CN103793906A - 用于不规则形状目标的基于图像的检测和跟踪的模板匹配方法 - Google Patents
用于不规则形状目标的基于图像的检测和跟踪的模板匹配方法 Download PDFInfo
- Publication number
- CN103793906A CN103793906A CN201310514212.7A CN201310514212A CN103793906A CN 103793906 A CN103793906 A CN 103793906A CN 201310514212 A CN201310514212 A CN 201310514212A CN 103793906 A CN103793906 A CN 103793906A
- Authority
- CN
- China
- Prior art keywords
- image
- methods according
- processor
- template image
- input picture
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 92
- 238000001514 detection method Methods 0.000 title abstract description 4
- 230000001788 irregular Effects 0.000 title abstract description 3
- 238000003672 processing method Methods 0.000 claims abstract description 4
- 230000009471 action Effects 0.000 claims description 18
- 238000003384 imaging method Methods 0.000 claims description 12
- 230000005418 spin wave Effects 0.000 claims description 9
- 238000012952 Resampling Methods 0.000 claims description 6
- 238000012935 Averaging Methods 0.000 claims description 3
- 230000002452 interceptive effect Effects 0.000 claims description 3
- 230000002708 enhancing effect Effects 0.000 abstract description 5
- 230000005855 radiation Effects 0.000 description 39
- 230000008569 process Effects 0.000 description 28
- 238000011282 treatment Methods 0.000 description 25
- 238000005516 engineering process Methods 0.000 description 22
- 238000000926 separation method Methods 0.000 description 16
- 238000004891 communication Methods 0.000 description 14
- 230000015654 memory Effects 0.000 description 12
- 230000001052 transient effect Effects 0.000 description 12
- 238000012545 processing Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 206010028980 Neoplasm Diseases 0.000 description 7
- 230000005540 biological transmission Effects 0.000 description 6
- 230000008878 coupling Effects 0.000 description 5
- 238000010168 coupling process Methods 0.000 description 5
- 238000005859 coupling reaction Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 230000007717 exclusion Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000001959 radiotherapy Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 3
- 230000002349 favourable effect Effects 0.000 description 3
- 238000002786 image-guided radiation therapy Methods 0.000 description 3
- 239000003550 marker Substances 0.000 description 3
- 230000013011 mating Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 210000000744 eyelid Anatomy 0.000 description 2
- 210000004072 lung Anatomy 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000011664 signaling Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 210000001519 tissue Anatomy 0.000 description 2
- 208000006678 Abdominal Neoplasms Diseases 0.000 description 1
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 230000003213 activating effect Effects 0.000 description 1
- 210000003484 anatomy Anatomy 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000002224 dissection Methods 0.000 description 1
- 230000010102 embolization Effects 0.000 description 1
- 238000002513 implantation Methods 0.000 description 1
- 210000004185 liver Anatomy 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 208000020816 lung neoplasm Diseases 0.000 description 1
- 208000037841 lung tumor Diseases 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 210000000496 pancreas Anatomy 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 210000004872 soft tissue Anatomy 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000011287 therapeutic dose Methods 0.000 description 1
- 238000002560 therapeutic procedure Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 230000014616 translation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
- G06T7/0014—Biomedical image inspection using an image reference approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
- G06T7/248—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments involving reference images or patches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10116—X-ray image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10116—X-ray image
- G06T2207/10124—Digitally reconstructed radiograph [DRR]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20036—Morphological image processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30096—Tumor; Lesion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30204—Marker
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Multimedia (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Analysis (AREA)
Abstract
本发明的各实施方式总体上涉及用于不规则形状目标的基于图像的检测和跟踪的模板匹配方法。具体地,涉及一种图像处理方法,该方法包括:获得输入图像;增强输入图像中的对象;以及在输入图像被增强后,使用处理器来应用低通滤波器,以获得经处理的图像。一种计算机产品包括存储指令集的非暂态介质,该指令集的执行致使方法被执行,该方法包括:获得输入图像;增强输入图像中的对象;以及在输入图像被增强后,应用低通滤波器以获得经处理的图像。
Description
技术领域
本申请一般涉及成像,更具体来说,涉及图像中的不透射线的结构的分割的***和方法。
背景技术
放射疗法已用于***,例如,肺部和腹部肿瘤。植入标记(例如,射线透不过的基准)已在放射疗法中用于目标定位。特别在放射疗法中,治疗剂量的精确传送是至关重要的以便最大化肿瘤剂量与正常组织剂量之间的比率。为了实现这个目标,可以将x射线可见标记植入肿瘤中或附近。其允许在图像引导放射疗法(IGRT)的x射线图像中使用投影标记轨迹。
有时,标记可能不具有简单形状,例如,桥柱或BB。此标记的一个实例为薄的柔性VisicoilTM标记,其被植入解剖部位(例如,肺、肝脏和胰腺)中的肿瘤中或周围以实现IGRT的目的。VisicoilTM的主要优点为由于其小直径和软组织较少迁移的机会引起的减少的侵袭性,这是因为VisicoilTM标记被设计成在以直丝弓的形式被植入后盘绕起来并且与周围组织接合。然而,由于周围组织的可变性,标记可能在被植入解剖三维空间中后呈现不规则且不可预测的形状,而不是完全盘绕起来。在一些情况下,因为使基准在从不同的定位获得的X射线投影中以不同的扩展形状显现出来,所以基准的稳健跟踪可能是一个挑战。
发明内容
一种图像处理方法包括:获得输入图像;增强输入图像中的对象;以及在输入图像被增强后,使用处理器来应用低通滤波器,以获得经处理的图像。
可选地,增强对象的动作包括使用滚球滤波器。
可选地,滚球滤波器具有与输入图像中的对象的横截面尺寸对应的球直径。
可选地,应用低通滤波器的动作包括使用各向异性滤波器内核。
可选地,低通滤波器包括与CT图像的图像分辨率相关联的第一参数。
可选地,低通滤波器包括与CT图像的切片间距相关联的第二参数。
可选地,输入图像包括在线图像。
可选地,该方法进一步包括:获得模板图像;以及将经处理的图像与模板图像进行比较。
可选地,比较的动作包括确定互相关、归一化互相关或交互信息。
可选地,比较的动作包括确定模板图像与经处理的图像之间的相似度。
可选地,比较的动作包括在相对于彼此不同的偏移量下,确定模板图像与经处理的图像之间的匹配得分。
可选地,匹配得分定义在搜索区域上面的匹配得分表面,匹配得分表面具有峰和至少一个旁瓣。
可选地,该方法进一步包括确定峰相对于至少一个旁瓣突出多少。
可选地,该方法进一步包括:确定至少一个旁瓣的标准偏差;以及确定峰旁瓣比,该峰旁瓣比为峰除以至少一个旁瓣的标准偏差的值。
可选地,该方法进一步包括使用掩模(mask)以从匹配得分表面排除峰及其邻近区域。
可选地,该方法进一步包括通过以下操作确定掩模:在不同的偏移量下使模板图像与它本身互相关,以获得自相关表面;以及确定自相关表面超过或低于阈值的位置。
可选地,阈值在0.3与0.4之间。
可选地,该方法进一步包括:使用峰的值和至少一个旁瓣的值确定峰旁瓣比;以及将峰旁瓣比与阈值进行比较,以确定在经处理的图像与模板图像之间是否存在匹配。
可选地,该方法进一步包括生成模板图像,其中生成模板图像的动作包括:接收代表用户对对象在体积图像的各自不同的切片中的标识的输入;使用输入来确定包括体积图像的子集中的体素的感兴趣体积(VOI);以及使用VOI中的体素中的至少一些体素来确定模板图像。
可选地,VOI包括圆柱几何体。
可选地,圆柱几何体包括垂直于圆柱几何体的圆形截面的轴,该轴平行于成像设备的支架的旋转轴。
可选地,确定模板图像的动作包括执行VOI中的体素中的至少一些体素的前向投影。
可选地,前向投影包括VOI中的体素中的至少一些体素的前向最大强度投影。
可选地,前向投影包括VOI中的体素中的至少一些体素的前向平均投影。
可选地,前向投影包括VOI中的体素中的至少一些体素的前向中值投影。
可选地,确定模板图像的动作进一步包括在执行前向投影之前,将VOI中的体素重采样到平行于输入图像的平面的图像平面中。
可选地,增强对象的动作包括增强组织结构的边界。
可选地,低通滤波器被应用于平滑位于组织结构的边界内的特征。
***包括被配置用于执行任何上述方法的处理器。
一种具有存储指令集的介质的计算机产品,该指令集的执行将致使任何上述方法被执行。
通过阅读实施方案的以下详细描述,其他和进一步的方面和特征将变得明显。
附图说明
图式说明实施方案的设计和效用,其中类似的元件由共同参考数字指代。这些图未必按比例绘制。为了更好地了解如何获得上述和其他优点以及目的,将提供在附图中说明的实施方案的更特定描述。这些图只描绘典型实施方案并且因此不被认为是其范围的限制。
图1图示可以用于实施本文所述的一个或多个实施方案的辐射***;
图2为图示根据一些实施方案的模板匹配方法的流程图;
图3-4图示根据一些实施方案的生成模板的方法;
图5图示根据一些实施方案的处理输入图像的方法;
图6图示根据一些实施方案的匹配得分表面的实例;
图7图示影响错误检测概率和丢失目标的概率的阈值参数;
图8图示用于执行跟踪而无需使用植入标记的技术;
图9A-9C图示根据一些实施方案的用于使用体积图像来生成数字化体层融合图像的技术;以及
图10图示根据一些实施方案的可以实施本文所述的实施方案所用的计算机***。
具体实施方式
在下文中参照图来描述各种实施方案。应注意,这些图未按比例绘制并且类似的结构或功能的元件由贯穿图中的相似的参考数字表示。也应注意,这些图只意图促进实施方案的描述。这些图不意图作为本发明的详尽的描述或作为本发明的范围的限制。另外,说明性实施方案不需要具有示出的所有方面或优点。结合特定实施方案描述的方面或优点未必限于这个实施方案,并且即使不那么说明也可以在任何其他实施方案中被实践。
图1图示可以用于实施本文所述的一个或多个实施方案的辐射***10。***10包括支架12、用于支撑病人28的病人支撑器14,以及用于控制支架12的操作的控制***18。***10也包括在病人28支撑在支撑器14上时将辐射束26投影到病人28的辐射源20,以及位于相对于源20的操作位置(例如,在支撑器14下面)的成像器100。辐射源20可以在不同实施方案中被配置成生成锥形光束、扇形光束或其他类型的辐射束。
在说明性实施方案中,辐射源20为用于提供诊断能量的诊断辐射源。在此类情况下,成像器100被配置成接收诊断辐射并且响应于诊断辐射而生成图像信号。在其他实施方案中,除辐射源20为诊断辐射源之外,辐射源20也为用于提供治疗能量的治疗辐射源。在此类情况下,成像器100被配置成选择性地接收诊断辐射或治疗辐射并且响应于诊断辐射或治疗辐射而生成图像信号。在进一步的实施方案中,辐射源20为治疗辐射源而不是诊断辐射源。在此类情况下,成像器100被配置成接收治疗辐射并且响应于治疗辐射而生成图像信号。在辐射源20被配置成传送治疗辐射的实施方案中,***10可以可选地进一步包括用于改变辐射束的特性(例如,形状)的准直器。
在一些实施方案中,治疗能量一般为160千电子伏特(keV)或更大,并且更典型地1兆电子伏特(MeV)或更大的那些能量,并且诊断能量一般为低于高能量范围,并且更典型地低于160keV的那些能量。在其他实施方案中,治疗能量和诊断能量可以具有其他能级,并且涉及分别用于治疗和诊断的目的的能量。在一些实施方案中,辐射源20能够在约10keV与约20MeV之间的范围内的多个光子能级下生成X射线辐射。在2001年11月2日提交的标题为“RADIOTHERAPYAPPARATUS EQUIPPED WITH AN ARTICULABLE GANTRY FORPOSITIONING AN IMAGING UNIT”的美国专利申请序号10/033,327,以及2003年10月15日提交的标题为“MULTI-ENERGYX-RAY SOURCE”的美国专利申请序号10/687,573中描述能够在不同能级下生成X射线辐射的辐射源。在说明性实施方案中,辐射源20耦合到环架并且位于钻孔内。在其他实施方案中,辐射源20可以耦合到臂架。
在说明性实施方案中,控制***18包括耦合到控制器40的处理器54,例如,计算机处理器。控制***18也可以包括用于显示数据的监视器56和用于输入数据的输入设备58,例如,键盘或鼠标。在说明性实施方案中,支架12可围绕病人16旋转并且在成像和/或治疗程序期间,支架12围绕病人28旋转(如同在CT程序和/或足弓疗法中)。在其他实施方案中,支架12不在程序期间围绕病人28旋转。在此情况下,支架12可以是固定的,并且病人支撑器14是可旋转的。辐射源20和支架12(如果支架12是可旋转的)的操作由控制器40控制,控制器40将功率信号和定时信号提供到辐射源20,并且基于从处理器54接收的信号控制支架12的旋转速度和位置。尽管将控制器40示出为与支架12和处理器54分开的组件,但是在替代实施方案中,控制器40可以为支架12或处理器54的一部分。
应注意,***10不限于上述实例,并且在其他实施方案中***10可以具有其他配置。例如,在其他实施方案中,***10可以具有不同形状。在其他实施方案中,***10可以具有不同的运动范围和/或自由度。例如,在其他实施方案中,辐射源20可以完全通过360°范围或部分通过小于360°的范围围绕病人28旋转。此外,在其他实施方案中,辐射源20可相对于病人28平移。在更进一步的实施方案中,***10可以为具有成像能力的任何成像***。
图2为图示根据一些实施方案的模板匹配方法200的流程图。方法200包括模板生成过程202、成像过程204和模板匹配过程206。
如图中所示,在模板生成过程202中,体积图像210(例如,CT图像)和关于轮廓结构的信息212用于提供一个或多个模板图像214。在说明性实施方案中,可以从计划会议获得体积图像210。在其他实施方案中,可以在诊断会议或治疗会议期间获得体积图像210。在一些实施方案中,体积图像210可以具有1mm或小于1mm的像素分辨率。在其他实施方案中,体积图像210可以具有大于1mm的像素分辨率。此外,在一些实施方案中,体积图像210的切片可以具有2.5mm或更小,并且更优选1.25mm或更小的间距。
可以从医师或技师获得关于轮廓结构的信息212,医师或技师在图像210中的感兴趣对象周围提供轮廓。在一些实施方案中,关于轮廓结构的信息212可以为由评审图像210的人绘制的轮廓,和/或关于轮廓的数据。在其他实施方案中,可以从设备获得信息212,而不是从输入信息212的人(用户)获得信息212。例如,评审图像210的人可以通过用户接口将关于轮廓结构的信息输入到设备中,其中设备可以为计算机、手持设备、存储设备,或能够接收数据的任何其他类型的设备。在此类情况下,可以通过从设备检索存储信息212而获得信息212。
在成像过程204中,输入图像220用于生成经处理的图像222。在一些实施方案中,输入图像220可以为在治疗会议之前(例如,在病人设置期间)获得的图像。在其他实施方案中,可以在治疗会议期间(例如,在激活辐射束期间,或在传送辐射束之间)获得输入图像220。在一些情况下,输入图像220可以为在线图像,例如,在线投影图像。在说明性实施方案中,成像过程204可以涉及一个或多个空间滤波器,其被应用于输入图像220以生成经处理的图像222。在一些实施方案中,空间滤波器中的一个可以由用户输入240(例如,基准宽度)配置(例如,至少部分地定义)。此外,在一些实施方案中,输入图像220可以为原始图像的子集。例如,输入图像220可以为在原始输入图像内的感兴趣区域(ROI)。评审输入图像的用户可以手动选择ROI。在一些实施方案中,可以将ROI自动确定为由模板图像214的维度(例如,x维度和y维度)扩展的搜索区域。输入图像220中的搜索区域可以集中在预期的目标位置,并且可以具有与运动边缘对应的维度。在一些情况下,可以从计划数据确定预期的目标位置。例如,计划数据可以包括关于治疗等中心位置的信息,以及代表治疗体积的轮廓结构。此外,在一些情况下,可以从计划数据获得运动边缘。例如,可能存在肿瘤的4D CT,其显示肿瘤的运动程度。在其他实施方案中,输入图像220可以为整个原始图像。
在模板匹配过程206中,处理经处理的输入图像222和模板图像214以确定是否存在匹配,并且如果存在匹配,那么基于匹配确定对象的位置。
图3-4图示根据一些实施方案的生成模板(例如,图2的模板图像214)的方法300。在一些实施方案中,方法300可以用于实施图2的模板生成过程202。如图3中所示,方法300包括从用户接收代表用户对对象的标识的输入(项目302)。在一些实施方案中,用户可以检查体积图像(例如,图2中的体积图像210的一个或多个切片)以标识感兴趣对象。然后,用户可以通过某种方法(例如,通过使用图形用户接口)在感兴趣对象周围创建轮廓。在一些实施方案中,创建的轮廓和/或与轮廓相关联的数据可以为图2中所示的输入212的实例。在一些情况下,体积图像210可以包括不规则形状标记400(图4)的图像。在此类情况下。在标记400在不同切片中出现时,用户可以检查体积图像210的不同切片以标识标记400,然后在体积图像210的不同切片的每个中的标记400周围绘制轮廓402。在一些实施方案中,图3的方法300中的项目302可以由从用户接收代表对象的标识(例如,标记400)的输入的设备(例如,处理器,例如,处理器54或另一处理器)完成。在其他实施方案中,代表对象的标识的用户输入212可以存储在设备中,并且项目302可以由存储输入212的相同的设备完成(例如,设备本身可以检索存储输入212)。在进一步的实施方案中,代表对象的标识的用户输入212可以存储在第一设备中,并且项目302可以由从第一设备检索存储输入212的第二设备完成。
返回到图3,接着,在方法300中,处理器(例如,处理器54或另一处理器)使用从项目302获得的输入(例如,输入212)以确定包括体积图像的体素的感兴趣体积(VOI)(项目304)。在一些实施方案中,VOI包括在体积图像210的切片中的每个切片中由用户绘制的轮廓402内的体素。此外,在一些实施方案中,VOI可以包括在轮廓402外面的额外的体素。例如,在一些实施方案中,VOI可以包括体积图像210的与绘制的轮廓402相距某一规定距离的体素。在其他实施方案中,VOI可以包括体积图像210的在定义的三维空间几何内的体素。例如,如图4中所示,可以基于轮廓402定义圆柱几何体420(VOI的实例),以使得在轮廓402内的所有体素在圆柱几何体420内。在一些情况下,圆柱几何体420可以进一步被定义为具有圆形截面,以及垂直于圆形截面并且平行于成像设备的支架的旋转轴(例如,图1的***100中的旋转轴110)(或与该旋转轴对齐)的纵轴422。在其他实施方案中,三维空间几何可以具有与圆柱几何体不同的形状。此外,在其他实施方案中,可以使用其他标准定义三维空间几何。
返回到图3的方法300,接着,处理器使用VOI420中的体素中的至少一些体素来确定(例如,计算、生成、导出等)模板(例如,图2中的模板图像214)(项目306)。在一些实施方案中,模板的确定可以由执行VOI420中的体素中的至少一些体素的前向投影的处理器(例如,处理器54或另一处理器)完成。通过非限制性实例,前向投影可以是VOI420中的体素中的至少一些体素的前向最大强度投影、前向平均投影或前向中值投影。在一些实施方案中,在执行前向投影之前,处理器也可以将VOI420中的体素重采样到平行于输入图像(例如,输入图像220)的平面的图像平面430中。因此,VOI420中的体素的重采样可以基于输入图像220的定位。在此类情况下,取决于生成输入图像220的支架角度,可以将用于重采样体素的图像平面430的定位调整成与输入图像220的定位对应。
如上述实施方案中所示,定义VOI420是有利的,这是因为其将用于处理(例如,前向投影)的体素的数量限于原始体积图像的某一子集。这又产生具有对应于定义的VOI420的尺寸的模板图像214。因此,所得的模板图像214将具有覆盖感兴趣对象的尺寸,而在VOI420外面的其他对象将不许包括在模板图像214中。这也是有利的,因为为了实现跟踪的目的其将模板图像214限于具有足够大以覆盖感兴趣对象的大小。在一些实施方案中,处理器(例如,处理器54或另一处理器)基于用户的输入212自动地确定和完成模板图像214的大小调整。
在一些实施方案中,从项目306确定的模板图像214可以存储在非暂态介质中以便以后处理。替代地或另外,模板图像214可以显示在屏幕中以便允许用户查看。此外,在一些实施方案中,处理器(例如,处理器54或另一处理器)可以使用不同支架角度的上述技术来确定多个模板图像214。例如,处理器可以确定对应于具有3°间距的120支架角度的一组模板图像214。在一个实施中,处理器可以只生成一半数量的模板图像214(例如,覆盖180°范围),然后通过水平翻转模板图像214生成剩余数量的模板图像214。模板图像214可以存储在非暂态介质中以便以后处理,和/或显示在屏幕中以便允许用户查看。此外,在一些实施方案中,在方法300中涉及的任何参数和/或输入可以存储在非暂态介质中以便以后检索和/或处理。例如,在一些实施方案中,用于定义VOI420的参数和/或输入可以存储在非暂态介质中。
返回到图2,如上所述,模板匹配方法200也包括成像过程204,其涉及获得输入图像220,以及处理输入图像220以获得经处理的图像222。在一些实施方案中,将输入图像220处理成经处理的图像222以使得经处理的图像222具有与模板图像214进行比较的可取的特征。各种技术可以用于处理输入图像220以使得输入图像220具有与模板图像214进行比较的可取的特征。在一些实施方案中,输入图像220的处理可以涉及将第一空间滤波器和第二空间滤波器应用于输入图像220以获得经处理的图像222。图5图示根据一些实施方案的用于处理输入图像220的方法500。如图中所示,可以将第一滤波器510应用于输入图像220以增强输入图像220中的对象。在已应用第一滤波器510后,可以应用第二滤波器520以使得经处理的图像222具有与模板图像214的分辨度对应(例如,匹配或紧密相似)的分辨度。
在说明性实施方案中,第一滤波器510为滚球滤波器。在一个实施中,滚球滤波器可以由球直径wb=(c2+wp2)1/2至少部分地定义,其中wp为基准宽度(例如,标记400的宽度,例如,横截面尺寸),并且c可以为任何常数。在一些实施方案中,对于不盘绕起来的Visicoil导线,wp可以为0.35mm,或对于盘绕起来的Visicoil导线,wp可以为2.0mm。在其他实施方案中,对于盘绕起来的栓子形成旋管,wp可以为3.0mm。在进一步的实施方案中,wp可以为圆柱形金粒的直径,例如,0.8mm。应注意,wp不应限于上述实例,并且wp可以具有不同于上述实例的其他值。此外,在一些实施方案中,c可以为在0.1mm与1mm之间,并且更优选在0.2mm与0.5mm之间,并且更优选在0.3mm与0.4mm之间(例如,0.35mm)的值。在其他实施方案中,c可以为不同于所描述的那些值的其他值。在一些实施方案中,可以将滚球滤波器应用于输入图像220以相对于其周围的对象而增强对象(例如,标记400或组织结构)。在其他实施方案中,可以将滚球滤波器应用于输入图像220以增强对象的边界(例如,组织结构的边界)。
此外,在说明性实施方案中,第二滤波器520为低通滤波器。在一个实施中,低通滤波器可以由两个参数wx、wy至少部分地定义。参数wx用于配置输入图像220以使得经处理的图像222在与体积图像210(其用于生成模板图像214)的像素大小对应的x方向上具有分辨率。参数wy用于配置输入图像220以使得经处理的图像222在与体积图像210(其用于生成模板图像214)的切片间距对应的y方向上具有分辨率。在一些实施方案中,wx可以被确定为常数(例如,0.3或任何其他值)乘以体积图像210中的像素大小。此外,在一些实施方案中,wy可以被确定为常数(例如,0.3或任何其他值)乘以体积图像210的切片间距。此外,在一些实施方案中,低通滤波器可以为高斯型低通滤波器。在一个实施中,高斯型低通滤波器可以在相对于输入图像220的x方向和y方向上由1个标准偏差的宽度规定。
应注意,在其他实施方案中可能存在用于定义低通滤波器的其他参数。例如,作为上述参数的补充/替代,其他滤波器参数可以包括SAD、SDD、检测器像素大小或上述组合。
在其他实施方案中,第一滤波器510和第二滤波器520中的每个可以为不同于所述实例的任何其他类型的滤波器。
返回到图2,在经处理的输入图像220以提供经处理的图像222后,并且在已获得模板图像214后,然后可以在模板匹配过程206中比较经处理的图像222与模板图像214。在一些实施方案中,从成像器或存储设备接收输入图像220的处理器(例如,处理器54或另一处理器)可以获得输入图像220。可以在治疗会议之前(如在病人设置中)完成这个过程,在这些情况下,可以比较经处理的图像222与模板图像214以标识用于定位病人的感兴趣对象。在其他实施方案中,可以获得经处理的图像222,并且可以在传送辐射束之间的治疗会议期间执行经处理的图像222与模板图像214之间的比较。在此类情况下,经处理的图像222可以用于在传送辐射束之间重新定位病人。在进一步的实施方案中,可以获得经处理的图像222,并且可以在传送辐射束期间执行经处理的图像222与模板图像214之间的比较。在此类情况下,经处理的图像222与模板图像214之间的比较结果可以用于实质上实时跟踪感兴趣对象。
在一些实施方案中,当比较经处理的图像222与模板图像214时,处理器确定具有与经处理的图像222的平面平行的平面的模板图像214。因此,在一些实施方案中,模板图像214(其用于与经处理的图像222比较)为来源于位于图像平面430的重采样的体素的图像,图像平面430具有平行于经处理的图像222或输入图像220的平面的定位(参见图4)。如上所述,在一些实施方案中,处理器可以提前生成与不同的支架角度对应的一组模板图像214,并且将模板图像214存储在非暂态介质中。在此类情况下,在模板匹配过程206期间,处理器从具有与获得输入图像220所在的支架定位对应(例如,相同或最靠近)的支架定位的组中选择模板图像214。
在其他实施方案中,对于每个输入图像220,处理器可以选择覆盖支架角度的几个模板图像214,这些支架角度接近生成输入图像220所用的支架角度。例如,如果在30°的支架角度下生成输入图像220,那么处理器除选择具有相应的30°的支架角度的模板图像214之外,也可以选择具有在距30°的规定范围内的相应的支架角度的模板图像214(例如,在支架角度30°±10°内的模板图像214)。这种技术是有利的,这因为自从生成模板图像214之后已使感兴趣对象稍微旋转。核实其他支架角度允许在设法找到最佳匹配输入图像220/经处理的图像222的模板图像214时考虑此旋转。此外,在一些实施方案中,上述技术可以提供用于估计旋转量的方法。
各种技术可以用于比较经处理的图像222与模板图像214。例如,在不同的实施方案中,处理器(例如,处理器54或另一处理器)可以被配置成执行经处理的图像222与模板图像214之间的互相关、归一化互相关或交互信息。此外,在一些实施方案中,处理器可以被配置成确定经处理的图像222与模板图像214之间的相似度。
在一个实施中,处理器可以在相对于彼此不同的偏移量下确定模板图像214与经处理的图像222之间的匹配得分。例如,可以在相对于经处理的图像222的不同偏移量下(数学上)定位模板图像214,从而覆盖搜索ROI。如图6中所示,匹配得分可以定义在搜索区域上面的匹配得分表面600。如图中所示,匹配得分表面600可以具有峰602和至少一个旁瓣604。在一些实施方案中,匹配得分表面600中的值可以可选地被归一化,其中最高峰602具有值1.0。
在一些情况下,在匹配得分表面600中存在峰的事实可能不代表感兴趣对象在经处理的图像222中。换句话说,匹配得分表面600中的峰502可能不代表经处理的图像222与模板图像214之间的“真实”匹配。这是因为不管是否存在“真实匹配”,确定匹配得分表面600的上述技术总会产生匹配得分表面600中的峰602。因此,在一些实施方案中,可能需要确定峰602是否代表经处理的图像222与模板图像214之间的匹配。
为了完成这个目标,在一些实施方案中,处理器可以确定多少峰602相对于旁瓣604突出。例如,在一个实施中,处理器可以被配置成通过使峰602的值除以旁瓣604的值来确定峰旁瓣比。在其他实施方案中,处理器可以确定旁瓣604的标准偏差,并且通过使峰602的值除以旁瓣604的标准偏差来确定峰旁瓣比。在确定峰旁瓣比后,然后处理器可以比较峰旁瓣比与阈值以确定是否存在经处理的图像222与模板图像214之间的匹配。如果峰旁瓣比超过阈值,那么处理器可以确定存在目标(感兴趣对象)。否则,处理器可以确定不存在目标。如果存在目标,那么峰602的位置可以用作目标的位置。在一些实施方案中,可以基于给定图像的旁瓣统计确定阈值,例如,在图7中所示并且在本文中所述的阈值。或者,可以基于多个图像的旁瓣统计确定阈值。
此外,如上所述,在一些实施方案中,处理器可以比较经处理的图像222与毗邻(就定位/支架角度而言)经处理的图像222的几个模板图像214以引起感兴趣对象的轻微旋转。在此类情况下,对于模板图像214中的每个模板图像,处理器可以确定相应的峰旁瓣比。处理器也可以选择具有最高峰旁瓣比的模板图像作为匹配的模板图像,并且使用此模板图像中的峰602的位置作为目标的位置。
在一个或多个实施方案中,处理器(例如,处理器54或另一处理器)可以被配置成自动标识旁瓣604。例如,在一些实施方案中,处理器可以被配置成从匹配得分表面600排除峰602及其邻近区域,并且剩余的表面将具有旁瓣604,但不具有峰602。在一些实施方案中,处理器可以确定掩模来排除峰602。例如,处理器可以通过在不同的偏移量下使模板图像214与它本身互相关以获得自相关表面来确定掩模。然后,处理器标识自相关表面超过阈值的位置。例如,阈值可以在0.1与0.3之间,或更优选在0.15与0.25之间(例如,0.2)。超过阈值的匹配得分表面600中的所有值将为禁止区的部分。当将禁止区应用于匹配得分表面600时,将去除峰602及其邻近区域。
或者,处理器可以标识自相关表面低于阈值的位置。例如,阈值可以在0.1与0.3之间,或更优选在0.15与0.25之间(例如,0.2)。低于阈值的匹配得分表面600中的所有值将为接受区的部分。当将接受区应用于匹配得分表面600时,旁瓣604将保持作为剩余的表面的部分,同时将去除峰602及其邻近区域。在此类情况下,掩模代表接受区,不代表禁止区。
在一个或多个实施方案中,掩模(其可以代表禁止区或接受区)可以存储在非暂态介质中。例如,掩模可以被保存作为(X,Y)坐标的列表,其中(0,0)关于峰位。
如图7中所示,阈值确定在搜索区域中的非目标点错误检测目标的概率PFD。阈值也确定丢失实际上存在的目标的概率PA。
在上述实施方案中,已参照标记400描述感兴趣对象。标记400可以具有伸长配置、球形配置、椭圆配置、随机三维配置或任何其他配置。在其他实施方案中,感兴趣对象可以为多个标记。在此类情况下,VOI(例如,圆柱几何体420)可以包括在体积图像210的切片的每个中由用户绘制的标记的轮廓402内的体素。因此,从图3的方法300获得的所得的模板图像214将包括标记400的图像。当此类模板图像214用于图2的模板匹配过程206时,将基于这组标记400比较经处理的图像222与模板图像,就像标记400为单一的对象一样。
此外,在其他实施方案中,感兴趣对象可以为组织结构(无标记基准)。在此类情况下,可以生成模板图像214以使得其具有与组织结构对应的特征。例如,如图8中所示,在一些实施方案中,模板图像214可以包括具有类似于组织结构的形状的区域802。模板图像214也可以包括围绕区域802的第一层/区域804,以及围绕第一层/区域804的第二层/区域n806。如图中所示,模板图像214中的区域802、804、806具有不同各自的色彩/灰阶。
各种技术可以用于生成模板图像214。在一些实施方案中,人可以评审体积图像(例如,图2的体积图像210)的切片,并且标识感兴趣对象。然后,人可以在体积图像的各自的切片中的感兴趣对象周围建立轮廓。在一些实施方案中,处理器(例如,处理器54或另一处理器)可以被配置成接收所建立的轮廓作为用户的输入212,并且基于输入212自动建立三维模型。在一些实施方案中,三维模型可以具有由人绘制的轮廓至少部分地定义的体积。例如,三维模型的体积可以具有与所建立的轮廓相交的表面。此外,在一些实施方案中,三维模型可以进一步包括由处理器自动建立的第一层以使得第一层围绕体积,并且包括由处理器自动建立的第二层以使得第二层围绕第一层。第一层可以具有第一预定厚度,并且第二层可以具有第二预定厚度。此外,处理器可以分配体积内的所有体素以具有第一色彩/灰阶(如同在图8中的模板214中的区域802中所示的色彩)、第一层内的所有体素以具有第二色彩/灰阶(如同在模板214中的区域804中所示的色彩),以及第二层内的所有体素以具有第三色彩/灰阶(如同在模板214中的区域806中所示的色彩)。在建立三维模型后,三维模型可以存储在非暂态介质中以便以后处理。
在使用期间,处理器接收输入图像220。为了与输入图像220互相关,处理器重切三维轮廓以便制作平行于输入图像平面的二维轮廓。例如,重切可以通过治疗等中心(例如,在计划期间由用户标识的肿瘤的中心点)。为了匹配输入图像的几何形状,处理器可以被配置成前向投影这个二维轮廓。然后,处理器可以生成围绕前向投影的轮廓图像中的轮廓的两个层802、804,由此产生二维模板(如同在图8的实例中所示的模板214)。
在一些实施方案中,当基于无标记基准(例如,组织结构)执行方法200时,可以处理输入图像220以使得经处理的图像222看起来像模板图像214。例如,在图像处理204/500中,可以应用第一滤波器510以突出组织结构的边界,并且可以应用第二滤波器520以使在组织结构的边界内的特征平滑。如图8的实例中所示,使用这种技术,可以处理输入图像220以实现具有模糊特征的经处理的图像222,以使得经处理的图像222类似于模板图像214。在一些实施方案中,第一滤波器510可以为滚球滤波器,并且第二滤波器520可以为低通滤波器(例如,中值滤波器、平均滤波器等)。在其他实施方案中,第一滤波器510可以为另一类型的滤波器。例如,在涉及无标记基准的一些实施方案中,第一滤波器510可以为能够增强组织结构的边界的任何类型的滤波器。此外,对于无标记基准,在一个实施中,第二滤波器520可以为中值滤波器。
如先前所述,在处理输入图像220以获得经处理的图像222后,并且在已获得模板图像214后,然后在模板匹配过程206中比较经处理的输入图像222与模板图像214。
在其他实施方案中,输入图像220可以为由多个角相邻投影而不是单个投影构成的数字化体层融合(DTS)图像。数字化体层融合图像为使用投影图像重建的图像(例如,体积图像),其中所涉及的投影图像的数量可以小于CT图像的数量。在此类情况下,图像处理204为可选的,并且DTS输入图像220本身(例如,DTS输入图像220的切片)可以用于与模板214比较。在其他实施方案中,在比较增强的输入图像与模板214之前,可以执行图像处理204以增强DTS输入图像220中的特征。用于与输入图像220比较的模板214可以为用CT体积图像210建构的DTS图像。在此类情况下,形成模板214的DTS图像可以被认为是“人工”DTS图像,这是因为不根据用多个投影图像重建DTS图像的常规技术建构DTS图像。
各种技术可以用于从体积CT图像获得一组人工DTS图像。在一些实施方案中,处理器(例如,处理器54或另一处理器)被配置成将体积图像210中的体素(例如,由用户定义的感兴趣区域中的体素)在计算上前向投影到一组中间平面上以建立图像切片900a-900e(图9A)。在一种技术中,当执行前向投影以建立图像切片900a-900e时,处理器可以沿着部分地在体积图像210中的对象周围的轨迹(例如,弧形路径)将模拟源在数学上移动到与用于形成在线DTS图像220的投影的角间距对应的不同位置。在图9B中用图形图示这种技术。如图中所示,从具有角间距912的不同位置910a-910g执行前向投影。在一些实施方案中,角间距912可以等于用于形成在线DTS图像220的投影的角间距。在其他实施方案中,角间距912可以不同于(例如,大于或小于)用于形成在线DTS图像220的投影的角间距。为了建立切片900(例如,900a),执行从不同位置910a-910g前向投影到切片900的平面(例如,切片900a的平面)上。例如,当执行从位置910b前向投影到图像切片900a的平面上时,通过体积图像210中的感兴趣体素,沿着投影路径930的所有点(包括在图像切片900a的平面前面的点940a,以及在图像切片900a的平面后面的点940b)被投影到图像切片900a的平面上。尽管在这个实例中示出一个投影路径930,但是应理解,可能存在从位置910延伸并且与所建立的切片的平面相交的任何给定位置910的多个投影路径930,由此在为任何给定位置910建立的切片的平面上建立二维前向投影图像。也执行从其他位置(例如,910a、910c-910g)前向投影到图像切片900a的平面上。然后,求和在图像切片900a的平面上的前向投影以建立图像切片900a。可以重复相同的技术以建立其他图像切片900b-900e。尽管在这个实例中示出五个图像切片900a-900e,但是在其他实施方案中可能存在超过五个图像切片900或少于五个图像切片。在一些情况下,图像切片900a-900e可以被认为是对应于DTS重建算法中的后向投影的中间阶段。
在一些实施方案中,在处理器已执行从多个角位置前向投影时,数学上移动模拟源可以被认为已由处理器处理。此外,在一些实施方案中,当执行前向投影时,模拟源的轨迹930的弧中心可以与用于获得在线DTS图像220的轨迹的弧中心相同。另外,在一些实施方案中,模拟源的轨迹的弧长可以与用于获得在线DTS图像220的轨迹的弧长相同。在其他实施方案中,模拟源的轨迹的弧长可以不同于(例如,长于)用于获得在线DTS图像220的轨迹的弧长,以便实现更好的深度分辨率。
在一些实施方案中,在形成图像切片900a-900e后,图像切片900a-900e自己可以用作模板214。在其他实施方案中,可以去模糊图像切片900a-900e以建立各自去模糊的图像切片,然后,去模糊的图像切片用作模板214。
各种技术可以用于去模糊图像切片900a-900e。在一些实施方案中,为了去模糊切片900,处理器可以确定来自其他切片中的对象提供的模糊图像,并且可以从去模糊的切片900减去这个模糊图像。例如,为了去模糊图像切片900b,可以将其他切片900a和900c-900e前向投影到图像切片900b的平面上,然后加以求和以建立图像切片900b的模糊图像。图9C图示这个技术。如图中所示,为了建立切片900b的模糊图像,处理器(例如,处理器54或另一处理器)被配置成将其他图像切片900a和900c-900e中的像素在计算上前向投影到图像切片900b的平面上。在一个技术中,当执行前向投影以建立模糊图像时,处理器可以沿着部分地在感兴趣对象周围的轨迹948(例如,弧形路径)将模拟源在数学上移动到与用于形成在线DTS图像220的投影的角间距对应的不同位置。如图中所示,从具有角间距952的不同位置950a-950g执行前向投影。在一些实施方案中,角间距952可以等于用于形成在线DTS图像220的投影的角间距。在其他实施方案中,角间距952可以不同于(例如,大于或小于)用于形成在线DTS图像220的投影的角间距。此外,在一些实施方案中,用于生成模糊图像的角间距952可以与用于生成图像切片900的角间距912相同。在其他实施方案中,用于生成模糊图像的角间距952可以不同于用于生成图像切片900的角间距912。为了建立图像切片900b的模糊图像,执行从不同位置950a-950g前向投影到图像切片900b的平面上。例如,当执行从位置950b前向投影到图像切片900b的平面上时,在不同图像切片900a和900c-900e上沿着投影路径960的所有点(包括在图像切片900b的平面前面的点970a,以及在图像切片900b的平面后面的点970b)被投影到图像切片900b的平面上。尽管在这个实例中示出一个投影路径960,但是应理解,可能存在从位置950延伸并且与去模糊的切片的平面相交的任何给定位置950的多个投影路径960,由此在为任何给定位置950去模糊的切片的平面上建立二维前向投影图像。也执行从其他位置(例如,950a、950c-950g)前向投影到图像切片900b的平面上。然后,求和在图像切片900b的平面上的前向投影以建立图像切片900b的模糊图像。可以重复上述技术以建立其他各自的图像切片900a和900c-900e的对应的模糊图像。
在一些实施方案中,在处理器已执行从多个角位置前向投影时,在去模糊过程期间数学上移动模拟源可以被认为已由处理器处理。此外,在一些实施方案中,在去模糊过程中,模拟源的轨迹的弧中心可以与用于获得在线DTS图像220的轨迹的弧中心相同。另外,在一些实施方案中,模拟源的轨迹的弧长可以与用于获得在线DTS图像220的轨迹的弧长相同。在其他实施方案中,模拟源的轨迹的弧长可以不同于(例如,长于)用于获得在线DTS图像220的轨迹的弧长。
在获得模糊图像后,处理器然后从切片900b减去模糊图像以去模糊切片900b。执行相同的过程以去模糊这组中的其他切片(例如,900a和900c-900e),从而产生一组去模糊的图像切片。在一些实施方案中,去模糊的图像切片可以作为模板214存储在非暂态介质中以便以后处理(例如,与在线图像220模板匹配)。
上述技术产生形成给定支架角度的一组模板214的一组去模糊的切片900a-900e。在一些实施方案中,处理器可以选择去模糊的切片900a-900e的中心切片(或最接近中心的一个切片)以用于与在线DTS图像220(例如,在线DTS图像220中的相应切片)比较。在其他实施方案中,处理器可以比较模板214的多个切片与在线DTS图像220的相应的多个切片以实现粗略的三维匹配。
上述技术比一直前向投影CT体素以模拟投影图像(而不是上述中间图像)以便重建参考DTS图像的另一个可能方法更好,由此节省计算时间和资源。此外,上述技术不再需要执行后向投影(如在使用生成DRR的方法时需要的)。
如先前所述,在获得输入DTS图像220(并且可选地进行处理以增强其中的特征)后,并且在获得模板图像214后,然后在模板匹配过程206中比较输入图像220与模板图像214。
计算机***体系结构
图10为图示可以实施本发明的实施方案的计算机***1900的实施方案的方框图。计算机***1900包括用于传达信息的总线1902或其他通信机制,以及与总线1902耦合以用于处理信息的处理器1904。处理器1904可以为图1的处理器54,或用于执行本文所述的各种功能的另一处理器的实例。在一些情况下,计算机***1900可以用于实施处理器54(或本文所述的其他处理器)。计算机***1900也包括耦合到总线1902以用于存储由处理器1904执行的信息和指令的主存储器1906,例如,随机存取存储器(RAM)或其他动态存储设备。主存储器1906也可以用于在执行由处理器1904执行的指令期间存储临时变量或其他中间信息。计算机***1900进一步包括耦合到总线1902以用于存储处理器1904的静态信息和指令的只读存储器(ROM)1908或其他静态存储设备。将数据存储设备1910(例如,磁盘或光盘)提供和耦合到总线1902以用于存储信息和指令。
计算机***1900可以通过总线1902耦合到显示器1912,例如,阴极射线管(CRT)或平板,以用于向用户显示信息。输入设备1914(包括字母数字键和其他键)耦合到总线1902以用于将信息和命令选择传达到处理器1904。另一类型的用户输入设备为光标控制器1916,例如,鼠标、轨迹球或光标方向键,其用于将方向信息和命令选择传达到处理器1904以及用于控制显示器1912上的光标移动。这个输入设备通常具有两个轴,即,第一轴(例如,x)和第二轴(例如,y)中的两个自由度,其允许设备指定平面中的位置。
计算机***1900可以用于执行根据本文所述的实施方案的各种功能(例如,计算)。根据一个实施方案,计算机***1900响应于处理器1904执行在主存储器1906中含有的一个或多个指令的一个或多个序列而提供这样的使用。可以将此类指令从另一计算机可读介质(例如,存储设备1910)读取到主存储器1906中。在主存储器1906中含有的指令序列的执行使处理器1904执行本文所述的处理步骤。在多处理布置中的一个或多个处理器也可以用于执行在主存储器1906中含有的指令序列。在替代实施方案中,可以代替或结合软件指令来使用硬连线电路以实施本发明。因此,本发明的实施方案不限于硬件电路和软件的任何特定组合。
本文所用的术语“计算机可读介质”指的是参与将指令提供到处理器1904以用于执行的任何介质。此介质可以采取多种形式,包括(但不限于)非易失性介质、易失性介质和传输介质。例如,非易失性介质包括光盘或磁盘,例如,存储设备1910。非易失性介质可以被认为是非暂态介质的实例。易失性介质包括动态存储器,例如,主存储器1906。易失性介质可以被认为是非暂态介质的另一实例。传输介质包括同轴电缆、铜线和光纤,其包括包括总线1902的导线。传输介质也可以采取声波或光波的形式,例如,在无线电波和红外数据通信期间生成的传输介质。
例如,计算机可读介质的常见的形式包括软盘、软性磁盘、硬盘、磁带或任何其他磁性介质、CD-ROM、任何其他光学介质、穿孔卡片、纸带、具有穿孔图案的任何其他物理介质、RAM、PROM和EPROM、FLASH-EPROM、任何其他存储芯片或存储盒、如下文所述的载波,或计算机可以读取的任何其他介质。
各种形式的计算机可读介质可以涉及将一个或多个指令的一个或多个序列携带到处理器1904以用于执行。例如,可以最初在远程计算机的磁盘上携带指令。远程计算机可以将指令载入到其动态存储器中并且使用调制解调器通过电话线发送指令。在计算机***1900本地的调制解调器可以接收电话线上的数据并且使用红外发射机将数据转换为红外信号。耦合到总线1902的红外检测器可以接收以红外信号携带的数据并且将数据放置在总线1902上。总线1902将数据携带到主存储器1906,处理器1904从主存储器1906检索和执行指令。在处理器1904执行由主存储器1906接收的指令之前或之后,可以将这些指令可选地存储在存储设备1910上。
计算机***1900也包括耦合到总线1902的通信接口1918。通信接口1918提供耦合到网络链路1920的双向数据通信,网络链路1920连接到局部网络1922。例如,通信接口1918可以为综合服务数字网络(ISDN)卡或调制解调器以将数据通信连接提供到相应类型的电话线。作为另一实例,通信接口1918可以为局域网(LAN)卡以将数据通信连接提供到兼容的LAN。也可以实施无线链路。在任何此实施中,通信接口1918发送和接收携带代表各种类型的信息的数据流的电信号、电磁信号或光学信号。
网络链路1920通常通过一个或多个网络将数据通信提供到其他设备。例如,网络链路1920可以通过局部网络1922将连接提供到主机计算机1924或装备1926,例如,辐射束源或操作地耦合到辐射束源的开关。通过网络链路1920运送的数据流可以包括电信号、电磁信号或光学信号。通过各种网络的信号和在网络链路1920上并且通过通信接口1918的信号为运送信息的载波的示例性形式,其中通信接口1918将数据携带到计算机***1900并且从计算机***1900携带数据。计算机***1900可以通过网络、网络链路1920和通信接口1918发送消息并且接收数据(包括程序代码)。
应注意,本说明书中使用的术语“图像”未必限于显示的图像,并且也可以指的是未显示的图像。例如,在一些实施方案中,本文所述的任何图像(例如,输入图像220、经处理的图像222、体积图像210、模板图像214等)可以作为图像数据存储在非暂态介质中。
此外,术语“处理器”可以包括一个或多个处理单元,并且可以指的是能够执行使用硬件和/或软件实施的数学计算的任何设备。在其他实施方案中,术语“处理器”也可以指的是存储在非暂态介质中的软件。此外,在本文所述的任何实施方案中,可以使用单独的处理器,而不是使用处理器54来执行所述各种功能。
尽管已示出和描述特定实施方案,但是应理解,这些实施方案不意图限制所要求的发明,并且本领域技术人员将显而易见在不脱离所要求的发明的精神和范围的情况下,可以进行各种变化和修改。因此,说明书和附图应被认为是说明性的而不是限制性的意义。所要求的发明意图覆盖替代、修改和等效物。
Claims (30)
1.一种图像处理方法,包括:
获得输入图像;
增强所述输入图像中的对象;以及
在所述输入图像被增强后,使用处理器来应用低通滤波器,以获得经处理的图像。
2.根据权利要求1所述的方法,其中增强所述对象的动作包括使用滚球滤波器。
3.根据权利要求2所述的方法,其中所述滚球滤波器具有与所述输入图像中的所述对象的横截面尺寸对应的球直径。
4.根据权利要求1所述的方法,其中应用所述低通滤波器的动作包括使用各向异性滤波器内核。
5.根据权利要求1所述的方法,其中所述低通滤波器包括与CT图像的图像分辨率相关联的第一参数。
6.根据权利要求5所述的方法,其中所述低通滤波器包括与所述CT图像的切片间距相关联的第二参数。
7.根据权利要求1所述的方法,其中所述输入图像包括在线图像。
8.根据权利要求1所述的方法,进一步包括:
获得模板图像;以及
将所述经处理的图像与所述模板图像进行比较。
9.根据权利要求8所述的方法,其中比较的动作包括确定互相关、归一化互相关或交互信息。
10.根据权利要求8所述的方法,其中所述比较的动作包括确定所述模板图像与所述经处理的图像之间的相似度。
11.根据权利要求8所述的方法,其中所述比较的动作包括在相对于彼此不同的偏移量下,确定所述模板图像与所述经处理的图像之间的匹配得分。
12.根据权利要求11所述的方法,其中所述匹配得分定义在搜索区域上面的匹配得分表面,所述匹配得分表面具有峰和至少一个旁瓣。
13.根据权利要求12所述的方法,进一步包括确定所述峰相对于所述至少一个旁瓣突出多少。
14.根据权利要求12所述的方法,进一步包括:
确定所述至少一个旁瓣的标准偏差;以及
确定峰旁瓣比,所述峰旁瓣比为所述峰除以所述至少一个旁瓣的所述标准偏差的值。
15.根据权利要求12所述的方法,进一步包括使用掩模以从所述匹配得分表面排除所述峰及其邻近区域。
16.根据权利要求15所述的方法,进一步包括通过以下操作确定所述掩模:
在不同的偏移量下使所述模板图像与它本身互相关,以获得自相关表面;以及
确定所述自相关表面超过或低于阈值的位置。
17.根据权利要求16所述的方法,其中所述阈值在0.3与0.4之间。
18.根据权利要求12所述的方法,进一步包括:
使用所述峰的值和所述至少一个旁瓣的值确定峰旁瓣比;以及
将所述峰旁瓣比与阈值进行比较,以确定在所述经处理的图像与所述模板图像之间是否存在匹配。
19.根据权利要求8所述的方法,进一步包括生成所述模板图像,其中生成所述模板图像的动作包括:
接收代表用户对所述对象在体积图像的各自不同的切片中的标识的输入;
使用所述输入来确定包括所述体积图像的子集中的体素的感兴趣体积(VOI);以及
使用所述VOI中的所述体素中的至少一些体素来确定所述模板图像。
20.根据权利要求19所述的方法,其中所述VOI包括圆柱几何体。
21.根据权利要求20所述的方法,其中所述圆柱几何体包括垂直于所述圆柱几何体的圆形截面的轴,所述轴平行于成像设备的支架的旋转轴。
22.根据权利要求19所述的方法,其中确定所述模板图像的动作包括执行所述VOI中的所述体素中的所述至少一些体素的前向投影。
23.根据权利要求22所述的方法,其中所述前向投影包括所述VOI中的所述体素中的所述至少一些体素的前向最大强度投影。
24.根据权利要求22所述的方法,其中所述前向投影包括所述VOI中的所述体素中的所述至少一些体素的前向平均投影。
25.根据权利要求22所述的方法,其中所述前向投影包括所述VOI中的所述体素中的所述至少一些体素的前向中值投影。
26.根据权利要求22所述的方法,其中确定所述模板图像的所述动作进一步包括在执行所述前向投影之前,将所述VOI中的体素重采样到平行于所述输入图像的平面的图像平面中。
27.根据权利要求1所述的方法,其中增强所述对象的动作包括增强组织结构的边界。
28.根据权利要求27所述的方法,其中所述低通滤波器被应用于平滑位于所述组织结构的所述边界内的特征。
29.一种***,包括被配置用于执行根据权利要求1-28中任一项所述的方法的处理器。
30.一种具有存储指令集的介质的计算机产品,所述指令集的执行将致使根据权利要求1-28中任一项所述的方法被执行。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US13/662,365 | 2012-10-26 | ||
US13/662,365 US9008398B2 (en) | 2012-10-26 | 2012-10-26 | Template matching method for image-based detection and tracking of irregular shaped targets |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103793906A true CN103793906A (zh) | 2014-05-14 |
CN103793906B CN103793906B (zh) | 2019-05-14 |
Family
ID=49378093
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310514212.7A Active CN103793906B (zh) | 2012-10-26 | 2013-10-25 | 用于不规则形状目标的基于图像的检测和跟踪的模板匹配方法、***及计算机产品 |
Country Status (3)
Country | Link |
---|---|
US (1) | US9008398B2 (zh) |
EP (2) | EP3236417A1 (zh) |
CN (1) | CN103793906B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107464280A (zh) * | 2017-07-31 | 2017-12-12 | 广东欧珀移动通信有限公司 | 用户3d建模的匹配方法和装置 |
CN108564082A (zh) * | 2018-04-28 | 2018-09-21 | 苏州赛腾精密电子股份有限公司 | 图像处理方法、装置、服务器和介质 |
CN109313816A (zh) * | 2016-05-24 | 2019-02-05 | 皇家飞利浦有限公司 | 深度增强的断层合成重建 |
CN113177955A (zh) * | 2021-05-10 | 2021-07-27 | 电子科技大学成都学院 | 一种基于改进图像分割算法的肺癌影像病变区域划分方法 |
CN114076773A (zh) * | 2020-08-21 | 2022-02-22 | 得力富企业股份有限公司 | 钻孔检测方法、钻孔检测***与检测装置 |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9472017B2 (en) * | 2013-01-29 | 2016-10-18 | Siemens Aktiengesellschaft | Fast rendering of curved reformation of a 3D tubular structure |
US10092251B2 (en) * | 2013-03-15 | 2018-10-09 | Varian Medical Systems, Inc. | Prospective evaluation of tumor visibility for IGRT using templates generated from planning CT and contours |
KR20150026358A (ko) * | 2013-09-02 | 2015-03-11 | 삼성전자주식회사 | 피사체 정보에 따른 템플릿 피팅 방법 및 그 장치 |
CN106127809B (zh) * | 2016-06-22 | 2018-09-18 | 浙江工业大学 | 一种显微图像序列中癌细胞轨迹追踪与关联方法 |
US10636152B2 (en) | 2016-11-15 | 2020-04-28 | Gvbb Holdings S.A.R.L. | System and method of hybrid tracking for match moving |
CN106583955B (zh) * | 2016-12-13 | 2019-05-03 | 鸿利智汇集团股份有限公司 | 一种检测芯片固定方向的焊线方法 |
KR20190021027A (ko) | 2017-08-22 | 2019-03-05 | 삼성전자주식회사 | 엑스선 영상 장치 및 그 제어 방법 |
CN110276287B (zh) * | 2019-06-17 | 2022-10-18 | 百度在线网络技术(北京)有限公司 | 车位检测方法、装置、计算机设备以及存储介质 |
CN113466233B (zh) * | 2020-03-31 | 2024-07-16 | 北京配天技术有限公司 | 视觉检测方法、视觉检测装置及计算机存储介质 |
CN113018827B (zh) * | 2021-03-03 | 2022-03-15 | 盐城工学院 | 精准收集及分析的乒乓球轨迹的辅助训练***、方法、终端 |
JP2023161636A (ja) * | 2022-04-26 | 2023-11-08 | 安西メディカル株式会社 | 照射制御装置、放射線治療システム、照射制御方法、プログラム及び記憶媒体 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101443816A (zh) * | 2006-05-11 | 2009-05-27 | 皇家飞利浦电子股份有限公司 | 用于图像引导下辐射治疗的图像可变形配准 |
US20110058723A1 (en) * | 2008-05-09 | 2011-03-10 | Uwe Jandt | Apparatus for generating an image of moving object |
US20110129057A1 (en) * | 2009-11-30 | 2011-06-02 | Toshiba Medical Systems Corporation | Method for determing a correction function for correcting computed tomographic numbers of a small target object in a ct image |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US3332701A (en) | 1965-06-10 | 1967-07-25 | Neway Equipment Co | Suspension for automotive vehicles |
US6888919B2 (en) | 2001-11-02 | 2005-05-03 | Varian Medical Systems, Inc. | Radiotherapy apparatus equipped with an articulable gantry for positioning an imaging unit |
US7983446B2 (en) * | 2003-07-18 | 2011-07-19 | Lockheed Martin Corporation | Method and apparatus for automatic object identification |
US7649981B2 (en) | 2003-10-15 | 2010-01-19 | Varian Medical Systems, Inc. | Multi-energy x-ray source |
US7711087B2 (en) | 2006-04-07 | 2010-05-04 | Varian Medical Systems, Inc. | Patient setup using tomosynthesis techniques |
US8135205B2 (en) * | 2008-12-20 | 2012-03-13 | Varian Medical Systems, Inc. | Rapid matching of noisy spectra or other signal patterns |
US8515004B2 (en) | 2009-01-16 | 2013-08-20 | Varian Medical Systems, Inc. | Real-time motion tracking using tomosynthesis |
US8463005B2 (en) | 2009-03-03 | 2013-06-11 | Brainlab Ag | Stent and method for determining the position of a stent |
US8306304B2 (en) | 2009-08-31 | 2012-11-06 | Siemens Aktiengesellschaft | Precise image reconstruction of spiral CT images at optional pitch values |
DE102011003135B4 (de) | 2011-01-25 | 2018-04-05 | Siemens Healthcare Gmbh | Bildgebungsverfahren zum Rotieren eines Gewebebereichs |
US8233586B1 (en) | 2011-02-17 | 2012-07-31 | Franz Edward Boas | Iterative reduction of artifacts in computed tomography images using forward projection and an edge-preserving blur filter |
-
2012
- 2012-10-26 US US13/662,365 patent/US9008398B2/en active Active
-
2013
- 2013-10-10 EP EP17171802.6A patent/EP3236417A1/en not_active Withdrawn
- 2013-10-10 EP EP13188052.8A patent/EP2725549B1/en active Active
- 2013-10-25 CN CN201310514212.7A patent/CN103793906B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101443816A (zh) * | 2006-05-11 | 2009-05-27 | 皇家飞利浦电子股份有限公司 | 用于图像引导下辐射治疗的图像可变形配准 |
US20110058723A1 (en) * | 2008-05-09 | 2011-03-10 | Uwe Jandt | Apparatus for generating an image of moving object |
US20110129057A1 (en) * | 2009-11-30 | 2011-06-02 | Toshiba Medical Systems Corporation | Method for determing a correction function for correcting computed tomographic numbers of a small target object in a ct image |
Non-Patent Citations (1)
Title |
---|
H. MOSTAFAVI ET AL.: "Detection and Localization of Radiotherapy Targets by Template Matching", 《34TH ANNUAL INTERNATIONAL CONFERENCE OF THE IEEE EMBS SAN DIEGO, CALIFORNIA USA》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109313816A (zh) * | 2016-05-24 | 2019-02-05 | 皇家飞利浦有限公司 | 深度增强的断层合成重建 |
CN109313816B (zh) * | 2016-05-24 | 2023-11-14 | 皇家飞利浦有限公司 | 深度增强的断层合成重建 |
CN107464280A (zh) * | 2017-07-31 | 2017-12-12 | 广东欧珀移动通信有限公司 | 用户3d建模的匹配方法和装置 |
CN107464280B (zh) * | 2017-07-31 | 2020-08-07 | Oppo广东移动通信有限公司 | 用户3d建模的匹配方法和装置 |
CN108564082A (zh) * | 2018-04-28 | 2018-09-21 | 苏州赛腾精密电子股份有限公司 | 图像处理方法、装置、服务器和介质 |
CN108564082B (zh) * | 2018-04-28 | 2023-06-09 | 苏州赛腾精密电子股份有限公司 | 图像处理方法、装置、服务器和介质 |
CN114076773A (zh) * | 2020-08-21 | 2022-02-22 | 得力富企业股份有限公司 | 钻孔检测方法、钻孔检测***与检测装置 |
CN114076773B (zh) * | 2020-08-21 | 2024-05-10 | 得力富企业股份有限公司 | 钻孔检测方法、钻孔检测***与检测装置 |
CN113177955A (zh) * | 2021-05-10 | 2021-07-27 | 电子科技大学成都学院 | 一种基于改进图像分割算法的肺癌影像病变区域划分方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103793906B (zh) | 2019-05-14 |
EP3236417A1 (en) | 2017-10-25 |
EP2725549B1 (en) | 2017-12-06 |
US9008398B2 (en) | 2015-04-14 |
US20140119623A1 (en) | 2014-05-01 |
EP2725549A1 (en) | 2014-04-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103793906A (zh) | 用于不规则形状目标的基于图像的检测和跟踪的模板匹配方法 | |
CN103785112A (zh) | 用于不规则形状目标的基于图像的检测和跟踪的模板匹配方法 | |
US9084888B2 (en) | Systems and methods for segmentation of radiopaque structures in images | |
CN105228527B (zh) | 使用从规划ct和轮廓生成的模板的用于igrt的肿瘤可见性的前瞻性评价 | |
CN110381840A (zh) | 使用旋转2Dx射线成像器作为成像装置以在放射处置递送期间进行靶跟踪 | |
EP2721580B1 (en) | Hybrid point-based registration | |
Munbodh et al. | Automated 2D‐3D registration of a radiograph and a cone beam CT using line‐segment enhancement a | |
Campbell et al. | Automated target tracking in kilovoltage images using dynamic templates of fiducial marker clusters | |
Marchant et al. | Automatic tracking of implanted fiducial markers in cone beam CT projection images | |
Regmi et al. | Automatic tracking of arbitrarily shaped implanted markers in kilovoltage projection images: a feasibility study | |
Arimura et al. | Computerized method for estimation of the location of a lung tumor on EPID cine images without implanted markers in stereotactic body radiotherapy | |
Rozario et al. | An accurate algorithm to match imperfectly matched images for lung tumor detection without markers | |
US20040092786A1 (en) | Intraoperative dynamic dosimetry for prostate implants | |
Zvonarev et al. | 2D/3D registration algorithm for lung brachytherapy | |
Robertson et al. | A block matching‐based registration algorithm for localization of locally advanced lung tumors | |
Munbodh et al. | Automated 2D–3D registration of portal images and CT data using line‐segment enhancement | |
Munbodh et al. | A frequency‐based approach to locate common structure for 2D‐3D intensity‐based registration of setup images in prostate radiotherapy | |
Chu et al. | Application of holographic display in radiotherapy treatment planning II: a multi‐institutional study | |
Munbodh | Achieving accurate automated image registration for prostate radiotherapy | |
CN115512811A (zh) | 信息生成方法、计算机设备及存储介质 | |
Dehghan et al. | Ultrasound-fluoroscopy registration for intraoperative dynamic dosimetry in prostate brachytherapy | |
Michalski et al. | Initial experience with ACQSIM CT simulator | |
Zhou et al. | Incorporating seed orientation in brachytherapy implant reconstruction |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |