【
技術領域：
：】本發(fā)明涉及一種圖像分割方法、系統(tǒng)及網(wǎng)格模型，尤其涉及一種基于關聯(lián)因子的心臟腔室圖像分割方法、系統(tǒng)及網(wǎng)格模型。
背景技術：
：：心血管疾病是發(fā)病率和死亡率較高的疾病，并且具有發(fā)病急、隱蔽性強等特性，因此實現(xiàn)心臟疾病的診斷具有十分重要的臨床意義。目前，伴隨著ct的成像速度和掃描精度的提高，ct醫(yī)學影像已被廣泛應用于心臟檢查和疾病診斷。與此同時，為了更好地實現(xiàn)心血管疾病的檢查，心臟腔室分割作為一種輔助手段被廣泛使用；它通過精確提取心臟各個腔室的邊緣和區(qū)域，定性和定量的建立心臟模型，可以為醫(yī)生對心臟疾病的早期預防和診斷提供依據(jù)。在心臟腔室分割領域，基于心臟腔室網(wǎng)格模型的分割技術被廣泛采用，具有分割精度高、速度快等特征。這種技術首先利用初定位將腔室網(wǎng)格模型定位到心臟附近，然后利用模型特性和邊緣特征再實現(xiàn)腔室邊緣的精確定位。由于此技術非常依賴于腔室網(wǎng)格模型，所以模型的普適性、模型的內(nèi)部關聯(lián)特性對于最終心臟腔室分割結果具有非常顯著的影響。目前心臟腔室網(wǎng)格模型多數(shù)是基于腔室的邊緣進行網(wǎng)格采樣的基礎上，利用自動配準或者人為標定的技術將多套數(shù)據(jù)進行對齊，然后利用pdm(pointdistributionmodel)模型計算平均網(wǎng)格和點分布模型。然而，上述普通的心臟腔室的網(wǎng)格模型并沒有考慮到心臟腔室分布以及腔室之間的聯(lián)系，在某些情形下會導致心臟分割結果中腔室邊界的分離，割裂心臟腔室間的內(nèi)在聯(lián)系。因此，如何在心臟分割過程中避免腔室邊界分離、改善腔室割裂，從而提高腔室分割的準確度成為目前亟待解決的技術問題。技術實現(xiàn)要素：一種圖像分割方法，包括獲取一個模型，所述獲取一個模型包括：獲取多個參考模型；對獲取的多個參考模型進行配準；確定配準后所述多個參考模型上的多個控制點；基于所述多個參考模型上的多個控制點，獲得模型的控制點；以及根據(jù)所述模型的控制點，生成所述模型。進一步的，所述模型包括一個或多個第二邊緣，所述獲取一個模型進一步包括根據(jù)所述模型的控制點與所述模型中所述一個或多個第二邊緣的關系，生成所述模型的控制點的關聯(lián)因子。進一步的，所述圖像分割方法進一步包括：獲取圖像數(shù)據(jù)；基于所述圖像數(shù)據(jù)，重建圖像，其中，所述圖像包括一個或多個第一邊緣；根據(jù)所述一個或多個第一邊緣和所述一個或多個第二邊緣，匹配所述模型與所述重建后的圖像；以及根據(jù)所述一個或多個第一邊緣，調(diào)整所述模型的一個或多個第二邊緣。進一步的，所述調(diào)整所述模型的一個或多個第二邊緣包括：對所述第二邊緣進行相似性變換；根據(jù)關聯(lián)因子，對所述第二邊緣進行仿射變換；或基于一個能量函數(shù)，對所述第二邊緣進行微調(diào)。進一步的，一個系統(tǒng)，包括:一個存儲器，被配置為存儲數(shù)據(jù)及指令；一個與存儲器建立通信的處理器，其中，當執(zhí)行存儲器中的指令時，所述處理器被配置為：獲取一個模型，所述獲取一個模型包括：獲取多個參考模型；對獲取的多個參考模型進行配準；確定配準后所述多個參考模型上的多個控制點；基于所述多個參考模型上的多個控制點，獲得模型的控制點；以及根據(jù)所述模型的控制點，生成所述模型。進一步的，所述處理器被進一步配置為：所述模型包括一個或多個第二邊緣，所述獲取一個模型進一步包括根據(jù)所述模型的控制點與所述模型中所述一個或多個第二邊緣的關系，生成所述模型的控制點的關聯(lián)因子。進一步的，所述處理器被進一步配置為：所述圖像分割方法進一步包括：獲取圖像數(shù)據(jù)；基于所述圖像數(shù)據(jù)，重建圖像，其中，所述圖像包括一個或多個第一邊緣；根據(jù)所述一個或多個第一邊緣和所述一個或多個第二邊緣，匹配所述模型與所述重建后的圖像；以及根據(jù)所述一個或多個第一邊緣，調(diào)整所述模型的一個或多個第二邊緣。進一步的，所述處理器被進一步配置為：所述調(diào)整所述模型的一個或多個第二邊緣包括：對所述第二邊緣進行相似性變換；根據(jù)關聯(lián)因子，對所述第二邊緣進行仿射變換；或基于一個能量函數(shù)，對所述第二邊緣進行微調(diào)。進一步的，一種網(wǎng)格模型，包括多個子網(wǎng)格及分別屬于所述子網(wǎng)格的多個控制點，所述多個控制點包括：僅受其所屬子網(wǎng)格影響的非關聯(lián)控制點；及受其所屬子網(wǎng)格及至少一個其他子網(wǎng)格影響的關聯(lián)因子。進一步的，所述關聯(lián)因子位于其所屬子網(wǎng)格與其他子網(wǎng)格的連接部分?！靖綀D說明】圖1是根據(jù)本申請的一些實施例所示的示例控制及處理系統(tǒng)的一種應用場景示意圖；圖2是根據(jù)本申請的一些實施例所示的處理設備的一種示例系統(tǒng)配置的示意圖；圖3是根據(jù)本申請的一些實施例所示的用于實施本申請中一些特定系統(tǒng)的一種示例移動設備示意圖；圖4是根據(jù)本申請的一些實施例所示的示例處理設備的示意圖；圖5是根據(jù)本申請的一些實施例所示的實施處理設備的示例性流程圖；圖6是根據(jù)本申請的一些實施例所示的示例模型構建模塊的示意圖；圖7是根據(jù)本申請的一些實施例所示的構建平均模型的示例性流程圖；圖8是根據(jù)本申請的一些實施例所示的示例訓練模塊的示意圖；圖9是根據(jù)本申請的一些實施例所示的訓練分類器的示例性流程圖；圖10是根據(jù)本申請的一些實施例所示的示例模型匹配模塊的結構示意圖；圖11是根據(jù)本申請的一些實施例所示的匹配平均模型與重建的圖像的示例性流程圖；圖12是根據(jù)本申請的一些實施例所示的示例調(diào)整模塊的結構示意圖；圖13是根據(jù)本申請的一些實施例所示的調(diào)整模型的示例性流程圖；圖14是根據(jù)本申請的一些實施例所示的確定目標點的示例性流程圖；圖15是根據(jù)本申請的一些實施例所示的確定一個平均模型邊緣點法線的示例性流程圖；圖16是根據(jù)本申請的一些實施例所示的平均模型邊緣點變換的示例性流程圖；圖17是本申請的一個圖像銳利程度示意圖；圖18是本申請的一個圖像邊緣分類訓練的實施例；圖19是本申請的一個模型網(wǎng)格分類的實施例；圖20是本申請的一個模型網(wǎng)格劃分的實施例；圖21是本申請的基于關聯(lián)因子的網(wǎng)格模型的實施例；圖22是基于銳利程度分類的圖像邊緣示例圖；圖23是基于銳利程度分類的模型示例圖；圖24是本實施例依據(jù)分類器獲得的圖像概率圖實施例；圖25是經(jīng)過霍夫變換后的平均網(wǎng)格模型和圖像匹配的示例圖；圖26是調(diào)整后精確匹配的圖像腔室分割結果示例圖；圖27a是未基于關聯(lián)因子進行劃分的圖像分割圖；以及圖27b是基于關聯(lián)因子進行劃分的圖像分割圖。【具體實施方式】在下面的描述中闡述了很多具體細節(jié)以便于充分理解本發(fā)明。但是本發(fā)明能夠以很多不同于在此描述的其它方式來實施，本領域技術人員可以在不違背本發(fā)明內(nèi)涵的情況下做類似推廣，因此本發(fā)明不受下面公開的具體實施的限制。其次，本發(fā)明利用示意圖進行詳細描述，在詳述本發(fā)明實施例時，為便于說明，所述示意圖只是實例，其在此不應限制本發(fā)明保護的范圍。圖1是根據(jù)本申請的一些實施例所示的示例控制及處理系統(tǒng)的一種應用場景示意圖。如圖1所示，控制及處理系統(tǒng)100包括一個成像設備110、一個數(shù)據(jù)庫120和一個處理設備130。成像設備110可以通過掃描一個目標物體生成圖像。所述圖像可以是各種醫(yī)學圖像。例如，頭部圖像、胸部圖像、腹部圖像、骨盆圖像、會陰部圖像、肢體圖像、脊椎圖像、椎骨圖像等。其中，頭部圖像可以包括腦部圖像、顱骨圖像等。胸部圖像可以包括整個胸部圖像、心臟圖像、乳腺圖像等。腹部圖像可以包括整個腹部圖像、腎臟圖像、肝臟圖像等。心臟圖像可以包括但不限于全方位數(shù)字化心臟圖、數(shù)字化心臟層析x射線圖、心臟相襯圖、x射線影像(cr)圖、多模態(tài)圖像等。所述醫(yī)學圖像可以是二維圖像或三維圖像。所述醫(yī)學圖像的格式可以包括jpeg格式、tiff格式、gif格式、fpx格式等。所述醫(yī)學圖像可以存儲在數(shù)據(jù)庫120中，也可以傳輸至處理設備130進行圖像處理。本申請將以心臟圖像為例進行說明，但是本領域技術人員可以理解的是，本申請的方法也可以用于其它圖像。數(shù)據(jù)庫120可以儲存圖像和/或圖像相關的信息。所述圖像和圖像相關的信息可以由成像設備110和處理設備130提供，也可以從系統(tǒng)100外獲取，例如，用戶輸入信息、從網(wǎng)絡獲取信息等。所述圖像相關的信息可以包括處理圖像的算法、樣本、模型、參數(shù)、處理過程中的實時數(shù)據(jù)等。數(shù)據(jù)庫120可以是層次式數(shù)據(jù)庫、網(wǎng)絡式數(shù)據(jù)庫或關系式數(shù)據(jù)庫。數(shù)據(jù)庫120可以是本地數(shù)據(jù)庫，也可以是遠程數(shù)據(jù)庫。數(shù)據(jù)庫120或系統(tǒng)內(nèi)其他存儲設備可以將信息數(shù)字化后再利用以電、光或磁等方式工作的存儲設備加以存儲。在一些實施例中，數(shù)據(jù)庫120或系統(tǒng)內(nèi)其他存儲設備可以是利用電能方式存儲信息的設備，例如隨機存儲器(ram)、只讀存儲器(rom)等。隨機存儲器可以包括但不限于十進計數(shù)管、選數(shù)管、延遲線存儲器、威廉姆斯管、動態(tài)隨機存儲器(dram)、靜態(tài)隨機存儲器(sram)、晶閘管隨機存儲器(t-ram)、零電容隨機存儲器(z-ram)等中的一種或多種的組合。只讀存儲器包括但不限于磁泡存儲器、磁鈕線存儲器、薄膜存儲器、磁鍍線存儲器、磁芯內(nèi)存、磁鼓存儲器、光盤驅動器、硬盤、磁帶、非揮發(fā)性存儲器(nvram)、相變化內(nèi)存、磁阻式隨機存儲式內(nèi)存、鐵電隨機存儲內(nèi)存、非揮發(fā)性靜態(tài)隨機存儲器、可編程只讀存儲器、屏蔽式堆讀內(nèi)存、浮動連接門隨機存儲器、納米隨機存儲器、賽道內(nèi)存、可變電阻式內(nèi)存、可編程金屬化單元等中的一種或多種的組合。在一些實施例中，數(shù)據(jù)庫120或系統(tǒng)內(nèi)其他存儲設備可以是利用磁能方式存儲信息的設備，例如硬盤、軟盤、磁帶、磁芯存儲器、磁泡存儲器、u盤、內(nèi)存等。在一些實施例中，數(shù)據(jù)庫120或系統(tǒng)內(nèi)其他存儲設備可以是利用光學方式存儲信息的設備，例如cd、dvd等。在一些實施例中，數(shù)據(jù)庫120可以是利用磁光方式存儲信息的設備，例如磁光盤等。數(shù)據(jù)庫120或系統(tǒng)內(nèi)其他存儲設備的存取方式可以是隨機存儲、串行訪問存儲、只讀存儲等中的一種或多種的組合。數(shù)據(jù)庫120或系統(tǒng)內(nèi)其他存儲設備可以是非永久記憶存儲器或永久記憶存儲器。以上提及的存儲設備只是列舉了一些例子，數(shù)據(jù)庫120可以使用的存儲設備并不限于此。數(shù)據(jù)庫120可以是處理設備130的一部分，也可以是成像設備110的一部分，也可以獨立于處理設備130和成像設備110存在。在一些實施例中，數(shù)據(jù)庫120可以通過網(wǎng)絡150與控制及處理系統(tǒng)100中的其他模塊或設備連接。所述連接方式可以包括有線連接、無線連接或兩者的結合。處理設備130可以從成像設備110獲取圖像數(shù)據(jù)，也可以從數(shù)據(jù)庫120獲取圖像數(shù)據(jù)。處理設備130可以對獲取的圖像實施多種處理。所述處理可以包括灰度直方圖處理、歸一化處理、幾何變換、空間變換、圖像平滑處理、圖像增強處理、圖像分割處理、圖像變換處理、圖像恢復、圖像壓縮、圖像特征提取等。處理設備130可以將處理后的圖像數(shù)據(jù)存儲到數(shù)據(jù)庫120，也可以傳輸?shù)娇刂萍疤幚硐到y(tǒng)100之外的設備上。在一些實施例中，處理設備130可以包括一個或多個處理器、存儲器等。例如，處理設備130可以包括中央處理器(cpu)、專用集成電路(asic)、專用指令集處理器(asip)、圖像處理器(gpu)、物理運算處理器(ppu)、數(shù)字信號處理器(dsp)、現(xiàn)場可編程門陣列(fpga)、可編程邏輯器件(pld)、控制器、微控制單元、處理器、微處理器、高級risc機器處理器等中的一種或多種的組合。在一些實施例中，控制及處理系統(tǒng)100還可以包括一個終端設備140。所述終端設備可以與成像設備110、數(shù)據(jù)庫120和處理設備130進行信息交互。例如，所述終端設備140可以從處理設備130中獲取處理后的圖像數(shù)據(jù)。在一些實施例中，終端設備140可以從成像設備110獲取圖像數(shù)據(jù)，并將圖像數(shù)據(jù)傳輸給處理設備130進行圖像處理。所述終端設備140可以包括一個或多個輸入設備、控制面板等。例如，所述輸入設備可以包括鍵盤、觸摸屏、鼠標、語音輸入設備、掃描設備、信息識別設備(如人眼識別系統(tǒng)、指紋識別系統(tǒng)、腦監(jiān)控系統(tǒng)等)、遠程控制器等?？刂萍疤幚硐到y(tǒng)100可以與網(wǎng)絡150連接。所述網(wǎng)絡150可以是無線網(wǎng)絡，移動網(wǎng)絡、有限網(wǎng)絡或其它連接。其中，無線網(wǎng)絡可以包括wlan、wi-fi、wimax等。移動網(wǎng)絡可以包括2g信號、3g信號、4g信號等。有線網(wǎng)絡可以包括局域網(wǎng)(lan)、廣域網(wǎng)(wan)、專有網(wǎng)絡等?？刂萍疤幚硐到y(tǒng)100中的數(shù)據(jù)庫120和處理設備130可以通過云計算平臺執(zhí)行操作指令。云計算平臺可以包括以數(shù)據(jù)存儲為主的存儲型云平臺，以數(shù)據(jù)處理為主的計算型云平臺以及計算和數(shù)據(jù)存儲處理兼顧的綜合云計算平臺。例如，控制及處理系統(tǒng)100所產(chǎn)生的一些圖像數(shù)據(jù)可以由云計算平臺計算或存儲。需要注意的是，以上對控制及處理系統(tǒng)100的描述，僅為描述方便，并不能把本申請限制在所列舉的實施例范圍之內(nèi)。圖2是根據(jù)本申請的一些實施例所示的處理設備的一種示例系統(tǒng)配置的示意圖。如圖2所示，處理設備130可以包括一個數(shù)據(jù)總線210、一個處理器220、一個只讀存儲器(rom)230、一個隨機存儲器(ram)240、一個通信端口250、一個輸入/輸出端口260、一個硬盤270和一個與輸入/輸出端口260相連的顯示器280。所述處理設備130內(nèi)各硬件之間的連接方式可以是有線的、無線的或兩者的結合。任何一個硬件都可以是本地的、遠程的或兩者的結合。數(shù)據(jù)總線210可以用于傳輸數(shù)據(jù)信息。在一些實施例中，處理設備130內(nèi)各硬件之間可以通過所述數(shù)據(jù)總線210進行數(shù)據(jù)的傳輸。例如，處理器220可以通過所述數(shù)據(jù)總線210將數(shù)據(jù)發(fā)送到存儲器或輸入/輸出端口260等其它硬件中。需要注意的是，所述數(shù)據(jù)可以是真正的數(shù)據(jù)，也可以是指令代碼、狀態(tài)信息或控制信息。在一些實施例中，數(shù)據(jù)總線210可以為工業(yè)標準(isa)總線、擴展工業(yè)標準(eisa)總線、視頻電子標準(vesa)總線、外部部件互聯(lián)標準(pci)總線等。處理器220可以用于邏輯運算、數(shù)據(jù)處理和指令生成。在一些實施例中，處理器220可以從內(nèi)部存儲器中獲取數(shù)據(jù)/指令，所述內(nèi)部存儲器可以包括只讀存儲器(rom)、隨機存儲器(ram)、高速緩沖存儲器(cache)(在圖中未示出)等。在一些實施例中，處理器220可以包括多個子處理器，所述子處理器可以用于實現(xiàn)系統(tǒng)的不同功能。只讀存儲器230用于處理設備130的加電自檢、處理設備130中各功能模塊的初始化、處理設備130的基本輸入/輸出的驅動程序等。在一些實施例中，只讀存儲器可以包括可編程只讀存儲器(prom)、可編程可擦除只讀存儲器(eprom)等。隨機存儲器240用于存放操作系統(tǒng)、各種應用程序、數(shù)據(jù)等。在一些實施例中，隨機存儲器240可以包括靜態(tài)隨機存儲器(sram)、動態(tài)隨機存儲器(dram)等。通信端口250用于連接操作系統(tǒng)與外部網(wǎng)絡，實現(xiàn)它們之間的通信交流。在一些實施例中，通信端口250可以包括ftp端口、http端口或dns端口等。輸入/輸出端口260用于外部設備或電路與處理器210之間進行數(shù)據(jù)、信息的交換和控制。在一些實施例中，輸入/輸出端口260可以包括usb端口、pci端口、ide端口等。硬盤270用于存儲處理設備130所產(chǎn)生的或從處理設備130外所接收到的信息及數(shù)據(jù)。在一些實施例中，硬盤270可以包括機械硬盤(hdd)、固態(tài)硬盤(ssd)或混合硬盤(hhd)等。顯示器280用于將系統(tǒng)130生成的信息、數(shù)據(jù)呈現(xiàn)給用戶。在一些實施例中，顯示器280可以包括一個物理顯示器，如帶揚聲器的顯示器、lcd顯示器、led顯示器、oled顯示器、電子墨水顯示器(e-ink)等。圖3是根據(jù)本申請的一些實施例所示的用于實施本申請中一些特定系統(tǒng)的一種示例移動設備示意圖。如圖3所示，移動設備350可以包括一個終端設備150。在一些實施例中，用戶可以通過移動設備350接收或發(fā)送與控制及處理系統(tǒng)100相關的信息。移動設備350可以包括智能手機、個人數(shù)碼助理(pda)、平板電腦、掌上游戲機、智能眼鏡、智能手表、可穿戴設備、虛擬現(xiàn)實設備或顯示增強設備等中的一種或多種。在一些實施例中，移動設備350可以包括一個或多個中央處理器(cpus)358、一個或多個圖像處理器(gpus)356、一個顯示器354、一個內(nèi)存362、一個通訊平臺352、一個存儲器368和一個或多個輸入/輸出設備360。進一步地，移動設備350還可以包括一個系統(tǒng)總線、一個控制器等。如圖3所示，cpu可以從存儲模塊368將移動設備操作系統(tǒng)(例如，ios、android、windowsphone等)364和一個或多個應用366下載到內(nèi)存362中。所述一個或多個應用366可以包括一個網(wǎng)頁或其它用于接收和傳遞與控制及處理系統(tǒng)100相關的信息的移動應用軟件(app)。用戶可以通過輸入/輸出設備360獲取或提供信息，所述信息可以進一步傳輸給控制及處理系統(tǒng)100和/或系統(tǒng)內(nèi)的設備單元。在本申請的實施例中，計算機硬件平臺可以用作一個或多個元件(例如，控制及處理系統(tǒng)100及其內(nèi)部的其它部分)的硬件平臺，實施各種模塊、單元以及它們的功能。所述硬件元件、操作系統(tǒng)和編程語言本質(zhì)上都是傳統(tǒng)的，本領域技術人員有可能將這些技術改編并應用于心臟圖像模型建立和邊緣分割。具有用戶界面的計算機可以作為個人電腦(pc)、其它工作站或終端設備，適當編程的計算機也可以作為服務器。由于本領域技術人員對本申請中所使用的計算機設備的結構、編程和一般操作應該都很熟悉，因此，不再針對其它附圖作相關具體解釋。圖4是根據(jù)本申請的一些實施例所示的示例處理設備的示意圖。處理設備130可以包括一個獲取模塊410、一個圖像重建模塊420、一個存儲模塊430、一個模型構建模塊430、一個訓練模塊450、一個匹配模塊460和一個調(diào)整模塊470。所述處理設備130內(nèi)各模塊之間的連接方式可以是有線的、無線的或兩者的結合。任何一個模塊都可以是本地的、遠程的或兩者的結合。存儲模塊430可以用于存儲圖像數(shù)據(jù)或信息，其功能可以通過圖2中硬盤270、只讀存儲器230、隨機存儲器240等中的一種或多種的組合來實現(xiàn)。存儲模塊430可以存儲處理設備130中其他模塊或處理設備130之外的模塊或設備的信息。存儲模塊430存儲的信息可以包括成像設備110的掃描數(shù)據(jù)、用戶輸入的控制命令或參數(shù)信息、處理設備130中處理部分生成的中間數(shù)據(jù)或完整數(shù)據(jù)信息等。在一些實施例中，存儲模塊430可以將存儲的信息發(fā)送給處理部分進行圖像處理。在一些實施例中，存儲模塊430可以存儲處理部分生成的信息，例如實時計算數(shù)據(jù)。存儲模塊430可以包括但不限于常見的各類存儲設備如固態(tài)硬盤、機械硬盤、usb閃存、sd存儲卡、光盤、隨機存儲器(ram)或只讀存儲器(rom)等。存儲模塊430可以是系統(tǒng)內(nèi)部的存儲設備，也可以是系統(tǒng)外部或外接的存儲設備，如云存儲服務器上的存儲器。獲取模塊410可以用于獲取成像設備110采集的圖像數(shù)據(jù)，數(shù)據(jù)庫120存儲的圖像數(shù)據(jù)，或控制及處理系統(tǒng)100外部的數(shù)據(jù)，其功能可以通過圖2中的處理器220來實現(xiàn)。所述圖像數(shù)據(jù)可以包括成像設備110采集的圖像數(shù)據(jù)、處理圖像的算法、樣本、模型、參數(shù)、處理過程中的實時數(shù)據(jù)等。在一些實施例中，獲取模塊410可以將獲取到的圖像數(shù)據(jù)或信息發(fā)送給圖像重建模塊420進行處理。在一些實施例中，獲取模塊410可以將獲取到的處理圖像的算法、參數(shù)等信息發(fā)送給模型構建模塊440。在一些實施例中，獲取模塊410可以將獲取到的圖像數(shù)據(jù)或信息發(fā)送給存儲模塊370進行存儲。在一些實施例中，獲取模塊410可以將獲取到的樣本、參數(shù)、模型、實時數(shù)據(jù)等信息發(fā)送給訓練模塊450、匹配模塊460或調(diào)整模塊470。在一些實施例中，獲取模塊410可以接收來自處理器220的一個數(shù)據(jù)獲取指令，并完成相應的數(shù)據(jù)獲取操作。在一些實施例中，獲取模塊410可以在獲取圖像數(shù)據(jù)或信息后對其進行預處理。圖像重建模塊420可以用于構建一個醫(yī)學影像，其功能可以由圖2中的處理器220來實現(xiàn)。在一些實施例中，圖像重建模塊420可以從獲取模塊410或存儲模塊430中獲取圖像數(shù)據(jù)或信息，并根據(jù)所述圖像數(shù)據(jù)或信息構建所述醫(yī)學影像。所述醫(yī)學影像可以是一個人體三維醫(yī)學影像。所述圖像數(shù)據(jù)可以包括不同時間、不同位置、不同角度的掃描數(shù)據(jù)。根據(jù)所述掃描數(shù)據(jù)，圖像重建模塊420可以計算出人體對應部位的特征或狀態(tài)，如人體對應部位對射線的吸收能力、人體對應部位組織的密度等，從而構建出所述人體三維醫(yī)學影像。進一步地，所述人體三維醫(yī)學影像可以通過顯示器280進行顯示，或者通過存儲模塊430進行存儲。在一些實施例中，所述人體三維醫(yī)學影像也可以作為重建后的待處理圖像發(fā)送給模型構建模塊440進一步處理。模型構建模塊440可以用于建立目標物體的三維平均模型。在一些實施例中，所述目標物體可以是心臟，所述三維平均模型可以是基于多套參考模型構建的心臟腔室三維平均網(wǎng)格模型。在一些實施例中，模型構建模塊440可以通過獲取模塊410、存儲模塊430、或用戶輸入的方式獲取至少一個心臟腔室的參考模型及與參考模型相關的信息。所述與參考模型相關的信息可以包括圖像的尺寸、像素、像素的空間位置等。在一些實施例中，模型構建模塊440可以根據(jù)獲取的至少一個心臟腔室的參考模型及與參考模型相關的信息對參考模型進行配準等預處理，使得所有參考模型的方向、比例等一致。所述預處理后的圖像可以進一步通過手動或處理器自動標注的方式來標注腔室邊緣，將心臟參考模型劃分成數(shù)個子心臟腔室，并根據(jù)各個腔室的邊緣點數(shù)據(jù)構建心臟腔室平均網(wǎng)格模型。模型構建模塊440可以將構建的心臟腔室平均網(wǎng)格模型發(fā)送給存儲模塊430進行存儲，也可以發(fā)送給訓練模塊450或匹配模塊460進行進一步操作。在一些實施例中，模型構建模塊440還可以根據(jù)多套參考模型數(shù)據(jù)確定平均模型上各個腔室之間的關系。例如，模型構建模塊440可以構建關聯(lián)因子矩陣，所述關聯(lián)因子矩陣可以表示各個腔室對某一個或多個邊緣數(shù)據(jù)點的影響。通過構建關聯(lián)因子矩陣，可以改善腔室邊界分離情形。模型構建模塊440可以將構建的關聯(lián)因子矩陣發(fā)送給存儲模塊430進行存儲，也可以發(fā)送給匹配模塊460或調(diào)整模塊470用于運算處理。訓練模塊450可以用于訓練分類器。訓練模塊450可以將可能的邊緣點劃分到不同腔室類別中。例如，訓練模塊450可以將參考模型邊緣附近一定范圍的數(shù)據(jù)點分別劃分到左心室、左心房、右心室、右心房、左心肌或主動脈六個腔室類別中。又例如，訓練模塊450可以基于腔室邊緣的變化程度將參考模型邊緣附近一定范圍的數(shù)據(jù)點分別劃分到左心室邊緣、左心房銳利邊緣、左心房非銳利邊緣、右心室銳利邊緣、右心室非銳利邊緣、右心房銳利邊緣、右心房非銳利邊緣、主動脈邊緣、左心肌銳利邊緣和左心肌非銳利邊緣10個腔室類別中。在一些實施例中，訓練模塊450可以通過存儲模塊430、模型構建模塊440、或用戶輸入的方式獲取至少一個心臟腔室的參考模型及與該參考模型相關的信息。所述與參考模型相關的信息可以包括參考模型中各個腔室的邊緣點數(shù)據(jù)等。在一些實施例中，訓練模塊450可以根據(jù)腔室邊緣附近的點與腔室邊緣的距離將腔室邊緣附近的點劃分為正樣本和負樣本。在一些實施例中，所述正樣本可以包括距離腔室邊緣一定閾值范圍內(nèi)的數(shù)據(jù)點，所述負樣本可以包括距離邊緣較遠以及空間中其它隨機位置的數(shù)據(jù)點。在一些實施例中，訓練模塊450可以根據(jù)正負樣本點訓練參考模型或平均模型上腔室邊緣附近的點，并獲得一個或多個分類器。在一些實施例中，訓練模塊450可以利用probabilisticboosting-tree(pbt)訓練分類器。所述pbt可以包括兩級pbt算法或多級pbt算法。訓練模塊450可以將訓練好的分類器發(fā)送給存儲模塊430進行存儲，也可以發(fā)送給調(diào)整模塊470用于運算處理。匹配模塊460可以用于將待處理圖像與模型構建模塊440建立的平均模型進行匹配，構建與待處理圖像對應的三維網(wǎng)格模型。所述待處理圖像可以從圖像重建模塊420或存儲模塊430獲取。在一些實施例中，匹配模塊460可以通過霍夫變換等方法將平均模型匹配到待處理圖像上，獲得與待處理圖像粗略匹配后的心臟腔室三維網(wǎng)格模型。匹配模塊460可以通過獲取模塊410、存儲模塊430、或用戶輸入的方式獲取所述霍夫變換所需要的參數(shù)等信息。匹配模塊460可以將匹配后的心臟腔室三維網(wǎng)格模型發(fā)送給存儲模塊430進行存儲，也可以發(fā)送給調(diào)整模塊470進一步優(yōu)化處理。調(diào)整模塊470可以用于優(yōu)化模型，使模型更接近于真實的心臟(待處理心臟圖像數(shù)據(jù))。調(diào)整模塊470可以從匹配模塊460或存儲模塊430獲取粗略匹配后的心臟腔室網(wǎng)格模型。在一些實施例中，調(diào)整模塊470可以根據(jù)匹配后所得心臟模型上腔室邊緣一定范圍的數(shù)據(jù)點屬于腔室邊緣的概率確定最理想的心臟腔室邊緣。調(diào)整模塊470可以進一步精確調(diào)整心臟腔室三維網(wǎng)格模型。所述精確調(diào)整可以包括相似性變換、分段仿射變換和/或基于能量函數(shù)的微變等。在一些實施例中，調(diào)整模塊470可以將精確調(diào)整所得的心臟腔室三維網(wǎng)格模型進行圖像形式轉換，得到心臟腔室邊緣分割圖(如圖26所示)。調(diào)整模塊470可以將精確調(diào)整后的心臟腔室模型或心臟腔室分割圖發(fā)送給存儲模塊430進行存儲，也可以發(fā)送給顯示器280進行顯示。需要注意的是，上述對于處理設備130的描述，僅為描述方便，并不能把本申請限制在所舉實施例范圍之內(nèi)。可以理解，對于本領域的技術人員來說，在了解該設備的工作原理后，可能在不背離這一原理的情況下，對各個模塊進行任意組合，或者構成子系統(tǒng)與其他模塊連接，對實施上述設備的形式和細節(jié)上作各種修正和改變。例如，模型構建模塊440和/或訓練模塊450可以去掉，或者與存儲模塊430合并。諸如此類的變形，均在本申請的保護范圍之內(nèi)。圖5是根據(jù)本申請的一些實施例所示的實施處理設備的示例性流程圖。在步驟510中，可以獲取圖像數(shù)據(jù)。在一些實施例中，步驟510可以通過獲取模塊410實現(xiàn)。所述圖像數(shù)據(jù)可以從成像設備110、數(shù)據(jù)庫120或控制及處理系統(tǒng)100外部獲得。所述圖像數(shù)據(jù)可以包括ct、正電子放射層析成像技術(pet)、單光子輻射斷層攝影(spect)、mri(磁共振成像技術)、超聲(ultrasound)及其它醫(yī)學影像設備采集的原始圖像數(shù)據(jù)。在一些實施例中，所述圖像數(shù)據(jù)可以是心臟或心臟的局部原始圖像數(shù)據(jù)。在一些實施例中，步驟510可以包括對獲取的心臟原始圖像數(shù)據(jù)進行預處理，并將預處理后的原始圖像數(shù)據(jù)發(fā)送給處理設備130中的圖像重建模塊420或存儲模塊430。所述預處理可以包括圖像的畸變矯正、去噪、平滑、增強等。在步驟520中，可以根據(jù)心臟圖像數(shù)據(jù)重新構建心臟圖像。該步驟可以由處理設備130中的圖像重建模塊420基于圖像重建技術完成。所述心臟圖像數(shù)據(jù)可通過獲取模塊410或存儲模塊430獲取。所述心臟圖像可以包括全方位數(shù)字化心臟圖、數(shù)字化心臟層析x射線圖、心臟相襯圖、x射線心臟影像(cr)圖、多模態(tài)心臟圖像等。所述心臟圖像可以是二維圖像或三維圖像。所述心臟圖像的格式可以包括jpeg格式、tiff格式、gif格式、fpx格式等。所述圖像重建技術可以包括解聯(lián)立方程組法、傅里葉變換重建法、直接反投影重建法、濾波反投影重建法、傅立葉反投影重建法或卷積逆投影重建法、迭代重建法等。在一些實施例中，步驟520可以對獲取的心臟圖像數(shù)據(jù)進行預處理，并獲得多個心臟截面圖或投影圖。在一些實施例中，獲取的心臟圖像數(shù)據(jù)或預處理后的心臟圖像數(shù)據(jù)可以包括多個心臟截面圖。圖像重建模塊420可以根據(jù)一系列心臟截面圖提供的信息重新構建心臟圖像或模型。所述心臟截面圖提供的信息可以包括心臟不同部位的組織密度、對射線的吸收能力等信息。重新構建的心臟圖像可以通過顯示器280進行顯示，或者通過存儲模塊430進行存儲。重新構建的心臟圖像也可以由處理設備130中的模型構建模塊440進行進一步圖像處理。在步驟540中可以將心臟圖像數(shù)據(jù)與三維心臟平均網(wǎng)格模型進行匹配。進一步地，所述匹配可以包括將心臟圖像數(shù)據(jù)中第一邊緣與三維心臟平均網(wǎng)格模型的第二邊緣匹配。在一些實施例中，所述第一邊緣可以包括一個外邊緣和一個內(nèi)邊緣。所述外邊緣可以是心臟外部輪廓，所述內(nèi)邊緣可以是心臟內(nèi)部腔室輪廓，外部輪廓和內(nèi)部腔室輪廓間可以由心臟組織填充。在一些實施例中，對應于第一邊緣，所述三維心臟平均網(wǎng)格模型的第二邊緣也可以包括一個外邊緣和一個內(nèi)邊緣。所述第二邊緣外邊緣對應心臟外輪廓的邊緣，所述第二邊緣內(nèi)邊緣對應心臟內(nèi)部腔室輪廓的邊緣。所述外邊緣和內(nèi)邊緣可以分別指用于粗略匹配和精確匹配的邊緣，當本申請披露的方法使用于其他物體、器官或組織時，所述外邊緣和內(nèi)邊緣不一定有幾何上的內(nèi)外關系。例如，對于某些物體、器官或組織，用于粗略匹配的邊緣可能在用于精確匹配的邊緣的外側、內(nèi)側或同側。又例如，所述用于粗略匹配的邊緣可以與所述用于精確匹配的邊緣可以有重疊或者交叉。在一些實施例中，所述心臟圖像數(shù)據(jù)與三維心臟平均模型的匹配可以為心臟圖像數(shù)據(jù)第一邊緣的外邊緣與三維心臟平均網(wǎng)格模型第二邊緣的外邊緣的匹配。在一些實施例中，步驟540可以由匹配模塊460通過圖像匹配方法完成。所述圖像匹配方法可以包括基于nndr的匹配方法、鄰近特征點的搜索算法、基于霍夫變換的目標檢測等。在一些實施例中，可以通過廣義霍夫變換將模型構建模塊440建立的心臟平均模型匹配到圖像重建模塊420處理得到的心臟圖像數(shù)據(jù)上的第一邊緣上，并得到匹配后的心臟模型。在一些實施例中，所述第一邊緣上具有多個點，根據(jù)圖像特征對第一邊緣的多個點進行分類，獲取點分類器。所述圖像特征可以與銳利程度和所處位置相關。在一些實施例中，可以基于待匹配心臟圖像數(shù)據(jù)上各點屬于邊緣的概率實施加權廣義霍夫變換。所述概率可以根據(jù)訓練模塊450訓練好的第一分類器，將待匹配的心臟圖像數(shù)據(jù)上的每個點輸入分類器計算得到。所述第一分類器可以基于點分類器獲取。所述點分類器可以根據(jù)圖像特征通過對第一邊緣的多個點進行分類獲取。在一些實施例中，可以根據(jù)所得待匹配心臟上各點的概率，構建一個待匹配心臟的邊緣概率圖。所述邊緣概率圖可以包括灰度梯度圖、彩色梯度圖(如圖24所示)等。在一些實施例中，在計算待匹配心臟圖像數(shù)據(jù)上的每個點作為邊緣的概率前，可以對該心臟圖像進行預處理。例如，可以將完全不可能是心臟邊緣的部位排除，從而減小分類器的計算量。例如，對于ct圖像而言，肌肉組織的ct值一般大于-50，那么可以將ct值小于-50的部位通過掩膜標記，使分類器不需要計算該部位的點。在一些實施例中，處理設備130中的匹配模塊460可以將匹配后的心臟模型或三維心臟網(wǎng)格模型發(fā)送給存儲模塊430進行存儲，也可以發(fā)送給調(diào)整模塊470進一步優(yōu)化處理。在步驟550中，可以獲得精確調(diào)整后的心臟腔室分割圖。該步驟可以由處理設備130中的調(diào)整模塊470完成。在一些實施例中，調(diào)整模塊470可以調(diào)整模型上的腔室邊緣點(第二邊緣的內(nèi)邊緣)，以達到與心臟圖像數(shù)據(jù)中第一邊緣的內(nèi)邊緣匹配。在一些實施例中，步驟550可以根據(jù)匹配后三維心臟網(wǎng)格模型上的腔室邊緣確定邊緣目標點。在一些實施例中，可以根據(jù)匹配后三維心臟網(wǎng)格模型上的腔室邊緣一定范圍內(nèi)的第二邊緣點的概率確定邊緣目標點。在一些實施例中，所述概率可以使用基于第二邊緣點訓練的第二分類器(也可稱作“圖像分類器”)，或計算。在一些實施例中，所述概率可以調(diào)用基于多個參考模型或平均模型訓練的第一分類器計算。在一些實施例中，步驟550可以基于確定的邊緣目標點對三維心臟網(wǎng)格模型進行變形，從而得到腔室邊緣進一步調(diào)整后的三維心臟網(wǎng)格模型。所述變形可以包括相似性變換、仿射變換及其它圖像微變形方法等。例如，在一些實施例中，可以基于確定的邊緣目標點依次進行相似性變換、分段仿射變換和/或基于能量函數(shù)的微變。在一些實施例中，處理設備130中的調(diào)整模塊470可以將調(diào)整后的三維心臟網(wǎng)格模型通過掩膜(mask)轉化為心臟腔室分割圖像(如圖26所示)。所述腔室分割圖像的不同腔室可以用不同的顏色標注。在一些實施例中，處理設備130中的調(diào)整模塊470可以將精確調(diào)整后的心臟腔室模型或心臟腔室分割圖發(fā)送給存儲模塊430進行存儲，也可以發(fā)送給顯示器280進行顯示。需要注意的是，上述對于處理設備130進行腔室分割過程的描述，僅為描述方便，并不能把本申請限制在所舉實施例范圍之內(nèi)?？梢岳斫?，對于本領域的技術人員來說，在了解該設備的工作原理后，可能在不背離這一原理的情況下，對各個步驟的順序進行任意調(diào)整，或者添加刪除某些步驟。例如，構建平均模型530的步驟可以去掉。又例如，調(diào)整模塊470可以只對網(wǎng)格模型進行上述幾種變形中的一種或兩種，或者采用其他形式的微變。諸如此類的變形，均在本申請的保護范圍之內(nèi)。圖6是根據(jù)本申請的一些實施例所示的示例模型構建模塊的示意圖。模型構建模塊440可以包括一個獲取單元610、一個配準單元620、一個標注單元630、一個模型生成單元640和一個關聯(lián)因子生成單元650。所述模型構建模塊440內(nèi)各模塊之間的連接方式可以是有線的、無線的或兩者的結合。任何一個模塊都可以是本地的、遠程的或兩者的結合。獲取單元610可以用于獲取多個參考模型。獲取單元610可以通過數(shù)據(jù)庫120、控制及處理系統(tǒng)100外的存儲設備或用戶輸入的方式獲取上述信息。其功能可以通過圖2中的處理器220來實現(xiàn)。在一些實施例中，所述多個參考模型可以包括一個病人在不同時間、不同位置、不同角度掃描的心臟圖像數(shù)據(jù)。在一些實施例中，所述多套心臟數(shù)據(jù)可以包括不同病人在不同位置、不同角度掃描的心臟圖像數(shù)據(jù)。一些實施例中，獲取單元610也可以用于獲取建模算法、參數(shù)等信息。獲取單元610可以將獲取的多個參考模型和/或其它信息發(fā)送給配準單元620、標注單元630、平均模型生成單元640或關聯(lián)因子生成單元650。配準單元620可以用于通過圖像配準方法調(diào)整獲取單元610所獲取的多個參考模型，并使多個參考模型的位置、比例等一致。所述圖像配準可以包括基于空間維數(shù)配準、基于特征配準、基于變換性質(zhì)配準、基于優(yōu)化算法配準、基于圖像模態(tài)配準、基于主體配準等。在一些實施例中，配準單元620可以將多個參考模型配準到一個相同的坐標系中。配準單元620可以將配準后的多個參考模型發(fā)送給存儲模塊430進行存儲，也可以發(fā)送給標注單元630和/或平均模型生成單元640進一步處理。標注單元630可以用于標注多個參考模型的腔室邊緣多個數(shù)據(jù)點(亦可稱為點集)。所述心臟圖像或模型可以是配準單元620進行圖像配準后的多個參考模型，也可以是平均模型生成單元640構建的平均模型。例如，腔室邊緣可以由用戶在配準單元620進行圖像配準后的多個參考模型上手動標注。又例如，腔室邊緣可以由標注單元630根據(jù)明顯不同的腔室邊緣特征自動標注。在一些實施例中，標注單元630可以將多個參考模型中的整個心臟圖像或模型按照腔室劃分成六個部分，分別為左心室、左心房、右心室、右心房、心肌以及主動脈。在一些實施例中，標注單元630可以根據(jù)參考模型上腔室邊緣的變化程度(亦被稱為梯度)，將多個參考模型上的整個心臟圖像或模型劃分為銳利類和非銳利類。具體地，標注單元630可以把幾個腔室的邊緣點與外部相連或與外部變化程度較小的標記為銳利類，將與內(nèi)部其它腔室相連或與外部變化程度較大的標記為非銳利類，如圖17中的兩個箭頭所示。例如，標注單元630可以將多個參考模型上的整個心臟圖像或模型劃分為10個類別：左心室邊緣、左心房銳利邊緣、左心房非銳利邊緣、右心室銳利邊緣、右心室非銳利邊緣、右心房銳利邊緣、右心房非銳利邊緣、主動脈邊緣、左心肌銳利邊緣和左心肌非銳利邊緣(如圖18所示)。在一些實施例中，標注單元630可以將多個參考模型配準至一個相同坐標系中，通過比較多個參考模型與平均模型生成單元640所得的平均模型上各點的位置，標注多個參考模型上的腔室邊緣。例如，標注單元630可以將平均模型上與參考模型上對應點距離最近的點所屬的類別作為參考模型上該點的類別。標注單元630可以將標注有腔室邊緣點集的多個參考模型發(fā)送給存儲模塊430進行存儲，也可以發(fā)送給訓練模塊450、平均模型生成單元640和/或關聯(lián)因子生成單元650進一步處理或用于計算。平均模型生成單元640可以用于構建三維心臟平均網(wǎng)格模型。在一些實施例中，平均模型生成單元640可以提取標注后的多個參考模型或平均模型中的腔室邊緣，通過對每個參考模型或平均模型中的腔室邊緣模型進行處理獲得多個參考網(wǎng)格模型，并通過圖像模型構建方法計算得到平均網(wǎng)格模型。所述圖像模型構建方法可以包括pointdistributionmodel(pdm)、activeshapemodel(asm)、activecontourmodel(也稱為snakes)、activeappearancemodel(aam)等。在一些實施例中，平均模型生成單元640可以將腔室標注后的整個心臟平均模型劃分成六個獨立的或者相互結合的子模型。例如，左心室模型、左心房模型、右心室模型、右心房模型、左心肌模型和主動脈模型等(如圖20所示)。在一些實施例中，平均模型生成單元640可以提取多個腔室邊緣，并確定多個腔室邊緣上的控制點分布，通過連接控制點形成網(wǎng)絡。在一些實施例中，平均模型生成單元640可以基于網(wǎng)格模型通過asm建模方法得到心臟腔室的平均網(wǎng)格模型，以及相應的特征值、特征向量等模型參數(shù)。在一些實施例中，平均模型生成單元640可以在平均模型計算中加入關聯(lián)因子對控制點的影響。例如，在asm計算中，平均模型生成單元640可以利用加權平均(即σ(fi*wi))來計算控制點的調(diào)整結果，其中，fi為某個腔室的變形參數(shù)，wi為該腔室對控制點的影響系數(shù)或權重值。通過所述基于關聯(lián)因子的加權平均計算可以使得模型上控制點的調(diào)整受到多個腔室結果的影響，從而達到關聯(lián)多個腔室的目的。平均模型生成單元640可以將得到的三維心臟平均網(wǎng)格模型發(fā)送給存儲模塊430進行存儲或關聯(lián)因子生成單元650用于計算。平均模型生成單元640也可以將得到的三維心臟平均網(wǎng)格模型發(fā)送給訓練模塊450和/或匹配模塊460進一步處理。關聯(lián)因子生成單元650可以用于建立各腔室和平均網(wǎng)格模型上控制點的關系。在一些實施例中，所述關系可以是腔室和控制點作為行列的二維關聯(lián)因子矩陣，矩陣的值可以表示各腔室對各控制點的影響系數(shù)或權重。在一些實施例中，所述矩陣的值可以是0-1之間的任意實數(shù)。在一些實施例中，關聯(lián)因子生成單元650可以根據(jù)網(wǎng)格模型上控制點的腔室歸屬，以及控制點與其它腔室的位置關系，建立關聯(lián)因子矩陣。在一些實施例中，關聯(lián)因子生成單元650可以根據(jù)控制點與其它腔室的距離計算關聯(lián)因子的影響范圍或影響系數(shù)。例如，關聯(lián)因子生成單元650可以通過控制點距離其它腔室的最大距離控制關聯(lián)因子影響系數(shù)的計算。在一些實施例中，關聯(lián)因子生成單元650可以根據(jù)各腔室間的緊密程度來調(diào)整不同腔室間的影響范圍和影響系數(shù)。如圖21所示，網(wǎng)格控制點模型中，淺色的控制點表示只受到所在腔室的影響，而深色的腔室連接處則表示控制點受到多個連接的腔室影響，其中顏色越深代表受其他腔室影響越大。關聯(lián)因子生成單元650可以將得到的二維關聯(lián)因子矩陣發(fā)送給存儲模塊430進行存儲，也可以發(fā)送給平均模型生成單元640和/或調(diào)整模塊470用于加權計算。需要注意的是，上述對于模型構建模塊440的描述，僅為描述方便，并不能把本申請限制在所舉實施例范圍之內(nèi)。可以理解，對于本領域的技術人員來說，在了解該模塊的工作原理后，可能在不背離這一原理的情況下，對該模塊中各個單元進行任意組合，或者構成子系統(tǒng)與其他單元連接，對實施上述模塊的形式和細節(jié)上作各種修正和改變。例如，配準單元620和/或標注單元630可以去掉，或者與獲取單元610、存儲模塊430合并。又例如，所述多個參考模型或平均模型可以包括已經(jīng)由用戶進行邊緣標注的心臟數(shù)據(jù)或模型。又例如，所述多個參考模型或平均模型可以包括已經(jīng)進行粗略的或精細的腔室分割的心臟數(shù)據(jù)。諸如此類的變形，均在本申請的保護范圍之內(nèi)。圖7是根據(jù)本申請的一些實施例所示的構建平均模型的示例性流程圖。在步驟710中，可以獲取多個心臟參考模型。所述多個心臟參考模型可以通過數(shù)據(jù)庫120、用戶輸入或控制及處理系統(tǒng)100外的存儲設備獲取。在一些實施例中，所述多個心臟參考模型可以包括一個病人在不同時間、不同位置、不同角度掃描的心臟圖像數(shù)據(jù)。在一些實施例中，所述多個心臟參考模型可以包括不同病人在不同位置、不同角度掃描的心臟圖像數(shù)據(jù)。在一些實施例中，所述多個心臟參考模型可以包括已經(jīng)由專家進行邊緣標注的心臟數(shù)據(jù)或模型。在一些實施例中，所述多個心臟參考模型可以包括已經(jīng)進行粗略的或精細的腔室分割的心臟數(shù)據(jù)。在步驟720中，可以對獲取的多個參考模型進行圖像配準。該步驟可以由模型構建模塊440中的配準單元620完成。在一些實施例中，可以通過平移、旋轉、縮放等方式將任意兩個參考模型變換到同一坐標系中，并使得上述兩個參考模型中對應于空間同一位置的點一一對應，從而實現(xiàn)信息融合。在一些實施例中，所述圖像配準可以包括基于空間維數(shù)配準、基于特征配準、基于變換性質(zhì)配準、基于優(yōu)化算法配準、基于圖像模態(tài)配準、基于主體配準等。其中，所述基于空間維數(shù)配準可以包括2d/2d配準、2d/3d配準或3d/3d配準。所述基于特征配準可以包括基于特征點(例如不連續(xù)點、圖形的轉折點、線交叉點等)配準、基于面區(qū)域(例如曲線、曲面等)配準、基于像素值配準、基于外部特征配準等。所述基于變換性質(zhì)配準可以包括基于剛性變換配準、基于仿射變換配準、基于投影變換配準和/或基于曲線變換配準等。所述基于優(yōu)化算法配準可以包括基于梯度下降法配準、基于牛頓法配準、基于powell法配準、基于遺傳算法配準等。所述基于圖像模態(tài)配準可以包括基于單模態(tài)配準和/或基于多模態(tài)配準。所述基于主體配準可以包括基于來自同一病人的圖像配準、基于來自不同病人圖像配準和/或基于病人數(shù)據(jù)和圖譜的配準。在步驟730中，可以在配準后的多個參考模型上標注腔室邊緣。該步驟730可以由模型構建模塊440中的標注單元630完成。在一些實施例中，可以通過由用戶在多個心臟參考模型上手動標注腔室邊緣點，每個參考模型上形成的邊緣點集可以將心臟劃分成六個部分，分別為左心室、左心房、右心室、右心房、心肌和主動脈。在一些實施例中，可以按照腔室邊緣相對于外部和內(nèi)部的變化程度，將心臟劃分為10個類別：左心室邊緣、左心房銳利邊緣、左心房非銳利邊緣、右心室銳利邊緣、右心室非銳利邊緣、右心房銳利邊緣、右心房非銳利邊緣、主動脈邊緣、左心肌銳利邊緣和左心肌非銳利邊緣(如圖18所示)。所述銳利邊緣可以指腔室的邊緣與外部相連或變化不明顯。所述非銳利的可以指腔室的邊緣與內(nèi)部或其它腔室相連或變化明顯。在步驟740中，可以確定多個參考模型上的控制點。該步驟可以由模型構建模塊440中的平均模型生成單元640根據(jù)經(jīng)過圖像配準和腔室邊緣標注的多個參考模型完成。在一些實施例中，可以根據(jù)多個參考模型的圖像配準結果和腔室邊緣標注信息確定每個腔室的軸。所述軸可以是腔室上任意指定的兩點的連線方向。例如，所確定的軸可以是腔室上距離最遠的兩點的連線構成的長軸。在一些實施例中，可以分別提取多個參考模型標注后的腔室邊緣，沿各個腔室上所確定的軸線的橫截面方向對各個腔室進行切片，并根據(jù)橫截面和曲面特征在切片邊緣形成密集的點集，構成平均模型的點模型(如圖19所示)。在一些實施例中，可以根據(jù)點模型確定各個腔室上的控制點。所述控制點可以是點模型上點集的子集。例如，所述子集越大，網(wǎng)格模型越大，心臟分割過程中的計算量越大，分割效果越好；所選用的子集越小，網(wǎng)格模型越小，心臟分割過程中的計算量越小，分割速度較快。在一些實施例中，腔室上控制點的數(shù)目可以變化。例如，在粗略分割階段，控制點數(shù)目可以較少，從而快速定位到腔室邊緣；在精細分割階段，控制點數(shù)目可以較多，從而實現(xiàn)腔室邊緣的精細分割。在步驟750中，可以根據(jù)控制點構建心臟平均網(wǎng)格模型。在一些實施例中，步驟750可以根據(jù)控制點之間的關系將不同點連接成多邊形網(wǎng)絡。例如，在一些實施例中，可以通過連接相鄰切片上的鄰近控制點形成三角形網(wǎng)絡。在一些實施例中，可以通過圖像變形方法獲得平均網(wǎng)格模型。所述圖像變形方法可以包括pointdistributionmodel(pdm)、activeshapemodel(asm)、activecontourmodel(也稱為snakes)、activeappearancemodel(aam)等。例如，在一些實施例中，可以基于控制點構建的三角形網(wǎng)絡通過asm計算方法得到多個心臟參考模型的平均網(wǎng)格模型(如圖20所示)。在一些實施例中，步驟750可以基于二維關聯(lián)因子矩陣對控制點網(wǎng)格模型進行加權平均模型計算。例如，在asm計算中，平均模型生成單元640可以利用加權平均(即σ(fi*wi))來計算控制點的調(diào)整結果，其中，fi為某個腔室的變形參數(shù)，wi為該腔室對控制點的影響系數(shù)或權重值。需要注意的是，上述對于模型構建模塊440構建平均模型的過程的描述，僅為描述方便，并不能把本申請限制在所舉實施例范圍之內(nèi)?？梢岳斫?，對于本領域的技術人員來說，在了解該模塊的工作原理后，可能在不背離這一原理的情況下，對各個步驟的順序進行任意調(diào)整，或者添加刪除某些步驟。例如，步驟710和步驟720可以合并。又例如，步驟730到步驟750可以循環(huán)多次。諸如此類的變形，均在本申請的保護范圍之內(nèi)。圖8是根據(jù)本申請的一些實施例所示的示例訓練模塊的示意圖。訓練模塊450可以包括一個分類單元810和一個分類器生成單元820。所述模型構建模塊440內(nèi)各模塊之間的連接方式可以是有線的、無線的或兩者的結合。任何一個模塊都可以是本地的、遠程的或兩者的結合。分類單元810可以用于將多個參考模型或平均模型上的可能腔室邊緣點劃分到不同的腔室類別中。該功能可以通過處理器220實現(xiàn)。在一些實施例中，分類單元810可以根據(jù)標注單元630劃分的腔室類別對參考模型或平均模型上可能的邊緣點進行分類(如圖22所示)。例如，分類單元810可以將參考模型或平均模型上腔室附近可能的邊緣點劃分到10個腔室類別中，分別是：左心室邊緣、左心房銳利邊緣、左心房非銳利邊緣、右心室銳利邊緣、右心室非銳利邊緣、右心房銳利邊緣、右心房非銳利邊緣、主動脈邊緣、左心肌銳利邊緣和左心肌非銳利邊緣。所述分類可以通過多種分類方法實現(xiàn)，包括但不限于決策樹分類算法、貝葉斯(bayes)分類算法、人工神經(jīng)網(wǎng)絡(ann)分類算法、k-鄰近(knn)、支持向量機(svm)、基于關聯(lián)規(guī)則的分類算法、集成學習分類算法等。在一些實施例中，分類單元810可以根據(jù)腔室邊緣附近的點與腔室邊緣的距離將腔室邊緣附近的點劃分為正樣本和負樣本。例如，所述正樣本可以是距離腔室邊緣一定閾值范圍內(nèi)的數(shù)據(jù)點，所述負樣本可以是距離邊緣較遠以及空間中其它隨機位置的數(shù)據(jù)點。在一些實施例中，分類單元810可以將多個參考模型或平均模型上可能邊緣點的分類結果或數(shù)據(jù)發(fā)送給存儲模塊430進行存儲，也可以發(fā)送給分類器生成單元820進一步處理。分類器生成單元820可以用于獲取訓練好的分類器。在一些實施例中，分類器生成單元820可以根據(jù)分類單元810劃分的邊緣點類別對多個參考模型或平均模型上的邊緣點進行分類器訓練，并得到訓練好的分類器(如圖23所示)。在一些實施例中，分類器生成單元820可以利用pbt訓練分類器。在一些實施例中，訓練好的分類器可以在接收到任意一個坐標點后，輸出該坐標點對應的概率。所述概率是指某一點作為腔室邊緣的概率。在一些實施例中，分類器生成單元820可以將訓練好的分類器發(fā)送給存儲模塊430進行存儲，也可以發(fā)送給匹配模塊460和/或調(diào)整模塊470用于計算。需要注意的是，上述對于訓練模塊450的描述，僅為描述方便，并不能把本申請限制在所舉實施例范圍之內(nèi)。可以理解，對于本領域的技術人員來說，在了解該模塊的工作原理后，可能在不背離這一原理的情況下，對該模塊中各個單元進行任意組合，或者構成子系統(tǒng)與其他單元連接，對實施上述模塊的形式和細節(jié)上作各種修正和改變。例如，分類單元810可以對多個參考模型或平均模型進行腔室劃分，使劃分后的腔室類別相對于標注劃分的腔室類別更精細。諸如此類的變形，均在本申請的保護范圍之內(nèi)。圖9是根據(jù)本申請的一些實施例所示的訓練分類器的示例性流程圖。在步驟910，訓練模塊450中的分類單元810可以獲取多個參考模型或平均模型中的樣本點。在一些實施例中，訓練模塊450可以基于標注后的多個參考模型或平均模型上的腔室分割結果提取腔室邊緣(如圖22所示)，并將每個腔室邊緣附近一定范圍內(nèi)的點作為正樣本，距離腔室邊緣較遠以及空間中其它隨機位置的點作為負樣本。例如，所述腔室邊緣一定范圍可以是0.1cm、0.5cm、1cm、2cm等。在步驟920，訓練模塊450中的分類單元810可以對獲取的正負樣本點進行分類。在一些實施例中，訓練模塊450可以按照分類方法將正負樣本點添加到不同的腔室類別中。在一些實施例中，正樣本可以是平均模型邊緣一定范圍內(nèi)的點，負樣本可以是一些平均模型邊緣一定范圍外的點。在一些實施例中，平均模型邊緣的一定范圍可以設置為零，此時正樣本即為平均模型邊緣點。在一些實施例中，正負樣本可以基于銳利程度及樣本點所處位置進行分類。在一些實施例中，樣本點所處位置為正負樣本所屬腔室。例如，訓練模塊450可以根據(jù)標注的腔室類別，將正負樣本點劃分到10個腔室類別中：左心室邊緣、左心房銳利邊緣、左心房非銳利邊緣、右心室銳利邊緣、右心室非銳利邊緣、右心房銳利邊緣、右心房非銳利邊緣、主動脈邊緣、左心肌銳利邊緣和左心肌非銳利邊緣。所述分類方法可以包括決策樹分類算法、貝葉斯(bayes)分類算法、人工神經(jīng)網(wǎng)絡(ann)分類算法、k-鄰近(knn)、支持向量機(svm)、基于關聯(lián)規(guī)則的分類算法、集成學習分類算法等。其中，決策樹分類算法可以包括id3、c4.5、c5.0、cart、public、sliq、sprint算法等。貝葉斯分類算法可以包括樸素貝葉斯算法、tan算法(treeaugmentedbayesnetwork))等。人工神經(jīng)網(wǎng)絡分類算法可以包括bp網(wǎng)絡、徑向基rbf網(wǎng)絡、hopfield網(wǎng)絡、隨機神經(jīng)網(wǎng)絡(例如boltzmann機)、競爭神經(jīng)網(wǎng)絡(例如hamming網(wǎng)絡、自組織映射網(wǎng)絡等)等?；陉P聯(lián)規(guī)則的分類算法可以包括cba、adt、cmar等。集成學習分類算法可以包括bagging、boosting、adpboosting、pbt等。在步驟930，訓練模塊450可以獲取經(jīng)過分類訓練的分類器。在一些實施例中，訓練模塊450中的分類器生成單元820可以通過pbt算法訓練上述樣本點類別，并獲得一個或多個訓練好的分類器(如圖23所示)。所述pbt可以包括兩級pbt算法或多級pbt算法。在一些實施例中，所述分類器可以包括一個或多個以多個參考模型或平均模型邊緣一定范圍內(nèi)的點為正樣本訓練得到的分類器(也稱作“第一分類器”)。在一些實施例中，所述分類器可以包括一個或多個以待處理圖像邊緣一定范圍內(nèi)的點為正樣本訓練得到的分類器(“第二分類器”)。需要注意的是，上述對于訓練模塊450訓練分類器的過程的描述，僅為描述方便，并不能把本申請限制在所舉實施例范圍之內(nèi)?？梢岳斫?，對于本領域的技術人員來說，在了解該模塊的工作原理后，可能在不背離這一原理的情況下，對各個步驟的順序進行任意調(diào)整，或者添加刪除某些步驟。例如，步驟910和步驟920中可以不區(qū)分正樣本和負樣本，并直接對腔室邊緣附近的所有點進行分類。又例如，正負樣本點距離腔室邊緣的最大距離可以是2cm。諸如此類的變形，均在本申請的保護范圍之內(nèi)。圖10是根據(jù)本申請的一些實施例所示的示例模型匹配模塊的結構示意圖。如圖10所示，匹配模塊460可以包括一個獲取單元1010，一個圖像點提取單元1020，一個霍夫變換單元1030和一個模型匹配單元1040。所述匹配模塊460內(nèi)各單元之間的連接方式可以是有線的、無線的或兩者的結合。任何一個單元都可以是本地的、遠程的或兩者的結合。獲取單元1010可以獲取圖像。所述獲取的圖像為待處理圖像。在一些實施例中，所述圖像可以是基于圖像數(shù)據(jù)重建的圖像。所述重建的圖像可以從處理設備130的其它模塊中獲取。例如，所述重建的圖像可以是獲取單元1010從圖像重建模塊420中獲取。再例如，所述重建的圖像可以是圖像重建模塊420重建圖像后存儲在存儲模塊430中的圖像。在一些實施例中，所述圖像可以是經(jīng)由外部設備輸入到系統(tǒng)中的圖像。例如，外部設備通過通信端口250將圖像輸入到系統(tǒng)中。在一些實施例中，獲取單元1010可以獲取平均模型。所述平均模型可以是平均模型生成單元640生成的三維心臟平均網(wǎng)格模型。在一些實施例中，獲取單元1010可以獲取訓練模塊450訓練好的第一分類器。在一些實施例中，獲取單元1010可以獲取模型匹配模塊460進行圖像匹配時所需要的參數(shù)。例如，獲取單元1010可以獲取用于廣義霍夫變換的參數(shù)。在一些實施例中，所述廣義霍夫變換的參數(shù)可以基于三維平均網(wǎng)格模型及其腔室邊緣控制點得到。例如，通過確定平均模型邊緣的質(zhì)心，計算平均模型邊緣上所有控制點相對于質(zhì)心的偏移量以及相對于質(zhì)心的梯度方向，可以得到對應于各梯度方向的控制點的偏移量向量(下面稱為梯度向量)。在一些實施例中，可以將平均模型置于x-y-z坐標系中，并確定各梯度向量在x-y-z坐標系下的坐標。在一些實施例中，各梯度向量的坐標可以轉換為極坐標系下的坐標。具體地，可以將梯度向量在x-y平面的投影與x坐標軸的夾角作為第一個角度θ，取值范圍為-180度到180度?？梢詫⑻荻认蛄颗cx-y平面的夾角作為第二個角度φ，取值范圍為-90度到90度。在一些實施例中，可以對上述表示梯度向量的兩個角度θ和φ進行離散化處理，獲取如下所述表格(亦稱為r-table)。在一些實施例中，可以將r-table上的偏移量進行縮放或者旋轉不同的角度來檢測不同大小或不同角度的形狀。梯度相關角度φ、θ對應點的偏移量0，90(x0,y0,z0),(x3,y3,z3),…0，80(x2,y2,z2),(x5,y5,z5),………10,90(x4,y4,z4),(x6,y6,z6),………像點提取單元1020可以獲取待處理圖像的邊緣概率圖。具體地，在一些實施例中，圖像點提取單元1020可以通過將待處理圖像上點的坐標輸入獲取單元1010獲取的分類器中，計算得到待處理圖像上各點作為腔室邊緣的概率，并根據(jù)各點的概率分布得到待處理圖像的邊緣概率圖。在一些實施例中，所述邊緣概率圖可以包括灰度梯度圖、彩色梯度圖(如圖24所示)等。在一些實施例中，圖像點提取單元1020可以將待處理圖像邊緣概率圖上概率值大于一定閾值的點作為第一邊緣點。所述閾值可以是0-1之間的任意實數(shù)，例如，0.3、0.5等。模型匹配單元1030可以將平均模型匹配到待處理圖像上。具體地，在一些實施例中，模型匹配單元1030可以通過加權廣義霍夫變換將平均模型匹配到待處理圖像的邊緣概率圖上。所述加權廣義霍夫變換可以包括根據(jù)待處理圖像上第一邊緣點和r-table獲取待處理圖像上所有可能的邊緣參考點，通過加權累加的方法求出所有邊緣參考點的概率累加值，并將概率累加值最大的邊緣參考點作為圖像的質(zhì)心。將模型質(zhì)心到圖像質(zhì)心的變換參數(shù)作為模型的變換參數(shù)。所述邊緣參考點可以通過待處理圖像第一邊緣點根據(jù)r-table中的參數(shù)進行坐標變換后得到。所述加權累加可以是將位于相同的邊緣參考點(指第一邊緣點根據(jù)r-table上的參數(shù)發(fā)生偏移后落到同一邊緣參考點的行為)對應的第一邊緣點概率累加的過程。根據(jù)獲得的圖像質(zhì)心，可以依據(jù)變換參數(shù)將模型的質(zhì)心變換至與圖像質(zhì)心重合的位置。所述變換參數(shù)可以包括旋轉角度和縮放比例等。在一些實施例中，模型匹配單元1030可以根據(jù)確定的變換參數(shù)對模型上的點進行旋轉、縮放處理等，從而得到與待處理圖像匹配的模型(如圖25所示)。需要注意的是，上述對于模型匹配模塊460的描述，僅為描述方便，并不能把本申請限制在所舉實施例范圍之內(nèi)?？梢岳斫?，對于本領域的技術人員來說，在了解該模塊的工作原理后，可以在不背離這一原理的情況下，對該模塊中各個單元進行任意組合，或者構成子系統(tǒng)與其他單元連接，對實施上述模塊的形式和細節(jié)上作各種修正和改變。例如，圖像點提取單元1020可以去掉，待處理圖像的邊緣概率圖可以直接由訓練模塊450得到。諸如此類的變形，均在本申請的保護范圍之內(nèi)。圖11是根據(jù)本申請的一些實施例所示的匹配平均模型與重建的圖像的示例性流程圖。在步驟1110中，可以獲取平均模型、待處理圖像和訓練好的第二分類器。在一些實施例中，所述平均模型可以是平均模型生成單元640基于多個參考模型通過圖像模型構建方法得到的三維心臟平均網(wǎng)格模型。所述圖像模型構建方法可以包括pointdistributionmodel(pdm)、activeshapemodel(asm)、activecontourmodel(也稱為snakes)、activeappearancemodel(aam)等。步驟1110可以由獲取單元1010實現(xiàn)。在一些實施例中，獲取單元1010獲取的待處理圖像可以是圖像重建模塊420重建的圖像。在一些實施例中，步驟1110可以獲取基于平均模型的r-table。在步驟1120中，可以確定廣義霍夫變換的參數(shù)。具體地，在一些實施例中，步驟1110可以基于待處理圖像的邊緣概率圖獲取待處理圖像的第一邊緣點。所述第一邊緣點可以是待處理圖像邊緣概率圖上概率大于一定閾值的點，例如所述概率可以是0.3。在一些實施例中，所述邊緣概率圖可以通過將待處理圖像上點的坐標輸入獲取單元1010獲取的分類器中計算待處理圖像上各點作為腔室邊緣的概率，并根據(jù)各點的概率分布得到。在一些實施例中，可以計算待處理圖像上第一邊緣點梯度方向對應的角度θ和φ，并根據(jù)r-table確定第一邊緣點的偏移量，以第一邊緣點的坐標值和所有對應偏移量的差值作為所有可能邊緣參考點的坐標值。進一步地，可以根據(jù)邊緣參考點投票次數(shù)和對應第一邊緣點的概率值對所有邊緣參考點進行加權累加。所述加權累加可以是將位于同一邊緣參考點對應的第一邊緣點的概率累加。在一些實施例中，可以將概率累加值最大的邊緣參考點所對應的r-table中的參數(shù)作為待處理圖像的變換參數(shù)。所述變換參數(shù)可以包括旋轉角度和縮放比例等。所述加權累加的方法用公式可以表示為：其中，i為第一邊緣點的索引，j為投票圖像上被投票的可能邊緣參考點的索引，p為每個第一邊緣點的概率值，σ為0,1二值函數(shù)，即當?shù)趇個第一邊緣點在第j個可能邊緣參考點有投票貢獻時，該值為1，否則為0。在步驟1130中，可以得到待處理圖像對應的模型。具體地，可以基于所確定的加權廣義霍夫變換參數(shù)，對待處理圖像上的第一邊緣點進行變換。例如，可以根據(jù)邊緣參考點對應的r-table中的角度和縮放比例，變換待處理圖像上第一邊緣點的坐標，并把平均模型上的相應信息對應到待處理圖像上，得到與平均網(wǎng)格模型對應的待處理圖像。圖12是根據(jù)本申請的一些實施例所示的示例調(diào)整模塊的結構示意圖。如圖12所示，所述調(diào)整模塊470可以包括一個獲取單元1210，一個目標點確定單元1220，一個模型變換單元1230。所述調(diào)整模塊470內(nèi)各單元之間的連接方式可以是有線的、無線的或兩者的結合。任何一個單元都可以是本地的、遠程的或兩者的結合。獲取單元1210可以獲取模型和訓練好的第二分類器。具體地，獲取單元1210可以獲取模型上第二邊緣點的坐標數(shù)據(jù)。在一些實施例中，所述模型的第二邊緣點可以是模型上的控制點。在一些實施例中，獲取單元1210可以獲取訓練模塊450訓練好的第二分類器。所述分類器可以是基于腔室及邊緣銳利程度劃分的10個腔室類別通過pbt分類算法訓練得到10個分類器，例如左心室邊緣、左心房銳利邊緣、左心房非銳利邊緣、右心室銳利邊緣、右心室非銳利邊緣、右心房銳利邊緣、右心房非銳利邊緣、主動脈邊緣、左心肌銳利邊緣和左心肌非銳利邊緣。這是因為，某個腔室邊緣內(nèi)外兩側的灰度變化不明顯，銳利程度較低，因此，未對其依據(jù)銳利程度分類。在一些實施例中，獲取單元1210可以獲取經(jīng)過模型變換單元1230處理后的模型。目標點確定單元1220可以確定模型上第二邊緣點對應的目標點。以模型上的一個第二邊緣點為例，目標點確定單元1220可以確定所述一個模型第二邊緣點周圍的多個候選點。在一些實施例中，目標點確定單元1220可以將確定的所述一個模型第二邊緣點周圍的多個候選點輸入到獲取單元1210獲取的分類器中，確定所述一個模型第二邊緣點及其周圍多個候選點對應于圖像邊緣的概率，并根據(jù)所述概率確定所述一個模型第二邊緣點的目標點。在一些實施例中，目標點確定單元1220可以確定模型上所有第二邊緣點的對應目標點。模型變換單元1230可以對模型進行調(diào)整。在一些實施例中，模型變換單元1230可以基于目標點確定單元1220所確定的目標點調(diào)整模型邊緣點的位置。所述調(diào)整可以包括相似性變換、分段仿射變換和/或基于能量函數(shù)的微變等。在一些實施例中，模型變換單元1230可以重復多次調(diào)整模型，且每次的調(diào)整均需要重新確定目標點。具體地，在一些實施例中，模型變換單元1230可以判斷模型調(diào)整后是否滿足預設條件。例如，模型調(diào)整次數(shù)是否達到一定閾值。若模型調(diào)整次數(shù)達到一定閾值，則輸出精確匹配的模型；若模型調(diào)整次數(shù)小于所述預設閾值，則發(fā)送信號至目標點確定單元1220，再次進行目標點的確定，然后由模型變換單元1230再次進行模型邊緣點的變換。在一些實施例中，模型變換單元1230可以獲得精確調(diào)整后的心臟腔室模型。所述精確調(diào)整后的心臟腔室模型可以與真實心臟非常接近。需要注意的是，上述對于調(diào)整模塊470的描述，僅為描述方便，并不能把本申請限制在所舉實施例范圍之內(nèi)?？梢岳斫?，對于本領域的技術人員來說，在了解該模塊的工作原理后，可能在不背離這一原理的情況下，對該模塊中各個單元進行任意組合，或者構成子系統(tǒng)與其他單元連接，對實施上述模塊的形式和細節(jié)上作各種修正和改變。例如，模型變換單元1230可以預先設定循環(huán)次數(shù)，而不需要通過閾值判斷來確定精確調(diào)整模塊470的循環(huán)次數(shù)。諸如此類的變形，均在本申請的保護范圍之內(nèi)。圖13是根據(jù)本申請的一些實施例所示的調(diào)整模型的示例性流程圖。在步驟1310中，可以獲取模型上的第二邊緣點和訓練好的分類器。在一些實施例中，獲取單元1210和獲取單元1010獲取的分類器不是同一類型。所述獲取單元1010獲取的分類器可以是訓練模塊450取平均網(wǎng)格模型邊緣一定范圍內(nèi)的點為正樣本訓練得到。所述獲取單元1210獲取的分類器可以是取待處理圖像邊緣一定范圍內(nèi)的點為正樣本訓練得到。在一些實施例中，獲取單元1010獲取的分類器可以是第一分類器，獲取單元1210獲取的分類器可以是第二分類器。在步驟1320中，在步驟1320中，可以基于第二分類器確定模型上第二邊緣點的目標點。在一些實施例中，步驟1320可以將一個模型第二邊緣點一定范圍內(nèi)的候選點輸入到第二分類器中，并獲得所述模型第二邊緣點一定范圍內(nèi)的候選點屬于圖像邊緣的概率。在一些實施例中，可以基于所確定的概率通過目標點確定單元1220確定所述一個模型第二邊緣點的目標點。在一些實施例中，模型上的第二邊緣點可以為模型上的腔室內(nèi)邊緣點(第二邊緣的內(nèi)邊緣)，對應心臟圖像數(shù)據(jù)第一邊緣的內(nèi)邊緣。將第二邊緣點變換至目標點的過程可以為精確匹配模型上腔室內(nèi)邊緣與心臟圖像數(shù)據(jù)第一邊緣的內(nèi)邊緣的過程。所述內(nèi)邊緣可以指用于精確匹配的邊緣，當本申請披露的方法使用于其他物體、器官或組織時，所述內(nèi)邊緣不一定是幾何上的內(nèi)部也不一定在所述外邊緣的內(nèi)部。在步驟1330中，可以基于確定的目標點將模型上的第二邊緣點變換至目標點。在一些實施例中，步驟1330可以采用多種變換方式對模型第二邊緣點進行變換。例如，可以通過模型變換單元1230采用相似性變化和仿射變換對模型第二邊緣點進行修正。在步驟1340中，可以判斷調(diào)整結果是否滿足預設條件。在一些實施例中，預設條件可以是調(diào)整次數(shù)是否達到一定閾值。在一些實施例中，所述閾值是可以調(diào)整的。當調(diào)整次數(shù)達到一定閾值時，進入步驟1350，并輸出精確匹配后的模型；當調(diào)整次數(shù)小于一定閾值時，返回步驟1320，可以基于新的模型邊緣點通過目標點確定單元1220確定新的模型邊緣點對應的目標點。圖14是根據(jù)本申請的一些實施例所示的確定目標點的示例性流程圖。流程1400可以是目標點確定單元1220實現(xiàn)。圖14中是確定平均模型邊緣上一點的相應目標點的過程，但是本領域技術人員應當理解的是，該方法可以用于獲得多個邊緣點對應的多個目標點。在一些實施例中，流程1400可以與步驟1320相對應。在步驟1410中，可以確定一個平均模型邊緣點的法線。在一些實施例中，所述法線的方向是由平均模型內(nèi)部指向外部。具體的法線獲取方法可以參見，例如，流程1500及其描述。在步驟1420中，可以獲取沿所述一個平均模型邊緣點法線方向的步長及搜索范圍。在一些實施例中，所述步長及搜索范圍可以是預先設定好的值。在一些實施例中，所述步長及搜索范圍可以是用戶輸入的。例如，用戶可以由外部設備通過通信端口250輸入到處理設備130中。在一些實施例中，所述搜索范圍為以所述一個模型邊緣點為起點，沿法線所在直線兩個方向(向模型外側或內(nèi)側)中至少一個方向的線段。在步驟1430中，基于步長及搜索范圍，可以確定一個或多個候選點。例如，搜索范圍為10厘米，步長設置為1厘米，可以沿法線所在直線兩個方向各確定10個點，共21個候選點(包括邊緣點本身)。在一些實施例中，也可以確定步長和步數(shù)，并根據(jù)步長和步數(shù)確定候選點。例如，步長設置為0.5厘米，步數(shù)設置為3，可以沿法線所在直線兩個方向各確定3個點，最遠的候選點距離邊緣點1.5cm，共7個候選點。在步驟1440中，可以確定所述一個或多個候選點對應于圖像邊緣一定范圍的概率。在一些實施例中，第二分類器是取圖像邊緣一定范圍內(nèi)的點為正樣本訓練得到。所述一定范圍可以為一預設值由機器或用戶設置。例如，所述預設值可以為1厘米。在步驟1450中，可以基于所述一個或多個候選點對應于圖像邊緣一定范圍的概率，確定所述一個或多個候選點中的一個為目標點。在一些實施例中，目標點可以基于以下函數(shù)獲得：fi＝max(pi-λ*di2)(2)其中，pi為候選點對應于圖像邊緣一定范圍的概率；di為候選點與所述一個平均模型邊緣點的歐氏距離；λ為權重，是常量用以平衡距離與概率值的關系。在一些實施例中，可以基于流程1400確定出多個模型邊緣點的多個目標點，然后根據(jù)所述多個目標點對多個模型邊緣點和模型進行變換。具體的變換過程可以參見，例如，圖16及其描述。圖15是根據(jù)本申請的一些實施例所示的確定邊緣點法線的示例性流程圖。在一些實施例中，流程1500可以與步驟1420相對應。在步驟1510中，可以根據(jù)平均模型的多個邊緣點確定多個多邊形。在一些實施例中，所述多個多邊形可以通過連接所述多個邊緣點形成。所述多個多邊形可以為三角形、四邊形、多邊形等形狀。在一些實施例中，根據(jù)多個邊緣點確定多個多邊形的過程也可被稱為網(wǎng)格化處理。其中，所述多個多邊形可以被稱為網(wǎng)格，所述多個邊緣點可以被稱為節(jié)點。在一些實施例中，平均模型表面可能已經(jīng)形成與所述平均模型邊緣點對應的多個多邊形，在此情況下，步驟1510可以被省略。在步驟1520中，可以確定與一個平均模型邊緣點的相鄰的多個多邊形。在步驟1530中，可以確定所述多個多邊形的所屬平面對應的多個法線。在一些實施例中，所述多個多邊形的所屬平面對應的多個法線方向位于同側(平均模型外側或內(nèi)側)。在一些實施例中，所述多個多邊形的所屬平面對應的多個法線向量為單位向量。在步驟1540中，可以基于所述多個法線確定所述邊緣點的法線。在一些實施例中，可以將所述多個多邊形對應的多個法線向量相加或者取平均。圖16是根據(jù)本申請的一些實施例所示的變換平均模型邊緣點的示例性流程圖。在一些實施例中，流程1600可以是模型變換單元1230實現(xiàn)。在步驟1610中，可以對平均模型邊緣點執(zhí)行相似性變換。例如，可以將平均模型邊緣點組成的網(wǎng)格作為一個整體，根據(jù)腔室邊緣點確定的目標點方向，對平均模型整體進行變換，主要包括平移、旋轉、縮放等操作。在步驟1620中，可以對平均模型邊緣點執(zhí)行分段仿射變換。在一些實施例中，平均模型邊緣點組成的網(wǎng)格可以被按照一定規(guī)則進行劃分。例如，可以按照心臟腔室對心臟模型進行劃分。如圖24所示，模型網(wǎng)格可以依據(jù)腔室被劃分為左心室、左心房、右心室、右心房、主動脈以及左心肌六個部分。在一些實施例中，分段仿射變換指的是將劃分的各個部分的網(wǎng)格分別進行仿射變換。所述仿射變換可以指對各個部分的多個節(jié)點分別進行移動變換和形狀變換。在一些實施例中，平均模型邊緣點可能受到多個腔室的影響。平均模型邊緣點受到不同腔室影響的作用可以以關聯(lián)因子的形式表示出來。在進行仿射變換時，平均模型邊緣點可以朝向目標點轉換。在轉換的過程中，平均模型邊緣點由于受到多個腔室影響。關聯(lián)因子會成為轉換參數(shù)(如移動位移，變形比例等)的權重值。根據(jù)邊緣點對應的目標點和關聯(lián)因子，模型變換單元1230采用分段仿射變換將平均模型多段網(wǎng)格上的邊緣點分別轉換至其對應的位置。在步驟1630中，可以對平均模型邊緣點執(zhí)行基于能量函數(shù)的微變。在一些實施例中，能量函數(shù)可以表示為：其中，eext為外部能量，表示當前點與檢測到目標點的關系；eint為內(nèi)部能量，表示當前點與所述平均模型的一個邊緣點的關系；α為權重，用來平衡內(nèi)外部能量，不同腔室使用不同的權重；c表示各腔室。當當前點既接近目標點又接近所述平均模型的一個邊緣點時，則能量函數(shù)最小，即求得最優(yōu)坐標點?？偰芰縠越小，結果越準確。外部能量函數(shù)可以表示為：其中，i為各；wi為各點所占的權重(即該點的可靠性)；當前點坐標為vi，經(jīng)pbt分類器檢測到的點為為點的梯度(向量)，為梯度值大小。內(nèi)部能量函數(shù)可以表示為：eint＝∑i∑j∑kwi，k((vi-vj)-taffinθ，k(mi-mj))2(5)其中，i為各點，j為點i的鄰域(則vi-vj對應于當前點位置各三角形的邊)；wi，k為關聯(lián)因子(各腔室k對當前點i的因子)；mi，mj為平均模型上的點(由pdm/asm求得)；mi-mj對應于mesh平均模型各三角形的邊)，taffinθ，k為各腔室k仿射變換pat所求得的變換關系。其中，點坐標vi都是空間三維的。經(jīng)過加權廣義霍夫變換、模型調(diào)整和模型變換，可以獲得精確匹配的模型和圖像。如圖25所示，精確匹配后的模型心臟各腔室被清晰、明確地分割出來。上文已對基本概念做了描述，顯然，對于本領域技術人員來說，上述發(fā)明披露僅僅作為示例，而并不構成對本申請的限定。雖然此處并沒有明確說明，本領域技術人員可能會對本申請進行各種修改、改進和修正。該類修改、改進和修正在本申請中被建議，所以該類修改、改進、修正仍屬于本申請示范實施例的精神和范圍。同時，本申請使用了特定詞語來描述本申請的實施例。如“一個實施例”、“一實施例”、和/或“一些實施例”意指與本申請至少一個實施例相關的某一特征、結構或特點。因此，應強調(diào)并注意的是，本說明書中在不同位置兩次或多次提及的“一實施例”或“一個實施例”或“一替代性實施例”并不一定是指同一實施例。此外，本申請的一個或多個實施例中的某些特征、結構或特點可以進行適當?shù)慕M合。此外，本領域技術人員可以理解，本申請的各方面可以通過若干具有可專利性的種類或情況進行說明和描述，包括任何新的和有用的工序、機器、產(chǎn)品或物質(zhì)的組合，或對他們的任何新的和有用的改進。相應地，本申請的各個方面可以完全由硬件執(zhí)行、可以完全由軟件(包括固件、常駐軟件、微碼等)執(zhí)行、也可以由硬件和軟件組合執(zhí)行。以上硬件或軟件均可被稱為“數(shù)據(jù)塊”、“模塊”、“引擎”、“單元”、“組件”或“系統(tǒng)”。此外，本申請的各方面可能表現(xiàn)為位于一個或多個計算機可讀介質(zhì)中的計算機產(chǎn)品，該產(chǎn)品包括計算機可讀程序編碼。本發(fā)明雖然已以較佳實施例公開如上，但其并不是用來限定本發(fā)明，任何本領域技術人員在不脫離本發(fā)明的精神和范圍內(nèi)，都可以利用上述揭示的方法和技術內(nèi)容對本發(fā)明技術方案做出可能的變動和修改，因此，凡是未脫離本發(fā)明技術方案的內(nèi)容，依據(jù)本發(fā)明的技術實質(zhì)對以上實施例所作的任何簡單修改、等同變化及修飾，均屬于本發(fā)明技術方案的保護范圍。本發(fā)明雖然已以較佳實施例公開如上，但其并不是用來限定本發(fā)明，任何本領域技術人員在不脫離本發(fā)明的精神和范圍內(nèi)，都可以利用上述揭示的方法和技術內(nèi)容對本發(fā)明技術方案做出可能的變動和修改，因此，凡是未脫離本發(fā)明技術方案的內(nèi)容，依據(jù)本發(fā)明的技術實質(zhì)對以上實施例所作的任何簡單修改、等同變化及修飾，均屬于本發(fā)明技術方案的保護范圍。當前第1頁12當前第1頁12