专利名称：对医学图像中的候选解剖结构进行滤波和自动检测的系统和方法
技术领域：
本发明通常涉及医学图像处理，更具体而言涉及检测医学图像中所显示的候选解剖异常。
背景技术：
自从X射线被首次用于确定解剖异常以来，医学成像领域已经有了显著的进步。医学成像硬件已经以较新的机器、例如医学共振成像(MRI)扫描器、计算轴向层析成像(CAT)扫描器等的形式得到改进。因为这种现代医学扫描器产生大量的图像数据，所以需要发展在所扫描的医学图像中自动确定解剖异常的存在的图像处理技术。
在数字化的医学图像中识别解剖结构存在多种问题。第一个问题涉及识别的准确性。另一个问题涉及识别的速度。因为医学图像有助于医生诊断疾病或病情，所以识别的速度对于帮助医生做出早期诊断来说是极重要的。因此，需要改进识别技术，该识别技术提供对医学图像中的解剖结构的准确和快速识别。
使用从扫描器(例如CAT扫描器、MRI等)获得的原始图像数据来构建数字医学图像。数字医学图像通常是由像素元素构成的2D图像或是由体积元素(“体素”)构成的3D图像。使用医学图像识别技术来处理这种2D或3D图像以确定诸如囊肿、肿瘤、息肉之类的解剖结构的存在。但是，若给定由任意给定的图像扫描产生的图像数据的数量，则优选的是自动技术应向医生指出图像的所选区域中的解剖特征，以用于任何疾病或病情的进一步诊断。
基于特征的识别技术被用于确定医学图像中解剖结构的存在。但是，基于特征的识别技术却遭受准确性问题。因此，需要基于非特征的识别技术，该识别技术提供对医学图像中的解剖特征的改进的识别。
发明内容
在本发明的一个典型实施方案中，提供一种用于确定数字图像内预定对象的存在的方法。该方法包括计算数字图像的梯度场，并将至少一个预定掩模应用于梯度场。此外，该方法包括根据将滤波器应用于梯度场而产生响应图像。然后，该方法根据响应图像确定至少一个预定对象的存在。
在本发明的另一个典型实施方案中，提供一种方法，在这种方法中梯度场具有与数字图像的X、Y和Z轴对应的X分量、Y分量和Z分量，并且掩模包括X滤波器、Y滤波器和Z滤波器。通过将X滤波器应用于X分量、将Y滤波器应用于Y分量以及将Z滤波器应用于Z分量来产生向量卷积，以产生3个响应图像分量。将这3个响应图像分量相加以产生响应图像。
在本发明的另一个典型实施方案中，一种方法在数字图像中检测球形和半球形对象。在本发明的另一个方面，一种方法在数字图像中检测椭圆形和半椭圆形对象。
参考附图来描述本发明的典型实施方案，其中图1是显示在本发明的典型实施方案中被应用于典型结肠的发散梯度场响应(DGFR)处理的流程图；图2显示根据典型实施方案在原始输入图像中的典型结肠区域；图3显示根据本发明的典型实施方案被叠加在结肠区域上的梯度场；图4显示根据本发明的典型实施方案被叠加在梯度场上以便执行DGFR处理的典型掩模；图5显示根据本发明的典型实施方案通过滤波器和梯度场的卷积而获得的DGFR响应图像；以及图6显示根据本发明的典型实施方案的典型计算机系统。
具体实施例方式
图1是显示根据本发明的典型实施方案被应用于典型结肠的发散梯度场响应(DGFR)处理的流程图10。从图像模态获取的图像被看作是输入体积。为了进行说明，考虑结肠内的典型息肉样病变的CAT扫描。CAT扫描具有3D表示。在步骤12中，显示结肠的图像部分被看作是输入图像体积的子体积。3个切片14、16和18显示在三维的输入子体积中典型结肠的X、Y和Z切片。
在步骤20中，针对显示结肠的子体积计算表面法线。表面法线以图像形式被表示为X、Y和Z切片22、24和26。在步骤20中，计算梯度场。对整个体积执行梯度场计算。在不同组织和器官之间的过渡区中获得最大梯度场幅度。该过渡通过图像模态(例如CT、MRI或PET扫描)被成像为亮度变化。在当前的结肠实例中，亮度变化被表示为组织和内腔之间的过渡。存在多种用于计算梯度场的技术，并且这样的技术中的任意一种技术都能够被用于该目的。
然后，将具有变化的尺寸的掩模应用于表面标准化图像。掩模的数目可以是一个或多个，而且要使用的掩模的类型将取决于正被搜索的候选解剖特征。在本发明的说明中，为了确定结肠中的病变，将在输入图像中搜索球形和半球形候选对象。因此，针对这种应用的掩模被设计成在输入图像中搜索球形或半球形对象。
球形或半球形的对象的梯度场相对于对象的质心发散。当该对象和具有给定尺寸的掩模的发散向量场卷积时，获得响应体积。该响应图像能够被用于表征球形或半球形对象。
步骤28和40构成针对所有掩模尺寸进行迭代的循环。在步骤30中，针对每一次迭代，将单个掩模应用于表面标准化图像以计算原始DGFR响应。原始DGFR响应图像被显示为分别代表X、Y和Z切片的图像切片22、24和26。原始DGFR响应通过表面法线和滤波器的卷积、下面将详细描述的处理来计算。
使用以下公式来计算发散梯度场响应DGFR(i,j,k)=Σz∈ΩΣy∈ΩΣx∈ΩVx(x,y,z)fx(i-x,j-y,k-z)+]]>Σz∈ΩΣy∈ΩΣx∈ΩVy(x,y,z)fy(i-x,j-y,k-z)+]]>Σz∈ΩΣy∈ΩΣx∈ΩVz(x,y,z)fz(i-x,j-y,k-z)---(I)]]>其中Vx(x,y,z)=x/(x2+y2+z2),]]>Vy(x,y,z)=y/(x2+y2+z2),]]>Vz(x,y,z)=z/(x2+y2+z2),]]>
Ω＝[-floor(掩模尺寸/2)，+floor(掩模尺寸/2)]，并且fx，fy，fz是梯度场的分量。
然后，在步骤38中原始DGFR响应图像被用于计算特征，这些特征能够被用于识别结肠中任何候选病变的存在。例如，诸如球形度和最大响应区域之类的特征能够被计算以确定具有球形或半球形形状的病变的存在。在步骤42中，在步骤28和40的循环已经针对所有的掩模尺寸进行迭代之后，在DGFR处理期间找到的对应于所有掩模尺寸的特征被发送到输出装置或媒介。最后，根据响应图像，特征能够被计算，并且能够被用于候选对象(candidate)产生或者能够被用作分类器的输入。
在上述公式(I)中，中间响应图像被表示为DGFRx、DGFRy、DGFRz，而Ω是图像中所有有效坐标的域。中间响应图像被组合以形成最终响应图像。该组合能够使用多种技术来实现。例如，一种技术涉及中间响应图像的相加。下面该相加被表示为DGFR(x，y，z)＝DGFRx(x，y，z)+DGFRy(x，y，z)+DGFRz(x，y，z)其中x，y，z∈Ω。
此外，能够使用单个函数G或函数的组合F(G..)对中间响应图像进行进一步处理或组合。这种函数的典型实例是绝对值和求平方。许多其它函数能够被使用。用于组合中间响应图像的绝对值函数的应用被表示为DGFR(x，y，z)＝Abs(DGFRx(x，y，z))+Abs(DGFRy(x，y，z))+Abs(DGFRz(x，y，z))其中x，y，z∈Ω。
同样地，用于组合中间响应图像的绝对值函数的应用被表示为DGFR(x，y，z)＝Square(DGFRx(x，y，z))+Square(DGFRy(x，y，z))+Square(DGFRz(x，y，z))其中x，y，z∈Ω。
尽管上述公式(I)是针对三维数字图像进行描述的，但是利用滤波器和梯度场的公式能够被应用于二维或二进制数字图像，其中滤波器和梯度图像的z分量被略去，只有x和y分量被用于计算DGFR响应图像。此外，DGFR处理能够被应用于任意的图像维数，图像维数的典型实例是2D、3D和4D图像。
在本实例中，滤波器Vx(x，y，z)、Vy(x，y，z)、Vz(x，y，z)被设计用于检测球形或半球形对象。但是，任何合适的滤波器都能够被用于确定候选对象的特殊形状。例如，椭圆形和半椭圆形对象滤波器能够如下来设计Vx(x,y,z)=a.x/(x2+y2+z2),]]>Vy(x,y,z)=b.y/(x2+y2+z2),]]>Vz(x,y,z)=c.z/(x2+y2+z2)]]>或使用上述函数的近似值来设计。
在本发明的典型实施方案中所应用的DGFR处理被用于检测图像体积中的球形或半球形对象。DGFR处理是一种依靠图像梯度场的特性来检测图像中的解剖特征的直观技术，而不是依靠要检测的对象的特定特征(诸如球形度)的基于特征的方法。DGFR处理是一种用于滤波、也就是突出显示的方法(以其最简单的形式)，也是一种用于执行例如结肠息肉、动脉瘤、肺结节等的异常解剖结构的自动检测的复杂算法。此外，它能够被用于获取候选病变的可用于它的识别和分类的其它描述性特征。
发散梯度场和具有球形或半球形对象的图像的向量卷积产生高响应。具有球形或半球形形状的对象的梯度场通常在所有可能的点上发散。
图2显示原始输入图像中的典型结肠区域。输入图像44被显示在如从X、Y和Z轴观察的3个独立窗格中。窗格46显示输入图像中的结肠区域的X轴视图；窗格48显示结肠的Y轴视图；而窗格50显示结肠的Z轴视图。
图3显示叠加在结肠区域上的梯度场。通过使用如上所述的公式(I)来获得梯度场图像52。窗格54表示公式(I)中的fx分量；窗格56表示公式(I)的fy分量；而窗格58表示公式(I)的fz分量。窗格56-58中所示的各个发散小箭头表示梯度。如用箭头所表示的每一个梯度均具有x、y和z分量。因此，梯度场用公式(I)中的梯度场的fx、fy和fz分量来表示。
图4显示根据本发明的典型实施方案叠加在梯度场上以执行DGFR处理的典型掩模。掩模图像60代表尺寸为15×15×15的典型三维向量掩模，该掩模用于从给定输入图像中检测结肠中的球形或半球形病变。这里所示的掩模仅是例示，可以根据应用使用任何尺寸和类型的掩模。
窗格62代表公式(I)中的滤波器Vx(x，y，z)；窗格64代表滤波器Vy(x，y，z)；并且窗格66代表滤波器Vz(x，y，z)。这些形成掩模图像60的滤波器在上述公式(I)中和梯度场的fx、fy和fz分量卷积。
三维卷积是计算上昂贵的过程。因此，用于每一个单独的轴的滤波器(Vx(x，y，z)，Vy(x，y，z)，Vz(x，y，z))被使用。此外，这种滤波器的近似也可以被应用。一般通过取向量内积，这些线性可分离的滤波器中的每一个滤波器和梯度场的fx、fy和fz分量单独卷积，然后相加以获得本发明典型实施方案中的DGFR响应。因此，使用可分离的滤波器提供一种相对较快的方法，这种方法在计算本发明典型实施方案中的DGFR响应图像时计算上不太昂贵。
图5是根据本发明的典型实施方案通过滤波器和梯度场的卷积获得的DGFR响应图像的典型描绘。响应图像中的病变(息肉)通过高值被突出显示。窗格70、72和74代表分别来自X、Y和Z轴的响应图像的3D视图。窗格70显示沿X平面的DGFR响应；窗格72显示沿Y平面的DGFR响应；并且窗格74显示沿Z平面的DGFR响应。
在本实例中，具有从5×5×5变化到25×25×25的奇数尺寸的掩模被用于计算响应。多个掩模尺寸被使用，因此对于给定尺寸的息肉来说，在尺寸上小于和大于给定息肉的多个掩模将提供更好的响应。掩模的所有可能的移位被用于计算向量卷积以获得响应体积。然后，这些响应被结合以产生单个响应体积。因此，作为模板掩模和派生图像卷积的结果，产生响应图像。
响应图像能够被进一步处理。例如，对这些响应中的每一个响应应用阈值，并分析所得到的响应图像的形状。尤其是，通过使用特征值分解，阈值响应被近似为椭圆，并且最大特征值和最小特征值的比值被估计。该值给出关于响应的球形度的估计，而且能够(和给定区域中响应的其它统计量一起)被用作特征。
参考图6，根据本发明的一个实施方案，用于实现本发明的计算机系统101尤其可以包括中央处理单元(CPU)102、存储器103和输入/输出(I/O)接口104。计算机系统101通常通过I/O接口104耦合到显示器105以及各种输入装置106(诸如鼠标和键盘)。辅助电路可以包括诸如高速缓冲存储器、电源、时钟电路和通信总线之类的电路。存储器103可以包括随机存取存储器(RAM)、只读存储器(ROM)、磁盘驱动器、磁带驱动器等或它们的组合。本发明能够被实现为程序107，该程序被存储在存储器103中并且由CPU 102执行以处理来自信号源108的信号。同样，计算机系统101是通用计算机系统，当执行本发明的程序107时，它变成专用计算机系统。
计算机平台101也包括操作系统和微指令代码。这里描述的各种处理和功能可以是微指令代码的一部分或是通过操作系统执行的应用程序的一部分(或是它们的组合)。此外，各种其它外围设备、例如额外的数据存储装置和打印装置可以被连接到计算机平台上。
应当进一步理解的是，因为附图中所描绘的组成系统的部件和方法步骤中的一些可以以软件来实现，所以系统部件(或处理步骤)之间的实际连接可以依赖于本发明的编程方式而不同。给定这里所提供的本发明的教导，相关领域的普通技术人员将能够设想到本发明的这些和类似实现或配置。
尽管已经参考本发明的典型实施方案详尽地显示和描述了本发明，但是本领域技术人员应当理解的是，在不背离如所附的权利要求所限定的本发明的精神和范围的情况下，其中可以做出各种形式上和细节上的改变。
权利要求
1.一种用于确定数字图像中候选对象的存在或不存在的方法，该方法包括计算数字图像的梯度场；将滤波器应用于梯度场的梯度场分量；通过将滤波器应用于梯度场，产生响应图像；以及根据响应图像确定候选对象的存在或不存在。
2.根据权利要求1所述的方法，进一步包括通过将滤波器应用于一个梯度场分量来计算卷积，以产生中间响应图像；以及进一步处理中间响应图像，以产生响应图像。
3.根据权利要求2所述的方法，其中处理中间响应图像是通过将单个函数和函数组合中的至少一个应用于中间响应图像来实现的，以产生响应图像。
4.根据权利要求1所述的方法，其中梯度场包括与数字图像的X、Y和Z轴对应的X分量、Y分量和Z分量，并且其中滤波器包括X滤波器、Y滤波器和Z滤波器。
5.根据权利要求4所述的方法，其中应用滤波器进一步包括通过将X滤波器应用于X分量、将Y滤波器应用于Y分量以及将Z滤波器应用于Z分量来计算卷积，以产生中间响应图像；以及处理中间响应图像以产生响应图像。
6.根据权利要求5所述的方法，其中处理中间响应图像包括将中间响应图像相加以产生响应图像。
7.根据权利要求5所述的方法，其中计算卷积是使用以下公式来实现的，DGFRx(i,j,k)=Σz∈ΩΣy∈ΩΣx∈ΩVx(x,y,z)fx(i-x,j-y,k-z)]]>DGFRy(i,j,k)=Σz∈ΩΣy∈ΩΣx∈ΩVy(x,y,z)fy(i-x,j-y,k-z)]]>DGFRz(i,j,k)=Σz∈ΩΣy∈ΩΣx∈ΩVz(x,y,z)fz(i-x,j-y,k-z)]]>以便通过卷积产生中间响应图像，其中fx、fy和fz对应于梯度场的X分量、Y分量和Z分量，并且其中Vx(x，y，z)、Vy(x，y，z)、Vz(x，y，z)对应于X滤波器、Y滤波器和Z滤波器，并且其中DGFRx、DGFRy、DGFRz是中间响应图像，并且Ω是图像中所有有效坐标的域。
8.根据权利要求5所述的方法，其中处理中间响应图像以产生响应图像是使用以下公式来实现的，DGFR(x，y，z)＝DGFRx(x，y，z)+DGFRy(x，y，z)+DGFRz(x，y，z)其中x，y，z∈Ω。
9.根据权利要求5所述的方法，其中处理中间响应图像是通过应用函数和函数组合中的至少一个来实现的。
10.根据权利要9所述的方法，其中一个或多个函数包括如下所应用的绝对值函数，DGFR(x，y，z)＝Abs(DGFRx(x，y，z))+Abs(DGFRy(x，y，z))+Abs(DGFRz(x，y，z))其中x，y，z∈Ω。
11.根据权利要9所述的方法，其中一个或多个函数包括如下所应用的平方函数，DGFR(x，y，z)＝Square(DGFRx(x，y，z))+Square(DGFRy(x，y，z))+Square(DGFRz(x，y，z))其中x，y，z∈Ω。
12.根据权利要求5所述的方法，其中X滤波器、Y滤波器和Z滤波器在数字图像中检测球形和半球形候选对象。
13.根据权利要求5所述的方法，其中X滤波器用Vx(x,y,z)=x/(x2+y2+z2)]]>或它的近似值来表示，Y滤波器用Vy(x,y,z)=y/(x2+y2+z2)]]>或它的近似值来表示，并且Z滤波器用Vz(x,y,z)=z/(x2+y2+z2)]]>或它的近似值来表示。
14.根据权利要求5所述的方法，其中X滤波器、Y滤波器和Z滤波器在数字图像中检测椭圆形和半椭圆形候选对象。
15.根据权利要求14所述的方法，其中X滤波器用Vx(x,y,z)=a.x/(x2+y2+z2)]]>或它的近似值来表示，Y滤波器用Vy(x,y,z)=b.y/(x2+y2+z2)]]>来表示，并且Z滤波器用Vz(x,y,z)=c.z/(x2+y2+z2)]]>来表示。
16.根据权利要求1所述的方法，其中数字图像是滤波后的或预处理后的图像。
17.根据权利要求1所述的方法，其中应用滤波器包括应用至少两个不同尺寸的预定滤波器。
18.根据权利要求1所述的方法，其中梯度场具有相对于数字图像的X和Y的X分量和Y分量，并且滤波器包括X滤波器和Y滤波器。
19.根据权利要求18所述的方法，其中应用进一步包括通过至少将X滤波器应用于X分量并且将Y滤波器应用于Y分量来计算卷积，以产生至少两个响应图像分量；以及处理至少两个中间响应图像以产生响应图像。
20.根据权利要求1所述的方法，进一步包括基于响应图像计算特征，以确定数字图像中候选对象的存在。
21.一种用于确定数字图像空间中候选对象的存在或不存在的方法，该方法包括计算具有梯度场分量的数字图像空间的梯度场；使预定滤波器和梯度场分量卷积；由滤波器和梯度场分量的卷积产生响应图像；以及如果有至少一个预定对象，则根据响应图像确定至少一个预定对象的存在。
22.根据权利要求21所述的方法，其中使预定滤波器卷积进一步包括确定滤波器和梯度场分量的向量内积。
23.根据权利要求21所述的方法，其中梯度场包括X分量、Y分量和Z分量。
24.根据权利要求23所述的方法，进一步包括通过将X滤波器应用于X分量、将Y滤波器应用于Y分量并且将Z滤波器应用于Z分量，产生中间响应图像；以及将中间响应图像相加以产生响应图像。
25.一种能够由机器读取的程序存储装置，确实包含能够由机器执行的用于执行方法步骤的指令程序，该方法包括计算数字图像的梯度场；将滤波器应用于梯度场的一个梯度场分量；通过将滤波器应用于梯度场，产生响应图像；以及根据响应图像确定至少一个候选对象的存在或不存在。
26.根据权利要求25所述的装置，进一步包括指令，该指令用于通过将滤波器应用于梯度场分量来计算卷积以产生中间响应图像；以及处理中间响应图像以产生响应图像。
27.根据权利要求26所述的装置，进一步包括指令，该指令用于将单个函数和函数组合中的至少一个应用于中间响应图像以产生响应图像。
28.根据权利要求25所述的装置，其中梯度场包括与数字图像的X、Y和Z轴对应的X分量、Y分量和Z分量，并且滤波器包括X滤波器、Y滤波器和Z滤波器。
29.根据权利要求28所述的装置，进一步包括指令，该指令用于通过将X滤波器应用于X分量、将Y滤波器应用于Y分量以及将Z滤波器应用于Z分量来计算卷积以产生三个中间响应图像分量；以及进一步处理中间响应图像，以产生响应图像。
30.根据权利要求29所述的装置，进一步包括指令，该指令用于将三个中间响应图像分量进一步相加，以产生响应图像。
全文摘要
一种用于确定数字图像中候选对象的存在或不存在的系统和方法，通过以下步骤来实现计算(20)数字图像的梯度场，然后将预定滤波器(30)应用于梯度场以获得响应图像，该响应图像能够被进一步处理以检测对象(38)。将这些滤波器应用于数字图像能够通过卷积来实现，而且滤波器能够根据要搜索的对象的形状来适配。
文档编号G06T5/00GK1902640SQ200480040075
公开日2007年1月24日 申请日期2004年11月10日 优先权日2003年11月12日
发明者S·佩里亚斯瓦米, L·博戈尼 申请人:西门子共同研究公司