CN101116104A - 用于分割多维数据集中的表面的方法、系统和计算机程序 - Google Patents
用于分割多维数据集中的表面的方法、系统和计算机程序 Download PDFInfo
- Publication number
- CN101116104A CN101116104A CNA200680004623XA CN200680004623A CN101116104A CN 101116104 A CN101116104 A CN 101116104A CN A200680004623X A CNA200680004623X A CN A200680004623XA CN 200680004623 A CN200680004623 A CN 200680004623A CN 101116104 A CN101116104 A CN 101116104A
- Authority
- CN
- China
- Prior art keywords
- parameter
- topological
- adaptive
- model
- image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/149—Segmentation; Edge detection involving deformable models, e.g. active contour models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10088—Magnetic resonance imaging [MRI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30048—Heart; Cardiac
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Image Analysis (AREA)
- Image Generation (AREA)
Abstract
本发明涉及一种分割在包括多个图像的多维数据集中的表面的方法。按照本发明的方法,在步骤4,获取用于所考虑的目标的形状参数和拓扑参数。优选地,在获取步骤1,获取多维数据集,并随后将之存储在计算机可读的文件2中。在步骤5,基于可变形模型的适当分割算法3的缺省形状参数和拓扑参数被以用于给定目标的实际形状参数和拓扑参数4的值进行适配。随后,在步骤6,使用可变形模型算法6a、通过经适配的形状参数和经适配的拓扑参数来对构成多维数据集的图像进行分割,从而产生所寻求的表面的各个部分。当对于所有的图像得到了被分割表面的所有子部分之后,使用本身已知的跟踪算法8a跟踪该表面,导致建立在所述表面部分之间的空间对应关系。优选地,按照本发明的方法接下来是重建步骤9,其中对于给定的视角在虚拟空间中重建表面。在步骤11,重建的表面在适当的显示装置上被显现,以供用户分析。
Description
本发明涉及一种分割(segment)在包括多个图像的多维数据集中的表面的方法。
本发明还涉及一种用于使能分割在包括多个图像的多维数据集中的表面的系统。
本发明还涉及一种用于分割在包括多个图像的多维数据集中的表面的计算机程序。
在开头段落中陈述的方法的实施例是从出版物:J.Weese等人的“Shape Constrained Deformable Models for Medical ImageSegementation(用于医学图像分割的形状受约束的可变形模型)”,Proc.IPMI 380-387,2001获知的。该已知的方法具体被安排成:通过使用有关被设想来进行分割的目标的先验形状信息,来改进图像分割方法的鲁棒性。在该已知的方法中,形状信息被嵌入到可弹性变形的表面形状模型,由此对图像的适配由从局部表面检测得出的外部能量和内部能量来支配,这把可变形的表面限制为保持靠近由形状模型定义的子空间。
该已知方法的缺点在于,它的可靠性高度依赖于被安排来描述可移动物体的运动的弹性约束条件的精度。为了对相应的方程求解,需要大量的计算时间,这在日常的临床实践中是不能接受的。
本发明的目的是提供一种用于分割多维数据集中的表面的方法,由此该方法被安排成从原始图像数据自动学习局部形状和外观,因此提高了分割精度并且减小了分割表面所必需的计算时间。
为此,按照本发明的方法包括以下步骤:
-选择基于可变形表面模型的图像分割算法,该可变形表面模型包括先验构造的形状模型和先验构造的拓扑模型,由此该形状模型由第一参数表征而该拓扑模型由第二参数表征;
-访问该表面的预定的形状参数和拓扑参数;
-基于该形状参数和拓扑参数来适配该第一参数和第二参数,从而产生经适配的第一参数和经适配的第二参数;
-使用所述图像分割算法、通过经适配的第一参数和经适配的第二参数,来分割多维数据集中的表面,从而产生对于每个被分割图像的表面的各个部分;
-跟踪多维数据集中的表面,以建立在所述表面部分之间的空间对应关系。
本发明的技术措施是基于这样的观点:为了使能精确地检测和测量器官的运动,必须解决两个分开的任务。首先,感兴趣的器官必须从构成多维数据集的每个图像分割出来,其次,至少对于属于目标器官的那些图像部分,必须在图像系列的时间线上建立图像部分之间的正确的对应关系。按照本发明的方法对于任何给定时间点使用目标器官的一次建立的分割,以及从它来构建表面模型。优选地,分割是通过使用适当的可变形表面模型实行的。按照本发明的方法保存器官的形状和拓扑属性,这些属性被使用来产生在其它的、优选地是以后时间点的器官的分割,其中表面模型界标(landmark)遵循解剖特性,因此建立时间上的对应关系。被使用来分割序列中的其它图像的可变形表面模型获益于从初始图像取得的形状模型和拓扑模型。这个先验知识被使用来初始化参数以及约束形状偏差。由于相应于模型表面点的局部特性,这些模型点即使在器官表面发生变形时也将遵循器官表面上的解剖界标。
本发明是基于本身已知的、使用可变形模型的图像分割方法。使用可变形模型的图像分割方法的例子是从McInerney和Torzopoulous,Med.Img.Anal.1(2):91-108,1996获知的。在按照本发明的方法中,假设表面网(mesh)被适配于在至少一个图像体积中的器官表面。这可以被自动地或交互地完成。这个网的几何形状被用作为参考模型和作为在其它图像体积中用于适配过程的初始化。适配过程的细节在下面给出。该网由多个顶角v和三角形t组成。它在拓扑结构上可以是开放的或封闭的。三角形的数目以及它们的拓扑被假设为在跟踪期间不改变。顶角的位置构成形状模型。除了这些形状参数以外,图像外观(appearance)也被建模。取强度灰度值的向量 采样位置由pi,k=mi+Risk给出,其中mi是三角形的质心,以及Ri是旋转矩阵,它把向量|0,0,1|变换成三角形法线ni。因此,偏移sk=|0,0,0|给出pi,k=mi,以及sk=|0,0,1|给出pi,k=mi+ni,在网之外1mm的位置。这些向量(每个三角形i一个向量)组成器官的外观模型。应当指出,灰度值的向量可被各自归一化,例如,具有零平均值和1.0的标准偏差。在这种情形下,在特征项F(xi)中的灰度值向量也必须随之被归一化。
为了跟踪多维数据集中的表面,以便建立在这样建立的表面部分之间的对应关系,接下来是以下的程序过程。可变形的表面模型方法被使用于跟踪,它也使用如前述的形状模型和拓扑模型。可变形的表面被用形状模型的参数来初始化-那是指例如在初始图像体积中器官的提取的位置。优选地,能量最小化方案被使用于每个顶角位置vi的变形。要被最小化的能量由E=Eext+αEint给出。内部能量由 给出,其中是形状模型顶角位置,而vj是可变形的表面网顶角的位置(N(j)给出顶角号码j的所有的相邻索引)。该特定最佳化方法在每个步骤中作用到对于每个mi的离散数目的候选者。外部能量由 给出。附加权重wi由wi=1给出,或由 给出,其中 最有吸引力的候选者mi’由 确定。项使离当前位置较远的那些候选者处于不利地位。对于三角形i在图像位置xi处的图像特征强度F(xi)由 定义,其中是来自外观模型的灰度值的向量。参数是α和δ,以及采样网格(grid)的形状s和候选点集合o。对于o,使用多个二十面体网格,其导致在所有方向上和在不同距离上围绕mi的候选点。
在按照本发明的方法的实施例中,该方法包括以下步骤:
-通过使用在表面部分之间的空间对应关系,在多维空间中重建该表面;
-在显示装置上显现(visualize)该重建的表面。
已发现将按照本发明的方法用作各种心脏研究中的技术辅助是特别有利的。对于本发明来说人的心脏是一个专用的目标器官,因为它显示了复杂的运动图案,但保持拓扑上的稳定。在心脏诊断中,越来越希望评估局部运动图案,例如,以便把关于冠状血管的局部灌注和/或血管造影数据与中风病人(stroke patient)的局部心肌收缩性能相联系。还需要获取运动和变形图案,来构建跳动的心脏的几何模型。通过向合适的医学专家显现例如心肌、左心室或右心室的重建的表面,而允许精确地检测和/或量化运动。更优选地,显现装置还被安排成及时显现表面点的轨迹。这种技术措施使得能显现目标的运动,这对于运动研究是特别有利的。
在按照本发明的方法的另一个实施例中,访问表面的形状参数和拓扑参数的步骤包括以下子步骤:
-访问来自所述多个图像的单个的、优选地是初始图像的分割步骤的结果,所述结果包括关于该表面的形状和拓扑的信息;
-从所述结果得出用于该表面的形状参数和拓扑参数。
已发现使用如图像分割步骤那样的自动手段来确定表面的形状和拓扑参数是优选的。再优选地,对于分割步骤,使用利用可变形表面模型的分割。这样,提供了用于分割多维数据集中的表面的全自动方法,由此,不需要与操作员进行交互。按照本发明的方法的这个实施例还进一步改进了图像分析的工作流程。
在按照本发明的方法的再一个实施例中,该方法包括以下步骤:
-对于所述多个图像中的任何后续图像,对于经适配的第一参数和经适配的第二参数,使用从以前图像的图像分割的结果所推导出的以前图像的形状参数和拓扑参数。
已发现取代从序列(如t=0...n的序列中)的一个、优选地是初始的图像获知形状模型和拓扑模型让图像t=a中的跟踪使用来自t=a-1的得到的形状是特别有利的。拓扑模型是取自在由这个形状模型给出的位置处的图像t=a-1。这建立了滑动模型,其依据时间上的前一个图像来取它的形状和拓扑期望(expectation)。这在严重偏离初始状态的情况下可以是有利的。在这种情形下,对于特定的初始图像t=0的先前的分割是必须的。
按照本发明的系统包括:
-处理单元,可操作来运行包括图像分割算法的子例程,该图像分割算法是基于包括先验构造的形状模型和先验构造的拓扑模型的可变形表面模型,由此该形状模型由第一参数表征而该拓扑模型由第二参数表征;
-贮存单元,被安排来存储该表面的预定的形状参数和拓扑参数;
-计算单元,被安排来:
(i)基于该形状参数和拓扑参数来适配该第一参数和第二参数,从而产生经适配的第一参数和经适配的第二参数;
(ii)使用所述图像分割算法、通过经适配的第一参数和经适配的第二参数,分割多维数据集中的表面,从而产生对于每个被分割图像的表面的各个部分;
(iii)跟踪多维数据集中的表面,以建立在所述表面部分之间的空间对应关系。
在按照本发明的系统的实施例中,该系统还包括:
-重建单元,被安排来通过使用在表面部分之间的空间对应关系而在多维空间中重建该表面;
-显示装置,被安排来显现该重建的表面。
这个实施例在数据分析是在与数据处理相同的地点处(例如象在医院的诊断部门)被执行的情形下是特别适当的。再优选地,显示装置还被安排来显现目标的表面点的轨迹,这对于运动研究是特别有利的。
在系统的另一个实施例中,该系统还包括:
-数据获取单元,被安排来获取多维数据集。
按照本发明的系统的这个实施例允许供应完全自包含的数据获取和分析系统,还改进了工作流程。
按照本发明的计算机程序包括使得处理器执行以下步骤的指令:
-选择基于可变形表面模型的图像分割算法,该可变形表面模型包括先验构造的形状模型和先验构造的拓扑模型,由此该形状模型由第一参数表征而该拓扑模型由第二参数表征;
-访问该表面的预定的形状参数和拓扑参数;
-基于该形状参数和拓扑参数来适配该第一参数和第二参数,从而产生经适配的第一参数和经适配的第二参数;
-使用所述图像分割算法、通过经适配的第一参数和经适配的第二参数,分割多维数据集中的表面,从而产生对于每个被分割图像的表面的各个部分;
-跟踪多维数据集中的表面,以建立在所述表面部分之间的空间对应关系。
下面参照附图讨论本发明的这些和其它方面。
图1示意地呈现按照本发明的方法的流程图的实施例。
图2示意地呈现按照本发明的系统的实施例。
图3示意地呈现按照本发明的系统的另一个实施例。
图4示意地呈现按照本发明的计算机程序的流程图的实施例。
图5示意地呈现目标的表面点的显现轨迹的实施例。
图6示意地呈现目标的显现的分割表面的实施例。
图1示意地呈现按照本发明的方法的流程图10的实施例。按照本发明的方法,在步骤4,获取用于所考虑的目标的形状参数和拓扑参数。应当指出,可以设想所述获取的各种不同的方式。首先,有可能从代表目标的多维数据集之中选择一单独的图像,以及使用适当的基于模型的分割算法自动地分割表面。结果产生表面的形状参数和拓扑参数。优选地,在这种情形下,相同的基于模型的分割算法被用作为设想来实践本发明的分割算法3。优选地,在获取步骤1,获取多维数据集,并随后将之存储在计算机可读的文件2中。这些步骤也可以在相对于数据处理位置来说不同的位置处实行。其次,所寻求的表面有可能从数据集中的一单独的图像被人工地分割。所得到的表面然后经受适当的图像分析例程4a,以便推导出所勾画表面的形状参数和拓扑参数。再替换地,在某些预处理步骤中,有可能得出形状参数和拓扑参数,并将之存储在文件2中。在这种情形下,优选地通过使用适当的计算机装置访问这些参数。藉助于到远端主机的互联网等连接的远程获取也是可能的。用于实行按照本发明的方法的第一步骤的所有必须的计算步骤通过使用适当的可编程计算算法3a被实行。在步骤5,基于可变形模型的分割算法3的缺省形状参数和拓扑参数被以用于给定目标的实际形状参数和拓扑参数4的值进行适配。这里也可以使用适当的计算算法3a。随后,在步骤6,使用可变形模型算法6a、通过经适配的形状参数和经适配的拓扑参数来对构成多维数据集的图像进行分割,从而产生所寻求表面的各个部分。在步骤7,图像分割步骤的结果被存储。应当指出,对于图像分割步骤,可以设想本发明的几个实施例。首先,有可能使用从多维数据集的该单独的图像、优选地是初始的图像得到的形状参数和拓扑参数来分割所有的图像。替换地,有可能设计所谓的滑动模型,由此在第i个图像的一部分表面被分割后,它们的形状参数和拓扑参数被使用来分割数据集中的第i个图像。这个特性对于其中预期形状和/或拓扑相对于初始状态有很大偏差的情形是特别有利的。对于后一种实施例的实现,对于初始图像的精确的分割是必须的,以便给出用于滑动模型算法的基础。还应当指出,多维数据集必须被解译为在时间上顺序获取的二维图像系列,或在时间上顺序获取的三维图像系列。这样的获取的例子是磁共振成像或计算机层析成像图像,其具体地用于心脏运动研究。
当对于所有的图像得到了分割表面的所有的子部分之后,在步骤8,使用本身已知的跟踪算法8a跟踪表面,导致建立在所述表面部分之间的空间对应关系。优选地,按照本发明的方法接下来是重建步骤9,其中对于给定的视角在虚拟空间中重建该表面。在步骤11,重建的表面在适当的显示装置上被显现,以供用户分析。这个实施例进一步参照图6进行讨论。优选地,该显现是动画式的,因而强调了目标的运动图案。另外,为了进一步使分析运动图案容易,有可能显示目标的表面点的各个轨迹。这个具体的实施例参照图5进行讨论。
图2示意地呈现按照本发明的系统的实施例。系统20包括输入22,用于访问目标的表面的预定形状参数和拓扑参数。这些参数的导出,优选地可以通过使用适当医疗诊断数据的适当图像分割步骤在不同的硬件上实行,或替换地,它可以作为用于使用同样的硬件来实践本发明的准备步骤被实施。在后者的情形下,输入22可被安排成接收具有任何适当形式的参数。例如,系统20可以牵涉到获取适当的多维数据集。在这种情形下,所有的必需数据,例如象用于心脏成像的电影扫描(cine scan)和对比度增强扫描,可以以模拟形式被获取,并通过使用适当的A/D转换器被转换成数字形式,供以后处理。多维数据集也可以例如通过以数字形式直接获取,或在由另外的计算机/医疗仪器获取后经由计算机网络,而以数字形式被获取。于是通过输入22使得多维数据集对于系统20的处理单元25可得到,处理单元25被安排来使用适当的基于模型的分割算法23实行图像分割,从而产生目标的表面。
系统20的核心由处理器24形成,处理器24被安排成操作系统20的各部件,它们是输入22、计算单元25、工作存储器26、和后台贮存单元28。适当的处理器24的例子是传统的微处理器或信号处理器、后台贮存28(典型地基于硬盘)和工作存储器26(典型地基于RAM)。后台贮存28可被使用于在适当数据未被处理时存储该数据(或它的一部分),以及用于存储图像分割步骤的、确定形状参数28a和拓扑参数28b步骤的结果,和任何其它适当的中间或最后的计算步骤的结果。工作存储器26典型地保存被处理的数据集(的一部分)、和图像分割步骤的结果以及表面的结果。计算单元25优选地包括适当数目的可执行的子例程25a、25b、25c、25d。子例程25a被安排来用所考虑目标的表面的形状参数的值去适配模型的形状参数,以及子例程25b被安排来用所考虑目标的表面的拓扑参数的值去适配模型的拓扑参数。子例程25c被安排来计算对于在多维数据集中的每个被分割图像的表面的各个部分。子例程25d被安排来通过建立在表面部分之间的空间对应关系而跟踪在多维数据集中的表面。可以将本身已知的计算算法用于这个目的。
按照本发明的系统20优选地还包括重建单元27,其被安排来通过使用在表面部分之间建立的空间对应关系在虚拟空间中重建表面。为此目的,可以使用本身已知的图像重建方法27a。优选地,重建单元27、计算单元25和处理器24可由按照本发明的计算机程序23来操作。输出29被使用来输出处理的结果,如重建的表面,其优选地由目标的动画式几何模型来代表。
图3示意地呈现按照本发明的系统的另一个实施例。系统30被安排成使得能基于使用适当数据获取单元31获取的图像数据集来分割多维数据集32a中的表面,所述分割由处理器32实行。为了医学成像的目的,特别是为了心脏运动研究,适当的医学诊断设备可包括本身已知的磁共振成像设备或计算机层析成像单元,其优选地工作在多期多层面(multi-phase multi-slice)模式。
处理器32的输出包括目标-特别是人的心脏-的分割的、优选地重建的表面32b。适当的表面包括至少以下部分:左心室、右心室、心房、主动脉、肺动脉和静脉(vene)主干。使处理器32的输出对适当观看器41的另外的输入35是可得到的。优选地,另外的输入35包括适当的另外的处理器,其被安排来通过使用适于控制用户接口37的程序36操作适当的接口,以使得显现优选地作为动画式几何模型呈现的分割的表面38a、38b的图像。优选地,构成目标表面的不同子表面通过使用各个彩色编码被显示,以便易于被用户感知。再优选地,显现的表面以循环的动画视频被呈现。例如,图像38a可以呈现某个时刻-例如心脏收缩末期或心脏舒张末期阶段-的情形,而同时图像38b可以呈现跳动的心脏的循环动画。优选地,为了方便用户,观看器41配备有高分辨率显示装置33,用户接口可藉助于适当的交互装置39,例如鼠标、键盘、或任何其它适当的用户输入设备被操作。优选地,用户接口允许用户选择和交互地改变显现模式。
图4示意地呈现按照本发明的计算机程序的流程图40的实施例。在步骤42,访问藉助于多维数据集而成像的目标的表面的形状参数和拓扑参数。优选地,这个步骤之前是步骤41,在该步骤中计算这些参数。再优选地,为了计算形状参数和拓扑参数,来自构成该多维数据集的一组图像的一个图像,特别是初始图像,通过使用基于可变形模型的分割方法被分割。替换地,表面的形状参数和拓扑参数可以通过使用适当的计算例程、从图像的被勾画表面计算出来。再替换地,形状参数和拓扑参数可以从在适当的预处理步骤期间创建的预先存储的文件中被读出。在按照本发明的计算机程序的步骤46,特别是通过初始化可执行的计算机代码,来选择基于可变形模型的图像分割算法。基于可变形模型的图像分割算法包括一组预定的形状参数和一组预定的拓扑参数。在按照本发明的方法和计算机程序中,假设表面网适配于在至少一个图像体积中的器官表面。这可以被自动地或交互地完成。这个网的几何形状被用作为参考模型和作为在其它图像体积中用于适配过程的初始化。适配过程的细节在下面给出。该网由多个顶角v和三角形t组成。它在拓扑结构上可以是开放的或封闭的。三角形的数目以及它们的拓扑被假设为在跟踪期间不改变。顶角的位置构成形状模型。除了这些形状参数以外,图像外观也被建模。取强度灰度值的向量 采样位置由pi,k=mi+Risk给出,其中mi是三角形的质心,以及Ri是旋转矩阵,它把向量|0,0,1|变换成三角形法线ni。因此,偏移sk=|0,0,0|给出pi,k=mi,以及sk=|0,0,1|给出pi,k=mi+ni,在网之外1mm的位置。这些向量(每个三角形i一个向量)组成器官的外观模型。应当指出,灰度值的向量可被各自归一化,例如,具有零平均值和1.0的标准偏差。在这种情形下,在特征项F(xi)中的灰度值向量也必须随之被归一化。
在步骤44,形状参数和拓扑参数被以在步骤42得到的形状参数和拓扑参数的值进行适配。在步骤45,使用所选择的图像分割程序对来自多维数据集的图像进行分割,由此使用了经适配的形状参数和经适配的拓扑参数。有可能通过使用相同的经适配的形状参数和经适配的拓扑参数来分割构成多维数据集的所有图像。替换地,可以实施所谓的滑动模型,由此在第i个图像的适当图像分割步骤之后的步骤47,存储当前的形状参数和拓扑参数,以及把它们应用于第(i+1)个图像的分割。在来自多维数据集的所有图像被分割后,在跟踪步骤48,通过使用适当的计算算法48a跟踪表面的所得到的部分,这导致建立在这些表面部分之间的空间对应关系。为了跟踪多维数据集中的表面,以便建立在这样建立的表面部分之间的对应关系,接下来是以下的程序过程。可变形表面模型方法被使用于跟踪,它也使用如前述的形状模型和拓扑模型。可变形的表面被用形状模型的参数来初始化-其是指在初始图像体积中器官的提取位置。优选地,能量最小化方案被使用于每个顶角位置vi的变形。要被最小化的能量由E=Eext+αEint给出。内部能量由 给出,其中是形状模型顶角位置,而vj是可变形表面网顶角的位置(N(j)给出顶角号码j的所有相邻的索引)。特定的最佳化方法在每个步骤中作用到对于每个mi的离散数目的候选者。外部能量由 给出。附加权重wi由wi=1给出,或由 给出,其中 最有吸引力的候选者mi’由 给出。项使离中心位置较远的那些候选者处于不利地位。对于三角形i的在图像位置xi处的图像特征强度F(xi)由 定义,其中是来自外观模型的灰度值的向量。参数是α和δ,以及采样网格的形状s和候选点的集合o。对于o,使用多个二十面体网格,其导致在所有方向上和在不同距离上围绕mi的候选点。
在跟踪步骤完成后,在步骤49,把跟踪的结果优选地存储在适当的文件中。在步骤50,可以通过适当的本身已知的图像重建例程50a来访问这个文件,图像重建例程50a对于给定的视角在虚拟空间中重建表面。优选地,在步骤52,在适当的显示装置上显示所得到的表面。再优选地,该显示包括对动画式表面的显现。
图5示意地呈现目标的表面点的显现轨迹的实施例60。已发现,不单使得表面显现、而且使得给表面建模的网点的各个轨迹显现是有利的。这个特定的显现模式是用于跟踪目标的运动图案的良好辅助。优选地,向用户标识低运动的区域61b以及高运动的区域61a。在这种情形下,用户被提供以准定量辅助,以便改进他对于目标的不同区域的运动图案的感知。
图6示意地呈现目标的显现的分割表面的实施例70。优选地,在适当的计算机用户接口72内使得能进行显现,接口72诸如是在其上分割表面73和75被投影的显示屏幕。优选地,表面73的不同的解剖区域被彩色编码,以便简化用户的感知。也有可能图像73显示静止画面,而图像75显示通过不同的运动阶段循环的动画画面。这对于跳动的心脏的显现是特别有用的。优选地,用户接口72还包括交互的窗口74,其中呈现适当的字母数字信息。例如,病人数据以及关于运动图案的定量信息可以被投影在交互窗口74上。
Claims (10)
1.一种分割在包括多个图像的多维数据集中的表面的方法,所述方法包括以下步骤:
-选择一个基于可变形表面模型的图像分割算法,该可变形表面模型包括先验构造的形状模型和先验构造的拓扑模型,由此该形状模型由第一参数表征而该拓扑模型由第二参数表征;
-访问该表面的预定的形状参数和拓扑参数;
-基于该形状参数和拓扑参数来适配该第一参数和第二参数,从而产生经适配的第一参数和经适配的第二参数;
-使用所述图像分割算法、通过经适配的第一参数和经适配的第二参数,来分割在多维数据集中的表面,从而产生对于每个被分割图像的表面的各个部分;
-跟踪多维数据集中的表面,以建立在所述表面部分之间的空间对应关系。
2.按照权利要求1的方法,由此该方法还包括以下步骤:
-通过使用在表面部分之间的空间对应关系,在多维空间中重建该表面;
-在显示装置上显现该重建的表面。
3.按照权利要求1或2的方法,由此访问该表面的形状参数和拓扑参数的步骤包括以下子步骤:
-访问来自所述多个图像的单个初始图像的分割步骤的结果,所述结果包括有关该表面的形状和拓扑的信息;
-从所述结果推导出用于该表面的形状参数和拓扑参数。
4.按照权利要求3的方法,由此该方法还包括以下步骤:
-对于所述多个图像中的任何后续图像,为该经适配的第一参数和经适配的第二参数,使用从以前图像的图像分割的结果所推导出的以前图像的形状参数和拓扑参数。
5.按照前述权利要求的任一项的方法,由此对于多维数据集,选择运动目标的成像序列。
6.按照权利要求5的方法,由此对于运动目标,选择跳动的心脏。
7.一种用于使能分割在包括多个图像的多维数据集中的表面的系统(20),所述系统包括:
-处理单元(24),可操作来运行包括图像分割算法的子例程(23),该图像分割算法是基于包括先验构造的形状模型和先验构造的拓扑模型的可变形表面模型,由此该形状模型由第一参数表征而该拓扑模型由第二参数表征;
-贮存单元(28),被安排来存储该表面的预定的形状参数(28a)和拓扑参数(28b);
-计算单元(25),被安排来:
(i)基于该形状参数和拓扑参数来适配该第一参数和第二参数,从而产生经适配的第一参数(25a)和经适配的第二参数(25b);
(ii)使用所述图像分割算法、通过经适配的第一参数和经适配的第二参数,来在多维数据集中分割该表面,从而产生对于每个被分割图像的表面的各个部分(25c);
(iii)跟踪多维数据集中的表面,以建立在所述表面部分之间的空间对应关系(25d)。
8.按照权利要求7的系统(20),由此该系统还包括:
-重建单元(27),被安排来通过使用在表面部分之间的空间对应关系而在多维空间中重建该表面(27a);
-显示装置(33),被安排来显现该重建的表面(38a,38b)。
9.按照前述权利要求7或8的任一项的系统(30),由此该系统还包括数据获取单元(31),被安排来获取该多维数据集(32a)。
10.一种用于分割在包括多个图像的多维数据集中的表面的计算机程序(40),所述计算机程序包括使得处理器执行以下步骤的指令:
-选择一个基于可变形表面模型的图像分割算法,该可变形表面模型包括先验构造的形状模型和先验构造的拓扑模型,由此该形状模型由第一参数表征而该拓扑模型由第二参数表征;
-访问该表面的预定的形状参数和拓扑参数;
-基于该形状参数和拓扑参数来适配该第一参数和第二参数,从而产生经适配的第一参数和经适配的第二参数;
-使用所述图像分割算法、通过经适配的第一参数和经适配的第二参数,来分割在多维数据集中的表面,从而产生对于每个被分割图像的表面的各个部分;
-跟踪多维数据集中的表面,以建立在所述表面部分之间的空间对应关系。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP05100961 | 2005-02-10 | ||
EP05100961.1 | 2005-02-10 | ||
PCT/IB2006/050379 WO2006085257A2 (en) | 2005-02-10 | 2006-02-06 | A method, a system and a computer program for segmenting a surface in a multidimensional dataset |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101116104A true CN101116104A (zh) | 2008-01-30 |
CN101116104B CN101116104B (zh) | 2012-07-04 |
Family
ID=36698981
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN200680004623XA Active CN101116104B (zh) | 2005-02-10 | 2006-02-06 | 用于分割多维数据集中的表面的方法、系统 |
Country Status (4)
Country | Link |
---|---|
US (1) | US7986836B2 (zh) |
EP (1) | EP1851721B1 (zh) |
CN (1) | CN101116104B (zh) |
WO (1) | WO2006085257A2 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108376420A (zh) * | 2017-01-31 | 2018-08-07 | 佳能株式会社 | 模型生成装置及方法、评估装置及方法和存储介质 |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008065590A1 (en) * | 2006-11-28 | 2008-06-05 | Koninklijke Philips Electronics N.V | Improved segmentation |
US8135199B2 (en) * | 2006-12-19 | 2012-03-13 | Fujifilm Corporation | Method and apparatus of using probabilistic atlas for feature removal/positioning |
WO2009034499A2 (en) * | 2007-09-13 | 2009-03-19 | Philips Intellectual Property & Standards Gmbh | Flexible 'plug-and-play' medical image segmentation |
US8503744B2 (en) * | 2007-11-19 | 2013-08-06 | Dekel Shlomi | Dynamic method and system for representing a three dimensional object navigated from within |
US9436798B2 (en) | 2007-12-13 | 2016-09-06 | Koninklijke Philips N.V. | Method of retrieving data from a medical image data set |
EP2279489B1 (en) * | 2008-04-07 | 2019-06-12 | Koninklijke Philips N.V. | Mesh collision avoidance |
US8842893B2 (en) * | 2010-04-30 | 2014-09-23 | Medtronic Navigation, Inc. | Method and apparatus for image-based navigation |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6591004B1 (en) * | 1998-09-21 | 2003-07-08 | Washington University | Sure-fit: an automated method for modeling the shape of cerebral cortex and other complex structures using customized filters and transformations |
US6961454B2 (en) * | 2001-10-04 | 2005-11-01 | Siemens Corporation Research, Inc. | System and method for segmenting the left ventricle in a cardiac MR image |
CN100541541C (zh) * | 2001-12-29 | 2009-09-16 | 田捷 | 基于单层表面跟踪的超大规模医学图像表面重建方法 |
CN1224943C (zh) * | 2002-07-26 | 2005-10-26 | 中国科学院自动化研究所 | 基于活动轮廓模型的多个对象的自动分割方法 |
US7499578B2 (en) * | 2002-10-18 | 2009-03-03 | Cornell Research Foundation, Inc. | System, method and apparatus for small pulmonary nodule computer aided diagnosis from computed tomography scans |
US7542622B1 (en) * | 2003-06-02 | 2009-06-02 | The Trustees Of Columbia University In The City Of New York | Spatio-temporal treatment of noisy images using brushlets |
US7421101B2 (en) * | 2003-10-02 | 2008-09-02 | Siemens Medical Solutions Usa, Inc. | System and method for local deformable motion analysis |
US7650025B2 (en) * | 2005-08-01 | 2010-01-19 | Siemens Medical Solutions Usa, Inc. | System and method for body extraction in medical image volumes |
-
2006
- 2006-02-06 US US11/815,453 patent/US7986836B2/en active Active
- 2006-02-06 WO PCT/IB2006/050379 patent/WO2006085257A2/en active Application Filing
- 2006-02-06 CN CN200680004623XA patent/CN101116104B/zh active Active
- 2006-02-06 EP EP06710834.0A patent/EP1851721B1/en active Active
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108376420A (zh) * | 2017-01-31 | 2018-08-07 | 佳能株式会社 | 模型生成装置及方法、评估装置及方法和存储介质 |
CN108376420B (zh) * | 2017-01-31 | 2023-08-18 | 佳能株式会社 | 信息处理设备、信息处理方法、评估方法和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
EP1851721B1 (en) | 2019-04-10 |
WO2006085257A3 (en) | 2006-11-09 |
US20080205757A1 (en) | 2008-08-28 |
EP1851721A2 (en) | 2007-11-07 |
CN101116104B (zh) | 2012-07-04 |
US7986836B2 (en) | 2011-07-26 |
WO2006085257A2 (en) | 2006-08-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Liang et al. | United snakes | |
Sermesant et al. | Deformable biomechanical models: Application to 4D cardiac image analysis | |
Tavakoli et al. | A survey of shaped-based registration and segmentation techniques for cardiac images | |
Hoogendoorn et al. | A high-resolution atlas and statistical model of the human heart from multislice CT | |
US8107703B2 (en) | Quantitative real-time 4D stress test analysis | |
CN101084528B (zh) | 用于集成可移动人体的医疗诊断信息和几何模型的方法、系统 | |
CN101116104B (zh) | 用于分割多维数据集中的表面的方法、系统 | |
EP1851722B1 (en) | Image processing device and method | |
US9275190B2 (en) | Method and system for generating a four-chamber heart model | |
Grbic et al. | Complete valvular heart apparatus model from 4D cardiac CT | |
CN107330888A (zh) | 基于cta图像的动态心脏各腔室分割方法 | |
RU2669680C2 (ru) | Инициализация модели на основе классификации видов | |
US20150045644A1 (en) | System and Method for Estimating Artery Compliance and Resistance from 4D Cardiac Images and Pressure Measurements | |
Xiong et al. | Comprehensive modeling and visualization of cardiac anatomy and physiology from CT imaging and computer simulations | |
Lamash et al. | Strain analysis from 4-D cardiac CT image data | |
Krishnan et al. | Analysis of time-dependent flow-sensitive PC-MRI data | |
Park et al. | Volumetric heart modeling and analysis | |
Kirmizibayrak et al. | Digital analysis and visualization of swimming motion | |
Sermesant et al. | Biomechanical model construction from different modalities: Application to cardiac images | |
Wang et al. | 4d surface mesh reconstruction from segmented cardiac images using subdivision surfaces | |
McFarlane et al. | Visualization and simulated surgery of the left ventricle in the virtual pathological heart of the Virtual Physiological Human | |
Haddad et al. | A realistic anthropomorphic dynamic heart phantom | |
Shih et al. | Morphologic field morphing: Contour model‐guided image interpolation | |
Choi et al. | Motion visualization of human left ventricle with a time‐varying deformable model for cardiac diagnosis | |
Liu et al. | Pyramidal Optical Flow Method-Based Lightweight Monocular 3D Vascular Point Cloud Reconstruction |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |