專利名稱：圖像自動(dòng)重合/對(duì)齊的系統(tǒng)和方法
技術(shù)領(lǐng)域：
本發(fā)明涉及對(duì)齊圖像數(shù)據(jù)體(Volume)的系統(tǒng)和方法。更具體地說(shuō)，本發(fā)明涉及對(duì)齊三維圖像數(shù)據(jù)體。
背景技術(shù)：
在醫(yī)療領(lǐng)域中，常常必須利用大量模態(tài)(modality)來(lái)觀察處置者的內(nèi)部組織。這些模態(tài)包括X射線成像、磁共振成像(“MRI”)和計(jì)算機(jī)體層攝影(“CT”)。還存在其它模態(tài)例如磁共振功能性成像(“fMRI”)、單光發(fā)射計(jì)算機(jī)斷層掃描(“SPECT”)和正電子發(fā)射計(jì)算機(jī)斷層顯像(“PET”)，所有這些照片都含有描述活組織的生理信息或代謝信息。
已經(jīng)知道每種模態(tài)產(chǎn)生的圖像具有一定的優(yōu)點(diǎn)和缺點(diǎn)。例如，X射線照相(“X射線”)成像具有高空間高密度分辨率，高細(xì)節(jié)地示出骨解剖結(jié)構(gòu)并且使用上相對(duì)便宜；但是X射線對(duì)觀看者展示解剖結(jié)構(gòu)重疊的復(fù)雜二維(“2D”)視圖。X射線照像在處理軟組織特征方面也遇到困難。MRI具有以高對(duì)比高空間分辨率顯示軟組織的三維(“3D”)圖像的優(yōu)點(diǎn)，但不能很好地對(duì)骨頭成像。盡管MRI是觀察軟組織的優(yōu)選模態(tài)，但基于X射線吸收的CT成像產(chǎn)生骨解剖結(jié)構(gòu)的3D照片并且日益獲得對(duì)軟組織的清晰定界。不過(guò)，如果選擇并且對(duì)齊正確的模態(tài)，所得到的組合圖像數(shù)據(jù)會(huì)更完整地表達(dá)患者的內(nèi)剖解剖結(jié)構(gòu)。由此，問(wèn)題就是要發(fā)現(xiàn)一種能在合理時(shí)間內(nèi)非常準(zhǔn)確地對(duì)齊來(lái)自二種模態(tài)的圖像數(shù)據(jù)的系統(tǒng)和方法。
至少?gòu)亩未髴?zhàn)起就開始使用作為圖像重合科學(xué)中的一部分的圖像對(duì)齊，當(dāng)時(shí)利用時(shí)間歷程(time course)航攝照片支持戰(zhàn)略轟炸。利用閃爍比較器機(jī)器通過(guò)快遞連續(xù)地向觀看者顯示二個(gè)不同時(shí)刻拍下的圖像來(lái)疊加這二張照片。當(dāng)以這種方式顯示這些圖像時(shí)，匹配它們的地形從而量化轟炸破壞結(jié)果。
已經(jīng)使用這種相同的但是帶有基于計(jì)算機(jī)的改進(jìn)方法的基本比較技術(shù)疊加由遙感器，例如航空或衛(wèi)星傳感器，產(chǎn)生的圖像，從而對(duì)齊不同時(shí)刻產(chǎn)生的或者同一時(shí)刻傳感器的不同信道上產(chǎn)生的圖像，這些圖像是數(shù)字圖像。在Castleman，K.R.的“Fundamentals of Digital PictureProcessing”，Prentice-Hall，Englewood Cliffs，New Jersey，1979以及Moik，J.G.的“Digital Processing of Remotely Sensed Images”，NASA SP-431，Washington，D.C.，1980二份文獻(xiàn)中報(bào)告了剛剛說(shuō)明的用于遙感器中的圖像對(duì)齊的技術(shù)。
由于由LANDSAT、SPOT以及其它衛(wèi)星系統(tǒng)產(chǎn)生的圖像數(shù)量迅速增加，因而使利用計(jì)算機(jī)實(shí)現(xiàn)圖像對(duì)齊變?yōu)楸匾⑶疫€需要進(jìn)行非線性扭曲變換以便匹配從不同的空中到地面的透視所得到的圖像。為了實(shí)現(xiàn)腦組織圖像對(duì)齊從而進(jìn)行有用的和有效的神經(jīng)生理研究也使利用計(jì)算機(jī)變?yōu)楸匾?。這在Hibbard，L等的Science，2361641-1646，1987中得到報(bào)告，在Brown，L.G.的“A Survey of Image Registration Technigues”，ACM Computing Surveys，24325-376，1992以及Van den Elsen，P.A.等的“Medical Image Matching-A Review with Classification”，IEEE Engineering in Medicine and Biology，March 1993，即.26-69中已報(bào)告對(duì)各種計(jì)算機(jī)對(duì)齊技術(shù)的綜述。
由于已經(jīng)發(fā)現(xiàn)可以提供更好的腫瘤定界，目前正在放射腫瘤學(xué)(radiation onocology)中采用對(duì)來(lái)自至少二種模態(tài)的圖像的圖像重合，這在Rosenman，J.G.等的“Image RegistrationAn Essential part ofRadiation Therapy Treatment Planning”，International Journal ofRadiation Onocology，Biolology，and Physics，40197-205，1998中報(bào)告。預(yù)計(jì)會(huì)加大對(duì)放射治療計(jì)劃(“RTP”)中使用的用來(lái)實(shí)現(xiàn)圖像對(duì)齊的軟件工具以及用來(lái)處理并使用所產(chǎn)生的重合圖像的顯示/畫輪廓工具的開發(fā)。
圖像對(duì)齊方法通常分為二類對(duì)要對(duì)齊的圖像進(jìn)行直接觀察的人工對(duì)齊和用某種類型的計(jì)算機(jī)程序計(jì)算數(shù)值問(wèn)題的解的自動(dòng)對(duì)齊。人工對(duì)齊(“MA”)是通過(guò)目視地匹配二個(gè)圖像的對(duì)應(yīng)特征完成的?？梢栽谒刑峁┗蛱?hào)稱提供圖像重合的RTP系統(tǒng)中實(shí)現(xiàn)MA。MA中最常用的機(jī)理是目視地設(shè)置從其中得出變換的參考點(diǎn)或標(biāo)志，例如通過(guò)使對(duì)應(yīng)的界標(biāo)點(diǎn)之間的偏差最小二乘方化來(lái)實(shí)現(xiàn)變換。一種不常使用的實(shí)現(xiàn)MA的方法是目視地匹配直接嵌入在要對(duì)齊的圖像中的對(duì)象。
一般利用圖形用戶接口(“GUI”)進(jìn)行MA。在大多數(shù)情況中GUI同時(shí)顯示感興趣區(qū)域的軸向視圖、弧矢視圖和冠視圖。GUI必須提供對(duì)3維數(shù)據(jù)的有效導(dǎo)航并且必須對(duì)用于對(duì)齊或測(cè)量的參考標(biāo)志或其它工具提供準(zhǔn)確定位。從而，商用系統(tǒng)已使用UNIX工作站或?qū)Ｓ糜?jì)算機(jī)以實(shí)現(xiàn)交互式顯示大數(shù)據(jù)量所需要的高速計(jì)算和大圖形吞吐量。
自動(dòng)圖像對(duì)齊(“AIA”)方法涉及通過(guò)計(jì)算要對(duì)齊的圖像的特征所得到的變換。這甚至可在無(wú)須用戶介入情況下通過(guò)已編程的計(jì)算機(jī)動(dòng)作進(jìn)行。許多更為成功的AIA方法基于相關(guān)和矩(moment)不變量匹配。
相關(guān)方法更確切地說(shuō)涉及圖像象素強(qiáng)度(intensity)的互相關(guān)或者互協(xié)變性。這些方法產(chǎn)生圖像的堅(jiān)固、準(zhǔn)確的對(duì)齊。在Anuta，P.E.的“SpatialRegistration on Multispectral and Multiemporal Digital Imagery UsingFast Fourier Tranform Techniques”，IEEE Transactions on GeoscienceElectronics，8353-368，1970；Barnea，D.I.等的“A Survey of ImageRegistration Techniques”，IEEE Transactions on Computers，21179-186，1972；以及Pratt，W.K.的“Correlation Technigues of ImageRegistration”，IEEE Transactions on Aerospace and ElectronicSystems，10353-358，1974中已報(bào)告了這種類型的方法。
按照大多數(shù)相關(guān)方法，相關(guān)峰值的位置直接對(duì)應(yīng)于對(duì)齊已經(jīng)具有正確轉(zhuǎn)動(dòng)對(duì)齊的圖像所需的平移。可以根據(jù)Hibbard，L等的Science2361641-1646，1987中報(bào)告的方法通過(guò)在極網(wǎng)格坐標(biāo)上重新對(duì)圖像采樣后再相關(guān)它們得到轉(zhuǎn)動(dòng)對(duì)齊。該轉(zhuǎn)動(dòng)對(duì)齊方法依賴于快速付里葉變換的使用。只要圖像不要過(guò)分不同，相關(guān)方法是準(zhǔn)確的并且對(duì)于噪聲和圖像內(nèi)容中的差異是堅(jiān)固的。因而，對(duì)于類型相同的圖像的對(duì)齊，相關(guān)方法是最常采用的方法。
矩不變量方法是用于圖像對(duì)齊的計(jì)算方法。這些方法的一個(gè)例子在Jain，A.K.的“Fundamentals of Digtal Picture Processing”，Prentice-Hall，Englewood Cliffs，N.J.，1989中報(bào)告。矩不變量方法涉及使用從圖像中的一些重要對(duì)象的二維(2D)慣性矩陣計(jì)算出的主矩組。這些主矩和唯一的一組主向量相對(duì)應(yīng)。通過(guò)把一個(gè)圖像的主向量變換到另一個(gè)圖像的主向量完成圖像對(duì)齊。這通常是快速的計(jì)算，但是，矩不變量方法依賴于有效地提取出充當(dāng)矩參考點(diǎn)的對(duì)象或?qū)ο蠼M的能力。如果圖像是復(fù)雜的并且不具有用來(lái)對(duì)齊類型相同或模態(tài)相同的圖像的單個(gè)主特征，則該方法具有明顯的問(wèn)題。
除了剛討論的矩不變量方法外，還存在其它基于不變量特性的對(duì)齊方法。這些其它方法可采用幾何不變量和曲率及其它極值的最小值/最大值。在Lavellee，S.的“Registration for Computer Intergrated SurgeryMethodology，State of Art”(Taylor，R.等的Computer IntegratedSurgery，MIT Press，Cambridge，MA，1996，一書中)里報(bào)告這些方法中的至少一種。這些方法的特征是速度快，但是易受到噪音和對(duì)象間差異的影響。但是，這些系統(tǒng)只利用每個(gè)圖像集中可使用的全部信息的一小部分來(lái)計(jì)算重合，所以對(duì)精度有一些影響。
實(shí)際意義上，在二十世紀(jì)80年代后期和90年代初期實(shí)現(xiàn)了頭的CT和MRI圖像的自動(dòng)對(duì)齊。當(dāng)時(shí)使用的各種方法得到一定程度的應(yīng)用但它們具有各種缺點(diǎn)。這些方法在Pelizzari，C.A.等的“Accurate Three-dimensional Registraton of CT，PET，and/or MR Images of TheBrain”，Journal of Computer Assisted Tomography，1320-26，1989中報(bào)告。
Pelizzari等說(shuō)明的方法建議通過(guò)皮層表面的輪廓線組表達(dá)CT和MRI中的腦表面并且建議使二個(gè)表面中的相鄰點(diǎn)之間的最小二乘方差為最小從而確定對(duì)齊變換。后來(lái)通過(guò)對(duì)表面點(diǎn)進(jìn)行子采樣并接著應(yīng)用簡(jiǎn)單的最優(yōu)化確定變換而改進(jìn)了該方法。最新改進(jìn)在Van Herk，M.和Kooy，H.M.的“Automatic Three-Dimensional Correlation of CT-CT，CTMRI，andCT-SPECT Using Chamfer Matching”，Medical Physics，211163-1178，1994，中報(bào)告。已發(fā)現(xiàn)該原始方法以及改進(jìn)方法僅是適用于頭的，并且這二種方法都需要首先人工地得到皮層表面的輪廓線。
另一種已經(jīng)提出的用來(lái)重合圖像的自動(dòng)方法的基礎(chǔ)是使互信息為最大，該方法于1995年首次報(bào)告。該方法來(lái)源于信息理論，在信息理論中一個(gè)隨機(jī)變量對(duì)另一個(gè)隨機(jī)變量的親緣(relatedness)取決于變量的熵的度量，其中該熵被稱為“互信息”(“MT”)。(參見，Cover.T.和Thomas，J.，Elements of Information Theory，John Wiley and Sons.NewYork，1991)從而，對(duì)于二個(gè)圖像，如果它們是不相關(guān)的或者它們相關(guān)但未對(duì)齊，則MI為小。若改善圖像對(duì)齊，則它們的MI增大并且當(dāng)圖像幾何上對(duì)齊時(shí)為最大。MI和相關(guān)性的差異在于，圖像間的會(huì)混淆相關(guān)性的系統(tǒng)差異實(shí)際上增強(qiáng)了利用MI所達(dá)到的對(duì)齊。在醫(yī)學(xué)上常把MI用于多模態(tài)攝象的二維和三維對(duì)齊，如在Wells，W.M.等的“Lecture Notes onComputer Science”，Vol.1496，Springer-Verlag，New York，1998，中報(bào)告的那樣。
MI的應(yīng)用也是許多研究的主題。例如，它已用于對(duì)齊多模態(tài)MRI和帶有CT的MRI，如下述文獻(xiàn)中報(bào)告那樣Viola，P.和Wells，W.M.的“Alignment by Maximization of Mutual Information”，Proc.of theVth Int’l.Conf.on Computer Vision，Cambridge，MA，June 1995，pp.16-23；Collignon，A.等的“Automated Multimodality Medical ImageRegistration Using Information Theory”，該文收入在Bizais，Y.等的Proc.Of the XVth Int’l.Conf.on Computer Vision，Virtual reality，andRobotics in Medicine(CVRMed’95)，Vol 905，Springer-Verlag，LeclureNotes in Computer Science，Nice，F(xiàn)rance，April 1995，pp.195-204；Meas，E.等的“Multi-Modality Image Registration by Maximization of MutuatInformation”，IEEE Workshop on Mathematical Methods in BiomedicalImage Analysis，San Francisco，CA，June 21-22，1996，pp.14-22；以及Studholme，C.等的“Automated 3-D Registration of MR and CT Imagesof the Head”，Medical Image Analysis，1163-175，196。除其它之外，和MI有關(guān)的一個(gè)課題是在高效時(shí)間方式下完成MI的能力。
在1997年進(jìn)行了Vanderbilt腦對(duì)齊回顧研究。該研究涉及各種對(duì)齊計(jì)算方法，其目的是評(píng)估每個(gè)由CT+MRI或PET+MRI數(shù)據(jù)集組成的頭數(shù)據(jù)集的標(biāo)準(zhǔn)組的誤差，在這些數(shù)據(jù)集中利用骨植入標(biāo)志測(cè)量“金本位”(gold standard)對(duì)齊(判斷其它對(duì)齊的對(duì)齊)。該研究中，在把圖像送到各參與實(shí)驗(yàn)室之前去掉圖像中的標(biāo)志的痕跡。各測(cè)試實(shí)驗(yàn)室使用的技術(shù)包括表面匹配、相關(guān)性和MI的各種變型。各結(jié)果中的誤差變化很大。至少使用了十四種對(duì)齊CT和MRI圖像的方法。采用MI的實(shí)驗(yàn)室中的二個(gè)取得MRI脈沖序列模態(tài)頻譜上的最低總中值誤差。第三位最佳結(jié)果是通過(guò)相關(guān)方法得到的。在對(duì)使用PET以及MRI的對(duì)齊的比較中，第一位和第二位的最低總中值誤差是通過(guò)單個(gè)相關(guān)方法然后再應(yīng)用二個(gè)MI方法達(dá)到的?？傊琈I法和相關(guān)法產(chǎn)生最低的誤差并且不需要勾勒腦部輪廓、頭皮消除或其它交互活動(dòng)。盡管這些方法顯示出一定的成功，但是相信應(yīng)能在不犧牲精度的情況下下大大改進(jìn)求解的時(shí)間。

發(fā)明內(nèi)容
本發(fā)明提供一種含有一種準(zhǔn)確的且比現(xiàn)有技術(shù)的系統(tǒng)和方法快得多的自動(dòng)對(duì)齊方法的系統(tǒng)和方法，并且本發(fā)明的系統(tǒng)和方法包含一種無(wú)需專門或額外配置強(qiáng)力高性能工作站便能達(dá)到或超過(guò)現(xiàn)有技術(shù)的最高性能等級(jí)所能取得的速度和細(xì)節(jié)顯示的交互式對(duì)齊方法。
本發(fā)明是一種用于自動(dòng)重合尤其是自動(dòng)重合三維(“3D”)圖像數(shù)據(jù)體的系統(tǒng)和方法。依據(jù)本發(fā)明的系統(tǒng)和方法，這樣實(shí)現(xiàn)對(duì)齊同時(shí)在GUI顯示至少，但最好是，二個(gè)3D圖像數(shù)據(jù)體，其中一個(gè)3D圖像數(shù)據(jù)體保持不變而另一個(gè)數(shù)據(jù)體可以定標(biāo)、轉(zhuǎn)動(dòng)和平移從而對(duì)齊同調(diào)的解剖特征。該系統(tǒng)和方法會(huì)同時(shí)顯示感興趣區(qū)域的軸向圖、弧矢圖和冠視圖。這些平面圖最好是為系統(tǒng)用戶設(shè)計(jì)并配置的數(shù)據(jù)體，以便把一個(gè)體“拉到”或“定位到”一個(gè)平面圖中的新位置上并同時(shí)在無(wú)明顯滯后時(shí)間下更新另二個(gè)平面圖中顯示的數(shù)據(jù)體。本發(fā)明的系統(tǒng)和方法還包括基于互信息(“MI”)最大化的自動(dòng)對(duì)齊計(jì)算。本發(fā)明的系統(tǒng)和方法利用MI最大化比現(xiàn)有圖像對(duì)齊方法更有效和更快地對(duì)齊3D。
依據(jù)本發(fā)明的系統(tǒng)和方法，上面所提到的顯示和自動(dòng)對(duì)齊具有以下優(yōu)點(diǎn)對(duì)顯示器上的數(shù)據(jù)體高速更新并同時(shí)以全分辨率顯示數(shù)據(jù)。該系統(tǒng)和方法實(shí)現(xiàn)下述各特別的策略。首先，用二個(gè)齊次矩陣表示二個(gè)獨(dú)立數(shù)據(jù)體的合成變換，其中這二個(gè)矩陣的乘積在一個(gè)系統(tǒng)中直接產(chǎn)生與另一系統(tǒng)中的一給定點(diǎn)相對(duì)應(yīng)的點(diǎn)。第二，體數(shù)據(jù)變換是從實(shí)值向量的矩陣相乘到整數(shù)向量的相加重算的，其中這些整數(shù)向量的分量與實(shí)值向量的分量大致相同。第三，為了自動(dòng)對(duì)齊，在進(jìn)行變換和再取樣之前，確定會(huì)在顯示中看到的或位于固定數(shù)據(jù)空間內(nèi)數(shù)據(jù)的行或列的部分。
依據(jù)本發(fā)明的重合其特征在于，對(duì)感興趣區(qū)域的多種類型的圖像進(jìn)行對(duì)齊和組合使用。多種類型圖像的組合使用使得能提取不能從其中任何一個(gè)圖像得到的有關(guān)該感興趣區(qū)域的信息。從而，對(duì)齊過(guò)程是空間匹配各種圖像的同調(diào)對(duì)象的過(guò)程以及提取協(xié)作得出的信息的過(guò)程。
本發(fā)明的自動(dòng)重合是通過(guò)初始人工選擇要對(duì)齊的圖像然后利用GUI人工對(duì)齊或者自動(dòng)對(duì)齊進(jìn)行的?？梢圆皇芟拗频匕错樞蚴褂没蛘咭匀魏雾樞蛑貜?fù)地使用各種對(duì)齊方法。更具體地，這涉及到利用圖形用戶接口(“GUI”)對(duì)圖像對(duì)象的交互匹配，和利用一種無(wú)需用戶交互計(jì)算二個(gè)圖像的估算對(duì)齊的自動(dòng)方法進(jìn)行圖像對(duì)齊。依據(jù)本發(fā)明的這些組合動(dòng)作是互補(bǔ)的，并且所產(chǎn)生的對(duì)齊比現(xiàn)有技術(shù)更精確和更節(jié)約時(shí)間。
利用GUI完成二個(gè)圖像的人工選擇和初始疊放。自動(dòng)對(duì)齊利用自動(dòng)定標(biāo)的MI最大化計(jì)算方法并且找出會(huì)產(chǎn)生圖像的最佳對(duì)應(yīng)的平移和轉(zhuǎn)動(dòng)。本發(fā)明的至少一個(gè)實(shí)施例預(yù)期施加到可移動(dòng)數(shù)據(jù)體的幾何變換是涉及六個(gè)自由度，即三個(gè)平移和三個(gè)轉(zhuǎn)動(dòng)，的線性變換。
在本說(shuō)明書的剩余部分中將參照各附圖更詳細(xì)地說(shuō)明本發(fā)明的系統(tǒng)和方法。


圖1是使用本發(fā)明的GUI的透視圖，其在橫向平面、冠平面和弧矢平面中示出同一個(gè)患者的未對(duì)齊的CT和MRI圖像；圖2是使用本發(fā)明的GUI的透視圖，其在橫向平面、冠平面和弧矢平面中示出來(lái)自圖1的對(duì)齊后的CT和MRI圖像；圖3是含有一個(gè)圖像數(shù)據(jù)體的CT堆的代表圖；圖4是含有一個(gè)圖像數(shù)據(jù)體的MRI堆的代表圖；圖5是本發(fā)明中采用的數(shù)據(jù)體坐標(biāo)系的代表圖，其示出橫向(軸向)平面、冠平面和弧矢平面；圖6示出了具有不同標(biāo)度的主數(shù)據(jù)體和次數(shù)據(jù)體的一個(gè)例子；圖7示出了具有定標(biāo)和平移差異的主數(shù)據(jù)體和次數(shù)據(jù)體的一個(gè)例子；圖8示出了具有定標(biāo)、平移和轉(zhuǎn)動(dòng)差異的主數(shù)據(jù)體和次數(shù)據(jù)體的一個(gè)例子；圖9示出了在主數(shù)據(jù)體上對(duì)次數(shù)據(jù)體進(jìn)行數(shù)據(jù)內(nèi)插的一個(gè)例子；圖10示出了通過(guò)迭代整數(shù)向量相加把次數(shù)據(jù)體變換到主數(shù)據(jù)體上的一個(gè)例子。
具體實(shí)施例方式本發(fā)明是一種自動(dòng)重合三維(“3D”)圖像數(shù)據(jù)體的系統(tǒng)和方法。依據(jù)本發(fā)明的系統(tǒng)和方法，通過(guò)同時(shí)在GUI上顯示至少，但最好是二個(gè)3D圖像數(shù)據(jù)體，并且一個(gè)3D圖像數(shù)據(jù)體保持固定而可定標(biāo)、轉(zhuǎn)動(dòng)和平移另一個(gè)以對(duì)齊同調(diào)的解剖特征來(lái)實(shí)現(xiàn)自動(dòng)重合。該系統(tǒng)和方法會(huì)自動(dòng)地顯示感興趣區(qū)域的軸向視圖、弧矢視圖和冠視圖。這些平面圖最好顯示這些數(shù)據(jù)體內(nèi)的2D平面上的體素強(qiáng)度，這些數(shù)據(jù)體內(nèi)的2D平面的位置是通過(guò)GUI軸向窗口、冠窗口和弧矢窗口內(nèi)的直線光標(biāo)的位置規(guī)定的，例如“拖拉”任一窗口內(nèi)的光標(biāo)規(guī)定一個(gè)平面圖的新位置，并且在對(duì)用戶不出現(xiàn)滯后的情況下立即更新該平面圖。在第二種操作方法下，可以利用光標(biāo)“拖拉”二個(gè)數(shù)據(jù)體中的一個(gè)以便相對(duì)于固定的數(shù)據(jù)體實(shí)現(xiàn)轉(zhuǎn)動(dòng)或平移。這將使所有三個(gè)視圖，即軸向、弧矢或冠向視圖，在對(duì)用戶無(wú)滯后的情況下重新顯示。在第三種操作方法下，可移動(dòng)數(shù)據(jù)體響應(yīng)互信息最大化確定期間得到的最新，“最佳”對(duì)齊能實(shí)時(shí)地“跳變”和“扭轉(zhuǎn)”。本發(fā)明的自動(dòng)重合還包括基于互信息(“MI”)最大化的自動(dòng)對(duì)齊計(jì)算。本發(fā)明的系統(tǒng)和方法利用MI最大化比現(xiàn)有對(duì)齊方法更有效地和更快地對(duì)齊3D。
本發(fā)明的自動(dòng)重合是這樣實(shí)現(xiàn)的首先人工選擇要對(duì)齊的圖像，然后或者利用GUI人工對(duì)齊或者自動(dòng)地對(duì)齊?？梢圆皇芟拗频匕错樞蚴褂没蛞匀魏雾樞蛑貜?fù)使用各種對(duì)齊方法。即，首先利用圖形用戶接口(“GUI”)交互式地匹配圖像對(duì)象，然后存在不必用戶交互下計(jì)算二個(gè)圖像的估算對(duì)齊的自動(dòng)方法。這種組合產(chǎn)生比現(xiàn)有技術(shù)更準(zhǔn)確的對(duì)齊。
依據(jù)本發(fā)明，自動(dòng)重合涉及通過(guò)利用GUI交互式地匹配圖像對(duì)象以及自動(dòng)對(duì)齊計(jì)算來(lái)對(duì)齊不同的圖像體。GUI的使用向系統(tǒng)用戶提供待解決的3D數(shù)據(jù)體的三個(gè)視圖，并且允許系統(tǒng)用戶相對(duì)于其它模態(tài)平移和轉(zhuǎn)動(dòng)一種模態(tài)的圖像數(shù)據(jù)。例如，可能希望自動(dòng)重合CT和MRI分析。為達(dá)此目的每項(xiàng)分析以數(shù)據(jù)體為形式。CT圖像數(shù)據(jù)會(huì)是GUI的固定位置。而MRI圖像數(shù)據(jù)可以相對(duì)于該CT圖像數(shù)據(jù)轉(zhuǎn)動(dòng)和平移。在這種情況下，把CT圖像數(shù)據(jù)稱為主數(shù)據(jù)集而把MRI圖像數(shù)據(jù)稱為次數(shù)據(jù)集。主、次數(shù)據(jù)集在GUI上會(huì)具有窗口控制和等級(jí)控制。GUI上還存在滑動(dòng)塊控制，用于控制窗口中的主、次數(shù)據(jù)集的強(qiáng)度。
顯示(通過(guò)GUI)和自動(dòng)對(duì)齊既達(dá)到GUI的高速更新又達(dá)到在全分辨率下顯示數(shù)據(jù)。本發(fā)明的自動(dòng)重合至少部分地取決于(i)把二個(gè)獨(dú)立數(shù)據(jù)體的合成變換表達(dá)為一對(duì)齊次矩陣，它們的乘積在該變換下直接在次系統(tǒng)中生成一個(gè)和主系統(tǒng)中的一給定點(diǎn)同調(diào)的點(diǎn)；(ii)把體數(shù)據(jù)變換從實(shí)值向量的矩陣相乘重算成整數(shù)向量的相加，其中整數(shù)向量的分量接近實(shí)向量的分量；以及(iii)在進(jìn)行變換和再采樣之前確定能在顯示器上看到的或者位于固定數(shù)據(jù)的空間內(nèi)的數(shù)據(jù)的行或列的部分(用于自動(dòng)對(duì)齊)，從而不進(jìn)行不必要的變換。
在本發(fā)明的實(shí)際應(yīng)用中，自動(dòng)重合會(huì)對(duì)齊RIP中使用的二個(gè)3D圖像數(shù)據(jù)體。典型地，這將包括對(duì)齊一個(gè)X射線CT分析集和一個(gè)MRI分析集。這些二種模態(tài)圖像的對(duì)齊擴(kuò)大了帶有可在MRI攝像中看到的更強(qiáng)的軟組織細(xì)節(jié)的CT解剖信息在MRI中顯示的軟組織器官以及腫瘤要比CT中更好。如果準(zhǔn)確地疊加二種模態(tài)，在需要處MRI圖像可以替代CT圖像中看不到或不能良好看的東西。本發(fā)明的重合還能使用來(lái)自核醫(yī)學(xué)攝像(SPECT、PET)或磁共振功能性成像(fMRI)的特殊組織功能信息，它們可幫助得到更準(zhǔn)確和更有效的治療。
參照?qǐng)D1，其概括地在100處示出本發(fā)明中使用的代表性GUI。盡管本發(fā)明人預(yù)料許多其它應(yīng)用，本發(fā)明優(yōu)選地用于對(duì)齊主(CT)和次(MRI)圖像數(shù)據(jù)以幫助勾述組織。
圖1中，在窗口102里示出主、次數(shù)據(jù)集的橫向或軸向平面圖。主數(shù)據(jù)集在104示出，而次數(shù)據(jù)集在106處示出。在窗口108處示出主、次數(shù)據(jù)集的冠平面圖。主數(shù)據(jù)集在110處示出，次數(shù)據(jù)集在112處示出。在窗口114里示出主、次數(shù)據(jù)集的弧矢平面圖。主數(shù)據(jù)集在116處示出，次數(shù)據(jù)集在118處示出。在每個(gè)窗口中，主、次數(shù)據(jù)集具有相對(duì)照的顏色，或者一個(gè)數(shù)據(jù)集是彩色的而另一個(gè)是黑白的。然而，所需要的只是二個(gè)數(shù)據(jù)集是不同顏色的，從而可以區(qū)分它們。為了使用戶能分辨如何相對(duì)于主集轉(zhuǎn)動(dòng)和平移次集這是必要的。如可方便地通過(guò)觀察窗口102、108和114以及二個(gè)數(shù)據(jù)集的對(duì)照顏色看出那樣，主、次數(shù)據(jù)集是不對(duì)齊的。正如后述，在進(jìn)行MI最大化(此時(shí)將顯示MI等級(jí))之前按圖中的方式保持空白區(qū)132。
再次參照?qǐng)D1，在122處示出主窗口控制并在124處示出主等級(jí)控制。主窗口控制122用于從要在窗口102、108和114中顯示的主數(shù)據(jù)集選擇窗口。因而，數(shù)字1301表示要顯示范圍寬度為1301強(qiáng)度單位、以164的等級(jí)值為中心的主數(shù)據(jù)。主等級(jí)控制164用于為要在窗口102、108和114中顯示的主數(shù)據(jù)設(shè)定強(qiáng)度等級(jí)。這樣，數(shù)據(jù)164就表示要顯示范圍寬度為1301強(qiáng)度單位，以164的等級(jí)值為中心的主數(shù)據(jù)。
從類似的方法，在126處示出次窗口控制并在128處示出次等級(jí)控制。次窗口控制126用于從要在窗口102、108和114中顯示的次數(shù)據(jù)集選擇窗口。因而，數(shù)字100表示要顯示范圍寬度為100強(qiáng)度單位、以50的等級(jí)值為中心的次數(shù)據(jù)。次等級(jí)控制128用于為要在窗口102、108和114中顯示的次數(shù)據(jù)集設(shè)定強(qiáng)度等級(jí)。這樣，數(shù)字50就表示要顯示范圍寬度為100強(qiáng)度單位，以50的等級(jí)值為中心的次數(shù)據(jù)。
GUI100的底部處是一個(gè)滑動(dòng)塊，其二端分別是標(biāo)志“主”和“次”。移動(dòng)控制會(huì)增加和減小次數(shù)據(jù)相對(duì)于主數(shù)據(jù)的強(qiáng)度。因此，若用戶希望比次數(shù)據(jù)集更強(qiáng)調(diào)主數(shù)據(jù)集，他或她會(huì)把控制移動(dòng)到更靠近“主”標(biāo)志；若用戶希望比主數(shù)據(jù)集更強(qiáng)調(diào)次數(shù)據(jù)集，他或她會(huì)把控制移動(dòng)到更靠近“次”標(biāo)志。在GUI上選擇并對(duì)齊主、次數(shù)據(jù)集中，該控制的使用是重要的。
參照?qǐng)D1，窗口102、108和114各具有一個(gè)圓光標(biāo)和二個(gè)線光標(biāo)。更具體地，窗口102具有圓134、垂線光標(biāo)136和水平線光標(biāo)138；窗口108具有圓140、垂線光標(biāo)142和水平線光標(biāo)144；而窗口114具有圓146、垂線光標(biāo)148和水平線光標(biāo)150。每個(gè)窗口中的二個(gè)線光標(biāo)描述數(shù)據(jù)體中另二個(gè)平面視圖的位置。參照窗口102，水平線光標(biāo)138示出在窗口108中示出的冠剖面的位置，垂線光標(biāo)136示出在窗口114中示出的弧矢剖面的位置。類似地，參照窗口108，水平線光標(biāo)144示出在窗口102中示出的橫向或軸向剖面的位置，垂線光標(biāo)142示出在窗口114中示出的弧矢剖面的位置。最后，參照窗口114，水平線光標(biāo)150示出在窗口102中示出的橫向或軸向剖面的位置，垂線光標(biāo)148示出在窗口108中示出的冠剖面的位置。
窗口102中垂線光標(biāo)136的移動(dòng)會(huì)使窗口114中的弧矢平面圖掃視，而窗口102中水平線光標(biāo)138的移動(dòng)會(huì)使窗口108中的冠平面視圖掃視。類似地，窗口108中垂線光標(biāo)142的移動(dòng)會(huì)使窗口114中的弧矢視圖掃視，而窗口108中水平線光標(biāo)144的移動(dòng)會(huì)使窗口102中的橫向或軸向視圖掃視。最后。窗口114中垂線光標(biāo)148的移動(dòng)會(huì)使窗口108中的冠平面視圖掃視，而窗口114中水平線光標(biāo)150的移動(dòng)會(huì)使窗口102中的橫向或軸向視圖掃視。這些線光標(biāo)的移動(dòng)允許用戶通過(guò)利用各線光標(biāo)的每次移動(dòng)同時(shí)更新受影響的各視圖以導(dǎo)航所示出的數(shù)據(jù)。
窗口102、108和114中的圓134、140和146分別指示其中用戶可以嚙合一特定的窗口視圖從而人工轉(zhuǎn)動(dòng)或平移次圖像的區(qū)域。從而，和水平線以及垂線光標(biāo)不同的GUI光標(biāo)定位在一圓內(nèi)或圓外以實(shí)現(xiàn)MRI數(shù)據(jù)集(次數(shù)據(jù)集)的轉(zhuǎn)動(dòng)和平移。如果GUI光標(biāo)在該圓內(nèi)并嚙合，它可用于在該窗口的平面中的二個(gè)方向上平移次圖像。同時(shí)會(huì)在另二個(gè)視圖中表現(xiàn)出該平移。如果GUI光標(biāo)位于該圓外并嚙合，它可用于繞該窗口的平面中心轉(zhuǎn)動(dòng)次圖像。同時(shí)會(huì)在另二個(gè)視圖中表現(xiàn)出該轉(zhuǎn)動(dòng)。
當(dāng)選擇二個(gè)要對(duì)齊的數(shù)據(jù)體時(shí)，第一個(gè)動(dòng)作是人工操縱未對(duì)齊的視圖。這將涉及選擇適當(dāng)?shù)闹?、次窗口視圖并為這二個(gè)窗口視圖選擇所希望的強(qiáng)度等級(jí)?？梢酝ㄟ^(guò)滑動(dòng)塊控制130控制主、次圖像之間的相對(duì)強(qiáng)度。一旦選定了適當(dāng)?shù)囊晥D和等級(jí)，則利用各窗口的各個(gè)線光標(biāo)在每個(gè)窗口中得到主、次數(shù)據(jù)集的適當(dāng)信息視圖。在此之后，把GUI光標(biāo)定位在每個(gè)窗口的圓之中或之外以平移或轉(zhuǎn)動(dòng)次圖像，從而對(duì)齊次(可動(dòng))圖像和主(固定)圖像。
利用MI最大化的自動(dòng)對(duì)齊可以在人工對(duì)齊之前、之后進(jìn)行或者替代人工對(duì)齊。自動(dòng)對(duì)齊是通過(guò)激活圖1中152處示出的自動(dòng)對(duì)齊控制而啟動(dòng)的。激活該自動(dòng)對(duì)齊控制可改善次圖像對(duì)主圖像的對(duì)齊。
概括地在200處示出的圖2示出了主、次圖像對(duì)齊或重合的窗口102、104和114。圖2中和圖1中的相同部分具有相同的附圖標(biāo)記。圖2中的主、次圖像的對(duì)齊是依據(jù)本發(fā)明的自動(dòng)對(duì)齊技術(shù)的結(jié)果。請(qǐng)注意，同時(shí)對(duì)全部三個(gè)平面圖，即橫向(軸向)、冠和弧矢平面圖發(fā)生對(duì)齊。
在窗口156中示出該自動(dòng)對(duì)齊方法的進(jìn)程和準(zhǔn)確性，窗口156包含示出互信息值與迭代次數(shù)的關(guān)系曲線的曲線圖158。在窗口156的160處顯示MI最大化的最終值。該最終值是主、次圖像非常準(zhǔn)確的對(duì)齊，從而可在例如RTP中使用每個(gè)圖像的有用信息。當(dāng)正進(jìn)行自動(dòng)對(duì)齊時(shí)，圖像顯示不斷更新以反映對(duì)齊的改進(jìn)。下面將說(shuō)明該實(shí)現(xiàn)主、次圖像的自動(dòng)對(duì)齊的方法。
本發(fā)明的顯示以及自動(dòng)對(duì)齊都需要快速確定3D主、次數(shù)據(jù)體中任何位置處的CT或MRI強(qiáng)度。依據(jù)本發(fā)明，單個(gè)窗口里的數(shù)據(jù)體的平移和轉(zhuǎn)動(dòng)會(huì)導(dǎo)致計(jì)算該數(shù)據(jù)體內(nèi)的對(duì)應(yīng)平面的位置。相應(yīng)地，為該平面位置確定強(qiáng)度。由于數(shù)據(jù)圖像數(shù)據(jù)只出現(xiàn)在有限數(shù)量的行、列和片(slice)中，位于行、列或片之間的觀察線必須估算強(qiáng)度。類似地，自動(dòng)對(duì)準(zhǔn)對(duì)數(shù)據(jù)體的主、次數(shù)據(jù)重疊部分進(jìn)行體素對(duì)體素的比較。這需要把整數(shù)行、列和片坐標(biāo)處的主體素和主坐標(biāo)系統(tǒng)中的非整數(shù)位置處的變換后的次體素進(jìn)行比較。因此，本發(fā)明能夠非?？斓?，最好以每秒數(shù)百萬(wàn)次或更高的速度，確定變換后的位置以及新位置處的強(qiáng)度，以便在不帶有可看出的滯后的情況下更新GUI視圖。這是通過(guò)在高效緊湊表達(dá)式中計(jì)算幾何變換并用整數(shù)的串行相加代替耗時(shí)的實(shí)數(shù)(十進(jìn)制數(shù))相乘達(dá)到的。另外，依據(jù)本發(fā)明，通過(guò)促進(jìn)更快得到結(jié)果的“位”移位完成次數(shù)據(jù)體變換的整數(shù)重新定標(biāo)。
為了改進(jìn)本發(fā)明的方法的時(shí)間效率，判定要變換的體數(shù)據(jù)是否保持在顯示域或體數(shù)據(jù)重疊區(qū)中。本發(fā)明只對(duì)那些對(duì)功能有用的體素進(jìn)行變換。另外，為了提高得出結(jié)果的速度，可以在進(jìn)行變換之前完成掃描線可視性檢查，因?yàn)檫@些數(shù)據(jù)的幾何形狀以及顯示坐標(biāo)系是已知的無(wú)須進(jìn)行變換。
作為討論本發(fā)明的自動(dòng)重合的背景，例如最好在RIP中使用的CT和MRI數(shù)據(jù)集是3D方網(wǎng)格上有規(guī)律間隔下患者解剖結(jié)構(gòu)的樣本集。CT圖像表示從作為穿過(guò)患者的投影得到的吸收測(cè)量重建的解剖剖面。重建平面畫面構(gòu)成患者的橫向或軸向平面視圖。通常，在重建的剖面圖像中CT分析具有0.7到約為1mm/體素(體元素)的空間分辨率。典型地，CT圖像在剖面平面中具有512×512體素的尺寸并且具有40個(gè)到多于100個(gè)的供分析的剖面。
MRI圖像是從體磁化測(cè)量重建的。這些圖像是沿著和患者的軸垂直的平面重建的，從而通常圖像組是在橫向或軸向取向下形成的，因此提供了和同一患者的CT影象的比照。在重建圖像的平面中MRI的空間分辨率約為1.5至3mm/體素。MRI圖像通常在剖面平面中具有256×256體素的尺寸。典型地，MRI分析具有30個(gè)到多于100個(gè)的剖面。
CT以及MRI圖像的最常見代表是一堆圖像，這些圖像示出和掃描器的軸以及患者的上下軸相垂直的平面中的患者的解剖剖面。在用270概括的圖3中示出包含一個(gè)數(shù)據(jù)體的代表性CT堆，而在用272概括的圖4中示出包含一個(gè)數(shù)據(jù)體的代表性MRI堆。沿著患者的上下軸的圖像稱為橫穿軸的(或軸向或橫向)。與前后方向垂直的平面中的圖像是冠圖像和弧矢圖像，且這些圖像位于和中-側(cè)方向垂直的平面中。僅僅為了說(shuō)明，下面的CT圖像和MRI圖像數(shù)據(jù)集的例子用于將使用RIP的患者上-指向頭；下-指向足；前-指向身體的最前面或前方或指向臉；后-指向身體或頭的后方；中-指向身體或頭的中心；以及，側(cè)-指向身體或頭的外側(cè)。
假定當(dāng)進(jìn)行CT或MRI掃描以產(chǎn)生圖3和4中示出的數(shù)據(jù)堆時(shí)患者取仰臥位置，在用274概括的圖5中示出了表示x、y、z軸以及表示橫向或軸向平面、弧矢平面和冠平面的數(shù)據(jù)體坐標(biāo)系。在圖5中，軸向平面示于275處，弧矢平面示于276處，而冠平面示于277處。x、y、z軸概括地示于278處。
圖像數(shù)據(jù)由帶有正交坐標(biāo)軸(x、y、z)的3D正方網(wǎng)格上不變間隔處的標(biāo)量強(qiáng)度組成。z軸平行于上下軸或垂直于橫向或軸向圖像剖面。x軸平行于前后軸并垂直于冠圖像剖面。最后，y軸平行于中-側(cè)軸并垂直于弧矢圖像剖面。x軸和y軸位于橫向或軸向圖像平面中并且原點(diǎn)位于圖像的左上角。x軸平行于中-側(cè)軸并垂直于弧矢圖像剖面。y軸平行于前后軸，并垂直于冠圖像剖面。
按照本發(fā)明處理的圖像數(shù)據(jù)最好是數(shù)字?jǐn)?shù)據(jù)。由此，用于數(shù)據(jù)體的CT和MRI數(shù)據(jù)是數(shù)組，其中每個(gè)數(shù)表示空間中某點(diǎn)處的組織特性的測(cè)量或樣本。取這些數(shù)據(jù)點(diǎn)以存在于體素中心處。這些體素是長(zhǎng)、寬、高等于數(shù)據(jù)之間的特征間隔的長(zhǎng)方體。數(shù)據(jù)的幾何圖形符合具有原點(diǎn)和互相垂直的坐標(biāo)軸的迪卡兒坐標(biāo)系。
本發(fā)明和自動(dòng)重合方法的自動(dòng)對(duì)齊部分用于自動(dòng)地進(jìn)行次圖像變換，在本情況下這意味著可能造成次圖像相對(duì)于主圖像的三種轉(zhuǎn)動(dòng)和三種平移以最大地重疊同調(diào)的解剖點(diǎn)。最優(yōu)變換F*和由I(p，F(xiàn)(s))表示的互信息的最大值相對(duì)應(yīng)，其根據(jù)式(1)關(guān)聯(lián)主圖像數(shù)據(jù)和變換后的次圖像數(shù)據(jù)F*=maxIF(p,F(s))---(1)]]>其中
I＝MI的實(shí)數(shù)值；p＝主強(qiáng)度數(shù)組；F(s)＝經(jīng)F變換后的次強(qiáng)度數(shù)組。
在多數(shù)情況下，實(shí)值的轉(zhuǎn)動(dòng)和平移把整數(shù)索引的次體素再定位到非整數(shù)的位置上。因此，必須對(duì)次圖像數(shù)據(jù)進(jìn)行內(nèi)插以得到主體體素位置處的次體素強(qiáng)度。這些插值的F(s)強(qiáng)度要構(gòu)成為確定MI所需要的臨界概率分布和聯(lián)合概率分布。
MI最大化的判定取決于以式(1)為基礎(chǔ)的變換、內(nèi)插和概率分布?，F(xiàn)在計(jì)討論這些變換、內(nèi)插和概率分布。
首先必須考慮坐標(biāo)變換。可以用st表示變換后的次數(shù)據(jù)體素。該值從用s＝(sx，sy，sz)表示的次數(shù)據(jù)體素的初始狀態(tài)變換得到。該變換是通過(guò)定標(biāo)、平移和轉(zhuǎn)動(dòng)操作的組合實(shí)現(xiàn)的。該變換由式(2)表示st＝R(v·s-t) (2)其中v＝(vx，vy，vz)，主對(duì)次軸標(biāo)度比向量； 繞三個(gè)軸的轉(zhuǎn)動(dòng)矩陣；t＝(tx，ty，tz)，平移向量；s＝(sx，sy，sz)，定標(biāo)、平移或轉(zhuǎn)動(dòng)之前的初始次數(shù)據(jù)體素坐標(biāo)。
在300處概括的圖6中示出定標(biāo)或平移之前數(shù)據(jù)體的主、次數(shù)據(jù)的代表性關(guān)系。在圖6中，主、次數(shù)據(jù)體示成具有302處的相同原點(diǎn)，從而很容易看出不同。主數(shù)據(jù)在304處示出，次數(shù)據(jù)在306處示出，還可立即看出，分別在308、310以及312，314處的用于主、次的x以及y的間隔是不同的。圖6中主數(shù)據(jù)體和次數(shù)據(jù)體之間的不同是由于定標(biāo)差異造成的。因此，在可作出任何進(jìn)一步對(duì)齊之前，還必須把次數(shù)據(jù)體定標(biāo)到主數(shù)據(jù)體。
已知向量vx，vy，vz是從圖像數(shù)據(jù)的掃描儀校準(zhǔn)得到的并且被認(rèn)為是固定的。從而，一旦完成定標(biāo)后，只需要改變平移和轉(zhuǎn)動(dòng)以得到最優(yōu)對(duì)齊。
正如下述的，可以利用矩陣相乘實(shí)現(xiàn)必要的坐標(biāo)變換。在這種情況下，這些變換可以用齊次坐標(biāo)中的矩陣運(yùn)算表示，其中向量平移、轉(zhuǎn)動(dòng)、定標(biāo)和斜移運(yùn)算可以組合到一種表示法。在三維數(shù)據(jù)體中，向量按照式(3)表達(dá)成4×1的數(shù)組s=(sx,sy,sz,1)T=sxsysz1---(3)]]>其中s＝次數(shù)據(jù)體素的初始向量；T＝向量的轉(zhuǎn)置。
研究圖6，為比較主圖像數(shù)據(jù)的點(diǎn)a處的強(qiáng)度和次圖像數(shù)據(jù)同一點(diǎn)的強(qiáng)度，需要內(nèi)插次圖像數(shù)據(jù)值。次矩離Ds對(duì)主矩離Dp定標(biāo)，這可以用式(4)表示；Dsxs=Dpxp,Dsys=Dpyp,Dszs=Dpzp---(4)]]>對(duì)應(yīng)的標(biāo)定分量在式(5)中描述vx=xsxp,vy=ysyp,vz=zszp---(5)]]>對(duì)應(yīng)的變換在后面討論的式(6)中示出。
在線性仿射變換中，平移、轉(zhuǎn)動(dòng)、定標(biāo)和斜移是用4×4的矩陣表示的。更具體地，對(duì)于定標(biāo)，它可以通過(guò)把4×4矩陣中的定標(biāo)因子向量v(向量v的分量位于對(duì)角線上)和式(3)中示出的4×1矩陣相乘得到。這在式(6)中示出vs=vx0000vy0000vz00001sxsysz1≡vxsxvysyvzsz1=s′---(6)]]>必須重復(fù)地為多個(gè)次數(shù)據(jù)體素確定st。因此，為了提高效率，通常按式(6)中示出那樣預(yù)乘s和v。根據(jù)式(6)確定s′作為沿著所有三個(gè)軸的次圖像數(shù)據(jù)再采樣的等效值，從而和主圖像數(shù)據(jù)中一樣次圖像數(shù)據(jù)具有相同的網(wǎng)格間距。
參照320處所概括的圖7，圖中示出按定標(biāo)因子以及平移 次數(shù)據(jù)體和主數(shù)據(jù)體相差的情況。平移差是沿x和y的分量平移的和，并在圖7的338處表示。
考慮到這一點(diǎn)，st的確定可以基于次圖像數(shù)據(jù)的一次平移以及繞三軸中的每個(gè)的一次轉(zhuǎn)動(dòng)，如式(7)所示st＝R(s′-t)(7)其中， 繞三個(gè)軸的轉(zhuǎn)動(dòng)矩陣；s′＝v和s的乘積；t＝(tx，ty，tz)，平移向量。
s′通過(guò)向量t＝(tx，ty，tz)的平移是通過(guò)利用4×4矩陣T乘以該向量來(lái)表示，其中平移分量位于該矩陣的第4列中，如式(8)所述s′-t=Ts=100tx010ty001tz0001s′xs′ys′z1≡s′x+txs′y+tys′z+tz1---(8)]]>下一步必須研究次圖像數(shù)據(jù)的轉(zhuǎn)動(dòng)。參照350處所概括的圖8，圖中示出由定標(biāo)、356處的平移 以及358處轉(zhuǎn)動(dòng)的角θ所造成的組合偏移。在圖8中，主體數(shù)據(jù)示于352處，次體數(shù)據(jù)示出354處。根據(jù)式(9)、(10)和(11)，次圖像數(shù)據(jù)圍繞三個(gè)坐標(biāo)軸轉(zhuǎn)動(dòng)角x、y、zR(φx)=10000cosφx-sinφx00sinφxcosφx00001---(9)]]>R(φy)=cosφy0sinφy00100-sinφy0cosφy00001---(10)]]>R(φz)=cosφz-sinφz00sinφzcosφz0000100001---(11)]]>次圖像數(shù)據(jù)s繞z軸即xy平面中的轉(zhuǎn)動(dòng)用式(12)表示R(φz)s=cosφz-sinφz00sinφzcosφz0000100001sxsysz1=sxcosφz-sysinφzsxsinφz+sycosφzsz1---(12)]]>對(duì)另二個(gè)軸，R(φx)s和R(φy)s，使用相同類型的矩陣相乘。
可以用各個(gè)變換矩陣的乘積表示坐標(biāo)變換的組合。先平移次圖像數(shù)據(jù)然后繞z軸轉(zhuǎn)動(dòng)的組合變換在式(13)中描述str=R(φz)Ts=cosφz-sinφz00sinφzcosφz0000100001100tx010ty001tz0001sxsysz1]]>=cosφz-sinφz00sinφzcosφz0000100001sx-txsy-tysz-tz1---(13)]]>=(sx-tx)cosφz-(sy-ty)sinφz(sx-tx)sinφz+(sy-ty)cosφzsz-tz1]]>請(qǐng)注意上面在確定Str時(shí)，由于存在大量的對(duì)零和一的乘，除非使用專門設(shè)計(jì)的硬件系統(tǒng)，否則齊次坐標(biāo)所需的計(jì)算是低效率的。因此本發(fā)明采用一種不必在復(fù)雜計(jì)算水平下便可產(chǎn)生準(zhǔn)確結(jié)果的方法，從而實(shí)現(xiàn)一種高時(shí)間效率的方式，這種程度的復(fù)雜計(jì)算在過(guò)去是存在問(wèn)題的?，F(xiàn)在說(shuō)明該方法。
次圖像數(shù)據(jù)的轉(zhuǎn)動(dòng)基本上都是二維的，因此可以把轉(zhuǎn)動(dòng)重新陣述為只含有式(9)、(10)和(11)的正、余弦項(xiàng)的2×2矩陣與x，y，z中一次只取出二個(gè)的適當(dāng)組合的相乘。這些轉(zhuǎn)動(dòng)還必須參照原點(diǎn)或轉(zhuǎn)動(dòng)中心進(jìn)行。轉(zhuǎn)動(dòng)中心最好不和主、次數(shù)據(jù)體的原點(diǎn)為同一點(diǎn)。
如已所述，主、次數(shù)據(jù)體的原點(diǎn)位于各長(zhǎng)方體的一個(gè)角落處。次圖像數(shù)據(jù)繞其原點(diǎn)的轉(zhuǎn)動(dòng)會(huì)對(duì)尋找主、次圖像數(shù)據(jù)的共同特征的最優(yōu)對(duì)齊所進(jìn)行的嘗試引入大的和難以預(yù)測(cè)的影響。因此，依據(jù)本發(fā)明，把轉(zhuǎn)動(dòng)中心設(shè)置在次數(shù)據(jù)體的中心，從而轉(zhuǎn)動(dòng)會(huì)使大量的次體數(shù)據(jù)疊加在主體數(shù)據(jù)上。為完成該動(dòng)作，要涉及二次平移。第一次是把次數(shù)據(jù)體的中心平移到坐標(biāo)系統(tǒng)原點(diǎn)，后者最好根據(jù)主數(shù)據(jù)體定義。第二次是把次數(shù)據(jù)體平移回到它的原始位置。第一次平移用式(14)和(15)表示st=C-1RCTs′,C=100cx010cy001cz0001,C-1=100-cx010-cy001-cz0001---(14)]]>其中，st＝變換后的次數(shù)據(jù)體素；C＝次體數(shù)據(jù)的平移矩陣，其中心(cx，cy，cz)位于坐標(biāo)系原點(diǎn)；C-1＝矩陣C的逆平移； 繞三個(gè)軸的轉(zhuǎn)動(dòng)矩陣；s′＝v和s的乘積；T＝向量的轉(zhuǎn)置?，F(xiàn)擴(kuò)展轉(zhuǎn)動(dòng)項(xiàng)R以便包含三個(gè)軸中的各次轉(zhuǎn)動(dòng)，從而總變換由式(15)表示
st＝C-1RzRy1xCTs′(15)如前所述，繞x，y和z軸的轉(zhuǎn)動(dòng)只涉及該軸的平面中的二個(gè)坐標(biāo)的改變。從而，對(duì)于每個(gè)軸，被研究的信息是二維的而不是三維的。結(jié)果把式(9)、(10)、(11)和(12)中的4×4矩陣的相乘簡(jiǎn)化成一系列2×2矩陣的相乘，這在式(16)，(17)和(18)中示出Rxs′⇐cosφx-sinφxsinφxcosφxuv,u=s′y,v=s′z---(16)]]>Rys′⇐cosφysinφy-sinφycosφyuv,u=s′x,v=s′z---(17)]]>Rzs′⇐cosφz-sinφzsinφzcosφzuv,u=s′x,v=s′y---(18)]]>其中Rx＝y(tǒng)和z平面中繞x軸的轉(zhuǎn)動(dòng)；Ry＝x和z平面中繞y軸的轉(zhuǎn)動(dòng)；Rz＝x和y平面中繞z軸的轉(zhuǎn)動(dòng)；u＝第一分量；v＝第二分量。
在根據(jù)式(16)-(18)把次數(shù)據(jù)體中心平移到坐標(biāo)原點(diǎn)上之后，接著還要把次數(shù)據(jù)體移回到它的原始位置上。這會(huì)產(chǎn)生誤差值，在剩余的自動(dòng)對(duì)齊步驟中現(xiàn)在可應(yīng)用該誤差值。
正如所述，在進(jìn)行本發(fā)明的自動(dòng)重合方法的自動(dòng)對(duì)齊部分中，最有可能存在需要對(duì)主數(shù)據(jù)體內(nèi)插次數(shù)據(jù)體的最優(yōu)對(duì)齊位置的非整數(shù)對(duì)齊。從原理上講，若存在二個(gè)實(shí)數(shù)，例如a和b，其中a＜b，并且第三個(gè)數(shù)x位于a和b之間，即a≤x≤b，則在此給定條件下，可以通過(guò)式(19)根據(jù)線性內(nèi)插確定x的值x=a(|x-b|b-a)+b(|x-a|b-a)---(19)]]>這樣，2D中的線性內(nèi)插可以用于在主體數(shù)據(jù)的各平面中重新采樣和重建次體數(shù)據(jù)。為了實(shí)現(xiàn)三維體數(shù)據(jù)的對(duì)齊，2D信息可以和最近鄰近體素技術(shù)相結(jié)合以在無(wú)需過(guò)分的計(jì)算時(shí)間下得到所需的內(nèi)插，當(dāng)然還可以采用其它內(nèi)插方法。
參照在370處概括的圖9，圖中表示二維中把次體數(shù)據(jù)變換到主坐標(biāo)系之后的情況。點(diǎn)a處的次數(shù)據(jù)的值S(a)可以通過(guò)諸如最近鄰近、雙線性、B樣條內(nèi)插或更高階多項(xiàng)式的內(nèi)插方法確定。在該圖中，主體數(shù)據(jù)示于372處而次體數(shù)據(jù)示于374處。
通常，最近鄰近法需要對(duì)感興趣的次點(diǎn)分配最近的次數(shù)據(jù)點(diǎn)處的值。這可以通過(guò)把實(shí)值分量x，y和z化整到最接近的對(duì)應(yīng)整數(shù)來(lái)完成。本發(fā)明最好采用這種內(nèi)插方法。
在討論MI之前，先提供一個(gè)用來(lái)確定變換和內(nèi)插并進(jìn)行掃描線分析的方法的例子。首先必須關(guān)聯(lián)二個(gè)坐標(biāo)系統(tǒng)。對(duì)齊二個(gè)帶有不同x，y，z定標(biāo)因子的三維數(shù)據(jù)體意味著確定使對(duì)應(yīng)的解剖吻合的平移tx、ty、tz、和轉(zhuǎn)動(dòng)φx、φy、φz。因?yàn)槟茉跀?shù)據(jù)體基向量矩陣中表達(dá)相對(duì)于基礎(chǔ)笛卡兒坐標(biāo)系變換后的數(shù)據(jù)體的完整描述，所以可以利用系統(tǒng)的基向量確定從一個(gè)系統(tǒng)(次系統(tǒng))變換到另一個(gè)系統(tǒng)(主系統(tǒng))的體素位置。因此，考慮帶有原點(diǎn)偏移為 并且基向量為 的基矩陣P的CT圖像體(主體)，該基矩陣P如下式(20)所述P=p1xp2xp3xoPxp1yp2yp3yoPyp1zp2zp3zoPz0001---(20)]]>在式(20)中示出的在左上角3×3子矩陣中含有累積的定標(biāo)和轉(zhuǎn)動(dòng)。如果次體數(shù)據(jù)的原點(diǎn)和各個(gè)軸與主體數(shù)據(jù)的基礎(chǔ)笛卡兒坐標(biāo)系 重合，則基矩陣如下式(21)所述P=p1x0000p2y0000p3z00001---(21)]]>在式(21)中，p1x、P2y、P3z是 向量投影到 軸上的長(zhǎng)度。該系統(tǒng)中[行][列][片]＝[l][m][n]處的體素的向量 具有如式(22)中示出的形式p=Pplmn=Plmn1=lp1xi→+mp2yj→+np3zk→---(22)]]>在式(22)中，各坐標(biāo)是按基向量長(zhǎng)度的整數(shù)乘示出的。
在式(20)的更廣義的系統(tǒng)表達(dá)下，可以按式(23)示出向量 p→lmn=Plmn1=p1xp2xp3xoPxp1yp2yp3yoPyp1zp2zp3zoPz0001lmn1=lp1x+mp2x+np3x+oPxlp1y+mp2y+mp3y+oPylp1z+mp2z+np3z+oPz1---(23)]]>在式23中， 軸上的分量plnm是在最后一項(xiàng)中示出的。每個(gè)基向量 在所有 上都具有分量，從而需要使用比式(22)更復(fù)雜的表達(dá)式。式(23)提供了在給定整數(shù)l，m，n情況下體素[l][m][n]的物理位置，若矩陣P具有逆矩陣P-1，則可以用式(24)從體素的物理位置向量 確定其整數(shù)位置p→lmn=P-1p→---(24)]]>請(qǐng)注意在該例之前，可以通過(guò)式(25)示出的齊次基矩陣S表示次圖像S=s1xs2xs3xoSxs1ys2ys3yoSys1zs2zs3zoSz0001---(25)]]>式(25)反映出原點(diǎn)偏移 和基向量 和主系統(tǒng)一樣，通過(guò)根據(jù)式(26)和(27)的基矩陣建立次系統(tǒng)中的等效物理位置以及次體數(shù)據(jù)的整數(shù)索引的體素s→=Ss→lmn---(26)]]>s→lmn=S-1s→---(27)]]>M代表廣義齊次仿射變換矩陣。它在式(28)中表示M=m1xm2xm3xtxm1ym2ym3ytym1zm2zm3ztz0001---(28)]]>其中，m1xm2xm3xm1ym2ym3ym1zm2zm3z]]>＝含有定標(biāo)和轉(zhuǎn)動(dòng)信息的左上3*3子矩陣。
tx，ty，tz＝平移向量。式(28)的M矩陣能通過(guò)按mx，my，mz表示的各矩陣的相乘提供任何數(shù)量的變換的組合。
次體數(shù)據(jù)的變換等同于式(29)中示出的矩陣相乘S′＝MS(29)變換后的體素向量 的位置 具有在式(30)中描述的基位置s→′=MSs→lmn=S′s→lmn---(30)]]>為了在主體數(shù)據(jù)坐標(biāo)系中顯示變換后的次體數(shù)據(jù)的強(qiáng)度或?yàn)榱吮容^次體素強(qiáng)度和主體素強(qiáng)度，必須確定主坐標(biāo)系統(tǒng)中的位置 。為此，需要用 替代式(24)中的 其結(jié)果表達(dá)式是式(31)p→′=P-1s→′=P-1MSs→lmn---(31)]]>式(31)提供在主坐標(biāo)系中的位置 。這樣，由于通過(guò)次體數(shù)據(jù)網(wǎng)格完成本發(fā)明方法的各步驟，因此就確定出變換點(diǎn)在主坐標(biāo)系中的但位于主體數(shù)據(jù)網(wǎng)格的非整數(shù)位置上的對(duì)應(yīng)網(wǎng)格。
式(31)中的基矩陣和變換矩陣的全積是式(32)中的齊次矩陣P-1MS=X=x11x21x31x41x12x22x32x42x13x23x33x43x14x24x34x44---(32)]]>研究前面的式(28)，該表達(dá)式在左上角的3*3子矩陣含有繞三個(gè)軸的轉(zhuǎn)動(dòng)的累積乘，并且第四列的前三個(gè)元素含有關(guān)聯(lián)次系統(tǒng)對(duì)主系統(tǒng)原點(diǎn)的平移的各個(gè)分量。另外，前三列的前三個(gè)元素是變換后的坐標(biāo)系相對(duì)于主坐標(biāo)系的 軸的基向量。變換后的次系統(tǒng)相對(duì)于主系統(tǒng)的原點(diǎn)偏移為 這在用400概括的圖10中示出。在圖10中，主體數(shù)據(jù)位于402，次體數(shù)據(jù)位于404。由于圖10只是x，y平面中的二維表達(dá)，從而只示出408處的x偏移和410處的y偏移，從式(32)的X根據(jù)式(33)得到原點(diǎn)偏移o→x=x41i→,o→y=x42j→,o→z=x43k→---(33)]]>三個(gè)基向量 以式(34)，(35)，(36)中得到s→x=x11i→+x12j→+x13k→---(34)]]>s→y=x21i→+x22j→+x23k→---(35)]]>s→z=x31i→+x32j→+x33k→---(36)]]>如圖10中所示，式(34)-(36)定義沿變換后的次軸 對(duì) 的整數(shù)步進(jìn)偏離。從原點(diǎn)沿著行、列、片步進(jìn)偏離，則可通過(guò)加上相應(yīng)的向量分量得到相繼的次體素位置。從而，412處的a、414處的b、416處的c、418處的d這四個(gè)數(shù)據(jù)點(diǎn)將具有下面指出的位置a:1s→x+0s→y]]>b:1s→x+1s→y]]>c:1s→x+2s→y]]>d:1s→x+3s→y]]>這樣，通過(guò)實(shí)數(shù)向量的迭代相加得到變換后的次位置。另外，可以通過(guò)乘以一個(gè)大整數(shù)例如216并接著舍掉小數(shù)部分而從實(shí)數(shù)數(shù)據(jù)類型改變到整數(shù)數(shù)據(jù)類型來(lái)重新定標(biāo) 向量以節(jié)約大量處理時(shí)間。其結(jié)果是實(shí)矩陣-向量相乘轉(zhuǎn)為成整數(shù)相加。為了把數(shù)據(jù)重定標(biāo)到主坐標(biāo)系，用與“位”移位得到的相同的因數(shù)除變換后的分量。
從主體數(shù)據(jù)和變換后的次體數(shù)據(jù)的幾何圖形，可以看見實(shí)際上存在于GUI的視場(chǎng)上的或空間中重疊的體素的強(qiáng)度并且可以處理各體素的強(qiáng)度。在圖10中，次體數(shù)據(jù)周邊上的一些體素在主數(shù)據(jù)的外面，并且它們不會(huì)在本發(fā)明的自動(dòng)對(duì)齊方法中得到使用。只變換有用的體素，其它體素則不變換。
在討論了和定標(biāo)、內(nèi)插和變換有關(guān)的例子后，現(xiàn)討論MI最大化。
現(xiàn)利用互信息(“MI”)最大化實(shí)現(xiàn)次體數(shù)據(jù)對(duì)主體數(shù)據(jù)的最優(yōu)對(duì)齊。初始，考慮主、次體數(shù)據(jù)A和B分別具有體素值a和b。體素值是只取有限整數(shù)值的隨機(jī)變量。這些有限值位于值域0≤a≤NA-1和0≤b≤NB-1內(nèi)，其中NA和NB是每個(gè)數(shù)據(jù)中觀察到的值的數(shù)量。A體素具有值a的概率p(a)是用帶有值a的體素的數(shù)量n(a)除以A中的全部體素?cái)?shù)來(lái)定義的。這在式(37)中示出p(a)=Σi=0n(a)NA-1n(i)---(37)]]>所有的概率p(a)的集構(gòu)成數(shù)據(jù)集A并且是a的概率分布。此外，還知道A中所有體素值的概率和可以用式(38)表示Σi=0NA-1p(i)=1---(38)]]>從而，為了從整數(shù)體素?cái)?shù)據(jù)確定p(a)，構(gòu)建所有n(a)個(gè)體素值頻率的分布圖，然后按照式(37)歸一化。
對(duì)齊主、次數(shù)據(jù)體從而使作為主數(shù)據(jù)A中的一部分的每個(gè)體素值a(a∈A)和單個(gè)次體素b∈B相關(guān)應(yīng)當(dāng)根據(jù)基于聯(lián)合概率p(a，b)的使a，b組合一起出現(xiàn)的概率，其中聯(lián)合概率p(a，b)在式(39)中示出p(a,b)=n(a,b)Σa∈AΣb∈Bn(a,b)---(39)]]>其中，
n(a，b)＝a，b組合的出現(xiàn)次數(shù)。
觀測(cè)具有值a的體素的概率p(a)是預(yù)測(cè)該觀測(cè)中的不確定性的度量。因此，對(duì)于具有可能值a∈A的單個(gè)隨機(jī)變量A以及主數(shù)據(jù)體中一給定體素處的分布p(a)，熵(一隨機(jī)變量出現(xiàn)中的不確定性的度量)在式(40)中描述H(A)=-Σa∈Ap(a)logp(a)---(40)]]>其中，A＝值為a的隨機(jī)變量；logp(a)＝以2為底的對(duì)數(shù)。
如本文中所使用的那樣，熵是分布p(a)的函數(shù)，當(dāng)a的分布均勻時(shí)它最大并且若A中的所有體素具有相同的值時(shí)它最小。參照式(38)，熵可以被稱為1/logp(a)的平均值。因此，對(duì)于來(lái)自主、次數(shù)據(jù)體的二個(gè)隨機(jī)變量A和B，聯(lián)合熵由式(41)確定H(A,B)=-Σa=0NA-1Σb=0NB-1p(a,b)logp(a,b)---(41)]]>其中，A＝代表主數(shù)據(jù)的隨機(jī)變量；B＝代表次數(shù)據(jù)的隨機(jī)變量；a＝隨機(jī)變量A的實(shí)際值；b＝隨機(jī)變量B的實(shí)際值。
給出二個(gè)隨機(jī)變量，一個(gè)位于主數(shù)據(jù)體中用A表示，另一個(gè)位于次數(shù)據(jù)體中用B表示，它們具有某種不知道的但可確定的關(guān)系，可以按照以下將要描述的那樣說(shuō)明該關(guān)系。二個(gè)隨機(jī)變量A和B的相關(guān)熵是它們的二個(gè)概率分布之間的距離的度量。MI是一個(gè)分布含有另一個(gè)分布的信息量。二個(gè)概率分布(p(a)，a∈A和p(b)，b∈B)之間的相關(guān)熵用式(42)定義D(p(a)||p(b))=Σa∈Ap(a)logp(a)p(b)---(42)]]>相關(guān)熵D看成是一個(gè)距離度量，即，對(duì)所有a，b而言，當(dāng)p(a)＝p(b)時(shí)D(p(a)‖p(b))＝0且對(duì)于所有a，b而言，D(p(a)‖p(b))≥0。
用于本發(fā)明的MI是聯(lián)合分布和臨界分布乘積之間的相關(guān)熵。從而，考慮式(41)和(42)，MI由式(43)定義I(A;B)D=Σa∈AΣb∈Bp(a,b)logp(a,b)p(a)p(b)---(43)]]>MI，即I(A；B)是因?qū)的知識(shí)而使A中的不確定性的減少。從而，如圖2中曲線158處所示，隨著自動(dòng)地出現(xiàn)前面已說(shuō)明的平移和轉(zhuǎn)動(dòng)，MI增加直至它到達(dá)160處示出的狀態(tài)。在該點(diǎn)之后，只會(huì)在增加計(jì)算時(shí)間的情況下很小地改善對(duì)齊。在自動(dòng)重合期間依據(jù)本發(fā)明的對(duì)齊處理所需時(shí)間通常在30秒到90秒之間。
本文中采用的術(shù)語(yǔ)和表達(dá)式只是措詞和描述，而不是限制。使用這些術(shù)語(yǔ)和表達(dá)式不意味著要排斥所示出或說(shuō)明的特征或其各部分的等同物，并且應(yīng)理解在不背離本發(fā)明所要求保護(hù)的范圍內(nèi)各種修改都是可能的。
權(quán)利要求
1.一種自動(dòng)重合方法，包括下列步驟(a)利用第一模態(tài)生成結(jié)構(gòu)的第一圖像數(shù)據(jù)體；(b)利用第二模態(tài)生成結(jié)構(gòu)的第二圖像數(shù)據(jù)體；(c)處理第一圖像數(shù)據(jù)體，從而能選擇性地顯示第一圖像數(shù)據(jù)體；(d)處理第二圖像數(shù)據(jù)體，從而能選擇性地顯示第二圖像數(shù)據(jù)體；(e)在顯示裝置的二個(gè)不連接位置處選擇性地顯示第一圖像數(shù)據(jù)體的至少二個(gè)不同的平面圖；(f)在顯示裝置的二個(gè)不連接位置處選擇性地顯示第二圖像數(shù)據(jù)體的至少二個(gè)不同的平面圖，其中第二圖像數(shù)據(jù)體的平面圖和第一圖像數(shù)據(jù)體的平面圖為所述結(jié)構(gòu)的相同部分；(g)把第二圖像數(shù)據(jù)體的平面圖定標(biāo)到第一圖像數(shù)據(jù)體的平面圖的標(biāo)度上；以及(h)使定標(biāo)后的第二圖像數(shù)據(jù)體的平面圖對(duì)齊第一圖像數(shù)據(jù)體的平面圖包括以下子步驟(1)在每個(gè)平面圖中把定標(biāo)后的第二圖像數(shù)據(jù)體的平面圖平移到在其上第二圖像數(shù)據(jù)體的各預(yù)定點(diǎn)接近第一圖像數(shù)據(jù)體的對(duì)應(yīng)點(diǎn)的位置上；(2)在每個(gè)平面圖中把定標(biāo)后的和平移后的第二圖像數(shù)據(jù)體的平面圖轉(zhuǎn)動(dòng)到在其上第二圖像數(shù)據(jù)體的各預(yù)定點(diǎn)接近第一圖像數(shù)據(jù)體的對(duì)應(yīng)點(diǎn)的位置上，其中步驟(h)(2)的接近比步驟(h)(1)的接近具有更靠近的接近；以及(3)利用相對(duì)于第一圖像數(shù)據(jù)體每次的選擇移動(dòng)實(shí)質(zhì)上同時(shí)更新第一圖像數(shù)據(jù)體的每個(gè)平面圖；以及(4)利用相對(duì)于第二圖像數(shù)據(jù)體每次的選擇和對(duì)齊移動(dòng)實(shí)質(zhì)上同時(shí)更新第二圖像數(shù)據(jù)體的每個(gè)平面圖。
2.如權(quán)利要求1所述的方法，其中所述結(jié)構(gòu)是解剖結(jié)構(gòu)。
3.如權(quán)利要求2所述的方法，其中第一模態(tài)是計(jì)算機(jī)體層攝影(CT)成像。
4.如權(quán)利要求2所述的方法，其中第二模態(tài)是磁共振成像(MRI)。
5.如權(quán)利要求1所述的方法，其中步驟(e)包括在顯示裝置的三個(gè)不連接的位置上選擇性地顯示第一圖像數(shù)據(jù)體的至少三個(gè)不同平面圖。
6.如權(quán)利要求5所述的方法，其中步驟(f)包括在顯示裝置的三個(gè)不連接的位置上選擇性地顯示第二圖像數(shù)據(jù)體的至少三個(gè)不同平面圖，其中第二圖像數(shù)據(jù)體的平面圖和第一圖像數(shù)據(jù)體的平面圖為所述結(jié)構(gòu)的相同部分。
7.如權(quán)利要求6所述的方法，其中所述結(jié)構(gòu)的三個(gè)不同平面圖包括軸向(橫向)圖、冠圖和弧矢圖。
8.一種自動(dòng)重合方法，包括下列步驟(a)利用第一模態(tài)生成結(jié)構(gòu)的第一圖像數(shù)據(jù)體；(b)利用第二模態(tài)生成結(jié)構(gòu)的第二圖像數(shù)據(jù)體；(c)處理第一圖像數(shù)據(jù)體，從而能選擇性地顯示第一圖像數(shù)據(jù)體；(d)處理第二圖像數(shù)據(jù)體，從而能選擇性地顯示第二圖像數(shù)據(jù)體；(e)在顯示裝置的二個(gè)不連接位置處選擇性地顯示第一圖像數(shù)據(jù)體的至少二個(gè)不同的平面圖；(f)在顯示裝置的二個(gè)不連接位置處選擇性地顯示第二圖像數(shù)據(jù)體的至少二個(gè)不同的平面圖，
全文摘要
本發(fā)明描述一種用于自動(dòng)重合三維(“3D”)圖像數(shù)據(jù)體的系統(tǒng)和方法。依據(jù)該系統(tǒng)和方法，這樣實(shí)現(xiàn)對(duì)齊同時(shí)在GUI上顯示至少，但最好，二個(gè)3D的圖像數(shù)據(jù)體，其中一個(gè)3D圖像數(shù)據(jù)體保持不變而另一個(gè)數(shù)據(jù)體可以定標(biāo)、轉(zhuǎn)動(dòng)和平移，從而對(duì)齊同調(diào)的解剖特征。該系統(tǒng)和方法會(huì)同時(shí)顯示感興趣區(qū)域的軸向、弧矢、冠平面圖。這些平面圖是為系統(tǒng)用戶設(shè)計(jì)和配置的數(shù)據(jù)體，以便把一個(gè)體“拉到”或“定位到”一個(gè)平面圖中的新位置上并且同時(shí)在無(wú)明顯滯后情況下更新另二個(gè)平面圖中顯示的數(shù)據(jù)體。該系統(tǒng)和方法還包括基于互信息(MI)最大化的自動(dòng)對(duì)齊計(jì)算。該系統(tǒng)和方法比現(xiàn)有圖像對(duì)齊方法更有效和更快地對(duì)齊3D。
文檔編號(hào)A61B5/00GK1408102SQ00810873
公開日2003年4月2日 申請(qǐng)日期2000年7月26日 優(yōu)先權(quán)日1999年7月26日
發(fā)明者萊恩·海巴德, 德萊克·G·萊恩 申請(qǐng)人:計(jì)算機(jī)化醫(yī)療系統(tǒng)公司