[发明专利]用于改进图像分割的方法和系统

说明书

相关申请的交叉引用

本申请要求2008年3月4日提交的名称为“METHODS FOR IMPROVED IMAGE SEGMENTATION”的美国临时专利申请No.61/033,574的优先权，该申请的全部内容在此通过引用并入本文。

背景技术

随着过去十几年间，计算机和网络、放射治疗计划软件以及医疗成像形态(CT、MRI、US和PET)的改进已投入到放疗实践中。这些改进导致开发了图像引导放疗(“IGRT”)。IGRT是使用患者内部解剖结构的横截面图像来更好地将放射剂量在肿瘤内进行目标定位同时降低对于健康器官的放射暴露的放射疗法。输送到肿瘤的放射剂量使用强度调制放疗(“IMRT”)来控制，这涉及改变放射束的尺寸、形状和强度，以符合患者肿瘤的尺寸、形状和位置。IGRT和IMRT导致对于肿瘤的改进的控制，同时降低了对肿瘤周围健康组织的照射导致的严重副作用的潜在性。

发明内容

图像引导放疗实施中重要的因素是用于计划和实施放疗的图像的质量，且特别是图像中被识别的结构的精度。对于CT图像，包括患者图像的数据由图像元素形成，所述图像元素代表了系统内作为数据存储的图像元素。这些图像元素可以是用于代表图像数据的任何数据结构，包括二维像素或三维图像元素。为精确地构造患者图像，图像元素接受称为分割的处理。分割将每个元素归类为人体内四种不同物质之一。这四种物质是空气、脂肪、肌肉和骨骼。

在一个实施例中，本发明提供了一种识别患者体内解剖结构的方法。该方法包括获取患者的图像，其中图像包括一组图像元素。该方法还包括：将图像分割，以将至少一些图像元素根据其物质进行归类，从而将分割的图像与概率图谱配准，计算图像元素归类正确的概率，并且对基于它们的概率而强化了各图像元素的图像进行再分割。

在另一个实施例中，本发明提供了一种放疗系统和使用放疗系统自动识别患者体内解剖结构的方法。该方法包括：获取患者图像，使用一系列分级的图像处理步骤分割图像以识别图像中的界标，且使用界标识别解剖结构。

在再一个实施例中，本发明提供了一种将患者图像分割以识别图像中每个图像元素的组织类型的方法。该方法包括：使用一套法则分析每个图像元素，以确定每个图像元素作为给定的组织类型的可能性，将解剖图谱与图像配准且改进每个图像元素的组织概率，并且基于所述概率将网格拟合到各图像元素，所述网格表示了器官的结构模型且建立了器官的预期形状。

本发明的其他方面将通过考虑详细描述和附图变得显见。

附图说明

专利或申请文件包含以彩色绘制的至少一个附图。带有彩色附图的此专利或专利申请公开的拷贝在要求且支付必要的费用时由事务所提供。

图1是放射治疗系统的透视图。

图2是可用于图1中图示的放射治疗系统中的多叶式准直器的透视图。

图3是图1的放射治疗系统的示意性图示。

图4是使用在放射治疗系统中的软件程序的示意图。

图5是实施本发明的分割过程的分级步骤的示意性图示。

图6示出了应用二进制掩码阈值后(左)且然后在图像上进行形态运算(右)的一对图像。

图7图示了以带有四个岛的二进制掩码(左)进行连接部分分析的结果(右)。

图8是与前列腺数据组的每个组织类型相关的高斯(Gaussian)分布的曲线图。

图9是示出了基于计算的概率进行期望值最大化计算以迭代更新模型参数且基于更新的模型参数再计算概率的过程的图示。

图10是一组空间变化先验值(spatially varying priors)，包括平均图像(左上)，空气概率(上中)，脂肪概率(右上)，肌肉概率(左下)和骨骼概率(右下)。

图11是上-下(左)和前-后(右)方向上的骨骼分割曲线的图。

图12示出了分割分级的图像元素层后且不应用空间变化先验值的图像(左)，包括应用空间变化先验值的图像(中)，和应用分割分级的邻层的马尔可夫(Markov)随机场后的图像(右)。

图13是示出了图像元素的亮度作为图像元素的距离变换的函数的灰度级图像。

图14示出了应用分割分级的邻层的马尔可夫随机场后的图像(左)，和完成分割分级的组织层后的图像(右)。

图15示出了连接部分分析前的肌肉组织的图像(左)，和连接部分分析后的肌肉组织的图像(右)，其中每个连接部分被唯一地标色。

图16示出了完成分割分级的组织层后的图像(左)和完成了分割分级的器官层后的图像(右)。

图17示出了使用界标来构造目标结构的过程，以及示出了每个切片的置信度得分的置信度得分图。