三维医学图像MT表面重建的相关性处理及模型简化

针对MT（Marching Tetrahedral）算法存在重建速度慢,数据存储冗余,重建出的模型三角面片数量大,难以进行实时交互操作等缺点,本文提出了相关性处理方法,避免了重复性计算,加快了重建速度;设计了优化存储的数据结构,减少了数据冗余;实现了网络简化的边收缩算法,并对由MT算法生成的表面模型进行了简化处理。模型经简化90%,依然能较好地保护保持原模型的特征。     

用邻域运算从CT图像中分割骨骼

阈值法是传统的从CT图像中分割骨骼的方法，但由于部分体积效应，这种方法难以分割骨骼的细小部分。本方法定义了邻域相关度的概念，用来描述体素在其26-邻域内与某种组织的相关程度。在文中，一种利用邻域运算的骨骼分割方法被提出，首先取一个较大的初始阈值，分割出骨骼体素，再选取一个下限阈值，灰度位于初始阈值和下限阈值间的体素被定义为模糊体素，用邻域运算计算每一个模糊体素对骨骼和对其它组织的邻域相关度，比较二者的加权值，以判断此体素可否转化为骨骼体素。循环搜索所有模糊体素，直到不能从模糊体素中转化出骨骼体索为止。这种方法能分割骨骼的细小部分，对初始阈值不敏感，具有良好的稳定性。     

基于组织分割的医学体数据剖切方法

通过对医学体数据进行剖切,在方便观察其内部组织结构的同时,保留周围潜在的重要环境信息,可提供一个整体的情景图像。提出一种基于组织分割的体数据剖切方法,该方法关注于构成体数据的语义层,从医学诊断中的现实需求出发,以逻辑拆分来剖切体数据,以提供更加完整、直观的显示。将梯度矢量扩散法扩展到三维情形,同时提出三维梯度矢量扩散的体数据分割方法。在剖切方法中,首先运用三维梯度矢量扩散法来立体分割医学体数据中的组织,然后通过不同的空间传输函数来操作不同的组织,实现体数据的三维空间剖切体操作。实验结果表明,该方法能够有效去除遮挡数据以揭露内部信息,能保留相关环境信息来增加剖切的可理解性,可取得良好的虚拟剖切效果。     

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。