基于可視化虛擬人數(shù)據(jù)集的結構分離和顯示方法研究.pdf

1、數(shù)字化可視虛擬人體，是醫(yī)學與信息技術，虛擬現(xiàn)實技術相結合的科技性研究課題。通過人體斷面連續(xù)切片構建出數(shù)據(jù)集，將醫(yī)學信息數(shù)字化，為醫(yī)學教育和醫(yī)學臨床的應用提供了理想的工具。建立數(shù)字化器官模型是數(shù)字化虛擬人中的一個主要工作。準確逼真的數(shù)字化器官模型可以在臨床，教學中發(fā)揮不可忽視的作用。數(shù)字化器官模型的建立涉及到多學科知識的交叉應用。其中特定器官結構的提取是工作的重點，它直接關系到下一步建模和可視化結果的好壞。 可視化虛擬人數(shù)據(jù)集中的

2、醫(yī)學圖像除了具有一般醫(yī)學圖像，細節(jié)豐富，不規(guī)則的特點之外，還因為其數(shù)據(jù)量巨大，而呈現(xiàn)出更多的問題有待解決。 本文的研究是圍繞可視化虛擬人數(shù)據(jù)庫(VisibleHumanBeingDataset)中的圖像分割處理和器官重建、三維顯示展開的。我們所要處理的圖像是數(shù)據(jù)庫中的彩色低溫斷層掃描圖像，針對彩色圖像的特點，在圖像的分割方法上我們選擇了基于區(qū)域的向量置信度連接(VectorConfidenceConnected)的低級分割方法和

3、基于邊界的水平集(LevelSet)高級分割方法，并提出了基于這兩種方法的向量閾值水平集方法。在分割結果中，邊界的平滑性得到了保持，同時半自動的分割方法既有效地結合了醫(yī)學專家的醫(yī)學背景知識，同時又提高了分割的速度。經過實驗證明，這種組合的分割方法很適合可視人數(shù)據(jù)庫中的醫(yī)學圖像的分割處理。我們分別利用了三種比較成熟的三維體數(shù)據(jù)顯示方法：光線跟蹤(RayCasting)、紋理映射(TextureMapping)、等值面抽取(Marching