A region growing method segments three-dimensional image data of an anatomical structure using a tortuous path length limit to constrain voxel growth. The path length limit constrains the number of successive generations of voxel growth from a seed point to prevent leakage of voxels outside the boundary of the anatomical structure. Once segmented, a process for detecting surface anomalies performs a curvature analysis on a computer model of the surface of the structure. This process detects surface anomalies automatically by traversing the vertices in the surface model, computing partial derivatives of the surface at the vertices, and computing curvature characteristics from the partial derivatives. To identify possible anomalies, the process compares the curvature characteristics with predetermined curvature characteristics of anomalies and classifies the vertices. The process further refines potential anomalies by segmenting neighboring vertices that are classified as being part of an anomaly using curvature characteristics. Finally, the process colorizes the anomalies and computes a camera position and direction for each one to assist the user in viewing 2D renderings of the computer model.

Une méthode croissante de région segmente des données tridimensionnelles d'image d'une structure anatomique en utilisant une limite tortueuse de longueur de chemin pour contraindre la croissance de voxel. La limite de longueur de chemin contraint le nombre de générations successives de croissance de voxel d'un point de graine pour empêcher la fuite des voxels en dehors de la frontière de la structure anatomique. Une fois que segmenté, un procédé pour détecter les anomalies extérieures exécute une analyse de courbure sur un modèle d'ordinateur de la surface de la structure. Ce processus détecte les anomalies extérieures automatiquement en traversant les sommets dans le modèle extérieur, en calculant les dérivés partiels de la surface aux sommets, et en calculant des caractéristiques de courbure des dérivés partiels. Pour identifier des anomalies possibles, le processus compare les caractéristiques de courbure aux caractéristiques prédéterminées de courbure des anomalies et classifie les sommets. Le processus autre raffine des anomalies potentielles par les sommets voisins de segmentation qui sont classifiés en tant que faisant partie d'une anomalie en utilisant des caractéristiques de courbure. En conclusion, le processus colorizes les anomalies et calcule une position et une direction d'appareil-photo pour que chacun aide l'utilisateur dans renderings de visionnement les 2D du modèle d'ordinateur.