[发明专利]图像分割方法、装置和非暂态计算机可读存储介质

说明书

公开了图像分割方法、装置和非暂态计算机可读存储介质。一种图像分割方法，包括：由图像处理器接收由图像获取设备获取的并且示出关注的结构的目标图像；由图像处理器通过将图谱配准到目标图像来确定关注的结构的第一结构标记图；通过配准的图谱中的两个来检测针对目标图像中的给定区域确定的结构标记的不同；以及通过将经训练的结构分类器应用于目标图像中的一个或更多个目标图像点来解析所述不同，经训练的结构分类器是基于响应于确定针对训练图像的给定区域确定的第一结构标记与针对训练图像的给定区域的第二结构标记不同而针对映射图谱的子集选择的训练样本来进行训练的。

本申请为于2019年7月25日提交、申请号为201780084724.0、发明名称为“在线学习增强的基于图谱的自动分割”的中国专利申请的分案申请。所述母案申请的国际申请日为2017年11月30日，国际申请号为PCT/US2017/063964，优先权日为2016年12月21日。

技术领域

本公开内容涉及基于图谱的自动分割(atlas-based auto-segmentation，ABAS)，并且更具体地，涉及用于在线学习增强的ABAS的系统和方法。

背景技术

确定患者体内的结构如器官并提取结构的形状对于许多医学成像应用诸如诊断成像、图像引导手术或图像引导的放射治疗是必不可少的。在这样的应用中，需要根据患者的图像例如计算机断层摄影(CT)图像来确定一个目标结构或多个目标结构。通常将确定患者体内的目标结构称为结构轮廓勾画或分割。尽管由人类专家(也被称为评估者)进行手工勾画轮廓仍然是临床中用于高质量分割的常用方法，但是手工勾画轮廓繁琐且耗时，并且可能遭受大的评估者内和/或评估者间的变化。

由于噪声和其他伪影以及许多软组织结构的有限图像对比度，图像的自动分割可能是有挑战性的。近年来，基于图谱的自动分割(ABAS)技术已经显示出作为解决方案的前景。ABAS包括使用一个或更多个先前分割的图像——例如来自先前治疗过的患者的分割的图像或来自同一目标患者的先前治疗的分割的图像——来执行目标图像的分割。将先前分割的图像连同它们的注释例如结构标记图或结构表面称作图谱(atlas)。通过经由图像匹配(也称为图像配准)将图谱图像与从目标患者获得的新目标图像对准来计算图像变换。通过使用经计算的图像变换将在图谱上定义的结构标记映射到目标图像来产生目标图像的结构标记。

ABAS的准确性通常依赖于所使用的图谱图像的质量和数量。例如，在ABAS过程期间可以使用多个图谱来提供冗余。另一方面，示出与目标图像中基础对象类似的基础对象的图谱图像也可以有助于提高对目标图像进行标记的准确度。设计了所公开的方法和系统以进一步提高用于图像分割的传统ABAS的准确度。

发明内容

本公开内容的一个方面涉及图像分割方法。该方法包括接收目标图像和多个图谱，每个图谱包括示出关注的结构和关联的结构描绘的图谱图像，该目标图像由图像获取设备获取并且该目标图像示出关注的结构。该方法还包括由图像处理器通过将相应的图谱配准到目标图像来计算映射图谱，以及由图像处理器基于映射图谱确定目标图像的第一结构标记图。该方法还包括由图像处理器使用映射图谱的子集来训练结构分类器，并且由图像处理器通过将经训练的结构分类器应用于目标图像中的一个或更多个目标图像点来确定目标图像的第二结构标记图。该方法另外包括由图像处理器将第一标记图与第二标记图结合以生成代表关注的结构的第三标记图。

本公开内容的另一方面涉及图像分割系统。该系统包括存储器和耦接至该存储器的图像处理器。存储器被配置成接收和存储目标图像和多个图谱，每个图谱包括示出关注的结构和关联的结构描绘的图谱图像，该目标图像由图像获取设备获取并且该目标图像示出关注的结构。图像处理器被配置成通过将相应的图谱配准到目标图像来计算映射图谱，并且基于映射图谱来确定目标图像的第一结构标记图。图像处理器还被配置成使用映射图谱的子集来训练结构分类器，并且通过将经训练的结构分类器应用于目标图像中的一个或更多个目标图像点来确定目标图像的第二结构标记图。图像处理器还被配置成将第一标记图和第二标记图结合以生成代表关注的结构的第三标记图。