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。     

M3D:面向3D打印的医学图像重建平台

本研究旨在构建面向3D打印的医学图像3D重建平台,实现医学影像数据的目标分割、3D重建与3D打印所需区域裁剪与输出功能。该软件平台采用Qt设计用户界面,调用ITK、VTK类库处理医学影像数据。软件平台实现了医学影像数据的输入输出及处理、分割与3D重建等功能;在3D打印模型输出前,可实现对感兴趣区域的截取。以肘关节为例,利用该平台可实现模型重建,截取区域输出STL文件并完成3D打印。结果表明,该软件平台操作简单、界面简洁,可以从医学影像数据中重建得到3D模型,并进行3D打印,具有重要的临床应用价值。     

基于3D医学图像的血管三维分割

血管三维分割在血管疾病(如狭窄或畸形)诊断、手术规划和手术引导等许多实际应用中发挥重要作用。但三维分割的实时性仍是一个难题。本研究提出一种基于水平集的快速三维血管分割方法,该方法用内、外邻域曲面来描述被分割目标的边界,并定义水平集函数为简单的整数符号距离函数。通过扫描内外邻域曲面上的点,使之在速度场的作用下向目标边界移动。该方法的不同之处在于利用简单的模型极大地减小了计算量,分割速度快,大容量的MS-CTA[2563体素]图像可在20s内处理完毕。同时,展示了一些三维血管的分割实例。特别需要指出的是,对于人体的大血管,可在不经血管造影的情况下,直接从CT等三维图像中分割出来。     

医学图像重建评价技术综述

对医学图像重建，特别是二值重建的评价方法和评价准则进行了综述，根据评价准则的作用点与特性，本文将它们分为四类进行了介绍，同时分析了它们之间的关系，比较了它们的优缺点，为医学图像重建算法的设计与选择提供了依据。     

三维图像重建中基于GPU的轮廓插值加速方法

目的：针对传统的的轮廓插值算法在CPU上计算效率低的缺点,将基于距离图像的轮廓插值算法做基于GPU的并行计算加速。方法：基于形状的插值算法主要过程有：（1）轮廓平移使上下两层原始轮廓图像的形心对齐;（2）对原始轮廓图像建立一个对应的标记图像;（3）对原始轮廓图像进行距离变换,得到有不同符号标记的距离图像;（4）对距离图像进行线性插值;（5）从得到的插值距离图像中提取出插值层轮廓;（6）将插值层轮廓回移。将轮廓插值算法中的距离变换过程进行GPU并行化。使距离图像像素标识与GPU线程标识一一对应。GPU的每个线程分别计算距离图像中的一个像素：从显存中读取标记与轮廓坐标,计算出最小欧氏距离,并将有标记的距离结果保存在显存中,作为距离图像的一个像素。结果：测试表明,该方法在测验平台上加速最高达到600倍.结论：该方法加速效果明显,满足实际应用中的实时交互要求。     

基于Web的医学断层图像远程重建

实现Internet上Web模式的医学图像三维重建及显示.基于Java Appler编程，利用数字签名解决Java安全限制，读取本地图像。采用体绘制法完成二维图像的三维重建与显示。由超高速CT获得人体器官的断层图像，在Web上重建出了、冠状动脉、头颅、颈椎、骨盆的三维解剖结构。重建可在Internet上以Web模式跨平台运行，且在三维图像上可进行切割模拟操作。结论：①用Java Applet实现基于Web的医学图像三维重 建是可行的，并对三维图像的临床应用起重要推动作用；②基于Web重建的三维医学图像，其精度能够满足临床要求，尤其是冠状动脉的解剖 结构在临床上有很大参考价值。     

3D-EIT图像重建的研究进展

本回顾了三维医学电阻抗成像(3D-EIT)图像重建技术近年来的研究进展，介绍了几个新的有效的成像模型，并指出了该项研究目前存在的主要问题。     

三维图像重建的免配准图像输入

穴位解剖的计算机三维图像重建是建立在二维图像叠加的基础上的,因此二维图像的质量好坏直接关系到三维图像重建的结果.二维图像的质量包括以下两个方面:图像清晰度和图像几何位置.二维图像清晰度对三维图像重建后图像质量的影响主要体现在图像的清晰度上,而二维图像的几何位置对三维图像重建的影响则要体现在多方面上.如果我们把三维图像定义在(x,y,z)的三维空间,而二维图像则定义在(x,y)的二维空间,那么由二维图像重建为三维图像就需要建立空间坐标z的数据.为了使三维图像z方向的数据能准确地通过相邻二维图像之间的关系而获得,就必须使各层二维图像都能在几何上有统一的标准.这些标准包括:(1)要有标准的x,y方向归一化尺寸;(2)要有统一的几何中心;(3)要使每一幅二维图像的x轴和y     

医学图像三维可视化系统的设计

本文介绍了医学图像三雏可视化的预处理技术，医学图像三维重建的可视化主流算法及可视化系统主要采用的交互显示技术，在比较分析各种技术的基础上，提出了适合在高档PC机上开发医学图像三维可视化系统采用的方法。     

医学图像表面重建中等值面的快速定位

提出一种基于Shear- Warp投影原理快速定位等值面的直接体绘制算法。它通过生成有序医学图像体数据,并对选定区间中的体素进行定位,来减少遍历的体数据和提高等值面的定位速度。算法还能通过调整数值区间,按应用需要来灵活调整图像质量和重建速度。此外,在生成有序体数据后,算法在重建过程中不必生成中间数据。因此,在无任何硬件加速的条件下,能在PC机上实现医学图像的快速三维表面重建     

基于Shepp-Logan模型的并行MRI数值模拟平台

我们以Shepp-Logan模型为基础,对并行MRI成像进行了仿真,采用Matlab的图形用户界面创建了并行MRI数值模拟平台.该平台可以建立不同分辨率的数值模型,设置阵列线圈的尺寸和摆放位置,计算线圈的灵敏度,模拟k-空间数据的采集,得到多通道的原始数据,并进行图像重建.为国内研究各种MRI重建算法提供了数值模拟的参...     

3D Medical Image Segmentation Based on Rough Set Theory

This paper presents a method which uses multiple types of expert knowledge together in 3D medical image segmentation based on rough set theory. The focus of this paper is how to approximate a ROI（region of interest） when there are multiple types of expert knowledge. Based on rough set theory, the image can be split into three regions： positive regions; negative regions; boundary regions. With multiple knowledge we refine ROI as an intersection of all of the expected shapes with single knowledge. At last we show the results of implementing a rough 3D image segmentation and visualization system.     

三维重建及有限元分析预测股骨头坏死塌陷

通过三维重建技术对坏死股骨头的MRI影像进行重构，获得坏死股骨头的三维几何模型，并由几何模型测量得到股骨头及坏死病灶的体积；同时进行临床实验获得真实坏死股骨头的体积数据。通过对38例患者股骨头的计算机模型和数据与临床实验数据的统计分析，讨论了股骨头坏死病灶大小和部位与股骨头塌陷的关系。然后根据股骨头的坏死区域与所受载荷大小不同，共进行了15组的股骨头受力有限元分析，对坏死股骨头的塌陷情况作了验证。结果表明，本研究提供了一种有效的方法，指导临床选择最佳的治疗方案。     

一种基于SFS的视乳头三维形貌重建方法

视乳头形貌的确定有助于眼底类病变的准确诊断,例如视杯和视盘尺寸的相对大小是青光眼疾病病程诊断的重要依据。通常视盘和视杯的大小是通过眼底照片分离视乳头区域并进行测量,这种方法对视乳头的三维形变缺乏全面的描述。为了更加方便准确地获取视杯视盘大小的比值和视乳头的三维形貌,采用明暗恢复形状的计算机视觉方法,通过眼底图像来重建眼底结构的三维形貌。具体步骤包括:通过眼底照相机,得到二维眼底数字图像;采用图像分割方法,得到视杯和视盘区域;估计视盘视杯图像区域的光源照射方向;利用Tsai线性化方法,根据二维数字眼底图像的明暗信息,重建眼底三维结构形貌图。对初步实验结果中视杯和视盘的比计算可得,青光眼患者的杯盘比的比值大于0.6,与临床上对青光眼的判断相吻合。此方法提供新的眼底形貌变形可视化方法,能够清晰、准确地重建出眼底视盘和视杯的三维结构形貌图;可以对视盘视杯几何尺寸和结构进行更全面的描述,为眼底疾病方便和准确地诊断提供新的线索。     

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。     

Research and Realization of Medical Image Fusion Based on Three-Dimensional Reconstruction

A new medical image fusion technique is presented. The method is based on three-dimensional reconstruction. After reconstruction, the three-dimensional volume data is normalized by three-dimensional coordinate conversion in the same way and intercepted through setting up cutting plane including anatomical structure,as a result two images in entire registration on space and geometry are obtained and the images are fused at last. Compared with traditional two-dimensional fusion technique,three-dimensional fusion technique can not only resolve the different problems existed in the two kinds of images,but also avoid the registration error of the two kinds of images when they have different scan and imaging parameter. The research proves this fusion technique is more exact and has no registration, so it is more adapt to arbitrary medical image fusion with different equipments.     

影像纠正在下颌骨CT切片三维重建中的应用

将切片图像准确地对齐 ,是连续切片三维重建的重要步骤 ,它直接影响着重建结果和参数计算的准确性 ,目前这个问题还没有很好的解决方法。本文以下颌骨 CT切片图像三维重建为例 ,在硬定位的基础上提出了基于仿射变换和广义霍夫变换的软定位方法 ,利用控制点 ,来进行定位处理 ,取得了较好的效果。实验结果表明 ,该方法定位精度高 ,重建图像失真度很小     

基于联合深度网络和形态结构约束的三维医学图像分割方法

医学图像自动分割具有广泛和重要临床应用价值,特别是病灶、脏器的自动分割。基于传统图像处理方法的医学图像分割仅能利用浅层结构模型的浅层特征来识别感兴趣区域,并且需要大量人工干预。而基于机器学习的分割方法在模型建模时存在局限性且缺乏可解释性。本研究提出一种基于Transformer和卷积神经网络结合形态结构约束的三维医学图像分割方法。编码器中利用卷积神经网络和Transformer构建U型网络结构提取多重特征;解码器中采用上采样并通过跳跃连接将不同层次的特征拼接在一起;加入形态结构约束模块,通过提取病灶和脏器等分割目标的形状信息,以增强模型可解释性,并采用最大池化和平均池化操作,对经过卷积神经网络得到的结果进一步提取有代表性的特征,作为形态结构模块的输入,最终提高分割结果的准确性。在公开数据集Synapse和ACDC上利用评价指标Dice相似系数(DSC)和Hausdorff距离(HD)验证所提出算法的有效性。其中,在Synapse数据集上,18例数据作为训练集,12例数据作为测试集;在ACDC数据集上,70例数据作为训练集,10例数据作为验证集,20例数据作为测试集。实验结果表明,在Sy...     

3D Medical Image Interpolation Based on Parametric Cubic Convolution

In the process of display, manipulation and analysis of biomedical image data, they usually need to be converted to data of isotropic discretization through the process of interpolation, while the cubic convolution interpolation is widely used due to its good tradeoff between computational cost and accuracy. In this paper, we present a whole concept for the 3D medical image interpolation based on cubic convolution, and the six methods, with the different sharp control parameter, which are formulated in details. Furthermore, we also give an objective comparison for these methods using data sets with the different slice spacing. Each slice in these data sets is estimated by each interpolation method and compared with the original slice using three measures： mean-squared difference, number of sites of disagreement, and largest difference. According to the experimental results, we present a recommendation for 3D medical images under the different situations in the end.