专利名称：基于路径的树匹配的系统和方法
技术领域：
本发明涉及树匹配算法，并且更特别地涉及供医学图像处理应用使用的、基于路径的树匹配的系统和方法。
背景技术：
本申请要求于2005年6月22日提交的序列号为60/692,954的美国临时申请的权益，该美国临时申请的副本在此被引入作为参考。
树匹配算法在医学成像方面有许多应用，这些应用尤其是包括配准、解剖学标记、分割、和导航诸如脉管和呼吸道树的结构。
尤其是，树匹配算法可以在肺成像中被用于下面的目的在不同时期获取的相同患者患者的多个图像中的呼吸道—呼吸道/动脉—动脉树匹配；来自于不同患者的呼吸道—呼吸道/动脉-动脉树匹配；从患者到图谱(atlas)的呼吸道—呼吸道/动脉—动脉树匹配，以执行解剖学标记；图像内的呼吸道—动脉匹配，以确定在两个树结构之间的对应或帮助检测另外的呼吸道或动脉或用于支气管镜检导航；以及与图谱或与在不同时期获取的相同患者的图像的静脉匹配。
不同时期的相同患者内的呼吸道—呼吸道和动脉—动脉匹配可以为图像配准和自动定量分析提供重要基础。例如，这样的匹配能够随着时间的过去自动地改变对支气管壁厚度的测量，以监控疾病进展或响应治疗。与图谱的匹配也可以减轻放射科医师的一些任务。这种情况的例子在K.Mori、J.-I.Hasegawa的“Automated Anatomical Labeling of the Bronchial Branch and Its Application tothe Virtual Bronchoscopy System(支气管分支的自动解剖学标记及其在虚拟的支气管镜检系统的应用)”(IEEE Trans.on Medical Imaging，第103-114页，第19卷，2000年2月)和H.Kitaoka、Y.Park、J.Tschirren、J.Reinhardt的“AutomatedNomenclature Labeling of the Bronchial Tree in 3D-CT Lung Images(3D-CT肺图像中的支气管树的自动术语标记)”(Proceedings of the 5thInternational Conferenceon Medical Image Computing and Computer Assisted Intervention，第二部分，第1-11页，2002年9月)中被描述。
图谱匹配可被用于确定与在放射科医师的报告上所标识的问题区相关的解剖学名称。与不同患者的匹配允许大规模的比较患者的数据。相同患者内的呼吸道-动脉匹配可被用于支气管镜检的导航。这种情况的例子在B.Geiger、A.P.Kiraly、D.P.Naidich、C.L.Novak的“Virtal Bronchoscopy of Peripheral Nodulesusing Arteries as Surrogate Pathways(使用动脉作为替代路径的外围结节的虚拟支气管镜检查)”(SPIE Physiology，Function，and Structure From Medical Images，第5746卷，2005年)中被描述；以及在B.Geiger、A.P.Kiraly、D.P.Naidich、C.L.Novak的“System and Method for Endoscopic Path Planning(用于内窥镜检查的路径规划的系统和方法)”(美国专利申请公开文献No.20050107679)中被描述。相同患者内的呼吸道-动脉匹配还可被用作改善的动脉或呼吸道分割的基础。这种情况的例子在T.Buelow、R.Wiemker、T.Blaffert、C.Lorenz、S.Renisch的“Automatic Extraction of the Pulmonary Artery Tree from Multi-Slice CT Data(从多切片CT数据中自动提取肺部动脉树)”(SPIE Physiology，Function，and StructureFrom Medical Images，第730-740页，第5746卷，2005年)中被描述。
树匹配算法要求树结构作为输入。这个结构将树描述为通过分支点互连的一系列分支。若干已知算法可被用于获得尤其是包括跟踪、分割、和骨架化的树结构。这种情况的例子在A.P.Kiraly、J.P.Helferty、E.A.Hoffman、G.McLennan、和W.E.Higgins的“3D Path Planning for Virtual Bronchoscopy(用于虚拟的支气管镜检查的三维路径规划)”(IEEE Trans.on Medical Imaging，第1365-1379页，第23卷，2004年11月)中被描述。一旦获得所述树结构，匹配算法就直接对该结构和被包含在其中的任何数据进行操作。任何诸如呼吸道、动脉、和静脉的非循环树结构包含父与子分支的固有的分级结构。这种树能够被看作是有向图和分支图。
存在若干种匹配来自相同患者的呼吸道-呼吸道树的方法。示例性方法在C.Pisupati、L.Wolff、W.Mitzner、E.Zerhouni的“Tracking 3-D Pulmonary TreeStructures(跟踪三维肺部树结构)”(Mathematical Methods in Biomedical ImageAnalysis，第160-169页，1996年)中被描述；和在J.Tschirren、K.Palagyi、J.M.Reinhardt、E.A.Hoffman、和M.Sonka的“Segmentation，Skeletonization，andBranchpoint Matching-A Fully Automated Quantitative Evaluation of HumanIntrathoracic Airway Trees(分割、骨架化、和分支点匹配-完全自动地定量评价人胸内的呼吸道树)”(SPIE Medical Imaging 2003Physiology and FunctionMethods，Systems，and Applications，第187-194页，第5031卷，2003年)中被描述。
此外，存在若干种方法，用于提供支气管树的自动的解剖学标记。这些方法的例子在K.Mori、J.-I.Hasegawa的“Automated Anatomical Labeling of theBronchial Branch and Its Application to the Virtual Bronchoscopy System(支气管分支的自动的解剖学标记及其对虚拟的支气管镜检查系统的应用”(IEEE Trans.onMedical Imaging，第103-114页，第19卷，2000年2月)和H.Kitaoka、Y.Park、J.Tschirren、J.Reinhardt的“Automated Nomenclature Labeling of the Bronchial Treein 3D-CT Lung Images(3D-CT肺图像中的支气管树的自动术语标记)”(Proceedings of the 5thInternational Conference on Medical Image Computing andComputer Assisted Intervention，第II部分，第1-11页，2002年9月)中被描述。
最新的算法通常结合歧点内的一组特征。这些算法的例子在C.Pisupati、L.Wolff、W.Mitzner、E.Zerhouni的“Tracking 3-D Pulmonary Tree Structures(跟踪三维肺部树结构)”(Mathematical Methods in Biomedical Image Analysis，第160-169页，1996年)和J.Tschirren、K.Palagyi、J.M.Reinhardt、E.A.Hoffman、和M.Sonka的“Segmentation，Skeletonization，and Branchpoint Matching-A FullyAutomated Quantitative Evaluation of Human Intrathoracic Airway Trees(分割、骨架化、和分支点匹配-完全自动地定量评价人胸内的呼吸道树)”(SPIE MedicalImaging 2003Physiology and FunctionMethods，Systems，and Applications，第187-194页，第5031卷，2003年)以及A.C.M.Dumay、R.v.d.Geest、J.J.Gerbrands、E.Jansen、Johan H.C.Reiber的“Consistent Inexact Graph Matching Applied toLabelling Coronary Segments in Arteriograms(被应用到标记动脉搏描记图中的冠状分割的相容的不精确的图匹配)”(Proc.11th IAPR，第439-446页，第III卷，1992年)和K.Haris、S.N.Efstratiadis、N.Maglaveras、C.Pappas、J.Gourassas、G.Louridas的“Model-based Morphological Segmentation and Labelingof Coronary Angiograms(基于模型的形态学分割和标记冠状的血管造影照片)”(IEEE Trans.on Medical Imaging，第1003-1015页，第18卷，1999年10月)中被描述。
这些算法也使用一般的诸如在相关的图中找到最大集团之类的图匹配方法。这种情况的例子在M.Pelillo、K.Siddiqi、S.W.Zucker的“Matching HierarchicalStructures Using Association Graphs(使用关联图来匹配分级结构)”(IEEE Trans.on Pattern Analysis and Machine Intelligence，第1105-1120页，第21卷，1999年11月)和H.Kitaoka、Y.Park、J.Tschirren、J.Reinhardt的“AutomatedNomenclature Labeling of the Bronchial Tree in 3D-CT Lung Images(3D-CT肺图像中的支气管树的自动术语标记)”(Proceedings of the 5thInternational Conferenceon Medical Image Computing and Computer Assisted Intervention，第二部分，第1-11页，2002年9月)。这些算法也可以通过释放模糊变量的分配(fuzzyassignment)来执行图匹配。这种情况的例子在S.Medasani、R.Krishnapuram、Y.S.Choi的“Graph Matching by Relaxation of Fuzzy Assignments(通过释放模糊变量的分配来进行图匹配)”(IEEE Trans.on Fuzzy Systems，第173-182页，第9卷，2001年2月)中被描述。
上述的树匹配算法依赖于图匹配技术并且集中于单个应用。尽管图匹配技术具有坚固的理论背景，但是这些图匹配技术对于现实世界医学应用可能不是最好的选择，在这些应用中可能出现错误的或遗漏的分支和差异、以及解剖学中的变化。此外，先前的匹配方法使用树的分级结构来在分支到分支级别处进行匹配。由于这些方法把树结构看作为一系列具有从分支数据中所计算出的特征的节点，错误的分支可能降低这些方法的有效性。另外，这些方法中的一些方法要求用于每个树结构的所匹配的起始点，如果这个信息是不可用的则使得这些方法也是无用的。这个要求也使得为了更精确的结果而执行树的初步配准是必要的。此外，许多先前的方法要求需要手动产生或编辑的树结构来避免这些限制。
发明内容
在本发明的一个实施例中，用于树匹配的方法包括获取表示物理对象或模型的树形结构；从第一树形结构中提取路径和从第二树形结构中提取路径；通过计算路径的相似性度量来比较第一和第二树形结构的路径；以及根据相似性度量来确定路径是否匹配。
所述方法进一步包括重复提取、比较和确定步骤，直到树形结构的每条路径都已经被匹配或被排除在外。
根据一个或两个树形结构的分级结构来比较路径。所述方法进一步包括根据其它路径的相似性度量来确定路径是否匹配；产生匹配矩阵，用于记录所匹配的路径；和当最佳匹配路径已经被匹配到另一条路径时产生概率矩阵，用于将路径匹配到次最佳的匹配路径上。
所述方法进一步包括在比较所述路径之前对准树形结构。
所述树形结构是呼吸道、动脉或静脉。树形结构通过跟踪、分割、或骨架化来获取。路径通过分割、中心线提取或直接从树形结构中进行提取。
提取路径包括选择路径中的一条作为在两条路径之间比较的基础。将匹配长路径的子部分的短路径选择作为在这两条路径之间比较的基础。相似性度量是路径的距离特征、角度特征、距离方差特征或这些特征的数值组合。
在本发明的另一个实施例中，一种用于将树形结构的路径匹配到另一个树形结构的方法包括从第一树形结构、和第二树形结构中获取路径；通过计算第一树形结构的路径和第二树形结构的路径的相似性度量来比较第一树形结构的路径和第二树形结构的路径；以及根据所述相似性度量来确定第二树形结构的哪条路径最佳匹配第一树形结构的路径。
所述方法进一步包括重复所述获取、比较、和确定步骤，以匹配第一和第二树形结构。
根据一个或两个树形结构的分级结构来比较第一和第二树形结构的路径。
所述方法进一步包括产生匹配矩阵，用于记录所匹配的路径；和当最佳匹配路径已经被匹配到另一条路径时，产生概率矩阵，用于匹配路径以允许次最佳匹配路径。
在本发明的又一个实施例中，用于树匹配的系统包括用于存储程序的存储设备；与该存储设备进行通信的处理器，该处理器运行该程序来获取表示物理对象或模型的树形结构；从第一树形结构中提取路径和从第二树形结构中提取路径；通过计算路径的相似性度量来比较第一和第二树形结构的路径；以及根据相似性度量来确定路径是否匹配。
处理器进一步运行程序代码来重复所述提取、比较、和确定步骤，直到树形结构的每条路径已经被匹配或被排除在外。
根据一个或两个树形结构的分级结构来比较路径。
处理器进一步运行程序代码来根据其它路径的相似性度量确定路径是否匹配；产生匹配矩阵，用于记录所匹配的路径；和当最佳匹配路径已经被匹配到另一条路径时，产生概率矩阵，用于将路径匹配到次最佳的匹配路径。
在本发明的另一个实施例中，一种用于将树形结构的路径匹配到另一个树形结构的系统包括用于存储程序的存储设备；与该存储设备进行通信的处理器，所述处理器运行该程序来从第一树形结构中获取路径，和从第二树形结构中获取路径；通过计算第一树形结构的路径与第二树形结构的路径的相似性度量来比较第一树形结构的路径和第二树形结构的路径；以及根据所述相似性度量来确定第二树形结构中的哪条路径最佳匹配第一树形结构的路径。
处理器进一步运行程序代码来重复所述获取、比较、和确定步骤，以匹配第一和第二树形结构。
根据一个或两个树形结构的分级结构来比较第一和第二树形结构的路径。
处理器进一步运行程序代码来产生匹配矩阵，用于记录所匹配的路径；以及当最佳匹配路径已经被匹配到另一条路径时，产生概率矩阵，用于匹配路径以允许次最佳的匹配路径。
上述特征是代表性的实施例并且被提供来帮助理解本发明。应当理解，这些特征没有打算要被考虑为对如权利要求所定义的本发明的限制，或对权利要求的等价物的限制。因此，这些特征的概述在确定等价物时将不会被认为是决定性的。本发明的附加特征将根据附图和权利要求在下面的描述中变得显而易见。
图1是根据本发明的示例性实施例来说明一种基于路径的树匹配系统的框图；图2是根据本发明的示例性实施例来说明一种基于路径的树匹配方法的流程图；图3是说明通过图2的方法被匹配到合成树的呼吸道子树的准确结果的直方图；图4是说明通过图2的方法匹配的在不同时期所提取的相同患者的呼吸道树的准确结果的直方图；图5是通过图2的方法来匹配的两个树的例子；以及图6是通过图2的方法来匹配的呼吸道和动脉路径的例子。
具体实施例方式
根据本发明的实施例的基于路径的树匹配的一般框架包括比较从树结构获得的路径与从另一个树结构获得的另一条路径。这通过使用描述路径之间的相似性的特征来执行路径的逐点比较来实现，以获得基于所述特征的数值。然后，所述数值被用来确定路径是否已经被匹配。
基于路径的树匹配方法与图匹配无关。由于该方法基于完整路径的逐点比较，所以该方法与歧点无关并且因此对于错误的和遗漏的分支是非常稳定的。基于路径的树匹配方法支持不规则的树结构，诸如支持具有多父母或甚至由不完美的分割和中心线提取所引起的循环的分支。
尽管通过避免分级结构来获得这些特征，但是匹配具有分级约束条件的整个树可以稳定的方式来产生，例如，根据本发明的实施例通过使用分支约束条件来产生。另外，尽管基于路径的树匹配方法能实现多对一路径映射，但是一对一路径映射能够通过匹配矩阵来执行。此外，尽管基于路径的树匹配方法可能比一般的图匹配算法要求更多的处理时间，但将要论述各种能够被用来减少运行时间的优化方案。
现在将对根据本发明的实施例的基于路径的树匹配的系统和方法进行详细描述。
图1是说明根据本发明的实施例的基于路径的树匹配的系统100的框图。如图1中所示，系统100包括经由有线或无线网络120连接的获取设备105、PC(个人计算机)110和操作员控制台115。
获取设备105可以是磁共振(MR)成像设备、计算机断层扫描(CT)成像设备、螺旋CT设备、正电子发射断层扫描(PET)设备、单光子发射计算机断层扫描(SPECT)设备、混合的PET-CT设备、混合的SPECT-CT设备、二维或三维荧光镜成像设备、二维、三维、或四维超声波(US)成像设备、或x射线设备。此外，获取设备可以是能够例如以PET模式、SPECT模式或MR模式获取图像的多模态的或混合的获取设备。
PC 110包括被连接到输入设备150和输出设备155的CPU(中央处理器)125和存储器130，该PC 110可以是便携式的或膝上型计算机、医学诊断成像系统或图片存档通信系统(PACS)数据管理站。CPU 125包括基于路径的树匹配模块145，该基于路径的树匹配模块145包括一种或多种用于执行将在下文参照图2-6论述的基于路径的树匹配的方法。尽管基于路径的树匹配模块145在CPU 125之内示出，该基于路径的树匹配模块145也可以位于CPU 125之外。
存储器130包括RAM 135和ROM 140。存储器130还可以包括数据库、磁盘驱动器、磁带驱动器等等或其组合。RAM 135起在执行CPU 125中的程序期间所使用的数据数据存储器的作用并且被用作工作区。ROM 140起程序存储器的作用，用于存储在CPU 125中所运行的程序。输入150由键盘、鼠标等等组成，并且输出155由LCD、CRT显示器或打印机组成。
系统100的操作可以由包括例如是键盘的控制器165和显示器160的操作员控制台115来控制。操作员控制台115与PC 110和获取设备105进行通信，以便可以由PC 110再现(render)由获取设备105所收集的图像数据并且可以在显示器160上看到这些图像数据。应当理解，PC 110可被配置来在缺少操作员控制台115的情况下使用例如输入设备150与输出设备155操作和显示由获取设备105所提供的信息，以运行由控制器165和显示器160所执行的某些任务。
操作员控制台115可以进一步地包括任何适当的图像再现系统/工具/应用，这些图像再现系统/工具/应用可以处理所获取的图像数据集(或其部分)的数字图像数据来在显示器160上产生并显示图像。更具体地说，图像再现系统可以是提供医学图像数据的再现和可视化的应用，并且该应用运行在通用或专用计算机工作站上。应当理解，PC 110还可以包括上述图像再现系统/工具/应用。
图2是示出根据本发明的实施例的基于路径的树匹配方法的操作的流程图。
如图2中所示，获取表示物理对象或模型的树形结构(210)。
在基于路径的树匹配方法中，树T是双倍链接的有向分支B＝(SB，PB，CB)的集合，该集合包含一组等距的结点(site)SB、到其双亲PB的链路(例如，呼吸道和动脉中的一个)、和到其子女CB的链路(例如，呼吸道或动脉中的两个或多个)。没有双亲PB＝Φ的分支被定义为根分支，而没有任何子女CB＝Φ的分支被定义为终端分支。一组结点SB是具有被定义为SB的起始结点的第一结点和被定义为SB的终端结点的最后结点的有序的、等距的三维坐标的矢量。另外，由于分支总是被认为是子女或双亲，所以树包括固有的分级结构。假定没有循环，则每个分支属于某个代编号，其中代0为根分支，代1为根的子女分支，等等。
树形结构可以是诸如呼吸道、动脉、静脉或管道系统之类的任何分支的管状结构。可以例如通过使用诸如CT扫描仪之类的获取设备105来获取分支的管状结构，以扫描患者的胸来产生一系列与肺相关的二维图像切片。然后合成肺的二维图像切片来形成三维图像。
除肺之外，应当理解可以从诸如肝脏、腿或脑的任何身体部分中获取分支的管状结构。另外，根据本发明的实施例可以使用从MRI设备或与获取设备105的各种形态相关的任何成像设备中获取的其它类型的数据。
一旦已经获取了树形结构，就从每个结构中提取路径(220)。
路径是一个或多个直接链接的、起始于第一分支内的任何结点和终止于最后涉及的分支的任何结点的分支的组合。完整路径被定义为起始于根分支的根结点以及终止于任何终端分支的终端结点的路径。因为这个分级结构，任何完整路径将总是包含根分支。路径可以通过任何分割、中心线提取或捕获方法进行提取。
在从每个树形结构中提取路径之后，通过计算路径之间的相似性度量来对路径彼此之间进行比较(230)。这个度量通过使用比较来自一条路径的点和其它路径中的点的函数来确定。这里，路径中的一条被选作为比较的基础。
应理解，选择两条路径中的较短路径用于比较路径可能更有效，因为，假定较短路径匹配较长路径的子部分，则避免在没有相等的对应部分的逐结点比较中使用点。然而，使用较长的路径也是可行的并且没有限制基于路径的树匹配方法的应用。例如，即使完整的呼吸道路径可能具有更接近地开始的根节点，同时动脉路径将很可能进一步地延伸到周围，仍可以实现将动脉匹配到周围的支气管。
在选择基础或初始树内的起始和结束结点之后，通过将两者之间的所有结点合并到一个不包含分级信息的结构中来创建初始路径，即，所有的父母与子女分支的概念都被消除并且留下一系列结点。
许多不同的相似性特征可被用于比较路径。三个例子包括距离，角度，和方差。距离特征表示路径之间的偏移，角度特征描述路径方向的差异，以及方差特征计算这些路径之间的偏移的变化。其它特征也可被用来比较所述路径。尽管最优特征的选择取决于应用，但所描述的特征适用于一般的情况。其它数值特征可以容易地被结合到基于路径的树匹配方法中。
距离特征描述将要被比较的路径之间的平均平方距离。该距离特征通过总计初始路径的每个结点与其比较路径内的最接近的结点之间的平方距离来计算。然后，总和被除以初始路径的结点数。由于每条分支的所有结点是等距布置的，所以结点数等于路径的长度。
d=1imaxΣi(pi-C(pi|q))2---(1)]]>其中，初始路径中的pi＝结点i，而C(pi|q)＝比较结构的路径q中与pi最接近的结点。
角度特征估计将被比较的两条路径的方向的平均差。由于没有使用分支的直线表示，所以每个结点处的路径的方向可能稍有不同。为了计算精确的差异，有必要知道初始路径的哪个结点对应于比较分支的哪个节点。由于这个关系事先不知道，所以使用在初始路径的每个结点处的切线的方向与在比较路径的最接近的结点处的方向之间的差。然后，总和被除以初始路径的点的数目。
a=1imaxΣi∠(p→i,C(pi|q)→)---(2)]]>其中 ＝初始路径的结点i处的方向，而 ＝比较结构的路径q中与pi最接近的结点处的方向。
所述方差特征是上述距离特征的方差。
v=1imaxΣi[pi-C(pi|q)2-d]2---(3)]]>其中，pi＝初始路径的结点i和C(pi|q)＝路径q中与pi最接近的结点，并且d是平均平方距离。
一旦已经计算了这些特征，就确定所述路径是否匹配(240)。
这例如通过将这些特征应用到比较树的完整路径以相对于初始路径产生距离矢量来实现。为了将这个矢量转换成为单一值，使用被称为赋范组合(Normedcombination)的简单组合方法。所述赋范组合考虑了每个分量的变化性。这里，具有高变化性的分量比具有低变化性的分量接收更小的权重。这通过用其方差重新调节每个分量来获得。距离矢量x的模等于||x‾||N=(x1σ1)2+(x2σ2)2+...+(xnσn)2=x‾t·V‾‾-1·x‾---(4)]]>其中 是方差矩阵，其中主对角线上为方差而其它各处为零值。因此，比较树的每个完整路径具有表示其与初始路径的相似性的单一值。这里，具有最小值的路径变成最佳匹配。在具有同样小的值的路径的情况下，可以随机地选择一条路径，或者可以根据与现有匹配的一致来执行更高级的分析。
当使用基于路径的树匹配方法来匹配整个树时，可能发生多对一匹配，因为不考虑现有的匹配分配而逐路径地完成匹配。换句话说，尽管初始树中的每条路径仅仅具有一个到比较树中的路径的匹配，但是比较树中的给定的路径可能被匹配到初始树中的多于一条的路径。一对一的匹配可以通过首先计算整个距离矩阵然后根据这个矩阵选择最佳匹配来实现。
由于两条路径正在被匹配，所以各种基于行的特征可被用来确定相似性度量。相似性度量也可以是基于两个弯曲的三维行之间的变换。也可以使用诸如曲率以及一系列点的函数的任何其它测量的特征。例如，高次多项式可适于路径并且其等式可被用于比较。另外，这些特征的组合可被用于增加基于路径的树匹配方法的稳定性。
下面对使用用于匹配整个树结构的、基于路径的树匹配方法进行描述。例如，代替手动地指示初始树中要求匹配的路径，可以自动地选择每条完整路径并且匹配到另一个树内的另一条完整路径。对于每条可能的完整路径，这可被重复直到树内所有的路径都被匹配(250)。
然而应理解，在匹配整个树结构之前，某种树结构对准可能对调节(accommodate)要被计算的特征(特别是距离特征)是必需的。这个对准在大部分的应用中可以通过使用树结构的主要的分支点来实现。可以自动地完成这个对准。在呼吸道与动脉匹配中，由于根结点中的差异，对准过程可能是不可能的(例如，呼吸道的气管和动脉的心脏)。
由于诸如角度和距离变化之类的其它特征更独立于路径位置，所以树结构不必被对准，因为这些树结构对于仿射变换是较不敏感的或不可变的。这些特征很可能对于适当的匹配需要附加约束条件，因为这些特征允许许多可能的匹配。例如，这些特征可能允许左肺和右肺中的呼吸道路径将被匹配到第二树的右肺中的路径。因此，可能需要附加的约束条件来防止类似这个情况的事件发生。
可以通过使用匹配矩阵来增加一对一的匹配约束条件。由于逐路径的匹配可能产生多对一的映射，所以出于将匹配约束为一对一的目的可以创建匹配矩阵。这个矩阵由在行中列出第一树的所有可能的路径、同时在列中列出第二树的所有可能的路径组成。矩阵中的每个条目包含两个路径之间的匹配的测量。通过反复地选择所有距离值中的绝对最小距离，如之前所述地处理结点，以及标记相关的路径作为所匹配的和忽视这些为了进一步地匹配，可以实施一对一的匹配约束。
由于初始路径在比较树中也许没有等价物，所以一对一的匹配约束未必具有适当的结果，并且如果初期的匹配不正确地完成，则会在一连串的错误的标记中终止。因此，引入概率矩阵，该概率矩阵试图创建一对一的匹配而且在单个情况下提供多对一匹配的可能性。因此，所匹配的路径为了进一步的匹配没有被完全地忽视。
例如，当最佳匹配路径已经被匹配时，其差分量度仅仅稍微较高的次最佳不匹配的路径的概率变得比最佳匹配高。当没有发现满足这些要求的另外的路径时，已经被匹配的路径被标记为最佳匹配和这个匹配的概率，并且这条路径已经存在的匹配被减少了所分配的匹配数。通过使用匹配矩阵，可以通过阻止某些匹配被允许给定在前匹配的得分来强加一对一匹配。这个矩阵正是可以在这个框架内形成的方式约束条件之一。
给定所匹配的路径，能确定那些路径内的哪些分支是一致的。从而，分支与分支的匹配可以由该结果得到。这可以通过对经由所匹配的路径匹配的每条分支或点簇创建匹配表决(match vote)来实现。首先匹配较常被匹配的分支。例如，如果n条所匹配的路径隐含地匹配相同的两个分支，则那个分支匹配接收n个表决。这个表决方案不仅可被用来确定哪些分支被匹配在一起，而且被用于根据给定分支匹配接收到的表决数和第二竞争者接收到的表决数来确定置信度。这个置信因数可被用于影响进一步的处理步骤。
例如，在配准方法中，具有较大置信度的匹配可能对配准模型具有较大的影响。低置信度区域也可被呈现给用户，以允许快的半自动的接口。另外，由于一系列结点被匹配，初始树中的一个分支可以被匹配到其他树中的两个分支。如果错误的分支将正确的分支分裂成为两个部分，则这个情况可能发生。
使用分支匹配也允许分级约束。以高置信度匹配的两个分支可以规定，包含这些分支的所有其它可能的路径必须在这些分支的结点处匹配。另外，一旦这些分支被匹配，就可能进行递归过程，以致所匹配的分支的末端起根结点的作用，因为过程再次被重复。这个递归方法允许使用分级约束，同时避免基于图匹配的方法的一些缺点。
由于基于路径的树匹配方法可能要求比一般的图匹配算法更多的处理时间，所以下面要被描述的若干优化可被用来增加所述方法的速度。
首先，由于比较操作彼此独立，所以基于路径的树匹配方法对于多线程实现开放。这允许在双处理器计算机上潜在两倍的速度或甚至在具有更多处理器的计算机上更快。第二，遥远的或非常不可能的路径匹配可以容易地被识别，以避免更昂贵的比较步骤。第三，在识别最优的特征组合之后，对于每个比较对的单独特征的计算可以被优化，并且对于每个特征集的计算时间将不会远远超过单个特征的当前计算时间。由于特征是基于点的，所以计算时间取决于定义路径的结点的数目。在有些情况下，可以增加实现最优结果的结点之间的必要距离，这直接减少了每个特征计算的计算时间。
在另一优化方案中，基于现有匹配的匹配矩阵和分级约束可被用来预言哪些路径各不会被比较。因此，尽管传统的图匹配可能天生较快，但是这些优化方案的使用可能有效地减少了基于路径的树匹配方法所需要的时间。然而，在诸如仅仅需要匹配单条路径的支气管镜检规划之类的应用中，基于路径的树匹配方法可能工作性能比图匹配方法好，因为整个匹配过程无须被执行。
现在将描述当不考虑所有的分支尽可能匹配时的速度差的例子。这里，使用一个特征来将具有44条路径的树匹配到具有66条路径的树的时间是4分28秒。由于每条初始路径与每条比较路径相比，所以根据每条路径内的结点的数目，特征被计算大约2900次，每次的平均处理时间是92.2毫秒。例如在右/左上叶支气管和右/左胸部中间(Truncus Inter Medius)之间的歧点的先验识别将初始树划分为四个部分，导致速度大约增加了四倍。诸如一般的距离之类的其它比较特征也可被用来确定哪些路径不必被比较。
基于路径的树匹配方法已经对具有极好结果的呼吸道与呼吸道和呼吸道与动脉匹配进行了测试。对于第一验证，部分呼吸道树被匹配到合成产生的比较树。人造树通过使用初始数据作为基础并然后修改所述数据来创建。首先，参数特定范围内的随机偏移被增加到每个结点，以模拟树之间的位差。其次，具有参数化的方差的高斯分布的噪声被增加到所述结点，以模拟其它可能的诸如呼吸之类的差异源。通过使用这个技术，很容易检查噪声和偏移对用于匹配的特征的稳定性的影响。超过5000条路径匹配的验证结果在图3中示出。图3中所示的实验产生的结果包括验证D(距离)、A(角度)、V(方差)三个特征、在具有75个不同参数设置的所有组合中用于偏移和噪声的Euc(欧几里得几何学的)和Norm(赋范的)。这里，匹配结果与标准分割图像(ground truth)相比，以确定正确分类的比率。
如图3中所示，当每个特征被单独应用时，角度和方差特征实现超过95％的正确的匹配结果。仅仅当单独应用距离特征时，该距离特征才没有获得与通过其它特征所获得的结果一样好的结果。然而，由于有大约85％的正确的分类，当单独应用距离特征时，距离特征不是完全无用的(注意图3中的y轴没有从零开始)。由于欧几里得几何学组合的范围比方差特征的范围高，所以受距离特征的结果的影响。因此，角度和方差的欧几里得几何学组合得到了突出的结果。相反，赋范组合通过较低的特征性能看来没有被影响太多，而欧几里得几何学组合因此是实现超过95％的正确的匹配结果的最多的组合。距离和方差特征组合是较不准确的，但是仍然比距离特征单独使用更可靠。
图4说明在所提取的患者呼吸道树和若干月以后相同患者的跟踪获取结果公之间的匹配结果。这里，所有变化中的D(距离)、A(角度)、V(方差)、Euc(欧几里得几何学的)和Norm(赋范的)组合都被测试。由于包含第一呼吸道分割的、在随后的树中没有被分割的分支，所以无法发生完整准确的匹配。对应于这些附加分支的路径被标记为“N/A”。匹配结果与标准分割图像相比来确定“真”(例如，正确的)和“假”(例如，不正确的)分类。
总的说来，匹配包括44条路径，由具有平均每条路径7.75条分支的83条分支组成。在没有使用所述匹配矩阵的情况下，使用除方差之外的任何特征获得6.8％的假的匹配率(例如，44条中的3条)。通过引入所述匹配矩阵，D(距离)、V(方差)、和Norm(赋范)组合可以得到改善，例如，通过两个附加的正确的匹配，导致路径的2.3％的假匹配率。另外，大多数假匹配仅仅在终端分支中包含错误。因此，甚至被标记为假匹配的多条路径可以经由大部分的分支来校正。如图5中所示，两个树(例如，由点密集的线标明的初始树和由点稀少的线标明的比较树)在分支的数目和长度方面包含差异，然而基于路径的树匹配方法成功地匹配大多数的分支和路径。也可以执行基于路径的树匹配方法对分支级别的评估，因为，如果给定路径匹配，则分支到分支的映射就可以被构造。
图6说明呼吸道和动脉路径之间的匹配。这里，支气管树内的由大圆标明的起始结点是手动选择的。然后，该起始节点周围的子容积内的脉管通过在接近于起始结点的脉管分割内选择随机根结点而被自动地分割和捕获到树结构中。然后，在起始结点处开始并且在所有的后代终端分支的终端结点处终止的所有路径都被匹配到脉管树内的所有完整路径。没有使用任何匹配矩阵的所选择的匹配路径在两个树中被给出相同的颜色，用粗线再现初始树和用细线再现比较树。当来自于两个不同匹配的结点重叠时，最近匹配的路径的颜色被给予重叠区中的所有结点。这个着色过程的结果看来类似于分支到分支的着色。
根据本发明的实施例的基于路径的树匹配方法可被应用到各种树匹配应用中。现有的方法依赖于具有更严格要求的图匹配技术并且更容易由假分支妨碍。然而，基于路径的树匹配方法允许在树的不同部分具有根分支的灵活性同时产生成功的匹配。另外，基于路径的树匹配方法允许一个树中的两个分支将被匹配到比较树中的分支，以调节假的中间分支，这很难用标准的基于节点的匹配方法来实现。
应进一步理解，本发明可以硬件、软件、固件、专用处理器、或其组合的各种形式来实现。在一个实施例中，本发明可以软件被实现为可在程序存储设备(例如磁软盘、RAM、CD ROM、DVD、ROM和快闪存储器)上切实实施的应用程序。应用程序可以被上载到包括任何适当结构的机器，和由包括任何适当结构的机器来运行。
应进一步理解，因为附图中所描述的一些构成系统部件和方法步骤可以软件来实现，取决于本发明以其来编程的方式，系统部件(或过程步骤)之间的实际连接可能是不同的。给出了在此所提供的本发明的教导，本领域普通技术人员将能设想到这些和类似的本发明的实施方式或配置。
还应当理解的是，上面的描述只是示例性实施例的代表。为了读者的方便，上面的描述集中在可能的实施例的代表性例子，即说明本发明原理的例子。所述描述不试图穷举式地列举所有可能的变化。可替换的实施例可能没有表示为本发明的特定部分，或进一步未描述的替换方案可用于一部分的情况将不考虑放弃那些可替换的实施例。在不脱离本发明的精神和范围的情况下可以实施其它应用和实施例。
因此打算，本发明不被限于具体描述的实施例，因为可以创建上面所述的许多置换和组合以及包括上述非发明替换的实施方式，但是本发明将依据随后的权利要求来定义。可以认识到许多那些未被描述的实施例在下面的权利要求的文字范围之内，并且其它的实施例是等价的。
权利要求
1.一种用于树匹配的方法，其包括获取表示物理对象或模型的树形结构；从第一树形结构中提取路径和从第二树形结构中提取路径；通过计算路径的相似性度量来比较第一和第二树形结构的路径；以及根据所述相似性度量来确定路径是否匹配。
2.如权利要求1所述的方法，进一步包括重复所述提取、比较、和确定步骤，直到所述树形结构的每条路径都已经被匹配或被排除在外。
3.如权利要求2所述的方法，其中，根据所述一个或两个树形结构的分级结构来比较路径。
4.如权利要求3所述的方法，进一步包括根据其它路径的相似性度量来确定路径是否匹配。
5.如权利要求4所述的方法，进一步包括产生匹配矩阵，用于记录所匹配的路径。
6.如权利要求4所述的方法，进一步包括当最佳匹配路径已经被匹配到另一条路径时，产生概率矩阵，用于将路径匹配到次最佳的匹配路径。
7.如权利要求2所述的方法，进一步包括在比较路径之前对准所述树形结构。
8.如权利要求1所述的方法，其中，所述树形结构是呼吸道、动脉或静脉。
9.如权利要求1所述的方法，其中，所述树形结构通过跟踪、分割、或骨架化来获取。
10.如权利要求1所述的方法，其中，所述路径通过分割、中心线提取或直接从树形结构中被提取。
11.如权利要求10所述的方法，其中，提取所述路径包括选择路径中的一条作为路径之间比较的基础。
12.如权利要求11所述的方法，其中，匹配长路径的子部分的短路径被选为路径之间比较的基础。
13.如权利要求1所述的方法，其中，所述相似性度量是所述路径的距离特征、角度特征、距离方差特征或这些特征的数值组合。
14.一种用于将树形结构的路径匹配到另一个树形结构的方法，其包括从第一树形结构中获取路径，和从第二树形结构中获取路径；通过计算第一树形结构的路径与第二树形结构的路径的相似性度量来比较第一树形结构的路径和第二树形结构的路径；以及根据所述相似性度量来确定第二树形结构的哪条路径最佳匹配第一树形结构的路径。
15.如权利要求14所述的方法，进一步包括重复所述获取、比较、和确定步骤来匹配第一和第二树形结构。
16.如权利要求15所述的方法，其中，根据一个或两个树形结构的分级结构来比较第一和第二树形结构的路径。
17.如权利要求16所述的方法，进一步包括产生匹配矩阵，用于记录所匹配的路径。
18.如权利要求16所述的方法，进一步包括当最佳匹配路径已经被匹配到另一条路径时，产生概率矩阵，用于匹配路径以允许次最佳的匹配路径。
19.一种用于树匹配的系统，其包括用于存储程序的存储设备；与该存储设备进行通信的处理器，所述处理器运行该程序来获取表示物理对象或模型的树形结构；从第一树形结构中提取路径和从第二树形结构中提取路径；通过计算路径的相似性度量来比较第一和第二树形结构的路径；以及根据所述相似性度量来确定路径是否匹配。
20.如权利要求19所述的系统，其中，所述处理器进一步运行程序代码来重复所述提取、比较、和确定步骤，直到所述树形结构的每条路径都已经被匹配或被排除在外。
21.如权利要求20所述的系统，其中，根据一个或两个树形结构的分级结构来比较路径。
22.如权利要求21所述的系统，其中，所述处理器进一步运行程序代码来根据其它路径的相似性度量来确定路径是否匹配。
23.如权利要求22所述的系统，其中，所述处理器进一步运行程序代码来产生匹配矩阵，用于记录所匹配的路径。
24.如权利要求22所述的系统，其中，所述处理器进一步运行程序代码来当最佳匹配路径已经被匹配到另一条路径时，产生概率矩阵，用于将路径匹配到次最佳的匹配路径。
25.一种用于将树形结构的路径匹配到另一个树形结构的系统，其包括用于存储程序的存储设备；与该存储设备进行通信的处理器，所述处理器运行该程序来从第一树形结构中获取路径，和从第二树形结构中获取路径；通过计算第一树形结构的路径与第二树形结构的路径的相似性度量来比较第一树形结构的路径和第二树形结构的路径；以及根据所述相似性度量来确定第二树形结构的哪条路径最佳匹配第一树形结构的路径。
26.如权利要求25所述的方法，其中，所述处理器进一步运行程序代码来重复所述获取、比较、和确定步骤来匹配第一和第二树形结构。
27.如权利要求25所述的方法，其中，根据一个或两个树形结构的分级结构来比较第一和第二树形结构的路径。
28.如权利要求27所述的方法，其中，所述处理器进一步运行程序代码来产生匹配矩阵，用于记录所匹配的路径。
29.如权利要求27所述的方法，其中，所述处理器进一步运行程序代码来当最佳匹配路径已经被匹配到另一条路径时，产生概率矩阵，用于匹配路径以允许次最佳的匹配路径。
全文摘要
提供一种用于树匹配的系统和方法。用于树匹配的方法包括获取表示物理对象或模型的树形结构(210)；从第一树形结构中提取路径和从第二树形结构中提取路径(220)；通过计算路径的相似性度量来比较第一和第二树形结构的路径(230)；以及根据所述相似性度量来确定路径是否匹配(240)。
文档编号A61B6/03GK1892704SQ20061011563
公开日2007年1月10日 申请日期2006年6月22日 优先权日2005年6月22日
发明者J·N·卡夫坦, A·P·基拉利, C·L·诺瓦克 申请人:西门子共同研究公司