基于轮廓线的由医学图像生成三维模型算法课件.pptx
- 【下载声明】
1. 本站全部试题类文档,若标题没写含答案,则无答案;标题注明含答案的文档,主观题也可能无答案。请谨慎下单,一旦售出,不予退换。
2. 本站全部PPT文档均不含视频和音频,PPT中出现的音频或视频标识(或文字)仅表示流程,实际无音频或视频文件。请谨慎下单,一旦售出,不予退换。
3. 本页资料《基于轮廓线的由医学图像生成三维模型算法课件.pptx》由用户(晟晟文业)主动上传,其收益全归该用户。163文库仅提供信息存储空间,仅对该用户上传内容的表现方式做保护处理,对上传内容本身不做任何修改或编辑。 若此文所含内容侵犯了您的版权或隐私,请立即通知163文库(点击联系客服),我们立即给予删除!
4. 请根据预览情况,自愿下载本文。本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
5. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007及以上版本和PDF阅读器,压缩文件请下载最新的WinRAR软件解压。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 轮廓 医学 图像 生成 三维 模型 算法 课件
- 资源描述:
-
1、.1主要内容主要内容研究背景研究背景12医学图像生成三维医学图像生成三维CAD模型模型应用验证应用验证43双向平滑滤波和分支表面生成算法双向平滑滤波和分支表面生成算法5结论结论.2研究背景研究背景 如今,医学成像技术,如计算机断层扫描、磁共振、PET和B超等,被广泛用于医疗诊断和外科手术规划中。随着计算机成像和扫描技术的发展,现在已经可以由医学图像(如CT)生成医用三维模型。重建后的三维模型可以提供宝贵的医疗信息,可以作为一个强大的诊断工具使外科医生能够了解人体复杂的解剖学结构,还可以用于制造人造器官(人造骨,血管)和各种医学仿真和分析。.3医学医学图像图像生成三维生成三维CADCAD模型模型
2、 对医学图像的三维重建,现在存在着很多方法,但大多数可以归为两类:医学图像生成三维模型基于体素的方法基于轮廓线的方法.4基于体基于体素的素的方法方法优点优点:运用了marching cube 算法,用三角形体素网面来构成高分辨率的三维模型的表面,在数据结构,数据计算处理方面效率高。缺点:缺点:这种运用三角形体素的方法经常产生错误的形状,而且不经过后期处理,这种方法产生的模型很难应用到生产和工程中。基于体素基于体素的方法的方法.5基于轮廓基于轮廓线的线的方法方法 1.从医学图像中提取出横截面轮廓从医学图像中提取出横截面轮廓数据数据2.对横截面轮廓线进行平滑处理对横截面轮廓线进行平滑处理 3.由各
3、个横截面的轮廓线生成三维由各个横截面的轮廓线生成三维模型表面模型表面.6基于轮廓线的方法基于轮廓线的方法轮廓数据轮廓数据提取提取 医学图像可以看作一个三维点阵,扫描方向沿着轴线方向,则每个截面就是一个二维矩阵。这就可以通过人工构描法或者采用图像边缘检测算法,提取出每个截面的轮廓线数据。运用形态学操作和轮廓跟踪算法处理,生成封闭无缺口的轮廓线。完成图像的轮廓线提取后,医学图像就转变为一系列排列紧凑的封闭轮廓线。.7基于轮廓线的方法基于轮廓线的方法轮廓轮廓线的线的平滑处理平滑处理 一旦有了轮廓数据,就可通过连接相邻轮廓线上的数据点创建表面模型。但医学图像的人为因素较多,有时相邻轮廓的形状差异变化很
4、大,这导致拟合后形成的模型表面粗糙,多褶皱。这就需要用平滑算法处理轮廓数据,减缓轮廓数据中的突变,获得较为平滑的轮廓线,进而通过蒙皮算法生成较为平滑的模型表面。.8基于轮廓线的方法基于轮廓线的方法已获取轮廓线已获取轮廓线双向平滑滤波双向平滑滤波分支表面生成分支表面生成平滑的轮廓线组平滑的轮廓线组.9双向双向平滑平滑滤波滤波 轮廓线的平滑处理的第一步,目的是为了在双方向上(平行于横截面方向和垂直于横截面方向)对轮廓线组进行平滑滤波,消去噪声,并确定相邻轮廓线之间的连通性,方便模型表面的生成,避免模型表面的扭曲和褶皱。u方向的轮方向的轮廓线重构廓线重构预设相邻预设相邻轮廓线的轮廓线的连通性连通性垂
5、直方向的垂直方向的轮廓线平轮廓线平滑滤波滑滤波.10u u方向的方向的轮廓轮廓线重构线重构 u方向的轮廓线重构是基于弦长,对单条轮廓线轨迹进行平滑处理的步骤。首先要确定取样比(sampling ratio),然后计算所需弦长。弦长公式:.11u u方向的轮廓线重构方向的轮廓线重构轮廓线的重建:v一条轮廓线:Ck=P1,P2,.,Pm,共m个点;v根据弦长与实际两点之间的距离的比较分为两种情况,通过用新的整形点来取代原有点来实现轮廓线的重建。.12u u方向的轮廓线重构方向的轮廓线重构新的整形点Pnew点在Ci中插入到Pi和Pi+1之间.13u u方向的轮廓线重构方向的轮廓线重构.14u u方向
6、的轮廓线重构方向的轮廓线重构 s是符合下式的最大整数:弦长余量:得到的新整形点Pnew点在Ci中取代被覆盖的Pi+1,.,Pi+s+1.15u u方向的轮廓线重构方向的轮廓线重构 传统的高斯滤波和均值滤波等滤波器同样可以实现对轮廓线的平滑处理,但是同时随着算法迭代次数的增加会引起轮廓线的过度收缩和对轮廓线形状的篡改。相比之下这种轮廓线重构的方法不仅可以消除轮廓线上形状的突变和噪点,还能够防止轮廓线的过度紧缩,防止丢失轮廓线上的形状细节。.16u u方向的轮廓线重构方向的轮廓线重构a.CTa.CT图像上的最初轮廓线图像上的最初轮廓线b.b.高斯滤波处理高斯滤波处理c.c.均值滤波处理均值滤波处理
7、d.d.轮廓线重构处理轮廓线重构处理.17u u方向的轮廓线重构方向的轮廓线重构 横坐标:迭代次数 纵坐标:轮廓区域面积轮廓线轮廓线重构重构高斯滤高斯滤波波均值均值滤波滤波.18相邻轮廓的连通性相邻轮廓的连通性 u方向的轮廓线重构结束后,相邻轮廓之间的连接决定了垂直方向上的形状,因此在垂直方向平滑滤波前需要预设相邻轮廓线间的连通性,确定相邻轮廓线上采样点的一一对应的连接关系。整个预设过程是通过将轮廓线组进行参数化来实现的。主要步骤如下主要步骤如下:轮廓组的轮廓组的参数化参数化确定各个点的确定各个点的参数位置参数位置确定轮廓组垂确定轮廓组垂直方向上的连直方向上的连接接.19相邻轮廓的连通性相邻轮
8、廓的连通性1.1.轮廓轮廓组组的参数的参数化化定义参数:u方向:其中:其中:i=1i=1,2 2,3m3m;k=1k=1,2 2,3n3n;u u1 1=0=0v方向:其中:其中:j=1j=1,2 2,3 3nn;Z Zk k 是第是第k k个轮廓在个轮廓在Z Z方向上的高度方向上的高度 .20相邻轮廓的连通性相邻轮廓的连通性2.2.确定确定各个点的参数各个点的参数位置位置将轮廓线中的点在上一步确定的参数域中进行表述,各个参数点在u、v方向间距均匀地排布:ui=ui-1+uvj=vj-1+vi=1,2,3m;u=1/mj=1,2,3n;v=1/n.21相邻轮廓的连通性相邻轮廓的连通性3.3.确
展开阅读全文