[发明专利]光传输矩阵的压缩感测

说明书

光传输矩阵的压缩感测。一种用于执行光传输矩阵的压缩感测的计算机实现的方法，所述方法包括：接收包括图像体数据的3D数据集，以及在穿过3D数据集的空间曲线上随机选择多个点。计算包括多个透光率值的光传输矩阵。每个透光率值对应于多个点中包括的点的对之间的透光率。求解优化问题以确定多个稀疏系数，当将稀疏系数乘以预先确定的基矢量的字典时，所述稀疏系数重现光传输矩阵。一旦确定，就将稀疏系数存储在计算机可读介质上。

技术领域

本发明一般地涉及用于在光传输矩阵的计算中使用压缩感测技术的方法、系统和装置。本文中描述的技术可以被应用于例如3D医学成像应用。

背景技术

生成明显地并且物理上似乎合理的图像对于用户而言是重要的任务，以更深入理解数据。为了使计算机生成此类图像，必须考虑光材料相互作用。通过由光传输算法设置的数学和物理基础来计算那些相互作用。因为计算所有相互作用是不可能的，所以由常规技术使用不同的数学方法。

一种用于计算光相互作用的流行的方法是使用蒙特卡罗（MC）统计方法。用MC方法可以计算复杂现象，但是这些算法的赝像（artifact）在得到的图像中显现为噪声。在算法中的样本的数量的平方仅可以线性地改善结果并且这花费如计算时间。

MC统计方法使用统计光传输事件和方向来探索空间。这些方向不是提前已知的，并且通常根据事件来选择方向。提供最多贡献的能量承载路径有助于将得到的图像较快收敛到非噪声图像。如果提前已知这些路径，则可以容易地寻址贡献最多的点并且可以获取无噪声图像。问题是要表示那些路径，因为每个路径是起始点、终点、每个端点上的散射函数和那两个端点之间的可见性值的函数。如果将散射函数选择为各向同性散射函数，则可以简化该问题。然后，问题可以被表示为点和那些点之间的可见性的矩阵。该矩阵在本文中被称为光传输矩阵。

光传输矩阵是非常大的矩阵；其大小由点与它们的关系的所有可能组合来定义。从计算角度来看，这样大的大小使诸如处理和存储的任务难以处理。这限制了在诸如医学成像应用的应用中高效利用光传输矩阵的能力。因此，期望的是提供用于光传输矩阵计算的技术，所述技术导致矩阵的总体大小的减小而不损失矩阵中的数据的保真度（并且因此不会损失有用性）。

发明内容

本发明的实施例通过提供涉及使用光传输矩阵的压缩感测的方法、系统和装置来解决和克服以上缺点和缺陷中的一个或多个。与常规光传输矩阵计算技术相比，以上描述的技术在更短时间内提供无噪声渲染。

根据一些实施例，一种用于执行光传输矩阵的压缩感测的计算机实现的方法包括接收包括图像体数据的3D数据集，以及在穿过3D数据集的空间曲线上随机选择多个点。计算包括多个透光率值的光传输矩阵。每个透光率值对应于多个点中包括的点的对之间的透光率。求解优化问题以确定多个稀疏系数，当将稀疏系数乘以预先确定的基矢量的字典时，所述稀疏系数重现光传输矩阵。在一些实施例中，通过使用多个图形处理单元并行地执行多个数学运算来求解优化问题。一旦确定，就将稀疏系数存储在计算机可读介质上。

在一些实施例中，上述方法进一步包括接收对借助照明来显示图像体数据的请求，以及从计算机可读介质取回稀疏系数。使用稀疏系数和预先确定的基矢量的字典来重建光传输矩阵。然后，可以使用光传输矩阵借助照明来显示图像体数据。

在上述方法的一些实施例中，空间曲线保留3D数据集中的值的位置。例如，空间曲线可以是希尔伯特空间填充曲线或多个Z-阶曲线迭代。

在一些实施例中，图像体数据包括解剖对象，并且通过识别空间曲线上的随机选择的多个点中包括的每个点的对之间的解剖特征和确定解剖特征中的每个的光衰减值来执行光传输矩阵的计算。然后，可以仅用不由具有高于预先确定的阈值的光衰减值的一个或多个解剖特征分离的点的对的透光率值来填充光传输矩阵。在一些实施例中，通过将训练的机器学习模型应用于3D数据集来识别解剖特征。在其他实施例中，通过应用图像掩模来识别解剖特征，所述图像掩模掩蔽对应于具有高于预先确定的阈值的光衰减值的一个或多个解剖特征的图像体数据的体素。