三维图像数据处理方法及装置的制造方法
【技术领域】
[0001]本发明涉及图像处理技术领域，尤其涉及一种三维图像数据处理方法及装置。
【背景技术】
[0002]随着医疗科技水平的快速提高和患者需求的不断发展，为了准确检测患者体内的病灶区域和性质，医生通常会对患者进行全身或高精度的扫描，并根据相应的扫描结果确定诊治方案。但是通常扫描后会产生非常大的数据量。因此，在医疗数据可视化领域，如何利用现有有限的硬件资源来支持大数据量的扫描结果，并进行相应的三维显示就成为一个亟待解决的问题。
【发明内容】
[0003]本发明解决的问题是如何利用有限的硬件资源实现对大数据量的扫描结果的三维显示。
[0004]为解决上述问题，本发明提供一种三维图像数据处理方法，包括:获取所述三维图像的数据集，所述数据集由体素构成；对所述数据集中的不同组成部分进行识别；将不同组成部分的数据分别存储到不同的存储器中；接收用户输入的渲染指令，采用相应的图像处理器对相应存储器中的数据进行渲染处理；将渲染处理后的数据进行显示。
[0005]可选的，对所述数据集中的不同组成部分进行识别包括:基于所述体素的一维度特征信息和多维度特征信息之一或组合进行识别。
[0006]可选的，对所述数据集中的不同组成部分进行识别还包括:提供容忍范围，将位于容忍范围内的一维或多维特征的体素判定为相同的组成部分。
[0007]可选的，所述一维度特征信息包括基于体素的灰度值及基于体素的一维空间信息。
[0008]可选的，所述基于体素的灰度值及基于体素的一维空间信息进行识别包括:检测所述数据集中体素的排列顺序和颜色值大小；判定排列顺序相邻且颜色值相差在预设阈值范围内的体素为相同的组成部分；对不同的组成部分分别进行标记。
[0009]可选的，获取所述多维度特征信息包括:提供预设邻域范围，并基于体素及其所述邻域范围内的体素进行统计，获取统计意义描述的多维度特征信息。
[0010]可选的，所述统计包括基于混合高斯模型进行统计、基于体素的信息熵进行统计或者基于空间时域不变性特征模型进行统计。
[0011]可选的，所述三维图像的数据集包括:扫描对象的医疗扫描数据；所述不同组成部分包括:基于用户需求形成的去除部分以及保留部分。
[0012]可选的，所述将不同组成部分的数据分别存储到不同的存储器中，包括:将所述三维图像的数据集载入CPU内存中；将所述三维图像中的保留部分载入GPU显存中。
[0013]可选的，所述接收用户输入的渲染指令，采用相应的图像处理器对相应存储器中的数据进行渲染处理包括:分别建立对应于CPU任务队列以及对应于GPU任务队列的控制线程；解析用户的渲染指令，将与所述渲染指令相应的渲染任务分配到所述CPU任务队列或所述GPU任务队列中执行图像渲染。
[0014]为了解决上述的技术问题，本发明还公开了一种三维图像数据处理装置，包括:获取单元，用于获取所述三维图像的数据集，所述数据集由体素构成；识别单元，用于对所述数据集中的不同组成部分进行识别；存储控制单元，用于将不同组成部分的数据分别存储到不同的存储器中；渲染单元，用于接收用户输入的渲染指令，采用相应的图像处理器对相应存储器中的数据进行渲染处理；显示单元，用于将渲染处理后的数据进行显示。
[0015]可选的，所述识别单元包括:识别子单元，用于基于所述体素的一维度特征信息和多维度特征信息之一或组合进行识别。
[0016]可选的，所述识别单元还包括:判定子单元，用于提供容忍范围，将位于容忍范围内的一维或多维特征的体素判定为相同的组成部分。
[0017]可选的，所述一维度特征信息包括基于体素的灰度值及基于体素的一维空间信息。
[0018]可选的，所述识别子单元包括:检测模块，用于检测所述数据集中体素的排列顺序和颜色值大小；判定模块，用于判定排列顺序相邻且颜色值相差在预设阈值范围内的体素为相同的组成部分；标记模块，用于对不同的组成部分分别进行标记。
[0019]可选的，所述识别子单元还包括用于获取所述多维度特征信息的获取模块，包括:提供预设邻域范围，并基于体素及其所述邻域范围内的体素进行统计，获取统计意义描述的多维度特征信息。
[0020]可选的，所述统计包括基于混合高斯模型进行统计、基于体素的信息熵进行统计或者基于空间时域不变性特征模型进行统计。
[0021]可选的，所述三维图像的数据集包括:扫描对象的医疗扫描数据；所述不同组成部分包括:基于用户需求形成的去除部分以及保留部分。
[0022]可选的，所述存储控制单元包括:第一存储控制子单元，用于将所述三维图像的数据集载入CPU内存；第二存储控制子单元，用于将所述三维图像中的保留部分载入GPU显存中。
[0023]可选的，所述渲染单元包括:线程控制子单元，用于分别建立对应于CPU任务队列以及对应于GPU任务队列的控制线程；分配子单元，用于解析用户的渲染指令，将与所述渲染指令相应的渲染任务分配到所述CPU任务队列或所述GPU任务队列中执行图像渲染。
[0024]与现有技术相比，本发明的技术方案具有以下优点:
[0025]通过对三维图像数据集进行分割预处理，识别出其中不同的组成部分，然后通过相应的空间存储管理技术，并将不同的数据分别载入不同的硬件。最终可以基于用户对不同解剖结构的显示需要，将三维渲染任务分配给不同的硬件来分别完成，从而实现了利用有限的硬件资源，在整体上完成对医疗大数据的三维可视化支持。
【附图说明】
[0026]图1是本发明实施例的一种三维图像数据处理方法的流程图；
[0027]图2是本发明实施例中一种对数据集中的不同组成部分进行识别的方法的流程图；
[0028]图3是本发明实施例的一种三维图像数据处理装置的结构示意图。
【具体实施方式】
[0029]随着医疗科技水平的快速提高和患者需求的不断发展，为了准确检测患者体内的病灶区域和性质，医生通常会对患者进行全身或高精度的扫描，并根据相应的扫描结果确定诊治方案。但是通常在扫描之后会产生非常大的数据量。因此，在医疗数据可视化领域，如何利用现有有限的硬件资源来支持大数据量的扫描结果，并进行相应的三维显示就成为一个亟待解决的问题。
[0030]经申请人研究发现，现有的三维可视化渲染方法主要包括以下两类:
[0031]1.全CPU方法:该方法的主要特点是完全使用CPU来完成各种三维可视化任务，相对而言该方法受数据大小的影响很小。但该方法对于算法和代码优化的要求非常高，通常情况下很难达到很高的渲染效率，用户体验较差。
[0032]2.全GPU方法:该方法的主要特点是完全使用GPU来完成各种三维可视化任务，因为GPU独特的并行化设计使得该方法通常而言效率很高，用户体验较好。但该方法受数据大小的影响较大，一方面在于显存容量通常有限，另一方面在于三维数据的上传是有维度限制的，因此不能支持大数据的渲染需求。
[0033]本发明通过对三维图像数据集进行分割预处理，识别出其中不同的组成部分，然后通过相应的空间存储管理技术，并将不同的数据分别载入不同的硬件。最终可以基于用户对不同解剖结构的显示需要，将三维渲染任务分配给不同的硬件来分别完成，从而实现了利用有限的硬件资源，在整体上完成对医疗大数据的三维可视化支持。
[0034]为使本发明的上述目的、特征和优点能够更为明显易懂，下面结合附图对本发明的具体实施例做详细的说明。
[0035]本发明实施例提供了一种三维图像数据处理方法，参照图1，以下通过具体步骤进行详细说明。
[0036]步骤S101，获取所述三维图像的数据集，所述数据集由体素构成。
[0037]体素是数据在三维空间分割上的最小单位，通过数据集中的体素可以实现三维成像。
[0038]步骤S102，对所述数据集中的不同组成部分进行识别。
[0039]在具体实施中，可以是在与用户交互的过程中，根据用户的输入信息所确定的目标区域。所述目标区域也可以是根据与用户交互的过程中，由用户给定的范围。具体来说，当对所述三维图像的数据进行可视化呈现时，用户可以通过鼠标或手写笔等外设在显示的图像界面上描绘出希望进行去除的目标区域的边界范围，或者希望保留的目标区域的边界范围。根据用户的输入信息，即可得到所述去除部分以及相应的保留部分。
[0040]在具体实施中，也可以基于用户需求形成的去除部分以及保留部分，即根据执行任务的类型，选择对应的加载内容。例如，在医疗数据可视化领域，所述三维图像的数据集包括:扫描对象的医疗扫描数据。当执行三维体清染(Volume Rendering，VR)任务时，通常情况下，数据中的空气部分会占整个数据大小的一半以上，但是在实际应用中，由于并不关心空气部分的信息，工作站中的医生往往还需借助分割步骤来去除空气信息。因此针对VR渲染任务的实际应用需要，可以对三维图像数据集中的不同组成部分进行分割识别，将其分为