CN114387380A - 用于生成3d医学图像数据的基于计算机的可视化的方法 - Google Patents
用于生成3d医学图像数据的基于计算机的可视化的方法 Download PDFInfo
- Publication number
- CN114387380A CN114387380A CN202111216459.1A CN202111216459A CN114387380A CN 114387380 A CN114387380 A CN 114387380A CN 202111216459 A CN202111216459 A CN 202111216459A CN 114387380 A CN114387380 A CN 114387380A
- Authority
- CN
- China
- Prior art keywords
- image data
- medical image
- data
- medical
- visualization
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
-
- 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
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- 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
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
-
- 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
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
- G06T7/0014—Biomedical image inspection using an image reference approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring
-
- H—ELECTRICITY
- H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
- H05K—PRINTED CIRCUITS; CASINGS OR CONSTRUCTIONAL DETAILS OF ELECTRIC APPARATUS; MANUFACTURE OF ASSEMBLAGES OF ELECTRICAL COMPONENTS
- H05K1/00—Printed circuits
- H05K1/02—Details
- H05K1/0201—Thermal arrangements, e.g. for cooling, heating or preventing overheating
- H05K1/0203—Cooling of mounted components
- H05K1/0209—External configuration of printed circuit board adapted for heat dissipation, e.g. lay-out of conductors, coatings
-
- 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
- G06T2207/30—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
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/41—Medical
-
- H—ELECTRICITY
- H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
- H05K—PRINTED CIRCUITS; CASINGS OR CONSTRUCTIONAL DETAILS OF ELECTRIC APPARATUS; MANUFACTURE OF ASSEMBLAGES OF ELECTRICAL COMPONENTS
- H05K2201/00—Indexing scheme relating to printed circuits covered by H05K1/00
- H05K2201/10—Details of components or other objects attached to or integrated in a printed circuit board
- H05K2201/10227—Other objects, e.g. metallic pieces
- H05K2201/10272—Busbars, i.e. thick metal bars mounted on the PCB as high-current conductors
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Computer Graphics (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Software Systems (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Architecture (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Geometry (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
描述了用于生成3D医学图像数据的基于计算机的可视化的方法。该方法包括接收3D医学图像数据并执行选择处理以选择形成3D医学图像数据的第一部分的第一图像数据,第一图像数据表示给定类型的第一解剖对象。对第一图像数据执行分析处理,其中,分析处理的参数基于第一解剖对象的给定类型。至少部分地基于分析处理的结果确定关于第一部分的视觉参数映射,以便在渲染处理中使用来生成3D医学图像数据的可视化。还描述了生成3D医学图像数据的基于计算机的可视化的方法以及用于执行该方法的设备。
Description
技术领域
本发明涉及用于生成3D医学图像数据的基于计算机的可视化的方法。
背景技术
可以使用通常称为体绘制的技术来生成表示体的数据集的基于计算机的可视化。这样的数据集可以被称为体积数据集。例如,体绘制可以用于使由诸如CT扫描处理等的医学成像处理产生的体积数据集可视化。在医学领域,体绘制可以使得放射科医师、外科医生或治疗师能够使表示解剖结构的数据可视化,并由此理解和解释该数据。例如,提供这样的数据的可视化可以用于诊断、教学、患者沟通等。
通常,体绘制技术涉及例如经由通过应用传递函数对图像数据进行分类来将视觉参数映射应用于形成正被渲染的体积数据集的图像数据。该映射提供要分配至图像数据的一个或更多个视觉参数。然后可以使用分配的视觉参数来生成体积数据集的可视化。例如,体积数据集可以包括多个体素,并且可以执行映射处理以向每个体素分配诸如不透明度和颜色的视觉参数数据。由映射处理分配的视觉参数则可以用于体绘制技术,以生成体的可视化。例如,可以执行基于积分的直接体绘制技术,在该基于积分的直接体绘制技术中,投射一个或更多个样本射线通过要生成的可视化中的每个像素的体。在这样的技术中,可以在多个点处对每个射线进行采样以基于视觉参数数据计算积分,并且积分的结果可以用于确定对应像素的颜色值。
发明内容
根据本发明的第一方面,提供一种用于生成3D医学图像数据的基于计算机的可视化的方法,该方法包括:接收3D医学图像数据;执行选择处理以选择形成3D医学图像数据的第一部分的第一图像数据,第一图像数据表示给定类型的第一解剖对象;对第一图像数据执行分析处理,其中,分析处理的参数基于第一解剖对象的给定类型;以及至少部分地基于分析处理的结果确定关于第一部分的视觉参数映射以便在渲染处理中使用来生成3D医学图像数据的可视化。
分析处理可以包括确定第一图像数据的一个或更多个特征。可以基于分析处理的参数来确定第一图像数据的一个或更多个特征。
第一图像数据的一个或更多个特征可以包括第一图像数据的第一体素值的分布的一个或更多个特征,并且分析处理可以包括分析第一体素值的分布以确定该分布的一个或更多个特征。
该分布的一个或更多个特征可以包括满足预定标准的体素值或一定范围的体素值。
预定标准可以定义与该分布中的局部最大值或全局最大值相关联的体素值或一定范围的体素值。
确定视觉参数映射可以包括基于分析处理的结果确定定义视觉参数映射的函数。
该方法可以包括基于第一解剖对象的给定类型确定分析处理的参数。
选择处理的参数可以基于由第一图像数据表示的第一解剖对象的给定类型。
可以基于与3D医学图像数据相关的上下文信息来确定选择处理的参数。
可以基于与3D医学图像数据相关的上下文信息来确定分析处理的参数。
与3D医学图像数据相关的上下文信息例如可以是以下项中的一项或多项:识别3D医学图像数据的医学上下文的文本信息;与3D医学图像数据相关联的医学历史信息。
视觉参数映射可以是用于体绘制处理的传递函数。
传递函数可以被配置成提供第一图像数据的不透明度值和/或颜色值以便在体绘制处理中使用。
第一解剖对象可以包括解剖器官。
3D医学图像数据可以包括多个3D医学图像数据集,并且选择处理可以包括:选择多个3D医学图像数据集中的第一3D医学图像数据集;识别第一3D医学图像数据集中的表示第一解剖对象的部分;选择多个3D医学图像数据集中的第二3D医学图像数据集;并且基于第一3D医学图像数据集的被识别的部分,从第二3D医学图像数据集中选择第一图像数据。
根据本发明的第二方面,提供一种生成3D医学图像数据的基于计算机的可视化的方法,该方法包括:执行根据第一方面的方法以获得关于3D医学图像数据的第一部分的视觉参数映射;并且执行渲染处理来生成3D医学图像数据的可视化,其中,执行渲染处理包括应用关于3D医学图像数据的第一部分的视觉参数映射。
根据本发明的第三方面,提供一组机器可读指令,所述一组机器可读指令当由处理器执行时使根据第一方面或第二方面的方法被执行。
根据本发明的第四方面,提供一种包括根据第三方面的一组机器可读指令的机器可读介质。
根据本发明的第五方面,提供一种包括处理器和存储器的设备,该存储器包括一组机器可读指令,所述一组机器可读指令当由处理器执行时使处理器执行根据第一方面或第二方面的方法。
根据另一方面,提供一种用于提供可视化对象的计算机实现的方法。在这种情况下,可视化对象使患者的三维解剖区域对于用户可视化,该三维解剖区域由医学体数据(或3D医学图像数据)表示。该方法包括以下步骤:
-接收用户的选择命令,所述选择命令指示要被分析(或检查或诊断)的患者;
-基于选择命令,调用被分配给患者的数据;
-基于被分配的数据确定医学上下文信息项;
-基于医学上下文信息项以及可选的选择命令来选择患者的合适的体数据;
-基于医学上下文信息项,识别所选择的体数据中的一个或更多个(解剖)结构;
-确定用于将体数据映射到用户的可视化对象上的映射规则,其中,考虑医学上下文信息项和/或所识别的结构来确定映射规则;
-基于映射规则计算可视化对象;
-向用户提供可视化对象。
换句话说,当调用患者病例时,自动生成适于各个单独病例的状况的体数据的可视化。具体地,可以通过合适的映射规则以有针对性的方式使相关(解剖)结构可视化。这使得能够单独表示单独的结构。同时,减少了用户要进行的调整和适应,进一步提高了可用性。
因此,提供了用于提供可视化对象的计算机实现的方法和设备,所述可视化对象适合于将由体数据表示的患者的三维解剖区域对于用户可视化。在该处理中,针对各个案例得出医学上下文信息项(或上下文信息),从而促进自动且有针对性地定义合适的可视化对象。具体地,基于上下文信息项在所选择的体数据中识别一个或更多个要被可视化的结构,具体地,这些结构基于上下文数据与用户相关。然后,在计算可视化对象时,可以在单独的基础上自动考虑这些要被可视化的结构,这可以改进结果。具体地,因此,可以针对每个要被可视化的结构确定单独调整的可视化参数,由此可以以最佳方式再现要被可视化的各个结构。
在该上下文中,结构具体地可以是患者的解剖区域中的器官、解剖结构、组织结构、植入物、组织变化等。换句话说,所识别的结构可以被称为要表示的结构或要被可视化的结构。(解剖结构的)另一种表达可以是“解剖对象”。
具体地,用户可以是可视化(对象)的接收者,并且因此可以是为其创建可视化的人。具体地,用户可以是医生或患者。
具体地,可视化对象可以包括二维可视化图像或多个单独的可视化图像的时间分辨序列。
体数据可以包含多个体素。体素(“体像素”或三维像素)是表示三维空间中的规则的网格上的值的体元素。体素类似于像素,表示二维图像数据。与像素的情况一样,体素本身通常不包含它们在空间中的位置(它们的坐标),但体素的坐标基于它们相对于其他体素的位置(即,它们在形成单个体图像的数据结构中的位置)得出。体素的值可以表示三维对象的不同物理特性,诸如,例如局部密度。在计算机断层扫描记录(CT扫描)中,这些值例如以霍恩斯菲尔德单位表示,霍恩斯菲尔德单位表示成像材料相对于X射线的不透明度。因此,体数据描述了患者体中的三维解剖区域。具体地,体数据可以指定解剖区域的密度(具体是不均匀的密度)。体数据的另一种表达可以是3D医学图像数据。
具体地,体数据可以通过医学成像方法提供。例如,成像方法可以基于荧光透视、计算机断层扫描(CT)、磁共振成像(MRI)、超声和/或正电子发射断层扫描(PET)。因此,三维对象可以是患者的身体或身体部位。在这种情况下,三维对象可以包括患者的一个或更多个器官。
此外,体数据可以是具有三个空间维度和一个时间维度的四维数据。此外,体数据可以包括多个单独的体数据记录,具体地,每个体数据记录可以由不同的成像模态生成。
在这种情况下,可以借助于图像合成算法来实现借助于映射规则对体数据进行映射。具体地,图像合成算法可以被认为是计算机程序产品,该计算机程序产品被实施为将体数据映射到二维投影表面上或渲染三维体的体或执行三维体的体绘制。在这种情况下,投影表面由可视化图像给出。图像合成算法可以具有用于计算可视化图像的处理器的一个或更多个指令形式的程序组成部分。可视化图像由多个可视化像素组成。具体地,与可视化像素相关的可视化图像的分辨率可以是空间恒定的或均匀的或空间均匀的。例如,图像合成算法的其他术语包括“渲染器”、“渲染算法”或“体渲染器”。例如,图像合成算法可以通常借助于在存储器装置中保持可用或者被加载到合适的数据处理装置的主存储器中或者被提供用于应用来提供。
在此,图像合成算法可以单独地或组合地实现用于使体数据记录可视化的各种方法。例如,图像合成算法可以包括射线投射模块和/或路径追踪模块。
例如,提供体数据可以包括:在存储器装置(诸如数据库)中保持可用和/或从存储器装置(诸如数据库)中调用体数据,和/或将体数据加载到例如合适的数据处理装置的主存储器中,或通常使能够用于应用或使用。
例如,提供分配的数据可以包括:在存储器装置(诸如数据库)中保持可用和/或从存储器装置(诸如数据库)中调用上下文数据,或者将分配的数据加载到例如合适的数据处理装置的主存储器中,或通常使能够用于应用或使用。具体地,分配的数据与体数据不同。分配的数据可以涉及与可视化相关的信息项。例如,分配的数据可以指示要被可视化的对象的哪些视角、传递函数或哪些部分对象与可视化特别相关。具体地,分配的数据可以包含自然语音。例如,与可视化特别相关的结构可以在分配的数据中以文字公开。例如,如果医学报告(作为分配的数据的形式)包含与患者的肝脏有关的解释,则可以推断出应当在可视化中主要显示该器官。具体地,分配的数据可以包括非图像数据。
具体地,分配的数据可以借助于链接至同一患者而分配给体数据记录。例如,分配的数据可以包括一个或更多个医学报告、医生的信函、与其他用户或患者的会诊记录、医学历史、实验室数据和/或关于患者的人口统计信息项。分配的数据可以例如以电子患者记录的形式可用并且可以存储在适当的信息系统(例如:医院信息系统)中。此外,分配的数据可以包括患者的一般相关信息项,例如一个或更多个指南和/或一个或更多个电子教科书或纲要。此外,分配的数据可以与用户有关,并且例如可以指示一个或更多个用户偏好。
具体地,映射规则可以被理解为如何在医学上下文信息项的背景下适当地使体数据可视化的指令。映射规则的另一种表达可以是“视觉参数映射”。回到上述示例,可以针对肝脏的可视化选择用于对体数据进行成像的专用视角、专用场景照明和专用颜色方案。此外,可视化中的体数据的不太相关的区域可以被省略或切掉或被透明地表示。映射规则可以包括表示参数(或视觉参数或传递参数)。表示参数通常非常复杂。表示参数向三维体中的每个灰度值分配一定的颜色、透明度、对比度、亮度、锐度等。一般而言,表示参数影响输出给用户的可视化图像中的相应对象类型的对象的表示的类型。换句话说,映射规则可以包括一个或更多个传递函数。
具体地,医学上下文信息项(或上下文信息)可以是用户在患者的病例中必须解决的医学问题。此外,上下文信息项可以包括医学诊断的指示、关于患者的人口统计信息项、医学指南中的下一步骤等。
根据一些示例,基于体数据的分割来实现识别,优选地基于医学上下文信息项来实现分割。
分割允许相关结构被选择,其中,相关性可以由上下文信息项加权。具体地,可以在分割的范围内使用形状分割。例如,可以使用分割蒙版,以便识别体数据中的结构,诸如患者的肺。可以将所有或仅一些被分割的结构标识为要表示的结构。优选地,可以基于识别步骤中的上下文信息项,从被分割的结构的集合中做出动态选择。
根据一些示例,映射规则包括关于每个识别的结构的部分映射规则,并且确定步骤还包括具体地优化(换句话说,或调整)关于每个识别的结构的部分映射规则,其中,具体地,对每个部分映射规则的优化(调整)独立于相应的其他部分映射规则来实现。
通过使用多个部分映射规则,可以具体地优化每个结构的可视化,并且与对于所有结构相同的全局映射规则相比,这可以引起各个结构的显著更好的表示。此外,当修改的医学上下文信息项指示要识别的不同结构时,这有助于可视化对象的简单的动态调整。每个部分映射规则可以包括单独的表示参数,这些单独的表示参数向每个体素值分配特定的颜色、透明度、对比度、亮度、锐度等。换句话说,部分映射规则可以包括至少一个单独的传递函数。
根据一些示例,针对每个被识别的结构的调整/优化包括:从体数据(具体地从分配给相应的被识别的结构的体数据)中提取图像信息项,并且基于图像信息项调整部分映射规则。
通过评估图像信息项,不仅可以使映射规则适于临床环境,而且可以使映射规则适于患者的相应状况和记录体数据时使用的记录参数,确切地说,以选择性的方式用于每个结构,因为这对于每个部分映射规则都会发生。根据本发明,这使得可以考虑结构的图像信息项在不同的记录和不同的患者之间表现不同的事实。这不仅促进了映射规则的特定于结构的调整,而且也促进了映射规则的特定于患者或特定于记录的调整,并因此促进了映射规则的多维调整。
根据一些示例,该方法还包括以下步骤:提供描述在其下生成体数据的一个或更多个条件的一个或更多个记录参数,其中,在调整部分映射规则时考虑记录参数。例如,记录参数在CT记录的情况下可以包括kV规格或在MRI记录的情况下可以包括MRI序列。考虑记录参数使得能够更好地调整要实现的部分映射规则。
根据一些示例,调整部分映射规则可以被实现为基于强度的分割。考虑图像信息项允许将结构的相关区域例如从基于形状的分割开始与周围结构更好地划界,并因此被很好地计算出以用于可视化。
在一种可替选方案中,除了相应结构的体数据之外,还可以使用与剩余解剖区域或其他识别的结构进行比较的结构的体积数据。
根据一些示例,图像信息项包括属于所识别的结构的体像素的图像值(体素值)的统计频率或分布。例如,在此可以将颜色值或灰度值评估为图像值。
根据一些示例,使用计算机断层扫描方法至少部分地生成体数据,并且图像信息项包括霍恩斯菲尔德单位(HU)的统计频率或分布。
这有助于在CT成像中简单地捕获不同的贡献,并且因此有助于例如通过要表示的体素的另外的基于强度或基于对比度的选择来良好地调整部分映射规则。
在MR成像中,对比度比CT中更显著地变化。通过MR序列和测量协议来设置对比行为。解剖分割必须考虑建模或对这种可变性具有鲁棒性。当然,器官或结构的解剖形状特征也存在于MR成像中。仅基于形状识别的分割能够直接用于MRI领域。如果还应当考虑强度特性,则需要对分割进行适当的参数化。根据实施方式,可以通过以下方式实现参数化:
-有关MR成像的现有知识;
-考虑到场强、序列和协议,并在简单的情况下借助布洛赫方程进行的根据组织的特性的数学物理推导;和/或
-可用的参考图像/数据库。
在另一情况下,这样的分割也可以借助所谓的MR指纹识别方法执行,该MR指纹识别方法本质上包含成像序列本身的多对比行为。
根据一些示例,对每个识别的结构的调整还包括:确定图像信息项中的至少两个图像信息贡献,并且基于图像信息贡献来调整部分映射规则。
例如,可以通过将一个或更多个特征函数“拟合”到图像信息项(诸如体素值的分布)来产生图像信息贡献。图像信息贡献可以源自诸如骨骼或软组织的不同组织类型。通过确定图像信息贡献,可以以更有针对性的方式来优化部分映射规则。
根据一些示例,对每个识别的器官/结构的调整还包括图像信息项与参考图像信息项的比较以及基于该比较进行的部分映射规则的调整。
参考图像信息项可以与为此最优的部分映射规则相关联。通过比较的方式,可以找到图像信息项与参考图像信息项之间的偏差,该偏差反过来可以指示对可用的体数据的最优部分映射规则的可能的调整。
根据一些示例,确定映射规则还包括基于所识别的结构和/或分配的数据从部分映射规则池中选择一个或更多个部分映射规则。
根据一些示例,对关于在每种情况下要显示的结构的部分映射规则进行调整包括选择被分配给各个要显示的结构的预设部分映射规则以及调整预设部分映射规则以便创建经调整的部分映射规则。
因此,已经有可能为部分映射规则的调整找到好的开始点。
根据一些示例,在每种情况下,部分映射规则在考虑了医学上下文信息项和/或相关联的数据的情况下被调整,由此确保部分映射规则的有针对性的调整。
根据一些示例,通过应用经训练的函数来实现部分映射规则的调整,具体地,该经训练的函数被实施为特别地基于医学上下文信息项和/或分配的数据来提供关于每个识别的器官的部分映射规则。
通常,经训练的函数将输入数据映射到输出数据上。特别地,在这种情况下,输出数据还可以取决于经训练的函数的一个或更多个参数。可以通过训练来确定和/或调整经训练的函数的一个或更多个参数。具体地,确定和/或调整经训练的函数的一个参数或多个参数可以基于一对训练输入数据和相关联的训练输出数据,其中,经训练的函数被应用于训练输入数据以生成训练成像数据。具体地,确定和/或调整可以基于训练成像数据与训练输出数据的比较。通常,可训练函数(即,具有尚未调整的参数的函数)也被称为经训练的函数。
经训练的函数的其他术语包括经训练的映射规则、具有经训练的参数的映射规则、具有经训练的参数的函数、基于人工智能的算法和机器学习算法。人工神经网络是经训练的函数的示例。代替术语“人工神经网络”,还可以使用术语“神经网络”。原则上,神经网络被构造成如生物神经网络,例如人脑。具体地,人工神经网络包括输入层和输出层。人工神经网络还可以在输入层与输出层之间包括多个层。每个层包括至少一个节点,优选地包括多个节点。每个节点可以被理解为生物处理单元,例如神经元。换句话说,每个神经元对应于被应用于输入数据的操作。一个层的节点可以通过边缘或连接(特别是通过有向边缘或连接)而连接到其他层的节点。这些边缘或连接限定了网络节点之间的数据流。边缘或连接与经常被称为“权重”或“边缘权重”的参数相关联。该参数可以调节第一节点的输出对于第二节点的输入的重要性,其中第一节点和第二节点通过边缘连接。
具体地,可以训练神经网络。具体地,根据“监督式”学习技术(“监督式学习”是专业术语),基于训练输入数据和相关联的训练输出数据执行神经网络的训练,其中,已知的训练输入数据被输入到神经网络中,并将由网络生成的输出数据与相关联的训练输出数据进行比较。只要最后的网络层的输出数据没有与训练输出数据充分对应,人工神经网络就学习并独立地调整各个节点的边缘权重。
具体地,经训练的函数也可以是深度人工神经网络(“深度神经网络”和“深度人工神经网络”是专业术语)。
根据一些示例,使用体绘制算法实现计算,具体地,该体绘制算法实现基于射线投射和/或路径追踪的方法,并且映射规则具有一个或更多个传递函数。
这样的方法使得能够生成特别现实的可视化,从而增加该方法的实用性。指定的方法在应用中是复杂的。然而,通过根据本发明考虑上下文数据,可以容易地操作指定的方法并且自动地提供尽可能最佳的可视化。
根据一些示例,映射规则被实施为使得在可视化对象中向用户强调所识别的器官。具体地,这可以通过使体数据的其他图像组成部分不可视化来实现。
根据一些示例,映射规则具有全局映射规则,所述全局映射规则限定可视化图像的一个或更多个总体场景特性。例如,这些场景特性可以涉及透视、放大或场景照明,这些场景特性一致地应用于所有识别的结构,由此尽管强调单个结构,但也产生一致的图像印象。
根据一些示例,以可视化对象包括多个单独图像的时间分辨序列的方式来实施映射规则。在这种情况下,单独图像中的至少两个可以表示体数据记录的不同视角。
因此,也可以向用户提供例如视频资料,由此其时间关系或几何关系变得更容易理解(具体地,在单独图像中使用不同视角时,几何关系变得更容易理解)。
根据一些示例,该方法还包括接收关于医学上下文信息项的用户输入的步骤,其中,基于用户输入另外确定医学上下文信息项。
根据一些示例,用户输入可以包括用户的语音输入,用户的语音输入可以通过计算机语言学算法进行评估。例如,这可以实现该方法的简单语音控制。
根据一些示例,所选择的体数据包括由第一成像模态记录的第一体数据记录,并且包括由与第一成像模态不同的第二成像模态记录的第二体数据记录。该方法然后还包括将第一体数据记录与第二体数据记录进行配准,其中,另外还基于该配准来实现确定映射规则的步骤。
可以通过标记患者或通过基于图像数据的配准的方式来实现配准。现在,更广泛的强度参数空间可用于识别/分割。在该多维强度空间中,器官本身的距离比单独观察一种模态时的距离更大。这个更大的距离可以用于改进和稳定识别/分割。在某种程度上,可以为此目的使用特定于病例的参数化(例如上面结合MR数据解释的)。
然后,配准的多维强度空间可以与多维部分映射规则(传递函数)一起使用。因此,体素对整个图像的特定贡献可以仅由一种模态或由任何组合来实现。可选地,关于在强度空间中要可视化的结构的部分映射规则的自动优化/部分自动优化是有利的。
根据一些示例,该方法还包括提供患者的体数据的步骤,其中,从所提供的体数据中选择合适的体数据。
还可以例如通过适当地访问合适的存档系统(例如PACS系统)来提供体数据。通过选择与医学问题相关的体数据,可以自动确定合适的初始数据,进而减轻用户的负担。
根据另一方面,公开了用于提供可视化对象的系统。可视化对象向用户表示由医学体数据表示的患者的三维解剖。该系统包括:
-用于接收用户的选择命令并用于接收医学体数据的接口,所述选择命令指示要被分析的患者;以及
-计算单元,其被实施为:
-基于选择命令调用/检索分配给患者的数据;
-基于分配的数据确定医学上下文信息项;
-基于医学上下文信息项以及可选的选择命令来选择患者的合适的体数据;
-基于医学上下文信息项识别所选择的体数据中的一个或更多个器官;
-基于医学上下文信息项和/或所识别的器官确定用于将体数据映射到用户的可视化对象上的映射规则;
-基于映射规则计算可视化对象;以及
-向用户提供可视化对象。
计算单元可以被实施为集中式计算单元或分散式计算单元。计算单元可以包括一个或更多个处理器。处理器可以被实施为中央处理单元(CPU)和/或图形处理单元(GPU)。计算单元可以被实施为所谓的片上系统(SoP),该片上系统控制装置的所有功能。可替选地,计算单元可以被实现为本地处理服务器或基于云的处理服务器。
通常,接口可以被实施为用于计算装置与其他部件之间的数据交换。该接口可以以一个或更多个单独数据接口的形式实现,这些单独数据接口可以包括硬件接口和/或软件接口,例如PCI总线、USB接口、FireWire接口、ZigBee接口或蓝牙接口。接口还可以包括通信网络的接口,其中,通信网络可以具有例如内联网的局域网(LAN)或广域网(WAN)。因此,一个或更多个数据接口可以包括LAN接口或无线LAN接口(WLAN或Wi-Fi)。
所提出的设备的优点基本上对应于所提出的方法的优点。特征、优点或可替选实施方式同样可以转移到其他要求保护的主题,反之亦然。
在另一方面,本发明涉及计算机程序产品,该计算机程序产品包括程序并且能够直接加载到可编程计算单元的存储器中并且具有程序装置(例如,库和辅助功能),用于在计算机程序产品被执行时执行特别是根据前述方面的用于使三维对象可视化的方法。
此外,本发明在另一方面涉及计算机程序产品,该计算机程序产品包括程序并且能够直接加载到可编程计算单元的存储器中并且具有程序装置(例如,库和辅助功能),用于在计算机程序产品被执行时执行特别是根据前述方面的用于提供经训练的函数的方法。
在此,计算机程序产品可以包括具有源代码的软件或具有可执行的软件代码的软件,该源代码仍需要被编译和绑定或仅被解释,该可执行的软件代码仅需要加载到处理单元中以用于执行目的。作为计算机程序产品的结果,可以以同样可重复的方式并以稳健的方式快速地执行这些方法。计算机程序产品被配置成使得它们可以借助于计算单元来执行根据本发明的方法步骤。在此,计算单元必须满足每种情况下的要求,例如具有合适的主存储器、合适的处理器、合适的图形卡或合适的逻辑单元,使得可以有效地执行相应的方法步骤。
例如,计算机程序产品被存储在计算机可读存储介质上或被保存在网络或服务器上,计算机程序产品可以从计算机可读存储介质或网络或服务器加载到相应计算单元的处理器中,该处理器可以直接连接到计算单元或被实施为计算单元的一部分。此外,计算机程序产品的控制信息项可以被存储在计算机可读存储介质上。计算机可读存储介质的控制信息项可以被实施为使得:当数据介质被用于计算单元时,控制信息项执行根据本发明的方法。计算机可读存储介质的示例包括DVD、磁带或USB棒,电子可读控制信息项特别是软件被存储在其上。如果这些控制信息项从数据介质中被读取并被存储在计算单元中,则可以执行上述方法的根据本发明的所有实施方式。因此,也可以从所述计算机可读介质和/或从所述计算机可读存储介质继续进行本发明。所提出的计算机程序产品的优点或相关联的计算机可读介质的优点基本上对应于所提出的方法的优点。
附图说明
现在将参考以下附图仅通过示例的方式描述本发明,在附图中:
图1示出了根据本公开内容的用于生成3D医学图像数据的基于计算机的可视化的方法的流程图表示;
图2示出了针对其获得3D医学图像数据的示例体的示意性说明,该体包括患者的解剖结构内的示例解剖对象;
图3A示出了形成图2的3D医学图像数据的一部分的第一图像数据的体素值的示例分布的示意性表示;
图3B示出了确定关于图3B的第一图像数据的示例视觉参数映射的示意性表示;
图4示出了根据本公开内容的示例的用于使3D医学图像数据可视化的方法的流程图表示;
图5示出了根据本公开内容的示例的临床工作流程方法的流程图表示;
图6示意性地示出了用于执行根据本公开内容的某些示例方法的包括体绘制设备的系统。
具体实施方式
对三维对象进行建模、重构或可视化在医学(例如,CT、PET)、物理学(例如,大分子的电子结构)或地球物理学(地球各层的状况和相对位置)领域具有广泛的应用领域。典型地,要检查的对象被照射(例如,借助于电磁波或声波),以便检查其状况。检测散射的辐射,并根据检测到的值确定主体的特性。通常,结果包含物理变量(例如,密度、组织类型、弹性、速度),针对主体确定物理变量的值。通常,在此使用虚拟网格,在该虚拟网格的网格点处确定变量的值。这些网格点通常称为体素。术语“体素”是由术语“体”和“像素”形成的混合词。体素对应于网格点的空间坐标,网格点在该位置处被分配了变量的值。在此,这通常是可以表示为标量或矢量场的物理变量,即,将对应的场值分配给空间坐标。通过对体素进行内插,可以在任何对象点(即,被检查的对象的任何位置点)处获得变量的值或场的值。
为了使体数据可视化,根据体素在二维表示表面(例如,所谓的“增强现实眼镜”的屏幕或面板或透镜)上生成被检查的对象或主体的三维表示。换句话说,(在三维中定义的)体素被映射到二维可视化图像的(在两维中定义的)像素上。可视化图像的像素在下面也称为可视化像素。映射通常称为体绘制。如何借助于像素来重现体素中包含的信息项取决于如何执行体绘制。
体绘制的最常用的方法之一是所谓的射线投射(参见Levoy:“Display ofSurfaces from Volume Data”,IEEE计算机图形和应用,第8期,第3卷,1988年5月,第29至37页)。在射线投射中,从假想的观察者的眼睛发出的模拟射线透射过被检查的主体或被检查的对象。沿着射线,RGBA值针对来自体素的样本点进行确定并借助于α合成或α混合进行组合以形成二维图像的像素。在此,表达RGBA中的字母R、G、B表示颜色分量红色、绿色和蓝色,由颜色分量红色、绿色和蓝色组成相应样本点的颜色贡献。A表示ALPHA值,ALPHA值表示样本点处透明度的度量。各个透明度用于各样本点处的RGB值的叠加,以形成像素。通常借助于被称为“着色(shading)”的方法的范围内的照明模型来考虑照明效果。
另一种体绘制的方法是所谓的路径跟踪方法(参见Kajiya:“The renderingequation”,ACM SIGGRAPH Computer Graphics,第20期,第4卷,1986年8月,第143至150页)。在此,多个模拟射线被射入到每个可视化像素的体数据中,然后所述模拟射线与体相互作用,即所述模拟射线被反射、折射或吸收,其中,每次生成至少一个随机射线(除了在吸收的情况下之外)。因此,每个模拟射线通过体数据找到其路径。每个可视化像素使用的虚拟射线越多,就越能珩磨出理想的图像。在此,特别地,可以使用EP 3 178 068 B1中描述的处理和方法。通过引用将EP 3 178 068 B1的内容全部并入本文。
可以通过这样的可视化方法来有效地协助用户(特别是医学和临床领域的用户),因为这样的表示提供了复杂解剖关系的快速概览。作为示例,这使得能够更好地规划外科手术干预。此外,这样的可视化图像有助于创建有意义的医学报告。
实现用于交互式体绘制的系统的主要技术障碍在于:当为了回答具体临床问题的目的而针对具体患者建立诊断时,将表示有针对性地适应各自的要求。常规的系统能够生成可以最佳地完全再现患者的由体数据表示的解剖区域的表示。然而,这样的全局设置通常不太适合于观察单个结构,因为全局设置通常不能充分地再现细节。在该上下文中,单个结构可以是例如器官、植入物、骨骼、血管、空间要求或病理性组织变化诸如例如肿瘤。例如,如果为了能够更好地评估位于个体结构后面的组织而应当从渲染的整体表示开始去除个体结构,则表示错误有时会达到去除过多或过少的信息的程度。这使得必须进行校正,对于校正,用户通常既没有时间也没有背景知识。因此,尽管该技术具有固有的潜力,但是对于临床诊断的体绘制算法的接受度降低了。在最坏的情况下,不恰当地选择全局可视化参数会隐藏病理相关的情况,并且会导致错误的决定。
因此,本发明的目的是在这方面提供用于使体数据可视化的改进的方法和设备。特别地,旨在在该处理中解决的问题是提供可视化方法,该可视化方法使得能够以使得体数据的可视化能够更好地适应潜在的医学问题的方式来处理该体数据。
图1示出了用于生成3D医学图像数据的基于计算机的可视化的示例方法100的流程图表示。
方法100包括在框102处接收3D医学图像数据。可以通过从存储器、传感器和/或其他源加载来接收3D医学图像数据。通常,可以使用任何扫描模态来产生3D医学图像数据。例如,扫描模态可以包括使用计算机断层扫描(CT)或使用磁共振成像(MRI)。在一些示例中,可以使用包括使用正电子发射断层扫描(PET)、单光子发射计算机断层扫描(SPECT)、超声的扫描模态或另外的扫描模态。3D医学图像数据可以表示人体或动物解剖结构内的成像体。简要地转向图2,其示意性地示出了患者10的解剖结构的成像体200的示例。
可能使用三维采集处理采集了3D医学图像数据,因此3D医学图像数据固有地是3D格式。作为替选,3D医学图像数据可能从一个或更多个成像平面中的一组二维(2D)图像导出,其中每个2D图像由多个像素组成。在一些示例中,3D医学图像数据可以包括已经通过内插等进行平滑的体数据。在另一示例中,内插处理可以作为渲染图像数据的处理的一部分被执行。
在示例中,3D医学图像数据包括多个也称为体素的数据元素,每个数据元素包括也称为体素值的测量变量的值。每个体素对应于分布在成像体200上的多个位置中的一个。通常,测量变量对应于用于生成医学图像数据的成像设备的类型。例如,对于使用X射线成像设备生成的3D医学图像数据,测量变量可以与辐射密度有关,例如,测量变量可以是例如以霍恩斯菲尔德(Hounsfield)标度测量的衰减。作为另一示例,对于使用MRI设备生成的医学图像数据,测量变量可以是成像体中的质子的弛豫时间,诸如T1时间常数或T2时间常数。在一些情况下,3D医学图像数据内的每个数据元素可以定义测量变量的值及相关联的位置。在其他示例中,每个数据元素所对应的体200中的位置在3D图像数据的结构中(例如,在数据元素的排序中)是固有的。此外,在一些情况下,3D医学图像数据可以针对每个位置定义两个或更多个测量变量的相应的值。例如,对于使用MRI设备生成的3D医学图像数据,可以针对每个位置存储T1时间常数和T2时间常数两者的值。
在框104处,该方法包括执行选择处理以选择形成3D医学图像数据的第一部分的第一图像数据,第一图像数据表示给定类型的第一解剖对象。
简要地返回到图2,其示意性地示出了患者10的解剖结构的图像体200内的第一解剖对象210的示例。在该示例中,第一解剖对象210是患者10的骨骼。在该示例中,骨骼是患者的股骨。
框104的选择处理可以被配置成在3D医学图像数据内识别3D医学图像数据的子集,3D医学图像数据的该子集被确定为表示给定类型的解剖对象。因此,3D医学图像数据的该子集可以通过选择处理被选择为上述第一图像数据。
可以将选择处理应用于3D医学图像数据,以便选择3D医学图像数据的表示给定解剖对象(例如,单个器官,诸如单个骨骼或肝脏,或给定器官系统,例如,呼吸系统或骨架)的区域。在一个示例中,选择处理是分割处理,该分割处理被配置成识别3D医学图像数据的表示特定器官或特定器官系统的区域。可以由选择处理选择的解剖对象的其他示例是肝脏;脑;一个肾脏或多个肾脏;以及一个肺或多个肺。
在一些示例中,选择处理可以被配置成选择图像数据的体素,所述图像数据的体素可以由于体素值的特性而被识别为表示特定解剖对象。在一些示例中,选择处理包括可以是基于强度和/或基于形状的分割处理。例如,根据一个示例,可以最初执行基于形状的分割以对给定的解剖对象进行分割,并且稍后可以通过基于强度的分割来细化基于形状的分割。
可以根据分割旨在选择的特定解剖特征或解剖对象来确定选择处理的各种参数。在一些示例中,可以执行多于一个的选择处理,每个选择处理可以被配置成选择给定解剖对象。
在一些示例中,选择处理的参数基于要选择的第一解剖对象的给定类型。例如,选择处理的参数可以定义由选择处理使用以选择表示给定解剖对象的体素的体素强度模式和/或对象形状。例如,选择处理的参数可以将选择处理定义为用于分割给定类型的器官(诸如骨骼)的分割处理,或者可替选地,定义为用于分割肝脏的分割处理。例如,在第一解剖对象的类型是骨骼的情况下,参数可以定义由分割处理使用以识别体的表示骨骼的部分并对那些部分进行分割的特征形状和/或强度模式。
在一些示例中,可以基于与3D医学图像数据相关的上下文信息来确定选择处理的参数。例如,上下文信息可以是与3D医学图像数据的临床使用案例有关的信息。例如,选择处理的参数可以决定该选择处理被配置成选择的解剖对象的类型。例如,上下文信息可以确定形状和/或强度模式,分割处理被配置成识别形状和/或强度模式以便对表示给定解剖对象的体素进行分割。
作为特定示例,上下文信息可以指示3D医学图像数据的临床使用案例与神经病学相关。然后,可以使用上下文信息来确定用于选择处理的参数,该参数使得选择处理选择3D医学图像数据的表示患者的大脑的部分。在另一示例中,上下文信息可以指示临床使用案例与肝脏相关,并且因此,该上下文信息可以用于确定选择处理的参数,该参数使得表示肝脏的图像数据被选择。
上下文信息可以从与3D医学图像数据相关联的文本信息中得出。例如,上下文信息可以从与3D医学图像数据相关联的指示该数据的医学上下文的文本信息中得出。例如,在3D医学图像数据与描述性元信息相关联的情况下,与数据被编码为医学数字成像和通信(DICOM)数据集的情况一样,上下文信息可以从例如可以包含在DICOM数据集的DICOM标头中的描述性元信息中得出。例如,文本信息可以指示用于产生3D医学图像数据的扫描方法。另外地或可替选地,文本信息可以指示扫描旨在成像的解剖特征和/或可以识别与扫描相关的医学状况。
在另一示例中,上下文信息可以从与3D医学图像数据相关联的医学历史信息中得出,例如,可以从与患者相关的医学数据记录中得出。
在一些情况下,可以在本方法的某些示例中使用的上下文信息可以经由合适的数据挖掘处理获得。例如,可以将自然语言处理分析应用于患者数据的文本数据。例如,在某些示例中,可以将经训练的神经网络应用于与3D医学图像数据相关的医学数据,以便获得上下文信息。
在框106处,该方法包括对第一图像数据执行分析处理,其中,分析处理的参数基于第一解剖对象210的给定类型。
在一些示例中,分析处理包括确定第一图像数据的一个或更多个特征。在这样的示例中,分析处理的参数可以定义由分析处理确定的第一图像数据的特征。例如,分析处理的参数可以定义第一图像数据的体素值的分布的由分析处理确定的特征。例如,如果第一解剖对象是骨骼,则分析处理的参数可以是与表示骨骼的图像数据相关联的图像数据的特征,例如第一图像数据的体素值的分布中的峰值或满足给定的预定标准的一定范围的体素值。确定图像数据的特征可以例如包括确定分布中的这样的峰值和范围的体素值。由分析处理确定的图像数据的具体特性可以在不同类型的解剖对象之间变化。例如,在骨骼的情况下,所确定的图像数据的特征可能根据骨骼的具体类型而不同。例如,可以预期大的骨骼比小的骨骼具有更多的表示骨髓的体素值,并且因此,大的骨骼和小的骨骼的体素值的分布区域会具有不同的特性。因此,其中体素值的分布可以被分解成不同的分量的方式在不同类型的骨骼之间可能不同,并且因此,可以确定不同特征以表征骨骼的这样的不同类型的分布。在另一示例中,在解剖对象是肝脏而不是骨骼的情况下,由分析处理确定的特征可以是可以与肝脏的各个组成部分相关联的体素值的分布的一个或更多个特征。在又一示例中,在预期第一图像数据中存在诸如金属植入物的高密度对象的情况下,所确定的第一图像数据的特征可能与这样的高密度对象有关。例如,可以确定与高密度对象相关的第一图像数据的分布中的峰值。例如,在金属植入物的情况下,可以确定大约2000HU的区域中的峰值。与峰值相关联的体素值可以因此与金属植入物对应并且用于视觉参数映射的确定以允许金属植入物被适当地可视化。
由分析处理确定的第一图像数据的一个或更多个特征可以例如包括第一图像数据的第一体素值的分布的一个或更多个特征。例如,分析处理可以包括分析第一体素值的分布以确定分布的一个或更多个特征。在一些示例中,体素值的分布被表示为直方图,该直方图表示体素值采用各种特定体素值或落入体素值的各种子范围的相对频率。在这样的情况下,体素值的一个或更多个特征可以包括直方图的一个或更多个特征。
第一体素值的分布的一个或更多个特征可以包括满足预定标准的体素值或一定范围的体素值。例如,可以确定分布中的峰值或模式。峰值可以是分布中具有最高频率的体素值。峰值可以是分布中的局部最大值或全局最大值。
可以确定分布的各种其他特征。例如,可以确定其分布满足预定标准的一定范围的体素值。例如,可以确定具有非零频率或频率处于或高于预定阈值的一定范围的体素值。在一些情况下,这样的范围可能限于分布中的给定特征(诸如分布中的峰值)的一侧或另一侧的一定范围的值。
如上所述,在给定示例中要确定的第一图像数据的特征可以取决于第一图像数据表示的解剖对象的给定类型。例如,要确定的分布的特征可以是与给定类型的解剖对象的解剖特征相关的特征。
在这点上,发明人已经认识到表示解剖对象的给定类型的图像数据倾向于具有特定于解剖对象的给定类型的特性。例如,表示骨骼的图像数据的体素值的分布倾向于具有可以与骨骼的不同成分相关联的特性特征。例如,已知表示骨骼的体素值的分布的某些具体特征可以与骨骼的骨髓相关联,而其他某些具体特征可以与骨骼的皮层相关联。
由分析处理确定的特征可以取决于由图像数据表示的解剖对象的给定类型。例如,在框104处执行的选择处理被配置成选择骨骼的情况下,可以确定分析处理以识别体素值的分布中的全局峰值以及体素值小于峰值和大于峰值的相应范围的非零频率体素值。另一方面,例如,如果选择处理104被配置成选择表示肝脏的图像数据,则分析处理可以被配置成确定作为表示肝脏的图像数据的特性的图像数据的不同特征。下面将参照图3A和图3B更详细地讨论第一解剖对象是骨骼的情况的示例。
在一些示例中,在框106处获得的分析处理的结果可以用于细化在框104处执行的选择处理。例如,如果体素值不符合给定类型的第一解剖对象的典型分布,则分析处理例如可以允许第一图像数据中包括的体素值被识别为不属于第一解剖对象。当对第一图像数据执行分析处理时,可以相应地忽略这样的体素值。
在一些示例中,该方法包括基于解剖对象的给定类型来确定分析处理的参数。
在一些示例中,上下文信息可以用于确定分析处理的参数。例如,可以获得指示第一解剖对象的类型的上下文信息。例如,上下文信息可以指示第一解剖对象是肝脏。然后,可以使用上下文信息来确定分析处理采用的形式。例如,由分析处理确定的第一图像数据的特征可以由第一解剖对象的类型确定,第一解剖对象的类型又可以由上下文信息指示。上下文信息可以以例如如以上关于选择处理所描述的任何合适的方式获得。
在框108处,方法100包括至少部分地基于分析处理的结果确定关于第一部分的视觉参数映射以便在渲染处理中使用来生成3D医学图像数据的可视化。
使用分析处理的结果,可以确定适合于使与图像数据相关的解剖对象可视化的视觉参数映射。
例如,在上述由第一图像数据表示的解剖对象是骨骼的示例中,分析处理的结果可以包括与表示骨骼的体素的分布中的峰值对应的体素值。如上所述,与峰值对应的该体素值和大于具有非零频率的峰值的体素值可以被识别为与骨骼的皮层相关联的体素值。因此,分析处理的结果可以用于指示与骨骼的具体物理成分(在该示例中为皮层)相关联的体素值。此外,在第一解剖对象是骨骼的示例中,如以上所描述的并且如将在下面更详细的示例的上下文中描述的,分析处理的结果可以指示表示骨骼的骨髓的体素值,所述体素值位于与骨骼的皮层相关的峰值的左侧。
因此,基于分析处理的结果,可以针对表示第一解剖对象的图像数据确定视觉参数映射。例如,在骨骼的情况下,由于根据分析处理已知表示皮层的体素值,所以视觉参数映射可以被配置成向这些体素值分配颜色和不透明度,所述颜色和不透明度当在渲染处理中使用时适合用于使皮层可视化。类似地,由于根据分析处理已知表示骨髓的图像数据的一定范围的体素值,因此视觉参数映射可以被配置成向这些体素值分配颜色和不透明度,所述颜色和不透明度当在渲染处理中使用时适合于使骨髓可视化。与解剖对象(诸如皮层或骨髓)的特定组成部分对应的体素值可能例如由于患者的年龄或其他因素而因患者而异。通过确定第一图像数据的特性并将这些特性与解剖对象的特定组成部分相匹配,可以提供与给定类型的解剖对象一致的解剖对象的可视化。
确定视觉参数映射可以涉及将函数拟合到图像数据的分布,其中函数的形式由图像数据所表示的对象的类型确定。在一些示例中,该方法可以包括:基于解剖对象的给定类型,从传递函数的形式的预定池中选择传递函数的形式。所选择的传递函数的形式可以由许多特性限定,这些特性由传递函数的形式对应的解剖对象的类型确定。例如,表示给定类型的器官的体素值的分布可以具有作为给定类型的器官的特性的诸如非零频率的峰值和/或区域的特性特征。然后,可以基于对第一图像数据的分析来调整所选择的传递函数的形式,以提供特别适用于第一图像数据的传递函数。在一些示例中,可以例如基于机器学习算法来执行优化处理,该机器学习算法可以例如使用神经网络以基于对第一图像数据的分析来调整传递函数的给定类型。这些特征可以与器官的解剖特征相关联并且用于得出允许以适当的方式渲染这些解剖特征的传递函数。在这种方式下,可以针对给定解剖对象获得视觉参数映射,该视觉参数映射提供与解剖对象的类型一致的该对象的可视化。例如,可以确定如下视觉参数映射,该视觉参数映射被配置成在用于表示骨骼的骨髓和皮层的相应颜色和不透明度方面提供骨骼的一致表示。此外,可以在不需要用户手动干预的情况下确定视觉参数映射。
由方法100确定的视觉参数映射然后可以应用于渲染处理中用于生成3D医学图像数据的可视化。
视觉参数映射被配置成用于向第一图像数据分配诸如不透明度和/或颜色的视觉参数数据。例如,视觉参数映射可以是被配置成在直接体绘制处理中的分类处理期间被应用的传递函数。
在某些示例中,在渲染期间,通过方法100获得的视觉参数映射仅应用于形成3D医学图像数据的一部分的第一图像数据。也就是说,可以以另一种方式(例如使用不同的视觉参数映射)向3D医学图像数据中的不在第一部分内的图像数据分配视觉参数数据。在其他示例中,例如,因为仅期望对由第一图像数据表示的解剖对象进行可视化,所以可以完全不向3D医学图像数据中的不在第一部分中的图像数据分配视觉参数数据。因此,在一些示例中,第一图像数据的视觉参数映射可以被称为部分传递函数,因为该第一图像数据的视觉参数映射提供了被配置成用于给体的给定部分分配视觉参数数据的传递函数。
因此,上述方法的示例提供了适合于使给定解剖对象可视化的要确定的视觉参数映射。通过识别表示解剖对象的图像数据并分析该图像数据,同时考虑解剖对象的类型,可以得出针对该对象的适当的视觉参数映射。
该方法提供了针对图像数据的一部分获得的视觉参数映射,该图像数据的一部分表示对特定对象定制的给定解剖对象。该方法并不依赖于针对给定类型的对象应用固定映射,其中,例如,特定体素值以预定方式映射到给定颜色和不透明度。相反,本方法允许生成视觉参数映射,该视觉参数映射特别适用于对由数据表示的特定解剖对象进行可视化。
上述方法还允许例如实时地快速计算对可视化的调整。此外,该方法减少了用户确定视觉参数映射所需的输入,因为基于图像数据的计算机分析的结果生成视觉参数映射。这允许该方法快速并且不依赖于用户对手头的特定使用案例调整视觉参数映射的能力。这是有利的,因为用户通常可能不熟悉体绘制的微妙,并且因此可能既不愿意也没有能力调整渲染处理的参数。
根据本公开内容的方法使得能够针对要被可视化的每个解剖对象确定视觉参数映射。然后,可以应用不同的视觉参数映射来产生体的可视化,其中,通过使用适当的专门调整的视觉参数映射对体中的每个对象进行可视化。因此,不像某些现有技术方法中的情况那样提供要应用于整个体积数据集的单个视觉参数,根据本公开内容的方法使得能够使用不同的视觉参数映射使给定的解剖对象可视化。针对给定对象确定的视觉参数映射基于对表示该对象的图像数据的分析而被具体地调整以用于对该对象进行可视化,并且该视觉参数映射被配置成在本地应用以将对象可视化。
该方法允许多个视觉参数映射针对数据集对应于数据集中表示的相应的多个解剖对象被获得。如以下将更详细描述的,这些视觉参数映射然后可以被应用为例如部分传递函数,以使得能够同时渲染多个解剖对象。例如,在一些示例中,可能需要例如基于正在进行可视化的体积数据集的临床使用案例来实现对要显示的解剖结构的交互式选择。例如,可视化的临床背景可能与肝脏相关并且因此需要详细显示肝脏,而肺部可能不相关并且因此可能不太详细或根本不被示出。此外,一些临床使用案例可能需要同时显示两个或更多个不同的对象,例如解剖器官。在一些这样的示例中,可以基于需要显示哪些对象来确定由视觉参数映射应用于不同对象的不透明度、颜色或其他视觉参数。例如,如果作为可视化的关注点的对象位于另一对象之后,则可以使可视化中的其他对象透明以便不妨碍关注点对象的可见性。另外地或可替选地,多个视觉参数映射可以使得用户能够在哪些解剖对象被可视化之间切换,同时提供适当的可视化而不管哪些解剖对象正在被可视化。此外,该方法使得能够对要选择的解剖对象进行可视化,并允许“即时地”快速获得针对该对象的视觉参数映射。这为用户提供了工作流程,该工作流程是快速的并提供了对手头的使用案例定制的可视化并且不需要用户能够适当地调整渲染参数。
图3A示出了与图2中表示的第一解剖对象210对应的图像数据的直方图300的示例。在该示例中,解剖对象210是骨骼。直方图300将所选择的第一图像数据的体素值落入给定子范围的频率表示为竖条。
图3A示意性地表示对由选择处理选择的第一图像数据执行的分析处理的示例。由图3A表示的分析处理涉及确定第一图像数据的体素值的分布的特性。
要确定的第一图像数据的特性基于由第一图像数据表示的解剖对象的类型(在该案例中是骨骼)。在该示例中,要确定的图像数据的特定特性如以下所述。然而,在其他示例中,例如,根据由图像数据的给定部分表示的解剖对象的类型,可以确定图像数据的不同的一个或更多个特征。
在图3A所示的示例中,确定的第一特性是分布中的总峰值301。在分布是霍恩斯菲尔德单位(HU)的分布的示例中,直方图的峰值可能出现在300HU至330HU周围,或通常出现在320HU周围。如上所述,峰值的实际体素值可以根据各种因素(诸如,例如被成像的患者的年龄)而变化。
所确定的体素值的分布的第二特性是从与峰值301相关联的体素值延伸至最大体素值的范围350的体素值。
范围350的体素值是用来表示皮层的一定范围的体素值。范围350中的最大体素值可以是第一图像数据的分布中的频率处于或高于预定阈值频率的最大体素值。例如,最大体素值可以是第一图像数据的具有非零频率的最大体素值。在其他示例中,最大体素值可以基于与数据集相关的上下文信息来确定。例如,上下文信息可以指示存在金属对象或其他高辐射密度的对象,并且还可以指示在第一图像数据中表示该对象。在这样的情况下,与骨骼的皮层相关联的最大体素值可以被设置成从与皮层高体素值对应的范围350的体素值中排除,该皮层高体素值可以对应于其他这样的高辐射密度对象。这可以防止与不是皮层的一部分的对象相关联的体素值被可视化为好像它们是皮层的一部分一样。在以HU测量体素值的典型示例中,被确定为与皮层对应的范围350的体素值可以从大约320HU扩展到大约950HU。如上所述,该范围例如根据被成像的患者的年龄或骨骼的特定类型而在3D医学图像数据集之间不同。
所确定的体素值的分布的第三特性是范围360的体素值,该范围360的体素值从频率处于或高于预定阈值频率的最小体素值延伸到与峰值301相关联的体素值。该范围360的体素值与骨骼的骨髓有关。在以HU测量体素值的典型示例中,该范围可以从大约250HU扩展到大约320HU。
所确定的体素值的第四特性是范围360内的范围362的体素值,该范围362的体素值从与峰值相关联的体素值延伸并且其中频率处于或高于峰值301处的频率的预定比例。例如,范围362可以包括紧接在峰值301之下的一定范围的体素值,所述紧接在峰值301之下的一定范围的体素值具有峰值301处的频率的70%内的频率。在以HU测量体素值的典型示例中,该范围可以从大约290HU扩展到大约320HU。
图3B示出了根据该示例如何使用对图3A的图像数据执行的分析处理的结果来确定分布对应的第一图像数据的视觉参数映射的示意性表示。
图3B示出了函数到分布的拟合。拟合到第一图像数据的函数的形式由第一图像数据表示骨骼的事实确定。拟合到分布的函数包括矩形354,该矩形被配置成在与皮层对应的范围350的体素值上延伸。该函数还包括右梯形364,该右梯形被配置成在与骨髓对应的范围360的体素值上延伸。梯形364的底边在整个范围360上延伸,而梯形364的上边在频率在峰值301处的频率的给定比例内的范围362的体素值上延伸。
根据该拟合,针对第一图像数据提供传递函数。也就是说,落入范围350内的体素值被映射到如由图3B右侧的垂直轴所表示的由矩形354的高度限定的不透明度值。在该示例中,被确定为表示皮层的每个值被映射到相同的不透明度值,该不透明度值是例如100%的最大不透明度值。可以定义颜色值的映射,该颜色值的映射可以被配置成以任何合适的方式随着变化的体素值而变化。例如,可以向落入表示皮层的范围350中的每个体素值分配相同的颜色值,或者可替选地,向这些值分配的颜色值可以随着体素值而变化,例如,以便传达关于皮层的不同部分的不同辐射密度的信息。例如,分配给沿着矩形的各点的颜色可以从矩形的左侧处的第一预定颜色渐变到矩形的右侧处的第二预定颜色。例如,分配给沿着矩形的给定点的颜色可以从分配在矩形的左边缘和右边缘处的颜色进行插值。
根据对分布的拟合定义的传递函数还提供了到与骨髓对应的范围360的体素值的不透明度和颜色的映射。根据本示例中的应用的拟合,梯形364限定范围360的体素值的不透明度,该不透明度从范围360中的最小体素值处的零线性增加到该范围中的较高体素值处的最大不透明度。例如,与骨髓对应的范围360的体素值的最大不透明度可以是由矩形354针对皮层范围350应用的不透明度的70%。在示例中,由传递函数向骨髓区域中的体素值分配的颜色与分配给皮层区域的颜色不同。作为示例,红色或橙色可以通过传递函数分配给被确定为表示骨髓的体素,而白色或灰色可以被分配给被确定为表示皮层的体素。传递函数还可以被定义为使得分配给骨髓区域中的体素值的颜色随体素值而变化。例如,可以通过与梯形的宽度成比例的沿着梯形的不同的预定相对点来分配预定颜色。因此,沿着梯形的这些点所对应的并且因此映射了给定颜色的实际体素值由以上描述的梯形364向图像数据的拟合确定。
图3A和图3B中所示的示例基于由分析处理确定的图像数据的特性的特定集合提供关于表示骨骼的图像数据的传递函数。在其他示例中,可以确定与图3A和图3B中所示的那些图像数据的特性不同的图像数据的特性的集合,以便确定关于图像数据的传递函数的拟合。例如,可以确定关于图3A和图3B描述的一些但不是全部特性,并且可以仅基于所确定的特性来确定拟合。在其他示例中,可以确定除图3A和图3B中所示的那些特性之外的其他特性或完全不同的一组特征。在其他示例中,可以基于图像数据的分析的结果提供不同形式的传递函数。在这样的示例中,所确定的图像数据的分布的特性可能取决于要拟合到该分布的函数的形式。例如,在可替选示例中,直角三角形而不是梯形可以被拟合到与骨髓对应的一定范围的体素值。在这样的示例中,在直角三角形被拟合到骨髓区域的情况下,可能不需要限定上述限定梯形的上边的宽度的第四特性。此外,在另一示例中,梯形可以拟合分布的骨髓区域,该分布被配置成使得梯形的上边具有与梯形的下边成预定比例的长度。例如,上边的宽度可以是梯形的下边的宽度的一半。在这样的示例中,也可以不需要确定体素值的上述第四特性。
图4示出了生成3D医学图像数据的基于计算机的可视化的示例方法400的流程图表示。
在框402处,方法400包括执行根据本公开内容的方法以获得关于3D医学图像数据的第一部分的视觉参数映射。
在一些示例中,可以针对在3D医学图像数据中表示的多个不同的解剖对象中的每一个多次执行框402处的处理。例如,可以针对3D医学图像数据的多个不同部分执行上述用于确定关于3D医学图像数据中的第一图像数据的视觉参数映射的方法,每个不同部分包括相应的不同解剖对象。例如,关于图2的示例图像体200,可以第一次执行根据图1的方法以确定关于3D医学图像数据的表示第一解剖对象310(在该案例中是骨骼)的第一部分的第一视觉参数映射,以及再次执行根据图1的方法以确定关于3D医学图像数据的表示第二解剖对象320(例如患者10的肝脏)的第二部分的第二视觉参数映射。因此,可以对于体200获得两个或更多个部分视觉参数映射或部分传递函数,所述部分视觉参数映射或部分传递函数之一或两者可以被应用于渲染处理来渲染体200的可视化。
在框404处,方法400包括执行渲染处理来生成3D医学图像数据的可视化,其中,执行渲染处理包括应用关于3D医学图像数据的第一部分的视觉参数映射。
渲染处理可以包括任何合适的体渲染处理。例如,渲染处理可以是直接体渲染处理,该直接体渲染处理包括定义关于体积数据的视点并且使源自视点的多个模拟射线穿过体积数据集。在这样的示例中,穿过体积数据集的每个射线可以使得能够确定由与该射线相交的观察平面的像素显示的一个值或一组值。例如,可以采用渲染算法,该渲染算法经由与体中的样本点相关联的视觉参数值沿着射线的路径的积分来确定由像素显示的值。
应当注意,至少一些样本点可能与体素不一致,并且因此,与特定样本点相关的计算(诸如上述视觉参数映射或传递函数)可以采用内插来确定该样本点处的标量值。然后,可以执行基于与该点相邻的一组体素的标量值的三线性内插或内插的另一示例方法,以确定给定样本点的内插标量值。将视觉参数分配给给定样本点然后可以包括将视觉参数映射应用于样本点处的体积数据集的内插值。
在给定的示例渲染处理中可以应用各种照明效果。例如,渲染处理可以通过对照亮体的光源进行建模来对照明效果进行建模,例如通过使用光图来对照明效果进行建模。
可以在渲染期间使用各种体数据重建滤波器,例如近邻滤波器、三线性滤波器或高阶滤波器诸如B样条滤波器。滤波器可能是内插式或者不是内插式。在滤波器不是内插式的情况下,过度平滑可以用作渲染的一部分。
在一些示例中,数据滤波可以与渲染处理分开应用。数据滤波可以包括例如高斯平滑、非锐化掩蔽、阈值化和各种形态学操作。
根据本公开内容的示例,经由如上所述的方法的示例来分配关于表示体中的第一解剖对象的体的至少第一部分的视觉参数映射。可以向该体的不是第一部分的一部分的部分分配与关于第一部分的映射不同的视觉参数映射。例如,通过使用选择处理,体可以被分割以形成多个分割蒙版。在渲染期间,给定样本点落入的分割蒙版可以用于确定被应用于在样本点处分配视觉参数数据的传递函数。
例如,在用于对图2的体200进行可视化的示例渲染处理中,可以应用上述方法来确定关于骨骼210的第一视觉参数映射和关于肝脏220的第二视觉参数映射。在渲染期间,在直接体绘制处理的示例中,可以基于样本点所位于的体200的部分来确定沿着穿过体的射线在给定样本点处应用的视觉参数映射。
例如,在渲染期间将视觉参数数据分配给给定样本点可以包括:确定样本点是否位于第一部分210、第二部分220或第一部分210和第二部分220之外,并基于该确定应用视觉参数映射。在示例中,这可以通过在渲染期间确定特定样本点所属的分割蒙版并应用适用于该分割蒙版的视觉参数映射来完成。例如,如果确定样本点在第一部分210内,则应用第一视觉参数映射来确定关于样本点的视觉参数数据,而如果确定样本点在第二部分210内,则应用第二视觉参数映射。如果确定样本点不在第一部分210或第二部分220内,则可以应用不同的视觉参数映射。
该方法的优点是可以针对3D图像数据的各个部分确定视觉参数映射,同时也可以针对整个3D图像数据定义全局视觉参数映射。全局视觉参数映射可以通过由用户手动调整或通过任何其他合适的方式来确定,而针对特定解剖对象的视觉参数映射可以根据上述方法来确定。这意味着整体视觉参数映射没有受到针对数据的给定部分的局部视觉参数映射的应用的干扰,在一些示例中确定整体视觉参数映射可能是耗时的处理。相反,如上所述,通过对图像数据的不包括与给定解剖器官不对应的图像数据的部分进行分析,可以以有效和高效的方式确定局部视觉参数映射。
图5示出了示例临床工作流程方法500的流程图表示,该示例临床工作流程方法500包括根据图4的示例的渲染的方法。
在框502处,接收包括图像数据和非图像数据的患者数据。图像数据可以包括多个3D医学图像数据集,所述多个3D医学图像数据集例如表示通过一种或更多种扫描方法获得的患者的多个医学扫描的结果和/或通过一种扫描方法在不同能量水平下操作而获得的一个或更多个扫描的结果。每个3D医学图像数据集可以示出患者的相同体或不同体。
在框504处,上下文信息根据患者数据被确定并用于确定一个或更多个要被可视化的解剖对象。上下文信息指示要从图像数据渲染的图像的临床使用案例。如上所述,临床使用案例可以指示与该临床使用案例相关的器官。另外地或可替选地,临床使用案例可以指示患者在临床工作流程中的阶段。因此,上下文信息可以用于识别应当通过可视化传达给用户的信息。例如,上下文信息可以用于识别哪个器官或哪些器官应当包括在可视化中,并且另外地可以用于确定视角、照明条件和可能影响通过要渲染的图像向用户传达的期望信息的任何其他因素。上下文信息可以以任何合适的方式获得,已经在上面描述了合适的方式的示例。
在框506处,从图像数据中选择用于分割一个或更多个要被可视化的解剖对象中的解剖对象的第一3D医学图像数据集。第一3D医学图像数据集可以被选择为适合对其进行分割以对解剖对象进行分割的数据集。例如,如果在框504处获得的上下文信息指示要渲染的图像的医学使用案例是检查患者的肝脏,则在框506处,可以选择适合于对肝脏进行分割的第一3D医学图像数据集。例如,经由特定系列或以特定能量水平获得的3D医学图像数据集可能更适合于对表示肝脏的成像体的部分与不表示肝脏的成像体的部分进行区分。在一些示例中,可能影响哪个数据集适合于执行分割的因素是已经应用于数据集的滤波或平滑的水平。例如,与应用了更多平滑的数据集相比,其中没有应用滤波以使体素值平滑或对其仅应用了中等水平的这样的滤波的数据集可能更适合于执行分割。在一些示例中,特定数据集的重建内核可以指示已经应用于数据集的平滑的水平。
在框508处,对第一3D医学图像数据集执行分割处理以获得解剖对象的分割。上面已经描述了这样的分割处理的示例。
在框510处,从图像数据中选择第二3D医学图像数据集。第二3D医学图像被选择为用于渲染解剖对象的可视化的数据集。在一些示例中,第二3D医学图像数据集不同于第一3D医学图像数据集。例如,虽然第一3D医学图像数据集(例如使用第一成像模态或使用第一能级获得的数据集)可能更适合于分割解剖对象,但第二3D医学图像数据集(例如使用不同的成像模态或不同的能级获得的数据集)可以被确定为更适合于渲染解剖对象的可视化。例如,第一3D医学图像数据集和第二3D医学图像数据集可以是同时获得的数据集。例如,第一3D医学图像数据集和第二3D医学图像数据集可以是表示CT扫描结果的数据集,并且可以分别表示相对低能量x射线扫描和相对高能量x射线扫描的结果。在其他示例中,第一3D医学图像数据集和第二3D医学图像数据集可以是使用不同的成像模态获得的数据集或使用相同的成像模态获得的属于不同系列的数据集。在其他示例中,用于获得分割和用于对解剖对象进行可视化的第一3D医学图像数据集和第二3D医学图像数据集可以是相同的数据集。
在框512处,基于从第一3D医学图像数据集获得的解剖对象的分割来选择第二3D医学图像数据集的一部分。例如,从第一3D医学图像数据集获得的表示肝脏的成像体的区域的分割可以被应用于第二3D医学图像数据集,以选择第二3D医学图像数据集的表示肝脏并且用于渲染处理以使肝脏可视化的部分。第一3D医学图像数据集与第二3D医学图像数据集之间的配准可以允许识别数据集中的与成像体中的相同点对应的体素。因此,通过对第一3D医学图像数据集进行分割而获得的解剖对象的分割可以被应用于选择第二3D医学图像数据集的表示相同解剖对象的部分。在一些示例中,在框504至框512处执行的步骤可以被认为形成如上所述的选择处理的如下部分,该部分用于选择要确定视觉参数映射的第一图像数据。
在框514处,获得关于第二3D医学图像数据集的所选择的部分的视觉参数映射。如以上示例中描述的那样确定视觉参数映射。根据示例,给定视觉参数映射的确定基于上下文信息,其中,上下文信息确定分析处理的参数,对图像数据的一部分执行分析处理以确定该部分的视觉参数映射。
最后,在框516处,执行渲染处理,在渲染处理中应用如参照框506至框514描述获得的视觉参数映射。上面已经描述了这样的渲染处理的示例。在一些示例中,在框506至框514处描述的步骤各自针对不同的解剖对象被执行多次。例如,如果在框504处确定可视化应当示出患者的肝脏和骨骼,则可以执行框506至框514以获得关于肝脏的视觉参数映射并再次执行框506至框514以获得关于骨架的视觉参数映射。在这样的示例中,在框516处,这些获得的视觉参数映射中的每一个可以被应用于渲染处理以使与视觉参数映射相关的各个解剖对象可视化。
不同的3D医学图像数据集可以用于获得分割和/或使不同的解剖对象可视化。例如,用于获得视觉参数映射并使给定解剖对象可视化的上述第二3D医学图像数据集对于要被包括在可视化中的不同解剖对象可以不同。类似地,用于获得给定解剖对象的分割的上述第一3D医学图像数据集对于要包括在可视化中的不同解剖对象可以不同。例如,用于对患者的肝脏进行分割和可视化的一个3D医学图像数据集或多个3D医学图像数据集可能与用于患者的骨架的3D医学图像数据集不同。在这样的示例中,例如通过将一个图像叠加在另一图像上可以组合不同的解剖器官的两个或更多个相应的渲染图像,以根据临床使用案例提供组合的渲染图像。此外,在一些示例中,使用不同的体积数据集获得的单个解剖对象的两个或更多个渲染图像可以用于渲染单个解剖对象的组合图像。
在一些示例中,根据本公开内容的工作流可以允许用户通过例如选择或取消选择要渲染的给定器官来改变渲染图像。例如,用户可以发出可以用于选择被可视化的一个器官或多个器官的语音命令。
图6示意性地示出了用于处理3D医学图像数据的系统600。在所示示例中,系统600包括计算机602形式的计算装置。计算机602包括一个或更多个处理器604和存储器606。存储器606可以是计算机可读存储介质的形式。存储器606在其上存储指令,所述指令当由一个或更多个处理器604执行时使一个或更多个处理器执行上述方法。
在系统600被提供给用户时,指令可以被存储在存储器606上。可替选地,之后可以例如借助于诸如光盘(CD)、数字多功能盘(DVD)、硬盘驱动器、固态驱动器、闪存装置等的计算机可读存储介质将指令例如以计算机程序产品的形式提供给用户。可替选地,可以经由数据通信网络(例如万维网)将指令下载到存储介质606上。
在由一个或更多个处理器604执行的方法涉及一个或更多个神经网络的情况下,这样的神经网络可以存储在存储器606上。与存储在存储器606上的指令一样,神经网络无论是借助于计算机可读存储介质还是借助于经由数据通信网络下载神经网络在系统600被提供给用户时可以被存储在存储器606上或者可以在之后被提供(例如以计算机程序产品的形式)。
特别地,在该方法涉及一个或更多个神经网络的情况下,一个或更多个处理器604可以包括例如一个或更多个图形处理单元(GPU)或其他类型的处理器。GPU的使用可以使系统600最优化以利用神经网络。如将理解的,这是因为GPU可以同时处理大量的线程。
如图6中所示,在一些示例中,系统600可以包括一个或更多个显示器612,用于向用户显示由可视化处理生成的感兴趣区域的视图。
还如图6中所示,系统600可以另外包括被配置成获取医学图像数据的成像设备608。例如,系统600可以包括X射线成像设备或MRI成像设备。
在一些示例中,系统600可以包括输入接口,诸如鼠标、键盘(或用于连接它们的各自的连接接口)、触摸屏接口、语音捕获装置等。系统600的用户可以使用输入接口将信息输入到系统600中。
如上所述,尽管本发明是在采用射线投射方法的直接体绘制算法的背景下描述的,但是应当理解,本发明可以应用于对体进行可视化的其他示例方法。例如,以上描述的确定体和表面的合成表示的方法可以用于其他体绘制技术。例如,这样的方法可以用在诸如路径追踪、溅射或错切变形的体绘制技术中。
尽管在上述某些示例中,视觉参数映射已经被描述为将体素值映射到不透明度和颜色的传递函数,但视觉参数映射可以将体素值映射到另外的或可替选的视觉参数。例如,在示例中,传递函数可以被配置成分配以下项中的一项或多项:散射系数、镜面反射系数、漫射系数、散射分布函数、双向透射分布函数、双向反射分布函数和颜色信息。这些参数可以用于得出给定点的表面的透明度、反射率、表面粗糙度和/或其他特性。这些表面材料特性可以基于渲染位置处的体积数据集的标量值和/或基于用户指定的参数导出。
尽管在上述某些示例中,该方法涉及基于解剖对象的类型确定分析处理的参数,使得例如分析的参数可以根据解剖对象的类型而不同,但在其他示例中,该方法可以特别适于确定单一类型的解剖对象的视觉参数映射。例如,该方法可以通过一组计算机可读指令来提供,所述计算机可读指令被配置成执行如下方法:从3D医学图像数据中选择表示给定类型的解剖对象例如骨骼的图像数据,以及对图像数据执行特别适于确定关于给定类型的对象的视觉参数映射的分析处理。
以上实施方式应被理解为本发明的说明性示例。设想了其他实施方式。应当理解,关于任何一个实施方式描述的任何特征可以单独使用或者与描述的其他特征组合使用,并且也可以与任何其他实施方式或者任何其他实施方式的任何组合的一个或更多个特征组合使用。此外,在不脱离由所附权利要求限定的本发明的范围的情况下,也可以采用以上未描述的等同物和修改。
以下各要点也是本公开内容的一部分:
要点1.一种用于向用户提供用于使患者的三维解剖区域可视化的可视化对象的计算机实现的方法,所述患者的三维解剖区域由体数据(3D医学图像数据)表示,所述方法包括以下步骤:
-调用/检索分配给所述患者的数据(特别地:来自数据库;特别地,检索的数据包括非图像数据);
-基于分配的数据确定医学上下文信息项(或上下文信息);
-基于所述医学上下文信息项(来自所述患者的可用图像数据)选择所述患者的合适的体数据;
-基于所述医学上下文信息项,(在用户的可视化对象中)识别一个或更多个要被可视化的结构(在所选择的体数据中被描绘;结构的另一个词是解剖对象);
-确定用于将所述体数据映射到所述可视化对象上的映射规则,其中,考虑到所述医学上下文信息项和/或所识别的结构来确定所述映射规则;
-基于所述映射规则计算所述可视化对象;
-提供所述可视化对象。
要点2.根据要点1所述的方法,其中
基于所述体数据的分割来实现所述识别,其中,优选地基于医学上下文信息项来实现所述分割,并且其中,进一步优选地,所述分割是基于形状的分割。
要点3.根据前述要点中的任一项所述的方法,其中
所述映射规则具有关于每个识别的结构的部分映射规则;以及
所述确定步骤还包括:
具体地调整(或优化)关于每个识别的结构的部分映射规则,其中,对每个部分映射规则的优化特别地独立于相应的其他部分映射规则来实现。
要点4.根据要点3所述的方法,其中
所述调整包括基于图像值或基于强度的调整或者强度空间中的调整,并且特别地,包括基于图像值或基于强度的分割或者强度空间中的分割。
要点5.根据要点3或4所述的方法,其中
对每个识别的结构的调整包括:
从所述体数据中提取图像信息项;以及
基于所述图像信息项调整所述部分映射规则。
要点6.根据要点5所述的方法,其中
所述图像信息项包括属于所识别的结构的体像素(体素)的图像值的统计频率(或分布)。
要点7.根据要点6所述的方法,其中
使用计算机断层扫描方法至少部分地生成所述体数据;以及
所述图像信息项包括霍恩斯菲尔德单位(HU)的统计频率(或分布)。
要点8.根据要点4至7中的任一项所述的方法,其中
对每个识别的结构的调整还包括:
确定所述图像信息项中的至少两个图像信息贡献;以及
基于所述图像信息贡献调整所述部分映射规则。
要点9.根据要点4至8中任一项所述的方法,其中
对每个识别的结构的调整还包括:
将所述图像信息项与参考图像信息项进行比较;以及
基于所述比较调整所述部分映射规则。
要点10.根据要点3至9中任一项所述的方法,其中
所述部分映射规则的调整包括:
选择被分配给各个识别的结构的预设部分映射规则;以及
调整所述预设部分映射规则以创建调整的部分映射规则。
要点11.根据要点3至10中任一项所述的方法,其中
基于所述医学上下文信息项执行对所述部分映射规则的调整。
要点12.根据要点3至11中任一项所述的方法,其中,通过应用经训练的函数来调整所述部分映射规则,具体地,所述经训练的函数被实施为基于所述医学上下文信息项来提供关于每个识别的结构的部分映射规则。
要点13.根据前述要点中任一项所述的方法,其中
使用体绘制算法实现所述计算,特别地,所述体绘制算法实现基于射线投射和/或路径追踪的方法;以及
所述映射规则具有一个或更多个传递函数。
要点14.根据前述要点中任一项所述的方法,其中
所述映射规则被实施为使得在所述可视化对象中向所述用户强调,特别地在光学上强调所识别的结构。
要点15.根据前述要点中任一项所述的方法,其中
所述映射规则包括全局映射规则,所述全局映射规则定义所述可视化图像的一个或更多个总体场景特性。
要点16.根据前述要点中任一项所述的方法,其中
以所述可视化对象包括多个单独图像的时间分辨序列的方式实施所述映射规则。
要点17.根据要点16所述的方法,其中
所述单独图像中的至少两个单独图像表示所述体数据记录的不同视角。
要点18.根据前述要点中任一项所述的方法,还包括以下步骤:
接收关于所述医学上下文信息项的用户输入,其中,基于所述用户输入另外地确定所述医学上下文信息项。
要点19.根据前述要点中任一项所述的方法,其中
所选择的体数据包括由第一成像模态记录的第一体数据记录并且包括由与所述第一成像模态不同的第二成像模态记录的第二体数据记录;所述方法还包括:
将所述第一体数据记录与所述第二体数据记录进行配准;以及
基于所述配准另外地进一步实现确定所述映射规则的步骤。
要点20.根据前述要点中任一项所述的方法,还包括以下步骤:
提供与所述患者有关的体数据;以及
从提供的体数据中选择合适的体数据。
要点21.根据前述要点中任一项所述的方法,其中,从一个数据库或多个不同的数据库调用分配的数据。
要点22.一种用于向用户提供用于使患者的三维解剖区域可视化的可视化对象的计算机实现的方法,所述患者的三维解剖区域由3D医学图像数据(或体数据)表示,所述方法包括以下步骤:
-提供所述医学图像数据;
-提供被分配给所述患者的医学数据;
-基于所述医学数据和/或所述医学图像数据确定医学上下文信息项;
-基于所述医学上下文信息项,识别所选择的体数据中的一个或更多个结构(也表示为解剖对象);
-确定用于将所述医学图像数据映射到用户的可视化对象上的映射规则(也表示为视觉参数映射),其中,所述映射规则包括关于每个识别的结构的部分映射规则;以及
所述确定步骤还包括:
基于医学上下文信息项和所述医学图像数据,调整特定于每个识别的结构的部分映射规则;
-基于所述映射规则计算所述可视化对象;
-向所述用户提供所述可视化对象。
要点23.一种用于向用户提供用于使患者的三维解剖区域可视化的可视化对象的计算机实现的方法,所述患者的三维解剖区域由体数据(也表示为3D医学图像数据)表示,所述方法包括以下步骤:
-接收所述用户的选择命令,所述选择命令至少指示要被分析的患者;
-基于所述选择命令,从数据库中检索分配给所述患者的医学数据;
-基于检索到的数据确定医学上下文信息项(也表示为上下文信息);
-基于所述医学上下文信息项以及可选的所述选择命令选择所述患者的合适的体数据;
-基于所述医学上下文信息项,识别所选择的体数据中包含的要被可视化的一个或更多个结构(也表示为解剖对象);
-确定用于将所述体数据映射到用户的可视化对象上的映射规则(也表示为视觉参数映射),其中,基于所述医学上下文信息和/或所识别的结构确定所述映射规则;
-基于所述映射规则计算所述可视化对象;
-向所述用户提供所述可视化对象。
要点24.根据要点23所述的方法,其中
所述映射规则包括关于每个要被可视化的结构的部分映射规则;以及
所述确定步骤还包括:
具体地调整关于每个要被可视化的结构的部分映射规则,其中,每个部分映射规则的调整特别地独立于相应的其他部分映射规则来实现。
要点25.根据要点24所述的方法,其中
对每个要被可视化的结构的调整包括:
从所述体数据,特别地,从与要被可视化的相应结构相关联的体数据提取图像信息项;以及
基于所述图像信息项,特别地通过对所述图像信息进行分析来调整所述部分映射规则。
要点26.根据要点25所述的方法,其中
所述图像信息项包括属于要被可视化的结构的体像素的体素值和/或强度值的统计频率(或分布)。
要点27.根据要点25和/或26所述的方法,其中
对每个要被可视化的结构的调整还包括:
确定所述图像信息项中的至少两个不同的图像信息贡献;以及基于所述图像信息贡献调整所述部分映射规则。
要点28.根据前述要点中任一项所述的方法,其中
使用体绘制算法实现所述计算,特别地,所述体绘制算法实现基于射线投射和/或路径追踪的方法;以及
所述映射规则具有一个或更多个传递函数。
要点29.根据前述要点中任一项所述的方法,还包括以下步骤:
接收关于所述医学上下文信息项的用户输入,其中,基于所述用户输入另外地确定所述医学上下文信息项。
要点30.根据前述要点中任一项所述的方法,其中
所选择的体数据包括由第一成像模态记录的第一体数据记录(3D医学图像数据集),并且包括由与所述第一成像模态不同的第二成像模态记录的第二体数据记录(3D医学图像数据集);所述方法还包括:
将所述第一体数据记录与所述第二体数据记录进行配准;以及
基于所述配准另外地进一步实现确定所述映射规则的步骤。
要点31.一种用于向用户提供使由医学体数据表示的患者的三维解剖可视化的可视化对象的系统,所述系统包括:
-用于接收所述用户的选择命令并用于接收医学体数据的接口,所述选择命令指示要被分析的患者;以及
-计算单元,其被实施为:
-基于所述选择命令(从数据库)接收和/或调用分配给所述患者的数据;
-基于分配的数据确定医学上下文信息项;
-基于所述医学上下文信息项以及可选的所述选择命令(从所述患者可用的图像数据中)选择所述患者的合适的体数据;
-基于所述医学上下文信息项识别所选择的体数据中的要被可视化的一个或更多个结构;
-基于所述医学上下文信息项和/或所述要被可视化的结构确定用于将所述体数据映射到用户的可视化对象上的映射规则;
-基于所述映射规则计算所述可视化对象;以及
-向所述用户提供所述可视化对象。
要点32.一种用于向用户提供使由体数据表示的患者的三维解剖区域可视化的可视化对象的计算机实现的方法,所述方法包括以下步骤:
-提供所述体数据;
-提供分配给所述患者的上下文数据,所述上下文数据与所述体数据不同;
-基于所述分配的上下文数据确定医学上下文信息项;
-基于所述医学上下文信息项,识别所选择的体数据中的要被可视化的一个或更多个结构;
-确定用于将所述体数据映射到所述用户的可视化对象上的映射规则,其中
所述映射规则具有关于每个识别的结构的部分映射规则;
所述确定步骤还包括:
基于所述医学上下文信息项,调整特定于每个识别的结构的部分映射规则;以及
对每个结构进行调整包括:从与相应结构相关联的体数据中提取图像信息项以及基于所述图像信息项调整所述部分映射规则;
-基于所述映射规则计算所述可视化对象;
-向所述用户提供所述可视化对象。
要点33.一种具有计算机程序的计算机程序产品,所述计算机程序能够直接加载到可视化系统的存储器中,所述计算机程序包括程序部分以当所述程序部分由所述可视化系统执行时执行根据前述要点中的任一项和/或如本公开内容所公开的用于对三维对象进行可视化的方法的所有步骤。
要点34.一种计算机可读存储介质,其上存储有由可视化系统可读和可执行的程序部分,以便当所述程序部分由所述可视化系统执行时执行根据前述要点中的任一项和/或如本公开内容所公开的用于对三维对象进行可视化的方法的所有步骤。
Claims (19)
1.一种用于生成3D医学图像数据的基于计算机的可视化的方法(100),所述方法包括:
接收(102)3D医学图像数据;
执行(104)选择处理以选择形成所述3D医学图像数据的第一部分的第一图像数据,所述第一图像数据表示给定类型的第一解剖对象(210、220);
对所述第一图像数据执行(106)分析处理,其中,所述分析处理的参数基于所述第一解剖对象的给定类型;以及
至少部分地基于所述分析处理的结果确定(108)关于所述第一部分的视觉参数映射以便在渲染处理中使用来生成所述3D医学图像数据的可视化。
2.根据权利要求1所述的方法,
其中,所述分析处理包括确定所述第一图像数据的一个或更多个特征,并且其中,基于所述分析处理的参数确定所述第一图像数据的一个或更多个特征。
3.根据权利要求2所述的方法,
其中,所述第一图像数据的一个或更多个特征包括所述第一图像数据的第一体素值的分布(300)的一个或更多个特征,并且所述分析处理包括分析所述第一体素值的分布(300)以确定所述分布(300)的一个或更多个特征。
4.根据权利要求3所述的方法,
其中,所述分布(300)的一个或更多个特征包括满足预定标准的体素值或一定范围的体素值(301、350、360、362)。
5.根据权利要求4所述的方法,
其中,所述预定标准定义与所述分布中的局部最大值或全局最大值相关联的体素值或一定范围的体素值(301)。
6.根据权利要求2至权利要求5中任一项所述的方法,
其中,确定所述视觉参数映射包括基于所述分析处理的结果确定定义所述视觉参数映射的函数。
7.根据权利要求1至权利要求6中任一项所述的方法,包括:
基于所述第一解剖对象(210、220)的给定类型确定所述分析处理的参数。
8.根据权利要求1至权利要求7中任一项所述的方法,
其中,所述选择处理的参数基于由所述第一图像数据表示的所述第一解剖对象(210、220)的给定类型。
9.根据权利要求1至权利要求8中任一项所述的方法,
其中,基于与所述3D医学图像数据相关的上下文信息来确定所述选择处理的参数。
10.根据权利要求1至权利要求9中任一项所述的方法,
其中,基于与所述3D医学图像数据相关的上下文信息来确定所述分析处理的参数。
11.根据权利要求9或权利要求10所述的方法,
其中,与所述3D医学图像数据相关的上下文信息是以下项中的一项或多项:
识别所述3D医学图像数据的医学上下文的文本信息;
与所述3D医学图像数据相关联的医学历史信息。
12.根据权利要求1至权利要求11中任一项所述的方法,
其中,所述视觉参数映射是用于体绘制处理的传递函数。
13.根据权利要求12所述的方法,
其中,所述传递函数被配置成提供所述第一图像数据的不透明度值和/或颜色值以便在所述体绘制处理中使用。
14.根据权利要求1至权利要求13中任一项所述的方法,
其中,所述第一解剖对象(210、220)包括解剖器官。
15.根据权利要求1至权利要求14中任一项所述的方法,
其中,所述3D医学图像数据包括多个3D医学图像数据集,以及所述选择处理包括:
选择(506)所述多个3D医学图像数据集中的第一3D医学图像数据集;
识别(506)所述第一3D医学图像数据集中的表示所述第一解剖对象的部分;
选择(510)所述多个3D医学图像数据集中的第二3D医学图像数据集;以及
基于所述第一3D医学图像数据集的被识别的部分,从所述第二3D医学图像数据集中选择(512)所述第一图像数据。
16.一种生成3D医学图像数据的基于计算机的可视化的方法(400),所述方法包括:
执行(402)根据权利要求1至权利要求15中任一项所述的方法,以获得关于3D医学图像数据的第一部分的视觉参数映射;以及
执行(404)渲染处理来生成所述3D医学图像数据的可视化,其中,执行渲染处理包括应用关于所述3D医学图像数据的第一部分的视觉参数映射。
17.一组机器可读指令,所述一组机器可读指令当由处理器执行时使根据权利要求1至权利要求16中任一项所述的方法被执行。
18.一种机器可读介质(606),其包括根据权利要求17所述的一组机器可读指令。
19.一种设备(600),其包括处理器(604)和包括一组机器可读指令的存储器(606),所述一组机器可读指令当由所述处理器(604)执行时使所述处理器(604)执行根据权利要求1至权利要求16中任一项所述的方法(100、400)。
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102020213305.0 | 2020-10-21 | ||
DE102020213305.0A DE102020213305A1 (de) | 2020-10-21 | 2020-10-21 | Verfahren und Vorrichtung zur Visualisierung von dreidimensionalen Objekten |
EP21193309.8A EP3989172A1 (en) | 2020-10-21 | 2021-08-26 | Method for use in generating a computer-based visualization of 3d medical image data |
EP21193309.8 | 2021-08-26 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114387380A true CN114387380A (zh) | 2022-04-22 |
Family
ID=77519033
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111216459.1A Pending CN114387380A (zh) | 2020-10-21 | 2021-10-19 | 用于生成3d医学图像数据的基于计算机的可视化的方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20220122717A1 (zh) |
EP (1) | EP3989172A1 (zh) |
CN (1) | CN114387380A (zh) |
DE (1) | DE102020213305A1 (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11804011B2 (en) * | 2021-09-15 | 2023-10-31 | LlamaZOO Interactive Inc. | Method and apparatus for interactive volumetric visualization |
EP4375937A1 (en) * | 2022-11-28 | 2024-05-29 | Koninklijke Philips N.V. | Apparatus for generating a 3d cone beam ct image |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7660461B2 (en) * | 2006-04-21 | 2010-02-09 | Sectra Ab | Automated histogram characterization of data sets for image visualization using alpha-histograms |
EP2048621B1 (en) * | 2007-10-09 | 2010-05-26 | Agfa HealthCare NV | Method and apparatus for volume rendering of medical data sets |
US8229201B2 (en) * | 2007-06-15 | 2012-07-24 | General Electric Company | Systems, methods and apparatus for plaque visualization and quantification using fuzzy and adaptive region classes |
CN103608843B (zh) * | 2011-06-21 | 2017-03-15 | 皇家飞利浦有限公司 | 图像显示装置 |
KR20170059469A (ko) | 2014-09-23 | 2017-05-30 | 지멘스 헬스케어 게엠베하 | 삼차원 오브젝트를 가시화하기 위한 방법, 가시화 디바이스, 및 컴퓨터 프로그램 제품 |
CN106682424A (zh) * | 2016-12-28 | 2017-05-17 | 上海联影医疗科技有限公司 | 医学图像的调节方法及其系统 |
-
2020
- 2020-10-21 DE DE102020213305.0A patent/DE102020213305A1/de active Pending
-
2021
- 2021-08-26 EP EP21193309.8A patent/EP3989172A1/en active Pending
- 2021-10-07 US US17/495,890 patent/US20220122717A1/en active Pending
- 2021-10-19 CN CN202111216459.1A patent/CN114387380A/zh active Pending
Also Published As
Publication number | Publication date |
---|---|
DE102020213305A1 (de) | 2022-04-21 |
US20220122717A1 (en) | 2022-04-21 |
EP3989172A1 (en) | 2022-04-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Han et al. | Synthesizing diverse lung nodules wherever massively: 3D multi-conditional GAN-based CT image augmentation for object detection | |
Stytz et al. | Three-dimensional medical imaging: algorithms and computer systems | |
JP6877868B2 (ja) | 画像処理装置、画像処理方法および画像処理プログラム | |
NL2010613C2 (en) | Systems, apparatus and processes for automated medical image segmentation using a statistical model field of the disclosure. | |
CN109801254B (zh) | 医学成像中的传递函数确定 | |
US20210327563A1 (en) | Salient visual explanations of feature assessments by machine learning models | |
US20210319879A1 (en) | Method and system for computer aided detection of abnormalities in image data | |
US10580181B2 (en) | Method and system for generating color medical image based on combined color table | |
US9224236B2 (en) | Interactive changing of the depiction of an object displayed using volume rendering | |
CN112529834A (zh) | 病理图像模式在3d图像数据中的空间分布 | |
Debarba et al. | Efficient liver surgery planning in 3D based on functional segment classification and volumetric information | |
US20130135306A1 (en) | Method and device for efficiently editing a three-dimensional volume using ray casting | |
EP3989172A1 (en) | Method for use in generating a computer-based visualization of 3d medical image data | |
Udupa | 3D imaging: principles and approaches | |
JP7457011B2 (ja) | 異常検出方法、異常検出プログラム、異常検出装置、サーバ装置及び情報処理方法 | |
US20230410413A1 (en) | Systems and methods for volume rendering | |
Gillmann et al. | Hierarchical image semantics using probabilistic path propagations for biomedical research | |
CN112541882A (zh) | 医学体积渲染中的隐式表面着色 | |
WO2020038771A1 (en) | Salient visual relevancy of feature assessments by machine learning models | |
Kerr et al. | “True” color surface anatomy: mapping the Visible Human to patient-specific CT data | |
Bendazzoli et al. | Development and evaluation of a 3D annotation software for interactive COVID-19 lesion segmentation in chest CT | |
Singh et al. | A Narrative Review on 3D Visualization Techniques in Neurosurgical Education, Simulation and Planning | |
van der Heijden et al. | GENERATION OF LUNG CT IMAGES USING SEMANTIC LAYOUTS | |
Escobar | An interactive color pre-processing method to improve tumor segmentation in digital medical images | |
Jung | Feature-Driven Volume Visualization of Medical Imaging Data |
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 |