本发明涉及用于生成解剖结构的有限元模型的系统和方法。本发明还涉及用于生成用于在生成解剖结构的有限元模型中使用的关联数据的系统和方法。本发明还涉及用于在生成有限元模型中使用的关联数据。本发明还涉及包括相应系统的工作站和成像装置,并且涉及包括用于使处理器系统执行相应方法的指令的计算机程序产品。
背景技术:
有限元(fe)方法是一种数值方法,其用于对控制域(例如结构)的数学微分方程的解进行近似。例如,所述微分方程可以描述该结构中的物理或化学现象。fe建模,其是基于fe方法对结构的建模,可以被用于分析所述结构对结构中的例如物理状态改变的响应。范例是对结构进行fe建模以分析在机械负载下的结构的变形和机械应力。fe建模可以应用于各种领域。例如,在医学领域中,医师可能对fe建模感兴趣以分析在患者的3d图像中所示的解剖结构。这样的fe建模可以帮助医师例如进行诊断或手术规划。
在fe建模中使用的fe方法中,通过使用包括对大量线性方程的近似可以简化对复杂微分方程的解。这可以类似于通过大量小的直线对圆的近似。研究的结构,其可以是线、表面或体积,可以被分成子域或有限元(针对表面或体积,子域的该集合可以被称为“网格”)的集合,并且针对该结构的全局解可以通过计算针对这些子域中的每个子域的解来计算。
fe方法的现实考虑是,尽管解的准确度可能随着有限元的数量而增加,但是对全局解进行求解所需的计算量以及因此时间或花费可能对应地增加。务实方案可以是在最为感兴趣的区域中具有子域的精细粒度,而在较不感兴趣的区域中具有粗糙的粒度。因此,可以利用更精细的粒度来计算对于任何问题关键的区域或者数学解快速变化的区域,并且利用较粗糙的粒度来计算周边中的区域。
关于对解剖结构的fe建模,生成解剖结构的fe模型的当前技术常常涉及多次迭代和改变,以便鉴于解剖结构的复杂特性而生成fe模型中的最优网格。在此,复杂度例如可能源自复杂几何特性或边界条件。另外,用户可能常常被要求手动地评估所述要求,以获得fe模型中的期望的网格,其可能易于出错和/或缺乏准确度。
技术实现要素:
获得用于利用期望的网格来生成解剖结构的fe模型的经改进的系统或方法将是有利的。
为了更好地解决该问题,本发明的第一方面提供了一种用于基于解剖结构和关联数据的拟合模型来生成解剖结构的有限元模型的系统,所述系统包括:
-输入接口,其被配置为接收:
i)模型数据,其定义用于分割解剖结构的分割模型,所述分割模型表示所述解剖结构的参考形状,以及
ii)关联数据,其将所述分割模型的分割模型部分与网格性质相关联,所述分割模型部分表示预定感兴趣解剖区域;
-分割子系统,其被配置为将所述分割模型应用到对象的医学图像,以便将所述分割模型拟合到所述医学图像中的解剖结构,从而获得提供对所述解剖结构的分割的拟合模型,所述拟合模型包括提供对所述预定感兴趣解剖区域的分割的拟合模型部分;
-有限元模型生成子系统,其被配置为基于所述拟合模型和所述关联数据来生成所述有限元模型,所述生成包括根据所述网格性质对所述有限元模型的有限元模型部分进行网格化,所述有限元模型部分与所述预定感兴趣解剖区域相对应。所述网格性质的范例可以包括网格分辨率或元素类型。
本发明的另一方面提供了一种生成关联数据以用于在生成解剖结构的有限元模型的过程中使用的系统,所述系统包括:
-输入接口,其被配置为获得定义分割模型的模型数据,所述分割模型用于分割所述解剖结构,所述分割模型表示所述解剖结构的参考形状;
-识别子系统,其被配置为识别所述分割模型中的预定感兴趣解剖区域,所述预定感兴趣解剖区域已经基于在对有限元模型的、与所述预定感兴趣解剖区域相对应的有限元模型部分进行网格化中所期望的网格数据而被预先确定;
-关联子系统,其被配置为生成将所述分割模型的分割模型部分与所述网格性质相关联的关联数据,所述分割模型部分表示所述预定感兴趣解剖区域。
以上措施涉及接收定义分割模型的模型数据,所述分割模型用于分割解剖结构,其中,所述分割模型表示所述解剖结构的参考形状。可能已经使用例如统计学形状分析方法基于在若干个体上的解剖结构的形状的平均生成了分割模型。然而,也可能已经使用其他方法并且从例如医学图库数据的其他源获得了所述分割模型。分割模型的范例是基于表面的模型,例如网格模型。另一范例是如在基于图集的分割中所使用的体积患者模型。
以上措施还涉及识别子系统,其被配置为识别所述分割模型中的预定感兴趣解剖区域,所述预定感兴趣解剖区域已经基于在对所述有限元模型的、与所述预定感兴趣解剖区域相对应的有限元模型部分进行网格化的过程中期望的网格数据而被预先确定。可以基于例如所述预定感兴趣区域的几何坐标、解剖特性或其他独特特性来执行对所述预定感兴趣区域的识别。所述识别子系统例如可以使用预先生成的列表或查找表,其识别所述预定感兴趣区域的特性。所述网格性质可以基于所述有限元模型的有限元模型部分的网格化要求来选择。例如,先前的模拟可能已经提供了关于在具体部分中的所要求的网格分辨率的信息。
此外,关联子系统被配置为生成关联数据,所述关联数据将所述分割模型的、表示所述预定感兴趣解剖区域的分割模型部分与所述网格性质相关联。例如,在所述模型数据包括识别所述分割模型的不同分割模型部分的标记的情况中,所述关联数据可以包括或者是指与表示所述预定感兴趣解剖结构的所述分割模型部分相对应的标记,从而将所述网格属性关联到所述分割模型部分。
分割子系统被提供用于将所述分割模型应用到对象的医学图像,以便将所述分割模型拟合到医学图像中的解剖结构,从而获得提供所述解剖结构的分割的拟合模型,所述拟合模型包括提供所述预定感兴趣解剖区域的分割的拟合模型部分。例如,所述分割模型可以是可变形模型,并且所述拟合模型可以通过将所述可变形模型应用到所述对象的医学图像来获得。另一范例是,在所述分割模型是体积患者模型的情况中,所述模型可以使用非刚性配准针对医学图像被变形。
应当注意到,当将所述分割模型应用到所述对象的医学图像时,所述分割模型的所述分割模型部分可以被拟合到所述医学图像中的对应的感兴趣解剖区域,例如,表示相同或相似的解剖区域。这样,通过将所述分割模型应用到所述医学图像,可以识别所述医学图像中的所述感兴趣解剖区域。还应当注意到,通过将所述网格性质关联到所述分割模型的所述分割模型部分,所述关联数据可以隐含地或固有地也将所述网格性质关联到所述拟合模型的拟合模型部分。例如,在所述关联数据涉及识别所述分割模型的所述分割模型部分的情况下,在拟合模型中可以存在相同的标记。所述关联数据因此还将所述网格性质与所述分割模型和所述拟合模型中的一个或者这两者相关联。
应当注意到,所述医学图像例如可以是体积图像,或者可以是由图像切片的堆叠构成的,并且可以通过诸如计算机断层摄影(ct)和磁共振成像(mri)的各种成像模态来采集。
此外,有限元模型生成子系统被提供用于:基于所述拟合数据和所述关联数据来生成所述有限元模型,所述关联数据将所述分割模型的分割模型部分与网格性质相关联,所述分割模型部分表示预定感兴趣解剖区域。在此,所述生成包括对所述有限元模型的、与所述预定感兴趣解剖区域相对应的有限元模型进行网格化。应当注意到,所述有限元模型的所述有限元模型部分对应于所述预定感兴趣解剖区域,所述对应在于其可以表示相同或相似的解剖区域。所述网格性质例如可以定义期望的网格分辨率。基于所述期望的网格分辨率,所述有限元模型的有限元模型部分可以被网格化,从而获得期望的网格分辨率。所述有限元模型生成子系统可以基于已知的技术,例如,在诸如abaqus或ansys的商业软件中所采用的那些技术。针对网格生成,可以使用不同的已知方法,例如基于fortune算法或ruppert算法的方法。
在此,术语“网格”在fe建模的领域中是公知的,并且可以是指由线连接的、覆盖整个表面或整个体积的一组节点。针对表面网格,构成有限元可以同样是表面,而针对体积网格,有限元可以同样是体积。术语“有限元”也可以是指通过形成网格而创建的界定的形状。
关于对解剖结构的fe建模,当前的技术涉及手动地定义要使用的网格,并且因此,使用用户的技能来创建准确度与计算要求的适当的平衡,或者使用自动化的技术。涉及对fe网格的手动定义的技术通常是耗时的,并且常常要求多次迭代,每次迭代具有长的计算时段以测试所述网格,以便实现适当的技术方案。同样地,因为其可能难以手动地评估所要求的网格粒度以便实现适当的技术方案,用户可能具有使用过于精细的网格以便“保持在安全侧”的趋向。尽管这可以创建适当的数学技术方案,但是其可能比所需要的花费更多的计算力,并且因此,更耗时或者更昂贵。当前可用的自动化的技术仅仅考虑诸如曲率的几何方面,其可能不是与考虑中的问题相关的。因此,由用户遵循可用的自动化技术对网格的手动评估和迭代常常是不可用的。
基于发明人的认识,fe建模可以基于分割模型,例如以指示医学图像中解剖结构的位置和基本形状。fe建模然后可以使用所述分割模型作为开始点,例如,作为基础fe网格,以对预先存在的fe网格进行适当地整形等。期望的网格性质常常与特定解剖区域有关,其在于可以选择所述网格性质以反映例如所述解剖区域的特定材料类型。通过将所述网格性质关联到所述分割模型的对应分割模型部分,所述fe建模可以从所述分割模型和与之相关联的网格性质直接生成具有有限元模型部分的fe模型,所述有限元模型部分与具有特定网格性质的预定感兴趣解剖区域相对应。因此,不需要用户在fe建模期间指定期望的网格性质,因为其已经与分割模型中的分割模型相关联。与仅基于fe模型的几何性质的自动网格生成相比,(一个或多个)系统使得特定知识能够被自动地用在fe建模中。本发明的各方面可以利用在模型或网格中的较少的迭代和更改来有利地得到fe模型的有效生成,以便生成对fe模型的最优网格化。此外,可以使用户在更改/校正所述网格/模型时的错误最小化。另外,可以避免用户使用过于精细的网格以便‘保持在安全侧’的倾向。
任选地,所述网格性质是基于以下中的至少一项来选择的:(i)预定感兴趣解剖区域的材料类型;(ii)在所述预定感兴趣解剖区域处的医学和/或生物学状况;(iii)在所述预定感兴趣解剖区域处的机械边界条件;(iv)所述预定感兴趣解剖区域的解剖形状。例如,当对腔体进行建模时,可以在壁处使用更高的网格分辨率,以用于计算流体动力学(cfd)模拟。在另一范例中,在例如被用于腔体中的血流模拟的流体-固体相互作用(fsi)模拟中,固体部分和流体部分可以在所述固体-流体边界处共享顶点和网格拓扑。基于不同的模拟状况的对所述网格性质的这样的选择可以有利地允许在生成所述有限元模型时考虑各种先验知识/信息。
任选地,所述网格模型是以下中的一项:(i)网格分辨率;以及(ii)元素类型。网格分辨率尤其与fe建模有关,但是元素类型也是有关的。元素类型的范例包括线性和二次四面体、六面体或膜元素。这可以有利地允许获得在模拟的鲁棒性与计算花费之间的最佳平衡。例如,二次六面体元素可以是非常鲁棒的,但是在计算上是昂贵的,并且因此,基于自动的特定知识在fe模型中的具体区域选择这些类型的元素。
任选地,所述分割模型是网格模型,从而获得为拟合模型网格模型,并且所述有限元模型生成子系统被配置为通过基于所述关联数据对所述拟合网格模型的进一步网格化来生成所述有限元模型。所述拟合模型因此可以被用作基础网格以用于随后的fe建模。网格修改方法,例如网格枕靠节点集合重新定位或者网格变形,可以被用于获得在所述有限元模型的有限元模型部分处的期望的网格性质。
任选地,所述分割模型是形状模型。所述形状模型因此可以被用作基础几何模型以用于随后的fe建模。所述形状模型可以使用统计学形状建模方法作为鲁棒工具来获得,以用于对解剖结构的分割。
任选地,所述关联数据被生成为针对所述模型数据的元数据,或者被编码在所述模型数据中。通过将所述关联数据编码在所述模型数据中,所述关联数据明确与所述模型数据相耦合。因此,所述模型数据的任何传送、存储等也导致所述关联数据被传送、存储等。
任选地,(i)所述模型数据包括识别所述分割模型的不同解剖区域的标记,并且(ii)所述关联数据被生成为包括或涉及与所述预定感兴趣解剖区域相对应的标记。解剖区域经常在所述模型数据内被标记。这样的标记可以在基于对应模型对所述感兴趣解剖区域的识别和网格化中被使用。
任选地,所述分割模型是心脏模型。这可以允许对心脏的fe建模,心脏是复杂解剖结构的范例。在这种情况中,所述感兴趣区域例如可以是左心室、右心室、左心房、或右心房。使用所提出的方法和系统的心脏分析可以帮助医师例如对心脏疾病的诊断策略或者针对心脏修复的手术策略。
本发明的另一方面提供了一种包括上文所描述的系统中的一个或两者的工作站或成像装置。
本发明的另一方面提供一种用于在生成解剖结构的有限元模型的过程中使用的关联数据,所述关联数据将分割模型的分割模型部分与网格属性相关联,所述分割模型部分表示预定感兴趣解剖区域,所述分割模型表示所述解剖结构的参考形状,所述网格性质是在对所述有限元模型的、与所述预定感兴趣解剖区域相对应的有限元模型部分进行网格化的过程中所期望的。
任选地,模型数据定义分割模型,所述分割模型用于分割解剖结构,所述分割模型表示所述解剖结构的参考形状,所述模型数据包括所述关联数据。所述关联数据因此可以被编码在模型数据中,例如在头文件中,或者作为被分配给所述预定感兴趣区域的一个或多个性质。
本发明的另一方面提供了一种用于基于解剖结构和关联数据的拟合模型来生成解剖结构的有限元模型的方法,所述方法包括:
-接收:
i)模型数据,其定义用于分割解剖结构的分割模型,所述分割模型表示所述解剖结构的参考形状,以及
ii)关联数据,其将所述分割模型的分割模型部分与网格性质相关联,所述分割模型部分表示预定感兴趣解剖区域;
-将所述分割模型应用到对象的医学图像,以便将所述分割模型拟合到医学图像中的解剖结构,从而获得提供对所述解剖结构的分割的拟合模型,所述拟合模型包括提供对预定感兴趣解剖区域的分割的拟合模型部分;
-基于所述拟合模型和所述关联数据来生成所述有限元模型,所述生成包括根据所述网格性质将所述有限元模型的有限元模型部分进行网格化,所述有限元模型部分与所述预定感兴趣解剖区域相对应。
本发明的另一方面提供了一种生成用于在生成解剖结构的有限元模型的过程中使用的关联数据的方法,所述方法包括:
-获得模型数据,所述模型数据定义用于分割解剖结构的分割模型,所述分割模型表示所述解剖结构的参考形状;
-识别所述分割模型中的预定感兴趣解剖区域,所述预定感兴趣解剖区域已经基于在对有限元模型的、与所述预定感兴趣解剖区域相对应的有限元模型部分进行网格化中所期望的网格数据而被预先确定;
-生成关联数据,所述关联数据将所述分割模型的分割模型部分与所述网格性质相关联,所述分割模型部分表示预定感兴趣解剖区域。
在本发明的另一方面中,提供了一种计算机程序产品,所述计算机程序产品包括用于使处理器系统执行上文所描述的方法中的一种或两者的指令。
本领域的技术人员将意识到,可以通过任何被认为有用的方式组合本发明的上述实施例、实施方式和/或方面的两个或更多。
本领域技术人员基于说明书可以实现与所描述的系统的修改和变型相应的成像设备、工作站、方法,和/或计算机程序产品的修改和变型。
独立权利要求界定了本发明。在从属权利要求中界定了有利实施例。
附图说明
本发明的这些方面和其他方面将根据下面描述的实施例中变得明显并将参照这些实施例进行阐述。在附图中,
图1示出了用于生成用于在生成解剖结构的有限元模型的过程中使用的关联数据的第一系统,以及用于基于所述解剖结构的拟合模型和所述关联数据来生成所述解剖结构的有限元模型的第二系统;
图2示出了用于生成用于在生成解剖结构的有限元模型的过程中使用的关联数据的第一方法,以及用于基于所述解剖结构的拟合模型和所述关联数据来生成所述解剖结构的有限元模型的第二方法;
图3示意性图示了基于解剖结构的拟合模型和关联数据来生成所述解剖结构的有限元模型;
图4a-f示出了2d解剖结构中的感兴趣解剖区域的网格化的范例;
图5示出了用于在生成解剖结构的有限元模型的过程中使用的模型数据和编码的关联数据的示意性表示;并且
图6示出了计算机程序产品的示意性表示,所述计算机程序产品包括指令,所述指令用于使处理器系统执行用于基于所述解剖结构的拟合模型和关联数据来生成所述解剖结构的有限元模型的方法和/或用于生成用于在生成所述解剖结构的所述有限元模型中的过程中使用的关联数据的方法。
具体实施方式
图1示出了用于生成用于在生成解剖结构的有限元模型的过程中使用的关联数据的第一系统100。图1还示出了用于基于所述解剖结构的拟合模型和关联数据来生成所述解剖结构的有限元模型的第二系统150。
第一系统100可以包括输入接口110,输入接口110被配置为获得定义分割模型的模型数据012,所述分割模型用于分割所述解剖结构,所述分割模型表示所述解剖结构的参考形状。所述模型数据例如可以从数据库010获得。
第一系统100还可以包括识别子系统120,识别子系统120被配置为识别所述分割模型中的预定感兴趣解剖区域,所述预定感兴趣解剖区域已经基于在对有限元模型的、与所述预定感兴趣解剖区域相对应的有限元模型部分进行网格化的过程中所期望的网格属性而被预先确定。出于该目的,所述识别子系统120可以从所述输入接口获得模型数据012,并且输出识别所述分割模型中的预定感兴趣解剖区域的识别数据014。
第一系统100还可以包括关联子系统130,关联子系统130被配置为生成关联数据016,所述关联数据016将所述分割模型的分割模型部分与所述网格性质相关联,所述分割模型部分表示预定感兴趣解剖区域。出于该目的,关联子系统130可以利用识别数据014。
第二系统150可以包括输入接口160,输入接口160被配置为接收模型数据012,模型数据012定义用于分割所述解剖结构的分割模型,所述分割模型表示所述解剖结构的参考形状,并且关联数据016将所述分割模型的分割模型部分与网格性质相关联,所述分割模型部分表示预定感兴趣解剖区域。模型数据012和关联数据016可以从相同的数据库接收,或者如在图1中所示,从不同数据库010、015接收。根据(一个或多个)数据库010、015的形式,输入接口160可以采取任何适合的形式,诸如外部存储器或存储设备接口、到局域网或广域网的网络接口等。具体地,(一个或多个)数据库010、015可以是医院信息系统(his)的一部分,并且输入接口160可以是到his的接口。应当注意到,(一个或多个)数据库010、015也可以是(一个或多个)内部存储器。因此,模型数据012和/或关联数据016可以被内部地访问。
第二系统150还可以包括分割子系统170,分割子系统170被配置为将所述分割模型应用到对象的医学图像,以便将所述分割模型拟合到医学图像中的解剖结构,从而获得提供对所述解剖结构的分割的拟合模型,所述拟合模型包括提供预定感兴趣解剖区域的分割的拟合模型部分。所述分割模型可能是基于在若干个体上的解剖结构的形状的平均生成的。所述分割模型可能是使用其他方法并且从诸如医学图集数据的其他源获得的。如在图1中所示的,分割子系统170可以输出所述拟合模型,例如,以拟合的模型数据024的形式。
第二系统150还可以包括有限元模型生成子系统180,有限元模型生成子系统180被配置为基于所述拟合模型和所述关联数据来生成有限元模型。出于该目的,有限元模型生成子系统180可以从分割子系统170接收拟合模型数据024。在生成所述有限元模型的过程中,有限元模型生成子系统180然后可以根据所述网格性质对所述有限元模型的、与所述预定感兴趣解剖区域相对应的有限元模型部分进行网格化。
应当注意到,所述网格性质的范例可以包括网格分辨率或元素类型。元素类型的范例包括线性和二次四面体、六面体或膜元素。
所述分割模型可能是使用例如统计学形状分析方法利用在若干个体上的解剖结构的形状的平均生成的。然而,所述分割模型也可能是使用其他方法并且从例如医学图集数据的其他源获得的。
可以基于例如所述预定感兴趣区域的几何坐标、解剖特性或者所述分割模型中的其他独特特性来执行对所述预定感兴趣区域的识别。所述识别子系统例如可以使用预先生成的列表或查找表,其识别所述分割模型中的所述预定感兴趣区域的特性。可以基于在对所述有限元模型的、与所述预定感兴趣解剖区域相对应的有限元模型部分进行网格化的过程中所期望的网格性质来选择网格性质。例如,先前的模拟可能已经提供了关于在具体区域中的所要求的网格分辨率的信息。
图2示出了第一方法200,其用于生成关联数据以用于在生成所述解剖结构的有限元模型的过程中使用。图2还示出了第二方法250,其用于基于所述解剖结构的拟合模型和关联数据来生成解剖结构的有限元模型。
第一方法200可以包括获得定义分割模型的模型数据012,所述分割模型用于分割所述解剖结构,所述分割模型表示所述解剖结构的参考形状。
第一方法200还可以包括识别220所述分割模型中的预定感兴趣解剖区域,所述预定感兴趣解剖区域已经基于在对有限元模型的、与所述预定感兴趣解剖区域相对应的有限元模型部分进行网格化的过程中期望的网格数据而被预先确定。
第一方法200还可以包括生成130关联数据016,所述关联数据016将所述分割模型的分割模型部分与所述网格性质相关联,所述分割模型部分表示所述预定感兴趣解剖区域。
第二方法250可以包括接收260a定义分割模型的模型数据012,所述分割模型用于分割所述解剖结构,所述分割模型表示所述解剖结构的参考形状。第二方法250还可以包括接收260b将所述分割模型的分割模型部分与所述网格性质相关联的关联数据016,所述分割模型部分表示预定感兴趣解剖区域。
第二方法250还可以包括将分割模型应用170到对象的医学图像,以便将所述分割模型拟合到医学图像中的解剖结构,从而获得提供所述解剖结构的分割的拟合模型,所述拟合模型包括提供对预定感兴趣解剖区域的分割的拟合模型部分。
第二方法250还可以包括基于所述拟合模型和所述关联数据来生成280所述有限元模型,所述生成280包括根据所述网格性质将所述有限元模型的、与所述预定感兴趣解剖区域相对应的有限元模型部分进行网格化。
图3示意性图示了图2中的用于生成关联数据的第一方法的范例以及图2中的用于生成解剖结构330的有限元模型350的第二方法的范例。在该范例中,可以获得定义用于分割解剖结构330的分割模型310的第一模型数据。在图3的所述范例中,分割模型310被示意性地指示为立方体,并且所述分割模型310的表示所述预定感兴趣解剖区域的分割模型部分315被示意性地指示为弧形形状的区域。将意识到,在实践中,所述预定感兴趣解剖区域可以是具有感兴趣特性的任何解剖区域,后者例如是材料类型、医学和/或生物状况、机械边界、或解剖形状。类似地,分割模型310可以是具有各种水平的解剖复杂度的任何解剖结构的模型,例如,心脏模型或者表示诸如股骨的骨科特征的模型。在所述分割模型中的所述预定感兴趣解剖区域可以随后被识别。可以生成所述关联数据,所述关联数据将分割模型310的分割模型部分315与例如网格分辨率的网格性质相关联,分割模型部分315表示预定感兴趣解剖区域。例如,如果所述分割模型是经标记的模型,其中,所述模型数据包括针对不同解剖区域的标记,则可以生成所述关联数据,以便包括或涉及例如标记“a”的分割模型部分315的标记。
分割模型310可以被应用到对象的医学图像320,以便将所述分割模型310拟合到医学图像320中的解剖结构330,从而获得提供对所述解剖结构340的分割的拟合模型340,拟合模型340包括提供对预定感兴趣解剖区域的分割的拟合模型部分345。如在图3中能够看到的,所述拟合模型更好地拟合所述解剖结构。
应当注意到,一般而言,当将分割模型310应用到所述对象的医学图像320以便将所述分割模型310拟合到所述医学图像320中的所述解剖结构330时,分割模型310的分割模型部分315可以被拟合到医学图像320中的预定感兴趣解剖区域335,以便获得包括拟合模型部分345的拟合模型340,拟合模型部分345提供预定感兴趣区域的分割。
还应当注意到,一般而言,当将分割模型310应用到所述对象的医学图像320以便将所述分割模型310拟合到所述医学图像320中的所述解剖结构330时,所述关联数据将所述拟合模型部分345与所述网格性质相关联。这样,所述关联数据可以将分割模型310的分割模型部分315与拟合模型340的拟合模型部分345两者与所述网格性质进行组合。
有限元模型350可以基于所述拟合模型340和所述关联数据来生成。有限元模型350的生成包括根据所述网格性质对所述有限元模型的、与所述预定感兴趣解剖区域相对应的有限元模型部分进行网格化。
应当注意到,为了实现与一区域相关联的期望的网格分辨率,例如,抽样方法可以被应用在所述区域内直到实现期望的网格。在四面体网格的情况下,例如,这可以通过取四面体的四个顶点、并且通过将它们融合到重心(例如,四面体的几何中心)上来完成,如在“chopra,p.;meyer,j.,tetfusion:analgorithmforrapidtetrahedralmeshsimplification,”visualization,2002vis2002.ieee,卷,号,第133,140页1-1nov.2002doi:10.1109/visual.2002.1183767中所描述的。
还应当注意到,为了对表示网格模型中的网格性质(例如,网格分辨率)的信息进行编码,可以使用信息传播方法,例如,可以将所述信息编码在所述分割网格的网格三角形中,并且经编码的信息可以被传播到封闭的体积中,例如,通过定义距离加权的平均值,得到体积网格分辨率地图。可以执行抽样直到实现局部期望的网格分辨率。以这种方式,可以避免可能由单独连接的区域的抽样导致的体积网格分辨率差异的突然变化。在一些情况下,其可以有助于将由分割造成的表面转换到体积层中。关于层的期望厚度的信息可以被编码到相应的表面中。在分割之后,扩张或者前端传播技术可以被用于构建标记图像中的期望厚度的层。
图4a-f示出了基于指示针对所述解剖结构410中的有限元模型部分430的高分辨率的具体网格性质来对与解剖结构410中的预定感兴趣解剖区域相对应的有限元模型的有限元模型部分430的网格化的范例。为了容易解释,示出了2d结构以表示解剖结构410。如在图4a中所示的,可以创建栅格点405的规则阵列,并且解剖结构410可以被叠加在所述规则阵列上。规则阵列405的粒度可以根据预设或用户输入来确定。解剖结构410的外部边界415可以被修改以匹配规则阵列405上的点,如在图4b中所示。可以在规则阵列405上的点之间创建水平和垂直的线,使得可以在解剖结构410内形成内部栅格420,如在图4c中所示。可以识别解剖结构410内的有限元模型部分430,如在图4d中所示。在规则阵列405中的一组坐标435,也被称为边界点,可以被识别,使得所述一组坐标435完全地界定有限元模型部分430,并且形成界定区域440,如在图4e中所示。在所述解剖结构410与所述边界点之间的空间可以是通过预设、通过用户或者来自数据库的信息而设定的。在该范例中,可以在界定区域440内创建一组栅格点,以形成子栅格,使得(i)子栅格点可以是对内部栅格420的等分,(ii)子栅格的粒度匹配指定的网格。子阵列可以通过连接的垂直和水平子栅格点来形成,如在图4f中所示。这样,使用所述子栅格,可以在解剖结构410中的有限元模型部分430中生成具有期望分辨率的网格。
图5示出了用于在生成解剖结构的有限元模型的过程中使用的模型数据510和关联数据520的示意性表示。在图5的范例中,关联数据520被示为模型数据510的部分。例如,所述关联数据可以被编码于模型数据中,例如在头文件中,或者作为被分配给所述预定感兴趣区域的一个或多个性质。将意识到,所述关联数据520也可以与模型数据510分离地生成,例如,作为能够与模型数据510相关联的元数据。
图2的方法150和200可以在计算机上被实施为计算机实施的方法、专用硬件、或者这两者的组合。如在图6中所图示的,针对计算机的指令,即可执行代码,可以被存储在计算机程序产品610上,例如,以一系列620机器可读物理标记的形式和/或作为具有不同电、例如磁、或光学性质或值的一系列元件。所述可执行代码可以以瞬态或非瞬态方式来存储。所述计算机程序产品的范例包括存储器设备、光学存储设备610、集成电路、服务器、在先软件等。图6示出了光盘。
应当注意到,所述解剖结构的医学图像中的伪影可以被用于识别所述解剖结构中的感兴趣区域。在此,术语‘伪影’可以是指医学伪影,例如,病理。出于该目的,可以使用解剖智能算法,其可以应用一种或多种图像分析技术以识别例如解剖结构内的解剖结构的表面、伪影、或感兴趣特征。例如,所述解剖智能算法可以被用在所提供的设备的识别子系统中,用于基于对指示例如异常区域性材料性质并且因此指示病理的具有特定图像强度的区域的识别来识别医学图像中的感兴趣解剖区域。
应认识到,本发明还应用于适于将本发明付诸实践的计算机程序,尤其是载体上或载体中的计算机程序。所述程序可以是源代码、目标代码、代源码与目标代码之间的代码的形式,诸如部分编译的形式,或者是适于在根据本发明的方法的实施中使用的任何其他形式。还应该认识到,这样的程序可以具有许多不同的体系构架设计。例如,实施根据本发明的方法或系统的功能的程序代码可被细分成一个或多个子例程。在这些子程序间分布功能的多种不同方式对本领域的技术人员将是显而易见的。子例程可以一起存储在一个可执行文件中以形成自包含(self-contained)程序。这种可执行文件可包括计算机可执行指令,例如处理器指令和/或解释器指令(例如,java解释器指令)。替代地,所述子例程中的一个或多个例程或所有例程可以被存储在指示一个外部库文件中,并且在例如运行时静态地或动态地与主程序相链接。所述主程序包含对所述子例程中的至少一个例程的至少一次调用。子例程也可包括对彼此的功能调用。涉及计算机程序产品的实施例包括与本文阐述的方法中的至少一个的每个处理步骤对应的计算机可执行指令。这些指令存以可被细分为子例程和/或被存储在可以静态或者动态地链接的一个或多个文件中。与计算机程序产品有关的另一实施例包括与本文中提出的至少一种系统和/或产品的每个器件相对应的计算机可执行指令。这些指令存以可被细分为子例程和/或被存储在可以静态或者动态地链接的一个或多个文件中。
计算机程序的载体可以是能够承载所述程序的任意实体或设备。例如,所述载体可以包括诸如rom(例如,cdrom或半导体rom)的存储介质或是诸如硬盘的磁记录介质。此外,载体可以是可传输载体,例如电信号或光学信号,其可以经由电缆或光缆或通过无线电或其他手段被传输。当在这种信号中实现程序时,载体可以由这样的线缆或其他设备或器件构成。或者,载体可以是嵌入了程序的集成电路,所述集成电路适于执行相关方法或在相关方法的实施中使用。
应当注意,上面提及的实施例示例而不是限制本发明,并且本领域技术人员能够设计出许多替代实施例而不脱离所附权利要求的范围。在权利要求中,置于括号中的任何参考标记不应当解释为限制权利要求。动词“包括”及其结合的使用不排除存在权利要求中所述那些之外的元件或步骤。元件之前的词语“一”或“一个”并不排除存在多个这样的元件。本发明可以通过包括几种不同元件的硬件的方式来实施,以及通过适当编程的计算机来实施。在枚举了若干器件的设备权利要求中,可以由同一项硬件实现这些模块中的若干。尽管在互不相同的从属权利要求中记载了特定措施,但是这并不指示不能有利地使用这些措施的组合。