CN111727456B - 用于图像分割的医学图像数据处理系统、方法和计算机程序产品 - Google Patents

用于图像分割的医学图像数据处理系统、方法和计算机程序产品 Download PDF

Info

Publication number
CN111727456B
CN111727456B CN201980013913.8A CN201980013913A CN111727456B CN 111727456 B CN111727456 B CN 111727456B CN 201980013913 A CN201980013913 A CN 201980013913A CN 111727456 B CN111727456 B CN 111727456B
Authority
CN
China
Prior art keywords
image data
medical image
surface mesh
segmentation
processing system
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
CN201980013913.8A
Other languages
English (en)
Other versions
CN111727456A (zh
Inventor
E·T·奥勒沙努
C·比格尔
S·雷尼施
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 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 NV filed Critical Koninklijke Philips NV
Publication of CN111727456A publication Critical patent/CN111727456A/zh
Application granted granted Critical
Publication of CN111727456B publication Critical patent/CN111727456B/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
    • G06T7/0002—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
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T15/00—3D [Three Dimensional] image rendering
    • G06T15/08—Volume rendering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
    • 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
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10081—Computed x-ray tomography [CT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10088—Magnetic resonance imaging [MRI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computer Graphics (AREA)
  • Radiology & Medical Imaging (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Quality & Reliability (AREA)
  • Software Systems (AREA)
  • Geometry (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及用于图像分割的医学图像数据处理系统(101)。所述医学图像数据处理系统(101)包括用于控制所述医学图像数据处理系统(101)的处理器(130)，其中，由所述处理器(130)对所述机器可执行指令的运行使所述处理器(130)控制所述图像数据处理系统(101)以：接收医学图像数据(140)，生成对由所述医学图像数据(140)所包括的感兴趣解剖结构的分割，将所述分割转换为所述感兴趣解剖结构的表面网格表示，使用谱匹配来将所述表面网格表示与所述解剖参考结构的所述参考表面网格表示进行比较，其中，这两种网格的一个或多个谱嵌入被匹配，提供所述表面网格表示与所述参考表面网格表示的拓扑不匹配的区域。

Description

用于图像分割的医学图像数据处理系统、方法和计算机程序 产品
技术领域
本发明涉及医学图像数据的处理，特别涉及医学图像数据的分割方法和装置。
背景技术
图像分割是指将数字图像划分为多个区块(例如，像素或体素的集合)以识别一个或更多个更有意义且更易于分析的区块的过程。图像分割通常用于在图像中定位对象和边界，例如直线、曲线等。例如，分割医学图像，例如磁共振图像，以便识别要分析的感兴趣解剖结构。
准确自动分割感兴趣结构(例如器官)是图像分析中的重要任务。特别地，在医学成像中，准确且可靠的分割可能非常重要，因为分割可以用于定义手术或放射处置的目标区域。存在多种用于自动分割感兴趣结构的方法：分割既可以基于体素来执行，即逐个体素，这种方法具有泄漏到相邻的解剖结构中的倾向；也可以基于模型来执行，其在存在异常解剖结构(例如，切除)的情况下具有失败的风险。
发明内容
在独立权利要求中，本发明提供了一种用于图像分割的医学图像数据处理系统，一种操作医学图像数据处理系统的方法，以及一种计算机程序产品。在从属权利要求中给出了实施例。
如本领域技术人员将认识到的，本发明的若干方面可以实现为装置、方法或计算机程序产品。因此，本发明的各方面可采取完全硬件实施例，完全软件实施例(包括固件，驻留软件，微代码等)，或者组合了软件和硬件方面的实施例的形式，其可以在本文统称为“电路”、“模块”或“系统”。此外，本发明的各个方面可以采取实现在一个或多个计算机可读介质中的计算机程序产品的形式，所述一个或多个计算机可读介质具有实现在其上的计算机可执行代码。
可以使用一个或多个计算机可读介质的任何组合。所述计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。如在本文中使用的“计算机可读存储介质”包括任何有形存储介质，其可以存储能够由计算设备的处理器执行的指令。可以将所述计算机可读存储介质称为“计算机可读非瞬态存储介质”。所述计算机可读存储介质也可以被称为有形计算机可读介质。在一些实施例中，计算机可读存储介质还可以能够存储数据，所述数据能够被所述计算设备的处理器访问。计算机可读存储介质的范例包括但不限于：软盘、磁硬盘驱动器、固态硬盘、闪存、USB拇指驱动器、随机存取存储器(RAM)、只读存储器(ROM)、光盘、磁光盘和处理器的寄存器文件。光盘的范例包括压缩光盘(CD)和数字多用光盘(DVD)，例如CD-ROM、CD-RW、CD-R、DVD-ROM、DVD-RW或DVD-R盘。术语计算机可读存储介质还指代能够由所述计算机设备经由网络或通信链路访问的各种类型的记录介质。例如，可以经由调制解调器、经由互联网或经由局域网络来取回数据。体现在计算机可读介质上的计算机可执行代码可使用任何合适的介质来传输，包括但不限于无线、有线、光缆、RF等，或上述各项的任何适当的组合。
计算机可读信号介质可以包括具有实现在其中的例如在基带内或者作为载波的一部分的计算机可执行代码的传播的数据信号。这样的传播信号可以采取多种形式中的任一种，包括但不限于，电磁的、光学的、或者它们的任意合适的组合。计算机可读信号介质可以是任何计算机可读介质，其不是计算机可读存储介质并且其能够传递、传播或传输程序用于由指令运行系统、装置或设备使用或者与其结合使用。
“计算机存储器”或“存储器”是计算机可读存储介质的范例。计算机存储器是处理器能够直接访问的任何存储器。“计算机存储设备”或“存储设备”是计算机可读存储介质的另一范例。计算机存储设备是任何非易失性计算机可读存储介质。在一些实施例中，计算机存储设备也可以是计算机存储器，或反之亦然。
用在本文中的“处理器”涵盖能够执行程序或机器可执行指令或计算机可执行代码的电子部件。对包括“处理器”的计算设备的引用应当被解读为能够包括超过一个处理器或处理内核。所述处理器例如可以是多核处理器。处理器还可以是指单个计算机系统之内的或者被分布在多个计算机系统之间的处理器的集合。术语计算设备也应被解释为可能指计算设备的集合或网络，每个计算设备均包括一处理器或多个处理器。所述计算机可执行代码可以由多个处理器运行，所述处理器可以处在相同的计算设备内或者其甚至可以跨多个计算设备分布。
计算机可执行代码可以包括令处理器执行本发明的各方面的机器可执行指令或程序。用于执行针对本发明的各方面的操作的计算机可执行代码可以以一种或多种编程语言(包括诸如Java、Smalltalk、C++等的面向对象的编程语言以及诸如"C"编程语言或类似编程语言的常规过程编程语言)的任何组合来编写并且被编译为机器可执行指令。在一些情况下，所述计算机可执行代码可以以高级语言的形式或者以预编译形式并且结合在飞行中生成机器可执行指令的解释器来使用。
所述计算机可执行代码可以作为单机软件包全部地在所述用户的计算机上、部分地在用户的计算机上、部分地在用户的计算机上并且部分地在远程计算机上、或者全部地在所述远程计算机或服务器上运行。在后者的场景中，所述远程计算机可以通过任何类型的网络(包括局域网(LAN)或广域网(WAN))或者可以对外部计算机做出的连接(例如，使用因特网服务提供商通过因特网)而被连接到用户的计算机。
本发明的各方面参考根据本发明的实施例的方法、装置(系统)和计算机程序产品的流程图图示和/或框图得以描述。应该理解，流程图、图示和/或框图的每个框或框的一部分能够在适用时通过以计算机可执行代码的形式的计算机程序指令来实施。还应当理解的是，当不相互排斥时，在不同的流程图、图示和/或框图中块的组合可以被组合。这些计算机程序指令可以被提供到通用计算机、专用计算机的处理器或者其他可编程数据处理装置以生产机器，使得经由计算机的处理器或其他可编程数据处理装置运行的指令创建用于实施流程图和/或框图的一个或多个框中指定的功能/动作的单元。
这些计算机程序指令还可以被存储在计算机可读介质中，其能够引导计算机、其他可编程数据处理装置或其他设备以特定的方式工作，使得被存储在所述计算机可读介质中的所述指令产生包括实施在流程图和/或一个或多个框图框中所指定的功能/动作的指令的制品。
所述计算机程序指令还可以被加载到计算机、其他可编程数据处理装置或其他设备上以令一系列操作步骤在计算机、其他可编程装置或其他设备上执行以产生计算机实施的过程，使得在计算机或其他可编程装置上运行的指令提供用于实施在流程图和/或一个或多个框图框中所指定的功能/动作的过程。
如在本文中所使用的“用户接口”是允许用户或操作者与计算机或计算机系统进行交互的接口。“用户接口”还可以被称为“人机接口设备”。用户接口可以向操作者提供信息或数据和/或接收来自操作者的信息或数据。用户接口可使来自操作者的输入能够被计算机接收，并且可以将输出从计算机提供给用户。换言之，用户接口可以允许操作者控制或操纵计算机，并且该接口可以允许计算机指示操作者的控制或操纵的效果。数据或信息在显示器或图形用户接口上的显示是向操作者提供信息的范例。通过键盘、鼠标、跟踪球、触摸板、指点杆、图形输入板、操纵杆、游戏板、网络摄像头、头盔、踏板、有线手套、遥控器以及加速度计接收数据都是实现从操作者接收信息或数据的用户接口部件的范例。
如在本文中所使用的“硬件接口”涵盖使得计算机系统的处理器能够与外部计算设备和/或装置进行交互或者对其进行控制的接口。硬件接口可允许处理器将控制信号或指令发送给外部计算设备和/或装置。硬件接口也可以使处理器与外部计算设备和/或装置交换数据。硬件接口的范例包括但不限于：通用串行总线、IEEE 1394端口、并行端口、IEEE1284端口、串行端口、RS-232端口、IEEE-488端口、蓝牙连接、无线局域网连接、TCP/IP连接、以太网连接、控制电压接口、MIDI接口、模拟输入接口和数字输入接口。
本文中使用的“显示器”或“显示设备”涵盖适于显示图像或数据的输出设备或用户接口。显示器可以输出视觉、音频和触觉数据。显示器的范例包括但不限于：计算机监视器、电视屏幕、触摸屏、触觉电子显示屏、盲文屏幕、阴极射线管(CRT)、存储管、双稳态显示器、电子纸、向量显示器、平板显示器、真空荧光显示器(VF)、发光二极管(LED)显示器、电致发光显示器(ELD)、等离子显示面板(PDP)、液晶显示器(LCD)、有机发光二极管显示器(OLED)、投影机和头戴式显示器。
磁共振成像(MRI)数据，也称为磁共振(MR)数据或磁共振图像数据，在本文中定义为在磁共振成像扫描期间使用磁共振装置的天线记录的由核自旋发射的射频信号的测量结果。磁共振图像数据是医学图像数据的范例。磁共振成像(MRI)图像或MR图像在本文中被定义为由磁共振成像数据包括的解剖数据的重建的二维或三维可视化，即，MRI图像由包括代表性选择MRI数据的MRI数据集提供。这种可视化可使用计算机来执行。可以使用在k空间或图像空间中的相应数据的表示来提供磁共振成像数据。使用傅里叶变换，可以将磁共振成像数据从k空间变换到图像空间，反之亦然。在下文中，磁共振图像数据可以包括表示二维或三维解剖结构即MRI图像的图像空间中的MRI数据的选择。
“解剖结构”是对象(例如人或动物)的解剖结构的任何结构。结构可以包含特定器官，例如肝脏或大脑，或者是肝脏的一部分，也可以包含某个解剖区域，例如脊柱区域、膝盖、肩膀等。
“分割”是指将数字图像数据分割成多个区块，例如像素或体素的集合，以便识别一个或多个区块，所述一个或多个区块表示可以被进一步分析的感兴趣结构。分割可以用于识别和定位结构，特别是它们在图像数据中的边界。例如，可以识别线、曲线、平面、表面等。可以将标签分配给图像中的每个像素或体素，以使具有相同标签的像素/体素共享某些特征，并且可以突出显示以指示感兴趣结构的轮廓、面积或体积。当应用于三维图像数据(例如二维图像的堆栈)时，借助插值(例如行进立方体)算法，可以将图像分割后得到的轮廓用于创建感兴趣结构(例如解剖结构)的形状的三维重建。三维轮廓可以例如由表面网格提供。网格可以包括多个平坦的二维多边形，例如三角形。
图像分割可以例如使用标准技术来执行，例如使用图像处理的逐个体素分割，所述图像处理用于查看体素的强度值的突然变化以确定图像分割。
“谱匹配”是指基于谱图理论的配准/匹配不同形状以研究它们之间的拓扑形状差异的方法。谱图理论通过匹配谱域中的形状或图像，为表面和图像配准提供了一种快速方法，其中，两个近似等距的形状(在点之间具有相似的测地距离)具有相似的谱表示。谱图理论例如在以下文章中描述：“Herve Lombaert等人在IEEETransactions on PatternAnalysis and Machine Intelligence,(99):1–18(2012年)中的“FOCUSR:FeatureOriented Correspondence using Spectral Regularization–A Method for AccurateSurface Matching”，或者Yonggang Shi等人在IEEE Transactions on Medical Imaging,33(7):1447–1463(2014年)中的“Metric optimization for surface analysis in theLaplace-Beltrami embedding space”。谱图理论使用与表面/图像的预定义图相对应的图拉普拉斯矩阵的分解后获得的特征值和特征向量，即图的节点可以是图像中的体素或表面网格中的顶点。这些特征值可以被解读为物理形状的自然振荡频率。每个与一个特征值相关联的特征向量表示形状的常规模或特征模。表面然后可以通过匹配其谱坐标或特征模来在谱域中对其进行匹配。
图形是用于对对象之间的关系进行建模的数学结构，这些对象由通过边连接的顶点或节点组成，并且可以由矩阵表示。谱图理论考虑了图的属性及其相关矩阵的属性。图论旨在利用相应图的谱分解，从其谱中计算图的主要性质和结构。分解后获得的本征值(称为谱)将一个极值图的性质与另一个性质联系在一起，并且与图的大多数主要不变量密切相关。因此，特征值为理解图提供了至关重要的见解。
连通图G＝{V，E}可以由节点V＝(x1，…，xN)与各个节点之间的边缘/连接E来定义。邻接矩阵W是加权图的NxN矩阵表示，其中，N是图中的节点数。加权图描述了节点Sim(xi，xj)的局部相似性。对于每对节点xi和xj，i≠j，可以基于由两个节点Sim(xi，xj)的相似性度量定义的节点密切性来估计邻接矩阵W的条目wij：如果节点i和j连接，则wij＝1/Sim(xi，xj)，并且否则为0。度矩阵D是对角矩阵，其项Dii是与体素xi相关联的图的边的权重之和：Dii＝∑jWij。G是对角节点权重矩阵，在大多数情况下，可以将其设置为G＝D。可以构造与连接图G＝{V，E}相关联的图拉普拉斯矩阵L。例如，广义或随机行走图拉普拉斯算子为L＝G-1(DW)。更一般和常见的形式是由L＝D-1/2(DW)D-1/2给出的对称归一化拉普拉斯算子。关于图拉普拉斯算子及其属性的更多详细信息，例如，在下文中提供：Fan RK Chung的“Spectral GraphTheory”,AMS&CBMS,1997。
广义图拉普拉斯算子是对称的正定矩阵。因此，可以在特征分解后分析其特性，从而得到图谱L＝UΛU-1。其通过本征值Λ＝(λ0，λ1，...，λN)并且通过它们相关联的谱分量U＝(U0，U1，...，Uk)来识别。特征向量(也称为谱分量)表示振动的频率，并且提供有关总体图形属性的信息。谱分量(U0，U1，…，Uk)表示振动的基本模式，并描述了图形的几何特征从粗到细的逐渐增加的复杂性。因此，对应于较高特征值、较高模态的特征向量以较小的规模提供了更多的信息。每个特征向量Ui是具有N个值的列矩阵，其中，N是节点的数量。每个特征向量在图上表示一个不同的加权谐波，这对应于图像几何结构的固有属性。因此，特征值提供了图形的全局形状属性。
谱分解的示例包括定义加权邻接矩阵，通过逐列将所有值相加来计算对角度矩阵，计算图拉普拉斯算子并分解图拉普拉斯算子以获得其特征向量和特征值。
在医学成像中，图像或形状可以看作是网格的图像或顶点的每个体素处的量度的离散集合。可以构造连接图G＝{V，E}，其与图像或形状相关联，并且包括图V＝(x1，...，xN)的节点，所述节点表示图像中的体素或表面网格中的顶点。节点E之间的边/连接表示由局部相似性表示的体素或顶点之间的关系。
节点Sim(xi，xj)的相似性或密切性通常取决于谱嵌入(spectral embedding)的应用和目的，并且可以例如由连接的节点之间的欧几里得距离给出，例如在节点是三角形网格的顶点处的形状。在具有代表图像体素的节点的图像的情况下，相似性可以例如基于欧几里得距离和图像强度的差异。因此，可以在医学成像领域中使用谱分量来描述形状变化或来自图像的不同的表面和结构。
在一个方面中，本发明涉及一种用于图像分割的医学图像数据处理系统。医学图像数据处理系统包括：存储器，其存储机器可执行指令和解剖参考结构的参考表面网格表示；以及处理器，其用于控制医学图像数据处理系统。处理器对机器可执行指令的执行使处理器控制医学图像数据处理系统以接收医学图像数据。生成对医学图像数据所包含的感兴趣解剖结构的分割。分割被转换为感兴趣解剖结构的表面网格表示。将所得的表面网格表示与解剖参考结构的参考表面网格表示进行比较(所述参考表面网格表示与两个网格的一个或多个谱嵌入相匹配)，即，使用由两个网格的谱匹配得到的网格对应，并且提供了具有参考表面网格表示的表面网格表示的拓扑不匹配区域(即拓扑差异区域)。
分割在识别医学图像数据中的感兴趣结构(例如解剖结构)中起关键作用。实施例可以具有改善和/或确保分割质量的益处。医学图像数据的高质量分割对于例如诊断分析、放射治疗规划和手术规划可能是有益的。谱图理论可以为在谱域中匹配具有不同拓扑的表面网格提供快速解决方案。
有许多器官分割方法可以通过检查体素的局部邻域来在逐个体素(VBS)的基础上工作，例如区域生长、前向传播、水平集等，也有分类方法，例如决策森林或神经网络。然而，这些基于体素的方法由于成像伪影经常易于产生分割错误。
常用的另一种流行的分割技术是基于模型的分割(MBS)。利用该技术，表示器官边界的三角表面网格以受控方式适应医学图像，从而保留了感兴趣解剖结构(如器官)的总体形状。因此，使用先验的解剖学知识对分割进行规则化，这使得该技术对于各种类型的成像伪影是鲁棒的。
但是，利用MBS难以准确地分割具有异常形状的器官，例如，如果由于先前的手术而导致部分结构缺失。在这种情况下，逐个体素分割可能会产生更合适的结构的分割。
实施例可以具有结合两种方法(即VBS和MBS)的优点的有益效果，以及使得能够自动检测给定的感兴趣给定解剖结构是否显示解剖异常。
实施例可以实现诸如器官的感兴趣结构的精确自动分割。准确自动地对感兴趣解剖结构进行自动分割是医学成像中的重要任务，以加快和客观地处理和评估成像结果。此外，可以提高准确度。
实施例因此可以帮助识别潜在的区域，在所述潜在的区域处，所应用的分割算法未按预期执行。实施例还可具有使得能够检测拓扑形状变化的有益效果，例如，如果患者的解剖结构与参考患者群体不同。
将分割从基于体素转换为基于形状的转换，例如可以使用三角化方法(例如行进立方体)来执行。
根据实施例，所接收的医学图像数据是三维医学图像数据，并且所述分割是体积逐体素分割。
根据实施例，识别表面网格表示与参考表面网格表示的拓扑不匹配的区域。因此，可以使用谱匹配来确定表面网格表示的拓扑形状差异，从而确定潜在的感兴趣解剖结构以及解剖参考结构的拓扑形状差异。谱匹配后的网格对应关系能够识别曲面分割网格的面片(即结构部分)，在所述面片处，网格的拓扑与参考结构(即参考模型)的拓扑不匹配。
根据实施例，提供拓扑失配区域包括以下至少之一：识别表面网格表示相对于参考表面网格表示的缺失结构部分，并识别表面网格表示相对于参考表面网格表示的额外的结构部分。
基于体素的分割通常倾向于拾取不属于感兴趣解剖结构的碎片，例如，可能拾取一些额外的组织。例如，在使用逐体素分割方法对膀胱进行分割的情况下，可能发生像分割泄漏到腹腔的分割错误。可以在谱匹配之后检测与感兴趣解剖结构有关的这种异常部分和/或区域，并且随后可以对其进行进一步分析以评估它们是否应该实际上包括在分割中。因此，谱匹配可以提供分割的质量度量。
根据实施例，机器可执行指令的运行还使处理器基于比较来确定分割的质量度量。实施例可以用于使用质量度量来对医学图像数据分割执行鲁棒性检查，以便确定和/或确保所执行的分割的质量。质量度量可以量化表面网格表示与参考表面网格表示之间的差异程度。例如，在质量度量低于或高于预定阈值的情况下，分割被接受为合适的。实施例在用于外部束放射治疗的基于MR的剂量规划方法的情况下特别有用，其中需要适当地识别和处理切口孔和组织切除。
根据实施例，对医学图像数据的接收包括：向包括医学图像数据的数据库发送对相应医学图像数据的请求，其中，响应于所述请求，从所述数据库接收所请求的医学图像数据。所述数据库可以是本地或远程数据库。例如，所述数据库可以通过网络访问，所述数据库可以包括在医学图像数据处理系统的存储器中，或者其可以存储在便携式存储设备上。
根据实施例，医学图像数据包括以下中的至少一项：磁共振图像数据、伪计算机断层摄影图像数据和计算机断层摄影图像数据。
根据实施例，谱匹配可以提供以下项的比较，感兴趣解剖结构(如目标器官的)的体积分割的三角表面网格表示，与感兴趣解剖参考结构的类似网格表示(如，参考器官模型，例如示范性的健康器官)。实施例可以允许检测和定位患者解剖结构的形状异常。
实施例例如应用于肿瘤学领域，例如用于未造影的CT图像、MRI图像或伪CT图像中的渗漏的膀胱、患有肿瘤的肾脏、肝脏和心脏混淆。放射疗法的相关应用可以例如是对接受手术的人类头骨中的孔的识别。
感兴趣解剖结构的准确分割在医学成像中是重要的，例如对于特定生物标志物的提取，如器官的尺寸，而且对于治疗计划，例如放射治疗或手术规划，也是重要的。一方面，重要的是要确保将正确的解剖结构被定义为处置的目标结构或在处置过程中需要避免接受到最小辐射的，风险器官。此外，重要的是例如施加正确的辐射剂量。目标中的辐射剂量会根据射束路径中是否定位有切口孔或骨头而改变。因此，对这些孔的可靠识别可能是重要的。
伪计算机断层扫描(CT)图像(也称为合成或虚拟CT图像)是使用来自一种或多种其他医学成像模态的数据计算出的模拟CT图像。伪CT图像可以例如根据MRI数据来计算。例如，可以使用磁共振成像组织分类器将组织分类应用于每个区域。磁共振成像组织分类器可以使用标准技术。例如，磁共振成像组织分类器可以通过确定特定区域内体素的平均值或均值来工作。这些可以被归一化或缩放，然后与标准进行比较以识别组织类型并分配组织分类。该分类可以由底层的MRI图像的分割来支持，特别是通过根据以上实施例之一的分割来支持。
此外，可以通过根据组织分类将亨氏单位值分配给每个体素来为MRI图像计算亨氏单位图。亨氏映射包括组织分类到亨氏单位之间的映射。使用亨氏单位映射，可以生成伪CT图像。
考虑到例如仅MR的放射治疗计划，伪CT生成，这意味着从MR图像估计亨氏单位(HU)，是建立与CT相似的图像的关键部分。亨氏单位(HU)量表提供了一种定量的量表，用于将原始线性衰减系数测量值线性变换为以下形式的线性变换来描述放射性密度：标准压力和温度(STP)下蒸馏水的辐射密度定义为零HU而STP处的空气辐射密度定义为-1000HU。来自MR图像的骨骼和软组织结构的基于模型的分割可用于准确估算软组织和硬组织HU值。然而，在手术后的情况下，例如在脑肿瘤切除的情况下，颅骨上可能存在切口孔。这些切口孔需要在伪CT图像中分配软组织HU，其难以通过单独使用基于模型的分割来实现。实施例可以允许使用介入前/介入后患者网格的频谱匹配来准确地确定切口孔的位置。然后，可以在生成伪CT图像的额外步骤中处理确定的孔。
根据实施例，可以使用感兴趣解剖结构的网格体素方向的分割结果与感兴趣解剖结构的预定参考模型的匹配来评估分割质量。实施例因此可以帮助识别潜在的区域，在所述潜在的区域处，所应用的分割算法未按预期执行。
实施例可以具有使得能够检测拓扑形状变化的有益效果，例如如果患者的解剖结构不同于另一患者群体，例如在脑切除的情况下。
根据实施例，医学图像数据处理系统还包括磁共振成像系统。磁共振成像系统还包括：用于成像区内的生成主磁场的主磁体，用于在成像区内生成空间依赖梯度磁场的磁场梯度系统，以及被配置用于采集来自成像区的磁共振数据的射频天线系统。所述存储器还存储脉冲序列命令。脉冲序列命令被配置用于控制磁共振成像系统以从成像区域采集磁共振数据。接收医学图像数据包括使用脉冲序列命令执行机器可执行指令，并且通过射频天线系统从成像区采集磁共振图像数据形式的医学图像数据。
根据实施例，比较包括识别以下至少之一：感兴趣解剖结构所包括的切口孔和组织切除。实施例可以允许例如检测组织切除的位置，介入流程之后的切口孔，或看起来类似于器官本身的其他组织。例如，可以检测组织切除的位置，介入流程之后的切口孔或看起来类似于器官本身的其他组织。此外，可以识别和/或避免由于成像伪影的潜在的错误分割，例如而泄漏到相邻解剖结构中的。这些区域可以在后续步骤中进一步局部调查。实施例可以具有有益的效果，由于转换到谱空间中，所以在要比较的网格之间不需要直接的一对一顶点对应。因此，甚至可以检测到偏差，例如骨头上的切口孔。
根据实施例，所述解剖参考结构是示例性的解剖结构并且机器可执行指令的运行还使所述处理器生成存储在所述存储器中的参考表面网格表示。所述生成包括接收示例性解剖结构的参考医学图像数据。生成示例性解剖结构的分割。所述分割被转换为示例性解剖结构的参考表面网格表示。
根据实施例，所接收的参考医学图像数据被包括在所接收的多个示例性解剖结构的医学参考图像数据的多个集合中。针对医学参考图像数据的每个集合生成分割。得到的分割被转换为示例性解剖结构的示例性表面网格表示，并且参考表面网格表示示例性表面网格表示被平均而生成。实施例可以具有有益的效果，即考虑到例如参考患者群体的多个示例性解剖结构，可以提供参考表面网格表示，所述参考表面网格表示较少依赖于个体解剖结构变化。
在另一个方面中，本发明涉及一种使用医用图像数据处理系统来用于图像分割的方法。医学图像数据处理系统包括：存储器，其存储机器可执行指令和解剖参考结构的参考表面网格表示；以及处理器，其用于控制医学图像数据处理系统。处理器对机器可执行指令的执行使处理器控制医学图像数据处理系统以运行包括接收医学图像数据的方法。生成对医学图像数据所包含的感兴趣解剖结构的分割。分割被转换为感兴趣解剖结构的表面网格表示。将所得的表面网格表示与解剖参考结构的参考表面网格表示进行比较(所述参考表面网格表示与两个网格的一个或多个谱嵌入相匹配)，即，使用由两个网格的谱匹配得到的网格对应，并且提供了具有参考表面网格表示的表面网格表示的拓扑不匹配区域。
在另一个方面中，本发明涉及一种用于图像分割的计算机程序产品，所述计算机程序产品包括用于由控制医学图像数据处理系统的处理器运行的机器可执行指令。医学图像数据处理系统包括处理器，所述处理器用于控制所述医用图像数据处理系统。处理器对机器可执行指令的执行使处理器控制医学图像数据处理系统以接收医学图像数据。生成对医学图像数据所包含的感兴趣解剖结构的分割。分割被转换为感兴趣解剖结构的表面网格表示。将所得的表面网格表示与解剖参考结构的参考表面网格表示进行比较(所述参考表面网格表示与两个网格的一个或多个谱嵌入相匹配)，即，使用由两个网格的谱匹配得到的网格对应，并且提供了具有参考表面网格表示的表面网格表示的拓扑不匹配区域。
应该理解，可发组合本发明的一个或多个前述实施例，只要组合后的实施例不相互排斥即可。
附图说明
在下文中，将仅通过举例的方式并且参考附图来描述本发明的优选实施例，在附图中：
图1图示了医学图像数据处理系统的示例；
图2图示了磁共振成像系统的范例；
图3图示了操作医学图像数据处理系统的方法的示例；
图4图示了磁共振成像系统的操作方法的示例；
图5是谱分解的示例；
图6图示了谱匹配结果的示例；
图7是谱分解的示例；并且
图8图示了谱匹配的结果的示例。
附图标记列表
100 磁共振成像系统
101 医学图像数据处理系统
104 磁体
106 磁体的膛
108 成像区
110 磁场梯度线圈
112 磁场梯度线圈电源
114 射频线圈
115 收发器
118 对象
120 对象支撑件
122 致动器
125 数据库
126 计算机
128 硬件接口
130 处理器
132 用户接口
134 计算机存储设备
136 计算机存储器
140 医学图像数据
141 脉冲序列命令
142 控制模块
143 控制模块
144 分割模块
146 表面网格重建模块
148 参考表面网格
150 谱匹配模块
160 分割结果
162 表面网格
164 谱匹配结果
300 参考表面网格
302 第一谱嵌入
304 第二谱嵌入
306 第三谱嵌入
308 第四谱嵌入
310 第五谱嵌入
320 表面网格
322 第一谱嵌入
324 第二谱嵌入
326 第三谱嵌入
328 第四谱嵌入
330 第五谱嵌入
340 孔
342 孔
350 绝对差之和
400 参考表面网格
402 第一谱嵌入
404 第二谱嵌入
406 第三谱嵌入
408 第四谱嵌入
410 第五谱嵌入
420 表面网格
422 第一谱嵌入
424 第二谱嵌入
426 第三谱嵌入
28 第四谱嵌入
430 第五谱嵌入
440 额外的结构
450 绝对差之和
具体实施方式
在这些附图中，类似地编号的元件是等价元件或执行相同功能。如果功能是等价的，则将不一定在后来的附图中讨论先前已经讨论过的元件。
图1示出了包括计算机126的医学图像数据处理系统101的示例。计算机126被示为包含处理器130，所述处理器可操作用于运行机器可读指令。计算机126还被示为包括用户接口132、计算机存储设备134和计算机存储器136，它们都可以被访问并且连接到处理器130。此外，计算机126可以可通信地与数据库125连接。计算机126可以被配置用于经由通信接口128从数据库125请求诸如医学图像数据140的数据。根据实施例，数据库125可以由外部系统提供并且可以经由使用通信连接的通信网络被计算机126访问。可以无线或经由有线来建立通信连接。根据实施例，数据库125可以由计算机126本身包括。例如，数据库125可以由计算机存储器134包括。根据另外的实施例，数据库125可以由计算机可读存储介质提供。数据库125包含成像数据140。根据替代实施例，计算机存储器134可以提供医学图像数据140。
计算机126可以被配置为医学图像数据处理系统101。计算机存储器136被示出为包含控制模块142。控制模块142包含使处理器130能够控制医学图像数据处理系统101的操作和功能的计算机(即机器)可执行代码或指令。计算机系统126例如由控制模块142控制以接收医学图像数据140以进行处理。该处理可以包括图像分割，生成表面网格，将生成的表面网格与参考表面网格进行比较并且提供两个网格的拓扑不匹配的区域。
为了处理医学图像数据140，计算机存储器136可以还包含分割模块144。分割模块144包含使得处理器130能够执行医学图像数据140的分割的计算机可执行代码或指令。分割的结果160包括分割的医学图像数据，其例如被存储在计算机存储器134中。
计算机存储器136可以还包含表面网格重建模块146。表面网格重建模块146包含计算机可执行代码或指令，其使得处理器130能够将医学图像数据140的分割(例如以分割结果160的形式提供)转换为感兴趣解剖结构的表面网格表示。所得到的表面网格表示162可以例如存储在计算机存储器134中。
计算机存储器136可以还包含谱匹配模块150。谱匹配模块150包含使处理器130能够执行谱匹配的计算机可执行代码或指令，所述谱匹配将表面网格表示162与解剖学参考结构的参考表面网格表示进行比较。谱匹配可以识别并提供表面网格表示与参考表面网格表示的拓扑不匹配的一个或多个区域。谱匹配的结果164可以例如存储在计算机存储器134中。
失配可以例如指示医学异常，例如切口孔，或分割错误，例如泄漏到相邻解剖结构中。
用于谱匹配的解剖学参考结构的参考表面网格表示可以例如从数据库125，从计算机存储器134或从与计算机系统126通信连接的存储设备接收。根据实施例，参考表面网格表示可以由计算机126使用医学参考数据，分割模块144和表面网格重建模块146来生成。
图2示出了医学图像数据处理系统101的示例，所述医学图像数据处理系统101包括具有磁体104的磁共振成像系统100。主磁体104是具有通过其的膛106的超导圆柱型磁体104。使用不同类型的磁体也是可能的。例如，也可以使用分裂圆柱形磁体和所谓的开放磁体。分裂圆柱磁体类似于标准的圆柱磁体，除了低温恒温器已经分裂成两部分，以允许访问所述磁体的等平面，从而使磁体可以例如与带电粒子束治疗相结合地使用。开放磁体有两个磁体部分，一个在另一个之上，中间的空间足够大以容纳对象：两个部分区的布置类似于亥姆霍兹线圈的布置。开放式磁体是流行的，因为对象较少地受限。在圆柱磁体的低温恒温器内部有超导线圈的集合。在圆柱磁体104的膛106内，存在成像区108，在成像区108中，磁场足够强和均匀以执行磁共振成像。
磁体的膛106内还有形成磁场梯度系统的磁场梯度线圈110的集合，其用于采集磁共振数据，以在磁体104的成像区108内对磁自旋进行空间编码。磁场梯度线圈110连接到磁场梯度线圈电源112。磁场梯度线圈110旨在是代表性的。通常，磁场梯度线圈110包含用于在三个正交空间方向上空间地编码的三个分立的线圈的集合。磁场梯度电源将电流供应到所述磁场梯度线圈。供应给磁场梯度线圈110的电流根据时间来进行控制并且可以是斜变的或脉冲的。
靠近成像区108的是射频线圈114，也称为射频天线系统，用于操纵成像区108内的磁自旋的方向并用于也接收来自成像区108内的自旋的射频传输。射频线圈114可以包含多个线圈元件。射频线圈114连接到射频收发器115。射频线圈114和射频收发器115可以由独立的发送线圈和接收线圈以及独立的发射器和接收器替代。要理解的是，射频线圈114和射频收发器115是代表性的。射频线圈114旨在还表示专用的发射天线和专用的接收天线。类似地，收发器115也可以表示单独的发射器和接收器。射频线圈114也可以具有多个接收/发射元件，并且射频收发器115可以具有多个接收/发射通道。
对象支撑体120被附接到任选的致动器122，所述致动器能够移动对象支撑体和对象118通过成像区108。以这种方式，对象118的较大部分或者整个对象118可以被成像。收发器115，磁场梯度线圈电源112和致动器122被示为连接到计算机系统126的硬件接口128，所述系统也由医学图像数据处理系统101所包括。
计算机126还被示为包含处理器130，所述处理器可操作用于运行机器可读指令。计算机126还被示为包括用户接口132、计算机存储设备134和计算机存储器136，它们都可以被访问并且连接到处理器130。
计算机存储器136还可以包括控制模块143。控制模块152可以包含计算机可执行代码或指令，其使得处理器130能够控制计算机126以及磁共振成像系统100的操作。
计算机存储器136可以包含一个或多个脉冲序列141。脉冲序列141是指令或可以被转换为使得处理器130能够使用磁共振成像系统100采集磁共振数据140的指令的数据。例如，控制模块143可以与脉冲序列141结合工作以采集磁共振成像数据140。
计算机126可以还被配置为磁共振成像数据处理系统。例如，控制模块143可以例如被配置为控制医学图像数据处理系统101的操作和功能。计算机系统126例如由控制模块143控制以处理医学图像数据140，所述医学图像数据140可以包括重建磁共振图像。这些磁共振图像可以用作医学图像数据140，用于进一步的数据处理。该处理可以还包括图像分割，生成表面网格，将生成的表面网格与参考表面网格进行比较并且提供两个网格的拓扑不匹配的区域。
为了处理医学图像数据140，计算机存储器136可以还包含分割模块144。分割模块144包含使得处理器130能够执行医学图像数据140的分割的计算机可执行代码或指令。分割的结果160包括分割的医学图像数据，其例如被存储在计算机存储器134中。
计算机存储器136可以还包含表面网格重建模块146。表面网格重建模块146包含计算机可执行代码或指令，其使得处理器130能够将医学图像数据140的分割(例如以分割结果160的形式提供)转换为感兴趣解剖结构的表面网格表示。所得到的表面网格表示162可以例如存储在计算机存储器134中。
计算机存储器136可以还包含谱匹配模块150。谱匹配模块150包含使处理器130能够执行谱匹配的计算机可执行代码或指令，所述谱匹配将表面网格表示162与解剖学参考结构的参考表面网格表示进行比较。谱匹配可以识别并提供表面网格表示与参考表面网格表示的拓扑不匹配的一个或多个区域。谱匹配的结果164可以例如存储在计算机存储器134中。
图3示出了图示操作图1的医学图像处理系统的方法的示意性流程图。在步骤200中，接收医学图像数据。可以例如从本地或远程存储设备接收医学图像数据。所接收的医学图像数据可以例如是以二维医学图像的堆叠的形式提供的三维图像数据。在步骤202中，生成医学图像数据所包括的感兴趣解剖结构的分割。分割可以例如指示感兴趣解剖结构的轮廓。分割可以例如是体积逐体素分割。在步骤204中，分割被转换为感兴趣结构的三角表面网格表示。表面网格可以表示感兴趣解剖结构的表面。在步骤206中，执行分割的表面网格表示与相同解剖参考结构的参考表面网格表示的谱匹配。在步骤208，提供表面网格表示与参考表面网格表示的拓扑不匹配的区域。使用谱匹配后得出拓扑不匹配的区域，所述谱匹配识别所比较的网格之间的拓扑不匹配区域。
图4示出了图示操作图2的医学图像处理系统和磁共振成像系统的方法的示意性流程图。在步骤250中，使用磁共振成像系统采集磁共振数据。在步骤252中，使用所采集的磁共振数据来重建感兴趣解剖结构的磁共振图像。因此可以以重建的磁共振图像的形式提供医学图像数据。步骤254至260可以与图3的步骤202至208相同。
图5示出了当示例性模型拓扑中存在例如圆形孔的成分时的网格形状变化的示例。在第一行中，示出了具有其前五个谱嵌入302-310的第一网格300。谱嵌入302-310是通过谱分解得出的。在底行中，示出了第二网格340，其包括两个不同尺寸的圆形孔340、342以及相应的网格的前五个谱嵌入322-330。谱嵌入340-342是通过谱分解得出的。可以看出，尽管两个网格300、320在拓扑上有所不同，但是它们的谱嵌入302-310；322-330示出了除了孔之外的类似变化模式，从而允许定义网格300、320之间的对应关系。
图6示出了在图5的两个网格300、320中的对应位置处的前五个谱嵌入302-310；322-330的绝对差之和的示例350。相对于不包含任何孔的第一网格300，第二网格320的两个孔340、342可清楚地检测为形状异常。
图7示出了当相对于参考拓扑将成分添加到拓扑时网格形状变化的示例。在第一行中，示出了具有其前五个谱嵌入402-410的膀胱的参考网格400。谱嵌入402-410是通过谱分解得出的。在底行中，示出了来自医学图像(例如，MRI图像)的膀胱的体素方向分割的网格420，以及其前五个频谱嵌入422-430。谱嵌入422-430是通过谱分解得出的。可以看出，尽管网格400 420在拓扑上有所不同，但是它们的谱嵌入402-410；422-430示出了类似的变化模式，除了分割确实泄漏到腹部区域的位置之外，即增加的成分440，从而允许定义网格400420之间的对应关系。
图8示出了位于两个网格400、420中的对应位置前五个谱嵌入402-410；422-430的绝对差之和450的示例。与参考网格400相比，可以明显地将导致额外成分440的膀胱的体素分割的错误检测为重建的网格420的形状异常。
尽管已经在附图和前面的描述中详细图示和描述了本发明，但是这样的图示和描述应当被认为是图示性或示范性的，而非限制性的。本发明不限于公开的实施例。
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。在权利要求中，“包括”一词不排除其他元件或步骤，并且词语“一”或“一个”不排除多个。单个处理器或者其它单元可以实现权利要求书中记载的若干项的功能。尽管特定措施是在互不相同的从属权利要求中记载的，但是这并不指示不能有利地使用这些措施的组合。可以将计算机程序存储/分布在与其它硬件一起提供或者作为其它硬件的一部分提供的诸如光存储介质或者固态介质的合适介质上，但是还可以以诸如经因特网或者其它有线或无线电信系统的其它形式分布。权利要求书中的任何附图标记不应被解释为对范围的限制。

Claims (12)

1.一种用于图像分割的医学图像数据处理系统(101)，所述医学图像数据处理系统(101)包括：
存储器(136)，其存储机器可执行指令和解剖参考结构的参考表面网格表示，
处理器(130)，其用于控制所述医学图像数据处理系统(101)，其中，由所述处理器(130)对所述机器可执行指令的运行使所述处理器(130)控制所述图像数据处理系统(101)以：
接收医学图像数据(140)，
生成对由所述医学图像数据(140)所包括的感兴趣解剖结构的分割，
将所述分割转换为所述感兴趣解剖结构的表面网格表示，
使用谱匹配来将所述表面网格表示与所述解剖参考结构的所述参考表面网格表示进行比较，其中，这两种网格的一个或多个谱嵌入被匹配，
提供所述表面网格表示与所述参考表面网格表示的拓扑不匹配的区域，其中，拓扑不匹配的所述区域是基于所匹配的谱嵌入中的一个或多个来确定的，其中，对拓扑不匹配的区域的所述提供包括以下中的至少一项：识别所述表面网格表示相对于所述参考表面网格表示的缺失的结构部分，以及识别所述表面网格表示相对于所述参考表面网格表示的额外的结构部分。
2.根据权利要求1所述的医学图像数据处理系统(101)，其中，所接收的医学图像数据(140)是三维医学图像数据(140)，并且其中，所述分割是体积逐体素分割。
3.根据权利要求1所述的医学图像数据处理系统(101)，其中，对拓扑不匹配的区域的所述提供包括识别以下中的至少一项：由所述感兴趣解剖结构所包括的切口孔和组织切除。
4.根据前述权利要求中的任一项所述的医学图像数据处理系统(101)，其中，所述机器可执行指令的所述运行还使所述处理器(130)基于所述比较来确定所述分割的质量度量。
5.根据权利要求1-3中的任一项所述的医学图像数据处理系统(101)，其中，对所述医学图像数据(140)的所述接收包括：向包含所述医学图像数据(140)的数据库(125)发送针对相应的医学图像数据(140)的请求，其中，响应于所述请求，从所述数据库(125)接收所请求的医学图像数据(140)。
6.根据权利要求1-3中的任一项所述的医学图像数据处理系统(101)，其中，所述医学图像数据(140)包括以下中的至少一项：磁共振图像数据、伪计算机断层摄影图像数据和计算机断层摄影图像数据。
7.根据权利要求6所述的医学图像数据处理系统(101)，其中，所述医学图像数据处理系统(101)还包括磁共振成像系统(100)，并且其中，所述磁共振成像系统(100)包括：
主磁体(104)，其用于在成像区(108)内生成主磁场，
磁场梯度系统(110)，其用于在所述成像区(108)内生成空间相关的梯度磁场，
射频天线系统(114)，其被配置用于从所述成像区(108)采集磁共振数据，
其中，所述存储器(136)还存储脉冲序列命令(141)，其中，所述脉冲序列命令(141)被配置为控制所述磁共振成像系统(100)以从所述成像区(108)采集所述磁共振数据，
其中，对所述医学图像数据(140)的所述接收包括使用所述脉冲序列命令(141)来运行所述机器可执行指令，并且由所述射频天线系统(114)来从所述成像区(108)采集磁共振图像数据形式的所述医学图像数据(140)。
8.根据权利要求1-3中的任一项所述的医学图像数据处理系统(101)，其中，所述解剖参考结构是示例性的解剖结构并且所述机器可执行指令的所述运行还使所述处理器(130)生成所述参考表面网格表示，其中，所述生成包括：
接收所述示例性解剖结构的参考医学图像数据(140)，
生成对所述示例性解剖结构的分割，
将所述分割转换为所述示例性解剖结构的所述参考表面网格表示。
9.根据权利要求8所述的医学图像数据处理系统(101)，其中，所接收的参考医学图像数据(140)由所接收的多个示例性解剖结构的医学参考图像数据的多个集合所包括，其中，针对医学参考图像数据的所述集合中的每个生成分割，其中，得到的分割被转换为所述示例性解剖结构的示例性表面网格表示，并且其中，所述参考表面网格表示是在所述示例性表面网格表示上进行平均来生成的。
10.一种用于使用医学图像数据处理系统(101)进行图像分割的方法，所述医学图像数据处理系统(101)包括：
存储器(136)，其存储机器可执行指令和解剖参考结构的参考表面网格表示，
处理器(130)，其用于控制所述医学图像数据处理系统(101)，其中，由所述处理器(130)对所述机器可执行指令的运行使所述处理器(130)控制所述图像数据处理系统(101)来执行包括以下操作的方法：
接收医学图像数据(140)，
生成对由所述医学图像数据(140)所包括的感兴趣解剖结构的分割，
将所述分割转换为所述感兴趣解剖结构的表面网格表示，
使用谱匹配来将所述表面网格表示与所述解剖参考结构的所述参考表面网格表示进行比较，其中，这两种网格的一个或多个谱嵌入被匹配，
提供所述表面网格表示与所述参考表面网格表示的拓扑不匹配的区域，其中，拓扑不匹配的所述区域是基于所匹配的谱嵌入中的一个或多个来确定的，其中，对拓扑不匹配的区域的所述提供包括以下中的至少一项：识别所述表面网格表示相对于所述参考表面网格表示的缺失的结构部分，以及识别所述表面网格表示相对于所述参考表面网格表示的额外的结构部分。
11.根据权利要求10所述的方法，其中，所述医学图像数据处理系统(101)还包括磁共振成像系统(100)，并且其中，所述磁共振成像系统(100)包括：
主磁体(104)，其用于在成像区(108)内生成主磁场，
磁场梯度系统(110)，其用于在所述成像区(108)内生成空间相关的梯度磁场，
射频天线系统(114)，其被配置用于从所述成像区(108)采集磁共振数据，
其中，所述存储器(136)还存储脉冲序列命令(141)，其中，所述脉冲序列命令(141)被配置为控制所述磁共振成像系统(100)以从所述成像区(108)采集所述磁共振数据，
其中，对所述医学图像数据(140)的所述接收包括使用所述脉冲序列命令(141)来运行所述机器可执行指令，并且由所述射频天线系统(114)来从所述成像区(108)采集磁共振图像数据形式的所述医学图像数据(140)。
12.一种用于图像分割的计算机程序产品，包括机器可执行指令，所述机器可执行指令用于由控制医学图像数据处理系统(101)的处理器(130)运行，其中，所述医学图像数据处理系统(101)包括用于控制所述医学图像数据处理系统(101)的处理器(130)和存储解剖参考结构的参考表面网格表示的存储器，其中，由所述处理器(130)对所述机器可执行指令的运行使所述处理器(130)控制所述图像所述数据处理系统(101)以：
接收医学图像数据(140)，
生成对由所述医学图像数据(140)所包括的感兴趣解剖结构的分割，
将所述分割转换为所述感兴趣解剖结构的表面网格表示，
使用谱匹配来将所述表面网格表示与所述解剖参考结构的所述参考表面网格表示进行比较，其中，这两种网格的一个或多个谱嵌入被匹配，
提供所述表面网格表示与所述参考表面网格表示的拓扑不匹配的区域，其中，拓扑不匹配的所述区域是基于所匹配的谱嵌入中的一个或多个来确定的，其中，对拓扑不匹配的区域的所述提供包括以下中的至少一项：
识别所述表面网格表示相对于所述参考表面网格表示的缺失的结构部分，以及识别所述表面网格表示相对于所述参考表面网格表示的额外的结构部分。
CN201980013913.8A 2018-01-18 2019-01-17 用于图像分割的医学图像数据处理系统、方法和计算机程序产品 Active CN111727456B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
EP18152312.7A EP3514757A1 (en) 2018-01-18 2018-01-18 Spectral matching for assessing image segmentation
EP18152312.7 2018-01-18
PCT/EP2019/051121 WO2019141763A1 (en) 2018-01-18 2019-01-17 Spectral matching for assessing image segmentation

Publications (2)

Publication Number Publication Date
CN111727456A CN111727456A (zh) 2020-09-29
CN111727456B true CN111727456B (zh) 2024-03-26

Family

ID=61007520

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201980013913.8A Active CN111727456B (zh) 2018-01-18 2019-01-17 用于图像分割的医学图像数据处理系统、方法和计算机程序产品

Country Status (5)

Country Link
US (1) US20200342603A1 (zh)
EP (2) EP3514757A1 (zh)
JP (1) JP7337811B2 (zh)
CN (1) CN111727456B (zh)
WO (1) WO2019141763A1 (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11881016B2 (en) * 2018-09-21 2024-01-23 Toyota Motor Europe Method and system for processing an image and performing instance segmentation using affinity graphs
EP3836079A1 (en) * 2019-12-12 2021-06-16 Koninklijke Philips N.V. Mesh topology adaptation
CN113143243B (zh) * 2021-02-25 2023-08-22 厦门大学 一种基于谱分解的深度学习磁共振波谱重建方法
CN113506302B (zh) * 2021-07-27 2023-12-12 四川九洲电器集团有限责任公司 一种交互式对象更新方法、装置及处理系统
CN117671531A (zh) * 2023-12-05 2024-03-08 吉林省鑫科测绘有限公司 一种无人机航测数据处理方法及系统

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105814605A (zh) * 2013-12-10 2016-07-27 皇家飞利浦有限公司 对解剖结构的基于模型的分割

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB0114157D0 (en) * 2001-06-11 2001-08-01 Canon Kk 3D Computer modelling apparatus
US20070127787A1 (en) * 2005-10-24 2007-06-07 Castleman Kenneth R Face recognition system and method
EP2249702A4 (en) 2008-03-04 2012-01-25 Tomotherapy Inc METHOD AND SYSTEM FOR ENHANCED IMAGE SEGMENTATION
US8384714B2 (en) * 2008-05-13 2013-02-26 The Board Of Trustees Of The Leland Stanford Junior University Systems, methods and devices for motion capture using video imaging
GB201002855D0 (en) 2010-02-19 2010-04-07 Materialise Dental Nv Method and system for achiving subject-specific, three-dimensional information about the geometry of part of the body
US8965077B2 (en) 2010-05-18 2015-02-24 Siemens Corporation Methods and systems for fast automatic brain matching via spectral correspondence
US9721338B2 (en) 2011-01-11 2017-08-01 Rutgers, The State University Of New Jersey Method and apparatus for segmentation and registration of longitudinal images
GB201102794D0 (en) * 2011-02-17 2011-03-30 Metail Ltd Online retail system
JP2012245113A (ja) 2011-05-26 2012-12-13 Toshiba Corp Ｍｒｉ装置
US10796480B2 (en) * 2015-08-14 2020-10-06 Metail Limited Methods of generating personalized 3D head models or 3D body models
US10564628B2 (en) * 2016-01-06 2020-02-18 Wiivv Wearables Inc. Generating of 3D-printed custom wearables
US9460557B1 (en) * 2016-03-07 2016-10-04 Bao Tran Systems and methods for footwear fitting
US10309777B2 (en) * 2016-12-30 2019-06-04 DeepMap Inc. Visual odometry and pairwise alignment for high definition map creation

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105814605A (zh) * 2013-12-10 2016-07-27 皇家飞利浦有限公司 对解剖结构的基于模型的分割

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Fast brain matching with spectral correspondence;Herve Lombaert et al.;《IPMI’11: Proceedings of the 22nd international conference on Information processing in medical imaging》;第660-668页 *

Also Published As

Publication number Publication date
EP3740934A1 (en) 2020-11-25
CN111727456A (zh) 2020-09-29
JP2021511128A (ja) 2021-05-06
EP3740934B1 (en) 2022-11-30
WO2019141763A1 (en) 2019-07-25
EP3514757A1 (en) 2019-07-24
JP7337811B2 (ja) 2023-09-04
US20200342603A1 (en) 2020-10-29

Similar Documents

Publication Publication Date Title
CN111727456B (zh) 用于图像分割的医学图像数据处理系统、方法和计算机程序产品
Liu et al. Evaluation of a deep learning-based pelvic synthetic CT generation technique for MRI-based prostate proton treatment planning
CN109074639B (zh) 医学成像系统中的图像配准系统和方法
US11249160B2 (en) Image segmentation using reference gray scale values
US20160054416A1 (en) Detection of bone tissue using magnetic resonance imaging
US11270436B2 (en) Tissue classification using image intensities and anatomical positions
CN103140855A (zh) 基于知识的自动图像分割
JP7370860B2 (ja) 磁気共鳴画像から３ｄ物体を正確に位置特定する放射線治療システム
CN107209241B (zh) 磁共振图像的自动分组
EP3861527B1 (en) Simultaneous partial volume correction and segmentation refinement
JP2022546346A (ja) 合成４次元コンピュータ断層撮影画像の生成
Chourak et al. Voxel-wise analysis for spatial characterisation of Pseudo-CT errors in MRI-only radiotherapy planning
CN113711076A (zh) 狄克逊磁共振成像中的水-脂肪交换的自动检测
Martínez et al. Tracking by means of geodesic region models applied to multidimensional and complex medical images

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant