论文部分内容阅读
数字化可视虚拟人体,是医学与信息技术,虚拟现实技术相结合的科技性研究课题。通过人体断面连续切片构建出数据集,将医学信息数字化,为医学教育和医学临床的应用提供了理想的工具。建立数字化器官模型是数字化虚拟人中的一个主要工作。准确逼真的数字化器官模型可以在临床,教学中发挥不可忽视的作用。数字化器官模型的建立涉及到多学科知识的交叉应用。其中特定器官结构的提取是工作的重点,它直接关系到下一步建模和可视化结果的好坏。可视化虚拟人数据集中的医学图像除了具有一般医学图像,细节丰富,不规则的特点之外,还因为其数据量巨大,而呈现出更多的问题有待解决。本文的研究是围绕可视化虚拟人数据库(Visible Human Being Dataset)中的图像分割处理和器官重建、三维显示展开的。我们所要处理的图像是数据库中的彩色低温断层扫描图像,针对彩色图像的特点,在图像的分割方法上我们选择了基于区域的向量置信度连接(Vector Confidence Connected)的低级分割方法和基于边界的水平集(Level Set)高级分割方法,并提出了基于这两种方法的向量阈值水平集方法。在分割结果中,边界的平滑性得到了保持,同时半自动的分割方法既有效地结合了医学专家的医学背景知识,同时又提高了分割的速度。经过实验证明,这种组合的分割方法很适合可视人数据库中的医学图像的分割处理。我们分别利用了三种比较成熟的三维体数据显示方法:光线跟踪(Ray Casting)、纹理映射(Texture Mapping)、等值面抽取(Marching Cube)方法,对分割结果进行三维绘制,都获得了较好的显示效果。在程序的编写开发过程中,我们在系统中使用了医学图像处理领域比较先进流行的开发工具包:图像分割和配准开发包(Insight Segmentation and Registration Toolkit、ITK)和可视化开发包(Visualization Toolkit、VTK)。提高了代码的执行效率,可读性。标准开放库的使用也使得今后对于系统功能的扩充成为可能。