專利名稱：用于將主動表觀模型應(yīng)用于圖像分析的系統(tǒng)和方法
技術(shù)領(lǐng)域：
總地來說，本發(fā)明涉及使用統(tǒng)計模型的圖像分析。
背景技術(shù)：
形狀和表觀統(tǒng)計模型是用于解譯數(shù)字圖像的強(qiáng)大工具?？勺冃谓y(tǒng)計模型已經(jīng)被應(yīng)用到包括面貌識別、工業(yè)檢驗、和醫(yī)學(xué)圖像解譯的許多領(lǐng)域。諸如主動形狀模型和主動表觀模型的可變形模型可以被應(yīng)用于具有復(fù)雜和可變結(jié)構(gòu)的包括噪聲和可能分辯困難的圖像。一般地，形狀模型將對象模型與圖像中的目標(biāo)對象的邊界相匹配，而表觀模型使用模型參數(shù)，以利用形狀和紋理(texture)識別合成完整的圖像匹配并從該圖像中再生目標(biāo)對象。
諸如由Cootes等人在關(guān)于計算機(jī)視覺的歐洲研討會上發(fā)表的題為“主動表觀模型”中的形狀和表觀三維統(tǒng)計模型已經(jīng)被應(yīng)用于解譯醫(yī)學(xué)圖像，但是，生物構(gòu)造中存在的內(nèi)部和外部個體可變性會使圖像解譯很困難。醫(yī)學(xué)圖像解譯中的很多應(yīng)用都涉及需要具有控制圖像結(jié)構(gòu)處理和分析能力的自動化系統(tǒng)。醫(yī)學(xué)圖像一般具有幾類不同的對象，因此，可變形模型需要維持其表示的對象類的本質(zhì)特征，但是還可以變形以符合對象實例的具體范圍。一般地，該模型應(yīng)該能夠生成模型對象表示的似乎真實和合法的對象類的任何有效的目標(biāo)對象。然而，現(xiàn)有的模型系統(tǒng)不檢驗由模擬的對象類表示的圖像中目標(biāo)對象的存在。現(xiàn)有模型系統(tǒng)的另一個缺點在于它們不能識別最好的模型對象，以用于具體圖像。例如，在醫(yī)學(xué)成像應(yīng)用中，需要分割病理解剖學(xué)(pathological anatomy)。病理解剖學(xué)比生理解剖學(xué)具有更加明顯的可變性。在表示模型中模擬病理解剖學(xué)的所有變化的重要的副作用是模型對象可以“認(rèn)識到”錯誤的形狀，從而找到次佳的解決方法。這可以由以下事實導(dǎo)致在模型對象生成期間存在基于實例訓(xùn)練圖像的生成步驟，模型對象能夠認(rèn)識實際上可能并不存在的實例形狀。
現(xiàn)有模型系統(tǒng)的其它缺點包括圖像的再生目標(biāo)對象在空間和/或時間上的不均勻分布，以及對于確定圖像中識別的目標(biāo)對象的病變?nèi)狈椭?br> 本發(fā)明的目的在于提供一種可變形統(tǒng)計模型的圖像解譯系統(tǒng)和方法，以消除或減小至少一些上述缺點。

發(fā)明內(nèi)容
根據(jù)本發(fā)明，提供了一種具有用于解譯數(shù)字圖像的統(tǒng)計表觀模型的圖像處理系統(tǒng)，該表觀模型具有至少一個模型參數(shù)，該系統(tǒng)包括多維第一模型對象，其包括相關(guān)的第一統(tǒng)計關(guān)系，且被配置用于變形為近似于數(shù)字圖像中的多維目標(biāo)對象的形狀和紋理；多維第二模型對象，其包括相關(guān)的第二統(tǒng)計關(guān)系，且被配置用于變形為近似于數(shù)字圖像中的目標(biāo)對象的形狀和紋理，第二模型對象具有不同于第一模型對象的形狀和紋理結(jié)構(gòu)；搜索模塊，用于將第一模型對象應(yīng)用于用于生成近似于目標(biāo)對象的形狀和紋理的多維第一輸出對象的圖像，并且計算第一輸出對象和目標(biāo)對象之間的第一誤差，以及用于將第二模型對象應(yīng)用于用于生成與目標(biāo)對象的形狀和紋理近似的多維第二輸出對象的圖像，并且計算第二輸出對象和目標(biāo)對象之間的第二誤差；選擇模塊，用于比較第一誤差與第二誤差，使得選擇具有最小顯著誤差(significant error)的輸出對象中的一個；以及輸出模塊，用于將表示所選輸出對象的數(shù)據(jù)提供給輸出。
根據(jù)本發(fā)明的另一方面，提供了一種具有用于解譯數(shù)字圖像序列的統(tǒng)計表觀模型的圖像處理系統(tǒng)，該表觀模型具有至少一個模型參數(shù)，該系統(tǒng)包括多維模型對象，其包括相關(guān)的統(tǒng)計關(guān)系，該模型對象被配置用于變形為近似于數(shù)字圖像中的多維目標(biāo)對象的形狀和紋理；搜索模塊，用于選擇模型對象且將其應(yīng)用于用于生成近似于目標(biāo)對象的形狀和紋理的多維輸出對象的對應(yīng)序列的圖像，該搜索模塊計算每個輸出對象和目標(biāo)對象之間的誤差；內(nèi)插模塊，用于基于序列中相鄰輸出對象之間期望的預(yù)定義變化，識別在輸出對象序列中的至少一個無效輸出對象，該無效輸出對象具有初始模型參數(shù)；以及輸出模塊，用于將表示輸出對象序列的數(shù)據(jù)提供給輸出。
根據(jù)本發(fā)明的再一方面，提供了一種解譯具有統(tǒng)計表觀模型的數(shù)字圖像的方法，該表觀模型具有至少一個模型參數(shù)，該方法包括以下步驟提供多維第一模型對象，其中，多維第一模型對象包括相關(guān)的第一統(tǒng)計關(guān)系，并且被配置用于變形為近似于數(shù)字圖像中的多維目標(biāo)對象的形狀和紋理；提供多維第二模型對象，其中，多維第二模型對象包括相關(guān)的第二統(tǒng)計關(guān)系，并且被配置用于變形為近似于數(shù)字圖像中的目標(biāo)對象的形狀和紋理，第二模型對象具有不同于第一模型對象的形狀和紋理；將第一模型對象應(yīng)用于用于生成近似于目標(biāo)對象的形狀和紋理的多維第一輸出對象的圖像；計算第一輸出對象和目標(biāo)對象之間的第一誤差；將第二模型對象應(yīng)用于用于生成近似于目標(biāo)對象的形狀和紋理的多維第二輸出對象的圖像；計算第二輸出對象和目標(biāo)對象之間的第二誤差；比較第一誤差和第二誤差，使得選擇具有最小顯著誤差的輸出對象中的一個；以及將表示所選輸出對象的數(shù)據(jù)提供給輸出。
根據(jù)本發(fā)明的又一方面，提供了一種用于利用統(tǒng)計表觀模型來解譯數(shù)字圖像的計算機(jī)程序產(chǎn)品，該表觀模型具有至少一個模型參數(shù)，該計算機(jī)程序產(chǎn)品包括計算機(jī)可讀介質(zhì)，其上存儲有對象模塊，其中，對象模塊被配置為具有包括相關(guān)第一統(tǒng)計關(guān)系且被配置用于變形為近似于數(shù)字圖像中的多維目標(biāo)對象的形狀和紋理的多維第一模型對象，以及包括相關(guān)第二統(tǒng)計關(guān)系且被配置用于變形為近似于數(shù)字圖像中的目標(biāo)對象的形狀和紋理的多維第二模型對象；搜索模塊，存儲在計算機(jī)可讀介質(zhì)上，用于將第一模型對象應(yīng)用于用于生成與目標(biāo)對象的形狀和紋理近似的多維第一輸出對象的圖像，并且計算第一輸出對象和目標(biāo)對象之間的第一誤差，以及用于將第二模型對象應(yīng)用于用于生成近似于目標(biāo)對象的形狀和紋理的多維第二輸出對象的圖像，并且計算第二輸出對象和目標(biāo)對象之間的第二誤差，第二模型對象具有不同于第一模型對象的形狀和紋理；選擇模塊，其連接到搜索模塊，用于比較第一誤差和第二誤差，使得選擇具有最小顯著誤差的輸出對象中的一個；以及輸出模塊，連接到選擇模塊，用于將表示所選輸出對象的數(shù)據(jù)提供給輸出。
根據(jù)本發(fā)明的又一方面，提供了一種用于解譯具有統(tǒng)計表觀模型的數(shù)字圖像的方法，該表觀模型具有至少一個模型參數(shù)，該方法包括以下步驟提供包括相關(guān)統(tǒng)計關(guān)系的多維模型對象，該模型對象被配置用于變形為近似于數(shù)字圖像中的多維目標(biāo)對象的形狀和紋理；將模型對象應(yīng)用于用于生成近似于目標(biāo)對象的形狀和紋理的多維輸出對象對應(yīng)序列的圖像；計算每個輸出對象和目標(biāo)對象之間的誤差；基于相鄰輸出目標(biāo)序列之間的期望的預(yù)定義變化，識別輸出對象序列中的至少一個無效輸出對象，該無效輸出對象具有初始模型參數(shù)；以及將表示輸出對象序列的數(shù)據(jù)提供給輸出。


參考附圖，本發(fā)明優(yōu)選實施例的上述及其它特征在下面的詳細(xì)描述中將變得更加明顯。
圖1是圖像處理系統(tǒng)的框圖；圖2是圖1所示系統(tǒng)的實例應(yīng)用；圖3a是圖1所示系統(tǒng)的目標(biāo)對象可變性的實例；圖3b是圖1所示系統(tǒng)的目標(biāo)對象可變性的又一實例；圖4是用于解譯諸如圖3a和圖3b所示的目標(biāo)對象可變性的圖像處理系統(tǒng)的框圖；圖5是圖4所示多模型AAM的操作實例；圖6是圖4所示系統(tǒng)的訓(xùn)練圖像組的實施例；圖7是用于解譯諸如圖6所示的目標(biāo)對象可變性的圖像處理系統(tǒng)的框圖；圖8是圖7所示系統(tǒng)的操作實例；圖9是圖7所示系統(tǒng)的模型參數(shù)的定義實例；圖10是用于為圖11所示的輸出對象插入模型參數(shù)的圖像處理系統(tǒng)；圖11是圖10所示系統(tǒng)的實現(xiàn)實例；以及圖12是圖10所示系統(tǒng)的操作實現(xiàn)的實例。
具體實施例方式
圖像處理系統(tǒng)參考圖1，圖像處理計算機(jī)系統(tǒng)10包括存儲器12，其通過總線16連接到處理器14。存儲器12具有主動表觀模型(AAM)，該主動表觀模型包括所關(guān)心的包括在數(shù)字圖像或數(shù)字圖像組18中的目標(biāo)對象200(參見圖2所示)的形狀和灰度級的統(tǒng)計模型對象。AAM的統(tǒng)計模型對象包括兩個主要部件對象表觀(形狀和紋理)的參數(shù)化3D模型20、以及參數(shù)位移(parameter displacement)和感應(yīng)圖像殘留(induced image residual)之間的關(guān)系統(tǒng)計估計22，可以允許如下面進(jìn)一步描述的目標(biāo)對象200的形狀和表觀的完全合成。認(rèn)可的是，目標(biāo)對象200的紋理涉及在包括目標(biāo)對象200的圖像18中的單獨像素的圖像強(qiáng)度或像素值。
系統(tǒng)10可以使用訓(xùn)練(training)模塊24來確定模型參數(shù)位移與在訓(xùn)練階段習(xí)知的殘留誤差(residual error)之間的局部線性(例如)關(guān)系22，以從訓(xùn)練圖像組26中導(dǎo)出什么是有效形狀和強(qiáng)度變化。關(guān)系22作為模型AAM的一部分結(jié)合在其中。搜索模塊28在搜索階段利用AAM的確定關(guān)系22，以幫助從圖像18中識別和再生模擬目標(biāo)對象200。為了匹配圖像18中的目標(biāo)對象200，以下將進(jìn)一步描述，模塊28測量殘留誤差并使用AAM預(yù)測當(dāng)前模型參數(shù)的變化，以通過輸出模塊31生成表示預(yù)期目標(biāo)對象200再生的輸出30。然而，用于圖像解譯的AAM的使用可以認(rèn)為是優(yōu)化問題，其中，選擇模型參數(shù)，使得AAM的合成模型圖像和在圖像18中搜索到的目標(biāo)對象200之間的差值(誤差)最小。認(rèn)可的是，處理系統(tǒng)10還可以只包括搜索模塊28的可執(zhí)行版本、AAM、和圖像18，使得訓(xùn)練模塊24和訓(xùn)練圖像26被預(yù)先實施，以構(gòu)造由系統(tǒng)10使用的AAM部件20、22。
再次參考圖1，系統(tǒng)10還具有用戶界面32，其通過總線16連接至處理器14，以與用戶(未示出)互相作用。用戶界面32可以包括例如但不限于QWERTY鍵盤、輔助鍵盤、撥輪(trackwheel)、唱針、鼠標(biāo)、麥克風(fēng)的一個或多個輸入裝置、以及諸如LCD屏幕顯示器和/或揚(yáng)聲器的用戶輸出裝置。如果屏幕是觸敏開關(guān)(touchsensitive)，則顯示器也可以用作由處理器14控制的用戶輸入裝置。為了再生目標(biāo)對象200作為用戶界面32上的輸出30，系統(tǒng)10的用戶使用用戶界面32，以利用可變形模型AAM來解譯數(shù)字圖像18。輸出30可以由顯示在屏幕上和/或以文件存儲在存儲器12中的目標(biāo)對象200的合成輸出對象圖像表示為一組提供與目標(biāo)對象200的合成輸出對象圖像有關(guān)信息的描述性數(shù)據(jù)或其結(jié)合。進(jìn)一步，認(rèn)可的是，系統(tǒng)10可以包括計算機(jī)可讀存儲介質(zhì)34，其通過總線16連接至處理器14，用于向處理器14提供指令和/或加載/更新存儲器12中的模塊24、28、模型AAM、以及圖像18、26的系統(tǒng)10的部件。計算機(jī)可讀介質(zhì)34可以包括硬件和/或軟件，例如只作為實例的磁盤、磁帶、諸如CD/DVD ROM的光學(xué)可讀介質(zhì)、以及存儲卡。在每種情況下，計算機(jī)可讀介質(zhì)34可以采用小磁盤、軟盤、盒式磁帶、硬盤驅(qū)動、固態(tài)存儲卡、或設(shè)置在存儲器12中的RAM的形式。應(yīng)該注意的是，以上列出的示例性計算機(jī)可讀介質(zhì)34可以單獨使用或結(jié)合使用。還認(rèn)可的是，對處理器14和/或加載/更新存儲器12中的系統(tǒng)10的部件的指令可以通過網(wǎng)絡(luò)(未示出)提供。
主動表觀模型算法實例參考圖1和圖2，在該部分將描述本領(lǐng)域公知的表觀模型AAM的實例是怎樣生成并執(zhí)行的。該方法可以包括歸一化(normalisation)和加權(quán)(weighting)步驟，以及點的子采樣(subsampling of point)。
訓(xùn)練階段統(tǒng)計表觀模型AAM包括訓(xùn)練對象201的形狀和灰度級表觀模型20，感興趣的目標(biāo)對象200的實例可以根據(jù)模型參數(shù)的壓縮集來“解釋”任何有效實例。一般地，模型AAM將具有50個或更多個參數(shù)，例如但不限于形狀和紋理參數(shù)C、旋轉(zhuǎn)參數(shù)、和尺度參數(shù)。這些參數(shù)可以用于圖像18更高級別的解譯。例如，當(dāng)分析面部圖像時，這些參數(shù)可以用來表征目標(biāo)面部的身份、姿態(tài)或表情。模型AAM是基于標(biāo)注訓(xùn)練圖像組26構(gòu)建的，其中關(guān)鍵界標(biāo)(landmark)點202標(biāo)注在每個實例訓(xùn)練對象201上。標(biāo)注的實例與公共坐標(biāo)系對準(zhǔn)，并且每個標(biāo)注實例可以由一個向量x表示。因此，通過將形狀歸一化幀中的形狀改變模型與表觀改變模型相結(jié)合生成模型AAM。例如，為了構(gòu)建解剖模型AAM，在關(guān)鍵位置用界標(biāo)點202標(biāo)注訓(xùn)練圖像26，以勾勒出大腦的主要特征，例如，諸如但不限于腦室、尾狀核、和豆?fàn)詈?如圖2所示)。
通過將本領(lǐng)域公知的主成分分析(principal component analysis，PCA)應(yīng)用到點202上實現(xiàn)訓(xùn)練模型24生成形狀改變的統(tǒng)計模型20。任何隨后的目標(biāo)對象200可以由下列等式近似x＝x+Psbs(1)其中，x是平均形狀，Ps是一組變化的正交模式，以及bs是一組形狀參數(shù)。
為了構(gòu)建灰度級表觀統(tǒng)計模型20，扭曲每個圖像實例，使得其控制點202與平均形狀匹配(例如，通過使用本領(lǐng)域公知的三角測量運算)。然后從由平均形狀覆蓋的區(qū)域上的形狀歸一化圖像中采樣灰度級信息gim。為了使全局照明變量(global lighting variation)最小，將縮放比例α和偏移量β應(yīng)用于歸一化采樣實例
g＝(gim-β)/α (2)選擇α和β值，以最佳匹配向量和歸一化平均值。使g為歸一化數(shù)據(jù)、縮放比例及偏移量的平均值，從而使得元素的總和為零，以及元素變化為整數(shù)。需要歸一化gim的α和β值由下式給出α＝gim·g，β＝(gim·1)/n(3)其中，n是向量中的元素個數(shù)。
當(dāng)然，獲得歸一化數(shù)據(jù)的平均值之后是遞歸處理，因為歸一化是根據(jù)平均值定義的。通過將其中一個實例用作平均值的第一估計、將其它值與它校準(zhǔn)(使用等式2和等式3)、重新估計平均值并迭代可以找到穩(wěn)定的解法。通過將PCA應(yīng)用于歸一化數(shù)據(jù)，可以獲得線性模型g＝g+Pgbg(4)其中，g是平均歸一化灰度級向量，Pg是一組變化的正交模式，bg是一組灰度級參數(shù)。
因此，任何實例的形狀和表觀模型20都可由向量bs和bg來概括。由于在形狀和灰度級變化之間存在相關(guān)性，所以我們可以將進(jìn)一步PCA應(yīng)用于下列數(shù)據(jù)。對于每個實例，可以生成連接向量b=[Wsbsbg]=[WsPsT(x-x‾)PgT(g-g‾)]---(5)]]>其中，Ws是用于每個形狀參數(shù)的權(quán)重的對角矩陣，其允許在單元中形狀和灰度級(如下所示)之間存在差別。將PCA應(yīng)用于這些向量，得出進(jìn)一步的模型
b＝Qc (6)其中，Q是特征向量，c是控制模型形狀和灰度級的表觀參數(shù)向量。由于形狀和灰度級參數(shù)具有零平均值，所以c也具有。注意，模型的線性特性允許直接將形狀和灰度級表示為c的函數(shù)x＝x+PsWsQsc，g＝g+PgQgc(7)其中，Q=(QsQg)---(8)]]>認(rèn)可的是，Qs、Qg是描述從包括訓(xùn)練對象201的訓(xùn)練圖像組26得出的變化模式的矩陣。這些矩陣是從真實訓(xùn)練組26(truetraining set)位置和感應(yīng)圖像殘留通過對隨機(jī)位移的線性回歸得到的。
再次參考圖1，在訓(xùn)練階段期間，模型AAM實例被訓(xùn)練圖像組26中的最佳位置的訓(xùn)練模型24隨機(jī)地替換，使得AAM認(rèn)識到形狀和強(qiáng)度變化的有效范圍。記錄被替換的模型AAM實例與圖像26之間的差別，并使用線性回歸來估計殘留(residual)和參數(shù)位移(例如，c和g之間)之間的關(guān)系22。注意，bs元素具有距離單位，bg元素具有強(qiáng)度單位，所以不能直接比較它們。由于pg具有正交列，所以以一個單位改變的bg以一個單位移動g。為了使bs和bg匹配，估計改變bs對采樣g的影響。為了做這件事，系統(tǒng)地將每個bs元素從其每個訓(xùn)練實例上的最佳值偏移，并且對給定替換形狀的圖像進(jìn)行采樣。形狀參數(shù)bs每單位的改變g的RMS改變給出將應(yīng)用于等式(5)中的那個參數(shù)的權(quán)重Ws。訓(xùn)練階段允許模型AAM確定每點202的變化，這為模型對象的每個相關(guān)部分提供運動和大小強(qiáng)度變化，以協(xié)助將可變形模型對象與圖像18中的目標(biāo)對象200匹配。
利用上述包括模型20和關(guān)系22的AAM算法實例，通過從向量g生成自由形狀的灰度級圖像并使用由x描述的控制點將其扭曲，為給定的c合成實例輸出圖像30。
搜索階段再次參考圖1和圖2，在搜索模型28進(jìn)行圖像搜索期間，確定參數(shù)，其將圖像18中的目標(biāo)對象200的像素與由模型20和關(guān)系22表示的合成模型AAM模型對象之間的差值最小化。假設(shè)目標(biāo)對象200呈現(xiàn)在具有與由模型20和關(guān)系22表示的模型對象稍有不同(變形)的特定形狀和表觀的圖像18中。將模型對象的初始估計置于圖像18中，并且通過逐點比較202測量當(dāng)前的殘留。關(guān)系22用于預(yù)測將產(chǎn)生更佳配合(fit)的當(dāng)前參數(shù)的改變。AAM的初始公式表達(dá)直接控制合成的形狀和灰度級參數(shù)?？蛇x方法將使用圖像殘留來驅(qū)動形狀參數(shù)，并直接從給定當(dāng)前形狀的圖像18計算灰度級參數(shù)。當(dāng)存在少量形狀模式和很多灰度級模式時，這種方法很有效。
因此，搜索模塊28將圖像18解譯視作最優(yōu)化問題，其中，考慮中的圖像18與由表觀模型AAM合成的圖像之間的差值被最小化。所以，給出一組模型參數(shù)c，模塊28生成模型AAM實例的形狀x、和紋理gm的假設(shè)。比較假設(shè)與圖像，模塊28使用模型AAM的建議形狀對圖像紋理gs進(jìn)行采樣，并計算差值。差值的最小化導(dǎo)致模型AAM的收斂(convergence)，并導(dǎo)致搜索模塊28產(chǎn)生輸出30。
認(rèn)可的是，上述模型AAM還可以包括例如但不限于本領(lǐng)于公知的形狀A(yù)AM、主動斑點(active blob)、形態(tài)模型、以及直接表觀模型(direct appearance model)。術(shù)語“主動表觀模型(AAM)”一般是指上述線性和形狀表觀模型類，并且毫無疑問的是不只限于上述實例模型AAM的具體算法。還認(rèn)可的是，模型AAM可以使用不同于上述誤差圖像與形狀和表觀參數(shù)的附加增量之間的線性關(guān)系22。
目標(biāo)對象中的可變性參考圖1，當(dāng)前的多維AAM模型不檢驗圖像18中的由具體的多維模型對象恰當(dāng)表示的目標(biāo)對象200(參見圖2)的存在。換句話說，當(dāng)前的多維模型AAM模式找出了圖像18中的具體多維模型對象的最佳匹配，但是不核對模擬的目標(biāo)對象200是否實際存在于圖像18中。用于具體圖像18的AAM最佳目標(biāo)模型的識別在醫(yī)學(xué)成像市場上具有重大的意義。在醫(yī)學(xué)成像應(yīng)用中，目的在于分割病理解剖學(xué)。病理解剖學(xué)比生理解剖學(xué)具有更大的可變性。對一個模型對象中的病理解剖學(xué)的所有變化進(jìn)行模擬的重大的副作用是模型AAM可以“認(rèn)識到”錯誤的形狀，從而找出次佳的解決方法。在學(xué)習(xí)階段期間的不正確學(xué)習(xí)可以由下列事實導(dǎo)致在模型生成期間，存在基于訓(xùn)練實例圖像26的一般化步驟。
參考圖3a，實例器官O具有寬和高都設(shè)為1cm的正方形生理形狀。一旦病人感染病狀A(yù)，器官O的高度變?yōu)樾∮?cm，而如果病人感染病狀B，則器官O的寬度變?yōu)樾∮?cm。在該實施例中，需要注意，不存在具有寬度和高度同時小于1cm的器官O的有效病狀。在此實施例中認(rèn)可的是，圖4的訓(xùn)練實例圖像426不包括寬度和高度同時小于1cm的器官O的訓(xùn)練模型。參考圖3b，示出了圖4中的圖像18被表示為一組用于表示病人腦部340的三維容量的2D切片。根據(jù)單個圖像18切片的厚度，可以看出一個切片342可以包括左腦室346和右腦室348，而切片344可以只包括左腦室346?？紤]到上述情況，存在這樣的例子圖像18可以包括目標(biāo)對象中的顯著變化，使得AAM的一個指定模型對象不能夠得出期望的輸出30，例如但不限于兩個腦室模型對象應(yīng)用于僅具有一個腦室或病狀A(yù)的圖像418、或應(yīng)用于包括僅具有病狀B的器官O的圖像418。認(rèn)可的是，目標(biāo)對象中的顯著變化的其他實例可以存在于空間和/或時間維度中。
復(fù)合模型(Multiple Model)參考圖4，相似的元素具有相同的參考數(shù)字，且在圖1中給出對這些元素的描述。圖像處理計算機(jī)系統(tǒng)410具有通過總線16連接至處理器14的存儲器12。存儲器12具有包括復(fù)合統(tǒng)計模型對象的主動表觀模型(AAM)，其中，至少一個統(tǒng)計模型對象可能適合于模擬包括在數(shù)字圖像或數(shù)字圖像組418中感興趣的目標(biāo)對象200(參見圖2)的形狀和灰度級。用于心臟應(yīng)用的各種模型對象的實例用于例如但不限于心室模型、尾狀核模型、以及豆?fàn)詈四Ｐ?，這些模型可以用來從合成的心臟圖像418中識別并分割各個解剖體(anatomy)。AAM的統(tǒng)計2D模型對象包括對象表觀(形狀和紋理)的參數(shù)化2D模型420a、420b的主要部件以及參數(shù)位移和感應(yīng)圖像殘留之間關(guān)系的統(tǒng)計估計422a、422b，可以允許如下進(jìn)一步描述的目標(biāo)對象200的形狀和表觀的完全合成。除部件420a、420b是2D空間而不是系統(tǒng)10的部件20(參見圖1)的3D模型對象之外，部件420a、420b以及422a、422b在內(nèi)容上與上述部件20、22相似。而且，系統(tǒng)410的模型AAM的部件420a、422a表示一個模型對象和相關(guān)統(tǒng)計信息，諸如圖3a示出的用于器官O的病狀A(yù)的模型對象和用于器官O的病狀B的部件420b、422b。另一個實例是，部件420a、422a表示圖3b示出的切片342的兩個腦室?guī)缀谓Y(jié)構(gòu)，部件420b、422b表示切片344的一個腦室?guī)缀谓Y(jié)構(gòu)。認(rèn)可的是，系統(tǒng)410的模型AAM具有兩組或多組表示目標(biāo)對象200(參見圖2)結(jié)構(gòu)中的預(yù)定義變化的2D模型對象(部件420a、420b和422a、422b)，例如但不限于與圖像418容量內(nèi)位置有關(guān)和/或與變化的病狀有關(guān)的解剖體幾何結(jié)構(gòu)。
系統(tǒng)410可以使用訓(xùn)練模塊424來確定在訓(xùn)練階段得到的模型參數(shù)位移和殘留誤差之間的多個局部線性(例如)關(guān)系422a、422b，以從包括與訓(xùn)練對象201(參見圖2)相似的目標(biāo)對象200的各種不同結(jié)構(gòu)/幾何結(jié)構(gòu)的適當(dāng)訓(xùn)練圖像組26中指示出什么是有效形狀和密度變化。關(guān)系422a、422b被結(jié)合作為模型AAM的一部分。因此，訓(xùn)練模塊424用于生成具有將多個2D模型對象應(yīng)用于圖像418的能力的模型AAM。搜索模塊428在搜索階段使用AAM的預(yù)定關(guān)系422a、422b，以協(xié)助從圖像418中識別和再生模擬目標(biāo)對象200。搜索模塊428將每個2D模型對象(部件420a、420b和422a、422b)應(yīng)用于圖像418，以試圖識別并合成目標(biāo)對象200。為了匹配圖像418中的目標(biāo)對象200，模塊428測量殘留誤差并使用AAM預(yù)測當(dāng)前模型參數(shù)的變化，以產(chǎn)生表示期望目標(biāo)對象200的再生的輸出30。認(rèn)可的是，處理系統(tǒng)410還可以僅包括搜索模塊428的可執(zhí)行版本、AAM、以及圖像418，使得預(yù)先執(zhí)行訓(xùn)練模塊424和訓(xùn)練圖像426，以構(gòu)建系統(tǒng)410使用的AAM的部件420a、420b和422a、422b。系統(tǒng)410還使用選擇模塊402，以選擇搜索模塊428應(yīng)用的最能表示期望目標(biāo)對象200的2D模型對象。
再次參考圖4，在一般情況下，具有圖像組418和一組在模擬圖像418中存在的目標(biāo)對象200(參見圖2)的2D模型對象M1...Mn。系統(tǒng)410的AAM算法可以選擇哪個2D模型Mi最能表示圖像418中的目標(biāo)對象200。為此問題給出了兩個實例解法，一個是一般解法，第二個則要求關(guān)于該問題領(lǐng)域的更多信息。注意到，這些解法不是相互排斥的。
一般解法一般解法是通過具有圖像418中每個模型Mi搜索模塊428搜索目標(biāo)對象200，以及選擇具有最適當(dāng)/小誤差的輸出30，其中，該誤差估計為例如從選擇的2D模型Mi生成的輸出圖像30與圖像418中的目標(biāo)對象200之間的差值。注意到，如上述參考主動表觀模型算法的實例，圖像418可以在一系列附加約束條件(例如，圖像418中的模型對象的空間中心處在特定區(qū)域中)下被搜索，并且如果需要的話，這些約束條件對于所有模型Mi可以是相同的。因此，兩個或多個所選擇2D模型Mi通過搜索模塊428應(yīng)用到圖像418上，以搜索目標(biāo)對象200。選擇模塊402分析表示每個模型Mi和目標(biāo)對象200之間的各個配合的誤差，并選擇具有最小誤差的配合(輸出30)，以隨后顯示在界面32上。
還應(yīng)注意的是，已經(jīng)提出了若干用來測量通過模型Mi生成并通過模塊31輸出的圖像輸出30和實際圖像418之間差值的誤差測量方法。例如，提出L2標(biāo)準(zhǔn)、Mahalanobis、和Lorentzian公制作為誤差測量方法的Stegmann。這些測量方法中的任意一個對于包括根據(jù)試驗提供充分結(jié)果的平均誤差的本發(fā)明都是有效的 其中，模型采樣是在模型Mi中定義的采樣個數(shù)。平均誤差是相對獨立于使用的模型Mi的值(在Mahalanobis距離中，每個采樣與圖像之間的差值由采樣方差加權(quán))。認(rèn)可的是，在每個模型Mi由不同數(shù)目的點202(參見圖2)組成的情況下，將來自AAM的復(fù)合模型Mi的每個選擇的模型Mi應(yīng)用于圖像418的平均誤差可以被歸一化，以協(xié)助選擇具有最匹配模型Mi的目標(biāo)對象200。
特殊解法實例第二種方法是基于模型Mi或模型組Mi的選擇，以基于圖像418中的其他預(yù)定義對象的存在和/或圖像418中的其他器官與病人的其他圖像418的相對位置使用。例如，在心臟分析中，如果從不同的檢查或基于病人病史在病人的心肌層中的任何圖像中(破壞的結(jié)果)找到了死組織，則搜索模塊428的算法將選擇“心肌梗塞模型(myocardial infracted model)”用于識別圖像418中的心臟，而不是心臟的正常生理模型Mi。相同的想法可以應(yīng)用在更簡單的情況中，例如可以基于病人的年齡或性別來選擇模型Mi。在該實例中認(rèn)可的是，在訓(xùn)練階段，可以將各種標(biāo)記與訓(xùn)練圖像426中的目標(biāo)對象200相關(guān)聯(lián)，用于表示預(yù)定義的病狀和/或解剖體幾何結(jié)構(gòu)。還可以將這些標(biāo)記與表示各種預(yù)定義病狀/幾何結(jié)構(gòu)的個模型Mi相關(guān)聯(lián)。
注意到，用于具體圖像418上的器官(目標(biāo)對象200)的分割選擇最好的模型Mi的潛在好處不限于改善分割。模型Mi的選擇實際上可以提供關(guān)于病人出現(xiàn)的病狀的有價值的信息。例如，在圖3a中，模型A而不是模型B的選擇表明在輸出30中識別的具有器官O的病人表現(xiàn)出病狀A(yù)的潛在診斷，將在下面進(jìn)一步描述。
復(fù)合模型AAM的操作參考圖4和圖5，以下描述AAM算法的多個2D模型Mi的操作500?；谟糜诜指钸x擇的解剖體，通過系統(tǒng)410選擇期望的目標(biāo)對象類(步驟502)。使得多個訓(xùn)練圖像426表示目標(biāo)對象類的多種形式，即，包括目標(biāo)對象200的各種不同結(jié)構(gòu)/幾何結(jié)構(gòu)(參見圖2所示)(步驟504)。訓(xùn)練模型424用于為每個模型420a、420b確定模型參數(shù)位移與殘余誤差之間的復(fù)合關(guān)系422a、422b，以從訓(xùn)練圖像組426導(dǎo)出什么是有效形狀及強(qiáng)度變化(步驟506)。然后通過訓(xùn)練模型424將多個模型Mi包括在AAM中。在搜索階段，搜索模塊428使用選擇的AAM的模型Mi，以協(xié)助從圖像418中識別且再生模擬目標(biāo)對象200，其中，搜索模塊428將兩個或多個選擇的2D模型Mi應(yīng)用于圖像418，以搜索目標(biāo)對象200(步驟508)。選擇模塊402分析表示每個選擇的2D模型Mi和圖像418的目標(biāo)對象200之間各個配合的誤差，并選擇具有最低誤差的配合(輸出30)(步驟510)。然后，通過輸出模塊31將輸出30顯示在界面32上(步驟512)。認(rèn)可的是，步驟502、504、和506可以在來自AAM(搜索階段)應(yīng)用的分離部分(訓(xùn)練階段)完成。認(rèn)可的是，步驟508還可以包括附加信息的使用(例如，模型Mi標(biāo)記)，以協(xié)助模型Mi的選擇以應(yīng)用于圖像418。
上述的復(fù)合模型方法的另一個變化是為了分割一組圖像418(即，I1...In)，希望從模型組M1...Mn中找出最佳模型對象Mi。圖像418是諸如如下面描述的“AAM內(nèi)插(interpolation)”，其中，隨著時間的推移，為相同的空間位置(即，時間圖像序列)選擇相同的解剖圖像418。存在兩種可以用于將模型對象組M1...Mn應(yīng)用于圖像組I1...In的算法，例如但不限于下面介紹的“最小誤差準(zhǔn)則(minimum error criteria)”和“最常用模型(most used model)”。
最小誤差準(zhǔn)則將每個模型對象Mi應(yīng)用于圖像組418的每個圖像Ii。將每個模型對象Mi的圖像組I1...In的分割中的所有誤差相加，并選擇一個認(rèn)為具有最小顯著誤差的應(yīng)用模型對象Mi。對于給定的模型對象Mi的圖像組I1...In分割中的誤差被認(rèn)為是圖像組418中的每個圖像Ii的誤差總和(由于它們只是比例因子不同，所以也可以利用總平均誤差)。一旦選擇了一個模型對象Mi，則與所選模型對象Mi有關(guān)的輸出對象30被用于協(xié)助分割圖像組418。
最常用模型為每個模型Mi保持一個“使用頻率”分?jǐn)?shù)(score)Si。對于圖像組I1...In中的每個圖像Ii，利用所有模型對象M1...Mn分割圖像Ii。然后對各圖像Ii添加具有最小誤差的每個模型對象Mi的分?jǐn)?shù)Si。然后，系統(tǒng)410返回具有最大分?jǐn)?shù)Si的模型對象Mi，其表示最常由圖像組I1...In的圖像Ii的最小誤差導(dǎo)致的模型對象Mi。所以，也就是說，基于例如最小誤差準(zhǔn)則，選擇模型對象Mi(其被選擇用于圖像組中的大多數(shù)圖像Ii)。在這種情況下，選擇由最常通過圖像Ii基礎(chǔ)從圖像組中被選擇產(chǎn)生的模型對象Mi作為模型對象Mi，以在圖像組中提供用于所有圖像Ii的輸出對象30的序列。
混和模型還認(rèn)可的是，對于由空間圖像序列(在空間上分布的圖像Ii)表示的圖像組Ii...In，不同的模型對象Mi可以用于為所選擇的整個圖像組Ii...In的子集提供相應(yīng)的輸出對象30。對于給定的圖像子集選擇的每個模型對象Mi可以基于最小誤差準(zhǔn)則，從而將各個模型對象Mi與各個圖像I1...In進(jìn)行匹配，得到對于各個圖像Ii的最小誤差。換句話說，一個以上的模型對象Mi可以用于表示來自圖像組I1...In的一個或多個相應(yīng)圖像。
模型標(biāo)記參考圖7，相似的元素具有相同的標(biāo)號，并且已在圖4中給出這些元素的描述。系統(tǒng)410還具有確定模塊700，用于確定分配給輸出對象30的AAM模型參數(shù)值。訓(xùn)練模塊424用于向模型參數(shù)添加預(yù)定義的特征標(biāo)記，使得該標(biāo)記表明相關(guān)的目標(biāo)對象200(參見圖2所示)的已知條件，如下面進(jìn)一步所描述的。模型參數(shù)被分布在許多值域中，使得表明已知條件的不同預(yù)定義的特征被分配到每個域中。用于每個預(yù)定義特征的表示模型參數(shù)值被分配給訓(xùn)練圖像426中的各種目標(biāo)對象200，從而在訓(xùn)練期間(如上所述)被AAM獲知。模型參數(shù)值表明目標(biāo)對象200(參見圖2所示)的預(yù)定義特征，這有助于下面進(jìn)一步描述的對相關(guān)病狀的診斷。
在前一部分，描述了多個模型420a、420b、422a、422b如何被用于協(xié)助改進(jìn)目標(biāo)對象200的識別，以及最終如何協(xié)助改進(jìn)來自圖像418(參見圖4)的識別目標(biāo)對象200的分割。模型AAM還可以用于協(xié)助確定以與模型參數(shù)的離散值域相關(guān)的預(yù)定義特征形式分割的器官(如病狀)的附加信息。
參考圖2和圖6，注意到，AAM模型能夠基于模型參數(shù)C、大小和角度生成搜索的目標(biāo)對象200(實例中的心室600)近似逼真的圖像。位置將目標(biāo)對象位于圖像418中，使得心臟的AAM模型的輸出對象30與不同的模型參數(shù)C＝x1、x2、x3相關(guān)聯(lián)。注意到，值x1、x2、x3是搜索模塊428分配給輸出對象30的最好表示圖像418中的目標(biāo)對象的收斂C值。圖6的圖像426示出左心室602、右心室600、和右心室壁604的實例目標(biāo)對象。注意到，模型參數(shù)C是實際上確定輸出對象30形狀和紋理的參數(shù)。例如，C＝x1可以表示厚壁右心室600，C＝x2可以表示正常壁右心室600，以及C＝x3可以表示薄壁右心室600。認(rèn)可的是，如果需要的話，可以使用其他模型參數(shù)。
標(biāo)記操作參考圖8，AAM模型將參數(shù)C劃分為n個區(qū)域(步驟800)，使得在每個區(qū)域中，AAM模型表示特定預(yù)定義的特征。然后，通過例如心臟病專家將這些區(qū)域貼上具有那個特征的標(biāo)記，其中，心臟病專家輸入用于與訓(xùn)練圖像426中的各種訓(xùn)練對象的具體輪廓相關(guān)的特征標(biāo)記的文本(步驟802)。一旦搜索模塊428完成搜索，與該搜索的輸出對象30有關(guān)的模型參數(shù)C被用于通過確定模塊700識別參數(shù)值所屬的區(qū)域(步驟804)，以及為具有由輸出對象30模擬的心室604的病人分配預(yù)定義的特征(步驟806)。然后，通過輸出模塊31將表示輸出對象30和預(yù)定義特征的數(shù)據(jù)提供給輸出端(步驟808)。認(rèn)可的是，模塊428、31和700的各種功能可以被配置為除了所描述的功能，例如，搜索模塊428可以生成輸出對象30，然后基于關(guān)聯(lián)的模型參數(shù)值分配預(yù)定特征。
實例參數(shù)分配考慮一個實例?？紤]圖3a中的采樣器官O。利用所有有效訓(xùn)練圖像426(參見圖4)構(gòu)建AAM模型，并保持2個用于定義參數(shù)向量C(即，保持兩個特征向量)的部件。所以C空間實際上是R2。在這個空間中，每個點表示C值，從而表示AAM模型中的形狀和紋理?？梢杂脠D標(biāo)表示如圖9中所示的平面R2中的模型的位置。器官O的平均形狀(在原點處)是方形的。水平軸表示器官O的寬度變化，垂直軸表示高度變化。如在平面R2中可以看到，表示病狀A(yù)(高度小于1)的所有形狀靠攏，以及表示病狀B(寬度小于1)的所有形狀靠攏。從而可以生成兩個區(qū)域A、B，使得所有具有病狀A(yù)的形狀在區(qū)域A中，所有具有病狀B的形狀在區(qū)域B中。還可以定義區(qū)域N，其包括不應(yīng)該在圖像中識別的剩余形狀，因為他們沒有出現(xiàn)在訓(xùn)練組426中。
一旦完成對具體圖像418的AAM模型搜索，基于平面R2的劃分，在模型位置中得到的參數(shù)C可以用于確定病人的病狀類型。注意到，如果搜索識別出位于區(qū)域N中的參數(shù)C，則可將其用作表示搜索未成功的標(biāo)識。注意到，標(biāo)記模型參數(shù)的方法可以通過使用諸如但不限于旋度和尺度參數(shù)來擴(kuò)充。在這種情況下，可以考慮向量(C、尺度、旋度)來代替向量C，并且可以據(jù)此劃分并標(biāo)記此空間。
AAM內(nèi)插參考圖10，相似的元素具有相同的參考標(biāo)號，并在圖4中已給出這些元素的描述。系統(tǒng)410還具有內(nèi)插模塊1000，用于為錯誤輸出對象30在位置和/或時間插入替換輸出對象，該內(nèi)插基于錯誤輸出對象30任一側(cè)上的相鄰輸出對象30，如下面進(jìn)一步所描述的。認(rèn)可的是，當(dāng)對象可以分割為具有相同模型Mi的圖像組418時，AAM內(nèi)插涉及AAM模型用法的最優(yōu)化。
圖像418可以使得相同的解剖體在不同時間或在不同位置處被成像。在這種情況下，當(dāng)通過搜索模塊428分析時，圖像418互相平行。沿著搜索時間或位置順序排列圖像418，其可以表示為I0，...In(如圖11a所示)。注意到，所描述的方法是專用于橫截面2D圖像418(例如CT和MR圖像)，然而其還可用于其他圖像418，諸如但不限于熒光鏡圖像418。
從文獻(xiàn)中可以知道，圖像418中的搜索模型對象M是最優(yōu)化過程，其中，通過改變下列參數(shù)將模型對象圖像(輸出對象30)和圖像418中的目標(biāo)對象200之間的差值最小化，諸如但不限于1.圖像418內(nèi)模型對象Mi的位置；2.模型對象Mi的尺度(或大小)；3.模型對象Mi的旋轉(zhuǎn)；以及4.模型參數(shù)C(也可稱作綜合得分)，其是用于生成形狀和紋理值的向量。
在實際應(yīng)用中認(rèn)可的是，搜索模塊將模型對象Mi應(yīng)用于多個相鄰對象輸出圖像Ii(參見圖11a)，為某種意義上說不是最佳的輸出對象的其中一個生成一些解法●算法識別局部最小值而不是全局最小值；以及●目標(biāo)對象200的分割一般具有空間/時間連續(xù)性，其可能不能合適地表示在由于小誤差的存在而獲得的分割中。
再次參考圖11a，可以觀察到，輸出對象I2、I3、和I4具有與相鄰輸出對象I1和In相比的錯誤大特征1002，而且在I4中特征1002處于錯誤的位置。內(nèi)插模型1000(參見圖10)用于通過移除局部最小值并增強(qiáng)解法的時間/空間連續(xù)性來協(xié)助改進(jìn)輸出對象I0...In的分割，以提供如圖11b所示的校正輸出對象O1...On。內(nèi)插模型1000執(zhí)行的算法的步驟(參考圖12所示)如下1.通過搜索模塊428使用所選擇的模型對象M將圖像序列(時間的和/或空間的)中的所有圖像418分割(步驟1200)，以生成初始輸出對象I0，...On。對于每個初始輸出對象，將下列的初始值存儲于(步驟1202)，例如但不限于a.輸出對象的位置，b.輸出對象的大小，c.輸出對象的旋轉(zhuǎn)，d.分配給輸出對象的收斂模型參數(shù)(converged modelparameter)，以及
e.圖像418中的輸出對象和目標(biāo)對象之間的誤差(可以使用包括平均誤差在內(nèi)的幾個誤差測量標(biāo)準(zhǔn))。
2.在圖11a所示的實例中，我們基于下列原因拒絕某些分割(步驟1204)a.誤差大于特定閥值，和/或b.當(dāng)與平均值比較時，一個或多個輸出對象參數(shù)不在特定公差范圍內(nèi)，或離最小方線(minimal square line)(如果假設(shè)參數(shù)必須以例如線性的預(yù)定義關(guān)系改變時使用)太遠(yuǎn)。
3.假設(shè)至少兩個分割沒有被拒絕，為了提供來自于執(zhí)行線性內(nèi)插的對象30實例，每個被拒絕的輸出對象Ir上的分割可以以下方式計算。對于Ir上的每個被拒絕的分割(此例中的I2、I3、I4)a.識別0＜1＜r＜u＜n的兩個相鄰輸出對象I1和Iu(步驟1206)，使得(認(rèn)為其他實例是I1＝I0且Iu＝In)●輸出對象I1和Iu上的分割不被拒絕，以及●Ir和I1以及Ir和Iu之間圖像的所有分割都被拒絕。
如果不可能確定具有這些特征的1和u，則不能改進(jìn)對Ir的分割。
b.使用定義的內(nèi)插關(guān)系(例如但不限于線性)在I1和Iu之間插入模型參數(shù)C、姿勢、大小、位置、和角度(步驟1208)，以生成用作輸出對象Ir輸入?yún)?shù)的替換模型參數(shù)(步驟1210)。
c.然后使用內(nèi)插替換模型參數(shù)，搜索模塊428用于再次應(yīng)用模型對象Mi，以生成圖11b中示出的相應(yīng)的新分割O2、O3、O4。
d.前述步驟中確定的解法可以通過進(jìn)一步執(zhí)行常規(guī)AAM的一些步驟來最優(yōu)化(參見Coots的“迭代模型細(xì)分(Iterative ModelRefinement)”幻燈片或Stagmann的“簡單AAM動態(tài)(Dynamic ofsimple AAM)”幻燈片)。
參考圖11a和11b，在第一行中，對每個切片分別執(zhí)行分割。在第三個中間切片中，分割失敗且選擇局部最小值，然后，這些分割被拒絕，因為誤差大于所選擇的閥值。如底行中所示，內(nèi)插模塊使用上述給出的內(nèi)插算法恢復(fù)這些切片的分割。
應(yīng)該理解，僅通過實例，上述描述涉及優(yōu)選實施例。對系統(tǒng)10、410的許多變化對于本領(lǐng)域的技術(shù)人員是顯而易見的，并且這些變化在這里所描述和聲明的本發(fā)明的范圍內(nèi)。而且，認(rèn)可的是，目標(biāo)對象200、模型對象(420、422)、輸出對象30、圖像418、以及訓(xùn)練圖像426和訓(xùn)練對象201可以表示為多維元素，包括諸如但不限于2D、3D，以及結(jié)合的空間和/或時間序列。
權(quán)利要求書(按照條約第19條的修改)1.一種圖像處理系統(tǒng)，具有用于解譯數(shù)字圖像的統(tǒng)計表觀模型，所述表觀模型具有至少一個模型參數(shù)，所述系統(tǒng)包括多維第一模型對象，其包括相關(guān)第一統(tǒng)計關(guān)系，并且被配置用于變形為近似于所述數(shù)字圖像中的多維目標(biāo)對象的形狀和紋理，以及多維第二模型對象，其包括相關(guān)第二統(tǒng)計關(guān)系，并且被配置用于變形為近似于所述數(shù)字圖像中的所述目標(biāo)對象的所述形狀和紋理，所述第二模型對象具有不同于所述第一模型對象的形狀和紋理；搜索模塊，用于將所述第一模型對象應(yīng)用于用于生成近似于所述目標(biāo)對象的所述形狀和紋理的多維第一輸出對象的圖像，并且計算所述第一輸出對象和所述目標(biāo)對象之間的第一模型獨立誤差，以及用于將所述第二模型對象應(yīng)用于用于生成近似于所述目標(biāo)對象的所述形狀和紋理的多維第二輸出對象的圖像，并且計算所述第二輸出對象和所述目標(biāo)對象之間的第二模型獨立誤差；選擇模塊，用于比較所述第一模型獨立誤差和所述第二模型獨立誤差，使得選擇具有最小顯著模型獨立誤差的所述輸出對象中的其中一個；以及輸出模塊，用于將表示所述所選輸出對象的數(shù)據(jù)提供給輸出。
2.根據(jù)權(quán)利要求1所述的系統(tǒng)，其中，所述第一模型對象被最優(yōu)化以識別所述目標(biāo)對象中的第一個，以及所述第二模型對象被最優(yōu)化以識別所述目標(biāo)對象中的第二個，使得所述第二目標(biāo)對象具有不同于所述第一目標(biāo)對象的形狀和紋理結(jié)構(gòu)。
3.根據(jù)權(quán)利要求2所述的系統(tǒng)，還包括數(shù)字圖像組中的一個所述數(shù)字圖像，其中，所述模型對象的每一個均被配置用于被所述搜索模塊應(yīng)用于所述數(shù)字圖像組的每個所述數(shù)字圖像。
4.根據(jù)權(quán)利要求3所述的系統(tǒng)，還包括所述選擇模塊，所述選擇模塊被配置為基于歸于每個所述模型對象上的各個使用頻率分?jǐn)?shù)，選擇所述目標(biāo)對象中的一個，以表示所述組中的所有圖像。
5.根據(jù)權(quán)利要求1所述的系統(tǒng)，其中，從包括存儲在存儲器中的輸出文件和用戶界面的組中選擇所述輸出。
6.根據(jù)權(quán)利要求2所述的系統(tǒng)，還包括訓(xùn)練模塊，其被配置為具有包括多個具有不同表觀結(jié)構(gòu)的訓(xùn)練對象的訓(xùn)練圖像組，用于訓(xùn)練所述表觀模型，以使具有多個所述模型對象的所述訓(xùn)練模塊被最優(yōu)化，用于識別每個所述目標(biāo)對象的所述形狀和紋理的有效范圍。
7.根據(jù)權(quán)利要求2所述的系統(tǒng)，其中，所述表觀模型是主動表觀模型。
8.根據(jù)權(quán)利要求2所述的系統(tǒng)，其中所述第一模型對象和第二模型對象表示病人解剖體的不同病狀類型。
9.根據(jù)權(quán)利要求2所述的系統(tǒng)，其中，所述第一模型對象和第二模型對象表示兩個不同二維切片的相同解剖體的不同表觀結(jié)構(gòu)，其中，從所述解剖體的圖像冊的分隔開的位置獲取所述二維切片。
10.根據(jù)權(quán)利要求8所述的系統(tǒng)，其中，由訓(xùn)練圖像組中兩個不同的訓(xùn)練對象表示所述兩種不同的病狀類型。
11.根據(jù)權(quán)利要求1所述的系統(tǒng)，還包括與所述所選模型對象的所述模型參數(shù)相關(guān)的預(yù)定義特征，所述預(yù)定義特征用于協(xié)助具有由所述所選輸出對象表示的解剖體的病人的診斷，所述模型參數(shù)用于表示姿態(tài)引起的變化。
12.根據(jù)權(quán)利要求11所述的系統(tǒng)，其中，所述模型參數(shù)被劃分為多個值域，所述域的每一個均分配有多個所述預(yù)定特征中的一個特征。
13.根據(jù)權(quán)利要求12所述的系統(tǒng)，其中，選擇所述模型參數(shù)選自包括形狀和紋理參數(shù)、尺度參數(shù)、以及旋轉(zhuǎn)參數(shù)的組。
14.根據(jù)權(quán)利要求12所述的系統(tǒng)，其中，至少兩個所述預(yù)定特征表示所述解剖體的不同病狀類型。
15.根據(jù)權(quán)利要求12所述的系統(tǒng)，其中，所述輸出模塊向所述輸出提供分配給所述所選輸出對象的所述預(yù)定義特征。
16.根據(jù)權(quán)利要求12所述的系統(tǒng)，還包括訓(xùn)練模塊，用于向所述模型參數(shù)分配多個所述預(yù)定義特征。
17.根據(jù)權(quán)利要求15所述的系統(tǒng)，還包括確定模塊，用于確定分配給所述所選輸出對象的所述模型參數(shù)值是否在分割的區(qū)域中的一個內(nèi)。
18.根據(jù)權(quán)利要求17所述的系統(tǒng)，其中，當(dāng)所述模型參數(shù)值在所有所述分割值域外時，表示所述第一輸出對象是所述目標(biāo)對象的無效近似。
19.一種圖像處理系統(tǒng)，具有用于解譯數(shù)字圖像序列的統(tǒng)計表觀模型，所述表觀模型具有至少一個模型參數(shù)，所述系統(tǒng)包括
多維模型對象，其包括相關(guān)統(tǒng)計關(guān)系，所述模型對象被配置用于變形為近似于所述數(shù)字圖像中的多維目標(biāo)對象的形狀和紋理；搜索模塊，用于選擇所述模型對象并將其應(yīng)用于用于生成近似于所述目標(biāo)對象的所述形狀和紋理的多維輸出對象的對應(yīng)序列的圖像，所述搜索模塊計算每個所述輸出對象和所述目標(biāo)對象之間的誤差；內(nèi)插模塊，用于基于所述輸出對象序列的相鄰輸出對象之間的期望預(yù)定義的變化，識別所述輸出對象序列中的至少一個無效輸出對象，所述無效輸出對象具有初始模型參數(shù)；以及輸出模塊，用于將表示所述輸出對象序列的數(shù)據(jù)提供給輸出。
20.根據(jù)權(quán)利要求19所述的系統(tǒng)，還包括所述內(nèi)插模塊的內(nèi)插算法，用于從所述序列的一對相鄰邊界輸出對象計算內(nèi)插模型參數(shù)，所述相鄰邊界輸出對象位于無效輸出對象的任一側(cè)，所述內(nèi)插模型參數(shù)用來替換所述初始模型參數(shù)。
21.根據(jù)權(quán)利要求20所述的系統(tǒng)，其中，所述內(nèi)插模型參數(shù)選自包括位置、尺度、旋轉(zhuǎn)、以及形狀和紋理的組。
22.根據(jù)權(quán)利要求20所述的系統(tǒng)，其中，基于預(yù)定義參數(shù)閥值外的所述初始模型參數(shù)來確定所述無效輸出對象。
23.根據(jù)權(quán)利要求20所述的系統(tǒng)，其中，基于預(yù)定義誤差閥值外的所述第一誤差來確定所述無效輸出對象。
24.根據(jù)權(quán)利要求20所述的系統(tǒng)，其中，存在多個相鄰的無效輸出對象。
25.根據(jù)權(quán)利要求20所述的系統(tǒng)，其中，所述內(nèi)插算法的內(nèi)插以預(yù)定義內(nèi)插關(guān)系為基礎(chǔ)，以及以所述相鄰邊界輸出對象對和所述序列中的所述無效輸出對象之間的分離量為基礎(chǔ)。
26.根據(jù)權(quán)利要求20所述的系統(tǒng)，其中，所述搜索模塊使用所述內(nèi)插模型參數(shù)作為輸入將所述第一模型對象再次應(yīng)用于所述圖像，以生成新的輸出對象來替換所述序列中的所述無效輸出對象。
27.根據(jù)權(quán)利要求19所述的系統(tǒng)，其中，所述序列選自包括時間和空間的組。
28.一種利用統(tǒng)計表觀模型解譯數(shù)字圖像的方法，所述表觀模型具有至少一個模型參數(shù)，所述方法包括以下步驟提供多維第一模型對象，所述多維第一模型對象包括相關(guān)第一統(tǒng)計關(guān)系，并且被配置用于變形為近似于所述數(shù)字圖像中的多維目標(biāo)對象的形狀和紋理；提供多維第二模型對象，所述多維第二模型對象包括相關(guān)第二統(tǒng)計關(guān)系，并且被配置用于變形為近似于所述數(shù)字圖像中的所述目標(biāo)對象的所述形狀和紋理，所述第二模型對象具有不同于所述第一模型對象的形狀和紋理；將所述第一模型對象應(yīng)用于用于生成近似于所述目標(biāo)對象的所述形狀和紋理的多維第一輸出對象的圖像；計算所述第一輸出對象和所述目標(biāo)對象之間的第一模型獨立誤差；將所述第二模型對象應(yīng)用于用于生成近似于所述目標(biāo)對象的所述形狀和紋理的多維第二輸出對象的圖像；計算所述第二輸出對象和所述目標(biāo)對象之間的第二模型獨立誤差；
比較所述第一模型獨立誤差和所述第二模型獨立誤差，使得選擇具有最小顯著模型獨立誤差的所述輸出對象中的一個；以及將表示所述所選輸出對象的數(shù)據(jù)提供給輸出。
29.一種用于使用統(tǒng)計表觀模型解譯數(shù)字圖像的計算機(jī)程序產(chǎn)品，所述表觀模型具有至少一個模型參數(shù)，所述計算機(jī)程序產(chǎn)品包括計算機(jī)可讀介質(zhì)；對象模塊，存儲在所述計算機(jī)可讀介質(zhì)中，其被配置為具有多維第一模型對象，所述多維第一模型對象包括相關(guān)第一統(tǒng)計關(guān)系且被配置用于變形為近似于所述數(shù)字圖像中的多維目標(biāo)對象的形狀和紋理；以及多維第二模型對象，所述多維第二模型對象包括相關(guān)第二統(tǒng)計關(guān)系且被配置用于變形為近似于所述數(shù)字圖像中的所述目標(biāo)對象的形狀和紋理；搜索模塊，存儲在所述計算機(jī)可讀介質(zhì)中，用于將所述第一模型對象應(yīng)用于用于生成近似于所述目標(biāo)對象的所述形狀和紋理的多維第一輸出對象的圖像，并計算所述第一輸出對象和所述目標(biāo)對象之間的第一模型獨立誤差，以及用于將所述第二模型對象應(yīng)用于用于生成近似于所述目標(biāo)對象的所述形狀和紋理的多維第二輸出對象的圖像，并計算所述第二輸出對象和所述目標(biāo)對象之間的第二模型獨立誤差，所述第二模型對象具有不同于所述第一模型對象的形狀和紋理結(jié)構(gòu)；選擇模塊，連接至所述搜索模塊，用于比較所述第一模型獨立誤差和所述第二模型獨立誤差，使得選擇具有最小顯著模型獨立誤差的所述輸出對象中的一個；以及輸出模塊，連接至所述選擇模塊，用于將表示所述所選輸出對象的數(shù)據(jù)提供給輸出。
30.一種用于利用統(tǒng)計表觀模型解譯數(shù)字圖像的方法，所述表觀模型具有至少一個模型參數(shù)，所述方法包括以下步驟提供多維模型對象，所述多維模型對象包括相關(guān)統(tǒng)計關(guān)系，并被配置用于變形為近似于所述數(shù)字圖像中的多維目標(biāo)對象的形狀和紋理；將所述模型對象應(yīng)用于用于生成近似于所述目標(biāo)對象的所述形狀和紋理的多維輸出對象的對應(yīng)序列的圖像；計算每個所述輸出對象和所述目標(biāo)對象之間的誤差；以及基于所述序列的相鄰所述輸出對象之間的期望預(yù)定義變化，識別所述輸出對象序列中的至少一個無效輸出對象，所述無效輸出對象具有初始模型參數(shù)；以及將表示所述輸出對象序列的數(shù)據(jù)提供給輸出。
31.根據(jù)權(quán)利要求30所述的方法，還包括以下步驟應(yīng)用所述多維模型對象中的不同的一個模型對象，其中，所述多維模型對象被應(yīng)用于所述圖像序列中的選擇的數(shù)字圖像。
32.根據(jù)權(quán)利要求31所述的方法，還包括以下步驟計算用于所述多維模型對象的不同模型對象的使用分?jǐn)?shù)頻率。
33.根據(jù)權(quán)利要求28所述的方法，還包括以下步驟基于補(bǔ)充到包括在所述數(shù)字圖像中的解剖信息的病人信息，在所述第一模型對象和所述第二模型對象之間選擇。
權(quán)利要求
1.一種圖像處理系統(tǒng)，具有用于解譯數(shù)字圖像的統(tǒng)計表觀模型，所述表觀模型具有至少一個模型參數(shù)，所述系統(tǒng)包括多維第一模型對象，其包括相關(guān)第一統(tǒng)計關(guān)系，并且被配置用于變形為近似于所述數(shù)字圖像中的多維目標(biāo)對象的形狀和紋理；以及多維第二模型對象，其包括相關(guān)第二統(tǒng)計關(guān)系，并且被配置用于變形為近似于所述數(shù)字圖像中的所述目標(biāo)對象的所述形狀和紋理，所述第二模型對象具有不同于所述第一模型對象的形狀和紋理結(jié)構(gòu)；搜索模塊，用于將所述第一模型對象應(yīng)用于用于生成近似于所述目標(biāo)對象的所述形狀和紋理的多維第一輸出對象的圖像，并計算所述第一輸出對象和所述目標(biāo)對象之間的第一誤差，以及用于將所述第二模型對象應(yīng)用于用于生成近似于所述目標(biāo)對象的所述形狀和紋理的多維第二輸出對象的圖像，并計算所述第二輸出對象和所述目標(biāo)對象之間的第二誤差；選擇模塊，用于比較所述第一誤差和所述第二誤差，使得選擇具有最小顯著誤差的所述輸出對象的一個；以及輸出模塊，用于將表示所述所選輸出對象的數(shù)據(jù)提供給輸出。
2.根據(jù)權(quán)利要求1所述的系統(tǒng)，其中，最優(yōu)化所述第一模型對象，用于識別所述目標(biāo)對象中的第一個，并且最優(yōu)化所述第二模型對象，用于識別所述目標(biāo)對象中的第二個，使得所述第二目標(biāo)對象具有不同于所述第一目標(biāo)對象的形狀和紋理結(jié)構(gòu)。
3.根據(jù)權(quán)利要求2所述的系統(tǒng)，還包括數(shù)字圖像組中的一個所述數(shù)字圖像，其中，所述模型對象的每一個均被配置用于被所述搜索模塊應(yīng)用于所述數(shù)字圖像組的每個所述數(shù)字圖像。
4.根據(jù)權(quán)利要求3所述的系統(tǒng)，還包括所述選擇模塊，所述選擇模塊被配置為選擇所述目標(biāo)模型的其中一個，以表示所述組中的所有所述圖像。
5.根據(jù)權(quán)利要求1所述的系統(tǒng)，其中，從包括存儲在存儲器中的輸出文件和用戶界面的組中選擇所述輸出。
6.根據(jù)權(quán)利要求2所述的系統(tǒng)，還包括訓(xùn)練模塊，其被配置為具有包括多個具有不同表觀結(jié)構(gòu)的訓(xùn)練對象的訓(xùn)練圖像組，用于訓(xùn)練所述表觀模型，以具有多個所述模型對象的所述訓(xùn)練模塊被最優(yōu)化，用于識別每個所述目標(biāo)對象的所述形狀和紋理的有效范圍。
7.根據(jù)權(quán)利要求2所述的系統(tǒng)，其中，所述表觀模型是主動表觀模型。
8.根據(jù)權(quán)利要求2所述的系統(tǒng)，其中所述第一模型對象和第二模型對象表示病人解剖體的不同病狀類型。
9.根據(jù)權(quán)利要求2所述的系統(tǒng)，其中，所述第一模型對象和第二模型對象表示兩個不同二維切片的相同解剖體的不同表觀結(jié)構(gòu)，其中，從所述解剖體的圖像冊分隔開的位置獲取所述二維切片。
10.根據(jù)權(quán)利要求8所述的系統(tǒng)，其中，由訓(xùn)練圖像組中兩個不同的訓(xùn)練對象表示所述兩種不同的病狀類型。
11.根據(jù)權(quán)利要求1所述的系統(tǒng)，還包括與所述所選模型對象的所述模型參數(shù)相關(guān)的預(yù)定義特征，所述預(yù)定義特征用于協(xié)助對具有由所述所選輸出對象表示的解剖體的病人的診斷。
12.根據(jù)權(quán)利要求11所述的系統(tǒng)，其中，所述模型參數(shù)被劃分為多個值域，所述域的每一個均分配有多個所述預(yù)定特征中的一個特征。
13.根據(jù)權(quán)利要求12所述的系統(tǒng)，其中，從包括形狀和紋理參數(shù)、尺度參數(shù)、以及旋轉(zhuǎn)參數(shù)的組中選擇所述模型參數(shù)。
14.根據(jù)權(quán)利要求12所述的系統(tǒng)，其中，至少兩個所述預(yù)定特征表示所述解剖體的不同病狀類型。
15.根據(jù)權(quán)利要求12所述的系統(tǒng)，其中，所述輸出模塊向所述輸出提供分配給所述所選輸出對象的所述預(yù)定義特征。
16.根據(jù)權(quán)利要求12所述的系統(tǒng)，還包括訓(xùn)練模塊，用于向所述模型參數(shù)分配多個所述預(yù)定義特征。
17.根據(jù)權(quán)利要求15所述的系統(tǒng)，還包括確定模塊，用于確定分配給所述所選輸出對象的所述模型參數(shù)值是否在分割的區(qū)域中的一個內(nèi)。
18.根據(jù)權(quán)利要求17所述的系統(tǒng)，其中，當(dāng)所述模型參數(shù)值在所有所述分割值域外時，表示所述第一輸出對象是所述目標(biāo)對象的無效近似。
19.一種圖像處理系統(tǒng)，具有用于解譯數(shù)字圖像序列的統(tǒng)計表觀模型，所述表觀模型具有至少一個模型參數(shù)，所述系統(tǒng)包括多維模型對象，其包括相關(guān)統(tǒng)計關(guān)系，所述模型對象被配置用于變形為近似于所述數(shù)字圖像中的多維目標(biāo)對象的形狀和紋理；搜索模塊，用于選擇所述模型對象并將其應(yīng)用于用于生成近似于所述目標(biāo)對象的所述形狀和紋理的多維輸出對象的對應(yīng)序列的圖像，所述搜索模塊計算每個所述輸出對象和所述目標(biāo)對象之間的誤差；內(nèi)插模塊，用于基于所述輸出對象序列的相鄰輸出對象之間的期望預(yù)定義的變化，識別所述輸出對象序列中的至少一個無效輸出對象，所述無效輸出對象具有初始模型參數(shù)；以及輸出模塊，用于將表示所述輸出對象序列的數(shù)據(jù)提供給輸出。
20.根據(jù)權(quán)利要求19所述的系統(tǒng)，還包括所述內(nèi)插模塊的內(nèi)插算法，用于從所述序列的一對相鄰邊界輸出對象計算內(nèi)插模型參數(shù)，所述相鄰邊界輸出對象位于無效輸出對象的任一側(cè)，所述內(nèi)插模型參數(shù)用來替換所述初始模型參數(shù)。
21.根據(jù)權(quán)利要求20所述的系統(tǒng)，其中，從包括位置、尺度、旋轉(zhuǎn)、以及形狀和紋理的組中選擇所述內(nèi)插模型參數(shù)。
22.根據(jù)權(quán)利要求20所述的系統(tǒng)，其中，基于預(yù)定義參數(shù)閥值外的所述初始模型參數(shù)來確定所述無效輸出對象。
23.根據(jù)權(quán)利要求20所述的系統(tǒng)，其中，基于預(yù)定義誤差閥值外的所述第一誤差來確定所述無效輸出對象。
24.根據(jù)權(quán)利要求20所述的系統(tǒng)，其中，存在多個相鄰的無效輸出對象。
25.根據(jù)權(quán)利要求20所述的系統(tǒng)，其中，所述內(nèi)插算法的內(nèi)插以預(yù)定義內(nèi)插關(guān)系為基礎(chǔ)，以及以所述相鄰邊界輸出對象對和所述序列中的所述無效輸出對象之間的分離量為基礎(chǔ)。
26.根據(jù)權(quán)利要求20所述的系統(tǒng)，其中，所述搜索模塊使用所述內(nèi)插模型參數(shù)作為輸入將所述第一模型對象再次應(yīng)用于所述圖像，以生成新的輸出對象來替換所述序列中的所述無效輸出對象。
27.根據(jù)權(quán)利要求19所述的系統(tǒng)，其中，從包括時間和空間的組中選擇所述序列。
28.一種利用統(tǒng)計表觀模型解譯數(shù)字圖像的方法，所述外貌模型具有至少一個模型參數(shù)，所述方法包括下列步驟提供多維第一模型對象，所述多維第一模型對象包括相關(guān)第一統(tǒng)計關(guān)系，并且被配置用于變形為近似于所述數(shù)字圖像中的多維目標(biāo)對象的形狀和紋理；提供多維第二模型對象，所述多維第二模型對象包括相關(guān)第二統(tǒng)計關(guān)系，并且被配置用于變形為近似于所述數(shù)字圖像中的所述目標(biāo)對象的形狀和紋理，所述第二模型對象具有不同于所述第一模型對象的形狀和紋理；將所述第一模型對象應(yīng)用于用于生成近似于所述目標(biāo)對象的所述形狀和紋理的多維第一輸出對象的圖像；計算所述第一輸出對象和所述目標(biāo)對象之間的第一誤差；將所述第二模型對象應(yīng)用于用于生成近似于所述目標(biāo)對象的所述形狀和紋理的多維第二輸出對象的圖像；計算所述第二輸出對象和所述目標(biāo)對象之間的第二誤差；比較所述第一誤差和所述第二誤差，使得選擇具有最小顯著誤差的所述輸出對象的一個；以及將表示所述所選輸出對象的數(shù)據(jù)提供給輸出。
29.一種用于使用統(tǒng)計表觀模型解譯數(shù)字圖像的計算機(jī)程序產(chǎn)品，所述表觀模型具有至少一個模型參數(shù)，所述計算機(jī)程序產(chǎn)品包括計算機(jī)可讀介質(zhì)；對象模塊，存儲在所述計算機(jī)可讀介質(zhì)中，其被配置為具有多維第一模型對象，所述多維第一模型包括相關(guān)第一統(tǒng)計關(guān)系且被配置用于變形為近似于所述數(shù)字圖像中的多維目標(biāo)對象的形狀和紋理；多維第二模型對象，所述多維第二模型對象包括相關(guān)第二統(tǒng)計關(guān)系且被配置用于變形為近似于所述數(shù)字圖像中的所述目標(biāo)對象的所述形狀和紋理；搜索模塊，存儲在所述計算機(jī)可讀介質(zhì)上，用于將所述第一模型對象應(yīng)用于用于生成近似于所述目標(biāo)對象的所述形狀和紋理的多維第一輸出對象的圖像，并計算所述第一輸出對象和所述目標(biāo)對象之間的第一誤差，以及用于將所述第二模型對象應(yīng)用于用于生成近似于所述目標(biāo)對象的所述形狀和紋理的多維第二輸出對象的圖像，并計算所述第二輸出對象和所述目標(biāo)對象之間的第二誤差，所述第二模型對象具有不同于所述第一模型對象的形狀和紋理；選擇模塊，連接至所述搜索模塊，用于比較所述第一誤差和所述第二誤差，使得選擇具有最小顯著誤差的所述輸出對象中的一個；以及輸出模塊，連接至所述選擇模塊，用于將表示所述所選輸出對象的數(shù)據(jù)提供給輸出。
30.一種用于利用統(tǒng)計表觀模型解譯數(shù)字圖像的方法，所述表觀模型具有至少一個模型參數(shù)，所述方法包括以下步驟提供多維模型對象，所述多維模型對象包括相關(guān)統(tǒng)計關(guān)系，并被配置用于變形為近似于所述數(shù)字圖像中的多維目標(biāo)對象的形狀和紋理；將所述模型對象應(yīng)用于用于生成近似于所述目標(biāo)對象的所述形狀和紋理的多維輸出對象的對應(yīng)序列的圖像；計算每個所述輸出對象和所述目標(biāo)對象之間的誤差；以及基于所述序列的相鄰所述輸出對象之間的期望預(yù)定義變化，識別所述輸出對象序列中的至少一個無效輸出對象，所述無效輸出對象具有初始模型參數(shù)；以及將表示所述輸出對象序列的數(shù)據(jù)提供給輸出。
全文摘要
本發(fā)明公開了一種具有用于解譯數(shù)字圖像的統(tǒng)計表觀模型的圖像處理系統(tǒng)及方法。表觀模型具有至少一個模型參數(shù)。該系統(tǒng)和方法包括二維第一模型對象，其包括相關(guān)第一統(tǒng)計關(guān)系，并被配置用于變形為近似于數(shù)字圖像中的二維第一目標(biāo)對象的形狀和表觀。還包括搜索模塊，用于選擇第一模型對象并將其應(yīng)用于該圖像，用于生成近似于第一目標(biāo)對象的形狀和紋理的二維第一輸出對象，搜索模塊計算第一輸出對象和第一目標(biāo)對象之間的第一誤差。還包括輸出模塊，用于向輸出端提供表示第一輸出對象的數(shù)據(jù)。該處理系統(tǒng)使用內(nèi)插來改進(jìn)圖像分割以及為各種目標(biāo)對象結(jié)構(gòu)最優(yōu)化多個模型。還包括與模型參數(shù)有關(guān)的模型標(biāo)記，使得將標(biāo)記加在解法圖像上以協(xié)助病人診斷。
文檔編號G06T7/20GK1926573SQ200480042367
公開日2007年3月7日 申請日期2004年1月30日 優(yōu)先權(quán)日2004年1月30日
發(fā)明者維托里奧·阿科馬齊, 迭戈·博爾德加里, 埃倫·簡, 彼得·泰特, 保羅·蓋爾 申請人:思代軟件公司