-
Gebiet der
Erfindung
-
Die
Erfindung betrifft im Allgemein Grafik-Rendering, insbesondere das
Rendern von Oberflächenmodellen
von dreidimensionalen Objekten.
-
Hintergrund
der Erfindung
-
Die
Erzeugung von Oberflächenmodellen von
abgetasteten dreidimensionalen Objekten ist für viele Anwendungen wichtig.
Anatomische Strukturen, die von medizinischen Bildeinrichtungen
abgetastet wurden, helfen bei der klinischen Diagnose und bei der
chirurgischen Simulation und Planung. Eine Abtastung einer anatomischen
Struktur enthält
typischerweise hochauflösende
Daten in der Bildebene und deutlich niedriger auflösende Daten
zwischen den Bildschnitten. Das Fehlen von hochauflösender Information
entlang der Abtastrichtung verursacht Alias- oder Stufen-Artefakte
in gerenderten Oberflächenmodellen.
Diese Artefakte können
den Betrachter verwirren oder irreleiten. Für eine chirurgische Simulation
behindern diese Stufen-Artefakte
die Wirklichkeitstreue der Visualisierung. Für die chirurgische Simulation
produzieren die Stufen den Effekt von sehr auffallenden Rippen,
wenn haptische Geräte verwendet
werden, um die Oberfläche
der Struktur abzutasten.
-
Stufen-Artefakte
können
dadurch reduziert werden, dass die Auflösung der Abtastung erhöht wird.
Allerdings, im Falle von CT-Abtastungen, wird bei einer höheren Auflösung zwischen
den Bildebenen der Patient einer höheren Strahlungsdosis ausgesetzt.
Im Falle von MR-Abtastungen sind längere Abtastzeiten notwendig,
um eine höhere
Auflösung zu
erzielen. Längere
Abtastzeiten erhöhen
aber die Kosten und die Unannehmlichkeiten des Patienten.
-
In
klinischen Anwendungen werden gewöhnlich Abtastungen in mehr
als einer Richtung durchgeführt.
Zum Beispiel, anstatt eine einzelne hochauflösende Sagittal-Abtastung durchzuführen, können Sagittal-
und Axial-Abtastungen
mit einer niedrigeren Auflösung
durchgeführt
werden. Ärzte
verwenden alle Abtastungen für
die Diagnose, chirurgische Beratung und Behandlung.
-
In
dem Stand der Technik werden üblicherweise
zwei grundlegende Verfahren benutzt, um Oberflächen an Binärdaten anzupassen. In dem ersten
grundlegenden Verfahren werden die Binärdaten mit einem Tiefpass gefiltert,
und ein Algorithmus, wie beispielsweise ein „Marching Cubes"-Algorithmus, angewendet.
Dort wird die Oberfläche
durch jeden Kubus an einer Iso-Oberfläche der Graustufen-Daten aufgebaut,
siehe Lorensen et al., „Marching
Cubes: a high resolution 3-D surfa ce construction algorithm", Proc. SIGGRAPH
87, Seiten 163-169, 1989. Um Stufen-Artefakte zu entfernen und um
die Anzahl von Dreiecken in der triangulierten Oberfläche zu reduzieren,
kann ein Algorithmus für
die Glättung
der Oberfläche
und für
die Dezimierung eingesetzt werden. Allerdings können diese Prozeduren, weil
diese auf eine Oberfläche
ohne Bezug zu der ursprünglichen
Segmentierung angewendet werden, zu einem Verlust von feinen Einzelheiten
oder Details führen.
-
In
dem zweiten grundlegenden Verfahren, um eine Oberfläche an Binärdaten anzupassen,
wird das binäre
Objekt durch eine parametrische oder eine Spline-Oberfläche eingefasst. Kontrollpunkte auf
der Spline-Oberfläche werden
versetzt, um mit den Binärdaten
zu konvergieren, um eine Energiefunktion zu minimieren, die auf
der Oberflächenkrümmung und
auf der Distanz zwischen der Binäroberfläche und
der parametrischen Oberfläche
basiert. Ein derartiges Verfahren kann verwendet werden, um die Oberfläche der
linken Herzkammer des Herzens in Sequenzen von MRI-Daten zu detektieren
und zu verfolgen, siehe McInnery et al., „Deformable models in medical
image analyses: a survey",
Medical Image Analysis 1(2), Seiten 91-108, 1996.
-
Eine ähnliche
Technik wird verwendet, um ein Oberflächenmodell eines Muskels von
segmentierten Daten zu erzeugen, Takanahi et al., „3-D active
net for volume extraction",
Proc. SPIE electronic Imaging 1998, Seiten 184-193, 1998. Dieser
Ansatz hat zwei Nachteile für
allgemeine Anwendungen. Erstens ist es schwierig festzustellen,
wie viele Kontrollpunkte benötigt
werden, um eine ausreichende Detailschärfe in dem endgültigen Modell
zu gewährleisten.
Zweitens kann die ses Verfahren nicht einfach mit komplexen Topologien
umgehen.
-
Vor
kurzem wurde ein einzelnes beschränktes elastisches Oberflächennetz
verwendet, um ein Oberflächenmodell
zu erzeugen, siehe Gibson, „Constrained
Elastic Surface nets: generating smooth surfaces form binary segmented
data", MICCAI, 1998.
Dort wird ein elastisches Oberflächennetz an
Knoten angepasst, die auf der Oberfläche von binären, segmentierten Volumendaten
platziert sind. Die Knoten werden versetzt, um die Oberflächenkrümmung des
Netzes zu reduzieren, während
das Netz beschränkt
wird, innerhalb einer Distanz von einem Voxel bezüglich der
Oberfläche
zu bleiben. Dieser Ansatz liefert glatte Oberflächenmodelle von binären, segmentierten
Daten, die getreu der ursprünglichen
Segmentierung sind.
-
Allerdings
können
Stufen-Artefakte immer noch ein Problem sein, es sei denn, dass
eine sehr hochauflösende
Abtastung verwendet wird. Aus diesem Grund ist es wünschenswert,
eine glatte Oberflächendarstellung
von Abtastungen mit niedriger Auflösung zu erzeugen.
-
Des
Weiteren ist aus dem Stand der Technik ein Verfahren bekannt (Leventon
M. E. et al.: „Multi-modal
volume registration using joint intensity distributions", Medical Image Computing
and Computer-Assisted Intervention, First International Conference,
1998, Proceedings, Seiten 1057-1066), dass sich mit der Erfassung/Registrierung
von multi-modalen medizinischen Bildern, wie beispielsweise medizinische
Bilder von Magnetresonanz- (MR) und Computertomographie(CT)-Bildsystemen beschäftigt. Dieses
Verfahren verwendet vorherige Informationen für die erwartete Verteilung
der Intensität
der Verbindungsstellen der Bilder, Bildsystemen beschäftigt. Dieses
Verfahren verwendet vorherige Informationen für die erwartete Verteilung
der Intensität
der Verbindungsstellen der Bilder, wenn diese korrekt angeordnet
sind, bei gegebenen zuvor aufgenommenen Trainingsbildern. Zwei Verfahren
werden vorgeschlagen, um die Verteilung der Intensität der Verbindungsstellen
der Trainingsdaten zu modellieren, eine Mischung aus Gauss- und
Parzen-Windowing.
Bei einem gegebenen neuen Satz von nicht erfassten Bildern errechnet
das Verfahren die beste Erfassung, in dem die logarithmische Wahrscheinlichkeit
von zwei Bildern maximiert wird.
-
Schließlich beschreibt
der Stand der Technik auch eine Registrierungs- und Interpolations-Prozedur
für die
Subvoxel-Anpassung von seriell erfassten MR-Bildern (Hajnal, J. V. et al.: „A Registration
and Interpolation Procedure for Subvoxel Matching of Serially Acquired
MR Images", Journal
of Computer Assisted Tomography, Bd. 19, Nr. 2, Seiten 289-296,
3/4 1995). Dieses Verfahren beschäftigt sich mit Techniken für die Anpassung
von MR-Bildern mit einem ähnlichem
Inhalt mit der Hilfe der Methode der kleinsten Fehlerquadrate.
-
Zusammenfassung
der Erfindung
-
Die
Erfindung schafft ein Verfahren zum Erzeugen eines Oberflächenmodells
für ein
dreidimensionales Objekt. Das Objekt kann eine dreidimensionale
physikalische Struktur oder ein dreidimensionales System sein, das
abgetastet werden kann, zum Beispiel anatomische Strukturen, Turbinenblätter, Maschinen,
und dergleichen. Das Abtasten kann jede Abtastmodalität, wie beispielsweise
eine medizinische Bilderfassung, Radar, seismische Wellen, etc.,
benutzen.
-
Gemäß der Erfindung
wird das interessierende Objekt aus einer Mehrzahl von Abtastrichtungen abgetastet,
um Volumendaten für
jede Abtastrichtung zu erzeugen. Die Volumendaten setzen sich aus
Voxel zusammen, die als eine dreidimensionale Datenstruktur in einem
Speicher angeordnet werden. Jedes Voxel speichert Informationen,
die sich auf die Charakteristika des Objekts an dem korrespondierenden
Ort bezieht. Als ein Vorteil der Erfindung ist zu nennen, dass die
Abtastungen eine niedrigere Auflösung
haben können,
als welche für
die Erzeugung von dreidimensionalen Modellen normal ist.
-
Die
jeweiligen Volumendaten werden segmentiert, um Daten, die mit dem
Objekt assoziiert sind, zu extrahieren oder zu identifizieren. Die
Segmentierung kann dadurch ausgeführt werden, dass Voxel von
jedem Volumen gekennzeichnet werden. Die Volumendaten von jeder
Abtastung werden dann in einen gemeinsamen Koordinatenrahmen registriert,
wobei die sechs Freiheitsgrade der Lage des Objekts bezüglich der
verschiedenen Abtastrichtungen berücksichtigt werden.
-
Nach
der Registrierung wird ein Oberflächennetz für die jeweiligen Volumendaten
initialisiert. Die Geometrie des initialen Oberflächennetzes
wird durch Oberflächenknoten
festgelegt, die in dem Zentrum von Oberflächenzellen lokalisiert sind.
Eine Oberflächenzelle
ist der Teil von dem Volumen zwischen acht benachbarten Voxel, die
die Oberfläche des
Objektes überspannen.
-
Die
mehreren Oberflächennetze
werden gemäß dem gemeinsamen
Koordinatenrahmen in gegenseitiger Abhängigkeit entspannt, um ein
renderbares Oberflächenmo dell
zu erzeugen. Die Entspannung in gegenseitiger Abhängigkeit
wird gemäß eines
iterativen Prozesses durchgeführt,
der die Energie, die in Verbindungen, die die Knoten miteinander verbinden,
gemessen wird, reduziert. Ein Beispiel einer Energiemessung ist
die Summe der Quadrate der Abstände
zwischen benachbarten Oberflächenknoten.
-
Nachdem
die Oberflächennetze
bis zu einem zuvor festgelegten Kriterium konvergiert sind, kann eines
der Netze als ein Oberflächenmodell,
dass den segmentierten Volumendaten entspricht, für das Rendern
ausgewählt
werden.
-
Kurze Beschreibung
der Figuren
-
1 ist
ein Flussdiagramm eines Verfahrens für die Erzeugung von Oberflächenmodellen
gemäß der Erfindung;
-
2a und 2b sind
Blockdiagramme von initialisierten beziehungsweise entspannten Oberflächennetzen;
-
3 ist
ein Flussdiagramm der Verfahrensschritte des Entspannens von mehreren
Oberflächennetzen
in gegenseitiger Abhängigkeit;
-
4 ist
ein Blockdiagramm von einem Oberflächenmodell, das von mehreren
Netzen, die in gegenseitiger Abhängigkeit
entspannt wurden, erzeugt wurde; und
-
5 vergleicht
Oberflächenmodelle,
die nach Techniken gemäß des Standes
der Technik erzeugt wurden mit einem Oberflächenmodell, dass gemäß des Verfahrens
der vorliegenden Erfindung erzeugt wurde.
-
Detaillierte
Beschreibung von bevorzugten Ausführungsformen
-
Einleitung
-
Wir
beschreiben ein Verfahren, dass Daten von mehreren orthogonalen
Volumen-Bild-Abtastungen mit niedriger Auflösung kombiniert, um ein Oberflächenmodell
zu erzeugen, dass eine höhere
Auflösung
hat, als von irgend einer Abtastung alleine erzeugt werden könnte.
-
Wie
in der 1 gezeigt wird, enthält das Verfahren gemäß unserer
Erfindung die folgenden grundlegenden Schritte, die weiter unten
ausführlicher
beschrieben werden. Das interessierende Objekt 101 wird
zuerst in mehreren Richtungen abgetastet 110, um mehrere
Volumendaten 102 zu erzeugen. Zum Beispiel werden zwei
orthogonale Abtastungen durchgeführt.
In einer klinischen Anwendung können dies
sagittale und axiale Abtastungen beispielsweise eines Kniegelenks
sein. Die jeweiligen abgetasteten Volumendaten setzen sich aus Voxel
zusammen, wobei jedes Voxel die gesamte Information ist, die sich auf
einen Teil des Objekts an spezifischen Koordinaten bezieht. Diese
Informationen können
beispielsweise verschiedene Gewebedichten beschreiben.
-
Im
Schritt 120 werden die jeweiligen Volumendaten segmentiert,
um das interessierende Objekt zu extrahieren. Im Schritt 130 werden
die jeweiligen Volumendaten in einem gemeinsamen Koordinatenrahmen 103 registriert.
Im Schritt 140 wird ein Oberflächennetz für jede Segmentierung initialisiert. Jedes
Oberflä chennetz
setzt sich aus einem Netzwerk von miteinander verbundenen Oberflächenknoten
zusammen. Im Schritt 150 wird ein doppelt iterativer Entspannungsprozess
benutzt, um die Formen der Oberflächennetze zu verformen und
zusammenzufügen
(wobei dieser Prozess den Beschränkungen,
die auf der Auflösung
der Abtastungen basieren, unterworfen ist), um ein glattes Oberflächenmodell zu
erzeugen, dass den jeweiligen Volumendaten entspricht. Das Oberflächenmodell
kann dann als ein zweidimensionales Bild 105 gerendert 160 werden.
-
Segmentierung
-
Die
Struktur des Objekts, zum Beispiel ein Kniegelenk in einer MR oder
einer CT-Abtastung, wird zuerst von den jeweiligen abgetasteten
Volumendaten extrahiert oder segmentiert, bevor die Volumendaten
für die
Erzeugung eines Oberflächenmodells
verwendet werden. Segmentierung ist der Prozess, bei dem die Voxel
gemäß Objektattributen
gekennzeichnet werden. Zum Beispiel können für ein anatomisches Objekt,
wie beispielsweise ein Kniegelenk, beobachtete Intensitäten verwendet
werden, um verschiedene Arten von Gewebe zu identifizieren.
-
Die
Segmentierung kann mit automatisierten Techniken oder halbautomatisierten
Techniken durchgeführt
werden. Mit CT-Abtastungen kann die Segmentierung der Volumendaten
relativ automatisch unter der Verwendung von Intensitätsschwellwertbildung
oder anderen Bildverarbeitungsverfahren niedriger Stufe durchgeführt werden.
Volumendaten, die von MRI-Abtastungen erzeugt wurden, können, zusätzlich zur
anspruchsvollen Verarbeitung, ein erhebliches Maß an menschlichen Input erfordern.
-
Ein
Beispiel für
ein halbautomatisches Verfahren zur Segmentierung verwendet Echtzeit
Strahlen-Rendern, wobei die Parameterwerte interaktiv variiert werden.
Die interessierenden Parameter sind die Intensitätsschwellenwerte, die verwendet
werden, um die intensitätsbasierten
Gewebeklassifizierer zu definieren. Wenn die Schnitte gerendert
werden, kann eine strukturelle Korrektur der Segmentierung durchgeführt werden,
in dem interaktiv die zweidimensionalen Schnitte editiert werden.
Ein solches Editieren kann das Highlighting von Bereichen enthalten,
die von Interesse sind, und das Spezifizieren von Kennzeichnungen
für die
beinhalteten Voxel.
-
Registrierung
-
Um
die Informationen von verschiedenen Volumendaten zu einem einzigen
Modell zu kombinieren, müssen
alle Volumendaten in einem einzigen Koordinatensystem registriert
werden. Das Registrieren von starren Objekten erfordert, dass die
Lage des Objekts mit sechs Freiheitsgraden in einer Abtastung in
Bezug zu der Lage der Objekte der anderen Abtastungen berücksichtigt
wird. Ausgeklügelte
Verfahren existieren, um die Abtastungen direkt von den Bilddaten
zu registrieren, siehe Well et al., „Multi-Modal Volume Registration
by Maximization of Mutual Information", Medical Image Analysis (1), Seiten
33-51, 1996. Wir bevorzugen einen direkten Registrierungsprozess,
da binäre
Segmentierung zur Verfügung steht.
Die beste Anordnung der Volumendaten kann dadurch erreicht werden,
dass ein stochastischer Gradientenabstieg über die Summe der quadrierten Differenzen
der geglätteten
segmentierten Bilder durchgeführt
wird. In der Praxis funktioniert dieses direkte Verfahren zur Registrierung
gut bei gut segmentierten binären
Bilddaten.
-
Initialisierung des Oberflächennetzes
-
Volumen-Bild-Abtastungen
enthalten typischerweise eine Folge von „gestapelten" zweidimensionalen
Bildebenen. Die Abtastungen haben typischerweise eine hohe Auflösung in
den zweidimensionalen Ebenen und eine niedrigere Auflösung zwischen
den Ebenen. Ein elastisches Oberflächennetz wird um die gekennzeichneten
Voxel der jeweiligen segmentierten Volumendaten herum aufgebaut.
Falls die Volumen durch zwei orthogonale Abtastungen erzeugt worden
sind, dann werden die Knoten in einem Netz eine hohe Auflösung in
der zweidimensionalen Bildebene haben, und eine niedrige Auflösung in
der dritten Dimension, während
die Knoten in dem anderen Netz komplementäre Eigenschaften aufweisen.
-
Ein
Oberflächennetz
wird initialisiert durch die Anordnung von „Oberflächenzellen", die Oberflächenknoten enthalten. Eine
Oberflächenzelle
ist der Teil des Volumens, der durch acht benachbarte Voxel in den
binären
segmentierten Daten umschlossen wird, jeweils von vier Voxeln von
zwei benachbarten Ebenen. Wenn alle acht Voxel den selben binären Wert
haben, dann ist die Zelle entweder völlig innerhalb oder völlig außerhalb
des Objekts. Wenn zumindest eines der Voxel einen binären Wert
hat, der verschieden von dem seiner Nachbarn ist, dann ist die Zelle
eine Oberflächenzelle.
Das Netz wird initialisiert, in dem ein Knoten in dem Zentrum von
jeder Oberflächenzelle
platziert wird und die Knoten, die in benachbarten Oberflächenzellen
liegen, verbunden werden. Jeder Knoten kann bis zu sechs Verbindungen
haben, eine je weils zu seinem rechten, linken, oberen, unteren,
vorderen und rückseitigen
benachbarten Knoten.
-
Die 2a zeigt
ein zweidimensionales Oberflächennetz 201 in
seinem initialisiertem Zustand, und die 2b zeigt
ein entspanntes Netz 202. Die Details für die Initialisierung eines
einzelnen Oberflächennetzes
werden in der US-Patentanmeldung Nr. 09/079,079 „Surface net smoothing for
surface representations from binary sampled data", eingereicht von Gibson am 14. Mai
1998, beschrieben.
-
Entspannung eines einzelnen
Oberflächennetzes
in gegenseitiger Abhängigkeit
-
Einmal
initialisiert, wird ein Oberflächennetz „entspannt", um die Stufen-Artefakte
zu reduzieren, während
es konsistent mit den Eingabedaten bleibt. Um ein bestimmtes Netz
zu entspannen, wird jeder Knoten in dem Netz neu positioniert, um
eine Energie-Messgröße in den
Verbindungen, die die Knoten verbinden, zu reduzieren. Zum Beispiel
kann ein Netz iterativ reduziert werden, in dem jeder Knoten in
Folge betrachtet wird und dieser Knoten in eine Position äquidistant
zu seinen mit ihm verbundenen benachbarten Knoten verschoben wird.
Die Energie kann als die Summe der Quadrate der Länge aller
Verbindungen in dem Oberflächennetzwerks
errechnet werden. Alternative Energie-Messungen und Entspannungsmodelle
sind ebenfalls ausführbar.
Zum Beispiel kann ein System, dass die Positionen der Knoten anpasst,
um die lokale Krümmung
zu reduzieren, glättere
Oberflächen
erzeugen.
-
Die
Definition der Energie und der Entspannung auf diese Weise ohne
irgendwelche Beschränkungen
würde bewirken,
dass das Oberflächennetz auf
einen einzelnen Punkt zusammenschrumpft. Daher, um der ursprünglichen
Segmentierung treu zu bleiben, ist eine Beschränkung vorgesehen, die jeden
Knoten innerhalb seiner ursprünglichen
Oberflächenzelle
hält. Diese
Beschränkung
bevorzugt die ursprüngliche
Segmentierung vor der Glattheit und zwingt das Oberflächenmodell,
feine/dünne
Strukturen und Spalten zu bewahren.
-
Doppelte Entspannung
von Oberflächennetzen
-
Das
Entspannen eines einzelnen Oberflächennetzes eines Objektes vermindert
erheblich die Artefakte, die in dem Modell enthalten sind. Allerdings,
falls die Auflösung
in der Abtastung in einer Richtung niedrig ist, dann ist es möglich, dass
nicht genug Informationen in einer Abtastung vorhanden sind, um
das Modell vollständig
zu beschränken
und die Stufen zu entfernen. Deshalb verwenden wir mehrere Abtastungen,
zum Beispiel zwei, wie in der 4 gezeigt
wird. Eine erste Abtastung 401 hat eine höhere Auflösung entlang
der horizontalen Richtung, wobei die zweite Abtastung 402 horizontal
eine niedrigere Auflösung,
aber in der vertikalen Richtung eine höhere Auflösung besitzt. Die zwei Oberflächennetze,
einmal in dem selben Koordinatenrahmen ausgerichtet, werden iterativ
gegeneinander entspannt mit der Beschränkung, dass jeder Knoten innerhalb
seiner Oberflächenzelle
bleiben muss, um zu einer glatten Oberfläche oder einem entspannten Netz 410 zu
führen.
-
Wie
in der 3 gezeigt wird, verschiebt ein erster Entspannungsschritt 310 jeden
Knoten n[i] um eine Strecke, die durch die Bildung eines Mittelwerts (gewichtet
mit dem Abstand) von dem korrespondieren Knoten q[i] in dem anderen
Netz bestimmt ist. Die Aktu alisierung des Knotens kann seine Beschränkung dadurch
verletzen, dass dieser außerhalb
seiner Zelle c[i] zu liegen kommen würde. Wenn die neue Position
des Knotens außerhalb
der Zelle wäre, dann
wird der Knoten zu einem äußersten
Punkt auf dem Rand der Zelle verschoben.
-
In
dem Schritt 320 wird das zweite Netz gegen das erste Netz
entspannt. Nach jedem vollständigen
doppelten Entspannungsschritt wird jedes Netz individuell in den
Schritten 330 und 340 entspannt. Die individuellen
Entspannungen halten die Netze glatt, während diese konvergieren. Die
Iterationen werden solange durchgeführt bis, zum Beispiel, eine zuvor
festgelegte Anzahl von Knoten sich wie in Schritt 350 festgelegt
zusammengefügt
haben. Andere Schwellenwerte für
die Terminierung der Iteration können
ebenfalls verwendet werden, zum Beispiel eine feste Anzahl von Iterationen.
An diesem Punkt kann eines der Netze ausgewählt 360 werden, um das
Oberflächenmodell
darzustellen. Alternativ können
beide Netze nebeneinander gerendert werden, und der Betrachter trifft
die Auswahl aufgrund der Anwendung und des Bedarfs.
-
In
einer idealen Abtastung, Segmentierung und Registrierung würde die
wahre Oberfläche
des Objekts immer in der Schnittmenge der Oberflächenzellen der beiden Abtastungen
liegen. In diesem idealen Fall werden die beiden Netze an einer
identischen Oberfläche
konvergieren, wobei alle Oberflächenzellen-Beschränkungen
erfüllt
sind. In der Praxis werden die Oberflächenzellen der beiden verschiedenen
Abtastungen aufgrund von Bilderfassungsfehlern, Segmentierungs-
und Registrierungsfehlern höchstwahrscheinlich
nicht perfekt überlappen.
-
Zum
Beispiel kann es vorkommen, dass, nach einer kleinen Anzahl von
Iterationen, ein Knoten, der aus seiner ihn beschränkenden
Zelle gezogen wurde, keinen korrespondierenden Knoten in dem anderen
Netz treffen kann. Dies bedeutet Diskrepanzen zwischen den beiden
Modellen. Deshalb stellen wir Mittel zur Verfügung, die Beschränkungen zu
schwächen,
um es zu ermöglichen,
dass mehrere Netze näher
zusammenkommen.
-
In
diesen Fällen
wird die beschränkende
Zelle jedes solchen Knotens um einen kleinen Betrag am Ende der
Iteration gedehnt, während
gleichzeitig der Formfaktor erhalten wird, wodurch den Knoten erlaubt
wird, in der nächsten
Iteration näher
an das andere Netz heranzurücken.
Obwohl das resultierende Netz sich mehr als einen Voxel von den
Segmentierungen verschieben kann, ist garantiert, dass das endgültige Oberflächenmodell
zwischen den beiden initialen Modellen liegt.
-
Die 5 kann
dazu verwendet werden, Oberflächenmodelle
zu vergleichen, die von verschiedenen Verfahren benutzt werden.
Die Oberflächenmodelle 510 und 511 sind
von einem Kniegelenk durch „Marching
Cubes" für axiale
beziehungsweise sagittale Abtastungen erzeugt worden. Die Oberflächenmodelle 520 und 521 sind
aus einzelnen Oberflächennetzen
in der axialen und sagittalen Ebene erzeugt worden. Das Modell 530 ist
von mehreren (axialen und sagittalen) Abtastungen erzeugt worden.
-
Die
vorliegende Erfindung kann auch dafür verwendet werden, Oberflächenmodelle
aus Daten eines Bereichs, die durch einen Laser-Abtaster erhalten
wurden, zu erzeugen. Diese Technik kann dazu verwendet werden, die
Oberfläche
der Haut eines Patienten zu plotten.
-
Durch
die Verwendung von Triangulation und Streifenmustern nimmt der Abtaster
dreidimensionale Daten in zwei zueinander orthogonalen Richtungen
auf. Die Anzahl der Abtastungen, die in einer Richtung aufgenommen
wurden, können
dabei niedriger sein als die Anzahl der Abtastungen, die in der anderen
Richtung aufgenommen wurden.
-
Obwohl
wir eine spezifische Ausführungsform
unserer Ausführungsform
mit Bezug auf eine medizinische Anwendung beschrieben haben, sollte es
klar sein, dass unser Verfahren auch auf vielen anderen Gebieten
verwendet werden kann, in denen physikalische Objekte abgetastet
werden. Zusätzlich sollte
man sich bewusst machen, dass mehr als zwei Abtastrichtungen verwendet
werden können,
und dass die Richtungen nicht notwendigerweise zueinander orthogonal
sein müssen.
-
Es
muss verstanden werden, dass verschiedene anderen Anwendungen und
Modifikationen innerhalb des Umfangs der beigefügten Ansprüche möglich sind.