Verfahren für die kenntnisbasierte Bildsegmentierung unter Verwendung von Formmodellen

Ein Verfahren für die Segmentierung eines Objekts von Interesse in einem Bild eines Patienten mit einem solchen Objekt wird beschrieben. Jede einer Mehrzahl von Trainingsformen wird verformt, um eine Referenzform zu überlagern, wobei ein Parameter THETA¶i¶ ein Maß für die Stärke der Verformung ist, die notwendig ist, um die Überlagerung zu bewirken. Ein Vektor der Parameter THETA¶i¶ wird für jede der Trainingsformen durch Minimierung einer Kostenfunktion zusammen mit einer Schätzung der Unsicherheit für jeden der erhaltenen Vektoren von Parametern THETA¶i¶ erhalten, wobei eine solche Unsicherheit als eine Kovarianzmatrix SIGMA¶i¶ quantifiziert wird. Ein statistisches Modell, das als DOLLAR I1 dargestellt wird, wird mit der Summe von Kernen mit einem Mittel THETA¶i¶ und Kovarianz SIGMA¶i¶ erzeugt. Das gewünsche interessierende Objekt im Bild des Patienten wird identifiziert, indem die Referenzform auf dem Bild angeordnet wird und verformt wird, um das erhaltene Bild zu überlagern, wobei ein Parameter THETA ein Maß für die Stärke der Verformung ist, die notwendig ist, um die Überlagerung zu bewirken. Eine Unsicherheit wird als eine Kovarianzmatrix SIGMA quantifiziert und eine Energiefunktion E = E¶shape¶ + E¶image¶ wird berechnet, um die Wahrscheinlichkeit der derzeitigen Form im statistischen Formmodell DOLLAR I2 und die Einpassung in das Bild E¶image¶ zu erhalten. A method for segmenting an object of interest from an image of a patient having such object. Each one of a plurality of training shapes is distorted to overlay a reference shape with a parameter Θi being a measure of the amount of distortion required to effect the overlay. A vector of the parameters Θi is obtained for every one of the training shapes through the minimization of a cost function along with an estimate of uncertainty for every one of the obtained vectors of parameters Θi, such uncertainty being quantified as a covariance matrix i. A statistical model represented as {circumflex over (f)}H (Θ, ) is generated with the sum of kernels having a mean Θi and covariance i. The desired object of interest in the image of the patient is identified by positioning of the reference shape on the image and distorting the reference shape to overlay the obtained image with a parameter Θ being a measure of the amount of distortion required to effect the overlay. An uncertainty is quantified as a covariance matrix and an energy function E=Eshape+Eimage is computed to obtain the probability of the curren