專利名稱：利用聯(lián)合空間強(qiáng)度似然比檢驗(yàn)進(jìn)行體積腫瘤分割的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及數(shù)字化醫(yī)學(xué)圖像中的對(duì)象分割。
背景技術(shù)：
可從采集于當(dāng)前成像系統(tǒng)的數(shù)據(jù)中獲得的診斷高級(jí)信息允許在 更早和更容易治療的階段發(fā)現(xiàn)潛在問(wèn)題。給定可從成像系統(tǒng)采集的 大量詳細(xì)數(shù)據(jù)，必須發(fā)展各種算法以有效地和精確地處理圖像數(shù) 據(jù)。通過(guò)計(jì)算機(jī)的幫助，圖像處理的進(jìn)步通常在數(shù)字或數(shù)字化圖像 上得以執(zhí)行。
數(shù)字圖像從代表與由特定陣列位置所注明的解剖位置點(diǎn)相關(guān)聯(lián) 的性質(zhì)(例如灰度標(biāo)度值或磁場(chǎng)強(qiáng)度)的數(shù)值的陣列被創(chuàng)建。解剖 位置點(diǎn)的集合包括圖像域。在2D數(shù)字圖像或切片截面中，離散的陣 列位置被稱為像素。三維數(shù)字圖像可以通過(guò)本領(lǐng)域中已知的各種構(gòu) 造技術(shù)從堆疊的切片截面被構(gòu)造。3D圖像由離散的體積元素(也稱 為體素)構(gòu)成，體素由來(lái)自2D圖像的像素組成。像素或體素性質(zhì)可 以被處理以確定關(guān)于與這樣的像素或體素相關(guān)聯(lián)的患者解剖結(jié)構(gòu)的 各種性質(zhì)。
分類、識(shí)別和表征圖像結(jié)構(gòu)的過(guò)程被稱為分割。 一旦解剖區(qū)域 和結(jié)構(gòu)通過(guò)分析像素和/或體素被識(shí)別，利用區(qū)域特性和特征的后續(xù) 處理和分析可以被應(yīng)用到相關(guān)區(qū)，因而提高了成像系統(tǒng)的精度和效
率。各種各樣的對(duì)象外觀特性和邊界幾何形狀使圖像分割成為很難 的任務(wù)。在過(guò)去的幾十年中，許多有希望的通用方法、例如分類/標(biāo) 記/聚類和曲線演化已被提出用于解決該問(wèn)題。然而在實(shí)踐中，靶對(duì) 象的結(jié)構(gòu)假設(shè)常?？梢允孪全@得，因而可以被用作先驗(yàn)。這種先驗(yàn) 信息的成功結(jié)合通常在實(shí)現(xiàn)有效和精確的分割解決方案方面起到了 關(guān)鍵作用。
應(yīng)用于計(jì)算機(jī)輔助診斷應(yīng)用的醫(yī)學(xué)數(shù)據(jù)分割解決方案的發(fā)展著 重于總系統(tǒng)性能，包括用戶交互因素。在這樣的上下文中，為了獲 得更好的總性能，需要最小用戶交互的半自動(dòng)解決方案可能優(yōu)于全
自動(dòng)方案。為此， 一次點(diǎn)擊圖形背景分割(one-click figure ground segmentation)法是優(yōu)選的，其中用戶可以提供粗略指示要從任意后 景中被分割出的靶/圖形團(tuán)塊的數(shù)據(jù)點(diǎn)。成功的解決方案取決于(1) 相對(duì)于用戶給定的初始化變化和不同的掃描設(shè)置的穩(wěn)健性，用以緩 解用戶的勞動(dòng)，(2)即使在高維數(shù)據(jù)情況下的運(yùn)行時(shí)間效率，用以 增強(qiáng)用戶交互性，和(3)高精度，使得用戶交互導(dǎo)致比全自動(dòng)解決 方案更好的性能。

發(fā)明內(nèi)容
這里描述的本發(fā)明的典型實(shí)施例通常包括用于在多維圖像中團(tuán) 塊狀對(duì)象的半自動(dòng)圖形背景分割解決方案的方法和系統(tǒng)。團(tuán)塊狀結(jié) 構(gòu)包括在許多應(yīng)用領(lǐng)域中難以分割的各種感興趣對(duì)象，例如在3D醫(yī) 學(xué)數(shù)據(jù)中的腫瘤病變。本發(fā)明的實(shí)施例被用于計(jì)算機(jī)輔助診斷醫(yī)學(xué) 應(yīng)用，證明半自動(dòng)圖形背景方法是有效的。通過(guò)在聯(lián)合空間強(qiáng)度域 中組合各向異性高斯模型擬合和基于似然比檢驗(yàn)(LRT)的非參數(shù) 分割來(lái)實(shí)現(xiàn)有效分割。利用穩(wěn)健擬合的高斯(Gaussian)來(lái)估計(jì)空間 和強(qiáng)度變量的前景和后景似然。具有自舉似然的LRT是最佳的背葉 斯分類，同時(shí)自動(dòng)地確定LRT門限。 一個(gè)實(shí)施例的3D實(shí)施應(yīng)用于 CT數(shù)據(jù)中的肺結(jié)節(jié)分割并且用1310個(gè)病例得以證實(shí)。靶結(jié)節(jié)在平 均小于3秒內(nèi)被分割。
根據(jù)本發(fā)明的一個(gè)方面，提供了一種用于分割數(shù)字化圖像的方 法，所述方法包括以下步驟提供包括多個(gè)強(qiáng)度的數(shù)字化體積圖像， 所述強(qiáng)度對(duì)應(yīng)于N維空間中的點(diǎn)域；提供在所述圖像中靶結(jié)構(gòu)的近 似位置；估計(jì)關(guān)于所述耙結(jié)構(gòu)的前景空間強(qiáng)度似然函數(shù)；估計(jì)關(guān)于
8
所述靶結(jié)構(gòu)的后景空間強(qiáng)度似然函數(shù)；和使用所述前景和后景空間 強(qiáng)度似然函數(shù)以通過(guò)確定圍繞所述靶結(jié)構(gòu)的點(diǎn)是否在所述靶結(jié)構(gòu)內(nèi) 部來(lái)分割所述靶結(jié)構(gòu)。
根據(jù)本發(fā)明的進(jìn)一步方面，所述方法包括通過(guò)將N維各向異性 高斯函數(shù)擬合到關(guān)于所述近似位置居中的感興趣體積和確定所述高 斯函數(shù)的中心和各向異性擴(kuò)展來(lái)確定所述靶結(jié)構(gòu)的估計(jì)中心和估計(jì) 擴(kuò)展。
根據(jù)本發(fā)明的進(jìn) 一 步方面，前景空間強(qiáng)度似然函數(shù)可以被因式 分解成前景空間似然函數(shù)和前景強(qiáng)度似然函數(shù)的乘積，并且所述后 景空間強(qiáng)度似然函數(shù)可以被因式分解成后景空間似然函數(shù)和后景強(qiáng) 度似然函數(shù)的乘積。
根據(jù)本發(fā)明的進(jìn)一步方面，前景空間似然函數(shù)與所述各向異性 高斯函數(shù)成比例，并且所述后景強(qiáng)度似然函數(shù)是所述前景空間似然 函數(shù)的互補(bǔ)。
根據(jù)本發(fā)明的進(jìn)一步方面，所述方法包括圍繞所述靶結(jié)構(gòu)施加 窗口，其中所述窗口被定義為離所述高斯的所述均值的其馬哈拉諾
比斯距離小于預(yù)定的常數(shù)值的那些點(diǎn)，其中使用所述高斯的所述擴(kuò) 展計(jì)算所述馬哈拉諾比斯距離。
根據(jù)本發(fā)明的進(jìn)一步方面，通過(guò)求解下式確定所述常數(shù)值
其中^是所述擴(kuò)展，c是所述常數(shù)值，S樹(shù)是所述窗口， x是所述窗口
中的點(diǎn)，"是所述靶結(jié)構(gòu)的中心，并且^^"it。
根據(jù)本發(fā)明的進(jìn)一步方面，前景強(qiáng)度似然函數(shù)與由在所述窗口
中被采樣的所述前景空間似然函數(shù)所加權(quán)的前景強(qiáng)度差函數(shù)成比
例，并且所述后景強(qiáng)度似然函數(shù)與由在所述窗口中被采樣的所述后
景空間似然函數(shù)所加權(quán)的后景強(qiáng)度差函數(shù)成比例。
根據(jù)本發(fā)明的進(jìn)一步方面，比例常數(shù)等于窗口范數(shù)的一半。 根據(jù)本發(fā)明的進(jìn)一步方面，前景和后景強(qiáng)度差函數(shù)包括狄拉克S函數(shù)。
根據(jù)本發(fā)明的進(jìn)一步方面，前景和后景強(qiáng)度差函數(shù)包括帕曾函 數(shù)。
根據(jù)本發(fā)明的進(jìn)一步方面，為鄰近所述靶結(jié)構(gòu)的每個(gè)點(diǎn)重復(fù)確 定圍繞所述靶結(jié)構(gòu)的點(diǎn)是否在所述靶結(jié)構(gòu)內(nèi)部的步驟以確定哪些點(diǎn) 包括所述靶結(jié)構(gòu)。
根據(jù)本發(fā)明的進(jìn)一步方面，確定點(diǎn)是否在所述靶結(jié)構(gòu)內(nèi)部包
括將在所述點(diǎn)所計(jì)算的所述前景和后景空間強(qiáng)度似然函數(shù)的比與
預(yù)設(shè)的門限進(jìn)行比較，其中如果所述比大于所述門限則將所述點(diǎn)分
類為在所述靶結(jié)構(gòu)內(nèi)部。
根據(jù)本發(fā)明的進(jìn)一步方面，確定點(diǎn)是否在所述靶結(jié)構(gòu)內(nèi)部包
括將所述前景空間強(qiáng)度似然函數(shù)秋 一樹(shù)與所述后景空間強(qiáng)度似然 函數(shù)狄咖^進(jìn)行比較，其中如果瞇0|時(shí)>ffM4則將所述點(diǎn)x分類為
在所述耙結(jié)構(gòu)內(nèi)部。
根據(jù)本發(fā)明的進(jìn)一步方面，確定點(diǎn)是否在所述靶結(jié)構(gòu)內(nèi)部包 括將所述前景似然函數(shù)和所述后景似然函數(shù)的比的函數(shù)F與在所述 點(diǎn)位置的斤O進(jìn)行比較，其中函數(shù)f是單調(diào)和嚴(yán)格遞增函數(shù)族F:及—及
中的一員，其中如果所述比的函數(shù)大于F^則將所述點(diǎn)分類為在所述 靶結(jié)構(gòu)內(nèi)部。
根據(jù)本發(fā)明的進(jìn)一步方面，確定點(diǎn)是否在所述靶結(jié)構(gòu)內(nèi)部包 括在點(diǎn)位置x將所述前景似然函數(shù)取， 一時(shí)的函數(shù)F與所述后景似然 函數(shù)秋or/w^的函數(shù)F進(jìn)行比較，其中函數(shù)F是單調(diào)和嚴(yán)格遞增函數(shù)族
F:及4及中的一員，并且其中如果F辨x,峭幼SF"^，a/o^則將所述點(diǎn)x分
類為在所述靶結(jié)構(gòu)內(nèi)部。
根據(jù)本發(fā)明的另一方面，提供了一種計(jì)算機(jī)可讀程序存儲(chǔ)設(shè) 備，有形地體現(xiàn)可由計(jì)算機(jī)執(zhí)行以執(zhí)行用于分割數(shù)字化圖像的方法 步驟的指令程序。


圖l(a)-(f)示出了根據(jù)本發(fā)明實(shí)施例的用于1D例子的似然估計(jì) 過(guò)程。
圖2描繪了根據(jù)本發(fā)明實(shí)施例的基于聯(lián)合空間強(qiáng)度似然比檢驗(yàn) 的分割方法的流程圖。
圖3(a)-(d)示出了根據(jù)本發(fā)明實(shí)施例的四個(gè)腫瘤病例的分割結(jié)果 的例子。
圖4(a)-(d)顯示了根據(jù)本發(fā)明實(shí)施例的為圖3(a)-(d)中的四個(gè)病
例所估計(jì)的強(qiáng)度似然模型。
圖5示出了根據(jù)本發(fā)明實(shí)施例的用于五個(gè)腫瘤病例的3D分割結(jié) 果的2D視圖的例子。
圖6是根據(jù)本發(fā)明實(shí)施例的用于實(shí)現(xiàn)基于聯(lián)合空間強(qiáng)度比檢驗(yàn) 的分割方法的典型計(jì)算機(jī)系統(tǒng)的框圖。
具體實(shí)施例方式
這里所述的本發(fā)明典型實(shí)施例通常包括用于在多維醫(yī)學(xué)圖像中
所俘獲的一類團(tuán)塊狀結(jié)構(gòu)的有效分割解決方案的系統(tǒng)和方法。盡管 在分割CT肺結(jié)節(jié)的上下文中論述了本發(fā)明的典型實(shí)施例，但是應(yīng)當(dāng)
理解的是這里所提供的對(duì)象分割和形狀表征方法也應(yīng)用于其他多維 成像模態(tài)。
如這里所使用的，術(shù)語(yǔ)"圖像"指的是由離散圖像元素(例如 2D圖像的像素和3D圖像的體素)組成的多維數(shù)據(jù)。圖像例如可以 是由計(jì)算機(jī)斷層攝影、磁共振成像、超聲、或本領(lǐng)域技術(shù)人員已知 的任何其他醫(yī)學(xué)成像系統(tǒng)所收集的受試者(subject)的醫(yī)學(xué)圖像。 圖像也可以從非醫(yī)學(xué)上下文(例如遠(yuǎn)程感測(cè)系統(tǒng)、電子顯微鏡檢查 等)被提供。盡管圖像可以被認(rèn)為是113到R的函數(shù)，但是本發(fā)明的 方法并不限于這樣的圖像，而是可以應(yīng)用于任何維的圖像，例如2D 圖片或3D體積。對(duì)于2或3維圖像，圖像域典型地為2或3維矩形 陣列，其中每個(gè)像素或體素可以參考一組2或3個(gè)相互正交的軸被 編址。這里使用的術(shù)語(yǔ)"數(shù)字的"或"數(shù)字化"將適當(dāng)?shù)刂傅氖峭ㄟ^(guò) 數(shù)字采集系統(tǒng)或通過(guò)從模擬圖像的轉(zhuǎn)換所獲得的數(shù)字或數(shù)字化格式 的圖像或體積。
團(tuán)塊狀結(jié)構(gòu)可以被定義為粗略凸起的局部強(qiáng)度分布，其等水平 (isolevel)輪廓近似為橢圓體，但是帶有不破壞橢圓體拓樸的一些 不規(guī)則性。強(qiáng)度分布自身可以是多模態(tài)的，但是在平滑帶寬的適當(dāng) 上界內(nèi)的高斯模糊(Gaussian blurring )下也可以呈單模態(tài)。這類數(shù) 據(jù)結(jié)構(gòu)代表在許多醫(yī)學(xué)成像應(yīng)用領(lǐng)域(例如CT肺和PET熱點(diǎn)分割) 中難以分割的各種感興趣對(duì)象，例如腫瘤和息肉。
根據(jù)本發(fā)明的實(shí)施例，半自動(dòng)(一次點(diǎn)擊)團(tuán)塊分割方法包括 兩個(gè)步驟。團(tuán)塊的例子是胂瘤。第一步驟是使用各向異性高斯擬合
的預(yù)處理步驟。給定指示耙結(jié)構(gòu)(例如腫瘤)的近似位置的初始標(biāo) 記X,高斯擬合以高斯函數(shù)形式提供估計(jì)靶中心"和各向異性擴(kuò)展矩<formula>formula see original document page 12</formula>
需要注意的是符號(hào)"/表示矢量(或矩陣)的轉(zhuǎn)置。感興趣體積
(VOI) 0可以由在x居中的固定大小的AH3窗口所給定的數(shù)據(jù)分析的 廣度限定。待分析的數(shù)據(jù)由^》€(wěn)^表達(dá)，其中^Qei^是指示數(shù)據(jù)(像 素/體素)位置的N維坐標(biāo)。產(chǎn)生的多標(biāo)度高斯模型擬合解針對(duì)(1) 來(lái)自非耙相鄰結(jié)構(gòu)的影響、(2)數(shù)據(jù)的失配(misfit)、和(3)初 始化點(diǎn)^的變化是穩(wěn)健的。各向異性高斯擬合流程在于2004年7月 17日提交的、發(fā)明名稱為"Method for Robust Scale-Space Analysis of 3D Local Structures in Medical Images (醫(yī)學(xué)圖像中3D局部結(jié)構(gòu)的 穩(wěn)健標(biāo)度空間分析的方法)"、美國(guó)專利申請(qǐng)序列號(hào)為10/892,646 的、發(fā)明人的共同未決專利申請(qǐng)中進(jìn)行了描述，上述申請(qǐng)的內(nèi)容被 結(jié)合于此以作參考。
根據(jù)本發(fā)明的實(shí)施例的分割方法的第二步驟涉及使用似然檢驗(yàn) 從后景中分離圖形。在每個(gè)數(shù)據(jù)點(diǎn)"Q存在強(qiáng)度值a-《4。將x和or都 看作獨(dú)立隨機(jī)變量，可以為前景估計(jì)&^的聯(lián)合似然函數(shù)取 ， 其中射代表靶腫瘤的內(nèi)部或一部分，和為后景估計(jì)取a/0^，其中^
代表腫瘤的外部?？臻g強(qiáng)度聯(lián)合似然可以被因式分解為 <formula>formula see original document page 12</formula>其中^/^和《ar/的、^/一和《# 4)分別表示邊緣前景(后景)空間和 強(qiáng)度似然函數(shù)。盡管兩個(gè)變量x和Qf通常不是獨(dú)立的，但實(shí)驗(yàn)結(jié)果已
表明它們的相關(guān)性弱，從而導(dǎo)致良好的分割結(jié)果?？臻g強(qiáng)度聯(lián)合似 然比^)于是由下式定義
<formula>formula see original document page 12</formula>可以通過(guò)執(zhí)行似然比檢驗(yàn)分割VOI內(nèi)的每個(gè)體素?cái)?shù)據(jù)點(diǎn)如果
^f)》淡則^伝^，否則"O磁，其中協(xié)是取決于前景和后景似然的歸一化 因數(shù)的門限。對(duì)于折- 1，在特定的支持區(qū)域內(nèi)對(duì)似然建模保證了貝 葉斯最優(yōu)性。然而應(yīng)當(dāng)理解的是可以使用其他門限值，并且對(duì)于不 同的點(diǎn)集門限可以變化。
應(yīng)當(dāng)進(jìn)一步理解的是似然比是前景和后景聯(lián)合空間強(qiáng)度似然函
數(shù) (foreground and background joint space-intensity likelihood
function)的示例性函數(shù)，并且涉及這些似然函數(shù)的其他檢驗(yàn)可以被
使用并且處于本發(fā)明的實(shí)施例的范疇內(nèi)。在一個(gè)示例性的實(shí)施例
中，通過(guò)比較前景和后景聯(lián)合空間強(qiáng)度似然函數(shù)來(lái)執(zhí)行基于似然的
分割。給定在點(diǎn)位置^的正值前景似然函數(shù)取 一時(shí)和后景似然函數(shù) f&咖W，如果取,^^秋咖"f/則將點(diǎn)x分類為前景中的一員，否則將
它分類為后景。該分割方案相當(dāng)于基于似然比檢驗(yàn)的分割方法。當(dāng) 后景似然欣"M^對(duì)于一些位置x可以為零值時(shí)該分割方案優(yōu)于似然 比檢驗(yàn)，其中前景/后景比將是不可計(jì)算的。
在另一示例性實(shí)施例中，給定在點(diǎn)位置x的正值前景似然函數(shù) f" cfl時(shí)和后景似然函數(shù)取,or/owf,，如果某個(gè)函數(shù)巧耿,a/ou級(jí)大
于或等于巧W則將點(diǎn)^分類為前景中的一員，否則將它分類為后景。 函數(shù)F是單調(diào)和嚴(yán)格遞增(即保序(order-preserving))函數(shù)族
F:及—及中的一員。
在本發(fā)明的另 一實(shí)施例中，給定在點(diǎn)位置x的正值前景似然函數(shù) f(X al時(shí)和后景似然函數(shù)牧ff/o聘，如果F(秋ff//n"》聰or/oi^則將點(diǎn);r
分類為前景中的一員，否則將它分類為后景。再次地，函數(shù)F是單調(diào) 和嚴(yán)格遞增函數(shù)族F:及4及中的一員 單調(diào)和嚴(yán)格遞增函數(shù)的例子包
括對(duì)數(shù)函數(shù)、多項(xiàng)式函數(shù)和指數(shù)函數(shù)。
然而，應(yīng)當(dāng)理解的是并不是似然函數(shù)中的所有函數(shù)都將產(chǎn)生理 想結(jié)果。盡管諸如,>伙a闊、or/,咖to參,Uf/ow似、
夠辨耿'a//f >r" or/m/r" > 等這樣的檢驗(yàn)將產(chǎn)生一致的結(jié)果，但是諸如
卿"/一和,;C阿欣"/^)>折這樣的其他檢驗(yàn)將不產(chǎn) 生與似然比檢驗(yàn)方法取，蜂砂取'《^的>1一致的結(jié)果。
可以通過(guò)為靶結(jié)構(gòu)內(nèi)部和外部的空間和強(qiáng)度因數(shù)定義四個(gè)似然 函數(shù)《x///7), W/cHrf),《or/的和WA)trf)來(lái)實(shí)現(xiàn)上述分割。
可以通過(guò)假設(shè)AW高斯模型擬合解函數(shù)承^ "，"接近作為腫瘤中心或均值W的位置X的概率分布來(lái)獲得前景和后景空間似然。在許多 應(yīng)用(例如肺瘤分割)中，靶結(jié)構(gòu)的表面幾何形狀近似地凸起，這 保證了均值位于結(jié)構(gòu)的內(nèi)部。因而，根據(jù)本發(fā)明的實(shí)施例，高斯模 型擬合解函數(shù)可以被解釋為作為靶腫瘤結(jié)構(gòu)一部分的X的條件概率
分布PW時(shí)fW^H^f'"'"。然而，由于后景在數(shù)據(jù)空間y中具有無(wú)
限的廣度，因此后景的條件概率分布^^^^是不定的(川-defiiied)。
根據(jù)本發(fā)明的另 一實(shí)施例，限制觀察隨機(jī)變量x的支持窗口 ScQ可以
被引入，使得后景具有有限的歸一化。 一對(duì)歸一化的條件概率分布
函數(shù)可以在支持窗口上被定義為 P(x I in) e .p(jc I i'w)/ ! i*(x | in)ic
P(x I艦)s Wx I艦)/ JjP(: I艦)dx
其中PW種是已知的并且^Wc一是未知的底層(underlying)后景分
布。在S中的數(shù)據(jù)點(diǎn)的總概率是A^^"l'")^+PW^)i^-i剩，其中pin
和Pout是在S內(nèi)部和外部的先驗(yàn)概率， +P f=1。因而，根據(jù)本發(fā) 明的實(shí)施例，后景空間概率分布可以被定義為
(1-4)
根據(jù)本發(fā)明的另一實(shí)施例，內(nèi)部和外部概率是無(wú)偏的并且可以
被設(shè)置成相等的使得 -P^;0-S:
根據(jù)本發(fā)明的另一實(shí)施例，在s上的后景概率分布函數(shù)可以在均
值位置"具有零值，其中對(duì)前景概吧分布函數(shù)建模的高斯函數(shù) 0體化3取其最大值。在該實(shí)施例中，巧xl紐)的歸一化因數(shù)變成
并且歸一化的前景和后景分布可以被定義為
(傘),闊，W扭)
問(wèn)
前景和后景空間似然函數(shù)可以明確地(in terms)被定義為由固 定因數(shù)/S^2所標(biāo)度的在S上的條件概率分布函數(shù)，使得它們僅僅取決 于Pfx/的
/(x |in)，l|p(jr| i")=|Mf F(jc I in)
需要注意的是后景似然^闊是前景似然的互補(bǔ)
(complement)。在均值位置"，《"鄉(xiāng)=1并且《"M崎- 0。在無(wú)窮大， 《^//"H0并且/CM4s1。另外，由于似然函數(shù)共享公共的標(biāo)度系數(shù)，
因此似然函數(shù)的比等于分布函數(shù)的比。
支持窗口S的選擇可以影響分割解決方案。如先前所述，后景可
以具有無(wú)限空間廣度(extent),因而后景空間似然函數(shù)是無(wú)界的并 且將會(huì)具有無(wú)窮歸一化因數(shù)。為此，支持窗口S被引入，使得概率分 布可以在這樣的窗口中被定義。然而，由于支持S的這種變化將會(huì)導(dǎo) 致歸一化因數(shù)的大幅變化，因此所估計(jì)的后景似然將對(duì)S的變化范圍 敏感。
根據(jù)本發(fā)明的實(shí)施例，支持窗口S可以是靶標(biāo)度的函數(shù)。例如， 如果將要分割桌上的杯子，則合理的是使用桌子的、而不是擺放桌 子的房子的、也不是房子所在的城市的特定信息對(duì)后景建模。通過(guò) 預(yù)處理擬合到靶結(jié)構(gòu)的高斯函數(shù)可以以接近結(jié)構(gòu)邊界的N維等概率
輪廓的置信橢圓體的形式提供這樣的標(biāo)度信息。利用這一點(diǎn)，支持 窗口S可以作為橢圓體的函數(shù)被參數(shù)化
其中標(biāo)量c是x離"的馬哈拉諾比斯(Mahalanobis )距離，協(xié)方差為 Z。常數(shù)c可以從15= fe和Pfx/時(shí)的歸 一 化被確定:
15
工(c)P(;c I =^j^5" =12戀「"2 i(c)exP(— ^ (x 一 ")'^ — M))^
解S樹(shù)取決于數(shù)據(jù)空間x的維度W。例如，1D、 2D和3D情形的 以上方程的數(shù)值解是A^."取Q効3.1871，和<% 2,4931。在該支持窗 口內(nèi)，^/紳和^/一在S上的概率質(zhì)量是相等的。
對(duì)于3D分割，"=2 31總計(jì)為具有三個(gè)自由度的卡方(chi-square)分布的置信區(qū)間的大約52%。根據(jù)經(jīng)驗(yàn)，3D腫瘤分割的早 先研究表明從擬合高斯函數(shù)的35%置信區(qū)間導(dǎo)出的、具有化= 的等概率輪廓良好地近似于肺瘤邊界。這表示以上導(dǎo)出的《化)提供覆 蓋全部前景并且僅僅包括圍繞靶的后景區(qū)域的薄層的數(shù)據(jù)范圍。這是 用于對(duì)后景建模的適當(dāng)?shù)闹С执翱?，原因是在該支持窗口上所估計(jì)的后 景模型將不受可能出現(xiàn)在VOI內(nèi)的非靶相鄰結(jié)構(gòu)的強(qiáng)影響。
可以通過(guò)作為由相應(yīng)的歸一化空間概率分布加權(quán)的和在支持窗 口S上采樣的強(qiáng)度差的函數(shù)來(lái)定義條件強(qiáng)度概率分布獲得前景和后
景強(qiáng)度似然
F(議| f") s I巧x，a! : II to)^J(x)—
F(汰| 。擬)s《|= I |議)^
其中巧《| ^麵/m^由一建模。函數(shù)-應(yīng)當(dāng)被局部化并且具有有限
的歸一化。對(duì)于該函數(shù)具有幾種可能性。在本發(fā)明的一個(gè)實(shí)施例中， 為了保證在支持窗口 S上的單位歸一化，函數(shù)-可以被設(shè)置成離散狄 拉克(Dirac) S函數(shù)。根據(jù)本發(fā)明的另一實(shí)施例，為了從少量的采 樣中估計(jì)連續(xù)概率分布函數(shù)，具有一致階梯核(uniform step kernel) 的帕曾(Parzen)函數(shù)可以被用作-，同時(shí)保持單位歸一化。用似然 函數(shù)替換空間條件分布產(chǎn)生
<formula>formula see original document page 16</formula>
類似于空間似然函數(shù)，強(qiáng)度似然函數(shù)可以被定義為帶有在支持
窗口S上采樣的固定因數(shù)/S/^的標(biāo)度條件分布函數(shù) ，？《"I i 〗咖
根據(jù)本發(fā)明的實(shí)施例的似然估計(jì)技術(shù)并不需要迭代模型更新，
原因是高斯擬合步驟提供在《x^)和《^0^中所俘獲的穩(wěn)健和精確的
耙表征。
圖l(a)-(f)示出了根據(jù)本發(fā)明的實(shí)施例的用于1D例子的似然估 計(jì)過(guò)程。圖l(a)描繪了帶有由預(yù)處理擬合的高斯的1D噪聲數(shù)據(jù)。圖 l(b)描繪了從高斯所導(dǎo)出的前景(實(shí)線)和后景(虛線)空間似然和 支持窗口 (點(diǎn)劃線)。給定圖l(a)中由虛線曲線所示的擬合高斯，如 圖l(b)中所示以分析方式確定前景(實(shí)線)和后景(虛線)似然。由 于前景和后景似然兩者共享相同的標(biāo)度因數(shù)，因此似然比和概率分 布函數(shù)的比變成相等的。
圖l(c)-(f)示出了強(qiáng)度似然估計(jì)過(guò)程。圖l(c)示出了數(shù)據(jù)，其中
用實(shí)線指示一對(duì)像素位置和強(qiáng)度值"甜。圖l(d)示出了空間似然， 其中示出在4的前景(實(shí)線)和后景(虛線)似然。圖l(e)描繪了前
景強(qiáng)度似然，其中示出來(lái)自數(shù)據(jù)點(diǎn)W鄰》的貢獻(xiàn)( contribution )(虛 線)。圖l(f)描繪了后景強(qiáng)度似然，其中示出來(lái)自"匈的貢獻(xiàn)(虛線)。 利用支持窗口 "s&"J內(nèi)的所有數(shù)據(jù)，通過(guò)為由在圖l(d)中所示的相 應(yīng)的空間似然《^的和^w如o所加權(quán)的每個(gè)強(qiáng)度值*累積-平滑計(jì)數(shù)來(lái) 估計(jì)前景(圖l(e))和后景(圖l(f))強(qiáng)度似然。
利用以上所導(dǎo)出的空間和強(qiáng)度似然函數(shù)，聯(lián)合似然比可以被 表達(dá)為<formula>formula see original document page 17</formula>^(x爲(wèi)S))11 —網(wǎng)1/51啦(太，u,Z鋒;t) -
這表明在強(qiáng)度值為ff的^處的似然比僅僅取決于0& ","和 "縱勾。以上提供的形式推導(dǎo)保證了前景和后景似然的比等于在支持
窗口S(e)上歸一化的后驗(yàn)概率分布函數(shù)的比。因而，給定^和cr的獨(dú)立 性和/^ =戶齡可以用這樣的后驗(yàn)概率分布函數(shù)(posterior probability distribution function )改寫《《
因而，當(dāng)使用上文所提供的似然并且將似然比檢驗(yàn)門限奶in設(shè)置 為1時(shí)，該聯(lián)合似然比檢驗(yàn)分割是具有一致成本的每個(gè)體素的最佳 貝葉斯二元分類。
圖2描繪了根據(jù)本發(fā)明的實(shí)施例的基于聯(lián)合空間強(qiáng)度似然比檢 驗(yàn)的分割方法的流程圖。通過(guò)在步驟20提供圖像體積代々與標(biāo)記^開(kāi) 始分割方法，所述標(biāo)記指示靶結(jié)構(gòu)(例如團(tuán)塊或腫瘤)的近似位置。 在步驟21，從圖像體積/提取在^居中的感興趣體積VOk"eG)。在 步驟22，執(zhí)行各向異性高斯擬合，導(dǎo)致把中心"和各向異性擴(kuò)展矩 陣Z的估計(jì)。在步驟23，給定所估計(jì)的把中心和擴(kuò)展""和
D),在支持窗口 S上估計(jì)前景和后景空間和強(qiáng)度似然函數(shù)。 在步驟24，對(duì)于支持窗口中的體素x及其相關(guān)的強(qiáng)度a，從空間強(qiáng)度
聯(lián)合似然函數(shù)計(jì)算似然比r時(shí)。在步驟25,執(zhí)行似然比檢驗(yàn)以確定體 素是在靶結(jié)構(gòu)的內(nèi)部還是外部如果rW^&則^:'",否則^o""其 中坊是最佳被設(shè)置為1的門限，并且加和卵f分別標(biāo)示靶結(jié)構(gòu)的內(nèi)部和 外部。在步驟26，為支持窗口內(nèi)的所有體素重復(fù)前述的兩個(gè)步驟、 即步驟24和25。
根據(jù)本發(fā)明的一個(gè)實(shí)施例的3D實(shí)施被應(yīng)用于在存在其他非靶結(jié) 構(gòu)(例如脈管和肺壁)的情況下從后景肺軟組織(parenchyma)描 繪把肺結(jié)節(jié)。通過(guò)使用包括1310個(gè)肺結(jié)節(jié)的39個(gè)患者的高分辨率胸 部CT圖像評(píng)估性能。圖像尺寸為512 x 512 x 400體素(跨越患者深 度稍有變化)，具有12比特的強(qiáng)度范圍。對(duì)于每個(gè)肺腫瘤，由放射 學(xué)專家提供近似的位置標(biāo)記。VOI的尺寸被固定為33 x 33 x 33體 素。
圖3(a)-(d)示出了根據(jù)本發(fā)明實(shí)施例的用于四個(gè)胂瘤病例的分割 結(jié)果的例子。例子的每一列分別對(duì)應(yīng)于穿過(guò)所估計(jì)的肺瘤中心i/的在 R極炒平面上的分割結(jié)果。每個(gè)例子的第 一行描繪了在不使用所導(dǎo) 出的支持窗口 S情況下的分割結(jié)果。在該情況下，通過(guò)使用33x33
x33 VOI內(nèi)的所有采樣來(lái)估計(jì)強(qiáng)度似然。第二行描繪了使用所導(dǎo)出 的支持窗口 S的似然比分割結(jié)果。第三行描繪了來(lái)自4D空間強(qiáng)度聯(lián) 合域均值漂移分割 (4D space-intensity joint-domain mean shift segmentation)的結(jié)果。這里提供的結(jié)果表明帶有支持窗口的基于似 然比的分割解決方案成功地執(zhí)行3D肺腫瘤邊界分割，而不帶有S的 均值漂移和似然比趨向于分別低估和高估腫瘤邊界。
圖4(a)-(d)顯示了根據(jù)本發(fā)明實(shí)施例的在圖3(a)-(d)中為四個(gè)病 例所估計(jì)的強(qiáng)度似然模型稱咖〗和f樹(shù)04^。在每個(gè)例子中，深線和淺線 分別表示前景和后景模型。每個(gè)例子的第一行示出了用VOI中的所 有采樣所計(jì)算的似然，而第二行示出了用支持窗口 s所計(jì)算出的那 些似然。不帶有覆蓋大的后景區(qū)域的s的后景似然趨向于過(guò)采樣帶 有低強(qiáng)度值(由在低強(qiáng)度范圍的高峰值表達(dá))的肺軟組織區(qū)域。該 過(guò)采樣過(guò)度抑制了在更高強(qiáng)度值處的后景似然，導(dǎo)致虛假的大強(qiáng)度 范圍，其中前景似然超過(guò)后景似然。這是通過(guò)該解決方案高估的明 顯原因。然而，使用支持窗口 s的解決方案利用僅僅用在S內(nèi)的采樣
所估計(jì)的后景強(qiáng)度模型。這有效地將強(qiáng)度范圍減小到適當(dāng)?shù)拇笮。?導(dǎo)致更好的分割。例子(d)清楚地示出了該效果，其中不帶有S的解 決方案并不有效地區(qū)分強(qiáng)度信息。
圖5示出了根據(jù)本發(fā)明實(shí)施例的用于五個(gè)腫瘤病例的3D分割結(jié) 果的2D視圖的例子。這些橫截面視圖穿過(guò)所估計(jì)的腫瘤中心y。左 列示出了輸入數(shù)據(jù)。中間列示出了擬合到數(shù)據(jù)的各向異性高斯。圖 像中的"+"指示標(biāo)記々，"％"指示所估計(jì)的中心"，并且圖像中 的橢圓指示所估計(jì)的高斯的35%置信橢圓體的圖像-平面相交。右列 示出了被顯示成灰度圖像的分割結(jié)果，其中分割區(qū)域用白色值填 充。這些結(jié)果示出了基于聯(lián)合空間強(qiáng)度似然比的分割處理不規(guī)則的 3D邊界幾何形狀的能力。圖的第四行也示出了相鄰肺壁的存在被正 確分割的情形。
利用1310個(gè)腫瘤病例，高斯擬合預(yù)處理成功地近似了針對(duì)1139 病例的腫瘤邊界。多數(shù)失敗是由于當(dāng)在附近存在非靶結(jié)構(gòu)時(shí)靠近靶 邊界的被分離的一些體素被錯(cuò)誤地分割成靶的一部分。這可以通過(guò) 作為后處理執(zhí)行相連接組成部分的分析被減輕。在這樣的后處理之 后，誤差率減小到僅僅1% (ll病例)。平均起來(lái)，用2.4 GHz的 Pentium IV處理器可以在少于3秒內(nèi)、或者比均值漂移解決方案快3 倍地運(yùn)行根據(jù)本發(fā)明實(shí)施例的方法。
應(yīng)當(dāng)理解的是本發(fā)明可以用各種硬件、軟件、固件、專用過(guò)程 或其組合的形式實(shí)現(xiàn)。在一個(gè)實(shí)施例中，本發(fā)明可以以軟件作為有 形地體現(xiàn)在計(jì)算機(jī)可讀程序存儲(chǔ)設(shè)備上的應(yīng)用程序來(lái)實(shí)現(xiàn)。應(yīng)用程 序可以被上載到包括任何適當(dāng)?shù)捏w系的機(jī)器和由其執(zhí)行。
圖6是根據(jù)本發(fā)明實(shí)施例的用于實(shí)現(xiàn)基于滑降(toboggan)的對(duì) 象表征方案的示例性計(jì)算機(jī)系統(tǒng)的框圖。現(xiàn)在參考圖6，用于實(shí)現(xiàn)本 發(fā)明的計(jì)算機(jī)系統(tǒng)61尤其可以包括中央處理單元(CPU) 62、存儲(chǔ) 器63和輸入/輸出(1/0)接口 64。計(jì)算機(jī)系統(tǒng)61通常通過(guò)I/0接口 64耦合到顯示器65和諸如鼠標(biāo)和鍵盤的各種輸入設(shè)備66。支持電路 可以包括諸如高速緩沖存儲(chǔ)器、電源、時(shí)鐘電路和通信總線這樣的 電路。存儲(chǔ)器63可以包括隨機(jī)存取存儲(chǔ)器(RAM)、只讀存儲(chǔ)器 (ROM)、磁盤驅(qū)動(dòng)器、磁帶驅(qū)動(dòng)器等或其組合。本發(fā)明可以被實(shí) 現(xiàn)為例行程序67，所述例行程序存儲(chǔ)在存儲(chǔ)器63中并且由CPU 62 執(zhí)行以處理來(lái)自信號(hào)源68的信號(hào)。同樣地，計(jì)算機(jī)系統(tǒng)61是通用 計(jì)算機(jī)系統(tǒng)，當(dāng)執(zhí)行本發(fā)明的例行程序67時(shí)變成專用計(jì)算機(jī)系統(tǒng)。
計(jì)算機(jī)系統(tǒng)61也包括操作系統(tǒng)和微指令代碼。這里描述的各種 過(guò)程和函數(shù)可以或者是通過(guò)操作系統(tǒng)執(zhí)行的微指令代碼的一部分或 應(yīng)用程序的一部分(或其組合)。另外，各種其他外圍設(shè)備可以連 接到計(jì)算機(jī)平臺(tái)，例如附加的數(shù)據(jù)存儲(chǔ)設(shè)備和打印設(shè)備。
應(yīng)當(dāng)進(jìn)一步理解的是，由于附圖中所描繪的組成系統(tǒng)部件和方 法步驟中的一些可以以軟件實(shí)現(xiàn)，因此系統(tǒng)部件(或過(guò)程步驟)之 間的實(shí)際連接可以根據(jù)本發(fā)明被編程的方式而不同。給定這里所提 供的本發(fā)明的教導(dǎo)，相關(guān)領(lǐng)域的普通技術(shù)人員將能夠預(yù)見(jiàn)本發(fā)明的 這些和類似的實(shí)施或配置。
以上公開(kāi)的特定實(shí)施例僅僅是示例性的，原因是本領(lǐng)域技術(shù)人 員利用這里的教導(dǎo)顯而易見(jiàn)可以用不同但等效的方式修改和實(shí)施本 發(fā)明。此外，除了如下面的權(quán)利要求中所述之外，并非想要限制這 里所示的構(gòu)造或設(shè)計(jì)的細(xì)節(jié)。所以顯然以上所公開(kāi)的特定實(shí)施例可 以被變更或修改并且所有這樣的變型被視為在本發(fā)明的范疇和精神 內(nèi)。因此，在下面的權(quán)利要求中闡述這里所尋求的保護(hù)。
權(quán)利要求
1.一種用于分割數(shù)字化圖像的方法，包括以下步驟提供包括多個(gè)強(qiáng)度的數(shù)字化體積圖像，所述強(qiáng)度對(duì)應(yīng)于N維空間中的點(diǎn)域；提供在所述圖像中靶結(jié)構(gòu)的近似位置；估計(jì)關(guān)于所述靶結(jié)構(gòu)的前景空間強(qiáng)度似然函數(shù)；估計(jì)關(guān)于所述靶結(jié)構(gòu)的后景空間強(qiáng)度似然函數(shù)；和使用所述前景和后景空間強(qiáng)度似然函數(shù)以通過(guò)確定圍繞所述靶結(jié)構(gòu)的點(diǎn)是否在所述靶結(jié)構(gòu)內(nèi)部來(lái)分割所述靶結(jié)構(gòu)。
2. 根據(jù)權(quán)利要求1所述的方法，進(jìn)一步包括通過(guò)將N維各向異 性高斯函數(shù)擬合到關(guān)于近似位置居中的感興趣體積和確定所述高斯 函數(shù)的中心和各向異性擴(kuò)展來(lái)確定所述把結(jié)構(gòu)的估計(jì)中心和估計(jì)擴(kuò) 展。
3. 根據(jù)權(quán)利要求2所述的方法，其中所述前景空間強(qiáng)度似然函 數(shù)可以被因式分解成前景空間似然函數(shù)和前景強(qiáng)度似然函數(shù)的乘 積，并且所述后景空間強(qiáng)度似然函數(shù)可以被因式分解成后景空間似 然函數(shù)和后景強(qiáng)度似然函數(shù)的乘積。
4. 根據(jù)權(quán)利要求3所述的方法，其中所述前景空間似然函數(shù)與 所述各向異性高斯函數(shù)成比例，并且所述后景強(qiáng)度似然函數(shù)是所述 前景空間似然函數(shù)的互補(bǔ)。
5. 根據(jù)權(quán)利要求3所述的方法，進(jìn)一步包括圍繞所述耙結(jié)構(gòu)施 加窗口，其中所述窗口被定義為離所述高斯的所述均值的其馬哈拉 諾比斯距離小于預(yù)定的常數(shù)值的那些點(diǎn)，其中使用所述高斯的所述擴(kuò)展來(lái)計(jì)算所述馬哈拉諾比斯距離。
6. 根據(jù)權(quán)利要求5所述的方法，其中通過(guò)求解下式來(lái)確定所述常數(shù)值其中Z是所述擴(kuò)展，e是所述常數(shù)值，S賴是所述窗口， x是所述窗口 中的點(diǎn)，"是所述靶結(jié)構(gòu)的中心，并且l^"》i翁。
7. 根據(jù)權(quán)利要求5所述的方法，其中所述前景強(qiáng)度似然函數(shù)與 由在所述窗口內(nèi)被采樣的所述前景空間似然函數(shù)所加權(quán)的前景強(qiáng)度 差函數(shù)成比例，并且所述后景強(qiáng)度似然函數(shù)與由在所述窗口內(nèi)被采 樣的所述后景空間似然函數(shù)所加權(quán)的后景強(qiáng)度差函數(shù)成比例。
8. 根據(jù)權(quán)利要求7所述的方法，其中所述比例常數(shù)等于窗口范 數(shù)的一半。
9. 根據(jù)權(quán)利要求7所述的方法，其中前景和后景強(qiáng)度差函數(shù)包 括狄拉克3函數(shù)。
10. 根據(jù)權(quán)利要求7所述的方法，其中前景和后景強(qiáng)度差函數(shù)包 括帕曾函數(shù)。
11. 根據(jù)權(quán)利要求1所述的方法，其中為鄰近所述靶結(jié)構(gòu)的每個(gè) 點(diǎn)重復(fù)確定圍繞所述靶結(jié)構(gòu)的點(diǎn)是否在所述靶結(jié)構(gòu)內(nèi)部的所述步驟 以確定哪些點(diǎn)包括所述耙結(jié)構(gòu)。
12. 根據(jù)權(quán)利要求1所述的方法，其中確定點(diǎn)是否在所述耙結(jié)構(gòu) 內(nèi)部包括將在所述點(diǎn)處所計(jì)算的所述前景和后景空間強(qiáng)度似然函 數(shù)的比與預(yù)設(shè)的門限進(jìn)行比較，其中如果所述比大于所述門限則將 所述點(diǎn)分類為在所述靶結(jié)構(gòu)內(nèi)部。
13. 根據(jù)權(quán)利要求1所述的方法，其中確定點(diǎn)是否在所述耙結(jié)構(gòu) 內(nèi)部包括將所述前景空間強(qiáng)度似然函數(shù)欣^樹(shù)與所述后景空間強(qiáng) 度似然函數(shù)《x，咖"^進(jìn)行比較，其中如果哮^ >秋°^一'則將所述點(diǎn)x 分類為在所述靶結(jié)構(gòu)內(nèi)部。
14. 根據(jù)權(quán)利要求1所述的方法，其中確定點(diǎn)是否在所述靶結(jié)構(gòu)內(nèi)部包括將所述前景似然函數(shù)和所述后景似然函數(shù)的比的函數(shù)F與在所述點(diǎn)位置的F仍進(jìn)行比較，其中函數(shù)f是單調(diào)和嚴(yán)格遞增函數(shù)族 F:及—及中的一員，其中如果所述比的函數(shù)大于F仍則將所述點(diǎn)分類為在所述乾結(jié)構(gòu)內(nèi)部。
15. 根據(jù)權(quán)利要求1所述的方法，其中確定點(diǎn)是否在所述靶結(jié)構(gòu) 內(nèi)部包括在點(diǎn)位置x處將所述前景似然函數(shù)收刮樹(shù)的函數(shù)F與所述后景似然函數(shù)軌咖""的函數(shù)f進(jìn)行比較，其中函數(shù)F是單調(diào)和嚴(yán)格遞 增函數(shù)族F:R4lf中的一員，并且其中如果a救f(wàn)f/時(shí)^FT秋a/oi^則將所述點(diǎn)^分類為在所述靶結(jié)構(gòu)內(nèi)部。
16. —種用于分割數(shù)字化圖像的方法，包括以下步驟 提供包括多個(gè)強(qiáng)度的數(shù)字化體積圖像，所述強(qiáng)度對(duì)應(yīng)于N維空 間中的點(diǎn)域；識(shí)別所述圖像中的靶結(jié)構(gòu)；形成圍繞所述靶結(jié)構(gòu)的窗口，所述窗口的大小是靶標(biāo)度的函 數(shù)5 和在所述窗口內(nèi)的每個(gè)點(diǎn)處執(zhí)行聯(lián)合空間強(qiáng)度似然比檢驗(yàn)以確定 每個(gè)所述點(diǎn)是否在所述靶結(jié)構(gòu)內(nèi)。
17. 根據(jù)權(quán)利要求16所述的方法，其中識(shí)別靶結(jié)構(gòu)包括提供 所述靶結(jié)構(gòu)內(nèi)的標(biāo)記點(diǎn)和關(guān)于所述標(biāo)記點(diǎn)擬合N維各向異性高斯函 數(shù)和確定所述高斯函數(shù)的中心和各向異性擴(kuò)展。
18. 根據(jù)權(quán)利要求16所述的方法，其中執(zhí)行聯(lián)合空間強(qiáng)度似然 比檢驗(yàn)進(jìn)一步包括在包圍所述靶結(jié)構(gòu)的窗口上估計(jì)前景空間強(qiáng)度似然函數(shù)；在包圍所述耙結(jié)構(gòu)的所述窗口上估計(jì)后景空間強(qiáng)度似然函數(shù)；和將所述前景和后景空間強(qiáng)度似然函數(shù)的比與預(yù)設(shè)的門限進(jìn)行比 較以確定所述窗口中的點(diǎn)是否在所述靶結(jié)構(gòu)內(nèi)部。
19. 計(jì)算機(jī)可讀程序存儲(chǔ)設(shè)備，有形地體現(xiàn)可由計(jì)算機(jī)執(zhí)行以執(zhí) 行用于分割數(shù)字化圖像的方法步驟的指令程序，所述方法包括以下 步驟:提供包括多個(gè)強(qiáng)度的數(shù)字化體積圖像，所述強(qiáng)度對(duì)應(yīng)于N維空 間中的點(diǎn)域；提供在所述圖像中靶結(jié)構(gòu)的近似位置；估計(jì)關(guān)于所述靶結(jié)構(gòu)的前景空間強(qiáng)度似然函數(shù)； 估計(jì)關(guān)于所述靶結(jié)構(gòu)的后景空間強(qiáng)度似然函數(shù)；和 使用所述前景和后景空間強(qiáng)度似然函數(shù)以通過(guò)確定圍繞所述耙 結(jié)構(gòu)的點(diǎn)是否在所述靶結(jié)構(gòu)內(nèi)部來(lái)分割所述靶結(jié)構(gòu)。
20. 根據(jù)權(quán)利要求19所述的計(jì)算機(jī)可讀程序存儲(chǔ)設(shè)備，所述方 法進(jìn)一步包括通過(guò)將N維各向異性高斯函數(shù)擬合到關(guān)于所述近似 位置居中的感興趣體積和確定所述高斯函數(shù)的中心和各向異性擴(kuò)展 來(lái)確定所述耙結(jié)構(gòu)的估計(jì)中心和估計(jì)擴(kuò)展。
21. 根據(jù)權(quán)利要求20所述的計(jì)算機(jī)可讀程序存儲(chǔ)設(shè)備，其中所 述前景空間強(qiáng)度似然函數(shù)可以被因式分解成前景空間似然函數(shù)和前 景強(qiáng)度似然函數(shù)的乘積，并且所述后景空間強(qiáng)度似然函數(shù)可以被因 式分解成后景空間似然函數(shù)和后景強(qiáng)度似然函數(shù)的乘積。
22. 根據(jù)權(quán)利要求21所述的計(jì)算機(jī)可讀程序存儲(chǔ)設(shè)備，其中所 述前景空間似然函數(shù)與所述各向異性高斯函數(shù)成比例，并且所述后 景強(qiáng)度似然函數(shù)是所述前景空間似然函數(shù)的互補(bǔ)。
23. 根據(jù)權(quán)利要求21所述的計(jì)算機(jī)可讀程序存儲(chǔ)設(shè)備，所述方 法進(jìn)一步包括圍繞所述靶結(jié)構(gòu)施加窗口，其中所述窗口被定義為離 所述高斯的所述均值的其馬哈拉諾比斯距離小于預(yù)定的常數(shù)值的那 些點(diǎn)，其中使用所述高斯的所述擴(kuò)展來(lái)計(jì)算所述馬哈拉諾比斯距 離。
24. 根據(jù)權(quán)利要求23所述的計(jì)算機(jī)可讀程序存儲(chǔ)設(shè)備，其中通 過(guò)求解下式確定所述常數(shù)值其中Z是所述擴(kuò)展，c是所述常數(shù)值，S財(cái)是所述窗口， x是所述窗口中的點(diǎn)，"是所述靶結(jié)構(gòu)的中心，并且^^"iS。
25. 根據(jù)權(quán)利要求23所述的計(jì)算機(jī)可讀程序存儲(chǔ)設(shè)備，其中所 述前景強(qiáng)度似然函數(shù)與由在所述窗口中被采樣的所述前景空間似然 函數(shù)所加權(quán)的HimA差函數(shù)成比例，并且所述后景強(qiáng)度似然函數(shù) 與由在所述窗口中被采樣的所述后景空間似然函數(shù)所加權(quán)的后景強(qiáng) 度差函數(shù)成比例。
26. 根據(jù)權(quán)利要求25所述的計(jì)算機(jī)可讀程序存儲(chǔ)設(shè)備，其中所 述比例常數(shù)等于窗口范數(shù)的一半。
27. 根據(jù)權(quán)利要求25所述的計(jì)算機(jī)可讀程序存儲(chǔ)設(shè)備，其中前 景和后景強(qiáng)度差函數(shù)包括狄拉克3函數(shù)。
28. 根據(jù)權(quán)利要求25所述的計(jì)算機(jī)可讀程序存儲(chǔ)設(shè)備，其中前 景和后景強(qiáng)度差函數(shù)包括帕曾函數(shù)。
29. 根據(jù)權(quán)利要求19所述的計(jì)算機(jī)可讀程序存儲(chǔ)設(shè)備，其中為 鄰近所述耙結(jié)構(gòu)的每個(gè)點(diǎn)重復(fù)確定圍繞所述靶結(jié)構(gòu)的點(diǎn)是否在所述 靶結(jié)構(gòu)內(nèi)部的所述步驟以確定哪些點(diǎn)包括所述靶結(jié)構(gòu)。
30. 根據(jù)權(quán)利要求19所述的計(jì)算機(jī)可讀程序存儲(chǔ)設(shè)備，其中確 定點(diǎn)是否在所述靶結(jié)構(gòu)內(nèi)部包括將在所述點(diǎn)處所計(jì)算的所述前景 和后景空間強(qiáng)度似然函數(shù)的比與預(yù)設(shè)的門限進(jìn)行比較，其中如果所 述比大于所述門限則將所述點(diǎn)分類為在所述靶結(jié)構(gòu)內(nèi)部。
31. 根據(jù)權(quán)利要求19所述的計(jì)算機(jī)可讀程序存儲(chǔ)設(shè)備，其中確定點(diǎn)是否在所述靶結(jié)構(gòu)內(nèi)部包括將所述前景空間強(qiáng)度似然函數(shù) 救刮時(shí)與所述后景空間強(qiáng)度似然函數(shù)狄咖"O進(jìn)行比較，其中如果 耿,orl時(shí) > 秋a/加f》則將所述點(diǎn)x分類為在所述耙結(jié)構(gòu)內(nèi)部。
32. 根據(jù)權(quán)利要求19所述的計(jì)算機(jī)可讀程序存儲(chǔ)設(shè)備，其中確 定點(diǎn)是否在所述靶結(jié)構(gòu)內(nèi)部包括將所述前景似然函數(shù)和所述后景 似然函數(shù)的比的函數(shù)F與在所述點(diǎn)位置處的阿"進(jìn)行比較，其中函數(shù)F 是單調(diào)和嚴(yán)格遞增函數(shù)族F:及—及中的一員，其中如果所述比的函數(shù)大于斤f)則將所述點(diǎn)分類為在所述靶結(jié)構(gòu)內(nèi)部。
33. 根據(jù)權(quán)利要求19所述的計(jì)算機(jī)可讀程序存儲(chǔ)設(shè)備，其中確 定點(diǎn)是否在所述靶結(jié)構(gòu)內(nèi)部包括在點(diǎn)位置^處將所述前景似然函數(shù) 欣 一時(shí)的函數(shù)f與所述后景似然函數(shù)取a/o的的函數(shù)F進(jìn)行比較，其中函數(shù)F是單調(diào)和嚴(yán)格遞增函數(shù)族F:及—及中的一員，并且其中如果 mx， #^則將所述點(diǎn)x分類為在所述乾結(jié)構(gòu)內(nèi)部。
全文摘要
一種用于分割數(shù)字化圖像的方法包括提供(20)包括多個(gè)強(qiáng)度的數(shù)字化體積圖像，所述強(qiáng)度對(duì)應(yīng)于N維空間中的點(diǎn)域；識(shí)別(21)所述圖像中的靶結(jié)構(gòu)；形成(23)圍繞所述靶結(jié)構(gòu)的窗口，所述窗口的大小是靶標(biāo)度的函數(shù)；和在所述窗口內(nèi)的每個(gè)點(diǎn)執(zhí)行(24)聯(lián)合空間強(qiáng)度似然比檢驗(yàn)以確定每個(gè)所述點(diǎn)是否在所述靶結(jié)構(gòu)內(nèi)。
文檔編號(hào)G06T5/00GK101351824SQ200580038371
公開(kāi)日2009年1月21日 申請(qǐng)日期2005年7月20日 優(yōu)先權(quán)日2004年9月9日
發(fā)明者A·克里什南, U·阿德米爾, 岡田和典 申請(qǐng)人:美國(guó)西門子醫(yī)療解決公司