专利名称：：用于计算机辅助诊断的改进的结节分割的制作方法
技术领域：
：本实施例涉及分割。尤其是从诸如计算机断层扫描数据之类的扫描数据中识别结节或其它结构。
背景技术：
：肺结节分割是用于识别肺肿瘤的计算机辅助诊断(CAD)的一个目标。例如，CAD系统从胸计算机断层扫描(CT)数据中识别肺结节。半自动的稳健的分割解决方案可以实现作为肺癌筛选和管理的一部分的、结节的可靠的体积测量。在CAD系统中，基于亮度的分割解决方案、诸如局部密度最大值算法对结节进行分割。尽管对于孤立性结节来说这种解决方案可以令人满意地执行，但这些解决方案由于类似的亮度而不能从邻近的周围结构、例如壁和脉管中分离出结节。已经建议了更加完善的方法来结合结节特定的几何限制。然而，在胸膜附近(juxtapleural)，或附着到壁上，结节仍然被看作挑战，因为这种结节可能不符合标准的几何学假定。问题的另一个根源是在CT数据中以高亮度值出现的肋骨。这种接近于可能的结节的高亮度区可能使结节中心的估计有偏差。两种方法提供了胸膜附近情况的稳健分割。在第一种方法中，在结节分割之前执行整体肺或肋骨分割。这种整体方法可能是有效的，但是计算上很复杂且依赖于整个肺分割的精度。在第二种方法中，在结节分割之前执行局部非目标去除或回避。这种局部方法可能比整体方法更有效，但是由于非目标结构的有限数量的可用信息而更难以实现高性能。
发明内容作为介绍，下述优选实施例包括用于在计算机辅助诊断中进行改进的结节分割的方法、系统或计算机可读介质。通过根据扫描数据检验结节分割误差，胸膜附近的情况被识别。一旦被识别，扫描数据或随后的估计可以被修改以说明影响分割的邻近的肋骨、组织、脉管或其它结构。一种修改是根据扫描数据形成滤波器。例如，来自于原来估计的分割的椭圆体定义所述滤波器。所述滤波器用来识别不想要的信息，以及为了随后的结节分割的估计，掩蔽去除不想要的信息。另一种可能的修改使随后的估计偏离于影响原始估计的不正确的信息、例如肋骨、组织或脉管信息。例如，否定的先验(negativeprior)被分配给对应于原来估计的分割的数据以用于随后的估计。检验、滤波修改、偏离修改中的任一种或它们的组合都可以被使用。在第一方面中，提供一种用于在计算机辅助诊断中进行改进的结节分割的方法。处理器根据扫描数据检验处理器确定的第一分割。在处理器确定的第一分割使检验失败的情况下，处理器修改扫描数据、参数或扫描数据和参数。根据修改后的扫描数据、参数或修改后的扫描数据和参数确定处理器确定的第二分割。在第二方面中，提供一种用于在计算机辅助诊断中进行改进的结节分割的系统。处理器可操作用于根据扫描数据检验第一分割，可操作用于在第一分割使检验失败的情况下修改扫描数据、参数或扫描数据和参数，并且可操作用于根据修改后的扫描数据、参数或扫描数据和参数确定第二分割。显示器可操作用于输出第二分割的指示。在第三方面中，计算机可读存储介质具有存储在其中的数据，该数据表示可由被编程的处理器执行的指令，该指令用于在计算机辅助诊断中进行改进的结节分割。存储介质具有指令，用于根据扫描数据检验第一结节估计，如果第一结节估计使检验失败，则修改扫描数据、结节估计或扫描数据和结节估计两者，以及根据修改后的扫描数据、修改后的结节估计或修改后的扫描数据和修改后的结节估计两者来确定第二结节估计。在第四方面中，计算机可读存储介质具有存储在其中的数据，该数据表示可由被编程的处理器执行的指令，该指令用于在计算机辅助诊断中进行改进的结节分割。存储介质具有指令，用于根据扫描数据确定滤波器形状，根据滤波器形状对扫描数据进行滤波，以及根据滤波后的扫描数据分割第一结节。在第五方面中，计算机可读存储介质具有存储在其中的数据，该数据表示可由被编程的处理器执行的指令，该指令用于在计算机辅助诊断中进行改进的结节分割。存储介质具有指令，用于确定第一结节估计，将第一结节估计识别为与可能的胸膜附近的结节有关，以及使第二结节估计的确定偏离于第一结节估计。本发明由下列权利要求来限定，并且这部分中的任何内容都不应被视为是对那些权利要求的限制。本发明的另外的方面和优点在下面结合优选实施例来论述。部件和图没有必要按照比例绘图，而是重点应放在阐明本发明的原理上。此外，在图中，相似的附图标记在不同的视图中表示相对应的部分。图1是用于在计算机辅助诊断中进行改进的结节分割的方法的一个实施例的流程表；图2是根据扫描数据改进分割的一个实施例的图形实例；图3是改进的分割的一个实施例的图形实例；和图4是用于在计算机辅助诊断中进行改进的结节分割的系统的一个实施例的框图。具体实施例方式实施例可以在计算机断层扫描(CT)中通过改进胸膜附近情况的分割来提供稳健的肺结节分割。通过检验分割结果，可以识别胸膜附近情况。由于周围结构所造成的不正确的分割可以通过修改来避免。针对胸膜附近情况，通过局部非目标去除和/或回避方法来提供修改。在一种方法中，检测并去除输入子体积内的肺壁区。例如，使用三维二进制形态开放性操作(binarymorphologicalopeningoperation)。通过使用扫描数据来识别诸如数据驱动的椭圆体三维结构元素之类的结构元素，形态操作更可能导致不想要的信息的去除。在另一种方法中，扩展的均值平移框架包括排斥子(否定的)先验，其趋向远离一个或多个特定数据点的收敛。这种先验约束的均值平移被用于正确地检测结节中心而不管肋骨的存在。分割精度可以在不去除表示壁和肋骨的数据的情况下被改善。在一个实施例中，所提议的两种解决方案被实现为稳健的各向异性的高斯拟合解决方案的扩展，但是其它的分割算法也可以被使用。椭圆体结构元素和/或排斥子先验从高斯拟合中获得。该实施例可以被用于其它成像模式，例如磁共振成像，超声波，x射线，正电子放射或其它现在已知的或新进研发的成像模式。可以使用两维或三维扫描的数据。实施例可以替代地被用于孤立的或非胸膜附近的情况。图1示出用于在计算机辅助诊断中进行改进的结节分割的方法的一个实施例。通过图4的系统或诸如个人电脑、网络务器或成像工作站之类的不同系统来实现所述方法。所述方法以所示出的顺序或不同的顺序执行动作。另外，可能设置不同的或更少的动作。例如，在有或者没有任何其它的动作的情况下，动作26而不是28被执行，或反之亦然。作为另一个例子，动作22、24和30在没有动作26和/或28的情况下被执行。在动作22中，确定结节估计。结节估计是可能的结节的分割。由处理器自动地或半自动地执行该确定，从而导致处理器确定的分割。该分割是局部的，例如在表示平面或体积的扫描数据的子区域中估计结节。例如，使用33×33×33三维象素的子体积。该区域大于可能的结节，例如在直径上大于30毫米、50毫米或其它值。可以使用具有立方、球形或其它形状的其它尺寸的区域，例如球形区域。扫描数据是CT数据或另一类型的数据。通过处理器或响应于用户输入来自动地选择局部区域。根据放射科医师通过观看鉴定(eye-appraisal)的读取或自动结节检测系统的结果来建立标记。例如，全局地应用一种算法以确定可能与结节有关的区域。作为另一个例子，用户输入可能与结节有关的点、面积或体积。局部区域被定中心于用户输入位置或所确定的面积或体积上。在替代的实施例中，执行全局分割。在识别局部区域之后，对局部区域执行结节分割。局部区域可能包括孤立的结节或在胸膜附近的结节。对局部区域的扫描数据执行肺或其它结节分割。可以使用任何现在已知的或新进研发的分割算法、例如滤波、经训练的神经网络、贝叶斯分割或其它基于分类器的分割。在一个实施例中，利用高斯拟合函数执行分割。高斯函数、例如二维或三维高斯函数拟合扫描数据。例如，在公开号为2005/0036710、2005/0096525、2005/0135663、2005/0201606或____________(申请系列号为11/184,590)的美国专利申请中所描述的一个或多个分割处理被执行，这些专利申请的公开内容在此被引入作为参考。一种稳健的各向异性的高斯拟合识别由计算机断层扫描数据所表示的结节。提供半自动的(例如，单击)三维结节分割。单击分割使用指示目标结节的大致位置的标记xp。三维高斯函数拟合与该标记有关的扫描数据。根据经验确定，结节的三维边界用所拟合的高斯的35％、50％或其它置信度的椭圆体来近似。可以使用除了椭圆体之外的其它结构，例如球体，立方体或不规则结构。为了计算的效率，该算法被应用于定中心于标记xp并且从CT体积数据I(x)∶R3→R+、例如12位CT扫描数据中提取的子体积V(x)。该算法提供高斯函数，其最佳地或充分地拟合目标结节的局部亮度分布。该拟合被表示为I(x)≈αxФ(x；u，∑)|xεS，其中Ф(x；u，∑)＝|2π∑|-1/2exp(-1/2(x-u)t∑-1(x-u))是各向异性的三维高斯函数，α是正的数量系数，S是形成目标的吸引盆地(basin)的局部邻域，u是指示所估计的结节中心的所拟合的高斯均值，以及∑是指示结节的各向异性扩展的所拟合的高斯协方差矩阵。u是使用拟合函数的局部最大值(例如梯度)的收敛。可以不计算α和S。替代地，该算法通过考虑输入子体积的高斯尺度空间来执行多尺度分析。高斯尺度空间L(x；h)是具有初始化L(x；0)＝I(x)的扩散方程∂HL=12▿2L]]>的解。这种尺度空间是由I(x)与具有带宽矩阵H的高斯核KH(x)的卷积来定义的L(x；h)＝I(x)*KH(x；H＝h1)。所述算法考虑在一组密集采样的离散分析尺度{hk|k＝1…K}上构造的高斯尺度空间。在每一个分析尺度上，在每一个尺度空间图像中执行固定尺度稳健分析以用于拟合各向异性的高斯函数。针对每一平滑尺度或级别(即，带宽)确定所述均值、即u和协方差、即∑。固定尺度分析利用尺度空间均值平移执行稳健的高斯拟合，在高斯尺度空间中定义的收敛的加权的均值平移被表示为m(x;Hk)=∫x'KH(x-x';Hk)I(x')dx'∫KH(x-x';Hk)I(x')dx'-x=hk▿L(x;hk)L(x;hk)---(1)]]>作为结节中心的高斯均值u通过在标记xp周围采样的大多数初始种子的收敛来估计。在所估计的均值u周围对一组新的种子进行采样。然后从每一个种子执行均值平移过程。高斯协方差通过具有未知的∑的、用仅仅沿着收敛轨迹的均值平移矢量构造的线性系统的受约束的最小二乘解来估计。所述线性系统可以用响应标准化的尺度空间海赛(Hessian)来构造。给定一组所估计的高斯，在尺度上的最稳定的估计决定最终的结果。在一个实施例中，对由高斯提供的所估计的分割和扫描数据之间的误差进行计算。在其它实施例中，诸如在误差可能是大的或不稳定的情况下，对该组所估计的高斯进行检查以便根据变化的带宽识别最稳定的估计。给定一组以分析尺度{(uk，∑k)}所估计的高斯，通过尤其利用基于发散的稳定性检验查找最稳定的估计来实现多尺度分析，但是可以使用其它的检验。一种示例算法采用以每一个分析尺度计算的三个邻近高斯的JensenShannon发散(JSD)。假定标准形式的分布，JSD用下列简单形式来表示JSD(k)=12log|13Σi=k-1k+1Σi|3Πi=k-1k=1|Σi|+12Σi=k-1k+1(ui-u)t(Σi=k-1k+1)-1(ui-u)---(2)]]>其中u=12Σk-1k+1ui.]]>在尺度hk上JSD分布的最小化导致在尺度上最稳定的(most-stable-over-scales)估计(u*，∑*)。稳健性应归于这个算法的两方面。第一，固定尺度高斯拟合解决方案使用尺度空间均值平移收敛分析执行具有异常值去除的稳健的模型拟合。针对每一个h，根据等式1确定u，其中异常值是没有作为结节的一部分被估计的信息。具有异常值去除的m向峰值的收敛更可能减少其它结构的影响。这帮助缓和并列邻近结构、诸如肋骨、胸壁或脉管的问题。第二，基于稳定性的尺度选择的使用使甚至没有较好地遵循高斯假定的亮度分布的拟合处理稳健。这便于随意选择用于分割临床上重要的但是技术上复杂的毛玻璃类型或其它类型结节的解决方案。尽管稳健，但某些胸膜附近的或其它的情况可能导致不精确的分割。稳健的高斯拟合解决方案或其它的分割估计可以被进一步地扩展，以便不仅仅处理孤立的情况而且也处理胸膜附近的情况。稳健的高斯拟合或其它分割估计被执行，并且在动作22中结果被检验，诸如使用拟合良好性检验。处理器根据扫描数据自动或半自动地检验结节估计。所述检验将结节估计识别为与可能的胸膜附近的结节有关，诸如该检验识别可能的附着到壁上的结节。将计算机断层扫描或其它扫描数据与肺或其它的结节分割相比较。例如，对处理器确定的分割和扫描数据之间的误差进行分析。在一个实施例中，对数据和模型之间的卡方误差进行计算，但是其它的误差计算也可以被使用。在另一个实施例中，线性直流偏离(bias)被估算。可以使用其它启发式的检验，诸如使用经训练的神经网络或其它的分类器。可以使用检验的组合，诸如卡方误差分析与线性直流偏离检验相结合。可以设置分割未通过检验或通过检验的任何阈值或其它确定，诸如基于训练或具有已知真值的数据组的误差阈值或启发式的结果。当在动作22中初始拟合结果没能通过检验时，执行进一步的处理以提供可能更精确的分割或结节估计。可以使用一个或多个不同的进一步的处理，包括任何现在已知的或新近研发的处理。一般对于稳健的高斯分割来说，通过与线性直流偏离拟合良好性检验结合的卡方误差分析所检测的最粗的分割的失败可能是由于胸膜附近情况。针对这种失败的初始的拟合高斯可能趋向近似于壁和肋骨结构。采用初始的拟合高斯作为处理输入的分割解决方案可以利用这些观察。在一个实施例中，在动作24中处理器利用进一步的处理执行修改。扫描数据、结节估计处理、用于估计处理的参数、它们的组合或其它修改被执行。在一个实施例中，根据基于初始分割的形态函数来修改扫描数据。在另一个实施例中，随后的分割估计被加权远离初始分割。由于检验失败，初始分割被认为不精确。这个失败可以被用来影响以后的分割以识别结节而不是其它结构。其它是或者不是初始分割的函数的实施例可以被使用。在用于在动作24中修改扫描数据的实施例中，在动作26中与不想要的结构无关的扫描数据被选择，或者与不想要的结构有关的扫描数据被去除。例如，通过三维形态开放执行壁去除。选择或者去除是形态函数的功能。形态函数响应于扫描数据，诸如是可能表示不想要的结构的初始分割的函数。任何形态函数可以被使用，诸如根据扫描数据或者根据响应于初始拟合的椭圆体确定滤波器形状。胸膜附近失败情况的输入子体积可能包含肺壁区。这种壁区通常表现为大的具有比周围肺软组织高的CT值的连通区域。胸膜附近的结节可能表现为部分嵌入到壁中的结节结构。使用形态操作从子体积中去除壁区。然后对去除壁的扫描数据执行稳健的高斯拟合或者其它分割，从而导致目标结节的改进的分割。图2用图形表示一种用于根据形态函数选择或者去除扫描数据的可能算法。输入包括子体积V(x)、标记xp和使拟合良好性检验失败的拟合高斯(u*，∑*)。以34表示的图像以二维横截面示出子体积，其中较亮区域表示嵌入在壁上的结节。与不想要的结构、诸如壁区有关的扫描数据被从V(x)中去除，从而导致在用37标记的图像上所表示的Vr(x)。如针对以35表示的图像所示，扫描数据被二进制化或者被转换为二进制表示。阈值、诸如用于具有0到4,095的动态范围的扫描数据的值500被应用于扫描数据。该阈值是亮度阈值。可以使用其它阈值。形态函数至少部分地基于初始结节估计、球体、椭圆体、它们的组合或其它形状来计算。例如，如果平均直径大于阈值，则根据初始结节估计来初始化三维结构元素，并且如果平均直径小于阈值，则根据预定结构来初始化三维结构元素。对由初始分割协方差∑*所定义的椭圆体的平均直径dave进行计算。如果平均直径大于阈值，则形态函数是由初始分割∑*定义的三维结构E，E＝∑*。任何阈值都可以被使用，诸如16.6个三维象素或特定的尺寸。否则，三维结构E被设置为具有固定半径、诸如14个三维象素或者特定的尺寸的三维球体。可以使用其它的阈值、半径、形状或者尺寸。可以使用二维处理。针对每一个子体积或可能不想要的结构，估计这个数据相关的椭圆体结构元素。结构元素具有相同的或者不同的尺寸。结构E表示滤波器形状。利用数据导出的滤波器形状的滤波允许单或者多通道平滑和/或锐化以选择或去除扫描数据。根据滤波器形状对扫描数据进行滤波。该滤波根据形态函数执行形态开放。例如，根据三维结构元素E执行三维二进制形态开放，从而导致仅仅保留大的壁区的平滑的体积Bs(x)＝[Bo(x)E]E。以36表示的图像显示根据结构元素对二进制扫描数据进行滤波的结果。根据以36表示的三维二进制形态开放的输出对以34表示的初始子体积的扫描数据进行掩蔽。该掩蔽选择感兴趣的数据或者去除不想要的数据。例如，通过用Bs(x)的非来掩蔽V(x)来执行壁去除Vr(x)＝V(x)xNOT[Bs(x)]。在动作30中，对修改后的扫描数据执行分割，诸如对具有xp的Vr(x)执行稳健的高斯拟合算法。该分割可以提供改进的结节分割(uwr，∑wr)。在图1的动作28中的替代的或附加的实施例中，使分割估计偏离于失败的分割或结节估计。对于胸膜附近情况来说，偏离可以如在美国专利No.(序列号______，2006年3月9日提交(代理人参考号2005P05271US))中所公开的那样被执行，该专利的公开内容在此被引入作为参考。随后的分割的收敛受影响或被推离错误的结果。例如，由初始分割输出的椭圆体影响以后的分割。对于胸膜附近的结节来说，使结节估计的确定偏离由计算机断层扫描数据表示的壁或肋骨结构并且与可能的胸膜附近的结节相邻。初始结节估计被假定为与壁或肋骨结构有关。在没有明确地去除表示壁和/或肋骨的数据的情况下，对随后的结节中心进行检测。在基于高斯拟合的分割中，高斯排斥先验(repellingprior)约束均值平移。先验约束的均值平移把空间先验信息结合到数据驱动的均值平移分析中。否定的先验被分配给至少一个与初始结节估计或分割有关的位置的扫描数据。对子体积V(x)执行先前的稳健的高斯拟合，从而导致结节中心和扩展估计(u*，∑*)。这个拟合高斯被解释为指示x是所估计的中心的似然性的正态概率分布Q(x)，其被表示为Q(x)＝N(x；u*，∑*)＝|2π∑*exp(-(x-u*)t∑*-1(x-u*))(3)当x＝u*时Q(x)具有最高值。拟合良好性检验失败表示所估计的位置u*不在目标结节的中心处并且所估计的扩展∑*大略地表示(肋骨/壁)结构的范围，所述结构错误地吸引了均值平移收敛远离实际的结节中心。结节中心可以利用受约束的均值平移来重新估计，通过对Q(x)的认识使该均值平移的收敛偏离，以便将所述收敛推离失败的估计u*。为结合这种排斥(否定的)先验，等式3被转换并且在随后的分割或结节估计中被用作参数修改。扫描数据I(x)被再取样或与权重相关联以表示一些数据点比其它数据点更合适的观念。先验导出的正的权重由Q(x)的非来定义，被表示为wQ(x)＝1-|2π∑*|1/2Q(x)(4)结合否定的先验导致下列再取样的用离散化的数据空间表示的尺度空间L~(x;h)=Σi=1NwQ(xi)I(xi)Kb(x-xi)---(5)]]>收敛于中的模式的均值平移mr(x；h，Q)是受否定的先验约束的尺度空间均值平移。受否定的先验约束的尺度空间均值平移由下式定义mr(x;h,Q)=ΣixiKh(x-xi)I(xi)wQ(xi)ΣiKh(x-xi)I(xi)wQ(xi)-x---(6)]]>收敛特性被保持，因为wQ(xi)≥0xi。利用否定的先验，再次执行分割。例如，根据与初始结节估计相关的偏差将高斯函数应用于计算机断层扫描数据。在动作30中，通过在稳健的拟合算法中用先验约束的均值平移替换初始尺度空间均值平移(用等式6替换等式1)来构造新的高斯拟合方案。给定使拟合良好性检验失败的初始高斯(u*，∑*)，对原始数据V(x)执行这个具有mr(x；h，Q)的新的解决方案，从而导致具(ums，∑ms)的改进的分割。动作26和28可以独立地或一起被使用。来自于动作26和28两者的结果可以被合并、诸如被平均或最佳地拟合所确定的结果。动作26的处理可被用于引导或改进动作28的处理或反之亦然。替代地，在不执行动作28的情况下，动作26被执行，或在不执行动作26的情况下动作28被执行。在动作30中，根据修改后的扫描数据、修改后的参数、修改后的结节估计或它们的组合来确定另一处理器确定的分割或结节估计。相同的或不同的分割被执行，诸如根据三维高斯拟合函数来进行确定。根据否定的先验或具有去除的或选择的信息的扫描数据确定随后的分割。针对去除的或选择的数据，根据滤波后的扫描数据来分割结节，该滤波后的扫描数据被掩蔽以识别更可能与结节有关的数据。针对有偏差的数据，根据具有受先验分割影响的均值平移的扫描数据来分割结节。修改可以允许具有计算机断层扫描数据的胸膜附近结节的较好的肺结节分割。图3示出一些说明性的例子。最左边的图像包括中心41在与大的结节邻接的不想要的结构上的椭圆的分割42。中心图像举例说明在去除与所述结构相对应的扫描数据之后随后的分割43。最右边的图像举例说明在结合否定的先验之后随后的分割44。该处理被执行一次，但是可以诸如在结节可能邻接多个扰乱项(distractor)的情况下被反复地执行。对修改的不同的进一步的处理可以较好地在不同的情况中执行。针对每一个标记、可能的结节或子体积(即，局部区域)，该处理被独立地应用。基于形态开放和受先验约束的均值平移的、从稳健的高斯拟合方法延伸出来的解决方案可以有效地分割胸膜附近情况。当结节附着于非壁结构或受非壁结构影响或者非常大的结节附着于肺壁的薄的部分时，否定的先验的使用可以比形态开放更好地起作用。形态开放可以在其它情况中、例如针对小的胸膜附近的情况更好地执行。图1的方法可以对具体的情况进行检验并且选择适当的进一步的处理。替代地，无论使该检验失败的原因是什么，执行相同的进一步的处理。分割可以帮助诊断。例如，正确的分割可以提供结节的更精确的体积测量。结节体积、形状或变化可以在临床上有助于诊断。对于上述讨论的高斯拟合方法，使用椭圆体边界近似。然而，通过结合利用高斯先验的非参数分割，分割质量的进一步的改进也许是可能的，其中该高斯先验是通过使用在公开号为2005/0201606的美国专利申请中所建议的方法导出的，所述专利申请的公开内容在此被引入作为参考。结节通过高斯函数来近似。为了获得更精细级别的分割，利用被用作先验的高斯拟合执行不同的分割。可以使用其它修改或差异。在一个实施例中，图1的方法包括其它的检验或动作。例如，多层或分级方法被应用。可以使用不同尺寸的高斯。例如，两个不同的子体积和相关联的分割被执行(例如，33×33×33和66×66×66)。大的子体积可以诸如通过平滑和下采样被缩小，以应用与较小的子体积相同的参数。较小的子体积首先被使用。如果分割较小的体积失败，则较大的子体积被用于对较大的结节进行检验。例如，如果∑*大于阈值，可以将较小的分割确定为失败，并且应用较大的分割。图4示出用于在计算机辅助诊断中进行改进的结节分割的系统50的一个实施例。系统50是工作站、个人计算机、网络、服务器、计算机辅助诊断系统、成像系统、计算机断层扫描系统、医学诊断成像系统或其它现在已知的或新近研发的处理系统。例如，本地或远程工作站接收用于计算机辅助诊断的图像。系统50执行图1的方法或不同的方法。系统50包括处理器52、存储器54、显示器56和用户输入装置(userinput)58。可以设置其它的、不同的或更少的部件。例如，系统50不包括用户输入装置58和/或显示器56。作为另一个例子，系统50包括传感器，诸如计算机断层扫描图像成形设备。部件被显示彼此相邻，诸如在相同的房间中，在相同的大车上，或在相同的房屋中。在其它实施例中，一个或多个部件是远程的，诸如存储器54是远程数据库或显示器56是在联网的或无线的装置上。用户输入装置58是键盘、按钮、滑动器、鼠标、触摸垫，触摸屏、轨迹球、拨号盘或其它现在已知的或新近研发的输入装置。用户输入装置58是由处理器52生成的或控制的用户界面的一部分。用户与计算机辅助诊断系统50交互以基于分割识别结节或计算数量。例如，用户输入装置58接收用户输入结节标记位置。处理器52是一个或多个通用处理器、数字信号处理器、特定用途集成电路、现场可编程门阵列、服务器、网络、数字电路、模拟电路、它们的组合、或其它现在已知的或新近研发的用于处理医学图像数据的装置。处理器52执行软件程序、诸如手动生成的或编程的代码或诸如经训练的分类或模型系统。软件识别结节边界。替代地，硬件或固件执行识别。处理器52从存储器54中获取扫描数据、操作指令和/或其它信息。处理器52可操作用于根据扫描数据检验结节分割。扫描数据是计算机断层扫描数据，但是可以使用其它类型的数据。扫描数据表示结节、诸如瘤或其它结构。一个例子是肺计算机断层扫描中的胸膜附近的结节。为了检验，将结节分割与计算机断层扫描数据相比较。可以使用任何检验，诸如拟合误差或启发式的检验。处理器52可操作用于在先前的分割使所述检验失败的情况下修改扫描数据/参数或扫描数据和参数。例如，处理器52根据形态函数选择扫描数据。作为另一个例子，处理器52使随后的分割的确定偏离于先前的处理器确定的分割，诸如偏离于壁或肋骨分割。修改可以是被用于结节估计的扫描数据的函数，例如将先前的所估计的结节用于修改。处理器52可操作用于确定先前的和/或随后的分割。三维高斯拟合被执行，但是可以使用其它分割算法。在一个例子中，处理器52在其它扫描数据被去除的情况下根据所选择的扫描数据来确定随后的分割。在另一个例子中，处理器52根据所修改的参数或分割处理来确定随后的分割，例如与使用否定的先验有关。存储器54是计算机可读存储介质。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，包括但不局限于随机存取存储器、只读存储器、可编程只读存储器、电可编程只读存储器、电可擦除只读存储器、闪速存储器、磁带或磁盘、光学介质等等。存储器54存储用于由处理器52处理的或在由处理器52处理期间的扫描数据。扫描数据被输入到处理器52或存储器54中。在一个实施例中，扫描数据是图像数据。在其它实施例中，扫描数据是在转换为图像格式之前的数据、诸如传感器数据或所检测到的数据。在一个实施例中，存储器54是计算机可读存储介质，该计算机可读存储介质具有存储在其中的可由被编程的处理器52执行的指令。处理器52至少部分地用指令来实现此处讨论的自动或半自动的操作。指令使处理器52实现此处所述的任何、所有或某些功能或动作。功能、动作或任务独立于特殊类型的指令集、存储介质、处理器或处理策略并且可以由软件、硬件、集成电路、薄膜设备(film-ware)、微代码等等以单独或组合地起作用的方式执行。同样地，处理策略可以包括多重处理、多重任务、并行处理等等。在一个实施例中，指令被存储在用于由医学诊断成像系统、计算机辅助诊断系统或与成像系统联网的工作站来读取的可移动介质驱动器上。成像系统或工作站上传指令。在另一个实施例中，指令被存储在远程位置上，用于通过计算机网络或经由电话通信传输到成像系统或工作站。在其它实施例中，指令被存储在硬盘、随机存取存储器、高速缓冲存储器、缓冲器、可移动介质或其它装置上的系统内。显示器56是监视器、CRT、LCD、等离子体、平面屏幕、触摸屏、投影仪、打印机、或其它现在已知的或新近研发的显示设备。显示器56输出分割的指示。例如，显示器56输出根据具有重叠边界的扫描数据基于分割所生成的图像。作为另一个例子，显示器56输出基于分割的值、诸如体积。其它输出可以被提供。虽然已经在上面参考各种实施例描述了本发明，但应当理解的是许多改变和修改可以在不脱离本发明的范围的情况下被作出。因此意味着上述详细说明应被认为是例证性的而不是限制性的，并且应该理解的是，下列包括所有等价物的权利要求旨在限定本发明的精神和范围。权利要求1.一种用于在计算机辅助诊断中进行改进的结节分割的方法，所述方法包括利用处理器根据计算机断层扫描数据来检验处理器确定的第一分割；在处理器确定的第一分割使检验失败的情况下，利用该处理器修改扫描数据、参数或扫描数据和参数；以及根据修改后的扫描数据、参数或修改后的扫描数据和参数确定处理器确定的第二分割。2.如权利要求1所述的方法，进一步包括根据扫描数据将处理器确定的第一分割确定为肺结节分割，所述扫描数据包括计算机断层扫描数据；其中检验包括根据计算机断层扫描数据来检验肺结节分割。3.如权利要求2所述的方法，其中确定处理器确定的第一分割包括根据结节标记位置和三维高斯函数进行拟合。4.如权利要求1所述的方法，其中确定包括根据三维高斯函数进行拟合。5.如权利要求1所述的方法，其中检验包括对胸膜附近的结节进行检验。6.如权利要求1所述的方法，其中检验包括分析处理器确定的第一分割和扫描数据之间的误差；执行线性直流偏离；启发式地检验；或它们的组合。7.如权利要求1所述的方法，其中修改包括根据形态函数去除扫描数据，并且其中确定处理器确定的第二分割包括在没有所去除的扫描数据的情况下根据扫描数据进行确定。8.如权利要求7所述的方法，其中去除包括至少部分地基于处理器确定的第一分割、球体、或它们的组合来确定形态函数；根据该形态函数执行形态开放；和根据形态开放的输出对扫描数据进行掩蔽。9.如权利要求1所述的方法，其中修改包括使处理器确定的第二分割的确定偏离于处理器确定的第一分割。10.如权利要求9所述的方法，其中偏离包括将否定的先验分配给与处理器确定的第一分割有关的扫描数据，并且其中确定处理器确定的第二分割包括根据否定的先验进行确定。11.如权利要求9所述的方法，其中所述扫描数据包括胸膜附近的结节，并且其中偏离包括偏离于壁或肋骨。12.一种用于在计算机辅助诊断中进行改进的结节分割的系统，所述系统包括处理器，可操作用于根据扫描数据检验第一分割，可操作用于在第一分割使检验失败的情况下修改扫描数据、参数或扫描数据和参数，并且可操作用于根据修改后的扫描数据、参数或扫描数据和参数确定第二分割；以及显示器，可操作用于输出第二分割的指示。13.如权利要求12所述的系统，其中所述处理器可操作用于根据扫描数据将第一分割确定为结节分割，所述扫描数据包括计算机断层扫描数据，并且其中可操作用于检验包括可操作用于根据计算机断层扫描数据来检验结节分割。14.如权利要求13所述的系统，进一步包括用户输入装置，可操作用于接收结节标记位置；其中所述处理器可操作用于根据三维高斯拟合确定第一和第二分割。15.如权利要求12所述的系统，其中处理器可操作用于修改包括可操作用于根据形态函数选择扫描数据，并且其中处理器可操作用于确定第二分割包括可操作用于根据所选择的扫描数据进行确定。16.如权利要求12所述的系统，其中扫描数据包括胸膜附近的结节并且其中处理器可操作用于修改包括可操作用于使第二分割的确定偏离于处理器确定的第一分割，该偏离远离壁或肋骨。17.在计算机可读存储介质中，该计算机可读存储介质具有存储在其中的表示可由被编程的处理器执行的指令的数据，所述指令用于在计算机辅助诊断中进行改进的结节分割，所述存储介质包括指令，用于根据扫描数据检验第一结节估计；如果第一结节估计使检验失败，则修改扫描数据、结节估计或扫描数据和结节估计两者；以及根据修改后的扫描数据、修改后的结节估计或修改后的扫描数据和修改后的结节估计确定第二结节估计。18.如权利要求17所述的指令，进一步包括将第一结节估计确定为胸膜附近的结节的肺结节分割，肺结节分割根据结节标记位置、高斯拟合函数和扫描数据来确定，所述扫描数据包括计算机断层扫描数据；其中检验包括根据计算机断层扫描数据检验肺结节分割；和其中确定第二结节估计包括根据高斯拟合函数来确定。19.如权利要求17所述的指令，其中修改包括根据响应于扫描数据的形态函数选择扫描数据，并且其中确定第二结节估计包括根据所选择的扫描数据来确定。20.如权利要求17所述的指令，其中修改包括使第二结节估计的确定偏离于胸膜附近的结节的第一结节估计。21.在计算机可读存储介质中，该计算机可读存储介质具有存储在其中的表示可由被编程的处理器执行的指令的数据，该指令用于在计算机辅助诊断中进行改进的结节分割，所述存储介质包括指令，用于根据扫描数据确定滤波器形状；根据滤波器形状对扫描数据进行滤波；和根据滤波后的扫描数据分割第一结节。22.如权利要求21所述的指令，其中确定滤波器形状包括使高斯函数拟合扫描数据，并且根据响应于拟合的椭圆体确定滤波器形状。23.如权利要求21所述的指令，进一步包括根据拟合扫描数据的高斯函数确定第二结节分割；根据扫描数据检验第二结节分割；和如果第二结节分割使检验失败，则执行确定滤波器形状、滤波和分割，所述确定滤波器形状和滤波包括去除一些扫描数据，并且所述分割包括在没有所去除的扫描数据的情况下根据拟合扫描数据的另一个高斯函数确定第一结节分割。24.如权利要求21所述的指令，其中第一结节包括胸膜附近的结节的肺结节分割，扫描数据包括计算机断层扫描数据。25.如权利要求21所述的指令，其中确定滤波器形状包括根据第一阈值使扫描数据二进制化，确定初始结节估计的平均直径，如果平均直径大于第二阈值，则根据初始结节估计来初始化三维结构元素，并且如果平均直径小于第二阈值，则根据预定结构来初始化三维结构元素，滤波器形状包括三维结构元素；其中滤波包括根据三维结构元素执行三维二进制形态开放并且根据三维二进制形态开放的输出对扫描数据进行掩蔽；和其中分割第一结节包括根据所掩蔽的扫描数据来估计第一结节。26.在计算机可读存储介质中，该计算机可读存储介质具有存储在其中的表示可由被编程的处理器执行的指令的数据，该指令用于在计算机辅助诊断中进行改进的结节分割，所述存储介质包括指令，用于确定第一结节估计；将第一结节估计识别为与可能的胸膜附近的结节有关；使第二结节估计的确定偏离于第一结节估计。27.如权利要求26所述的指令，其中确定第一结节估计包括使高斯函数拟合计算机断层扫描数据，其中偏离包括使第二结节估计的确定偏离于由计算机断层扫描数据表示的壁或肋骨结构并且邻接可能的胸膜附近的结节，第一结节估计与壁或肋骨结构有关，其中偏离包括根据与第一结节估计有关的偏离使高斯函数拟合计算机断层扫描数据。28.如权利要求26所述的指令，其中偏离包括将否定的先验分配给至少一个与第一结节估计有关的位置的扫描数据。29.如权利要求26所述的指令，其中偏离包括利用高斯排斥先验来约束均值平移。30.如权利要求26所述的指令，其中确定第一结节估计包括确定拟合扫描数据的高斯函数的函数；其中识别包括根据扫描数据检验第一结节估计，检验识别可能的附着到壁上的与第一结节估计有关的结节。全文摘要通过基于扫描数据对结节分割误差进行检验，识别胸膜附近的情况。一旦被识别，扫描数据或随后的估计可以被修改以说明影响分割的相邻的肋骨、组织、脉管或其它结构。一种修改是根据扫描数据形成滤波器。例如，初始估计的用于结节分割的椭圆体定义所述滤波器。滤波器被用于识别不想要的信息，以及掩蔽为随后的结节分割的估计去除不想要的信息。另一种可能的修改使随后的估计偏离于不正确的信息、诸如影响初始估计的肋骨、组织或脉管信息。例如，否定的先验或概率被分配给与初始估计的分割相对应的数据以用于随后的估计。文档编号G06T5/00GK1983332SQ20061008988公开日2007年6月20日申请日期2006年4月18日优先权日2005年4月18日发明者K·奥卡达,A·克里什南,V·拉梅什,M·K·辛,U·阿克德米尔申请人:西门子共同研究公司,美国西门子医疗解决公司