專利名稱：用于體積數據集的多模式顯像的方法和設備的制作方法
技術領域：
本發明涉及一種根據獨立權利要求的前序部分的用于對象(特別是患者)的體積 數據集的多模式顯像(multimodal visualization)的方法和設備。
背景技術：
體積顯像是一種使醫師和科學家能夠洞察復雜體積結構的技術。在醫學應用中， 這種技術幫助提供診斷。利用不同成像模式(modality)所采集的體積數據集用于不同的 檢查。為了便于更好地進行醫學診斷，當前越來越明顯的趨勢是利用來自多個模式的數據 集進行信息采集。由于不同的模式常常具有互補的信息，因此希望能夠組合它們的長處從而為用戶 提供一致的接口。不同的成像模式可以被分成兩組顯示出解剖結構的模式和顯示出機能 特征的模式。計算機斷層攝影(CT)和磁共振成像(MRI)是顯示出解剖結構的模式的例子。 與此相對，例如正電子發射斷層攝影(PET)顯示出身體的機能特征。一般來說，解剖模式的 空間分辨率要好于機能模式。因此，一種常見的模式組合是解剖模式與機能模式之間的組 合。機能模式提供關于身體內部的過程的信息，解剖模式被用來顯示出身體的內部結構。此 外，例如CT和MRI的兩種解剖模式的組合也常被用于進行診斷。這兩種模式都顯示出身體 的內部結構，但是對于不同組織具有不同對比度。腦部例如在MRI中具有更高對比度，而在 CT中則可以看到骨骼。通常來說，在醫學應用中提供并排視圖以用于檢查不同的模式。醫 師可以同時在整個兩種對準的模式上進行滾讀。上述實踐存在兩個主要缺陷。一個缺陷是無法對數據進行直接視覺組合。醫師必 須在頭腦中交疊兩個圖像以得到一種模式在另一種模式中的對應點。第二個缺陷是被限制 到2D顯像，這是因為在3D下將難以找到兩個數據集中的相應區域。通過在多模式顯像中 把兩個數據集一起進行直接融合顯示可以消除這些缺陷。所述多模式顯像的問題在于空間中的信息密度。對于每一個樣本點，每一種模式 有一個數值。即使對于單一模式的體積顯像也難以處理如此高密度的信息。必須采取兩個 步驟來獲得表現性顯像。首先對代表性樣本點進行分類，以便降低所述密度。在第二步中 需要把所述數值映射到可以顯示的光學屬性。可以通過傳遞函數一次完成這兩個步驟。所 述傳遞函數定義某些數值的光學屬性，比如顏色和不透明度。所述傳遞函數可以由用戶來 控制，以便改變所得到的圖像的外觀。被用來對樣本點進行分類以及為其分配光學屬性的 輸入數值越多，用戶就越難以找到良好的傳遞函數。上述問題是多模式顯像的一個主要問題，這是因為至少涉及到兩個數值。附加的 導出量進一步增加所述傳遞函數域的維度。可以在計算機視覺中找到多模式體積顯像的起源。在這一研究領域內，使用技術 從來自同一場景的兩個單獨圖像生成融合圖像的時間已經有數十年。最簡單的圖像融合方 法是取兩個輸入圖像的平均值。這種方法的不利后果是對比度降低。為了解決這一問題， Toet[18]引入了一種基于拉普拉斯金字塔的融合技術。Li等人[13]引入了這種技術的基于小波變換的一種改進。總的來說，所有圖像融合技術的目標都是生成包含兩個圖像的最 相關部分而沒有冗余信息的最終融合圖像。對于多模式顯像，無法直接使用來自圖像融合的技術，這是因為一個輸入圖像中 的每一改變都將導致生成新的金字塔。因此，一種模式的傳遞函數之一的小改變都將需要 新的融合。因此，利用這種技術進行交互式顯像就將花費過長時間。因此已經開發了用于 多模式顯像的不同技術。如Cai和Mkas[2]所述，可以根據在其中應用所述多模式顯像方法的繪制管線 (rendering pipeline)中的級別來對所有這些多模式顯像方法進行分類。在照明模型級互 混中，為來自不同模式的數值的組合分配光學屬性。累積級互混在為每一種模式單獨分配 光學屬性之后融合所述數值。在圖像級互混中，在為每一種模式繪制了 2D圖像之后進行融
I=I ο圖像級互混是融合兩種模式的最簡單方式，但是其缺點是丟失了 3D信息。因此， 這種融合技術通常僅僅被應用于體積的單個切片。為此已經開發了幾種技術，比如交替像 素顯示、鏈接光標以及顏色整合程序[15、17、19]。由于計算機和圖形硬件的速度不斷提升，體積繪制(volume rendering)變得越來 越流行，并且因此也還可以在體積空間內進行多模式融合。最初的方法是基于表面模型。 Levin等人[11]從MRI掃描生成表面模型，并且把PET導出的測量映射到該表面上。Evans 等人[3]從MRI與PET的組合生成整合的體積顯像。前述及其他著作主要關注解剖圖像與 機能圖像的組合。aiiderveld和Viergever [21]引入了一種用于融合所有模式組合的更為 一般性的方法。對于這種方法，必須進行附加的體積分割，以決定在給定樣本點顯示出哪一 個。Hong等人[4]的更加近來的著作描述了如何能夠利用圖形硬件高效地實現這一互混級 的融合技術。在照明模型級直接應用更為高級也更為復雜的多模式顯像方法。這一級別的互混 直接從單個樣本點處的兩個體積的所述數值與附加屬性的組合生成光學屬性。Kniss等人 [7]針對多元數據的繪制進行了案例研究，其中在每一個樣本點處存在多個數值。在該著作 中使用了多維傳遞函數為數值組合分配光學屬性的概念。Akiki和Ma[l]使用了平行坐標 來對時變多元體積數據進行顯像。Kniss等人[10]給出了通過使用多維傳遞函數進行醫學 數據集的多模式顯像。所述分類是在雙直方圖的基礎上進行的，所述雙直方圖是一個軸上 的一種模式的數值與另一個軸上的另一種模式的數值的組合。基于該雙直方圖來解釋雙傳 遞函數空間是困難的，這是因為其非常不同于來自單一模式的公知直方圖。因此也難以通 過試錯法找到良好的傳遞函數。Kim等人[5]提出了一種通過讓用戶對每一種模式定義單 獨的傳遞函數來簡化傳遞函數設計的技術。二者的組合定義二維傳遞函數。這種技術的問 題在于，在把多維傳遞函數簡化成兩個ID傳遞函數時的信息損失。如前所述，在多模式顯像中的光學屬性分配依賴于超過一個數值。在使用整個信 息空間時則需要多維傳遞函數。一般來說，由于多維傳遞函數的復雜性，定義多維傳遞函數 是一項重要任務。然而多維傳遞函數常被用于體積顯像。2D傳遞函數首先由Levoy [12]引 入。除了數據值之外，梯度量值被用作對樣本點進行分類的第二維。由于2D傳遞函數的設 計非常重要，因此已經開發了多種方法來支持這一任務。Kindlmarm和DUrkin[6]引入了一 種用于組織之間的邊界的顯像的半自動化方法。Pfister等人[14]給出了支持傳遞函數的設計任務的現有技術的總覽。Kniss等人[8]引入的直接操縱小配件(widget)可以被用來 以直觀且方便的方式在多維傳遞函數空間內找到感興趣的區域。在其他著作中，Kniss等人 [9]描述了通過高斯函數而不是通過存儲多維查找表來高效地表示多維傳遞函數的一種方 式。
發明內容
本發明的一個目的是提供一種用于定義多模式體積顯像中的傳遞函數的方法和 相應設備，其中降低了找到良好傳遞函數的復雜度，從而可以由用戶按照直觀且熟悉的方 式定義傳遞函數。所述目的是通過根據獨立權利要求的方法或設備而實現的。根據本發明的方法包括以下步驟利用第一成像模式采集對象的第一體積數據 集，并且利用第二成像模式采集對象的第二體積數據集，所述第一和第二體積數據集分別 包括多個樣本點以及與所述樣本點相關聯的多個數值；建立傳遞函數，所述傳遞函數定義 所述第一和第二體積數據集的某些數值的光學屬性；以及對所述第一和第二體積數據集的 所述某些數值的光學屬性進行顯像。其中所述傳遞函數是通過使用包含在所述第一和第二 體積數據集的數值的分布中的信息來建立的。根據本發明的設備包括用于建立傳遞函數的處理單元，所述傳遞函數定義所述 第一和第二體積數據集的某些數值的光學屬性；以及用于對由所述第一和第二體積數據集 的所述某些數值的傳遞函數所定義的光學屬性進行顯像的顯示單元。其中所述處理單元被 設計成通過使用包含在所述第一和第二體積數據集的數值的分布中的信息來建立所述傳 遞函數。根據作為本發明的基礎的方法，通過考慮包含在兩種模式中的數值的概率分布中 的信息來融合兩種模式的數值。這樣將得到具有單個數值和單個梯度量值作為參數的融合 的傳遞函數空間。通過這種方式大大降低了找到良好傳遞函數的復雜度，從而可以由用戶 按照直觀且熟悉的方式定義傳遞函數。在本發明的一個優選實施例中，基于包含在所述第一和第二體積數據集的數值的 分布中的信息來融合這些數值，從而得到包括融合的數值和融合的梯度量值的融合的傳遞 函數空間。優選地，在二維表示中顯示所述融合的傳遞函數空間的融合的數值和融合的梯度 量值，并且由用戶選擇所述融合的傳遞函數空間的二維表示的二維區域。在該實施例中，為 用戶所選的二維區域分配顏色和不透明度。在一個特別優選的實施例中，通過考慮第一和第二體積數據集的數值的每 個元組的聯合概率，建立表征包含在所述第一和第二體積數據集中的互補信息的對立 (opposite)信息參數。優選地通過考慮所述第一和第二體積數據集的數值的分布，建立所 述對立信息參數。在這些實施例中，可以由用戶選擇所述對立信息參數的參數范圍。術語“互補信息”在本發明中意味著存在這樣的樣本點，在所述樣本點處第一成像 模式采集的數據與第二成像模式采集的數據互補，例如當僅僅在第一成像模式的數據中表 示樣本點時就是這種情況。因此，互補信息表明每一個樣本點處的兩種模式中的信息內容 的差異。相應地，對立信息參數對于具有高度對立信息內容的區域(即對于第一模式采集的信息與第二模式采集的信息互補的區域)表現出高數值。通過這種方式，作為兩種模式的互補信息的度量而使用附加的參數，從而給予用 戶對顯像的更多控制并且導致不同組織的更好分離。在該實施例中，除了來自兩個體積數 據集的數值的概率分布之外，還使用附加的參數來更好地在組織之間進行區分。這些附加 參數也由信息論中的方法獲取，根據信息論，可以使用信號的出現概率來定義該信號的信 息內容，例如參見aiannon[16]和狗118等人[20]。此外還優選的是，對于由用戶選擇的融合的傳遞函數空間的二維表示的每一個二 維區域，為對立信息參數定義加窗函數，并且優選由用戶通過調適所述加窗函數，特別是通 過調適所述加窗函數的位置和/或寬度，來選擇對立信息參數的參數范圍。優選地，對于分 配給所選二維區域的每一個不透明度，考慮到所述對立信息參數的所選參數范圍，而導出 經過修改的不透明度。用戶有可能在沒有相應的加窗函數的先前顯示的情況下通過簡單地選擇或調適 所述加窗函數(特別是通過選擇所述加窗函數的位置和/或寬度)來選擇對立信息參數的參 數范圍。或者也有可能首先顯示加窗函數，隨即由用戶調適該加窗函數。在根據本發明的設備的一個優選實施例中，所述處理單元被設計成基于包含在所 述第一和第二體積數據集的數值的分布中的信息來融合這些數值，從而得到包括融合的數 值和融合的梯度量值的融合的傳遞函數空間。優選地，所述顯示單元被設計成在二維表示中顯示所述融合的傳遞函數空間的融 合的數值和融合的梯度量值，并且其中提供用戶選擇單元，所述用戶選擇單元被設計成使 得可以由用戶選擇所述融合的傳遞函數空間的所顯示的二維表示的二維區域。在本發明的另一個優選實施例中，所述處理單元被設計成通過考慮第一和第二體 積數據集的數值的每個元組的聯合概率，而建立表征包含在所述第一和第二體積數據集中 的互補信息的對立信息參數。優選地，提供用戶選擇單元，所述用戶選擇單元被設計成使得可以由用戶選擇對 立信息參數的參數范圍。
下面將參照附圖更加詳細地描述本發明。圖1示出了通過基于信息的傳遞函數在多模式顯像中對樣本點進行分類的處理管線。圖2示出了估計聯合概率分布所需的雙直方圖的一個例子。圖3示出了例示一種模式中的數值的出現概率與Y值之間的關系的圖示。該圖 中的陰影表明哪一種模式對于給定數值組合具有更高信息。圖4示出了兩種不同模式的切片實例，以便解釋δ值如何受到數值分布的影響。 具有不同陰影的區域表明在所述模式中具有不同數值的區域。Sl和S2是為之計算δ值的 樣本點。圖5示出了把傳遞函數空間從3D (a)轉換到2D (b)的一個例子，并且示出了將 δ值的加窗函數用來修改每一個2D區域的光學屬性。圖6示出了在繪制處理期間每一個樣本點的處理步驟的總覽。附圖標記為“C”的節點是計算步驟，附圖標記為“L”的步驟是查找。所述處理管線的輸出是顏色c和不透明 度α。圖7示出了 CT數據(a)和MRI數據(b)的單獨的體積顯像與利用根據本發明的 雙傳遞函數空間(c)和融合傳遞函數空間(d)的多模式顯像相對比的圖像。直方圖(e)-(h)對應于前面的顯像(a) - (d)，并且示出了用于光學屬性分配的2D區域(特別參見(g) 和(h)中的虛線)。直方圖中的點代表所述2D區域的頂點。圖8示出了在傳遞函數空間中使用δ來修改2D區域的光學屬性的效果。對于兩 個結果使用了完全相同的2D區域。圖9示出了體積空間中的δ分布的圖像(C)。其在具有最大差異的區域內最高。 在該例中，在模式1 (a)中存在球并且在模式2 (b)中不存在球之處出現最大差異。圖10表明，(c)中的多模式繪制突出顯示腦中的腫瘤，在CT (a)和MRI (b)切片 (見虛線)中示出。通過δ值，所述腫瘤的分割變得容易，這是因為該區域具有高于周圍其 他部分的δ值。圖11示出了 CT和PET掃描的多模式顯像。明亮區域(參見虛線)代表比如腦部區 和頸部的腫瘤中的高活性區域。圖12示出了根據本發明的設備。
具體實施例方式m^m^MiMm^mmmmm
在本節中介紹用于多模式顯像的新穎傳遞函數空間。這里所描述的所有步驟的目的是 傳遞函數空間的設計，其盡可能簡單但是仍然能夠分離不同組織。所述新方法的一個主要 方面是使用信息論中的方法來設計該傳遞函數空間。圖1示出了利用光學屬性在該新傳遞函數空間中對輸入數值的元組f2)進行 分類的所有必要處理步驟，其中所述傳遞函數空間由/> -、I ffused\和δ定義。下面的各節將詳細描述這些處理步驟，特別是如何對輸入數值進行融合以便對于 每一對輸入數值得到僅僅單個數值、如何使用附加屬性來細化通過傳遞函數對不同組織進 行的分類并且——最后——如何使用融合的數值來定義新的傳遞函數空間以及如何使用 附加屬性來影響所述分類。為此將使用考慮到某些數值的出現概率的源自信息論的方法。 在下一節中描述如何能夠估計這些概率。體積數據中的概率
用于該新的基于信息的方法的信息論是對消息的信息內容進行量化的一種概念。這種 量化是基于數據的頻率。可以在語言中找到數據量的例子。每一種語言都由字符構成。這 些字符的頻率是不等的。一些字符要比其他字符出現得更加頻繁。這一頻率度量就是信息 論的基礎。為了把信息論的方法應用于體積數據集，必須考慮體積內部的某一位置處的數值 作為離散隨機變量。因此，某一數值的出現與概率相關聯。與語言中的字符類似，并不是所 有數值都以相同的頻率出現，因此其出現概率是不同的。估計某一數值的概率的最簡單方 式是計算其在整個數據集中的出現次數并且將這一次數除以體積中的點的總數。假設所述 體積是作為規則設置的網格點集合而給出的。為了對所有數值都執行上述操作，生成直方圖。在直方圖中，如果數值落在某一區段(bin)中，則增加該區段的計數。當把所有區段的 計數除以體積中的點的總數時，就得到了概率分布/^(/)，其返回對應于每一個數值/的出 現概率。為了獲取來自兩種模式的兩個數值的聯合出現的信息內容，需要另一個概率分 布。所述另一個概率分布返回由來自第一模式的數值A和來自第二模式的數值厶組成的 每一個元組的概率/^Zi，厶)，其也被稱作聯合概率。與僅僅一個數值的出現概率相同，也可 以通過直方圖來估計該概率分布。由于兩個數值的相依性，所述直方圖在2D中定義。該直 方圖常被稱作雙直方圖。圖2示出了所述直方圖的一個例子。該直方圖中的暗區域與較明亮區域相比表示 更高的概率，因此這些數值組合更常出現。在聯合概率Zp的背景下，僅僅單一數值的 概率/^(/;)被稱作邊際概率。在下面基于信息論的方法使用所述兩種類型的概率來生成新的傳遞函數空間。基于信息的數據融合
在多模式顯像管線中的某一點處，必須組合來自兩個數據集的信息，這是因為每一個 樣本點只能具有一種顏色和不透明度。基于信息的數據融合背后的思想是盡可能少地丟失 信息的融合。可以關于數據的質量或數量來度量信息。為了通過質量進行度量，將需要用 戶交互來決定哪一種模式中的哪一個區域是重要的。這將是良好的度量，但也是耗時的處 理，并且對于每一個新的數據集都必須重復。度量信息的第二種方式是基于數據的數量(即頻率)。對于這一度量使用信息論的 方法。這種度量背后的思想是，非常頻繁出現的數值所具有的信息要少于不那么頻繁出現 的數值。對于醫學數據集來說，這可以解釋為具有相同數值的較大區域(比如背景)所包含 的信息要少于較小區域(比如邊界區域或小組織)。可以通過下面的等式來表示信息內容
該等式中的概率/^(/)返回某一值/的出現概率。通過函數，信息/(/)對于具有 低概率的數值為高。可以對在某一樣本點處表示的兩個數值都計算該信息內容。隨后應當 進行融合，方式為，與具有較少信息內容的數值相比，給予具有更多信息內容的數值更高權 重。下面的等式描述了一個函數，該函數返回描述所述加權的單一數值
當第二模式沒有信息時，Y值為0。如果第一模式沒有信息，則Y值為1。對于0. 5的 值，兩種模式對于給定數值對都包含相同信息量。圖3示出了根據等式2為兩種模式計算Y值的一個例子。矩陣中的數值代表針 對如在左側和頂部示出的兩種模式的給定概率所計算的Y值。背景灰度表明對于一對數 值哪一種模式具有更多信息。所述灰度的飽和度編碼了模式的優勢度(dominance )。利用等式2，對于每一對數值導出一個數字，該數字可以直接被用于在融合步驟中 進行加權。簡單地通過下面的等式進行兩個數值A和厶的融合如果該等式返回接近0的數值，則所述數值對的信息多于其將返回接近1的數值的情 況。為了對于具有高信息內容的數值對得到高數值，定義一個新的量S作為/WTwot的倒轉
當一種模式包含的信息多于另一種模式時，融合數值/就接近這一模式的數值。因 此，一種模式中具有高信息內容的點，與其原始數值相比，只被略微修改。這一屬性使得更 容易在新的傳遞函數空間中找到這樣的點，這是因為其數值與該模式單獨的體積顯像中所 應具有的數值幾乎相同。對于在兩種模式中具有幾乎相同信息內容的點，計算出處于兩個 原始數值之間的新數值。 按照與數值相同的方式融合兩種模式的梯度
權利要求
1.用于特別是患者的對象的體積數據集(18)的多模式顯像的方法，包括以下步驟 一利用第一成像模式(19a)采集對象的第一體積數據集，并且利用第二成像模式(1%)采集對象的第二體積數據集，所述第一和第二體積數據集分別包括多個樣本點以及 與所述樣本點相關聯的多個數值(/；，/P ；一建立傳遞函數，所述傳遞函數定義所述第一和第二體積數據集的某些數值(/,，/ρ的 光學屬性(C，α);以及一對所述第一和第二體積數據集的所述某些數值(之，f2)的光學屬性(c，α )進行顯像，其特征在于，所述傳遞函數是通過使用包含在所述第一和第二體積數據集的數值(/；，f2)的分布 (,P(/-,)，P{f2))中的信息(/(/;)，I {f2))而建立的。
2.根據權利要求1的方法，其中，基于包含在所述第一和第二體積數據集的數值(/,， f2)的分布00 )，Pif2))中的信息(/(/》，Iif2))來融合這些數值(之，厶)，從而得到包括 融合的數值和融合的梯度量值(的融合的傳遞函數空間(Sfused, ffusJ。
3.根據權利要求2的方法，其中，在二維表示(17)中顯示融合的傳遞函數空間(/> -， ffused)的融合的數值和融合的梯度量值(ffused\
4.根據權利要求3的方法，其中，由用戶選擇融合的傳遞函數空間(Sfused,ffused)的 二維表示(17)的二維區域(12)。
5.根據權利要求4的方法，其中，由用戶為所選二維區域(12)分配顏色(c)和不透明 度(α )。
6.根據任一條在前權利要求的方法，其中，通過考慮所述第一和第二體積數據集的數 值的每一個元組(之，f2)的聯合概率…(/；，/^ )而建立表征包含在所述第一和第二體積數 據集中的互補信息的對立信息參數(δ )。
7.根據權利要求6的方法，其中，通過考慮所述第一和第二體積數據集的數值(/；，/p 的分布00 ) "(/ρ )而建立所述對立信息參數(δ )。
8.根據權利要求6或7的方法，其中，由用戶選擇所述對立信息參數(δ)的參數范圍。
9.根據權利要求4或5以及根據權利要求8的方法，其中，對于由用戶選擇的融合的 傳遞函數空間、ffused， ffused)的二維表示(17)的每一個二維區域(12)，定義針對所述對立 信息參數(δ )的加窗函數(ω ( δ ))，并且其中由用戶通過調適所述加窗函數(ω ( δ ))，特 別是通過調適所述加窗函數(ω (δ))的位置(和/或寬度(δ .ΛΑ)，來選擇所述對立 信息參數(S)的參數范圍。
10.根據權利要求5以及根據權利要求8或9的方法，其中，對于被分配給所選二維區 域(12)的每一個不透明度(α )，通過考慮所述對立信息參數(δ )的所選參數范圍而導出 經過修改的不透明度(a m。d)。
11.用于特別是患者的對象的體積數據集(18)的多模式顯像的設備(10)，其中利用 第一成像模式(19a)采集對象的第一體積數據集并且利用第二成像模式(19b)采集對象的 第二體積數據集，所述第一和第二體積數據集分別包括多個樣本點以及與所述樣本點相關 聯的多個數值(/；，厶)，所述設備(10)包括一用于建立傳遞函數的處理單元(16)，所述傳遞函數定義所述第一和第二體積數據集的某些數值(乃，/p的光學屬性(C，α )；以及一用于對由所述第一和第二體積數據集的所述某些數值(之，f2)的傳遞函數所定義的 光學屬性(c，α )進行顯像的顯示單元(11)，其特征在于，所述處理單元(16)被設計成通過使用包含在所述第一和第二體積數據集的數值(之， f2)的分布00 ) ,/7 ))中的信息(/(/》，Hf2))來建立所述傳遞函數。
12.根據權利要求11的設備，其中，所述處理單元(16)被設計成基于包含在所述第一 和第二體積數據集的數值(/7，/P的分布0° ),/7 ))中的信息(/(/》，/ ))來融合這 些數值(之，厶)，從而得到包括融合的數值(/> “)和融合的梯度量值(ffused)的融合的傳 遞函數空間(/> ^， D
13.根據權利要求12的設備(10)，其中，所述顯示單元(11)被設計成在二維表示 (17)中顯示融合的傳遞函數空間(/> -， ffused)的融合的數值和融合的梯度量值 (/> -)，并且其中提供用戶選擇單元(13，15)，所述用戶選擇單元(13，15)被設計成使得 可以由用戶選擇所顯示的融合的傳遞函數空間(/> -， ffused)的二維表示(17)的二維區 域(12)。
14.根據權利要求11到13當中的任一條的設備(10)，其中，所述處理單元(16)被 設計成通過考慮所述第一和第二體積數據集的數值的每一個元組(/,，f2)的聯合概率 (.Pif^f2))而建立表征包含在所述第一和第二體積數據集中的互補信息的對立信息參數 (δ )。
15.根據權利要求14的設備(10)，其中，提供用戶選擇單元(13，15)，所述用戶選擇單 元(13，15)被設計成使得可以由用戶選擇所述對立信息參數(δ )的參數范圍。
全文摘要
本發明涉及用于對象(特別是患者)的體積數據集的多模式顯像的方法和相應設備，包括以下步驟利用第一成像模式采集對象的第一體積數據集并且利用第二成像模式采集對象的第二體積數據集，所述第一和第二體積數據集分別包括多個樣本點以及與所述樣本點相關聯的多個數值(f1，f2)；建立傳遞函數，所述傳遞函數定義所述第一和第二體積數據集的某些數值(f1，f2)的光學屬性(c，α)；以及對所述第一和第二體積數據集的所述某些數值(f1，f2)的光學屬性(c，α)進行顯像。為了降低找到良好傳遞函數的復雜度從而可以由用戶按照直觀且熟悉的方式定義傳遞函數，通過使用包含在所述第一和第二體積數據集的數值(f1，f2)的分布(P(f1)，P(f2))中的信息(I(f1)，I(f2))來建立所述傳遞函數。
文檔編號G06T11/00GK102089783SQ200980127020
公開日2011年6月8日 申請日期2009年6月19日 優先權日2008年7月11日
發明者卡尼特薩爾 A., 格雷勒 E., 海達徹爾 M., 布魯克納 S. 申請人:愛克發醫療保健公司