医学图像分割与三维重建

摘 要

医学图像三维重建是通过计算机图形学、数字图像处理技术、计算机可视化以及人机交互等技术，把二维的医学图像序列转换为三维图像在屏幕上显示出来，并根据需要为用户提供交互处理手段的理论、方法和技术。图像分割是进行图像三维重建的必要准备，图像分割效果的优劣直接影响三维重建在医学领域的应用。医学图像分割和三维重建将数字图像处理技术和计算机图形学应用在了在生物医学工程中，该应用涉及到计算机图形学、图像处理技术、生物医学工程等多种技术，该领域的研究多学科交叉的，在医学诊断、手术规划及医学教学等方面有很高的应用价值，是近年来的计算机应用技术的一个研究热点。

医学图像分割与三维重建是两个不可分割的相关领域。本文研究了基于区域的图像分割和基于边缘的两种图像分割方法在医学图像处理中的应用，并在实验中利用ITK提供的区域生长法成功分割出肝脏、脊柱和肺脏等人体组织器官；三维重建算法分为两类：面绘制和直接体绘制。面绘制从三维体数据中抽取目标对象等值面，通过传统的图形学方法进行渲染；体绘制技术则将整个体数据进行可视化显示，使医生可以通过设置适当的参数调节后观察医学数据的三维内部结构信息。本文研究了光线投射体绘制算法、错切变形法和基于纹理映射的体绘制算法，以及Marching Cubes面绘制算法的实现机制和适用范围，并利用VTK提供的三维重建算法对不同人体部位的组织和器官实现了重建实验。

本文主要研究了医学图像分割与三维重建技术的应用。在对医学图像分割和三维重建基础理论以及三维重建相关的三维切割技术进行研究和实验的基础上，结合医学图像分割开发工具包ITK（Insight ToolKit）和可视化开发包VTK(Vislual ToolKit)，以及ActiveX开发技术，设计了一个医学图像三维重建V olumeRenderX 控件并通过MFC编程实现。这是一个面向对象、可扩展的跨IDE（Intergreted Development Enviroment）开发平台的开发控件，并针对实际应用需求整合了重建参数调节和重建体剖切等多种实用功能，相对于传统的医学图像处理与三维重建系统具有更大的应用价值。本文还提出了一个基于WEB模式的医学图像三维重建的解决方案。

关键词：医学图像，图像分割，三维重建，体绘制

ABSTRACT

3D-reconstruction of medical image is a technology of converting medical image data to graphics or other images and showing it by computer graphics, image processing, computer vision and human-computer interaction technology. Image segment is a pre- technology of medical image 3D-reconstruction, and the merit of image segment impacts the application value of 3D-reconstruction of medical images. Medical image processing and 3D-reconstruction are important applications of digital image processing technology and computer graphics in Biomedical Engineering. The research involves computer graphics, digital image processing, biomedical engineering and other technology, is more than one interdisciplinary area of research, and there are a wide range of applications in medical diagnosis, surgical planning and medical education, etc.

In practical applications, medical image segmentation and 3D-reconstruction are inseparable related fields. In this paper, application of region-based image segment and edge-based image segment in field of medical images is researched, and in my experiments, the liver, spine and lungs and other body tissues and human organs are successfully segmented by algorithm of region-growthing. The 3D-reconstruction algorithm is divided into two categories: surface rendering and volume rendering. Surface rendering extract isosurface from volume data, and then render it by traditional render method. V olume rendering visualized every pixel in the whole volume data, this method make doctors could observe the internal structure by adjusting the parameters of volume rendering algorithm. The realization mechanism and application scope of ray- casting, texture-mapper and marching cubes algorithm are researched in this paper, and 3D-reconstrucition experiments is successfully made by these algorithms provided by VTK.

In this paper, the research is mainly focus on the application of medical image segment and 3D-reconstruction. Based on the theoretically reseaches and experiments of image segment and 3D-reconstruction, and the cut algorithm of volume data, a medical image 3D-reconstruction control of V olumeRenderX is proposed by the combination of ITK, VTK and ActiveX, and programmed by MFC. This is a cross-IDE,

scalable and object oriented development control, which is integrated pratical functions of adjusting parameters, volume cutting, and has greater value compared with traditional medical image processing and 3D-reconstruction system. The paper also proposed and implemented a WEB-based 3D-reconstruction of medical image.

Keywords: Medical Image, Image Segment, 3D-Reconstruction, V olume Rendering

目录

摘要.......................................................................................................................I ABSTRACT...........................................................................................................II 第一章引言. (1)

1.1课题背景及研究意义 (1)

1.2国内外现状研究 (2)

1.2.1 医学图像预处理 (2)

1.2.2 医学图像分割 (3)

1.2.3 医学图像三维可视化技术 (4)

1.3论文研究内容及创新点 (8)

1.4论文的章节安排 (9)

第二章医学图像分割与预处理 (10)

2.1医学图像DICOM标准 (10)

2.2DICOM格式医学图像解析 (11)

2.2.1 DICOM文件头 (11)

2.2.2 DICOM数据元素 (12)

2.2.3 DICOM格式图像的显示 (13)

2.3医学图像预处理 (13)

2.4医学图像分割 (14)

2.4.1 基于区域的分割方法 (15)

2.4.2 基于边缘的分割方法 (18)

2.4.3 结合区域和边缘信息的方法 (20)

2.5ITK开发包介绍 (21)

2.6医学图像分割实验结果 (23)

2.6.1 区域生长法二维分割 (23)

2.6.2 区域生长三维分割 (25)

2.7本章小结 (26)

第三章医学图像三维重建研究 (27)

3.1体数据的表示与封装 (27)

3.2面绘制技术 (28)

3.2.1 体素模型 (29)

3.2.2 等值面 (31)

3.2.3 移动立方体（Marching Cubes）算法 (31)

3.3体绘制技术 (36)

3.3.1 光线投射法（Ray Casting） (36)

3.3.2 错切-变形法（Shear-Warp） (41)

3.3.3 基于硬件的3D纹理映射 (44)

3.4各种体可视化方法对照 (47)

3.5VTK开发包介绍 (48)

3.6医学图像三维重建实验结果 (49)

3.6.1 面绘制算法 (49)

3.6.2 体绘制算法 (51)

3.7三维剖切与模拟开窗 (53)

3.7.1 任意方向平面切割功能 (53)

3.7.2 立方体开窗实现 (56)

3.8本章小结 (57)

第四章医学图像三维重建VOLUMERENDERX控件设计与实现 (58)

4.1V OLUME R ENDER X控件的设计目标 (58)

4.2V OLUME R ENDER X控件的层次结构 (59)

4.3V OLUME R ENDER X控件的技术路线 (60)

4.3.1 模块化设计原则 (60)

4.3.2 模块化设计的实现方式 (61)

4.4V OLUME R ENDER X控件的模块与功能 (63)

4.4.1 ITK与VTK间接口设计 (63)

4.4.2 数据管理层 (64)

4.4.3 三维显示层 (65)

4.4.4 交互界面层 (66)

4.5V OLUME R ENDER X控件接口介绍 (69)

4.6控件应用方法及效果展示 (71)

4.7基于WEB模式的医学图像三维重建 (72)

4.7.1 Java Applet技术 (73)

4.7.2 Java Applet签名机制 (73)

4.7.3 Web模式实现及效果展示 (74)

4.8本章小结 (76)

第五章总结与展望 (77)

5.1工作总结 (77)

5.2展望 (78)

致谢 (79)

参考文献 (80)

个人简历及攻硕期间取得的研究成果 (86)

第一章 引言

1.1 课题背景及研究意义

本项目受国家信息产业部电子发展基金项目“医学图像处理与三维重建系统”资助（[信部运2006]634号）。

医学是与千千万万人的身心健康密切相关的应用学科。自古以来国内外都将“望、闻、问、切”作为进行医学诊断最基本的手段 ，但是，德国物理学家伦琴1895年发现X射线，开创了医疗影像技术的先河，为人类开拓了新的诊断与治疗疾病的途径。为了使医学人员能够更清晰观察人体内脏器官的病灶和症状、更好诊断疾病，迅速、彻底地解除病人的痛楚，医疗影像技术的研究和改进也在不断提高。20世纪70年代中期，第一台CT扫描仪的出现使电子计算机的应用为医学诊断技术带来了第一次突破性的创新。随着计算机可视化技术的不断提高，医学影像信息的处理技术在医学临床诊断方面已经越来越占据重要的位置，医学影像技术科学研究、教学演示等方面也正扮演非常重要的角色。目前临床上用到的医学影像设备有B超扫描仪、彩色多普勒超声、核磁共振（MRI）、CT、SPECT、PET、X射线透视、数字X光机（DX）、各种电子内窥镜、显微镜下病理切片等，医学图像领域的专家正在不断研究和发展能产生更清晰、更具临床诊断价值的高质量医学图像的影像设备[1]。

传统的医学影像诊断设备只是简单地对人体某些断层进行扫描获得对应的影像数据，然后由影像设备输出到胶片或显示屏幕供医务人员进行观察。但无论是通过胶片观察还是输出到屏幕显示，医务人员能够依赖并进行诊断依据的依然是二维影像，而且在观察时只能以固定方式进行，这样所得到的诊断结果必然带有医生的主观判断，因此诊断结构的准确与否很大程度与医生的临床经验有很大的关系。图像处理和三维重建技术的运用可以将医疗影像数据的真实感官效果展示给诊断人员，使其可以对病人的影像数据进行从多方位、多层次的观察，减少主观判断和临床经验不足对诊断结果造成影响。通过医学图像处理和三维重建还可以辅助医生对病人已经病变的组织进行定性或者准确的定量分析，从而将医疗影像设备输出的数据的利用价值得到最大程度的发挥，提高诊断的准确性[2]。

在进行医学图像三维重建之前，首先需要对医学影像设备输出的图像数据按照疾病诊断的需要进行必要的分割[3]。图像分割是将图像中互不相交的区域分离开来，被分离开来的每一个区域都必须满足特定的区域一致性。进行图像分割的目的是为了定量定性分析的需要，提取出图像中感兴趣的区域，同时它也是利用图像进行三维可视化的基础。所有的图像处理、分析和识别系统都要用到图像分割这一关键技术，图像分割也是三维数据可视化处理流程中的一个非常重要的环节。只有从原始三维数据中准确地分割出了感兴趣的区域，才能通过后续的三维重建技术获得合理的三维模型。通过分割技术提取出医学图像序列中的感兴趣的组织器官或病变体后，就可以通过三维重建技术重建出这些被提取的组织器官或病变体 [4]。

三维重建技术是指利用CT、MRI等医学影像设备输出的图像体数据，根据需要选择合适的三维重建算法，得到可以从任意视角进行观察的三维投影图像，这样诊断医生就可以方便地对人体内部组织或器官的结构进行观察诊断。通过对医学图像进行有针对性的处理后，再利用三维重建技术构造出组织或器官的三维模型，然后在显示屏幕上对三维模型进行显示，对于医生感兴趣的器官，还可以提取出它的大小、形状和空间位置等定性或定量信息，便于分析。三维重建技术的运用，使得医务人员能够更加直观、定量地对人体内部器官的三维结构进行察看，还可以根据不同疾病诊断的需要强化图像中原有的某些细节，从而帮助医生更加容易的做出正确的疾病诊断。

本论文分别对医学图像分割与三维重建技术进行了研究，通过根据不同的应用需求选择不同的医学图像分割算法和三维重建算法，并对三维重建技术的复杂度和交互手段进行改进，为非计算机专业的医务人员设计人性化的应用方式和操作界面，从而给医务人员提供便捷的辅助分析手段，使其能够把病人体内可疑的病灶或异常尽可能的找出来，并作科学合理的诊断分析，对于防止临床疾病的误诊漏诊、提高疾病诊断的准确性具有重要的医学意义。

1.2 国内外现状研究

1.2.1 医学图像预处理

一般情况下在对普通的医学图像数据进行三维重建分析之前，有时候需要对

医学影像设备上获取的原始图像进行一些预处理，使得后续的重建分析工作更加方便容易。常见的对图像进行处理的方法有图像校正、配准、融合、滤波去噪声等等，目前计算机图像处理技术领域的研究很多，以上技术的研究和应用已经很成熟。

医生在进行临床诊断的时候，单一的某类医学图像往往都不能提供较为全面的诊断信息，在很多情况下需要对各种不同类型的医学图像进行综合分析。这就需要将患者的各种不同医学影像设备输出的图像信息放在一起进行综合研究，要达到这样的要求，就必须解决不同图像之间的配准，即确定多幅不同图像中像素的空间匹配关系，将图像上生理位置相同的像素在控件位置上匹配起来。图像配准的操作就是将不同的两幅图像之间想对应的像素的进行映射过程[5]。

图像配准方法分为基于像素的匹配和基于特征的匹配。前者采用的是两幅图像像素灰度值的某种相似性最大化原理，利用一定函数模型、傅立叶变换和各阶矩阵之间的关系计算两幅图之间的配准参数；后者主要利用两幅图像的角、点、线、边缘以及表面等共同的特征进行图像匹配。

1.2.2 医学图像分割

图像分割的定义是根据需要选择一定的特征量或指定特定的准则来检测图像中不同区域的一致性，根据检测出来的区域一致性将图像区别成不同区域，从而可以更加方便地进行进一步的分析和理解。通过分割把研究人员感兴趣的目标对象从一幅图像的复杂表达中提取出来以后，就可以有针对性的对各个子区域进行定量分析，也可以对图像进行识别，进而对图像显示的内容和意义进行理解。图像的像素灰度、通道颜色、纹理分布、局部统计特征或频谱特征等特征都可以作为图像分割的参考依据，要区分图像中不同目标物体需要对这些全部特征或部分特征的差别进行综合分析。目前在临床应用的医学影像设备（CT、MRI、PET等）成像技术上与普通格式的图像有较大的差别，医学图像比其他格式的图像更加具有多样性和复杂性，使得某些医疗设备产生的医学图像可能存在一定的噪声，在设备分辨率不高的情况下某些对象边缘也有可能不是很清晰，因此一般来讲医学图像的分割比普通格式图片的分割要困难一些[6]。

目前主要应用较多的图像分割方法有两种：基于图像区域的方法和基于边缘检测的分割方法。前者通过检测同一区域内的均匀性是否一致来将图像中的不同区域识别出来，基于图像区域的分割方法包括：阈值分割法、区域生长和分裂合

并法、分类器和聚类以及基于随机场的方法等。基于边缘检测的分割法是被最早研究的方法，通过边缘检测技术把不同区域提取出来进行图像分割，并行微分算子法是常用的边缘检测方法，由于一般图像具有相邻区域的像素值不连续的性质，利用该性质，采用一阶或二阶导数来将区域的边缘点检测出来；此外还有基于曲面拟合的方法、边界曲线拟合法以及串行边界查找等[7]。

这些分割方法都有自己的优点和缺点，以及不同的应用领域。经过对这些算法的改良和进一步发展，已经产生了一些新的算法，它们在一些具体领域的图像分割已经有了较好的分割效果[8]。但由于医学图像中自身特点比较特殊：软组织较多，组织之间的差别很不明显，因此到目前为止还不存在一个在上述算法的思想上发展起来的一致公认最好的医学图像分割算法。

最近几年，图像分割领域的研究重点逐渐放在基于偏微分方程、借助曲线演化模型等数学建模方法的图像分割，其中最具有代表性的就是奥谢尔和Sethian 提出的水平集（Level Set）方法[9]。这种图像分割方法的基本数学思想是将图像中正在演化的曲线视为一个更高维函数的水平集，利用曲线演化方程与Hamilton-Jacobi方程的相似性，给出了一种曲线演化的较为稳定和强大的计算方法。基于水平集的方法与其他曲线演化方法相比，最大的不同点和优势在于它比其他分割方法稳定，他的拓扑无关性可有效地处理演化中的曲线产生的其他分割方法无法处理的尖点、分割过程中容易产生的断裂为多条曲线或多条曲线融合为一条的情况。只要选择合理的参数控制，尽管医学图像边界模糊、对比度低等，亦能使图像分割能够精确地收敛到区域边界，达到预期的分割效果。

1.2.3 医学图像三维可视化技术

医学图像的三维可视化技术是指将医学影像设备输出的二维切片图像序列重新组合重建为三维图像模型，并对重建后的模型进行定性、定量分析的技术。三维重建技术可以从一系列连续的二维图像序列中获取三维结构信息，通过提供三维结构信息为医生提供更接近真实人体的显示效果和针对具体疾病的定性分析方法。国外对医学图像三维重建方面的研究开始较早，国内这方面的研究相对较晚。进行医学图像三维重建的数据最早采用的是医学断层数据(主要是CT)，通过对这些数据的重建获得整个组织或器官的三维图像，三维重建后的图像可以辅助医生进行诊断、手术仿真、引导治疗等。随着三维可视化技术在医学图像领域的广泛关注和研究，医学图像三维重建目前已经形成了具有特色的一门学科[10]。

自从上世纪90 年代以来高维、非规则的和向量体数据的可视化问题的出现，使得医学图像可视化领域的研究朝着多样化的方向发展。国外一些研究机构或者公司己经研究出了一些可以在医学领域进行实际应用的的医学图像三维重建或医学图像可视化系统，如美国宾夕法尼亚大学的MIPG小组开发的3DViewnix系统、纽约州立大学开发了V olVis系统[11]、MIT人工智能实验室和哈佛医学院附属伯明翰女子医院共同合作研发的3D Slice软件, 美国通用公司开发的GE Medical System产品、SIEMEN5、东芝、PHILIPS 等公司也有相应的图像处理与分析系统，但是这些系统中有大部分都是与医疗影像设备捆绑的，而且售价昂贵；这些系统所支持的各种类型图像数据的可视化分析功能，一般都基于高档工作站，在目前主流配置的普通PC上运行还比较困难。我国在医学图像可视化方面的研究仍然处于起步阶段。现有的大多数系统实际医疗应用功能还不尽完善，还达不到进行临床医疗诊断所需要的大部分要求[12]。

医学图像三维重建技术是医学图像可视化的重要研究内容之一，医学图像三维重建的流程包括获得和封装体数据、模型的建立、映射体数据、三维图形绘制等操作。三维重建中需要的体数据可以通过采样、模拟或建模等技术获取，在医学中主要是指各种医学影像设备输出的连续的图像数据，如计算断层造影（CT）、磁共振成像( MRI）、磁共振血管造影（MRA）、超声波成像( US）、正电子发射计算断层造影（PET）、单光子发射计算断层造影（SPECT）等设备采样的切片。在医学中，三维重建的就是运用三维数据场可视化技术将人体的真实三维影像模拟在显示屏幕上。目前应用最多的三维重建的方法主要有面绘制和体绘制两类。面绘制是指表面重建，即从医学影像设备输出的切片数据集构造出三维数据，然后在三维数据中抽取出等值面，然后进行三角剖分，获得三角形面片，再用的图形学中的图元绘制技术将三角形面片绘制出来而实现表面绘制，面绘制可以将三维数据中具有某个特定值的表面有效地绘制出来，但不能有效的表达体数据的内部信息；体绘制(V olume Rendering）将体数据中的“体素”作为基本的绘制单位，这种绘制方法充分利用了三维体数据中的每一个体素，也称直接体绘制，体绘制能够根据需要显示三维对象的内部信息，但计算量大。体绘制的过程包括对体数据的采样、重构、合成和绘制等操作，交互过程中还涉及到重采样[13]。

1.2.3.1 面绘制

面绘制将医学影像设备输出的连续的断层图像序列作为输入，并对这些图像进行

经分割和提取，根据不同的方法将提取出来的表面绘制出来。提出的表面一般以多边形面片来表示，图形学中最常用也是最容易绘制的的多边形是三角形。早期的医疗影像设备由于技术原因输出的切片的厚度较大，所以当时主要通过轮廓连接(Contour Connection，也称为从平面轮廓重建形体，Shape from Planar Contours)的方法进行体数据的面绘制，也就是轮廓线的提取过程仍是在二维图像上操作。其中具代表性的是1975Keppel提出的用三角形面片的组合来模拟物体表面的方法[14]。这种面绘制的方法由于是从断层图像上进行轮廓抽取，因此需要考虑到层间的轮廓吻合以及外表面的拟合等问题。随着医疗影像设备技术的改进，最新的CT和MRI设备的输出的切片间距可以达到很小，切片内象素分辨率也很高了，这是基于体素的表面重建方法应运而生，目前也逐渐取代了轮廓线提取算法[15]。

面绘制通过对三维体数据中具有某种灰度值的体素进行提取，重新还原出具有某种灰度值的目标的三维模型，通过只绘制表面来渲染，而人体中的某些器官或组织往往具有固定的灰度值，这样渲染出来的目标对象就可以为用户提供具有较强真实感的器官或组织的三维图形。因此，面绘制与传统的医疗影像设备产生的平面二维医学图像相比，它所提供的具有明显外部轮廓以及表面凹凸细节使得人们更容易感知。人体内部很多组织或器官都有明显的表面，这些表面与其他组织和器官具有不同的CT值，而且也与器官本身的内部组织有明显区别，如肺、肾或者血管等，使得针对某些器官的面绘制的实现比较容易。

立方块法(Cuberille)、移动立方体法(Marching Cubes)、剖分立方体法(Dividing Cubes)是几种最常见的面绘制方法。其中Marching Cubes算法[16]是在1987年提出的，经过多年的发展，算法上也有了许多改进，现在已经得到了较为成熟的应用。移动立方体算法的基本思想是从三维体数据中提取出一个用户给定值的等值面，所以也被称为“等值面提取（Isosurface Extraction）算法”，其主要实现方法是将图像切片序列上的上下两层相邻的8个数据点构成的立方体看作处理单元，然后对这些立方体进行一个一个的处理，这样就可以把与等值面相交的立方体分离出来。针对每一个分离出来的立方体，再采用特定的插值算法计算出用户的给定值和立方体上的每个边的交点，再将这些交点连接起来形成等值面，近似地表示出等值面在一个一个立方体中的真实分布，这样每个立方体的等值面都提取出来后所有立方体中等值面的连接起来就构成了整个体数据的等值面。立方体中等值面可以用多个三角片来近似表示,所以一系列的三角形面片就构成了整个三维数据空间里的等值面。

1.2.3.2 体绘制

近年来医疗影像设备技术不断发展，各种新型的医疗设备可以很容易的生成

精度越来越高图像。比如最先进的螺旋CT 可以输出精度相当高的断层医学图像。

为了充分利用高精度的医学图像，需要对体数据进行直接绘制，以得到更加精致

的三维图像。体绘制算法不仅能够重建出物体的三维表面，还可以根据需要显示

出重建后的三维体的内部结构，临床诊断的应用价值更高[17]。

体绘制方法可以对每一个体素进行处理，并表示出更加精细的特征信息，因

此这些年获得了更多的研究，并越来越普遍地应用于临床诊断和医学研究。体绘

制发参照了视觉成像原理来重建出理想化的三维模型。即将体数据中的每个体素

都看成是可以接收或发出光线的点；然后依据选择不同的光照模型，对体素进行

分类并根据其实际的介质属性分配不同的颜色和不透明度，并沿着视线观察的方

向进行合成；在视点所在的位置即屏幕上形成具有一定颜色和透明度的三维投影

图像。如图1-1

所示。

图1-1 体绘制三维重建流程

体绘制算法根据分类给体数据中每个体素根据实际属性赋予一定的的属性

(透明度和颜色值)，通过视点的每个屏幕像素发出一条光线并计算所有体素对光

线的作用最终得到屏幕上的二维投影图像，因此，体绘制可以进行模糊分割，根

据需要也可以不分割直接进行体绘制。未经过分割的体数据保留了医学图像原有

的细节信息，如某些不明显的病变，但未分割的数据量大，必然会增加算法的空

间复杂度，而且本身体绘制需要考虑每个像素的透明度和对光线的投射、反射作

用，计算量也比较大。一般来说，即使在配备了高端显卡的和内存的机器上，体绘制耗费的时间总是比面绘制要多[18]。在实际应用中可以根据具体情况选择是否进行事先分割。

按照处理的数据对象的不同，体绘制可分为对三维空间规则数据场的体绘制和对不规则数据场的体绘制。所谓不规则数据场一般是指不规则数据和非结构化数据，常见的不规则数据场有限元分析、计算流体力学所生成的数据。不规则数据场中的体素形状不同，没有统一的规律，所以基于不规则数据场的体绘制效率很低。目前三维不规则体数据的可视化算法的研究仍然是仅仅停留在研究领域的问题。而医学图像数据属于规则数据，规则数据场的体绘制研究目前已经比较成熟，这类体绘制有四种常用算法：光线投射法（Ray Casting）、错切-变形法（Shear-Warp）、抛雪球法（Splatting）和基于硬件的3D纹理映射方法[19]（Hardware-assisted 3D Texture-Mapping）。

1.3 论文研究内容及创新点

本文对医学图像处理和三维可视化技术进行了深入的研究和分析，在此基础上，结合医学图像领域优秀的开源工具包，实现了一个整合了医学图像分割与三维重建的应用系统。

概括起来，本文作者的主要研究成果有下面这些：

分析了区域生长法，基于随机场分割等图像分割方法，并研究了这些分割方法对三维图像数据的分割方法以及在医疗图像领域的应用。

分析了面绘制、纹理映射体绘制和光追踪体绘制等三维重建算法，探讨了它们在医学图像下的改进机制。

实现了一个面向对象的、可扩展的医学图像三维重建系统框架，在此框架内封装了基于不同算法的医学图像分割和三维重建功能。实现了对三

维重建体进行任意切割和开窗的技术。

提出了一种全新的基于WEB模式的医学图像三维重建方法。

本文创新点在于：

将常用的图像分割算法扩展到三维图像数据，并将医学图像切割和三维重建结合起来，将切割整合到三维重建管线中，实现实时交互切割。

采用ActiveX技术实现了可复用的医学图像分割与三维重建组件，组件

可以用于不同开发环境下，为二次开发提供了便捷途径，避免重复开发。

通过采用JA V A这样的跨平台语言实现WEB模式下的三维重建，解决了客户所使用的操作系统平台平台的差异问题，也使三维重建系统的升级

和维护更加方便、快捷、高效。

1.4 论文的章节安排

全文共分六章，对医学图像三维重建技术进行了详细的分析。具体的章节安排如下：

第一章是全文的绪论。主要介绍本文的课题背景，并对国内外研究现状进行了综述，并指出论文作者研究的主要工作和创新点。

第二章讨论了常见的图像预处理方法和图像分割方法。重点研究了图像分割中的区域生长法、基于分水岭分割和水平集分割算法，并将它们扩展到三维图像数据。

第三章介绍了几种主要的三维重建算法。分析了Marching Cubes面绘制算法、光线追踪体绘制算法、基于纹理映射的体绘制算法和Shear-Warp算法。通过实验对比，对于各种算法的特点和各自的优劣做了系统的分析。

第四章是医学图像三维重建V olumeRenderX控件的架构设计。在这一章里，我们给出了整个控件的框架设计，分层对各个重要模块进行描述。这一章的重点在于整体框架设计、模块化程序开发思想的运用。第四章还引入了三维切割平面和立方体开窗切割，给出了其实验效果以及其上的基本操作；并对基于WEB模式的医学图像三维重建系统的实现提出了一个解决方案。

第五章，对全文做出了系统、全面的总结，并对今后需要进一步深入研究的方向做了展望。

第二章 医学图像分割与预处理

2.1 医学图像DICOM标准

DICOM （Digital Imaging and Communication of Medicine 医疗数字图像存储和传输）是美国放射学会(American College of Radiology，ACR)和美国电器制造商协会(National Electrical Manufacturers Association，NEMA)在1988年组织制定的用于统一医学图像的存储和传输的标准名称。它从最初的1.0版本（ACR-NEMA Standards Publications No.300-1985）发展到1988年推出的2.0版本（ACR-NEMA Standards Publications NO.300-1988），直到1993年发布DICOM标准3.0，目前已经成为医学影像设备的国际通用标准，世界上各大医疗设备生产商和医疗界已经广泛接受了该标准，他在医疗影像的生产过程中也已经得到普及和应用，目前生产的计算机断层扫描(CT)、核磁共振(MR)、心血管造影和超声成像设备大部分都提供了DICOM接口，巨大的推动了医疗信息系统的数字网络化[20]。

DICOM 标准是随着各种不同新兴医疗设备的出现、医院信息化系统（Hospital Information System, HIS）、图像存储和通信系统（Picture Archiving and Communication System, PACS）等各种医院信息化系统的发展应运而生的。当CT 和MR等设备生产工艺的提高，他们产生的高质量、高分辨率的图像在医学临床诊断中普遍应用，但是不同生产商的设备生成的图像都各自采用了不同的格式，而且各个生产商不同型号的设备生成的图像也不统一，这样不同的设备之间的信息资源公用的需求就难以得到满足，因此各种医院信息化系统的实施就涉及到很多方面的问题：医疗设备产生的图像数据量一般极大，如何对这些图像进行存储并有效管理、同一个医院如果采用的不同生产商的设备，这些设备的图像需要共享时能否直接连接、连接后的不同设备之间如何来共享信息资源，等等。可以通过采用统一的标准来解决这些问题的解决方法就。基于上述问题，美国放射学会和美国电器制造商协会在1983 年专门制定了用于医疗领域的图像存储和通信的标准，该标准使得不同制造商提供的医疗影像设备图像格式得到统一，并制定了相关的通信和存储标准，该标准为医疗信息化进程提供了极大的贡献[21]。

DICOM2.0版本在1985 年推出的1.0版本基础上对部分内容进行修改并增加

了新的数据元素。美国放射学会和美国电器制造商协会在1993年针对2.0标准对网络传输支持的不足和本身存在的结构性问题，对2.0标准作了彻底的重新制定，针对当时的实际技术条件推出了最新的DICOM3.0版本。最新版本采用了面向对象的设计方法定义了医学影像图像在存储和通信过程中的常见的各种实体和关系，提供了对开放系统互联参考模型和TCP/IP协议的支持（ISO-OSI&TCP/IP)的支持，遵循DICOM3.0的医疗设备产生的医学图像在应用层上可以与满足这两种协议的其它通信协议栈直接进行通信。考虑到技术将来的发展更加容易扩充，DICOM3.0标准的文档结构采用了多部分结构，并以附录的形式对某些可能变化或扩充的部分给出，这样使得标准在以后版本更新时涉及面尽可能少[22]。

2.2 DICOM格式医学图像解析

DICOM格式图像文件是指遵循DICOM标准而存储的图像文件。DICOM文件分为DICOM文件头和DICOM 数据集合两大部分。DICOM数据集合是DICOM 图像的主要组成部分，它是由DICOM数据元素（Data Element）组成，而数据元素包含了DICOM图像的最基本信息，是组成DICOM文件的基本单元（图2-1）。

2.2.1 DICOM文件头

DICOM数据集合的信息都需要首先在DICOM文件头（DICOM File Meta Information ）中进行标识。DICOM文件头由文件导言（Preamble )和前缀信息构成，文件导言由128个字节组成，放置图片的相关说明信息，紧接着存放了四个ACSII码字符：“D”、“I”、“C”、“M”，如何严格遵循DICOM标准的话，每个DICOM文件都必须包括该文件头，并且可以根据这四个字符来判断一个文件是否DICOM格式图片。然而，在实际项目开发过程中可能会遇到一些特殊情况。通过二进制方式查看部分公司的设备产生的DICOM图像，发现其文件头部分根本没有字符串“DICM”。可能是这些影像设备制造商出于商业利益，不严格按照DICOM3.0 标准，这给程序的直接移植带来了一定的麻烦。

DICOM文件头部分还包括其他一些非常有用的信息，如病人基本信息、切片厚度、文件的传输格式、生成该文件的应用程序等等。