CN104282015B - 医用图像处理装置以及医用图像处理方法 - Google Patents

医用图像处理装置以及医用图像处理方法 Download PDF

Info

Publication number
CN104282015B
CN104282015B CN201410309461.7A CN201410309461A CN104282015B CN 104282015 B CN104282015 B CN 104282015B CN 201410309461 A CN201410309461 A CN 201410309461A CN 104282015 B CN104282015 B CN 104282015B
Authority
CN
China
Prior art keywords
data
mentioned
medical image
variance
position alignment
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.)
Active
Application number
CN201410309461.7A
Other languages
English (en)
Other versions
CN104282015A (zh
Inventor
J·马修
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.)
Canon Medical Systems Corp
Original Assignee
Toshiba Medical Systems Corp
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 Toshiba Medical Systems Corp filed Critical Toshiba Medical Systems Corp
Publication of CN104282015A publication Critical patent/CN104282015A/zh
Application granted granted Critical
Publication of CN104282015B publication Critical patent/CN104282015B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • 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
    • G06T7/0014—Biomedical image inspection using an image reference approach
    • G06T7/0016—Biomedical image inspection using an image reference approach involving temporal comparison
    • 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
    • G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20112—Image segmentation details
    • G06T2207/20128—Atlas-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Quality & Reliability (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Public Health (AREA)
  • Optics & Photonics (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biophysics (AREA)
  • Veterinary Medicine (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Probability & Statistics with Applications (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)
  • Image Processing (AREA)

Abstract

提供一种使用单一的图谱数据，能够更准确地进行位置对准的医用图像处理装置以及医用图像处理方法。本实施方式所涉及的医用图像处理装置具备：存储部，存储通过表示解剖图谱的一个参照数据与多个训练数据的各个训练数据之间的刚体位置对准产生的表示多个解剖学标识点各自的位置的统计方差的方差数据、参照数据以及医用图像数据；约束条件决定部，根据参照数据与医用图像数据之间的非刚体位置对准和方差数据，决定约束参照数据中的多个体素各自的变形量的约束条件；扭曲场决定部，根据伴随着约束条件的非刚体位置对准，决定表示与非刚体位置对准相关的变形量的扭曲场；配置部，使用扭曲场，将参照数据中的解剖学区域配置于医用图像数据。

Description

医用图像处理装置以及医用图像处理方法
技术领域
本说明书所记载的实施方式一般涉及医用图像处理，具体而言，涉及将医用图像数据重叠于基准医用图像数据(参照数据)的技术。
背景技术
在医学领域中，通过包含以往的X射线计算机断层摄影(Computed Tomography)装置、磁共振(Magnetic Resonance)成像装置、超声波诊断装置、以及正电子放射断层摄影(Positron Emission Tomography)装置的、在该领域中称为医疗器械的各种装置，收集二维(2D)以及三维(3D)的图像数据。在2D图像的例子中，除了以往的X射线图像之外，还包含根据多剖面重建(MPR：multi-planar reconstruction)视角中的CT扫描的“切片”或者来自CT扫描的体数据的“薄块”等那样的3D图像数据、即根据体数据导出的2D图像。被时间分割了的3D检查也被熟知，一般称为4D检查，时间成为第4“维”。例如，使用4D的动态对比增强CT(DCE-CT：dynamic contrast enhanced CT)，测定腹部脏器内的被时间分割了的灌注。还知道组合CT扫描和PET扫描设为单一的图像等，同时提示使用不同的医疗器械取得的相同的患者的图像的技术。这些组合的表现有时称为5D检查。
对医用图像数据进行处理/重新研究时的共同的课题为要求识别在图像数据中与关心的特定的特征、例如与检查中的特有的解剖学特征(对象)对应的像素/体素。识别图像数据所表示的关心的特征的方法被称为分割。当为了识别关心的特征(可以为多个)而对医用图像数据进行分段时，和与关心的(多个)特征对应的数据的一部分(例如，关于特有的像素/体素)相关的信息被称为分割数据/信息，为了之后的使用也可以进行记录。
与图像数据相关的手动的分割由观察显示器上的数据的显示，手动地识别关心的对象的专家来执行。例如，手动的分割通过使用鼠标或者轨迹球等用户输入设备，在与显示器上的关心的对象相关联的位置添加标记来执行。
通常，由于识别2D或者3D的X射线图像中的脏器以及其基础结构的临床医生等那样的识别对象的专家具有熟练的知识，因此，手动的分割能够提供可靠性非常高的分割结果。但是，手动分割的缺点是可能成为非常劳动密集型的过程。例如，当作为大规模的比较研究的一部分对多个数据集进行处理时，手动的分割可能不实用。手动的分割另一潜在的缺点是与临床医生相关的固有的主观性和需要切实执行课题的经训练过的个人。
为了帮助应对这些缺点，为了在不同的应用的主机中自动地执行分割，开发了通过计算机执行的自动图像处理程序。
图1是概略地表示自动分割的一般方法的原理的流程图。
在步骤R1中，为了进行分割，向计算机提供新的图像数据(例如，检查中的患者的图像数据集)。
在步骤R2中，为了使新的图像数据集匹配于参照图像数据而执行位置对准。参照图像数据已经被分段，与分割数据一起存储。在以往技术中，该匹配步骤被称为位置对准。位置对准的输出是参照图像数据的体素与新的图像数据的体素之间空间上的映射。参照图像数据与该分割数据一起，称为图谱数据，或者简单地称为图谱。图谱通常在表示手动地添加了标签的1个或者多个解剖学特征等带有标签的特征的1组掩膜内，保持分割数据。例如，在3D医用图像的情况下，图谱具有带有标签的解剖学关心区域。其结果，属于特定的解剖学区域的所有的体素通过共用的标签添加标记。
在步骤R3中，为了从参照图像数据向新的图像数据传输图谱分割数据，在步骤R2中运算出的空间上的映射被适用于图谱分割数据。
在步骤R4中，输出被分割后的新的图像数据、即输出新的图像数据以及相关联的分割数据/信息。在3D医用图像数据的情况下，新的图像数据通过体绘制程序被读入，并通过体绘制程序被显示。体绘制程序为了能够根据分割数据进行显示参数的选择性的设定，也可以利用分割数据。
用于实施图1的方法的主要方式是能够将新的图像数据合适地位置对准于图谱数据的范围。位置对准过程的各种方法被设计成，在位置对准后对在新的数据以及图谱数据中表示的特征的重复进行最优化。尽管如此，在患者之间生理学上的大幅度的变动意味着难以选择对于所有的患者能够相同地充分地发挥作用的图谱数据以及位置对准过程。
通常，将新的数据位置对准于图谱数据的过程具有刚体变换、非刚体变换、以及扭曲变换等各种变换。应对患者生理学上的大幅度的变动的一个方法是，关于怎样适用位置对准过程中所使用的变换，可实现相当大的自由度。然而，在位置对准变换中容许相当大的自由例如实质上可能过剩地适用数据，从而，由于在位置对准后的数据中出现的中断(撕裂)以及其他的不连续性，可能招致不现实的结果。
应对患者的生理学上的大幅度的变动的潜在性的代替方法在于依据多个图谱。当使用多重图谱分割方法时，例如，根据对于不同的图谱观察的位置对准性能，从多个图谱中选择对于所提供的新的数据合适的图谱(例如，不管最匹配于新的数据的图谱是哪一个，都实质上选择该图谱)。然而，自动化处理后的医用图像数据的处理主要是通常伴随着大量的数据，因此，是高度计算机密集型的过程。并且，用于分割的多重图谱方法可能大幅度地增加对图像数据进行处理所需的处理以及存储的总量。另外，根据情况，例如，为了能够在多个新的数据间进行连贯的比较，有时希望将多个新的检查数据的特征向“标准的”图谱数据映射。然而，对于不同的新的数据依据不同的图谱的情况会影响能够切实地执行该操作的范围。
现有技术文献
专利文献
专利文献1：美国专利第8160357号说明书
非专利文献
非专利文献1：Chen，Kanade，Pomerleau，Schneider，”3-D DeformableRegistration of Medical Images Using a Statistical Atlas”，Technical reportCMU-RI-TR-98-35，Robotics Institute，Carnegie Mellon University，December，1998
非专利文献2：Crum W.R.，Hill D.L.G.，Hawkes D.J.(2003)Informationtheoretic similarity measures in non-rigid registration.IPMI-2003，pp.378-387.
发明内容
当考虑伴随着既存的方法的这些缺点时，需要提供一种改善后的医用图像处理方式，特别地，提供一种将医用图像数据位置对准于参照医用图像数据的改善后的方式。
目的在于，提供一种使用单一的图谱数据，能够更准确地进行位置对准的医用图像处理装置、以及医用图像处理方法。
本实施方式所涉及的医用图像处理装置具备：存储部，存储通过表示解剖图谱的一个参照数据与多个训练数据的各个训练数据之间的刚体位置对准产生的表示多个解剖学标识点各自的位置的统计方差的方差数据、上述参照数据、以及医用图像数据；约束条件决定部，根据上述参照数据与上述医用图像数据之间的非刚体位置对准和上述方差数据，决定约束上述参照数据中的多个体素各自的变形量的约束条件；扭曲场决定部，根据伴随着上述约束条件的上述非刚体位置对准，决定表示与上述非刚体位置对准相关的上述变形量的扭曲场；配置部，使用上述扭曲场，将上述参照数据中的解剖学区域配置于上述医用图像数据。
附图说明
图1是概略地表示以往技术所涉及的、自动分割方法的原理的流程图。
图2是表示本实施方式所涉及的、诊断设备以及相关联的机器的例示的网络的概略图。
图3是表示本实施方式所涉及的、用于生成体数据的通用CT扫描仪的图。
图4是表示本实施方式所涉及的、用于对图像数据进行处理的计算机的概略图。
图5是更详细地表示图4的计算机的几个特征的概略图。
图6是概略地表示对基于本实施方式的图像进行位置对准的方法的流程图。
图7是概略地表示得到相对于基于本实施方式的参照图像(例如，图谱)数据的方差数据的方法的流程图。
图8是概略地表示对基于本实施方式的医用图像数据进行分段的方法的流程图。
图9是表示对基于本实施方式的医用图像数据进行分段的方法的概略图。
图10是表示得到相对于基于本实施方式的参照图像的方差数据的方法的概略图。
图11是表示得到相对于基于本实施方式的参照图像的方差数据的方法的概略图。
符号说明
1…网络、2…主要医院构成要素、4…远程的诊断设备构成要素、5…患者、6…远程的单一用户构成要素、7…开口、8…CT扫描仪、10…MRI成像器、11…CT扫描仪、12…数字X线摄影(DR：digital radiography)设备、13…文件服务器、14…计算机X线成像(CR：computedradiography)设备、15…因特网网关、16…计算机工作站、17…因特网网关、18…文件服务器、20…档案库、21…计算机工作站、22…计算机系统、25…局域网、30…硬盘驱动器、32…显示驱动器、34…显示器、36…电路、38…键盘、40…鼠标、42…公共总线、42a…第1总线连接、42b…第2总线连接、42c…第3总线连接、42d…第4总线连接、44…显卡、46…系统存储器，50…CPU高速缓存器、56…GPU存储器、60…加速图形处理界面、62…GPU高速缓存器I/O控制器、64…处理引擎、66…显示器I/O控制器66。
具体实施方式
本实施方式提供一种计算机系统，该计算机系统能够进行动作，以使得决定新的医用图像与参照医用图像之间的位置对准映射。该计算机系统具备：存储系统，适用于存储表示新的医用图像以及参照医用图像的数据、以及与参照医用图像中的多个不同的位置相关联，表示相对于在多个训练用医用图像中识别的对应的位置的统计上的变动的方差数据；处理器单元，能够进行动作，以使得执行机械可读命令。通过考虑机械可读命令相对于参照医用图像中的多个不同的位置的方差数据的方法，该计算机系统在新的医用图像与参照医用图像之间决定位置对准映射。
根据特定的实施方式，位置对准映射需要根据相对于参照医用图像中的多个不同的位置的方差数据决定的正则化约束条件。
根据特定的实施方式，正则化约束条件为了约束与相对于参照医用图像中的多个不同的位置的位置对准映射相关联的变形量而被应用。
根据特定的实施方式，正则化约束条件为了约束与相对于参照医用图像中的多个不同的位置的位置对准映射相关联的变形量的差而被应用。
根据特定的实施方式，正则化约束条件具备弹性流体约束条件。
根据特定的实施方式，正则化约束条件具备粘性流体约束条件。
根据特定的实施方式，方差数据具备体数据。与参照医用图像中的方差数据相关的多个不同的位置与参照医用图像中的体素位置对应。
根据特定的实施方式，参照医用图像基于训练用医用图像的组合。
根据特定的实施方式，存储系统还应用于存储与参照医用图像相关的分割信息(表示解剖学特征(区域)的信息)。处理器能够进一步进行动作，以使得通过考虑所决定的位置对准映射，根据与参照医用图像相关的分割信息，生成与新的医用图像相关的分割信息。
根据特定的实施方式，存储系统还应用于存储与参照医用图像相关的界标信息。处理器能够进一步进行动作，以使得通过考虑所决定的位置对准映射，根据与参照医用图像相关的界标信息生成与新的医用图像相关的界标信息。
本实施方式提供一种决定新的医用图像与参照医用图像之间的位置对准映射的计算机实施方法。该方法包含得到新的医用图像、参照医用图像、以及表示在多个训练用医用图像中被识别出的对应的位置间的统计上的变动的相对于参照医用图像中的多个不同的位置的方差数据；通过考虑相对于参照医用图像中的多个不同的位置的方差数据，决定新的医用图像与参照医用图像之间的位置对准映射。
本实施方式提供一种计算机系统，该计算机系统能够进行动作，以使得决定相对于参照医用图像中的多个不同的位置的方差数据。方差数据表示在多个训练用医用图像中被识别出的对应的位置间的统计上的变动。该计算机系统具备：存储系统，被应用于存储表示参照医用图像以及多个训练用医用图像的数据；处理器单元，能够进行动作，以使得执行机械可读命令，这些机械可读命令接收参照医用图像中的多个解剖学特征的位置的指示以及在各个训练用医用图像中对应的解剖学特征的位置的指示，决定参照医用图像中的解剖学特征的各个的位置与相对于在各个训练用医用图像中对应的解剖学特征的位置之间的偏移(差异)，根据所决定的偏移(差异)的统计分析，决定相对于参照医用图像中的解剖学特征的各个位置的方差数据。
根据特定的实施方式，处理器单元能够进一步进行动作，以使得通过基于相对于参照医用图像中的解剖学特征的位置的方差数据的插补，决定对于参照医用图像中的其他的位置的方差数据。
根据特定的实施方式，处理器单元能够进一步进行动作，以使得考虑方差数据决定新的医用图像与参照医用图像之间的位置对准映射。
本实施方式提供一种决定相对于参照医用图像中的多个不同位置的方差数据的计算机实施方法。方差数据表示在多个训练用医用图像中被识别出的对应的位置间的统计上的变动。该计算机系统具备被应用于存储表示参照医用图像以及多个训练用医用图像的数据的存储系统。该方法包含：接收参照医用图像中的多个解剖学特征的位置的指示以及在各个训练用医用图像中对应的解剖学特征的位置的指示；决定参照医用图像中的解剖学特征的各个的位置与相对于在各个训练用医用图像中对应的解剖学特征的位置之间的偏移(差异)；根据所决定的偏移的统计分析，决定相对于参照医用图像中的解剖学特征的各个的位置的方差数据。
本实施方式提供一种具有实施基于本实施方式的方法的机械可读命令的非暂时的计算机程序产品和/或能够进行动作，以使得下载实施基于本实施方式的方法的机械可读命令，并执行这些机械可读命令的装置。
针对本实施方式，以下，关于能够存储在非暂时性的介质上的计算机实施系统、方法、以及计算机程序产品进行说明。针对几个本实施方式，关于对计算机、例如，与对个人计算机或者其他形态的工作站提供与几个实施方式相关联的功能性的计算机程序产品相关联地进行说明，但希望被理解为该说明只是针对几个实施方式的一个例子。例如，在几个实施方式中，能够不使用独立型的计算机而使用计算机网络来实施本实施方式。作为代替或者追加，例如，本实施方式的功能性的至少一部分能够使用特殊目的的集成电路(例如，面向特定用途集成电路(ASIC))的方式的特殊目的的硬件来实施。
图2是由计算机控制式的诊断设备、独立型的计算机工作站、以及相关联的机器构成的例示性的网络1的概略图。网络1具备3个构成要素。存在主要医院构成要素2、远程的诊断设备构成要素4、以及远程的单一用户构成要素6。主要医院构成要素2具备用于获得患者的图像的多个诊断设备，在该例子中，具备：CT扫描仪8、MR成像器10、数字X线摄影(DR：digital radiography)设备12以及计算机X线成像(CR：computed radiography)设备14、多个计算机工作站16、通用格式的文件服务器18、档案库20、因特网网关15。这些特征均通过局域网(LAN)25相互连接。
远程的诊断设备构成要素4具备CT扫描仪11、通用格式的文件服务器13、以及因特网网关17。一般而言，CT扫描仪11以及文件服务器13与因特网网关17连接。因特网网关17经由因特网与主要医院构成要素2内的因特网网关15连接。
远程的单一用户构成要素6具备具有内部调制解调器(未图示)的计算机工作站21。计算机工作站21还经由因特网与主要医院构成要素2内的因特网网关15连接。
网络1构成为，当用户需要时发送医用图像数据。例如，CT扫描仪8能够最初生成源数据、即生成3D图像数据，将该数据变换成标准的图像数据格式，经由LAN25向文件服务器18传送并存储在档案库20上。接着，在计算机工作站16之一中进行作业的用户能够要求图像数据，文件服务器18从档案库20中收回该图像数据，经由LAN25交给用户。同样地，远离主要医院构成要素2，在远程的诊断设备构成要素4或者远程的单一用户构成要素6的任一个中进行作业的用户也能够访问并发送存储在档案库20上或者网络1上的其他位置的数据。
图3是用于得到患者5的一区域的3D的X射线扫描的通用扫描仪，特别地图2所示的X射线计算机断层摄影(CT)扫描仪8的概略立体图。包含1个或者多个脏器或者其他的解剖学特征的患者的腹部、或者关心的身体部分被配置于扫描仪8的圆形的开口7内。通过患者的腹部取得一系列(全视角)的投影数据。从扫描仪导出原始数据(投影数据)，例如，能够具备1千个2D的512×512数据子集的集合体。根据这些数据子集，对体数据进行重建。各数据子集表示所检查的患者的区域之一的投影数据。构成3D图像数据的体数据具备体素的集合体，各体素与1个切片内的像素对应。从而，体数据是被摄像的特征的3D表现，根据该3D表现，能够显示用户所选择的各种2D投影图(输出图像)(通常，在计算机监视器上)。
通常，不同的摄像医疗器械(例如，CT、MR、PET、超声波)提供不同的图像分辨率(即，体素大小)，被摄像的容积的整体大小还依存于检查的性质。作为具体的例子，被限制的体数据能够具备由在通过x轴、y轴以及z轴定义的通常的笛卡尔格子上构成的512×512×320的16位的体素构成的阵列，这些体素沿着各轴以0.5mm的间隔配置(根据需要，这些体素还有时在各轴上不以相等间隔来配置)。该情况与大约25cm×25cm×16cm的整体的摄像容积对应，大多数情况下足够包含心脏、肾脏、肝脏、肠、脾脏或者胰脏等上述脏器。其他的体数据能够设定得更大，例如，能够包含患者的大部分(所谓的“全身”图像)。更大的体数据能够由多个更小的独立的体数据构筑，或者能够通过1次的取得得到。如以往那样，体数据通常与横截面、矢状面以及冠状面进行位置对准。xy轴位于横截面内，xz轴位于冠状面内，yz轴位于矢状面内。
图4概略地表示构成为执行基于一实施方式的医用图像数据的处理的通用的计算机系统22。计算机22包含中央处理装置(CPU)24、只读存储器(ROM)26、随机存取存储器(RAM)28、硬盘驱动器30、显示驱动器32以及显示器34、具有键盘38以及鼠标40的用户输入输出(IO)电路36。这些设备经由公共总线42来连接。计算机22还包含经由公共总线42连接的显卡44。显卡包含图形处理单元(GPU)和与GPU紧密结合的随机存取存储器(GPU存储器)。
CPU24能够执行存储于ROM26、RAM28或者硬盘驱动器30内的程序命令，实施医用图像数据的处理。医用图像数据能够存储于RAM28或者硬盘驱动器30内。RAM28以及硬盘驱动器30统称为系统存储器。另外，GPU能够执行程序命令，实施从CPU传递到GPU的图像数据的处理。
图5是更详细地表示图4所示的计算机系统的几个特征的概略图。RAM28以及硬盘驱动器30共同地表示为系统存储器46。在该图所概略地示出的系统存储器内，存储由图3所示的扫描仪8得到的医用图像数据。为了辅助示出计算机系统22的特征间的不同的数据传递路径，针对图4所示的公共总线42，在图5中概略地表示为一系列的单独的总线连接42a～d。第1总线连接42a连接系统存储器46与CPU24之间。第2总线连接42b连接CPU24与显卡44之间。第3总线连接42c连接显卡44与显示器34之间。第4总线连接42d连接用户I/O36与CPU24之间。CPU包含CPU高速缓存器50。显卡44包含GPU54和GPU存储器56。GPU54包含提供加速图形处理界面60、GPU高速缓存器I/O控制器62、处理引擎64、显示器I/O控制器66的电路。处理引擎64通常被设计成最优地执行与医用图像数据的处理相关联的类型的程序命令。
用户能够组合使用键盘38以及鼠标40和在显示器34上显示的图形用户界面(GUI)，例如，使用可动的屏幕图标与用于选择并点击的鼠标、触控板等的组合、触摸屏、或者其他的已知的技术，选择所希望的处理参数。
在本说明书中记载的方法能够在医院环境内使用。此时，能够有效地使这些方法一体化并制成独立型的软件应用，或者能够使这些方法与图像数据保管通信系统(PACS：Picture Archiving and Communication System)一体化。PACS是基于医院的计算机化的网络，能够将表示不同类型的诊断图像的体数据以在单一的中心存档内组织的数字格式来存储。例如，能够将图像以DICOM格式存储。存档与具备多个工作站的计算机网络连接，其结果，医院网站中的用户能够根据需要访问患者数据并进行处理。作为追加，离开网站的用户也能够许可经由因特网访问存档。
放射线科医生、专家、或者研究者等用户能够从工作站访问医用图像数据，生成2D或者3D数据的静态图像或者来自4D数据的动态图像等显示图像。
根据本实施方式，能够使用为了存储在数据载体上或者存储器内而利用计算机安装的计算机程序代码，控制计算机系统的CPU以及GPU的动作。计算机程序在适合的载体介质、例如固体存储器、磁、光或者光磁盘、或者基于磁带的介质等存储介质上来供给。或者，计算机程序还能够在发送介质、例如具有电话、无线或者光信道等载体的介质上来供给。
如上所述，将新的医用图像数据(检查数据)位置对准于参照医用图像数据(图谱数据)的过程在医用图像处理的领域中是一般的任务。如以下进一步说明的那样，如果是普通的，则本实施方式实现对于以往那样的图像的位置对准技术的修正。针对1个特定的例子，关于基于所建立的算法的修正后的非刚体位置对准过程进行说明。但是，希望容易地理解出在本说明书中记载的概念还能够应用于其他的位置对准过程。
粗略地进行总结，根据本实施方式，提供一种执行新的医用图像与参照医用图像(图谱)的非刚体位置对准的方法。该方法考虑在相对于参照医用图像的特征的各种其他的医用图像(训练数据)之间所发现的统计上的变动。
图6是概略地表示对基于本实施方式的图像进行位置对准的方法的流程图。通常，该位置对准过程根据上述的算法，为了将新的医用图像体数据(医用图像数据)T位置对准于参照医用图像数据(参照图像数据)R而被应用。该算法对表示从R的各体素向T的对应的体素的位移的被称为扭曲场的映射进行运算(产生)。该方法能够总结为具备以下的主要的步骤。
步骤S1-在容积R以及T之间构筑最初的扭曲场W(一般为恒等扭曲场，但还能够具备刚体位置对准)。
步骤S2-将该最初的扭曲场W应用于容积T，得到最初的“现在的”容积T(该过程根据重复更新容积T以及扭曲场W，对于各重复进行更新后的容积T以及扭曲场W被称为对于该重复的“现在的”容积T以及扭曲场W)。
步骤S3-重复以下的步骤，直到满足收敛基准。
·步骤S3a-使用容积R以及现在的容积T，对R内的各像素/体素位置中的相互信息量的梯度进行运算，提供(产生)由向量构成的力场F。
·步骤S3b-对力场F应用粘性流体约束条件(这会带来在位置对准过程中能够限制容积T的相邻要素相互独立地移动的范围的效果)。即，在步骤S3b中，使用方差数据，对力场F增加粘性流体约束条件。
·步骤S3c-缩放力场F并调整每次重复的位移。
·步骤S3d-通过将力场F与现在的扭曲场W相加，来更新现在的扭曲场W(即，生成新的现在的扭曲场W)。
·步骤S3e-对现在的扭曲场W应用弹性流体约束条件(这会带来当应用扭曲场时限制容积T的要素能够移动的范围的效果)。即，在步骤S3e中，使用方差数据，对力场F增加弹性流体约束条件。
·步骤S3f-将更新后的现在的扭曲场W应用于原来的容积T，更新现在的容积T。
·步骤S3g-判定收敛，当满足收敛基准时(或者已经执行了事前所定义的最大数的重复时)进入步骤S4，否则，返回到步骤S3a。例如，当现在的容积T与参照容积R之间的相互信息量的程度比之前的重复没有大幅度地变化时，收敛的判定能够判定为将该过程看作已经收敛。
步骤S4-输出位置对准结果。
根据本实施方式，上述的概略的图像的位置对准过程的步骤S3b和/或S3e通过与既存的技术不同的方法执行，其他的步骤通常按照既存的技术执行。关于该点，在本说明书中没有详细地说明的图6所示的步骤的方式能够按照上述的算法等以往的图像的位置对准技术的原理来执行。
图6所表示的上述的概略的图像的位置对准过程的步骤S3b以及S3e约束在非刚体位置对准过程中能够使容积T歪曲以及变形的范围。通常，该方式的图像的位置对准被称为正则化，作为用于防止应该适用于图像数据的扭曲场W内的中断(撕裂)以及其他的不连续性的目的而被使用。
根据以往的技术，在位置对准的体数据整体上均匀地执行图像的位置对准过程的正则化。然而，本实施方式是能够在不同的位置应用不同的正则化约束条件的图像的位置对准的代替方法。特别地，根据本实施方式，在图像内，和与被视为在患者之间空间配置的变动度更小的解剖学特征对应的位置相比较，对于与被视为在患者之间空间配置的变动度更高的解剖学特征对应的位置，正则化约束条件被缓和(变得更弱)。对于不同的解剖学位置的患者间的变动度例如根据来自采样总体的图像数据的统计分析而建立。
图7是概略地表示得到与基于本实施方式的参照图像(例如，图谱)数据相关的方差数据的方法的流程图。
在步骤T1中，得到参照数据(图谱数据)。想要被理解出在本说明书中提及得到医用图像数据并不只意味着使用医用摄像设备从患者收集最初/原始的医用图像数据的过程(但是，根据情况，能够只意味着该过程)。相反，应该更大地解释为“得到数据”这样的语句以及对应的术语例如还包含从计算机存储装置读取既存的数据的情况。
根据本实施方式，图谱数据是被视为是对于眼前的应用而言是最适合的单一的图谱。单一的图谱数据也可以按照用于决定图像的位置对准所使用的合适的单一的图谱数据的一般习惯的技术来选择。例如，图谱数据能够与来自被视为是典型的患者的1个患者的实际的医用图像数据对应，或者通过组合来自多个不同的患者的医用图像数据提供一种平均的患者数据集来生成。例如，关于包含多少解剖学构造的一部分以及包含哪一部分，患者数据集的范围典型的情况是依存于眼前特有的应用。在原则上，能够将单一图谱作为全身的图谱，但大部分的情况下，单一的图谱也可以只包含患者的解剖学构造的一部分。例如，单一图谱也可以包含相对于此时的检查的关心的心脏区域、肝脏和/或肾脏区域、脑区域、或者任意的其他的脏器或者身体区域。
在步骤T2中，对于多个其他的患者得到与和在图谱数据中表示的解剖学区域对应的多个数据集。能够将这些数据集称为训练数据。为了得到最优的性能，被收集训练数据的患者应该包含被预期为对于关心的总体(即，通过与图谱数据的比较对新的医用图像数据进行分析的总体)进行参照的解剖学构造的变动范围。例如，在限定于男性患者的检查中，认为图谱数据以及训练数据从男性的患者中得到最合适(至少在具有男性患者与女性患者之间的系统差的解剖学特征的情况下)。在限定于特定的年龄范围的女性患者的检查的情况下，图谱数据以及训练数据例如能够从特定的年龄范围内的女性患者得到。
在步骤T3中，在图谱数据中，识别多个界标点(解剖学标识点：图谱界标)。这些图谱界标与能够由调查图谱数据集的临床医生手动地识别的可确认的解剖学特征对应。
在步骤T4中，通过刚体变换，将各个训练数据匹配于图谱数据。对于该步骤，使用以往的刚体变换技术。特别地，在该步骤中应用的刚体位置对准过程还能够与之后使新的数据(医用图像数据)与图谱数据(参照数据)的比较初始化时使用的任一刚体位置对准方法对应。
在步骤T5中，在各个训练数据中，识别与图谱界标对应的解剖学特征的位置(界标位置、解剖学标识点)。此时，上述识别也可以由调查训练数据的临床医生手动地执行。
在步骤T6中，考虑在步骤T4中应用的刚体位置对准过程，将训练数据中的界标位置向图谱数据映射(当不执行步骤T6时，原则上，当在步骤T4中已经将训练数据对图谱数据进行了刚体位置对准之后，也可以对训练数据执行步骤T5)。
从而，对于各图谱界标，到该阶段的图7的处理结果与在各个训练数据中出现对应的界标的位置对应，是图谱数据的空间内的多个位置。根据需要，这些图谱界标也可以与各个体素对应，其他的情况下，图谱界标也可以与涵盖多个体素的解剖学特征对应。当界标涉及多个体素时，相对于该界标的空间上的质量中心也可以为了表示其位置而被使用。
在步骤T7中，对于各图谱界标，建立与在(图谱数据的空间中的)训练数据中参照的那样的界标相关的对应的位置间的方差的大小(方差的强度)。方差的大小被称为位置方差。根据特定的实施方式，也可以通过决定在图谱界标与训练数据中识别出的对应的界标之间的各个偏移(差异)，从而对各图谱界标建立位置方差。接着，相对于该图谱界标的位置方差能够根据偏移的范围，例如基于相对于各个训练数据中的界标的偏移的均方值的大小来决定。
在步骤T8中，由与对于特有的图谱界标位置建立的位置方差相关的值(位置方差值)，将相对于图谱数据中的所有的位置(即，所有的体素)的位置方差值进行插补。根据特定的例子，位置方差值的插补也可以为了通过使用平滑地对相对于涵盖完整的图谱数据的容积整体的图谱界标位置的位置方差之间进行插补的薄板样条，构筑容积而执行。
这些位置方差值能够称为与图谱数据集相关的方差数据。方差数据也可以取体数据的形态。该体数据具备与图谱数据的体素对应的体素的排列。方差数据的各体素的信号值从由参照图7通过上述的方法建立的对于该位置的方差导出。从而，该方差数据也可以按照标准的医用图像数据的格式、例如按照DICOM格式进行存储。
例如，当通过与图7所表示的方法对应的方法，建立与图谱数据相关的方差数据时，该方差数据也可以如以下进一步说明的那样，为了之后的使用而进行存储。关于该点，也可以一次建立与所提供的图谱数据相关的方差数据。然而，在其他的例子中，例如，为了考虑训练数据的数量的增加，或者为了建立相对于根据与特定的新的数据相关的患者的特性而紧密地匹配的训练数据的子集的方差数据，方差数据也可以之后再运算(产生)。
图8是表示使用考虑基于本实施方式的方差数据的图像位置对准，对新的图像数据进行分段的方法的概略的流程图。
在步骤U1中，得到参照数据(图谱数据)(例如，从计算机存储装置读取)。图谱数据例如能够按照相对于由图1所示的种类的计算机进行自动化的分段的以往的技术，选择为适合分割关心的新的图像数据。
在步骤U2中，得到相对于与现在的检查相关的图谱数据的相关联的分段数据(图谱分割数据)(例如，从计算机存储装置读取)。图谱分割数据也可以按照与由计算机自动化处理的分割相关的以往的技术，根据例如关于图谱数据中的关心的解剖学特征的基于专家的手动识别来建立。
在步骤U3中，得到与图谱数据相关的方差数据(图谱方差)(例如，从计算机存储装置读取)。与图谱数据相关的方差数据(图谱方差数据)例如能够按照图7的方法事先得到。
在步骤U4中，得到新的数据(医用图像数据)(例如，从计算机存储装置读取)。
在步骤U5中，考虑图谱方差数据，建立新的数据与图谱数据之间的位置对准映射。
根据本实施方式，步骤U5也可以接着图6所概略地表示的位置对准方法执行。在图6中，在正则化(例如，步骤S3b和/或步骤S3e)的局面中考虑方差数据。正则化不是涵盖体数据整体均匀地被应用，而是以根据对应的方差数据对于图谱数据中的不同的位置而不同地适用的方式，执行位置对准方法。特别地，关于方差数据表示在与训练数据对应的采样总体间比较高的变动度(位置方差值高)的图谱数据的位置，与方差数据表示在训练数据间比较低的变动度的位置相比较，应用更缓和的正则化约束条件(即，能够进行更大的变形)。
存在能够使正则化的强度与位置一起变动的各种方法。例如，应用图6所示的步骤S3b以及S3e的正则化约束条件的1个所建立的技术是基于高斯平滑化的技术。特别地，能够使用力场F的高斯平滑化，应用步骤S3b的粘性流体约束条件。另外，能够使用扭曲场W的高斯平滑化，应用步骤S3e的弹性流体约束条件。因而，根据本实施方式，对于图谱数据中的各体素的位置(体素位置)，能够依存于与该体素位置对应的方差数据，决定相对于被应用于力场F(粘性约束条件正则化)和/或扭曲场W(弹性约束条件正则化)的高斯核平滑化过程的内核。
高斯核平滑化过程的内核与方差数据之间的最优化的函数关系例如也可以对于所提供的安装，通过对于多个试验数据集的性能的经验性评估来建立。1个可能的方法对于与粘性流体约束条件(图6的例子的步骤S3b)对应的正则化，维持一定的内核尺寸。另外，对于与弹性流体约束条件(图6的例子的步骤S3e)对应的正则化，当存在表示患者间的更大的变动度的更大的方差时，以内核尺寸变得更小的方式，内核尺寸发生变动。例如，为了应用与弹性约束条件对应的正则化而被使用的内核尺寸也可以对于图谱数据中的各体素，与方差的平方根成反比例地来决定。
在其他的例子中，想要被理解为与非刚体位置对准过程相关联的正则化约束条件也可以与上述的种类的高斯平滑化不同地被应用。然而，尽管如此，正则化约束条件也在所提供的安装中被应用。正则化的强度/程度也可以以依存于上述的种类的对应的方差数据而与数据中的位置一起变动的方式被等同地应用。
与其根据方差数据的大小使正则化的程度进行变动，倒不如作为代替，根据特定的实施方式，正则化的程度、例如对于高斯核平滑化方法的内核尺寸也可以根据方差数据中的局部的梯度而变动。该情况可以再次只应用于弹性正则化约束条件，或者也可以应用于弹性正则化约束条件和/或粘性流体正则化约束条件。当不同的患者中的多个高方差区域依然被认为是局部地一致时，基于在方差容积(与方差数据对应的体数据)中参照的方差梯度的大小(不是方差的大小)的方法是合适的。基于方差数据梯度的方法存在在与高的位置方差相关联的区域和与低的位置方差相关联的区域之间的扭曲场中存在可能体素进一步移动的倾向。
因而，在概略上，基于本实施方式的图8的步骤U5具备依存于提示相对于数据不同的区域的患者间的变动度的方差数据应用与数据不同的区域相关的不同的正则化强度的步骤。依存性也可以根据正则化的量与方差数据之间的关系(当方差小时，正则化变得更强)。或者，依存性也可以基于正则化的量与方差数据中的梯度之间的关系(当方差梯度的大小小时，正则化变得更强)。根据情况，例如，根据在上述中论述的那样的反平方根的关系，该关系是连续的情况是合适的。相关的其他的形状例如还能够根据逻辑函数(或者，其他的s型函数)来使用。逻辑函数能够用于在比较狭窄的平滑过渡中实质上实现2个单独的正则化强度。在正则化强度在方差数据中基于梯度的大小时逻辑函数最合适。
在图8的步骤U5中执行了基于本实施方式的图像的位置对准之后，处理进入步骤U6。
在步骤U6中，在将新的数据(医用图像数据)位置对准于图谱数据(参照数据)(即，被映射在图谱数据空间上)之后，对新的数据应用图谱的分割。在步骤U7中，被分段的新的图像数据例如以为了之后能够进行分析方式进行存储而输出，或者，以使用户能够观察被分段的数据的方式直接向体数据视觉化应用输出。步骤U6以及U7能够按照以往的技术执行。
希望被理解出图8的方法能够通过其他的实施方式进行修正。例如，如上所述，位置对准映射的正则化约束条件的特有的应用领域能够设为对于不同的安装方式而不同。尽管如此，在任一情况下，不管是否是特有的安装算法，都能够应用依存于规定的患者间的变动度在数据中的不同的位置使用不同的正则化约束条件的一般概念。
进而，图8的各个步骤能够通过不同的方法执行。例如，在通过步骤U5的位置对准映射将新的图像数据转换成图谱数据的空间之后，不是将图谱的分割应用于新的图像数据，而是能在独自的空间内(即，不会向图谱数据映射)，将分割适用于新的图像数据，代替地将图谱的分割转换成新的图像数据的空间(即、使用在步骤U5中建立的位置对准映射的相反操作)。
图9是概略地表示基于在几个点与图8所示的过程类似的本实施方式的分割过程的图。在图9的上方表示与在图8的步骤U1、U2、以及U3中提及的操作对应的图谱数据(参照容积)、图谱方差(方差数据：方差容积)、以及图谱的分割。在图9的下部部分的左侧表示在图8的步骤U4中得到的数据等新的数据(医用图像数据)。如在图9的剩余部分中概略地示出那样，位置对准步骤(例如，与图8步骤U5对应)被应用于新的容积，考虑参照容积和方差容积这双方。位置对准映射的结果是在图9中表示为扭曲场的映射变换。根据本实施方式以及在上述中论述的原理，当图谱方差更大时(由于这些区域接受更弱的正则化)，能够使表示位置对准映射的扭曲场中的扭曲(变形)的大小变大是很重要的。在图9的例子中，使用扭曲场，将图谱的分割从参照体数据的空间向新的图像数据的空间变换。将变换后的图谱的分割应用于新的容积，如在图9的下部部分的右侧概略地表示那样，提供分段后的新的图像数据(新的分割)。
图10以及图11概略地表示建立基于本实施方式的方差数据的2个方法。
图10概略地表示与图7所示的过程类似的过程。但是，图10的方法在应用插补的阶段，与图7所示的方法不同。如上所述，图7的步骤T8的插补是为了根据以图谱界标建立的方差数据在涵盖与图谱数据整体对应的区域中来决定方差数据而被使用的。图7的方法中的插补对象是方差数据，插补方差数据。然而，在图10的方法中，插补对象是偏移(差异)，为了根据对于界标位置(解剖学标识点的位置)导出的偏移值提供各训练数据中的各位置的偏移值，对表示各训练数据与参照数据中的界标位置的体素间的偏移进行插补。接着，组合各容积中的偏移，如参照图7的步骤T7在上述中叙述的那样，能够提供方差数据(其中，在此，不是对界标位置执行，而对体素执行)。
从而，图10的上列概略地表示2个训练数据(左侧以及中央)和图谱数据(右侧)(参照数据)。与3个图谱界标(概略地由r、g、b的标签表示)对应的位置在各数据中由临床医生手动地识别。各训练数据与(刚体位置对准后)图谱数据进行比较。接着，建立对于各界标位置的偏移。接着，对于体数据中的其他的位置(体素)的偏移例如通过薄板样条插补建立。这些偏移被看作表示从参照数据向各个训练数据的变换的扭曲场(概略地在图10的中间的列中表示)。接着，能够将这些扭曲场一起组合，生成方差数据。例如，各体素中的方差数据的值能够与和相对于该位置的各个训练数据相关联的扭曲场的均方根的大小对应。
图11概略地表示与图7所示的过程类似的过程(即，不是对偏移，而是对方差数据应用插补)。
从而，图11的上列概略地表示3个训练数据(图7的步骤T2)。与3个图谱界标(概略地由r、g、b的标签表示)对应的位置在各数据中由临床医生手动地识别(图7的步骤T5)。各训练数据与图谱数据相比较(刚体位置对准，即，图7的步骤T4后)，建立相对于各界标位置的偏移，如在图11的中间列所概略地表示那样，决定相对于对各图谱界标所建立的偏移的方差测量值(图7的步骤T7)。与图谱数据中的其他的位置(例如，体素从图谱界标远离)中的方差数据相关的值如在图11的下列所概略地表示那样，能够通过对于那些界标位置所决定的方差数据值的插补来决定(图7的步骤T8)。
(实施方式)
作为功能结构，本医用图像处理装置具有存储部、约束条件决定部、扭曲场决定部、配置部、显示部以及输入部。另外，本医用图像处理装置还可以具有分段信息产生部、刚体位置对准部、差异决定部、以及方差数据产生部。另外，本实施方式还可以具备产生参照数据的参照数据生成部。
存储部例如与图4的ROM26、RAM28、HDD30、图5的系统存储器46、GPU存储器56、CPU高速缓存器50等对应。分段信息产生部、刚体位置对准部、差异决定部、方差数据产生部、约束条件决定部、扭曲场决定部、配置部、参照数据生成部例如被保存于图4、图5的CPU24、GFX44等。
显示部与图4、图5中的显示器34对应。输入部例如与图4、图5中的键盘38和鼠标40对应。
存储部存储通过表示解剖图谱的一个参照数据与多个训练数据的各个训练数据之间的刚体位置对准而产生的、表示多个解剖学标识点的各个的位置的统计方差的方差数据、参照数据、以及图像数据。方差数据例如是表示多个解剖学标识点的各自的位置的统计方差的强度分布的数据(体数据)。
另外，存储部也可以存储表示参照数据中的解剖学区域的参照区域信息。另外，存储部也可以存储表示参照数据中的解剖学标识点的参照标识点信息。另外，存储部也可以存储在方差数据的产生中所使用的多个训练数据。所谓训练数据例如是指在方差数据的产生中所使用的数据。训练数据是与参照数据相关联的数据。训练数据中的解剖学特征包含于参照数据中的解剖学特征。
另外，存储部也可以存储图6中的收敛基准。另外，当收敛基准是重复次数时，能够经由输入部适当地变更。另外，存储部也可以存储执行本实施方式所涉及的多个功能的医用图像处理程序、方差数据的产生所涉及的方差数据产生程序等。
参照数据生成部根据多个训练数据的组合，生成参照数据。参照数据例如是单一的图谱数据。图谱数据例如是表示解剖图谱的体数据。
刚体位置对准部执行参照数据与训练数据的各个之间的刚体位置对准。以下，为了简化说明，针对使用相互信息量将训练数据对参照数据进行刚体位置对准的情况进行说明。例如，每当对于参照数据使训练数据以规定的大小并进以及旋转，刚体位置对准部就计算参照数据和训练数据中的相互信息量。刚体位置对准部确定相互信息量成为最大的并进以及旋转。刚体位置对准部决定与被确定的并进以及旋转对应的刚体变换矩阵。刚体位置对准部针对多个训练数据的各个数据确定刚体变换矩阵。刚体位置对准部将分别与多个训练数据对应的多个刚体变换矩阵向差异(偏移)决定部输出。
差异决定部在解剖学标识点的各个中，根据刚体位置对准(刚体变换矩阵)，决定参照数据中的解剖学标识点(图谱界标)的位置与训练数据中的解剖学标识点的位置之间的差异(偏移)。差异决定部将所决定的差异(偏移)向方差数据产生部输出。
方差数据产生部通过对于解剖学标识点的各个中的差异(偏移)的统计分析，在参照数据中的解剖学标识点的位置的各个中，产生表示解剖学标识点的统计方差的方差数据。具体而言，方差数据产生部使用参照数据中的解剖学标识点的各个中的统计方差的值，通过对参照数据中的解剖学标识点的位置之间的多个体素各自中的方差值进行插补，来产生方差数据。方差数据例如通过图7、图10、图11所示的步骤而产生。方差数据产生部将所产生的方差数据向存储部输出。
约束条件决定部根据参照数据与医用图像数据的非刚体位置对准和方差数据，决定约束参照数据中的多个体素的各自的变形量的约束条件。所谓非刚体位置对准是指将被位置对准的对象的医用图像(例如，参照数据(图谱数据))非刚体性地针对每个局部区域进行变形从而来执行的位置对准。每个与非刚体位置对准相关的局部区域的变形通过扭曲场来规定。
约束条件决定部对于扭曲场决定约束条件。约束条件例如按照图6的各处理来被决定。约束条件是在被扭曲的图像数据中，为了在多个局部区域的各个和与各个局部区域相邻的相邻局部区域之间不产生中断(撕裂)以及不连续性而对扭曲场设定的条件(正则化约束条件)。
所谓正则化约束条件例如是指弹性流体约束条件与粘性流体约束条件中的至少一方。弹性流体约束条件限制应用了扭曲场的数据的要素(例如，体数据中的体素)的可移动范围。粘性流体约束条件限制能够相互独立地移动应用了扭曲场的数据要素的相邻要素(相邻体素)的范围。另外，约束条件决定部为了限制相互相邻的体素中的变形量的差，也可以决定正则化约束条件。
扭曲场决定部根据伴随着约束条件的医用图像数据与参照数据的非刚体位置对准，决定表示与非刚体位置对准相关的变形量的扭曲场。即，扭曲场决定部决定具有由约束条件决定部所决定的约束条件的扭曲场。具体而言，如图6所示，扭曲场与约束条件一起被决定。通过扭曲场决定部所决定的扭曲场被输出给配置部以及分段信息产生部。
分段信息产生部根据扭曲场和参照区域信息，产生在医用图像数据中划分解剖学区域的区域划分信息。分段信息产生部将所产生的区域划分信息向配置部输出。另外，区域划分信息也可以向存储部输出。此时，区域划分信息存储于存储部。
分段信息产生部根据扭曲场和参照标识点信息，产生在医用图像数据中划分解剖学标识点的标识点划分信息。分段信息产生部将所产生的标识点划分信息向配置部输出。另外，标识点划分信息也可以向存储部输出。此时，标识点划分信息存储于存储部。
配置部使用扭曲场，将参照数据中的解剖学区域配置于医用图像数据。另外，配置部也可以使用区域划分信息，将参照数据中的解剖学区域配置于医用图像数据。另外，配置部也可以使用标识点划分信息，将参照数据中的解剖学标识点配置于医用图像数据。另外，配置部也可以通过使用扭曲场对参照数据中的解剖学区域进行映射，从而在医用图像数据上重叠解剖学区域。配置部将配置(重叠)了参照数据的解剖学区域以及解剖学标识点的医用图像数据(以下，称为解剖学特征映射数据)向显示部输出。
显示部根据从配置部输出的解剖学特征映射数据，显示在医用图像上配置(重叠)了参照数据的解剖学区域以及解剖学标识点的图像。
输入部将来自用户等的各种指示·命令·信息·选择·设定等输入给CPU24、GFX44等。另外，输入部也可以是覆盖显示器34中的显示画面的触摸屏。输入部也可以由用户输入参照数据中的解剖学标识点(图谱界标)、解剖学区域等。由此，参照区域信息、参照标识点信息与参照数据建立关联并存储于存储部。另外，输入部也可以由用户输入训练数据的各个中的解剖学特征(标识点)的位置。训练数据中的解剖学标识点的位置被输出到差异决定部、存储部等。
根据以上所述的结构，能够得到以下的效果。
根据本实施方式所涉及的医用图像处理装置，能够根据单一的参照数据(图谱数据)和表示多个解剖学标识点的各个的位置的统计方差的方差数据，决定约束参照数据与医用图像数据之间的非刚体的位置对准中的多个体素各自的变形量的约束条件，根据伴随着所决定的约束条件的非刚体位置对准，决定表示与非刚体位置对准相关的变形量的扭曲场，使用所决定的扭曲场，将参照数据中的解剖学区域配置于医用图像数据。即、根据本实施方式，能够通过以多个过去图像(训练图像)作为对象的位置对准处理(刚体位置对准)，产生界标的方差分布(方差数据)。接着，使用方差数据伴随着防止断裂以及不连续的约束条件，决定与非刚体位置对准相关的扭曲场，使用所决定的扭曲场，在医用图像数据中执行解剖学区域的分割。
因此，根据本实施方式，即使在患者之间对于解剖学区域以及解剖学标识点存在生理学上的大幅度的变动，也能够执行对于所有的患者而言能够等同地充分地发挥作用的非刚体位置对准过程。即，根据本实施方式，在非刚体位置对准中，能够对于所需的区域(多个体素)进行更大的移动，因此，与使用以往的单一图谱数据的方法相比较，能够进行更准确的分割。
此外，根据本实施方式所涉及的医用图像处理装置，能够根据方差数据对每个体素决定合适的约束条件，因此，在实施了非刚体位置对准的数据中，能够防止中断(撕裂)以及不连续性的产生。进而，根据本实施方式所涉及的医用图像处理装置，分割对于单一的图谱数据(参照数据)进行定义，因此，与使用多个图谱数据的分割相比较，能够减少存储器所涉及的成本、处理时间等。
希望被理解为上述的说明将焦点只聚焦于几个实施方式，能够存在多个变形方式。
例如，上述的说明在几个点中，将焦点聚焦于对自动化处理后的分割的对象使新的/检查医用图像数据与参照数据(图谱)进行位置对准的过程，但根据其他的例子，由于其他的理由，例如位置对准还能够为了辅助界标的配置而执行。
本实施方式能够包含作为摄像应用中的、例如作为体绘制应用中的构成要素而组合在本说明书中记载的方法以及相关联的计算机程序。
公开了具有实施该方法的机械可读命令的计算机程序产品。
公开了一种计算机，上述计算机能够进行动作，以使得下载实施该方法的机械可读命令，执行这些机械可读命令。
公开了一种计算机程序产品。在具有实施上述方法的机械可读命令的计算机程序产品的例子中，存在图4的大容量存储设备HDD30、图4的ROM26、图4的RAM28以及图5的系统存储器46、以及图2的服务器13、18。在其他形态的计算机程序产品中，包含CD或者DVD等基于旋转盘的存储设备、或者USB闪存存储器设备。
在能够进行动作以使得下载实施上述的方法的机械可读命令、并执行这些机械可读命令的计算机的例子中，存在图4的计算机、图5的计算机、以及各个要素，例如，存在图2所示的计算机网络系统的终端或者共同地组合多个要素、例如组合服务器13、18的一个和具备医用摄像设备的终端或者计算机的一个或者多个的要素。
在具有实施上述方法的机械可读命令的计算机程序产品的例子中，存在图4的大容量存储设备HDD30、图4的ROM26、图4的RAM28以及图5的系统存储器46、以及图2的服务器13、18。在其他的形态的计算机程序产品中，存在CD或者DVD等基于旋转盘的存储设备、或者USB闪存存储器设备。
针对该方法，主要参照通过以往的CT扫描仪收集的CT医用图像数据进行了说明，更一般而言，在本说明书中记载的原理能够应用于其他的2D以及3D数据集，另外，还能够应用于所谓的4D数据、即应用于时间序列的体数据。例如，该方法能够应用于在医用领域中被使用的、被称为医疗器械的其他的摄像类型中。特别地，在本说明书中记载的方法能够应用于MR图像和PET图像，还能够应用于CT以及PET等由2个医疗器械合成的数据的图像中。
虽然说明了特定的实施方式，但这些实施方式只是作为例子而提示的，并不意图限定本实施方式的范围。希望理解为与上述实施方式相关联，上述的实施方式的特征以及方式能够等同地进行应用，可与本实施方式的其他的实施方式的其他的特征以及方式进行适当组合。本说明书中记载的新的方法、计算机以及计算机程序产品及设备能够以其他的各种方式进行实施，而且，在不脱离发明要旨的范围内，能够对本发明记载的方法以及系统的方式进行各种的省略、置换、以及变更。所附的权利要求以及其等同物包含本实施方式的范围以及落入到精神范围内的那样的方式或者修改。
另外，本发明并不限定于上述实施方式，在实施阶段中在不脱离其要旨的范围内能够对构成要素进行变形来具体化。另外，能够通过在上述实施方式中公开的多个构成要素的适当的组合来形成各种发明。例如，也可以从实施方式所示的全部构成要素中删除几个构成要素。另外，也可以适当地组合涵盖不同的实施方式的构成要素。

Claims (10)

1.一种医用图像处理装置，其特征在于，具备：
存储部，存储通过表示解剖图谱的一个参照数据与多个训练数据的各个训练数据之间的刚体位置对准产生的表示多个解剖学标识点各自的位置的统计方差的方差数据、上述参照数据以及医用图像数据；
约束条件决定部，根据上述参照数据与上述医用图像数据之间的非刚体位置对准以及上述方差数据，决定约束上述参照数据中的多个体素各自的变形量的约束条件；
扭曲场决定部，根据伴随着上述约束条件的上述非刚体位置对准，决定表示与上述非刚体位置对准相关的上述变形量的扭曲场；以及
配置部，使用上述扭曲场，将上述参照数据中的解剖学区域配置于上述医用图像数据，
当所述参照数据与应用了由所述扭曲场决定部决定的扭曲场的当前的医用图像数据之差满足收敛基准时，将由所述扭曲场决定部决定的该扭曲场作为被用于所述配置部的扭曲场。
2.根据权利要求1所述的医用图像处理装置，其特征在于，
上述约束条件决定部在使用了上述扭曲场的将上述解剖学区域向上述医用图像数据进行的配置中，将防止上述解剖学区域的撕裂以及不连续性的正则化约束条件决定为上述约束条件。
3.根据权利要求2所述的医用图像处理装置，其特征在于，
上述约束条件决定部为了限制相互相邻的上述变形量的差，决定上述正则化约束条件。
4.根据权利要求2所述的医用图像处理装置，其特征在于，
上述正则化约束条件具有弹性流体约束条件和粘性流体约束条件中的至少一方。
5.根据权利要求1所述的医用图像处理装置，其特征在于，
上述参照数据根据上述训练数据的组合来生成。
6.根据权利要求1所述的医用图像处理装置，其特征在于，
上述存储部还存储表示上述参照数据中的上述解剖学区域的参照区域信息，
上述医用图像处理装置还具备分段信息产生部，上述分段信息产生部根据上述扭曲场和上述参照区域信息，产生在上述医用图像数据中对上述解剖学区域进行划分的区域划分信息。
7.根据权利要求1所述的医用图像处理装置，其特征在于，
上述存储部还存储表示上述参照数据中的上述解剖学标识点的参照标识点信息，
上述医用图像处理装置还具备分段信息产生部，上述分段信息产生部根据上述扭曲场和上述参照标识点信息，产生在上述医用图像数据中划分上述解剖学标识点的标识点划分信息。
8.根据权利要求1所述的医用图像处理装置，其特征在于，还具备：
刚体位置对准部，执行上述参照数据与上述训练数据的各个训练数据之间的刚体位置对准；
差异决定部，在各个上述解剖学标识点中，根据上述刚体位置对准，决定上述参照数据中的上述位置与上述训练数据中的上述位置之间的差异；以及
方差数据产生部，根据对于上述差异的统计分析，在上述参照数据中的上述位置中，产生表示上述解剖学标识点的上述统计方差的上述方差数据。
9.根据权利要求8所述的医用图像处理装置，其特征在于，
上述方差数据产生部通过使用上述参照数据中的上述解剖学标识点各自的上述统计方差的值，对上述参照数据中的上述位置之间的多个体素各自的方差值进行插补，来产生上述方差数据。
10.一种医用图像处理方法，其特征在于，包含：
存储通过表示解剖图谱的一个参照数据与多个训练数据的各个训练数据之间的刚体位置对准产生的表示多个解剖学标识点各自的位置的统计方差的方差数据、上述参照数据以及医用图像数据；
根据上述参照数据与上述医用图像数据之间的非刚体位置对准和上述方差数据，决定约束上述参照数据中的多个体素各自的变形量的约束条件；
根据伴随着上述约束条件的上述非刚体位置对准，决定表示与上述非刚体位置对准相关的上述变形量的扭曲场；以及
使用上述扭曲场，将上述参照数据中的解剖学区域配置于上述医用图像数据，
当所述参照数据与应用了所述决定的扭曲场的当前的医用图像数据之差满足收敛基准时，将由所述决定的该扭曲场作为被用于所述配置的扭曲场。
CN201410309461.7A 2013-07-01 2014-07-01 医用图像处理装置以及医用图像处理方法 Active CN104282015B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US13/932,311 2013-07-01
US13/932,311 US9305358B2 (en) 2013-07-01 2013-07-01 Medical image processing

Publications (2)

Publication Number Publication Date
CN104282015A CN104282015A (zh) 2015-01-14
CN104282015B true CN104282015B (zh) 2017-11-07

Family

ID=52115650

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410309461.7A Active CN104282015B (zh) 2013-07-01 2014-07-01 医用图像处理装置以及医用图像处理方法

Country Status (3)

Country Link
US (2) US9305358B2 (zh)
JP (1) JP6316671B2 (zh)
CN (1) CN104282015B (zh)

Families Citing this family (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9741131B2 (en) * 2013-07-17 2017-08-22 Siemens Medical Solutions Usa, Inc. Anatomy aware articulated registration for image segmentation
US9478049B2 (en) * 2013-09-30 2016-10-25 Koninklijke Philips N.V. Method for local adjustment of regularization parameters for image quality optimization in fully 3D iterative CT reconstruction
US20170084036A1 (en) * 2015-09-21 2017-03-23 Siemens Aktiengesellschaft Registration of video camera with medical imaging
EP3148277A1 (en) * 2015-09-23 2017-03-29 R3 - Reliable Realtime Radio Communications GmbH Communication system
US20170136296A1 (en) * 2015-11-18 2017-05-18 Osvaldo Andres Barrera System and method for physical rehabilitation and motion training
CN107122327B (zh) * 2016-02-25 2021-06-29 阿里巴巴集团控股有限公司 一种利用训练数据训练模型的方法和训练系统
JP6155427B1 (ja) * 2016-02-25 2017-07-05 地方独立行政法人秋田県立病院機構 医用断面表示装置及び断面画像表示方法
US10607342B2 (en) * 2016-09-30 2020-03-31 Siemenes Healthcare GmbH Atlas-based contouring of organs at risk for radiation therapy
CN107084697B (zh) * 2017-04-20 2019-06-28 武汉新芯集成电路制造有限公司 存储单元扭曲测量方法
CN106990412B (zh) * 2017-05-11 2019-06-11 哈尔滨工业大学 一种干涉合成孔径激光雷达系统的图像配准方法
CN110490881A (zh) * 2019-08-19 2019-11-22 腾讯科技（深圳）有限公司 医学影像分割方法、装置、计算机设备及可读存储介质
CN113674838A (zh) * 2020-05-15 2021-11-19 佳能医疗系统株式会社 医学图像处理装置、医学图像处理方法和记录介质
US11908044B2 (en) * 2021-06-17 2024-02-20 GE Precision Healthcare LLC Systems and methods for computed tomography image reconstruction
US11941825B2 (en) * 2021-10-28 2024-03-26 Canon Medical Systems Corporation Method and apparatus for registering image volumes
CN115393402B (zh) * 2022-08-24 2023-04-18 北京医智影科技有限公司 图像配准网络模型的训练方法、图像配准方法及设备

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7142723B2 (en) * 2003-07-18 2006-11-28 Microsoft Corporation System and process for generating high dynamic range images from multiple exposures of a moving scene
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
CN101551865B (zh) * 2003-11-19 2016-01-27 美国西门子医疗解决公司 利用外观和形状来检测和匹配解剖结构的系统和方法
US7590440B2 (en) * 2005-11-14 2009-09-15 General Electric Company System and method for anatomy labeling on a PACS
US8135199B2 (en) * 2006-12-19 2012-03-13 Fujifilm Corporation Method and apparatus of using probabilistic atlas for feature removal/positioning
JP2011504115A (ja) * 2007-10-18 2011-02-03 ザ ユニバーシティ オブ ノース カロライナ アット チャペル ヒル １つの画像データからの解剖学的構造を含む対象物のモデルの領域を、診断的又は治療的介入に用いられる画像にマッピングするための方法、そのシステム及びコンピューター読み取り可能な媒体
WO2009073185A1 (en) * 2007-12-03 2009-06-11 Dataphysics Research, Inc. Systems and methods for efficient imaging
CA2753488C (en) * 2009-02-25 2014-04-29 Mohamed Rashwan Mahfouz Customized orthopaedic implants and related methods
WO2012012768A1 (en) * 2010-07-23 2012-01-26 Tomotherapy Incorporated System and method for identifying an anatomical organ in a patient
US8160357B2 (en) 2010-07-30 2012-04-17 Kabushiki Kaisha Toshiba Image segmentation
US8644575B2 (en) * 2011-02-28 2014-02-04 Kabushiki Kaisha Toshiba Processing of abdominal images
CN102411780B (zh) * 2011-09-07 2014-07-02 华南理工大学 一种基于配准的ct图像全心脏自动分割系统

Also Published As

Publication number Publication date
JP6316671B2 (ja) 2018-04-25
US9305358B2 (en) 2016-04-05
JP2015009152A (ja) 2015-01-19
CN104282015A (zh) 2015-01-14
US20150003696A1 (en) 2015-01-01
US20160196642A1 (en) 2016-07-07
US9965857B2 (en) 2018-05-08

Similar Documents

Publication Publication Date Title
CN104282015B (zh) 医用图像处理装置以及医用图像处理方法
CN108805877B (zh) 对于医学成像中的n维分割的多尺度深度强化机器学习
CN110807755B (zh) 使用定位器图像进行平面选择
JP5718760B2 (ja) 医用画像処理方法、記録媒体、及び医用画像処理装置
JP6598452B2 (ja) 医用画像処理装置及び医用画像処理方法
CN104346821B (zh) 用于医学成像的自动规划
CN109102532A (zh) 用于医学成像的深度学习的组织变形
US10803354B2 (en) Cross-modality image synthesis
EP3828818A1 (en) Method and system for identifying pathological changes in follow-up medical images
JP2020025786A (ja) 画像処理装置、方法及びプログラム
CN111657858A (zh) 图像诊断装置、图像处理方法和程序
JP6073632B2 (ja) 医用画像処理装置及び医用画像処理プログラム
CN109754369A (zh) 确定图像数据集的坐标系之间的变换
EP2960870B1 (en) A visualization method for a human skeleton from a medical scan
US11423554B2 (en) Registering a two-dimensional image with a three-dimensional image
US20240005498A1 (en) Method of generating trained model, machine learning system, program, and medical image processing apparatus
US20210256741A1 (en) Region correction apparatus, region correction method, and region correction program
Al-Dhamari et al. Automatic cochlear multimodal 3D image segmentation and analysis using atlas–model-based method
EP3794550B1 (en) Comparison of a region of interest along a time series of images
US20240005504A1 (en) Standardizing images of anatomical structures for analysis by machine learning systems
US20230206477A1 (en) Image processing method, image processing device, program, and trained model
Li Computer generative method on brain tumor segmentation in MRI images
JP7304150B2 (ja) 画像解析装置、画像診断装置、及びｒｏｉ設定プログラム
Nguyen et al. Visualizing veterinary medical data sets with Jetstream
Cabrera Gil Deep Learning Based Deformable Image Registration of Pelvic Images

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C41 Transfer of patent application or patent right or utility model
TA01 Transfer of patent application right

Effective date of registration: 20160714

Address after: Japan Tochigi

Applicant after: Toshiba Medical System Co., Ltd.

Address before: Tokyo, Japan, Japan

Applicant before: Toshiba Corp

Applicant before: Toshiba Medical System Co., Ltd.

GR01 Patent grant
GR01 Patent grant