專利名稱：：用于計算機輔助診斷的改進的結節分割的制作方法
技術領域：
：本實施例涉及分割。尤其是從諸如計算機斷層掃描數據之類的掃描數據中識別結節或其它結構。
背景技術：
：肺結節分割是用于識別肺腫瘤的計算機輔助診斷(CAD)的一個目標。例如，CAD系統從胸計算機斷層掃描(CT)數據中識別肺結節。半自動的穩健的分割解決方案可以實現作為肺癌篩選和管理的一部分的、結節的可靠的體積測量。在CAD系統中，基于亮度的分割解決方案、諸如局部密度最大值算法對結節進行分割。盡管對于孤立性結節來說這種解決方案可以令人滿意地執行，但這些解決方案由于類似的亮度而不能從鄰近的周圍結構、例如壁和脈管中分離出結節。已經建議了更加完善的方法來結合結節特定的幾何限制。然而，在胸膜附近(juxtapleural)，或附著到壁上，結節仍然被看作挑戰，因為這種結節可能不符合標準的幾何學假定。問題的另一個根源是在CT數據中以高亮度值出現的肋骨。這種接近于可能的結節的高亮度區可能使結節中心的估計有偏差。兩種方法提供了胸膜附近情況的穩健分割。在第一種方法中，在結節分割之前執行整體肺或肋骨分割。這種整體方法可能是有效的，但是計算上很復雜且依賴于整個肺分割的精度。在第二種方法中，在結節分割之前執行局部非目標去除或回避。這種局部方法可能比整體方法更有效，但是由于非目標結構的有限數量的可用信息而更難以實現高性能。
發明內容作為介紹，下述優選實施例包括用于在計算機輔助診斷中進行改進的結節分割的方法、系統或計算機可讀介質。通過根據掃描數據檢驗結節分割誤差，胸膜附近的情況被識別。一旦被識別，掃描數據或隨后的估計可以被修改以說明影響分割的鄰近的肋骨、組織、脈管或其它結構。一種修改是根據掃描數據形成濾波器。例如，來自于原來估計的分割的橢圓體定義所述濾波器。所述濾波器用來識別不想要的信息，以及為了隨后的結節分割的估計，掩蔽去除不想要的信息。另一種可能的修改使隨后的估計偏離于影響原始估計的不正確的信息、例如肋骨、組織或脈管信息。例如，否定的先驗(negativeprior)被分配給對應于原來估計的分割的數據以用于隨后的估計。檢驗、濾波修改、偏離修改中的任一種或它們的組合都可以被使用。在第一方面中，提供一種用于在計算機輔助診斷中進行改進的結節分割的方法。處理器根據掃描數據檢驗處理器確定的第一分割。在處理器確定的第一分割使檢驗失敗的情況下，處理器修改掃描數據、參數或掃描數據和參數。根據修改后的掃描數據、參數或修改后的掃描數據和參數確定處理器確定的第二分割。在第二方面中，提供一種用于在計算機輔助診斷中進行改進的結節分割的系統。處理器可操作用于根據掃描數據檢驗第一分割，可操作用于在第一分割使檢驗失敗的情況下修改掃描數據、參數或掃描數據和參數，并且可操作用于根據修改后的掃描數據、參數或掃描數據和參數確定第二分割。顯示器可操作用于輸出第二分割的指示。在第三方面中，計算機可讀存儲介質具有存儲在其中的數據，該數據表示可由被編程的處理器執行的指令，該指令用于在計算機輔助診斷中進行改進的結節分割。存儲介質具有指令，用于根據掃描數據檢驗第一結節估計，如果第一結節估計使檢驗失敗，則修改掃描數據、結節估計或掃描數據和結節估計兩者，以及根據修改后的掃描數據、修改后的結節估計或修改后的掃描數據和修改后的結節估計兩者來確定第二結節估計。在第四方面中，計算機可讀存儲介質具有存儲在其中的數據，該數據表示可由被編程的處理器執行的指令，該指令用于在計算機輔助診斷中進行改進的結節分割。存儲介質具有指令，用于根據掃描數據確定濾波器形狀，根據濾波器形狀對掃描數據進行濾波，以及根據濾波后的掃描數據分割第一結節。在第五方面中，計算機可讀存儲介質具有存儲在其中的數據，該數據表示可由被編程的處理器執行的指令，該指令用于在計算機輔助診斷中進行改進的結節分割。存儲介質具有指令，用于確定第一結節估計，將第一結節估計識別為與可能的胸膜附近的結節有關，以及使第二結節估計的確定偏離于第一結節估計。本發明由下列權利要求來限定，并且這部分中的任何內容都不應被視為是對那些權利要求的限制。本發明的另外的方面和優點在下面結合優選實施例來論述。部件和圖沒有必要按照比例繪圖，而是重點應放在闡明本發明的原理上。此外，在圖中，相似的附圖標記在不同的視圖中表示相對應的部分。圖1是用于在計算機輔助診斷中進行改進的結節分割的方法的一個實施例的流程表；圖2是根據掃描數據改進分割的一個實施例的圖形實例；圖3是改進的分割的一個實施例的圖形實例；和圖4是用于在計算機輔助診斷中進行改進的結節分割的系統的一個實施例的框圖。具體實施例方式實施例可以在計算機斷層掃描(CT)中通過改進胸膜附近情況的分割來提供穩健的肺結節分割。通過檢驗分割結果，可以識別胸膜附近情況。由于周圍結構所造成的不正確的分割可以通過修改來避免。針對胸膜附近情況，通過局部非目標去除和/或回避方法來提供修改。在一種方法中，檢測并去除輸入子體積內的肺壁區。例如，使用三維二進制形態開放性操作(binarymorphologicalopeningoperation)。通過使用掃描數據來識別諸如數據驅動的橢圓體三維結構元素之類的結構元素，形態操作更可能導致不想要的信息的去除。在另一種方法中，擴展的均值平移框架包括排斥子(否定的)先驗，其趨向遠離一個或多個特定數據點的收斂。這種先驗約束的均值平移被用于正確地檢測結節中心而不管肋骨的存在。分割精度可以在不去除表示壁和肋骨的數據的情況下被改善。在一個實施例中，所提議的兩種解決方案被實現為穩健的各向異性的高斯擬合解決方案的擴展，但是其它的分割算法也可以被使用。橢圓體結構元素和/或排斥子先驗從高斯擬合中獲得。該實施例可以被用于其它成像模式，例如磁共振成像，超聲波，x射線，正電子放射或其它現在已知的或新進研發的成像模式。可以使用兩維或三維掃描的數據。實施例可以替代地被用于孤立的或非胸膜附近的情況。圖1示出用于在計算機輔助診斷中進行改進的結節分割的方法的一個實施例。通過圖4的系統或諸如個人電腦、網絡務器或成像工作站之類的不同系統來實現所述方法。所述方法以所示出的順序或不同的順序執行動作。另外，可能設置不同的或更少的動作。例如，在有或者沒有任何其它的動作的情況下，動作26而不是28被執行，或反之亦然。作為另一個例子，動作22、24和30在沒有動作26和/或28的情況下被執行。在動作22中，確定結節估計。結節估計是可能的結節的分割。由處理器自動地或半自動地執行該確定，從而導致處理器確定的分割。該分割是局部的，例如在表示平面或體積的掃描數據的子區域中估計結節。例如，使用33×33×33三維象素的子體積。該區域大于可能的結節，例如在直徑上大于30毫米、50毫米或其它值。可以使用具有立方、球形或其它形狀的其它尺寸的區域，例如球形區域。掃描數據是CT數據或另一類型的數據。通過處理器或響應于用戶輸入來自動地選擇局部區域。根據放射科醫師通過觀看鑒定(eye-appraisal)的讀取或自動結節檢測系統的結果來建立標記。例如，全局地應用一種算法以確定可能與結節有關的區域。作為另一個例子，用戶輸入可能與結節有關的點、面積或體積。局部區域被定中心于用戶輸入位置或所確定的面積或體積上。在替代的實施例中，執行全局分割。在識別局部區域之后，對局部區域執行結節分割。局部區域可能包括孤立的結節或在胸膜附近的結節。對局部區域的掃描數據執行肺或其它結節分割。可以使用任何現在已知的或新進研發的分割算法、例如濾波、經訓練的神經網絡、貝葉斯分割或其它基于分類器的分割。在一個實施例中，利用高斯擬合函數執行分割。高斯函數、例如二維或三維高斯函數擬合掃描數據。例如，在公開號為2005/0036710、2005/0096525、2005/0135663、2005/0201606或____________(申請系列號為11/184,590)的美國專利申請中所描述的一個或多個分割處理被執行，這些專利申請的公開內容在此被引入作為參考。一種穩健的各向異性的高斯擬合識別由計算機斷層掃描數據所表示的結節。提供半自動的(例如，單擊)三維結節分割。單擊分割使用指示目標結節的大致位置的標記xp。三維高斯函數擬合與該標記有關的掃描數據。根據經驗確定，結節的三維邊界用所擬合的高斯的35％、50％或其它置信度的橢圓體來近似。可以使用除了橢圓體之外的其它結構，例如球體，立方體或不規則結構。為了計算的效率，該算法被應用于定中心于標記xp并且從CT體積數據I(x)∶R3→R+、例如12位CT掃描數據中提取的子體積V(x)。該算法提供高斯函數，其最佳地或充分地擬合目標結節的局部亮度分布。該擬合被表示為I(x)≈αxФ(x；u，∑)|xεS，其中Ф(x；u，∑)＝|2π∑|-1/2exp(-1/2(x-u)t∑-1(x-u))是各向異性的三維高斯函數，α是正的數量系數，S是形成目標的吸引盆地(basin)的局部鄰域，u是指示所估計的結節中心的所擬合的高斯均值，以及∑是指示結節的各向異性擴展的所擬合的高斯協方差矩陣。u是使用擬合函數的局部最大值(例如梯度)的收斂。可以不計算α和S。替代地，該算法通過考慮輸入子體積的高斯尺度空間來執行多尺度分析。高斯尺度空間L(x；h)是具有初始化L(x；0)＝I(x)的擴散方程∂HL=12▿2L]]>的解。這種尺度空間是由I(x)與具有帶寬矩陣H的高斯核KH(x)的卷積來定義的L(x；h)＝I(x)*KH(x；H＝h1)。所述算法考慮在一組密集采樣的離散分析尺度{hk|k＝1…K}上構造的高斯尺度空間。在每一個分析尺度上，在每一個尺度空間圖像中執行固定尺度穩健分析以用于擬合各向異性的高斯函數。針對每一平滑尺度或級別(即，帶寬)確定所述均值、即u和協方差、即∑。固定尺度分析利用尺度空間均值平移執行穩健的高斯擬合，在高斯尺度空間中定義的收斂的加權的均值平移被表示為m(x;Hk)=∫x'KH(x-x';Hk)I(x')dx'∫KH(x-x';Hk)I(x')dx'-x=hk▿L(x;hk)L(x;hk)---(1)]]>作為結節中心的高斯均值u通過在標記xp周圍采樣的大多數初始種子的收斂來估計。在所估計的均值u周圍對一組新的種子進行采樣。然后從每一個種子執行均值平移過程。高斯協方差通過具有未知的∑的、用僅僅沿著收斂軌跡的均值平移矢量構造的線性系統的受約束的最小二乘解來估計。所述線性系統可以用響應標準化的尺度空間海賽(Hessian)來構造。給定一組所估計的高斯，在尺度上的最穩定的估計決定最終的結果。在一個實施例中，對由高斯提供的所估計的分割和掃描數據之間的誤差進行計算。在其它實施例中，諸如在誤差可能是大的或不穩定的情況下，對該組所估計的高斯進行檢查以便根據變化的帶寬識別最穩定的估計。給定一組以分析尺度{(uk，∑k)}所估計的高斯，通過尤其利用基于發散的穩定性檢驗查找最穩定的估計來實現多尺度分析，但是可以使用其它的檢驗。一種示例算法采用以每一個分析尺度計算的三個鄰近高斯的JensenShannon發散(JSD)。假定標準形式的分布，JSD用下列簡單形式來表示JSD(k)=12log|13Σi=k-1k+1Σi|3Πi=k-1k=1|Σi|+12Σi=k-1k+1(ui-u)t(Σi=k-1k+1)-1(ui-u)---(2)]]>其中u=12Σk-1k+1ui.]]>在尺度hk上JSD分布的最小化導致在尺度上最穩定的(most-stable-over-scales)估計(u*，∑*)。穩健性應歸于這個算法的兩方面。第一，固定尺度高斯擬合解決方案使用尺度空間均值平移收斂分析執行具有異常值去除的穩健的模型擬合。針對每一個h，根據等式1確定u，其中異常值是沒有作為結節的一部分被估計的信息。具有異常值去除的m向峰值的收斂更可能減少其它結構的影響。這幫助緩和并列鄰近結構、諸如肋骨、胸壁或脈管的問題。第二，基于穩定性的尺度選擇的使用使甚至沒有較好地遵循高斯假定的亮度分布的擬合處理穩健。這便于隨意選擇用于分割臨床上重要的但是技術上復雜的毛玻璃類型或其它類型結節的解決方案。盡管穩健，但某些胸膜附近的或其它的情況可能導致不精確的分割。穩健的高斯擬合解決方案或其它的分割估計可以被進一步地擴展，以便不僅僅處理孤立的情況而且也處理胸膜附近的情況。穩健的高斯擬合或其它分割估計被執行，并且在動作22中結果被檢驗，諸如使用擬合良好性檢驗。處理器根據掃描數據自動或半自動地檢驗結節估計。所述檢驗將結節估計識別為與可能的胸膜附近的結節有關，諸如該檢驗識別可能的附著到壁上的結節。將計算機斷層掃描或其它掃描數據與肺或其它的結節分割相比較。例如，對處理器確定的分割和掃描數據之間的誤差進行分析。在一個實施例中，對數據和模型之間的卡方誤差進行計算，但是其它的誤差計算也可以被使用。在另一個實施例中，線性直流偏離(bias)被估算。可以使用其它啟發式的檢驗，諸如使用經訓練的神經網絡或其它的分類器。可以使用檢驗的組合，諸如卡方誤差分析與線性直流偏離檢驗相結合。可以設置分割未通過檢驗或通過檢驗的任何閾值或其它確定，諸如基于訓練或具有已知真值的數據組的誤差閾值或啟發式的結果。當在動作22中初始擬合結果沒能通過檢驗時，執行進一步的處理以提供可能更精確的分割或結節估計。可以使用一個或多個不同的進一步的處理，包括任何現在已知的或新近研發的處理。一般對于穩健的高斯分割來說，通過與線性直流偏離擬合良好性檢驗結合的卡方誤差分析所檢測的最粗的分割的失敗可能是由于胸膜附近情況。針對這種失敗的初始的擬合高斯可能趨向近似于壁和肋骨結構。采用初始的擬合高斯作為處理輸入的分割解決方案可以利用這些觀察。在一個實施例中，在動作24中處理器利用進一步的處理執行修改。掃描數據、結節估計處理、用于估計處理的參數、它們的組合或其它修改被執行。在一個實施例中，根據基于初始分割的形態函數來修改掃描數據。在另一個實施例中，隨后的分割估計被加權遠離初始分割。由于檢驗失敗，初始分割被認為不精確。這個失敗可以被用來影響以后的分割以識別結節而不是其它結構。其它是或者不是初始分割的函數的實施例可以被使用。在用于在動作24中修改掃描數據的實施例中，在動作26中與不想要的結構無關的掃描數據被選擇，或者與不想要的結構有關的掃描數據被去除。例如，通過三維形態開放執行壁去除。選擇或者去除是形態函數的功能。形態函數響應于掃描數據，諸如是可能表示不想要的結構的初始分割的函數。任何形態函數可以被使用，諸如根據掃描數據或者根據響應于初始擬合的橢圓體確定濾波器形狀。胸膜附近失敗情況的輸入子體積可能包含肺壁區。這種壁區通常表現為大的具有比周圍肺軟組織高的CT值的連通區域。胸膜附近的結節可能表現為部分嵌入到壁中的結節結構。使用形態操作從子體積中去除壁區。然后對去除壁的掃描數據執行穩健的高斯擬合或者其它分割，從而導致目標結節的改進的分割。圖2用圖形表示一種用于根據形態函數選擇或者去除掃描數據的可能算法。輸入包括子體積V(x)、標記xp和使擬合良好性檢驗失敗的擬合高斯(u*，∑*)。以34表示的圖像以二維橫截面示出子體積，其中較亮區域表示嵌入在壁上的結節。與不想要的結構、諸如壁區有關的掃描數據被從V(x)中去除，從而導致在用37標記的圖像上所表示的Vr(x)。如針對以35表示的圖像所示，掃描數據被二進制化或者被轉換為二進制表示。閾值、諸如用于具有0到4,095的動態范圍的掃描數據的值500被應用于掃描數據。該閾值是亮度閾值。可以使用其它閾值。形態函數至少部分地基于初始結節估計、球體、橢圓體、它們的組合或其它形狀來計算。例如，如果平均直徑大于閾值，則根據初始結節估計來初始化三維結構元素，并且如果平均直徑小于閾值，則根據預定結構來初始化三維結構元素。對由初始分割協方差∑*所定義的橢圓體的平均直徑dave進行計算。如果平均直徑大于閾值，則形態函數是由初始分割∑*定義的三維結構E，E＝∑*。任何閾值都可以被使用，諸如16.6個三維象素或特定的尺寸。否則，三維結構E被設置為具有固定半徑、諸如14個三維象素或者特定的尺寸的三維球體。可以使用其它的閾值、半徑、形狀或者尺寸。可以使用二維處理。針對每一個子體積或可能不想要的結構，估計這個數據相關的橢圓體結構元素。結構元素具有相同的或者不同的尺寸。結構E表示濾波器形狀。利用數據導出的濾波器形狀的濾波允許單或者多通道平滑和/或銳化以選擇或去除掃描數據。根據濾波器形狀對掃描數據進行濾波。該濾波根據形態函數執行形態開放。例如，根據三維結構元素E執行三維二進制形態開放，從而導致僅僅保留大的壁區的平滑的體積Bs(x)＝[Bo(x)E]E。以36表示的圖像顯示根據結構元素對二進制掃描數據進行濾波的結果。根據以36表示的三維二進制形態開放的輸出對以34表示的初始子體積的掃描數據進行掩蔽。該掩蔽選擇感興趣的數據或者去除不想要的數據。例如，通過用Bs(x)的非來掩蔽V(x)來執行壁去除Vr(x)＝V(x)xNOT[Bs(x)]。在動作30中，對修改后的掃描數據執行分割，諸如對具有xp的Vr(x)執行穩健的高斯擬合算法。該分割可以提供改進的結節分割(uwr，∑wr)。在圖1的動作28中的替代的或附加的實施例中，使分割估計偏離于失敗的分割或結節估計。對于胸膜附近情況來說，偏離可以如在美國專利No.(序列號______，2006年3月9日提交(代理人參考號2005P05271US))中所公開的那樣被執行，該專利的公開內容在此被引入作為參考。隨后的分割的收斂受影響或被推離錯誤的結果。例如，由初始分割輸出的橢圓體影響以后的分割。對于胸膜附近的結節來說，使結節估計的確定偏離由計算機斷層掃描數據表示的壁或肋骨結構并且與可能的胸膜附近的結節相鄰。初始結節估計被假定為與壁或肋骨結構有關。在沒有明確地去除表示壁和/或肋骨的數據的情況下，對隨后的結節中心進行檢測。在基于高斯擬合的分割中，高斯排斥先驗(repellingprior)約束均值平移。先驗約束的均值平移把空間先驗信息結合到數據驅動的均值平移分析中。否定的先驗被分配給至少一個與初始結節估計或分割有關的位置的掃描數據。對子體積V(x)執行先前的穩健的高斯擬合，從而導致結節中心和擴展估計(u*，∑*)。這個擬合高斯被解釋為指示x是所估計的中心的似然性的正態概率分布Q(x)，其被表示為Q(x)＝N(x；u*，∑*)＝|2π∑*exp(-(x-u*)t∑*-1(x-u*))(3)當x＝u*時Q(x)具有最高值。擬合良好性檢驗失敗表示所估計的位置u*不在目標結節的中心處并且所估計的擴展∑*大略地表示(肋骨/壁)結構的范圍，所述結構錯誤地吸引了均值平移收斂遠離實際的結節中心。結節中心可以利用受約束的均值平移來重新估計，通過對Q(x)的認識使該均值平移的收斂偏離，以便將所述收斂推離失敗的估計u*。為結合這種排斥(否定的)先驗，等式3被轉換并且在隨后的分割或結節估計中被用作參數修改。掃描數據I(x)被再取樣或與權重相關聯以表示一些數據點比其它數據點更合適的觀念。先驗導出的正的權重由Q(x)的非來定義，被表示為wQ(x)＝1-|2π∑*|1/2Q(x)(4)結合否定的先驗導致下列再取樣的用離散化的數據空間表示的尺度空間L~(x;h)=Σi=1NwQ(xi)I(xi)Kb(x-xi)---(5)]]>收斂于中的模式的均值平移mr(x；h，Q)是受否定的先驗約束的尺度空間均值平移。受否定的先驗約束的尺度空間均值平移由下式定義mr(x;h,Q)=ΣixiKh(x-xi)I(xi)wQ(xi)ΣiKh(x-xi)I(xi)wQ(xi)-x---(6)]]>收斂特性被保持，因為wQ(xi)≥0xi。利用否定的先驗，再次執行分割。例如，根據與初始結節估計相關的偏差將高斯函數應用于計算機斷層掃描數據。在動作30中，通過在穩健的擬合算法中用先驗約束的均值平移替換初始尺度空間均值平移(用等式6替換等式1)來構造新的高斯擬合方案。給定使擬合良好性檢驗失敗的初始高斯(u*，∑*)，對原始數據V(x)執行這個具有mr(x；h，Q)的新的解決方案，從而導致具(ums，∑ms)的改進的分割。動作26和28可以獨立地或一起被使用。來自于動作26和28兩者的結果可以被合并、諸如被平均或最佳地擬合所確定的結果。動作26的處理可被用于引導或改進動作28的處理或反之亦然。替代地，在不執行動作28的情況下，動作26被執行，或在不執行動作26的情況下動作28被執行。在動作30中，根據修改后的掃描數據、修改后的參數、修改后的結節估計或它們的組合來確定另一處理器確定的分割或結節估計。相同的或不同的分割被執行，諸如根據三維高斯擬合函數來進行確定。根據否定的先驗或具有去除的或選擇的信息的掃描數據確定隨后的分割。針對去除的或選擇的數據，根據濾波后的掃描數據來分割結節，該濾波后的掃描數據被掩蔽以識別更可能與結節有關的數據。針對有偏差的數據，根據具有受先驗分割影響的均值平移的掃描數據來分割結節。修改可以允許具有計算機斷層掃描數據的胸膜附近結節的較好的肺結節分割。圖3示出一些說明性的例子。最左邊的圖像包括中心41在與大的結節鄰接的不想要的結構上的橢圓的分割42。中心圖像舉例說明在去除與所述結構相對應的掃描數據之后隨后的分割43。最右邊的圖像舉例說明在結合否定的先驗之后隨后的分割44。該處理被執行一次，但是可以諸如在結節可能鄰接多個擾亂項(distractor)的情況下被反復地執行。對修改的不同的進一步的處理可以較好地在不同的情況中執行。針對每一個標記、可能的結節或子體積(即，局部區域)，該處理被獨立地應用。基于形態開放和受先驗約束的均值平移的、從穩健的高斯擬合方法延伸出來的解決方案可以有效地分割胸膜附近情況。當結節附著于非壁結構或受非壁結構影響或者非常大的結節附著于肺壁的薄的部分時，否定的先驗的使用可以比形態開放更好地起作用。形態開放可以在其它情況中、例如針對小的胸膜附近的情況更好地執行。圖1的方法可以對具體的情況進行檢驗并且選擇適當的進一步的處理。替代地，無論使該檢驗失敗的原因是什么，執行相同的進一步的處理。分割可以幫助診斷。例如，正確的分割可以提供結節的更精確的體積測量。結節體積、形狀或變化可以在臨床上有助于診斷。對于上述討論的高斯擬合方法，使用橢圓體邊界近似。然而，通過結合利用高斯先驗的非參數分割，分割質量的進一步的改進也許是可能的，其中該高斯先驗是通過使用在公開號為2005/0201606的美國專利申請中所建議的方法導出的，所述專利申請的公開內容在此被引入作為參考。結節通過高斯函數來近似。為了獲得更精細級別的分割，利用被用作先驗的高斯擬合執行不同的分割。可以使用其它修改或差異。在一個實施例中，圖1的方法包括其它的檢驗或動作。例如，多層或分級方法被應用。可以使用不同尺寸的高斯。例如，兩個不同的子體積和相關聯的分割被執行(例如，33×33×33和66×66×66)。大的子體積可以諸如通過平滑和下采樣被縮小，以應用與較小的子體積相同的參數。較小的子體積首先被使用。如果分割較小的體積失敗，則較大的子體積被用于對較大的結節進行檢驗。例如，如果∑*大于閾值，可以將較小的分割確定為失敗，并且應用較大的分割。圖4示出用于在計算機輔助診斷中進行改進的結節分割的系統50的一個實施例。系統50是工作站、個人計算機、網絡、服務器、計算機輔助診斷系統、成像系統、計算機斷層掃描系統、醫學診斷成像系統或其它現在已知的或新近研發的處理系統。例如，本地或遠程工作站接收用于計算機輔助診斷的圖像。系統50執行圖1的方法或不同的方法。系統50包括處理器52、存儲器54、顯示器56和用戶輸入裝置(userinput)58。可以設置其它的、不同的或更少的部件。例如，系統50不包括用戶輸入裝置58和/或顯示器56。作為另一個例子，系統50包括傳感器，諸如計算機斷層掃描圖像成形設備。部件被顯示彼此相鄰，諸如在相同的房間中，在相同的大車上，或在相同的房屋中。在其它實施例中，一個或多個部件是遠程的，諸如存儲器54是遠程數據庫或顯示器56是在聯網的或無線的裝置上。用戶輸入裝置58是鍵盤、按鈕、滑動器、鼠標、觸摸墊，觸摸屏、軌跡球、撥號盤或其它現在已知的或新近研發的輸入裝置。用戶輸入裝置58是由處理器52生成的或控制的用戶界面的一部分。用戶與計算機輔助診斷系統50交互以基于分割識別結節或計算數量。例如，用戶輸入裝置58接收用戶輸入結節標記位置。處理器52是一個或多個通用處理器、數字信號處理器、特定用途集成電路、現場可編程門陣列、服務器、網絡、數字電路、模擬電路、它們的組合、或其它現在已知的或新近研發的用于處理醫學圖像數據的裝置。處理器52執行軟件程序、諸如手動生成的或編程的代碼或諸如經訓練的分類或模型系統。軟件識別結節邊界。替代地，硬件或固件執行識別。處理器52從存儲器54中獲取掃描數據、操作指令和/或其它信息。處理器52可操作用于根據掃描數據檢驗結節分割。掃描數據是計算機斷層掃描數據，但是可以使用其它類型的數據。掃描數據表示結節、諸如瘤或其它結構。一個例子是肺計算機斷層掃描中的胸膜附近的結節。為了檢驗，將結節分割與計算機斷層掃描數據相比較。可以使用任何檢驗，諸如擬合誤差或啟發式的檢驗。處理器52可操作用于在先前的分割使所述檢驗失敗的情況下修改掃描數據/參數或掃描數據和參數。例如，處理器52根據形態函數選擇掃描數據。作為另一個例子，處理器52使隨后的分割的確定偏離于先前的處理器確定的分割，諸如偏離于壁或肋骨分割。修改可以是被用于結節估計的掃描數據的函數，例如將先前的所估計的結節用于修改。處理器52可操作用于確定先前的和/或隨后的分割。三維高斯擬合被執行，但是可以使用其它分割算法。在一個例子中，處理器52在其它掃描數據被去除的情況下根據所選擇的掃描數據來確定隨后的分割。在另一個例子中，處理器52根據所修改的參數或分割處理來確定隨后的分割，例如與使用否定的先驗有關。存儲器54是計算機可讀存儲介質。計算機可讀存儲介質包括各種類型的易失性和非易失性存儲介質，包括但不局限于隨機存取存儲器、只讀存儲器、可編程只讀存儲器、電可編程只讀存儲器、電可擦除只讀存儲器、閃速存儲器、磁帶或磁盤、光學介質等等。存儲器54存儲用于由處理器52處理的或在由處理器52處理期間的掃描數據。掃描數據被輸入到處理器52或存儲器54中。在一個實施例中，掃描數據是圖像數據。在其它實施例中，掃描數據是在轉換為圖像格式之前的數據、諸如傳感器數據或所檢測到的數據。在一個實施例中，存儲器54是計算機可讀存儲介質，該計算機可讀存儲介質具有存儲在其中的可由被編程的處理器52執行的指令。處理器52至少部分地用指令來實現此處討論的自動或半自動的操作。指令使處理器52實現此處所述的任何、所有或某些功能或動作。功能、動作或任務獨立于特殊類型的指令集、存儲介質、處理器或處理策略并且可以由軟件、硬件、集成電路、薄膜設備(film-ware)、微代碼等等以單獨或組合地起作用的方式執行。同樣地，處理策略可以包括多重處理、多重任務、并行處理等等。在一個實施例中，指令被存儲在用于由醫學診斷成像系統、計算機輔助診斷系統或與成像系統聯網的工作站來讀取的可移動介質驅動器上。成像系統或工作站上傳指令。在另一個實施例中，指令被存儲在遠程位置上，用于通過計算機網絡或經由電話通信傳輸到成像系統或工作站。在其它實施例中，指令被存儲在硬盤、隨機存取存儲器、高速緩沖存儲器、緩沖器、可移動介質或其它裝置上的系統內。顯示器56是監視器、CRT、LCD、等離子體、平面屏幕、觸摸屏、投影儀、打印機、或其它現在已知的或新近研發的顯示設備。顯示器56輸出分割的指示。例如，顯示器56輸出根據具有重疊邊界的掃描數據基于分割所生成的圖像。作為另一個例子，顯示器56輸出基于分割的值、諸如體積。其它輸出可以被提供。雖然已經在上面參考各種實施例描述了本發明，但應當理解的是許多改變和修改可以在不脫離本發明的范圍的情況下被作出。因此意味著上述詳細說明應被認為是例證性的而不是限制性的，并且應該理解的是，下列包括所有等價物的權利要求旨在限定本發明的精神和范圍。權利要求1.一種用于在計算機輔助診斷中進行改進的結節分割的方法，所述方法包括利用處理器根據計算機斷層掃描數據來檢驗處理器確定的第一分割；在處理器確定的第一分割使檢驗失敗的情況下，利用該處理器修改掃描數據、參數或掃描數據和參數；以及根據修改后的掃描數據、參數或修改后的掃描數據和參數確定處理器確定的第二分割。2.如權利要求1所述的方法，進一步包括根據掃描數據將處理器確定的第一分割確定為肺結節分割，所述掃描數據包括計算機斷層掃描數據；其中檢驗包括根據計算機斷層掃描數據來檢驗肺結節分割。3.如權利要求2所述的方法，其中確定處理器確定的第一分割包括根據結節標記位置和三維高斯函數進行擬合。4.如權利要求1所述的方法，其中確定包括根據三維高斯函數進行擬合。5.如權利要求1所述的方法，其中檢驗包括對胸膜附近的結節進行檢驗。6.如權利要求1所述的方法，其中檢驗包括分析處理器確定的第一分割和掃描數據之間的誤差；執行線性直流偏離；啟發式地檢驗；或它們的組合。7.如權利要求1所述的方法，其中修改包括根據形態函數去除掃描數據，并且其中確定處理器確定的第二分割包括在沒有所去除的掃描數據的情況下根據掃描數據進行確定。8.如權利要求7所述的方法，其中去除包括至少部分地基于處理器確定的第一分割、球體、或它們的組合來確定形態函數；根據該形態函數執行形態開放；和根據形態開放的輸出對掃描數據進行掩蔽。9.如權利要求1所述的方法，其中修改包括使處理器確定的第二分割的確定偏離于處理器確定的第一分割。10.如權利要求9所述的方法，其中偏離包括將否定的先驗分配給與處理器確定的第一分割有關的掃描數據，并且其中確定處理器確定的第二分割包括根據否定的先驗進行確定。11.如權利要求9所述的方法，其中所述掃描數據包括胸膜附近的結節，并且其中偏離包括偏離于壁或肋骨。12.一種用于在計算機輔助診斷中進行改進的結節分割的系統，所述系統包括處理器，可操作用于根據掃描數據檢驗第一分割，可操作用于在第一分割使檢驗失敗的情況下修改掃描數據、參數或掃描數據和參數，并且可操作用于根據修改后的掃描數據、參數或掃描數據和參數確定第二分割；以及顯示器，可操作用于輸出第二分割的指示。13.如權利要求12所述的系統，其中所述處理器可操作用于根據掃描數據將第一分割確定為結節分割，所述掃描數據包括計算機斷層掃描數據，并且其中可操作用于檢驗包括可操作用于根據計算機斷層掃描數據來檢驗結節分割。14.如權利要求13所述的系統，進一步包括用戶輸入裝置，可操作用于接收結節標記位置；其中所述處理器可操作用于根據三維高斯擬合確定第一和第二分割。15.如權利要求12所述的系統，其中處理器可操作用于修改包括可操作用于根據形態函數選擇掃描數據，并且其中處理器可操作用于確定第二分割包括可操作用于根據所選擇的掃描數據進行確定。16.如權利要求12所述的系統，其中掃描數據包括胸膜附近的結節并且其中處理器可操作用于修改包括可操作用于使第二分割的確定偏離于處理器確定的第一分割，該偏離遠離壁或肋骨。17.在計算機可讀存儲介質中，該計算機可讀存儲介質具有存儲在其中的表示可由被編程的處理器執行的指令的數據，所述指令用于在計算機輔助診斷中進行改進的結節分割，所述存儲介質包括指令，用于根據掃描數據檢驗第一結節估計；如果第一結節估計使檢驗失敗，則修改掃描數據、結節估計或掃描數據和結節估計兩者；以及根據修改后的掃描數據、修改后的結節估計或修改后的掃描數據和修改后的結節估計確定第二結節估計。18.如權利要求17所述的指令，進一步包括將第一結節估計確定為胸膜附近的結節的肺結節分割，肺結節分割根據結節標記位置、高斯擬合函數和掃描數據來確定，所述掃描數據包括計算機斷層掃描數據；其中檢驗包括根據計算機斷層掃描數據檢驗肺結節分割；和其中確定第二結節估計包括根據高斯擬合函數來確定。19.如權利要求17所述的指令，其中修改包括根據響應于掃描數據的形態函數選擇掃描數據，并且其中確定第二結節估計包括根據所選擇的掃描數據來確定。20.如權利要求17所述的指令，其中修改包括使第二結節估計的確定偏離于胸膜附近的結節的第一結節估計。21.在計算機可讀存儲介質中，該計算機可讀存儲介質具有存儲在其中的表示可由被編程的處理器執行的指令的數據，該指令用于在計算機輔助診斷中進行改進的結節分割，所述存儲介質包括指令，用于根據掃描數據確定濾波器形狀；根據濾波器形狀對掃描數據進行濾波；和根據濾波后的掃描數據分割第一結節。22.如權利要求21所述的指令，其中確定濾波器形狀包括使高斯函數擬合掃描數據，并且根據響應于擬合的橢圓體確定濾波器形狀。23.如權利要求21所述的指令，進一步包括根據擬合掃描數據的高斯函數確定第二結節分割；根據掃描數據檢驗第二結節分割；和如果第二結節分割使檢驗失敗，則執行確定濾波器形狀、濾波和分割，所述確定濾波器形狀和濾波包括去除一些掃描數據，并且所述分割包括在沒有所去除的掃描數據的情況下根據擬合掃描數據的另一個高斯函數確定第一結節分割。24.如權利要求21所述的指令，其中第一結節包括胸膜附近的結節的肺結節分割，掃描數據包括計算機斷層掃描數據。25.如權利要求21所述的指令，其中確定濾波器形狀包括根據第一閾值使掃描數據二進制化，確定初始結節估計的平均直徑，如果平均直徑大于第二閾值，則根據初始結節估計來初始化三維結構元素，并且如果平均直徑小于第二閾值，則根據預定結構來初始化三維結構元素，濾波器形狀包括三維結構元素；其中濾波包括根據三維結構元素執行三維二進制形態開放并且根據三維二進制形態開放的輸出對掃描數據進行掩蔽；和其中分割第一結節包括根據所掩蔽的掃描數據來估計第一結節。26.在計算機可讀存儲介質中，該計算機可讀存儲介質具有存儲在其中的表示可由被編程的處理器執行的指令的數據，該指令用于在計算機輔助診斷中進行改進的結節分割，所述存儲介質包括指令，用于確定第一結節估計；將第一結節估計識別為與可能的胸膜附近的結節有關；使第二結節估計的確定偏離于第一結節估計。27.如權利要求26所述的指令，其中確定第一結節估計包括使高斯函數擬合計算機斷層掃描數據，其中偏離包括使第二結節估計的確定偏離于由計算機斷層掃描數據表示的壁或肋骨結構并且鄰接可能的胸膜附近的結節，第一結節估計與壁或肋骨結構有關，其中偏離包括根據與第一結節估計有關的偏離使高斯函數擬合計算機斷層掃描數據。28.如權利要求26所述的指令，其中偏離包括將否定的先驗分配給至少一個與第一結節估計有關的位置的掃描數據。29.如權利要求26所述的指令，其中偏離包括利用高斯排斥先驗來約束均值平移。30.如權利要求26所述的指令，其中確定第一結節估計包括確定擬合掃描數據的高斯函數的函數；其中識別包括根據掃描數據檢驗第一結節估計，檢驗識別可能的附著到壁上的與第一結節估計有關的結節。全文摘要通過基于掃描數據對結節分割誤差進行檢驗，識別胸膜附近的情況。一旦被識別，掃描數據或隨后的估計可以被修改以說明影響分割的相鄰的肋骨、組織、脈管或其它結構。一種修改是根據掃描數據形成濾波器。例如，初始估計的用于結節分割的橢圓體定義所述濾波器。濾波器被用于識別不想要的信息，以及掩蔽為隨后的結節分割的估計去除不想要的信息。另一種可能的修改使隨后的估計偏離于不正確的信息、諸如影響初始估計的肋骨、組織或脈管信息。例如，否定的先驗或概率被分配給與初始估計的分割相對應的數據以用于隨后的估計。文檔編號G06T5/00GK1983332SQ20061008988公開日2007年6月20日申請日期2006年4月18日優先權日2005年4月18日發明者K·奧卡達,A·克里什南,V·拉梅什,M·K·辛,U·阿克德米爾申請人:西門子共同研究公司,美國西門子醫療解決公司