图像处理设备及方法
【技术领域】
[0001] 本发明涉及一种用于检测图像数据集中的线结构的图像处理设备及对应的图像 处理方法。本发明尤其涉及对诸如X射线图像的医学图像的处理，例如以找到在肺叶之间 的肺叶裂隙。
【背景技术】
[0002] 对特定器官或器官部分的描绘对于许多临床应用而言是必要的先决条件。在任何 可能之时，该任务将由自动的无监督的图像处理来执行。这常常需要检测图像数据集中的 线结构。
[0003] 用于检测线结构的图像处理设备及方法的一个应用领域是检测在肺叶之间的肺 叶裂隙。肺叶裂隙是肺划分为五个肺叶的窄边界；左肺包括两个肺叶并且右肺包括三个肺 叶。通常，计算机断层摄影（CT)是被选择用于捕捉人肺部的三维图像数据的模态。在该背 景下，从CT图像对肺叶的自动分割作为使能器正在变得临床相关，所述使能器例如用于针 对诊断或更准确的介入规划的基于肺叶的定量分析。在CT扫描中裂隙的衰减通常大于周 围肺实质，使得裂隙表现为明亮的盘状结构。然而，对肺叶的分割仍然是十分具有挑战的， 尤其因为裂隙非常窄，因此即使在最新的高分辨率CT上产生在横断面视图中的仅一个或 两个像素厚度的明亮线。出于该原因，图像噪声、部分体积效应以及不同重建核和图像协议 严重妨碍提取。最后，一旦存在解剖结构异常，则肺叶分割更复杂。
[0004] 过去十年已经进行了与从CT数据的肺叶分割有关的许多努力。多数方法通常建 立在类似的想法上。首先，执行裂隙检测，其通常产生特征图像，其中，裂隙应该被突出显 示并且其他结构应该被抑制。该特征然后集成到分割算法中，并且分水岭、水平集、图形优 化以及图库配准和多图库配准已经用于该目的。由于对特征图像的计算是更全面的分割框 架中的第一步骤，所以对裂隙的检测是关键性的并且已经提出了各种不同方法。Zhang等 人（L. Zhang、E. Hoffman 和 J. Reinhardt 的 "Atlas-driven lung lobe segmentation in volumetric X-ray CT images''，IEEE Transactions On Medical Imaging，25 (I)，第 I 至 16 页（2006 年））以及 Ukil 等人（S. Ukil 和 J. Reinhardt 的"Anatomy-guided lung lobe segmentation in X-ray CT images''，IEEE Transactions On Medical Imaging，28 (2)、第 202至214页（2009年））使用2D多局部水平集外在曲率测量（MLSEC)，所述2D多局部水 平集外在曲率测量的确检测出了裂隙但也突出显示许多其他结构。
[0005] 另一常常使用的方法是分析每个体素的Hessian矩阵的特征向量，以测量体素是 否属于具有明亮外观的局部盘状对象。在有监督的学习步骤中，从大量的特征集选择最适 于裂隙检测的特征集。尽管有已经通过使用不同方法解决了裂隙检测的事实，但是仍然有 若干限制。尽管理论上对Hessian矩阵的特征向量的分析能够检测明亮盘状裂隙，但是实 际上，由于上面陈述的挑战，滤波器能够给出针对裂隙体素的低的响应。然而，即使当滤波 器未恰当地响应时，人类观测者在多数情况下仍然能够清晰地看到裂隙。显然，可能由于该 不合适的检测发生的分割错误因此极其引人注目。有监督的滤波器与Hessian滤波器的比 较示出有监督的滤波器实现较好的检测。然而，主要不足是该方法需要大的基础真实标注 (ground truth annotation)集来执行学习。通过学习低阶特征集的组合内含地解决了检 测明亮盘状对象的问题。
[0006] 因此，尽管已知多种线检测算法，但是它们在下面的环境中出问题：要检测的线是 非连续的（中断的、包括单点）；线包括线片断，所述线片断是轻微弯曲并且在所述图像上 是不共线的（如假设的，例如，针对霍夫变换）；图像具有很多噪声；或者相比于周围图像结 构，线的对比度及强度是较弱的。
【发明内容】
[0007] 本发明的目的是提供用于检测图像数据集中的线结构的图像处理设备和对应的 图像处理方法，所述设备和方法克服上面提到的不足并且能够用已知设备和方法出问题的 上面提到的环境中。
[0008] 在本发明的第一方面中，提供了一种用于检测图像数据集中的线结构的图像处理 设备，包括：
[0009] -模型定义单元，其用于定义要被检测的线结构的线模型，所述线模型包括多个体 素，
[0010] -计算单元，其用于，按所述图像数据集的感兴趣体素，计算所述线模型与围绕所 述感兴趣体素的图像区之间的相关性的若干相关性值，所述图像区包括与所述线模型相对 应的数量的体素，其中，针对所述线模型关于所述图像区的多个不同相对取向中的每个，各 自的相关性值被计算，以及
[0011]-确定单元，其用于根据计算的所述相关性值来按感兴趣体素确定所述最大相关 性值并且确定所述最大相关性值被获得处的对应的最优取向。
[0012] 在本发明的又一方面中，提供了一种对应的图像处理方法。
[0013] 在本发明的又一方面中，提供了一种包括程序代码单元的计算机程序，当所述计 算机程序在计算机上运行时，所述程序代码单元用于令所述计算机执行所述处理方法的步 骤。
[0014] 在从属权利要求中定义了本发明的优选实施例。应理解，要求保护的方法和计算 机程序与要求保护的并在从属权利要求中定义的设备具有相似和/或相同的优选实施例。
[0015] 根据本发明，检测算法，其也被称为滤波器，被有效地应用，所述检测算法通过测 量体素是否局部地属于例如在可用3D图像数据集的横断面视图中的明亮外观的（细的） 线片断，来增强要被检测的线结构（例如，人肺的数据集中的裂隙）。该新的线增强滤波器 针对每个体素测试多重假设以捕获可能线取向，并且因此针对微弱线结构响应恰当同时针 对其他对象给予低的响应。
[0016] 本发明能够有利地应用于在医学图像，例如由X射线设备或CT扫描器获得的X射 线图像中描绘在五个肺叶之间的肺叶裂隙、肝中的肝叶裂隙、导丝、活检针以及支气管。
[0017] 根据实施例，所述计算单元被配置为，按所述图像数据集的感兴趣体素，计算在所 述线模型与围绕所述感兴趣体素的图像区之间的线性相关性的若干相关性值。能够利用 有限的努力而计算出这样的线性相关性，并且这样的线性相关性与图像噪声以及解剖噪声 (不相关的紧密相邻结构）比较是非常鲁棒的。
[0018] 在现实的实施方式中，所述计算单元被配置为，通过计算所述图像区的强度值与 所述线模型的强度值的协方差相比于所述图像区的所述强度值的方差和所述线模型的所 述强度值的方差的比率，按所述图像数据集的感兴趣体素，计算在所述线模型与围绕所述 感兴趣体素的图像区之间的所述线性相关性的若干相关性值。
[0019] 通常，能够使用针对要被检测的所述线结构的不同线模型。此外，提出的线结构检 测能够用于在3D图像数据集中或在2D图像数据集（例如，通过3D图像的图像切片）中的 线结构。在实施例中，所述模型定义单元被配置为定义具有预定的长度和宽度的二维矩形 线模型，并且其中，所述计算单元被配置为，按二维图像数据集的感兴趣像素，计算所述二 维矩形线模型与围绕所述感兴趣像素的二维图像区之间的相关性的若干相关性值。当所述 图像数据在实现有限的数量及复杂性的所需要的计算的矩形网格上可用时，矩形线模型尤 其有用。能够例如根据要被检测的所述线结构的对应的尺