專利名稱：基于路徑的樹匹配的系統(tǒng)和方法
技術(shù)領域：
本發(fā)明涉及樹匹配算法，并且更特別地涉及供醫(yī)學圖像處理應用使用的、基于路徑的樹匹配的系統(tǒng)和方法。
背景技術(shù)：
本申請要求于2005年6月22日提交的序列號為60/692,954的美國臨時申請的權(quán)益，該美國臨時申請的副本在此被引入作為參考。
樹匹配算法在醫(yī)學成像方面有許多應用，這些應用尤其是包括配準、解剖學標記、分割、和導航諸如脈管和呼吸道樹的結(jié)構(gòu)。
尤其是，樹匹配算法可以在肺成像中被用于下面的目的在不同時期獲取的相同患者患者的多個圖像中的呼吸道—呼吸道/動脈—動脈樹匹配；來自于不同患者的呼吸道—呼吸道/動脈-動脈樹匹配；從患者到圖譜(atlas)的呼吸道—呼吸道/動脈—動脈樹匹配，以執(zhí)行解剖學標記；圖像內(nèi)的呼吸道—動脈匹配，以確定在兩個樹結(jié)構(gòu)之間的對應或幫助檢測另外的呼吸道或動脈或用于支氣管鏡檢導航；以及與圖譜或與在不同時期獲取的相同患者的圖像的靜脈匹配。
不同時期的相同患者內(nèi)的呼吸道—呼吸道和動脈—動脈匹配可以為圖像配準和自動定量分析提供重要基礎。例如，這樣的匹配能夠隨著時間的過去自動地改變對支氣管壁厚度的測量，以監(jiān)控疾病進展或響應治療。與圖譜的匹配也可以減輕放射科醫(yī)師的一些任務。這種情況的例子在K.Mori、J.-I.Hasegawa的“Automated Anatomical Labeling of the Bronchial Branch and Its Application tothe Virtual Bronchoscopy System(支氣管分支的自動解剖學標記及其在虛擬的支氣管鏡檢系統(tǒng)的應用)”(IEEE Trans.on Medical Imaging，第103-114頁，第19卷，2000年2月)和H.Kitaoka、Y.Park、J.Tschirren、J.Reinhardt的“AutomatedNomenclature Labeling of the Bronchial Tree in 3D-CT Lung Images(3D-CT肺圖像中的支氣管樹的自動術(shù)語標記)”(Proceedings of the 5thInternational Conferenceon Medical Image Computing and Computer Assisted Intervention，第二部分，第1-11頁，2002年9月)中被描述。
圖譜匹配可被用于確定與在放射科醫(yī)師的報告上所標識的問題區(qū)相關的解剖學名稱。與不同患者的匹配允許大規(guī)模的比較患者的數(shù)據(jù)。相同患者內(nèi)的呼吸道-動脈匹配可被用于支氣管鏡檢的導航。這種情況的例子在B.Geiger、A.P.Kiraly、D.P.Naidich、C.L.Novak的“Virtal Bronchoscopy of Peripheral Nodulesusing Arteries as Surrogate Pathways(使用動脈作為替代路徑的外圍結(jié)節(jié)的虛擬支氣管鏡檢查)”(SPIE Physiology，F(xiàn)unction，and Structure From Medical Images，第5746卷，2005年)中被描述；以及在B.Geiger、A.P.Kiraly、D.P.Naidich、C.L.Novak的“System and Method for Endoscopic Path Planning(用于內(nèi)窺鏡檢查的路徑規(guī)劃的系統(tǒng)和方法)”(美國專利申請公開文獻No.20050107679)中被描述。相同患者內(nèi)的呼吸道-動脈匹配還可被用作改善的動脈或呼吸道分割的基礎。這種情況的例子在T.Buelow、R.Wiemker、T.Blaffert、C.Lorenz、S.Renisch的“Automatic Extraction of the Pulmonary Artery Tree from Multi-Slice CT Data(從多切片CT數(shù)據(jù)中自動提取肺部動脈樹)”(SPIE Physiology，F(xiàn)unction，and StructureFrom Medical Images，第730-740頁，第5746卷，2005年)中被描述。
樹匹配算法要求樹結(jié)構(gòu)作為輸入。這個結(jié)構(gòu)將樹描述為通過分支點互連的一系列分支。若干已知算法可被用于獲得尤其是包括跟蹤、分割、和骨架化的樹結(jié)構(gòu)。這種情況的例子在A.P.Kiraly、J.P.Helferty、E.A.Hoffman、G.McLennan、和W.E.Higgins的“3D Path Planning for Virtual Bronchoscopy(用于虛擬的支氣管鏡檢查的三維路徑規(guī)劃)”(IEEE Trans.on Medical Imaging，第1365-1379頁，第23卷，2004年11月)中被描述。一旦獲得所述樹結(jié)構(gòu)，匹配算法就直接對該結(jié)構(gòu)和被包含在其中的任何數(shù)據(jù)進行操作。任何諸如呼吸道、動脈、和靜脈的非循環(huán)樹結(jié)構(gòu)包含父與子分支的固有的分級結(jié)構(gòu)。這種樹能夠被看作是有向圖和分支圖。
存在若干種匹配來自相同患者的呼吸道-呼吸道樹的方法。示例性方法在C.Pisupati、L.Wolff、W.Mitzner、E.Zerhouni的“Tracking 3-D Pulmonary TreeStructures(跟蹤三維肺部樹結(jié)構(gòu))”(Mathematical Methods in Biomedical ImageAnalysis，第160-169頁，1996年)中被描述；和在J.Tschirren、K.Palagyi、J.M.Reinhardt、E.A.Hoffman、和M.Sonka的“Segmentation，Skeletonization，andBranchpoint Matching-A Fully Automated Quantitative Evaluation of HumanIntrathoracic Airway Trees(分割、骨架化、和分支點匹配-完全自動地定量評價人胸內(nèi)的呼吸道樹)”(SPIE Medical Imaging 2003Physiology and FunctionMethods，Systems，and Applications，第187-194頁，第5031卷，2003年)中被描述。
此外，存在若干種方法，用于提供支氣管樹的自動的解剖學標記。這些方法的例子在K.Mori、J.-I.Hasegawa的“Automated Anatomical Labeling of theBronchial Branch and Its Application to the Virtual Bronchoscopy System(支氣管分支的自動的解剖學標記及其對虛擬的支氣管鏡檢查系統(tǒng)的應用”(IEEE Trans.onMedical Imaging，第103-114頁，第19卷，2000年2月)和H.Kitaoka、Y.Park、J.Tschirren、J.Reinhardt的“Automated Nomenclature Labeling of the Bronchial Treein 3D-CT Lung Images(3D-CT肺圖像中的支氣管樹的自動術(shù)語標記)”(Proceedings of the 5thInternational Conference on Medical Image Computing andComputer Assisted Intervention，第II部分，第1-11頁，2002年9月)中被描述。
最新的算法通常結(jié)合歧點內(nèi)的一組特征。這些算法的例子在C.Pisupati、L.Wolff、W.Mitzner、E.Zerhouni的“Tracking 3-D Pulmonary Tree Structures(跟蹤三維肺部樹結(jié)構(gòu))”(Mathematical Methods in Biomedical Image Analysis，第160-169頁，1996年)和J.Tschirren、K.Palagyi、J.M.Reinhardt、E.A.Hoffman、和M.Sonka的“Segmentation，Skeletonization，and Branchpoint Matching-A FullyAutomated Quantitative Evaluation of Human Intrathoracic Airway Trees(分割、骨架化、和分支點匹配-完全自動地定量評價人胸內(nèi)的呼吸道樹)”(SPIE MedicalImaging 2003Physiology and FunctionMethods，Systems，and Applications，第187-194頁，第5031卷，2003年)以及A.C.M.Dumay、R.v.d.Geest、J.J.Gerbrands、E.Jansen、Johan H.C.Reiber的“Consistent Inexact Graph Matching Applied toLabelling Coronary Segments in Arteriograms(被應用到標記動脈搏描記圖中的冠狀分割的相容的不精確的圖匹配)”(Proc.11th IAPR，第439-446頁，第III卷，1992年)和K.Haris、S.N.Efstratiadis、N.Maglaveras、C.Pappas、J.Gourassas、G.Louridas的“Model-based Morphological Segmentation and Labelingof Coronary Angiograms(基于模型的形態(tài)學分割和標記冠狀的血管造影照片)”(IEEE Trans.on Medical Imaging，第1003-1015頁，第18卷，1999年10月)中被描述。
這些算法也使用一般的諸如在相關的圖中找到最大集團之類的圖匹配方法。這種情況的例子在M.Pelillo、K.Siddiqi、S.W.Zucker的“Matching HierarchicalStructures Using Association Graphs(使用關聯(lián)圖來匹配分級結(jié)構(gòu))”(IEEE Trans.on Pattern Analysis and Machine Intelligence，第1105-1120頁，第21卷，1999年11月)和H.Kitaoka、Y.Park、J.Tschirren、J.Reinhardt的“AutomatedNomenclature Labeling of the Bronchial Tree in 3D-CT Lung Images(3D-CT肺圖像中的支氣管樹的自動術(shù)語標記)”(Proceedings of the 5thInternational Conferenceon Medical Image Computing and Computer Assisted Intervention，第二部分，第1-11頁，2002年9月)。這些算法也可以通過釋放模糊變量的分配(fuzzyassignment)來執(zhí)行圖匹配。這種情況的例子在S.Medasani、R.Krishnapuram、Y.S.Choi的“Graph Matching by Relaxation of Fuzzy Assignments(通過釋放模糊變量的分配來進行圖匹配)”(IEEE Trans.on Fuzzy Systems，第173-182頁，第9卷，2001年2月)中被描述。
上述的樹匹配算法依賴于圖匹配技術(shù)并且集中于單個應用。盡管圖匹配技術(shù)具有堅固的理論背景，但是這些圖匹配技術(shù)對于現(xiàn)實世界醫(yī)學應用可能不是最好的選擇，在這些應用中可能出現(xiàn)錯誤的或遺漏的分支和差異、以及解剖學中的變化。此外，先前的匹配方法使用樹的分級結(jié)構(gòu)來在分支到分支級別處進行匹配。由于這些方法把樹結(jié)構(gòu)看作為一系列具有從分支數(shù)據(jù)中所計算出的特征的節(jié)點，錯誤的分支可能降低這些方法的有效性。另外，這些方法中的一些方法要求用于每個樹結(jié)構(gòu)的所匹配的起始點，如果這個信息是不可用的則使得這些方法也是無用的。這個要求也使得為了更精確的結(jié)果而執(zhí)行樹的初步配準是必要的。此外，許多先前的方法要求需要手動產(chǎn)生或編輯的樹結(jié)構(gòu)來避免這些限制。

發(fā)明內(nèi)容
在本發(fā)明的一個實施例中，用于樹匹配的方法包括獲取表示物理對象或模型的樹形結(jié)構(gòu)；從第一樹形結(jié)構(gòu)中提取路徑和從第二樹形結(jié)構(gòu)中提取路徑；通過計算路徑的相似性度量來比較第一和第二樹形結(jié)構(gòu)的路徑；以及根據(jù)相似性度量來確定路徑是否匹配。
所述方法進一步包括重復提取、比較和確定步驟，直到樹形結(jié)構(gòu)的每條路徑都已經(jīng)被匹配或被排除在外。
根據(jù)一個或兩個樹形結(jié)構(gòu)的分級結(jié)構(gòu)來比較路徑。所述方法進一步包括根據(jù)其它路徑的相似性度量來確定路徑是否匹配；產(chǎn)生匹配矩陣，用于記錄所匹配的路徑；和當最佳匹配路徑已經(jīng)被匹配到另一條路徑時產(chǎn)生概率矩陣，用于將路徑匹配到次最佳的匹配路徑上。
所述方法進一步包括在比較所述路徑之前對準樹形結(jié)構(gòu)。
所述樹形結(jié)構(gòu)是呼吸道、動脈或靜脈。樹形結(jié)構(gòu)通過跟蹤、分割、或骨架化來獲取。路徑通過分割、中心線提取或直接從樹形結(jié)構(gòu)中進行提取。
提取路徑包括選擇路徑中的一條作為在兩條路徑之間比較的基礎。將匹配長路徑的子部分的短路徑選擇作為在這兩條路徑之間比較的基礎。相似性度量是路徑的距離特征、角度特征、距離方差特征或這些特征的數(shù)值組合。
在本發(fā)明的另一個實施例中，一種用于將樹形結(jié)構(gòu)的路徑匹配到另一個樹形結(jié)構(gòu)的方法包括從第一樹形結(jié)構(gòu)、和第二樹形結(jié)構(gòu)中獲取路徑；通過計算第一樹形結(jié)構(gòu)的路徑和第二樹形結(jié)構(gòu)的路徑的相似性度量來比較第一樹形結(jié)構(gòu)的路徑和第二樹形結(jié)構(gòu)的路徑；以及根據(jù)所述相似性度量來確定第二樹形結(jié)構(gòu)的哪條路徑最佳匹配第一樹形結(jié)構(gòu)的路徑。
所述方法進一步包括重復所述獲取、比較、和確定步驟，以匹配第一和第二樹形結(jié)構(gòu)。
根據(jù)一個或兩個樹形結(jié)構(gòu)的分級結(jié)構(gòu)來比較第一和第二樹形結(jié)構(gòu)的路徑。
所述方法進一步包括產(chǎn)生匹配矩陣，用于記錄所匹配的路徑；和當最佳匹配路徑已經(jīng)被匹配到另一條路徑時，產(chǎn)生概率矩陣，用于匹配路徑以允許次最佳匹配路徑。
在本發(fā)明的又一個實施例中，用于樹匹配的系統(tǒng)包括用于存儲程序的存儲設備；與該存儲設備進行通信的處理器，該處理器運行該程序來獲取表示物理對象或模型的樹形結(jié)構(gòu)；從第一樹形結(jié)構(gòu)中提取路徑和從第二樹形結(jié)構(gòu)中提取路徑；通過計算路徑的相似性度量來比較第一和第二樹形結(jié)構(gòu)的路徑；以及根據(jù)相似性度量來確定路徑是否匹配。
處理器進一步運行程序代碼來重復所述提取、比較、和確定步驟，直到樹形結(jié)構(gòu)的每條路徑已經(jīng)被匹配或被排除在外。
根據(jù)一個或兩個樹形結(jié)構(gòu)的分級結(jié)構(gòu)來比較路徑。
處理器進一步運行程序代碼來根據(jù)其它路徑的相似性度量確定路徑是否匹配；產(chǎn)生匹配矩陣，用于記錄所匹配的路徑；和當最佳匹配路徑已經(jīng)被匹配到另一條路徑時，產(chǎn)生概率矩陣，用于將路徑匹配到次最佳的匹配路徑。
在本發(fā)明的另一個實施例中，一種用于將樹形結(jié)構(gòu)的路徑匹配到另一個樹形結(jié)構(gòu)的系統(tǒng)包括用于存儲程序的存儲設備；與該存儲設備進行通信的處理器，所述處理器運行該程序來從第一樹形結(jié)構(gòu)中獲取路徑，和從第二樹形結(jié)構(gòu)中獲取路徑；通過計算第一樹形結(jié)構(gòu)的路徑與第二樹形結(jié)構(gòu)的路徑的相似性度量來比較第一樹形結(jié)構(gòu)的路徑和第二樹形結(jié)構(gòu)的路徑；以及根據(jù)所述相似性度量來確定第二樹形結(jié)構(gòu)中的哪條路徑最佳匹配第一樹形結(jié)構(gòu)的路徑。
處理器進一步運行程序代碼來重復所述獲取、比較、和確定步驟，以匹配第一和第二樹形結(jié)構(gòu)。
根據(jù)一個或兩個樹形結(jié)構(gòu)的分級結(jié)構(gòu)來比較第一和第二樹形結(jié)構(gòu)的路徑。
處理器進一步運行程序代碼來產(chǎn)生匹配矩陣，用于記錄所匹配的路徑；以及當最佳匹配路徑已經(jīng)被匹配到另一條路徑時，產(chǎn)生概率矩陣，用于匹配路徑以允許次最佳的匹配路徑。
上述特征是代表性的實施例并且被提供來幫助理解本發(fā)明。應當理解，這些特征沒有打算要被考慮為對如權(quán)利要求所定義的本發(fā)明的限制，或?qū)?quán)利要求的等價物的限制。因此，這些特征的概述在確定等價物時將不會被認為是決定性的。本發(fā)明的附加特征將根據(jù)附圖和權(quán)利要求在下面的描述中變得顯而易見。


圖1是根據(jù)本發(fā)明的示例性實施例來說明一種基于路徑的樹匹配系統(tǒng)的框圖；圖2是根據(jù)本發(fā)明的示例性實施例來說明一種基于路徑的樹匹配方法的流程圖；圖3是說明通過圖2的方法被匹配到合成樹的呼吸道子樹的準確結(jié)果的直方圖；圖4是說明通過圖2的方法匹配的在不同時期所提取的相同患者的呼吸道樹的準確結(jié)果的直方圖；圖5是通過圖2的方法來匹配的兩個樹的例子；以及圖6是通過圖2的方法來匹配的呼吸道和動脈路徑的例子。
具體實施例方式
根據(jù)本發(fā)明的實施例的基于路徑的樹匹配的一般框架包括比較從樹結(jié)構(gòu)獲得的路徑與從另一個樹結(jié)構(gòu)獲得的另一條路徑。這通過使用描述路徑之間的相似性的特征來執(zhí)行路徑的逐點比較來實現(xiàn)，以獲得基于所述特征的數(shù)值。然后，所述數(shù)值被用來確定路徑是否已經(jīng)被匹配。
基于路徑的樹匹配方法與圖匹配無關。由于該方法基于完整路徑的逐點比較，所以該方法與歧點無關并且因此對于錯誤的和遺漏的分支是非常穩(wěn)定的?；诼窂降臉淦ヅ浞椒ㄖС植灰?guī)則的樹結(jié)構(gòu)，諸如支持具有多父母或甚至由不完美的分割和中心線提取所引起的循環(huán)的分支。
盡管通過避免分級結(jié)構(gòu)來獲得這些特征，但是匹配具有分級約束條件的整個樹可以穩(wěn)定的方式來產(chǎn)生，例如，根據(jù)本發(fā)明的實施例通過使用分支約束條件來產(chǎn)生。另外，盡管基于路徑的樹匹配方法能實現(xiàn)多對一路徑映射，但是一對一路徑映射能夠通過匹配矩陣來執(zhí)行。此外，盡管基于路徑的樹匹配方法可能比一般的圖匹配算法要求更多的處理時間，但將要論述各種能夠被用來減少運行時間的優(yōu)化方案。
現(xiàn)在將對根據(jù)本發(fā)明的實施例的基于路徑的樹匹配的系統(tǒng)和方法進行詳細描述。
圖1是說明根據(jù)本發(fā)明的實施例的基于路徑的樹匹配的系統(tǒng)100的框圖。如圖1中所示，系統(tǒng)100包括經(jīng)由有線或無線網(wǎng)絡120連接的獲取設備105、PC(個人計算機)110和操作員控制臺115。
獲取設備105可以是磁共振(MR)成像設備、計算機斷層掃描(CT)成像設備、螺旋CT設備、正電子發(fā)射斷層掃描(PET)設備、單光子發(fā)射計算機斷層掃描(SPECT)設備、混合的PET-CT設備、混合的SPECT-CT設備、二維或三維熒光鏡成像設備、二維、三維、或四維超聲波(US)成像設備、或x射線設備。此外，獲取設備可以是能夠例如以PET模式、SPECT模式或MR模式獲取圖像的多模態(tài)的或混合的獲取設備。
PC 110包括被連接到輸入設備150和輸出設備155的CPU(中央處理器)125和存儲器130，該PC 110可以是便攜式的或膝上型計算機、醫(yī)學診斷成像系統(tǒng)或圖片存檔通信系統(tǒng)(PACS)數(shù)據(jù)管理站。CPU 125包括基于路徑的樹匹配模塊145，該基于路徑的樹匹配模塊145包括一種或多種用于執(zhí)行將在下文參照圖2-6論述的基于路徑的樹匹配的方法。盡管基于路徑的樹匹配模塊145在CPU 125之內(nèi)示出，該基于路徑的樹匹配模塊145也可以位于CPU 125之外。
存儲器130包括RAM 135和ROM 140。存儲器130還可以包括數(shù)據(jù)庫、磁盤驅(qū)動器、磁帶驅(qū)動器等等或其組合。RAM 135起在執(zhí)行CPU 125中的程序期間所使用的數(shù)據(jù)數(shù)據(jù)存儲器的作用并且被用作工作區(qū)。ROM 140起程序存儲器的作用，用于存儲在CPU 125中所運行的程序。輸入150由鍵盤、鼠標等等組成，并且輸出155由LCD、CRT顯示器或打印機組成。
系統(tǒng)100的操作可以由包括例如是鍵盤的控制器165和顯示器160的操作員控制臺115來控制。操作員控制臺115與PC 110和獲取設備105進行通信，以便可以由PC 110再現(xiàn)(render)由獲取設備105所收集的圖像數(shù)據(jù)并且可以在顯示器160上看到這些圖像數(shù)據(jù)。應當理解，PC 110可被配置來在缺少操作員控制臺115的情況下使用例如輸入設備150與輸出設備155操作和顯示由獲取設備105所提供的信息，以運行由控制器165和顯示器160所執(zhí)行的某些任務。
操作員控制臺115可以進一步地包括任何適當?shù)膱D像再現(xiàn)系統(tǒng)/工具/應用，這些圖像再現(xiàn)系統(tǒng)/工具/應用可以處理所獲取的圖像數(shù)據(jù)集(或其部分)的數(shù)字圖像數(shù)據(jù)來在顯示器160上產(chǎn)生并顯示圖像。更具體地說，圖像再現(xiàn)系統(tǒng)可以是提供醫(yī)學圖像數(shù)據(jù)的再現(xiàn)和可視化的應用，并且該應用運行在通用或?qū)Ｓ糜嬎銠C工作站上。應當理解，PC 110還可以包括上述圖像再現(xiàn)系統(tǒng)/工具/應用。
圖2是示出根據(jù)本發(fā)明的實施例的基于路徑的樹匹配方法的操作的流程圖。
如圖2中所示，獲取表示物理對象或模型的樹形結(jié)構(gòu)(210)。
在基于路徑的樹匹配方法中，樹T是雙倍鏈接的有向分支B＝(SB，PB，CB)的集合，該集合包含一組等距的結(jié)點(site)SB、到其雙親PB的鏈路(例如，呼吸道和動脈中的一個)、和到其子女CB的鏈路(例如，呼吸道或動脈中的兩個或多個)。沒有雙親PB＝Φ的分支被定義為根分支，而沒有任何子女CB＝Φ的分支被定義為終端分支。一組結(jié)點SB是具有被定義為SB的起始結(jié)點的第一結(jié)點和被定義為SB的終端結(jié)點的最后結(jié)點的有序的、等距的三維坐標的矢量。另外，由于分支總是被認為是子女或雙親，所以樹包括固有的分級結(jié)構(gòu)。假定沒有循環(huán)，則每個分支屬于某個代編號，其中代0為根分支，代1為根的子女分支，等等。
樹形結(jié)構(gòu)可以是諸如呼吸道、動脈、靜脈或管道系統(tǒng)之類的任何分支的管狀結(jié)構(gòu)?？梢岳缤ㄟ^使用諸如CT掃描儀之類的獲取設備105來獲取分支的管狀結(jié)構(gòu)，以掃描患者的胸來產(chǎn)生一系列與肺相關的二維圖像切片。然后合成肺的二維圖像切片來形成三維圖像。
除肺之外，應當理解可以從諸如肝臟、腿或腦的任何身體部分中獲取分支的管狀結(jié)構(gòu)。另外，根據(jù)本發(fā)明的實施例可以使用從MRI設備或與獲取設備105的各種形態(tài)相關的任何成像設備中獲取的其它類型的數(shù)據(jù)。
一旦已經(jīng)獲取了樹形結(jié)構(gòu)，就從每個結(jié)構(gòu)中提取路徑(220)。
路徑是一個或多個直接鏈接的、起始于第一分支內(nèi)的任何結(jié)點和終止于最后涉及的分支的任何結(jié)點的分支的組合。完整路徑被定義為起始于根分支的根結(jié)點以及終止于任何終端分支的終端結(jié)點的路徑。因為這個分級結(jié)構(gòu)，任何完整路徑將總是包含根分支。路徑可以通過任何分割、中心線提取或捕獲方法進行提取。
在從每個樹形結(jié)構(gòu)中提取路徑之后，通過計算路徑之間的相似性度量來對路徑彼此之間進行比較(230)。這個度量通過使用比較來自一條路徑的點和其它路徑中的點的函數(shù)來確定。這里，路徑中的一條被選作為比較的基礎。
應理解，選擇兩條路徑中的較短路徑用于比較路徑可能更有效，因為，假定較短路徑匹配較長路徑的子部分，則避免在沒有相等的對應部分的逐結(jié)點比較中使用點。然而，使用較長的路徑也是可行的并且沒有限制基于路徑的樹匹配方法的應用。例如，即使完整的呼吸道路徑可能具有更接近地開始的根節(jié)點，同時動脈路徑將很可能進一步地延伸到周圍，仍可以實現(xiàn)將動脈匹配到周圍的支氣管。
在選擇基礎或初始樹內(nèi)的起始和結(jié)束結(jié)點之后，通過將兩者之間的所有結(jié)點合并到一個不包含分級信息的結(jié)構(gòu)中來創(chuàng)建初始路徑，即，所有的父母與子女分支的概念都被消除并且留下一系列結(jié)點。
許多不同的相似性特征可被用于比較路徑。三個例子包括距離，角度，和方差。距離特征表示路徑之間的偏移，角度特征描述路徑方向的差異，以及方差特征計算這些路徑之間的偏移的變化。其它特征也可被用來比較所述路徑。盡管最優(yōu)特征的選擇取決于應用，但所描述的特征適用于一般的情況。其它數(shù)值特征可以容易地被結(jié)合到基于路徑的樹匹配方法中。
距離特征描述將要被比較的路徑之間的平均平方距離。該距離特征通過總計初始路徑的每個結(jié)點與其比較路徑內(nèi)的最接近的結(jié)點之間的平方距離來計算。然后，總和被除以初始路徑的結(jié)點數(shù)。由于每條分支的所有結(jié)點是等距布置的，所以結(jié)點數(shù)等于路徑的長度。
d=1imaxΣi(pi-C(pi|q))2---(1)]]>其中，初始路徑中的pi＝結(jié)點i，而C(pi|q)＝比較結(jié)構(gòu)的路徑q中與pi最接近的結(jié)點。
角度特征估計將被比較的兩條路徑的方向的平均差。由于沒有使用分支的直線表示，所以每個結(jié)點處的路徑的方向可能稍有不同。為了計算精確的差異，有必要知道初始路徑的哪個結(jié)點對應于比較分支的哪個節(jié)點。由于這個關系事先不知道，所以使用在初始路徑的每個結(jié)點處的切線的方向與在比較路徑的最接近的結(jié)點處的方向之間的差。然后，總和被除以初始路徑的點的數(shù)目。
a=1imaxΣi∠(p→i,C(pi|q)→)---(2)]]>其中 ＝初始路徑的結(jié)點i處的方向，而 ＝比較結(jié)構(gòu)的路徑q中與pi最接近的結(jié)點處的方向。
所述方差特征是上述距離特征的方差。
v=1imaxΣi[pi-C(pi|q)2-d]2---(3)]]>其中，pi＝初始路徑的結(jié)點i和C(pi|q)＝路徑q中與pi最接近的結(jié)點，并且d是平均平方距離。
一旦已經(jīng)計算了這些特征，就確定所述路徑是否匹配(240)。
這例如通過將這些特征應用到比較樹的完整路徑以相對于初始路徑產(chǎn)生距離矢量來實現(xiàn)。為了將這個矢量轉(zhuǎn)換成為單一值，使用被稱為賦范組合(Normedcombination)的簡單組合方法。所述賦范組合考慮了每個分量的變化性。這里，具有高變化性的分量比具有低變化性的分量接收更小的權(quán)重。這通過用其方差重新調(diào)節(jié)每個分量來獲得。距離矢量x的模等于||x‾||N=(x1σ1)2+(x2σ2)2+...+(xnσn)2=x‾t·V‾‾-1·x‾---(4)]]>其中 是方差矩陣，其中主對角線上為方差而其它各處為零值。因此，比較樹的每個完整路徑具有表示其與初始路徑的相似性的單一值。這里，具有最小值的路徑變成最佳匹配。在具有同樣小的值的路徑的情況下，可以隨機地選擇一條路徑，或者可以根據(jù)與現(xiàn)有匹配的一致來執(zhí)行更高級的分析。
當使用基于路徑的樹匹配方法來匹配整個樹時，可能發(fā)生多對一匹配，因為不考慮現(xiàn)有的匹配分配而逐路徑地完成匹配。換句話說，盡管初始樹中的每條路徑僅僅具有一個到比較樹中的路徑的匹配，但是比較樹中的給定的路徑可能被匹配到初始樹中的多于一條的路徑。一對一的匹配可以通過首先計算整個距離矩陣然后根據(jù)這個矩陣選擇最佳匹配來實現(xiàn)。
由于兩條路徑正在被匹配，所以各種基于行的特征可被用來確定相似性度量。相似性度量也可以是基于兩個彎曲的三維行之間的變換。也可以使用諸如曲率以及一系列點的函數(shù)的任何其它測量的特征。例如，高次多項式可適于路徑并且其等式可被用于比較。另外，這些特征的組合可被用于增加基于路徑的樹匹配方法的穩(wěn)定性。
下面對使用用于匹配整個樹結(jié)構(gòu)的、基于路徑的樹匹配方法進行描述。例如，代替手動地指示初始樹中要求匹配的路徑，可以自動地選擇每條完整路徑并且匹配到另一個樹內(nèi)的另一條完整路徑。對于每條可能的完整路徑，這可被重復直到樹內(nèi)所有的路徑都被匹配(250)。
然而應理解，在匹配整個樹結(jié)構(gòu)之前，某種樹結(jié)構(gòu)對準可能對調(diào)節(jié)(accommodate)要被計算的特征(特別是距離特征)是必需的。這個對準在大部分的應用中可以通過使用樹結(jié)構(gòu)的主要的分支點來實現(xiàn)?？梢宰詣拥赝瓿蛇@個對準。在呼吸道與動脈匹配中，由于根結(jié)點中的差異，對準過程可能是不可能的(例如，呼吸道的氣管和動脈的心臟)。
由于諸如角度和距離變化之類的其它特征更獨立于路徑位置，所以樹結(jié)構(gòu)不必被對準，因為這些樹結(jié)構(gòu)對于仿射變換是較不敏感的或不可變的。這些特征很可能對于適當?shù)钠ヅ湫枰郊蛹s束條件，因為這些特征允許許多可能的匹配。例如，這些特征可能允許左肺和右肺中的呼吸道路徑將被匹配到第二樹的右肺中的路徑。因此，可能需要附加的約束條件來防止類似這個情況的事件發(fā)生。
可以通過使用匹配矩陣來增加一對一的匹配約束條件。由于逐路徑的匹配可能產(chǎn)生多對一的映射，所以出于將匹配約束為一對一的目的可以創(chuàng)建匹配矩陣。這個矩陣由在行中列出第一樹的所有可能的路徑、同時在列中列出第二樹的所有可能的路徑組成。矩陣中的每個條目包含兩個路徑之間的匹配的測量。通過反復地選擇所有距離值中的絕對最小距離，如之前所述地處理結(jié)點，以及標記相關的路徑作為所匹配的和忽視這些為了進一步地匹配，可以實施一對一的匹配約束。
由于初始路徑在比較樹中也許沒有等價物，所以一對一的匹配約束未必具有適當?shù)慕Y(jié)果，并且如果初期的匹配不正確地完成，則會在一連串的錯誤的標記中終止。因此，引入概率矩陣，該概率矩陣試圖創(chuàng)建一對一的匹配而且在單個情況下提供多對一匹配的可能性。因此，所匹配的路徑為了進一步的匹配沒有被完全地忽視。
例如，當最佳匹配路徑已經(jīng)被匹配時，其差分量度僅僅稍微較高的次最佳不匹配的路徑的概率變得比最佳匹配高。當沒有發(fā)現(xiàn)滿足這些要求的另外的路徑時，已經(jīng)被匹配的路徑被標記為最佳匹配和這個匹配的概率，并且這條路徑已經(jīng)存在的匹配被減少了所分配的匹配數(shù)。通過使用匹配矩陣，可以通過阻止某些匹配被允許給定在前匹配的得分來強加一對一匹配。這個矩陣正是可以在這個框架內(nèi)形成的方式約束條件之一。
給定所匹配的路徑，能確定那些路徑內(nèi)的哪些分支是一致的。從而，分支與分支的匹配可以由該結(jié)果得到。這可以通過對經(jīng)由所匹配的路徑匹配的每條分支或點簇創(chuàng)建匹配表決(match vote)來實現(xiàn)。首先匹配較常被匹配的分支。例如，如果n條所匹配的路徑隱含地匹配相同的兩個分支，則那個分支匹配接收n個表決。這個表決方案不僅可被用來確定哪些分支被匹配在一起，而且被用于根據(jù)給定分支匹配接收到的表決數(shù)和第二競爭者接收到的表決數(shù)來確定置信度。這個置信因數(shù)可被用于影響進一步的處理步驟。
例如，在配準方法中，具有較大置信度的匹配可能對配準模型具有較大的影響。低置信度區(qū)域也可被呈現(xiàn)給用戶，以允許快的半自動的接口。另外，由于一系列結(jié)點被匹配，初始樹中的一個分支可以被匹配到其他樹中的兩個分支。如果錯誤的分支將正確的分支分裂成為兩個部分，則這個情況可能發(fā)生。
使用分支匹配也允許分級約束。以高置信度匹配的兩個分支可以規(guī)定，包含這些分支的所有其它可能的路徑必須在這些分支的結(jié)點處匹配。另外，一旦這些分支被匹配，就可能進行遞歸過程，以致所匹配的分支的末端起根結(jié)點的作用，因為過程再次被重復。這個遞歸方法允許使用分級約束，同時避免基于圖匹配的方法的一些缺點。
由于基于路徑的樹匹配方法可能要求比一般的圖匹配算法更多的處理時間，所以下面要被描述的若干優(yōu)化可被用來增加所述方法的速度。
首先，由于比較操作彼此獨立，所以基于路徑的樹匹配方法對于多線程實現(xiàn)開放。這允許在雙處理器計算機上潛在兩倍的速度或甚至在具有更多處理器的計算機上更快。第二，遙遠的或非常不可能的路徑匹配可以容易地被識別，以避免更昂貴的比較步驟。第三，在識別最優(yōu)的特征組合之后，對于每個比較對的單獨特征的計算可以被優(yōu)化，并且對于每個特征集的計算時間將不會遠遠超過單個特征的當前計算時間。由于特征是基于點的，所以計算時間取決于定義路徑的結(jié)點的數(shù)目。在有些情況下，可以增加實現(xiàn)最優(yōu)結(jié)果的結(jié)點之間的必要距離，這直接減少了每個特征計算的計算時間。
在另一優(yōu)化方案中，基于現(xiàn)有匹配的匹配矩陣和分級約束可被用來預言哪些路徑各不會被比較。因此，盡管傳統(tǒng)的圖匹配可能天生較快，但是這些優(yōu)化方案的使用可能有效地減少了基于路徑的樹匹配方法所需要的時間。然而，在諸如僅僅需要匹配單條路徑的支氣管鏡檢規(guī)劃之類的應用中，基于路徑的樹匹配方法可能工作性能比圖匹配方法好，因為整個匹配過程無須被執(zhí)行。
現(xiàn)在將描述當不考慮所有的分支盡可能匹配時的速度差的例子。這里，使用一個特征來將具有44條路徑的樹匹配到具有66條路徑的樹的時間是4分28秒。由于每條初始路徑與每條比較路徑相比，所以根據(jù)每條路徑內(nèi)的結(jié)點的數(shù)目，特征被計算大約2900次，每次的平均處理時間是92.2毫秒。例如在右/左上葉支氣管和右/左胸部中間(Truncus Inter Medius)之間的歧點的先驗識別將初始樹劃分為四個部分，導致速度大約增加了四倍。諸如一般的距離之類的其它比較特征也可被用來確定哪些路徑不必被比較。
基于路徑的樹匹配方法已經(jīng)對具有極好結(jié)果的呼吸道與呼吸道和呼吸道與動脈匹配進行了測試。對于第一驗證，部分呼吸道樹被匹配到合成產(chǎn)生的比較樹。人造樹通過使用初始數(shù)據(jù)作為基礎并然后修改所述數(shù)據(jù)來創(chuàng)建。首先，參數(shù)特定范圍內(nèi)的隨機偏移被增加到每個結(jié)點，以模擬樹之間的位差。其次，具有參數(shù)化的方差的高斯分布的噪聲被增加到所述結(jié)點，以模擬其它可能的諸如呼吸之類的差異源。通過使用這個技術(shù)，很容易檢查噪聲和偏移對用于匹配的特征的穩(wěn)定性的影響。超過5000條路徑匹配的驗證結(jié)果在圖3中示出。圖3中所示的實驗產(chǎn)生的結(jié)果包括驗證D(距離)、A(角度)、V(方差)三個特征、在具有75個不同參數(shù)設置的所有組合中用于偏移和噪聲的Euc(歐幾里得幾何學的)和Norm(賦范的)。這里，匹配結(jié)果與標準分割圖像(ground truth)相比，以確定正確分類的比率。
如圖3中所示，當每個特征被單獨應用時，角度和方差特征實現(xiàn)超過95％的正確的匹配結(jié)果。僅僅當單獨應用距離特征時，該距離特征才沒有獲得與通過其它特征所獲得的結(jié)果一樣好的結(jié)果。然而，由于有大約85％的正確的分類，當單獨應用距離特征時，距離特征不是完全無用的(注意圖3中的y軸沒有從零開始)。由于歐幾里得幾何學組合的范圍比方差特征的范圍高，所以受距離特征的結(jié)果的影響。因此，角度和方差的歐幾里得幾何學組合得到了突出的結(jié)果。相反，賦范組合通過較低的特征性能看來沒有被影響太多，而歐幾里得幾何學組合因此是實現(xiàn)超過95％的正確的匹配結(jié)果的最多的組合。距離和方差特征組合是較不準確的，但是仍然比距離特征單獨使用更可靠。
圖4說明在所提取的患者呼吸道樹和若干月以后相同患者的跟蹤獲取結(jié)果公之間的匹配結(jié)果。這里，所有變化中的D(距離)、A(角度)、V(方差)、Euc(歐幾里得幾何學的)和Norm(賦范的)組合都被測試。由于包含第一呼吸道分割的、在隨后的樹中沒有被分割的分支，所以無法發(fā)生完整準確的匹配。對應于這些附加分支的路徑被標記為“N/A”。匹配結(jié)果與標準分割圖像相比來確定“真”(例如，正確的)和“假”(例如，不正確的)分類。
總的說來，匹配包括44條路徑，由具有平均每條路徑7.75條分支的83條分支組成。在沒有使用所述匹配矩陣的情況下，使用除方差之外的任何特征獲得6.8％的假的匹配率(例如，44條中的3條)。通過引入所述匹配矩陣，D(距離)、V(方差)、和Norm(賦范)組合可以得到改善，例如，通過兩個附加的正確的匹配，導致路徑的2.3％的假匹配率。另外，大多數(shù)假匹配僅僅在終端分支中包含錯誤。因此，甚至被標記為假匹配的多條路徑可以經(jīng)由大部分的分支來校正。如圖5中所示，兩個樹(例如，由點密集的線標明的初始樹和由點稀少的線標明的比較樹)在分支的數(shù)目和長度方面包含差異，然而基于路徑的樹匹配方法成功地匹配大多數(shù)的分支和路徑。也可以執(zhí)行基于路徑的樹匹配方法對分支級別的評估，因為，如果給定路徑匹配，則分支到分支的映射就可以被構(gòu)造。
圖6說明呼吸道和動脈路徑之間的匹配。這里，支氣管樹內(nèi)的由大圓標明的起始結(jié)點是手動選擇的。然后，該起始節(jié)點周圍的子容積內(nèi)的脈管通過在接近于起始結(jié)點的脈管分割內(nèi)選擇隨機根結(jié)點而被自動地分割和捕獲到樹結(jié)構(gòu)中。然后，在起始結(jié)點處開始并且在所有的后代終端分支的終端結(jié)點處終止的所有路徑都被匹配到脈管樹內(nèi)的所有完整路徑。沒有使用任何匹配矩陣的所選擇的匹配路徑在兩個樹中被給出相同的顏色，用粗線再現(xiàn)初始樹和用細線再現(xiàn)比較樹。當來自于兩個不同匹配的結(jié)點重疊時，最近匹配的路徑的顏色被給予重疊區(qū)中的所有結(jié)點。這個著色過程的結(jié)果看來類似于分支到分支的著色。
根據(jù)本發(fā)明的實施例的基于路徑的樹匹配方法可被應用到各種樹匹配應用中?，F(xiàn)有的方法依賴于具有更嚴格要求的圖匹配技術(shù)并且更容易由假分支妨礙。然而，基于路徑的樹匹配方法允許在樹的不同部分具有根分支的靈活性同時產(chǎn)生成功的匹配。另外，基于路徑的樹匹配方法允許一個樹中的兩個分支將被匹配到比較樹中的分支，以調(diào)節(jié)假的中間分支，這很難用標準的基于節(jié)點的匹配方法來實現(xiàn)。
應進一步理解，本發(fā)明可以硬件、軟件、固件、專用處理器、或其組合的各種形式來實現(xiàn)。在一個實施例中，本發(fā)明可以軟件被實現(xiàn)為可在程序存儲設備(例如磁軟盤、RAM、CD ROM、DVD、ROM和快閃存儲器)上切實實施的應用程序。應用程序可以被上載到包括任何適當結(jié)構(gòu)的機器，和由包括任何適當結(jié)構(gòu)的機器來運行。
應進一步理解，因為附圖中所描述的一些構(gòu)成系統(tǒng)部件和方法步驟可以軟件來實現(xiàn)，取決于本發(fā)明以其來編程的方式，系統(tǒng)部件(或過程步驟)之間的實際連接可能是不同的。給出了在此所提供的本發(fā)明的教導，本領域普通技術(shù)人員將能設想到這些和類似的本發(fā)明的實施方式或配置。
還應當理解的是，上面的描述只是示例性實施例的代表。為了讀者的方便，上面的描述集中在可能的實施例的代表性例子，即說明本發(fā)明原理的例子。所述描述不試圖窮舉式地列舉所有可能的變化。可替換的實施例可能沒有表示為本發(fā)明的特定部分，或進一步未描述的替換方案可用于一部分的情況將不考慮放棄那些可替換的實施例。在不脫離本發(fā)明的精神和范圍的情況下可以實施其它應用和實施例。
因此打算，本發(fā)明不被限于具體描述的實施例，因為可以創(chuàng)建上面所述的許多置換和組合以及包括上述非發(fā)明替換的實施方式，但是本發(fā)明將依據(jù)隨后的權(quán)利要求來定義?？梢哉J識到許多那些未被描述的實施例在下面的權(quán)利要求的文字范圍之內(nèi)，并且其它的實施例是等價的。
權(quán)利要求
1.一種用于樹匹配的方法，其包括獲取表示物理對象或模型的樹形結(jié)構(gòu)；從第一樹形結(jié)構(gòu)中提取路徑和從第二樹形結(jié)構(gòu)中提取路徑；通過計算路徑的相似性度量來比較第一和第二樹形結(jié)構(gòu)的路徑；以及根據(jù)所述相似性度量來確定路徑是否匹配。
2.如權(quán)利要求1所述的方法，進一步包括重復所述提取、比較、和確定步驟，直到所述樹形結(jié)構(gòu)的每條路徑都已經(jīng)被匹配或被排除在外。
3.如權(quán)利要求2所述的方法，其中，根據(jù)所述一個或兩個樹形結(jié)構(gòu)的分級結(jié)構(gòu)來比較路徑。
4.如權(quán)利要求3所述的方法，進一步包括根據(jù)其它路徑的相似性度量來確定路徑是否匹配。
5.如權(quán)利要求4所述的方法，進一步包括產(chǎn)生匹配矩陣，用于記錄所匹配的路徑。
6.如權(quán)利要求4所述的方法，進一步包括當最佳匹配路徑已經(jīng)被匹配到另一條路徑時，產(chǎn)生概率矩陣，用于將路徑匹配到次最佳的匹配路徑。
7.如權(quán)利要求2所述的方法，進一步包括在比較路徑之前對準所述樹形結(jié)構(gòu)。
8.如權(quán)利要求1所述的方法，其中，所述樹形結(jié)構(gòu)是呼吸道、動脈或靜脈。
9.如權(quán)利要求1所述的方法，其中，所述樹形結(jié)構(gòu)通過跟蹤、分割、或骨架化來獲取。
10.如權(quán)利要求1所述的方法，其中，所述路徑通過分割、中心線提取或直接從樹形結(jié)構(gòu)中被提取。
11.如權(quán)利要求10所述的方法，其中，提取所述路徑包括選擇路徑中的一條作為路徑之間比較的基礎。
12.如權(quán)利要求11所述的方法，其中，匹配長路徑的子部分的短路徑被選為路徑之間比較的基礎。
13.如權(quán)利要求1所述的方法，其中，所述相似性度量是所述路徑的距離特征、角度特征、距離方差特征或這些特征的數(shù)值組合。
14.一種用于將樹形結(jié)構(gòu)的路徑匹配到另一個樹形結(jié)構(gòu)的方法，其包括從第一樹形結(jié)構(gòu)中獲取路徑，和從第二樹形結(jié)構(gòu)中獲取路徑；通過計算第一樹形結(jié)構(gòu)的路徑與第二樹形結(jié)構(gòu)的路徑的相似性度量來比較第一樹形結(jié)構(gòu)的路徑和第二樹形結(jié)構(gòu)的路徑；以及根據(jù)所述相似性度量來確定第二樹形結(jié)構(gòu)的哪條路徑最佳匹配第一樹形結(jié)構(gòu)的路徑。
15.如權(quán)利要求14所述的方法，進一步包括重復所述獲取、比較、和確定步驟來匹配第一和第二樹形結(jié)構(gòu)。
16.如權(quán)利要求15所述的方法，其中，根據(jù)一個或兩個樹形結(jié)構(gòu)的分級結(jié)構(gòu)來比較第一和第二樹形結(jié)構(gòu)的路徑。
17.如權(quán)利要求16所述的方法，進一步包括產(chǎn)生匹配矩陣，用于記錄所匹配的路徑。
18.如權(quán)利要求16所述的方法，進一步包括當最佳匹配路徑已經(jīng)被匹配到另一條路徑時，產(chǎn)生概率矩陣，用于匹配路徑以允許次最佳的匹配路徑。
19.一種用于樹匹配的系統(tǒng)，其包括用于存儲程序的存儲設備；與該存儲設備進行通信的處理器，所述處理器運行該程序來獲取表示物理對象或模型的樹形結(jié)構(gòu)；從第一樹形結(jié)構(gòu)中提取路徑和從第二樹形結(jié)構(gòu)中提取路徑；通過計算路徑的相似性度量來比較第一和第二樹形結(jié)構(gòu)的路徑；以及根據(jù)所述相似性度量來確定路徑是否匹配。
20.如權(quán)利要求19所述的系統(tǒng)，其中，所述處理器進一步運行程序代碼來重復所述提取、比較、和確定步驟，直到所述樹形結(jié)構(gòu)的每條路徑都已經(jīng)被匹配或被排除在外。
21.如權(quán)利要求20所述的系統(tǒng)，其中，根據(jù)一個或兩個樹形結(jié)構(gòu)的分級結(jié)構(gòu)來比較路徑。
22.如權(quán)利要求21所述的系統(tǒng)，其中，所述處理器進一步運行程序代碼來根據(jù)其它路徑的相似性度量來確定路徑是否匹配。
23.如權(quán)利要求22所述的系統(tǒng)，其中，所述處理器進一步運行程序代碼來產(chǎn)生匹配矩陣，用于記錄所匹配的路徑。
24.如權(quán)利要求22所述的系統(tǒng)，其中，所述處理器進一步運行程序代碼來當最佳匹配路徑已經(jīng)被匹配到另一條路徑時，產(chǎn)生概率矩陣，用于將路徑匹配到次最佳的匹配路徑。
25.一種用于將樹形結(jié)構(gòu)的路徑匹配到另一個樹形結(jié)構(gòu)的系統(tǒng)，其包括用于存儲程序的存儲設備；與該存儲設備進行通信的處理器，所述處理器運行該程序來從第一樹形結(jié)構(gòu)中獲取路徑，和從第二樹形結(jié)構(gòu)中獲取路徑；通過計算第一樹形結(jié)構(gòu)的路徑與第二樹形結(jié)構(gòu)的路徑的相似性度量來比較第一樹形結(jié)構(gòu)的路徑和第二樹形結(jié)構(gòu)的路徑；以及根據(jù)所述相似性度量來確定第二樹形結(jié)構(gòu)的哪條路徑最佳匹配第一樹形結(jié)構(gòu)的路徑。
26.如權(quán)利要求25所述的方法，其中，所述處理器進一步運行程序代碼來重復所述獲取、比較、和確定步驟來匹配第一和第二樹形結(jié)構(gòu)。
27.如權(quán)利要求25所述的方法，其中，根據(jù)一個或兩個樹形結(jié)構(gòu)的分級結(jié)構(gòu)來比較第一和第二樹形結(jié)構(gòu)的路徑。
28.如權(quán)利要求27所述的方法，其中，所述處理器進一步運行程序代碼來產(chǎn)生匹配矩陣，用于記錄所匹配的路徑。
29.如權(quán)利要求27所述的方法，其中，所述處理器進一步運行程序代碼來當最佳匹配路徑已經(jīng)被匹配到另一條路徑時，產(chǎn)生概率矩陣，用于匹配路徑以允許次最佳的匹配路徑。
全文摘要
提供一種用于樹匹配的系統(tǒng)和方法。用于樹匹配的方法包括獲取表示物理對象或模型的樹形結(jié)構(gòu)(210)；從第一樹形結(jié)構(gòu)中提取路徑和從第二樹形結(jié)構(gòu)中提取路徑(220)；通過計算路徑的相似性度量來比較第一和第二樹形結(jié)構(gòu)的路徑(230)；以及根據(jù)所述相似性度量來確定路徑是否匹配(240)。
文檔編號A61B6/03GK1892704SQ20061011563
公開日2007年1月10日 申請日期2006年6月22日 優(yōu)先權(quán)日2005年6月22日
發(fā)明者J·N·卡夫坦, A·P·基拉利, C·L·諾瓦克 申請人:西門子共同研究公司