CN104040591A - 图像处理装置 - Google Patents

图像处理装置 Download PDF

Info

Publication number
CN104040591A
CN104040591A CN201280066668.5A CN201280066668A CN104040591A CN 104040591 A CN104040591 A CN 104040591A CN 201280066668 A CN201280066668 A CN 201280066668A CN 104040591 A CN104040591 A CN 104040591A
Authority
CN
China
Prior art keywords
image
partition data
descriptor
partition
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.)
Pending
Application number
CN201280066668.5A
Other languages
English (en)
Inventor
A·扎尔巴赫
A·格罗特
J·威斯
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Koninklijke Philips NV
Original Assignee
Koninklijke Philips Electronics NV
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Koninklijke Philips Electronics NV filed Critical Koninklijke Philips Electronics NV
Publication of CN104040591A publication Critical patent/CN104040591A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • G06T7/0012Biomedical image inspection
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Health & Medical Sciences (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Character Input (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)
  • Image Processing (AREA)

Abstract

图像处理装置100,其包括输入部110和处理器120,所述输入部110用于获得图像102和分割数据112,所述分割数据112被配置为用于分割预定类型的图像中的感兴趣区域,输入部被布置为进一步获得所述分割数据的分割数据描述符116,所述分割数据描述符指示图像的所述预定类型,所述处理器120用于(i)基于所述图像,获得指示所述图像的实际类型的图像描述符,(ii)比较所述图像描述符与所述分割数据描述符,并且(iii)基于所述比较,确立适用性指示122,所述适用性指示122用于在分割所述图像中的所述感兴趣区域中使用所述分割数据,以避免当图像的所述预定类型不足以匹配所述图像的所述实际类型时使用所述分割数据。

Description

图像处理装置
技术领域
本发明涉及一种获得用于分割感兴趣区域的分割数据的图像处理装置和方法。本发明还涉及一种包括多个分割数据的数据库和存储介质、包括所提出的图像处理装置的工作站和成像装置,以及用于使处理器系统执行所提出的方法的计算机程序产品。
在图像评价和图像显示的领域中,图像可以包括对于用户特别感兴趣的区域。例如,在由磁共振成像(MRI)采集的乳腺的医学图像中,临床医生会需要检查病灶,以确定乳腺癌的出现。类似地,在由单光子发射计算机断层摄影(SPECT)采集的心脏图像中,临床医生会需要检查心脏的左心室,以评估心脏向身体泵送血液的程度。
可以期望,从其周边环境中分离感兴趣区域,例如,以更容易地观察其形状、尺寸或随着时间其中的变化。为了达到该目的,可以使用分割数据。例如,分割数据可以包括用于使图像处理装置能够对感兴趣区域应用分割技术的指令。备选地或额外地,分割数据可以包括分割模型,所述分割模型用于通过自动或半自动地使分割模型符合感兴趣区域来实现感兴趣区域的分割。备选地或额外地,分割数据可以包括用于分割技术的参数。
背景技术
已知选择用于分割图像中的感兴趣区域的模型。US7,796,790B2公开了一种诊断成像系统。其说明,在所述系统的操作期间,用户经由模型选择器件从器官模型数据库中选择器官的模型。其进一步说明,模型的选择可以涉及在由图像数据表示的对象解剖体上拖放器官模型,同时在监视器上查看诊断图像和器官模型的叠加。
上述诊断成像系统的问题是,即使当模型不适合用于分割特定类型的图像中的感兴趣区域时,用户可以容易地将模型应用于特定类型的图像。
发明内容
当分割数据不适合与图像的特定类型一起使用时,具有用于避免使用分割数据来分割所述类型的图像中的感兴趣区域的装置和方法是有利的。
为了更好地解决该问题,本发明的第一方面提供一种图像处理装置,其包括输入部和处理器,输入部用于获得图像和分割数据,分割数据被配置为用于分割预定类型的图像中的感兴趣区域,输入部被布置为进一步获得分割数据的分割数据描述符,分割数据描述符指示图像的预定类型,所述处理器用于(i)基于图像,获得指示图像的实际类型的图像描述符,(ii)比较图像描述符与分割数据描述符,并且(iii)基于所述比较,确立在分割图像中的感兴趣区域中使用分割数据的适用性,以避免当图像的预定类型不足以匹配图像的实际类型时使用分割数据。
在本发明的又一方面中,提供一种包括所提出的图像处理装置的工作站和成像装置。
在本发明的又一方面中,提供一种方法,其包括获得图像和分割数据,分割数据被配置为用于分割预定类型的图像中的感兴趣区域,并且还获得分割数据的分割数据描述符,分割数据描述符指示图像的预定类型,并且基于图像,获得指示图像的实际类型的图像描述符,并且比较图像描述符与分割数据描述符,并且基于所述比较,确立在分割图像中的感兴趣区域中使用分割数据的适用性,以避免当图像的预定类型不足以匹配图像的实际类型时使用分割数据。
在本发明的又一方面中,一种计算机程序产品包括用于使处理器系统执行所提出的方法的指令。
输入部接收图像和分割数据。分割数据是被配置为用于分割预定类型的图像中的感兴趣区域的数据。图像的类型指图像或其内容的性质,通过所述性质,能够在多幅图像之间识别所述类型的图像。例如,在医学成像中,类型可以涉及图像采集过程,例如,其可以指示图像是否为MRI或CT图像。类型是预定的,其中分割数据具体地被配置为与图像的特定类型一起使用。例如,分割数据可以具体地被配置为与MRI图像一起使用。作为其他范例,类型可以涉及图像的内容,例如,图像是否为心脏图像、脑部图像等,并且,分割数据可以具体地被配置为与心脏图像一起使用,例如,其可以是心脏的分割模型。
输入部接收指示图像的预定类型的分割数据描述符。分割数据描述符使图像处理装置能够确定分割数据被配置为用于图像的哪个类型。处理器基于图像获得指示图像的实际类型的图像描述符。图像描述符提供关于由输入部实际接收到的图像的类型的信息。处理器比较图像描述符与分割数据描述符。图像处理装置能够因此确定分割数据是否被配置为与实际接收到的图像的类型一起使用。相应地,处理器确立在分割图像中的感兴趣区域中使用分割数据的适用性。所述适用性允许图像处理装置或不同的装置在分割数据不足以适合与图像的实际类型一起使用时避免使用分割数据。
通过获得指示图像的预定类型的分割数据描述符和指示图像的实际类型的图像描述符,处理器能够确定分割数据是否被配置为用于分割实际接收到的类型的图像中的感兴趣区域。处理器以适用性的方式确立所述事实,其允许图像处理装置或不同的装置在分割数据不足以适合与图像的实际类型一起使用时避免使用分割数据。有利地,避免了通过使用不适合与图像的实际类型一起使用的分割数据可以以其他方式导致的错误。有利地,用户不需要手动验证与图像的特定类型一起使用分割数据的适用性。
本发明部分地是基于这样的认识:分割技术和/或分割模型通常被优化为与图像的具体类型一起使用。例如,在MRI中,可以使用各种采集参数,诸如T1、T2、平衡的、具有和不具有脂肪抑制等。所述参数中的每个产生具有不同图像特征的图像。因此,每幅图像中的器官的外观不同。为了实现针对特定类型的图像的稳健且准确的分割,分割数据通常适于图像的所述类型。为了达到该目的,可以应用基于学习的技术。因此,分割数据是不适合或者在较小程度上适合与图像的另一类型一起使用。发明人已经认识到,这样的分割数据被应用至不适合类型的图像(例如,针对T1被优化的分割技术被应用至T2图像)存在相当大的风险。
不适合的分割数据的应用能够导致降低的分割性能,甚至彻底的分割失败。因此,用户会需要执行手动校正,可能导致使用分割数据的更低的用户接受度。此外,在最坏的情况下,用户不会注意到不正确的分割,并且可以从分割中得出错误的结论。在医学成像中,这可以导致不正确的诊断并且因此导致不正确的处置。
本发明确立在分割图像中的感兴趣区域中使用分割数据的适用性。因此,当图像的预定类型不足以匹配图像的实际类型时,能够避免使用分割数据,因为适用性指示所述匹配的不足程度。因此,减少或甚至彻底避免上述降低的分割性能和/或彻底的分割失败的出现。
在本发明的又一方面中,提供一种数据库或存储介质,其包括多个分割数据和多个分割数据描述符,每个分割数据被配置为用于分割不同类型的图像中的感兴趣区域,每个分割数据描述符指示图像的不同类型,以实现基于将多个分割数据描述符与指示图像的所述实际类型的图像描述符进行的比较来确立所述多个分割数据中的一个作为最适合用于分割图像中的感兴趣区域的分割数据。
除了多个分割数据之外,数据库和存储介质还包括多个分割数据描述符。因此,图像处理装置能够通过将多个分割数据描述符与指示图像的实际类型的图像描述符进行比较来确立所述多个分割数据中的一个作为最适合用于分割图像中的感兴趣区域的分割数据。有利地,用户不需要手动验证多个分割数据中的每一个与图像的特定类型一起使用的适用性。有利地,图像处理装置能够自动确定来自数据库或存储介质中的多个分割数据中的哪一个最适合用于所述分割。
任选地,图像处理装置还包括输出部,其用于当图像的预定类型不足以匹配图像的实际类型时提醒用户。因此,通过提醒用户,避免当预定类型的图像不足以匹配实际类型的图像时使用分割数据。有利地,用户接收分割数据不适合用于分割接收到的类型的图像中的感兴趣区域的明确反馈。
任选地,当图像的预定类型不足以匹配图像的实际类型时,处理器还被布置为使用图像描述符来经由输入部并从数据库获得被配置为与图像的实际类型一起使用的其他分割数据。当在图像处理装置上本地可用的分割数据不适合用于分割图像中的感兴趣区域时,处理器获得来自数据库的其他分割数据。其他分割数据被配置为与图像的实际类型一起使用。有利地,即使本地可用的分割数据不适合用于分割接收到的r类型的图像中的感兴趣区域,仍获得感兴趣区域的正确分割。
任选地,输入部被布置为获得多个分割数据和相应的多个分割数据描述符,并且处理器被布置为将图像描述符与分割数据描述符中的每个进行比较,以确立所述多个分割数据中的一个作为最适合用于分割图像中的感兴趣区域的分割数据。处理器自动确立多个分割数据中的哪一个最适合用于分割接收到的类型的图像中的感兴趣区域。有利地,用户不需要手动选择多个分割数据中的最适合的一个。有利地,获得了最佳分割。
任选地,处理器被布置为执行对图像的图像分析,以获得图像描述符。分析图像,以便获得图像描述符。因此,图像的内容用于获得图像描述符。图像的内容在很大程度上指示图像的类型。有利地,除了图像本身,不需要额外的信息来获得图像描述符。
任选地,执行图像分析包括确定图像的强度直方图,以确立指示图像中的强度的出现的图像描述符。图像中的强度的出现在很大程度上指示图像的类型。通过确定图像的强度直方图,所获得的强度的出现能够使图像描述符方便地被生成。
任选地,分割数据被优化为与参考图像一起使用,并且通过参考图像的图像分析来获得分割数据描述符。分割数据描述符和图像描述符都是通过图像分析来获得的。有利地,由于两种描述符都以类似的方式获得,图像描述符能够容易地与分割数据描述符进行比较。有利地,分割数据描述符是以自动方式获得的。
任选地,图像是DICOM编码图像,图像描述符由DICOM编码图像中的至少一个DICOM数据元素构成,并且处理器被布置为使用至少一个DICOM数据元素来确立DICOM编码图像的实际类型。DICOM,简称为医学数字成像和通信(Digital Imaging and Communication in Medicine),是用于处理、存储、打印和传输医疗成像中的信息的标准。DICOM数据元素通常提供关于DICOM图像的类型的信息。通过使用至少一个DICOM数据元素来确立DICOM编码图像的实际类型,利用这样的信息。有利地,由于DICOM数据元素的常规可靠性,图像描述符是图像的实际类型的可靠指示符。
任选地,图像描述符由多个DICOM数据元素构成,并且处理器被布置为使用决策树中的多个DICOM数据元素来确立图像的实际类型。特别是,当使用非标准化采集协议时,关于图像的类型的信息可以被分布在不同的标记上。决策树非常适合用于组合所述信息,以便获得图像的实际类型。有利地,即使在使用非标准化采集协议的情况下,图像描述符是图像的实际类型的可靠指示符。
任选地,分割数据描述符和/或图像描述符指示以下的组中的至少一个:成像模态、成像协议、身体部分。所述信息在很大程度上指示图像的实际或预定类型。
任选地,所提出的方法还包括,当图像的预定类型不足以匹配图像的实际类型时,使用图像描述符来获得被配置为与图像的实际类型一起使用的其他分割数据,并且从许可服务器中获得许可数据,以授权在分割图像中的感兴趣区域中使用其他分割数据。在分割数据不足以适合与图像的实际类型一起使用的情况下,因此自动获得且许可其他分割数据。其他分割数据被配置为与图像的实际类型一起使用,因此非常适合用于所述使用。
任选地,处理器被布置为使用以下的组中的至少一个:DICOM数据元素的(0008,0060)、(0018,1030)、(0018,0015)、(0020,0037)。所述DICOM数据元素包括关于图像的类型的特定相关信息,如DICOM数据元素(0008,0060)包括有关所使用的成像模态的信息,DICOM数据元素(0018,1030)提供所采用的协议的名称,DICOM数据元素(0018,0015)包括关于被检查的身体部分的信息,并且DICOM数据元素(0020,0037)包括图像取向。
本领域技术人员将理解,可以以任何认为有用的方式将本发明的上述实施例、实现方式和/或方面中的两个或多个进行组合。
对应于所描述的图像处理装置的修改和变型的工作站、成像装置、数据库、存储介质、方法和/或计算机程序产品的修改和变型能够由本领域技术人员在本说明书的基础上实现。
本领域技术人员将理解,所述方法可以应用于多维图像数据,例如,二维(2-D)、三维(3-D)或四维(4-D)图像。多维图像数据的维数可以涉及时间。例如,三维图像可以包括二维图像的时间域序列。图像可以是医学图像,其通过各种采集模态来采集,诸如但不限于标准X射线成像、计算机断层摄影(CT)、磁共振成像(MRI)、超声(US)、正电子发射断层摄影(PET)、单光子发射计算机断层摄影(SPECT)和核医学(NM)。
本发明在独立权利要求中被限定。有优势的实施例在从属权利要求中被限定。
附图说明
参考下文描述的实施例,本发明的这些和其他方面显而易见并得到阐明。在附图中,
图1示出了根据本发明的图像处理装置,所述装置包括输入部和处理器;
图2示出了根据本发明的方法;
图3示出了根据本发明的计算机程序产品;
图4示出了包括多个分割数据的数据库;
图5示出了经由输入部获得来自数据库的其他分割数据的图像处理装置;以及
图6示出了当用户选择不适合的分割数据时在显示器上显示提醒的图像处理装置。
具体实施方式
图1示出了图像处理装置100,下文中被称为装置100。装置100包括输入部110,其用于获得图像102和分割数据112。分割数据112被配置为用于分割预定类型的图像中的感兴趣区域。输入部110被布置为进一步获得分割数据描述符116。分割数据描述符116指示图像的预定类型。装置100还包括处理器120,其用于(i)基于图像102,获得指示图像102的实际类型的图像描述符,(ii)比较图像描述符与分割数据描述符116,并且(iii)基于所述比较,确立在分割图像102中的感兴趣区域中使用分割数据112的适用性122。
可以使用在医学图像分析领域中的装置100的使用的范例来说明装置100的操作。在该领域中,图像分割起着越来越重要的作用,特别是基于模型的分割,其已被证明是可以在广泛的应用范围内应用的强大的范式,例如,从RF消融或主动脉瓣治疗中的介入规划至阿兹海默症诊断。为了实现稳健且精确的分割,分割模型通常被优化用于特定的成像模态和协议。为了达到该目的,可以使用所谓的“模拟搜索”,其中,图像中的器官的典型外观被学习(例如,在图像强度方面),并且用于分割目的。然而,分割模型被应用在不适合的图像上,存在相当大的风险,并且因此,获得不令人满意的或错误的结果。由于MRI的大量的采集参数,例如,T1、T2、平衡的、具有和不具有脂肪抑制的等,这特别适用于MRI。
通过装置100,能够避免上述基于模型的分割的不正确使用。总体上,分割数据描述符116构成指示分割数据112(例如,上述基于模型的分割的数据)被配置为图像的哪个类型的数据。从而,分割数据描述符116与分割数据112相关联。分割数据描述符116可以由装置100以各种方式获得。例如,分割数据描述符116可以已经是分割数据112的一部分。例如,分割数据112的元数据或标题信息可以具体地指示图像的预定类型。分割数据描述符116也可以具体地被包括在分割数据112内。另外,分割数据描述符116可以构成独立的数据,例如,文件。总体上,可以手动地生成分割数据描述符116,例如,通过手动地指定图像的预定类型,以便生成分割数据描述符116。备选地,例如,在从参考图像学习分割数据112的学习处理期间,可以自动地生成分割数据描述符116。
基于图像102,装置100获得指示图像的实际类型的图像描述符。图像描述符可以由装置100以各种方式获得。例如,图像102可以是DICOM编码图像,处理器120可以被布置为获得以DICOM编码图像中的至少一个DICOM数据元素的形式的图像描述符。此外,处理器120可以被布置为使用至少一个DICOM数据元素来确立DICOM编码图像的实际类型。具体地,处理器120可以被布置为使用以下的组中的至少一个:DICOM数据元素的(0008,0060)、(0018,1030)、(0018,0015)、(0020,0037)。上述DICOM数据元素能够提供关于图像采集的额外信息,并且因此指示图像102的实际类型。DICOM数据元素(0008,0060)提供有关所使用的成像模态的信息,例如,CT、MR。DICOM数据元素(0018,1030)提供所采用协议的名称。图像102的实际类型可以涉及图像内的患者的取向。该信息可以是根据DICOM数据元素(0018,1030)图像位置患者和(0020,0037)图像取向患者获得的。此外,为了获得关于感兴趣区域是否在图像102内的信息,能够使用DICOM数据元素(0018,0015)所检查的身体部分。所述信息也可以用于改进的分割的初始化。
当使用具体的采集(诸如,上述T1、T2等)时,图像102的实际类型可以直接根据上述DICOM数据元素得到。否则,有关图像102的实际类型的信息可以被分散在许多不同的DICOM数据元素中,诸如(0018,0023)和(0018,0087)。为了从这些分散的信息中得到图像102的实际类型,处理器120可以被布置为使用决策树中的多个DICOM数据元素来确立图像102的实际类型。决策树本身从决策分析领域以及概率数学的更通用领域中是已知的。因此,可以通过使用DICOM数据元素评价决策树来确立图像102的实际类型,所述DICOM数据元素的内容确定在决策树内跟随哪个支路。
备选地或额外地使用DICOM数据元素来获得指示图像102的实际类型的图像描述符,处理器120可以被布置为执行图像102的图像分析,以获得图像描述符。因此,分析图像内容,以便获得指示图像102的实际类型的信息。执行图像分析可以包括确定图像102的强度直方图,以确立指示图像102中的强度的出现的图像描述符。应当注意,图像强度的出现根据所使用的采集协议和/或参数(例如,用于MRI采集),根据采集协议是否为T1、T2、平衡等而变化。另外,造影剂的给予和与所述给予有关的图像采集的定时也影响图像102内的图像强度的出现。
因此,图像描述符可以是根据图像分析获得的,例如,根据图像102的强度直方图获得的。具体地,图像描述符可以包括,或者可以是基于,最小强度值、最大强度值和强度直方图本身。为了便于将图像描述符与分割数据描述符116进行比较,分割数据描述符116也可以是根据强度直方图获得的。然而,代替根据图像102获得,所述强度直方图图像可以是根据训练图像数据获得的,所述训练图像数据用于生成分割数据112。例如,当训练图像数据为参考图像时,使得分割数据112被优化为与参考图像一起使用,分割数据描述符116可以是通过参考图像的图像分析来获得的,并且具体地,通过确定参考图像的强度直方图来获得的。
在上文中,将图像描述符与分割数据描述符116进行比较可以包括将根据图像102得到的图像直方图与分割数据的112发展期间的图像直方图的代表组进行比较。比较可以涉及使用直方图交叉技术或地球移动距离,即,所谓的Mallows距离。应当注意,这样的技术本身从图像分析的领域中是已知的。备选地或额外地,为了确定强度直方图,执行图像分析可以包括,例如,将诸如肺静脉变体的器官变异性考虑在内。例如,所有患者中的大约70%具有4个肺静脉,但也存在有3个或5个肺静脉的患者。因此,图像描述符可以指示图像102中的肺静脉的数量,并且分割数据描述符116可以指示分割数据112已被优化或具体配置的肺静脉的数量。
作为将图像描述符与分割数据描述符116进行比较的结果,获得在分割图像102中的感兴趣区域中使用分割数据112的适用性122。适用性122可以用于避免当图像的预定类型不足以匹配图像102的实际类型时使用分割数据112。例如,在装置100也被布置为执行图像102中的感兴趣区域的分割的情况下,装置100可以确定不使用分割数据112来分割图像102中的感兴趣区域。例如,通过音频和/或视频信号,可以警告用户所述事实。装置100也可以被布置为仅使用所述音频和/或视频信号来提醒用户。因此,用户仍然可以选择使用分割数据112来分割图像102中的感兴趣区域。备选地或额外地,装置100可以被布置为获得更适合用于分割图像102中的感兴趣区域的其他分割数据114,而不是使用分割数据112。这些方面将参考图5和图6进行讨论。适用性122可以以适用性数据的形式来确立。适用性数据可以包括值。高的值可以指示高的适用性,并且低的值可以指示低的适用性。值也可以是二进制值,其指示分割数据112是否适合用于分割图像102中的感兴趣区域。应当注意,适用性122也可以以信号的形式或以任何其他合适的形式来确立。
应当理解,装置100本身可以不需要被布置为执行图像102中的感兴趣区域的分割。相反,所述装置可以作为分割数据112与在分割图像102中的感兴趣区域中使用分割数据112的其他装置之间的中介。适用性122可以被提供给其他装置。备选地或额外地,适用性122可以影响装置100向其他装置提供哪个分割数据112,或者所述数据是否被完全提供。
图2示出了方法200,其包括,在标题为“获得图像和分割数据”的第一步骤中,获得210图像和分割数据,所述分割数据被配置为用于分割预定类型的图像中的感兴趣区域。方法200还包括,在标题为“获得分割数据描述符”的第二步骤中,获得220指示图像的预定类型的分割数据描述符。方法200还包括,在标题为“获得图像描述符”的第三步骤中,基于图像,获得230指示图像的实际类型的图像描述符。方法200还包括,在标题为“比较图像描述符与分割数据描述符”的第四步骤中,比较240图像描述符与分割数据描述符。方法200还包括,在标题为“确立适用性”的第五步骤中,基于所述比较,确立250在分割图像中的感兴趣区域中使用分割数据的适用性,以避免当图像的预定类型不足以匹配图像的实际类型时使用分割数据。
方法200可以进一步包括,当图像的预定类型不足以匹配图像的实际类型时,标题为“获得其他分割数据”的第六步骤,其包括使用260图像描述符,以获得被配置为与图像的实际类型一起使用的其他分割数据,以及标题为“获得许可数据”的第七步骤,其包括获得270来自许可服务器的许可数据,以授权在分割图像中的感兴趣区域中使用其他分割数据。应当注意,可以从许可服务器中获得260其他分割数据。此外,方法200可以包括在获得其他分割数据之前获得270来自许可服务器的许可数据。
方法200可以对应于装置100的操作,并且自始至终参考装置100的所述操作进行讨论。然而,应当注意,还可以独立于所述装置100执行方法200。
图3示出了一种计算机程序产品270,其包括用于使处理器系统执行根据本发明的方法的指令。计算机程序产品270可以被包括在计算机可读介质260中,例如,以一系列机器可读物理标记的形式和/或作为具有不同的电学(例如,磁性)或光学特性或值的一系列元件。
图4示出了数据库150,其包括多个分割数据113,每个分割数据被配置为用于分割不同类型的图像中的感兴趣区域。为了达到图示目的,多个分割数据113中的每一个在图4中被示为白色矩形。例如,多个分割数据113中的第一个可以被配置为分割心脏图像中的心脏,并且多个分割数据113中的第二个可以被配置为分割脑部图像中的脑部。作为另一范例,多个分割数据113中的第一个可以被配置为分割T1MRI图像中的感兴趣区域,并且多个分割数据113中的第二个可以被配置为分割T2MRI图像中的感兴趣区域。数据库150还包括相应的多个分割数据描述符117,每个分割数据描述符指示图像的不同类型。通过将多个分割数据描述符117与指示图像的实际类型的图像描述符进行比较,多个分割数据描述符117能够确立所述多个分割数据中的一个作为最适合用于分割图像中的感兴趣区域的分割数据。为了达到图示目的,多个分割数据描述符117中的每个在图4中被示为黑色矩形,并且多个分割数据描述符117中的每个被示为与其所指示的多个分割数据113中的相应一个水平地协同定位。
图5示出了图像处理装置300,在下文中被称为装置300,其包括处理器120,当图像的预定类型不足以匹配图像102的实际类型时,所述处理器120还被布置为使用图像描述符,以经由输入部110并从数据库150获得其他分割数据114,所述其他分割数据114被配置与图像102的实际类型一起使用。为了获得其他分割数据114,输入部110被示为被连接至数据库150。处理器120可以被布置为通过向数据库150提供图像描述符来获得其他分割数据114,作为响应,数据库150提供其他分割数据114。数据库150可以额外地提供其他分割数据描述符118。因此,处理器120可以验证其他分割数据114被配置为与图像102的实际类型一起使用。
应当注意,先前提到的决策树可以用于其他分割数据的识别。因此,决策树不仅可以用于获得图像描述符,而且也可以同时提供哪个其他分割数据114被配置为分割实际类型的图像102中的感兴趣区域的指示。该信息可以用于通过请求来自数据库150的所述数据来获得其他分割数据114。
应当注意,通过使用图像描述符来获得被配置为与图像102的实际类型一起使用的其他分割数据114,装置300可以方便地被扩展具有新的或改进的分割数据。因此,可以取得较高的分割成功率和质量。总体上,本发明可以提供可扩展图像分割框架,其允许其他分割数据114的自动验证、选择和安装。
在这样的可扩展图像分割框架中,验证步骤的结果,即,适用性122,可以用于例如选择和/或建议已经被包括在装置300中的其他分割数据114。在此方面,应当注意,数据库150可以是内部数据库,即,可以是装置300的一部分。适用性122也可以用于建议来自远程源的其他分割数据114的安装,或获得已安装的其他分割数据114的许可。在此方面,应当注意,数据库150可以是外部数据库,即,位于装置300的外部。数据库150可以是远程数据库。
作为上述可扩展图像分割框架的范例,可以考虑左心房的RF消融,其中,过程前的MRI图像被分割,并且用作对过程中的荧光透视图像的叠加。在这样的应用中,装置300可以允许使用其他分割数据。当图像102将要被处理时,装置300可以检查可用于装置300上的分割数据的适用性。当没有适合的分割数据可用时,可以提出,安装来自远程数据库150的其他分割数据114,或者许可已存在于装置300上的分割数据。
对于获得其他分割数据114的输入部110,备选地或额外地,输入部110可以被布置为获得多个分割数据113和相应的多个分割数据描述符117。为了达到该目的,如图5所示,输入部110可以被连接至数据库150,数据库150包括所述数据和描述符。处理器120可以被布置为将图像描述符与分割数据描述符117中的每个进行比较,以确立所述多个分割数据113中的一个作为最适合用于分割图像102中的感兴趣区域的分割数据。因此,处理器120可以将图像描述符与分割数据描述符117中的每个进行比较,确定哪个分割数据描述符117与图像描述符最相似,然后选择多个分割数据113中的对应的一个。因此,装置300可以自动地选择多个分割数据113中最适合用于分割感兴趣区域的一个。
装置300被示为还包括输出部130,其用于当图像的预定类型不足以匹配图像102的实际类型时提醒用户。输出部130可以被布置为生成用于提醒用户的音频信号。输出部130可以是扬声器。输出部130也可以被布置为在视觉上提醒用户。输出部130可以是例如显示器132,用于向用户示出图形提醒。图6示出了显示器132。显示器132示出包括感兴趣区域104的图像102,以及,被叠加在图像102的顶部的分割数据的图形表示134。用户可以通过用光标136点击分割数据的图形表示134来选择分割数据。选择可以意味着用户想要在分割图像102中的感兴趣区域104中使用分割数据。响应于选择,装置300可以将图像102的图像描述符与分割数据的分割数据描述符进行比较。如果分割数据被确定为不足以适合用于分割图像102中的感兴趣区域104,装置300可以基于适用性生成被显示在显示器132上的提醒138。通过提醒用户,通常避免了使用不够适合的分割数据。
尽管在图5中未示出,装置110还可以包括用于获得来自用户的选择数据的用户输入部。为了达到该目的,用户输入部可以被连接至用户接口器件,诸如鼠标、键盘、触摸屏等,以经由用户接口器件接收来自用户的用户接口命令(诸如,点击)。因此,选择数据可以指示由用户利用光标进行点击。此外,应当注意,显示器132可以是外部显示器,即,其不形成装置300的一部分。备选地,显示器132可以是装置300的一部分。装置300和显示器132可以共同形成系统100。
应当理解,本发明也应用于计算机程序,特别是在载体上或在载体中的计算机程序,所述计算机程序适于将本发明付诸实践。程序可以是以源代码、目标代码、代码中间源和诸如以部分编译形式的目标代码的形式,或者以适合用于实现根据本发明的方法的任何其他形式。应当理解,这样的程序可以具有许多不同的架构设计。例如,实现根据本发明的方法或系统的功能的程序代码可以被细分为一个或多个子例程。在这些子例程之间分配功能的许多不同方式对本领域技术人员来说将是显而易见的。子例程可以被共同存储在一个可执行文件中,以形成自包含程序。这样的可执行文件可以包括计算机可执行指令,例如,处理器指令和/或解读器指令(例如,Java解读器指令)。备选地,一个或多个或所有子例程可以被存储在至少一个外部库文件中,并且静态地或动态地(例如在运行时)与主程序链接。主程序包含对至少一个子例程的至少一个调用。子例程还可以包括对彼此的函数调用。涉及计算机程序产品的实施例包括计算机可执行指令,其对应于本文中提出的至少一个方法的每个处理步骤。这些指令可以被细分为子例程和/或存储在可以被静态地或动态地链接的一个或多个文件中。涉及计算机程序产品的另一实施例包括计算机可执行指令,其对应于本文中提出的至少一个系统和/或产品的每个器件。这些指令可以被细分为子例程和/或存储在可以被静态地或动态地链接的一个或多个文件中。
计算机程序的载体可以是能够承载程序的任何实体或设备。例如,载体可以包括存储介质,诸如ROM(例如,CD ROM或半导体ROM),或者磁记录介质(例如,硬盘)。此外,载体可以是诸如电学或光学信号的可传送载体,其可以经由电缆或光缆或通过无线电或其他工具来传达。当程序体现在这种信号中时,载体可以由这种线缆或其他设备或工具构成。备选地,载体可以是程序被体现在其中的集成电路,集成电路适于执行相关方法,或者用于相关方法的执行。
应当注意,上述实施例图示而非限制本发明,并且本领域技术人员能够在不脱离所附权利要求的范围的情况下设计许多备选实施例。在权利要求中,置于括号中的任何附图标记不应被解释为限制权利要求。动词“包括”及其词性变化的使用不排除存在不同于权利要求中所述的其他元件或步骤。在元件之前的冠词“一”或“一个”不排除存在多个这样的元件。本发明可以通过包括若干个不同元件的硬件来实现,并且可以通过适当编程的计算机来实现。在罗列了多个器件的装置权利要求中,这些器件中的一些可以具体实现为一个相同的硬件。有些手段记载在相互不同的从属权利要求中,这一事实并不表示不能用这些手段的组合来获益。

Claims (15)

1.一种图像处理装置(100、300),包括:
-输入部(110),其用于获得图像(102)和分割数据(112),所述分割数据(112)被配置为用于分割预定类型的图像中的感兴趣区域(104);
-所述输入部被布置为进一步获得所述分割数据的分割数据描述符(116),所述分割数据描述符指示图像的所述预定类型;以及
-处理器(120),其用于(i)基于所述图像,获得指示所述图像的实际类型的图像描述符,(ii)比较所述图像描述符与所述分割数据描述符,并且(iii)基于所述比较,确立在分割所述图像中的所述感兴趣区域中使用所述分割数据的适用性(122),以避免当图像的所述预定类型不足以匹配所述图像的所述实际类型时使用所述分割数据。
2.根据权利要求1所述的图像处理装置(300),还包括输出部(130、132),其用于当图像的所述预定类型不足以匹配所述图像(102)的所述实际类型时提醒(138)用户。
3.根据权利要求1所述的图像处理装置(300),其中,当图像的所述预定类型不足以匹配所述图像的所述实际类型时,所述处理器(120)进一步被布置为使用所述图像描述符,以经由所述输入部(110)并从数据库(150)获得被配置为与所述图像的所述实际类型一起使用的其他分割数据(114)。
4.根据权利要求1所述的图像处理装置(300),其中,所述输入部(110)被布置为获得多个分割数据(113)和相应的多个分割数据描述符(117),并且所述处理器(120)被布置为将所述图像描述符与所述分割数据描述符中的每个进行比较,以确立所述多个分割数据中的一个作为最适合用于分割所述图像(102)中的所述感兴趣区域(104)的分割数据。
5.根据权利要求1所述的图像处理装置(100、300),其中,所述处理器(120)被布置为执行对所述图像(102)的图像分析,以获得所述图像描述符。
6.根据权利要求5所述的图像处理装置(100、300),其中,执行所述图像分析包括确定所述图像(102)的强度直方图,以确立指示在所述图像中的强度的出现的所述图像描述符。
7.根据权利要求5所述的图像处理装置(100、300),其中,所述分割数据(112)被优化为与参考图像一起使用,并且所述分割数据描述符(116)是通过对所述参考图像的图像分析来获得的。
8.根据权利要求1所述的图像处理装置(100、300),其中,所述图像(102)是DICOM编码图像,所述图像描述符是由所述DICOM编码图像中的至少一个DICOM数据元素构成的,并且所述处理器(120)被布置为使用所述至少一个DICOM数据元素来确立所述DICOM编码图像的所述实际类型。
9.根据权利要求8所述的图像处理装置(100、300),其中,所述图像描述符是由多个DICOM数据元素构成的,并且所述处理器(120)被布置为使用决策树中的所述多个DICOM数据元素,用于所述的确立所述图像(102)的所述实际类型。
10.根据权利要求1所述的图像处理装置(100、300),其中,所述分割数据描述符(116)和/或所述图像描述符指示以下的组中的至少一个:成像模态、成像协议、身体部分。
11.一种工作站或成像装置,包括根据权利要求1所述的图像处理装置(100、300)。
12.一种数据库(150)或存储介质,包括:
-多个分割数据(113),每个分割数据被配置为用于分割不同类型的图像中的感兴趣区域;以及
-多个分割数据描述符(117),每个分割数据描述符指示图像的所述不同类型,以基于将所述多个分割数据描述符与指示图像的实际类型的图像描述符进行的比较,能够确立所述多个分割数据中的一个作为最适合用于分割所述图像中的所述感兴趣区域的分割数据。
13.一种方法(200),包括:
-获得(210)图像和分割数据,所述分割数据被配置为用于分割预定类型的图像中的感兴趣区域;
-进一步获得(220)所述分割数据的分割数据描述符,所述分割数据描述符指示图像的所述预定类型;
-基于所述图像,获得(230)指示所述图像的所述实际类型的图像描述符;
-比较(240)所述图像描述符与所述分割数据描述符;并且
-基于所述比较,确立(250)在分割所述图像中的所述感兴趣区域中使用所述分割数据的适用性,以避免当图像的所述预定类型不足以匹配所述图像的所述实际类型时使用所述分割数据。
14.根据权利要求13所述的方法(200),还包括,当图像的所述预定类型不足以匹配所述图像的所述实际类型时:
-使用(260)所述图像描述符来获得被配置为与所述图像的所述实际类型一起使用的其他分割数据;并且
-获得(270)来自许可服务器的许可数据,以授权在分割所述图像中的所述感兴趣区域中使用所述其他分割数据。
15.一种计算机程序产品(270),包括用于使处理器系统执行根据权利要求14所述的方法(200)的指令。
CN201280066668.5A 2012-01-10 2012-12-28 图像处理装置 Pending CN104040591A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201261584893P 2012-01-10 2012-01-10
US61/584,893 2012-01-10
PCT/IB2012/057793 WO2013104970A1 (en) 2012-01-10 2012-12-28 Image processing apparatus

Publications (1)

Publication Number Publication Date
CN104040591A true CN104040591A (zh) 2014-09-10

Family

ID=47716124

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201280066668.5A Pending CN104040591A (zh) 2012-01-10 2012-12-28 图像处理装置

Country Status (6)

Country Link
US (1) US20150110369A1 (zh)
EP (1) EP2803037A1 (zh)
JP (1) JP2015509013A (zh)
CN (1) CN104040591A (zh)
BR (1) BR112014016537A8 (zh)
WO (1) WO2013104970A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109959885A (zh) * 2017-12-26 2019-07-02 深圳先进技术研究院 一种基于二元决策树的成像方法及其装置和储存介质
CN112996440A (zh) * 2018-11-05 2021-06-18 株式会社岛津制作所 X射线摄像装置

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9824457B2 (en) 2014-08-28 2017-11-21 Koninklijke Philips N.V. Model-based segmentation of an anatomical structure
EP3274959B1 (en) 2015-03-25 2021-06-16 Koninklijke Philips N.V. Optimal ultrasound-based organ segmentation
RU2702090C2 (ru) 2015-03-31 2019-10-04 Конинклейке Филипс Н.В. Калибровка ультразвукового, основанного на эластичности, отображения границы очага поражения
CN116242872A (zh) * 2016-05-31 2023-06-09 Q生物公司 张量场映射
CN106548010B (zh) * 2016-08-10 2019-02-22 贵阳朗玛信息技术股份有限公司 一种dicom影像远程浏览的方法及装置

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100128942A1 (en) * 2008-11-26 2010-05-27 General Electric Company Systems and Methods for Automated Diagnosis

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3083606B2 (ja) * 1990-11-22 2000-09-04 株式会社東芝 医用診断支援システム
EP1678679A1 (en) 2003-10-17 2006-07-12 Koninklijke Philips Electronics N.V. Manual tools for model based image segmentation
GB2420641B (en) * 2004-11-29 2008-06-04 Medicsight Plc Digital medical image analysis
AU2006311276A1 (en) * 2005-11-04 2007-05-18 Clean Earth Technologies, Llc Tracking using an elastic cluster of trackers
US7860287B2 (en) * 2006-06-16 2010-12-28 Siemens Medical Solutions Usa, Inc. Clinical trial data processing system
KR100846498B1 (ko) * 2006-10-18 2008-07-17 삼성전자주식회사 영상 해석 방법 및 장치, 및 동영상 영역 분할 시스템
CN102362278A (zh) * 2009-03-26 2012-02-22 皇家飞利浦电子股份有限公司 灌注成像
US8520923B2 (en) * 2011-08-06 2013-08-27 Carestream Health, Inc. Reporting organ volume for a medical digital image
US8908904B2 (en) * 2011-12-28 2014-12-09 Samsung Electrônica da Amazônia Ltda. Method and system for make-up simulation on portable devices having digital cameras

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100128942A1 (en) * 2008-11-26 2010-05-27 General Electric Company Systems and Methods for Automated Diagnosis

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109959885A (zh) * 2017-12-26 2019-07-02 深圳先进技术研究院 一种基于二元决策树的成像方法及其装置和储存介质
CN109959885B (zh) * 2017-12-26 2021-04-30 深圳先进技术研究院 一种基于二元决策树的成像方法及其装置和储存介质
CN112996440A (zh) * 2018-11-05 2021-06-18 株式会社岛津制作所 X射线摄像装置

Also Published As

Publication number Publication date
US20150110369A1 (en) 2015-04-23
WO2013104970A1 (en) 2013-07-18
BR112014016537A8 (pt) 2017-07-04
JP2015509013A (ja) 2015-03-26
EP2803037A1 (en) 2014-11-19
BR112014016537A2 (pt) 2017-06-13

Similar Documents

Publication Publication Date Title
JP7086933B2 (ja) 医用画像のアノテーションに基づく疾患の確率の更新
CN104040591A (zh) 图像处理装置
JP6220310B2 (ja) 医用画像情報システム、医用画像情報処理方法及びプログラム
JP4694651B2 (ja) 画像処理装置および方法並びにプログラム
KR101840350B1 (ko) 의료 영상 판독 과정에서 사용자의 시선 정보를 이용한 판독 효율 증대 방법 및 그 장치
JP2011110429A (ja) 医用画像中の注目対象を測定するためのシステムおよび方法
US10916010B2 (en) Learning data creation support apparatus, learning data creation support method, and learning data creation support program
CN105849773A (zh) 解剖结构的基于模型的分割
US20120098838A1 (en) Generating views of medical images
CN104798107A (zh) 从医学图像生成关键图像
US11837346B2 (en) Document creation support apparatus, method, and program
RU2565521C2 (ru) Обработка набора данных изображения
EP2979249B1 (en) Method of localization of electrodes for monitoring bioelectric signals from the patient's brain
US20220392619A1 (en) Information processing apparatus, method, and program
US20230277061A1 (en) Deriving connectivity data from selected brain data
US10839299B2 (en) Non-leading computer aided detection of features of interest in imagery
US20110242096A1 (en) Anatomy diagram generation method and apparatus, and medium storing program
CA3105430A1 (en) System and method for linking a segmentation graph to volumetric data
JP5279996B2 (ja) 画像抽出装置
CN115546174B (zh) 图像处理方法、装置、计算设备及存储介质
US20230102745A1 (en) Medical image display apparatus, method, and program
US20230102418A1 (en) Medical image display apparatus, method, and program
US20220391599A1 (en) Information saving apparatus, method, and program and analysis record generation apparatus, method, and program

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20140910

WD01 Invention patent application deemed withdrawn after publication