專利名稱：方向統(tǒng)計可視化工具的制作方法
技術(shù)領(lǐng)域：
本公開內(nèi)容涉及擴散張量成像，并且更具體地涉及用于擴散張量成像(DTI)的方向統(tǒng)計可視化。
背景技術(shù)：
擴散張量圖像掃描包括足以在諸如腦掃描中確定擴散張量的至少六個梯度方向。根據(jù)該擴散張量，可以確定諸如部分各向異性(Fractional Anisotropy，F(xiàn)A)的擴散各向異性量度。此外，該擴散張量的主方向可以被用于推斷腦白質(zhì)的連通性并將其建模為束。
用于這種束的可視化策略是以數(shù)據(jù)點的子集再現(xiàn)擴散橢球。由于橢球的三維場將彼此遮擋，所以通常是對數(shù)據(jù)的二維切片進行這種可視化。另外，為了辨別出每個橢球，只能再現(xiàn)稀疏網(wǎng)格上的橢球。這種類型的可視化可能在視覺上變得混亂，從而遮蔽要傳達的信息。
可視化的前期工作已經(jīng)包括基于紋理(texture)的方法，通過在每個點處在向量場的方向上鈍化源圖像來產(chǎn)生圖像。線積分卷積(LIC)是一種用于實現(xiàn)這種可視化的技術(shù)。另一種具有基本上相似的視覺效果的方法使用偏微分方程(PDE)的解。
用于基于紋理的DT-MRI可視化的再現(xiàn)技術(shù)包括平面表面再現(xiàn)和體積再現(xiàn)。在平面表面再現(xiàn)中，針對DT-MRI數(shù)據(jù)的平面切片確定圖像，并將該圖像顯示為紋理四邊形。體積再現(xiàn)技術(shù)包括確定在體積中的每個點處的紋理并通過光線投射或者一些相似技術(shù)再現(xiàn)場。這些技術(shù)可能在計算上是昂貴的。
因此，需要用于擴散張量成像的方向統(tǒng)計可視化。

發(fā)明內(nèi)容
根據(jù)本公開內(nèi)容的實施方式，用于擴散張量圖像的可視化的計算機實現(xiàn)方法包括提供擴散張量圖像輸入和提供該擴散張量圖像輸入內(nèi)的感興趣體積。該方法包括確定該感興趣體積的多個基于方向的分類，其中用一組參數(shù)來定義類別。然后通過使用被定義為慣性指示器的比率的準(zhǔn)則在分類中選擇最佳解。為了表示所選擇的分類，針對要顯示或存儲的方向類別中的每一個確定錐形圖，每個錐形對都是類別參數(shù)的幾何解釋。該方法進一步包括確定利用用于可視化方向類別中的至少一個方向類別的錐形圖所擴增的感興趣體積的球形散點圖，以及顯示和/或存儲該散點圖。
根據(jù)本公開內(nèi)容的實施方式，提供計算機可讀介質(zhì)，該計算機可讀介質(zhì)包含可由處理器執(zhí)行以執(zhí)行用于擴散張量圖像的可視化的方法的指令。該方法包括提供擴散張量圖像輸入；提供該擴散張量圖像輸入內(nèi)的感興趣體積；確定該感興趣體積的多個基于方向的分類，其中用一組參數(shù)來定義類別；使用被定義為慣性指示器的比率的準(zhǔn)則確定類別的最佳數(shù)量；以及確定利用用于可視化方向類別中的至少一個方向類別的錐形圖所擴增的感興趣體積的球形散點圖。


下面將參考附圖更詳細地描述本發(fā)明的優(yōu)選實施方式圖1A是原始散點圖的例子；圖1B是密集的散點圖的例子；圖1C是根據(jù)本公開內(nèi)容的實施方式在分類之后的散點圖；圖2是根據(jù)本公開內(nèi)容的實施方式在2D方向空間中的距離圖；圖3A-3C示出根據(jù)本公開內(nèi)容的實施方式的、最佳數(shù)量的聚類(cluster)的檢測；以及圖4是根據(jù)本公開內(nèi)容的實施方式的方向統(tǒng)計的示范性可視化；圖5是根據(jù)本公開內(nèi)容的實施方式用于擴散張量圖像可視化的方法的流程圖；以及圖6是根據(jù)本公開內(nèi)容的實施方式的系統(tǒng)的圖示。
具體實施例方式
根據(jù)本公開內(nèi)容的實施方式，用于方向數(shù)據(jù)的可視化工具使用錐形圖擴增具有方向信息的擴散張量體素的球形可視化。
一種表示擴散張量數(shù)據(jù)的方式是在3維球體上顯示單位向量的散點圖(例如，參見圖1A)。然而，這種方法具有以下局限性隨著點的數(shù)量越來越大，從噪聲中識別主方向變得越來越困難。
這種問題出現(xiàn)在DTI框架中當(dāng)用戶定義感興趣體積(VOI)時，為所選擇的每個體素確定并繪制主方向。如果選擇了多個體素，這將導(dǎo)致散點圖具有如此多的點，以致變得基本上不可能辨別出有意義的聚類(例如參見圖1B)。根據(jù)本公開內(nèi)容的實施方式，通過將向量分類成少量的類別來解決該問題。然后可以將每個類別顯示為錐形圖，該錐形圖具有沿平均方向的軸和取決于樣本離差(dispersion)的基礎(chǔ)寬度(細的錐形指示低的離差)。圖1C示出這種表示的例子，包括三組錐形對，每組錐形對都對應(yīng)于一個向量類別。
方向數(shù)據(jù)的分類可以使用諸如k平均(k-means)或者EM(Expectation Maximization(期望最大化))的分類方法來確定。k平均是基于根據(jù)數(shù)據(jù)點到類別中心的距離對數(shù)據(jù)點進行分類的方法。這要求確定用于定義類別中心的平均值、和距離量度。這些在歐幾里德空間中是微不足道的任務(wù)，而處理方向數(shù)據(jù)是更加復(fù)雜的。根據(jù)本公開內(nèi)容的實施方式，數(shù)據(jù)點是VOI中的張量的主特征向量。每個點都被看作單位向量的頂端(tip)。還應(yīng)該注意的是，單個方向可以等價地被表示為兩個相對的向量。由于這種原因，在確定中認(rèn)為向量和與其相對的向量是嚴(yán)格等價的。
圖2示出歐幾里德距離不適用于方向數(shù)據(jù)的原因在方向空間中，與A和B相比，點B和C彼此間更接近。然而，利用歐幾里德距離，AB＜BC。因此，A和C之間的距離反而應(yīng)當(dāng)被定義為方向(OA)和(OC)之間的最小角度，例如d(A,C)=cos-1(|O→A·O→C|)...(1)]]>同樣地，一組點的平均值不能通過對每個變量的值求平均來確定。替代地，可以使用平均距離x是散布矩陣T的主特征向量，T如下來定義
T‾=1nΣi=1nxixiT...(2)]]>其中xi是數(shù)據(jù)點。
還可以確定一組加權(quán)方向的平均。在這種情況下，該公式將為T‾=Σi=1nwixixiTΣi=1nwi...(3)]]>其中wi是數(shù)據(jù)點的權(quán)重(表示方向的單位向量)。
參考密度函數(shù)，與使用方程(3)相比較，EM算法是另一種更精細的對數(shù)據(jù)進行分類的方法。EM算法使用概率密度函數(shù)(PDF)。在歐幾里德空間中，可以使用諸如多變量正態(tài)分布的PDF，例如f(x|μ,Σ)=(2π)-p/2det(Σ)-1/2e(-12(x-μ)TΣ-1(x-μ))...(4)]]>其中μ和∑是平均值和協(xié)方差。
利用方向數(shù)據(jù)，需要找到表征分布的混合的相似PDF，每個分布集中于類別之一的平均方向。示范性的密度函數(shù)是雙極Watson分布。該Watson分布如下被定義f(x|μ,κ)=C(κ)e(κ(μTx)2)...(5)]]>C(κ)=κπeκ...(6)]]>其中參數(shù)μ和κ分別表示樣本平均值和集中度。C(κ)是歸一化常數(shù)。
EM算法需要估計參數(shù)μ和κ。最大似然性估計可以如下被給出μ^=μ‾...(7)]]>其中μ是根據(jù)如方程(2)中所解釋的散布矩陣所計算的樣本平均方向。
κ^=11-λ...(8)]]>其中λ是散布矩陣的主特征值。
κ是樣本集中度的指示器。根據(jù)該變量，可以計算角離差θ，該角離差是 和xi之間的平均角。根據(jù)本公開內(nèi)容的實施方式，該角離差被用于設(shè)置用于每個類別的錐形的寬度，如圖1C中所示。
θ=sin-1(1κ)...(9)]]>為了檢測類別的最佳數(shù)量，例如圖3A-3C中所示，k平均和EM算法共有相同的缺點當(dāng)對數(shù)據(jù)點進行分類時，它們都不能檢測要使用的類別的最佳數(shù)量。實際上，定義該最佳數(shù)量可能是相當(dāng)麻煩的，并且多個解可能是可接受的。在圖3A-3C中示出了一組k平均分類，包括圖3A中的輸入信息，分別標(biāo)識2個類別301-302(參見圖3B)和3個類別301、303和304(參見圖3C)的兩種可能的結(jié)果。
一種確定最佳結(jié)果的方法是選擇準(zhǔn)則并嘗試找到對其進行最優(yōu)化的分類。準(zhǔn)則的一個例子被定義為慣性指示器的比率。
intra=1NΣk=1KΣx∈Ck||x-zk||2...(10)]]>其中N是數(shù)據(jù)項的數(shù)量，K是聚類的數(shù)量，且zk是聚類Ck的聚類中心，其中Ck是包含數(shù)據(jù)的子集的類別。
inter＝min(‖zk-zl‖2)，k≠l (11)有效性＝inter/intra，要最大化的準(zhǔn)則(12)然后通過利用K的不同值執(zhí)行分類來確定聚類的最佳數(shù)量。產(chǎn)生最好準(zhǔn)則值、例如數(shù)據(jù)項的最好擬合的結(jié)果將被認(rèn)為是最佳的。
現(xiàn)在參考方向類別的可視化，方向數(shù)據(jù)的可視化在DTI框架中執(zhí)行聚類方法。數(shù)據(jù)本身來自一組由用戶選擇的體素。針對這些體素中的每一個，確定并使用顏色映射在球體上繪制主要擴散方向以突出顯示該方向，如圖1A中所示。還根據(jù)每個體素的部分各向異性(FA)對每個體素進行加權(quán)具有各向同性擴散的體素對于方向統(tǒng)計來說不太重要，并且對統(tǒng)計計算以及對最終顯示應(yīng)該具有較小的影響。具有較高各向異性的體素具有較高的權(quán)重，并且它們在類別中心的計算中的影響更加重要。
一旦進行了分類，可以通過增加錐形圖來更新散點圖，在錐形圖中每個錐形對表示包含數(shù)據(jù)點的子集的類別。每個錐形具有其沿著類別平均方向的軸，并且其寬度根據(jù)方程(9)中所定義的角離差來設(shè)置。散點圖上的點根據(jù)其類別被著色。為了提高可見度，每個點具有等于其權(quán)重的α值。因此，具有低權(quán)重的點將看起來幾乎是透明的。相似地，感興趣體積中的像素還根據(jù)其分類和FA值接收顏色和不透明度。這允許連貫的纖維束所通過的區(qū)域的快速可視化。
圖4是方向統(tǒng)計可視化的示范性圖解說明，包括擴增腦掃描的三維可視化的錐形圖401?？梢詫﹀F形圖的每個錐形(錐形對)進行著色以便與向量的其它類別區(qū)別開。這些顏色還可以被用在腦掃描中以可視化感興趣體積、例如402，該感興趣體積包括根據(jù)分類具有不同顏色的子集。
參考圖5，用于擴散張量圖像的可視化的方法包括提供擴散張量圖像輸入和提供該擴散張量圖像輸入內(nèi)的感興趣體積501。該方法包括確定感興趣體積的多個基于方向的分類，其中用一組參數(shù)來定義類別502。然后通過使用被定義為慣性指示器的比率的準(zhǔn)則在分類中選擇最佳解503。為了表示所選擇的分類，為要顯示或存儲的方向類別中的每一個確定錐形圖，每個錐形對都是類別參數(shù)的幾何解釋504。該方法進一步包括確定利用用于可視化方向類別中的至少一個的錐形圖所擴增的感興趣體積的球形散點圖505，以及顯示和/或存儲該散點圖506。
應(yīng)該理解本發(fā)明可以以各種形式的硬件、軟件、固件、專用處理器或者其組合來實現(xiàn)。在一種實施方式中，本發(fā)明可以以軟件被實現(xiàn)為切實包含在程序存儲設(shè)備上的應(yīng)用程序。該應(yīng)用程序可以被上載到包括任何合適結(jié)構(gòu)的機器上并由該機器執(zhí)行。
參考圖6，根據(jù)本公開內(nèi)容的實施方式，用于方向統(tǒng)計可視化工具的計算機系統(tǒng)601尤其可以包括中央處理單元(CPU)602、存儲器603以及輸入/輸出(I/O)接口604。計算機系統(tǒng)601通常通過I/O接口604耦合到顯示器605和諸如鼠標(biāo)和鍵盤的各種輸入設(shè)備606。輔助電路可以包括諸如高速緩沖存儲器、電源、時鐘電路和通信總線的電路。存儲器603可以包括隨機存取存儲器(RAM)、只讀存儲器(ROM)、磁盤驅(qū)動器、磁帶驅(qū)動器等等或者其組合。本發(fā)明可以被實現(xiàn)為存儲在存儲器603中并由CPU 602執(zhí)行以處理來自信號源608的信號的例行程序607。同樣地，計算機系統(tǒng)601是當(dāng)執(zhí)行本公開內(nèi)容的例行程序607時變成專用計算機系統(tǒng)的通用計算機系統(tǒng)。
計算機平臺601還包括操作系統(tǒng)和微指令代碼。這里所描述的各種處理和功能可以是經(jīng)由操作系統(tǒng)執(zhí)行的、微指令代碼的一部分或者是應(yīng)用程序的一部分(或者其組合)。此外，各種其它外圍設(shè)備、例如附加的數(shù)據(jù)存儲設(shè)備和打印設(shè)備也可以被連接到該計算機平臺上。
應(yīng)該進一步理解的是，附圖中所描繪的一些系統(tǒng)組成部件和方法步驟可以以軟件來實現(xiàn)，系統(tǒng)部件(或處理步驟)之間的實際連接可以根據(jù)對本發(fā)明編程的方式而不同。給定在此所提供的本發(fā)明的教導(dǎo)，相關(guān)領(lǐng)域的普通技術(shù)人員將能夠設(shè)想到本發(fā)明的這些和相似的實現(xiàn)方式或配置。
已經(jīng)描述了用于方向統(tǒng)計可視化工具的系統(tǒng)和方法的實施方式，應(yīng)該注意的是，根據(jù)上述教導(dǎo)，本領(lǐng)域普通技術(shù)人員能夠進行修改和變化。因此應(yīng)該理解，在位于本公開內(nèi)容的范圍和精神內(nèi)的本公開內(nèi)容的實施方式中可以進行改變。
權(quán)利要求
1.一種用于擴散張量圖像的可視化的計算機實現(xiàn)方法，包括提供擴散張量圖像輸入；提供該擴散張量圖像輸入內(nèi)的感興趣體積；確定該感興趣體積的多個基于方向的分類，其中用一組參數(shù)來定義類別；使用被定義為慣性指示器的比率的準(zhǔn)則確定類別的最佳數(shù)量；確定利用用于可視化方向類別中的至少一個方向類別的錐形圖所擴增的該感興趣體積的球形散點圖；以及顯示該散點圖。
2.如權(quán)利要求1所述的計算機實現(xiàn)方法，其中所述感興趣體積是一組由用戶所選擇的體素。
3.如權(quán)利要求2所述的計算機實現(xiàn)方法，進一步包括針對每個體素確定主要擴散方向。
4.如權(quán)利要求3所述的計算機實現(xiàn)方法，進一步包括在指示方向的球形散點圖上繪制每個體素和其主要擴散方向。
5.如權(quán)利要求3所述的計算機實現(xiàn)方法，進一步包括在指示權(quán)重的球形散點圖上根據(jù)體素的部分各向異性繪制每個體素和其主要擴散方向。
6.如權(quán)利要求3所述的計算機實現(xiàn)方法，其中在球形散點圖上繪制每個體素和其主要擴散方向，該方法進一步包括用顏色指示方向；以及用不透明度指示部分各向異性。
7.如權(quán)利要求1所述的計算機實現(xiàn)方法，此外其中每個錐形圖是定義相應(yīng)類別的那組參數(shù)的幾何解釋。
8.一種計算機可讀介質(zhì)，包含可由處理器執(zhí)行以實施用于擴散張量圖像的可視化的方法的指令，該方法包括提供擴散張量圖像輸入；提供該擴散張量圖像輸入內(nèi)的感興趣體積；確定該感興趣體積的多個基于方向的分類，其中用一組參數(shù)來定義類別；使用被定義為慣性指示器的比率的準(zhǔn)則確定類別的最佳數(shù)量；以及，確定利用用于可視化方向類別中的至少一個方向類別的錐形圖所擴增的該感興趣體積的球形散點圖。
9.如權(quán)利要求8所述的方法，其中所述感興趣體積是一組由用戶所選擇的體素。
10.如權(quán)利要求9所述的方法，進一步包括針對每個體素確定主要擴散方向。
11.如權(quán)利要求10所述的方法，進一步包括在指示方向的球形散點圖上繪制每個體素和其主要擴散方向。
12.如權(quán)利要求10所述的方法，進一步包括在指示權(quán)重的球形散點圖上根據(jù)體素的部分各向異性繪制每個體素和其主要擴散方向。
13.如權(quán)利要求10所述的方法，其中在球形散點圖上繪制每個體素和其主要擴散方向，該方法進一步包括用顏色指示方向；以及用不透明度指示部分各向異性。
14.如權(quán)利要求8所述的方法，其中每個錐形圖是定義相應(yīng)類別的那組參數(shù)的幾何解釋。
全文摘要
一種用于擴散張量圖像的可視化的計算機實現(xiàn)方法包括提供擴散張量圖像輸入和提供該擴散張量圖像輸入內(nèi)的感興趣體積(501)。該方法包括確定該感興趣體積的多個基于方向的分類，其中用一組參數(shù)來定義類別(502)。然后通過使用被定義為慣性指示器的比率的準(zhǔn)則在分類中選擇最佳解(503)。為了表示所選擇的分類，針對要顯示或存儲的每個方向類別確定錐形圖，每個錐形圖都是對類別參數(shù)的幾何解釋(504)。該方法進一步包括確定利用用于可視化至少一個方向類別的錐形圖所擴增的感興趣體積的球形散點圖(505)，以及顯示和/或存儲該散點圖(506)。
文檔編號A61B5/055GK101067867SQ200710102418
公開日2007年11月7日 申請日期2007年5月8日 優(yōu)先權(quán)日2006年5月5日
發(fā)明者A·弗利波, M·S·納達 申請人:美國西門子醫(yī)療解決公司