CN103077557B - 一种自适应分层次胸部大数据显示的实现方法 - Google Patents
一种自适应分层次胸部大数据显示的实现方法 Download PDFInfo
- Publication number
- CN103077557B CN103077557B CN201310049741.4A CN201310049741A CN103077557B CN 103077557 B CN103077557 B CN 103077557B CN 201310049741 A CN201310049741 A CN 201310049741A CN 103077557 B CN103077557 B CN 103077557B
- Authority
- CN
- China
- Prior art keywords
- rsqb
- lsqb
- value
- data
- image sequence
- 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
Links
Landscapes
- Image Analysis (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种自适应分层次的胸部大数据显示的实现方法,包括以下几个步骤:将CT断层图像分成目标层图像序列和背景层图像序列;对分割出来的目标层图像序列进行层间立方卷积插值的处理,形成各轴向分辨率接近的体数据,利用移动立方体算法进行清晰面绘制;对背景层序列的数据进行层内、层间采样,得到分辨率降低的非感兴趣区域数据,将该数据利用光线投射算法进行粗略体绘制;将清晰面绘制和粗略体绘制的绘制结果同时显示,进行混合三维可视化。本发明增大感兴趣区的局部分辨率,降低非感兴趣区域的各向分辨率,既方便用户了解局部感兴趣区域的结构信息,又减少数据量,使绘制能够在普通计算机上进行。
Description
技术领域
本发明涉及一种自适应分层次胸部大数据显示的实现方法,特别是对胸腔及肺部的图像分割,指定区域的层间插值及层内采样和胸部分区可视化的实现方法,属于医学图像处理技术领域。
背景技术
医学图像三维重建及可视化是利用人类视觉系统特性,在计算机上对医学成像设备产生的二维离散数据进行插值,转换成直观的、具有立体效果的图像用于展示组织、器官的三维形态,提供传统手段无法获取的结构信息。三维重建及可视化改变了传统的阅片方式,能够给医生提供传统二维阅片方式无法获得的解剖结构信息,给医生提供真实感的三维图像,能够从任意角度观察组织器官,医生可以准确的获得病变位置及体积等信息,并可以进行手术模拟,提高手术的成功率和完成质量,对于医生的临床诊断提供一定辅助作用。
目前,医学图像三维重建中通常利用的方法有面绘制与体绘制。面绘制技术是最早应用到医学图像三维重建的方法,常用的是基于体素的等值面重建,基本思想是从二维图像序列中提取等值面,利用绘制算法、光照、纹理映射等算法还原物体等值面,形成三维模型。移动立方体(Marching Cubes)算法由Lorensen和Cline于1987年提出,用于三维规则数据场等值面的生成。面绘制虽然能够有效的绘制三维物体的表面,但是缺少内部信息的表达,因此,从上世纪80年代开始,体绘制技术成为可视化中非常重要的一种技术。其中以图像空间为序的体绘制技术光线投射法(Ray Casting)由于能够很好地反映出物质边界的变化,对于一些组织器官的性质、形状以及相互之间的层次关系能够较好表示,因此被广泛应用于医学图像的三维重建中。
面绘制能够得到一个表面定位准确、拓扑结构正确的三维模型,绘制到平面上得到一个清晰的图像,但无法显示内部细节;而体绘制得到的是沿观察视线上所有体元的积分效果,比较模糊,且计算量大,实现时间长,但能保留整体细节。
近些年随着技术的不断更新,图像采集设备的不断发展,医学图像清晰度增高、分辨率增大,能够得到的医学数据量越来越庞大,对于大数据量的三维绘制就出现了一系列问题需要解决。首先,数据量的增大,造成普通计算机无法负荷大数据量的计算,无法得到三维的绘制结果。其次,对于图像使用单一方法进行绘制,无法满足清晰绘制的同时保留其他必要细节。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种实现方便、非常适用于临床数据、能处理大数据量医学图像的自适应分层次胸部大数据显示的实现方法。
本发明的目的可以通过以下技术方案来实现:
自适应分层次的胸部大数据显示的实现方法包括以下几个步骤:
第一步,对于CT数据集中的断层图像由区域增长算法得到初始分割结果,选取感兴趣区域,按照原图像序列的顺序保存,形成目标层图像序列,剩余部分即非感兴趣区域也按照原图像序列顺序保存,形成背景层图像序列;
第二步,对分割出来的目标层图像序列进行层间立方卷积插值的处理,形成各轴向分辨率接近的体数据;
第三步,将第二步得到的数据利用移动立方体算法进行清晰面绘制;
第四步,将背景层序列的数据进行层内、层间采样,得到分辨率降低的非感兴趣区域数据;将该数据利用光线投射算法进行粗略体绘制;
第五步,将清晰面绘制和粗略体绘制的绘制结果同时显示,进行混合三维可视化。
本发明的方法中,所述的第一步具体步骤如下:
在降噪后的胸部CT图像中进行区域增长,赋予各个部分不同的标记值,按原始序列保存形成原始图像序列;选取与感兴趣区域相对应的标记值,将与该标记值对应的所有像素点在原始图像中对应的CT值提取出来,按原图像序列顺序保存,形成目标层图像序列;其余非感兴趣区域所对应的CT值提取出,按原图像序列顺序保存,形成背景层图像序列。
本发明的方法中,所述的第二步中立方卷积插值表达如下:
将待插值点附近共16个像素点的灰度值作三次插值进行计算,插值的权值为Sinc函数的拟合;16个邻点对应灰度值排成的矩阵为:
则坐标点(u, v)处的灰度值f(u, v)近似为:
g(x′,y′)=f(u,v)=ABC
A=[s(1+b) s(b) s(1-b) s(2-b)]
C=[s(1+a) s(a) s(1-a) s(2-a)]T
上式中s(·)函数为:
本发明的方法中,所述第三步的清晰面绘制的具体步骤为:
(1)首先利用灰度形态学开闭运算对插值结果进行平滑,去除分割及插值过程中出现的噪点:
其中O表示开运算,C表示闭运算,F为灰度图像,K为灰度结构元素;
(2)平滑之后采用移动立方体算法进行清晰显示,将插值结果的二维图像序列转化成多边形网格,根据不同组织赋予不同的显示颜色,以区别于其他部位,形成较光滑的等值面,突出显示清晰绘制部分。
本发明的方法中,所述的第四步的具体步骤如下:
(1)首先对背景层数据在层内的XY轴方向做1/4均匀采样,在层间的Z轴方向做1/2均匀采样,由此即降低非感兴趣区域的数据分辨率;
(2)分辨率降低后的数据采用光线投射算法进行粗略体绘制,分为以下几个步骤:
重采样是从屏幕上的每个像素点根据设定的观察方向发出一条射线,沿着这条射线选择若干个等距离的采样点,由距离某一采样点最近的8个数据点的颜色值和不透明值作三次线性插值,求出该采样点的不透明度和颜色值;
再将每条射线上各采样点的颜色值及不透明度值由前向后加以合成,即可得到发出该射线的像素点处的颜色值;
每个像素点所对应的体元不仅要根据分类结果赋予不同的颜色值( R, G, B) ,而且还要赋予不透明度值α;α= 1 表示该体元完全不透明; α= 0 则表示完全透明;β=1-α为透明度值;若第i个体元的颜色值是Cnow,不透明值为αnow,进入第i个体元的颜色值是Cin,不透明值是αin,经过第i个体元之后的颜色值为Cout,不透明值为αout,有:
将各单元颜色值累加后可得:
本发明的方法的第五步中,在将清晰面绘制和粗略体绘制的绘制结果进行混合三维可视化显示过程中,通过对不同的组织设置不同的不透明度值,来选择性地显示不同组织,隐藏某些组织。
与现有技术相比,本发明具有以下优点:
(1)针对感兴趣的局部区域进行分割并进行清晰面绘制,增大局部分辨率,提高面绘制清晰度。方便用户了解局部感兴趣区域的结构信息。
(2)增大层间分辨率时考虑待插值点邻点间灰度值变化率的影响,求得的待插值点灰度值更为精确,插值边缘更为平滑,处理后图像像质损失较少。
(3)降低大部分组织结构即非感兴趣区域的各向分辨率,减少绘制构成中待处理的数据量,简化大型体数据,使绘制能够在普通计算机上进行。
(4)清晰显示局部的同时保留必要组织器官,能够让用户更好的了解该部分与其他组织器官空间位置上的关系等。
附图说明
图1为本发明的流程图。
图2为胸部的原始CT图像之一。
图3为提取肺部区域作为感兴趣区域得到的目标层图像序列之一。
图4为提取肺部区域作为感兴趣区域得到的背景层图像序列之一。
图5为按照本发明的方法得到的以肺部区域作为感兴趣区域的混合三维可视化图像。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。
实施例
本实施例在Pentium® Dual-Core CPU E5800 @ 3.20GHz,显卡为NVIDIAGeForce GT 430,内存为2.0GB,操作系统为Window XP的计算机中实现,整个混合绘制方法采用c++ 语言编写。
本实施例的实施流程如图1所示。
第一步,将胸部的原始CT图像序列(图2所示为该序列图像中一张)采用高斯滤波降噪法进行降噪处理,降噪后的胸部CT图像中利用区域增长算法进行区域增长,赋予各个部分不同的标记值,按原始序列保存形成原始图像序列;选取与感兴趣区域(此处为肺部)相对应的标记值,将与该标记值对应的所有像素点在原始图像中的对应的CT值(灰度信息)提取出来,按原图像序列顺序保存,形成目标层图像序列(图3所示为该序列中的一个)。其余非感兴趣区域(此处包括胸腔内其它器官、皮肤、骨骼等)所对应的CT值(灰度信息)提取出,按原图像序列顺序保存,形成背景层图像序列(图4所示为该序列中的一个)。
第二步,对分割出来的目标层图像序列进行层间立方卷积插值的处理,以形成各轴向分辨率接近的体数据。所述层间立方卷积插值是将待插值点附近共16个像素点的灰度值作三次插值进行计算,插值的权值为Sinc函数的拟合。16个邻点对应灰度值排成的矩阵为:
则坐标点(u, v)处的灰度值f(u, v)近似为:
g(x′,y′)=f(u,v)=ABC
A=[s(1+b) s(b) s(1-b) s(2-b)]
C=[s(1+a) s(a) s(1-a) s(2-a)]T
上式中s(·)函数为:
第三步,将第二步得到的数据利用移动立方体算法进行清晰面绘制。清晰面绘制的具体步骤为:
(1)首先利用灰度形态学开闭运算对插值结果进行平滑,去除分割及插值过程中出现的噪点:
其中O表示开运算,C表示闭运算,F为灰度图像,K为灰度结构元素;
(2)平滑之后采用移动立方体算法进行清晰显示,将插值结果的二维图像序列转化成多边形网格,根据不同组织赋予不同的显示颜色,以区别于其他部位,形成较光滑的等值面,突出显示清晰绘制部分。
第四步,(1)首先对背景层数据在层内的XY轴方向做1/4均匀采样,在层间的Z轴方向做1/2均匀采样,由此即降低非感兴趣区域的数据分辨率;
(2)将分辨率降低的数据利用光线投射算法进行粗略体绘制。体绘制过程中,对不同组织结构赋予不同的不透明度值以及颜色值,以正确的表示多种物质的不同分布或单一物质的不同属性。具体步骤为:
重采样是从屏幕上的每个像素点根据设定的观察方向发出一条射线,沿着这条射线选择若干个等距离(本实施例中,等距离段选取1mm)的采样点,由距离某一采样点最近的8个数据点的颜色值和不透明值作三次线性插值,求出该采样点的不透明度和颜色值;
再将每条射线上各采样点的颜色值及不透明度值由前向后加以合成,即可得到发出该射线的像素点处的颜色值。具体步骤如下
每个像素点所对应的体元不仅要根据分类结果赋予不同的颜色值( R, G, B) ,而且还要赋予不透明度值α;α= 1 表示该体元完全不透明; α= 0 则表示完全透明;β=1-α为透明度值;若第i个体元的颜色值是Cnow,不透明值为αnow,进入第i个体元的颜色值是Cin,不透明值是αin,经过第i个体元之后的颜色值为Cout,不透明值为αout,有:
将各单元颜色值累加后可得:
第五步,将清晰面绘制和粗略体绘制的绘制结果同时显示,进行混合三维可视化。图5可以看出,通过之前对不同的组织设置不同的不透明度值,来选择性地显示不同组织,隐藏某些组织。此实施例中,将高分辨率的感兴趣区域(即肺部区域)的不透明度值设为1,而其它低分辨率的非感兴趣区域的组织(其它器官、皮肤、骨骼等)的不透明度值在0和1之间,以方便对肺部区域的观察。
本发明增大感兴趣区的局部分辨率,降低非感兴趣区域的各向分辨率,既方便用户了解局部感兴趣区域的结构信息,又减少数据量,使绘制能够在普通计算机上进行。
Claims (4)
1.一种自适应分层次的胸部大数据显示的实现方法,其特征在于,包括以下几个步骤:
第一步,对于CT数据集中的断层图像由区域增长算法得到初始分割结果,选取感兴趣区域,按照原图像序列的顺序保存,形成目标层图像序列,剩余部分即非感兴趣区域也按照原图像序列顺序保存,形成背景层图像序列;
第二步,对分割出来的目标层图像序列进行层间立方卷积插值的处理,形成各轴向分辨率接近的体数据;
第三步,将第二步得到的数据利用移动立方体算法进行清晰面绘制;清晰面绘制的具体步骤为:
(1)首先利用灰度形态学开闭运算对插值结果进行平滑,去除分割及插值过程中出现的噪点:
其中O表示开运算,C表示闭运算,F为灰度图像,K为灰度结构元素;
(2)平滑之后采用移动立方体算法进行清晰显示,将插值结果的二维图像序列转化成多边形网格,根据不同组织赋予不同的显示颜色,以区别于其他部位,形成较光滑的等值面,突出显示清晰绘制部分;
第四步,对背景层序列的数据进行层内、层间采样,得到分辨率降低的非感兴趣区域数据;将该数据利用光线投射算法进行粗略体绘制;具体步骤如下:
(1)首先对背景层数据在层内的XY轴方向做1/4均匀采样,在层间的Z轴方向做1/2均匀采样,由此即降低非感兴趣区域的数据分辨率;
(2)分辨率降低后的数据采用光线投射算法进行粗略体绘制,分为以下几个步骤:
重采样是从屏幕上的每个像素点根据设定的观察方向发出一条射线,沿着这条射线选择若干个等距离的采样点,由距离某一采样点最近的8个数据点的颜色值和不透明值作三次线性插值,求出该采样点的不透明度和颜色值;
再将每条射线上各采样点的颜色值及不透明度值由前向后加以合成,即可得到发出该射线的像素点处的颜色值;
每个像素点所对应的体元不仅要根据分类结果赋予不同的颜色值(R,G,B),而且还要赋予不透明度值α;α=1表示该体元完全不透明;α=0则表示完全透明;β=1-α为透明度值;若第i个体元的颜色值是Cnow,不透明值为αnow,进入第i个体元的颜色值是Cin,不透明值是αin,经过第i个体元之后的颜色值为Cout,不透明值为αout,有:
Coutαout=Cinαin+Cnowαnow(1-αin)
αout=αin+αnow(1-αin)
将各单元颜色值累加后可得:
第五步,将清晰面绘制和粗略体绘制的绘制结果同时显示,进行混合三维可视化。
2.根据权利要求1所述的一种自适应分层次的胸部大数据显示的实现方法,其特征在于,所述的第一步具体步骤如下:
在降噪后的胸部CT图像中进行区域增长,赋予各个部分不同的标记值,按原始序列保存形成原始图像序列;选取与感兴趣区域相对应的标记值,将与该标记值对应的所有像素点在原始图像中对应的CT值提取出来,按原图像序列顺序保存,形成目标层图像序列;其余非感兴趣区域所对应的CT值提取出,按原图像序列顺序保存,形成背景层图像序列。
3.根据权利要求1所述的一种自适应分层次的胸部大数据显示的实现方法,其特征在于,所述的第二步中立方卷积插值表达如下:
将待插值点附近共16个像素点的灰度值作三次插值进行计算,插值的权值为Sinc函数的拟合;16个邻点对应灰度值排成的矩阵为:
则坐标点(u,v)处的灰度值f(u,v)近似为:
g(x',y')=f(u,v)=ABC
A=[s(1+b) s(b) s(1-b) s(2-b)]
C=[s(1+a) s(a) s(1-a) s(2-a)]T
上式中s(·)函数为:
4.根据权利要求1所述的自适应分层次的胸部大数据显示的实现方法,其特征在于,所述的第五步中,在将清晰面绘制和粗略体绘制的绘制结果进行混合三维可视化显示过程中,通过对不同的组织设置不同的不透明度值,来选择性地显示不同组织,隐藏某些组织。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310049741.4A CN103077557B (zh) | 2013-02-07 | 2013-02-07 | 一种自适应分层次胸部大数据显示的实现方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310049741.4A CN103077557B (zh) | 2013-02-07 | 2013-02-07 | 一种自适应分层次胸部大数据显示的实现方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103077557A CN103077557A (zh) | 2013-05-01 |
CN103077557B true CN103077557B (zh) | 2016-08-24 |
Family
ID=48154076
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310049741.4A Expired - Fee Related CN103077557B (zh) | 2013-02-07 | 2013-02-07 | 一种自适应分层次胸部大数据显示的实现方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103077557B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW201504969A (zh) * | 2013-07-24 | 2015-02-01 | Rui-Xiang Tian | 多層圖像疊合後之擬真及預覽系統 |
CN104658034B (zh) * | 2013-11-18 | 2019-03-01 | 清华大学 | Ct图像数据的融合绘制方法 |
CN105701860A (zh) * | 2016-02-29 | 2016-06-22 | 江苏美伦影像系统有限公司 | 一种体绘制方法 |
JP2017224970A (ja) * | 2016-06-15 | 2017-12-21 | ソニー株式会社 | 画像処理装置、画像処理方法、および撮像装置 |
CN109920025B (zh) * | 2019-01-31 | 2023-10-27 | 甘肃省地震局 | 一种海量数据在时间域的高效分层抽样绘图方法及系统 |
CN110598714B (zh) * | 2019-08-19 | 2022-05-17 | 中国科学院深圳先进技术研究院 | 一种软骨图像分割方法、装置、可读存储介质及终端设备 |
CN111836584B (zh) * | 2020-06-17 | 2024-04-09 | 深圳迈瑞生物医疗电子股份有限公司 | 超声造影成像方法、超声成像装置和存储介质 |
CN113729060A (zh) * | 2021-09-10 | 2021-12-03 | 武汉轻工大学 | 一种基于机器视觉的冰冻家禽自动铣削切片系统 |
CN114693884B (zh) * | 2022-03-30 | 2023-10-13 | 优脑银河(湖南)科技有限公司 | 头部表面绘制文件的生成方法、渲染方法和可读存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101334895A (zh) * | 2008-08-07 | 2008-12-31 | 清华大学 | 一种针对动态增强乳腺磁共振影像序列的影像分割方法 |
CN102165496A (zh) * | 2008-09-25 | 2011-08-24 | 皇家飞利浦电子股份有限公司 | 三维图像数据处理 |
-
2013
- 2013-02-07 CN CN201310049741.4A patent/CN103077557B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101334895A (zh) * | 2008-08-07 | 2008-12-31 | 清华大学 | 一种针对动态增强乳腺磁共振影像序列的影像分割方法 |
CN102165496A (zh) * | 2008-09-25 | 2011-08-24 | 皇家飞利浦电子股份有限公司 | 三维图像数据处理 |
Non-Patent Citations (1)
Title |
---|
基于中国人MRI影像的真实头模型构建研究;罗棻等;《重庆工商大学学报(自然科学版)》;20121231;第29卷(第12期);72-75 * |
Also Published As
Publication number | Publication date |
---|---|
CN103077557A (zh) | 2013-05-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103077557B (zh) | 一种自适应分层次胸部大数据显示的实现方法 | |
CN100498839C (zh) | 一种多模态医学体数据三维可视化方法 | |
CN103268630B (zh) | 一种基于血管内超声影像的血管三维可视化方法 | |
CN107808156A (zh) | 感兴趣区域提取方法 | |
CN107507134A (zh) | 基于卷积神经网络的超分辨率方法 | |
CN103106685B (zh) | 一种基于gpu的腹部脏器三维可视化方法 | |
Tian et al. | Medical image processing and analysis | |
CN103679801B (zh) | 一种基于多视角x光片的心血管三维重建方法 | |
CN102903103B (zh) | 基于迁移活动轮廓模型的胃部ct序列图像分割方法 | |
CN107945169B (zh) | 一种冠状动脉影像分析方法 | |
CN104008547B (zh) | 一种基于骨架角点的可视化人体切片图像序列化分割方法 | |
CN107146262B (zh) | 一种oct图像的三维可视化方法和系统 | |
CN106327479A (zh) | 血管造影中介下先心病术中血管辨识的装置及方法 | |
Xiang et al. | Skeleton cuts—An efficient segmentation method for volume rendering | |
CN106504221A (zh) | 基于四元数小波变换上下文结构的医学图像融合新方法 | |
CN109919885A (zh) | 基于b样条和互信息的cvh图像与影像配准融合方法 | |
CN103745496B (zh) | 基于二维图像为交互界面的转换函数的直接体绘制方法 | |
CN103218848B (zh) | 基于电场理论的传递函数的直接体绘制方法 | |
CN101783025B (zh) | 一种基于等值面的保留上下文环境体绘制方法 | |
Wang et al. | Illustrative visualization of segmented human cardiac anatomy based on context-preserving model | |
Zhang et al. | Root canal segmentation in cbct images by 3d u-net with global and local combination loss | |
van Dixhoorn et al. | BrainCove: A Tool for Voxel-wise fMRI Brain Connectivity Visualization. | |
Gai et al. | Strategy of statistics-based visualization for segmented 3d cardiac volume data set | |
CN111145353B (zh) | 通过图像分割和网格特征点提取算法生成3d点云的方法 | |
Zhang et al. | Real-time interactive heart illustration platform via hardware accelerated rendering |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160824 Termination date: 20170207 |