CN110706330A - 一种引入散射模型的快速体绘制三维超声图像重建算法 - Google Patents

Abstract

本发明公开一种引入散射模型的快速体绘制三维超声图像重建算法，本算法在光线投射算法基础上引入相函数来考虑周围体素的影响。由于光线的散射方向理论上是无限条，对每条光线追踪计算运算量很大，因此采用蒙特卡洛抽样相函数的方式计算随机方向散射的能量。通过将多个抽样样本进行平均，可得到更贴近现实且光滑的三维重建结果。传统光线投射算法计算效率较低，本算法通过引入包围盒和八叉树结构对数据进行预处理，采用非等距采样方式，加快体数据的重建速度。

Description

一种引入散射模型的快速体绘制三维超声图像重建算法

技术领域

本发明涉及三维超声内镜成像领域，具体涉及一种引入散射模型的快速体绘制三维超声图像重建算法。

背景技术

超声内镜通过医用电子内镜的活检通道将带有超声换能器的探头送入人体，通过发射和接收超声波并对回波信号处理计算，可以得到人体内部器官的断层扫描图像，从而对相应位置病变进行检测。

传统的二维超声成像只能显示人体某一特定位置的组织截面信息，只能通过经验判断组织的三维结构，不利于保持诊断结果的客观准确；三维超声内镜将超声换能器的旋转扫描和轴向移动相结合获取三维超声图像数据，再对数据进行三维重建，即可得到三维超声图像。三维超声图像可以直观显示待测组织的三维空间结构，从而提高检测的准确率。

常用的三维重建算法可分为面绘制算法和体绘制算法两种。面绘制算法通过提取目标物体某一属性的阈值来确定待绘制数据点，用三角面片连接等值面进行目标物体表面的绘制再根据法线方向设置颜色进行渲染。此法虽然绘制速度快，但会丢掉体数据中很多人体组织关键部位的信息，因此并不适用于三维超声成像领域。

目前主流的体绘制算法为光线投射算法，即从图像的每一个像素，沿固定方向发射一条穿越整个图像序列的光线，在这个过程中，对图像序列进行采样。由于每个采样点的颜色和透明度对该像素在屏幕上最终的显示结果均有一定影响，依据光线吸收模型将各个采样点的颜色值和透明度进行叠加从而得到最终重建的结果。但这种算法只考虑了观察路径(光线方向)上的体素，而没有考虑到周围体素的散射对最终三维图像重建结果的影响，重建效果有待提升。同时，在超声体数据中，包含许多对最终成像结果无影响的点，传统的光线投射算法会对这些点进行多次计算，耗时较长，降低算法的运行效率。

发明内容

本发明的目的是在传统的光线投射算法上进行改进以进一步提高三维超声图像的重建效果和重建速度。提出一种引入散射模型的快速体绘制三维超声图像重建算法，光线投射算法只考虑观察路径上的体素，本算法在此基础上引入相函数来考虑周围体素的影响。由于光线的散射方向理论上是无限条，对每条光线追踪计算运算量很大，因此采用蒙特卡洛抽样相函数的方式计算随机方向散射的能量。通过将多个抽样样本进行平均，可得到更贴近现实且光滑的三维重建结果。传统光线投射算法计算效率较低，本算法通过引入包围盒和八叉树结构对数据进行预处理，采用非等距采样方式，加快体数据的重建速度。

本发明的目的是通过以下技术方案实现的：

一种引入散射模型的快速体绘制三维超声图像重建算法，包括以下步骤：

步骤101，读取三维超声成像获得的体数据；

步骤102，对体数据进行预处理，去除数据中的噪声点；

步骤103，选取合适的包围盒去除体数据中***的空体素；包围盒到像面上的投影区域是光线的采样区域；

步骤104，分析体数据的灰度分布情况，根据数据点灰度值的不同将其分成空气、组织等类别；

步骤105，对不同的体素进行颜色和透明度赋值，颜色根据需要自行设定，透明度的值域为(0,1)，其中0表示完全透明，视线可以完全通过；1表示完全不透明，视线无法穿过；

步骤106，根据颜色和透明度值构造八叉树、分离空体素和有效体素；

步骤107，根据设定的视点向采样区域上的一个像素点发射光线，使光线穿过整个体数据场，体数据场就是体数据在三维空间的分布；

步骤108，沿步骤107中穿过体数据场的光线方向非等距选择若干个采样点跳过空体素，使采样点位于八叉树的有效节点中；

步骤109，引入相函数考虑采样点周围有效体素的影响，通过蒙特卡洛方法对相函数多次抽样取平均值；

步骤110，将得到的采样点的透明度进行合成，当合成像素的不透明度大于1时，停止采样，得到数据场表面一点在屏幕上显示的灰度值；

步骤111，遍历所有采样区域，得到重建后的三维图像。

进一步的，步骤109中引入的相函数为Henyey-Greenstein(H-G)相函数，其公式为：

其中，θ为入射方向与散射方向的夹角；g为不对称因子，公式为：

蒙特卡洛方法散射角抽样方程为：

其中ξ为0到1之间的均匀随机数。

进一步的，步骤110中数据合成公式为：

其中，L为投影到屏幕上的亮度值，x为光线出发点的位置，ω为光线发射方向的角度，p为步骤9中的相函数，L_i(x′，ω′)为采样点周围体素的亮度值，τ(x，x′)反映光线的散射和衰减情况，公式为：

其中，σ_a为吸收系数，σ_s为散射系数。

与现有技术相比，本发明的技术方案所带来的有益效果是：

本发明算法通过在传统光线投射算法中引入散射模型，利用相函数考虑周围体素对观察路径上的体素的影响，通过蒙特卡洛抽样方法可以降低散射模型的计算量，重建后可得到表面更光滑、更接近实际的三维超声图像；通过引入包围盒对体数据进行预处理，将有效体素与无效体素分开，只对有效体素进行光线投射，削弱了体数据中无效体素的影响，降低了运算量；通过八叉树法存储数据、在光线投射过程采用非等距采样，消除了传统算法的三线形插值过程，提高了算法的运行效率。

附图说明

图1为本发明算法的实施流程图。

图2为本发明算法的原理示意图。

图3-1和图3-2分别为传统算法和包围盒算法的投射光线数量对比示意图。

图4-1和图4-2分别为八叉树数据存储空间结构和寻址方式示意图。

图5-1和图5-2分别采用传统算法和本发明算法进行重采样过程的对比示意图。

具体实施方式

以下结合附图和具体实施例对本发明作进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明算法的实施流程如图1所示，图2是本算法在空间上的原理示意图，整个流程是体现在该图上的：

步骤一：利用三维超声探头进行螺旋扫描，对获得的数据进行插值等操作形成三维超声图像体数据，读取得到的体数据。

步骤二：对三维超声体数据进行预处理，去除体数据中的噪声点，防止噪声点对重建结果产生较大的干扰和影响。

步骤三：选取包围盒去除体数据外的空体素。一般选择长方体包围盒，各边与坐标轴平行，内部包围所有有效体素。将包围盒投影到成像平面，投影的范围就是进行体渲染的光线采样范围。传统算法与采用包围盒算法的对比示意图如附图3-1和3-2，通过利用包围盒去除空体素，减少了参与计算的光线数量，从而提高了运算速度。

步骤四：分析体数据的灰度分布情况，根据数据点灰度值的不同将体数据中的体素分成空气、组织等类别。用集合U代表体数据内所有体素的灰度值，根据灰度值将其分为n个互不重叠的子集U₀，U₁，…，U_n；分类结果需满足：

步骤五：根据步骤三中分类情况对各个像素进行颜色和透明度的赋值，颜色根据需要自行设定，透明度的值域为(0,1)，其中0表示完全透明，视线可以完全通过；1表示完全不透明，视线无法穿过；

步骤六：根据像素点颜色，构造八叉树存储结构。设定可以接受的颜色相似性阈值δ，c₁、c₂表示像素点的颜色，颜色相似性判定如下：以包围盒整体作为八叉树的根结点，结点有三种情况：内部像素颜色完全相似(标记为F)、颜色值部分相似(标记为P)和空结点(标记为E)。若根节点处于状态F或者E，八叉树已经建立；否则，将根结点再划分为8个小正方形，分别标记为0，1，……7，作为第一层子结点，再进行上述的处理，直到不存在P状态的结点为止，如图4-1和图4-2。

步骤七：根据设定的视点向采样区域内的一个像素点发射光线，使光线与包围盒相交；

步骤八：沿光线方向不等步长选择若干个采样点。首先求出光线与包围盒的交点作为采样的入点，再寻找光线方向上与入点相邻的子结点作为下一个采样点。如果该采样点是无效体素，则继续寻找下一个子结点，反之记下采样点处的颜色值和透明度。传统的采样过程如图5-1，此时如果采样点没有落在有效体素处，需要采用三线性插值法确定采样点透明度，计算复杂；本方法的采样过程如图5-2，通过不等步长的采样过程，确保所有的采样点均可以落在有效体素上，从而可以避免复杂的插值运算，提高运算效率。

步骤九：引入Henyey-Greenstein(H-G)相函数构建散射模型，考虑采样点周围的有效体素对该采样点的影响，相函数公式为：

其中，θ为入射方向与散射方向的夹角；g为不对称因子，公式为：

在构建散射模型时，采用蒙特卡洛抽样方法减小计算量。蒙特卡洛方法对散射角进行抽样的方程为：

其中ξ为0到1之间的均匀随机数。

步骤十：按照上述抽样过程得到每个采样点周围像素点的颜色和透明度值，多次抽样取平均得到该采样点的结果；再将这条光线上所有的采样点合成以求得体数据场表面一点在屏幕上显示的灰度值；

步骤十一：遍历屏幕上所有的像素点，重复步骤七至步骤十，得到重建后的三维超声图像。

本发明并不限于上文描述的实施方式。以上对具体实施方式的描述旨在描述和说明本发明的技术方案，上述的具体实施方式仅仅是示意性的，并不是限制性的。在不脱离本发明宗旨和权利要求所保护的范围情况下，本领域的普通技术人员在本发明的启示下还可做出很多形式的具体变换，这些均属于本发明的保护范围之内。

Claims (3)

1.一种引入散射模型的快速体绘制三维超声图像重建算法，其特征在于，包括以下步骤：

步骤101，读取三维超声成像获得的体数据；

步骤102，对体数据进行预处理，去除数据中的噪声点；

步骤103，选取包围盒去除体数据中***的空体素；包围盒到像面上的投影区域是光线的采样区域；

步骤104，分析体数据的灰度分布情况，根据数据点灰度值的不同将其分成空气和组织类别；

步骤105，对不同的体素进行颜色和透明度赋值，颜色根据需要自行设定，透明度的值域为(0,1)，其中0表示完全透明，视线可以完全通过；1表示完全不透明，视线无法穿过；

步骤106，根据颜色和透明度值构造八叉树、分离空体素和有效体素；

步骤107，根据设定的视点向采样区域上的一个像素点发射光线，使光线穿过整个体数据场；

步骤108，沿步骤107中穿过体数据场的光线方向非等距采样跳过空体素，使采样点位于八叉树的有效节点中；

步骤109，引入相函数考虑采样点周围有效体素的影响，通过蒙特卡洛方法对相函数多次抽样取平均值；

步骤110，将得到的采样点的透明度进行合成，当合成像素的不透明度大于1时，停止采样，得到数据场表面一点在屏幕上显示的灰度值；

步骤111，遍历所有采样区域，得到重建后的三维图像。

2.根据权利要求1所述一种引入散射模型的快速体绘制三维超声图像重建算法，其特征在于，步骤109中引入的相函数为Henyey-Greenstein(H-G)相函数，其公式为：

其中，θ为入射方向与散射方向的夹角；g为不对称因子，公式为：

蒙特卡洛方法散射角抽样方程为：

其中ξ为0到1之间的均匀随机数。

3.根据权利要求1所述一种引入散射模型的快速体绘制三维超声图像重建算法，其特征在于，步骤110中数据合成公式为：

其中，L为投影到屏幕上的亮度值，x为光线出发点的位置，ω为光线发射方向的角度，p为步骤9中的相函数，L_i(x′,ω′)为采样点周围体素的亮度值，τ(x,x′)反映光线的散射和衰减情况，公式为：

τ(x,x′)＝∫_x ^x′(σ_a(t)+σ_s(t))dt

其中，σ_a为吸收系数，σ_s为散射系数。

Images