[發明專利]用于生成對象的中心線的方法和系統以及計算機可讀介質

在審

• 申請號: 202010212978.X
• 申請日: 2020-03-24
• 公開（公告）號: CN111429502A
• 公開（公告）日: 2020-07-17
• 發明（設計）人: 王昕;尹游兵;宋麒;白軍杰;陸易;吳毅;高峰;曹坤琳
• 申請（專利權）人: 深圳科亞醫療科技有限公司
• 主分類號: G06T7/60
• 分類號: G06T7/60;G06N3/08
• 代理公司: 北京金信知識產權代理有限公司 11225
• 代理人: 夏東棟

本公開提供了用于生成對象的中心線的方法和系統以及計算機可讀介質。該方法包括接收包含對象的圖像。該方法還包括通過追蹤圖像塊序列來生成對象的中心線。通過追蹤圖像塊序列來生成對象的中心線包括，對于除初始圖像塊之外的各個圖像塊：根據前一個圖像塊的位置和動作來追蹤當前圖像塊；基于當前圖像塊利用訓練好的學習網絡輸出策略函數和值函數，該學習網絡包括編碼器后跟第一學習網絡和第二學習網絡，所述學習網絡通過最大化累積獎勵來訓練；并且確定當前圖像塊的動作。

相關申請的交叉引用

本申請要求2019年3月26日提交的美國臨時申請第62/824,240號的優先權的權益，其全部內容通過引用合并于本文中。

技術領域

本公開總體上涉及醫學圖像處理和分析。更具體地，本公開涉及一種用于生成圖像中的對象(例如，血管、氣道、乳腺管等)的中心線的方法和系統。

背景技術

各種生物醫學圖像應用涉及樹結構的復雜對象，例如血管和氣道。在人體中通常會觀察到呈現樹結構的對象，包括人體氣道、血管(動脈和靜脈，毛細血管)、神經結構以及從乳頭延伸的乳腺管等。醫學成像(CT、MRI、眼底照相機成像等)中的最新技術進步使得有可能獲取包括上述結構的醫學圖像(2D、3D或4D)。

中心線是形狀的骨架(或中間軸)表示，使得其上的每個點與形狀的邊界等距。中心線提供了簡潔的表示，強調了對象的幾何和拓撲屬性，諸如連通性、長度、方向等。例如，在臨床實踐中，中心線提取對于定量測量樹結構(包括長度、半徑、角度等)是很必要的。當前的中心線追蹤方法可以分為兩大類：形態骨架化方法和基于最小成本路徑的方法。對于諸如腐蝕和細化之類的形態骨架化方法，通常使用分割蒙版，并且圖像/蒙版上的小擾動或噪聲很容易導致虛假分支。與之對比，基于最小成本路徑的方法構建成本圖像并計算從起點到終點的最佳路徑。通常根據圖像強度或派生的度量來計算成本圖像。另外，為了確保提取的中心線位于管腔內部，這種最小成本路徑方法可以應用于分割蒙版本身，并且基于距離變換來計算成本圖像。盡管基于最小成本路徑的算法通常比形態追蹤算法更具魯棒性，但它仍然具有嚴重的局限性。一方面，手動指定起點和終點，這會增加用戶交互，或者使用先驗信息進行檢測，這可能會導致缺失點或檢測到不必要的點。另一方面，基于強度或強度派生的度量計算的成本圖像可能無法很好地處理圖像強度和質量的較大變異。此外，計算成本圖像還需要額外的步驟來提取蒙版，這實際上是一項非常艱巨的任務。

由于上述常規方法缺乏魯棒性，臨床醫生或技術人員通常手動地或使用一些半自動工具追蹤中心線，這是費力且費時的，并且結果可能易于出錯。

常規方法具有缺點。例如，基于強度的最小成本路徑算法由于圖像強度的大差異而缺乏魯棒性。對于基于分割的中心線追蹤算法，須在整張掃描片(“全片”)各處執行分割步驟。通常，醫學圖像的尺寸非常大，因此分割步驟本身非常耗時。基于分割的中心線追蹤算法還需要基于先驗信息手動指定或提取起點或終點。基于分割的中心線追蹤算法不是端到端模型。這些算法使用后處理來處理中心線追蹤的平滑度，通常依賴于先前的多步模型的輸出，因此結果對于圖像對象而言不是最佳的。中心線是從單條路徑到另一條路徑分別提取的，因此對于樹結構的處理不佳。

發明內容

提供本公開內容以克服在各種圖像中提取具有各種幾何形狀和結構(例如復雜樹結構)的對象的中心線的常規方法中的缺點。提供本公開以通過引入深度強化學習(DRL)算法以端對端的方式實現對樹結構中心線的魯棒性自動提取。

在一個方面，公開了一種用于生成對象的中心線的計算機實現的方法。該方法包括接收包含對象的圖像。該圖像由成像裝置獲取。該方法還包括通過處理器追蹤圖像塊序列來生成對象的中心線。通過處理器追蹤圖像塊序列來生成對象的中心線包括，對于除初始圖像塊之外的各個圖像塊：基于前一個圖像塊的位置和動作來追蹤當前圖像塊；基于當前圖像塊利用訓練好的學習網絡來輸出策略函數和值函數，所述學習網絡包括編碼器后跟第一學習網絡和第二學習網絡；以及確定當前圖像塊的動作。該學習網絡可以通過最大化累積獎勵來訓練。