[发明专利]标识图像数据内的病灶的边界

权利要求书

1.一种在受试者的区域的N维医学图像数据(1)内标识病灶(10)的一个或多个边界的方法(30)，所述方法包括：

接收(31)所述N维医学图像数据(21)，包括图像数据点；

使用机器学习算法处理(22)所述N维医学图像数据，从而生成：

N维概率数据(23)，包括针对每个图像数据点的相应概率数据点，所述相应概率数据点指示所述图像数据点是病灶的一部分的概率；以及

N维不确定性数据(24)，包括针对每个概率数据点以及从而针对每个图像数据点的相应不确定性数据点，所述相应概率数据点指示由所述概率数据点指示的概率的不确定性；以及

至少使用所述概率数据和所述不确定性数据来标识(33、33A、33B)所述医学图像数据中的病灶的一个或多个边界。

2.根据权利要求1所述的方法，其中标识病灶的一个或多个边界的步骤包括：

基于所述概率数据来标识(41、51)所述医学图像数据中的一个或多个潜在病灶；以及

至少使用所述不确定性数据来处理每个潜在病灶，以标识所述医学图像数据中的病灶的一个或多个边界。

3.根据权利要求2所述的方法，其中标识病灶的一个或多个边界的步骤包括：将区域生长算法(42)应用于每个潜在病灶，所述区域生长算法使用所述图像数据和所述不确定性数据从而限定每个潜在病灶的所述边界。

4.根据权利要求3所述的方法，其中将所述区域生长算法(42)应用于每个潜在病灶包括针对每个潜在病灶迭代地执行以下步骤：

标识(42A)形成所述潜在病灶的周界的周界图像数据点；

标识(42B)邻近图像数据点，所述邻近图像数据点为所述潜在病灶外部的图像数据点，并且紧邻所述周界图像数据点中的任何周界图像数据点；以及

针对每个邻近图像数据点，响应于所述邻近图像数据点的幅度大于针对所述邻近图像数据点的第一幅度阈值，将所述邻近图像数据点添加(42D)到所述潜在病灶，其中所述第一幅度阈值基于与所述邻近图像数据点相关联的所述不确定性数据点，

其中所述第一区域生长算法响应于(42C)没有新的邻近图像数据点被标识而结束。

5.根据权利要求2至4中任一项所述的方法，其中标识病灶的一个或多个边界的步骤包括将区域缩小算法(52)应用于每个潜在病灶，所述区域缩小算法包括迭代地执行以下步骤：

标识(52A)形成所述潜在病灶的周界的周界图像数据点；

针对每个周界图像数据点，响应于所述周界图像数据点的幅度小于针对所述周界图像数据点的第二幅度阈值，从所述潜在病灶去除(52C)所述周界图像数据点，其中所述第二幅度阈值基于与所述周界图像数据点相关联的所述不确定性数据点，

其中所述第二区域生长算法响应于(52B)没有新的周界图像数据点被标识而结束。

6.根据权利要求2所述的方法，其中标识病灶的一个或多个边界的步骤包括：

使用所述概率数据来标识每个潜在病灶的一个或多个预测边界部分，每个预测边界部分是所述潜在病灶的边界的一部分的预测位置；

使用所述不确定性数据来标识每个预测边界部分的不确定性和/或每个潜在病灶的不确定性；

基于标识出的每个边界部分的不确定性和/或每个潜在病灶的不确定性来选择所述预测边界部分中的一个或多个预测边界部分；

向用户呈现选定的所述预测边界部分；

在向所述用户呈现选定的所述预测边界部分之后，接收指示病灶的一个或多个边界的用户输入；以及

基于接收到的所述用户输入来标识所述边界部分。

7.根据权利要求6所述的方法，其中选择一个或多个预测边界部分的步骤包括：选择与高于第一预定不确定性值的不确定性相关联的那些边界部分和/或与具有低于第二预定不确定性值的不确定性的病灶相关联的那些边界部分。