[发明专利]用于从对象类中识别对象的装置

说明书

本发明涉及一种用于识别图像数据中的候选对象并确定所述候选对象是来自对象类的对象的可能性的装置。所述装置包括：图像数据接收单元，其用于接收属于对象类的对象的图像数据；种子元素选择单元，其用于选择图像元素的一部分作为种子元素；轮廓点识别单元，其用于针对每个种子元素(SE)识别轮廓点，种子元素的所述轮廓点围绕包括所述种子元素的候选对象；以及种子分数确定单元，其用于针对每个种子元素确定指示所述候选对象是来自所述对象类的对象的可能性的种子分数。本发明允许在感兴趣的对象类中的对象与伪影之间进行区分。

技术领域

本发明涉及一种用于识别图像数据中的候选对象并确定候选对象是来自对象类的对象的可能性的装置和方法。本发明还涉及包括该装置的医学成像系统。本发明还涉及一种用于识别图像数据中的候选对象并确定候选对象是来自对象类的对象的可能性的计算机程序。

背景技术

US 9342881B1公开了一种用于识别具有一个或多个息肉的体内图像帧的系统。确定候选成像结构的中心点，其中，每个中心点定义相应的圆。针对每个中心点周围的多个点计算息肉边缘分数，其中，每个息肉边缘分数相应候选成像结构与其相应圆圈的符合性进行量度。对于每个中心点，基于息肉边缘得分检测相应候选成像结构的多个边缘点，并且基于检测到的边缘点来识别候选成像结构。对于每个候选成像结构，识别候选息肉，针对所述候选息肉外推检测到的边缘点形成近似椭圆的形状的边缘。

RA Blechschmidt等人的文章“Automated CT Image Evaluation of the Lung:AMorphology-Based Concept”，IEEE Transactions on Medical Imaging，第20卷，第434至442页(2001年)提出了基于肺气肿的肺形态学的胸部计算机断层摄影(CT)图像评估的算法。该算法能够区分小型、中型和大型肺大疱(连续低衰减区域)。其不是基于纹理的算法。肺大疱按大小分为四个大小类别：类别1为在肺实质的典型范围内；类别2至4表示小型、中等和大型肺大疱。计算不同类别占据所有低衰减像素的多大面积。根据分别由小型、中型和大型肺大疱所覆盖的区域的百分比来导出肺大疱指数。根据属于类别4的肺大疱的面积与属于类别2的肺大疱区域的关系，计算肺气肿类型的量度。其通过肺气肿类型分别将肺分类为肺大疱性肺气肿或小型弥漫性肺气肿。

该算法不能在来自一个对象类的对象(即肺大疱)与来自不同对象类的对象(例如虚假的低衰减区域(伪影))之间进行区分。由于伪影未被排除而是被并入到四个尺寸类别中，因此肺大疱指数的准确性和置信度会被劣化。

发明内容

本发明的一个目的是提供一种用于识别图像数据中的候选对象并确定候选对象是来自对象类的对象的可能性的装置、方法和计算机程序，其允许在属于感兴趣的对象类的对象与伪影之间进行区分。本发明的另一个目的是提供一种包括该装置的医学成像系统。

根据本发明的第一方面，提供了一种用于识别图像数据中的候选对象并确定候选对象是来自对象类的对象的可能性的装置，所述装置包括：

图像数据接收单元，其用于接收属于所述对象类的对象的图像数据，其中，所述图像数据包括表示图像数据的物理属性值的图像元素，

种子元素选择单元，其用于选择图像元素的一部分作为种子元素，

轮廓点识别单元，其用于针对每个种子元素识别轮廓点，种子元素的轮廓点围绕包括所述种子元素的候选对象，以及

种子分数确定单元，其用于针对每个种子元素确定指示所述候选对象是来自所述对象类的对象的可能性的种子分数，所述种子分数确定单元包括：

轮廓点子集生成单元，其用于针对每个种子元素生成所述种子元素的所述轮廓点的多个轮廓点子集，

弧段生成单元，其用于通过将弧段拟合到所述种子元素的所述轮廓点子集中的每个，来针对每个种子元素生成针对所述种子元素的所述轮廓点子集中的每个的拟合弧段，