專利名稱：用于在心臟圖像中分割左心室的系統(tǒng)和方法
技術(shù)領(lǐng)域：
本公開涉及醫(yī)學(xué)成像，并且尤其涉及從四維圖像數(shù)據(jù)(時(shí)間和 空間上的二維圖像)中提取心肌。
2. 相關(guān)技術(shù)討論
心血管疾病在美國(guó)是死亡的主導(dǎo)原因。隨著生活方式已經(jīng)改 變，這些年來死亡率已經(jīng)下降，但是該下降也是由于診斷疾病的新 技術(shù)的發(fā)展。這些技術(shù)中的一種是磁共振成像(MRI),其提供了 心臟的時(shí)變?nèi)S影像。為了幫助診斷疾病，醫(yī)生對(duì)識(shí)別心室、心內(nèi) 膜和心外膜以及在心動(dòng)周期上測(cè)量心室血容量(射血分?jǐn)?shù)(ejection fraction))和壁增厚屬性的改變感興趣。尤其對(duì)左心室感興趣，由 于其將氧合血泵出到整個(gè)人體的較遠(yuǎn)組織。
已經(jīng)存在大量對(duì)醫(yī)學(xué)圖像分析的研究。分割這些圖像尤其受到 挑戰(zhàn)。在九十年代早期，研究者意識(shí)到，在MR圖像中追蹤心臟壁 運(yùn)動(dòng)可以用于表征有意義的功能改變。由S.R.Fleagle、 D.R.Thedens、 J.C.Ehrhardt、T.D.Scholz和D.J.Skorton的"Automated identification of left ventricular borders from spin-echo resonance images (從自旋 回波共振圖像中自動(dòng)識(shí)別左心室的邊界)"(Investigative Radiology, 26: 295-303， 1991)所建議的系統(tǒng)，在用戶例如用鼠標(biāo)指示了左心 室腔的中心和感興趣的區(qū)域之后，利用最小成本路徑圖形搜索方法 來描繪心肌的邊界。D.Geiger、 A.Gupta、 L.A.Costa和J.Vlontzos的
"Dynamic programming for detecting, tracking ， and matching deformable contours (動(dòng)態(tài)編程用于檢測(cè)、追蹤和匹配可變形輪廓)，，
(IEEE Trans.PAMI ， 17 ( 3 ): 294 — 302， 1995 ) 4吏用了動(dòng)態(tài)編程
方法以改進(jìn)由用戶指定的輪廓。A.Goshtasby和D.A.Turner的 "Segmentation of cardiac cine MR images for extraction of right and left ventricular chambers(分割心臟電影MR圖l象用于提取左和右心 室腔)"(IEEE Trans.Medical Imaging , 14 ( 1 ): 56- 64， 1995)， 建議了一種兩步方法，所述兩步方法組合了用以從圖像中恢復(fù)血液 的亮度閾值化以及利用彈性曲線描畫強(qiáng)邊緣的局部梯度。J.Weng、 A.Singh和M.Y.Chiu的 "Learning-based ventricle detection from cardiac MR and CT images (從心臟MR和CT圖像中基于學(xué)習(xí)的心 室檢測(cè))"(IEEE Trans.Medical Imaging , 16 ( 4 ) : 378-391， 1997)，根據(jù)在學(xué)習(xí)階段期間所估計(jì)的參數(shù)將閾值應(yīng)用于圖像以近 似分割。
然而，不存在公知的系統(tǒng)或方法用于提供分析心臟圖像的自適 應(yīng)技術(shù)。因此，需要一種在可變形模板(template)中組合邊緣、區(qū)
域和形狀信息的心臟分割方法。

發(fā)明內(nèi)容
根據(jù)本公開的實(shí)施例， 一種用于分割左心室的感興趣圖像的方 法包括根據(jù)候選心內(nèi)膜輪廓的圖形切割以及在不存在形狀傳播時(shí)對(duì) 候選心外膜輪廓的樣條擬合來確定心肌輪廓，以及將多個(gè)形狀約束 應(yīng)用于候選心內(nèi)膜輪廓和候選心外膜輪廓，以確定心肌輪廓，其中 在存在形狀傳播時(shí)，通過包括感興趣圖像的序列中的多幅圖像的形 狀傳播來確定模板。
根據(jù)本公開的實(shí)施例， 一種用于分割左心室的感興趣圖像的方 法包括根據(jù)感興趣圖像中像素亮度的直方圖確定心肌響應(yīng)圖像，根 據(jù)多個(gè)能量函數(shù)確定多個(gè)候選輪廓，其中多個(gè)置信度值被分配給所 述多個(gè)候選輪廓，以及將多個(gè)形狀約束應(yīng)用于候選心內(nèi)膜輪廓和候 選心外膜輪廓以確定心肌輪廓。
心肌輪廓基于包括感興趣圖像的序列中的多幅圖像，其中心肌 輪廓包括心內(nèi)膜輪廓和心外膜輪廓。
該方法包括確定左心室的近似輪廓對(duì)，其中包括移除低于灰度 閾值的連通分量(connected component),并且確定灰度閾值之上 的連通分量的特征。該方法還包括在灰度閾值之上的多個(gè)連通分量 中確定最小偏心的、最圓形和最凸起的連通分量，將所確定的連通
分量近似為對(duì)應(yīng)于心內(nèi)膜的定位的圓，并且確定心外膜的定位作為 具有與對(duì)應(yīng)于心內(nèi)膜的定位的圓相同的中心和較大半徑的圓。
根據(jù)像素強(qiáng)度的直方圖確定心肌響應(yīng)圖像(myocardium response image)還包括將高斯的混合擬合于像素強(qiáng)度的直方圖以在 圖像中確定血液、肌肉和空氣的部分。
對(duì)于每個(gè)候選閉合輪廓，該方法還包括定義圍繞近似輪廓的搜 索空間，定義源節(jié)點(diǎn)和匯節(jié)點(diǎn)的線，確定源節(jié)點(diǎn)和匯節(jié)點(diǎn)之間的最 短路徑，定義一個(gè)新源節(jié)點(diǎn)和多個(gè)新匯節(jié)點(diǎn)，以及確定該新源節(jié)點(diǎn) 和新匯節(jié)點(diǎn)之間的最短路徑。
候選心內(nèi)膜輪廓和候選心外膜輪廓各自根據(jù)梯度幅度和利用梯 度方向與輪廓方向的交叉積的方向的組合來確定。該方法包括根據(jù) 輸入圖像中梯度方向和輪廓方向的正交叉積來確定第一候選心內(nèi)膜 輪廓，根據(jù)心肌圖像中梯度方向和輪廓方向的負(fù)交叉積來確定笫二 候選心內(nèi)膜輪廓，根據(jù)輸入圖像中梯度幅度來確定第一候選心外膜 輪廓，以及根據(jù)心肌圖像中梯度方向和輪廓方向的正交叉積來確定 第二候選心外膜輪廓。
該方法還包括確定一對(duì)一 匹配矩陣，其中心內(nèi)膜輪廓和心外膜 輪廓上的點(diǎn)被分配給多個(gè)模板點(diǎn)，其中模板點(diǎn)從通過多幅圖像的傳 播被確定。
根據(jù)本公開的實(shí)施例， 一種用于分割左心室的感興趣圖像的方 法包括根據(jù)感興趣圖像中像素亮度的直方圖確定心肌響應(yīng)圖像，根 據(jù)多個(gè)能量函數(shù)確定多個(gè)候選輪廓，其中多個(gè)置信度值被分配給所 述多個(gè)候選輪廓，根據(jù)候選心內(nèi)膜輪廓的圖形切割確定心肌輪廓， 以及在不存在形狀傳播時(shí)對(duì)候選心外膜輪廓樣條擬合，以及將多個(gè) 形狀約束應(yīng)用于候選心內(nèi)膜輪廓和候選心外膜輪廓以確定心肌輪 廓，其中在存在形狀傳播時(shí)，通過包括感興趣圖像的序列中的多幅 圖像的形狀傳播來確定模板。
心肌輪廓包括心內(nèi)膜輪廓和心外膜輪廓。
該方法包括確定左心室的輪廓對(duì)。該方法包括確定連通分量的 特征，所述連通分量區(qū)別于非心臟組織，在多個(gè)區(qū)別于非心臟組織 的連通分量中確定具有所需特征的連通分量，將所確定的連通分量 近似為對(duì)應(yīng)于心內(nèi)膜定位的圓，以及確定心外膜的定位作為具有與
對(duì)應(yīng)于心內(nèi)膜定位的圓相同的圓心和較大半徑的圓。
根據(jù)像素亮度的直方圖確定心肌響應(yīng)圖像還包括將高斯的混合 擬合于像素亮度的直方圖以在圖像中確定血液、肌肉和空氣的部 分。
閉合輪廓包括多個(gè)候選輪廓，并且對(duì)于每個(gè)輪廓，還包括定義 圍繞近似輪廓的搜索空間，定義源節(jié)點(diǎn)和匯節(jié)點(diǎn)的線，確定源節(jié)點(diǎn) 和匯節(jié)點(diǎn)之間的最短路徑，定義一個(gè)新源節(jié)點(diǎn)和多個(gè)新匯節(jié)點(diǎn)，以 及確定該新源節(jié)點(diǎn)和新匯節(jié)點(diǎn)之間的最短路徑。
候選心內(nèi)膜輪廓和候選心外膜輪廓各自根據(jù)梯度幅度和利用梯 度方向與輪廓方向的交叉積的方向的組合來確定。該方法包括根據(jù) 輸入圖像中梯度方向和輪廓方向的正交叉積來確定第一候選心內(nèi)膜 輪廓，根據(jù)心肌圖像中梯度方向和輪廓方向的負(fù)交叉積來確定第二 候選心內(nèi)膜輪廓，根據(jù)輸入圖像中梯度幅度來確定第一候選心外膜 輪廓，以及根據(jù)心肌圖像中梯度方向和輪廓方向的正交叉積來確定 第二候選心外膜輪廓。
圖形切割還包括定義圖形，其中每個(gè)節(jié)點(diǎn)對(duì)應(yīng)于候選輪廓上置 信像素之間的連通分量區(qū)域，并且確定中心節(jié)點(diǎn)和外側(cè)節(jié)點(diǎn)之間的 最小切割。
樣條擬合還包括通過候選輪廓的點(diǎn)擬合樣條。
根據(jù)本公開的實(shí)施例，提供一種機(jī)器可讀的程序存儲(chǔ)設(shè)備，有 形地包含機(jī)器可執(zhí)行的指令的程序以執(zhí)行用于分割左心室的感興趣 圖像的方法步驟。該方法包括根據(jù)感興趣圖像中像素亮度的直方圖 確定心肌響應(yīng)圖像，根據(jù)多個(gè)能量函數(shù)確定多個(gè)候選輪廓，其中多 個(gè)置信度值被分配給所述多個(gè)候選輪廓，根據(jù)候選心內(nèi)膜輪廓的圖
像切割確定心肌輪廓，以及在不存在形狀傳播(shape propagation) 時(shí)對(duì)候選心外膜輪廓樣條擬合，以及將多個(gè)形狀約束應(yīng)用于候選心 內(nèi)膜輪廓和候選心外膜輪廓以確定心肌輪廓，其中在存在形狀傳播 時(shí)，通過包括感興趣圖像的序列中的多幅圖像的形狀傳播來確定模 板。


下面將參考附圖更詳細(xì)地描述本公開的優(yōu)選實(shí)施例
圖l是示出根據(jù)本公開的一個(gè)實(shí)施例的分割方法的流程圖2a示出根據(jù)本公開的一個(gè)實(shí)施例的輸入圖像；
圖2b示出根據(jù)本公開的一個(gè)實(shí)施例利用高斯混合擬合的、圖2a
的輸入圖像的直方圖2c示出根據(jù)本公開的一個(gè)實(shí)施例的心肌響應(yīng)圖像。
圖3a-b示出才艮據(jù)本/>開的一個(gè)實(shí)施例的Dijkstra方法的兩種
通道的范例；
圖4a-f示出根據(jù)本公開的一個(gè)實(shí)施例應(yīng)用形狀約束以恢復(fù)心 肌輪廓的范例；
圖5a - d示出根據(jù)本公開的 一個(gè)實(shí)施例的圖像切割的范例；
圖6是示出在所有點(diǎn)、所有圖像和所有患者上在真實(shí)輪廓和MR
圖像的分割輪廓之間的誤差距離的累積分布；
圖7a示出根據(jù)本公開的一個(gè)實(shí)施例的輸入圖像；
圖7b示出根據(jù)本公開的一個(gè)實(shí)施例利用高斯混合擬合的、圖2a
的輸入圖像的直方圖7c示出根據(jù)本公開的一個(gè)實(shí)施例的心肌響應(yīng)圖像；以及
圖8是示出在所有點(diǎn)、所有圖像和所有患者上在真實(shí)輪廓和CT
圖像的分割輪廓之間的誤差距離的累積分布；
具體實(shí)施例方式
用于分割左心室的心臟圖像的系統(tǒng)和/或方法可以以任何適當(dāng)?shù)?商業(yè)心臟分析包來體現(xiàn)，諸如來自西門子(Siemens)的ARGUS心 臟分析包，其提供了繪圖工具和自動(dòng)分割方法的完整系統(tǒng)，以允許 醫(yī)生描繪在患者數(shù)據(jù)集中每幅圖像中的心肌，確定容量、射血分?jǐn)?shù)， 并且執(zhí)行加厚分析。
參考圖1,示出了根據(jù)本公開的一個(gè)實(shí)施例的方法，該方法根據(jù) 感興趣的磁共振圖像中像素亮度的直方圖來確定左心室102的近似 輪廓和心肌響應(yīng)圖像104。該方法根據(jù)多個(gè)能量函數(shù)確定左心室的多 個(gè)候選閉合輪廓106。此外，該方法知曉對(duì)感興趣的磁共振圖像是否 存在形狀信息108,并且能夠應(yīng)用所期望的方法以確定心肌圖像。例 如，在存在形狀信息時(shí)，該方法從通過多幅磁共振圖像的傳播中確 定模板，并且根據(jù)候選輪廓和模板之間的匹配技術(shù)來確定心內(nèi)膜和 心外膜。例如，匹配技術(shù)可以包括點(diǎn)模式匹配和形狀匹配。該方法 根據(jù)圖像切割112確定心內(nèi)膜輪廓并且根據(jù)對(duì)單一圖像的候選輪廓
的樣條擬合(spling fitting) 114來確定心外膜輪廓，其中不存在模 板。
應(yīng)當(dāng)理解，本發(fā)明可以以硬件、軟件、固件、專用處理機(jī)或其 組合的各種形式來實(shí)施。在一個(gè)實(shí)施例中，本公開可以以軟件形式 被實(shí)施為有形體現(xiàn)在程序存儲(chǔ)設(shè)備上的應(yīng)用程序。該應(yīng)用程序可以 上載到包括任何適當(dāng)結(jié)構(gòu)的機(jī)器并且由其執(zhí)行。優(yōu)選地，該機(jī)器在 計(jì)算機(jī)平臺(tái)上被實(shí)施，所述計(jì)算機(jī)平臺(tái)具有諸如一個(gè)或多個(gè)中央處 理單元(CPU)、隨機(jī)存取存儲(chǔ)器(RAM)以及(多個(gè))輸入/輸出 (I/O)接口之類的硬件。該計(jì)算機(jī)平臺(tái)還包括操作系統(tǒng)和微指令代 碼。在此所述的各種過程和功能可以是部分微指令代碼或部分經(jīng)由 操作系統(tǒng)而執(zhí)行的應(yīng)用程序(或其組合)。另外，各種其它外圍設(shè) 備可以連接到計(jì)算機(jī)平臺(tái)，諸如附加數(shù)據(jù)存儲(chǔ)設(shè)備和打印設(shè)備。
還應(yīng)當(dāng)理解，由于在附圖中所示的一些組成系統(tǒng)部件和方法步 驟可以以軟件形式被實(shí)施，系統(tǒng)部件(或過程步驟)之間的實(shí)際連 接根據(jù)對(duì)本發(fā)明編程的方式而有所區(qū)別。給定在此所提供的本公開 的教導(dǎo)，相關(guān)領(lǐng)域的普通技術(shù)人員將能夠預(yù)期本發(fā)明的這些和相似 實(shí)施和配置。
根據(jù)本公開的一個(gè)實(shí)施例，提供了一種方法，所述方法自動(dòng)地 在MR圖像中左心室的位置處假設(shè)兩個(gè)同心圓。然而，由于左心室 的相對(duì)對(duì)稱性和計(jì)算約束，該方法使用沿著穿過心室的四個(gè)橫截面 而不是整個(gè)區(qū)域的像素灰度值來確定特征集。自動(dòng)定位方法描述在 檔案號(hào)No.99P9036US01的題為"Method for Learning-Based Object Detection in Cardiac Magnetic Resonance Image (用于在心臟磁共振
圖像中基于學(xué)習(xí)的對(duì)象檢測(cè)方法)"中，并且其在此全文通過引用 被納入。
才艮據(jù)本7>開的一個(gè)實(shí)施例，定位模仿了 Markov過程。Markov 分析著眼于一系列事件，并且分析要被另一事件跟隨的事件的趨 向，從而產(chǎn)生隨機(jī)但相關(guān)的事件的新序列。根據(jù)本公開的一個(gè)實(shí)施 例，在學(xué)習(xí)階段，提供正的和負(fù)的范例并且該方法發(fā)現(xiàn)Markov過程 的排序，其最大化在訓(xùn)練集中兩類之間的分離(最小化Kullbach距 離，其也公知為相對(duì)熵或交叉熵)。該方法包括檢測(cè)階段，在其期 間掃描測(cè)試圖像并且根據(jù)對(duì)數(shù)似然比(log - likelihood ratio )將每個(gè)
位置分配給一類。
被分類為左心室的鄰近方位被分成簇。該方法在灰度特性曲線
(profile )中定義了八個(gè)凸出點(diǎn)作為四個(gè)橫截面與心室醫(yī)學(xué)軸的交叉 點(diǎn)。從利用例如由Ramsay和Xi建議的曲線配準(zhǔn)技術(shù)對(duì)準(zhǔn)的訓(xùn)練范 例特性曲線中建立平均特性曲線。每個(gè)簇候選的橫截面被彎曲到相 應(yīng)平均特性曲線上。然后使用霍夫變換陣列累積圖像中凸出點(diǎn)的位 置，以投票贊成心肌中心線的最可能的中心方位和半徑。
通常，用戶分割一幅圖像，例如在舒張末期(ED底部(base)) 最接近瓣膜的切片，并且將所分割的輪廓傳播到ED階段中所有切片
(ED傳播)。該ED輪廓可以被傳播到收縮末期(ES)階段(ES 傳播)以計(jì)算射血分?jǐn)?shù)。對(duì)于更詳細(xì)的分析，用戶也可以利用時(shí)間 上的傳播將所有ED輪廓傳播到所有階段中的所有圖像。
對(duì)于ED傳播，可以使用上述的自動(dòng)定位方法。然而，由于心室 尺寸從模板圖像中近似得知，可以將比例縮放搜索(scale search) 限制到例如模板尺寸的0.85和1.15倍之間。該方法可以將用于心室 位置的搜索空間限制到例如模板位置周圍的30個(gè)像素。對(duì)于ES傳 播，該方法已知左心室的位置未改變，并且因而模板輪廓可以被按 比例縮放。心內(nèi)膜被按比例縮放0.6而心外膜被按比例縮放0.9。在 時(shí)間上的傳播的情況下，輪廓的位置和比例縮放都未顯著改變。因 此，該方法可以從一幅圖像復(fù)制輪廓到下一幅。
在MR成像中，像素亮度取決于正被成像的組織的屬性。如圖 2a中所示，在左心室的MR圖像中，血液是亮的201，肌肉有些暗 202，但是不如充氣的肺那么暗203。該事實(shí)可以通過查看如圖2b中 所示的心肌周圍區(qū)域的直方圖來核實(shí)。該方法使用期望最大化
(Expectation - Maximization, EM)方法而將三個(gè)高斯的混合擬合 于直方圖。然后，該方法創(chuàng)建心肌響應(yīng)圖像，其示出了像素屬于對(duì) 應(yīng)于心肌的中間高斯(middle Gaussian )的概率?？蓮膱D2c中看出， 左心室心肌204被加亮，而鄰近器官(例如205)也被加亮。
為了補(bǔ)充區(qū)域分割的結(jié)果，該方法使用類似于Geiger的動(dòng)態(tài)編 程方法或Mortensen和Barrett的Dijkstra方法的主動(dòng)輪廓公式化。 這些圖形理論方法相對(duì)于由Kass等人建議的梯度下降方法的優(yōu)點(diǎn) 是，其能夠恢復(fù)能量函數(shù)的全局最佳值并且因而對(duì)初始輪廓方位不
靈敏。
Geiger定義輪廓(p,…pj的能量為
其中l(wèi)v/(wl是幅度，而f/(p)是圖像梯度在像素p處的方向。這相當(dāng) 于找到節(jié)點(diǎn)對(duì)應(yīng)于像素的圖形中的最短路徑，并且兩個(gè)鄰近像素之 間的鏈接成本被定義為
給定圖像中近似輪廓，該方法在所述近似輪廓周圍放置對(duì)稱的
搜索空間304并且定義連接到"偽"源節(jié)點(diǎn)的源節(jié)點(diǎn)306和匯節(jié)點(diǎn) 308的線。然后Dijkstra方法找到偽源節(jié)點(diǎn)和匯節(jié)點(diǎn)302之一之間的 最短路徑。該方法定義在所恢復(fù)的輪廓中間的新單一源點(diǎn)312和鄰 近該源節(jié)點(diǎn)的一組匯節(jié)點(diǎn)310，并且實(shí)行Dijkstra方法的第二通道以 產(chǎn)生閉合輪廓314。
為了組合由圖像和心肌響應(yīng)圖像兩者所提供的信息，Dijkstra 方法利用兩個(gè)不同的能量函數(shù)來實(shí)施。每一運(yùn)行給出輪廓的不同候 選點(diǎn)，以及基于每個(gè)點(diǎn)對(duì)總能量函數(shù)的貢獻(xiàn)的置信度。 一個(gè)能量函 數(shù)組合梯度幅度和利用梯度方向與輪廓方向的交叉積的方向。在這 種情況下，由Dijkstra過程順時(shí)針建立輪廓，而圖像梯度從亮指向 暗。為了分別使外側(cè)暗區(qū)域與內(nèi)側(cè)的亮區(qū)域分離和使外側(cè)亮區(qū)域與 內(nèi)側(cè)的暗區(qū)域分離，圖像梯度和輪廓方向之間的交叉積的z分量應(yīng)當(dāng) 分別是正的和負(fù)的。否則能量被設(shè)置為大的數(shù)。兩個(gè)像素之間的鏈 路成本是<formula>formula see original document page 13</formula>
其中e是小常數(shù)，例如0.001，以限制能量函數(shù)。E(I， z>0) 和E(H， z〈0)可以用于心內(nèi)膜，其中I是輸入圖像，而^是心肌 響應(yīng)圖像。對(duì)于心外膜，可以使用E(H， z>0)。由于心肌外側(cè)的I
中的梯度方向在亮的右心室和暗的肺部之間翻轉(zhuǎn)，可以使用E，(I)， 其可以被定義為
A ，P2 、2~~ (4) 不同的能量函數(shù)加亮心肌的不同特征。
Dijktra方法與各種能量函數(shù)一起被應(yīng)用，并且所產(chǎn)生的輪廓上 所有點(diǎn)是最終輪廓的候選點(diǎn)。當(dāng)輪廓從一幅圖像或在空間上或在時(shí) 間上傳播到下一幅時(shí)，合理的是假設(shè)輪廓的形狀不劇烈地改變。基 于該假設(shè)，該方法可以確定哪些輪廓的哪些部分是正確的。
例如由Duta等人建議的形狀對(duì)準(zhǔn)方法被用于在模板點(diǎn)A= =,，...，a的子集A，和候選測(cè)試點(diǎn)B = {Bk}k- u的子集B，之間的對(duì)應(yīng)。根 據(jù)本公開的一個(gè)實(shí)施例，兩個(gè)輪廓被認(rèn)為是一個(gè)形狀。給定A和B 中的一對(duì)"相應(yīng)"點(diǎn)，假定嚴(yán)格的相似性變換以對(duì)準(zhǔn)輪廓。確定一 對(duì)一匹配矩陣M以當(dāng)距離小于閾值時(shí)，將每個(gè)點(diǎn)B分配給在A中其 最接近的鄰居。這允許下列等式
<formula>formula see original document page 14</formula>5)
其中n是對(duì)應(yīng)的數(shù)量，而(a,b，c，d)是相似性變換的參數(shù)。加權(quán)Wj 被設(shè)置為測(cè)試點(diǎn)Bj的置信度。目標(biāo)是最小化f(M)。不可能評(píng)估所有 可能的四組點(diǎn)，所以選擇測(cè)試集中具有最大置信度的點(diǎn)的10%,并 且與來自模板集中相同輪廓的點(diǎn)配對(duì)。本領(lǐng)域的普通技術(shù)人員根據(jù) 本公開應(yīng)意識(shí)到可以選擇更大或更小的點(diǎn)集。
圖4a示出了輸入圖像，而圖4b示出了四個(gè)所恢復(fù)的輪廓401 -404,其中較暗的點(diǎn)顯示了較高的置信度。圖4c示出了來自先前圖 像的分割的模板形狀。圖4d示出了用于最佳相似性變換的已建立的 對(duì)應(yīng)。形狀約束允許該方法為心內(nèi)膜407選擇外側(cè)候選點(diǎn)而不是描 繪乳頭肌406的內(nèi)側(cè)點(diǎn)，并且為心外膜405選擇內(nèi)側(cè)候選點(diǎn)而不是描 繪脂肪408的外側(cè)點(diǎn)。 一旦建立了對(duì)應(yīng)，如圖在4e中通過將模板點(diǎn) 移動(dòng)到它們相應(yīng)的測(cè)試點(diǎn)而彎曲模板形狀。使用由Xn等人建議的方 法使輪廓平滑，這最小化收縮性。在圖4f中示出了最終分割結(jié)果。
當(dāng)需要一幅圖像獨(dú)立地、而不是在傳播的背景下被分割時(shí)，對(duì)于系統(tǒng)而言沒有形狀信息可用。心內(nèi)膜應(yīng)當(dāng)盡可能被推向遠(yuǎn)離中 心，從而其描繪心肌而不是乳頭肌，并且心外膜應(yīng)當(dāng)保持接近心內(nèi)
膜。為了增強(qiáng)這些約束，該方法以下列方式修改置信度值
其中，O是置信度點(diǎn)團(tuán)塊的中心。
對(duì)于心內(nèi)膜，該方法確定具有最大置信度的環(huán)。圖5a示出了置 信度圖像的范例。定義例如在圖5c中所示的圖形，其中如圖5b中 所示，在候選輪廓上的置信度像素之間，每個(gè)節(jié)點(diǎn)對(duì)應(yīng)于連通分量 區(qū)域。兩個(gè)節(jié)點(diǎn)之間邊緣的加權(quán)與公共邊界上像素的置信度成反 比。于是，該方法確定中心節(jié)點(diǎn)和外側(cè)節(jié)點(diǎn)之間的最小切割。使用 最大流(max flow)方法確定最小切割。圖5d示出了最終分割或心
肌輪廓(示為暗的)的范例。
對(duì)于心外膜，該方法需要平滑輪廓，因?yàn)樵谛募『透闻K之間不 存在清楚邊緣，并且右心室心肌看來似乎并入左心室心肌中。因此， 該方法使樣條擬合于兩個(gè)候選輪廓的點(diǎn)。樣條曲線起源于被用于創(chuàng) 建平滑曲線的柔軟條帶。類似Bezier曲線，從分段式近似具有零、 第一和第二階連續(xù)性的立方多項(xiàng)式函數(shù)中來形成樣條。B樣條是特殊
類型樣條的范例。
為了測(cè)試我們的算法，對(duì)于總共458個(gè)分割的圖像，已經(jīng)收集 了 29個(gè)患者數(shù)據(jù)集以及由放射科醫(yī)師對(duì)ED和ES階段的手動(dòng)分割。 利用兩個(gè)不同脈沖序列在西門子MAGNETOM系統(tǒng)上采集了圖像。 對(duì)于MR血管活動(dòng)攝影術(shù)，傳統(tǒng)上使用FLASH脈沖序列。西門子最 近開拓了用于心臟電影(cine)成像的TrueFISP脈沖序列，其呈現(xiàn) 了較高的對(duì)比噪音比，而不影響時(shí)間或空間分辨率。我們收集了 22 個(gè)TrueFISP患者和7個(gè)FLASH患者。我們的數(shù)據(jù)庫(kù)提供大量的心 臟形狀、圖像對(duì)比和邊緣巻曲(crispness) 。 FLASH圖像的難點(diǎn)是
邊界可能是模糊的。TrueFISP圖像的挑戰(zhàn)是，如此好地定義乳頭肌， 使得可能難以避免描繪它們。此外，用戶可能不想描繪它們，而形 狀約束可以在該任務(wù)中幫忙。
該方法自動(dòng)地分割所有數(shù)據(jù)庫(kù)的ED和ES階段。為了使自動(dòng)輪 廓A與真實(shí)輪廓B相比較，該方法為自動(dòng)輪廓中的所有點(diǎn)a確定距
離^。,5) = min^|a-6| 。該方法還為真實(shí)輪廓中的所有點(diǎn)b確定 d(b，A)。圖6示出了在所有29個(gè)數(shù)據(jù)集的所有ED和ES圖像上這些
誤差距離的累積分布?？梢钥闯?， 一般地說，誤差小于一個(gè)像素并 且使五個(gè)或更多像素的誤差小于時(shí)間的百分之五。
本公開建議了一種用于在心臟MR圖像中分割左心室的方法。 該方法組合邊緣信息、從高斯的混合到直方圖的EM擬合所獲得的 區(qū)域信息以及通過點(diǎn)模式匹配策略的形狀信息。該方法可以被集成 到例如來自西門子的ARGUS心臟分析包。
除了心臟MR圖像，本公開的實(shí)施例可以擴(kuò)展到計(jì)算機(jī)斷層攝 影(CT)圖像。例如，對(duì)于左心室的全局定位，在單一圖像分割和 ED傳播的情況下，使用自動(dòng)定位技術(shù)用于MR和CT圖像。對(duì)于 MR圖像，可以使用最大值鑒別方法。對(duì)于CT圖像，可以使用閾值 化方法。對(duì)于ES和時(shí)間上的傳播，從先前圖像中復(fù)制或縮放輪廓。
對(duì)于CT圖像，檢測(cè)任務(wù)使用通過采集物理現(xiàn)象(例如X射線) 近似已知的組織灰度值。存儲(chǔ)圖像中的灰度。通過閾值化來隔離血 液像素。該閾值可以從訓(xùn)練范例中確定，并且可以基于由CT掃描器 或心臟分析包實(shí)施的測(cè)量單位。例如，用于西門子CT圖像的灰度是 1024 +霍斯菲耳德氏單位(Hounsfield Unit, HU )，其中HU直接 由CT掃描器輸出，而空氣為-1000HU,骨為1000HU。因而，用于 消除血液像素的閾值可以是1211。在移除閾值之下的連通分量之 后，確定對(duì)每個(gè)剩余的連通分量的特征。例如，偏心率是連通分量 上最小和最大半徑之間的比；凸度是連通分量包(hull)的面積之間 的比；而凸包的圓度被定義為其周長(zhǎng)的平方上的其面積的4tt倍。根 據(jù)這些所確定的特征尋求最小偏心的、最圓形的和最凸起的連通分 量。最小偏心的、最圓形的和最凸起的連通分量近似為圓并且對(duì)應(yīng) 于心內(nèi)膜的定位。心外膜的定位被確定為具有與心外膜的圓相同的 中心和較大半徑的圓。較大半徑可以選擇為預(yù)定數(shù)量的像素、或者
例如毫米的其它測(cè)量單位，與心內(nèi)膜相比較大，例如大10個(gè)像素。
可以使用用于選擇較大半徑的其它方法，例如，手動(dòng)選擇。
對(duì)于CT圖像中的ED傳播，使用縮放。對(duì)于CT圖像， 一次采 集整個(gè)容量并且因而在切片之間不存在漂移。因此選擇比例縮放， 例如，心內(nèi)膜和心外膜都可以被縮放為切片向下0.8或者切片向上 1.25。
對(duì)于CT圖像的區(qū)域分割，灰度分布典型地從100變化到1600, 然而對(duì)于MR圖像，灰度分布從約0變化到700。 CT圖像(參見圖 7a)的直方圖(參見圖7b)示出了四個(gè)峰肺部為暗色并且較好地
與其它器官分離。在較亮的像素之中，存在脂肪和肝臟部分、肌肉 和血液。EM方法被用于將四個(gè)高斯擬合于直方圖。CT采集物理現(xiàn)
象允許根據(jù)經(jīng)驗(yàn)確定平均心肌灰度值。選擇高斯具有最接近平均心 肌灰度的峰。然后，根據(jù)像素屬于中間高斯分布的概率，確定心肌 響應(yīng)圖像(參見圖7c)。
圖8示出了 CT圖像的誤差距離的累積分布。在圖8中所示出的 平均誤差是2.5個(gè)像素。對(duì)于輪廓點(diǎn)的95%，誤差小于15個(gè)像素。 雖然CT圖像中的誤差看起來比對(duì)于MR圖像而言糟糕(例如，比較 圖6和圖8)，但是MR圖像中像素的物理尺寸比在CT圖像中約大 3倍。因此，對(duì)于MR和CT圖像，系統(tǒng)和方法的性能近似相同。
已經(jīng)描述了組合可變形模板中的邊緣、區(qū)域和形狀信息的心臟 分割的實(shí)施例，應(yīng)當(dāng)注意到，本領(lǐng)域技術(shù)人員根據(jù)上述教導(dǎo)可以進(jìn) 行修改和變型。因此應(yīng)當(dāng)理解，在所公開的本發(fā)明特定實(shí)施例中可 以進(jìn)行改變，所述改變處于由所附的權(quán)利要求限定的本發(fā)明范圍和 精神中。因而，已經(jīng)用專利法要求的細(xì)節(jié)和特性描述了本發(fā)明，由 專利證書所要求的和期望保護(hù)的內(nèi)容在所附的權(quán)利要求中進(jìn)行陳 述。
權(quán)利要求
1、一種用于分割左心室的感興趣圖像的方法，包括根據(jù)候選心內(nèi)膜輪廓的圖形切割來確定心肌輪廓，以及在不存在形狀傳播時(shí)對(duì)候選心外膜輪廓樣條擬合；以及將多個(gè)形狀約束應(yīng)用于候選心內(nèi)膜輪廓和候選心外膜輪廓，以確定心肌輪廓，其中在存在形狀傳播時(shí)，通過包括感興趣圖像的序列中的多幅圖像的形狀傳播來確定模板。
2、 一種用于分割左心室的感興趣圖像的方法，包括 根據(jù)感興趣圖像中像素亮度的直方圖來確定心肌響應(yīng)圖像；根據(jù)多個(gè)能量函數(shù)確定多個(gè)候選輪廓，多個(gè)置信度值被分配給所述多個(gè)候選輪廓；以及將多個(gè)形狀約束應(yīng)用于候選心內(nèi)膜輪廓和候選心外膜輪廓以確 定心肌輪廓。
3、 根據(jù)權(quán)利要求2所述的方法，其中心肌輪廓基于包括感興趣 圖像的序列中的多幅圖像，其中心肌輪廓包括心內(nèi)膜輪廓和心外膜 輪廓。
4、 根據(jù)權(quán)利要求2所述的方法，還包括確定左心室的近似輪廓 對(duì)，包括移除低于灰度閾值的連通分量；以及 確定灰度閾值之上的連通分量的特征。
5、 根據(jù)權(quán)利要求4所述的方法，還包括在灰度闊值之上的多個(gè)連通分量之中確定最小偏心的、最圓的 和最凸起的連通分量；將所確定的連通分量近似為對(duì)應(yīng)于心內(nèi)膜的 定位的圓；以及將心外膜的定位確定為具有與對(duì)應(yīng)于心內(nèi)膜的定位的圓相同的 中心和較大半徑的圓。
6、 根據(jù)權(quán)利要求2所述的方法，其中根據(jù)像素亮度的直方圖確 定心肌響應(yīng)圖像還包括將高斯的混合擬合于像素亮度的直方圖以在 圖像中確定血液、肌肉和空氣部分。
7、 根據(jù)權(quán)利要求2所述的方法，其中對(duì)于每個(gè)候選閉合輪廓， 該方法還包括定義圍繞近似輪廓的搜索空間； 定義源節(jié)點(diǎn)和匯節(jié)點(diǎn)的線；確定源節(jié)點(diǎn)和匯節(jié)點(diǎn)之間的最短路徑；定義一個(gè)新源節(jié)點(diǎn)和多個(gè)新匯節(jié)點(diǎn)；以及確定該新源節(jié)點(diǎn)和新匯節(jié)點(diǎn)之間的最短路徑。
8、根據(jù)權(quán)利要求2所述的方法，其中候選心內(nèi)膜輪廓和候選心方向的組合來確定。
9、 根據(jù)權(quán)利要求8所述的方法，還包括 根據(jù)輸入圖像中梯度方向和輪廓方向的正交叉積來確定第一候選心內(nèi)膜輪廓；根據(jù)心肌圖像中梯度方向和輪廊方向的負(fù)交叉積來確定第二候 選心內(nèi)膜輪廓；根據(jù)輸入圖像中梯度幅度來確定第一候選心外膜輪廓；以及 根據(jù)心肌圖像中梯度方向和輪廓方向的正交叉積來確定第二候 選心外膜輪廓。
10、 根據(jù)權(quán)利要求2所述的方法，還包括確定一對(duì)一匹配矩陣， 其中心內(nèi)膜輪廓和心外膜輪廓上的點(diǎn)被分配給多個(gè)模板點(diǎn)，其中模 板點(diǎn)在通過多幅圖像傳播期間從先前圖像中被確定。
11、 一種用于分割左心室的感興趣圖像的方法，包括 根據(jù)感興趣圖像中像素亮度的直方圖確定心肌響應(yīng)圖像； 根據(jù)多個(gè)能量函數(shù)確定多個(gè)候選輪廓，多個(gè)置信度值被分配給所述多個(gè)候選輪廓；根據(jù)候選心內(nèi)膜輪廓的圖形切割確定心肌輪廓，并且在不存在 形狀傳播時(shí)對(duì)候選心外膜輪廓樣條擬合；以及將多個(gè)形狀約束應(yīng)用于候選心內(nèi)膜輪廓和候選心外膜輪廓以確 定心肌輪廓，其中在存在形狀傳播時(shí)，通過包括感興趣圖像的序列 中的多幅圖像的形狀傳播來確定模板。
12、 根據(jù)權(quán)利要求11所述的方法，其中心肌輪廓包括心內(nèi)膜輪 廓和心外膜輪廓。
13、 根據(jù)權(quán)利要求11所述的方法，還包括確定左心室的輪廓對(duì)。
14、 根據(jù)權(quán)利要求13所述的方法，還包括確定連通分量的特征，所述連通分量區(qū)別于非心臟組織； 在多個(gè)區(qū)別于非心臟組織的連通分量中確定具有所需特征的連通分量；將所確定的連通分量近似為對(duì)應(yīng)于心內(nèi)膜的定位的圓；以及 將心外膜的定位確定為具有與對(duì)應(yīng)于心內(nèi)膜定位的圓相同的中 心和較大半徑的圓。
15、 根據(jù)權(quán)利要求11所述的方法，其中根據(jù)像素亮度的直方圖 確定心肌響應(yīng)圖像還包括將高斯的混合擬合于像素亮度的直方圖以 在圖像中確定血液、肌肉和空氣部分。
16、 根據(jù)權(quán)利要求11所述的方法，其中閉合輪廓包括多個(gè)候選 輪廓，并且對(duì)于每個(gè)輪廓，還包括定義圍繞近似輪廓的搜索空間；定義源節(jié)點(diǎn)和匯節(jié)點(diǎn)的線；確定源節(jié)點(diǎn)和匯節(jié)點(diǎn)之間的最短路徑；定義一個(gè)新源節(jié)點(diǎn)和多個(gè)新匯節(jié)點(diǎn)；以及確定該新源節(jié)點(diǎn)和新匯節(jié)點(diǎn)之間的最短路徑。
17、 根據(jù)權(quán)利要求11所述的方法，其中候選心內(nèi)膜輪廓和候選 心外膜輪廓各自根據(jù)梯度幅度和利用梯度方向與輪廓方向的交叉積 的方向的組合來確定。
18、 根據(jù)權(quán)利要求17所述的方法，還包括根據(jù)輸入圖像中梯度方向和輪廓方向的正交叉積來確定第一候 選心內(nèi)膜輪廓；根據(jù)心肌圖像中梯度方向和輪廓方向的負(fù)交叉積來確定第二候 選心內(nèi)膜輪廓；根據(jù)輸入圖像中梯度幅度來確定第一候選心外膜輪廓；以及 根據(jù)心肌圖像中梯度方向和輪廓方向的正交叉積來確定第二候 選心外膜輪廓。
19、 根據(jù)權(quán)利要求11所述的方法，其中圖形切割還包括 定義圖形，其中每個(gè)節(jié)點(diǎn)對(duì)應(yīng)于候選輪廓上的置信度像素之間的連通分量區(qū)域；以及確定中心節(jié)點(diǎn)和外側(cè)節(jié)點(diǎn)之間的最小切割。
20、 根據(jù)權(quán)利要求11所述的方法，其中樣條擬合還包括擬合通 過候選輪廓的點(diǎn)的樣條。
21、 一種機(jī)器可讀程序存儲(chǔ)設(shè)備，有形地包含機(jī)器可執(zhí)行指令 的程序以執(zhí)行用于分割左心室的感興趣圖像的方法步驟，該方法步 驟包括根據(jù)感興趣圖像中像素亮度的直方圖確定心肌響應(yīng)圖像；根據(jù)多個(gè)能量函數(shù)確定多個(gè)候選輪廓，多個(gè)置信度值被分配給所述多個(gè)候選輪廓；根據(jù)候選心內(nèi)膜輪廓的圖形切割確定心肌輪廓，并且在不存在 形狀傳播時(shí)對(duì)候選心外膜輪廓樣條擬合；以及將多個(gè)形狀約束應(yīng)用于候選心內(nèi)膜輪廓和候選心外膜輪廓以確 定心肌輪廓，其中在存在形狀傳播時(shí)，通過包括感興趣圖像的序列 中的多幅圖像的形狀傳播來確定模板。
全文摘要
提供一種用于分割左心室的感興趣圖像的方法。該方法包括根據(jù)感興趣的磁共振圖像中像素亮度的直方圖來確定左心室的近似輪廓(102)和心肌響應(yīng)圖像(104)。根據(jù)多個(gè)能量函數(shù)確定左心室的多個(gè)候選閉合輪廓(106)。該方法從通過多幅圖像的傳播中確定模板(108)，并且根據(jù)候選輪廓和該模板之間的匹配技術(shù)來確定心內(nèi)膜和心外膜(110)。該方法根據(jù)圖形切割(112)確定心內(nèi)膜輪廓并且根據(jù)對(duì)單一圖像的候選輪廓的樣條擬合(114)來確定心外膜輪廓，其中不存在模板(108)。
文檔編號(hào)A61B5/055GK101111865SQ200680003760
公開日2008年1月23日 申請(qǐng)日期2006年1月20日 優(yōu)先權(quán)日2005年2月2日
發(fā)明者M·-P·喬利, N·杜塔, 英 孫 申請(qǐng)人:美國(guó)西門子醫(yī)療解決公司