用于医学成像的骨骼分段中的用户引导的形状变体的制作方法

本专利文档在35之下要求2014年7月3日提交的美国临时专利申请号62/020,636的提交日的权益，特此通过引用并入该美国临时专利申请。

技术领域

本公开大体涉及医学成像的领域，并且更特别地涉及医学成像中的骨骼分段。

背景技术：

整形手术的数目由于医学技术的发展以及老龄化人口而已经快速地增长。已经扩展超出臀部和膝盖的关节置换术正在对较为年轻的候选者执行，随之而来的是不断增大百分比的手术修正。

来自医学成像的骨骼分段帮助针对这些整形手术做规划。来自诸如计算机断层扫描（CT）图像或者磁共振（MR）图像之类的三维医学图像的骨骼组织的分段，允许工程学分析以用于个体化整形手术过程中的置换和优化。

尽管存在大量研究，但是用于骨骼分段的高效且成本有效的算法的开发仍旧存在很多机会。大多数之前的方案是基于学习的并且严重依赖于标记训练图像的大数据库。然而，获得由人类专家产生的大量标记图像是非常昂贵且耗时的。手动分段也不是最佳的。通过CT或其它体积逐切片地描绘骨骼的边界可能非常冗长。

技术实现要素：

作为介绍，以下描述的优选实施例包括用于医学成像中的用户引导的骨骼分段的方法、系统、指令和计算机可读介质。使用半自动方案。用户指示骨骼图像上的多个标志。处理器使骨骼模型上的相同标志变体为图像上的用户输入标志，从而导致变换。该变换然后应用于模型以粗略地分段骨骼。用户可以编辑所得拟合），并且处理器然后细化所编辑的拟合，诸如将骨骼模型与扫描数据拟合并且避免与其它骨骼的任何重叠。该用户引导的分段可以避免对于完全自动化方案的对许多样本用于训练分类器的需要，而同时还避免手动方案中的冗长描画轮廓。

在第一方面中，提供了一种用于医学成像的用户引导的骨骼分段的方法。接收表示患者体积的医学扫描数据。体积包括骨骼。在显示器上从医学扫描数据生成体积的一个或多个图像。从用户输入接收对一个或多个图像上的多个点的用户选择。多个点针对在三维中分布于体积中的位置。处理器从多个点与骨骼模型中的对应点的拟合来估计体积中的骨骼的姿态。处理器根据拟合而变换骨骼的模型，并且利用经变换的模型对来自体积的骨骼进行分段。

在第二方面中，非暂时性计算机可读存储介质具有存储在其中的数据，所述数据表示由编程的处理器可执行以用于三维医学成像的骨骼分段的指令。存储介质包括用于以下的指令：确定骨骼的扫描体积中的骨骼模型的姿态；从用户输入接收对扫描体积中的姿态的编辑；利用所编辑的姿态细化扫描体积中的骨骼的分段；更改如所细化的骨骼的分段，该更改避免与另一个骨骼的另一个分段的重叠；以及在最小化之后生成第一和第二分段的图像的指令。

在第三方面中，提供了一种用于医学成像中的用户引导的骨骼分段的方法。处理器使骨骼形状的预确定标志变体成患者体积图像上的骨骼的用户输入标志。变体提供非刚性空间变换。处理器利用非刚性空间变换对骨骼形状进行变换，并且利用经变换的骨骼形状对来自体积的骨骼进行分段。骨骼的图像使用从所述分段产生的分段而生成。

本发明由所附权利要求限定，并且本章节中没有任何内容应当被视为对那些权利要求的限制。本发明的另外的方面和优点在下文结合优选实施例进行讨论，并且可以随后独立地或者组合地被要求保护。

附图说明

组件和个体不一定是按照比例的，代之以将重点放在说明本发明的原理上。此外，在各图中，相同参考标号贯穿不同视图指明对应部分。

图1是用于医学成像中的用户引导的骨骼分段的方法的另一个实施例的流程图；

图2示出了将用户录入的图像上的标志链接到骨骼模型上的相同标志的示例；

图3示出了变换成多平面重构的图2的骨骼模型的示例；

图4A和B示出了通过变体确定的姿态的用户输入细化的示例；

图5A和B示出了处理器确定的姿态估计的细化的示例；

图6A和B示出了基于处理器的避免骨骼分段的重叠的示例；以及

图7是示出了用于医学成像中的用户引导的骨骼分段的系统的一个实施例的框图。

具体实施方式

用户引导的形状变体和自动优化高效地分段骨骼。高效骨骼分段可以利用最少量的用户输入取代从训练数据和机器学习所获得的先验知识，而同时保持由自动分段提供的高准确度和快速度。

在一个半自动方案中，用户引导的形状变体和自动优化组合。首先使用从用户指定的对应标志集合计算的所估计的姿态参数来初始化分段。然后，应用粗略或用户编辑以校正较大误差。分段进一步通过处理器使用基于图形的算法而被全局地细化。针对局部细化，可以应用用于避免与其它骨骼的重叠的关节区的再分段和/或交互式编辑方案。用户引导的形状变体或自动优化可以单独地使用。

对于用户引导的变体，从用户指定的对应标志集合计算姿态参数，而不是从大训练数据集学习姿态参数。例如，用户通过点击图像体积的多平面重构（MPR）视图而指定若干预限定解剖学标志的位置。这些参数然后用于将统计形状或其它骨骼模型与表示在体积中的三维图像或骨骼对准。

对于优化，使用多步骤细化以改进分段准确度。不同步骤可以包括自动优化和用户引导的编辑二者。例如，首先使用粗略编辑以校正形状初始化中的大误差，诸如平移、旋转或缩放误差。然后，应用使用基于图形的算法的自动化全局细化。对多骨骼的关节区自动地再分段以避免相邻器官/结构的边界重叠。最后，使用交互式编辑方案实现局部细化。可以使用自动或用户引导的细化的任何组合。

图1示出了用于医学成像中的用户引导的骨骼分段的方法的一个实施例。该方法使用图7的系统、医学成像系统、工作站、处理器、服务器、计算机和/或不同的系统而实现。一般地，处理器接收三维数据并且执行该方法的动作，以输出用于由三维数据表示的骨骼的位置的指示。

图1的方法的示例在图2-6中表示。该示例使用表示患者的CT数据。骨盆骨骼包括在患者的扫描体积中。从表示在体积中的其余组织和/或骨骼分段出骨盆骨骼的体素或位置。在其它实施例中，可以对其它骨骼或器官进行分段。在又其它实施例中，可以使用MR、超声、PET、SPECT、荧光检查、x射线或者表示体积的其它数据而不是CT数据。

对表示患者体积（例如，在三维中分布的体素）的数据执行分段。分段在三维（例如，在笛卡尔坐标空间中，x、y和z）中执行。在可替换实施例中，分段在二维中执行。

相比图1中示出的情况，可以提供附加的、不同的或者更少的动作。例如，提供了用于访问其它类型数据的动作、用于传送输出的动作和/或用于存储分段的动作。作为另一个示例，动作122-132在没有对动作134-138的进一步优化的情况下执行。在另一个示例中，动作124以任何方式执行（例如，在具有或者没有用户引导的变体和对应动作26-32的情况下），并且提供了优化动作134-138中的任何一个或多个。动作120和140可以是可选的。

动作以所示出的次序或者不同的次序执行。优化动作134-140可以以任何次序执行，诸如在基于处理器的分段的细化之前或者作为细化的部分而避免重叠。

在动作120中，接收医学扫描数据，诸如CT数据。CT扫描数据用于描述图1的动作，但是可以使用其它模态。CT数据通过扫描患者来接收。X射线源和检测器围绕患者旋转以获取通过患者体积的x射线投影。所检测到的强度被重构成表示体积的数据。在可替换实施例中，CT数据从存储器接收，诸如从DICOM存档系统加载数据。

CT数据表示患者。由数据表示部分或全部的不同器官、组织类型、骨骼或者其它解剖学结构。例如，数据表示部分的骨盆或者膝盖关节处的胫骨和股骨。其它组织（诸如其它骨骼和/或软组织）也可以用CT数据表示。例如，图2示出了CT扫描数据的示例三维渲染，其示出了骨盆骨骼，但是还包括股骨和一些椎骨的顶部。

3D CT数据具有任何格式。在一个实施例中，3D CT数据格式化在笛卡尔坐标系统中的规则栅格中。不同栅格位置或体素表示患者的所扫描体积内的不同空间位置。体素分布在三维之上，诸如沿每一个维度具有至少两个体素。如所接收到或者接收之后的3D CT数据可以被处理以移除背景、软组织或者不感兴趣的组织，和/或执行其它预分段操作。图2的示例示出了在影响上移除或者减少了软组织的情况下的骨骼。图3的示例包括体积的成像中的软组织。

在动作122中，生成体积的一个或多个图像。医学扫描数据用于在显示器上生成任何数目的图像。在图2的示例中示出的一个实施例中，生成体积的三维渲染202。渲染202是具有或者没有阴影并且来自任何观看方向的表面或投影渲染。用户可以设定或者更改观看方向或其它渲染参数。在图3的示例中示出的另一个实施例中，生成MPR图像302、304和306。诸如针对三个正交平面创建通过体积的不同平面的二维图像302、304和306。用户可以相对于体积和/或彼此平移和/或取向（例如，旋转）MPR平面。可以添加附加平面以用于生成附加图像。如图3中所示的三维渲染308可以例如MPR而被包括。

也可以生成其它图像。例如，提供骨骼形状。骨骼形状是感兴趣的骨骼的模型。模型由专家创建，是来自其他患者的多个专家分段的平均（例如，均值形状），或者来自从另一个患者的单个分段。在一个实施例中，模型是统计形状模型，其包括均值形状以及通过形状的位置在偏离上的统计二者。模型是网格或者骨骼的其它表示。模型可以是骨骼的轮廓（例如，中空）或者可以是由网格边界限定的实心体。

可以生成模型的图像。图2示出了邻近于患者体积的三维渲染202所生成的盆骨的模型的图像204。该模型使用与体积相同或不同的图像生成来渲染，诸如作为从相同观看方向的表面渲染。

在一个实施例中，生成模型的一个或多个图像，并且与体积的一个或多个图像同时地显示模型的一个或多个图像。图2示出了并排呈现。可替换地，不提供模型的图像，或者模型的图像与患者体积的图像被依次显示。

在动作124中，确定包括骨骼的扫描体积中的骨骼模型的姿态。基于来自用户输入设备的用户引导，处理器确定骨骼模型相对于表示患者的体积的姿态。姿态是位置、取向和/或缩放。可以使用用于姿态的任何参数结构。姿态包括骨骼的边界。姿态可以不包括边界或者以其它方式的分段特定位置，但是替代地诸如利用边界框、骨架或其它参数化来指示骨骼的参数化或一般化位置。

姿态在动作124中使用动作126和128来确定。所估计的姿态然后用于动作130和132中的初始分段。在体积中的标志或点的参数空间中确定姿态。分段然后还通过在动作130中变换骨骼模型的其它部分（即，非标志）来提供姿态估计，以用于在动作132中的分段。可以使用附加的、不同的或者更少的动作以确定姿态和分段。例如，动作130和132使用动作128的所估计的姿态进行分段，所以可以不被提供。

为了在动作124中确定姿态，处理器在动作126中确定由用户输入的标志之间的空间变换。形状初始化使用从两个对应标志集合计算的所估计的姿态参数——一个是针对骨骼模型的预确定集合，并且另一个是由用户在动作126中录入的相同标志的集合。预限定标志集合被称为“源”集合。

可以使用任何标志，诸如骨骼组织边界处、曲率改变处、沿边界规则地间隔和/或感兴趣的其它解剖学位置处的骨骼模型上的点。一个或多个点可以用于解剖不是骨骼的部分，诸如反映骨骼的取向、位置或缩放的另一个骨骼或软组织的解剖。标志可以具有临床重要性和/或可以帮助约束形状初始化。图2示出了多个标志206。标志206在三维中沿骨盆模型的外边缘或边界分布。

可以为用户高亮在骨骼模型的图像中的标志。可替换地或者附加地，向用户描述标志。可以使用任何数目的标志，诸如没有处于相同平面中的三个或更多标志。

“源”标志由专家在骨骼模型上预限定或预选择。标志可以由用户创建或修改和/或对于不同应用而不同。例如，用户可能相信的是，特定标志更加可区分，所以向骨骼模型添加标志或者改变现有标志。可以向用户显示可能的源标志的不同集合以供选择集合。用户可以添加、移除或者更改标志。

在动作126中，处理器从用户输入设备接收体积的一个或多个图像上的标志位置的用户选择。为了简化用户输入，选择的是点而不是线或曲线。可以避免追踪。在可替换实施例中，一个多个标志被限定为线、曲线、面积或体积。用户输入非点标志的形状或其它指示符并且调整其大小。可以使用追踪。

用户输入多个标志点。标志在三维中分布于体积中。用户将图像设定成包括一个或多个标志的位置。例如，用户改变渲染的观看方向。作为另一个示例，用户更改MPR成像中的平面位置。

一旦体积的一个或多个图像示出一个或多个标志位置，则用户将选择位置作为特定标志的位置。用户在示出标志位置的像素之上定位光标并且点击或激活该位置的选择。对于三维渲染上的选择，处理器可以通过寻找表示在体积中的骨骼表面在什么地方与沿从所选点的观看轴的投影相交，来推算深度。对于MPR，深度由平面的位置限定。其它用户接口选项可以用于由用户选择标志。文本或其它文件可以包括一个或多个标志的之前选择，从而用于选择。

用户循环通过源标志，来指示体积的一个或多个图像上的对应位置。例如，通过点击体积的MPR视图，用户输入并且处理器接收患者图像上的每一个“源”标志点的对应位置。“源”标志集合中所有点中的对应点构成“目的”标志集合。

依次地在“源”和“目的”标志集合中的点之间创建一对一映射。链接来自两个集合的对应标志。一个集合中的标志链接到另一个集合中的相同标志。例如，图2示出了与患者体积的渲染202上所选择的点链接的模型的渲染204上所高亮的点。连接线以图形方式表示链接。可以使用链接的其它表示，诸如标记或颜色编码。可替换地，没有向用户示出链接的图形表示。

为了在动作128中估计体积中的骨骼的姿态，处理器将模型的标志与表示在体积中的骨骼的标志进行拟合。对应或链接的标志用于拟合。处理器使骨骼形状或模型的预确定标志变体成表示在患者体积的图像202中的骨骼的用户输入标志。由于标志分布在多于一个平面中或者三维中，所以拟合可以在三维中进行。

任何拟合可以用于估计姿态。拟合提供空间变换。例如，拟合是可变形的或非刚性空间变换。计算三维非刚性变换以表示对源标志的拟合或变形以匹配目的标志。在可替换实施例中，使用刚性变换。

从链接或连接的点或标志来计算变换。骨骼模型的标志和从用户输入的针对表示在体积中的骨骼的相同标志之间的差异，在具有或没有任何约束的情况下被最小化。在一个实施例中，通过求解优化问题来从“源”和“目的”标志集合估计姿态参数和形状空间（PCA）参数，所述优化问题在迭代方案中使用当前变换参数来最小化“目的”标志的位置与所投影的“源”标志的位置之间的差异。用于最小化的一个示例代价函数是：

其中：是源标志集合，是目的标志集合，t是平移向量，是由旋转r和缩放s指定的相似性变换，是PCA形状系数的集合，是对应于源点和PCA系数的PCA形状基，是权重参数，是来自统计形状模型的PCA形状系数，并且代表向量长度：如果，则。可以使用其它代价函数。可以使用其它变换计算方法。例如，使用薄板样条来确定空间变换。

在动作130中，使用拟合来变换骨骼的模型。处理器应用来自从动作128输出的所估计的姿态的空间变换以在空间上变换模型形状。表示姿态的空间变换提供针对模型的非刚性平移、旋转和/或缩放，以与扫描体积的标志拟合。标志的位置和表示在建模的骨骼形状中的其它位置利用非刚性空间变换来变换。利用所估计的姿态参数，将变换应用于建模的形状中的所有点，以将模型的网格或其它参数化与体积图像对准。对骨骼模型的各种部分进行变换，所述部分包括骨骼的内部和外部区。

在动作132中，处理器使用经变换的模型对来自体积的骨骼进行分段。经变换的模型形状基于标志与彼此的拟合而变形。作为结果，模型形状的网格或其它参数化将骨骼的位置与其它位置划界。经变换的骨骼形状用于分段如表示在扫描体积中的骨骼。

初始分段标记扫描数据的体素。如果体素属于骨骼，则如此标记体素。如果体素不属于骨骼，则如此标记体素。体素标记指示骨骼内和/或骨骼边界处的体素。标识体积中的骨骼的位置。

向用户显示分段。图3示出了限定分段位置的经对准或经变换的网格的示例。将模型显示为被分段的体积的一个或多个图像（例如，MPR）上的重叠。在MPR图像302、304和306中的每一个中，与平面相交的边界网格或模型的轮廓示出在来自体积的图像之上。相同方案用于体积渲染308。可以将分段的其它表示提供给用户。

由于从标志集合估计用于模型对准的参数，所以模型的对准（例如，变换）以及估计的准确度高度依赖于由用户指定的“目的”标志的位置的准确度。使用小数目（例如，3-10个）标志使用户可能容易导致针对初始姿态估计和所得分段的欠准确度。由于标志的手动选择中的可变准确度，在动作134-138中提供进一步细化。此外，姿态估计和初始分段是基于标志而不是所有扫描数据。作为结果，初始分段是一般化的。

在动作134中，编辑在动作132中输出的分段。处理器从编辑分段的用户输入设备接收用户输入。由用户使用编辑工具来编辑姿态。分段相对于用于分段的体积来放置骨骼模型。可以编辑该放置。该放置通过平移、旋转和/或缩放来编辑。用户基于图像302-306来改变放置。编辑由处理器作为对扫描体积中的姿态的粗略或粗糙编辑而接收。

图4A和B示出了示例。图4A中来自体积的轮廓402沿x轴偏移。用户通过沿如图4B中所示的x轴平移轮廓402来编辑分段。粗略编辑校正形状初始化结果中的全局或较大误差。该过程是可选的，并且仅在经对准的网格的部分远离（例如，用户可察觉的间隙）其正确位置时使用。这样的过失误差可能难以通过其余自动化细化过程来校正。粗略水平下的编辑（例如，仅仅针对平移、旋转和/或缩放的编辑）通常是足够的，从而减少用户输入量。可以提供对模型形状或者超出平移、旋转和/或缩放的扭曲的编辑。

所表示的模型的每一个独立或未连接部分可以被单独地编辑。图4A和B示出了平面图像中的模型的两个分离的“数字8”或“沙漏”形状表示402。二者从表示在图像中的实际骨骼向内移位。二者在不同方向上平移以用于编辑。在可替换或附加实施例中，表示在给定图像中的模型的不同或分离部分可以被链接以用于一起移位。

为了平移，用户可以拖拽表示骨骼模型的图形。例如，用户点击并且拖拽线框。为了旋转，一旦激活旋转工具，可以由处理器分配或者由用户输入旋转点。用户然后点击并且围绕旋转点旋转。为了缩放，一旦激活缩放工具，可以由处理器分配或者由用户输入缩放点。通过滑动（例如，点击和拖拽）缩放工具，更改缩放而同时维持纵横比。可替换地，纵横比也可以更改。可以使用用于粗略调节的其它工具或编辑方案。在可替换实施例中，提供除平移、旋转或缩放之外的其它编辑工具。

对体积的渲染或者平面图像（例如，MPR）执行编辑。可以将改变应用于整个骨骼模型。例如，平移是整个骨骼模型的平移。改变反映在当前向用户显示的所有图像中。可替换地，改变是局部化的。骨骼模型以随着距离的增大而降低的变形量扭曲或变形。一个平面中的改变可能导致其它平面中的较少改变或者不改变。用户可以调节观看方向和/或平面位置以细化骨骼模型的不同部分处的粗略编辑。

在动作136中，细化动作134中的任何粗略编辑之后的分段。处理器自动地细化分段。利用初始或经编辑的分段作为输入，细化使骨骼模型与体积的扫描数据拟合。确定从经编辑的姿态的进一步变形。

可以使用任何拟合。诸如通过过滤或其它处理来更改分段。可以使用任何细化。细化可以是可选的。

在一个实施例中，由处理器应用基于图形的能量函数。如由网格表示的骨骼模型使用基于图形的算法来细化以用于分段。这样的算法的一个示例是图形利用先验形状来切分分段。经编辑的分段的衍生网格用作先验形状，该先验形状用于生成确定维持其当前标记的体素作为骨骼或不是骨骼的可能性的置信度图。可以使用任何置信度图，诸如来自统计形状模型的输出。置信度图表示指示为骨骼的部分的给定体素是骨骼的部分的似然性、分数或置信度水平。在一个实施例中，置信度图基于体素距骨骼边界的距离来计算。对于标记为骨骼的部分的体素，计算到骨骼的最近边界位置的距离并且使用该距离来确定置信度。一般地，相比于在对象内但是更接近边界的体素，在对象内但是更远离边界的体素更有可能是对象的成员。距离图被用作置信度图，其中任何函数基于距离来分配置信度，诸如距离的倒数单独地作为置信度（或者距边界的距离作为置信度，其中较高数字表示较大置信度）。

使用针对分段的置信度图细化分段。基于图形的能量函数基于置信度图被最小化。一个示例方案细化分段以更好地与CT数据拟合。为了更好地拟合CT数据，基于图形的能量函数表示为：

其中的总和是体积P的成员的总和，的总和是相邻体素对的集合N的成员p、q的总和，其中是体积P的二元标记，并且是一元数据项，其被限定为：

M(p)度量在边界变形之后体素p到分段的边界的带符号的最短距离。当p位于分段内部（前景）时，M(p)＞0，如果p在分段外部（背景），则M(p)＜0，并且如果p位于分段边界上，则M(p)=0。M可以看作之前分段的置信度图。M(p)越大（或越小），体素p就越可能应当归类为前景（或背景）。当体素p逼近分段边界（M(p)≈0）时，标记Lp变得不确定，并且更有可能要通过分段细化来更新。g(.)是将距离映射到置信度的任何函数，诸如sigmoid函数，其被限定为：

其中T是控制之前分段结果的不确定性范围（例如，3-5mm）的参数。在等式2中，N是所有相邻体素对的集合，并且是成对相互作用项：

其中克罗内克德尔塔函数：

如果，则，如果，则=0，

并且其中λ和σ分别是正则化参数和对比系数。可以使用任何值，诸如对于λ的1-2以及对于σ的30-175。I_p和I_q分别标示体素p和q的强度。成对项鼓励向具有类似强度的相邻体素分配相同标记。

通过最小化等式2的能量函数来细化分段。可以使用能量函数的任何优化，诸如使用具有多项式时间复杂性的极小割/最大流算法进行求解。可以使用其它求解、函数、其它基于图形的代价函数或者其它细化方案。

图5A和B示出了在动作136的基于图形的分段细化之后的改进结果的示例。在图5A上示出了来自骨骼模型的轮廓和图像中所表示的体积的骨骼之间的间隙502。在其处骨骼模型的轮廓或边界处于骨骼内的其它间隙和/或区可能产生自初始分段。在使用图形切块细化骨骼模型的网格之后，间隙被减小或消除（参照图5B）。结果是表示如在CT数据中标记的骨骼的分段。可以使用其它分段。

在动作138中，提供骨骼的分段的另一个更改。在由处理器细化（例如，使用代价函数将骨骼模型与扫描数据拟合）之后，针对与其它经分段的骨骼的重叠而检查分段。关节结合多个骨骼。针对多个骨骼的分段结果可以将多个标记分配给一个体素，如果每一个骨骼的分段被个体地执行的话。重叠误差通常发生在其中骨骼彼此接近的关节区中，并且图像对比度对于清楚的分离而言是不足够的。由于要将给定体素分配给仅一个骨骼，所以标记为属于两个骨骼的任何体素被校正成针对仅仅一个。在可替换实施例中，分段是对单个骨骼的分段，并且重叠不会产生。在该情形下，该示例没有提供进一步细化。

为了再分段或者更改分段以避免与另一个分段的重叠，处理器应用空间约束以实施关节区中的空间关系。标识并且校正任何重叠。再分段在关节处执行以移除重叠误差。关节再分段并入空间约束以防止重叠。分段进一步使用空间约束而细化，或者动作136的细化并入空间约束。

提取局部重叠区。仅使用针对重叠的扫描数据或者仅使用重叠周围的区中的数据。为了使再分段在计算上更加高效，仅针对被标记为属于多个对象的体素执行再分段，或者仅针对重叠位置执行再分段。用于体素的标记标识重叠。检查体素的标记以确定给定体素是否被个体分段标记为属于多于一个对象。可替换地，针对包括重叠位置和重叠位置周围的预确定或用户设定的大小的局部区而执行再分段。在又其它实施例中，针对所有位置或体素执行再分段。

通过对其它数据进行数据掩蔽，或者通过移除区或重叠中的体素的值，提取用于再分段的扫描数据。可替换地，在没有提取的情况下使用扫描数据，使得邻近体素可用于再分段计算。

个体分段的结果在关节处被调节。用于位置的标记被更改为专属于仅一个骨骼而不是两个或更多。可以使用任何准则以选择针对给定体素的多个骨骼之一。准则是关节，所以并入两个骨骼来进行考虑。

在一个实施例中，置信度图用于关节再分段。来自两个或更多骨骼的置信度图指示位置或体素作为相应骨骼的成员的似然性。具有最高置信度的骨骼被选择为针对体素的对象。避免非平滑边界的其它方案可以用于在关节处更改。

可以使用基于图形的能量函数，而不是单纯选择。使用具有空间约束的成对协同分段。约束成标记每一个体素而没有对象重叠的基于图形的能量函数被最小化。距离或置信度与空间约束组合地使用，以将体素标记更改成专属于单个或零个骨骼。利用引入的特定空间专属约束，再分段保证了重叠误差的完全移除。

将一对对象标记为A和B。L_A和L_B分别代表骨骼A和B的标记。如果L_A(P)=1，则体素p处于骨骼A内，并且否则如果L_A(P)=0，则体素p不处于骨骼A内，对于骨骼B同样如此。等式2的能量函数扩展成如下两个对象的情况：

其中D的总和是体积P中的体素的总和，V的总和是集合N中的体素的总和，并且其中所有符号具有与等式2中的相同含义。等式6单独地并且附加于等式2的使用而应用于分段中。等式6用于关节再分段，所以M现在是基于细化之后的分段结果。如等式6中所示，的最小化可以分解成单独地和的最小化，因为在等式6的能量函数中不存在L_A和L_B之间的相互作用项。骨骼A和B实质上被单独地分段。

对于关节再分段，在L_A和L_B之间存在空间专属约束，因为对象A和B在空间中不能重叠。如果则必须等于0，并且反之亦然。该空间约束通过如下添加成对项而并入等式6的能量函数中：

其中如果则并且否则为0。

最小化能量函数的最优解保证L_A(P)和L_B(P)不能同时均为1。所引入的成对项是超模数的，因为，所以不能直接经由极小割/最大流算法来优化。为了解决该问题，标记L_B的二元含义颠倒成=1-LB或者以其它方式更改成避免该混淆性。能量函数在任何地方变为子模数，并且极小割/最大流求解可以用于在关节处寻找L_A和L_B的最优标记。可替换地，可以使用不同的最小化求解。

由于仅针对与重叠相关联的局部区执行最小化，所以仅更改重叠中的体素。仅针对所标识的重叠体素执行调节。这避免更改重叠区外部的体素的标记。具有空间约束的关节分段仅应用于从每一个个体骨骼的初始分段生成的局部重叠区。如果在初始分段中不存在重叠，则跳过关节分段。相比于从开始利用空间约束先验运行关节分段（即，相比于在没有分离的个体分段的情况下的关节分段），这导致高效的计算。

图6A和B示出了骨骼分段重叠和校正的示例。用于两个骨骼的两个网格的轮廓在图6A上的602处重叠显示。用于盆骨和股骨头部的骨骼模型或网格在左侧和右侧膝盖骨二者处重叠。在如针对最多一个骨骼那样再分段以标记每一个体素之后，如图6B中所示的那样校正分段。移除轮廓的重叠。

可以提供其它细化。还可以将附加细化过程应用于所得网格以进一步改进分段质量。例如，图形切块分段算法通常产生网格中的孔。每一个孔是由前景区围绕的小背景区（即，由骨骼围绕的非骨骼区）。这通常不合期望，因为骨骼结构可能不具有这样的特征。在孔经大小调整或者处于针对其而言不期望孔的位置中的情况下，应用网格孔过滤器。标识孔并且将体素重新标记为骨骼以校正该分段误差。网格孔过滤器扫描网格或分段掩模，以检测孔的位置并且将孔中的体素的标记改变成前景。

作为进一步细化的另一个示例，可以提供进一步的手动或半自动细化。分段质量可以通过利用交互式编辑方案细化网格或分段掩模而进一步改进。例如，用户追踪边界的部分。处理器然后更改掩模以包括所追踪的边界。处理器可以作为先验而使用所追踪的边界再分段，以用于使骨骼模型与扫描数据更好地拟合。可以使用接合引导的再分段。作为另一个示例，用户可以选择应当或者不应当包括在分段中的区。限定分段的骨骼模型可以由处理器更改以计及该用户选择。

在动作140中，输出图像。图像示出经分段的一个或多个骨骼。将图形、高亮、着色或其它视觉提示添加或包括到图像中以区分骨骼。例如，使用表示体积的扫描数据生成MPR或者渲染图像。分段用于从其它组织和/或骨骼着色出或以其它方式区分出骨骼。可替换地，仅仅生成来自骨骼分段的扫描数据的图像。分段用于掩蔽掉不来自于骨骼的数据。其余数据用于生成图像。

在对多个骨骼分段的情况下，图像可以表示多个骨骼分段。在移除标记中的任何重叠之后，在具有或者没有所添加的颜色或其它高亮的情况下一起示出不同骨骼，以在骨骼之间区分。

图像是从用户或处理器选择的观看方向对扫描数据的二位图像的三维渲染。渲染可以使用表面、投影或其它渲染。在其它实施例中，图像是表示通过体积的平面的二位图像，诸如利用MPR提供或用户选择的观看平面。

图7图示了用于医学成像中的自动化用户引导的骨骼分段的示例性系统或平台。系统包括计算机702、图像采集设备720、用户输入设备716和显示器714。计算机702包括处理器704、存储器710、存储设备712、输入/输出接口708和网络接口706。具有或者没有显示器714和/或用户输入设备716的计算机702是计算机、膝上型计算机、平板计算机、工作站、服务器、CT工作站或者其它处理设备。计算机702在一个实施例中是图像采集设备720的部分，但是可以是分离的设备。

可以提供附加的、不同的或者更少的组件。例如，提供多个处理器和/或其它计算机部分。实际计算机的实现可以包含其它组件。图7是用于说明性目的这样的计算机702的一些组件的高级表示。作为另一个示例，不提供图像采集设备720。

图像采集设备720是CT扫描仪、MR扫描仪、PET系统、SPECT系统、超声扫描仪或者其它医学成像模态。作为CT扫描仪，图像采集设备720包括源和检测器。台架使源和检测器围绕患者旋转。可以使用C臂而不是台架来用于产生CT数据的CT类成像。CT扫描仪利用x射线扫描患者。处理器704或其它处理器（例如，CT扫描仪720的处理器）从所检测到的x射线投影重构表示体积的CT数据。重构是针对三维笛卡尔坐标栅格，但是可以使用其它坐标系统。处理器704或其它处理器使用所重构的扫描数据来生成体积的图像。

图像采集设备720连接到计算机702以将图像或扫描数据输入到计算机702。连接是无线或有线连接，诸如在健康护理机构中的通信网络之上的连接。图像采集设备720和计算机702可以替代地实现为一个设备。

用户输入设备716是键盘、按钮、滑块、旋钮、鼠标、轨迹球、触摸板、触摸屏、它们的组合、或者任何其它现在已知或今后开发的用户输入设备。用户利用用户输入设备716将信息录入计算机702中。例如，用户控制成像，诸如改变用于三维渲染的观看方向和/或用于MPR的平面位置。用户输入设备716用于指示从扫描数据生成的一个或多个图像上的标志位置。用户输入设备716可以用于编辑，诸如过程编辑，以平移、旋转和/或缩放网格或其它骨骼形状以用于分段。可以从用户输入设备716提供其它输入，诸如用于细化分段的输入。

用户输入设备716与计算机702的输入/输出接口708连接。连接是有线或无线的。由输入设备716接收的输入被传达到计算机702的输入/输出接口708并且由其接收。

显示器714是CRT、LCD、平面面板、等离子体、投影仪、打印机、它们组合、或者任何其它现在已知或今后开发的显示器。使用图形处理单元或者其它硬件或软件，显示器714以笛卡尔或其它坐标格式生成黑色和白色或彩色像素，以用于呈现图形用户接口、编辑工具、医学图像、分段信息、具有分段信息的医学图像、或它们组合。例如，显示器714由处理器704配置为生成图2-6的图像，诸如从具有骨骼模型或分段的叠覆的轮廓或图形的扫描数据渲染或重构的图像。可以显示通过处理器和/或在用户的帮助下标识的一个或多个分段。在可替换或附加实施例中，将分段输出给存储器710、存储设备712、不同的存储器，通过网络传送，或者提供给处理器704以用于另外的操作（例如，手术规划、植入设计或者切割引导设计）。

处理器704通过执行限定这样的操作的计算机程序指令来控制计算机702的总体操作。处理器704是通用处理器、专用集成电路、数字信号处理器、现场可编程门阵列、多个处理器、模拟电路、数字电路、网络服务器、图形处理单元、它们的组合、或者其它现在已知或今后开发的用于执行分段的设备。处理器704基于标志的用户输入来分段骨骼或其它对象。处理器704使用用户输入来半自动地分段。用户输入可以限于标志、粗糙姿态编辑和/或分段的其它细化。处理器704使用用户输入初始地分段，细化如由用户编辑的分段，和/或移除任何重叠的分段。处理器704自动地执行一些分段功能，诸如从用户输入标志估计姿态和/或使用与扫描数据的拟合来细化初始分段。

计算机702还包括一个或多个网络接口706以用于经由网络与其它设备通信。扫描数据可以通过网络上的传输而不是与图像采集扫描仪720的直接连接来获取。

存储器710和/或存储设备712存储数据，诸如扫描数据、置信度图、距离、模型、源标志、输入目的标志、图像、或者用于针对三维成像的骨骼分段的其它信息。可以存储其它数据，诸如用于对分段的任何处理阶段的数据。

存储设备712是外部或可移除介质，诸如闪速驱动或光学盘。存储器710是内部存储器，诸如RAM、硬盘驱动或高速缓存。

与采集成像设备720、用户输入716和显示器714交互的计算机702实现图1的动作或者其它动作。计算机程序指令可以存储在存储设备712（例如，磁盘）中并且在期望计算机程序指令的执行时加载到存储器710中。因而，所描述的方法的动作可以通过存储在存储器710和/或存储设备712中的计算机程序指令来限定，并且由执行计算机程序指令的处理器704来控制。存储器710和/或存储设备712是非暂时性计算机可读存储介质，其存储表示由编程的处理器704可执行以用于针对三维医学成像的骨骼分段的指令的数据。用于实现本文讨论的过程、方法、动作和/或技术的指令被提供在计算机可读存储介质或存储器上，诸如高速缓存、缓冲器、RAM、可移除介质、硬盘驱动或其它计算机可读存储介质上。计算机可读存储介质包括各种类型的易失性和非易失性存储介质。在各图中图示或者在本文中描述的功能、动作或任务响应于存储在计算机可读存储介质中或上的一个或多个指令集而执行。功能、动作或任务独立于特定类型的指令集、存储介质、处理器或处理策略，并且可以通过单独或组合操作的软件、硬件、集成电路、固件、微代码等来执行。同样地，处理策略可以包括多处理、多任务、并行处理等。

在一个实施例中，指令存储在可移除介质设备上以供由本地或远程系统读取。在其它实施例中，指令存储在远程位置中以供通过计算机网络或者在电话线路上传输。在又其它实施例中，指令存储在给定计算机、CPU、GPU或系统内。

尽管已经在上文参照各种实施例描述了本发明，但是应当理解到，可以做出许多改变和修改而不脱离本发明的范围。因此意图的是，前述详细描述被视为是说明性而非限制性的，并且要理解到，所意图的是包括所有等同物的所附权利要求限定本发明的精神和范围。