脑组织分类的制作方法

文档序号:13426436
脑组织分类的制作方法
本发明涉及用于脑组织分类的系统和方法。本发明还涉及包括所述系统的工作站和成像装置。本发明还涉及一种计算机程序产品,所述计算机程序产品包括用于使处理器系统执行所述方法的指令。

背景技术:
近年来,成像在神经退行性疾病的检测和鉴别诊断中的作用有所增加。一个原因是新兴的量化技术的可用性,其能够检测在疾病早期阶段或甚至在症状阶段之前发生脑中的微小变化。例如,T1加权磁共振成像(MRI)扫描被广泛用于评估脑萎缩,其是许多神经退行性疾病发病和进展的关键指标。图像分析技术通过将脑组织体素分类成不同的组织类别(例如,灰质(GM)、白质(WM)和脑脊液(CSF))来帮助对脑萎缩进行量化。脑组织分类在评估脑萎缩中特别有用,这是因为灰质体积充当皮层萎缩的生物标志物。然而,由于诸如以下的各种原因,自动组织分类技术有时提供错误的组织分类图:I.剩余偏置场(即使在偏置场校正之后)II.噪声III.运动伪影IV.由于低磁场强度导致的低空间分辨率V.病变结果,组织分类图中通常可能出现两种类型的组织分类错误,即,孤立的“团块状”错误分类,以及皮质灰质在其与白质的边界附近的强化或弱化。不利的是,组织分类图中的错误分类的这样的区可能阻碍对神经退行性疾病的进一步检测和鉴别诊断。US2002/0186882A1公开了用于获得关于二维图像、三维图像或其他维度图像的定量数据(例如用于对图像包含物的实体的数量进行分类和计数)的过程和相关装置。每个实体包括实体、结构或其他类型的具有可定义特征的图像的可识别部分。位于图像内的实体可以具有不同的形状、颜色、纹理或其他可定义的特征,但仍属于相同的类别。在其他实例中,包括相似颜色和纹理的实体可以被分类为一种类型,而包含不同颜色和纹理的实体可以被分类为另一种类型。图像可以包含多个实体,并且每个实体可以属于不同的类别。因此,所述系统可以根据一组变化的标准来对图像数据进行量化,并导出针对图像中的实体的一个或多个类别。一旦对图像数据进行了分类,就计算出图像中的实体总数并将其呈现给用户。实施例提供了一种用计算机确定图像中有什么样的实体(例如,实体)并且对在图像中能够视觉识别的实体的总数进行计数的方式。在训练过程期间使用的信息可以跨不同的图像被存储和应用。

技术实现要素:
具有使得能够对错误分类的区进行校正的用于脑组织分类的系统或方法将是有利的。本发明的以下方面涉及用户交互式地向组织分类图中的错误分类的区提供用户反馈,其中,所述用户反馈还指示对所述错误分类的校正。并非基于用户反馈直接校正组织分类图,而是用户反馈被用于调节在自动组织分类技术中用作输入的先验概率图,从而获得经调节的先验概率图。然后基于经调节的先验概率图重新运行自动组织分类技术。本发明的第一方面提供了一种用于脑组织分类的系统,所述系统包括:-图像数据接口,其用于访问患者的脑的图像;-处理器,其被配置为基于先验概率图将自动组织分类技术应用于所述图像,所述先验概率图被配准到所述图像并且指示所述脑中的特定位置属于特定脑组织类别的概率,所述自动组织分类技术提供所述患者的所述脑的组织分类图作为输出;-用户交互子系统,其包括:i)显示输出部,其用于在显示器上显示所述组织分类图,ii)用户设备输入部,其用于接收来自能由用户操作的用户设备的输入命令,其中,所述输入命令表示用户反馈,所述用户反馈指示:a)所述组织分类图中的错误分类的区,以及b)对所述错误分类的校正;其中,所述处理器被配置为:j)基于所述用户反馈调节所述先验概率图,从而获得经调节的先验概率图,并且jj)基于所述经调节的先验概率图将所述自动组织分类技术重新应用于所述图像。本发明的另外的方面提供了包括所述系统的工作站或成像装置。本发明的另外的方面提供了一种用于脑组织分类的方法,所述方法包括:-访问患者的脑的图像;-基于先验概率图将自动组织分类技术应用于所述图像,所述先验概率图被配准到所述图像并且指示所述脑中的特定位置属于特定脑组织类别的概率,所述自动组织分类技术提供所述患者的所述脑的组织分类图作为输出;-在显示器上显示所述组织分类图;-接收来自能由用户操作的用户设备的输入命令,其中,所述输入命令表示用户反馈,所述用户反馈指示:a)所述组织分类图中的错误分类的区,以及b)对所述错误分类的校正;-基于所述用户反馈调节所述先验概率图,从而获得经调节的先验概率图,并且-基于所述经调节的先验概率图将所述自动组织分类技术重新应用于所述图像。本发明的另外的方面提供了一种计算机程序产品,所述计算机程序产品包括用于使处理器系统执行所述方法的指令。以上措施涉及访问患者的脑的图像。因此,所述图像可以表示脑扫描,并且可以从各种成像模态获得,包括但不限于T1加权的磁共振成像(MRI)。基于先验概率图将自动组织分类技术应用于图像。这种先验概率图本身是已知的,并且可以描述脑中的已知位置属于各种组织类别中的一种的可能性。通常,已经根据正确分类的脑扫描的样本队列生成了这些先验概率图。使用先验概率图的自动组织分类技术本身也是已知的,例如,从医学图像分析领域。例如以从医学图像配准领域本身已知的方式将图像与先验概率图进行配准。作为自动组织分类的结果,获得组织分类图,根据脑组织类型来局部地对脑进行分类。注意,在下文中,术语“脑组织分类”与“脑组织分割”可以互换地使用,这是因为得到的组织分类图将脑分割成各种组织类型,并且由此提供分割结果。在获得了组织分类图之后,将组织分类图显示在显示器上,并且使得用户能够提供用户反馈,所述用户反馈指示组织分类图中的错误分类的区并且指示对错误分类的校正。正因如此,用户提供用户反馈,所述用户反馈指示何处发生了错误分类以及校正应该是什么样的。例如,用户反馈可以指示向白质偏置的区域。然后基于所述用户反馈调节所述先验概率图,产生经调节的先验概率图,所述经调节的先验概率图包括对概率的一个或多个局部校正。然后基于所述经调节的先验概率图重新运行所述自动组织分类技术,产生另外的组织分类图。上述措施的作用是使得用户能够提供用户反馈,所述用户反馈指示何处发生了错误分类以及校正应该是什么样的。并非基于用户反馈直接校正组织分类图,而是使用用户反馈来调节先验概率图,然后基于经调节的先验概率图重新运行自动组织分类技术。本发明人已经认识到,在自动组织分类技术提供错误的组织分类图的情况下,可以反直觉地优选调节自动组织分类技术的输入,即,先验概率图,而不是直接校正其输出,即,组织分类图。其原因是用户反馈可能不够准确,无法直接校正组织分类图。也就是说,这种直接校正可能需要例如对错误分类的区的准确描画,对脑组织类型的准确指示等。这样准确的用户反馈可能不可用或者可能对用户造成过高的负担。正因如此,发明人设计了调节先验概率图,并使用经调节的先验概率图在整个图像上重新运行自动组织分类技术。这提供了一定程度的间接性,这是因为用户反馈被用于调节概率而非直接调节分类。有利地,用户不需要以最高的准确度来指示错误分类的区和/或对错误分类的校正。相反,提供其近似指示可以是足够的。相反,给定具有特定的准确度的用户反馈,与对组织分类图的直接校正相比,可以获得更准确的组织分类图。另一个优点在于,脑的其他位置的组织分类也可能得到改善,这是因为能够通过具有更多的“监督”证据来更好地对组织类别之间的对比进行建模。任选地,-所述用户交互子系统被配置为使得所述用户能够指示所述错误分类的区中的点,从而获得用户指示的点;-所述处理器被配置为基于所述用户指示的点确定所述错误分类的区的边界。因此,用户指示位于错误分类的区内的点可以是足够的。这样的用户指示的点可能仍然使得系统能够确定错误分类的(整个)区,即,通过利用边界检测技术。例如,处理器可以将用户指示的点视为区域生长技术中的种子点,从而获得错误分类的区的边界。备选地,可以使用从医学图像分析领域本身已知的其它边界检测技术,包括但不限于联合的成分分析和基于形态学操作的技术。任选地,所述用户交互子系统被配置为使得用户能够通过手动指定脑组织类别来指示对错误分类的校正,从而获得用户指定的脑组织类别。可能发生的是,用户能够直接确定错误分类的区中的脑组织类别。使得用户能够提供这样的用户反馈,即,通过直接指定脑组织类别。任选地,所述处理器被配置为通过在所述先验概率图中提高所述错误分类的区中的用户指定的脑组织类别的概率来调节所述先验概率图。基于用户直接指定脑组织类别,可以在所述先验概率图中提高所述错误分类的区内的所述脑组织类别的概率。例如,概率可以提高到80%或更高,90%或更高,95%或更高,或者基本上100%,例如,提高到99%或更高。任选地,所述用户接口子系统被配置为使得所述用户能够通过改变灰质组织与白质组织之间的概率比来指示对所述错误分类的校正。已经发现,在皮质灰质在其到白质边界附近被强化或弱化的情况下,改变灰质组织与白质组织之间的概率比是提供用户反馈的特别有利的方式。例如,可以使得用户能够渐增地改变概率比,例如,通过在按住鼠标左键的同时上下拖动鼠标,通过操作键盘上的特定键(例如,加号键和减号键)等。任选地,所述用户交互子系统被配置为使得所述用户能够指示显示在显示器上的所述组织分类图中的所述错误分类的区。因此,使得用户能够在组织分类图本身中特别指示错误分类的区,如在组织分类图中发生的那样。例如,用户可以使用标注工具在所显示的组织分类图中画出轮廓。任选地,所述用户接口子系统被配置为:-在所述显示器上显示所述图像,并且-使得所述用户能够通过指示所述图像中的感兴趣区域来指示所述组织分类图中的所述错误分类的区。作为指示错误分类的区的替代方案,如在组织分类图中发生的那样,在组织分类图本身中,用户可以指示图像中的所述区,其可以与组织分类图同时显示。例如,用户可以使用标注工具在所显示的图像中画出轮廓。任选地,所述自动组织分类技术基于期望最大化。基于期望最大化的自动组织分类技术结合马尔可夫随机场正则化最近在学术文献中表现出最佳的总体表现。然而,也可以使用利用先验概率图的其他自动组织分类技术。本领域技术人员将意识到,可以通过任何被认为有用的方式组合本发明的上述实施例、实施方式和/或任选的方面中的两个或更多。本领域技术人员在本说明书的基础上能够执行对所述成像装置、所述工作站、所述方法和/或所述计算机程序产品的修改和变型,其对应于所描述的对系统的修改和变型。本领域技术人员将意识到,所述方法可以被应用于多维图像数据,例如,应用于二维(2D)、三维(3D)或者四维(4D)图像,其由各种采集模态采集,例如但不限于,标准X射线成像、计算机断层摄影(CT)、磁共振成像(MRI)、超声(US)、正电子发射断层摄影(PET)、单光子发射计算机断层摄影(SPECT)以及核医学(NM)。附图说明通过参考在以下说明中以范例的方式描述的实施例并参考附图,本发明的这些方面和其它方面将变得明显并且得到阐明,其中:图1示出了用于脑组织分类的系统,其中,基于用户反馈调节先验概率图,并且使用经调节的先验概率图将自动组织分类技术重新应用于脑图像;图2A示出了MRI图像的部分;并且图2B示出了根据对MRI图像的自动组织分类获得的组织分类图,其中,所述组织分类图包含已经被错误地分类为皮质灰质而不是白质的斑点状区域的形式的错误分类;图3A示出了另一MRI图像的部分;并且图3B示出了根据对MRI图像的自动组织分类获得的组织分类图,其中,所述组织分类图包含皮质灰质的形式的错误分类,所述皮质灰质在与白质的边界处不明显;图4A图示了用户通过指示错误分类的区中的点来提供指示错误分类的区的用户反馈;图4B示出了基于用户指示的点自动确定的错误分类的区的边界的结果;图4C图示了用户通过手动指定脑组织类别来指示对错误分类的校正的结果;图5示出了用于脑组织分类的方法,其中,基于用户反馈调节先验概率图,并且使用经调节的先验概率图将自动组织分类技术重新应用于脑图像;并且图6示出了计算机程序产品,所述计算机程序包括用于使处理系统执行所述方法的指令。应当注意的是,这些附图纯粹是图解性的并且不是按比例绘制的。在附图中,对应于已经描述的元素的元素可以具有相同的附图标记。附图标记列表提供了下面的附图标记列表以便于对附图的解读,其不应被解释为对权利要求的限制。020图像库022医学图像的图像数据024、026医学图像030、032、034A、034B组织分类图036、038对分类错误的指示040数据库042表示先验概率图的数据060显示器062显示数据064屏幕上光标070用户指示的点072分割080用户设备082输入命令100用于脑组织分类的系统120图像数据接口140先验概率数据接口160处理器162与用户交互子系统之间的通信180用户交互子系统182显示输出184用户设备输入200用于脑组织分类的方法210访问脑图像220应用自动组织分类230显示组织分类图240接收用户反馈250调节先验概率图260重新应用自动组织分类270计算机可读介质280存储为非瞬态数据的指令具体实施方式图1示出了用于脑组织分类的系统100。这样的系统可以在各种医学应用中使用,包括但不限于神经退行性疾病的检测和鉴别诊断。在操作期间,简单地说,系统100可以基于先验概率图将自动组织分类技术应用于脑的图像,从而获得脑的组织分类图。然后使得用户能够使用用户交互子系统来提供用户反馈,所述用户交互子系统指示:a)组织分类图中的错误分类的区,以及b)错误分类的校正。然后,系统可以基于用户反馈调节先验概率图,以获得经调节的先验概率图,并且基于经调节的先验概率图将自动组织分类技术重新应用于图像。系统100包括用于访问患者的脑的图像022的图像数据接口120,此后也简称为脑图像022。在图1的范例中,图像数据接口120被示为连接到包括脑图像022的外部图像库020。例如,图像库020可以构成医院信息系统(HIS)的图片存档与通信系统(PACS)或者是医院信息系统(HIS)的图片存档与通信系统(PACS)的部分,系统100可以被连接到所述医院信息系统或者包含在其中。因此,系统100可以获得对脑图像022的访问。备选地,可以从系统100的内部数据存储设备访问脑图像022。通常,图像数据接口120可以采取各种形式,例如,到局域网或广域网(例如,互连网)的网络接口、到内部数据存储设备或外部数据存储设备的存储接口等。还应注意,在适用的情况下,对脑图像022的引用应被理解为对图像的图像数据的引用。系统100还包括处理器160,所述处理器160被配置为基于先验概率图042将自动组织分类技术应用于脑图像022。为此,处理器160被示为从图像数据接口120接收脑图像022,并且从先验概率数据接口140接收先验概率图040。所述先验概率数据接口140可以使得系统100能够访问诸如PACS之类的外部数据库040上的先验概率图042。备选地,系统100可以在内部或从另一个源访问先验概率图042。如在图像数据接口120的情况下,先验概率数据接口140可以采取各种形式,包括但不限于到局域网或广域网(例如,互连网)的网络接口、到内部数据存储设备或外部数据存储设备的存储接口等。作为输出,然后获得患者的脑的组织分类图162。系统100还包括用于在显示器060上显示系统100的视觉输出的显示输出部182,其中,所述视觉输出至少包括组织分类图。为了显示组织分类图,显示输出部182被示为在内部与处理器162进行通信,以例如获得对组织分类图进行可视化的数据并向显示器060提供显示数据062。系统100还包括用于接收来自能由用户操作的用户设备080的输入命令082的用户设备输入部184。用户设备080可以采取各种形式,包括但不限于计算机鼠标080、触摸屏、键盘等。用户设备输入部184可以是与用户设备080的类型相对应的类型。显示输出部182和用户设备输入部184可以一起形成用户交互子系统180,这使得用户能够向系统100交互式地提供用户反馈。具体地,用户反馈可以指示:a)组织分类图中的错误分类的区,以及b)对错误分类的校正。作为非限制性范例,用户可以点击不正确分类的组织分类图的部分,并从屏幕上菜单选择正确的分类。然后用户反馈可以以用户反馈数据的形式对系统100可用,所述用户反馈数据指示例如与组织分类图相关联的坐标系中的错误分类的(一个或多个)坐标以及指示校正的数据。在从用户设备输入部184获得了用户反馈之后,处理器160可以基于用户反馈调节先验概率图,从而获得经调节的先验概率图,并且随后基于经调节的先验概率图将自动组织分类技术重新应用于图像。应当注意,系统100的各种操作(包括其各个任选方面)将参考图2-4C进行更加详细的解释。系统100可以被实施为单个装置或设备(例如,工作站或成像装置)或被实施在单个装置或设备(例如,工作站或成像装置)中。所述设备或装置可以包括运行适当软件的一个或多个微处理器。所述软件可以己经被下载和/或被存储在对应的存储器中,例如,诸如RAM的易失性存储器或诸如闪存的非易失性存储器。备选地,所述系统的功能单元可以被实施在可编程逻辑单元(例如,现场可编程门阵列(FPGA))的形式的设备或装置中。通常,所述系统的每个功能单元可以以电路的形式来实施。应当注意,系统100还可以以分布式方式来实施,例如,涉及不同的设备或装置。例如,所述分布可以根据客户端-服务器模型。图2A-3B图示了两种常见类型的组织分类错误,即,孤立的“团块状”错误分类(图2A-2B),以及皮质灰质在其到白质的边界附近的强化或弱化(图3A-3B)。图2A示出MRI图像024的部分,并且图2B示出了从MRI图像的自动组织分类获得的组织分类图030。在图2B中,蓝色(灰度重现中的黑色)指示脑脊液(CSF),绿色(灰度重现中的深灰色)指示灰质(GM),粉红色(灰度重现中的浅灰色)指示白质(WM)。如图2B中用标记036所指示的,组织分类图030包含团块状区域形式的错误分类,其已经被错误地分类为皮质灰质而不是白质。图3A示出了另一MRI图像026的部分,并且图3B示出了从MRI图像的自动组织分类获得的组织分类图032。应用与图2B中的相同的颜色(或灰度)编码。如图3B中用标记038所指示的,图3B的组织分类图032包含皮质灰质在到白质的边界处不明显的形式的错误分类。上述分类错误可能经常发生,例如,由于背景部分所指示的原因,从而产生错误的组织分类图。如参考图1所介绍的,用户可以向系统提供用户反馈,所述用户反馈指示:a)组织分类图中错误分类的区,以及b)对错误分类的校正。这样的用户反馈可以采取各种形式。图4A图示了这种用户反馈的特定范例,即,用户指示错误分类的区中的点070。该范例基于图2B中示出的团块状的错误分类,其中,图4A-4B示出了对应的组织分类图034A的放大的部分。用户可以以各种方式指示点070。例如,用户可以用屏幕上光标064点击所显示的组织分类图034A中的位置。作为用户指示错误分类的区中的点070的结果,可以例如使用边界检测技术来确定错误分类的区的边界。例如,用户指示的点070可以被视为区域生长技术中的种子点,从而获得错误分类的区的边界。备选地,可以使用从医学图像分析领域本身已知的其它边界检测技术,包括但不限于联合的成分分析和基于形态学操作的技术。得到的边界072在图4B中被指示为虚线,所述虚线将组织分类图034A中的团块状错误分类从其周围部分描画出来。图4C图示了用户进一步指示对错误分类的校正的结果。也就是说,用户可以手动指定要应用于错误分类的区072的脑组织类别。作为非限制性范例,用户可以从屏幕上菜单(图4C中未示出的菜单)选择正确的脑组织类别。可以向用户示出校正,即通过错误分类的区072在所显示的组织分类图034A中被校正到用户指定的脑组织类别。如图4C所示,该区可以被分类为白质而非灰质。在提供了关于a)组织分类图中的错误分类的区以及b)对错误分类的校正的用户反馈后,可以对先验概率图进行调节,从而获得经调节的先验概率图。应当注意,原始的先验概率图和经调节的先验概率图未被明确示出,这是因为这样概率图难以通过图中的每个位置来充分地可视化(所述图中的每个位置通常具有针对每个脑组织类别的概率值),从而阻碍基于灰度的甚至基于颜色的可视化。然而,在概念上,调节可以采取与针对图4B和图4C中的组织分类图034A、034B所示的相似的形式,这是因为先验概率图中的对应区域可以通过将错误分类的区中的用户指定的脑组织类别的概率提高到基本上100%来进行调节,从而有效地“重写”现有的概率值。在调节了先验概率图后,自动组织分类技术可被重新应用于图像,产生不同的\通常改进了(很多)的组织分类图。一般来说,除了指示点之外,还可以存在用于用户指示组织分类图中的错误分类的区的其他选项。例如,用户可以直接描画组织分类图中的错误分类的区。另一个范例是用户可以指示错误分类的区中的点,然后系统将错误分类的区假定为该点附近的预定区。还应注意,存在于组织分类图中的错误分类的区可能未被用户在组织分类图中指示,而是在其他地方指示。例如,用户可以通过研究所显示的组织分类图来得知错误分类的区域,但是然后可以在图像本身中将所述区指示到系统,例如通过绘制矩形并从而标记图像中的区域。还存在用于用户指示对错误分类的校正的各种选项。第一个范例是上述直接指定正确的脑组织类别。另一个范例是,用户可能宁愿改变脑组织类别之间的概率比,例如灰质组织与白质组织之间的概率比。正因如此,校正不是类别中的二元校正,而是概率的校正。这种概率比可以渐增地改变,例如以步进形式。在每个渐增变化之后,系统可以将或不将自动组织分类技术重新应用于图像。另一个范例是,系统可以自动地将错误分类的区周围的概率传播到错误分类的区。正因如此,错误分类的区的指示也有效地用于指示对错误分类的校正,这是因为它被认为是从其周围部分得出的。根据上述内容,范例使用情形可以如下。这里,用户可以指向并点击团块状的错误分类的区域中的位置,并且例如经由下拉框向该区域分配正确的标签。该活动可能会触发以下操作:1)可以基于经标示的图像中的体素的局部分析自动确定错误分类的区域的边界,例如使用经分割的图像的标签通过联合的成分分析、形态学操作或区域生长,2)以区域中的体素属于所选取的组织类别的概率为100%的形式向该区域中的体素分配固定的标签,并且3)通过重新运行自动组织分类算法来自动优化全局组织分类结果,但是现在使用具有局部修改的先验概率图。另一个范例使用情形可能如下。这里,用户可以标记感兴趣的区域,并以交互的方式连续改变其属于特定脑组织类别的概率。一旦满足条件,可以重新运行自动组织分类算法。这种使用情形可能涉及以下操作:1)用户可以利用图像轮廓工具来标记感兴趣区域。例如,用户可以绘制轮廓或使用具有特定形状的注释工具,例如,盘形或矩形。由于脑扫描可以是3D扫描,并且可以向用户示出3D扫描的2D图像切片,因此可以使用已知技术将区域自动地扩展/传播到所显示的图像切片之前和之后的2D图像切片,例如,具有球形形状而不是盘形的3D标注工具。2)一旦感兴趣的区域被标记,用户就可以开始提高/降低针对灰质对白质的先验概率值的交互操作。可以使用例如键盘上的特定键(+/-)、通过按下鼠标左键并向上/向下移动鼠标等来指示概率值的变化。3)重新运行自动组织分类算法,但现在使用具有局部修改的先验概率图。应当意识到,存在用于自动组织分类的多种方法。基于期望最大化(EM)和马尔科夫随机场正则化的算法在本发明的同时示出为给出最佳的总体性能(针对结果和对应的论文参见http://mrbrains13.isi.uu.nl/results.php)。然而,也可以使用利用先验概率图的其他自动组织分类技术。进一步参考基于EM的方法:期望最大化利用先验概率图,其描述了脑中的已知位置属于可能的脑组织类别中的一种的可能性。通常,这些先验概率图是根据经正确分割的脑扫描的样本队列生成的,这些经正确分割的脑扫描被空间对齐,即,配准。对于新的对象,可以在预处理步骤中将先验概率图配准到脑扫描。然后,期望最大化算法可以迭代地执行两个步骤:(i)所谓的M步骤,其中,给定针对每个体素的组织类别概率,可以确定/更新针对特定脑组织类别的强度模型,以及(ii)所谓的E步骤,其中,给定针对特定脑组织类别的(更新的)强度模型,可以细化逐体素的概率。还应注意,可能不需要或不期望调节概率图。相反,可以调节自动组织分类技术的参数或配置。一个具体的范例是错误分类的区可能已被用户校正,例如,以交互的方式,如参考图4A-4C所指示的。然后可以在不包括用户识别的错误分类的区的感兴趣区域上重新运行自动组织分类技术。例如,可以通过定义感兴趣区域的二元体素掩模来排除用户识别的错误分类的区。然后,最终组织分类图可以包括感兴趣区域中的自动组织分类技术的结果与由用户交互式地校正的错误分类的区。应当意识到,除了从感兴趣区域排除手动校正区的上述范例之外,本领域技术人员还可获得自动组织分类技术的参数或配置的其他调节。图5示出了用于脑组织分类的方法200。方法200包括在标题为“访问脑图像”的操作中访问患者的脑的图像210。方法200还包括在标题为“应用自动组织分类”的操作中基于先验概率图将自动组织分类技术应用220于所述图像,所述先验概率图被配准到所述图像并且指示所述脑中的特定位置属于特定脑组织类别的概率,所述自动组织分类技术提供所述患者的所述脑的组织分类图作为输出。方法200还包括在标题为“显示组织分类图”的操作中在显示器上显示230所述组织分类图。方法200还包括在标题为“接收用户反馈”的操作中接收240来自能由用户操作的用户设备的输入命令,其中,所述输入命令表示用户反馈,所述用户反馈指示:i)所述组织分类图中的错误分类的区,以及ii)对所述错误分类的校正;方法200还包括在标题为“调节先验概率图”的操作中基于所述用户反馈调节250所述先验概率图,从而获得经调节的先验概率图。方法200还包括在标题为“重新应用自动组织分类”的操作中基于所述经调节的先验概率图将所述自动组织分类技术重新应用260于所述图像。应当意识到,以上操作可以以任何合适的顺序执行,例如,相继地,同时地,或它们的组合,在适用时经受例如由输入/输出关系所必需的特定顺序。作为非限制性范例,图5示出了以迭代方式执行的方法200,即通过应用220的操作以及通过箭头255的方式指示为基本上类似的步骤的重新应用260的操作,尽管在稍后的步骤处执行重新应用260的操作,但是使用不同的输入,即使用不同的先验概率图。方法200可以在计算机上被实施为计算机实施的方法,被实施为专用硬件,或者被实施为两者的组合。如在图6中还图示的,针对计算机的指令(例如,可执行代码)可以被存储在计算机可读介质270上,例如以机器可读物理标记的系列280的形式和/或作为具有例如不同的电学、磁性或光学性质或值的元素的系列。可执行代码可以以瞬态或者非瞬态的方式被存储。计算机可读介质的范例包括存储器设备、光学存储设备、集成电路、服务器、在线软件等。图6示出了光盘270。应意识到,尽管己经参考脑组织分类描述了要求保护的本发明,但是要求保护的本发明可以等同地应用于使用先验概率图作为输入的另一类型的分类。各种范例、实施例或任选的特征,无论是否被指示为非限制性的,都不应被理解为限制要求保护的本发明。应意识到,本发明也适用于适于将本发明付诸实践的计算机程序,尤其是载波上或载波中的计算机程序。程序可以为源代码、目标代码、代码中间源以及为部分编译形式的目标代码的形式,或者为适合于在根据本发明的方法的实施方式中使用的任何其他形式。也应意识到,这样的程序可以具有许多不同的架构设计。例如,实施根据本发明的方法或系统的功能的程序代码可以被细分成一个或多个子例程。将功能分布在这些子例程之中的许多不同方式对本领域技术人员来说将是明显的。子例程可以被一起存储在一个可执行文件中,以形成自含程序。这样的可执行文件可以包括计算机可执行指令,例如,处理器指令和/或解读器指令(例如,Java解读器指令)。备选地,子例程中的一个或多个或全部可以被存储在至少一个外部库文件中,并且例如在运行时间时被静态地或动态地与主程序链接。主程序包含对子例程中的至少一个的至少一次调用。子例程也可以包括彼此的功能调用。涉及计算机程序产品的实施例包括对应于在本文中阐述的方法中的至少一个的每个处理步骤的计算机可执行指令。这些指令可以被细分成子例程和/或被存储在可以被静态地或动态地链接的一个或多个文件中。涉及计算机程序产品的另一实施例包括对应于在本文中阐述的系统和/或产品中的至少一个的每个单元的计算机可执行指令。这些指令可以被细分成子例程和/或被存储在可以被静态地或动态地链接的一个或多个文件中。计算机程序的载体可以为能够承载程序的任何实体或设备。例如,载体可以包括数据存储设备,例如,ROM(例如,CDROM或半导体ROM),或者磁性记录介质(例如,硬盘)。此外,载体可以为可传输载体,例如,电信号或光信号,它们可以经由电缆或光缆或通过无线电或其他手段来传送。当程序被实施在这样的信号中时,载体可以包括这样的线缆或其他设备或器件。备选地,载体可以为程序被嵌入其中的集成电路,所述集成电路适于执行相关的方法,或者适于在对相关的方法的执行中使用。应当注意,以上提及的实施例图示而非限制本发明,并且本领域技术人员将能够设计许多备选实施例,而不偏离权利要求的范围。在权利要求中,置于括号内的任何附图标记均不应被解读为对权利要求的限制。动词“包括”及其词性变化的使用不排除权利要求中记载的那些以外的其他元件或步骤的存在。元件前的词语“一”或“一个”不排除多个这样的元件的存在。本发明可以借助于包括若干不同元件的硬件,以及借助于被适当编程的计算机来实施。在列举了若干单元的装置型权利要求中,这些单元中的若干可以由同一项硬件来实施。某些措施被记载在互不相同的从属权利要求中的事实并不指示不能有利地使用这些措施的组合。
...
当前第1页1 2 3 
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