專利名稱：時間數(shù)據(jù)的可視化的制作方法
技術領域：
本發(fā)明涉及對時間數(shù)據(jù)的分析和可視化，具體而言涉及與醫(yī)學圖像相關的時間數(shù)據(jù)的可視化的領域。
背景技術：
諸如磁共振成像(MRI)的醫(yī)學成像系統(tǒng)能夠生成精確的橫斷面圖像數(shù)據(jù)，所述圖 像數(shù)據(jù)表示與人體或動物體有關的身體屬性。對利用代表橫斷面數(shù)據(jù)的大量平行2D圖像 的三維(3D)圖像的重建已經在醫(yī)學領域應用了一段時間。在很多情況下，通過注射造影劑來采集醫(yī)學圖像，以便增強在所采集的圖像中的 感興趣特征。常規(guī)地，醫(yī)學圖像根據(jù)注射前和注射后一段適當時刻拍攝的圖像的差分圖像 進行分析。假設，注射前和注射后拍攝的圖像的差分圖像將顯示出諸如血管和/或腫瘤區(qū) 域的感興趣區(qū)域。對比度增強圖像分析應用于諸如診斷和隨訪研究的臨床案例，以及諸如針對潛在 疾病案例的調查的臨床前案例。通常，盡管可以獲得詳細的被研究身體部分的3D圖像，但是對于臨床用戶來說， 從這些數(shù)據(jù)中有效地提取信息依然是個挑戰(zhàn)。臨床用戶通常需要檢查解剖結構的很多橫斷 面2D視圖和定量分析數(shù)據(jù)以及將他們進行組合。這導致分析效率低下并且降低了診斷流 程的可重復性。此外，伴隨著近來成像設備的發(fā)展，已經可以獲得時間分辨數(shù)據(jù)，這導致能夠對所 采集的圖像進行更進一步的研究，但這也使得在這種情況下所采集的數(shù)據(jù)量的更進一步增 加。在已經公布的專利申請US 2006/0110018中，公開了一種模式識別方法，所述模 式識別方法在使用對比度增強的MR圖像的時間數(shù)據(jù)中自動進行異常組織的檢測和區(qū)分。 同時，在此公開中，理解并闡述了與巨大數(shù)據(jù)集的可視化有關的問題，該公開為將差分圖像 歸類為良性或惡性的二類問題提供了具體的解決方案。然而，現(xiàn)有技術越來越需要對定量數(shù)據(jù)進行濃縮和全面的可視化，這一需求從一 開始就不是基于已知的輸出，具體而言需要更有效的方式來分析和可視化時空數(shù)據(jù)，以便 改善對于通用輸入數(shù)據(jù)在定量分析數(shù)據(jù)和解剖結構之間的耦合。

發(fā)明內容
本發(fā)明優(yōu)選地是尋求以單獨或任意組合的方式來減輕、緩解或消除一個或多個上 述缺點。具體而言，本發(fā)明的目的可以被認為是提供一種解決與時間數(shù)據(jù)可視化有關的現(xiàn) 有技術中的上述問題或其他問題的方法。這一目的和若干其他目的在本發(fā)明的第一方面是通過提供一種可視化時間數(shù)據(jù) 的方法來實現(xiàn)的，所述方法包括-提供時間數(shù)據(jù)的集合；
-基于所述時間數(shù)據(jù)的時間特性，檢測在所述數(shù)據(jù)中的不同區(qū)域數(shù)目；_識別每個區(qū)域并為其分配配色方案；以及-根據(jù)所分配的配色方案可視化每個區(qū)域。本發(fā)明涉及對由醫(yī)學圖像導出的解剖結構和相關定量分析數(shù)據(jù)的可視化的領域。 圖像數(shù)據(jù)可以利用醫(yī)學成像技術獲得，包括但不限于磁共振成像(MRI)、計算機斷層攝影 (CT)、正電子斷層攝影(PET)、單光子發(fā)射計算機斷層攝影(SPECT)、超聲掃描以及旋轉血 管造影。與向被檢查系統(tǒng)中注射造影劑結合地提供時間數(shù)據(jù)的集合。基于所獲得的圖像， 可以導出一個或多個體素數(shù)據(jù)集。然而，通常，本發(fā)明可應用于任意模態(tài)的醫(yī)學成像以及非 醫(yī)學數(shù)據(jù)。本發(fā)明的優(yōu)點如下(但并不僅限于如下優(yōu)點)檢測而不是 預先假設時間數(shù)據(jù)中 的時間不同區(qū)域的數(shù)目；該數(shù)目的檢測基于所述數(shù)據(jù)的時間特性。因此，僅僅是所述數(shù)據(jù) 的時間特性而不是對要解決結果的假設形成了可視化的基礎。根據(jù)本發(fā)明的方法是非監(jiān)督 的學習方法。此外，再次僅僅基于所述數(shù)據(jù)的時間特性，而不是基于對要解決結果的假設， 通過識別每個所檢測的區(qū)域并為其分配配色方案，以及根據(jù)所分配的配色方案可視化所述 區(qū)域，用戶能夠有效地和全面地了解存在多少區(qū)域，以及這些區(qū)域的位置。對于醫(yī)學專家來 說，從大量的醫(yī)學數(shù)據(jù)集中辨認出醫(yī)學上重要的特征是個很大的挑戰(zhàn)。本發(fā)明提供實現(xiàn)這 個目標的有效方式。本發(fā)明提供了一種將時間相似的數(shù)據(jù)投影到降低的空間，例如從3D+時間空間到 2D或3D空間的方法，這可以由醫(yī)學專家通過2D可視化、3D可視化或2D和3D可視化的組 合進行觀察。將數(shù)據(jù)投影到降低的空間改善了診斷流程以及定量分析的質量和可重復性。在實施例中，自動檢測時間數(shù)據(jù)中的區(qū)域數(shù)目。自動檢測該數(shù)目是有利的，因為這 樣提供了高效的系統(tǒng)。在實施例中，使用聚類算法和模型選擇算法來檢測時間數(shù)據(jù)中的區(qū) 域數(shù)目。使用聚類算法是有利的，因為聚類算法是魯棒的通用分類工具。此外，它們不需要 監(jiān)管或預先學習階段。在有利的實施例中，通過如下方式檢測時間數(shù)據(jù)中的不同區(qū)域數(shù)目首先在輸入 類值范圍內運行聚類算法，由此獲得類分配范圍。隨后，對于針對給定的類數(shù)目每次運行聚 類算法時，統(tǒng)計分析階段檢測實際區(qū)域數(shù)目。然后，組合并分析所有的實際區(qū)域數(shù)目，以便 提供時間數(shù)據(jù)中的不同區(qū)域數(shù)目。所述統(tǒng)計分析可以基于對與在類分配范圍內的每個類分 配相關的強度分布的分析。所述統(tǒng)計分析可以使用在類分配中設定閾值。對區(qū)域數(shù)目的獨 立估計的合并可以使用通過將得到所有評估中大部分支持的數(shù)目分配為最終數(shù)目的最大 算子。因此提供了用于檢測區(qū)域數(shù)目的有效的、明顯的和健壯的實施例。在有利的實施例中，識別模型時間模式并將其與一個或多個區(qū)域的時間模式進行 比較。根據(jù)相似性準則識別其時間模式與模型時間模式相類似的區(qū)域并對其進行可視化。 本發(fā)明的實施例的優(yōu)點是，不依賴于與模型模式的比較來選擇區(qū)域，因為代替與區(qū)域選擇 同時進行地是，在區(qū)域選擇之后可以進行更加通用和有效的比較。本領域技術人員知曉并 可以得到用于比較模式的各算法。可以根據(jù)模式比較算法的選擇來設置具體的相似性準 則。在有利的實施例中，為每個區(qū)域分配特征集，并且根據(jù)選擇顯示該特征集。對于醫(yī) 學工作者而言，可能根據(jù)請求，為診斷流程提供整個區(qū)域的特征集是非常有效的。
根據(jù)本發(fā)明的第二方面，提供了一種用于可視化時間數(shù)據(jù)的可視化系統(tǒng)，所述系 統(tǒng)包括輸入單元、檢測器單元、分配單元和可視化單元。各個單元用于執(zhí)行第一方面的功 能?？梢暬到y(tǒng)可以實現(xiàn)為可進行特定編程的通用計算機。根據(jù)本發(fā)明的第三方面，提供了一種醫(yī)學檢查裝置，其還包括用于以一個或多個 體素數(shù)據(jù)集的形式采集醫(yī)學圖像數(shù)據(jù)的采集單元。所述采集單元可以是醫(yī)學掃描器。根據(jù)本發(fā)明的第四方面，提供了一種具有指令集的計算機程序產品，當在計算機 上使用時，所述指令集使得計算機執(zhí)行本發(fā)明的第一方面的步驟?？傊?，本發(fā)明的各個方面可以在本發(fā)明的范圍內以任意可能的方式進行組合和耦 合。本發(fā)明的這些和其他方面、特征和/或優(yōu)點將從本發(fā)明描述的實施例變得顯而易見并 將參考其進行闡述。


下面將參照附圖，僅通過舉例的方式來描述本發(fā)明的實施例，在附圖中圖1示出了圖示說明體素強度的時間變化的屏幕截圖1 ；圖2圖示說明了三個不同時刻的MR圖像；圖3圖示說明了聚類算法的輸出的屏幕截圖；圖4圖示說明了所識別的區(qū)域的2D可視化；圖5圖示說明了識別模型時間模式的各方面；圖6示意性地圖示說明了可視化系統(tǒng)的各部件；以及圖7是示出了可視化時間數(shù)據(jù)的方法的步驟的流程圖。
具體實施例方式對于醫(yī)學診斷、醫(yī)學研究或其它領域和應用，可以獲得醫(yī)學圖像并且參考由注射 造影劑產生的對比度模式圖像中的幾何屬性對其進行分析。通常，為了增強感興趣區(qū)域與 背景區(qū)域之間的對比度，可以使用造影劑。除了幾何屬性(位置、形狀等等)，對比模式也可 以具有時間尺度，并且關于積聚的時間推進的信息可能與診斷、以及區(qū)別特定病例以及區(qū) 別病例與健康情況有關。圖1圖示說明了為了區(qū)分不同的模式需要時間信息的情況。該圖是屏幕截圖1，圖 示說明了兩個體素部位在32個連續(xù)時刻的沿垂直軸描繪的強度隨著沿水平軸推進的時間 的時間變化。如果使用常規(guī)的前/后對比方法，并且在時刻27或以后拍攝“注射造影劑后 的”圖像(如附圖標記2所標記的)，那么兩個體素值將不能夠彼此區(qū)分開，盡管他們具有 非常不同的時間強度模式。本發(fā)明的實施例提供了發(fā)現(xiàn)并可視化具有不同時間特性的幾何模式的方法。通常，將提供時間數(shù)據(jù)的集合。所述數(shù)據(jù)可以是隨時間演化的空間圖像數(shù)據(jù)。例如，具有時間尺度的2D圖像數(shù)據(jù)(可以稱之為3D數(shù)據(jù)或2D+時間數(shù)據(jù)；這相當于常規(guī)的電 影(movie)數(shù)據(jù))或具有時間尺度的3D圖像數(shù)據(jù)(可以稱之為4D數(shù)據(jù)或3D+時間數(shù)據(jù)；這 相當于3D電影數(shù)據(jù))。在醫(yī)學成像中，空間數(shù)據(jù)將是3D數(shù)據(jù)。本發(fā)明參考鳴禽(songbird) 的MRI圖像進行解釋。所述數(shù)據(jù)是在32個不同時刻以256X256X256的分辨率采集的3D 數(shù)據(jù)，即因此總的數(shù)據(jù)尺度是32X256X256X256。采集圖像以便追蹤和評估鳴禽神經系統(tǒng)的季節(jié)演化，鳴禽的神經系統(tǒng)被認為具有依賴于交配期的季節(jié)變化。將作為造影劑的錳 (Mn)注射到鳥的大腦內以追蹤神經系統(tǒng)中的細胞。盡管本發(fā)明公開的是鳴禽大腦的MR圖 像，但是本領域的技術人員應能明白，本發(fā)明不限于此類圖像。本發(fā)明的重要應用包括(但 不限于)分析和可視化注射造影劑獲得的時間分辨的醫(yī)學圖像。圖2圖示說明了針對三個不同時刻的MR圖像。觀察到區(qū)域20隨時間變得越來越明亮并且逐漸向外擴展。為了時間地分析圖像，需要執(zhí)行若干步驟。在時間分析之前，通常對數(shù)據(jù)進行預處 理。所述預處理可以包括對準。執(zhí)行數(shù)據(jù)的對準以便確保相同體素對于所有的圖像占據(jù)被 成像對象的相同面積。此外，對于某些醫(yī)學圖像模態(tài)，例如MR而言，強度可能隨不同的掃描 而發(fā)生變化，甚至在同一掃描的不同圖像中也會發(fā)生變化，因此，圖像可以被標準化，例如 通過使用強度直方圖來標準化。此外，為了去除圖像中的失真、噪聲或其他效應，可以執(zhí)行 附加的圖像處置。此類預處理在現(xiàn)有技術中是已知的。檢測時間數(shù)據(jù)中展示不同時間特性的區(qū)域的數(shù)目。當時間模式之間有足夠的不同 或距離時，就認為這些時間模式彼此不同。這種不同或距離可以通過已知的測度方法，例如 歐幾里得距離或絕對差(Li標準)計算。在實施例中，不同區(qū)域的數(shù)目按照如下方式進行檢測。對于每個體素，構建T維向量。T是執(zhí)行成像的時刻數(shù)目。因此，特征點是T維向 量ξ，其中i = 1. . . N，N是體素的數(shù)目。圖1示出了戈的兩個實例。通過使用這些向量，可 以闡明問題以找到在或中不同分組的數(shù)目。作為實例，哀將等于威=[/,(/ ),...，/々 )]。對不同出現(xiàn)的時間強度模式的數(shù)目的檢測被認為是模型選擇問題。為了識別正確 的模型，所述模型是在時間數(shù)據(jù)中的時間不同區(qū)域的數(shù)目，使用聚類算法。聚類算法通常用 于將數(shù)據(jù)聚類為共享某些共同特點的組。根據(jù)本發(fā)明的實施例，可以使用若干種聚類算法， 例如K均值、模糊C均值或者期望最大化算法。典型的聚類算法期望給出類的數(shù)目，即將要把數(shù)據(jù)分成的組的數(shù)目。在本發(fā)明的 有利實施例中，該數(shù)目是自動提取的，即使半自動的檢測也是可能的，特別是在用戶希望影 響確定過程的時候。為了檢測時間數(shù)據(jù)中區(qū)域的數(shù)目，在輸入類值的范圍內運行聚類算法。從而獲得 類分配的范圍。通常，在2到10范圍內的每個輸入類值，例如3到6，或另外的適當范圍運 行聚類算法。在聚類中，每個體素被歸類為某一類，從而使得每個類包含共享相同時間特性的 體素。圖3圖示說明了聚類算法的輸出的屏幕截圖30，或者是在應用模型選擇階段使得 在每種情況下產生3類之后，對于3個輸入類(圖3A)、4個輸入類(圖3B)、5個輸入類(圖 3C)以及6個輸入類(圖3D)的輸入類值的K均值聚類算法的類分配。通過描繪出每個存 在的聚類中心的強度值，從而使得可以確實觀察到三個分組來可視化輸出。找到背景類31、36、37、38，即沒有展示出或展示出很少的時間特性的類。找到展示 出近似線性增長強度的組32、34，以及強度上首先陡峭增長隨后保持在近似恒定的高強度 水平的組33、35。根據(jù)聚類算法的輸出，將每個體素進行歸類。在圖3A中，三個類是分離 的，然而，在圖3B到3D中，背景類36-38分別包含兩個到四個類。
在實施例中，時間不同的類的數(shù)目是通過如下分析提取的，所述分析也指的是模型選擇階段。為了給體素分配類，即確定給定體素是否屬于一時間變化的類，確定自適應閾值。 在實施例中，自適應閾值是根據(jù)統(tǒng)計分析確定的，其中，以如下方式計算每個類的強度范 圍-對于屬于類i的每個體素，通過從最小強度值中減去在該位置觀察到的最大強 度值，以強度范圍的形式計算其強度分布；-找到類i的強度范圍的最大值；-對于所有聚類重復以上步驟。因為最大值和最小值都對噪聲敏感，所以可以用百分位數(shù)來替換最大值和最小 值，例如分別為第百分之95th位數(shù)值和第百分之5th位數(shù)值。以上最大值(與類的數(shù)目一樣多)被用于將閾值計算為Thrl = (k*所有聚類的最大強度范圍)。k值通常處于0到1之間。在實施例中，該值可以預先選擇和/或按照用戶設置進 行調整。通常，可以應用0. 2到0. 5的值。根據(jù)本發(fā)明描述的實施例，使用k = 0. 3的值。這樣，執(zhí)行每個類分配的統(tǒng)計分析。以上假設聚類中的至少一個展示出時間特性，S卩，數(shù)據(jù)示出了造影劑在特定區(qū)域 的積累。為了保證在數(shù)據(jù)沒有任何造影劑積累，S卩，所有的聚類都是背景聚類時算法依然 有效，將閾值與最小值Thrjnin進行比較，在實施例中，其分配為數(shù)據(jù)的中值強度水平的百 分比，例如，非背景強度范圍可能需要中值強度值的80%。這樣，統(tǒng)計分析得到閾值。每個類根據(jù)閾值被標記為背景類或非背景類。若某個 類包含一個或多個強度變化大于或根據(jù)設置可能等于閾值Thrl (以及Thr_min，如果某些 設置需要)的體素，則該類被分配并標記為時間變化區(qū)域，即非背景類。若某個類不包含強 度變化大于Thrl的體素，則該類被分配并標記為時間恒定區(qū)域，即背景類。也可以要求該 類的特定百分比(例如，30%)具有在閾值之上的強度范圍，從而將該區(qū)域歸類為非背景區(qū) 域。在另一實施例中，可以僅比較類均值以便將整個類歸類為非背景或背景。根據(jù)所標記的情況，選擇一個背景類和所有非背景類，并且所選擇的類的數(shù)目被 設置為不同區(qū)域的數(shù)目，或時間數(shù)據(jù)中展示出不同時間特性的區(qū)域的數(shù)目。識別每個時間 變化區(qū)域并為每個區(qū)域分配配色方案。配色方案可以是為每個區(qū)域分配的不同的單一顏 色。然而，配色方案可以更加高級，例如包括疊加模式。圖4圖示說明了所識別的區(qū)域的2D可視化。圖像是包括所識別的區(qū)域的MRI切 片。在該圖像中至少觀察到四個組，兩個背景組以及兩個展示出時間變化的區(qū)域。兩個背 景組包括脊椎骨，如圖像頂部的亮斑所見，以及并沒有示出時間變化的大腦區(qū)域，如淺灰色 所見。除了背景區(qū)域，根據(jù)所分配的配色方案可視化所有時間不同的區(qū)域。通常，在可視 化中使用彩色；然而，圖4中的區(qū)域以灰度進行可視化。第一區(qū)域圖示為亮環(huán)40，其包裹住 灰核結構41。通過圖2的任意一張切片與圖4之間的比較，從圖4中立即清楚地是，觀察者可以更有效地獲得時間變化區(qū)域的時間信息。例如，顯然，應當清楚地是，盡管僅幾何單一連通 區(qū)域受到了影響，但是該區(qū)域包括兩個時間不同的區(qū)域。除了可視化時間不同的區(qū)域，可以提取特征集并將其分配給所述區(qū)域。該特征集 可以從圖像或從與圖像相關的輔助數(shù)據(jù)或數(shù)據(jù)分析中提取的。在實施例中，用戶可以(可能根據(jù)要求)被提供包括諸如屬于每個組的體素的數(shù) 目的這類信息的特征集。特征集可以包括不同組的解剖信息，例如解剖位置，或者在擴展到多于一個不同 解剖結構的情況下，每組在每個結構的分布。為了導出解剖信息，可以將圖像與被研究的成 像對象的分段模型進行比較。通常，特征集可以包含任意類型的相關信息。在實施例中，區(qū)域的時間特性可能與模型模式統(tǒng)計相關，例如，通過計算組的時間 特性與模型特性間的相關值來進行相關，以便給該區(qū)域分配諸如患病可能性的可能性。在 現(xiàn)有技術中統(tǒng)計相關性方法是已知的，例如泊松相關系數(shù)。在實施例中，例如從時間模式庫中，識別模型時間模式。可以將每個區(qū)域與模型模 式進行比較，或者可以將選定的區(qū)域與模型區(qū)域進行比較。根據(jù)相似性準則識別與模型時 間模式相似的每個區(qū)域。相似或相異測度是已知所使用的測度中的一個。在一個實施例中， 使用歐幾里得距離。在另一實施例中，當數(shù)據(jù)含噪聲時，使用差分的絕對值的Ll標準顯示 出更加精確。在此之后，通過根據(jù)相似性配色方案為所識別的區(qū)域著色來可視化每個區(qū)域。 可以自動確定或由用戶定義將要與模型時間數(shù)據(jù)進行比較的區(qū)域。例如，可以自動將所有 所識別的區(qū)域與庫中的所有模型時間模式進行比較。或者，醫(yī)學工作者可以選擇一個或多 個區(qū)域應當與之進行比較的模型時間類型組。圖5圖示說明了與識別模型時間模式以及將模型時間模式與類似于模型時間模 式的一個或多個區(qū)域的時間模式進行比較的各方面。圖5A以來自于圖3A和3B中33和35 所指示的具有時間特性的體素的組的體素時間模式的形式，圖示說明了模型時間模式53 的實例。用戶可以要求基于圖5A的時間模式(或任意其他時間模式)進行比較；或者，可 以執(zhí)行計算機程序以便自動選擇將形成比較基礎的時間特性。在圖5B中，將所有非背景區(qū)域的時間特性，即圖4中由40和41所指示的區(qū)域與圖 5A的時間特性進行比較。所述比較基于統(tǒng)計相關性。面積越暗，相關性越強。在圖5B中， 由50所指示的區(qū)域具有低的相關性，而由51所指示的區(qū)域具有高的相關性。在所給出的情 況下期望這樣，因為圖5A的時間特性與分配給由41和51所指示的區(qū)域的體素組有關。在 圖5C中，僅詵擇由52所指示的區(qū)域講行比較，并目.，ιΗ如所見到的，再次發(fā)現(xiàn)高的相關件， 正如所期望的。因此，在圖5B和5C中，相似性準則是相關性值，并且根據(jù)相關性的增加將 相似性配色方案設置為從亮到暗的梯度。通常，也可以設置其他的相似性準則。例如，可以 設置具體的相關性值，并且識別相關性值大于或等于該設置的區(qū)域，例如通過用單一顏色 對此區(qū)域進行著色。圖6示意性地圖示說明了集成到醫(yī)學檢查裝置中的、根據(jù)本發(fā)明的可視化系統(tǒng)的部件。正如在圖6中示意性指示出的，醫(yī)學檢查裝置通常包括患者所躺靠的床61，或相對于 采集單元60定位患者的其他元件。所述采集單元可以是醫(yī)學成像裝置，例如MR掃描器或 另外的醫(yī)學掃描器。所述采集單元以一個或多個時間分辨體素數(shù)據(jù)集的形式采集時間醫(yī)學 圖像數(shù)據(jù)。所述圖像數(shù)據(jù)被饋送到可視化系統(tǒng)。
在輸入單元62中接收所述時間圖像數(shù)據(jù)。在檢測器單元63中，基于所述時間數(shù) 據(jù)的時間特性，檢測在所述數(shù)據(jù)中不同區(qū)域的數(shù)目。在分配單元64中，識別所檢測到的區(qū) 域并且為每個區(qū)域分配配色方案。所述數(shù)據(jù)是通過通常以計算機屏幕形式的可視化單元66 來可視化。所述可視化系統(tǒng)的元件可以實現(xiàn)為通用或專用計算機的一個或多個數(shù)據(jù)處理器 65。圖7是示出了可視化時間數(shù)據(jù)的方法中的各步驟的流程圖。提供70時間數(shù)據(jù)的集合?；谒鰰r間數(shù)據(jù)的時間特性，檢測71在所述數(shù)據(jù)中 不同區(qū)域的數(shù)目。識別72每個區(qū)域并為其分配配色方案。最終，根據(jù)所分配的配色方案， 73可視化每個區(qū)域。在實施例中，可以執(zhí)行如下步驟70 提供時間數(shù)據(jù)的集合700:預處理所述數(shù)據(jù)。71 通過如下方式檢測所述時間數(shù)據(jù)中的區(qū)域的數(shù)目710 在輸入類值的范圍內，運行聚類算法；711 獲得類分配的范圍；712 針對每個輸入類值，即針對聚類算法的每次運行，根據(jù)類分配的統(tǒng)計分析，檢 測在每個類分配中的實際區(qū)域的數(shù)目，所述統(tǒng)計分析基于與每個類分配相關的強度分布的 分析。根據(jù)所述統(tǒng)計分析獲得閾值，并且根據(jù)為每個類分配的強度范圍是在所述閾值之下 還是在所述閾值之上，將所述類標記為背景類或非背景類；713 根據(jù)實際區(qū)域數(shù)目的范圍，獲得時間數(shù)據(jù)中不同區(qū)域的數(shù)目?？梢允褂米畲?因子，從而使得將得到最大投票數(shù)目的數(shù)目分配為被評估為不同區(qū)域的數(shù)目。72 識別72每個區(qū)域并為每個區(qū)域分配配色方案720 將每個被標記的類識別為時間不同的區(qū)域。721 為每個區(qū)域分配配色方案。73 根據(jù)所分配的配色方案，可視化每個區(qū)域。本發(fā)明可以實現(xiàn)為任意合適的形式，包括硬件、軟件、固件或它們的任意組合。本 發(fā)明或本發(fā)明的某些特征可以實現(xiàn)為在一個或多個數(shù)據(jù)處理器和/或數(shù)字信號處理器上 運行的計算機軟件。本發(fā)明的實施例的各元件和部件可以以任意合適的方式物理地、功能 地和邏輯地實現(xiàn)。事實上，功能可以實現(xiàn)為單個單元、多個單元或作為其他功能單元的部 分。正因為這樣，本發(fā)明可以實現(xiàn)為單個單元，或可以物理地和功能地分布在不同單元和處 理器之間。盡管本發(fā)明已經根據(jù)具體實施例加以說明，但是這并不是意圖限制為本文所闡述 的具體形式。相反，本發(fā)明的范圍僅由權利要求書進行限定。在權利要求書中，術語“包括” 并不排除存在其他元件或步驟。此外，盡管在不同的權利要求中包括獨立的特征，但是它們 可能進行有利的組合，并且包含在不同權利要求中并不意味著各特征的組合不能實現(xiàn)和/ 或不利。另外，單數(shù)限定并不排除多個。因此，“一”、“一個”、“第一”、“第二”等并不排除多 個。此外，權利要求中的附圖標記不應被解釋為是對范圍的限制。
權利要求
一種可視化時間數(shù)據(jù)的方法，所述方法包括-提供(70)時間數(shù)據(jù)的集合；-基于所述時間數(shù)據(jù)的時間特性，檢測(71)所述數(shù)據(jù)中的不同區(qū)域(40、41)數(shù)目；-識別(72)每個區(qū)域并為其分配配色方案；以及-根據(jù)所分配的配色方案可視化(73)每個區(qū)域。
2.如權利要求1所述的方法，其中，自動檢測所述時間數(shù)據(jù)中的區(qū)域數(shù)目。
3.如權利要求1所述的方法，其中，使用聚類算法和模型選擇算法來檢測所述時間數(shù) 據(jù)中的區(qū)域數(shù)目。
4.如權利要求3所述的方法，其中，所述時間數(shù)據(jù)中的不同區(qū)域數(shù)目通過如下方式進 行檢測首先在輸入的類值范圍內運行聚類算法，由此獲得類分配范圍，在此之后，對于所 述聚類算法的每次運行，統(tǒng)計分析階段檢測實際區(qū)域數(shù)目，組合每次運行所述聚類算法得 到的所述實際區(qū)域數(shù)目以提供所述時間數(shù)據(jù)中的不同區(qū)域數(shù)目。
5.如權利要求4所述的方法，其中，所述統(tǒng)計分析基于對與所述類分配范圍內每個類 分配相關的強度分布的分析。
6.如權利要求5所述的方法，其中，所述統(tǒng)計分析得到閾值并且根據(jù)每個類被分配的 強度范圍是在所述閾值之下還是在所述閾值之上將所述類標記為背景類(31、36、37、38) 或非背景類(32-35)，將每個被標記的類識別為一區(qū)域。
7.如權利要求1所述的方法，其中，識別模型時間模式(53)，并且其中，根據(jù)相似性準 則識別與所述模型時間模式相類似的一個或多個區(qū)域(50-52)的時間模式，并且其中，通 過根據(jù)相似性配色方案對所識別的一個或多個區(qū)域進行著色來可視化所述所識別的區(qū)域。
8.如權利要求7所述的方法，其中，自動確定或者由用戶定義將要與模型時間數(shù)據(jù)進 行比較的所述一個或多個區(qū)域的所述時間模式。
9.如權利要求1所述的方法，其中，為每個區(qū)域分配特征集，并且其中，根據(jù)選擇顯示 所述特征集。
10.如權利要求1所述的方法，其中，所述可視化是2D可視化、3D可視化或者2D和3D可視化的組合。
11.如權利要求1所述的方法，其中，與向被檢查系統(tǒng)中注射造影劑結合地提供所述時 間數(shù)據(jù)的集合。
12.如權利要求2所述的方法，其中，使用從如下選擇的技術提供體素數(shù)據(jù)集磁共 振成像(MRI)、計算機斷層攝影(CT)、正電子斷層攝影(PET)、單光子發(fā)射計算機斷層攝影 (SPECT)、超聲掃描、時間X射線成像以及旋轉血管造影。
13.一種用于可視化時間數(shù)據(jù)的可視化系統(tǒng)，所述系統(tǒng)包括-輸入單元(62)，其用于提供時間數(shù)據(jù)的集合；-檢測器單元(63)，其用于基于所述時間數(shù)據(jù)的時間特性，檢測所述數(shù)據(jù)中的不同區(qū) 域數(shù)目；-分配單元(64)，其用于識別每個區(qū)域并為其分配配色方案；以及-可視化單元(66)，其用于根據(jù)所分配的配色方案可視化每個區(qū)域。
14.如權利要求13所述的醫(yī)學檢查裝置，還包括采集單元(60)，其用于以一個或多個 體素數(shù)據(jù)集的形式采集醫(yī)學圖像數(shù)據(jù)。
15. 一種具有指令集的計算機程序產品，當在計算機上使用時，所述指令集使得所述計 算機執(zhí)行如權利要求1所述的步驟。
全文摘要
本發(fā)明涉及對時間數(shù)據(jù)的分析和可視化，并且在實施例中，涉及對與醫(yī)學圖像相關的時間數(shù)據(jù)的可視化的領域。公開了一種可視化時間數(shù)據(jù)的方法。所述方法包括提供時間數(shù)據(jù)的集合；基于所述時間數(shù)據(jù)的時間特性，檢測所述數(shù)據(jù)中不同區(qū)域(40、41)的數(shù)目；識別每個區(qū)域并為其分配配色方案；以及根據(jù)所分配的配色方案可視化每個區(qū)域。在實施例中，基于聚類算法的使用來檢測不同區(qū)域的數(shù)目。
文檔編號G06T7/00GK101821777SQ200880111562
公開日2010年9月1日 申請日期2008年10月9日 優(yōu)先權日2007年10月15日
發(fā)明者A·伊金, R·S·雅辛斯基 申請人:皇家飛利浦電子股份有限公司