[发明专利]用于学习增强的基于图谱的自动分割的方法和装置

权利要求书

1.一种自动分割方法，包括：

使用图谱图像在受试者图像中的多个点上执行基于图谱的自动分割ABAS，以生成代表所述受试者图像中的结构的第一数据；

将所述受试者图像中的多个点应用到学习增强分类器，以生成代表所述受试者图像中的所述结构的第二数据；

结合所述第一数据和所述第二数据，以生成代表所述受试者图像中的所述结构的第三数据；以及

其中所述方法步骤由处理器执行，

所述方法还包括：

所述处理器选择所述受试者图像中的所述多个点的子集；以及

其中所述应用步骤包括：所述处理器将被应用到所述学习增强分类器的所述受试者图像的所述多个点限制到所选择的子集。

2.根据权利要求1所述的方法，其中所述选择步骤包括：所述处理器基于有关所述第一数据的至少一个不确定性标准来选择所述子集。

3.根据权利要求2所述的方法，其中所述图谱图像包括多个图谱图像，每个图谱图像包括多个点，每个图谱图像点与表示相关联的图谱图像点是否被分类为所述结构的标记相关联；

其中所述使用图谱图像在受试者图像中的多个点上执行基于图谱的自动分割ABAS的步骤包括：

所述处理器将所述受试者图像与多个所述图谱图像配准，以将所述受试者图像的点映射至所述图谱图像的点，从而将所配准的受试者图像的点与这些标记相关联，所述标记与已被映射到所述配准的受试者图像的点的所述图谱图像的点相关联；以及

通过基于与多个受试者图像点相关联的标记来对所述多个受试者图像点关于那些受试者图像点是否属于所述结构进行分类，由此所述处理器生成所述第一数据；以及

其中，所述选择步骤包括：

所述处理器将所述子集选择为与低于阈值的经评估结构分类准确度数据相关联的受试者图像点。

4.根据权利要求2所述的方法，其中所述选择步骤包括：所述处理器基于所述受试者图像中的多个点到所述第一数据中的所述结构的边界的接近度来选择所述子集。

5.根据权利要求1所述的方法，其中所述图谱图像包括多个图谱图像；

其中，所述第一数据包括多组所述第一数据，每个第一数据组对应于所述图谱图像中不同的一个，并且代表所述受试者图像中的所述结构；

其中所述应用步骤包括：所述处理器将每个所述第一数据组的所述受试者图像中的多个点应用到学习增强分类器，以将所述第二数据生成为多个第二数据组，每个第二数据组代表所述受试者图像中的所述结构；以及

其中所述结合步骤包括：所述处理器结合所述第一数据组和所述第二数据组，以生成所述第三数据。

6.根据权利要求1所述的方法，其中所述学习增强分类器是使用应用到图谱数据的有监督的机器学习算法来训练的分类器，所述图谱数据包括：(1)代表多个图谱图像的多个点的属性数据和(2)与图谱图像点相关联的多个标记，所述每个标记表示所述标记的相关联的图谱图像点是否属于所述结构。

7.根据权利要求6所述的方法，还包括：

在执行将受试者图像点应用到所述分类器的步骤之前，所述处理器通过将所述图谱数据应用到所述有监督的机器学习算法来训练所述分类器。

8.根据权利要求7所述的方法，其中所述有监督的机器学习算法包括随机森林RF机器学习算法。

9.根据权利要求7所述的方法，其中所述训练步骤包括：所述处理器通过以下步骤来限定所述图谱数据，所述步骤包括：(1)选择所述图谱图像的所述多个点的子集，和(2)将所述图谱数据限制至(i)代表图谱图像点的所选择的子集的属性数据和(ii)与所述图谱图像点的所选择的子集相关联的所述标记。

10.根据权利要求9所述的方法，其中所述选择步骤包括：所述处理器基于所述标记限定所述子集，使得所述子集包括所述结构的边界的限定接近度之内的多个图谱图像点。