一种光照体绘制输出方法及装置制造方法及图纸

本发明专利技术提供了一种光照体绘制输出方法及装置，其中方法包括：获取DICOM数据；设置训练参数，初始化三维字典；利用DICOM数据与已初始化的三维字典，训练稀疏编码和三维字典，获取用于分类的高维特征向量；对单层切片进行标记，获得标记信息，标记信息包括N种颜色标记，每种颜色标记不同的对象；利用随机森林回归算法对高维特征向量和标记信息进行计算，得到分类数据；初始化光照体；利用初始化光照体，采用对流算法计算分类数据对应的内部多种组织的光照强度；利用扩散算法模拟光照强度散射效果，计算扩散后的多组织光照强度；根据分类数据以及扩散后的多组织光照强度，计算光照体绘制结果，并输出光照体绘制结果。由此高效的绘制更加真实的体绘制结果。

Illumination body rendering output method and device

The invention provides an output method and a device for illuminated volume rendering, wherein the method includes: acquiring DICOM data; setting training parameters to initialize the three-dimensional dictionary; training sparse coding and three-dimensional dictionary with DICOM data and initialized three-dimensional dictionary to obtain high-dimensional feature vectors for classification; and performing single-layer slicing. Marking information includes N color markers, each color marking different objects; using random forest regression algorithm to calculate high-dimensional feature vectors and marking information to get classification data; initializing the illuminator; using initialization illuminator, using convection algorithm to calculate the corresponding classification data. Illumination intensity of various internal tissues; use diffusion algorithm to simulate light intensity scattering effect, calculate the diffused multi-organization illumination intensity; according to the classification data and the diffused multi-organization illumination intensity, calculate the illumination volume rendering results, and output the illumination volume rendering results. Thereby rendering more realistic volume rendering results efficiently.

【技术实现步骤摘要】
一种光照体绘制输出方法及装置
本专利技术涉及数字化医疗领域，尤其涉及一种光照体绘制输出方法及装置。
技术介绍
医学影像数据包括核磁数据MRI(MagneticResonanceImaging)与计算机断层扫描数据CT(ComputedTomography)等。在医学影像体绘制领域，目前国际上比较流行的商业软件有飞利浦公司的Allura3D与通用电气公司的GEVolumeViewer以及西门子公司的CTClinicalEngines等软件。这些软件普遍采用经典的局部光照模型基于光线投射的体绘制算法，使用一维或多维传递函数进行显示，基于阈值，梯度等传统医学影像数据特征进行分类。其由于基于局部光照算法，对散射度高的组织如软组织表示效果差，缺乏适度的阴影，提高绘制结果的真实性与立体感，并且只能分类单一组织，或者是血管或者是骨骼，无法一次分类全部分开且效率低。
技术实现思路
本专利技术旨在提供一种克服上述问题或者至少部分地解决上述问题的一种光照体绘制输出方法及装置，能够高效的绘制更真实的体绘制结果。为达到上述目的，本专利技术的技术方案具体是这样实现的：本专利技术的一个方面提供了一种光照体绘制输出方法，包括：获取DICOM数据；设置训练参数，初始化三维字典；利用DICOM数据与已初始化的三维字典，训练稀疏编码和三维字典，获取用于分类的高维特征向量，其中，高维特征向量至少包括：DICOM数据在三维空间里的边、角度、轮廓和对象；对单层切片进行标记，获得标记信息，其中，标记信息包括N种颜色标记，每种颜色标记不同的对象；利用随机森林回归算法对高维特征向量和标记信息进行计算，得到分类数据；初始化光照体；利用初始化光照体，采用对流算法计算分类数据对应的内部多组织的光照强度；利用扩散算法模拟光照强度散射效果，对内部多组织的光照强度进行计算，计算扩散后的多组织光照强度；根据分类数据以及扩散后的多组织光照强度，计算光照体绘制结果，并输出光照体绘制结果。另外，设置稀疏字典的参数，初始化稀疏字典包括：设置要训练的三维字典的长，宽，高以及数量，并设置训练迭代最大次数；随机初始化三维字典中的值介于0到1之间。另外，利用DICOM数据与已初始化的三维字典，训练稀疏编码和三维字典，获取用于分类的高维特征向量包括：对DICOM数据和已初始化的三维字典进行三维傅里叶变换，转换到频率域，通过迭代的方法求解频率域下的训练字典与稀疏编码和DICOM数据构成的线性方程，得到第一训练结果，提取出边，角特征；利用第一训练结果进行中层训练，得到第二训练结果，表示局部轮廓特征；利用第二训练结果进行高层训练，得到整体形状特征，一起构成高维特征向量。另外，利用随机森林回归算法对高维特征向量和标记信息进行计算，得到分类数据包括：建立多颗CART树，每棵树使用标记信息作为训练集有放回的采样获得，在训练每棵树的节点时无放回的抽取高维特征向量中的特征进行分类，通过设置树的棵数，每棵树的深度，每个节点用到的特征数量，终止节点最少样本数，进行随机森林训练；利用随机森林预测，依次从每棵树的根节点开始，通过特征向量的距离阈值判断进入左节点还是右节点，直到到达某一叶子节点，求得所有树的输出值取平均得到当前点所属的类别。另外，利用初始化光照体，采用对流算法计算分类数据对应的内部多组织的光照强度包括：利用一阶迎风格式对流算法使用某一时刻光照强度，计算得到各个时刻的光照强度。另外，利用扩散算法模拟光照强度散射效果，对内部多组织的光照强度进行计算，计算扩散后的多组织光照强度包括：利用各个时刻光照强度，将各光源在体数据任意位置的光场进行叠加，根据扩散方程，解根据当前点不同分类的散射方程，使用基于CUDA的共轭梯度算法解扩散方程得到经过散射的每一点的光照强度。另外，根据分类数据以及扩散后的多组织光照强度，计算光照体绘制结果，并输出光照体绘制结果包括：模拟光线投射到分类数据的物理过程，对光线不透明度进行积累，此处根据不同分类使用不同传递函数结合散射后的每一点的光照强度，计算光照体绘制结果，并输出光照体绘制结果。本专利技术另一方面提供了一种光照体绘制输出装置，包括：获取模块，用于获取DICOM数据；设置模块，用于设置训练参数，初始化三维字典；训练模块，用于利用DICOM数据与已初始化的三维字典，训练稀疏编码和三维字典，获取用于分类的高维特征向量，其中，高维特征向量至少包括：DICOM数据在三维空间里的边、角度、轮廓和对象；标记模块，用于对单层切片进行标记，获得标记信息，其中，标记信息包括N种颜色标记，每种颜色标记不同的对象；计算模块，用于利用随机森林回归算法对高维特征向量和标记信息进行计算，得到分类数据；光照算法模块，用于初始化光照体；利用初始化光照体，采用对流算法计算分类数据对应的内部多组织的光照强度；利用扩散算法模拟光照强度散射效果，对内部多组织的光照强度进行计算，计算扩散后的多组织光照强度；根据分类数据以及扩散后的多组织光照强度，计算光照体绘制结果；输出模块，用于输出光照体绘制结果。另外，设置模块通过如下方式设置稀疏字典的参数，初始化稀疏字典：设置模块，还用于设置要训练的三维字典的长，宽，高以及数量，并设置训练迭代最大次数；随机初始化三维字典中的值介于0到1之间。另外，训练模块通过如下方式利用DICOM数据与已初始化的三维字典，训练稀疏编码和三维字典，获取用于分类的高维特征向量：训练模块，还用于对DICOM数据和已初始化的三维字典进行三维傅里叶变换，转换到频率域，通过迭代的方法求解频率域下的训练字典与稀疏编码和DICOM数据构成的线性方程，得到第一训练结果；利用第一训练结果进行中层训练，得到第二训练结果；利用第二训练结果进行高层训练，得到高维特征向量。另外，计算模块通过如下方式利用随机森林回归算法对高维特征向量和标记信息进行计算，得到分类数据：计算模块，还用于建立多颗CART树，每棵树使用标记信息作为训练集有放回的采样获得，在训练每棵树的节点时无放回的抽取高维特征向量中的特征进行分类，通过设置树的棵数，每棵树的深度，每个节点用到的特征数量，终止节点最少样本数，进行随机森林训练；利用随机森林预测，依次从每棵树的根节点开始，通过特征向量的距离阈值判断进入左节点还是右节点，直到到达某一叶子节点，求得所有树的输出值取平均得到当前点所属的类别。另外，光照算法模块通过如下方式利用初始化光照体，采用对流算法计算分类数据对应的内部多组织的光照强度：光照算法模块，还用于利用一阶迎风格式对流算法使用某一时刻光照强度，计算得到各个时刻的光照强度；另外，光照算法模块通过如下方式利用扩散算法模拟光照强度散射效果，对内部多组织的光照强度进行计算，计算扩散后的多组织光照强度：光照算法模块，还用于利用计算得到的各个时刻光照强度，将各光源在体数据任意位置的光场进行叠加，根据扩散方程，解根据当前点不同分类的散射方程，使用基于CUDA的共轭梯度算法解扩散方程得到经过散射的每一点的光照强度。另外，光照算法模块通过如下方式根据分类数据以及扩散后的多组织光照强度，计算光照体绘制结果：光照算法模块，还用于模拟光线投射到分类数据的物理过程，对光线不透明度进行积分，此处根据不同分类使用不同传递函数结合散射后的每一点的光照强度，计算光照体绘制结果。由此可本文档来自技高网...

【技术保护点】
1.一种光照体绘制输出方法，其特征在于，包括：获取DICOM数据；设置训练参数，初始化所述三维字典；利用DICOM数据与已初始化的所述三维字典，训练稀疏编码和所述三维字典，获取用于分类的高维特征向量，其中，所述高维特征向量至少包括：所述DICOM数据在三维空间里的边、角度、轮廓和对象；对单层切片进行标记，获得标记信息，其中，所述标记信息包括N种颜色标记，每种颜色标记不同的对象；利用随机森林回归算法对所述高维特征向量和所述标记信息进行计算，得到分类数据；初始化光照体；利用所述初始化光照体，采用对流算法计算所述分类数据对应的内部多组织的光照强度；利用扩散算法模拟光照强度散射效果，对所述内部多组织的光照强度进行计算，计算扩散后的多组织光照强度；根据所述分类数据以及所述扩散后的多组织光照强度，计算光照体绘制结果，并输出所述光照体绘制结果。

【技术特征摘要】
1.一种光照体绘制输出方法，其特征在于，包括：获取DICOM数据；设置训练参数，初始化所述三维字典；利用DICOM数据与已初始化的所述三维字典，训练稀疏编码和所述三维字典，获取用于分类的高维特征向量，其中，所述高维特征向量至少包括：所述DICOM数据在三维空间里的边、角度、轮廓和对象；对单层切片进行标记，获得标记信息，其中，所述标记信息包括N种颜色标记，每种颜色标记不同的对象；利用随机森林回归算法对所述高维特征向量和所述标记信息进行计算，得到分类数据；初始化光照体；利用所述初始化光照体，采用对流算法计算所述分类数据对应的内部多组织的光照强度；利用扩散算法模拟光照强度散射效果，对所述内部多组织的光照强度进行计算，计算扩散后的多组织光照强度；根据所述分类数据以及所述扩散后的多组织光照强度，计算光照体绘制结果，并输出所述光照体绘制结果。2.根据权利要求1所述的方法，其特征在于，所述设置稀疏字典的参数，初始化所述稀疏字典包括：设置要训练的所述三维字典的长，宽，高以及数量，并设置训练迭代最大次数；随机初始化所述三维字典中的值介于0到1之间。3.根据权利要求1或2所述的方法，其特征在于，所述利用DICOM数据与已初始化的所述三维字典，训练稀疏编码和所述三维字典，获取用于分类的高维特征向量包括：对所述DICOM数据和已初始化的所述三维字典进行三维傅里叶变换，转换到频率域，通过迭代的方法求解频率域下的训练字典与稀疏编码和所述DICOM数据构成的线性方程，得到第一训练结果；利用所述第一训练结果进行中层训练，得到第二训练结果；利用所述第二训练结果进行高层训练，得到所述高维特征向量。4.根据权利要求1至3任一项所述的方法，其特征在于，所述利用随机森林回归算法对所述高维特征向量和所述标记信息进行计算，得到分类数据包括：建立多颗CART树，每棵树使用所述标记信息作为训练集有放回的采样获得，在训练每棵树的节点时无放回的抽取所述高维特征向量中的特征进行分类，通过设置树的棵数，每棵树的深度，每个节点用到的特征数量，终止节点最少样本数，进行随机森林训练；利用随机森林预测，依次从每棵树的根节点开始，通过特征向量的距离阈值判断进入左节点还是右节点，直到到达某一叶子节点，求得所有树的输出值取平均得到当前点所属的类别。5.根据权利要求1至4任一项所述的方法，其特征在于，所述利用所述初始化光照体，采用对流算法计算所述分类数据对应的内部多组织的光照强度包括：利用一阶迎风格式对流算法使用某一时刻光照强度，计算得到各个时刻的光照强度。6.根据权利要求5所述的方法，其特征在于，所述利用扩散算法模拟光照强度散射效果，对所述内部多组织的光照强度进行计算，计算扩散后的多组织光照强度包括：利用计算得到的所述各个时刻的光照强度，将各光源在体数据任意位置的光场进行叠加，根据扩散方程，解根据当前点不同分类的散射方程，使用基于CUDA的共轭梯度算法解所述扩散方程得到经过散射的每一点的光照强度。7.根据权利要求6所述的方法，其特征在于，所述根据所述分类数据以及所述扩散后的多组织光照强度，计算光照体绘制结果，并输出所述光照体绘制结果包括：模拟光线投射到所述分类数据的物理过程，对光线不透明度进行积分，此处根据不同分类使用不同传递函数结合散射后的每一点的光照强度，计算光照体绘制结果，并输出所述光照体绘制结果。8.一种光照体绘制输出装置，其特征在于，包括：获取模块，用于获取DICOM数据；设置模块，用于设置训练参数，初始化所述三维字典；训练模块，用于利用DIC...

【专利技术属性】
技术研发人员：陈莉，林海晓，李研，
申请(专利权)人：北京灵医灵科技有限公司，
类型：发明
国别省市：北京,11