CN101889296B

CN101889296B - 增强的冠状动脉观察

Info

Publication number: CN101889296B
Application number: CN2008801143541A
Authority: CN
Inventors: C·P·菲瑟
Original assignee: Koninklijke Philips Electronics NV
Current assignee: Koninklijke Philips NV
Priority date: 2007-11-02
Filing date: 2008-10-27
Publication date: 2013-01-16
Anticipated expiration: 2028-10-27
Also published as: US20100246957A1; US8605096B2; JP2011502566A; JP5543922B2; WO2009057031A1; EP2206092A1; CN101889296A

Abstract

给出解剖体的直观表示的体积绘制医学图像的影像变得越来越重要，这是由于这一类型的可视化变得接近于真实。提供了一种用于创建体积绘制医学图像数据集的运行路径的影像的装置。所述装置配置用于执行医学图像数据集中诸如冠状动脉的对象的分割，从而使得可以将运行路径上的关键图像限定为具有不同的分类和不透明性。通过一个接一个地淡出，冠状动脉以最佳方式一个接一个地可见。还提供了一种方法、计算机可读介质和用途。

Description

增强的冠状动脉观察

技术领域

本发明大体涉及医学成像领域。更特别地，本发明涉及在医学图像数据集中沿运行路径(fly-path)的对象的可视化。

背景技术

给出解剖体的直观表示的体积绘制医学图像的影像变得越来越重要，这是由于这一类型的可视化接近于真实。

在心脏成像中，希望能够对在所获取的心脏图像数据集中的心脏的冠状动脉进行可视化，例如用于在进行手术之前检测冠状动脉狭窄或者对冠状动脉可视化。通过执行患者心脏的磁共振成像(MRI)扫描可以获得心脏图像数据集。在应用适当的分类和分割之后，一旦该扫描被记录，其可以例如被可视化为体积绘制。通过选择体积绘制图像的相机的不同定向，可以获得形成影像的图像序列。

心脏病专家欢迎具有冠状动脉的心脏的体积绘制图像，这是由于当其随后对患者进行手术时，这一类型的可视化与他们所将要看到的非常类似。检查冠状动脉的自然方式是从大动脉开始，向下移动，沿着血流方向逐一观察它们。

目前，为了限定医学图像数据集中的运行路径，用户选择特定的所谓关键图像。这些关键图像是在相机的运行路径上的图像。一旦用户选择了他所希望的全部关键图像，就通过内插关键图像的几何特性计算运行路径，所述几何特性为空间原点、空间定向和缩放因子。除了这些人工选择的关键图像之外，还存在自动运行路径，例如：简单数学路径，诸如围绕对象的圆。随后，可以创建由沿运行路径的图像组成的影像并将其呈现给用户。

当前运行路径影像的问题在于感兴趣的结构可能难以识别或者其他结构可能妨碍对感兴趣结构的观察。因此，能够增加适应性的装置、方法、计算机可读介质和用途将是有利的。

发明内容

因此，本发明优选地寻求单个或以任何组合的方式减轻、缓解或消除上述现有技术中的缺点和不足中的一种或多种，并通过提供根据所附专利权利要求的装置、方法、计算机可读介质和用途来至少解决上述问题。

根据本发明的一个方面，提供了一种用于处理包括对象的图像数据集的装置。所述装置包括分割单元，其配置用于执行对象的图像分割；输入单元，其配置用于检索包括在图像数据集中的关键图像的预定集合；处理单元，其配置用于基于经分割的对象和关键图像，将每个关键图像处理为具有预定分类，得到经处理的关键图像的集合；内插单元，其配置用于内插沿经处理的关键图像之间的路径的中间图像，并且其中，所述处理单元还配置用于根据至少两个关键图像的所述分类计算每个中间图像的分类，以获取经分类的内插图像，并且，影像创建单元配置用于创建包括经处理的关键图像和经分类的内插图像的图像序列。

根据本发明的另一方面，提供了一种用于处理包括对象的图像数据集的方法。该方法包括执行对象的图像分割；检索包括在图像数据集中的关键图像的预定集合；基于关键图像和经分割的对象，将每个关键图像处理为具有预定分类，得到经处理的关键图像的集合，内插位于沿经处理的关键图像之间的路径的中间图像，并且其中，所述处理还包括根据至少两个关键图像的所述分类计算每个中间图像的分类，以获取经分类的内插图像，并创建包括经处理的关键图像和经分类的内插图像的图像序列。

根据本发明的另一方面，提供了一种用于处理包括对象的图像数据集的装置，所述装置包括：用于执行对所述对象的图像分割的模块；用于检索在所述图像数据集中包括的关键图像的预定集合的模块；用于基于所述关键图像和经分割的对象将每个关键图像处理为具有预定分类从而得到经处理的关键图像的集合的模块；用于内插位于沿所述经处理的关键图像之间的路径的中间图像的模块，并且其中，用于处理的模块还包括根据至少两个关键图像的所述分类计算每个中间图像的分类的模块，以获取经分类的内插图像；用于创建包括所述经处理的关键图像和所述经分类的内插图像的图像序列的模块。。

根据本发明的另一方面，提供了根据权利要求1所述的装置的用于便于对患者的解剖结构进行诊断或者后续治疗或者外科治疗的用途。

所提出的方法集中于全心脏MR扫描的体积绘制影像。其通过增强感兴趣的结构解决了上述问题，并且还能够改变冠状动脉的分类和分割数据的不透明性。结果，在整个运行路径影像中，可以改变各种分类的不透明性，并且可以突出感兴趣的结构。

附图说明

从下面的参照附图对本发明的实施例的描述中，本发明所能够进行的这些方面以及其他方面、这些特点以及其他特点、这些优势以及其他优势将变得明显且参照所述实施例对其进行阐述，在附图中：

图1为示出了心脏的体积绘制图像的图示说明；

图2为根据实施例的传递函数的图示说明；

图3为示出了根据实施例的方法的框图；

图4为示出了根据实施例的装置的图示说明；

图5为示出了根据实施例的运行路径的图示说明；

图6a为示出了根据实施例的关键图像的图示说明；

图6b为示出了根据实施例的关键图像的图示说明；

图6c为示出了根据实施例的关键图像的图示说明；

图6d为示出了根据实施例的关键图像的图示说明；

图7为示出了沿运行路径的具有不同分类的关键图像的集合的实施例的图示说明；

图8为示出了根据实施例的方法的流程图；以及

图9为示出了根据实施例的计算机程序的图示说明。

具体实施方式

图1图示说明了心脏的体积绘制图像，其中，根据现有技术在体积绘制图像的表面绘出相机的优选运行路径。运行路径为描述相机在空间中的位置的路径。在这种情况下，该路径被投影到心脏周围的虚拟球面。相机总是定向于该球面的中心点。相机在运行路径上沿着冠状动脉一条接一条的行进，并且对其进行选择从而构成“像8形状”的闭环。

下面将参照附图对本发明的若干实施例进行更详尽的描述，从而使本领域技术人员能够执行本发明。然而，本发明可以以许多不同方式实现，并且不应该被限制于这里所提出的实施例。相反，提供这些实施例，是为了使得能够彻底理解并完成本发明，并且将本发明的范围完全传达给本领域技术人员。实施例不限制本发明，但是，本发明仅由所附权利要求限定。另外，在附图中示出的在特定实施例的详尽描述中所使用的术语并不旨在限制本发明。

下面的描述集中于能够应用于成像领域的本发明的实施例，所述实施例能够在包括来自图像数据集的数据的运行路径影像的呈现期间改变对象的不透明性或分类。所述图像数据集可以为例如，使用计算机断层摄影、磁共振成像或超声成像获得的体积图像数据集。

分类是(在射线投射过程中)一种已知技术，其仅选择体积中的灰度水平的范围，使得只有特定结构是可见的，而其他结构被屏蔽掉。传递函数用于将特定灰度值转换为具有特定不透明性的特定颜色值。

图2图示说明了根据实施例的传递函数21的示例。在0-280之间的所有灰度值被屏蔽掉。280以上的体素具有特定颜色和特定不透明性。高于1000的灰度值为完全不透明(不透明性值＝1.0)，即：沿着射线，各种体素值贡献以不同颜色和不同不透明性，得到最终颜色和不透明性。当仅改变不透明性参数时，这意味着整个蓝色曲线被乘以阿尔法值。然而，还可以执行其他操作而非仅仅乘以0和1之间的常数。其可以例如为具有更向右的斜率的函数或者与例如0.5的最大不透明性结合屏蔽掉更高的体素值。事实上，在这种情况下，整个分类改变了，而不仅仅改变分类的不透明性。

图3图示说明了基于三个经分割的对象创建图像的实施例，该三个经分割的对象为第一冠状动脉31、第二冠状动脉32和心脏33，每个都具有特定分类。处理单元34、43配置用于创建具有混合分类或合并分类的图像。每个分类具有其自己的体素的集合以及其自己的颜色图。可以给予每个分类特定的权重。根据相机位置35，可以应用特定阿尔法，例如，用于第一冠状动脉，或者贝塔，例如，用于第二冠状动脉，进行混合。处理单元利用这一信息并且配置用于创建图像36，使得每个分类图像的权重取决于相机位置35。

在一些实施例中，阿尔法或贝塔的任一个为零到0，这意味着此时两个冠状动脉中仅有一个被突出，而另一个根本不起作用。然而，可以使用阿尔法和贝塔的任意百分比的权重，诸如例如阿尔法80％而贝塔5％。这一设置意味着在这种情况下心脏贡献15％。

这一方案的扩展为可以改变每个分类本身的不透明性。如果整个曲线与这一阿尔法值相乘，这可以或多或少地得到相同的合并图像，但是，根据一些实施例，也能够改变曲线的形状，使得仅对象的一部分仍然是少量可见的，这是一种推广(generalizaiton)。

用于分离特定结构的另一种已知技术为分割。在该技术中，将特定体素集进行分离。

在一些实施例中，使用分割技术和分类的组合，以便增强在体积心脏图像数据集中位于最靠近相机处的冠状动脉的可视性。

本发明的根据一些实施例的观念为对要根据其创建运行路径影像的图像数据集执行分割。例如，如果医学图像数据集中感兴趣的结构为冠状动脉，可以在医学图像数据集上执行分割，使得可以在医学图像数据集中识别冠状动脉。

根据另一实施例，可以在已经创建的运行路径影像上执行感兴趣对象的分割，该运行路径影像包括包含在图像数据集中的图像。

根据一些实施例，对装置进行配置以在运行路径期间改变分类的传递函数的不透明性值，例如，使得当相机聚焦于特定冠状动脉时，冠状动脉被一条接一条地增强。这意味着，根据虚拟相机的位置及其定向，诸如动脉的特殊对象变得比其他的更为显要。

通过改变分类或不透明性意味着经分割的对象可以被增强，使得其在所得到的运行路径影像中的可见外观可以由观察用户更容易地与其周围组织进行区分。

在根据图4的一个实施例中，提供了装置40。所述装置包括分割单元41，其用于执行图像数据集中诸如心脏的解剖结构中的诸如冠状动脉的感兴趣对象的分割。

可以使用任何合适的公知图像分割技术执行分割。根据对象类型，或者例如，随着分割技术的持续改进，在装置中使用的特定分割技术可以随时间变化。应该理解本发明的一些实施例不限于特定分割技术。

装置40还可以包括输入单元42，其配置用于检索图像数据集中包括的关键图像的预定集合。所述关键图像限定相机位置以及沿运行路径的特定位置处的定向。可以提前人工限定或者提前自动计算运行路径。

在一些实施例中，输入单元42可以配置用于检索预定的运行路径影像，并从运行路径影像中选择若干关键图像。

该装置还可以包括处理单元43，其配置用于将每个关键图像处理为具有预定分类，得到经处理的关键图像的集合。这样，与在一些关键图像中经分割的感兴趣的对象的周围组织相比，经分割的感兴趣的对象可以被增强。

该装置还可以包括内插单元44，其配置用于内插位于经处理的关键图像之间的运行路径上的中间图像。处理单元43还可以配置用于计算每个内插图像的分类。

该装置还包括影像创建单元45，其配置用于创建包括经处理的关键图像和内插图像的图像序列。所创建的图像序列构成包括具有不同分类的图像的运行路径影像。

在一些实施例中，运行路径影像包括沿运行路径的随在经分割的对象之后的图像。

可以使用三个正交转轴限定沿3D运行路径的虚拟相机的定向。内插单元可以基于沿运行路径的相机定向的信息内插中间图像。优选地，对相机进行定向使得经分割的对象或任意子对象被定位于相机前面。在一些实施例中，由以下事实确定三个旋转中的两个，所述事实为相机总是指向在图像数据集中限定的中心点。例如，中心点可以为在包括经分割的对象的虚拟球面中的中心点。在这一情况下，运行路径可以为虚拟球面上的弧，并且相机将总是指向虚拟球面的中心点。

剩下的第三轴可以被用来描述定向的水平分量。

图5图示说明了围绕对象50以及两个子对象51、52的运行路径，在该情况下对象50为心脏，所述子对象表示心脏的两个冠状动脉。可以观察到针对每个子对象的开始点S1、S2以及终点AE1、AE2。C表示中心点。P1表示从中心点发出并通过子对象51中的开始点S1的矢量。P2表示从中心点发出并通过子对象51中的终点S2的矢量。可以以与中心点的固定距离定义相机运行路径。因此，可以将相机运行路径图示说明为定位于虚拟球面的表面，所述虚拟球面具有使得整个心脏拟合在该虚拟球面内的半径。相机在该虚拟球面的表面之上并且总是指向中心点的方向。可以利用针对从中心点发出的沿子对象的每个点的矢量计算运行路径的点的坐标。该矢量与虚拟球面的表面相交的坐标将为运行路径的点。因此，矢量P1与虚拟球面的表面相交的坐标将表示运行路径的开始点。类似地，矢量P2与虚拟球面的表面相交的坐标将表示该运行路径的终点。可以以这种方式计算运行路径F1。因此，运行路径将为在虚拟球面表面的弧。

作为示例，输入单元42可以检索在运行路径上限定四个主要相机位置/定向的心脏图像数据集的四个关键图像。例如，可以将这四个相机位置分别限定为两个冠状动脉的开始点以及他们的平均终点。如果子对象包括分叉结构，使得其可以包含若干终点，可以计算平均终点。可以由此将若干终点求平均以得到单个平均终点，例如，通过计算针对每个终点的矢量并对所述矢量求平均以得到平均终点。

图6图示说明了四个具有不同分类的关键图像。图6a图示说明了第一冠状动脉的第一关键图像，关键图像1，其中，第一关键图像具有根据第一冠状动脉的开始点的相机位置/定向。图6b图示说明了整个心脏的第二关键图像，关键图像2，其中，第二关键图像具有根据第一冠状动脉的平均终点的相机位置/定向。图6c图示说明了第二冠状动脉的第三关键图像，关键图像3，其中，第三关键图像具有根据第二冠状动脉的开始点的相机位置/定向。图6d图示说明了第四关键图像，关键图像4，其中，第四关键图像具有根据第二冠状动脉的平均终点的相机位置/定向。这四个关键图像可以表示形状像8的运行路径的“转向点”，例如可以在图7中看到的。

在一些实施例中，每个经处理的关键图像将具有预定分类。另外，处理单元43可以配置用于计算每个内插图像的分类。

分类可以包括经分割的对象的可见外观的任何类型的改变。

在一些实施例中，分类计算可以包括颜色编码，从而使得经分割的对象在所得到的运行路径影像中被颜色编码。

在一些实施例中，这意味着冠状动脉在运行路径中一条接一条地被增强。在心脏图像数据集的情况下，第一动脉，例如在飞越过程中可以被增强，例如，为蓝色，而第二动脉，例如，为棕色。在运行路径影像的另一部分中，当相机沿运行路径飞越第二动脉时，第二动脉在影像中可以被颜色编码为蓝色，而第一动脉可以被颜色编码为棕色。因此，可以给两条冠状动脉任意颜色，或者任意不透明性值。还可以使用颜色查找表来确定颜色。在这一情况下，使用颜色查找表，每个体素的灰度值可以确定颜色。

在一些实施例中，处理单元配置用于基于在沿运行路径的每个内插图像之前和之后的图像的分类，计算每个内插图像的分类。

可以使用阿尔法混合执行每个内插图像的分类的计算。因此，可以用下式计算经分类的内插图像中的每个像素的值：

I_分类(x，y，z)＝I_{分割_对象}(x，y，z)(1.0-α)+I_内插(x，y，z)(α)

这意味着如果将α值选择为0，仅经分割的图像数据集中的对应像素的像素值对经分类的内插图像的像素值有影响。因此，这意味着经分类的内插图像将与经分割的对象具有相同的分类，并且因此，经分割的对象将可见。因此，如果将α值选择为1，那么，在经分类的内插图像中将没有经分割的对象信息。

作为示例，关键图像1可以具有预定α值1，而关键图像2可以具有预定α值0。另外，内插单元可以计算位于沿两个关键图像之间的运行路径上的四个内插图像。在这一情况下，可以使用线性函数计算所计算的内插图像的分类，使得其将在关键图像1到关键图像2之间线性变化。因此，对应的α值将为1(关键图像1)、0.8(内插图像1)、0.6(内插图像2)、0.4(内插图像3)、0.2(内插图像4)以及0(关键图像2)。这样，分类将从一个分类到另一分类平滑地淡出(faded)。

在一个实施例中，处理单元可以利用线性函数计算内插图像的分类。

在其他实施例中，处理单元可以利用诸如余弦函数的非线性函数来计算内插图像的分类。例如，假定限定以关键图像1开始而以关键图像2结束的路径段上的n个图像。通过利用诸如余弦函数的非线性函数，在余弦函数的第一个90度的过程中，在所得的图像n处，关键图像1的不透明性可以被降低到0。另外，通过利用余弦函数的逆(inverse)，在第一个90度的过程中，在图像n处，关键图像2的不透明性可以增加到1。对于这一特定示例，段上的第一图像的改变比该段的最后图像小。这引起不同的淡出速度，并且因此引起不透明性的非线性淡出。

在其他实施例中，处理单元可以利用阶跃函数来计算内插图像的分类。

在另一实施例中，处理单元可以将所选数目的内插图像处理为具有预定分类，并且由此，这些内插图像将像关键图像那样起作用。因此，可以针对任意内插图像限定特定分类。图7图示说明了具有起始关键图像集合K1到K4，以及导出的关键图像集合K1a、K1b、K2a、K3a、K3b、K4a(即：用作关键图像的内插图像)的运行路径。将这些导出的关键图像的路径上的位置选择为相对靠近其初始关键图像。这样做的目的在于限定从一个分类到另一分类发生淡出的较小段。在剩余运行路径的较大段中，分类被保持恒定。作为示例，可以将定位于关键图像1到关键图像4之间的若干内插图像的分类限定或计算为：

关键图像1

关键图像1a＝75％关键图像1和25％关键图像2

关键图像1b＝75％关键图像1和25％关键图像2

关键图像2

关键图像2a＝75％关键图像2和25％关键图像3

关键图像3

关键图像3a＝75％关键图像3和25％关键图像4

关键图像3b＝75％关键图像3和25％关键图像4

关键图像4

关键图像4a＝75％关键图像4和25％关键图像1

这样，使用处理单元可以确定每个内插图像的分类。

在一些实施例中，影像创建单元配置用于在可变地增强感兴趣对象的同时，创建包括没有任何间断的图像的影像。因此，运行路径可以为闭合的。这样做的优势在于在感兴趣对象可变地增强的同时，影像可以被一遍又一遍地播放，而没有任何讨厌的跳变。

在一个实施例中，经分割的对象可以包括至少一个子对象。在实际示例中，对象可以为冠状动脉，第一子对象可以为第一冠状动脉，而第二子对象可以为第二冠状动脉。取决于经分割的子对象的任一个，处理单元可以根据一些实施例计算图像的分类。因此，在运行路径影像的一个部分中，可以增强，即：突出，第一冠状动脉；而在运行路径影像的另一部分中，可以突出第二冠状动脉。因此，在后续创建的运行路径影像中的图像的分类将取决于经分割的对象或经分割的子对象。

在一些实施例中，可以将分割单元41、输入单元42、处理单元43、内插单元44或影像创建单元45包括在诸如一个单元的一个整体中。

在根据图8的一个实施例中，提供了用于处理包括对象的图像数据集的方法。该方法包括执行81对象的图像分割。另外，该方法包括检索82包括在图像数据集中的关键图像的预定集合。此外，该方法包括基于关键图像和经分割的对象，将每个关键图像处理83为具有预定分类，得到经处理的关键图像的集合。该方法还可以包括内插84位于经处理的关键图像之间的路径上的中间图像，并且其中，处理还包括计算每个内插图像的分类。另外，该方法可以包括创建85包括经处理的关键图像和内插图像的图像序列。

在根据图9的实施例中，提供了一种其上包含有计算机程序的计算机可读介质，所述计算机程序由计算机处理，并且用于处理包括对象的图像数据集。该计算机程序包括用于执行对象的图像分割的分割代码段91。另外，计算机程序包括用于检索包括在图像数据集中的关键图像的预定集合的检索代码段92。另外，该计算机程序包括用于基于关键图像和分割对象将每个关键图像处理为具有预定分类，得到经处理的关键图像的集合的处理代码段93。该计算机程序还可以包括用于内插位于经处理的关键图像之间的路径上的中间图像的内插代码段94，并且其中，处理代码段93还包括计算每个内插图像的分类。另外，该计算机程序可以包括用于创建包括经处理的关键图像和内插图像的图像序列的影像创建代码段85。

在一个实施例中，提供了一种用于便于对图像数据集中的对象进行诊断或后续治疗或外科治疗的所述方法、装置或计算机程序的用途。

根据本发明的上述实施例的应用和使用是各种各样的并且包括期望包括例如心脏数据的体积绘制图像的影像生成的所有应用。

分割单元、输入单元、处理单元、内插单元以及影像创建单元可以为例如硬件(诸如具有存储器的处理器的)的通常用于执行所包含任务的任意单元。处理器可以为各种处理器的任意一种，诸如Intel或AMD处理器、CPU、微处理器、可编程智能计算机(PIC)微控制器、数字信号处理器(DSP)等。然而，本发明的范围不局限于这些特定处理器。存储器可以为能够存储信息的任何存储器，诸如随机接入存储器(RAM)，诸如双密度RAM(DDR、DDR2)、单密度RAM(SDRAM)、静态RAM(SRAM)、动态RAM(DRAM)、可视RAM(VRAM)等。存储器还可以为诸如USB、紧凑闪存(Compact Flash)、智能媒介(SmartMedia)、MMC存储器、存储棒、SD卡、迷你SD、微SD、xD卡、TransFlash以及微型硬盘(MicroDrive)存储器的FLASH存储器。然而，本发明的范围不限于这些特定存储器。

在一个实施例中，所述装置包括在诸如计算机断层摄影(CT)系统、磁共振成像(MRI)系统或超声成像(US)系统的医学工作站或医学系统中。

在一个实施例中，计算机可读介质包括布置用于当由具有计算机处理特性的装置执行时，执行在一些实施例中限定的所有方法步骤的代码段。

本发明还可以以包括硬件、软件、固件或者这些部件的任意组合的任何适当形式执行。然而，优选地，将本发明实现为在一个或多个数据处理器和/或数字信号处理器上运行的计算机软件。本发明的实施例的元件和部件可以以任意合适的方式物理地、功能地以及逻辑地实现。事实上，可以在单个单元、多个单元或其他功能单元的部分上实现该功能性。这样，本发明可以在单个单元中实现，或者可以被物理地或者功能上地分布于不同单元和处理器之间。

尽管以上已经参照特定实施例描述了本发明，其并不旨在被限定于这里所给出的特定形式。而是，本发明仅由所附权利要求限定，并且除了上述特定实施例之外的其他实施例也同样可能包含在这些权利要求的范围内。

在权利要求中，术语“包括/包含”不排除存在其他元件或步骤。另外，尽管单独列出，多个器件、元件以及方法步骤例如可以由单个单元或处理器执行。另外，尽管在不同权利要求中可以包括单个特征，这些特征可以有利地进行组合，并且不同权利要求中的内容不表示这些特征的组合不可行和/或不利。另外，单数引用并不排除多个。术语“一”、“一个”、“第一”、“第二”等不排除多个。权利要求中的附图标记仅用于表明示例，而不应该被理解为限制权利要求的范围。

Claims

1.一种用于处理包括对象的图像数据集的装置(40)，所述装置包括：

-分割单元(41)，其配置用于执行对所述对象的图像分割；

-输入单元(42)，其配置用于检索在所述图像数据集中包括的关键图像的预定集合；

-处理单元(43)，其配置用于基于经分割的对象和所述关键图像，将每个关键图像处理为具有预定分类，从而得到经处理的关键图像的集合；

-内插单元(44)，其配置用于沿所述经处理的关键图像之间的路径内插中间图像，并且其中，所述处理单元(43)还配置用于根据至少两个关键图像的所述分类计算每个中间图像的分类，以获取经分类的内插图像；以及

-影像创建单元(45)，其配置用于创建包括所述经处理的关键图像和所述经分类的内插图像的图像序列。

2.根据权利要求1所述的装置，其中，所述对象包括至少一个子对象，其中，每个所述经处理的关键图像的所述分类包括所述经分割的对象的第一分类权重以及所述经分割的子对象的第二分类权重。

3.根据权利要求1所述的装置，其中，所述检索的关键图像的集合包括在现有的运行路径图像序列中。

4.根据权利要求1所述的装置，其中，所述中间图像包括在现有的运行路径图像序列中，并且其中，所述内插单元配置用于从所述运行路径图像序列提取所述中间图像。

5.根据权利要求1所述的装置，其中，所述分类关于所述对象的不透明性、颜色编码或亮度增强中的任意一个。

6.根据权利要求1所述的装置，其中，所述处理单元使用线性函数计算每个内插图像的所述分类。

7.根据权利要求1所述的装置，其中，所述处理单元使用非线性函数计算每个内插图像的所述分类。

8.根据权利要求1所述的装置，其中，所述处理单元利用阿尔法混合计算每个关键图像的分类，并且其中，所述经分割的对象在所述经处理的关键图像的每个中具有特定不透明性。

9.根据权利要求2所述的装置，其中，所述对象为心脏并且所述子对象为所述心脏的冠状动脉。

10.根据权利要求2所述的装置，其中，所述处理单元配置用于计算所述关键图像或所述中间图像的所述分类，使得位于与所述路径最靠近处的所述对象或子对象被增强。

11.根据权利要求1所述的装置，其中，所述图像数据集是三维图像数据集并且将在所述经分类的内插图像中的每个像素的值计算为：

I_分类(x，y，z)＝I_{分割_对象}(x，y，z)(1.0-α)+I_内插(x，y，z)(α)，

其中，I_分类(x，y，z)指的是经分类的内插图像中的每个像素的值，

I_{分割_对象}(x，y，z)指的是经分割的图像数据集中的每个像素的值，

I_内插(x，y，z)指的是内插的图像数据集中的每个像素的值，

α指的是在0和1之间的值。

12.根据权利要求1所述的装置，其中，所述处理单元利用传递函数将关键图像或中间图像的体素的特定灰度值转换为具有特定不透明性的特定颜色值。

13.一种用于处理包括对象的图像数据集的方法，所述方法包括：

-执行(81)对所述对象的图像分割；

-检索(82)在所述图像数据集中包括的关键图像的预定集合；

-基于所述关键图像和经分割的对象，将每个关键图像处理(83)为具有预定分类，从而得到经处理的关键图像的集合；

-内插(84)位于所述经处理的关键图像之间的路径上的中间图像，并且其中，所述处理还包括根据至少两个关键图像的所述分类计算每个中间图像的分类，以获取经分类的内插图像；以及

-创建(85)包括所述经处理的关键图像和所述经分类的内插图像的图像序列。

14.一种用于处理包括对象的图像数据集的装置，所述装置包括：

-用于执行对所述对象的图像分割的模块；

-用于检索在所述图像数据集中包括的关键图像的预定集合的模块；

-用于基于所述关键图像和经分割的对象将每个关键图像处理为具有预定分类从而得到经处理的关键图像的集合的模块；

-用于内插位于沿所述经处理的关键图像之间的路径的中间图像的模块，并且其中，用于处理的模块还包括根据至少两个关键图像的所述分类计算每个中间图像的分类，以获取经分类的内插图像的模块；

-用于创建包括所述经处理的关键图像和所述经分类的内插图像的图像序列的模块。