專利名稱：利用穩定的射線擴散進行三維醫學構造的分割的制作方法
技術領域：
本發明大體上涉及計算機影象及成像系統，更具體地說，涉及一種用于利用穩定的射線擴散來分割例如器官、動脈瘤及腦瘤等三維醫學構造的系統及方法。
背景技術：
從CT(計算機斷層成像)和MR(磁共振成像)中將三維(3D)構造分割出來歷來是一個既困難又耗時的問題。目標表面的準確定位受到存在的由部分體積效應和圖像獲取設備所產生的顯著噪聲水平的影響。另外，在3D空間中進行處理意味著計算復雜性的增加，這使得大多數的二維(2D)分割算法向3D擴展是不實際的。
可變形的模型已經普遍地用于3D醫學圖像分割中。如果能正確地進行初始化的話，這些方法能夠產生良好的分割結果。一般而言，如果可變形模型在靠近目標邊界處被初始化，而且如果它們是幾乎對稱地離開邊界的話，那么可變形模型就工作良好。然而，可變形模型的初始化通常是一項困難的任務，這是因為通過利用2D顯示裝置必須在3D數據內生成3D模型。另外，目前的可變形模型方法在計算方面也是很昂貴的。這是由于采用水平調整方法(level setmethods)的情況下需要增加另外的維度，或者采用清楚表面漸進技術(explicit surface evolution techniques)的情況下需要進行昂貴的參量再初始化。
發明內容
本發明提供了一種穩定和高效的用于從CT和MR圖像中分割3D構造的方法。該方法是基于通過帶有平滑約束的平均變換分析而進行的3D射線擴散。射線擴散由于其具有的計算高效性而被用來引導漸進表面。另外，非參量分析和形狀先驗信息被引入到該方法中以實現穩定收斂。
按照本發明的一個方面，提供了一種用于從三維(3D)圖像中分割構造的方法。該方法包括以下步驟接收3D圖像數據；在顯示裝置上顯示3D圖像數據；通過在構造中放置一個籽源而在3D圖像數據中選擇構造；從籽源起始多條射線以形成一個面；確定多條射線的每條的速度函數；通過以多條射線的每條的速度函數為基礎來擴散這多條射線而逐漸推進所述面；使這多條射線收斂于構造的邊界上；以及當所有的多條射線已經收斂于構造的邊界上時分割出所述構造。該方法進一步包括確定所分割出的構造的體積的步驟。
按照本發明的另一個方面，該方法中所述逐漸推進所述面的步驟包括對多條射線的每條進行平均變換分析以識別出圖像間斷處，圖像間斷處確定構造的邊界。而且，進行平均變換分析包括以下步驟確定對于多條射線的每條的聯合空間-強度域，聯合空間-強度域對于沿多條射線的每條上的各個像素而言包括至少一個位置值和至少一個強度值；以可能密度為基礎劃分域以識別間斷處；以及確定多條射線的每條的置換矢量，置換矢量是單條射線上的一點與這條射線上的一個間斷處之間的空間距離，其中如果這條射線的置換矢量大于一個預定值，這條射線的速度就增大，如果這條射線的置換矢量小于這個預定值，這條射線的速度就降低。
按照本發明的另一個方面，該方法中所述逐漸推進所述面的步驟包括對漸進表面施加平滑約束。施加平滑約束包括基于相鄰射線而對所述許多條射線中的一條射線的速度函數進行過濾，還包括基于形狀先驗信息對漸進面施加平均曲率。
按照本發明的再一個方面，可被機器讀取的程序存儲裝置可觸知地體現一個被機器執行的指令程序以實施用于從三維(3D)圖像中分割構造的包括以下步驟的方法接收3D圖像數據；在顯示裝置上顯示3D圖像數據；通過在構造中放置一個籽源而在3D圖像數據中選擇構造；從籽源起始多條射線以形成一個面；確定多條射線的每條的速度函數；通過以多條射線的每條的速度函數為基礎來擴散這多條射線而逐漸推進所述面；使這多條射線收斂于構造的邊界上；以及當所有的多條射線已經收斂于構造的邊界上時分割出所述構造。
按照本發明的另一個方面，提供了一種用于從三維(3D)圖像中分割構造的系統。該系統包括一個用于接收3D圖像數據的輸入裝置；一個用顯示3D圖像數據的顯示裝置；一個用于通過在構造中放置籽源以從3D圖像數據中選擇構造的光標控制裝置；以及一個用于從3D圖像數據中分割構造的處理器。所述處理器從籽源起始多條射線以形成一個面，確定多條射線的每條的速度函數，通過以多條射線的每條的速度函數為基礎來擴散這多條射線而逐漸推進所述面，使這多條射線收斂于構造的邊界上，以及當所有的多條射線已經收斂于構造的邊界上時分割出所述構造。另外，光標控制裝置是一個鼠標，用戶通過對構造進行點擊而將籽源放置于所述構造內。
通過下面結合附圖的詳細描述將使本發明的上述及其它目的、特性和優點更加清楚，附圖有圖1(a)，1(b)，和1(c)是顯示本發明中所述利用射線擴散來分割醫學構造的方法的幾幅視圖，其中圖1(a)是包含有一個用箭頭所指的動脈瘤的人體軀干CT圖像視圖，圖1(b)是混雜于原始數據中的被檢測動脈瘤的視圖，以及圖1(c)是被分割出的動脈瘤的視圖；圖2是本發明中所述的用于利用射線擴散來分割醫學構造的一種示例性系統的方框圖；以及圖3是本發明中所述的用于利用射線擴散來分割醫學構造的方法的流程圖。
具體實施例方式
下面將結合附圖對本發明的優選實施例進行描述。為了避免糾纏于不必要的細節而使本發明不清楚，所以在下面的描述中將對公知的功能或構造不進行詳細的描述。
本發明提供一種有效、穩定、用戶界面友好的方法，該方法用于從對比增強的CT或MR數據中對例如動脈瘤等三維(3D)醫學構造進行交互式分割。該方法的主要創新在于通過平均變換分析結合平滑約束來使邊界擴散。因此，本發明中所述方法在以下兩種情況下都是穩定的(1)在數據中存在異常值(2)丟失了數據結構，例如存在有不能被很好確定或遺失的表面。第一種特性是通過平均變換來確保的，然而第二種是通過在邊界平滑上使用先驗信息來獲得的。而且，由于計算有效率的框架是基于射線擴散，因此整個過程是很快的，允許進行實時的人機對話(在Penthium III 1 Ghz計算機平臺上的時間在10秒鐘以下)。
圖1顯示了本發明中所述方法的可視性情況。圖1(a)顯示了多平面重排(MPRs)及立體再現的原始對比增強CTA(CE-CTA)圖像。這一數據組中包含有一個動脈瘤，在圖中這一動脈瘤用一個箭頭指示出。另外，MPRs(正交視圖)是以這一病變為中心的。實現本發明中所述方法的系統允許放射學家從不同的可視性圖中快速地發現其中包含的病變。緊接著的下一步是量化這些病變。本方法的目的是提供一種機理以便于用戶通過簡單地在團狀結構上進行點擊，就能夠快速地測出這些團狀結構的體積。在本例中，用戶在例如動脈瘤這樣的感興趣區域上進行點擊，3D射線擴散算法就可檢測出結構的邊界并計算出其體積。圖1(b)顯示的是被檢測出的與原始數據混在一起的動脈瘤(腔邊界)，圖1(c)顯示的是被分割出的動脈瘤(腔邊界)。
本發明中特別是相對于由X射線計算機斷層成像過程而產生的數據來進行描述的，但是本發明中所述方法同樣可以被應用于任何其它的醫療3D圖像數據，包括由磁共振成像(MRI)、正子發射斷層成像、超聲成像等等所產生的數據。
應理解為可以以硬件、軟件、固件、特別目的處理器、或者是它們之間的組合等不同的方式來實施本發明。在一個實施例中，本發明是以軟件形式來實現的，所述軟件以一個應用程序的形式可觸知地體現于一個程序存儲裝置中。所述應用程序可以被加載于一種包含例如圖2中所示那樣的任何合適體系結構的機器中，且可被所述機器所執行。優選地情況是，在計算機平臺上提供機器200，所述計算機平臺具有諸如一個或多個中央處理單元(CPU)202、一個隨機存取存儲器(RAM)204、一個只讀存儲器(ROM)206，以及諸如鍵盤208等輸入/輸出(I/O)界面，以及光標控制裝置(例如鼠標)210和顯示裝置212。所述計算機平臺還包括一個操作系統和微指令代碼。這里所描述的各種過程和功能或者可以作為微指令代碼的一部分或者可以作為應用程序(或者二者間的結合)的一部分，所述微指令代碼或所述應用程序是通過操作系統被執行的。另外，也可以將例如另外的數據存儲裝置214和打印裝置等其它各種外設連接到計算機平臺上。而且，可以將例如X射線機或MRI機等掃描裝置216耦合到機器200上以用于收集圖像數據。
應進一步理解為，因為縱使結合附圖所描述的構成系統的一些部件以及一些方法步驟可以以軟件的形式來實現，所以系統部件(或過程步驟)之間的實際連接可以有所不同，這將取決于本發明被編程的方式。根據這里所提供的有關本發明的教導，本領域中的普通技術人員將能夠設想出這些以及類似的有關本發明的實施或構造方式。
參見圖3，圖中提供了一種用于分割3D醫學構造的方法。一開始，通過上面所述的例如X射線、MRI等各種方式來采集3D圖像數據(步驟302)。一旦采集到3D圖像數據，就如圖1(a)所示在例如顯示器等顯示裝置上以多平面重排(MPRs)及立體再現(步驟304)的方式將3D圖像數據可視化。按照本發明所述分割方法，用戶通過在其中放置單一籽源來具體使一個構造被分割出來，例如通過用鼠標或者其它任何公知的光標控制裝置來點擊所述醫學構造(步驟306)。接著就會通過來自籽源點的射線擴散而自動產生出邊界表面(步驟308)。
通過平均變換分析(步驟312)和平滑約束(步驟310)所確定的象力來引導所述擴散。梯度上升的平均變換可以在有噪聲的情況下準確定位所述構造的邊緣，且具有良好的基于本地操作碼的計算特性，所謂本地操作碼也就是指在計算中僅使用來自其小鄰域的信息，這樣就可避免擴展計算也就是數倍于各個體素的計算量。優選地，該方法采用一個用于平滑約束的平均曲率，然而也可采用例如平均高斯曲率等本領域中公知的其它幾何平滑技術。平滑約束處理(步驟310)受醫學構造的先驗知識影響(步驟314)。
通過更新各個射線的速度函數來逐漸推進邊界面(步驟316)，如上所述也就是通過平均變換分析和應用平滑約束(步驟310)。面被逐漸推進直到所有的射線收斂于將被分割的構造的邊界表面上(步驟318)。否則，就會起動產生新的射線并向邊界面擴散(步驟322)。一旦所有的射線已經收斂，則就可確定出構造并將其從原始3D圖像數據中分割出來(步驟320)。另外，一旦構造被分割出來，那么該構造的物理維度及其體積也就可以被確定出來了。
現在將在下面的內容中對本發明所述方法進行細節性的描述。
1.3D體分割的變形表面基于變形表面是如何被表示的可以將可變形的基于模型的分割算法分成清楚算法和模糊算法。在清楚算法中，是以三角網(triangular mesh)、超二次曲面及其他復雜形狀來表示變形表面的。在模糊算法中，表示變形表面的常用選擇是水平集方法(levelset method)。水平集方法已經是很普遍的了，這是因為它們具有拓撲地靈活性且能表示復雜形狀而無需任何計算上的費用大的再參量化步驟。水平集方法的一個主要缺點在于其計算的復雜性，這是由于為了模擬需要另外的嵌入式表面。為了克服復雜性，提出了窄帶水平集演化。然而，這些方法仍舊不足夠快以實現實時立體分割。類似地，已經提出了快速推進算法(fast marching methods)用于模擬例如一個表面等單向面。這種快速推進算法不需要任何另外的表面，但是它局限于模擬一個方向流，也就是沒有曲率平滑，因此該方法在分割中的使用是相當有限的。因此，本發明中所述方法采用的是射線擴散來進行快速圖像分割。
1.1射線擴散用3D表面ψ(ξ，η，t)＝(x(ξ，η，t)，y(ξ，η，t)，z(ξ，η，t))來表示前沿，其中x、y和z表示笛卡兒坐標，ξ，η是表示表面的參數，t表示時間。前沿改善由以下公式決定∂ψ(s,t)∂t=S(x,y,z)Nψ(ξ,η,0)=ψ0(ξ,η)---(1)]]>其中ψ0(ξ，η)＝(x(ξ，η，0)，y(ξ，η，0)，z(ξ，η，0))表示起始表面，N表示單位正交矢量，S(x，y，z)表示點(x，y，z)處射線的速度。
本發明中所述方法是基于借助正交矢量而實現的清楚邊沿擴散。對邊界進行采樣，且各個采樣點的改善通過重寫以矢量方式表示的鏡象方程(Eikonal equation)來及時實現，所述鏡象方程也就是
xt=S(x,y,z)Nx||N||yt=S(x,y,z)Ny||N||zt=S(x,y,z)Nz||N||---(2)]]>由于物理坐標系隨著擴散波前而移動，所以這種展開是拉格朗日解法。
通常，將射線擴散應用于面漸進已經受到限制。由于波前法線可能相碰撞(沖擊波波陣面的形成)，該方法也由于采樣點的累積密度而顯示出計算的不穩定性，這樣就需要特別的維護，例如對波前進行再參量化。而且對拓撲變化也不容易控制，而需要一個外部程序。
為了分割在醫學圖像中發現的諸如動脈瘤及腦瘤等團狀構造，本發明所述方法采用了來自單一點源的射線擴散法。事實上，射線擴散是非常合適的，這是由于其具有快速的特點，也不必要進行拓撲變化，在擴散過程中也沒有沖擊波形式，而且來自單一點源的射線也不會互相碰撞。
注意到速度函數S(x，y，z)在分割結果的質量方面具有重要作用。在本發明所述方法中，射線的速度S(x，y，z)取決于圖像信息和形狀先驗信息。具體地，該方法中利用 其中S0(x，y，z)檢測圖像間斷處，S1(x，y，z)表示形狀先驗信息，常數 用來平衡這兩項間的關系，其中β的取值范圍在0到1之間，0表示沒有平滑，1表示大量的平滑。
1.2間斷的穩定測量平均變換分析通常，圖像梯度用來將變形模型引導到目標邊界。然而，圖像梯度對噪聲具有不穩定性，數據中的異常值也會極大地影響結果。對這一問題的解決辦法是采用間斷性的穩定測量。
本發明所述方法是基于利用在以下文獻中公開的核密度估計法(kernel density estimation)來表示的圖像數據D.Comaniciu，P.Meer“Mean ShiftA Robust Approach towardFeature Space Analysis”，IEEE Trans.Pattern Analysis MachineIntell.，Vol.24，No.5，603-619，2002，這一文獻中的內容作為參考而引入到本申請中。考慮一個1維加強輪廓，例如從一個灰度級圖像中獲得的一條射線。沿著該射線的各個像素以其位置x和強度值I為特征。因此，包含N個像素的輸入射線被表示成一個2維點集合{xi，Ii}i＝1，...，N.所構造成的這一2維空間被稱為聯合空間-強度域。注意到這種構造可推廣用于標準灰度級圖像數據(3維空間中有2維是坐標值有1維是強度值)、色彩數據(5維空間中有2維是坐標值有3維是色彩值)、多模態數據、或者圖像序列。
識別圖像間斷處的任務簡化了按照在這一空間中所估計的可能性強度來劃分聯合空間。分割數也就是密度圖中的間隔值是由初始密度的峰值(眾數值)的個數來決定的。利用反復的平均變換過程來發現聯合空間中的眾數值，并規定各個數據點等于其鄰域中的一個眾數值。用{xi*，Ii*}來表示與{xi，Ii}相關的眾數值，其中i＝1，...，N。由于眾數值勾劃出了具有高集中度相似數據的區域，因此可以確保對異常值的穩定性。
令{di＝xi*-xi}i＝1，...，N等于從一點到給其指定的眾數值處的定向空間距離。(在下文中，這一值被稱為置換矢量。)置換矢量總是指向從間斷處離開的方向，且置換矢量在擴散技術中起關鍵作用。用于找到置換矢量的重復性的基于平均變換的算法如下對于每個i＝1，...，N1.初始化k＝1且令(xki，Iki，di)＝(xi，Ii，0)，其中k是離散時間，迭代數2.計算
Xik+1=Σj=1Mxje-(xik-xj)22σx2e-(Iik-Ij)22σi2Σj=1Me-(xik-xj)22σx2e-(Iik-Ij)22σi2]]>Iik+1=Σj=1MIje-(xik-xj)22σx2e-(Iik-Ij)22σi2Σj=1Me-(xik-xj)22σx2e-(Iik-Ij)22σi2---(4)]]>直到收斂。
3.令(x*i，I*i)＝(xk+1i，Ik+1i)4.令di＝(xi，-xi)其中⑨x和⑨i分別是空間和強度域中高斯核的帶寬。
現在可將速度項中的第一部分確定為S0(x,y,z)=f(x,y,z)1.0+|▿d(x,y,z)|2---(5)]]>通過疊加由置換矢量所提供的信息可獲得函數d(x，y，z)。對于一個沿著射線的給定位置，當相應的置換矢量指向射出方向時，d(x，y，z)是正的，當矢量指向籽源點時，d(x，y，z)就是負的。項f(x，y，z)由下式確定f(x,y,z)=-sign(d(x,y,z))if|▿d(x,y,z)|<threshold1else---(6)]]>其中d(x，y，z)的梯度也就是d(x，y，z)沿著射線被計算出。如果單條射線的置換矢量梯度的絕對值大于一個預定值，且置換矢量的符號為負，則該單條射線從籽源到邊界擴散，如果單條射線的置換矢量梯度的絕對值大于一個預定值，且置換矢量的符號為正，則該單條射線從邊界外指向邊界擴散。如果單條射線的置換矢量梯度的絕對值小于一個預定值，則該條射線從籽源到邊界傳播。在這一公式中，當射線遠離邊界時，射線自由地向目標邊界擴散，而在臨近邊界的區域內射線的擴散速度減慢。如果一條射線跨越過邊界，則它會返回到邊界處。參數閾值由從置換錯誤的密度函數計算所得的統計測量值所確定。假設置換函數中的小梯度(小于閾值)位置不屬于任何目標部分。
1.3平滑約束例如噪聲、數據錯誤等等與丟失數據相關的問題在醫學構造的分割過程中是常見的。丟失數據的解決辦法是通過在擴展表面上施加平滑約束來開發先驗知識。在本方法中，我們利用了兩種類型的平滑約束，一種是在相鄰射線的速度上，另一種是在波前的本地曲率上。
這樣，通過利用鄰域內的速度信息來對射線的速度函數S0(x，y，z)進行過濾。另外，速度項S1(x，y，z)通過利用由S1(x，y，z)＝(K1+K2)/2所給定的平均曲率而對波前施加平滑處理，其中K1和K2是基本曲率。然而，也可采用例如傳統的平均高斯曲率等其它幾何平滑技術。
1.4實施對于射線的初始化，本發明所述方法利用了這樣一種算法這種算法通過使用正八面體的幾個部分而提供一個球面上等距離分布點的近似值。用(1，0，0)，(-1，0，0)，(0，1，0)，(0，-1，0)，(0，0，1)和(0，0，-1)六個點對正八面體進行初始化，相鄰點之間的連接給出單位球的第一基本三角。在再分過程中，通過在每條邊的中間處各設置一個新點且將其投影到單位球上并將相鄰點連接起來而將每個三角形再分成四個新的三角形。然后射線就從籽源點沿由單位球的近似值所給定的方向射出。觀察到在初始擴散中，射線數量少是必然的。然而，當來自籽源點的射線距離變大時，射線之間的距離也會變大。這相應于占據更大區域的各個三角形。
在這種實施方式中，當三角形變得大于一個預定值，也就是兩條相鄰射線的端點間的空間距離變得大于一個預定值時，則會通過在每條邊的中間處各布置一條新射線(即在兩條相鄰射線之間起始一條新的射線)且將其投影到單位球上并將相鄰點連接起來而將每個三角形再分成四個新的三角形。
為了估算射線當前位置處的表面曲率，本方法采用了下面算法計算第一矩陣S(12NΣi=1Nnini1)+12∞---(7)]]>
其中N是鄰粒子數，ni表示到第i個鄰粒子的當前位置的矢量，p表示到所考慮射線的當前位置的矢量。正定矩陣S被稱為結構張量或散布矩陣。一種基本的分量分析提供了S的特征值⑨1μ⑨2μ⑨3和特征向量v1，v2，v3。相應于最大特征值⑨1的特征向量v1是沿標準切線方向的。其它兩個特征向量指向基本曲率的方向。雖然相應的特征值⑨2和⑨3已經給出了在這些方向上的彎曲程度的估計值，但是它們沒有給出其取向的信息。因此，對于每個鄰粒子，本方法還要計算鄰粒子矢量和基本曲率矢量的點積。然后用π/2與標準切向矢量和連接p與鄰粒子的矢量之間角度之差乘以這一系數。對于凸形區域而言加權角度差之和為正，對于凹形區域而言加權角度差之和為負。因此，基本曲率的最終計算公式為K1=Σi=1N|v2·ni||v2||ni|(arccos(vi·(ni-p)|v1||ni-p|)-π2)---(8)]]>K2=Σi=1N|v3·ni||v3||ni|(arccos(vi·(ni-p)|v1||ni-p|)-π2).---(9)]]>其中K1是曲率的最小彎曲特征值，K2是曲率的最大彎曲特征值。然后將K1和K2平均而得到平均曲率。
本發明提供了一種用戶界面友好的3D立體分割方法。該分割方法是非常快速的，這是由于采用了射線擴散。第二，基于平均變換的分析使得該方法對于在CT和MR圖像中存在異常值的情況仍具有穩定性。第三，例如平滑約束等形狀先驗信息的采用意味著該方法中降低了對丟失數據也就是不能被很好確定或者丟失表面的靈敏度。第四，該方法對用戶而言是友好的，這是由于常常只需對3D醫學構造進行一次點擊就足夠了。
雖然已經結合上述一些優選實施例對本發明進行了展示和描述，但是對于本領域技術人員而言將理解為可以在不背離由所附權利要求所確定的本發明范圍與實質的前提下而對其中的形式和細節進行各種變化。
權利要求
1.一種用于從三維(3D)圖像中分割構造的方法，該方法包括以下步驟接收3D圖像數據；在顯示裝置上顯示3D圖像數據；通過在構造中放置一個籽源而在3D圖像數據中選擇構造；從籽源起始多條射線以形成一個面；確定所述多條射線的每條的速度函數；通過以所述多條射線的每條的速度函數為基礎來擴散所述多條射線而逐漸推進所述面；使所述多條射線收斂于構造的邊界上；以及當所有的所述多條射線已經收斂于構造的邊界上時分割出所述構造。
2.如權利要求1所述方法，進一步包括確定所分割出的構造的體積的步驟。
3.如權利要求1所述方法，其中逐漸推進所述面的步驟包括對所述多條射線的每條進行平均變換分析以識別出圖像間斷處，圖像間斷處確定構造的邊界。
4.如權利要求3所述方法，其中進行平均變換分析包括以下步驟為所述多條射線的每條確定聯合空間-強度域，聯合空間-強度域對于沿所述多條射線的每條上的各個像素而言包括至少一個位置值和至少一個強度值；以可能密度為基礎劃分域以識別間斷處；以及確定所述多條射線的每條的置換矢量，置換矢量是單條射線上的一點與這條射線上的一個收斂點之間的距離。
5.如權利要求4所述方法，其中如果單條射線的置換矢量梯度的絕對值大于一個預定值，且置換矢量的符號為負，則該單條射線從籽源到邊界被擴散，并且如果單條射線的置換矢量梯度的絕對值大于一個預定值，且置換矢量的符號為正，則該單條射線從邊界外指向邊界被擴散。
6.如權利要求4所述方法，其中如果單條射線的置換矢量梯度的絕對值小于一個預定值，則該條射線從籽源到邊界被擴散。
7.如權利要求3所述方法，其中逐漸推進所述面的步驟包括對漸進面施加平滑約束。
8.如權利要求7所述方法，其中施加平滑約束包括基于相鄰射線而對所述多條射線中的一條射線的速度函數進行過濾。
9.如權利要求7所述方法，其中施加平滑約束包括基于形狀先驗信息對漸進面施加平均曲率。
10.如權利要求1所述方法，其中在逐漸推進步驟期間，如果所述許多條射線中的任意兩條相鄰射線之間的空間距離變得大于一個預定距離時，則在這兩條相鄰射線之間起始另外一條射線。
11.如權利要求1所述方法，其中選擇步驟包括用一個計算機鼠標在構造上進行點擊。
12.一種可被機器讀取的程序存儲裝置，該存儲裝置可觸知地體現一個被機器執行的指令程序以實施用于從三維(3D)圖像中分割構造的包括以下步驟的方法接收3D圖像數據；在顯示裝置上顯示3D圖像數據；通過在構造中放置一個籽源而在3D圖像數據中選擇構造；從籽源起始多條射線以形成一個面；確定所述多條射線的每條的速度函數；通過以所述多條射線的每條的速度函數為基礎來擴散所述多條射線而逐漸推進所述面；使所述多條射線收斂于構造的邊界上；以及當所有的所述多條射線已經收斂于構造的邊界上時分割出所述構造。
13.如權利要求12所述程序存儲裝置，進一步包括確定所分割出的構造的體積的步驟。
14.如權利要求12所述程序存儲裝置，其中逐漸推進所述面的步驟包括對所述多條射線的每條進行平均變換分析以識別出圖像間斷處，圖像間斷處確定構造的邊界。
15.如權利要求14所述程序存儲裝置，其中進行平均變換分析包括以下步驟為所述多條射線的每條確定聯合空間-強度域，聯合空間-強度域對于沿多條射線的每條上的各個像素而言包括至少一個位置值和至少一個強度值；根據可能密度劃分域以識別間斷處；以及確定所述多條射線的每條的置換矢量，置換矢量是單條射線上的一點與這條射線上的一個收斂點之間的空間距離。
16.如權利要求15所述程序存儲裝置，其中如果單條射線的置換矢量梯度的絕對值大于一個預定值，且置換矢量的符號為負，則該單條射線從籽源到邊界被擴散，并且如果單條射線的置換矢量梯度的絕對值大于一個預定值，且置換矢量的符號為正，則該單條射線從邊界外指向邊界被擴散。
17.如權利要求15所述程序存儲裝置，其中如果單條射線的置換矢量梯度的絕對值小于一個預定值，則該條射線從籽源到邊界被擴散。
18.如權利要求14所述程序存儲裝置，其中逐漸推進所述面的步驟包括對漸進面施加平滑約束。
19.如權利要求18所述程序存儲裝置，其中施加平滑約束包括基于一條相鄰射線而對所述多條射線中的一條射線的速度函數進行過濾。
20.如權利要求18所述程序存儲裝置，其中施加平滑約束包括基于形狀先驗信息對漸進面施加平均曲率。
21.一種用于從三維(3D)圖像中分割構造的系統，該系統包括一個用于接收3D圖像數據的輸入裝置；一個用顯示3D圖像數據的顯示裝置；一個用于通過在構造中放置籽源以從3D圖像數據中選擇構造的光標控制裝置；以及一個用于從3D圖像數據中分割構造的處理器。
22.如權利要求21所述系統，其中所述處理器從籽源起始多條射線以形成一個面，確定所述多條射線的每條的速度函數，通過以所述多條射線的每條的速度函數為基礎來擴散所述多條射線而逐漸推進所述面，使所述多條射線收斂于構造的邊界上，以及當所有的所述多條射線已經收斂于構造的邊界上時分割出所述構造。
23.如權利要求21所述系統，其中光標控制裝置是一個鼠標，用戶通過對構造進行點擊而將籽源放置于所述構造內。
全文摘要
提供一種用于從CT和MR圖像中分割3D構造的方法。該方法是基于通過帶有平滑約束的平均變換分析而進行的3D射線擴散。射線擴散由于其具有的計算高效性而被用來引導漸進面，形狀先驗信息也被引入到該方法中以實現穩定收斂。該方法包括以下步驟接收3D圖像數據(302)；在顯示裝置上顯示3D圖像數據(304)；通過在構造中放置一個籽源而在3D圖像數據中選擇構造(306)；從籽源起始多條射線以形成一個面(308)；確定多條射線的每條的速度函數(310，312)；通過以多條射線的每條的速度函數為基礎來擴散多條射線而逐漸推進所述面(316)；使多條射線收斂于構造的邊界上(318)；以及當所有的射線已經收斂于構造的邊界上時分割出所述構造。
文檔編號G06T5/00GK1647117SQ03808461
公開日2005年7月27日 申請日期2003年3月10日 優先權日2002年4月18日
發明者H·特克, D·科馬尼丘, J·P·威廉斯 申請人:西門子共同研究公司