專利名稱：為數(shù)字射線照片的基于模型的解釋設(shè)置初始值的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及數(shù)字射線照片的計算機輔助診斷(CAD)，尤其涉及那些在根據(jù)機器視覺進行數(shù)字射線照片的基于模型的解釋中使用可變形模型的計算機輔助診斷，并且特別涉及為這些基于模型的解釋設(shè)置初始值。
背景技術(shù)：
計算機輔助診斷(CAD)領(lǐng)域中一個大有前途的進展在于將機器視覺應(yīng)用于數(shù)字射線照片。在各種現(xiàn)有的機器視覺技術(shù)中，CAD經(jīng)常根據(jù)射線照片中發(fā)現(xiàn)的物體的可變形模型進行基于模型的解釋?！翱勺冃文Ｐ汀笔潜３至宋矬w所表現(xiàn)出的基本特征，如骨骼和組織結(jié)構(gòu)，但又進行了變形的模型，該變形是為了適應(yīng)一系列對于不同患者的多張不同射線照片的共有范例。
使用基于模型的解釋方法遇到的一個問題是為這些方法設(shè)置初始值。尤其是許多基于模型的解釋方法涉及對模型當前估計值的區(qū)域中進行迭代搜索。在每次迭代時，將當前估計值稍微變形，以提供下一個迭代的估計值。通常，通過多次迭代，模型會收斂，直至達到射線照片中結(jié)構(gòu)的最佳估計值(所謂“最佳”是指進一步的迭代不可能得到顯著不同的結(jié)果)。
然而，當基于模型的解釋方法，尤其是那些涉及迭代搜索的基于模型的解釋方法具有較差的初始值時，例如，從一個不佳的開始位置被初始化時，容易產(chǎn)生大的收斂誤差。圖1A和1B示出這種情況。圖1A示出檢查側(cè)腰椎的數(shù)字射線照片，并且還示出以Cootes和Taylor建立的動態(tài)形狀模型(active shape model，ASM)為形式的基于模型的解釋方法。例如，請見《SPIE醫(yī)學(xué)成像學(xué)報》(ProceedingsSPIE Medical Imaging)，第236-248頁(2001年2月)，Cootes和Taylor所著“Statistical model of appearance for medical imageanalysis and computer vision”。ASM應(yīng)用迭代搜索使模型從初始位置變形為收斂的位置。如圖1A所示，較差的初始位置會在腰椎椎骨位置的不正確估計值處產(chǎn)生收斂。另一方面，如圖1B所示，較好的初始位置會在椎骨位置的正確估計值處產(chǎn)生收斂。
合適的初始化參數(shù)可以由熟練的放射學(xué)家或者其他醫(yī)務(wù)人員通過手工輸入獲得。然而，手工設(shè)置初始值與全自動CAD過程的目標相違背。

發(fā)明內(nèi)容
本發(fā)明的目的在于通過自動分析對前述情況進行處理，以便為數(shù)字射線照片的基于模型的解釋獲得模型參數(shù)的初始值。本發(fā)明是基于發(fā)明人這里對以下事實的認識，即根據(jù)任何一個特定射線照相方案(例如，檢查側(cè)腰椎)獲得的所有射線照片將包括對于不同患者和不同檢查所共有的特別區(qū)域。
這樣，根據(jù)一個方面，本發(fā)明為數(shù)字射線照片的基于模型的解釋獲得模型參數(shù)初始值，所述數(shù)字射線照片是根據(jù)射線照相方案從患者處獲得的。根據(jù)利用相同的射線照相方案獲得的多張不同射線照片上共有的邊界標記，確定射線照片中的興趣區(qū)域。之后，對興趣區(qū)域進行分析，以便計算初始模型參數(shù)的候選值。如果需要，之后可以對候選值進行細化，以對于興趣區(qū)域中出現(xiàn)的重復(fù)結(jié)構(gòu)澄清候選值。
在優(yōu)選實施方式中，邊界標記包括由相同的射線照相方案產(chǎn)生的每個不同射線照片中高對比度的特別區(qū)域。例如，在側(cè)腰椎治療方案的情況下，射線照片的特征是具有明亮的骨盆區(qū)域、與患者背部之外的非患者區(qū)域?qū)?yīng)的黑暗區(qū)域以及黑暗的肺部區(qū)域。包含興趣區(qū)域的明亮脊柱，將黑暗的肺部區(qū)域與黑暗的非患者區(qū)域分隔開。利用圖像增強技術(shù)，如均衡化、窗位選擇(window leveling)和閾值設(shè)置，確定這些邊界標記，以便確定興趣區(qū)域。
在其他的優(yōu)選實施方式中，根據(jù)興趣區(qū)域中視覺上顯著的特征和這些特征在該興趣區(qū)域中的空間定位計算出模型參數(shù)的候選值。由于模型在興趣區(qū)域中可能常常包括難以澄清的重復(fù)結(jié)構(gòu)，因此，計算候選值只能找出一些重復(fù)的結(jié)構(gòu)，而不能將它們彼此相互區(qū)分。例如，在檢查側(cè)腰椎時，興趣區(qū)域可能包含髂骨上方的五塊椎骨。因此可變形模型的初始參數(shù)可能包含定義五個幾乎相同的矩形區(qū)域的參數(shù)，并且因此而難以將其中的一塊椎骨(以及相應(yīng)的矩形區(qū)域)與其他椎骨相區(qū)分。因此，候選值經(jīng)常無法將重復(fù)的結(jié)構(gòu)相區(qū)分，并在射線照片中可能常常包含從實際位置向上或者向下的偏移。
優(yōu)選地是相對于用于確定興趣區(qū)域的邊界標記和相對于興趣區(qū)域本身的邊界進行澄清處理。例如，一旦在檢查側(cè)腰椎的興趣區(qū)域中識別出明顯的椎骨，并且根據(jù)該明顯的椎骨計算出候選值，就能夠通過相對于黑暗的肺部區(qū)域和明亮的髂骨區(qū)域進行距離測量而澄清候選值。
參數(shù)的初始值可以與射線照片中預(yù)計的病理相對應(yīng)。例如，在預(yù)計是正常病理的情況下，可以選擇“正常”的初始模型。同樣，在預(yù)計是異常病理的情況下，可以選擇“異?！钡某跏寄Ｐ?。另外，還可以根據(jù)多個不同初始參數(shù)組中的兩組或者多組進行處理，其中對這些組中的一組進行的自動選擇是基于可變形模型的收斂進行的。
基于模型的解釋可以是基于可變形模型的解釋，也可以是基于迭代模型的解釋，迭代模型如Cootes和Taylor所述的ASM和同是由Cootes和Taylor所述的動態(tài)表觀模型(active appearance model，AAM)。另外，基于模型的解釋還可以是非迭代模型，如通過對數(shù)字射線照片的小波分析或神經(jīng)網(wǎng)絡(luò)實現(xiàn)的模型。
本發(fā)明的另一優(yōu)選實施方式涉及數(shù)字射線照片的自動CAD處理，該自動CAD處理計算數(shù)字射線照片基于模型的解釋的模型參數(shù)初始值，之后根據(jù)基于模型的解釋修改初始值以便獲得參數(shù)的最佳估計值，這些參數(shù)為射線照片中發(fā)現(xiàn)的特征精確地建立模型。然后，從解釋結(jié)果獲得測量結(jié)果，以便提供射線照片中發(fā)現(xiàn)的病理的計算機輔助診斷。例如，在檢查側(cè)腰椎的情況下，能夠進行CAD處理以便診斷出駝背和脊柱前彎癥以及這些病情的相對嚴重程度。
本簡短的總結(jié)使得本發(fā)明的原理能夠被很快地理解。結(jié)合附圖，參照以下對優(yōu)選實施方式的詳細描述，可以獲得對本發(fā)明更全面的理解。


圖1A和圖1B是示出差初始化效果和好初始化效果的代表性數(shù)字射線照片；圖2示出遠距射線照相計算機輔助診斷(CAD)系統(tǒng)的框圖；圖3示出根據(jù)本發(fā)明的CAD分析的流程圖；圖4A和4B是用于解釋指定數(shù)字射線照片中訓(xùn)練點的圖；圖5是用于解釋自動搜索數(shù)字射線照片中的圖像數(shù)據(jù)以便獲得精確形狀模型的圖；圖6示出用于根據(jù)本發(fā)明獲得模型參數(shù)初始值的方法的詳細流程圖；圖7A至7F是使用相同射線照相方案的不同患者的代表性數(shù)字射線照片；圖8A至8F是用于解釋圖像處理的圖，通過該圖像處理確定興趣區(qū)域；圖9A至9F是用于解釋圖像處理的圖，通過該圖像處理計算初始模型參數(shù)的候選值；圖10A至10F是圖7A至7F所示相同的數(shù)字射線照片的圖，只是確定了映射到圖像上的椎骨，用于解釋根據(jù)本發(fā)明進行的澄清；以及圖11是用于解釋本發(fā)明第二實施方式的流程圖。
具體實施例方式
圖2是遠距射線照相CAD(計算機輔助診斷)系統(tǒng)的概括性框圖。如圖2所示，遠距射線照相CAD系統(tǒng)包括多個醫(yī)院和放射中心10、20和30，管理站點40和遠距射線照相CAD站點50，所有這些通過廣域網(wǎng)45或者在網(wǎng)絡(luò)上互聯(lián)。典型的醫(yī)院包括數(shù)字射線照相設(shè)備11，用于獲得患者的原始數(shù)字射線照片；膠片掃描儀12，用于將X光膠片轉(zhuǎn)換為數(shù)字射線照片形式。該醫(yī)院還包括PACS(醫(yī)學(xué)影像存檔與通信系統(tǒng))工作站14和15，所有這些通過網(wǎng)絡(luò)連接17與圖像數(shù)據(jù)庫16相互通信，網(wǎng)絡(luò)線接17可以是局域網(wǎng)、廣域網(wǎng)或企業(yè)內(nèi)部互聯(lián)網(wǎng)。路由器18提供與遠距射線照相CAD系統(tǒng)其他部件的通信。
醫(yī)院20、其他的醫(yī)院和放射中心30包括相似的結(jié)構(gòu)，盡管應(yīng)當理解這些結(jié)構(gòu)僅示例性示出了放射中心的通常情況。
管理站點40管理系統(tǒng)中遠距射線照相CAD方面，如接受請求并將請求尋路至適當?shù)腃AD站點，以及為診斷信息適當?shù)貙ぢ贩祷刂涟l(fā)出請求的站點。
遠距射線照相CAD站點50包括CAD服務(wù)器51，該服務(wù)器通過網(wǎng)絡(luò)連接57與PACS工作站52和53以及圖像數(shù)據(jù)庫55通信。路由器58將遠距射線照相CAD站點50與系統(tǒng)中其他部件互聯(lián)。
在典型的運行情況下，醫(yī)院10將利用數(shù)字射線照相設(shè)備11或者膠片掃描儀12獲得數(shù)字射線照片，該數(shù)字射線照片被存儲在圖像數(shù)據(jù)庫16中。放射學(xué)家或者其他醫(yī)務(wù)人員利用PACS工作站14或者15中的一臺工作站發(fā)出CAD服務(wù)的請求，該請求由管理站點40進行處理。管理站點40將該請求尋路至遠距射線照相CAD站點50，在該站點，CAD服務(wù)器51為該請求提供服務(wù)。優(yōu)選地，CAD站點50的技術(shù)人員參與利用PACS工作站52和53中的一臺工作站進行CAD分析?？梢詮膱D像數(shù)據(jù)庫16獲得圖像數(shù)據(jù)本身，或者可以將圖像數(shù)據(jù)本身發(fā)送到圖像數(shù)據(jù)庫55。優(yōu)選地，以DICOM格式存儲該圖像。通過管理站點40將CAD分析的結(jié)果尋路返回至醫(yī)院10，在醫(yī)院10中CAD分析的結(jié)果到達PACS工作站14或者15中的一臺工作站上的原始請求人處。
在本實施方式中，本發(fā)明的CAD系統(tǒng)置于CAD服務(wù)器51中。當然，也可以有其他的實施方式，如令CAD在本地PACS工作站14或者15中運行的實施方式，或者在數(shù)字射線照相設(shè)備11自身中運行的實施方式。然而，本實施方式中的集中式方案比分散式方案更優(yōu)越，如具有提供統(tǒng)一診斷的優(yōu)點，以及在自動診斷功能升級的情況下簡化更新的優(yōu)點。
圖3示出CAD服務(wù)器51中進行CAD處理的概括性流程圖。根據(jù)本發(fā)明的CAD處理是數(shù)字射線照片的基于模型的解釋，在該解釋中多個模型參數(shù)定義了數(shù)字射線照片中特征的數(shù)學(xué)模型。目前，優(yōu)選的是兩種模型，都是由Cootes和Taylor所建立的前述動態(tài)形狀模型(ASM)，在該模型中通過匹配模型點周圍的灰度級強度特性建立形狀的模型，以便與訓(xùn)練數(shù)據(jù)中的對應(yīng)點達到最佳匹配；以及動態(tài)表觀模型(AAM)，在該模型中使用形狀和紋理在搜索時限定對象的表觀。ASM和AAM都運用迭代搜索以達到最佳匹配，也可以使用其他迭代的基于模型的解釋。此外，也可以使用非迭代的基于模型的解釋，如神經(jīng)網(wǎng)絡(luò)等。
如圖3所示，在步驟S301，利用代表受CAD處理的數(shù)字射線照片的圖像數(shù)據(jù)61以及利用模型63計算模型參數(shù)的初始值。該模型基于訓(xùn)練數(shù)據(jù)，訓(xùn)練數(shù)據(jù)是通常通過對由圖像數(shù)據(jù)61代表的、來自相同射線照相方案的大量數(shù)字射線照片進行分析而事先獲得的、主要憑經(jīng)驗導(dǎo)出的數(shù)據(jù)。典型地，由經(jīng)驗豐富的醫(yī)生利用對訓(xùn)練圖像的人工注釋進行這種主要憑經(jīng)驗的分析。醫(yī)生在每個訓(xùn)練圖像中畫出邊界標記點，然后通過在邊界標記點之間插入值，生成沿邊界的其他點。圖4A和4B以ASM為例，說明如何通過此法生成訓(xùn)練形狀。圖4A中的圖像示出經(jīng)驗豐富的醫(yī)生手繪的邊界標記點，而圖4B中的圖像示出通過沿邊界插入值得到的形狀。
盡管由經(jīng)驗豐富的醫(yī)生對大量訓(xùn)練圖像進行人工注釋是一項費時的工作，然而，由于經(jīng)驗豐富的醫(yī)生的精確性和可靠性可以產(chǎn)生改進的訓(xùn)練數(shù)據(jù)，因此優(yōu)選地是采用自動的或者半自動的注釋方法。
返回圖3，步驟301生成如下結(jié)合圖6進行更充分解釋的模型參數(shù)的初始值。生成的初始值以標號62圖示出。在步驟S301中初始化后，在步驟S302中優(yōu)化模型參數(shù)。優(yōu)化的確切方法取決于使用的特定的基于模型的解釋。在ASM情況下，使用迭代搜索以便通過每個模型點沿按模型邊界的輪廓檢查圖像強度的變化。對于給定的模型點，在圖像中該點的每側(cè)沿k個像素的輪廓對灰度級強度(或其導(dǎo)數(shù))進行采樣。這一處理在圖5中示出，圖5示出從標記“0”向外延伸的線段，沿該線段對圖像強度特性進行采樣。利用來自訓(xùn)練組的輪廓為每個模型點建立灰度級強度(或其導(dǎo)數(shù))采樣的多元高斯模型。在ASM搜索中，沿該輪廓移動每個模型點，以便在灰度級強度特性上達到“最佳”匹配，“最佳”的意思是通過進一步的迭代不會在精度上獲得顯著改進。直觀上，當模型邊界與邊緣相對應(yīng)時，前述搜索處理就會沿輪廓定位最近似的邊緣。在更新了所有的模型點位置后，就找到了新模型參數(shù)以令模型形狀適合于新形狀。重復(fù)移動模型點以最佳匹配成像特性然后更新模型形狀參數(shù)的這一處理，直到由于進一步的迭代不再獲得點位置的顯著改變而達到收斂。
盡管AAM不僅使用圖像中的形狀特性，而且使用整個對象的紋理描述，但是可以根據(jù)AAM采用基于模型的解釋的相似方法。
在步驟S302中對模型參數(shù)進行了優(yōu)化后，運行步驟S303，從已優(yōu)化的參數(shù)中提取診斷信息。例如，在對側(cè)腰椎進行檢查的射線照相方案的情況下，自動測量磁盤空間、椎骨高度等等。根據(jù)使用的解釋模型和采用的射線照相方案，例如由自動測量進行診斷信息的提取。例如，在涉及前臂、足部或者手、嬰兒臀部、嬰兒足部和腿部X光照片的射線照相方案中，自動測量這些治療方案共有的顯著圖像特性。作為另一個例子，在三維射線照片的情況下，可以進行三維測量，如可以區(qū)分脊柱側(cè)凸、駝背和脊柱前彎的測量。最后，在步驟S304，輸出診斷報告。
所有成像的基于模型的解釋都需要設(shè)置好的模型參數(shù)初始值以便確保收斂。ASM開始于初始形狀，根據(jù)該初始形狀提取成像特性并用于改善該形狀。AAM開始于某些初始表觀模型參數(shù)，這些參數(shù)提供初始形狀和初始紋理。
圖6是示出根據(jù)本發(fā)明設(shè)置基于模型的解釋(圖3中步驟S301)的初始值的流程圖。圖6簡要說明了用于獲得模型參數(shù)初始值的技術(shù)，模型參數(shù)是根據(jù)射線照相方案獲得的患者數(shù)字射線照片的基于模型的解釋中的模型參數(shù)，其中基于模型的解釋根據(jù)數(shù)字射線照片的內(nèi)容修改初始值，以便獲得參數(shù)的修改值，從而建立其特征的模型。如圖6所示，在射線照片中確定興趣區(qū)域，其中根據(jù)相同射線照相方案獲得的多個不同的射線照片共有的邊界標記確定興趣區(qū)域。之后，分析興趣區(qū)域以便計算出初始模型參數(shù)的候選值。當候選值明確時，則使用這些候選值作為圖3所示流程中的初始模型參數(shù)。另一方面，當候選值不明確時，則針對興趣區(qū)域中的重復(fù)結(jié)構(gòu)澄清候選值。
尤其參見圖6，這里發(fā)明人認識到根據(jù)任何一個特定射線照相方案(例如，檢查側(cè)腰椎)獲得的所有射線照片都將包括在每位患者和每次檢查都是共同的特別區(qū)域。這些特別區(qū)域組成多個不同射線照片共同的邊界標記，并且這些邊界標記用于確定任意一個特定射線照片中的興趣區(qū)域。例如，圖7A到7F說明使用相同射線照相方案的不同患者的不同射線照片，在此情況下，射線照相方案是檢查側(cè)腰椎。盡管患者不同且檢查不同，但是圖7A到7F中的每一個包括以明亮的骨盆區(qū)域、與患者背部之外的非患者區(qū)域?qū)?yīng)的黑暗區(qū)域以及黑暗的肺部區(qū)域的形式組成的共同邊界標記。這三個區(qū)域圍繞著腰脊柱，腰脊柱是本特定射線照相方案的興趣區(qū)域。結(jié)合步驟S601至S606更詳細地描述根據(jù)這些共同的邊界標記對興趣區(qū)域的確定。首先，由于認識到原始圖像通常都不理想，因此在步驟S601中進行窗位選擇。這在圖8B中通過結(jié)合圖8A中示出的原始數(shù)字射線照片(該射線照片還與圖7A中示出的射線照片相對應(yīng))進行說明。在步驟S601中還設(shè)置閾值(圖8C所示)以便定位髂骨。在圖像的上部與黑暗的肺部區(qū)域相鄰的地方檢測到脊柱(步驟S602)。然后通過將脊柱的右邊界與髂骨的頂部相連，檢測出興趣區(qū)域的右邊界(步驟S603)，如圖8D所示。在步驟S604中將圖像旋轉(zhuǎn)，以便令邊界垂直，這種旋轉(zhuǎn)根據(jù)水平的和垂直的線和結(jié)構(gòu)提供了簡化的處理。圖8E中示出了已旋轉(zhuǎn)的圖像。然后，根據(jù)與射線照相方案相關(guān)的依經(jīng)驗導(dǎo)出的信息，獲得矩形的興趣區(qū)域。在檢查側(cè)腰椎的情況下，已經(jīng)確定合適的興趣區(qū)域是圖像寬度的大約1/4，并且根據(jù)肺底部的較低層，獲得側(cè)腰椎的矩形興趣區(qū)域。在興趣區(qū)域中另外進行窗位選擇以便增強該處的特征(步驟S606)。在圖8F中描述了進行窗位選擇的興趣區(qū)域。
在確定興趣區(qū)域后，進行步驟S608至步驟S613，以分析興趣區(qū)域，從而計算初始模型參數(shù)的候選值。在檢查側(cè)腰椎的情況下，模型參數(shù)定義興趣區(qū)域中五塊椎骨的形狀。由于這些椎骨彼此之間具有相對固定的位置，因此，圖像中一塊椎骨的中心就為獲得模型參數(shù)的候選值提供了足夠的信息。關(guān)于椎骨的附加信息可以進一步改善對模型參數(shù)初始值的設(shè)置。
這樣，在步驟S608，將興趣區(qū)域中的圖像銳化，并采用簡單的3×3濾鏡掩膜定位水平線(步驟S609)。這些步驟的結(jié)果分別在圖9A和圖9B中示出。找到最明亮的水平線，并計算其寬度(步驟S610)，假設(shè)該最明亮的水平線與椎骨邊緣對應(yīng)。然后，檢測兩個其他相鄰邊緣(步驟S611。所檢測的邊緣取決于最明亮椎骨相對于肺和髂骨的位置。尤其是，根據(jù)此位置向下到第一邊緣、或者向上到第一邊緣、或者向上一個邊緣和向下一個邊緣地搜索相鄰邊緣。在這些情況的任意一種情況下，原始邊緣加上兩個相鄰邊緣定義了一塊椎骨以及與其相鄰的椎骨邊緣。邊緣檢測的結(jié)果在圖9D中示出。
然后，檢測第四邊緣(步驟S612)以便勾勒出兩塊相鄰的椎骨輪廓，如圖9E所示。將這些邊緣旋轉(zhuǎn)回原始的位置(步驟S613)，如圖9F所示?？梢赃x擇被勾勒出輪廓的椎骨中一塊的中心來設(shè)置模型參數(shù)的初始值。
使用大量圖像得到的大致位置足以定義初始模型參數(shù)的候選值。例如，當用于涉及膝蓋軟骨的射線照相方案時，由初始模型參數(shù)定義的形狀足夠明顯，則對于初始模型參數(shù)而言該候選值是可用的。然而，在其他情況下，尤其是有多個彼此相似的重復(fù)結(jié)構(gòu)的情況下，可能有必要進行澄清以澄清這些重復(fù)結(jié)構(gòu)的候選值。
那種情況表現(xiàn)在檢查側(cè)腰椎中，在此情況下五塊椎骨是重復(fù)的且通常難以區(qū)分的矩形。圖10A至10F說明了這種情況，在這種情況下對圖7A至7F中原始示出的六張數(shù)字射線照片采用了步驟S601至S613。如圖10A至10F所示，步驟S601至S613已得到確定每個患者不同椎骨的候選值。因此，對于這種治療方案需進行澄清處理。
當需進行澄清處理時，則在步驟S615中執(zhí)行。在檢查側(cè)腰椎的情況下，通過利用每個椎骨相對于肺和髂骨的位置確定每個椎骨來進行澄清。
圖11示出本發(fā)明的第二實施方式，在本實施方式中生成多個不同的初始參數(shù)組，每組分別對應(yīng)所述射線照相方案中不同的病理。還提供了多個不同的模型，每個模型對應(yīng)不同病理組中的一個。例如，在檢查側(cè)腰椎的情況下，不同的病理可以包括脊柱側(cè)凸、駝背和脊柱前彎?；谀Ｐ偷慕忉屖褂孟嚓P(guān)的模型并設(shè)置模型參數(shù)的初始值，以便獲得對應(yīng)的多組收斂的模型參數(shù)(步驟S1102)。分析每組模型參數(shù)，確定哪一組收斂得最佳，并選取那組收斂模型參數(shù)(步驟S1103)。對于選取的收斂值，提取診斷信息(步驟S1104)并輸出診斷報告(步驟S1105)。
前面已參考特定的示例性實施方式描述了本發(fā)明。應(yīng)當理解，本發(fā)明不限于上述實施方式，在不脫離本發(fā)明的實質(zhì)和范圍的情況下，本領(lǐng)域內(nèi)的普通技術(shù)人員可以做出各種改變和修改。
權(quán)利要求
1.一種為根據(jù)射線照相方案得到的患者數(shù)字射線照片的基于模型的解釋獲得初始模型參數(shù)值的方法，其中基于模型的解釋根據(jù)數(shù)字射線照片的內(nèi)容改變模型參數(shù)，以便建立其特征的模型，所述方法包括以下步驟確定射線照片中的興趣區(qū)域，其中根據(jù)利用相同射線照相方案獲得的多張不同射線照片共有的邊界標記確定該興趣區(qū)域；以及分析該興趣區(qū)域以便計算初始模型參數(shù)的一個或多個候選值。
2.根據(jù)權(quán)利要求1所述的方法，其中邊界標記包括由相同射線照相方案產(chǎn)生的多張不同射線圖像中具有高對比度的特別區(qū)域。
3.根據(jù)權(quán)利要求2所述的方法，其中射線照相方案是側(cè)腰椎方案，并且其中邊界標記包括明亮的骨盆區(qū)域、與患者背部之外的非患者區(qū)域?qū)?yīng)的黑暗區(qū)域以及黑暗的肺部區(qū)域，包含興趣區(qū)域的明亮脊柱把黑暗的肺部區(qū)域與黑暗的非患者區(qū)域分隔開。
4.根據(jù)權(quán)利要求1所述的方法，其中所述確定步驟包括包含均衡化、窗位選擇以及閾值設(shè)置以便定義興趣區(qū)域的圖像增強技術(shù)。
5.根據(jù)權(quán)利要求1所述的方法，其中根據(jù)興趣區(qū)域中視覺上顯著的特征和興趣區(qū)域中這些特征的空間定位計算初始模型參數(shù)的候選值。
6.根據(jù)權(quán)利要求5所述的方法，其中射線照相方案是側(cè)腰椎檢查，可變形模型的初始參數(shù)定義與髂骨上方的五塊椎骨相應(yīng)的五個幾乎相同的矩形區(qū)域，并且不考慮五個矩形區(qū)域中的哪一個對應(yīng)椎骨之一而計算初始模型參數(shù)的候選值。
7.根據(jù)權(quán)利要求1所述的方法，還包括關(guān)于興趣區(qū)域中發(fā)現(xiàn)的重復(fù)結(jié)構(gòu)對初始模型參數(shù)的候選值進行澄清的步驟。
8.根據(jù)權(quán)利要求7所述的方法，其中相對于用于確定興趣區(qū)域的邊界標記進行澄清。
9.根據(jù)權(quán)利要求8所述的方法，其中還相對于興趣區(qū)域本身的邊界進行澄清。
10.根據(jù)權(quán)利要求9所述的方法，其中射線照相方案是側(cè)腰椎檢查，并且通過相對于黑暗的肺部區(qū)域和明亮的髂骨區(qū)域的距離測量澄清初始模型參數(shù)。
11.根據(jù)權(quán)利要求1所述的方法，還包括從對應(yīng)于多種不同病理的多個不同初始值組中選擇初始模型參數(shù)組的步驟。
12.根據(jù)權(quán)利要求1所述的方法，還包括如下步驟選擇對應(yīng)于多種不同病理的多個不同模型；對于根據(jù)權(quán)利要求1的每個不同模型，獲得初始模型參數(shù)組；根據(jù)基于模型的解釋改變每個初始模型參數(shù)組；以及根據(jù)基于模型的解釋中所有模型的收斂情況，選擇一個模型參數(shù)組。
13.根據(jù)權(quán)利要求1所述的方法，其中基于模型的解釋是基于迭代模型。
14.根據(jù)權(quán)利要求1所述的方法，其中基于模型的解釋是基于非迭代模型。
15.一種通過根據(jù)權(quán)利要求1至14中任一項對數(shù)字射線照片的基于模型的解釋確定初始模型參數(shù)組來對數(shù)字射線照片進行的自動CAD處理，包括根據(jù)基于模型的解釋改變模型參數(shù)，以便獲得射線照片中發(fā)現(xiàn)的特征的最佳估計；以及分析解釋結(jié)果，以便提供射線照片中發(fā)現(xiàn)的病理的計算機輔助診斷。
全文摘要
本發(fā)明公開了通過基于模型的解釋對數(shù)字射線照片進行的自動計算機輔助診斷(CAD)處理，其初始化提供了模型所用的初始參數(shù)組?？梢愿鶕?jù)數(shù)字射線照片中預(yù)計的病理選擇初始參數(shù)，并可以由模型對初始參數(shù)進行優(yōu)化以便與射線照片中示出的特征相匹配。該模型是迭代模型或者非迭代模型。根據(jù)解釋結(jié)果進行分析，以便診斷射線照片中示出的病理。
文檔編號A61B6/00GK1503169SQ200310115488
公開日2004年6月9日 申請日期2003年11月26日 優(yōu)先權(quán)日2002年11月27日
發(fā)明者童歆, 亞歷山大·貝雷斯托夫, 大 貝雷斯托夫, 童 歆 申請人:佳能株式會社