醫(yī)學(xué)圖像的維可視化專家講座

三維可視化意義多排螺旋CT等應(yīng)用使使用三維形式顯示組織和器官變得可行且必要。圖像三維顯示技術(shù)能夠更加好顯示數(shù)據(jù)和診療信息，為醫(yī)生提供逼真顯示伎倆和定量分析工具。三維顯示還能夠防止醫(yī)生陷入二維圖像數(shù)據(jù)“海洋”，預(yù)防過多瀏覽斷層圖像而造成漏診率上升。醫(yī)學(xué)圖像的維可視化專家講座第1頁三維可視化定義和分類也稱三維重建,是指經(jīng)過對取得數(shù)據(jù)或二維圖像信息進行處理,生成物體三維結(jié)構(gòu),并按照人視覺習(xí)慣進行不一樣效果顯示。常見可視化形式有多平面重建（Multiplanarreconstruction,MPR）、曲面顯示(Curvedmultiplanarreconstruction,CMPR)、表面陰影顯示(ShadedsurfaceDisplay,SSD)、最大（小）密度投影(Maximum/minimumintensityprojection,MIP)、虛擬內(nèi)窺鏡(Virtualendoscopy,VE)等。醫(yī)學(xué)圖像的維可視化專家講座第2頁基本三維可視化技術(shù)面繪制（SurfaceRendering）技術(shù)體繪制（VolumeRendering）技術(shù)另外,多平面顯示和曲面顯示屬于將三維體視數(shù)據(jù)進行再切面,并將二維切面影像顯示出來技術(shù)形式,所以也稱二維重建或圖像重排。醫(yī)學(xué)圖像的維可視化專家講座第3頁面繪制面繪制實際上是顯示對三維物體在二維平面上真實感投影,就像當(dāng)視角位于某一點時,從該點對三維物體進行“攝影”,相片上顯示三維物體形象。醫(yī)學(xué)圖像的維可視化專家講座第4頁面繪制示例醫(yī)學(xué)圖像的維可視化專家講座第5頁面繪制方法經(jīng)過配準(zhǔn)及插值后,建立面繪制所需基本三維體數(shù)據(jù),選定作為表面顯示等值面灰度閾值緊鄰上下兩層數(shù)據(jù)對應(yīng)四個像素點組成一個立方體,或?qū)?yīng)成一個體素；體素共8個頂點按照前面得到等值面閾值進行分類,超出或等于閾值,則頂點算作等值面內(nèi)部點；小于閾值,頂點算作等值面外部點；生成一個代表頂點內(nèi)外部狀態(tài)二進制編碼索引表移動（前進）至下一個立方體,重復(fù)3－7步。用此索引表查詢一個長度為256構(gòu)型查找表,得到輪廓（等值面）與立方體空間關(guān)系詳細拓撲狀態(tài)（構(gòu)型）；依據(jù)構(gòu)型,經(jīng)過線性插值確定等值面與立方體相交三角片頂點坐標(biāo),得到輪廓詳細位置；醫(yī)學(xué)圖像的維可視化專家講座第6頁體繪制直接由三維數(shù)據(jù)場產(chǎn)生屏幕上二維圖象,稱為體繪制算法。這種方法能產(chǎn)生三維數(shù)據(jù)場整體圖象,包含每一個細節(jié),并含有圖象質(zhì)量高、便于并行處理等優(yōu)點。體繪制不一樣于面繪制,它不需要中間幾何圖元,而是以體素為基本單位,直接顯示圖像。醫(yī)學(xué)圖像的維可視化專家講座第7頁體繪制示例醫(yī)學(xué)圖像的維可視化專家講座第8頁體繪制方法光線投射(RayCasting)算法對三維體數(shù)據(jù)進行預(yù)處理,包含對各斷層二維圖像進行降噪；從顯示器幕擬顯示矩陣中每個像素按照觀察視角發(fā)出光線,光線穿過三維數(shù)據(jù)場,直接將采樣點值作為頂點值或插值；使用梯度計算法計算各采樣點法向量,依據(jù)光照模型進行物體表面明暗顯示。計算射線對屏幕顯示矩陣中像素貢獻,即沿射線由遠及近計算采樣點顏色和α值。醫(yī)學(xué)圖像的維可視化專家講座第9頁最大（小）密度投影最大密度投影認為每個三維數(shù)據(jù)體體素是一個小光源。按照圖象空間繪制理論,顯示矩陣像素向外發(fā)出射線,沿觀察者視線方向,射線穿過數(shù)據(jù)場碰到最大光強（最大密度值）時,與最大密度相關(guān)數(shù)據(jù)值投影在對應(yīng)屏幕上每個像素中形成最終圖像。它能夠看作是最簡單一個圖像空間體繪制,不需要定義體數(shù)據(jù)和顏色值間轉(zhuǎn)換關(guān)系。最小密度投影道理相同,但選擇最小密度值作為屏幕像素值。醫(yī)學(xué)圖像的維可視化專家講座第10頁磁共振MRA(最大密度投影)醫(yī)學(xué)圖像的維可視化專家講座第11頁重建實例一——

利用MATLAB實現(xiàn)

CT斷層圖像三維重建

醫(yī)學(xué)圖像的維可視化專家講座第12頁CVTKMITKMATLAB三維重建慣用工具

與研究基礎(chǔ)醫(yī)學(xué)圖像的維可視化專家講座第13頁醫(yī)學(xué)圖像三維重建為人體結(jié)構(gòu)提供了真實、直觀反應(yīng),便于醫(yī)學(xué)人員對病灶觀察及手術(shù)進行。但圖像三維重建編程實現(xiàn)困難,不易被非計算機專業(yè)人士所掌握。MATLAB醫(yī)學(xué)圖像的維可視化專家講座第14頁MATLAB6.5MATLAB6.5圖像處理工具箱實現(xiàn)了斷層圖像三維表面重建及體重建,原理簡單,編程實現(xiàn)方便。在對頭部CT圖片進行三維表面重建及體重建試驗中,重建速度快,顯示效果良好,便于各類非計算機專業(yè)人士推廣應(yīng)用。醫(yī)學(xué)圖像的維可視化專家講座第15頁三維重建技術(shù)實現(xiàn)方法包含兩種:一個是經(jīng)過幾何單元拼接擬合物體表面來描述物體三維結(jié)構(gòu)，稱為表面繪制；另一個是直接將體像素以一定顏色和透明度投影到顯示平面方法，稱為體繪制。醫(yī)學(xué)圖像的維可視化專家講座第16頁表面重建運算量小,表面顯示清楚,但對邊緣檢測要求比較高；而體重建直接基于體數(shù)據(jù)進行顯示,防止了重建過程中所造成偽像痕跡,但運算量較大。醫(yī)學(xué)圖像的維可視化專家講座第17頁重建方法醫(yī)學(xué)圖像的維可視化專家講座第18頁預(yù)處理為了有利于從圖像中準(zhǔn)確地提取出有用信息,需要對原始圖像進行預(yù)處理,以突出有效圖像信息,消除或降低噪聲干擾。圖像格式轉(zhuǎn)換與讀寫圖像增強醫(yī)學(xué)圖像的維可視化專家講座第19頁圖像格式轉(zhuǎn)換與讀寫正確讀取DICOM圖像后,經(jīng)過選擇適當(dāng)窗寬、窗位,將窗寬范圍內(nèi)值經(jīng)過線性或非線性變換轉(zhuǎn)換為小于256值,將CT圖像轉(zhuǎn)換為256色BMP圖像。更嚴(yán)格要求是直接基于DICOM圖像進行重建,但要注意DICOM圖像灰階較多,能夠適當(dāng)階梯化后進行處理,以提升處理速度。醫(yī)學(xué)圖像的維可視化專家講座第20頁圖像增強圖像增強就是依據(jù)某種應(yīng)用需要,人為地突出輸入圖像中一些信息,從而抑制或消除另一些信息處理過程。使輸入圖像含有更加好圖像質(zhì)量,有利于分析及識別。三維重建和三維可視化往往針對某一器官或某一組織重建,所以能夠增強目標(biāo)器官對比度或窗口寬度。醫(yī)學(xué)圖像的維可視化專家講座第21頁直方圖修改圖像平滑圖像邊緣銳化偽彩色增強histeq()imadjust()fspecial()filter2()conv2()medfilt()醫(yī)學(xué)圖像的維可視化專家講座第22頁灰度直方圖均衡化。均勻量化自然圖像灰度直方圖通常在低灰度區(qū)間上頻率較大,使得圖像中較暗區(qū)域中細節(jié)看不清楚,采取直方圖修整可使原圖像灰度集中區(qū)域拉開或使灰度分布均勻,從而增大反差,使圖像細節(jié)清楚。醫(yī)學(xué)圖像的維可視化專家講座第23頁灰度變換法。照片或電子方法得到圖像,常表現(xiàn)出低對比度即整個圖像偏亮或偏暗,為此需要對圖像中每一個像素灰度級進行標(biāo)度變換,擴大圖像灰度范圍,以到達改進圖像質(zhì)量目標(biāo)。醫(yī)學(xué)圖像的維可視化專家講座第24頁平滑與銳化濾波。平滑技術(shù)用于平滑圖像中噪聲,基本采取在空間域上求平均值或中值,或在頻域上采取低通濾波。在MATLAB中,各種濾波方法都是在空間域中經(jīng)過不一樣卷積模板即濾波算子實現(xiàn),可用fspecial()函數(shù)創(chuàng)建預(yù)定義濾波算子,然后用filter2()或conv2()函數(shù)在實現(xiàn)卷積運算基礎(chǔ)上進行濾波。中值濾波是一個基于排序統(tǒng)計理論抑制噪聲非線性信號處理技術(shù),其在除去圖像中孤立點、線噪聲同時,很好地保護了圖像邊緣信息,適合用于一些線性濾波器無法勝任地場所。醫(yī)學(xué)圖像的維可視化專家講座第25頁圖像三維表面重建計算機三維表面重建是指首先利用圖像技術(shù)從二維圖像中分割出興趣區(qū)輪廓曲線,然后經(jīng)圖形處理,得到其三維結(jié)構(gòu),從而再現(xiàn)原物體空間結(jié)構(gòu)。所以,對于三維表面重建而言,邊界輪廓提取尤為主要。醫(yī)學(xué)圖像的維可視化專家講座第26頁為了便于面部邊界提取,先對各CT圖片進行顏色處理,去掉非有效區(qū),如頭發(fā)、支架等部分,并使其色素盡可能降低。在提取邊界時,首先采取逐行掃描圖片方法,經(jīng)過比較相鄰點像素值,找到圖片邊界上一個點,作為切片邊界起點。然后從邊界起點開始,逐點判斷與之相鄰八個點,假如某點為圖片邊界點則統(tǒng)計下,并開始下一步判斷,直到取得全部邊界點。醫(yī)學(xué)圖像的維可視化專家講座第27頁醫(yī)學(xué)圖像的維可視化專家講座第28頁三維表面重建重建數(shù)據(jù)采集邊界輪廓曲線表面繪制設(shè)置圖像顏色及陰影效果設(shè)置圖像光照效果設(shè)置圖像顯示效果醫(yī)學(xué)圖像的維可視化專家講座第29頁重建數(shù)據(jù)采集利用傅立葉級數(shù)系數(shù),求出邊界上若干個點x,y向坐標(biāo)值,并為其加上適當(dāng)z坐標(biāo)值xo=[0:pi/180:2*pi];%x值在[0,2π]中選取yo=yo+a(i)*cos((i-1)*xo)+b(i)*sin((i-1)*xo);%經(jīng)過傅立葉系數(shù)求y值,其中yo初始值為a0consx=[consx;yo.*cos(xo)];%將x,y值從極坐標(biāo)系轉(zhuǎn)換到直角坐標(biāo)系consy=[consy;yo.*sin(xo)];consz=[consz;ones(1,length(xo))*iLayer*(-4.0)];%為每一切片層賦予z坐標(biāo)值,iLayer為層數(shù)醫(yī)學(xué)圖像的維可視化專家講座第30頁邊界輪廓曲線表面繪制surf(consx,consy,consz);%利用surf()函數(shù)進行三維表面繪制。醫(yī)學(xué)圖像的維可視化專家講座第31頁設(shè)置圖像顏色及陰影效果。colormap(gray);%利用colormap()函數(shù)為圖像定義顏色集shadingflat;%利用shading定義顯示圖像顏色陰影醫(yī)學(xué)圖像的維可視化專家講座第32頁設(shè)置圖像光照效果light('Position',[-80,-262,-200],'style','infinite');%利用light()函數(shù)為圖像設(shè)置光照效果light('Position',[-500,-0,-4500],'style','infinite');light('Position',[5000,100,-300],'style','infinite');醫(yī)學(xué)圖像的維可視化專家講座第33頁設(shè)置圖像顯示效果

view(-144,20);%利用view()函數(shù)定義觀察者視角lightinggouraud;%利用lighting定義顯示圖像光線陰影axisequal;%利用axis定義顯示圖像軸醫(yī)學(xué)圖像的維可視化專家講座第34頁醫(yī)學(xué)圖像的維可視化專家講座第35頁利用MATLAB程序在進行CT圖像邊界輪廓提取基礎(chǔ)上得到三維表面重建圖像。重建速度快、效果好；不過面繪制缺點是信息丟失比較大,運算量與景物和物體形狀相關(guān)。醫(yī)學(xué)圖像的維可視化專家講座第36頁CT圖像三維體重建體繪制經(jīng)過計算全部體素對光線作用得到二維投影圖像,基于體繪制三維體重建方法計算量不依賴于景物復(fù)雜程度和物體形狀復(fù)雜程度,也不需要對切片邊界輪廓進行提取,其計算過程不依賴于視點,處理三維采樣信號方便,便于顯示物體內(nèi)部結(jié)構(gòu)。不過,三維體重建所需數(shù)據(jù)量大,運算速度較慢。醫(yī)學(xué)圖像的維可視化專家講座第37頁重建數(shù)據(jù)采集重建數(shù)據(jù)預(yù)處理計算數(shù)據(jù)集在顯示平面累計投影結(jié)構(gòu)三維體重建碎片設(shè)置圖像顏色、陰影及顯示效果醫(yī)學(xué)圖像的維可視化專家講座第38頁重建數(shù)據(jù)采集對現(xiàn)有n幅頭部CT圖像數(shù)據(jù)進行三維數(shù)據(jù)集D結(jié)構(gòu),得到數(shù)據(jù)集D為一個x×y×n矩陣image1=imread('01.bmp');%使用imread()函數(shù)讀入現(xiàn)有n幅圖像image2=imread('02.bmp');﹕﹕imagen=imread('n.bmp');D＝cat(3,image1,image2,image3,……imagen);%使用cat()函數(shù)創(chuàng)建三維矩陣D醫(yī)學(xué)圖像的維可視化專家講座第39頁重建數(shù)據(jù)預(yù)處理采取上述方法結(jié)構(gòu)三維數(shù)據(jù)集D,數(shù)據(jù)量大,在體重建中速度慢,而且可能在計算中超出內(nèi)存。因而,能夠依據(jù)實際情況,對數(shù)據(jù)集D進行預(yù)處理,降低數(shù)據(jù)量。[xyzD]=reducevolume(D,[abc]);%使用reducevolume()函數(shù)降低數(shù)據(jù)量,其中a,b,c為x,y和z軸數(shù)據(jù)抽取百分比,依據(jù)數(shù)據(jù)情況自行定義。D=smooth3(D);%使用smooth()函數(shù)對數(shù)據(jù)進行平滑處理醫(yī)學(xué)圖像的維可視化專家講座第40頁計算數(shù)據(jù)集在顯示平面累計投影fv=isosurface(x,y,z,D,isovalue);%使用isosurface()函數(shù)計算數(shù)據(jù)集在顯示平面累計投影,isovalue依據(jù)實際情況自行定義醫(yī)學(xué)圖像的維可視化專家講座第41頁結(jié)構(gòu)三維體重建碎片p=patch(fv,FaceColor','yellow','EdgeColor','none');%使用patch()函數(shù)對碎片進行結(jié)構(gòu),并對圖像顏色,光線進行定義,其中fv是第(3)步中得到。醫(yī)學(xué)圖像的維可視化專家講座第42頁設(shè)置圖像顏色、陰影及顯示效果colormap(gray);%利用colormap()函數(shù)為圖像定義顏色集view(3);%利用view()函數(shù)定義觀察者視角lightinggouraud;%利用lighting定義顯示圖像光線陰影axisequal;%利用axis定義顯示圖像軸daspect([xyz]);%使用daspect()定義x、y、z軸顯示百分比醫(yī)學(xué)圖像的維可視化專家講座第43頁醫(yī)學(xué)圖像的維可視化專家講座第44頁重建實例二——

利用MATLAB實現(xiàn)

mri顱腦分割與三維重建

醫(yī)學(xué)圖像的維可視化專家講座第45頁顱腦三維重建

一、目標(biāo)采集顱腦磁共振橫斷位斷層影像；編程實現(xiàn)顱腦三維重建；對重建圖像進行比較分析,評價臨床應(yīng)用。二、材料萬東i-open0.36TMRI設(shè)備、Matlab7.0軟件、志愿者一名。醫(yī)學(xué)圖像的維可視化專家講座第46頁三、實現(xiàn)步驟薄層、多重復(fù)次數(shù)取得部分腦橫斷位圖像（共17幅）。將17幅顱腦橫斷位圖像導(dǎo)入Matlab軟件中，進行顱腦重建:分割出顱腦（去除頭皮與骨骼）；濾波（降噪）；插值（增加層數(shù)）；三維重建顱腦。醫(yī)學(xué)圖像的維可視化專家講座第47頁顱腦閾值分割顱腦分割是三維重建顱腦第一步，也是關(guān)鍵一步。方法:閾值與形態(tài)學(xué)結(jié)合方法分割顱腦。借助診療醫(yī)師幫助分割顱腦。

醫(yī)學(xué)圖像的維可視化專家講座第48頁閾值與形態(tài)學(xué)結(jié)合方法分割顱腦（以第4幅圖為例）。醫(yī)學(xué)圖像的維可視化專家講座第49頁借助診療醫(yī)師幫助分割顱腦經(jīng)過診療醫(yī)師標(biāo)定后后5幅顱腦橫斷位圖像:

第16幅第17幅第13幅第14幅第15幅醫(yī)學(xué)圖像的維可視化專家講座第50頁以第14幅圖像為例，說明借助診療醫(yī)師幫助分割出顱腦方法:醫(yī)學(xué)圖像的維可視化專家講座第51頁經(jīng)過上述兩種方法對顱腦進行分割，其分割前與分割后結(jié)果比較以下列圖所表示:

分割前圖像醫(yī)學(xué)圖像的維可視化專家講座第52頁

分割后圖像:醫(yī)學(xué)圖像的維可視化專家講座第53頁

濾波平滑

未濾波時重建顱腦:醫(yī)學(xué)圖像的維可視化專家講座第54頁采取中值濾波方法處理分割后顱腦橫斷位圖像:

第1幅第2幅第3幅醫(yī)學(xué)圖像的維可視化專家講座第55頁

第4幅

第5幅

第6幅

第7幅

第8幅

第9幅

第10幅

第11幅醫(yī)學(xué)圖像的維可視化專家講座第56頁