于块502执行 多少次不同的块比较的参数。在极端情况下，M可W是1，虽然该会更容易将图谱MR图像和 图谱CT图像之间的配准误差传下去。如此，优选的是，使用M的较大的值来进一步汇集对 更多数据点的考虑。可W由捜索区域的大小来确定M的值。类似于块，捜索区域可W被定 义为W兴趣点（通常，该将是与患者MR图像中的考虑中的点配准的图谱MR图像的点）为 中屯、的方形或球形，如果M大于1，该捜索区域的大小将大于块大小。对于选择捜索区域有 多大的选择可W是医生认为图像配准有多可靠的函数。例如，如果患者MR图像和图谱MR 图像之间的配准被认为包括大量的配准误差，则该将表明应该使用较大的捜索区域。对于 另一方面的极端，M可W是足够大的值，W便块502有效地与包含全部图谱MR图像的块相 比较。然而，可W相信，与极端值之间的值相比，M的该样的大值是不太期望的，该是因为如 果M的值太大，不仅计算时间将被减慢，而且发现假阳性相似度的似然率也被预期为提高。 如果j不等于M，则过程流前进到步骤414。
[0化7] 在步骤414,处理器递增j，该j对移位到图谱MR图像中的下一个块是有效的。该 下一个块是在不同的图谱MR图像数据点周围的图谱MR图像300的块。例如，图6(b)示出 了图谱MR图像中的下一个块是W点Ni'为中屯、的块604的示例。然后，点馬'可W被表征 为与块604对应的图谱MR图像的数据点。可W看出，块604包含有在点X/附近的图谱MR图像300的不同的一组数据点600。为了从图谱块移位到图谱块，过程流可W选择捜索区域 中的各个点，作为图谱块W其为中屯、的点。优选的是，捜索区域中的所有点都被用作图谱块 的中屯、点，虽然不必是该样。
[0化引从步骤414,处理器返回到步骤408和410,在该情况下，将块502与块604进行比 较。如此，在该第二次迭代中的步骤410的操作产生表示块502和块602之间的相似度的 相似度分数。处理器持续在该循环中运行，直到j=M。如此，在M= 9的简单示例中： [0化9] ?第S次迭代将导致如图6(C)所示的块S52和块606之间的块比较。
[0060] ?第四次迭代将导致如图6 (d)所示的块502和块608之间的块比较。
[0061] ?第五次迭代将导致如图6(e)所示的块502和块610之间的块比较。
[0062] ?第六次迭代将导致如图6 (f)所示的块502和块612之间的块比较。
[0063] ?第走次迭代将导致如图6 (g)所示的块502和块614之间的块比较。
[0064] ?第八次迭代将导致如图6化）所示的块502和块616之间的块比较。
[0065] ?第九次迭代将导致如图6 (i)所示的块502和块618之间的块比较。
[0066] 如此，一旦j=M，诸如图7所示出的结果数据结构之类的结果数据结构将标识相 对于块502和各个块602-618而计算的各个相似度分数。每个分数将与对应于为其计算 相似度分数的图谱MR图像块的图谱MR图像数据点相关联（参见列700)。另外，要注意的 是，由于图谱MR图像300和图谱CT图像302之间的配准，每个分数的对应的图谱MR图像 数据点可W被映射到对应的图谱CT图像数据点（参见列702)。如此，图谱CT图像数据点 Y'狂'1)是与图谱MR图像数据点X'i配准的图谱CT图像数据点。从图7可W看出，每 个相似度分数因此可W与图谱CT图像302的数据点相关联。
[0067] 在步骤416,处理器可W基于图7的数据结构中示出的相似度分数来计算多个权 重因子。可W与相似度分数成比例地选择权重，即，具有较高相似度分数的图谱点应该被指 定较高权重。如果Sj.用于表示图谱图像的点j的相似度分数，那么可用于计算权重因子的 示例性公式可W是：
[0068]
[0069] 其中，h是可W由医生选择的缩放参数。如果h大（相对于相似度分数），那么所 有分数将被转换为大致相等的权重。如果h小（相对于相似度分数），那么权重将更加分 散。如果使用上文所讨论的LCC技术来计算相似度分数，则h的合适的值可W被计算为：
[0070]h=Inirij(I-Sj)
[007U 还可W直接使用相似度分数作为加权因子，即，Wj=Sj-min品，其中，减去最小值 将确保所有权重都是非负的。
[0072] 如此，步骤416导致给定相似度分数的权重因子的计算（参见图8的列800)。由 于每个相似度分数与对应的图谱CT图像数据点相关联（参见列702)，该意味着，列800中 的每个加权因子还与列702中的对应的图谱CT图像数据点相关联。步骤416的计算可W 考虑到为点Xi生成的所有相似度分数。然而，如结合图11所述，不必如此。在需要时，医 生可W配置步骤416,W便只从相似度分数的子集来计算权重因子。
[0073] 在步骤418,处理器基于计算出的权重因子和与计算出的权重因子相关联的对应 的图谱CT图像数据点，计算点Xi的导出的CT值（参见图9)。在步骤418计算导出的CT数据点的加权组合函数的示例是：
[0074] 其中，Z狂1)是点Xi的导出的CT值，其中，Y'狂'P是图7和图8例示的对应的 图谱CT值，而Wj.是每个图谱点的权重。如此，步骤418用于计算可W被标记为Z(Xi)的Xi 的导出的CT值。
[0075] 在步骤420,处理器检查i是否等于N。N是由医生选择的参数，W定义患者MR图 像的多少个点将被转换为导出的CT图像数据点。N可W被选择为使得它包括患者MR图像 的所有数据点。然而，不必如此。例如，医生可能期望只转换患者图像的较小的区域（诸如 在特定器官周围的区域）。在该样的情况下，N可W是该选择的感兴趣的区域中的点的数 量。如果i不等于N，则过程流前进到步骤422。
[0076] 在步骤422,i的值递增W进行到患者MR图像的下一个数据点狂W)，并且过程流 返回到步骤404。从步骤404,对于新患者MR图像块（此时，在Xw周围）重复块比较过程， 并且过程流前进到计算Xw的导出的CT值，该导出的CT值可W被标记为Z狂i+1)。在到达 N之后，将执行过程流，W从患者MR图像生成导出的CT图像。导出的CT图像将包括点Xi 到而的计算出的导出的CT值狂狂1)到Z狂W))。
[0077] 然后，医务人员可W使用该导出的CT图像来增强患者MR图像。例如，导出的CT 图像可W显示在屏幕上，W示出患者MR图像没有暴露的患者的感兴趣的区域的各方面。 [007引应该理解，如果医生期望，则可W省略图4的步骤400。如果患者MR图像没有与 图谱配准，则该意味着，将不会有步骤406的标识与点Xi配准的图谱MR图像300的数据点 X/的先验知识。如此，如果患者MR图像没有与图谱配准，则可W操作块比较，W比较Xi的 选定的MR图像块与图谱MR图像中的所有可能的块（即，其中图谱MR图像块总计包含图 谱MR图像内的所有可能的块）。该样的布置将扩大由过程所生成的数据量，并消耗更多计 算资源（可能会导致相对于从患者MR图像计算导出的CT图像所花费的时间而言更长的延 迟）。然而，该可能是医生的可接受的折衷。
[0079] 此外，由于如此处所描述的基于块比较的加权组合减轻图像配准误差影响，在实 现步骤400的情况下，在精度不一定是关键因素的情况下，医生自由选择图像配准技术。例 如，为了赢得速度，可W在步骤400使用快速图像配准技术，即使可能比更慢的配准技术生 成更多的配准误差。线性配准通常比非线性配准快得多。线性配准只处理两个图像之间的 全局位置、朝向和大小差异，而非线性配准一般更准确，W便还恢复局部解剖形状差异（例 如，将瘦的患者的图像与超重患者的图像配准）。对于在线应用或介入性应用，通常需要更 快的配准（即，需要在获取患者图像之后不久就计算出导出的图像的情况）。在该样的情况 下，示例性实施例适应配准误差的能力被认为是非常有利的，因为增强了与不太准确的配 准技术相结合的使用。
[0080] 而且，图3和图4的示例示出了使用单一图谱MR图像-图谱CT图像对W促进患者 MR图像的CT数据导出的简单情况。在另一个示例性实施例中，可W使用多个图谱MR-CT对 W从患者MR图像导出CT数据。图10(a)示出了该样的实施例的示例。在图10(a)中，使 用了多对共同配准的图谱MR图像30〇i和图谱CT图像3021。在该实施例中，处理逻辑104 可W被配置为使得运行步骤406-414,W比较每个患者MR图像块与每个图谱MR图像30〇i 的期望的一组块。该意味着，作为结果的相似度分数将反映如图10(b)所示的多个图谱块， 其中，相对于每个图谱MR图像存在M个相似度分数。通过考虑较大数量的图谱，可W相信， 作为结果的CT数据推导的准确度可W进一步被增强。
[0081] 图11描绘了只使用相似度分数的子集来计算权重因子的示例。在可能存在大量 的相对于给定点Xi的相似度分数的情况下，该限制可能是期望的（例如参见图10(b)实施 例）。例如，处理器可W被配置成对相似度分数进行排序（例如，其中表示较高相似度的相 似度分数被排序为高于表示较低相似度的相似度分数）。然后，处理器可W选择前k个相似 度分数，其中，从该些前k个相似度分数计算权重因子（参见图11)。
[00間也可W将基于块比较的加权组合应用于图谱图像，W减轻图谱MR图像300和图 谱CT图像之间的配准误差的影响，如图12所示。在图12的示例中，处理器执行处理逻辑 1200,W从图谱MR图像300和图谱CT图像302生成导出的图谱CT图像302'。然后，又可 W使用图谱MR图像300和导出的图谱CT图像306'，从患者MR图像计算导出的患者CT图 像。应该容易理解，该布置也可W被扩展到图10(a)的多图谱实施例。