CN101167105B - 多表面建模 - Google Patents
多表面建模 Download PDFInfo
- Publication number
- CN101167105B CN101167105B CN2006800147052A CN200680014705A CN101167105B CN 101167105 B CN101167105 B CN 101167105B CN 2006800147052 A CN2006800147052 A CN 2006800147052A CN 200680014705 A CN200680014705 A CN 200680014705A CN 101167105 B CN101167105 B CN 101167105B
- Authority
- CN
- China
- Prior art keywords
- surface grid
- interest
- make
- grid
- mesh primitive
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Instructional Devices (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
- Image Processing (AREA)
Abstract
器官表面建模是在计算机支持技术中使用、并且还在基于图像的医学诊断以及临床介入领域中使用的完备建立的方法。根据本发明的示范性实施方式,提供了一种根据感兴趣对象的多维数据集来构建多表面模型的方法,该方法组合单个基本二维流形,以形成多表面模型。根据本发明的一个方面,这个结果产生的模型可以是非二维流形网格。
Description
本发明涉及表面建模领域。尤其是,本发明涉及根据感兴趣对象的多维数据集来构建多表面模型的方法,并且本发明还涉及图像处理设备、检查装置、计算机可读介质以及程序单元。
器官表面的建模是这样一种方法,该方法不但在计算机支持的技术中使用,而且还在基于图像的医学诊断和临床介入中使用。在此上下文中的模型可以在检查患者之前或者在检查患者以外提供解剖学信息。通过提供可变形的模型并且使其适用于图像,在对器官进行检测、分段和标记的过程中使用模型。可以预先根据采样图像来建立初始模型。可以定义模型项,例如具有给定拓扑结构的固定数目的表面三角形,而且模型几何结构可以适用于每个训练图像(training image)。由此,通过模型项(即,专门的顶点或者三角形的位置)来在不同图像中的解剖学实体之间技术地建立对应关系。
二维(多数是闭合的)流形(manifold)可以用于这种表面建模。还可以使用这种模型集合,其中还可以对模型之间的距离进行建模。
然而,在心脏学领域,仅对腔(心房、心室及其流入和流出)或肌肉单独建模可能是不够的,这是因为它们两者都很重要并且两者的形状彼此相互依赖。
所期望的是具有一种改进的表面建模方法。
根据本发明,提供了一种根据感兴趣对象的多维数据集来构建多表面模型的方法,该方法包括步骤:构建与感兴趣对象的第一部分相对应的适应性第一表面网格(mesh),构建与感兴趣对象的第二部分相对应的适应性第二表面网格,以及组合第一表面网格和第二表面网格,以便形成感兴趣对象的多表面模型。
因此,根据本发明,该方法可自动构建多表面模型。它可对单个器官部分提供基本表面网格的构建。然后,可以以这种方式组合这些网格,以便使该组合形成感兴趣对象的多表面模型,该多表面模型可以是非二维的流形网格。
在从属权利要求中公开了本发明的示范性实施方式。
根据本发明的另一示范性实施方式,第一表面网格是第一二维流形,而第二表面网格是第二二维流形,其中构建第一表面网格包括使第一表面网格适应于感兴趣对象的第一部分的步骤;而且其中构建第二表面网格包括使第二表面网格适应于感兴趣对象的第二部分的步骤。
这可以提供一种对不同解剖实体(诸如,心室、心房和某些附属脉管)进行自动建模的方法。
根据本发明的另一示范性实施方式,组合第一表面网格和第二表面网格包括第一操作、第二操作和第三操作,其中第一、第二和第三操作是二元的。此外,第一操作是合集操作,第二操作是交集操作,而第三操作是差集操作。
在组合第一表面网格和第二表面网格期间应用这三种操作可以有效并且准确地构建多表面模型。
根据本发明的另一示范性实施方式,第一表面网格包括第一网格图元(primitive),第二表面网格包括第二网格图元。此外,第一网格图元与第二网格图元相对应。组合第一表面网格和第二表面网格组合包括第四操作,它是第一网格图元和第二网格图元的合并。
通过执行合并或接合操作,在两个网格中出现的相应面可以被统一起来。
根据本发明的另一示范性实施方式,该方法可进一步包括生成与第一表面网格的第三网格图元相对应的标记的步骤,其中该标记包括关于第三网格图元的信息。
在重构阶段期间,多表面网格中的每个网格图元可以具有相应的标记,该标记确定它分隔了哪些体积或它属于哪个表面。
根据本发明的另一示范性实施方式,该方法可以进一步包括至少一个以下步骤:如果所得到的感兴趣对象的多表面模型的粒度低于预置的值,则将第一表面网格和第二表面网格中的至少一个进行细化;以及如果所得到的感兴趣对象的多表面模型的粒度高于预置的值,则将第一表面网格和第二表面网格中的至少一个进行粗化。
因此,在其中边界三角形或网格图元可能会分裂几次的交叉区域处,可以校正所产生的局部过采样。
根据本发明的另一示范性实施方式,通过用户指导来交互地执行以下中的至少一项:构建第一表面网格、构建第二表面网格、组合第一表面网格和第二表面网格。
这样例如可以提供高的灵活性。例如,用户可以交互地选择他特别感兴趣的部分,或者用户可执行放大过程。在不同的用户交互之间,可以执行表面呈现并使得表面网格适应于训练图像。
根据本发明的另一示范性实施方式,以批处理方式执行以下中的至少一项:构建第一表面网格、构建第二表面网格、以及合并第一表面网格和第二表面网格,其中,从包括第一操作、第二操作、第三操作和第四操作的组中选出的至少一个操作的序列是预先确定的。
因此,可以以批处理方式运行整个构建,其中如同在编程语言中一样,对所需操作的序列进行编码。这可以提供高级别的自动化。
根据本发明的另一示范性实施方式,提供了一个图像处理设备,用于根据感兴趣对象的多维数据集来构建多表面模型。该图像处理设备包括用于存储多维数据集的存储器和计算单元。该计算单元适用于执行根据本发明示范性实施方式的方法。
根据本发明的另一示范性实施方式,提供了一种检查装置,用于根据感兴趣对象的多维数据集来构建多表面模型,该检查装置包括适用于执行上文提及的方法步骤的计算单元。
根据本发明的另一示范性实施方式,检查装置可从包含以下项的组中选择,这些项为:超声成像系统、CT(计算断层摄影术)成像系统、CSCT(相干散射计算断层摄影术)成像系统、PET(正电子发射断层摄影术)成像系统、SPECT(单光子发射计算断层摄影术)成像系统、超声以及MR(磁共振)成像系统。因此,可以提供用于不同诊断(例如,在恶性和良性身体损害之间)的诊断工具。
根据本发明的另一示范性实施方式,检查装置可以进一步包括:适用于向感兴趣对象发射电磁辐射的电磁辐射源,以及布置在电磁辐射源和检测元件之间的准直仪,其中该准直仪适用于校准由电磁辐射源发出的电磁辐射束以形成扇形束或锥形束。
此外,根据本发明的另一示范性实施方式,检查装置可以用作行李检查装置、医学应用装置、材料检测装置或材料科学分析装置。本发明的一个应用领域可以是行李检查,这是因为本发明所定义的功能允许对行李项的内容进行安全可靠的分析,这允许检测可疑内容,甚至允许检测这种行李之内的材料类型。
根据本发明的另一示范性实施方式,提供一种其中存储了计算机程序的计算机可读介质,该程序用于利用检查装置来根据感兴趣对象的多维数据集来构建多表面模型,该计算机程序在由处理器执行时适合执行上文提及的方法步骤。
本发明还涉及在计算机可读介质上存储的、根据感兴趣对象的多维数据集来构建多表面模型的程序单元。该程序单元适用于执行以下步骤:构建与感兴趣对象的第一部分相应的适应性第一表面网格,构建与感兴趣对象的第二部分相应的适应性第二表面网格,以及组合第一表面网格和第二表面网格,以结果产生感兴趣对象的多表面模型。
优选地,根据本发明的另一示范性实施方式,可以将程序单元装载到数据处理器的工作存储器中。由此,将数据处理器配备为执行本发明的方法的示范性实施方式。可以使用任何合适的编程语言(诸如,例如C++)来编写计算机程序,并且可以将其存储在计算机可读介质(诸如,CD-ROM)上。还可以从诸如万维网之类的网络获得计算机程序,可将计算机程序从网络下载到图像处理单元或处理器、或任何适合的计算机中。
可见,本发明示范性实施方式的要旨是,组合单个基本二维流形表面网格以形成多表面模型,该多表面模型可以是非二维流形网格。这种组合包括合并或接合操作,该操作结合两个面的集合,并且统一在两个网格中出现的对应面。
参考下文所述实施方式,本发明的这些以及其他方面将变得清楚明了。
下文将参考以下附图来描述本发明的示范性实施方式。
图1示出了根据本发明的CT扫描仪实施方式的简化示意性表示。
图2示出了患者心脏的CT图像切片。
图3示出了根据本发明方法的示范性实施方式的模型构建过程中的六个不同的阶段。
图4示出了根据本发明、根据感兴趣对象的多维数据集来构建多表面模型的方法的示范性实施方式的流程图。
图5示出了根据本发明的图像处理设备的示范性实施方式,其用于执行根据本发明的方法的示范性实施方式。
附图的说明是示意性的。在不同附图中,相似的或相同的元件具有相同的参考符号。
图1示出了根据本发明示范性实施方式的CT扫描仪系统。参考这个示范性实施方式,本发明将被描述用于医学成像领域的应用。然而应注意,本发明并不局限于此应用,而是还可以用于行李检查、或诸如材料测试之类的其他工业应用。
图1所述的计算机断层摄影装置100是锥形波束CT扫描仪。然而,还可以用扇形波束来实现本发明。图1中描述的CT扫描仪包括可以围绕旋转轴102旋转的架(gantry)101。架101借助于马达103驱动。参考号码104表示诸如X-射线源之类的辐射源,根据本发明的一个方面,该辐射源发出多波长辐射。
参考号码105表示孔径系统,它使从辐射源发出的辐射束形成为锥形辐射束106。引导锥形束106以便使其穿透布置在架101的中心(即,该CT扫描仪的检查区域)处的感兴趣对象107,并且撞击到检测器108上。如图1所示,检测器108与放射源104相对地设置在架101上,以便检测器108的表面由锥形束106所覆盖。图1中描述的检测器108包括多个检测器单元123,每个检测器单元能够以能量分解方式检测已经穿透感兴趣对象107的X-射线或各个光子。
在对感兴趣对象107进行扫描期间,辐射源104、孔径系统105和检测器108按箭头116所指示的方向沿架101旋转。为了旋转架101和辐射源104、孔径系统105、以及检测器108,马达103连接到马达控制单元117,该马达控制单元117连接到计算或确定单元118。
在图1中,感兴趣对象107可以是处于传送带119上的患者或行李物件。在对感兴趣对象107进行扫描期间,当架101围绕行李107旋转时,传送带119沿着与架101的旋转轴102平行的方向平移感兴趣对象107。这样,沿着螺旋状的扫描路径来扫描感兴趣对象107。在扫描期间传送带119也可以停止以便来测量信号片断。例如在其中感兴趣对象是患者的医学应用中,可以使用可移动的台面来代替传送带119。然而应该注意,在所有描述的例子中,还有可能执行循环扫描,此时沿与旋转轴102平行的方向没有位移,而只有架101围绕旋转轴102的旋转。
此外,应当强调的是,作为图1所示的锥形束配置的替代,还可以通过扇形束配置来实现本发明。为了生成扇形波束,可以将孔径系统105配置为狭缝准直仪。
检测器108可以连接到计算单元118。计算单元118可接收检测结果,即来自检测器108的检测单元123的读出,并且基于该读数来确定扫描结果。此外,计算单元118与马达控制单元117通信,以便利用马达103和120来协调架101和传送带119的运动。
根据本发明的示范性实施方式,计算单元118适合于使用统计方法来从检测器108的读出构建图像。由计算单元118生成的重构图像可经由接口122输出到显示器(图1中未示出)。
可以由数据处理器来实现计算单元118,以便处理来自检测器108中的检测单元123的读出。
此外,如图1中所示,计算单元118可连接到扬声器121,例如,用于在行李107中检测到可疑材料的情况下自动输出警报。
用于检查感兴趣对象107的计算机断层摄影装置100包括检测器108,该检测器108具有以类矩阵方式布置的多个检测元件123,每个适于以基于阈值的方式并从而以能量分解的方式来检测X-射线。此外,计算机断层摄影装置100包括确定单元或重构单元118,适于根据感兴趣对象107的多维数据集来构建多表面模型。
计算机断层摄影装置100包括X-射线源104,适用于向感兴趣对象107发射X-射线。在电磁辐射源104和检测元件123之间提供的准直仪105适用于校准从电磁辐射源104发出的电磁辐射束以形成锥形波束。可替换地,尽管在在图1中未示出,但是可以使用狭缝准直仪来代替准直仪105以产生扇形波束。检测元件123形成了多片断检测器阵列108。计算机断层摄影仪100可以配置为医学成像装置。
图2示出了描述心脏图像片段的心脏CT图像。可以从图2中看出,动脉201、右心房202、左血液池203、大动脉204、以及心肌205的截面均清晰可见。因此,该模型的拓扑结构可产生流形类型的相邻关系。应该注意,图像示出了多表面模型对不可见图像的适应,因而对其其解剖成分进行划分并标注。
图3示出了根据本发明的方法的示范性实施方式的模型构建过程的六个不同阶段。阶段(a)示出了基本网格301,基本网格301是可适应的,并且可以适应于感兴趣对象的某一预定部分(即,心脏的左心房)。阶段(b-d)示出中间网格,所述中间网格已经根据本发明的示范性实施方式而进行了适应和组合。阶段(b)示出了左血液池302,阶段(c)示出了左肌肉303,而阶段(d)示出了右血液池304。阶段(e)示出了最终的心脏多表面模型,其包括左血液池302、左肌肉303和右血液池304。阶段(f)仅示出了左心室305的内部,根据本发明的另一示范性实施方式,其可以构建为来自阶段(e)的多表面模型的子模型。
图4示出了根据本发明的示范性实施方式、根据从感兴趣对象(例如,心脏)的多维数据集来构建多表面模型方法的流程图。该建模框架可以使得多表面模型的构建自动化。它可以为作为二维流形的单一器官提供基本表面网格的构建。从例如球面和管状的简单几何形状(如在图3的阶段(a)中所述)开始,表面网格可以适应于训练图像的目标器官的相应部分。
框架的中央部分可组合这些基本网格,并且根据这些基本网格来构建多表面模型,该多表面模型可以是非二维流形。感兴趣对象的多表面模型可以包含不同的体积,它们可以是连接的(共享公共表面)、非连接的或重叠的。
在重构阶段,可以标记多表面网格的每个网格图元。这个网格图元可以是例如三角形。该标记可以确定了每个网格图元分隔了哪些体积、或者属于哪个表面。这不但对于模型的可视化是重要特征,而且对于向图像的适应性也是如此,其中必须为不同的器官部分考虑不同的图像特征。
根据本发明的示范性实施方式,该框架可提供对包括所有充满血液的腔和主心肌的多表面三角模型的构建,以及使该模型适应不可见图像。
在多表面网格构建阶段中可以使用四个基本的操作符。这些操作符可以是二元的,这意味着它们可以将两个网格组合成一个。其中三个操作符(并集操作符,交集操作符,差集操作符)可以考虑两个网格的闭合体积,在它们上应用集合操作并产生该集合操作的表面。根据本发明的一个方面,这些操作符可以在可变形表面模型的体积图像的上下文中使用。
操作数以及操作结果两者可以是二维流形。另外的第四操作符(接合或合并)可产生非二维流形。第四操作符可联合三角形或网格图元集合(其可以具有不同于三角形的形状,例如多边形)二者,但可以统一在两个网格中出现的对应三角形。依次应用于基本表面网格的这些操作符足够建立最终的多表面模型。另外,如果结果产生的模型超出或低于给定的空间粒度,则还可以执行网格的细化或粗化。这在交叉区域尤其重要,在交叉区域中,边界三角形或网格图元通常被分割数次,从而导致需要校正的局部过度采样。
应该注意,根据本发明的一个方面,第一表面网格或第二表面网格可以包括多个基本表面网格(在其上至少已应用了一种基本操作)。因此,可以提供对感兴趣对象107的多表面模型的迭代或者分步式构建。
根据本发明的示范性实施方式,可以利用中间表面呈现和适应于训练图像来由用户控制对构建的交互性执行。还可以以批处理模式运行构建处理,其中以编程语言的方式来编码所需的操作序列。
根据本发明的一个方面,模型可以覆盖心脏左、右两边的血液池。心室的血液池可以与心房的血液池区分开来。还可以对所有附属的脉管进行建模,即,对大动脉、肺动脉、腔静脉以及肺静脉主干进行建模。此外,在模型中还可以表示左心肌。
包括相邻空间实体可以需要超出二维流形的表面建模方案。根据本发明的一个方面,网格图元是三角形面。这些可以是具有三个以上的邻居、其中多个表面共享边缘的面。为了能够实现多尺度/多分辨率方法、或仅在准确性和复杂度之间找到理想平衡,可以执行表面离散化的多分辨率表示。
初始步骤S1可以是构建单个基本形状,例如心房的球面、附属脉管的管道、以及心室的开口椭圆体。每一个适应基本形状可以是表面网格,该表面网格包括多个网格图元(例如,象三角形)并具有二维流形的形式。每一个基本形状可以对解剖实体进行建模。
在第二步骤S2中,可以在训练图像中定位基本形状,并使该基本形状适应于相应实体。此外,可以执行重新采样以便提供所定义级别的粒度。如果表面网格的粒度低于预置或预定的粒度值,则这种重新采样可以包括对特定表面网格进行细化。此外,如果表面网格的粒度高于预先设定或确定的粒度值,则重新采样可以包括将该表面网格粗化。
第三步骤S3可以组合单个基本的二维流形以形成多表面模型。可以通过从基本网格开始、在表面网格上通过依次应用四个基本操作来执行组合步骤S3。可能存在空间集合操作,其可以考虑两个网格的闭合空间,在它们上应用并(U)或差(\)操作,并生成结果产生的表面网格。这些操作中的每个均可定义为B×B→B,其中B可以是二维流形网格。作为对这些操作的进一步限制,在两个网格之间的相交线可以是闭合的多边形。这可以要求开放的基本网格与它们的邻居完全重叠(例如,具有心房的心室)。
接合或合并操作(◇)可以定义为B×B→M,其中M是非二维流形网格。接合操作符可仅联合两个面的集合,并可以统一在两个网格中出现的相应面。
此外,一元操作符cl(M→M)可去除小于由参数1给定的所有边,并且保留三角形的标记。可以使用一元操作符以便替换由体积集合操作创建的辅助三角形。左血液池plB可以构建如下
pl=cl(v1Uv2Uv3Uv4UalUviUa) (1)
为了构建完整的多表面模型,第一中间网格a1和a2可构建如下
a1=cl(vo\pl) (2)
a2=cl(voUpl) (3)
这里a1现在精确地包括左心肌。完整的左心脏模型可构建为
而右血液池可构建为
pr=cl(arUvrUapUvlUvo)\a1 (5)
左、右部分可熔合为
现在参考图3,可从同一观察位置呈现某些基本图形(a)、中间结果(b-d)、最终网格(e)。边界大小可设置为从2.5mm到5mm的范围。还可以构建除了构建最终网格所需要的那些之外的其他子网格,例如除去左心房的左心室中的血液池,构建如下
pvi=vi\al (7)
在结果产生的感兴趣对象的多表面模型中,可以为每个面指定一个标记,该标记指示其所属的解剖结构。可通过存储面是从哪个基本形状生成的信息来导出此信息。基本形状可以是左心房al、左心室心内膜(内部vi)、左心室心外膜(外部vo)、大动脉a、高级腔静脉vs、低级腔静脉vl、右心房ar、右心室vr、肺动脉ap(只有右分支)、以及流进左心房的肺静脉主干(v1、v2、v3、v4)。
图5描述了根据本发明的图像处理设备的示范性实施方式,其用于执行根据本发明的方法的示范性实施方式。图5中描述的图像处理设备400包括连接到存储器402的中央处理单元(CPU)或图像处理器401,所述存储器402用于存储描述感兴趣对象(如患者或行李项)的图像。数据处理器401可以连接到用于诊断设备(诸如CT设备)的多个输入/输出网络。数据处理器401可以进一步连接到显示设备403(例如计算机监视器),用于显示在数据处理器401中计算或者采用的信息或图像。操作者或用户可经由键盘404和/或其他输出设备(这些在图5中没有示出)来与数据处理器401进行交互。此外,通过总线系统405,还可能将图像处理和控制处理器401连接到例如运动监视器,其中所述运动监视器用于监视感兴趣对象的运动。例如,在对患者的肺成像的情况下,运动传感器可以是呼气传感器。在对心脏成像的情况下,运动传感器可以是心电图仪,其例如通过心脏选通(cardiac gating)的方法来形成作为补偿心脏运动基础的心电图。
根据本发明对感兴趣对象的检查允许构建多表面模型、感兴趣对象的多维数据集,结果导致在多个网格中出现的相应网格图元面的合并。可以由CT或其他扫描系统(诸如MRI(磁共振成像)扫描系统、PET(正电子发射断层摄影术)成像系统、SPECT(单光子发射计算断层摄影术)成像系统或超声成像系统来获取感兴趣对象的图像。
本发明的示范性实施方式可作为对于CT扫描仪终端、成像工作站、诊断医疗工作站、或PACS(图片存档和通信系统)工作站的软件选项而销售。例如,应用领域可以是心血管成像、心脏电生理学。
应该注意,术语“包括”并不排除其他元素或步骤,且“一个”或者“一种”并不排除多个,而单个处理器或系统可实现在权利要求书中所述的多个方法或单元的功能。在与不同实施方式相关联地进行描述的元件还可以进行组合。
应该注意,在权利要求书中的任何参考符号不应解释为对权利要求范围的限制。
Claims (12)
1.一种根据感兴趣对象(107)的多维数据集来构建多表面模型的方法,所述方法包括以下步骤:
构建与所述感兴趣对象(107)的第一部分相对应的适应性第一表面网格;
构建与所述感兴趣对象(107)的第二部分相对应的适应性第二表面网格;
组合所述第一表面网格和所述第二表面网格,以形成所述感兴趣对象(107)的多表面模型,
其中所述感兴趣对象的多表面模型是通过第一网格图元和第二网格图元的合并产生的非二维流形,并包含连接的、非连接的或重叠的体积,其中第一表面网格包括第一网格图元,第二表面网格包括第二网格图元,所述第一网格图元与所述第二网格图元相对应。
2.根据权利要求1所述的方法,
其中所述第一表面网格是第一二维流形,而所述第二表面网格是第二二维流形;
其中构建所述第一表面网格包括步骤:使得所述第一表面网格适应于所述感兴趣对象(107)的所述第一部分;以及
其中构建所述第二表面网格包括步骤:使得所述第二表面网格适应于所述感兴趣对象(107)的所述第二部分。
3.根据权利要求1所述的方法,
其中组合所述第一表面网格和所述第二表面网格包括第一操作、第二操作和第三操作;
其中所述第一、第二和第三操作是二元的;
其中所述第一操作是并集操作;
其中所述第二操作是交集操作;以及
其中所述第三操作是差集操作。
4.根据权利要求1所述的方法,进一步包括步骤:
生成与所述第一表面网格的第三网格图元相对应的标记;
其中所述标记包括与所述第三网格图元相关的信息。
5.根据权利要求1所述的方法,进一步包括以下步骤中的至少一个:
如果结果产生的所述感兴趣对象(107)的多表面模型的粒度低于预置值,则将所述第一表面网格和所述第二表面网格中的至少一个进行细化;
如果结果产生的所述感兴趣对象(107)的多表面模型的粒度高于预置值,则将所述第一表面网格和所述第二表面网格中的至少一个进行粗化。
6.根据权利要求1所述的方法,
其中通过用户引导来交互执行构建所述第一表面网格、构建所述第二表面网格、以及组合所述第一表面网格和所述第二表面网格中的至少一个。
7.根据权利要求3所述的方法,
其中以批处理方式来执行构建所述第一表面网格、构建所述第二表面网格、联合所述第一表面网格和所述第二表面网格中的至少一个;
其中预先确定从包括第一操作、第二操作、第三操作和第四操作的组中选出的至少一个操作的序列,
其中对于第四操作:
第一表面网格包括第一网格图元;
第二表面网格包括第二网格图元;
所述第一网格图元与所述第二网格图元相对应;
其中组合所述第一表面网格和所述第二表面网格包括作为所述第一网格图元和所述第二网格图元的合并的第四操作。
8.一种用于根据感兴趣对象(107)的多维数据集来构建多表面模型的图像处理设备,所述图像处理设备包括:
用于存储多维数据集的存储器;
计算单元(118),其适合于:
构建与所述感兴趣对象(107)的第一部分相对应的适应性第一表面网格;
构建与所述感兴趣对象(107)的第二部分相对应的适应性第二表面网格;
组合所述第一表面网格和所述第二表面网格,形成所述感兴趣对象(107)的多表面模型,
其中所述感兴趣对象的多表面模型是通过第一网格图元和第二网格图元的合并产生的非二维流形,且包含连接的、非连接的或重叠的体积,其中第一表面网格包括第一网格图元,第二表面网格包括第二网格图元,所述第一网格图元与所述第二网格图元相对应。
9.一种用于根据感兴趣对象(107)的多维数据集来构建多表面模型的检查装置,所述检查装置如权利要求8所述的图像处理设备。
10.根据权利要求9所述的检查装置,
其中所述检查装置(100)从包含超声成像系统、计算断层摄影术成像系统、相干散射计算断层摄影术成像系统、正电子发射断层摄影术成像系统、单光子发射计算断层摄影术成像系统、以及磁共振成像系统的组中选出。
11.根据权利要求9所述的检查装置,进一步包括:
电磁辐射源(104),适用于向所述感兴趣对象(107)发射电磁辐射;
准直仪(105),布置在所述电磁辐射源(104)和检测单元(123)之间;
其中所述准直仪(105)适于校准由所述电磁辐射源(104)发出的电磁辐射束以形成扇形波束或锥形波束。
12.根据权利要求9所述的检查装置,配置为以下组之一,所述组包括行李检查装置、医学应用装置、材料测试装置和材料科学分析装置。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP05103591.3 | 2005-04-29 | ||
EP05103591 | 2005-04-29 | ||
PCT/IB2006/051284 WO2006117719A2 (en) | 2005-04-29 | 2006-04-25 | Multi-surface modelling |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101167105A CN101167105A (zh) | 2008-04-23 |
CN101167105B true CN101167105B (zh) | 2013-03-27 |
Family
ID=37308374
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2006800147052A Active CN101167105B (zh) | 2005-04-29 | 2006-04-25 | 多表面建模 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20090267941A1 (zh) |
EP (1) | EP1877984B1 (zh) |
JP (1) | JP5537026B2 (zh) |
CN (1) | CN101167105B (zh) |
WO (1) | WO2006117719A2 (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9405996B2 (en) * | 2008-09-18 | 2016-08-02 | Siemens Aktiengesellschaft | Method and system for generating a personalized anatomical heart model |
JP6001280B2 (ja) * | 2012-03-09 | 2016-10-05 | 学校法人金沢医科大学 | 心臓矯正ネットの製造方法 |
TWI472792B (zh) * | 2012-04-27 | 2015-02-11 | Iner Aec Executive Yuan | 輻射偵測信號處理方法與系統 |
JP5700712B2 (ja) * | 2013-03-26 | 2015-04-15 | 国立大学法人愛媛大学 | 3次元ダイナミック心筋核医学画像データのパトラック解析 |
CN105814605B (zh) * | 2013-12-10 | 2019-09-24 | 皇家飞利浦有限公司 | 对解剖结构的基于模型的分割 |
JP6619431B2 (ja) * | 2014-11-28 | 2019-12-11 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | 解剖学的構造のモデルベースセグメンテーション |
US11478212B2 (en) | 2017-02-16 | 2022-10-25 | Siemens Healthcare Gmbh | Method for controlling scanner by estimating patient internal anatomical structures from surface data using body-surface and organ-surface latent variables |
US10388015B2 (en) | 2017-09-06 | 2019-08-20 | International Business Machines Corporation | Automated septal defect detection in cardiac computed tomography images |
CN110327033B (zh) * | 2019-04-04 | 2022-05-03 | 浙江工业大学 | 一种基于深度神经网络的心肌梗死心电图的筛查方法 |
US11849220B2 (en) | 2021-04-14 | 2023-12-19 | Microsoft Technology Licensing, Llc | Systems and methods for generating depth information from low-resolution images |
US11831931B2 (en) * | 2021-04-14 | 2023-11-28 | Microsoft Technology Licensing, Llc | Systems and methods for generating high-resolution video or animated surface meshes from low-resolution images |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1221674A2 (en) * | 2001-01-05 | 2002-07-10 | Interuniversitair Microelektronica Centrum Vzw | System and method to obtain surface structures of multidimensional objects, and to represent those surface structures for animation, transmission and display |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6184897B1 (en) * | 1997-01-15 | 2001-02-06 | International Business Machines Corporation | Compressed representation of changing meshes and method to decompress |
US6262737B1 (en) * | 1998-01-30 | 2001-07-17 | University Of Southern California | 3D mesh compression and coding |
US6879324B1 (en) * | 1998-07-14 | 2005-04-12 | Microsoft Corporation | Regional progressive meshes |
JP3844174B2 (ja) * | 1998-10-26 | 2006-11-08 | マツダ株式会社 | Cadデータ処理装置及び記憶媒体 |
AU2001239926A1 (en) * | 2000-02-25 | 2001-09-03 | The Research Foundation Of State University Of New York | Apparatus and method for volume processing and rendering |
JP2002328958A (ja) * | 2001-04-27 | 2002-11-15 | Fuji Heavy Ind Ltd | メッシュ生成方法、プログラム、記録媒体およびメッシュ生成システム |
US7324116B2 (en) * | 2002-06-20 | 2008-01-29 | Microsoft Corporation | Systems and methods for providing controllable texture sampling |
AU2003246989A1 (en) * | 2002-07-19 | 2004-02-09 | Koninklijke Philips Electronics N.V. | Simultaneous segmentation of multiple or composed objects by mesh adaptation |
-
2006
- 2006-04-25 EP EP06728038.8A patent/EP1877984B1/en active Active
- 2006-04-25 WO PCT/IB2006/051284 patent/WO2006117719A2/en not_active Application Discontinuation
- 2006-04-25 CN CN2006800147052A patent/CN101167105B/zh active Active
- 2006-04-25 US US11/912,692 patent/US20090267941A1/en not_active Abandoned
- 2006-04-25 JP JP2008508386A patent/JP5537026B2/ja active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1221674A2 (en) * | 2001-01-05 | 2002-07-10 | Interuniversitair Microelektronica Centrum Vzw | System and method to obtain surface structures of multidimensional objects, and to represent those surface structures for animation, transmission and display |
Non-Patent Citations (4)
Title |
---|
KAUS M R ET AL..Automated segmentation of the left ventricle in cardiac MRI.《MEDICAL IMAGE ANALYSIS8 3》.2004,第8卷(第3期),全文. |
KAUS M R ET AL..Automated segmentation of the left ventricle in cardiac MRI.《MEDICAL IMAGE ANALYSIS8 3》.2004,第8卷(第3期),全文. * |
MIN K H ET AL..Component-based polygonal approximation of soft objects.《COMPUTERS AND GRAPHICS25 2》.2001,第25卷(第2期),全文. |
MIN K H ET AL..Component-based polygonal approximation of soft objects.《COMPUTERS AND GRAPHICS25 2》.2001,第25卷(第2期),全文. * |
Also Published As
Publication number | Publication date |
---|---|
WO2006117719A3 (en) | 2007-03-15 |
EP1877984B1 (en) | 2014-05-07 |
JP2008538970A (ja) | 2008-11-13 |
WO2006117719A2 (en) | 2006-11-09 |
EP1877984A2 (en) | 2008-01-16 |
US20090267941A1 (en) | 2009-10-29 |
JP5537026B2 (ja) | 2014-07-02 |
CN101167105A (zh) | 2008-04-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101167105B (zh) | 多表面建模 | |
Young et al. | Computational cardiac atlases: from patient to population and back | |
JP2022525198A (ja) | 陽電子放射断層撮影を用いた腫瘍セグメンテーションのための深層畳み込みニューラルネットワーク | |
CN107492090A (zh) | 根据合成数据利用机器学习的基于图像的肿瘤表型分析 | |
JP7139479B2 (ja) | 画像処理装置、医用画像診断装置、及びプログラム | |
CN110546646A (zh) | 用于基于机器学习来评估血管阻塞的方法和系统 | |
CN109493328A (zh) | 医学图像显示方法、查看设备以及计算机设备 | |
US8805034B2 (en) | Selection of datasets from 3D renderings for viewing | |
CN104424647A (zh) | 用于对医学图像进行配准的方法和设备 | |
CN101268492B (zh) | 用于使用多个局部变换调整几何模型的方法及系统 | |
US10478134B2 (en) | Systems and methods for improved diagnostics for nuclear medicine imaging | |
US20210035340A1 (en) | Ct big data from simulation, emulation and transfer learning | |
CN104145295B (zh) | 使用不同指示器来确定放射治疗目标的位置变化 | |
CN103493055A (zh) | 系统和方法 | |
Papadimitroulas et al. | Investigation of realistic PET simulations incorporating tumor patientˈs specificity using anthropomorphic models: Creation of an oncology database | |
CN102622743A (zh) | 用于比较3d和2d图像数据的方法和设备 | |
US20120045106A1 (en) | Image analyis method and system | |
CN108430332A (zh) | 断层扫描设备及其用于重建断层扫描图像的方法 | |
Marin et al. | Numerical surrogates for human observers in myocardial motion evaluation from SPECT images | |
WO2021229223A1 (en) | Functional imaging features from computed tomography images | |
CN101903912A (zh) | 使用多强度重新分配函数进行绘制 | |
Romaszko et al. | Direct learning left ventricular meshes from CMR images | |
JP7318058B2 (ja) | 画像処理装置 | |
Hurtado Eguez | Multiclass Bone Segmentation of PET/CT Scans for Automatic SUV Extraction | |
Banerjee et al. | Brain Tumor Detection And Analysis From MRI-A Review |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |