Выбор модели анатомического варианта для сегментации изображения



Выбор модели анатомического варианта для сегментации изображения
Выбор модели анатомического варианта для сегментации изображения
Выбор модели анатомического варианта для сегментации изображения
Выбор модели анатомического варианта для сегментации изображения
Выбор модели анатомического варианта для сегментации изображения
Выбор модели анатомического варианта для сегментации изображения
Выбор модели анатомического варианта для сегментации изображения
Выбор модели анатомического варианта для сегментации изображения
Выбор модели анатомического варианта для сегментации изображения

 


Владельцы патента RU 2609084:

КОНИНКЛЕЙКЕ ФИЛИПС ЭЛЕКТРОНИКС Н.В. (NL)

Изобретение относится к сегментации изображений и, более конкретно, к сегментации изображений с использованием деформируемых моделей. Техническим результатом является повышение точности адаптации модели анатомического органа с высокой анатомической вариабельностью при сегментировании изображения анатомического органа. Система (100) для сегментации объекта на изображении содержит первый адаптер (110), анализатор (115), селектор (120), инициализатор (125) и второй адаптер (130). Первый адаптер (110) предназначен для адаптации первой модели для сегментации объекта к изображению. Анализатор (115) предназначен для экстрагирования признака из изображения, основываясь на адаптированной первой модели. Селектор (120) предназначен для выбора второй модели для сегментации объекта из множества моделей для сегментации объекта, основываясь на признаке, экстрагированном из изображения. Причем вторая модель содержит дополнительную деталь объекта. Инициализатор (125) предназначен для инициализации второй модели, основываясь на адаптированной первой модели и/или признаке, экстрагированном из изображения. Второй адаптер (130) предназначен для адаптации инициализированной второй модели к изображению. 4 н. и 4 з.п. ф-лы, 9 ил.

 

ОБЛАСТЬ ИЗОБРЕТЕНИЯ, К КОТОРОЙ ОТНОСИТСЯ ИЗОБРЕТЕНИЕ

Изобретение относится к сегментации изображений и, более конкретно, к сегментации изображений с использованием деформируемых моделей.

УРОВЕНЬ ТЕХНИКИ

Очерчивание органов на основе моделей представляет собой эффективный и надежный путь для сегментации медицинских изображений. В этом подходе модель органа адаптируют к изображению, тем самым очерчивая орган. Такие способы описаны, например, в работе авторов Jürgen Weese, Michael Kaus, Christian Lorenz, Steven Lobregt, Roel Truyen и Vladimir Pekar «Shape Constrained Deformable Models for 3D Medical Image Segmentation», Lecture Notes in Computer Science, 2001, том 2082/2001, страницы 380-387, далее по тексту - источник 1, и многих других публикациях в соавторстве с какими-либо из авторов источника 1. Однако известные модели типично являются достаточно жесткими и, таким образом, их деформация во время адаптации к изображению мала. Следовательно, этот подход часто терпит неудачу, когда его применяют для сегментации изображений, на которых изображены органы с высокой вариабельностью формы, в частности, когда варианты формы органа топологически неэквивалентны. Примеры таких органов включают левое предсердие сердца, которое имеет множество вариантов, содержащих различное число легочных вен, впадающих в него, или почки, которые имеют множество различных соединений питающих артерий.

СУЩНОСТЬ ИЗОБРЕТЕНИЯ

Будет выгодно иметь систему для сегментации изображений с использованием деформируемых моделей, чтобы очерчивать органы с высокой анатомической вариабельностью.

Таким образом, технический результат, обеспечиваемый предложенным изобретением, достигается в повышении точности адаптации модели анатомического органа с высокой анатомической вариабельностью при сегментировании изображения анатомического органа.

Таким образом, в одном из аспектов изобретение относится к системе для сегментации объекта на изображении, которая содержит:

- первый адаптер для адаптации первой модели для сегментации объекта к изображению;

- анализатор для экстрагирования признака из изображения, основываясь на адаптированной первой модели;

- селектор для выбора второй модели для сегментации объекта из множества моделей для сегментации объекта, основываясь на признаке, экстрагированном из изображения, причем вторая модель содержит дополнительную деталь объекта;

- инициализатор для инициализации второй модели, основываясь на адаптированной первой модели и/или признаке, экстрагированном из изображения; и

- второй адаптер для адаптации инициализированной второй модели к изображению.

Первая модель проще, чем вторая модель и, таким образом, ее легче адаптировать к изображению. Несмотря на то, что объект, сегментированный с использованием первой модели, типично является неполным, адаптированная первая модель позволяет анализатору экстрагировать признаки изображения, например, посредством предоставления указания области, где можно найти признаки. Экстрагированные признаки помогают системе выбирать вторую модель для сегментации объекта из множества моделей для сегментации объекта. Поскольку вторая модель содержит дополнительную деталь объекта, результат сегментации, получаемый с использованием второй модели, является более полным, чем результат сегментации, получаемый с использованием первой модели. Предпочтительно адаптированную первую модель и/или экстрагированные признаки используют для инициализации второй модели. Инициализация включает в себя размещение второй модели в пространстве изображения, например объеме изображения в случае трехмерных изображений. Инициализация второй модели, основываясь на адаптированной первой модели и/или обнаруженных признаках, повышает точность адаптации второй модели.

В одном из вариантов осуществления системы, экстрагирование признаков основано по меньшей мере на одном из следующего: компонента первой модели, такого как вершина ячейки сетки первой модели или треугольник треугольной ячейки сетки первой модели, метки первой модели такой как выступ на поверхности первой модели, и геометрического элемента, аппроксимированного к первой модели, такого как ось, контур, плоскость, многогранник, эллипс, цилиндр, пирамида, куб или эллипсоид.

В одном из вариантов осуществления системы экстрагирование признака из изображения содержит наращивание областей, управляемое посредством адаптированной первой модели. Наращивание областей можно использовать для обнаружения признаков изображения, таких как стенки кровеносных сосудов и центральные линии, которые помогают выбирать и инициализировать вторую модель, содержащую соответствующие фрагменты кровеносного сосуда.

В одном из вариантов осуществления системы признак, экстрагируемый из изображения, представляет собой одно из следующего: признак-объект, такой как кольцо, трубка, центральная линия трубки или топологическая сфера с нулем, одним, двумя или тремя ответвлениями, и свойство признака-объекта, такое как диаметр кольца или число ответвлений в топологической сфере с ответвлениями. Специалист в данной области поймет, что топологическая сфера представляет собой класс сфер, топологически эквивалентных, т.е. гомеоморфных, сфере.

В одном из вариантов осуществления системы множество моделей для сегментации объекта содержит топологически неэквивалентные модели. Важно, что выбранная вторая модель, например поверхность, топологически эквивалентна сегментированному объекту, например поверхности стенки кровеносного сосуда, поскольку невозможно должным образом сегментировать объект с использованием второй модели, которая топологически неэквивалентна объекту. Некоторые объекты, такие как левое предсердие, может иметь топологически неэквивалентные формы. Таким образом, важно, что множество моделей для моделирования левого предсердия содержит много топологически неэквивалентных моделей, описывающих топологически неэквивалентные формы предсердия, присутствующие в популяции пациентов.

В дополнительном аспекте изобретение относится к аппарату регистрации изображений, содержащих систему в соответствии с изобретением.

В дополнительном аспекте, изобретение относится к рабочей станции, содержащей систему в соответствии с изобретением.

В дополнительном аспекте изобретение относится к способу сегментации объекта на изображении, включающему в себя этапы, на которых:

- адаптируют первую модель для сегментации объекта к изображению;

- экстрагируют признак из изображения, основываясь на адаптированной первой модели;

- выбирают вторую модель для сегментации объекта, основываясь на признаке, экстрагированном из изображения, причем вторая модель содержит дополнительную деталь объекта;

- инициализируют вторую модель, основываясь на адаптированной первой модели и/или признаке, экстрагированном из изображения; и

- адаптируют инициализированную вторую модель к изображению.

В дополнительном аспекте изобретение относится к компьютерному программному продукту, загружаемому посредством компоновки компьютера, содержащему инструкции для сегментации объекта на изображении, причем компоновка компьютера содержит блок обработки и память, компьютерный программный продукт после загрузки обеспечивает возможность указанному блоку обработки выполнять этапы способа в соответствии с изобретением.

Специалисты в данной области примут во внимание, что два или более из указанных выше вариантов осуществления, реализаций и/или аспектов изобретения можно комбинировать каким-либо образом, который сочтут полезным.

Модификации и вариации аппарата регистрации изображений, рабочей станции, способа и/или компьютерного программного продукта, которые соответствуют описанным модификациям и вариациям системы или способа, может осуществлять специалист в данной области, основываясь на описании.

Специалист в данной области примет во внимание, что массив данных изображения в описываемом в заявке изобретении может представлять собой двухмерный (2-D), трехмерный (3-D) или четырехмерный (4-D) массив данных изображения, полученный посредством различных модальностей регистрации, таких как, но без ограничения, рентгеновская визуализация, компьютерная томография (CT), магнитно-резонансная визуализация (MRI), ультразвук (US), позитронно-эмиссионная томография (PET), однофотонная эмиссионная компьютерная томография (SPECT) и медицинская радиология (NM).

Изобретение определяют в независимых пунктах формулы изобретения. Предпочтительные варианты осуществления определяют в зависимых пунктах формулы изобретения.

КРАТКОЕ ОПИСАНИЕ ЧЕРТЕЖЕЙ

Эти и другие аспекты изобретения будут очевидны и разъяснены в отношении реализаций и вариантов осуществления, описанных далее в настоящем документе и со ссылкой на сопроводительные чертежи, на которых:

на фиг. 1 представлена блок-схема примера варианта осуществления системы;

на фиг. 2A проиллюстрирована анатомическая вариабельность левого предсердия;

на фиг. 2B представлена первая модель для сегментации левого предсердия;

на фиг. 2C проиллюстрированы примеры определений конусовидного пространства роста, основываясь на первой модели для сегментации левого предсердия;

на фиг. 2D проиллюстрировано обнаружение бифуркации легочной вены, впадающей в левое предсердие, с использованием наращивания областей;

на фиг. 3 представлены примеры моделей для сегментации левого предсердия;

на фиг. 4 представлена блок-схема последовательности операций примеров реализаций способа;

на фиг. 5 схематически представлен пример варианта осуществления регистрации изображений; и

на фиг. 6 схематически представлен пример варианта осуществления рабочей станции.

Идентичные номера позиций использованы для обозначения схожих частей на всех фигурах.

ПОДРОБНОЕ ОПИСАНИЕ ВАРИАНТОВ ОСУЩЕСТВЛЕНИЯ

На фиг. 1 схематически представлена блок-схема примера варианта осуществления системы 100 для сегментации объекта на изображении, которая содержит:

- первый адаптер 110 для адаптации первой модели для сегментации объекта к изображению;

- анализатор 115 для экстрагирования признака из изображения, основываясь на адаптированной первой модели;

- селектор 120 для выбора второй модели для сегментации объекта, основываясь на признаке, экстрагированном из изображения, причем вторая модель содержит дополнительную деталь объекта;

- инициализатор 125 для инициализации второй модели, основываясь на адаптированной первой модели и/или признаке, экстрагированном из изображения; и

- второй адаптер 130 для адаптации инициализированной второй модели к изображению.

Пример варианта осуществления системы 100 дополнительно содержит:

- блок 160 управления для управления работой системы 100;

- пользовательский интерфейс 165 для взаимодействия между пользователем и системой 100; и

- блок 170 памяти для хранения данных.

В одном из вариантов осуществления системы 100 имеют место три входных разъема 181, 182 и 183 для входящих данных. Первый входной разъем 181 выполнен с возможностью приема данных, поступающих из средства хранения данных, такого как, но без ограничения, жесткий диск, магнитная лента, флэш-память или оптический диск. Второй входной разъем 182 выполнен с возможностью приема данных, поступающих из пользовательского устройства ввода, такого как, но без ограничения, мышь или сенсорный экран. Третий входной разъем 183 выполнен с возможностью приема данных, поступающих из пользовательского устройства ввода, такого как клавиатура. Входные разъемы 181, 182 и 183 соединены с блоком 180 управления входными данными.

В одном из вариантов осуществления системы 100 имеют место два выходных разъема 191 и 192 для исходящих данных. Первый выходной разъем 191 выполнен с возможностью вывода данных на средство хранения данных, такое как жесткий диск, магнитная лента, флэш-память или оптический диск. Второй выходной разъем 192 выполнен с возможностью вывода данных на устройство отображения. Выходные разъемы 191 и 192 принимают соответствующие данные через блок 190 управления выходными данными.

Специалист в данной области поймет, что существует множество способов соединить устройства ввода с входными разъемами 181, 182 и 183 и устройства вывода с выходными разъемами 191 и 192 системы 100. Эти способы содержат, но без ограничения, проводное и беспроводное соединение, цифровую сеть, такую как, но без ограничения, локальная сеть (LAN) и глобальная сеть (WAN), интернет, цифровая телефонная сеть и аналоговая телефонная сеть.

В одном из вариантов осуществления системы 100 система 100 содержит блок 170 памяти. Система 100 выполнена с возможностью приема входных данных из внешних устройств через какой-либо из входных разъемов 181, 182, и 183 и сохранения принятых входных данных в блоке 170 памяти. Загрузка входных данных в блок 170 памяти обеспечивает быстрый доступ к соответствующим частям данных блоками системы 100. Входные данные содержат изображение, первую модель для сегментации объекта и множество моделей для сегментации объекта. Блок 170 памяти можно реализовать посредством устройств, таких как, но без ограничения, файл регистров центрального процессора (CPU), буферная память, микросхема постоянного запоминающего устройства (RAM), микросхема оперативного запоминающего устройства (ROM) и/или привод жесткого диска и жесткий диск. Блок 170 памяти дополнительно может быть выполнен с возможностью хранения выходных данных. Выходные данные содержат сегментированный объект, определяемый посредством второй модели, адаптированной к изображению. Блок 170 памяти также может быть выполнен с возможностью приема данных из и/или передачи данных в блоки системы 100, содержащей первый адаптер 110, анализатор 115, селектор 120, инициализатор 125, второй адаптер 130, блок 160 управления и пользовательский интерфейс 165, через шину 175 памяти. Блок 170 памяти дополнительно выполнен с возможностью обеспечения доступа к выходным данным для внешних устройств через какой-либо из выходных разъемов 191 и 192. Сохранение данных из блоков системы 100 в блоке 170 памяти может выгодно повышать производительность блоков системы 100, а также скорость переноса выходных данных из блоков системы 100 на внешние устройства.

В одном из вариантов осуществления системы 100 система 100 содержит блок 160 управления для управления системой 100. Блок 160 управления может быть выполнен с возможностью приема данных управления из блоков системы 100 и предоставлять данные управления блокам системы 100. Например, после выбора второй модели селектор 120 может быть выполнен с возможностью предоставления данных управления «вторая модель выбрана» на блок 160 управления, и блок 160 управления может быть выполнен с возможностью предоставления данных управления «инициализировать вторую модель» на инициализатор 125. Альтернативно, функцию управления можно реализовать в другом блоке системы 100.

В одном из вариантов осуществления системы 100 система 100 содержит пользовательский интерфейс 165 для взаимодействия между пользователем и системой 100. Пользовательский интерфейс 165 может быть выполнен с возможностью приема ввода пользователя для выбора первой модели для сегментации объекта и множество моделей для сегментации объекта. Затем пользовательский интерфейс выполнен с возможностью приема отображения адаптированной второй модели. Специалист в данной области поймет, что больше функций можно выгодно реализовать в пользовательском интерфейсе 165 системы 100.

В одном из вариантов осуществления изобретение использует врач для сегментации левого предсердия сердца человека на изображении 3-D CT. Система 100 может быть полностью автоматизированной. Альтернативно, система 100 может быть интерактивной, принимающей ввод пользователя. Например, после выбора второй модели из множества моделей для сегментации левого предсердия, пользовательский интерфейс 165 системы 100 может быть выполнен с возможностью отображения выбранной второй модели и помогать пользователь принять или отклонить ее.

На фиг. 2A проиллюстрирована анатомическая вариабельность правой стороны левого предсердия, определяемая числом и положением впадающих легочных вен. Обозначения вен RUL, RML, RLL, BSRLL и SSRLL соответствуют правой верхней доле, правой средней доле и правой нижней доле, базилярному сегменту RLL и верхнему сегменту RLL. Конфигурации вен обозначены обозначениями R1, R2a, R2b, R2c, R3a, R3b, R3c, R4a, R4b и R5.

На фиг. 2B представлена первая модель для сегментации левого предсердия. Первая модель содержит треугольные ячейки сетки. Поверхности треугольных ячеек сетки представляют собой треугольники. Сегментация изображений с использованием моделей, содержащих треугольные ячейки сетки, описана, например, в источнике 1, а также во многих других публикациях по сегментации на основе деформируемых моделей, которые легко доступны как в патентной, так и в научной литературе. Некоторые треугольники первой модели помечены. Помеченные треугольники можно использовать с помощью анализатора 115 для экстрагирования признаков из изображения.

Первая модель представляет собой упрощенную модель левого предсердия. Она не содержит правых легочных вен. Упрощенную первую модель можно грубо адаптировать к изображению пациента посредством первого блока 110 адаптации системы 100.

После адаптации первой модели к изображению направляемый процесс наращивания областей начинают с помощью анализатора 115 системы 100. На фиг. 2C схематически проиллюстрирован пример определения конусовидного пространства роста, основываясь на помеченных треугольниках ячеек сетки первой модели для сегментации левого предсердия. Анализатор 115 выполнен с возможностью определения центра 202 первой модели левого предсердия. Направление 204 роста представляет собой ось конического объема с границей 206, которую определяют посредством центров 211-216 помеченных треугольников адаптированной первой модели. Указанный конический объем определяют посредством наименьшего конуса с вершиной, помещенной в центре 202 и содержащей центры 211-216 всех помеченных треугольников. Направление 204 роста представляет собой ось конуса. Диапазон R наращивания областей представляет собой множество средних расстояний от центра 202 первой модели до поверхности 200 первой модели.

На фиг. 2D проиллюстрировано обнаружение бифуркации легочной вены, впадающей в левое предсердие с использованием наращивания областей. Наращивание областей начинается в исходной точке, которая представляет собой центр 202 первой модели левого предсердия. Фронт наращивания областей может представлять собой, например, плоскость, перпендикулярную направлению 204 роста или сферический колпак, определяемый посредством сферы с центром в центре 202 адаптированной первой модели и конического объема с границей 206. На фиг. 2D представлены пять сферических фронтов 221-225 и границы 210 выращенной области. Границы 210 выращенной области представляют стенки легочных вен, впадающих в левое предсердие. Каждый фронт анализируют для того, чтобы определять его связанность. На фиг. 2D фронты 221 и 222 являются соединенными, а фронты 223, 224 и 225 являются несоединенными, каждый содержит два соединенных компонента. Таким образом, анализатор выполнен с возможностью заключения о том, что имеет место точка бифуркации в легочной вене, моделируемой посредством границы 210 выращенной области.

Специалист в данной области поймет, что существует много других признаков и что анализатор 115 может быть выполнен с возможностью обнаружения этих других признаков. Например, анализатор 115 может быть выполнен с возможностью вычисления кривизны поверхности первой модели. Основываясь на анализе кривизны, анализатор 115 может быть выполнен с возможностью определения размера и местоположений стволов кровеносных сосудов, выходящих из структуры, описываемой посредством адаптированной первой модели. В еще одном другом примере анализатор 115 может быть выполнен с возможностью аппроксимации эллипсоида к адаптированной первой модели. Кроме того, способ наращивания областей можно использовать с помощью анализатора для того, чтобы экстрагировать дополнительные признаки из изображения. Исходную точку, направление и/или степень наращивания областей можно определять, основываясь на параметрах аппроксимированного эллипсоида.

Основываясь на уточненном числе и положениях легочных вен, извлеченных из изображения, основываясь на первой модели, селектор 120 выполнен с возможностью выбора второй модели из множества моделей для сегментации левого предсердия. На фиг. 3 представлены примеры моделей для сегментации левого предсердия. Некоторые из этих моделей содержат различное число легочных вен и, таким образом, топологически неэквивалентны друг другу, поскольку отсутствует гомеоморфизм, который преобразует одну модель в другую модель с другим числом легочных вен. Следовательно, для сегментации на основе деформируемых моделей очень важно выбрать подходящий вариант модели левого предсердия, который можно адаптировать к изображению для сегментации левого предсердия. Процесс адаптации типично основан на непрерывных деформациях поверхности модели и, таким образом, легочные вены не могут быть добавлены или удалены из модели левого предсердия.

Первая модель является упрощенной в том смысле, что она не содержит дополнительные детали второй модели. Типично, дополнительные детали представляют собой структурные компоненты модели, такие как дополнительная трубчатая поверхность для сегментации кровеносного сосуда, соединенного с объектом, или дополнительные вершины ячеек сетки модели для моделирования точной вариабельности кривизны поверхности модели. Альтернативно, дополнительные детали могут представлять собой дополнительный член для описания взаимодействия второй модели с изображением или новый способ выбора признаков изображения для того, чтобы притянуть вторую модель во время адаптации к изображению, определяемые на основе признаков, извлеченных из изображения с помощью анализатора 115.

После того, как селектор 120 системы 100 выбрал вторую модель, вторую модель инициализируют с помощью инициализатора 125. Предпочтительно при инициализации можно использовать информацию, получаемую из адаптированной первой модели, а также информацию, получаемую из признаков, извлеченных из изображения с помощью анализатора 115. Затем второй адаптер 130 выполнен с возможностью адаптации инициализированной второй модели к изображению.

Несмотря на то, что варианты осуществления изобретения описаны со ссылкой на сегментацию левого предсердия, специалист в данной области поймет, что изобретение также можно использовать для сегментации других объектов, в частности для сегментации объектов, существующих во многих анатомических или патологических вариантах с различными размерами и/или топологией. Примеры таких объектов включают, но без ограничения, коронарные артерии и почки с их соединениями питающих артерий.

Специалисты в данной области также поймут, что также возможны другие варианты осуществления системы 100. Возможно, в частности, повторно определять блоки системы и повторно распределять их функции. Например, один и тот же блок может быть выполнен адаптации к изображению первой модели и затем второй модели. С другой стороны, анализатор 115 можно реализовать посредством множества соединенных блоков, каждый из которых осуществляет аналитическое задание, например наращивание областей, проверку связности фронта выращенной области и т.д. Несмотря на то, что описанные варианты осуществления применяют к медицинским изображениям, другие применения системы, не связанные с медицинскими применениями, также возможны.

Блоки 100 системы можно реализовать с использованием процессора. Обычно их функции осуществляют под управлением программно реализованного программного продукта. Во время исполнения программно реализованный программный продукт обычно загружают в память, такую RAM, и исполняют из нее. Программу можно загружать из фоновой памяти, такой как ROM, жесткий диск или магнитный и/или оптический накопитель, или можно загружать через сеть, такую как интернет. По желанию специализированная интегральная схема может обеспечивать описанную функциональность.

Пример блок-схемы последовательности операций способа M сегментации объекта на изображении схематически представлен на фиг. 4. Способ M начинается с этапа адаптации S10 первой модели для сегментации объекта к изображению. После того, как первую модель адаптируют к изображению, осуществляют этап экстрагирования S15 признака из изображения, основываясь на адаптированной первой модели. После экстрагирования S15 признака из изображения, осуществляют этап выбора S20 второй модели для сегментации объекта, основываясь на признаке, экстрагированном из изображения, причем вторая модель содержит дополнительную деталь объекта. После выбора S20 второй модели способ M продолжается инициализацией S25 второй модели, основываясь на адаптированной первой модели и/или признаке, экстрагированном из изображения. После инициализации S25 второй модели, инициализированную вторую модель адаптируют к изображению на этапе адаптации S30 второй модели к изображению.

Специалист в данной области может изменить порядок некоторых этапов или осуществлять некоторые этапы параллельно с использованием моделей потоковой обработки, многопроцессорных систем или множества процессов, не отступая от идеи, как предусмотрено настоящим изобретением. По желанию два или более этапов способа M можно комбинировать в один этап. По желанию этап способа M можно разделять на множество этапов.

На фиг. 5 схематически представлен пример варианта осуществления аппарата 500 регистрации изображений с использованием системы 100 по изобретению, указанный аппарат 500 регистрации изображений содержит блок 510 регистрации изображений, соединенный через внутреннее соединение с системой 100, входной разъем 501 и выходной разъем 502. Эта компоновка выгодно увеличивает возможности аппарата 500 регистрации изображений, обеспечивая указанный аппарат 500 регистрации изображений выгодными возможностями системы 100.

На фиг. 6 схематически представлен пример варианта осуществления рабочей станции 600. Рабочая станция содержит системную шину 601. Процессор 610, память 620, адаптер 630 ввода/вывода (I/O) диска и пользовательский интерфейс (UI) 640 функционально соединены с системной шиной 601. Устройство 631 дискового накопителя функционально соединено с адаптером 630 I/O диска. Клавиатура 641, мышь 642 и дисплей 643 функционально соединены с UI 640. Система 100 по изобретению, реализованная в виде компьютерной программы, хранится на устройстве 631 дискового накопителя. Рабочая станция 600 выполнена с возможностью загрузки программы и входных данных в память 620 и исполнения программы на процессоре 610. Пользователь может вводить информацию в рабочую станцию 600 с использованием клавиатуры 641 и/или мыши 642. Рабочая станция выполнена с возможностью вывода информации на устройство 643 отображения и/или диск 631. Специалист в данной области поймет, что существует множество других вариантов осуществления рабочей станции 600, известных в данной области, и что настоящий вариант осуществления служит цели иллюстрации изобретения и не должен быть интерпретирован в качестве ограничения изобретения этим конкретным вариантом осуществления.

Следует отметить, что указанные выше варианты осуществления иллюстрируют, а не ограничивают изобретение, и что специалисты в данной области будут способны разрабатывать альтернативные варианты осуществления, не отступая от объема приложенной формулы изобретения. В формуле изобретения любые ссылочные позиции, заключенные в скобки, не следует толковать в качестве ограничения формулы изобретения. Слово «содержит» не исключает присутствия элементов или этапов, не перечисленных в формуле изобретения или в описании. Элемент в единственном числе не исключает присутствия множества таких элементов. Изобретение можно реализовать посредством аппаратного обеспечения, содержащего несколько отдельных элементов, и посредством запрограммированного компьютера. В системных пунктах формулы изобретения, перечисляющих несколько блоков, несколько из этих блоков можно осуществить посредством одной и той же записи об аппаратном обеспечении или программном обеспечении. Использование слов первый, второй, третий и т.д. не указывает на какой-либо порядок. Эти слова следует интерпретировать как названия.

1. Система для сегментации объекта в медицинском диагностическом изображении, содержащая:

процессор, запрограммированный с возможностью:

адаптации первой деформируемой модели для сегментации объекта к изображению;

осуществления управляемого наращивания областей, которое управляется на основе адаптированной первой деформируемой модели;

экстрагирования признака из изображения на основе результата наращивания областей;

выбора второй деформируемой модели для сегментирования объекта на основании признака, экстрагированного из изображения, причем вторая деформируемая модель содержит дополнительную деталь объекта;

инициализации второй деформируемой модели на основании адаптированной первой деформируемой модели и/или признака, экстрагированного из изображения; и

адаптации инициализированной второй деформируемой модели к изображению.

2. Система по п. 1, в которой экстрагирование признаков основано на по меньшей мере одном из следующего:

компоненте первой деформируемой модели;

метке первой деформируемой модели; и

геометрическом элементе, аппроксимированном к первой деформируемой модели, таком как ось, контур, плоскость, многогранник, эллипс, цилиндр, пирамида, куб или эллипсоид.

3. Система по п. 1, в которой множество возможных вторых деформируемых моделей для сегментации объекта содержит вторые деформируемые модели, которые являются топологически не эквивалентными объекту пациента.

4. Система по п. 1, в которой первая и вторая деформируемые модели представляют собой модели левого предсердия.

5. Система по п. 1, в которой первая и вторая деформируемые модели представляют собой модели почки.

6. Способ сегментации органа на медицинском диагностическом изображении, включающий в себя этапы, на которых:

адаптируют первую деформируемую модель для сегментации объекта к изображению;

осуществляют управляемое наращивание областей, которое управляется на основе адаптированной первой деформируемой модели;

экстрагируют признак из изображения на основе результата наращивания областей;

выбирают вторую деформируемую модель для сегментирования объекта на основании признака, экстрагированного из изображения, причем вторая деформируемая модель содержит дополнительную деталь объекта;

инициализируют вторую деформируемую модель на основании адаптированной первой деформируемой модели и/или признака, экстрагированного из изображения; и

адаптируют инициализированную вторую деформируемую модель к изображению.

7. Рабочая станция (600), содержащая процессор, выполненный с возможностью осуществлять способ по п. 6.

8. Блок памяти, содержащий исполняемые компьютером команды для предписания компоновке компьютера осуществлять этапы способа по п. 6.



 

Похожие патенты:

Изобретение относится к технологиям определения координат объекта в двух измерениях посредством моделирующих установок. Техническим результатом является повышение точности обнаружения объекта в двух измерениях, за счет использования одной инфракрасной камеры.

Изобретение относится к технологиям обработки изображений посредством электронных средств. Техническим результатом является устранение ошибок обработки изображений с целью устранения шума при сохранении резких контуров.

Изобретение относится к области вычислительной техники, а именно к системам анализа изображений, и предназначено для использования в сфере обработки данных изображений.

Изобретение относится к динамической локализации дефекта в дефектном изделии, полученном ковкой. Система локализации дефекта содержит средства обработки для моделирования операции ковки при помощи численного решения уравнений с получением набора моделей формования изделия, средства ввода для предоставления указанному средству обработки данных относительно дефекта в изделии, средства обработки для добавления к первой модели из набора отметчика дефекта и средства визуализации для отслеживания во времени отметчика дефекта.

Группа изобретений относится к медицинской технике, а именно к средствам совмещения изображений. Система для визуализации картирования совмещения изображений, обеспечивающая осуществление способа для визуализации картирования совмещения изображений, в которой первое изображение, использующее первую систему координат, сопоставляется со вторым изображением, использующим вторую систему координат, причем система содержит дисплей и один или более процессоров, запрограммированных принимать первое и второе изображение, получать картирование совмещения изображений из первого изображения во второе изображение, получать одно или более опорных мест в изображении, выделять каждое опорное место в изображении и выделять коррелированное место в изображении, причем один или более процессоров запрограммированы отображать первое изображение рядом со вторым изображением на дисплее, и коррелированные места в изображении определяются с использованием картирования совмещения изображений, причем картирование совмещения изображений содержит, если картирование совмещения изображений осуществляется в системе координат одного из первого изображения и второго изображения, то путем суммирования картирования совмещения изображений с опорным местом в изображении одного из первого изображения и второго изображения и преобразования суммы в систему координат другого из первого изображения и второго изображения, или если картирование совмещения изображений осуществляется в системе координат другого из первого изображения и второго изображения, то путем преобразования опорного места в изображении в систему координат другого из первого изображения и второго изображения и прибавления картирования совмещения изображений.

Изобретение относится к области оптического и интеллектуального распознавания символов. Технический результат - обеспечение визуализации результатов машинной интерпретации при помощи технологии оптического распознавания символов изображения документа посредством снабжения изображения документа визуально различимыми линейными идентификаторами.

Изобретение относится к области обработки и генерации данных изображения. Технический результат - обеспечение возможности идентифицировать объект на захваченном изображении и повышение точности локализации визуализируемого объекта.

Изобретение относится к области обработки информации, а более конкретно к анализу информации, получаемой от космических средств дистанционного зондирования Земли.

Использование: для обработки двухмерных изображений срезов, определяющих объем трехмерного изображения. Сущность изобретения заключается в том, что устройство содержит контроллер графического пользовательского интерфейса, блок двухмерной сегментации и блок трехмерной сегментации.

Группа изобретений относится к способам и устройствам для формирования дифференциальных фазовых контрастных изображений. Техническим результатом является обеспечение возможности корректировки количества артефактов в данных изображения.

Изобретение относится к технологиям определения координат объекта в двух измерениях посредством моделирующих установок. Техническим результатом является повышение точности обнаружения объекта в двух измерениях, за счет использования одной инфракрасной камеры.

Изобретение раскрывает системы, машиночитаемые носители и методы создания гибких структурных описаний. Технический результат - автоматическое создание структурного описания, используемого для извлечения данных из изображения объекта.

Изобретение относится к технологиям аутентификации на основе биологических характеристик. Техническим результатом является снижение сложности клиентского устройства, за счет реализации выделения характерных признаков биометрического изображения на облачном сервере.

Изобретение относится к технологиям обработки и генерации данных изображения, визуализации трехмерного (3D) изображения. Техническим результатом является обеспечение возможности отображать на видимом изображении реальную текстуру фото или видеоизображения объекта.
Изобретение относится к области обработки данных, а в частности к способам распознавания данных, в том числе считывания знаков, изображений, образов. Техническим результатом является повышение быстродействия при выявлении в любом документе заранее заданной эталонной круглой печати.

Изобретение относится к средствам анализа цифровых изображений. Техническим результатом является обеспечение классификации объектов по геометрическим признакам в лабиринтных структурах.

Изобретение относится к биометрической идентификации человека и может быть использовано в системах ограничения доступа к защищенным от посторонних лиц услугам, ресурсам и объектам.

Изобретение относится к области стеганографии, а именно к способам идентификации цифровых изображений (ЦИ), содержащих цифровой водяной знак (ЦВЗ). .

Изобретение относится к области распознавания и обработки данных. Техническим результатом является повышение скорости преобразования документов, содержащих математические формулы, за счет автоматического преобразования математических формул в элементы нефиксированного формата.
Наверх