此，長(zhǎng)度和角度都無法區(qū)分。
[0047] 為了基于連接線δ的長(zhǎng)度和角度來使Τ12椎骨與其他椎骨可靠地區(qū)分，訓(xùn)練兩個(gè) 線性支持向量機(jī)（SVM):第一 SVM將腰部節(jié)段{L1 ... L5}與胸部節(jié)段{Τ7 ... Τ12}分離， 并且第二SVM將{Τ7 ·…Τ11}與{Τ12...... L5}分離。
[0048] SVM是所謂的分類器，其對(duì)應(yīng)于用于將對(duì)象的量分離（即分類）成兩個(gè)或更多個(gè)類 別的數(shù)學(xué)方法。SVM是利用關(guān)聯(lián)學(xué)習(xí)算法的被監(jiān)督的學(xué)習(xí)模型，該關(guān)聯(lián)學(xué)習(xí)算法分析數(shù)據(jù) 并且識(shí)別用于分類的模式?；維VM取得輸入數(shù)據(jù)的集合，并且針對(duì)每個(gè)給定的輸入來預(yù) 測(cè)兩個(gè)可能的類別中的哪一個(gè)形成輸出，從而使之成為非概率二值線性分類器。給定訓(xùn)練 示例集合，每一個(gè)訓(xùn)練示例被標(biāo)記為屬于兩個(gè)種類中的一個(gè)，則SVM訓(xùn)練算法建立一模型， 該模型將新的示例指定到一個(gè)種類或另一種類中。SVM模型是作為空間中的點(diǎn)的示例的表 示，被映射為使得單獨(dú)種類的示例被盡可能寬的明顯間隙劃分。然后，新的示例被映射到 該相同的空間中，并且基于他們落在間隙的哪一側(cè)來預(yù)測(cè)屬于一種類。由V. Ν. Vapnik， The nature of statistical learning theory, Springer-Verlagj New York, Inc., New York, NY, USA, 1995公開了訓(xùn)練SVM的方法，由此該方法通過引用合并到本專利申請(qǐng)中。
[0049] 圖3 (右）示出了在二維特征空間中繪制的特征折線（即連接線δ )的所計(jì)算的長(zhǎng) 度和角度。實(shí)線對(duì)應(yīng)于兩個(gè)預(yù)先學(xué)習(xí)的支持向量機(jī)（SVM)，該SVM將特征空間劃分成四個(gè)子 區(qū)，即腰部區(qū)域("L")、Τ12區(qū)域("X")、胸部區(qū)域("Τ"）和空白。虛線以解剖順序連接節(jié)段 特征。
[0050] 圖4示出了特征空間的示例，其中描繪從29個(gè)CT圖像學(xué)習(xí)的兩個(gè)線性SVM以及 區(qū)分參數(shù)。如從圖4中給出的示例顯而易見的，沒有發(fā)現(xiàn)將把Τ12與胸椎骨的其余部分清 楚分離的線性SVM (即線)，也即是將分離組{Τ7 ... Τ11}和{Τ12 ... L5}的線性SVM，但 是發(fā)現(xiàn)了用于在腰椎骨節(jié)段ILl ...... L5}與胸椎骨節(jié)段{Τ7 ...Τ12}之間進(jìn)行區(qū)分的 線性SVM。
[0051] 為了在應(yīng)用中可靠地找到Τ12節(jié)段，所有可用的椎骨節(jié)段首先以從下到上的順序 按照質(zhì)心α的 y坐標(biāo)進(jìn)行分類，并且然后被分類為"L"、"X"或"Τ"。為了可靠地識(shí)別Τ12， 必須存在分類為"L"的至少一個(gè)節(jié)段以及分類為"X"或"T"的至少一個(gè)節(jié)段。在"L"節(jié)段 鏈之后的第一節(jié)段被識(shí)別為T12。
[0052] 如下給出具有最終定論的按照從下到上順序的節(jié)段類別串的示例： " LLLXTTT " T12 是第 4 節(jié)段 " LLLLTTT " T12 是第 5 節(jié)段 "LXXT" T12是第2節(jié)段 "TTTT" 沒有"L"節(jié)段可用，即T12不確定 "LLLL" 僅腰部節(jié)段可用，即T12不確定。
【主權(quán)項(xiàng)】
1. 一種用于識(shí)別人體或動(dòng)物體的圖像中，特別是計(jì)算機(jī)斷層掃描（CT)圖像中的脊椎 的特定部分，特別是特定椎骨的方法，包括下述步驟： a) 確定圖像中的脊椎的一個(gè)或多個(gè)部分，特別是椎骨， b) 確定圖像中的脊椎的所述部分中的每一個(gè)的一個(gè)或多個(gè)區(qū)分參數(shù)，其中，該區(qū)分參 數(shù)與脊椎的所述部分中的每一個(gè)的至少一個(gè)解剖屬性相關(guān)； c) 對(duì)圖像中的脊椎的所述部分的區(qū)分參數(shù)進(jìn)行分類；以及 d) 基于對(duì)圖像中的脊椎的所述部分的區(qū)分參數(shù)的分類來識(shí)別脊椎的所述特定部分。2. 根據(jù)權(quán)利要求1所述的方法，其中，所述圖像中的所述脊椎的所述特定部分對(duì)應(yīng)于 T12椎骨。3. 根據(jù)權(quán)利要求1所述的方法，其中，所述區(qū)分參數(shù)與所述圖像中的所述脊椎的所述 部分處，特別是椎骨處的橫突起相關(guān)。4. 根據(jù)權(quán)利要求1所述的方法，其中，所述區(qū)分參數(shù)與所述圖像中的所述脊椎的所述 部分處，特別是椎骨處的肋骨相關(guān)。5. 根據(jù)權(quán)利要求1所述的方法，其中，基于通過下述步驟中的至少一個(gè)從身體的圖像 得到的輪廓圖像（20, 21)來確定所述身體的圖像中的脊椎的所述部分： -檢測(cè)身體的圖像，優(yōu)選地是三維圖像中的脊椎的椎管， -從身體的圖像剪切掉肋骨架的前部， -計(jì)算身體的圖像的最大圖像投影(MIP)，優(yōu)選地是二維的， -通過將最大圖像投影(MIP)的像素值與至少一個(gè)骨閾值作比較來從身體的圖像的最 大圖像投影(MIP)得到二值圖像，以及 -從二值圖像得到輪廓圖像（20，21)。6. 根據(jù)權(quán)利要求5所述的方法，其中，通過下述步驟中的至少一個(gè)，基于所述輪廓圖像 (20, 21)來確定身體的圖像中的脊椎的所述部分： -平滑化輪廓圖像（20, 21)， -計(jì)算輪廓圖像（20,21)中的局部極小值（μ)和局部極大值（τ)， -基于所述局部極小值（μ)和/或局部極大值（τ)來確定椎骨中心（α)， -在具有相應(yīng)局部極大值（τ)的所述椎骨中心之間（α)建立連接（S)，以及 -基于所述連接（S)來確定圖像中的脊椎的所述部分中的每一個(gè)的所述區(qū)分參數(shù)，特 別是確定所述連接（S)的長(zhǎng)度和/或角度。7. 用于標(biāo)記人體或動(dòng)物體的圖像中，特別是計(jì)算機(jī)斷層掃描（CT)圖像中的脊椎的一 個(gè)或多個(gè)部分的方法，包括下述步驟： i) 通過下述方式來將脊椎節(jié)段的模型與圖像中的脊椎的節(jié)段相匹配： -開始將脊椎節(jié)段的所述模型與圖像中的脊椎的初始節(jié)段匹配，其中，圖像中的脊椎的 所述初始節(jié)段包括圖像中的脊椎的初始部分，并且 -繼續(xù)將脊椎節(jié)段的所述模型與圖像中的脊椎的一個(gè)或多個(gè)其他節(jié)段相匹配，其中，圖 像中的脊椎的所述其他節(jié)段包括圖像中的脊椎的其他部分，以及 ii) 依賴于根據(jù)步驟i)的匹配結(jié)果來標(biāo)記圖像中的脊椎的一個(gè)或多個(gè)部分， 其中，圖像中的脊椎的初始部分對(duì)應(yīng)于通過根據(jù)前述權(quán)利要求中的任何一項(xiàng)所述的方 法識(shí)別的圖像中的脊椎的特定部分。8. 用于識(shí)別人體或動(dòng)物體的圖像中，特別是計(jì)算機(jī)斷層掃描（CT)圖像中的脊椎的特 定部分，特別是特定椎骨的裝置（10)，所述裝置（10)包括圖像處理單元（13)，用于 a) 確定圖像中的脊椎的一個(gè)或多個(gè)部分，特別是椎骨， b) 確定圖像中的脊椎的所述部分中的每一個(gè)的一個(gè)或多個(gè)區(qū)分參數(shù)，其中，該區(qū)分參 數(shù)與脊椎的所述部分中的每一個(gè)的至少一個(gè)解剖屬性相關(guān)； c) 對(duì)圖像中的脊椎的所述部分的區(qū)分參數(shù)進(jìn)行分類；以及 d) 基于對(duì)圖像中的脊椎的所述部分的區(qū)分參數(shù)的分類來識(shí)別脊椎的所述特定部分。9. 用于識(shí)別人體或動(dòng)物體的圖像中，特別是計(jì)算機(jī)斷層掃描（CT)圖像中的脊椎的特 定部分，特別是特定椎骨的系統(tǒng)，包括： -圖像獲取單元（12)，特別是計(jì)算機(jī)斷層掃描（CT)單元，用于獲取人體或動(dòng)物體的至 少一部分的至少一個(gè)圖像，以及 -根據(jù)權(quán)利要求12所述的裝置（10)。
【專利摘要】本發(fā)明涉及用于可靠地識(shí)別人體或動(dòng)物體的圖像中，特別是計(jì)算機(jī)斷層掃描（CT）圖像中的脊椎的特定部分，特別是特定椎骨的方法以及相應(yīng)的裝置和系統(tǒng)，包括下述步驟：a)確定圖像中的脊椎的一個(gè)或多個(gè)部分，特別是椎骨；b)確定圖像中的脊椎的所述部分中的每一個(gè)的一個(gè)或多個(gè)區(qū)分參數(shù)，其中，該區(qū)分參數(shù)與脊椎的所述部分中的每一個(gè)的至少一個(gè)解剖屬性相關(guān)；c)對(duì)圖像中的脊椎的所述部分的區(qū)分參數(shù)進(jìn)行分類；以及d)基于對(duì)圖像中的脊椎的所述部分的區(qū)分參數(shù)的分類來識(shí)別脊椎的所述特定部分。相應(yīng)地識(shí)別的椎骨，特別是T12椎骨和/或其關(guān)聯(lián)椎間盤可以有利地用作強(qiáng)大自動(dòng)脊椎標(biāo)記算法的起點(diǎn)。
【IPC分類】G06K9/00, A61B6/03, A61B6/00, G06T7/00, A61B5/107
【公開號(hào)】CN105338902
【申請(qǐng)?zhí)枴緾N201480005669
【發(fā)明人】J.赫拉杜維卡, D.馬喬, K.貝勒
【申請(qǐng)人】愛克發(fā)醫(yī)療保健公司, Vrvis 虛擬現(xiàn)實(shí)和形象化研究中心有限責(zé)任公司, Imp分子病理研究所有限責(zé)任公司
【公開日】2016年2月17日
【申請(qǐng)日】2014年1月20日
【公告號(hào)】EP2756804A1, EP2948062A1, US20150356729, WO2014114588A1