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.     

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Shear-Warp的加速透视体绘制算法

在医学图像的三维可视化中，不透明度传递函数和观察角度是需要频繁调节的，因此，难以实现实时体绘制。为了提高三维图像的视觉效果和重建效率，提出了一种加速的透视体绘制算法。依据不透明度传递函数的相关性对原有的min-max octree数据结构进行有效的再利用，从而加速体数据分类编码，以使在频繁改变不透明度传递函数和观察角度时，也能实现快速重建；基于透视Shear-Warp算法，并用即时中间切片插值重采样的方法，提高重建的效果。实验证明该方法不仅效率高，而且显示效果好。     

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。     

基于凸集投影的稀疏磁共振图像重建新算法

目的:只将稀疏MRI数据重建公式中的正则化项作为最小化的目标函数,避免在迭代过程中系统矩阵参与运算,以降低算法的运算量,提高稀疏MRI数据重建的速度.方法:本文中所用的正则化函数是图像全变分与小波系数L1范数的组合,其最小化问题是用次梯度优化算法来求解的.在每一步迭代过程中,首先求出正则化项的次梯度,用次梯度优化算法求解得到中间图像并对其进行傅立叶变换,再根据凸集投影原理,直接将在相位编码方向上随机降采样的K空间数据替换到中间图像频域值的相应位置上,然后对替换后得到的频域值进行反傅立叶变换并将求得的图像作为下一次迭代过程的初始图像.结果:在正则化函数和迭代步数均相同的条件下,本文方法重建的图像质量与NCG-SMRI方法的相当,但重建速度是NCG-SMRI方法的2倍多.结论:实验表明,在不降低重建图像的质量的前提下,本文方法可以提高稀疏MRI数据的重建速度,能进一步满足临床上对MRI重建速度的要求.     

基于反距离加权插值和改进采样点数据合成的医学影像三维重建

传统的体绘制光线投射算法虽然已成为医学影像三维重建的主流方法之一,但是其生成的三维模型质量与绘制速度仍不能满足临床医学诊断的要求。本研究提出一种基于反距离加权插值和改进采样点数据合成的医学影像三维重建算法,通过反距离加权插值方法提升绘制速度;通过增加采样点的个数提高三维重建的成像质量。实验结果表明,该算法在提高成像质量的同时可以提高绘制速度,可将圆锥绘制速度较传统方法提升20%,髋关节平均绘制速度提升18%,并且生成圆锥图像的MSE小于传统算法,SSIM大于传统算法。     

泪道手术中鼻泪管的三维重建研究

本文提出了一种鼻泪管三维重建的新方法。该方法首先对三维体数据沿鼻泪管的走行方向进行重采样,然后在重采样得到的二维切片上分割鼻泪管,最后由分割得到的二维轮廓线重建鼻泪管的三维模型。该方法同时实现了正常和骨折鼻泪管的三维重建,克服了目前一些传统方法的缺陷,本文所提出的技术在泪道相关的计算机辅助诊断及手术规划中有重要应用价值。     

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。     

基于重采样的胸部CT图像肺实质自动分割

目的胸部CT图像的肺实质自动分割是肺部疾病计算机辅助检测的重要基础。为提高分割速度,本文提出并实现了一种基于重采样的分割算法。方法首先对数据重采样,提取部分（1／8）体数据。再基于重采样体数据,通过阈值分割、胸腔提取、气管剔除、血管填充、左右肺分离和肺壁结节填充等步骤,得到初步分割结果。然后将该结果还原到完整数据体上,形态学平滑后即完成最终分割。最后将算法应用于20例患者数据（2556个断层）,并与放射科医生手动分割结果进行比较。结果本文算法对20例患者数据均能取得优异结果,与放射科医生手动分割的平均面积重叠率达99．02％,且适用于左右肺相连、肺壁存在结节、视野不完整等异常情况。通过数据重采样极大缩短分割时间,一般可缩短50％,一帧图像平均耗时小于0．25s。结论本文算法能够实现胸部cT图像肺实质的自动分割,结果准确可靠,鲁棒性好,速度快,基本满足实际临床需求。     

医学体数据可视化的研究和实现

医学体数据可视化在临床上已成为辅助诊断和辅助治疗的重要手段,其技术也成为近年来研究和应用的热点.本文讨论了体数据可视化中的体绘制算法(volume rendering)中最常用的光线投射法,并利用Visualization Tool Kit(VTK)--一个包含了多种体绘制技术的基于面向对象方法设计的、功能强大的可视化类库,来实现断层医学图像的三维重建,并比较了这几种体绘制技术的各自特点.重建效果表明基于VTK的体绘制技术具有应用灵活、重建效果逼真、重建速度较快等优点.     

基于VTK的医学图像三维重建

利用VTK对多组医学图像数据进行三维可视化研究.其中研究了表面绘制和体绘制两种绘制技术.表面绘制用移动立方体法实现,体绘制则分别用最大强度投影法和合成体绘制技术实现,并通过比较两种技术的结果讨论了他们的特点.从结果中可以看出VTK作为一种图像处理和三维可视化的工具其功能是十分强大的.     

一种在物体空间加速的光线投射体显示方法

本文提出了一种减少体显示时的投射光线数量的方法，方法原型是基于以图像空间为序的体显示算法，但在物体空间实施加速方法。首先我们简要介绍了图像空间为序的体绘制算法原理及步骤。接着，叙述了如何利用物体空间的包围体方法来减少追踪光线数量。最后，给出了该算法用于显示医学体数据的实验结果。     

Ventricular shape visualization using selective volume rendering of cardiac datasets

In this paper, we present a novel technique of improving volume rendering quality and speed by integrating original volume data and global model information attained by segmentation. The segmentation information prevents object occlusions that may appear when volume rendering is based on local image features only. Thus the presented visualization technique provides meaningful visual results that enable a clear understanding of complex anatomical structures. In the first part, we describe a segmentation technique for extracting the region of interest based on an active contour model. In the second part, we propose a volume rendering method for visualizing the selected portions of fuzzy surfaces extracted by local image processing methods. We show the results of selective volume rendering of left and right ventricle based on cardiac datasets from clinical routines. Our method offers an accelerated technique to accurately visualize the surfaces of segmented objects.     

快速显示三维医学体数据的光线投射方法

本文提出了一种快速显示三维医学体数据的光线投射方法，方法原型是基于以图像空间为序的体显示算法，但在物体空间实施加速方法。在本文中，首先我们简要介绍了图像空间为序的休绘制算法原理及步骤。接着，叙述了如何利用物体空间的包围体方法来减少追踪光线数量。最后，给出了该算法用于显示同一医学体数据内多器官的研究结果。     

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。     

基于GPU通用计算的图像体绘制

基于GPU(graphic processing unit)的体绘制是体视化技术研究的重要分支。应用GPU通用计算改进基于GPU的图像体绘制,在体积图像处理、代理几何面生成、代理几何面渲染等体绘制过程中使用GPU通用计算技术,以提高绘制效率,改善图像质量。实验证明,基于GPU通用计算的体绘制在交互性能和绘制效果方面均表现良好。     

人心计算机三维重建和显示的研究

本文采用以体素表示的实体重建法对27层人心连续解剖断面进行计算机三维重处,并通过旋转和透明处理,可单独或同时显示整体心脏的心外膜、心肌层和心腔的外形轮廓及其相互关系,重建后的图像可通行不同方位的剖割处理,以期与超声心动图及心脏的CT、NMR等断面图像相对照,为影像诊断学提供一种新颖的有价值的形态学资料。为了提高三维重建图像的质量,改进了外定位的参照轴设置方法,较好地解决了解剖学断面图像的配准对位问题,为今后连续解剖断面图像的计算机三维重建奠定了基础。     

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.