体绘制技术被证实是揭示三维数据结构信息的有效工具。此前的研究主要是围绕如何提高体绘制质量和体绘制速度的算法，直到最近研究重心才放在转换函数的构造上。传统的一维转换函数依靠数据的标量值来分类各组织，但是它对于用户使用不直观，效率低，并且当两个组织标量值(灰度值)接近的时候，不能很好的分类。近年来，许多研究使用二维和三维的转换函数，同时考虑一阶和二阶导数。附加的导数信息允许精确的分类，可以很好的显示用户感兴趣的区域。然而，其他的属性，比如纹理和位置信息，没有考虑进来。在体绘制中寻找一个高效直观的转换函数来进行数据理解，仍然是一个研究的难点。转换函数的维数越高，结果就越好。因为高维的转换函数考虑了更多体素的不同属性。在临床的医学实践中，对于三维数据中的感兴趣区域，不同的场合有不一样的需要。因此在设计转换函数的时候加入用户的交互信息就非常重要。通过用户的交互，使得设计的转换函数满足临床的实际需要，显示医生感兴趣的区域。因此在医学体绘制的转换函数设计中，需要把多维转换函数和用户交互结合起来。本文就设计了一个用户交互的接口，用于设计多维转换函数。首先用户先确定需要显示的组织结构的类别，然后在体数据中随机选取几个切片，用户在切片上选择相应结构类别的采样点数据，最后用机器学习的方法根据采样点数据进行多维转换函数的自动训练。计算机辅助检测／诊断技术(CAD)在临床医学中的应用是近年来研究的热点，CAD对临床医师起着“第二双眼”的作用，它在医生读片后执行二次辅助诊断，同时可以三维分析检查，自动检测可疑区域，减少医生的肉眼观察疏漏。CAD在肺癌诊断中的应用因为其巨大的理论价值和使用价值吸引了大量的研究力量。最近，国外已经出现了一些商用的肺癌CAD系统。但是很多问题还没有解决，需要进一步研究。文中就尝试把设计的转换函数用于肺癌的检测中，并取得了较好的效果。本文使用BP神经网络设计高维的转换函数，通过用户的交互，以及神经网络训练，达到自动分类识别显示的效果，使显示的结果是用户感兴趣的区域，并去掉不相关区域。同时，把设计的转换函数应用于肺癌CAD中，较好地区分了肺部各组织的关系，减轻了临床医生的工作负担，提高读片的效率，对于下一步肺结节的提取具有重要的指导作用。