Визуализация представляющей интерес ткани в данных контрастированного изображения
Владельцы патента RU 2692038:
КОНИНКЛЕЙКЕ ФИЛИПС Н.В. (NL)
Изобретение относится к вычислительной технике. Технический результат – улучшенная визуализация представляющей интерес ткани в данных контрастированного изображения. Способ визуального отображения данных изображения содержит: получение данных контрастированного изображения, имеющих множество вокселей, при этом каждый воксель имеет значение интенсивности; определение вероятности принадлежности к сосуду каждого вокселя; определение гиподенсивности каждого вокселя; взвешивание интенсивности на соответствующую вероятность принадлежности к сосуду; взвешивание гиподенсивности на соответствующую вероятность принадлежности к сосуду; объединение взвешенных значений интенсивности и взвешенных значений гиподенсивности с генерированием сводных данных изображения; и визуальное отображение сводных данных изображения. 3 н. и 15 з.п. ф-лы, 15 ил.
В целом нижеописанное изобретение относится к визуализации данных изображения и, в частности, к визуализации представляющей интерес ткани в данных контрастированного изображения, и описано с конкретным применением к компьютерной томографии (КТ). Нижеописанное изобретение также применимо к средствам магнитно-резонансной (МР), ультразвуковой (УЗ) и/или другой трехмерной (3D) визуализации с возможностью визуализации с контрастированием.
Компьютерный томографический (КТ) сканер включает в себя рентгеновскую трубку, которая испускает излучение, которое пересекает область исследования и участок субъекта в данной области. Детектор обнаруживает излучение, пересекающее область исследования и генерирует данные проекций, характеризующие обнаруженное излучение. Блок реконструкции реконструирует данные проекций и генерирует объемные данные изображения, характеризующие участок субъекта в области исследования. Объемные данные изображения могут быть обработаны для генерирования одного или более изображений участка субъекта в области исследования.
В случае контрастированного сканированного изображения такие изображения визуально просматривались для обнаружения эмболии легких, например, для пациентов с болями груди. Присутствие эмболии легких может представлять опасность для жизни, но обнаруженную эмболию легких можно излечить лекарственными препаратами. Эмболия легких проявляется в форме зон гиподенсивности в легочных артериях, обычно заполненных контрастным веществом. Однако визуальный поиск эмболии легких является кропотливой задачей, для решения которой блок считывания изображений контролирует все изображения. Гиподенсивность местоположений эмболии легких сравнительно малозаметна по сравнению с контрастом между сосудами и окружающей легочной паренхимой. По существу, эмболия легких может быть не выявлена.
Методы рендеринга данных изображения включают в себя проекцию максимальной интенсивности (MIP), проекцию минимальной интенсивности (mIP) и проекцию с усилением плотностей сосудов в единицах по шкале Хаунсфилда (HU). К сожалению, данные методы не достаточно пригодны для обнаружения эмболии легких. Например, в случае MIP эмболия легких имеет плотность в единицах по шкале Хаунсфилда (HU) (или КТ-числом) ниже, чем окружающее сосудистое пространство. Пример представлен на фигурах 1 и 2. Фигура 1 представляет двухмерный слой 102 с рамкой 104, ограничивающей представляющий интерес объем (VOI). Фигура 2 представляет стандартную MIP 202 интенсивностей в рамке 104. Как показано, сосуды и несосудистые ткани перекрываются, закрывая друг друга.
В случае MIP эмболия легких может не проявляться потому, что она имеет плотность ниже, чем нормальные сосуды. В случае mIP эмболия легких может не проявляться потому, что, хотя она имеет плотность ниже, чем нормальные сосуды, она имеет HU выше, чем окружающая паренхимальная или медиастинальная ткань. В случае проекции с усилением HU-плотностей сосудов эмболия легких может не проявляться потому, что HU-плотности изменяются по легочному сосудистому дереву в зависимости от распределения контраста, диаметра сосудов и т.п. и местоположения гиподенсивности могут быть закрыты другими окружающими сосудами. Таким образом, приведенные подходы также производят рендеринг, который не очень полезен при обнаружении эмболии легких. С учетом по меньшей мере изложенного выше существует потребность в других подходах к визуализации данных изображения, например, для осмотра и обнаружения эмболии легких.
Аспекты, описанные в настоящей заявке, относятся к решению вышеприведенных и других проблем.
Ниже приведено описание подхода к обработке изображений для получения рендеринга, который выделяет подозреваемое присутствие и местоположения эмболии легких в объемных данных контрастированного изображения. Повышение контраста, в одном случае, достигается посредством объединения фильтра сосудов и фильтра гиподенсивности. Результаты работы фильтров сосудов и гиподенсивности могут быть визуализированы по отдельности посредством операций рендеринга и/или комбинированного рендеринга. Один или более результатов рендеринга могут быть отображены на графическом пользовательском интерфейсе (GUI) и облегчают эффективную навигацию на основе операций рендеринга с усилением контраста эмболии легких к местоположению эмболии легких в соответствующем двухмерном слое.
В одном аспекте способ включает в себя получение данных контрастированного изображения, имеющих множество вокселей, при этом каждый воксель имеет значение интенсивности. Способ дополнительно включает в себя определение значения вероятности принадлежности к сосуду для каждого вокселя. Способ дополнительно включает в себя определение значения гиподенсивности для каждого вокселя. Способ дополнительно включает в себя взвешивание каждого из значений интенсивности на соответствующее значение вероятности принадлежности к сосуду. Способ дополнительно включает в себя взвешивание каждого из значений гиподенсивности на соответствующее значение вероятности принадлежности к сосуду. Способ дополнительно включает в себя объединение взвешенных значений интенсивности и взвешенных значений гиподенсивности с генерированием посредством этого сводных данных изображения. Способ дополнительно включает в себя визуальное отображение сводных данных изображения.
В другом аспекте компьютерная система включает в себя процессор и память. Память включает в себя модуль обработки данных изображения с машиночитаемыми командами. Процессор в ответ на исполнение машиночитаемых команд модуля обработки данных изображения получает данные контрастированного изображения, которые включают в себя воксели, имеющие значения интенсивности, определяет значение вероятности принадлежности к сосуду для каждого вокселя, определяет значение гиподенсивности для каждого вокселя, взвешивает каждое из значений интенсивности на соответствующее значение вероятности принадлежности к сосуду, взвешивает каждое из значений гиподенсивности на соответствующее значение вероятности принадлежности к сосуду, объединяет взвешенные значения интенсивности и взвешенные значения гиподенсивности, генерирует сводные данные изображения и визуально отображает сводное изображение.
В другом аспекте машиночитаемый носитель данных кодирован машиночитаемыми командами. Машиночитаемые команды, будучи исполняемыми процессором, заставляют процессор: определять вероятность принадлежности к сосуду для каждого вокселя в данных изображения, определять гиподенсивность для каждого из вокселей, взвешивать данные изображения на вероятность принадлежности к сосуду с генерированием данных изображения, взвешенных на вероятность принадлежности к сосуду, взвешивать гиподенсивности на вероятность принадлежности к сосуду с генерированием гиподенсивностей, взвешенных на вероятность принадлежности к сосуду, объединять данные изображения, взвешенные на вероятность принадлежности к сосуду, и гиподенсивности, взвешенные на вероятность принадлежности к сосуду, с генерированием сводных данных, и визуально отображать сводные данные.
Изобретение может принимать форму различных компонентов и схем расположения компонентов и различных этапов и схем расположения этапов. Чертежи предназначены только для пояснения предпочтительных вариантов осуществления и не подлежат истолкованию в смысле ограничения изобретения.
Фигура 1 показывает аксиальный слой из контрастированного сканированного изображения и рамку, ограничивающую представляющий интерес объем.
Фигура 2 показывает рендеринг методом MIP в соответствии с уровнем техники, соответствующий данным изображения в рамке, ограничивающей представляющий интерес объем, на фигуре 1.
Фигура 3 схематически иллюстрирует пример компьютерной системы с модулем обработки данных изображения в связи с системой визуализации.
Фигура 4 схематически иллюстрирует пример обработки данных изображения, которая включает в себя фильтр сосудов и фильтр гиподенсивности.
Фигура 5 схематически иллюстрирует пример фильтра сосудов.
Фигура 6 схематически иллюстрирует пример фильтра гиподенсивности.
Фигура 7 иллюстрирует изображение интенсивности, взвешенного по вероятности принадлежности к сосуду.
Фигура 8 иллюстрирует изображение гиподенсивности, взвешенной по вероятности принадлежности к сосуду.
Фигура 9 иллюстрирует сводное изображение, сгенерированное объединением изображений с фигур 7 и 8.
Фигура 10 иллюстрирует двухмерный слой, соответствующий выбранному местоположению в сводном изображении с фигуры 9.
Фигура 11 иллюстрирует другое изображение интенсивности, взвешенной на вероятность принадлежности к сосуду.
Фигура 12 иллюстрирует другое изображение гиподенсивности, взвешенной на вероятность принадлежности к сосуду.
Фигура 13 иллюстрирует сводное изображение, сгенерированное объединением изображений с фигур 11 и 12.
Фигура 14 иллюстрирует двухмерный слой, соответствующий выбранному местоположению в сводном изображении с фигуры 13.
Фигура 15 иллюстрирует способ визуализации представляющей интерес ткани.
На фигуре 3 схематически показана примерная система 300 визуализации, например, компьютерный томографический (КТ) сканер. Система 300 визуализации включает в себя, как правило, стационарный гантри 302 и поворотный гантри 304. Поворотный гантри 304 установлен с возможностью поворота на стационарном гантри 302 и поворачивается вокруг области 306 исследования относительно продольной или z-оси. Опора 308 для субъекта, например стол, поддерживает субъекта в области 306 исследования, например, до, во время и/или после сканирования.
Источник 310 излучения, например рентгеновская трубка, установлен с возможностью поворота на поворотный гантри 304. Источник 310 излучения поворачивается вместе с поворотным гантри 304 и испускает излучение, которое пересекает область 306 исследования. Одно- или двумерная радиационно-чувствительная детекторная матрица 312 стягивает угловую дугу, противолежащую источнику 310 излучения с другой стороны области 306 исследования. Детекторная матрица 312 включает в себя множество рядов детекторов, которые простираются в направлении z-оси. Детекторная матрица 312 обнаруживает излучение, пересекающее область 306 исследования, и генерирует данные проекций, характеризующие данную область.
Компьютерная система служит в качестве консоли 314 оператора и включает в себя читаемое человеком устройство вывода, например, монитор и устройство ввода, например, клавиатуру, мышь и т.п. Консоль 314 дает возможность оператору взаимодействовать со сканером 300 посредством графического пользовательского интерфейса (GUI) и/или иным образом. Например, пользователь может использовать устройство ввода консоли 314 оператора, чтобы выбрать протокол визуализации с контрастированием и/или другой визуализации. Блок 316 реконструкции реконструирует данные проекций и формирует объемные данные, характеризующие их.
Компьютерная система 318 включает в себя процессор 320 (например, центральный процессор (ЦП), микропроцессор (μЦП), графический процессор (GPU) или подобное и машиночитаемый носитель данных («память») 322. Память 322 исключает временный носитель и включает в себя физическую память и/или другой невременный носитель данных. Память 322 включает в себя модуль 324 обработки данных изображения, который включает в себя команды обработки изображения. Процессор 320 выполняет компьютерные команды модуля 324 обработки данных изображения. Компьютерная система 318 может быть частью консоли 314 оператора и/или быть отдельной от нее (как показано на фигуре 3).
Модуль 324 обработки данных изображения включает в себя команды обработки изображений, которые, будучи исполняемыми процессором 320, заставляют процессор генерировать один или более рендерингов, которые выделяют подозреваемое присутствие и местоположения представляющей интерес ткани, например, эмболии легких, в объемных данных контрастированного изображения. Как подробно описано ниже, упомянутое действие включает в себя применение фильтров к объемным данным изображения и отображение полученных результатов рендеринга независимо и/или в форме объединенного результата рендеринга. Рендеринги визуально выделяют представляющую интерес ткань и, по отношению к эмболии легких, смягчают вышеописанные недостатки методов MIP, mIP и усиления сосудов.
Компьютерная система 318 дополнительно включает в себя устройство(а) 328 вывода, например, экранный монитор, устройство экспозиции пленки и т.п. и устройство(а) 330 ввода, например, мышь, клавиатуру и т.п. Устройство(а) 328 вывода можно использовать для визуального отображения данных изображения, например, реконструированных данных изображения, слоев, сформированных из них и/или одного или более рендерингов. Устройство(а) 330 ввода можно использовать для выбора одного или более из реконструированных данных изображения, слоев, сформированные из них и/или одного или более рендерингов для отображения на экранном мониторе устройств(а) 328 вывода, выбора области отображаемых одного или более рендерингов для навигации к соответствующему слою в объемных данных изображения и т.п.
Один или более из результатов рендеринга могут быть отображены на графическом пользовательском интерфейсе (GUI) консоли 314 оператора. Данный дисплей может облегчать эффективную навигацию по рендерингам, усиливающим контраст эмболии легких, к соответствующим представляющим интерес местоположениям в стандартном двухмерном слое объемных данных изображения для стандартной визуальной оценки. Один или более результатов рендеринга могут сохраняться в хранилище 332 данных, например, системе архивации и передачи изображений (PACS), радиологической информационной системе (RIS), больничной информационной системе (HIS), электронной медицинской карте (EMR), сервере, базе данных и/или другом хранилище данных.
Фигура 4 схематически изображает пример модуля 324 обработки данных изображения.
Модуль 324 обработки данных изображения принимает в виде ввода объемные данные I(x) изображения, которые, например, включают в себя интенсивности в единицах по шкале Хаунсфилда (HU). Объемные данные I(x) изображения могут быть получены из системы 300 визуализации, другой системы визуализации хранилища 332 данных и/или другого хранилища данных.
Модуль 324 обработки данных изображения включает в себя фильтр 402 сосудов. Фильтр 402 сосудов обрабатывает каждый воксель объемных данных I(x) изображения независимо. Фильтр 402 сосудов создает для каждого вокселя трехмерные изоповерхности и вектор V(x) скалярных признаков вероятности принадлежности к сосуду на основании объемных данных I(x) изображения.
На фигуре 5 представлена схема примерного фильтра 402 сосудов.
Примерный фильтр 402 сосудов включает в себя блок 502 отслеживания лучей фильтра сосудов (VF), порог(и) 504 интенсивности, блок 506 вычисления тензора радиальной структуры (RST), блок 508 определения вероятности принадлежности к сосуду и селектор 510 вероятности принадлежности к сосуду. Пороги 504 интенсивности в одном случае включают в себя набор предварительно заданных порогов интенсивности. В другом случае, пороги 504 интенсивности включают в себя базовый порог интенсивности и либо шаг приращения, либо шаг уменьшения.
Блок 502 отслеживания лучей VF разводит для вокселя данных I(x) изотропные лучи из центральной области вокселя в трех измерениях, сквозь соседние воксели. Блок 502 отслеживания лучей VF сравнивает, когда луч выводится из вокселя, интенсивность луча на каждом вокселе, который луч пересекает, с порогом T порога(ов) 504. Блок 502 отслеживания лучей VF, в ответ на интенсивность луча, пересекающего воксель, ниже первого порога T из порога(ов) 504, приостанавливает луч на вокселе. В ином случае, блок 502 отслеживания лучей VF продолжит проводку луча в следующий соседний воксель.
Блок 502 отслеживания лучей VF выполняет вышеописанное для всех или поднабора лучей, разводимых из вокселя, для всех или поднабора вокселей объемных данных I(x) изображения, для всех или поднабора порога(ов) 504. Вышеописанное может включать в себя начало с наибольшего из порога(ов) 504 и использование следующего наименьшего (или уменьшение) порога при следующей итерации. Следует понимать, что данный порядок не является ограничивающим и может быть использован любой порядок, включая обработку с использованием всех или поднабора порога(ов) 504 параллельно. Лучи для каждого T формируют изоповерхность S(T).
Блок 506 вычисления RST вычисляет для каждой из изоповерхностей S(T) тензор радиальной структуры (RST). Пример вычисления RST описан (для единственного порога изоповерхности) в работе Rafael Wiemker et al., «A Radial Structure Tensor and Its Use for Shape-Encoding Medical Visualization of Tubular and Nodular Structures», IEEE Transactions on Visualization and Computer Graphics, VOL.19, 2013.
Блок 508 определения вероятности принадлежности к сосуду, в одном случае, определяет вероятность принадлежности к сосуду, как показано в УРАВНЕНИИ 1:
EQUATION 1:
vT(x)=e1⋅c,
где e1⋅означает второе наибольшее собственное значение RST (т.е. второе по абсолютной величине), а c означает центричность. Центричность может быть вычислена, как показано в УРАВНЕНИИ 2:
УРАВНЕНИЕ 2:
c=MAX{0, 1-σr/μr},
где μr означает средний радиус луча, а σr означает стандартное отклонение радиусов лучей.
Примерный фильтр 402 сосудов дополнительно включает в себя селектор 510 вероятности принадлежности к сосуду. Селектор 510 вероятности принадлежности к сосуду идентифицирует для каждого вокселя и для всех или поднабора изоповерхностей S(T) вероятность vT принадлежности к сосуду с максимальным значением и выбирает максимальное значение в качестве вероятности V(x) принадлежности к сосудам для вокселя в положении x. Фильтр 402 сосудов выдает вектор (или уровень характеристики фильтра) вероятности V(x) принадлежности к сосуду для всех положений x.
Как показано на фигуре 4, модуль 324 обработки данных изображения включает в себя фильтр 404 гиподенсивности. Фильтр 404 гиподенсивности обрабатывает каждый воксель объемных данных I(x) изображения независимо, в связи с соответствующей ему изоповерхностью. Фильтр 404 гиподенсивности создает для каждого вокселя вектор H(x) скалярного признака гиподенсивности на основании объемных данных I(x) изображения и изоповерхностей S(T), которые дают максимальное значение vT.
На фигуре 6 представлена схема примерного фильтра 404 гиподенсивности.
Пример фильтра 404 гиподенсивности включает в себя блок 602 отслеживания лучей, порог(и) 604 интенсивности, блок 606 определения средней интенсивности и накопитель 608 гиподенсивностей. Порог(и) 604 интенсивности в показанном варианте осуществления включают в себя порог(и) 504 интенсивности. В измененном варианте порог(и) 604 интенсивности включают в себя по меньшей мере один отличающийся порог.
Блок 602 отслеживания лучей фильтра гиподенсивности (HDF) разводит в изоповерхности, которая дала максимальное значение vT, изотропные лучи в трех измерениях. Аналогично блоку 502 отслеживания лучей VF, блок 602 отслеживания лучей HDF приостанавливает луч, когда интенсивность луча оказывается ниже порога T порога(ов) 604. Блок 602 отслеживания лучей HDF повторяет данное действие для всех или поднабора изоповерхностей S(T), дающих максимальное значение vT.
Блок 606 определения средней интенсивности по мере того, как блок 602 отслеживания лучей HDF отслеживает лучи для всех порогов T порога(ов) 604, вычисляет скользящее среднее μI. Накопитель 608 гиподенсивностей накапливает гиподенсивность H(x) для каждого нового отсчета I(xʹ) интенсивности. В одном случае, накопитель 608 гиподенсивностей накапливает гиподенсивность H(x), как показано в УРАВНЕНИИ 3:
УРАВНЕНИЕ 3:
H(x)+=sup{0,I(xʹ)-μI}.
Как показано на фигуре 4, модуль 324 обработки данных изображения дополнительно включает в себя блок 406 объединения. Блок 406 объединения данных принимает, как данные ввода, I(x), V(x) и H(x). Блок 406 объединения данных включает в себя первый блок 408 определения MIP1 и второй блок 410 определения MIP2. Первый блок 408 определения MIP1 определяет первую MIP1, как показано в УРАВНЕНИИ 4:
УРАВНЕНИЕ 4:
MIP1=V(x)⋅I(x),
где MIP1 представляет стандартные локальные интенсивности, взвешенные на локальные вероятности принадлежности к сосуду. Второй блок 410 определения MIP2 определяет второе MIP2, как показано в УРАВНЕНИИ 5:
УРАВНЕНИЕ 5:
MIP2=V(x)⋅H(x),
где MIP2 представляет локальные гиподенсивности, взвешенные на локальные вероятности принадлежности к сосуду.
Модуль 324 обработки данных изображения дополнительно включает в себя механизм 412 рендеринга. Механизм 412 рендеринга принимает, как данные ввода, по меньшей мере MIP1 и MIP2. Механизм 412 рендеринга предоставляет два независимых MIP (MIP1 и MIP2) посредством устройств(а) 328 вывода. Механизм 412 рендеринга также объединяет два MIP, например, линейно или нелинейно, и формирует сводный результат рендеринга. Объединение показывает пространственную ориентацию внутри сосудистой системы с цветовым кодированием положений гиподенсивностей. В измененном варианте механизм 412 рендеринга также принимает и предоставляет по меньшей мере одно из V(x) или H(x).
Механизм 412 рендеринга в ответ на прием сигнала, характеризующего выбранную пользователем область осуществляемого рендеринга (т.е. MIP1, MIP2 или их объединение) из устройств(а) 330 ввода, определяет трехмерное местоположение, которое внесло максимальный вклад интенсивности в данный луч просмотра рендеринга. Сигнал может быть инициирован пользователем, выбирающим область в рендеринге, с помощью мыши, сенсорного экрана и/или другим способом. Затем механизм 412 рендеринга налагает графические знаки (например, визирные нити или другие знаки) на результат объемного рендеринга для визуальной идентификации выбранной области. Механизм 412 рендеринга дополнительно представляет двухмерный слой, соответствующий найденному трехмерному положению. Механизм 412 рендеринга налагает графические знаки (например, визирные нити или другие знаки) на двухмерный слой.
Пользователь может наблюдать и/или манипулировать любым из рендерингов. Для анализа эмболии легких это может включать в себя принятие решения, присутствует ли эмболия легких. Фильтр 402 сосудов может быть использован (например, с обращенным знаком) для усиления дыхательных путей вместо сосудов. На усиленные дыхательные пути можно налагать (например, другим цветом) рендеринг MIP. Это допускает неявную ориентацию пользователя, поскольку известно, что артерии проходят параллельно дыхательным путям (в отличие от вен).
На фигурах 7 и 8 показаны примеры MIP1, а на фигурах 9 и 10 показаны примеры MIP2. На фигурах 11 и 12 показаны примеры сводных рендерингов, при этом фигура 11 составлена из фигур 7 и 9, а фигура 12 составлена из фигур 10 и 11.
В изображенном варианте осуществления в сводных рендерингах (фигуры 11 и 12) как значения интенсивности, взвешенные на вероятность принадлежности к сосуду, (фигуры 7 и 8), так и значения гиподенсивности, взвешенные на вероятность принадлежности к сосуду, (фигуры 9 и 10) показаны в полутоновой шкале. В измененном варианте по меньшей мере одни из значений интенсивности, взвешенных на вероятность принадлежности к сосуду, или значений гиподенсивности, взвешенных на вероятность принадлежности к сосуду, предоставляются в цвете, что позволяет дополнительно визуально различать гиподенсивности и сосуды.
Фигуры 13 и 14 представляют двухмерные изображения, соответствующие выбранным местоположениям в сводных изображениях на фигурах 11 и 12.
Фигура 15 представляет способ генерирования и отображения объемного рендеринга на основе данных изображения.
Следует понимать, что порядок нижеописанных этапов является всего лишь наглядным, а не ограничивающим. По существу, в настоящей заявке предполагается возможность других порядков. Кроме того, один или более из этапов могут отсутствовать и/или один или более этапов может быть включен.
На этапе 1502 получают данные контрастированного изображения. Воксели данных изображения являются значениями интенсивности.
На этапе 1504 определяют значение вероятности принадлежности к сосуду для каждого вокселя полученных данных контрастированного изображения.
На этапе 1506 определяют значение гиподенсивности для каждого вокселя полученных данных контрастированного изображения.
На этапе 1508 значения интенсивности взвешивают на значение вероятности принадлежности к сосуду с генерированием значений интенсивности, взвешенных на вероятность принадлежности к сосуду.
На этапе 1510 значения гиподенсивности взвешивают на значение вероятности принадлежности к сосуду с генерированием значений гиподенсивности, взвешенных на вероятность принадлежности к сосуду.
На этапе 1512 значения интенсивности, взвешенные на вероятность принадлежности к сосуду, и значения гиподенсивности, взвешенные на вероятность принадлежности к сосуду, объединяют с генерированием сводных данных изображения.
На этапе 1514 визуально отображают сводные данные изображения.
Вышеописанные способы могут быть реализовать с помощью машиночитаемых команд, кодированных или встроенных на машиночитаемом носителе данных, которые, будучи исполняемыми процессором(ами) компьютера, заставляют процессор(ы) выполнять описанные этапы. Дополнительно или в качестве альтернативы, по меньшей мере одна из машиночитаемых команд переносится сигналом, несущей волной или другим временным носителем.
Изобретение описано со ссылкой на предпочтительные варианты осуществления. После прочтения и изучения предыдущего подробного описания другими специалистами могут быть созданы модификации и изменения. Предполагается, что изобретение следует интерпретировать как включающее в себя все модификации и изменения в той мере, в которой они входят в пределы объема прилагаемой формулы изобретения или ее эквивалентов.
1. Способ визуального отображения данных изображения, содержащий:
получение данных контрастированного изображения, имеющих множество вокселей, при этом каждый воксель имеет значение интенсивности;
определение значения вероятности принадлежности к сосуду для каждого вокселя;
определение значения гиподенсивности для каждого вокселя;
взвешивание каждого из значений интенсивности на соответствующее значение вероятности принадлежности к сосуду;
взвешивание каждого из значений гиподенсивности на соответствующее значение вероятности принадлежности к сосуду;
объединение взвешенных значений интенсивности и взвешенных значений гиподенсивности с генерированием посредством этого сводных данных изображения; и
визуальное отображение сводных данных изображения,
причем определение значения вероятности принадлежности к сосуду для вокселя содержит:
отслеживание лучей из центральной области вокселя в трех измерениях в соседние воксели;
сравнение значения интенсивности каждого луча, когда каждый луч пересекает соседний воксель, с первым предварительно заданным порогом интенсивности;
приостановку отслеживания луча только в ответ на значение интенсивности этого луча ниже первого предварительно заданного порога интенсивности, при этом лучи в совокупности формируют первую изоповерхность; и
повторение отслеживания, сравнения и приостановки для по меньшей мере одного последующего предварительно заданного порога интенсивности с формированием по меньшей мере одной последующей изоповерхности.
2. Способ по п. 1, дополнительно содержащий
взвешивание каждого из значений интенсивности умножением каждого из значений интенсивности на соответствующее значение вероятности принадлежности к сосуду.
3. Способ по любому из пп. 1, 2, дополнительно содержащий
взвешивание каждого из значений гиподенсивности умножением каждого из значений гиподенсивности на соответствующее значение вероятности принадлежности к сосуду.
4. Способ по любому из пп. 1-3, дополнительно содержащий
генерирование сводного изображения наложением взвешенных значений гиподенсивности на взвешенные значения интенсивности.
5. Способ по п. 4, дополнительно содержащий:
рендеринг взвешенных значений интенсивности с использованием полутоновой шкалы; и
рендеринг взвешенных значений гиподенсивности с использованием цвета.
6. Способ по п. 1, причем определение значения вероятности принадлежности к сосуду для вокселя дополнительно содержит:
определение первого тензора радиальной структуры на основании первой изоповерхности;
определение первой вероятности принадлежности к сосуду на основании первого тензора радиальной структуры;
определение последующего тензора радиальной структуры на основании упомянутой по меньшей мере одной последующей изоповерхности; и
определение последующей вероятности принадлежности к сосуду на основании последующего тензора радиальной структуры.
7. Способ по п. 6, причем первую вероятность принадлежности к сосуду определяют умножением второго наибольшего собственного значения первого тензора радиальной структуры на первую центричность, которая основана на среднем радиусе луча и стандартном отклонении радиусов лучей, и при этом упомянутую по меньшей мере одну последующую вероятность принадлежности к сосуду определяют умножением второго наибольшего собственного значения последующего тензора радиальной структуры на вторую центричность.
8. Способ по п. 7, причем определение значения вероятности принадлежности к сосуду для вокселя дополнительно содержит:
выбор вероятности принадлежности к сосуду из первой вероятности принадлежности к сосуду и упомянутой по меньшей мере одной последующей вероятности принадлежности к сосуду, имеющей максимальное значение, в качестве вероятности принадлежности к сосуду для вокселя.
9. Способ по п. 8, причем определение значения гиподенсивности для вокселя дополнительно содержит:
отслеживание лучей от изоповерхности, соответствующей выбранной вероятности принадлежности к сосуду, в трех измерениях в соседние воксели;
сравнение значения интенсивности каждого луча, когда каждый луч пересекает соседний воксель, с первым предварительно заданным порогом интенсивности;
приостановку отслеживания луча в ответ на значение интенсивности луча ниже первого предварительно заданного порога интенсивности;
вычисление скользящего среднего по значению интенсивности; и
вычисление гиподенсивности на основании интенсивности вокселя и скользящего среднего.
10. Способ по п. 9, причем определение значения гиподенсивности для вокселя дополнительно содержит
вычисление гиподенсивности вычитанием скользящего среднего из интенсивности вокселя.
11. Способ по любому из пп. 9-10, причем определение значения гиподенсивности для вокселя дополнительно содержит:
отслеживание лучей от изоповерхности, соответствующей выбранной вероятности принадлежности к сосуду, в трех измерениях в соседние воксели;
сравнение значения интенсивности каждого луча, когда каждый луч пересекает соседний воксель, с упомянутым по меньшей мере одним последующим предварительно заданным порогом интенсивности;
приостановку отслеживания луча в ответ на значение интенсивности луча ниже упомянутого по меньшей мере одного последующего предварительно заданного порога интенсивности;
обновление скользящего среднего по значению интенсивности; и
вычисление гиподенсивности на основании интенсивности вокселя и обновленного скользящего среднего.
12. Способ по любому из пп. 1-11, дополнительно содержащий:
прием ввода, указывающего область в отображаемых сводных данных изображения;
идентификацию двухмерного изображения из данных изображения, соответствующих этой области; и
отображение двухмерного изображения.
13. Компьютерная система (318) визуального отображения данных изображения, содержащая:
процессор (320); и
память (322), включающую в себя модуль (324) обработки данных изображения с машиночитаемыми командами, при этом процессор в ответ на исполнение машиночитаемых команд модуля обработки данных изображения:
получает данные контрастированного изображения, имеющие множество вокселей, причем каждый воксель имеет значение интенсивности;
определяет значение вероятности принадлежности к сосуду для каждого вокселя;
определяет значение гиподенсивности для каждого вокселя;
взвешивает каждое из значений интенсивности на соответствующее значение вероятности принадлежности к сосуду;
взвешивает каждое из значений гиподенсивности на соответствующее значение вероятности принадлежности к сосуду;
объединяет взвешенные значения интенсивности и взвешенные значения гиподенсивности;
генерирует сводные данные изображения; и
визуально отображает сводное изображение,
причем процессор в ответ на исполнение машиночитаемых команд модуля обработки данных изображения дополнительно:
отслеживает лучи из центральной области вокселя в трех измерениях в соседние воксели;
сравнивает значение интенсивности каждого луча, когда каждый луч пересекает соседний воксель, с первым предварительно заданным порогом интенсивности;
приостанавливает отслеживание луча в ответ на значение интенсивности этого луча ниже первого предварительно заданного порога интенсивности, при этом лучи в совокупности формируют первую изоповерхность; и
повторяет отслеживание, сравнение и приостановку для по меньшей мере одного последующего предварительно заданного порога интенсивности с формированием по меньшей мере одной последующей изоповерхности.
14. Компьютерная система по п. 13, причем процессор в ответ на исполнение машиночитаемых команд модуля обработки данных изображения дополнительно:
отслеживает лучи из центральной области вокселя в трех измерениях в соседние воксели;
сравнивает значение интенсивности каждого луча, когда каждый луч пересекает соседний воксель, с первым предварительно заданным порогом интенсивности;
приостанавливает отслеживание луча в ответ на значение интенсивности луча ниже первого предварительно заданного порога интенсивности, при этом лучи в совокупности формируют первую изоповерхность;
повторяет отслеживание, сравнение и приостановку для по меньшей мере одного последующего предварительно заданного порога интенсивности с формированием по меньшей мере одной последующей изоповерхности;
определяет первый тензор радиальной структуры на основании первой изоповерхности;
определяет первую вероятность принадлежности к сосуду на основании первого тензора радиальной структуры;
определяет последующий тензор радиальной структуры на основании упомянутой по меньшей мере одной последующей изоповерхности;
определяет последующую вероятность принадлежности к сосуду на основании последующего тензора радиальной структуры; и
выбирает вероятность принадлежности к сосуду из первой вероятности принадлежности к сосуду и упомянутой по меньшей мере одной последующей вероятности принадлежности к сосуду, имеющей максимальное значение, в качестве вероятности принадлежности к сосуду для вокселя.
15. Компьютерная система по п. 14, причем процессор в ответ на выполнение машиночитаемых команд модуля обработки данных изображения дополнительно:
отслеживает лучи от изоповерхности, соответствующей выбранной вероятности принадлежности к сосуду, в трех измерениях в соседние воксели;
сравнивает значение интенсивности каждого луча, когда каждый луч пересекает соседний воксель, с первым предварительно заданным порогом интенсивности;
приостанавливает отслеживание луча в ответ на значение интенсивности луча ниже первого предварительно заданного порога интенсивности;
вычисляет скользящее среднее по значению интенсивности; и
вычисляет гиподенсивность на основании интенсивности вокселя и скользящего среднего.
16. Компьютерная система по п. 15, причем процессор в ответ на исполнение машиночитаемых команд модуля обработки данных изображения дополнительно:
отслеживает лучи от изоповерхности, соответствующей выбранной вероятности принадлежности к сосуду, в трех измерениях в соседние воксели;
сравнивает значение интенсивности каждого луча, когда каждый луч пересекает соседний воксель, с упомянутым по меньшей мере одним последующим предварительно заданным порогом интенсивности;
приостанавливает отслеживание луча в ответ на значение интенсивности этого луча ниже упомянутого по меньшей мере одного последующего предварительно заданного порога интенсивности;
обновляет скользящее среднее по значению интенсивности; и
вычисляет гиподенсивность на основании интенсивности вокселя и обновленного скользящего среднего.
17. Компьютерная система по п. 16, причем процессор в ответ на исполнение машиночитаемых команд модуля обработки данных изображения дополнительно:
принимает ввод, указывающий область в отображаемых сводных данных изображения;
идентифицирует двухмерное изображение из данных изображения, соответствующих этой области; и
отображает двухмерное изображение.
18. Машиночитаемый носитель (322) данных, кодированный одной или более исполняемыми машиной командами, которые, будучи исполняемыми процессором (320) компьютерной системы (318), заставляют процессор выполнять этапы способа по п. 1.
