纖維神經(jīng)結構的定位的制作方法
【專利摘要】一種用于確定患者體內神經(jīng)纖維的路徑的數(shù)據(jù)處理方法，包括以下步驟：a)獲取能表示包括了神經(jīng)纖維的纖維結構的圖譜的圖譜數(shù)據(jù)集；b)獲取包括適用于識別患者體內神經(jīng)纖維的信息的神經(jīng)指示數(shù)據(jù)集；c)通過向神經(jīng)指示數(shù)據(jù)集注冊圖譜數(shù)據(jù)集來計算出匹配的圖譜數(shù)據(jù)集；d)從匹配的圖譜數(shù)據(jù)集獲得神經(jīng)纖維的通用路徑；e)圍繞通用路徑定義出患者體內的約束體積，所述約束體積具有至少兩個使通用路徑終止于此的端面；以及f)使用概率法確定端面之間的神經(jīng)纖維的路徑，其中所確定的路徑完全位于約束體積內部。
【專利說明】纖維神經(jīng)結構的定位

【技術領域】
[0001]本發(fā)明涉及用于確定患者體內神經(jīng)纖維的路徑的數(shù)據(jù)處理方法、計算機程序、計算機以及醫(yī)學診斷系統(tǒng)。

【背景技術】
[0002]在許多醫(yī)療應用中，有關神經(jīng)纖維位置方面的知識是有用或必需的。已知的方法例如基于稱為穩(wěn)態(tài)下的構造干涉(CISS)的MRE序列，具體用于檢測神經(jīng)、或者使用基于磁共振成像(MRI)的技術來獲得擴散方向，這些技術例如擴散張量成像(DTI)或高角度分辨率擴散成像(HARDI)。然而，這些方法要么無法自動化，要么不適用于細薄結構。


【發(fā)明內容】

[0003]本發(fā)明的目的是提供一種用于確定患者體內神經(jīng)纖維的路徑、甚至是細薄纖維以及交叉或支化纖維的神經(jīng)纖維路徑的數(shù)據(jù)處理方法，以及相應的計算機程序、計算機和醫(yī)學診斷系統(tǒng)。這通過獨立權利要求的保護主題來實現(xiàn)。優(yōu)選實施例則在從屬權利要求中進行限定。
[0004]用于確定患者體內神經(jīng)纖維的路徑的方法包括:第一步驟，獲取表示包括神經(jīng)纖維的纖維結構的圖譜的圖譜數(shù)據(jù)集，以及第二步驟，獲取包括適于識別患者體內神經(jīng)纖維的信息的神經(jīng)指示數(shù)據(jù)集。如下面所解釋的那樣，所述圖譜是包括了通用神經(jīng)纖維的纖維結構的一般性表示，而神經(jīng)指示數(shù)據(jù)集涉及特定患者并且根據(jù)使用適當形態(tài)所獲得的圖像數(shù)據(jù)來確定，所述適當形態(tài)諸如擴散張量成像(DTI)或者穩(wěn)態(tài)下構造干涉(CISS)。因此，神經(jīng)指示數(shù)據(jù)集分別是DTI數(shù)據(jù)集或CISS數(shù)據(jù)集。然而，只要所得到的數(shù)據(jù)集允許識別患者體內的神經(jīng)纖維，則可以使用任何成像形態(tài)。
[0005]所述方法的第三步驟涉及:通過向神經(jīng)指示數(shù)據(jù)集注冊圖譜數(shù)據(jù)集的方式來計算匹配的圖譜數(shù)據(jù)集。在該步驟中，圖譜的通用纖維結構與患者的解剖結構相適應?？梢允褂萌鐒傂曰驈椥匀诤系热魏芜m當?shù)姆椒▉磉M行注冊。
[0006]所述方法的第四步驟涉及:從匹配的圖譜數(shù)據(jù)集獲得神經(jīng)纖維的通用路徑。通用神經(jīng)纖維，其作為患者體內所檢測到的神經(jīng)纖維的對應物，在匹配的圖譜數(shù)據(jù)集中被識別，隨后例如通過簡單地復制該通用路徑的方式來獲得匹配的圖譜數(shù)據(jù)集中的對應的通用神經(jīng)纖維的相應通用路徑。由于將圖譜數(shù)據(jù)集與神經(jīng)指示數(shù)據(jù)集匹配，使得通用路徑或多或少類似于患者體內的所尋求的路徑。
[0007]應當指出，神經(jīng)纖維以及相應的神經(jīng)纖維路徑可僅連接兩個端點。然而，在Y形狀的分支式神經(jīng)纖維的情況中，路徑可具有三個端點。在X形狀的交叉神經(jīng)纖維的情況中，路徑可具有四個端點。取決于神經(jīng)纖維結構，路徑甚至可具有多于四個的端點。根據(jù)待確定路徑的屬性，所獲得的通用路徑可通過忽略圖譜中纖維的某些部分而具有比圖譜中的纖維更少的端點。
[0008]所述方法的第五步驟涉及:定義患者體內通用路徑周圍的約束體積，其中所述約束體積具有至少兩個使通用路徑終止于此的端面。端面的數(shù)目等于通用路徑的端點的數(shù)目。優(yōu)選地，端面正交于通用路徑。應當指出，通用路徑可表示完整的神經(jīng)纖維或者僅表示神經(jīng)纖維的部分長度。如果通用路徑以及相應地所關注的患者體內的神經(jīng)纖維僅僅對應于纖維的一部分，那么該部分則稱為路徑或通用路徑。
[0009]所述方法的第六步驟涉及:用概率法來確定端面之間的神經(jīng)纖維的路徑，其中所確定的路徑完全位于約束體積內部。用于確定神經(jīng)纖維路徑的概率法是眾所周知的，下面將對兩個示例進行詳細說明。概率法(也稱為概率纖維跟蹤算法)可基于任何適當?shù)暮?或可獲得的成像形態(tài)并且基于神經(jīng)指示數(shù)據(jù)集。
[0010]本發(fā)明根據(jù)用于確定約束體積的圖譜數(shù)據(jù)集來結合預分割的效果，其中在所述約束體積內以概率纖維跟蹤算法來求得神經(jīng)纖維的路徑。這意味著，纖維跟蹤算法僅限于搜索基于圖譜數(shù)據(jù)集所定義的體積。與單純基于圖譜的方法相比，還要考慮存在于神經(jīng)指示數(shù)據(jù)集中的附加信息。與單純的概率纖維跟蹤算法相比，還要利用有關所關注的纖維的現(xiàn)有知識。
[0011]優(yōu)選地，約束體積呈管狀，并以通用路徑為中心。在簡單纖維的示例中，約束體積由此具有管形外觀。約束體積的端面可能是正方形、圓形或者橢圓形。約束體積的橫截面積的大小以及當認定約束體積在其整個長度上大小恒定時的相應端面的大小，優(yōu)選取決于神經(jīng)纖維的大小。具體來說，大小是指具有圓形端面的體積的直徑、具有正方形端面的體積的邊緣長度或具有橢圓形端面的體積的一個軸(具體說是較長的軸線)。優(yōu)選地是，該大小例如為1mm、2mm、3mm、4mm、5mm或10mm。長度是指兩個端面之間的約束體積沿通用路徑的距離。作為備選，約束體積的大小可隨約束體積的整個長度而變化。約束體積的大小或者約束體積沿其長度的走勢可以定義在圖譜中，例如針對長度部分進行定義。該大小可例如與待檢測纖維束的直徑成比例。
[0012]作為備選，所述方法包括獲取表示對約束體積進行的手動輸入修改的輸入數(shù)據(jù)的步驟。然后，根據(jù)所述輸入數(shù)據(jù)來修改約束體積。這意味著，通用路徑的移位和約束體積的大小變化中的至少一項，都可能使約束體積增加某區(qū)域或從約束體積去除某區(qū)域。后一種方式允許從要在其中搜索纖維的約束體積中排除某特定區(qū)域，例如排除由骨骼或另一結構所占據(jù)的區(qū)域。
[0013]圖譜通常由多個通用對象模型構成，其中所述通用對象模型共同形成復雜結構。股骨的圖譜例如可包括頭部、頸部、軀干、股骨大轉子、股骨小轉子和下肢，以作為構成完整結構的對象。腦的圖譜例如可包括端腦、小腦、間腦、橋腦、中腦和延髓，以作為構成復雜結構的對象。纖維結構的圖譜包括神經(jīng)纖維的通用路徑。圖譜可來源于DTI圖像數(shù)據(jù)、CISS數(shù)據(jù)或任何其他適當?shù)某上裥螒B(tài)數(shù)據(jù)。這種圖譜的一個應用是醫(yī)學圖像的分割，其中所述圖譜與醫(yī)學圖像數(shù)據(jù)匹配，并且將圖像數(shù)據(jù)與所匹配的圖譜進行比較從而為匹配圖譜的對象分配圖像數(shù)據(jù)的點(像素或體素)，由此將圖像數(shù)據(jù)分割成對象。
[0014]在醫(yī)學領域，成像法用于產(chǎn)生人體的解剖結構(諸如軟組織、骨骼、內臟等)的圖像數(shù)據(jù)(例如，二維或三維圖像數(shù)據(jù))。醫(yī)學成像法可理解為是指優(yōu)選地基于設備的成像法(即所謂的醫(yī)學成像形態(tài)和/或輻射成像法)，例如計算機斷層攝影(CT)和錐束計算機斷層攝影(CBCT ;具體是體積式CBCT)、X射線斷層攝影、磁共振斷層攝影(MRT或MRI)、傳統(tǒng)的X射線、超聲和/或超聲檢查，以及正電子發(fā)射斷層攝影。分析裝置具體用于通過基于設備的成像法來產(chǎn)生圖像數(shù)據(jù)。該成像法具體用于醫(yī)學診斷，分析解剖體以產(chǎn)生由圖像數(shù)據(jù)描述的圖像。
[0015]根據(jù)本發(fā)明的方法具體來說是一種數(shù)據(jù)處理方法。所述數(shù)據(jù)處理方法優(yōu)選地使用具體說是計算機的技術手段來執(zhí)行。所述數(shù)據(jù)處理方法具體由計算機執(zhí)行或在計算機上執(zhí)行。為了處理數(shù)據(jù)，特別是為了以電的方式和/或光的方式處理數(shù)據(jù)，該計算機特別地還包括處理器和存儲器。所描述的計算步驟具體說通過計算機來執(zhí)行。確定步驟或計算步驟特別地是在該技術性的數(shù)據(jù)處理方法的框架內(特別是在程序框架內)對數(shù)據(jù)進行確定的步驟。計算機具體說可以是任何種類的數(shù)據(jù)處理裝置，尤其是電子數(shù)據(jù)處理裝置。計算機可以是那些通常被認為是例如臺式個人計算機PC、筆記本、上網(wǎng)本等的裝置，但計算機也可以是任何可編程裝置，例如移動電話或嵌入式處理器。計算機具體說可包括“子計算機”系統(tǒng)(網(wǎng)絡)，其中每個子計算機代表其本身的計算機。術語“計算機”包含云計算機，特別是云服務器。術語“云計算機”包括云計算機系統(tǒng)，其具體包括具有至少一個云計算機的系統(tǒng)并且具體包括多個可操作式互連的云計算機(例如服務器場)的系統(tǒng)。這種云計算機優(yōu)選與諸如萬維網(wǎng)(WWW)的廣域網(wǎng)連接，并且位于連接于萬維網(wǎng)的計算機的所謂“云”中。這種基礎設施用于云計算，所述云計算描述了不要求終端用戶獲知計算機的物理位置和/或傳送特定服務的計算機配置的那些計算、軟件、數(shù)據(jù)訪問和存儲服務。特別地，術語“云”用來比喻互聯(lián)網(wǎng)(萬維網(wǎng))。特別地，云提供作為服務(LaaS)的計算基礎設施。云計算機可用作用于執(zhí)行本發(fā)明方法的操作系統(tǒng)和/或數(shù)據(jù)處理應用程序的虛擬主機。云計算機例如是由Amazon Web Services?提供的彈性計算云(EC2)。為了接收或輸出數(shù)據(jù)和/或執(zhí)行模數(shù)轉換，計算機特別地還包括接口。該數(shù)據(jù)具體說是可表示物理特性的數(shù)據(jù)和/或可從技術信號生成的數(shù)據(jù)。該技術信號特別地通過(技術性)探測裝置(例如，用于探測標記符的裝置)和/或(技術性)分析裝置(例如，用于執(zhí)行成像方法的裝置)產(chǎn)生，其中所述技術信號具體說是電或光信號。技術信號具體說表示由計算機接收或輸出的數(shù)據(jù)。
[0016]表述“獲取數(shù)據(jù)”具體說(在數(shù)據(jù)處理方法的框架內)包含數(shù)據(jù)是由數(shù)據(jù)處理方法或程序確定的情況。確定數(shù)據(jù)具體說包括:測量物理量，以及將所測量的值轉換成具體說是數(shù)字數(shù)據(jù)和/或通過計算機來計算該數(shù)據(jù)，特別是在本發(fā)明的方法范圍內計算該數(shù)據(jù)?！矮@取數(shù)據(jù)”的含義還特別地包含這樣的情況，即通過數(shù)據(jù)處理方法或程序從例如另一程序、前一方法步驟或數(shù)據(jù)存儲介質中接收或檢索數(shù)據(jù)，進而特別地用于通過數(shù)據(jù)處理方法或程序進行進一步處理。因此，“獲取數(shù)據(jù)”還可例如表示等待接收數(shù)據(jù)和/或正在接收數(shù)據(jù)。所接收的數(shù)據(jù)可例如經(jīng)由接口來輸入?！矮@取數(shù)據(jù)”還可指代數(shù)據(jù)處理方法或程序為了從數(shù)據(jù)源(主動)或經(jīng)由接口(例如，從另一計算機或網(wǎng)絡)接收或檢索數(shù)據(jù)所執(zhí)行的步驟，所述數(shù)據(jù)源例如為數(shù)據(jù)存儲介質(例如，R0M、RAM、數(shù)據(jù)庫、硬盤等)。數(shù)據(jù)可通過在獲取步驟之前執(zhí)行附加步驟的方式來實現(xiàn)“就緒”狀態(tài)。根據(jù)附加步驟來生成數(shù)據(jù)，以用于獲取。對數(shù)據(jù)進行特定的探測或捕獲(例如，通過分析裝置)。作為備選或附加，數(shù)據(jù)是根據(jù)所述附加步驟例如通過接口來輸入的?？稍谔囟r下輸入所生成的數(shù)據(jù)(例如，輸入到計算機中)。根據(jù)附加步驟(其在獲取步驟之前進行)，數(shù)據(jù)也可以通過執(zhí)行將數(shù)據(jù)存儲于數(shù)據(jù)存儲介質(例如，ROM、RAM、CD和/或硬盤驅動器)的附加步驟的方式來提供，從而使數(shù)據(jù)在根據(jù)本發(fā)明的方法或程序的框架內就緒。因此，“獲取數(shù)據(jù)”還可涉及操控裝置以獲得和/或提供待獲取的數(shù)據(jù)。特別地，獲取步驟不涉及侵入性步驟，侵入性步驟表示對身體進行實質上的生理干擾，其需要對身體采取專業(yè)醫(yī)療措施，并且即使采取了所需的專業(yè)醫(yī)療措施或護理，該身體還是會承受極大的健康風險。特別地，獲取數(shù)據(jù)具體說是確定數(shù)據(jù)不涉及外科手術步驟，并且尤其不涉及使用外科手術或外科療法來治療人體或動物體的步驟。這也特別地適用于涉及確定數(shù)據(jù)的任何步驟。為了區(qū)分本發(fā)明的方法所使用的不同數(shù)據(jù)，數(shù)據(jù)被標記為(即，簡稱為)“XY數(shù)據(jù)”等，并且由其所描述的、稱為“XY信息”的信息進行定義。
[0017]具體地說，彈性融合變換(如圖像融合變換)設計為能夠實現(xiàn)從一個數(shù)據(jù)集(如第一數(shù)據(jù)集，如第一圖像)到另一數(shù)據(jù)集(如第二數(shù)據(jù)集，如第二圖像)的無縫過渡。所述變換具體設計為使得第一和第二數(shù)據(jù)集(圖像)中的一者以一種方式發(fā)生變形，這種方式具體說是使得相應的結構(具體為相應的圖像元素)布置在與第一和第二圖像中的另一者相同的位置上。從第一和第二圖像中的一者變換而來的變形(變換)圖像具體來說要盡可能地與第一和第二圖像中的另一者相似。優(yōu)選地，采用(數(shù)值)優(yōu)化算法，以便找到能產(chǎn)生最優(yōu)相似度的變換。相似度優(yōu)選通過相似度量(下文也稱為“相似性度量”)的方式來進行測量。優(yōu)化算法的參數(shù)具體為變形場F的向量。這些向量通過能產(chǎn)生最優(yōu)相似度的優(yōu)化算法來確定。因此，最優(yōu)相似度表示針對優(yōu)化算法的一種條件，具體說是一種約束。向量基點具體位于待變換的第一和第二圖像中的一個圖像的體素位置上，并且向量的頂端位于變換后的圖像中的對應的體素位置處。多個此類向量優(yōu)選設置為例如多于二十個或一百個、一千個或一萬個等。優(yōu)選地，變換(變形)存在(其他)限制，具體說是為了避免病理變形的限制，例如，避免通過變換使得所有體素移動到同一位置上的限制。所述限制具體包括使變換呈規(guī)律性的限制，這具體意味著，根據(jù)變形場(具體說是向量場)的矩陣所計算出的雅可比行列式大于零。所述限制具體包括使變換(變形)圖像不自相交、具體說是變換(變形)圖像不包含疵點和/或斷裂的限制。所述限制具體包括使得當規(guī)則網(wǎng)格與圖像以對應的方式同時進行變換時，不允許網(wǎng)格在其任何位置上交錯折疊的限制。優(yōu)化問題具體地通過優(yōu)化算法(具體說是一階最優(yōu)化算法，特別是梯度下降算法)來迭代求解。優(yōu)化算法的其他示例包括不使用導數(shù)的優(yōu)化算法(如下降的單純形算法)或者使用高階導數(shù)的算法(如牛頓型算法)。優(yōu)化算法優(yōu)選執(zhí)行局部優(yōu)化。如果存在多個局部極值，則可以使用諸如模擬退火或遺傳算法的全局算法。在線性優(yōu)化問題的情況下，例如可使用單純形法。
[0018]在優(yōu)化算法的步驟中，體素具體通過在某方向上偏移一定幅度而使得相似度增力口。這一幅度優(yōu)先為小于預定限值，例如小于圖像直徑的1/10、1/100或1/1000，并且具體說是約等于或小于相鄰體素之間的距離。特別地，由于大量的(迭代)步驟，因此可實現(xiàn)大規(guī)模變形。
[0019]所確定的彈性融合變換可具體用于確定第一數(shù)據(jù)集和第二數(shù)據(jù)集(第一圖像和第二圖像)之間的相似度(即，相似度量，也稱為“相似性度量”)。為此，確定出彈性融合變換的偏差和恒等變換。偏差程度可例如通過確定出彈性融合變換與恒等變換之間的差來進行計算。偏差越大，則相似度越小。因此，偏差程度可用于確定相似性度量。
[0020]相似性量度可具體地根據(jù)所確定的第一數(shù)據(jù)集和第二數(shù)據(jù)集之間的已確定的相關性來確定。
[0021]如上面所指出的那樣，存在多種用于確定神經(jīng)纖維的路徑的概率法。根據(jù)本發(fā)明，將這些方法與路徑必須處于其中的約束體積進行結合。下面將對兩個示例性方法進行說明。
[0022]確定神經(jīng)纖維的路徑的第一種方法包括:選擇端面之中的一個端面上的種子點作為當前點，并且根據(jù)當前點上的神經(jīng)指示數(shù)據(jù)集的數(shù)據(jù)來計算路徑向量，其中所述路徑向量具有長度和方向并起始于當前點。所述方法還包括:將所述當前點存儲為神經(jīng)纖維路徑中的點，并且使用路徑向量的端點或前端作為當前點。如果路徑向量未終止在另一表面上或延伸穿過該另一表面，則所述方法返回至路徑向量計算步驟，或者如果當路徑向量延伸穿過約束體積的任何其他端面時，則所述方法停止。
[0023]在該第一種方法中，點到點地建立路徑。神經(jīng)指示數(shù)據(jù)集指示了神經(jīng)從當前點進行延伸的方向。例如，在當前點上DTI數(shù)據(jù)集的張量指示了纖維的方向以及相應的路徑方向。如果不存在當前點的數(shù)據(jù)，則可以插補或推算出一個或多個周圍點的現(xiàn)有數(shù)據(jù)，以便計算當前點上的數(shù)據(jù)。
[0024]在典型情況下，神經(jīng)指示數(shù)據(jù)集在當前點不包括神經(jīng)纖維的特定方向，而是包括神經(jīng)纖維方向的概率分布，如賓漢姆分布。路徑向量的方向基于方向分布而隨機計算的。優(yōu)選地，路徑向量的長度也基于方向分布來確定，例如與路徑向量的方向概率的倒數(shù)成正比。如果路徑向量的端點位于約束體積內，那么該端點用作新的當前點，并且針對該當前點計算新的路徑向量，由此迭代地確定路徑。如果路徑向量的端點位于約束體積的端面上而不是該路徑所在的座落點所位于的那個端面上的話，那么已找到有效路徑。位于約束體積外部的路徑向量的端點可具有兩個不同的情況。在第一種情況下，路徑向量所延伸穿過的端面不是那個包括種子點的端面。在這種情況下，已找到有效路徑。在第二種情況下，路徑向量延伸穿過約束體積的任何其他表面。在這種情況下，路徑的一部分位于所述約束體積外部，由此終止對路徑的確定并丟棄所述路徑。
[0025]確定神經(jīng)纖維的路徑的第二種方法包括:選擇其中有數(shù)據(jù)存在于神經(jīng)指示數(shù)據(jù)集中的那些點的序列，其中序列中的點的數(shù)目低于預定點的數(shù)目，序列的起點和終點均位于端面之上或之后,并且所有其他點均位于約束體積內部。換言之,建立約束體積內連接約束體積兩個端面的任意點串。在這種方法中，僅使用有數(shù)據(jù)存在于神經(jīng)指示數(shù)據(jù)集中的那些點，其中在DTI數(shù)據(jù)集的情況下其意味著針對該點存在擴散張量。此外，點的數(shù)目是有限的，例如該數(shù)目取決于通用路徑的長度。優(yōu)選地，每1mm長度的通用路徑上序列中的點的數(shù)目限制為1、2、5、10或20個點。這一方法在由Anthony J.Sherbondy等人發(fā)表在Journalof Vis1n (2008) 8 (9): 15，1-6 的文章 “ConTrack:Finding the most likely pathwaysbetween brain reg1ns using diffus1n tractography”中進行了詳細地解釋，其全部內容在此通過引用并入本文。
[0026]通過那種只選擇有數(shù)據(jù)存在于神經(jīng)指示數(shù)據(jù)集中的那些點的方法，可能使得所述序列的起點和終點中的至少一個點不會位于約束體積的端面上。由此，序列的起點和/或終點也可以位于約束體積的端面之后。這意味著，分別將起點或終點與其在點的序列或串中的鄰近點相連的線會延伸穿過約束體積的端面，但不穿過約束體積的任何其他表面。
[0027]在第二種方法中，可以建立完全位于約束體積內的任意路徑。神經(jīng)指示數(shù)據(jù)集對路徑所帶來的唯一影響是路徑中的點必須對應于神經(jīng)指示數(shù)據(jù)集中的數(shù)據(jù)的采樣點。然而，備選的限制是:序列中的連續(xù)兩點的距離要小于如lmm、2.5mm或5mm的預定距離閾值。
[0028]應當指出，在這兩種用于確定神經(jīng)纖維的路徑的方法中，即使當路徑的起點/種子點或終點位于約束體積外部，也仍然認為路徑完全位于約束體積內。在這種情況下，路徑可能會在該路徑所延伸穿過的那個端面處切斷。
[0029]如果必須要確定出路徑的神經(jīng)纖維具有多于兩個的端點，那么約束體積則具有多于兩個的端面。在這種情況下，路徑將第一端面與多于一個的第二端面相連接。在確定端面之間的神經(jīng)纖維的路徑的步驟中，引入了適當數(shù)目的路徑分支，例如在路徑的隨機點處或優(yōu)選在接近通用路徑中的相應分支的點處進行引入。具體來說，分支是在通用路徑中的相應分支之前的最后一個路徑點處引入的。
[0030]作為備選，所獲取的輸入數(shù)據(jù)表示路徑中至少一個起點/種子點和/或至少一個終點的位置。輸入的數(shù)據(jù)可以表示點、點所落入的區(qū)域或者點不必落入的區(qū)域的確切位置。
[0031]在優(yōu)選實施例中，通過重復所述方法的第六步驟來確定多個路徑，該步驟即使用概率法確定端面之間的神經(jīng)纖維的路徑的步驟。由于用于確定路徑的方法是概率性的，這產(chǎn)生了全都位于約束體積內部的多個不同路徑。優(yōu)選地，給每個所確定的路徑分配評分。進一步優(yōu)選地，評分低于預定評分閾值的所有路徑都將被丟棄。預定評分閾值例如設定為能保留預定百分比如5%、10%、15%、20%或25%的路徑，或者保留預定數(shù)目如100、200、500或1000的路徑。待確定路徑的數(shù)目可以是100000、1000000、2000000、5000000或10000000。優(yōu)選地，多個起點或種子點用于確定路徑。進一步優(yōu)選地，起點/種子點均勻地分布在端面之上或端面之后，或者均勻地分布在多于一個的端面之上或之后。例如，一半的路徑確定為起始于第一端面，而另一半的路徑則確定為起始于另一端面。在本實施例中，可以認為每個路徑均表示一束纖維中某個纖維的路徑。這意味著可以檢測到纖維束。
[0032]在一個實施例中，評分是根據(jù)神經(jīng)指示數(shù)據(jù)集來計算的。由于神經(jīng)指示數(shù)據(jù)集包括有關神經(jīng)纖維的路徑的信息，因此可計算出特定路徑與神經(jīng)指示數(shù)據(jù)集中的相應數(shù)據(jù)之間的相似性。在DTI數(shù)據(jù)集的情況下，基于構成路徑的點的擴散張量來計算評分。在用于確定神經(jīng)纖維路徑的第一種方法的示例中，一種可行實施方式是基于路徑向量指向其所選擇方向的概率來計算每個點的評分，其中所述概率涉及該點的方向分布。然后，根據(jù)構成路徑的點(除了終點)的概率平均值來確定評分。
[0033]在用于確定神經(jīng)纖維的路徑的第二種方法的示例中，方向分布也用來確定路徑繼續(xù)以序列中下一個點的方向行進的概率。根據(jù)第一種方法，基于序列的所有點(除了終點)來對概率求平均值，以確定評分。
[0034]此外或作為備選方案，評分是根據(jù)能表示有關神經(jīng)纖維的已知屬性的信息的路徑屬性數(shù)據(jù)集來計算的。路徑屬性數(shù)據(jù)集表示路徑如何很好地通過現(xiàn)有知識如有關路徑的平滑度、方向或曲率的假設來進行解釋。路徑屬性數(shù)據(jù)集可以表示神經(jīng)纖維的路徑中極不可能出現(xiàn)急轉彎、通用路徑的方向上極不可能出現(xiàn)強偏差、或者一些神經(jīng)纖維具有非常特定的曲率式樣和/或僅在一個方向上彎曲。優(yōu)選地，根據(jù)神經(jīng)指示數(shù)據(jù)集和路徑屬性數(shù)據(jù)集二者來計算總評分，例如通過對這兩部分評分求平均來計算。
[0035]在一個實施例中，評分表示所述相應路徑是正確路徑的概率。此概率由p(P|D)給出，其中P代表路徑而D代表神經(jīng)指示數(shù)據(jù)集。P(PlD)是在已給出神經(jīng)指示數(shù)據(jù)集D的條件下P為正確路徑的概率。根據(jù)貝葉斯法則，P(PlD) =p(D|P)*p(P)。這表明，評分具有取決于神經(jīng)指示數(shù)據(jù)集的分量P (DI P)和不取決于神經(jīng)指示數(shù)據(jù)集而取決于路徑屬性數(shù)據(jù)集的分量P (P)。
[0036]優(yōu)選地，概率P (P |d)和p(p)中的每一者均根據(jù)針對各個路徑上每個點的局部概率來建立。具體地，P(PlD)是局部概率Pi(PlD)的乘積而P (P)是局部概率Pi (P)的乘積，其中i是路徑P中的點的下標。在備選方案中，不是將局部概率相乘，而是可以將局部概率的對數(shù)進行相加。
[0037]計算匹配的圖譜數(shù)據(jù)集的步驟可通過直接向神經(jīng)指示數(shù)據(jù)集注冊圖譜數(shù)據(jù)集的方式來執(zhí)行，具體來說是當這兩個數(shù)據(jù)集均包括可用于注冊的相應參考標志如地標時執(zhí)行。然而，用于注冊的另一種方法包括多個步驟。
[0038]在第一步驟中，向中間形態(tài)圖譜數(shù)據(jù)集注冊所述圖譜數(shù)據(jù)集，以獲得中間圖譜集。如上所述，使用諸如DTI或CISS的適當形態(tài)來確定圖譜數(shù)據(jù)集。圖譜通常通過合并來自不同樣品對象(如樣品體)的多個相同結構的樣品來創(chuàng)建。在本神經(jīng)纖維的路徑的情況中，分割為對象通用模型通常由專家來手動執(zhí)行。中間形態(tài)是用以對患者的軀體進行成像的一種形態(tài)。典型的中間形態(tài)是CT或MRI。因此，中間形態(tài)圖譜數(shù)據(jù)集對應于那種與用于制備圖譜數(shù)據(jù)集的形態(tài)不同、但卻涉及與圖譜數(shù)據(jù)集相同(通用)結構的形態(tài)。這意味著，所述第一步驟涉及主體內注冊。
[0039]在第二步驟中，向中間形態(tài)患者數(shù)據(jù)集注冊所述中間形態(tài)圖譜數(shù)據(jù)集，以獲得第一變換規(guī)則。中間形態(tài)圖譜數(shù)據(jù)集和中間形態(tài)患者數(shù)據(jù)集均涉及相同的中間形態(tài)。因此，該步驟涉及主體間注冊。
[0040]在第三步驟中，向神經(jīng)指示數(shù)據(jù)集注冊所述中間形態(tài)患者數(shù)據(jù)集，以獲得第二變換規(guī)則。在此步驟中，中間形態(tài)患者數(shù)據(jù)集和神經(jīng)指示數(shù)據(jù)集(二者均涉及特定患者)，以主體內注冊的方式彼此進行注冊。中間形態(tài)患者數(shù)據(jù)集和神經(jīng)指示數(shù)據(jù)集優(yōu)選地在相同成像期間進行創(chuàng)建。具體地，間歇地執(zhí)行用于創(chuàng)建中間形態(tài)患者數(shù)據(jù)集和神經(jīng)指示數(shù)據(jù)集的成像操作。
[0041]在第五步驟中，使用第一和第二轉換規(guī)則將中間圖譜數(shù)據(jù)集與神經(jīng)指示數(shù)據(jù)集進行匹配。在這種計算匹配的圖譜數(shù)據(jù)集的方法下，使用中間形態(tài)數(shù)據(jù)集，以獲得由所述第一變換規(guī)則和第二變換規(guī)則構成的、隨后用于向神經(jīng)指示數(shù)據(jù)集注冊所述中間圖譜數(shù)據(jù)集的變換規(guī)則。
[0042]地標屬于解剖患體部位的限定元素，所述解剖患體部位在多個患者的相同解剖學身體部位中始終相同或以高度相似性再現(xiàn)。典型的地標例如是股骨的髁或椎骨的橫突和/或背突的尖端。所述點(主點或輔助點)可表示這種地標。位于身體部位的特征解剖結構上(具體說是在其表面上)的地標也可以表示所述結構。地標能夠將解剖結構表示為整體或者僅表示為整體上的點或一部分。地標也可例如位于解剖結構上，具體說是位于突出結構上。這種解剖結構的示例是髂嵴的后部。其他地標包括由髖臼邊緣所限定的地標，例如由邊緣的中心所限定的地標。在另一示例中，地標表示髖白的底部或最深點，其通過多個檢測點而得到。因此，一個地標可具體表示眾多的檢測點。如上所述，地標可表示基于患體部位的特征構造所定義的解剖學特征。此外，地標還可表示由兩個身體部位的相對運動所限定的解剖特征，例如當股骨相對于髖臼運動時股骨的旋轉中心。
[0043]本發(fā)明還涉及一種程序，所述程序當運行于計算機上或者加載到計算機上時使計算機執(zhí)行本文所述的一個、多個或全部的方法步驟；和/或涉及一種存儲有(具體是以非暫時性形式)所述程序的程序存儲介質；和/或涉及一種運行所述程序的計算機或者其存儲器加載有所述程序的計算機；和/或涉及一種攜帶有可表示所述程序(特別是上述程序)的信息的信號波，特別是數(shù)字信號波，所述程序具體說包括適于執(zhí)行本文所述的任意或全部的方法步驟的代碼裝置。
[0044]在本發(fā)明的框架內，計算機程序單元可通過硬件和/或軟件(這包括固件、駐留軟件、微代碼等)來實施。在本發(fā)明的框架內，計算機程序單元可采取通過計算機可用、特別是計算機可讀的數(shù)據(jù)存儲介質來實施的計算機程序產(chǎn)品的形式，具體說可采取所述數(shù)據(jù)存儲介質中包含的指令執(zhí)行系統(tǒng)上采用的或與之結合使用的計算機可讀的程序指令、“代碼”或“計算機程序”的形式。這種系統(tǒng)可以是計算機；計算機可以是包括用于執(zhí)行根據(jù)本發(fā)明的計算機程序單元和/或程序的裝置的數(shù)據(jù)處理設備，特別是包括執(zhí)行計算機程序單元的數(shù)字處理器(中央處理單元或CPU)以及可選地包括用于存儲執(zhí)行計算機程序單元所使用的和/或產(chǎn)生的數(shù)據(jù)的易失性存儲器(具體說是隨機存取存儲器或RAM)的數(shù)據(jù)處理設備。在本發(fā)明的框架內，計算機可用、特別是計算機可讀的數(shù)據(jù)存儲介質可以是任何數(shù)據(jù)存儲介質，其可以包含、存儲、傳送、傳播或傳輸那些指令執(zhí)行系統(tǒng)、裝置或設備上使用或與之結合使用的程序。計算機可用、特別是計算機可讀的數(shù)據(jù)存儲介質例如可以是，但不限于電子、磁、光、電磁、紅外或半導體系統(tǒng)、儀器或設備，或者是諸如互聯(lián)網(wǎng)的傳播介質。計算機可用或計算機可讀的數(shù)據(jù)存儲介質甚至可以是例如可打印所述程序的紙或其他適當介質，因為程序可以通過電的方式而獲取，例如通過光學掃描該紙或其他適當介質，然后再編譯、解碼或以適當方式另行處理。數(shù)據(jù)存儲介質優(yōu)選為非易失數(shù)據(jù)存儲介質。本文所述的計算機程序產(chǎn)品以及任何軟件和/或硬件形成用于執(zhí)行本發(fā)明的示例性實施例中的功能的各種裝置。計算機和/或數(shù)據(jù)處理設備可特別地包括具有可輸出引導信息的裝置的引導信息設備。引導信息可例如通過視覺指示裝置(如監(jiān)視器和/或燈)可視地輸出給用戶，和/或通過聽覺指示裝置(如揚聲器和/或數(shù)字語音輸出裝置)可聽地輸出給用戶，和/或通過觸覺指示裝置(如振動元件或并入到儀器中的振動元件)可觸摸地輸出給用戶。
[0045]本發(fā)明還涉及一種包括如上所述的計算機和用于至少獲取所述圖譜數(shù)據(jù)集和神經(jīng)指示數(shù)據(jù)集的接口的醫(yī)療診斷系統(tǒng)。經(jīng)由所述接口，醫(yī)療診斷系統(tǒng)可連接到包括數(shù)據(jù)集的數(shù)據(jù)存儲介質上或可產(chǎn)生數(shù)據(jù)集的醫(yī)學成像設備上。所述醫(yī)療診斷系統(tǒng)可連接于多于一個的成像設備上，或者連接于至少一個數(shù)據(jù)存儲介質和至少一個成像設備上。所述數(shù)據(jù)存儲介質或媒介和/或所述成像設備可以作為所述醫(yī)療診斷系統(tǒng)的一部分。
[0046]結合了實施例、示例、方法或備選方案中的一個或多個特征所形成的新的實施例、示例、方法或備選方案只要在技術上可行就落入本發(fā)明的范圍之內。

【專利附圖】

【附圖說明】
[0047]下面，參考附圖對本發(fā)明作出更詳細說明。這些附圖是:
[0048]圖1醫(yī)學診斷系統(tǒng)；
[0049]圖2將圖譜與DTI數(shù)據(jù)匹配；
[0050]圖3圍繞通用纖維的約束體積；
[0051 ]圖4針對交叉纖維的DTI張量；
[0052]圖5約束體積內部的DTI張量；
[0053]圖6通過約束體積來確定路徑的第一方法；和
[0054]圖7通過約束體積來確定路徑的第二方法。

【具體實施方式】
[0055]圖1示出了用于執(zhí)行可確定患者體內神經(jīng)纖維的路徑的數(shù)據(jù)處理方法的醫(yī)療診斷系統(tǒng)I。醫(yī)療診斷系統(tǒng)I包括連接到輸入裝置6 (如鍵盤、鼠標或觸摸屏)和輸出裝置7 (如監(jiān)視器或任何其他顯示裝置)的計算機2。計算機2還連接于存儲裝置8和MRI成像設備9上。計算機2包括中央處理單元3、接口 4和存儲器5。計算機2經(jīng)由接口 4連接到存儲裝置8和成像設備9上。中央處理單元3使用從成像設備9和/或存儲裝置8獲取的數(shù)據(jù)來執(zhí)行本文所述的方法。用于執(zhí)行該方法的程序存儲在存儲器5中。任選地，從成像設備9和/或存儲裝置8所獲取的數(shù)據(jù)還存儲于存儲器5中。
[0056]計算機首先獲取表示包括神經(jīng)纖維的纖維結構的圖譜的圖譜數(shù)據(jù)集和擴散張量成像(DTI)數(shù)據(jù)集，所述擴散張量成像(DTI)數(shù)據(jù)集作為指示了包括適于識別患者的神經(jīng)纖維的信息的神經(jīng)指示數(shù)據(jù)集的示例。隨后，中央處理單元3通過向DTI數(shù)據(jù)集注冊圖譜數(shù)據(jù)集來計算出匹配的圖譜數(shù)據(jù)集。這在圖2中詳細示出。圖2的左上部示出了圖譜數(shù)據(jù)集A，其在本示例性實施例中僅表示具有支化結構的單神經(jīng)纖維，由此使得該神經(jīng)纖維的路徑具有類似Y的形狀。
[0057]計算機2還獲取中間形態(tài)圖譜數(shù)據(jù)集和中間形態(tài)患者數(shù)據(jù)集。在本實施例中，中間形態(tài)是MRI。在圖2中稱為A-MRI的中間形態(tài)圖譜數(shù)據(jù)集表示對應于與圖譜A相同(通用)的結構或患體的MRI數(shù)據(jù)。圖2中稱為P-MRI的中間形態(tài)患者數(shù)據(jù)集指代與DTI數(shù)據(jù)集相冋的患者。
[0058]第一步驟中，向MRI圖譜數(shù)據(jù)集A-MRI注冊圖譜數(shù)據(jù)集A，以獲得中間圖譜數(shù)據(jù)集IA0中間圖譜數(shù)據(jù)集IA因此與MRI圖譜數(shù)據(jù)集A-MRI對準。作為備選方案，可以事先向MRI圖譜數(shù)據(jù)集注冊圖譜數(shù)據(jù)集。
[0059]第二步驟中，向MRI患者數(shù)據(jù)集P-MRI注冊MRI圖譜數(shù)據(jù)集，以便獲得將MRI圖譜數(shù)據(jù)集映射到MRI患者數(shù)據(jù)集上的第一變換規(guī)則fl。第三步驟中，向DTI數(shù)據(jù)集注冊MRI患者數(shù)據(jù)集P-MRI，以便獲得第二變換規(guī)則f2。該第二變換規(guī)則f2將MRI患者數(shù)據(jù)集映射到DTI數(shù)據(jù)集上。通過組合第一變換規(guī)則fl和第二變換規(guī)則f2，使得中間圖譜數(shù)據(jù)集IA能直接映射到DTI數(shù)據(jù)集上，從而產(chǎn)生經(jīng)匹配的圖譜集MA。換言之,如同DTI數(shù)據(jù)集所表示的那樣，圖譜此時映射到患者狀態(tài)上。具體來說，將圖譜數(shù)據(jù)集A映射到患者的參考系統(tǒng)或坐標系統(tǒng)中。然后，經(jīng)匹配的圖譜數(shù)據(jù)集表示患者體內纖維結構的近似值。
[0060]隨后，中央處理單元3獲得來自經(jīng)匹配圖譜數(shù)據(jù)集MA的神經(jīng)纖維的通用路徑P,。在本示例性實施例中，圖3所示的通用路徑Pe僅表示神經(jīng)纖維的整個長度上的一部分。在本示例中，通用路徑Pe是從經(jīng)匹配的圖譜數(shù)據(jù)集MA簡單復制而來的。
[0061]隨后，中央處理單元3定義患者體內圍繞通用路徑Pe的約束體積。約束體積在圖3中標記為V。約束體積V具有至少兩個端面，其中通用路徑在所述端面上終止。如果神經(jīng)纖維持續(xù)位于約束體積V外部，那么只有位于約束體積V內部的那部分神經(jīng)纖維可由本文中的通用路徑Pe來表示。
[0062]圖4示出針對兩個交叉神經(jīng)纖維的DTI數(shù)據(jù)集的一部分。DTI的擴散張量由圓形和橢圓形來表示。張量的表征形狀指示了張量的方向分布，諸如賓漢姆分布。一般情況下，方向分布是三維的。針對特定方向，方向分布提供了神經(jīng)纖維行進在該特定方向上的概率。
[0063]為了簡化圖示，圖4中以二維來描繪方向分布。沿著單根纖維，張量通常表示優(yōu)選的方向，這導致該方向上的概率分布具有明顯的最大值。在圖4的上部曲線圖中，針對神經(jīng)纖維的特定方向d的概率P(d)相對于方向d繪制，給定角度在-JI/2和/2之間。在兩根神經(jīng)纖維交叉的區(qū)域，由于張量不具有優(yōu)選的方向，因此將張量以圓形來表示。相應地，概率P(d)均勻地分布在從-JI/2至/2的整個范圍上。在該區(qū)域中，基于DTI數(shù)據(jù)的纖維跟蹤算法將可能失敗。
[0064]圖5顯示了透過具有兩個端面ESl和ES2以及DTI數(shù)據(jù)集的一部分的約束體積V的剖視圖。具體來說，其中示出了 DTI數(shù)據(jù)集的12個張量。張量由T結合兩位數(shù)字下標來表示。在圖5所示的表示中，下標的第一位數(shù)字表示張量T的行，而下標的第二位數(shù)字表示的列。然后，中央處理單元3使用概率方法來確定端面ESl與ES2之間的神經(jīng)纖維的路徑，其中所確定的路徑完全位于約束體積V內部。下面參考圖6和7來說明用于確定神經(jīng)纖維的路徑的兩種方法，其中圖6和7基于圖5中所示的約束體積V和擴散張量。
[0065]參考圖6，首先從約束體積V的端面ESl上的起點SI開始說明。由于DTI數(shù)據(jù)集在這一點SI上不包括張量，因此中央處理單元3插補其他張量，這產(chǎn)生了內插張量Tn。根據(jù)對應于內插張量T11的方向分布，中央處理單元3計算具有隨機方向的路徑向量。路徑向量的長度可以是恒定的、與路徑向量的方向概率成反比或使用另一概率分布來計算。在本例中，起始于點SI的路徑向量的終點是張量T42的所在的點或位置。然后，CPU 3基于張量T42所表示的方向分布，計算起始于張量T42所在點的新的路徑向量。此路徑向量的終點是張量T32所在的點或位置。
[0066]由此類推，中央處理單元3計算新的路徑向量。這個新的路徑向量的終點不與DTI數(shù)據(jù)集中的張量所在的點或位置重合。因此，中央處理單元3根據(jù)DTI數(shù)據(jù)集的周圍張量插補張量T12，并計算出終點與張量T11所在的點或位置重合的新的路徑向量。隨后，中央處理單元3根據(jù)張量T11計算起始于張量T11的位置的新路徑向量。
[0067]該新的路徑向量終止于DTI數(shù)據(jù)中不存在張量的點處，由此使得中央處理單元3插補新的張量ΤΙ3。隨后，中央處理單元3如上述地計算新的路徑向量。該新的路徑向量延伸通過約束體積V的相對端面ES2。因此，中央處理單元找到端面ESl與ES2之間的有效路徑。該路徑完全位于約束體積V內部，并由點S1、張量Tn，T32, T12, T11和T13的位置以及最后的路徑向量與端面ES2相交的點來表示。
[0068]作為優(yōu)選方案，確定出端面ESl與ES2之間的多個神經(jīng)纖維的路徑。針對相同的起點Si，因為路徑向量的方向是基于使用概率法的方向分布來計算的，因此路徑會有所不同。此外，可以使用第一端面ESl上的多個起點。
[0069]參考圖7對用于確定神經(jīng)纖維的路徑的第二種方法進行說明。該方法包括:選擇有擴散張量存在于DTI數(shù)據(jù)集中的一序列點。該序列的起點和終點位于端面ESl和ES2之上或之后，而所有其他點都位于約束體積V內部。
[0070]如可從圖7看出的那樣，針對位于端面ESl和ES2上的點，DTI數(shù)據(jù)集中沒有張量。因此，中央處理單元3將位于端面ESl和ES2后面的張量Ts和Te所在的點或位置分別作為序列的起點和終點。如果在序列中某點與相鄰點之間的直線連接穿過端表面但不穿過約束體積V的任何其他表面，則認為該點位于端面后面。
[0071]中央處理單元3將神經(jīng)纖維的第一路徑P1確定為張量Ts，T43,T31, T21, T12, T13和Te所在的點或位置的序列。優(yōu)選地，中央處理單元3確定出例如包括神經(jīng)纖維的第二路徑P2 (其包括張量Ts，T43, T33, T23, T13和Te所在點或位置的序列)在內的多個路徑。
[0072]優(yōu)選地，具體說是當確定了多個路徑時，向每個路徑分配評分。優(yōu)選地，該評分表示相應路徑是患者體內神經(jīng)纖維的正確路徑的可能性。評分具有至少一個取決于DTI數(shù)據(jù)集的數(shù)據(jù)相關部分，以及取決于路徑屬性數(shù)據(jù)集的數(shù)據(jù)獨立部分，其中所述路徑屬性數(shù)據(jù)集表示神經(jīng)纖維的已知屬性的信息。
[0073]如參考圖6和7所解釋的那樣，形成路徑的路徑向量的方向具有一定概率，該概率取決于與各個路徑向量起點處的張量相對應的方向分布。優(yōu)選地，將評分的數(shù)據(jù)相關部分計算為所選的路徑向量方向的概率的平均值。
[0074]這將參考圖7所示的路徑P1和P2進行說明。第一路徑P1從張量T43所在的點或位置向張量T31所在的點或位置引出分支，而路徑P2向張量T33所在的點或位置引出分支。假設與張量T43相對應的方向分布是圖4中上部的曲線圖所示的那一個方向分布。這意味著，關于路徑向量起始于張量T43的點或位置、指向張量T33所在的點的概率顯著大于指向張量T31所在的點的概率。類似地，對所有其他路徑向量進行分析。由此，路徑P2的評分高于路徑P1的評分。
[0075]有關神經(jīng)纖維的已知屬性的若干信息可用做評分的數(shù)據(jù)獨立部分。針對本示例性實施例的神經(jīng)纖維而言，已經(jīng)知道其具有向右的普遍曲率。在張量T43所在的點或位置開始，路徑P2繼續(xù)向右，而P1前進到左側。這造成P2的評分的數(shù)據(jù)獨立部分要大于P1的評分的數(shù)據(jù)獨立部分。
[0076]本示例性實施例的特定神經(jīng)纖維的另一已知屬性是路徑不太可能出現(xiàn)急轉彎。然而，相對于輸入路徑向量而言，與針對指向張量T33所在的點的路徑P2的路徑向量的顯著較小的方向變化相比，從張量T43所在的點向張量T31所在的點分出的路徑P1要具有很強的方向變化。基于神經(jīng)纖維已知的平滑特性，路徑P1所具有的評分的數(shù)據(jù)獨立部分要低于路徑P2。
【權利要求】
1.一種用于確定患者體內神經(jīng)纖維的路徑(P)的數(shù)據(jù)處理方法，包括以下步驟: a)獲取圖譜數(shù)據(jù)集(A)，所述圖譜數(shù)據(jù)集(A)表示包括神經(jīng)纖維的纖維結構的圖譜； b)獲取神經(jīng)指示數(shù)據(jù)集(DTI)，所述神經(jīng)指示數(shù)據(jù)集(DTI)包括適用于識別患者體內神經(jīng)纖維的信息； c)通過向所述神經(jīng)指示數(shù)據(jù)集(DTI)注冊所述圖譜數(shù)據(jù)集，計算出匹配的圖譜數(shù)據(jù)集(MA)； d)從所述匹配的圖譜數(shù)據(jù)集(MA)獲得神經(jīng)纖維的通用路徑(Pe)； e)圍繞所述通用路徑(Pe)定義出患者體內的約束體積(V)，所述約束體積(V)具有至少兩個使所述通用路徑(Pe)終止于此的端面(ES1，ES2);和 f)使用概率法確定端面(ESI，ES2)之間的神經(jīng)纖維的路徑(P)，其中所確定的路徑(P)完全位于所述約束體積(V)內部。
2.根據(jù)權利要求1所述的方法，其中，所述神經(jīng)指示數(shù)據(jù)集是擴散張量成像(DTI)數(shù)據(jù)集或者穩(wěn)態(tài)下構造干涉(CISS)數(shù)據(jù)集。
3.根據(jù)權利要求1或2中任一項所述的方法，其中，確定神經(jīng)纖維的路徑包括:選擇所述端面中的一個端面(ESl)上的種子點(SI)作為當前點；根據(jù)所述當前點上的所述神經(jīng)指示數(shù)據(jù)集中的數(shù)據(jù)來計算路徑向量，所述路徑向量具有長度和方向并起始于所述當前點；將所述前點存儲為所述神經(jīng)纖維的路徑上的點；使用所述路徑向量的端點作為當前點；以及，如果所述路徑向量未終止于另一端面(ES2)或未延伸穿過另一端面(ES2)，則返回至所述路徑向量計算步驟，或者如果所述路徑向量延伸穿過所述約束體積(V)的任何其他表面,則停止。
4.根據(jù)權利要求1或2中任一項所述的方法，其中，確定神經(jīng)纖維的路徑包括:選擇有數(shù)據(jù)存在于所述數(shù)據(jù)指示數(shù)據(jù)集中的點的序列，其中所述序列中的點的數(shù)目小于預定點數(shù)目，所述序列的起點和終點位于端面(ES1，ES2)之上或之后，并且所有其他點均位于所述約束體積(V)內部。
5.根據(jù)權利要求4所述的方法，其中，所述序列中的連續(xù)兩點的距離小于預定距離閾值。
6.根據(jù)權利要求1至5中任一項所述的方法，其中，通過重復步驟f)來確定出多個路徑。
7.根據(jù)權利要求6所述的方法，其中，還包括向所確定的路徑中的每個路徑分配評分的步驟。
8.根據(jù)權利要求7所述的方法，其中，還包括丟棄所有評分低于預定評分閾值的路徑的步驟。
9.根據(jù)權利要求7或8所述的方法，其中，所述評分根據(jù)所述神經(jīng)指示數(shù)據(jù)集來計算。
10.根據(jù)權利要求7至9中任一項所述的方法，其中，根據(jù)表示有關神經(jīng)纖維的已知屬性的信息的路徑屬性數(shù)據(jù)集來計算所述評分。
11.根據(jù)權利要求1至10中任一項所述的方法，其中，在步驟C)中計算所述匹配的圖譜數(shù)據(jù)集包括:向中間形態(tài)圖譜數(shù)據(jù)集(A-MRI)注冊所述圖譜數(shù)據(jù)集(A)，以獲得中間圖譜數(shù)據(jù)集(IA);向中間形態(tài)患者數(shù)據(jù)集(P-MRI)注冊所述中間形態(tài)圖譜數(shù)據(jù)集(A-MRI)，以獲得第一變換規(guī)則(Π);向所述神經(jīng)指示數(shù)據(jù)集(DTI)注冊所述中間形態(tài)患者數(shù)據(jù)集(P-MRI)，以獲得第二變換規(guī)則(f2);以及，使用所述第一變換規(guī)則(fl)和第二變換規(guī)則(f2)將所述中間圖譜數(shù)據(jù)集(IA)與所述神經(jīng)指示數(shù)據(jù)集(DTI)匹配。
12.根據(jù)權利要求1至11中任一項所述的方法，其中，所述約束體積(V)呈管狀，并以所述通用路徑(Pe)為中心。
13.一種計算機程序，所述程序當運行在計算機(2)上時或者當加載于計算機(2)上時，使所述計算機(2)執(zhí)行如權利要求1至12中任一項所述的方法，和/或一種存儲所述程序的程序存儲介質，具體說是以非暫時形式來存儲所述程序的程序存儲介質。
14.一種計算機(2)，其中運行有根據(jù)權利要求13所述的程序，或者其中的存儲器(4)加載有根據(jù)權利要求13所述的程序。
15.一種醫(yī)療診斷系統(tǒng)(I)，其包括根據(jù)權利要求14所述的計算機(2)和用于從數(shù)據(jù)存儲器⑶和/或成像設備(9)獲取至少圖譜數(shù)據(jù)集㈧和神經(jīng)指示數(shù)據(jù)集(DTI)的接口⑷。
【文檔編號】G06T7/00GK104169967SQ201280071270
【公開日】2014年11月26日 申請日期:2012年8月9日 優(yōu)先權日:2012年8月9日
【發(fā)明者】萊納·拉赫訥, 安德列亞斯·布魯姆霍夫 申請人:博醫(yī)來股份公司