專利名稱：用于處理醫(yī)用圖像的方法和設(shè)備的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及用于處理醫(yī)用圖像的方法和對應(yīng)的設(shè)備。它尤其適于但不限于處理磁共振圖像，例如人腦的磁共振圖像。
背景技術(shù)：
在神經(jīng)成像領(lǐng)域，從腦部的磁共振圖像(MRI)自動抽取特征是一種越來越漸重要的方法。因為腦部解剖學(xué)在受試者之間變化很顯著，并且在衰老或疾病進展期間可以發(fā)生顯著的改變，所以近年來找到在特征抽取期間處理解剖學(xué)差異的適當(dāng)方式已經(jīng)獲得了日漸增長的關(guān)注?；趫D冊的方法是用于處理此可變性的最流行的方法之一。在本文的語境中，“圖冊(atlas)”是一種數(shù)據(jù)集(其可以是3D圖像、2D圖像、任何維的圖像或一組圖像)，其具有注釋或標記以便識別圖像內(nèi)的點、區(qū)域或結(jié)構(gòu)?；趫D冊的方法假定圖冊能夠以概率或統(tǒng)計學(xué)方式編碼解剖學(xué)可變性。當(dāng)構(gòu)建代表性的圖冊時，重要的是使所有圖像與不偏向總體中任何特定子群的模板配準。Avants和Gee (2004)以及Joshi等Q004)已經(jīng)提出了兩種使用用于形狀平均和圖冊構(gòu)建的大形變微分同胚(diffeomorphic)背景的方法。用于共配準圖像的無模板方法為空間圖像歸一化形成確定的框架。與尋找單個代表性平均圖冊的方式相背，兩種更近期的方法描述了識別圖像數(shù)據(jù)集中不同總體的模式的方式(Blezek和Miller，2007 ；Sabuncu等，2008)。為設(shè)計取決于受試者信息的可變圖冊，近年來已經(jīng)將多種方法應(yīng)用于表征隨時間變化和疾病進展期間腦部形狀的解剖學(xué)變化的問題。Davis等Q007)描述了總體形狀回歸的方法，其中使核回歸適應(yīng)于微分同胚的流形并且將其用于獲得年齡依賴性圖冊。Ericsson等Q008)提出了構(gòu)建患者特異性圖冊的方法，其中不同的平均腦圖冊被構(gòu)建在根據(jù)元信息如性別、年齡或臨床因素的小形變背景中。從磁共振(MR)腦圖像數(shù)據(jù)中抽取特征或生物標志的方法通常開始于自動分割目的區(qū)域。非常流行的分割方法是使用標記傳播，標記傳播通過對兩種圖像進行比對來將標記由圖冊圖像轉(zhuǎn)換到未見的目標圖像。典型但不是必要地，圖冊被手動標記。Bajcsy等(1983)以及最近的Gee等(199 和Collins等(19卯)提出了使用此方法的早期工作。標記傳播的精確度很大程度上取決于基礎(chǔ)的圖像比對的精確度。為了克服對單一分割的依賴，Warfield等Q004)提出了 STAPLE方法，該方法對分割集合計算真實分割的概率估計值算。Rohlfing等Q004)證明了多分類器框架的提高的穩(wěn)健性和精確度，在所述框架中從多圖冊傳播的標記在分類器融合步驟中結(jié)合從而獲得對目標圖像的最終分割。Heckemarm等Q006)成功地將標記傳播與分類器融合結(jié)合用于分割腦部MR圖像中的大量結(jié)構(gòu)。由于解剖學(xué)變化具有寬的范圍，在多圖冊分割中對圖冊的選擇成為重要的問題。對給定目標的合適圖冊的選擇有助于保證圖冊-目標配準和隨后的分割盡可能的精確。■等Q007)描述了通過合并圖冊選擇來改善單個圖冊中分割結(jié)果的不同方法。Aljabar等Q009)研究了在多圖冊分割期間最優(yōu)圖冊選擇的不同的相似性度量。Van Rikxoort等(2008)提出了這樣的方法，其中在圖像的不同子窗口中分別進行圖冊組合直到滿足收斂性判據(jù)。這些方法顯示有意義的是為每個目標圖像單獨選擇合適的圖冊。盡管MR腦部圖像數(shù)量的增加是有用的，但是高質(zhì)量手動圖冊的產(chǎn)生是勞動密集并且成本高的任務(wù)(參見例如Hammers等Q003))。這意味著圖冊的數(shù)目通常相對有限，并且在大多數(shù)情況中，限于特定的總體(例如年輕人、健康受試者)。即使使用選擇方式，這也會限制圖冊數(shù)據(jù)庫的適用性。為克服這一點，Tang等Q009)設(shè)法通過利用自單一模板圖像和練習(xí)圖像之間的轉(zhuǎn)換學(xué)習(xí)的形變的PCA模型來產(chǎn)生多種圖冊圖像。通過用取樣自該模型的若干轉(zhuǎn)換對初始模板進行轉(zhuǎn)換來產(chǎn)生可能的圖冊。假設(shè)是，通過發(fā)現(xiàn)未見圖像的合適圖冊，可以容易地獲得對此模板快速且精確的配準。然而，具有比練習(xí)數(shù)據(jù)更高的變異水平的測試數(shù)據(jù)將對此方式提出重大挑戰(zhàn)。此外，對高度可變練習(xí)數(shù)據(jù)集的使用可能導(dǎo)致無代表性的PCA模型以及不同圖像和單個模板間的配準誤差增加的可能性。此限制使得此方式僅適用于可以容易地獲得從所有練習(xí)圖像至單個初始模板的良好配準的情況?；趫D冊的分割受益于對與目標圖像相似的圖冊的選擇OVu等，2007 ；Aljabar等，2009)。然而，實際上，初始圖冊可能僅表示目標圖像總體的特定子群。因此需要能夠?qū)⑾鄬ι倭康膱D冊傳播到顯示大量解剖學(xué)變化的大的并且不同組的MR腦部圖像。相對于直接多圖冊傳播，將自動標記的腦部圖像用于標記未見圖像的現(xiàn)有技術(shù)不能提高分割精確度。在(Heckemarm等，2006)中，當(dāng)多個相對一致的圖冊傳播到被當(dāng)做用于分割未見圖像的單個圖冊使用的隨機選擇的中間圖像時，相比直接多圖冊傳播和融合的0:84，所得的采用手工描繪(delineation)的平均Dice重疊是080。在另一個實驗中，單個圖冊被傳播到之后進一步用于多圖冊分割的隨機選擇的中間對象，產(chǎn)生最好0:78的與手工描繪的Dice重疊。更多的背景技術(shù)由US2007/0053589 AUUS 2008/0154118 Al和WO 2009/093146Al提供，所有上述文獻都公開了用于分割圖像數(shù)據(jù)的方法。發(fā)明概述根據(jù)本發(fā)明的第一方面，提供了在所附權(quán)利要求的權(quán)利要求1中所述的方法。因此提供了由計算機處理器進行的處理醫(yī)用圖像的方法，并且所述方法包括以下步驟(a)獲得包含一個或多個圖像的一個或多個圖冊，在所述一個或多個圖像中已經(jīng)用標記數(shù)據(jù)標記了一個或多個解剖學(xué)特征；(b)獲得多個未標記的圖像；(c)將所述標記的和未標記的圖像進行比較并且選擇與一個或多個所述標記的圖像最相似的一個或多個未標記的圖像；(d)使標記數(shù)據(jù)從一個或多個最接近的標記圖像傳播到那些選定的一個或多個圖像中的每個圖像，由此標記所述選定的一個或多個圖像中的每個圖像的對應(yīng)的一個或多個解剖學(xué)特征并且使所述選定的一個或多個圖像成為標記的一個或多個圖像；以及(e)從步驟(c)開始反復(fù)地重復(fù)，由此標記所述未標記的圖像中的其他圖像。術(shù)語“標記的”應(yīng)當(dāng)被廣義地解釋從而包括對解剖學(xué)特征的任何一種描繪、分割或注釋。類似地，術(shù)語“標記數(shù)據(jù)”應(yīng)當(dāng)被廣義地解釋從而包括使解剖學(xué)特征在醫(yī)學(xué)圖像上得到描繪、分割或注釋的任何一種編碼。通過使標記數(shù)據(jù)反復(fù)地從最接近的標記的圖像傳播到未標記的圖像，可以使用結(jié)構(gòu)上相似的圖冊分割每個未標記的圖像。結(jié)果，可以使標記的圖像和未標記的圖像之間相對大的差異分解為比較相似的初始未標記圖像之間許多的差異，通過上述方式標記數(shù)據(jù)得到傳播，并且使得配準誤差得到降低。在從屬權(quán)利要求中限定了優(yōu)選的、任選的特征。因此，優(yōu)選地，比較標記和未標記的圖像的步驟包括將圖像嵌入低維坐標系統(tǒng)中。這使得標記的和未標記的圖像以計算上有效的方式進行比較并且使得所述差異以計算上有效的方式進行定量評價。在某些實施方案中，低維坐標系統(tǒng)可以是二維坐標空間，因此使對圖像之間差異的分析和處理進一步簡化。優(yōu)選地，比較標記的和未標記的圖像的步驟包括通過比較一組圖像中每對圖像的一個或多個各自的解剖學(xué)特征來限定一組成對的相似性度量。尤其優(yōu)選地，盡管本領(lǐng)域技術(shù)人員將理解存在可以實現(xiàn)此步驟的其他方式，此步驟還包括對成對的相似性度量進行譜分析操作。成對的相似性度量可以表示一對圖像之間的強度相似性，和/或一對圖像之間形
變的量。優(yōu)選地，傳播標記數(shù)據(jù)的步驟包括基于分類器融合技術(shù)使標記數(shù)據(jù)從多個最接近的標記的圖像傳播。這使得一個或多個選定的圖像以更高的精度進行標記。優(yōu)選地，該方法在步驟(d)后以及步驟(e)前還包括對新近傳播的標記數(shù)據(jù)進行基于強度的精修操作的步驟，以便進一步使標記過程期間的配準誤差的累積最小化。圖像可以是不同受試者的。備選地，至少一些圖像可以是相同受試者的但是在不同的時間點獲取的圖像，由此使得受試者自身變化(intra-subject variance)得到識別和研究。圖像可以是磁共振圖像，或本領(lǐng)域技術(shù)人員熟悉的其他醫(yī)用圖像。該方法還可以包括對表示病況出現(xiàn)與否的解剖學(xué)特征進行標記并且使用該特征得到該病況的生物標志。在生物標志的基礎(chǔ)上，該方法還可以包括將受試者分配以診斷分類，和/或量化受試者對治療的反應(yīng)，和/或選擇受試者的治療。根據(jù)本發(fā)明的第二方面，提供了成像設(shè)備，所述成像設(shè)備被配置成執(zhí)行根據(jù)本發(fā)明的第一實施方案的方法。該成像設(shè)備可以是醫(yī)用掃描儀，如MRI掃描儀或其他類型。根據(jù)本發(fā)明的第三方面，提供了圖像處理設(shè)備，所述圖像處理設(shè)備被配置成執(zhí)行根據(jù)本發(fā)明的第一實施方案的方法。根據(jù)本發(fā)明的第四方面，提供了計算機系統(tǒng)，所述計算機系統(tǒng)被配置成執(zhí)行根據(jù)本發(fā)明的第一實施方案的方法。根據(jù)本發(fā)明的第五方面，提供了計算機程序，所述計算機程序包括用于執(zhí)行根據(jù)本發(fā)明的第一實施方案的方法的編碼的指令。根據(jù)本發(fā)明的第六方面，提供了編碼根據(jù)本發(fā)明第五實施方案的計算機程序的計算機可讀介質(zhì)或物理載波信號。附圖簡述現(xiàn)在將僅通過實例并且參照附圖來描述本發(fā)明的實施方案，在附圖中

圖1圖示使用我們的新方法的圖冊傳播過程；圖2圖示結(jié)果，該結(jié)果顯示對在四個受試者組(健康的年輕人、老年人對照、MCI、AD)之中所選擇的不同特征維度的辨別能力；圖3圖示MNI152腦部圖冊，其顯示用于評價成對圖像相似性的海馬周圍的目的區(qū)域；圖4圖示坐標，該坐標嵌入有基于健康受試者的30個圖冊和來自老年癡呆癥患者和年齡匹配的對照受試者的796個圖像；圖5圖示對橫切切片上右側(cè)海馬的分割結(jié)果的比較；圖6圖示隨著距原始的圖冊集的距離增加分割精確度的變化情況，用于評估的每個圖像亞組由一個條形圖表示；圖7圖示手動和自動分割的平均海馬體積；以及圖8是Bland-Altman圖，其顯示基于對海馬的手動和自動分割的體積度量之間的一致。優(yōu)選實施方案描述這些實施方案表示為申請人所知的實施本發(fā)明的最佳方式。然而，它們不是可以實現(xiàn)此目的的唯一方式。首先，本實施方案采取用于處理醫(yī)用(或其他)圖像的方法或算法的形式。所述方法或算法可以被集成到能夠通過計算機處理器執(zhí)行的計算機程序或指令代碼集中。計算機處理器可以是常規(guī)(足夠高的性能)計算機的處理器，或者其他一些圖像處理設(shè)備或計算機系統(tǒng)的處理器。備選地，計算機處理器可以集成至一臺醫(yī)用成像設(shè)備如MRI掃描儀中，或者與一臺醫(yī)用成像設(shè)備如MRI掃描儀通信?？梢栽谟嬎銠C可讀介質(zhì)或數(shù)據(jù)載體如CD-ROM、DVD或固態(tài)存儲裝置上提供計算機程序或指令代碼集。備選地，它可以作為數(shù)據(jù)信號從相連的計算機或通過局域網(wǎng)或廣域網(wǎng)如因特網(wǎng)下載。作為進一步的備選方案，可以將計算機程序或指令代碼集硬編碼在被配置成執(zhí)行它的計算機處理器(或與其相關(guān)聯(lián)的存儲器)中。初步概述我們的方法以獲得一個或多個預(yù)先存在的圖冊開始，在所述一個或多個預(yù)先存在的圖冊中一組數(shù)字圖像已經(jīng)被標記或注釋。從例如MRI掃描儀或另一臺醫(yī)用成像設(shè)備同樣獲得其上傳播有標記或注釋的一組圖像。要研究的圖像可以是腦部圖像。備選地它們可以是人(或動物)身體的其他部分的圖像，如膝蓋的圖像-例如為了診斷骨關(guān)節(jié)炎。在圖1中描繪了使用我們的新方法的圖冊傳播和分割過程，其顯示5個步驟。首先，在步驟(1)中，將所有標記的圖像(即圖冊)和未標記的圖像嵌入低維流形(low-dimensional manifold)中。在步驟O)中，選擇N個與標記的圖像最接近的未標記的圖像用于分割。然后，在步驟⑶中，使M個最接近的標記的圖像與選定的圖像(圖示了一個選定的圖像的實例)中的每個圖像配準。在步驟中，強度精修用來獲得每個選定的圖像的標記圖。然后，在步驟(5)中，重復(fù)步驟(幻_(4)直到更多的圖像(并且優(yōu)選地所有圖像)被標記。如前所述，基于圖冊的分割受益于對與目標圖像相似的圖冊的選擇。我們的方法提供這樣的框架，其中這通過首先將所有圖像嵌入低維坐標系統(tǒng)得到保證，所述低維坐標系統(tǒng)提供圖像之間的距離度量并且允許識別圖像的鄰近區(qū)。在由坐標系統(tǒng)嵌入學(xué)習(xí)得到的流形中，傳播框架可以得到識別并且標記的圖冊可以以逐步的方式得到傳播，即從初始圖冊開始到整個總體被分割為止。使用在其鄰近區(qū)內(nèi)的圖冊來分割各個圖像，這意味著相異圖像之間的形變被分解為比較相似的圖像之間若干小的形變并且配準誤差得到降低。為了進一步使配準誤差的累積最小化，在每個標記傳播步驟后完成對分割的基于強度的精修。一旦被分割，圖像又可以在隨后的分割步驟中被用作圖冊。在總體中的所有圖像被分割后，它們表示大的圖冊數(shù)據(jù)庫，從所述圖冊數(shù)據(jù)庫中可以選擇用于分割未見圖像的合適亞組。通過對它們的成對相似性應(yīng)用譜分析步驟來獲得其中嵌入有圖像的坐標系統(tǒng)。當(dāng)對特定目標圖像進行標記的圖冊的傳播和融合時，使它們提供的信息與基于目標圖像強度的模型結(jié)合從而產(chǎn)生最終分割。因此，為了通過具有高水平的受試者自身變化的圖像數(shù)據(jù)集傳播初始集合的圖冊，學(xué)習(xí)得到表示該數(shù)據(jù)集的流形，其中局部鄰近區(qū)內(nèi)的圖像彼此相似。該流形由所有圖像的嵌入坐標表示。通過將其中各個頂點表示圖像的完整圖應(yīng)用譜分析步驟來獲得此嵌入，并且圖像間的所有成對相似性被用于限定該圖中的邊權(quán)。成對相似性可以測量為圖像間的強度相似性或圖像間的形變的量或兩者的組合。在隨后的步驟中，在新限定的坐標系統(tǒng)內(nèi)傳播圖冊。在第一步中，初始集合的圖冊被傳播到它們的局部鄰近區(qū)中的多個圖像并且用于標記它們。以此方式標記的圖像自身變成圖冊，并且在隨后的步驟中，在整個數(shù)據(jù)集內(nèi)進一步傳播。以此方式，各個圖像通過使用緊鄰它的多個圖冊進行標記，這具有使配準誤差降低的好處。在此技術(shù)的擴展中，在不同時間從相同受試者獲得的一個或多個掃描(所謂的“縱向”掃描)可以得到標記。在將多個圖冊傳播到各個基線掃描后，從多個圖冊獲得的空間先驗(spatial prior)不僅可以被用于分割基線掃描(如最初進行的那樣)而且還可以被用于分割縱向掃描。因此，此擴展技術(shù)允許對不同時間點(例如第0天、第3天、第15天等)進行同時分割，這又允許測量時間點之間的差異。因此，在相繼的時間點從基線圖像獲取的受試者圖像可以被同時分割并被用于識別受試者自身變化(即在單個受試者內(nèi)在不同時間點的解剖學(xué)結(jié)構(gòu)的差異)。圖形構(gòu)建和流形嵌入為確定中間圖冊傳播步驟，將所有圖像嵌入到通過坐標系統(tǒng)表示的流形中，所述坐標系統(tǒng)通過應(yīng)用譜分析步驟獲得。譜分析技術(shù)具有的優(yōu)點是基于對數(shù)據(jù)項如圖像之間的成對的相似性度量產(chǎn)生特征坐標。這與需要數(shù)據(jù)項之間的距離度量的方法如多維量表(MDS)形成對比。在譜分析步驟后，學(xué)習(xí)得到的坐標系統(tǒng)中的兩個圖像之間的距離不僅依賴于它們之間最初的成對相似性，而且還依賴于各個圖像與總體中的剩余部分所具有的所有成對相似性。這使得坐標系統(tǒng)嵌入中的距離成為比可能對噪音敏感的單個成對的相似性度量更穩(wěn)健的接近性度量?？梢栽赩ox Luxburg(2007)中發(fā)現(xiàn)對譜分析方法的詳細介紹并且在Chimg(1997)中可以獲得進一步的細節(jié)。譜分析步驟應(yīng)用于完全的、加權(quán)的和非直接的圖形G = (V，E)，數(shù)據(jù)集中的各個圖像由一個頂點Vi表示。兩個頂點Vi和Vj之間的非負權(quán)Wij被相應(yīng)圖像之間的相似性Sij限定。在本發(fā)明中，使用基于強度的相似性。通過收集每個圖像對的邊權(quán)Wij = Sij來獲得G
的權(quán)矩陣W并且對角矩陣T含有各個頂點的度數(shù)和《=Σ^； °
J來源于譜分析步驟的特征數(shù)據(jù)的維度可以由使用者選擇。在我們的工作中，我們依次測試了特征數(shù)據(jù)的各個維度并且評估了在四個受試者組(年輕人、AD、MCI和老年人對照受試者)之間的辨別能力?；诿總€聚類(cluster)的質(zhì)心使用平均聚類間距離測量各個特征維度的辨別能力。對于被研究的群組，當(dāng)使用二維特征時辨別能力最大并且在之后降低(參見圖2、。我們因此選擇使用2D譜特征作為其中嵌入數(shù)據(jù)的坐標空間。圖像相似性在我們的方法的優(yōu)選實施方案中，我們使用圖像對Ii和Ij之間基于強度的相似性。此相似性基于歸一化的交互信息(NMI) (Studholme等，1999)，其與圖像I的熵H(I)以及兩個圖像的相關(guān)熵Hdi ；Ij) 一起被定義為
權(quán)利要求
1.一種處理醫(yī)用圖像的方法，所述方法由計算機處理器執(zhí)行并且包括以下步驟(a)獲得包含一個或多個圖像的一個或多個圖冊，在所述一個或多個圖像中已經(jīng)用標記數(shù)據(jù)標記了一個或多個解剖學(xué)特征；(b)獲得多個未標記的圖像；(c)將所述標記的和未標記的圖像進行比較并且選擇與一個或多個所述標記的圖像最相似的一個或多個未標記的圖像；(d)使標記數(shù)據(jù)從一個或多個最接近的標記圖像傳播到那些選定的一個或多個圖像中的每個圖像，由此標記所述選定的一個或多個圖像中的每個圖像的對應(yīng)的一個或多個解剖學(xué)特征并且使所述選定的一個或多個圖像成為標記的一個或多個圖像；以及(e)從步驟(c)開始反復(fù)地重復(fù)，由此標記所述未標記的圖像中的其他圖像。
2.權(quán)利要求1所述的方法，其中所述將所述標記的和未標記的圖像進行比較的步驟包括將所述圖像嵌入到低維坐標系統(tǒng)中。
3.權(quán)利要求1或權(quán)利要求2所述的方法，其中所述低維坐標系統(tǒng)是二維坐標空間。
4.任一前述權(quán)利要求所述的方法，其中所述將所述標記的和未標記的圖像進行比較的步驟包括通過比較所述圖像的組中每對圖像的一個或多個各自的解剖學(xué)特征來限定一組成對的相似性度量。
5.權(quán)利要求4所述的方法，其中所述將所述標記的和未標記的圖像進行比較的步驟還包括對所述成對的相似性度量進行譜分析操作。
6.權(quán)利要求4或權(quán)利要求5所述的方法，其中所述成對的相似性度量表示一對圖像之間的強度相似性。
7.權(quán)利要求4、權(quán)利要求5或權(quán)利要求6所述的方法，其中所述成對的相似性度量表示一對圖像之間形變的量。
8.任一前述權(quán)利要求所述的方法，其中所述傳播標記數(shù)據(jù)的步驟包括基于分類器融合技術(shù)使標記數(shù)據(jù)從多個所述最接近的標記的圖像傳播。
9.任一前述權(quán)利要求所述的方法，所述方法在步驟(d)后及步驟(e)前還包括對新近傳播的標記數(shù)據(jù)進行基于強度的精修操作的步驟。
10.任一前述權(quán)利要求所述的方法，其中所述圖像是不同受試者的圖像。
11.權(quán)利要求1至9中任一項所述的方法，其中至少一些所述圖像是相同受試者的但在不同的時間點獲取的圖像。
12.任一前述權(quán)利要求所述的方法，其中所述圖像是磁共振圖像。
13.任一前述權(quán)利要求所述的方法，所述方法還包括對表示病況出現(xiàn)與否的解剖學(xué)特征進行標記并且使用所述特征得到所述病況的生物標志。
14.一種成像設(shè)備，所述成像設(shè)備被配置成執(zhí)行任一前述權(quán)利要求所述的方法。
15.權(quán)利要求14所述的成像設(shè)備，所述成像設(shè)備是醫(yī)用掃描儀。
16.權(quán)利要求15所述的成像設(shè)備，所述成像設(shè)備是MRI掃描儀。
17.一種圖像處理設(shè)備，所述圖像處理設(shè)備被配置成執(zhí)行權(quán)利要求1至13中任一項所述的方法。
18.一種計算機系統(tǒng)，所述計算機系統(tǒng)被配置成執(zhí)行權(quán)利要求1至13中任一項所述的方法。
19.一種計算機程序，所述計算機程序包括當(dāng)在計算機處理器上運行時用于執(zhí)行權(quán)利要求1至13中任一項所述的方法的編碼的指令。
20.編碼權(quán)利要求19所述的計算機程序的計算機可讀介質(zhì)或物理載波信號。
21.權(quán)利要求13所述的方法，所述方法還包括在所述生物標志的基礎(chǔ)上給受試者分配以診斷分類。
22.權(quán)利要求13所述的方法，所述方法還包括在所述生物標志的基礎(chǔ)上量化受試者對治療的反應(yīng)。
23.權(quán)利要求13所述的方法，所述方法還包括在所述生物標志的基礎(chǔ)上選擇受試者的治療。
24.一種處理醫(yī)用圖像的方法，所述方法基本上如在本文中參照附圖的任一組合所描述的以及如在附圖的任一組合中所圖示的那樣。
25.一種成像設(shè)備、圖像處理設(shè)備或計算機系統(tǒng)，所述成像設(shè)備、圖像處理設(shè)備或計算機系統(tǒng)基本上如在本文中參照附圖的任一組合所描述的那樣以及如在附圖的任一組合中所圖示的那樣。
26.一種計算機程序，所述計算機程序基本上如在本文中參照附圖的任一組合所描述的那樣以及如在附圖的任一組合中所圖示的那樣。
全文摘要
一種用于處理醫(yī)用圖像的方法，所述方法由計算機處理器執(zhí)行并且包括以下步驟(a)獲得包含一個或多個圖像的一個或多個圖冊，在所述一個或多個圖像中已經(jīng)用標記數(shù)據(jù)標記了一個或多個解剖學(xué)特征；(b)獲得多個未標記的圖像；(c)將標記的和未標記的圖像進行比較并且選擇與一個或多個標記的圖像最相似的一個或多個未標記的圖像；(d)使標記數(shù)據(jù)從一個或多個最接近的標記圖像傳播到那些選定的一個或多個圖像中的每個圖像，由此標記選定的一個或多個圖像中的每個圖像的對應(yīng)的一個或多個解剖學(xué)特征并且使選定的一個或多個圖像成為標記的一個或多個圖像；以及(e)從步驟(c)開始反復(fù)地重復(fù)，由此標記未標記的圖像中的其他圖像。
文檔編號G06K9/46GK102598054SQ201080043906
公開日2012年7月18日 申請日期2010年9月30日 優(yōu)先權(quán)日2009年9月30日
發(fā)明者伊恩·保羅·丹尼爾·呂凱, 保羅·阿爾雅巴, 羅賓·沃爾茨 申請人:帝國創(chuàng)新有限公司