CN113436236A - 一种图像处理方法和系统 - Google Patents

一种图像处理方法和系统 Download PDF

Info

Publication number
CN113436236A
CN113436236A CN202110719200.2A CN202110719200A CN113436236A CN 113436236 A CN113436236 A CN 113436236A CN 202110719200 A CN202110719200 A CN 202110719200A CN 113436236 A CN113436236 A CN 113436236A
Authority
CN
China
Prior art keywords
portions
target
feature
image
interest
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202110719200.2A
Other languages
English (en)
Other versions
CN113436236B (zh
Inventor
S·博思
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.)
Shanghai United Imaging Healthcare Co Ltd
Original Assignee
Shanghai United Imaging Healthcare Co Ltd
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 Shanghai United Imaging Healthcare Co Ltd filed Critical Shanghai United Imaging Healthcare Co Ltd
Publication of CN113436236A publication Critical patent/CN113436236A/zh
Application granted granted Critical
Publication of CN113436236B publication Critical patent/CN113436236B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G06T7/248—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments involving reference images or patches
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/40—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mechanical, radiation or invasive therapies, e.g. surgery, laser therapy, dialysis or acupuncture
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical 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
    • G06T2207/10104—Positron emission tomography [PET]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10108—Single photon emission computed tomography [SPECT]
    • 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
    • G06T2207/10132—Ultrasound image
    • 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)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Multimedia (AREA)
  • Radiology & Medical Imaging (AREA)
  • Surgery (AREA)
  • Urology & Nephrology (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

本申请实施例提供了一种用于图像配准的确定目标感兴趣区域(ROI)的方法和系统。所述方法包括：获取对象的目标图像，其包括所述对象的目标部分；获取与所述对象的一个或以上特征部分的运动相关的特征信息。所述方法包括基于所述特征信息，从所述一个或以上特征部分中识别所述对象的一个或以上参考部分。所述对象的所述目标部分的位置和所述一个或以上参考部分的运动无关。所述方法进一步包括基于与所述一个或以上参考部分相关的对应特征信息，在所述目标图像中确定所述目标ROI。

Description

一种图像处理方法和系统
相关申请的交叉引用
本申请要求于2020年6月27日提交的申请号为16/914,357的美国专利申请的优先权，其内容通过引用被完整包含于此。
技术领域
本申请总体上涉及到图像处理领域，具体地，涉及到确定用于图像配准的目标感兴趣区域(ROI)的方法和系统。
背景技术
在医学图像处理中，图像配准通常是指在对象的两个或以上图像之间执行某个空间变换的过程，以便于在疾病的不同阶段和/或不同时间点所拍摄的对象的图像之间进行比较。图像配准已广泛用于医学诊断和治疗。例如，可能需要在图像引导放射治疗(IGRT)的过程中进行图像配准。在放射治疗之前或期间，通常需要将所获得的治疗图像和用于计划放射治疗的计划图像进行配准，从而使得放射治疗可以根据治疗计划更准确地递送到对象的目标部分。一些图像配准技术可以包括确定要与另一图像配准的图像中的目标ROI。目标ROI的确定可以显著影响图像配准结果的准确度和/或效率。因此，期望开发一种可以提高图像配准的准确度和/或效率的用于确定目标ROI的方法和系统。
发明内容
根据本申请的一个方面，提供了一种用于确定图像配准的目标ROI的方法。所述方法可以实现在包含至少一个处理器和至少一个非暂时性存储介质的计算设备上。所述方法可以包括获取对象的目标图像，其包括所述对象的目标部分；获取与所述对象的一个或以上特征部分的运动相关的特征信息。所述方法包括基于所述特征信息，从所述一个或以上特征部分中识别所述对象的一个或以上参考部分，其中所述对象的所述目标部分的位置和所述一个或以上参考部分的运动无关。所述方法还包括基于与所述一个或以上参考部分相关的对应特征信息，在所述目标图像中确定所述目标ROI。
在一些实施例中，所述对象的所述一个或以上特征部分包括与生理运动相关的一个或以上第一特征部分。
在一些实施例中，所述从所述一个或以上特征部分中识别所述对象的一个或以上参考部分包括：基于所述目标图像，确定所述目标部分和所述对象的一个或以上风险部分中的每一个风险部分之间的第一距离，所述一个或以上风险部分中的每一个与所述目标部分相关；以及对于所述对象的所述一个或以上第一特征部分中的每一个，基于所述目标图像，确定所述目标部分和所述第一特征部分之间的第二距离；以及基于与所述第一特征部分相关的对应特征信息、所述第一距离和所述第二距离，确定所述第一特征部分是否是所述一个或以上参考部分之一。
在一些实施例中，所述图像配准包括将所述目标图像和参考图像配准。所述目标图像是基于第一时间点对具有第一姿势的所述对象的第一扫描生成的。所述参考图像是基于第二时间点对具有第二姿势的所述对象的第二扫描生成的。所述第二时间点和所述第一时间点不同。
在一些实施例中，所述对象的所述一个或以上特征部分包括一个或以上第二特征部分。所述一个或以上第二特征部分的运动与所述第一姿势和所述第二姿势之间的姿势差异相关。
在一些实施例中，所述从所述一个或以上特征部分中识别所述对象的一个或以上参考部分包括：对于所述对象的所述一个或以上第二特征部分的每一个，基于所述目标图像，确定所述目标部分和所述第二特征部分之间的第三距离；以及基于与所述第二特征部分相关的对应特征信息和所述第三距离，确定所述第二特征部分是否是所述一个或以上参考部分之一。
在一些实施例中，所述目标图像是用于放射治疗的计划图像，以及所述参考图像是用于所述放射治疗的治疗图像。
在一些实施例中，所述基于与所述一个或以上参考部分相关的特征信息，在所述目标图像中确定所述目标ROI包括：在所述目标图像中确定初始ROI；以及基于所述初始ROI，通过执行包含至少两个迭代的迭代过程来确定所述目标ROI。所述迭代过程对应于一个或以上规则，且当满足所述一个或以上规则中的至少一个时，所述迭代过程终止，所述一个或以上规则包括至少一个与所述一个或以上参考部分的所述特征信息相关的规则。
在一些实施例中，所述基于所述初始ROI，通过执行包含至少两个迭代的迭代过程来确定所述目标ROI包括：在所述至少两个迭代中的每一个迭代中，调整中间ROI以获取调整后的ROI，其中所述中间ROI是所述初始ROI或者在先前迭代中获得的调整后的ROI；确定所述一个或以上规则中的至少一个是否被满足；以及响应于确定所述一个或以上规则中的至少一个被满足：终止所述迭代过程；以及将所述调整后的ROI指定为所述目标ROI。
在一些实施例中，所述一个或以上参考部分包括与生理运动相关的一个或以上第一参考特征部分。与所述一个或以上参考部分的所述特征信息相关的所述至少一个规则包括，所述调整后的ROI包括与所述一个或以上第一参考特征部分中的至少一个第一参考特征部分的运动区域相对应的像素或体素，其中所述运动区域是在所述目标图像中基于与所述一个或以上第一参考特征部分的运动相关的所述特征信息来确定的。
在一些实施例中，所述一个或以上参考部分包括一个或以上第二参考特征部分。所述一个或以上第二参考特征部分的每一个的位置与所述对象的姿势相关。所述至少一个与所述一个或以上参考部分的所述特征信息相关的规则包括，所述调整后的ROI包括与所述一个或以上第二参考特征部分的至少一个相对应的像素或体素。
在一些实施例中，所述在所述目标图像中确定初始ROI包括，从所述目标图像中识别与放射治疗相关的等中心点；以及在所述目标图像中基于所述等中心点确定所述初始ROI，其中所述等中心点位于所述初始ROI的中心。
在一些实施例中，所述方法进一步包括在所述目标ROI中确定用于所述图像配准的目标子ROI。
根据本申请的另一方面，提供了一种系统。所述系统包括至少一个包含确定用于图像配准的目标ROI的指令的非暂时性存储介质；以及至少一个与所述至少一个非暂时性存储介质通信的处理器。当执行所述指令时，所述至少一个处理器用于指示所述系统进行操作。所述操作包括获取对象的目标图像，其包括所述对象的目标部分；获取与所述对象的一个或以上特征部分的运动相关的特征信息。所述操作进一步包括基于所述特征信息，从所述一个或以上特征部分中识别所述对象的一个或以上参考部分，其中所述对象的所述目标部分的位置和所述一个或以上参考部分的运动无关。所述操作进一步包括基于与所述一个或以上参考部分相关的对应特征信息，在所述目标图像中确定所述目标ROI。
根据本申请的另一方面，提供了一种非暂时性计算机可读介质，包括至少一个指令集，当通过计算设备的至少一个处理器执行时，所述至少一个指令集引导所述至少一个处理器执行操作。所述操作包括获取对象的目标图像，其包括所述对象的目标部分；获取与所述对象的一个或以上特征部分的运动相关的特征信息。所述操作进一步包括基于所述特征信息，从所述一个或以上特征部分中识别所述对象的一个或以上参考部分，其中所述对象的所述目标部分的位置和所述一个或以上参考部分的运动无关。所述操作进一步包括基于与所述一个或以上参考部分相关的对应特征信息，在所述目标图像中确定所述目标ROI。
应当理解的是，以上的一般描述和后文的细节描述仅作为示例性或解释性的，而非限制本申请。
附图说明
本申请将以示例性实施例的方式进一步描述，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：
图1是根据本申请的一些实施例所示的示例性医疗系统的示意图；
图2是根据本申请的一些实施例所示的计算设备的示例性硬件和/或软件组件的示意图；
图3是根据本申请的一些实施例所示的移动设备的示例性硬件和/或软件组件的示意图；
图4是根据本申请的一些实施例所示的示例性处理设备的框图；
图5是根据本申请的一些实施例所示的图像配准的示例性过程的流程图；
图6是根据本申请的一些实施例所示的用于确定目标图像中的目标ROI的示例性过程的流程图；
图7是根据本申请的一些实施例所示的用于通过迭代过程确定目标ROI的示例性过程的流程图。
具体实施方式
为了更清楚地说明本申请实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本申请的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本申请应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。
应当理解，本申请使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。
如本申请和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。
本申请中使用了流程图用来说明根据本申请的实施例的系统所执行的操作。应当理解的是，前面或后面的操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。
应当理解，当单元、引擎或模块被描述为“位于”、“连接”、“耦合”至另一单元、引擎或模块时，其可以是直接位于、连接至或耦合至另一单元、引擎或模块的，或与另一单元、引擎或模块通讯。又或者，除非文中清楚表明，可以存在中间单元、中间引擎或中间模块。如本文所使用的，“和/或”包括一个或多个相关列出事物的任意组合和所有组合。
参照附图并考虑以下描述，本申请的这些和其他特征以及相关的结构元件以及制造的部件和经济的结合的操作和功能的方法可以变得更加明显，且都构成本申请的一部分。然而，应当明确地理解，附图仅仅是为了说明和描述的目的，并不意图限制本申请的范围。应当理解的是，附图不是按比例的。
本申请中的术语“图像”用于笼统地指代图像数据(例如，扫描数据、投影数据)和/或各种形式的图像，包括二维(2D)图像、三维(3D)图像、四维(4D)图像等。本申请中的术语“体素”和“像素”可互换地使用以指代图像的元素。本申请中的术语“范围”、“位置”和“区域”可以指图像中所示的解剖结构的位置或对象身体中存在的解剖结构的实际位置，这是因为图像可以指示存在于对象身体上或身体中的某种解剖结构的实际位置。在一些实施例中，对象的图像可以被简称为对象。对象的图像的分割可以被称为对象的分割。例如，器官的分割可以是指与图像中的器官对应的区域的分割。
本申请提供了确定用于图像配准的目标ROI的机制(其可以包括方法、系统、计算机可读介质等)。本申请中提供的方法可以包括获得包含对象的目标部分的与对象相关的目标图像，并获得与对象的一个或以上特征部分(例如，器官和/或组织)的运动相关的特征信息。例如，一个或以上特征部分的运动可以包括生理运动，例如呼吸运动、心脏运动、动脉脉动等。又例如，一个或以上特征部分的运动可以包括由与对象相关的姿势差异引起的运动。该方法还可以包括基于特征信息从一个或以上特征部分识别对象的一个或以上参考部分。对象的目标部分的位置与一个或以上参考部分的运动无关。可以基于与一个或以上参考部分相关的对应特征信息来确定目标ROI。
在用于确定目标ROI的一些传统方法中，与生理运动或者姿势差异相关的对象的特征部分通常被排除在目标ROI外。例如，这种特征部分可以从目标图像中被分割，并在确定目标ROI之前从目标图像移除。本申请提供的方法可以包括确定与生理运动或姿势差异相关的特征部分的运动是否影响对象的目标部分的位置。如果特征部分的运动影响目标部分的位置，则特征部分的位置可以与目标部分的位置高度相关。在本申请的一些实施例中，目标ROI可以包含这样的特征部分，其可以有效地提高医学图像的图像配准结果的准确性，从而提高基于医学图像的诊断和/或治疗的效率和/或准确性。可附加地或可替代地，如果图像配准的准确性得到改善，则可以更有效地用于进一步处理，包括例如由用户(例如，操作员)对图像配准结果进行的修正。
图1是根据本申请的一些实施例所示的示例性医疗系统100的示意图。如图所示，医疗系统100可以包括医疗设备110、网络120、一个或以上终端130、处理设备140和存储设备150。在一些实施例中，医疗设备110、终端130、处理设备140和/或存储设备150可以通过无线连接(例如，网络120)、有线连接，或其任意组合，彼此连接和/或通信。医疗系统100的组件之间的连接是可以变化的。仅作为示例，医疗设备110可以通过网络120连接到处理设备140，如图1所示。又例如，医疗设备110可以直接连接到处理设备140。又例如，存储设备150可以通过网络120连接到处理设备140，如图1所示，或直接连接到处理设备140。又例如，如图1所示，终端130可以通过网络120连接到处理设备140，或直接连接到处理设备140。
医疗设备110可以包括成像设备、放射治疗设备，或其任意组合。成像设备可以通过扫描设置在医疗设备110的扫描台上的对象(例如，患者)来生成或提供图像数据。在一些实施例中，医疗设备110可以包括单模扫描仪和/或多模态扫描仪。单模扫描仪可以包括例如计算机断层摄影(Computed Tomography，CT)扫描仪。多模态扫描仪可包括单光子发射计算机断层摄影层压缩(Single-Photon Emission Computed Tomography-ComputedTomography，SPECT-CT)扫描仪，正电子发射断层扫描计算机断层(Positron EmissionTomography-Computed Tomography，PET-CT)扫描仪，计算机断层摄影-超声波(ComputedTomography-Ultra-Sonic，CT-US)扫描仪，数字减法血管造影计算断层(DigitalSubtraction Angiography-Computed Tomography，DSA-CT)扫描仪等，或其任意组合。在一些实施例中，图像数据可以包括投影数据、与对象相关的图像等。投影数据可以是医疗设备110通过扫描对象而生成的原始数据或者在与对象相关的图像上正向投影生成的数据。在一些实施例中，对象可包括身体、物质、物体等，或其任意组合。在一些实施例中，对象可以包括身体的特定部分，例如头部、胸部和腹部等，或其任意组合。在一些实施例中，对象可包括特定器官或ROI，例如食道、气管、支气管、胃、胆囊、小肠、结肠、膀胱、输尿管、子宫、输卵管等。
在一些实施例中，医疗设备110可以包括用于进行放射治疗的放射治疗设备。例如，医疗设备110可以包括用于获取医学图像并执行放射治疗的多模态(例如，两种模态)设备。医学图像可以是计算机断层扫描(CT)图像、磁共振成像(Magnetic ResonanceImaging，MRI)图像、超声图像、四维(4D)图像、三维(3D)图像、二维(2D)图像、诊断图像和非诊断图像等，或其任意组合。医疗设备110可以包括一个或以上诊断设备和/或治疗设备。例如，CT设备、锥形光束CT、正电子发射断层扫描(PET)CT、体积CT、RT设备和扫描床等，或其任意组合。
如图1所示，医疗设备110(例如，IGRT设备)可以包括成像设备111、放射治疗设备112、扫描床113等，或其任意组合。成像设备111可以获得对象的扫描数据。放射治疗设备112可以根据基于扫描数据生成的治疗图像来执行放射治疗。成像设备111和放射治疗设备112可以在IGRT过程中共享扫描床113。
在一些实施例中，医疗设备110可以与一个或以上其他可以促进对象的扫描或治疗的设备集成，例如图像记录设备。图像记录设备可以用于拍摄与对象相关的各种类型的图像。例如，图像记录设备可以是拍摄对象的外部或轮廓图的二维(2D)相机。又例如，图像记录设备可以是3D扫描仪(例如，激光扫描仪、红外扫描仪、3D CMOS传感器)，其记录对象的空间形象。
网络120可以包括任何可以促进用于医疗系统100的信息和/或数据的交换的网络。在一些实施例中，医疗系统100的一个或以上组件(例如，医疗设备110、处理设备140、存储设备150、终端130)可以经由网络120与一个或以上医疗系统100的其他组件进行信息和/或数据传送。例如，处理设备140可以经由网络120从医疗设备110获得图像数据。又例如，处理设备140可以经由网络120从终端130获得用户指令。网络120可以或包括公共网络(例如，互联网)、专用网络(例如，局部区域网络(LAN))、有线网络、无线网络(例如，802.11网络、Wi-Fi网络)、帧中继网络、虚拟专用网络(VPN)、卫星网络、电话网络、路由器、集线器、交换机、服务器计算机和/或其任意组合。例如，网络120可以包括有线网络、无线网络、光纤网络、电信网络、内联网、无线局部区域网络(WLAN)、城域网(MAN)、公共电话交换网络(PSTN)、蓝牙TM网络、ZigBeeTM网络、近场通信(NFC)网络等或其任意组合。在一些实施例中，网络120可以包括至少一个网络接入点。例如，网络120可以包括有线和/或无线网络接入点，例如基站和/或互联网交换点，医疗系统100中的至少一个组件可以通过接入点连接到网络120以交换数据和/或信息。
终端130可以与医疗设备110、处理设备140和/或存储设备150连接和/或通信。例如，终端130可以从处理设备140获得处理的图像，例如包括目标ROI的显示图像。又例如，终端130可以使用户与医疗系统100进行交互。在一些实施例中，终端130可以包括移动设备131、平板计算机132、膝上型计算机133等，或其任意组合。在一些实施例中，移动设备131可以包括移动电话、个人数字助理(PDA)、游戏设备、导航设备、销售点(POS)设备、笔记本电脑、平板电脑、桌面等，或其任意组合。在一些实施例中，终端130可以包括输入设备、输出设备等。输入设备可以选用键盘输入、触摸屏(例如，具有触觉或触觉反馈)输入、语音输入、眼睛跟踪输入、大脑监测系统输入或任何其他类似的输入机制。通过输入设备接收的输入信息可以通过如总线传输到处理设备140，以进行进一步处理。其他类型的输入设备可以包括光标控制装置，例如鼠标、轨迹球或光标方向键等。输出设备可以包括显示器、扬声器、打印机等，或其任意组合。在一些实施例中，终端130可以是处理设备140的一部分。
处理设备140可以处理从医疗设备110、存储设备150、终端130或医疗系统100的其他组件获得的数据和/或信息。例如，处理设备140可以从对象的一个或以上特征部分中的每一个中，确定对象的目标部分的位置是否与一个或以上参考部分的运动无关。响应于确定对象的目标部分的位置与一个或以上参考部分的运动无关。又例如，处理设备140可以基于与一个或以上参考部分相关的特征信息来确定目标ROI。在一些实施例中，处理设备140可以是单个服务器或服务器组。服务器组可以是集中式或分布式的。在一些实施例中，处理设备140可以是相对于医疗系统100的本地设备或远程设备。例如，处理设备140可以通过网络120访问来自医疗设备110、存储设备150和/或终端130的信息和/或数据。又例如，处理设备140可以直接连接到医疗设备110、终端130和/或存储设备150以访问信息和/或数据。在一些实施例中，处理设备140可以在云平台上实现。例如，云平台可以包括私有云、公共云、混合云、社区云、分布式云、云间云、多云等，或其任意组合。在一些实施例中，处理设备140可以由如结合图所述的具有一个或以上组件的计算设备200实现。
存储设备150可以存储数据、指令和/或任何其他信息。在一些实施例中，存储设备150可以存储从处理设备140、终端130和/或存储设备150获得的数据。在一些实施例中，存储设备150可以存储数据和/或指令，即可供处理设备140执行的本申请中描述的示例性方法。在一些实施例中，存储设备150可以包括大容量存储器、可移动存储器、易失性读写存储器、只读存储器(ROM)等，或其任意组合。示例性的大容量存储器可以包括磁盘、光盘、固态磁盘等。示例性可移动存储器可以包括闪存驱动器、软盘、光盘、存储卡、压缩盘、磁带等。示例性易失性读写存储器可以包括随机存取存储器(RAM)。示例性RAM可以包括动态随机存取存储器(DRAM)、双倍数据速率同步动态随机存取存储器(DDRSDRAM)、静态随机存取存储器(SRAM)、晶闸管随机存取存储器(T-RAM)和零电容随机存取存储器(Z-RAM)等。示例性只读存储器可以包括掩模型只读存储器(MROM)、可编程只读存储器(PROM)、可擦除可编程只读存储器(EPROM)、电可擦除可编程只读存储器(EEPROM)、光盘只读存储器(CD-ROM)和数字多功能磁盘只读存储器ROM等。在一些实施例中，存储设备150可以在云平台上实现。例如，云平台可以包括私有云、公共云、混合云、社区云、分布式云、云间云、多云等，或其任意组合。
在一些实施例中，存储设备150可以经由网络120与医疗系统100的一个或以上其他组件(例如，处理设备140、终端130)通信。医疗系统100的一个或以上组件可以经由网络120访问存储在存储设备150中的数据或指令。在一些实施例中，存储设备150可以是处理设备140的一部分。
在一些实施例中，三维坐标系160可以在如图1所示的医疗系统100中使用。第一轴可以平行于扫描床的横向方向(例如，如图1所示的X方向)。第二轴可以平行于扫描床的纵向方向(例如，如图1所示的Z方向)。第三轴可以平行于扫描床的垂直方向(例如，如图1所示的Y方向)。三维坐标系的起源可以是空间中的任意点。三维坐标系的起源可以由操作员确定。三维坐标系的起源可以由医疗系统100确定。在一些实施例中，可以使用3D坐标系160描述对象(例如，一个或以上特征部分)的位置。在一些实施例中，可以使用3D坐标系160描述图像的不同像素或体素的位置。
应该注意的是，上述描述仅出于说明性目的而提供，并不旨在限制本申请的范围。对于本领域普通技术人员而言，在本申请内容的指导下，可做出多种变化和修改。例如，存储设备150可以是数据存储器，包括云计算平台，例如公共云、私有云、社区和混合云等。然而，这些变化和修改不脱离本申请的范围。
图2是根据本申请的一些实施例所示的可以实现处理设备140的计算设备200的示例性硬件和/或软件组件的示意图。如图2所示，计算设备200可以包括处理器210、存储器220、输入/输出(I/O)230和通信端口240。
处理器210可以执行计算机指令(例如，程序代码)，并根据本申请描述的技术执行处理设备140的功能。计算机指令可以包括，例如执行本申请描述的特定功能的例程、程序、对象、组件、数据结构、过程、模块和功能。例如，处理器210可以处理从医疗设备110、终端130、存储设备150和/或医疗系统100的任何其他组件获得的图像数据。在一些实施例中，处理器210可以包括至少一个硬件处理器，诸如微控制器、微处理器、精简指令集计算机(RISC)、特定应用集成电路(ASIC)、特定应用指令集处理器(ASIP)、中央处理单元(CPU)、图形处理单元(GPU)、物理处理单元(PPU)、微控制器单元、数字信号处理器(DSP)、现场可编程门阵列(FPGA)、高阶RISC机器(ARM)、可编程逻辑设备(PLD)、能够执行至少一个功能的任何电路或处理器或类似物，或其任意组合。
仅为了说明的目的，在计算设备200中仅描述了一个处理器。然而，应该注意的是，本申请中的计算设备200还可以包括多个处理器，由此本申请中描述的由一个处理器执行的操作和/或方法步骤也可以由多个处理器联合地或单独地执行。例如，如果在本申请中，计算设备200的处理器执行操作A和操作B，则应该理解，操作A和操作B也可以由计算设备200中的多个不同的处理器共同地或单独地执行(例如，第一处理器执行操作A并且第二处理器执行操作B、或者第一处理器和第二处理器共同执行操作A和B)。
存储器220可以存储从医疗设备110、终端130、存储设备150和/或医疗系统100的任何其他组件获得的数据/信息。在一些实施例中，存储器220可以包括大容量存储器、可移动存储器、易失性读写存储器、只读存储器(ROM)等，或其任意组合。示例性的大容量存储器可以包括磁盘、光盘、固态磁盘等。示例性可移动存储器可以包括闪存驱动器、软盘、光盘、存储卡、压缩盘、磁带等。示例性易失性读写存储器可以包括随机存取存储器(RAM)。示例性RAM可以包括动态随机存取存储器(DRAM)、双倍数据速率同步动态随机存取存储器(DDRSDRAM)、静态随机存取存储器(SRAM)、晶闸管随机存取存储器(T-RAM)和零电容随机存取存储器(Z-RAM)等。示例性只读存储器可以包括掩模型只读存储器(MROM)、可编程只读存储器(PROM)、可擦除可编程只读存储器(EPROM)、电可擦除可编程只读存储器(EEPROM)、光盘只读存储器(CD-ROM)和数字多功能磁盘只读存储器ROM等。在一些实施例中，存储器220可以存储一个或以上程序和/或指令以执行本申请中描述的示例性方法。例如，存储器220可以存储用于确定对象的目标区域的位置(例如，患者的目标部分)的可供处理设备140执行的程序。
输入/输出(I/O)230可以输入和/或输出信号、数据、信息等。在一些实施例中，输入/输出(I/O)230可以使用户与处理设备140交互。在一些实施例中，输入/输出(I/O)230可以包括输入设备和输出设备。输入设备的示例可以包括键盘、鼠标、触摸屏、麦克风等，或其任意组合。输出设备的示例可以包括显示设备、扬声器、打印机、投影仪等，或其任意组合。显示设备的示例可包括液晶显示器(LCD)、发光二极管(LED)、基于显示器、平板显示器、弯曲屏幕、电视装置、阴极射线管(CRT)、触摸屏幕等，或其任意组合。
通信端口240可以连接到网络(例如，网络120)以便于数据通信。通信端口240可以在处理设备140和医疗设备110、终端130和/或存储设备150之间建立连接。连接可以包括有线连接、无线连接。有线连接可以包括例如电缆、光缆、电话线等或其任意组合。无线连接可以包括例如BluetoothTM链路、Wi-FiTM链路、WiMaxTM链路、WLAN链路、ZigBee链路、移动网络链路(例如，3G、4G、5G等)等或其任意组合。在一些实施例中，通信端口240可以是和/或包括标准化的通信端口，诸如RS232、RS485等。在一些实施例中，通信端口240可以是专门设计的通信端口。例如，通信端口240可以根据数字成像和医学通信(DICOM)协议来设计。
图3是根据本申请的一些实施例所示的移动设备300的示例性硬件和/或软件组件的示意图。如图3所示，移动设备300可以包括通信平台310、显示器320、图形处理单元(GPU)330、中央处理单元(CPU)340、输入输出(I/O)350、内存360和存储装置390。在一些实施例中，任何其他合适的组件，包括但不限于系统总线或控制器(未示出)，也可包括在移动设备300内。在一些实施例中，移动操作系统370(例如，iOSTM、AndroidTM、WindowsPhoneTM)和一个或以上应用程序380可以从存储器390加载到内存360中，以便由CPU 340执行。应用程序380可以包括浏览器或任何其他合适的移动应用程序，用于接收和呈现与处理设备140中与图像处理或其他信息相关的信息。信息流的用户交互可以通过I/O 350实现，并经由网络120提供给医疗系统100的处理设备140和/或其他组件。
为了实施本申请描述的各种模块、单元及其功能，计算机硬件平台可用作本申请中描述的一个或以上组件的硬件平台。具有用户接口元素的计算机可用于实施个人计算机(PC)或任何其他类型的工作站或终端设备。若计算机被适当的程序化，计算机亦可用作服务器。
图4是根据本申请的一些实施例所示的示例性处理设备140的框图。如图4所示，处理设备140可以包括获取模块410、识别模块420、确定模块430和图像配准模块440。模块可以是所有或部分处理设备140的硬件电路。模块还可以实现为由处理设备140读取和执行的应用程序或指令集。此外，模块可以是硬件电路和应用程序/指令的任意组合。例如，当处理设备140正在执行应用程序/指令集时，模块可以是处理设备140的一部分。
获取模块410可以获得与医疗系统100相关的数据。在一些实施例中，获取模块410可以获得与对象相关的目标图像。目标图像可以包括对象的目标部分。例如，对象可以是患者或动物(例如，狗、猫)。目标部分可包括对象的一个或以上器官或不同的组织，或其一部分组合。在一些实施例中，目标部分可以涉及损伤(例如，骨折)、病变等。仅作为示例，目标部分可包括肿瘤。在一些实施例中，获取模块410可以获得与对象的一个或以上特征部分的运动相关的特征信息。
识别模块420可以识别对象的一个或以上参考部分。在一些实施例中，识别模块420可以从一个或以上第一特征部分中的每一个中，基于第一距离、第二距离和与第一特征部分相关的特征信息确定第一特征部分是否是一个或以上参考部分之一。在一些实施例中，处理设备140可以从一个或以上第一特征部分中的每一个中，确定第二特征部分是否是一个或以上参考部分之一。例如，识别模块420可以从对象的一个或以上第二特征部分中的每一个中，确定目标部分和第二特征部分之间的第三距离。识别模块420可以从目标图像中将一个或以上风险部分、一个或以上第一特征部分、一个或以上第二特征部分和目标部分分割。可以基于分割的结果来确定第一距离、第二距离和/或第三距离。
确定模块430可以确定用于图像配准的目标ROI。在一些实施例中，确定模块430可以基于与一个或以上参考部分相关的特征信息来确定目标图像中的目标ROI。在一些实施例中，确定模块430可以确定目标图像中的初始ROI。确定模块430可以基于初始ROI，通过执行包括至少两个迭代的迭代过程来确定目标ROI。迭代过程可以对应于一个或以上规则。在至少两个迭代中的每一个迭代中，确定模块430可以确定一个或以上规则中的至少一个是否被满足。响应于确定一个或以上规则中的至少一个被满足，确定模块430可以终止迭代过程。
图像配准模块440可以将参考图像和目标图像配准。仅作为示例，处理设备140可以使用基于特征的算法将参考图像和目标图像配准，例如，通过将目标ROI与参考ROI对齐。在一些实施例中，图像配准模块440可以在参考图像中生成参考ROI。参考ROI可以对应于目标ROI，这表示参考ROI和目标ROI都对应于对象的相同部分。参考ROI和目标ROI之间可能存在相关性。参考ROI可以具有与目标ROI相同的形状和/或尺寸。例如，目标图像可以是与放射治疗相关的计划图像，并且参考图像可以是与放射治疗相关的治疗图像。计划图像中的目标ROI的中心可以是计划等中心点，并且治疗图像中的参考ROI的中心可以是治疗等中心点。在一些实施例中，当目标图像和参考图像的尺寸相同时，目标ROI和参考ROI的尺寸可以是相同的。例如，目标ROI和参考ROI可以是2D区域。可替代地，目标图像和参考图像的尺寸可以是不同的。例如，目标图像可以是3D图像，并且参考图像可以是2D图像。目标ROI可以是3D区域，参考图像可以是2D图像。该配准可以包括3D-3D配准，3D-2D配准，2D-2D配准等。
应该注意的是，上述描述仅出于说明性目的而提供，并不旨在限制本申请的范围。对于本领域普通技术人员而言，在本申请内容的指导下，可做出多种变化和修改。然而，这些变化和修改不脱离本申请的范围。在一些实施例中，上述模块可以被分成两个或更多个单元。例如，识别模块可以被划分为两个单元，其中一个可以用于识别对象的一个或以上参考部分，另一个可以用于识别参考图像中的参考区域。参考区域可以对应于目标图像数据。在一些实施例中，处理设备140可以包括一个或以上附加模块。例如，处理设备140还可以包括控制模块，该控制模块用于为医疗系统100中的一个或以上组件生成控制信号。
在一些实施例中，可以省略上述处理设备140的一个或以上模块。例如，处理设备140可以用于确定目标ROI，并且另一个计算设备可以用于基于目标ROI执行图像配准操作。因此，可以在处理设备140中省略图像配准模块440。
图5是根据本申请的一些实施例所示的图像配准的示例性过程的流程图。过程500的至少一部分可以由处理设备140(例如，如图2所示的计算设备200的处理器210、如图3所示的移动设备300的CPU 340、如图4所示的一个或更多模块)实施。以下所示过程的操作仅出于说明的目的。在一些实施例中，过程500可以用未描述的一个或以上附加操作来完成，和/或未描述的一个或以上操作。另外，如图5所示的过程500的操作的顺序和以下描述不是限制性的。
在502中，处理设备140(例如，获取模块410)可以获得与对象相关的目标图像。目标图像可以包括对象的目标部分。例如，对象可以是患者或动物(例如，狗、猫)。目标部分可包括对象的一个或以上器官或不同的组织，或其一部分组合。在一些实施例中，目标部分可以涉及损伤(例如，骨折)、病变等。仅作为示例，目标部分可包括肿瘤。
处理设备140可以从医疗系统100的一个或以上组件获得目标图像(例如，医疗设备110或存储设备150)。目标图像可以是二维(2D)图像、三维(3D)图像、四维(4D)图像(例如，时间系列3D图像)等。在一些实施例中，可以基于第一扫描生成目标图像，其中在第一扫描中，对象在第一时间点具有第一姿势。第一扫描可以由第一成像设备执行，例如CT扫描仪、PET扫描仪、MRI扫描仪等。当第一成像设备执行第一扫描时，对象可以在第一时间点具有第一姿势。在一些实施例中，目标图像可以是与放射治疗相关的计划图像。
在504中，处理设备140(例如，获取模块410)可以获得与对象相关的参考图像。参考图像可以包括对象的目标部分的图形表示。
处理设备140可以从医疗系统100的一个或以上组件获得参考图像(例如，医疗设备110或存储设备150)。在一些实施例中，可以基于第二扫描生成参考图像，对象在第二扫描的第二时间点中具有第二姿势。第二时间点可能与第一时间点不同。例如，第二时间点可以晚于第一时间点。第二扫描可以由第二成像设备执行，例如CT扫描仪、PET扫描仪、MRI扫描仪等。当第二成像设备执行第二扫描时，对象可以在第二时间点具有第二姿势。
在一些实施例中，第一成像设备和第二成像设备可以是同种类型的。例如，目标图像可以是用于生成放射治疗计划的计划图像。可以基于放射治疗之前的扫描生成计划图像。在一些实施例中，当生成放射治疗计划时，可以将计划图像分割以获得一个或以上风险部分。例如，可以在计划图像中标记一个或以上风险部分的轮廓。放射治疗可包括多个辐射分段。在多个辐射分段的每一个中，将总辐射剂量的一部分递送到对象的目标部分。参考图像可以是用于引导放射治疗的治疗图像。可以基于多个辐射分段的每一个的之前的扫描生成治疗图像。例如，对象的目标部分可以由于生理运动而发生运动。治疗图像可以包括待治疗的对象的目标部分的表示，待治疗的对象的目标部分的位置和/或其他信息。可替代地，第一成像设备和第二成像设备可以是不同种类型的。例如，第一成像设备可以是CT扫描仪，第二成像设备可以是MRI扫描仪。
在506中，处理设备140(例如，确定模块430)可以确定目标图像中的目标ROI。在一些实施例中，目标ROI可以包括对象的目标部分的表示的至少一部分。
在一些实施例中，对象的一个或以上特征部分可以由于各种原因而运动。例如，一个或以上特征部分的运动可以包括生理运动，例如呼吸运动、心脏运动、动脉脉动等。生理运动可能导致特征部分的位置改变和/或导致特征部分的形状/体积改变。与生理运动相关的特征部分可以被称为下文中的第一特征部分。第一特征部分可以包括例如隔膜、肋、膀胱、直肠等，或其部分，或其任意组合。又例如，在接收扫描时，一个或以上特征部分的位置可以取决于对象的姿势。此后，这种特征部分被称为第二特征部分。一个或以上第二特征部分的运动可以是由第一姿势和第二姿势之间的姿态差异引起的。由姿态差异引起的这种运动也被称为互动运动。第二特征部分可包括例如臂、手、手指、脚等，或其部分，或其任意组合。
处理设备140可以获得与对象的一个或以上特征部分的运动相关的特征信息。仅作为示例，与特征部分的运动相关的特征信息可以包括与特征部分相关的运动范围。可附加地或可替代地，特征信息可以包括特征部分的运动是否影响位于特定部位的病变(例如，肿瘤、骨折部位)的位置。处理设备140可以基于特征信息从一个或以上特征部分中识别对象的一个或以上参考部分。在执行扫描时，对象的目标部分的位置可以与一个或以上参考部分的运动无关。处理设备140还可以基于与一个或以上参考部分相关的对应特征信息来确定目标图像中的目标ROI。关于目标ROI的确定的更多细节可以在本申请中的其他地方找到，例如，在图6、7及其相关描述中。
在508中，处理设备140(例如，图像配准模块440)可以在参考图像中生成参考ROI。参考ROI可以对应于目标ROI，指示参考ROI和目标ROI都对应于对象的相同部分。
在一些实施例中，处理设备140可以基于与目标ROI相关的信息生成参考ROI。仅作为示例，目标图像可以是与放射治疗相关的计划图像，并且参考图像可以是与放射治疗相关的治疗图像。处理设备140可以在参考图像中识别与等中心点(例如，治疗等中心点)对应的特征点。处理设备140还可以基于对应于等中心点的特征点在参考图像中生成参考ROI。例如，处理设备140可以将特征点指定为参考ROI的中心(例如，几何中心)，并生成具有与目标ROI相同形状和/或大小的参考ROI。
在510中，处理设备140(例如，图像配准模块440)可以基于目标ROI和参考ROI将目标图像与参考图像配准。仅作为示例，处理设备140可以使用基于特征的算法将参考图像和目标图像配准，例如，通过将目标ROI与参考ROI对齐。在一些实施例中，当目标图像和参考图像的尺寸相同时，目标ROI和参考ROI的尺寸可以是相同的。例如，目标ROI和参考ROI可以是2D区域。可替代地，目标图像和参考图像的尺寸可以是不同的。例如，目标图像可以是3D图像，并且参考图像可以是2D图像。目标ROI可以是3D区域，参考图像可以是2D图像。该配准可以包括3D-3D配准，3D-2D配准，2D-2D配准等。为了将参考图像与目标图像配准，处理设备140可以将3D目标ROI投影到平面上以生成2D目标ROI。该平面可以包括例如横向平面、冠状平面或矢状平面，或者是除横向平面、冠状平面和矢状平面之外的倾斜平面。可以使用2D目标ROI将2D参考图像于目标图像配准。2D目标ROI和2D参考ROI可以在同一平面中。
例如，当目标图像是计划图像，并且参考图像是治疗图像时，可以用参考图像配准目标图像以将对象的第一扫描中的第一位置与对象的第二扫描中的第二位置相关联。在一些实施例中，处理设备140和/或用户(例如，操作者)可以基于目标图像和目标图像之间的图像配准的结果(或者简称为配准结果)来调整放射治疗设备的一个或以上可运动部件的位置，使得放射治疗可以精确地传送到对象的目标部分。
又例如，目标图像和参考图像可以用于诊断目的。例如，目标图像和参考图像可以是对象的CT图像。图像配准可以帮助用户(例如，医生)观察和监测病理变化。例如，图像配准可以帮助用户监测和/或检测肿瘤或结节随时间的变化，例如，尺寸、密度等的变化等，或其任意组合。当第一成像设备和第二成像设备是不同类型时，可以通过参考图像配准目标图像以通过融合目标图像和参考图像来生成复合图像。例如，目标图像可以是CT图像，参考图像可以是MRI图像。合成图像可以提供与对象相关的解剖信息和/或功能信息，以改善诊断和/或治疗目的的精度。
在一些实施例中，处理设备140还可以在操作506中确定目标ROI中的目标子ROI。处理设备140还可以在操作508中的参考图像中识别参考子ROI。参考子ROI可以对应于目标子ROI。目标图像和参考图像可以基于目标子ROI和参考子ROI配准。仅仅是示例，处理设备140可以定义目标ROI的熵测量H，并在与最大熵测量相对应的目标ROI内选择一个区域作为目标子ROI。以这种方式，目标子ROI可以包括相对丰富的信息，该信息可以有助于提高图像配准结果的准确性。
应该注意的是，上述关于过程500的描述仅出于说明性目的而提供，并不旨在限制本申请的范围。对于本领域普通技术人员而言，在本申请内容的指导下，可做出多种变化和修改。然而，这些变化和修改不脱离本申请的范围。在一些实施例中，可以省略一个或以上操作，并且可以添加/或一个或以上附加操作。例如，过程500还可以包括基于目标图像、表示目标ROI的显示图像而生成操作。可附加地或可替代地，过程500还可以包括将显示图像发送到用户的终端设备(例如，终端130)。用户可以通过终端设备查看和/或修改目标ROI。
图6是根据本申请的一些实施例所示的用于确定目标图像中的目标ROI的示例性过程的流程图。过程600的至少一部分可以由处理设备140(例如，如图2所示的计算设备200的处理器210、如图3所示的移动设备300的CPU 340、如图4所示的一个或更多模块)实施。以下所示过程的操作仅出于说明的目的。在一些实施例中，过程600可以用未描述的一个或以上附加操作来完成，和/或未描述的一个或以上操作。另外，如图6所示的过程600的操作的顺序和以下描述不是限制性的。
在602中，处理设备140(例如，获取模块410)可以获得与对象相关的目标图像。目标图像可以包括对象的目标部分的表示。目标图像可以以参考图像配准。目标图像可以是与放射治疗相关的计划图像，并且参考图像可以是与放射治疗相关的治疗图像。操作602可以以类似于操作502的方式执行。
在604中，处理设备140(例如，获取模块410)可以获得与对象的一个或以上特征部分的运动相关的特征信息。
在一些实施例中，处理设备140可以基于存储在存储设备(例如，存储设备150)中的库中可用的信息来确定对象的一个或以上特征部分。仅出于说明的目的，对象的目标部分可包括肿瘤。在一些实施例中，用户(例如，操作员)可以经由终端130输入至少一些对象信息。处理设备140可以从终端130获得对象信息。在一些实施例中，处理设备140可以从对象的简历中检索至少一些对象信息，包括例如对象的病历。示例性对象信息可以包括年龄、性别、体重、身高、身体的厚度、与对象的目标部分(例如肿瘤部位、肿瘤类型)相关的信息。处理设备140可以基于至少一些对象信息，从库中检索对象的一个或以上特定部分的特征。例如，特定部分的一个或以上特征可以包括对象的特定部分在对应于肿瘤部位的肿瘤周围是否存在风险(其在瞄准肿瘤的放射治疗期间接受不必要的辐射)和/或与目标部分相关的肿瘤类型、对象的特定部分是否倾向于运动或保持稳定、对象的特定部分的位置是否受到通过成像设备接收扫描的对象的姿势的影响、对象的特定部分的运动范围等，或其任意组合。处理设备140可以从一个或以上特定部分中选择一个或以上特征部分。处理设备140还可以基于与一个或以上特征部分对应的一个或以上特征来确定与一个或以上特征部分的运动相关的特征信息。
所述库可以包括关于一个或以上参考对象的多种肿瘤类型、多个肿瘤部位和多个对应于多种肿瘤类型和部位的特征部分(例如，器官和/或组织)的信息。示例性肿瘤类型可包括一个或以上参考对象的的癌、肉瘤、骨髓瘤、白血病、淋巴瘤等，或其任意组合。示例性肿瘤位点可包括一个或以上参考对象的皮肤、肺、乳房、前列腺、结肠、直肠、结肠、宫颈、子宫等，或其任意组合。参考对象的一个或以上特征部分中的每一个可以包括对应于参考对象的肿瘤类型和/或肿瘤部位的一个或以上特征。例如，可以基于与一个或以上参考对象的不同特征部分相关的历史数据来生成库。又例如，用户可以手动添加到参考对象的特征部分的一个或以上特征，或者修改已经在库中的参考对象的特征部分的一个或以上特征。在一些实施例中，库可以以表的形式存储在存储设备150中。
参考对象的特征部分的一个或以上特征可以包括年龄、性别、体重、身高、身体的厚度、对象的部分在肿瘤周围是否存在风险(器官或组织在放射治疗期间可能接受不必要的辐射)，该部分是否倾向于运动或保持稳定，运动趋势，该部分的位置是否受到通过成像设备接收扫描的对象的姿势的影响，该部分的运动范围等，或其任意组合。可附加地或可替代地，对象的该部分的一个或以上特征还可以包括该部分是否是与生理运动相关的第一特征部分，该部分是否是位置取决于接受扫描时对象的姿势的第二特征部分，第二特征部分的运动是否影响肿瘤的位置等，或其任意组合。
处理设备140还可以基于库和至少一些与对象相关的对象信息(例如，肿瘤部位、肿瘤类型、性别)来确定对象的一个或以上特征部分。如结合操作506所述，对象的一个或以上特征部分可以包括与生理运动相关的一个或以上第一特征部分，以及与执行扫描时的对象的姿势相关的一个或以上第二特征部分。处理设备140还可以从库中获得与一个或以上特征部分相关的特征信息。对象的特征部分的特征信息可以包括一个或以上参考对象中的每一个的特征部分的一个或以上特征的参考特征信息。对象的特征部分可以与一个或以上参考对象中的每一个的特征部分相同或类似。例如，对象的特征部分和参考对象中的每一个的特征部分是一样的-对象的肝脏中的肿瘤和参考对象中的每一个的肝脏中的肿瘤。又例如，对象的特征部分和参考对象中的每一个的特征部分是一样的-对象的左肺的肿瘤和参考对象中的每一个的左肺的肿瘤，并且这些肿瘤都被认为是处于相同的进展阶段。在一些实施例中，多个参考对象中类似特征部分的特征信息可作为个体信息组呈现在库中，其中每个个体信息组对应于一个参考对象；或者多个参考对象中类似特征部分的特征信息可作为单个特征信息组(例如，在参考对象中取平均值)呈现在库中。
在606中，处理设备140(例如，识别模块420)可以基于特征信息从一个或以上特征部分中识别对象的一个或以上参考部分。
在一些实施例中，处理设备140可以从一个或以上第一特征部分中的每一个第一特征部分中，基于第一距离、第二距离和与第一特征部分相关的特征信息，确定第一特征部分是否是一个或以上参考部分之一。如果第一特征部分被确定为一个或以上参考部分之一，则第一特征部分也被称为第一参考特征部分。第一距离是指目标部分与目标图像中对象的一个或以上风险部分之间的距离。第二距离是指目标部分与目标图像中的第一特征部分之间的距离。在一些实施例中，第一距离和/或第二距离可以是沿第一特征部分的运动方向的距离。可以使用图1中所示的坐标系160描述运动方向。例如，运动方向可以表示为X方向或-X方向。当第一特征部分沿X方向运动时，第一距离和/或第二距离可以是沿X方向的距离。特征信息可以包括第一特征部分的运动范围。运动范围可以包括第一特征部分的运动方向和沿着运动方向的第一特征部分的运动距离。例如，肝脏的运动距离(即，与呼吸运动相关的第一特征部分)沿着与呼吸运动相关的运动方向可以是大约11毫米。
在一些实施例中，与第二特征部分的运动相关的特征信息可以包括第一特征部分的运动是否影响位于各种位点的病变(例如，肿瘤、骨折)的位置。处理设备140可以从一个或以上第一特征部分中的每一个第一特征部分中，基于与第一特征部分相关的特征信息，确定第一特征部分是否是一个或以上参考部分之一。例如，与第一特征部分相关的特征信息可以包括第一特征部分的运动是否影响位于隔膜上、大脑中或胃部等的肿瘤的位置。处理设备140可以基于与目标部分(例如，肿瘤位点)相关的信息和与第一特征部分相关的特征信息来确定第一特征部分是否是一个或以上参考部分之一。
在一些实施例中，为了识别一个或以上参考部分，处理设备140可以从目标图像中分割一个或以上风险部分、一个或以上第一特征部分、一个或以上第二特征部分以及目标部分。又例如，可以预先执行至少一些前述部分的分割。处理设备140可以从存储器(例如，存储设备150)获得分割的结果。例如，目标图像可以是与放射治疗相关的计划图像。当计划放射治疗时，目标部分和一个或以上风险部分可以从计划图像分割。目标部分与风险部分之间的第一距离可以是沿着与目标图像中的目标部分对应的特征点和风险部分对应的的点之间的运动方向的最小距离。例如，特征点可以是目标图像中的目标部分的中心点(例如，几何中心、质量中心等)。对应于风险部分的点可以是风险部分的中心点(例如，几何中心、质量中心等)。类似地，目标部分和第一特征部分之间的第二距离可以是沿着与目标图像中对应的特征点和第一特征部分对应的点之间的运动方向的最小距离，并且与目标图像中的目标部分和对应于第一特征部分的点之间的运动方向。在一些实施例中，目标图像可以是用于生成放射治疗计划的计划图像。目标部分可以是2D计划目标区域或3D计划目标体积(Planning Target Volume，PTV)。特征点可以是与放射治疗相关的等中心点，例如计划等中心点。如本申请所用，术语“计划等中心点”是指预期从不同角度发射的辐射束(计划的)在放射治疗设备的机架旋转时相交的空间中的点。
在一些实施例中，处理设备140可以在一个或以上第一距离之间确定最小第一距离。处理设备140可以确定第二距离和最小第一距离之间的距离差。处理设备140可以与第一特征部分的运动范围比较距离差。响应于确定距离差大于第一特征部分的运动范围，处理设备140可以确定第一特征部分的运动不会影响对象的目标部分的位置。处理设备140可以将第一特征部分指定为一个或以上参考部分之一。
在一些实施例中，处理设备140可以从一个或以上第一特征部分中的每一个中，确定第二特征部分是否是一个或以上参考部分之一。如果第二特征部分被确定为一个或以上参考部分之一，则第二特征部分也被称为第一参考特征部分。例如，处理设备140可以从对象的一个或以上第二特征部分中的每一个中，确定目标部分和第二特征部分之间的第三距离。可以类似于如何确定第一距离或第二距离的那样来确定第三距离,这里不再重复描述。处理设备140还可以将第三距离与距离阈值进行比较。响应于确定第三距离小于距离阈值，处理设备140可以将第二特征部分指定为一个或以上参考部分之一。在一些实施例中，与第二特征部分相关的特征信息可以包括第二特征部分的运动是是否影响位于各个位点的病变(例如，肿瘤、骨折)的位置。例如，与第二特征部分相关的特征信息可以包括第二特征部分的运动是否影响位于乳房中的肿瘤、位于脑中的肿瘤、位于胃中的肿瘤的位置。仅作为示例，与左手(即示例性第二特征部分)相关的特征信息可以包括，左手的运动不会影响位于乳房中的肿瘤的位置。处理设备140可以基于与目标部分(例如，肿瘤位点)相关的信息和与第二特征部分相关的特征信息，确定第二特征部分是否是一个或以上参考部分之一。
在608中，处理设备140(例如，确定模块430)可以基于与一个或以上参考部分相关的特征信息来确定目标图像中的目标ROI。在一些实施例中，处理设备140可以确定目标图像中的初始ROI。处理设备140可以基于初始ROI，通过执行包括至少两个迭代的迭代过程来确定目标ROI。迭代过程可以对应于一个或以上规则。在至少两个迭代中的每一个迭代中，处理设备140可以确定一个或以上规则中的至少一个是否被满足。响应于确定一个或以上规则中的至少一个被满足，处理设备140可以终止迭代过程。关于通过迭代过程确定目标图像中的目标ROI的更多细节可以在本申请中的其他地方找到，例如，图7及其相关描述。
应该注意的是，上述关于过程600的描述仅出于说明性目的而提供，并不旨在限制本申请的范围。对于本领域普通技术人员而言，在本申请内容的指导下，可做出多种变化和修改。然而，这些变化和修改不脱离本申请的范围。在一些实施例中，可以省略一个或以上操作，并且可以添加/或一个或以上附加操作。
图7是根据本申请的一些实施例所示的用于通过至少两个迭代确定目标ROI的示例性过程的流程图。过程700的至少一部分可以由处理设备140(例如，如图2所示的计算设备200的处理器210、如图3所示的移动设备300的CPU 340、如图4所示的一个或更多模块)实施。以下所示过程的操作仅出于说明的目的。在一些实施例中，过程700可以用未描述的一个或以上附加操作来完成，和/或未描述的一个或以上操作。另外，如图7所示的过程700操作的顺序和以下描述不是限制性的。
在702中，处理设备140(例如，确定模块430)可以确定目标图像中的初始ROI。例如，目标图像可以是用于放射治疗的计划图像。处理设备140可以基于与放射治疗相关的等中心点(例如，计划等中心点)来确定初始ROI。初始ROI的大小可以是存储在存储设备150中的预设值，或者可以由用户(例如，操作员)设置和/或修改。仅作为示例，等中心点可以位于初始ROI的中心(例如，几何中心、质量中心等)。在一些实施例中，目标图像可以是2D图像，并且初始ROI可以具有2D形状。例如，初始ROI可以是圆形、三角形、正方形、矩形、梯形、五边形、六边形等。可替代地，初始ROI可以具有不规则形状。在一些实施例中，目标图像可以是3D图像，并且初始ROI可以具有3D形状。例如，初始ROI可以是球体、立方体、圆柱、金字塔、圆锥、圆形截头锥形等。
在704中，处理设备140(例如，确定模块430)可以调整(例如，延伸或减少)中间ROI以获得调整后的ROI。如本申请所用，中间ROI是指初始ROI或先前迭代中获得的ROI。例如，在第一迭代中，中间ROI可以是初始ROI。在ith迭代中，中间ROI可以是在(i-1)th迭代中获得的ROI。
在一些实施例中，处理设备140可以通过延伸中间ROI的边界的至少一部分来调整中间ROI。边界的延伸量沿着至少两个不同的方向可以相同或不同。仅作为示例，中间ROI可以是立方体。处理设备140可以沿着六个正交方向延伸立方体的十二边。例如，可以使用图1中所示的3D坐标系160描述六个正交方向。六个正交方向可以包括一个+X方向,一个-X方向,一个+Y方向,一个-Y方向,一个+Z方向,一个-Z方向等，或其任意组合。在一些实施例中，对于立方体的十二边中的至少一些的每一个，边可以沿着垂直于边的六个正交方向之一延伸预定距离(例如，2毫米、5个像素/体素等)。调整后的ROI可以是具有比中间ROI更大体积的立方体。又例如，对于作为立方体的中间ROI，处理设备140可以沿着四个正交方向延伸立方体的十二边的八边。对于立方体的八边中的每一个，边可以沿着垂直于边的四个正交方向之一延伸。沿两个不同方向的延伸可以相同或不同。调整后的ROI可以具有比中间ROI更大的体积。
在706中，处理设备140(例如，确定模块430)可以确定一个或以上规则中的至少一个是否被满足。一个或以上规则可以涉及用于确定目标图像中的目标ROI的迭代过程的终止。响应于确定一个或以上规则中的任何一个不被满足，处理设备140可以进行到操作706以继续调整中间ROI。响应于确定一个或以上规则中的至少一个被满足，处理设备140可以终止迭代过程并进行到操作710。
例如，一个或以上规则可以包括与一个或以上参考部分的特征信息相关的第一规则。第一规则可以包括：调整后的ROI包括至少一个对应于一个或以上参考部分中的至少一个的体素或像素。如果满足第一规则，则目标ROI可以包括参考部分的至少一部分(例如，与对象的姿势相关的第二参考特征部分)。参考部分的运动(例如，由生理运动或姿势差异引起的运动)不会影响对象的目标部分的位置。如果对象的参考部分的至少一部分包括在用于将目标图像与参考图像配准的目标ROI中，则将降低配准结果的准确性。因此，当处理设备140确定满足第一规则时，终止迭代过程。又例如，当一个或以上参考部分包括与生理运动相关的一个或以上第一参考特征部分时，第一规则可以包括：调整后的ROI包括对应于一个或以上第一参考特征部分的至少一个的运动区域的体素或像素。如本申请所用，第一参考特征部分的术语“运动区域”是指第一参考特征部分的运动的最小区域。可以基于与第一参考特征部分的运动相关的特征信息在目标图像中确定第一参考特征部分的运动区域。例如，运动区域可以基于第一参考特征部分的运动距离和运动方向以及目标图像中的第一参考特征部分的尺寸。
又例如，一个或以上规则可以包括第二规则。第二规则可以与预定限制相关联。预定限制可以涉及诸如已经执行的迭代计数、调整后的ROI的面积/体积等因素。例如，第二规则可以包括已经执行的迭代计数达到预定值。可附加地或可替代地，第二规则可以包括所调整后的ROI的面积/体积达到预定区域值/体积阈值。
又例如，一个或以上规则可以包括第三规则。第三规则可以包括：调整后的ROI包括至少一个与位于对象的身体外部的物体对应的像素或体素。例如，物体可以包括围绕对象的空气、第一成像设备的扫描床等。
在708中，处理设备140(例如，确定模块430)可以基于中间ROI或调整后的ROI的确定目标ROI。例如，响应于确定第一规则、第二规则或第三规则中的至少一个被满足，处理设备140可以基于调整后的ROI确定目标ROI。目标ROI可以用于参考图像和目标图像的配准。关于配准的更多细节可以在本申请中的其他地方找到，例如，在与操作510相关的描述中。
在一些实施例中，处理设备140还可以基于目标图像和目标ROI生成显示图像。处理设备140可以标记目标图像上的目标ROI以生成显示图像。用户可以经由终端130查看显示图像。例如，目标ROI的轮廓可以由与目标图像的其他部分不同的特定颜色标记，使得用户可以容易地从目标图像识别目标ROI。又例如，可以使用特定颜色来呈现整个目标ROI。可附加地或可替代地，终端130可以为用户提供修改选项。用户可以在显示图像中修改目标ROI，例如，通过使用诸如鼠标或触摸屏的输入设备调整目标ROI的轮廓。
应该注意的是，上述关于过程700的描述仅出于说明性目的而提供，并不旨在限制本申请的范围。对于本领域普通技术人员而言，在本申请内容的指导下，可做出多种变化和修改。然而，这些变化和修改不脱离本申请的范围。
上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本申请的限定。虽然此处并没有明确说明，本领域技术人员可能会对本申请进行各种修改、改进和修正。该类修改、改进和修正在本申请中被建议，所以该类修改、改进、修正仍属于本申请示范实施例的精神和范围。
同时，本申请使用了特定词语来描述本申请的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本申请中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本申请的一个或以上实施例中的某些特征、结构或特点可以进行适当的组合。
此外，本领域技术人员可以理解，本申请的各方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的工序、机器、产品或物质的组合，或对他们的任何新的和有用的改进。相应地，本申请的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外，本申请的各方面可能表现为位于一个或以上计算机可读介质中的计算机产品，该产品包括计算机可读程序编码。
计算机存储介质可能包含一个内含有计算机程序编码的传播数据信号，例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式，包括电磁形式、光形式等，或合适的组合形式。计算机存储介质可以是除计算机可读存储介质之外的任何计算机可读介质，该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机存储介质上的程序编码可以通过任何合适的介质进行传播，包括无线电、电缆、光纤电缆、RF、或类似介质，或任何上述介质的组合。
本申请各部分操作所需的计算机程序编码可以用任意一种或多种程序语言编写，包括面向对象编程语言如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等，常规程序化编程语言如C语言、Visual Basic、Fortran 2003、Perl、COBOL 2002、PHP、ABAP，动态编程语言如Python、Ruby和Groovy，或其他编程语言等。该程序编码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或服务器上运行。在后种情况下，远程计算机可以通过任何网络形式与用户计算机连接，比如局域网(LAN)或广域网(WAN)，或连接至外部计算机(例如通过因特网)，或在云计算环境中，或作为服务使用如软件即服务(SaaS)。
此外，除非权利要求中明确说明，本申请所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本申请流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本申请实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。
同理，应当注意的是，为了简化本申请披露的表述，从而帮助对一个或以上发明实施例的理解，前文对本申请实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本申请对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。

Claims (20)

1.一种确定用于图像配准的目标感兴趣区域的方法，所述方法可在包含至少一个处理器和至少一个非暂时性存储介质的计算设备上实现，其特征在于，所述方法包括：
获取对象的目标图像，所述目标图像包括所述对象的目标部分；
获取与所述对象的一个或以上特征部分的运动相关的特征信息；
基于所述特征信息，从所述一个或以上特征部分中识别所述对象的一个或以上参考部分，其中所述对象的所述目标部分的位置和所述一个或以上参考部分的运动无关；以及
基于与所述一个或以上参考部分相关的对应特征信息，在所述目标图像中确定所述目标感兴趣区域。
2.根据权利要求1所述的方法，其特征在于，所述对象的所述一个或以上特征部分包括与生理运动相关的一个或以上第一特征部分。
3.根据权利要求2所述的方法，其特征在于，所述从所述一个或以上特征部分中识别所述对象的一个或以上参考部分包括：
基于所述目标图像，确定所述目标部分和所述对象的一个或以上风险部分中的每一个风险部分之间的第一距离，所述一个或以上风险部分中的每一个风险部分与所述目标部分相关；以及
对于所述对象的所述一个或以上第一特征部分中的每一个，
基于所述目标图像，确定所述目标部分和所述第一特征部分之间的第二距离；以及
基于与所述第一特征部分相关的对应特征信息、所述第一距离和所述第二距离，确定所述第一特征部分是否是所述一个或以上参考部分之一。
4.根据权利要求1所述的方法，其特征在于：
所述图像配准包括将所述目标图像和参考图像配准，
所述目标图像是基于第一时间点对具有第一姿势的所述对象的第一扫描生成的，以及
所述参考图像是基于第二时间点对具有第二姿势的所述对象的第二扫描生成的，所述第二时间点和所述第一时间点不同。
5.根据权利要求4所述的方法，其特征在于，所述对象的所述一个或以上特征部分包括一个或以上第二特征部分，所述一个或以上第二特征部分的运动与所述第一姿势和所述第二姿势之间的姿势差异相关。
6.根据权利要求5所述的方法，其特征在于，所述从所述一个或以上特征部分中识别所述对象的一个或以上参考部分包括：
对于所述对象的所述一个或以上第二特征部分中的每一个，
基于所述目标图像，确定所述目标部分和所述第二特征部分之间的第三距离；以及
基于与所述第二特征部分相关的对应特征信息和所述第三距离，
确定所述第二特征部分是否是所述一个或以上参考部分之一。
7.根据权利要求4所述的方法，其特征在于，所述目标图像是用于放射治疗的计划图像，并且所述参考图像是用于所述放射治疗的治疗图像。
8.根据权利要求1所述的方法，其特征在于，所述基于与所述一个或以上参考部分相关的特征信息，在所述目标图像中确定所述目标感兴趣区域包括：
在所述目标图像中确定初始感兴趣区域；以及
基于所述初始感兴趣区域，通过执行包含至少两个迭代的迭代过程来确定所述目标感兴趣区域，其中所述迭代过程对应于一个或以上规则，且当满足所述一个或以上规则中的至少一个时，所述迭代过程终止，所述一个或以上规则包括至少一个与所述一个或以上参考部分的所述特征信息相关的规则。
9.根据权利要求8所述的方法，其特征在于，所述基于所述初始感兴趣区域，通过执行包含至少两个迭代的迭代过程来确定所述目标感兴趣区域包括：
在所述至少两个迭代中的每一个迭代中，
调整中间感兴趣区域以获取调整后的感兴趣区域，其中所述中间感兴趣区域是所述初始感兴趣区域或者在先前迭代中获得的调整后的感兴趣区域；
确定所述一个或以上规则中的至少一个是否被满足；以及
响应于确定所述一个或以上规则中的至少一个被满足：
终止所述迭代过程；以及
将所述调整后的感兴趣区域指定为所述目标感兴趣区域。
10.根据权利要求9所述的方法，其特征在于：
所述一个或以上参考部分包括与生理运动相关的一个或以上第一参考特征部分；以及
与所述一个或以上参考部分的所述特征信息相关的所述至少一个规则包括，所述调整后的感兴趣区域包括与所述一个或以上第一参考特征部分中的至少一个第一参考特征部分的运动区域相对应的像素或体素，其中所述运动区域是在所述目标图像中基于与所述一个或以上第一参考特征部分的运动相关的所述特征信息来确定的。
11.根据权利要求9所述的方法，其特征在于：
所述一个或以上参考部分包括一个或以上第二参考特征部分，所述一个或以上第二参考特征部分中的每一个的位置与所述对象的姿势相关；以及
所述至少一个与所述一个或以上参考部分的所述特征信息相关的规则包括：所述调整后的感兴趣区域包括与所述一个或以上第二参考特征部分的至少一个相对应的像素或体素。
12.根据权利要求8所述的方法，其特征在于，所述在所述目标图像中确定初始感兴趣区域包括：
在所述目标图像中识别与放射治疗相关的等中心点；以及
在所述目标图像中基于所述等中心点确定所述初始感兴趣区域，其中所述等中心点位于所述初始感兴趣区域的中心。
13.根据权利要求1所述的方法，还包括：
在所述目标感兴趣区域中确定用于所述图像配准的目标子感兴趣区域。
14.一种确定用于图像配准的目标感兴趣区域的系统，其特征在于，所述系统包括：
获取模块，所述获取模块用于
获取对象的目标图像，所述目标图像包括所述对象的目标部分，以及
获取与所述对象的一个或以上特征部分的运动相关的特征信息；
识别模块，所述识别模块用于基于所述特征信息，从所述一个或以上特征部分中识别所述对象的一个或以上参考部分，其中所述对象的所述目标部分的位置和所述一个或以上参考部分的运动无关；以及
确定模块，所述确定模块用于基于与所述一个或以上参考部分相关的对应特征信息，在所述目标图像中确定所述目标感兴趣区域。
15.根据权利要求14所述的系统，其特征在于，所述对象的所述一个或以上特征部分包括与生理运动相关的一个或以上第一特征部分。
16.根据权利要求14所述的系统，其特征在于，所述图像配准包括将所述目标图像和参考图像配准，
所述目标图像是基于第一时间点对具有第一姿势的所述对象的第一扫描生成的，以及
所述参考图像是基于第二时间点对具有第二姿势的所述对象的第二扫描生成的，所述第二时间点和所述第一时间点不同。
17.根据权利要求16所述的系统，其特征在于，所述对象的所述一个或以上特征部分包括一个或以上第二特征部分，所述一个或以上第二特征部分的运动与所述第一姿势和所述第二姿势之间的姿势差异相关。
18.根据权利要求14所述的系统，其特征在于，为了基于与所述一个或以上参考部分相关的所述对应特征信息，在所述目标图像中确定所述目标感兴趣区域，所述确定模块还用于：
在所述目标图像中确定初始感兴趣区域；以及
基于所述初始感兴趣区域，通过执行包含至少两个迭代的迭代过程来确定所述目标感兴趣区域，其中所述迭代过程对应于一个或以上规则，且当满足所述一个或以上规则中的至少一个时，所述迭代过程终止，所述一个或以上规则包括至少一个与所述一个或以上参考部分的所述特征信息相关的规则。
19.根据权利要求18所述的系统，其特征在于，所述在所述目标图像中确定初始感兴趣区域包括，
在所述目标图像中识别与放射治疗相关的等中心点；以及
在所述目标图像中基于所述等中心点确定所述初始感兴趣区域，其中所述等中心点位于所述初始感兴趣区域的中心。
20.一种非暂时性计算机可读介质，包括至少一个指令集，其特征在于，当通过计算设备的至少一个处理器执行时，所述至少一个指令集指示所述至少一个处理器执行如权利要求1-13中任一项所述的方法。
CN202110719200.2A 2020-06-27 2021-06-28 一种图像处理方法和系统 Active CN113436236B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US16/914,357 2020-06-27
US16/914,357 US11861856B2 (en) 2020-06-27 2020-06-27 Systems and methods for image processing

Publications (2)

Publication Number Publication Date
CN113436236A true CN113436236A (zh) 2021-09-24
CN113436236B CN113436236B (zh) 2023-04-18

Family

ID=72747523

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110719200.2A Active CN113436236B (zh) 2020-06-27 2021-06-28 一种图像处理方法和系统

Country Status (2)

Country Link
US (1) US11861856B2 (zh)
CN (1) CN113436236B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102317971A (zh) * 2009-02-11 2012-01-11 皇家飞利浦电子股份有限公司 基于运动模型的组间图像配准
CN102781320A (zh) * 2009-10-30 2012-11-14 医学运动有限公司 综合人体运动分析的系统和方法
US20140064449A1 (en) * 2012-08-31 2014-03-06 Xiang Deng Method and apparatus for determining treatment margin of target area
CN105447872A (zh) * 2015-12-03 2016-03-30 中山大学 一种在超声影像中自动识别肝脏肿瘤类型的方法
CN106384342A (zh) * 2015-07-24 2017-02-08 富士通株式会社 用于图像处理的计算机可读存储介质、设备和方法
CN107194925A (zh) * 2017-05-31 2017-09-22 上海联影医疗科技有限公司 图像处理方法及系统
CN109461140A (zh) * 2018-09-29 2019-03-12 沈阳东软医疗系统有限公司 图像处理方法及装置、设备和存储介质
CN110891507A (zh) * 2017-04-28 2020-03-17 阿里内克斯股份有限公司 用于在鼻炎的治疗中定位血管的系统和方法
CN111329551A (zh) * 2016-03-12 2020-06-26 P·K·朗 用于脊柱和关节手术的增强现实引导

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7231076B2 (en) 2004-06-30 2007-06-12 Accuray, Inc. ROI selection in image registration
US9757588B2 (en) * 2006-05-11 2017-09-12 Koninklijke Philips N.V. Deformable registration of images for image guided radiation therapy
US9014454B2 (en) * 2011-05-20 2015-04-21 Varian Medical Systems, Inc. Method and apparatus pertaining to images used for radiation-treatment planning
US8818105B2 (en) 2011-07-14 2014-08-26 Accuray Incorporated Image registration for image-guided surgery
US20130235969A1 (en) * 2012-03-01 2013-09-12 Imris Inc. Patient Alignment in MRI Guided Radiation Therapy
EP3729377A4 (en) * 2017-12-18 2020-12-23 Shanghai United Imaging Healthcare Co., Ltd. SYSTEMS AND METHODS FOR DETERMINING THE SCANNING PARAMETER IN IMAGING
US11288841B2 (en) * 2019-10-17 2022-03-29 Shanghai United Imaging Intelligence Co., Ltd. Systems and methods for patient positioning
US11354800B2 (en) * 2019-12-27 2022-06-07 Shanghai United Imaging Healthcare Co., Ltd. Systems and methods for error checking in radioitherapy treatment replanning

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102317971A (zh) * 2009-02-11 2012-01-11 皇家飞利浦电子股份有限公司 基于运动模型的组间图像配准
CN102781320A (zh) * 2009-10-30 2012-11-14 医学运动有限公司 综合人体运动分析的系统和方法
US20140064449A1 (en) * 2012-08-31 2014-03-06 Xiang Deng Method and apparatus for determining treatment margin of target area
CN106384342A (zh) * 2015-07-24 2017-02-08 富士通株式会社 用于图像处理的计算机可读存储介质、设备和方法
CN105447872A (zh) * 2015-12-03 2016-03-30 中山大学 一种在超声影像中自动识别肝脏肿瘤类型的方法
CN111329551A (zh) * 2016-03-12 2020-06-26 P·K·朗 用于脊柱和关节手术的增强现实引导
CN110891507A (zh) * 2017-04-28 2020-03-17 阿里内克斯股份有限公司 用于在鼻炎的治疗中定位血管的系统和方法
CN107194925A (zh) * 2017-05-31 2017-09-22 上海联影医疗科技有限公司 图像处理方法及系统
CN109461140A (zh) * 2018-09-29 2019-03-12 沈阳东软医疗系统有限公司 图像处理方法及装置、设备和存储介质

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
HYEJOO KANG ET AL: "Accurate positioning for head and neck cancer patients using 2D and 3D image guidance", 《JOURNAL OF APPLIED CLINICAL MEDICAL PHYSICS》 *
刘兆英等: "基于感兴趣区域互信息的多模图像配准方法", 《航空兵器》 *
薛凌云和潘庆丰: "医学图像感兴趣区域的提取", 《杭州电子科技大学学报》 *
陈兆学和赵晓静: "CT肝脏灌注图像序列感兴趣区域运动跟踪算法研究", 《计算机应用与软件》 *

Also Published As

Publication number Publication date
CN113436236B (zh) 2023-04-18
US20200327684A1 (en) 2020-10-15
US11861856B2 (en) 2024-01-02

Similar Documents

Publication Publication Date Title
US20230181144A1 (en) Imaging systems and methods
US20210104055A1 (en) Systems and methods for object positioning and image-guided surgery
US11877873B2 (en) Systems and methods for determining scanning parameter in imaging
US20230131722A1 (en) Systems and methods for image registration
US8655040B2 (en) Integrated image registration and motion estimation for medical imaging applications
CN111542827B (zh) 一种患者定位的系统和方法
US20220061781A1 (en) Systems and methods for positioning
CN113647967A (zh) 一种医学扫描设备的控制方法、装置及系统
US20230290480A1 (en) Systems and methods for clinical target contouring in radiotherapy
CN113920114B (zh) 图像处理方法、装置、计算机设备、存储介质及程序产品
CN113384822B (zh) 一种有限角度成像方法和系统
CN113271862B (zh) 放射治疗床以及使用该床的系统和方法
US20230169668A1 (en) Systems and methods for image registration
CN113436236B (zh) 一种图像处理方法和系统
WO2022214093A1 (en) Systems and methods for image processing
CN114943714A (zh) 医学图像处理系统、装置、电子设备及存储介质
US20210196402A1 (en) Systems and methods for subject positioning and image-guided surgery
EP3869460A1 (en) Systems and methods for determining position of region of interest
US20230148984A1 (en) Systems and methods for radiation dose management
CN111275762A (zh) 病人定位的系统和方法
JP2023178525A (ja) 画像処理装置、方法およびプログラム

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