Zur
Veranschaulichung von beispielsweise mit durch Computertomographie,
d.h. CT-Scanner, gewonnenen Daten, die vielfach Einsatz in der Medizin
finden, werden hauptsächlich
Schnittbilder verwendet. Für
die Interpretation der Daten ist jedoch eine Erfassung des räumlichen
Zusammenhangs und somit eine räumliche
Visualisierung der untersuchten Strukturen notwendig. Die entsprechenden dreidimensionalen
bildgebenden Verfahren werden als Volumenvisualisierung (Volume
Rendering Technique) bezeichnet. Im Ergebnis wird auf einer Anzeigeeinheit
ein aus Pixeln bestehendes zweidimensionales Bild dargestellt, wobei
jedem Pixel eine Farbe zugeordnet wird, die aus den Skalarwerten
von Voxeln des Volumendatensatzes ermittelt wird.
Um
den Voxeln bzw. deren Skalarwerten für die nachfolgende Darstellung
optische Eigenschaften, etwa spezielle Farben und Opazitäten, zuzuordnen,
werden typischerweise sogenannte Transferfunktionen verwendet. Wichtig
ist die Auswahl der am besten geeigneten Transferfunktion, d.h.
passender Farben und Opazitäten,
um bestimmte darzustellende Merkmale im Volumendatensatz zu finden.
Die Auswahl der Transferfunktion erfolgt empi risch anhand von Histogrammen,
d.h. graphischen Darstellungen, die die statistische Häufigkeit
der Skalarwerte in einem Datensatz wiedergeben und somit die Verteilung
dieser Werte darstellen. Sie kann aber auch frei erfolgen. Die Häufigkeitsverteilung
und die Häufigkeitswerte
geben dem Fachmann Informationen über Strukturmerkmale. Die Auswahl
der Darstellungsparameter für
die Darstellung der Strukturen bzw. Objekte, die der Vorgang der
Auswahl oder Einstellung der Transferfunktion darstellt, bedarf
großer Erfahrung
und ist zeitaufwendig.
Ein
Problem bei der Volumenvisualisierung, insbesondere der dreidimensionalen
Rekonstruktion aus zweidimensionalen Schnittbildern besteht darin, daß die Durchführung der
Rekonstruktion und die Bedienung der hierzu benötigten Geräte unkompliziert und effektiv
sein soll. Wichtig ist es, spezielle Merkmale (z.B. Grauwert, räumliche
Position, Gradient entsprechend Teilstrukturen wie beispielsweise
Knochen, Organen, Einzelelementen wie beispielsweise Tumoren, etc.)
in den verwendeten Datensätzen
zu finden und die zugehörigen
Objekte isolieren und dann sichtbar machen zu können. Ansonsten kommt es bei
tiefer gelegenen Strukturen zu Abschattungen oder mangelnder Diskrimination
der Strukturen von gleichartigen oder benachbarten Strukturen, aber auch
zu Problemen an den Grenzen der Grauwertbereiche. Zur Lösung dieser
Probleme werden üblicherweise
aus den Volumendatensätzen
mittels verschiedener Segmentierungstechniken Teilmengen ausgewählt. Die
Segmentierung bzw. räumliche
Trennung von Objekten; d.h. einer Voxelmenge mit gleichen oder ähnlichen
statistischen Eigenschaften, ist sehr zeitaufwendig.
In
der WO 00/08600 A1 ist ein dreidimensionales Rekonstruktionsverfahren
für Strukturen
bekannt, das die Methode der Segmentierung an der Gesamtmenge der
Volumendaten einsetzt, um Objekte in Strukturen zu lokalisieren.
Da die Auswertung von der Gesamtdatenmenge Gebrauch macht, ist sie zeitaufwendig
und benötigt
auch viel Rechnerkapazität.
Die so gewonnenen Bildanalyseinformationen dienen zur Planung dreidimensionaler
Be strahlungstherapiebehandlungen.
Aus
der
DE 37 12 639 A1 ist
ein Verfahren zum Abbilden von Volumendaten bekannt, bei dem ein
dreidimensionaler Datensatz zweidimensional zur Anzeige gebracht
wird. Dabei wird jedem Voxel innerhalb des Volumens eine Farbe RGB
und eine Opazität
A zugeordnet und als dreidimensionales Datenvolumen RGBA gespeichert.
Bei der sogenannten Teilvolumenklassifikation werden Prozentsätze ermittelt,
zu denen Voxel nicht aus einem einzigen homogenen Material bestehen.
Die Abbildung der Voxel beruht auf einer Verknüpfung und Filterung der Voxeldaten.
Eine
in der
DE 100 52 540
A1 beschriebene Diagnoseeinrichtung umfaßt Mittel
zur Einstellung von Transferfunktionen, die von der Häufigkeitsverteilung
der Grauwerte Gebrauch machen. Das heißt, es werden statistische
Eigenschaften der untersuchten Strukturen zu deren Wiedergabe genutzt.
Die
meisten der bekannten Strukturdarstellungsverfahren, die Transferfunktionen
benutzen, wenden eindimensionale Transferfunktionen an. Es sind
darüber
hinaus die sogenannten mehrdimensionalen Transferfunktionen entwickelt
worden, die nicht nur von den skalaren Datenwerten (Dichte- oder Grauwerten)
abhängig
sind, sondern bei denen weitere Parameter, d.h. auch Ableitungen
höherer
Ordnung, wie z.B. der Volumengradient, die Krümmung, etc. berücksichtigt
werden, siehe z.B. Kindlmann und J.W. Durkin, "Semi-Automatic Generation of Transfer Functions
for Direct Volume Rendering",
Proc. Visualization Symposium '98,
Seiten 79 bis 86, 1998. Unter Einsatz solcher mehrdimensionalen
Transferfunktionen können
Merkmale der untersuchten Struktur besser lokalisiert werden. Die
mehrdimensionalen Transferfunktionen unterscheiden sich von eindimensionalen,
d.h. Standard-Transferfunktionen, auch vorteilhaft beispielsweise
etwa bei der Hervorhebung bestimmter Eigenschaften. Der Auswerteaufwand
ist jedoch sehr groß.
Häufig eingesetzt
wird die zweidimensionale Transferfunktion, die von zwei Skalarwerten,
d.h. dem Absorptionswert, Dichte und z.B. der Größe des Gradienten, abhängig ist
und Materialgrenzen besser sichtbar machen kann. Sollen mit ihr
z.B. MRI-Volumenstrukturen
sichtbar gemacht werden, bei denen nicht zwischen Knochen und Luft
unterschieden werden kann, wird zur Einrichtung der Transferfunktion großes praktisches
Know-how benötigt,
um aus der Verteilung der skalaren Datenwerte und Gradienten Hinweise
für die
Trennung von Merkmalen beispielsweise für die Tumor- und Schädelvisualisierung
zu gewinnen und die Transferfunktion geeignet festzulegen. Außerdem benötigt die
Einstellung der passenden Transferfunktion viel Zeit.
Die
Abbildung von Volumendatensätzen
im Raum der Transferfunktionen, d.h. die Zuordnung einer Farbe für jeden
Skalarwert der Voxel ist bekannt. Bei den bekannten Verfahren werden
lediglich statistische und keine räumlichen Informationen in Verbindung
mit mehrdimensionalen Transferfunktionen verwendet.
Der
Erfindung liegt die Aufgabe zugrunde, ein Verfahren zur Verfügung zu
stellen, mit dem eine einfache und rasche Visualisierung dreidimensionaler
Strukturen auch mit Hervorhebung von Teilstrukturen möglich ist.
Diese
Aufgabe ist erfindungsgemäß bei einem
Verfahren mit den Merkmalen des Anspruchs 1 gelöst. Eine gemäß der Erfindung
arbeitende Vorrichtung ist Gegenstand des Anspruchs 14. Vorteilhafte Weiterbildungen
sind Gegenstand der Unteransprüche.
Bei
einem Verfahren zur Darstellung von Strukturen innerhalb von Volumendatensätzen gemäß der Erfindung
wird somit jedem Voxel mittels einer Zuordnungsvorschrift abhängig von
den Skalarwerten der Voxel eine Farbe und Opazität zugeordnet. Für jeden
Skalarwert wird die räumliche
Position der Voxel mit diesem Skalarwert bestimmt und aus den Positionskoordinaten
wird der Farb- und Opazitätswert
der Zuordnungsvorschrift an der Stelle mit diesem Skalarwert bestimmt.
Die
Kombination der räumlichen
Voxelpositionen mit den Skalarwerten ermöglicht eine gezielte Darstellung
von Merkmalen der untersuchten Strukturen, die durch die zugeordneten
Opazitätswerte diskriminiert
werden können.
Durch die Kenntnis der räumlichen
Positionen der Voxel, die mit den Darstellungsangaben der Zuordnungsvorschrift
verknüpft ist,
kann auf statistische Auswertungen, den Einsatz von Histogrammen
als Eingabehilfe für
die Auswahl von Voxeln aus dem Volumendatensatz, empirische Anzeigeoptimierung
oder die Einbeziehung zusätzlicher
Parameter für
die Lokalisierung von Objektstrukturen verzichtet werden. Die Objekte
können
im wesentlichen automatisiert dargestellt werden. Entsprechend reduziert
ist der Arbeitsaufwand für
die Durchführung
der Visualisierung. Die damit befaßten Personen brauchen nur
noch die Anzeige und die Modalitäten
der Anzeige der Strukturen, die gewünschten Teilstrukturen oder
Elemente an der Anzeige- bzw. Darstellungseinrichtung auswählen. Anhand
von Farbauswahl und -gestaltung können bestimmte Objektmerkmale
in gewünschter
Weise zur Anzeige gebracht, andere wiederum ausgeblendet werden.
Der
Ablauf des erfindungsgemäßen Verfahrens
ist dabei wie folgt: Es wird ein Skalarwert ausgewählt. Die
m Voxel, die diesen Skalarwert (oder eine Kombination verschiedener
Skalarwerte) besitzen, werden gesucht. Es wird ihre räumliche
Position betrachtet und beispielweise ihr Schwerpunkt berechnet.
Anschließend
wird den m Voxeln eine Farbe (RGB, A) zugeordnet. Auf diese Weise
werden alle Einträge
der Zuordnungsvorschrift durchgegangen, bei der es sich vorzugsweise
um eine Transferfunktion handelt, wie sie an sich in der Bildverarbeitung
gebräuchlich
ist. Statt der Transferfunktion sind aber auch andere ortsbezogene
Darstellungsvorschriften möglich,
beispielsweise solche mit Vorverarbeitungsschritten, Clusterungen,
etc. Die Farbzuordnung zu den m Voxeln führt zu Farb-/Schwerpunkt-Gruppen in
der Darstellung, so daß Differenzierungen
von Strukturen möglich
sind. In der Praxis führt
dies zu einer Anzahl von Schwerpunktwiedergaben im Feld der Transferfunktion,
die sich aufgrund der räumlichen
Position, bei spielsweise des Schwerpunkts, entsprechend der Lage
der Objekte an zugehörigen Stellen
ballen.
Mehr
im einzelnen, bei Ausführung
des erfindungsgemäßen Verfahrens
werden den Voxeln eines durch einen CT-, MRI- etc. Scanner erhaltenen
Volumendatensatzes sich aus der Abtastung ergebende n Skalarwerte
zugeordnet, wobei n auch die Dimensionszahl der Transferfunktion
ist, die somit ein- und auch mehrdimensional sein kann. Die Transferfunktion
wiederum ist vorgesehen, jedem Skalarwert Darstellungsangaben wie
Opazität
und Farbe für
die Abbildung zuzuordnen. Damit können Abbildungsparameter anhand
der Skalarwerte ausgewählt
und die Eigenschaften der Objektdarstellung festgelegt werden, ohne
daß direkt
auf die Voxel zugegriffen werden muß. Die Voxel werden aufgrund
ihrer positionsmäßigen Zuordnung
zu den Skalarwerten für
die Bilddarstellung aufgerufen. Durch diese Funktionalität ist mit
dem Auswahlvorgang ohne Benutzung der Positionsdaten der Voxel zunächst eine
deutlich geringere Datenmenge zu verarbeiten und die Abbildung erfolgt
schneller. Eine Suche nach Merkmalsgrenzen ist nicht erforderlich,
da alle Merkmale sofort mit einem Blick in der Darstellung der Transferfunktion
unterscheidbar sind. 5(b) veranschaulicht
den Fall, daß durchaus
entfernt liegende Strukturen aufgrund des gemeinsamen Schwerpunkts
zunächst
nicht getrennt werden können.
Hier kann durch Verwendung eines weiteren Skalarwerts oder Varianzbetrachtung eine
Objektdiskriminierung erfolgen. Das erfindungsgemäße Verfahren
ermöglicht
es, Teilstrukturen sichtbar zu machen, die ohne weitere Maßnahmen herkömmlich nicht
mit vertretbarem Zeitaufwand auflösbar waren.
Wie
auch das Schema von 5(a) für drei Strukturen
mit gleichen Eigenschaften zeigt, in dem mit "x" der
Schwerpunkt bezeichnet ist, besitzt die Volumenvisualisiserung mittels
Transferfunktion aber auch prinzipelle Einschränkungen. So liefert üblicherweise
eine Transferfunktion zunächst
nur alle Rippenbögen
auf einmal, denn aufgrund der gemeinsamen Eigenschaften ergibt sich
praktisch derselbe Ort in der Transfer funktion und damit dieselbe
Farbe. Ein bestimmter Rippenbogen ist wegen der nicht vorhandenen örtlichen
Information nicht einzeln darstellbar. Durch die Erfindung lassen
sich die Rippenbögen
jedoch mittels der automatischen Darstellung der zugehörigen Bereiche
aufgrund der zusätzlichen
Ortscodierung schnell und exakt selektieren. Diese Vorsegmentierung
kann nun zur Beschleunigung einer nachfolgenden Segmentierung herangezogen
werden. Das Vorgehen ist wie folgt:
- 1. Die
in Frage kommenden Merkmale werden in der Transferfunktion selektiert.
- 2. Die selektierten Regionen werden als Ausgangspunkt für die nachfolgende
Segmentierung verwendet.
- 3. Die Segmentierung erfolgt, indem die einzelnen Rippenbögen anhand
des räumlichen
Zusammenhangs der jeweiligen Rippenbögen verschiedenen Segmenten
zugeordnet werden.
- 4. Ein einzelner Rippenbogen kann visualisiert werden, indem
das zugehörige
Segment herausgehoben bzw. selektiert wird.
Das
erfindungsgemäße Verfahren
wird vorteilhaft auf CT- und auf MRI-Volumendatensätze angewendet.
Weiter eignet es sich zur Anwendung auf Volumendatensätze, die
mittels Ultraschall, Radar und Positronen-Emissions-Spektroskopie
(PET), etc. erzeugt worden sind. Es sind auch weitere Abtastverfahren
denkbar, auf die es Anwendung finden kann, soweit sich aus den Abtastungen
als Resultat ein die untersuchten Eigenschaften repräsentierender,
dreidimensionaler skalarer Datensatz ergibt, beispielsweise auch
im Fall von Schnittbildern, bei der Darstellung von zeitabhängigen Daten,
etwa aus mehreren sukzessive durchgeführten Abtastungen, bei der Visualisierung
von Strömungsverhältnissen,
etc..
Bei
der Werkstoffprüfung
kann das Verfahren beispielsweise Risse in Prüfkörpern und dergleichen nachweisen,
indem zwei Skalarwerte geprüft
werden, etwa die Dichte und der Gradient und im einfachsten Fall
zwei Farbklassen (Material, Luft) für die Anzeige eines Risses
ausreichend sind.
Es
können
auch CT- und MR-Datensätze kombiniert
werden, die z.T. komplementäre
Informationen liefern, deren kombinierte Kenntnis sehr wichtig sein
kann. Zu diesem Zweck wird dann die sogenannte Registrierung (Matching)
durchgeführt,
mittels der die CT- und MR-Bilder zur Deckung gebracht werden und
ein zweiter Parameter eingeführt
wird, so daß zwei
Skalarwerte, je einer aus dem CT- und einer aus dem MR-Datensatz,
verarbeitet werden und hierzu eine zweidimensionale Transferfunktion
erforderlich ist. Andere oder mehrfache Kombinationen der erwähnten oder
anderer geeigneter Datentypen können
bei der Anwendung des erfindungsgemäßen Verfahrens benutzt werden.
Das
erfindungsgemäße Verfahren
eignet sich auch sehr gut zur Auswertung und Sichtbarmachung von
Simulationen beispielsweise von Strömungen, Geschwindigkeitsverteilungen,
Druckverteilungen. Ganz allgemein dient es zur Unterstützung bei
beliebigen Anwendungen der dreidimensionalen Bildgebung, die es
zudem überzeugend
vereinfacht.
Das
erfindungsgemäße Verfahren
stellt somit eine affine Transformationsmethode zur Verfügung, mittels
der dreidimensionale Strukturen, beispielsweise in Form von CT-
oder MRI-Datensätzen, in
eine Ebene, d.h. Flächendarstellung,
umgewandelt werden können.
Die zugehörige
Zuordnungsvorschrift bzw. Abbildungsfunktion ordnet für die Flächendarstellung,
d.h. als Bilddatenwerte, den Voxeln und deren Skalarwerten jeweils
positionskoordinatenbezogene Darstellungswerte zu, bei denen es sich
zweckmäßig um den
Farb- und Opazitätswert handelt.
Es können
aber statt diesen Werten auch andere Darstellungswerte verwendet
werden, beispielsweise können
statt Einfärbungen
von Pixeln intermittierend mit entsprechender Taktung die Pixel zur
Anzeige gebracht werden.
Bei
einer vorteilhaften Variante des erfindungsgemäßen Verfahrens wird eine Klassifikation nach
der räumlichen
Position durchgeführt
und jeder Klasse eine bestimmte Farbe und/oder Opazität zugeordnet.
Somit werden alle Pixel automatisch gleich oder quasi gleich oder ähnlich eingefärbt, die
sich auf Voxel mit derselben und ähnlicher Position beziehen oder
in einem bestimmten festgelegten räumlichen Zusammenhang miteinander
stehen. Vorzugsweise kann der Schwerpunkt für das Klassifikationskriterium
der räumlichen
Position herangezogen werden.
Eine
Erweiterung oder Alternative der beschriebenen Klassifikation ist
möglich
nach der Varianz, insbesondere nach dem mittleren Abstand von der
besagten räumlichen
Position oder der Vorzugsrichtung, wobei jeder Klasse eine Farbe
und/oder Opazität
zugeordnet wird. Im Fall einer Vektorklassifikation nach Schwerpunkt
der Voxel und Varianz der Positionen kann auch eine Trennung von
Strukturen erzielt werden, die mittels des erfindungsgemäßen Verfahrens
zuerst noch nicht ausreichend scharf getrennt werden konnten, beispielsweise
Strukturen mit gleichem Schwerpunkt, aber unterschiedlicher Gestalt
oder Anordnung. Mittels eines zusätzlichen Parameters kann nun
eine Diskriminierung durch Punkteverteilung (Varianz) durchgeführt werden.
In
einem solchen Fall der Vektorklassifikation, die wiederum automatisch
ablaufen kann, erfolgt wie erwähnt
die Objekt- bzw.
Klassenerkennung anhand der Punkteansammlung. Es kann dem gefundenen
Objekt dann für
die Darstellung auf dem Bildschirm eine spezifische Farbe zugeordnet
werden. Andererseits kann auch eine Zuordnung von räumlichen
Informationen durchgeführt
werden derart, daß ein
oder mehrere Strukturelemente visualisiert werden, und das oder
die Strukturlement(e) durch optische Mittel hervorgehoben und/oder
selektiert werden.
Es
besteht indessen auch die Möglichkeit, eine
Segmentierung auszuführen,
indem eine Klasse der Voxel ausgewählt wird und die Menge der
ausgewählten
Voxel als Basis für
eine nachfolgende Segmentierung verwendet wird.
Bei
der Darstellung der erfindungsgemäßen Transferfunktion, die zur
Auswahl des Abbildungsumfangs bzw. von Objektstrukturen herangezogen wird,
ist die Helligkeit ein Maßstab
für das
Vorhandensein vieler Punkte mit denselben Parameterwerten. Gibt
es andererseits keine Punkte mit bestimmten Parameterwerten, so
ist die Darstellung der Transferfunktion an den betreffenden Orten
schwarz. In der Praxis führt
die Abbildung der Voxel anhand der Parameterdarstellung in der Übertragungsfunktion
zu Farbpunkten, die jeweils eine bestimmte räumliche Position, beispielsweise
den Schwerpunkt, einer Voxelgruppe mit gleichen Paramtern darstellen. Es
kann vorgesehen werden, für ähnliche
Objekte ähnliche
Farben, ebenso für
verschiedene Objekte verschiedene Farben zu wählen. Die Darstellung des Volumendatensatzes
kann so automatisch eingefärbt werden,
so daß Strukturen
unterscheidbar sind.
Aufgrund
der schnellen Ausführung
des erfindungsgemäßen Verfahrens
und des relativ geringeren Datenaufwandes bei der Bestimmung der
Objektdarstellung ist es möglich,
zur praktischen Durchführung
einen Personal Computer (PC) einzusetzen.
In
räumlichen
Bereichen mit niedriger Voxelzahl (z.B. unterhalb von 5 bis 10 Voxeln)
kann es aufgrund zu weniger Daten zu Problemen bei der Klassifizierung
kommen, insbesondere auch statistisches Rauschen erzeugt werden.
Soll keine weitere Maßnahme
getroffen werden, wird zweckmäßig für die Bereiche
die Opazität
auf Null gesetzt. Vorzugsweise wird jedoch die Zahl der Voxel durch Überabtastung erhöht, so daß sich mehr
Meßpunkte
im Histogramm befinden. Dabei wird die Anzahl der Meßpunkte
erhöht
(Z.B. bei einer Überabtastung
mit doppelter Genauigkeit wird die Zahl der Meßpunkte um den Faktor 8 erhöht.). Alternativ
oder zusätzlich
kann jedes Voxel noch in einer k-Umgebung in der Histogrammdarstellung
eingetragen werden (vorzugsweise k = 1 oder 2). Hierdurch kann das
Rauschen zusätzlich verringert
werden und die Objektklassifizierung wird verbessert. Diese Technik
ist bei der Visualisierung gemäß 1 durchgeführt worden,
auf die noch untenstehend eingegangen wird.
Eine
Vorrichtung zur Durchführung
des erfindungsgemäßen Verfahrens
umfaßt
eine Einrichtung, die jedem Voxel mittels einer Zuordnungsvorschrift, z.B.
Transferfunktion, abhängig
von den Skalarwerten eine Farbe und Opazität zuordnet, eine Einrichtung,
die für
jeden Skalarwert die räumliche
Position der Voxel mit diesem Skalarwert bestimmt, und eine Einrichtung,
die aus den Positionskordinaten den Farb- und Opazitätswert der
Transferfunktion an der Stelle mit diesem Skalarwert bestimmt. Schließlich ist noch
eine Anzeigeinrichtung geeignet vorgesehen, die die sich aus den
Volumendatensätzen
ergebenden Strukturdaten vorzugsweise als Skalarwertdarstellung
mit nicht dargestellter Ortskoordinatenverknüpfung wiedergibt, weiter die
daraus gewonnene Abbildung der gescannten Struktur(en). Für die Auswahl
der Abbildung der gescannten Strukturen sind entsprechende Einstellmittel
vorgesehen. Für
die Datenverarbeitung ist ein Rechner vorgesehen. Eine vorteilhafte
Ausführung
ist ein Personal Computer, z.B. auch ein Laptop.
Die
Vorrichtung umfaßt
vorzugsweise eine Einrichtung, die eine Klassifizierung der Voxel
anhand von unterschiedlichen Farbdatenwerten durchführt.
Die
Erfindung wird im folgenden weiter anhand von Ausführungsbeispielen
und der Zeichnung erläutert.
Es zeigen:
1 eine
Visualisierung eines Zahns (von links nach rechts: automatisch;
interaktive Selektion von Dentin, Dentingrenze, Zahnschmelz, Zahnschmelzgrenze
und Nervenhohlraum, jeweils mit zugehöriger Abbildung der Transferfunktion,
2 eine
Visualisierung eines Bonsaibaums,
3 eine
Visualisierung eines Karpfens, wobei die rechte Ansicht das Ergebnis
des zusätzlichen
Einsatzes der Region-Growing-Methode zeigt,
4 vier
weitere Visualisierungsbeispiele aus der Praxis und
5 ein
Funktionsschema, das die örtliche Auflösung der
Abtaststrukturen veranschaulicht.
Zunächst wird
anhand einer beispielsweise zweidimensionalen Transferfunktion mittels
Skalarwerten s und t der zugehörige
Opazitätswert
F (s, t) für
die Abbildung von skalaren Volumendatensätzen von Objektstrukturen bestimmt.
Es wird dabei eine Trennung der dargestellten Objekte angestrebt.
Hierbei wird ausgenutzt, daß jedes
Objekt durch seine Position im Raum bestimmt ist. Durch die Transferfunktion
sollen nun im Raum eindeutige Merkmale eindeutigen Farben in der
Transferfunktion zugeordnet werden, d.h. die Entsprechung zwischen
den Skalarwerten und den Objekten aufgefunden werden. Insbesondere
soll allen Einträgen
H in der Transferfunktion, die sich auf dieselbe Position im Volumendatensatz
beziehen, dieselbe Farbe zugeordnet werden. Hierzu wird in einem
Vorverarbeitungsschritt für
pi (s, t), i = 1..n Positionen von n Voxeln für einen Eintrag H (s, t) =
n des Histogramms der Schwerpunkt b (s, t) für jedes Volumen berechnet und
die räumliche
Varianz der Voxel anhand der Abweichungen der Voxelpositionen pi
(s, t) von dem Schwerpunkt b bestimmt. Es wird von einem Referenztupel
T0 (s, t) ausgegangen und unter Festlegung eines Bereichs mit Radius
r angenommen, daß alle
Tupel T mit ||b (T) – b
(T0)|| < r zu demselben Merkmal
gehören.
Zur Festlegung, ob ein Wertetupel T (s, t) zu demselben Merkmal
wie ein Referenztupel T0 (s, t) gehört, wird N(T;T0)
= ||b(T) – b(T0)||
+ |v(T0) – v(T)|als
Maß für die räumliche
Entsprechung hierfür
verwendet. Basierend auf dieser Norm werden alle Einträge der Transferfunktionen
in Gruppen klassifiziert, die zu demselben Merkmal gehören, soweit
keine zeitaufwendige Segmentierung ausgeführt werden muß. Die Festlegung
des Radius um den Referenzpunkt, der in die Auflösung der Struktursegmentierung
eingeht, ist der einzige Parameter, der von Hand gewählt wird.
Dann wird jedem Gruppeneintrag T ein Emissionswert zugeordnet. Allen
Einträgen,
die zu derselben Gruppe wie das Referenztupel gehören, wird
eine spezielle Farbe zugeordnet. Die komplexe Gestalt der Objektstrukturen
kann aufgrund der in der Transferfunktion enthaltenen räumlichen
Information automatisch erkannt werden.
Dies
wird nun am Beispiel der Darstellung eines Zahns in 1 veranschaulicht,
wobei sechs Visualisierungen dargestellt sind (anhand eines Datensatzes
aus Pfister H., Lorensen W., Bajaj C., Kindlmann G., Schroeder W.,
Sobierajski Avila L., Martin K., Machiraju R., Lee J.: Visualization
Viewpoints, "The
Transfer Function Bake-Off",
IEEE Computer Graphics and Applications 21, 3 (2001)). Die Einzelbilder
umfassen in 1 oben jeweils die eigentliche Darstellung
und unten die zugehörige
Transferfunktion, wobei ganz links das ursprüngliche zweidimensionale Histogramm
gezeigt ist. Oben rechts sind die Intensitätsspitzenwerte der Streubreitendarstellung klar
in gleichmäßig eingefärbte Bereiche
aufgegliedert, die unterschiedlichen Materialien und deren Grenzen
entsprechen. Jedes dargestellte Merkmal ist ausgewählt worden,
indem die entsprechend hervorgehobene Zone unterhalb jeder Darstellung
ausgewählt
wurde.
Die
durch das erfindungsgemäße Verfahren ausgeführte automatische
Visualisierung ist wie erwähnt
ganz links in 1 gezeigt. Das Dentin, der Zahnschmelz
und die Grenze zwischen den beiden Materialien sind automatisch
eingefärbt
worden. Lediglich manuell eingestellt wird für die Abbildung der maximale
Radius des Merkmals r.
2 zeigt
die Visualisierung eines Bonsaibaums, die auf einen Datensatz von
Stefan Roettger, The Volume Library, 2004 zurückgeht. Der Blätter-Darstellung
ist die Farbe Grün
und der Stamm-Darstellung die Farbe Braun zugewiesen worden. Bei
der Visualisierung ist zur Herausstellung der Objektdarstellung
bzw. besseren Merkmalsdiskriminierung die sogenannte Pseudo-Shading-Technik angewendet
worden. Diese nutzt aus, daß an
den Objektgrenzen die Skalarwerte rasch kleiner werden. Durch Senken
der Emission der niedrigsten Skalarwerte des Objekts erscheint dessen
Silhouette dunkel, da die Opazität
dominant wird, und es ergibt sich eine Darstellung, als ob das Objekt
mittels eines Scheinwerfers beleuchtet worden wäre. Konkret wurde in der unten
in 2 dargestellten Transferfunktion die stark grün leuchtende
und die braune Klasse ausgewählt
und bestimmt, daß die
Darstellung mittels Pseudo-Shading erfolgen sollte. Für jede Klasse wurde
der Skalarwertebereich bestimmt und dann für jede Klasse die Emission
unter Verwendung einer linearen Stufe (Rampe) über den Skalarwertebereich abgeschwächt.
Im
folgenden werden weitere Beispiele der erfindungsgemäßen Visualisierung
von Objektstrukturen beschrieben. Wie bereits erwähnt, gibt
es bei der Rekonstruktion der Objektstrukturen unter Umständen Probleme
bei der Zuordnung von Darstellungsparametern zu konkreten Objekten
bzw. Klassen dahingehend, daß die
Zuordnung nicht eindeutig ist. Dies ist immer der Fall, wenn mehrere
Objekte dieselben Materialeigenschaften haben (z.B. Knochen). Durch
die Hinzunahme weiterer Unterscheidungskriterien (Fettanteil, Gewebe-
oder Muskelstrukturen) ist es beispielsweise möglich, einen Knochenbruch in
einer Knochenstruktur sichtbar zu machen, der allein durch eine
herkömmliche
Transferfunktion nicht darstellbar ist.
Hierbei
wird vorzugsweise die sogenannte Region-Growing-Methode benutzt,
die auf Pixel mit Opazität
ungleich Null angewendet wird und Ähnlichkeiten benachbarter Pixel
benutzt, um ein Objekt zu finden. Hat der Nachbarpunkt eines betrachteten Punkts ähnliche
Merkmale, wird er zu dem Objekt des betrachteten Punkts zugerechnet.
Durch sukzessives Vorgehen werden so zusammenhängende Gebiete ausgehend von
Substrukturen bzw.
Startpunkten
erzeugt und Teilstrukturen von Objekten ermittelt.
3 zeigt
die Visualisierung eines Karpfens, bei der die Region-Growing-Methode
angewendet wurde. Die Anpassung an das erfindungsgemäße Verfahren
hat darin bestanden, die Aufspaltung der Objektstrukturen in die
Teilstrukturen anhand der räumlichen
Konnektivität
vorzunehmen. Dieser spezielle Segmentierungstyp ist außerordentlich
schnell, da für
jedes Voxel nur ein Rückgriff
auf die zweidimensionale Opazitätsdarstellung
(Map) durchgeführt werden
muß. Jedem
detektierten Segment wird ein beliebiges Identifizierungskennzeichen
(Tag) zugeordnet, das den Farbtönungswert
des Segments bestimmt. Anhand der Renderansicht wird ein Segment anhand
seines Farbtönungswerts
selektiert, ganz so, wie dies anhand der Transferfunktion in bezug
auf die Farbgebung erfolgte. In der linken Ansicht von 3 sind
die Knochen des Karpfens zur Ansicht mittels der Transferfunktion
ausgewählt
worden, wobei zwecks besserer Orientierung die Haut hell (weiß) dargestellt
ist. Die rechte Ansicht von 3 zeigt
die durch die Region-Growing-Methode segmentierten Knochen des Karpfens.
Jedes Segment erhielt einen unterschiedlichen Farbwert. Danach wurde
das orangefarbene Rückgrat
ausgewählt
und hervorgehoben. Die Vorwölbung
des Rückgrats
ist so deutlich sichtbar geworden. Sie wäre sonst durch die Schädelknochen
des Kopfs verdeckt worden.
Weitere
praktische Beispiele der Anwendung des erfindungsgemäßen Verfahrens
zeigen die Ansichten von 4.
Oben
links in 4 ist ein Aneurysma visualisiert,
das als roter Blutklecks zu sehen ist. Dieser entspricht dem winzigen
roten Fleck unten in der Abbildung der Transferfunktion (siehe Pfeil).
Der kleine braune Bereich darüber
bildet auf das Innere der Arterie im Gehirn ab. Der rote Fleck wäre ohne
Anwendung der erfindungsgemäßen Transferfunktion
sehr schwer zu lokalisieren, da nur der kleinste räumliche Versatz
bereits zur Auswahl der Arterien führt. Mittels der erfindungsgemäßen Transferfunktion
wird die Gestalt des roten Flecks automatisch festgestellt. Die sofortige
Sichtbarkeit von Aneurysmen mittels des erfindungsgemäßen Verfahrens
wurde an einer Vielzahl von Proben bestätigt.
Aus
meßtechnischen
Gründen
ist die Darstellung des Schädels
mittels MRI-Daten an sich nicht zufriedenstellend, da seine Abbildung
auf fast dieselben Skalarwerte wie bei Luft erfolgt. Die separate
Visualisierung von Gehirn, Schädel
und Gewebe stellt daher ein Problem dar. Zu dessen Lösung wurde
statt der Standard-2D-Transferfunktion mit Skalarwerten und -gradienten
eine Transferfunktion basierend auf der T1- und Protonendichte (PD)-gewichteten
Antwort (Response) des MRI-Scanners verwendet. 4 oben
rechts zeigt die erfindungsgemäß dargestellten,
hervorgehobenen Bereiche von Schädel
und Gehirn. Die Darstellung ist ohne viel Aufwand durchführbar, soll
aber nicht als Ersatz für
eine echte Gehirnsegmentierung angesehen werden.
4 unten
links zeigt die Visualisierung von Nervenbahnen unter Verwendung
der Diffusionstensorbildgebung (DTI). Standardmäßig werden bei der Abtastung
Bahnen entlang dem größten Eigenvektor des
Tensorfeldes verfolgt und durch Einbeziehung der sogenannten teilweisen
Anisotropie (fractional anisotropy) des Diffusionstensors von Nervenzellen diskriminiert.
Werte mit hoher Anisotropie sind für die Bahnen (pathways) charakteristisch
(weiße
Materie), während
Nervenzellen niedrige Anisotropie aufweisen (graue Materie). Zur
Visualisierung wurde bei der erfindungsgemäßen Ausführung eine zweidimensionale
Transferfunktion basierend auf den Skalarwerten und der teilweisen
Anisotropie verwendet. Die Bahnen entsprechen bei der gezeigten
Abbildung einem charakteristischen Bereich in der oberen Mitte der
Tranferfunktion. Ein weiterer charakteristischer Bereich ist der
Ventrikel im unteren rechten Bereich der Transferfunktion.
Unten
rechts in 4 ist ein praktisches Beispiel
für die Visualisierung
von multimodalen Daten gezeigt. Während mittels MRI-Volumendatensätzen ein
Tumor sichtbar gemacht werden kann, liefert beispielsweise ein CT-Scanner
die für
die Planung eines chirurgischen Eingriffs benötigte Darstellung des Schädels. Zur Überlagung
der Schnittbilder erfolgt eine Registrierung der beiden multimodalen
Datensätze.
Mittels einer zweidimensionalen Transferfunktion gemäß der Erfindung,
die auf den beiden Abtastmoden basiert, kann der Tumor und der diesen
umgebende Knochen sofort selektiert werden.
Zusammengefaßt: Mit
Hilfe der Transferfunktion wird bei dem Darstellungsverfahren gemäß der Erfindung
jeder Eintrag in dieser anhand der räumlichen Positionen der Voxel
mit dem zugehörigen
Skalarwert bestimmt. Durch die die Raumkoordinaten enthaltende Transferfunktion
bzw. Zuordnungsvorschrift wird ein sehr geeignetes Mittel für die Visualisierung
von Strukturen, deren Merkmalen und Eigenschaften in skalaren, diffusionstensoriellen
oder multimodalen Volumendatensätzen
zur Verfügung
gestellt. Wenn ein Merkmal im Bereich der Transferfunktion eine
charakteristische Fläche
hat, kann das Merkmal rasch dargestellt werden, indem die entsprechende
Klasse in der Transferfunktion ausgewählt wird. Eine rasche bzw.
automatische Einrichtung der Transferfunktion ist somit möglich.