RU2531568C2 - Моментальная коррекция результатов сегментации опухоли - Google Patents
Моментальная коррекция результатов сегментации опухоли Download PDFInfo
- Publication number
- RU2531568C2 RU2531568C2 RU2011119476/08A RU2011119476A RU2531568C2 RU 2531568 C2 RU2531568 C2 RU 2531568C2 RU 2011119476/08 A RU2011119476/08 A RU 2011119476/08A RU 2011119476 A RU2011119476 A RU 2011119476A RU 2531568 C2 RU2531568 C2 RU 2531568C2
- Authority
- RU
- Russia
- Prior art keywords
- superparameter
- interest
- volume
- segmentation
- parameter
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/04—Indexing scheme for image data processing or generation, in general involving 3D image data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/24—Indexing scheme for image data processing or generation, in general involving graphical user interfaces [GUIs]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20092—Interactive image processing based on input by user
-
- 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
- G06T2207/30096—Tumor; Lesion
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Image Processing (AREA)
Abstract
Изобретение относится к области сегментации объема медицинских изображений. Техническим результатом является упрощение регулировки внутренних параметров в соответствии с регулировкой веса суперпараметра, а также обеспечение повторных сегментаций изображения для достижения желаемого результата. Система (10) содержит: дисплей (24) в интерфейсе (16) пользователя, на котором пользователю отображается начальный сегментированный интересующий объем; причем интерфейс (16) пользователя содержит инструмент (26) ввода данных пользователем, с помощью которого пользователь регулирует вес суперпараметра (50) сегментированного интересующего объема; процессор, выполненный с возможностью исполнять компонент устройства (22) регулировки параметра, который регулирует один или более из множества внутренних параметров (52), в соответствии с регулировкой веса суперпараметра, чтобы вызвать изменение в сегментированном интересующем объеме; и причем процессор (12) выполнен с возможностью многократно повторять сегментацию интересующего объема, используя множество отрегулированных внутренних параметров, и выводить на дисплей повторно сегментированный объем. 4 н. и 11 з.п. ф-лы, 6 ил.
Description
Настоящая заявка находит конкретное применение при сегментации объема медицинского изображения. Однако следует понимать, что описанный метод(-ы) может также найти применение в других типах систем обработки изображений, в системах сегментации изображения и/или в медицинских применениях.
Сегментация опухолей является центральным пунктом во множестве клинических применений, в том числе при визуализации опухоли, волюметрии, вводе параметров в систему компьютерной диагностики (CADx) и планировании терапии. Для автоматической или полуавтоматической сегментации опухолей в изображениях, полученных с помощью различных способов сканирования, таких как компьютерная томография (CT), магнитный резонанс (MR), позитронная эмиссионная томография (PET), ультразвук и т.д., существуют компьютерные алгоритмы. Точное поведение большинства этих алгоритмов может настраиваться с помощью многочисленных параметров. Независимо от характеристик алгоритмов сегментации, в любом случае, из-за неоднозначных целей сегментации часто остаются изображения, которые не могут удовлетворительно сегментироваться автоматически. Например, должны ли фокусы многоочагового новообразования быть сегментированы отдельно или новообразование должно быть сегментировано как единое целое, зависит от применения и интереса пользователя. То же самое относится к ширине "безопасного предела" вокруг новообразований, который может содержаться в сегментированной области.
В связи с неоднозначностью искомых результатов сегментации пользователю необходимо иметь возможность корректировать результаты начальной сегментации, представленные компьютером. Однако во многих случаях параметры алгоритма автоматической сегментации многочисленны, и их смысл клиническому пользователю интуитивно неясен, что приводит в результате к необходимости многократного повторного запуска сегментации, используя различные установки параметров, пока не будет получен желаемый результат.
Алгоритмы сегментации являются довольно сложными математическими формулами, обычно содержащими шесть или больше внутренних параметров, таких как пороги, градиенты, скаляры, пределы экспонент и т.п. В экспертной системе, которая, в первую очередь, используется на исследовательских сайтах, существует страница экрана, позволяющая пользователю регулировать каждый из внутренних параметров. Формулы механики часто содержат функции, которые взаимодействуют и в некоторых случаях противоречат друг другу. Регулировка отдельных внутренних параметров требует всестороннего понимания уравнений и обычно не интересует врача-диагноста.
В технике существует потребность в системах и способах, облегчающих преодоление недостатков, отмеченных выше, обеспечивая улучшенные механизмы регулировки параметров.
В соответствии с одним аспектом система сегментации медицинского изображения содержит дисплей в интерфейсе пользователя, на котором пользователю отображается начальный сегментированный интересующий объем, инструмент ввода данных пользователем, с помощью которого пользователь регулирует вес суперпараметра сегментированного интересующего объема, и устройство регулировки параметра, которое регулирует один или более внутренних параметров, связанных с суперпараметром, чтобы вызвать изменение в сегментированном интересующем объеме. Система дополнительно содержит процессор, который многократно повторяет сегментацию интересующего объема после регулировок одного или более внутренних параметров с помощью устройства регулировки параметра и выводит на дисплей изображение повторно сегментированного объема.
В соответствии с другим аспектом способ регулировки сегментации медицинского изображения содержит этапы, на которых: отображают пользователю начальную сегментацию интересующего объема, принимают информацию, связанную с регулировкой веса выбранного суперпараметра, и идентифицируют внутренние параметры, содержащиеся в выбранном суперпараметре. Способ дополнительно содержит этапы, на которых регулируют идентифицированные внутренние параметры выбранного суперпараметра в соответствии с алгоритмом регулировки параметра, повторно сегментируют интересующий объем после регулировки одного или более идентифицированных внутренних параметров и отображают повторно сегментированный интересующий объем.
В соответствии с другим аспектом устройство для одновременной регулировки множества параметров сегментации для сегментации анатомического изображения содержит средство отображения для отображения пользователю начальной сегментации интересующего объема, средство приема информации, связанной с регулировкой веса выбранного суперпараметра, и средство регулировки идентифицированных внутренних параметров выбранного суперпараметра. Устройство дополнительно содержит средство многократной повторной сегментации интересующего объема после регулировки одного или более идентифицированных внутренних параметров, средство вычисления величины изменения, произведенного в интересующем объеме в результате регулировки одного или более идентифицированных внутренних параметров, и средство вывода конечного повторно сегментированного интересующего объема после определения, что вычисленная величина изменения больше или равна заданной пороговой величине изменения.
Одно из преимуществ состоит в том, что упрощается регулировка пользователем внутренних параметров.
Другое преимущество состоит в обеспечении повторных сегментаций изображения, пока пользователь не достигнет желаемого результата.
Другие дополнительные преимущества, представляющие новизну, должны быть понятны специалистам в данной области техники после прочтения и понимания последующего подробного описания.
Новизна может реализовываться в различных компонентах и компоновке компонентов и в различных этапах и компоновки этапов. Чертежи служат только для целей иллюстрирования различных вариантов и не должны рассматриваться как ограничение.
Фиг.1 - система сегментации медицинского изображения, объединяющая отдельные параметры сегментации, связанные с заданным признаком сегментации, в один или более "суперпараметров", которые могут регулироваться оператором (например, врачом, медсестрой, техником и т.д.).
Фиг.2 - пример суперпараметра, содержащего множество внутренних параметров, которые автоматически регулируются в ответ на регулировку пользователем суперпараметра.
Фиг.3 - изображения сегментированного объемного новообразования до и после регулировки суперпараметра связанных структур.
Фиг.4 - изображения новообразования до и после регулировки суперпараметра заполнения просветов.
Фиг.5A и 5B - снимки экрана, показывающего сегментированное новообразование легкого, включая легочный узелок, показанные в коронарной проекции максимальной интенсивности. На первом снимке результат сегментации новообразования показан с "утечкой" (фиг.5A), а на фиг.5B суперпараметр утечки был уменьшен.
На фиг.1 показана система 10 сегментации медицинского изображения для использования при компьютерной сегментации объема изображения посредством алгоритмов сегментации изображения, объединяющих отдельные параметры сегментации изображения (например, пороги, градиенты, скаляры, экспоненты, пределы и т.д.), регулируемые для изменения сегментации изображения, в, по меньшей мере, один "суперпараметр", который может регулироваться оператором (например, врачом, медсестрой, техником и т.д.), чтобы изменить или отрегулировать признак сегментации изображения (например, округлость, гладкость, объем, заполнение просветов, связность и т.д.), связанный с суперпараметром. То есть корректировка суперпараметра вызывает автоматическую регулировку параметров сегментации изображения, содержащихся в суперпараметре (например, "внутренние" параметры), чтобы вызвать изменение в признаке сегментации изображения, связанном с суперпараметром. Например, признаки сегментации изображения содержат признаки отображаемого объема, такие как гладкость, округлость, объем и т.д., и управляются одним или более параметрами, которые могут быть или не быть интуитивно значимыми для пользователя. Например, регулировка суперпараметра, управляющего округлостью при сегментации изображения (например, выпуклостью формы), вызывает регулировку одного или более параметров сегментации изображения, таких как параметр сглаживания (например, параметр, внутренний по отношению к суперпараметру округлости), который способствует изменению признака округлости сегментации изображения для интересующего объема (например, новообразования или опухоли, контура мягкой ткани и т.д.).
Суперпараметры системы 10, следовательно, управляют признаками сегментации изображения, такими как объем, гладкость поверхности, выпуклость (округлость) формы, связность, заполнение просветов и т.п. Чтобы увеличить или уменьшить один из этих суперпараметров на величину приращения, совокупность внутренних параметров (например, отдельных параметров, содержащихся в суперпараметре) должна регулироваться на разные величины приращения. Зависимость между суперпараметрами и базовыми внутренними параметрами в некоторых ситуациях является линейной, а в других - нелинейной. Система 10, таким образом, производит соответствующие регулировки посредством приращения внутренних параметров, чтобы производить регулировку с малым приращением в одном из суперпараметров, что обычно выходит за рамки возможностей среднего диагноста.
Система 10 является, например, частью рабочей станции для получения медицинских изображений (например, рабочей станции для архивирования изображений и связи (PACS) или рабочей станции CADx и т.д.) или непосредственно частью консоли сканера и т.д. Система 10 содержит процессор 12 и запоминающее устройство 14, соединенные с интерфейсом 16 пользователя. В запоминающем устройстве хранятся различные выполняемые компьютером алгоритмы и/или информация (например, данные объема изображения, данные сегментации, информация о параметре, информация о суперпараметре и т.д.), относящиеся к выполнению различных описанных здесь функций. Например, запоминающее устройство содержит таблицу 18 поиска параметров, в которой хранится информация о внутренних параметрах и сопутствующих суперпараметрах. Например, первый внутренний поднабор параметров связывается с первым суперпараметром, второй поднабор параметров связывается со вторым суперпараметром и так далее. Дополнительно, заданный параметр может быть связан больше чем с одним суперпараметром. Запоминающее устройство дополнительно содержит алгоритмы 20 регулировки параметров, которые выполняются устройством 22 регулировки параметров в процессоре 12, чтобы регулировать параметры в заданном суперпараметре в ответ на регулировку пользователем суперпараметра через интерфейс 16 пользователя.
Интерфейс 16 пользователя содержит дисплей 24, на котором информация изображения представляется пользователю, и инструмент 26 ввода данных пользователем, посредством которого пользователь регулирует суперпараметр. Например, пользователь использует переключатель 28 суперпараметров для выбора суперпараметра, относящегося к интересующему объему или другому признаку сегментации изображения в изображении на дисплее 24. Например, суперпараметр, управляющий буферной зоной (например, 2 мм или т.п.) вокруг опухоли или другой анатомической структуры, может регулироваться (например, делать ее более узкой или более широкой) в зависимости от условий, связанных с заданным планом терапии (например, абляцией и т.д.), и т.п.
Пользователь регулирует вес выбранного суперпараметра, используя устройство 30 регулировки суперпараметра. В качестве иллюстративного примера устройство 30 регулировки суперпараметра содержит кнопки, такие как (+) и (-), которые соответственно увеличивают и уменьшают вес параметра. Устройство 22 регулировки параметра выполняет один или более алгоритмов 20 регулировки параметров, чтобы изменить веса отдельных параметров в выбранном суперпараметре в соответствии с регулировкой веса суперпараметра.
Процессор 12 повторно сегментирует интересующий объем в соответствии с новыми весами отдельных параметров, измененными устройством 22 регулировки параметров, способом, не заметным для пользователя, или, альтернативно, способом, видимым пользователю (например, в экспертном или перспективном режиме). Многократно нажимая кнопку на устройстве 30 регулировки субпараметра, диагност может поэтапно двигаться по диапазону весовых коэффициентов суперпараметра. Устройство регулировки параметра в фоновом режиме выполняет преобразование (которое является одним из алгоритмов 20 суперпараметра), связывающее этапы приращения, осуществляемого нажатием каждой кнопки, с соответствующими регулировками приращения базовых внутренних параметров, связанных с выбранным пользователем суперпараметром. Следует понимать, что кнопки на устройстве 30 регулировки суперпараметра и/или переключатель 28 суперпараметров могут быть физическими кнопками на механизме или устройстве, в котором используется система 10, или могут быть виртуальными кнопками, представляемыми пользователю на дисплее. Кроме того, устройство регулировки суперпараметра не ограничивается кнопками, содержащими индикаторы (+) и (-), а может содержать любые соответствующие индикаторы, чтобы информировать пользователя, кнопочных функций (например, стрелки, слова, такие как "вверх", "вниз", "больше" и "меньше", и т.д.).
Дополнительно или альтернативно, устройство 30' регулировки суперпараметра имеет форму ползунка (фактического или виртуального), которым пользователь манипулирует, чтобы увеличить или уменьшить вес выбранного суперпараметра. Специалист в данной области техники должен понимать, что система 10 может быть также любой комбинацией механизмов для устройства регулировки суперпараметра, в том числе ползунками (фактическими или виртуальными), нажимными или виртуальными кнопками и т.д.
Объединяя возможные изменения параметра в группы, которые могут регулироваться изменением единого суперпараметра, обладающего интуитивным смыслом для клинического пользователя, повторяющаяся сегментация интересующего объема может выполняться до тех пор, пока пользователь не будет удовлетворен сегментацией. В фоновом режиме (например, незаметно для пользователя), сегментация многократно запускается повторно, пока в результате сегментации не будет достигнуто определенное количество изменений. То есть численные параметры сегментации, содержащиеся в выбранном суперпараметре, варьируются внутренне при повторных сегментациях, которые не отображаются пользователю, пока не будут достигнуты существенные изменения, например, в объеме или плотности в требуемом направлении, и только существенно измененный результат сегментации представляется пользователю для повторной оценки. Как пример, существенное изменение определяется или измеряется как функция сравнения с заданным порогом. Порог может быть установлен пользователем или системой и устанавливается как желаемый процент (например, 1%, 2%, 5%, 10%, 20% и т.д.) отличия относительно текущего изображения сегментации. Пользователь может многократно использовать кнопку(-ки) положительного/отрицательного приращения до получения удовлетворительного результата, не заботясь о фактических численных значениях параметра.
В соответствии с примером величина порога изменения для интересующего объема, для которого регулируется суперпараметр объема, устанавливается равной 20%. Внутренние параметры затем регулируются в соответствии с алгоритмом регулировки параметра объема, пока объем не уменьшится или не увеличится на 20%.
Алгоритмы сегментации способны выполнять этапы последующей обработки, чтобы учесть внутренние части новообразования или опухоли без улучшенного изображения и исключить присоединенную ткань с улучшенным изображением, но не являющуюся частью новообразования (сосуды, паренхима с улучшенным изображением и т.д.). Алгоритм заполнения просветов, который "заполняет" темные области, связанные с некротической тканью в новообразовании на изображении интересующего объема, содержит интерполяционные данные вокселов соседних улучшенных вокселов в изображении. То есть некротическая ткань опухоли, которая не поглощает радиоактивный индикатор и, таким образом, не улучшается в изображении, появляется как темная область, тогда как изображение другой ткани опухоли, поглощающей радиоактивный индикатор, улучшается. Алгоритм заполнения просветов заполняет темные области, используя значения вокселов соседних улучшенных областей изображения опухоли, чтобы создать цельный объем, который может использоваться для вычислений объема опухоли, идентификации поверхности, определений топографии и т.д.
В одном из примеров использования системы 10 начальная (например, грубая) сегментация интересующего объема отображается пользователю на дисплее 24, и пользователь выбирает и регулирует суперпараметр через интерфейс 16 пользователя. Как только пороговая величина изменения достигнута или превышена, процессор 12 выводит конечную сегментацию интересующего объема. Начальная и конечная сегментации отображаются одновременно на дисплее 24, чтобы позволить пользователю провести сравнение. Пользователь затем принимает или отклоняет конечную сегментацию. При отклонении конечная сегментация может быть удалена или сохранена в запоминающем устройстве 14, и процессор 12 сохраняет начальную сегментацию для следующего цикла регулировки суперпараметра. Если сегментация принимается, конечная сегментация сохраняется в запоминающем устройстве 14 как новая "начальная" сегментация для дополнительной регулировки суперпараметра по желанию пользователя. Исходная начальная сегментация также сохраняется в запоминающем устройстве 14 или может быть удалена.
На фиг.2 представлен пример отображения 48 различных суперпараметров 50 и множества базовых внутренних параметров 52. Например, множество внутренних параметров 52 содержит параметр сглаживания, параметр внутреннего порога, параметр строгости удаления утечки, параметр коэффициента избыточного расширения, параметр безопасного предела сегментации и т.д. Суперпараметры основаны на таких признаках, как объем, гладкость поверхности, выпуклость (округлость) формы, связанность, заполнение просветов и т.п. При увеличении или уменьшении пользователем одного (или более) из суперпараметров 50, соответствующие внутренние параметры 52 регулируются вверх или вниз в соответствии с алгоритмом 20 регулировки, пока не будет достигнут пороговый уровень изменения при сегментации интересующего объема.
На фиг.3 представлены изображения сегментированного объемного новообразования. На первом изображении 70 показаны две доли 72, 74 новообразования, где первая доля 72 была идентифицирована как "утечка" и исключена из результата сегментации, тогда как вторая доля 74 содержится как ткань, имеющая новообразование. Утечка происходит, когда ткань, не имеющая новообразования, поглощает индикаторное вещество и появляется в изображении новообразования. Например, так как опухоли побуждают рост кровеносных сосудов в направлении к ним, чтобы доставлять питательные вещества, индикаторное или контрастное вещество иногда "утекает" в такие кровеносные сосуды, заставляя их появляться в изображении опухоли.
После запроса пользователя на добавление большего числа присоединенных структур посредством одного щелчка мыши по кнопке 76 "добавить" на устройстве 30 регулировки суперпараметра инструмента 26 для ввода первая доля 72 вводится как часть опухоли (например, первая доля идентифицируется не как утечка, а как ткань, имеющая новообразование).
Что касается добавления присоединенных структур, то алгоритмы сегментации содержат этап последующей обработки, который отклоняет участки начального результата сегментации на основе ширины присоединения к основной части сегментированных новообразований. Например, порог по максимально допустимой степени сужения соединения между, например, первой и второй долями 72, 74 новообразования определяет, вырезается ли присоединенный участок (например, идентифицированный как утечка) или нет. Если пользователь запрашивает введение в сегментированную область дополнительных присоединенных структур, допустимая степень сужения уменьшается заданными ступенями. Этап последующей обработки повторяется для установки каждого параметра, и результат сравнивается с начальным результатом сегментации. В этом примере, если сегментированная область увеличивается на определенную заданную величину (например, выше заданного порога изменения), пользователю представляется новый результат.
На фиг.4 представлены изображения новообразования до и после использования алгоритма постепенного заполнения просветов. Первое изображение 90 показывает новообразование 92 до использования алгоритма заполнения просветов, с некротическим ядром 94, демонстрирующим плохое поглощение радиоактивного индикатора, которое в первом изображении проявляется как темная область. Многие опухоли содержат такие некротические области, которые не поглощают контрастное вещество и, таким образом, не показывают улучшение интенсивности изображения. Пользователь может выбрать суперпараметр 50 заполнения просветов, чтобы отрегулировать величину темной области, которая содержится в сегментации. Например, пользователь может щелчком мыши или иным образом выбрать кнопку "добавить заполнение" на устройстве 30 регулировки суперпараметра инструмента 26 ввода данных пользователем, чтобы добавить дополнительные или все темные области в объем новообразования. Алгоритм сегментации может увеличить или как-либо иначе отрегулировать параметр "внутренний порог", чтобы заполнять темные области, пока новообразование 92 не будет достаточно заполнено, чтобы позволить определение объема новообразования, характеристик поверхности и т.д., как показано на втором изображении 98.
На фиг.5A и 5B показаны снимки экрана, показывающего сегментированное новообразование легкого, включая легочный узелок, показанные в коронарной проекции максимальной интенсивности. На первом снимке 110 результат сегментации новообразования 112 показан с "утечкой". Графический интерфейс пользователя (GUI) имеет кнопку 114 "плюс" и кнопку 116 "минус", чтобы запросить больший или меньший объем или плотность. Второй снимок 118 на фиг.5B показывает новообразование 112 после того, как пользователь запросил уменьшенный объем, используя кнопку 116 "минус", и утечка исчезла. Чтобы достигнуть этого, алгоритм сегментации изменил суперпараметр 120 "округлости" в несколько этапов и выполнил повторные сегментации, пока объем не уменьшился на заданную величину (например, 20% и т.д.) относительно сегментации, показанной пользователю.
Изобретение было описано со ссылкой на несколько вариантов осуществления. После прочтения и осмысления приведенного выше подробного описания могут появляться и другие модификации и изменения. Подразумевается, что изобретение должно рассматриваться как содержащее все такие модификации и изменения, насколько они попадают в объем прилагаемой формулы изобретения или ее эквивалентов.
Claims (15)
1. Система (10) сегментации медицинского изображения, содержащая:
дисплей (24) в интерфейсе (16) пользователя, на котором пользователю отображается начальный сегментированный интересующий объем;
причем интерфейс (16) пользователя содержит инструмент (26) ввода данных пользователем, с помощью которого пользователь регулирует вес суперпараметра (50) сегментированного интересующего объема;
процессор, выполненный с возможностью исполнять компонент устройства (22) регулировки параметра, который регулирует один или более из множества внутренних параметров (52), в соответствии с регулировкой веса суперпараметра, чтобы вызвать изменение в сегментированном интересующем объеме; и
причем процессор (12) выполнен с возможностью многократно повторять сегментацию интересующего объема, используя множество отрегулированных внутренних параметров, и выводить на дисплей повторно сегментированный объем.
дисплей (24) в интерфейсе (16) пользователя, на котором пользователю отображается начальный сегментированный интересующий объем;
причем интерфейс (16) пользователя содержит инструмент (26) ввода данных пользователем, с помощью которого пользователь регулирует вес суперпараметра (50) сегментированного интересующего объема;
процессор, выполненный с возможностью исполнять компонент устройства (22) регулировки параметра, который регулирует один или более из множества внутренних параметров (52), в соответствии с регулировкой веса суперпараметра, чтобы вызвать изменение в сегментированном интересующем объеме; и
причем процессор (12) выполнен с возможностью многократно повторять сегментацию интересующего объема, используя множество отрегулированных внутренних параметров, и выводить на дисплей повторно сегментированный объем.
2. Система по п.1, в которой интерфейс (16) пользователя дополнительно содержит компонент переключателя (28) суперпараметров, используемый пользователем для выбора суперпараметра (50) для регулировки.
3. Система по п.2, в которой интерфейс (16) пользователя дополнительно содержит компонент устройства (30) регулировки суперпараметра, используемый пользователем для регулировки веса выбранного суперпараметра.
4. Система по п.3, в которой компонент устройства (30) регулировки суперпараметра содержит, по меньшей мере, одно из:
первой кнопки для увеличения веса выбранного суперпараметра и второй кнопки для уменьшения веса выбранного суперпараметра по мере того, как выбранный суперпараметр применяется в алгоритме сегментации, выполняемом в отношении интересующего объема; или
ползунок (30′), которым манипулирует пользователь, чтобы регулировать вес выбранного суперпараметра.
первой кнопки для увеличения веса выбранного суперпараметра и второй кнопки для уменьшения веса выбранного суперпараметра по мере того, как выбранный суперпараметр применяется в алгоритме сегментации, выполняемом в отношении интересующего объема; или
ползунок (30′), которым манипулирует пользователь, чтобы регулировать вес выбранного суперпараметра.
5. Система по п.1, в которой суперпараметр (50) является одним из: суперпараметра объема, суперпараметра гладкости поверхности, суперпараметра округлости, суперпараметра связанности или суперпараметра заполнения просветов.
6. Система по п.1, в которой множество внутренних параметров (52) содержит, по меньшей мере, два из: параметра сглаживания, параметра внутреннего порога, параметра строгости удаления утечки, параметра коэффициента избыточного расширения, параметра безопасного предела сегментации.
7. Система по п.1, дополнительно содержащая запоминающее устройство (14), которое хранит:
таблицу (18) поиска параметров, идентифицирующую множество внутренних параметров, связанных с каждым из множества суперпараметров; и
один или более алгоритмов (20) регулировки параметра, которые при исполнении процессором (12) предписывают устройству регулировки параметра регулировать один или более внутренних параметров, пока не будет достигнута или превышена заданная пороговая величина.
таблицу (18) поиска параметров, идентифицирующую множество внутренних параметров, связанных с каждым из множества суперпараметров; и
один или более алгоритмов (20) регулировки параметра, которые при исполнении процессором (12) предписывают устройству регулировки параметра регулировать один или более внутренних параметров, пока не будет достигнута или превышена заданная пороговая величина.
8. Система по п.1, в которой процессор сравнивает каждый повторно сегментированный интересующий объем с начальным сегментированным интересующим объемом, чтобы определить величину изменения, вызванного регулировкой каждого внутреннего параметра, и выводит конечный повторно сегментированный интересующий объем после определения, что заданная пороговая величина изменения достигнута или превышена посредством регулировок одного или более внутренних параметров.
9. Система по п.1, в которой процессор (12) выполняет машинные команды, хранящиеся в запоминающем устройстве (14), для сегментации интересующего объема, в том числе команды для:
проведения начальной сегментации интересующего объема;
приема информации, связанной с регулировкой выбранного суперпараметра (50);
идентификации множества внутренних параметров (52), содержащихся в выбранном суперпараметре (50);
регулировки одного или более идентифицированных внутренних параметров (52) в соответствии с алгоритмом (20) регулировки параметра;
повторной сегментации интересующего объема после регулировки одного или более идентифицированных внутренних параметров (52);
вычисления величины изменения, произведенного в интересующем объеме в результате регулировки одного или более идентифицированных внутренних параметров (52); и
вывода конечного повторно сегментированного интересующего объема после определения, что вычисленная величина изменения больше или равна заданной пороговой величине изменения.
проведения начальной сегментации интересующего объема;
приема информации, связанной с регулировкой выбранного суперпараметра (50);
идентификации множества внутренних параметров (52), содержащихся в выбранном суперпараметре (50);
регулировки одного или более идентифицированных внутренних параметров (52) в соответствии с алгоритмом (20) регулировки параметра;
повторной сегментации интересующего объема после регулировки одного или более идентифицированных внутренних параметров (52);
вычисления величины изменения, произведенного в интересующем объеме в результате регулировки одного или более идентифицированных внутренних параметров (52); и
вывода конечного повторно сегментированного интересующего объема после определения, что вычисленная величина изменения больше или равна заданной пороговой величине изменения.
10. Способ регулировки сегментации интересующего объема с применением системы по п.1, при этом способ содержит этапы, на которых:
проводят начальную сегментацию интересующего объема;
принимают информацию, связанную с регулировкой выбранного суперпараметра (50);
идентифицируют множество внутренних параметров (52), содержащихся в выбранном суперпараметре (50);
регулируют один или более идентифицированных внутренних параметров (52) в соответствии с алгоритмом (20) регулировки параметра;
повторно сегментируют интересующий объем после регулировки одного или более идентифицированных внутренних параметров (52); и
отображают повторно сегментированный интересующий объем.
проводят начальную сегментацию интересующего объема;
принимают информацию, связанную с регулировкой выбранного суперпараметра (50);
идентифицируют множество внутренних параметров (52), содержащихся в выбранном суперпараметре (50);
регулируют один или более идентифицированных внутренних параметров (52) в соответствии с алгоритмом (20) регулировки параметра;
повторно сегментируют интересующий объем после регулировки одного или более идентифицированных внутренних параметров (52); и
отображают повторно сегментированный интересующий объем.
11. Способ по п.10, дополнительно содержащий этапы, на которых:
вычисляют величину изменения, произведенного в интересующем объеме в результате регулировки одного или более идентифицированных внутренних параметров (52); и
выводят конечный повторно сегментированный интересующий объем после определения, что вычисленная величина изменения больше или равна заданной пороговой величине изменения.
вычисляют величину изменения, произведенного в интересующем объеме в результате регулировки одного или более идентифицированных внутренних параметров (52); и
выводят конечный повторно сегментированный интересующий объем после определения, что вычисленная величина изменения больше или равна заданной пороговой величине изменения.
12. Способ регулировки сегментации медицинского изображения, содержащий этапы, на которых:
отображают пользователю начальную сегментацию интересующего объема;
принимают информацию, связанную с регулировкой веса выбранного суперпараметра (50) сегментированного интересующего объема;
идентифицируют множество внутренних параметров (52), содержащихся в выбранном суперпараметре (50);
регулируют идентифицированные внутренние параметры (52) выбранного суперпараметра (50) в соответствии с алгоритмом (20) регулировки параметра;
повторно сегментируют интересующий объем, используя множество отрегулированных идентифицированных внутренних параметров (52); и
отображают на дисплее повторно сегментированный интересующий объем.
отображают пользователю начальную сегментацию интересующего объема;
принимают информацию, связанную с регулировкой веса выбранного суперпараметра (50) сегментированного интересующего объема;
идентифицируют множество внутренних параметров (52), содержащихся в выбранном суперпараметре (50);
регулируют идентифицированные внутренние параметры (52) выбранного суперпараметра (50) в соответствии с алгоритмом (20) регулировки параметра;
повторно сегментируют интересующий объем, используя множество отрегулированных идентифицированных внутренних параметров (52); и
отображают на дисплее повторно сегментированный интересующий объем.
13. Способ по п.12, в котором: суперпараметр (50) является, по меньшей мере, одним из: суперпараметра объема, суперпараметра гладкости поверхности, суперпараметра округлости, суперпараметра связанности или суперпараметра заполнения просветов; и
внутренние параметры содержат, по меньшей мере, два из: параметра сглаживания, параметра внутреннего порога, параметра строгости удаления утечки, параметра коэффициента избыточного расширения, параметра безопасного предела сегментации.
внутренние параметры содержат, по меньшей мере, два из: параметра сглаживания, параметра внутреннего порога, параметра строгости удаления утечки, параметра коэффициента избыточного расширения, параметра безопасного предела сегментации.
14. Способ по п.12, дополнительно содержащий этапы, на которых:
многократно повторно сегментируют интересующий объем после регулировки одного или более идентифицированных внутренних параметров (52);
вычисляют величину изменения, произведенного в интересующем, объеме в результате регулировки одного или более идентифицированных внутренних параметров (52);
выводят конечный повторно сегментированный интересующий объем после определения, что вычисленная величина изменения больше или равна заданной пороговой величине изменения;
отображают пользователю начальную сегментацию интересующего объема и конечную сегментацию интересующего объема одновременно; и
сохраняют конечную сегментацию интересующего объема для дополнительной регулировки суперпараметра после приема конечной сегментации пользователем; или
возвращаются к начальной сегментации интересующего объема для дополнительной регулировки суперпараметра после отклонения пользователем конечной сегментации.
многократно повторно сегментируют интересующий объем после регулировки одного или более идентифицированных внутренних параметров (52);
вычисляют величину изменения, произведенного в интересующем, объеме в результате регулировки одного или более идентифицированных внутренних параметров (52);
выводят конечный повторно сегментированный интересующий объем после определения, что вычисленная величина изменения больше или равна заданной пороговой величине изменения;
отображают пользователю начальную сегментацию интересующего объема и конечную сегментацию интересующего объема одновременно; и
сохраняют конечную сегментацию интересующего объема для дополнительной регулировки суперпараметра после приема конечной сегментации пользователем; или
возвращаются к начальной сегментации интересующего объема для дополнительной регулировки суперпараметра после отклонения пользователем конечной сегментации.
15. Машиночитаемый носитель (14), содержащий исполняемые процессором команды, чтобы предписывать процессору осуществлять способ по п.12.
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US10521508P | 2008-10-14 | 2008-10-14 | |
US61/105,215 | 2008-10-14 | ||
PCT/IB2009/054368 WO2010044004A1 (en) | 2008-10-14 | 2009-10-06 | One-click correction of tumor segmentation results |
Publications (2)
Publication Number | Publication Date |
---|---|
RU2011119476A RU2011119476A (ru) | 2012-11-27 |
RU2531568C2 true RU2531568C2 (ru) | 2014-10-20 |
Family
ID=41491580
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
RU2011119476/08A RU2531568C2 (ru) | 2008-10-14 | 2009-10-06 | Моментальная коррекция результатов сегментации опухоли |
Country Status (6)
Country | Link |
---|---|
US (1) | US20110194742A1 (ru) |
EP (1) | EP2353141B1 (ru) |
JP (1) | JP5829522B2 (ru) |
CN (1) | CN102187368B (ru) |
RU (1) | RU2531568C2 (ru) |
WO (1) | WO2010044004A1 (ru) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8355552B2 (en) * | 2007-06-20 | 2013-01-15 | The Trustees Of Columbia University In The City Of New York | Automated determination of lymph nodes in scanned images |
US11547499B2 (en) * | 2014-04-04 | 2023-01-10 | Surgical Theater, Inc. | Dynamic and interactive navigation in a surgical environment |
EP3203913A1 (en) * | 2014-10-10 | 2017-08-16 | Koninklijke Philips N.V. | Tace navigation guidance based on tumor viability and vascular geometry |
US10636184B2 (en) * | 2015-10-14 | 2020-04-28 | Fovia, Inc. | Methods and systems for interactive 3D segmentation |
CN110770792B (zh) | 2017-05-18 | 2023-07-18 | 博医来股份公司 | 确定临床靶体积 |
CN109934220B (zh) * | 2019-02-22 | 2022-06-14 | 上海联影智能医疗科技有限公司 | 一种影像兴趣点的展示方法、装置及终端 |
WO2020129979A1 (ja) | 2018-12-18 | 2020-06-25 | 富士フイルム株式会社 | 画像処理装置、方法及びプログラム |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2291488C2 (ru) * | 2002-06-24 | 2007-01-10 | Ренат Анатольевич Красноперов | Способ стереологического исследования структурной организации объектов |
US7298373B2 (en) * | 2003-06-11 | 2007-11-20 | Agfa Healthcare | Method and user interface for modifying at least one of contrast and density of pixels of a processed image |
US7386155B2 (en) * | 2004-11-22 | 2008-06-10 | Carestream Health, Inc. | Transforming visual preference terminology for radiographic images |
US20080205716A1 (en) * | 2005-02-11 | 2008-08-28 | Koninklijke Philips Electronics N.V. | Image Processing Device and Method |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10012A (en) * | 1853-09-13 | Safety-valve foe | ||
US10017A (en) * | 1853-09-13 | Improved cutter-head for molding-machines | ||
US6400831B2 (en) * | 1998-04-02 | 2002-06-04 | Microsoft Corporation | Semantic video object segmentation and tracking |
US8265355B2 (en) * | 2004-11-19 | 2012-09-11 | Koninklijke Philips Electronics N.V. | System and method for automated detection and segmentation of tumor boundaries within medical imaging data |
JP2007201541A (ja) * | 2006-01-23 | 2007-08-09 | Ricoh Co Ltd | 画像処理装置、撮像装置、画像処理方法、および画像処理プログラム |
CN101028192A (zh) * | 2006-12-29 | 2007-09-05 | 成都川大奇林科技有限责任公司 | 一种光子束放射治疗适形照射的方法 |
AU2008247379A1 (en) * | 2007-05-07 | 2008-11-13 | Ge Healthcare Bio-Sciences Corp. | System and method for the automated analysis of cellular assays and tissues |
ITVA20070059A1 (it) * | 2007-07-03 | 2009-01-04 | St Microelectronics Srl | Metodo e relativo dispositivo di interpolazione di colori di un'immagine acquisita mediante un sensore di colore digitale |
CA2671226A1 (en) * | 2008-07-11 | 2010-01-11 | National Research Council Of Canada | Color analyzer and calibration tool |
-
2009
- 2009-10-06 RU RU2011119476/08A patent/RU2531568C2/ru active
- 2009-10-06 JP JP2011530608A patent/JP5829522B2/ja active Active
- 2009-10-06 US US13/123,042 patent/US20110194742A1/en not_active Abandoned
- 2009-10-06 WO PCT/IB2009/054368 patent/WO2010044004A1/en active Application Filing
- 2009-10-06 CN CN200980140533.7A patent/CN102187368B/zh active Active
- 2009-10-06 EP EP09744755.1A patent/EP2353141B1/en active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2291488C2 (ru) * | 2002-06-24 | 2007-01-10 | Ренат Анатольевич Красноперов | Способ стереологического исследования структурной организации объектов |
US7298373B2 (en) * | 2003-06-11 | 2007-11-20 | Agfa Healthcare | Method and user interface for modifying at least one of contrast and density of pixels of a processed image |
US7386155B2 (en) * | 2004-11-22 | 2008-06-10 | Carestream Health, Inc. | Transforming visual preference terminology for radiographic images |
US20080205716A1 (en) * | 2005-02-11 | 2008-08-28 | Koninklijke Philips Electronics N.V. | Image Processing Device and Method |
Non-Patent Citations (2)
Title |
---|
Olabarriaga S. D. et al, "Interaction inthe segmentation of medical images: A survey", Medical Image Analysis, Elsevier Science 2001. * |
William E. Higgins et al, "Semi-automatic construction of 3D medical image-segmentation process", vol.2359, 1994. * |
Also Published As
Publication number | Publication date |
---|---|
RU2011119476A (ru) | 2012-11-27 |
CN102187368A (zh) | 2011-09-14 |
EP2353141B1 (en) | 2018-12-12 |
EP2353141A1 (en) | 2011-08-10 |
JP2012505008A (ja) | 2012-03-01 |
JP5829522B2 (ja) | 2015-12-09 |
CN102187368B (zh) | 2015-07-15 |
US20110194742A1 (en) | 2011-08-11 |
WO2010044004A1 (en) | 2010-04-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
RU2531568C2 (ru) | Моментальная коррекция результатов сегментации опухоли | |
US10460204B2 (en) | Method and system for improved hemodynamic computation in coronary arteries | |
RU2571523C2 (ru) | Вероятностная оптимизация сегментации, основанной на модели | |
JP4499090B2 (ja) | 画像領域セグメント化システムおよびその方法 | |
JP6877868B2 (ja) | 画像処理装置、画像処理方法および画像処理プログラム | |
US8751961B2 (en) | Selection of presets for the visualization of image data sets | |
US7876939B2 (en) | Medical imaging system for accurate measurement evaluation of changes in a target lesion | |
EP1057161B1 (en) | Automatic path planning system and method | |
RU2503061C2 (ru) | Автоматическая трехмерная сегментация изображения сердца по короткой оси, полученного методом магнитно-резонансной томографии с отложенным контрастированием | |
US20160300351A1 (en) | Image processing of organs depending on organ intensity characteristics | |
US7860331B2 (en) | Purpose-driven enhancement filtering of anatomical data | |
US8311301B2 (en) | Segmenting an organ in a medical digital image | |
US20070165927A1 (en) | Automated methods for pre-selection of voxels and implementation of pharmacokinetic and parametric analysis for dynamic contrast enhanced MRI and CT | |
EP2449530B1 (en) | Quantitative perfusion analysis | |
US20130257910A1 (en) | Apparatus and method for lesion diagnosis | |
US8520923B2 (en) | Reporting organ volume for a medical digital image | |
JP2015532872A (ja) | かん流撮像 | |
EP2495700A1 (en) | Image-based diagnosis assistance apparatus, its operation method and program | |
WO2020033566A1 (en) | Neural networks for volumetric segmentation and parcellated surface representations | |
JP2021077331A (ja) | データ処理装置及びデータ処理方法 | |
TWI788629B (zh) | 圖像處理方法、裝置及系統、電子設備及電腦可讀儲存媒體 | |
CN110234270B (zh) | 提供器官定量体积图或器官健康状况评估的方法和装置 | |
EP3423968B1 (en) | Medical image navigation system | |
US11051782B1 (en) | Image quality by incorporating data unit assurance markers | |
CN109564685B (zh) | 鲁棒的肺叶分割 |