[发明专利]基于迭代重建的轮廓自动化确定

说明书

本发明涉及基于迭代重建的轮廓自动化确定。描述了一种用于分割待成像的检查区域(FOV)的方法。在该方法中，从待成像的检查区域(FOV)采集测量投影数据(RD)。基于所采集的测量投影数据(RD)进行迭代重建(IR)。在此，重建初步图像数据(VBD)和初步纹理特征(VTM)。基于所获得的初步纹理特征(VTM)，确定检查区域(FOV)中的预期的初步结构(VEK)、优选初步轮廓。随后，在对初步图像数据(VBD)和初步纹理特征(VTM)的迭代重建中考虑预期的初步结构(VEK)。还描述了一种图像分割方法。还描述了一种图像重建装置。还描述了一种图像分割装置(40)。还描述了一种计算机断层成像系统(1)。

技术领域

本发明涉及一种用于重建待成像的检查区域的图像数据和纹理特征的方法。本发明还涉及一种用于分割待成像的检查区域的方法。此外，本发明涉及一种重建装置。本发明还涉及一种图像分割装置。本发明还涉及一种计算机断层成像系统。

背景技术

在来自医学成像设备的预先给定的图像中对器官进行分割，在许多临床应用中是非常关键的一个步骤。例如，对肝脏进行分割是必不可少的一个步骤，以便确定其体积或者其部分体积。然后可以使用该信息的知识，来例如规划肝脏手术期间的准确手术步骤。

另一个示例涉及确定具有高辐射敏感度的器官的轮廓，以便规划放射治疗处理。在这种情境下，标出患者身体中的敏感的健康的解剖学结构、例如肝脏或者膀胱，以便保护其免受在治疗照射中出现的辐射暴露的损害，是非常重要的。然后，分割的健康的结构和分割的待照射的肿瘤一起被包含在放射治疗规划的方案中，从而在健康风险和照射的使用方面针对患者实现最佳结果。

在任何情况下都希望开发一种能够快速并且准确地处理大量数据的自动化的分割方法。迄今为止，已经利用现代图像处理方法将一些应用自动化。例如，自动化的肝脏或心脏分割是许多临床应用的组成部分。然而，已经存在的解决方案不完善，为了获得正确的结果，在一部分分割过程中仍然总是需要用户介入。还存在大量应用情况，其中，通过利用简单的几何工具勾画出解剖学对象的二维轮廓，然后合成为三维结构(例如参见图1)，来完全手动地进行分割过程。

问题在于，不同的解剖学对象之间的边界不总是能够被清楚地识别，并且目前的算法也不能完美地对这些对象进行分割。例如，在非对比度CT图像数据的情况下，属于肝脏的体素和与相邻的肌肉组织相关联的体素具有相同的CT值(亨氏值(Hounsfield-Werte))。

为了也能够基于在图像数据空间中不能清楚地识别不同的解剖学结构之间的边界的图像数据执行分割，传统上将事先已知的关于图像数据的信息一起包含到所应用的分割算法中。在此，一种特别新颖的方法是所谓的机器学习，其中，产生包括几何特征和纹理特征并且基于大量图像数据确定的统计学计算机模型。然后，将这种模型应用于患者解剖结构，其中，在记录的图像数据中考虑个体的患者信息。这种方法使得能够更好地对不能在视觉上进行区分的图像片段进行处理。在这些图像片段中，使用模型几何结构，以便对图像对比度的缺乏进行补偿。然而，利用这些统计学模型也不能解决所有的分割问题。其原因在于，在图像数据中缺乏的信息不能准确地通过统计学信息进行补偿。

在借助医学成像装置进行的图像记录期间，在第一步骤中采集原始数据，也称为测量投影数据，其例如在计算机断层成像设备中与不同的投影角有关地对应于X射线的吸收。随后基于原始数据利用整合方法重建图像数据。在所有传统分割方法中，所有模型方法都局限于图像数据空间中的图像数据的体素信息。然而，在从原始数据到重建的图像数据的变换中，相当大部分的信息丢失并且单独根据图像数据也无法得到重建。

发明内容

由此，存在提供一种普遍适用的自动化的重建方法的问题，这种重建方法在确定解剖学结构、特别是解剖学结构的轮廓时，具有改善的精度和可靠性。

上述技术问题通过根据本发明的用于重建待成像的检查区域的图像数据和纹理特征的方法、根据本发明的用于分割待成像的检查区域的方法、根据本发明的图像重建装置、根据本发明的图像分割装置以及根据本发明的计算机断层成像系统来解决。