Métodos y sistemas de segmentación usando reparametrización de límites.

Un método implementado por ordenador para mejorar una imagen (100) de una estructuraanatómica (105),

comprendiendo el método:

a) proporcionar (200), desde un registro a un módulo de mapeo, una estimación de límiteinicial (110) de la estructura anatómica (105);

b) determinar (205), mediante el módulo de mapeo, una región de banda de límite (135) queincluye la estimación de límite inicial (110) de la estructura anatómica (105) mediantemuestreo de datos de imagen a lo largo de una serie de líneas normales a la estimación delímite inicial (110);

c) convertir la región de banda de límite (135) a una imagen de límite rectangular (140) y laestimación del límite (110) en una curva dentro de la imagen de límite rectangular (140) deforma que la estimación de límite (110) se define en relación con una cuadrícula decoordenadas (x', y') de la imagen de límite rectangular (140);

d) segmentar (210) la estimación de límite (110) dentro de la imagen de límite rectangular(140);

e) mapear (215) la estimación de límite segmentada (110) de la imagen de límite rectangular(140) a la región de banda de límite (135) para obtener una estimación de límite segmentada;

f) calcular una diferencia de tolerancia entre la estimación de límite segmentada y laestimación de límite inicial (110);

g) repetir (220) los pasos b) hasta f) usando la estimación de límite segmentada a partir de laimagen de límite rectangular (140) como estimación de límite inicial (110) dentro de unaregión de banda de límite actualizada, hasta que la diferencia de tolerancia se encuentre pordebajo de un umbral; y

h) generar una imagen mejorada de la estructura anatómica (105) a partir de la estimación delímite segmentada.

METODOS Y SISTEMAS DE SEGMENTACION USANDO REPARAMETRIZACION DE LiMITES Descripción Campo tecnico [0001] Esta invencion hace referencia a metodos y sistemas para identificar caracteristicas anatomicas en imagenes medicas, y mas especificamente, a usar varias tecnicas de segmentacion y mapeo para identificar de forma precisa limites en las imagenes. Información de los antecedentes [0002] Las modalidades de formacion de imagenes como tomografia computarizada (CT, por sus siglas en ingles) , formacion de imagenes por resonancia magnetica (MRI, en ingles) , ultrasonido, tomografia por emision de positrones (PET, en ingles) y tomografia computarizada por emision de fotones individuales (SPECT, en ingles) proporcionan diversas representaciones de las caracteristicas anatomicas de un sujeto. Los conjuntos de imagenes generados con cualquiera de estas modalidades pueden usarse para el diagnostico o para guiar diversos tratamientos, como cirugia o radioterapia. Las imagenes pueden consistir en representaciones bidimensionales, imagenes voxel tridimensionales o una serie de imagenes tridimensionales temporal. A menudo es preferible definir el contorno o segmentar organos o lesiones en las imagenes, permitiendo asi calcular volumenes, una visualizacion mejorada y una planificacion de tratamiento mas precisa. Tambien facilita la modificacion de tratamientos para radioterapia o cirugia guiada por imagenes. [0003] Sin embargo, debido a la complejidad de estos sistemas y diversas caracteristicas de las imagenes resultantes, para la interpretacion normalmente es necesario un medico altamente experimentado y cualificado. En un enfoque convencional, por ejemplo, las imagenes son segmentadas por un sujeto (como el medico) usando un dispositivo de puntero (p.ej., un raton) para seleccionar diversos puntos sobre la superficie de un organo, o quot;pintandoquot; electronicamente la imagen usando una herramienta de pincel. El contorno de las imagenes tridimensionales puede definirse mediante la repeticion del proceso en diversos cortes bidimensionales a lo largo del organo para crear una superficie tridimensional. Sin embargo, el proceso requiere mucho tiempo y es propenso a la variabilidad segun el usuario. [0004] Se han revelado numerosos algoritmos de segmentacion automatica en la literatura y son conocidos por aquellos que desarrollan la tecnica. Cada uno se adapta normalmente a una modalidad de formacion de imagenes concreta o tipo de organo, con exito variable. WO 99/52074 muestra un metodo de segmentacion de nucleos celulares que utiliza un planteamiento de contornos activos basado en un algoritmo de Viterbi. En concreto, las imagenes medicas por ultrasonido son intrinsecamente dificiles para los algoritmos de segmentacion. Los limites de organos pueden quedar enmascarados por la presencia de ruido o manchas; partes del limite pueden aparecer debiles debido al sombreado por caracteristicas superiores; y los bordes pueden estar formados por dos regiones de niveles de grises diferentes o como el extremo entre dos texturas diferentes, o como un hibrido de ambos. Esta complejidad lleva a un gran indice de fracaso para los algoritmos de segmentacion automatica convencionales. Por tanto, es necesario un algoritmo de segmentacion automatica rapido y solido, que actue sobre imagenes bidimensionales o tridimensionales. Resumen de la invención [0005] La presente invencion proporciona sistemas y metodos para obtener un organo o lesion de contorno definido y segmentado a partir de imagenes bidimensionales o tridimensionales. Los siguientes modos de realizacion se describen en relacion con imagenes bidimensionales, entendiendose que el planteamiento de la presente invencion puede extenderse a imagenes tridimensionales como se analiza a continuacion. [0006] En general, se identifica un contorno en la imagen de una lesion u organo de interes y se define entonces una region o quot;bandaquot; alrededor del contorno inicial. La banda se transforma en una imagen de limite en forma de una matriz rectangular. La imagen de limite comprende lineas de muestreo, como columnas en la imagen. Por ejemplo, cada linea de muestreo puede comenzar en el interior del organo y acabar en el exterior del organo, en cuyo caso cada linea contiene al menos un punto (un punto de extremo) del limite del organo. Se encuentran caracteristicas de la imagen de limite y estas caracteristicas se transforman entonces de nuevo a la imagen original, resultando asi en la segmentacion mejorada de la imagen.

Cada linea de muestreo puede analizarse de forma independiente o concurrente y pueden usarse umbrales locales (p.ej., umbrales calculados a partir de estadisticas de pixeles de cada linea) para construir un limite completo de la lesion u organo en la imagen. Puede aplicarse, por ejemplo, una operacion de extension del contraste o correccion gamma linea por linea. Ademas, la imagen del limite puede analizarse como un todo usando cualquier numero de tecnicas de analisis de imagen convencionales. En determinados modos de realizacion, el proceso de deteccion de bordes incluye reducir un ajuste de curvas bidimensional sobre la imagen a una aproximacion de linea unidimensional iterativa. Ademas, puesto que los datos se consideran quot;direccionalesquot; (es decir, los puntos de borde se encuentran mediante el desplazamiento desde el interior del contorno al exterior del contorno a lo largo de las linea de muestreo) , la matriz de datos se convierte en anisotropa y puede determinarse un borde cruzando los datos en la direccion apropiada. [0008] Los metodos descritos aqui pueden incluir usar un enfoque de umbral local constante (CLT, en ingles) , que emplea una estimacion de umbral basada en la combinacion de estadisticas globales y locales para binarizar la imagen del limite y facilita en mayor medida la limpieza de estas imagenes binarias para encontrar la curva del borde en el espacio del limite. [0009] Por lo tanto, en un aspecto la invencion proporciona un metodo para segmentar imagenes (imagenes bidimensionales o tridimensionales obtenidas usando una modalidad de formacion de imagenes como, por ejemplo, un escaner para CT, un dispositivo de ultrasonido, escaner para PET, un escaner para SPECT o una MRI) de estructuras anatomicas (p.ej., lesiones, tumores y/u organos) que incluye proporcionar una estimacion del limite inicial de la estructura (bien definiendo arbitrariamente la estimacion, usando una estimacion proporcionada por el usuario o un conjunto de puntos o bien determinando automaticamente la estimacion) , determinar una banda de limite que abarque la estimacion de limite, segmentar la banda de limite y mapear la banda de limite segmentada en la imagen para producir una estimacion del limite segmentada.

En modos de realizacion en los que la imagen es tridimensional, la imagen puede dividirse en una serie de imagenes bidimensionales que a su vez pueden usarse para crear una serie de estimaciones de limite segmentadas bidimensionales, a partir de la cual puede crearse una malla tridimensional. [0011] En algunos modos de realizacion, puede calcularse una diferencia de tolerancia (basada en mediciones estadisticas de la imagen, por ejemplo) entre la estimacion de limite segmentada y la estimacion inicial para determinar la precision y/o error de la estimacion segmentada. El metodo puede repetirse usando la estimacion de limite segmentada como la estimacion inicial en una iteracion posterior, y este proceso de estimacion iterativo puede continuar hasta que la diferencia de tolerancia se encuentre por debajo de un umbral predeterminado (que puede cambiar de iteracion a iteracion, si se desea) . En algunas aplicaciones, la banda de limite puede ajustarse tambien de iteracion a iteracion expandiendo o contrayendo la estimacion de limite inicial en varias direcciones y/o en varias cantidades. La determinacion de la banda de limite puede incluir el muestreo de datos de imagen a lo largo de una serie de lineas normales a la estimacion de limite inicial y el mapeo de los datos muestreados en una matriz rectangular. Las lineas de muestreo pueden ser tambien corradiales o curvas. [0012] En algunos modos de realizacion, la segmentacion de banda de limite puede incluir calcular una imagen de suma ponderada usando estadisticas locales y/o globales de la imagen; aplicar umbrales a la imagen de suma ponderada; formando asi una imagen binaria; detectar una curva de borde en la imagen binaria; y modificar puntos de informacion a lo largo de la curva de borde. Las mediciones estadisticas usadas para calcular los umbrales pueden incluir usar una media de la suma ponderada o la suma real de la imagen, metodos de deteccion de bordes por gradiente, metodos de deteccion de bordes Laplaciana y/o metodos de filtrado basados en gradiente de segunda derivada. Las tecnicas para segmentar la banda de limite pueden incluir usar conjuntos de niveles, contornos activos, informacion de textura, formas... [Seguir leyendo]

1. Un metodo implementado por ordenador para mejorar una imagen (100) de una estructura anatomica (105) , comprendiendo el metodo: a) proporcionar (200) , desde un registro a un modulo de mapeo, una estimacion de limite inicial (110) de la estructura anatomica (105) ; b) determinar (205) , mediante el modulo de mapeo, una region de banda de limite (135) que incluye la estimacion de limite inicial (110) de la estructura anatomica (105) mediante muestreo de datos de imagen a lo largo de una serie de lineas normales a la estimacion de limite inicial (110) ; c) convertir la region de banda de limite (135) a una imagen de limite rectangular (140) y la estimacion del limite (110) en una curva dentro de la imagen de limite rectangular (140) de forma que la estimacion de limite (110) se define en relacion con una cuadricula de coordenadas (x', y') de la imagen de limite rectangular (140) ;

d) segmentar (210) la estimacion de limite (110) dentro de la imagen de limite rectangular (140) ; e) mapear (215) la estimacion de limite segmentada (110) de la imagen de limite rectangular

(140) a la region de banda de limite (135) para obtener una estimacion de limite segmentada;

f) calcular una diferencia de tolerancia entre la estimacion de limite segmentada y la estimacion de limite inicial (110) ; g) repetir (220) los pasos b) hasta f) usando la estimacion de limite segmentada a partir de la imagen de limite rectangular (140) como estimacion de limite inicial (110) dentro de una region de banda de limite actualizada, hasta que la diferencia de tolerancia se encuentre por debajo de un umbral; y

h) generar una imagen mejorada de la estructura anatomica (105) a partir de la estimacion de limite segmentada.

2. El metodo de la reivindicacion 1, en el que el umbral se modifica para al menos una repeticion de los pasos b) hasta g) antes de llevar a cabo el paso h) .

3. El metodo de la reivindicacion 1, en el que un ancho de la region de banda de limite (135) se ajusta durante al menos una iteracion de los pasos b) hasta g) .

4. El metodo de la reivindicacion 1, en el que determinar la region de banda de limite (135) comprende expandir la estimacion de limite inicial (110) en multiples direcciones en una cantidad predefinida.

5. El metodo de la reivindicacion 1, en el que el paso de determinar la region de banda de limite

(135) comprende el muestreo de datos de imagen usando una pluralidad de lineas corradiales, pasando cada una de las lineas a traves de la estimacion de limite inicial (110) y mapear los datos muestreados en una matriz rectangular, o en el que el paso de determinar la region de banda de limite (135) comprende el muestreo de datos de imagen con una o mas lineas curvas pasando a traves de la estimacion de limite inicial (110) y mapear los datos muestreados en una matriz rectangular.

6. El metodo de la reivindicacion 1, en el que el paso de segmentacion de la region de banda de limite (135) comprende:

i) calcular una imagen de suma ponderada que comprende estadisticas locales y globales de la imagen; ii) aplicar uno o mas umbrales a la imagen de suma ponderada para formar una imagen binaria; iii) detectar una curva de borde basada en la imagen binaria; y iv) modificar uno o mas puntos de datos a lo largo de la curva de borde.

7. El metodo de la reivindicacion 1, en el que el paso de segmentar la region de banda de limite

(135) comprende usar uno o mas de entre conjuntos de niveles, contornos activos, formas activas, plantillas deformables, tecnicas basadas en graficos, agrupacion estadistica (clustering) , tecnicas de campos aleatorios de Markov o metodos de apariencias activas, o en el que el paso de segmentacion de la region de banda de limite (135) comprende uno o mas de umbralizacion de la region de banda de limite (135) , deteccion de bordes por gradiente o deteccion de bordes laplaciana para detectar un borde en la region de banda de limite (135) , o en el que el paso de segmentar la region de banda de limite (135) comprende usar informacion de la textura para detectar un borde en la region de banda de limite (135) .

8. El metodo de la reivindicacion 7 que comprende ademas derivar los umbrales basados en mediciones estadisticas de la imagen (100) , o que comprende ademas derivar los umbrales basados en mediciones estadisticas de la imagen (100) donde las mediciones estadisticas comprenden uno o mas de una media de la suma ponderada de la imagen (100) o una estimacion de la media de la imagen (100) .

9. El metodo de la reivindicacion 7, en el que la modificacion de uno o mas puntos de datos a lo largo de la curva de borde comprende eliminar concavidades locales falsas, o en el que la modificacion de uno o mas puntos de datos a lo largo de la curva de borde comprende eliminar puntos de borde erroneos y ajustar una curva spline por los puntos de borde restantes.

10. El metodo de la reivindicacion 1, en el que la imagen (100) es una imagen tridimensional (100) , y comprende ademas dividir la imagen tridimensional (100) en una pluralidad de imagenes bidimensionales (100) antes de llevar a cabo los pasos b) hasta d) sobre las mismas.

11. El metodo de la reivindicacion 10, que comprende ademas formar una malla tridimensional a partir de estimaciones de limite segmentadas bidimensionales generadas al llevar a cabo los pasos b) hasta d) sobre la pluralidad de imagenes bidimensionales (100) .

12. El metodo de la reivindicacion 10, que comprende ademas mantener continuidad entre las estimaciones de limite segmentadas bidimensionales.

13. El metodo de la reivindicacion 10, en el que la nueva region de banda de limite segmentada (135) se basa, al menos en parte, en datos muestreados a partir de puntos en proximidad a la estimacion de limite inicial (110) .

14. El metodo de la reivindicacion 1, en el que la estimacion de limite inicial (110) se define de forma arbitraria, o es proporcionada por el usuario, o se basa, al menos en parte, en un numero limitado de puntos proporcionado por el usuario.

15. Un sistema para mejorar una imagen (100) de una estructura anatomica (105) en una imagen

(100) , comprendiendo el sistema: a) un registro para recibir una imagen (100) y una estimacion de limite inicial (110) de una estructura anatomica (105) representada en la imagen (100) ; y

b) un modulo de mapeo para: i) determinar una region de banda de limite (135) que incluye la estimacion de limite inicial (110) de la estructura anatomica (105) mediante el muestreo de datos de imagen a lo largo de una serie de lineas normales a la estimacion de limite inicial (110) ; y ii) convertir la region de banda de limite (135) en una imagen de limite rectangular (140) y la estimacion de limite (110) en una curva dentro de la imagen de limite rectangular

(140) de forma que la estimacion de limite (110) este definida en relacion con una cuadricula de coordenadas (x', y') de la imagen de limite (140) ; y c) un procesador para:

iii) segmentar la estimacion de limite en la imagen de limite rectangular (140) ; iv) mapear la estimacion de limite segmentada a partir de la imagen de limite rectangular

(140) sobre la region de banda de limite (135) para obtener una estimacion de limite segmentada; y v) generar una imagen mejorada de la estructura anatomica (105) a partir de la estimacion de limite segmentada;

donde el modulo de mapeo y procesador segmentan y mapean de forma iterativa la region de banda de limite segmentada (135) usando la nueva estimacion de limite generada basandose en la imagen de limite rectangular (140) como la estimacion de limite inicial (110) en la region de banda de limite (135) .

16. Un articulo manufacturado que tiene partes de programa legible por ordenador incorporados en el mismo para segmentar representaciones de una estructura anatomica (105) en una imagen (100) ,

comprendiendo el articulo instrucciones legibles por ordenador para:

a) proporcionar una estimacion de limite inicial (110) de la estructura anatomica (105) ;

b) determinar una region de banda de limite (135) que incluye la estimacion de limite inicial

(110) de la estructura anatomica (105) mediante el muestreo de datos de imagen a lo largo de una serie de lineas normales a la estimacion de limite inicial (110) ;

c) convertir la region de banda de limite (135) en una imagen de limite rectangular (140) y la estimacion de limite (110) en una curva dentro de la imagen de limite rectangular (140) de forma que la estimacion de limite (110) se defina en relacion con una cuadricula de 10 coordenadas (x', y') de la imagen de limite rectangular (140) ;

d) segmentar la estimacion de limite (110) dentro de la imagen de limite rectangular (140) ;

e) mapear la estimacion de limite segmentada a partir de la imagen de limite rectangular

(140) sobre la region de banda de limite (135) para obtener una estimacion de limite segmentada;

f) repetir los pasos b) hasta e) usando la estimacion de limite segmentada de la imagen de limite rectangular (140) como estimacion de limite inicial (110) dentro de la region de banda de limite (135) , hasta que la diferencia de tolerancia se encuentre por debajo de un umbral; y g) mapear la region de banda de limite segmentada (135) sobre la imagen (100) , proporcionando asi una estimacion de limite segmentada.