《获取四维心脏图像感兴趣体积的方法》由会员分享，可在线阅读，更多相关《获取四维心脏图像感兴趣体积的方法（4页珍藏版）》请在金锄头文库上搜索。
1、获取四维心脏图像感兴趣体积的方法专利名称：获取四维心脏图像感兴趣体积的方法技术领域：本发明涉及的是一种医学图像处理技术领域的方法，具体是一种在心脏体数据表面画出多边形感兴趣区域来对心脏的感兴趣体积(VOI, volume of interest)进行提取的方法。背景技术：世界心脏联合会宣布，目前全世界每年因心脏疾病死亡的人数占死亡总人数的三分之一。因此，对心脏疾病的提前预防和治疗就变得十分重要。截至目前为止已经出现了很多针对人类心脏中一些解剖组织的分割算法，最常见的就是针对冠状动脉、心房和心室等组织结构的分割。由于这些分割算法的分割对象具有针对性，所以不可以用一种统一的方法进行分割。因为心脏的
2、组织结构十分复杂，包括心房、心室、冠状动脉、血管、心包以及瓣膜等组织结构，心脏的连续搏动使得心脏影像具有连续改变的位移特性，很难进行四维图像的提取和定位，这就要求寻找到一种算法既能够完成局部任意感兴趣体积的三维提取，也能够方便选定任意三维组织进行四维可视化。这样不但满足了计算机辅助治疗和临床需求，在科研和临床也有很重要的意义。伴随三维医学成像技术的快速发展，使得观察组织结构内部或局部的立体结构成为了可能，从而可以观察到人体局部器官详细的结构和功能。虽然医学图像三维重建技术已经很成熟，可是感兴趣体积分割、四维可视化和量化分析等技术仍然不成熟。在对感兴趣体积的提取之前必须要保证被识别和分割区域的可
3、靠性，使得体积测量和心脏局部体积三维模型堆栈的四维可视化可以顺利进行。对心脏三维医学图像的任意区域实施提取是非常重要的研究工作，因 为它是实现心脏四维可视化和手术导航的基础。介于心脏解剖结构及其运动生理特点的复杂性，使得心脏边界的选择和局部体积的分割成为了一个难题。中国专利文献号为:CN200580040748.3，公开日:2007.10.31，发明名称为:“感兴趣体积的选择”中公开了一种在对象数据集中创建感兴趣体积(VOI)提取的方法，该对象数据集被格式化成对象数据切片，其中至少两个对象数据切片存在与该对象数据切片内的感兴趣体积相关的部分，这些切片上的相关点构成感兴趣区域的轮廓线。定义与至少
4、两个感兴趣区域相切的表面，定义上述表面与轮廓线相交的曲线方程，通过该曲线方程，这些曲线可以限定该表面内感兴趣体积部分的边界，通过优选自动产生切片内感兴趣体积的轮廓线。但该技术只针对有一定封闭性的组织器官，同时曲线方程只可以被限定在边缘线附近，对组织内部和周围分散的血管组织来说用该方法就不再适合，不适合任意组织的任意区域的分割。对于切面和曲线的获取，该算法的复杂度也十分大。美国专利文献号为:US2006/0170679A1,公开时间为2006.08.03，发明名称为“Representing a volume of interest as boolean combinations of mult
5、iple simplecontour sets”中公开了一种用软件和硬件相结合来完成用多个简单轮廓集合以布尔表达式的形式代表感兴趣体积(VOI)的方法，在感兴趣体积(VOI)的提取过程中始终围绕单轮廓集合的选取上，该方法将体数据分成四层，每一层都会提取出相应的轮廓信息，该技术中还就轮廓可能产生的不同形状进行了分析和讨论，每一层的信息还要同时以布尔表达式的形式被硬件设备处理，该技术不能实现任意区域的四维提取和可视化，其实现过程是软硬件相结合来实现感兴趣体积(VOI)的提取，使得实现成本和复杂度无法满足现有操作需要。Park, Sang Cheol ；Kim, Won Pil ；Zheng, Bi
6、n ；等人 2009.02.10,在“MedicalImaging 2009-1mage Processing，会议上发表的文章“Pulmonary airways treesegmentation from CT examinations using adaptive volume of interest，中写到了一种结合自适应确定阈值的区域增长算法来提取肺部感兴趣体积(VOI)的分割，该文献主要用圆筒状感兴趣模型实现了肺支气管的三维分割和显示，这种区域增长算法为了降低在给定感兴趣体积内选择上的遗漏，采用迭代的方式来降低这种可能性的出现，这样做大大降低了算法的性能，使得分割一次感兴趣体积需要
7、耗时大约一个小时十分钟。这种算法消耗时间太长,不适合临床应用。Kim, Jinman ;Cai, Weidong ;Feng, Dagan 等人在“Institute of Electrical andElectronics Engineers”期干丨J上发表的文章“A new way for multidimensional medicaldata management:Volume of interest(V0I)-based retrieval of medical images withvisual and functional features”中写到了一种应用模糊C_均值聚类分析算
8、法实现感兴趣体积(VOI)的分割，然后将分隔出来的VOI存入数据库，最后实现VOI的图像检索，这里面应用的模糊C-均值聚类分析算法本身易陷入局部极小值和对初始值敏感的缺点，尤其在聚类数越大的情况下这种缺点越明显。Guy Shechter, Cengizhan Ozturk,和 Elliot R.McVeigh 在 2000.02.13,的“Image Display and Visualization”会议上发表的文章“Interactive Four DimensionalSegmentation of Multiple Image Sets”,详细记载了一种四维心脏数据的分割和可视化工具，
9、该文献详细介绍了该交互式四维分割和可视化工具的功能和实现过程，该可视化软件在实现感兴趣区域的四维分割过程是建立在多边形网格的基础上得到包围感兴趣区域的曲面然后进行分割的，与本人的发明在网格的选取上和算法设计上有很大的区别，该文献在分割过程中还运用了 B样条曲面插值算法对给定的轮廓进行细化。存在的不足是B样条曲面插值算法没有充分考虑待插值点周围领域范围的点对待插值点的影响，在处理图像分辨率上表现欠佳。除此之外，在分割心脏数据的过程中，只对有明显轮廓的序列图像才有效，有一定局限性。中国专利文献号为:CN200510099178.7，公开日:2008.03.15，发明名称为:“从四维图像数据组中分割
10、出解剖结构的方法”，中公开了一种用于以时间序列的心脏三维图像中分割出血管解剖结构的方法，其基本思想是从时间序列三维图像数据组中分割出冠状血管树，可以缩短分割同等数量的序列的三维数据所消耗的时间，这种方法可以高效的对序列三维图像进行一致性提取。这种方法主要依靠连续的三维图像之间不可能任意移动，这个特点不仅可以限制立体数据组中代表冠状血管树的一部分元素，也可以明显的提高分割速度。通过时间步骤中的计算结果可以显著的改善分割的可靠性。该技术应用于分割冠状血管而非心脏的任意区域，同时也不能完成对血管的任意局部进行再度分割的功能，对于实现诊断血管及心房等内部结构来说都不够灵活。空间分割技术研究的核心是将一
11、个给定三维图形按照特定的区域划分法则实施快速高效的分割。在三维显示技术中，所提供的模型通常都是空间立体模型，为了绘制的更加快捷，立体模型要预先离散为单个的面元模形，空间分割可以概括为对空间大量面元按照特定规则进行分区的问题，对立方体分区，平移和缩放变换不能改变面元与分区之间的空间位置关系，空间分割技术研究的核心是将一个给定三维图形按照特定的区域划分法则实施快速高效的分割。为对空间大量面元进行体素化，并按照特定规则对体素进行分区。将物体的几何形式表示转换成最接近该物体的体素表示形式,产生体数据集,其不仅包含模型的表面信息，而且能描述模型的内部属性。空间分割技术不仅在数据较大的计算机图形显示中发挥
12、着主导作用，近年来已经延伸到其他三维显示技术相关的领域。该方法将大的三维图形按空间位置关系拆解为较小的子模块，利用子模块之间的空间位置关系的固定性，能够快速的对较大的三维立体数据进行操作、处理。例如二叉空间分割BSP (Binary Space Partitioning)以其高效和递归性成为空间分割技术的主导，可是BSP的缺点是:当想选择一个将空间中的多边形分割成一对相等的子集合的面是很复杂的，因为有无数个可以挑选的面。所以在集合中挑选最适合的面实现起来是很困难的。发明内容本发明针对现有技术存在的上述不足，提出一种获取四维心脏图像感兴趣体积的方法，可以自动的获得提取心脏感兴趣区域的轮廓所对应的
13、局部组织体数据集，最后实现心脏四维图像的局部提取和可视化，由于通过适当的转变后，提取出的图像堆栈所占有的空间与提取前的图像堆栈相比会大大减少，并由此显著降低了四维可视化所消耗的时间。本发明是通过以下技术方案实现的，本发明通过读取组织结构的体数据并进行体素化处理，经过三角面片集合向交互式多边形选择区域投影，得到基于体数据的心肌四维可视化数据；然后通过对网格化投影面中选择区域的精确提取、网格扩充处理，得到包含在感兴趣区域内的所有面元，最后通过八叉树编码，一致性提取得到任意时序图像的体素集合，从而实现基于体数据的心血管系统四维可视化数据。所述的组织结构包括:冠状动脉、心室、心房、瓣膜、心包以及血管等
14、组织结构。所述的体数据是指:组织结构的序列CT图像，采用最小二乘法，得到各采样点对应的近似切平面中心，同时计算其组成的协方差矩阵，计算其特征值，把最小的特征值所对应的单位特征向量，当作该近似切平面的法向量。对切平面进行法向量调整使其指向曲面的同侧，对其进行局部线性逼近，构造一有符号距离函数。最后，对距离函数进行插值，采用Marching Cubes算法来进行等值面的抽取，最终输出重建结果，得到由三角形面片组成的表面模型。所述的交互式多边形选择区域投影是指:将三角面片集合向投影面做投影，得到投影区域，然后通过交互方式确定一个任意多边形后，判断多边形的每一条边与投影面中正方形网格的位置关系:当该直
15、线经过A(xa，ya)和B(xb，yb)，那么利用两点式直线的方程可表示为:由公式(5)通过连线的方程将X递增并向下取整，很容易得出x=l，2，3，4，时y的值:由公式(6)再对yn值向下取整,所得(Xpy1), (x2, y2), (x3, y3),-定是这条直线经过的正方体网格。但上述方法会遗漏某些特殊情况，即左上方的正方形网格也可能是该直线经过的正方形网格，这是由于只在X轴上递增的向下取整，才导致这些点没有被考虑在内。当该直线的斜率和A点与第一个网格右上方顶点M(xc，yc)连线的斜率k做比较来得出结论。用公式(7)利用这种方法能够快速的计算出直线经过的所有正方形网格。推广到任意多边形所
16、经过的网格也可以全部求出来。所述的体素化(Voxelization)处理是指:将组织结构由三角形面片组成的表面模型转换成内部离散化的体素(Voxel)并产生体数据集(Volume Datasets);所述的体素(Voxel)是指:二维像素在三维空间的转换，它们是一组分布在正交网格中心的立方体单元，不仅可以包含模型的表面信息，还能描述模型的内部属性。所述的体素化处理包括:三角面片顶点的体素化、三角面片边的体素化、三角面片的体素化以及三角面片包围模型对模型内部的体素化。所述的精确提取包括:获取多边形经过正方形网格、获取面元边缘点的坐标集合以及获取多边形的最小外接矩形。所述的网格扩充是指:对最小外接矩形进行网格扩充循环递归，然后用射线法得到包含在感兴趣区域内的所有面元；所述的八叉树编码是指:八叉树结构表达三维图像的方法，其定位码规则包括:I)给定分辨率n，也即确定了坐标系统的大小，每个坐标轴的取值范围从0到2n_l，n的取值为3。2)八叉树每个点的编码位置91是(0，1，2，7)八个数之一，qi的个数取决于分辨
