基于可視化虛擬人數(shù)據(jù)集的結(jié)構(gòu)分離和顯示方法研究.pdf

1、數(shù)字化可視虛擬人體，是醫(yī)學(xué)與信息技術(shù)，虛擬現(xiàn)實(shí)技術(shù)相結(jié)合的科技性研究課題。通過人體斷面連續(xù)切片構(gòu)建出數(shù)據(jù)集，將醫(yī)學(xué)信息數(shù)字化，為醫(yī)學(xué)教育和醫(yī)學(xué)臨床的應(yīng)用提供了理想的工具。建立數(shù)字化器官模型是數(shù)字化虛擬人中的一個(gè)主要工作。準(zhǔn)確逼真的數(shù)字化器官模型可以在臨床，教學(xué)中發(fā)揮不可忽視的作用。數(shù)字化器官模型的建立涉及到多學(xué)科知識(shí)的交叉應(yīng)用。其中特定器官結(jié)構(gòu)的提取是工作的重點(diǎn)，它直接關(guān)系到下一步建模和可視化結(jié)果的好壞。 可視化虛擬人數(shù)據(jù)集中的

2、醫(yī)學(xué)圖像除了具有一般醫(yī)學(xué)圖像，細(xì)節(jié)豐富，不規(guī)則的特點(diǎn)之外，還因?yàn)槠鋽?shù)據(jù)量巨大，而呈現(xiàn)出更多的問題有待解決。 本文的研究是圍繞可視化虛擬人數(shù)據(jù)庫(VisibleHumanBeingDataset)中的圖像分割處理和器官重建、三維顯示展開的。我們所要處理的圖像是數(shù)據(jù)庫中的彩色低溫?cái)鄬訏呙鑸D像，針對(duì)彩色圖像的特點(diǎn)，在圖像的分割方法上我們選擇了基于區(qū)域的向量置信度連接(VectorConfidenceConnected)的低級(jí)分割方法和

3、基于邊界的水平集(LevelSet)高級(jí)分割方法，并提出了基于這兩種方法的向量閾值水平集方法。在分割結(jié)果中，邊界的平滑性得到了保持，同時(shí)半自動(dòng)的分割方法既有效地結(jié)合了醫(yī)學(xué)專家的醫(yī)學(xué)背景知識(shí)，同時(shí)又提高了分割的速度。經(jīng)過實(shí)驗(yàn)證明，這種組合的分割方法很適合可視人數(shù)據(jù)庫中的醫(yī)學(xué)圖像的分割處理。我們分別利用了三種比較成熟的三維體數(shù)據(jù)顯示方法：光線跟蹤(RayCasting)、紋理映射(TextureMapping)、等值面抽取(Marching