CN1295650C - 无需全部容积对准的对象一致性识别 - Google Patents

Abstract

公开了一种用于识别两个图像集之间对象一致性的方法，所述方法步骤包括粗略地使所述两个图像集对齐，接收(200)所述一个图像集中选定的点，在所述另一图像中查找(210)大致匹配的点，在所述选定的点周围定义(220)第一感兴趣容积，在所述选定的包括多个相邻点的匹配点周围定义(230)搜索窗口，对于所述搜索窗口中的每个点，定义(240)第二感兴趣容积，计算(250)每个所述第二感兴趣容积和所述第一感兴趣容积之间的相似度，以及选择(280)与所述第一感兴趣容积最相似的第二感兴趣容积。

Description

无需全部容积对准的对象一致性识别

技术领域

本发明一般地涉及两个图像集之间的对象一致性识别，具体地说涉及两个医学图像集之间肺节结的一致性识别。

发明背景

肺CT(计算机断层扫描)技术已由医师广泛用于筛拣和诊断肺癌。根据肺CT图像，医师可以搜索节结并根据包括形状、尺寸等信息的节结统计来判断其恶性程度。非常重要的信息是节结的状态变化，例如形状、尺寸和密度的变化。一项重要的定量测量是一段时间内肺节结的增长率。因此，识别在不同时间帧捕获的两个或两个以上的肺CT图像集中同一节结的一致性是至关重要的。

到目前为止，此任务一直是由人工来完成的，因此任务繁冗、缓慢且因数据量巨大而容易出错。因为CT数据是3D(三维)图像，因此此项任务对医师而言，即便是可实现的也是非常困难的。在当前的临床实践中，要求医师逐个扫描3D图像数据的2D(二维)切片并试图发现两个图像集中节结的一致性。单个数据集的切片数量有几百个之多，而单个切片则包含250000个像素。而且，CT研究中患者的成像状况可能发生变动，因此两次这种研究之间器官和身体可能发生变形。在很多情况下，难以确定节结在一段时间之后是消失了还是仍然存在，因为医师不能识别一致性。

医学图像分析***，如用于分析肺CT图像的***中通常非常需要从大量3D图像数据中快速定位感兴趣容积(VOI)。例如，在筛拣和诊断肺癌的过程中，非常重要的信息有存在新节结、以前存在的节结消失及肺节结的增长率。因此，识别在不同时间帧捕获的两个或两个以上肺CT图像集中同一节结的一致性是至关重要的。在大多数情况下，节结的属性及其环境结构是局部明显不同的，因此，对准局部VOI就足以识别节结的一致性。

一致性识别的常规算法常常采用完全的容积对准/变形(registration/warping)，这样做具有几个缺点。首先，数据集非常大。典型的数据集为512×512×280，这样，如果要求合理的速度，则使全部容积对准/变形根本不可能。其次，两次图像扫描期间患者的姿态和肺容积调节总是有所不同，这在两个结果数据集之间引起非线性失真。因此，为了进行精确的全容积变形，将会需要非线性技术，而非线性技术是复杂的、困难的、缓慢的且不可靠的。

因此需要一种避免全部容积对准，但又可快速精确地对准两个局部VOI的***。

发明概述

公开了一种用于两个图像集之间的对象一致性识别的方法，所述方法步骤包括：接收所述一个图像集中选定的点；在所述另一图像集中查找大致匹配的点；在所述选定的点周围定义第一感兴趣容积；在包括多个相邻点的所述匹配点周围定义搜索窗口；对于所述搜索窗口中的每个点，定义第二感兴趣容积；计算每个所述第二感兴趣容积和所述第一感兴趣容积之间的相似度；以及选择与所述第一感兴趣容积最相似的第二感兴趣容积。

在本发明的另一方面中，所述接收选定点的步骤是通过图形用户界面来实现的。

本发明的另一方面还包括使所述两个图像集大致对齐的步骤。

在本发明的另一方面中，所述大致对齐步骤是通过区域和边界匹配来实现的。

在本发明的另一方面中，计算所述第一和第二感兴趣容积之间的相似度的所述步骤包括根据如下等式进行灰度级互相关计算：

$S(V_A,V_B)=\frac{\mathrm{\Σ}(V_A(x,y,z)-{\stackrel{\‾}{V}}_A)(V_B(x,y,z)-{\stackrel{\‾}{V}}_B)}{\sqrt{\mathrm{\Σ}{(V_A(x,y,z)-{\stackrel{\‾}{V}}_A)}^2}\sqrt{\mathrm{\Σ}{(V_B(x,y,z)-{\stackrel{\‾}{V}}_B)}^2}}$

其中， V_A和 V_B是所述两个感兴趣容积中所有像素的灰度级值的平均值，以及所述求和是对两个所述感兴趣容积中的所有体素进行的。

在本发明的另一方面中，计算所述第一和第二感兴趣容积之间的相似度的所述步骤包括根据如下等式对所述感兴趣容积中的所有体素计算绝对差的和：

        S(V_A，V_B)＝∑|V_A(x，y，z)-V_B(x，y，z)|

在本发明的另一方面中，计算所述第一和第二感兴趣容积之间的相似度的所述步骤包括根据如下方式进行阈值处理，接着以“或”方式求和：

S(V_A，V_B)Σ|I(x，y，z)|

其中，T是阈值，以及所述求和是对两个所述感兴趣容积中的所有体素进行的。

在本发明的另一方面中，计算所述第一和第二感兴趣容积之间的相似度的所述步骤包括表面匹配，其中，每个感兴趣容积内所有对象的表面点定义为所述感兴趣容积内具有至少一个强度高于给定阈值T的直接邻居和至少一个强度低于T的直接邻居的那些点，以及还包括执行如下步骤：构造第一所述感兴趣容积V_A的三维距离映射D_A(x，y，z)，使得其值为给定点(x，y，z)到V_A内最接近的表面点的距离；以及根据如下等式计算所述感兴趣容积之间的不相似度：

$\mathrm{ds}=\underset{(x,y,z)\∈s_B}{\mathrm{\Σ}}{D}_A(x,y,z).$

其中，S_B表示所述第二感兴趣容积V_B中表面点的完全集。如果所述两个数据集具有不同的分辨率，则在应用以上任何等式之前需要将V_A和V_B的坐标归一化。

还公开了一种机器可读计算机存储装置，其中包含可由所述机器运行，以执行上述步骤的指令程序。

附图简述

图1显示了本发明的示意表示。

图2是本发明的校准方法的流程图。

图3是本发明方法的实施例的流程图。

优选实施例的详细说明

参考图1，其中显示了在不同时刻取得的相同肺部的第一10a和第二10b数据集。这些图像数据集是三维的，每个数据集包括多个体素，每个体素位于坐标(x，y，z)。在执行初始校准过程20，以粗略估计两个数据集中的体素的坐标之间的变换(即实际上图像的数学“对齐”)之后，本发明的***提供了图形用户界面(GUI)30，使用户可以浏览容积数据并从包括感兴趣对象的一个数据集中选择感兴趣容积，如节结60。有关节结60的信息通过在线ICAD(交互式计算机辅助诊断和检测)模块或先前构造的对象数据库(如表70a中所列举的那样)提供给用户，所述ICAD的描述参见CAROLNOVAK，LIFAN和JIANZHONG QIAN于2001年4月23日提交的题为“用于协助诊断数字容积医学图像中肺节结的交互式计算机辅助诊断方法和***的美国专利申请No.09/840267，此公开内容通过引用全部结合到本文中。GUI集成了实时匹配过程30，此过程识别另一数据集中对应的感兴趣容积(VOI)。如果在对应的VOI中找到节结对象，则***已检测到对象一致性。如70b中所列举的对应节结的信息随后可以通过在线ICAD模块获得，或者从数据库中读取。随后分析40匹配节结的信息，以推导出节结的增长和变化情况。两个数据集之间的对象一致性匹配可以双向进行，即由先前扫描的数据集到当前数据集，或者相反。

参考图2，其中显示了在校准过程20中使两个数据集对齐的流程图。假定局部的VOI比整个的图像数据集容积小得多，并且两个数据集之间的变换是分段线性的。因此，在局部VOI中，对精确对准而言线性变换模型就足够了。

在加载数据集100时执行大致对齐步骤。甚至可以在两个数据集具有不同分辨率的情况下进行处理。实现此目的的一种可能方式可以是、但不限于按分辨率为坐标加权。对齐参数表示沿三个方向进行的线性变换。这些参数可以随不同的图像切片和不同的图像区域变化。

对齐基于两个肺的区域和边界来进行。假定对齐参数可以是对两个肺，即左肺和右肺有所不同的。为了得到区域和边界信息，根据每个切片的图像集对两个肺进行分割110，这主要是通过阈值技术来进行的。随后，通过边界描绘120得到的边界。

z方向的对齐130以如下方式进行。计算每个切片中两个肺的区域，并将其用于形成区域值数组，其中，指数是按z方向上的分辨率加权的z方向坐标值。对源自两个数据集的两个数组进行互相关处理。峰值相关点给出z方向上的移位和缩放。因为肺部区域的稳定性，对齐操作是稳健的。通过计算z方向上的移位和缩放参数，就确定了切片(2D图像)的一致性。

给定两个对应的切片，则可通过匹配肺边界而实现x方向和y方向上的对齐140。匹配采用二进制相关或欧几里德距离映射技术。对齐参数随后可加以存储150，以供GUI和实时匹配过程30使用。

对齐参数是对两个图像集10a、10b之间的变换的大致估计，它们可以对两个肺区域和不同切片有所不同。

参照图1和3，图中显示了本发明的实时匹配过程的流程图。处理开始于用户通过GUI 30“点击”200他在第一图像集10a中看到的节结60，但也可采用其它不同于鼠标点击的识别节结的GUI方法，例如通过笔输入或触摸屏方式。随后在点击点(click point)周围定义210VOI。对于x、y、z坐标***，通常这会是一个以点击点(x，y，z)为中心的立方容积V_A(x，y，z)。还可以采用其它形状的VOI。在通过围绕感兴趣对象内的点击点形成子容积而在一个图像集中定义了VOI时，采用预处理过程中获得的大致对齐参数将该点击点变换成另一图像集220。之后，形成一组VOI(V_B)，这组VOI的中心点在以所述经变换的点击点为中心的3D搜索窗口内。在这些VOI中搜索230以查找与V_A最相似的260，并将其取为280求精的对应VOI V_B，并将位于VOI(x_B，y_B，z_B)中心的对象取为260对应的感兴趣对象。

一致性匹配的性能主要取决于搜索范围，而搜索范围是由大致对齐的精度确定的。利用好的大致对齐，在线一致性匹配可取得实时性能。

有各种方法可用于计算250两个VOI的相似度，其中四种方法如下：

1.灰度级互相关：

$S(V_A,V_B)=\frac{\mathrm{\Σ}(V_A(x,y,z)-{\stackrel{\‾}{V}}_A)(V_B(x,y,z)-{\stackrel{\‾}{V}}_B)}{\sqrt{\mathrm{\Σ}{(V_A(x,y,z)-{\stackrel{\‾}{V}}_A)}^2}\sqrt{\mathrm{\Σ}{(V_B(x,y,z)-{\stackrel{\‾}{V}}_B)}^2}}$

其中，V_A和V_B分别是两个VOI中所有像素的灰度级值的平均值，以及求和对两个VOI中的所有体素进行。

2.绝对差的和：

        S(V_A，V_B)＝∑|V_A(x，y，z)-V_B(x，y，z)|

其中，求和对两个VOI中的所有体素进行。

3.先进行阈值处理，接着以“或”方式求和：

          S(V_A，V_B)＝∑|I(x，y，z)|

其中，T是阈值，以及所述求和是对两个所述感兴趣容积中的所有体素进行的。

4.表面匹配。

此方法搜索不相似度最小的VOI。VOI内所有对象的表面点定义为该VOI内具有至少一个强度高于给定阈值T的直接邻居和至少一个强度低于T的直接邻居的那些点。

构造V_A的三维距离映射D_A(x，y，z)，使得其值为所述给定点到V_A内最接近的表面点的距离。令S_B表示V_B中表面点的完全集，然后将V_A和V_B之间的不相似度定义为：

$\mathrm{ds}=\underset{(x,y,z)\∈s_B}{\mathrm{\Σ}}{D}_A(x,y,z).$

在已对节结的VOI进行匹配之后，可以分析40节结中的变化。可以看出，当用户点击一个图像中感兴趣的点时通过实时提取图像之间对应的感兴趣(VOI)容积，可以无须计算两个图像的全部容积并使其对准即可局部地集中于这些容积中的每个容积上。如前所述，全部容积对准将会需要非线性匹配技术，而本发明可以利用线性匹配技术，因为本发明在用户每次点击确定的较小的局部层面上执行其匹配操作。

还应注意，本发明的技术不限于节结或肺，甚至不限于三维图像，而是可加以利用并推广到希望识别两个图像集之间的对象一致性的任何图像处理情形。

本发明方法可以实现为指令程序，该指令程序可由诸如计算机的机器来读取并运行，并可加以具体化并存储于机器可读介质，如计算机存储装置中。

应理解，本文所公开的所有物理量，除非以其它方式明确指出，否则不应视为与所公开的数量精确地相等，而是大约等于所公开的数量。此外，不存在诸如“大约”之类的限定词这一事实也不应理解为明确表示以此方式公开的任何物理量是精确量，无论这样的限定词是否用于本文所公开的任何其它物理量。

虽然已对优选实施例作了图解和说明，但还是可以在不背离本发明的精神和范围的前提下对其作各种修改和替代。因此，应理解，对本发明所作的描述仅仅是说明性的，本文所公开的图示和实施例不应视为对权利要求书构成限制。

Claims (4)

1.一种用于识别两个图像集之间对象一致性的方法，包括如下步骤：

接收所述一个图像集中选定的点；

在所述另一图像中查找匹配的点；

在所述选定的点周围定义第一感兴趣容积；

在包括多个相邻点的所述匹配点周围定义搜索窗口；

对于所述搜索窗口中的每个点，定义第二感兴趣容积；

根据如下等式应用灰度级互相关计算来计算每个所述第二感兴趣容积和所述第一感兴趣容积之间的相似度/不相似度：

$S(V_A,V_B)=\frac{\mathrm{\Σ}(V_A(x,y,z)-{\stackrel{\‾}{V}}_A)(V_B(x,y,z)-{\stackrel{\‾}{V}}_B)}{\sqrt{\mathrm{\Σ}{(V_A(x,y,z)-{\stackrel{\‾}{V}}_A)}^2}\sqrt{\mathrm{\Σ}{(V_B(x,y,z)-{\stackrel{\‾}{V}}_B)}^2}}$

其中，V_A和V_B是所述两个感兴趣容积中所有像素的灰度级值的平均值，以及所述求和是对两个所述感兴趣容积中的所有体素进行的；以及

选择与所述第一感兴趣容积最相似的第二感兴趣容积。

2.如权利要求1所述的方法，其特征在于，所述接收选定点的步骤是通过图形用户界面来执行的。

3.如权利要求1所述的方法，其特征在于还包括使所述两个图像集对齐的步骤。

4.如权利要求3所述的方法，其特征在于，所述对齐步骤是通过区域和边界匹配来实现的。

Images