CN105027163B - 扫描区域确定装置 - Google Patents

扫描区域确定装置 Download PDF

Info

Publication number
CN105027163B
CN105027163B CN201480011761.5A CN201480011761A CN105027163B CN 105027163 B CN105027163 B CN 105027163B CN 201480011761 A CN201480011761 A CN 201480011761A CN 105027163 B CN105027163 B CN 105027163B
Authority
CN
China
Prior art keywords
scanning area
template
image
general view
training
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
CN201480011761.5A
Other languages
English (en)
Other versions
CN105027163A (zh
Inventor
J·塞内加
A·扎尔巴赫
M·贝格特尔特
T·内奇
P·马祖尔凯维特兹
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 CN105027163A publication Critical patent/CN105027163A/zh
Application granted granted Critical
Publication of CN105027163B publication Critical patent/CN105027163B/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
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G06T7/74—Determining position or orientation of objects or cameras using feature-based methods involving reference images or patches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
    • 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
    • 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
    • G06T2207/10104—Positron emission tomography [PET]

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Quality & Reliability (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及一种用于确定要由扫描系统(10)(例如计算机断层摄影系统)扫描的对象的扫描区域的扫描区域确定装置(12)。定义概览图像和模板图像关于彼此的配准的空间变换被确定，其中，所述概览图像和所述模板图像初始通过使用元素位置指示符而被配准，所述元素位置指示符指示所述对象的元素关于所述概览图像的位置。模板扫描区域关于所述模板图像被定义，其中，通过使用所确定的空间变换将所述模板扫描区域投影到所述概览图像上，从而确定最终扫描区域。配准并且因此对空间变换的确定是非常稳定的，这改进了确定最终扫描区域的质量。

Description

扫描区域确定装置
技术领域
本发明涉及一种用于确定要由扫描系统扫描的对象的扫描区域的扫描区域确定装置、扫描区域确定方法以及扫描区域确定计算机程序。本发明还涉及一种用于训练扫描区域确定装置的训练装置、训练方法以及训练计算机程序，并且涉及一种用于扫描对象的区域的扫描系统、扫描方法以及扫描计算机程序。
背景技术
US 2009/0290776 A1公开了一种用于自动确定用于执行随后的医学成像研究的视场的系统。所述系统包括用于采集一幅或多幅二维定位器图像并且用于执行随后的三维医学成像研究的医学成像设备。所述系统还包括：身体掩膜生成单元，其用于对定位器图像进行阈值处理并且识别最大连通分量；边界掩膜获得单元，其用于从所生成的身体掩膜的边界获得边界掩膜；以及视场确定单元，其用于将矩形边界框调整到获得的边界掩膜，其中，确定的视场由医学成像设备使用，以执行随后的医学图像研究。对视场的该确定可能是不可靠的，尤其是如果定位器图像示出不同物体并且应当关于这些物体中的某个确定视场。由所述系统使用的确定技术因此能够是缺乏稳定性的。
发明内容
本发明的目的是提供一种用于确定要由扫描系统扫描的对象的扫描区域的扫描区域确定装置、扫描区域确定方法以及扫描区域确定计算机程序，其允许对扫描区域的更稳定的确定。本发明的另外的目的是提供一种用于训练扫描区域确定装置的训练装置、训练方法以及训练计算机程序，以及用于扫描对象的扫描区域的扫描系统、扫描方法以及扫描计算机程序。
在本发明的第一方面中，提供了一种用于确定要由扫描系统扫描的对象的扫描区域的扫描区域确定装置，其中，所述扫描区域确定装置包括：
-概览图像提供单元，其用于提供对象的概览图像，
-元素位置指示符确定单元，其用于确定元素位置指示符，所述元素位置指示符指示要被扫描的所述对象的元素的位置，其中，所述元素位置指示符确定单元适于关于并且基于所述概览图像来确定所述元素位置指示符，
-模板图像提供单元，其用于提供模板对象的模板图像，所述模板对象对应于要被扫描的所述对象，并且所述模板图像提供单元用于提供包括模板元素的模板扫描区域，所述模板元素对应于要被扫描的所述对象的所述元素，其中，所述模板图像提供单元适于提供模板扫描区域，所述模板扫描区域关于所述模板图像被定义，
-空间变换确定单元，其用于确定空间变换，所述空间变换定义所述概览图像和所述模板图像关于彼此的配准，其中，所述概览图像和所述模板图像初始通过使用所确定的元素位置指示符而被配准，所确定的元素位置指示符指示要被扫描的所述对象的所述元素关于所述概览图像的所述位置，
-扫描区域确定单元，其用于通过使用所确定的空间变换将所述模板扫描区域投影到所述概览图像上，从而确定最终扫描区域。
由于空间变换确定单元确定定义所述概览图像和所述模板图像关于彼此的配准的空间变换，其中，所述概览图像和所述模板图像初始通过使用所确定的元素位置指示符而被配准，所确定的元素位置指示符指示要被扫描的所述对象的所述元素关于所述概览图像的所述位置，因此提供针对概览图像和模板图像关于彼此的配准的好的初始化，所述初始化显著降低配准流程被困于局部最小化的概率。配准以及因此对空间变换的确定因此是非常稳定的，并且允许通过使用所确定的空间变换将模板扫描区域投影到概览图像上对最终扫描区域进行稳定的确定。此外，由于所述概览图像和所述模板图像关于彼此的配准基于所确定的元素位置指示符而被良好地初始化，所确定的元素位置指示符指示要被扫描的所述对象的所述元素关于所述概览图像的所述位置，对空间变换的确定并且由此对最终扫描区域的确定能够是相对快的。
扫描系统优选地是计算机断层摄影系统，并且概览图像优选地是对象的二维投影图像，所述二维投影图像也可以被称为定位器图像。此外，扫描区域优选地是规划框。对象优选地是生物，例如人或动物，并且要被扫描的元素优选地是器官或生物的另一个元素。概览图像优选地示出要被扫描的元素，以及对象的至少周围部分。
元素位置指示符确定单元优选地适于将在概览图像中的元素的至少中心确定为元素位置指示符。元素位置指示符确定单元能够适于确定另外的元素位置指示符，例如包围要被扫描的元素并且将所述元素的所确定的中心定为中心的中间扫描区域。
如果元素位置指示符确定单元将概览图像中的元素的至少中心确定为元素位置指示符，则能够通过将模板图像的中心与概览图像中的元素的所确定的中心叠加来使模板图像与概览图像之间的配准初始化。此外，如果元素位置指示符确定单元还确定将概览图像中的元素的所确定的中心定为中心的中间扫描区域，其中，所述中间扫描区域包括概览图像中的元素，则能够将中间扫描区域与模板扫描区域或者与由模板图像提供单元提供的另一参考区域进行比较，以便确定缩放参数和/或旋转参数，所述缩放参数和/或旋转参数能够额外地用于提供模板图像关于概览图像的初始配准。
扫描区域优选地是被定义在概览图像上的规划框，即中间扫描区域，模板扫描区域和最终扫描区域全部能够是被定义在概览图像上的矩形框，尤其是二维框。具体地，元素位置指示符确定单元能够适于将包括元素并且将概览图像中的元素的所确定的中心定为中心的边界框确定为中间扫描区域。
中间扫描区域优选地是对概览图像中包括要被扫描的元素(尤其是包括要被扫描的器官)的区域的粗略估计。该粗略估计提供初始坐标，所述初始坐标能够被称为最终扫描区域的初始坐标，并且能够被用作模板图像与概览图像关于彼此配准的开始。
模板图像能够是示出具有模板元素的模板对象的概览图像。模板图像也能够是图谱，尤其是统计图谱。例如，模板图像能够表示示出模板图像内的模板对象的典型概览图像的统计平均和中值强度和形状。
模板对象对应于要被扫描的对象，如果它们是相同种类的，即，如果例如模板对象是人，并且要被扫描的对象也是人，而例如不是动物。模板元素对应于要被扫描的对象的元素，如果它们是相同种类的。例如，如果要被扫描的元素是某个器官，则模板元素是相同器官，即，例如如果元素是某人的心脏，则模板元素是模板心脏，这可以已经通过研究不同人的心脏的若干图像而被生成。模板图像和概览图像能够示出对象的相同部分或整个对象。然而，优选地，模板图像示出对象的较小的区域，尤其是围绕模板元素的区域。该区域优选地比由模板元素所覆盖的区域大一点，使得典型图像特征在模板图像中被示出，所述典型图像特征在概览图像中通常也是可见的。模板图像也能够示出不在概览图像中示出的模板元素的部分，例如，在概览图像不完全覆盖目标元素的情况下。
扫描区域确定装置能够适于确定针对对象的诸如单个器官的单个元素的单个扫描区域和/或扫描区域确定装置能够适于确定针对对象的诸如若干器官的若干元素的若干扫描区域。如果扫描区域确定装置适于确定针对对象的若干元素的若干扫描区域，则概览图像提供单元适于提供示出对象的不同元素的概览图像，并且元素位置指示符确定单元适于确定若干元素位置指示符，其中，每个元素位置指示符指示要被扫描的对象的相应元素的位置，并且其中，若干元素位置指示符关于并且基于示出若干元素的概览图像而被确定。模板图像提供单元适于提供对应于实际对象的模板对象的若干模板图像，其中，每幅模板图像示出相应元素，并且所述模板图像提供单元适于提供针对若干模板图像的若干模板扫描区域，所述若干模板扫描区域关于若干模板图像而被定义。此外，在该范例中，空间变换确定单元适于确定定义概览图像和相应的模板图像关于彼此的配准的若干空间变换，其中，概览图像和相应的模板图像基于元素位置指示符而被初始配准，所述元素位置指示符已经针对相应元素被确定并且指示要被扫描的对象的相应元素关于概览图像的位置。因此，在该范例中，针对每幅模板图像，空间变换被确定，所述空间变换定义概览图像和相应模板图像关于彼此的配准。扫描区域确定单元适于通过使用相应确定的空间变换将若干模板扫描区域投影到概览图像上，从而确定若干最终扫描区域。
如果扫描区域确定装置已经确定针对在概览图像中示出的若干元素的若干最终扫描区域，则扫描区域确定单元能够适于执行一致性检查。具体地，扫描区域确定单元能够适于将一致性规则应用于所确定的最终扫描区域，以便确定最终扫描区域是否一致。一致性规则能够定义元素之间的空间关系，其必须由最终扫描区域来反映。例如，如果在概览图像中示出的元素是胸部、腹部和骨盆，则一致性规则能够定义，关于足部-头部方向，胸部扫描区域应在腹部扫描区域之上，并且腹部扫描区域应在骨盆扫描区域之上。类似地，这些扫描区域之间的间隙和交叠能够以一致的方式被最小化。例如，如果在例如根据一致性规则应当是邻近的优选地是方框的两个最终扫描区域之间存在间隙，则每个最终扫描区域能够延伸间隙尺寸的一半，使得两个最终扫描区域彼此接合。类似地，如果在应当是邻近的两个最终扫描区域之间存在交叠，则每个最终扫描区域在尺寸上能够减小交叠尺寸的一半，使得两个最终扫描区域彼此接合。
概览图像提供单元能够是其中对象的概览图像已被存储的存储单元，或者用于从例如概览图像生成设备接收概览图像的接收单元。此外，概览图像提供单元也能够适于基于从包括例如辐射源和探测设备的扫描装置接收的探测值，来生成概览图像，其中，所述扫描装置适于提供指示在已经穿过对象之后的辐射的探测值。
模板图像提供单元也能够是存储单元，其中，所述存储单元可以包括模板图像和模板扫描区域，并且可以适于提供存储的模板图像和模板扫描区域。模板图像提供单元也能够是用于从另一个设备接收模板图像和模板扫描区域的接收单元。
优选地，元素位置指示符确定单元还适于使用Viola-Jones算法来确定元素位置指示符，尤其是概览图像中的元素的中心以及包括要被扫描的元素的中间扫描区域。Viola-Jones算法优选地已经通过使用训练概览图像的数据库而被训练，其中，能够已经存在已经手动增加的训练扫描区域。在训练概览图像中，训练扫描区域包围相应元素，例如相应器官，或相应元素的部分。Viola-Jones算法非常快，例如，其在标准个人计算机上仅需几毫秒，从而进一步增加确定扫描区域的速度。
还优选地，元素位置指示符确定单元适于a)使用元素位置指示符确定算法来确定元素位置指示符，b)提供元素位置指示符确定规则，其用于如果所述元素位置指示符确定算法揭示若干可能的元素位置指示符，则选择最可能的元素位置指示符，以及c)将所述元素位置指示符确定规则应用到所确定的若干可能的元素位置指示符，以确定要由所述空间变换单元使用的所述元素位置指示符。例如，元素位置指示符确定单元能够适于针对每个元素位置指示符确定得分，其中，元素位置指示符确定规则能够定义，具有最高得分的元素位置指示符应当被选择。得分能够是元素位置指示符确定算法的直接结果。得分也能够以另一方式来确定。例如，其能够取决于空间邻近的元素位置指示符的分组来确定。例如，得分是概率或置信度值。使用元素位置指示符确定规则能够提高对元素位置指示符的确定的准确性。
在实施例中，空间变换确定单元适于将基于强度的配准算法应用到所述概览图像和所述模板图像以确定所述空间变换，其中，基于图像强度的配准算法基于所确定的元素位置指示符而被初始化，所确定的元素位置指示符指示所述要被扫描的对象的所述元素的关于所述概览图像的所述位置。基于图像强度的配准算法(例如基于概览图像和模板图像的互相关的配准算法)关于两幅图像之间的某种程度上的相异性是相当稳定的，这可以存在于图像伪影、金属植入物、异常患者定位等的情况下。因此，使用基于强度的配准算法还能够改进对扫描区域的确定的稳定性。
模板图像提供单元能够以不同的方式提供模板扫描区域。例如，模板扫描区域能够被直接定义为模板图像上的真实区域。在该情况下，能够通过直接将模板图像上的该真实区域投影到概览图像上来执行模板扫描区域到概览图像上的投影。然而，模板图像提供单元也能够另一种方式提供模板扫描区域。例如，在模板图像中，一个或若干模板指示符元素(如解剖界标或模板元素的完整轮廓)能够被定义，其中，能够例如通过使用对应的模板规则关于一个或若干模板指示符元素来定义模板扫描区域。在该情况下，将以该方式被定义的模板扫描区域投影到概览图像上能够通过将与模板规则一起实际定义模板扫描区域的一个或若干模板指示符元素投影到概览图像上来进行，其中，所投影的模板扫描区域由所投影的一个或若干模板指示符元素和模板规则来定义。
因此，在优选实施例中，所述模板图像提供单元适于提供所述模板图像中的模板指示符元素的位置，其中，所述模板扫描区域关于所述模板指示符元素的所述位置而被定义，并且其中，所述扫描区域确定单元适于通过使用所确定的空间变换对所述模板指示符元素的所述位置进行变换，并且基于所述模板指示符元素的经变换的位置来确定所述概览图像上的所述模板扫描区域，来将所述模板扫描区域投影到所述概览图像上。模板图像提供单元能够适于提供模板图像中的若干模板指示符元素的若干位置，所述模板指示符元素可以被称为界标，其中，模板扫描区域能够关于若干指示符元素的这些位置而被定义。
能够通过使用对应的模板规则关于一个或若干模板指示符元素来定义模板扫描区域。例如，如果要被扫描的元素是脑部，则模板扫描器元素可以是头骨的最后部分、头骨的最下部分、头骨的最左部分以及头骨的最右部分，其中，模板规则能够关于这些界标定义模板扫描区域。例如，模板扫描区域能够是模板扫描框，其中，模板规则能够定义，模板扫描框的上侧被定位为高于头骨的最后部部分预先定义的距离a，模板扫描框的下侧被定位为低于头骨的最下部分预先定义的距离b，模板扫描框的左侧被定位为在头骨的最左部分左侧预先定义的距离c处，并且模板扫描框的右侧被定位为在头骨的最右部分右侧预先定义的距离d处。
如上面已经提及的，模板图像提供单元也能够适于通过直接定义模板图像的真实区域，来提供模板扫描区域，即，能够关于模板图像，即，在模板图像空间中，定义模板扫描区域的(尤其是模板框的)坐标。在该情况下，扫描区域确定单元能够适于将模板图像空间中定义的模板扫描区域的坐标变换到概览图像空间中，以便将模板扫描区域投影到概览图像上，从而确定最终扫描区域。
在本发明的又一方面中，提供了一种用于训练扫描区域确定装置的训练装置，其中，所述训练装置包括：
-训练图像提供单元，其用于提供包括元素的对象的训练图像，并且用于提供包括所述训练图像中的所述对象的所述元素的训练扫描区域，
-训练单元，其用于基于所提供的训练图像和训练扫描区域来训练所述元素位置指示符确定单元。
在本发明的另一方面中，提供了一种用于扫描对象的扫描区域的扫描系统，其中，所述扫描系统包括：
-扫描区域确定装置，其用于确定如权利要求1所述的扫描区域，
-扫描装置，其用于扫描由所确定的扫描区域定义的所述对象的部分。
在本发明的又一方面中，提供了一种用于确定要由扫描系统扫描的对象的扫描区域的扫描区域确定方法，其中，所述扫描区域确定方法包括：
-由概览图像提供单元提供对象的概览图像，
-由元素位置指示符确定单元来确定元素位置指示符，所述元素位置指示符指示要被扫描的所述对象的元素的位置，其中，所述元素位置指示符确定单元关于并且基于所述概览图像来确定所述元素位置指示符，
-由模板图像提供单元来提供模板对象的模板图像，所述模板对象对应于要被扫描的所述对象，并且由所述模板图像提供单元提供包括模板元素的模板扫描区域，所述模板元素对应于要被扫描的所述对象的所述元素，其中，所述模板图像提供单元提供模板扫描区域，所述模板扫描区域关于所述模板图像被定义。
-由空间变换确定单元来确定空间变换，所述空间变换定义所述概览图像和所述模板图像关于彼此的配准，其中，所述概览图像与所述模板图像初始通过使用所确定的元素位置指示符而被配准，所确定的元素位置指示符指示要被扫描的所述对象的所述元素关于所述概览图像的所述位置，
-由扫描区域确定单元通过使用所确定的空间变换将所述模板扫描区域投影到所述概览图像上来确定最终扫描区域。
在本发明的另一方面中，提供了一种用于训练如权利要求1所述的扫描区域确定装置的训练方法，其中，所述训练方法包括：
-由训练图像提供单元来提供包括元素的对象的训练图像，并且提供包括在所述训练图像中的所述对象的所述元素的训练扫描区域，
-由训练单元基于所提供的训练图像和训练扫描区域来训练所述元素位置指示符确定单元。
在本发明的又一方面中，提供了一种用于扫描对象的扫描区域的扫描方法，其中，所述扫描方法包括：
-由如权利要求1所述的扫描区域确定装置来确定如权利要求10所述的扫描区域，
-由扫描装置来扫描由所确定的扫描区域定义的所述对象的部分。
在本发明的另一方面中，提供了一种用于确定要由扫描系统扫描的对象的扫描区域的扫描区域确定计算机程序，其中，所述扫描区域确定计算机程序包括程序代码模块，所述程序代码模块用于当所述扫描区域确定计算机程序在控制如权利要求1所述的扫描区域确定装置的计算机上运行时，令所述扫描区域确定装置执行如权利要求10所述的扫描区域确定方法的步骤。
在本发明的又一方面中，提供了一种用于训练如权利要求1所述的扫描区域确定装置的训练计算机程序，其中，所述训练计算机程序包括程序代码模块，所述程序代码模块用于当所述训练计算机程序在控制如权利要求8所述的训练装置的计算机上运行时，令所述训练装置执行如权利要求11所述的训练方法的步骤。
在本发明的又一方面中，提供了一种用于扫描对象的扫描区域的扫描计算机程序，其中，所述扫描计算机程序包括程序代码模块，所述程序代码模块用于当所述扫描计算机程序在控制如权利要求9所述的扫描系统的计算机上运行时，令所述扫描系统执行如权利要求12所述的扫描方法的步骤。
应当理解，权利要求1所述的扫描区域确定装置、权利要求8所述的训练装置、权利要求9所述的扫描系统、权利要求10所述的扫描区域确定方法、权利要求11所述的训练方法、权利要求12所述的扫描方法、权利要求13所述的扫描区域确定计算机程序、权利要求14所述的训练计算机程序以及权利要求15所述的扫描计算机程序具有相似和/或相同的优选实施例，尤其是如在从属权利要求中定义的优选实施例。
应当理解，本发明的优选实施例也能够是从属权利要求与相应独立权利要求的任何组合。
本发明的这些和其他方面将根据下文描述的实施例变得显而易见并且将参考下文描述的实施例得到阐述。
附图说明
在附图中：
图1示意性并且示范性地示出了用于扫描对象的扫描区域的扫描系统的实施例,
图2示意性并且示范性地图示了用于找到概览图像中的元素的滑动窗技术,
图3示意性并且示范性地示出了在概览图像上的中间扫描区域，
图4示意性并且示范性地示出了具有模板扫描区域的模板图像，
图5示意性并且示范性地示出了在概览图像上的最终扫描区域，
图6示出了示范性地图示用于确定要由图1中所示的扫描系统扫描的对象的扫描区域的扫描区域确定方法的实施例的流程图，
图7示出了示范性地图示用于训练图1中所示的扫描系统的扫描区域确定装置的训练方法的流程图，以及
图8示出了示范性地图示用于通过使用图1中所示的扫描系统来扫描对象的扫描区域的扫描方法的流程图。
具体实施方式
图1示意性并且示范性地示出了用于扫描对象的区域的扫描系统。在该实施例中，扫描系统10是计算机断层摄影系统。计算机断层摄影系统10包括机架1，所述机架能够围绕平行于z方向延伸的旋转轴R旋转。辐射源2，其是X射线管，被安装在机架1上。辐射源2被提供有准直器3，所述准直器在该实施例中根据由辐射源2生成的辐射形成锥形辐射射束4。辐射穿过在检查区5内的诸如患者的对象(未示出)，所述检查区在该实施例中是圆柱形的。在已经穿过检查区5之后，辐射射束4入射在探测设备6上，所述探测设备包括二维探测表面。探测设备6也被安装在机架1上。在另一实施例中，准直器3还能够适于形成另一射束形状，例如扇形射束，其中，探测设备6能够包括探测表面，所述探测表面是对应于另一射束形状(尤其是扇形射束)被成形的。
机架1可在检查区5周围旋转，并且对象可沿z方向移动，使得辐射源和对象能够关于彼此移动，使得辐射源2例如沿关于对象的螺旋、圆形或线性轨迹移动。
具有辐射源2和探测设备6的机架1形成扫描装置7，所述扫描装置由控制器9控制。扫描装置7能够被控制，使得对象的概览图像被生成。在该实施例中，概览图像是二维投影图像31，其示意并且示范性地在图2、图3和图5中示出。在辐射源2平行于关于对象的z轴线性移动时，例如能够通过生成取决于入射在探测设备6的探测表面上的辐射的探测值，来生成概览图像31，概览图像也可以被称为是定位器图像，其中，探测值能够被提供到扫描区域确定装置12的概览图像提供单元13，所述概览图像提供单元基于探测值生成概览图像。在该实施例中，适于确定对象的扫描区域的扫描区域确定装置12被并入在数据处理装置11中。
扫描区域确定装置12还包括元素位置指示符确定单元14，所述元素位置指示符确定单元用于确定要被扫描的对象的元素的中心以及中间扫描区域32，所述中间扫描区域包括要被扫描的对象的元素，将元素的所确定的中心定为中心并且示意性并且示范性在图3中示出。元素位置指示符确定单元14适于关于并且基于概览图像31来确定中间扫描区域32。此外，扫描区域确定装置包括模板图像提供单元15，所述模板图像提供单元用于提供模板对象的模板图像33，所述模板对象对应于要被扫描的对象。模板图像33示意性并且示范性地在图4中示出。
模板图像提供单元15还适于提供模板扫描区域34，所述模板扫描区域也示意性并且示范性在图4中示出并且包括模板元素，所述模板元素对应于要被扫描的对象的元素。模板图像提供单元15适于提供模板扫描区域34，所述模板扫描区域关于模板图像33被定义。
扫描区域确定装置12还包括空间变换确定单元16，所述空间变换确定单元用于确定定义概览图像31和模板图像33关于彼此的配准的空间变换，其中，概览图像31和模板图像33初始至少基于要被扫描的对象的元素的关于概览图像的所确定的中心，并且也优选地基于所确定的中间扫描区域，而被配准。扫描区域确定单元17然后通过将模板扫描区域34投影到概览图像31上，从而确定最终扫描区域30，所述最终扫描区域示意性并且示范性在图5中示出，通过使用所确定的空间变换来将模板扫描区域34投影到概览图像31上。
在该实施例中，中间扫描区域、模板扫描区域以及最终扫描区域是方框，并且能够被称为是规划框。此外，在该实施例中，对象是人，并且要被扫描的元素是脑部。
元素位置指示符确定单元14提供对概览图像31的区域的粗略估计，所述概览图像包括脑部。该粗略估计提供初始坐标，所述初始坐标能够被称为是最终扫描区域的初始坐标，并且能够用作将模板图像33与概览图像31关于彼此配准的开始。为了提供该粗略估计，在该实施例中，元素位置指示符确定单元14适于确定在概览图像31中的脑部的中心，并适于确定中间扫描区域32，使得其将脑部的所确定的中心定为中心。优选地，扫描区域确定单元14适于使用Viola-Jones算法来确定脑部的中心和包括要被扫描的脑部的中间扫描区域32。因此，在定位器图像的采集之后，器官定位技术被应用于找到在该实施例中作为脑部的目标器官的近似中心以及边界框的近似延伸。这提供了扫描区域(即最终期望的规划框)的初始坐标，所述初始坐标将由扫描区域确定单元17进行细化。技术的广泛范围能够被采用以确定这些初始坐标。然而，用于基于分类的物体定位的Viola-Jones类似方法是优选的。
在应用Viola-Jones算法时，以如在图2中由框35和箭头36指示的滑动窗方式来分析概览图像31，以找到概览图像31的正子集，所述正子集与目标解剖结构匹配，在该实施例中是与脑部的解剖结构匹配。更多关于已知Viola-Jones算法的细节，参考P.A.Viola和M.J.Jones的文献“Rapid Object Detection using a Boosted Cascade of SimpleFeatures”(IEEE Computer Society，CVPR(1)、第511到518页(2001))以及P.A.Viola和M.J.Jones的文献“Robust Real-Time Face Detection”(International Journal ofComputer Vision，57(2)、第137至154页(2004))，通过引用将其并入本文。
通过Viola-Jones算法所确定的脑部和框32的近似中心37示意性并且示范性地在图3中示出。图3中所示的框32指示中间扫描区域。
元素位置指示符确定单元14能够适于提供元素位置指示符确定规则，所述元素位置指示符确定规则用于，当能够被称为是元素位置指示符确定算法的Viola-Jones算法揭示若干可能的中间扫描区域时，选择以元素的相应确定的中心为中心的最可能的中间扫描区域。元素位置指示符确定单元14还能够适于将元素位置指示符确定规则应用到所确定的若干可能的中间扫描区域，以确定要由空间变换单元16使用的中间扫描区域。因此，在针对元素(可以是目标器官，并且在该实施例中是脑部)的多个候选被发现的情况下，简单的规则能够被应用，以找到最可能的位置，即找到最可能的中心和边界框，并排除假阳性结果。在该实施例中，元素位置指示符确定规则定义，如果以元素的相应中心为中心的若干中间扫描区域已经由元素位置指示符确定单元14确定，则具有最高得分的中间扫描区域被选择。得分优选地是概率或置信度值，并且可以是元素位置指示符确定算法的结果。然而，得分也可以不是元素位置指示符确定算法的输出，而是可以由元素位置指示符确定单元14根据例如空间邻近的所确定的中间扫描区域的分组来确定。
根据从相应的中间扫描区域提取的特征，元素位置指示符确定规则能够用于确定得分，所述得分可以是离散得分或连续得分。能够通过训练诸如SVM分类器、k-NN分类器、决策树分类器、残端分类器等的分类器，来定义元素位置指标确定规则。元素位置指示符确定单元也能够适于找到将元素的相应确定的中心定为中心的若干最可能的中间扫描区域，其中，这些中间扫描区域能够被聚合，并且聚合的中间扫描区域能够用于后续步骤。
空间变换确定单元16适于将基于强度的配准算法应用到概览图像31和模板图像33，以确定空间变换，其中，基于强度的配准算法基于所确定的元素位置指示符(即在该实施例中，至少基于元素的所确定的中心)而被初始化。因此，基于强度的配准算法被应用于找到空间变换，所述空间变换将目标解剖结构的(即人的脑部和一些周围部分的)模板图像映射到实际概览图像，其中，利用由元素的所确定的中心所定义的位置参数并且任选地利用诸如缩放参数和/或旋转参数的另外的参数来使配准算法初始化，所述参数可以从中间扫描区域获得。基于强度的配准算法优选地考虑沿两个图像方向的平移、旋转和缩放。备选地，刚性配准或弹性配准算法能够被应用。所述配准算法例如能够使用互相关操作来找到空间变换。
空间变换确定单元16优选地适于通过将元素的所确定的中心定为模板图像的中心，来关于彼此初始配准概览图像和模板图像，已经关于概览图像确定了所述中心。此外，能够将中间扫描区域与模板扫描区域或与由模板图像提供单元15提供的另一参考区域进行比较，其中，缩放参数和/或旋转参数可以基于该比较而被确定。缩放参数和/或旋转参数可以被应用到模板图像，以便关于概览图像初始配准模板图像。例如，根据Viola-Jones算法得到的边界框能够与模板扫描区域或另一参考区域进行比较，所述另一参考区域在该实施例中也是方框的，其中，相对于中间扫描区域或参考区域的Viola-Jones框的旋转和Viola-Jones框的缩放分别能够用于确定要用于将模板图像与概览图像初始配准的旋转和缩放参数。因此，由Viola-Jones算法提供的框的位置、尺寸和角能够用于定义配准的初始平移、缩放和旋转。
模板图像提供单元15能够适于直接提供模板图像上的真实区域作为模板扫描区域。例如，能够提供关于所述模板图像的定义该直接模板扫描区域的坐标。然而，模板图像提供单元15也能够适于通过关于模板指示符元素的位置定义模板扫描区域来间接定义模板扫描区域，所述模板指示符元素优选地是在模板图像中示出的界标。
因此，模板图像提供单元15能够适于提供在模板图像33中的模板指示符元素的位置，其中，能够关于模板指示符元素的位置定义模板扫描区域34。在该情况下，扫描区域确定单元17能够适于通过使用所确定的空间变换对模板指示符元素的位置进行变换，并且通过基于模板指示符元素的经变换的位置来确定在概览图像31上的模板扫描图像34，来将模板扫描区域34投影到概览图像31上。能够通过使用对应的模板规则，关于模板指示符元素(其能够被称为界标)来定义模板扫描区域34。在该范例中，模板指示符元素是头骨的某些部分，其中，能够根据模板规则将模板扫描框定义为模板扫描区域，所述模板规则定义例如，模板扫描框的上侧被定位为高于头骨的最后部部分预先定义的距离处，模板扫描框的下侧被定位为低于头骨的最下部分预先定义的距离处，模板扫描框的左侧被定位为在头骨的最左部分的左侧预先定义的距离处，并且模板扫描框的右侧被定位为在头骨的最右部分右侧预先定义的距离处。例如，预先定义的距离是1厘米。例如，模板指示符元素和模板规则例如能够由医学专家预先定义。
因此，基于空间变换并且基于用于定义最终扫描区域的(即最终规划框的)坐标的规则，如在模板图像上定义的模板扫描区域，其也可以被称为是参考规划框，被投影到实际的概览图像上，以便确定最终扫描区域。
如果模板图像提供单元15通过定义关于模板图像的模板扫描区域的对应的坐标来直接提供在模板图像上的模板扫描区域，则扫描区域确定单元17能够直接将空间变换应用到模板扫描区域的坐标，以将模板扫描区域投影到概览图像上。因此，在该情况下，不必要将模板指示符元素的位置投影在概览图像上，所述位置然后与模板规则一起定义所投影的模板扫描区域。
最终扫描区域30，其优选地是规划框，优选地定义要被扫描的体积的空间范围和/或要被重建的三维体积图像的空间范围。其优选地具有矩形形状，所述矩形形状能够沿计算机断层摄影扫描器10的主轴被对准。然而，其也能够有另一形状，例如平行四边形形状。
在最终扫描区域30已经被确定后，控制器9能够控制另外的探测值的采集，使得计算机断层摄影图像能够被生成，示出扫描区域30。因此，对应的探测值能够由扫描装置7来采集并且由重建单元18来使用，以重建要被扫描的元素(在该实施例中是脑部)的计算机断层摄影图像。例如，投影数据采集的开始z位置和结束z位置能够被定义，使得包括所确定的最终扫描区域的三维体积能够被重建。重建单元18能够适于使用已知的计算机断层摄影重建算法，例如滤波反投影算法。
扫描系统10还包括训练装置19，所述训练装置用于训练扫描区域确定装置12。训练装置19包括训练图像提供单元20，所述训练图像提供单元用于提供包括元素的对象的训练图像，并且用于提供包括在训练图像中的对象的元素的训练扫描区域。训练装置19还包括训练单元21，所述训练单元用于基于所提供的训练图像和训练扫描区域来训练元素位置指示符确定单元14。训练装置用于通过从具有训练扫描区域的训练图像进行学习，来计算扫描区域确定装置的最优参数，尤其是用于计算Viola-Jones算法的最优参数，所述算法也可以被称为是Viola-Jones分类器。针对每种元素执行该训练，针对所述元素，扫描区域应当被自动确定。例如，如果扫描区域确定装置应当能够确定针对不同目标器官的扫描区域，则针对每个目标器官执行训练。训练图像优选地是代表性计算机断层摄影定位器图像，这通常用于规划相应目标器官的扫描。因此，训练图像提供单元20优选地向每种元素，尤其是向每个目标器官提供多个代表性计算机断层摄影定位器图像。在这些定位器图像中的每个上，标记相应目标器官的位置和典型范围的正训练框被定义，尤其是由针对该任务被训练的操作者预先定义。在该实施例中形成训练扫描区域的这些正训练框不需要对应于期望的扫描区域，尤其是不需要对应于期望的最终规划框。训练扫描区域优选地包含在相应种类的元素内，尤其是在相应目标器官内或者可能在相应种类的元素的附近不断发现的典型的图像特征。优选地，类似的训练扫描区域，即在该实施例中，类似的训练框被定义在用于相应种类的元素的训练图像上，其中，训练扫描区域是类似的，如果相同的图像特征能够被发现在这些训练扫描区域中。由于期望找到相应元素的，尤其是目标器官的位置，同样在其中其仅由定位器图像部分覆盖的情况下，使用覆盖相应元素的仅部分的扫描区域是有利的。
此外，为了训练Viola-Jones算法，负训练扫描区域，尤其是负训练框，也能够由训练图像提供单元来提供，其中，负训练扫描区域包含在定位器图像上发现的典型的图像特征，但是所述典型的图像特征不应当由分类器探测到。也能够由操作者预先定义这些负训练扫描区域。关于Viola-Jones算法的训练的进一步的细节，参考上述文献。
模板图像可以表示定位器图像，所述定位器图像通常由相应扫描系统(在该实施例中是计算机断层摄影系统)用于规划对相应种类的元素的扫描。模板图像例如是表示定位器图像在形状和强度上的变化的统计图谱。统计图谱例如能够包括平均图像和标准差图像，所述平均图像和标准差图像从相应种类的元素的(例如相应目标器官的)多个定位器图像中获得。为了确定统计图谱，优选地首先多个定位器图像关于彼此被配准，其中，例如，然后计算平均图像和标准差图像。因此，首先在定位器图像的集合中的公共解剖界标之间的空间对应可以被确定，因此，在计算逐体素统计量之前，对应的空间变换被应用到定位器图像。对可以形成统计图谱的模板图像的(尤其是平均图像和/或标准差图像的)该确定能够由训练装置19或者另一训练设备来执行。在上面参考图1到图5描述的实施例中，模板图像是图4中示出的平均图像34。
如果统计图谱包括若干图像，则这些图像中的仅一个可以用于配准。然而，这些图像中的若干也能够用于配准。例如，如果统计图谱包括平均图像和中值图像，则可以利用平均图像和中值图像中的每一幅来执行与概览图像的配准，并且针对进一步的步骤，平均图像和中值图像中的所述一幅能够被选择，其提供最好的配准结果，其中，所述配准结果能够通过使用已知的相似度量来测量。如果统计图谱包括标准差图像以及例如平均图像，则标准差图像能够用于对概览图像与平均图像之间的相似度量进行加权。例如，相似度测量能够是平方差的总和，其中，总和的元素能够根据标准差图像被加权并且配准能够被执行，使得应用到概览图像的相似度测量和平均图像被优化。
总体而言，模板图像能够是针对元素的(尤其是相应目标解剖结构的)相应种类的参考定位器图像，或者从若干代表性定位器图像编译的统计图谱。
模板扫描区域，即尤其是针对相应种类的元素的期望的规划框的优选位置，最终能够被定义在模板图像上。具体地，框拐角的坐标能够被定义在模板图像的几何结构中。备选地，能够基于模板图像中的优选地是解剖界标的模板指示符元素的位置，来定义模板扫描区域的位置、尺寸及角，即，模板规则能够被定义，所述模板规则编码如何基于模板指示符元素的位置来计算相应规划框几何结构。同样，模板指示符元素和模板规则能够由诸如被训练执行该任务的操作人员的本领域技术人员来手动地预先定义。
扫描系统10还包括输入单元22(例如，键盘、鼠标、触摸板等)，以将诸如用于以下的命令的命令输入到扫描系统中：起始对概览图像的生成；对扫描区域的确定；根据所确定的扫描区域的对计算机断层摄影扫描的起始等。扫描系统10还包括显示器23，所述显示器例如用于显示重建的计算机断层摄影图像、在概览图像上的所确定的扫描区域等。
例如，输入单元22能够用于允许用户指定，针对哪一个或若干元素，尤其是针对哪一个或若干器官，一个或若干扫描区域分别应当被自动确定。例如，图形用户界面能够被提供以允许用户选择在概览图像中示出的期望的一个或若干元素。在实施例中，扫描区域确定装置可以适于自动探测概览图像中的一个或若干元素，其中，图形用户界面能够允许用户选择所探测的元素中的一个或若干。扫描区域确定装置还能够适于允许用户将一个或若干参数添加到扫描参数列表，所述扫描参数列表定义特定检查的扫描，例如概述扫描以及基于所确定的一个或若干最终扫描区域的实际扫描。用户可以使用输入单元22来将额外的参数添加到扫描参数列表。这些添加的参数能够指示对象的(尤其是人的解剖部分的)元素，针对所述元素，最终扫描区域应当被确定。具有添加的参数的扫描参数列表能够被存储，使得如果用户希望再次执行检查，则对应的最终扫描区域将自动被确定。
在下文中，将参考图6所示的流程图，示范性地描述用于确定要由扫描系统扫描的对象的扫描区域的扫描区域确定方法的实施例。
在步骤101中，由概览图像提供单元13提供对象的概览图像31，并且在步骤102中，关于并且基于概览图像31由元素位置指示符确定单元14来确定要被扫描的对象的元素的中心以及以元素的该中心为中心并且包括元素的中间扫描区域32。具体地，提供人的上部的定位器图像，其中，包括人的脑部的中间扫描区域32由元素位置指示符确定单元14来确定。为了快速确定该中间扫描区域，优选地使用Viola-Jones算法，所述算法提供由中间扫描区域32指示的对脑部的位置和范围的粗略近似。
在步骤103中，由模板图像提供单元15提供对应于要被扫描的对象的模板对象的模板图像33，以及包括对应于要被扫描的对象的元素的模板元素的模板扫描区域34，其中，模板图像提供单元15提供模板扫描区域34，所述模板扫描区域关于模板图像33被定义。例如，平均图像能够被提供为模板图像，其中，在这些概览图像已经关于彼此配准之后，能够已经通过对例如不同人的上部的若干概览图像进行平均生成了平均图像。期望的模板扫描区域已经优选地由操作者手动添加到模板图像，所述操作者被训练以将模板扫描区域添加到该种类的模板图像。
在步骤104中，定义概览图像31和模板图像33的关于彼此的配准的空间变换由空间变换确定单元16确定，其中，基于指示要被扫描的对象的元素关于概览图像31的位置的所确定的元素位置指示符，即在该实施例中，基于概览图像31中的元素的所确定的中心并且基于中间扫描区域，来初始配准概览图像31与模板图像33。在步骤105中，通过使用所确定的空间变换将模板扫描区域34投影到概览图像31上，来由扫描区域确定单元17确定最终扫描区域30。
应当注意，扫描区域确定方法的步骤也能够以另一顺序来运行。例如，步骤103能够在步骤102或步骤101之前来执行。
在下文中，将参考图7中所示的流程图，将示范性描述用于训练扫描区域确定装置12的训练方法的实施例。
在步骤201中，a)包括元素的对象的训练图像和b)在训练图像中的包括对象的元素的训练扫描区域由训练图像提供单元20来提供。在步骤202中，元素位置指示符确定单元14基于所提供的训练图像和训练扫描区域由训练单元21来训练。具体地，通过使用训练图像和训练扫描区域来训练Viola-Jones算法。任选地，训练方法还能够包括用于基于示出诸如某个目标器官的某个类型的元素的所提供的代表性概览图像来确定模板图像的步骤。
图8示出了图示用于扫描对象的扫描区域的扫描方法的实施例的流程图。
在步骤301中，如上面参考图6描述的，由扫描区域确定装置12来确定扫描区域，并且在步骤302中，由所确定的扫描区域30定义的对象的部分由扫描装置7来扫描。例如，在包括脑部或另一器官的扫描区域已经被确定之后，计算机断层摄影扫描器10的扫描装置7能够被控制，使得包括所确定的扫描区域的图像被生成。
在已知的计算机断层摄影流程中，计算机断层摄影技术人员当规划计算机断层摄影检查的扫描时，手动地定义在定位器图像上的规划框，所述规划框也可以被称为子视图(surview)。可以通过使用由图形用户界面提供的直接操控，来手动编辑规划框，所述直接操控允许用户移动、调整以及旋转规划框。
通常，在放射部门中针对给定的检查类型，当使用已知的计算机断层摄影系统时，存在确定关于解剖界标在何处放置规划框的标准操作程序，即指南。然而，规划框的手动编辑过程是耗时的。经常，需要在相同定位器图像上规划若干框，每个目标器官一个。例如，针对胸部、腹部和骨盆的规划框在CAP(胸部-腹部-骨盆)检查中能够需要被独立规划。此外，即使指南在特定的放射部门中就位，根据操作者的个体技能和经验，在不同操作者之间能够观测到高变化性。因此，手动规划是在不同操作者之间的不一致性的潜在源，这降低放射部门的质量和效率。最终，手动规划中的误差具有关于由患者接收的辐射剂量的量的发生率。如果规划框关于目标解剖结构被设置地太大，则解剖部分不必要地暴露于辐射。相反，如果规划框被设置地太短，则能够遗漏诊断相关特征，并且扫描能够需要被重复，这是耗时的并且导致对辐射的额外的暴露。上面参考图1描述的扫描区域确定装置因此提供了自动规划算法，所述自动规划算法加快规划流程，改进了一致性并且在计算机断层摄影检查中有效地使暴露于辐射最小化。在计算机断层摄影定位器图像上的单个或多个目标器官的一个或若干规划框的坐标被自动计算，以实现计算机断层摄影扫描的自动的规划。
确定中间扫描区域32的步骤是相对快的，即它能够是一秒的量级，因为针对利用Viola-Jones算法的总器官探测的该步骤在标准的个人计算机上需要仅几毫秒，并且非常快的配准算法，例如仿射配准算法对于二维图像是可用的。此外，扫描区域的自动确定可应用于元素的宽的范围，尤其是目标器官的宽的范围，因为所提出的方法是完全通用的，而不依赖于针对每个元素的专用假设，与依赖于界标探测的算法相对。
上面参考图1描述的扫描系统使用需要被训练的图像分类器，即Viola-Jones算法；需要被计算的模板图像，例如平均图像；以及规划框定义规则，即模板规则。因此提供了在描区域确定算法的开发相中使用的训练模块，即训练装置；以及在扫描区域确定算法的应用中使用的规划模块，即扫描区域确定装置。训练模块和规划模块也能够被实施为计算机程序，其中，至少规划模块能够是计算机断层摄影系统的计算机断层摄影规划软件的部分，所述计算机断层摄影系统在计算机断层摄影定位器图像的采集之后，计算规划框的位置。
规划模块可以适于将定位器图像和目标器官的列表接收为输入，针对所述目标器官，规划框是期望的。在优选实施例中，目标器官的列表作为参数保存在扫描协议中，所述扫描协议由计算机断层摄影技术人员使用。以该方式，计算机断层摄影技术人员具有将计算机断层摄影检查的每个扫描关联到一个或多个目标器官的可能，以及保存该信息以便后续使用的可能。
尽管在上面参考图1描述的实施例中，扫描区域确定装置12和训练装置19是计算机断层摄影扫描器10的数据处理装置11的部件，但是在其他实施例中，扫描区域确定装置和/或训练装置还能够单独使用。例如，扫描区域确定装置和/或训练装置每个均能够是独立系统或它们能够被组合在单个系统中，其中，扫描区域确定装置的概览图像提供单元和训练装置的训练图像提供单元从另一设备，例如从计算机断层摄影系统接收对应的图像。
尽管在上面所描述的实施例中，概览图像是二维投影图像，概览图像也能够是另一种类的图像。例如，概览图像能够是三维图像，例如三维低剂量图像。此外，概览图像能够是从三维图像计算的三维重定格式，其能够是从三维图像等计算的数字重建的射线图。概览图像还能够包括若干子概览图像，例如所述概览图像能够包括已在不同的采集方向上采集的至少两幅投影图像。如果概览图像包括至少两幅子概览图像，则模板图像提供单元能够适于提供至少两幅对应的子模板图像和至少两个子模板扫描区域，其中，元素位置指示符确定单元能够确定针对子概览图像中的每幅的元素位置指示符，并且其中，空间变换确定单元能够针对每幅子概览图像和和对应的子模板图像，确定空间变换。扫描区域确定单元能够通过使用所确定的相应空间变换将相应模板扫描区域投影到相应子概览图像上，来最终确定在至少两幅子概览图像中的最终扫描区域。
尽管在上面描述的实施例中，模板图像是包括平均图像和/或标准差图像的统计图谱，但是统计图谱还能够包括其他图像，例如中值图像或众数图像。能够通过针对每个体素获取出现最频繁的图像强度来从图像的系列确定众数图像。
尽管在上述实施例中Viola-Jones算法已用于确定中间扫描区域，即，例如初始计划框，但是在另一实施例中，其他物体探测算法能够用于探测概览图像中的物体，其中，然后中间扫描区域能够被定义，使得其包括所探测的物体。备选方法包括类似投票的方法，如广义Hough变换(例如参见D.H.Ballard的“Generalizing the Hough Transform toDetect Arbitrary Shapes”，Pattern Recognition，123(2)、第111至122页(1981))或滑动窗等技术的其他变型(例如参见P.F.Felzenszwalb、R.B.Girshick D.McAllester和D.Ramanan的“Object Detection with Discriminatively Trained Part BasedModels”，IEEE Transactions on Pattern Analysis and Machine Intelligence，32(9)、第1627-1645页(2010))。
尽管在上述实施例中，扫描系统是X射线计算机断层摄影系统，但是在其他实施例中，扫描系统也能够是另一系统，所述另一系统可以使用概览图像来确定扫描区域，所述另一系统例如是X射线C型臂系统、核成像系统(例如正电子发射断层摄影系统或单光子发射计算机断层摄影系统)、磁共振成像系统、组合若干成像模态的组合系统，所述组合系统例如是组合X射线计算机断层摄影与正电子发射断层摄影或者与单光子发射计算机断层摄影的系统。
本领域技术人员通过研究附图、公开内容以及权利要求书，在实践请求保护的本发明时能够理解并且实现对所公开的实施例的其他变型。
在权利要求书中，词语“包括”不排除其他元件或步骤，并且词语“一”或“一个”不排除多个。
单个单元或设备可以履行权利要求书中所记载的若干个项目的功能。尽管在互不相同的从属权利要求中记载特定措施，但是这并不指示不能有利地使用这些措施的组合。
例如由一个若干个单元或设备执行的对中间扫描区域的确定、对空间变换的确定、对最终扫描区域的确定、对图像的重建等的流程能够由任何其他数量的单元或设备执行。例如，步骤101到105能够由单个单元或者由任何其他数量的不同单元执行。根据扫描区域确定方法的扫描区域确定装置的这些流程和/或控制和/或根据训练方法的训练装置的控制和/或根据扫描方法的扫描系统的控制能够被实施为计算机程序的程序代码模块和/或专用硬件。
计算机程序可以存储/分布在适合的介质上，例如与其他硬件一起被提供或作为其他硬件的部分被提供的光学存储介质或固态介质，但是计算机程序也可以以其他形式分布，例如经由因特网或其他的有线或无线的电信系统分布。
权利要求书中的任何附图标记都不应被解释为对范围的限制。
本发明涉及一种扫描区域确定装置，用于确定要由扫描系统扫描的对象的扫描区域，所述扫描系统例如是计算机断层摄影系统。定义概览图像和模板图像关于彼此的配准的空间变换被确定，其中，所述概览图像和所述模板图像初始通过使用元素位置指示符而被配准，所述元素位置指示符指示所述对象的元素关于所述概览图像的位置。模板扫描区域关于所述模板图像被定义，其中，通过使用所确定的空间变换将所述模板扫描区域投影到所述概览图像上，从而确定最终扫描区域。配准并且因此空间变换的确定是非常稳定的，这改进了确定最终扫描区域的质量。

Claims (15)

1.一种用于确定要由扫描系统(10)扫描的对象的扫描区域(30)的扫描区域确定装置(12)，所述扫描区域确定装置(12)包括：
-概览图像提供单元(13)，其被配置为提供对象的概览图像(31)，
-元素位置指示符确定单元(14)，其被配置为确定中间扫描区域(32)，所述中间扫描区域指示要被扫描的所述对象的元素的位置，其中，所述元素位置指示符确定单元(14)适于关于并且基于所述概览图像(31)确定所述中间扫描区域(32)，其中，所述中间扫描区域(32)是中间扫描区域规划框，
-模板图像提供单元(15)，其被配置为提供模板对象的模板图像(33)，所述模板对象对应于要被扫描的所述对象，并且所述模板图像提供单元用于提供包括模板元素的模板扫描区域(34)，所述模板元素对应于要被扫描的所述对象的所述元素，其中，所述模板图像提供单元(15)适于提供模板扫描区域(34)，所述模板扫描区域关于所述模板图像(33)被定义，其中，所述模板扫描区域(34)是模板扫描区域规划框，
-空间变换确定单元(16)，其被配置为确定空间变换，所述空间变换定义所述概览图像(31)和所述模板图像(33)关于彼此的配准，其中，所述概览图像(31)和所述模板图像(33)初始通过使用所确定的中间扫描区域(32)而被配准，所确定的中间扫描区域指示要被扫描的所述对象的所述元素关于所述概览图像的所述位置，
-扫描区域确定单元(17)，其被配置为通过使用所确定的空间变换将所述模板扫描区域(34)投影到所述概览图像(31)上，从而确定最终扫描区域(30)，其中，所述最终扫描区域(30)是最终扫描区域规划框。
2.如权利要求1所述的扫描区域确定装置，其中，所述元素位置指示符确定单元(14)适于将所述概览图像(31)中的所述元素的至少中心确定为所述中间扫描区域(32)的中心。
3.如权利要求2所述的扫描区域确定装置，其中，所述空间变换确定单元(16)适于通过将所述概览图像中的所述元素的所确定的中心定为所述模板图像的中心来将所述概览图像和所述模板图像关于彼此初始配准。
4.如权利要求1所述的扫描区域确定装置，其中，所述元素位置指示符确定单元(14)适于使用Viola-Jones算法来确定所述中间扫描区域。
5.如权利要求1所述的扫描区域确定装置，其中，所述元素位置指示符确定单元(14)适于：
-使用元素位置指示符确定算法来确定元素位置指示符，
-提供元素位置指示符确定规则，其用于在所述元素位置指示符确定算法揭示若干可能的元素位置指示符的情况下，选择最可能的元素位置指示符，并且
-将所述元素位置指示符确定规则应用到所确定的若干可能的元素位置指示符，以确定要由所述空间变换单元使用的所述中间扫描区域。
6.如权利要求1所述的扫描区域确定装置，其中，所述空间变换确定单元(16)适于将基于强度的配准算法应用到所述概览图像(31)和所述模板图像(33)以确定所述空间变换，其中，基于图像强度的配准算法基于所确定的中间扫描区域(32)而被初始化，所确定的中间扫描区域指示要被扫描的所述对象的所述元素关于所述概览图像的所述位置。
7.如权利要求1所述的扫描区域确定装置，其中，所述模板图像提供单元(15)适于提供在所述模板图像(33)中的模板指示符元素的位置，其中，所述模板扫描区域(34)关于所述模板指示符元素的所述位置而被定义，并且其中，所述扫描区域确定单元(17)适于通过使用所确定的空间变换对所述模板指示符元素的所述位置进行变换，并且通过基于所述模板指示符元素的经变换的位置来确定在所述概览图像(31)上的所述模板扫描区域(34)，来将所述模板扫描区域(34)投影到所述概览图像(31)上。
8.一种用于训练如权利要求1所述的扫描区域确定装置(12)的训练装置(19)，所述训练装置(19)包括：
-训练图像提供单元(20)，其用于提供包括元素的对象的训练图像，并且用于提供包括在所述训练图像中的所述对象的所述元素的训练扫描区域，
-训练单元(21)，其用于基于所提供的训练图像和训练扫描区域来训练所述元素位置指示符确定单元(14)。
9.一种用于扫描对象的扫描区域的扫描系统(10)，其中，所述扫描系统(10)包括：
-扫描区域确定装置(12)，其被配置为确定如权利要求1所述的最终扫描区域(30)，以及
-扫描装置(7)，其用于扫描由所确定的最终扫描区域(30)定义的所述对象的部分。
10.一种用于确定要由扫描系统(10)扫描的对象的扫描区域(30)的扫描区域确定方法，所述扫描区域确定方法包括：
-由概览图像提供单元(13)提供对象的概览图像(31)，
-由元素位置指示符确定单元(14)确定中间扫描区域(32)，所述中间扫描区域指示要被扫描的所述对象的元素的位置，其中，所述元素位置指示符确定单元(14)关于并且基于所述概览图像(31)来确定所述中间扫描区域(32)，
-由模板图像提供单元(15)提供模板对象的模板图像(33)，所述模板对象对应于要被扫描的所述对象，并且由所述模板图像提供单元提供包括模板元素的模板扫描区域(34)，所述模板元素对应于要被扫描的所述对象的所述元素，其中，所述模板图像提供单元(15)提供模板扫描区域(34)，所述模板扫描区域关于所述模板图像(33)被定义，
-由空间变换确定单元(16)确定空间变换，所述空间变换定义所述概览图像(31)和所述模板图像(33)关于彼此的配准，其中，所述概览图像(31)与所述模板图像(33)初始通过使用所确定的中间扫描区域(32)而被配准，所确定的中间扫描区域指示要被扫描的所述对象的所述元素关于所述概览图像的所述位置，
-由扫描区域确定单元(17)通过使用所确定的空间变换将所述模板扫描区域(34)投影到所述概览图像(31)上来确定最终扫描区域(30)。
11.一种用于训练如权利要求1所述的扫描区域确定装置(12)的训练方法，所述训练方法包括：
-由训练图像提供单元(20)来提供包括元素的对象的训练图像，并且提供包括在所述训练图像中的所述对象的所述元素的训练扫描区域，
-由训练单元(21)基于所提供的训练图像和训练扫描区域来训练所述元素位置指示符确定单元(14)。
12.一种用于扫描对象的扫描区域的扫描方法，其中，所述扫描方法包括：
-由如权利要求1所述的扫描区域确定装置(12)来确定如权利要求10所述的最终扫描区域(30)，并且
-由扫描装置(7)来扫描由所确定的最终扫描区域(30)定义的所述对象的部分。
13.一种存储了用于确定要由扫描系统(10)扫描的对象的扫描区域(30)的计算机程序的存储介质，所述计算机程序包括程序代码模块，所述程序代码模块用于当所述计算机程序在控制如权利要求1所述的扫描区域确定装置(12)的计算机上运行时，令所述扫描区域确定装置(12)执行如权利要求10所述的扫描区域确定方法的步骤。
14.一种存储了用于训练如权利要求1所述的扫描区域确定装置(12)的计算机程序的存储介质，所述计算机程序包括程序代码模块，所述程序代码模块用于当所述计算机程序在控制如权利要求8所述的训练装置(19)的计算机上运行时，令所述训练装置(19)执行如权利要求11所述的训练方法的步骤。
15.一种存储了用于扫描对象的扫描区域的计算机程序的存储介质，所述计算机程序包括程序代码模块，所述程序代码模块用于当所述计算机程序在控制如权利要求9所述的扫描系统(10)的计算机上运行时，令所述扫描系统(10)执行如权利要求12所述的扫描方法的步骤。
CN201480011761.5A 2013-03-06 2014-02-26 扫描区域确定装置 Active CN105027163B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201361773429P 2013-03-06 2013-03-06
US61/773,429 2013-03-06
PCT/IB2014/059248 WO2014136017A1 (en) 2013-03-06 2014-02-26 Scan region determining apparatus

Publications (2)

Publication Number Publication Date
CN105027163A CN105027163A (zh) 2015-11-04
CN105027163B true CN105027163B (zh) 2018-09-07

Family

ID=50382503

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201480011761.5A Active CN105027163B (zh) 2013-03-06 2014-02-26 扫描区域确定装置

Country Status (6)

Country Link
US (2) US9684961B2 (zh)
EP (1) EP2965285B1 (zh)
JP (1) JP6240226B2 (zh)
CN (1) CN105027163B (zh)
ES (1) ES2962576T3 (zh)
WO (1) WO2014136017A1 (zh)

Families Citing this family (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6240226B2 (ja) * 2013-03-06 2017-11-29 コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． スキャン範囲決定装置
EP3071108A1 (en) * 2013-11-18 2016-09-28 Koninklijke Philips N.V. One or more two dimensional (2d) planning projection images based on three dimensional (3d) pre-scan image data
CN104997528B (zh) * 2014-04-21 2018-03-27 东芝医疗系统株式会社 X 射线计算机断层拍摄装置以及拍摄条件设定辅助装置
USD783032S1 (en) * 2014-06-19 2017-04-04 CR Management Services, Inc. Display screen with graphical user interface
US10905400B2 (en) * 2015-02-23 2021-02-02 Canon Medical Systems Corporation Apparatus and method for optimization of ultrasound images
WO2017178363A1 (en) * 2016-04-15 2017-10-19 Agfa Healthcare Method for generating a radiation image of a region of interest of an object
JP7051307B2 (ja) * 2016-05-09 2022-04-11 キヤノンメディカルシステムズ株式会社 医用画像診断装置
WO2018094553A1 (zh) * 2016-11-22 2018-05-31 上海联影医疗科技有限公司 显示方法和装置
CN107392843B (zh) * 2017-07-21 2021-05-07 上海联影医疗科技股份有限公司 一种图像处理的方法、装置及系统
CN107833248B (zh) * 2017-12-18 2021-09-07 上海联影医疗科技股份有限公司 医学图像扫描方法及医学影像设备
EP3729377A4 (en) 2017-12-18 2020-12-23 Shanghai United Imaging Healthcare Co., Ltd. SYSTEMS AND METHODS FOR DETERMINING THE SCANNING PARAMETER IN IMAGING
US10832423B1 (en) * 2018-01-08 2020-11-10 Brainlab Ag Optimizing an atlas
CN108416747B (zh) * 2018-02-27 2020-07-10 平安科技（深圳）有限公司 元素位置修正方法、装置、计算机设备及存储介质
JP2021526886A (ja) * 2018-06-08 2021-10-11 コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． インタラクティブツールを用いてスキャンプロトコルを作成し、及び／又はプロトコルに対する遵守を評価する装置
CN109363695B (zh) * 2018-09-30 2023-12-08 上海联影医疗科技股份有限公司 一种成像方法和系统
CN109727234B (zh) * 2018-12-24 2021-02-19 上海联影医疗科技股份有限公司 显示面板生成方法、扫描范围规划方法及设备
EP3669942B1 (en) * 2018-12-17 2022-01-05 Shanghai United Imaging Healthcare Co., Ltd. Systems and methods for determining a region of interest of a subject
CN111743555B (zh) * 2019-03-29 2023-11-14 上海西门子医疗器械有限公司 用于实时调整指示符位置的方法、存储介质和医疗设备
EP3969923A1 (en) * 2019-05-17 2022-03-23 Koninklijke Philips N.V. Automated field of view alignment for magnetic resonance imaging
CN111104846B (zh) * 2019-10-16 2022-08-30 平安科技（深圳）有限公司 数据检测方法、装置、计算机设备和存储介质
CN110889819B (zh) * 2019-11-29 2023-04-28 上海联影医疗科技股份有限公司 医学图像扫描方法、装置、设备和存储介质
KR20210074915A (ko) * 2019-12-12 2021-06-22 현대자동차주식회사 안면 인식 잠금 해제 장치 및 그것의 동작방법
CN112862869B (zh) * 2020-12-31 2024-05-28 上海联影智能医疗科技有限公司 图像扫描处理方法、成像扫描设备、电子设备及可读介质
EP4052651A1 (en) 2021-03-04 2022-09-07 Koninklijke Philips N.V. Image-based planning of tomographic scan
EP4311494A1 (en) * 2022-07-28 2024-01-31 Koninklijke Philips N.V. A ct scanner and a scanning method for performing a brain scan

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101036163A (zh) * 2004-11-26 2007-09-12 布拉科成像S.P.A.公司 一种把知识结构映射到器官的方法：利用知识结构映射的自动测量和可视化
CN102525525A (zh) * 2010-12-31 2012-07-04 Ge医疗系统环球技术有限公司 在定位图像上设置定位线的方法和装置及ct设备

Family Cites Families (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6195409B1 (en) 1998-05-22 2001-02-27 Harbor-Ucla Research And Education Institute Automatic scan prescription for tomographic imaging
WO2002091924A1 (en) 2001-05-16 2002-11-21 Koninklijke Philips Electronics N.V. Automatic prescription of tomographic parameters
EP1869634B1 (en) 2005-04-01 2008-09-10 Koninklijke Philips Electronics N.V. A method, a system and a computer program for segmenting a structure in a dataset
WO2008007281A2 (en) * 2006-07-06 2008-01-17 Koninklijke Philips Electronics N.V. A method, an apparatus, a system and a computer program for transferring scan geometry between subsequent scans
US8082019B2 (en) * 2006-09-20 2011-12-20 Siemens Medical Solutions Usa, Inc. System and method for magnetic resonance brain scan planning
US8160322B2 (en) * 2007-08-02 2012-04-17 Siemens Medical Solutions Usa, Inc. Joint detection and localization of multiple anatomical landmarks through learning
US8358822B2 (en) * 2008-05-22 2013-01-22 Siemens Aktiengesellschaft Automatic determination of field of view in cardiac MRI
GB0912845D0 (en) * 2009-07-24 2009-08-26 Siemens Medical Solutions Initialisation of registration using an anatomical atlas
US9020235B2 (en) * 2010-05-21 2015-04-28 Siemens Medical Solutions Usa, Inc. Systems and methods for viewing and analyzing anatomical structures
US20120108960A1 (en) * 2010-11-03 2012-05-03 Halmann Menachem Nahi Method and system for organizing stored ultrasound data
BR122017007260A8 (pt) 2010-12-08 2017-12-05 Bayer Healthcare Llc Método implementado por computador para determinar uma estimativa da dose de radiação absorvida por um indivíduo ao receber uma varredura de imagem, sistema e meio de armazenamento não-transitório legível por computador
GB2495150B (en) * 2011-09-30 2015-07-01 Mirada Medical Method and system of defining a region of interest on medical scan images
JP2013138808A (ja) * 2012-01-06 2013-07-18 Ge Medical Systems Global Technology Co Llc 断層撮影装置およびプログラム
EP2629243A1 (de) * 2012-02-15 2013-08-21 Delphi Technologies, Inc. Verfahren zum Erkennen und Verfolgen von Fahrspurmarkierungen
JP6427488B2 (ja) * 2012-07-05 2018-11-21 コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． 磁気共鳴システム及び磁気共鳴方法
JP6240226B2 (ja) * 2013-03-06 2017-11-29 コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． スキャン範囲決定装置
US9420326B1 (en) * 2015-04-30 2016-08-16 Rovi Guides, Inc. Systems and methods for controlling user equipment

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101036163A (zh) * 2004-11-26 2007-09-12 布拉科成像S.P.A.公司 一种把知识结构映射到器官的方法：利用知识结构映射的自动测量和可视化
CN102525525A (zh) * 2010-12-31 2012-07-04 Ge医疗系统环球技术有限公司 在定位图像上设置定位线的方法和装置及ct设备

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Automatic Scan Prescription for Brain MRI;Laurent Itti et al.;《Magnetic Resonance in Medicine》;20011231;第486页右栏第2段-489页左栏第1段，图1 *

Also Published As

Publication number Publication date
US9684961B2 (en) 2017-06-20
JP2016513486A (ja) 2016-05-16
US20160012586A1 (en) 2016-01-14
CN105027163A (zh) 2015-11-04
EP2965285A1 (en) 2016-01-13
US9858667B2 (en) 2018-01-02
JP6240226B2 (ja) 2017-11-29
US20150139520A1 (en) 2015-05-21
ES2962576T3 (es) 2024-03-19
WO2014136017A1 (en) 2014-09-12
EP2965285B1 (en) 2023-09-13

Similar Documents

Publication Publication Date Title
CN105027163B (zh) 扫描区域确定装置
US10521927B2 (en) Internal body marker prediction from surface data in medical imaging
US11576645B2 (en) Systems and methods for scanning a patient in an imaging system
US20200268251A1 (en) System and method for patient positioning
EP3804624B1 (en) Synthetic parameterized computed tomography from surface data in medical imaging
CN111557665A (zh) 用于医学成像中的患者定位的根据相机数据的密集身体标记估计
AU2016389386B2 (en) Medical imaging system with a fixed array of X-ray detectors and a fixed array of X-ray emitters for producing a digital 3-dimensional image
CN103229210A (zh) 图像配准装置
US20220313176A1 (en) Artificial Intelligence Training with Multiple Pulsed X-ray Source-in-motion Tomosynthesis Imaging System
CN102132322B (zh) 用于确定对象的尺寸改变的设备
US11715212B2 (en) Heatmap and atlas
CN107249465B (zh) 用于稀疏角度采样的断层摄影成像装置和方法
US9355454B2 (en) Automatic estimation of anatomical extents
CN117064416A (zh) 一种对象定位系统和方法
EP4052651A1 (en) Image-based planning of tomographic scan

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