CN101903911A - 身体和身体轮廓的3d重建 - Google Patents

Abstract

本发明提出了使用多面体对象模型从横向截断投影进行身体和身体轮廓的3D重建。可能的临床应用出现在配备有平板探测器的采集系统上进行导引的活组织检查的领域中，其中在胸和腹扫描协议中不能避免截断投影。患者的形状的3D体积重建和表面网格重建例如从旋转运动产生并且然后同时被可视化以便帮助医生引导活组织检查设备和判断从患者的皮肤到重建体积内部的感兴趣组织的距离。

Description

身体和身体轮廓的3D重建

本发明涉及医学成像的领域。尤其是，本发明涉及一种用于身体和身体轮廓的3D重建的检查装置、涉及一种用于身体和身体轮廓的3D重建的方法、一种计算机可读介质、一种程序元件和一种图像处理设备。

除了其他应用以外，根据本发明的实施例尤其有用于导引的活组织检查。

高对比成像特别是为医生提供用于诊断的有价值信息的X射线系统的一种重要的临床应用。为了保持施加于患者的剂量尽可能小或由于在床旁或在手术室中的机械限制，医生常常仅仅对从不同角度获得的少数二维荧光透视感兴趣。

另一个例子来自血管树的旋转血管造影术。尽管测得的投影数量可以从80变化到200，但是属于一个心脏相位的投影明显较小，例如大约为4-10。然而，用标准滤波反投影技术(FBP)从有限数量的投影进行的三维重建可能被模糊。迭代最大似然(ML)算法可以提高信噪比，但是若没有附加的正则化，合理重建是不可能。

近年来在重建稀疏对象(例如剂团填充(bolus filled)血管)方面有一些发展。提出了基于多面体对象模型的另一种技术，其中衰减值是已知值。两种技术利用先验知识(例如“稀疏性(sparseness)”)或对象的多面体性质以便稳定重建。

在活组织检查的情况下，可能在实际获取活组织检查样本之前使用那些高对比图像，即，用于对其进行计划。

为了各种癌症疾病的正确诊断而进行活组织检查。这可以经由内窥镜的内腔或经由针和导管的活组织检查进行。为了找到进行活组织检查的正确位置，使用各种成像模态，例如X射线、CT、MRI和超声。在例如前列腺癌的情况下，在多数情况下活组织检查由超声引导。尽管是有帮助的，但是这些引导方法远非理想。

与活组织检查直接相关的问题在于成像系统的分辨率受到限制，并且因此常常盲目地进行活组织检查，针相对于目标肿瘤的位置的反馈有限，这额外导致不确定针是否击中病变。显然需要改善引导以将活组织检查针靶向到组织中的正确位置。

解决朝着可疑组织导航的一种方式是通过利用例如电磁导向导航活组织检查针尖端。然而该方法的精度被限制到几毫米。因此对于小尺寸可疑组织体积来说有一定的机会在错误位置进行活组织检查。进一步的限制在于即使可以将活组织检查针引导到对应于预记录图像的正确位置，由于组织的可压缩性，也决不能保证这就是正确位置。由于在前进期间活组织检查针作用于组织的力，组织会变形。

如果获取的样本看上去是癌性的，在多数情况下该癌性组织将通过手术被去除(尤其是当肿瘤被明确定位时)或者使用RF、微波或冷冻消融进行经皮治疗。

外科医生示例性地仅仅使用他们的眼睛和手(触诊)来寻找肿瘤并且必须依赖预记录图像的信息的事实使手术进路混淆不清。这些预记录图像提供关于肿瘤的位置的信息，但是并不总是清楚地显示肿瘤边界。有时，外科医生在图像引导下植入标记物，在手术操作期间为他或她提供聚焦的参考点。将定位丝再次引导到正确位置是困难的。

活组织检查设备也可以用作用于在身体中的某个位置施予药物或疗法(例如消融)而不去除组织的设备，例如用于在患病身体部分的正确位置注射流体。其中难以将活组织检查设备引导到正确位置的这些介入有同样缺陷。

因此，进行获取活组织检查样本的当前方式具有缺陷，难以将活组织检查设备优选地引导到待调查组织的中心。

希望以改善对感兴趣对象的身体以及身体轮廓的建模作为改善活组织检查导向的基础。此外，希望拥有一种装置，借助于该装置可以在手术中(即，在活组织检查样本的获取期间)定位和跟踪活组织检查设备的位置。

本发明提供了一种带有根据各个独立权利要求的特征的检查装置、方法、用户接口、计算机可读介质和图像处理设备。

本发明提出了使用多面体对象模型从横向截断投影重建患者的形状。可能的临床应用出现在配备有平板探测器的采集系统上进行导引的活组织检查的领域中，其中在胸和腹扫描协议中不能避免截断投影。患者形状的3D体积重建和表面网格重建都从旋转运动产生，然后同时被可视化以便帮助医生引导活组织检查设备并判断从患者的皮肤到重建体积内部的感兴趣组织的距离。

通常，根据本发明的用于感兴趣对象的身体和身体轮廓的3D重建的检查装置包括用于采集感兴趣对象的投影数据的数据采集设备，适于执行感兴趣区域的重建和在感兴趣区域外部的均匀多面体的重建的步骤的计算单元，以及用于显示所重建的感兴趣区域和所重建的多面体的组合可视化的显示设备。

根据本发明的另一个实施例，均匀多面体的重建的步骤包括正向投影感兴趣区域的所重建的衰减函数，从采集的投影数据减去结果以生成目标函数，正向投影包括身体轮廓子模型和感兴趣区域子模型的多面体模型，其中每个子模型内部带有恒定衰减函数。此外，均匀多面体的重建的步骤包括优化步骤，其中通过最小化经正向投影的模型与目标函数之间的残差来优化均匀多面体模型。

应当理解，基本在感兴趣区域内部执行所重建的衰减函数的正向投影。此外，身体轮廓以及感兴趣区域可以被细分为若干子模型，使得多面体模型包括若干身体轮廓子模型和至少一个感兴趣区域子模型。

根据本发明的另一个实施例，提出了一种用于身体和身体轮廓的3D重建的可视化的用户接口，其中，在感兴趣对象的投影数据的采集之后执行可视化和数据重建。

在这方面，应当注意，优选地在投影数据的采集之后执行数据重建。然而，也有可能在投影数据的采集期间执行数据重建，即，当下一个投影发生时基于第一组投影数据执行数据重建。在该情况下，可以在进一步投影期间可视化中间结果，这随后将导致重建的优化，因此导致可视化的优化。

使用这样的用户接口，有可能使用一个用户接口用于不同的优选基于C形臂的采集设备。连接到这样的设备，用户接口提供身体的重建和身体轮廓的重建的一同可视化。因此，用户接口可以帮助医生将活组织检查设备精确地引导到身体内部的感兴趣位置。

一种根据本发明的实施例的用于身体和身体轮廓的3D重建的方法包括以下步骤：重建感兴趣区域，重建在感兴趣区域外部的均匀多面体，和在投影数据的采集之后优化重建，从而得到感兴趣对象的身体和身体轮廓的一同优化可视化。

可以在根据本发明的检查装置上执行该方法。

进一步地，本发明涉及一种用于身体和身体轮廓的3D重建的图像处理设备，所述图像处理设备适于重建感兴趣区域，重建在感兴趣区域外部的均匀多面体，在投影数据的采集之后优化重建，从而得到感兴趣对象的身体和身体轮廓的一同优化可视化。

本发明也涉及一种用于图像处理设备的计算机程序，使得可以在适当的系统上执行根据本发明的方法。所述计算机程序优选地被装载到数据处理器的工作存储器中。所述数据处理器因此被配置为执行本发明的方法。进一步地，本发明涉及一种可以存储所述计算机程序的计算机可读介质，例如CD-Rom。然而，所述计算机程序也可以存在于诸如万维网的网络上并且可以从这样的网络被下载到数据处理器的工作存储器中。

必须注意的是，本发明的实施例是参考不同主题描述的。具体而言，一些实施例参考方法类型的权利要求进行描述，而其他实施例参考装置类型的权利要求进行描述。然而，本领域的技术人员将从说明书知晓，除非另外说明，除了属于一种类型的主题的特征的任何组合之外，属于不同主题的特征之间的任何组合也视为被本发明公开。

本发明的上述方面和另外方面、特征和优点也可以从将在下文中描述的实施例的例子导出并且参考实施例的例子进行解释。在下文中将参考实施例的例子更详细地描述本发明，但是本发明并不限于这些实施例。

现在将在下面参考附图描述本发明的示例性实施例。

图1示出了根据本发明的检查装置的示例性实施例；

图2示出了用于执行根据本发明的方法的示例性实施例的根据本发明的图像处理设备的示例性实施例；

图3示出了根据本发明的示例性实施例的流程图；

图4示出了均匀多面体的示例性重建；

图5示出了感兴趣区域和身体轮廓的示例性重建以及活组织检查设备的示意图；

图6示出了感兴趣区域和身体轮廓的另一示例性重建；

图7示出了感兴趣区域和身体轮廓的进一步示例性重建。

图中的图示是示意性的。在不同图中，类似或相同元件带有相同附图标记。

图1示出了适合作为根据本发明的示例性实施例的C形臂扫描器的示例性旋转式X射线扫描器的示意图。然而应当注意，本发明并不限于旋转式X射线扫描器。

X射线源100和带有大敏感区的扁平探测器101被安装到C形臂102的末端。C形臂102由弯曲轨道(“套筒”)103固定。C形臂可以在套筒103中滑动，由此执行围绕C形臂的轴的“滚动移动”。套筒103经由旋转接头附连到L形臂104并且能够执行围绕该接头的轴的“推动移动”。L形臂104经由另一旋转接头附连到天花板并且能够执行围绕该接头的轴的旋转。各种旋转移动由伺服电机实现。三个旋转移动的轴和锥束轴总是在单一固定点，旋转式X射线扫描器的“等中心点”105相遇。围绕等中心点有被沿着源轨迹的所有锥束投影的一定体积。该“投影体积(VOP)”的形状和尺寸取决于探测器的形状和尺寸以及源轨迹。在图1中，球1 10指示适配到VOP中的最大等中心球。将待成像对象(例如患者或行李物品)放置在扫描床台111上使得对象的感兴趣体积(VOI)填充VOP。如果对象足够小，它将完全填充到VOP中；否则，不完全填充到VOP中。所以VOP限制了VOI的尺寸。

各种旋转移动由控制单元112控制。C形臂角、套筒角和L形臂角这每三个一组限定X射线源的位置。通过随着时间改变这些角，能够使源沿着指定源轨迹移动。在C形臂的另一端的探测器进行相应移动。源轨迹将被限制到等中心球面的表面。

C形臂X射线扫描器适于执行根据本发明的检查方法。

应当注意，C形臂X射线扫描器特别有用于感兴趣对象的手术中扫描。

图2示出了用于执行根据本发明的方法的示例性实施例的根据本发明的图像处理设备200的示例性实施例。图2中所描绘的图像处理设备200包括中央处理单元(CPU)或图像处理器201，其连接到用于存储描绘出感兴趣对象(例如患者或行李物品)的图像的存储器202。图像处理器201可以连接到多个输入/输出网络或诊断设备，例如CT设备。图像处理器201可以进一步连接到用于显示在图像处理器201中计算或调整的信息或图像的显示设备203，例如计算机监视器。操作者或用户可以经由键盘204和/或其他输入设备与图像处理器201交互。

图像处理器201、存储器202、显示设备203以及输入设备204可以一起基本形成根据本发明的用户接口。

此外，经由总线系统205，也有可能将图像处理和控制处理器201连接到例如监视感兴趣对象的运动的运动监视器。如果例如对患者的肺进行成像，运动传感器可以是呼气传感器。如果对心脏进行成像，运动传感器可以是心电图。

图3示出了根据本发明的示例性方法的流程图。

在步骤S1中，从预记录图像生成感兴趣区域内部的衰减函数。这样的预记录图像优选地可以是至少感兴趣区域的高分辨率3D表示。可以从CT采集或类似设备计算预记录图像。或者，可以使用例如滤波反投影技术从用C形臂扫描器进行的旋转采集重建感兴趣区域。

在步骤S2中，少数X射线束从辐射源朝着探测器发射，由此生成少数投影。通过这些投影，采集代表相对于感兴趣对象的不同角的投影数据。在所述采集期间，关于辐射源和探测器相对于感兴趣对象的位置的信息被记录并且分别被分配给相应投影。或者，可以从步骤S1的数据采集收集X射线投影的子集。

在步骤S3、S4、S5和S6中，重建在感兴趣区域外部的均匀多面体。详细地，所述步骤包括以下方面。

基于步骤S1的结果，在步骤S3中将所重建的感兴趣区域(即，可变衰减函数)正向投影到步骤S2的采集几何形状中。

在步骤S4中，确定步骤S3的计算数据与步骤S2的测得数据的残差。

在步骤S5中，计算由均匀多面体描述的身体轮廓与感兴趣区域之间的区域对投影数据的贡献。为此感兴趣区域内部的恒定衰减函数被正向投影到步骤S2的探测器几何形状中。然后从均匀多面体的正向投影减去结果，这建模身体的轮廓。

也就是说，首先选择从辐射源朝着探测器发射的X射线束并且计算射束与多面体模型之间的交点。该计算得到入口点和出口点(分别以所述点射束进入或离开模型)，其中，入口点和出口点的数量是偶数，以防射束未击中边缘或任何类似物。进一步地，计算射束穿过对象(即，模型)的距离。应当注意的是，进入感兴趣对象的一个以上入口点和从对象离开的一个以上出口点是可能的。最后，计算沿着X射线束通过对象的线积分作为X射线穿过对象的距离之和。

以同样方式，可以计算沿着X射线束通过感兴趣区域的线积分。通过从通过对象(即，模型)的线积分减去计算得到的通过感兴趣区域的线积分，可以计算沿着X射线通过外部身体轮廓模型与感兴趣区域之间的区域的线积分。

最后，在步骤S6中，例如基于梯度下降方案，最小化步骤S4和步骤S5的结果之间的残差，其中也可以使用其他最小化方案。

在数学上，步骤S3-S6包括用于均匀多面体的重建的以下方法和计算。

可以例如交替地或通过优化一个未知参数x＝(v₁，...，v_N，μ)执行对多面体模型的坐标的优化，所述参数包括表面模型的顶点或坐标v₁，...，v_N以及衰减值μ。

此外，应当注意，多面体模型可以包括若干子模型，每个子模型被赋予它自身的顶点和衰减值。在该情况下受制于优化过程的未知矢量可以被写作x＝(x₁，...，x_M)，其中

在这种意义上，术语“多面体模型”包括复合模型并且术语“衰减值”包括描述复合多面体模型的子模型中的衰减系数的相应衰减矢量。

作为用于重建均匀多面体的示例性实施例，模型可以包括两个子模型，一个模型

描述身体轮廓并且另一模型

描述感兴趣区域。为了建模身体轮廓与感兴趣区域之间的区域，通过μ₁＝-μ₂关联衰减值。

来自少量投影的3D重建是活跃的研究领域并且迄今为止仅仅部分结果是已知的。本发明并不限于重建身体轮廓，而是也可以应用于重建剂团填充的心室。提出了通过正向投影模型并最小化经正向投影的模型与测得线积分之间的残差来优化表面模型。在重建身体轮廓的情况下，通过如在步骤S6中计算的最小化残差来优化模型。由于提出的方法完全基于衰减X射线的物理模型，因此与基于使模型适合于投影中的边缘轮廓的其他方法相比可以容易地重建非凸面。而且，提出的建模方案同时重建均匀障碍物的多面体形状和衰减。与基于体素的迭代重建方案相比，多面体重建是基于轮廓的，由于减少了一维这导致数量更少的未知量。因此，基于轮廓的重建可以比常规的基于体素的迭代算法更快。

用三角形表面网格建模未知对象，其中粗初估值初始化重建过程。模型的拓扑必须是先验已知的或假定的并且常常与良好初始网格一起由特定应用(例如心脏、血管或骨成像)给出。应当注意的是，为了重建身体和身体轮廓以进行导引的活组织检查，可以从步骤S1(即，从感兴趣体积的3D重建)生成初始网格。然后，在重建方案中优化顶点的坐标。另外，对象的恒定衰减是交替用顶点优化的另一未知量。为了稳定重建和避免自交叉以及退化三角形，各种不同惩罚项可以被加入数据不匹配误差项。为了加速建模方案，可以提供从粗表面网格和向下采样投影开始的细化方案。当惩罚项的减小减慢时，可以细化表面网格，并且必要时，再采样投影。也可以自适应地控制正则化参数。

下文提供了根据本发明的用于重建均匀多面体的示例性实施例的详细描述：

除了高对比对象的轮廓重建之外，也重建衰减系数。为此通过带有顶点V＝{v_i：i＝1，...，N}和顶点索引表F＝{F_jk：j＝1，...，M；k＝1，2，3}的三角形表面网格来建模未知对象，所述索引表限定M个三角面

所述三角面被排序使得对于j＝1，...，M相应面法线

$n_j=\frac{({v_F}_{j2}-{v_F}_{j1})\×({v_F}_{j3}-{v_F}_{j1})}{\left|\right|({v_F}_{j2}-{v_F}_{j1})\×({v_F}_{j3}-{v_F}_{j1})\left|\right|}$

指向对象的外部。这些参数与常系数μ一起构成模型(μ，V，F)。在这里，衰减μ和顶点位置V是未知的，而面的排序F是事先已知的。为了对象模型的重建，交替用顶点v_i优化衰减μ。为此与附加惩罚项R_t(V，F)一起计算测量投影值j＝1，...，M与模型的正向投影值q_l＝A_l(μ，V，F)之间的残差：

$J(\mathrm{\μ},V,F)=\underset{l=1}{\overset{L}{\∑}}{(p_l-q_l)}^2+\underset{t=1}{\overset{T}{\∑}}{\mathrm{\λ}}_t{R}_t(V,F)---\left(1\right)$

可以通过下列计算模型的正向投影：

$A_l(\mathrm{\μ},V,F)=\mathrm{\μ}\underset{i=1}{\overset{I_i/2}{\∑}}\left|\right|w_{2i}^l-w_{2i-1}^l\left|\right|---\left(2\right)$

其中通过增加到源位置的距离排序第l条射线与多面体的表面三角形T_j(j＝1，...，M)的I_l个交点

i＝1，...，I_l。在交点I_l为奇数的情况下，第l条射线由原始射线附近的平行射线代替。如果射线准确地在顶点击中对象或与三角面的边缘交叉，则可能发生该情况。

对于固定顶点位置，惩罚项是恒定的并且(1)的最小化等于确定下列抛物线的最小值：

$P\left(\mathrm{\μ}\right)={\mathrm{\μ}}^2\underset{l=1}{\overset{L}{\∑}}{\left(q_l^{/}\right)}^2-2\mathrm{\μ}\underset{l=1}{\overset{L}{\∑}}{q}_l^{/}{p}_l+\underset{l=1}{\overset{L}{\∑}}{p}_l^2---\left(3\right)$

其中

在该情况下，函数(1)的唯一极小值(minimizer)由抛物线(3)的极小值给出：

$\mathrm{\μ}=\frac{{\∑}_{l=1}^L{q}_l^{/}{p}_l}{{\∑}_{l=1}^L{\left(q_l^{/}\right)}^2}---\left(4\right)$

在另一方面，对于固定衰减系数μ，可以使用以下梯度下降方案最小化函数(1)：

1.关于顶点V数值地计算(1)的梯度

2.通过替代(surrogate)函数

限定一维优化问题。

3.通过抛物线

使得

a. $\tilde{P}\left(0\right)=\tilde{J}\left(0\right),$ 即， $\tilde{P}\left(0\right)=J\left(V\right),$

b. $\widetilde{P^{/}}\left(0\right)=\widetilde{J^{/}}\left(0\right),$ 即， $\widetilde{P^{/}}\left(0\right)=-{\left|\right|G\left|\right|}^2,$

c.对于适当的t≠s， $\tilde{P}\left(t\right)=\tilde{J}\left(t\right).$

4.更新V＝V-sG，其中s是抛物线

的唯一极小值。

根据本发明的一方面，多面体模型包括具有坐标的顶点，其中，多面体模型包括将至少一个顶点连接到多面体模型的表面的面的拓扑。进一步地，根据本发明的检查装置包括计算单元，所述计算单元适于在数据重建期间执行优化(例如交替地)多面体模型的坐标和多面体模型的衰减函数的步骤，从而得到优化的衰减值以及感兴趣对象的表面模型。

应当注意的是，拓扑可以连接每一个顶点与模型的相应表面。然而，为了执行多面体模型的建模，并非所有的顶点必须连接到各自表面。

应当注意的是，可以例如交替地或通过优化一个未知参数x＝(v₁，...，v_N，μ)执行多面体模型的坐标的优化，所述参数包括表面模型的顶点或坐标v₁，...，v_N以及衰减值μ。

此外，应当注意的是，多面体模型可以包括若干子模型，每个子模型被赋予它自身的顶点和衰减值。在该情况下受制于优化过程的未知矢量可以被写作x＝(x₁，...，x_M)，其中

在这种意义上，术语“多面体模型”包括复合模型并且术语“衰减值”包括描述复合多面体模型的子模型中的衰减系数的相应衰减矢量。

为了防止退化或简并，可以执行少的步骤和/或可以实现合适的正则化项。

为了稳定迭代重建过程，可以选择以下惩罚项：

1.顶点从邻域(有利的平表面)的重心的偏差

$R_1=(V,F)=\underset{j=1}{\overset{N}{\∑}}{\left|\right|v_j-b_j\left|\right|}^2---\left(5\right)$

其中网格(V，F)中的顶点v_j的K_j个邻域v_k，j的重心

2.面区从网格中的平均三角区域的偏差

$R_2(V,F)=\underset{k=1}{\overset{M}{\∑}}{\left(\frac{1}{2}\right||({v_F}_{k2}-{v_F}_{k1})\×({v_F}_{k3}-{v_F}_{k1})||-\frac{1}{M}\underset{j=1}{\overset{M}{\∑}}||({v_F}_{j2}-{v_F}_{j1})\×\left({v_F}_{j3}{-v}_{F_{j1}}\right)|\left|\right)}^2---\left(6\right)$

3.用于吻接(kissing)三角形的惩罚项

$R_3(V,F)=\underset{k=1}{\overset{N}{\∑}}\underset{j=1}{\overset{J_k}{\∑}}{(\frac{1}{2}-\frac{1}{2}{n}_{j,k}\×n_{j+1,k})}^4---\left(7\right)$

规定

其中J_k是在顶点v_k的相邻面的数量。

4.从正三角形的偏差

$R_4(V,F)=\underset{k=1}{\overset{M}{\∑}}{(1-\cos (\frac{\mathrm{\π}}{3}-{\mathrm{\α}}_k)\cos (\frac{\mathrm{\π}}{3}-{\mathrm{\β}}_k)\cos (\frac{\mathrm{\π}}{3}-{\mathrm{\γ}}_k))}^2---\left(8\right)$

其中α_k，β_k，γ_k是三角形T_k的三个角。

在迭代期间控制相应的正则化参数λ₁，...，λ₄以引导优化过程。为此，进行正则化参数的第一选择使得所有惩罚项之和在残差的10％-15％之间而没有任何附加惩罚项。在固定数量的迭代之后，核查并调整惩罚项和唯一残差的比率，确定它是否超出10％-50％的范围。类似地，如果相应的惩罚项明显大于/小于平均惩罚项，则更新正则化参数。使用该参数选择，可以避免多面体对象模型的自交叉或退化。为了最小化投影数据中的不匹配，无论何时细化网格，连续减小惩罚项与投影不匹配之间的比率。

为了包括M个子模型

i＝1，...，M的复合多面体模型的重建，可以将正向投影细化为

即，细化为来自每个子模型的贡献之和，并且由此细化目标函数(1)。在该情况下通过例如用Cholesky分解解出线性方程组代替衰减值μ_i，i＝1，...，M的计算(4)：

可以用一个或多个正则化项(5)-(8)(比照上文)惩罚每个子模型。而且，可以引入附加惩罚项以便控制子模型的对象内行为。

应当注意的是，模型可以包括两个子模型，一个模型

描述身体轮廓并且其他模型

描述感兴趣区域。为了建模身体轮廓与感兴趣区域之间的区域，可以通过μ₁＝-μ₂关联衰减值。此外，方程(1)中的测得投影值p_l可以由在步骤S6中计算得到的残差给出，所述残差被计算作为步骤S2的测得线积分数据减去步骤S3的经正向投影的衰减函数。

换句话说，提供了一种可以在其中建模例如身体轮廓的多面体模型的检查装置。可以以迭代方式执行建模，其中多面体模型的顶点的坐标和模型的衰减函数或衰减值被优化。因此，不必事先已知衰减函数或值。

对数据采集的几何设置不会有明显限制，甚至建模能够重建严重非凸对象和身体轮廓。除了应用于导引活组织检查之外，可能的临床应用包括在旋转血管造影术中的冠状静脉和心室的高对比成像、骨和关节的矫形成像以及可变形医疗设备的重建。此外，根据本发明的方法的该方面可以容易地应用于数字减影血管造影术的领域中。由于底层重建算法是迭代性质的，因此本发明可以适合于各种采集几何形状，例如旋转运动、双轴移动和在几何形状上被限制以仅仅收集几个投影的采集。

感兴趣对象可以用三角形表面网格建模为多面体。尽管模型的拓扑在迭代期间并不变化，但是该方法甚至可以容易地重建非凸形状。通常应用特异性模型(例如身体模型、心脏、血管或骨模型)可用于初始化迭代过程和改善算法的收敛性。然而，该方法也能够通过用合适的正则化项稳定重建从简单球形初始网格重建任意多面体。

该算法利用梯度下降方案以便最小化目标函数，所述目标函数包括数据拟合项和附加惩罚项以稳定重建过程。在该算法期间多面体对象的顶点及其衰减值都被优化。

结果可以是衰减值以及用X射线成像的物理结构的3D表面模型。与基于体素的重建技术相比，进一步的分割是不必要的。因此，重建模型可以立即用于可视化和进一步计算(心脏容量、骨厚度、血管直径)而没有任何附加图像处理。

根据本发明的另一示例性实施例，多面体模型包括三角形表面网格。应当注意的是，本发明并不限于三角形表面网格。然而，这样的三角形表面网格可以提供快速和高效的建模。

根据本发明的另一示例性实施例，计算单元进一步适于通过将至少一个惩罚项加入数据不匹配误差项来执行稳定重建的步骤。

应当注意的是，如果开始模型的质量足够，则不需要正则化或稳定。此外，其他惩罚项可以用于稳定或正则化。

这样的稳定可以防止模型的简并。

例如，根据本发明的另一示例性实施例，所述至少一个惩罚项选自包括下列的群组：顶点从邻域的重心的偏差，面区从网格中的平均三角区的偏差，用于吻接三角形的惩罚项，和从正三角形的偏差。

此外，根据本发明的另一示例性实施例，在多面体模型的坐标的优化期间衰减值是固定的，在此期间执行测得投影值与正向投影计算值之间的残差的最小化。

根据本发明的另一示例性实施例，最小化包括梯度下降方案。

根据本发明的另一示例性实施例，在衰减值的优化期间多面体模型的坐标是固定的，在此期间确定以下函数的最小值：

$P\left(\mathrm{\μ}\right)={\mathrm{\μ}}^2\underset{l=1}{\overset{L}{\∑}}{\left(q_l^{/}\right)}^2-2\mathrm{\μ}\underset{l=1}{\overset{L}{\∑}}{q}_l^{/}{p}_l+\underset{l=1}{\overset{L}{\∑}}{p}_l^2$

其中

或者在复合多面体模型的情况下，计算以下线性系统的解：

根据本发明的另一示例性实施例，检查装置适于作为三维计算机断层摄影装置、三维旋转式X射线装置和矫形X射线成像装置中的一种。例如，检查装置是C形臂系统。

根据本发明的另一示例性实施例，检查装置适于应用于数字减影血管造影术的领域中。

根据本发明的另一示例性实施例，衰减函数是分段恒定的。

根据本发明的另一示例性实施例，在感兴趣对象的投影数据的采集期间或之后执行数据重建，其中，在采集期间或之后显示重建的结果。

根据本发明的另一示例性实施例，可视化的结果包括中间图像和中间衰减函数中的至少一种。

例如，在迭代重建期间可以在每个或预定数量的优化步骤之后可视化或以另外方式分析中间表面模型。此外，或备选地，可以独立于中间表面模型可视化或以另外方式分析衰减函数或仅仅衰减值。

所以，可以在迭代重建期间评估中间结果，因此允许在分析结果之后校正重建。可以通过中间结果与投影的比较执行这样的分析，因此提供模型的质量的反馈。换句话说，可以跟踪迭代重建的收敛质量，例如视觉地跟踪迭代重建的收敛质量。

根据本发明的另一示例性实施例，可以提供用户接口以用于可视化例如感兴趣对象的上述多面体模型的数据重建的中间结果，其中，在感兴趣对象的投影数据的采集期间执行可视化和数据重建。

这样的用户接口可以包括用于可视化中间结果的显示器或监视器。在每个迭代之后显示模型的表面使得可以由用户图形地(视觉地)跟踪迭代重建的收敛。通过在每个迭代步骤中或之后将中间模型投影到单一投影上，可以提供与模型的质量相关的视觉反馈。

因此，与图像分割相反，不仅可以生成最佳适合(于感兴趣对象)的表面模型，而且生成相应(中间)吸收系数或衰减函数，使得属于投影的通过对象的所有线积分具有与测得数据的最小差值。这样的系数或函数可以不由法向分割方法提供。

根据本发明的另一示例性实施例，可视化的中间结果包括中间图像和中间衰减函数中的至少一种。

根据本发明的另一示例性实施例，数据重建是迭代数据重建。

根据本发明的另一示例性实施例，可以提供一种用于建模感兴趣对象的多面体模型的方法，其中，所述多面体模型包括具有坐标的顶点，其中，所述多面体模型包括将至少一个顶点连接到所述多面体模型的表面的面的拓扑，并且其中，所述方法包括以下步骤：在数据重建期间交替地优化所述多面体模型的坐标和优化所述多面体模型的衰减函数，从而得到优化的衰减值以及感兴趣对象的表面模型。

最后，在步骤S7中通过由于均匀多面体的重建而重建的表面网格组合可视化在感兴趣区域的重建上来完成根据本发明的方法。

在图4中，描绘出均匀多面体400的例子。应当注意的是，所述多面体的表面也可以被显示为至少部分透明或半透明，从而提供可以可视化在平面410、420和430上的身体的内部结构和身体的外部轮廓的更好相关。

在图5、6和7中，示出了一起图示出内部结构和外部轮廓的另一种方式的例子。

在图5中，示出了代表轴视图的平面410。在所述平面上，描绘出感兴趣区域411的重建，由截断投影产生的感兴趣区域与身体轮廓之间的区域，以及代表身体的外部轮廓的线413。

另外，在图5中示意性地引入了活组织检查设备500。只要知道在活组织检查设备在哪个点414被引入身体中，活组织检查设备成什么角度向前移动，以及活组织检查设备被引入多少长度，就有可能很好估计活组织检查设备的尖端在感兴趣区域内部相对于身体的外部轮廓的当前位置。

此外，由于有可能在手术中生成新扫描，因此除了机械信息(长度、角度、位置)之外医生可以进一步得到若干新重建支持，其中这些重建也可以显示身体内部的活组织检查设备。

在图6中，示出了代表冠状视图的平面420。在这里同样一起示出了身体内部的感兴趣区域421、在感兴趣区域外部和身体轮廓内部的区域422以及代表身体的外部轮廓的线423。

在图7中，示出了代表矢状视图的平面430。感兴趣区域由附图标记431表示。围绕区域431没有足够的投影信息的区域由附图标记432表示。作为所重建的均匀多面体的轮廓线生成的身体的轮廓由附图标记433表示。

应当注意的是，术语“包括”并不排除其他元件或步骤并且“一”或“一个”并不排除多个。与不同实施例关联描述的所有要素可以组合。

应当注意的是，权利要求中的不同附图标记不应当被理解为限制权利要求的范围。

Claims (7)

1.一种用于感兴趣对象的身体和身体轮廓的3D重建的检查装置(100)，

其中，所述检查装置包括：

数据采集设备(101)，其用于采集所述感兴趣对象的投影数据，

计算单元(112)，其适于生成感兴趣区域(411，421，431)的重建和在所述感兴趣区域外部的均匀多面体(400，413，423，433)的重建，以及

显示设备，其用于显示所重建的感兴趣区域和所重建的多面体的组合可视化。

2.根据权利要求1所述的检查装置(100)，其中，所述均匀多面体(400，413，423，433)的所述重建包括正向投影所述感兴趣区域的所重建的衰减函数，从采集的投影数据减去结果以生成目标函数，正向投影包括身体轮廓子模型和感兴趣区域子模型的多面体模型，以及通过最小化经正向投影的模型与所述目标函数之间的残差来优化所述均匀多面体模型，其中所述子模型中的每个内部带有恒定衰减函数。

3.一种用于身体和身体轮廓的3D重建的可视化的用户接口(200)，

其中，在所述感兴趣对象的投影数据的采集之后执行所述可视化和所述数据重建。

4.一种用于身体和身体轮廓的3D重建的方法，其中，所述方法包括以下步骤：

重建感兴趣区域，

重建在所述感兴趣区域外部的均匀多面体，

在投影数据的采集之后优化所述重建，以及

一同可视化所述感兴趣对象的所述身体和所述身体轮廓。

5.根据权利要求4所述的方法，

其中，重建均匀多面体的步骤包括以下步骤：

正向投影所述感兴趣区域的所重建的衰减函数，

从采集的投影数据减去结果以生成目标函数，

正向投影包括身体轮廓子模型和感兴趣区域子模型的多面体模型，其中所述子模型中的每个内部带有恒定衰减函数，并且

其中，在投影数据的采集之后优化所述重建的步骤包括通过最小化经正向投影的模型与所述目标函数之间的残差来优化所述多面体模型。

6.一种计算机可读介质，其中存储有用于身体和身体轮廓的3D重建的计算机程序；

其中，当由处理器执行时，所述计算机可读介质令所述处理器执行以下步骤：

重建感兴趣区域，

重建在所述感兴趣区域外部的均匀多面体，

在投影数据的采集之后优化所述重建，从而得到所述感兴趣对象的所述身体和所述身体轮廓的一同优化可视化。

7.一种用于身体和身体轮廓的3D重建的图像处理设备，所述图像处理设备适于：

重建感兴趣区域，

重建在所述感兴趣区域外部的均匀多面体，

在投影数据的采集之后优化所述重建，从而得到所述感兴趣对象的所述身体和所述身体轮廓的一同优化可视化。

Images