基于醫(yī)學(xué)體數(shù)據(jù)的體繪制方法
【專利摘要】本發(fā)明提出了一種基于醫(yī)學(xué)體數(shù)據(jù)的體繪制的方法，其包括以下步驟：獲取醫(yī)學(xué)體數(shù)據(jù)；對(duì)所述醫(yī)學(xué)體數(shù)據(jù)進(jìn)行處理；形成具有色彩的醫(yī)學(xué)圖像。本發(fā)明不僅考慮了灰度的變化，也兼顧了解剖結(jié)構(gòu)輪廓的變化，從而更好地解決了傳統(tǒng)插值方法的不足，使新插值出的圖片更接近于實(shí)際情況。
【專利說(shuō)明】基于醫(yī)學(xué)體數(shù)據(jù)的體繪制方法
[0001]
【技術(shù)領(lǐng)域】
[0002]本發(fā)明涉及一種科學(xué)計(jì)算可視化處理技術(shù)，尤其涉及的是一種基于醫(yī)學(xué)體數(shù)據(jù)的體繪制方法。
[0003]
【背景技術(shù)】
[0004]現(xiàn)有技術(shù)中，以體繪制技術(shù)為代表的科學(xué)可視化技術(shù)可把抽象的數(shù)據(jù)變換成易于被人接受和理解的直觀形式一圖形，為理解、發(fā)現(xiàn)科學(xué)計(jì)算過(guò)程中的各種現(xiàn)象、規(guī)律提供有力的工具。
[0005]體繪制技術(shù)能產(chǎn)生三維數(shù)據(jù)場(chǎng)的整體圖像，能包含數(shù)據(jù)場(chǎng)的大量細(xì)節(jié)，繪制高質(zhì)量的圖像，但它涉及的數(shù)據(jù)量較多，計(jì)算量較大，因而繪制時(shí)間較長(zhǎng)，且難以利用傳統(tǒng)的圖形硬件實(shí)現(xiàn)繪制。雖然研究工作者在串行體繪制算法的優(yōu)化方面做了很多工作，但是隨著應(yīng)用領(lǐng)域的發(fā)展，數(shù)據(jù)規(guī)模急劇擴(kuò)大，繪制精度急劇增加，僅僅依靠對(duì)串行算法本身的優(yōu)化已經(jīng)無(wú)法滿足對(duì)繪制速度的需求。
[0006]可視化(Visualization)把抽象的數(shù)據(jù)變換成易于被人接受和理解的直觀形式一圖形。根據(jù)側(cè)重面的不同，可視化可以分成三個(gè)分支:科學(xué)可視化(ScientificVisualization)、數(shù)據(jù)可視化(Data Visualization)和信息可視化(InformationVisualization)?？茖W(xué)可視化(Scientific Visualization),又稱科學(xué)計(jì)算可視化(Visualization in Scientific Computing),指運(yùn)用計(jì)算機(jī)圖形學(xué)和圖像處理技術(shù),將科學(xué)計(jì)算過(guò)程中產(chǎn)生的計(jì)算結(jié)果·轉(zhuǎn)換為圖形及圖像在屏幕上顯示出來(lái)并進(jìn)行交互處理的理論、方法和技術(shù)。
[0007]科學(xué)計(jì)算可視化是20世紀(jì)80年代后期提出并發(fā)展起來(lái)的一個(gè)新的研究領(lǐng)域，是計(jì)算機(jī)圖形學(xué)中的一個(gè)重要研究方向。它將數(shù)據(jù)挖掘、圖形生成技術(shù)、圖像處理技術(shù)和人機(jī)交互技術(shù)結(jié)合在一起，其主要功能是分析和理解輸入到計(jì)算機(jī)中的多維數(shù)據(jù)，并將中間過(guò)程或分析結(jié)果用圖形或圖像形象、直觀地顯示出來(lái)，供科研工作者和相關(guān)人員觀察和使用。
[0008]科學(xué)計(jì)算可視化的應(yīng)用領(lǐng)域十分廣泛，幾乎涉及一切自然學(xué)科和工程領(lǐng)域，其主要應(yīng)用領(lǐng)域有醫(yī)學(xué)、分子模型構(gòu)造、工業(yè)無(wú)損探傷、考古學(xué)、地質(zhì)勘探、氣象學(xué)、計(jì)算流體力學(xué)和有限元分析等。
[0009]此外，科學(xué)計(jì)算可視化還可應(yīng)用于空間探測(cè)、天體物理、數(shù)學(xué)領(lǐng)域等。以醫(yī)學(xué)領(lǐng)域的數(shù)字化虛擬人為例?；诙S的計(jì)算機(jī)斷層掃描(CT)數(shù)據(jù)、核磁共振(MRI)數(shù)據(jù)以及真實(shí)人體的切片數(shù)據(jù)等三維規(guī)則數(shù)據(jù)場(chǎng)，利用人體結(jié)構(gòu)數(shù)字化和科學(xué)可視化技術(shù)可以重建出一個(gè)三維的數(shù)字化虛擬人，也就是將人體結(jié)構(gòu)數(shù)字化。通過(guò)計(jì)算機(jī)技術(shù)和圖像處理技術(shù)，在電腦屏幕上顯示一模擬人體，再進(jìn)一步將人體功能性的研究成果加以數(shù)字化，由信息科學(xué)家將其轉(zhuǎn)變?yōu)殡娔X的語(yǔ)言符號(hào)，賦加到這個(gè)人體形態(tài)框架上；經(jīng)過(guò)與虛擬現(xiàn)實(shí)技術(shù)的交叉融合，通過(guò)操作者的調(diào)控，這個(gè)“虛擬人”將能模仿真人做出各種各樣的反應(yīng)。
[0010]數(shù)字化虛擬人將人體結(jié)構(gòu)數(shù)字化與可視化，建立起能夠用計(jì)算機(jī)處理的數(shù)學(xué)模型，使計(jì)算機(jī)的定量分析和精確模擬成為可能。隨著信息獲取和處理技術(shù)的進(jìn)步、數(shù)據(jù)采集精度的提高，虛擬人將在越來(lái)越廣泛的領(lǐng)域內(nèi)更加精確地模擬人體的功能和行為，為醫(yī)學(xué)、國(guó)防、汽車等多學(xué)科研究提供應(yīng)用基礎(chǔ)。
[0011]科學(xué)計(jì)算可視化可以大大加速數(shù)據(jù)的處理速度，使每時(shí)每刻都在產(chǎn)生的龐大數(shù)據(jù)得到有效的處理、利用；它可以通過(guò)圖像、圖像表達(dá)蘊(yùn)含在科學(xué)計(jì)算數(shù)據(jù)中的信息，為理解、發(fā)現(xiàn)科學(xué)計(jì)算過(guò)程中的各種現(xiàn)象、規(guī)律提供有力工具。總之，科學(xué)計(jì)算可視化將極大地提高科學(xué)計(jì)算的速度和質(zhì)量，從而使科學(xué)研究工作的面貌發(fā)生根本性的變化，最終給人們的社會(huì)生活帶來(lái)巨大的便利。
[0012]以醫(yī)療領(lǐng)域?yàn)槔?。在以往的影像醫(yī)療診斷中，主要是通過(guò)觀察一組CT、MRI的三維切片圖像發(fā)現(xiàn)病變體，這主要依賴于醫(yī)務(wù)工作者豐富的讀片經(jīng)驗(yàn)，對(duì)圖像進(jìn)行定性分析。利用科學(xué)可視化技術(shù)可對(duì)二維切片圖像進(jìn)行二維或三維分析及處理，如對(duì)人體器官、軟組織和病變體的分割提取、三維重建和二維顯示，可以輔助醫(yī)務(wù)工作者對(duì)病變體及其它感興趣的區(qū)域進(jìn)行定性直至準(zhǔn)確的定量分析，從而可以大大提高醫(yī)療診斷的準(zhǔn)確性和正確性，最終帶來(lái)巨大的經(jīng)濟(jì)效益和社會(huì)效益。
[0013]科學(xué)計(jì)算可視化的核心是三維數(shù)據(jù)場(chǎng)的可視化，對(duì)于三維體數(shù)據(jù)來(lái)說(shuō)，有兩類不同的可視化算法:面繪制和體繪制。面繪制技術(shù)是指首先在三維數(shù)據(jù)場(chǎng)中構(gòu)造出中間幾何圖元，然后再由傳統(tǒng)的計(jì)算機(jī)圖形學(xué)技術(shù)實(shí)現(xiàn)畫面的繪制。面繪制方法有多種算法，各種算法的不同點(diǎn)在于所采用的近似表面幾何單元不同或幾何單元尺度選擇不同。典型算法有:ff.E.Lorenson 和 H.E.Cline[L0RE87]提出的 MC 方法(Marching Cubes)、Α.Doi [D0I91]提出的 MT 方法(Marching Tetrahedral)、Η.E.Cline 和 ff.E.Lorenson[CLIN98]提出的剖分立方體法(Dividing Cubes)等。面繪制技術(shù)可以產(chǎn)生比較清晰的等值面圖像,而且可以利用現(xiàn)有的圖形硬件實(shí)現(xiàn)繪制功能，使圖像生成及變換的速度加快，適用于繪制表面特征分明的組織和器官。但是面繪制技術(shù)對(duì)數(shù)據(jù)分割要求高，且物體內(nèi)部信息無(wú)法保留，不能反映整個(gè)原始數(shù)據(jù)場(chǎng)的全貌和細(xì)節(jié)。
[0014]體繪制技術(shù)并不構(gòu)造中間幾何圖元，而是直接由三維數(shù)據(jù)場(chǎng)產(chǎn)生屏幕上的二維圖像，也稱為直接體繪制。體繪制技術(shù)是近年來(lái)得以迅速發(fā)展的一種三維數(shù)據(jù)場(chǎng)可視化方法。相對(duì)于足跡算法、體元投影算法等其他體繪制算法而言，光線投射體繪制算法能繪制出具有更高質(zhì)量、體現(xiàn)更多內(nèi)部細(xì)節(jié)的圖像，是最基本、最常用的體繪制算法。
[0015]由于光線投射體繪制算法需要對(duì)屏幕上的每一個(gè)像素進(jìn)行光線投射和顏色計(jì)算，而且，當(dāng)觀察方向發(fā)生變化時(shí)，數(shù)據(jù)場(chǎng)中的采樣點(diǎn)之間的前后關(guān)系也發(fā)生變化，這樣就要對(duì)所有像素進(jìn)行重新繪制，因此計(jì)算量極為龐大且造成了大量的不規(guī)則訪問(wèn)，最終導(dǎo)致光線投射體繪制算法的繪制速度達(dá)不到應(yīng)用的要求。
[0016]為了解決計(jì)算速度的問(wèn)題，人們提出了各種的改進(jìn)方法或加速算法，如可以略過(guò)三維圖像空區(qū)域的空間跳躍算法、累積透明度接近于數(shù)值時(shí)終止光線投射的射線提前終止法等?；诩旱墓饩€投射并行繪制算法也從90年代開(kāi)始發(fā)展。下面將根據(jù)時(shí)間次序，對(duì)光線投射體繪制中的改進(jìn)和加速技術(shù)以及基于集群的光線投射體并行體繪制算法進(jìn)行介紹。[0017]1、光線投射體繪制加速技術(shù)
M.Levoy第一個(gè)提出了光線投射(Levoy稱其為“光線跟蹤”)體繪制算法。首先，對(duì)體數(shù)據(jù)進(jìn)行適當(dāng)?shù)念A(yù)處理，例如去噪、重采樣等；然后，利用查找表來(lái)確定體素的不透明度值，同時(shí)利用Phong光照模型來(lái)確定體素的顏色值；接著，沿著投射光線均勻采樣、對(duì)采樣點(diǎn)三次線性插值；最后，用從后向前的方法合成顏色值和不透明度值，形成最后的圖像。為了提高圖像的質(zhì)量，Levoy采用了過(guò)采樣的方法一在原始數(shù)據(jù)點(diǎn)之間插入更多的中間點(diǎn)。這種方法能夠減少走樣，提高圖像質(zhì)量，但是會(huì)增加計(jì)算的開(kāi)銷。
[0018]M.Levoy提出由前向后的圖像合成方法。在這種新方法中，不透明值必然逐步增大。當(dāng)不透明值趨近于I時(shí)(例如Levoy選擇不透明值0.95作為光線終止的條件)，說(shuō)明該像素點(diǎn)的圖像已經(jīng)接近于完全不透明，后面的體元不會(huì)再對(duì)該像素點(diǎn)的圖像有所貢獻(xiàn)，因而可以不再計(jì)算了。因此，由前向后的圖像合成方法可以省去部分顏色計(jì)算，使速度加快。
[0019]M.Levoy采用八叉樹(shù)方法組織體數(shù)據(jù)中的物體體元。體數(shù)據(jù)被遞歸均勻子分并組成一個(gè)層次八叉樹(shù)結(jié)構(gòu)。在采用光線投射進(jìn)行體繪制時(shí)，通過(guò)遍歷八叉樹(shù)，光線可跳過(guò)包含當(dāng)前采樣點(diǎn)的最大空區(qū)域。
[0020]Tang對(duì)光線跟蹤體繪制算法進(jìn)行了改進(jìn)。先對(duì)體數(shù)據(jù)場(chǎng)根據(jù)投射光線進(jìn)行重采樣，然后再進(jìn)行數(shù)據(jù)值分類、顏色賦值、不透明度賦值及明暗計(jì)算等步驟。這種改進(jìn)后的算法構(gòu)造出的圖像質(zhì)量有所提高；同時(shí)，由于不需要對(duì)全部數(shù)據(jù)點(diǎn)賦顏色值和不透明度值，可以減少計(jì)算量、節(jié)省存儲(chǔ)空間。
[0021]PARC算法則利用物體體元的包圍盒來(lái)除去體數(shù)據(jù)中物體體元周圍的空體元。該方法僅對(duì)由空區(qū)域包圍的物體體元有效，對(duì)包含多個(gè)物體體元區(qū)域的體數(shù)據(jù)或物體體元區(qū)域中含有空體元的體數(shù)據(jù)均無(wú)法作有效處理。
[0022]Lee等人提出了 一種用于加速體繪制的自適應(yīng)子分算法，該算法將體數(shù)據(jù)均勻分割成一定大小的子數(shù)據(jù)塊，每個(gè)子數(shù)據(jù)塊包含若干體元。若子數(shù)據(jù)塊中的體元為空,則該塊被標(biāo)識(shí)為空。在其后的合并過(guò)程中，按一定的順序遍歷子數(shù)據(jù)塊，合并其中的空子數(shù)據(jù)塊，并且生成盡可能大的空塊。在體繪制過(guò)程中，這種數(shù)據(jù)組織使得空塊得以有效地跳過(guò)，從而加速了體繪制。
[0023]Wald等人提出了最小值/最大值kd-tree方法。雖然每個(gè)kd-tree節(jié)點(diǎn)都需要存儲(chǔ)最小值和最大值，增加了一倍的數(shù)據(jù)量；但是，由于能夠通過(guò)比較各個(gè)節(jié)點(diǎn)最小值/最大值來(lái)快速地滑過(guò)空白區(qū)域、整合同源區(qū)域，達(dá)到比較理想的幀率。
[0024]Knittel第一個(gè)利用單CPU系統(tǒng)用軟件實(shí)現(xiàn)交互式光線投射體繪制算法。當(dāng)然，Knittel利用的ULTRAVIS系統(tǒng)雖然只有一個(gè)CPU，但是有像MMX等和處理器無(wú)關(guān)的擴(kuò)展；同時(shí)，采用利用了手工優(yōu)化的匯編語(yǔ)言和SIMD指令集進(jìn)行編程。
[0025]2、基于集群的光線投射體并行體繪制算法
J.Nieh和M.Levoy提出了第一個(gè)并行光線投射體繪制算法。該并行算法在MMD模式的多處理器環(huán)境DASH上實(shí)現(xiàn)(此環(huán)境提供了一個(gè)共享存儲(chǔ)區(qū)，同時(shí)各子處理器也有本地存儲(chǔ)區(qū))，最大加速比能達(dá)到40(48臺(tái)處理器)，最大的幀頻為3Hz。該算法的基本思想是:在開(kāi)始繪制計(jì)算之前，首先根據(jù)處理器數(shù)目進(jìn)行一次粗略的任務(wù)分配，即將圖像空間劃分為大小相等或接近的子區(qū)域，靜態(tài)地指定給各處理器；每個(gè)子處理器進(jìn)而將對(duì)應(yīng)的子區(qū)域細(xì)分為適當(dāng)大小的子塊，于是每個(gè)子區(qū)域中的所有子塊分別排成一個(gè)隊(duì)列。每個(gè)子區(qū)域的大小非常接近，所以經(jīng)過(guò)第一步粗略的任務(wù)劃分，整個(gè)系統(tǒng)的負(fù)載平衡已經(jīng)有了一定的保證。又由于實(shí)際的任務(wù)調(diào)度是在子塊粒度下進(jìn)行的，所以可以進(jìn)一步改善負(fù)載平衡狀況。
[0026]具體的方法是，一旦某個(gè)子處理器對(duì)應(yīng)的任務(wù)隊(duì)列為空，它可以直接接管其他處理器尚未完成的部分子任務(wù)。實(shí)際上，這種接管過(guò)程中被接管的處理器不必知曉和參與(“任務(wù)竊取”算法)。在光線投射體繪制算法中，所有計(jì)算發(fā)生的物理空間的位置難以預(yù)先確定，因此數(shù)據(jù)在空間上的相關(guān)性極強(qiáng)。當(dāng)某個(gè)子處理器在計(jì)算過(guò)程中需要訪問(wèn)的數(shù)據(jù)不在本地存儲(chǔ)區(qū)，就只能通過(guò)數(shù)據(jù)通信來(lái)獲得。Nieh和Levoy在共享存儲(chǔ)區(qū)中保留一份原始數(shù)據(jù)場(chǎng)，供所有子處理器讀??；在各個(gè)處理器的本地存儲(chǔ)區(qū)之間，數(shù)據(jù)按照交叉存儲(chǔ)的方式分布，按照頁(yè)面交換的方式進(jìn)行通信。
[0027]C.Montani等人提出了一種混合式光線投射并行體繪制算法，該算是將圖像空間分割成矩形的條狀子區(qū)域，各部分大小相等或接近；相應(yīng)地，對(duì)處理器節(jié)點(diǎn)進(jìn)行分組，每組擁有相同數(shù)目的節(jié)點(diǎn)。繪制計(jì)算的任務(wù)劃分按照條狀子區(qū)域?yàn)閱挝贿M(jìn)行，即一個(gè)子區(qū)域?qū)?yīng)于一個(gè)子任務(wù)。在通過(guò)令牌傳遞方式來(lái)估計(jì)出各分組的相對(duì)計(jì)算能力之后，可以靜態(tài)的方式在各組之間進(jìn)行子任務(wù)分配；當(dāng)然，這樣就要求每個(gè)組內(nèi)部都擁有一套完整的數(shù)據(jù)場(chǎng)拷貝。通過(guò)對(duì)計(jì)算任務(wù)和處理節(jié)點(diǎn)的合理劃分和組織，這類算法能夠有效降低數(shù)據(jù)通信量；因?yàn)閷?duì)各分組計(jì)算能力做了預(yù)先估計(jì)，雖然任務(wù)劃分方式是靜態(tài)的，但是仍然可以得到滿意的負(fù)載平衡。但其缺點(diǎn)在于數(shù)據(jù)量冗余量過(guò)大，實(shí)際上整個(gè)系統(tǒng)的存儲(chǔ)消耗不僅取決于原始數(shù)據(jù)的規(guī)模，而且與組的數(shù)目成正比。
[0028]K.Ma等人提出了另外一個(gè)光線投射并行體繪制算法，由Kwan-Liu、K.Ma等人分別在CM-5以及工作站機(jī)群環(huán)境中實(shí)現(xiàn)。和所有的其他繪制算法一樣，本算法包括兩個(gè)主要的計(jì)算過(guò)程:對(duì)體數(shù)據(jù)的重采樣和圖像合成。整個(gè)算法按照分治策略進(jìn)行，重采樣過(guò)程經(jīng)過(guò)遞歸劃分為最終由各處理器并行完成，而圖像合成則通過(guò)回溯過(guò)程進(jìn)行。
[0029]任繼成等人提出了非規(guī)則數(shù)據(jù)場(chǎng)并行體繪制算法(實(shí)質(zhì)為“光線投射面繪制算法”)，該算法采用靜態(tài)數(shù)據(jù)分布，避免了繪制過(guò)程中的重分布與計(jì)算節(jié)點(diǎn)間的通信，并提出了優(yōu)化的圖像合成方法，使繪制與合成并行執(zhí)行，避免了網(wǎng)絡(luò)通信的阻塞，提高了算法的并行性。靜態(tài)與動(dòng)態(tài)相結(jié)合的負(fù)載平衡策略，進(jìn)一步提高了算法的效率。
[0030]鄧俊輝等人提出了 一種基于并行虛擬機(jī)結(jié)構(gòu)的光線投射并行體繪制算法，該算法以二維切片為單位來(lái)劃分和組織體數(shù)據(jù)，既降低了通信代價(jià)，也保證了各子任務(wù)的數(shù)據(jù)局部性。在任務(wù)分配時(shí)，維護(hù)并使用性能指數(shù)數(shù)據(jù)庫(kù)，自適應(yīng)式地確定各個(gè)子任務(wù)，較好地實(shí)現(xiàn)了負(fù)載平衡；同時(shí)使用一種異步二分方法，減少了所有局部圖像合并的時(shí)間。針對(duì)可視化算法在虛擬機(jī)環(huán)境中的并行化實(shí)現(xiàn)，自行設(shè)計(jì)并實(shí)現(xiàn)了一個(gè)基于TCP/IP和Socket標(biāo)準(zhǔn)開(kāi)發(fā)平臺(tái)PIPVR。
[0031]易法令等人提出了一種基于BSP樹(shù)的光線跟蹤并行面繪制算法。該算法通過(guò)分析視點(diǎn)與場(chǎng)景空間的關(guān)系，進(jìn)行像素空間的劃分，避免并行處理任務(wù)分配的盲目性。
[0032]上述現(xiàn)有技術(shù)的各處理方法中，通常需要對(duì)數(shù)據(jù)進(jìn)行重新組織，系統(tǒng)開(kāi)銷很大，而且數(shù)據(jù)的處理繁瑣復(fù)雜，處理速度比較慢。因此，現(xiàn)有技術(shù)還有待于改進(jìn)和發(fā)展。
[0033]
【發(fā)明內(nèi)容】

[0034]為了解決上述問(wèn)題，本發(fā)明提出了一種基于醫(yī)學(xué)體數(shù)據(jù)的體繪制方法，其包括以下步驟:
獲取醫(yī)學(xué)體數(shù)據(jù)；
對(duì)所述醫(yī)學(xué)體數(shù)據(jù)進(jìn)行處理；
形成具有色彩的醫(yī)學(xué)圖像。
[0035]其中，所述獲取醫(yī)學(xué)體數(shù)據(jù)具體包括:
攝取檢查對(duì)象的多張多層斷層圖像，并使用接口函數(shù)取得所述多層斷層圖像的特性數(shù)據(jù)，然后對(duì)多層斷層圖像進(jìn)行平滑和降噪處理，其中所述特性數(shù)據(jù)包括所述多層斷層圖像的數(shù)量、圖像的分辨率和相鄰圖像之間的間距；
對(duì)每張圖像進(jìn)行標(biāo)記，以明確每張多層斷層圖像的位置，將最下面的一層圖像在Z軸上位置定為Z = O,以此類推；
從最下的一層的圖像開(kāi)始，依次在相鄰兩層圖像之間進(jìn)行插值操作；
在相鄰兩層的圖像之間確定第一層待插值圖像所在的位置，即與圖像Ik距離d1和與圖像Ik+1距離d2，其中dl+d2=Az, Δ z表示兩層圖像之間的距離；
獲取待插值點(diǎn)V(x，y，d)的位置，再根據(jù)與所述待插值點(diǎn)位置對(duì)應(yīng)的上下層圖像中的兩個(gè)對(duì)應(yīng)點(diǎn)進(jìn)行層間像素的插值:對(duì)所有的圖像進(jìn)行插值，獲取三維體數(shù)據(jù)，所述三維體數(shù)據(jù)包括在點(diǎn)的三維網(wǎng)格上的多個(gè)強(qiáng)度。
[0036]其中，所述對(duì)所述醫(yī)學(xué)體數(shù)據(jù)進(jìn)行處理包括以下步驟:
設(shè)定一個(gè)投影面和基準(zhǔn)視點(diǎn)位置，產(chǎn)生采樣光線，將采樣光線從所述基準(zhǔn)視點(diǎn)位置穿過(guò)所述三維體數(shù)據(jù)投射在該投影面上；
沿著所述采樣光線選擇所述特征組織內(nèi)的采樣點(diǎn)，在所述特征組織內(nèi)部產(chǎn)生分割區(qū)域，其中對(duì)所述采樣光線進(jìn)行移動(dòng)最小二乘法平滑，并根據(jù)用戶提供的梯度閾值判斷極小值點(diǎn)，并根據(jù)用戶提供的梯度閾值判斷極小值點(diǎn)是否為特征分界點(diǎn)，并記錄參數(shù)；
根據(jù)第一次光線投射中特征分析的結(jié)果，判斷當(dāng)前采樣點(diǎn)是否處于分割區(qū)域內(nèi)部，如果是，則把第一傳遞函數(shù)應(yīng)用從第一特征組織內(nèi)插的采樣值，并且如果否，則把第二傳遞函數(shù)應(yīng)用來(lái)自第二特征組織內(nèi)插的采樣值，累積上述傳遞函數(shù)的輸出。
[0037]其中，所述形成具有色彩的醫(yī)學(xué)圖像具體為:
根據(jù)采樣光線上的抽象采樣點(diǎn)數(shù)量計(jì)算抽象采樣點(diǎn)的不透明度；分析每個(gè)區(qū)域內(nèi)采樣點(diǎn)標(biāo)量值及梯度信息，找到標(biāo)量值最大的采樣點(diǎn)，其物理位置作為抽象采樣點(diǎn)的標(biāo)量值，同時(shí)找到特征組織內(nèi)梯度模值最大的梯度信息作為抽象采樣點(diǎn)的法向量，最后，為采樣點(diǎn)設(shè)置顏色，并執(zhí)行局部光照計(jì)算，將抽象采樣點(diǎn)融合，形成最終的醫(yī)學(xué)圖像。
[0038]本發(fā)明的有益效果主要表現(xiàn)在:能夠?qū)崿F(xiàn)醫(yī)學(xué)影像數(shù)據(jù)的快速的三維組織特征顯示，而不需要耗費(fèi)大量時(shí)間調(diào)節(jié)傳輸函數(shù)；在醫(yī)學(xué)影像數(shù)據(jù)獲取時(shí)，能及時(shí)的提供給用戶直觀的視覺(jué)信息。本發(fā)明不僅考慮了灰度的變化，也兼顧了解剖結(jié)構(gòu)輪廓的變化，從而更好地解決了傳統(tǒng)插值方法的不足，使新插值出的圖片更接近于實(shí)際情況。實(shí)驗(yàn)證明，本發(fā)明的視覺(jué)效果和圖像質(zhì)量有了較大的改進(jìn)，插值出的圖片輪廓清晰、噪聲較小、不再有雙重輪廓，提高了插值的質(zhì)量，更重要的是計(jì)算時(shí)間大大減少。將本發(fā)明應(yīng)用于三維重建和顯示的系統(tǒng)中，使繪制出來(lái)的圖像邊界清晰，把梯田效應(yīng)減少到最低，更符合實(shí)際需求，從而較大范圍地提高醫(yī)生判斷的準(zhǔn)確性和工作效率。
[0039]
【專利附圖】

【附圖說(shuō)明】
[0040]圖1為與本發(fā)明具體實(shí)施例一致的基于醫(yī)學(xué)體數(shù)據(jù)的體繪制方法流程圖。
[0041]具體實(shí)施例
[0042]如在說(shuō)明書及權(quán)利要求當(dāng)中使用了某些詞匯來(lái)指稱特定組件。本領(lǐng)域技術(shù)人員應(yīng)可理解，硬件制造商可能會(huì)用不同名詞來(lái)稱呼同一個(gè)組件。本說(shuō)明書及權(quán)利要求并不以名稱的差異來(lái)作為區(qū)分組件的方式，而是以組件在功能上的差異來(lái)作為區(qū)分的準(zhǔn)則。如在通篇說(shuō)明書及權(quán)利要求當(dāng)中所提及的“包含”為一開(kāi)放式用語(yǔ)，故應(yīng)解釋成“包含但不限定于”?！按笾隆笔侵冈诳山邮艿恼`差范圍內(nèi)，本領(lǐng)域技術(shù)人員能夠在一定誤差范圍內(nèi)解決所述技術(shù)問(wèn)題，基本達(dá)到所述技術(shù)效果。此外，“耦接”一詞在此包含任何直接及間接的電性耦接手段。因此，若文中描述一第一裝置耦接于一第二裝置，則代表所述第一裝置可直接電性耦接于所述第二裝置，或通過(guò)其他裝置或耦接手段間接地電性耦接至所述第二裝置。說(shuō)明書后續(xù)描述為實(shí)施本發(fā)明的較佳實(shí)施方式，然所述描述乃以說(shuō)明本發(fā)明的一般原則為目的，并非用以限定本發(fā)明的范圍。本發(fā)明的保護(hù)范圍當(dāng)視所附權(quán)利要求所界定者為準(zhǔn)。
[0043]通常，體積，即三維(3D)醫(yī)學(xué)圖像數(shù)據(jù)包括多個(gè)元。醫(yī)學(xué)圖像數(shù)據(jù)的每一數(shù)據(jù)元(X，I, Z，I)包括通常由圖像數(shù)據(jù)坐標(biāo)系內(nèi)的三個(gè)笛卡爾坐標(biāo)X，y，Z表示的位置(X，y, z)和該位置處的強(qiáng)度I?？梢詫⑺鲠t(yī)學(xué)圖像數(shù)據(jù)體積定義為包括所述圖像數(shù)據(jù)元(x，y，z，I)內(nèi)包含的所有位置(x，y，z)的體積。當(dāng)所述醫(yī)學(xué)圖像數(shù)據(jù)包括多個(gè)成員圖像數(shù)據(jù)時(shí)，每一數(shù)據(jù)元還可以包括圖像數(shù)據(jù)隸屬指數(shù)m。
[0044]本發(fā)明提出了一種基于醫(yī)學(xué)體數(shù)據(jù)的體繪制方法，具體包括以下措施。
[0045]攝取檢查對(duì)象的多張多層斷層圖像，并使用接口函數(shù)取得所述多層斷層圖像的特性數(shù)據(jù)，然后對(duì)多層斷層圖像進(jìn)行平滑和降噪處理，其中所述特性數(shù)據(jù)包括所述多層斷層圖像的數(shù)量、圖像的分辨率和相鄰圖像之間的間距。
[0046]對(duì)每張圖像進(jìn)行標(biāo)記，以明確每張多層斷層圖像的位置，將最下面的一層圖像在Z軸上位置定為Z = O,向上以此類推。
[0047]從最下的一層的圖像開(kāi)始，依次在相鄰兩層圖像之間進(jìn)行插值操作。
[0048]在相鄰兩層的圖像之間確定第一層待插值圖像所在的位置，即與圖像Ik距離Cl1和與圖像Ik+1距離d2，其中C^d2=Az, Λ z表示兩層圖像之間的距離。
[0049]獲取待插值點(diǎn)V(x，y, d)的位置，再根據(jù)與所述待插值點(diǎn)位置對(duì)應(yīng)的上下層圖像中的兩個(gè)對(duì)應(yīng)點(diǎn)進(jìn)行層間像素的插值:對(duì)所有的圖像進(jìn)行插值，獲取三維體數(shù)據(jù)，所述三維體數(shù)據(jù)包括在點(diǎn)的三維網(wǎng)格上的多個(gè)強(qiáng)度。
[0050]邊緣點(diǎn)的處理:如果獲取待插值點(diǎn)V (X，y, d)位于圖像周圍(X，y = O, N-1),則直接采用基于上下對(duì)應(yīng)點(diǎn)對(duì)的灰度值fijk，fiJ(k+1)進(jìn)行線性插值，否則轉(zhuǎn)至非邊緣點(diǎn)的處理I ;
線性插值公式:fijd = r fiJk+(l-r) fiJ(k+1), (r = (I1/ ((I^d2)。本發(fā)明中將線性插值公式:fA = rfi+d-r) f2, (r = (I1/ ((I^d2)改為:fA = f2+r(f「f2),其余做同樣的操作,這樣乘法次數(shù)減少到原來(lái)的一半，大大減少了計(jì)算量。
[0051]非邊緣點(diǎn)的處理1:如果獲取待插值點(diǎn)不是圖像周圍的點(diǎn)，則利用上下層對(duì)應(yīng)點(diǎn)V (i, j, k)和V (i, j, k+i)的灰度值fijk，fiJ(k+1)及其差值I fijk-fij(k+1) I，根據(jù)組織相關(guān)性原理判斷待插值點(diǎn)是否屬于RONI，RONI表示不感興趣區(qū)，如果屬于RONI，則采用基于其灰度值fijk，fiJ(k+1)進(jìn)行線性插值，否則轉(zhuǎn)到非邊緣點(diǎn)的處理2 ；
組織相關(guān)性原理:根據(jù)人體中不同組織灰度差異及不同組織灰度分布圖，本發(fā)明系統(tǒng)在進(jìn)行相關(guān)性計(jì)算前先根據(jù)灰度值分布圖。判斷待插值體素V(i，j, d)屬于RONI (如空氣)，還是屬于ROI (如人體組織)，R0I表示感興趣區(qū)。屬于ROI時(shí)，還要判斷上下斷層圖像中像素點(diǎn)(i，j)所在的兩塊區(qū)域是否屬于相同的組織。
[0052]非邊緣點(diǎn)的處理2分別以上下層對(duì)應(yīng)點(diǎn)V(i，j, k)和V(i，j，k+1)為中心，選取兩個(gè)的區(qū)域Ak，和Ak+1，計(jì)算這兩個(gè)區(qū)域的組織自相關(guān)系數(shù)，若相關(guān)系數(shù)大于某一閾值P ο,說(shuō)明兩個(gè)區(qū)域整體比較相似，則采用基于這個(gè)兩個(gè)區(qū)域Ak，和Ak+1進(jìn)行三線性插值，否則轉(zhuǎn)到非邊緣點(diǎn)的處理3 ；
Ak，和Ak+1為分別以上下層對(duì)應(yīng)點(diǎn)V(i，j，k)和V(i，j，k+l)為中心選取的區(qū)域；fijk，fiJ(k+1)是點(diǎn)V(i，j, k)和V(i，j, k+1)的灰度值，fk，f(k+1)為灰度平均值，N為上述所選區(qū)域內(nèi)像素的個(gè)數(shù)；
區(qū)域的選擇:因?yàn)閷?duì)于醫(yī)學(xué)圖像來(lái)說(shuō)，所處理的一般都是人體某些組織或病變部位，而這些部位的輪廓線都是平滑的，即一般成不規(guī)則的圓形或橢圓形，所以為獲得更好的插值效果，本發(fā)明采用選擇兩個(gè)對(duì)稱的近似圓形區(qū)域。
[0053]所述三線性插值為:在上下兩個(gè)對(duì)稱的近似圓形區(qū)域中選取
V(X, y, z) (X = 1-1, i+1 ；y = j_l, j+1 ；z = k, k+1)8 個(gè)點(diǎn)，先由點(diǎn) V(x, j_l, z) (x =1-1, i+1)的灰度值線性插值出點(diǎn)V (i，j_l，z) (z = k, k+1)的灰度值，由點(diǎn)V (x, j+1, z) (x=1-1，i+1)的灰度值線性插值出點(diǎn)V(i, j+1, z) (z = k, k+1)的灰度值,然后由點(diǎn)V(i, y,z) (y = j-1, j+1)的灰度值線性插值出點(diǎn)V(i, j, z) (z = k, k+1)的灰度值,最后由點(diǎn)V(i,j，z) (z = k，k+1)的灰度值線性插值出點(diǎn)V(i，j, d)的灰度值，即進(jìn)行三次線性插值。
[0054]非邊緣點(diǎn)的處理3:在上下層對(duì)應(yīng)區(qū)域Ak，和Ak+1中尋求最佳匹配點(diǎn)對(duì)，利用對(duì)應(yīng)點(diǎn)對(duì)的灰度值 fijk，fij(k.l) 進(jìn)行線性插值。最佳匹配點(diǎn)對(duì)必須滿足四點(diǎn):匹配點(diǎn)對(duì)灰度值應(yīng)該相近；匹配點(diǎn)對(duì)及周圍點(diǎn)的灰度變化率應(yīng)該相近；匹配點(diǎn)對(duì)及周圍點(diǎn)的灰度變化方向應(yīng)該相近；匹配點(diǎn)對(duì)的距離應(yīng)該較短。
[0055]設(shè)定一個(gè)投影面和基準(zhǔn)視點(diǎn)位置，產(chǎn)生采樣光線，將采樣光線從所述基準(zhǔn)視點(diǎn)位置穿過(guò)所述三維體數(shù)據(jù)投射在該投影面上。
[0056]沿著所述采樣光線選擇所述特征組織內(nèi)的采樣點(diǎn)，在所述特征組織內(nèi)部產(chǎn)生分割區(qū)域，其中對(duì)所述采樣光線進(jìn)行移動(dòng)最小二乘法平滑，并根據(jù)用戶提供的梯度閾值判斷極小值點(diǎn)是否為特征分界點(diǎn)，并記錄參數(shù)。
[0057]根據(jù)第一次光線投射中特征分析的結(jié)果，判斷當(dāng)前采樣點(diǎn)是否處于分割區(qū)域內(nèi)部，如果是，則把第一傳遞函數(shù)應(yīng)用從第一特征組織內(nèi)插的采樣值，并且如果否，則把第二傳遞函數(shù)應(yīng)用來(lái)自第二特征組織內(nèi)插的采樣值，累積上述傳遞函數(shù)的輸出。
[0058]執(zhí)行第一次光線投射，沿采樣光線對(duì)采樣光線進(jìn)行移動(dòng)最小二乘法(MLS)平滑，其中移動(dòng)最小二乘法去除了原始數(shù)據(jù)中的大部分高頻噪聲數(shù)據(jù)，并且保留了數(shù)據(jù)特征。[0059]沿采樣光線搜索極小值點(diǎn)，并根據(jù)用戶提供的梯度閾值判斷極小值點(diǎn)是否為特征分界點(diǎn)，并記錄特征分界點(diǎn)位置Pi,并計(jì)算特征區(qū)域的平均標(biāo)量值sa，平均梯度模值Ga，并根據(jù)公式
f(Sa，Ga) = (B)Sa+ XnGa
計(jì)算每一個(gè)特征區(qū)域的特征閾值函數(shù)值，并記錄在結(jié)構(gòu)體{Ps，Pe，f(Sa，Ga)}中，以提供給下一步作為特征繪制的信息，其中λ為用戶自定義的參數(shù)，可以控制標(biāo)量與梯度值在函數(shù)中的權(quán)重。
[0060]第二次光線投射，根據(jù)第一次光線投射中特征分析的結(jié)果，判斷當(dāng)前采樣點(diǎn)是否處于特征組織內(nèi)部，如果是，則判斷當(dāng)前特征片段的特征函數(shù)閾值f(sa，Ga)是否大于用戶提供的特征閾值Tfm，如果是，則執(zhí)行加強(qiáng)累積方法，否則，執(zhí)行直接體繪制累積方法；該過(guò)程同時(shí)執(zhí)行光照計(jì)算，采用Phong光照模型，以當(dāng)前采樣點(diǎn)的梯度作為光照的表面法向，利用公式
Csh= (ka+kd(N*L))XC+ks(N*H)n
計(jì)算新的顏色值參與顏色累積過(guò)程，其中ka，kd，和ks分別為環(huán)境光，散射光以及高光的影響參數(shù)，N代表當(dāng)前采樣點(diǎn)的法向量的方向，由當(dāng)前采樣點(diǎn)的歸一化梯度向量表示，L代表入射光線的方向，由當(dāng)前采樣點(diǎn)的位置以及光源的位置確定，H代表反射光與法向量之間的半角，用來(lái)計(jì)算高光，η是高光系數(shù)，用來(lái)控制高光的范圍以及亮度，C代表當(dāng)前采樣點(diǎn)的顏色值，在直接體繪制中通常由傳輸函數(shù)指定。
[0061]根據(jù)采樣光線上的抽象采樣點(diǎn)數(shù)量計(jì)算抽象采樣點(diǎn)的不透明度；分析每個(gè)區(qū)域內(nèi)采樣點(diǎn)標(biāo)量值及梯度信息，找到標(biāo)量值最大的采樣點(diǎn)，其物理位置作為抽象采樣點(diǎn)的標(biāo)量值，同時(shí)找到特征組織內(nèi)梯度模值最大的梯度信息作為抽象采樣點(diǎn)的法向量，最后，為采樣點(diǎn)設(shè)置顏色，并執(zhí)行局部光照計(jì)算，將抽象采樣點(diǎn)融合，形成最終的醫(yī)院圖像。
[0062]在本說(shuō)明書的描述中，參考術(shù)語(yǔ)“ 一個(gè)實(shí)施例”、“ 一些實(shí)施例”、“示例”、“具體示例”、或“一些示例”等的描述意指結(jié)合該實(shí)施例或示例描述的具體特征、結(jié)構(gòu)、材料或者特點(diǎn)包含于本發(fā)明的至少一個(gè)實(shí)施例或示例中。在本說(shuō)明書中，對(duì)上述術(shù)語(yǔ)的示意性表述不一定指的是相同的實(shí)施例或示例。而且，描述的具體特征、結(jié)構(gòu)、材料或者特點(diǎn)可以在任何的一個(gè)或多個(gè)實(shí)施例或示例中以合適的方式結(jié)合。
[0063]盡管已經(jīng)示出和描述了本發(fā)明的實(shí)施例，本領(lǐng)域的普通技術(shù)人員可以理解:在不脫離本發(fā)明的原理和宗旨的情況下可以對(duì)這些實(shí)施例進(jìn)行多種變化、修改、替換和變型，本發(fā)明的范圍由權(quán)利要求及其等同物限定。
【權(quán)利要求】
1.一種基于醫(yī)學(xué)體數(shù)據(jù)的體繪制方法，其包括以下步驟: 獲取醫(yī)學(xué)體數(shù)據(jù)； 對(duì)所述醫(yī)學(xué)體數(shù)據(jù)進(jìn)行處理； 形成具有色彩的醫(yī)學(xué)圖像。
2.如權(quán)利要求1所述基于醫(yī)學(xué)體數(shù)據(jù)的體繪制方法，其中所述獲取醫(yī)學(xué)體數(shù)據(jù)具體包括: 攝取檢查對(duì)象的多張多層斷層圖像，并使用接口函數(shù)取得所述多層斷層圖像的特性數(shù)據(jù)，然后對(duì)多層斷層圖像進(jìn)行平滑和降噪處理，其中所述特性數(shù)據(jù)包括所述多層斷層圖像的數(shù)量、圖像的分辨率和相鄰圖像之間的間距； 對(duì)每張圖像進(jìn)行標(biāo)記，以明確每張多層斷層圖像的位置，將最下面的一層圖像在Z軸上位置定為Z = O,以此類推； 從最下的一層的圖像開(kāi)始，依次在相鄰兩層圖像之間進(jìn)行插值操作； 在相鄰兩層的圖像之間確定第一層待插值圖像所在的位置，即與圖像Ik距離Cl1和與圖像Ik+1距離d2，其中Cl^d2=Az, Λ z表示兩層圖像之間的距離； 獲取待插值點(diǎn)V(x，y，d)的位置，再根據(jù)與所述待插值點(diǎn)位置對(duì)應(yīng)的上下層圖像中的兩個(gè)對(duì)應(yīng)點(diǎn)進(jìn)行層間像 素的插值:對(duì)所有的圖像進(jìn)行插值，獲取三維體數(shù)據(jù)，所述三維體數(shù)據(jù)包括在點(diǎn)的三維網(wǎng)格上的多個(gè)強(qiáng)度。
3.如權(quán)利要求1所述基于醫(yī)學(xué)體數(shù)據(jù)的體繪制方法，其中所述對(duì)所述醫(yī)學(xué)體數(shù)據(jù)進(jìn)行處理包括以下步驟: 設(shè)定一個(gè)投影面和基準(zhǔn)視點(diǎn)位置，產(chǎn)生采樣光線，將采樣光線從所述基準(zhǔn)視點(diǎn)位置穿過(guò)所述三維體數(shù)據(jù)投射在該投影面上； 沿著所述采樣光線選擇所述特征組織內(nèi)的采樣點(diǎn)，在所述特征組織內(nèi)部產(chǎn)生分割區(qū)域，其中對(duì)所述采樣光線進(jìn)行移動(dòng)最小二乘法平滑，并根據(jù)用戶提供的梯度閾值判斷極小值點(diǎn)是否為特征分界點(diǎn)，并記錄參數(shù)； 根據(jù)第一次光線投射中特征分析的結(jié)果，判斷當(dāng)前采樣點(diǎn)是否處于分割區(qū)域內(nèi)部，如果是，則把第一傳遞函數(shù)應(yīng)用從第一特征組織內(nèi)插的采樣值，如果否，則把第二傳遞函數(shù)應(yīng)用來(lái)自第二特征組織內(nèi)插的采樣值，累積上述傳遞函數(shù)的輸出。
4.如權(quán)利要求1所述基于醫(yī)學(xué)體數(shù)據(jù)的體繪制方法，其中所述形成具有色彩的醫(yī)學(xué)圖像具體為: 根據(jù)采樣光線上的抽象采樣點(diǎn)數(shù)量計(jì)算抽象采樣點(diǎn)的不透明度；分析每個(gè)區(qū)域內(nèi)采樣點(diǎn)標(biāo)量值及梯度信息，找到標(biāo)量值最大的采樣點(diǎn)，其物理位置作為抽象采樣點(diǎn)的標(biāo)量值，同時(shí)找到特征組織內(nèi)梯度模值最大的梯度信息作為抽象采樣點(diǎn)的法向量，最后，為采樣點(diǎn)設(shè)置顏色，并執(zhí)行局部光照計(jì)算，將抽象采樣點(diǎn)融合，形成最終的醫(yī)學(xué)圖像。
【文檔編號(hào)】G06T15/08GK103745495SQ201410045619
【公開(kāi)日】2014年4月23日 申請(qǐng)日期:2014年2月8日 優(yōu)先權(quán)日:2014年2月8日
【發(fā)明者】劉金明, 王娜 申請(qǐng)人:黑龍江八一農(nóng)墾大學(xué)