• 专利附录
  • 专利说明
  • 权利要求
  • 类似技术
  • 同族专利
  • 引用文献
  • 法律状态
  • 优先权
    • 专利摘要:
    Es wird ein Algorithmus zur lokalen Oberflächenglättung in einem definierten Volumen of Interest ("VOI") vorgestellt, der aus dreidimensionalen ("3-D") Volumendaten, wie z. B. Lungen-Computertomographie("CT")-Daten, erhalten wird. Da das VOI allgemein eine glatte und stückweise geradlinige Oberfläche ist, kann das Erscheinen von einer oder mehreren Erhebungen eine Abnormalität andeuten. In Lungen-CT-Daten z. B. können solche Erhebungen Knötchen sein, die aus der Brustwand wachsen. Die Knötchen können Lungenkrebs andeuten. Durch die Oberflächenglättung werden potentielle Pathologien von den umgebenden anatomischen Strukturen separiert. Beispielsweise können die Knötchen von der Brustwand segmentiert werden. Die separierten Pathologien können als Diagnosebeleg untersucht werden.A local surface smoothing algorithm in a defined volume of interest ("VOI") is presented, consisting of three-dimensional ("3-D") volume data, such as: Lung computed tomography ("CT") data. Since the VOI is generally a smooth and piecewise straight-lined surface, the appearance of one or more bumps may indicate an abnormality. In lung CT data z. For example, such elevations may be nodules growing from the chest wall. The nodules may indicate lung cancer. Surface smoothing separates potential pathologies from the surrounding anatomical structures. For example, the nodules can be segmented by the chest wall. The separated pathologies can be examined as a diagnostic document.
    公开号:DE102004030084A1
    申请号:DE200410030084
    申请日:2004-06-22
    公开日:2005-02-17
    发明作者:Bernhard Goebel；Hong Shen Ph.D
    申请人:Siemens Corporate Research Inc；
    IPC主号:G06T5-00
    专利说明:
    [0001] Dievorliegende Erfindung bezieht sich auf das Gebiet der Computerbildgebungund insbesondere auf lokale Oberflächenglättung in einem definiertenVolume of Interest („VOI"), das aus dreidimensionalenVolumendaten erhalten wird.TheThe present invention relates to the field of computer imagingand in particular to local surface smoothing in a definedVolume of Interest ("VOI"), which consists of three-dimensionalVolume data is obtained.
    [0002] NeueFortschritte bei medizinischen Bildgebungsanlagen haben zu einergrößeren Effizienzund einer höherenLeistungsfähigkeitbei der Untersuchung, Diagnose und Operation von verschiedenen Krankheitsartengeführt.Dreidimensionale („3D") Bildgebungsmodalitäten, wiez. B. Mehrschicht-Computertomographie(„CT")-Scanner, erzeugeneine umfangreiche Menge an digitalen Daten, welche für einenMenschen (z.B. einem Arzt) im Allgemeinen ohne zusätzlicheHilfe schwer zu interpretieren sind. Computer-aided diagnosis(„CAD")-Systeme spielen beimUnterstützendes Menschen eine entscheidende Rolle, besonders bei der Visualisierung,Segmentierung, Erkennung, Registrierung und Berichten von medizinischenPathologien.NewAdvances in medical imaging systems have become onegreater efficiencyand a higher onecapacityin the investigation, diagnosis and operation of various types of diseasesguided.Three-dimensional ("3D") imaging modalities, such asz. Multi-slice computed tomography ("CT") scannersan extensive amount of digital data, which for onePeople (e.g., a doctor) generally without additionalHelp are difficult to interpret. Computer-aided diagnosis ("CAD") systems play in theSupportof humans, especially in visualization,Segmentation, detection, registration and reporting of medicalPathologies.
    [0003] Eineder bedeutenderen CAD-Aufgaben beinhaltet die Untersuchung und Früherkennungvon verschiedenen Krebsarten aus Volu mendaten (z.B. CT-Volumendaten).Lungenkrebs zum Beispiel ist in den Vereinigten Staaten und dergesamten Welt die Haupttodesursache unter allen Krebsarten. EinPatient mit diagnostiziertem Lungenkrebs hat eine durchschnittliche5-Jahres Überlebensratevon nur 14%. Auf der anderen Seite erhöht sich die erwartete 5-Jahres Überlebensratedrastisch auf 60 bis 70%, wenn der Lungenkrebs in Phase I diagnostiziertwurde. Andere Krebsarten, wie zum Beispiel Dickdarmkrebs, habenebenso eine Verringerung der Sterbewahrscheinlichkeit gezeigt, wasaus der Früherkennungund Entfernung der Krebstumore resultiert. Bedauerlicherweise erkennenbestehende Verfahren charakteristische Symptome verschiedener Krebsartenim Allgemeinen nicht vor dem fortgeschrittenen Stadium der Krankheit.Daher ist es ein primäresZiel im Weiterentwickeln der präventivenKrebsuntersuchung, eine frühereErkennung von charakteristischen Symptomen bereitzustellen.AThe more significant CAD tasks include examination and early detectionof various cancers from volume data (e.g., CT volume data).For example, lung cancer is in the United States and the United Statesthe world's leading cause of death among all cancers. OnePatient with diagnosed lung cancer has an average5-year survivalof only 14%. On the other hand, the expected 5-year survival rate increasesdrastically at 60 to 70% if the lung cancer is diagnosed in Phase I.has been. Other cancers, such as colon cancer, havealso shown a reduction in mortality, whichfrom the early detectionand removal of the cancerous tumors. Regrettably, recognizeexisting procedures characteristic symptoms of various cancersgenerally not before the advanced stage of the disease.That's why it's a primary oneTarget in the further development of the preventiveCancer investigation, an earlier oneTo provide detection of characteristic symptoms.
    [0004] Unterden verschiedenen CAD-Funktionalitäten zur Krebsuntersuchung istdie automatische Segmentierung von verdächtigen Interessenbereichentypischerweise ein entscheidender Schritt zur weiteren Analyse.Dies beinhaltet Quantifizierung, Merkmalsmessungen, Klassifizierungund Bestimmung der Knötchenwachstumsrate.Die möglichen pathologischenRegionen sind oft mit den umgebenden anatomischen Strukturen verbunden.Die Segmentierung solcher Regionen von den verbundenen Anatomienist ein schwieriges Problem, vornehmlich, weil der Unterschied zwischenden Intensitätender Pathologie und der Anatomie gering ist. Daher wird zum Separierender Pathologien anstelle von einfachen schwellenwertbasierten Methodenoftmals die Gestaltsanalyse durchgeführt.Underthe various CAD functionalities for cancer screeningthe automatic segmentation of suspicious areas of interesttypically a crucial step for further analysis.This includes quantification, feature measurements, classificationand determining the nodule growth rate.The possible pathologicalRegions are often associated with the surrounding anatomical structures.The segmentation of such regions from the connected anatomiesis a difficult problem, mainly because of the difference betweenthe intensitiespathology and anatomy is low. Therefore, to be separatedpathologies instead of simple threshold-based methodsoften the shape analysis performed.
    [0005] Pathologiensind in geometrischer Form typischerweise kugelförmig oder halbkugelförmig. Invielen Fällensind diese ku gelähnlichenPathologien an geradlinigen oder stückweise geradlinigen Oberflächen angelagert.Bei der Lungenkrebsuntersuchung beispielsweise besteht eines derHauptziele darin, innerhalb der Lungenregionen das Wachstum vonkleinen Tumoren (z.B. Knötchen)zu erkennen, zu segmentieren und zu beobachten. Die Lungen enthalten komplexeStrukturen aus verzweigten Gefäßen und Atemwegen.Lungenknötchenkönnen überall inder Lunge gefunden werden, einschließlich angelagert an Brustfelloder Gefäßen. DieSegmentierung eines Knötchensvom Brustfell ist eine schwierige Aufgabe. Das am Brustfell angelagerteKnötchenkann die Form einer halbkugelförmigenErhebung auf einer relativ glatten und geradlinigen Brustwandoberfläche haben.Bei der Dickdarmkrebsuntersuchung, als weiteres Beispiel, sind diean den inneren Dickdarmoberflächenangelagerten kleine Tumore (z.B. Polypen) die wichtigen potentiellenPathologien, die zu erkennen, zu segmentieren und zu beobachtensind. Wie das Knötchenkann auch ein Polyp die Form einer halbkugelförmigen Erhebung haben und aufder relativ glatten und stückweisegeradlinigen, zylinderförmigeninneren Oberflächedes Dickdarms sitzen.pathologiesare typically spherical or hemispherical in geometric form. Inmany casesthese are ku gelähnlichenPathologies attached to rectilinear or piecewise rectilinear surfaces.For example, in the lung cancer investigation, one of theIts main objectives are to increase the growth of lung regionssmall tumors (e.g., nodules)to recognize, segment and observe. The lungs contain complexStructures of branched vessels and respiratory tract.pulmonary nodulescan be anywhere inthe lungs are found, including attached to the pleuraor vessels. TheSegmentation of a nodulefrom the pleura is a difficult task. The attached to the pleuranodulemay be the shape of a hemisphericalHave elevation on a relatively smooth and rectilinear chest wall surface.In the colon cancer investigation, as another example, are theon the inner colon surfacesSmall tumors (e.g., polyps) that are important potentialPathologies that recognize, segment and observe theare. Like the noduleAlso, a polyp may have the shape of a hemispherical elevation and upthe relatively smooth and piecewiserectilinear, cylindricalinner surfaceof the large intestine.
    [0006] DieSegmentierung von potentiellen Pathologien, wie zum Beispiel amBrustfell angelagerte Knötchenund am Dickdarm angelagerte Polypen, von den umgebenden anatomischenStrukturen, kann als ein lokales Oberflächenglättungsproblem betrachtet werden.Wenn ein Anwender auf ein Knötchenoder Polyp klickt, kann ein Volume of Interest („VOI") um den Klickpunkt des Anwenders definiertwerden. Das CAD-System kann die Größe des VOI fixieren, um dasgrößte Knötchen einzugrenzen.Die inneren Oberflächenvon Brustfell und Dickdarm sind größtenteils glatt und stückweisegeradlinig, wodurch das Knötchenoder der Polyp die einzige abrupte Unterbrechung der Glätte undstückweisenGeradlinigkeit ist. Eine Oberflächenglättung entferntdie Er hebung auf der Oberflächeund die Differenz zwischen dem geglätteten VOI und dem originalenVOI ist dann das segmentierte Knötchenoder der Polyp.TheSegmentation of potential pathologies, such as onBreastplate attached nodulesand the large intestine attached polyps, from the surrounding anatomicalStructures can be considered as a local surface smoothing problem.When a user clicks on a noduleor Polyp clicks, a volume of interest ("VOI") can be defined around the user's click pointbecome. The CAD system can fix the size of the VOI to theto narrow down the largest nodules.The inner surfacesThe pleura and colon are largely smooth and piecemealstraight, making the noduleor the polyp the only abrupt interruption of the smoothness andpiecewiseStraightforwardness is. A surface smoothing removedthe elevation on the surfaceand the difference between the smoothed VOI and the original oneVOI is then the segmented noduleor the polyp.
    [0007] ImFolgenden wird nun ein exemplarisches Knötchensegmentierungsverfahrenbeschrieben. In einem vom Anwender definierten Klickpunkt wird das Verfahrenin einem Bereich angewendet, der sich aus dem Zentrum entwickeltund die Vordergrundvoxel erreicht. Die Vordergrundstruktur enthält einenKnötchenkandidatenund optional angelagerte Gefäße und einenTeil des Brustfells. Wenn das Verfahren feststellt, dass innerhalbdes VOI ein Brustfell (oder eine Brustwand) ist, wird eine Brustwandausschlussprozeduraktiviert. Die Brustwand wird mittels eines Rolling-Ball-basiertenVerfahrens geglättet.Die verbleibende Vordergrundstruktur wird als Structure of Interest(„SOI") bezeichnet. DieFormanalyse wird angewendet, um den Kern des SOI und das Zentrum desKerns zu erreichen. Eine 3D-Kugelmatrize wird auf den Kern angewendet.Das Verfahren erweitert iterativ die Matrize und errechnet eineKreuzkorrelationskurve. Die Matrize ist bezogen auf die Auswertungder Kreuzkorrelationskurve optimiert. Das sich ergebende Segmentist der Anteil des SOI, der sich mit der optimalen Kugelmatrize überschneidet.An exemplary nodule segmentation method will now be described. In At a user-defined click point, the method is applied in an area that evolves from the center and reaches the foreground voxels. The foreground structure contains a nodule candidate and optionally attached vessels and a portion of the pleura. If the method determines that there is a pleura (or chest wall) within the VOI, a chest wall exclusion procedure is activated. The chest wall is smoothed using a rolling ball-based procedure. The remaining foreground structure is referred to as the structure of interest ("SOI") .The shape analysis is used to reach the core of the SOI and the center of the nucleus, using a 3-D spherical matrix to extend the matrix and iteratively calculates a cross-correlation curve The template is optimized with respect to the evaluation of the cross-correlation curve The resulting segment is the fraction of SOI that overlaps with the optimal ball-matrix.
    [0008] Einentscheidender Schritt fürdie obige Segmentierung der am Brustfell angelagerten Knötchen istdie Ausschließungder Brustwandpartie im binären VOI.Das obige exemplarische Verfahren sowie andere bekannte Verfahrensind 2D-basiert. Das VOI wird als eine Reihe von 2D axialen Teilabbildungen angesehen.Auf jedem Teil ist die binäreAbbildung der Vordergrundbereiche trassiert und die Kontur wirdmittels Verkrümmungsinformationanalysiert. Das Rolling-Ball-Verfahren setzt eine stückweisegeradlinige Kontur mit abrupten Erhebungen voraus, die zu entfernendensind. Der rollende Ball wird an jedem Hochverkrümmungspunkt der Kontur platziert undfalls es mehr als einen Schnittpunkt mit der Kontur gibt, wird derKonturbereich zwischen den Schnittpunkten durch eine Linie ersetzt.Onedecisive step forthe above segmentation is the nodules attached to the pleurathe exclusionthe chest wall part in binary VOI.The above exemplary method as well as other known methodsare 2D based. The VOI is considered as a series of 2D axial part figures.On each part is the binary oneIllustration of the foreground areas is traced and the outline becomesby means of curvature informationanalyzed. The Rolling Ball procedure is a piecemealrectilinear contour with abrupt elevations ahead, the ones to be removedare. The rolling ball is placed at each high-curvature point of the contour andif there is more than one intersection with the contour, theContour area between the intersections replaced by a line.
    [0009] Dasoben beschriebene, exemplarische Knötchensegmentierungsverfahrenist u.a. ungenau, fehleranfälligin geräuschvollenSituationen, langsam und abhängigvon Eingabestellen.Thedescribed above, exemplary nodule segmentation methodsis u.a. inaccurate, error-pronein noisySituations, slow and dependentfrom entry points.
    [0010] EinAspekt der vorliegenden Erfindung ist ein computerimplementiertesVerfahren der lokalen Oberflächenglättung einesdreidimensionalen(„3D") binären Volumeof Interest („VOI"). Das VOI weist eineVielzahl von 3D-Oberflächenpunktenauf. Das Verfahren enthältein Identifizieren einer Projektionsebene, Erhalten einer zweidimensionalen(„2D") Projektionsabbildungdurch Projizieren der Vielzahl an 3D-Oberflächenpunkten auf die Projektionsebene, Ermittelneiner Vielzahl von Intensitätender Projektionsabbildung, wobei die Vielzahl an Intensitäten Abstände vonder Vielzahl an 3D-Oberflächenpunkten zurProjektionsebene enthält,Identifizieren eines Erhebungsbereichs auf der 2D-Projektionsabbildung, wobeidie Vielzahl an 3D-OberflächenpunktenPunkte außerhalbund um den Erhebungsbereich herum und Punkte innerhalb des Erhebungsbereichsaufweist, und wobei die Vielzahl an Intensitäten Intensitäten vonPunkten außerhalbund um den Erhebungsbereich herum und Intensitäten der Punkte innerhalb desErhebungsbereichs aufweist, Erhalten angepasster Funktionswertedurch Anpassen eines Polynoms dritter Ordnung an die Intensitäten der Punkteaußerhalbund um den Erhebungsbereich herum, Ersetzen der Intensitäten derPunkte innerhalb des Erhebungsbereichs durch die angepassten Funktionswerteund Projizieren der angepassten Funktions werte innerhalb des Erhebungsbereichs aufder 2D-Projektionsabbildungzum 3D-VOI zurück.OneAspect of the present invention is a computer-implementedMethod of local surface smoothing of athree-dimensional ("3D") binary volumeof interest ("VOI"). The VOI has oneVariety of 3D surface pointson. The procedure containsidentifying a projection plane, obtaining a two-dimensional ("2D") projection imageby projecting the plurality of 3D surface points onto the projection plane, determininga variety of intensitiesthe projection image, wherein the plurality of intensities distances ofthe multitude of 3D surface points to theContains projection plane,Identifying a land area on the 2D projection image, whereinthe multitude of 3D surface pointsPoints outsideand around the elevation area and points within the elevation areaand wherein the plurality of intensities are intensities ofPoints outsideand around the survey area and intensities of the points within theHas collection range, getting adjusted function valuesby fitting a third-order polynomial to the intensities of the pointsoutsideand around the elevation area, replacing the intensities ofPoints within the survey area by the adjusted function valuesand projecting the adjusted functional values within the survey areathe 2D projection imageback to 3D VOI.
    [0011] Einanderer Aspekt der vorliegenden Erfindung ist ein maschinenlesbaresMedium, worauf Instruktionen zur Ausführung durch einen Prozessor gespeichertsind, um ein Verfahren der lokalen Oberflächenglättung eines dreidimensionalen(„3D") binären Volumeof Interest („VOI") auszuführen. DasVOI weist eine Vielzahl von 3D-Oberflächenpunkten auf. Das Verfahrenbeinhaltet Identifizieren einer Projektionsebene, Erhalten einerzweidimensionalen(„2D") Projektionsabbildungdurch Projizieren der Vielzahl an 3D-Oberflächenpunkten auf die Projektionsebene,Ermitteln einer Vielzahl von Intensitäten der Projektionsabbildung,wobei die Vielzahl an Intensitäten Abstände vonder Vielzahl an 3D-Oberflächenpunktenzur Projektionsebene enthält,Identifizieren eines Erhebungsbereichs auf der 2D-Projektionsabbildung, wobeidie Vielzahl an 3D-OberflächenpunktenPunkte außerhalbund um den Erhebungsbereich herum und Punkte innerhalb des Erhebungsbereichsaufweist, und wobei die Vielzahl an Intensitäten Intensitäten vonPunkten außerhalbund um den Erhebungsbereich herum und Intensitäten der Punkte innerhalb desErhebungsbereichs aufweist, Erhalten angepasster Funktionswertedurch Anpassen eines Polynoms dritter Ordnung an die Intensitäten der Punkteaußerhalbund um den Erhebungsbereich herum, Ersetzen der Intensitäten derPunkte innerhalb des Erhebungsbereichs durch die angepassten Funktionswerteund Projizieren der angepassten Funktionswerte innerhalb des Erhebungsbereichs aufder 2D-Projektionsabbildungzum 3D-VOI zurück.OneAnother aspect of the present invention is a machine-readable oneMedium, whereupon instructions for execution are stored by a processorare a method of local surface smoothing of a three-dimensional ("3D") binary volumeof interest ("VOI")VOI has a variety of 3D surface points. The procedureincludes identifying a projection plane, getting atwo-dimensional ("2D") projection imageby projecting the plurality of 3D surface points onto the projection plane,Determining a plurality of intensities of the projection image,wherein the plurality of intensities are distances fromthe multitude of 3D surface pointscontains to the projection level,Identifying a land area on the 2D projection image, whereinthe multitude of 3D surface pointsPoints outsideand around the elevation area and points within the elevation areaand wherein the plurality of intensities are intensities ofPoints outsideand around the survey area and intensities of the points within theHas collection range, getting adjusted function valuesby fitting a third-order polynomial to the intensities of the pointsoutsideand around the elevation area, replacing the intensities ofPoints within the survey area by the adjusted function valuesand projecting the adjusted function values within the survey areathe 2D projection imageback to 3D VOI.
    [0012] Einanderen Aspekt der vorliegenden Erfindung ist ein System der lokalenOberflächenglättung einesdreidimensionalen(„3D") binären Volumeof Interest („VOI"). Das VOI weisteine Viel zahl von 3D-Oberflächenpunktenauf. Das System beinhaltet Mittel zum Identifizieren einer Projektionsebene,Mittel zum Erhalten einer zweidimensionalen(„2D") Projektionsabbildung durch Projizierender Vielzahl an 3D-Oberflächenpunktenauf die Projektionsebene, Mittel zum Ermitteln einer Vielzahl vonIntensitäten derProjektionsabbildung, wobei die Vielzahl an Intensitäten Abstände vonder Vielzahl an 3D-Oberflächenpunktenzur Projektionsebene enthält,Mittel zum Identifizieren eines Erhebungsbereichs auf der 2D-Projektionsabbildung,wobei die Vielzahl an 3D-OberflächenpunktenPunkte außerhalbund um den Erhebungsbereich herum und Punkte innerhalb des Erhebungsbereichsaufweist, und wobei die Vielzahl an Intensitäten Intensitäten vonPunkten außerhalbund um den Erhebungsbereich herum und Intensitäten der Punkte innerhalb desErhebungsbereichs aufweist, Mittel zum Erhalten angepasster Funktionswertedurch Anpassen eines Polynoms dritter Ordnung an die Intensitäten derPunkte außerhalbund um den Erhebungsbereich herum, Mittel zum Ersetzen der Intensitäten derPunkte innerhalb des Erhebungsbereichs durch die angepassten Funktionswerteund Mittel zum Projizieren der angepassten Funktionswerte innerhalbdes Erhebungsbereichs auf der 2D-Projektionsabbildung zum 3D-VOIzurück.Another aspect of the present invention is a local surface smoothing system of a three-dimensional ("3D") binary volume of interest ("VOI"). The VOI has a lot of 3D surface points. The system includes means for identifying a projection plane, means for obtaining a two-dimensional ("2D") projection image by projecting the plurality of 3D surface points onto the projection plane, means for determining a plurality of intensities of the projection image, the plurality of intensities being distances from the projection image Contains a variety of 3D surface points to the projection plane, means identifying a land area on the 2D projection image, wherein the plurality of 3D surface points have points outside and around the land area and points within the land area, and wherein the plurality of intensities are intensities of points outside and around the land area and intensities of the points within the bump area, means for obtaining adjusted function values by fitting a third order polynomial to the intensities of the points outside and around the bump area, means for replacing the intensities of the points within the bump area with the adjusted function values, and means for projecting the adjusted function values within of the survey area on the 2D projection map back to 3D VOI.
    [0013] DieErfindung kann unter Bezugnahme auf die folgende Beschreibung inVerbindung mit den beiliegenden Zeichnungen nachvollzogen werden,in welchen gleiche Bezugszeichen gleiche Teile kennzeichnen undin welchen:TheThe invention may be better understood by reference to the following descriptionBe understood in conjunction with the attached drawings,in which like reference numerals designate like parts andin which:
    [0014] 1(a) ein Teil eines exemplarischenVolume of Interest („VOI") in Übereinstimmungmit einem Ausführungsbeispielder vorliegenden Erfindung darstellt, 1 (a) represents part of an exemplary volume of interest ("VOI") in accordance with an embodiment of the present invention,
    [0015] 1(b) eine projizierte 2D-Abbildungdes VOI aus 1(a) in Übereinstimmungmit einem Ausführungsbeispielder vorliegenden Erfindung darstellt, 1 (b) a projected 2D image of the VOI 1 (a) in accordance with an embodiment of the present invention,
    [0016] 1(c) eine Gradientenabbildungder projizierten 2D-Abbildungaus 1(b) in Übereinstimmungmit einem Ausführungsbeispielder vorliegenden Erfindung darstellt, 1 (c) a gradient mapping of the projected 2D image 1 (b) in accordance with an embodiment of the present invention,
    [0017] 1(d) einen segmentiertenund erweiterten 2D-Knötchenbereichdes VOI aus 1(c) miteinem punktierten Viereck, das den Bereich zeigt, in welchem einPolynom dritter Ordnung angepasst ist, in Übereinstimmung mit einem Ausführungsbeispiel dervorliegenden Erfindung zeigt, 1 (d) a segmented and extended 2D nodule area of the VOI 1 (c) with a dotted quadrilateral, showing the region in which a third order polynomial is fitted, in accordance with an embodiment of the present invention,
    [0018] 1(e) die Intensitäten des2D-Knötchenbereichsaus 1(d), die durchangepasste Funktionswerte ersetzt sind, in Übereinstimmung mit einem Ausführungsbeispielder vorliegenden Erfindung darstellt, und 1 (e) the intensities of the 2D nodule area 1 (d) , which are replaced by adjusted function values, in accordance with an embodiment of the present invention, and
    [0019] 1(f) die 3D-Knötchenpunkteaus 1(a), die durchdie Projektion zurückauf das VOI aus 1(a) entferntwurden, in Übereinstimmung miteinem Ausführungsbeispielder vorliegenden Erfindung darstellt. 1 (f) the 3D nodule points off 1 (a) by looking back at the VOI by projection 1 (a) in accordance with an embodiment of the present invention.
    [0020] VeranschaulichendeAusführungsbeispiele derErfindung sind nachstehend beschrieben. Um der Klarheit willen sindnicht alle Merkmale einer tatsächlichenAusführungin dieser Beschreibung dargestellt. Es versteht sich natürlich, dassin der Entwicklung eines solchen tatsächlichen Ausführungsbeispielszahlreiche ausführungsspezifischeEntscheidungen getroffen werden müssen, um die genauen Zieleder Entwickler zu erreichen, wie z.B. Befolgung von mit systembezogenenund geschäftsbezogenenBedingungen, welche von einer Ausführung zur anderen variieren.Ferner versteht sich, dass solch ein Entwicklungsaufwand komplexund zeitaufwendig sein kann, aber mit der Unterstützung dieser Offenbarungwürde esfür dendurchschnittlichen Fachmann routinemäßiges Handeln sein.IllustrativeEmbodiments of theInvention are described below. For the sake of claritynot all features of an actualexecutionshown in this description. It goes without saying thatin the development of such an actual embodimentnumerous execution-specificDecisions must be made to the exact goalsto reach the developer, e.g. Compliance with system-relatedand business relatedConditions that vary from one execution to another.Further, it is understood that such a development effort is complexand time consuming, but with the support of this disclosureit wouldfor theaverage professional routine action.
    [0021] Obwohldie Erfindung fürverschiedene Modifikationen und alternative Formen geeignet ist,werden spezifische Ausführungsbeispielehiervon als Beispiel in den Zeichnungen gezeigt und sind hierin imDetail beschrieben. Es versteht sich jedoch, dass die Beschreibungder spezifischen Ausführungsbeispielehierin nicht beabsichtigt, die Erfindung auf die offenbarten speziellenFormen zu begrenzen, sondern im Gegenteil, es Intension ist, alleModifikationen, Äquivalenteund Alternativen, die in den Geist und Umfang der Erfindung fallen,wie durch die angefügtenAnsprüchedefiniert, abzudecken.Even thoughthe invention forvarious modifications and alternative forms are suitable,become specific embodimentsthereof are shown by way of example in the drawings and are incorporated herein by referenceDetail described. It is understood, however, that the descriptionthe specific embodimentsIt is not intended to limit the invention to the particular ones disclosedLimiting forms, on the contrary, it is intension, allModifications, equivalentsand alternatives that fall within the spirit and scope of the inventionas by the attachedclaimsdefined to cover.
    [0022] Esversteht sich, dass die hierin beschriebenen Systeme und Verfahrenin verschiedenen Arten von Hardware, Software, Firmware, Spezialprozessorenoder einer Kombination hiervon implementiert werden können. Insbesondereist zumindest ein Teil der vorliegenden Erfindung vorzugsweise alseine Anwendung implementiert mit Programminstruktionen, die konkretauf einer oder mehreren Programmspeichereinheiten (z. B. Festplatte,magnetische Diskette, RAM, ROM, CD-ROM, etc.) enthalten und durchein Gerätoder eine Maschine mit passender Architektur, wie zum Beispiel einemMehrzweckdigitalcomputer mit einem Prozessor, Speicher und Eingangs-/Ausgangsschnittstellen,ausführbarsind. Es ist weiterhin selbstverständlich, dass nachdem einige derin den beigefügtenFiguren beschriebenen einzelnen Systemkomponenten und Prozessschritte vorzugsweisein Software implementiert sind, die Verbindung zwischen Systemmodulen(oder dem Logikfluss der Verfahrensschritte) abhängig von der Art in der dievorliegende Erfindung programmiert wurde, differieren können. Jemandmit durchschnittlichem Wissen auf dem diesbezüglichen Fachgebiet wird mit derhierin vorgegebenen Lehre in der Lage sein, diese und ähnlicheAusführungender vorliegenden Erfindung zu betrachten.It is understood that the systems and methods described herein may be implemented in various types of hardware, software, firmware, special purpose processors, or a combination thereof. In particular, at least part of the present invention is preferably implemented as an application with program instructions concretely contained on one or more program storage units (eg, hard disk, magnetic disk, RAM, ROM, CD-ROM, etc.) and by a device or a machine with suitable architecture, such as a multipurpose digital computer with a processor, memory and input / output interfaces, are executable. It is further understood that after some of the individual system components and process steps described in the accompanying figures are preferably implemented in software, the connection between system modules (or the logic flow of the method steps) may differ depending on the manner in which the present invention has been programmed. One of ordinary skill in the art will be able to do so with the teachings herein, such and similar embodiments of the present Er to consider.
    [0023] Wirzeigen ein prozessorbasiertes Verfahren zur lokalen Oberflächenglättung ineinem definierten Volume of Interest („VOI"), da aus dreidimensionalen („3D") Volumendaten, wiez. B. Lungen-Computertomographie(„CT")-Daten, erhalten wird. Da das VOI allgemeineine glatte und stückweisegeradlinige Oberflächeist, kann die Inklusion von einer oder mehreren Erhebungen eineAbnormalitätandeuten. In Lungen-CT-Daten z. B. können solche Erhebungen Knötchen sein,die aus der Brustwand wachsen. Die Knötchen können die Möglichkeit von Lungenkrebs verkörpern. Durchdie Oberflächenglättung werdendie Erhebungen von den umgebenden anatomischen Strukturen separiert.Beispielsweise könnendie Knötchenvon der Brustwand segmentiert werden. Die separierten Erhebungenkönnenals Diagnosebeleg untersucht werden.Weshow a processor-based method for local surface smoothing ina defined volume of interest ("VOI"), because of three-dimensional ("3D") volume data, such asz. Lung computed tomography ("CT") data, since the VOI is generala smooth and piecemealstraight-lined surfaceThe inclusion of one or more surveys may be oneabnormalitysuggest. In lung CT data z. For example, such elevations may be nodules,which grow out of the chest wall. The nodules may embody the possibility of lung cancer. Bythe surface smoothing will bethe elevations separated from the surrounding anatomical structures.For example, you canthe nodulesbe segmented by the chest wall. The separated surveyscanbe examined as a diagnostic document.
    [0024] Dashierin beschriebene prozessorbasierte lokale Oberflächenglättungsverfahren(nachstehend „dasVerfahren") ist3D-basiert und bereichsbasiert. Esstellt eine Alternative zur gegenwärtigen zweidimensional(„2D")-basierten Methodenbereit. Es versteht sich, dass das Ziel von beiden, 2D- und 3D-basierten Methoden,ist, eine Brustwand von einem definierten VOI zu entfernen. DerprimäreUnterschied zwischen 2D- und 3D-Verfahrenist, dass in dem 2D-Verfahren die Brustwand Stück für Stück entfernt wird, während indem 3D-Verfahren die Brustwand als Ganzes entfernt wird. Bereichsbasiertbedeutet, dass die Voxel zusammen als ein Bereich ausgewählt werden.Das ist der Unterschied zu einem konturbasierten Verfahren, welcheserst die Randkonturen des Bereichs auswählt und dann die Voxel innerhalbder Kontur ausfüllt.TheProcessor-based local surface smoothing methods described herein(hereinafter referred to as "theProcedure ") is3D-based and area-based. Itprovides an alternative to current two-dimensional ("2D") -based methodsready. It is understood that the goal of both 2D and 3D based methods,is to remove a chest wall from a defined VOI. Of theprimaryDifference between 2D and 3D methodsis that in the 2D procedure the chest wall is removed piece by piece while inthe 3D process removes the chest wall as a whole. area basedmeans that the voxels are selected together as one area.That is the difference to a contour-based method, whichfirst select the edge contours of the area and then the voxels insidefills out the contour.
    [0025] ZurVereinfachung der Beschreibung wird die hierin beschriebene exemplarischeAnwendung auf die Lungenknötchensegmentierungbezogen. Dennoch sollte es selbstverständlich sein, dass das Verfahrenauf jedes einer Vielfalt anderer in Fachkreisen bekannten Anwendungen,wie zum Beispiel Polypensegmentierung, angewandt werden kann. Das Verfahrenhat den Vorteil der hohen Konsistenz und Robustheit und ist in einemSegmentierungsmodul eines Computer-aided-diagnoses(„CAD")-Systems verwendbar.toSimplification of the description will become the exemplary one described hereinApplication to lung nodule segmentationbased. Nevertheless, it should be understood that the procedureto any of a variety of other applications known in the art,such as polysegmentation. The procedurehas the advantage of high consistency and robustness and is in oneSegmentation module of a Computer Aided Diagnostic ("CAD") system usable.
    [0026] Vorder Anwendung des Verfahrens ist die Vordergrundstruktur von einemGrauskalen-VOI zu segmentieren, indem sich der Bereich vom Mittelpunktdes VOI entwickelt. Deswegen nutzt das Verfahren ein binäres VOI,in welchem die zu glättende Oberfläche dasVOI in zwei Teile separiert. Der Vordergrund beinhaltet wie in 1(a) gezeigt beides, dieBrustwand und die angelagerten Knötchen. Ein Ziel dieses Verfahrensist die Brustwand zu segmentieren. Die segmentierte Brustwand kanndazu verwendet werden, um die Structure of Interest („SOI") durch Subtrahierendes sich ergebenden VOI vom ursprünglichen VOI zu erhalten.Prior to application of the method, the foreground structure is to be segmented from a gray scale VOI by evolving the region from the midpoint of the VOI. Therefore, the method uses a binary VOI in which the surface to be smoothed separates the VOI into two parts. The foreground includes as in 1 (a) both shown, the chest wall and the attached nodules. One goal of this procedure is to segment the chest wall. The segmented chest wall can be used to obtain the structure of interest ("SOI") by subtracting the resulting VOI from the original VOI.
    [0027] DasVerfahren berechnet als erstes die lokale Durchschnittsausrichtungder Brustwandoberfläche.Dann wird eine Ebene parallel zu der lokalen Durchschnittsausrichtungbestimmt und alle Vordergrundvoxel werden auf diese Ebene projiziert,um eine 2D-Abbildung zu erhalten. Der Pixelwert der 2D-Abbildung ist dergrößte Abstandvon den Vordergrundvoxeln, die in der Projektionsbahn sind, zur Projektionsebene.Eine Erhöhungauf der Oberfläche würde dahereinem Hochintensitätsbereichin der 2D-Abbildung entsprechen. Dieser Bereich wird dann lokalisiertund durch eine Polynominterpolation des Nachbarpixels außerhalbdes Bereichs ersetzt. Diese Interpolation wird dann umgekehrt aufdas 3D-VOI zurückprojiziertund die Erhöhungsvoxelsind identifiziert und entfernt.TheThe method first calculates the local average orientationthe chest wall surface.Then a plane becomes parallel to the local average orientationdetermined and all foreground voxels are projected onto this plane,to get a 2D image. The pixel value of the 2D map is thebiggest distancefrom the foreground voxels that are in the projection path to the projection plane.An increaseon the surface would thereforea high intensity areain the 2D illustration. This area is then locatedand by a polynomial interpolation of the neighboring pixel outsideof the area replaced. This interpolation is then reversedthe 3D-VOI backprojectedand the elevation voxelsare identified and removed.
    [0028] Inder Beurteilung eines Segmentierungsverfahrens ist die Konsistenzein wichtiges Kriterium. Da die Segmentierung durch einen Klickeines Nutzers initiiert wird, ist es entscheidend, dass das Segmentierungsergebnisunabhängigvon dem Klickpunkt ist, solange, bis der Klickpunkt innerhalb desKnötchens ist.Für denAnwender ist es schwer nachzuvollziehen, warum zwei Klicks zu zweiunterschiedlichen Segmentierungsergebnissen führen, selbst wenn die Differenzsehr unbedeutend ist. Idealerweise sollte daher zwischen den Volumenmesswertenvon zwei Klicks auf das selbe Knötchennull Differenz sein. Obwohl dies in einer beständigen Welt sehr schwierig seinkann, wenn nicht unmöglich,ist es in einzelnen Volumendaten erreichbar. Im Folgenden besprechen wirdas Verfahren im Detail, währenddie Frage der Konsistenz behandelt wird.Inthe assessment of a segmentation method is the consistencyan important criterion. Because the segmentation by a clicka user is initiated, it is crucial that the segmentation resultindependentlyfrom the click point until the click point within theNodule is.For theUsers find it hard to understand why two clicks to twodifferent segmentation results, even if the differenceis very insignificant. Ideally, therefore, should be between the volume readingsby two clicks on the same noduleto be zero difference. Although this can be very difficult in a stable worldcan, if not impossible,it is attainable in single volume data. In the following we discussthe procedure in detail whilethe issue of consistency is addressed.
    [0029] DieNormale der Projektionsebene sollte am nächsten zur Oberflächennormaleder meisten Punkte auf der Brustwandoberfläche sein, um eine gute Projektionsqualität zu erreichen.Die Lage der Ebene selber ist generell unwichtig und kann in einerVielzahl von Lagen, die vom Fachmann in Erwägung gezogen werden, platziertwerden. Beispielsweise könnenwir die Ebene durch einen beliebigen Punkt tief im Inneren der Brustwandpositionieren.TheNormal of the projection plane should be closest to the surface normalmost points on the chest wall surface to achieve good projection quality.The location of the plane itself is generally unimportant and can be in onePlenty of layers, which are considered by the professional, placedbecome. For example, you canwe pass the plane through any point deep inside the chest wallposition.
    [0030] Wirberechnen die Gradienten jedes Oberflächenpunktes. Das Mittel derGradienten wird normalerweise als die Normale der Projektionsoberfläche genommen.Jedoch hängtdie Reihe der Oberflächenpunkteoffensichtlich vom VOI ab. Selbst bei einem leicht verschobenenVOI wird die Oberflächenpunktreiheund das Mittel der Oberflächennormale verändert sein,was zu unkonsistenten Projektion- und Segmentierungsergebnissenführt.Zum Berechnen der Normale könnenstabile Abschätzungstechnikenverwendet werden, die aber nicht konsistente Werte erzeugen können.We calculate the gradients of each surface point. The mean of the gradients is usually taken as the normal of the projection surface. However, the series of surface dots obviously depends on the VOI. Even with a slightly shifted VOI, the surface point row and the mean of the surface normal will be changed, resulting in inconsistent projection and segmentation results. To the calculator In normal terms, stable estimation techniques can be used, but they can not produce consistent values.
    [0031] Umeine Null-Abweichung der Volumenmessung zu erreichen, sollte dieReihe der Oberflächenpunkteexakt dieselbe sein, ungeachtet dem Klickpunkt. Durch das Verwendeneines festgelegten Referenzpunktes als das Zentrum des VOI wirdein erhaltenes VOI ungeachtet dem Klickpunkt immer dasselbe seinund die Segmentierungsergebnisse werden immer dieselben sein.AroundTo achieve a zero deviation of the volume measurement, the shouldRow of surface dotsbe exactly the same regardless of the click point. By usinga fixed reference point as the center of the VOIa received VOI will always be the same regardless of the click pointand the segmentation results will always be the same.
    [0032] Vordiesem Hintergrund betrachten wir die Gradientenrichtungen allerBrustwandoberflächenpunktesowie die Knötchenoberflächenpunkte,wie in 1(a) gezeigt.Eine Brustwandoberfläche 100 ist mitder weißenKontur 105 umrissen. Da die Oberfläche 100 stückweisegeradlinig und das Knötchen eineabrupte Unterbrechung dieser Geradlinigkeit ist, werden die Seitenbereicheder Knötchenoberfläche 110 (dargestelltdurch den dicken weißenUmriss) ganz andere Oberflächennormalenals der Rest der Brustwandoberflächenpunktehaben. Mit Hilfe einer Histogrammanalyse z.B. können wir den Wertebereich derzu den BrustwandoberflächenpunktengehörendenNormalen feststellen und die „abnormalen" Punkte als die Seitenbereichpunkteder Knötchenoberfläche auswählen.Against this background, we consider the gradient directions of all chest wall surface points as well as the nodule surface points, as in 1 (a) shown. A chest wall surface 100 is with the white outline 105 outlined. Because the surface 100 piecewise rectilinear and the nodule is an abrupt interruption of this straightness, the side areas become the nodule surface 110 (represented by the thick white outline) have very different surface normals than the rest of the chest wall surface points. For example, using a histogram analysis, we can determine the range of values of the normals associated with the chest wall surface points and select the "abnormal" points as the side area points of the nodule surface.
    [0033] Wirunterstellen, dass das Knötchenimmer innerhalb des VOI ist. Außerdemist die Verlagerung des VOI nicht sehr groß, weil der Klickpunkt innerhalb desKnötchensist. Folglich ist die Reihe der Seitenbereichpunkte der Knötchenoberfläche zumeistdie gleiche. Wir setzen den feststehenden Referenzpunkt als denSchwerpunkt der seitlichen Knötchenoberflächenpunkte.Dieser Referenzpunkt ist zumeist unabhängig von der VOI-Verlagerung. Es istmöglich, dassdie Ergebnismenge der Seitenbereichpunkte der Knötchenoberfläche leicht variiert, aber dader Schwerpunkt als eine diskrete Punktlage errechnet wurde, wirdein kleiner Fehler nicht den Schwerpunkt dazu veranlassen, zu eineranderen Punktlage zu springen. Dort wird das Konsistenzproblem indem Verfahren gehandhabt. Um die Möglichkeit auszuschließen, dassein weit entfernter Brustwandoberflächenpunkt als einer von denSeitenbereichpunkten angenommen wird, wird die verbundene Komponenten-Analyseangewendet, so dass nur die Knötchenoberflächenpunktegesammelt werden.Weimply that the nodulealways within the VOI. Furthermorethe relocation of the VOI is not very big, because the click point within thenoduleis. Consequently, the series of side area points of the nodule surface is mostlythe same. We set the fixed reference point as theCenter of gravity of lateral nodule surface points.This reference point is mostly independent of the VOI relocation. It ispossible thatthe result set of the side area points of the nodule surface varies slightly, but therethe center of gravity is calculated as a discrete point locationa small mistake does not cause the focus to become onejump to another point position. There is the consistency problem inhandled the procedure. To rule out the possibility thata far away chest wall surface point as one of theSide range points is assumed, the connected component analysisapplied so that only the nodule surface pointsto be collected.
    [0034] Wirerhalten das VOI um diesen festgelegten Referenzpunkt herum unddas Mittel des Gradienten der Oberflächenpunkte, ausgenommen denSeitenbereichpunkten der Knötchenoberfläche, wirdals die Normale der Projektionsebene angenommen. Die Ebene ist in 1(a) als die weiße Liniemarkiert.We get the VOI around this fixed reference point and the mean of the surface point gradient, except for the side area points of the nodule surface, is assumed to be the normal of the projection plane. The plane is in 1 (a) marked as the white line.
    [0035] Für jedenVordergrundpunkt wird der Abstand zur Projektionsebene berechnet.Die 3D-Punktlage ist ebenso auf einer Stelle in der Projektionsebeneabgebildet. Um eine 2D-Abbildung darzustellen ist der Abstandswertdes 3D-Punktes als der Abstandswert der abgebildeten 2D-Stelle gespeichert,vorausgesetzt, dass entweder die 2D-Stelle zum ersten Mal abgebildetist oder der Abstandswert größer alsder vorher gespeicherte Wert ist. Folglich ist jede Stelle auf dieserAbbildung der [Intensitäts-]Wert des größten Abstandesvon allen Vordergrundpunkten in der Projektionsbahn. Ein Beispiel einersolchen Abbildung ist in 1(b) gezeigt.For each foreground point, the distance to the projection plane is calculated. The 3D point location is also displayed on a location in the projection plane. To represent a 2D image, the distance value of the 3D point is stored as the distance value of the mapped 2D location, provided that either the 2D location is mapped for the first time or the distance value is greater than the previously stored value. Consequently, each location on this map is the [intensity] value of the largest distance from all foreground points in the projection path. An example of such a mapping is in 1 (b) shown.
    [0036] Aufder Projektionsabbildung könnendie abgebildeten Knötchenoberflächenpunkteals ein heller Bereich identifiziert werden. Das begründet sichdarin, dass die weitesten Abständeder Knötchenpunkte größer alsder Rest der Brustwandknötchensind. Um den projizierten Knötchenbereichauszusegmentieren berechnen wir die 2D-Gradient-Kantenabbildung, wiein 1(c) gezeigt. Aufder Gradientabbildung analysieren wir die Gradientprofile und ermittelnden Gradientgrenzwert.On the projection image, the imaged nodule surface points can be identified as a bright area. This is due to the fact that the furthest intervals of the nodule points are greater than the rest of the Brustwandknötchen. To de-segment the projected nodule area, we compute the 2D gradient edge map, as in 1 (c) shown. On the gradient image we analyze the gradient profiles and determine the gradient threshold.
    [0037] DieProjektion des Referenzpunktes wird als Referenzpunkt auf der 2D-Abbildungbenutzt. Indem der Bereich wächstund anschließendaufgefülltund erweitert wird, wird ein etwas größerer Bereich zur Abdeckungdes abgebildeten Knötchenserreicht.TheProjection of the reference point becomes a reference point on the 2D imageused. As the area growsand subsequentlyfilledand expanding, becomes a slightly larger area for coverageof the pictured nodulereached.
    [0038] Einrechtwinkliger Bereich 145, zentriert in dem projiziertenReferenzpunkt 140, ist definiert wie in 1(d) gezeigt. Er ist bedeutend größer alsder erweiterte Knötchenbereich,um eine reichliche Anzahl von Punkten aufzunehmen. Ein Polynom dritter Ordnungist auf alle Punkte innerhalb dieses Bereichs, ausgenommen des Knötchenbereichs,angepasst: f(x, y)= a0 + a1x + a2y + a3x2 +a4y2 + a5xy +a6x3 +a7x2y + a8xy2 +a9y3 (1) A rectangular area 145 , centered in the projected reference point 140 , is defined as in 1 (d) shown. It is significantly larger than the extended nodule area to accommodate a plentiful number of points. A third-order polynomial is fitted to all points within this range except the nodule area: f (x, y) = a 0 + a 1 x + a 2 y + a 3 x 2 + a 4 y 2 + a 5 xy + a 6 x 3 + a 7 x 2 y + a 8th xy 2 + a 9 y 3 (1)
    [0039] ZurBerechnung der Polynomkoeffizienten ist eine Menge von linearenGleichungen durch Einführungder IntensitätswerteI und der 2D-Stelle (x, y) jedes Punktes der linken und rechtenSeite von Gleichung (1) gestaltet. Die Gesamtanzahl der Gleichungenist gleich der Anzahl von Punkten, die zur Anpassung der Funktionbenutzt werden. Da immer mehr Punkte als Anzahl von Koeffizientenvorhanden sind, ist dies ein erzwungenes Problem. Deswegen verwendenwir ein Least-Median-Square(„LMS")-Verfahren und Singular-Value-Decomposition(„SVD"), um eine bessereLösungzu finden.To calculate the polynomial coefficients, a set of linear equations is designed by introducing the intensity values I and the 2D location (x, y) of each left and right-hand point of equation (1). The total number of equations equals the number of points used to adjust the function. As more and more points are present than the number of coefficients, this is a forced problem. That's why we use a Least Median Square ("LMS") Ver drive and singular value decomposition ("SVD") to find a better solution.
    [0040] Sinddie Koeffizienten einmal bestimmt, werden die Abstandswerte desabgebildeten Knötchenbereichsdurch die aus Gleichung (1) errechneten Werte ersetzt, was in einer „geglätteten" Projektionsabbildungresultiert. Ein Beispiel davon ist in 1(e) gezeigt.Once the coefficients are determined, the distance values of the imaged nodule area are replaced by the values calculated from equation (1), resulting in a "smoothed" projection image 1 (e) shown.
    [0041] Sobalddie Projektions-2D-Abbildung, wie oben beschrieben, erzeugt wurde,erfassen wir die abgebildeten Punkte. D.h., für jede 2D-Stelle auf der Abbildungerfassen wir alle der 3D-Vordergrundpunktstellen,die auf dieser 2D-Stelle abgebildet sind. Ferner erfassen wir dieAbstandswerte von jedem 3D-Punkt.As soon asthe projection 2D image was generated as described above,we capture the points shown. That is, for each 2-D location in the figurewe capture all of the 3D foreground point locations,which are mapped to this 2D location. We also record theDistance values from each 3D point.
    [0042] Für jede 2D-Stelleauf der Projektionsabbildung, deren Intensität durch die Anpassungsprozedurmodifiziert ist, fragen wir alle der 3D-Punkte ab, die damit verbundensind. Dann löschenwir jeden 3D-Punkt, dessen Abstandswert größer als der neue Intensitätswert der2D-Abbildung ist. Infolgedessen löschen wir alle Knötchenpunkteauf dieser Projektionsbahn. Wenn alle der 2D-Stellen abgearbeitet sind,ist ein neuer Ausschnitt der Brustwandoberfläche definiert und die Abstände derneuen Oberflächenpunktesind eigentlich die Interpolationen der benachbarten Brustwandoberflächenpunkte.For every 2D siteon the projection image, its intensity through the fitting proceduremodified, we ask all of the 3D points associated with itare. Then deleteevery 3D point whose distance value is greater than the new intensity value of the2D illustration is. As a result, we delete all nodule pointson this projection track. When all of the 2D digits have been processed,is a new section of the chest wall surface defined and the distances of thenew surface pointsare actually the interpolations of the adjacent chest wall surface points.
    [0043] Umdie 1(a) bis 1(f) zusammenzufassen, zeigt 1(a) einen Schnitt von einemVOI 100. Der weißeUmriss 105 markiert die 3D-Oberfläche der Brustwand und der dickereTeil 110 des Umrisses 105 stellt die Menge an3D-Seitenbereichpunkten vonder Knötchenoberfläche („3D-Knötchenpunkte") dar. Die vollenLinienpfeile 115 an dem Umriss 105 zeigen dieOberflächennormalen.Die gerade Linie 120 stellt die Projektionsebene dar. Diegepunkteten Linienpfeile 122 veranschaulichen die Projektionsbahnvon der Oberflächeder Brustwand 105 auf die Projektionsebene 120.To the 1 (a) to 1 (f) summarize shows 1 (a) a cut from a VOI 100 , The white outline 105 marks the 3D surface of the chest wall and the thicker part 110 of the outline 105 represents the amount of 3D side area points from the nodule surface ("3D nodule points"). The full line arrows 115 on the outline 105 show the surface normals. The straight line 120 represents the projection plane. The dotted line arrows 122 illustrate the projection path from the surface of the chest wall 105 on the projection level 120 ,
    [0044] 1(b) zeigt eine projizierte2D-Abbildung 125 des VOI 100, das in 1(a) gezeigt ist. Der helleBereich 130 bildet sich auf die 3D-Knötchenpunkte 110 aus 1(a) ab. 1(c) zeigt eine Gradientabbildung 135 derprojizierten 2D-Abbildung125 aus 1(b). 1(d) zeigt einen segmentiertenund erweiterten 2D-Knötchenbereich 140,welcher sich auf den Knötchenbereich 110 aus 1(a) abbildet, mit einemgepunkteten Rechteck 145, das den Bereich, in welchem einPolynom dritter Ordnung angepasst ist, darstellt. 1(e) zeigt die Intensitäten (z.B.Wert eines jeden Voxel) des 2D-Knötchenbereichs 145 aus 1(d), die durch angepassteFunktionswerte ersetzt sind. 1(f) zeigtdie 3D- Knötchenpunkte 110 aus 1(a), die durch die Projektionzurückauf das VOI 100 aus 1(a) entferntwurden. 1 (b) shows a projected 2D image 125 of the VOI 100 , this in 1 (a) is shown. The bright area 130 forms on the 3D nodule points 110 out 1 (a) from. 1 (c) shows a gradient image 135 of the projected 2D image 125 1 (b) , 1 (d) shows a segmented and expanded 2D nodule area 140 , which is on the nodule area 110 out 1 (a) images, with a dotted rectangle 145 which represents the area in which a third order polynomial is fitted. 1 (e) shows the intensities (eg value of each voxel) of the 2D nodule area 145 out 1 (d) that are replaced by adjusted function values. 1 (f) shows the 3D nodule points 110 out 1 (a) by projecting back to the VOI 100 out 1 (a) were removed.
    [0045] Dieoben offenbarten, speziellen Ausführungsbeispiele sind nur veranschaulichend,da die Erfindung unterschiedlich modifiziert und genutzt werdenkann, jedoch sind äquivalenteArten fürden Fachmann mit der Unterstützungder Lehre hierin offensichtlich. Darüber hinaus ist neben den wiein nachstehenden Ansprüchenbeschreiben keine Beschränkungauf die hierin gezeigten Details der Konstruktion oder des Designsvorgesehen. Es ist daher offenkundig, dass die oben offenbarten,speziellen Ausführungsbeispieleabgewandelt oder modifiziert werden können und alle solcher Abweichungensind innerhalb des Umfangs und Geist der Erfindung berücksichtigt.Dementsprechend ist der hierin begehrte Schutz wie in den nachstehendenAnsprüchendargelegt.Thespecific embodiments disclosed above are illustrative only,since the invention is modified and used differentlycan, however, are equivalentTypes forthe professional with the supportthe teachings herein are apparent. In addition, besides the likein the following claimsdescribe no limitationto the details of construction or design shown hereinintended. It is therefore obvious that the above disclosedspecial embodimentsmodified or modified and all such deviationsare taken within the scope and spirit of the invention.Accordingly, the protection sought herein is as in the followingclaimsexplained.
    权利要求:
    Claims (19)
    [1]
    Ein computerimplementiertes Verfahren zur lokalenOberflächenglättung einesdreidimensionalen(„3D") binären Volumeof Interest („VOI"), wobei das VOIeine Vielzahl von 3D-Oberflächenpunkten aufweistund das Verfahren folgende Verfahrensschritte aufweist: Identifiziereneiner Projektionsebene; Erhalten einer zweidimensionalen(„2D") Projektionsabbildungdurch Projizieren der Vielzahl von 3D-Oberflächenpunkten auf die Projektionsebene; Ermittelneiner Vielzahl von Intensitätender Projektionsabbildung, wobei die Vielzahl von Intensitäten Abstände vonder Vielzahl von 3D-Oberflächenpunkten zurProjektionsebene enthält; Identifiziereneines Erhebungsbereichs auf der 2D-Projektionsabbildung, wobei die Vielzahlvon 3D-OberflächenpunktenPunkte außerhalbund um den Erhebungsbereich herum und Punkte innerhalb des Erhebungsbereichsaufweist, und wobei die Vielzahl von Intensitäten Intensitäten vonPunkten außerhalbund um den Erhebungsbereich herum und Intensitäten der Punkte innerhalb desErhebungsbereichs aufweist; Erhalten angepasster Funktionswertedurch Anpassen eines Polynoms dritter Ordnung an die Intensitäten derPunkte außerhalbund um den Erhebungsbereich herum; Ersetzen der Intensitäten derPunkte innerhalb des Erhebungsbereichs durch die angepassten Funktionswerte;und Projizieren der angepassten Funktionswerte innerhalb desErhebungsbereichs auf die 2D-Projektionsabbildung zum 3D-VOI zurück.A computer-implemented method for localSurface smoothing of athree-dimensional ("3D") binary volumeof interest ("VOI"), where the VOIhas a plurality of 3D surface pointsand the method comprises the following method steps:Identifya projection plane;Obtain a two-dimensional ("2D") projection imageby projecting the plurality of 3D surface points onto the projection plane;Determinea variety of intensitiesthe projection image, wherein the plurality of intensities are distances fromthe multitude of 3D surface points to theContains projection level;Identifya survey area on the 2D projection image, wherein the pluralityof 3D surface pointsPoints outsideand around the elevation area and points within the elevation areaand wherein the plurality of intensities are intensities ofPoints outsideand around the survey area and intensities of the points within theHas survey area;Get custom function valuesby fitting a third order polynomial to the intensities of thePoints outsideand around the survey area;Replacing the intensities of thePoints within the survey area by the adjusted function values;andProjecting the adjusted function values within theSurvey area on the 2D projection image back to 3D VOI.
    [2]
    Das computerimplementierte Verfahren nach Anspruch1, wobei der Schritt des Identifizierens einer Projektionsebenefolgende Verfahrensschritte aufweist: Auswählen der Vielzahl an 3D-Oberflächenpunkten ausdem vor; Ermitteln eines Gradienten für jeden aus der Vielzahl von3D-Oberflächenpunkten; Ermittelneiner Normale der Projektionsebene basierend auf den Gradientender Vielzahl von 3D-Oberflächenpunkten;und Ermitteln einer Lage der Projektionsebene.The computer-implemented method of claim 1, wherein the step of identifying a projection plane comprises the following method steps comprising: selecting the plurality of 3D surface points from the above; Determining a gradient for each of the plurality of 3D surface points; Determining a normal of the projection plane based on the gradients of the plurality of 3D surface points; and determining a location of the projection plane.
    [3]
    Das computerimplementierte Verfahren nach Anspruch2, wobei der Schritt des Auswählensder Vielzahl von 3D-Oberflächenpunktenaus dem VOI folgenden Verfahrensschritt aufweist: Auswählen einerkonsistenten Reihe von der Vielzahl an 3D-Oberflächenpunkten aus dem VOI.The computer-implemented method of claim2, wherein the step of selectingthe multitude of 3D surface pointsfrom the VOI following process step:Select oneconsistent set of the multitude of 3D surface points from the VOI.
    [4]
    Das computerimplementierte Verfahren nach Anspruch3, wobei der Schritt des Auswählenseiner konsistenten Reihe von der Vielzahl an 3D-Oberflächenpunktenaus dem VOI folgende Verfahrensschritte aufweist: Berechnender Oberflächennormalenvon allen Punkten auf dem VOI; Identifizieren welcher von derVielzahl an Oberflächenpunktenzu einem 3D-Erhebungsbereich gehört durchBeurteilen der Oberflächennormalen; Ermittelneines Zentrums der identifizierten Oberflächenpunkte; und Bewegendes VOI zum Zentrum der identifizierten Oberflächenpunkte.The computer-implemented method of claim3, wherein the step of selectinga consistent set of the multitude of 3D surface pointsfrom the VOI has the following process steps:To calculatethe surface normalfrom all points on the VOI;Identify which of theVariety of surface pointsbelongs to a 3D survey areaJudging the surface normals;Determinea center of the identified surface points; andMoveof the VOI to the center of the identified surface points.
    [5]
    Das computerimplementierte Verfahren nach Anspruch1, wobei der Schritt des Erhaltens einer 2D-Projektionsabbildung folgende Verfahrensschritte aufweist: Berechneneiner Vielzahl an Abständenfür dieVielzahl an 3D-Oberflächenpunktenzur Projektionsebene; Darstellen der 2D-Projektionsabbildung,wobei die Intensitätjedes Pixels auf der 2D-Projektionabbildung einer von der Vielzahlan Abständenentspricht; und Wählendes größten Abstandsaus der Vielzahl an Abständenwenn mehr als ein Punkt in der Vielzahl an 3D-Oberflächenpunkten vorhanden ist,der mit dem selben Pixel auf der 2D-Projektionsabbildung übereinstimmt.The computer-implemented method of claim1, wherein the step of obtaining a 2D projection image comprises the following method steps:To calculatea variety of distancesfor theVariety of 3D surface pointsto the projection plane;Depicting the 2D projection image,being the intensityeach pixel on the 2D projection picture one of the pluralityat intervalscorresponds; andChoosethe largest distancefrom the multitude of distancesif there is more than one point in the multitude of 3D surface points,which coincides with the same pixel on the 2D projection image.
    [6]
    Das computerimplementierte Verfahren nach Anspruch1, wobei der Schritt des Identifizierens eines Erhebungsbereichsfolgende Verfahrensschritte aufweist: Berechnen einer Gradientenabbildungvon der 2D-Projektionsabbildung; Erkenneneiner Randkontur des Erhebungsbereichs von der Gradientenabbildung; Füllen derRandkontur, um den Erhebungsbereich zu erhalten; und Ausführen einerErweiterung, um den Erhebungsbereich zu vergrößern.The computer-implemented method of claim1, wherein the step of identifying a survey areacomprising the following method steps:Calculate a gradient imagefrom the 2D projection image;Detecta border contour of the elevation area from the gradient map;Filling theEdge contour to obtain the survey area; andRunning aExtension to increase the survey area.
    [7]
    Das computerimplementierte Verfahren nach Anspruch1, wobei der Schritt des Erhaltens angepasster Funktionswerte folgendenVerfahrensschritt aufweist: Ermitteln der Polynomkoeffizientendurch Berücksichtigender Lage der Punkte außerhalbund um den Erhebungsbereich herum.The computer-implemented method of claim1, wherein the step of obtaining adjusted function values followsMethod step has:Determine the polynomial coefficientsby consideringthe location of the points outsideand around the survey area.
    [8]
    Das computerimplementierte Verfahren nach Anspruch1, wobei der Schritt des Projizierens der angepassten Funktionswerteinnerhalb des Erhebungsbereichs folgende Verfahrensschritte aufweist: Abbildeneines Punktes in ein 3D-Voxel im 3D-VOI für jedes 2D-Pixel auf der 2D-Projektionsabbildung; Identifiziereneiner Projektionsbahn zwischen dem 3D-Punkt und der 2D-Lage in der 2D-Projektionsabbildung;und Entfernen der 3D-Oberflächenpunkte,die auf der Projektionsbahn sind und deren Abstände zur Projektionsebene größer alsdie Intensitätder 2D-Pixel auf der 2D-Projektionsabbildungsind.The computer-implemented method of claim1, wherein the step of projecting the adjusted function valueswithin the survey area comprises the following process steps:Depicta point in a 3D voxel in the 3D VOI for each 2D pixel on the 2D projection map;Identifya projection path between the 3D point and the 2D position in the 2D projection image;andRemoving the 3D surface points,which are on the projection path and whose distances from the projection plane are greater thanthe intensitythe 2D pixel on the 2D projection imageare.
    [9]
    Das computerimplementierte Verfahren nach Anspruch1, wobei das Erhalten angepasster Funktionswerte durch Anpasseneines Polynoms dritter Ordnung auf Intensitäten der Punkte außerhalbund um den Erhebungsbereich herum das Erhalten angepasster Funktionswertedurch Anpassen f(x,y) = a0 + a1x+ a2y + a3x2 + a4y2 +a5xy + a6x3 + a7x2y+ a8xy2 + a9y3 auf Intensitäten derPunkte außerhalbund um den Erhebungsbereich herum aufweist.The computer implemented method of claim 1, wherein obtaining adjusted function values by fitting a third order polynomial on intensities of the points outside and around the bump area results in obtaining adjusted function values by adjusting f (x, y) = a 0 + a 1 x + a 2 y + a 3 x 2 + a 4 y 2 + a 5 xy + a 6 x 3 + a 7 x 2 y + a 8 xy 2 + a 9 y 3 has intensities of points outside and around the elevation area.
    [10]
    Ein maschinenlesbares Medium mit darauf gespeichertenInstruktionen zur Ausführungdurch einen Prozessor, um ein Verfahren der lokalen Oberflächenglättung einesdreidimensionalen(„3D") binären Volumeof Interest („VOI") auszuführen, wobeidas VOI aus einer Vielzahl von 3D-Oberflächenpunkten besteht und dasVerfahren folgende Verfahrensschritte aufweist: Identifiziereneiner Projektionsebene; Erhalten einer zweidimensionalen(„2D") Projektionsabbildungdurch Projizieren der Vielzahl an 3D-Oberflächenpunkten auf die Projektionsebene; Ermittelneiner Vielzahl von Intensitätender Projektionsabbildung, wobei die Vielzahl an Intensitäten Abstände vonder Vielzahl an 3D-Oberflächenpunkten zurProjektionsebene enthält; Identifiziereneines Erhebungsbereichs auf der 2D-Projektionsabbildung, wobei die Vielzahlan 3D-OberflächenpunktenPunkte außerhalbund um den Erhebungsbereich herum und innerhalb des Erhebungsbereichsumfasst, und wobei die Vielzahl an Intensitäten Intensitäten vonPunkten außerhalbund um den Erhebungsbereich herum und Intensitäten der Punkte innerhalb desErhebungsbereichs umfasst; Erhalten angepasster Funktionswertedurch Anpassen eines Polynoms dritter Ordnung an die Intensitäten derPunkte außerhalbund um den Erhebungsbereich herum; Ersetzen der Intensitäten derPunkte innerhalb des Erhebungsbereichs durch die angepassten Funktionswerte;und Projizieren der angepassten Funktionswerte innerhalb desErhebungsbereichs auf der 2D-Projektionsabbildung zum 3D-VOI zurück.A machine-readable medium having instructions stored thereon for execution by a processor to perform a local surface smoothing method of a three-dimensional ("3D") binary volume of interest ("VOI"), the VOI consisting of a plurality of 3D surface points; Method comprises the following steps: identifying a projection plane; Obtaining a two-dimensional ("2D") projection image by projecting the plurality of 3D surface points onto the projection plane; determining a plurality of intensities of the projection image, wherein the plurality of intensities includes distances from the plurality of 3D surface points to the projection plane; identifying a survey area the 2D projection image, wherein the plurality of 3D surface points comprise points outside and around the land area and within the land area, and wherein the plurality of intensities includes intensities of points outside and around the land area and intensities of the points within the land area adjusted function values by Anpas of a third-order polynomial to the intensities of the points outside and around the elevation area; Replacing the intensities of the points within the survey area with the adjusted function values; and projecting the adjusted function values within the survey area on the 2D projection image back to the 3D VOI.
    [11]
    Das maschinenlesbare Medium nach Anspruch 10, wobeider Schritt des Identifizierens einer Projektionsebene folgendeVerfahrensschritte aufweist: Auswählen der Vielzahl an 3D-Oberflächenpunkten ausdem VOI; Ermitteln eines Gradienten für jeden aus der Vielzahl an3D-Oberflächenpunkten; Ermittelneiner Normale der Projektionsebene basierend auf den Gradientender Vielzahl an 3D-Oberflächenpunkten;und Ermitteln einer Lage der Projektionsebene.The machine-readable medium of claim 10, whereinthe step of identifying a projection plane is as followsMethod steps comprises:Select the variety of 3D surface pointsthe VOI;Determining a gradient for each of the plurality3D surface points;Determinea normal of the projection plane based on the gradientsthe multitude of 3D surface points;andDetermine a location of the projection plane.
    [12]
    Das maschinenlesbare Medium nach Anspruch 11, wobeider Schritt des Auswählensder Vielzahl an 3D-Oberflächenpunktenaus dem VOI folgenden Verfahrensschritt aufweist: Auswählen einerkonsistenten Reihe von der Vielzahl an 3D-Oberflächenpunkten aus dem VOI.The machine-readable medium of claim 11, whereinthe step of selectingthe multitude of 3D surface pointsfrom the VOI following process step:Select oneconsistent set of the multitude of 3D surface points from the VOI.
    [13]
    Das maschinenlesbare Medium nach Anspruch 12, wobeider Schritt des Auswählenseiner konsistenten Reihe von der Vielzahl an 3D-Oberflächenpunktenaus dem VOI folgende Verfahrensschritte aufweist: Berechnender Oberflächennormalenvon allen Punkten auf dem VOI; Identifizieren welcher von derVielzahl an Oberflächenpunktenzu einem 3D-Erhebungsbereich gehört durchBeurteilen der Oberflächennormalen; Ermittelneines Zentrums der identifizierten Oberflächenpunkte; und Bewegendes VOI zum Zentrum der identifizierten Oberflächenpunkte.The machine-readable medium of claim 12, whereinthe step of selectinga consistent set of the multitude of 3D surface pointsfrom the VOI has the following process steps:To calculatethe surface normalfrom all points on the VOI;Identify which of theVariety of surface pointsbelongs to a 3D survey areaJudging the surface normals;Determinea center of the identified surface points; andMoveof the VOI to the center of the identified surface points.
    [14]
    Das maschinenlesbare Medium nach Anspruch 10, wobeider Schritt des Erhaltens einer 2D-Projektionsabbildung folgendeVerfahrensschritte aufweist: Berechnen einer Vielzahl an Abständen für die Vielzahlan 3D-Oberflächenpunktenzur Projektionsebene; Darstellen der 2D-Projektionsabbildung,wobei die Intensitätjedes Pixels auf der 2D-Projektionabbildung einer von der Vielzahlan Abständenentspricht; und Wählendes größten Abstandsaus der Vielzahl an Abständenwenn mehr als ein Punkt in der Vielzahl an 3D-Oberflächenpunkten vorhanden ist,der mit dem selben Pixel auf der 2D-Projektionsabbildung übereinstimmt.The machine-readable medium of claim 10, whereinthe step of getting a 2D projection picture followingMethod steps comprises:Calculating a plurality of distances for the pluralityat 3D surface pointsto the projection plane;Depicting the 2D projection image,being the intensityeach pixel on the 2D projection picture one of the pluralityat intervalscorresponds; and choosingthe largest distancefrom the multitude of distancesif there is more than one point in the multitude of 3D surface points,which coincides with the same pixel on the 2D projection image.
    [15]
    Das maschinenlesbare Medium nach Anspruch 10, wobeider Schritt des Identifizierens eines Erhebungsbereichs folgendeVerfahrensschritte aufweist: Berechnen einer Gradientenabbildungvon der 2D-Projektionsabbildung; Erkenneneiner Randkontur des Erhebungsbereichs von der Gradientenabbildung; Füllen derRandkontur, um den Erhebungsbereich zu erhalten; und Ausführen einerErweiterung, um den Erhebungsbereich zu vergrößern.The machine-readable medium of claim 10, whereinthe step of identifying a survey area is followingMethod steps comprises:Calculate a gradient imagefrom the 2D projection image;Detecta border contour of the elevation area from the gradient map;Filling theEdge contour to obtain the survey area; andRunning aExtension to increase the survey area.
    [16]
    Das maschinenlesbare Medium nach Anspruch 10, wobeider Schritt des Erhaltens angepasster Funktionswerte folgenden Verfahrensschrittaufweist: Ermitteln der Polynomkoeffizienten durch Berücksichtigender Lage der Punkte außerhalbund um den Erhebungsbereich herum.The machine-readable medium of claim 10, whereinthe step of obtaining adjusted function values is the following method stephaving:Determine the polynomial coefficients by taking into accountthe location of the points outsideand around the survey area.
    [17]
    Das maschinenlesbare Medium nach Anspruch 10, wobeider Schritt des Projizierens der angepassten Funktionswerte innerhalbdes Erhebungsbereichs folgende Verfahrensschritte aufweist: Abbildeneines Punktes in ein 3D-Voxel im 3D-VOI für jedes 2D-Pixel auf der 2D-Projektionsabbildung; Identifiziereneiner Projektionsbahn zwischen dem 3D-Punkt und der 2D-Lage in der 2D-Projektionsabbildung;und Entfernen der 3D-Oberflächenpunkte,die auf der Projektionsbahn sind und deren Abstände zur Projektionsebene größer alsdie Intensitätder 2D-Pixel auf der 2D-Projektionsabbildungsind.The machine-readable medium of claim 10, whereinthe step of projecting the adjusted function values withinof the survey area has the following method steps:Depicta point in a 3D voxel in the 3D VOI for each 2D pixel on the 2D projection map;Identifya projection path between the 3D point and the 2D position in the 2D projection image;andRemoving the 3D surface points,which are on the projection path and whose distances from the projection plane are greater thanthe intensitythe 2D pixel on the 2D projection imageare.
    [18]
    Das maschinenlesbare Medium nach Anspruch 10, wobeidas Erhalten angepasster Funktionswerte durch Anpassen eines Polynomsdritter Ordnung auf Intensitätender Punkte außerhalbund um den Erhebungsbereich herum das Erhalten angepasster Funktionswertedurch Anpassen f (x, y) = a0 + a1x + a2y + a3x2 + a4y2 + a5xy + a6x3 + a7x2y + a8xy2 + a9y3 aufIntensitätender Punkte außerhalbund um den Erhebungsbereich herum aufweist.The machine-readable medium of claim 10, wherein obtaining adjusted function values by adjusting a third-order polynomial on intensities of the points outside and around the elevation region results in obtaining adjusted function values by adjusting f (x, y) = a 0 + a 1 x + a 2 y + a 3 x 2 + a 4 y 2 + a 5 xy + a 6 x 3 + a 7 x 2 y + a 8 xy 2 + a 9 y 3 has intensities of points outside and around the elevation area.
    [19]
    Ein System der lokalen Oberflächenglättung eines dreidimensionalen(„3D") binären Volumeof Interest („VOI"), wobei das VOIaus einer Vielzahl von 3D-Oberflächenpunktenbesteht und das System folgende Verfahrensschritte aufweist: Mittelzum Identifizieren einer Projektionsebene; Mittel zum Erhalteneiner zweidimensionalen(„2D") Projektionsabbildungdurch Projizieren der Vielzahl an 3D-Oberflächenpunkten auf die Projektionsebene; Mittelzum Ermitteln einer Vielzahl von Intensitäten der Projektionsabbildung,wobei die Vielzahl an IntensitätenAbständevon der Vielzahl an 3D-Oberflächenpunktenzur Projektionsebene enthält; Mittelzum Identifizieren eines Erhebungsbereichs auf der 2D-Projektionsabbildung,wobei die Vielzahl an 3D-OberflächenpunktenPunkte außerhalbund um den Er hebungsbereich herum und innerhalb des Erhebungsbereichsumfasst, und wobei die Vielzahl an Intensitäten Intensitäten vonPunkten außerhalb undum den Erhebungsbereich herum und Intensitäten der Punkte innerhalb desErhebungsbereichs umfasst; Mittel zum Erhalten angepassterFunktionswerte durch Anpassen eines Polynoms dritter Ordnung an dieIntensitätender Punkte außerhalbund um den Erhebungsbereich herum; Mittel zum Ersetzen derIntensitätender Punkte innerhalb des Erhebungsbereichs durch die angepasstenFunktionswerte; und Mittel zum Projizieren der angepasstenFunktionswerte innerhalb des Erhebungsbereichs auf der 2D-Projektionsabbildungzum 3D-VOI zurück.A system of local surface smoothing of a three-dimensional ("3D") binary volume of interest ("VOI"), wherein the VOI consists of a plurality of 3D surface points and the system comprises the steps of: means for identifying a projection plane; Means for obtaining a two-dimensional ("2D") projection image by projecting the plurality of 3D surface points onto the projection plane; means for determining a plurality of intensities of the projection image, the plurality of intensities including distances from the plurality of 3D surface points to the projection plane; Means for identifying a survey area on the 2D projection image, wherein the plurality of 3D surface points includes points outside and around the elevation area and within the elevation area, and wherein the plurality of intensities includes intensities of points outside and around the elevation area and intensities of the points within the elevation area ; Means for obtaining adjusted function values by fitting a third-order polynomial to the intensities of the points outside and around the land area; Means for replacing the intensities of the points within the survey area with the adjusted function values; and means for projecting the adjusted function values within the land area on the 2D projection image back to the 3D VOI.
    类似技术:
    公开号 | 公开日 | 专利标题
    Sun et al.2011|Automated 3-D segmentation of lungs with lung cancer in CT data using a novel robust active shape model approach
    EP1315125B1|2008-06-04|Bildbearbeitungsverfahren und System zur Feststellung von Krankheiten
    DE102015221998B4|2019-01-17|A method of assisting a finder in locating a target structure in a breast, apparatus and computer program
    US6985612B2|2006-01-10|Computer system and a method for segmentation of a digital image
    EP2137672B1|2014-12-17|Verfahren, vorrichtung und computerprogramm zum analysieren von medizinischen bilddaten
    DE112004000393B4|2013-07-18|System and method for tracking a global shape of a moving object
    DE10357203B4|2018-09-20|Method and control device for operating a magnetic resonance tomography device and magnetic resonance tomography device
    US6609021B1|2003-08-19|Pulmonary nodule detection using cartwheel projection analysis
    DE19746936B4|2008-09-04|Quick subdivision of heart images
    DE112004000352B4|2013-09-12|System and method for performing a virtual endoscopy
    US7336809B2|2008-02-26|Segmentation in medical images
    DE102006045423B4|2016-07-14|07.09.07 Method for postprocessing a three-dimensional image data set of a vessel structure
    US7397937B2|2008-07-08|Region growing in anatomical images
    DE19851597B4|2012-08-02|Method and apparatus for generating improved images of coronary arteries
    DE602004009960T2|2008-09-11|SYSTEM AND METHOD FOR DETECTING AND COMPARING ANATOMIC STRUCTURES USING THE APPEARANCE AND FORM
    DE10312018B4|2020-01-23|System and method for ultrasound image processing
    EP2027566B1|2009-12-30|Automatische erkennung von präneoplastischen anomalien in anatomischen strukturen auf grundlage einer verbesserten bereichswachstumssegmentation und rechnerprogramm dafür
    Cheng et al.2015|Accurate vessel segmentation with constrained B-snake
    DE102005002950B4|2007-01-25|A method of automatically determining the position and orientation of the left ventricle and / or adjacent regions in 3D image data sets of the heart
    DE202014010680U1|2016-06-23|System for evaluating cardiovascular treatment options for a patient
    US7272250B2|2007-09-18|Vessel segmentation with nodule detection
    DE102007028270B4|2013-11-14|Method for segmenting image data to identify a liver
    DE112004001861B4|2013-01-24|System and method for analyzing local deformable movements of a wall of the left ventricle of a heart
    DE102009010607B4|2015-04-30|Method for suppressing indistinctive features in an image
    AT511265B1|2013-12-15|DEVICE FOR DETERMINING A CHARACTERIZATION VALUE AND METHOD FOR EVALUATING THREE-DIMENSIONAL IMAGES
    同族专利:
    公开号 | 公开日
    US20050001832A1|2005-01-06|
    US7480401B2|2009-01-20|
    DE102004030084B4|2009-05-07|
    引用文献:
    公开号 | 申请日 | 公开日 | 申请人 | 专利标题
    法律状态:
    2005-02-17| OP8| Request for examination as to paragraph 44 patent law|
    2007-02-15| 8120| Willingness to grant licences paragraph 23|
    2007-02-15| 8127| New person/name/address of the applicant|Owner name: SIEMENS MEDICAL SOLUTIONS USA, INC., MALVERN, PA., |
    2009-11-05| 8364| No opposition during term of opposition|
    2010-04-22| 8339| Ceased/non-payment of the annual fee|
    优先权:
    申请号 | 申请日 | 专利标题
    [返回顶部]