醫(yī)用圖像處理裝置、醫(yī)用圖像處理方法以及醫(yī)用圖像處理程序的制作方法
【專利摘要】本發(fā)明提供一種能夠使用界標(biāo)間的關(guān)聯(lián)性來(lái)配置界標(biāo)的醫(yī)用圖像處理裝置。本實(shí)施方式的醫(yī)用圖像處理裝置具有:存儲(chǔ)部,存儲(chǔ)具有第1標(biāo)識(shí)點(diǎn)和限制條件的平均形狀數(shù)據(jù)和醫(yī)用圖像數(shù)據(jù);提取確定部,確定包含從醫(yī)用圖像數(shù)據(jù)中提取出的第2標(biāo)識(shí)點(diǎn)的區(qū)域內(nèi)的似然性分布;位置對(duì)準(zhǔn)部,將平均形狀數(shù)據(jù)位置對(duì)準(zhǔn)于醫(yī)用圖像數(shù)據(jù);偏離值除去部,根據(jù)第1、第2標(biāo)識(shí)點(diǎn)和閾值從第2標(biāo)識(shí)點(diǎn)中除去偏離值;結(jié)合似然性計(jì)算部,根據(jù)按照限制條件的平均形狀的變形而移動(dòng)得到的第1標(biāo)識(shí)點(diǎn)的位置和似然性分布,對(duì)平均形狀的每個(gè)變形計(jì)算將與位置對(duì)應(yīng)的多個(gè)似然性結(jié)合的結(jié)合似然性;解剖學(xué)標(biāo)識(shí)點(diǎn)確定部,根據(jù)與結(jié)合似然性中最大的結(jié)合似然性對(duì)應(yīng)的變形、除去了偏離值的第2標(biāo)識(shí)點(diǎn)以及第1標(biāo)識(shí)點(diǎn),確定醫(yī)用圖像數(shù)據(jù)中的解剖學(xué)標(biāo)識(shí)點(diǎn)。
【專利說(shuō)明】醫(yī)用圖像處理裝置、醫(yī)用圖像處理方法以及醫(yī)用圖像處理 程序
【技術(shù)領(lǐng)域】
[0001] 在本說(shuō)明書中說(shuō)明的實(shí)施方式一般涉及患者的三維(3D)圖像數(shù)據(jù)集,更具體而 言,涉及如何在三維圖像數(shù)據(jù)集中對(duì)解剖學(xué)界標(biāo)進(jìn)行定位。
【背景技術(shù)】
[0002] 在醫(yī)療領(lǐng)域中,通過(guò)包含計(jì)算機(jī)斷層攝影(Computed Tomography)、磁共 振(Magnetic Resonance)、單光子放射計(jì)算機(jī)斷層攝影(Single Photon Emission Computed Tomography)、超聲波以及正電子放射斷層攝影(Positron Emission computed Tomography)的各種技術(shù)(在醫(yī)療領(lǐng)域中稱為醫(yī)療器械)來(lái)收集三維(3D)圖像數(shù)據(jù)集,即, 體數(shù)據(jù)集。體數(shù)據(jù)具備在3D柵格內(nèi)配置的多個(gè)體素。各體素具有與其結(jié)合的體素值。該 體素值表示物理參數(shù)的測(cè)定值。例如,當(dāng)是CT掃描時(shí),體素值表示這些體素對(duì)于X射線的 不透明度,即,表示它們的X射線阻止能力。X射線阻止能力以與密度(每單位容積的質(zhì)量) 緊密結(jié)合的亨氏單位(HU)來(lái)測(cè)量。
[0003] 解剖學(xué)界標(biāo)(標(biāo)識(shí)點(diǎn))對(duì)患者圖像添加標(biāo)簽并發(fā)揮著重要的作用。在以往的方法 中,解剖學(xué)界標(biāo)以為了決定其自身的特定的部位,或者為了用于距離的測(cè)定或者角度的測(cè) 定等測(cè)定,或者為了提供對(duì)于其他的界標(biāo)的部位的某一目的由臨床醫(yī)生作為1個(gè)基準(zhǔn)點(diǎn)來(lái) 使用。
[0004] 體數(shù)據(jù)集通過(guò)將根據(jù)體患者數(shù)據(jù)集即3D患者數(shù)據(jù)集而計(jì)算出的二維(2D)圖像顯 示于畫面的視覺(jué)化應(yīng)用程序,即,通過(guò)計(jì)算機(jī)程序來(lái)視覺(jué)化處理。計(jì)算3D對(duì)象的二維(2D) 圖像的處理被稱為體繪制。體繪制例如能夠適用于薄塊多剖面重建(MPR)。
[0005] 體數(shù)據(jù)集內(nèi)的解剖學(xué)界標(biāo)的準(zhǔn)確的檢測(cè)以及分類能夠用于患者圖像數(shù)據(jù)的用戶 導(dǎo)航,能夠用于依存于前后關(guān)系的功能以及分析的觸發(fā),因此,對(duì)繪制應(yīng)用程序有用。解剖 學(xué)界標(biāo)例如能夠用于提供來(lái)自預(yù)設(shè)的大規(guī)模的庫(kù)中的潛在的合適的預(yù)設(shè)的選項(xiàng)等、基于前 后關(guān)系的視覺(jué)化選項(xiàng)。[預(yù)設(shè)通常通過(guò)選擇知道適合特定的組織型的視覺(jué)化的窗位與窗寬 的特定的組合,來(lái)決定圖像數(shù)據(jù)集內(nèi)的圖像值與當(dāng)對(duì)用戶進(jìn)行顯示時(shí)提供具有這些圖像值 的哪一陰影像素或者體素的映射]。解剖學(xué)界標(biāo)能夠作為分割的幫助,或者與分割數(shù)據(jù)同時(shí) 使用。
[0006] 解剖學(xué)界標(biāo)還能夠進(jìn)行來(lái)自兩個(gè)不同的患者的圖像或者在不同時(shí)間進(jìn)行攝影得 到的相同的患者的圖像(例如,離開1秒的幾分之一而攝影得到的映畫幀、或者手術(shù)前和手 術(shù)后或者外傷前和外傷后等空開數(shù)周、數(shù)月、或者數(shù)年的間隔進(jìn)行攝影得到的圖像)等不同 的圖像的比較以及沒(méi)有元數(shù)據(jù)的它們的注冊(cè)。
[0007] 作為由使用視覺(jué)化應(yīng)用程序的臨床醫(yī)生進(jìn)行解釋的幫助,解剖學(xué)界標(biāo)還能夠在以 往的方法中使用。
[0008] 但是,患者數(shù)據(jù)的性質(zhì)本質(zhì)上是動(dòng)態(tài)的,噪音多。另外,人體例如由年齡而決定,形 狀以及形態(tài)是各種各樣的,因此,通常,患者圖像中的界標(biāo)的準(zhǔn)確的定位是問(wèn)題。
[0009] 因此,由自動(dòng)化的方法準(zhǔn)確地設(shè)置界標(biāo)是視覺(jué)化應(yīng)用程序的重要的任務(wù)。
[0010] 通過(guò)決策樹(decision tree)或者決策林(decision forest)提供的方法等能夠 判別的分類方法是在患者圖像數(shù)據(jù)集中設(shè)置解剖學(xué)界標(biāo)的1個(gè)已知的自動(dòng)化的方法。
[0011] 設(shè)置解剖學(xué)界標(biāo)的判別分類方法因獨(dú)立地生成各個(gè)界標(biāo),因此這一情況,作為一 個(gè)例子如以下說(shuō)明的那樣可能成為缺點(diǎn)。
[0012] 圖1是患者的胸部以及骨盆區(qū)域的CT圖像數(shù)據(jù)集的圖像。重疊在圖像上的是 幾個(gè)界標(biāo)點(diǎn)。"十字"的界標(biāo)點(diǎn)表示準(zhǔn)確的、且由手動(dòng)進(jìn)行的設(shè)置得到的地面實(shí)況(ground truth)。"點(diǎn)"的界標(biāo)點(diǎn)位于通過(guò)以往技術(shù)的決策林中的分林(classification forest)法 設(shè)置的部位,編入輕微的誤差與大的誤差的組合。對(duì)應(yīng)的地面實(shí)況(十字)的界標(biāo)點(diǎn)以及模 式化后的(點(diǎn))的界標(biāo)點(diǎn)與直線連接。當(dāng)沒(méi)有示出線時(shí),在該圖像的地面實(shí)況集中不會(huì)出現(xiàn) 界標(biāo)。通過(guò)分類方法,獨(dú)立地分配解剖學(xué)界標(biāo)的部位。但是,根據(jù)解剖學(xué)的知識(shí),破壞了所 檢測(cè)的界標(biāo)的合適的結(jié)構(gòu)。這是由于沒(méi)有整體地識(shí)別界標(biāo)的相對(duì)的位置關(guān)系。恰當(dāng)?shù)刈R(shí)別 的界標(biāo)不能幫助校正其他的界標(biāo)的設(shè)置中的誤差。
[0013] 具體而言,圖1的右手側(cè)的橢圓內(nèi)部的被模型化的(點(diǎn))界標(biāo)與地面實(shí)況(十字)的 界標(biāo)相比較被較大地錯(cuò)誤地設(shè)置,并且存在幾個(gè)距離,但作為校正被較大地錯(cuò)誤地設(shè)置的 界標(biāo)的線索,分類林模型(幾乎)不能使用準(zhǔn)確地設(shè)置的相鄰的界標(biāo)。
[0014] 另外,在圖像的右下方附近被圓包圍的模型化后的(點(diǎn))界標(biāo)的聚合實(shí)際上是頭部 界標(biāo)。決策林在空間上不能識(shí)別相鄰的被檢測(cè)出的界標(biāo),因此,盡管存在明顯的誤分類誤 差,不能校正這些界標(biāo)的位置,也進(jìn)行基于分類林的大腿股骨頭界標(biāo)的設(shè)置。在基于包含其 他的類型的決策林的識(shí)別的檢測(cè)方法中一般存在該特征。
[0015] 因此,在解剖學(xué)界標(biāo)的位置的確定中,使用決策林等classification (識(shí)別)方法。 在該方法中,多個(gè)界標(biāo)的各個(gè)被獨(dú)立地識(shí)別處理。因此,沒(méi)有考慮多個(gè)界標(biāo)的各個(gè)之間的關(guān) 聯(lián)性。因此,存在發(fā)生界標(biāo)的錯(cuò)誤檢測(cè)以及錯(cuò)誤配置的問(wèn)題。
[0016] 現(xiàn)有技術(shù)文獻(xiàn) [0017] 非專利文獻(xiàn)
[0018] 非專利文獻(xiàn) 1 :Antonio Criminisi、and Jamie Shotton. (2013)Decision Forests in Computer Vision and Medical Image Analysis. Springer ISBN978-1-4471-4928-6.
[0019] 非專利文獻(xiàn) 2 :Antonio Criminisi、Jamie Shotton、and Stefano Bucciarelli. (2009) Decision Forests with Long-Range Spatial Context for Organ Localization in CT Volumes MICCAI-PMMIA workshop,2009.
[0020] 非專利文獻(xiàn) 3 :Antonio Criminisi、Jamie Shotton、Duncan Robertson、and Ender Konukoglu. (2011) Regression Forests for Efficient Anatomy Detection and Localization in CT Studies MICCAI2010Workshop MCV、LNCS6533、pl06-117、2011.
[0021] 非專利文獻(xiàn) 4 :J Ross Quinlan. C4. 5 :Programs for Machine Learning Morgan Kaufmann series in Machine Learning Morgan Kaufmann、1993.
[0022] 非專利文獻(xiàn) 5 :T. F. Cootes、C. J. Taylor、D. H. Cooper、and J. Graham. "Active shape models-their training and application^ Computer Vision and Image Understanding (61) :38-591995.
[0023] 非專利文獻(xiàn) 6 :Tilo Strutz。(2010) "Data Fitting and Uncertainty - A practical introduction to weighted least squares and beyond,'Vieweg & Teubner, ISBN978-3-8348-1022-9.
【發(fā)明內(nèi)容】
[0024] 目的在于提供一種能夠通過(guò)考慮多個(gè)解剖學(xué)界標(biāo)之間的關(guān)聯(lián)性,來(lái)提高解剖學(xué)界 標(biāo)的配置的精度的醫(yī)用圖像處理裝置、醫(yī)用圖像處理方法以及醫(yī)用圖像處理程序。
[0025] 本實(shí)施方式所涉及的醫(yī)用圖像處理裝置具備:存儲(chǔ)部,存儲(chǔ)平均形狀數(shù)據(jù)和醫(yī)用 圖像數(shù)據(jù),該平均形狀數(shù)據(jù)具有通過(guò)將表示平均形狀的多個(gè)第1標(biāo)識(shí)點(diǎn)的各個(gè)第1標(biāo)識(shí)點(diǎn) 建立關(guān)聯(lián)而限制上述第1標(biāo)識(shí)點(diǎn)的各個(gè)第1標(biāo)識(shí)點(diǎn)的移動(dòng)范圍的限制條件和上述第1標(biāo)識(shí) 點(diǎn);提取確定部,根據(jù)上述醫(yī)用圖像數(shù)據(jù)和基于監(jiān)督式學(xué)習(xí)的機(jī)械學(xué)習(xí)處理,從上述醫(yī)用圖 像數(shù)據(jù)中提取多個(gè)第2標(biāo)識(shí)點(diǎn),確定包含上述第2標(biāo)識(shí)點(diǎn)的各個(gè)第2標(biāo)識(shí)點(diǎn)的區(qū)域內(nèi)的似 然性分布;位置對(duì)準(zhǔn)部,根據(jù)上述第1標(biāo)識(shí)點(diǎn)、上述第2標(biāo)識(shí)點(diǎn)以及上述限制條件,執(zhí)行上述 平均形狀數(shù)據(jù)與上述醫(yī)用圖像數(shù)據(jù)的位置對(duì)準(zhǔn);偏離值除去部,根據(jù)上述位置對(duì)準(zhǔn)中的上 述第1標(biāo)識(shí)點(diǎn)、上述第2標(biāo)識(shí)點(diǎn)以及規(guī)定的閾值,從上述第2標(biāo)識(shí)點(diǎn)中除去偏離值;結(jié)合似 然性計(jì)算部,根據(jù)通過(guò)按照上述位置對(duì)準(zhǔn)和上述限制條件對(duì)上述平均形狀進(jìn)行變形而移動(dòng) 而得到的上述第1標(biāo)識(shí)點(diǎn)的位置和上述似然性分布,對(duì)上述平均形狀的每個(gè)變形計(jì)算將分 別與上述位置對(duì)應(yīng)的多個(gè)似然性結(jié)合的結(jié)合似然性;以及解剖學(xué)標(biāo)識(shí)點(diǎn)確定部,根據(jù)與上 述多個(gè)結(jié)合似然性中最大的結(jié)合似然性對(duì)應(yīng)的上述平均形狀的變形、上述第1標(biāo)識(shí)點(diǎn)以及 除去了上述偏離值的上述第2標(biāo)識(shí)點(diǎn),確定上述醫(yī)用圖像數(shù)據(jù)中的解剖學(xué)標(biāo)識(shí)點(diǎn)。
【專利附圖】
【附圖說(shuō)明】
[0026] 圖1是表示以往技術(shù)所涉及的,模型所設(shè)置的("點(diǎn)")解剖學(xué)界標(biāo)以及地面實(shí)況 ("十字")解剖學(xué)界標(biāo)重疊的、患者的胸部以及骨盆區(qū)域的CT圖像數(shù)據(jù)集的圖像的圖。
[0027] 圖2是表示無(wú)偏性訓(xùn)練數(shù)據(jù)集的生成的圖。
[0028] 圖3是表示通過(guò)已知的技術(shù)構(gòu)成決策林的各決策樹中的分類的原理的圖。
[0029] 圖4A是表示決策林的訓(xùn)練的框概略圖。
[0030] 圖4B是表示決策林內(nèi)的獨(dú)立的樹的訓(xùn)練的框概略圖。
[0031] 圖5是表示對(duì)新的、S卩,未知的數(shù)據(jù)集適用決策林的處理的流程圖。
[0032] 圖6是對(duì)于所提供的界標(biāo)點(diǎn)(X)的長(zhǎng)距離空間特征塊尺寸(s)以及偏移(0)參數(shù) 的2D圖。
[0033] 圖7是表示訓(xùn)練決策林的前景以及背景采樣生成的圖。背景采樣從虛線的圓的外 部的區(qū)域隨機(jī)地(置換)選擇,前景采樣從最小的虛線的圓的內(nèi)部的區(qū)域隨機(jī)地(沒(méi)有置換) 選擇。
[0034] 圖8是概略地表示骨盆的解剖學(xué)界標(biāo)的圖。被圖8的界標(biāo)的周圍的小的圓包圍的 區(qū)域以對(duì)該特定的界標(biāo)進(jìn)行訓(xùn)練為目的用于選擇前景采樣。大的圓的外側(cè)的區(qū)域用于選擇 背景采樣。
[0035] 圖9是表示點(diǎn)分布模型(point distribution model :PDM)的訓(xùn)練的框概略圖。
[0036] 圖10是表示對(duì)PDM適用對(duì)于新的即未知的數(shù)據(jù)集的決策林的結(jié)果的處理的流程 圖。
[0037] 圖11是表示對(duì)于適用了決策林之后的新的數(shù)據(jù)集的PDM的初始擬合(初始位置對(duì) 準(zhǔn))的流程圖。
[0038] 圖12是概略地表示人體的CT圖像中的示例的結(jié)果的圖像的圖。
[0039] 圖13是表示分別添加了 A以及B標(biāo)簽的、表示人體的1對(duì)CT圖像的圖。"A"標(biāo)簽 的圖像概略地表示基于決策林的初始界標(biāo)設(shè)置后的中間結(jié)果,"B"標(biāo)簽的圖像概略地表示 適用了 PDM之后的最終結(jié)果。
[0040] 圖14是表示分別添加了 A以及B標(biāo)簽的、表示人體的1對(duì)CT圖像的圖。"A"標(biāo)簽 的圖像概略地表示基于決策林的初始界標(biāo)設(shè)置后的中間結(jié)果,"B"標(biāo)簽的圖像概略地表示 適用PDM之后的最終結(jié)果。
[0041] 圖15是表示分別添加了 A以及B標(biāo)簽的、表示人體的1對(duì)CT圖像的圖。"A"標(biāo)簽 的圖像概略地表示基于決策林的初始界標(biāo)設(shè)置后的中間結(jié)果,"B"標(biāo)簽的圖像概略地表示 適用PDM之后的最終結(jié)果。
[0042] 圖16是表示分別添加了 A以及B標(biāo)簽的、表示人體的1對(duì)CT圖像的圖。"A"標(biāo)簽 的圖像概略地表示基于決策林的初始界標(biāo)設(shè)置后的中間結(jié)果,"B"標(biāo)簽的圖像概略地表示 適用PDM之后的最終結(jié)果。
[0043] 圖17是表示分別添加了 A以及B標(biāo)簽的、表示人體的1對(duì)CT圖像的圖。"A"標(biāo)簽 的圖像概略地表示基于決策林的初始界標(biāo)設(shè)置后的中間結(jié)果,"B"標(biāo)簽的圖像概略地表示 適用PDM之后的最終結(jié)果。
[0044] 圖18是表不分別添加了 A以及B標(biāo)簽的、表不人體的1對(duì)CT圖像的圖。"A"標(biāo)簽 的圖像概略地表示基于決策林的初始界標(biāo)設(shè)置后的中間結(jié)果,"B"標(biāo)簽的圖像概略地表示 適用PDM之后的最終結(jié)果。
[0045] 圖19是具體地表示分別關(guān)于自動(dòng)地配置的界標(biāo),通過(guò)從與自動(dòng)地配置的界標(biāo)對(duì) 應(yīng)的地面實(shí)況界標(biāo)的上述界標(biāo)的間隔而測(cè)量到的誤差造成的圖13至圖18的例子以及不同 的方式中的其他的例子的結(jié)果的表。
[0046] 圖20A是表示用于僅使用決策林的方法的局部(localisation)接收者動(dòng)作者特 性(R0C:Receiver Operator Characteristic)曲線的圖。
[0047] 圖20B是表示用于使用決策林以及PDM的方法的局部ROC曲線的圖。
[0048] 圖21是表示診斷設(shè)備以及關(guān)聯(lián)機(jī)器的例示的網(wǎng)絡(luò)的概略圖。
[0049] 圖22是表示用于生成體數(shù)據(jù)的一般的CT掃描儀的圖。
[0050] 圖23A是概略地表示用于根據(jù)本實(shí)施方式對(duì)圖像數(shù)據(jù)進(jìn)行處理的計(jì)算機(jī)系統(tǒng)的 圖。
[0051] 圖23B是概略地表示用于根據(jù)本實(shí)施方式對(duì)圖像數(shù)據(jù)進(jìn)行處理的計(jì)算機(jī)系統(tǒng)的 圖。
[0052] 圖24是更詳細(xì)且概略地表示計(jì)算機(jī)系統(tǒng)的機(jī)構(gòu)中的幾個(gè)的圖。
[0053] 符號(hào)說(shuō)明
[0054] L···網(wǎng)絡(luò)、2…主要醫(yī)院構(gòu)成要素、4…遠(yuǎn)程診斷設(shè)備組件、5…患者、6…遠(yuǎn)程單一用 戶構(gòu)成要素、7…開口、8…CT掃描儀、10···核磁共振映像裝置、11掃描儀、12···數(shù)字X射 線攝影(DR)設(shè)備、13···共用格式文件服務(wù)器、14···計(jì)算機(jī)X射線攝影(CR)設(shè)備、15…因特網(wǎng) 網(wǎng)關(guān)、16···多個(gè)計(jì)算機(jī)工作站、17···因特網(wǎng)網(wǎng)關(guān)、18···共用格式文件服務(wù)器、20···文件檔案、 21…計(jì)算機(jī)工作站、22···計(jì)算機(jī)系統(tǒng)、24···中央運(yùn)算處理裝置(CPU)、25···局域網(wǎng)(LAN)、 26…只讀存儲(chǔ)器(R0M)、28…隨機(jī)存取存儲(chǔ)器(RAM)、30…硬盤驅(qū)動(dòng)器、32···顯示器驅(qū)動(dòng)器、 34A…第1顯不器、34B…第2顯不器、36...用戶輸入輸出(10)電路、38...鍵盤、40...鼠標(biāo)、 42…共用總線42、42,.總線連接、42b…總線連接、42cA…第1總線連接、42cB…第2總線連 接、42d…總線連接、44...顯卡、46...系統(tǒng)存儲(chǔ)器、50…CPU緩存、54…GPU、56…GPU存儲(chǔ)器、 60…高速圖形處理接口、62…GPU緩存I/O控制器、64···處理引擎、66···顯示器I/O控制器。
【具體實(shí)施方式】
[0055] 特定的實(shí)施方式提供一種計(jì)算機(jī)裝置,該計(jì)算機(jī)裝置能夠進(jìn)行動(dòng)作,以使得執(zhí)行 對(duì)患者的一部分或者所有的三維圖像數(shù)據(jù)集中的多個(gè)解剖學(xué)界標(biāo)集進(jìn)行定位的數(shù)據(jù)處理 方法,包含:a.提供以配置多個(gè)解剖學(xué)界標(biāo)集的各個(gè)的方式進(jìn)行訓(xùn)練的訓(xùn)練完成監(jiān)督式機(jī) 械學(xué)習(xí)算法(supervised machine learning algorithm) ;b.為了對(duì)三維圖像數(shù)據(jù)集配 置多個(gè)解剖學(xué)界標(biāo)集,適用監(jiān)督式機(jī)械學(xué)習(xí)算法;c.提供具有表示與各種患者中的多個(gè)界 標(biāo)集相關(guān)的位置的平均形狀(mean shape)和共方差行列的訓(xùn)練后的點(diǎn)分布模型(point distribution model);d (i)除去具有與平均形狀以及共方差行列相關(guān)的閾值之上的不確 定性的位置的任何界標(biāo);接著,d (ii)通過(guò)使從共方差行列的固有向量的線性結(jié)合導(dǎo)出的 新的形狀妥當(dāng)?shù)慕Y(jié)合似然性(joint likelihood)最大,以及通過(guò)優(yōu)化剩余的界標(biāo)的位置, 來(lái)將點(diǎn)分布模型適用于從監(jiān)督式機(jī)械學(xué)習(xí)算法輸出的多個(gè)位置中的多個(gè)界標(biāo)集。
[0056] 根據(jù)特定的實(shí)施方式,當(dāng)由d (i)除去界標(biāo)時(shí),該界標(biāo)之后被由與平均形狀相關(guān)的 其他的界標(biāo)得到的位置處置換。
[0057] 根據(jù)特定的實(shí)施方式,以被置換的界標(biāo)包含于優(yōu)化中的方式,在優(yōu)化之前執(zhí)行界 標(biāo)的重新配置。
[0058] 根據(jù)特定的實(shí)施方式,點(diǎn)分布模型中的界標(biāo)的除去通過(guò)反復(fù)地計(jì)算加權(quán)最小截平 方法(weighted least trimmed square)而實(shí)現(xiàn),通過(guò)各反復(fù),除去具有最高的殘差平方和 (residual squared sum)的界標(biāo),當(dāng)該最高的殘差平方和低于閾值時(shí),反復(fù)結(jié)束。
[0059] 根據(jù)特定的實(shí)施方式,訓(xùn)練后的監(jiān)督式機(jī)械學(xué)習(xí)算法是決策林算法。
[0060] 根據(jù)特定的實(shí)施方式,該決策林算法基于分類。
[0061] 根據(jù)特定的實(shí)施方式,該決策林算法基于回歸。
[0062] 特定的實(shí)施方式提供一種對(duì)患者的一部分或者所有的三維圖像數(shù)據(jù)集中的解剖 學(xué)界標(biāo)集進(jìn)行定位的方法,包含:a.提供以配置多個(gè)解剖學(xué)界標(biāo)集的各個(gè)的方式進(jìn)行訓(xùn)練 的訓(xùn)練完成監(jiān)督式機(jī)械學(xué)習(xí)算法;b.為了對(duì)三維圖像數(shù)據(jù)集配置多個(gè)解剖學(xué)界標(biāo)集而適 用監(jiān)督式機(jī)械學(xué)習(xí)算法;c.提供具有表示與各種患者中的多個(gè)界標(biāo)集相關(guān)的位置的平均 形狀和共方差行列的訓(xùn)練后的點(diǎn)分布模型(point distribution model);d. d(i)除去具有 與平均形狀以及共方差行列相關(guān)的閾值之上的不確定性的位置的任何的界標(biāo);接著,d(ii) 通過(guò)使從共方差行列的固有向量的線性結(jié)合導(dǎo)出的新的形狀妥當(dāng)?shù)慕Y(jié)合似然性最大,以及 通過(guò)優(yōu)化剩余的界標(biāo)的位置,來(lái)將點(diǎn)分布模型適用于根據(jù)監(jiān)督式機(jī)械學(xué)習(xí)算法輸出的多個(gè) 位置中的多個(gè)界標(biāo)集。
[0063] 根據(jù)特定的實(shí)施方式,當(dāng)通過(guò)d (i)除去界標(biāo)時(shí),該界標(biāo)之后被由與平均形狀相關(guān) 的其他的界標(biāo)得到的位置的界標(biāo)置換。
[0064] 根據(jù)特定的實(shí)施方式,以被置換的界標(biāo)包含于優(yōu)化的方式,在優(yōu)化之前執(zhí)行界標(biāo) 的重新配置。
[0065] 根據(jù)特定的實(shí)施方式,點(diǎn)分布模型中的界標(biāo)的除去通過(guò)反復(fù)計(jì)算加權(quán)最小截平方 法來(lái)完成,通過(guò)各反復(fù),除去具有最高的殘差平方和的界標(biāo),當(dāng)該最高的殘差平方和低于閾 值時(shí),反復(fù)結(jié)束。
[0066] 根據(jù)特定的實(shí)施方式,訓(xùn)練后的監(jiān)督式機(jī)械學(xué)習(xí)算法是決策林算法。
[0067] 根據(jù)特定的實(shí)施方式,該決策林算法基于分類。
[0068] 根據(jù)特定的實(shí)施方式,該決策林算法基于回歸。
[0069] 特定的實(shí)施方式提供一種非暫時(shí)的計(jì)算機(jī)程序產(chǎn)品,該計(jì)算機(jī)程序產(chǎn)品存儲(chǔ)用于 進(jìn)行對(duì)患者的一部分或者所有的三維圖像數(shù)據(jù)集中的多個(gè)解剖學(xué)界標(biāo)集進(jìn)行定位的計(jì)算 機(jī)自動(dòng)數(shù)據(jù)處理方法的機(jī)械可讀命令,包含:a.提供以配置多個(gè)解剖學(xué)界標(biāo)集的各個(gè)的方 式進(jìn)行訓(xùn)練的訓(xùn)練完成監(jiān)督式機(jī)械學(xué)習(xí)算法;b.為了對(duì)三維圖像數(shù)據(jù)集配置多個(gè)解剖學(xué) 界標(biāo)集而適用監(jiān)督式機(jī)械學(xué)習(xí)算法;c.提供具有表示與各種患者中的多個(gè)界標(biāo)集相關(guān)的 位置的平均形狀和共方差行列的訓(xùn)練后的點(diǎn)分布模型(point distribution model) ;d.d (i)除去具有與平均形狀以及共方差行列相關(guān)的閾值之上的不確定性的位置的任何界標(biāo); 接著,d (ii)通過(guò)基于使從共方差行列的固有向量的線性結(jié)合導(dǎo)出的新的形狀妥當(dāng)?shù)慕Y(jié)合 似然性最大化的剩余的界標(biāo)的位置的優(yōu)化,將點(diǎn)分布模型適用于通過(guò)監(jiān)督式機(jī)械學(xué)習(xí)算法 輸出的多個(gè)位置中的多個(gè)界標(biāo)集。
[0070] 特定的實(shí)施方式提供一種圖像取得設(shè)備,該圖像取得設(shè)備能夠進(jìn)行動(dòng)作,以使得 與用于進(jìn)行對(duì)患者的一部分或者所有的三維圖像數(shù)據(jù)集中的多個(gè)解剖學(xué)界標(biāo)集進(jìn)行定位 的計(jì)算機(jī)自動(dòng)數(shù)據(jù)處理方法的機(jī)械可讀命令同時(shí)加載,并執(zhí)行該命令,包含:a.提供以配 置多個(gè)解剖學(xué)界標(biāo)的各個(gè)的方式訓(xùn)練后的訓(xùn)練完成監(jiān)督式機(jī)械學(xué)習(xí)算法;b.為了對(duì)三維 圖像數(shù)據(jù)集配置多個(gè)解剖學(xué)界標(biāo)集而適用監(jiān)督式機(jī)械學(xué)習(xí)算法;c.提供具有表示與各種 患者中的多個(gè)界標(biāo)集相關(guān)的位置的平均形狀和共方差行列的訓(xùn)練后的點(diǎn)分布模型(point distribution model);d.d (i)除去具有與平均形狀以及共方差行列相關(guān)的閾值之上的不 確定性的位置的任何界標(biāo);接著,d (ii)通過(guò)使從共方差行列的固有向量的線性結(jié)合導(dǎo)出 的新的形狀妥當(dāng)?shù)慕Y(jié)合似然性最大,并優(yōu)化剩余的界標(biāo)的位置,來(lái)將點(diǎn)分布模型適用于根 據(jù)監(jiān)督式機(jī)械學(xué)習(xí)算法輸出的多個(gè)位置中的多個(gè)界標(biāo)集。
[0071] (決策林)
[0072] 所謂決策林是指能夠?qū)C(jī)械學(xué)習(xí)實(shí)施分類方法或者回歸方法的雙方的一種監(jiān)督 式機(jī)械學(xué)習(xí)算法。一般的概要記載于以下的文本中。
[0073] Decision Forests in Computer Vision and Medical Image Analysis.
[0074] Antonio Criminisi 以及 Jamie Shotton
[0075] SpringerfOl3 年、ISBN978-1-4471-4928-6。
[0076] 以下,示出限定于對(duì)醫(yī)用圖像數(shù)據(jù)、具體而言,對(duì)CT數(shù)據(jù)適用決策林的、 Cambridge、United Kingdom 的 Microsoft Research Laboratories 中的相同的組的其他 的論文。
[0077] Decision Forests with Long-Range Spatial Context for Organ Localization in CT Volumes.
[0078] Antonio Criminisi、Jamie Shotton、以及 Stefano Bucciarelli.
[0079] MICCAI-PMMIA workshop,2009.
[0080] Regression Forests for Efficient Anatomy Detection and Localization in CT Studies.
[0081] Antonio Criminisi、Jamie Shotton、Duncan Robertson、以及 Ender Konukoglu.
[0082] MICCAI2〇10Workshop MCV、LNCS6533、l〇6 ?II7 頁(yè)、2〇ll 年。
[0083] 前者說(shuō)明使用基于分類的決策林(通常,在文獻(xiàn)中稱為分類林(classification forest))的方法,后者說(shuō)明使用基于回歸的決策林(通常,在文獻(xiàn)中稱為回歸林 (regression forest))的方法。相同的作者們的其他的大量的刊物針對(duì)決策林的各方面以 及適用進(jìn)行說(shuō)明。
[0084] 在本說(shuō)明書中說(shuō)明的方法的實(shí)施方式中,作為提供與醫(yī)用圖像數(shù)據(jù)建立關(guān)聯(lián)的界 標(biāo)的初始配置的本方法中的第1步驟使用分類林。接著,為了提供點(diǎn)分布模型中的多個(gè)界 標(biāo)的開始位置,從分類林輸出界標(biāo)。針對(duì)PDM,以下詳細(xì)地說(shuō)明。
[0085] 為了與基于自我學(xué)習(xí)的其他的處理相同,分類林算法典型的情況是由熟練的用戶 手動(dòng)地配置,學(xué)習(xí)如何對(duì)具有已知的正確的界標(biāo)位置的多個(gè)患者圖像的訓(xùn)練數(shù)據(jù)集設(shè)定多 個(gè)界標(biāo)。一般而言,應(yīng)該注意,訓(xùn)練數(shù)據(jù)集表示與在患者群體內(nèi)發(fā)生的所有的變動(dòng)相關(guān)的所 有的范圍。有時(shí)將準(zhǔn)確地表示患者群體的訓(xùn)練數(shù)據(jù)集稱為無(wú)偏性Unbiased)。它們被稱為 地面實(shí)況數(shù)據(jù)集。
[0086] 圖2概略地表示在多個(gè)訓(xùn)練數(shù)據(jù)圖像上配置多個(gè)界標(biāo)制作地面實(shí)況數(shù)據(jù)的無(wú)偏 性訓(xùn)練數(shù)據(jù)集的制作。在訓(xùn)練中,通常將訓(xùn)練數(shù)據(jù)集分割成兩部分。例如,當(dāng)存在120的訓(xùn) 練數(shù)據(jù)集時(shí),將它們隨機(jī)分割成2組,例如,能夠分割成60和大小相等的2組。一組用于訓(xùn) 練分類林。另一組用于通過(guò)比較訓(xùn)練后的分類林將多個(gè)界標(biāo)配置于何處、和如果按照地面 實(shí)況的配置多個(gè)界標(biāo)應(yīng)該位于何處,來(lái)試驗(yàn)訓(xùn)練后的分類林的性能。如果假設(shè)分類林具有 能夠容許的性能(或者,至少包含已知的長(zhǎng)處和短處),則分類林一般能夠適用于患者圖像 (有時(shí)稱為能夠適用于處理不明或者新的數(shù)據(jù)集)。
[0087] 圖3概略地表示通過(guò)以往的技術(shù)構(gòu)成決策林的各決策樹中的分類的原理??紤]具 備多個(gè)體素的數(shù)據(jù)量V。各體素 X從決策樹降下,通過(guò)特定數(shù)的分支節(jié)點(diǎn),最終到達(dá)葉節(jié)點(diǎn)。 如果按照特定的路徑到達(dá)葉節(jié)點(diǎn),則體素以特定的似然性(概率)分配給各類別(即,特定的 界標(biāo)或者背景)。在圖3中,該分配由葉節(jié)點(diǎn)處的直方圖概略地表示,在該直方圖中,Y軸表 示體素屬于在X軸上表示的界標(biāo)的各個(gè)的似然性(概率)。如果所有的體素通過(guò)樹,則界標(biāo) 的有無(wú)通過(guò)考慮與和界標(biāo)對(duì)應(yīng)的不同的體素相關(guān)的似然性(概率)來(lái)確定。所確定的界標(biāo)的 位置通過(guò)計(jì)算不同的體素所取的平均的位置來(lái)預(yù)測(cè)。
[0088] 如圖3概略地所示的那樣,各分支節(jié)點(diǎn)(判定)與所謂的特征和閾值Ti建立關(guān) 聯(lián)。對(duì)規(guī)定的體素 X的特征計(jì)算函數(shù)(Θ i,x),將結(jié)果得到的值與閾值進(jìn)行比較。當(dāng)f( θ i, X)的值比閾值Ti大時(shí),對(duì)于樹中的所有的體素的分類路徑沿著左側(cè),否則,沿著右側(cè)。特 征在之后的圖4B中進(jìn)行說(shuō)明。
[0089] 圖4A是表示使用以往的技術(shù)的決策林訓(xùn)練處理的概略圖。
[0090] 為了訓(xùn)練決策林,準(zhǔn)備具有界標(biāo)的地面實(shí)況配置的N個(gè)訓(xùn)練數(shù)據(jù)集。數(shù)N通常為 50至200,大小依存于上極集團(tuán)中的變動(dòng)的程度等要素。
[0091] 接著,進(jìn)行訓(xùn)練數(shù)據(jù)的選定。通過(guò)置換隨機(jī)地選擇N個(gè)數(shù)據(jù)集的子集Μ (在此,Μ <<Ν),分配給第t決策樹。對(duì)林的Τ個(gè)樹的全部重復(fù)該步驟。從而,各樹被分配給應(yīng)該訓(xùn) 練的訓(xùn)練數(shù)據(jù)集的子集,這些子集也可以重復(fù)。
[0092] 接著,單獨(dú)地對(duì)各樹進(jìn)行訓(xùn)練,接著,將樹存儲(chǔ)于1個(gè)林文件(forest file)。
[0093] 圖4B是表示基于所創(chuàng)立的技術(shù)的決策林內(nèi)的單獨(dú)的樹的訓(xùn)練的框概略圖。
[0094] 在圖4B所示的步驟S1至S3中,對(duì)前景區(qū)域和背景區(qū)域進(jìn)行定義,從Μ個(gè)數(shù)據(jù)集 中進(jìn)行采樣。該步驟通過(guò)在界標(biāo)的周圍對(duì)前景區(qū)域進(jìn)行定義,接著,將其他的所有的體素定 義為背景區(qū)域體素來(lái)實(shí)現(xiàn)。接著,當(dāng)是前景時(shí),不進(jìn)行置換而隨機(jī)地選擇采樣(即,體素),當(dāng) 是背景時(shí),進(jìn)行置換隨機(jī)地選擇采樣。
[0095] 從而,在步驟S1中,對(duì)由存在于任意的界標(biāo)的所提供的范圍內(nèi)的所有的體素構(gòu)成 的前景區(qū)域進(jìn)行定義。
[0096] 在步驟S2中,對(duì)由沒(méi)有被定義為位于前景區(qū)域內(nèi)的所有的體素構(gòu)成的背景區(qū)域 進(jìn)行定義。
[0097] 在步驟S3中,從前景以及背景中選擇幾個(gè)采樣(體素)。前景的情況下,不進(jìn)行置 換而隨機(jī)地選擇采樣,即,分別是唯一的。背景的情況下,進(jìn)行置換隨機(jī)地選擇采樣。記錄 哪一界標(biāo)與各前景采樣相關(guān)。
[0098] 在圖4Β所表示的步驟S4至S6中,對(duì)特征進(jìn)行定義。隨機(jī)地分配偏移、塊尺寸、通 道(以下,詳細(xì)地說(shuō)明),對(duì)F個(gè)特征的列表進(jìn)行定義。對(duì)每個(gè)采樣,計(jì)算由F個(gè)要素構(gòu)成的 特征向量。接著,對(duì)這些特征向量的各個(gè)分配界標(biāo)類別或者背景的標(biāo)簽。
[0099] 從而,在步驟S4中,通過(guò)隨機(jī)地分配偏移、塊尺寸、以及通道(這些用語(yǔ)由圖6的說(shuō) 明進(jìn)行定義)的值,從而對(duì)F個(gè)"特征"的列表進(jìn)行定義。1個(gè)特征由偏移、塊尺寸、以及通道 的三個(gè)一組的值構(gòu)成。從而,該列表由這樣的F個(gè)三組構(gòu)成。各特征決定能夠?qū)Σ蓸舆m用 的米樣方法。列表的長(zhǎng)度F也可以大。例如,在一實(shí)施方式中,列表包含2500個(gè)特征。關(guān) 于圖3說(shuō)明的特征的下標(biāo)i是用于區(qū)別F個(gè)特征的各個(gè)的數(shù)字。特征與第i個(gè) 特征向量對(duì)應(yīng)。即,1蘭i蘭F。
[0100] 在步驟S5中,對(duì)每個(gè)采樣,計(jì)算F個(gè)要素的特征向量。即,對(duì)三組的每一個(gè),根據(jù) 采樣適用指定的偏移和塊尺寸,根據(jù)塊內(nèi)的體素,計(jì)算指定的通道。
[0101] 在步驟S6中,對(duì)特征向量的各個(gè),添加作為背景,或者作為特定的界標(biāo)的任一標(biāo) 簽。
[0102] 在圖4B所示的步驟S7至S10中,使用采樣(和相關(guān)聯(lián)的、添加了標(biāo)簽的特征向量) 對(duì)決策樹進(jìn)行訓(xùn)練。其目的在于選擇對(duì)于各分支節(jié)點(diǎn)的單一的特征以及閾值,由此,當(dāng)使用 樹時(shí),能夠進(jìn)行該節(jié)點(diǎn)的"判定"。
[0103] 從而,在步驟S7中,將采樣集交付給樹的節(jié)點(diǎn)。最初,將采樣的全集交付給樹的根 節(jié)點(diǎn)。在以后的重復(fù)中,越是樹之后的節(jié)點(diǎn),交付給節(jié)點(diǎn)的子集變得越來(lái)越小。
[0104] 在步驟S8中,使用以下的C4. 5算法計(jì)算現(xiàn)在的節(jié)點(diǎn)中的采樣集內(nèi)的特征的各個(gè) "信息增益"。
[0105] J Ross Quinlan。C4. 5 :Programs for Machine Learning.
[0106] Morgan Kaufmann series in Machine Learning.
[0107] Morgan Kaufmann、1993 年。
[0108] 在步驟S9中,通過(guò)C4. 5算法,選擇將采樣集最優(yōu)地分割成2個(gè)不同的子集的特征 (和建立了關(guān)聯(lián)的閾值)。將該選擇的特征和閾值分配給現(xiàn)在的節(jié)點(diǎn)。該現(xiàn)在的節(jié)點(diǎn)在此稱 為"分支節(jié)點(diǎn)"。
[0109] 在步驟S10中,按照所選擇的特征以及閾值分割采樣,分配給以后的節(jié)點(diǎn)。之后, 直到到達(dá)停止基準(zhǔn),重復(fù)步驟S7至S9。例如,停止基準(zhǔn)能夠假設(shè)為采樣子集的尺寸低于最 小尺寸。
[0110] 圖5是表示將訓(xùn)練得到的決策林適用于新的數(shù)據(jù)集的框概略圖。
[0111] 在步驟T1中,如果假設(shè)新的數(shù)據(jù)集,例如,如果假設(shè)CT掃描的體數(shù)據(jù),則在檢測(cè)環(huán) 境中,通過(guò)最初確認(rèn)埋入值來(lái)對(duì)數(shù)據(jù)進(jìn)行前處理,其結(jié)果,在檢測(cè)中不使用埋入體素。埋入 值是為了表示CT掃描內(nèi)的體素不是數(shù)據(jù)的一部分而取的值。通常,該值是可能的數(shù)據(jù)值的 范圍外,具有該埋入值的所有的體素不應(yīng)該作為數(shù)據(jù)的一部分來(lái)進(jìn)行處理。
[0112] 在步驟T2中,為了患者空間內(nèi)的軸調(diào)整而使數(shù)據(jù)集旋轉(zhuǎn)?;颊呖臻g表示與CT掃 描儀內(nèi)的人相關(guān)的標(biāo)準(zhǔn)的解剖學(xué)位置,因此,是在數(shù)據(jù)收集時(shí)沿著掃描步驟一般地排列的 解剖學(xué)坐標(biāo)系。
[0113] 在步驟T3中,為了縮短處理時(shí)間,將數(shù)據(jù)集的規(guī)模只縮小特定的系數(shù)(例如,每1 體素縮小到4mm)。
[0114] 如果進(jìn)行前處理,則使數(shù)據(jù)集的各體素從以根節(jié)點(diǎn)開始的林的樹上下行。
[0115] 在步驟T4中,在所提供的分支節(jié)點(diǎn)處,計(jì)算在該節(jié)點(diǎn)決定的特征。在步驟T5中, 將計(jì)算出的值與在該節(jié)點(diǎn)建立關(guān)聯(lián)的所存儲(chǔ)的閾值進(jìn)行比較。按照該比較的結(jié)果,將體素 交付給右側(cè)或者左側(cè)的子節(jié)點(diǎn)。直到體素到達(dá)葉節(jié)點(diǎn)為止重復(fù)步驟T4和T5。
[0116] 在步驟T6中,在到達(dá)葉節(jié)點(diǎn)之后,(如在上述中關(guān)于圖3說(shuō)明的那樣)對(duì)該節(jié)點(diǎn)的 類別的似然性分配體素。
[0117] 對(duì)數(shù)據(jù)集內(nèi)的各體素、以及森中的所有的樹,重復(fù)處置(步驟T4至T6 )。
[0118] 在步驟T7中,對(duì)各體素,為了得到所有的類別/界標(biāo)中的對(duì)于該體素的似然性值, 計(jì)算來(lái)自所有的樹的似然性的平均值。
[0119] 如步驟T8所示,由此,生成對(duì)于從林中的所有的樹導(dǎo)出的各類別(特定的界標(biāo)、或 者背景)的似然性組(likelihood cloud)。
[0120] 為了提高效率,在特定的實(shí)施方式中,不一定評(píng)價(jià)所有的體素的似然性。即,不一 定所有的體素都通過(guò)樹節(jié)點(diǎn)。這是通過(guò)當(dāng)通過(guò)數(shù)據(jù)量重復(fù)時(shí),跳躍特定數(shù)的體素來(lái)實(shí)現(xiàn)。
[0121] 在步驟T9中,根據(jù)周圍的值對(duì)這些跳過(guò)的體素中的似然性進(jìn)行插補(bǔ)。
[0122] 在步驟T10中,以成為組內(nèi)的最高值的方式取特定的界標(biāo)的最終的似然性值,3D 中的該最高值的位置如圖5的最終的圖像所概略地示出那樣,成為數(shù)據(jù)集內(nèi)的界標(biāo)位置。
[0123] 如在上述中說(shuō)明的那樣,分支節(jié)點(diǎn)使用特征以便能夠判定特定的體素應(yīng)該沿著哪 一路徑。這些特征基于在特定的通道內(nèi)計(jì)算出的、各界標(biāo)的隨機(jī)的偏移以及塊尺寸。
[0124] 如圖6所概略地示出的那樣,設(shè)特征F為偏移0以及塊尺寸S進(jìn)行參數(shù)化處理。偏 移0= (Ox ;0y ;0z)是從X中的界標(biāo)位置到特征的直方體(在本說(shuō)明書中,在該2D的圖稱為 塊)的中心S的3D歐幾里得距離。該直方體的3D的尺寸由參數(shù)S= (Sx ;Sy ;Sz)決定。
[0125] 特征的另一參數(shù)是根據(jù)數(shù)據(jù)的特定的表現(xiàn)計(jì)算各特征的通道C (例如,放射線濃 度、梯度),將這些表現(xiàn)的各個(gè)稱為通道。例如,放射線濃度通道是以HU單位表示的數(shù)據(jù)的 強(qiáng)度值的單純的表現(xiàn),梯度通道是強(qiáng)度的梯度值的大小。使用這些通道中的1個(gè)計(jì)算各特 征,隨機(jī)地確定該通道。
[0126] 訓(xùn)練時(shí),從數(shù)據(jù)集中提取采樣,提示給具有作為該體素的地面實(shí)況數(shù)據(jù)的所提供 的標(biāo)簽的樹(即,該體素是界標(biāo)還是背景)。
【權(quán)利要求】
1. 一種醫(yī)用圖像處理裝置,其特征在于包括: 存儲(chǔ)部,存儲(chǔ)平均形狀數(shù)據(jù)和醫(yī)用圖像數(shù)據(jù),該平均形狀數(shù)據(jù)具有通過(guò)將表示平均形 狀的多個(gè)第1標(biāo)識(shí)點(diǎn)的各個(gè)第1標(biāo)識(shí)點(diǎn)建立關(guān)聯(lián)而限制上述第1標(biāo)識(shí)點(diǎn)的各個(gè)第1標(biāo)識(shí)點(diǎn) 的移動(dòng)范圍的限制條件和上述第1標(biāo)識(shí)點(diǎn); 提取確定部,根據(jù)上述醫(yī)用圖像數(shù)據(jù)和基于監(jiān)督式學(xué)習(xí)的機(jī)械學(xué)習(xí)處理,從上述醫(yī)用 圖像數(shù)據(jù)中提取多個(gè)第2標(biāo)識(shí)點(diǎn),確定包含上述第2標(biāo)識(shí)點(diǎn)的各個(gè)第2標(biāo)識(shí)點(diǎn)的區(qū)域內(nèi)的 似然性分布; 位置對(duì)準(zhǔn)部,根據(jù)上述第1標(biāo)識(shí)點(diǎn)、上述第2標(biāo)識(shí)點(diǎn)以及上述限制條件,執(zhí)行上述平均 形狀數(shù)據(jù)與上述醫(yī)用圖像數(shù)據(jù)的位置對(duì)準(zhǔn); 偏離值除去部,根據(jù)上述位置對(duì)準(zhǔn)中的上述第1標(biāo)識(shí)點(diǎn)、上述第2標(biāo)識(shí)點(diǎn)以及規(guī)定的閾 值,從上述第2標(biāo)識(shí)點(diǎn)中除去偏離值; 結(jié)合似然性計(jì)算部,根據(jù)通過(guò)按照上述位置對(duì)準(zhǔn)和上述限制條件對(duì)上述平均形狀進(jìn)行 變形而移動(dòng)而得到的上述第1標(biāo)識(shí)點(diǎn)的位置和上述似然性分布,對(duì)上述平均形狀的每個(gè)變 形計(jì)算將分別與上述位置對(duì)應(yīng)的多個(gè)似然性結(jié)合的結(jié)合似然性;以及 解剖學(xué)標(biāo)識(shí)點(diǎn)確定部,根據(jù)與上述多個(gè)結(jié)合似然性中最大的結(jié)合似然性對(duì)應(yīng)的上述平 均形狀的變形、上述第1標(biāo)識(shí)點(diǎn)以及除去了上述偏離值的上述第2標(biāo)識(shí)點(diǎn),確定上述醫(yī)用圖 像數(shù)據(jù)中的解剖學(xué)標(biāo)識(shí)點(diǎn)。
2. 根據(jù)權(quán)利要求1所述的醫(yī)用圖像處理裝置,其特征在于:上述平均形狀數(shù)據(jù)是根據(jù) 多個(gè)教師數(shù)據(jù)集和規(guī)定的點(diǎn)分布模型產(chǎn)生的數(shù)據(jù)。
3. 根據(jù)權(quán)利要求2所述的醫(yī)用圖像處理裝置,其特征在于:上述偏離值除去部在上述 第2標(biāo)識(shí)點(diǎn)中,用與上述偏離標(biāo)識(shí)點(diǎn)對(duì)應(yīng)的上述第1標(biāo)識(shí)點(diǎn)置換與上述偏離值對(duì)應(yīng)的偏離 標(biāo)識(shí)點(diǎn)。
4. 根據(jù)權(quán)利要求3所述的醫(yī)用圖像處理裝置,其特征在于:上述結(jié)合似然性計(jì)算部包 含置換了上述偏離標(biāo)識(shí)點(diǎn)的上述第1標(biāo)識(shí)點(diǎn),計(jì)算上述結(jié)合似然性。
5. 根據(jù)權(quán)利要求1所述的醫(yī)用圖像處理裝置,其特征在于:上述偏離值除去部使用上 述第1標(biāo)識(shí)點(diǎn)和上述第2標(biāo)識(shí)點(diǎn)的差來(lái)計(jì)算殘差平方和,將超過(guò)上述規(guī)定的閾值的上述殘 差平方和中的與多個(gè)項(xiàng)中最大值相關(guān)的第2標(biāo)識(shí)點(diǎn)作為上述偏離值除去。
6. 根據(jù)權(quán)利要求2所述的醫(yī)用圖像處理裝置,其特征在于:上述機(jī)械學(xué)習(xí)處理具有決 策林的算法,所述決策林的算法具有根據(jù)上述教師數(shù)據(jù)集預(yù)先學(xué)習(xí)的多個(gè)決策樹。
7. 根據(jù)權(quán)利要求6所述的醫(yī)用圖像處理裝置,其特征在于:上述決策林具有與上述醫(yī) 用圖像數(shù)據(jù)中的上述第2標(biāo)識(shí)點(diǎn)的分類相關(guān)的多個(gè)分類樹作為上述決策樹。
8. 根據(jù)權(quán)利要求6所述的醫(yī)用圖像處理裝置,其特征在于:上述決策林具有與上述醫(yī) 用圖像數(shù)據(jù)中的上述第2標(biāo)識(shí)點(diǎn)的回歸相關(guān)的多個(gè)回歸樹作為上述決策樹。
9. 一種醫(yī)用圖像處理方法,其特征在于包括: 存儲(chǔ)平均形狀數(shù)據(jù)和醫(yī)用圖像數(shù)據(jù),該平均形狀數(shù)據(jù)具有通過(guò)將表示平均形狀的多個(gè) 第1標(biāo)識(shí)點(diǎn)的各個(gè)第1標(biāo)識(shí)點(diǎn)建立關(guān)聯(lián)來(lái)限制上述第1標(biāo)識(shí)點(diǎn)的各個(gè)第1標(biāo)識(shí)點(diǎn)的移動(dòng)范 圍的限制條件和上述第1標(biāo)識(shí)點(diǎn); 根據(jù)上述醫(yī)用圖像數(shù)據(jù)和基于監(jiān)督式學(xué)習(xí)的機(jī)械學(xué)習(xí)處理,從上述醫(yī)用圖像數(shù)據(jù)中提 取多個(gè)第2標(biāo)識(shí)點(diǎn); 確定包含上述第2標(biāo)識(shí)點(diǎn)的各個(gè)第2標(biāo)識(shí)點(diǎn)的區(qū)域內(nèi)的似然性分布; 根據(jù)上述第1標(biāo)識(shí)點(diǎn)、上述第2標(biāo)識(shí)點(diǎn)以及上述限制條件,執(zhí)行上述平均形狀數(shù)據(jù)與上 述醫(yī)用圖像數(shù)據(jù)的位置對(duì)準(zhǔn); 根據(jù)上述位置對(duì)準(zhǔn)中的上述第1標(biāo)識(shí)點(diǎn)、上述第2標(biāo)識(shí)點(diǎn)以及規(guī)定的閾值,從上述第2 標(biāo)識(shí)點(diǎn)中除去偏離值; 根據(jù)通過(guò)按照上述位置對(duì)準(zhǔn)和上述限制條件對(duì)上述平均形狀進(jìn)行變形而移動(dòng)而得到 的上述第1標(biāo)識(shí)點(diǎn)的位置和上述似然性分布,對(duì)上述平均形狀的每個(gè)變形計(jì)算分別將與上 述位置對(duì)應(yīng)的多個(gè)似然性結(jié)合的結(jié)合似然性;以及 根據(jù)與上述多個(gè)結(jié)合似然性中最大的結(jié)合似然性對(duì)應(yīng)的上述平均形狀的變形、上述第 1標(biāo)識(shí)點(diǎn)以及除去了上述偏離值的第2標(biāo)識(shí)點(diǎn),確定上述醫(yī)用圖像數(shù)據(jù)中的解剖學(xué)標(biāo)識(shí)點(diǎn)。
10. 根據(jù)權(quán)利要求9所述的醫(yī)用圖像處理方法,其特征在于:除去上述偏離值的步驟在 上述第2標(biāo)識(shí)點(diǎn),用與上述偏離標(biāo)識(shí)點(diǎn)對(duì)應(yīng)的上述第1標(biāo)識(shí)點(diǎn)置換與上述偏離值對(duì)應(yīng)的偏 離標(biāo)識(shí)點(diǎn)。
11. 根據(jù)權(quán)利要求10所述的醫(yī)用圖像處理方法,其特征在于:計(jì)算上述結(jié)合似然性的 步驟包含置換了上述偏離標(biāo)識(shí)點(diǎn)的上述第1標(biāo)識(shí)點(diǎn),計(jì)算上述結(jié)合似然性。
12. 根據(jù)權(quán)利要求9所述的醫(yī)用圖像處理方法,其特征在于:除去上述偏離值的步驟使 用上述第1標(biāo)識(shí)點(diǎn)與上述第2標(biāo)識(shí)點(diǎn)的差計(jì)算殘差平方和,將超過(guò)上述規(guī)定的閾值的上述 殘差平方和中的與最大的差相關(guān)的上述第2標(biāo)識(shí)點(diǎn)作為上述偏離值除去。
13. 根據(jù)權(quán)利要求9所述的醫(yī)用圖像處理方法,其特征在于:上述機(jī)械學(xué)習(xí)處理具有決 策林的算法,上述決策林的算法具有根據(jù)教師數(shù)據(jù)集預(yù)先學(xué)習(xí)的多個(gè)決策樹。
14. 根據(jù)權(quán)利要求13所述的醫(yī)用圖像處理方法,其特征在于:上述決策林具有與上述 醫(yī)用圖像數(shù)據(jù)中的第2標(biāo)識(shí)點(diǎn)的分類相關(guān)的多個(gè)分類樹作為上述決策樹。
15. 根據(jù)權(quán)利要求13所述的醫(yī)用圖像處理方法,其特征在于:上述決策林具有與上述 醫(yī)用圖像數(shù)據(jù)中的第2標(biāo)識(shí)點(diǎn)的回歸相關(guān)的多個(gè)回歸樹作為上述決策樹。
16. -種醫(yī)用圖像處理程序,其特征在于使計(jì)算機(jī)執(zhí)行以下步驟: 存儲(chǔ)平均形狀數(shù)據(jù)和醫(yī)用圖像數(shù)據(jù),該平均形狀數(shù)據(jù)具有通過(guò)將表示平均形狀的多個(gè) 第1標(biāo)識(shí)點(diǎn)的各個(gè)第1標(biāo)識(shí)點(diǎn)建立關(guān)聯(lián)來(lái)限制上述第1標(biāo)識(shí)點(diǎn)的各個(gè)第1標(biāo)識(shí)點(diǎn)的移動(dòng)范 圍的限制條件和上述第1標(biāo)識(shí)點(diǎn); 根據(jù)上述醫(yī)用圖像數(shù)據(jù)和基于監(jiān)督式學(xué)習(xí)的機(jī)械學(xué)習(xí)處理,從上述醫(yī)用圖像數(shù)據(jù)中提 取多個(gè)第2標(biāo)識(shí)點(diǎn); 確定包含上述第2標(biāo)識(shí)點(diǎn)的各個(gè)第2標(biāo)識(shí)點(diǎn)的區(qū)域內(nèi)的似然性分布; 根據(jù)上述第1標(biāo)識(shí)點(diǎn)、上述第2標(biāo)識(shí)點(diǎn)以及上述限制條件,執(zhí)行上述平均形狀數(shù)據(jù)與上 述醫(yī)用圖像數(shù)據(jù)的位置對(duì)準(zhǔn); 根據(jù)上述位置對(duì)準(zhǔn)中的上述第1標(biāo)識(shí)點(diǎn)、上述第2標(biāo)識(shí)點(diǎn)以及規(guī)定的閾值,從上述第2 標(biāo)識(shí)點(diǎn)中除去偏離值; 根據(jù)通過(guò)按照上述位置對(duì)準(zhǔn)和上述限制條件對(duì)上述平均形狀進(jìn)行變形而移動(dòng)而得到 的上述第1標(biāo)識(shí)點(diǎn)的位置和上述似然性分布,對(duì)上述平均形狀的每個(gè)變形計(jì)算分別將與上 述位置對(duì)應(yīng)的多個(gè)似然性結(jié)合的結(jié)合似然性;以及 根據(jù)與上述多個(gè)結(jié)合似然性中最大的結(jié)合似然性對(duì)應(yīng)的上述平均形狀的變形、上述第 1標(biāo)識(shí)點(diǎn)以及除去了上述偏離值的第2標(biāo)識(shí)點(diǎn),確定上述醫(yī)用圖像數(shù)據(jù)中的解剖學(xué)標(biāo)識(shí)點(diǎn)。
【文檔編號(hào)】G06K9/62GK104112292SQ201410161848
【公開日】2014年10月22日 申請(qǐng)日期:2014年4月22日 優(yōu)先權(quán)日:2013年4月22日
【發(fā)明者】M·達(dá)巴, I·普爾 申請(qǐng)人:株式會(huì)社東芝, 東芝醫(yī)療系統(tǒng)株式會(huì)社