PPT-医学图像的三维可视化

医学图像的三维可视化上海理工大学聂升东泰山医学院邱建峰三维可视化的意义多排螺旋CT等的应用使的使用三维形式显示组织和器官变得可行且必要。图像三维显示技术可以更好的显示数据和诊断信息，为医生提供逼真的显示手段和定量分析工具。三维显示还可以避免医生陷入二维图像的数据“海洋”，防止过多浏览断层图像而造成漏诊率上升。三维可视化的定义和分类也称三维重建，是指通过对获得的数据或二维图像信息进行处理，生成物体的三维结构，并按照人的视觉习惯进行不同效果的显示。常见的可视化形式有多平面重建（Multiplanarreconstruction，MPR）、曲面显示(Curvedmultiplanarreconstruction，CMPR)、表面阴影显示(ShadedsurfaceDisplay，SSD)、最大（小）密度投影(Maximum/minimumintensityprojection，MIP)、虚拟内窥镜(Virtualendoscopy，VE)等。基本的三维可视化技术面绘制（SurfaceRendering）技术体绘制（VolumeRendering）技术此外，多平面显示和曲面显示属于将三维体视数据进行再切面，并将二维切面影像显示出来的技术形式，因此也称二维重建或图像重排。面绘制面绘制实际上是显示对三维物体在二维平面上的真实感投影，就像当视角位于某一点时，从该点对三维物体进行“照相”，相片上显示的三维物体形象。面绘制示例面绘制的方法通过配准及插值后，建立面绘制所需的基本三维体数据，选定作为表面显示的等值面的灰度阈值紧邻上下两层数据对应的四个像素点构成一个立方体，或对应成一个体素；体素的共8个顶点按照前面得到的等值面阈值进行分类，超过或等于阈值，则顶点算作等值面的内部点；小于阈值，顶点算作等值面的外部点；生成一个代表顶点内外部状态的二进制编码索引表移动（前进）至下一个立方体，重复3－7步。用此索引表查询一个长度为256的构型查找表，得到轮廓（等值面）与立方体空间关系的具体拓扑状态（构型）；根据构型，通过线性插值确定等值面与立方体相交的三角片顶点坐标，得到轮廓的具体位置；体绘制直接由三维数据场产生屏幕上的二维图象，称为体绘制算法。这种方法能产生三维数据场的整体图象，包括每一个细节，并具有图象质量高、便于并行处理等优点。体绘制不同于面绘制，它不需要中间几何图元，而是以体素为基本单位，直接显示图像。体绘制示例体绘制的方法光线投射(RayCasting)算法对三维体数据进行预处理，包括对各断层二维图像进行降噪；从显示屏幕的拟显示矩阵中的每个像素按照观察视角发出光线，光线穿过三维数据场，直接将采样点值作为顶点值或插值；使用梯度计算法计算各采样点的法向量，根据光照模型进行物体表面明暗显示。计算射线对屏幕显示矩阵中像素的贡献，即沿射线由远及近的计算采样点的颜色和α值。最大（小）密度投影最大密度投影认为每个三维数据体的体素是一个小的光源。按照图象空间绘制的理论，显示矩阵的像素向外发出射线，沿观察者的视线方向，射线穿过数据场遇到最大光强（最大密度值）时，与最大密度相关的数据值投影在对应的屏幕上的每个像素中形成最终图像。它可以看作是最简单的一种图像空间体绘制，不需要定义体数据和颜色值间的转换关系。最小密度投影道理相同，但选择最小密度值作为屏幕像素值。磁共振MRA(最大密度投影)重建实例一——利用MATLAB实现CT断层图像的三维重建CVTKMITKMATLAB三维重建的常用工具与研究基础医学图像三维重建为人体结构提供了真实、直观的反映，便于医学人员对病灶的观察及手术的进行。但图像三维重建编程实现困难，不易被非计算机专业人士所掌握。MATLABMATLAB6.5MATLAB6.5的图像处理工具箱实现了断层图像的三维表面重建及体重建，原理简单，编程实现方便。在对头部CT图片进行的三维表面重建及体重建实验中，重建速度快，显示效果良好，便于各类非计算机专业人士推广应用。三维重建技术的实现方法包括两种：一种是通过几何单元拼接拟合物体表面来描述物体的三维结构，称为表面绘制；另一种是直接将体像素以一定的颜色和透明度投影到显示平面的方法，称为体绘制。表面重建运算量小，表面显示清晰，但对边缘检测的要求比较高；而体重建直接基于体数据进行显示，避免了重建过程中所造成的伪像痕迹，但运算量较大。重建方法预处理为了有利于从图像中准确地提取出有用的信息，需要对原始图像进行预处理，以突出有效的图像信息，消除或减少噪声的干扰。图像格式的转换与读写图像增强图像格式的转换与读写正确读取DICOM图像后，通过选择合适的窗宽、窗位，将窗宽范围内的值通过线性或非线性变换转换为小于256的值，将CT图像转换为256色BMP图像。更严格的要求是直接基于DICOM图像进行重建，但要注意DICOM图像灰阶较多，可以适当阶梯化后进行处理，以提高处理速度。图像增强图像增强就是根据某种应用的需要，人为地突出输入图像中的某些信息，从而抑制或消除另一些信息的处理过程。使输入图像具有更好的图像质量，有利于分析及识别。三维重建和三维可视化往往针对某一器官或某一组织重建，因此可以增强目标器官的对比度或窗口宽度。直方图修改图像平滑图像边缘锐化伪彩色增强histeq()imadjust()fspecial()filter2()conv2()medfilt()灰度直方图均衡化。均匀量化的自然图像的灰度直方图通常在低灰度区间上频率较大，使得图像中较暗区域中的细节看不清楚，采用直方图修整可使原图像灰度集中的区域拉开或使灰度分布均匀，从而增大反差，使图像的细节清晰。灰度变换法。照片或电子方法得到的图像，常表现出低对比度即整个图像偏亮或偏暗，为此需要对图像中的每一个像素的灰度级进行标度变换，扩大图像灰度范围，以达到改善图像质量的目的。平滑与锐化滤波。平滑技术用于平滑图像中的噪声，基本采用在空间域上的求平均值或中值，或在频域上采取低通滤波。在MATLAB中，各种滤波方法都是在空间域中通过不同的卷积模板即滤波算子实现，可用fspecial()函数创建预定义的滤波算子，然后用filter2()或conv2()函数在实现卷积运算的基础上进行滤波。中值滤波是一种基于排序统计理论的抑制噪声的非线性信号处理技术，其在除去图像中的孤立点、线的噪声的同时，很好地保护了图像的边缘信息，适用于一些线性滤波器无法胜任地场合。图像三维表面重建计算机三维表面重建是指首先运用图像技术从二维图像中分割出兴趣区的轮廓曲线，然后经图形处理，得到其三维结构，从而再现原物体的空间结构。因此，对于三维表面重建而言，边界轮廓的提取尤为重要。为了便于面部边界的提取，先对各CT图片进行颜色处理，去掉非有效区，如头发、支架等部分，并使其色素尽量减少。在提取边界时，首先采用逐行扫描图片的办法，通过比较相邻点的像素值，找到图片边界上的一个点，作为切片边界的起点。然后从边界起点开始，逐点判断与之相邻的八个点，如果某点为图片的边界点则记录下，并开始下一步判断，直到获得所有的边界点。三维表面重建重建数据的采集边界轮廓曲线表面绘制设置图像的颜色及阴影效果设置图像光照效果设置图像的显示效果重建数据的采集运用傅立叶级数的系数，求出边界上若干个点x，y向坐标值，并为其加上适当的z坐标值xo=[0:pi/180:2*pi];%x的值在[0,2π]中选取yo=yo+a(i)*cos((i-1)*xo)+b(i)*sin((i-1)*xo);%通过傅立叶系数求y值，其中yo初始值为a0consx=[consx;yo.*cos(xo)];%将x，y值从极坐标系转换到直角坐标系consy=[consy;yo.*sin(xo)];consz=[consz;ones(1,length(xo))*iLayer*(-4.0)];%为每一切片层赋予z坐标值，iLayer为层数边界轮廓曲线表面绘制surf(consx,consy,consz);%利用surf()函数进行三维表面绘制。设置图像的颜色及阴影效果。colormap(gray);%利用colormap()函数为图像定义颜色集shadingflat;%利用shading定义显示图像的颜色阴影设置图像光照效果light('Position',[-80,-262,-200],'style','infinite');%利用light()函数为图像设置光照效果light('Position',[-500,-0,-4500],'style','infinite');light('Position',[5000,100,-300],'style','infinite');设置图像的显示效果view(-144,20);%利用view()函数定义观察者视角lightinggouraud;%利用lighting定义显示图像的光线阴影axisequal;%利用axis定义显示图像的轴运用MATLAB程序在进行CT图像边界轮廓提取的基础上得到三维表面重建图像。重建速度快、效果好；但是面绘制的缺点是信息的丢失比较大，运算量与景物和物体形状有关。CT图像三维体重建体绘制通过计算所有体素对光线的作用得到二维投影图像，基于体绘制的三维体重建方法计算量不依赖于景物的复杂程度和物体形状的复杂程度，也不需要对切片的边界轮廓进行提取，其计算过程不依赖于视点，处理三维采样信号方便，便于显示物体的内部结构。但是，三维体重建所需数据量大，运算速度较慢。重建数据的采集重建数据预处理计算数据集在显示平面累计投影构造三维体重建碎片设置图像的颜色、阴影及显示效果重建数据的采集对现有的n幅头部CT图像数据进行三维数据集D的构造，得到的数据集D为一个x×y×n的矩阵image1=imread('01.bmp');%使用imread()函数读入现有的n幅图像image2=imread('02.bmp');﹕﹕imagen=imread('n.bmp');D＝cat(3,image1,image2,image3,……imagen);%使用cat()函数创建三维矩阵D重建数据预处理采用上述方法构造的三维数据集D，数据量大，在体重建中速度慢，并且可能在计算中超出内存。因而，可以根据实际情况，对数据集D进行预处理，减少数据量。[xyzD]=reducevolume(D,[abc]);%使用reducevolume()函数减少数据量，其中a，b，c为x，y和z轴数据抽取的比例，根据数据情况自行定义。D=smooth3(D);%使用smooth()函数对数据进行平滑处理计算数据集在显示平面累计投影fv=isosurface(x,y,z,D,isovalue);%使用isosurface()函数计算数据集在显示平面累计投影，isovalue根据实际情况自行定义构造三维体重建碎片p=patch(fv,FaceColor','yellow','EdgeColor','none');%使用patch()函数对碎片进行构造，并对图像的颜色，光线进行定义，其中fv是第(3)步中得到的。设置图像的颜色、阴影及显示效果colormap(gray);%利用colormap()函数为图像定义颜色集view(3);%利用view()函数定义观察者视角lightinggouraud;%利用lighting定义显示图像的光线阴影axisequal;%利用axis定义显示图像的轴daspect([xyz]);%使用daspect()定义x、y、z轴的显示比例重建实例二——利用MATLAB实现mri颅脑的分割与三维重建颅脑三维重建一、目的•采集颅脑磁共振横断位断层影像；•编程实现颅脑的三维重建；•对重建图像进行比较分析，评价临床应用。二、材料万东i-open0.36TMRI设备、Matlab7.0软件、志愿者一名。三、实现步骤薄层、多重