專利名稱：創(chuàng)建結(jié)構(gòu)模型的方法
創(chuàng)建結(jié)構(gòu)模型的方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種用于創(chuàng)建結(jié)構(gòu)模型的方法和設(shè)備。具體而言，本發(fā)明 涉及創(chuàng)建一種基于多個受檢者的訓(xùn)練數(shù)據(jù)的模型，且其涉及局部解剖結(jié)構(gòu)。
存在各種用于產(chǎn)生局部身體橫截面醫(yī)學(xué)圖像的掃描技術(shù)。這些技術(shù)包
括磁共振成像(MRI)、計(jì)算機(jī)斷層攝影(CT)以及正電子發(fā)射斷層攝影
(PET)。自這些掃描技術(shù)的輸出數(shù)據(jù)通常是一組強(qiáng)度值(通常稱為灰度) 的形式。為了能使數(shù)據(jù)有用，通常需要對掃描的輸出進(jìn)行翻譯以建立已經(jīng) 掃描區(qū)域的模型。然后可以使用該模型例如計(jì)劃外科手術(shù)或者計(jì)劃對特定 區(qū)域進(jìn)行更詳細(xì)的掃描。
對于熟練的操作者而言翻譯掃描的輸出數(shù)據(jù)以創(chuàng)建模型的一種方法是 檢查所獲得的圖像，并手動選擇解剖特征之間的邊界。這稱為輪廓提取 (contouring)且可能花費(fèi)一些時間，特別是當(dāng)需要三維模型時。為了創(chuàng)建 三維模型，需要大量有關(guān)不同橫截面的、將由操作者進(jìn)行輪廓提取的二維 掃描，然后將其組合成三維模型。
為了能更快地創(chuàng)建用于個體受檢者的模型，已經(jīng)提出了全部或部分自 動輪廓提取過程的方法。例如，US 2004/0101184 Al涉及一種用于在CT圖 像中自動對器官和其它解剖結(jié)構(gòu)進(jìn)行輪廓提取的自動方法。其論述了一種 基于邊緣的方法，其中確定一點(diǎn)在器官內(nèi)部并且然后將其用作檢測器官邊 緣的起始點(diǎn)。這種技術(shù)僅應(yīng)用于使用在單個受檢者上執(zhí)行掃描而獲得的數(shù) 據(jù)來創(chuàng)建模型，并且在該方法可以使用之前需要預(yù)先輸入一些關(guān)于被掃描 區(qū)域的一般解剖特征(例如，男性骨盆部位的骨結(jié)構(gòu))。
因此，本發(fā)明的一個目的是改進(jìn)根據(jù)掃描數(shù)據(jù)生成模型的效率。 根據(jù)本發(fā)明，本文提供一種使用來自多個受檢者的掃描數(shù)據(jù)生成結(jié)構(gòu) 模型的方法，該方法包括-
收集一組掃描數(shù)據(jù)，其包括針對多個個體中的每個個體的局部解剖結(jié)構(gòu)的掃描數(shù)據(jù)；
將特征檢測器應(yīng)用于該組掃描數(shù)據(jù)中的每一項(xiàng)以生成一組特征數(shù)據(jù)；
將該組特征數(shù)據(jù)中的每一項(xiàng)轉(zhuǎn)換到公共參考系中以生成一組變換數(shù)
據(jù)；以及
積累該組變換數(shù)據(jù)中的每一項(xiàng)以生成表示多個個體局部解剖結(jié)構(gòu)的模型。
與US 2004/0101184 Al不同，本發(fā)明使用來自多個受檢者的數(shù)據(jù)生成 模型。最終結(jié)果是獲得一種模型，其表示在該模型所基于的整個數(shù)據(jù)集上 的結(jié)構(gòu)變化。然后，能夠?qū)⒃撃Ｐ团c未知受檢者的搜索(scout)數(shù)據(jù)結(jié)合 使用，例如用于計(jì)劃詳細(xì)的掃描幾何形狀。本發(fā)明的方法可以在沒有任何 關(guān)于被掃描區(qū)域結(jié)構(gòu)的知識的情況下使用；自動生成結(jié)構(gòu)特征。
本發(fā)明的自動性質(zhì)使得其能用于創(chuàng)建基于任意大量受檢者(例如， 五十以上)的數(shù)據(jù)的模型。此外，由于其能容易地創(chuàng)建模型從而能夠開發(fā) 出一系列的模型。當(dāng)需要有一系列模型來降低總體間變化并提高輸出模型 的精確性時，這可能很有用。
本發(fā)明的另一益處在于，可以使用與識別未知受檢者的數(shù)據(jù)中的特征 所使用的特征檢測算法相同的算法來創(chuàng)建模型。這提高了未知數(shù)據(jù)與模型 之間匹配的精度。
另一個優(yōu)點(diǎn)在于，由于其具有自動特性，因此可以毫不費(fèi)力地就能對 模型進(jìn)行提煉(refme)以并入新數(shù)據(jù)。
在醫(yī)學(xué)成像應(yīng)用中，結(jié)構(gòu)可能是解剖結(jié)構(gòu)，并且每個受檢者可能是患 者個體。
本發(fā)明的方法可以由包括由數(shù)據(jù)處理器運(yùn)行的代碼模塊的計(jì)算機(jī)程序 實(shí)現(xiàn)。計(jì)算機(jī)程序代碼可以收錄在計(jì)算機(jī)可讀介質(zhì)中，例如，諸如磁盤的 磁性介質(zhì)、諸如CDROM的光學(xué)介質(zhì)、或者諸如閃存的固態(tài)介質(zhì)。在這種 情況下，計(jì)算機(jī)程序能夠更新升級到現(xiàn)有的醫(yī)學(xué)成像設(shè)備。
該方法可以任選地包括顯示模型和用戶交互的步驟，如在權(quán)利要求2 所限定的那樣。這使得用戶能夠選擇該模型中最有可能表示包括在最終模 型中的部分，并使得能夠提高該模型的精度。該步驟所需的用戶輸入少于 在先的手動輪廓提取方法，這是因?yàn)橛脩魞H是需要選擇應(yīng)當(dāng)包括哪些由自動成生成的輪廓。
根據(jù)本發(fā)明的另一方面，本文提供一種使用來自多個受檢者的掃描數(shù) 據(jù)生成結(jié)構(gòu)模型的醫(yī)學(xué)成像設(shè)備，該設(shè)備包括
存儲裝置，用于存儲由數(shù)據(jù)處理器件運(yùn)行的指令，并用于存儲一組針
對多個個體中的每個個體的局部解剖結(jié)構(gòu)的掃描數(shù)據(jù)；以及
數(shù)據(jù)處理器，其可以通過存儲在該存儲裝置中的指令配置成運(yùn)行下列
步驟
收集一組數(shù)據(jù)，該數(shù)據(jù)包括針對多個受檢者中的每個受檢者的結(jié) 構(gòu)的掃描數(shù)據(jù)；
將特征檢測器應(yīng)用于該組掃描數(shù)據(jù)中的每一項(xiàng)以生成一組特征數(shù)
據(jù)；
將該組特征數(shù)據(jù)中的每一項(xiàng)轉(zhuǎn)換到公共參考系中以生成一組變換 數(shù)據(jù)；以及
積累該組變換數(shù)據(jù)中的每一項(xiàng)以生成表示多個個體局部解剖結(jié)構(gòu)
的模型。
現(xiàn)在將通過舉例的方式并參照附圖來論述本發(fā)明的實(shí)施例，在附圖中 圖l是示出根據(jù)本發(fā)明第一實(shí)施例的方法的流程圖；以及 圖2是

圖1方法中在各階段經(jīng)處理的圖像的示例。
圖1中示出了本發(fā)明的第一實(shí)施例的流程圖。圖2中描述了本發(fā)明第 一實(shí)施方式的直觀表示，其示出了在每個階段中經(jīng)處理的圖像表示。為使 解釋簡單起見，將關(guān)于二維模型的形成來描述該實(shí)施例。然而，本領(lǐng)域普
通技術(shù)人員應(yīng)當(dāng)領(lǐng)會到，其也可以等同地應(yīng)用于三維模型的形成。
在第一步2中，收集模型將基于的掃描數(shù)據(jù)20。這包括從多個受檢 者(為簡單起見，在圖2中僅示出兩個)收集將用于形成模型的數(shù)據(jù)。在 該實(shí)施例中，掃描數(shù)據(jù)是表示通過沿矢狀平面MR掃描腦部獲得的強(qiáng)度的 灰度數(shù)據(jù)。
在第二步4中，對原始數(shù)據(jù)應(yīng)用特征檢測器，以便提取關(guān)于包含在掃 描中的解剖特征的信息。在該實(shí)施例中，特征檢測器是邊緣檢測器。這生成一組特征數(shù)據(jù)22。如在圖2中可以看出的，在該階段產(chǎn)生的特征數(shù)據(jù)包 含大量可能的輪廓定位。
在第三步6中，將該組特征數(shù)據(jù)22轉(zhuǎn)換到公共參考坐標(biāo)系中。該公共 參考坐標(biāo)系使該組特征數(shù)據(jù)中圖像間的特征的空間對應(yīng)關(guān)系優(yōu)化。優(yōu)選地 由自動算法，例如基于剛性灰度值的方法實(shí)現(xiàn)轉(zhuǎn)換數(shù)據(jù)的步驟。在該步驟 中還將各個體圖像進(jìn)行對準(zhǔn)。優(yōu)選地將灰度值數(shù)據(jù)進(jìn)行配準(zhǔn)?；蛘?，特征 數(shù)據(jù)本身可以直接使用。
在第四步8中，將一組變換數(shù)據(jù)累積成公共空間。在該實(shí)施例中，通 過在第三步6之后輸出的經(jīng)變換且對準(zhǔn)的圖像中建立每個像素的"邊緣像 素計(jì)數(shù)"直方圖來執(zhí)行該累積過程。例如，如果在經(jīng)變換且對準(zhǔn)的圖像的 其中三幅中特定像素包括特征(在該實(shí)施例中是邊緣)，則其直方圖將具有 等于三的值。這樣，建立整個圖像的特征分布概率圖24。通過在將模型與 新數(shù)據(jù)進(jìn)行匹配時使用概率邊界，該圖本身可直接用作模型。
然而，如在圖1中可以看出的，該數(shù)據(jù)缺少一些定義，這是因?yàn)樵诘?二步的數(shù)據(jù)變換過程中沒有捕捉到的解剖結(jié)構(gòu)差(anatomical difference)和 經(jīng)變換的圖像之間存在配準(zhǔn)的不確定性。
為了開發(fā)定義明確的模型，該方法任選地包括將流形(manifold)擬合 到概率圖中具有最高概率的像素的步驟。例如，可以使用2D樣條曲線或曲 面。
該實(shí)施例還包括顯示10初始模型的步驟和接收12用戶輸入的步驟。 這使得用戶能通過選擇最佳表示該模型的那些特征或者與預(yù)期應(yīng)用最相關(guān) 的那些特征(使用專門知識)來提煉最終模型。盡管在該實(shí)施例中任選地 包括一些用戶交互，但是所需要的努力遠(yuǎn)遠(yuǎn)低于手動輪廓提取。向用戶顯 示一組僅需進(jìn)行選擇的可能輪廓，而無需用戶手動追蹤輪廓。此外，無論 在模型創(chuàng)建中使用多少幅圖像，僅需執(zhí)行一次該選擇步驟。
在最終步驟14中，輸出最終模型26。最終模型26表示整個個體掃描 數(shù)據(jù)上的特征變化，該掃描數(shù)據(jù)用作第一步2中模型的基礎(chǔ)。
最終模型可以用于各種應(yīng)用。例如，其可以與患者的搜索掃描數(shù)據(jù)結(jié) 合使用以計(jì)劃詳細(xì)的掃描。
在備選實(shí)施例中，變換成公共參考坐標(biāo)系包括用戶輸入的步驟。用戶
7可以指示每幅圖像內(nèi)預(yù)定"界標(biāo)"特征的定位。重要的是應(yīng)注意到，這與 完全手動輪廓提取過程是不同的這僅需一次就能完成且并不依賴于輪廓 的選擇。因此，當(dāng)數(shù)據(jù)不適用于剛性或者彈性的配準(zhǔn)方法時可以使用該實(shí) 施例。
其它的實(shí)施例可以在特征檢測步驟中使用多維特征。例如，可以使用 方向信息。
在備選實(shí)施例中還可以使用彈性配準(zhǔn)方法以減少解剖變化性。
應(yīng)當(dāng)領(lǐng)會到的是，可以根據(jù)特定應(yīng)用來決定所使用的精確特征檢測方 法和是否需要用戶交互。例如，與第一實(shí)施例的邊緣檢測器相比，在特征 檢測器中使用多維特征在某些情況下可以獲得更好的結(jié)果。不同的特征檢 測器將獲得針對特定特征檢測器的不同的最終模型。其優(yōu)點(diǎn)在于，通過使 用與創(chuàng)建該模型所使用的相同的特征檢測來處理未知數(shù)據(jù)可以更好地將未 知數(shù)據(jù)與該模型匹配。
上述實(shí)施例的方法可以用于醫(yī)學(xué)成像設(shè)備，在一個實(shí)施例中該醫(yī)學(xué)成 像設(shè)備是MR設(shè)備。MR設(shè)備包括存儲器件，該存儲器件例如可以是易失性 或者非易失性存儲器、例如硬盤驅(qū)動器的磁性存儲、或者例如CDROM的 光學(xué)存儲。該存儲器件用于存儲由數(shù)據(jù)處理器運(yùn)行以實(shí)現(xiàn)上述實(shí)施例的方 法的指令。該存儲器件還可以存儲在該方法的第一步2中收集的掃描數(shù)據(jù)， 并且如果需要，還可以存儲最終模型。
本發(fā)明的方法還可以通過包括代碼模塊的計(jì)算機(jī)程序來實(shí)現(xiàn)，其可以 由包括存儲器件和數(shù)據(jù)處理器的通用計(jì)算^1系統(tǒng)運(yùn)行，如本領(lǐng)域所公知的。
本發(fā)明可以用于任何形式的醫(yī)學(xué)成像，其中期望使用來自多個個體的 數(shù)據(jù)創(chuàng)建表示局部解剖結(jié)構(gòu)的模型。這包括MRI、 CT和PET掃描設(shè)備， 以及其它二維和三維醫(yī)學(xué)成像設(shè)備。
本發(fā)明的優(yōu)點(diǎn)在于，其能夠根據(jù)多個受檢者的掃描數(shù)據(jù)自動生成模型。 在生成模型之前不需要解剖特征的先驗(yàn)知識，并且減少了用戶輸入，甚至 不需要用戶輸入。當(dāng)期望用新數(shù)據(jù)自動更新模型或者基于大量個體的掃描 數(shù)據(jù)生成模型時，這尤其有用。
各個實(shí)施例的特征可以組合起來。本申請中通篇使用"包括"表示包 容式的界定，并且并不排除存在其它項(xiàng)目。
權(quán)利要求
1、 一種使用來自多個受檢者的掃描數(shù)據(jù)生成結(jié)構(gòu)模型的方法，所述方 法包括如下步驟收集(2) —組掃描數(shù)據(jù)，所述掃描數(shù)據(jù)包括針對所述多個受檢者中的 每個受檢者的局部解剖結(jié)構(gòu)的掃描數(shù)據(jù)；將特征檢測器應(yīng)用(4)到所述組掃描數(shù)據(jù)的每一項(xiàng)，以生成一組特征 數(shù)據(jù)；將所述組特征數(shù)據(jù)中的每一項(xiàng)轉(zhuǎn)換(6)到公共參考系中，以生成一組 變換數(shù)據(jù)；以及積累(8)所述組變換數(shù)據(jù)中的每一項(xiàng)，以生成表示多個受檢者的結(jié)構(gòu) 模型。
2、 如權(quán)利要求1所述的方法，在所述累積步驟之后，還包括如下步驟 顯示(10)表示多個受檢者的所述結(jié)構(gòu)模型；以及接收(12)用戶輸入，以指示所顯示模型的哪些部分應(yīng)當(dāng)形成最終模 型的一部分。
3、 如權(quán)利要求1所述的方法，其中，應(yīng)用(4)特征檢測器的所述步 驟包括應(yīng)用邊緣檢測器。
4、 如權(quán)利要求1所述的方法，其中，轉(zhuǎn)換(6)到公共參考系中的所 述步驟包括使用配準(zhǔn)算法。
5、 如權(quán)利要求4所述的方法，其中，所述配準(zhǔn)算法是基于剛性灰度值 的算法。
6、 如權(quán)利要求1所述的方法，其中，轉(zhuǎn)換(6)到公共參考系中的所 述步驟包括用戶輸入以在所述組特征數(shù)據(jù)中的每一項(xiàng)內(nèi)建立預(yù)定特征的位 置。
7、 如權(quán)利要求1所述的方法，其中，所述累積(8)步驟包括像素邊 緣計(jì)數(shù)，以確定模型特征的定位。
8、 一種包括代碼模塊的計(jì)算機(jī)程序，當(dāng)由數(shù)據(jù)處理器運(yùn)行時，其指示 所述數(shù)據(jù)處理器執(zhí)行如權(quán)利要求1到7中任一項(xiàng)所述的方法。
9、 一種計(jì)算機(jī)程序產(chǎn)品，其包括收錄在計(jì)算機(jī)可讀介質(zhì)上的如權(quán)利要 求8所述的計(jì)算機(jī)程序。
10、 一種使用來自多個受檢者的掃描數(shù)據(jù)生成結(jié)構(gòu)模型的醫(yī)學(xué)成像設(shè) 備，所述設(shè)備包括存儲裝置，用于存儲由數(shù)據(jù)處理器件運(yùn)行的指令，并用于存儲一組針 對每個所述受檢者的結(jié)構(gòu)的掃描數(shù)據(jù)；以及數(shù)據(jù)處理器，其可以通過存儲在所述存儲裝置中的指令配置成運(yùn)行下 列步驟收集(2) —組掃描數(shù)據(jù)，所述數(shù)據(jù)包括針對所述多個受檢者中的 每個受檢者的局部解剖結(jié)構(gòu)的掃描數(shù)據(jù)；將特征檢測器應(yīng)用(4)到所述組掃描數(shù)據(jù)的每一項(xiàng)，以生成一組 特征數(shù)據(jù)；將所述組特征數(shù)據(jù)中的每一項(xiàng)轉(zhuǎn)換(6)到公共參考系，以生成一 組變換數(shù)據(jù)；以及積累(8)所述組轉(zhuǎn)換數(shù)據(jù)中的每一項(xiàng)，以生成表示多個受檢者的 結(jié)構(gòu)模型。
11、 如權(quán)利要求10所述的醫(yī)學(xué)成像設(shè)備，還包括顯示裝置，用于顯示表示多個受檢者的局部解剖結(jié)構(gòu)的模型；以及 輸入裝置，用于接收用戶輸入；其中，所述數(shù)據(jù)處理器件還通過存儲在所述存儲裝置中的指令配置成 接收用戶輸入，其指示所顯示模型的哪些部分應(yīng)當(dāng)形成最終模型的一部分。
全文摘要
描述了一種用于根據(jù)多個受檢者的掃描數(shù)據(jù)創(chuàng)建局部解剖結(jié)構(gòu)的模型的方法。該方法包括如下步驟收集掃描數(shù)據(jù)；將特征檢測器應(yīng)用于該掃描數(shù)據(jù)；將該特征檢測器的輸出轉(zhuǎn)換到公共參考系；以及積累轉(zhuǎn)換后的數(shù)據(jù)以生成模型。因此，該方法能夠自動地根據(jù)多個受檢者的掃描數(shù)據(jù)生成模型。該方法還可以包括接收用戶輸入以選擇在最終模型中應(yīng)該包括哪些累積的數(shù)據(jù)的任選步驟。這種用戶輸入所需付出的努力遠(yuǎn)遠(yuǎn)少于手動輪廓提取，并且基本上不依賴于創(chuàng)建模型所用到的受檢者的數(shù)量。
文檔編號G06T7/00GK101313333SQ200680043336
公開日2008年11月26日 申請日期2006年11月8日 優(yōu)先權(quán)日2005年11月21日
發(fā)明者D·貝斯特羅夫, S·揚(yáng), T·內(nèi)奇 申請人:皇家飛利浦電子股份有限公司