CN101275993B - 基于纹理的快速dt-mri张量场可视化系统和方法 - Google Patents

基于纹理的快速dt-mri张量场可视化系统和方法 Download PDF

Info

Publication number
CN101275993B
CN101275993B CN2007101646995A CN200710164699A CN101275993B CN 101275993 B CN101275993 B CN 101275993B CN 2007101646995 A CN2007101646995 A CN 2007101646995A CN 200710164699 A CN200710164699 A CN 200710164699A CN 101275993 B CN101275993 B CN 101275993B
Authority
CN
China
Prior art keywords
bulletin board
texture
volume
diffusion tensor
diffusion
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.)
Expired - Fee Related
Application number
CN2007101646995A
Other languages
English (en)
Other versions
CN101275993A (zh
Inventor
T·麦格劳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Siemens Medical Solutions USA Inc
Original Assignee
Siemens Medical Solutions USA Inc
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Siemens Medical Solutions USA Inc filed Critical Siemens Medical Solutions USA Inc
Publication of CN101275993A publication Critical patent/CN101275993A/zh
Application granted granted Critical
Publication of CN101275993B publication Critical patent/CN101275993B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T15/003D [Three Dimensional] image rendering
    • G06T15/08Volume rendering
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00Arrangements or instruments for measuring magnetic variables
    • G01R33/20Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/48NMR imaging systems
    • G01R33/54Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
    • G01R33/56Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution
    • G01R33/5608Data processing and visualization specially adapted for MR, e.g. for feature analysis and pattern recognition on the basis of measured MR data, segmentation of measured MR data, edge contour detection on the basis of measured MR data, for enhancing measured MR data in terms of signal-to-noise ratio by means of noise filtering or apodization, for enhancing measured MR data in terms of resolution by means for deblurring, windowing, zero filling, or generation of gray-scaled images, colour-coded images or images displaying vectors instead of pixels
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00Arrangements or instruments for measuring magnetic variables
    • G01R33/20Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/48NMR imaging systems
    • G01R33/54Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
    • G01R33/56Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution
    • G01R33/563Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution of moving material, e.g. flow contrast angiography
    • G01R33/56341Diffusion imaging

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Graphics (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本发明涉及基于纹理的快速DT-MRI张量场可视化系统和方法。一种用于可视化扩散张量磁共振图像的方法包括如下步骤:提供扩散张量磁共振图像(DT-MRI)体积;对用于再现该体积的虚拟照相机进行定位(61)和定向,该照相机具有图像平面,该照相机的定向通过其注视、向右和向上向量来定义;使公告牌与每个体元相关联(63),每个公告牌与照相机的图像平面平行,其中注视、向右和向上向量被用于对每个公告牌进行定向;对每个公告牌应用(64)纹理,每个纹理借助与该公告牌所关联的体元相关联的扩散张量的逆被变换;并且通过在图像体积中再现每个可见公告牌来再现(65)该体积,其中产生所述DT-MRI的2维(2D)可视化。

Description

基于纹理的快速DT-MRI张量场可视化系统和方法
对相关美国申请的交叉引用
本申请要求Tim McGraw于2006年11月2日提交的美国临时申请No.60/856,119“FAST TEXTURE-BASED TENSOR FIELD VISUALIZATIONFOR DT-MRI”的优先权,该申请的内容在此被引入作为参考。
技术领域
本公开针对根据扩散张量磁共振数据集所计算的张量场的快速可视化。
背景技术
扩散张量MRI(DT-MRI)提供关于神经元组织的有用的连通性信息,但是具有一些可视化难题。数据的高维特性需要一些处理,以便在常规的2D显示设备上进行可视化,其中该数据为具有与每个体元相关联的3×3矩阵(扩散张量)的3D体积图像。
被称作布朗运动的随机分子运动导致水在微观尺度上的传送。在水的不受限制的体积内,分子自由地在所有方向上扩散。在生物系统中丰富的水也易遭受这种随机运动。周围组织的特性可以影响扩散的幅度以及方向。组织可以形成扩散的屏障,从而限制分子的运动。在诸如脑或脊髓的白质中的轴突纤维束的定向结构中,扩散可以是高度各向异性的。
扩散的方向特性可以用张量来表征。扩散张量D是对称的、正定3×3矩阵。通常利用该张量的特征值和特征向量,将特征值(λ1,λ2,λ3)从最大到最小排序,并标记对应的单位特征向量(e1,e2,e3)。这些特征值代表在它们对应的特征向量的方向上的扩散幅度。对应于最大特征值的特征向量被称作主要扩散方向(PDD)。当扩散是各向同性时,我们有λ1=λ2=λ3。各向异性扩散的一种流行的视觉表示是扩散椭球。该椭球是单位球体在由张量D定义的变换之下的图像。D的特征向量形成正交基,表示椭球的定向。该椭球的每个轴的长度是对应的特征值。对于各向同性扩散来说,扩散椭球是一个球体。
近来,磁共振(MR)测量已经被发展用于测量扩散张量。这提供水通过组织的受限运动的完整表征,该表征可被用于推断组织结构。研究者已经研发了用于获得并处理MR测量的平移自扩散的扩散张量的一般方法。
张量场可视化已经成为活跃的新近研究领域。由于机械应力和应变也都被表示为张量,因此不仅存在医学成像应用,而且存在工程应用。DT-MRI可视化的难题是要同时传递尽可能多的相关信息:平均扩散率、主要扩散方向(PDD)、各向异性、以及扩散椭球的扁圆度/扁长度。这些量中的许多量都可根据在每个体元上张量D的元素来计算,或者根据D的特征值分解来计算:PDD是D的主特征向量,部分各向异性(FA)是特征值的归一化方差,平均扩散率是D的迹。
最普通的张量场可视化技术将在这里被分类并且被描述。基于符号的可视化依赖于每个体元上的小的图形图标来表示每个张量。椭球可以通过向三角球体的每个顶点施加扩散张量来计算。椭球的主轴是主要扩散方向的良好的视觉指示器。椭球的形状是各向异性的指示器。然而,这些符号的出现在某些观察角度上可能不提供信息。超二次曲面符号已经被用于克服这种视觉模糊。能够传递更多扩散信息的另一类型的符号是流线和流管。为了强调PDD和潜在的神经纤维的假定方向,流线和流管可以可视化扩散信息。流线是在曲线(也叫作积分曲线)的每个点上与向量场相切的曲线。流管是轴为流线的圆柱面。尽管这些是向量场可视化技术,但是它们可以适用于反映关于张量场的附加信息。为了传递关于潜在的张量场的信息,流管和流面已经用与FA成比例的半径来显示。粒子是用于表示张量场的另一种离散技术。在这种情况下,表示张量的图标或符号不是静止的,而是平流输送通过PDD场,改变其外观以反映在其当前位置上的张量。一些研究者已经使用GPU来加速用于张量场可视化的粒子的再现和动画。
基于符号(glyph)的技术遇到一些挑战。对于大的数据集来说,显示可能变得太密集。在3D数据集中,离散的符号和流管经常相互遮掩。为了应付这种效应,传统的体积可视化技术、诸如射线投射和溅射(splatting)可以被应用于张量的标量指数场、诸如部分(fractional)各向异性(FA)或迹。
基于纹理的可视化技术产生纹理定向和频率反映张量数据的图像。线积分卷积(LIC)是利用曲线核使噪声图像模糊或使噪声图像与曲线核卷积的过程,其中曲线核与通过每个体元的局部流线对准。所得到的图像沿着每一流线都具有高度相关的亮度值,跨越流线具有不相关的亮度。该技术可以通过将LIC纹理、根据PDD场所计算的颜色和FA图像组合而应用于DT-MRI,以产生反映扩散方向和各向异性的图像。纹理还可以通过仿真可以各向异性地发展的反应扩散过程来产生。这个原理可被用于可视化张量场。这种可视化需要求解偏微分方程。用于再现纹理符号的混合方法可以描绘全部的6个张量分量。该符号可以覆盖在标量图像(例如FA图像)上,从而产生分层图像。
发明内容
这里所描述的本发明的典型实施例大体上包括用于对张量值数据进行可视化的方法和系统。根据本发明实施例的方法需要最少的预处理,并且与其它现有的基于纹理的方法相比,可以更快速地被实施和被执行。这是通过利用混合方法来实现的,该混合方法与现有的基于符号、粒子和纹理的可视化技术具有相似之处。所得到的图像通过混合纹理公告牌(billboard)而形成,其中公告牌被再现在数据集中的每个体元的中心处。使用颜色、纹理定向、纹理频率和动画来传达扩散特性。结果针对人脑的DT-MRI图像被呈现。
根据本发明的一个方面,提供了一种用于可视化扩散张量磁共振图像的方法,包括如下步骤:提供扩散张量磁共振图像(DT-MRI)体积,该图像体积包括多个与3维体元栅格相关联的3×3扩散张量;对用于再现该体积的虚拟照相机进行定位和定向,该照相机具有图像平面,该照相机的定向通过它的注视(look)、向右和向上向量来定义;使公告牌与每个体元相关联,每个公告牌与照相机的图像平面平行,其中注视、向右和向上向量被用于对每个公告牌进行定向;对每个公告牌应用纹理,每个纹理借助扩散张量的逆被变换,其中该扩散张量与公告牌所关联的体元相关联;并且通过在图像体积中再现每个可见公告牌来再现该体积,其中产生DT-MRI的2维(2D)可视化。
根据本发明的又一个方面,纹理包括各向同性图像。
根据本发明的又一个方面,该方法包括将纹理变换为代表扩散张量的图案(pattern)。
根据本发明的又一个方面,该方法包括将与体元相关联的扩散张量的主要扩散方向映射为颜色,其中与体元相关联的公告牌用这种颜色来再现。
根据本发明的又一个方面,每个公告牌的透明度通过与每个公告牌相关联的扩散张量的部分(fractional)各向异性来确定。
根据本发明的又一个方面,该方法包括再现2D可视化序列,其中针对每个2D可视化,沿着每个相关联的扩散张量的主要扩散方向对每个纹理映射施加附加偏移,其中产生动画。
根据本发明的又一个方面,该可视化是通过图形处理单元的可编程顶点着色器(vertex shaders)来执行的。
根据本发明的又一个方面,提供了一种计算机可读程序存储设备,切实包含计算机可执行的指令程序,以便执行用于可视化扩散张量磁共振图像的方法步骤。
附图说明
图1示出了根据本发明实施例的观察体积、照相机帧和视图对准(view-aligned)的公告牌之间的关系。
图2描绘了根据本发明实施例的用于四个不同张量的示范性纹理公告牌。
图3描绘了根据本发明实施例的应用于人脑DT-MRI数据集的基于公告牌的可视化,示出单个冠状切片(coronal slice)的一部分。
图4示出了根据本发明实施例的与图3相同的区域的线积分卷积图像。
图5示出了根据本发明实施例的公告牌细节,在左边显示不重叠的公告牌,并且在右边显示重叠并混合的公告牌。
图6是根据本发明实施例的基于DT-MRI的张量场可视化方法的流程图。
图7是根据本发明实施例的示范性计算机系统的框图,该计算机系统用于实施根据扩散张量磁共振图像所计算的张量场的快速可视化方法。
具体实施方式
这里描述的本发明的典型实施例大体上包括用于对根据扩散张量磁共振图像所计算的张量场进行快速可视化的系统和方法。因此,尽管本发明容易进行各种修改并得到替代形式,但是其特定实施例通过附图中的例子来进行显示并将在这里进行详细描述。然而,应当理解,并不意图将本发明限制于所公开的特定形式,而是相反地,本发明将覆盖落入本发明的精神和范围内的所有修改、等价方案和替代方案。
如这里所使用的,术语“图像”是指与被布置为2维或3维栅格的离散图像元素相关联的多维数据、诸如矩阵或张量。对于2维或3维图像来说,图像域通常是2或3维的矩形阵列,其中与每个元素相关联的数据可以参照一组2或3个互相正交的轴来寻址。该图像可以例如是通过本领域技术人员已知的能产生张量值数据的任何成像模态、诸如磁共振成像所收集的患者的医学图像。该图像还可以由非医学环境、诸如遥感系统、电子显微镜等提供。如这里所使用的术语“数字”和“数字化”将涉及适当时通过数字采集系统或通过从模拟图像进行转换所采集的数字或数字化格式的图像或体积。
根据本发明实施例的可视化技术利用几何对象的离散场,如以符号(glyphs)的形式,其中这些符号朝着观察者定向,而定向图案被用于表示数据,如在基于纹理的技术中那样。根据本发明实施例的方法可以利用视图对准的纹理映射的多边形阵列来对扩散张量场进行可视化。这些多边形的位置将对应于图像点阵中的点。这些多边形的定向将取决于照相机定向,如下所述。应用于每个多边形的纹理将由数据集中的相应的体元上的张量来控制。
公告牌是用于再现总是面对观察者出现的多边形的计算机图形技术。该技术如下所述。在计算机图形中,观察者的位置和定向可以通过照相机帧来描述。该帧包括照相机位置和3个正交基向量:注视、向右和向上。观察体积、照相机帧和视图对准的公告牌之间的关系在图1中被示出。参照图1,注视向量12是虚拟照相机所指的方向,而向右13和向上向量位于图像平面中。应注意,向上向量从附图页面出来,因此没有示出。观察体积15是图像体积的由虚拟照相机再现的那部分,且公告牌14被示出为在与照相机的观察方向对准的体积中。这些向量可以直接从观察矩阵中提取,其中该观察矩阵是描述从世界坐标系到照相机坐标系的变换的矩阵。一旦照相机被定位在可以提取向右和向上向量的场景中,就在任意位置上构造多边形,使得它们与图像平面平行。应注意,术语“多边形”和“公告牌”是同义的。
公告牌是面对照相机的平坦的对象,通常是四边形(正方形)。该方向可以随着对象和照相机移动而改变,在这种情况下公告牌需要在每一帧被旋转以便指向该方向。有两种类型的公告牌:点和轴。点公告牌是以一个点为中心的四边形,因此该公告牌绕着该中心点旋转以面对照相机。轴公告牌有两种类型:轴对准的和任意的。轴对准的公告牌具有一个与全局轴对准的局部轴,并且可绕该轴旋转以面对照相机。任意轴公告牌可以绕任一轴旋转以面对照相机。公告牌的坐标系假设该公告牌将面对+z轴,其中向上是+y轴,而向右是+x轴。在下面的描述中,假设所有向量都被归一化为单位大小。
点公告牌有两种变型方案:共同的或单独的。共同的公告牌在所有公告牌之间共享一个变换矩阵,而单独的公告牌具有用于每个公告牌的单独的变换矩阵。
共同的公告牌都面对同一个方向,该方向被计算为照相机的相反注视方向。共同的点公告牌的向上向量与照相机的向上向量相同,而向右向量是照相机的向右向量的逆。
为单独的公告牌计算方向需要知道照相机的向上向量和位置以及公告牌的位置。公告牌的注视向量是根据照相机位置和公告牌位置以及从公告牌到照相机的点来计算的:lookbb=poscam-posbb
公告牌的向右向量可以分两步计算。首先,公告牌的向右向量可以根据公告牌的注视向量和照相机的向上向量的向量乘积来计算:rightbb=upcam×lookbb。然后,公告牌的向上向量可以根据公告牌的向右向量和公告牌的注视向量的向量乘积来计算:upbb=lookbb×rightbb。该计算起作用,因为最终的公告牌向上向量、公告牌注视向量和照相机向上向量沿着包含照相机和公告牌位置的平面。该平面还具有与公告牌向右向量相等的法线。
轴对准的公告牌将它们的向上向量锁定到全局轴,即x、y或z。然后使该公告牌绕局部y轴旋转以面对照相机。计算遵循与上面相同的格式,但是具有局部向上向量使数学计算更简单。存在轴对准的公告牌的三种情况,每个轴一种情况。如上所述,公告牌向上向量来自于照相机向上向量,而公告牌总是绕局部y轴旋转。公告牌向上向量可被计算为从公告牌中心到照相机位置的向量。然后将公告牌所对准的轴的分量设置为零。提供向上向量作为对准轴,因此没有必要使用临时的向上向量来产生向右向量。替代地,公告牌向右向量可以被计算为公告牌向上向量和注视向量的向量乘积:rightbb=up×lookbb
对于任意对准的公告牌来说,公告牌注视向量可以最初被计算为从公告牌中心到照相机位置的向量。该值不是最终的注视向量,而是用来计算向右向量和向上向量的临时值。这根据与使用照相机向上向量作为临时的公告牌向上向量的点公告牌相同的原理起作用。该注视向量沿着与最终的注视向量相同的平面,但是临时的注视向量不垂直于公告牌向上向量。公告牌向上向量是任意的轴,公告牌将绕该轴旋转。向右向量现在可以被计算为向上向量和注视向量的向量乘积:rightbb=up×lookbb。既然存在合理的向上向量和向右向量,最终的注视向量可被计算为:lookbb=rightbb×up。
当公告牌向上向量几乎平行于公告牌注视向量时,出现一种罕见的特殊情况,在这种情况下由于浮点限制,向量乘积不产生归一化向量。如果向量是平行的,则向量乘积的大小将为零。因此,如果注视向量和向上向量平行,则可以选择不绘制公告牌,因为沿着平坦的多边形的边缘向下观察。
由于公告牌向量被归一化,因此可以为公告牌构造正交旋转矩阵。下列矩阵可被用于将局部坐标系变换为全局坐标系:
r 1 u 1 l 1 p x r 2 u 2 l 2 p y r 3 u 3 l 3 p z 0 0 0 1
通过在再现阶段中乘以该矩阵,公告牌将面对照相机。
为了再现公告牌,将y轴设置为公告牌向上向量,并且将x轴设置为向右向量,使得公告牌沿着向下面对+z轴的xy平面被绘制。公告牌的坐标值可以在需要时被改变,只要所有的点都在同一个平面上即可。如果公告牌的点不在xy平面内,则公告牌矩阵将需要被调整,使得公告牌注视向量是公告牌所在的平面的法线。例如,如果公告牌在xz平面内,则该平面的法线为+y轴。公告牌注视向量现在需要被旋转到+y轴。公告牌向上向量可被旋转到+z轴,且向右向量是注视向量和向上向量的向量乘积,该向量乘积是+x轴。
每个公告牌将具有应用于它的相同的纹理图像,但是图像坐标与多边形顶点坐标之间的映射函数将借助D-1、即扩散张量的逆被变换。该映射函数依赖于纹理坐标和3×3纹理矩阵,其中纹理坐标明确地与每个顶点相关联。当三角形被光栅化时,针对每个片断计算内插纹理坐标。该纹理坐标然后利用矩阵向量乘法通过纹理矩阵被变换。结果被视为图像坐标,并且片断利用该图像坐标上的图像颜色来上色。
在最流行的计算机图形API、诸如OpenGL和Direct3D中,编程者可以通过指定在应用图像之前将变换纹理坐标的矩阵来控制如何在再现过程中将纹理应用于几何图元。在OpenGL中,该4×4的均匀纹理矩阵是OpenGL状态的一部分。在现代GPU中,用纹理矩阵乘以纹理坐标可以用硬件非常高效地实现。
所使用的纹理图像是各向同性图像、诸如立方体或高斯斑点(blob)。纹理矩阵的目的是将该图像伸展为表示扩散张量的图案。该矩阵还可以将尺度变换应用于纹理,因此通过对纹理设置不同的边界条件,可以获得不同的效果。包装(wrapping)模式(OpenGL中的GL_REPEAT)生成周期性纹理,这可能导致一些对应于每个体元的椭圆体特征。图案的重复频率表示在该体元处的平均扩散率,因此它传达有用信息。
图2描绘了根据本发明实施例的用于4个不同张量的示范性纹理公告牌。各向同性扩散被显示在左上部,具有纹理箝入(clamping)的各向异性扩散被显示在右上部,具有纹理包装的各向异性扩散被显示在左下部,而具有纹理包装的低的平均扩散率被显示在右下部。
为了显示扩散张量场,针对每个可见的体元再现一个公告牌。对于每个公告牌来说,纹理矩阵在该体元上被设置为等于D-1。如上所述,这种可视化技术不需要计算流线,或者甚至不需要计算扩散张量的特征值。然而,如果可用,该信息可以被合并到可视化中。正如在流线可视化中普通的,主要扩散方向可以映射为(r,g,b)颜色,并且每个公告牌利用该颜色来再现。FA可以被用于调制公告牌的透明度。PDD还可以被用于产生动画。在再现2D可视化序列的同时,通过针对沿着PDD的每个帧向纹理映射施加附加偏移,可以产生纹理在公告牌上在PDD方向上“流动”的印象。其它基于纹理的技术可以通过修改某些参数来合并动画。在LIC中,核宽度和形状可以被修改。在反应扩散PDE方法中,反应函数可以被改变。然而,在这两种情况下,需要数值上昂贵的重新计算。
在图6中描绘了基于DT-MRI的张量场可视化方法的流程图。参照该图,该方法在步骤61中通过确定虚拟照相机相对于要可视化的图像体积的位置和观察方向而开始。在再现步骤期间,射线将从虚拟照相机被投射到虚拟图像平面。在步骤62中,从照相机定向提取注视、向上和向右向量。向右向量和向上向量在步骤63中被用于为图像体积中的每一个体元构造平行于照相机的图像平面的多边形。在步骤64中,针对每个图像体元,该体元的借助D-1所变换的纹理被应用于与体元相关联的多边形。在步骤65中执行再现,其中针对每个可见体元再现一个多边形。
可以利用现代GPU的可编程顶点着色器来实现根据本发明实施例的算法,但是这种实现服从于较老的硬件。即使没有可编程顶点着色器,该技术也可以以实时帧速率来使用。该可视化技术不需要如在LIC中那样的耗时的流线积分,也不需要如在反应扩散纹理中那样的偏微分方程的求解。该技术的静态版本甚至可以在不计算特征值的情况下被应用。所显示的图像的分辨率依赖于应用于每个符号的纹理图像,因此可以为低分辨率数据集计算高分辨率可视化。
根据本发明实施例的可视化技术被应用于人脑的DT-MRI图像。结果被显示在图3中。具体地,图3描绘了根据本发明实施例的应用于人脑DT-MRI数据集的基于公告牌的可视化,示出了单个冠状切片的一部分。为了进行比较,同一个轴向切片的LIC图像被计算并被显示在图4中。
这两种技术都将扩散各向异性作为颜色亮度传达,并将主要扩散方向作为色调和纹理定向传达。根据本发明实施例的公告牌技术还传达在每个公告牌的纹理频率方面的平均扩散率信息。利用运行奔腾43.2GHz CPU并具有2GB的RAM的戴尔Optiplex GX620计算机,公告牌技术需要不到一秒的时间来进行计算,而LIC图像需要一分钟以上。图3是通过针对每个体元再现一个纹理公告牌而生成的。公告牌颜色根据PDD来计算,并用作附加的方向提示。公告牌亮度等于每个体元上的FA值。在该图中,公告牌被制成略微大于体元的尺寸。使公告牌重叠并混合可以减少某些在边缘上可见的伪影,如图5中详细示出的。具体地,图5示出了根据本发明实施例的公告牌细节,在左边显示非重叠的公告牌,而在右边显示重叠并混合的公告牌。
这里所述的根据本发明实施例的可视化技术可以产生能够传达关于扩散张量场的许多信息的图像。扩散定向和各向异性可以利用颜色和纹理特征来表示。这些图像可以以很少的处理时间来计算,并且与其它基于纹理的方法相比,该算法的实施是简单并且直接的。其它基于纹理的技术的结果质量依赖于很多因素、诸如输入噪声纹理、滤波器宽度和反应函数。与优化这些输入相关联的反复试验可能是相当费时的。通过比较,根据本发明实施例的技术具有非常少的参数。由于图像可以实时地被重新计算,因此公告牌的速度使参数调整快得多。
静态结果缺乏流管技术的长距离视觉相干性,但是这种影响在利用了纹理动画时被减小。这些结果显示由于可视化的分段恒定性质所导致的体元之间的某些视觉伪影,然而这可以通过体元之间的内插而被减少。
应理解,本发明的实施例可以用各种形式的硬件、软件、固件、专用处理或它们的组合来实施。在一个实施例中,本发明可用软件被实施为被切实包含在计算机可读程序存储设备上的应用程序。该应用软件可以被上载到包括任何适当的体系结构的机器上并由该机器执行。
图7是根据本发明实施例的用于实施根据扩散张量磁共振数据集所计算的张量场的快速可视化方法的示范性计算机系统的框图。现在参照图7,用于实施本发明的计算机系统71尤其可以包括中央处理单元(CPU)72、图形处理单元(GPU)79、存储器73和输入/输出(I/O)接口74。计算机系统71通常通过I/O接口74耦合到显示器75和各种输入设备76、诸如鼠标和键盘。支持电路可以包括诸如高速缓存、电源、时钟电路和通信总线等电路。存储器73可以包括随机访问存储器(RAM)、只读存储器(ROM)、磁盘驱动器、磁带驱动器等,或者它们的组合。本发明可以被实施为例行程序77,该例行程序被存储在存储器73中并由CPU72和/或GPU79来执行,以便处理来自于信号源78的信号。
如此,当执行本发明的例行程序77时,计算机系统71是变成专用计算机系统的通用计算机系统。
计算机系统71还包括操作系统和微指令代码。这里所述的各种过程和函数可以是通过操作系统执行的微指令代码的一部分或者应用程序的一部分(或它们的组合)。另外,各种其它外围设备、诸如附加的数据存储设备和打印设备可被连接到计算机平台上。
应当进一步理解,由于附图中所描绘的某些系统组成部件和方法步骤可以用软件来实施,因此系统部件(或过程步骤)之间的实际连接可能根据本发明被编程的方式而有所不同。给定在这里所提供的本发明教导,相关领域的普通技术人员将能够设想到本发明的这些以及相似的实施或配置。
尽管已经参照优选实施例对本发明进行了详细描述,但本领域技术人员将理解,在不脱离如在所附的权利要求中所述的本发明的精神和范围的情况下,可以对本发明进行各种修改和替代。

Claims (17)

1.一种用于可视化扩散张量磁共振图像的方法,包括如下步骤:
提供扩散张量磁共振图像体积,所述图像体积包括多个与3维体元栅格相关联的3×3扩散张量;
对用于再现所述体积的虚拟照相机进行定位和定向,所述照相机具有图像平面,所述照相机的定向通过其注视、向右和向上向量来定义;
使公告牌与每个体元相关联,每个所述公告牌与照相机的图像平面平行,其中所述注视、向右和向上向量被用于对每个所述公告牌进行定向;
对每个公告牌应用纹理,每个所述纹理借助与该公告牌所关联的体元相关联的扩散张量的逆被变换;并且
通过在所述图像体积中再现每个可见公告牌来再现所述体积,其中产生所述扩散张量磁共振图像的2维可视化。
2.根据权利要求1所述的方法,其中所述纹理包括各向同性图像。
3.根据权利要求2所述的方法,进一步包括将所述纹理变换为表示所述扩散张量的图案。
4.根据权利要求1所述的方法,进一步包括将与体元相关联的扩散张量的主要扩散方向映射为颜色,其中用所述颜色来再现与所述体元相关联的所述公告牌。
5.根据权利要求1所述的方法,其中每个公告牌的透明度通过与每个所述公告牌相关联的扩散张量的部分各向异性来确定。
6.根据权利要求1所述的方法,进一步包括再现2维可视化序列,其中针对每个2维可视化,沿着每个所述相关联的扩散张量的主要扩散方向将附加偏移应用于每个纹理映射,其中产生动画。
7.根据权利要求1所述的方法,其中通过图形处理单元的可编程顶点着色器来执行所述可视化。
8.一种用于可视化扩散张量磁共振图像的方法,包括如下步骤:
提供扩散张量磁共振图像体积,所述图像体积包括多个与3维体元栅格相关联的3×3扩散张量;
对用于再现所述体积的虚拟照相机进行定位和定向,所述照相机具有图像平面;
使公告牌与每个体元相关联,每个所述公告牌与照相机的图像平面平行;
对每个公告牌应用纹理,其中所述纹理包括各向同性图像;
将每个所述纹理变换为表示所述扩散的图案,并借助扩散张量的逆对每个所述纹理进行变换,其中该扩散张量与公告牌所关联的体元相关联;并且
通过在所述图像体积中再现每个可见公告牌来再现所述体积,其中产生所述扩散张量磁共振图像的2维可视化。
9.根据权利要求8所述的方法,进一步包括根据所述虚拟照相机的位置和定向确定照相机的注视、向右和向上向量,其中所述注视、向右和向上向量被用于对每个所述公告牌进行定向。
10.根据权利要求8所述的方法,其中将每个所述纹理变换为表示所述扩散的图案包括对所述纹理进行缩放、对所述纹理设置不同的边界条件、或者根据所述纹理图像生成周期性图案。
11.一种用于可视化扩散张量磁共振图像的设备,包括:
提供扩散张量磁共振图像体积的装置,所述图像体积包括多个与3维体元栅格相关联的3×3扩散张量;
对用于再现所述体积的虚拟照相机进行定位和定向的装置,所述照相机具有图像平面,所述照相机的定向通过其注视、向右和向上向量来定义;
使公告牌与每个体元相关联的装置,每个所述公告牌与照相机的图像平面平行,其中所述注视、向右和向上向量被用于对每个所述公告牌进行定向;
对每个公告牌应用纹理的装置,每个所述纹理借助与该公告牌所关联的体元相关联的扩散张量的逆被变换;以及
通过在所述图像体积中再现每个可见公告牌来再现所述体积的装置,其中产生所述扩散张量磁共振图像的2维可视化。
12.根据权利要求11所述的设备,其中所述纹理包括各向同性图像。
13.根据权利要求11所述的设备,进一步包括将所述纹理变换为表示所述扩散张量的图案的装置。
14.根据权利要求11所述的设备,进一步包括将与体元相关联的扩散张量的主要扩散方向映射为颜色的装置,其中用所述颜色来再现与所述体元相关联的所述公告牌。
15.根据权利要求11所述的设备,包括通过与每个所述公告牌相关联的扩散张量的部分各向异性来确定每个公告牌的透明度的装置。
16.根据权利要求11所述的设备,进一步包括再现2维可视化序列的装置,其中针对每个2维可视化,沿着每个所述相关联的扩散张量的主要扩散方向将附加偏移应用于每个纹理映射,其中产生动画。
17.根据权利要求11所述的设备,包括通过图形处理单元的可编程顶点着色器来执行所述可视化的装置。
CN2007101646995A 2006-11-02 2007-11-02 基于纹理的快速dt-mri张量场可视化系统和方法 Expired - Fee Related CN101275993B (zh)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
US85611906P 2006-11-02 2006-11-02
US60/856119 2006-11-02
US11/872,904 US7602180B2 (en) 2006-11-02 2007-10-16 System and method for fast texture-based tensor field visualization for DT-MRI
US11/872904 2007-10-16

Publications (2)

Publication Number Publication Date
CN101275993A CN101275993A (zh) 2008-10-01
CN101275993B true CN101275993B (zh) 2012-11-28

Family

ID=39640613

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2007101646995A Expired - Fee Related CN101275993B (zh) 2006-11-02 2007-11-02 基于纹理的快速dt-mri张量场可视化系统和方法

Country Status (2)

Country Link
US (1) US7602180B2 (zh)
CN (1) CN101275993B (zh)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7268551B2 (en) * 2004-04-14 2007-09-11 Mclean Hospital Corporation Inter-subject coherence in DT-MRI
US8170305B2 (en) * 2006-10-19 2012-05-01 Brown University Quantitative tract-of-interest metrics for white matter integrity based on diffusion tensor MRI data
US8742754B2 (en) * 2010-02-16 2014-06-03 Board Of Regents Of The University Of Texas System Method and system for diffusion tensor imaging
CN102368335A (zh) * 2011-11-01 2012-03-07 深圳市五巨科技有限公司 一种改进的用广告板技术绘制场景模型的方法
US9664759B2 (en) * 2014-09-01 2017-05-30 bioProtonics, L.L.C Method for assessing structural spatial frequencies using hybrid sampling with non-zero gradient for enhancement of selective sampling
JP6906507B2 (ja) * 2015-10-07 2021-07-21 バイオプロトニクス インコーポレイテッドBioprotonics,Inc. 特定のコントラスト機構を用いて構造的空間周波数を評価するための選択的サンプリング
DE102017209542B4 (de) 2017-06-07 2020-09-10 Siemens Healthcare Gmbh Visualisierung von Fasern
CN108038895A (zh) * 2017-12-06 2018-05-15 北京像素软件科技股份有限公司 一种公告板生成方法及装置
CN111429564B (zh) * 2020-03-11 2023-09-19 上海嘉奥信息科技发展有限公司 基于Unity3D生成神经纤维素模型的方法、系统及介质
US11875452B2 (en) * 2020-08-18 2024-01-16 Qualcomm Incorporated Billboard layers in object-space rendering

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2004040521A1 (ja) * 2002-10-30 2004-05-13 Digital Fashion Ltd. 画像処理装置、画像処理プログラム、そのプログラムを記録する記録媒体、画像処理方法およびシェーディング情報取得装置
CN1777818A (zh) * 2003-04-24 2006-05-24 皇家飞利浦电子股份有限公司 纤维跟踪磁共振成像
CN1818707A (zh) * 2005-02-09 2006-08-16 西门子共同研究公司 扩散张量表面显象

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000020745A (ja) * 1998-07-03 2000-01-21 Hitachi Ltd テンソルレンダリングによる三次元デジタルデータの表示方法及び装置
AU2002338376A1 (en) * 2001-04-06 2002-10-21 Lawrence R. Frank Method for analyzing mri diffusion data
US6642716B1 (en) * 2002-05-15 2003-11-04 Koninklijke Philips Electronics, N.V. Diffusion tensor magnetic resonance imaging including fiber rendering using hyperstreamlines
EP1855587A4 (en) * 2005-03-11 2011-05-04 Gen Hospital Corp TRANS-FIBER DIFFUSION MRI
FR2884335B1 (fr) * 2005-04-07 2007-11-30 Inst Nat Rech Inf Automat Dispositif perfectionne de traitement d'images brutes ou d'images de tenseurs
US8170305B2 (en) * 2006-10-19 2012-05-01 Brown University Quantitative tract-of-interest metrics for white matter integrity based on diffusion tensor MRI data
US7672790B2 (en) * 2006-11-02 2010-03-02 Siemens Medical Solutions Usa, Inc. System and method for stochastic DT-MRI connectivity mapping on the GPU

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2004040521A1 (ja) * 2002-10-30 2004-05-13 Digital Fashion Ltd. 画像処理装置、画像処理プログラム、そのプログラムを記録する記録媒体、画像処理方法およびシェーディング情報取得装置
CN1777818A (zh) * 2003-04-24 2006-05-24 皇家飞利浦电子股份有限公司 纤维跟踪磁共振成像
CN1818707A (zh) * 2005-02-09 2006-08-16 西门子共同研究公司 扩散张量表面显象

Also Published As

Publication number Publication date
US7602180B2 (en) 2009-10-13
US20080174311A1 (en) 2008-07-24
CN101275993A (zh) 2008-10-01

Similar Documents

Publication Publication Date Title
CN101275993B (zh) 基于纹理的快速dt-mri张量场可视化系统和方法
Gao et al. Pycortex: an interactive surface visualizer for fMRI
Kindlmann et al. Hue-balls and lit-tensors for direct volume rendering of diffusion tensor fields
US7672790B2 (en) System and method for stochastic DT-MRI connectivity mapping on the GPU
Kaufman et al. Overview of volume rendering.
WO2012063653A1 (ja) 医用画像表示装置及び医用画像表示方法
US20050237336A1 (en) Method and system for multi-object volumetric data visualization
JP6560745B2 (ja) 生体構造のボリュメトリック画像を視覚化すること
McGraw et al. Stochastic DT-MRI connectivity mapping on the GPU
Shattuck Multiuser virtual reality environment for visualising neuroimaging data
Chaudhary et al. Cross-platform ubiquitous volume rendering using programmable shaders in VTK for scientific and medical visualization
Reina et al. GPU-based hyperstreamlines for diffusion tensor imaging.
Kaufman et al. A survey of architectures for volume rendering
US20120268459A1 (en) Processing a dataset representing a plurality of pathways in a three-dimensional space
Schenke et al. GPU-based volume segmentation
Hawick 3d visualisation of simulation model voxel hyperbricks and the cubes program
Dai et al. Volume‐Rendering‐Based Interactive 3D Measurement for Quantitative Analysis of 3D Medical Images
Voltoline et al. Multimodal visualization of complementary color-coded FA map and tensor glyphs for interactive tractography ROI seeding
Hlawitschka et al. Fast and memory efficient gpu-based rendering of tensor data
Shen et al. Medvis: A real-time immersive visualization environment for the exploration of medical volumetric data
Belyaev et al. Bump Mapping for Isosurface Volume Rendering
GB2497832A (en) Measuring a ratio of a variable in medical imaging data
Peeters et al. Interactive fibre structure visualization of the heart
Obermaier et al. Interactive visualization of scattered moment tensor data
Padyala et al. MRI and CT Scan Data Based Volume Rendering with Python

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
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20121128

Termination date: 20151102

EXPY Termination of patent right or utility model