（计算机软件与理论专业论文）医学图像体数据分割及其可视化的研究.pdf

医学图像体数据分割及其可视化的研究摘要 摘要 医学影像领域的迅速发展极大的推动了现代医学的进步。目前，计算机断层成像 ( c t ) 、核磁共振成像( m r i ) 、超声等医学影像技术已被广泛地应用于临床诊断和治疗。 本文的主要研究内容是：在计算机的辅助下，从医学图像中分割出医生感兴趣区域， 并结合可视化技术进行三维显示。对该课题的研究能够使医生对人体病变部位的观察 更直观、更清晰，提高诊断的正确率。 在医学图像处理与分析领域中，图像分割一直是经典难题之一。分割是正常组织 和病变组织的三维可视化、手术模拟、图形引导手术等后续处理的基础，分割的准确 性对医生诊断患者的病情至关重要，因此图像分割在医学应用中具有特殊的重要意 义。医学图像可视化是目前医学图像处理的一项重要研究内容，也是科学计算可视化 中最成功的应用领域之一，已成为辅助疾病诊断和治疗的重要手段，并且深入到医学 的各个方面。三维可视化技术主要包括面绘制和体绘制，其中体绘制的渲染图像保留 了原始影像数据中丰富的三维信息，可将人体内各组织的层次关系表现出来，因此本 文主要采用体绘制显示对体数据分割的效果。 本文首先研究了医学图像三维可视化中的基础知识，介绍了几种常用的三维重建 算法；然后对图像分割领域进行深入探索，概括了当前较为成熟的和正在探索中的分 割算法，并分析如何将常见的图像分割算法应用于三维体数据中；接下来针对医学图 像体数据采用几种算法进行分割处理，并通过实现效果分析各算法各自的适用范围以 及优缺点；最后实现一个完整的医学图像三维可视化系统，针对符合d i c o m3 0 标准 的医学c t 断层图像进行处理。实验结果表明，本文的研究对体数据的分割与可视化 处理较为实用，为临床诊断治疗以及医学教学提供了较好的辅助。 本文对医学图像体数据分割中的关键技术进行了探讨，将序列断层图像所构成的 体数据看作一个整体进行处理，以提高分割效率和准确率。文中实现了几种针对序列 c t 图像的三维分割算法，此外为了提高分割效率，本文提出一种基于八叉树的分裂 合并算法，能够准确而高效地对体数据进行分割处理。 摘要医学图像体数据分割及其可视化的研究 本文最后，对毕业课题所做工作进行总结，并提出进一步的研究设想。 关键词：断层图像；体数据；分割；科学可视化；三维区域增长；分裂合并 作者：叶峰 指导老师：崔志明( 教授) a b s t r a c t t h er a p i dd e v e l o p m e n ti nt h em e d i c a li m a g i n gf i e l dh a sp r o m o t e dt h ep r o g r e s so f m o d e mm e d i c i n eg r e a t l y c o m p u t e dt o m o g r a p h y ( c o ，m a g n e t i cr e s o n a n c ei m a g i n g ( m r i ) a n do t h e ri m a g i n gm o d a l i t i e sh a v eb e e nw i d e l yu s e di nc l i n i c a ld i a g n o s i sa n dt h e r a p y t h e m a i nt h e s i so ft h i sp a p e ri s ：i nt h ec o m p u t e r - a s s i s t e d ，e x t r a c t i n gr e g i o n so fi n t e r e s t ( r o i ) f r o mm e d i c a li m a g e sa n d d i s p l a y i n gt h e mt h r o u g h3 dv i s u a l i z a t i o nt e c h n i q u e s ，w h i c hc a n h e l pd o c t o ro b s e r v e st h ep a t h o l o g i c a lr e g i o n sm o r ed i r e c t l ya n dc l e a r l y , c o n s e q u e n t l y i m p r o v et h ea c c u r a c yo fd i a g n o s i s i nt h ef i e l do fm e d i c a li m a g ep r o c e s s i n ga n da n a l y s i s ，s e g m e n t a t i o nh a sb e c o m eo n e o ft h ec l a s s i cp r o b l e m s ，i ti st h eb a s i so ft h e f o l l o w i n gp r o c e s s i n g ，s u c ha s t h e3 d v i s u a l i z a t i o no f t i s s u e ，s u r g e r ys i m u l a t i o na n di m a g eg u i d e dp l a n n i n g t h ea c c u r a c yo ft h e s e g m e n t a t i o ni sv i t a lf o rt h ed o c t o rt om a k eaj u d g m e n to nt h ed i s e a s e sa n dd r a wo u ta c o r r e s p o n d i n gc u r i n gp l a n t h e r e f o r e ，s e g m e n t a t i o ni sm e a n i n g f u li nt h em e d i c a l a p p l i c a t i o n ，a n di st h ep r e c o n d i t i o no ft h ev i s u a l i z a t i o ni ns c i e n t i f i cc o m p u t i n g m e d i c a l i m a g ev i s u a l i z a t i o nt e c h n i q u e sp l a ya ni m p o r t a n tr o l ei nm e d i c a li m a g ep r o c e s s i n ga n d a n a l y s i s ，a n di t so n eo ft h em o s ts u c c e s s f u la p p l i c a t i o n so fv i s u a l i z a t i o ni ns c i e n t i f i c c o m p u t i n g t h e r e r et w om a i nt e c h n o l o g i e si n3 di m a g ev i s u a l i z a t i o n ，o n ei ss u r f a c e r e n d e r i n g ，t h eo t h e ri s v o l u m er e n d e r i n g s i n c ev o l u m er e n d e r i n gc a nr e s e r v er i c h i n f o r m a t i o no ft h ev o l u m ed a t a ，a n dc a ns h o wt h ei n t e r n a lr e l a t i o n s h i po ft h eo r g a n i z a t i o n s ， t h i sp a p e ru s e sv o l u m er e n d e r i n ga l g o r i t h mt os h o wt h ee f f e c to f3 ds e g m e n t a t i o n i nt h i sp a p e r , w ei n t r o d u c et h eb a s i ck n o w l e d g eo fm e d i c a li m a g e3 dv i s u a l i z a t i o na t f i r s t ；g e n e r a l i z e s s e v e r a l3 dr e c o n s t r u c t i o n a l g o r i t h m sw h i c ha r ec o m m o n l yu s e d s e c o n d l y , t h i sp a p e rp r o b e si n t ot h ef i e l do fi m a g es e g m e n t a t i o n i ts u m m a r i z e st h ec u r r e n t m a i nm e t h o d sa n dt e c h n i q u e so fi m a g es e g m e n t a t i o n ，b o t hf u l l yd e v e l o p e da n du n d e r e x p l o r a t i o n f u r t h e r m o r e ，i ta n a l y z e so fh o wt oa p p l yi m a g es e g m e n t a t i o na l g o r i t h mt o v o l u m ed a t a t h i r d l y , v o l u m ed a t ai ss e g m e n t e db ys e v e r a la l g o r i t h m si ne x p e r i m e n t s ，a n d a b s t r a c tt h er e s e a r c ho f v o l u m ed a t as e g m e n t a t i o na n dv i s u a l i z a t i o nf o rm e d i c a li m a g e t h i s p a p e ra n a l y z e st h e s ea l g o r i t h m s r e s p e c t i v ea p p l i c a t i o ns p h e r e s ，a d v a n t a g e s a n d d i s a d v a n t a g e s a tl a s t ，w er e a l i z eac o m p l e t em e d i c a li m a g e3 dv i s u a l i z a t i o ns y s t e m ， a i m i n ga tt h em e d i c a lc tf a u l ti m a g e so fd i c o m3 0s t a n d a r d t h ee x p e r i m e n t a lr e s u l t s h o w s ，t h i ss t u d yi sp r a c t i c a lo nt h ev o l u m ed a t a ss e g m e n t a t i o na n dv i s u a l i z a t i o n ，w h i c h p r o v i d e sag o o da s s i s t a n tf u n c t i o ni nt h em e d i c a lt e a c h i n ga n dc l i n i cd i a g n o s i s t h i sp a p e rd i s c u s s e dt h ek e yt e c h n o l o g i e so fv o l u m ed a t as e g m e n t a t i o n i nt h e p r o c e s s i n go fs e g m e n t a t i o n ，t h es e r i e so fc ti m a g e sw e r ed e a l ta saw h o l ev o l u m ed a t af o r p r o c e s s i n g t h i ss t u d yi n t r o d u c e ds e v e r a l3 ds e g m e n t a t i o na l g o r i t h m st op r o c e s sa s e q u e n c eo fc ti m a g e s f u r t h e r m o r e ，i no r d e rt oi m p r o v et h ee f f i c i e n c yo fs e g m e n t a t i o n ，a s p l i t - a n d - m e r g ea l g o r i t h mb a s eo no c t r e ew a si n t r o d u c e d ，w h i c hc a ns e g m e n tv o l u m ed a t a a c c u r a t e l ya n de f f i c i e n t l y t h el a s tp a r to ft h i sp a p e rg e n e r a l i z e st h ew o r ko fm yg r a d u a t i o nt o p i c ，a n dp u t s f o r w a r dt h ef u r t h e rr e s e a r c hi d e a s k e y w o r d s ： f a u l t e di m a g e ；v o l u m ed a t a ；s e g m e n t a t i o n ；v i s u a l i z a t i o ni ns c i e n t i f i c c o m p u t i n g ；3 dr e g i o ng r o w i n g ；s p l i t - a n d - m e r g e w r i t t e nb yy ef e n g s u p e r v i s e db yc u iz h i - m i n g 图表目录 图2 1 面绘制流程图。7 图2 2 由两张切片构成一层8 图2 3m c 算法的1 5 种拓扑类型9 图2 4 面绘制效果1 l 图2 5 体数据模型一1 3 图2 6 体绘制流程图1 3 图2 7 光线投射法绘制效果15 图2 8 纹理映射法绘制效果15 图2 9 平行投影下剪切变形过程1 7 图2 1 0 冠状面切片1 9 图2 1 1 矢状面切片1 9 图2 1 2 冠矢状面虚拟切片1 9 图3 1 各边缘检测算子2 1 图3 2 理想阈值选取2 2 图4 1d i c o m 文件的组成2 8 图4 2d i c o m 文件的格式2 8 图4 3c t 图像灰度值理论分布图2 9 图4 4c t 图像及对应的灰度直方图2 9 图4 5 体数据结构模型3 0 图4 6 三维重建的流程图31 图4 7 分割在三维重建中的位置3 2 图4 8 法向量定义示意图3 3 图4 9 平面切割法的示意图3 4 图4 1 0 体数据平面切割渲染3 4 图4 11 体数据包装盒切割渲染3 5 图4 12 球体切割3 6 图4 13 面绘制图形切割体数据3 7 图4 1 4 传递函数实现阈值分割3 8 图4 1 5 透明度传递函数设置3 8 图4 1 6 人脑c t 图像的阈值分割3 9 图4 一1 7 二维最大连通区域法分割4 0 图4 18 三维最大连通区域法分割4 0 图4 1 9 区域生长示意图4 1 图4 2 0 脑部体数据断层图像显示4 3 图4 2 1 肺部体数据断层图像显示4 4 图4 2 2 脑部系列c t 图像分割后体绘制显示4 4 图4 2 3 肺部系列c t 图像分割后体绘制显示4 4 图4 2 4 八叉树模型4 6 图4 2 5 分裂合并法分割后体绘制显示4 7 图5 1v t k 中类库的层次5 0 图5 2 三维系统结构框架图5 3 图5 3c t 文件数据获取流程5 5 图5 4 像素灰度与实际显示值的关系5 7 图5 5 单幅图像显示5 8 图5 6 系列图像显示5 8 图5 7 面绘制处理界面5 9 图5 8 体绘制处理界面6 0 图5 9 虚拟切片处理界面：6 0 表4 1 与空间信息有关的文件元3 0 表4 2 体数据分割效率比较4 8 4 苏州大学学位论文独创性声明及使用授权的声明 学位论文独创性声明 本人郑重声明：所提交的学位论文是本人在导师的指导下，独立进 行研究工作所取得的成果。除文中已经注明引用的内容外，本论文不含 其他个人或集体已经发表或撰写过的研究成果，也不含为获得苏州大学 或其它教育机构的学位证书而使用过的材料。对本文的研究作出重要贡 献的个人和集体，均已在文中以明确方式标明。本人承担本声明的法律 责任。 研究生签名： ：垂盗 e t 期：丝墨三：兰翌 学位论文使用授权声明 苏州大学、中国科学技术信息研究所、国家图书馆、清华大学论文 合作部、中国社科院文献信息情报中心有权保留本人所送交学位论文的 复印件和电子文档，可以采用影印、缩印或其他复制手段保存论文。本 人电子文档的内容和纸质论文的内容相一致。除在保密期内的保密论文 外，允许论文被查阅和借阅，可以公布( 包括刊登) 论文的全部或部分 内容。论文的公布( 包括刊登) 授权苏州大学学位办办理。 研究生签名：! 主兰 e l 导师签名 期： 仞9 歹碍 日期：之竺翌墨互够 医学图像体数据分割及其可视化的研究 第一章引言 1 1 医学图像可视化概述 第一章引言 科学计算可视化( v i s u a l i z a t i o ni ns c i e n t i f i cc o m p u t i n g ) ，首先由美国国家科学 基金会于1 9 8 7 年提出，研究如何把科学数据转换成可视的、易于理解的信息的 计算方法，其主要特点是可视性、多维性、交互性【l j 。它是运用计算机图形学和 图像处理技术，将科学计算的数据转换为图形或图像的形式在屏幕上显示出来， 并进行交互处理的理论、方法和技术；是信息处理和计算机应用中一个新的研究 领域【2 ，3 1 。其中，三维重建技术是科学可视化的一个重要研究方向，也是当前计 算机视觉、模式识别及可视化技术等领域中的经典研究主题。 科学计算可视化在医学领域的应用被称为医学图像可视化，通常是把由c t 、 m 等数字化成像技术获得的人体图像信息在计算机上表现为直观的三维效果， 从而为用户提供传统方式无法获得的人体内部结构信息。医学图像可视化能够生 成准确反映人体内部信息的视觉影像，以展示人体器官或区域的真实形态，并提 供较好的定性定量分析。 2 0 世纪7 0 年代，c t ( c o m p u t e r i z e dt o m o g r a p h y ) 技术在临床医学中的成功应 用，使得对人体进行无创性检查及诊断成为现实。到了2 0 世纪8 0 年代，m ( m a g n e t i cr e s o n a n c ei m a g i n g ) 、p e t ( p o s i t r o ne m i s s i o nt o m o g r a p h y ) 、s p e c t ( s i n g l e p h o t o ne m i s s i o nc o m p u t e dt o m o g r a p h y ) 等先进的影像技术在临床医学上的成功 应用，使影像医学得到更为迅速的发展。利用医学影像设备可以使医生从断层切 面方向对人体进行观察，便于了解患者的内部病变情况。然而此类影像医疗诊断 中，主要是通过观察一组c t 、m 的二维切片图像去发现病变体，这依赖于医 生丰富的读片经验，依据的是对二维图像的定性分析。为了能获得病变部位更为 直观准确的信息，对二维切片的三维重建技术成为近年来研究的热点。医学图像 三维重建技术就是将由c t 、m r i 、p e t 等医疗影像设备获得的二维切片图像重 新建立成人体内组织或器官三维图像的过程。对人体器官、组织或病变部位的分 割提取、三维重建和三维显示，可以辅助医生对其感兴趣的区域进行定性以及定 量分析，使医生能够更准确直观地得病人的体内信息。 第一章引言医学图像体数据分割及其可视化的研究 通过计算机重构人体器官或组织的图像，使医学影像从二维走向三维。在此 基础上，编写可视化软件，对上述多种类型的图像数据进行三维处理，可以准确 地确定病变体的空间位置、大小、几何形状以及它与周围生物组织之间的空间关 系，从而准确地诊断疾病f 4 。 1 2 图像分割概述 医学图像可视化中项重要任务就是通过分析描述对象的特征，把感兴趣区 域从其周围环境中分割出来，并计算分割区域的解剖、病理、生理和物理等方面 的信息。图像分割就是把图像依照某种特性分成多个区域，并提取出其中有意义 或感兴趣目标区域的技术和过程。这些特性通常包括像素的灰度、颜色、纹理以 及统计特征等。虽然目前已有学者研究出不少边缘检测、区域分割及目标提取的 分割算法，但还没有发现一种普遍适用于各种图像的有效方法，只能针对某一类 具体应用而采用相对行之有效的方法。 医学图像的分割技术是对人体器官或病变组织进行三维可视化、手术模拟、 图形引导手术等后续处理的基础，图像分割的准确性对医生诊断患者疾病并做出 相应的治疗方案至关重要。因此，图像分割在医学影像处理与分析技术中具有特 殊重要的意义。目前，对人体断层切片图像分割的研究正在不断深入地进行中， 图像分割成为医学图像可视化研究中一个非常重要的方面。 1 2 1 医学图像分割的特点 由于医学图像在实际拍摄的过程中存在噪声、成像设备的场偏移效应、人体 的运动、采样伪影、局部体效应、空间混叠等不利因素的影响，使得医学图像中 存在着许多不确定性的干扰。此外人体内部的解剖组织结构和形状比较复杂，组 织特性的可变性大，不同软组织之间或组织与病灶之间往往存在边界模糊、不明 确、不连续等特点，并且人与人之间又有相当大的差别，这些都使得医学图像分 割具有特别的复杂性，给研究医学图像分割带来极大的困难。因此，医学图像分 割迄今仍没有获得圆满的解决，一直都是国内外学者研究的热点和难点。对医学 图像分割算法的研究具有以下特点【5 】： ( 1 ) 对于医学图像的分割常需要利用医学中的大量领域知识，专家的指导， 以及关于成像原理的知识。利用这些先验知识可以简化算法、提高效率并得到更 为精确的分割结果。 2 医学图像体数据分割及其可视化的研究第一章引言 ( 2 ) 医学图像分割面向具体的临床应用，分割的正确与否将影响诊断结果和 治疗方案的制定，因此算法的准确性尤为重要。 ( 3 ) 单一的图像分割技术难以胜任复杂的医学图像分割任务。将多种图像分 割算法有效结合的集成分割技术日益受到重视，近几年提出的方法大多是结合多 种算法的。采取什么样的结合方式才能充分利用各分割算法的优点，取得更好的 效果已成为人们关注和研究的热点问题。 1 2 2 医学图像分割的意义 医学影像技术的应用范围很广，例如医学研究、临床诊断、病理分析、手术 计划、治疗方案、疗效评估、影像处理、计算机辅助手术、图像引导手术、手术 摸拟、虚拟环境等。在所有这些应用中，图像分割是一个不可或缺的预处理环节， 常常成为应用中的瓶颈。图像分割在医学应用方面的意义可以归纳为以下五个方 面： ( 1 ) 获取病理信息。提取有关解剖结构、病灶、病情等信息，为临床诊断、 病理的分析、建立解剖结构提供有效数据； ( 2 ) 测量组织特征参数。对解剖结构进行病理、物理、几何、统计等特征参 数的测量，为医务工作者提供定量的数据信息； ( 3 ) 定位感兴趣的区域。确定解剖结构的位置、形状、体积、分布区域，为 以后的治疗定位目标； ( 4 ) 获取解剖图谱信息。为医学图像的3 d 重建、3 d 显示、配准、融合、可 视化、计算机辅助手术、人体虚拟现实系统和虚拟环境提供原始数据； ( 5 ) 减少无用的影像信息数据。图像分割后，各个区域分明，可以对它们进 行取舍，重点关注那些目标区域。分割后图像与噪声的关系减弱，具有降噪功能， 便于图像理解。此外分割还可以在不丢失有用信息的前提下减少图像数据，使其 便于存档、检索和传输。 本文研究分割的主要目的是运用可视化技术对分割数据进行三维重建，以三 维图像的形式展示分割结果，能够使医生从多角度、多层次观察和分析人体器官 或病灶区域。这样弥补了影像设备在成像上的不足，从而为临床诊断、病理分析 以及病理学研究提供可靠的数据。 第一章引言医学图像体数据分割及其可视化的研究 1 3 研究现状与分析 医学图像可视化方法可分为两大类：二维断层切片可视化和三维体数据可视 化。断层切片可视化是对图像进行处理，显示医生想获取的图像信息，如灰度加 窗操作、强度分层【6 j 等，其技术已比较成熟。医学图像的三维可视化是利用一个 序列的二维断层图像重建出三维数据模型，主要有两种方法：面绘制和体绘制。 由于三维可视化可提供具有真实感的三维医学图像，能使医生可以从多角度、多 层次分析人体内部组织形态，受到了广泛的重视。目前，对医学图像三维可视化 技术的研究主要有以下三个趋势： ( 1 ) 提高图像可视化质量，如改进三维渲染效果、提高等值面的光滑程度、 改进插值算法等【7 ，8 1 ； ( 2 ) 加快可视化速度。由于医学图像数据量大，三维重建处理的计算量大， 耗费时间长，因此快速体可视化是目前的一个重要研究方向f 9 j ； ( 3 ) 三维图像内部信息的可视化研究，如开窗操作，切片提取等【l o 】，为用户 提供一个便于操作的人机交互接口。 对于医学图像分割来说，由于人体解剖结构的复杂性、组织器官形状的不规 则性、个体之间的差异性以及不同医学成像模式成像特征的不同，一般的图像分 割方法对医学图像的处理效果并不理想。医学图像分割经历了一个从人工分割到 半自动分割现在正向着自动分割发展的过程。早期的人工分割是由医护人员从医 学图像中手工描绘出不同结构的边界，然后提取出所要解剖结构的区域信息。随 着计算机和图像处理技术的发展，半自动化分割方法渐渐取代了人工操作，通过 一定人机交互，由计算机完成分割。此类方法大大加快了分割速度和提高了分割 精度，而且减少了人为因素f 肝扰，但操作者的经验和知识仍然是图像分割过程 中的一个重要的制约因素。近年来，由于大量新兴技术如神经网络、模糊技术和 人工智能技术在图像分割中的应用，医学图像分割领域也涌现出一些自动分割技 术【1 1 1 4 】，但大部分方法复杂度较高，运算量较大，目前仍处在试验阶段，真正得 到临床应用的并不多。 目前，医学图像分割方法的研究主要有以下四个趋势： ( 1 ) 提高算法的自动化程度 1 5 , 1 6 】，尽量减少人工干预。 ( 2 ) 降低算法的复杂性，提高算法效率【1 , 1 8 】。数字医学图像的数据量通常较 4 医学图像体数据分割及其可视化的研究第一章引言 大；算法越复杂，提取的特征越多，计算量越大，对计算机的存储量、计算精度、 计算速度等性能的要求越高，必然导致其在实际应用中受到一定的限制。 ( 3 ) 提高算法的分割精度。这是医学图像分割领域一直关注的一大难题，分 割结果的好坏会影响医生对疾病的诊断，错误的分割结果甚至会导致医生对疾病 做出误诊i 例。 ( 4 ) 提高算法的鲁棒性口o ，2 1 1 。由于个体不定因素，如图像模式、特征参数、 计算方法、阈值设置、分析步骤、初始化处理、人为因素等，要在图像分割算法 中获得非常好的鲁棒性是较为困难的。因此，如何提高图像分割算法的鲁棒性就 成为医学图像分割中急需解决的一个难题。 1 4 论文结构 第一章引言部分，概述了与本文研究内容相关的基本概念，课题的研究意义， 以及该课题当前的研究现状、发展趋势。 第二章介绍了三维可视化技术的在医学图像上的应用，其中包括面绘制、体 绘制、虚拟切片算法的原理及实现。 第三章对当前常见的图像分割算法进行概括介绍，并讨论如何将针对二维图 像分割的算法应用到三维体数据的分割中。 第四章对医学图像体数据的分割算法进行深入探讨与实践。本章将介绍几种 笔者实现的三维体数据分割方法，并利用实验效果分析各分割算法的优劣。本章 节的最后提出一种基于八叉树的分裂合并算法以提高体数据分割的处理效率。 第五章运用v i s u a lc + + 6 0 ，结合v t k 等可视化工具包开发了一套c t 断层 图像三维重建系统。主要功能有：d i c o m 文件的解析、图像增强处理、体数据分 割、二维图像显示及其三维可视化处理等。 第六章是对本文工作的总结以及展望。 第二章医学图像三维可视化医学图像体数据分割及其可视化的研究 第二章医学图像三维可视化 2 1 医学图像三维重建 医学图像的三维重建是根据输入的断层图像序列，经分割和提取后，构建出 原始组织的三维几何表达1 2 2 1 。三维重建是计算机视觉、模式识别及可视化技术等 领域中的重要研究课题。通过各种成像设备或传感器，计算机可以获取现实世界 中物体的某种信息，该过程称之为数据采样。三维重建的任务就是要从采样数据 中恢复物体的三维结构，即物体的原型。近年来，三维重建技术一直是计算机图 像图形处理的一个重要研究方向，备受计算机研究人员和影像工作者的关注。传 统方法中，医生需要对一系列二维c t , m 图像通过自己的想象还原出三维结 构。这种方式很大程度上依赖于医生的临床经验和主观想象，缺乏直观性和准确 性。三维重建可以科学、准确地重建出被检物体，克服了传统方法中的不利因素， 因此医学图像三维重建技术具有很强的临床实用性。 医学图像三维重建的方法可大致分为面绘制和体绘制两大类【2 3 1 。面绘制首先 在三维空间数据场中构造出中间几何图元( 通常为三角面片) ，然后利用计算机图 形学中的技术实现图形渲染。体绘制是将三维空间中的离散数据直接转换为三维 图像而不必生成中间几何图元，又称为直接体绘制，其实质为体数据重新采样与 图像合成。两种方法都能够用来实现对体数据( v o l u m ed a t a ) 中选定结构的可视 化，在绘制效果上各有其优缺点。此外，还有一种介于面绘制和体绘制之间的切 片法来实现三维体数据可视化，即虚拟切片技术。 2 2 面绘制三维重建 面绘制三维重建是一种采用对物体表面进行拟合而忽略物体内部信息的重 建方法。面绘制中首先要提取出所要查看结构的表面轮廓，然后把某种几何面片 施加到每一轮廓点，最后除去隐藏面并进行明暗处理就得到绘制的表面。由于表 面绘制法所处理的数据通常仅是整个体数据的轮廓边缘部分，并且计算机图形学 多边形面片的绘制可以借助图形硬件加速，所以其渲染速度快，占用的系统资源 少。此外面绘制可以快速灵活地进行视图切换和改变光照效果，并且能够对重建 6 医学图像体数据分割及其_ 口，视化的 i | = 究第二章医学图像三维可视化 后的图形进行一些特效渲染处理。面绘制舍弃了物体内部信息，只能提供其表面 或边缘轮廓信息，通常适用于绘制表面特征分明的组织和器官( 如皮肤或骨骼) 。 面绘制主要的算法有：轮廓表面重建法、c u b e r i l l e 方法、移动立方体( m a r c h i n g c u b e s ) 法、剖分立方体法等。 面绘制重建轮廓提取 图2 1 面绘制流程图 2 2 1 表面轮廓重建法 表面轮廓重建算法是最早被用来进行面绘制的方法，它的基本思想是首先将 每层图像中感兴趣区域的轮廓提取出来，然后用以轮廓线上的采样点为顶点生成 多边形将每层的轮廓线连接起来，从而拼接出物体表面【2 4 1 。轮廓拼接的关键在于 如何确定对应轮廓上各点之间的对应关系。因为三角形总能保证面上各顶点共 面，处理起来比较简单，所以利用三角形面片进行轮廓拼接是目前使用最广泛的 一种方法。表面轮廓重建法较适用于断层扫描数据且断层间等值面变化较小或大 致相似，同时精度要求较低的场合。该方法在处理多重轮廓、分叉、孔洞等情况 时并不理想，算法中两相邻层轮廓线对应点的确定和连接常常是难以解决的问 题。 2 2 2c u b e rii ie 算法 c u b e r i l l e 算法由h e r m a n 和l i u 提出，适合于正交密集数据场的表示，主要 适用于医学图像中序列断层图像的等值面抽取【25 1 。该方法将三维图像中的每一像 素看成是空问中的一个六面体单元，即体素( v o x e l ) 。在体素内数据场具有相同的 值，用边界体素的六个面拟合等值面( i s o s u r f a c e ) ，即把边界体素中相互重合的 第二章医学图像三维可视化医学图像体数据分割及其可视化的研究 面去掉，只把不重合的面连接起来近似表示等值面。这种方法的特点是算法简单 易行，便于并行处理。由于该算法对每个体素的处理都是独立的，重建图形经常 会出现走样，尤其在物体边界处锯齿形走样比较明显，而且显示粗糙，难以显示 物体的细节。 2 2 3 移动立方体法 移动立方体法( m a r c h i n gc u b e sa l g o r i t h m ) 简称m c 算法，是一种应用很广泛 的重构三维等值面的方法，于1 9 8 7 年由l o r e n s e n 和c l i n e 两人提出 2 e l 。m a r c h i n g c u b e s 算法也被称为“等值面提取”( i s o s u r f a c ee x t r a c t i o n ) ，其基本思想是逐个 处理数据场中的立方体，分类出与等值面相交的立方体，采用插值计算出与立方 体边的交点乜7 2 阳。在m c 算法中，每次处理两幅相邻的切片图像，形成一层，两 张切片上下相对应的8 个体素点构成一个立方体，把这样的立方体称为体元。 该算法孤立的看待每一个体元，由其8 个顶点的数据值来得到在该立方体内的边 界面，以三角面片的形式来表示。如果把体数据看成是某个空间区域内关于某种 物理属性的采样集合，非采样点上的值用邻近采样点插值来估计，则该空区域内 所有具有某一个相同值的点的集合将定义一个或多个曲面，称之为等值面。根据 立方体每一顶点与等值面的相对位置，将等值面与立方体边的交点按一定方式连 接生成等值面，作为等值面在该立方体内的一个逼近表示。 图2 2 由两张切片构成一层 对于一个体元立方体来说，给定等值面的阈值后，立方体中每个顶点要么在 等值面内，要么在等值面外。m c 算法的思想就是找出所有与等值面相交的体元， 再分别计算每个体元与等值面相交的交面，这些交面连在一起就得到所求的等值 面。这样，总的顶点状态就有2 的8 次方2 5 6 种可能的情况。然而从拓扑的角度 来看，经过反转和旋转变换之后只有1 5 种不同的情况，如下图2 3 所示。图中 8 医学图像体数据分割及其可视化的研究 第二章医学图像三维可视化 还显示了在该种拓扑状态下立方体内的等值面的定性情况( 以三角面片表示) 。 画画画 画画回 国囤 画 回 图2 3 m c 算法的1 5 种拓扑类型 m c 算法检查每个体元立方体，判断它的拓扑类型，如果不是第0 种情况， 则表明该立方体和等值面相交。根据各种情况下对应的三角面片情况，找到相应 的边，利用线性插值的方法求得交点，然后由相应的点构成三角面片。检查完所 有的体元立方体后，就可以得到该等值面对应的面片集。m c 算法的流程如下： ( 1 ) 根据对称关系构建一个2 5 6 种相交关系的索引表，指明等值面与体素的 那条边相交： ( 2 ) 每次提取相邻两层的两张切片，形成一层，两张切片上下对应的8 个像 素构成一个体元； ( 3 ) 将每个像素与阈值比较，大于等于阈值标记为l ，小于阈值标记为0 ； ( 4 ) 这样，将每个体元的8 个像素分别标记后会用其构成的0 、1 串形成一个 8 位的索引值，从而从索引表中查找对应关系，并求出与立方体每条边的点； ( 5 ) 用交点构成三角形面片或者是多边形面片； ( 6 ) 从左到右，从前到后顺序处理一层中的所有体元，然后从下到上顺序处 9 第二章医学图像三维可视化 医学图像体数据分割及其可视化的研究 理所有层，直到算法结束。 m a r c h i n gc u b e s 算法对感兴趣的等值面可以产生清晰的图像，而且可以利用 现有的图形硬件实现加速渲染，速度较快。 2 2 4 剖分立方体法 对密集数据场处理时，特别是医学图像，包含等值的单元数很多，有时生成 的每一个三角面片很小，使面片的投影接近于像素级别，因此往往是显示精度而 不是体素大小限制了图像精度。一种提高效率的方法是直接在显示图像上渲染像 素点，这就是剖分立方体法( d i v i d i n gc u b e s ) 的基本思想嵋引。d i v i d i n gc u b e s 算法 逐个扫描每个体素，当体素的八个顶点越过等值面时，将该体素投影到显示图像 上。如果投影面积大于一个像素的大小，则该体素被分割成更小的子体素，使子 体素在显示图像上的投影为一个像素大小，每一子体素在图像空间中被绘制成一 个表面点。表面点由对应子体素的值、对象空间中的位置和梯度三部分表示，可 使用传统的图形学消隐技术，将表面点绘制到图像空间中。该算法绘制表面点而 不是绘制等值面片，从而节省了运算时间。它的一个基本出发点是点的绘制一般 要比多边形的绘制快，点集的表示形式比多边形的表示形式更适合物体的剖切、 合并等几何操作。剖分立方体法实质上是用离散点集来近似表示物体表面，结果 为等值面的近似表示，对于数据场密度很高的医学图像来说，其视觉效果是可以 接受的。剖分立方体法的缺点是：绘制的图形不够精细，如果对图形进行放大， 看到的只是一些点云，而无法观测图形的细节。 2 2 5 面绘制算法的效果 图2 4 为四种表面绘制法的实验效果图。其中轮廓表面重建法和移动立方体 法得到的图形效果较好，能够准确地反映出人体颅骨结构，并且渲染的图形较为 平滑；c u b e r i u e 法生成的颅骨图形在边界处能看到较明显的锯齿形走样；剖分 立方体法的重建结果只是一系列点集，无法细致地表示原始数据。 l o 医学图像体数据分割及其可视化的研究第二章医学图像三维可视化 ( a ) 轮廓重建表面法( b ) c u b e r i l l e 方法 ( c ) 移动立方体法( d ) 剖分立方体法 图2 4 面绘制效果 面绘制算法优点： 绘制方法多，效果好； 三维渲染时可以用硬件加速； 占有内存及系统资源较少； 改变视角，光线等参数后只需要重新渲染即可，不需要再次重建； 可以对重建后的图形压缩存储； 图形中面片的空间位置明确，绘制效率高。 面绘制算法的缺点： 需要对图像要提取其边缘轮廓，而体绘制算法没有该步骤； 边缘提取丢掉了大部分数据，仅保留了轮廓表面的一些数据； 只适合形状明确的物体，不能处理云雾等形状不规则的对象。 第二章医学图像三维可视化医学图像体数据分割及其可视化的研究 本文主要讨论如何分割出三维体数据中用户感兴趣的组织区域，并对该区域 进行三维重建，因此区域内部的信息是需要保留的。由于面绘制无法显示出区域 内部的信息，本文对分割后的数据进可视化处理时采用另一种三维重建方式 体绘制。 2 3 体绘制三维重建 体绘制技术( v o l u m ev i s u a l i z a t i o n )