[发明专利]基于模型的分割的概率细化

说明书

技术领域

本申请涉及图像分割。其尤其可以与用于描绘目标体积、器官等的医疗诊断成像结合来应用。

背景技术

诸如CT、MRI、PET、SPECT和超声波的各种诊断成像模态生成患者的内部解剖体的三维图像。通常采用不同的灰度水平描绘不同的器官、不同的组织、与非癌变组织形成对比的癌变组织等，可以将所述灰度水平映射成不同颜色以便更易于区分。相邻的器官、组织体积等往往几乎没有或者没有显著的灰度差异。例如，一些软组织在CT数据中可能具有很差的对比度。这样的差的或者模糊的对比度使得对应的边界部分只能部分可见，即，不清楚，没有得到明确的界定。

已经采用基于模型的分割解决了这一问题。通常，所述边界的一些区域是清晰的，而其他区域则不清晰。在先前的基于模型的分割技术中，开发出一种目标模型库，例如，具体的器官模型库。通常对这些器官模型进行配准，例如，对其进行旋转、缩放等，从而使其与清晰界定的分割边界对准。可以通过对经过准确地人工分割的对象或器官等求平均而生成器官模型，由此开发出所述对象或器官的标称模型。

一种用于将所述模型拟合至所述边界的有效的基于模型的分割技术包括将模型定义成柔性的三角形网格，并调整所述三角形网格，使其与所研究的对象或器官的边界匹配。一种将网格模型拟合至当前图像数据的技术包括在数学上向所述网格模型施加反向力。具体而言，所述技术确定将网格朝向图像中的诸如边缘或边界的已知图像特征吸引的外能与促使模型保持其形状的反向的形状保持内能之间的平衡。

令人遗憾的是，对模型形状施加限制可能不利于准确地遵循所研究的结构或器官的边界。找到两个能量项之间的最佳平衡通常不是一项容易的工作，可能导致歧义解或多个潜在解。

发明内容

本申请描述了一种细化的方案，该方案对处于被调整网格附近的区带内的体素分类，从而在很多情况下获得更加准确的最终分割结果，其中，所述被调整网格表示具有分割不确定的区域。

根据一个方面，提供了一种用于对当前诊断图像进行分割的系统。一个或多个工作站对由多个其他患者生成的选定研究体积的先前生成的高对比度诊断图像中的研究体积进行分割。一个或多个处理器被编程为使所述经分割的先前生成的图像配准，并将所述经分割的先前生成的图像合并到概率图内，所述概率图描绘：每一体素代表研究体积的概率、每一体素代表背景的概率和均值分割边界。分割处理器将所述概率图与当前患者体内的研究体积的当前诊断图像配准，以生成经变换的概率图。

根据另一方面，提供了一种对诊断图像进行分割的方法。对从多个患者生成的选定研究体积的先前诊断图像中的研究体积进行分割。对经分割的先前图像配准，并将配准的经分割的先前图像合并到概率图内，所述概率图描绘：每一体素代表所述研究体积的概率、每一体素代表背景的概率以及均值分割边界。

根据另一方面，提供了一种由上述方法生成的概率图。

根据另一方面，提供了一种记录了一个或多个计算机程序的有形计算机可读介质，所述计算机程序用于控制一个或多个处理器执行上述方法。

一个优点在于充分地促进了自动的准确分割。

另一个优点在于得到了更加可靠的分割结果。

在阅读并理解了下述详细说明的情况下，本领域技术人员将认识到本发明的其他优点。

附图说明

本发明可以采取各种部件和部件设置的形式，以及各种步骤和步骤设置的形式。附图的作用仅在于对优选实施例进行图示，不应认为其对本发明构成限制。

图1是用于对诊断图像进行自动分割的设备或系统的示意图；

图2是脑干模型的概率图的轴向切片的示意图；

图3是描绘必定属于脑干的体素、必定属于背景的体素和具有不确定的区域的图；

图4是示意性地示出了一种对图像进行分割的自动方法的流程图；以及

图5是示意性地示出了分割图像的操作者辅助方法的流程图。

具体实施方式

参考图1，诸如CT扫描器、MRI扫描器、PET扫描器、核扫描器、超声波扫描器等的诊断成像扫描器10生成图像数据，重建处理器12对所述图像数据重建，以生成当前3D诊断图像，当前3D诊断图像存储在存储器、存储段或缓冲器14内。