[发明专利]基准轮廓线传播和优化的方法

说明书

本发明涉及一种检测方法，用于基于来自图像数据集的第一图像数据中的基准轮廓线，检测在来自所述图像数据集的第二图像数据中的边界。

本发明还涉及一种检测系统，用于在来自图像数据集的第一图像数据中的基准轮廓线的基础上，检测在来自该图像数据集的第二图像数据中的边界。

本发明还涉及一种用于获取图像数据集的采集系统，其包括所述检测系统。

本发明还涉及一种工作站，其包括所述检测系统。

本发明还涉及一种由计算机设备加载的计算机程序产品，其包括指令，用于在来自图像数据集的第一图像数据中的基准轮廓线的基础上，检测在来自该图像数据集的第二图像数据中的边界。

在1995年6月的IEEE Transactions on Medical Imaging，vol.14，no.2第328-338页中Surendra Ranganath的文章“Contour Extraction from CardiacMRI Studies Using Snakes”中(以下称为参考文献1)说明了在开始段落中所述类型的方法的实施例。该文献说明了一种方法，用于依据心脏核磁共振(MR)成像研究自动检测左心室轮廓线。在第一图像中给出了基准轮廓线，其由有限数量的基准轮廓线节点来表示，检测第二图像中的边界。在所述方法的第一步骤中，从第一图像提取基准剖面。基准剖面的基线与基准轮廓线以直角彼此相交。基准轮廓线与基准剖面基线的相交定义了基准剖面节点。在参考文献1中，基准剖面节点与基准轮廓线节点一致。而且，以这样的方式来提取基准剖面：使基准剖面节点位于基准剖面基线的中心处，如参考文献1的图2中所示的。在所述方法的更进一步中，对于每一个基准剖面，执行目标剖面的搜索。搜索域包括从第二图像中提取的候选目标剖面，其基线与基准剖面的基线投影对齐。使用基于基准剖面与候选目标剖面的相似性测量值的匹配测量来确定目标剖面。目标剖面是与匹配测量的最大值相对应的候选目标剖面。通过将包括基准剖面节点的基准剖面的基线映射到相应目标剖面的基线，来将基准剖面节点映射到第二图像中。所映射的基准剖面节点定义了边界轮廓线节点。由边界轮廓线节点定义的边界轮廓线描绘了第二图像中检测到的边界。在该方法的更进一步中，将包括弯曲能量项和伸展能量项的边界轮廓线能量最小化。当边界轮廓线的局部曲率是常数时，弯曲能量最小。当边界轮廓线节点从其检测位置的开始的位移为0时，伸展能量最小。在边界轮廓线能量的最小值处的边界轮廓线节点的位置产生了边界轮廓线节点的优化位置。优化的边界轮廓线比非优化的边界轮廓线更平滑。

以上的检测方法对于检测没有其它边界存在于检测的边界附近情况下的孤立边界是有用的。然而，如果有多个边界彼此接近，包含在用参考文献1的方法所产生的基准剖面中的特征数量可能回很大。基准剖面可以包括多个基本上垂直的边缘，以下称为垂直边缘，其与分开不同图像亮度区域的多个边界相对应。多个垂直边缘对应于多个边界与基准剖面基线的多个交叉点。为了找到对此类基准剖面的良好匹配，包含在基准剖面中的强特征必须通过目标剖面中各自的特征来匹配。然而，从第二图像中提取的候选目标剖面会与基准剖面相差很大。在垂直边缘之间的距离，垂直边缘的高度，甚至垂直边缘的数量在两个剖面之间都会不同。例如，在心脏MR切面中，心肌层的厚度取决于心脏解剖的轴、记录切面数据时的高度、及心动阶段。因此，从第一图像中提取的基准剖面会与从获得的第二图像中(例如从一个不同MR切面中获得的或者为在心动周期不同阶段的同一切面而获得的)提取的候选目标剖面相差很大。因此，使用参考文献1的匹配测量来检测心外膜的和/或心内膜的边界可能不会产生令人满意的结果。这解释了为何参考文献1的方法被显示为仅是定性的，而不是定量的用于检测心内膜的边界，尽管有如在参考文献1的第333页所述的检测的轮廓线的一些进一步的处理。而且，由于在心外膜区中的特征的复杂性，检测心外膜轮廓线完全失败了。