图像数据的体积描绘的制作方法与工艺

以下大体涉及图像数据的可视化，并且具体而言涉及生成和显示图像数据的体积描绘，并且针对计算机断层摄影（CT）的具体应用进行了描述；然而，以下虽然没有包括，但是也适用于其他成像模态，例如，正电子发射断层摄影（PET）、单光子发射计算机断层摄影（SPECT）、磁共振成像（MRI）、超声（US）、三维（3D）X射线和/或其他成像模态。

背景技术：
计算机断层摄影（CT）扫描器包括发射辐射的X射线管，所述辐射穿过检查区域和位于其中的对象或受试者的部分。探测器探测穿过所述检查区域的辐射并且生成指示所探测到的辐射的投影数据。重建器重建投影数据并且生成指示检查区域中对象或受试者的部分的体积图像数据。所述图像数据是大体积的，并且图像数据的子体积通常经由显示器顺序地将组成所述图像数据一系列轴向、矢状面、冠状面和/或斜平面的二维（2D）切片可视化。通常，用户滚动子体积，选择和/或改变切片平面和/或切片厚度，并且使用各种标准可视化工具例如缩放、旋转、平移等。遗憾的是，当滚动大的体积图像数据时，诸如淋巴结或肿瘤的小结节，或血管可能容易被忽视并且/或者在视觉上被其他结构遮挡，并且这些结构的诊断可能对于肿瘤的诊断、分期和治疗监测以及其他医学应用是必不可少的。可以通过最新的计算机辅助探测方法，利用有效地应用到输入图像体积的每个体素的离散标记，来明确地识别和分割结节和血管。遗憾的是，这样的标记必然会具有一定的错误率，并且固有的不确定性对评估图像数据的临床医生一般是不可见的。正因如此，取得针对这种计算机辅助探测和分割的规范的确认可能是困难和昂贵的。此外，通过应用图形标记对原始输入图像数据体积进行改变可能不会令人满意，因为临床医师的视觉感知是根据原始图像数据训练的。

技术实现要素：
本申请的各方面解决上述问题和其他问题。根据一个方面，一种方法包括：获得由成像系统生成的图像数据；生成指示所述图像数据的多个体素中的每个体素与一个或多个预定几何特征相符的程度的数据，其中，为每个几何特性分配不同的颜色；基于所述程度和所述颜色生成指示针对所述多个体素中的每个的单一颜色值的信号；基于所述信号生成所述图像数据的体积描绘；生成所述体积描绘的体素和所述图像数据的体素之间的关联；以及可视地同时呈现所述图像数据和所述体积描绘。根据另一方面，一种计算系统包括：计算机可读存储介质，其包括一个或多个与至少一个体积描绘算法相对应的指令。所述计算系统还包括一个或多个处理器，所述一个或多个处理器被配置为执行一个或多个指令以生成图像数据的体积描绘，在所述体积描绘中基于预定的感兴趣形状和图像数据体素的局部二次曲面特性，对在图像数据中呈现的并具有预定的感兴趣形状的结构进行颜色编码。根据另一方面，计算机可读存储介质用计算机可读指令编码，所述计算机可读指令在被计算系统的一个或多个处理器执行时，令计算系统显示交互式图形查看器并同时呈现图像数据和所述图像数据的体积描绘，其中，所述体积描绘是基于所述图像数据的体素的局部二次曲面特性而生成的。附图说明本发明可以采取各种部件和部件的布置，以及各种步骤和步骤的安排的形式。附图仅出于图示优选的实施例的目的，并且不应被解读为对本发明的限制。图1示意性地图示了具有控制台的示范性成像系统，所述控制台使用一个或多个可视化算法，基于由所述成像系统和/或其他成像系统生成的图像数据，生成和显示体积描绘。图2图示了用于基于由所述成像系统和/或其他成像系统生成的图像数据生成和显示体积描绘的一个或多个可视化算法的范例。图3和图4图示了基于由所述成像系统和/或其他成像系统生成的图像数据，生成和显示体积描绘的示范性方法。具体实施方式图1图示了诸如计算机断层摄影（CT）扫描器100的成像系统。所述扫描器100包括固定机架102和旋转机架104，所述旋转机架104由所述固定机架102可旋转地支撑。所述旋转机架104关于纵向或z轴围绕检查区域106旋转。诸如卧榻的患者支架108在检查区域106中支撑患者，并且可以协同旋转机架104的旋转沿着x、y和/或z轴移动，从而便于螺旋的、轴向的或其他期望的扫描轨迹。诸如X射线管的辐射源110由旋转机架104支撑，并且与旋转机架104一起围绕检查区域106旋转。辐射源110发射辐射，所述辐射由源准直器（未示出）准直以生成穿过检查区域106的大体为扇形、楔形或锥形的辐射束。辐射敏感探测器阵列112探测穿过检查区域106的辐射，并生成指示探测到的辐射的投影数据。重建器114重建投影数据并生成指示检查区域106的体积图像数据。通用计算系统用作操作者控制台116，并且包括诸如显示器118的输出设备和诸如键盘、鼠标和/或类似设备的输入设备。所述控制台116包括至少一个中央处理器（CPU）120和被编码有或嵌入有计算机可读指令的计算机可读存储介质122（例如，物理存储器），所述计算机可读指令在由至少一个CPU120执行时，允许用户操作所述系统100，例如启动扫描、选择图形体积描绘算法等。额外地或可选地，所述至少一个CPU120可以执行由信号介质（如，载波）承载的计算机可读指令。此外，存储介质122可以包括一个或多个定位于控制台116本地和/或远离控制台116的存储单元。图示的控制台116也包括至少一个用于描绘二维（2D）和/或三维（3D）图形的图形处理器124（GPU）。所述GPU124可以执行编码存储在计算机可读存储介质122和/或信号介质上的计算机可读指令，如选定的图形体积描绘算法。应该理解，所述GPU124可以是安装在控制台116的一个或多个扩展槽中的一个或多个显卡和/或安装在主板上的一个或多个视频控制器的部分。在另一实施例中，所述GPU124定位于独立并远离控制台116的计算设备（例如，图像归档和通信系统（PACS）或其他系统）上。在又一实施例中，省略所述GPU124，并且所述一个或多个处理器120描绘二维（2D）和/或三维（3D）图形表示。图示的存储介质122包括至少一个体积描绘算法126。在一个非限制性实例中，所述GPU124和/或一个或多个处理器120在执行体积描绘算法126时，可视地呈现交互式图形用户界面（GUI），同时显示原始图像数据（如，通过轴向、矢状、冠状或倾斜切片）和所述图像数据的体积描绘。在这样的实例中，可以将所述图像数据和所述体积描绘在空间上关联，并且所述体积描绘可作为所述图像数据中的感兴趣点（例如淋巴结、肿瘤和/或血管）的快速概览和导航。在另一实施例中，所述体积描绘可以不带有所述图像数据而可视地呈现，反之亦然。交互式GUI允许标准的和/或其他可视化工具，例如旋转、平移、缩放等。如以下更加详细地描述地，体积描绘可以基于围绕图像数据每个体素的局部二次曲面的有效估计，在所述有效估计中，局部二次曲面的拟合不使用导数并且不依赖于对象的大小，从而导致噪声鲁棒性和降低尺度空间计算和存储。通常，在这种情况下，确定二次曲面的本征值，并且基于相应体素所从属的结构的形状，对局部二次曲面的本征值结构颜色进行编码，并且接着通过直接体积描绘（DVR）、最大密度投影（MIP）和/或其他描绘方法进行投影以创建体积描绘。生成的体积描绘允许临床医生容易和准确地识别和定位体积描绘和原始图像数据中的感兴趣的结构（例如淋巴结、肿瘤、血管等），而不在视觉上影响原始图像数据。图2图示了体积描绘算法126的范例。局部二次曲面估计器202针对图像数据的一个或多个体素（例如每个体素或者预定的或者用户选择的体素的子集）估计二次曲面。通常，二次曲面可在数学上定义为由方程xtAx=1给出的隐式曲面，在所述方程中A是对称的三乘三（3×3）的矩阵，其具有六个（6）独立的系数。对于给定体素的局部二次曲面的六个（6）独立系数，可以通过从给定体素的中心或其他预定区域投射射线来有效地估计，如以下进一步描述。每条投射射线穿过一个或多个邻近的体素，并且当满足预定条件时终止。例如，在一个实例中，预定条件包括体素灰度值，并且当体素的灰度值与投射射线来源的给定体素的灰度值相差大于预定大小时，终止射线。额外地或可选地，当体素值的变化（如，标准差或方差）沿着射线升至预定的阈值以上或降至预定的阈值以下时，终止射线。额外地或可选地，当梯度或梯度的变化沿着射线满足预定的阈值时，终止射线。接着可以通过使用射线长度计算矩阵A的六个（6）系数，所述射线长度或者来自全轴的长度（如，将每两条相反方向的射线的长度相加）或来自半轴线的长度（如，取两个相反射线长度的最小或最大值）。例如，可以从与十二条（12）或更多条射线如N条射线相对应的长度，或射线从给定体素投射出的N/2个方向，通过求解针对所述六个（6）系数的至少六个（6）联立方程来确定矩阵A的六个（6）系数，其中N是等于或大于十二（12）的整数。本征值确定器204基于相应矩阵A确定针对每个体素三个（3）本征值。本征值确定器204可以使用各种已知（如，迭代和/或封闭型方法）和/或其他本征值确定算法206来确定本征值。例如，在一个实例中，本征值确定器204能够基于矩阵A，通过针对本征值λ求解Ax=λx来确定针对给定体素的本征值，其中，x是作为与λ相对应的A的本征向量的非零向量。本征值转换器208将本征值转换为一个或多个预定几何特征210。合适的特征210包括，但不限制于，管状度（如，体素表现出管形结构的程度），滴状度（如，体素表现出椭球形结构的程度），和，可选地，至少一个其他几何特征或非特征。通常，投射射线越长本征值的取值越低，就这一点而言，本征值的取值与射线的长度成反比。在图示的实施例中，本征值转换器208使用如下的方法将本征值转化为一个或多个预定的几何特征210。本征值首先按大小排序，例如，|λ0|≥|λ1|≥|λ2|。接着，对于给定体素，管状度（T）通过设置T=|λ1|·(|λ1|/|λ0|)来确定，并且对于给定体素，滴状度（B）通过设置B=|λ2|·(|λ2|/|λ1|)来确定。如果也使用了另一几何特征，那么还要确定另一参数（A）。每个T、B等等将提供一个表现几何特征程度之类的值（如，在零（0）和一（1）之间）。通常，具有三个（3）相似的有效或者非零本征值的体素表示滴状（椭球形）结构，具有两个（2）相似的有效或者非零本征值和一个接近或靠近零的本征值的体素表示管状结构，具有两个（2）接近或靠近零本征值的体素表示非滴状和非管状结构。在另一实施例中，丢弃最高本征值，评估余下的两个本征值来确定体素表示有效的非零值还是约为零的值。应该理解的是以上是非限制性范例，并且本文中预期其他方法。特征映射器212将一个或多个特征映射到预定标记214。合适的标记214的一个范例包括预设的或用户定义的红-绿-蓝（RGB）颜色元组。例如，在一个非限制性范例中，对于给定的体素，特征映射器212将管状映射为红色，滴状映射为黄色，其他几何特征映射为蓝色，等等。当体素具有滴状值为0.60，管状值为0.10，和其他本征值为0.30时，RGB值将是0.60的红色、0.10的蓝色和0.30的黄色的（加权或未加权）混合。需注意的是这些值可以归一化或未归一化到单位元素。当体素的滴状度、管状度和其他几何特征值为零时，体素保持其灰度值，并且不对其分配其他颜色。以上是非限制性范例，所述一个或多个特征可以映射到一个或多个其他标记，例如非颜色标记。图像处理器216基于映射的特征生成体积描绘。在图示的实施例中，图像处理器216基于一个或多个算法218生成体积描绘。合适的算法218包括，但不限制于，直接体积描绘（DVR）和/或其他算法。对于给定的体素，RBG元组使用DVR映射到一个不透明度值（A）。这可以通过转换函数或其他方式来实现，为给定的体素生成RGBA值。在非限制性的变型中，将特征映射到颜色并使用最大密度投影（MIP）或其他方法映射到2D投影上。接着将各特征-MIP乘以特征特异的颜色元组并混合（如，通过带加权系数的线性组合）成组合的颜色描绘。如以上简要指出地，矩阵A的六个（6）系数可以通过基于N/2个射线方向的联立方程求解得到，其中N等于或大于十二（12）。N=12条射线（6个方向）是通过联立方程估计六个（6）独立系数的射线的最小需要量。使用N=18条射线（9个方向）时，可以通过有限偏差类似于的Hesse矩阵的常规局部估计，分别使用x、y和z平面的3个方向来确定所述系数。使用N=26条射线，可在x、y、z网格上向所有最近邻投射射线来确定系数。如果选择射线方向来避免沿着射线的灰度值插值，可以特别关注N=12、18和26，这在沿每条射线使用固定采样步长的一般情形下是必要的。使用N>26条射线时，可以使用覆盖球面的等距的射线确定所述系数。接着，可以求解带有六个（6）未知数的超定方程组，例如，使用奇异值分解（SVD）或其他方法来拟合二次曲面矩阵。可选地，可以通过计算射线端点位置（或惯性椭球）的空间协方差矩阵∑(3×3)和对矩阵∑(3×3)求逆来确定系数。对于N=12、18和26，只估计来自输入图像体积网格的整数坐标的灰度值。相对于N=12、18和26，N>26提供了更高的鲁棒性，特别是在各向异性的数据集上，但是更加计算昂贵。通过进一步举例，对于N=12，可以将x、y和z网格上的方向选为Dxyz：D+ooD++oDo+oDo++Doo+D+o+.沿着每个方向D，轴向长度L通过射线投射来测量。因此，二次曲面上的点x通过x=DL给出。插入到二次曲面方程得到：(LD)A(LD)=L2·DAD=1，并且因此，DAD=L-2。矩阵系数Aij可从轴向长度L推导出为：A00=L+oo-2A11=Lo+o-2A22=Loo+-2A01=A10=L++o-2-(L+oo-2+Lo+o-2)/2A02=A20=L+o+-2-(L+oo-2+Loo+-2)/2A12=A21=Lo++-2-(Lo+o-2+Loo+-2)/2。对于N=18，x、y和z网格上的方向可选为Dxyz：D+ooD++oD+-oDo+oDo++Do+-Doo+D+o+D-o+，并且矩阵系数Aij可从轴向长度L推导出为：A00=L+oo-2A11=Lo+o-2A22=Loo+-2A01=A10=(L++o-2-L+-o-2)/2A02=A20=(L+o+-2-L+o--2)/2A12=A21=(Lo++-2-Lo+--2)/2。图3图示了基于图像数据生成和显示体积描绘的方法。应该理解，以下动作的顺序用于说明性目的而不是限制性的。因此，本发明也预期其他顺序。此外，可以省略所述动作中的一个或多个和/或可以包括一个或多个额外的动作。在302，获得图像数据。所述图像数据可由系统100或其他系统生成。在304，定义多个几何特性并为其分配不同的颜色。几何特性的范例包括但不限制于，滴状度或管状度，和/或其他特征中的一个或多个。在306，确定所述图像数据的多个体素中的每一体素与每个几何特性相符程度。在308，基于每个几何特性的程度和相应的颜色，为每个体素分配颜色值。在310，基于每个体素的颜色值，生成图像数据的体积描绘。在312，将体积描绘关联到图像数据。在314，同时可视化地呈现体积描绘和图像数据。图4图示了基于图像数据生成和显示体积描绘的方法。应该理解，以下动作的顺序用于说明性目的而不是限制性的。因此，本发明也预期其他顺序。此外，可以省略所述动作中的一个或多个和/或可以包括一个或多个额外的动作。在402，如本文中所描述，获得图像数据。在404，针对图像数据的每个体素（或其子集）独立地估计局部二次曲面。在406，确定所述局部二次曲面的本征值。在408，将本征值转换为一个或多个特征（如管状、滴状等）。在410，将本征值和/或特征映射到颜色。在412，将图像数据体素的颜色投影到体积描绘。在414，将体积描绘关联到图像数据。在416，同时可视化地呈现体积描绘和图像数据。本发明所述的方法可以通过计算机可读指令的方式实现，所述计算机可读指令在由一个（或多个）计算机处理器执行时，令所述一个（或多个）计算机处理器执行所描述的动作。应该理解，通过生成和显示体积描绘，无须将图形标记应用于图像数据，从而避免图像数据凌乱和对观察者的干扰。此外，不必作出离散标记或体素判定，这可以减轻或减少误报率。再者，可省略内部对象列表和/或分割。此外，例如，相对于局部Hessian本征值的描绘，局部二次曲面具有更低的噪声敏感性（0阶导数替代二阶导数），可以区分非常近邻（相对于他们的直径）的对象，并且可以无需建立尺度空间（存储和计算昂贵的）而描述不同尺度的对象。作为可选的实施例，从中央体素投射出来的射线可用于建立二阶矩量的矩阵，其中沿着每条射线的所有体素的位置累计成一个二阶矩量的矩阵M，每个体素位置用其灰度值加权：M[i,j]=I(x)*xi*xj，其中，I是位置x=(x0,x1,x2)处的图像密度（如，灰度值），下标i和j可以是0、1、2，即x、y、z。通常，图像矩量是图像点阵密度的某种特定加权平均，或是这样的矩量的函数。矩量的比率可以量化主体是更球形（如，类滴状，或肿瘤状）或者更细长（如，管状，或血管状）的程度。利用密度加权的矩量，无须在特定的停止条件下终止射线，并且沿着射线估计灰度值分布。通过二阶矩量的方法，将这些分布压缩成3×3的矩阵。可以针对给定范围内的所有体素或预定体素的子集计算矩量矩阵。在一个实施例中，通过只对沿着从中央体素投射出的射线的体素求和来近似矩量。可选地，可以修改沿着每个射线的灰度值I(x)，使得对于所有小于位置x到中央的距离d的到中央的距离为d’的位置x’，每个灰度值都在钳定到从中央位置到当前位置的最大灰度值：Imin(x)=min(I(x),I(x’))。这可以减少来自不连接的但接近的邻近对象的负面影响。在计算二阶矩量矩阵之后，确定其本征值，并且直接将本征值映射到相关颜色，或者先将本征值转换为诸如管状度、滴状度等的特征，然后映射到颜色，如本文中所描述。该实施例结合二阶矩量矩阵进行了讨论，然而，应该理解，可以可选地使用更高阶的矩量（如四阶矩量（峰态）或其他矩量）。尽管以上结合计算机断层摄影（CT）进行了讨论，但是应该理解，以上虽然未包括，但是也适用于其他成像模态，例如，正电子发射断层摄影（PET）、单光子发射计算机断层摄影（SPECT）、磁共振成像（MRI）、超声（US）、三维（3D）X射线和/或其他成像模态。已经参照各实施例对本发明进行了描述。他人在阅读所述描述时可以进行各种修改和变型。本发明旨在被解读为包括落入权利要求或其等价形式的范围之内的所有这样的修改和变型。