DE102006017114A1

DE102006017114A1 - Verfeinerte Segmentierung von Knoten für die computerunterstützte Diagnose

Info

Publication number: DE102006017114A1
Application number: DE102006017114A
Authority: DE
Inventors: Kazunori Los Angeles Okada; Visvanathan Ramesh; Umut Akdemir; Arun Krishnan; Maneesh K. Singh
Original assignee: Siemens Medical Solutions USA Inc; Siemens Corporate Research Inc
Current assignee: Siemens Medical Solutions USA Inc; Siemens Corporate Research Inc
Priority date: 2005-04-18
Filing date: 2006-04-10
Publication date: 2006-11-30
Also published as: US20060269109A1; JP2006297099A; US7995809B2

Abstract

Durch Prüfen auf Knotensegmentierungsfehler auf der Basis der Scan-Daten werden juxtapleurale Fälle identifiziert. Nach der Identifikation können die Scan-Daten oder die nachfolgende Schätzung abgeändert werden, um die Segmentierung bewirkende benachbarte Rippen, Gewebe-, Gefäß- oder andere Strukturen zu berücksichtigen. Ein Abänderung ist die Formung eines Filters als Funktion der Scan-Daten. Zum Beispiel definiert ein ursprünglich geschätztes Ellipsoid für die Knotensegmentierung das Filter. Das Filter dient zum Identifizieren der unerwünschten Informationen und Maskieren entfernt die unerwünschten Informationen für die nachfolgende Schätzung der Knotensegmentierung. Eine andere mögliche Abänderung beeinflusst die nachfolgende Schätzung von den falschen Informationen, wie z. B. den die ursprüngliche Schätzung beeinflussenden Rippen-, Gewebe- oder Gefäßinformationen, weg. Zum Beispiel wird Daten, die der ursprünglich geschätzten Segmentierung entsprechen, für die nachfolgende Schätzung eine negative Vorgabe oder Wahrscheinlichkeit zugewiesen.

Description

VERWANDTE ANMELDUNGEN
Die vorliegende Patentschrift beansprucht den Nutzen des Registrationsdatums unter 35 U.S.C. §119(e) der provisorischen U.S.-Patentanmeldung, lfd.
Nr. 60/672,277, registriert am 18.4.2005, worauf hiermit ausdrücklich Bezug genommen wird.

Die vorliegenden Ausführungsformen betreffen die Segmentierung. Insbesondere werden aus Scan-Daten, wie zum Beispiel aus Computertomographiedaten, Knoten oder andere Strukturen identifiziert.

Die Lungenknotensegmentierung ist ein Ziel der computerunterstützten Diagnose (CAD) zum Identifizieren von Lungentumoren. Zum Beispiel identifiziert ein CAD-System Lungenknoten aus Thoraxdaten der Computertomographie (CT). Eine halbautomatische robuste Segmentierungslösung kann zuverlässige volumetrische Messung von Knoten als Teil der Lungenkrebsvorsorgeuntersuchung und -verwaltung realisieren.

Auf Intensität basierende Segmentierungslösungen, wie zum Beispiel Lokaldichte-Maximum-Algorithmen, segmentieren Knoten in CAD-Systemen. Obwohl solche Lösungen für solitäre Knoten zufriedenstellend arbeiten können, trennen diese Lösungen aufgrund ähnlicher Intensitäten möglicherweise nicht Knoten von nebengelagerten umgebenden Strukturen wie etwa Wänden und Gefäßen. Es wurden ausgereiftere Ansätze vorgeschlagen, um knotenspezifische geometrische Nebenbedingungen zu integrieren. Juxtapleurale oder an der Wand befestigte Knoten bleiben jedoch ein Problem, weil solche Knoten möglicher weise standardmäßigen geometrischen Annahmen nicht entsprechen. Eine andere Problemquelle sind Rippenknochen, die mit hohen Intensitätswerten in CT-Daten erscheinen. Solche Regionen hoher Intensität in der Nähe eines möglichen Knotens können die Schätzung des Knotenzentrums beeinflussen.

Zwei Ansätze liefern eine robuste Segmentierung juxtapleuraler Fälle. Bei einem ersten Ansatz wird vor der Knotensegmentierung eine globale Lungen- oder Rippensegmentierung durchgeführt. Dieser globale Ansatz kann effektiv sein, aber auch rechnerisch komplex und von der Genauigkeit der Gesamtlungensegmentierung abhängen. Bei einem zweiten Ansatz wird eine lokale Nicht-Ziel-Entfernung oder -Vermeidung vor der Knotensegmentierung durchgeführt. Dieser lokale Ansatz mag effizienter als der globale Ansatz sein, aufgrund der begrenzten Menge an verfügbaren Informationen für die Nicht-Ziel-Strukturen kann es jedoch schwieriger sein, eine hohe Leistungsfähigkeit zu erzielen.

KURZE ZUSAMMENFASSUNG

Gemäß der Einführung umfassen die nachfolgend beschriebenen bevorzugten Ausführungsformen Verfahren, Systeme oder computerlesbare Medien zur verfeinerten Segmentierung von Knoten bei der computerunterstützten Diagnose. Durch Prüfen auf Knotensegmentierungsfehler auf der Basis der Scan-Daten werden juxtapleurale Fälle identifiziert. Nach der Identifikation können Scan-Daten oder die nachfolgende Schätzung abgeändert werden, um sich auf die Segmentierung auswirkende benachbarte Rippen-, Gewebe-, Gefäß- oder andere Struktur zu berücksichtigen. Eine Abänderung ist die Ausgestaltung eines Filters als Funktion der Scan-Daten. Zum Beispiel definiert ein Ellipsoid aus einer ursprünglich geschätzten Segmentierung das Filter. Das Filter dient zum Identifizieren der unerwünschten Informationen, und Maskieren entfernt die unerwünschten Informationen zur nachfol genden Schätzung der Knotensegmentierung. Eine andere mögliche Abänderung beeinflußt die nachfolgende Schätzung von den falschen Informationen weg, wie zum Beispiel den Rippen-, Gewebe- oder Gefäßinformationen, die die ursprüngliche Schätzung beeinflussen. Zum Beispiel wird Daten entsprechend der ursprünglich geschätzten Segmentierung für die nachfolgende Schätzung eine negative Vorgabe zugewiesen. Es können beliebig Prüfung, Filterungs-Abänderung, Beeinflussungsabänderung oder Kombinationen davon verwendet werden.

In einem ersten Aspekt wird ein Verfahren zur verfeinerten Segmentierung von Knoten bei der computerunterstützten Diagnose bereitgestellt. Ein Prozessor prüft eine erste prozessorbestimmte Segmentierung als Funktion von Scan-Daten. Der Prozessor verändert die Scan-Daten, einen Parameter oder die Scan-Daten und einen Parameter, wenn die erste prozessorbestimmte Segmentierung die Prüfung nicht besteht. Als Funktion der geänderten Scan-Daten, des Parameters oder der geänderten Scan-Daten und des Parameters wird eine zweite prozessorbestimmte Segmentierung bestimmt.

In einem zweiten Aspekt wird ein System zur verfeinerten Segmentierung von Knoten bei der computerunterstützten Diagnose bereitgestellt. Ein Prozessor ist betreibbar, um eine erste Segmentierung als Funktion von Scan-Daten zu prüfen, betreibbar, um die Scan-Daten, einen Parameter oder die Scan-Daten und einen Parameter zu ändern, wenn die erste Segmentierung die Prüfung nicht besteht, und betreibbar, um eine zweite Segmentierung als Funktion der geänderten Scan-Daten, des Parameters oder der Scan-Daten und des Parameters durchzuführen. Ein Display ist betreibbar, um eine Anzeige der zweiten Segmentierung auszugeben.

In einem dritten Aspekt sind in einem computerlesbaren Speichermedium Daten gespeichert, die Anweisungen repräsentieren, die durch einen programmierten Prozessor zur verfeinerten Segmentierung von Knoten bei der computerunterstützten Diagnose ausführbar sind. Das Speichermedium besitzt Anweisungen für folgendes: Prüfen einer ersten Knotenschätzung als Funktion von Scan-Daten, Ändern der Scan-Daten, der Knotenschätzung oder sowohl der Scan-Daten als auch der Knotenschätzung, wenn die erste Knotenschätzung die Prüfung nicht besteht, und Bestimmen einer zweiten Knotenschätzung als Funktion der geänderten Scan-Daten, der geänderten Knotenschätzung oder der geänderten Scan-Daten und der geänderten Knotenschätzung.

In einem vierten Aspekt sind in einem computerlesbaren Speichermedium Daten gespeichert, die Anweisungen repräsentieren, die durch einen programmierten Prozessor zur verfeinerten Segmentierung von Knoten bei der computerunterstützten Diagnose ausführbar sind. Das Speichermedium besitzt Anweisungen für folgendes: Bestimmen einer Filterform als Funktion von Scan-Daten, Filtern der Scan-Daten als Funktion der Filterform und Segmentieren eines ersten Knotens als Funktion der gefilterten Scan-Daten.

In einem fünften Aspekt sind in einem computerlesbaren Speichermedium Daten gespeichert, die Anweisungen repräsentieren, die durch einen programmierten Prozessor zur verfeinerten Segmentierung von Knoten bei der computerunterstützten Diagnose ausführbar sind. Das Speichermedium besitzt Anweisungen für folgendes: Bestimmen einer ersten Knotenschätzung, Identifikation der ersten Knotenschätzung als mit einem möglichen juxtapleuralen Knoten assoziiert und Beeinflussen der Bestimmung einer zweiten Knotenschätzung von der ersten Knotenschätzung weg.

Die vorliegende Erfindung wird durch die folgenden Ansprüche definiert, und nichts in dem vorliegenden Abschnitt sollte als Beschränkung dieser Ansprüche aufgefaßt werden. Weitere Aspekte und Vorteile der Erfindung werden nachfolgend in Verbindung mit den bevorzugten Ausführungsformen besprochen.

KURZE BESCHREIBUNG DER ZEICHNUNGEN
Die Komponenten und die Figuren sind nicht unbedingt maßstabsgetreu, wobei statt dessen eine Veranschaulichung der Prinzipien der Erfindung betont wird. Außerdem kennzeichnen in den Figuren gleiche Bezugszahlen durchweg in den verschiedenen Ansichten entsprechende Teile.
1 ist ein Flußdiagramm einer Ausführungsform eines Verfahrens zur verfeinerten Segmentierung von Knoten bei der computerunterstützten Diagnose;
2 ist ein graphisches Beispiel für eine Ausführungsform des Verfeinerns der Segmentierung als Funktion von Scan-Daten;
3 ist ein graphisches Beispiel für eine Ausführungsform der verfeinerten Segmentierung; und
4 ist ein Blockschaltbild einer Ausführungsform eines Systems für verfeinerte Segmentierung von Knoten bei der computerunterstützten Diagnose.
AUSFÜHRLICHE BESCHREIBUNG DER ZEICHNUNGEN UND VON ZUR ZEIT BEVORZUGTEN AUSFÜHRUNGSFORMEN
Die Ausführungsformen können durch Verbessern der Segmentierung für juxtapleurale Fälle eine robuste Lungenknotensegmentierung in der Computertomographie (CT) bereitstellen. Durch Prüfung von Segmentierungsergebnissen können juxtapleurale Fälle identifiziert werden. Eine falsche Segmentierung aufgrund von umgebender Struktur kann durch Abänderung vermieden werden. Für juxtapleurale Fälle wird die Abänderung durch Ansätze der lokalen Nicht-Ziel-Entfernung und/oder Vermeidung bereitgestellt. Bei einem Ansatz wird die Lungenwandregion innerhalb eines Eingangssubvolumens erkannt und entfernt. Zum Beispiel wird eine binäre morphologische 3D-Öffnungsoperation verwendet. Durch Verwendung der Scan-Daten zum Identifizieren eines Strukturierungselements, wie zum Beispiel eines datengesteuerten ellipsoiden 3D-Strukturierungselements, führt die morphologische Operation wahrscheinlicher zu der Entfernung unerwünschter Informationen. Bei einem anderen Ansatz umfaßt ein erweiterter Mittelwertverschiebungsrahmen als Vorgabe einen Abstoßer (negativ), durch den die Konvergenz von einem spezifischen Datenpunkt oder spezifischen Punkten wegtendiert. Diese vorgabeeingeschränkte Mittelwertverschiebung dient zum korrekten Erkennen des Knotenzentrums trotz der Anwesenheit von Rippenknochen. Die Segmentierungsgenauigkeit kann ohne Entfernung der Wände und Rippen repräsentierenden Daten verbessert werden.
Bei einer Ausführungsform werden beide vorgeschlagenen Lösungen als Erweiterungen einer stabilen anisotropen Gaußschen Anpassungslösung realisiert, es können aber auch andere Segmentierungsalgorithmen verwendet werden. Aus der Gaußschen Anpassung wird ein ellipsoides Strukturierungselement und/oder der Abstoßer als Vorgabe abgeleitet.
Die Ausführungsformen können für andere Abbildungsmodalitäten verwendet werden, wie zum Beispiel Magnetresonanzabbildung, Ultraschall, Röntgen, Positronenemission oder andere nun bekannte oder später entwickelte Abbildungsarten. Es können Daten für 2- oder 3dimensionale Scans verwendet werden. Als Alternative kann man die Ausführungsformen für isolierte oder nichtjuxtapleurale Fälle benutzen.
1 zeigt eine Ausführungsform eines Verfahrens zur verfeinerten Segmentierung von Knoten bei der computerunterstützten Diagnose. Das Verfahren wird durch das System von 4 oder ein anderes System implementiert, wie zum Beispiel einen Personal Computer, einen Netzwerkserver oder eine Abbildungs-Workstation. Das Verfahren implementiert die Handlungen in der gezeigten Reihenfolge oder in einer anderen Reihenfolge. Zusätzlich können andere oder weniger Handlungen bereitgestellt werden. Zum Beispiel wird Handlung 26 und nicht 28 durchgeführt oder umgekehrt (mit oder ohne etwaige andere Handlungen). Als weiteres Beispiel werden die Handlungen 22, 24 und 30 ohne die Handlungen 26 und/oder 28 durchgeführt.
In Handlung 22 wird eine Knotenschätzung bestimmt. Die Knotenschätzung ist eine Segmentierung eines möglichen Knotens. Die Bestimmung wird automatisch oder halbautomatisch durch einen Prozessor durchgeführt und führt zu einer prozessorbestimmten Segmentierung.
Die Segmentierung ist lokal, wie zum Beispiel die Schätzung des Knotens in einer Subregion von Scan-Daten, die eine Ebene oder ein Volumen repräsentiert. Zum Beispiel wird ein Subvolumen von 33 × 33 × 33 Voxeln verwendet. Die Region ist größer als wahrscheinliche Knoten, zum Beispiel größer als 30 mm, 50 mm oder ein anderer Durchmesserwert. Es können andere Größen mit kubischen, sphärischen oder anders geformten Regionen, wie zum Beispiel eine globale Region, verwendet werden. Die Scan-Daten sind CT-Daten oder eine andere Art von Daten.
Die lokale Region wird automatisch durch den Prozessor oder als Reaktion auf Benutzereingaben ausgewählt. Aus den Ableswerten eines Radiologen durch Augenbewertung oder dem Ergebnis eines automatischen Knotendetektionssystems wird eine Markierung hergestellt. Zum Beispiel wird ein Algorithmus global angewandt, um wahrscheinlich mit Knoten assoziierte Regionen zu bestimmen. Als ein anderes Beispiel gibt der Benutzer einen Punkt, eine Fläche oder ein Volumen mit wahrscheinlicher Assozi ation mit einem Knoten ein. Die lokale Region ist an der Benutzereingabeposition oder über einer vorbestimmten Fläche oder einem vorbestimmten Volumen zentriert. Bei alternativen Ausführungsformen wird eine globale Segmentierung durchgeführt.
Nach dem Identifizieren der lokalen Region wird die Knotensegmentierung für die lokale Region durchgeführt. Die lokale Region kann einen isolierten Knoten oder einen juxtapleuralen Knoten enthalten. Die Segmentierung von Lungen- oder anderen Knoten wird an den Scan-Daten für die lokale Region durchgeführt. Es kann ein beliebiger jetzt bekannter oder später entwickelter Segmentierungsalgorithmus verwendet werden, wie zum Beispiel Filterung, ein trainiertes neuronales Netzwerk, Bayesische oder auf anderen Klassifizieren basierende Segmentierung.
Bei einer Ausführungsform wird die Segmentierung mit einer Gaußschen Anpassungsfunktion durchgeführt. Eine Gaußsche Funktion, wie zum Beispiel eine 2- oder 3-dimensionale Gaußsche Funktion, wird an die Scan-Daten angepasst. Zum Beispiel werden einer oder mehrere der Segmentierungsprozesse, die in den U.S.-Patentanmeldungen, Veröffentlichungs-Nr. 2005/0036710, 2005/0096525, 2005/0135663, 2005/0201606 oder (Anmeldung, lfd. Nr. 11/184,590), auf deren Offenlegungen hiermit ausdrücklich Bezug genommen wird, durchgeführt. Eine stabile anisotrope Gaußsche Anpassung identifiziert den durch die Computertomographie-Scan-Daten repräsentierten Knoten. Es wird eine halbautomatische (z.B. mit einem Klick) 3D-Knotensegmentierung bereitgestellt. Die Segmentierung mit einem Klick verwendet eine Markierung x_p, die eine grobe Position des Zielknotens angibt. An die mit der Markierung assoziierten Scan-Daten wird eine Gaußsche 3D-Funktion angepasst. Die 3D-Grenze des Knotens wird durch ein empirisch bestimmtes Ellipsoid mit 35%, 50% oder anderer Konfidenz der angepassten Gaußfunktion approximiert. Es können andere Strukturen als ein Ellipsoid verwendet werden, wie zum Beispiel eine Sphäre, ein Würfel oder eine irreguläre Struktur.
Für rechnerische Effizienz wird der Algorithmus auf ein Subvolumen V(x) angewandt, das an der Markierung x_p zentriert ist und aus CT-Volumendaten I(x)R³→R₊, wie zum Beispiel 12-Bit-CT-Scan-Daten extrahiert wird. Der Algorithmus liefert eine Gaußsche Funktion, die am besten oder ausreichend auf die lokale Intensitätsverteilung des Zielknotens paßt. Die Anpassung wird folgendermaßen repräsentiert: I(x) ≈ α xΦ(x; u, Σ)|_xϵS, wobei
die anisotrope 3D-Gaußfunktion, α ein positiver Betragsfaktor, S eine lokale Umgebung, die ein Anziehungsbecken des Ziels bildet, u der angepasste Gaußsche Mittelwert, der das geschätzte Knotenzentrum anzeigt, und Σ die angepasste Gaußsche Kovarianzmatrix ist, die die anisotrope Spreizung des Knotens angibt. u ist die Konvergenz des lokalen Maximums (z.B. Gradienten) unter Verwendung der Anpassungsfunktion.
α und S können nicht berechnet werden. Statt dessen führt der Algorithmus eine Multiscale-Analyse durch Betrachtung eines Gaußschen Maßstabraums des Eingangssubvolumens durch. Der Gaußsche Maßstabsraum L(x; h) ist eine Lösung der Diffusionsgleichung ∂_hL = 1 / 2⊽²L mit einer Initialisierung L(x; 0) = I(x). Ein solcher Maßstabsraum wird durch eine Faltung von I(x) mit einem Gaußschen Kern K_H(x) mit einer Bandbreitenmatrix H: L(x; h) = I(x)·K_H(x; H = h₁) definiert. Der Algorithmus betrachtet einen über eine Menge dicht abgetasteter diskreter Analysemaßstäbe {h_k|k = 1 ... K} konstruierten Gaußschen Maßstabsraum. Auf jedem Analysemaßstab wird eine stabile Analyse mit festem Maßstab zur Anpassung einer anisotropen Gaußschen Funktion in jedem Maßstabsraumbild durchgeführt. Der Mittelwert u und die Kovari anz Σ werden für jeden Maßstab oder Grad der Glättung (d.h. Bandbreite) bestimmt.
Die Analyse mit festem Maßstab führt eine robuste Gaußsche Anpassung mit Maßstabsraum-Mittelwertverschiebung durch, eine konvergente gewichtete Mittelwertverschiebung, die im Gaußschen Maßstabsraum definiert ist, repräsentiert als:
Der Gaußsche Mittelwert u als Knotenzentrum wird durch die Konvergenz des größten Teils der um die Markierung x_p herum abgetasteten Anfangs-Seeds geschätzt. Um den geschätzten Mittelwert u herum wird eine Menge neuer Seeds abgetastet. Aus jedem Seed werden dann die Mittelwertverschiebungsprozeduren durchgeführt. Die Gaußsche Kovarianz wird durch eine Least-Squares-Lösung mit den Bedingungen eines linearen Systems mit unbekannter Σ geschätzt, das mit Mittelwertverschiebungsvektoren nur entlang der konvergenten Trajektorien konstruiert wird. Das lineare System kann mit einer ansprechnormierten Maßstabsraum-Hessematrix konstruiert werden.
Wenn eine Menge geschätzter Gaußfunktionen gegeben ist, bestimmt die stabilste Schätzung über die Maßstäbe hinweg das Endergebnis. Bei einer Ausführungsform wird ein Fehler zwischen der durch die Gaußfunktionen bereitgestellten geschätzten Segmentierung und den Scan-Daten berechnet. Bei anderen Ausführungsformen, wenn zum Beispiel der Fehler groß oder irregulär sein kann, wird die Menge geschätzter Gaußfunktionen untersucht, um als Funktion der veränderlichen Bandbreite eine stabilste Schätzung zu identifizieren. Bei einer gegebenen Menge von auf den Analysemaßstäben von {(u_k, Σ_k)} geschätzten Gaußfunktionen wird die Multiscale-Analyse durch Finden der stabilsten Schätzung unter anderen unter Verwendung eines auf Divergenz basierenden Stabilitätstests realisiert, es können aber auch andere Tests verwendet werden. Ein beispielhafter Algorithmus verwendet die Jensen-Shannon-Divergenz (JSD) dreier benachbarter Gaußfunktionen, die auf jedem Analysemaßstab berechnet werden. Unter Annahme der Normalform von Verteilungen wird die JSD in der folgenden einfachen Form ausgedrückt:
mit
Die Minimierung des JSD-Profils über die Maßstäbe h_k hinweg führt zu der stabilsten-über-Maßstäbe-Schätzung (u*, Σ*).
Die Robustheit ist auf zwei Aspekte dieses Algorithmus zurückzuführen. Erstens führt die Gaußsche Anpassungslösung mit festem Maßstab eine robuste Modellanpassung mit Entfernung von Ausreißern unter Verwendung der Maßstabsraum-Mittelwertverschiebungs-Konvergenzanalyse durch. u wird aus Gleichung 1 für jedes h bestimmt, wobei es sich bei Ausreißern um Informationen handelt, die nicht als Teil des Knotens geschätzt werden. Die Konvergenz von m auf eine Spitze mit Außenliegerentfernung reduziert wahrscheinlicher die Effekte anderer Strukturen. Dies hilft bei der Linderung des Problems nebengelagerter benachbarter Strukturen wie zum Beispiel Rippen, Brustwände oder Gefäße. Zweitens macht die Benutzung der auf Stabilität basierenden Maßstabauswahl den Anpassungsprozeß sogar für Intensitätsverteilungen, die der Gaußschen Annahme nicht gut folgen, stabiler. Dies unterstützt die Wählbarkeit der Lösung zur Segmentierung klinisch signifikanter, aber technisch problematischer Mattglas- oder anderer Arten von Knoten.
Trotz der Robustheit können bestimmte juxtapleurale oder andere Fälle zu einer ungenauen Segmentierung führen. Die robuste Gaußsche Anpassungslösung oder anderweitige Segmentierungsschätzung kann zur Behandlung von nicht nur solitären sondern auch der juxtapleuralen Fälle noch erweitert werden. Die robuste Gaußsche Anpassung oder anderweitige Segmentierungsschätzung wird durchgeführt, und die Ergebnisse werden in Handlung 22 geprüft, wie zum Beispiel mit einer Anpassungsgüteprüfung. Ein Prozessor prüft automatisch oder halbautomatisch die Knotenschätzung als Funktion von Scan-Daten. Die Prüfung identifiziert die Knotenschätzung, die mit einem möglichen juxtapleuralen Knoten assoziiert ist, wie zum Beispiel die Prüfung zur Identifizierung eines möglichen wandbefestigten Knotens.
Die berechneten Computertomographie- oder anderen Scan-Daten werden mit der Segmentierung der Lungen- oder anderer Knoten verglichen. Zum Beispiel werden Fehler zwischen der prozessorbestimmten Segmentierung und den Scan-Daten analysiert. Bei einer Ausführungsform werden Chiquadratfehler zwischen den Daten und dem Modell berechnet, es können aber andere Fehlerberechnungen verwendet werden. Bei einer anderen Ausführungsform wird eine lineare DC-Beeinflussung ausgewertet. Es können andere heuristische Tests, wie zum Beispiel die Verwendung eines trainierten neuronalen Netzwerks oder eines anderen Klassifizierers, verwendet werden. Man kann Kombinationen von Tests verwenden, wie zum Beispiel Chiquadratfehleranalyse kombiniert mit einer Linear-DC-Beeinflussungsprüfung. Jede Schwelle oder anderweitige Bestimmung dafür, daß eine Segmentierung die Prüfung besteht oder nicht, kann vorgesehen werden, wie zum Beispiel Fehlerschwellen oder heuristische Ergebnisse auf der Basis eines Trainings oder von Datenmengen mit bekannten Wahrheiten.
Wenn die anfänglichen Anpassungsergebnisse die Prüfung in Handlung 22 nicht bestehen, wird ein weiterer Prozeß durchgeführt, um eine mögliche, genauere Segmentierung oder Knotenschätzung bereitzustellen. Man kann einen oder mehrere verschiedene weitere Prozesse verwenden, darunter beliebige nun bekannte oder später entwickelte Prozesse. Im allgemeinen können für die robuste Gaußsche Segmentierung die meisten durch die Chiquadratfehleranalyse in Kombination mit der Linear-DC-Beeinflussungs-Anpassungsgüteprüfung detektierten krassen Segmentierungsfehler auf juxtapleurale Fälle zurückzuführen sein. Die anfänglichen angepasten Gaußfunktionen für solche Fehler können tendenziell die Wand- und Rippenstrukturen approximieren. Segmentierungslösungen, die die anfängliche angepasste Gaußfunktion als Eingabe für ihren Prozess verwenden, können diese Beobachtungen ausnutzen.
Bei einer Ausführungsform führt der Prozessor eine Abänderung mit dem weiteren Prozess in Handlung 24 durch. Die Scan-Daten, der Knotenschätzungsprozeß, ein Parameter für den Schätzungsprozeß, Kombinationen davon oder andere Abänderungen werden durchgeführt. Bei einer Ausführungsform werden Scan-Daten als Funktion einer morphologischen Funktion auf der Basis der anfänglichen Segmentierung verändert. Bei einer anderen Ausführungsform wird die nachfolgende Segmentierungsschätzung von der anfänglichen Segmentierung weg gewichtet. Die anfängliche Segmentierung wird durch Nichtbestehen der Prüfung als ungenau betrachtet. Dieses Nichtbestehen kann zur Beeinflussung einer späteren Segmentierung verwendet werden, um einen Knoten und nicht eine andere Struktur zu identifizieren. Es können andere Ausführungsformen verwendet werden, die eine Funktion der anfänglichen Segmentierung sind oder auch nicht.
Bei der Ausführungsform zum Abändern von Scan-Daten in Handlung 24 werden nicht mit unerwünschter Struktur assoziierte Scan-Daten ausgewählt oder mit unerwünschter Struktur assoziierte Scan-Daten werden in Handlung 26 entfernt. Zum Beispiel wird durch dreidimensionale mor phologische Öffnung eine Wandentfernung durchgeführt. Die Auswahl oder Entfernung ist eine Funktion einer morphologischen Funktion. Die morphologische Funktion reagiert auf die Scan-Daten und ist zum Beispiel eine Funktion der wahrscheinlich unerwünschte Struktur repräsentierenden anfänglichen Segmentierung. Es kann jede morphologische Funktion verwendet werden, wie zum Beispiel Bestimmung einer Filterform als Funktion von Scan-Daten oder als Funktion eines Ellipsoids als Reaktion auf die anfängliche Anpassung.
Das Eingangssubvolumen des juxtapleuralen Mißerfolg-Falls kann Lungenwandregionen enthalten. Solche Wandregionen erscheinen typischerweise als eine große verbundene Region mit CT-Werten, die höher als das umgebende Lungen-Parenchym sind. Der juxtapleurale Knoten kann als teilweise in die Wand eingebettete Knotenstruktur erscheinen. Die Wandregionen werden aus dem Subvolumen unter Verwendung der morphologischen Operation entfernt. Die robuste Gaußsche Anpassung oder anderweitige Segmentierung wird dann an den wandentfernten Scan-Daten durchgeführt, was zu einer verbesserten Segmentierung des Zielknotens führt.
2 repräsentiert graphisch einen möglichen Algorithmus zur Auswahl oder Entfernung von Scan-Daten abhängig von einer morphologischen Funktion. Zu den Eingaben gehören das Subvolumen V(x), die Markierung x_p und die angepasste Gaußfunktion (u*, Σ*), die die Anpassungsgüteprüfung nicht bestanden hat. Das Bild bei 34 zeigt das Subvolumen in einem zweidimensionalen Querschnitt, wobei die hellere Region einen an einer Wand eingebetteten Knoten repräsentiert. Mit unerwünschter Struktur, wie zum Beispiel Wandregionen assoziierte Scan-Daten werden aus V(x) entfernt, was zu V_r(x), repräsentiert an dem Bild mit der Bezeichnung 37 führt.
Wie für das Bild bei 35 gezeigt, werden die Scan-Daten binärisiert oder in eine binäre Repräsentation umge formt. Es wird eine Schwelle wie zum Beispiel ein Wert von 500 für Scan-Daten mit einem Dynamikumfang von 0 bis 4095 auf die Scan-Daten angewandt. Die Schwelle ist eine Intensitätsschwelle. Es können andere Schwellen oder Schwellenwerte verwendet werden.
Die morphologische Funktion wird zumindest teilweise auf der Basis der anfänglichen Knotenschätzung, einer Sphäre, eines Ellipsoids, Kombinationen davon oder anderer Formen berechnet. Zum Beispiel wird ein dreidimensionales Strukturelement als Funktion der anfänglichen Knotenschätzung initialisiert, wenn der mittlere Durchmesser größer als eine Schwelle ist, und als Funktion einer vorbestimmten Struktur, wenn der mittlere Durchmesser kleiner als die Schwelle ist. Es wird ein mittlerer Durchmesser D_ave des durch die anfängliche Segmentierungskovarianz Σ* definierten Ellipsoids berechnet. Wenn der mittlere Durchmesser größer als eine Schwelle ist, ist die morphologische Funktion eine dreidimensionale Struktur E, die durch die anfängliche Segmentierung Σ* definiert wird (E = Σ*). Es kann jede Schwelle verwendet werden, wie zum Beispiel 16,6 Voxel oder eine bestimmte Größe. Andernfalls wird die dreidimensionale Struktur E auf eine dreidimensionale Sphäre mit festem Radius, wie zum Beispiel 14 Voxel oder eine bestimmte Größe, gesetzt. Es können andere Schwellen, Radien oder Formen oder Größen verwendet werden. Man kann zweidimensionale Verarbeitung benutzen. Dieses datenabhängige ellipsoide Strukturierungselement wird für jedes Subvolumen oder ein mögliche unerwünschte Struktur geschätzt. Die Strukturierungselemente weisen eine selbe oder verschiedene Größen auf.
Die Struktur E repräsentiert eine Filterform. Filterung mit der datenabgeleiteten Filterform ermöglicht eine Glättung und/oder Verschärfung in einem oder mehreren Durchgängen zur Auswahl oder Entfernung von Scan-Daten. Die Scan-Daten werden als Funktion der Filterform gefiltert. Die Filterung führt eine morphologische Öff nung als Funktion der morphologischen Funktion durch. Zum Beispiel wird eine dreidimensionale binäre morphologische Öffnung als Funktion des dreidimensionalen Strukturelements E durchgeführt, was dazu führt, dass das geglättete Volumen B_S(x) nur die große Wandregion behält: B_S(x) = [B_o(x) E] E. Das Bild bei 36 zeigt die Ergebnisse der Filterung der binären Scan-Daten als Funktion des Strukturelements.
Die bei 34 repräsentierten Scan-Daten des ursprünglichen Subvolumens werden als Funktion einer Ausgabe der bei 36 repräsentierten dreidimensionalen binären morphologischen Öffnung maskiert. Die Maskierung wählt die interessierenden Daten oder entfernt die unerwünschten Daten. Zum Beispiel wird eine Wandentfernung durchgeführt, indem man V(x) mit dem Negativen von B_S(x) maskiert: V_r(x) = V(x) × NOT[B_S(x)]. In Handlung 30 wird Segmentierung an den geänderten Scan-Daten durchgeführt, wie zum Beispiel Durchführung des robusten Gaußschen Anpassungsalgorithmus an Vr(x) mit x_p. Die Segmentierung kann eine verbesserte Knotensegmentierung (u_wr, Σ_wr) bereitstellen.
Bei einer alternativen oder zusätzlichen Ausführungsform wird in Handlung 28 von 1 die Segmentierungsschätzung von der erfolglosen Segmentierung oder Knotenschätzung weg beeinflusst. Die Beeinflussung kann wie in dem US-Patent-Nr. _____ (lfd. Nr._____, registriert am 9.3.2006 (Aktenzeichen Nr. 2005P05271US)) offengelegt, für juxtapleurale Fälle durchgeführt werden, wobei auf diese Offenlegung hiermit ausdrücklich Bezug genommen wird. Die Konvergenz für eine nachfolgende Segmentierung wird beeinflusst oder von dem falschen Ergebnis weg geschoben. Zum Beispiel beeinflusst das durch die anfängliche Segmentierung ausgegebene Ellipsoid die spätere Segmentierung. Bei einem juxtapleuralen Knoten wird die Bestimmung der Knotenschätzung von der Wand- oder Rippenstruktur weg verschoben, die durch die Computertomographie-Scandaten repräsentiert wird und neben dem möglichen juxtapleuralen Knoten liegt. Es wird angenommen, dass die anfängliche Knotenschätzung mit der Wand- oder Rippenstruktur assoziiert ist. Das nachfolgende Knotenzentrum wird ohne explizite Entfernung von die Wände und/oder Rippen repräsentierenden Daten erkannt.
Bei der auf Gaußscher Anpassung basierenden Segmentierung wird die Mittelwertverschiebung durch eine Gaußsche Abstoßungsvorgabe eingeschränkt. Die durch Vorgabe eingeschränkte Mittelwertverschiebung umfasst räumliche Vorgabeinformationen für die datengesteuerte Mittelwertverschiebungsanalyse. Für mindestens eine mit der anfänglichen Knotenschätzung oder -segmentierung assoziierte Position wird den Scan-Daten eine negative Vorgabe zugewiesen. Die vorherige stabile Gaußsche Anpassung wird an dem Subvolumen V(x) durchgeführt, was zu der Knotenzentrum- und Spreizungsschätzung (u^*, Σ*) führt. Diese angepasste Gaußfunktion wird als Normalwahrscheinlichkeitsverteilung Q(x) interpretiert, die eine Wahrscheinlichkeit angibt, dass x das geschätzte Zentrum ist, repräsentiert als:
Q(x) hat den höchsten Wert im Fall x = u^*. Ein Nichtbestehen der Anpassungsgüteprüfung zeigt an, dass die geschätzte Position u^* nicht an dem Zentrum des Zielknotens liegt und dass die geschätzte Spreizung Σ* grob das Ausmaß der (Rippen-/Wand-)Struktur ausdrückt, das die Mittelwertverschiebungskonvergenz falsch von dem wahren Knotenzentrum weg angezogen hat. Das Knotenzentrum kann mit der eingeschränkten Mittelwertverschiebung, deren Konvergenz durch die Kenntnis von Q(x) beeinflusst wird, um so die Konvergenz von der erfolglosen Schätzung u^* wegzuschieben, neu geschätzt werden.
Um eine solche abstoßende (negative) Vorgabe zu integrieren, wird Gleichung 3 invertiert und als Parameterabänderung bei nachfolgender Segmentierung oder Knotenschätzung angewandt. Die Scan-Daten I(x) werden neu abgetastet oder mit Gewichten assoziiert, um das Prinzip zu bezeichnen, dass bestimmte Datenpunke wahrscheinlicher als andere sind. Durch Vorgaben induzierte positive Gewichte werden durch ein Negatives von Q(x) definiert, repräsentiert als: wQ(x) = 1 – |2πΣ*|1/2Q(x) (4)
Die Integration der negativen Vorgabe führt zu dem folgenden neu abgetasteten Maßstabsraum L(x; h), der im diskretisierten Datenraum ausgedrückt wird:
Die auf eine Mode in L (x; h) konvergierende Mittelwertverschiebung m_r(x; h, Q) ist die durch negative Vorgabe eingeschränkte Maßstabsraum-Mittelwertverschiebung. Die durch negative Vorgabe eingeschränkte Maßstabsraum-Mittelwertverschiebung wird definiert durch:
Die Konvergenzeigenschaft wird aufrechterhalten wegen wQ(xi) ≥ 0∀xi.
Mit der negativen Vorgabe wird die Segmentierung nochmals durchgeführt. Zum Beispiel wird die Gaußsche Funktion auf die Computertomographie-Scan-Daten als Funktion von mit der anfänglichen Knotenschätzung assoziierten Beeinflussungen angewandt. In Handlung 30 wird durch Ersetzen der ursprünglichen Maßstabsraum-Mittelwertverschiebung durch die vorgabeneingeschränkte Mittelwertverschiebung (Gleichung 1 ersetzt durch Gleichung 6) in dem robusten Anpassungsalgorithmus eine neue Gaußsche Anpassungslösung konstruiert. Bei einer gegebenen anfänglichen Gaußfunktion (u*, Σ*), die die Anpassungsgüteprüfung nicht besteht, wird diese neue Lösung mit m_r(x; h, Q) an den ursprünglichen Daten V(x) ausgeführt, was zu einer verbesserten Segmentierung mit (u_ms, Σ_ms) führt.
Die Handlungen 26 und 28 können unabhängig oder zusammen benutzt werden. Die Ergebnisse aus beiden Handlungen 26 und 28 können kombiniert werden, wie zum Beispiel durch Mittelung oder eine beste Anpassung an die bestimmten Ergebnisse. Der Prozess von Handlung 26 kann zum Führen oder Verfeinern des Prozesses von Handlung 28 verwendet werden oder umgekehrt. Als Alternative wird Handlung 26 ohne Durchführung von Handlung 28 durchgeführt, oder Handlung 28 wird ohne Durchführung von Handlung 26 durchgeführt.
In Handlung 30 wird eine weitere prozessorbestimmte Segmentierung oder Knotenschätzung als Funktion der geänderten Scan-Daten, des geänderten Parameters, der geänderten Knotenschätzung oder einer Kombination davon bestimmt. Es wird dieselbe oder eine andere Segmentierung durchgeführt, wie zum Beispiel Bestimmung als Funktion der dreidimensionalen Gaußschen Anpassungsfunktion. Die nachfolgende Segmentierung wird als Funktion negativer Vorgaben oder von Scan-Daten mit entfernten oder gewählten Informationen bestimmt. Für entfernte oder ausgewählte Daten wird der Knoten als Funktion der gefilterten Scan-Daten, maskiert, um Daten zu identifizieren, die wahrscheinlicher mit einem Knoten assoziiert sind, segmentiert. Für beeinflusste Daten wird der Knoten als Funktion der Scan-Daten mit durch die Segmentierungsvorgabe beeinflusster Mittelwertverschiebung segmentiert. Eine Abänderung kann eine besse re Lungenknotensegmentierung eines juxtapleuralen Knotens mit Computertomographiedaten erlauben.
3 zeigt einige anschauliche Beispiele. Das äußerste linke Bild enthält eine elliptische Segmentierung 42 mit einem Zentrum 41 auf unerwünschter Struktur in der Nähe eines großen Knotens. Das mittlere Bild zeigt die nachfolgende Segmentierung 43 nach Entfernung von der Struktur entsprechenden Scan-Daten. Das äußerste rechte Bild zeigt die nachfolgende Segmentierung 44 nach Integration negativer Vorgaben. Der Prozess wird einmal durchgeführt, kann aber iterativ durchgeführt werden, zum Beispiel wenn ein Knoten mehreren Distraktoren benachbart sein kann. Verschiedene weitere Prozesse zur Abänderung können in anderen Situationen besser arbeiten. Der Prozeß wird unabhängig für jede Markierung, jeden möglichen Knoten oder jedes mögliche Subvolumen (d.h. jede mögliche lokale Region) angewandt.
Die morphologische auf Öffnung basierende und vorgabeneingeschränkte auf Mittelwertverschiebung basierende Lösung, die ausgehend von dem robusten Gaußschen Anpassungsansatz erweitert wurde, kann juxtapleurale Fälle effektiv segmentieren. Wenn Knoten an Nicht-Wandstrukturen angebracht oder durch diese beeinflusst werden oder sehr große Knoten an einem dünnen Teil der Lungenwand angebracht sind, kann die Verwendung negativer Vorgaben besser als morphologische Öffnung arbeiten. Die morphologische Öffnung kann in anderen Situationen, wie zum Beispiel kleine juxtapleurale Fälle, besser arbeiten. Das Verfahren von 1 kann nach einer bestimmten Situation prüfen und einen entsprechenden weiteren Prozess auswählen. Alternativ dazu wird derselbe weitere Prozess ungeachtet des Grunds für das Nichtbestehen der Prüfung durchgeführt.
Die Segmentierung kann bei der Diagnose helfen. Zum Beispiel kann eine ordnungsgemäße Segmentierung genauere volumetrische Messung von Knoten bereitstellen. Kno tenvolumen, -form oder -variation kann für die Diagnose klinisch günstig sein. Für den oben besprochenen Ansatz der Gaußschen Anpassung wird eine ellipsoide Grenzapproximation verwendet. Eine weitere Verbesserung der Segmentierungsqualität kann jedoch möglich sein, indem man eine nichtparametrische Segmentierung mit einer Gaußschen Vorgabe integriert, die unter Verwendung der vorgeschlagenen Verfahren in der U.S.-Patentanmeldung, Veröffentlichung Nr. 2005/0201606, auf deren Offenlegung hiermit ausdrücklich Bezug genommen wird, abgeleitet wird. Ein Knoten wird durch eine Gaußsche Funktion approximiert. Um einen feineren Segmentierungsgrad zu erhalten, wird mit der verwendeten Gaußschen Anpassung als Vorgabe eine andere Segmentierung durchgeführt. Es können andere Abänderungen oder Unterschiede verwendet werden.
Bei einer Ausführungsform umfasst das Verfahren von 1 andere Prüfungen oder Handlungen. Zum Beispiel wird ein mehrschichtiger oder hierarchischer Ansatz angewandt. Es können Gaußfunktionen verschiedener Größe benutzt werden. Zum Beispiel werden zwei verschiedene Subvolumen- und assoziierte Segmentierungen durchgeführt (z.B. 33 × 33 × 33 und 66 × 66 × 66). Das große Subvolumen kann reduziert werden, wie zum Beispiel durch Glättung und Downsampling, um dieselben Parameter wie für das kleinere Subvolumen anzuwenden. Das kleinere Subvolumen wird zuerst verwendet. Wenn die Segmentierung des kleineren Volumens erfolglos bleibt, wird das größere Subvolumen zum Prüfen auf größere Knoten verwendet. Wenn zum Beispiel Σ* über einer Schwelle liegt, kann die kleinere Segmentierung als Misserfolg bestimmt werden und die größere Segmentierung wird angewandt.
4 zeigt eine Ausführungsform eines Systems 50 zur verfeinerten Segmentierung von Knoten bei der computerunterstützten Diagnose. Das System 50 ist eine Workstation, ein Personal Computer, ein Netzwerk, ein Server, ein computerunterstütztes Diagnosesystem, ein Abbil dungssystem, ein Computertomographiesystem, ein Abbildungssystem zur medizinischen Diagnose oder ein anderes jetzt bekanntes oder später entwickeltes Verarbeitungssystem. Zum Beispiel empfängt eine lokale oder entfernte Workstation Bilder zur computerunterstützten Diagnose. Das System 50 implementiert das Verfahren von 1 oder ein anderes Verfahren.
Das System 50 enthält einen Prozessor 52, einen Speicher 54, ein Display 56 und eine Benutzereingabe 58. Es können zusätzliche, andere oder weniger Komponenten vorgesehen werden. Zum Beispiel enthält das System 50 nicht die Benutzereingabe 58 und/oder das Display 56. Als ein weiteres Beispiel enthält das System 50 einen Sensor, wie zum Beispiel einen Computertomographie-Bildformer. Die Komponenten sind nebeneinander gezeigt, wie zum Beispiel in einem selben Zimmer, auf einem selben Wagen oder in einem selben Gehäuse. Bei anderen Ausführungsformen sind eine oder mehrere Komponenten dezentral, wie zum Beispiel der Speicher 54, bei dem es sich um eine entfernte Datenbank handelt, oder das Display 56, das sich auf einer vernetzten oder drahtlosen Einrichtung befindet.
Die Benutzereingabe 58 ist eine Tastatur, eine Schaltfläche, ein Schieber, eine Maus, ein Touchpad, ein Touchscreen, ein Trackball, eine Wählscheibe oder eine andere jetzt bekannte oder später entwickelte Eingabeeinrichtung. Die Benutzereingabe 58 ist Teil einer durch den Prozessor 52 erzeugten oder gesteuerten Benutzeroberfläche. Der Benutzer tritt mit dem computerunterstützten Diagnosesystem 50 in Wechselwirkung, um Knoten zu identifizieren oder um auf der Basis von Segmentierung Größen zu berechnen. Zum Beispiel empfängt die Benutzereingabe 58 eine Benutzereingabe-Knotenmarkierungsposition.
Bei dem Prozessor 52 handelt es sich um einen oder mehrere allgemeine Prozessoren, digitale Signalprozesso ren, anwendungsspezifische integrierte Schaltungen, am Einsatzort programmierbare Gatearrays, Server, Netzwerke, digitale Schaltungen, analoge Schaltungen, Kombinationen davon oder um eine andere jetzt bekannte oder später entwickelte Einrichtung zum Verarbeiten medizinischer Bilddaten. Der Prozessor 52 implementiert ein Softwareprogramm, wie zum Beispiel manuell erzeugten oder programmierten Code oder wie etwa ein trainiertes Klassifikations- oder Modellsystem. Die Software identifiziert Knotengrenzen. Als Alternative implementiert Hardware oder Firmware die Identifikation. Der Prozessor 52 erhält die Scan-Daten, Operationsanweisungen und/oder anderen Informationen von dem Speicher 54.
Der Prozessor 52 ist betreibbar, um als Funktion von Scan-Daten eine Knotensegmentierung zu prüfen. Die Scan-Daten sind Computertomographiedaten, es können aber andere Arten von Daten verwendet werden. Die Scan-Daten repräsentieren einen Knoten, wie zum Beispiel einen Tumor oder eine andere Struktur. Ein Beispiel ist ein juxtapleuraler Knoten in der Lungencomputertomographie. Zur Prüfung wird die Knotensegmentierung mit den Computertomographiedaten verglichen. Es kann eine beliebige Prüfung verwendet werden, wie zum Beispiel Anpassungsfehler- oder heuristische Prüfung.
Der Prozessor 52 ist betreibbar, um die Scan-Daten, einen Parameter oder die Scan-Daten und einen Parameter zu verändern, wenn eine vorherige Segmentierung die Prüfung nicht besteht. Zum Beispiel wählt der Prozessor 52 Scan-Daten als Funktion einer morphologischen Funktion. Als ein anderes Beispiel beeinflusst der Prozessor 52 die Bestimmung einer nachfolgenden Segmentierung von der vorherigen prozessorbestimmten Segmentierung weg, wie zum Beispiel Beeinflussung von einer Wand- oder Rippensegmentierung weg. Die Abänderung kann eine Funktion der für die Knotenschätzung benutzten Scan-Daten sein, wobei zum Beispiel der vorherige geschätzte Knoten zur Veränderung verwendet wird.
Der Prozessor 52 ist betreibbar, um die vorherige und/oder nachfolgende Segmentierung zu bestimmen. Es wird eine dreidimensionale Gaußsche Anpassung durchgeführt, es können aber andere Segmentierungsalgorithmen verwendet werden. Bei einem Beispiel bestimmt der Prozessor 52 die nachfolgende Segmentierung als Funktion gewählter Scan-Daten, wobei andere Scan-Daten entfernt sind. Bei einem weiteren Beispiel bestimmt der Prozessor 52 die nachfolgende Segmentierung als Funktion des abgeänderten Parameters oder Segmentierungsprozesses, zum Beispiel assoziiert mit der Verwendung einer negativen Vorgabe.
Der Speicher 54 ist ein computerlesbares Speichermedium. Computerlesbare Speichermedien sind zum Beispiel verschiedene Arten von flüchtigem und nichtflüchtigem Speichermedium, darunter ohne Einschränkung Direktzugriffspeicher, Nurlesespeicher, programmierbarer Nurlesespeicher, elektrisch programmierbarer Nurlesespeicher, elektrisch löschbarer Nurlesespeicher, Flash-Speicher, Magnetband oder -datenträger, optische Medien und dergleichen. Der Speicher 54 speichert die Scan-Daten für die Verarbeitung durch den Prozessor 52 oder während dieser. Die Scan-Daten werden in den Prozessor 52 oder in den Speicher 54 eingegeben. Bei einer Ausführungsform sind die Scan-Daten Bilddaten. Bei anderen Ausführungsformen sind die Scan-Daten Daten vor der Umsetzung in ein Bildformat, wie zum Beispiel Sensordaten oder detektierte Daten.
Bei einer Ausführungsform ist der Speicher 54 ein computerlesbares Speichermedium, auf dem Anweisungen gespeichert sind, die durch den programmierten Prozessor 52 ausführbar sind. Der Prozessor 52 implementiert hier besprochene automatische oder halbautomatische Operationen mindestens teilweise mit den Anweisungen. Die Anweisungen bewirken, dass der Prozessor 52 eine beliebige, alle oder bestimmte der hier beschriebenen Funktio nen oder Handlungen implementiert. Die Funktionen, Handlungen oder Aufgaben sind unabhängig von dem konkreten Typ von Anweisungssatz, Speichermedium, Prozessor- oder Verarbeitungsstrategie und können durch Software, Hardware, integrierte Schaltungen, Filmware, Mikrocode und dergleichen, die alleine oder in Kombination wirken, durchgeführt werden. Ähnlich wären Verarbeitungsstrategien zum Beispiel Mehrfachverarbeitung, Multitasking, Parallelverarbeitung und dergleichen.
Bei einer Ausführungsform werden die Anweisungen auf einem Wechselmediumlaufwerk zum Lesen durch ein medizinisches diagnostisches Abbildungssystem, ein computerunterstütztes Diagnosesystem oder eine mit Abbildungssystemen vernetzte Workstation gespeichert. Ein Abbildungssystem oder eine Workstation lädt die Anweisungen herauf. Bei einer anderen Ausführungsform werden die Anweisungen an einem abgesetzten Ort zum Transfer durch ein Computernetzwerk oder über Telefonkommunikation zu dem Abbildungssystem oder der Workstation gespeichert. Bei noch anderen Ausführungsformen werden die Anweisungen innerhalb des Systems auf einer Festplatte, Direktzugriffspeicher, Cache-Speicher, Puffer, wechselbarem Medium oder einer anderen Einrichtung gespeichert.
Das Display 56 ist ein Monitor, eine CRT, ein LCD-, Plasma-, Flachbild-Schirm, ein Touchscreen, ein Projektor, ein Drucker oder eine andere jetzt bekannte oder später entwickelte Display-Einrichtung. Das Display 56 gibt eine Anzeige der Segmentierung aus. Zum Beispiel gibt das Display 56 ein Bild aus, das auf der Basis der Segmentierung mit einer überlagerten Grenze aus den Scan-Daten erzeugt wird. Als ein weiteres Beispiel gibt das Display 56 einen Wert, wie zum Beispiel ein Volumen, auf der Basis der Segmentierung aus. Es können andere Ausgaben vorgesehen werden.
Obwohl die Erfindung oben unter Bezugnahme auf verschiedene Ausführungsformen beschrieben wurde, versteht sich, dass viele Änderungen und Modifikationen vorgenommen werden können, ohne von dem Schutzumfang der Erfindung abzuweichen. Es ist deshalb beabsichtigt, dass die obige ausführliche Beschreibung nicht als einschränkend, sondern als veranschaulichend betrachtet wird und dass es sich versteht, dass die folgenden Ansprüche einschließlich aller Äquivalente den Gedanken und Schutzumfang der vorliegenden Erfindung definieren sollen.

Claims

Verfahren zur verfeinerten Segmentierung von Knoten bei der computerunterstützten Diagnose, mit den folgenden Schritten: Prüfen einer ersten prozessorbestimmten Segmentierung als Funktion von Computertomographie-Scan-Daten mit einem Prozessor; Abändern der Scan-Daten, eines Parameters oder der Scan-Daten und eines Parameters, wenn die erste prozessorbestimmte Segmentierung die Prüfung nicht besteht, mit dem Prozessor; und Bestimmen einer zweiten prozessorbestimmten Segmentierung als Funktion der geänderten Scan-Daten, des Parameters oder der geänderten Scan-Daten und des Parameters.
Verfahren nach Anspruch 1, ferner mit dem folgenden Schritt: Bestimmen der ersten prozessorbestimmten Segmentierung als eine Lungenknotensegmentierung als Funktion der Scan-Daten, wobei die Scan-Daten Computertomographiedaten umfassen; wobei das Prüfen umfasst, die Lungenknotensegmentierung als Funktion der Computertomographiedaten zu prüfen.
Verfahren nach Anspruch 2, wobei das Bestimmen der ersten prozessorbestimmten Segmentierung ein Anpassen als Funktion einer Knotenmarkierungsposition und einer dreidimensionalen Gaußschen Funktion umfasst.
Verfahren nach Anspruch 1, wobei das Bestimmen ein Anpassen als Funktion einer dreidimensionalen Gaußschen Funktion umfasst.
Verfahren nach Anspruch 1, wobei das Prüfen ein Prüfen auf einen juxtapleuralen Knoten umfasst.
Verfahren nach Anspruch 1, wobei das Prüfen folgendes umfasst: Analysieren von Fehlern zwischen der ersten prozessorbestimmten Segmentierung und den Scan-Daten; Durchführen einer Linear-DC-Beeinflussung; heuristisches Prüfen; oder Kombinationen davon.
Verfahren nach Anspruch 1, wobei das Abändern umfasst, Scan-Daten als Funktion einer morphologischen Funktion zu entfernen und wobei das Bestimmen der zweiten prozessorbestimmten Segmentierung ein Bestimmen als Funktion der Scan-Daten ohne die entfernten Scan-Daten umfaßt.
Verfahren nach Anspruch 7, wobei das Entfernen folgendes umfasst: Bestimmen der morphologischen Funktion mindestens teilweise auf der Basis der ersten prozessorbestimmten Segmentierung, einer Sphäre oder Kombinationen davon; Durchführen einer morphologischen Öffnung als Funktion der morphologischen Funktion; und Maskieren der Scan-Daten als Funktion einer Ausgabe der morphologischen Öffnung.
Verfahren nach Anspruch 1, wobei die Abänderung umfasst, die Bestimmung der zweiten prozessorbestimmten Segmentierung von der ersten prozessorbestimmten Segmentierung weg zu beeinflussen.
Verfahren nach Anspruch 9, wobei die Beeinflussung umfasst, mit der ersten prozessorbestimmten Segmentierung assoziierten Scan-Daten negative Vorgaben zuzuweisen und wobei das Bestimmen der zweiten prozessorbestimmten Segmentierung ein Bestimmen als Funktion der negativen Vorgaben umfasst.
Verfahren nach Anspruch 9, wobei die Scan-Daten einen juxtapleuralen Knoten enthalten und wobei die Beeinflussung eine Beeinflussung von einer Wand oder von Rippen weg umfasst.
System zur verfeinerten Segmentierung von Knoten bei der computerunterstützten Diagnose, wobei das System folgendes umfasst: einen Prozessor, der betreibbar ist, um eine erste Segmentierung als Funktion von Scan-Daten zu prüfen, der betreibbar ist, um die Scan-Daten, einen Parameter oder die Scan-Daten und einen Parameter abzuändern, wenn die erste Segmentierung die Prüfung nicht besteht, und der betreibbar ist, um eine zweite Segmentierung als Funktion der abgeänderten Scan-Daten, des Parameters oder der Scan-Daten und des Parameters zu bestimmen; und ein Display, das betreibbar ist, um eine Anzeige der zweiten Segmentierung auszugeben.
System nach Anspruch 12, wobei der Prozessor betreibbar ist, um die erste Segmentierung als eine Knotensegmentierung als Funktion der Scan-Daten zu bestimmen, wobei die Scan-Daten Computertomo graphiedaten umfassen und wobei betreibbar zum Prüfen umfasst, betreibbar zu sein, um die Knotensegmentierung als Funktion der Computertomographiedaten zu prüfen.
System nach Anspruch 13, ferner umfassend: eine Benutzereingabe, die betreibbar ist, um eine Knotenmarkierungsposition zu empfangen; wobei der Prozessor betreibbar ist, um die erste und die zweite Segmentierung als Funktion dreidimensionaler Gaußscher Anpassung zu bestimmen.
System nach Anspruch 12, wobei das Betreibbarsein des Prozessors zum Abändern umfasst, betreibbar zu sein, um Scan-Daten als Funktion einer morphologischen Funktion auszuwählen, und wobei das Betreibbarsein des Prozessors, um die zweite Segmentierung zu bestimmen, umfasst, betreibbar zu sein, um als Funktion der gewählten Scan-Daten zu bestimmen.
System nach Anspruch 12, wobei die Scan-Daten einen juxtapleuralen Knoten enthalten und wobei das Betreibbarsein des Prozessors zum Abändern umfasst, betreibbar zu sein, um die Bestimmung der zweiten Segmentierung von der ersten prozessorbestimmten Segmentierung weg zu beeinflussen, wobei die Beeinflussung von einer Wand oder von Rippen wegführt.
In einem Computer lesbares Speichermedium, in dem Daten gespeichert sind, die Anweisungen repräsentieren, die durch einen programmierten Prozessor zur verfeinerten Segmentierung von Knoten bei der computerunterstützten Diagnose ausführbar sind, wobei das Speichermedium Anweisungen für folgendes umfasst: Prüfen einer ersten Knotenschätzung als Funktion von Scan-Daten; Abändern der Scan-Daten, der Knotenschätzung oder sowohl der Scan-Daten als auch der Knotenschätzung, wenn die erste Knotenschätzung die Prüfung nicht besteht; und Bestimmen einer zweiten Knotenschätzung als Funktion der geänderten Scan-Daten, der geänderten Knotenschätzung oder der geänderten Scan-Daten und der geänderten Knotenschätzung.
Anweisungen nach Anspruch 17, ferner umfassend: Bestimmen der ersten Knotenschätzung als eine Lungenknotensegmentierung eines juxtapleuralen Knotens, wobei die Lungenknotensegmentierung als Funktion einer Knotenmarkierungsposition, einer gaußschen Anpassungsfunktion und der Scan-Daten bestimmt wird, wobei die Scan-Daten Computertomographiedaten umfassen; wobei das Prüfen umfasst, die Lungenknotensegmentierung als Funktion der Computertomographiedaten zu prüfen; und wobei das Bestimmen der zweiten Knotenschätzung umfasst, als Funktion der Gaußschen Anpassungsfunktion zu bestimmen.
Anweisungen nach Anspruch 17, wobei das Abändern umfasst, Scan-Daten als Funktion einer morphologischen Funktion, die auf die Scan-Daten reagiert, auszuwählen, und wobei das Bestimmen der zweiten Knotenschätzung ein Bestimmen als Funktion der ausgewählten Scan-Daten umfasst.
Anweisungen nach Anspruch 17, wobei das Abändern umfasst, die Bestimmung der zweiten Knotenschätzung für einen juxtapleuralen Knoten von der ersten Knotenschätzung weg zu beeinflussen.
In einem Computer lesbares Speichermedium, in dem Daten gespeichert sind, die Anweisungen repräsentieren, die durch einen programmierten Prozessor zur verfeinerten Segmentierung von Knoten bei der computerunterstützten Diagnose ausführbar sind, wobei das Speichermedium Anweisungen für folgendes umfasst: Bestimmen einer Filterform als Funktion von Scan-Daten; Filtern der Scan-Daten als Funktion der Filterform; und Segmentieren eines ersten Knotens als Funktion der gefilterten Scan-Daten.
Anweisungen nach Anspruch 21, wobei das Bestimmen der Filterform ein Anpassen einer Gaußschen Funktion an die Scan-Daten und das Bestimmen der Filterform als Funktion eines Ellipsoids, des auf das Anpassen reagiert, umfasst.
Anweisungen nach Anspruch 21, ferner umfassend: Bestimmen einer zweiten Knotensegmentierung als Funktion einer Gaußschen Funktionsanpassung an die Scan-Daten; Prüfen der zweiten Knotensegmentierung als Funktion von Scan-Daten; und Durchführen der Bestimmung der Filterform, der Filterung und der Segmentierung, wenn die zweite Knotensegmentierung die Prüfung nicht besteht, wobei das Bestimmen der Filterform und die Filterung das Entfernen bestimmter Scan-Daten umfassen und die Segmentierung ein Bestimmen der ersten Knotensegmentierung als Funktion einer weiteren Gaußschen Funktionsanpassung an die Scan-Daten ohne die entfernten Scan-Daten umfasst.
Anweisungen nach Anspruch 21, wobei der erste Knoten eine Lungenknotensegmentierung eines juxtapleuralen Knotens umfasst, wobei die Scan-Daten Computertomographiedaten umfassen.
Anweisungen nach Anspruch 21, wobei das Bestimmen der Filterform folgendes umfasst: Binärisieren der Scan-Daten als Funktion einer ersten Schwelle, Bestimmen eines mittleren Durchmessers einer anfänglichen Knotenschätzung, Initialisieren eines dreidimensionalen Strukturelements als Funktion der anfänglichen Knotenschätzung, wenn der mittlere Durchmesser größer als eine zweite Schwelle ist, und als Funktion einer vorbestimmten Struktur, wenn der mittlere Durchmesser kleiner als die zweite Schwelle ist, wobei die Filterform das dreidimensionale Strukturelement umfasst; wobei das Filtern umfasst, eine dreidimensionale binäre morphologische Öffnung als Funktion des dreidimensionalen Strukturelements durchzuführen und die Scan-Daten als Funktion einer Ausgabe der dreidimensionalen binären morphologischen Öffnung zu maskieren; und wobei das Segmentieren des ersten Knotens ein Schätzen des ersten Knotens als Funktion der maskierten Scan-Daten umfasst.
In einem Computer lesbares Speichermedium, in dem Daten gespeichert sind, die Anweisungen repräsentieren, die durch einen programmierten Prozessor zur verfeinerten Segmentierung von Knoten bei der computerunterstützten Diagnose ausführbar sind, wobei das Speichermedium Anweisungen für folgendes umfasst: Bestimmen einer ersten Knotenschätzung; Identifizieren der ersten Knotenschätzung als mit einem möglichen juxtapleuralen Knoten assoziiert; Beeinflussen der Bestimmung einer zweiten Knotenschätzung von der ersten Knotenschätzung weg.
Anweisungen nach Anspruch 26, wobei das Bestimmen der ersten Knotenschätzung ein Anpassen einer Gaußschen Funktion an Computertomographie-Scan-Daten umfasst, wobei die Beeinflussung umfasst, die Bestimmung der zweiten Knotenschätzung von durch die Computertomographie-Scan-Daten repräsentierter und neben dem möglichen juxtapleuralen Knoten liegender Wand- oder Rippenstruktur weg zu verschieben, wobei die erste Knotenschätzung mit der Wand- oder Rippenstruktur assoziiert ist, und wobei die Beeinflussung umfasst, die Gaußsche Funktion als Funktion von mit der ersten Knotenschätzung assoziierten Beeinflussungen an die Computertomographie-Scan-Daten anzupassen.
Anweisungen nach Anspruch 26, wobei das Beeinflussen das Zuweisen einer negativen Vorgabe zu Scan-Daten für mindestens eine mit der ersten Knotenschätzung assoziierte Position umfasst.
Anweisungen nach Anspruch 26, wobei die Beeinflussung umfasst, eine Mittelwertverschiebung mit einer Gaußschen Abstoßungsvorgabe einzuschränken.
Anweisungen nach Anspruch 26, wobei das Bestimmen der ersten Knotenschätzung ein Bestimmen als Funktion einer Gaußschen Funktionsanpassung an Scan-Daten umfasst; wobei das Identifizieren ein Prüfen der ersten Knotenschätzung als Funktion der Scan-Daten umfasst, wobei das Prüfen einen mit der ersten Knotenschätzung assoziierten möglichen wandangebrachten Knoten identifiziert.