基于GPU光线投射算法心脏体数据三维可视化.docVIP

基于GPU光线投射算法心脏体数据三维可视化 　　摘要： 　　心脏成像和可视化技术在心脏疾病诊断、治疗规划中发挥着重要作用。针对分割后的心脏体数据集，提出了使用图形处理器（GPU）加速光线投射算法进行高质量三维可视化的新方法。该方法结合心脏体数据统计信息设计传递函数，增大细微组织的不透明度值；基于梯度模自适应地调整采样步长，提高组织边界的采样频率；应用改进的BlinnPhong多光源光照模型，增强可视化效果。实验结果表明，该方法在实现实时绘制的同时，能够获得高质量的体绘制效果，渲染出清晰的瓣膜和冠状动脉血管等心脏细微组织。 　　关键词：三维可视化；体绘制；光线投射；图形处理器；心脏 　　中图分类号：TP391.41 　　文献标志码：A 　　0引言 　　心脏成像和可视化技术是研究心脏解剖结构、功能和病理之间关系的有效方法，在临床诊断和治疗规划中发挥着重要作用。通过三维可视化技术对人体心脏体数据进行渲染处理，生成其三维重建效果图，为医生提供更加直观准确的诊疗信息，能够提高医疗诊断和治疗规划的准确性和科学性[1]。 　　三维可视化技术主要包括面绘制和体绘制两大类[2]。与面绘制相比，体绘制不仅能够渲染出高质量的重建效果，还能够对体数据的内部细节进行清晰展示，可用于三维医学图像体数据的真实感绘制[3]。在体绘制算法中，光线投射算法重建的图像质量最高，但其计算繁琐，时间复杂度大，难以实现实时绘制。随着计算机图形硬件的发展，可以利用图形硬件自带的三线性插值等功能将复杂的光线投射过程转移到图形处理器（Graphics Processing Unit， GPU）上进行，通过GPU的流式并行计算模式实现加速。 　　最早的GPU光线投射算法是由Krüger等[4]提出的一种多步算法，算法使用顶点着色程序进行深度测试和阻塞询问，循环实现光线积分，需要多次绘制包围盒的前后表面，实现复杂，绘制速度慢。Stegmaier等[5]首先提出一种单步GPU光线投射算法，算法需要先绘制体数据包围盒，再通过执行片段着色程序获取投射光线参数实现光线积分，但其需要绘制6个代理面，且使用了动态分支，比较复杂。储璟骏等[6]对文献[5]中的算法进行了改进，使用Cg语言编写顶点和片段着色程序，只需要绘制一个代理面就能获取光线的起始点，但其使用预先计算梯度并保存的方法获取体素法向量，内存占用量大。邹华等[7]提出基于离屏渲染技术的GPU光线投射算法，通过绘制体数据包围盒的前后表面来快速确定投射光线参数，光照模型中表面法向量通过实时计算体素梯度获得，但算法绘制效果有待提高。袁斌[8]针对均匀数据场可视化的问题，提出了一种改进的GPU光线投射算法，算法采用按需实时计算梯度的方法，省略无效体素的梯度计算过程，效率较高，但算法使用汇编语言实现，编程比较复杂。 　　上述算法都是通用的GPU光线投射算法，研究的重点是如何提高渲染速度，在用于医学图像体数据可视化时，绘制效果有待提高，需要设计专用的医学图像体数据可视化算法。解立志等[9]针对已分割的脑血管体数据，提出了一种基于统一计算架构（Compute Unified Device Architecture， CUDA）的光线投射算法，算法能够渲染出符合人眼视觉特性的清晰脑血管绘制效果，但其方法却不适用于心脏体数据的高质量可视化。Yang等[10]针对已经分割好的心脏体数据，提出了一种改进的光线投射算法，基于分类的思想设计传递函数，获得了较好的外围轮廓可视化效果，但是算法没有使用GPU加速，运行效率低。Gai等[11]提出基于统计策略对心脏体数据集进行可视化的新方法，该方法基于统计策略和梯度信息设计传递函数，能够获得比较好的心脏内部瓣膜组织的绘制效果，但整体轮廓不够清晰。Wang等[12]提出了基于上下文保留策略的心脏体数据三维可视化方法，获得了良好的绘制效果，但细微的冠状动脉血管部分没有得到清晰的渲染。 　　针对通用GPU光线投射算法不适用于心脏体数据高质量体绘制和专用心脏数据体绘制算法渲染效果有待提高的问题，本文提出基于GPU光线投射算法对心脏体数据集进行高质量三维可视化的新方法。该方法结合心脏体数据的特点设计传递函数，基于体素梯度模自适应地调整采样步长，并应用改进的BlinnPhong多光源光照模型增强可视化效果。 　　1GPU光线投射算法 　　光线投射算法是一种基于图像空间的经典体绘制算法，它采用为每个体素分配光学属性的方法合成图像，有利于体数据细节的保留，重建图像质量高。但该算法需要对图像空间的每个像素点进行颜色计算，对体素进行采样合成时运算量巨大，降低了绘制速度，难以实现实时交互渲染。GPU光线投射算法能够利用图形硬件自带的三线性插值功能快速实现传统算法中耗时的采样和插值运算，并基于GPU强大的流式并