基于轮廓线的由医学图像生成三维CAD模型算法__培训课件.pptxVIP

基于轮廓线的由医学图像生成三维CAD模型算法主要内容1研究背景2医学图像生成三维CAD模型53结论双向平滑滤波和分支表面生成算法应用验证4研究背景 如今，医学成像技术，如计算机断层扫描、磁共振、PET和B超等，被广泛用于医疗诊断和外科手术规划中。随着计算机成像和扫描技术的发展，现在已经可以由医学图像（如CT)生成医用三维模型。 重建后的三维模型可以提供宝贵的医疗信息，可以作为一个强大的诊断工具使外科医生能够了解人体复杂的解剖学结构，还可以用于制造人造器官（人造骨，血管）和各种医学仿真和分析。医学图像生成三维CAD模型基于体素的方法医学图像生成三维模型基于轮廓线的方法 对医学图像的三维重建，现在存在着很多方法，但大多数可以归为两类：基于体素的方法基于体素的方法缺点：这种运用三角形体素的方法经常产生错误的形状，而且不经过后期处理，这种方法产生的模型很难应用到生产和工程中。优点：运用了marching cube 算法，用三角形体素网面来构成高分辨率的三维模型的表面，在数据结构，数据计算处理方面效率高。基于轮廓线的方法 1.从医学图像中提取出横截面轮廓数据基于轮廓线的方法2.对横截面轮廓线进行平滑处理 3.由各个横截面的轮廓线生成三维模型表面基于轮廓线的方法轮廓数据提取 医学图像可以看作一个三维点阵，扫描方向沿着轴线方向，则每个截面就是一个二维矩阵。这就可以通过人工构描法或者采用图像边缘检测算法，提取出每个截面的轮廓线数据。 运用形态学操作和轮廓跟踪算法处理，生成封闭无缺口的轮廓线。 完成图像的轮廓线提取后，医学图像就转变为一系列排列紧凑的封闭轮廓线。 基于轮廓线的方法轮廓线的平滑处理 一旦有了轮廓数据，就可通过连接相邻轮廓线上的数据点创建表面模型。但医学图像的人为因素较多，有时相邻轮廓的形状差异变化很大，这导致拟合后形成的模型表面粗糙，多褶皱。这就需要用平滑算法处理轮廓数据，减缓轮廓数据中的突变，获得较为平滑的轮廓线，进而通过蒙皮算法生成较为平滑的模型表面。基于轮廓线的方法双向平滑滤波已获取轮廓线平滑的轮廓线组分支表面生成双向平滑滤波 轮廓线的平滑处理的第一步，目的是为了在双方向上（平行于横截面方向和垂直于横截面方向）对轮廓线组进行平滑滤波，消去噪声，并确定相邻轮廓线之间的连通性，方便模型表面的生成，避免模型表面的扭曲和褶皱。 垂直方向的轮廓线平滑滤波u方向的轮廓线重构预设相邻轮廓线的连通性u方向的轮廓线重构 u方向的轮廓线重构是基于弦长，对单条轮廓线轨迹进行平滑处理的步骤。 首先要确定取样比（sampling ratio），然后计算所需弦长。 弦长公式：u方向的轮廓线重构轮廓线的重建：一条轮廓线：Ck={P1,P2, ....,Pm}, 共m个点；根据弦长与实际两点之间的距离的比较分为两种情况，通过用新的整形点来取代原有点来实现轮廓线的重建。u方向的轮廓线重构新的整形点Pnew点在Ci中插入到Pi和Pi+1之间u方向的轮廓线重构u方向的轮廓线重构 s是符合下式的最大整数： 弦长余量：得到的新整形点Pnew点在Ci中取代被覆盖的{Pi+1,...,Pi+s+1}u方向的轮廓线重构 传统的高斯滤波和均值滤波等滤波器同样可以实现对轮廓线的平滑处理，但是同时随着算法迭代次数的增加会引起轮廓线的过度收缩和对轮廓线形状的篡改。 相比之下这种轮廓线重构的方法不仅可以消除轮廓线上形状的突变和噪点，还能够防止轮廓线的过度紧缩，防止丢失轮廓线上的形状细节。u方向的轮廓线重构a. CT图像上的最初轮廓线b. 高斯滤波处理c. 均值滤波处理d. 轮廓线重构处理u方向的轮廓线重构轮廓线重构高斯滤波均值滤波 横坐标：迭代次数 纵坐标：轮廓区域面积相邻轮廓的连通性 u方向的轮廓线重构结束后，相邻轮廓之间的连接决定了垂直方向上的形状，因此在垂直方向平滑滤波前需要预设相邻轮廓线间的连通性，确定相邻轮廓线上采样点的一一对应的连接关系。整个预设过程是通过将轮廓线组进行参数化来实现的。主要步骤如下：轮廓组的参数化确定各个点的参数位置确定轮廓组垂直方向上的连接相邻轮廓的连通性1. 轮廓组的参数化定义参数：u方向： 其中：i=1，2，3……m；k=1，2，3……n；u1=0v方向： 其中：j=1，2，3……n； Zk 是第k个轮廓在Z方向上的高度 相邻轮廓的连通性2. 确定各个点的参数位置将轮廓线中的点在上一步确定的参数域中进行表述，各个参数点在u、v方向间距均匀地排布：i=1，2，3……m； Δu=1/mj=1，2，3……n； Δv=1/nui=ui-1+Δuvj =vj-1+Δv相邻轮廓的连通性3. 确定轮廓组垂直方向上的连接 参数域以及轮廓上各个点的参数值确定后，每个参数点表示为（ui，vj）的形式，轮廓组可以看作一个矩形二维点阵。 点阵中每一