CN105103193A - 分层的二维投影生成和显示 - Google Patents
分层的二维投影生成和显示 Download PDFInfo
- Publication number
- CN105103193A CN105103193A CN201480020369.7A CN201480020369A CN105103193A CN 105103193 A CN105103193 A CN 105103193A CN 201480020369 A CN201480020369 A CN 201480020369A CN 105103193 A CN105103193 A CN 105103193A
- Authority
- CN
- China
- Prior art keywords
- voxel
- value
- view window
- image
- dimensional projection
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
- G06T11/008—Specific post-processing after tomographic reconstruction, e.g. voxelisation, metal artifact correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/08—Volume rendering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10116—X-ray image
- G06T2207/10124—Digitally reconstructed radiograph [DRR]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
Abstract
一种成像系统(10)生成对象的分层的重建辐射照片(LRR)(66)。所述系统(10)采用目标的三维(3D)数据集或更高维数据集(68),例如由图像扫描器(12)产生的数据作为输入。至少一个处理器(32)被编程为:定义二维(2D)投影图像的集合和相关联的视图窗口(60、62、64),所述视图窗口与具有对应体素值规范(50)的体素值(组织)类型的集合相对应;根据关于所述体素值选择规范(50)的每个体素值来确定沿着通过3D数据集(68)的多条射线(72)中的每条的每个处理过的体素对预定体素值(组织)类型中的一种的贡献;并且,基于满足对应体素值规范(50)的处理过的体素值来同时生成与所述体素值规范和相关的图像视图窗口(60、62、64)中的每个相对应的2D投影图像。对每幅图像进行不同地着色并将在图像中的对应像素对齐。通过将经对齐的经着色的图像进行分层并显示为诸如RGB图像的多通道颜色图像来生成LRR(66)。
Description
技术领域
本申请总体上涉及诊断成像。其具体结合对在由计算机断层摄影(CT)系统、磁共振(MR)成像系统、正电子发射断层摄影(PET)系统、单光子发射计算机断层摄影(SPECT)生成的医学图像数据集中的空间关系的快速可视化加以应用并将具体参考其进行描述。然而,应当理解,本申请还适用于其他使用场景,而不必限于上述应用。
背景技术
平面辐射照相图像是通过三维目标传递的辐射源的投影。通过连接从辐射源到在目标的对侧上的平面上的点的线(射线)来创建所述投影。在平面图像中的每个点是来自目标的与射线交互的小体积元素的贡献的总和。这些体积元素由被称为体素的离散体积元素表示,所述体素一般表示在三维空间中的规则网格上的离散元素内的值。例如,在CT扫描中,体素可以表示以Hounsfield单位(用于描述辐射密度的相对于水的定量标度)测量的组织的辐射密度(吸收)的值,其与辐射衰减和组织密度相关联。简单的范例是感兴趣的目标的测得的投影图像,其中,每个像素是沿着从源到平面中的点的线的所有小段的吸收的总和。当由诸如CT扫描的测得的三维数据集表示目标时,可以使用被称为射线投射的技术来计算投影图像以产生数字重建辐射照片(DRR)。
然而,DRR图像能够由于许多因素而遭受差的空间和对比分辨率。范例包括在CT图像数据集中的低空间采样、在DRR图像中的每个像素是积分和的事实、在CT图像数据集中的显著噪声的存在等。缓解这些问题的先前尝试包括数字合成辐射照片(DCR),其通过对体素处理函数的应用并且还通过使用在用于计算的CT图像数据集中的体素的选择的子集来生成。以忽视3D数据集的一些区域为代价,使用DCR以这种方式生成的投影图像提供比在DRR中更清晰的期望组织(骨解剖结构,例如椎骨和气道)的视图。
在两种情况下,DRR和DCR图像包括单个图像阵列,对所述单个图像阵列的显示限于标准窗口/水平调节。因为在这些图像中的每个像素包含来自一起混合成单个数的所有组织类型的贡献,所以先前的方法都不允许同时对两种或更多种类型的组织进行可视化。由于将体素值折叠成总和,在计算的图像数据中得到的空间分辨率比在所述值能够被分离或针对单独的计算被分组的情况下低。为了解决这些挑战,可以执行多个绘制,使得通过对于每个创建单独的DRR或DCR,每一个能够是组织特异性的。然而,得到的DRR或DCR图像单独地被显示,例如,在单独的视图窗口中成对地被平铺。
发明内容
本申请提供克服上述挑战的新的且改进的方法和系统。
根据一个方面,一种系统根据对象的三维数据集来生成分层的二维投影。至少一个处理器被编程为定义多幅投影图像,每幅图像与预定体素类型的集合中的一种相对应,其中,每种体素类型包括值的一个或多个范围的体素值选择。所述至少一个处理器还被编程为根据关于指定的体素值范围的体素值来将位于沿着通过所述数据集的多条射线的每条的每个体素分类为属于或不属于所述预定体素类型中的一种。所述至少一个处理器还被编程为同时生成二维投影图像,所述二维投影图像由属于每个图像的体素值选择规范的处理过的体素填充,并且在视图窗口中示出。
根据另一方面,一种方法生成分层的二维图像投影。所述方法包括定义多个二维投影图像数据,所述多个二维投影图像数据与由相关联的体素值选择确定的预定体素类型的集合相对应。另外,所述方法包括根据处在相关联的体素值选择内的体素值来将位于沿着通过三维数据集的多条射线投射的多个体素中的每个分类为与预定体素类型的所述集合中的一种相对应。所述方法还包括将每个体素的处理过的值选择性地加和到总和并且将所述总和分配给与所分类的体素类型的所述二维投影图像中的一幅相对应的对应像素值。额外地,所述方法包括根据选择性地加和到每幅二维投影图像的所述对应像素值的每个体素的处理过的值来同时生成多幅二维投影图像。
根据另一方面,提供一种系统。所述系统包括显示设备,其具有多个显示像素。所述系统还包括至少一个处理器,其被编程为投射与通过对象的三维(3D)图像数据集的每个显示像素相对应的与所述3D图像数据集的多个体素相交的射线。所述处理器还被配置为将与每条射线相交的3D数据集的体素中的每个分类为是零体素类型或多种体素类型,每种体素类型与多个体素值规范中的一个相对应,所述分类包括将每个体素值与预定体素值范围进行比较。所述处理器还被编程为对落入相同值规范中的沿着每条射线的处理过的体素值进行组合以生成二维(2D)投影图像的像素值,每幅2D投影图像与值规范中的一个相对应,使得所述2D投影图像中的每幅与体素值类型中的一个相对应。
一个优点在于通过与在处置室取得的测得的kV或MV辐射照片的配准在辐射治疗中快速辅助瞄准软组织的能力。
另一优点在于根据单个三维数据集来生成不同组织类型的二维图像。
另一优点在于提供比使用当前DRR和DCR计算和显示方法可获得的更高的空间和对比分辨率。
另一优点在于在无需额外的或不同的射线投射计算的情况下将不同类型的组织密度分离到特异性投影平面中并且然后在相同的时间稍后显示的能力。
另一优点在于对在诸如MR、PET/CT、辐射剂量等的其他图像数据集中的属性进行可视化以用于作为二维图像进行快速查看和分析的能力。
另一优点在于,例如在对制造的部件的检测期间连接在不同时间点取得的相同目标的辐射照相和CT成像的能力。
本领域的普通技术人员在阅读和理解下面详细描述后将认识到本发明的更进一步的优点。
附图说明
本发明可以采取各种部件和部件的布置,以及各种步骤和步骤的安排的形式。附图仅出于说明优选实施例的目的,并且不应被解释为对本发明的限制。
图1A图示了CT系统。
图1B图示了用于生成分层的二维投影的系统的方框图。
图2图示了用于生成分层的二维投影的方法。
图3A-3C图示了用于生成分层的二维投影的方法的实施方式。
图4图示了根据三维数据集生成的二维投影图像窗口。
图5是射线投射操作的图解性图示。
具体实施方式
参考图1A,功能性方框图图示了系统1。
参考图1B,成像系统10利用计算机断层摄影(CT)来执行诸如患者的目标的一个或多个诊断扫描。诊断扫描可以是对患者的感兴趣的解剖区域的诊断扫描,例如对患者的特定区域、特定器官或器官组等的诊断扫描。将认识到,尽管下面关于与生物对象相关联的成像进行描述,但是可以根据下面所述的系统和方法来分析其他非生物对象(地面扫描、建筑物或机械设备等的结构扫描)。成像系统10包括定义检查体积14的扫描器12。检查体积14的尺寸适当地被设计以容纳目标或患者,其在扫描期间可以被定位在检查体积14中的患者支撑物16上。
仅仅出于举例的目的,在图1A中图示的成像系统10描绘了CT扫描,并且将认识到,诸如MR、PET等的其他成像系统能够根据本文中公开的实施例使用。参考图1A,CT成像系统10包括x-射线管组件18,其被安装在旋转机架20上并且被配置为将一个或多个辐射射束投射通过检查体积14。成像系统10还可以包括准直器22,其在射束厚度维度中对辐射射束进行校准。在第三生成扫描器中,x-射线探测器24从x-射线管组件18跨检查体积14被处置在旋转机架20上。在第四生成扫描器中,x-射线探测器26的环或阵列被安装在围绕旋转机架20的固定机架28上。x-射线探测器24、26生成指示沿着在x-射线管组件18和x-射线探测器24、26之间的对应射束积分的x-射线吸收的数据。
x-射线探测器24、26中的每个包括被连接到或优选集成到集成电路中的光电探测器的二维阵列。光电探测器直接或间接探测来自x-射线管组件18的辐射(即,x-射线光子)并且基于探测到的辐射来生成吸收数据。光电探测器的范例包括数字或模拟硅光电倍增管(SiPM)、光电二极管和其他光电换能器。
如果光电探测器不能够直接探测辐射,则x-射线探测器24、26通常包括在x-射线管组件18和光电探测器之间的一个或多个闪烁体,其光学耦合到光电探测器。当x-射线光子将能量沉积在闪烁体中时,闪烁体闪烁并且朝向光电探测器发射可见光光子,光电探测器能够直接检测所述可见光子。闪烁体的范例包括闪烁体板,或单个闪烁或像素化晶体。将认识到,尽管已经参考CT操作描述了成像系统10,但是其他成像模态也能够被用于生成对象的三维或更多维的数据集,例如MR扫描、PET扫描等。另外,将认识到,可以根据下文所述的系统和方法来使用任何适当的多维数据源。
后端系统30协调扫描器12的操作,并且可以被定位在扫描器12的远程。后端系统30包括至少一个处理器32和至少一个程序存储器34。后端系统30可以利用多个处理器、多个处理器核或其组合,其中,每个处理器或核被配置为执行系统30的不同功能,例如,采集、数据处理、可视化等。程序存储器34包括处理器可执行指令,所述处理器可执行指令当由处理器32执行时协调扫描器12的操作,包括诊断扫描、处理由扫描器12生成的图像数据集等。处理器32执行被存储在程序存储器34中的处理器可执行指令。
处理器可执行指令的控制模块36控制后端系统30的整体操作。控制模块36使用后端系统30的显示设备38向后端系统30的用户适当地显示图形用户界面(GUI)。经由控制模块36对显示设备38的使用可以利用与可视化和显示设置以及与本文讨论的程序存储器34中的部件的各个输出的显示有关的规范中一致操作的适当的可视化引擎、显示引擎、显示控制等(在图1B中描绘的)来完成。另外,控制模块36适当地允许用户使用后端系统30的用户输入设备40与GUI交互。例如,用户能够与GUI交互以指令后端系统30协调诊断扫描,以选择期望的检查体积,以修改显示在显示设备38上的图像等。经由用户输入设备40,GUI可以包括与组织选择、图像修改、颜色强度或亮度设置、颜色选择、透明度或不透明度设置等相对应的各种控制标记。
处理器可执行指令的数据采集模块42执行对检查体积的扫描,包括诊断扫描。对于每个扫描,数据采集模块42根据扫描的扫描器参数来控制扫描器12。在控制扫描器12的同时,数据采集模块42采集吸收数据以及关于旋转机架20的角度位置的数据,其通常被存储在后端系统30的至少一个储存存储器44中。根据一个实施例,数据采集模块42可以被配置为采集来自任何适当的数据源的多维图像数据,例如,来自先前获得的数据、来自不同于扫描器12的扫描器等的多维图像数据。此外,数据采集模块42还可以被配置为使用诸如双CT扫描的多能量模式以及利用多谱CT图像数据等采集数据。数据采集模块42还可以被配置为将采集到的数据导出到诸如本地或远程存储设备的存储设备以用于未来使用和分析。
处理器可执行指令的重建模块46将原始图像数据集重建成检查体积的三维图像和/或映像。预见到各种已知重建技术,包括螺旋和多切片扫描技术、卷积和反投影技术、锥形射束重建技术等。图像和/或映像通常被存储在储存存储器44中和/或被显示在显示设备(诸如,显示设备38)上。
处理器可执行指令的射线投射模块48使用一个或多个体素处理函数经由沿着来自虚拟源的定义射线的体素积分来生成平面数据。射线能够是平行的、从点源发散、从点源收敛等。射线投射模块48还可以包括与射线如何被投射、如何定位源、如何定位投影平面等相对应的(在图1B中被图示在设置管理模块76中的)设置和规范86。这样的设置可以由用于控制射线何时并在哪里被投射通过多维数据集82的模块48的相关联的射线投射引擎92利用。对于每个扫描,选择一个或多个这样的函数来转换由数据采集模块42收集的三维体素数据以控制对射线投射总和的贡献。每个函数可以被用于根据相同的三维体素数据集来生成独特的投影平面。这样的函数的范例包括例如特异性值或值的范围的体素的二元掩膜加权、函数模拟辐射吸收或散射等。射线投射模块48可以使用被表达为加权函数和处理函数的乘积的体素处理函数,以提供对体素选择的独立控制和对选择的体素到用于在(下面讨论的)下文对窗口的生成中使用的适当值的转换。
处理器可执行指令的值选择模块50存储与分配前的体素类型,例如组织类型相对应的指定的体素的值。值选择反映与特定体素类型规范相对应的密度或其他体积单位的范围;具体范例将是典型的组织体积类型,例如软组织(肌肉、脂肪、软骨)、硬(骨)组织或空的空间(气道和鼻窦)。值选择也可以反映与特定器官、肿瘤或其他生理目标相对应的密度或其他体积单位的范围。范例包括但不限于,肾脏、心脏、肺、肝脏、由造影剂增强的区域等。尽管参考生物组织进行描述,但是根据三维图像数据集68的对象,值选择可以反映与岩层(例如各种岩石的地质密度、液体等)、结构、机械等相对应的不同质量或光学密度或体积单位。一般根据比较模块52使用值选择,比较模块52将捕获到的数据集的体素的相应值与值范围进行比较以对每个体素对应的组织、器官等的类型进行分类,或确定每个体素对应的组织、器官等的类型。比较模块52被存储在后端系统30的程序存储器34的处理器可执行指令中。
处理器可执行指令的投影图像生成模块54生成与选择的体素类型(组织或器官)相对应的一个或多个二维投影图像数据阵列。投影生成模块54能够同时生成与软组织相对应的投影图像、与硬组织(骨)相对应的投影图像、与空的空间(气道)相对应的投影图像和将前述体素类型(组织)图像中的每幅表示为分层的辐射照片的合成图像。生成的图像是表示由扫描器12或其他数据源生成的三维图像数据集的二维图像的投影层。处理器可执行指令的投影图像生成模块54还仅仅考虑用于根据由比较模块52进行的对体素的分类来生成投影图像的体素。即,投影图像生成模块54促进只有在体素被分类为属于视图窗口的情况下对在该特定窗口中的体素的值的最终可视化,对在射线上未被如此分类的那些其他体素进行掩膜。取决于成像模态并且任选地取决于其他可用数据,预见到用于确定组织类型的其他途径,例如基于在多能量CT系统中的能量分辨率,基于来自补充PET图像的功能性信息,对在MR中的组织敏感脉冲序列的使用,其他功能性成像技术等。
分层模块55对体素(组织)特异性图像的投影图像进行组合,并且将这些图像堆叠成多通道颜色图像以形成检查体积的分层的重建辐射照片,即图像的合成。图4图示了根据本文中描述的系统和方法在单独的视图窗口中呈现的三个不同的组织投影:气道投影60、软组织投影62和硬组织(例如,骨)投影64。图4还包括使用RGB颜色空间和三个颜色通道描绘三个组织的二维投影图像60、62和64的分层的重建辐射照片(LRR)的视图窗口66。如下面详细讨论的,图4的视图窗口62-66中包含的投影可以被显示在显示设备38上,并且根据可视化模块56经由用户输入设备40经受关于每幅投影图像对得到的LRR的贡献的相对加权的用户指引的调节。将认识到,对针对生物对象的组织类型的投影和视图窗口60、62和64的创建是本文中所述的系统和方法的范例性图示。因此,所述系统和方法可以被实施在非生物设置中,例如,对制造的制品、建筑物、基于地面的雷达成像等的扫描/成像,其得到三或更多维的图像数据集。在这样的实施方式中,视图窗口60、62和64可以与非生物材料,例如制造的部件的金属、地质层组的岩层、建筑物或结构的材料等相对应。
图1B描绘了图示体素选择规范和对来自任何适当的扫描模态的多维数据的后续处理的功能性方框图。如图1B中示出的,所述图图示了后端系统30的实施例,后端系统30具有数据管理模块74、设置管理模块76、处理模块78和存储在程序存储器34中的可视化模块80。将认识到,图1B描绘了所述系统和方法的一般性实施方式,其中,图1A描绘了本文中阐述的系统和方法的范例性实施方式。还将认识到,尽管图示为被包含在后端系统30的程序存储器34中,但是各个模块74-80可以被实施在彼此通信的单独的设备上,被实施为存储在相同设备上的单独模块或联合模块等。
数据管理模块74可以包括诸如多维数据源82和数据导出84部件的各种部件。在一些实施例中,多维数据源可以表示从包括例如CT、MR、PET等的任何适当的图像生成设备接收到的多维图像数据。数据导出84部件可以被配置为将预处理或后处理后的数据发送到外部或内部存储设备。
设置管理模块76可以包括与在图1A中图示的射线投射模块48的操作相对应的射线投射设置和规范86和与在图1A中图示的可视化部件56的操作相对应的可视化设置和规范88。这样的射线投射设置和规范86可以包括由射线投射模块48使用的体素选择规范、体素处理函数类型、相关函数特异性参数值、投影平面的定位等。可视化设置和规范88可以包括与视图窗口60、62、64和LRR66、预设颜色和强度、alpha混合等有关的设置。
图1B的处理模块78可以包括诸如数据预处理引擎90、射线投射引擎92、可视化引擎94等的各种部件。数据预处理引擎90可以被配置为执行对多维数据的初级处理,将接收到的图像数据形成为用于处理的适当格式等。射线投射引擎92可以根据射线投射模块48和对应射线投射设置和规范运行以投射通过多维数据的一条或多条射线。如本文中讨论的,可视化引擎94可以根据可视化设置和规范88操作以促进对视图窗口60、62、64和LRR66的生成。
(图1A中在56处描绘的)可视化模块80可以包括显示引擎96和显示控制98,其能够经由显示设备38操作以形成在其上对视图窗口60、62、64和LRR66的显示。还将认识到,除了或代替在图1A的范例性实施方式中描绘的部件,可以利用以上参考图1B描述的各种模块和子模块。因此,可以使用在图1A-1B中描述的各种部件和模块来执行下文描述的方法。
图2描绘了用于生成二维投影图像的分层的系列的方法100。方法100包括接收102来自扫描器12或其他图像采集源的三维图像数据集68。然后定义104与组织、器官等的选择的体素类型的集合相对应的诸如阵列的二维投影图像的集合。如下面参考图3A讨论的,还可以定义每幅二维投影图像的对应位置。如图4所示,与用户指定的体素(组织)类型(例如,气道、软组织和硬组织)的集合相对应创建三个视图窗口60、62和64的集合,每个视图窗口60、62和64显示定义的气道、软组织和硬组织体素类型中的仅仅一种的对应二维投影图像。将认识到,本文中描述的方法适用于在各种成像重建中使用,并且DRR和DCR以上被引用作为这样的重建技术的表示性范例。在60、62和64中示出的投影图像与体素值50的范围相对应,其中,每个范围50与组织的特定类型,例如气道、软组织或硬组织相对应。范围50能够备选地与特定类型的器官,例如肾脏、心脏、肺、脑等,或特定类型的肿瘤相对应。图3A图示了创建在用于生成分层的二维投影的方法中利用的数据结构的备选实施例200。
现在参考图3A,从诸如SPECT、CT、PET、MR等的任何扫描模态接收202三维数据集68或大于三维的数据集。使用接收到的数据集68来指定并创建204三维数据子集。然后定义206与平面的选择的数量相对应的投影平面,例如,平面的数量与不同组织、不同器官、不同结构(身体、机械设备、电子设备、地质等)相对应。在可以指定和计算的投影平面的数量上没有限制。
然后定义208源70的位置、中心轴的位置和投影平面的相应位置。然后定义210针对每个投影平面的像素的二维数据阵列。对于每个投影平面,如下面讨论的,指定并定义212体素值选择(掩膜)函数。类似地,对于投影平面中的每个,如下面讨论的,指定并定义214体素值处理(转换)函数。
返回到图2,经由在106-116中阐述并在图3B和图5中图示的射线投射操作来检索106沿着特定射线72的体素的值。将沿着特定射线的体素的值与在射线投射期间在值选择阵列50中指定的那些值进行比较108。在这种情况下,每个值选择与对应视图窗口60、62和64中的一个相关联。能够提前指定选择值,使得沿着特定射线72的体素可以单独地贡献于在视图窗口60、62和64中示出的投影数据中的仅仅一个,使得然后将体素分类110为贡献于在视图窗口60、62或64中的一个中显示的投影的组织。即,可以相对于在体素未被分类到其的两个其他视图窗口60、62或64中的投影将每个体素选择性地掩膜或将每个体素置为零,例如以允许全部三个投影彼此互斥。也即,体素值选择允许每个体素值被用于计算对应视图窗口60、62或64的仅仅投影图像的对应像素值。
然后当评估与像素相对应的射线时同时生成112在视图窗口60、62和64中示出的所有二维投影图像的对应像素值。然后将特定射线72的体素的处理过的值选择性地组合114以生成在二维投影图像视图窗口60、62和64中的每个中的对应像素值。即,仅仅被分类为在针对具体视图窗口60、62或64的值50的范围内的体素将贡献于对在视图窗口60、62或64中的像素值的确定。针对与投影图像或视图窗口60、62、64中的每个像素相对应的射线重复该过程以建立三幅投影图像。通过使用通过创建三个相互的规范或值库的值选择机制来完成该互斥的体素分配。应当注意,值规范不需要是互斥的,并且能够具有任何期望的样式或逻辑,以便产生期望类型的投影图像。
图5图示了根据本文中描述的一个方面的射线投射操作。因此,图5图示了对多幅图像的生成,即,用于构建为分层的重建辐射照片的来自三维数据集的平面投影。如图5所示,测得的三维数据集68表示由数据采集模块42,即,CT扫描、MR扫描、PET扫描等收集并重建的三维图像数据。虚拟源70发射通过三维数据集68的发散、收敛或平行射线72。当射线72退出数据集68时,同时生成(即,在视图窗口60、62和64中示出的)三幅平面图像。处理沿着每条射线72的每个体素以确定应当利用在哪个(哪些)平面上的其值来生成与射线72相对应的像素值。处理可以包括使用被选择用于转换三维体素数据的函数的沿着射线72的体素积分,以便控制体素对射线投射总和的贡献,例如,特异性值或值的范围的体素的二元掩膜加权、函数模拟辐射吸收或散射等。尽管从源70投射通过三维图像数据集68,但是备选地射线72能够从投影图像的每个预定义对应像素被投射到三维图像集68中。通过选择平行、收敛或发散,能够维持、放大或最小化三维图像数据集68的规模。
处理可以包括将体素值与分别与具体视图窗口60、62或64相对应的值的指定的集合进行比较,并且然后将其体素仅仅贡献给对应的窗口,并且对该体素进行掩膜以免出现在剩余的两个视图窗口60、62或64上。可以使用体素选择函数(g(r))和体素处理函数(h(r))来计算在平面投影图像(在视图窗口60、62或64中示出的二维投影图像)上的位置中的像素值,使得:
其中,P(x,y)是在视图窗口60、62或64中的投影图像中的在位置(x,y)处的像素值。将认识到,体素值在目标内的每个位置r处是隐式的,所述目标即由三维数据集68表示的对象。因此,一个体素处理函数被表达为选择(加权)函数和处理(转换)函数的乘积以给出对体素选择的独立控制和对选择体素的转换。每个独特的体素处理函数能够被用于根据相同的三维数据集68来生成独特的投影平面(即,视图窗口60、62和64)。根据一个实施例,沿着每条射线(72)的每个体素可以被评估许多次以确定与每个体素相对应的值类型,次数与预定义体素类型规范和对应二维投影图像的数量相对应。在这样的实施例中,可以针对N个不同的定义平面将每条射线处理N次,使得对射线的每次处理产生处理过的体素值的组合以形成在与值类型规范相对应的二维投影图像中的一个像素。将认识到,这样的处理允许(即,如在视图窗口60、62和64中示出的)多个独特的投影平面的乘积,而不要求额外的扫描被运行以生成新的/额外的输入三维图像数据。
如图5图示的,能够基于沿着每条射线72的体素同时生成在视图窗口60、62和64中示出的得到的平面图像,每个体素贡献于在单幅二维投影图像视图窗口60、62或64上与射线72相对应的像素值。其后,如参考图2-4讨论的,可以执行对在视图窗口60、62和64中的图像的显示和操纵。
图3B图示了描绘用于创建投影数据、利用以上讨论的图3A的输出的备选射线投射操作的实施例216。因此,定义218包含即保持沿着射线收集的体素的射线阵列。定义220针对(例如根据212的体素值选择(掩膜)函数执行的)体素选择的结果的掩膜阵列,并且定义222针对(例如,根据214的体素值处理(转换)函数执行的)体素处理的结果的转换阵列。
对于投影平面,确定224在投影阵列中的下一像素的位置,并且定义226在投影阵列中的将源70连接到选择的像素(即,下一像素的位置)的射线。使用对应的体素值选择(掩膜)函数来填充228与投影平面相对应的掩膜阵列(即,体素选择阵列)。通过将体素值处理(转换)函数应用到掩膜阵列的每个元素来填充230转换阵列。对在转换阵列中的元素的值进行求和232并将总和存储为二维阵列(例如,在210处定义的二维阵列)中的像素值。然后做出是否有在投影阵列中的另一像素仍待处理,即针对在投影阵列中的每个像素重复226-232的确定234。基于正面确定234,操作返回到226。基于负面确定234,做出是否有另一投影平面仍待处理,即是否已经解决了在206处定义的所有投影平面的确定236。如以上讨论的,基于负面确定,操作返回到确定224在投影阵列中的下一像素位置。如下面讨论的,一旦已经解决了所有投影平面,操作就继续前进到图3C。
返回到图2,并且继续参考图4和图5,做出是否仍有任何额外的射线72用于处理的确定116。基于正面确定,操作返回到106以检索沿着额外的射线72的体素。如以上讨论的,然后操作从108继续到116。当做出没有额外的射线72仍待处理的确定116时,针对每个二维投影图像视图窗口60、62或64做出颜色方案选择118。在一个实施例中,颜色方案与针对气道视图窗口60选择红色,针对软组织视图窗口62选择绿色,并且针对骨组织视图窗口64选择蓝色相对应。本文也能够利用其他颜色方案或组合,以及其他颜色空间,例如CMYK、HSV、YCrCb、CIEl*a*b*等。例如,分配的颜色方案可以与选择的颜色空间相对应,使得使用这种选择的颜色空间的单独通道来对每个视图窗口(60、62、64)进行着色。然后根据选择的颜色来对每个二维投影图像视图窗口60、62和64进行着色。
然后将在每个经着色的二维图像中的相应像素对齐122并分层124以形成分层的重建辐射照片(LRR)66。LRR66然后经由显示设备38被显示126,被存储在储存存储器44中,或两者。在图4中显示了这样的LRR66的图示,其详细描述了形成LRR66的在视图窗口60、62和64中的经着色的二维投影图像的分层。经由显示设备38对LRR66的显示126可以包括与图像设置、选项等相对应的各种用户可选择设置、图标或标记的图形化图示。即,可以在显示设备38上显示滑动条、下拉菜单、域、颜色表/盘等,其与对LRR66的某些可用操纵相对应。例如,可用操纵可以包括增大或减小形成LRR66的层(投影图像视图窗口60、62、64)中的一层或多层的不透明度和透明度以通过alpha混合或其他方法来增大一层在其他层上的流行率的能力。其他范例可以允许用户操纵层中的一层或多层的颜色强度或亮度水平,调节颜色,移除特定层,利用来自那些计算的另一层来替换一层等。另外,用户操纵可以包括针对不同器官指明不同颜色的能力,例如,针对心脏是红色,针对肺是蓝色,针对肝脏是绿色等。
可以经由显示设备38,例如,触摸屏显示器,或经由用户输入设备40来完成对至少一个分层的二维投影图像视图窗口60、62或64中的至少一个方面的接收128。然后将接收到的操纵应用130到一幅或多幅对应的分层的二维图像。然后根据应用的用户操纵来动态地更新132经由显示设备38显示的LRR66以反映LRR66。另一方面看,每个LRR显示像素值与在投影图像或视图窗口60、62或64的每个中的对应像素值的混合相对应。操纵控制相对权重,如果有的话,所述相对权重是对应投影图像贡献于对应LRR显示像素的相对权重。
如以上讨论的,图3C提供与图2的118-132相对应的备选实施例的图示。因此,图3C的流程图238描绘根据以上参考图3A-3B讨论的实施例开发的投影平面的分层。定义颜色空间并指定240不同颜色通道的数量。将认识到,可以经由任何适当的颜色空间选择,例如,RGB、CMYK、HSV、YCrCb、CIEl*a*b*等指定颜色通道。将颜色通道分配242给每个投影平面,并且利用指定的平面和相应的颜色通道分配来创建244堆叠图像数据集,例如LRR66。
然后将LRR66在显示设备38上显示246在二维显示视图窗口中,连同将每个个体投影平面显示在其自己专用的显示窗口中,例如,具有在其上打开的多个窗口的计算机屏幕,一个窗口显示LRR66并且每个剩余的窗口显示一个个体投影平面。将在堆叠图像显示(即,LRR66)中的每个颜色通道的强度从最小值(即,不可见/透明)指定248到最大值(即,全像素饱和)。响应于强度规范在投影图像堆叠(即,LRR66)的显示窗口中动态地更新250对投影图像堆叠(即,LRR66)的显示,连同对包含投影平面的其他显示窗口的更新。因此,例如,经由显示设备38的用户可以增大投影平面中的一个的强度并减小其他平面的强度,因此,对应地更新LRR66以反映强度的变化,例如,一个平面的蓝色变得非常饱和地示出结构、组织类型、(一个或多个)器官等,与此相关联,而与绿色和红色相关联的其他平面的剩余结构、组织类型、(一个或多个)器官等在投影图像堆叠(LRR66)中变得更加透明或完全透明。
将认识到,所述系统和方法使得用户能够利用生成的分层的二维投影来查看作为专门化的“传送”辐射照片的使用任何模态的目标的任何三维表示。患者是目标的具体实例。通过调节体素值选择(加权)和体素处理函数,可以提出新的“虚拟”传送成像模式,其不必直接与测得的图像相对应,但是可以在对三维数据集或更高维数据集的快速分析或可视化中有用。
还将认识到,本文中描述的系统和方法使得能够进行对在经分割的CT数据内的体素的CT数覆盖的可变标记,因此允许波状外形结构的“软投影”。当空间可变覆盖基于数学模型时,则投影被设置为以用于示出可能与肿瘤细胞密度投影有关的概率肿瘤边界的这样的方式显示。可以使用诸如手动轮廓调节、网格拟合方法等的分割技术来进一步精化这些边界。分层的图像(或基于分层的图像生成的分割轮廓)可以被使用在诸如辐射治疗的剂量轮廓化、对PET图像的衰减校正等的各种应用中。额外地,所述系统和方法提供处理更高维图像数据集的能力,例如四维CT图像数据集能够被视为分层的重建辐射照片的“堆叠”,针对每个标记的三维图像数据集生成一个,从而使得能够在视觉上对在静态辐射场的端口内对软组织目标进行跟踪。
如本文中使用的,存储器包括以下中的一个或多个:非暂态计算机可读介质;磁盘或其他磁性存储介质;光盘或其他光学存储介质;随机存取存储器(RAM)、只读存储器(ROM)、或其他电子存储设备或芯片或可操作互联的芯片组;因特网/内联网服务器,可以经由因特网/内联网或局域网从所述因特网/内联网服务器中检索存储指令等。另外,如本文中使用的,处理器包括以下中的一个或多个:微处理器、微控制器、图形处理单元(GPU)、专用集成电路(ASIC)、FPGA等;控制器包括:(1)处理器和存储器,所述处理器运行在实现控制器的功能的存储器上的计算机可执行指令;或(2)模拟和/或数字硬件;用户输入设备包括以下中的一个或多个:鼠标、键盘、触摸屏显示器、一个或多个按钮、一个或多个开关、一个或多个触发器、声音识别引擎等;数据库包括一个或多个存储器;并且显示设备包括以下中的一个或多个:CRT显示器、LCD显示器、LED显示器、等离子显示器、投影式显示器、触摸屏显示器等。
已经参考优选实施例描述了本发明。其他人在阅读并理解前述详细描述后可以进行修改和变化。旨在将本发明解释为包括所有这样的修改和变化,只要它们落入权利要求书或其等价要件的范围内。
Claims (22)
1.一种用于从目标的三维数据集(68)生成分层的二维投影的系统(10),所述系统(10)包括:
至少一个处理器(32),其被编程为:
定义多幅投影图像(60、62、64),每个视图窗口(60、62、64)与预定体素类型的集合中的一种相对应,每种体素类型包括对值(50)的一个或多个范围进行指定的体素值选择,
根据关于所指定的体素值范围(50)的每个体素值来将沿着通过所述数据集(68)的多条射线(72)中的每条的每个体素分类为所述预定体素类型中的一种,并且,
同时生成二维投影图像,所述二维投影图像由属于每幅图像的体素值选择规范(50)的处理过的体素填充,并且在视图窗口(60、62、64)中示出。
2.根据权利要求1所述的系统(10),其中,其中,所述体素值选择规范能够被设定为在与从包括空气、软组织和硬组织的组中选择的组织类型相对应的体素值中的非重叠范围。
3.根据权利要求2所述的系统(10),其中,所定义的组织类型的集合与器官的类型或肿瘤的类型中的至少一种相对应。
4.根据权利要求1-3中的任一项所述的系统(10),其中,同时生成与所述视图窗口(60、62、64)中的每个相对应的所述二维投影图像还包括将每条射线(72)的每个体素的处理过的值选择性地组合到与每个体素被分类到其中的所述体素值范围规范相对应的所述二维投影图像中的一幅的像素值。
5.根据权利要求4所述的系统(10),其中,所述处理器还被编程为,根据选择(加权)函数和体素处理函数来确定在二维投影图像上的位置中的所述像素值。
6.根据权利要求1-6中的任一项所述的系统(10),其中,所述处理器(32)还被编程为:
根据分配的颜色方案来对每幅二维投影图像进行不同地着色以用于显示在视图窗口(60、62、64)中。
7.根据权利要求6所述的系统(10),其中,所述分配的颜色方案与选择的颜色空间相对应,并且其中,每个视图窗口(60、62、64)是根据所述选择的颜色空间的单独通道而被着色的。
8.根据权利要求1-7中的任一项所述的系统(10),其中,所述处理器(32)还被编程为:
将在每个二维投影图像视图窗口(60、62、64)中的像素与在每个其他二维投影图像视图窗口(60、62、64)中的对应像素对齐;并且,
根据经对齐的相应像素来将所述多个二维投影图像视图窗口(60、62、64)进行分层以形成分层的重建辐射照片(66)。
9.根据权利要求8所述的系统(10),其中,所述处理器(32)还被编程为:
接收与对分层的多个二维投影图像视图窗口(60、62、64)中的至少一个的至少一个方面的操纵相对应的用户输入。
10.根据权利要求9所述的系统(10),其中,其中,所述至少一个方面是从包括颜色、强度、亮度、透明度和不透明度的组中选择的。
11.根据权利要求10所述的系统(10),其中,所述处理器(32)还被编程为:
根据接收到的用户输入来动态地更新所述分层的重建辐射照片(66)。
12.根据权利要求9所述的系统(10),还包括:
显示设备(38),其具有显示像素的二维阵列;
用户输入设备(40);并且
其中,所述处理器(32)还被编程为基于在所述用户输入设备(40)上的用户输入来调节如在视图窗口(60、62、64)中示出的每个二维投影图像的相对贡献。
13.根据权利要求1-12中的任一项所述的系统(10),还包括用于生成对象的所述三维数据集(68)的成像扫描器(12)。
14.一种用于生成分层的二维图像投影的方法,所述方法包括:
定义(104)多个二维投影图像数据和相关联的视图窗口(60、62、64),所述视图窗口与预定体素类型的集合中的一种相对应,每种预定体素类型具有相关联的体素值选择(50);
根据处在所述相关联的体素值选择(50)内的体素值来将沿着通过三维数据集(68)的多条射线(72)投射的多个体素中的每个分类(110)为与所述预定体素类型的集合中的一种相对应;
将每个体素值选择性地加和(114)到在多个视图窗口的与所分类的体素类型相对应的视图窗口(60、62、64)中示出的二维投影图像中的一幅的对应像素值;并且
根据选择性地加和到每个二维投影图像视图窗口(60、62、64)的所述对应像素值的每个体素值来同时生成(112)多个二维投影图像视图窗口(60、62、64)。
15.根据权利要求14所述的方法,将每个体素值选择性地加和到对应像素值还包括:
对具有在与被分配给所述视图窗口(60、62、64)的体素值规范相对应的体素值范围(50)之外的体素值的每个窗口(60、62、64)上的每个体素进行掩膜。
16.根据权利要求14-15中的任一项所述的方法,还包括:
根据分配的颜色方案来对每个二维投影图像视图窗口(60、62、64)进行着色(120),其中,每个二维投影图像视图窗口(60、62、64)与不同的颜色相对应。
17.根据权利要求14-16中的任一项所述的方法,还包括:
将在每个二维投影图像视图窗口(60、62、64)中的像素与在每个其他二维投影图像视图窗口(60、62、64)中的相应像素对齐(122);
根据经对齐的相应像素来将分别在视图窗口(60、62、64)中示出的多幅二维投影图像进行分层(124)以形成分层的重建辐射照片(66)图像;并且
将所述分层的重建辐射照片(66)图像在相关联的显示设备(38)上显示(126)在其自己专用的视图窗口中。
18.根据权利要求14-17中的任一项所述的方法,还包括:
接收(128)与对分层的多个二维投影图像视图窗口(60、62、64)中的至少一个的至少一个方面的操纵相对应的用户输入;并且
根据接收到的用户输入来动态地更新(132)所述分层的重建辐射照片(66)的视图窗口。
19.一种承载软件的非暂态计算机可读介质(34),所述软件控制一个或多个处理器(32)以执行根据权利要求14-18中的任一项所述的方法。
20.一种系统(10),包括:
显示设备(38),其具有多个显示像素;以及,
至少一个处理器(32),其被编程为:
投射与通过对象的三维(3D)图像数据集(68)的每个显示像素相对应的与所述3D图像数据集的多个体素相交的射线(72),
将与每条射线相交的3D数据集(68)的体素中的每个分类为是零体素类型或多种体素类型,每种体素类型与多个预定体素值范围(50)中的一个相对应,所述分类包括将每个体素值与所述预定体素值规范(50)进行比较,并且
对落入相同值规范中的沿着每条射线(72)的处理过的体素值进行组合以生成二维(2D)投影图像的像素值,每幅2D投影图像与所述值规范中的一个相对应,使得所述2D投影图像中的每幅与体素值类型中的一种相对应。
21.根据权利要求20所述的系统(10),其中,所述处理器(32)还被编程为:
根据分配的颜色方案来对每幅2D投影图像进行着色;并且,
根据用于调节在显示的图像中的每种体素类型的相对贡献的用户输入来调节2D投影层图像中的每幅的相对贡献。
22.根据权利要求20-21中的任一项所述的系统(10),其中,所述处理器(32)还被编程为:
顺序地评估针对每幅2D投影图像的沿着每条射线(72)的每个体素以确定与每个体素相对应的值类型;并且,
针对N个不同的定义平面将每条射线处理N次,使得对射线的每条处理产生处理过的体素值的组合以形成在所述2D投影图像中的与值类型规范相对应的一个像素。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201361809981P | 2013-04-09 | 2013-04-09 | |
US61/809,981 | 2013-04-09 | ||
PCT/IB2014/060418 WO2014167466A1 (en) | 2013-04-09 | 2014-04-04 | Layered two-dimensional projection generation and display |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105103193A true CN105103193A (zh) | 2015-11-25 |
CN105103193B CN105103193B (zh) | 2018-10-12 |
Family
ID=50588773
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201480020369.7A Active CN105103193B (zh) | 2013-04-09 | 2014-04-04 | 分层的二维投影生成和显示 |
Country Status (4)
Country | Link |
---|---|
US (1) | US9600914B2 (zh) |
EP (1) | EP2984629B1 (zh) |
CN (1) | CN105103193B (zh) |
WO (1) | WO2014167466A1 (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108269292A (zh) * | 2016-12-30 | 2018-07-10 | 西门子保健有限责任公司 | 用于根据三维图像数据组产生二维投影图像的方法和设备 |
CN110199322A (zh) * | 2017-04-28 | 2019-09-03 | 谷歌有限责任公司 | 从内部空间的3d网格表示提取2d平面图 |
CN110753954A (zh) * | 2017-04-17 | 2020-02-04 | 雷神公司 | 用于组合彩色3d图像的系统和方法 |
CN115511866A (zh) * | 2016-02-09 | 2022-12-23 | 分子装置有限公司 | 用于多维数据的图像分析的系统和方法 |
CN116563548A (zh) * | 2018-04-26 | 2023-08-08 | 祖克斯有限公司 | 使用蒙片进行数据分割的系统和方法 |
Families Citing this family (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10586400B2 (en) * | 2018-02-23 | 2020-03-10 | Robert E Douglas | Processing 3D medical images to enhance visualization |
US10950338B2 (en) * | 2007-04-20 | 2021-03-16 | Robert Edwin Douglas | Method and apparatus for generating an artificial intelligence 3D dataset and performing interactive manipulation and rendering of the dataset |
CN106030657B (zh) * | 2014-02-19 | 2019-06-28 | 皇家飞利浦有限公司 | 医学4d成像中的运动自适应可视化 |
US9774604B2 (en) | 2015-01-16 | 2017-09-26 | Zingbox, Ltd. | Private cloud control |
JP6525912B2 (ja) * | 2016-03-23 | 2019-06-05 | 富士フイルム株式会社 | 画像分類装置、方法およびプログラム |
EP3324318A1 (en) * | 2016-11-17 | 2018-05-23 | RaySearch Laboratories AB | System and method for ion based radiotherapy treatment plan evaluation |
US10380348B2 (en) | 2016-11-21 | 2019-08-13 | ZingBox, Inc. | IoT device risk assessment |
US11070568B2 (en) | 2017-09-27 | 2021-07-20 | Palo Alto Networks, Inc. | IoT device management visualization |
WO2019065466A1 (ja) * | 2017-09-29 | 2019-04-04 | キヤノン株式会社 | 画像処理装置、画像処理方法、およびプログラム |
US11082296B2 (en) | 2017-10-27 | 2021-08-03 | Palo Alto Networks, Inc. | IoT device grouping and labeling |
EP3808052A4 (en) | 2018-06-18 | 2022-03-02 | Palo Alto Networks, Inc. | PATTERN MATCH-BASED DETECTION IN INTERNET OF THINGS SECURITY |
US11451571B2 (en) | 2018-12-12 | 2022-09-20 | Palo Alto Networks, Inc. | IoT device risk assessment and scoring |
US11689573B2 (en) | 2018-12-31 | 2023-06-27 | Palo Alto Networks, Inc. | Multi-layered policy management |
CN111291885B (zh) * | 2020-01-20 | 2023-06-09 | 北京百度网讯科技有限公司 | 近红外图像的生成方法、生成网络的训练方法和装置 |
US11115799B1 (en) * | 2020-06-01 | 2021-09-07 | Palo Alto Networks, Inc. | IoT device discovery and identification |
CN113509721B (zh) * | 2020-06-18 | 2023-10-13 | 完美世界(北京)软件科技发展有限公司 | 阴影数据确定方法、装置、设备和可读介质 |
US11552975B1 (en) | 2021-10-26 | 2023-01-10 | Palo Alto Networks, Inc. | IoT device identification with packet flow behavior machine learning model |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1726517A (zh) * | 2002-12-20 | 2006-01-25 | 皇家飞利浦电子股份有限公司 | 基于协议的体积可视化 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5566279A (en) | 1993-05-17 | 1996-10-15 | Nec Corporation | Method of and apparatus for reading out digital image data from three-dimensional memory |
US5986662A (en) | 1996-10-16 | 1999-11-16 | Vital Images, Inc. | Advanced diagnostic viewer employing automated protocol selection for volume-rendered imaging |
EP1264281A4 (en) * | 2000-02-25 | 2007-07-11 | Univ New York State Res Found | ARRANGEMENT AND METHOD FOR PROCESSING AND PLAYING A VOLUME |
US8570323B2 (en) * | 2003-02-18 | 2013-10-29 | Koninklijke Philips N.V. | Volume visualization using tissue mix |
US7653229B2 (en) * | 2003-12-23 | 2010-01-26 | General Electric Company | Methods and apparatus for reconstruction of volume data from projection data |
DE102007008767B3 (de) | 2007-02-22 | 2008-07-24 | Tomtec Imaging Systems Gmbh | Verfahren und Vorrichtung zur Darstellung von 3D Bilddatensätzen auf 2D Bildern |
US20130004043A1 (en) * | 2011-07-01 | 2013-01-03 | The Regents Of The University Of Michigan | Pixel and Voxel-Based Analysis of Registered Medical Images for Assessing Bone Integrity |
-
2014
- 2014-04-04 US US14/782,362 patent/US9600914B2/en active Active
- 2014-04-04 CN CN201480020369.7A patent/CN105103193B/zh active Active
- 2014-04-04 EP EP14719872.5A patent/EP2984629B1/en active Active
- 2014-04-04 WO PCT/IB2014/060418 patent/WO2014167466A1/en active Application Filing
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1726517A (zh) * | 2002-12-20 | 2006-01-25 | 皇家飞利浦电子股份有限公司 | 基于协议的体积可视化 |
Non-Patent Citations (1)
Title |
---|
PETER RAUTEK ET AL.: "Semantic Layers for Illustrative Volume Rendering", 《IEEE TRANSACTION ON VISUALIZATION AND COMPUTER GRAPHICS》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115511866A (zh) * | 2016-02-09 | 2022-12-23 | 分子装置有限公司 | 用于多维数据的图像分析的系统和方法 |
CN115511866B (zh) * | 2016-02-09 | 2024-04-09 | 分子装置有限公司 | 用于多维数据的图像分析的系统和方法 |
CN108269292A (zh) * | 2016-12-30 | 2018-07-10 | 西门子保健有限责任公司 | 用于根据三维图像数据组产生二维投影图像的方法和设备 |
CN110753954A (zh) * | 2017-04-17 | 2020-02-04 | 雷神公司 | 用于组合彩色3d图像的系统和方法 |
CN110753954B (zh) * | 2017-04-17 | 2023-08-08 | 雷神公司 | 用于组合彩色3d图像的系统和方法 |
CN110199322A (zh) * | 2017-04-28 | 2019-09-03 | 谷歌有限责任公司 | 从内部空间的3d网格表示提取2d平面图 |
CN116563548A (zh) * | 2018-04-26 | 2023-08-08 | 祖克斯有限公司 | 使用蒙片进行数据分割的系统和方法 |
Also Published As
Publication number | Publication date |
---|---|
EP2984629A1 (en) | 2016-02-17 |
EP2984629B1 (en) | 2018-07-18 |
US20160048984A1 (en) | 2016-02-18 |
CN105103193B (zh) | 2018-10-12 |
US9600914B2 (en) | 2017-03-21 |
WO2014167466A1 (en) | 2014-10-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105103193A (zh) | 分层的二维投影生成和显示 | |
KR102210474B1 (ko) | 양전자방출 단층촬영 시스템 및 그것을 이용한 영상 재구성 방법 | |
EP2389663B1 (en) | Pixel-feature hybrid fusion for pet/ct images | |
CN109805950A (zh) | 医用图像处理装置以及医用图像处理系统 | |
CN106061393B (zh) | 辐射检测器和包括辐射检测器的计算机断层扫描设备 | |
CN103444194B (zh) | 图像处理系统、图像处理装置以及图像处理方法 | |
CN106663319B (zh) | 谱图像数据的可视化 | |
JP6345881B2 (ja) | 画像データ用のテクスチャ解析マップ | |
EP3248174B1 (en) | Image data segmentation and display | |
CN103608842A (zh) | 用于处理医学图像的系统和方法 | |
CN102301393A (zh) | 将生物结构中的时变参数可视化 | |
CN109801254A (zh) | 医学成像中的传递函数确定 | |
CN107635469A (zh) | 基于pet系统中的散射符合的衰减图的估计 | |
CN106485777A (zh) | 用功能信息在渲染解剖结构中光照 | |
US20160080719A1 (en) | Medical-image processing apparatus | |
CN102697516A (zh) | 用于建立断层造影图像显示的方法和计算机断层造影系统 | |
CN107851337A (zh) | 交互式网格编辑 | |
CN103959335B (zh) | 图像处理装置 | |
JP6158018B2 (ja) | 核医学診断装置、および画像処理方法 | |
CN108701492B (zh) | 医学图像导航系统 | |
US20230334732A1 (en) | Image rendering method for tomographic image data | |
CN104205167A (zh) | 在例如肺部的ct体积图像中提取大泡性肺气肿和弥漫性肺气肿 | |
Myronakis et al. | A graphical user interface for XCAT phantom configuration, generation and processing |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |