专利名称：自动分割乳房mr序列中的脉管的系统和方法
技术领域：
本发明是针对数字化的医学图像的分割. 背景技术对比增强的MR序列是用于检测乳房中的损伤的强有力的诊断工 具。通常，通过识别增强后(post contrast)获得物中相对于增强前 (pre-contrast)获得物中的可疑的增强区域来开始诊断.因此，使 此过程自动化是计算机辅助检测系统需要执行的动作。这种系统的困 难是以下亊实，即除了损伤之外，许多非可疑结构也在增强后困像中 增强.这些结构中的大部分是脉管，脉管是在自动将损伤检测为注射 造影剂之后被增强的区域时出现的假阳性结构的主要类型.增强后Tl加权困像的动态减影例行地作为协议的部分被执行来利 用核磁共振成像(MRI)评估乳房损伤，因为损伤通常包含高血管分布， 所以造影剂的灌注使得损伤比背景显得更亮，并且因此这个模态相当 敏感.自动分割损伤可以为放射科医师提供精确的自动测量结果，并 且使这些测量结果在读者之间变得更一致，如果不是因为附着到那些 损伤的脉管致使分割渗透过脉管的亊实，则区域生长分割算法或者甚 至简单的阈值化(thresholding)可以被用于分割那些损伤.因此， 移除脉管能够使分割任务容易.另一方面，损伤的自动检测要求将损伤与也利用造影剂增强的各种类型的正常结构区分开来的能力.这些 正常结构包括乳房的实质組织、脉管、乳头下的区域和心脏周闺的区域.已经对研发在类似CT或MR血管造影术等的模态中分割血管结构 的自动方法等有兴趣，关于这个主趙的文献非常丰富，这些文献既描 述了自动方法又描述了半自动方法，这些方法覆盖了非常广范围的模 型、假设和技术.在临床工作流环境中，提取血管结构应该是完全自 动的并且要求不过几秒钟的计算时间. 一种执行良好、能够容易地利 用临床数据来验证并且容易实施的技术包括使用矩，在研究文献中对 此很少报导.先前的基于矩的方法包括使用不变矩(moment invariant)来提取和表征激光加热的皮肤的红外图像中的脉管，使用几何矩来从 大的CT数据集中提取血管结构，以及表征该脉管和计算用于从噪声大 的2D图像中提取线性结构的多分辨率Uulti-resolution)矩滤波器.使用几何矩来提取图像结构在文献提出的方法之中有所不同.常 常，在阈值化后获得的二值化图像(binarized image)上计算转动惯 量.这样做的问題是阈值通常很难选取，并且可能不允许检测到小脉 管，因为低阈值将致使较小的脉管(倾向于具有较低强度)与相邻结 构合并.阈值化的另一问题是结构变得"像素化(pixelized)"，即 显现尖锐边缘，这些尖锐边缘使得其形状的计算相对于下层结构的真 实形状不精确.阈值化的替换方案是使用图像强度函数f作为密度函数来计算矩. 但是，在信噪(SN)比低的区域中，难以建立关于拟合椭圃的离心率 的阈值来检测拉长的结构。例如，图1 (a)描绘了从围绕脉管连接部 的实际图像所提取的子块体(sub-volume)的MIP.顶行示出了使用最 近邻插值的初始体素值。中间行示出了在手动阈值化后获得的二值图 像.阈值被调节来捕获两个脉管，这是难以自动实现的任务.阈值化 的像素化效应很明显，这影响了形状描述符的精确性。第三行示出了 使用更复杂的插值方案的相同子块体.发明内容这里描述的本发明的示范性实施例通常包括用于自动检测亮的管 状结构的系统和方法，及其基于用于从图像提取管状结构的几何矩对 乳房MR序列中的脉管进行自动分割，依照本发明实施例的方法基于形状张量的特征值，并且调和来不必对困像进行阈值化，其中在非常低的信噪(SN)比的情况下能可靠地复原结构.像基于平均结构张量的 特征值的方法那样，依照本发明实施例的方法并不依赖于一阶图像导 数，或者像基于海赛(Hessian)特征值的方法那样，依照本发明实施 例的方法也不依赖于二阶图像导数，并且避免了基于海赛或结构张量 的方法所固有的对输出的平滑.依照本发明实施例的方法能够快速运 行，每个序列只需要几秒钟.基于测试结果的运动校正过的乳房MR序 列表明，依照本发明实施例的方法可靠地分割脉管，同时保持损伤完 好，并且在敏感性和定位精度方面都强于差分技术，而且对尺度选择 参数较不敏感.依照本发明的方面，提供了一种用于分割数字化的图像的方法， 该方法包括提供数字化的图像，该数字化的图像包含对应于三维网 格上的点域的多个强度；根据围绕所述困像中的所选点的点窗口中的 强度的矩来定义所述所选点的形状矩阵；计算所述形状矩阵的特征值； 根据所述特征值确定在所述点之下的结构的离心率；和基于所迷离心 率值分割所述图像，其中针对所述图像中的所有点重复所述定义形状 矩阵的步骤、计算所述形状矩阵的特征值的步骤和确定下层结构的离 心率的步骤.依照本发明的另一方面，所选点具有大于预定阈值的中值增强， 其中在采集所述困像之前对所述数字化的图像的主体物质(subject matter)施加对比增强刑，依照本发明的另一方面，通过取所述对比增强图像的中值与增强 前增强图像的中值的差值并且将所述差值标准化到预定的范围内，计算中值增强.依照本发明的另一方面，形状矩阵S。被定义为<formula>formula see original document page 9</formula>其中<formula>formula see original document page 10</formula> 其中矩迈M,r,a被定义为其中w是具有紧支集(contact su卯ort ) p、 q、 rpO和otpl的窗口 函数.依照本发明的另一方面，通过在围绕每个点的有限邻域上的和来 计算积分.依照本发明的又一方面，窗口函数由下式定义1如果j少l0否则其中v,、 vy、 Vz是困像点间距，N,、 Ny、 N,是所定义的非负整数，其中 窗口尺寸包含最大感兴趣直径.依照本发明的又一方面，该方法包括使用最近邻插值计算所述矩， 并且依照下式来校正所述形状矩阵<formula>formula see original document page 10</formula>其中vx、 vy、 L是图像点间距.依照本发明的又一方面，该方法包括使用三线性插值计算所述矩. 依照本发明的又一方面，ot=l，并且依照下式来校正所述形状矩阵<formula>formula see original document page 10</formula>其中Vi、 vy、 Vz是图像点间距.依照本发明的另一方面，提供了计算机可读的程序存储设备，该程序存储设备有形地包含了可以由计算机运行来执行用于分割数字化 的图像的方法步骤的程序指令.
图1 (a)示出了依照本发明实施例的从围绕脉管连接部的真实图 像所提取的子块体的MIP.图1 (b)示出了依照本发明实施例的模拟脉管及其在没有阈值化 的情况下使用转动惯量的检测.图2示出了依照本发明实施例的用于ID线性插值的基函数，图3 (a) - (c)示出了依照本发明实施例的大损伤的分割.图4 (a) - (c)示出了依照本发明实施例的多个小损伤的分割.图5示出了依照本发明实施例的使用形状张量对乳房MRI中的血 管结构的分割.困6示出了依照本发明实施例的基于矩的分割方法的流程图. 图7是用于实施依照本发明实施例的基于矩的分割方法的示范性 计算机系统的框图.具体实施方式
这里所述的本发明的示范性实施例通常包括用于自动检测亮的管状结构的系统和方法，及其对乳房MR序列中的脉管进行自动分割.依照本发明实施例的方法基于形状张量的特征值。该方法可以与基于平均海赛的特征值的方法和基于平均结构张量的特征值的方法相比较. 根据二阶导数来定义的海赛可以被视为二阶的结构描述符。类似地，所述结构张量是一阶的结构描述符，所述形状张量可以被视为零阶的 结构描迷符.如这里所使用的那样，术语"困像"指的是由离散的图像元素(例 如，2D图像的像素和3D图像的体素)组成的多维数据，图像可以是例 如由计算机X线断层摄影术、核磁共振成像、超声成像或本领域技术 人员公知的任何其它医学成像系统所收集的主体的医学图像。该图像 也可以由非医疗环境来提供，诸如由远程感测系统、电子显微镜检查 法等提供.尽管可以认为图像是从113到R的函数，但是本发明的方法 不限于这样的图像，并且可以被应用到任何维度的图像，例如2D图片或3D体积，对于2维或3维闺像，困像的域通常是2维或3维的矩形 阵列，其中每个像素或体素可以参考一组2个或3个相互正交的轴合 来寻址.这里使用的术语"数字的"或"数字化的"将表示通过数字体积(如适当的那样).依照本发明实施例的方法通过计算下层的(亮的)结构的二阶几 何矩而对图像强度施加影响.方法可以被用于通过对最初的增强后增 强图像应用阈值所获得的二值化图像，但是也可以在没有这个阁值的 情况下应用方法.二阶几何矩的特征值是对象识别中形状表征的经典 工具.但是，这些特征值从来没有被用作用于提取图像结构的滤波器. 给定二值图像，考虑围绕每个像素的小的子块体(其尺寸与感兴趣结 构相关)，并且形状张量在那个地点被定义为亮体素的位置相对于该 子块体的中心的二阶矩.对于中心像素亮并且与下层的形状的中心足 够接近的体素，计算形状张量的特征值，并且将值入广入2/(入,+人2)赋 给滤波器响应，其中入,入，是最大特征值.依照本发明实施例，几何3D矩可以被定义为<formula>formula see original document page 12</formula>一电其中w是正的并且对称的窗口函数，该窗口函数具有提供定位的紧支集p、 q、 rpO和ctMl。
ot阶的形状张量根据这些矩被定义为<formula>formula see original document page 12</formula>其中<formula>formula see original document page 12</formula>这个矩阵是对称的，所以其所有特征值是实数。令三个特征值是入入2〉MP0，则滤波器响应可以被定义为<formula>formula see original document page 12</formula>对于诸如脉管的线状或圃柱状结构，C线入l.依照本发明的实施例，基于Sa ( a l)的特征值0[M[入2[入3 计算下层的形状的离心率。随着ot变大，更高的强度值被给予更多的 重要性，从而几乎类似于阈值化那样作用.如图1 (b)的模拟实验中 所示，a的高值能够应付非常低的SN比，其中具有增加的均匀噪声的 合成管状结构利用经典的(classic)惯性矩阵和oc-15的形状张量被检 测.图1 (b)示出了模拟脉管及其检测，该检测利用没有阈值化的标 准的惯性矩并且利用oc-15的形状张量.从左到右的列示出(1)初 始合成体积的中心切片，(2)其最大强度投影(MIP) ， (3)通过标 准矩方法移除了脉管的体积的MIP, (4)通过矩方法检测到的脉管的 MIP， (5)使用cx-15的形状张量移除了脉管的体积的MIP，和(6) 使用oc=15的形状张量检測到的脉管的MIP.六行表示加性均匀噪声的 增加水平，从而从上到下分别给予以下SN比(1)56.3， (2) 36.7, (3 ) 20. 4， (4)11.6， ( 5 ) 5. 5和(6 ) 0. 8dB.对于每种算法，形 状的偏心率上的阈值在行之间是相同的，在所有情况下，对于S",检测标准是*>15，而对于对应于S,的惯性矩阵，检测标准是t〉2.在实际情况下已经注意到这个改进的检测性能.实际上，上述积分通常由在每个体素周围有限邻域上的和来代替， 因为f仅在体素位置处已知.可以针对所有实验假定，定位函数由下 式给出<formula>formula see original document page 13</formula>
其中V,、 Vy、 Vz是图像体素间距，而N,、 Ny、 Nz是所定义的非负整数， 使得窗口尺寸包含最大感兴趣直径。然后，给定图像，考虑围绕每个 像素的小的子块体并且定义其中Pw是对应于索引i、 j、 k的体素处的图像值.计算矩阵的特征值0[入，[入2[入3Atr,ff 々",or Ae a A^,。/^yy，or A",a其中如上计算值A…，但是使用总和矩来计算。下层结构的偏心率或伸长率可以通过经典的偏心率量度S-(A广入2)来测量，该 量度取0到1之间的值，或者简单地取比率入3/入2(假定入2>0)由于基于矩的方法并没有假设困像强度函数f的可微性，所以可 以使用简单的插值方案，诸如最近邻插值或三线性插值，以计算插值 的函数的积分，而不是体素值上的和.可以预期，特別是在三线性插 值的情况下，使用这些积分的值具有较好的精确性.使用等式<formula>formula see original document page 14</formula>可以看到，对于最近邻插值积分，上面的矩阵&应该由下式代替<formula>formula see original document page 14</formula>在三线性插值的情况下，函数f由2屮/V&给出，其中i、 j、 k是图像体素的索引，Pijk是体素的图像值，并且0否则'少G然后，写出，n:譜，<formula>formula see original document page 14</formula>使得，对于在Ot-l的情况下的三线性插值，矩阵&应该由下式代替<formula>formula see original document page 15</formula>在使用三线性插值的一般形状张量(otM)的情况下，该情况变得更复杂，其中尸由te"4 ^^给出.尽管相对应的积分仍然可以闭式计算，但是复杂度显著增加.依照本发明的实施例，为了计算相对应的形状张量，应注意如在上述的ot-l的情况下计算&的矩不再有用.继 续来说，上述矩可以使用不太直接但是能够推广到(X >1的方法来获得.在1D情况下可以这样完成，可以直接推广到2D和3D的情况.假定对 于k<i-2或k>i+2， A=0，则获得<formula>formula see original document page 15</formula>上面的四个积分可以根据图2中所示的3个分段线性的基函数获 得.参考该图，第一基函数gH被定义在域(i-2) v,到ivx上，第二基 函数gi被定义在域(i-l) v'到(i+l) v,上，而笫三函数gw被定义在 域ivx到(i+2) v,上.计算积分的方法可以被推广到ot〉1,例如，可以计算<formula>formula see original document page 15</formula>类似地，并且、15 33尸'+, 、10 3 3尸固、Ij5 3尸'(10 33尸W U5 33 ,"尽管可能针对3D情况和给定的ot >1找到一般化的公式，但是对于潜在 的精确度提高，最终的多项式的复杂度相当高.在2D情况下，上面的 四个积分变为十六个积分，而在3D中变成六十四个积分.依照本发明实施例的方法已经在超过100个运动校正过的乳房MR 动态序列上进行了测试.所获得的结果表明，能够可靠地分割脉管， 同时保持损伤完好.依照本发明实施例，在固定尺寸的滑动窗口上计 算矩，但是只考虑中值增强高于给定阈值的点.这个阈值可以选取的 足够低，以便检测甚至小的脉管.这不难设置，因为并不依赖于计算， 而只是通过处理较少的体素来加速整个过程.通过在每个困像体素将 增强后获得物的中值减去增强前获得物的值来计算中值增强.然后通 过应用仿射函数将这个差标准化，使得最终的增强在范围[O, 200]中. 图3 (a) - (c)、图4 (a) - (c)和图5示出了所述结果的几个代表 性实例.图3 (a) - (c)示出了大损伤的分割，而图4(a)-(c)示出了 多个小损伤的分割.对于这些图，画面(panel) (a)示出了经阈值 化的最初的增强后增强困像，画面(b)示出了检测到的脉管，而画面 (c)示出了已移除脉管的损伤.图5示出了使用ct-6的形状张量对乳房MRI中的血管结构的分割， 这三列示出了相同患者的正交视图。第一行示出中值增强的初始MIP. 笫二行示出自动移除脉管的相同体积.笫三行单独示出移除的脉管的 MIP。注意，直径和增强水平非常不同的脉管被正确分割.通过取形状 张量的特征值使得入3/入2>3的地点来执行检测.在这些图的每个图中，注意，多么小的脉管都被正确分割，并且 多么小的球体结构都保持完好，作为进一步的验证，在40种情况下， 依照本发明的方法提取血管结构，三个放射科医师观察这些结构并且 标记了总共75处损伤，在所有情况下脉管被正确分割，并且所有被标 记的损伤都保持完好.在图6中示出了依照本发明实施例的基于矩的分割方法的流程图.现在参考该图，在步骤61,提供要被分割的困像.针对困像中如在步 骤62所确定的体素计算形状张量，该体素的中值对比增强超过预定的 阈值.在步骤63，在围绕所选体素的回定尺寸的窗口中计算根据其定 义形状张量的矩.在步寐64，计算该形状张量的特征值，并且在步骤 65,确定下层结构的离心率.在步骤66，该过程循环，直到每个体素 已经被处理.在步壤67，基于由形状张量导出的离心率分割图像.提取局部形状信息的基于矩的方法可以与基于较高阶图像导数的 方法相比较.例如，已经提出梯度平方张量(GST， Gradient Square Tensor)(或结构张量)作为估计局部结构维数的稳健方法.该方法基于一阶导数并且因此可以称为一阶的结构描述符.海赛的特征值也 提供局部图像结构信息，以及在给定点的等水平(isolevel)的主曲 率.海赛和主曲率根据二阶导数定义，并且因而可以称为二阶的结构 描述符.形状张量可以被看作零阶的结构描述符.形状张量基于积分， 并且因而与基于一阶或二阶导数的方法相比，形状张量对于噪声具有 很稳健的属性。另外，不需要假设图像函数上的任何可微性，这简化 了建模.基于形状张量的方法的问题是连接部没有被检测到.另外， 需要较好的理解来确定是否能够根据oc〉1的形状张量的特征值来计算 几何形状属性.应理解，本发明可以用各种形式的硬件、软件、固件、专用过程 或其组合来实现.在一个实施例中，本发明可以用软件被实施为有形 地被包含在计算机可读程序存储设备上的应用程序.该应用程序可以 被上栽到包含任何合适体系架构的机器中并且由该机器运行.图7是用于实施依照本发明实施例的基于矩的分割方法的示范性 计算机系统的框图.现在参考图7,用于实施本发明的计算机系统71 其中可以包括中央处理单元(CPU) 72、存储器73和输入/输出(I/O) 接口 74.计算机系统71通常通过I/0接口 74被耦合到显示器75和各 种输入设备76,输入设备诸如是鼠标和键盘，支持电路可以包括诸如 高速緩存、电源、时钟电路的电路以及通信总线。存储器73可以包括 随机存取存储器(RAM)、只读存储器(ROM)、硬盘驱动器、磁带驱 动器等或者其组合.本发明可以被实施为存储在存储器73中的例行程 序77并且由CPU 72运行来处理来自信号源78的信号。同样地，计算 机系统71是通用计算机系统，当运行本发明的例行程序77时，该通用计算机系统成为专用计算机系统.计算机系统71还包括搮作系统和微指令代码.这里描述的各种过 程和函数可以是微指令代码的部分，或者是经由搮作系统运行的应用 程序的部分(或者是其组合).另外，各种其它外围设备可以被连接 到计算机平台，诸如连接到附加的数据存储设备和打印设备，应进一步理解，因为附困中所示出的一些组成系统部件和方法步 骤可以用软件来实现，所以这些系统部件(或过程步骤)之间的实际 连接可以依赖于本发明编程的方式而不同.给定这里提供的本发明的 教导，本领域技术人员将能够设想本发明的这些和类似的实施方式或 配置.尽管已参考优选实施例详细描述了本发明，但是本领域技术人员 将理解，在不偏离随附权利要求书中所阐述的本发明的精神和范围的 情况下可以对其进行各种修改和替换.
权利要求
1.一种分割数字化的图像的方法，该方法包括以下步骤提供数字化的图像，该数字化的图像包含对应于三维网格上的点域的多个强度；根据围绕所述图像中的所选点的点窗口中的强度的矩来定义所述所选点的形状矩阵；计算所述形状矩阵的特征值；根据所述特征值确定在所述点之下的结构的离心率，和基于所述离心率值分割所述图像，其中针对所述图像中的所有点重复定义形状矩阵的步骤、计算所述形状矩阵的特征值的步骤和确定下层结构的离心率的步骤。
2. 根据权利要求l所述的方法，其中，所述所选点具有大于预定 阈值的中值增强，其中在采集所述图像之前对所述数字化的图像的主 体物质施加对比增强刑.
3. 根据权利要求2所述的方法，其中，通过取所述对比增强困像内，计算所述中值增强.
4. 根据权利要求l所述的方法，其中，所述形状矩阵S。被定义为 其中，&。，"2 1附，,0'0,ar附0,l,0,a—W0,2'0，flf^0,0,0，ar1ml,0,l," ,"—m0,U.ffm0.0,0,flr、S:WI0,0，0,flfZ^B,a — n， j其中矩fflp.q,r,a被定义为( ,y。 )=工，& - W (y - y。)'" - z0 )7(a u "o" >&批其中w是具有紧支集p、 q、 rMO和a nl的窗口函数.
5.根据权利要求4所述的方法，其中，通过在围绕每个点的有限21如果邻域上的和来计算积分.
6. 根据权利要求4所述的方法，其中，所述窗口函数由下式定义<formula>formula see original document page 3</formula>否则其中，v,、 v,、 Vz是困像点间距，Nx、 Ny、 N,是所定义的非负整数，其 中窗口尺寸包含最大感兴趣直径.
7. 根据权利要求4所述的方法，进一步包括使用最近邻插值计算 所述矩，并且依照下式来校正所述形状矩阵<formula>formula see original document page 3</formula>〔0 0 V:2 其中V,、 Vy、 L是困像点间距.
8. 根据权利要求4所述的方法，进一步包括使用三线性插值计算所述矩.
9. 根据权利要求8所述的方法，其中，a-l，并且依照下式来校 正所述形状矩阵<formula>formula see original document page 3</formula>其中V,、 V,、 Vz是图像点间距.
10. —种分割数字化的图像的方法，该方法包括以下步猓 提供数字化的图像，该数字化的图像包含对应于三维网格上的点 域的多个强度；根据闺绕所述困像中的所选点的点窗口中的强度的矩来定义所述 所选点的形状矩阵，其中所述形状矩阵S。被定义为<formula>formula see original document page 3</formula>其中，<formula>formula see original document page 4</formula>其中矩mp,q,r,a被定义为<formula>formula see original document page 4</formula>其中w是具有紧支集p、 q、 rM()和a Ml的窗口函数； 计算所述形状矩阵的特征值；和 根据所述特征值确定在所述点之下的结构的离心率.
11. 根据权利要求IO所述的方法，进一步包括针对所述图像中的 所有点重复定义形状矩阵的步骤、计算所述形状矩阵的特征值的步骤 和确定下层结构的离心率的步骤，并且基于所述离心率值分割所述困 像.
12. —种计算机可读的程序存储设备，其有形地包含由计算机运 行来执行用于分割数字化的图像的方法步骤的程序指令，该方法包括 步骤提供数字化的图像，该数字化的图像包含对应于三维网格上的点 域的多个强度；根据围绕所述困像中的所选点的点窗口中的强度的矩来定义所述 所选点的形状矩阵；计算所述形状矩阵的特征值；根据所述特征值确定在所述点之下的结构的离心率，和 基于所述离心率值分割所述图像，其中针对所述图像中的所有点重复定义形状矩阵的步稞、计算所述形状矩阵的特征值的步骤和确定下层结构的离心率的步骤。
13. 根据权利要求12所述的计算机可读的程序存储设备，其中， 所述所选点具有大于预定阈值的中值增强，其中在采集所述图像之前 对所述数字化的图像的主体物质施加对比增强刑.
14. 根据权利要求13所述的计算机可读的程序存储设备，其中，所述差标准化到预定范闺内，计算所述中值增强.
15.根据权利要求12所述的计算机可读的程序存储设备，其中，所述形状矩阵S。被定义为、.《& 其中，二 ^0'0a 气0,0,g附,2O,O，O,ffAy," 一—加U0,ar^2,线(U附l,O，0,g肌0,M),g_加0,2,0,a加,O.O，O,flf附,O,O,O,ar ,flf 一n;风附,〃 — ,U ,0,g^O,0,l,or 〃>S,ff 一 Z---Z5-， 〃c171,'0,0,0,a取附j2O，O,l，g2其中矩IIlM,r,a被定义为"V，, w U), y。, z。) = L (- 一 &)'(》一 y。 )* (z—z。 )r /(x, y， z)" w(x - x。, ;y - ", z — z0 )ir办rfz,其中w是具有紧支集p、 q、 rMO和oc Pl的窗口函数.
16. 根据权利要求15所述的计算机可读的程序存储设备，其中， 通过在围绕每个点的有限邻域上的和来计算所述积分.
17. 根据权利要求15所述的计算机可读的程序存储设备，其中， 所述窗口函数由下式定义1如果0否则其中v,、 vy、 Vz是图像点间距，N,、 Ny、 N,是所定义的非负整数，其中 窗口尺寸包含最大感兴趣直径.
18.根据权利要求15所述的计算机可读的程序存储设备，所述方 法进一步包括使用最近邻插值计算所述矩和依照下式来校正所述形状 矩阵其中vx、 v,、、，o o、0 v,2 0、0 0 <Vz是图像点间距。
19. 根据权利要求15所述的计算机可读的程序存储设备，所述方 法进一步包括使用三线性插值计算所述矩.
20. 根据权利要求19所述的计算机可读的程序存储设备，其中，ot=l,并且依照下式来校正所述形状矩阵<formula>formula see original document page 6</formula>其中<formula>formula see original document page 6</formula>l是困像点间距.
全文摘要
一种用于分割数字化的图像的方法包括提供(61)数字化的图像，选择(62)具有大于预定阈值的中值增强的点，其中在采集所述图像之前对所述数字化的图像的主体物质施加对比增强剂，根据围绕所述图像中的所选点的点窗口中的强度的矩来定义(63)所述所选点的形状矩阵，计算(64)所述形状矩阵的特征值，根据所述特征值确定(65)在所述点之下的结构的离心率，和基于所述离心率值分割(67)所述图像，其中针对所述图像中的所有点重复(66)定义形状矩阵的步骤、计算所述形状矩阵的特征值的步骤和确定下层结构的离心率的步骤。
文档编号G06T5/00GK101278316SQ200680036767
公开日2008年10月1日 申请日期2006年7月27日 优先权日2005年8月2日
发明者G·H·巴拉得斯, 姜旭光 申请人:美国西门子医疗解决公司