CN105719333B - 三维图像数据处理方法及装置 - Google Patents

Abstract

一种三维图像数据处理方法及装置，其中，所述方法包括：获取所述三维图像的数据集，所述数据集由体素构成；对所述数据集中的不同组成部分进行识别；将不同组成部分的数据分别存储到不同的存储器中；接收用户输入的渲染指令，采用相应的图像处理器对相应存储器中的数据进行渲染处理；将渲染处理后的数据进行显示。通过所述方法和装置，可以利用有限的硬件资源实现对大数据量的扫描结果的三维显示。

Description

三维图像数据处理方法及装置

技术领域

本发明涉及图像处理技术领域，尤其涉及一种三维图像数据处理方法及装置。

背景技术

随着医疗科技水平的快速提高和患者需求的不断发展，为了准确检测患者体内的病灶区域和性质，医生通常会对患者进行全身或高精度的扫描，并根据相应的扫描结果确定诊治方案。但是通常扫描后会产生非常大的数据量。因此，在医疗数据可视化领域，如何利用现有有限的硬件资源来支持大数据量的扫描结果，并进行相应的三维显示就成为一个亟待解决的问题。

发明内容

本发明解决的问题是如何利用有限的硬件资源实现对大数据量的扫描结果的三维显示。

为解决上述问题，本发明提供一种三维图像数据处理方法，包括：获取所述三维图像的数据集，所述数据集由体素构成；对所述数据集中的不同组成部分进行识别；将不同组成部分的数据分别存储到不同的存储器中；接收用户输入的渲染指令，采用相应的图像处理器对相应存储器中的数据进行渲染处理；将渲染处理后的数据进行显示。

可选的，对所述数据集中的不同组成部分进行识别包括：基于所述体素的一维度特征信息和多维度特征信息之一或组合进行识别。

可选的，对所述数据集中的不同组成部分进行识别还包括：提供容忍范围，将位于容忍范围内的一维或多维特征的体素判定为相同的组成部分。

可选的，所述一维度特征信息包括基于体素的灰度值及基于体素的一维空间信息。

可选的，所述基于体素的灰度值及基于体素的一维空间信息进行识别包括：检测所述数据集中体素的排列顺序和颜色值大小；判定排列顺序相邻且颜色值相差在预设阈值范围内的体素为相同的组成部分；对不同的组成部分分别进行标记。

可选的，获取所述多维度特征信息包括：提供预设邻域范围，并基于体素及其所述邻域范围内的体素进行统计，获取统计意义描述的多维度特征信息。

可选的，所述统计包括基于混合高斯模型进行统计、基于体素的信息熵进行统计或者基于空间时域不变性特征模型进行统计。

可选的，所述三维图像的数据集包括：扫描对象的医疗扫描数据；所述不同组成部分包括：基于用户需求形成的去除部分以及保留部分。

可选的，所述将不同组成部分的数据分别存储到不同的存储器中，包括：将所述三维图像的数据集载入CPU内存中；将所述三维图像中的保留部分载入GPU显存中。

可选的，所述接收用户输入的渲染指令，采用相应的图像处理器对相应存储器中的数据进行渲染处理包括：分别建立对应于CPU任务队列以及对应于GPU任务队列的控制线程；解析用户的渲染指令，将与所述渲染指令相应的渲染任务分配到所述CPU任务队列或所述GPU任务队列中执行图像渲染。

为了解决上述的技术问题，本发明还公开了一种三维图像数据处理装置，包括：获取单元，用于获取所述三维图像的数据集，所述数据集由体素构成；识别单元，用于对所述数据集中的不同组成部分进行识别；存储控制单元，用于将不同组成部分的数据分别存储到不同的存储器中；渲染单元，用于接收用户输入的渲染指令，采用相应的图像处理器对相应存储器中的数据进行渲染处理；显示单元，用于将渲染处理后的数据进行显示。

可选的，所述识别单元包括：识别子单元，用于基于所述体素的一维度特征信息和多维度特征信息之一或组合进行识别。

可选的，所述识别单元还包括：判定子单元，用于提供容忍范围，将位于容忍范围内的一维或多维特征的体素判定为相同的组成部分。

可选的，所述一维度特征信息包括基于体素的灰度值及基于体素的一维空间信息。

可选的，所述识别子单元包括：检测模块，用于检测所述数据集中体素的排列顺序和颜色值大小；判定模块，用于判定排列顺序相邻且颜色值相差在预设阈值范围内的体素为相同的组成部分；标记模块，用于对不同的组成部分分别进行标记。

可选的，所述识别子单元还包括用于获取所述多维度特征信息的获取模块，包括：提供预设邻域范围，并基于体素及其所述邻域范围内的体素进行统计，获取统计意义描述的多维度特征信息。

可选的，所述统计包括基于混合高斯模型进行统计、基于体素的信息熵进行统计或者基于空间时域不变性特征模型进行统计。

可选的，所述三维图像的数据集包括：扫描对象的医疗扫描数据；所述不同组成部分包括：基于用户需求形成的去除部分以及保留部分。

可选的，所述存储控制单元包括：第一存储控制子单元，用于将所述三维图像的数据集载入CPU内存；第二存储控制子单元，用于将所述三维图像中的保留部分载入GPU显存中。

可选的，所述渲染单元包括：线程控制子单元，用于分别建立对应于CPU任务队列以及对应于GPU任务队列的控制线程；分配子单元，用于解析用户的渲染指令，将与所述渲染指令相应的渲染任务分配到所述CPU任务队列或所述GPU任务队列中执行图像渲染。

与现有技术相比，本发明的技术方案具有以下优点：

通过对三维图像数据集进行分割预处理，识别出其中不同的组成部分，然后通过相应的空间存储管理技术，并将不同的数据分别载入不同的硬件。最终可以基于用户对不同解剖结构的显示需要，将三维渲染任务分配给不同的硬件来分别完成，从而实现了利用有限的硬件资源，在整体上完成对医疗大数据的三维可视化支持。

附图说明

图1是本发明实施例的一种三维图像数据处理方法的流程图；

图2是本发明实施例中一种对数据集中的不同组成部分进行识别的方法的流程图；

图3是本发明实施例的一种三维图像数据处理装置的结构示意图。

具体实施方式

随着医疗科技水平的快速提高和患者需求的不断发展，为了准确检测患者体内的病灶区域和性质，医生通常会对患者进行全身或高精度的扫描，并根据相应的扫描结果确定诊治方案。但是通常在扫描之后会产生非常大的数据量。因此，在医疗数据可视化领域，如何利用现有有限的硬件资源来支持大数据量的扫描结果，并进行相应的三维显示就成为一个亟待解决的问题。

经申请人研究发现，现有的三维可视化渲染方法主要包括以下两类：

1.全CPU方法：该方法的主要特点是完全使用CPU来完成各种三维可视化任务，相对而言该方法受数据大小的影响很小。但该方法对于算法和代码优化的要求非常高，通常情况下很难达到很高的渲染效率，用户体验较差。

2.全GPU方法：该方法的主要特点是完全使用GPU来完成各种三维可视化任务，因为GPU独特的并行化设计使得该方法通常而言效率很高，用户体验较好。但该方法受数据大小的影响较大，一方面在于显存容量通常有限，另一方面在于三维数据的上传是有维度限制的，因此不能支持大数据的渲染需求。

本发明通过对三维图像数据集进行分割预处理，识别出其中不同的组成部分，然后通过相应的空间存储管理技术，并将不同的数据分别载入不同的硬件。最终可以基于用户对不同解剖结构的显示需要，将三维渲染任务分配给不同的硬件来分别完成，从而实现了利用有限的硬件资源，在整体上完成对医疗大数据的三维可视化支持。

为使本发明的上述目的、特征和优点能够更为明显易懂，下面结合附图对本发明的具体实施例做详细的说明。

本发明实施例提供了一种三维图像数据处理方法，参照图1，以下通过具体步骤进行详细说明。

步骤S101，获取所述三维图像的数据集，所述数据集由体素构成。

体素是数据在三维空间分割上的最小单位，通过数据集中的体素可以实现三维成像。

步骤S102，对所述数据集中的不同组成部分进行识别。

在具体实施中，可以是在与用户交互的过程中，根据用户的输入信息所确定的目标区域。所述目标区域也可以是根据与用户交互的过程中，由用户给定的范围。具体来说，当对所述三维图像的数据进行可视化呈现时，用户可以通过鼠标或手写笔等外设在显示的图像界面上描绘出希望进行去除的目标区域的边界范围，或者希望保留的目标区域的边界范围。根据用户的输入信息，即可得到所述去除部分以及相应的保留部分。

在具体实施中，也可以基于用户需求形成的去除部分以及保留部分，即根据执行任务的类型，选择对应的加载内容。例如，在医疗数据可视化领域，所述三维图像的数据集包括：扫描对象的医疗扫描数据。当执行三维体渲染(Volume Rendering，VR)任务时，通常情况下，数据中的空气部分会占整个数据大小的一半以上，但是在实际应用中，由于并不关心空气部分的信息，工作站中的医生往往还需借助分割步骤来去除空气信息。因此针对VR渲染任务的实际应用需要，可以对三维图像数据集中的不同组成部分进行分割识别，将其分为空气部分和非空气部分，并将空气部分作为去除部分，将非空气部分作为保留部分。

当根据所述三维图像的数据集，执行多平面重建(Multiple PlanarReconstruction，MPR)或曲面重建(Curved Planar Reconstruction，CPR)任务时，由于医生需要参考空气信息作为辅助诊断，因此可以不对所述数据集中的不同组成部分进行识别。

可以理解的是，上述两种具体实施可以结合使用，即根据三维渲染任务的特性以及用户对数据的需求将不同的三维渲染任务分配给不同的硬件来完成。

可以理解的是，在医疗数据可视化领域，对所述三维图像数据集的识别也可以不仅限于空气部分和非空气部分，也可以根据实际应用的需要，区分更多不同的人体组织，进而针对具体组织按需进行渲染，以进一步减少系统硬件的资源开销。

在具体实施中，对所述数据集中的不同组成部分进行识别可以包括：基于所述体素的一维度特征信息和多维度特征信息之一或组合进行识别。

在上述的具体实施中，对所述数据集中的不同组成部分进行识别还可以包括：提供容忍范围，将位于容忍范围内的一维或多维特征的体素判定为相同的组成部分。

所述数据集中的不同组成部分的体素，会体现出不同的一维特征或多维特征。因此通过检测所述数据集中体素的相关特征信息，并通过检测所述特征信息是否位于同一所述容忍范围内，就可以实现对所述数据集中的不同组成部分进行区分。

在完成对所述数据集中的不同组成部分进行识别后，可以通过相应的空间管理算法对所述三维图像数据进行管理。例如使用八叉树技术对数据进行管理，也可以使用其他有划分管理方法，比如K维度(k-dimensional，kd)树，二叉空间分割(Binary SpacePartition，BSP)树。

步骤S103，将不同组成部分的数据分别存储到不同的存储器中。

在具体实施中，将不同的组成部分的数据分别存储到不同的存储器中，可以在后续处理中，通过图像绘制硬件进行相应的渲染处理。

在具体实施中，所述不同的存储器可以包括：CPU内存和GPU显存。可以将完整体数据存储到CPU内存中，而将所述三维图像的数据集中的非空气组成部分存储到GPU显存中。

为了说明方便起见，下文将以CPU内存和GPU显存作为所述不同的存储器。但是可以理解的是，所述存储器还可以是其他类型的存储器，并不限于所述的CPU内存和GPU显存。

步骤S104，接收用户输入的渲染指令，采用相应的图像处理器对相应存储器中的数据进行渲染处理。

在具体实施中，可以通过CPU对内存中的三维图像数据集进行加载处理，通过GPU对显存中的三维图像数据集进行加载处理。这是由于在进行VR任务计算时，过程复杂且对效率要求极高，因此通过GPU来完成以提高执行效率；其他的任务，如MPR，CPR等相关任务则因为需要参考空气信息辅助诊断，数据量大，因此统一通过CPU来完成三维图像渲染。

可以理解的是，图像渲染执行硬件也可以是除CPU和GPU外，其他能够实现特定绘制处理的专有硬件设备。

在具体实施中，为了均衡渲染任务的负载和优化系统的性能，可以在系统框架层面上，将CPU和GPU的渲染任务分开在不同控制线程执行，使之彼此独立，即分别建立对应于CPU任务队列以及对应于GPU任务队列的控制线程，进而解析用户的渲染指令，将与所述渲染指令相应的渲染任务分配到所述CPU任务队列或所述GPU任务队列中执行图像渲染。

当执行VR任务时，GPU进行复杂计算而此时CPU资源占用很低，因此系统还能够实现同时支持其他多用户多任务的任务请求的作用。而当执行MPR或CPR等任务时，为了保证执行效率和缓存的一致性，在限制CPU占用率的前提下多个任务会依次顺序执行，同样确保此时可以有足够的CPU资源支持其他任务请求。

步骤S105，将渲染处理后的数据进行显示。

当通过所述步骤S104进行图像渲染处理后，通过统一的渲染框架对渲染结果进行收集，并通过统一的接口向界面传输结果进行展示，使得用户对具体渲染策略透明。

本发明实施例通过对三维图像目标数据进行分割预处理以识别其中的组成结构，然后利用空间管理技术，基于对不同组成结构的显示需要将不同的数据分别载入不同的存储器中，并据此将三维渲染任务分配给对应的处理装置，如CPU和GPU，分别完成，最终利用有限的硬件资源整体上实现对医疗大数据的三维可视化支持。例如，在医疗数据可视化领域，针对用户的需求和任务类型，舍弃空气数据以节约系统资源，因此既可以省去去除空气的后续操作步骤，方便了使用，又可以很好地满足现有大数据的三维渲染需求，实现了利用有限的硬件资源支持渲染更大量的数据的应用需求。

为了解决上述的技术问题，本发明实施例还公开了另一种三维图像的处理方法。其与图1所示实施例的不同之处在于，本实施例在所述步骤S102中，通过包括基于体素的灰度值及基于体素的一维空间信息的一维度特征信息，对所述数据集中的不同组成部分进行识别。具体来说，如图2所示，基于体素的灰度值及基于体素的一维空间信息进行识别包括如下步骤：

步骤S201，检测所述数据集中体素的排列顺序和颜色值大小。

在具体实施中，所述排列顺序可以是每个所述体素在三维空间中所处的位置。所述颜色值大小可以是所述体素的灰度值大小。

步骤S202，判定排列顺序相邻且颜色值相差在预设阈值范围内的体素为相同的组成部分。

通常颜色值或灰度值差别较大的体素所表示的是不同的组织，而位置上距离比较远的也有较大可能非同一组织。因此通过综合比较体素的排列顺序和颜色值，可以对三维图像中的数据进行分配和识别。在三维空间上位置相邻，且颜色值相差在预设阈值范围，即所述容忍范围内的体素可以认为是三维图像中相同组成部分

步骤S203，对不同的组成部分分别进行标记。

在具体实施中，可以对排列顺序相邻且颜色值相差在预设阈值范围内的体素设置相应的标记数据。

通过本发明实施例可以实现一些简单的三维图像数据分割。例如，在医疗数据可视化领域，可以通过本发明实施例的方法，实现区分如人体组织以及空气的简单情况。

为了解决上述的技术问题，本发明实施例还公开了另一种三维图像的处理方法。其与图2所示实施例的不同之处在于，本实施例在所述步骤S102中，基于体素的多维度特征信息，对所述数据集中的不同组成部分进行识别。获取所述多维度特征信息还可以包括：提供预设邻域范围，并基于体素及其所述邻域范围内的体素进行统计，获取统计意义描述的多维度特征信息。

在具体实施中，所述统计可以是通过计算每个体素的信息熵的方式进行统计。体素的信息熵，能够反映在所述体素及附近一定大小范围内，灰度信息的分布在统计意义上的综合特征。通过计算并比较所述体素的信息熵以及所述体素周围一定区域内的信息熵，如果两者的差值小于预设值，可认为该体素和周围一定区域的灰度分布信息是一致的，因此两者属于三维图像中的同一组成部分；如果两者的差值大于预设值，则认为该体素和周围一定区域的灰度分布信息不一致，两只不属于三维图像中的同一组成部分。

在具体实施中，所述统计可以是基于混合高斯模型进行统计，使用多个高斯模型来表征所述三维图像中各个体素的特征。具体来说，可以是将位于同一区域中的所有体素通过多个高斯模型进行高斯拟合，从而得到相应的高斯参数，进而将所述所有体素的高斯参数进行比较，将位于同一范围内的体素作为相同的组成部分。

在具体实施中，所述统计可以是基于空间时域不变性特征模型进行统计，例如通过尺度不变特征转换特征描述算法(Scale-Invariant Feature Transform，SIFT)进行统计计算。具体来说，需在不同的分辨率下，分别对同一区域内的体素进行混合高斯模型计算，从而形成不同分辨率下的集合向量，进而对各体素进行比较，判断其是否属于三维图像的同一组成部分。这是相对于混合高斯模型统计更为复杂的统计计算方法，是针对极端场景的更高阶的体素特征描述，是在更高维的特征空间对所述三维图像进行分割和分类。

可以理解的是，上述的具体实施方式可以在本实施例中并用，并且各具体实施方式的特征权重还可以根据应用的需要进行设置。

本发明实施例通过统计计算所述三维图像体素的多维度特征信息，可以根据应用需要实现图像的精确分割识别。图2所示实施例通常只能处理一般简单的情况，例如，在医疗数据可视化领域，用于区分空气和人体组织。而本实施例则可应用于较复杂的情况，例如，用于区别空间上相邻且灰度值相近的器官组织(比如肺和心脏)，或者生长在一起但功能不同的器官(比如肝、胰腺和胆囊)。

为了解决上述的技术问题，本发明实施例还公开了一种三维图像数据处理装置。如图3所示，所述三维图像数据处理装置可以包括：获取单元301、识别单元302、存储控制单元303、渲染单元304以及显示单元305。

所述获取单元301，用于获取所述三维图像的数据集，所述数据集由体素构成；

所述识别单元302，用于对所述数据集中的不同组成部分进行识别；

所述存储控制单元303，用于将不同组成部分的数据分别存储到不同的存储器中；

所述渲染单元304，用于接收用户输入的渲染指令，采用相应的图像处理器对相应存储器中的数据进行渲染处理；

所述显示单元305，用于将渲染处理后的数据进行显示。

在具体实施中，所述识别单元302可以包括：识别子单元，用于基于所述体素的一维度特征信息和多维度特征信息之一或组合进行识别。

在具体实施中，所述识别单元302还可以包括：判定子单元，用于提供容忍范围，将位于容忍范围内的一维或多维特征的体素判定为相同的组成部分。

在具体实施中，所述一维度特征信息包括基于体素的灰度值及基于体素的一维空间信息。

在具体实施中，所述识别子单元可以包括：检测模块，用于检测所述数据集中体素的排列顺序和颜色值大小；判定模块，用于判定排列顺序相邻且颜色值相差在预设阈值范围内的体素为相同的组成部分；标记模块，用于对不同的组成部分分别进行标记。

在具体实施中，所述识别子单元还可以包括用于获取所述多维度特征信息的获取模块，包括：提供预设邻域范围，并基于体素及其所述邻域范围内的体素进行统计，获取统计意义描述的多维度特征信息。

在具体实施中，所述统计包括基于混合高斯模型进行统计、基于体素的信息熵进行统计或者基于空间时域不变性特征模型进行统计。

在具体实施中，所述三维图像的数据集包括：扫描对象的医疗扫描数据；所述不同组成部分包括：基于用户需求形成的去除部分以及保留部分。在具体实施中，所述存储控制单元303可以包括：第一存储控制子单元，用于将所述三维图像的数据集载入CPU内存；第二存储控制子单元，用于将所述三维图像中的保留部分载入GPU显存中。

在具体实施中，所述渲染单元304可以包括：线程控制子单元，用于分别建立对应于CPU任务队列以及对应于GPU任务队列的控制线程；分配子单元，用于解析用户的渲染指令，将与所述渲染指令相应的渲染任务分配到所述CPU任务队列或所述GPU任务队列中执行图像渲染。

本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于计算机可读存储介质中，存储介质可以包括：ROM、RAM、磁盘或光盘等。

虽然本发明披露如上，但本发明并非限定于此。任何本领域技术人员，在不脱离本发明的精神和范围内，均可作各种更动与修改，因此本发明的保护范围应当以权利要求所限定的范围为准。

Claims (20)

1.一种三维图像数据处理方法，其特征在于，包括：

获取所述三维图像的数据集，所述数据集由体素构成；

对所述数据集中的不同组成部分进行识别；

将不同组成部分的数据分别存储到不同的存储器中；

接收用户输入的渲染指令，采用相应的图像处理器对相应存储器中的数据进行渲染处理；

将渲染处理后的数据进行显示。

2.如权利要求1所述的三维图像数据处理方法，其特征在于，对所述数据集中的不同组成部分进行识别包括：基于所述体素的一维度特征信息和多维度特征信息之一进行识别。

3.如权利要求2所述的三维图像数据处理方法，其特征在于，对所述数据集中的不同组成部分进行识别还包括：提供容忍范围，将位于容忍范围内的一维或多维特征的体素判定为相同的组成部分。

4.如权利要求2所述的三维图像数据处理方法，其特征在于，所述一维度特征信息包括基于体素的灰度值及基于体素的一维空间信息。

5.如权利要求4所述的三维图像数据处理方法，其特征在于，所述基于体素的灰度值及基于体素的一维空间信息进行识别包括：

检测所述数据集中体素的排列顺序和颜色值大小；

判定排列顺序相邻且颜色值相差在预设阈值范围内的体素为相同的组成部分；

对不同的组成部分分别进行标记。

6.如权利要求2所述的三维图像数据处理方法，其特征在于，获取所述多维度特征信息包括：提供预设邻域范围，并基于体素及其所述邻域范围内的体素进行统计，获取统计意义描述的多维度特征信息。

7.如权利要求6所述的三维图像数据处理方法，其特征在于，所述统计包括基于混合高斯模型进行统计、基于体素的信息熵进行统计或者基于空间时域不变性特征模型进行统计。

8.如权利要求1所述的三维图像数据处理方法，其特征在于，

所述三维图像的数据集包括：扫描对象的医疗扫描数据；

所述不同组成部分包括：基于用户需求形成的去除部分以及保留部分。

9.如权利要求8所述的三维图像数据处理方法，其特征在于，所述将不同组成部分的数据分别存储到不同的存储器中，包括：

将所述三维图像的数据集载入CPU内存中；

将所述三维图像中的保留部分载入GPU显存中。

10.如权利要求1-9任一项所述的三维图像数据处理方法，其特征在于，所述接收用户输入的渲染指令，采用相应的图像处理器对相应存储器中的数据进行渲染处理包括：

分别建立对应于CPU任务队列以及对应于GPU任务队列的控制线程；

解析用户的渲染指令，将与所述渲染指令相应的渲染任务分配到所述CPU任务队列或所述GPU任务队列中执行图像渲染。

11.一种三维图像数据处理装置，其特征在于，包括：

获取单元，用于获取所述三维图像的数据集，所述数据集由体素构成；

识别单元，用于对所述数据集中的不同组成部分进行识别；

存储控制单元，用于将不同组成部分的数据分别存储到不同的存储器中；

渲染单元，用于接收用户输入的渲染指令，采用相应的图像处理器对相应存储器中的数据进行渲染处理；

显示单元，用于将渲染处理后的数据进行显示。

12.如权利要求11所述的三维图像数据处理装置，其特征在于，所述识别单元包括：

识别子单元，用于基于所述体素的一维度特征信息和多维度特征信息之一进行识别。

13.如权利要求12所述的三维图像数据处理装置，其特征在于，所述识别单元还包括：

判定子单元，用于提供容忍范围，将位于容忍范围内的一维或多维特征的体素判定为相同的组成部分。

14.如权利要求12所述的三维图像数据处理装置，其特征在于，所述一维度特征信息包括基于体素的灰度值及基于体素的一维空间信息。

15.如权利要求14所述的三维图像数据处理装置，其特征在于，所述识别子单元包括：

检测模块，用于检测所述数据集中体素的排列顺序和颜色值大小；

判定模块，用于判定排列顺序相邻且颜色值相差在预设阈值范围内的体素为相同的组成部分；

标记模块，用于对不同的组成部分分别进行标记。

16.如权利要求12所述的三维图像数据处理装置，其特征在于，所述识别子单元还包括用于获取所述多维度特征信息的获取模块，包括：提供预设邻域范围，并基于体素及其所述邻域范围内的体素进行统计，获取统计意义描述的多维度特征信息。

17.如权利要求16所述的三维图像数据处理装置，其特征在于，所述统计包括基于混合高斯模型进行统计、基于体素的信息熵进行统计或者基于空间时域不变性特征模型进行统计。

18.如权利要求11所述的三维图像数据处理装置，其特征在于，

所述三维图像的数据集包括：扫描对象的医疗扫描数据。

19.如权利要求11所述的三维图像数据处理装置，其特征在于，所述不同组成部分包括：基于用户需求形成的去除部分以及保留部分；

所述存储控制单元包括：

第一存储控制子单元，用于将所述三维图像的数据集载入CPU内存；

第二存储控制子单元，用于将所述三维图像中的保留部分载入GPU显存中。

20.如权利要求11-19任一项所述的三维图像数据处理装置，其特征在于，所述渲染单元包括：

线程控制子单元，用于分别建立对应于CPU任务队列以及对应于GPU任务队列的控制线程；

分配子单元，用于解析用户的渲染指令，将与所述渲染指令相应的渲染任务分配到所述CPU任务队列或所述GPU任务队列中执行图像渲染。