医学序列图象的三维可视化技术具有重要意义，本文在医学序列图象的三维可视化技术方面进行了深入的研究。 (一)医学序列图象ROI分割 本文提出了一种基于小波分解的图象象素邻域内多维特征提取方法，该方法将通常情况下小波分解是对整个图象或者整个图象序列的分解变成基于图象单点邻域的小波分解，通过对图象象素单点邻域上在其多个方向上、多个尺度下的分解来提取其多维特征。在此基础上，将图象象素的多维特征映射到一个对应的多维空间上，从而将图象ROI分割问题转化为关于ROI样本特征与非ROI样本特征之间在此多维特征空间上的非线性划分问题，这种划分关系在多维空间上是以超曲面形式存在的。通过多层前馈神经网络对样本的学习可以找到一种近似有效的非线性划分关系，从而实现对样本图象ROI的认定，并使其具有满意的泛化推广能力。 (二)矢量场平滑及其在三维可视化中的应用 本文首先提出了一种Banach空间上的矢量场平滑思想，即假设任何一个多维Banach空间上的点是由两部分参数构成的。一是它在空间上的位置，二是它在空间上的方向，即任何一点都是带方向的。这种方向是由它所处空间里的介质的变化引起的，并认为Banach空间上任何一点的方向在其一个小邻域上必定是连续的，或者是非跳跃变化的。而实际上人为所计算出的各点的方向是退化的，在这种情况下，通过将该点在其空间上的小邻域的方向矢量的平滑可以逐步地逼近该点原来的非退化的向。在此基础上，文中给出了一种R，上的星形邻域的三维矢量场平滑方法，并在轮廓线表面重建和移动立方体表面重建中应用了这种方法，通过大量的实验数据证实了它的有效性，表明该方法能够有效地提高三维表面重建的效果和重建质量，且具有良好的可控性和鲁棒性。(三)基于多轮廓的神经干功能束组三维可视化 文中提出了一种基于对象的多轮廓复合显示方法，该方法通过将不同的对象在每一层图象上的轮廓分别加以标志，从而将多轮廓问题转化为单轮廓问题来处理，这样简化了计算的复杂性，避免了多轮廓之间容易误判的问题，同时可以将不同的显示对象投射到同一个三维空间上，得到了满意的显示结果。同时，在此基础上实现了神经干内部功能束组的三维可视化。显微神经干功能束组三维可视化的实现，对于建立周围神经干内部功能束组的三维空间模型、提高显微神经外科的神经对接精度与修复效果具有重要意义。