專利名稱：用于檢查圖像數(shù)據(jù)中的結(jié)構(gòu)的分割的方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種用于檢查圖像數(shù)據(jù)中、特別是醫(yī)學(xué)圖像數(shù)據(jù)中的結(jié)構(gòu)的分割的方法，其中，待檢查的分割提供通過分割輪廓限制的分割區(qū)域。此外，本發(fā)明還涉及一種用于執(zhí)行這樣的方法的裝置。
背景技術(shù)：
現(xiàn)代的醫(yī)學(xué)技術(shù)提供了眾多的成像模態(tài)，利用這些成像模態(tài)可以拍攝檢查對象的二維以及三維圖像數(shù)據(jù)組。舊的方法、例如常規(guī)的X射線技術(shù)，拍攝二維投影圖像，而利用新的方法、如計算機(jī)斷層造影(CT)或磁共振斷層造影(MRT)，可以拍攝和重建二維層圖像以及三維體數(shù)據(jù)組。利用這樣的技術(shù)可以以高分辨率成像檢查對象的身體內(nèi)部中的結(jié)構(gòu)、 特別是軟組織。對于識別拍攝的圖像數(shù)據(jù)中的結(jié)構(gòu)或者為了量化例如結(jié)構(gòu)的體積或截面的目的，分割圖像數(shù)據(jù)中的結(jié)構(gòu)通常是有利的或必需的。除了通過醫(yī)學(xué)人員手動分割，現(xiàn)有技術(shù)中公知多種分割方法，利用這些分割方法可以半自動或全自動進(jìn)行分割。其中除了別的之外有Random Walker (隨機(jī)游走)方法、主動的輪廓方法，如“Snakes”，Level-Set方法或 /K平集方法(Nieveaumengenverfahren),如“無邊緣的主動輪廓(activecontours without edges) ”等。這些方法也能以高精度分割復(fù)雜的結(jié)構(gòu)，其中一些方法例如必須通過設(shè)置種子點(diǎn)(Matpunkten)來初始化，而其他方法全自動地運(yùn)行。所有提到的分割方法中的主要問題是分割結(jié)果的確認(rèn)，特別是圍繞分割的區(qū)域的分割輪廓的確認(rèn)。在結(jié)構(gòu)的手動分割以及自動分割中通常都僅通過醫(yī)學(xué)操作人員進(jìn)行結(jié)果的檢查。然而該檢查通常不比手動分割更精確，并且特別是不能對分割的自動改善提供基石出。建立完成的分割通常是迭代的過程，其中基于通過用戶的檢查，手動地或通過調(diào)整分割算法的參數(shù)來校正錯誤的輪廓。由此產(chǎn)生用于執(zhí)行分割的、總體上高的時間開銷，該時間開銷特別是通過用于檢查分割的時間和用于執(zhí)行手動校正的時間來確定。用于醫(yī)學(xué)實踐的自動分割器械的適宜性由此受到強(qiáng)烈限制，因為校正通常需要與執(zhí)行完全手動的分割類似的時間開銷。由此目前的分割方法的缺點(diǎn)是，缺少對建立的分割結(jié)果的精度和可靠性的自動確定。為了手動檢查或改善精度，需要極大的時間開銷。在不檢查的情況下，借助分割來確定結(jié)構(gòu)、例如檢查對象的器官的表面或位置通常是不精確的。這點(diǎn)特別對于其中結(jié)構(gòu)互相鄰接的區(qū)域發(fā)生。于是，分割結(jié)果不相應(yīng)于或者僅很差地相應(yīng)于在圖像數(shù)據(jù)中成像的實際結(jié)構(gòu)。

發(fā)明內(nèi)容
由此本發(fā)明要解決的技術(shù)問題是，改善利用分割方法確定結(jié)構(gòu)的輪廓或位置的精度，其中，要保持所需的時間開銷小，并且特別是使得可以對分割方法的分割結(jié)果進(jìn)行有效檢查。
按照本發(fā)明的一個方面，提供一種用于對圖像數(shù)據(jù)中的結(jié)構(gòu)的分割進(jìn)行檢查的方法，其中待檢查的分割提供如下的分割區(qū)域，該分割區(qū)域近似于在圖像數(shù)據(jù)中成像的結(jié)構(gòu)并且該分割區(qū)域通過分割輪廓限制。該方法包括位置分辨地自動確定特征值，該特征值適合于用作對于結(jié)構(gòu)的分割精度的指標(biāo)。特征值可以基于圖像數(shù)據(jù)、待檢查的分割輪廓、或者在進(jìn)行待檢查的分割時應(yīng)用的分割方法，或者基于其組合被確定。此外，該方法還包括在使用對于相應(yīng)的位置被確定的特征值的條件下，位置分辨地自動確定對于分割輪廓上的多個位置的置信度值(Konfidenzwerten)。置信度值由此可以給出在相應(yīng)的位置上待檢查的分割的可靠性。置信度值是對于“分割輪廓相應(yīng)于待分割的結(jié)構(gòu)的表面或輪廓”的概率的度量。由此可以根據(jù)位置分辨的置信度值直接確定，在分割輪廓的哪個片段以高的精度進(jìn)行分割。 可以直接識別具有低置信度值的區(qū)域，并且可以在該片段中進(jìn)行分割輪廓的手動或自動調(diào)整。例如可以為了進(jìn)行校正而將具有低置信度值的片段直接顯示給用戶，或者可以對于該區(qū)域調(diào)整和繼續(xù)分割算法。由此可以通過位置分辨地確定置信度值來實現(xiàn)分割精度的改善。因為位置分辨的置信度值是可以全自動確定的，所以此外實現(xiàn)了在執(zhí)行分割中的極大的時間節(jié)省。由此，可以更精確并且以更短的時間進(jìn)行結(jié)構(gòu)的、例如在圖像數(shù)據(jù)中成像的檢查對象的器官的輪廓和位置的確定。分割輪廓例如可以相應(yīng)于分割掩模的邊緣，或者其例如可以通過隱函數(shù)或顯函數(shù)或者位于分割輪廓上的大量像素來精確地定義。在該方法中可以采用多個不同類型的特征值，以確定對于待檢查的分割輪廓的位置分辨的置信度值。對于分割輪廓的不同片段，由此判斷“相應(yīng)片段中的分割輪廓相應(yīng)于成像的結(jié)構(gòu)的實際輪廓或?qū)嶋H表面”的概率。由此提供對于分割的品質(zhì)度量，該品質(zhì)度量允許分割的局部調(diào)整和改善。在一種實施方式中，基于圖像數(shù)據(jù)確定的位置分辨的特征值包括以下類型的值之一或其組合在其中對結(jié)構(gòu)成像的圖像數(shù)據(jù)中的強(qiáng)度值的梯度；在對圖像數(shù)據(jù)中的結(jié)構(gòu)的分割中利用Random Walker分割方法在檢查方法的范圍內(nèi)被確定的概率圖的概率值的梯度；和/或在該概率圖中的概率-等輪廓線的曲率值?；谶@些特征值，可以確定有說服力的置信度值。強(qiáng)度值的高梯度例如預(yù)示了結(jié)構(gòu)的清楚定義的邊緣并且由此預(yù)示了在該區(qū)域中的可靠分割。對于概率值的梯度也是這樣。在Random Walker方法中，這一般是如下的概率以該概率，Random Walker從相應(yīng)的圖像位置出發(fā)到達(dá)在分割區(qū)域的內(nèi)部或外部的種子點(diǎn)。該概率的大的梯度同樣意味著清楚定義的邊緣并且由此意味著可靠的分割。等輪廓線的大的曲率、特別是對于不同的等值 (Isowerte)的曲率的大的變化，通常意味著圖像噪聲并且由此意味著在相應(yīng)的區(qū)域中的分割的較小的可靠性?；诖龣z查的分割輪廓而確定的位置分辨的特征值可以包括待檢查的分割輪廓的曲率值。例如，分割輪廓的曲率沒有被包括于借助Random Walker分割方法的分割的建立中，盡管曲率例如對于確定的、待分割的器官只能取確定的值。由此可以基于曲率值來檢查分割結(jié)果，并且基于該曲率值可以確定對于分割輪廓的不同片段的位置分辨的置信度值?；趹?yīng)用的分割方法而確定的位置分辨的特征值可以包括以下類型的值之一或其組合利用在進(jìn)行待檢查的分割時應(yīng)用的Random Walker分割方法確定的概率圖的概率值的梯度；在該概率圖中的概率-等輪廓線的曲率值；在利用分割方法進(jìn)行分割時出現(xiàn)的、對于待檢查的分割輪廓的不同片段的收斂速度；利用分割方法確定的能量函數(shù)的值隨著分割輪廓的變化的改變。即，在該例子中，特征值特別可以基于在建立待檢查的分割期間確定的值?？梢杂煞指罘椒闄z查提供這些值。然而，檢查方法還可以部分地并行于實際的分割來進(jìn)行，從而可以在分割期間確定特征值。例如在Level Set分割中出現(xiàn)的收斂速度可以作為特征值被記錄，例如，通過建立到達(dá)時間圖(Time of ArrivalMap)。在分割輪廓的片段中的快速收斂 (或更早的到達(dá)時間，Time of Arrival)意味著相應(yīng)片段中的可靠分割。同樣，例如在主動輪廓方法中被確定的能量函數(shù)的值隨著分割輪廓的變化的強(qiáng)烈改變意味著強(qiáng)的邊緣，并且由此同樣意味著在該片段中的可靠分割。提到類型的值由此適合于確定有說服力的置信度值。在本發(fā)明的一種實施方式中，對于一個位置的置信度值可以通過統(tǒng)計分析設(shè)置在圍繞該位置的確定區(qū)域中的特征值來進(jìn)行。統(tǒng)計分析例如可以通過確定在確定區(qū)域中的特征值的簡單或加權(quán)的平均值或中值來進(jìn)行。由此可以考慮與分割輪廓上的各個位置相鄰的特征值。因此在求平均值時可以使用用于對特征值加權(quán)的高斯函數(shù)，使得更近地相鄰的值比具有與分割輪廓較大距離的特征值經(jīng)歷更大的加權(quán)。由此在圖像數(shù)據(jù)中的噪聲的情況下也可以確定可靠的和有說服力的置信度值?？梢赃@樣進(jìn)行置信度值的確定，使得更高的特征值產(chǎn)生更高的置信度值。例如， 圖像強(qiáng)度或概率值的更高的梯度以及更高的收斂速度，意味著在相應(yīng)區(qū)域中分割的更高精度，從而對于其確定更高的置信度值。在其他特征值的情況下、例如在分割輪廓的曲率值的情況下，還可以這樣進(jìn)行確定，使得更高的特征值產(chǎn)生更低的置信度值。當(dāng)然，在確定置信度值時可以進(jìn)行其他操作，例如值的加權(quán)或值的標(biāo)準(zhǔn)化等，使得對于各個應(yīng)用情況獲得有說服力的置信度值。根據(jù)應(yīng)用的分割方法的不同，可以以不同的方式描述分割輪廓，例如在Level Set 方法中作為隱函數(shù)或者在Random Walker方法中作為具有圖像數(shù)據(jù)的分辨率的分割掩模。 在本發(fā)明的一種實施方式中，圖像數(shù)據(jù)中的分割輪廓通過位于分割輪廓上的或者與該分割輪廓相交的像素或體素的位置來描述，其中對于分割輪廓的每個像素或每個體素確定一個置信度值。如果以功能性表示(fimktionalenRepresentation)或以不同于圖像數(shù)據(jù)分辨率的其他分辨率提供分割輪廓，則可以以圖像數(shù)據(jù)的分辨率進(jìn)行分割輪廓的離散化。替換地，基于圖像數(shù)據(jù)確定的特征值同樣可以被轉(zhuǎn)換到分割輪廓的參考系統(tǒng)。待檢查的分割可以是手動的、通過用戶輸入進(jìn)行的分割，或者其可以利用任意分割方法自動或半自動地被建立。在本發(fā)明的一種實施方式中，本方法在此包括執(zhí)行用于分割圖像數(shù)據(jù)中的結(jié)構(gòu)的Random Walker分割方法，以確定對于圖像數(shù)據(jù)的概率值。也就是說，與待檢查的分割分離地借助Random Walker方法執(zhí)行附加的分割。然后通過確定該概率值的梯度來獲得位置分辨的特征值。在該實施例中，由此基于圖像數(shù)據(jù)確定位置分辨的特征值，其中其他特征值當(dāng)然也可以包括在置信度值的確定中。同樣對于手動待檢查的分割，由此也可以可靠和自動地確定置信度值。對于該Random Walker分割方法的種子點(diǎn)，可以基于待檢查的分割來確定。例如自動確定給出與待檢查的分割的分割輪廓的距離的帶符號的距離函數(shù)(signierte Distanzfunktion)。對于與分割輪廓的預(yù)定距離，可以自動地在分割區(qū)域的內(nèi)部和外部預(yù)先給出種子點(diǎn)。在使用預(yù)先給出的種子點(diǎn)的條件下，此時可以自動進(jìn)行Random Walker分割方法。從在此獲得的概率值中可以通過求梯度來確定位置分辨的特征值，并且從這些特征值中確定相應(yīng)的置信度值。由此在手動分割的情況下也可以全自動地確定對于分割輪廓的置信度值。在另一個實施方式中，利用Random Walker分割方法建立待檢查的分割，利用該分割確定對于圖像數(shù)據(jù)的概率值。然后基于分割方法通過確定該概率值的梯度進(jìn)行特征值的位置分辨的確定?？梢耘c分割輪廓一起提供例如以概率圖形式的概率值。由此檢查方法可以援用已經(jīng)存在的值，并且由此可以快速并且以小的開銷進(jìn)行。在另一個實施方式中，同樣借助Random Walker分割方法建立待檢查的分割，然而此處通過確定待檢查的分割輪廓的曲率來確定位置分辨的特征值。在該實施方式中可以通過與分割輪廓的曲率值的抵銷(Gegenrechnen)來可靠地分析Random Walker分割結(jié)果。當(dāng)然還可以基于特征值(諸如前述實施方式的概率梯度和曲率值)的組合來確定
置信度值?？梢詮拇龣z查的分割出發(fā)在使用確定的置信度值的條件下繼續(xù)對圖像數(shù)據(jù)中的結(jié)構(gòu)的分割。這點(diǎn)例如可以通過自動調(diào)整用以建立待檢查的分割的分割方法的參數(shù)，基于確定的置信度并且通過利用調(diào)整的分割方法重新確定分割來進(jìn)行。如果例如利用Random Walker分割方法建立待檢查的分割，則可以基于置信度值，局部調(diào)整用于從概率圖中二進(jìn)制提取分割區(qū)域的閾值。于是，可以以更高的精度確定分割區(qū)域。由此可以基于置信度值進(jìn)行分割的自動改善。同樣可以位置分辨地顯示對于分割輪廓的置信度值。于是用戶例如在具有低置信度值的區(qū)域中可以手動校正分割輪廓。通過顯示置信度值，例如按照分割輪廓上的色彩編碼，由此可以有針對地提示用戶如下區(qū)域，在該區(qū)域中分割僅具有小的可靠性并且以較高的概率需要進(jìn)行輪廓的校正。通過將校正集中于相應(yīng)的區(qū)域，可以實現(xiàn)時間節(jié)省。在一種實施方式中，該方法可以全自動地由計算機(jī)單元執(zhí)行。按照本發(fā)明的另一個方面，提供一種用于對圖像數(shù)據(jù)中的結(jié)構(gòu)的分割進(jìn)行檢查的裝置，其中待檢查的分割提供如下的分割區(qū)域，該分割區(qū)域近似于在圖像數(shù)據(jù)中成像的結(jié)構(gòu)并且該分割區(qū)域通過分割輪廓限制。該裝置包括計算機(jī)單元，該計算機(jī)單元構(gòu)造為用于執(zhí)行以下步驟位置分辨地自動確定特征值，該特征值適合于用作對于結(jié)構(gòu)的分割精度的指標(biāo)，特征值基于圖像數(shù)據(jù)、待檢查的分割輪廓、或者在進(jìn)行待檢查的分割時應(yīng)用的分割方法，或者基于其組合被確定；和在使用對于相應(yīng)的位置被確定的特征值的條件下，位置分辨地自動確定對于分割輪廓上的多個位置的置信度值，其中置信度值給出在相應(yīng)的位置上待檢查的分割的可靠性。利用按照本發(fā)明的裝置可以實現(xiàn)類似于前面關(guān)于按照本發(fā)明的方法描述的優(yōu)點(diǎn)。在本裝置的一種實施方式中，計算機(jī)單元構(gòu)造為用于執(zhí)行前面描述的方法之一。本發(fā)明的另一個方面涉及一種電子可讀的數(shù)據(jù)載體，在該數(shù)據(jù)載體上存儲了電子可讀的控制信息，該控制信息這樣構(gòu)造，使得其在在計算機(jī)系統(tǒng)中使用數(shù)據(jù)載體時執(zhí)行前面描述的方法。此外，本發(fā)明還提供一種具有計算機(jī)程序的計算機(jī)程序產(chǎn)品，該計算機(jī)程序在在計算機(jī)系統(tǒng)中運(yùn)行時執(zhí)行前面描述的方法之一。


以下參考附圖更詳細(xì)地解釋本發(fā)明。其中，圖1示出了按照本發(fā)明的一種實施方式的方法的流程圖，圖2示出了按照本發(fā)明的一種實施方式的方法的流程圖，其中利用先前的分割方法確定的值構(gòu)成用于確定置信度值的基礎(chǔ)，圖3示出了按照本發(fā)明的一種實施方式的方法的流程圖，其中對于任意類型的待檢查的分割確定位置分辨的置信度值，圖4示出了按照本發(fā)明的一種實施方式的方法的流程圖，其例如可以用于檢查 Level kt 分割，圖5示出了按照本發(fā)明的一種實施方式的裝置的示意性框圖，圖6A和6B示出了對腎臟成像的圖像數(shù)據(jù)以及利用Random Walker分割方法在對圖像數(shù)據(jù)中的腎臟的分割中確定的概率值的等輪廓線，圖7A示出了利用Random Walker分割方法在對腎臟的分割中確定的、在分割輪廓上的概率值，圖7B示出了在圖7A的分割輪廓上確定的概率值的梯度的絕對值和矢量，圖7C示出了基于圖7B的概率梯度對于分割輪廓上的多個位置確定的置信度值，圖8示出了對于在肺翼(LimgenflUgel)周圍中手動建立的分割輪廓確定的置信度值。
具體實施例方式分割一般理解為產(chǎn)生內(nèi)容相關(guān)的區(qū)域。分割特別可以應(yīng)用于醫(yī)學(xué)領(lǐng)域，以便在對檢查對象或患者拍攝的圖像數(shù)據(jù)中確定結(jié)構(gòu)的、特別是器官的大小或位置。在對圖像數(shù)據(jù)中的結(jié)構(gòu)的分割中，例如將結(jié)構(gòu)的像素與分割區(qū)域?qū)?yīng)，以確定該分割區(qū)域，或者手動地或自動地圍繞圖像數(shù)據(jù)中的結(jié)構(gòu)設(shè)置包圍了分割區(qū)域的輪廓。這點(diǎn)既可以在二維的層圖像中也可以在三維的圖像數(shù)據(jù)組中進(jìn)行。在第一種情況下分割輪廓是線，在第二種情況下是表分割輪廓應(yīng)該盡可能好地描述實際的結(jié)構(gòu)的輪廓或表面，從而能夠盡可能精確地確定結(jié)構(gòu)的改變，例如由于器官上腫瘤生長，或者結(jié)構(gòu)的特征，例如肝臟或腎臟的體積。本發(fā)明可以基于分割結(jié)果和圖像數(shù)據(jù)來確認(rèn)分割輪廓，其中所述確認(rèn)是自動進(jìn)行的并且不需要其他輸入。圖1示出了按照本發(fā)明的方法的一種實施方式的流程圖，結(jié)合該流程圖在以下一般地描述該方法。在步驟101對圖像數(shù)據(jù)中的結(jié)構(gòu)的待檢查的分割進(jìn)行調(diào)用，所述分割利用分割輪廓定義了一個分割區(qū)域。這點(diǎn)例如可以通過從存儲器中讀入分割掩模來進(jìn)行，或者通過轉(zhuǎn)移在準(zhǔn)備階段進(jìn)行的分割方法的分割結(jié)果來進(jìn)行。因此分割也可以手動地通過在顯示屏上描摹(Abfahren)結(jié)構(gòu)的輪廓來進(jìn)行，并且在此存儲的分割數(shù)據(jù)在步驟101被調(diào)用?？梢允嵌S或三維的分割?；诜指钶喞奶卣鳌⒅T如分割輪廓的曲率值，就已經(jīng)可以進(jìn)行置信度值的估計。 在其他實施方式中，如在圖1所示的實施方式中，在步驟102中提供圖像數(shù)據(jù)或利用分割方法為了建立待檢查的分割而確定的值，以便將確定的特征作為確定置信度值的基礎(chǔ)。利用分割方法確定的值例如可以包括以下將詳細(xì)描述的Random Walker算法的概率值、收斂速度值、能量函數(shù)值等。這特別是分割精度所取決于的這些值，其特別影響自動分割方法的收斂速度。在步驟103基于提供的圖像數(shù)據(jù)、待檢查的分割輪廓或在應(yīng)用的分割方法中確定的值，進(jìn)行特征值的位置分辨的自動確定。在對特征值的基于圖像數(shù)據(jù)的確定中，這些特征值例如可以是圖像強(qiáng)度的梯度，其中這些梯度優(yōu)選是在圍繞待檢查的分割輪廓的區(qū)域中被確定的，并且可以是不同的階。也可以首先進(jìn)一步處理圖像數(shù)據(jù)，例如通過應(yīng)用以下結(jié)合圖 3詳細(xì)描述的自動的分割方法。基于分割輪廓的特征值可以是分割輪廓的曲率值，特別是當(dāng)分割輪廓的曲率在待檢查的分割中沒有被考慮時。在這種情況下在區(qū)域中的待檢查的分割輪廓可以具有強(qiáng)的曲率，該曲率在待分割的結(jié)構(gòu)中、例如器官中的該區(qū)域中不是所預(yù)計的 (例如在腎臟、肝臟和心臟的分割中)。如果分割輪廓具有這樣的強(qiáng)的曲率，則這預(yù)示在該區(qū)域的分割缺少精度。為了建立待檢查的分割而使用的分割方法可以已經(jīng)計算了作為對于特征值的確定的基礎(chǔ)而可以考慮的不同的值。因此在自動的Random Walker分割中確定概率圖，從該概率圖中通過計算梯度可以獲得位置分辨的特征值，如參考圖2詳細(xì)描述的。在使用這樣確定的特征值的條件下，在步驟104進(jìn)行分割輪廓上的置信度值的位置分辨的自動確定?？梢赃x擇分割輪廓上的位置或片段，對于該位置或片段確定置信度值。 分割輪廓可以以不同形式呈現(xiàn)。例如調(diào)用的分割可以包括掩模，在該掩模中屬于分割區(qū)域的區(qū)域利用確定的比特值(Bitwert)標(biāo)記。該區(qū)域的邊緣是分割輪廓。優(yōu)選對于邊緣上的每個像素或體素確定一個置信度值。由此可以獲得相應(yīng)于分割掩模的分辨率的位置分辨率。在其他方法中，如Level Set分割方法，作為隱函數(shù)獲得分割輪廓。此處可以通過如下進(jìn)行分割輪廓的離散化，使得確定與分割輪廓相交的圖像數(shù)據(jù)中的像素或體素。優(yōu)選然后對于該位于輪廓上的每一個像素確定一個置信度值。置信度值的數(shù)值確定取決于所使用的特征值。如果圖像強(qiáng)度或者概率圖的梯度被作為特征值使用，則所述特征值例如可以利用最大梯度值來標(biāo)準(zhǔn)化，該最大梯度值然后相應(yīng)于C= 100%的置信度值(最大置信度)。置信度值是對于“相應(yīng)位置上的分割輪廓相應(yīng)于在圖像數(shù)據(jù)中成像的結(jié)構(gòu)的實際輪廓或?qū)嶋H表面”的概率的度量。特別在特征值的基于梯度的確定中這樣計算置信度值，使得對于大的梯度獲得高的置信度值。高的梯度通常定義清晰的邊緣，清晰的邊緣通常允許非常精確和可靠的手動以及自動分割。在弱的梯度下通常只能很差地識別和自動確定結(jié)構(gòu)的輪廓，從而對于低的梯度值也確定低的置信度值。在使用分割輪廓的曲率值或概率圖的等輪廓線的曲率值的情況下，這可以是相反的，因為在那里高的曲率值通?？梢酝茢喑霾痪_的分割。相應(yīng)地對于低的曲率值確定較高的置信度值。當(dāng)然，在置信度值的確定中還可以進(jìn)行例如對數(shù)的或利用經(jīng)驗值的加權(quán)，也可以進(jìn)行特征值的換算，以獲得盡可能有說服力的置信度值。在此根據(jù)使用的特征值進(jìn)行計算方法的合適選擇。同樣，還可以根據(jù)多種不同的特征值來確定置信度值。因此例如在置信度的確定中既可以考慮分割輪廓的曲率值也可以考慮圖像強(qiáng)度梯度的或概率梯度的值。在此可以根據(jù)使用的分割方法和分割的結(jié)構(gòu)進(jìn)行待使用的特征值的合適選擇。在下一個步驟105中，為了繼續(xù)分割和/或為了顯示置信度值，提供位置分辨的置信度值。借助置信度值可以進(jìn)行分割結(jié)果的自動的全局或局部改善，例如，通過利用調(diào)整的參數(shù)重新執(zhí)行分割方法。在使用Random Walker分割方法中例如可以局部地調(diào)整用于分割區(qū)域的二進(jìn)制提取的閾值。還可以局部地調(diào)整對于Random Walker方法的邊緣權(quán)重?？梢詫⒅眯哦冉y(tǒng)計數(shù)據(jù)顯示給臨床用戶。這樣可以為了規(guī)劃治療提供對于檢查和許可過程的支持。如圖7C和8所示的置信度值的顯示還可以支持分割輪廓的手動校正，因為用戶可以直接確定，在哪個區(qū)域中分割輪廓是不精確的或者是僅以很小的置信度被確定的。圖2是按照本發(fā)明的方法的一種實施方式的流程圖，其中根據(jù)為建立待檢查的分割而使用的分割方法確定特征值。在此，利用Random Walker分割方法在步驟201建立待檢查的分割。在Random Walker分割方法中，將圖像數(shù)據(jù)轉(zhuǎn)換為圖形，在該圖形中圖像數(shù)據(jù)的體素相應(yīng)于節(jié)點(diǎn)，其中各個相鄰的體素借助邊相連。所述邊對應(yīng)于從與該邊相連的體素的灰度值中確定的權(quán)重。為了分割，將單個體素，即圖形的單個邊確定為種子點(diǎn)。這可以通過在顯示屏上手動標(biāo)記像素來進(jìn)行。在待分割的結(jié)構(gòu)的內(nèi)部或外部確定兩種不同類型的種子點(diǎn)。借助RandomWalker將沒有標(biāo)記的其余點(diǎn)分別與該一個或所述其他種子點(diǎn)對應(yīng)。RandomWalker可以以相應(yīng)于邊概率(Kantenwahrscheinlichkeit)的概率到達(dá)相鄰節(jié)點(diǎn)。此時對于兩種不同類型的種子點(diǎn)確定，以何種概率從一個節(jié)點(diǎn)出發(fā)到達(dá)每種類型的種子點(diǎn)。這點(diǎn)對于每個節(jié)點(diǎn)進(jìn)行，即，對于每個體素或像素進(jìn)行。由此，對于每個像素計算一個具有一個概率的概率圖。在然后的二進(jìn)制提取中，將每個像素與該類型的種子點(diǎn)對應(yīng)，對于該類型的種子點(diǎn)，該像素具有最大的到達(dá)概率。在50%的提取閾值的情況下，例如將如下的像素與屬于結(jié)構(gòu)的分割區(qū)域?qū)?yīng)對于該像素，到達(dá)位于結(jié)構(gòu)內(nèi)部的種子點(diǎn)的概率超過 50%。可以與此處介紹的方法一起使用的Random Walker分割方法在出版物 LeoGrady,,, Random Walks for Image Segmentation “，IEEE Trans, on Pattern Analysisand Machine Intelligence, Vol. 28，No. 11，pp. 1768—1783，Nov. 2006 中詳細(xì)描述。由此可以以簡單方式自動確定連貫的(zusammenhangend )分割區(qū)域，其中僅需設(shè)置種子點(diǎn)。在步驟202中為分割的檢查提供例如以二進(jìn)制分割掩模形式的、這樣建立的分割結(jié)果。此外，在步驟203提供利用分割方法確定的所提到的概率圖的概率值。在步驟204 中位置分辨地確定概率值的梯度作為特征值。在其中像素清楚地對應(yīng)于一個或其他結(jié)構(gòu)的區(qū)域中，Random Walker算法對于與各個結(jié)構(gòu)的對應(yīng)，確定相應(yīng)高的概率值。在該區(qū)域中由此存在的、概率值的高的梯度具有該區(qū)域中的分割的高的精度。概率值的梯度由此適合于作為分割的精度的指標(biāo)。可以特別借助圖6A和6B解釋這點(diǎn)。圖6A示出了檢查對象的腹部區(qū)域的三維圖像數(shù)據(jù)組的冠狀層圖像的截面，其中在該圖像數(shù)據(jù)610中作為結(jié)構(gòu)620示出檢查對象的左腎臟。在腎臟和胰腺之間的邊結(jié)構(gòu)僅非常弱地突出，從而此處預(yù)計一個不精確的分割。圖 6B示出了在利用Random Walker分割方法對于在圖6A中示出的圖像數(shù)據(jù)610確定的概率圖中的概率-等輪廓線。用黑色示出的50 %的概率等輪廓在此相應(yīng)于截面圖像中對于腎臟的分割輪廓600。如結(jié)合圖6B的右上區(qū)域中的扇形狀展開的等輪廓線可以看出的，概率在那里僅具有比分割輪廓600的其他片段小的梯度。根據(jù)低的梯度可以識別在圖像數(shù)據(jù)中僅很弱形成的邊，以及估計對于該區(qū)域的較小的分割置信度。概率值本身并不表示沿著分割輪廓600的分割精度的好的指標(biāo)，這在圖7A中示出。圖7A示出了分割輪廓600上Random Walker概率圖的概率值。在輪廓的上部和下部區(qū)域中，概率具有類似的值。然而如根據(jù)圖6A的圖像數(shù)據(jù)中的對比度和圖6B中的概率的等輪廓可以看出的，可以比上面部分中清楚得多地確定在下面部分中的輪廓。圖7B對于相同的分割輪廓600作為矢量示出了梯度大小和梯度方向。通過與圖6A的比較可以明顯看出，在強(qiáng)烈突出的邊的區(qū)域中，概率梯度比在具有弱地突出的邊的區(qū)域中具有更高的值。通過確定梯度的大小，由此可以推斷出分割的精度，從而梯度值表示合適的特征值。對于置信度值的計算，在圖2的步驟205中首先從在圍繞待檢查的分割輪廓上的預(yù)先確定的位置的區(qū)域中的梯度值中確定平均梯度。例如沿著垂直于相應(yīng)位置處的分割輪廓600的線對梯度值求平均，或者從圍繞分割輪廓上的相應(yīng)位置的圓形區(qū)域中的梯度值中求平均。因為通過圖像噪聲會出現(xiàn)在直接相鄰的像素之間的高的梯度，所以這樣求平均提高了置信度值確定的可靠性。當(dāng)然同樣可以考慮其他的統(tǒng)計方法，例如形成中值等。在步驟206，從平均的梯度值中，對于分割輪廓上的各個位置確定置信度值。置信度值的確定在此可以如前面結(jié)合圖1所述的進(jìn)行，所述置信度值例如可以對于分割輪廓 600上的每個體素被確定。圖7C示出了在相同的分割輪廓600上基于在圖7B中示出的梯度值確定的這些位置分辨的置信度值。在此，分割輪廓600的亮的或暗的圖示表示低的或高的置信度C。在考察分割輪廓的下面部分和上面部分中的置信度值時，此時可以確定，其中腎臟與胰腺相接觸的上面部分，其特征明顯是較低的置信度值，而分割輪廓的其余部分具有中等的或高的置信度值。利用按照本發(fā)明的方法由此可以自動地相互區(qū)別分割的具有高的和低的可靠性的區(qū)域。在分割輪廓600的上面部分中，此時可以進(jìn)行分割的自動改善，例如通過調(diào)整和重新執(zhí)行分割方法，或者通過在二進(jìn)制提取中調(diào)整概率閾值。為此在步驟207中提供對于待檢查的分割輪廓600確定的位置分辨的置信度值。 可以如結(jié)合圖1的步驟105所述的那樣進(jìn)行置信度值的顯示或分割的繼續(xù)。通過有針對的顯示，可以不提高時間開銷地手動校正在該區(qū)域中的分割。在圖2的實施例的情況下利用Random Walker方法建立待檢查的分割，而在圖3的實施方式的情況下可以采用任意的分割方法，包括結(jié)構(gòu)的手動分割。在圖3所示的方法中在步驟301為了建立待檢查的分割、借助手動分割或任意的自動分割方法、進(jìn)行圖像數(shù)據(jù)中的結(jié)構(gòu)的分割。在步驟302為分割的檢查提供分割結(jié)果。然后對于圖像數(shù)據(jù)借助Random Walker方法產(chǎn)生前面描述的概率值，使得使用基于待檢查的輪廓自動確定的種子點(diǎn)。此外，在步驟303中借助帶符號的距離函數(shù)(signierten Distanzfunktion)進(jìn)行圖像數(shù)據(jù)中的像素與分割輪廓的距離的自動確定。距離的這樣的確定對于專業(yè)人員來說是常用的并且對此不進(jìn)一步深入描述。對于與分割輪廓的預(yù)定的距離，在步驟304中自動確定在分割區(qū)域內(nèi)部和外部的種子點(diǎn)。這在此可以全自動地進(jìn)行，因為已經(jīng)呈現(xiàn)待檢查的分割結(jié)果并且由此呈現(xiàn)分割區(qū)域。從這些種子點(diǎn)出發(fā)，在步驟305為了分割圖像數(shù)據(jù)中的結(jié)構(gòu)，自動進(jìn)行Random Walker分割方法。也就是進(jìn)行基本上與待檢查的分割獨(dú)立的第二分割，利用該第二分割確定對于圖像數(shù)據(jù)的概率圖。為了確定特征值，在步驟306提供Random Walker方法的概率圖的概率值。如在按照圖2的方法中，由此為置信度值的確定提供圖像數(shù)據(jù)、待檢查的分割輪廓和概率圖。相應(yīng)地，在步驟307進(jìn)行圖2的步驟204到207，以確定位置分辨的置信度值。在此要注意， 該置信度值是基于待檢查的分割輪廓被確定而不是基于在檢查方法的范圍內(nèi)借助附加的 Random Walker分割方法獲得的輪廓。這在本實施方式中僅用于提供概率值。由此還可以對于手動標(biāo)出的輪廓確定在圖7C中示出的置信度值。該方法也可以在不應(yīng)用Random Walker算法的情況下執(zhí)行。按照本發(fā)明的這樣的實施方式在以下將結(jié)合圖4的流程圖來解釋。在該方法中，圖像數(shù)據(jù)中的結(jié)構(gòu)利用 Level-Set方法(即水平量方法，Niveaumengenverfahren)來分割，在該方法的范圍內(nèi)將根據(jù)圖像數(shù)據(jù)和分割輪廓的平滑性確定的能量函數(shù)的值最小化(步驟401)。在迭代方法的范圍內(nèi)，修改或進(jìn)化(evolviert)初始的分割輪廓，使得其與圖像數(shù)據(jù)中的待分割的結(jié)構(gòu)的邊匹配。在步驟402中進(jìn)行分割方法，其中分割輪廓經(jīng)過多個迭代步驟被進(jìn)化。在此，在分割結(jié)果中位置分辨地對于不同的片段，即，在分割輪廓的不同位置上作為特征值確定收斂速度或分割輪廓的到達(dá)時間(Time of Arrival Map)。因此，有分割輪廓的這樣的區(qū)域，該區(qū)域在少數(shù)幾個迭代之后就已經(jīng)達(dá)到了最終的分割結(jié)果的相應(yīng)位置，而在其他片段中的分割輪廓慢得多地收斂并且具有相應(yīng)的落后“到達(dá)時間”。由此，收斂速度或到達(dá)時間是對于相應(yīng)片段中的分割精度的好指標(biāo)。根據(jù)收斂速度或到達(dá)時間，由此在步驟404位置分辨地確定在利用Level Set方法確定的分割輪廓上的置信度值。在此，較高的收斂速度或較短的到達(dá)時間導(dǎo)致較高的置信度值。此外，可以如前面結(jié)合圖1所述的那樣進(jìn)行置信度值的確定。在圖4的實施例中可以采用的Level Set分割方法，例如在Ravikanth MalIadi， James A. Sethian, Baba C. Vemuri,,, Shape Modeling with Front Propagation :ALevel Set Approach “， IEEE Transactions on Pattern Analysis and MachineIntelligence, v. 17n. 2，p. 158-175，F(xiàn)ebruary 1995中描述。對于分割方法的細(xì)節(jié)參見該出版物。當(dāng)然，還可以組合前面描述的實施方式的特征。例如，圖像強(qiáng)度的梯度、待檢查的分割輪廓的曲率值和/或概率-等輪廓的曲率值可以在不同的實施方式的情況下用于置信度值的確定中。將結(jié)合圖6B再次解釋后者。在圖6B中示出的概率-等輪廓線在分割輪廓的下面的和中間的部分上具有相對小的曲率。在圖像的、其中只能很弱地識別腎臟和胰腺的輪廓的上面部分中，對于不同的等值(Isowerte)的等輪廓線強(qiáng)烈扇形狀展開。這點(diǎn)與區(qū)域的邊緣上的等輪廓線的高曲率值相關(guān)，并且特別還與對于不同的等值的曲率值的高變化相關(guān)。這點(diǎn)是對于“在該區(qū)域中的分割精度很小”的另一個提示，在對于該區(qū)域的置信度值的確定中可以考慮這點(diǎn)。圖5示意性示出了按照本發(fā)明的實施方式的裝置500。裝置500包括計算機(jī)單元 504，其配置為用于執(zhí)行前面描述的方法之一。計算機(jī)單元504與存儲圖像數(shù)據(jù)和待檢查的分割輪廓的存儲器503相連。計算機(jī)單元504可以從存儲器503中調(diào)用圖像數(shù)據(jù)和待檢查的分割輪廓，并且利用存儲器存儲所確定的置信度值。圖像數(shù)據(jù)的結(jié)構(gòu)的前面的分割可以手動地通過在顯示器501上的顯示和通過用戶借助輸入單元502對輪廓的描摹(Abfahren) 來進(jìn)行，顯示器和輸入單元分別與計算機(jī)單元504通信。還可以如前所描述的自動地通過計算機(jī)單元504來進(jìn)行分割。計算機(jī)單元504可以基于置信度值自動繼續(xù)所述分割。還可以在顯示器501上顯示置信度值，并且用戶可以借助輸入單元502進(jìn)行分割的手動校正。裝置500例如可以實現(xiàn)為計算機(jī)系統(tǒng)。圖8說明了另一個應(yīng)用例子。圖8示出了利用計算機(jī)斷層造影拍攝的檢查對象的胸腔的冠狀層圖像。在右邊的圖像區(qū)域中示出了手動地通過用戶輸入建立的、左肺翼的明亮表示的分割輪廓?；谒境龅膱D像數(shù)據(jù)和所提供的分割輪廓，利用在圖3中示出的方法確定對于分割輪廓的置信度值。對于分割輪廓的大多數(shù)片段，該方法在此估計相對類似的置信度值。置信度值僅在支氣管進(jìn)入肺的區(qū)域中改變。在該區(qū)域中置信度值較低，這可以推導(dǎo)出在該區(qū)域中分割的低可靠性。這與臨床觀察一致。雖然肺薄壁組織(Lungenspeichergewebe)的大多數(shù)部分由不同的用戶以高的一致性手動描繪 (nachgezeichnet)，而不同的用戶手動確定的輪廓在與支氣管相鄰的區(qū)域中典型地示出較大的變化。由此，對于不同的例子可以表明，按照本發(fā)明的方法可以自動確定對于分割輪廓的有說服力的置信度值，利用該置信度值可以評價分割的可靠性。該方法在此使用初始的圖像數(shù)據(jù)和待檢查的分割結(jié)果?？梢詫τ诙S的或三維的、特別是醫(yī)學(xué)圖像數(shù)據(jù)確定置信度值。然后可以對于自動改善分割而考慮置信度值。替換地或附加地，還可以通過顯示置信度值來提示用戶分割輪廓的如下區(qū)域，對于該區(qū)域分割精度是有問題的。附圖標(biāo)記清單
101-104方法步驟
500用于對圖像數(shù)據(jù)中的結(jié)構(gòu)的分割進(jìn)行檢查的裝置
501顯示器
502輸入單元
503存儲單元
504計算機(jī)單元
600分割輪廓
610圖像數(shù)據(jù)
620待分割的結(jié)構(gòu)
權(quán)利要求
1.一種用于對圖像數(shù)據(jù)(610)中的結(jié)構(gòu)(620)的分割進(jìn)行檢查的方法，其中待檢查的分割提供如下的分割區(qū)域，該分割區(qū)域近似于在圖像數(shù)據(jù)中成像的結(jié)構(gòu)(620)并且該分割區(qū)域通過分割輪廓(600)限制，其中，該方法包括以下步驟-基于圖像數(shù)據(jù)(610)、待檢查的分割輪廓(600)、或者在進(jìn)行待檢查的分割時應(yīng)用的分割方法，或者基于其組合，位置分辨地自動確定特征值，所述特征值適合于用作對于結(jié)構(gòu) (620)的分割精度的指標(biāo)，和-在使用對于相應(yīng)的位置被確定的特征值的條件下，位置分辨地自動確定對于分割輪廓(600)上的多個位置的置信度值。
2.根據(jù)權(quán)利要求1所述的方法，其中，基于圖像數(shù)據(jù)(610)確定的位置分辨的特征值包括以下類型的值之一或其組合-在其中對結(jié)構(gòu)(620)成像的圖像數(shù)據(jù)(610)中的強(qiáng)度值的梯度，-在對圖像數(shù)據(jù)(610)中的結(jié)構(gòu)(620)的分割中利用Random Walker分割方法在檢查方法的范圍內(nèi)被確定的概率圖的概率值的梯度，-在該概率圖中的概率-等輪廓線的曲率值。
3.根據(jù)權(quán)利要求1或2所述的方法，其中，基于待檢查的分割輪廓而確定的位置分辨的特征值包括待檢查的分割輪廓(600)的曲率值。
4.根據(jù)上述權(quán)利要求中任一項所述的方法，其中，基于應(yīng)用的分割方法而確定的位置分辨的特征值包括以下類型的值之一或其組合-利用在進(jìn)行待檢查的分割時應(yīng)用的Random Walker分割方法確定的概率圖的概率值的梯度，-在該概率圖中的概率-等輪廓線的曲率值，-在利用分割方法進(jìn)行分割時出現(xiàn)的、對于待檢查的分割輪廓(600)的不同片段的收斂速度，-利用分割方法確定的能量函數(shù)的值隨著分割輪廓(600)的變化的改變。
5.根據(jù)上述權(quán)利要求中任一項所述的方法，其中，對于一個位置的置信度值通過統(tǒng)計分析設(shè)置在圍繞該位置的確定的區(qū)域中的特征值來進(jìn)行。
6.根據(jù)權(quán)利要求5所述的方法，其中，所述統(tǒng)計分析包括確定在確定的區(qū)域中的特征值的簡單的平均值或加權(quán)的平均值或中值。
7.根據(jù)上述權(quán)利要求中任一項所述的方法，其中，這樣進(jìn)行置信度值的確定，使得更高的特征值產(chǎn)生更高的置信度值。
8.根據(jù)上述權(quán)利要求中任一項所述的方法，其中，圖像數(shù)據(jù)(610)中的分割輪廓(600) 通過位于分割輪廓(600)上的或者與該分割輪廓相交的像素或體素的位置來描述，其中， 對于分割輪廓的(600)每個像素或每個體素確定一個置信度值。
9.根據(jù)上述權(quán)利要求中任一項所述的方法，其中，所述方法包括執(zhí)行用于分割圖像數(shù)據(jù)中的結(jié)構(gòu)的Random Walker分割方法，利用該分割方法確定對于圖像數(shù)據(jù)的概率值，其中，通過確定該概率值的梯度確定所述位置分辨的特征值。
10.根據(jù)權(quán)利要求9所述的方法，其中，根據(jù)待檢查的分割確定對于RandomWalker分割方法的種子點(diǎn)。
11.根據(jù)權(quán)利要求9或10所述的方法，其中，RandomWalker分割方法的執(zhí)行包括以下步驟-自動確定給出與待檢查的分割的分割輪廓(600)的距離的帶符號的距離函數(shù)，-對于與分割輪廓的預(yù)定距離，在分割區(qū)域的內(nèi)部和外部自動地預(yù)先給出種子點(diǎn)，和-在使用預(yù)先給出的種子點(diǎn)的條件下，自動執(zhí)行Random Walker分割方法。
12.根據(jù)上述權(quán)利要求中任一項所述的方法，其中，利用RandomWalker分割方法建立待檢查的分割，利用該分割方法確定對于圖像數(shù)據(jù)的概率值，其中通過確定該概率值的梯度來確定位置分辨的特征值。
13.根據(jù)上述權(quán)利要求中任一項所述的方法，其中，利用RandomWalker分割方法建立待檢查的分割，并且其中，通過確定待檢查的分割的分割輪廓(600)的曲率來確定位置分辨的特征值。
14.根據(jù)上述權(quán)利要求中任一項所述的方法，其中，從待檢查的分割出發(fā)，在使用確定的置信度值的條件下繼續(xù)執(zhí)行對圖像數(shù)據(jù)中的結(jié)構(gòu)的分割。
15.根據(jù)上述權(quán)利要求中任一項所述的方法，其中，所述方法還包括以下步驟-基于所確定的置信度值，自動調(diào)整用于建立待檢查的分割的分割方法的參數(shù)，和-利用調(diào)整后的分割方法重新確定分割。
16.根據(jù)權(quán)利要求15所述的方法，其中，利用RandomWalker分割方法建立待檢查的分割，并且其中，基于置信度值局部地至少調(diào)整用于從概率圖中二進(jìn)制提取分割區(qū)域的閾值。
17.根據(jù)權(quán)利要求1至11或15中任一項所述的方法，其中，待檢查的分割是手動的、通過用戶輸入進(jìn)行的分割。
18.根據(jù)上述權(quán)利要求中任一項所述的方法，其中，所述方法還包括位置分辨地顯示對于分割輪廓(600)的置信度值。
19.一種用于對圖像數(shù)據(jù)(610)中的結(jié)構(gòu)(620)的分割進(jìn)行檢查的裝置，其中待檢查的分割提供如下的分割區(qū)域，該分割區(qū)域近似于在圖像數(shù)據(jù)(610)中成像的結(jié)構(gòu)(620)并且該分割區(qū)域通過分割輪廓(600)限制，其中，所述裝置具有計算機(jī)單元(504)，該計算機(jī)單元構(gòu)造為用于執(zhí)行以下步驟-基于圖像數(shù)據(jù)、待檢查的分割輪廓、或者在進(jìn)行待檢查的分割時應(yīng)用的分割方法，或者基于其組合，位置分辨地自動確定特征值，所述特征值適合于用作對于結(jié)構(gòu)(620)的分割精度的指標(biāo)，和-在使用對于相應(yīng)的位置被確定的特征值的條件下，位置分辨地自動確定對于分割輪廓(600)上的多個位置的置信度值，其中，所述置信度值給出在相應(yīng)的位置上待檢查的分割的可靠性。
20.根據(jù)權(quán)利要求19所述的裝置，其中，所述計算機(jī)單元(504)構(gòu)造為用于執(zhí)行按照權(quán)利要求2至18中任一項所述的方法。
21.一種電子可讀的數(shù)據(jù)載體，在該數(shù)據(jù)載體上存儲了電子可讀的控制信息，所述控制信息這樣構(gòu)造，使得其在在計算機(jī)系統(tǒng)中使用數(shù)據(jù)載體時執(zhí)行按照權(quán)利要求1至18中任一項所述的方法。
22.—種具有計算機(jī)程序的計算機(jī)程序產(chǎn)品，該計算機(jī)程序在在計算機(jī)系統(tǒng)中運(yùn)行時執(zhí)行按照權(quán)利要求1至18中任一項所述的方法。
全文摘要
本發(fā)明涉及一種用于對圖像數(shù)據(jù)(610)中的結(jié)構(gòu)(620)的分割進(jìn)行檢查的方法，其中待檢查的分割提供如下的分割區(qū)域，該分割區(qū)域近似于在圖像數(shù)據(jù)中成像的結(jié)構(gòu)(620)并且該分割區(qū)域通過分割輪廓(600)限制，其中該方法包括步驟基于圖像數(shù)據(jù)(610)、待檢查的分割輪廓(600)、或者在進(jìn)行待檢查的分割時應(yīng)用的分割方法，或者基于其組合，位置分辨地自動確定特征值，該特征值適合于用作對于結(jié)構(gòu)(620)的分割精度的指標(biāo)；和在使用對于相應(yīng)的位置被確定的特征值的條件下，位置分辨地自動確定對于分割輪廓(600)上的多個位置的置信度值。所述置信度值給出在相應(yīng)的位置上待檢查的分割的可靠性。
文檔編號G06T7/00GK102270342SQ201110145860
公開日2011年12月7日 申請日期2011年6月1日 優(yōu)先權(quán)日2010年6月1日
發(fā)明者托馬斯.波伊特格 申請人:西門子公司