| Article ID | Journal | Published Year | Pages | File Type |
|---|---|---|---|---|
| 870910 | IRBM | 2011 | 9 Pages |
ObjectiveA new method for the visualization of spatially aligned volumes after 3D/3D image registration is presented in this paper. This work aims at displaying the full information of the multivolume in the same scene.Materials and methodsFirst, we form a vectorial volume from spatially aligned multivolume after 3D registration. Then, a statistical vectorial volume classification method based on neighborhood weighted Gaussian mixture model is applied to analyze the vectorial volume and get material distribution information. Finally, several rendering techniques are adapted to visualize the parameters.ResultsWe imply an application case: the visualization of preoperative kidney planning system to express our visualization method, but this method is not limited to the specific application case.DiscussionAccording to the levels where the data intermixing occurs, our method mixes the data at the earliest level so that it is called the acquisition level intermixing method.
RésuméObjectifsDans cet article nous présentons une nouvelle méthode de visualisation de volumes de données alignées après recalage 3D/3D. L’objectif est de représenter dans une même scène l’ensemble de l’information alignée.Matériels et méthodesDans un premier temps, après recalage, les données fusionnées dans un même repère forment un volume de données vectorielles. Nous appliquons ensuite sur ce volume une méthode de classification basée sur une mixture de Gaussiennes pondérées par une information de voisinage. Cette classification nous permet d’estimer la repartition dans le volume des différents tissus. Au final, différentes techniques de visualisation 3D ont été adaptées pour pouvoir traiter le résultat de la classification.RésultatsNotre technique a été validée dans le cadre du planning préopératoire d’une chirurgie rénale par la visualisation des différents tissus composant le rein. Notre méthode n’étant pas limitée à cette seule application, elle peut s’appliquer à tous les cas présentant un mélange de données.DiscussionContrairement aux méthodes de la littérature, notre technique travaille directement sur les données fusionnées. Elle peut donc être appelée « méthode de visualisation par mélange des données de départ ».
