[发明专利]基于知识的自动图像分段

说明书

技术领域

本公开一般涉及自动图像分段的领域，并且更具体而言涉及针对医学应用配置的医学图像自动分段领域。

相关申请的交叉引用

本申请是2010年7月28日提交的美国申请No.12/845,358的部分继续申请且要求该申请的优先权。

背景技术

当医学成像必须观察内部器官或一组内部器官时，存在可以利用的若干系统：X-射线、磁共振成像（MRI）、计算机断层摄影术（CT）等。当例如使用CT或MRI成像时，从三维体积获得一系列二维图像。此处，每个二维图像是三维体积的剖面“切片”的图像。所得的二维剖面切片的集合可以组合以产生患者人体的三维图像或重构。该所得的三维图像或三维重构将包含期望的内部器官。包含感兴趣结构的三维图像或重构的该部分被称为感兴趣体积。注意，当希望观察多个内部器官时，则将也存在多个感兴趣结构。

可以以若干方法查看一个或更多感兴趣结构。查看（多个）感兴趣结构的第一且最简单的方式是仅仅查看患者的原始CT或MRI图像片切片，每个切片包含（多个）感兴趣结构的视图。查看（多个）感兴趣结构的第二且更复杂的方法是将二维剖面切换系列组合成单个三维表示，其中（多个）感兴趣结构被表示为固体、透明或半透明等对象，该对象然后可以被操纵（例如旋转）以允许从多个角度查看。

包含疾病或异常组织或器官的（多个）感兴趣结构的三维重构的一个目的是准备三维放射治疗计划。放射治疗计划在医学过程中使用，其选择性地将身体的精确区域（诸如包含癌肿瘤的那些身体区域）暴露于到指定剂量的放射线以破坏不希望的组织。为了形成患者特定放射治疗计划，从三维模型提取信息以确定诸如器官形状、器官体积、肿瘤形状、器官中肿瘤位置以及若干其他感兴趣结构的位置或取向，这是因为它们与受影响器官或任意肿瘤相关。

二维切片可以逐个地在计算机屏幕上查看且使用常规图像程序，可以手工地跟踪感兴趣器官或结构的轮廓。轮廓是限定感兴趣结构的周线的连接线分段，其可以是器官、器官的一部分、肿瘤、患病组织或整个患者的周线。备选地，诸如脑或前列腺之类的指定器官中的那些感兴趣结构例如可以使用将图像细分化到分离区域的各种结构特定自动轮廓勾画和/或自动分段软件程序来识别，该软件程序勾画或填充切片集的每个二维切片上感兴趣的结构的形状。

发明内容

本发明提供了一种针对医学图像自动分段中固有的挑战的解决方案。在根据一个实施例的方法中，一系列步骤提供基于知识的医学图像自动分段。在接收医学图像之后，在知识库中搜索代表性参考图像集。使代表性参考图像集中的一部分变形以产生从代表性参考图像集到医学图像的映射。用于每个感兴趣器官的分段被计算。在一个实施例中，用于每个感兴趣器官的分段用作用于自动结构特有分段算法的种子。在另一实施例中，在自动分段算法结束、被查看和校正（需要时），将医学图像及其相关元数据、稀疏地标签名以及感兴趣结构添加到知识库。

在根据另一实施例的方法中，在接收医学图像之后，在知识库中搜索群组（cohort）平均参考图像集，其中该知识库包括至少一个群组平均图像集。使群组平均参考图像集的一部分变形以产生从群组平均参考图像集到医学图像集的映射。最后，确定用于医学图像集中每个感兴趣结构的分段。

附图说明

当阅读结合附图的以下详细描述时，将更好地理解本发明，附图中，相同的参考字符指示相同的元件，且其中：

图1是说明根据本发明的实施例用于提供基于知识的医学图像自动分段的系统的简化框图；

图2示出了根据本发明的实施例用于基于知识的医学图像自动分段的示例处理的步骤；

图3示出了根据本发明的实施例用于基于知识的医学图像自动分段的示例处理的步骤；

图4示出了根据本发明的实施例用于基于知识的医学图像自动分段的图像集的简化框图；

图5示出了根据本发明的实施例用于知识库中参考图像集群组的基于知识的医学图像自动分段的示例处理的步骤；

图6示出了根据本发明的实施例的基于知识的医学图像自动分段的简化框图；

图7示出了根据本发明的实施例的基于知识的医学图像自动分段的简化框图；

图8示出了根据本发明的实施例的用于基于知识的医学图像自动分段的示例处理的步骤；以及

图9示出了根据本发明的实施例用于基于知识的医学图像自动分段的示例处理的步骤。

具体实施方式