專利名稱：形狀模型的表面棋盤形分割的制作方法
形狀模型的表面棋盤形分割本發(fā)明涉及一種基于形狀模型的多個(gè)實(shí)例確定形狀模型的模板格網(wǎng)的 方法。本發(fā)明還涉及可以用所述方法獲得的形狀模型的模板格網(wǎng)。 本發(fā)明還涉及針對圖像數(shù)據(jù)集調(diào)節(jié)所述形狀模型的模板格網(wǎng)的方法。 本發(fā)明還涉及一種基于形狀模型的多個(gè)實(shí)例確定形狀模型的模板格網(wǎng) 的系統(tǒng)。本發(fā)明還涉及針對圖像數(shù)據(jù)集調(diào)節(jié)所述形狀模型的模板格網(wǎng)的系統(tǒng)。本發(fā)明還涉及包括至少一個(gè)所述系統(tǒng)的圖像獲取設(shè)備。本發(fā)明還涉及包括至少一個(gè)所述系統(tǒng)的工作站。本發(fā)明還涉及一種計(jì)算機(jī)程序產(chǎn)品，該計(jì)算機(jī)程序產(chǎn)品包括存儲在計(jì) 算機(jī)可讀介質(zhì)上的程序代碼裝置，用于在計(jì)算機(jī)上運(yùn)行所述程序產(chǎn)品時(shí)執(zhí) 行所述方法中的至少一種。在2003年的IEEE Transactions on Medical Imaging, 22(8)， 1005-1013 頁，Michael R. Kaus， Vladimir Pekar， Cristian Lorenz， RoelTruyen， Steven Lobregt禾卩Jiirgen Weese的文章"Automated 3D PDM construction from segmented images using deformable models"中描述了開篇所述禾中類的方法的 實(shí)施例，以下將該文章簡稱為參考文獻(xiàn)l，在此通過引用并入本文。該方法 的輸入為代表研究目標(biāo)的學(xué)習(xí)形狀?？梢詮姆指畹膶W(xué)習(xí)圖像獲得學(xué)習(xí)形狀。 將該學(xué)習(xí)形狀分成三角形。例如，在2000年的Computer Vision and Image Understanding 77(2)， 175-191頁的Cristian Lorenz禾卩Nils Krahnst6ver的文 章"Generation of point-based 3D statistical shape models for anatomical objects"中描述了三角劃分方法，以下將該文章簡稱參考文獻(xiàn)2，在此通過 引用將其并入本文。在該方法中，基于學(xué)習(xí)形狀表面的局部曲率使表示學(xué) 習(xí)形狀表面的三角形格網(wǎng)的參數(shù)數(shù)量最小化，并用學(xué)習(xí)形狀表面的局部曲 率指導(dǎo)三角形格網(wǎng)頂點(diǎn)的選擇。將所確定的代表學(xué)習(xí)形狀的三角形格網(wǎng)實(shí)例用作形狀模型的模板格網(wǎng)。所確定的模板格網(wǎng)包括多個(gè)頂點(diǎn)和邊。術(shù)語"模板格網(wǎng)"表示格網(wǎng)的拓?fù)鋵傩?，例如頂點(diǎn)數(shù)量和頂點(diǎn)連通度， 而術(shù)語"模板格網(wǎng)的實(shí)例"表示格網(wǎng)的拓?fù)鋵傩院蛶缀螌傩?，例如但不限?頂點(diǎn)的坐標(biāo)。形狀模型包括模板格網(wǎng)。此外，形狀模型可以包括其他實(shí)體， 例如與模板格網(wǎng)的面相關(guān)的特征函數(shù)的參數(shù)。形狀模型的實(shí)例包括模板格 網(wǎng)的實(shí)例，并可以包括其他實(shí)體，例如與模板格網(wǎng)的實(shí)例的面相關(guān)的特征 函數(shù)的參數(shù)值。'參考文獻(xiàn)1所述的方法的缺點(diǎn)在于，用于對研究目標(biāo)(例如骨骼或器官) 建模的形狀模型的模板格網(wǎng)的本地分辨率常常不足以描述所有位置處的研 究目標(biāo)。本發(fā)明的目的是提供一種開篇所述種類的方法，該方法確定更好地描 述所有位置的研究目標(biāo)的形狀模型的模板格網(wǎng)。本發(fā)明的這一目的是通過一種基于形狀模型的多個(gè)實(shí)例確定形狀模型 的模板格網(wǎng)的方法實(shí)現(xiàn)的，該方法包括--獲得步驟，用于獲得形狀模型的多個(gè)實(shí)例；-計(jì)算步驟，用于計(jì)算多個(gè)結(jié)果，所述多個(gè)結(jié)果包括基于所述形狀模型 的多個(gè)實(shí)例中的所述形狀模型的第一實(shí)例計(jì)算的第一結(jié)果以及基于所述形 狀模型的多個(gè)實(shí)例中的所述形狀模型的第二實(shí)例計(jì)算的第二結(jié)果；-決策步驟，用于基于包括所述第一結(jié)果和所述第二結(jié)果的所述多個(gè)結(jié) 果做出決策；以及-抽取步驟，用于基于所述決策抽取所述形狀模型的模板格網(wǎng)，由此確 定所述形狀模型的模板格網(wǎng)。根據(jù)本發(fā)明的方法，關(guān)于抽取形狀模型的模板格網(wǎng)的決策考慮了形狀 模型的多個(gè)實(shí)例。首先，在獲得步驟中獲得形狀模型的多個(gè)實(shí)例。形狀模 型的每個(gè)實(shí)例包括表示研究目標(biāo)(例如肱骨或股骨)表面的模板格網(wǎng)，例如三 角形模板格網(wǎng)的實(shí)例。在簡單閉合面的示例性情況下，針對模板格網(wǎng)的每 個(gè)實(shí)例計(jì)算基于模板格網(wǎng)的某頂點(diǎn)處的局部曲率的結(jié)果。在1992年的 Proceedings of the ACM SIGGRAPH Conference 1992第65-70頁，William J.Schroeder ， Jonathan A. Zarge禾口 ^Villiam E. Lorensen的i侖文"Decimation of Triangle Meshes"中描述了對模板格網(wǎng)實(shí)例某頂點(diǎn)處的局部曲率的示例性估 算，以下將該論文簡稱為參考文獻(xiàn)3，在此通過引用將其并入本文。如果該 估算滿足某種條件，例如，估算的平均值小于預(yù)定閾值，那么做出抽取三 角形模板格網(wǎng)的決策。如參考文獻(xiàn)3所述，在抽取步驟中基于該決策抽取 格網(wǎng)。另一方面，如果估算不滿足特定條件，決策是不抽取模板格網(wǎng)。于 是，本發(fā)明的方法確定了較好地描述了所有位置處的研究目標(biāo)的形狀模型 的模板格網(wǎng)。在根據(jù)本發(fā)明的方法的實(shí)施例中，第一結(jié)果包括抽取模板格網(wǎng)的第一 判斷，第二結(jié)果包括抽取模板格網(wǎng)的第二判斷。例如，該判斷可以是對贊 成或反對模板格網(wǎng)投票。該決策可以基于對抽取模板格網(wǎng)的贊成票與總票 數(shù)之比。在根據(jù)本發(fā)明的方法的另一實(shí)施例中，第一結(jié)果基于所述形狀模型第 一實(shí)例中的特征函數(shù)的第一估值，第二結(jié)果基于所述形狀模型第二實(shí)例中 的特征函數(shù)的第二估值。在三角形模板格網(wǎng)的示例性情況下，例如，如果 對于模板格網(wǎng)的每個(gè)實(shí)例，與包括某頂點(diǎn)的三角形相關(guān)的特征函數(shù)是等價(jià) 的，例如，具有基本上相同的參數(shù)值，則可以采用通過去除所述頂點(diǎn)來抽 取模板格網(wǎng)的決策。從抽取模板格網(wǎng)獲得的孔的三角形化獲得的三角形的 新特征函數(shù)包括所述相同的參數(shù)。這種標(biāo)準(zhǔn)排除了將具有不同特征函數(shù)的 三角形合并的可能，BP，將位于本地圖像外觀有大的改變可能的位置處的 三角形合并的可能。于是，新的特征函數(shù)將決定用于在圖像數(shù)據(jù)集中調(diào)整 模板格網(wǎng)的良好目標(biāo)特征。在根據(jù)本發(fā)明的方法的實(shí)施例中，該方法還包括-第一構(gòu)建步驟，用于基于多個(gè)學(xué)習(xí)圖像數(shù)據(jù)集構(gòu)建所述形狀模型；以及-第二構(gòu)建步驟，用于基于所述多個(gè)學(xué)習(xí)圖像數(shù)據(jù)集構(gòu)建形狀模型的實(shí)例。在本實(shí)施例中，該方法的輸入包括多個(gè)學(xué)習(xí)圖像數(shù)據(jù)集。該方法有利 地包括兩個(gè)構(gòu)建步驟，這兩個(gè)構(gòu)建步驟允許基于多個(gè)學(xué)習(xí)圖像數(shù)據(jù)集構(gòu)建 形狀模型和形狀模型的多個(gè)實(shí)例。根據(jù)本發(fā)明的方法，進(jìn)一步可以將形狀模型、形狀模型的多個(gè)實(shí)例和/或多個(gè)學(xué)習(xí)圖像數(shù)據(jù)集用于確定形狀模型的 模板格網(wǎng)。本發(fā)明的另一目的是提供一種開篇所述種類的形狀模型的模板格網(wǎng)， 其更好地描述了所有位置的研究目標(biāo)。這是通過可以由所要求保護(hù)的基于 形狀模型的多個(gè)實(shí)例確定形狀模型的模板格網(wǎng)的方法的任一個(gè)獲得的模板 格網(wǎng)實(shí)現(xiàn)的。本發(fā)明的另一 目的是提供一種開篇所述種類的調(diào)整形狀模型的模板格 網(wǎng)的方法，該模板格網(wǎng)更好地描述所有位置的研究目標(biāo)。通過如下方式實(shí) 現(xiàn)這一目的針對圖像數(shù)據(jù)集調(diào)整形狀模型的模板格網(wǎng)的方法使用可以由 所要求保護(hù)的基于形狀模型的多個(gè)實(shí)例確定形狀模型的模板格網(wǎng)的方法的 任一個(gè)獲得的形狀模型的模板格網(wǎng)。本發(fā)明的另一目的是提供一種開篇所述種類的系統(tǒng)，該系統(tǒng)確定更好 地描述所有位置的研究目標(biāo)的形狀模型的模板格網(wǎng)。這一 目的是通過一種 基于形狀模型的多個(gè)實(shí)例確定形狀模型的模板格網(wǎng)的系統(tǒng)實(shí)現(xiàn)的，該系統(tǒng) 包括-獲得單元，用于獲得所述模板格網(wǎng)的多個(gè)實(shí)例；-計(jì)算單元，用于計(jì)算多個(gè)結(jié)果，所述多個(gè)結(jié)果包括基于所述形狀模型 的多個(gè)實(shí)例中的所述形狀模型的第一實(shí)例計(jì)算的第一結(jié)果以及基于所述形狀模型的多個(gè)實(shí)例中的所述形狀模型的第二實(shí)例計(jì)算的第二結(jié)果；-決策單元，用于基于包括所述第一結(jié)果和所述第二結(jié)果的所述多個(gè)結(jié)果做出決策；以及-抽取單元，用于基于所述決策抽取所述形狀模型的模板格網(wǎng)，由此確 定所述形狀模型的模板格網(wǎng)。本發(fā)明的另一目的是提供一種調(diào)整開篇所述種類的形狀模型的模板格 網(wǎng)的系統(tǒng)，將該系統(tǒng)設(shè)置成調(diào)整形狀模型的模板格網(wǎng)以更好地描述所有位 置的研究目標(biāo)。通過如下方式實(shí)現(xiàn)這一目的將針對圖像數(shù)據(jù)集調(diào)整形狀 模型的模板格網(wǎng)的系統(tǒng)設(shè)置成使用可以由所要求保護(hù)的基于形狀模型的多 個(gè)實(shí)例確定形狀模型的模板格網(wǎng)的系統(tǒng)的任一個(gè)獲得的形狀模型的模板格 網(wǎng)。本發(fā)明的另一目的是提供一種開篇所述種類的圖像獲取設(shè)備，該圖像獲取設(shè)備能夠確定更好地描述所有位置的研究目標(biāo)的形狀模型的模板格 網(wǎng)。這一 目的是通過一種包括基于形狀模型的多個(gè)實(shí)例確定形狀模型的模 板格網(wǎng)的系統(tǒng)的圖像獲取設(shè)備實(shí)現(xiàn)的，該系統(tǒng)包括 -獲得單元，用于獲得所述模板格網(wǎng)的多個(gè)實(shí)例；-計(jì)算單元，用于計(jì)算多個(gè)結(jié)果，所述多個(gè)結(jié)果包括基于所述形狀模型 的多個(gè)實(shí)例中的所述形狀模型的第一實(shí)例計(jì)算的第一結(jié)果以及基于所述形狀模型的多個(gè)實(shí)例中的所述形狀模型的第二實(shí)例計(jì)算的第二結(jié)果；-決策單元，用于基于包括所述第一結(jié)果和所述第二結(jié)果的所述多個(gè)結(jié) 果做出決策；以及-抽取單元，用于基于所述決策抽取所述形狀模型的模板格網(wǎng)，由此確 定所述形狀模型的模板格網(wǎng)。本發(fā)明的另一目的是提供一種開篇所述種類的圖像獲取設(shè)備，該圖像 獲取設(shè)備能夠調(diào)整更好地描述所有位置的研究目標(biāo)的形狀模型的模板格 網(wǎng)。通過如下方式實(shí)現(xiàn)這一目的該圖像獲取設(shè)備包括針對圖像數(shù)據(jù)集調(diào) 整形狀模型的模板格網(wǎng)的系統(tǒng)，將該系統(tǒng)設(shè)置成使用可以由所要求保護(hù)的 基于形狀模型的多個(gè)實(shí)例確定形狀模型的模板格網(wǎng)的系統(tǒng)獲得的形狀模型 的模板格網(wǎng)。本發(fā)明的另一目的是提供一種開篇所述種類的工作站，該工作站能夠 確定更好地描述所有位置的研究目標(biāo)的形狀模型的模板格網(wǎng)。這一目的是 通過使得該工作站包括基于形狀模型的多個(gè)實(shí)例確定形狀模型的模板格網(wǎng) 的系統(tǒng)而實(shí)現(xiàn)的，該系統(tǒng)包括-獲得單元，用于獲得所述模板格網(wǎng)的多個(gè)實(shí)例；-計(jì)算單元，用于計(jì)算多個(gè)結(jié)果，所述多個(gè)結(jié)果包括基于所述形狀模型 的多個(gè)實(shí)例中的所述形狀模型的第一實(shí)例計(jì)算的第一結(jié)果以及基于所述形 狀模型的多個(gè)實(shí)例中的所述形狀模型的第二實(shí)例計(jì)算的第二結(jié)果；-決策單元，用于基于包括所述第一結(jié)果和所述第二結(jié)果的所述多個(gè)結(jié) 果做出決策；以及-抽取單元，用于基于所述決策抽取所述形狀模型的模板格網(wǎng)，由此確 定所述形狀模型的模板格網(wǎng)。本發(fā)明的另一目的是提供一種開篇所述種類的工作站，該工作站能夠8調(diào)整更好地描述所有位置的研究目標(biāo)的形狀模型的模板格網(wǎng)。通過如下方 式實(shí)現(xiàn)這一 目的,使該工作站包括針對圖像數(shù)據(jù)集調(diào)整形狀模型的模板格 網(wǎng)的系統(tǒng)，將該系統(tǒng)設(shè)置成使用可以由所要求保護(hù)的基于形狀模型的多個(gè) 實(shí)例確定形狀模型的模板格網(wǎng)的系統(tǒng)獲得的形狀模型的模板格網(wǎng)。本發(fā)明的另一目的是提供開篇所述種類的計(jì)算機(jī)程序產(chǎn)品，在所述計(jì) 算機(jī)程序產(chǎn)品運(yùn)行于計(jì)算機(jī)上時(shí)，其確定更好地描述所有位置的研究目標(biāo) 的形狀模型的模板格網(wǎng)。這是通過該計(jì)算機(jī)程序產(chǎn)品包括存儲在計(jì)算機(jī)可 讀介質(zhì)上用于執(zhí)行如下任務(wù)的程序代碼裝置來實(shí)現(xiàn)的-獲得模板格網(wǎng)的多個(gè)實(shí)例；-計(jì)算多個(gè)結(jié)果，所述多個(gè)結(jié)果包括基于所述形狀模型的多個(gè)實(shí)例中的 所述形狀模型的第一實(shí)例計(jì)算的第一結(jié)果以及基于所述形狀模型的多個(gè)實(shí) 例中的所述形狀模型的第二實(shí)例計(jì)算的第二結(jié)果；-基于包括所述第一結(jié)果和所述第二結(jié)果的所述多個(gè)結(jié)果做出決策；以及-基于所述決策抽取所述形狀模型的模板格網(wǎng)，由此確定所述形狀模型 的模板格網(wǎng)。本發(fā)明的另一目的是提供一種開篇所述種類的計(jì)算機(jī)程序產(chǎn)品，該計(jì) 算機(jī)程序產(chǎn)品能夠調(diào)整更好地描述所有位置的研究目標(biāo)的形狀模型的模板 格網(wǎng)。這是通過如下方式實(shí)現(xiàn)的該計(jì)算機(jī)程序產(chǎn)品包括存儲在計(jì)算機(jī)可 讀介質(zhì)上的程序代碼裝置，將該程序代碼裝置設(shè)置成當(dāng)所述程序產(chǎn)品運(yùn)行 于計(jì)算機(jī)上時(shí)，該程序代碼裝置使用可由所要求保護(hù)的基于形狀模型的多 個(gè)實(shí)例確定形狀模型的模板格網(wǎng)的方法獲得的形狀模型的模板格網(wǎng)?？梢杂杉夹g(shù)人員基于本說明書執(zhí)行對應(yīng)于描述的所述確定形狀模型的 模板格網(wǎng)的方法及其變化的變型的，形狀模型的模板格網(wǎng)、調(diào)整形狀模型 的模板格網(wǎng)的方法、確定形狀模型的模板格網(wǎng)的系統(tǒng)、調(diào)整形狀模型的模 板格網(wǎng)的系統(tǒng)、圖像獲取設(shè)備、工作站和/或計(jì)算機(jī)程序產(chǎn)品的變型及其變 化。在將本發(fā)明的方法應(yīng)用于以3D圖像數(shù)據(jù)集表示研究目標(biāo)的形狀模型 時(shí)，該方法特別有用?，F(xiàn)今可以通過各種數(shù)據(jù)采集設(shè)備來例行地產(chǎn)生這種圖像數(shù)據(jù)集，數(shù)據(jù)采集設(shè)備例如是但不限于磁共振成像(MRI)、計(jì)算層析X 射線攝影(CT)、超聲波(US)、正電子發(fā)射層析成像(PET)和單光子發(fā)射計(jì)算 層析X射線攝影(SPECT)。不過，還可以將本方法應(yīng)用于以任何多維圖像 數(shù)據(jù)集表示研究目標(biāo)的形狀模型。通過下面所述的實(shí)施形式和實(shí)施例并參考附圖，本發(fā)明的這些和其他方面將變得明了并得到闡明，附圖中圖l示出了確定形狀模型的模板格網(wǎng)的方法的示例性實(shí)施例的流程圖； 圖2示意性地示出了用于確定形狀模型的模板格網(wǎng)的系統(tǒng)的示例性實(shí)施例；圖3示意性地示出了包括用于確定形狀模型的模板格網(wǎng)的系統(tǒng)的圖像 獲取設(shè)備的示例性實(shí)施例；以及圖4示意性地示出了包括用于確定形狀模型的模板格網(wǎng)的系統(tǒng)的工作 站的示例性實(shí)施例。在所有附圖中用相同的附圖標(biāo)記表示類似的部分。

圖1示出了確定形狀模型的模板格網(wǎng)的方法100的示例性實(shí)施例的流 程圖。在開始步驟101之后，該方法100前進(jìn)到獲得步驟110，以獲得形狀 模型的多個(gè)實(shí)例。在獲得步驟之后，該方法100前進(jìn)到計(jì)算步驟120，用于 基于形狀模型的實(shí)例計(jì)算結(jié)果。該方法IOO然后前進(jìn)到?jīng)Q策步驟130，在決 策步驟，基于在計(jì)算歩驟120中計(jì)算的結(jié)果做出對形狀模型的模板格網(wǎng)抽 取的決策。如果該決策是抽取形狀模型的模板格網(wǎng)，那么方法100前進(jìn)到 抽取步驟140，用于抽取模板格網(wǎng)。在抽取步驟140之后，該方法100前進(jìn) 到循環(huán)步驟150。如果該決策是不抽取形狀模型的模板格網(wǎng)，那么方法IOO 跳過抽取步驟140而前進(jìn)到循環(huán)步驟150。在循環(huán)步驟150中，生成用于繼 續(xù)抽取模板格網(wǎng)，即用于繼續(xù)確定形狀模型的模板格網(wǎng)的條件。如果要進(jìn) 一步抽取格網(wǎng)，那么該方法返回到計(jì)算步驟120。否則，該方法前進(jìn)到終止 步驟199。方法100的輸入包括形狀模型的多個(gè)實(shí)例。在獲得步驟110中獲得形 狀模型的該多個(gè)實(shí)例。形狀模型的每個(gè)實(shí)例包括模板格網(wǎng)的實(shí)例。模板格網(wǎng)包括許多頂點(diǎn)，在該上下文中，也可以將模板格網(wǎng)稱為點(diǎn)分布模型(PDM)。通常，模板格網(wǎng)還包括多個(gè)邊。每個(gè)邊的末端為模板格網(wǎng)的頂點(diǎn)?？梢杂庙旤c(diǎn)列表和連接頂點(diǎn)的邊列表來表示這種模板格網(wǎng)?？梢詫⒂蛇叡舜诉B接的兩個(gè)頂點(diǎn)稱為相鄰頂點(diǎn)。此外，模板格網(wǎng)的頂點(diǎn)和邊可以界定模板格網(wǎng)的面。如果所有面都是多邊形，那么將模板格網(wǎng)稱為多邊形模板格網(wǎng)。如果所有面都是三角形，那么將模板格網(wǎng)稱為三角形模板格網(wǎng)或三角模板格網(wǎng)。如果格網(wǎng)的每個(gè)頂點(diǎn)都是恰好三個(gè)邊的末端，那么將該模板格 網(wǎng)稱為單形格網(wǎng)。或者，方法100的輸入包括多個(gè)學(xué)習(xí)圖像數(shù)據(jù)集，可以在獲得步驟110 中用所述多個(gè)學(xué)習(xí)圖像數(shù)據(jù)集構(gòu)建形狀模型的實(shí)例。每個(gè)學(xué)習(xí)圖像數(shù)據(jù)集 包括要用形狀模型建模的研究目標(biāo)，例如肱骨或股骨。例如，可以由用戶 選擇學(xué)習(xí)圖像，或者從圖像數(shù)據(jù)集數(shù)據(jù)庫自動選擇學(xué)習(xí)圖像。可以對學(xué)習(xí) 圖像進(jìn)行分割?；蛘撸摯_定形狀模型的模板格網(wǎng)的方法還可以包括分割 步驟，用于對學(xué)習(xí)圖像數(shù)據(jù)集中的研究目標(biāo)進(jìn)行分割。例如，可以使用手 動圖像分割對目標(biāo)分割。在計(jì)算步驟120中使用在獲得步驟110中獲得的多個(gè)形狀模型計(jì)算多 個(gè)結(jié)果，該多個(gè)結(jié)果包括基于多個(gè)形狀模型的實(shí)例中的形狀模型的第一實(shí) 例計(jì)算的第一結(jié)果以及基于所述多個(gè)形狀模型的實(shí)例中的形狀模型的第二 實(shí)例計(jì)算的第二結(jié)果。例如，第一結(jié)果可以包括從模板格網(wǎng)的第一實(shí)例中 的模板格網(wǎng)的某一頂點(diǎn)到第一平均平面的距離，該第一平均平面可以定為 由邊連接的模板格網(wǎng)第一實(shí)例的所有頂點(diǎn)到該頂點(diǎn)的距離的平方和最小的 平面。類似地，第二結(jié)果可以包括針對模板格網(wǎng)第二實(shí)例計(jì)算的類似距離。 來自多個(gè)結(jié)果的另一結(jié)果還可以包括針對模板格網(wǎng)的另一實(shí)例計(jì)算的類似 距離。在另一個(gè)例子中，多個(gè)結(jié)果中的結(jié)果可以包括由始于模板格網(wǎng)實(shí)例中 的頂點(diǎn)的邊定義的內(nèi)部立體角的量度。在又一個(gè)例子中，結(jié)果可以包括始 于模板格網(wǎng)實(shí)例中的某頂點(diǎn)的兩條邊長度的最大比值。在又一例子中，結(jié) 果可以包括如參考文獻(xiàn)2的3.2節(jié)所述的局部曲率的量度。多個(gè)結(jié)果中的結(jié) 果還可以包括多種數(shù)據(jù)，例如內(nèi)部立體角的量度和兩條邊的長度的最大比 值。本領(lǐng)域技術(shù)人員會明白，所述的結(jié)果例示了本發(fā)明的實(shí)施例但不限制權(quán)利要求的范圍。該方法100還包括決策步驟130，用于基于包括第一結(jié)果和第二結(jié)果的 多個(gè)結(jié)果做出決策。如果多個(gè)結(jié)果中的結(jié)果滿足特定條件，可以采取抽取 模板格網(wǎng)的決策。例如，如果對于模板格網(wǎng)的所有實(shí)例，從模板格網(wǎng)的某 頂點(diǎn)到如前一例子所述的平均平面的距離的平均小于閾值，那么該決策可 以是通過從模板格網(wǎng)去除某頂點(diǎn)來抽取模板格網(wǎng)。如果該平均距離大于或 等于預(yù)定閾值，該決策可以是不從模板格網(wǎng)去除該某頂點(diǎn)。該特定條件可 以包括其他要求，例如，在模板格網(wǎng)的所有實(shí)例中，從模板格網(wǎng)的某頂點(diǎn) 到平均平面的距離的最大值小于平均距離的兩倍和/或所述距離的標(biāo)準(zhǔn)偏 差小于閾值。可以預(yù)先定義或可以由用戶選擇條件，例如各種閾值。該方法100還包括抽取步驟140，用于基于在決策步驟130中導(dǎo)出的決 策抽取形狀模型的模板格網(wǎng)。在文獻(xiàn)中介紹過很多抽取算法。在1998年10 月的Proceedings Graphics Interface'98的311-18頁中L, Kobbelt， S. Campagna禾卩H. P. Seidel的文章"A General Framework for Mesh Decimation" 中提供了格網(wǎng)抽取算法的綜述，在此通過引用將其并入本文。模板格網(wǎng)的 選擇，例如多邊形、三角形或單形(simplex)，對抽取算法的選擇有影響。 抽取算法的選擇影響著包括在計(jì)算步驟120中要針對模板格網(wǎng)實(shí)例計(jì)算的 多個(gè)結(jié)果的抽取準(zhǔn)則的選擇、在決策步驟130中用于導(dǎo)出抽取模板格網(wǎng)的 決策的條件的選擇以及在抽取步驟140中執(zhí)行的抽取任務(wù)。抽取任務(wù)包括去除模板格網(wǎng)的頂點(diǎn)和/或邊，以及(如果需要的話)通過 固定(例如三角形化)所得孔來生成新模板格網(wǎng)。例如，用于抽取三角形格網(wǎng) 的單純算法按如下方式工作去除某頂點(diǎn)以及始于該頂點(diǎn)的邊，并且通過 生成至少一個(gè)新邊來使所得的孔成為三角形。在參考文獻(xiàn)3中描述了這種 和其他用于抽取三角形格網(wǎng)的算法。此外，可以重新配置被抽取模板格網(wǎng) 的實(shí)例以改善被抽取模板格網(wǎng)的光滑度和縱橫比。此外，還可以針對相應(yīng) 學(xué)習(xí)圖像數(shù)據(jù)集中包括的相應(yīng)研究目標(biāo)實(shí)例再次調(diào)整被抽取模板格網(wǎng)的實(shí) 例。或者，可以針對模板格網(wǎng)的相應(yīng)實(shí)例再次調(diào)整已抽取模板格網(wǎng)的實(shí)例。本領(lǐng)域技術(shù)人員將認(rèn)識到，有很多種抽取算法可能對實(shí)施本發(fā)明的方 法有用，上述算法例示了本發(fā)明而不限制權(quán)利要求的范圍。在根據(jù)本發(fā)明的方法100的實(shí)施例中，多個(gè)結(jié)果包括在計(jì)算步驟120中計(jì)算的多個(gè)結(jié)果。在決策步驟130中導(dǎo)出多個(gè)決策。在抽取步驟140中 抽取多個(gè)頂點(diǎn)和/或邊。例如，在計(jì)算步驟120中計(jì)算的多個(gè)結(jié)果可以包括 針對每個(gè)頂點(diǎn)和模板格網(wǎng)的每個(gè)實(shí)例的內(nèi)部立體角的量度。在決策步驟130 中可以將立體角量度滿足條件的每個(gè)頂點(diǎn)標(biāo)志為要刪除。在抽取步驟140 中可以從模板格網(wǎng)中刪除被標(biāo)識為刪除的所有頂點(diǎn)以及始于這些頂點(diǎn)的所 有邊。在根據(jù)本發(fā)明的方法100的實(shí)施例中，第一結(jié)果包括抽取模板格網(wǎng)的 第一選項(xiàng)，第二結(jié)果包括抽取模板格網(wǎng)的第二選項(xiàng)。例如，第一和第二選 項(xiàng)可以包括諸如"是"或"否"的雙態(tài)判斷，即對贊成或反對抽取形狀模型的 模板格網(wǎng)的動作投票，或者可以包括來自評價(jià)抽取形狀模型的模板格網(wǎng)的 動作有用性的分級標(biāo)度的級別，即數(shù)值。來自多個(gè)結(jié)果的其他結(jié)果還可以 包括這種判斷或級別?？梢栽跊Q策步驟130中使用多個(gè)選項(xiàng)或級別。例如， 可以從來自多個(gè)雙態(tài)選項(xiàng)的雙態(tài)選項(xiàng)的布爾積，或從來自多個(gè)級別的級別 代數(shù)和來導(dǎo)出抽取模板格網(wǎng)的決策。在根據(jù)本發(fā)明的方法100的實(shí)施例中，第一結(jié)果基于形狀模型第一實(shí) 例中的特征函數(shù)的第一估值，第二結(jié)果基于形狀模型第二實(shí)例中的特征函 數(shù)的第二估值。特征函數(shù)是很多形狀模型的重要部分，例如在2001年 Springer的Proc. IPMI第380-387頁J. Weese， V. Pekar, M. Kaus， C. lorenz， S. Lobregt禾卩R Truyen的文章"Shape constrained deformable models for 3D medical image segmentation"中描述的形狀模型，在此通過引用將其并入本 文。有利地，可以利用例如下述特征優(yōu)化方法來優(yōu)化形狀模型的特征函數(shù)， 艮卩在2005年Amsterdam: Elsevier的Lemke， Heinz U.(Ed.)， Computer Assisted Radiology and Surgery, Proceedings CARS 2005中第33-38頁Jochen Peters, Olivier Ecabert禾口 Jiirgen Weese的文章"Feature Optimization Via Simulated Search for Model-Based Heart Segmentation"中描述的特征優(yōu)化方法，以下將 該文章簡稱為參考文獻(xiàn)4，在此通過引用將其并入本文。在三角形模板格網(wǎng) 的示例性情況下，用于通過去除邊來抽取模板格網(wǎng)的條件例如可以是這樣 的對于模板格網(wǎng)的每個(gè)實(shí)例，與包括所述邊的三角形相關(guān)的特征函數(shù)是 等價(jià)的，例如，具有基本相同的參數(shù)值。從抽取模板格網(wǎng)獲得的孔的三角 形化獲得的三角形的新特征函數(shù)包括所述相同參數(shù)。這種標(biāo)準(zhǔn)排除了將具有不同特征函數(shù)的三角形合并的可能，即，將位于本地圖像外觀有大的改 變可能的位置處的三角形合并的可能。于是，新的特征函數(shù)將決定用于針 對圖像數(shù)據(jù)集調(diào)整模板格網(wǎng)的良好目標(biāo)特征。用于抽取模板格網(wǎng)的較弱條 件是，特征函數(shù)是相似的，S卩，特征函數(shù)相似性的量度大于閾值。該閾值 可以是該方法的預(yù)定參數(shù)，可以通過該方法計(jì)算，或可以由用戶定義。其 他條件可以涉及特征函數(shù)的參數(shù)統(tǒng)計(jì)矩，例如平均和/或變動。對已抽取格 網(wǎng)中的孔三角形化獲得的三角形可以繼承平均特征函數(shù)，可以通過被合并 三角形的特征函數(shù)的參數(shù)平均來定義該平均特征函數(shù)?；蛘撸梢岳脜⒖嘉墨I(xiàn)4的方法確定特征函數(shù)。在根據(jù)本發(fā)明的方法100的實(shí)施例中，對抽取三角形模板格網(wǎng)的決策 基于在相鄰三角形(即共享邊的三角形)中同時(shí)出現(xiàn)特征函數(shù)或其參數(shù)的概 率?？梢詫⑾噜徣切沃型瑫r(shí)出現(xiàn)特征函數(shù)的概率定義為所述相鄰三角形 具有相同特征函數(shù)的形狀模型的實(shí)例數(shù)量與形狀模型的實(shí)例總數(shù)量的比 值。如果該概率超過閾值，可以從格網(wǎng)去除共享的邊。本領(lǐng)域技術(shù)人員將會認(rèn)識到，特征函數(shù)僅僅是形狀模型和/或形狀模型 的實(shí)例的很多特征中之一，并且可以在本發(fā)明的其他實(shí)施例中有利地使用 其他特征。在根據(jù)本發(fā)明的方法100的實(shí)施例中，該獲得步驟110包括 -第一構(gòu)建步驟，用于基于多個(gè)學(xué)習(xí)圖像數(shù)據(jù)集構(gòu)建形狀模型；以及 -第二構(gòu)建步驟，用于基于多個(gè)學(xué)習(xí)圖像數(shù)據(jù)集構(gòu)建形狀模型的實(shí)例。 在第一構(gòu)建步驟中，基于多個(gè)學(xué)習(xí)圖像數(shù)據(jù)集中的分割的學(xué)習(xí)圖像數(shù) 據(jù)集構(gòu)建包括點(diǎn)分布模型的形狀模型的模板格網(wǎng)。為了生成表示學(xué)習(xí)圖像 中包括的被描繪研究目標(biāo)的表面的點(diǎn)分布模型，必需要從學(xué)習(xí)圖像數(shù)據(jù)集 中選擇體對voxel)子集作為表面點(diǎn)?？梢詫⒈砻骟w素定義為26-連接到背景 體素的目標(biāo)體素。任選地，為了獲得目標(biāo)表面的完全參數(shù)化，可以對表示 體素的表面點(diǎn)集進(jìn)行三角形化。例如，可以利用1997年Springer出版的 M. de Berg ， M. van Kreveld ， M. Overmans 禾卩 O. Schwarzkopf 的 "Computational Geometry, Applications and Algorithms"第9章中描述的 Delaunay三角形劃分法來實(shí)現(xiàn)該目的，在此通過引用將該內(nèi)容并入本文。 也可以將本領(lǐng)域技術(shù)人員公知的形狀模型的其他參數(shù)，例如特征函數(shù)分配給形狀模型的三角形格網(wǎng)的三角形。例如，可以利用參考文獻(xiàn)4的算法實(shí) 現(xiàn)此點(diǎn)。在第二構(gòu)建步驟中，例示出形狀模型的多個(gè)實(shí)例。值得指出的是，形 狀模型的實(shí)例與在第一構(gòu)建步驟中利用多個(gè)學(xué)習(xí)圖像數(shù)據(jù)集的分割學(xué)習(xí)圖 像數(shù)據(jù)集構(gòu)建的形狀模型相同?？梢酝ㄟ^針對多個(gè)學(xué)習(xí)圖像數(shù)據(jù)集中的剩 余學(xué)習(xí)圖像數(shù)據(jù)集調(diào)整形狀模型獲得形狀模型的每個(gè)剩余實(shí)例，例如參考 文獻(xiàn)1的II.B和II.C部分所述?；蛘?，可以釆用參考文獻(xiàn)2的第4部分描 述的基于地界標(biāo)的登記方法。第二構(gòu)建步驟的輸出是形狀模型的多個(gè)實(shí)例。本領(lǐng)域技術(shù)人員將理解，還有構(gòu)建形狀模型的其他定義和/或其他方 法，本發(fā)明的方法100可以有利地加以利用。例如， 一些模型可以包括三 角形格網(wǎng)，而其他模型可以包括單形格網(wǎng)。在本說明書中使用的形狀模型 用于例示本發(fā)明，并不限制權(quán)利要求的范圍。在根據(jù)本發(fā)明的方法100的實(shí)施例中，復(fù)制所獲得的模板格網(wǎng)及其多 個(gè)實(shí)例作為候選模板格網(wǎng)和候選模板格網(wǎng)的多個(gè)實(shí)例。例如，可以在計(jì)算 步驟120中執(zhí)行該任務(wù)。還存儲參考模板格網(wǎng)和參考模板格網(wǎng)的多個(gè)實(shí)例。 參考模板格網(wǎng)和參考模板格網(wǎng)的多個(gè)實(shí)例可以分別與在獲得步驟110中獲 得的模板格網(wǎng)和其多個(gè)實(shí)例相同，即與第一構(gòu)建步驟中計(jì)算的高分辨率模 板格網(wǎng)和第二構(gòu)建步驟中計(jì)算的其實(shí)例相同。在計(jì)算步驟120中抽取候選 模板格網(wǎng)。然后針對多個(gè)學(xué)習(xí)圖像數(shù)據(jù)集中的每個(gè)學(xué)習(xí)圖像數(shù)據(jù)集調(diào)整己 抽取候選模板格網(wǎng)。在計(jì)算步驟120中進(jìn)一步計(jì)算的多個(gè)結(jié)果可以包括候 選模板格網(wǎng)實(shí)例和參考模板格網(wǎng)的相應(yīng)實(shí)例之間的體積差異。例如，可以 將體積差異定義為夾在候選模板格網(wǎng)實(shí)例和參考模板格網(wǎng)相應(yīng)實(shí)例之間的 區(qū)域體積之和，或由候選模板格網(wǎng)實(shí)例圍繞的形狀和參考模板格網(wǎng)的相應(yīng) 實(shí)例圍繞的形狀的集合理論對稱差分的體積。在決策步驟130中，可以計(jì) 算兩個(gè)模板格網(wǎng)的實(shí)例的體積差異。例如，可以將兩個(gè)模板格網(wǎng)實(shí)例的體 積差異之和與閾值比較。然后可以基于在抽取步驟140中進(jìn)行的這一比較 接受或拒絕候選格網(wǎng)作為模板格網(wǎng)。在根據(jù)本發(fā)明的方法100的實(shí)施例中，該方法100還包括用于設(shè)置抽 取模板格網(wǎng)的標(biāo)準(zhǔn)的設(shè)置步驟。例如，該標(biāo)準(zhǔn)可以是要在計(jì)算步驟120中 計(jì)算的多個(gè)結(jié)果的每個(gè)結(jié)果小于閾值。另一標(biāo)準(zhǔn)可以是要在計(jì)算步驟120中計(jì)算的多個(gè)結(jié)果的結(jié)果平均值大于閾值。另一標(biāo)準(zhǔn)可以是計(jì)算步驟120 中計(jì)算的多個(gè)結(jié)果的結(jié)果相同。另一標(biāo)準(zhǔn)可以是基于在計(jì)算步驟120中計(jì) 算的多個(gè)結(jié)果的結(jié)果計(jì)算的成本函數(shù)達(dá)到最佳。成本函數(shù)的例子為定義模 板格網(wǎng)的參數(shù)數(shù)量。可以要求定義成本函數(shù)最佳值的參數(shù)滿足一些條件， 這不會允許模板格網(wǎng)的實(shí)例與研究目標(biāo)的模型化實(shí)例相差懸殊。標(biāo)準(zhǔn)可以 包括多個(gè)子標(biāo)準(zhǔn)。在設(shè)置步驟中設(shè)置的標(biāo)準(zhǔn)影響著計(jì)算步驟120、決策步驟 130、抽取步驟140和循環(huán)步驟150的實(shí)施?？梢杂稍摲椒ɑ谠O(shè)置步驟中 設(shè)置的條件自動選擇這些步驟中的至少一個(gè)的適當(dāng)實(shí)施。任選地，例如， 可以由用戶在設(shè)置步驟中交互式地確定這些步驟中的至少一個(gè)的適當(dāng)實(shí) 施。可以迭代計(jì)算步驟110、決策步驟120和抽取步驟130。迭代次數(shù)可以 通過迭代條件定義。在根據(jù)本發(fā)明的方法100的實(shí)施例中，方法100包括 用于檢查迭代條件的循環(huán)步驟150。例如，迭代條件可以基于迭代次數(shù)的最 大值，模板格網(wǎng)中的頂點(diǎn)數(shù)，成本函數(shù)的估算和/或已抽取模板格網(wǎng)的估算。 例如，如果抽取模板格網(wǎng)的否定決策數(shù)量超過閾值，那么可以終止迭代。 本領(lǐng)域技術(shù)人員將理解，可以有很多其他終止重復(fù)的條件，且可以利用布 爾和/或數(shù)值表達(dá)式組合多個(gè)條件。在本發(fā)明的方法100的所述實(shí)施例中的步驟次序不是強(qiáng)制的，本領(lǐng)域 技術(shù)人員可以改變一些步驟的次序，或利用線程模型、多處理器系統(tǒng)或多 過程并行執(zhí)行一些步驟，而并沒有脫離本發(fā)明的原理。任選地，可以將本 發(fā)明的方法100的兩個(gè)或更多步驟組合成一個(gè)步驟。任選地，可以將本發(fā) 明的方法100的步驟分成多個(gè)步驟?？梢詫⒎椒↖OO，例如圖1中的流程圖所示的方法，實(shí)現(xiàn)為計(jì)算機(jī)程序 產(chǎn)品，且可以存儲在任何適當(dāng)?shù)慕橘|(zhì)，例如磁帶、磁盤或光盤上?？梢詫?該計(jì)算機(jī)程序加載到包括處理單元和存儲器的計(jì)算機(jī)裝置中。在被加載之 后，該計(jì)算機(jī)程序產(chǎn)品為處理單元提供執(zhí)行方法100的步驟的能力。圖2示意性地示出了基于包括如下單元的形狀模型的多個(gè)實(shí)例確定形 狀模型的模板格網(wǎng)的系統(tǒng)200的示例性實(shí)施例-用于獲得模板格網(wǎng)的多個(gè)實(shí)例的獲得單元210;-用于計(jì)算多個(gè)結(jié)果的計(jì)算單元220;-用于基于多個(gè)結(jié)果做出決策的決策單元230; -用于基于決策抽取形狀模型的模板格網(wǎng)的抽取單元240; -用于控制迭代的循環(huán)單元250; -用于和系統(tǒng)200通信的用戶接口 265;以及 -用于存儲數(shù)據(jù)的存儲單元270。在圖2所示的系統(tǒng)200的實(shí)施例中，有三個(gè)用于輸入數(shù)據(jù)的輸入連接 器281、 282和283。將第一輸入連接器281設(shè)置為接收從數(shù)據(jù)存儲器輸入 的數(shù)據(jù)，該數(shù)據(jù)存儲器例如為硬盤、磁帶、閃速存儲器或光盤。將第二輸 入連接器282設(shè)置為接收來自用戶輸入裝置的數(shù)據(jù)，該用戶輸入裝置例如 是但不限于鼠標(biāo)或觸摸屏。將第三輸入連接器283設(shè)置為接收來自諸如鍵 盤的用戶輸入裝置的數(shù)據(jù)。輸入連接器281、 282和283連接到輸入控制單 元280。在圖2所示的系統(tǒng)200的實(shí)施例中，有兩個(gè)用于輸出數(shù)據(jù)的輸出連接 器291和292。將第一輸出連接器291設(shè)置為向數(shù)據(jù)存儲器輸出數(shù)據(jù)，該數(shù) 據(jù)存儲器例如為硬盤、磁帶、閃速存儲器或光盤。將第二輸出連接器292 設(shè)置為向顯示裝置輸出數(shù)據(jù)。輸出連接器291和292經(jīng)由輸出控制單元290 接收相應(yīng)數(shù)據(jù)。本領(lǐng)域技術(shù)人員將理解，有很多方法將輸入裝置連接到輸入連接器 281、 282和283，將輸出裝置連接到系統(tǒng)200的輸出連接器291和292。這 些方法包括但不限于有線和無線連接、諸如局域網(wǎng)(LAN)和廣域網(wǎng)(WAN) 的數(shù)字網(wǎng)絡(luò)、因特網(wǎng)、數(shù)字電話網(wǎng)和模擬電話網(wǎng)。在根據(jù)本發(fā)明的系統(tǒng)200的實(shí)施例中，系統(tǒng)200包括存儲單元270。將 系統(tǒng)200設(shè)置成經(jīng)由任一輸入連接器281、 282和283從外部裝置接收輸入 數(shù)據(jù)并將所接收的輸入數(shù)據(jù)存儲在存儲單元270中。將數(shù)據(jù)加載到存儲單 元270中允許通過系統(tǒng)200的各單元快速訪問相關(guān)數(shù)據(jù)部分。輸入數(shù)據(jù)可 以包括形狀模型的多個(gè)實(shí)例和/或多個(gè)學(xué)習(xí)圖像數(shù)據(jù)集?？梢酝ㄟ^諸如隨機(jī) 存取存儲器(RAM)芯片、只讀存儲器(ROM)芯片和/或硬盤的器件實(shí)現(xiàn)存儲 單元270。優(yōu)選地，存儲單元270包括RAM，用于存儲輸入數(shù)據(jù)和/或輸出 數(shù)據(jù)。還將存儲單元270設(shè)置成經(jīng)由存儲器總線275從包括獲得單元210、 計(jì)算單元220、決策單元230、抽取單元240、循環(huán)單元250和用戶接口 265的系統(tǒng)200的多個(gè)單元接收數(shù)據(jù)以及向所述多個(gè)單元提供數(shù)據(jù)。進(jìn)一步將 存儲單元270設(shè)置成使外部裝置經(jīng)由輸出連接器291和292的任一個(gè)可以 使用數(shù)據(jù)。將來自系統(tǒng)200的單元的數(shù)據(jù)存儲在存儲單元270中有利地改 善了系統(tǒng)200的單元性能以及從系統(tǒng)200的單元向外部裝置轉(zhuǎn)移數(shù)據(jù)的速 率?；蛘?，系統(tǒng)200不包括存儲單元270和存儲器總線275。由至少一個(gè)連 接到系統(tǒng)200的單元的外部裝置，例如外存儲器或處理器提供系統(tǒng)200所 用的輸入數(shù)據(jù)。類似地，向至少一個(gè)連接到系統(tǒng)200的單元的外部裝置， 例如外存儲器或處理器提供系統(tǒng)200所產(chǎn)生的輸出數(shù)據(jù)。將系統(tǒng)200的單 元設(shè)置成經(jīng)由內(nèi)部連接或經(jīng)由數(shù)據(jù)總線彼此之間接收數(shù)據(jù)。在根據(jù)本發(fā)明的系統(tǒng)200的另一實(shí)施例中，系統(tǒng)200包括用于和系統(tǒng) 200通信的用戶接口 265。用戶接口 265可以包括用于向用戶顯示數(shù)據(jù)的顯 示單元和用于做出選擇的選擇單元。將系統(tǒng)200與用戶接口 265組合允許 用戶與系統(tǒng)200通信?？梢詫⒂脩艚涌?265設(shè)置成接受由用戶選擇的用于 抽取模板格網(wǎng)的標(biāo)準(zhǔn)?？梢赃M(jìn)一步將用戶接口 265設(shè)置成顯示模板格網(wǎng)的 實(shí)例。任選地，用戶接口可以包括系統(tǒng)200的多個(gè)工作模式，例如使用多 種抽取算法之一的模式，這可以由系統(tǒng)200實(shí)現(xiàn)。本領(lǐng)域技術(shù)人員將理解， 可以在系統(tǒng)200的用戶接口 265中有利地實(shí)現(xiàn)更多功能?；蛘?，該系統(tǒng)可以采用經(jīng)由輸入連接器282和/或283以及輸出連接器 292連接到系統(tǒng)200的外部輸入裝置和/或外部顯示器。本領(lǐng)域技術(shù)人員還 將理解，有很多可以有利地包括在本發(fā)明的系統(tǒng)200中的用戶接口裝置。圖3示意性地示出了采用本發(fā)明的系統(tǒng)200的圖像獲取設(shè)備300的實(shí) 施例，所述圖像獲取設(shè)備300包括經(jīng)由內(nèi)部連接與系統(tǒng)200相連的圖像采 集單元310、輸入連接器301和輸出連接器302。這種布置有利地提高了圖 像獲取設(shè)備300的能力，為所述圖像獲取設(shè)備300提供了系統(tǒng)200用于確 定形狀模型的模板格網(wǎng)以及使用系統(tǒng)200可獲得的形狀模型的模板格網(wǎng)進(jìn) 行圖像分割的有利能力。圖像獲取設(shè)備的例子包括但不限于CT系統(tǒng)、X 射線系統(tǒng)、MRI系統(tǒng)、US系統(tǒng)、PET系統(tǒng)和SPECT系統(tǒng)。圖4示意性地示出了工作站400的實(shí)施例。該工作站包括系統(tǒng)總線401 。 將處理器410、存儲器420、磁盤輸入/輸出(I/0)適配器430以及用戶接口(UI)440可操作地連接到系統(tǒng)總線401。將磁盤存儲裝置431可操作地耦合 到磁盤I/0適配器430。將鍵盤441、鼠標(biāo)442和顯示器443可操作地耦合 到UI 440。將被實(shí)現(xiàn)為計(jì)算機(jī)程序的本發(fā)明的系統(tǒng)200存儲在磁盤存儲裝 置431中。設(shè)置工作站400以向存儲器420中加載程序和輸入數(shù)據(jù)并在處 理器410上執(zhí)行程序。用戶可以使用鍵盤441和/或鼠標(biāo)442向工作站400 輸入信息。將工作站設(shè)置成向顯示裝置443和/或磁盤431輸出信息。技術(shù) 人員將理解，現(xiàn)有技術(shù)中已知有很多工作站400的其他實(shí)施例，本實(shí)施例 的目的是例示本發(fā)明，決不可將其視為把本發(fā)明限制到這一特定實(shí)施例。應(yīng)當(dāng)指出，上述實(shí)施例例示而非限制本發(fā)明，且本領(lǐng)域的技術(shù)人員將 能夠設(shè)計(jì)出替換實(shí)施例而不脫離所附權(quán)利要求的范圍。在權(quán)利要求中，不 應(yīng)將括號中的任何附圖標(biāo)記視為限制權(quán)利要求。"包括"一詞并不排除存在 權(quán)利要求或說明書中未列示的元件或步驟。元件前的"一"或"一個(gè)"并不 排除存在多個(gè)這種元件?？梢岳冒ㄈ舾刹煌挠布蚶眠m當(dāng)?shù)?程序控制計(jì)算機(jī)來實(shí)現(xiàn)本發(fā)明。在列舉若干單元的系統(tǒng)權(quán)利要求中，可以 用同一件硬件或軟件實(shí)現(xiàn)這些單元中的幾個(gè)。使用單詞第一、第二和第三 等并不表示任何次序。要將這些單詞視為名稱。
權(quán)利要求
1、一種基于形狀模型的多個(gè)實(shí)例確定所述形狀模型的模板格網(wǎng)的方法(100)，所述方法(100)包括-獲得步驟(110)，用于獲得所述模板格網(wǎng)的多個(gè)實(shí)例；-計(jì)算步驟(120)，用于計(jì)算多個(gè)結(jié)果，所述多個(gè)結(jié)果包括基于所述形狀模型的多個(gè)實(shí)例中的所述形狀模型的第一實(shí)例計(jì)算的第一結(jié)果以及基于所述形狀模型的多個(gè)實(shí)例中的所述形狀模型的第二實(shí)例計(jì)算的第二結(jié)果；-決策步驟(130)，用于基于包括所述第一結(jié)果和所述第二結(jié)果的所述多個(gè)結(jié)果做出決策；以及-抽取步驟(140)，用于基于所述決策抽取所述形狀模型的模板格網(wǎng)，由此確定所述形狀模型的模板格網(wǎng)。
2、 根據(jù)權(quán)利要求1所述的方法(100)，其中所述第一結(jié)果包括關(guān)于抽取 所述模板格網(wǎng)的第一判斷，且所述第二結(jié)果包括關(guān)于抽取所述模板格網(wǎng)的 第二判斷。
3、 根據(jù)權(quán)利要求1所述的方法(100)，其中所述第一結(jié)果基于所述形狀 模型第一實(shí)例中的特征函數(shù)的第一估值，所述第二結(jié)果基于所述形狀模型 第二實(shí)例中的特征函數(shù)的第二估值。
4、 根據(jù)權(quán)利要求1所述的方法(100)，其中所述實(shí)例獲得步驟(110)包括-第一構(gòu)建步驟，用于基于多個(gè)學(xué)習(xí)圖像數(shù)據(jù)集構(gòu)建所述形狀模型；以及-第二構(gòu)建步驟，用于基于所述多個(gè)學(xué)習(xí)圖像數(shù)據(jù)集構(gòu)建形狀模型的實(shí)例。
5、 一種可以由權(quán)利要求1所述的方法(100)獲得的形狀模型的模板格網(wǎng)。
6、 一種針對圖像數(shù)據(jù)集調(diào)整如權(quán)利要求0所述的形狀模型的模板格網(wǎng) 的方法。
7、 一種基于形狀模型的多個(gè)實(shí)例確定所述形狀模型的模板格網(wǎng)的系統(tǒng) (200)，所述系統(tǒng)(200)包括-獲得單元(210)，用于獲得所述模板格網(wǎng)的多個(gè)實(shí)例；-計(jì)算單元(220)，用于計(jì)算多個(gè)結(jié)果，所述多個(gè)結(jié)果包括基于所述形狀 模型的多個(gè)實(shí)例中的所述形狀模型的第一實(shí)例計(jì)算的第一結(jié)果以及基于所 述形狀模型的多個(gè)實(shí)例中的所述形狀模型的第二實(shí)例計(jì)算的第二結(jié)果；-決策單元(230)，用于基于包括所述第一結(jié)果和所述第二結(jié)果的所述多 個(gè)結(jié)果做出決策；以及-抽取單元(240)，用于基于所述決策抽取所述形狀模型的模板格網(wǎng)，由 此確定所述形狀模型的模板格網(wǎng)。
8、 一種針對圖像數(shù)據(jù)集調(diào)整如權(quán)利要求0所述的形狀模型的模板格網(wǎng) 的系統(tǒng)。
9、 一種包括權(quán)利要求0或0的任一項(xiàng)所述的系統(tǒng)的圖像獲取設(shè)備(300)。
10、 一種包括權(quán)利要求0或0的任一項(xiàng)所述的系統(tǒng)的工作站(400)。
11、 一種計(jì)算機(jī)程序產(chǎn)品，其包括存儲在計(jì)算機(jī)可讀介質(zhì)上的程序代 碼裝置，所述程序代碼裝置用于當(dāng)所述程序產(chǎn)品在計(jì)算機(jī)上運(yùn)行時(shí)執(zhí)行根 據(jù)權(quán)利要求1或權(quán)利要求0所述的方法。
全文摘要
本發(fā)明涉及一種基于形狀模型的多個(gè)實(shí)例確定形狀模型的模板格網(wǎng)的方法(100)和系統(tǒng)(200)。該確定形狀模型的模板格網(wǎng)的方法包括獲得步驟(110)，用于獲得所述模板格網(wǎng)的多個(gè)實(shí)例；計(jì)算步驟(120)，用于基于形狀模型的多個(gè)實(shí)例計(jì)算多個(gè)結(jié)果，決策步驟(130)，用于基于多個(gè)結(jié)果做出決策，以及抽取步驟(140)，用于基于所述決策抽取所述形狀模型的模板格網(wǎng)，由此確定所述形狀模型的模板格網(wǎng)。于是，通過本發(fā)明的方法確定的形狀模型的模板格網(wǎng)較好地描述了所有位置處的研究目標(biāo)。
文檔編號G06T17/10GK101331524SQ200680046927
公開日2008年12月24日 申請日期2006年12月15日 優(yōu)先權(quán)日2005年12月16日
發(fā)明者C·洛倫茨, F·A·赫里特森, J·V·貝格, J·威斯, J·彼得斯, O·艾卡伯特 申請人:皇家飛利浦電子股份有限公司