Автоматическое последовательное планирование мр-сканирования

Автоматическое последовательное планирование мр-сканирования

Иллюстрации

Показать все

Реферат

ОБЛАСТЬ ТЕХНИКИ, К КОТОРОЙ ОТНОСИТСЯ ИЗОБРЕТЕНИЕ

Изобретение относится к способу, устройству и компьютерному программному продукту для автоматического получения данных клинических МРТ-изображений.

УРОВЕНЬ ТЕХНИКИ ИЗОБРЕТЕНИЯ

В качестве части процедуры получения изображений структур внутри тела пациента в МРТ-сканерах используют большое статическое магнитное поле для выравнивания ядерных спинов атомов. Это большое статическое поле обозначают как поле B0.

В процессе МРТ-сканирования радиочастотные (РЧ) импульсы, генерируемые генераторной катушкой, вызывают возмущения локального магнитного поля, и РЧ-сигналы, испускаемые посредством ядерных спинов, определяют с помощью приемной катушки. Эти РЧ-сигналы используют для создания МРТ-изображений. Эти катушки также можно обозначить как антенны. Кроме того, генераторную и приемную катушки также можно объединить в одну приемопередающую катушку, которая выполняет обе функции. Понятно, что использование термина приемопередающая катушка также относится к системам, в которых используют отдельные генераторную и приемную катушки. Генерируемое РЧ-поле обозначают как поле B1.

МРТ-сканеры могут создавать изображения или срезов или объемов. Срез представляет собой тонкий объем толщиной только в один воксель. Воксель представляет собой маленький объем, по которому усредняют МРТ-сигнал, и определяет разрешение МРТ-изображения. Следует понимать, что термин относится как к срезам, так и к объемам.

Когда проводят МРТ-исследование, созданные МРТ-изображения меняются во времени. Если проводят исследование движущейся части организма, например сердца или органа, расположенного вблизи от диафрагмы, то нужно получать изображения, меняющиеся во времени, и коррелировать с биением сердца и дыхательным циклом. В данной области техники существуют стандартные способы компенсации такого движения. Правильная визуализация анатомии определенных органов и частей организма также может представлять сложность. Например, для получения клинических МРТ-изображений сердца и колена, которые можно использовать в диагностике, необходимы высококвалифицированные и хорошо подготовленные операторы.

Например, в процессе МРТ-исследования сердца для постановки конкретного диагноза критичны местоположение и ориентация полученных срезов по отношению к анатомии сердца. Для выполнения МРТ-исследования этого типа оператор должен выполнить серию сканирований. Сначала оператор визуализирует несколько срезов организма пациента для примерного определения ориентации анатомии пациента. Используя эти приблизительные изображения, оператор вручную определяет местоположение диафрагмы и сердца. Оператор определяет ориентацию при минимальном стеке срезов. На практике нужно определить ориентацию направляющего пучка, регулировочного объема или других элементов, что требует временных затрат для выполнения этой операции. Стеком срезов определяется ориентация, поле наблюдения и серия срезов со всеми их параметрами, которые используют в следующем сканировании. Направляющий пучок представляет собой тонкий объем, который визуализируют для корреляции положения диафрагмы и компенсации дыхания пациента. Регулировочный объем представляет собой объем, из которого используют информацию для компенсации локальных флуктуаций поля B0.

После определения этих объемов получают вторую серию изображений, разрешенных для фазы дыхания пациента и сердца. Затем оператор использует этот новый набор МРТ-изображений для более подробного исследования анатомии сердца и вручную определяет, в зависимости от предполагаемого нарушения, какие срезы или объемы подлежат визуализации для постановки клинического диагноза врачом. Изображения, которые предназначены для задачи определения диагноза, обозначают как клинические МРТ-изображения.

Для сердца настройки положения и ориентации стека срезов, использованных для получения клинических МРТ-изображений, в большой степени зависят от указаний пациента. Например, визуализация, необходимая для правильной диагностики врожденного порока сердца, может в достаточной мере отличаться от визуализации ишемической болезни сердца. Чтобы правильно настроить систему МРТ для получения правильных МРТ-изображений, оператор должен обладать обширными навыками, опытом и способностью визуализировать трехмерные структуры по двухмерным проекциям или срезам на мониторе компьютера. Здесь сложность заключается в том, что клинические изображения, полученные различными операторами, имеют различные уровни качества. Кроме того, например, в последующих процедурах трудно добиться воспроизводимости клинических МРТ-изображений, когда настройку положения и ориентации стека срезов выполняют вручную. Когда оператор получает клинические изображения низкого качества, их следует получать повторно. Конечно, для госпиталей это требует затрат и повышает стоимость выполнения МРТ-исследования пациента. В патентной заявке США US 2005/0165294 описано использование трехстадийной процедуры для коррекции положения пациентов в процессе медицинского сканирования. В публикации «Automated Observer-independent Acquisition of Cardiac Short-Axis MR Images - A Pilot Study”, Lelieveldt et al., Radiology, Radiological Society of North America, Oak Brook, IL, US,. том 221, №2, ноябрь 2001. стр.537-542, описано автоматическое определение объема изображений по короткой оси непосредственно по осмотровому изображению. В публикации «Automatic Scan Prescription for Brain MRI”, Magnetic Resonance in Medicine, Academic Press, Duluth, MN, US, том 45, январь 2001, стр. 486-494, описано получение пилотного сканирования пациента, подгонка поверхности мозга пациента к образцовой поверхности мозга и использование трансформации для трансформации местоположения и ориентации оптимальных плоскостей сканирования для текущего пациента. В документе US 6574304 B1 описано получение данных изображения, содержащих признаки, представляющие интерес, выполнение алгоритма CAD на данных изображения и затем получение дополнительных данных изображения, которые больше подходят для визуализации или анализа признаков, представляющих интерес.

СУЩНОСТЬ ИЗОБРЕТЕНИЯ

Изобретение относится к способу получения данных МРТ-изображения, компьютерному программному продукту и устройству для получения данных МРТ-изображения, как заявлено в независимых пунктах формулы изобретения. Варианты осуществления изобретения изложены в зависимых пунктах формулы изобретения.

В настоящем документе поле наблюдения (ПН) определяют в качестве обозначения объема, для которого конструируют МРТ-изображение. Данные МРТ, используемые для создания МРТ-изображения, представляют собой радиосигналы, которые собирают в частотном интервале. Следовательно важно отметить, что данные МРТ превращают в изображение, используя интеграл Фурье и в результате этого ткани за пределами ПН вносят вклад в изображение.

Варианты осуществления изобретения предусматривают способ и устройство для автоматического планирования сканирования. Эти варианты осуществления, в частности, полезные в качестве автоматического планирования персонифицированной геометрии, на консоли МРТ-сканера устраняют ошибки оператора, снижают требования к уровню подготовки операторов и экономят время в процессе МРТ-исследования. Другое преимущество автоматического планирования сканирования заключается в избегании вариабельности у одного оператора или среди нескольких операторов.

Автоматическое последовательное планирование сканирования обладает преимуществами по сравнению с однократным осмотровым сканированием. Для некоторых анатомических структур автоматическое последовательное сканирование является более быстрым, чем однократное осмотровое сканирование. Также последовательные осмотровые сканирования содержат больше информации, чем однократное осмотровое сканирование и допускают точное и согласованное планирование диагностических сканирований. Изображения, предназначенные для задачи определения диагноза, определяют в настоящем документе как клинические МРТ-изображения. Осмотр или осмотровое сканирование определяют в настоящем документе как МРТ-изображение, которое используют для планирования клинического МРТ-изображения.

Варианты осуществления изобретения относятся к способу получения по меньшей мере одного клинического МРТ-изображения субъекта. МРТ-изображение определяют как графическое представление данных МРТ. Данные МРТ представляют собой любые данные, полученные МРТ-сканером. Клиническое МРТ-изображение представляет собой МРТ-изображение, которое использует врач для диагностирования пациента.

В соответствии с вариантами осуществления изобретения получают многократное двухмерное МРТ-изображение субъекта с использованием набора предварительно выбранных параметров. Двухмерное МРТ-изображение представляет собой совокупность срезов, которые дают общее представление об анатомии субъекта. В норме двухмерные МРТ-изображении являются анизотропными. Например, типичные размеры вокселя, используемого для сагиттальных срезов в процессе создания двухмерного МРТ-изображения, используемого в МРТ-исследовании сердца, составляют 1,7 мм на 1,75 мм на 10 мм. Расстояние между срезами может быть даже больше размера вокселя. Для этих сагиттальных срезов толщина среза составляет 10 мм. Расстояние между центрами вокселей составляет 15 мм. Следовательно, в данном случае между срезами существует пропуск в 5 мм. Число объемов, число срезов в каждом объеме, толщина среза, расстояние между срезами и разрешение в пределах среза, используемые для создания двухмерного МРТ-изображения, зависят от выбранного протокола.

Сначала ориентация анатомической структуры пациента неизвестна. Пациента помещают внутрь МРТ-сканера так, что предварительно определенный набор срезов будет определять внутреннюю анатомическую структуру пациента. Это можно выполнить посредством получения предварительно определенного числа осевых, коронарных и сагиттальных срезов с предварительно определенной ориентацией. Число, положение и точная ориентация этих срезов предварительно определены выбранным протоколом МРТ. Двухмерное МРТ-изображение используют для создания трехмерного объема, состоящего из вокселей. Если все стороны этих вокселей идентичны, то объем является изотропным. Объем не обязан быть изотропным, но изотропный объем позволяет легче применять детектор контуров. Значения отдельных вокселей вычисляют посредством линейной интерполяции значений вокселей двухмерного МРТ-изображения.

Контуры в трехмерном объеме определяют, используя модуль определения контуров. Это можно выполнить, используя подходящий алгоритм определения контуров, такой как оператор Собеля. Другие альтернативы включают алгоритмы, основанные на: детектор контуров Канни, дифференциальный детектор контуров, оператор Марра-Хилдрета, детектор контуров на основе фазовой конгруэнтности, оператор Лапласа, детектор контуров Дерише, детектор контуров Ротвелла, оператор Превита, оператор Кирша, оператор Хюккеля и оператор Робертса. Оператор Собеля работает в конкретных плоскостях трехмерного объема. Оператор Собеля можно применять ко всем вокселям, лежащим на одной плоскости. Оператор Собеля также можно применять к плоскостям, которые не лежат в плоскости вокселей. В этом случае воксели взвешены в соответствии с тем, сколько вокселей пересекает плоскость. Затем идентифицируют анатомические ориентиры с использованием модуля анатомических ориентиров, используя набор контуров. Трехмерный объем сегментируют, используя первую деформируемую модель с ограниченной формой, используя первый модуль сегментирования. Деформируемые модели с ограниченной формой рассмотрены в источнике Weese et al., «Shape Constrained Deformable Models for 3D Medical Image Segmentation», Lecture Notes In Computer Science том 2082, 2001, стр. 380-387 (далее цитируемом как Weese), который включен в настоящий документ в качестве ссылки. Деформируемая модель с ограниченной формой представляет собой трехмерную модель анатомической структуры пациента, которую деформирует модуль сегментирования, чтобы она совпала с характерными точками. Деформируемую модель с ограниченной формой итеративно деформируют, чтобы она совпадала с характерными точками, которые вычисляют с использованием как модели, так и данных изображения. Характерные точки можно выделить из изображения, используя алгоритм выявления характерных точек. Модель вычисляет сжатие и растяжение на поверхности модели, а также внутренние силы, вызванные деформацией.

Затем определяют объем, представляющий интерес, внутри трехмерного объема с использованием первого модуля распознавания шаблонов. Объем, представляющий интерес, представляет собой область, для которой получают данные МРТ. Данные МРТ создают из данных в Фурье-пространстве. В результате этого области за пределами физических границ объема, представляющего интерес, вносят вклад в МРТ-изображение. Затем для объема, представляющего интерес, получают одно или несколько предварительных МРТ-изображений. Затем предварительные МРТ-изображения сегментируют с использованием второй деформируемой модели с ограниченной формой, используя второй модуль сегментирования. Затем используют второй модуль распознавания шаблонов для планирования клинических МРТ-изображений. Наконец, получают одно или несколько клинических МРТ-изображений.

В другом варианте осуществления данные МРТ, полученные в процессе получения клинического МРТ-изображения, можно сохранить в компьютерном запоминающем устройстве для последующего повторного использования. Данные МРТ, которые можно хранить, состоят из: многократное двухмерное изображение, трехмерный объем, набор контуров, один или несколько анатомических ориентиров, сегментированный трехмерный объем, объем, представляющий интерес, одно или несколько предварительных МРТ-изображений и одно или несколько предварительных сегментированных МРТ-изображений. Позже эти данные МРТ можно извлечь из компьютерного запоминающего устройства и повторно использовать для создания второго набора данных планирования для планирования клинического МРТ-изображения. Это обладает преимуществом, которое заключается в том, что второе клиническое МРТ-изображение можно планировать без обязательного повторения всего способа. Например, можно повторно использовать многократное двухмерное изображение или трехмерный объем. Это уменьшит время, необходимое для получения второго клинического МРТ-изображения.

В другом варианте осуществления первый модуль распознавания шаблонов может определить несколько объемов, представляющих интерес. Это выгодно, поскольку ткань, окружающая объем, подлежащий визуализации, также влияет на полученную МРТ. Несколько объемов могут быть перекрывающимися, не перекрывающимися и могут покрывать одинаковый объем. Первый модуль распознавания шаблонов выбирает каждый объем, который должен быть в первом поднаборе, втором поднаборе или третьем поднаборе. Элементы первого и третьего поднаборов визуализируют один или несколько раз посредством МРТ-сканера. К элементам второго поднабора и третьего поднабора примеряют способ МРТ, выбранный из группы, состоящей из: импульсов подготовки намагничивания, импульсов подавления жировой ткани, мечения артериальных спинов (ASL), способа регионального насыщения (REST), способа спектрального предварительного насыщения посредством восстановления инверсии «Spectral Presaturation Inversion Recovery (SPIR)», инверсии, направляющего пучка, регулировки B1 и регулировки B0. Ткани, расположенные за пределами объема, подлежащего визуализации для получения клинического МРТ-изображения, могут влиять на качество изображения. Применение этих способов приносит пользу в виде улучшения качества изображения. Данные МРТ, полученные из всех этих объемов, представляющих интерес, используют для создания данных планирования. Преимущество использования всех полученных данных МРТ состоит в том, что анатомическая структура и положение анатомической структуры известны более подробно.

В другом варианте осуществления первый модуль распознавания шаблонов представляет собой обученный модуль распознавания шаблонов. Преимуществом этого является то, что модуль распознавания шаблонов можно тренировать с использованием набора обучающих изображений, на которых правильно расположены объем или объемы, представляющие интерес. Это можно реализовать посредством использования множества различных способов.

Примеры различных способов или алгоритмов, которые можно использовать, представляют собой: анализ главных компонентов, нейронная сеть, алгоритм CN2, алгоритм C4.5, итеративный дихотомический преобразователь сигнала 3 (ID3), алгоритм поиска ближайшего соседа, алгоритм наивного Байесовского классификатора, голографическая ассоциативная память или алгоритм обучения восприятию.

В другом варианте осуществления второй модуль распознавания шаблонов представляет собой обученный модуль распознавания шаблонов. Это будет обладать тем же преимуществом, как и воплощение первого обученного модуля распознавания шаблонов в виде обученного модуля распознавания шаблонов. Второй модуль распознавания шаблонов можно воплотить с использованием того же выбора алгоритмов и способов, что и первый модуль распознавания шаблонов. Если для воплощения первого и второго модуля распознавания шаблонов используют одинаковые алгоритмы или способы, они все еще будут оставаться отдельными модулями распознавания шаблонов. Это обусловлено тем, что они будут проходить различное обучение. Производитель системы МРТ может обучать первый модуль распознавания шаблонов и второй модуль распознавания шаблонов и доставлять их оператору для использования.

В другом варианте осуществления модуль анатомического распознавания может представлять собой воплощение алгоритма идентификации характеристик. Этот алгоритм идентификации характеристик может представлять собой такой алгоритм, как преобразование Хоуга или масштабно-инвариантное преобразование признаков (SIFT). Эти алгоритмы обладают преимуществом, которое заключается в способности идентифицировать сложную геометрию. Алгоритм идентификации характеристик также может представлять собой обычный алгоритм, который основан на предыдущем знании анатомии. Например, на МРТ-изображении легко идентифицировать диафрагму. Алгоритм определения контуров определяет местоположение границы диафрагмы, и анализ связанных компонент создает поверхность, которую можно идентифицировать и использовать посредством первого модуля сегментирования.

В другом аспекте компьютерный программный продукт, содержащий набор исполняемых компьютером инструкций можно использовать для автоматизации вариантов осуществления изобретения. Это является преимуществом, поскольку компьютер или микропроцессор может выполнять вычисления значительно быстрее человека-оператора.

В другом аспекте вариант осуществления устройства, как описано в независимом пункте формулы изобретения 7, можно использовать для получения клинических данных МРТ.

В другом варианте осуществления варианты осуществления устройства содержат средство для хранения предварительно полученных данных МРТ для целей планирования новых клинических МРТ-изображений.

В другом варианте осуществления в вариантах осуществления устройства воплощают первый модуль распознавания шаблонов и/или второй модуль распознавания шаблонов в виде обученных модулей распознавания шаблонов.

В другом варианте осуществления вариант осуществления первого модуля распознавания шаблонов выполнен с возможностью определения нескольких объемов, представляющих интерес.

В другом варианте осуществления варианты осуществления устройства имеют пользовательский интерфейс, который выполнен с возможностью графического отображения набора данных планирования перед получением клинического МРТ-сканирования. Это обладает преимуществом, которое заключается в том, что пользователь может контролировать качество клинических МРТ-изображений. После отображения изображения оператор имеет выбор одобрить или отклонить данные планирования. Если оператор одобряет данные планирования, то система МРТ продолжает получать данные МРТ и создавать МРТ-изображения. Если оператор отклоняет данные планирования, оператор будет стоять перед выбором повторного запуска процесса в варианте осуществления устройства и создания нового набора данных планирования или редактирования данных планирования вручную. Оператор будет стоять перед выбором исследования набора отклоненных данных, который включает: многократное двухмерное изображение, трехмерный объем, контуры, анатомические ориентиры, сегментированный трехмерный объем, объем, представляющий интерес, одно или несколько предварительных МРТ-изображений и одно или несколько предварительных сегментированных МРТ-изображений и набора данных планирования. Это обладает тем преимуществом, что оператор может исследовать все данные МРТ и данные планирования.

В другом варианте осуществления вариант осуществления пользовательского интерфейса выполнен с возможностью ручного ввода модификации набора отклоненных данных. Это обладает тем преимуществом, что оператор может модифицировать любые ошибки, которые может выполнить устройство. Затем модифицированные отклоненные данные используют для создания модифицированного набора данных планирования. Это обладает тем преимуществом, что устройство не должно повторять весь способ, что экономит время.

КРАТКОЕ ОПИСАНИЕ ЧЕРТЕЖЕЙ

Далее только в качестве примера описаны предпочтительные варианты осуществления изобретения со ссылками на рисунки, на которых:

на фиг.1 представлена функциональная схема варианта осуществления системы МРТ, которая способна автоматически планировать и получать МРТ-изображения,

на фиг.2 представлена блок-схема, показывающая вариант осуществления способа по изобретению,

на фиг.3 представлена серия коронарных и сагиттальных МРТ-изображений, которые демонстрируют вариант осуществления способа автоматического определения диафрагмы,

на фиг.4 представлено коронарное МРТ-изображение, на котором показано размещение объемов, представляющих интерес.

ПОДРОБНОЕ ОПИСАНИЕ

На фиг.1 представлен вариант осуществления МРТ-сканера 100, который позволяет выполнять варианты осуществления изобретения. В него входит постоянный магнит 108, который создает большое магнитное поле, также известное как B0, которое способно заставить ядерные спины внутри пациента 112 или другого объекта выравниваться вдоль поля B0. Пациент 112 покоится в отверстии в магните на опоре 110. Градиентные катушки 104 также расположены внутри отверстия магнита и способны корректировать магнитное поле. Смежно с объемом пациента 112, который подлежит визуализации, расположена приемопередающая катушка 116. Эта катушка передает и принимает РЧ-сигналы. В режиме передачи катушка генерирует РЧ-сигнал, который создает локальные возмущения магнитного поля, которые используют для манипуляции ориентацией ядерных спинов внутри пациента 112. В режиме приема приемопередающая катушка с фазированной решеткой 116 принимает РЧ-сигнал, вызванный прецессией ядерных спинов в поле B0. Функцию приемопередающей катушки очень часто делят между отдельными передающей и приемной катушками. Термин приемопередающая катушка, как используют в настоящем документе, предназначен для обозначения обеих возможностей. Точная конструкция катушки или катушек зависит от типа выполняемого МРТ-исследования.

Градиентные катушки 104 соединены с блоком управления градиентными катушками 102. Блок управления градиентными катушками 102 содержит управляемый источник тока. Когда на градиентные катушки подают энергию, протекающий через них ток вызывает возмущения магнитного поля внутри отверстия магнита. Это возмущение поля можно использовать или для повышения однородности поля B0 или для преднамеренного создания градиентов в магнитном поле. Примером является использование градиента магнитного поля, чтобы вызвать пространственное кодирование частоты, на которой ядерные спины колеблются в поле B0. Магнит соединен с блоком управления магнитом 106. Блок управления магнитом предназначен для управления и мониторинга состояния магнита.

Приемопередающая катушка 116 соединена с блоком управления РЧ приемопередающей катушкой. Этот блок управления содержит РЧ-генератор или генераторы, допускающие управление фазой и амплитудой РЧ-сигнала, приложенного к приемопередающей катушке.

Блок управления градиентом 102, блок управления магнитом 106 и блок управления приемопередающей катушкой 114 соединены с аппаратным интерфейсом 122 системы управления 120. Эта система управления управляет функцией МРТ-сканера 100. Система управления 120 содержит аппаратный интерфейс 122 и пользовательский интерфейс 126, соединенные с микропроцессором 124. Вариантом осуществления изобретения является микропроцессор 124, который предоставляет собой компьютерную систему. Аппаратный интерфейс 122 позволяет микропроцессору 124 посылать команды и получать информацию от блока управления градиентом 102, блока управления магнитом 106 и блока управления РЧ-приемопередатчиком 114. Пользовательский интерфейс 126 позволяет оператору управлять работой системы МРТ и позволяет отображать МРТ-изображения. Для автоматизации управления системой МРТ 100 и анализа данных МРТ для создания МРТ-изображений микропроцессор использует компьютерный программный продукт 128. Компьютерный программный продукт содержит модули программного обеспечения: модуль трехмерного объема 130, модуль определения контуров 132, модуль анатомических ориентиров 134, первый модуль сегментирования 136 и второй модуль сегментирования 138.

Пользовательский интерфейс 126 имеет диалоговое окно 170, которое выполнено так, что оператор имеет возможность просматривать данные планирования в графической форме. Это диалоговое окно 170 содержит область графического отображения данных планирования 180 и область 172, которая позволяет оператору одобрять данные планирования или отклонять данные планирования. Область для отображения данных планирования 180 выполнена с возможностью отображения МРТ-изображения 182 и данных планирования МРТ 184 в графической форме. Область для одобрения или отклонения данных планирования 172 содержит несколько кнопок. Одна кнопка 174 принимает данные планирования. Затем варианты осуществления устройства продолжают получать клинические МРТ-изображения. Другая кнопка 176 повторно запускает процесс планирования устройства и предлагает новый набор данных планирования. Третья кнопка 178 позволяет оператору вручную корректировать данные планирования и способна корректировать объем или объемы, представляющие интерес.

На фиг.2 показан вариант осуществления способа осуществления изобретения. Сначала получают многократное двухмерное изображение 200. Многократное двухмерное изображение состоит из стеков срезов в осевой, сагиттальной и коронарной плоскости. При МРТ-исследовании сердца многократное двухмерное изображение состоит из 20 осевых срезов, 20 коронарных срезов и 20 сагиттальных срезов. Используя линейную интерполяцию, многократное двухмерное изображение используют для создания трехмерного объема 202. Затем для определения контуров в трехмерном объеме используют алгоритм определения контуров 204. Оператор Собеля применяют вдоль каждой координатной оси трехмерного объема. Другими словами, оператор Собеля применяют по направлениям x, y и z, где координатные оси трехмерного объема обозначены x, y, и z. В идеале оси x, y и z совмещают с осями МРТ-сканера. Применение оператора Собеля по каждому из этих направлений дает вектор трехмерного градиента.

Оператор Собеля эффективен при определении контуров и не требует значительных вычислений. Оператор Собеля может определять контуры в конкретных плоскостях. Контуры в различных плоскостях соединяют вместе, используя кластеризацию. То есть местоположение контуров определяют, используя анализ связанных компонент. Анализ связанных компонент идентифицирует поверхности контакта с анатомической структурой пациента и идентифицирует анатомические ориентиры 206. Это работает посредством определения соседей вокруг каждого вокселя, которые преодолевают пороги чувствительности фильтра Собеля. Соседей определяют как область смежных вокселей в пределах определенного расстояния до вокселя, которые преодолевают пороги чувствительности. Кластеры формируют из групп взаимосвязанных соседей. Затем каждый кластер оценивают согласно его размеру и местоположению внутри трехмерного объема. Затем кластер с наивысшей оценкой идентифицируют в качестве анатомического контура. Анатомический контур представляет собой поверхность, которая определяет местоположение или границы анатомического признака. Примерами анатомических контуров являются диафрагма, правая стенка перикарда или левая стенка перикарда. Затем из идентифицированных анатомических признаков получают набор анатомических ориентиров. Эти анатомические ориентиры идентифицируют из кластерных характеристик, таких как центр, эксцентричность, ограничивающий прямоугольник, глобальные экстремумы и локальные экстремумы. Главным образом, эти анатомические ориентиры используют для начального размещения деформируемых моделей с ограниченной формой.

После начального размещения деформируемой модели с ограниченной формой, выполняют сегментирование трехмерного объема 208. Сегментирование определяют как разделение объема на различные сегменты, которые представляют признаки анатомической структуры пациента. Модуль сегментирования подгоняет деформируемую модель с ограниченной формой к набору характерных точек. Характерные точки вычисляют с использованием как модели, так и данных изображения, используя алгоритм выявления характерных точек. Соответствующие точки на модели итеративно подгоняют к характерным точкам. После того, как модуль сегментирования скорректировал местоположение сеток, второй набор ориентиров выделяют из сетки и/или модели. Затем модуль распознавания шаблонов использует второй набор анатомических ориентиров для выполнения планирования. Также модуль распознавания шаблонов может использовать начальный набор анатомических ориентиров. Анализ связанных компонент идентифицирует начальное местоположение трехмерных сеток внутри трехмерного объема. Затем модуль сегментирования корректирует местоположение трехмерной сетки. Второй и набор анатомических ориентиров выделяют из сочетания сетки и/или модели. Затем модуль распознавания шаблонов использует второй набор анатомических ориентиров для выполнения планирования. Также модуль распознавания шаблонов может использовать начальный набор анатомических ориентиров. Анализ связанных компонент идентифицирует начальное местоположение трехмерных сеток внутри трехмерного объема. Затем модуль сегментирования корректирует местоположение трехмерных сеток. Второй и набор анатомических ориентиров выделяют из сочетания сетки и модели. Используя второй набор анатомических ориентиров, посредством первого модуля распознавания шаблонов 210 определяют различные объемы, представляющие интерес.

Первый модуль распознавания шаблонов можно воплотить в виде обучаемого модуля. Модуль обучают с использованием обучающих изображений. После определения объемов, представляющих интерес, в объеме, представляющем интерес, получают предварительные МРТ-изображения 212. Во многих случаях будет определен более чем один объем, представляющий интерес, и эти дополнительные объемы или также будут визуализированы или к ним применят один из множества способов МРТ, которые уже описаны. Затем осуществляют сегментирование предварительных МРТ-изображений, используя второй модуль сегментирования 214. Анатомические ориентиры выделяют из трехмерных сеток, которые являются результатом сегментирования. Затем второй модуль распознавания шаблонов использует эти анатомические ориентиры для планирования клинического МРТ-изображения 216. Наконец, получают клинические МРТ-изображения 218.

На фиг.3 показаны две группы изображений 302, 304, 306, 308, 310, 312.

В верхнем ряду изображений 302, 306, 310 представлена коронарная плоскость, проходящая через сердце. Сердце, покоящееся на диафрагме, видно в верхнем ряду на изображениях 302, 306, 310. Вертикальная линия 314, показанная в верхнем ряду на изображениях 302, 306, 310, показывает положение сагиттального среза, показанного в нижнем ряду на изображениях 304, 308, 312. В нижнем ряду на изображениях 304, 308, 312 показан срединный сагиттальный срез, показывающий диафрагму. Диафрагма и легкие видны на этих изображениях. Вертикальная линия 316 в нижнем ряду на изображениях 304, 308, 312 показывает местоположение коронарного среза, показанного в верхнем ряду на изображениях 302, 306, 310.

Изображения 302 и 304 показывают начальное МРТ-изображение. Изображения 306 и 308 показывают изображение после применения оператора Собеля в вертикальном направлении.

Диафрагму идентифицируют на фиг.2 сначала посредством пороговой обработки модуля или длины вектора градиента. Пороговую обработку определяют как процесс маркировки отдельных пикселей в изображении в качестве пикселей объекта, если их значение выше конкретного порогового значения, и вычисляют скалярное произведение нормализованного градиента и предварительно определенного направления. Предварительно определенное направление совпадает с направлением оси z. Идентификация правой стенки перикарда не показано на фиг.2, но ее можно идентифицировать, используя тот же способ, за исключением того, что предварительно определенное направление представляет собой направление оси x. Подобным образом, левую стенку перикарда идентифицируют, используя предварительно определенное направление, которое лежит в наклонной плоскости x-z. Определения контура в наклонной плоскости x-z достигают посредством взвешивания x и z вокселей в соответствии с наклоном. Например, если желаемое направление представляет собой (x=0,5, z=0,866), то при взвешивании используют эти числа в качестве весов.

Светлые пиксели 318, показанные на изображениях 306, 308, 310 и 312, показывают места, где модуль вектора градиента выше конкретного значения и скалярное произведение направления оси z и нормализованного градиента выше второго значения. Изображения 310 и 312 показывают местоположение сетки 320 после определения ее положения с использованием первого модуля сегментирования. На изображениях 310 и 312 показана одна и та же сетка 320, но на различных срезах. Начальное положение сетки определяют, используя кластеризацию связных компонент. Это представляет собой вариант осуществления модуля анатомических ориентиров. Затем начальное положение сетки используют посредством варианта осуществления первого модуля сегментирования для корректировки положения сетки. На изображениях видны светлые пиксели 318, которые не расположены около сетки. Эти светлые пиксели не принадлежат к кластеру с наивысшей оценкой, как определяют посредством анализа связанных компонент, и, следовательно, не учитываются. Изображения, представленные на фиг.3, показывают только положение в направлении оси z. В этом варианте осуществления изобретения процесс повторяют в направлении оси x для того, чтобы расположить деформируемую модель с ограниченной формой на правой стенке перикарда, и в наклонной плоскости x-z для того, чтобы расположить деформируемую модель с ограниченной формой на левой стенке перикарда.

Фиг.4 используют для иллюстрации примера варианта осуществления изобретения. На фиг.4 показаны местоположения объемов, представляющих интерес, которые поместили с помощью первого модуля распознавания шаблонов 140. На этой фигуре показано местоположение регулировочного объема 402, объема стека 404 и объема направляющего пучка 406. В некоторых МРТ-исследованиях используют последовательных подход для планирования клинического МРТ-изображения. Например, в исследованиях сердца для автоматического планирования диагностических сканирований необходимы два осмотровых изображения. Первое МРТ-скан