误差适应性功能成像的制作方法

文档序号:6454844阅读:211来源:国知局
专利名称:误差适应性功能成像的制作方法
误差适应性功能成像
下文主要涉及功能医学成像。它特别应用于需要识别和解决功能成像 信息中由噪声和其他误差源引起的不确定性的情况。
医学成像技术己经成为疾病诊断和治疗的关键工具。医学成像中 一个 备受关注的方面就是功能成像,功能成像提供诊断和/或治疗相关的功能参 数信息。
功能成像通常包括生成感兴趣参数的参数映射图。 一个示例就是在肿
瘤学研究中使用FMISO-PET图像,在肿瘤学研究中使用缺氧相关的功能参 数来区别肿瘤中侵袭性强的部分或侵袭性弱的部分。另一个示例包括心脏 PET或SPECT研究,其中使用灌注相关功能参数的参数映射图来识别心肌 的灌注不足区域。其它示例包括功能磁共振成像(fMRI),其特别用于提供 脑功能相关的信息;以及分子成像,其提供有关分子标记或试剂的信息。
然而, 一个复杂的因素就是噪声和其它不确定性的影响。虽然体素方 式的参数估计提供了相对较高的空间分辨率,但是这样的估计尤其容易受 到底层图像数据中噪声的影响。如果未加解决,这种噪声的影响能够产生 次优诊断或治疗。
平滑技术用于降低由诸如成像噪声、建模噪声以及数据稀疏的因素引 起的统计参数波动。 一种常用的平滑技术是聚类,其中将感兴趣的区域或 体积分成具有相似参数值的邻接或非邻接子区域。指定期望的聚类数目, 并使用聚类算法将所述区域划分为指定数目的聚类。所谓的定义区域反过 来用于珍断(例如,确定肿瘤或心肌中缺血区域的大小)和/或治疗(例如, 确定辐射治疗计划中的辐射剂量)。
然而,前述技术的一个缺点在于聚类的数目和/或分布可能不恰当,从 而导致次优聚类。次优聚类会反过来导致次优诊断和/或治疗。
因此,需要提供改进的技术来解决功能成像中噪声和其它不确定性的 影响。本发明的各方面关注这些内容以及其他内容。
根据本发明的第一方面, 一种方法包括接收指示对象的感兴趣区域的 功能图像数据,其中功能图像数据包括空间变化功能参数值和空间变化功 能误差模型。该方法还包括根据空间变化误差模型的函数分割感兴趣区域 并生成指示经分割的感兴趣区域的图像。
根据本发明的另一个方面, 一种设备包括用于接收指示对象的感兴趣 区域的功能图像数据的装置,其中功能图像数据包括空间变化功能参数值 和空间变化功能误差模型。该方法还包括用于根据空间变化误差值的函数 分割感兴趣区域的装置,以及用于生成指示经分割的感兴趣区域的图像的 装置。
根据本发明的另一个方面, 一种包含指令的计算机可读存储介质,该 指令在由计算机运行吋令计算机执行如下方法,该方法包括接收指示对 象的感兴趣区域的功能图像数据以及将功能图像数据聚集成多个聚类。功 能图像数据包括功能值和功能误差模型。聚类的数目是包括在聚类屮的功 能值的功能误差模型的函数。
根据本发明的另一个方面, 一种包含指令的计算机可读存储介质,该 指令在由计算机执行时令计算机执行如下方法,该方法包括接收指示对 象的感兴趣区域的功能图像数据;使用空间变化功能误差模型在空间上改 变功能图像数据的空间分辨率;以及生成指示功能图像数据的图像。
根据本发明的另一方面, 一种方法包括接收指示感兴趣区域的功能 图像数据;在GUI上以人可读方式显示功能图像数据;以及基于功能误差
模型和所显示的功能图像数据的人工评价对感兴趣区域进行交互式分割。 本领域技术人员在阅读并理解附图及说明书后将领会到本发明的其他方面。
本发明通过举例方式进行说明,且并不局限于附图中的各幅图,在附
图中相同的附图标记指示相似的元件,且在幅图中

图1描绘出分割图像体积的各步骤;
图2A、 2B、 2C和2D描绘出处于二元分割各个阶段的图像体积;图3描绘出多个聚类。
从实际成像过程(例如PET、 SPECT或fMRI)得到的参数映射图和功 能信息由于底层图像数据中的噪声而拥有大量的误差或不确定性。功能参 数值的噪声通常与在其上进行估计的区域的大小相关。体素方式估计示出 最高水平的空间分辨率,但通常在所显示的值中具有较大的不确定性或置 信区问。虽然降低空间分辨率常常降低不确定性并因此令置信区间变窄, 但是丢失了空问细节。
通过根据误差的函数来适应性改变图像体积或其它感兴趣区域上参数 估计的空间分辨率能够改善这些影响。可以根据期望的误差优化准则改变 空间分辨率,例如达到感兴趣区域上的期望误差或期望误差分布。这样做 在很多情况下可改善数据的可视化,或者提供对诊断或治疗有用的信息。
聚类技术也会受到底层功能数据中的误差或不确定性的影响,尤其是 在先验地建立聚类数目的情况下。例如,先验指定聚类数目会产生如下的 聚类结果,即对于这些结果而言,属于两个或多个聚类的功能参数的平均 值可能具有统计学上的非显著性差异。从而,对两个或多个聚类进行分离 可能没有生理学和/或统计学意义。另一方面,数据的特征可能在于可建立 附加的有意义的聚类。
通过将误差测量合并为聚类过程的一部分,以及使用这一测量结果来 根据误差的函数适应性调节聚类的数目能够改善这些影响。例如,可以使 用所述误差来评估聚类分离的显著性并相应地调节聚类的数目。这样做可 以在很多情况下改善聚类分离,从而改进数据的可视化或提供对诊断或治 疗有用的信息。
图1示出了用于根据误差的函数对感兴趣的体积或其它区域进行分割 的示例性迭代过程。
在步骤102中,接收诸如参数映射图的功能成像数据。该功能图像数 据通常包括空间变化功能参数值Xx, y, z)以及相关的在图像体积上变化的 空间变化误差模型e(x, y, z)。
感兴趣区域为图像体积的子集的,在步骤104中执行任选感兴趣区域 的选择步骤。感兴趣区域可由操作者选择,例如通过以人可读方式显示该体积并要求用户指定期望区域进行选择。也可以通过分割或其他图像处理 技术确定感兴趣区域,这些技术可单独实行或与操作者输入结合实行。
在步骤106中,选择感兴趣区域的起始分割PQ。具体而言,将感兴趣 区域划分为一个或多个子区域。在一个实现方式中,例如通过执行数据集 的二元分割在空间上建立各子区域。在另一个实现方式中,使用聚类或区 域生长技术建立各子区域。
在步骤108中,根据基于误差的分割策略对当吋有效的分割Pn进行修
改从而生成新的分割pn+1。
在步骤110中,根据基于误差的接受准则对新的分割进行评价。在一 个实现方式中,执行分割以便使各个子区域的误差估计最小化或低于期望 阈值。在另一个变更中,执行分割以便各个子区域具有期望的误差同质性, 例如以便使各个子区域中误差值之间的差最小化或低于期望阈值(或者用 另一种方式表述,以便使误差同质性最大化)。
优化策略和接受准则同样会考虑到功能参数,以及相应实行的分割。 作为一个示例,接受准则同样会考虑到特定子区域中或跨多个子区域中的 体素值和功能参数误差估计的变异。
在步骤112中,如果不满足接受准则,则处理过程返回到步骤108,在
这里对感兴趣的体积或区域进行重新分割。如果满足接受准则,则接受该 分割。
可以向操作者任选地呈现所提出的分割以供接受。取决于实现方式, 操作者可拒绝所提出的分割,在这种情况下接受先前的分割。或者,即使 不满足接受准则,操作者也可选择接受新的分割。操作者也可以获得选项 以对分割进行手动修改。
可以各种方式向操作者呈现所提出的分割。例如,可以通过颜色编码、 闪烁、交替可视化或使用图形用户界面(GUI)的其它图形技术来突出显 示其上将要进行操作的子区域。可选地或附加地,也可以呈现诸如柱状图、 参数和/或误差值的数值显示、以及文本消息的信息。
在步骤114中可视化所接受的分割,例如,通过在计算机显示器或监 控器上以人可读方式显示参数映射图。可选地或附加地,为了辅助诊断或 计划治疗过程,所述数据可用作对于计算机辅助诊断程序或治疗计划过程的输入。
现在来描述一个示例性分割,其中根据误差的函数改变感兴趣区域的 空间分辨率。P表示对感兴趣的体积或区域完全分割,其是P个体素集s 的集合
方程式l 方程式2
6V二 ((xl,少l,z1),…,(,,, /)},/ = I,.",尸 每个体素集Si定义了包括Ni个体素的区域,在该区域上计算功能参数XSi) 及其误差e(Si):
方程式3 t/'(,S')、t'('S')卜F('S、)
其中,F表示参数估计过程,该过程具有由功能成像模型生成的估计功能 参数值/和相关的功能误差模型"
参数值的误差可通过在较大区域上取平均而得到降低。最小的可能区 域是单体素,而最大的可能区域是整个体积。分割体积使参数值误差满足 期望的接受准则。
如上所述,可以预见到有各种各样的优化策略和接受准则。例如,可 以根据功能误差最小化策略来分割体积以便使每个子区域中的功能误差都 低于最大误差阈值
方程式4
如果该误差足够小,则空间分辨率不必进一步减小。 另一个方法是最小化误差
方程式5
总是用空间分辨率换取误差的最小化。
另一种方法集中于各子区域之中的误差同质性以便使两个或多个子区 域之中的功能误差变异最小化。例如,可以分割体积以便使误差变异低于
阈值
12方程式6
厂'=| 乂 ^ / = |
阅位
其中
em为最大变异。功能误差变异也可最小化:
方程式7

1 "
丄E' 尸^
mm
后者的技术用空间分辨率换取误差同质性。
应当注意到,上述讨论集中于在整个体积上进行优化。优化也可被限 制于感兴趣的区域或其他子体积中。同样可以针对体积或区域的不同分割 建立不同的接受准则。也可根据功能参数值/的函数建立阈值。
现在将参照图2描述示例性二元分割策略。图2A示出了初始体积202。 体积202包括多个体素204,每个体素都有功能参数值/和功能误差模型e。 图2B和2C描绘了将体积分别进行第二和第三级二元分解成为具有相对较
粗空间分
;子区域。在目的是要根据误差分布的函数改变分辨率的

况下,有利地在每个分辨率水平处计算功能参数值/。虽然为图示方便示出 了三级分解,但是也可实现更高(例如,四级或更多)或更低的级别。
选择最粗分辨率(即,该示例中图2C的那样)。在此可以针对接受准
则检验分割以判定是否满足该准则。通过将每个还未达到最高分辨率水平
的子区域分解到最高分辨率水平(即,本例中图2A的那样)来对所述分割 进行修改。检验所提出的修改以判定其是否更符合该接受准则。 一旦所有 的子区域(或如果未提出进一步分割)都满足该接受准则,就接受当前的 分割,并终止该过程。
图2D示出了示例性的最终分解。如图所示,该体积底端部分206具有 相对低的分辨率,该体积中间部分208具有相对高的分辨率,剩余的上部 部分210有中间水平的分辨率。正如所看到的,该体积展示出空间变化的 空间分辨率。
如上所述,可以通过GUI或其它方式交互式执行所述分割,以便用户 有机会接受、拒绝或者修改所提出的分割。维持分割过程的历史记录(或 一部分历史记录)同样是有益的。然后该历史记录可以用作交互式方案中的快速分割变化。该历史记录也可用于提供基于先前决策的分割,例如用 于适应性辐射治疗(即,重复成像)。虽然讨论了上述示例,但是可以采用 .二元分割策略、聚类、区域生长、或非二元策略。
现在将结合图3描述一种使用聚类以根据误差模型e和统计误差s的
函数改变聚类数目的示例性分割節咯。下文中,体素/中功能参数x的误差
用e,表示。从而体素/中的功能参数x的值为(x,士e,.)。
可使用k均值或其它已知聚类算法执行分割。K均值算法可以表示为 下面的形式
开始初始化",iVC, //,, //2,.' 、〃t.
执行根据最近/v对"个样本进行分类
重新计算A 直到p,不变 返回/一//2,'.',//1. 结束
其中,n为样本大小,NC为预定义的聚类数目,而^为聚类中心值。也可 使用其他聚类技术,例如已知的k调和均值算法(其对初始情况较不敏感) 或已知的遗传聚类算法(其基于参数值/建立聚类数目NC)。
使用合适的距离测量值d来执行根据最近聚类中心c,对样本;c,进行分 类,其中/代表该数据的矢量分量
方程式8
其中,P为调节距离测量值的加权指数,例如,P-l:绝对值距离(city-block) (Ll), P=2:欧氏距离(Euclid) (L2)。权重巧.可进一步改进测量值并反 映动态数据情况下的帧持续时间。
如图3中所示,感兴趣区域302的示例性聚类可以生成第一聚类304, 第二聚类306以及第三聚类308。聚类中心的功能参数值(按照该聚类中体 素的均值、平均值和其它函数进行计算的)可表示为304。 306£和308c, 功能值的误差表示为e304。 e306e和e30^。例如,如果第二聚类306的参 数值落入第三聚类308的误差限度内方程式9 308t. — e308c < 306t. < 308t. + e308c 那么,通常不需要为诊断或治疗的目的区分第二聚类306和第三聚类308, 并应提供较少的聚类(即,应合并聚类)。另一方面,如果数据的统计特性 和生理特性在于进一步分离出一个或多个聚类将会提供诊断或治疗相关的 附加信息,那么应当分配更多的聚类。
聚类A中参数值x的统计误差s可表示为体素值x属于聚类A的标准差
方程式10
其中,^为标准差,q为聚类中心,而 为聚类&中体素或元素的数目。 应当注意到,参数x的分布也可表示为平均、中值或其他函数。
在该示例中,使用功能误差模型e和统计误差s来评估聚类分离及调 节聚类数目,而使用合并/拆分策略来改变聚类数目。示例性顶层合并/拆分 策略的伪代码可表示如下 FORj=l TO NC FOR i=l TO NC
IFi!叫AND功能值(//,-A) <^< (A + e,) THEN合并聚类
IF >a e, THEN拆分聚类_/ UNTIL不再有聚类分配变化
其中,a为经验常量。如上面所注意到的,合并和拆分操作可自动完成或 由用户交互确认。
现在将更加详细地描述聚类的示例性合并。例如,如果聚类/的功能 值p,落入聚类/的误差棒(Ml ),则该算法将提出合并聚类/和_/。 一种实 现方式如下
开始初始化",wc, M, /v. a
执行k均值或其它聚类,生成聚类中心///,化...,
如果对任意两个聚类Z'和j'而言A-e、A〈A+e;,则提出
15合并聚类/和乂
如果用户接受,则集合NC—NC-7并计算聚类i和j的均值
重做聚类
直到就误差模型e而言聚类中心不同 返回所估计的聚类中心
结朿
也可以预见到有替代准则,包括统计分布5。
在图3的示例中,聚类过程得到三个聚类304、 306、 308。如果第一聚 类304和第二聚类306内的功能值在功能误差模型e方面不能相区别,就 合并这两个聚类。然后重新执行具有递减聚类数目的聚类过程。
现在将更加详细地描述聚类的示例性拆分。如果聚类k的统计误差sk 大于功能误差ek,则该算法会建议拆分聚类k: 开始初始化".A,C, 〃,
k均值或其它聚类,生成聚类中心/i/, //2',从0' 如果对任意聚类h e^c"k并且Nk〉Q,则提出拆分聚类
如果用户接受,则集合NC—NC+7且/^=/4-" A+1=A+f 重做k均值聚类算法 直到无进一步拆分 返回所估计的聚类中心 结束
如上所述,c和G)为经验常数,而s为微扰矢量。应当注意到,根据情况, 组合进行聚类的合并和拆分。
在图3的示例中,如果与功能误差模型e相比,第一聚类304的统计 误差较大,则聚类数目递增,并重新进行聚类过程将第一聚类304拆分为 两个聚类。
如上述所讨论的,向操作者呈现提出的聚类合并或拆分以供接受。因 而,可以通过颜色编码、交替聚类可视化、闪烁、文字消息或类似方式突出显示聚类。同样可以呈现一个或多个聚类的统计数据,例如柱状图、功 能值/i,和/或功能误差^。然后,用户会决定接受或拒绝所提出的新分割, 运行具有经调节的聚类数目的聚类算法,或者接受结果并终止过程。
以上所描述的技术非常适合与由PET、 SPECT、 fMRI、功能CT或其
他能够提供功能信息的扫描器所生成的数据一道使用。这些技术同样非常 适合与利用分子成像生成的数据一道使用,分子成像提供了有关其它功能 特征的信息,这些功能特征例如葡萄糖消耗量(例如,FDGPET)、细胞增 殖(例如,FLTPET)、细胞凋亡(例如,膜联蛋白V)禾n (脑部或其它地 方中的)受体密度。
在辐射疗法或解剖定位很重要的其他应用中,同样可以利用MRI、计 算机断层摄影(CT)、超声(US)、 x射线或其它扫描器对患者进行扫描, 并且将功能和解剖数据进行共同配准。在一些情况下(例如,在MR和fMRI 的情况下),在单次扫描过程中可以获得功能和解剖信息。同样可以预见到 使用混合的扫描器,例如混合的PET/MR、 PET/CT、 SPECT/CT或其他混 合模态。
使用适当的物理模型对来自功能成像模式的数据进行建模以生成一个 或多个参数映射图,并且按照上述方式操纵数据。得到的数据可由医师或 用户用于诊断或计划治疗过程。得到的数据也可用作对于治疗计划系统的 输入。在辐射治疗计划(RTP)包的示例性情况下,该数据用于计划辐射 剂量,例如通过向肿瘤中相对更加耐辐射的部分提供相对更高的辐射剂量。
上述的本发明各实施例可切实存在于存储在合适的计算机可读存储介 质中的计算机程序中。该计算机程序包括的指令在由处理器读取并运行吋, 令处理器完成执行本发明各步骤或各元件所必需的各步骤。示例性机器可 读存储器存储介质包括但不局限于固定式硬驱动、光盘、磁带、半导体 存储器(例如,只读存储器(ROM)、随机存取存储器(RAM)和可编程 (PROM))。通过执行直接来自存储器的代码,或者通过将代码从一个存 储器存储装置拷贝到另一个存储器存储装置,或通过将代码发送到网络上 以供远程执行来利用包含计算机可读代码的存储器。
当然,他人在阅读并理解说明书后将会想到各种修改和变更。本发明 旨在解释为包括落入权利要求书或其等价内容范围内的所有这类修改和变更。
权利要求
1、一种方法,包括接收指示对象感兴趣区域的功能图像数据,所述功能图像数据包括空间变化功能参数值(f)和空间变化功能误差模型(e);根据所述空间变化误差模型的函数分割所述感兴趣区域;生成指示经分割的感兴趣区域的图像。
2、 如权利要求l所述的方法,其中,所述分割步骤包括将所述感兴趣 区域分割成具有不同空间分辨率的子区域(206、 208、 210)。
3、 如权利要求2所述的方法,其中,所述分割步骤包括根据功能误差 模型的同质性准则对所述感兴趣区域进行分割。
4、 如权利要求2所述的方法,其中,所述分割步骤包括根据功能误差 模型的最小化准则对所述感兴趣区域进行分割。
5、 如权利要求l所述的方法,其中,所述分割步骤包括将所述感兴趣 区域分割成具有类似功能参数值的第一多个聚类(304、 306、 308),并且 其中,所述聚类的数目是所述误差模型和统计误差的函数。
6、 如权利要求l所述的方法,其中,所述分割步骤包括 将所述感兴趣区域分割成第一数目的聚类(304、 306、 308); 使用所述误差模型评估所述聚类的分离; 将所述感兴趣区域分割成第二数目的聚类。
7、 如权利要求6所述的方法,其中,使用所述误差模型的所述步骤包 括使用所述误差模型和统计误差评估所述聚类的分离。
8、 如权利要求7所述的方法,其中,将所述感兴趣区域分割成第二数目的聚类的所述步骤包括拆分聚类和将第一聚类与第二聚类进行合并中的 至少一个。
9、 如权利要求6所述的方法,包括 以人可读方式显示所提出的分割; 允许用户拒绝所述提出的分割。
10、 如权利要求9所述的方法,包括使用GUI突出显示所提出的分割。
11、 如权利要求l所述的方法,其中,
12、 如权利要求1所述的方法,其中 的感兴趣区域计算辐射剂量分布。
13、 如权利要求l所述的方法,其中,
14、 如权利要求i所述的方法,其中,
15、 如权利要求1所述的方法,其中 量、细胞增殖、细胞凋亡或受体密度。
16、 一种设备,包括 用于接收指示对象感兴趣区域的功能图像数据的装置,所述功能图像数据包括空间变化功能参数值(/)和空间变化功能误差模型(e);用于根据所述空间变化误差值的函数分割所述感兴趣区域的装置; 用于生成指示经分割的感兴趣区域的图像的装置。
17、 如权利要求16所述的设备,包括用于生成所述功能图像数据的装置。所述功能参数指示缺氧。 ,所述方法包括使用所述经分割所述功能参数指示灌注。 所述图像指示分子成像剂。 ,所述功能参数指示葡萄糖消耗
18、 如权利要求16所述的设备,其中,所述用于分割的装置包括用于根据所述空间变化误差模型和人工输入交互式分割所述感兴趣区域的GUI装置。
19、 一种包含指令的机算机可读存储介质,所述指令在由计算机运行吋令所述计算机执行包括如下歩骤的方法接收指示对象感兴趣区域的功能图像数据,其中,所述功能图像数据包括功能值(/)和误差模型;将所述功能图像数据聚集成多个聚类,其中,所述聚类的数目是包含 在聚类中的功能值的功能误差模型的函数。
20、 如权利要求19所述的计算机可读存储介质,其中,所述聚类的数 目是统计误差G)的函数。
21、 如权利要求19所述的计算机可读存储介质,其中,所述聚类的数 目是功能误差模型(e)的函数。
22、 如权利要求19所述的计算机可读存储介质,其中,所述方法包括 将所述功能数据聚集成第一数目的聚类; 使用所述误差模型评估所述聚类; 根据所述评价结果调节所述聚类的数目; 将所述功能数据聚集成第二数目的聚类。
23、 如权利要求22所述的计算机可读存储介质,其中,聚类包括统计 误差和功能误差模型,并且其中,所述方法包括比较所述统计误差的测度和所述功能误差模型的测度; 如果所述参数分布的测度超过所述生理误差分布的测度,则增加所述 聚类的数目。
24、 如权利要求23所述的计算机可读存储介质,其中,所述方法包括拆分所述聚类。
25、 如权利耍求23所述的计算机可读存储介质,其中,所述统计误差 的所述测度为标准差。
26、 如权利耍求19所述的计算机可读存储介质,其中,第一聚类包括 参数值,第二聚类包括误差分布,并且其中,所述方法包括判断所述参数值是否位于所述误差分布之内;如果所述参数值位于所 述误差分布之内,则减少所述聚类的数目。
27、 如权利耍求26所述的计算机可读存储介质,其中,所述方法包括 合并所述第一和第二聚类。
28、 如权利要求19所述的计算机可读存储介质,其中,所述方法包括 以人可读方式显示提出的所述数据的聚类; 允许用户接收或拒绝所述提出的聚类。
29、 如权利要求19所述的计算机可读存储介质,其中,所述方法包括 使用所述经聚类的数据计算辐射剂量。
30、 如权利要求19所述的计算机可读存储介质,其中,所述感兴趣区 域为脑部,所述聚类指示脑功能。
31、 一种包含指令的计算机可读存储介质,所述指令在由计算机运行 时令所述计算机执行包括如下步骤的方法接收指示对象感兴趣区域的功能图像数据,所述功能图像数据包括空 间变化功能参数值(/)和空间变化功能误差模型(e);使用所述空间变化功能误差模型在空间上改变所述功能图像数据的空 间分辨率;生成指示所述功能图像数据的图像。
32、 如权利要求31所述的计算机可读存储介质,其中,所述方法包括 根据功能误差模型同质性准则和功能误差模型最小化准则中的一个改变所 述空间分辨率。
33、 如权利要求31所述的计算机可读存储介质,其中,所述感兴趣区 域包括心肌,且所述功能参数指示缺血。
34、 如权利要求31所述的计算机可读存储介质,其中,所述图像包括 至少两个基于所述功能误差模型具有不同空问分辨率的子区域。
35、 一种方法,包括接收指示感兴趣区域的功能图像数据,所述功能图像数据包括功能参 数值W和功能误差模型(e);在GUI上以人可读方式显示所述功能图像数据;基于所述功能误差模型和对所述显示的功能图像数据的人工评估交互 式分割所述感兴趣区域。
36、 如权利要求35所述的方法, 互式分割所述感兴趣区域的步骤。
37、 如权利要求35所述的方法, 的分割的人工输入。
38、 如权利要求35所述的方法, 的人工输入。包括多次重复所述显示步骤和所述交 包括接收接受提出的所述感兴趣体积 包括接收提出所述感兴趣体积的分割
39、如权利要求35所述的方法,其中,交互式分割所述感兴趣体积的 步骤包括交互式将所述感兴趣体积分割为多个子区域,其中,所述子区域 的数目基于所述功能误差模型和所述人工评估。
40、如权利要求35所述的方法,其中,所述功能参数指示缺氧或灌注。
全文摘要
一种用于功能医学成像的方法,包括根据空间变化误差模型的函数将功能成像数据进行适应性分割。根据优化策略分割功能图像数据。所述数据可以进行可视化或用于计划治疗过程。在一个实现方式中,分割所述图像数据以改变其空间分辨率。在另一个实现方式中,基于误差模型改变聚类的数目。
文档编号G06T5/00GK101449290SQ200780018137
公开日2009年6月3日 申请日期2007年5月1日 优先权日2006年5月19日
发明者A·菲舍尔, C·迈尔, L·施皮斯 申请人:皇家飞利浦电子股份有限公司
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1