专利名称：基于改进的区域生长分割的自动识别解剖结构中的癌前期异常的方法和系统及由此得到 ...的制作方法
技术领域：
本发明涉及图像处理，并且特别地涉及图像中的对象和/或结构， 尤其是代表解剖结构中的异常的形成物的识别。
具体讲，本发明涉及根据权利要求l的前序部分的用于自动识别解 剖结构中的异常，尤其是结肠/直肠的癌前期病变的方法以及用于执行 所述过程的处理系统和计算机程序。
背景技术：
通过对解剖结构的数字表示的分析和随后对检测到的异常的分类 来标识人体器官和组织中的三维病变的过程、系统和计算机程序是已知 的。
当今，结肠直肠癌是全世界第二大肿瘤死亡率的原因。近些年来已 经建立的诊断过程相比于传统医学的结肠镜检查具有更小的侵犯性，并 且在不需要引入探针的情况下能够探测整个结肠，若使用探针可能使患 者陷入麻烦或者甚至破坏组织(穿孔，出血)从而导致严重的并发症。
这些诊断过程利用放射诊断技术以执行所谓的"虛拟内窥镜"。根
据该技术，通过对一系列由计算机断层摄影(Computerized tomography, CT)得到的图像的三维处理，达到与传统内窥镜过程所得到的患者器官 的显示相似的患者器官的显示是可能的。
目前应用的是"^U亍虚拟结肠镇:;险查(virtual colonoscopy, VC)的 系统。但是，由于处理图像和医生阅读图像需要花费时间，所以在结肠 腔内部的该类型的虚拟导航涉及对患者进行非常长时间的检查，原因是 必须扫描结肠的整个长度(大约1.5米)。
利用包含在结肠腔内的空气和结肠组织自身对X射线吸收强度的 差异，计算机断层摄影生成一组图像数据，从该图像数据识别并提取结 肠的图像。
尤其是，执行对结肠内表面的分割的操作。分割是这样的操作，即
6根据将该图像元素(image elements)归属于一区域的预定标准提取构 成同类区域的图像的部分；根据患者体外区域、肺区域、脂肪区域、肌 肉区域和结肠区域之间的X射线吸收强度的差异来识别并排除患者体外 的气隙、肺内的气隙、脂肪和肌肉区域和最后的结肠内的气隙，由此该 结肠内表面的图像被从由断层摄影得到的整体三维图像中提取出来。
一旦该结肠的内表面已经被提取，则通过计算体积元素(技术上通 称为体素)的某些形态性质来执行其定量表征，所述形态性质被识别为 属于该结肠的内表面。这些性质被用来区别健康组织和潜在有病的组织 和粪便残渣。
作为例子，在美国专利申请US 2003/0223627 Al中描述了一种如 上所述操作的用于对器官病变进行三维分析的方法。
到目前为止所提出用于自动标识结肠(息肉)的肿瘤病变的解决方 案都有很大的不足当存在众多可归属于息肉也可归属于伪像(粪便， 移动的伪像，等等)的表面变化时，对于图像的判读可能是复杂的，从 而导致难以接受的错误百分比(假阳性和假阴性)。
根据已知技术执行的分割操作不能使结肠的内表面能够有效重建， 因此不能从其它表面变化中区分出真实息肉。为此医生必须花费大量的 时间分析与单个患者相关的数据，从而使得该过程不适合大规模的分析 (预防性篩查)。
发明内容
本发明的目的是提供一种用于自动识别代表解剖结构中的异常，并 且尤其是结肠/直肠中的癌前期病变的形成物的方法，该方法克服了现 有技术的局限。
使用本方法(其基本特征在权利要求l中规定)，可以达到本发明 的这个和其它目的。
如权利要求所述，用于执行上述过程的处理装置和计算机程序也构 成了本发明的主题。
总之，本发明是基于根据"区域生长"技术执行对与潜在具有异常 形成物的解剖结构相关的图像的感兴趣区域进行分割的操作。
该"区域生长"技术涉及根据关于邻近区域的相似性的预定标准进 行同类空间区域的生长。该相似性标准取决于该图像元素的感兴趣特征，即，取决于为了预期目的而区分该图像的不同区域所选择的(显著)性质。
在该特定情况下，所考虑的性质是在断层摄影技术中用于采集和表
示患者内部器官的图像的x射线辐射的吸收强度，但是，类似地，它可
以是对象对其它诊断辐射的响应，或者更一般地，可以是由于对象和入 射在其上的激发电磁辐射之间的相互作用而呈现在调查范围内的对象 的响应，例如由对象对入射的发光辐射反射所确定的该对象的颜色(由 波长和强度表征)。
为了准确确定感兴趣区域的边界，根据本发明的生长算法以两个阶
段执行，即，第一体积生长阶段，优选根据6-连接拓朴，即，沿三个 垂直的空间轴并且在两个方向上；和生长到边界的第二阶段。
当达到预先定义的全局生长阈值时，在每个生长方向上，第一阶段 停止，并且使构成该被分割区域的粗糙边界的笫一图像元素(体素)能够 -故定义。
第二阶段包括进一步的局部生长，该局部生长从每个到达的第一边 界体素开始，在到达它们的生长方向上被执行，并且当达到适合的局部 停止阈值时结束；该阈值根据体素的强度值计算，所述体素属于包围该 局部生长开始处的边界体素的预定区；当该局部生长结束时，该感兴趣 区域的实际边界体素(其可以与或者可以不与笫 一粗糙边界体素重合) 被标识。
有利地，在对于虚拟结肠镜检查的当前所设想的应用中，由对结肠 腔区域的分割执行分割步骤并且能够以更高准确度重建器官的内表面， 因此使呈现出的任何息肉能够更好地与具有不同形态特征和不同起源 的其它几何表面变化区别开。
根据下面的详细描述，本发明的进一步的特征和优势将变得清楚， 该详细描述完全作为非限制性的例子参考附图给出，其中 图1是本发明过程的流程图2a和2b是通过对结肠外部区域的第一分割得到的残留图像中的 图像元素的吸收强度的分布的直方图3是属于包围该结肠表面的有限区域的体素和在精细生长阶段所沿着的局部扫描路径的放大尺度表示；
图4示出了表示结肠内表面的一部分分别在结肠腔分割步骤之前、 期间、之后的三个灰度图像；
图5表示五个不同的类型的表面，该五个不同类型的表面由用于识 别解剖结构中的异常的相应形状指数表征；和
图6是根据本发明的用于识别结肠/直肠的癌前期病变的处理系统 的示图。
具体实施例方式
图1示出了根据本发明的用于识别解剖结构中的异常形成物的过程 的各步骤，在该示例性实施例中是识别结肠/直肠中的病变(息肉)的各步骤。
过程在步骤10中从釆集计算机断层摄影图像开始，并且然后在步 骤2G中，根据采集的图像，利用将在下文详细描述的细化的"区域生 长"算法对结肠的内表面进行分割。
在下一个步骤30中，计算属于结肠内表面的被识别体素的预定几 何参数并且选择属于息肉区域的候选体素(步骤40)。
优选地，在步骤50中，执行随后的邻近被选择体素的区域生长的 过程，并且在包围候选体素的区中生长的区域被进一步聚结到分析单元 中(步骤60)。最后，执行将该分析单元最终归类为息肉或者无足轻重的 伪像(步骤7 0)。
下面将详细描述在图1的流程图中所示并且在上面简要列出的各个步骤。
一旦获得了符合标准医学格式DICOM的计算机断层摄影数据，首先 将其转换为适合由图像表示和显示程序处理的格式。
根据被转换的图像数据，下一个步骤一对结肠表面的自动分割构成 了本发明的核心。
对结肠图像进行分析所必需的第 一个步骤是从由断层摄影获得的 患者的腹部三维图像中提取结肠区域。事实上，计算机断层摄影设备提 供患者腹部的整体图像，在所述图像中除了结肠还存在其它器官或者解 剖结构，诸如肺(仅一部分)、肝脏、肾或髋骨。根据该整体图像，必须 单独提取(分割)感兴趣的信息，即，结肠区域尤其是它的表面。分割的准确度是在随后计算步骤中获得显著结果的重要条件。 为了对结肠进行分割，使用结肠腔区域的三维生长技术；这使图像 元素(体素)能够根据预定的接近性和相似性(同种性)标准分组在一起。
接近性标准由选择靠近给定体素的体素予以表示。在该特定实施 中，沿着笛卡尔参考系统的三个空间方向(和在两个方向上)布置的六 个体素被认为靠近。
相似性(同种性)由量化区域之间的相似性的预定函数的应用来实
现。在该特定情况下，该函数基于各个像素的x射线吸收强度值(下文 更简洁地称为体素强度)，并且尤其基于该值属于由一对合适的阈值即 分别是下阈值和上阈值所规定的预定范围。
分割过程分三个阶段实施对不构成患者腹部的一部分的外部空间 进行分割，其能够使与患者身体的外部相关的图像区被排除；对肺进行 分割，其能够使与由肺中含有的空气所占据的区域对应的图像区被排 除；对结肠进行分割，其能够使结肠的内表面根据结肠腔而被提取。
这三个分割阶段共用相似的方法，所述方法包括步骤
1) 生成构成图像的体素(残留)的强度的直方2) 在直方图中标识与在所表示的区中呈现的解剖物质和结构相关 的图像元素的强度值的分布对应的特征峰；
3) 确定适合于定义对该(残留)图像进行分割的相似性标准的最小 和最大强度阈值(对于结肠分割，还要确定中间阈值)；
4) 选择一个或更多种子体素作为特征起始元素，从该特征起始元素 执行由步骤3中所定义的阈值所限制的生长。
对于每个分割阶段(外部空气，肺，结肠)，直方图被重新分析，使
得属于其它结构的空气的体素被逐步地排除并且这增加了能够在剩余
部分中获得的准确度。
这三个阶段在从种子体素生长的步骤中区别如下 对外部空气的分割。从图像边开始，扫描每个二维图像的每个水平
线(从右手边向左手边，反之亦然)，直到强度不在该范围内的第一体素。
所有被发现的立体像素被归类为属于患者以外的空气区域并且被 排除(在该特定情况下，由该范围以外的预定强度值代替)。
该区域的生长还在包围被选择体素的、种子体素所归属的区域中被
10执行，以标识小的"隐藏区"，由于它们的形态(例如坐落在固体结构 中的凹进去的区)，该"隐藏区，，在通过水平线进行的扫描中会被忽略。
对肺的分割。属于通过断层摄影获得的 一 系列图像的该第一二维图 像(面向患者的头的图像)的体素被用作种子，该体素具有预定范围内的 强度值，该预定范围的阈值(第二阈值)相对于先前步骤已经被重新计 算。从这些种子开始，根据6-连接拓朴执行三维区域生长。
为了在被标识的结构中区分那些属于肺的结构，确定该所分割的结
构的比表面；该比表面定义为表面体素的数目和由表面体素所包含的空 间体素的数目之间的比率。众所周知，肺区段具有高的比表面。只有具
归类为肺区域。
排除被识別为属于肺区域的体素(在该特定情况下，由该范围之外 的预定强度值代替)。
这两个分割步骤例如与美国专利2003/0223627号的文献所描述的相似。
现在唯一含有空气的剩余结构是结肠腔(仅在罕见情况下还有胃)。 对结肠的分割。所有仍具有强度在该图像内的各自的第三对重新计 算的阈值(初始化阈值)之间的体素被用作种子。接着根据6-连接拓朴 基于第四对阈值(生长阈值)执行三维生长。
边界体素在生长完成时^皮标识，并且在生长的各个方向上一皮到达， 并且具有没有落入第四预定阈值之间的范围内的强度。以该边界体素开 始，为每个边界体素计算局部阈值。在与先前所沿着的生长方向重合的 局部生长(扫描)方向分布在包围边界体素的区中并且仍然在局部阈值 以内的体素与由先前的生长步骤所获得的体素聚集在一起并且再次被 归属于结肠腔区域。具有强度在生长的局部方向上遇到的相应局部阈值 之上的第一体素被认为是"肠表面"并且根据接近性被聚集在"区段"中。
与在先前的肺分割阶段中相同，分析每一个区段的比表面以把"结 肠/直肠"和小肠及任何其它结构(胃，残留的肺部分)区分开。
在分割过程之前，还可能执行预备步骤，该预备步骤由关闭"侧向 孔"构成，当由于失误，起始图像数据未包含整个结肠，使得结肠腔没 有被结肠组织完全包围而是侧向"打开的"，即，包围该腔的结肠表面没有描绘出一闭合曲线。这可能在不包含完整的患者身体的截面而只包 含其部分的计算机断层摄影图像中发生。
在这种情况下，标识属于整个三维表示的柱形表面的体素，即，与 每个断层摄影图像的最外围的图像元素(由于它的圆形区)对应的体素， 并且根据该表面，通过从还没有归属于任何区域的空气体素开始执行限
于柱形表面的区域生长(在方向26上考虑接近性)来标识与空气邻接
的区域。在所标识的区域中，那些具有纵向范围(即沿患者的轴(z轴) 的范围)在预定阈值之上的区域被丢弃，而剩余区域被判读为结肠中的 潜在孔并且比空气的强度值更高的强度值被分配给属于该剩余区域的
体素。该方法被下面的事实保证与三维表示的柱形表面邻接的外部气 隙可能沿着患者的整个纵向轴或者沿着整个纵向轴的绝大部分延伸，而 构成结肠腔的一部分的气隙由于结肠的曲折弯曲在纵向上具有有限的范围。
现在将进一步详细描述在计算机断层摄影图像(外部空气区域和绝 大部分肺空气区域先前已经从其被移除)上发生的结肠分割过程。在这 一点上，参考图2a和2b。
为了执行分割，有必要提取整个待分析的残留图像的X射线吸收强 度值的直方图。直方图中的具有强度值在T。和T,之间的区域对应基本表 示结肠腔中所包含的空气的图像元素的强度值的分布。其中，T。对应最 低的可能强度值(-IOOOHU)并且L是对应可归属于肺区域的单峰的强度 值。
将参考直方图或分布的该区域来计算在结肠分割过程中使用的阔 值的值。
确定第一中间初始阈值强度值Ts,其定义为等于T。和L之间的分布 的均值和标准偏差的差。分析残留图像(在排除外部空气和肺空气以后) 的体素并选择那些具有强度值在T。和Ts之间的残留图像的体素作为随
后"生长"过程的种子。
该"生长，，过程的下阈值和上阈值(在六个空间方向上)分别为T。 和Te，其中TJ上生长阈值)定义为等于T。和L之间的分布的均值和两倍 标准偏差的和。
当在"生长"过程期间到达边界体素，即具有强度值大于最大强度 Tc的体素时，执行基于局部(上)阔值Ta的精细生长过程，该局部(上)阈值T a是根据包围结肠壁的区域中的体素的局部强度值计算的。
参考图3,预定长度(优选等于7mm)的扫描路径或半径1从边界 体素V开始沿着到达该边界体素的方向被跟踪，并且分析该方向上的体 素。沿着该半径所达到的体素的最大强度值示为Mr。如果MJ氐于比较阈 值Tw (该比较阈值L被确立为等于T。和L之间的分布的均值和四倍标 准偏差的和)，则假定被跟踪半径没有与结肠壁相交，并且所达到的值 和先前的值聚集在一起并且被识别为属于该结肠腔。如果Mr大于比较阔 值Tw,通过增加上生长阈值的值Te来计算局部上阈值的值Ta，该上生 长阈值的值L通过Mr和上生长阈值T。的差的预定分数q确定(例如根据 公式Ta=T。+q (Mr-T。))，其中分数q优选为0.1。具有强度值在新局 部阈值Ta之上的笫 一体素被标识为属于结肠表面的体素。
如果扫描半径太长并且存在致密结构，例如在结肠壁附近的骨头， 沿半径所达到的体素的最大强度值(Mr)可能太高，因此危及对结肠表 面的正确识别。为了防止这种情况，与肌肉区的值对应的图像体素的限 制强度值Tm (即等于与包括在0-200HU之间的X辐射吸收值的带内的直 方图的峰对应的值)被定义为Mr的上限。
连同对结肠的分割，其它腹部的解剖结构的几个区段并且还有肺的
几个区段可以在该步骤中提取。如上所述，基于它们的比表面，这些区
段也能够被识别并恰当处理，使得仅具有低于各自的预定阔值的比表面 和高于各自的预定阈值的体积的区段被归类为属于结肠。
图4示出内结肠表面部分分别在使用全局阈值分割之前、分割之后 和在使用局部阈值精细分割之后的图像。
当利用分割步骤已经发现内结肠表面的体素时，确定它们的某些性 质；在这些性质中，主要性质是它们的几何特征、X射线吸收强度直方 图和利用例如对比、关联、能量、熵和局部同种性等参数进行的统计紋 理分析。
就几何特征而言，形状指数(shape index, SI)和曲率(curvature, CV)被优先计算。这些参数使得呈现在结肠内的任何息肉能够与不同曲 率和形状的几何结构区分开。
形状指数和曲率利用下面的公式表示为在垂直平面内的结构的局 部曲率k眼x和k^的函数
13=丄_丄arCtanO) + D) 2 ;rA: (p)-A (p)
,vmax 乂r/'vmm 、r/
冗 V 2
其中p是体素的位置。
形4夫指数才巴<立置p处的体素的体积拓朴(volumetric topological ) 形状归为五类，通常称为"杯(cup)"、"槽(rut)"、"鞍(saddle)"、 "脊(ridge)"和"帽(cap)"(见图5)。更大的形状指数的值对应"帽" 类型的形状，并且因为许多息肉呈现出这种形状，所以尤其能引起兴趣。
曲率参数表征体素中的真实曲率的大小，并且从而提供对在体素中 表面被弯曲的程度的局部估计。
参数SI和CV要求计算基本曲率k^和kmin，这反过来要求计算在三 个垂直参考轴x, y和z上的结肠表面一阶和二阶偏微分导数。为了计 算偏微分因子，优选德瑞切(Deriche)滤波器的递归应用，如从文献中 所知的。偏微分导数的公式被用来计算构成该表面的一部分的每个体素 的SI和CV参数。由在最小值和最大值之间的SI和CV值所表征的体素 被选为属于怀疑含有息肉的区域的候选，并且接着被用作提取候选息肉 区i或的^刀始点。
已经发现对形状指数和曲率参数的计算在计算方面和存储资源方 面消耗巨大。这是因为该计算是在包含数十万体素的整个表面或者大的 表面部分上执行。为了减少计算所需的存储量，把结肠表面分成"有界 框"(bounding boxes )或者相邻分析体积是有利的。已知开始轴向截 面(starting axial section),该分析体积的尺度被沿着结肠的形成 方向(z轴)并且在两个方向上每次增加一个等级。当达到预定的z尺度 时或者当结肠表面^L完成时，体积的增加净皮中断。沿着x和y轴的尺度 根据所涉及的结肠腔的截面而变化，然而，在计算形状指数和曲率参数 之前，z尺度被配置并且有利地与20和30轴向截面之间的若干二维图
像对应。
用于使该分析体积超尺度(over-dimensioning)的第二参数也寻皮有利地配置，该第二参数的值能够在x, y和z方向上修改。在z方向 上，该参数引起分析体积的重叠，并且执行该重叠以减少分析体积边缘 处的曲率计算失真的影响。
依据形状指数(SI)和曲率(CV)的形态参数选择体素，接着根据体 素的数目，通过滞后技术进行邻近所选择的体素的区域的生长，接着进 行生长的所选择体素的聚结，接着进行邻近所选择的表面区域的组织内 的体素的进一步生长。
滞后方法使得空间地连接到先前所选择的初始区域的 一组体素能 够被提取。该方法导致对潜在与更大的息肉部分对应的更多的内部结肠 表面的体素的提取。利用降低形状指数参数(SI)的较低阈值和增加曲率 参数(CV)的感兴趣范围来选择额外体素。
一旦已经根据体素的物理/几何的性质对该体素进行了表征，它们 被有利地聚结到各个分析单元中，其表示被归类为属于或不属于息肉的 候选区域。
根据所选择的体素的空间密度分布，该体素被分组到分析单元中。 该聚结步骤所基于的原则包括识别所选择的体素的更大密度的区域，使 得每个聚结之内的体素密度大于之外的体素密度，并且噪声区域之内的
密度总是小于聚结之内的密度。该步骤要求定义两个参数包围体素的 区域应当具有的点的最小数目和该包围区域的半径。依靠经验从一系列 计算机断层摄影图像中选择这些参数的值。由于与本发明的目的无关， 此处不对该过程l故进一 步讨论。
例如利用已^口的在文章 "Density Based Algorithm for Discovering Clusters in Large Spatial Database with Noise" (Ester， Kriegel ， Sander 和 Xu 在 Proceedings of 2nd International Conference on Knowledge Discovery and Data Mining ( 1996 )中发 表)中所描述的DBSCAN算法执行该聚结步骤。该算法使许多任何形状的 聚结能够从所选择的体素中识别出来，而无关噪声。
由此获得的分析单元#>人结肠表面延伸到邻近的組织。 该延伸通过利用直线区段连接由聚结所标识的表面体素来达到。这 些区段延伸通过的并且属于邻近该表面的组织的体素被添加为该聚结 的新体素。该过程有利地使得甚至是最小的聚结都能够被充分延伸以具 有足够数目的组成(constituent )体素。所得到的聚结表示用于随后分析结肠/直肠的候选息肉。 属于所选择的分析单元的体素的数目在正常情况下远小于结肠/直
肠的内表面的全部立体像素的数目。
但是，即使是不属于息肉的分析单元也可以被该过程选择。这些选
择导致增加假阳性的数目，即被选为可疑但事实上不属于息肉的候选息
肉的数目。
为了减少它们的数目，进一步计算描述该体素的其它性质的参数是 有利，该体素的其它性质的参数可以提高识别算法的鉴别能力。
除了体素的几何性质之外，还可以优选地研究其它性质，例如与各 个体素的X射线吸收强度相联系的性质。在这点上，研究结肠表面的每 个体素和包围它的区的的强度直方图。该分析的目的是检验属于息肉的 区域的体素是否具有特有的并且不同于其它结肠区域的特征的直方图。 事实上，在很多情况下，在X射线吸收方面，息肉显示出与健康组织或 者粪便残渣的不同。
神经网络，例如常规的"前馈"神经网络，可以被用来研究直方图 的特征。
所研究的另一个性质是紋理，其是与图像强度相联的性质。它能被 人眼轻易察觉到，并且相信是关于三维对象的性质和形状的信息的丰富 来源。紋理是由宏观结构的或微观结构的亚形状组成的复杂的视觉形 状，其具有特有的亮度、颜色或大小。亚形状的局部性质使得发光特征、 均匀特征、强度特征、粒度特征、整齐性特征、噪声特征和紋理的方向 性特征作为整体能够:故区分。
存在各种紋理分析的方法，即结构方法、统计方法、模型方法、
或变换方法。在这些方法中，二级统计方法(second-order statistical approach)已经显示出比其它分析方法具有更好的结果。由于该原因并 且由于不具有宏观结构的亚形状的腹部的图像的特征，应用统计方法是 有利的，例如基于文献中已知的共生矩阵的方法。
该计算的计算量^f艮大，为此有利地是仅仅在笫十三方向上执行，该 第十三方向定义体素的第一、第二和第三近邻和它们各自的距离。
除了强度和紋理直方图，其它特征参数可以被用于降低假阳性。其 中之一是泽尼克矩(Zernike moments)的计算；另一个是基于对息肉 进行切片。
16根据第一个方法，利用这样的事实不仅可以通过分析与该吸收和 该吸收的3D空间分布相关的计算机断层摄影图像数据的信息内容来识 别，还可以利用它们的球体形态来识别息肉。在这点上，计算文献中已 知的泽尼克系数。这些几何描述符已经被用于识别图像的大的数据库中 的对象的图像。这些参数使给定形状的对象能够被识别，而无关它的大 小和方向。这些对称性的特定性质使泽尼克系数在调查形状一般为球形 但尺寸可以从几个毫米变化到大于一厘米并且具有任意空间方向的息 肉的形态上特别有利。
另一方面，根据笫二种方法，利用这样的事实息肉在平行于它们 的基底的平面上具有近乎圆形的横截面。因此，该方法由对最接近候选 息肉的表面的边缘体素的几何平面进行标识和将它划分为平行于该平 面的"切片"组成。这里，根据对该"切片"的每个体素和该"切片" 的假定"中心，，之间的距离的标准偏差的计算，对每个"切片"的体素 进行分类以确定圆度(circularity)。
所有表征体素的参数表示大量待分析的信息，该大量的信息用来对 体素分类，以区分属于息肉的被怀疑区域的体素和健康组织区域的体 素。
对体素的分类提出了一个多维识别的问题，该问题能被神经网络和
/或其它统计分类法解决。
根据本发明的过程由如图6所示类型的系统执行，所述系统包括已 知类型计算机工作站100,该计算机工作站1Q0具有处理子系统110、 显示装置120、键盘130、定点装置(鼠标)140和用于连接局域网的装置 (网络总线)150。可替换地，处理系统可以是分布式的(未示出)，具有 处理子系统和本地或远程外围输入/输出装置。工作站100或者分布式 系统被设置成用来处理处理和计算程序的组或模块，该组或模块存储在 盘160上或可以通过网络访问，并且适合用于显示所描述的过程和在显 示装置120上显示结果。所描述的解决方法在本领域中为大家所熟知， 由于它们与理解本发明无关，所以此处将不再进一步描述。
自然，在本发明的原则保持不变，从而没有背离由所附权利要求限 定的本发明的保护范围的情况下，相对于由完全非限制性的例子所述和 所示的情况，具体实施方式
的形式和结构的细节可以广泛变化。
权利要求
1. 一种自动识别解剖结构中的异常的方法，包括步骤-采集(10)患者身体的至少一部分的多个二维图像，该多个二位图像适合于构成观察下的至少一个解剖结构的三维表示；-分割(20)所述三维表示的感兴趣区域，所述感兴趣区域潜在地具有异常；-根据预定的形态参数，选择(30，40)所述被分割区域的体积图像元素(体素)，所述体积图像元素作为属于所表示的所述解剖结构的异常的候选；和-将所述体素归类(70)为怀疑属于异常的元素或不属于异常的元素；其中，根据预定的相似性标准通过体素的聚集进行感兴趣区域的逐渐生长，由此从位于所述感兴趣区域内的种子体素开始进行所述分割(20)；所述过程的特征在于所述区域生长步骤包括第一体积生长阶段，其中根据每个生长方向上的体素之间的相似性的预定全局标准来实施所述生长；和用于定义感兴趣区域的边界的第二精细生长阶段，其中根据每个各自生长方向的局部相似性标准来实施所述生长。
2. 根据权利要求1所述的方法，其中感兴趣区域包括结肠组织的内 表面，和解剖结构中的异常包括结肠的癌前期病变。
3. 根据权利要求2所述的方法，其中所述二维图像是通过放射诊断 技术得到的患者身体的横截面图像。
4. 根据权利要求3所述的方法，包括采集计算机断层摄影图像数据, 使得相似性标准是基于与所述图像元素相关的X射线吸收强度值的比 较。
5. 根据权利要求4所述的方法，其中从患者腹部的整体图像分割所 述结肠组织的内表面的步骤包含如下阶段-分割不属于患者腹部的外部空间；-分割肺区；-分割结肠腔。
6. 根据权利要求5所述的方法，其中对外部空间、肺区和结肠腔的 分割阶段包括步骤-计算所述(残留)体素的X射线吸收强度的分布； -为了分割所述(残留)图像，计算适合于定义体素之间的相似性的 标准的最小和最大强度阈值；-为应用由所述阈值限制的三维区域生长过程，选择种子体素。
7. 根据权利要求6所述的方法，其中对外部空间的分割通过如下执 行扫描起始于所述图像边的每个图像线；将那些强度在第一最小阔值 和第一最大阈值之间的范围内的体素识别为外部空间体素；和当到达具 有该所述范围之外的强度的体素时停止所述过程。
8. 根据权利要求7所述的方法，其中对外部空间的分割还包括起始 于被识别为外部空间体素的所述体素的区域生长。
9. 根据权利要求6所述的方法，其中对肺区的分割通过如下执行 三维区域生长，所述三维区域生长起始于属于具有强度值在第二最小阈 值和第二最大阈值范围内的所述第一二维断层摄影图像的体素；将那些 强度在所述范围内的体素识别为肺区的体素；和当到达具有所述范围之 外的强度的体素时停止所述过程。
10. 根据权利要求6所述的方法，其中对结肠腔的分割通过如下执 行三维区域生长，所述三维区域生长起始于属于具有强度值在最小初 始化阈值(T。)和最大初始化阈值(Ts)之间的范围内的所述剩余图像 的种子体素；将那些强度在最小全局生长阈值(T。)和最大全局生长阈 值(Tc)之间的范围内的体素识别为所述结肠腔的体素；和当到达具有 所述所述范围之外的强度的边界体素时停止所述过程。
11. 根据权利要求10所述的方法，其中所述最小初始化阈值(T。) 对应最低可能强度值，而所述最大初始化阈值(Ts)对应包含在所述最 小初始化阈值(To)和对应于可归属于所述肺区的吸收峰的所述强度值 (TO之间的所述分布的均值和标准偏差的差。
12. 根据权利要求IO所述的方法，其中所述最小全局生长阈值(T。) 对应最低可能强度值，而所述最大全局生长阈值(Te)对应包含在所述 最小全局生长阈值(T。)和对应于可归属于肺区域的吸收峰的所述强度 值(TO之间的所述分布的均值和两倍标准偏差的和。
13. 根据权利要求10所述的方法，其中在到达所述边界体素时，基 于属于包围每个边界体素的预先定义的区的体素的强度，计算每个边界 体素的最大局部精细生长阈值(Ta)。
14. 根据权利要求13所述的方法，其中所述精细生长步骤包括，为 每个边界体素，定义具有预定长度并且从相关的边界体素开始在到达所 述体素的方向上延伸的体素扫描路径。
15. 根据权利要求14所述的方法，其中所述精细生长阶段包括 标识沿所述扫描路径呈现的所述体素的最大强度值(MR), 通过使所述最大全局生长阈值(Te)增加沿着所述路径所标识的所述最大强度值(MR)和所述最大全局生长阈值(Te)之差的预定分数(q) 来定义所述最大局部精细生长阈值(Ta),和将具有强度值在所述局部生长阈值(Ta)之上的所述笫一体素识别 为结肠组织表面体素，如果沿着所述路径所标识的所述最大强度值(MR)大于预定比较强度值ov)的话。
16. 根据权利要求15所述的方法，其中如果沿着所述路径所标识的 所述最大强度值(MR)小于所述比较强度值(Tw),则假定所述路径不与所 述结肠壁相交并且到达的体素被识别为属于所述结肠腔。
17. 根据权利要求15或者权利要求16所述的方法，其中所述比较强 度值(Tw)对应包含在所述最小全局生长阔值(T。)和对应于可归属于肺 区域的吸收峰的所述强度值(TO之间的均值和两倍标准偏差的和。
18. 根据权利要求15所述的方法，其中沿所述扫描路径所呈现的所 述体素的所述最大强度值(MR)受限于上限值，所述上限值等于对应于可 归属于肌肉区的吸收峰的强度值(Tm)。
19. 根据权利要求5-18中的任一项所述的方法，其中所述分割过程 之前为对侧向"打开的，，结肠腔区域的识别步骤，包括选择整个三维表示 的表面体素；利用限于所述整个三维表示的表面的区域的生长标识邻近 所述表面的空气区域；和当所标识的空气区域具有低于预定阈值的纵向 范围时，识别属于"打开的"结肠腔区域的体素。
20. 根据前述权利要求的任一项所述的方法，其中，所述形态参数包 括形状指数(SI)和曲率(CV)。
21. 根据权利要求20所述的方法，其中利用泽尼克滤波器的递归执 行来计算所述图像的一阶和二阶偏微分导数，使用所述一阶和二阶偏微 分导数根据所述被分割的结肠组织表面的基本曲率计算出所述形状指 数(SI)和所述曲率(CV)。
22. 根据权利要求20或权利要求21所述的方法，其中由形状指数(SI) 和曲率(CV)所表征的、在各自预定的值的范围内的体素被选择为属于异 常的候选。
23. 根据权利要求20-22中的任一项所述的方法，其中通过把所述^皮 分割区域分成相邻分析体积来执行对所述形态参数的计算。
24. 根据前述的权利要求中的任一项所述的方法，在选择(40)作为 属于所表示的解剖结构中的异常的候选的所述被分割区域的体素后，还 包括步骤-在包围所选择体素的区内进行区域生长(50) -根据预定的接近性标准，将体素的区域聚结(60)到分析单元中。
25. 根据权利要求24所述的方法，其中通过滞后技术选择形状指数 (SI)和曲率(CV)在扩大的值的范围内的包围区域的体素来执行包围所选 择体素的区的区域生长(50)的步骤。
26. 根据权利要求24所述的方法，其中通过基于所选择的体素的空中的步骤。
' ''、-"—'、'、、^', 、 一
27. 根据权利要求24所述的方法，其中通过添加组织体素，所述分 析单元被从结肠表面延伸到邻近组织，所述组织体素从连接在所述聚结 步骤中所标识的所述表面体素的直线区段延伸通过的组织体素中选择。
28. 根据权利要求4-27中的任一项所述的方法，其中根据它们的X 射线吸收强度选择作为属于所述解剖结构的异常的候选的所述被分割 区域的体素。
29. 根据权利要求4-28中的任一项所述的方法，其中根据紋理性质 选择作为属于所述解剖结构的异常的候选的所述被分割区域的体素。
30. —种用于自动识别解剖结构中的异常的处理系统(100-160)， 所述系统被设置成用来执行根据权利要求1-29中的任一项所述的过程。
31. —种处理程序或者程序集，其能被处理系统(100-160)执行并且 包含用于执行根据权利要求1-29中的任一项所述的用于自动识别解剖 结构中的异常的过程的 一个或多个代码^t块。
全文摘要
描述了自动识别解剖结构中的异常的过程以及用于执行该过程的处理系统和计算机程序，该过程包括步骤采集(10)患者身体的至少一部分的多个二维图像，该多个二位图像适合于构成观察下的至少一个解剖结构的三维表示；分割(20)该三维表示的感兴趣区域，该感兴趣区域潜在地具有异常；根据预定的形态参数，选择(30，40)该被分割区域的体积图像元素(体素)，该体积图像元素作为属于所表示的解剖结构的异常的候选；和将该体素归类(70)为怀疑属于异常的元素或不属于异常的元素；其中，根据预定的相似性标准通过体素的聚集进行感兴趣区域的逐渐生长，由此从位于该感兴趣区域内的种子体素开始进行分割(20)；该区域生长步骤包括第一体积生长阶段，其中根据每个生长方向上的体素之间的相似性的预定全局标准来实施该生长；和用于定义感兴趣区域的边界的第二精细生长阶段，其中根据每个各自生长方向的局部相似性标准来实施该生长。
文档编号G06T7/00GK101484916SQ200680055296
公开日2009年7月15日 申请日期2006年5月15日 优先权日2006年5月15日
发明者A·伯特, I·德米特里夫, S·阿格利奥佐 申请人:Im3D有限公司