脑肿瘤三维可视化图像基于分割的交互式实时绘制研究.docx
- 文档编号:16249161
- 上传时间:2023-07-12
- 格式:DOCX
- 页数:10
- 大小:178.59KB
脑肿瘤三维可视化图像基于分割的交互式实时绘制研究.docx
《脑肿瘤三维可视化图像基于分割的交互式实时绘制研究.docx》由会员分享,可在线阅读,更多相关《脑肿瘤三维可视化图像基于分割的交互式实时绘制研究.docx(10页珍藏版)》请在冰点文库上搜索。
脑肿瘤三维可视化图像基于分割的交互式实时绘制研究
脑肿瘤三维可视化图像基于分割的
交互式实时绘制研究
四川大学物理科学与技术学院黄鑫*
四川大学建筑与环境学院宁交贤**
(邮编610065电邮***************>
摘要:
目的:
为了消除传统脑肿瘤切除手术的盲目性,解决传统绘制技术不能够实时绘制的问题,本文设计出了一种交互式实时肿瘤分离技术。
方法:
给出了系统主要功能和流程,并且对系统实现中的两项关键技术:
区域生长分割、三维体数据的绘制作了详细介绍,改进后的面绘制使得重建的三维模型图像清晰,提高了实时绘制效率。
结果:
该系统对脑肿瘤准确分割,并实现了交互式实时绘制,证明其技术和方法有效可行。
结论:
所提出的方法是切实可行的,从而为进一步实现医院信息化建设打下了基础。
关键词:
三维医学图像;医学图像分割;可视化;面绘制;体绘制
前言
现代各种医学成像技术如X射线断层成像 随着计算机辅助技术、虚拟现实等现代 *黄鑫男生物医学物理研究方向硕士研究生 **宁交贤教授实验力学及生物医学工程博士生导师 技术的发展,人们对直观的三维医学图像的需求也日益增强,医学图像三维可视化近来成为医学成像发展的热点。 三维可视化是虚拟现实技术在现代医学中的应用。 它利用医学影像作为原始数据,融合了图像处理、计算机图形学、科学计算可视化,虚拟现实技术。 是一种非侵入型、无接触式的零创伤的检查方式。 在外科手术中引入三维可视化系统,可以提高手术的可靠性和精度,减少外科创伤,制定更加科学的手术计划。 本系统将三维可视化引入脑肿瘤手术中[1]。 对现有的医学图像 医生可以准确地定位脑肿瘤的位置和大小,再经过详细的手术计划论证,最后确定一个最佳的进刀或放射切除方案,尽量减少肿瘤周围健康的脑神经和脑组织在手术中的损伤,确定切除的增加或减少,从而在实际中调整手术计划,使得医生的主观决定得到更好的保证。 三维可视化是虚拟现实技术在现代医学中的应用。 它利用医学影像作为原始数据,融合了图像处理、计算机图形学、科学计算可视化,虚拟现实技术。 是一种非侵入型、无接触式的零创伤的检查方式。 在外科手术中引入三维可视化系统,可以提高手术的可靠性和精度,减少外科创伤,制定更加科学的手术计划。 本系统将三维可视化引入脑肿瘤手术中[1]。 对现有的医学图像 医生可以准确地定位脑肿瘤的位置和大小,再经过详细的手术计划论证,最后确定一个最佳的进刀或放射切除方案,尽量减少肿瘤周围健康的脑神经和脑组织在手术中的损伤,确定切除的增加或减少,从而在实际中调整手术计划,使得医生的主观决定得到更好的保证。 1、系统工作基本流程 图1系统流程图 图2分割前后的图像 系统基本流程如图1所示。 该系统按照功能可分成四个部分: <1)数据获取: 从医院获取CT、MRI数据或DICOM格式数据,转化成统一格式的三维数据矩阵。 <2)数据预处理: 为了得到精确分割的脑部肿瘤,先对整个数据进行插值,滤波,去除噪声。 <3)图像分割处理,系统采用改进的区域生长算法对医学Xin图像进行分割。 <4)绘制参数设定及快速时候绘制: 通过面绘制技术,以达到快速时候绘制的目的。 2、面绘制关键技术 为了能模仿医生实际手术时肿瘤切除的大小、部位,计算机辅助手术通过数字化技术,对医学图像进行预处理、分割、绘制等处理,真实的再现了肿瘤在人脑中的位置、形状、大小等信息,并在屏幕上显示出来,供医生做术前分析。 因此,图像精确分割和快速绘制是实现人脑肿瘤三维可视化的关键技术。 2.1区域生长算法的的设计与实现 图像分割是进行三维重建的基础,分割的效果直接影响到三维重建后模型的精确性。 本文所采用区域生长算法与MC相结合,摆脱了标准MC只能用阈值分割的局限性,该算法的模块性和可扩充性好,可以将各种分割算法集成到本算法中。 区域生长是典型的串行区域分割方法,它的基本思想是将具有相似性质的像素集中起来构成区域,该方法需要先选取一个种子点,然后依次将种子像素周围的相似像素合并到种子像素所在的区域中,区域生长算法的优点是计算简单,特别适用于分割小的结构,如肿瘤和伤疤,在交互式实时绘制中能够满足快速精确的要求。 本系统采用区域生长算法,分别由两个模块实现。 <1)初始化部分。 该部分主要由用户选取种子点,并初始化,将种子压入堆栈。 <2)循环部分。 该部分选取一个种子点,作为一致性判断的标准阈值。 获取种子点的领域点,对于二维图像,取8—领域,对于三维图像,取26-领域,此外, 还需定义一个标准差,做相似度判断。 相似度条件有很多种定义方法,这里采用比较简单的定义方法,设当前队列顶端元素的灰度值为gc,当前领域灰度值为 gn,种子点的灰度值为gs。 nv,cv为用户设定的值,定义当|gs-gn| 直到领域中没有满足相似度条件为止,生长算法结束。 分割后的效果如图2所示。 2.2绘制技术在系统中的实现 三维数据场绘制有面绘制和体绘制两种方法: MarchingCube(即常称MC>是典型的面绘制算法,它是W.Lorensen等人于1987年提出来的一种三维重建方法。 它原理简单并且容易实现,在医学图像表面重建中得到广泛的应用。 体绘制技术本质上是研究光线在带颜色的,半透明的介质中传播的理论,在体绘制技术中,这种介质就是体数据,并且待绘制物体被看作是一块有色且半透明的凝胶状物质,虽然它保存了丰富的医学图像信息,由于体绘制数据存储量大,计算时间较长,很难达到交互式实时绘制,故本文在最后仅列出它的有关方法和原理简介,以备后续的进一步研究。 下面先重点介绍面绘制技术: MC算法的基本思想是逐个处理数据场中的立方体<体元),分类出与等值面相交的立方体,采用插值计算出等值面与立方体边的交点。 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。 MC算法中每一单元内等值面抽取的两个主要计算是: <1)体元中由三角面片逼近的等值面计算; <2)三角面片各顶点法向量计算。 图3三角面片与顶点示意图 在实验中发现,当采用是传统MC算法产生的三角面片顶点的法向量时,如果视点离等值面很近时,就会发现曲面不是很光滑,有明显的三角面片的伪 影。 针对这种情形,本文改进了法向量的计算方法。 传统的三角面片顶点法向量的计算方法是基于体素点的,没有用到三角面片的信息。 在实际的等值面中,一个顶点通常被几个三角面片共用,如图3中,⑥号顶点为1-4号三角形共用。 因此我们可以通过先计算三角面片的法向量,而顶点的法向量由与其相连的三角面片的法向量平均所得。 如⑥号顶点的法向量 由1-4号三角面片的法向量的平均。 三角面片的法向量等于其任何两边的矢量的叉积。 改进算法在保留图像细节的同时,也使得绘制效果更加逼真。 <3)三角面片各顶点法向量计算。 本文以中心差分获得体素中心点的梯度值来代替体素的法向量,对法向量的进行,这样可以保证重建效果比较平滑。 Gx=g Gy=g Gz=g 其中g 以下是输出三角面片的伪代码如下: Begin: 置List中所有元素的Flag为0;置m_Queue=NULL;选取构型索引不为0的立方体p,并加入队列,置其中g 以下是输出三角面片的伪代码如下: Begin: List中所有元素的Flag为0;置m_Queue=NULL;选取构型索引不为0的立方体p,并加入队列,置 list[p].Flag=1; While(! m_Queue=NULL>Do: 从队列中取出立方体C,ifList[C]。 Flag=1,Contiune;置List[C]。 Flag=1;通过C的8个顶点的情况得到C的构型索引index。 由index查找CubeCase表,得到该立方体的等直面三角剖分形式,同时计算三角面的顶点和法向量,将其输入三角面数组Array。 将与C有公共交点的相邻立方体放入队列。 EndWhile: 输出三角面片数组; End: 通过本文算法对脑部肿瘤分离后三维重建的效果如图4所示,医生可以对重建的三维肿瘤图像自由旋转,缩放等操作,动态分析肿瘤的情况还可以直观的查看x,y,z各方向的平面图,如图4,5所示。 并达到了实时绘制的要求。 图4三维重建后的肿瘤 图5x,y,z方向视图 3、体绘制技术简介 体绘制技术本质上是研究光线在带颜色的,半透明的介质中传播的理论。 在体绘制技术中,这种介质就是体数据,并且待绘制物体被看作是一块有色且半透明的凝胶状物质。 体绘制技术假设这种凝胶状物质本身是可以发光的,另外,当光线经过它的时候,还会发生光线被吸收以及光的散射现象。 不过体绘制技术中,最为关注的是如何将体数据中所包含的信息呈现出来,而不是对物理现象的精确模拟。 因此,只需要找出一种简化的光学模型,能够计算出光线经过待绘制物体以后在成像面上的图像就可以了。 (1>、射线投射法的原理 射线投射法即称Raycasting,其基本原理是根据视觉成像原理,构造出理想化的物理视觉模型,即将每个体素都看成为能够透射、发射和反射光线的粒子,然后根据光照模型或明暗模型,依据体素的介质特性得到它们的颜色(灰色图像为亮度>和不透明度,并沿着视线观察方向积分,最后在象平面上形成具有半透明效果的图像。 (2>、Raycasting的实现 下面给出算法的整个流程: 1>、对读入的体数据进行预处理如数据滤波,分割,去噪等操作; 2>、根据体数据的属性如CT、MRI灰度值对图像进行分类; 3>、参照设定的颜色映射表和阻光度表对各类的图像数据分配相应的颜色值和阻光度; 4>、根据光线跟踪法的思想沿视线方向进行重采样累积出象平面上每个像素的颜色值和阻光度。 (3>、体绘制实验结果 本文采用成都某医院提供的MRI序列图像,按照以上方法,对一肿瘤病人脑部进行绘制,实验结果证明,肿瘤显示正常,清晰。 体绘制图像不仅能显示物体的表面信息,而且可以清晰地再现物体内部的信息,这为医生的诊断提供了更多的有效信息。 同时,也可以在体绘制的基础上进行有效的三维测量、手术模拟和手术规划。 不仅有临床应用价值,也可用于医学教案。 实验结果如图6所示: 图6体绘制效果图 4、结论 本文在PC机上实现了交互式实时人脑肿瘤计算机辅助手术,采用VC++编码,结合了OpenGL等图形开发工具开发。 该系统主要有数据预处理、数据重构、图像分割、实体绘制、三维交互、计算机辅助手术和诊断报告生成等功能模块。 今后还可进一步实现网络传输[6,7],极大的方便了病人和医生。 实验结果表明,采用面绘制MC算法其绘制效率高,达到实时显示效果,且生成图像质量高。 对体绘制依托硬软件条件较高,本文仅列出了技术简介及一个算例,以备以后接续研究。 致谢: 本文研究工作得到“成都363医院咖码刀中心”张主任及傅物理师的大力支持和指导,为本研究提供了人脑医学MRI断面系列原始图形数据,在此特表示衷心感谢! 参考文献: [1]Wen-FengKuo,Chi-YuanLin,Yung-NienSun.BrainMRimagessegmentationusingstatisticalratio: Mappingbetweenwatershedand competitiveHopfieldclusteringnetworkalgorithms[J].computermethods andprogramsinbiomedicine,2008,(91>: 191-198. [2]LudvíkTesaˇr,AkinobuShimizu,DanielSmutek.Medicalimageanalysis of3DCTimagesbasedonextensionofHaralicktexturefeatures[J].ComputerizedMedicalImagingandGraphics,2008,(32>: 513-520. [3]李燕,谭鸥,段会龙.三维医学图像可视化技术综述[M].中国图像图 形学报,2001,6(2>: 103-110. [4]WenlianCheng,ChunxiaoChen,ZhiyuQian.ResearchOnMedicalImageThreeDimensionalVisualizationSystem[J].IEEE/ICMEInternational ConferenceonComplexMedicalEn2ineerin2.2007. [5]J.F.Mangin,V.Fouin,I.Bloch,etal.Lopez-Krahe.From3Dmagnetic resonanceimagestostructuralrepresentationsofthecortextopography usingtopologypreservingdeformations[J].Math.Imag.Vis,1995,5: 279-381. [6]胡建,宁交贤等.基于COM+和ASP技术访问DICOM持久性对象的研究[D].成都: 四川大学,2006. [7]刘小焕宁交贤等.医学图像互联网传输查询显示的系统和技术研究.成都: 四川大学,2008.
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 肿瘤 三维 可视化 图像 基于 分割 交互式 实时 绘制 研究
![提示](https://static.bingdoc.com/images/bang_tan.gif)