CN101390132A - 对用于mr检查的几何结构的自动健壮学习 - Google Patents

对用于mr检查的几何结构的自动健壮学习 Download PDF

Info

Publication number
CN101390132A
CN101390132A CNA2007800065235A CN200780006523A CN101390132A CN 101390132 A CN101390132 A CN 101390132A CN A2007800065235 A CNA2007800065235 A CN A2007800065235A CN 200780006523 A CN200780006523 A CN 200780006523A CN 101390132 A CN101390132 A CN 101390132A
Authority
CN
China
Prior art keywords
geometry
planning
combination
function
database
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CNA2007800065235A
Other languages
English (en)
Inventor
D·贝斯特罗夫
T·内奇
S·扬
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Koninklijke Philips NV
Original Assignee
Koninklijke Philips Electronics NV
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Koninklijke Philips Electronics NV filed Critical Koninklijke Philips Electronics NV
Publication of CN101390132A publication Critical patent/CN101390132A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00Arrangements or instruments for measuring magnetic variables
    • G01R33/20Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/48NMR imaging systems
    • G01R33/54Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
    • G01R33/543Control of the operation of the MR system, e.g. setting of acquisition parameters prior to or during MR data acquisition, dynamic shimming, use of one or more scout images for scan plane prescription
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00Arrangements or instruments for measuring magnetic variables
    • G01R33/20Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/48NMR imaging systems
    • G01R33/54Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
    • G01R33/56Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution
    • G01R33/5608Data processing and visualization specially adapted for MR, e.g. for feature analysis and pattern recognition on the basis of measured MR data, segmentation of measured MR data, edge contour detection on the basis of measured MR data, for enhancing measured MR data in terms of signal-to-noise ratio by means of noise filtering or apodization, for enhancing measured MR data in terms of resolution by means for deblurring, windowing, zero filling, or generation of gray-scaled images, colour-coded images or images displaying vectors instead of pixels

Abstract

本发明涉及用于磁共振系统的几何结构规划软件产品,包括数据库管理器,其用于通过形成当前几何结构规划会话的解剖界标集和规划几何结构的组合对所述解剖界标集和规划几何结构进行处理,并且将所述组合添加到数据库中。本发明使得能够从用户输入学习的不同解剖结构对于特定规划几何结构的相关性。本发明还使得能够进行全自动离群点检测。

Description

对用于MR检查的几何结构的自动健壮学习
技术领域
本发明涉及一种在磁共振系统中用于规划扫描几何结构的软件产品。
本发明还涉及一种具有这种几何结构规划软件产品的磁共振系统。
背景技术
在MR扫描仪控制台上人工规划特定病人的几何结构(geometry)是易于出错的,需要大量的训练,并且在某些应用中这项工作还是耗时的(例如,与心脏有关的应用)。可以通过在检测扫描中自动识别解剖结构,然后在第二步中从这些结构得到规划几何结构,来提高MR扫描仪的易用性和处理能力。几何结构的一个示例可以是坐标系统,该坐标系统的位置和朝向取决于所识别的解剖结构。对于诸如脊柱的解剖结构来说,可以预期曲线坐标系统。几何结构的另一个示例是用于限定感兴趣体积(VOI)的盒体。
在专利申请PCT/IB05/052404中,提出了自动规划几何结构的用户校正数据库,其可以用于使规划过程与之前检查的用户校正相适应。出于此目的,将检测扫描中显示出的诸如身体器官的对象,归类到多个解剖类别中的一类。通过估计该对象的形状参数来实现这种分类。例如,心脏可以处于类别“H”中,类别“H”可以具有表示心脏是伸长还是压缩的子类“A”、“B”和“C”。这些形状参数可用于取回成像几何结构的默认参数。此外,形状参数也可以用于取回在相同解剖类别或相邻解剖类别的之前成像几何结构上进行的用户调整。提到了根据相应解剖类别的所有用户调整的线性加权。
图1示出了所提到的现有技术领域的几何结构规划系统的图。
在图1中,检测图像由图像源IS提供。将图像IMG传给图像分析IA,分析IA确定形状参数SP,这些参数说明了检测图像中描述的病人身体部位,足够准确用于身体部位的分类。图像分析还确定了身体部位的位置POS。将形状参数发送给用于查找默认参数的组件LUD,该组件LUD利用所确定的形状参数SP来查询默认参数数据库DBD。对默认参数数据库DBD的查询会产生一个或多个默认参数DP。也将该形状参数SP传给用于查找用户调整的组件LUA。该组件LUA查询用户调整数据库DBA,产生一个或多个调整参数AP。查找用户调整的组件还进行了线性加权,这种线性加权基于检测图像中所示器官的解剖类别以及存储在用户调整数据库LUA中的用户调整的解剖类别。将两个数据库查询的结果DP、AP组合起来。在该组合中也考虑位置POS,通过添加来表示它。该添加的结果是计算的参数CP,将计算的参数CP传给用户界面UI。在用户界面UI处,由计算机基于默认规划几何结构参数DP和之前用户调整参数AP所确定的规划几何结构作为显示的图像DI显示给诸如放射科医生或外科医生的用户。根据用户是否满意当前显示的图像,他可以对所显示的图像进行进一步的用户调整UA。用户界面UI考虑到这些用户调整UA。用户界面将这些用户调整UA传给将用于随后实际图像采集过程的最终规划几何结构PG。此外,还将用户调整传给用户调整数据库DBA,在此对用户调整进行存储以用于后来的会话(session)。
本发明的认识是所需要的是能有重要新特点的几何结构规划系统。这些特点之一是从用户输入学习不同界标对于特定的规划几何结构的相关性。另一个特点是自动离群点检测,这对于临床例程中自动规划的健壮性是必不可少的。
在该规划过程中,采用图像处理算法计算了多个解剖界标,但是具体的规划几何结构可能仅取决于解剖界标中的少数界标:例如,心脏检查的短轴视图仅取决于这些心瓣和心尖的位置。可以通过专用算法来“学习”这种相关性,该算法通过使用用于映射的一些数据样本来近似从心脏/胸短轴视图的映射。出于此目的,应该将检测到的解剖界标以及作为结果得到的几何结构存储到数据库中作为训练集。
在临床例程中,在训练集(数据库)中可能出现失效和不一致性。因此,该规划算法应该对数据库中这种离群点很健壮。如果如本发明所说明那样组织规划数据库,则可以抑制离群点的负面影响,并且可以进行数据库的一致性测试。
发明内容
本发明提出了一种用于几何结构规划的软件产品和过程。
一种根据本发明的用于磁共振系统的几何结构规划软件产品,包括数据库管理器,用于通过形成当前几何结构规划会话的解剖界标集和规划几何结构的组合对所述解剖界标集和规划几何结构进行处理,并且将所述组合添加到数据库中
对几何结构进行规划可以被认为是将来自界标域的数据映射到规划几何结构域内的数据。为了这个目的,可以使用适当的函数。每个组合(或“样本”)包括解剖界标集形式的界标域数据以及所保留的规划几何结构形式的规划几何结构域数据。解剖界标表示检测图像中的点,该点代表了诸如心尖或心瓣的特定的解剖结构。界标可以是一维、二维、三维或其它维数。界标集是一组通常不同的界标,用于确定相应的规划几何结构。规划几何结构聚集了建立用于高分辨率采集的成像系统所需的所有参数以及可能的中间参数。使用该数据,可以找到对该样本有效的函数。对该函数的要求是,如果该函数要以精确方式处理每个数据项时,该函数提供足够的自由度。然而在大多数情况下,该函数的近似是足够的,这使得该函数可以具有更简单的结构。
本发明的优点是数据库随着每个几何结构规划会话来收集有关几何结构规划处理的数据。通过存储解剖界标集和规划几何结构两者的组合,该数据库包含了在稍后时刻再生当前几何结构规划会话所需的信息。
在本发明的实施例中,数据库管理器还用于处理多个所述组合,该几何结构规划软件产品还包括近似器,该近似器通过使用先前的几何结构规划会话的所述组合的子集来生成用于将当前界标集映射到当前规划几何结构的函数,其中,所述先前的几何结构规划会话具有与当前规划几何结构会话类似的会话参数。
优选地,从之前的几何结构规划会话保留这些组合。这些组合还可以包括作为制造商提供的默认设置的样本。几何结构规划软件经过一段时间的使用,存储在存储器内的组合数增加。这就提高了对更多数量的组合进行估计的可能性,该组合中存储了与之前几何结构规划会话相对应的数据。因为可以将磁共振系统用于不同采集类型,可以将样本归于相应的采集类型。例如,采集类型的示例可以是心脏短轴视图、心脏四腔视图或其它器官的视图。属于相同采集类型或相似采集类型的组合可以构成一个子集,使得可以用这些组合确定函数。应当注意到在特殊情况下,可以将几何结构规划软件仅用于一种采集类型。在这种特殊情况下,子集可以包括所有的组合。
几何结构规划软件的优点是它灵活。另一个优点是它适于特定用户需求和偏好。
数据库管理器的优点是它处理与数据库的通信。例如,该管理器可以向数据库发送询问,从数据库接收应答,并且将新数据装入该数据库。也可以将与数据存储、尤其是这些组合的存储有关的这些功能和其它功能分布在子组件中。
本发明的一个重要特点是将解剖界标与人工调整后的规划几何结构相组合地进行持久存储。如果从相同的界标集得到多个几何结构(例如,在同一会话中同一病人的短轴和四腔视图),可以在不同数据库中存储这些不同的规划几何结构,或者为这些几何结构使用不同的识别键。在为病人得到新规划之前,使用例如检测扫描以及专门的图像处理技术来计算该病人的一组解剖界标。然后将数据库中给定规划的所有几何结构(具有相同的识别键)用于近似从界标到几何结构的映射:
解剖界标→规划几何结构
为了得到当前病人的规划,通过使用当前病人的所计算的解剖界标的值来估计上述函数。
在本发明的实施例中,几何结构规划软件产品还可以包括用于估计解剖界标对于给定几何结构的相关性的估计器。
例如,界标定义了感兴趣解剖结构的位置。例如,用于对心脏检查的短轴视图进行成像的特定规划几何结构可以仅取决于心瓣和心尖的位置。例如,用于该规划几何结构定义的界标集包含所需每个界标的数据字段。当将界标集用于确定相应的规划几何结构时,需要利用从当前检测图像中得到的实际值来填充这些数据字段。然而,某些解剖界标对作为结果得到的规划几何结构有很大影响,而其它解剖界标对作为结果得到的规划几何结构有很小影响或实质上无影响。虽然从理论上说,界标的相关性可以在一开始就进行考虑,但是当放射线研究者或科学家开始他的研究时,他利用新采集技术进行实验可能不会意识到哪些界标是相关的。只有经过诸如不同病人的许多类似检查之后,这种相关性才会变清楚。此外,可以发现某些界标总是表现出某种程度的相关性,诸如彼此的线性相关性。用户可能很难检测到这些相关性。
估计器的优点是用于估计存储器中可用的组合。将这种估计用于界标上。对于每个界标来说,可以取回来自每个界标集的对应数据。
规划几何结构软件产品还可以包括离群点检测器,将离群点检测器应用到所述数据库中包含的组合上,检测这样的组合,该组合产生的函数明显不同于具有类似会话参数的对应组合子集内的平均函数。
因为在之前规划几何结构会话期间产生了存储的组合,所以通过适当的算法对它们进行自动确定或通过用户人工输入来输入它们。在自动确定规划几何结构的情况下,这些几何结构可以由用户进行调整和校正。在任何情况下,都不能期望完全无错误地进行规划几何结构确定动作以及之前的界标确定的动作。例如,这可以是由检测图像质量和用户的偏好导致的。这使得存储在存储器中的某些数量的组合是错误的。在随后的函数近似中不应考虑这些组合或至少为这些组合分配较小的权重。然而,首先需要识别错误的组合。离群点检测器进行该项任务。应注意到,即使对于相似的采集类型,所存储的界标集和规划几何结构本身也表现出了很大多样性。例如,这种多样性取决于病人的位置。然而,用于将特定界标集与特定规划几何结构进行联系的函数在相同采集类型的两个组合之间不应变化太大。如果有很大变化,则可能是指示两个组合的一个或两个中有错误数据。可以通过数字和/或布尔系数的集合来定义该函数。该函数的其它表示也是可能的。例如,对于所选择的采集类型的所有组合来说,可以取回这些系数,然后进行统计分析。统计分析会产生一对属性,诸如每个系数在所取回的组合上的平均值。也可以产生一个系数的标准偏差。如果一个特定组合的函数的系数中的一个或某些系数与它们各自平均值的距离超过了预定阈值,诸如k*σ(西格玛),其中,例如,k可以选择为介于0和3之间,则可以将该特定组合的函数识别为明显不同。
如果满足了用于识别明显不同于平均值的函数的条件,则可以相应标记出所对应的组合,这使得近似器以更少程度考虑该组合。也可以删除该组合。可以自动进行删除也可以在咨询了用户之后删除。如果两簇或更多簇函数开始出现,也可以要求进行用户咨询。这可以表示实际上混合了两个或多个不同采集类型,应该将其分开。
在本发明的实施例中,管理器用于支持每个组合的置信水平值。
组合的置信水平值提供了对可能错误样本的更渐进的处理。如果置信水平低于特定值,则可以确信删除相应的组合。如果仅少量组合可用,这就特别有优势。这就是仅在最近采用该规划几何结构系统的情况。
可以将近似器用于以就离群组合而言健壮的方式来确定函数。
离群组合主要因两个原因出现。第一个原因是界标的错误检测。虽然可以为用户提供校正这些错误放置界标的机会,但一些错误仍会保留。其它原因是用户输入的不一致的规划几何结构。例如,可以替代不健壮的措施采用健壮中值来达到健壮性能。
还可以将管理器用于支持每个组合的相应功能类型的指示符。
功能类型指示符的优点是它可以对类似采集任务所得到的组合进行分组。该指示符可以包括界标集类型字段以及规划几何结构类型字段。
还可以将功能近似器用于对组合进行回归分析。
进行回归分析的优点是该函数可以具有相对简单的结构。回归分析典型地通过使来自最优函数的组合的标准化错误之和最小化来计算该最优函数。更广为人知的方法是使多个组合的均方误差之和最小化。该函数可以是多维的,即它将多维界标集域映射到多维规划几何结构域。
可以将规划几何结构软件产品提供为已安装软件产品的升级或更新。
作为已安装软件产品的升级或更新来提供规划几何结构软件产品的优点是现有的磁共振系统也可以从本发明获益。根据本发明的软件产品可以替代用于规划几何结构确定的纯用户交互系统。
本发明的另一个目标是提供一种具有上述规划几何结构软件产品的磁共振系统。
具有所描述规划几何结构软件产品的磁共振系统的优点是,因为几何结构确定可以进行得更快,所以可以改进该磁共振系统的易用性和处理能力。此外,几何结构确定过程变得更具有一致性,这使得随后高分辨率采集的条件更稳定,这有助于用户解释它们。
根据本发明的另一个优选实施例,提出了一种磁共振几何结构规划系统的数据库中使用的数据结构。该数据结构包括表示解剖界标集的第一子结构,以及表示相应规划几何结构的第二子结构。
所提出的数据结构的优点是,将与几何结构规划会话有关的信息存储在实体内。例如,可以通过编程语言或作为数据库记录来定义该数据结构。
根据本发明的另一个优选实施例,提出了一种用于磁共振系统几何结构规划的方法。该方法包括如下步骤:
—在当前几何结构规划会话期间,取回当前界标集和当前规划几何结构,
—组合所述当前界标集和所述当前规划几何结构以构成相应组合,以及
—将所述组合存到数据库中。
可以将该方法实现为计算机软件产品。关于该方法的优点,可以参考以上相应计算机软件产品部分。
附图说明
参考附图,将对本发明的这些和其它方面进行更详细的说明。
图1给出了根据现有技术的几何结构规划系统的数据流图;
图2给出了函数和它们的相关变量的示意性表示;
图3根据本发明的实施例给出了几何结构规划系统的数据流图;
图4给出了显示函数偏微分的图;
图5给出了显示另一函数偏微分的图;
图6示出了函数在多个映射组合上的特定系数。
具体实施方式
图1给出了根据现有技术的几何结构规划系统的数据流图,并且在本申请的介绍中对其进行了说明。
图2给出了函数和它们的相关变量的示意性表示。在图2的左侧,表示界标集域。将界标集域再分割成两种界标集类型。用虚线椭圆表示两种界标集类型LMST1、LMST2。界标集类型定义了将哪些界标包含在界标集中,并且为了哪些目的使用界标集。第一个界标集类型LMST1包含用点线椭圆表示的两个界标集LMS1和LMS2。将用实线表示的实际界标包含在界标集中。如图2中可以看到的,界标集LMS1包含4个界标LM1-4,将其读作为LM1、LM2、LM3和LM4。界标集LMS2也包含4个界标LM5-8。界标集类型LMST1的下面表示了另一种界标集类型LMST2。界标集类型LMST2仅示出了1个界标集LMS3,而LMS3包含3个界标LM9-11。
图2的右侧表示规划几何结构域。将两个规划几何结构类型PGT1和PGT2表示为虚线椭圆。每个规划几何结构类型包括多个表示为点线椭圆的实际规划几何结构。规划几何结构PG1和PG2属于规划几何结构类型PGT1。规划几何结构PG3和PG4属于规划几何结构类型PGT2。
假定可以将特定的界标集类型映射到特定的规划几何结构类型。还假定存在唯一的映射。在图2中,将3种情况描述为块箭头。块箭头MAP1表示所假定的从界标集类型LMST1到规划几何结构类型PG1的映射。块箭头MAP2表示所假定的从界标集类型LMST2到规划几何结构类型PG2的映射。块箭头MAP3表示所假定的从界标集类型LMST1到规划几何结构类型PG2的映射。实际上,不能轻易确定唯一的映射。然而,在给定界标集和给定规划几何结构之间可以观测到映射的实际实现。在图2中将这些实际实现表示为细箭头MAP11、MPA22、MAP33和MAP42。第一个数字代表规划几何结构,而第二个数字代表界标集。可以采用映射的实际实现对理论映射进行估计。例如,可以使用实际实现MAP11和MAP22对理论映射MAP1进行估计。
因为从界标集LMS2到规划几何结构PG3的映射MAP42提供了源于界标集LMS2的第二个映射,所以映射MAP42有些特别。实际上,对于几个采集,可以获得一个检测图像。还可以使用一个界标集确定两个或多个规划几何结构。用于确定第一个规划几何结构所需的一些界标对于确定第二个规划几何结构可能是不需要的,反之亦然。因此,对应的两个函数不需要考虑那些与对应的规划几何结构不相关的界标。这通过本发明的一个方面成为可能。
图3根据本发明的实施例给出了规划几何结构系统的数据流图。图像源IS提供检测图像。图像分析IA对检测图像进行处理,生成界标集LMS。这可以通过在检测图像中进行自动特征检测来实现。此外,例如,通过用户的恰当输入提供规划几何结构类型PGT,其中,用户指示他希望进行那种采集。将规划几何结构类型PGT传送到函数发生器FG,函数发生器FG基于用户所选择的规划几何结构类型对映射数据库DBM进行查询。映射数据库返回相应的函数数据FD。函数发生器FG对函数数据FD进行处理,以创建函数F。将该函数传送到函数估计器EVL。使用上述界标集作为由函数发生器FG所创建的函数F的输入。函数估计器EVL确定所计算的规划几何结构CPG。将所计算的规划几何结构CPG与界标集LMS一起传送到用户接口UI。用户接口UI将所显示的图像D1显示给用户。所显示的图像D1可以包含界标、规划几何结构、以及检测图像,使得用户可以检查规划几何结构的正确性。如果用户检测到可能出现在所计算的规划几何结构CPG或者界标集LMS中的错误,则可以通过输入用户调整UA对这些错误进行交互校正。如果错误在界标集中,可以预期将数据返回给函数估计器,以基于校正后的数值确定新的所计算的规划几何结构CPG。如果用户对结果满意,他通过输入适当的用户输入来接受所计算的规划几何结构CPG。将用户调整后的规划几何结构UPG(其中,术语“用户调整后”还包含用户接受而实际上不改变数据)传送到最终的规划几何结构,现在可用于为高分辨率采集建立磁共振系统。也将用户调整后的规划几何结构UPG与用户调整后的界标集ULMS相结合一起发送到记录发生器RG。记录发生器生成待存储在映射数据库DBM中的新记录NR。从此刻起,新记录NR可用于将来由函数发生器生成函数F。
还可以以下列方式说明本发明的实施例。
在第一个步骤中,需要对解剖结构进行识别的图像处理算法。例如,可以在图像(检测图像或者监视图像)中对模型进行匹配。随后,可以对一组解剖界标进行识别。
如果数据库中没有先前的规划可用于所需规划,则可以(取决于解剖)计算默认几何结构或者可以人工确定几何结构。
否则,如果数据库中已经存在可用的所需类型的规划,则使用这些样本对从解剖界标到规划几何结构的映射F进行近似。
为第一个步骤中计算的界标估计函数F。该估计的结果是所需类型的规划(或者几何结构)。
将所得到的规划显示给在MR扫描器控制台处的用户。用户可能对该自动得到的规划进行调整。在两种情况下,用户可以通过指示该用户已经对所保留的界标和规划几何结构样本进行了检查,来对系统给出反馈。
不久,由于错误放置的界标或者用户不一致的输入所导致的离群点可能出现在该规划数据库中。可以通过将数据库内容应用到其自身(不考虑一些样本)对这些类型的离群点进行检测,或者可以使用用于构建函数F的健壮近似技术(例如,健壮中值计算而不是非健壮手段)对这些离群点的负面影响进行抑制。
此外,可以使用人工调整后的规划与解剖结构的结合为给定的规划任务找出不同界标的相关性(例如,使用基于回归的学习算法)。
图4给出了显示函数偏微分的图。该函数可以表示为m维界标集域到n维规划几何结构域的映射:
PG=(pg1,pg2,pg3,...pgn)T=F((1ms1,1ms2,1ms3,...1msm)T)=F(LMS)
其中,PG是规划几何结构,pgi是PG的第i个分量,F是函数,LMS是界标集,并且1msj是LMS的第j个分量。典型地,界标是2维或者3维的。界标的每个坐标可以构成LMS的分量。
可以将F的雅可比矩阵确定为:
Figure A200780006523D00151
因此,雅可比矩阵包含规划几何结构PG的分量pgi关于界标集LMS的分量1msj的微分。如果某个微分
Figure A200780006523D00152
接近于零,则这可以解释为pgi几乎与1msj无关。在相反的情况下,该微分相对较强,可以将其解释为pgi与1msj强相关。图4示出了对于后一种情况的Pg1,i作为1ms1,j的函数的图。变量pg1,i和1ms1,j都属于通过它们的第一个标号表示的第一种采集类型。在函数的任意点处,表示出相对陡峭的正切。在所考虑点的附近,pg1,i表现出了对1ms1,j的强相关性。由于函数pg1,i(1ms1,j)不是常数,所以当使用1ms1,j的当前值确定规划几何结构时,应该对函数pg1,i(1ms1,j)进行估计。
图5给出了显示另一函数偏微分的图。主要的考虑与图4是相同的。然而,在该情况下,对于另一种采集类型,由于分量pg2,i在大范围上几乎是常数,所以分量pg2,i不呈现对1ms2,j非常强的相关性。在任意点画出的正切几乎是水平的,并且指示在该点的微分接近于零。对于本发明的实现来说,这可能领悟到函数的这个特定分量与所得的规划几何结构非常不相关。然而,到现在为止,已经考虑了1ms2,j在所得规划几何结构的仅一个分量上的影响lms2,j可能影响例如pg2,i+1。此外,如上所述,界标可以是2维或3维的,这也必须考虑在内。总之,如果界标的分量都不对规划几何结构的任何分量具有强的影响的话,那么可以将界标标记为与给定规划几何结构类型无关。因此,优选地采用合适的形式。
用于确定某个解剖界标的相关性的可替换技术是观测对于每个界标的用户调整的频率。如果用户经常调整特定界标,则用户指示他认为该界标是相关的。因此,将用户交互的频率转换成相关性加权因子,可以将相关性加权因子与该样本一起存储在存储器内。
图6示出了函数在多个组合上的特定系数。特定系数是Fi,j,其将输入j(界标域)映射到输出i(规划几何结构域)。为了易于解释,假定函数F定义了输入j和输出i之间的线性相关性。因此,系数Fi,j是常数因子。标号k对样本进行计数。如在图6中可以看到的,将12个样本聚集在一起。为了对离群点进行检测,可以计算系数Fi,j的平均值,仅以图形的方式将该平均值表示为图6中水平的密点线。此外,平均值周围可以有诸如σ间隔(西格玛间隔)的容差域。在图6中,通过两条水平的宽点线来表示该间隔。可以看出,大多数样本提供了在平均值容差间隔内的系数Fi,j值。另一方面,第5个样本与平均值明显不同。由于该第5个样本是将来造成错误函数近似的原因,所以可以将其标记为删除。可以关于删除对用户作出警告,使得他可以在已经检查了样本之后确认删除。第10个样本也需要特别注意。虽然第10个样本仅轻微偏离容限间隔,但是可以考虑也以特定方式标记第10个样本。例如,在用于观测在用户所采集和保存的接下来几个样本上平均值如何变化的时间内,可以将第10个样本保留在数据库中。当第10个样本在容差间隔之外时,可以挂起第10个样本,即,在实际近似过程期间不考虑第10个样本,或者第10个样本仅具有小的加权因子。如果在一些数目的额外样本之后,仍发现第10个样本在容差间隔之外,就可以将第10个样本标记为最终删除。为此,可以给该样本提供计数器或时戳,计数器或时戳允许确定该样本已有多长时间以及该样本是何时被标记为挂起的。
参考优选实施例对本发明进行了说明。
显然,对于阅读和理解上述详细说明的技术人员来说,可以作出其他的修改和改变。应该注意,虽然关于磁共振图像描述了上述发明,但是本发明还可以应用于计算机断层图像(CT)、正电子发射断层图像(PET)、单光子发射计算机断层图像(SPECT)或者超声模态(US)。还可以将本发明应用于对这些成像模态进行系统处理或者医学数据库的后处理。

Claims (12)

1、一种用于磁共振系统的几何结构规划软件产品,包括:
数据库管理器,用于通过形成当前几何结构规划会话的解剖界标集和规划几何结构的组合对所述解剖界标集和规划几何结构进行处理,并且将所述组合添加到数据库中。
2、如权利要求1所述的几何结构规划软件产品,其中,所述数据库管理还用于对多个所述组合进行处理,并且其中,所述几何结构规划软件产品还包括近似器,该近似器通过使用先前的几何结构规划会话的所述组合的子集来生成用于将当前界标集映射到当前规划几何结构的函数,其中,所述先前的几何结构规划会话具有与当前规划几何结构会话类似的会话参数。
3、如权利要求1或2所述的几何结构规划软件产品,还包括估计器,用于对解剖界标对于给定几何结构的相关性进行估计。
4、如权利要求1至3的任何一个所述的几何结构规划软件,还包括离群点检测器,将其应用于所述数据库内所存储的组合上,并且该离群点检测器检测这样的组合,该组合产生的函数明显不同于具有类似会话参数的对应组合子集内的平均函数。
5、如权利要求4所述的几何结构规划软件,其中,所述管理器支持每个所述组合的置信水平值。
6、如权利要求1至5的任何一个所述的几何结构规划软件,其中,所述近似器以关于离群的组合健壮的方式确定函数。
7、如权利要求1至6的任何一个所述的几何结构规划软件,其中,所述管理器还支持对每个所述组合的对应函数类型的指示符。
8、如权利要求1至7的任何一个所述的几何结构规划软件,其中,所述函数近似器对所述组合进行回归分析。
9、如权利要求1至8的任何一个所述的几何结构规划软件,将其提供为对所安装的软件产品的升级或更新。
10、具有如权利要求1至9的任何一个所述的几何结构规划软件的磁共振系统。
11、用于在磁共振几何结构规划系统的数据库中使用的数据结构,所述数据结构包括表示解剖界标集的第一子结构以及表示对应规划几何结构的第二子结构。
12、用于为磁共振系统进行几何结构规划的方法,所述方法包括如下步骤:
在当前几何结构规划会话期间,取回当前界标集和当前规划几何结构;
将所述当前界标集和所述当前规划几何结构相组合,以形成对应组合;以及
将所述组合存储在数据库中。
CNA2007800065235A 2006-02-24 2007-02-12 对用于mr检查的几何结构的自动健壮学习 Pending CN101390132A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
EP06110369.3 2006-02-24
EP06110369 2006-02-24

Publications (1)

Publication Number Publication Date
CN101390132A true CN101390132A (zh) 2009-03-18

Family

ID=38036388

Family Applications (1)

Application Number Title Priority Date Filing Date
CNA2007800065235A Pending CN101390132A (zh) 2006-02-24 2007-02-12 对用于mr检查的几何结构的自动健壮学习

Country Status (7)

Country Link
US (1) US8144955B2 (zh)
EP (1) EP1989684B1 (zh)
JP (1) JP5106426B2 (zh)
CN (1) CN101390132A (zh)
AT (1) ATE465473T1 (zh)
DE (1) DE602007005988D1 (zh)
WO (1) WO2007096804A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107249454A (zh) * 2015-02-24 2017-10-13 皇家飞利浦有限公司 针对mri或ct的扫描几何结构规划方法

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE602007005988D1 (de) * 2006-02-24 2010-06-02 Philips Intellectual Property Automatisiertes robustes verfahren zum erlernen von geometrien für mr-untersuchungen
CN101484920B (zh) 2006-07-06 2013-10-30 皇家飞利浦电子股份有限公司 在连续扫描之间传递扫描几何形状的方法、设备和系统
WO2009050676A1 (en) * 2007-10-17 2009-04-23 Koninklijke Philips Electronics N.V. Pathology-related magnetic resonance imaging
US8885904B2 (en) 2012-04-19 2014-11-11 General Electric Company Systems and methods for landmark correction in magnetic resonance imaging
US9113781B2 (en) 2013-02-07 2015-08-25 Siemens Aktiengesellschaft Method and system for on-site learning of landmark detection models for end user-specific diagnostic medical image reading
EP2979161B1 (en) 2013-03-27 2019-08-07 Koninklijke Philips N.V. Preferred view generation on structure level based on user preferences
US20230281804A1 (en) 2020-07-31 2023-09-07 Koninklijke Philips N.V. Landmark detection in medical images

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5321520A (en) * 1992-07-20 1994-06-14 Automated Medical Access Corporation Automated high definition/resolution image storage, retrieval and transmission system
US5825908A (en) 1995-12-29 1998-10-20 Medical Media Systems Anatomical visualization and measurement system
US6195409B1 (en) * 1998-05-22 2001-02-27 Harbor-Ucla Research And Education Institute Automatic scan prescription for tomographic imaging
US6975897B2 (en) 2001-03-16 2005-12-13 Ge Medical Systems Global Technology Company, Llc Short/long axis cardiac display protocol
JP2004524942A (ja) * 2001-05-16 2004-08-19 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ 断層撮像パラメータの自動指示
US7286866B2 (en) 2001-11-05 2007-10-23 Ge Medical Systems Global Technology Company, Llc Method, system and computer product for cardiac interventional procedure planning
US20050096530A1 (en) 2003-10-29 2005-05-05 Confirma, Inc. Apparatus and method for customized report viewer
DE10357205A1 (de) 2003-12-08 2005-07-14 Siemens Ag Verfahren zur Erzeugung von Ergebnis-Bildern eines Untersuchungsobjekts
US7394946B2 (en) * 2004-05-18 2008-07-01 Agfa Healthcare Method for automatically mapping of geometric objects in digital medical images
JP4754565B2 (ja) * 2004-07-27 2011-08-24 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ 画像化ジオメトリのパラメタの自動決定
JP4691158B2 (ja) * 2005-06-16 2011-06-01 ストライダー ラブス,インコーポレイテッド 三次元クラスモデルを用いた二次元画像における認識システムおよび方法
DE602007005988D1 (de) * 2006-02-24 2010-06-02 Philips Intellectual Property Automatisiertes robustes verfahren zum erlernen von geometrien für mr-untersuchungen
US20080201172A1 (en) * 2006-04-25 2008-08-21 Mcnamar Richard T Method, system and computer software for using an xbrl medical record for diagnosis, treatment, and insurance coverage

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107249454A (zh) * 2015-02-24 2017-10-13 皇家飞利浦有限公司 针对mri或ct的扫描几何结构规划方法
CN107249454B (zh) * 2015-02-24 2020-12-18 皇家飞利浦有限公司 针对mri或ct的扫描几何结构规划方法

Also Published As

Publication number Publication date
US20090067696A1 (en) 2009-03-12
JP2009527313A (ja) 2009-07-30
WO2007096804A1 (en) 2007-08-30
DE602007005988D1 (de) 2010-06-02
US8144955B2 (en) 2012-03-27
ATE465473T1 (de) 2010-05-15
EP1989684B1 (en) 2010-04-21
EP1989684A1 (en) 2008-11-12
JP5106426B2 (ja) 2012-12-26

Similar Documents

Publication Publication Date Title
US11403483B2 (en) Dynamic self-learning medical image method and system
CN101390132A (zh) 对用于mr检查的几何结构的自动健壮学习
US20180144244A1 (en) Distributed clinical workflow training of deep learning neural networks
CN109800805A (zh) 基于人工智能的图像处理系统以及计算机设备
CN107545309A (zh) 使用深度生成机器学习模型的图像质量评分
CN1869996B (zh) 医疗测量数据的后处理
CN110517238B (zh) Ct医学影像ai三维重建与人机交互可视化网络系统
CN109166087A (zh) 医学图像的风格转换方法、装置、医学设备、影像系统及存储介质
CN107978362B (zh) 在医院网络中利用数据分布的查询
Berthon et al. Toward a standard for the evaluation of PET‐Auto‐Segmentation methods following the recommendations of AAPM task group No. 211: Requirements and implementation
CN102165453A (zh) 用于融合临床和图像特征进行计算机辅助诊断的系统和方法
US20200211678A1 (en) Automated image quality control apparatus and methods
CN109102490A (zh) 自动图像注册质量评估
WO2019073940A1 (ja) 診断支援装置、情報処理方法、診断支援システム及びプログラム
JP2019082881A (ja) 画像検索装置、方法およびプログラム
JP6768620B2 (ja) 学習支援装置、学習支援装置の作動方法、学習支援プログラム、学習支援システム、端末装置及びプログラム
CN111242948B (zh) 图像处理、模型训练方法、装置、设备和存储介质
CN110210018B (zh) 挂号科室的匹配方法和装置
CN102667786A (zh) 协议引导的成像流程
CN107644671A (zh) 在评价图像数据集时支持报告医师的方法和图像记录系统
KR20140114303A (ko) 3차원 의료 영상들에서 2차원 뷰의 자동 플래닝을 위한 방법 및 시스템
CN113656706A (zh) 基于多模态深度学习模型的信息推送方法及装置
CN110211670B (zh) 指标预测方法、装置、电子设备及存储介质
JPWO2019220833A1 (ja) 診断支援システム、診断支援装置および診断支援方法
CN111916185A (zh) 为ai诊断模型提供影像数据的管理系统及方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C02 Deemed withdrawal of patent application after publication (patent law 2001)
WD01 Invention patent application deemed withdrawn after publication