医学图像三维重建是目前的一个研究热点问题,是计算机图形学和图像处理在生物医学工程中的重要应用。它是一个多学科交叉的研究领域,涉及到数字图像处理、计算机图形学以及医学领域的相关知识。医学图像三维重建及可视化在诊断医学、手术规划及模拟仿真、整形及假肢外科、放射治疗规划、解剖教学等方面都有重要应用。传统的三维重建方法主要有两大类,一类是通过集合单元拼接拟合物体表面来描述物体的三维结构,称为基于表面的三维面绘制,又称为间接绘制方法;另一类是直接将体素投影到显示平面的方法,称为基于体数据的体绘制方法,又称为直接绘制方法。颅内各组织的二维边界呈高度非线性,必将导致颅内各组织三维曲面的高度不规则,主要表现在显著且频繁的曲率变化及曲面的不连续性上。重建这样高度非线性的三维曲面是三维重建领域的难点问题,这就对传统的三维重建方法提出了严峻的挑战。支持向量机在解决高度非线性问题上有着强大的优势。本课题通过对颅脑各组织具体问题的细致分析和对支持向量机理论的深入研究,首次将单类支持向量机理论引入到图像三维重建领域,将三维不规则组织映射到高维空间获得规则超球,描述高维空间最优超球面的函数即为颅内组织的三维数学模型。为解决单类支持向量机参数选取问题,将免疫优化算法与K折交叉验证处理方法相结合,对颅内各组织进行三维数学建模。由于单类支持向量机应用于三维重建目前尚无评价标准,因此本课题首次提出建模精度,即将确实是组织边界点的支持向量数目与支持向量总数目的比值作为评价单类支持向量机图像三维重建性能的标准。基于以上研究方法,完成了颅脑7种组织的三维建模,并获得了较高的建模精度。最后应用专业3D绘图软件对颅内7种组织进行三维可视化处理及显示,得到了满意的三维视觉效果。