色体素。
[0023]通过另外的范例，基于根据经空间配准的MRI图像和超声图像的提取出的图像特征而导出的体素的图像特征向量来将组织分类体积40b的每个体素分类为健康组织体素、不健康组织体素(例如癌性的)或边界线不健康组织体素。如图1所示，健康组织体素是白色体素，不健康组织体素是黑色体素，而边界线不健康组织体素是灰色体素。
[0024]图1中未示出的另一范例是对体素的灰度的采用，所述体素的范围是从白色健康组织体素通过指示对应组织的不健康度的各种概率的多个灰色体素到黑色不健康组织体素(例如癌性的)。
[0025]为了促进对本发明的理解，现在将在本文中将本发明的示范性实施例描述为涉及前列腺的解剖组织的组织分类体积的生成。出于本发明的目的，术语“图像分割”、“图像(空间)配准”、“图像描画”、“图像特征提取”、“组织分类”和“维度缩减”以及相关术语将被广泛地解释为在本发明的技术中的已知的。再者，在实践中，本发明适用于任何解剖区域(例如头、胸、骨盆等)并且适用于具有任何解剖结构的解剖组织(例如器官)。
[0026]参考图2，示范性工作站50采用模块51-53以实施表示本发明的多模态组织分类方法的流程图100 (图3)。
[0027]在操作中，工作站50提供用于接收一幅或多幅MRI图像70和一幅或多幅US图像80的多模态数据输入通道(未示出)。
[0028]其次，图像配准器51采用(一项或多项)技术以对(一幅或多幅)MRI图像70和(一幅或多幅)超声图像80的体素进行(一次或多次)空间配准。
[0029]第三，特征提取器52采用(一项或多项)技术以从(一幅或多幅)MRI图像70和(一幅或多幅)超声图像80的体素提取图像特征。
[0030]在实践中，如在本文中将进一步描述的，图像配准器51和特征提取器52串行操作，以从(一幅或多幅)MRI图像70和(一幅或多幅)超声图像80的经空间配准的体素提取图像特征，以用于生成具有与经空间配准的(一幅或多幅)MRI图像70和(一幅或多幅)超声图像80相对应的体素的组织分类体积的目的，并且用于生成针对组织分类体积的每个体素的相连结的η维图像特征向量，其中，η等于图像特征的总数。
[0031]第四，组织分类器53采用(一项或多项)技术以按照由每个体素的图像特征向量所指示的在无监督或受监督的情况下对组织分类体积的每个体素的组织类型进行分类。
[0032]最后，工作站50的用户接口(未示出)提供对组织分类体积的基于逐体素的显示，所述显示包括缩放和摇摄能力，例如，如图2所示的对组织分类体积40a的显示。
[0033]在实践中，工作站50可以提供针对模块51-53的工具，所述工具包括但不限于:用于对来自MRI图像70和US图像80的解剖组织的体素进行分割的图像分割工具；以及用于描画MRI图像70和US图像80的疑似不健康(例如癌性)的体素的图像描画工具。
[0034]而且在实践中，可以以适合于实施本发明的多模态组织分类方法(尤其是流程图100)的任何方式来对工作站50进行结构配置。在一个实施例中，利用用于运行被编程并被安装为工作站50内的软件/固件的模块51-53的硬件/电路(例如(一个或多个)处理器、存储器等)来对工作站50进行结构配置。
[0035]此外，在实践中，工作站50可以是独立的工作站，其将(一个或多个)组织分类体积提供到图像诊断系统90 (例如MRI系统或超声系统)以根据需要并入到诊断流程中，和/或提供到介入引导系统91 (例如电磁跟踪系统、光学跟踪系统或图像跟踪系统)以根据需要并入到介入流程中。备选地，工作站50可以被并入到图像诊断系统90内或者被并入到介入引导系统91内。
[0036]本文现在将在包括T2W图像71、DWI图像72、DCE图像73和MRSI图像74的MRI图像70以及包括B模式图像81和RF回波图像82的US图像80的背景下描述如图4和图5所示的由工作站50对流程图100 (图3)的示范性运行。根据描述，本领域技术人员将意识到用于实施本发明的多模态组织分类方法的备选系统和设备。
[0037]参考图3，流程图100的阶段S101包括图像配准器51执行模态内空间配准和/或多模态空间配准，以用于生成具有与经空间配准的图像的体素对应性的组织分类体积的目的。例如，如图4和5所示，图像配准器51首先执行对MRI图像70的模态内空间配准，并且接着执行对MRI图像70和US图像80的多模态空间配准，以用于生成具有与经空间配准的MRI图像70和US图像80的体素对应性的组织分类体积的目的。图像配准器51可以在(一次或多次)空间配准之前或之后采用图像分割工具(未示出)来对来自MRI图像70和US图像80的解剖组织(例如前列腺)的体素进行分割。
[0038]将得到的对MRI图像70和US图像80的空间配准传达到特征提取器52，其中，流程图100的阶段S102包括特征提取器52从经空间配准的(一幅或多幅)MRI图像70和(一幅或多幅)us图像80的每个体素提取图像特征并对所述图像特征进行连结，以生成针对组织分类体积的每个体素的η维图像特征向量。
[0039]例如，如图4所示，特征提取器52a从T2W图像71提取解剖组织的基于归一化强度值和/或纹理的特征、从DWI图像72提取解剖组织的水的表观扩散系数(ADC)、从DCE图像73提取解剖组织的药物代谢动力学参数、从MRS图像74提取解剖组织的新陈代谢信息、从B模式图像81提取解剖组织的基于纹理的图像特征并且从图像82提取解剖组织的谱图像特征。特征提取器52a根据经空间配准的提取来生成针对组织分类体积的每个体素的六
(6)维图像特征的向量40a。
[0040]如果图像配准器51不采用图像分割工具(未示出)，则可以由特征提取器52a在生成针对每个体素的图像特征向量40a之前或之后采用图像分割工具。
[0041]通过另外的范例，如图5所示，特征提取器52b采用MRI图像描画器54来对MRI图像70的表示解剖组织的不健康(例如癌性的)部分的体素进行描画，并且针对来自经空间配准的MRI图像70的每个体素生成距解剖结构的边界的距离的权重Wi。接着，特征提取器52b从B模式图像81提取解剖组织的基于纹理的图像特征，并且从RF图像82提取解剖组织的谱图像特征。特征提取器52b根据经空间配准的提取针对组织分类体积的每个体素来生成二(2)维图像特征的加权向量40b。
[0042]如果图像配准器51不采用图像分割工具(未示出)，那么可以由特征提取器52b在生成针对每个体素的图像特征向量40b之前或之后采用图像分割工具。
[0043]在完成阶段S102之后，将得到的针对组织分类体积的每个体素的图像特征向量(例如图像特征向量40a或图像特征向量40b)传达到组织分类器53，其中，流程图100的阶段S103包括组织分类器53按照由每个体素的图像特征向量所指示的在无监督或受监督的情况下对组织分类体积(例如组织分类体积40a和组织分类体积40b)的每个体素的组织类型进行分类。
[0044]例如，特定体素的图像特征向量的所有图像特征可以指示相关联的解剖组织是健康的(即正常细胞或者缺乏任何细胞不规则)。相反，特定体素的图像特征向量的图像特征中的一个或多个可以指示相关联的解剖组织可能或就是在某种程度上不健康的(即异常细胞或者包括任何细胞不规则)。
[0045]参考图2，在流程图100完成之后，可以由工作站50、图像诊断系统90和/或介入引导系统91来显示组织分类体积。此外，可以在由图像诊断系统90和/或介入引导系统91生成的解剖组织的图像上/内显示组织分类体积的叠加或融合。
[0046]参考图1-图5，本领域技术人员将意识到本发明的许多优势包括但不限于:针对任何解剖组织(例如前列腺)的癌症检测的灵敏度和特异性的改进。这样，本发明适用于将得益于对腺体/组织段内的肿瘤的位置和尺寸进行定位的能力所有诊断和治疗场景。
[0047]本领域技术人员还将意识到利用备选成像模态(例如计算机断层摄影和SPECT、PET等)对本发明的实现方式。
[0048]尽管已经对本发明的各实施例进行了图示和描述，但是本领域技术人员将理解，如本文中所描述的本发明的实施例是图示性的，并且可以在不脱离本发明的真实范围的情况下做出各种变化和修改并可以采用等价方案代替其元件。此外，在不脱离本发明的中心范围的情况下，可以做出