CN101243474B - 根据图像数据集渲染视图的系统、工作站、方法和装置 - Google Patents

Abstract

本发明涉及一种根据图像数据集渲染视图的渲染系统(100)，所述渲染系统包括：选择单元(110)，用于选择所述图像数据集的子集；计算单元(120)，用于基于所述图像数据集的该子集，计算张量的第一主轴；以及渲染单元(130)，用于基于所述第一主轴渲染所述视图，从而根据所述图像数据集渲染所述视图。选择单元(110)被配置为：使用在所述图像数据集的所选择子集中包含的、从所述张量的第一主轴中提取的、关于结构的方向性和定向性的信息，有效地帮助用户从所述图像数据集中选择有利视图。

Description

根据图像数据集渲染视图的系统、工作站、方法和装置

本发明涉及一种用于根据图像数据集渲染视图的渲染系统。 

本发明还涉及一种包含所述渲染系统的、用于获取图像数据集的图像获取系统。 

本发明还涉及一种包含所述渲染系统的工作站。 

本发明还涉及一种用于根据图像数据集渲染视图的渲染方法。 

本发明还涉及一种要由计算机设备加载的计算机程序产品，其包含用于根据图像数据集渲染视图的指令。 

在开头段落中所述类型的方法的实施例在Journal of ThoracicImaging 19(2004)136-155中公开的Jane P.Ko and David P.Naidich的论文“Computer Aided Diagnosis and the Evaluation of Lung Disease”中可知。该文章描述了一种用于交互式肺结节(lung nodule)诊断的计算机程序产品。该计算机程序产品所采用的这种对3D图像数据集进行显示并导航的方法使用了一个横翻轮(cartwheel)，其允许对包含有肺结节的相对较小的感兴趣体(VOI)进行180度的环翻(circumnavigation)。横翻轮的定向确定了VOI的定向。通过改变横翻轮的定向而获得的VOI投影序列能够显示为视频。观看这些横翻轮投影方便并加速了在3D图像数据集中的人工导航，并有助于选择包含在VOI中的结节的最佳视图，然而，这种方法仍然需要用户选择VOI的最佳视图。这是不方便且相对耗时的，且易于发生错误。 

此外，US 2005/0105829描述了一种在数据图像中对管状结构进行定向的方法。该方法包括计算在图像体中的选定点处的基本结构张量，并基于在所选择点的邻域中计算的图像梯度，来找到结构张量的特征值和特征向量。在应用中，该方法包括计算关于由与管状结构对齐的特征向量所定义的轴的横翻轮投影。因此，该方法帮助用户选择VOI的最佳视图。然而，该方法没有公开如何选择所选择点的最佳邻

域。 

本发明的一个目的是提供一种在开头段落中所述类型的渲染系统，其被配置为：有效地帮助用户根据图像数据集选择有利视图。 

本发明的该目的是如下实现的：用于根据图像数据集选择有利视图的渲染系统包括： 

选择单元，用于选择所述图像数据集的子集； 

计算单元，用于基于所述图像数据集的该子集，计算张量的第一主轴；以及 

渲染单元，用于基于所述第一主轴渲染所述视图，从而根据所述图像数据集渲染所述视图，其中，所述选择单元被配置为通过计算用于表征所述图像数据集的多个候选子集的各自特征，来评估所述多个候选子集，并基于所述评估选择所述图像数据集的子集。 

所述选择单元被配置为：选择包含一结构或者其一部分的图像数据集的子集，所述部分在以下也被称为一结构。这种结构的实例是肺结节。所述计算单元使用所述图像数据集的该子集来采集与所述结构的方向和定向相关的信息。这是通过基于所述图像数据集的该子集，计算张量的第一主轴来实现的。所述张量例如是结构张量。所述结构张量在多维图像数据集中的定义和属性在由B.Girod等人编辑的Sankt Augustin 1996，171-178的3D Image Analysis and Synthesis’96中出版的“A tensor approach for local structure analysis inmulti-dimensional images”中进行了描述，该文献以下被称为参考文献1。为了表征(qualify)所述结构，有利的是，根据包含所述结构的图像数据集渲染视图，其中该视图是最优的。所述张量的第一主轴有利地定义了在所述图像数据集中包含的该结构的近似主要轴。从而，所述渲染单元被配置为基于所述第一主轴，根据所述图像数据集渲染视图。该视图可以是通过与垂直于所述结构张量的第一主轴的平面基本上彼此相等的平面所得到的所述图像数据集的横截面。可替换地，该视图可以是通过与包含所述结构张量的第一主轴的平面基本上 彼此相等的平面所得到的所述图像数据集的横截面。所渲染的视图能够由医师(诸如放射科医师)来评价包含在所述图像数据集中的结构。用于选择所述图像数据集的子集的用户输入可以包括诸如将鼠标光标放置在该结构上随后可选择性地进行鼠标点击这样的少量的人工交互。因此，所述渲染系统被配置为有效地帮助用户根据所述图像数据集选择有利视图。 

基于所述图像数据集的子集所计算的张量的可用性，取决于子集选择的质量。如果子集太小，则张量可能描述感兴趣结构的局部属性。如果子集太大，则张量可能在包含在图像数据集的子集中的过多结构上被各向同性地平均，导致损失有意义的方向信息。一种有用的表征特征是对方向性的测量。存在很多对方向性的测量。一些有用的方向性测量能够从张量的主分量中提取。用于表征候选子集的一个有用特征是张量的主分量之间的差值平方和。所述选择单元被配置为选择与该和的最大值相对应的子集。 

本发明的渲染系统可以用于根据多维图像数据集，尤其是根据3D和/或4D图像数据集来渲染视图。所述图像数据集能够从很多成像形态中的任意一种中获得，例如磁共振成像(MRI)、计算机层析成像(CT)、超声、正电子发射层析成像(PET)、以及单光子发射计算机层析成像(SPECT)。 

在根据本发明的渲染系统的一个实施例中，所述视图是通过与包含所述第一主轴的平面基本上彼此相等的平面所得到的所述图像数据集的横截面。在所述第一主轴对应于所述张量的最小主分量时，该视图对于诸如血管或者其一部分(以下称为血管)之类的伸长结构特别有优势。 

在根据本发明的渲染系统的另一实施例中，所述视图是所述图像数据集沿着与所述第一主轴基本上彼此相等的轴的投影。在所述第一主轴对应于所述张量的最大主分量时，该视图对于诸如血管之类的伸长结构特别有优势。可以采用最大强度投影(Maximum IntensityProjection)或者Iso表面投影(Iso-surface Projection)，来根据所述图像数据集渲染视图，其展示了该主要轴与投影方向垂直的伸长结构。 

在根据本发明的渲染系统的另一实施例中，所述计算单元被配置为计算所述张量的第二主轴，并且所述视图是通过与包含所述第一主轴和所述第二主轴的平面基本上彼此相等的平面所得到的所述图像数据集的横截面。该视图对于执行测量以便估计所观测结构的维度特别有利。 

在根据本发明的渲染系统的另一实施例中，所述渲染系统包括用户接口，用于与所述渲染系统进行交流。将所述渲染系统与用户接口组合允许用户与所述渲染系统进行交流。所述用户接口被配置为将根据所述图像数据集的视图显示给所述用户，以便选择感兴趣的结构。所述用户接口还被配置为帮助选择所述图像数据集的子集。可选择性地，所述用户接口被配置为提示所述用户选择一种用于选择所述图像数据集的子集的方法和/或者选择一种渲染视图类型，并且分别接收对于所选择方法和/或者所选择视图类型的用户选择。 

在根据本发明的渲染系统的另一实施例中，所述张量是以下任意一种：结构张量、惯性张量、以及海赛矩阵。根据应用和图像数据集，能够选择这些张量中最有利的一个来实现本发明的渲染系统。可选择性地，所述渲染系统可以被配置为基于输入和/或者基于评估，来选择这些张量中的一个。 

在根据本发明的渲染系统的另一实施例中，所述选择单元被配置为基于种子来选择所述图像数据集的子集。所述种子是采用所述用户接口输入的，所述用户接口被配置为显示根据所述图像数据集的视图。所述用户现在能够在视觉上检查所述图像数据集，以找到感兴趣结构。然后，所述用户能够在接近该结构中心的位置处点击鼠标。所述选择单元被配置为接收该位置。该位置定义了所述图像数据集的子集的种子。所述选择单元进一步被配置为基于所述种子来增长所述图像数据集的子集。 

在根据本发明的渲染系统的进一步的实施例中，所述选择单元被配置为基于所述种子与所述图像数据集的元素之间的距离，将所述图像数据集的该元素添加到所述图像数据集的子集中。如果在所述种子与所述图像数据集的该元素之间的距离小于预定值，则所述选择单元 被配置为将该元素添加到所述图像数据集的子集中。 

在根据本发明的渲染系统的另一实施例中，所述选择单元还被配置为选择用于对所述图像数据集的子集中的每个元素进行加权的一组权重，并且所述计算单元还被配置为基于该组权重计算所述第一主轴，并且可选择性地，计算其他张量特征。这允许对来自所选择子集的每个元素对所述第一主轴的贡献以及对其他所计算的张量特征的贡献进行加权。对每个元素的加权能够基于例如在该元素与所述种子之间的距离。本领域技术人员将会理解，该一般性方法等价于用窗函数来替代图像数据集的子集，如参考文献1的第3章中所述。 

本发明的另一目的在于，提供一种在开头段落中所述类型的图像获取系统，其被配置为有效地帮助用户根据所述图像数据集选择有利视图。这是通过以下实现的：所述图像获取系统包括一种用于根据图像数据集渲染视图的渲染系统，所述渲染系统包括： 

选择单元，用于选择所述图像数据集的子集； 

计算单元，用于基于所述图像数据集的该子集，计算张量的第一主轴；以及 

渲染单元，用于基于所述第一主轴渲染所述视图，从而根据所述图像数据集渲染所述视图，其中，所述选择步骤被配置为通过计算用于表征所述图像数据集的多个候选子集的各自特征，来评估所述多个候选子集，并基于所述评估选择所述图像数据集的子集。 

本发明的另一目的在于提供一种在开头段落中所述类型的工作站，其被配置为有效地帮助用户根据所述图像数据集选择有利视图。这是通过以下实现的：所述工作站包括一种用于根据图像数据集渲染视图的渲染系统，所述渲染系统包括： 

选择单元，用于选择所述图像数据集的子集； 

计算单元，用于基于所述图像数据集的该子集，计算张量的第一主轴；以及 

渲染单元，用于基于所述第一主轴渲染所述视图，从而根据所述图像数据集渲染所述视图， 其中，选择所述图像数据集的子集的步骤包括：通过计算用于表征所述图像数据集的多个候选子集的各自特征，来评估所述多个候选子集，并基于所述评估选择所述图像数据集的子集。 

本发明的另一目的在于提供一种在开头段落中所述类型的渲染方法，其被配置为有效地帮助用户根据所述图像数据集选择有利视图。这是通过以下实现的：所述渲染方法包括以下步骤： 

选择步骤，用于选择所述图像数据集的子集； 

计算步骤，用于基于所述图像数据集的该子集，计算张量的第一主轴；以及 

渲染步骤，用于基于所述第一主轴渲染所述视图，从而根据所述图像数据集渲染所述视图。 

本发明的另一目的在于提供一种在开头段落中所述类型的计算机程序产品，其被配置为有效地帮助用户根据所述图像数据集选择有利视图。这是通过以下实现的：所述计算机程序产品要由计算机设备装载，所述计算机程序产品包含用于根据图像数据集渲染视图的指令，所述计算机设备包含处理单元和存储器，在加载所述计算机程序产品之后，所述计算机程序产品为所述处理单元提供执行以下任务的能力： 

选择所述图像数据集的子集； 

基于所述图像数据集的该子集，计算张量的第一主轴；以及 

基于所述第一主轴渲染所述视图，从而根据所述图像数据集渲染所述视图。 

基于本说明书，本领域技术人员能够实现所述图像获取系统、所述工作站、所述渲染方法、和/或者所述计算机程序产品的修改和变型，并且所述修改和变型对应于所述渲染系统的修改及其变型。 

相对于以下所述的实现和实施例以及参考附图，根据本发明的渲染系统、图像获取系统、工作站、渲染方法和计算机程序产品的这些方面和其他方面将会变得显而易见并且被阐述清楚，其中： 

图1示意性示出了渲染系统的一个实施例； 

图2示出了轴向切片(左侧)中的横截面和3个有利横截面； 

图3示意性示出了图像获取系统的一个实施例； 

图4示意性示出了工作站的一个实施例；以及 

图5示意性示出了渲染方法的一个实施例。 

在附图中，相同的参考标记用于指示类似的部分。 

图1示意性示出了用于根据图像数据集渲染视图的渲染系统100的一个实施例，该渲染系统包括： 

选择单元110，用于选择图像数据集的子集； 

计算单元120，用于基于所述图像数据集的该子集，计算张量的第一主轴；以及 

渲染单元130，用于基于所述第一主轴渲染所述视图，从而根据所述图像数据集渲染所述视图。 

可选择性地，渲染系统100包括： 

用户接口140，用于与渲染系统100交流；以及 

存储器单元170，用于存储输入和输出数据。 

在图1中所示的渲染系统100的实施例中，存在用于输入数据的3个连接器181、182和183。第一个输入连接器181被配置为从诸如硬盘、磁带、闪存或者光盘之类的数据存储器接收数据输入。第二输入连接器182被配置为从诸如鼠标或者触摸屏之类的用户输入装置接收用户输入。第三个输入连接器183被配置为从诸如键盘之类的用户输入装置接收数据输入。输入连接器181、182和183连接到输入控制单元180。 

在如图1所示的渲染系统100的实施例中，存在用于输出数据的2个输出连接器191和192。第一个输出连接器191被配置为将数据输出到诸如硬盘、磁带、闪存或者光盘之类的数据存储器。第二输出连接器192被配置为将数据输出到显示装置。输出连接器191和192经由输出控制单元190接收各自的数据。 

本领域技术人员将会认识到，存在很多方法来将输入装置连接到渲染系统100的输入连接器181、182和183，以及将输出装置连接 到渲染系统100的输出连接器191和192。这些方法包括但不局限于：有线连接和无线连接、数字网络(诸如局域网(LAN)和广域网(WAN))、互联网、数字电话网络、以及模拟电话网络。 

在根据本发明的渲染系统100的一个实施例中，渲染系统包括存储器单元170。存储器单元170被配置为经由输入连接器181、182和183中任意一个从外部装置接收输入数据，并将所接收的输入数据存储在存储器单元170中。将数据加载到存储器单元170允许所述渲染系统100的多个单元对相关数据部分进行快速访问。所述输入数据包括图像数据集。存储器单元170能够通过诸如以下的装置实现：随机存取存储器(RAM)芯片、只读存储器(ROM)芯片、和/以及硬盘。优选地，存储器单元170包括RAM来存储图像数据集。存储器单元170还被配置为经由存储器总线175，从包括选择单元110、计算单元120和渲染单元130在内的渲染系统100的多个单元接收数据，并发送数据到以上多个单元。存储器单元170还被配置为经由输出连接器191和192中任意一个，使得数据对外部装置可用。将来自渲染系统100的多个单元的数据存储在存储器单元170中有利地提高了渲染系统100的多个单元的性能，并且提高了从渲染系统100的多个单元到外部装置的数据传送速率。 

可替换地，选择单元110不包含存储器单元170和存储器总线175。渲染系统100所使用的输入数据由连接到渲染系统100的多个单元的至少一个外部装置(例如外部存储器或者处理器)提供。类似地，由渲染系统100所产生的输出数据被提供给连接到渲染系统100的多个单元的至少一个外部装置(例如外部存储器或者处理器)。渲染系统100的多个单元被配置为经由内部连接或者经由数据总线从彼此接收数据。 

在根据本发明的渲染系统100的另一实施例中，渲染系统包括用于与渲染系统100交流的用户接口140。用户接口140包括用于为用户显示数据的显示单元，和用于进行选择的选择单元。将渲染系统100与用户接口140组合允许用户与选择单元110进行交流。用户接口140被配置为将根据图像数据集的视图显示给用户，以便选择感兴 趣的结构。用户接口140还被配置为帮助选择图像数据集的子集。可选择性地，用户接口能够包括渲染系统的多种操作模式，例如，确定用于选择图像数据集的子集的方法和/或者根据图像数据集所渲染的视图数量和/或者类型的模式。 

可替换地，渲染系统100可以采用外部输入装置和/或者外部显示器，其经由输入连接器182和/或者183以及输出连接器192连接到渲染系统。本领域技术人员将会理解，存在能够有利地实现为本发明的渲染系统100的单元的大量的用户接口。 

选择单元110被配置为选择图像数据集的子集。图像数据集的子集用于确定在图像数据集中的结构的有利视图。为此，计算单元120被配置为使用图像数据集的子集来采集与该结构的方向性和定向性相关的信息。在根据本发明的渲染系统100的一个实施例中，在显示装置上显示一个视图，例如根据图像数据集而渲染的轴向切片。用户使用鼠标，通过将鼠标光标放置在该结构上并在该结构上点击鼠标按键，来选择用户想要观看的结构。选择单元110被配置为接收用户所选择的位置，并使用该位置选择图像数据集中在该位置附近的元素(优选地是最接近的元素)作为种子元素，以下称为种子。该种子进一步用于增长图像数据集的子集。将图像数据集中的、与种子元素之间的距离小于预定距离阈值的每个元素包含在图像数据集的该子集中。该距离是种子位置与元素位置之间的几何距离，例如欧几里得距离。可替换地，该距离能够是拓扑距离。 

在根据本发明的渲染系统100的另一实施例中，所述种子包括来自图像数据集的多个元素。用户能够使用鼠标在所显示的视图中圈出一个区域。所述种子包括位于所圈出的区域中的、来自图像数据集的多个元素。接下来，将图像数据集中的、与种子元素之间的距离小于预定距离阈值的每个元素添加到所选择的子集中。 

在根据本发明的渲染系统100的另一实施例中，用于选择图像数据集的子集的用户接口140包括多个容器，例如球体。用户从菜单中选择一种容器，并将所选择的容器放置在图像数据集的所显示视图中。所选择的图像数据集的子集包括位于该容器内部的元素。可选择 性地，用户接口可以允许将该球体整形为卵形，对该卵形进行整形，对该球体或者卵形进行转换，以及旋转该卵形。 

在根据本发明的渲染系统100的另一实施例中，选择单元110被配置为基于图像分割来实现对图像数据集的子集的选择。用户选择在图像分割过程中所确定的结构中包含的种子。这具有的效果为：所选择的图像数据集的子集包含所有属于所选择结构的元素。将图像分割的结构存储在存储器单元170中。可替换地，选择单元110包括分割系统，其用于画出包含种子的结构。对于此目的，能够采用对于该渲染系统而言足够快的任何分割系统。 

计算单元120被配置为基于图像数据集的子集来计算张量的第一主轴。可选择性地，计算单元还被配置为计算张量的其他特征。张量的特征可以包括：例如，张量的分量和张量的其他主轴。在根据本发明的渲染系统100的一个实施例中，所述多个特征包括：该结构的张量在图像数据集坐标系统中的分量、结构张量的主分量、以及结构张量的主轴。在位置P处的结构张量J(P)是在P处的梯度向量G(P)与在P处的梯度向量G(P)的张量积。因此，张量J(P)是梯度向量G(P)的二次函数。因此，J(P)与梯度向量G(P)的符号无关。然而，该结构张量仍然包含关于在位置P处的该结构的方向性和定向性的信息。另外，梯度向量G(P)是定义为正的，从而使得该结构张量的所有主分量都为非负。在参考文献1的第3部分中和A.Ravishankar Rao和Brian G.Schnuck在Computer Vision and Pattern Recognition，CVPR’89，IEEE Computer Society，June 4-8，1989，pages 61-68中的文章“Computing oriented texture fields”的第2部分中描述了一种根据图像数据集计算梯度的方法。该结构张量描述了在位置P处的结构的方向性和定向性。在P的邻域U(包括来自图像数据集的子集中的元素的位置)中的结构张量J(P)的方向性和定向性是通过在U中所有位置P’上的结构张量J(P’)之和来描述的。该和也称为结构张量J(P)。该位置P能够是在U中的任意位置。位置P定义了用于该结构张量的分量和主轴的坐标系统的原点。以下将该位置称为结构位置。对于该结构位置的通用选择是播种(seeding)点。可替换地，结构位置P是图 像数据集的子集的质心或者U的几何中心。该邻域U唯一性地等价于图像数据集的子集。U等于图像数据集的子集对空间域或者空间-时间域的投影。图像数据集的子集对于所有P’∈U，是包含对(P’，I(P’))的集合，其中I(P’)是在位置P’处的强度。 

在参考文献1的第3部分中，描述了一种根据图像数据集计算结构张量的分量的方法。所计算的结构张量包括在4D中的10个独立分量，在3D中的6个独立分量，或者在2D中的3个独立分量。所计算的张量分量存储在存储器单元170中，用于计算单元120的进一步处理和/或者由渲染单元130使用。尽管本发明的描述是基于3D图像的，但是本发明能够应用于任何多维度的图像数据集。 

存在几种用于计算张量的主分量{T_ξ，T_η，T_ζ}和主轴{ξ，η，ζ}的方法，包括代数方法和数值方法，并且这些方法能够在关于线性代数和/或者关于数值方法的教科书中找到，例如能够在Soc for Industrial &Applied Math(1997.05.01)中第5章的Lloyd N.Trefethen和David Bau的“Numerical Linear Algebra”中，以及在Cambridge University Press的William H.Press，Brian P.Flannery，Saul A.Teukolsky和William T.Vetterling的“Numerical Recipes in C：The Art of Scientific Computing”的第二版(1992.10.30)中的第11章中找到。使用以下公式，能够从6个笛卡尔坐标分量{T_xx，T_xy，T_xz，T_yy，T_yz，T_zz}中推导出对称张量的6个球面坐标分量{T₀₀，T_2-2，T_2-1，T₂₀，T₂₁，T₂₂}： 

$T_{00}=\frac{1}{\sqrt{3}}(T_{\mathrm{xx}}+T_{\mathrm{yy}}+T_{\mathrm{zz}}),$

$T_{20}=\frac{1}{\sqrt{6}}({2T}_{\mathrm{zz}}-T_{\mathrm{xx}}-T_{\mathrm{yy}}),$

$T_{2\±1}=\frac{1}{\sqrt{2}}(T_{\mathrm{xz}}\±{\mathrm{iT}}_{\mathrm{yz}}),$

$T_{2\±2}=\frac{1}{2}(T_{\mathrm{xx}}-T_{\mathrm{yy}}\±\sqrt{2}i{T}_{\mathrm{xy}}),$

其中，i表示虚数单位。有利的是，还能够从主分量{T_ξ，T_η，T_ζ}中推导出这些球面分量： 

$T_{00}=\frac{1}{\sqrt{3}}(T_{\mathrm{\ξ}}+T_{\mathrm{\η}}+T_{\mathrm{\ζ}}),$

$T_{20}=\frac{1}{\sqrt{6}}(2T_{\mathrm{\ζ}}-T_{\mathrm{\ξ}}-T_{\mathrm{\η}}),$

T_2±1＝0， 

$T_{2\±2}=\frac{1}{2}(T_{\mathrm{\ξ}}-T_{\mathrm{\η}}).$

对于各向同性的结构而言，张量的所有主分量都相同，因此T₂₀和T_2±2(即，T₂₂和T_2-2)为0。分量T₀₀也称为张量的各向同性分量。有时，使用非规一化各向同性分量 $T_{\mathrm{iso}}=\frac{1}{3}(T_{\mathrm{\ξ}}+T_{\mathrm{\η}}+T_{\mathrm{\ζ}})$ 来替代T₀₀。由于T_iso对于张量的笛卡尔坐标的任何集合都相同，因此，其可以从  $T_{\mathrm{iso}}=\frac{1}{3}(T_{\mathrm{xx}}+T_{\mathrm{yy}}+T_{\mathrm{zz}})$ 中推导出。如果图像数据集是均匀的，则T_iso＝0。 

对于具有轴向对称性且选择ζ主轴作为结构的对称轴的一个结构，例如管状或者圆柱，分量T_2±2(即，T₂₂和T_2-2)为0。这就暗示了T_ξ和T_η彼此相等。分量T₂₀表征该结构从各向同性对称的偏离情况。该结构的各向同性越小，则T₂₀的绝对值越大。有时，使用非规一化分量 $T_{\mathrm{axial}}=T_{\mathrm{\ζ}}-\frac{1}{2}(T_{\mathrm{\ξ}}+T_{\mathrm{\η}})$ 来替代T₂₀。 

最后的两个分量，分量T_2±2(即，T₂₂和T_2-2)彼此相等。假设将主要对称轴选择为是ζ主轴，这两个分量表征了结构的对称性从轴向对称性偏移了多少。结构的轴向对称性越小，则T_2±2的绝对值就越大。有时，使用非规一化分量T_non-axial＝T_ξ-T_η来替代T_2±2。 

存在在计算单元120所计算的张量的特征方面有所不同的根据本发明的渲染系统100的很多实施例。所描述的实施例用于阐述本发明但并非意欲限制权利要求的范围。例如，计算单元120能够被配置为计算在图像数据集的坐标系统中的6个笛卡尔张量分量。计算单元120还被配置为使用Ritz变分原理，推导出张量的最小主分量和与最 小主分量相对应的主轴。该实施例尤其有利于渲染诸如血管之类的伸长结构的视图，在此，与张量的最小主分量相对应的主轴与种子附近的结构的主要轴基本上彼此相等。可替换地，计算单元120能够被配置为计算在图像数据集的坐标系统中的6个笛卡尔张量分量。计算单元120还能够被配置为使用Ritz变分原理，推导出张量的最大主分量和与最大主分量相对应的主轴。该实施例同样有利于渲染诸如血管之类的伸长结构的视图，在此，与张量的最大主分量相对应的主轴与和该结构的主要轴垂直的轴基本上彼此相等。 

渲染单元130被配置为基于第一主轴并且基于结构位置来根据图像数据集渲染视图。在根据本发明的渲染系统100的一个实施例中，渲染单元130根据图像数据集渲染3个横截面视图。计算单元120被配置为计算张量的3个主轴。每对主轴定义一个观看平面。渲染单元130被配置为渲染通过3个平面所得到的图像数据集的3个横截面视图，每个平面与包含一对主轴的平面基本上彼此相等。 

在根据本发明的渲染系统100的一个实施例中，渲染单元130根据图像数据集渲染一个横截面视图。该视图对应于图像数据集的一个横截面，该横截面是通过与包含计算单元所计算的张量的第一主轴的平面基本上彼此相等的平面所获得的。当第一主轴对应于张量的最小主分量时，该实施例尤其有利于渲染诸如血管之类的伸长结构的视图。在该情况下，该第一主轴定义了与结构的主要轴基本上彼此相等的方向。存在很多包含该主轴的平面。由于血管具有大致的轴向局部对称性并且主要轴是该局部轴向对称的轴，与包含主轴的多个平面中任意一个基本上彼此相等的平面适于观看。渲染单元130被配置为选择一个观看平面。可选择性地，渲染单元130和用户接口140能够被配置为允许用户选择另一个观看平面，或者允许用户围绕与第一主轴基本上彼此相等的轴旋转观看平面，并渲染能够显示为视频的一系列视图。可替换地，如果计算了第二主轴或者已知第二主轴，则视图可以是由与包含第一主轴和第二主轴的平面基本上彼此相等的平面所确定的平面横截面视图。该配置尤其有利于测量结构的元素的尺寸和结构的元素之间的距离。 

在根据本发明的渲染系统100的一个实施例中，渲染单元130根据图像数据集渲染3D视图。该视图是图像数据集沿着与第一主轴基本上彼此相等的轴的投影。本发明并不局限于任何具体的图像渲染技术。例如，可以使用最大强度投影(MIP)算法或者Iso表面投影(IsP)算法。在MIP中，将像素设定为沿着光线的最大强度。在IsP中，光线终止于iso表面上。iso表面由具有相同强度的元素的位置定义。在Barthold Lichtenbelt，Randy Crane和Shaz Naqvi的“Introduction toVolume Rendering(Hewlett-Packard Professional Books)”，PrenticeHall，Bk&CD-Rom版本(1998)中能够找到关于图像渲染的更多信息。当第一主轴对应于张量的最大主分量时，投影视图尤其有利于诸如血管之类的伸长结构。上述第一主轴垂直于与最小主分量相对应的主轴，该主轴与结构的主要轴基本上彼此相等。因此，投影有利地示出了主要轴与投影方向基本上垂直的伸长结构。如果另一结构遮掩了感兴趣结构的视图，则遮掩结构的视图能够被移走，或者能够增加其透明度，如Ivan Viola，Armin Kanitsar和Meister Eduard  

在IEEEVisualization 2004，October 10-15，Austin，Texas，USA的文章“Importance driven volume rendering”中所述的。 

可选择性地，用户接口140能够被配置为允许用户选择要根据图像数据集进行渲染的视图。渲染系统100能够被配置为计算用于所选择视图的张量的特征，并且渲染所选择的视图。可选择性地，能够对每个视图进行重新缩放，例如放大和/或者剪裁。 

本领域技术人员将会理解，存在很多选择图像数据集的子集的方法，以便选择要由计算单元120计算的张量的有用特征，并且基于所选择的有用特征而根据图像数据集渲染视图。所描述的实施例阐述了本发明但是并不局限权利要求的范围。 

存在能够得到与图像数据集中的结构的方向性和定向性相关的信息的几个张量。在根据本发明的渲染系统100的实施例中，张量是结构张量。结构张量是在图像数据集中的方向性和定向性的灵敏指示物。可替换地，能够使用惯性张量来定义在图像数据集中的结构的方向性和定向性。当将惯性张量应用于在被分割的图像中的物体时，其 尤其有用。然而，另一个选择是使用图像数据集的二阶偏导数的海赛矩阵。能够使用海赛矩阵的特征值和特征向量来替代张量的主分量和主轴。可选择性地，计算单元120能够被配置为：分别计算多个张量和/或者多个矩阵中的每个张量和/或者矩阵的第一主轴和/或者第一特征向量，以及可选择性地，其他张量特征和/或者矩阵特征。计算单元120还能够被配置为：为了根据图像数据集渲染视图，分别评估所计算的第一主轴和/或者第一特征向量以及其他可选择性的所计算的张量特征和/或者矩阵特征。例如，计算单元能够被配置为，选择具有最大各向异性的张量或者矩阵，所述各向异性是分别由例如在最大与最小主分量或者特征值之间的差值所定义的。可替换地，用户可以选择要用于根据图像数据集渲染视图的张量或者矩阵。 

本领域技术人员将会理解，存在能够用于以下目的的其他张量和/或者结构：如本发明所公开的，用于确定图像数据集中的结构的方向性和定向性并且分别基于所述张量或者矩阵的第一主轴和/或者第一特征向量来选择该结构的有利视图。使用结构张量、惯性张量和海赛矩阵来阐述本发明的优点，但并非用于限制权利要求的范围。在本发明的整个描述中，术语“张量”、“主分量”和“主轴”还分别表示“矩阵”、“特征值”和“特征向量”。 

如已经强调的那样，对图像数据集的子集的好的选择对于成功地确定第一主轴以及可选择性地成功地确定其他张量特征而言是至关重要的。因此，在根据本发明的渲染系统100的一个实施例中，选择单元110被配置为通过计算用于表征图像数据集的多个候选子集的各自特征，来评估这些候选子集，并且基于该评估来选择图像数据集的子集。用户选择种子，并且选择单元110被配置为选择图像数据集的子集，该子集所包含图像数据集的元素使得种子与该元素之间的距离小于预定的最小距离。接下来，选择单元110被配置为计算用于表征图像数据集的子集的特征。优选地，选择单元110被配置为利用计算单元120来执行该计算。一个有用的表征特征是对方向性的测量。存在很多对方向性的测量。能够从张量的主分量中提取出一些有用的对于方向性的测量。 

通过以下公式给出规一化的方向性测量： 

$D_1=({\left|T_{20}\right|}^2+2{\left|T_{2\±1}\right|}^2+2{\left|T_{2\±2}\right|}^2)/{\left|T_{00}\right|}^2$

$=({(T_{\mathrm{\ξ}}-T_{\mathrm{\η}})}^2+{(T_{\mathrm{\η}}-T_{\mathrm{\ζ}})}^2+{(T_{\mathrm{\ζ}}-T_{\mathrm{\ξ}})}^2)/{(T_{\mathrm{\ξ}}+T_{\mathrm{\η}}+T_{\mathrm{\ζ}})}^2$

$=({\left(T_{\mathrm{xx}}\right)}^2+{\left(T_{\mathrm{yy}}\right)}^2+{\left(T_{\mathrm{zz}}\right)}^2+2{\left(T_{\mathrm{xy}}\right)}^2+2{\left(T_{\mathrm{xz}}\right)}^2+2{\left(T_{\mathrm{yz}}\right)}^2-3{\left(T_{\mathrm{iso}}\right)}^2)/{\left({3T}_{\mathrm{iso}}\right)}^2\∈\left[\mathrm{0,2}\right]$

有利的是，能够从球面坐标分量的集合中、主分量的集合中、以及笛卡尔坐标分量的集合中推导出D₁。对于各向同性的张量，方向性测量值为0。对于具有一个较小主分量和两个相对较大主分量的轴向对称的张量，方向性测量为约0.5。对于在与对称轴平行的方向上具有相对一致的强度的较长的管状或者圆柱形结构，例如血管，预期会是该值或者近似的值(即，接近0.5)。对于具有两个较小的主分量和一个相对较大的主分量的轴向对称张量，方向性测量约为2。对于在与对称轴垂直的每个平面中相对较为一致并且在对称轴方向上强度剧烈变化(即，强梯度性)的伸长的轴向对称结构，预期会是该值或者近似的值(即，接近2)。 

可替换地，对于圆柱的轴与ζ主轴基本上彼此相等的诸如血管之类的圆柱形结构，采用以下公式可以给出有用的方向性测量： 

$D_2=\frac{1}{2}{({2T}_{\mathrm{\ζ}}-T_{\mathrm{\ξ}}-T_{\mathrm{\η}})}^2/{(T_{\mathrm{\ξ}}+T_{\mathrm{\η}}+T_{\mathrm{\ζ}})}^2\∈\left[\mathrm{0,2}\right]$

或者，对于主分量T_ξ≥T_η≥T_ζ≥0，能够使用公式： 

D₃＝(T_ξ+T_η-T_ζ)/(T_ξ+T_η+T_ζ)∈[0，1] 

本领域技术人员将会理解，存在其他方向性测量，并且本发明并不局限于对方向性测量的任何具体选择。 

在对预定最小半径计算了方向性测量之后，选择单元110被配置为用一个预定增量来迭代地对半径进行累加，并且对于最大达到预定最大半径的每个半径，重新计算其各自的方向性测量。将半径的值和方向性测量的值存储在存储器单元170中用于评估。预定最小半径和预定最大半径的最优值以及预先定义的增量的最优值取决于图像数据集以及待观看的结构，并且可以是用户定义的参数。当为图像数据集的每个候选子集计算了方向性测量的值时，选择单元110被配置为选择图像数据集的与方向性测量的最优值(例如，方向性测量的最大 值)相对应的最优子集。可替换地，选择单元110能够采用另一种算法来搜索特征的最优值，例如最陡上升算法(steepest ascentalgorithm)。随后，渲染系统100使用该最优子集来根据图像数据集渲染视图。 

在根据本发明的渲染系统100的另一实施例中，选择单元110还被配置为选择用于对图像数据集的子集中的每个元素进行加权的一组权重，并且计算单元120还被配置为基于该组权重来计算第一主轴，以及可选择地计算其他张量特征。这允许对来自所选择子集的每个元素对于第一主轴的贡献以及对于其他所计算的张量特征的贡献进行加权。每个元素的权重能够基于例如该元素与种子之间的距离。可替换地，能够由用户来指定权重。本领域技术人员应该理解，该普通方法相当于用如参考文献1的第3章中所述的窗函数来替代图像数据集的子集。 

本领域技术人员将会理解，根据本发明的渲染系统100的其他实施例和实现也是可行的。其中，可以重新定义系统的各个单元并重新分配其功能。例如，在本发明的渲染系统100的一个实施例中，计算单元120能够划分到选择单元110与渲染单元130中。在选择单元110中包含的部分能够被配置为执行对于评估候选图像数据集而言所必需的计算，而在渲染单元130中包含的部分能够被配置为计算对于根据图像数据集渲染视图所需要的张量的第一主轴和其他特征。在本发明的渲染系统100的另一个实施例中，能够存在多个计算单元来替代在先前实施例中的计算单元120，每个计算单元被配置为计算第一主轴，以及可选择性地，计算一个不同张量的其他特征。用户接口140能够被配置为基于对所使用的张量的评估，提示用户选择用于根据图像数据集渲染视图的第一主轴。 

选择单元110、计算单元120和渲染单元130可以使用处理器来实现。通常，它们的功能是在软件程序产品的控制下执行的。在执行过程中，将软件程序产品加载到存储器(例如RAM)中，并且从该处执行。该程序可以从后台存储器加载，例如ROM、硬盘、磁存储器和/或者光存储器，或者该程序可以经由网络(例如互联网)来加 载。可选择性地，专用集成电路可以提供上述功能。 

存在本发明的渲染系统100的很多可能应用。一个有利的应用是将渲染系统100应用于医学图像数据集。本发明的渲染系统100还能够用于其他应用中。例如，渲染系统100能够用于细胞形态学，用来渲染细胞结构的有利视图。 

图2示出了在轴向切片210中横截面以及三个有利横截面220、230和240。在左侧示出了患者胸腔的轴向切片210。箭头指向图像中的白点。其可能是结节或者血管的横截面。基于该轴向切片，是无法区分这两种可能性的。为了获得对于在左侧图中的点所表示的结构的更好的视图，用户能够移动鼠标光标并在该点的邻域中点击鼠标按键，从而选择了图像数据集的子集的种子。然后触发选择单元110来选择图像数据集的最优子集，并且计算单元120被配置为计算结构张量的3个主轴以及结构位置。渲染单元渲染通过由3对主轴定义的3个平面所得到的3个横截面220、230和240。在该轴向切片210的右侧，示出了该结构的3个放大且裁剪过的视图220、230和240。在横截面视图220中，能够清楚地看到，该结构是血管而不是结节。 

图3示意性示出了采用本发明的渲染系统100的图像采集系统300的一个实施例，所述图像采集系统300包括图像采集系统单元310，其经由内部连接与渲染系统100相连；输入连接器301；以及输出连接器320。该配置有利地提高了图像采集系统300的能力，为所述图像采集系统300提供了渲染系统100的有利的图像观看能力。当图像采集系统300进一步被配置为用于交互图像采集，从而使操作者能够基于所观看的图像决定要采集哪个数据时，可以证明该观看能力尤其有用。图像采集系统的实例是CT系统、X射线系统、MRI系统、超声系统、正电子发射层析成像(PET)系统、以及单光子发射计算机层析成像(SPECT)系统。 

图4示意性示出了工作站400的一个实施例。该工作站包括系统总线401。处理器410、存储器420、盘片输入/输出(I/O)适配器430、以及用户接口(UI)440可操作地连接到系统总线401。盘片存储装置431可操作地耦合至盘片I/O适配器430。键盘441、鼠标442以 及显示器443可操作地耦合至UI 440。被实现为计算机程序的本发明的渲染系统100存储在盘片存储装置431中。工作站400被配置为加载该程序和输入数据至存储器420，并在处理器410上执行该程序。用户能够使用键盘441和/或者鼠标442将信息输入至工作站400。工作站被配置为将信息输出至显示装置443和/或者盘片431。本领域技术人员将会理解，在现有技术中存在工作站的多种其他实施例，并且本实施例是用于阐述本发明，必须不能被解释为将本发明的限制在该具体实施例中。 

图5示意性地示出了渲染系统500的一个实施例。开始步骤501根据方法500，开始根据图像数据集渲染视图。在选择步骤510中，选择图像数据集的子集。该子集包含图像数据集中位于一个球体中的元素。该球体的中心处于用户所选择的种子的位置处。该球体的半径也由用户确定。在计算步骤520中，基于图像数据集的子集，计算结构张量的3个主轴。在渲染步骤530中，基于结构展览馆的3个主轴，渲染根据图像数据集的视图。每个视图都是通过一个平面所获得的图像数据集的横截面，该平面与包含结构张量的不同对的主轴的平面基本上相等。结束步骤599终止方法500的根据图像数据集渲染视图。 

在本发明的方法的所描述实施例中的次序并非强制性的；本领域技术人员可以使用线程模型、多处理器系统或者多个处理器来改变步骤的次序或者同时执行多个步骤，而不会脱离本发明意欲表示的概念范畴。 

本发明的渲染系统100可以实现为一种计算机程序产品，并且能够存储在任何合适的介质上，诸如，例如磁带、磁盘、或者光盘。该计算机程序能够被加载到一个包含处理单元和存储器的计算机设备中。该计算机程序产品在被加载之后，为处理单元提供执行渲染任务的能力。 

应该注意，上述实施例是阐述性的而并非用于限制本发明，本领域技术人员将能够设计可替换实施例而不会脱离附带的权利要求的范围。在权利要求中，放置在圆括号中的任何参考标记都不应理解为对权利要求进行限制。单词“包括”并不排除存在权利要求中未列出 的元件或者步骤。在元件之前的单词“一个”并不排除存在多个这种元件。本发明能够借助于包含几个不同元件的硬件来实现或者借助于经过适当编程的计算机来实现。在枚举了几个单元的系统权利要求中，这些元件之中的几个能够用同一项硬件或软件来体现。单词第一、第二和第三等等的使用并非指示任何次序。这些单词可以解释为名称。 

Claims (13)

1.一种根据多维图像数据集渲染视图的渲染系统(100)，所述渲染系统包括：

选择单元(110)，用于选择所述图像数据集的子集；

计算单元(120)，用于基于所述图像数据集的该子集，计算张量的第一主轴；以及

渲染单元(130)，用于基于所述第一主轴渲染所述视图，从而根据所述图像数据集渲染所述视图，

其中，所述选择单元(110)被配置为通过计算用于表征所述图像数据集的多个候选子集的各自特征，来评估所述多个候选子集，并基于所述评估选择所述图像数据集的子集。

2.如权利要求1所述的渲染系统(100)，其中，所述视图是借助于与包含所述第一主轴的平面彼此相等的平面而得到的多维图像的横截面。

3.如权利要求1所述的渲染系统(100)，其中，所述视图是多维图像沿着与所述第一主轴彼此相等的轴的投影。

4.如权利要求2所述的渲染系统(100)，其中，所述计算单元(120)被配置为计算所述张量的第二主轴，并且其中，所述视图是借助于与包含所述第一主轴和所述第二主轴的平面彼此相等的平面而得到的多维图像的横截面。

5.如权利要求1所述的渲染系统(100)，还包括用户接口(140)，用于与所述渲染系统(100)进行交流。

6.如权利要求1所述的渲染系统(100)，其中，所述张量是以下任意一个：

结构张量；

惯性张量；以及

海赛矩阵。

7.如权利要求1所述的渲染系统(100)，其中，所述选择单元(110)被配置为基于种子来选择所述图像数据集的子集。

8.如权利要求7所述的渲染系统(100)，其中，所述选择单元(110)进一步被配置为基于所述种子与所述图像数据集中的元素之间的距离，来将所述图像数据集中的该元素添加到所述图像数据集的子集中。

9.如权利要求1所述的渲染系统(100)，其中，所述选择单元(110)进一步被配置为，选择用于对所述图像数据集的子集中的每个元素进行加权的一组权重，并且其中，所述计算单元(120)进一步被配置为基于该组权重计算所述第一主轴。

10.一种用于采集图像数据集的图像采集(300)系统，其包含如权利要求1到9中任意一项所述的渲染系统(100)。

11.一种工作站(400)，其包含如权利要求1到10中任意一项所述的渲染系统。

12.一种根据图像数据集渲染视图的渲染方法(500)，所述渲染方法包括以下步骤：

选择步骤(510)，用于选择所述图像数据集的子集；

计算步骤(520)，用于基于所述图像数据集的该子集，计算张量的第一主轴；以及

渲染步骤(530)，用于基于所述第一主轴渲染所述视图，从而根据所述图像数据集渲染所述视图，

其中，所述选择步骤(510)被配置为通过计算用于表征所述图像数据集的多个候选子集的各自特征，来评估所述多个候选子集，并基于所述评估选择所述图像数据集的子集。

13.一种根据图像数据集渲染视图的渲染装置，所述渲染装置包括：

用于选择所述图像数据集的子集的模块；

用于基于所述图像数据集的该子集，计算张量的第一主轴的模块；以及

用于基于所述第一主轴渲染所述视图，从而根据所述图像数据集渲染所述视图的模块，

其中，所述用于选择的模块包括：用于通过计算用于表征所述图像数据集的多个候选子集的各自特征，来评估所述多个候选子集的模块，以及用于基于所述评估选择所述图像数据集的子集的模块。

Images