[發明專利]使用自適應判別學習和測量融合的導管跟蹤的方法和系統

有效

• 申請號: 201210120135.2
• 申請日: 2012-03-14
• 公開（公告）號: CN102697482A
• 公開（公告）日: 2012-10-03
• 發明（設計）人: 王鵬;鄭冶楓;M·約翰;J·貝澤;G·芬卡-李;D·科馬尼丘
• 申請（專利權）人: 西門子公司;西門子公司
• 主分類號: A61B5/00
• 分類號: A61B5/00;A61M25/095
• 代理公司: 中國專利代理(香港)有限公司 72001
• 代理人: 胡莉莉;李家麟

1.一種用于在熒光透視圖像序列中跟蹤對象的方法，其包括：

基于在熒光透視圖像序列的至少一個在前幀中的被跟蹤的對象在線訓練自適應判別模型；以及

至少基于在線訓練的自適應判別模型來在熒光透視圖像序列的當前幀中跟蹤對象。

2.根據權利要求1所述的方法，其中，基于在熒光透視圖像序列的至少一個在前幀中的被跟蹤的對象在線訓練自適應判別模型的步驟包括：

提取來自在至少一個在前幀中的被跟蹤的對象的正樣本以及遠離在至少一個在前幀中的被跟蹤的對象的負樣本；

基于所提取的正樣本以及負樣本，使用梯度下降法來更新線性判別向量，以減少貝葉斯誤差；以及

基于所更新的線性判別向量來更新概率模型。

3.根據權利要求2所述的方法，其中，基于在熒光透視圖像序列的至少一個在前幀中的被跟蹤的對象在線訓練自適應判別模型的步驟還包括：

重復更新線性判別向量以及更新概率模型的步驟，直到線性判別向量收斂。

4.根據權利要求2所述的方法，其中，最初的線性判別向量基于被注解的訓練數據而離線訓練。

5.根據權利要求4所述的方法，其中，最初的線性判別向量使用減少訓練數據的維度的主成分分析(PCA)以及使用被應用到來自PCA的主成分結果以學習最初的判別向量的費舍爾判別分析(FDA)而得以離線訓練。

6.根據權利要求1所述的方法，其中，至少基于在線訓練的自適應判別模型來在熒光透視圖像序列的當前幀中跟蹤對象的步驟包括：

在當前幀中使用其中一個為自適應判別模型的多個測量模型的融合來跟蹤對象。

7.根據權利要求6所述的方法，其中，在當前幀中使用其中一個為自適應判別模型的多個測量模型的融合來跟蹤對象的步驟包括：

在當前幀中使用為在線訓練的自適應判別模型、離線訓練的對象檢測模型以及在線表象模型的融合的總體測量模型來跟蹤對象。

8.根據權利要求7所述的方法，其中，對象檢測模型基于被注解的訓練數據使用概率推進樹(PBT)而被離線訓練。

9.根據權利要求7所述的方法，其中，基于當前幀中的圖像塊與根據在至少一個在前幀中的被跟蹤的對象來在線訓練的表象模板之間的差，在線表象模型計算所述圖像塊的概率。

10.根據權利要求7所述的方法，其中，在當前幀中使用為在線訓練的自適應判別模型、離線訓練的對象檢測模型以及在線表象模型的融合的總體測量模型來跟蹤對象的步驟包括：

在當前幀中基于從至少一個在前幀傳播的運動先驗概率和總體測量模型來跟蹤對象。