（计算机应用技术专业论文）医学图像分割与三维重建.pdf

摘要 摘要 医学图像三维重建是通过计算机图形学、数字图像处理技术、计算机可视化 以及人机交互等技术，把二维的医学图像序列转换为三维图像在屏幕上显示出来， 并根据需要为用户提供交互处理手段的理论、方法和技术。图像分割是进行图像 三维重建的必要准备，图像分割效果的优劣直接影响三维重建在医学领域的应用。 医学图像分割和三维重建将数字图像处理技术和计算机图形学应用在了在生物医 学工程中，该应用涉及到计算机图形学、图像处理技术、生物医学工程等多种技 术，该领域的研究多学科交叉的，在医学诊断、手术规划及医学教学等方面有很 高的应用价值，是近年来的计算机应用技术的一个研究热点。 医学图像分割与三维重建是两个不可分割的相关领域。本文研究了基于区域 的图像分割和基于边缘的两种图像分割方法在医学图像处理中的应用，并在实验 中利用i t k 提供的区域生长法成功分割出肝脏、脊柱和肺脏等人体组织器官；三 维重建算法分为两类：面绘制和直接体绘制。面绘制从三维体数据中抽取目标对 象等值面，通过传统的图形学方法进行渲染；体绘制技术则将整个体数据进行可 视化显示，使医生可以通过设置适当的参数调节后观察医学数据的三维内部结构 信息。本文研究了光线投射体绘制算法、错切变形法和基于纹理映射的体绘制算 法，以及m a r c h i n gc u b e s 面绘制算法的实现机制和适用范围，并利用v r k 提供的 三维重建算法对不同人体部位的组织和器官实现了重建实验。 本文主要研究了医学图像分割与三维重建技术的应用。在对医学图像分割和 三维重建基础理论以及三维重建相关的三维切割技术进行研究和实验的基础上， 结合医学图像分割开发工具包i t k ( i n s i g h tt o o l k i t ) 和可视化开发包v t k ( v i s l u a l t o o l k i t ) ，以及a c t i v e x 开发技术，设计了一个医学图像三维重建v o l u m e r e n d e r x 控件并通过m f c 编程实现。这是一个面向对象、可扩展的跨i d e ( i n t e r g r e t e d d e v e l o p m e n te n v i r o m e n t ) 开发平台的开发控件，并针对实际应用需求整合了重建 参数调节和重建体剖切等多种实用功能，相对于传统的医学图像处理与三维重建 系统具有更大的应用价值。本文还提出了一个基于w e b 模式的医学图像三维重建 的解决方案。 关键词：医学图像，图像分割，三维重建，体绘制 a b s t r a c t 3 d - r e c o n s t r u c t i o no fm e d i c a li m a g oi sat e c h n o l o g yo fc o n v e r t i n gm e d i c a li m a g e d a t at og r a p h i c so ro t h e ri m a g e sa n ds h o w i n gi tb yc o m p u t e rg r a p h i c s ，i m a g ep r o c e s s i n g , c o m p u t e rv i s i o na n dh u m a n - c o m p u t e ri n t e r a c t i o nt e c h n o l o g y i m a g es e g m e n t i sap r e - t e c h n o l o g yo fm e d i c a li m a g e3 d - r e c o n s t r u c t i o n , a n dt h em e r i to fi m a g es e g m e n t i m p a c t st h ea p p l i c a t i o nv a l u eo f3 d - r e c o n s t r u c t i o no fm e d i c a li m a g e s m e d i c a li m a g e p r o c e s s i n ga n d3 d - r e c o n s t r u c t i o na l ei m p o r t a n ta p p l i c a t i o n so fd i g i t a li m a g ep r o c e s s i n g t h n o l o g ya n dc ( m l p 删t e rg r a p h i c si nb i o m e d i c a le n g i n e e r i n g t h er e s e a r c hi n v o l v e s c o m p u t e rg r a p h i c s ，d i g i t a li m a g ep r o c e s s i n g , b i o m e d i c a le n g i n e e r i n g a n do t h e r t e c h n o l o g y , i sm o r et h a no n ei n t e r d i s c i p l i n a r ya r e ao fr e s 戗咄a n dt h e r ea t eaw i d e r a n g eo fa p p l i c a t i o n si nm e d i c a ld i a g n o s i s ，s u r g i c a lp l a n n i n ga n dm e d i c a le d u c a t i o n , e t c i np r a c t i c a la p p l i c a t i o n s , m e d i c a li m a g es e g m e n t a t i o na n d3 d - r e c o n s t r u c t i o na t e i n s e p a r a b l er e l a t e df i e l d s i nt h i sp a p e r , a p p l i c a t i o no fr e g i o n - b a s e di m a g es e g m e n ta n d e d g e - b a s e di m a g es e g m e n ti nf i e l do fm e d i c a li m a g e s i sr e s e a r c h e d , a n di nm y e x p e r i m e n t s ，t h el i v e r , s p i n ea n dl u n g sa n do t h e rb o d yt i s s u e sa n dh u m a no r g a n sa l e s u c c e s s f u l l ys e g m e n t e db ya l g o r i t h mo fr e g i o n - g r o w t h i n g t h e3 d - r e c o n s t r u c t i o n a l g o r i t h mi s d i v i d e di n t ot w oc a t e g o r i e s ：s u r f a c er e n d e r i n ga n dv o l u m er e n d e r i n g s u r f a c er e n d e r i n ge x t r a c ti s o s u r f a c ef r o mv o l u m ed a t a , a n dt h e nr e n d e ri tb yt r a d i t i o n a l r e n d e rm e t h o d v o l u m er e n d e r i n gv i s u a l i z e de v e r yp i x e li nt h ew h o l ev o l u m ed a t a , t h i s m e t h o dm a k ed o c t o r sc o u l do b s e r v et h ei n t e r n a ls t r u c t u r eb ya d j u s t i n gt h ep a r a m e t e r so f v o l u m er e n d e r i n ga l g o r i t h m t h er e a l i z a t i o nm e c h a n i s ma n da p p l i c a t i o ns c o p eo fr a y - c a s t i n g ，t e x t u r e m a p p e ra n dm a r c h i n gc u b e sa l g o r i t h ma l er e s e a r c h e di nt h i sp a p e r , a n d 3 d r e c o n s t r u c i t i o ne x p e r i m e n t si ss u c c e s s f u l l ym a d eb yt h e s ea l g o r i t h m sp r o v i d e db y k i nt h i sp a p e r , t h er e s e a r c hi sm a i n l yf o c u so nt h ea p p l i c a t i o no fm e d i c a li m a g e s e g m e n ta n d3 d - r e c o n s t r u c t i o n b a s e do i lt h et h e o r e t i c a l l yr e s e a c h e sa n de x p e r i m e n t s o fi m a g es e g m e n ta n d3 d - r e c o n s t r u c t i o n ，a n dt h ec u ta l g o r i t h mo fv o l u m ed a t a , a m e d i c a li m a g e3 d - r e c o n s t r u c t i o nc o n t r o lo fv o l u m e r e n d e r xi s p r o p o s e db yt h e c o m b i n a t i o no fi t k ，v t ka n da c t i v e x , a n dp r o g r a m m e db ym f c t h i si sac r o s s i d e ， h s c a l a b l ea n do b j e c to r i e n t e dd e v e l o p m e n tc o n t r o l ，w h i c hi si n t e g r a t e dp r a t i c a lf u n c t i o n s o fa d j u s t i n gp a r a m e t e r s , v o l u m ec u t t i n g , a n dh a sg r e a t e rv a l u ec o m p a r e dw i t h t r a d i t i o n a lm e d i c a li m a g ep r o c e s s i n ga n d3 d - r e c o n s t r u c t i o ns y s t e m t h ep a p e ra l s o p r o p o s e da n di m p l e m e n t e daw e b - b a s e d3 d - r e c o n s t r u c t i o no f m e d i c a li m a g e k e y w o r d s ：m e d i c a li m a g e , i m a g es e g m e n t , 3 d r e c o n s t r u c t i o n , v o l u m er e n d e r i n g i i i 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工 作及取得的研究成果。据我所知，除了文中特别加以标注和致谢的地 方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含 为获得电子科技大学或其它教育机构的学位或证书而使用过的材料。 与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明 确的说明并表示谢意。 签名： 日期：如少年万月日 关于论文使用授权的说明 本学位论文作者完全了解电子科技大学有关保留、使用学位论文 的规定，有权保留并向国家有关部门或机构送交论文的复印件和磁 盘，允许论文被查阅和借阅。本人授权电子科技大学可以将学位论文 的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或 扫描等复制手段保存、汇编学位论文。 ( 保密的学位论文在解密后应遵守此规定) 签名：三丝导师签名： 嘲多哆年莎月二日 第一章引言 1 1 课题背景及研究意义 第一章引言 本项目受国家信息产业部电子发展基金项目“医学图像处理与三维重建系统 资助( 信部运2 0 0 6 6 3 4 号) 。 医学是与千千万万人的身心健康密切相关的应用学科。自古以来国内外都将 “望、闻、闯、切 作为进行医学诊断最基本的手段，但是，德国物理学家伦琴 1 8 9 5 年发现x 射线，开创了医疗影像技术的先河，为人类开拓了新的诊断与治疗 疾病的途径。为了使医学人员能够更清晰观察人体内脏器官的病灶和症状、更好 诊断疾病，迅速、彻底地解除病人的痛楚，医疗影像技术的研究和改进也在不断 提高。2 0 世纪7 0 年代中期，第一台c t 扫描仪的出现使电子计算机的应用为医学 诊断技术带来了第一次突破性的创新。随着计算机可视化技术的不断提高，医学 影像信息的处理技术在医学临床诊断方面已经越来越占据重要的位置，医学影像 技术科学研究、教学演示等方面也正扮演非常重要的角色。目前临床上用到的医 学影像设备有b 超扫描仪、彩色多普勒超声、核磁共振( m r i ) 、c t 、s p e c t 、p e t 、 x 射线透视、数字x 光机( d x ) 、各种电子内窥镜、显微镜下病理切片等，医学 图像领域的专家正在不断研究和发展能产生更清晰、更具临床诊断价值的高质量 医学图像的影像设备【l j 。 传统的医学影像诊断设备只是简单地对人体某些断层进行扫描获得对应的影 像数据，然后由影像设备输出到胶片或显示屏幕供医务人员进行观察。但无论是 通过胶片观察还是输出到屏幕显示，医务人员能够依赖并进行诊断依据的依然是 二维影像，而且在观察时只能以固定方式进行，这样所得到的诊断结果必然带有 医生的主观判断，因此诊断结构的准确与否很大程度与医生的临床经验有很大的 关系。图像处理和三维重建技术的运用可以将医疗影像数据的真实感官效果展示 给诊断人员，使其可以对病人的影像数据进行从多方位、多层次的观察，减少主 观判断和临床经验不足对诊断结果造成影响。通过医学图像处理和三维重建还可 以辅助医生对病人已经病变的组织进行定性或者准确的定量分析，从而将医疗影 像设备输出的数据的利用价值得到最大程度的发挥，提高诊断的准确性f 2 】。 电子科技大学硕士学位论文 在进行医学图像三维重建之前，首先需要对医学影像设备输出的图像数据按 照疾病诊断的需要进行必要的分割【3 】。图像分割是将图像中互不相交的区域分离 开来，被分离开来的每一个区域都必须满足特定的区域一致性。进行图像分割的 目的是为了定量定性分析的需要，提取出图像中感兴趣的区域，同时它也是利用 图像进行三维可视化的基础。所有的图像处理、分析和识别系统都要用到图像分 割这一关键技术，图像分割也是三维数据可视化处理流程中的一个非常重要的环 节。只有从原始三维数据中准确地分割出了感兴趣的区域，才能通过后续的三维 重建技术获得合理的三维模型。通过分割技术提取出医学图像序列中的感兴趣的 组织器官或病变体后，就可以通过三维重建技术重建出这些被提取的组织器官或 病变体【4 】。 三维重建技术是指利用c t 、职i 等医学影像设备输出的图像体数据，根据需 要选择合适的三维重建算法，得到可以从任意视角进行观察的三维投影图像，这 样诊断医生就可以方便地对人体内部组织或器官的结构进行观察诊断。通过对医 学图像进行有针对性的处理后，再利用三维重建技术构造出组织或器官的三维模 型，然后在显示屏幕上对三维模型进行显示，对于医生感兴趣的器官，还可以提 取出它的大小、形状和空间位置等定性或定量信息，便于分析。三维重建技术的 运用，使得医务人员能够更加直观、定量地对人体内部器官的三维结构进行察看， 还可以根据不同疾病诊断的需要强化图像中原有的某些细节，从而帮助医生更加 容易的做出正确的疾病诊断。 本论文分别对医学图像分割与三维重建技术进行了研究，通过根据不同的应 用需求选择不同的医学图像分割算法和三维重建算法，并对三维重建技术的复杂 度和交互手段进行改进，为非计算机专业的医务人员设计人性化的应用方式和操 作界面，从而给医务人员提供便捷的辅助分析手段，使其能够把病人体内可疑的 病灶或异常尽可能的找出来，并作科学合理的诊断分析，对于防止临床疾病的误 诊漏诊、提高疾病诊断的准确性具有重要的医学意义。 1 2 国内外现状研究 1 2 1 医学图像预处理 一般情况下在对普通的医学图像数据进行三维重建分析之前，有时候需要对 2 第一章引言 医学影像设备上获取的原始图像进行一些预处理，使得后续的重建分析工作更加 方便容易。常见的对图像进行处理的方法有图像校正、配准、融合、滤波去噪声 等等，目前计算机图像处理技术领域的研究很多，以上技术的研究和应用已经很 成熟。 医生在进行临床诊断的时候，单一的某类医学图像往往都不能提供较为全面 的诊断信息，在很多情况下需要对各种不同类型的医学图像进行综合分析。这就 需要将患者的各种不同医学影像设备输出的图像信息放在一起进行综合研究，要 达到这样的要求，就必须解决不同图像之间的配准，即确定多幅不同图像中像素 的空间匹配关系，将图像上生理位置相同的像素在控件位置上匹配起来。图像配 准的操作就是将不同的两幅图像之间想对应的像素的进行映射过程【5 】。 图像配准方法分为基于像素的匹配和基于特征的匹配。前者采用的是两幅图 像像素灰度值的某种相似性最大化原理，利用一定函数模型、傅立叶变换和各阶 矩阵之间的关系计算两幅图之间的配准参数；后者主要利用两幅图像的角、点、 线、边缘以及表面等共同的特征进行图像匹配。 1 2 2 医学图像分割 图像分割的定义是根据需要选择一定的特征量或指定特定的准则来检测图像 中不同区域的一致性，根据检测出来的区域一致性将图像区别成不同区域，从而 可以更加方便地进行进一步的分析和理解。通过分割把研究人员感兴趣的目标对 象从一幅图像的复杂表达中提取出来以后，就可以有针对性的对各个子区域进行 定量分析，也可以对图像进行识别，进而对图像显示的内容和意义进行理解。图 像的像素灰度、通道颜色、纹理分布、局部统计特征或频谱特征等特征都可以作 为图像分割的参考依据，要区分图像中不同目标物体需要对这些全部特征或部分 特征的差别进行综合分析。目前在临床应用的医学影像设备( c t 、m r i 、p e t 等) 成像技术上与普通格式的图像有较大的差别，医学图像比其他格式的图像更加具 有多样性和复杂性，使得某些医疗设备产生的医学图像可能存在一定的噪声，在 设备分辨率不高的情况下某些对象边缘也有可能不是很清晰，因此一般来讲医学 图像的分割比普通格式图片的分割要困难一些【6 】。 目前主要应用较多的图像分割方法有两种：基于图像区域的方法和基于边缘 检测的分割方法。前者通过检测同一区域内的均匀性是否一致来将图像中的不同 区域识别出来，基于图像区域的分割方法包括：阈值分割法、区域生长和分裂合 3 电子科技大学硕士学位论文 并法、分类器和聚类以及基于随机场的方法等。基于边缘检测的分割法是被最早 研究的方法，通过边缘检测技术把不同区域提取出来进行图像分割，并行微分算 子法是常用的边缘检测方法，由于一般图像具有相邻区域的像素值不连续的性质， 利用该性质，采用一阶或二阶导数来将区域的边缘点检测出来；此外还有基于曲 面拟合的方法、边界曲线拟合法以及串行边界查找等【7 j 。 这些分割方法都有自己的优点和缺点，以及不同的应用领域。经过对这些算 法的改良和进一步发展，已经产生了一些新的算法，它们在一些具体领域的图像 分割已经有了较好的分割效果嘲。但由于医学图像中自身特点比较特殊：软组织 较多，组织之间的差别很不明显，因此到目前为止还不存在一个在上述算法的思 想上发展起来的一致公认最好的医学图像分割算法。 最近几年，图像分割领域的研究重点逐渐放在基于偏微分方程、借助曲线演 化模型等数学建模方法的图像分割，其中最具有代表性的就是奥谢尔和s e t h i a n 提出的水平集( l e v ds e t ) 方法【9 】。这种图像分割方法的基本数学思想是将图像 中正在演化的曲线视为一个更高维函数的水平集，利用曲线演化方程与 h a m i l t o n - j a c o b i 方程的相似性，给出了一种曲线演化的较为稳定和强大的计算方 法。基于水平集的方法与其他曲线演化方法相比，最大的不同点和优势在于它比 其他分割方法稳定，他的拓扑无关性可有效地处理演化中的曲线产生的其他分割 方法无法处理的尖点、分割过程中容易产生的断裂为多条曲线或多条曲线融合为 一条的情况。只要选择合理的参数控制，尽管医学图像边界模糊、对比度低等， 亦能使图像分割能够精确地收敛到区域边界，达到预期的分割效果。 1 2 3 医学图像三维可视化技术 医学图像的三维可视化技术是指将医学影像设备输出的二维切片图像序列重 新组合重建为三维图像模型，并对重建后的模型进行定性、定量分析的技术。三 维重建技术可以从一系列连续的二维图像序列中获取三维结构信息，通过提供三 维结构信息为医生提供更接近真实人体的显示效果和针对具体疾病的定性分析方 法。国外对医学图像三维重建方面的研究开始较早，国内这方面的研究相对较晚。 进行医学图像三维重建的数据最早采用的是医学断层数据( 主要是c t ) ，通过对这 些数据的重建获得整个组织或器官的三维图像，三维重建后的图像可以辅助医生 进行诊断、手术仿真、引导治疗等。随着三维可视化技术在医学图像领域的广泛 关注和研究，医学图像三维重建目前已经形成了具有特色的一门学科【1 0 。 4 第一章引言 自从上世纪9 0 年代以来高维、非规则的和向量体数据的可视化问题的出现， 使得医学图像可视化领域的研究朝着多样化的方向发展。国外一些研究机构或者 公司己经研究出了一些可以在医学领域进行实际应用的的医学图像三维重建或医 学图像可视化系统，如美国宾夕法尼亚大学的m i p g 小组开发的3 d v i e w n i x 系统、 纽约州立大学开发了v o l v i s 系统【1 1 1 、m i t 人工智能实验室和哈佛医学院附属伯明 翰女子医院共同合作研发的3 ds l i c e 软件，美国通用公司开发的g em e d i c a l s y s t e m 产品、s i e m e n 5 、东芝、p h i l i p s 等公司也有相应的图像处理与分析系 统，但是这些系统中有大部分都是与医疗影像设备捆绑的，而且售价昂贵；这些 系统所支持的各种类型图像数据的可视化分析功能，一般都基于高档工作站，在 目前主流配置的普通p c 上运行还比较困难。我国在医学图像可视化方面的研究 仍然处于起步阶段。现有的大多数系统实际医疗应用功能还不尽完善，还达不到 进行临床医疗诊断所需要的大部分要求【1 2 1 。 医学图像三维重建技术是医学图像可视化的重要研究内容之一，医学图像三 维重建的流程包括获得和封装体数据、模型的建立、映射体数据、三维图形绘制 等操作。三维重建中需要的体数据可以通过采样、模拟或建模等技术获取，在医 学中主要是指各种医学影像设备输出的连续的图像数据，如计算断层造影( c t ) 、 磁共振成像( m r i ) 、磁共振血管造影( m r a ) 、超声波成像( u s ) 、正电子发射计 算断层造影( p e t ) 、单光子发射计算断层造影( s p e c t ) 等设备采样的切片。在 医学中，三维重建的就是运用三维数据场可视化技术将人体的真实三维影像模拟 在显示屏幕上。目前应用最多的三维重建的方法主要有面绘制和体绘制两类。面 绘制是指表面重建，即从医学影像设备输出的切片数据集构造出三维数据，然后 在三维数据中抽取出等值面，然后进行三角剖分，获得三角形面片，再用的图形 学中的图元绘制技术将三角形面片绘制出来而实现表面绘制，面绘制可以将三维 数据中具有某个特定值的表面有效地绘制出来，但不能有效的表达体数据的内部 信息；体绘f l ；r j ( v o l u m er e n d e r i n g ) 将体数据中的“体素 作为基本的绘制单位， 这种绘制方法充分利用了三维体数据中的每一个体素，也称直接体绘制，体绘制 能够根据需要显示三维对象的内部信息，但计算量大。体绘制的过程包括对体数 据的采样、重构、合成和绘制等操作，交互过程中还涉及到重采样【1 3 l 。 1 2 3 1 面绘制 面绘制将医学影像设备输出的连续的断层图像序列作为输入，并对这些图像进行 电子科技大学硕士学位论文 经分割和提取，根据不同的方法将提取出来的表面绘制出来。提出的表面一般以 多边形面片来表示，图形学中最常用也是最容易绘制的的多边形是三角形。早期 的医疗影像设备由于技术原因输出的切片的厚度较大，所以当时主要通过轮廓连 接( c o n t o u rc o n n e c t i o n ，也称为从平面轮廓重建形体，s h a p ef i o mp l a n a rc o n t o u r s ) 的方法进行体数据的面绘制，也就是轮廓线的提取过程仍是在二维图像上操作。 其中具代表性的是1 9 7 5 k e p p e l 提出的用三角形面片的组合来模拟物体表面的方 法【1 4 】。这种面绘制的方法由于是从断层图像上进行轮廓抽取，因此需要考虑到层 间的轮廓吻合以及外表面的拟合等问题。随着医疗影像设备技术的改进，最新的 c t 和m r i 设备的输出的切片间距可以达到很小，切片内象素分辨率也很高了， 这是基于体素的表面重建方法应运而生，目前也逐渐取代了轮廓线提取算法【1 5 】。 面绘制通过对三维体数据中具有某种灰度值的体素进行提取，重新还原出具 有某种灰度值的目标的三维模型，通过只绘制表面来渲染，而人体中的某些器官 或组织往往具有固定的灰度值，这样渲染出来的目标对象就可以为用户提供具有 较强真实感的器官或组织的三维图形。因此，面绘制与传统的医疗影像设备产生 的平面二维医学图像相比，它所提供的具有明显外部轮廓以及表面凹凸细节使得 人们更容易感知。人体内部很多组织或器官都有明显的表面，这些表面与其他组 织和器官具有不同的c t 值，而且也与器官本身的内部组织有明显区别，如肺、 肾或者血管等，使得针对某些器官的面绘制的实现比较容易。 立方块法( c u b e r i l l e ) 、移动立方体法( m a r c h i n gc u b e s ) 、剖分立方体法( d i v i d i n g c u b e s ) 是几种最常见的面绘制方法。其中m a r c h i n gc u b e s 算法嗍是在1 9 8 7 年提 出的，经过多年的发展，算法上也有了许多改进，现在已经得到了较为成熟的应 用。移动立方体算法的基本思想是从三维体数据中提取出一个用户给定值的等值 面，所以也被称为“等值面提取( i s o s u r f a c ee x t r a c t i o n ) 算法 ，其主要实现方法 是将图像切片序列上的上下两层相邻的8 个数据点构成的立方体看作处理单元， 然后对这些立方体进行一个一个的处理，这样就可以把与等值面相交的立方体分 离出来。针对每一个分离出来的立方体，再采用特定的插值算法计算出用户的给 定值和立方体上的每个边的交点，再将这些交点连接起来形成等值面，近似地表 示出等值面在一个一个立方体中的真实分布，这样每个立方体的等值面都提取出 来后所有立方体中等值面的连接起来就构成了整个体数据的等值面。立方体中等 值面可以用多个三角片来近似表示，所以一系列的三角形面片就构成了整个三维 数据空间旱的等值面。 6 第章言 1232 体绘制 近年米医疗影像设备技术不断发展，各种新型的医疗设备町以很容易的生成 精度越来越高图像。比如最先进的螺旋c t 町以输出精度相当高的断层医学图像。 为了充分利用高精度的医学图像，需要对体数据进行直接绘制，以得到更加精致 的三维图像。体绘制算法不仅能够重建出物体的三维表面，还可以根据需要显示 出重建后的三维体的内部结构，临床诊断的应用价值更高【1 7 1 。 体绘制方法可以对每个体素进行处理，并表示出更加精细的特征信息，因 此这些年获得了更多的研究，并越来越普遍地应用于临床诊断和医学研究。体绘 制发参照了视觉成像原理来重建出理想化的三维模型。即将体数据中的每个体素 都看成是叫以接收或发出光线的点；然后依据选择不同的光照模型，对体素进行 分类并根据其实际的介质属性分配不同的颜色和不透明度，并沿着视线观察的方 向进行合成；在视点所在的位置即屏幕上形成具有一定颜色和透明度的二维投影 图像。如图1 1 所示。 函数 体等目童，i 圈1 - 1 体绘制三维逼建流程 体绘制算法根据分类给体数据中每个体素根据实际属性赋予定的的属性 ( 透明度和颜色值) ，通过视点的每个屏幕像素发出一条光线并计算所有体素刘光 线的作用最终得到屏幕上的二维投影图像，因此，体绘制可以进行模糊分割，根 据需耍也可以不分割直接进行体绘制。未经过分割的体数扼保黼了医学罔像原有 的细节信息，如某些不叫显的病变，但术分割的数掘毽大，必然会增加算法的空 川复杂度，而且本身体绘制需要考虑每个像索的 盎【川度和埘光线的投刺、反刖作 嘎簿 葱画匦鼬麟鼢 鞫钟豳弼黛 圃嘲糊翻馘。锎_一，吣 黼凝厕鳓吲盈鼹黔 电子科技大学硕士学位论文 用，计算量也比较大。一般来说，即使在配备了高端显卡的和内存的机器上，体 绘制耗费的时间总是比面绘制要多【i 阳。在实际应用中可以根据具体情况选择是否 进行事先分割。 按照处理的数据对象的不同，体绘制可分为对三维空间规则数据场的体绘制 和对不规则数据场的体绘制。所谓不规则数据场一般是指不规则数据和非结构化 数据，常见的不规则数据场有限元分析、计算流体力学所生成的数据。不规则数 据场中的体素形状不同，没有统一的规律，所以基于不规则数据场的体绘制效率 很低。目前三维不规则体数据的可视化算法的研究仍然是仅仅停留在研究领域的 问题。而医学图像数据属于规则数据，规则数据场的体绘制研究目前已经比较成 熟，这类体绘制有四种常用算法：光线投射法( r a yc a s t i n g ) 、错切变形法 ( s h e a r - w a r p ) 、抛雪球法( s p l a t t i n g ) 和基于硬件的3 d 纹理映射方法【1 9 】 ( h a r d w a r e - a s s i s t e d3 dt e x t u r e - m a p p i n g ) 。 1 3 论文研究内容及创新点 本文对医学图像处理和三维可视化技术进行了深入的研究和分析，在此基础 上，结合医学图像领域优秀的开源工具包，实现了一个整合了医学图像分割与三 维重建的应用系统。 概括起来，本文作者的主要研究成果有下面这些： 分析了区域生长法，基于随机场分割等图像分割方法，并研究了这些分 割方法对三维图像数据的分割方法以及在医疗图像领域的应用。 分析了面绘制、纹理映射体绘制和光追踪体绘制等三维重建算法，探讨 了它们在医学图像下的改进机制。 实现了一个面向对象的、可扩展的医学图像三维重建系统框架，在此框 架内封装了基于不同算法的医学图像分割和三维重建功能。实现了对三 维重建体进行任意切割和开窗的技术。 提出了一种全新的基于w e b 模式的医学图像三维重建方法。 本文创新点在于： 将常用的图像分割算法扩展到三维图像数据，并将医学图像切割和三维 重建结合起来，将切割整合到三维重建管线中，实现实时交互切割。 采用a c t i v e x 技术实现了可复用的医学图像分割与三维重建组件，组件 第一章引言 可以用于不同开发环境下，为二次开发提供了便捷途径，避免重复开发。 通过采用j a v a 这样的跨平台语言实现w e b 模式下的三维重建，解决了 客户所使用的操作系统平台平台的差异问题，也使三维重建系统的升级 和维护更加方便、快捷、高效。 1 4 论文的章节安排 全文共分六章，对医学图像三维重建技术进行了详细的分析。具体的章节安 排如下： 第一章是全文的绪论。主要介绍本文的课题背景，并对国内外研究现状进行 了综述，并指出论文作者研究的主要工作和创新点。 第二章讨论了常见的图像预处理方法和图像分割方法。重点研究了图像分割 中的区域生长法、基于分水岭分割和水平集分割算法，并将它们扩展到三维图像 数据。 第三章介绍了几种主要的三维重建算法。分析了m a r c h i n gc u b e s 面绘制算法、 光线追踪体绘制算法、基于纹理映射的体绘制算法和s h e a r - w a r p 算法。通过实验 对比，对于各种算法的特点和各自的优劣做了系统的分析。 第四章是医学图像三维重建v o l u m e r e n d e r x 控件的架构设计。在这一章里， 我们给出了整个控件的框架设计，分层对各个重要模块进行描述。这一章的重点 在于整体框架设计、模块化程序开发思想的运用。第四章还引入了三维切割平面 和立方体开窗切割，给出了其实验效果以及其上的基本操作；并对基于w e b 模 式的医学图像三维重建系统的实现提出了一个解决方案。 第五章，对全文做出了系统、全面的总结，并对今后需要进一步深入研究的 方向做了展望。 9 电子科技大学硕士学位论文 第二章医学图像分割与预处理 2 1 医学图像dlc o m 标准 d i c o m ( d i g i t a li m a g i n ga n dc o m m u n i c a t i o no fm e d i c i n e 医疗数字图像存储 和传输) 是美国放射学会( a m e r i c a nc o l l e g eo fr a d i o l o g y ，a c r ) 和美国电器制造 商协会( n a t i o n a le l e c t r i c a lm a n u f a c t u r e r sa s s o c i a t i o n ，n e m a ) 在1 9 8 8 年组织制定 的用于统一医学图像的存储和传输的标准名称。它从最初的1 o 版本( a c r i n e m a s t a n d a r d sp u b l i c a t i o n sn o 3 0 0 1 9 8 5 ) 发展到1 9 8 8 年推出的2 o 版本( a c r - n e m a s t a n d a r d sp u b l i c a t i o n sn 0 3 0 0 - 1 9 8 8 ) ，直到1 9 9 3 年发布d i c o m 标准3 o ，目前已 经成为医学影像设备的国际通用标准，世界上各大医疗设备生产商和医疗界已经 广泛接受了该标准，他在医疗影像的生产过程中也已经得到普及和应用，目前生 产的计算机断层扫描( c 、核磁共振( m r ) 、心血管造影和超声成像设备大部分都 提供了d i c o m 接口，巨大的推动了医疗信息系统的数字网络化【2 0 】。 d i c o m 标准是随着各种不同新兴医疗设备的出现、医院信息化系统 ( h o s p i t a li n f o r m a t i o ns y s t e m ，h i s ) 、图像存储和通信系统( p i c t u r ea r c h i v i n ga n d c o m m u n i c a t i o ns y s t e m ，p a c s ) 等各种医院信息化系统的发展应运而生的。当c t 和m r 等设备生产工艺的提高，他们产生的高质量、高分辨率的图像在医学l 临床 诊断中普遍应用，但是不同生产商的设备生成的图像都各自采用了不同的格式， 而且各个生产商不同型号的设备生成的图像也不统一，这样不同的设备之间的信 息资源公用的需求就难以得到满足，因此各种医院信息化系统的实施就涉及到很 多方面的问题：医疗设备产生的图像数据量一般极大，如何对这些图像进行存储 并有效管理、同一个医院如果采用的不同生产商的设备，这些设备的图像需要共 享时能否直接连接、连接后的不同设备之间如何来共享信息资源，等等。可以通 过采用统一的标准来解决这些问题的解决方法就。基于上述问题，美国放射学会 和美国电器制造商协会在1 9 8 3 年专门制定了用于医疗领域的图像存储和通信的 标准，该标准使得不同制造商提供的医疗影像设备图像格式得到统一，并制定了 相关的通信和存储标准，该标准为医疗信息化进程提供了极大的贡献【2 l 】。 d i c o m 2 0 版本在1 9 8 5 年推出的1 o 版本基础上对部分内容进行修改并增加 1 0 第二章医学图像分割与预处理 了新的数据元素。美国放射学会和美国电器制造商协会在1 9 9 3 年针对2 0 标准对 网络传输支持的不足和本身存在的结构性问题，对2 0 标准作了彻底的重新制定， 针对当时的实际技术条件推出了最新的d i c o m 3 0 版本。最新版本采用了面向对 象的设计方法定义了医学影像图像在存储和通信过程中的常见的各种实体和关 系，提供了对开放系统互联参考模型和t c p i p 协议的支持( i s o - o s i & t c p i p ) 的 支持，遵循d i c o m 3 0 的医疗设备产生的医学图像在应用层上可以与满足这两种 协议的其它通信协议栈直接进行通信。考虑到技术将来的发展更加容易扩充， d i c o m 3 0 标准的文档结构采用了多部分结构，并以附录的形式对某些可能变化 或扩充的部分给出，这样使得标准在以后版本更新时涉及面尽可能少【2 2 】。 2 2dic o m 格式医学图像解析 d i c o m 格式图像文件是指遵循d i c o m 标准而存储的图像文件。d i c o m 文 件分为d i c o m 文件头和d i c o m 数据集合两大部分。d i c o m 数据集合是d i c o m 图像的主要组成部分，它是由d i c o m 数据元素( d a t ae l e m e n t ) 组成，而数据元 素包含了d i c o m 图像的最基本信息，是组成d i c o m 文件的基本单元( 图2 1 ) 。 2 2 1dic o m 文件头 d i c o m 数据集合的信息都需要首先在d i c o m 文件头( d i c o mf i l em e t a i n f o r m a f i o n ) 中进行标识。d i c o m 文件头由文件导言( p r e a m b l e ) 和前缀信息构 成，文件导言由1 2 8 个字节组成，放置图片的相关说明信息，紧接着存放了四个 a c s i i 码字符：“d 、“i 、“c 、“m ，如何严格遵循d i c o m 标准的话，每个 d i c o m 文件都必须包括该文件头，并且可以根据这四个字符来判断一个文件是 否d i c o m 格式图片。然而，在实际项目开发过程中可能会遇到一些特殊情况。 通过二进制方式查看部分公司的设备产生的d i c o m 图像，发现其文件头部分根 本没有字符串“d i c m 。可能是这些影像设备制造商出于商业利益，不严格按照 d i c o m 3 0 标准，这给程序的直接移植带来了一定的麻烦。 d i c o m 文件头部分还包括其他一些非常有用的信息，如病人基本信息、切 片厚度、文件的传输格式、生成该文件的应用程序等等。 电子科技大学硕士学位论文 2 2 2dic o m 数据元素 d i c o m 格式图像文件中最基本的构成单元称为数据元素( d a t ae l e m e n t ) ， 一个d i c o m 格式图片中一般会有很多数据元素。数据元素包含了四个部分：标 识符( t a g ) 、数据描述v r c v a l u er e p r e s e n t a t i o n ) 、数据长度v l ( v a l u cl e n g t h ) 以 及实际数据值v a l u e ，如图2 1 所示。 ，一，一，一- - ，- - - i ，一， - ，- - i 1 堡望笪鱼l 塾堡耋墼迎l 塾量益廑l 塞匾塑堡笪i 图2 - 1d i c o m 文件格式 标识符是由一个4 字节的u n s i g n e di n t 类型表示的，标识符可以唯一标识和 区分d i c o m 中所有数据元素。每个标识符都是由组号和元素号两个部分组成， 高位2 两个字节是组号；低位两个字节是元素号。在d i c o m 标准的数据字典中， 对所有元素的描述都是用“( 组号，元素号) 这样的方式给出的。 以下给出数据元素中的各字段的详细描述： 数据元素标识符：如上所述，是由一个1 6 位( 4 字节) 的无符号整数排序对， 对不同的数据元素进行唯一标识。 数据类型：采用一个1 6 位的字符串来表示该数据元素的v r 值。d i c o m 标 准数据词典中对给定数据元素标签的值进行了详细描述，采用了d i c o m 的默认 字符集编码。 数据长度：一个1 6 位或者3 2 位的u n s i g n e di n t 类型数值。描述