[发明专利]交互式迭代图像注释

说明书

提供了用于注释图像数据的系统和计算机实施的方法。使得用户能够迭代注释所述图像数据。所述迭代注释的迭代包括：基于先前图像数据部分的经过用户验证的标签来生成针对当前图像数据部分的标签；以及使得所述用户能够验证和校正所述生成的标签，以获得针对所述当前图像数据部分的经过用户验证的标签。针对所述当前图像数据部分的所述标签是通过组合以下各项的相应输出来生成的：标签传播算法；以及机器学习的分类器，所述机器学习的分类器是在经过用户验证的标签和图像数据上训练的并且应用于所述当前图像数据部分的图像数据。使用所述当前图像数据部分的所述经过用户验证的标签和所述图像数据来重新训练所述机器学习的分类器，以获得经过重新训练的机器学习的分类器。

技术领域

本发明涉及用于交互式图像注释以例如在医学图像中勾画解剖结构的系统和计算机实施的方法。本发明还涉及包括用于执行该计算机实施的方法的指令的计算机可读介质。

本发明还涉及包括该系统的工作站和成像装置，并且涉及包括用于使处理器系统执行该计算机实施的方法的指令的计算机可读介质。

背景技术

图像注释被广泛用于各种领域，包括但不限于医学领域。在医学领域的示例中，图像注释通常用于标识医学图像中的解剖结构，例如通过勾画解剖结构的边界，通过标记由边界包围的体素等来标识医学图像中的解剖结构。这样的图像注释也被称为分割或勾画。除了医学领域外，在其他领域中对于图像注释也有各种用途。

自动执行图像注释是众所周知的。然而，全自动图像注释具有挑战性，并且通常无法产生所要求的准确度。例如，在医学领域中，诸如放射治疗规划、术前规划等临床应用可能要求足够准确的注释以产生可靠的结果。近年来，基于学习的方法(例如，基于模型的分割或深度(机器)学习方法)已经显示出对自动图像注释的巨大前景。然而，这些方法通常要求大量的手动标记数据，这既费时又费力，因此获得的代价很昂贵。另外，只能为最常见的临床任务提供经过预先训练的算法，但是还有非常多的其他任务需要准确有效地执行图像注释。

例如以如在Pace,D.F.等人的“Interactive Whole-Heart Segmentation inCongenital Heart Disease”(MICCAI 2015，第80-88页)中所描述的交互方式来半自动地执行图像注释也是已知的。虽然这避免了对大量手动标记数据的需求，但是与经过良好训练的基于学习的方法相比，这样的图像注释可能不那么准确，并且/或者与在足够大量的图像数据上训练的基于学习的方法相比，这样的图像注释要求更多的用户交互时间。

US 2018/061091 A1描述了多图谱分割，该多图谱分割应用图像配准以将解剖标记从预先标记的图谱传播到目标图像，并且应用标签融合以解决通过扭曲多个图谱而产生的不一致的解剖标记的问题。机器学习技术可以用于自动检测和校正通过主机自动分割方法产生的系统性错误。

发明内容

获得促进准确注释并同时需要较少的手动标记数据和/或要求较少的用户交互时间的系统和方法将是有利的。

根据本发明的第一方面，提供了一种用于注释图像数据的系统。所述系统可以包括：

输入接口，其被配置为访问要注释的所述图像数据；

用户接口子系统，其包括：

用户输入接口，其被配置为从能由用户操作的用户输入设备接收用户输入数据；

显示输出接口，其被配置为向显示器提供显示数据以对所述系统的输出进行可视化；

处理器，其被配置为使用所述用户接口子系统来建立用户接口，所述用户接口使得所述用户能够迭代注释所述图像数据，其中，所述迭代注释的迭代包括：

所述处理器基于先前图像数据部分的经过用户验证的标签来生成针对当前图像数据部分的标签；