CN101577001A - 基于光线投射体绘制的三维医学图像剖分方法 - Google Patents

Abstract

基于光线投射体绘制的三维医学图像剖分方法，属于图像处理技术领域，涉及三维医学图像的物理剖分方法。首先将二维MRI切片图像序列转换成三维长方体数据Volume1，旋转三维长方体数据Volume1得到最佳可视区域ROI；再采用空间尺寸小于Volume1的规则几何体Volume2对Volume1进行虚拟剖分，得到Volume1分割出Volume2后的空间几何体Volume3；然后对空间几何体Volume3进行光线投射采样；最后对空间几何体Volume3进行图像重建。本发明不同于普通的三维医学图像先剖分再重建图像的剖分方式，而是把剖分与三维重建同时进行，大大提高了运算速度，具有很强的实时性；并且可以通过旋转，光照等方法，可以实时的观察自己所需要的区域，发现组织之间的联系，便于做出准确的医学分析及判断。

Description

基于光线投射体绘制的三维医学图像剖分方法

技术领域

本发明属于图像处理技术领域，涉及三维医学图像的物理剖分方法。

背景技术

为了准确的分辨医学图像中的正常组织结构和异常病变，需要对医学图像进行分割。传统的图像二维分割方法主要包括：

(1)基于边缘的分割方法：通常利用区域间不同性质(如区域内灰度不连续性)划分出各个区域之间的分界线，这类方法包括并行微分算子法(如Roberts、Sobel、Laplacian、Marr等算子)、串行边界搜索方法、基于曲面拟合的方法等；

(2)基于区域的分割方法：通常利用同一区域内的均一性识别图像中的不同区域，包括阈值法、区域生长和分裂合并、分类器和聚类、基于随机场的方法等。

但由于医学图像的成像原理和组织本身的特性差异，而且图像的形成受到诸如噪音、场偏移效应、局部体效应和组织运动，组织和组织之间，组织和器官之间，器官和器官之间等等之间的影响，二维的区域分割已经不能满足现在的医学应用。因此，我们有必要针对医学应用这个领域，研究在三维模型下面的分割，一方面这种方法可以加快分割的速度，而且可以按照人们的主观意思自愿的去分割想要的区域，不仅仅是分割单独的病变区域，例如紧紧分割出肿瘤，而是任意根据自己的意愿随意分割出自己所需要的区域，做到人工交互的形式。另外一方面，它可以分割出不仅是单独的一个完整区域，例如单独分割出肿瘤，表皮，骨头等等，而是可以分割出一个空间区域，例如肿瘤的空间区域，其中不仅能看到肿瘤，还可以看到它旁边的组织例如灰质，白质，这样有利于整体的观察和做出准确的医学分析。

发明内容

本发明提供一种基于光线投射体绘制的三维医学图像剖分方法。本发明不仅具有较快的图像分割速度，而且可以根据操作者的意愿任意分割自己所需要的区域，从而具有人机交互功能；同时，本发明便于实时观察病变组织(或器官)与周围组织(或器官)的关系，有利于做出准确的医学分析及判断。

本发明详细技术方案如下：

基于光线投射体绘制的三维医学图像剖分方法，如图1所示，包括以下步骤：

步骤1：将二维MRI切片图像序列转换成三维长方体数据Volume1。

首先对二维MRI切片图像序列进行预处理，以减少噪声对图片的影响；然后将尺寸大小为a×b的二维MRI切片图像序列按顺序叠加形成一个尺寸大小为a×b×c三维MRI长方体数据Volume1，其中，a表示二维MR切片图像的长度方向的像素点个数，b表示二维MRI切片图像的宽度方向的像素点个数，c表示三维MRI长方体数据Volume1高度方向的像素点个数，也就是二维MRI切片图像序列的个数，即二维MRI切片图像的张数。

步骤2：旋转三维长方体数据Volume1，得到最佳可视区域ROI。

在直角坐标系下，通过旋转三维长方体数据Volume1，使得观察者从屏幕上能够看到自己最感兴趣的三维长方体数据Volume1的数据面，即最佳可视区域ROI。所述三维长方体数据Volume1的旋转矩阵是R＝R_xR_yR_z，其中：

$R_x=\left[\begin{array}{cccc}1& 0& 0& 0\\ 0& \cos \left({\mathrm{\θ}}_x\right)& -\sin \left({\mathrm{\θ}}_x\right)& 0\\ 0& \sin \left({\mathrm{\θ}}_x\right)& \cos \left({\mathrm{\θ}}_x\right)& 0\\ 0& 0& 0& 1\end{array}\right];$ $R_y=\left[\begin{array}{cccc}\cos \left({\mathrm{\θ}}_y\right)& 0& \sin \left({\mathrm{\θ}}_y\right)& 0\\ 0& 1& 0& 0\\ -\sin \left({\mathrm{\θ}}_y\right)& & \cos \left({\mathrm{\θ}}_y\right)& 0\\ 0& 0& 0& 1\end{array}\right];$ $R_z=\left[\begin{array}{cccc}\cos \left({\mathrm{\θ}}_z\right)& -\sin \left({\mathrm{\θ}}_z\right)& 0& 0\\ \sin \left({\mathrm{\θ}}_z\right)& \cos \left({\mathrm{\θ}}_z\right)& 0& 0\\ 0& 0& 1& 0\\ 0& 0& 0& 1\end{array}\right];$

θ_x、θ_y和θ_z分别表示三维长方体数据Volume1围绕x轴、y轴和z轴的旋转角度。

步骤3：对三维长方体数据Volume1进行虚拟剖分。

在三维长方体数据Volume1中，虚拟构造一个空间尺寸小于三维长方体数据Volume1的规则几何体Volume2，得到三维长方体数据Volume1分割出规则几何体Volume2后的空间几何体Volume3。

步骤4：对空间几何体Volume3进行光线投射采样。

对屏幕上的每一个像素点，判断从观察者角度出发且经过该项素点的投射光线是否经过Volume2，如果经过Volume2，则从投射光线穿过规则几何体Volume2后的规则几何体Volume2与三维长方体数据Volume1的交界处开始光线投射采样；否则直接从投射光线进入Volume1体数据的位置开始光线投射采样。

对屏幕上的每一个像素点进行光线投射采样时，首先从采样起始点开始沿投射光线连续采样K(5≤K≤100)个等距离的点，然后计算每个采样点的颜色值C_i和透明度值α_i，1≤i≤K；计算每个采样点的颜色值C_i时采用三线性插值方法；计算每个采样点的透明度值α_i时，首先设置初始采样点的透明度值α₁，再按照统一的线性递减关系确定其余采样点的透明度值。

步骤5：对空间几何体Volume3进行图像重建。

计算屏幕上每一个像素点的颜色值C和透明度值α，其中 $C=\underset{i=1}{\overset{K}{\mathrm{\Σ}}}{C}_i,$ $\mathrm{\α}=\underset{i=1}{\overset{K}{\mathrm{\Σ}}}{\mathrm{\α}}_i;$ 当屏幕上所有像素点的颜色值C和透明度值α均计算完之后，即在屏幕上能够合成最佳可视区域ROI的空间几何体Volume3的重建图像。

需要说明的是：

1、步骤4采用三线性插值方法计算每个采样点的颜色值C_i时，如图2所示，每个采样点的颜色值C_i等于该采样点所处三维长方体数据Volume1中单元立方体数据八个顶点的颜色值的平均值。

2、步骤4中计算每个采样点的透明度值α_i时，需要人为设定采样起始点的透明度值和透明度沿投射光线线性递减的梯度。例如：采样起始点透明度设为0.9，沿采样光线每通过一个采样点，透明度下降一半。

3、重复步骤2至步骤5，能够得到观察者感兴趣的其他最佳可视区域的空间几何体Volume3的重建图像。

本发明不同于普通的三维医学图像先剖分再重建图像的剖分方式，而是把剖分与三维重建同时进行，大大提高了运算速度，具有很强的实时性；并且可以通过旋转，光照等方法，可以实时的观察自己所需要的区域，发现组织之间的联系，便于做出准确的医学分析及判断。

附图说明

图1是本发明流程示意图。

图2是三线性插值进行采样示意图。

具体实施方式

首先在Matlab上进行仿真得到所需要的仿真结果，然后用C++语言编写体会制重建三维模型的代码以及物理剖分代码，再把模型做为源数据输入到VC++界面中的模型简化程序中进行处理。

Claims (3)

1、基于光线投射体绘制的三维医学图像剖分方法，包括以下步骤：

步骤1：将二维MRI切片图像序列转换成三维长方体数据Volume1；

首先对二维MRI切片图像序列进行预处理，以减少噪声对图片的影响；然后将尺寸大小为a×b的二维MRI切片图像序列按顺序叠加形成一个尺寸大小为a×b×c三维MRI长方体数据Volume1，其中，a表示二维MR切片图像的长度方向的像素点个数，b表示二维MRI切片图像的宽度方向的像素点个数，c表示三维MRI长方体数据Volume1高度方向的像素点个数，也就是二维MRI切片图像序列的个数，即二维MRI切片图像的张数；

步骤2：旋转三维长方体数据Volume1，得到最佳可视区域ROI；

在直角坐标系下，通过旋转三维长方体数据Volume1，使得观察者从屏幕上能够看到自己最感兴趣的三维长方体数据Volume1的数据面，即最佳可视区域ROI；所述三维长方体数据Volume1的旋转矩阵是R＝R_xR_yR_z，其中：

$R_x=\left[\begin{array}{cccc}1& 0& 0& 0\\ 0& \cos \left({\mathrm{\θ}}_x\right)& -\sin \left({\mathrm{\θ}}_x\right)& 0\\ 0& \sin \left({\mathrm{\θ}}_x\right)& \cos \left({\mathrm{\θ}}_x\right)& 0\\ 0& 0& 0& 1\end{array}\right];$ $R_y=\left[\begin{array}{cccc}\cos \left({\mathrm{\θ}}_y\right)& 0& \sin \left({\mathrm{\θ}}_y\right)& 0\\ 0& 1& 0& 0\\ -\sin \left({\mathrm{\θ}}_y\right)& & \cos \left({\mathrm{\θ}}_y\right)& 0\\ 0& 0& 0& 1\end{array}\right];$ $R_z=\left[\begin{array}{cccc}\cos \left({\mathrm{\θ}}_z\right)& -\sin \left({\mathrm{\θ}}_z\right)& 0& 0\\ \sin \left({\mathrm{\θ}}_z\right)& \cos \left({\mathrm{\θ}}_z\right)& 0& 0\\ 0& 0& 1& 0\\ 0& 0& 0& 1\end{array}\right];$

θ_x、θ_y和θ_z分别表示三维长方体数据Volume1围绕x轴、y轴和z轴的旋转角度；

步骤3：对三维长方体数据Volume1进行虚拟剖分；

在三维长方体数据Volume1中，虚拟构造一个空间尺寸小于三维长方体数据Volume1的规则几何体Volume2，得到三维长方体数据Volume1分割出规则几何体Volume2后的空间几何体Volume3；

步骤4：对空间几何体Volume3进行光线投射采样；

对屏幕上的每一个像素点，判断从观察者角度出发且经过该项素点的投射光线是否经过Volume2，如果经过Volume2，则从投射光线穿过规则几何体Volume2后的规则几何体Volume2与三维长方体数据Volume1的交界处开始光线投射采样；否则直接从投射光线进入Volume1体数据的位置开始光线投射采样；

对屏幕上的每一个像素点进行光线投射采样时，首先从采样起始点开始沿投射光线连续采样K个等距离的点，5≤K≤100，然后计算每个采样点的颜色值C_i和透明度值α_i，1≤i≤K；计算每个采样点的颜色值C_i时采用三线性插值方法；计算每个采样点的透明度值α_i时，首先设置初始采样点的透明度值α₁，再按照统一的线性递减关系确定其余采样点的透明度值；

步骤5：对空间几何体Volume3进行图像重建；

计算屏幕上每一个像素点的颜色值C和透明度值α，其中 $C=\underset{i=1}{\overset{K}{\mathrm{\Σ}}}{C}_i,$ $\mathrm{\α}=\underset{i=1}{\overset{K}{\mathrm{\Σ}}}{\mathrm{\α}}_i;$ 当屏幕上所有像素点的颜色值C和透明度值α均计算完之后，即在屏幕上能够合成最佳可视区域ROI的空间几何体Volume3的重建图像。

2、根据权利要求1所述的基于光线投射体绘制的三维医学图像剖分方法，其特征在于，步骤4采用三线性插值方法计算每个采样点的颜色值C_i时，每个采样点的颜色值C_i等于该采样点所处三维长方体数据Volume1中单元立方体数据八个顶点的颜色值的平均值。

3、根据权利要求1所述的基于光线投射体绘制的三维医学图像剖分方法，其特征在于，重复步骤2至步骤5，能够得到观察者感兴趣的其他最佳可视区域的空间几何体Volume3的重建图像。

Images