CN102549623B - 用于将图像数据集可视化的可视化设备 - Google Patents

Abstract

本发明涉及一种用于将图像数据集可视化的可视化设备(1)。所述可视化设备(1)包括：用于提供所述图像数据集的图像数据集提供单元(2)；用于针对所述图像数据集的不同区域确定局部微分性质的微分性质确定单元(5)；根据所确定的局部微分性质向所述图像数据集的不同区域分配可视化性质的分配单元(6)，其中所述可视化性质定义分配了所述可视化性质的区域的可视化；以及用于显示分配给所述图像数据集的不同区域的可视化性质的显示单元(7)。通过显示分配给图像数据集的不同区域的可视化性质，可以将不同对象在视觉上彼此分开而无需大的计算成本。

Description

用于将图像数据集可视化的可视化设备

技术领域

本发明涉及一种用于将图像数据集可视化的可视化设备和可视化方法。本发明还涉及用于将图像数据集可视化的对应计算机程序。

背景技术

US2005/0152588A1公开了一种用于显示目标器官的体图像数据的系统，在探测目标器官中至少一个异常时作为视觉辅助。体图像数据包括具有相应多个图像数据值的多个体素。基于多个图像数据值在所述多个体素中的每个体素处确定至少两个几何特征，并通过向所述至少两个几何特征值的每种可能组合分配颜色确定色彩图，其中每种分配的颜色对应于目标器官之内不同的区域类型。基于确定的色彩图为所述多个体素中的每个体素确定显示颜色，并基于针对所述多个体素中每个体素确定的显示颜色来显示表示目标器官体图像数据的彩色图像。

US2008/0080770A1公开了一种用于在图像中标记解剖结构的医学成像系统。该系统包括图像处理器，其被配置成计算图像中感兴趣体素周围的区域响应，基于多个概率模型为每个解剖结构计算体素评分并基于体素评分在图像中标记感兴趣体素。该系统还包括显示单元，显示单元被配置成显示包括经标记解剖区域的图像。

Ilaria Gori等人的文章“Lung Nodule Detection in Screening ComputedTomography”(2006IEEE Nuclear Science Symposium Conference Record，3489到3491页)中，公开一种在切片厚度1.25mm的低剂量多探测器螺线计算断层摄影成像图像中识别肺部结节的计算机辅助探测系统。该计算机辅助探测系统使用点增强型滤波器进行候选结节选择，使用神经分类器进行假阳性发现的减除。

Yujiong Ye等人的文章“Shape-Based Computer-Aided Detection of LungNodules in Thoracic CT Images”(IEEE Transactions on BiomedicalEngineering Vol.56，No.7，1810到1820页，2009年7月)中公开了用于探测固体结节和毛玻璃不透明结节的计算断层摄影成像肺结节计算机辅助探测方法，该文章发表于本专利文献优先权日期之后。利用模糊阈值化方法从计算断层摄影成像数据中分割出肺部区域。针对肺内部每个体素计算基于局部高斯和平均曲率的体形状指数图和基于Hessian矩阵特征值的“点”图，以增强诸如结节对象的具有高度球形要素的特定形状的对象。跨图像边缘漫射的反几何漫射被用作预处理步骤。采用自适应阈值化和修改的期望最大化方法分割潜在的结节对象。使用基于规则的过滤来容易地去除可忽略的非结节对象。之后是加权的支持矢量机分类，以进一步减少假阳性对象的数目。

R Wiemker等人的文章“Aspects of computer-aided detection(CAD)and volumetry of pulmonary nodules using multislice CT”(The British Journalof Radiology，78，46到56页(2005))中公开了一种探测肺部结节的计算机辅助探测系统。肺部结节的探测基于如下假设：任何气泡状的实体结构，可能在一侧附着于像肺壁的平面状结构上，如果所有连接血管直径都显著小于中央气泡状结构，可能是肺结节的候选者。

US2008/0080770A1公开了一种用于将图像数据集中的区域可视化的方法和系统，具体而言，公开了一种向图像数据集中的区域分配标签的方法。该方法包括如下步骤：导出针对多个几何结构的概率模型，计算图像数据集中一区域周围的区域响应，利用多个概率模型针对每个几何结构计算区域评分，并基于区域评分标记图像数据集中的区域。在具体实施例中，将在图像数据集的每个体素处的等值表面的主曲率用作区域响应，区域评分表示对于与具体解剖结构，例如血管或结节对应的区域，观察到计算的曲率数据的概率。然后可以针对不同解剖结构利用不同颜色向放射科医师显示标记的区域。

图像数据集的这种可视化需要大计算量的计算，例如导出针对多个几何结构的多个概率模型，计算图像数据集中一区域周围的区域响应，以及利用多个概率模型针对每个几何结构计算区域评分。对图像数据集进行可视化，从而将不同对象在视觉上彼此分开，因此，需要很大计算成本。

发明内容

本发明的目的是提供一种用于将图像数据集可视化的可视化设备、可视化方法和计算机程序，从而以更少的计算成本将不同对象在视觉上彼此分开。

在本发明的第一方面中，提供了一种用于将图像数据集可视化的可视化设备，其中，所述可视化设备包括：

-用于提供所述图像数据集的图像数据集提供单元，

-用于针对所述图像数据集的不同区域确定局部微分性质(localdifferential properties)的微分性质确定单元，其中，所述微分性质确定单元适于针对所述图像数据集的不同区域中的一相同区域确定若干局部微分性质，

-根据所确定的局部微分性质向所述图像数据集的不同区域分配可视化性质的分配单元，其中可视化性质定义分配了所述可视化性质的区域的可视化，其中，所述分配单元适于向所述相同区域的若干局部微分性质的加权组合分配可视化性质，其中，所述可视化设备还包括性质权重设置单元，用于允许用户为所述图像数据集的所述相同区域的若干局部微分性质的加权组合设置性质权重，

-用于显示分配给所述图像数据集的不同区域的可视化性质的显示单元。

所提供的图像数据集中示出的不同对象应当具有不同的局部微分性质。因此，通过针对所提供图像数据集的不同区域确定局部微分性质并根据所确定的局部微分性质向图像数据集的不同区域分配可视化性质，可以向包括不同局部微分性质的不同区域分配不同的可视化性质，由此能够通过显示分配给图像数据集的不同区域的可视化性质，来将具有不同局部微分性质的区域可视化，即不同地显示不同对象。于是，通过显示分配给图像数据集的不同区域的可视化性质，可以将不同对象在视觉上彼此分开。此外，由于仅需要确定局部微分性质并执行分配过程，即由于不需要执行像针对多个几何结构推导多个概率模型、计算图像数据集中一区域周围的区域响应和利用多个概率模型针对每个几何结构计算区域评分这样的计算，所以可以对图像数据集进行可视化，从而以减少的计算成本将不同对象在视觉上彼此分开。

由于局部微分性质一般给出图像数据集中相应区域中对象的形状指示，所以也可以将局部微分性质视为局部微分几何性质。

图像数据集优选是计算断层摄影成像系统、磁共振成像系统、像单光子发射计算断层摄影成像系统或正电子发射计算断层摄影成像系统的核成像系统或超声成像系统的图像数据集。图像数据集也可以是另一种成像器械的图像数据集。图像数据集优选是医学图像数据集，具体而言，示出了人或动物一部分的图像数据集，比如示出了人的肺或另一个器官的图像数据集。

图像数据集提供单元可以是存储单元，存储单元中存储图像数据集并可以从其中检索图像数据集以提供所述图像数据集。图像数据集提供单元也可以是像上述成像系统那样的产生图像数据集的成像系统。图像数据集提供单元也可以是传送单元，其允许将图像数据集直接或经由用于提供图像数据集的另一个单元传送到微分性质确定单元。例如，图像数据集提供单元可以是有线或无线数据传输单元或光学数据传输单元。

分配给图像数据集的不同区域的可视化性质优选是不同颜色，其中优选由颜色坐标系，像RGB系统或HSV系统的坐标来定义颜色。于是，优选向不同区域分配R值、G值、B值或H值、S值、V值，以向图像数据集的不同区域分配可视化性质。另外地或备选地，也可以向不同区域分配其他可视化性质，例如，不同的透明程度。

微分性质确定单元可以适于确定针对图像数据集的相同区域的不同的局部微分性质。然后分配单元优选适于组合针对相同区域确定的局部微分性质并向该组合分配可视化性质，例如颜色。该组合可以是线性组合或非线性组合。

图像数据集的区域优选是单个图像元或一组图像元，其中，如果图像数据集是三维图像数据集，图像元优选为体素，或者如果图像数据集是二维图像数据集，图像元优选为像素。

优选地，该可视化设备还包括平滑化单元，用于根据平滑化程度将所述图像数据集平滑化。

更优选地，该可视化设备包括平滑化设置单元，用于允许用户设置平滑化程度。

通过修改平滑化程度，可以提高特定对象或结构的可视性并可以降低其他对象或结构的可视性。例如，如果平滑化程度大，可能会降低小且精细对象或结构的可视性，而可能提高更粗糙的对象或结构的可视性。相应地，如果减小平滑化程度，小且精细结构能够变得越来越可见。于是，可以根据应当在图像数据集之内可视化的，具体而言，在图像数据集中探测到的期望对象或结构来调整平滑化程度。例如，用户能够利用平滑化设置单元修改平滑化程度，使得用户能够探测到期望的对象或结构。例如，如果图像数据集是医学图像数据集并且用户希望探测疑似表示癌症的区域，用户可以修改平滑化程度，使得疑似表示癌症的区域变得可见。

平滑化设置单元优选包括允许用户设置和修改平滑化程度的图形用户界面。图形用户界面例如是显示单元上示出的滑动控制块。

平滑化单元优选适于向图像数据集应用高斯滤波器，以将图像数据集平滑化。优选向图像数据集应用具有不同滤波器宽度的不同高斯滤波器实现不同的平滑化程度。作为使用高斯滤波器的替代或补充，可以使用另一种平滑滤波器将图像数据集平滑化。

优选地，可视化设备适于在确定局部微分性质之前将图像数据集平滑化。下文将要更详细解释，如果针对相同区域确定了若干局部微分性质，优选向图像数据集应用若干不同的微分滤波器，获得若干微分的图像数据集。如果在该微分之后执行平滑化，而不是仅将一个图像数据集平滑化，则必须将若干微分的图像数据集平滑化。于是，通过首先执行平滑化操作，然后执行微分操作，可以进一步减少计算成本。

可以将不同的平滑化程度视为不同的分辨率尺度。

更优选地，该可视化设备包括存储单元，其中平滑化单元适于根据不同平滑化程度将图像数据集平滑化若干次以产生若干不同地平滑化的图像数据集，其中微分性质确定单元适于针对不同地平滑化的图像数据集确定不同区域的若干局部微分性质，其中存储单元适于存储针对不同地平滑化的图像数据集确定的不同区域的若干局部微分性质，其中，如果平滑化程度是利用平滑化设置单元设置的，分配单元适于从存储单元检索局部微分性质，该局部微分性质是针对对应于所设置平滑化程度的经平滑化的图像数据集已确定的，并且分配单元根据检索的局部微分性质向图像数据集的不同区域分配可视化性质。

由于在存储单元中已存储了针对不同地平滑化的图像数据集的不同区域的局部微分性质之后，可以检索它们而无需再次计算它们，所以，可以非常快地，尤其是实时地调整分配给不同区域的可视化性质的显示以适应用户利用平滑化设置单元设置的平滑化程度。

更优选地，微分性质确定单元适于针对图像数据集的不同平滑化程度确定相同区域的若干局部微分性质，其中分配单元适于向相同区域的若干局部微分性质的加权组合分配可视化性质。

优选地，该可视化设备还包括平滑程度权重设置单元，以允许用户为若干局部微分性质的加权组合设置平滑程度权重。

平滑程度权重设置单元优选包括图形用户界面，以允许用户设置平滑程度权重。该图形用户界面包括例如若干滑动控制块，用于修改已经针对不同平滑化程度确定的局部微分性质的贡献权重。

更优选地，该可视化设备包括存储单元，用于存储针对图像数据集的不同平滑化程度确定的相同区域的若干局部微分性质，其中，如果平滑程度权重是利用平滑程度权重设置单元设置的，分配单元适于从存储单元检索相同区域的若干局部微分性质并根据使用平滑程度权重设置单元设置的平滑程度权重向所检索的若干局部微分性质的加权组合分配可视化性质。

由于在针对图像数据集的不同平滑化程度已确定了相同区域的若干局部微分性质之后且在存储单元中已存储这些局部微分性质之后，不必再次计算它们，并且由于仅仅需要从存储单元检索它们，所以可以非常快地，具体而言，实时地调整可视化性质的显示以适应用户利用平滑程度权重设置单元设置的平滑程度权重。

优选地，该可视化设备还包括分辨率降低单元，用于降低图像数据集的分辨率。

降低图像数据集的分辨率优选意味着减少图像要素的数目，例如体素数目或像素数目。这进一步减少了例如确定局部微分性质、向图像数据集的不同区域分配可视化性质以及显示可视化性质所需的计算成本。优选在确定局部微分性质之前，并优选在图像数据集已经被平滑化之后执行分辨率的降低。

优选地，分辨率降低单元适于根据平滑化程度降低分辨率，从而维持在经平滑化的图像数据集中所示的所有特征。

平滑化操作是一种低通滤波操作，其中从图像数据集去除高频。能够通过这种低通滤波器的最高频率是由平滑化程度定义的，并且优选地降低图像数据集的分辨率，使得通过该低通滤波器的最高频率仍然能够在考虑到奈奎斯特准则(Nyquist criterion)时在图像数据集中被探测到。这样允许进一步降低所需的计算成本，而无需从图像数据集去除结构信息。

更优选地，微分性质确定单元适于确定局部Hesse矩阵的特征值和局部形状指数中的至少一个作为局部微分性质。在优选实施例中，微分性质确定单元适于确定Hesse矩阵的特征值作为局部微分性质。

Hesse矩阵的特征值非常适于在平面、管状和结节结构之间进行区分。因此，例如，如果用户希望探测人或动物图像数据集中的结节结构，利用Hesse矩阵的特征值作为局部微分性质可以容易地探测到这些结节结构。

更优选地，微分性质确定单元适于，确定a)局部Hesse矩阵的最弱特征值和b)平均局部形状指数(通过针对所述图像数据集的不同区域确定局部形状指数并对针对不同区域确定的局部形状指数求平均)中的至少一个作为所述局部微分性质。优选地，所述分配单元适于向所述不同区域分配a)取决于局部Hesse矩阵的最弱特征值的色饱和度和b)取决于平均局部形状指数的色调中的至少一个。

特征值可以是正的或负的。优选根据其绝对大小对特征值排序，同时保持其符号。最弱的特征值优选是绝对大小最小的特征值，最强的特征值优选是绝对大小最大的特征值，即特征值的强度优选取决于其绝对大小。

已经发现，如果图像数据集示出了人的一部分，例如人的器官，局部形状指数和局部Hesse矩阵的最弱特征值可以表示诸如肿瘤和淋巴结的结节结构。具体而言，局部形状指数的高值和局部Hesse矩阵最弱特征值可以表示结节结构。此外，已经发现平均局部形状指数可以表示肿瘤恶性。具体而言，已经发现平均局部形状指数的低值表示肿瘤恶性。因此可以将局部Hesse矩阵的最弱特征值、局部形状指数和平均局部形状指数的确定用于指示图像数据集中可能示出诸如肿瘤和淋巴结的结节结构的区域，其中可以对相应结节结构的恶性程度进行可视化。具体而言，通过根据平均局部形状指数向区域分配色调并根据局部Hesse矩阵的最弱特征值向区域分配色饱和度来对肿瘤恶性程度进行可视化。例如，向表示肿瘤恶性程度大的低平均局部形状指数分配红色，向表示肿瘤恶性程度低的高平均局部形状指数分配绿色调。因此，优选通过分配单元将平均局部形状指数映射到恶性颜色标度，例如，绿色到红色，用于确定区域，尤其是体素的色调。优选通过向针对不同区域确定的局部形状指数应用高斯平滑滤波器来执行局部形状指数的平均，以确定平均局部形状指数。

局部形状指数优选是基于通过图像数据集相应区域的等照度表面的曲率的值，相应区域优选包括二维或三维灰度值体积。优选隐式地将等照度表面定义为与相应区域，例如相应体素处的梯度矢量正交的表面。例如，在如下文章中介绍了局部形状指数：Rafael Wiemker等人的“Agreement ofCAD features with expert observer ratings for characterization of pulmonarynodules in CT using the LIDC-IDRI database”，SPIE Medical Imaging2009，SPIE vol.7260，通过引用将该文章并入本文。

如上所述，最弱的特征值典型地对应于诸如肿瘤的结节结构，特别地，就是局部Hesse矩阵的所有三个特征值都是负的情况。第二强的特征值典型地对应于诸如血管的管状结构，特别地，就是如果两个最强特征值为负的情况；特别地，如果两个最强特征值为正，则对应于气道。局部Hesse矩阵的最强特征值典型地对应于诸如叶裂隙的平面结构，特别地，就是如果最强特征值为负，另外两个特征值为零的情况。因此微分性质确定单元也能够适于确定局部Hesse矩阵的这些其他特征值作为局部微分性质，其中分配单元已经为所述局部微分性质分配了诸如颜色的可视化性质。

更优选地，微分性质确定单元适于针对图像数据集的各不同区域中的相同(同一)区域确定若干局部微分性质，其中分配单元适于向该相同区域的若干局部微分性质的加权组合分配可视化性质。

于是，优选地，对于相同的平滑化程度并对于图像数据集的相同区域，具体而言，对于相同体素，确定若干局部微分性质，这些局部微分性质优选是Hesse矩阵的特征值、局部形状指数和/或平均局部形状指数。

可视化设备包括性质权重设置单元，用于允许用户针对图像数据集的相同区域的若干局部微分性质的加权组合设置性质权重。

针对相同区域确定的不同局部微分性质可以表示不同种类的结构，从而表示不同种类的对象。于是，通过给特定的局部微分几何性质以比另一局部微分几何性质更大的权重，可以将期望的特定结构，从而将期望的特定对象可视化为比其他结构，从而比其他对象更强。例如，如果相同区域的若干局部微分性质是所述相同区域的Hesse矩阵的不同特征值，则可以修改定义该相同区域的可视化性质(特别地，颜色)的这些特征值的加权组合的贡献。如果所述相同区域的若干局部微分性质是局部Hesse矩阵的最弱特征值和所述相同区域的平均局部形状指数，则可以修改定义相同区域的可视化性质(具体而言，颜色)的局部Hesse矩阵的最弱特征值和平均局部形状指数的贡献。

而且，性质权重设置单元优选包括图形用户界面，用于允许用户设置和修改性质权重。优选地，图形用户界面包括若干滑动控制块，其中用户能够使用相应的滑动控制块设置或修改特定局部微分几何性质的权重。

更优选地，该可视化设备包括存储单元，用于存储图像数据集的不同区域中的一相同区域的所确定的若干局部微分性质，其中，如果性质权重是利用性质权重设置单元设置的，分配单元适于从存储单元检索相同区域的局部微分性质并根据使用性质权重设置单元设置的性质权重向若干检索的局部微分性质的加权组合分配可视化性质。

由于在已经针对相同区域确定若干局部微分性质且在存储单元中存储这些局部微分性质之后，不必再次计算它们，并且由于可以从存储单元检索它们，所以可以非常快地，具体而言，实时地调整可视化性质的显示以适应利用性质权重设置单元设置的性质权重。

对于图像数据集的相同区域，针对若干平滑化程度，即针对不同的分辨率尺度，可以确定若干局部微分性质。这意味着，针对每个平滑化程度，可以确定若干局部微分性质，比如，Hesse矩阵的若干特征值、局部形状指数或平均局部形状指数，其中针对不同平滑化程度执行这种确定。为了向该相同区域分配可视化性质，具体而言，为了向其分配颜色，可以组合，具体而言，根据平滑程度权重和/或性质权重，组合针对不同平滑化程度确定的不同局部微分性质。该组合优选是线性组合，但也可以是非线性组合。

更优选地，所述显示单元包括第一显示区域和第二显示区域，其中所述显示单元适于在所述第一显示区域中显示分配给不同区域的可视化性质并在所述第二显示区域中显示所提供的图像数据集的图像值，其中所述可视化设备包括选择单元，用于允许用户在所述第一显示区域中选择位置，其中所述显示单元适于在所述第二显示区域中指示对应位置。

这允许将显示可视化性质的第一显示区域用作导航窗口，其中，如果在导航窗口中已由用户探测到并选择了特定对象，在第二显示区域中，即在原始提供的图像数据集中示出对应区域。于是，例如，可以将第一显示区域用于探测可能示出结节的可疑区域，并且可以在第二显示区域中，在原始提供的图像数据集中更详细地研究该可疑区域。

具体而言，如果图像数据集的若干区域对用户选择的第一显示区域中的位置有贡献，在第二显示区域中，优选示出图像数据集中对第一显示区域中所选位置贡献最大的区域。例如，如果在第一显示区域中使用类似最大强度投影的技术用于显示三维图像数据集的可视化性质，则第一显示区域中的所选位置对应于沿假想投影射线定位的一组体素，即一组区域。在这种情况下，优选地，确定这组体素中已经确定了性质权重和/或平滑程度权重与局部微分几何性质的最大乘积的体素，其中在原始提供的图像数据集之内在第二显示区域中示出这个体素。如果已经确定平均局部形状指数作为局部微分几何性质，优选地确定前述体素组中已确定其平均局部形状指数具有最小值的体素，其中在原始提供的图像数据集之内在第二显示区域中示出具有最小平均局部形状指数的这个体素。

显示单元优选适于显示与原始提供的图像数据集的图像灰度值的最大强度投影叠加的可视化性质，具体而言，表示所确定的局部微分性质的彩色图像。可以将该最大强度投影视为常规最大强度投影，可以将该最大强度投影叠加为灰度值，即零颜色饱和度，使得观察者感觉到它是所显示的可视化性质的背景，具体而言，是示出所确定的局部微分性质的彩色图像的背景。

更优选地，所述图像数据集提供单元适于提供对应于第一时间的对象的第一图像数据集和对应于第二时间的对象的第二图像数据集，其中微分性质确定单元适于

-产生配准矢量场，所述配准矢量场定义所述第一图像数据集和所述第二图像数据集相对于彼此的配准，并且

-针对所述第一图像数据集或所述第二图像数据集的不同区域确定所述配准矢量场的局部微分性质作为局部微分性质。由于产生了定义所述第一图像数据集和所述第二图像数据集相对于彼此的配准的配准矢量场，并且由于确定了所述配准矢量场的局部微分性质并向显示单元上显示的可视化性质分配了所述配准矢量场的局部微分性质，所以可以将第一图像数据集中示出的第一时间的对象和第二图像数据集中示出的第二时间的相同对象之间的变化进行可视化。例如，可以将肿瘤或整体器官的局部生长特性可视化。

图像数据集提供单元可以适于提供超过两个图像数据集。例如，可以提供一时间系列的图像数据集以对对象随时间的变化进行可视化。

对于每个区域，具体而言，对于每个体素，所述配准优选地确定连接第一图像数据集和第二图像数据集中的对应位置的配准矢量。因此，优选地针对第一图像数据集的区域和第二图像数据集的对应区域，确定配准矢量。因此，可以针对第一图像数据集和第二图像数据集的不同区域确定配准矢量场的局部微分性质，其中，例如，如果已经针对第一图像数据集的特定区域确定了局部微分性质，这个确定的局部微分性质也可以是第二图像数据集的对应区域的局部微分性质。

分配单元优选适于根据所确定的配准矢量场的局部微分性质向第一图像数据集和/或第二图像数据集的不同区域分配可视化性质，显示单元优选适于显示分配给第一图像数据集和/或第二图像数据集的可视化性质。

更优选地，微分性质确定单元适于执行用于产生配准矢量的弹性配准场。这改进了产生配准矢量场的质量，从而改进了第一时间和第二时间之间对象变化的可视化。

更优选地，微分性质确定单元适于确定所述配准矢量场的局部雅可比(Jacobian)矩阵的特征值作为局部微分性质。优选地，所述分配单元适于根据特征值的符号向不同区域分配可视化性质。特征值的符号可以指示对象的收缩或生长。通过根据特征值的符号将不同区域可视化，可以将对象的收缩和生长不同地可视化。这样使得可视化设备能够将用户注意力引导到第一图像数据集和/或第二图像数据集中示出了对象收缩或生长的特定区域。

更优选地，所述分配单元适于

-只要一区域的第一特征值为正，向所述区域分配第一可视化性质，

-只要一区域的第一特征值和第二特征值为正，向所述区域分配第二可视化性质，

-如果区域的所有特征值都为正，向所述区域分配第三可视化性质，

其中所述第一、第二和第三可视化性质是不同的。所述第一、第二和第三可视化性质优选是不同的颜色。只要第一特征值是正的，就假设一维生长，只要第一特征值和第二特征值是正的，就假设二维生长，如果所有特征值都是正的，就假设对象三维生长。通过不同地将这三个选项可视化，容易将用户注意力引导到第一图像数据集和/或第二图像数据集中指示对象特定维度生长的区域。

在本发明的另一方面中，提供了一种将图像数据集可视化的可视化方法，其中该可视化方法包括如下步骤：

-提供所述图像数据集，

-针对所述图像数据集的不同区域确定局部微分性质，其中，针对所述图像数据集的不同区域中的一相同区域确定若干局部微分性质，

-根据所确定的局部微分性质向所述图像数据集的不同区域分配可视化性质，其中可视化性质定义分配了所述可视化性质的区域的可视化，其中，向所述相同区域的若干局部微分性质的加权组合分配可视化性质，其中允许用户针对所述图像数据集的相同区域的若干局部微分性质的加权组合设置性质权重，

-显示分配给所述图像数据集的不同区域的可视化性质。

在本发明的另一方面中，提供了一种用于将图像数据集可视化的装置，包括：用于提供所述图像数据集的模块，-用于针对所述图像数据集的不同区域确定局部微分性质的模块，其中，针对所述图像数据集的所述不同区域的一相同区域确定若干局部微分性质，-用于根据所确定的局部微分性质向所述图像数据集的所述不同区域分配可视化性质的模块，其中，可视化性质定义分配了所述可视化性质的区域的可视化，其中，向所述相同区域的若干局部微分性质的加权组合分配可视化性质，其中，允许用户为所述图像数据集的所述相同区域的若干局部微分性质的加权组合设置性质权重，以及-用于显示分配给所述图像数据集的所述不同区域的可视化性质的模块。

应当理解，本发明的可视化设备、可视化方法和装置具有如从属权利要求中定义的类似和/或相同优选实施例。

应当理解，本发明的优选实施例也可以是从属权利要求与相应独立权利要求的任意组合。

附图说明

本发明的这些和其他方面将从下文描述的实施例变得显而易见并参考其加以阐述。在以下附图中：

图1示意性和示范性示出了用于将图像数据集可视化的可视化设备实施例；

图2示意性和示范性示出了以低平滑化程度示出肺的可视化设备的显示；

图3示意性和示范性示出了以更大平滑化程度显示肺的可视化设备的显示；

图4示意性和示范性示出了用于将图像数据集可视化的可视化设备的另一显示；

图5示出了用于将图像数据集可视化的可视化设备的另一显示；

图6示意性和示范性示出了图5中所示的显示，其中与图5相比修改了性质权重；

图7示出了一流程图，示范性图示了用于将图像数据集可视化的可视化方法的实施例；

图8示意性和示范性示出了用于将图像数据集可视化的可视化设备的另一实施例；以及

图9示出了一流程图，示范性图示了用于将图像数据集可视化的可视化方法的另一实施例。

具体实施方式

图1示意性和示范性示出了用于将图像数据集可视化的可视化设备。可视化设备1包括用于提供图像数据集的图像数据集提供单元2和用于根据平滑程度对图像数据集进行平滑化的平滑化单元3。优选由用户使用平滑化设置单元10设置平滑化程度。可视化设备1还包括用于降低经平滑化的图像数据集的分辨率的分辨率降低单元4。

可视化设备1还包括用于针对图像数据集的不同区域确定局部微分性质的微分性质确定单元5以及用于根据所确定的局部微分性质为图像数据集的不同区域分配可视化性质的分配单元6，其中可视化性质定义可视化性质所分配到的区域的可视化。利用显示单元7显示分配给图像数据集的不同区域的可视化性质。

图像数据集优选是计算断层摄影成像系统、磁共振成像系统、核成像系统或超声波成像系统的图像数据集。在本实施例中，图像数据集是计算断层摄影成像系统的图像数据集。

图2示意性和示范性示出了显示单元7的显示器12，其中在第一显示区域13中显示分配给不同区域的可视化性质，且其中在第二显示区域14中显示所提供图像数据集的图像值，具体而言，在本实施例中，在第二区域14中，示出了人的胸廓图像。

图像数据集提供单元2为存储单元，其中存储有图像数据集并可以从该存储单元中检索图像数据集以提供图像数据集。在另一个实施例中，图像数据集提供单元也可以是类似上述成像系统的产生图像数据集的成像系统。图像数据集提供单元2也可以是传送单元，其允许将图像数据集传送到平滑化单元3，以提供图像数据集。例如，图像数据集提供单元2可以是有线或无线数据传输单元或光学数据传输单元。

平滑化设置单元10包括允许用户设置和修改平滑化程度的图形用户界面。在本实施例中，图形用户界面是显示单元7的显示器12上显示的滑动控制块15。例如，使用计算机鼠标，通过滑动滑动控制块15，可以修改平滑化程度。也可以将平滑化程度视为分辨率尺度，即，通过滑动滑动控制块15，可以修改分辨率尺度。

通过修改平滑化程度，即分辨率尺度，可以提高特定对象或结构的可视性并可以降低其他对象或结构的可视性。例如，如果平滑化程度大，能够降低小且精细的对象或结构的可视性，而能够提高更粗糙对象或结构的可视性。相应地，如果降低平滑化程度，小且精细的结构可能变得越来越可见。于是，可以调整平滑化程度以适应应当在图像数据集之内可视化，具体而言，探测到的，期望对象或结构。

例如，用户能够滑动滑动控制块15，使得用户能够探测期望的对象或结构。如果图像数据集是医学图像数据集并且用户希望探测疑似指示癌症的区域，用户可以滑动滑动控制块15，使得疑似指示癌症的区域变得可见。例如，在图2所示的状况下，滑动控制块相对接近左侧，这意味着用户选择了相对低的平滑化程度，即精细分辨率尺度。所显示的、分配给第一显示区域13中示出的图像数据集的不同区域的可视化性质示出了精细结构，例如细的血管和细微肿瘤。在图3中所示的状况下，用户将滑动控制块15向右侧移动了一点，以便提高平滑化程度。于是，在图3中，用户选择了更粗糙的分辨率尺度，更粗的血管和更厚的肿瘤变得可见。

平滑化单元3适于向图像数据集应用对应于用户利用包括滑动控制块15的平滑化设置单元10设置的平滑化程度的高斯滤波器，以对图像数据集进行平滑化。优选通过向图像数据集应用具有不同滤波器宽度的不同高斯滤波器来实现不同的平滑化程度，即不同的分辨率尺度。

在本实施例中，可视化设备1适于：如果考虑到期望的平滑化程度而需要的话，在确定局部微分性质之前，对图像数据集进行平滑化。

优选由分辨率降低单元4通过降低图像元的数目来降低平滑化图像数据集的分辨率，在本实施例中，图像元是体素。还优选在确定局部微分性质之前执行分辨率的这种降低。

分辨率降低单元4适于根据平滑化程度降低经平滑的图像数据集的分辨率，使得考虑到奈奎斯特准则的情况下保持经平滑化的图像数据集中示出的所有特征。于是，减少了经平滑化的图像数据集的体素数目而未从图像数据集去除结构信息。

微分性质确定单元5适于为图像数据集的相同区域，在这一实施例中即为相同体素，确定不同局部微分性质，在这一实施例中，图像数据集是三维图像数据集。于是，对于单个体素，确定了许多局部微分性质。具体而言，对于图像数据集的所有体素，确定许多局部微分性质。

术语“局部”表示不是针对完整的图像数据集，确定全局性的单个微分几何性质，而是针对图像数据集的区域，具体而言，针对图像数据集的体素，确定微分几何性质。

在本实施例中，微分性质确定单元5适于确定Hesse矩阵的三个特征值作为体素的局部微分性质。优选地，微分性质确定单元5确定针对图像数据集的每个体素的Hesse矩阵的三个特征值。

分配单元6适于根据确定的局部微分性质，在这一实施例中即根据确定的Hesse矩阵特征值，向图像数据集的不同区域，在这一实施例中即向不同体素，分配颜色作为可视化性质。

在本实施例中，优选由RGB系统的坐标定义分配给特定体素的颜色。于是，优选由R值、G值和B值定义分配给体素的颜色。在其他实施例中，可以在另一种颜色坐标系，例如HSV系统中表达颜色。此外，作为颜色的替代或补充，可以向图像数据集的体素分配另一种可视化性质，例如，可以向体素分配不同的透明程度。

分配单元6适于组合已经为体素确定的Hesse矩阵的三个特征值，并将颜色分配给所得的组合。例如，Hesse矩阵的第一特征值确定R值，Hesse矩阵的第二特征值确定G值，Hesse矩阵的第三特征值确定B值。如果针对图像数据集的每个体素这样做，根据Hesse矩阵的特征值向每个体素分配已经为相应体素确定的颜色。可以通过以下方程描述根据Hesse矩阵的三个特征值向体素的这种颜色分配：

$C^R=C_0^R{\mathrm{\λ}}_0+C_1^R{\mathrm{\λ}}_1+C_2^R{\mathrm{\λ}}_2$

$G^G=C_0^G{\mathrm{\λ}}_0+C_1^G{\mathrm{\λ}}_1+C_2^G{\mathrm{\λ}}_2$

$C^B=C_0^B{\mathrm{\λ}}_0+C_1^B{\mathrm{\λ}}_1+C_2^B{\mathrm{\λ}}_2,---\left(1\right)$

其中是由红、绿和蓝分量构成的所得颜色，λ₀,λ₁,λ₂是Hesse矩阵的三个特征值， $C_0=\{C_0^R,C_0^G,C_0^B\},C_1=\{C_1^R,C_1^G,C_1^B\},C_2=\{C_2^R,C_2^G,C_2^B\}$ 是三种预定义的颜色，每种颜色都由与特征值相关联的红、绿和蓝分量构成。备选地，可以用从特征值导出的特征替代三个特征值λ₀,λ₁,λ₂。

可视化设备1还包括选择单元15，用于允许用户选择第一显示区域13中的位置，其中显示单元7适于指示第二显示区域14中的对应位置。

显示可视化性质，在这一实施例中显示分配给不同体素的颜色的第一显示区域13用作导航窗口，其中，如果在导航窗口13中，用户已探测到并选择了特定对象，在第二显示区域14中，即在原始提供的图像数据集中示出对应区域。于是，优选将第一显示区域13用作探测可疑区域的导航窗口，例如，导航窗口可以示出结节，在第二显示区域14中，在原始提供的图像数据集中更详细地研究可疑区域。

在第一区域13中，将颜色编码的体素绘制在期望的观察几何结构中，例如冠状/矢状结构中，以在第一显示区域13中，即在导航窗口13中产生概览图像。优选利用类似最大强度投影的技术绘制颜色编码的体素。不过，也可以使用其他表面或体积绘制技术来绘制颜色编码的体素。在执行类似最大强度投影的技术期间，优选在第一显示区域13中示出体素的颜色，其对应于沿着用于执行类似最大强度投影的技术的假想投影射线的体素的Hesse矩阵的最大特征值。通常，使用类似最大强度投影的技术在二维显示器上映射三维数据集，以示出三维数据集。通过三维图像数据集向二维显示器上投射假想投影射线，其中从沿着相应假想投影射线布置的体素选择满足预定义选择标准的体素，选择标准例如是具有最大强度。在本实施例中，选择具有Hesse矩阵的最大特征值的体素。在其他实施例中，可以使用另一种选择标准，以执行类似最大强度投影的技术，例如，可以在二维显示单元上显示HSV坐标系中具有最大强度的颜色。

由于在这一实施例中将类似最大强度投影的技术用于在第一显示区域13中显示分配给三维图像数据集的体素的颜色，如果用户在第一显示区域13中选择特定位置，则在第二显示区域14中显示由类似最大强度投影的技术选择的体素的位置。因此，图像数据集的若干体素可能对用户选择的第一显示区域13中的位置有贡献，其中在第二显示区域14中，优选示出图像数据集中对第一显示区域13中的所选位置贡献最大的体素，在这一实施例中即满足用于执行类似最大强度投影的技术的选择标准的体素。

例如，利用允许点击到第一显示区域13中，即点击到导航窗口13中的、优选为图形用户界面的选择单元30，可以在第一显示区域13中选择位置，其中，例如，通过十字准线，在例如orthoviewer中，在第二显示区域2中示出的原始提供的图像数据集中指示出对第一显示区域13中颜色编码的概览图像的位置贡献最大的对应三维位置。

图3示意性和示范性示出了用户已在第一显示区域13中选择了由十字16指示的位置的状况，其中在第二显示区域14中，由原始提供的图像数据集之内的十字准线17指示对应的位置。除了十字准线之外，可以使用另一种标记元素标记第二显示区域14中的对应位置。

显示单元可以适于在示出了导航器图像的第一显示区域13中，利用剖面显示分配给图像数据集的不同区域的可视化性质，在这一实施例中即显示分配给图像数据集的不同体素的颜色，使得仅绘制特定的缺陷部分，比如器官部分，例如仅绘制左肺或右肺，使投影仅阻挡较少对象部分。

可视化设备1还包括存储单元8，其中平滑化单元3适于根据不同平滑化程度对图像数据集进行若干次平滑化，以产生不同地平滑化的图像数据集。分辨率降低单元4优选适于根据相应的平滑化程度(具体而言，如果相应的平滑化程度允许降低分辨率而不从图像数据集去除结构信息的话)降低不同地平滑化的图像数据集的分辨率。微分性质确定单元5优选适于针对不同地平滑化的图像数据集确定不同区域的若干局部微分性质，在这一实施例中即针对图像数据集的每个体素并针对每个平滑化程度，即针对每个分辨率尺度，确定Hesse矩阵的三个特征值。存储单元8适于存储针对不同地平滑化的图像数据集确定的不同区域的若干局部微分性质，在这一实施例中即存储单元8适于存储已经针对每个体素并针对每个平滑化程度确定的Hesse矩阵的三个特征值。这是针对特定数量的平滑化程度执行的，该数量可以是预定义的或可以由用户选择。

如果用户使用平滑化设置单元10选择了特定平滑化程度，分配单元6从存储单元8检索已经针对对应于所选的平滑化程度的经平滑化的图像数据集确定的局部微分性质，在这一实施例中即Hesse矩阵的特征值，并且分配单元6根据检索的局部微分性质向图像数据集的不同区域分配可视化性质，在这一实施例中，即分配单元6根据所检索的、针对相应体素和所选择的平滑化程度确定的Hesse矩阵的三个特征值向图像数据集的体素分配颜色。在另一个实施例中，作为在存储单元8中存储针对不同体素并针对不同平滑化程度确定的局部微分性质的替代或补充，还可以在存储单元8中存储分配给不同区域，在这一实施例中即分配给不同体素的，所得的可视化性质，在这一实施例中即所得颜色。

存储单元8优选适于在存储器或文件中存储预先计算的值。

如果用户使用平滑化设置单元10设置了尚未针对其确定局部微分性质的特定平滑化程度，优选利用预先计算的局部微分性质通过内插计算对应的局部微分性质，预先计算的局部微分性质是针对接近通过使用平滑化设置单元10设置的平滑化程度的平滑化程度确定的。

由于在存储单元8中已存储了针对不同地平滑化的图像数据集的不同区域的局部微分性质之后，可以检索它们而无需再次计算它们，所以，即使显示单元7仅具有有限的计算能力，也可以非常快地，尤其是实时地调整分配给不同区域的可视化性质的显示，以适应用户利用平滑化设置单元10设置的平滑化程度。

局部性质确定单元5优选包括用于确定局部微分性质的图形处理单元(GPU)，因为这些性质的计算仅需要非常基本和局部的数学运算，这些运算理想地适于在GPU上执行。

存储单元8优选适于仅在确定的图像数据集的区域的局部微分性质大于阈值时才存储所确定的图像数据集的区域的局部微分性质，选择所述阈值，使得忽略低于阈值的局部微分性质对可视化性质的显示影响仅仅是微不足道。优选地，如果针对图像数据集的一个区域以及针对特定平滑化程度确定的所有局部微分性质都低于阈值，则仅仅忽略针对图像数据集的这个区域并针对这一特定平滑化程度确定的局部微分性质，即，不存储在存储单元中。在本实施例中，如果针对特定体素和特定平滑化程度确定的Hesse矩阵的特征值都在阈值以上，则仅在存储单元中存储这些特征值。阈值例如是确定的最大局部微分几何性质的5％或更小，确定的最大局部微分几何性质的3％或更小，或确定的最大局部微分几何性质的1％或更小。于是，通过仅存储突出(salient)的体素，即显示出高滤波器应答的特定量体素，如果通过向经平滑化的图像数据集应用对应滤波器来确定可视化性质，同时忽略仅会以可忽略方式影响绘制的低滤波器应答的体素，可以显著减少预先计算的值的存储器或文件空间消耗。应当指出，其局部微分性质不被存储图像数据集的区域，针对不同的平滑化程度，即针对不同水平的尺度空间可以是不同的。

除了针对不同的平滑化程度预先计算局部微分性质之外，微分性质确定单元5还可以适于在专用协处理器、多处理器计算机、分布式计算机或类似GPU的硬件显示卡上，优选通过执行并行计算局部微分性质需要的所需操作来执行实时计算。

分配单元6可以适于向已经针对不同平滑化程度确定的相同区域的若干性质的加权组合分配可视化性质，在这一实施例中即颜色。在本实施例中，分配单元可以通过加权组合已经针对不同平滑化程度、针对相同体素确定的Hesse矩阵的特征值，以便通过向相应的加权组合分配颜色来向该相同体素分配颜色。可以由用户使用平滑程度权重设置单元9设置这种加权组合的权重。平滑程度权重设置单元9包括图形用户界面，其允许用户设置平滑程度权重。在本实施例中，该图形用户界面包括若干滑动控制块18，用于修改已经针对不同平滑化程度确定的局部微分性质的贡献权重。图4中示范性和示意性示出了滑动控制块18。

为了向体素分配颜色，即向针对不同平滑化程度，即针对不同分辨率尺度确定的Hesse矩阵的特征值的加权组合分配颜色，优选使用如下方程：

$C^R={\mathrm{\Σ}}_s{\mathrm{\Σ}}_i{C}_i^R{w}_s{\mathrm{\λ}}_{i,s}$

$C^G={\mathrm{\Σ}}_s{\mathrm{\Σ}}_i{C}_i^G{w}_s{\mathrm{\λ}}_{i,s}$

$C^B={\mathrm{\Σ}}_s{\mathrm{\Σ}}_i{C}_i^B{w}_s{\mathrm{\λ}}_{i,s},---\left(2\right)$

其中在由s表示的不同平滑化程度上，即在不同分辨率尺度上以及由i表示的特征值上求和，C＝{C^R,C^G,C^B}是由红、绿和蓝分量构成的所得颜色，w_s是针对平滑化程度s的平滑程度权重，λ_i,s是在平滑化程度s上计算的Hesse矩阵的第i个特征值，是与第i个特征值相关联的颜色(由红、绿和蓝分量构成)。或者，可以用从特征值导出的特征替代特征值λ_i。

平滑程度权重设置单元9允许用户平滑地改变不同平滑化程度，即不同分辨率尺度的贡献权重，其中根据平滑程度权重设置单元9设置的平滑程度权重刷新在第一显示区域13中可视化性质的显示。

存储单元8优选还适于存储已经针对图像数据集的不同平滑化程度确定的、相同区域的若干局部微分性质。于是，存储单元优选适于存储已经针对每个体素并针对不同平滑化程度确定的Hesse矩阵的特征值。如果利用平滑程度权重设置单元9设置平滑程度权重，分配单元6优选适于从存储单元8检索相同区域的若干局部微分性质并根据利用平滑程度权重设置单元9设置的平滑程度权重向所检索的若干局部微分性质的加权组合分配可视化性质。于是，在本实施例中，如果平滑程度权重是利用平滑程度权重设置单元9的滑动控制块18设置的，分配单元检索对应于所设平滑程度权重的、针对每个体素的Hesse矩阵特征值，根据针对每个体素的平滑程度权重组合Hesse矩阵的所检索的若干特征值并向每个体素的所得加权组合分配颜色，以便向图像数据集的每个体素分配颜色。

由于在已经针对不同平滑化程度确定了相同区域的若干局部微分性质之后且在存储单元8中存储所述局部微分性质之后，不必再次计算它们，并且由于仅仅需要从存储单元8检索它们，所以可以非常快地，尤其是实时地调整可视化性质的显示以适应由用户利用平滑程度权重设置单元设置的平滑程度权重。于是，在用户利用平滑程度权重设置单元9的滑动控制块18修改平滑程度权重时，可以刷新，尤其是实时刷新第一显示区域13中示出的图像，即导航窗口中示出的图像。

如上所述，微分性质确定单元5适于针对图像数据集不同区域中的一相同区域并针对相同平滑化程度确定若干局部微分性质。在本实施例中，针对图像数据集的每个体素并针对每个平滑化程度，确定Hesse矩阵的三个特征值。分配单元6可以适于向已经针对相同平滑化程度确定的相同区域的若干性质的加权组合分配可视化性质。于是，在本实施例中，以加权方式组合针对相同平滑化程度确定的体素的三个特征值，其中将所得的组合用于向相应体素分配颜色。优选根据以下方程进行这种分配：

$C^R={\mathrm{\Σ}}_i{C}_i^R{v}_i{\mathrm{\λ}}_i$

$C^G={\mathrm{\Σ}}_i{C}_i^G{v}_i{\mathrm{\λ}}_i$

$C^B={\mathrm{\Σ}}_i{C}_i^B{v}_i{\mathrm{\λ}}_i---\left(3\right)$

其中λ_i表示Hesse矩阵的第i个特征值，v_i表示第i个特征值的性质权重。

可视化设备1还可以包括性质权重设置单元11，用于允许用户为针对相同平滑化程度确定的图像数据集的相同区域的若干局部微分性质的加权组合设置性质权重。在本实施例中，性质权重设置单元11允许用户为已经针对相同平滑化程度确定的图像数据集的相同体素的Hesse矩阵的三个特征值的加权组合来设置性质权重。

而且，性质权重设置单元11包括图形用户界面，用于允许用户设置和修改性质权重。图形用户界面包括若干滑动控制块19，其中用户能够使用相应的滑动控制块设置或修改Hesse矩阵的特定特征值的权重。在本实施例中，使用三个滑动控制块修改Hesse矩阵的第一、第二和第三特征值的性质权重。另外两个滑动控制块用于修改从特征值导出的特征的性质权重。这些特征例如是第二特征值的正量、第三特征值的正量、第二特征值的负量、第三特征值的负量或第二特征值的负量减去第三特征值的绝对大小。可以有超过五个滑动控制块，以便能够修改针对这些不同特征的性质权重。此外，可以将滑动控制块仅用于修改这些特征的性质权重，其中，在这种情况下，用从特征值导出的相应特征替换例如方程(3)中的特征值。于是，不仅可以将特征值，而且可以将从特征值导出的特征视为局部微分性质。

优选地，第一特征值是具有最大绝对大小的特征值，第二特征值是具有第二大绝对大小的特征值，第三特征值是具有第三大绝对大小的特征值。此外，如果特征值为负，特征值的正量为零，如果特征值为正，特征值的正量是特征值的绝对大小。此外，如果特征值为负，特征值的负量是特征值的绝对大小，如果特征值为正，特征值的负量为零。

利用滑动控制块19，用户能够平滑地改变个体局部微分性质的权重贡献，其中在已经改变贡献权重之后，刷新，尤其是实时刷新第一显示区域13，即导航窗口中的可视化性质的显示，在这一实施例中即颜色的显示。针对相同区域并针对相同平滑化程度确定的不同局部微分性质可以表示不同种类的结构，从而表示不同对象。于是，通过给特定的局部微分几何性质比另一局部微分几何性质更大的权重，可以将期望的特定结构以及因此的对象可视化为比其他结构，从而比其他对象，更强。例如，在图2和3中，滑动控制块19位于相同位置，即，选择相同的性质权重。不过，在图5中，设置滑动控制块19，使得第一显示区域13中的绘制仅基于相应体素的Hesse矩阵的第二大负特征值。利用这种设置，第一显示区域13中几乎仅显示肺血管。在图6中，已设置滑动控制块19，使得根据相应体素的Hesse矩阵的第二大特征值并基于相应体素的Hesse矩阵的第三大负特征值执行第一显示区域13中的绘制。图6的第一显示区域13中所示的所得绘制图像示出了气道和一些肋骨架结构和节状肿瘤。

由于存储单元8优选适于存储针对相同平滑化程度已确定的、图像数据集的不同区域中的相同区域的确定的若干局部微分性质，如果性质权重是利用性质权重设置单元11设置的，分配单元6优选从存储单元8检索该相同区域的局部微分性质并根据利用性质权重设置单元11设置的性质权重向若干检索的局部微分性质的加权组合分配可视化性质。在这种情况下，这还允许非常快，尤其是实时地调整可视化性质的显示以适应利用性质权重设置单元11设置的性质权重。

在本实施例中，对于图像数据集的相同区域，针对若干平滑化程度，即针对不同的分辨率尺度，确定若干局部微分性质。于是，针对图像数据集的每个体素并针对每个平滑化程度，在存储单元8中存储Hesse矩阵的三个特征值。图2，3，5和6所示的实施例允许用户利用平滑化设置单元10的滑动控制块15选择期望的平滑化程度并利用性质权重设置单元11的滑动控制块19选择期望的性质权重。根据用户设置的这些值，组合体素的特征值并向这种组合分配颜色，具体而言，这根据方程(3)来进行。

在图4所示的实施例中，用户可以利用平滑程度权重设置单元9的滑动控制块18选择期望的平滑程度权重，其中分配单元6根据所选择的平滑程度权重来组合已经针对相同体素并针对不同平滑化程度确定的Hesse矩阵的特征值并向所得组合分配颜色，具体而言，这根据方程(2)来进行。

在另一实施例中，显示设备包括性质权重设置单元和平滑程度权重设置单元，即用户能够选择不同性质权重，用于为针对相同平滑化程度不同地确定的、相同体素的不同局部微分性质加权，用户能够选择平滑程度权重，用于为针对相同体素并针对不同平滑化程度不同地确定的、相同局部微分几何性质加权。如果考虑选择的性质权重和选择的平滑程度权重，分配单元优选适于根据以下方程向针对体素确定的Hesse矩阵特征值的对应组合分配颜色：

$C^R={\mathrm{\Σ}}_s{\mathrm{\Σ}}_i{C}_i^R{v}_i{w}_s{\mathrm{\λ}}_{i,s}$

$C^G={\mathrm{\Σ}}_s{\mathrm{\Σ}}_i{C}_i^G{v}_i{w}_s{\mathrm{\λ}}_{i,s}$

$C^B={\mathrm{\Σ}}_s{\mathrm{\Σ}}_i{C}_i^B{v}_i{w}_s{\mathrm{\λ}}_{i,s}---\left(4\right)$

在图2到6中，示出了颜色滑动控制块20，用于修改第二显示区域14中示出的图像数据集的颜色，示出了水平高度(level)滑动控制块21，用于修改第二显示区域14中示出的显示的水平高度，示出了窗口滑动控制块22，用于修改第二显示区域14中的窗口。此外，示出了亮度滑动控制块23，用于修改第一显示区域13中的亮度。

在下文中，将参考图7所示的流程图示范性描述用于将图像数据集可视化的可视化方法。

在步骤101中，由图像数据集提供单元2提供图像数据集。优选地，提供示出了类似肺的器官的医学图像数据集。在步骤102中，由平滑化单元3根据不同平滑化程度对图像数据集进行平滑化，在步骤103中，根据相应的平滑化程度减小经平滑化的图像数据集的分辨率，从而不从经平滑化的图像数据集去除结构信息。分辨率的降低是由分辨率降低单元4执行的。

在步骤104中，针对图像数据集的不同区域，在本实施例中，针对图像数据集的不同体素，确定局部微分性质，在本实施例中，确定Hesse矩阵的三个特征值。这意味着，在本实施例中，针对图像数据集的每个体素并针对每个经平滑化的图像数据集，即针对每个平滑化程度，确定Hesse矩阵的三个特征值。由微分性质确定单元5执行这种确定。

在步骤106中，用户能够以不同方式选择期望的平滑化程度并优选选择期望的性质权重，以为针对相同体素并针对相同平滑化程度确定的不同局部微分性质加权，在步骤107中，分配单元6根据用户选择的性质权重和平滑化程度组合针对图像数据集的每个区域所确定的局部微分性质。此外，分配单元6向这种组合分配颜色，其中在步骤108中由显示单元在第一显示区域13中显示分配给区域的颜色，即分配给图像数据集的体素的颜色。

可以调整可视化方法以适应由上文和权利要求中所述的可视化设备的单元执行的步骤。该可视化方法优选至少包括如下步骤：提供图像数据集，确定图像数据集的不同区域的局部微分性质，根据确定的局部微分性质向图像数据集的不同区域分配可视化性质，以及显示分配给图像数据集不同区域的可视化性质。

可视化设备优选适于允许旋转第一显示区域13中显示的对象，使得可以从不同方向检查它。具体而言，如果将存储单元中存储的预先计算的局部微分性质用于向图像区域分配可视化性质，则可以实时进行旋转。

可以将本发明用作扫描机控制台、图像工作站的一部分，图形工作站例如，扩展的Brilliance Workspace、ViewForum和像iSite的PACS工作站。该显示设备能够提供在针对类似肺的单个器官、例如胸廓的身体部分或者整个身体图像的，诸如计算断层摄影成像图像数据集的三维体图像数据集上，提供快速概览。在不同分辨率尺度上对局部微分性质进行颜色编码允许不使用显式CAD工具或分割算法直观目视识别各种器官部分，例如血管、裂隙或气道，以及诸如肿瘤的异常。第一显示区域13，即导航窗口中的绘制中的任何感兴趣点都可以被点击，并且用户将被指引到原始图像数据集中的对应位置，在第二显示区域14中示出了该位置，用于进一步目测检查。由于预先计算局部微分性质，所以绘制图可以交互地旋转并且分辨率尺度贡献可以实时改变。

由于肿瘤在第一显示区域13中视觉上突出但未明确标记，所以CAD工具复杂的管理批准做法一般不需要。此外，由于显示设备优选不包括显式分割算法，所以一般不容易有伴随二元分类决定的普通错误分类问题。此外，由于第一显示区域13中的可视化依赖于局部微分几何算子，所以对绝对阈值或诸如Hounsfield值的强度值不敏感或较不敏感。此外，噪声不是问题，因为在更大平滑化程度中，即在更高水平的分辨率尺度空间中自动变得较不重要。通过修改平滑化程度，用户能够朝向用户发现可接受的噪声水平交互式地进行改变。此外，由于显示设备执行的计算优选不包括分割，具体而言，利用全局结构和高度的随机存储器存取，图像数据集可视化所需的计算对于多内核处理器而言是可以高度并行化的。

尽管在上述实施例中关于RGB颜色坐标系分配颜色，但替代RGB颜色坐标系，也可以使用另一种颜色坐标系，例如HSV系统。此外，作为分配颜色的替代，可以向体素分配另一种可视化性质，例如透明程度。

尽管在描述的实施例中，图像数据集是三维图像数据集，但显示设备也可以将二维图像数据集可视化。

尽管在上述实施例中，首先对图像数据集进行平滑化，然后降低，然后确定微分性质，之后执行分配流程，最后显示分配的可视化性质，但在另一实施例中，这些操作的顺序可以不同。此外，可以省略特定操作。例如，可以省略分辨率降低操作。

尽管在上述实施例中，针对体素确定的局部微分性质优选是Hesse矩阵的特征值，但也可以确定其他局部微分性质，例如，梯度大小、辐射点方向矢量、Hesse矩阵特征矢量、结构张量属性等。

在一个实施例中，微分性质确定单元适于针对不同区域确定局部Hesse矩阵的最弱特征值、局部形状指数和平均局部形状指数作为局部微分性质。微分性质确定单元适于通过针对每个区域，优选针对每个体素计算局部形状指数来确定平均局部形状指数，并适于向图像数据集的逐个区域、优选逐个体素的局部形状指数值应用高斯平滑滤波器。

局部形状指数优选是基于通过图像数据集的相应区域的等照度表面曲率的值，所述区域优选由二维或三维灰度值体积构成。优选隐式地将等照度表面定义为与相应区域，例如相应体素处的梯度矢量正交的表面。

利用隐含给出的等照度轮廓，在利用投影矩阵P＝I-gg^t(其中I是单位矩阵)消除归一化梯度g的方向之后，从由Hesse矩阵H导出的矩阵H'＝PH的两个特征值k₁和k₂形成形状指数

$S=\frac{2}{\mathrm{\π}}\arctan \frac{k_2+k_1}{k_2-k_1},k_1\≥k_2.---\left(5\right)$

消除梯度矢量g的贡献，因为我们仅对垂直于等照度表面法线的曲率感兴趣，该法线是由梯度矢量g给出的。Hesse矩阵H是从六个独立的二阶导数确定的：

$H=\left[\begin{array}{c}{g}_{\mathrm{xx}}{g}_{\mathrm{xy}}{g}_{\mathrm{xz}}\\ g_{\mathrm{yx}}{g}_{\mathrm{yy}}{g}_{\mathrm{yz}}\\ g_{\mathrm{zx}}{g}_{\mathrm{zy}}{g}_{\mathrm{zz}}\end{array}\right]---\left(6\right)$

投影矩阵P从Hesse矩阵H消除了与梯度矢量g对准的所有分量，因此矩阵H'＝PH仅有两个非零特征值k₁和k₂。

对于平滑的凸面和规则结节表面，局部形状指数在表面上任何地方都产生接近+1的正值。在任何毛刺征(spiculi)或附属血管周围，局部形状指数变得较小或为负值，从而减小了结节表面上的总平均形状指数。例如，在如下文章中公开了局部形状指数的更详细论述：Rafael Wiemker等人，“Agreement of CAD features with expert observer ratings for characterizationof pulmonary nodules in CT using the LIDC-IDRI database”，SPIE MedicalImaging2009，SPIE vol.7260，通过引用将其并入本文。

在本实施例中，分配单元适于根据局部Hesse矩阵的最弱特征值分配颜色饱和度并根据平均局部形状指数，向不同区域，尤其是不同体素分配色调。优选地，将平均局部形状指数映射到颜色标度，颜色标度即HSV颜色系统的色调值H。例如，将1.0的平均局部形状指数映射到绿色，表示恶性的可能性低，将零或小于零的平均局部形状指数映射到红色，表示恶性的可能性高。因此，优选通过分配单元将平均局部形状指数映射到恶性颜色标度，例如，绿色到红色，用于确定区域，尤其是体素的色调。由增强结节结构的特征的强度给出每个区域，尤其是每个体素的HSV颜色体系的饱和度S。在本实施例中，饱和度S是由局部Hesse矩阵的最弱特征值给出的。对于Hesse矩阵的归零的第三特征值，饱和度S为零，即“泡状物(blobness)”等于零。HSV颜色体系的强度值V优选取决于相应图像数据集的区域的图像值，尤其是取决于图像数据集的相应区域的Hounsfield值。如果该区域包括若干体素，强度值V优选取决于相应区域的体素的图像值的平均值。在优选实施例中，强度值V分别等于相应区域的Hounsfield值或平均Hounsfield单元。分配单元优选还适于利用公知的公式将针对每个区域的HSV值转换成RGB值。显示单元优选适于显示分配给区域，具体而言，分配给体素的颜色，其中优选将非节状解剖结构绘制为灰度阴影背景，即色饱和度为零，用于向用户提供目视取向。

优选利用类似最大强度投影技术的绘制技术在第一显示区域中显示彩色体素。如上所述，可以在第一显示区域之内旋转可视化，并且用户能够指示第一显示区域之内的位置，其中在第二显示区域中示出原始提供的图像数据集的对应位置。

由于局部几何性质的颜色编码，像结节和淋巴结的异常结构能够在视觉上突出，色饱和度反映存在这样的异常，色调反映其可能的恶性程度。具体肿瘤候选者的显式分割和分割形状的分析不是必要的，因为优选通过在更大分辨率尺度上逐个体素滤波来收集特定区域上的恶性特征。

优选地，由所述的颜色编码在视觉上突出肿瘤及其潜在的恶性，而不是明确标记或通过概率数字加权。由于可视化性质，尤其是颜色的确定不包括显式分割，所以不容易出现伴随二元分类决定的正常错误分类问题，而且对于多核处理器而言它是可以高度并行化的。由于绘制优选依赖于微分几何算子，所以一般对绝对阈值或诸如Hounsfield值的强度值不敏感，并且由于由微分性质确定单元使用来确定局部微分性质的微分几何算子仅需要非常基本和局部的数学运算，所以计算理想地适于在图形处理单元(GPU)上执行。

可以将可视化设备和方法实现为软件算法，以提供快速概览，其具有在三维体图像数据集，比如计算断层摄影成像或磁共振图像数据集上，具体而言，针对类似肺或乳房的单个器官，类似胸廓的身体部分或整个身体的图像，进行导航的功能。

优选地，对从已发现与肿瘤恶性相关的不同分辨率尺度上的微分几何性质组合的局部特征进行颜色编码。可以利用带绿色的色调显示类似肿瘤或淋巴结的结节结构，可以利用红色色调混合恶性特征。这样能够将用户的视觉注意力直观地向更可能活动的肿瘤引导，不会用数字和图解符号弄乱原始图像数据集。优选地，导航器绘制中，即第一显示区域中的任何感兴趣点都可以被点击，然后用户将被指引到原始图像数据集中的对应位置，在第二显示区域14中示出了该位置，用于进一步目测检查。由于局部微分性质优选是事先计算的，所以可以实时交互地修改该绘制。

可视化设备优选适于将图像数据集可视化，从而实现计算机辅助可视化和分析(CAVA)的范型以区分于经典CADe/CADx方法。这种范型假定对离散分类没有显式分类，即例如没有区域标记，具体而言，体素的标记，即“所有体素生来相等”。该范型进一步假定没有肿瘤候选的列表，没有分割，即例如没有肿瘤候选的描绘，没有显式图形标记，例如箭头或圆，没有显式可能性数字，并且没有原始图像数据集的变化，仅有与额外增强绘制的相互配准。相反，可视化性质优选适于采用整个色空间，即例如强度、色调、饱和度，其中将各种微分几何性质组合成混合色，并通过利用像最大强度投影的适当体绘制将图像体积的所有体素的颜色值投射到概览中将这种信息直观传达给用户，其中将认知部分和决策留给用户的视觉皮层。

可视化设备优选适于根据特定的恶性相关数字特征隐式地增强异常，并充当三维图像数据集中的导航器，而不利用内部分割和探测算法。可视化设备优选对从发现与肿瘤恶性相关、在不同分辨率尺度上的微分几何性质组合的局部特征进行颜色编码。

如上所述，可以由平均局部形状指数，即例如在肿瘤体积上平均的局部形状指数给出肿瘤恶性的指示。在实施例中，通过应用高斯滤波器可以实现这一目的而无需肿瘤的显式分割，应用高斯滤波器相当于在高斯滤波器宽度尺寸的范围上的加权平均。例如，可以通过校准事先定义高斯滤波器的适当宽度。可以将作为恶性特征的平均局部形状指数乘以表示肿瘤存在的特征，具体而言，假设局部Hesse矩阵的所有特征值都是负的，乘以局部Hesse矩阵的最弱特征值。可以将所得的特征视为分配了可视化性质，具体而言，分配了颜色的局部微分性质，其中由显示单元显示可视化性质。

图8示意性和示范性示出了用于将图像数据集可视化的可视化设备的另一实施例。可视化设备201包括图像数据集提供单元202，用于提供与第一时间对应的第一图像数据集和与第二时间对应的第二图像数据集。可视化设备201还包括用于根据平滑化程度将第一图像数据集和第二图像数据集平滑化的平滑化单元203。优选由用户使用平滑化设置单元210设置平滑化程度。

可视化设备201还包括微分性质确定单元205，其适于a)产生定义第一图像数据集和第二图像数据集相对彼此的配准的配准矢量场，b)针对第一图像数据集和/或第二图像数据集的不同区域确定配准矢量场的局部微分性质作为局部微分性质。

在本实施例中，微分性质确定单元205优选适于执行用于产生配准矢量场的弹性配准。第一图像数据集和第二图像数据集示出了在不同时间，即，第一时间和第二时间的相同对象。该对象例如是肿瘤或整个器官。在本实施例中，该区域为体素，第一和第二图像数据集优选是类似计算断层摄影成像设备或磁共振成像设备的成像器械的三维体数据集。

微分性质确定单元205适于为每个体素确定三维配准矢量，该三维配准矢量连接第一图像数据集和第二图像数据集中的对应体素位置。配准优选是弹性配准，其可以是已知的参数弹性配准，例如基于样条的弹性配准或非参数弹性配准。

微分性质确定单元205适于确定配准矢量场的局部雅可比矩阵的特征值作为局部微分性质。

可视化设备201还包括分配单元206，用于向第一图像数据集和/或第二图像数据集的不同区域分配可视化性质。分配单元206可以适于根据特征值的符号向不同区域分配可视化性质。具体而言，只要一区域的第一特征值为正，分配单元206可以适于向区域分配第一可视化性质，只要一区域的第一特征值和第二特征值为正，向区域分配第二可视化性质，如果区域的所有特征值都是正，向区域分配第三可视化性质，其中第一、第二和第三可视化性质是不同的。

针对每个体素，确定3×3雅可比矩阵，其中3×3雅可比矩阵由相对于三个空间轴，例如相对于三个空间配准矢量分量的x、y和z轴的三个偏导数构成。在沿着空间轴，例如沿x、y或z方向移位体素时，可以通过确定矢量场的变化计算偏导数，其中针对配准矢量的三个空间分量，例如，针对x、y和z分量，独立确定所述变化，从而为每个体素构建3×3雅可比矩阵。如果配准是产生参数配准矢量场的参数配准，可以备选地从参数配准矢量场的局部参数直接确定雅可比矩阵。

在本实施例中，分配单元206优选适于向区域的雅可比矩阵的正和负特征值分配六种颜色，其中通过特征值的大小对这六种颜色加权，对加权的颜色求平均以产生针对区域的最终绘制颜色。于是，向可能符号，即正或负，与雅可比矩阵的特征值的每种组合，分配颜色，获得线性组合的六种颜色，其中通过相应特征值的大小对六种颜色加权。

可视化设备201还包括显示单元207，用于显示向第一图像数据集和/或第二图像数据集的不同区域分配的可视化性质。而且，显示单元207包括上文参考例如图5所述的第一显示区域和第二显示区域。优选在第一显示区域中示出分配的可视化性质。

显示单元207优选适于例如利用最大强度投影，将为第一和/或第二图像数据集的区域确定的颜色投射到第一显示区域上的三维绘制中，其中优选给每条观察射线上具有最高雅可比行列式的区域，尤其是体素，以优先级。选择单元230允许用户在第一显示区域中选择位置，其中显示单元207适于指示示出了第一或第二原始图像数据集的第二显示区域中的对应位置。于是，点击到第一显示区域中的三维绘制图像中会指引到第二显示区域中的对应三维位置，第二显示区域示出了原始三维图像体积，即例如Orthoviewer中的第一图像数据集或第二图像数据集。第二显示区域中的对应三维位置是对颜色编码的绘制的点击位置贡献最大的体素的位置。

为了沿着每条观察射线执行最大强度投影以将三维图像体积可视化，优选选择三维图像体积的最强体素值用于由显示单元示出的二维投影图像。除了二维投影图像之外，优选同时产生所谓的深度图，其存储沿每条观察射线选择的最强体素值的三维位置。在优选实施例中，针对若干特征中的每个确定具有其对应深度图的二维投影图像，该若干特征是确定的局部微分性质或确定的局部微分性质的组合。可以利用类似下文更详细描述的性质权重的特征特异性权重通过特征特异性的二维最大投影图像的线性叠加来计算颜色投影图像，性质权重可以事先定义或由用户通过性质权重设置单元211选择。

如果利用选择单元230在第一显示区域中示出的二维投影图像中选择了特定观察射线，可以确定在选择的观察射线上哪个特征自身或乘以其特征权重是最大的，并可以确定使用哪个深度图来查找特征值所源自的体素的三维位置。在第二显示区域中，可以显示查找到的第一图像数据集或第二图像数据集中的三维位置。

类似于上文参考图1所述的图像数据集提供单元2，图像数据集提供单元202也优选是存储单元，其中存储第一图像数据集和第二图像数据集并且可以从其检索图像数据集以提供图像数据集。不过，图像数据集提供单元202也可以是传送单元，其允许将图像数据集传送到平滑化单元203，以提供第一图像数据集和第二图像数据集。

类似于平滑化设置单元10，平滑化设置单元210也优选包括图形用户界面，其允许用户设置和修改平滑化程度，其中图形用户界面可以包括滑动控制块，用于设置和修改平滑化程度。

可视化设备201还包括存储单元208，其中平滑化单元203适于根据不同平滑化程度对第一图像数据集和第二图像数据集平滑化若干次，以产生若干不同地平滑化的图像数据集。微分性质确定单元205优选适于针对不同地平滑化的图像数据集，在这一实施例中即针对第一图像数据集和第二图像数据集的每个体素，并针对每个平滑化程度，即针对每个分辨率尺度，确定不同区域的若干局部微分性质，确定的特征优选是所确定配准矢量场的局部雅可比矩阵的特征值。存储单元208适于存储针对不同地平滑化的图像数据集确定的不同区域的若干局部微分性质。这是针对特定数量的平滑化程度执行的，该数量可以是预定义的或可以由用户选择。如果用户使用平滑化设置单元210选择了特定平滑化程度，分配单元206从存储单元208检索对应于选定平滑化程度的、已经针对经平滑化的第一和第二图像数据集确定的局部微分性质，分配单元206根据检索的局部微分性质向图像数据集的不同区域分配可视化性质。存储单元、平滑化设置单元、分配单元和平滑化单元的协作类似于上文参考图1所述的对应协作。

分配单元206可以适于根据如下方程来组合所确定的局部微分性质：

$I_c\left[x\right]=\underset{f,s}{\mathrm{\Σ}}C(f,s,c)W(f,s)F(f,s)\left[x\right].---\left(7\right)$

由三个强度值I_c描述第一图像数据集或第二图像数据集之内的空间位置x的颜色，其中c表示R、G、B-通道(红、绿、蓝通道)。相应的强度I_c是在特征f以及平滑化程度s上求和的结果，特征f即所确定的局部微分性质或所确定的局部微分性质的组合，平滑化程度s也可以被视为针对每个颜色通道c的分辨率尺度。特征值F(f,s)[x]是针对每个位置x、针对每个特征f并在每个分辨率尺度s上计算的。特征值例如是局部雅克比矩阵的特征值。权重矩阵W(f,s)给出了每个特征f和每个分辨率尺度s特异的权重。于是，例如，如果用户使用平滑化程度设置单元209选择了平滑化权重，且如果用户利用性质权重设置单元211选择了性质权重，优选向权重矩阵中输入这些权重，具体而言，将这两个权重相乘并输入到权重矩阵中。颜色矩阵C(f,s,c)给出了针对每个特征f、每个分辨率尺度或每个颜色通道c＝{R,G,B}中的平滑化程度s的强度值。优选地，对于给定的颜色通道c，特征存储在一维矢量F中，该一维矢量乘以二维权重矩阵W和一维转置颜色贡献矢量C以产生标量值I_c。

优选利用类似于上文参考图1所述的平滑程度权重设置单元9的平滑程度权重设置单元209设置针对权重矩阵W的经平滑化的程度权重。

性质权重设置单元211适于允许用户设置性质权重，以为图像数据集的相同区域的特征，具体而言，相同区域的局部微分性质加权。类似于上文参考图1所述的性质权重设置单元11，性质权重设置单元211还优选包括图形用户界面，用于允许用户设置和修改性质权重。

如上所述，可以使用平滑化单元203根据期望的平滑化程度对第一图像数据集和第二图像数据集进行平滑化，以在若干分辨率尺度上产生配准矢量场并针对期望的平滑化程度，即在每个分辨率尺度上，确定局部雅可比矩阵的特征值。用户可以利用平滑化设置单元210设置期望的平滑化程度。分配单元206可以适于组合针对不同平滑化程度确定的雅可比矩阵的特征值以确定局部微分性质，其中向该局部微分性质分配颜色。因此可以在不同的空间分辨率尺度上计算弹性配准和局部雅可比矩阵的分析，其中利用平滑程度权重构建绘制颜色，平滑化程度权重也可以被视为尺度权重，并可以由用户利用平滑程度权重设置单元209设置。

此外，还是在这一实施例中，分辨率降低单元能够降低第一图像数据集和第二图像数据集或配准矢量场的分辨率，以允许针对降低的分辨率确定雅可比矩阵的特征值。

可以在对象，具体而言，肿瘤的灰度值绘制上重叠雅可比颜色绘制，以便改善空间取向。具体而言，优选将从局部雅可比性质导出的彩色图像与第一图像数据集或第二图像数据集的图像灰度值的最大强度投影叠加。可以将这种最大强度投影视为常规的最大强度投影，可以将其作为灰度值，即零颜色饱和度来叠加，使得观察者感觉到它是从局部雅可比特征产生的彩色图像的背景。

在下文中，将参考图8所示的流程图示范性描述用于将图像数据集可视化的可视化方法。

在步骤301中，提供对应于第一时间的对象的第一图像数据集和对应于第二时间的对象的第二图像数据集。在步骤302，产生定义第一图像数据集和第二图像数据集相对彼此的配准的配准矢量场，并且在步骤303中，确定针对第一图像数据集或第二图像数据集的不同区域的配准矢量场的局部微分性质作为局部微分性质。具体而言，确定配准矢量场的局部雅可比矩阵的特征值作为局部微分性质。

在步骤304中，根据确定的局部微分性质向第一图像数据集和/或第二图像数据集的不同区域分配可视化性质，其中可视化性质定义分配了可视化性质的区域的可视化。在步骤305中，显示分配给第一图像数据集和/或第二图像数据集的可视化性质。

而且在涉及雅可比矩阵的本实施例中，计算是完全可以并行化的，具体而言，通过各区域，通过各分辨率或通过各平滑化程度进行并行化，从而能够在专用协处理器、多处理器计算机、分布式计算机或像GPU的硬件图形卡上执行。可以利用剖面或预分割修改雅可比绘制，从而仅绘制特定的器官部分，并且使投影仅遮挡较少器官部分。

由于雅可比颜色编码获得局部生长特性的颜色编码，所以用户能够非常迅速地评价局部变化的对象生长模式，具体而言，肿瘤生长模式，而不使用显式CADx算法。相比于更加各向同性的生长而言，对于不规则的癌生长，生长模式可能是典型的，这是由于炎症和瘢痕形成。平滑化设置单元允许用户交互地改变用户关心的尺度，即小对象相对于更大对象。此外，噪声不是问题，因为它在更高平滑化程度中自动变得较不重要。用户能够交互地向着用户发现可接受的噪声水平改变。

可以在软件和/或硬件中实施基于雅可比矩阵分析的上述实施例，以提供两个或更多时间点之间的像肿瘤或整个器官的对象的局部生长特性的三维绘制。一个优点是对局部改变的生长属性进行颜色编码，可以针对不同平滑化程度实现，即可以在不同分辨率尺度上提供这种颜色编码，且其可以允许直观地目视识别典型恶性的生长模式，而无需利用显式CADx工具或分割算法。优选针对局部的一维、二维或三维生长显示不同的色调和色彩强度。为了实现这个目的，针对每个图像区域，具体而言，针对每个图像像素，计算由两个或更多时间点的图像之间的弹性配准所提供的配准矢量场的雅可比矩阵的特征值，其中优选向每个特征值分配固定的颜色，并且通过混合适当的雅可比特征值贡献来构建显示颜色。然后优选利用例如最大强度投影技术向观察窗上投射每个区域的显示颜色，观察窗优选是显示单元的第一显示区域。可以点击三维雅可比绘制中的任何感兴趣点，然后将用户指引到原始第一图像数据集或第二图像数据集中的对应位置，进行进一步目测检查。由于特征值优选是事先计算的，具体而言，针对不同平滑化程度和/或不同降低的分辨率计算的，所以可以实时交互地修改绘制。

尽管在上述实施例中，优选由用户利用平滑化设置单元设置平滑化程度，其中平滑化单元根据平滑化程度对图像数据集进行平滑化，但也可以预先定义平滑化程度，其中根据不同的平滑化程度对不同图像数据集进行平滑化，且其中可以在存储单元中存储不同地平滑化的图像数据集。

通过研究附图、公开和所附权利要求，本领域的技术人员在实践请求保护的本发明时能够理解和实现所公开实施例的其他变化。

在权利要求中，“包括”一词不排除其他元件或步骤，不定冠词“一”或“一个”不排除多个。

单个单元或装置可以完成权利要求中列举的若干项目的功能。在互不相同的从属权利要求中列举特定手段的简单事实并不表示不能使用这些手段的组合进行改进。

可以由任何其他数量的单元或装置执行由一个或多个单元或装置执行的诸如局部微分性质的确定的确定、图像数据集的平滑化、分辨率降低、向图像数据集的区域分配可视化性质以及显示，尤其是绘制所分配的可视化性质。例如，可以由单个单元或由任何其他数量的不同单元执行确定、平滑化操作、分辨率降低操作、分配操作和显示操作。可以将可视化设备根据所述可视化方法的确定、平滑化、分辨率降低、分配和/或显示操作和/或控制实现为计算机程序的程序代码模块和/或专用硬件。

可以在适当的介质上存储/分布计算机程序，该介质例如是与其他硬件一起供应或作为其他硬件一部分供应的光存储介质或固态介质，不过计算机程序也可以以其他形式分布，例如通过互联网或其他有线或无线电信系统。

权利要求中的任何附图标记不应被解释为限制范围。

本发明涉及一种用于将图像数据集可视化的可视化设备。所述可视化设备包括用于提供图像数据集的图像数据集提供单元，用于确定针对图像数据集的不同区域的局部微分性质的微分性质确定单元，用于根据确定的局部微分性质向图像数据集的不同区域分配可视化性质的分配单元，其中可视化性质定义分配了可视化性质的区域的可视化，以及用于显示分配给图像数据集的不同区域的可视化性质。通过显示分配给图像数据集的不同区域的可视化性质，可以将不同对象在视觉上彼此分开而无需大的计算成本。

Claims (15)

1.一种用于将图像数据集可视化的可视化设备，所述可视化设备(1；201)包括：

-用于提供所述图像数据集的图像数据集提供单元(2；202)，

-用于针对所述图像数据集的不同区域确定局部微分性质的微分性质确定单元(5；205)，其中，所述微分性质确定单元(5；205)适于针对所述图像数据集的所述不同区域中的一相同区域确定若干局部微分性质，

-用于根据所确定的局部微分性质向所述图像数据集的所述不同区域分配可视化性质的分配单元(6；206)，其中，可视化性质定义分配了所述可视化性质的区域的可视化，其中，所述分配单元(6；206)适于向所述相同区域的若干局部微分性质的加权组合分配可视化性质，其中，所述可视化设备还包括性质权重设置单元(11；211)，其用于允许用户为所述图像数据集的所述相同区域的若干局部微分性质的加权组合设置性质权重，

-用于显示分配给所述图像数据集的所述不同区域的所述可视化性质的显示单元(7；207)。

2.根据权利要求1所述的可视化设备，其中，所述可视化设备还包括：

-用于根据平滑化程度将所述图像数据集平滑化的平滑化单元(3；203)，以及

用于允许用户设置所述平滑化程度的平滑化设置单元(10；210)。

3.根据权利要求2所述的可视化设备，其中，所述可视化设备(1；201)包括存储单元(8；208)，其中，所述平滑化单元(3)适于根据不同的平滑化程度对所述图像数据集平滑化若干次，以产生若干不同地平滑化的图像数据集，其中，所述微分性质确定单元(5；205)适于针对不同地平滑化的图像数据集确定所述不同区域的若干局部微分性质，其中，所述存储单元(8；208)适于存储针对不同地平滑化的图像数据集确定的所述不同区域的若干局部微分性质，其中，如果平滑化程度是通过使用所述平滑化设置单元(10；210)设置的，所述分配单元(6；206)适于从所述存储单元(8；208)检索针对对应于所设置的平滑化程度的平滑化的图像数据集已确定的所述局部微分性质，并根据所检索的局部微分性质向所述图像数据集的所述不同区域分配所述可视化性质。

4.根据权利要求1所述的可视化设备，其中，所述可视化设备还包括用于根据平滑化程度将所述图像数据集平滑化的平滑化单元(3；203)，所述微分性质确定单元(5；205)适于针对所述图像数据集的不同平滑化程度确定所述相同区域的若干局部微分性质，其中，所述分配单元(6；206)适于向所述相同区域的若干局部微分性质的加权组合分配可视化性质，其中，所述可视化设备还包括平滑程度权重设置单元(9；209)，用于允许用户为该若干局部微分性质的加权组合设置平滑程度权重。

5.根据权利要求4所述的可视化设备，其中，所述可视化设备包括存储单元(8；208)，其用于存储针对所述图像数据集的所述不同平滑化程度确定的所述相同区域的若干局部微分性质，其中，如果平滑程度权重是通过使用所述平滑程度权重设置单元(9；209)设置的，所述分配单元(6；206)适于从所述存储单元(8；208)检索所述相同区域的若干局部微分性质，并根据通过使用所述平滑程度权重设置单元(9；209)设置的所述平滑程度权重向所检索的若干局部微分性质的加权组合分配所述可视化性质。

6.根据权利要求1所述的可视化设备，其中，所述可视化设备还包括分辨率降低单元(4)，其用于降低所述图像数据集的分辨率。

7.根据权利要求1所述的可视化设备，其中，所述可视化设备包括存储单元(8；208)，其用于存储所确定的所述图像数据集的所述不同区域中的所述相同区域的若干局部微分性质，其中，如果性质权重是通过使用所述性质权重设置单元(11；211)设置的，所述分配单元(6；206)适于从所述存储单元(8；208)检索所述相同区域的局部微分性质，并根据通过使用所述性质权重设置单元(11；211)设置的所述性质权重向所检索的若干局部微分性质的加权组合分配可视化性质。

8.根据权利要求1所述的可视化设备，其中，所述显示单元(7)包括第一显示区域(13)和第二显示区域(14)，其中，所述显示单元(7)适于在所述第一显示区域(13)中显示分配给所述不同区域的所述可视化性质并在所述第二显示区域(14)中显示所提供的图像数据集的图像值，其中，所述可视化设备包括选择单元(15)，其用于允许用户在所述第一显示区域(13)中选择一位置，其中，所述显示单元(7)适于在所述第二显示区域(14)中指示出对应位置。

9.根据权利要求1所述的可视化设备，其中，

-所述图像数据集提供单元(202)适于提供对应于第一时间的对象的第一图像数据集和对应于第二时间的所述对象的第二图像数据集，

-所述微分性质确定单元(205)适于：

-产生配准矢量场，所述配准矢量场定义所述第一图像数据集和所述第二图像数据集相对于彼此的配准，并且

-确定针对所述第一图像数据集或所述第二图像数据集的不同区域的所述配准矢量场的局部微分性质作为所述局部微分性质。

10.根据权利要求9所述的可视化设备，其中，所述微分性质确定单元(205)适于执行用于产生所述配准矢量场的弹性配准。

11.根据权利要求9所述的可视化设备，其中，所述微分性质确定单元(205)适于确定所述配准矢量场的局部雅可比矩阵的特征值作为所述局部微分性质。

12.根据权利要求11所述的可视化设备，其中，所述分配单元(206)适于根据所述特征值的符号向所述不同区域分配所述可视化性质。

13.根据权利要求12所述的可视化设备，其中，所述分配单元(206)适于：

-只要一区域的第一特征值为正，向该区域分配第一可视化性质，

-只要一区域的第一特征值和第二特征值为正，向该区域分配第二可视化性质，

-如果一区域的所有特征值都为正，向该区域分配第三可视化性质，

其中，所述第一、第二和第三可视化性质是不同的。

14.一种用于将图像数据集可视化的可视化方法，所述可视化方法包括如下步骤：

-提供所述图像数据集，

-针对所述图像数据集的不同区域确定局部微分性质，其中，针对所述图像数据集的所述不同区域的一相同区域确定若干局部微分性质，

-根据所确定的局部微分性质向所述图像数据集的所述不同区域分配可视化性质，其中，可视化性质定义分配了所述可视化性质的区域的可视化，其中，向所述相同区域的若干局部微分性质的加权组合分配可视化性质，其中，允许用户为所述图像数据集的所述相同区域的若干局部微分性质的加权组合设置性质权重，

-显示分配给所述图像数据集的所述不同区域的可视化性质。

15.一种用于将图像数据集可视化的装置，包括：

-用于提供所述图像数据集的模块，

-用于针对所述图像数据集的不同区域确定局部微分性质的模块，其中，针对所述图像数据集的所述不同区域的一相同区域确定若干局部微分性质，

-用于根据所确定的局部微分性质向所述图像数据集的所述不同区域分配可视化性质的模块，其中，可视化性质定义分配了所述可视化性质的区域的可视化，其中，向所述相同区域的若干局部微分性质的加权组合分配可视化性质，其中，允许用户为所述图像数据集的所述相同区域的若干局部微分性质的加权组合设置性质权重，

-用于显示分配给所述图像数据集的所述不同区域的可视化性质的模块。