[发明专利]在高维空间中检测对象的系统和方法

说明书

相关申请的交叉引用

本申请要求于2006年9月28日提交的、序列号为60/827,233的美国临时申请的权益，该申请被全文并入以作参考。

技术领域

本发明涉及用于在高维空间中检测对象的系统和方法，并且更特别地，涉及用于使用边缘空间学习来在高维空间中检测对象的系统和方法。

背景技术

许多三维(3D)检测和分割问题面临在高维空间进行搜索。例如，3D相似变换的特征在于九个参数：三个位置参数，三个方向参数以及三个尺度参数。搜索整个空间来检测对象非常昂贵。即使涉及由粗到精的策略，搜索所有这些参数在计算上被禁止。此外，使用针对带有如此多参数的对象的正例和反例来训练有鉴别能力的分类器很具有挑战性，因为硬件的限制一次仅允许相对小的数目的负数(negative)(大约10⁶)。为了处理所有可能的反例，不得不使用多级自举，从而使得整个系统甚至更慢。

但是，当所要检测的对象以某种方式自然对准时，存在多种情况。例如，图片中的大多数面部都近似水平并且近似具有相同的肤色。类似地，CT扫描中的大多数心脏近似具有相同的大小和方向。需要一种方法，用于在高维空间中快速检测对象，其中该搜索空间可大大被减小而仍保持准确的结果。

发明内容

公开了一种用于在高维图像空间中检测对象的系统和方法。接收对象的三维图像。第一分类器在所述对象中心位置的边缘空间中被训练，其产生预定数目的候选对象中心位置。第二分类器被训练来从预定数目的候选对象中心位置中识别潜在的对象中心位置和方向并且维持所述候选对象中心位置的子集。第三分类器被训练来从该候选对象中心位置的子集中识别所述对象中心的潜在位置、方向和尺度。识别所述对象的单个候选对象姿态。

附图说明

本发明的优选实施方式将参照附图在下文进行更加详细的说明，其中同样的参考编号指示相似的元件：

图1是根据本发明的用于实施在高维空间中快速检测对象的示例性系统的方框图；

图2示出根据本发明的方面的用于使用边缘空间学习来训练分类器的投影分布；

图3是描绘根据本发明的实施方式的在计算机断层扫描图像中检测左心室的流程图；

图4是示出被执行来根据本发明的方面使用边缘空间学习而检测左心室的步骤的功能方框图；

图5示出作了被注解的(annotated)对象的例子；

图6示出根据本发明的方面的LV中心定位方法的功能方框图；

图7是根据本发明的方面的LV中心和方向检测方法的功能方框图；以及

图8示出MSL在医学成像的数个其他对象检测问题中的应用。

具体实施方式

本发明涉及一种用于在高维图像空间中检测对象的系统和方法。图1示出根据本发明的示例性实施方式的用于在高维图像空间中检测对象的系统100。在此说明的例子将涉及在三维医学图像中检测解剖学结构。然而，本领域技术人员应理解，所述方法和系统并不限于检测解剖学结构，而是可被用于检测诸如面部、行人、车辆以及交通标志的其他对象，而不偏离本发明的范围和精神。如图1中所示，系统100包括采集设备105、个人计算机(PC)110和操作者控制台115，这三者通过有线或无线网络120连接。

采集设备105可以是计算机断层扫描(CT)成像设备或诸如磁共振(MR)扫描仪或超声波扫描仪的任何其他三维(3D)高分辨率成像设备。

可以是便携式或膝上型计算机、医学诊断成像系统或影像存档和通讯系统(PACS)数据管理站的PC 110包括连接到输入设备150和输出设备155的中央处理单元(CPU)125和存储器130。所述CPU 125包括边缘空间学习模块145，该边缘空间学习模块145包括将在此后讨论的一种或多种用于在三维医学图像中检测解剖学结构的方法。尽管所述边缘空间学习模块145被示在CPU125之内，但是所述边缘空间学习模块145也可以位于CPU 125之外。