[发明专利]预测算法分割的正确性

说明书

本发明提供了一种预测模型，其能够预测由分割算法进行的分割的正确性。所述预测模型可以使用机器学习技术来训练，并且在训练之后使用该模型预测由所述分割算法对图像的相应图像部分中边界的分割的所述正确性。然后，可以将预测的正确性可视化为例如所述分割的叠加。

技术领域

本发明涉及图像分割领域中的系统和计算机实现方法，例如医学图像中的解剖结构的图像分割。本发明还涉及包括用于执行计算机实现方法的指令的计算机可读介质。

背景技术

图像分割广泛用于各个种领域，包括但不限于医学领域。在后一示例中，图像分割通常用于识别医学图像中的解剖结构，例如，通过描绘解剖结构的边界、通过标记由边界包围的体素等。一旦执行了这种分割，就可以提取临床参数，例如，在例如心脏结构的情况下提取心室质量和心室壁厚。这种分割还常被称为描绘或标注，并且这种分割可以识别解剖结构的外边界表面，但也可以识别所述解剖结构的内表面。

已知使用网格来执行分割。这种网格可以自动、手动或半自动地应用于医学图像。自动或半自动应用可能涉及使用自适应技术(也被称为“网格自适应”或“网格适配”)。自适应技术可以例如基于外部能量项(其使网格适应图像数据)和内部能量项(其维持网格的刚性)来优化能量函数。已知各种自适应技术用于将网格自动应用于医学图像。自动技术的示例被描述在由O.Ecabert等人的“SEGMENTATION OF THE HEART AND GREAT VESSELS IN CTIMAGES USING A MODEL-BASED ADAPTATION FRAMEWORK”(Medical Image Analysis，第15卷第6期，2011年12月，第863-876页)中，其描述了从三维(3D)计算机断层摄影(CT)图像中自动分割心脏。应用的网格还可以与医学图像一起显示以可视化信息，例如解剖结构的形状和位置。例如，网格可以被示出为医学图像中解剖结构上的叠加。

其他形式的分割也是众所周知的。例如，卷积神经网络可以提供逐像素或体素标注，其然后可被转换成网格或其他类型的表面表示，例如使用移动立方算法或使用形态学操作。

如前所述，分割结果(例如，应用的网格)可用于测量(例如，心脏周期上的左心室体积)、诊断、处置规划(例如，主动脉瓣植入装配)、疾病预测(例如，作为生物物理模型的输入)等。然而，在某些情况下，通过分割算法进行的分割可能不完全正确。例如，网格可能不准确地应用于解剖结构的边界，并且可能因此对于其目的(例如用于测量、诊断目的、处置规划、疾病预测等)不够准确。

因此，可能需要用户对由分割算法提供的分割进行局部校正。例如，用户可以使用图像和应用网格的视图来编辑应用的网格。视图可以示出网格中要被编辑的一部分。网格编辑本身可以涉及例如网格部分的重新定位、增加网格部分的分辨率等。

不利地，检查分割的每一部分以确定是否需要校正是一项耗时而繁琐的工作。

发明内容

可能期望避免或减少用户检查由分割算法提供的分割的每个部分的需要。

本发明的以下方面可涉及生成用于预测由分割算法进行的分割的正确性的预测模型。所述预测模型可以使用机器学习技术来训练，并且在训练之后用于预测由所述分割算法对图像的相应图像部分中边界的分割的正确性。然后，可以将预测的正确性可视化为例如所述分割的叠加。

根据本发明的第一方面，可以提供一种生成用于预测由分割算法进行的分割的正确性的预测模型的系统。

所述系统可以包括：

数据接口，其用于访问：

训练图像数据；

针对所述训练图像数据的相应图像部分的标记，其中，所述标记是通过将所述分割算法应用于所述训练图像数据而获得的，其中，所述标记指示由所述分割算法对所述相应图像部分中边界的分割的正确性；

处理器子系统，其被配置为：