基于GPU的医学图像快速体绘制算法

目的:将传统的光线投射体绘制算法在具有可编程管线的图形处理器(GPU)上重新实现,将耗时的三线性插值和采样过程放在GPU上进行,提高重建速度.方法:首先将体数据和传递函数映射为纹理并将其载入到显存,接着通过对顶点着色程序和像素着色程序的编写将光线进入点、离开点的计算以及图像的合成运算移入GPU中,最后通过调整传递函数来实现不同的绘制效果.通过使用渲染到纹理技术,将绘制的中间结果保存到纹理,并以此来避免使用着色器的动态分支功能.结果:与传统的光线投射算法相比,本文算法可快速重建出质量较高的图像.结论:实验表明,在同等绘制质量的前提下,该方法的绘制速度显著提高,能够满足医学影像可视化的实时交互需求,具有较好的临床应用前景.     

基于改进光线投射法的冠脉图像三维重建

传统光线投射算法虽然绘制图像时能取得良好的效果，但因为运算速度较慢，限制了其广泛应用。为了在图像三维重建时既能保证质量，又能提高实时交互性，本文提出一种基于改进光线投射算法的冠脉三维重建方法，利用检测原数据点的数据值来简化重采样中三线性插值的复杂性，并结合切比雪夫空体素跳跃法，进一步提高算法的效率。实验结果表明，该算法能够在提高运算速度的同时，保证绘制冠脉三维图像的质量。     

基于片段融合的医学图像光线投影体绘制技术

光线投影算法是医学图像三维可视化中常用的体绘制技术,算法原理简单,具有较高的成像质量,但绘制速度较慢。我们改进算法,利用投射光线与平面簇求交,快速确定融合片段,减少插值计算量,采用基于片段的融合绘制技术,加快融合速度,并且利用包围盒技术减少对无效平面的求交,提高了光线投影的效率。实验结果表明,改进后的算法既能保证绘制质量,又能显著减少计算量,提高体绘制的速度。     

基于片段融合的医学图像光线投影体绘制技术

光线投影算法是医学图像三维可视化中常用的体绘制技术,算法原理简单,具有较高的成像质量,但绘制速度较慢.我们改进算法,利用投射光线与平面簇求交,快速确定融合片段,减少插值计算量,采用基于片段的融合绘制技术,加快融合速度,并且利用包围盒技术减少对无效平面的求交,提高了光线投影的效率.实验结果表明,改进后的算法既能保证绘制质量,又能显著减少计算量,提高体绘制的速度.     

医学图像光线投影体绘制中一种改进的快速算法

光线投影算法是体绘制算法中图像效果比较好的方法，但存在运算量大，绘制速度慢的问题。为此本文提出了一种新的光线投影体绘制的加速算法，利用重采样点在两坐标系中的矩阵变换特性。减少矩阵运算量，加快重采样计算过程，并且通过将Bresenham算法扩展至三维，利用包围盒技术避免对空体元的采样，从而加速了光线投影的效率。实验结果表明改进后的加速算法，既能保证绘制质量，又能显著减少计算量，提高体绘制的速度。     

基于多媒体技术的快速并行体绘制

体绘制的成像速度一直是影响其发展的关键因素。我们提出了一种基于多媒体单指令多数据(single instruction multiple data,SIMD)技术的加速算法。在保证成像质量的前提下,通过采用MMX、SSE、SSE2指令,分别加速光线扫描、采样和坐标变换等部分,使得光线跟踪算法的成像速度提高了3～6倍。实验表明,该算法具有成像速度快、成像稳定等显著优势,具有很高的应用价值。     

基于平面插值的快速光线投射算法

插值算法是光线投射法中基本的计算方法,计算量很大,直接影响成像速度.传统的三元线性插值比较费时,许多人对其进行改进.本文提出一种平面插值算法,可以明显地提高成像速度并且图像质量仍可以接受.     

基于Hankel矩阵的磁共振波谱成像量化方法

目的 针对磁共振波谱成像(MRSI)数据,研究基于Hankel矩阵的量化方法 、抑水方法 及代谢物信息图像成像方法 .方法 分析不同Hankel矩阵结构对几种MRSI数据方法 的影响,得到量化效率较高的Hankel矩阵结构.应用水成分信号强度最大的特点,提出基于最大幅值抑水处理MRSI方法 .从MRSI数据中提取感兴趣代谢物信息,再通过双线性插值进行代谢物信息成像.结果 Hankel矩阵列数为量化信号点数3/4时MRSI数据幅值及频率参数误差达到最小,应用3/4信号长度构成Hankel矩阵的基于Hankel矩阵及部分重正交Lanczos算法的奇异值分解(HLSVDPRO)方法 ,仿真数据的幅值、频率、衰减系数准确度分别为96.94％、99.72％、95.55％.数据量化速度随采样点数的增加而减小,采样点数为512点时,量化参数误差达到最小.基于最大幅值抑水的方法 在仿真数据的抑水程度为99.55％.结论 将优化的Hankel矩阵结构应用于基于Hankel矩阵的MRSI量化方法 中对参数准确度和速度均有提升,最佳采样点数为512,基于最大幅值抑水方法 对MRSI数据抑水彻底,通过对代谢物信息成像,可在(超)早期对疾病进行诊断.     

基于多重增量递推和采样点分解的求交算法

同一投射光线上相邻采样点间以及屏幕相邻像素点投射光线上的递推增量间都存在着递推关系,本文据此提出一种利用这些递推关系来快速计算采样点坐标的多重增量递推算法,使投射光线与采样平面间交点的计算完全避免了乘法运算,同时把采样点坐标分解为整数和浮点数两部分,避免了计算采样点坐标时浮点数的取整运算.综合应用多重增量递推和采样点分解技术,对于采用三线性插值方式和常规光线投射算法,渲染速度达到传统采样点计算方式的2倍以上,且不需要额外的内存消耗和预处理,也不损失图像质量,在虚拟内窥成像中有较大应用价值.     

基于先验估计和相关相位的实时超声弹性成像

基于互相关技术的经典超声弹性成像算法,采用启发式穷举搜索和插值法来提高成像速度和位移估计精度,但实时性和估计精度有限。本研究提出一种新算法,在运动追踪阶段使用先验估计加速追踪收敛速度,然后使用复互相关函数的相位进行亚采样点级精度位移估计,避免了启发式穷举搜索以及插值法所带来的较大计算代价。仿真和体模实验表明,新算法与经典的互相关形变估计算法相比,不仅成像速度大大提高,而且形变估计精度也有显著改善。以仿真的1%应变为例,抛物线插值法生成的弹性图像SNRe为4.8,而新算法生成的弹性图SNRe为11.3。结果证明提出的新算法是一种正确可行的高精度实时超声弹性成像方法。     

Digitally reconstructed radiograph generation by an adaptive Monte Carlo method

Digitally reconstructed radiograph (DRR) generation is an important step in several medical imaging applications such as 2D-3D image registration, where the generation of DRR is a rate-limiting step. We present a novel DRR generation technique, called the adaptive Monte Carlo volume rendering (AMCVR) algorithm. It is based on the conventional Monte Carlo volume rendering (MCVR) technique that is very efficient for rendering large medical datasets. In contrast to the MCVR, the AMCVR does not produce sample points by sampling directly in the entire volume domain. Instead, it adaptively divides the entire volume domain into sub-domains using importance separation and then performs sampling in these sub-domains. As a result, the AMCVR produces almost the same image quality as that obtained with the MCVR while only using half samples, and increases projection speed by a factor of 2. Moreover, the AMCVR is suitable for fast memory addressing, which further improves processing speed. Independent of the size of medical datasets, the AMCVR allows for achieving a frame rate of about 15 Hz on a 2.8 GHz Pentium 4 PC while generating reasonably good quality DRR.     

用Shear-warp算法实现超声心脏图像的快速体绘制

Shear- warp是基于物体空间扫描的一种体绘制技术 ,与传统的体绘制法相比 ,具有速度快、图像质量高的特点。本文介绍了 Shear- warp算法的原理 ,并将该算法应用到旋转扫描超声心脏图像插值结果的可视化 ,实现了心脏三维解剖结构的快速、准确重建。该算法在医学图像可视化中有广阔的应用前景     

医学图像三维重建方法的比较研究

医学体数据三维可视化技术有着广泛的应用前景。近年来为加快绘制速度、提高成像质量和节省存储空间提出了许多改进算法，本文讨论了医学图像三维表面绘制的两种重建方法及基本原理，并通过比较这两种重建方法对应的几种算法实现的复杂度、实时显示情况等，总结出各自的优势和弱点，分析不同情况下如何选择算法。     

计算机辅助医学图像三维重建的算法分析

背景：三维重建技术是采用计算机技术对二维医学图像进行边界识别,重新还原出被检组织或器官的三维图像。 目的：分析在不同情况下进行医学图像三维重建时如何进行算法的选择。。 方法：采用计算机检索中国期刊全文数据库和Pubmed 数据库。中文检索词为“医学图像,三维重建,面绘制,体绘制”,英文检索词为“medical images, three-dimensional reconstruction, surface rendering, volume rendering”。 检索与医学图像三维重建算法相关的文献33篇,从面绘制重置方法和体绘制重置方法的实现原理、实现复杂度、实时显示情况等方面进行分析。 结果与结论：目前,医学图像三维重建根据绘制过程中数据描述方法的不同可分为三大类：面绘制方法、体绘制方法和混合绘制方法。通过对面绘制和体绘制方法中不同算法的分析,可以看到面绘制方法在算法效率和实时交互性上是优于体绘制的,虽然面绘制方法在绘制时候会丢失许多细节,使得绘制图像效果不理想,但是由于其算法比较简单,占用内存资源少,所以目前得到了广泛的运用。体绘制方法是对体数据场中的体素进行直接操作,可以绘制出三维数据场中更丰富的信息,因此体绘制方法的绘制效果优于面绘制方法。     

医学图像三维重建系统的数据结构表达及表面模型的构建

医学图像三维重建在诊断、放射治疗规划及医学研究中均有着重要应用，本文论述了医学图像三维重建系统程序流程，设计了自动及手工轮廓勾画两种分割方法，并提出了建立了合理的系统数据结构。该数据结构能较好地描述系统数据的层次关系和表达重建的几何模型。对由自动分割和手工勾画出的组织，用MT算法构建其三维表面几何模型 。实现了网格简化的边收缩算法，并对由MT算法生成的表面模型进行了网格简化处理。模型网格经简化90％，依然能较好地保持模型的特征，大大加快了绘制速度。     

一种新的CT图像软组织显示方法

本文提出了一种新的软组织显示实现方案，由分割、距离变换、剥皮和体绘制四个步骤组成。在距离变换阶段，该方案采用了一种新的三维欧氏距离变换算法，在保证距离测量精度的同时缩短了运算时间。在体绘制阶段，采用了一种基于体绘制的三维数据场多表面显示方法，为缩短绘制时间它只考虑不同物质的边界体元对显示图象的贡献，并采用投影成像法对边界体元进行快速显示，提高了三维显示的质量。该方案被用于三维医学CT图像中软组织的显示。实验结果表明，该方法能够清晰地再现皮下血管、肌肉与骨骼的空间解剖关系，在临床医学领域具有重要的应用价值。     

A three-dimensional-weighted cone beam filtered backprojection (CB-FBP) algorithm for image reconstruction in volumetric CT-helical scanning

Based on the structure of the original helical FDK algorithm, a three-dimensional (3D)-weighted cone beam filtered backprojection (CB-FBP) algorithm is proposed for image reconstruction in volumetric CT under helical source trajectory. In addition to its dependence on view and fan angles, the 3D weighting utilizes the cone angle dependency of a ray to improve reconstruction accuracy. The 3D weighting is ray-dependent and the underlying mechanism is to give a favourable weight to the ray with the smaller cone angle out of a pair of conjugate rays but an unfavourable weight to the ray with the larger cone angle out of the conjugate ray pair. The proposed 3D-weighted helical CB-FBP reconstruction algorithm is implemented in the cone-parallel geometry that can improve noise uniformity and image generation speed significantly. Under the cone-parallel geometry, the filtering is naturally carried out along the tangential direction of the helical source trajectory. By exploring the 3D weighting's dependence on cone angle, the proposed helical 3D-weighted CB-FBP reconstruction algorithm can provide significantly improved reconstruction accuracy at moderate cone angle and high helical pitches. The 3D-weighted CB-FBP algorithm is experimentally evaluated by computer-simulated phantoms and phantoms scanned by a diagnostic volumetric CT system with a detector dimension of 64 x 0.625 mm over various helical pitches. The computer simulation study shows that the 3D weighting enables the proposed algorithm to reach reconstruction accuracy comparable to that of exact CB reconstruction algorithms, such as the Katsevich algorithm, under a moderate cone angle (4 degrees) and various helical pitches. Meanwhile, the experimental evaluation using the phantoms scanned by a volumetric CT system shows that the spatial resolution along the z-direction and noise characteristics of the proposed 3D-weighted helical CB-FBP reconstruction algorithm are maintained very well in comparison to the FDK-type algorithms. Moreover, the experimental evaluation by clinical data verifies that the proposed 3D-weighted CB-FBP algorithm for image reconstruction in volumetric CT under helical source trajectory meets the challenges posed by diagnostic applications of volumetric CT imaging.     

中国数字人脑部体数据的任意切面绘制

目的:实现医学断层图像序列的三维重建及任意切面显示。方法:结合医学图像三维可视化的2种方法:表面绘制方法和体绘制方法,采用以三维矩阵数值运算与逻辑运算为基础的体数据面绘制算法。结果:可以从任意角度和位置来观察切面的形状、大小、灰度分布等各种生理病理特征。结论:通过分析子矩阵分解算法解决实时性要求与存储空间和运行时间的矛盾,克服了表面绘制不能体现内部数据的缺点,从一定程度上解决了体绘制的速度问题。