | Adopting metaverse‐related mixed reality technologies to tackle urban development challenges: An empirical study of an Australian municipal government | |
CN117120996A (zh) | 用于医学成像解决方案的新数据存储和管理方案的方法和系统 | |
CN109840212A (zh) | 应用程序的功能测试方法、装置、设备及可读存储介质 | |
CN114787864A (zh) | 网格拓扑适配 | |
CN107945203A (zh) | Pet图像处理方法及装置、电子设备、存储介质 | |
CN114627438A (zh) | 目标检测模型生成方法、目标检测方法、设备及介质 | |
WO2020158609A1 (ja) | 立体構造判定装置、立体構造判定方法、立体構造の判別器学習装置、立体構造の判別器学習方法及びプログラム |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170627 Termination date: 20200418 |
|
CF01 | Termination of patent right due to non-payment of annual fee |