体视化技术与医疗领域应用

《体视化技术与医疗领域应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、2002中国控制与决策学术年会论文集体视化技术与医疗领域应用胡英，橱轶璐，撩m和(东北大学^工智能与机器人研究所，辽宁沈阳110004)摘要c舟绍了对真正的三摊实件教据通过图形囤像进行直观形泉的显示．试图揭示降藏在对象海t教格之中本质、结构和规律的体视化技术的基牵概惫、研究内容、发展趋势厦在医疗颤域的应用情况。关键儡：科学计算可视化；体视化·三推数据埽f医学影像1引言科学可视化学科是1987年产生的，当时是美国国家科学基金会在一份报告01中采用“科学计算可视化”一词来描述这方面的研究工作，它包括源于自然界的数据、科学研究中的实验数据和计算模型的可视化研究。科学计算可视化指的是应

2、用计算机图形学和图像处理技术，将科学计算过程中产生的数据及计算结果转换为图形或图像，并在屏幕上显示出来，进行交互处理的理论、方法和技术。实际上，随着技术的发展，科学计算可视化的含义已经太大扩展，它不仅包括科学计算数据的可视化，而且包括工程计算数据、测量数据的可视化，如有限元分析的结果，用于医学领域的计算机断层扫描(cT)敷据及核磁共振(MRI)数据的可视化⋯。体视化”1是科学可视化的一个重要组成部分，它是在吸收图像处理、计算机视觉和计算机图形学等学科知识的基础上发展起来的。传统计算机图形学以面和边等基元来描述物体，不包含有任何内部信息；而三维体视化则是以三维基元(体素)来描述整

3、个物体，它包含物体内外的全部信息。体数据比几何表示的信息更丰富、更完整，而且更适台表示不规则的研究对象，如：生物组织、地形、矿床以及其它地质体等。成：，o)，xER4，{卫}是n维空间的采样点一：瓣1鋈篓图孽壤圈图是三维体视化的主要过程口]。体’F焉焉j赢i1兰苎写l计算机模型，I数据可以从一系列二维投影数据经过图像—_=1一体素化匕：．旦堡兰I量萎芸慧躲茎霎层耋慧鬈薷誉票≮蓠誉票完成图像重建任务，产生一系列断层图像。—t竺坐坐!』-一另外，体数据还来源于连续的计算模型或圈1体规忧的主要过程基金珥目：北京大学视觉与听觉信息姓理实验室基金项目2：35能转化为体数据。与体索化相反的

4、过程是物体三维重建，它是从体数据中抽取出物体的表面。可以认为·体索化和物体重建是实现离散的体数据表示与连续的几何表示之间相互转换的两个互逆过程，它们是将体视化和传统计算机图形学连接起来的纽带。对体数据进行显示(即对体数据中蕴涵的物体结构进行显示)基本有两种方法“]：一种是先进行物体三维重建，再利用计算机图形学的显示技术对重建表面进行显示，这种方法称为基于表面的显示方法；另一种是直接对体数据进行显示，称之为基于体素的显示或赢接体视方法。无论采用哪种显示方法，它们最终都将生成一个显示图像。但不同的显示方法生成的显示图像效果不同。三维体视化的第一步是图像获取。通过图像获取设备(cT、

5、磁共振或超声扫描)对真实物体进行扫描而得到一组二维断层图像，也可通过对计算模型的离散采样来构成二维断层图像。一般来说，这些断层图像都含有噪声，需要进行滤波以提高信噪比。当这组二维断层图像之间的问距相对于图像内象素之间的间距很大时，或者断层图像之同的问距不均匀时，就需要在断层图像之问构造新的二维图像，这个过程叫做图像插值。经过图像插值，就得到一个各向同性的三维体数据。为进一步提高信噪比，有时还需要进行一次三维滤波。三维体数据也可以通过对几何模型进行体素化来获得，体素化是体视化的重要的研究主题之一。如上所述，体视化并非把产生显示图像作为最终目标。操作者主动地参与可视化过程，根据需要

6、对体数据所蕴涵的不同对象进行选择，并施加诸如缩放平移、旋转、删除、改变其物理属性(颜色、透明度、反射系数等)以及剖切等操作，目的是使人能够更好地理解和掌握对象结构。对体数据的操作实质上是对其进行相应变换。体数据的分类也是一个关键步骤，它的任务是赋予每个体素一个标号以标明它所属的类别。经过图像分类，除了原始三维灰度图像外，我们还获得了三维属性图像。3体视化的研究内容3．1体数据的表示体数据在计算机中的表示方式不同，相应的体视算法也会有所差别。以三维数组表示三维体数据是一种最直观也是最常用的方式，每个数组元素记录与体素有关的一些数据。目前，体数据的表示主要有3种方式：原始灰度图像，

7、二值化图像和二值化图像的简化表示，以及原始灰度图像加上属性的综合表示。关于体数据的表示方式涉及到表示精度、存储过程和处理时间之间的矛盾。目前，一个引人注且的研究方向是体数据的压缩以及对压缩的体数据直接进行体视03，它能够较好地处理存储和计算之间的矛盾。尤其是小波方法，它不仅可以进行高压鳙比的压缩，同时分解成小渡基的体数据具有一些独特的性质，使增强体数据中物体特征、减少计算量都成为可能。3．2体数据的分割和分类体数据分割主要借用计算机视觉中的分割方法，按照分割输出结果的不同可分为两类：二值分割