[发明专利]图像分析方法和设备

说明书

一种图像分析方法和设备用于检测图像分割流程中的故障或者错误。所述方法包括：比较(14)表示不同的相应时间点处的特定解剖区域的两幅或更多幅图像的分割结果；并且识别其之间的一致性或偏离的程度。基于该导出的一致性或偏离量度来确定(16)所述分割流程的准确度的量度。

技术领域

本发明涉及一种用于图像的分析的方法和设备，特别地用于评估应用到图像的分割流程的准确度的方法和设备。

背景技术

图像分割是将数字图像划分为多个分段(或像素组)的数字图像处理中的流程，每个分段覆盖图像的一些区或区域。其最经常地用于定位图像中的物体和边界(例如，线、曲线)。不同的分段通常基于在该分割区域中包含的像素的一些类似共享图形性质来识别和区分，例如，颜色、强度、或纹理。相邻分割区域将关于(一个或多个)这些相同特性是不同的。

在医学成像领域中，分割对于识别捕获的图像内的各种解剖结构或特征是有价值的，诸如例如器官、空气、和流体通道(诸如血管或消化道)、瓣膜、或腔。在图像分割之后的得到的轮廓使能由临床医师对医学图像的更迅速的评估(使能更快的诊断或处置决策)。分割对于送进到后续处理技术中也可以是有用的。例如，给定区域的图像的系列或堆叠可以使用分割信息处理以创建3D重建，例如，在诸如Marching Cubes算法的内插算法的帮助下。

医学成像的一个重要领域是超声。超声在身体的各种各样的区的评估和诊断中发挥重要作用。其在心脏成像中的用途是特别地有价值的。

诊断、处置和规划常常基于使用超声图像内的相关解剖部位或特征的清楚描绘。在心脏成像的领域中，例如，这些部位可以包括心室、心房或周围组织。分割常常被用于使该描绘过程自动化。

身体中的许多器官或解剖物体经历循环移动模式，例如，在心动周期(当心脏跳动时收缩与舒张之间的周期)期间心脏和其内腔的移动或者例如在呼吸周期期间的肺的收缩和扩张。

基于模型的图像分割常常被用于医学成像。基于模型的分割使用例如特定解剖区域的预定模型，其对某些解剖结构或特征的典型形状、大小、纹理或其他图形特征进行建模。这些模型性质可以施加作为对分割的约束，例如，其中，模型拟合到成像数据，从而使能解剖特征的分割。

不管改进，图像分割常常是不可靠的。由于不佳的图像质量、解剖异常、或不期望的成像视场，例如，结构的自动描绘能够频繁出故障。分割过程的故障能够出于许多原因。例如，算法可能误解输入图像内容，或者图像可能缺乏某些区中的足够的分辨率或信号内容以使能边界和线的准确描绘。例如，基于模型的分割依赖于评估图像特征，诸如梯度或者纹理。某些解剖区域中的不佳的超声信号质量或者丢失的信号数据能够导致流程的故障。这能够导致图像特征的不准确的描绘并且因此不可靠的分割结果。

更特别地，准确地识别下层图像性质或特征(即，像素的性质)的故障能够导致模型对图像的不正确的拟合(或适配)。这导致不准确和不一致的分割结果。

分割流程中的故障可能以模型形状的不现实失真的形式在分割结果中显现，而且对表现为似乎可信但实际上与真实下层解剖结构显著地偏离的形状进行建模。

检测何时分割已经出故障对于避免对不准确的分割结果的基于临床医师的医学判断是极其重要的。这在故障的分割结果仍然在形状方面表现为真实可信时是最重要的。

现有技术的检测分割故障的典型方法是将分割结果与下层图像比较来寻找指示故障的特性不规则性。然而，该方法是非常具挑战性的。特别地，许多分割故障由于某些区中的不佳质量或者丢失的信号数据而发生。低信号的这些相同区常常还导致类似误差由检验算法自己造成，其可能导致关于什么表示成功结果和什么表示故障结果的模糊性。

因此，检测分割误差的经改进的方法将具有价值。