CN107194909A - 医用图像处理装置及医用图像处理程序 - Google Patents

医用图像处理装置及医用图像处理程序 Download PDF

Info

Publication number
CN107194909A
CN107194909A CN201710150042.7A CN201710150042A CN107194909A CN 107194909 A CN107194909 A CN 107194909A CN 201710150042 A CN201710150042 A CN 201710150042A CN 107194909 A CN107194909 A CN 107194909A
Authority
CN
China
Prior art keywords
mentioned
curved surface
image
various body
processing apparatus
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
Application number
CN201710150042.7A
Other languages
English (en)
Other versions
CN107194909B (zh
Inventor
S·雷诺兹
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Canon Medical Systems Corp
Original Assignee
Toshiba Medical Systems Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Toshiba Medical Systems Corp filed Critical Toshiba Medical Systems Corp
Publication of CN107194909A publication Critical patent/CN107194909A/zh
Application granted granted Critical
Publication of CN107194909B publication Critical patent/CN107194909B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/06—Topological mapping of higher dimensional structures onto lower dimensional surfaces
    • G06T3/067—Reshaping or unfolding 3D tree structures onto 2D planes
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves  involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computed tomography [CT]
    • A61B6/032—Transmission computed tomography [CT]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computed tomography [CT]
    • A61B6/037—Emission tomography
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/48—Diagnostic techniques
    • A61B8/483—Diagnostic techniques involving the acquisition of a 3D volume of data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T15/00—3D [Three Dimensional] image rendering
    • G06T15/06—Ray-tracing
    • 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
    • G06T19/00—Manipulating 3D models or images for computer graphics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/48—NMR imaging systems
    • G01R33/54—Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
    • G01R33/56—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution
    • G01R33/5608—Data processing and visualization specially adapted for MR, e.g. for feature analysis and pattern recognition on the basis of measured MR data, segmentation of measured MR data, edge contour detection on the basis of measured MR data, for enhancing measured MR data in terms of signal-to-noise ratio by means of noise filtering or apodization, for enhancing measured MR data in terms of resolution by means for deblurring, windowing, zero filling, or generation of gray-scaled images, colour-coded images or images displaying vectors instead of pixels
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2200/00—Indexing scheme for image data processing or generation, in general
    • G06T2200/04—Indexing scheme for image data processing or generation, in general involving 3D image data
    • 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
    • G06T2207/10081—Computed x-ray tomography [CT]
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20024—Filtering details
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20112—Image segmentation details
    • 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
    • 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
    • G06T2207/30008—Bone
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2210/00—Indexing scheme for image generation or computer graphics
    • G06T2210/41—Medical
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2215/00—Indexing scheme for image rendering
    • G06T2215/06—Curved planar reformation of 3D line structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2219/00—Indexing scheme for manipulating 3D models or images for computer graphics
    • G06T2219/008—Cut plane or projection plane definition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2219/00—Indexing scheme for manipulating 3D models or images for computer graphics
    • G06T2219/021—Flattening

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • General Health & Medical Sciences (AREA)
  • Radiology & Medical Imaging (AREA)
  • Computer Graphics (AREA)
  • Biophysics (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Public Health (AREA)
  • Surgery (AREA)
  • Molecular Biology (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Optics & Photonics (AREA)
  • Quality & Reliability (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Pulmonology (AREA)
  • Geometry (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Image Processing (AREA)
  • Image Generation (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)

Abstract

本发明提供一种与以往相比能够将解剖学构造恰当地视觉化的医用图像处理装置及医用图像处理程序。实施方式所涉及的医用图像处理装置，具有曲面决定部和图像生成部。曲面决定部针对三维数据决定穿过多个子构造的第1曲面，该三维数据是关于具有多个子构造的解剖学构造的数据。图像生成部，使用关于第1曲面上的多个采样点的三维数据，生成与第1曲面相对应的二维图像。

Description

医用图像处理装置及医用图像处理程序
技术领域
本发明的实施方式涉及例如能够用于使解剖学构造视觉化的医用图像处理装置及医用图像处理程序。
背景技术
当临床医生进行胸部检查时，需要识别并计数位移或没有位移的骨折或骨病变。例如，需要确认检查了全部的肋骨，决定骨折或损伤位于其中的肋骨的何处。
例如计算机断层摄影法(CT)、磁共振影像法(MRI)或正电子放射断层摄影法(PET)等范围较大的医用摄像程式，成为用来获取用于诊断或其他目的的描绘患者或其他被检体的三维医用摄像数据的标准性技术。
为了观察患者或其他被检体的肋骨而确定是否有骨折，已知使用CT数据或从其他医用摄像程式生成的、体轴截面或斜截面中的多截面再编制(MPR)视图。体轴或斜截面MPR视图也可以借由一组三维图像数据而具备例如遍及患者的躯体的切片等、体轴或斜截面切片。临床医生通过依次遵循体轴切片或斜截面切片的系列的级序，来观察患者的肋骨。各个切片可能包含至少一根或其以上的肋骨。可能不同的肋骨被表示在不同的切片上。此外，可能各个肋骨出现在许多的切片上。
通过实际使用这样的技术，有可能难以对临床医生保证适当地检查了全部的肋骨。进而，即使一旦确认了骨折，彻底查明究竟该骨折在特定的肋骨的何处也有可能是困难的。由于各个切片仅表示特定的肋骨或多个肋骨，所以区分哪个肋骨被表示在规定的切片上有可能较难。此外，对于临床医生而言，借由一组体轴或斜截面MPR视图并遵循级序可能要花费较多时间。
以往以来，提出了使关于各个肋骨的曲面重构(Curved MPR：也称为“CPR”、“曲面重建MPR”)图像变明确的肋骨中心线跟踪算法等的技术。合成图像然后根据肋骨的CPR图像集和背骨的CPR图像生成。有效率地将各个肋骨在图像中以笔直的形态表示。在原理上，这样的技术将没有位移的骨折更简单地可视化。
但是，以往技术图像中的肋骨的直线化有可能使肋骨的相对的位置及方位的把握变得困难。肋骨的直线化可能会使图像的观感变得不自然。进而，在生成合成图像的一些方法中，可能在生成的合成图像中出现在背骨与肋骨之间断开那样的状况。
还提出了为了确定骨折而生成展开的胸廓的最大亮度投影(MIP)图像的技术。这样的展开的MIP图像原则上能够给出胸廓的良好的整体视图。但是，使用MIP等亮度投影技术生成的视图在没有位移的骨折、特别是没有位移的骨折是局部性骨折的情况下，有正好挡住的情况。
MIP通过返回例如沿着射线的最高亮度(returning)，选择最大亮度的点。对于骨折了的骨头、特别是骨折为局部性骨折，亮度的最大值可能在没有骨折的点处产生。因而，在某种状况下，MIP可能没有描绘沿着骨折的线的点，结果在图像中使骨折的可视变得困难，或者成为不可视。
没有位移的骨折由于在例如用通过MIP或其他的亮度投影技术等从肋骨的表面获取的图像数据值描绘、或生成受图像数据值支配的图像的摄像技术中有可能看不到，所以特别有确定变得困难的情况。
发明内容
本发明的实施方式是着眼于上述情况而作出的，其提供一种与以往相比能够将解剖学构造恰当地视觉化的医用图像处理装置及医用图像处理程序。
本发明一个实施方式所涉及的医用图像处理装置，具有曲面决定部和图像生成部。曲面决定部针对三维数据决定穿过多个子构造的第1曲面，该三维数据是关于具有多个子构造的解剖学构造的数据。图像生成部，使用关于第1曲面上的多个采样点的三维数据，生成与第1曲面相对应的二维图像。
附图说明
图1是有关实施方式的医用摄像数据处理系统的概略图。
图2是描绘了图1的系统的动作模式整体的流程图。
图3是与轴、描绘了数据采样路径的轴的周边的多个面和多个线交叠的被检体的胸廓的概要图。
图4是描绘了多个面的一部分的简图，表示相对于与轴垂直方向倾斜的面。
图5a是表示从轴以放射状延伸、与在摄像数据套组中表示的解剖学构造交叉的数据采样路径的简图。
图5b是表示穿过解剖学构造的数据采样路径的将图5a的一部分放大的图，包括数据采样路径与解剖学构造的交点的范围的指示。
图6是穿过多样体、轴、从轴接着射线路径与多样体交叉的射线的切片、与穿过生成了多样体的图像数据的切片的描绘交叠的切片的概略图。
图7是描绘图1的系统的动作模式概要的流程图。
具体实施方式
以下，参照附图，用并不限定于例子的方法说明实施方式。
在图1中表示有关实施方式的医用图像处理装置10。医用图像处理装置10在此情况下具备作为个人计算机(PC)或工作站的计算装置12，连接在CT扫描器14、一个以上的显示屏幕16或其他显示设备、以及计算机键盘、鼠标或跟踪球等输入装置或多个输入装置18上。
CT扫描器14也可以是构成为获取患者或其他被检体的区域的容积CT数据(英文：volumetric CT data)的任意的CT扫描器。患者或其他被检体的区域有可能具备关注的至少一个解剖学构造。在本实施方式中，患者的区域是躯体，关注的解剖学构造是肋骨。在其他实施方式中，解剖学构造也可以是任意的适当的构造，例如是头盖骨或骨盆等的骨骼、或肝脏、心脏或胃等的脏器。患者的区域的容积CT数据有可能被向适合于图像处理的一个以上的容积摄像数据套组中重构。
在代替性的实施方式中，CT扫描器14如果是例如MRI(磁共振摄像)扫描器、X线扫描器、PET(正电子放射断层摄影法)扫描器、SPECT(单光子放射计算机断层摄影)扫描器或超声波扫描器等构成为提供三维医用摄像数据的摄像程式(英文：imaging modality)，则也可以替换为或者补充任意的容积扫描器。
在本实施方式中，由CT扫描器14获取的容积CT数据套组被保存到存储器20中，然后被向计算装置12提供。在代替性的实施方式中，容积CT数据套组被从有可能形成图像保管通信系统(PACS)的一部分的远程数据存储器(未图示)供给。存储器20或远程数据存储器也可以具备存储装置的任意的适当形态。
计算装置12提供用来将摄像数据套组自动地或半自动地进行处理的处理资源，具备中央处理单元(CPU)。在本公开中，计算装置12包括多样体决定电路24和图像生成电路28。
在本实施方式中，多样体决定电路24和图像生成电路28、由计算装置12、利用具有能够执行实施方式的方法的计算机可读指示的计算机程序的手段来分别执行。例如，多样体决定电路24和图像生成电路28例如有可能由CPU22作为能够由计算装置12执行的单独的计算机程序或算法分别执行。但是，在其他实施方式中，电路也可以被作为一个以上的ASICs(面向特定用途的集成电路)或FPGAs(现场可编程门阵列)执行。
计算装置12还拥有也包括硬盘驱动器或RAM、ROM、数据总线、包含各种各样的设备驱动器的操作系统、或包括图形卡的硬件设备的PC的其他构成要素。这样的构成要素为了清楚而在图1中没有图示。
图1的系统的工序被用图2的流程图的概略表示。在处理的第一阶段100中，计算装置12接收医用摄像数据套组。在该实施方式中，医用摄像数据套组具备三维CT数据，所述三维CT数据具备伴随着表示由扫描体的对应位置处的CT扫描决定的X线吸收水平的各个体素的亮度值的体素的套组。
在代替性的实施方式中，为了获取医用摄像数据套组，也可以使用任意的其他适当的程式，例如有磁共振(MR)摄像或正电子放射断层摄影(PET)摄像。
在处理的下个阶段102，多样体决定电路24决定用来在多样体决定处理中使用的轴。轴200被在图3及图4中概略地表示。在本实施方式中，轴200是医用摄像数据套组的被检体，遵循与背骨实质上对位的患者的上下(superior－inferior)轴。在此情况下，轴200基于与CT扫描器的长轴及患者的上下轴实质上是一直线的理解，从医用摄像数据套组的坐标系设定。
在其他实施方式中，为了决定轴也可以使用任意的适当处理。例如，也可以为了决定背骨或其他的解剖学构造的位置或方位而对医用摄像数据套组执行分段处理，也可以基于分段来决定轴200的位置或方位。
在处理的下个阶段104中，多样体决定电路24决定绕轴200扩展的多个面210。相比在与轴200垂直方向上延长，面210相对于轴200倾斜是本实施方式的特征。通常，人类患者的各自的各个肋骨被与相对于背骨的方向倾斜的面对位，通过将面210倾斜，面210可能会更加与肋骨排列在一直线上。在其他实施方式中，也可以将面210与任意的解剖学构造实质上对位而倾斜。
在本实施方式中，面210的全部如在图4中用角度阿尔法所表示的那样，以相同的角度倾斜。在其他实施方式中，不同的面210也可以具有不同的倾角。在实施方式中，面210的倾角既可以被固定，也可以自动或半自动地决定规定的倾角或倾角，例如，也可以基于医用摄像数据套组的分段及/或按照用户输入决定倾斜角度。
在处理的阶段106中，多样体决定电路24决定各个面210上的多个数据采样路径220。在图3中表示了数据采样路径的几个例子。数据采样路径220相对于轴200以放射状扩展。
在本实施方式中，对于各个面210的多个数据采样路径220绕轴200实质上被遍及360度地分配。在其他实施方式中，数据采样路径220可能被遍及比360度小的角度地分配。数据采样路径220有可能在面的周边隔着实质上相等的角度间隔。
图5a是轴200处于面210的中心的单一面210的概略图。图5a与借由对应于面210的医用摄像数据套组的切片的描绘交叠。图5a表示从轴200以放射状延伸的多个数据采样路径220。为了使得清楚，在图5a中仅描绘了在处理的阶段106中决定的数据采样路径220的子套组。进而，面210上的数据采样路径220尽管存在，但在图5a中没有图示。
图5b是图5a的一部分的放大图，表示两个数据采样路径220a及220b的一部分。各个数据采样路径220a及220b在医用图像数据套组中与骨的区域230交叉(在此情况下，骨是肋骨的一部分)。骨的区域230由于骨的边界具有比骨的正中间高的亮度，所以在图5a及图5b中成为轮子那样的观感。
在阶段108中，多样体决定电路24通过从轴220沿着各个数据采样路径220投射射线，在沿着各个数据采样路径220的多个点的各自处将医用摄像数据套组采样。多样体决定电路24根据医用摄像数据套组的亮度值，沿着各个数据采样路径220，决定与多个点分别对应的亮度值。当决定与多个点对应的亮度值时，多样体决定电路24有可能沿着多个数据采样路径220的每一个分别决定医用摄像数据的亮度值的变化的程度。
在阶段110至114中，多样体决定电路24决定具有描绘至少一个解剖学构造的形态之形状的曲面。在阶段110至114中，多样体决定电路24决定拥有描绘至少一个解剖学构造的形态之形状的曲面。至少一个解剖学构造具有多个分离的子构造，在此情况下胸廓包括多个肋骨。在记载的实施方式中，曲面被称作多样体400，例如曲面或复合3D多样体和多样体400与全部的关注解剖学构造、在本实施方式中为全部的肋骨交叉。
有问题的解剖学构造或多个构造的形状的任意的其他适当曲面、例如任意的适当多样体，有可能按照代替性的实施方式决定，此外，曲面也有可能为任意的适当的二维或三维形状。曲面最小只有很小厚度或完全没有厚度，这样的曲面可以考虑为曲面二维形状。代替地，曲面也可以不是零，或者不是很小，或者具有比最小的厚度大的厚度，这样也可以是厚片(英文：slab)等三维形状，例如是弯曲的厚片。这样的厚片与例如一个体素相比有可能更具有厚度。在对象上，完全没有厚度及宽度的线即使是线穿过三维空间而遵循曲面路径的情况，也可以考虑为一维形状。
在图1的实施方式中，为了决定曲面而使用多样体决定电路24，但在此情况下曲面是多样体400。在代替性的实施方式中，为了决定曲面也可以使用任意的适当电路。
在阶段110中，相对于由至少一根肋骨交叉的各个数据采样路径220，多样体决定电路220决定沿着数据采样路径220的射线投射与肋骨交叉的最初的点(即，距轴最近的点)、和沿着数据采样路径220的射线投射与肋骨交叉的最后的点(即，距轴最远的点)。多样体决定电路220决定对于数据采样路径220的推测的多样体位置。该推测的多样体位置是最初的点与最后的点的中间点。该中间点是射线与肋骨的交点的起始和结束的中间。在其他实施方式中，为了决定推测的多样体位置，也可以使用不同的方法。例如，在实施方式中，有不存在向射线与肋骨之间的交叉的终点的形态。在实施方式中，推测的多样体位置也有关联于射线与肋骨之间的最初的交点而决定者。
图5a表示关于数据采样路径220a决定的最初的点240、最后的点242及中间点244、和关于数据采样路径220b决定的最初的点250、最后的点252、中间点254。
中间点有可能处于骨的骨髄内。在某种状况下，有可能最初的点和最后的点分别比中间点更适宜定义，所以有为了探索中间点而使用最初的点和最后的点较为有益的情况。由于最初的点和最后的点分别可能骨的外侧部分拥有比骨髄大的亮度，所以最初的点和最后的点可能与中间点相比更拥有对比度。
在本实施方式中，通过为了决定中间点而使用最初的点和最后的点进行的多样体的决定，是基于随着肋骨的外侧部分具有比肋骨的内侧部分大的亮度而遍及肋骨的厚度的亮度的值的预想分布图的。在其他实施方式中，多样体的决定也可以基于遍及任意的解剖学构造的任意的适当参数的预想分布图。
在本实施方式中，多样体决定电路24通过为了确定具有描绘骨的亮度的点而使用亮度阈值，或者通过检测具有描绘骨的亮度的最初的点和最后的点，来决定对于各个数据采样路径220的最初的点和最后的点。在其他实施方式中，将肋骨在阶段108之前根据医用摄像数据套组分段，使用分段的肋骨执行中间点的确定。最初的点和最后的点，是通过分段而被赋予标签为肋骨的最初的点和最后的点。在其他实施方式中，也可以使用作为关注解剖学构造的部分的点的确定的任意的适当方法。
在实施方式中，也有在计算中间点之前将最初的点和最后的点进行滤波的情况。交点被作为沿着射线的距离而保存。该滤波通过将所保存的距离的接近与该接近卷积，能够给保存的距离带来影响。滤波后的距离的中间点能够用于使多样体变明确。将最初的点和最后的点滤波，是为了确保对于射线选择的、推测的多样体位置形成连续的曲面和其附近而有可能承担的一项任务。
与肋骨交叉的、对于各个数据采样路径220推测的多样体位置在阶段110中决定。但是，在本实施方式中，在数据采样路径220中，有不与肋骨交叉者。这是因为例如，有可能某个数据采样路径220穿过肋骨之间的间隙。
在阶段112中，多样体决定电路24通过将在阶段110中被决定为中间点的推测的多样体位置进行内插或外插，来决定对于不与肋骨交叉的数据采样路径220的各自的推测的多样体位置。对于与哪个骨都不交叉的数据采样路径220，多样体决定电路24将位置内插到不照在骨上的接近的射线之间的曲面表面上。
多样体决定电路24有可能通过将曲面向在阶段110中决定的中间点配合来执行内插。多样体决定电路24通过对接近的射线进行处理，有可能对肋骨区域中检测最相似的CPR(曲面设计者重建)表面(即，多样体400的至少一部分的最相似的推测)。对于不与肋骨交叉的数据采样路径220的推测的多样体位置决定的方法有可能具备用于二维信号重构的规一化卷积(英文：normalized convolution)的使用(例如，参照Anders共著，《基于重点增量规一化卷积的图像重构，图像分析》(Image Reconstruction by PrioritizedIncremental Normalized Convolution，Image Analysis)：17th斯堪的纳维亚协议会，SCIA 2011，Ystad，瑞典，2011年5月，Proceedings，176－185页，H.Knutsson，C.－FWestin.《规格化及微分卷积》(Normalized and differential convolution)InProceedings of IEEE《计算机视觉及图案识别的社会协议》(Society Conference onComputer Vision and Pattern Recognition)CVPR‘93，515－523页，1993年6月)。
在阶段114中，多样体决定电路24基于阶段110至112的推测的多样体位置，决定多样体400。在实施方式中，多样体400有包含在阶段110和112中决定的全部的推测的多样体位置者。在实施方式中，多样体决定电路24调节推测的多样体位置的至少某些，该多样体也有包含被调整后的位置者。例如，多样体决定电路24检查与推测的多样体位置的相容性对应的推测的多样体位置，假如在判明为没有相容性的情况下，有可能调整至少推测的多样体位置的某些。在实施方式中，多样体决定电路24为了将假阳性除去，有制作与数据采样路径220分别对应的候选肋骨区域的列表、从邻接的射线将候选区域比较者。
其中，有所决定的多样体400是全多样体、可能具备连续的表面的实施方式。在其他实施方式中，有可能多样体400是部分性的多样体，至少具备一个非连续性的表面。例如，多样体400可能被决定在肋骨上，此外可能对于肋骨之间的区域没有决定。在本实施方式中，多样体400是与全部的肋骨交叉的表面，表示胸廓的至少一部分的形状。在其他实施方式中，三维多样体400也可以与任意的适当的解剖学构造交叉。
多样体决定电路24构成为，检索与多样体的被要求的基准一致的、与点对应的体。在关于图2的阶段100至114的上述处理中，多样体决定电路24使用圆筒投影法开始检索，将点决定在由圆筒投影法和肋骨决定的射线的交点的开始与结束之间的中间左右。在其他实施方式中，可以使用在多样体上决定点的任意的适当的方法。例如，也可以使用不同的投影系统。在本实施方式中，自动地导出多样体400。在其他实施方式中，多样体400也可以使用用户输入来决定。
多样体决定电路24穿过多样体400向图像生成电路28到达。
在阶段116至122中，多样体400为了使用多样体400上的点的亮度值获取肋骨的曲面MPR图像而使用。该肋骨的曲面MPR图像是表示肋骨被展开的视图的二维图像。投影系统(在此情况下，具有倾斜的圆筒投影法)被用于将计划生成的曲面MPR图像的点向多样体400的表面上的点映射。在阶段116中，图像生成电路28使用投影系统决定多个射线路径500。射线路径500的数量与生成的像素的数量对应。
作为射线路径500决定中的第一步，沿着患者的上下轴决定照相机轴。在本实施方式中，决定的照相机轴与在图3及图4中表示的轴200相同。在其他实施方式中，照相机轴也可以与在多样体400的决定中使用的轴200不同。
点的集O1…N被沿着照相机轴决定。使得各个点Oi在输出图像中对应于像素的横列。对于各个点Oi，决定垂直面Pi，将面Pi基于角度倾斜。在本实施方式中，面P1…N与在图3及图4中表示的面210相同，上述倾角是在图4中表示的角度α。通过使用倾斜面，与假如倾斜面不倾斜的情况相比，在结果图像中使得肋骨看起来更加水平。
射线路径500的收集，是通过以Oi为中心在包含基点Ai的面Pi内旋转而在面Pi中定义的。在本实施方式中，射线路径500以照相机轴为中心，被分配给实质上等于360度的范围。各个射线路径500在对于列的输出图像中与不同的水平像素对应。
在本实施方式中，射线路径500与数据采样路径220相同。在其他实施方式中，射线路径500与数据采样路径220不同。例如，也可以使用与为了获取多样体400而使用的投影不同的投影。也可以有比数据采样路径220多或少的射线500。例如，为了决定多样体400而使用的数据采样路径220的数量也可能比图像中的像素数多，因而也可能比由图像生成电路28使用的射线500的数量多。
在实施方式中，在阶段106中决定的数据采样路径220被作为射线路径500使用，有将阶段116省略的情况。
在阶段118中，图像生成电路28将沿着射线路径500的各自的射线投射。各个射线怎样处理会将给输出图像带来影响。
在本实施方式中，图像生成电路28决定对于各个射线路径500的点，该点是沿着射线路径500的射线投射与多样体交叉的部位。在本实施方式中，由于多样体400在沿着射线路径500的方向上没有厚度，所以多样体400与各个射线的交点是多样体400上的一点510。图像生成电路28因而决定与射线路径500的数量对应的数量的点510的套组(此外，由此决定与图像的像素数对应的数量)。
在本实施方式中，点510是沿着射线路径500的射线投射与多样体400交叉的点。在其他实施方式中，多样体400上的点510也可以使用既可以包含也可以不包含射线投射的任意的适当的方法来决定。有可能使用任意的适合的投影方法。关于将复合多样体在二维摄像平面中展开的问题，因为有与在获取地图投影时面对的问题同样的问题，所以优选的是在多个意义下考虑。这是因为，对于地图投影已知有较多的不同的途径。根据希望，也有可能对本申请使用在地图投影法中使用的适当的投影方法。
在本实施方式的一方面中，射线500与数据采样路径220实质上接触，而在其他实施方式中，射线500与数据采样路径220不同。图像生成电路28在点510的各自处将医用摄像数据套组采样。在本实施方式中，图像生成电路28根据医用摄像数据套组决定与点510分别对应的体素亮度值。在其他实施方式中，也可以将任意的适当的参数的值通过在点510处采样来决定。
图6是遍及多样体400的切片的概略图。图6表示轴520和射线路径500。射线从轴520沿着射线路径500与多样体400交叉。图6的描绘从图像数据生成多样体400，与借由该图像数据的切片交叠。
射线提供能够实现所获取的肋骨的展开的视图的圆筒投影法。射线为了将图像中的点映射到多样体表面上的点而使用。各个射线对应于输出图像的单独的像素。
在阶段120中，图像生成电路28使用在阶段118中采样的体素亮度值，决定与多个射线路径500分别对应的单独的像素值。在本实施方式中，图像生成电路28通过对关于沿着该射线路径500的射线投射与多样体交叉的点510的体素亮度值应用传递函数，来决定对于各个射线500的像素值。与各个点510对应的体素亮度值通过将医用摄像数据套组采样而在阶段118中决定。
在其他实施方式中，可以使用获取对于各个射线500的像素值的任意的方法，曲面也可以是厚片的形状。该厚片通过对多样体400赋予沿着射线的方向的厚度而获取(在此情况下是放射状方向)。在实施方式中，有自动地决定厚片的厚度的情况。此外，一实施方式也有由用户选择厚度者。
在一实施方式中，厚片采样为了输出被导出的正交/笛卡尔体而使用。在该导出的正交/笛卡尔体中，新的体XY与被投影的图像空间对应，X是在处于射线方向的厚片偏移量中使用的采样的套组。该导出的体在该情况下，可以使用例如带阴影的体绘制、IP体绘制、整体照明绘制、MPR等任意的其他现行的体摄像技术。
图像生成电路28将作为射线与原始多样体400交叉的最近的交点的、沿着各个射线的许多体素或其他的点(例如，3、4或5个体素)采样。图像生成电路28为了获取对于各个射线的像素值而使用厚片的投影。
在实施方式中，图像生成电路28有使用对各个射线决定像素值的厚片的最大亮度投影者。例如，各个射线500的像素值也可以基于由图像生成电路28对射线500进行了采样的3、4或5个体素值的最大值。图像生成电路28为了决定最终像素色，可以执行沿着与厚片交叉的各个射线的一部分的IP集成。在实施方式中，图像生成电路28使用像素值依存于遍及厚片的射线的一部分的信号变化率的分散投影法。通常，采样点的收集、射线方向上的各自的偏移量有可能被用于生成厚片图像，IP投影方法有可能被用于决定输出结果。可以使用遍及厚片的厚度的任意的适当的投影，实施方式并不限于最大亮度投影的使用。
再次回到图2的处理，在阶段122中，图像生成电路28使用在阶段120中决定的像素值，生成用来显示到显示屏幕16上的二维输出图像。二维图像的各自的像素对应于单独的射线路径500。由于射线路径500由倾斜的圆筒坐标系定义，所以二维图像在至少某根肋骨有可能实质上看起来为水平的部位提供肋骨的展开的视图。
在本实施方式中，用户可以使用放大缩小工具来控制输出图像的观感，以使焦点对在用户关注区域上。图像生成电路28可以按照用户输入将二维输出图像更新。也可以使用能够进行相同数据的展开的视图与体轴MPR视图之间的导航的追加的三角测量工具。例如，用户既可以将体轴MPR视图点击，也可以将展开的视图上的对应的点强调，当然也可以相反。
二维图像有可能被作为与患者的肋骨的全部交叉的发展型曲面MPR视图(advanced curved MPR)(或CPR视图，曲面再编制视图)记载。通过发展型曲面MPR视图，可能能够将全部的肋骨同时视觉化。通过同时将全部的肋骨视觉化，临床医生可能容易确定发生了骨折或病变的肋骨。与借由体轴MPR视图或斜截面MPR视图的套组遵循各阶段相比，通过使用曲面MPR视图能同时看到全部的肋骨，对于临床医生而言可能会是更快的。
二维图像使用二阶段处理获取。二阶段处理的第一阶段具备全部的关注构造交叉的多样体决定。二阶段处理的第二阶段为了在用来决定最终像素色的颜色查找中使用，具备将2D对象图像中的点向多样体表面的点的映射、和多样体表面的映射的点的采样。
通过使用包括多样体的决定的二阶段处理，能够将肋骨等特定的生体组织用对于用户而言方便的方法图像化。例如，在本实施方式中，通过二阶段处理，可能能够实现肋骨骨折的有效的视觉化。在其他实施方式中，通过二阶段处理，可能能够实现其他的解剖学构造的有效的视觉化。
通过穿过肋骨的多样体的决定，例如可能能够进行穿过肋骨的正中间的表面的视觉化等、穿过所获取的肋骨的表面的视觉化。产生的视图例如有可能对于通过不进行多样体的决定而使用最大亮度投影的方法等其他的方法产生的视图而言是不同的。基于对于穿过肋骨的多样体400上的点的亮度表示图像，相比基于最大亮度的图像，能够提供骨折的改善的视图。
图2的方法有提供没有位移的骨折的改善的可视性的情况。较浅的CPR视图可能使没有位移的骨折可视化。图2的方法假如骨折处于背骨附近则可能会特别方便。与使用某些(some)已知的方法的情况相比，有可能更容易观察接近于背骨的骨折。图2的方法可能会提供骨病变的改善的视图。
展开的投影被在图2的处理中使用。与患者的肋骨的全部交叉的复合多样体400被自动地提取。为了制作图像而使用的多样体400也可以实质上是连续的。投影系统被用于在与多样体表面上的点对应的像素的部位显示二维图像。
图2的方法具备与肋骨交叉的多样体400的获取。多样体是基于肋骨的中间点的，可能穿过肋骨的正中间或穿过中间。在其他实施方式中，多样体决定电路24构成为，通过使多样体的边界线变化，来获取修正的多样体。多样体的边界变化可以具备多样体的放大或缩小。为了使多样体400放大或缩小，有可能将偏移量应用于多样体400。
例如，在实施方式中，多样体决定电路24为了获取放大的多样体，有将多样体外侧上的点相对于轴偏移者。如与图2关联而在上述中叙述那样，图像生成电路28使用放大后的多样体执行射线投射处理。图像生成电路28基于由它放大的多样体获取进一步的图像。被放大后的多样体与穿过各肋骨的中心相比，更有可能穿过例如各个肋骨的外侧表面或外侧表面附近等、各个肋骨的外侧部分。
在实施方式中，多样体决定电路24为了获取缩小的多样体，也有将多样体内侧上的点朝向轴偏移者。被缩小后的多样体例如可能穿过各个肋骨的内侧表面或内侧表面附近等、各个肋骨的内侧部分。图像生成电路28获取基于缩小后的多样体的图像。
在实施方式中，多样体决定电路24有接收具备由用户选择来的偏移值的用户输入者。多样体决定电路24决定使用所选择的偏移量修正后的多样体(该多样体也可以是被放大或缩小的多样体)，图像决定电路28生成对于修正后的多样体的图像。
被修正后的多样体既可以是较薄的多样体(各个射线也可以在一点与多样体交叉)，此外也可以是上述那样的厚片。
通过基于被放大或缩小后的多样体形成图像，能够形成肋骨表面的图像。通过将肋骨表面摄像，可能会帮助用户确定没有遍及肋骨整体扩大的骨折。此外可能确定局部性骨折。
通过对用户许可为了制作修正后的多样体而使用的偏移量的选择，使得用户能够选择能够提供例如骨折等关注特征的最优的视图的偏移量。假如用户在原始图像中不能良好地区分骨折的情况下，也可以为了制作进一步的图像而用户使多样体变化。
在实施方式中，多样体决定电路24自动地决定分别具有不同的偏移量的多个修正后的多样体。图像决定电路28自动地决定使用分别不同的修正后的多样体的图像的系列。例如，图像的系列可能涵盖肋骨的整体上的厚度。通过借由图像的系列阶段性地逐步进展，用户能够从肋骨的外侧表面到内侧表面观察肋骨的最大扩展。通过自动地提供这样的图像的系列，可能会改善对于用户而言的使用便利性。借由肋骨的最大厚度遵循图像的阶段的能力，有可能给例如表面骨折等部分骨折的检测带来改善。
在以图2为参考的上述实施方式中，医用图像数据套组被用于决定多样体400。多样体决定电路24为了获取被滤波及/或被重采样的数据套组，将医用摄像数据套组进行滤波及/或重采样，在多样体400的决定中使用被滤波及/或被重采样的数据套组。医用摄像数据套组的滤波可能具备使用噪声降低滤波器及/或斑纹降低滤波器的情况。通过使用被滤波及/或被重采样的数据套组，有可能使为了检测肋骨而使用的算法成为更稳健的算法。
在本实施方式中，将肋骨使用亮度阈值检测。由于滤波有可能减少较高的值的噪声体素的数量，所以，与原始医用摄像数据套组相比，如果使用滤波后的数据套组用于检测肋骨CPR表面(即多样体400)，则射线照到较高的值的噪声体素上的情况可能变少。
较高的值的噪声体素在某种状况下有可能使解析相位混乱。例如，较高的值的噪声体素可能具有在骨的体素中也能看到那样的亮度。假如存在较高的值的噪声体素，则正确地确定描绘肋骨的体素可能会变得更困难，因而找到与肋骨的交叉的中间点也可能会变得更困难。
在实施方式中，多样体400的决定使用被滤波及/或被重采样的数据套组将射线500的交点510采样而执行，多样体400有被使用原始且没有被滤波的医用摄像数据套组而执行者。通过对于多样体400的决定使用被滤波及/或被重采样的数据套组、以及使用与点的采样对应的没有被滤波的数据套组，与在假如将被滤波及/或被重采样的数据套组对全部的阶段而使用的情况下、或在假如将没有被滤波的数据套组对全部的阶段而使用的情况下产生出的图像相比，有可能在某种状况下产生出更好的图像。
例如，对于多样体400的决定使用被滤波后的数据套组，通过从计算中将较高的值的噪声像素除去，可能会产生出更好的多样体400。但是，在决定伴随着多样体的交点的阶段中，由于用于采样的位置在多样体中已经被决定，所以较高的值的噪声像素的存在可能不那么重要。例如，具有来自没有被滤波的数据套组的原始亮度值等、正确的亮度值可能变得更重要。
在实施方式中，骨及/或背骨分段有能够用于对复合多样体及患者的肋骨的检测加以制约的情况。此外，在实施方式中，也有将骨分段用于从解析中排除不是骨的区域的情况。例如，多样体决定电路24在推测多样体位置时，有可能仅使用描绘骨的医用图像数据套组的部分。
其中，有将背骨分段用于从肋骨检测中排除背骨的实施方式。背骨分段的使用特别有可能与尝试处于距背骨较近的肋骨的部分上的骨折的视觉化时有关联。将描绘背骨的体素除去可能会使例如找到肋骨的中间点等推测多样体位置变得更简单。此外，将描绘背骨的体素除去可能会减小算法误将背骨确定为肋骨的可能性，由此有可能减小误配置多样体的可能性。
如果在实施方式中不使用背骨分段，则多样体决定在背骨的附近可能变得困难。在阶段108中被确定为骨的最初的点有可能是肋骨，被确定为骨的最后的点有可能是背骨，当然也可能相反。如果最初的点及最后的点中的一个是骨、其他的点是背骨，则多样体与正确地穿过肋骨之间相比，可能通过穿过肋骨与背骨之间的软组织而结果结束了。假如将背骨通过分段而代之除去，则有可能多样体沿着一根肋骨从它跳转到有可能提供肋骨的被改善的描绘的其他的肋骨。
在实施方式中，将数据套组的被分段后的版本用于获取多样体400，将原始的没有被分段的医用摄像数据套组对射线500与多样体400交叉的点510的采样使用。
滤波、骨分段及/或背骨分段的使用有可能使肋骨检测的方法变得更稳健，因而多样体的构成方法也有可能变得更稳健。
将图1的系统的进一步的操作模式概要地描绘在图7的流程图中。在图7的处理中，将滤波后的数据用于决定多样体。
多样体决定电路24接收输入体(英文：input volume)600。输入体600是医用摄像数据套组。在阶段610中，多样体决定电路24为了获取滤波后的体(英文：filtered volume)620而将输入体600滤波。滤波后的体620在与输入体600比较的情况下噪声被降低。被滤波后的体620为了确定骨、及/或为了将背骨与肋骨区分，也可以进行分段。
在阶段630中，多样体决定电路24为了决定射线与肋骨的交点(ray－ribintersections)，使用滤波后的体620和圆筒投影信息630的套组。例如，圆筒投影信息630如以图3及图4为参考上述那样，具备倾斜的面210的套组上的数据采样路径220等数据采样路径的套组。射线与肋骨的交点在沿着数据采样路径220的射线投射在滤波后的体620中与肋骨交叉的部位具备点的套组。
相对于与肋骨交叉的各个数据采样路径220，流程图向阶段640前进。在阶段640中，多样体决定电路24决定数据采样路径220与肋骨交叉所跨的交点间隔。多样体决定电路24可能决定交点间隔的中间点。
相对于不与肋骨交叉的各个数据采样路径，流程图向阶段650前进。在阶段650中，多样体决定电路24从不交叉的数据采样路径的近邻将位置内插。多样体决定电路24例如有可能使用从很近的数据采样路径的中间点等很近的数据采样路径的交点信息而将位置内插。
在阶段660中，多样体决定电路24为了决定三维复合多样体而使用阶段640和阶段650的输出。例如，多样体决定电路24为了决定三维复合多样体，可能使用在阶段640中决定的中间点和在阶段650中决定的位置。
在阶段670中，图像生成电路28将在阶段660中决定的多样体和原始输入体600接收。图像生成电路28通过依存于投影信息630而投射射线，执行投影和多样体的交点，由此在多样体上决定点的套组。这是得到多样体而生成2D绘制的图像的图像生成投影。在阶段680中，图像生成电路28以在阶段670中决定的点的套组将图像体(英文：image volume)600采样。
在阶段690中，图像生成电路28例如通过使用变换函数，获取与采样的点对应的像素值，使用像素值显示最终绘制的图像。最终绘制的图像的视图根据需要可以厚片化或进行偏移。例如，既可能在观察绘制的图像后(on)，用户选择厚片厚度及/或偏移量，也可能图像生成电路28使用该厚度及/或偏移量绘制进一步的图像。
图2和图7的实施方式具备决定复合多样体的第1射线投射、和决定被绘制的图像的第2射线投射。通常，为了投影信息的获取(例如射线的套组)或描绘至少一个解剖学构造的曲面的获取而可以使用任意的适当的方法。可以使用获取投影信息与曲面之间的交点的任意的适当的方法。将容积医用摄像数据然后为了获取最终绘制的图像而在交叉的点进行采样。
实施方式关于肋骨的摄像进行了说明。但是，上述方法也可以对例如具备多个分离的子构造等任意的适当的解剖学构造或关注构造而使用。该方法可以为了将例如头盖骨或骨盆等被认为展开的视图是有益的任意的骨或多个骨图像化而使用。也可以将不同的投影对不同的解剖学构造使用。如与图3或图4关联而上述那样，将对于肋骨使用的投影叙述为倾斜的圆筒投影。在头盖骨的情况下，也可以使用球体投影。
其中，也有将图2的方法用于牙齿的摄像或窦房结的摄像的实施方式。可以将该方法用于将至少一个牙齿或牙齿的套组图像化。在实施方式中，将图2的方法用于将软组织图像化。例如，有可能将图2的方法用于将心脏、肝脏或胃等的脏器图像化。也可以将图2的方法用于将心脏的冠动脉图像化。
所决定的多样体可能与至少一个关注的解剖学构造至少局部相交。多样体有可能至少部分地落入(fall)到至少一个关注的解剖学构造的内侧。多样体有可能将由至少一个关注的解剖学构造决定的区域至少局部包围。
有关实施方式的方法可以与任意的适当的容积摄像数据、即能看到关注构造的任意的容积摄像数据一起使用。上述实施方式对于CT摄像进行了叙述，但该方法也可以是例如MR摄像数据套组或PET数据套组的使用等，在其他的程式中使用。
有关实施方式的方法可能用于例如人的被检体或动物的被检体等任意的适当的被检体的图像获取。该被检体也可以是患者。例如，被检体也可以是医疗处置中。
特定的实施方式提供一种具备能够进行患者的扫描获取的容积扫描器的医用摄像系统；一种能够导出在体中与关注构造交叉的复合3D多样体构造的医用处理系统；一种将输出图像中的像素向体空间中的射线映射的投影系统；以及一种能够检测射线的交叉、然后在对应的交点将体采样的复合三维多样体的检测的射线处理系统。将采样的数据体然后用于决定对于射线的最终像素色。
复合三维多样体有可能设定为与患者的肋骨的全部交叉。对于各个射线，也可以为了生成作为厚片的图像而使用采样点的收集、射线方向上的各自的偏移。IP投影方法有可能被用于决定输出结果。骨及背骨分段信息有可能被用于向对于复合多样体射线及患者的肋骨的检查加以制约。也可以将容积滤波或重采样用于使用于射线与患者的肋骨的交叉的检查简单化。
在上述实施方式中，被最终显示的图像并不限定于二维图像。例如，也可以将设定好的剖面(或者多样体)作为基准，设定具有包含肋骨整体或者肋骨的预定区域的厚度的区域，使用包含在具有该厚度的区域中的三维数据来执行最大值投影处理、最小值投影处理、体绘制处理等，并进行显示。
在本说明书中说明了特定的电路，但在代替性的实施方式中，也可以将这些电路的一个以上的功能性用单一的处理资源或其他构成要素提供，或者也可以将由单一的电路提供的功能性用两个以上的处理资源或其他的构成要素的组合而提供。向单一电路的言及，包括不论许多构成要素是否相互离开都提供单一电路的功能性的许多构成要素，向多个电路的言及包括提供多个电路的功能性的单一的构成要素。
以上说明了特定的实施方式，但这些实施方式只是单单作为一例提示的，不是要限定本发明的范围。实际上，在本说明书中说明的新的方法及系统也可以以其他各种各样的形态实施。进而，在本说明书中记载的方法及系统的形态中，也可以不从本发明的主旨脱离而进行各种各样的省略、置换及变更。所附的权利要求书及其等价物意味着进入本发明范围内的这样的形态及修正形态。
附图标记的说明
10、医用图像处理装置；12、计算装置；14、CT扫描器；16、显示屏幕；18、输入装置；20、存储器；22、CPU；24、多样体决定电路；28、图像生成电路；200、轴；210、面；220a、220b、数据采样路径；230、骨的区域；244、中间点；254、中间点；400、多样体；500、射线；510、交点；520、轴。

Claims (16)

1.一种医用图像处理装置，其特征在于，具备：
曲面决定部，针对三维数据决定穿过多个子构造的第1曲面，该三维数据是关于具有上述多个子构造的解剖学构造的数据；以及
图像生成部，使用关于上述第1曲面上的多个采样点的上述三维数据，生成与上述第1曲面相对应的二维图像或者三维图像。
2.如权利要求1所述的医用图像处理装置，其特征在于，
上述图像生成部，将射线投射处理中的多个射线和上述第1曲面的交点设定为上述多个采样点。
3.如权利要求2所述的医用图像处理装置，其特征在于，
上述图像生成部针对上述多个射线中的至少一个，从该至少一个的射线和上述第1曲面的交点中的上述三维数据的值，决定上述二维图像上的像素值或者上述三维图像上的体素值。
4.如权利要求1～3中的任一项所述的医用图像处理装置，其特征在于，
上述图像生成部，通过至少执行下述处理中的任一个来决定穿过上述多个子构造的上述第1曲面：
决定与上述解剖学构造的至少一部分相交的曲面的处理；
决定至少局部落入到上述解剖学构造的内侧的曲面的处理；
决定将由上述解剖学构造明确了的区域环绕的曲面的处理；以及
基于沿着多个数据采样路径的上述三维数据的值的变化而决定曲面的处理。
5.如权利要求1～4中的任一项所述的医用图像处理装置，其特征在于，
上述图像生成部，基于遍及上述解剖学构造的厚度的上述三维数据的值的预想分布图，决定穿过上述多个子构造的上述第1曲面。
6.如权利要求1～5中的任一项所述的医用图像处理装置，其特征在于，
上述图像生成部，通过执行基于上述三维数据的各位置的值来决定上述第1曲面的至少一部分的处理、和通过内插处理或外插处理来决定上述第1曲面的其它部分的处理，决定穿过上述多个子构造的上述第1曲面。
7.如权利要求1～6中的任一项所述的医用图像处理装置，其特征在于，
上述曲面决定部，决定穿过上述多个子构造、边界以及位置中的至少一个与上述第1曲面不同的第2曲面；
上述图像生成部，使用关于上述第2曲面上的多个采样点的上述三维数据，生成以上述第2曲面为基准的上述二维图像或者上述三维图像。
8.如权利要求7所述的医用图像处理装置，其特征在于，
还具备输入部，该输入部输入上述第2曲面的上述边界和上述位置中的至少一个。
9.如权利要求7或8所述的医用图像处理装置，其特征在于，
上述第2曲面是将上述第1曲面放大或缩小了的曲面。
10.如权利要求1～9中的任一项所述的医用图像处理装置，其特征在于，
上述曲面决定部，将上述第1曲面决定为厚片曲面；
上述图像生成部，通过执行遍及上述厚片曲面的厚度的投影处理而生成上述二维图像或者上述三维图像。
11.如权利要求2所述的医用图像处理装置，其特征在于，
上述图像生成部，对轴周边的多个面分别执行上述射线投射处理。
12.如权利要求11所述的医用图像处理装置，其特征在于，
上述多个面被设定为相对于上述轴倾斜。
13.如权利要求1～12中的任一项所述的医用图像处理装置，其特征在于，
上述图像生成部，生成上述二维图像或者上述三维图像，作为成为上述解剖学构造的展开图的曲面重建MPR图像或者上述解剖学构造的投影图像。
14.如权利要求1～13中的任一项所述的医用图像处理装置，其特征在于，
上述解剖学构造包含：至少一根肋骨、胸廓的至少一部分、头盖骨的至少一部分、至少一根牙齿、至少一个下巴、脏器的至少一部分、骨盆的至少一部分中的至少任一个。
15.如权利要求1～14中的任一项所述的医用图像处理装置，其特征在于，
上述图像生成部，使用最大值投影处理、最小值投影处理、体绘制处理，来生成上述二维图像或者上述三维图像。
16.一种医用图像处理程序，其特征在于，使计算机实现以下功能：
针对三维数据决定穿过多个子构造的第1曲面的曲面决定功能，该三维数据是关于具有上述多个子构造的解剖学构造的数据；以及
使用关于上述第1曲面上的多个采样点的上述三维数据，生成与上述第1曲面相对应的二维图像的图像生成功能。
CN201710150042.7A 2016-03-14 2017-03-14 医用图像处理装置及医用图像处理方法 Active CN107194909B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US15/069,564 US10417759B2 (en) 2016-03-14 2016-03-14 Medical image data processing system and method
US15/069,564 2016-03-14

Publications (2)

Publication Number Publication Date
CN107194909A true CN107194909A (zh) 2017-09-22
CN107194909B CN107194909B (zh) 2021-02-09

Family

ID=59786799

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710150042.7A Active CN107194909B (zh) 2016-03-14 2017-03-14 医用图像处理装置及医用图像处理方法

Country Status (3)

Country Link
US (1) US10417759B2 (zh)
JP (1) JP6918528B2 (zh)
CN (1) CN107194909B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108320314A (zh) * 2017-12-29 2018-07-24 北京优视魔方科技有限公司 一种基于ct横断图像的图像处理方法和装置、肋骨图像显示系统
CN108596877A (zh) * 2018-03-28 2018-09-28 苏州科技城医院 肋骨ct数据分析系统
CN111127461A (zh) * 2019-12-31 2020-05-08 东软医疗系统股份有限公司 胸部图像处理方法、装置、存储介质及医疗设备

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10282918B2 (en) * 2016-09-20 2019-05-07 Siemens Healthcare Gmbh Two-dimensional cinematic medical imaging in color based on deep learning
JP2018175700A (ja) * 2017-04-20 2018-11-15 キヤノンメディカルシステムズ株式会社 医用画像診断装置、医用画像処理装置、及び医用画像処理プログラム
WO2019023909A1 (zh) * 2017-07-31 2019-02-07 深圳联影医疗科技有限公司 一种肝段分割方法与设备
WO2019041262A1 (en) * 2017-08-31 2019-03-07 Shenzhen United Imaging Healthcare Co., Ltd. SYSTEM AND METHOD FOR IMAGE SEGMENTATION
US10445891B2 (en) * 2017-11-03 2019-10-15 Canon Medical Systems Corporation Medical image processing apparatus and method
CN112785591B (zh) * 2021-03-05 2023-06-13 杭州健培科技有限公司 一种ct影像中肋骨骨折的检测与分割方法及装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030048936A1 (en) * 2001-09-07 2003-03-13 Li Fan Real time interactive segmentation of pulmonary nodules with control parameters
US20030086599A1 (en) * 2001-06-15 2003-05-08 University Of Chicago Automated method and system for the delineation of the chest wall in computed tomography scans for the assessment of pleural disease
CN101249019A (zh) * 2008-03-11 2008-08-27 微创医疗器械(上海)有限公司 一种重建人体器官三维表面的方法及系统
US7839402B2 (en) * 2004-06-23 2010-11-23 Koninklijke Philips Electronics N.V. Virtual endoscopy
CN102222352A (zh) * 2010-04-16 2011-10-19 株式会社日立医疗器械 图像处理方法和图像处理装置
US20150363963A1 (en) * 2014-06-12 2015-12-17 Siemens Medical Solutions Usa, Inc. Visualization With Anatomical Intelligence

Family Cites Families (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7369693B2 (en) * 2003-06-23 2008-05-06 Siemens Medical Solutions Usa, Inc. Thoracic cage coordinate system for recording pathologies in lung CT volume data
US7693318B1 (en) * 2004-01-12 2010-04-06 Pme Ip Australia Pty Ltd Method and apparatus for reconstruction of 3D image volumes from projection images
US7778392B1 (en) * 2004-11-02 2010-08-17 Pme Ip Australia Pty Ltd Method of reconstructing computed tomography (CT) volumes suitable for execution on commodity central processing units (CPUs) and graphics processors, and apparatus operating in accord with those methods (rotational X-ray on GPUs)
JP2006178772A (ja) * 2004-12-22 2006-07-06 Fuji Photo Film Co Ltd 画像処理方法および装置並びにプログラム
US7672493B2 (en) * 2005-01-31 2010-03-02 Siemens Medical Solutions Usa, Inc. Method for analyzing medical image data using level set
US7599542B2 (en) * 2005-04-08 2009-10-06 John Philip Brockway System and method for detection and display of diseases and abnormalities using confidence imaging
US8175349B2 (en) * 2006-08-16 2012-05-08 Siemens Medical Solutions Usa, Inc. System and method for segmenting vertebrae in digitized images
JP5188693B2 (ja) * 2006-10-13 2013-04-24 富士フイルム株式会社 画像処理装置
US8483462B2 (en) * 2006-11-03 2013-07-09 Siemens Medical Solutions Usa, Inc. Object centric data reformation with application to rib visualization
US8150135B2 (en) * 2007-06-04 2012-04-03 Siemens Computer Aided Diagnosis Ltd. Identifying ribs in lung X-rays
DE102008028945A1 (de) * 2008-06-18 2009-12-31 Siemens Aktiengesellschaft Verfahren und Visualisierungsmodul zur Visualisierung von Unebenheiten der Innen-Oberfläche eines Hohlorgans, Bildbearbeitungseinrichtung und Tomographiesystem
JP5878161B2 (ja) * 2011-03-03 2016-03-08 株式会社日立メディコ 医用画像処理装置及び医用画像処理方法
US9020233B2 (en) * 2011-09-19 2015-04-28 Siemens Aktiengesellschaft Method and system for up-vector detection for ribs in computed tomography volumes
US8989471B2 (en) 2011-09-27 2015-03-24 Siemens Aktiengesellschaft Method and system for automatic rib centerline extraction using learning based deformable template matching
GB201117805D0 (en) * 2011-10-14 2011-11-30 Siemens Medical Solutions System and methods for efficient multimodal rib lesion readings
US20130150704A1 (en) * 2011-12-12 2013-06-13 Shuki Vitek Magnetic resonance imaging methods for rib identification
US9384592B2 (en) * 2012-03-22 2016-07-05 Kabushiki Kaisha Toshiba Image processing method and apparatus performing slab multi-planar reformatting rendering of volume data
US9147280B2 (en) * 2012-08-03 2015-09-29 Kabushiki Kaisha Toshiba Preparation and display of derived series of medical images
US9547906B2 (en) * 2013-09-19 2017-01-17 Siemens Healthcare Gmbh System and method for data driven editing of rib unfolding
GB2518848A (en) * 2013-10-01 2015-04-08 Siemens Medical Solutions Registration of multimodal imaging data
US9189847B2 (en) * 2013-11-12 2015-11-17 Siemens Aktiengesellschaft 2D visualization for rib analysis
US10332305B2 (en) * 2016-03-04 2019-06-25 Siemens Healthcare Gmbh Cinematic rendering of unfolded 3D volumes

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030086599A1 (en) * 2001-06-15 2003-05-08 University Of Chicago Automated method and system for the delineation of the chest wall in computed tomography scans for the assessment of pleural disease
US20030048936A1 (en) * 2001-09-07 2003-03-13 Li Fan Real time interactive segmentation of pulmonary nodules with control parameters
US7839402B2 (en) * 2004-06-23 2010-11-23 Koninklijke Philips Electronics N.V. Virtual endoscopy
CN101249019A (zh) * 2008-03-11 2008-08-27 微创医疗器械(上海)有限公司 一种重建人体器官三维表面的方法及系统
CN102222352A (zh) * 2010-04-16 2011-10-19 株式会社日立医疗器械 图像处理方法和图像处理装置
US20150363963A1 (en) * 2014-06-12 2015-12-17 Siemens Medical Solutions Usa, Inc. Visualization With Anatomical Intelligence

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108320314A (zh) * 2017-12-29 2018-07-24 北京优视魔方科技有限公司 一种基于ct横断图像的图像处理方法和装置、肋骨图像显示系统
CN108320314B (zh) * 2017-12-29 2021-07-09 北京优视魔方科技有限公司 一种基于ct横断图像的图像处理方法和装置、显示系统
CN108596877A (zh) * 2018-03-28 2018-09-28 苏州科技城医院 肋骨ct数据分析系统
CN108596877B (zh) * 2018-03-28 2022-02-08 苏州科技城医院 肋骨ct数据分析系统
CN111127461A (zh) * 2019-12-31 2020-05-08 东软医疗系统股份有限公司 胸部图像处理方法、装置、存储介质及医疗设备
CN111127461B (zh) * 2019-12-31 2023-09-26 东软医疗系统股份有限公司 胸部图像处理方法、装置、存储介质及医疗设备

Also Published As

Publication number Publication date
US10417759B2 (en) 2019-09-17
JP2017164496A (ja) 2017-09-21
CN107194909B (zh) 2021-02-09
US20170262978A1 (en) 2017-09-14
JP6918528B2 (ja) 2021-08-11

Similar Documents

Publication Publication Date Title
CN107194909A (zh) 医用图像处理装置及医用图像处理程序
US8625869B2 (en) Visualization of medical image data with localized enhancement
US8929635B2 (en) Method and system for tooth segmentation in dental images
US8849016B2 (en) Panoramic image generation from CBCT dental images
US7450749B2 (en) Image processing method for interacting with a 3-D surface represented in a 3-D image
US8199168B2 (en) System and method for 3D graphical prescription of a medical imaging volume
US20120172700A1 (en) Systems and Methods for Viewing and Analyzing Anatomical Structures
US7492968B2 (en) System and method for segmenting a structure of interest using an interpolation of a separating surface in an area of attachment to a structure having similar properties
US9082231B2 (en) Symmetry-based visualization for enhancing anomaly detection
WO2018205232A1 (zh) 一种针对拼接结果自动精确定位参考线的方法
CN106056537A (zh) 一种医学图像拼接方法及装置
JPWO2007023723A1 (ja) 画像処理方法、画像処理プログラム、及び画像処理装置
JPH08131403A (ja) 医用画像処理装置
CN101006933A (zh) 用于显示三维对象的方法和设备
JP5194138B2 (ja) 画像診断支援装置およびその動作方法、並びに画像診断支援プログラム
JP2007135858A (ja) 画像処理装置
TWI684994B (zh) 脊椎影像註冊方法
US20080084415A1 (en) Orientation of 3-dimensional displays as a function of the regions to be examined
JP4282939B2 (ja) 超音波診断装置、画像処理装置、及び画像処理プログラム
EP3828836B1 (en) Method and data processing system for providing a two-dimensional unfolded image of at least one tubular structure
JP4807819B2 (ja) 画像処理装置
JP5455290B2 (ja) 医用画像処理装置及び医用画像診断装置
JPWO2020090445A1 (ja) 領域修正装置、方法およびプログラム
TWI730777B (zh) 醫療影像合成方法
KR20180131211A (ko) 외장 의안의 3차원 영상 생성 장치 및 방법

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant