CN113421339A - 一种基于体素增长的医学图像三维重建等值面网格加速提取方法 - Google Patents
一种基于体素增长的医学图像三维重建等值面网格加速提取方法 Download PDFInfo
- Publication number
- CN113421339A CN113421339A CN202110699832.7A CN202110699832A CN113421339A CN 113421339 A CN113421339 A CN 113421339A CN 202110699832 A CN202110699832 A CN 202110699832A CN 113421339 A CN113421339 A CN 113421339A
- Authority
- CN
- China
- Prior art keywords
- growth
- voxel
- seed
- index table
- isosurface
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/41—Medical
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Generation (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明属于医学图像技术领域,提供一种医学图像三维重建等值面网格提取方法。本发明首先要改进原有MC算法的两个索引表,再创建一个新的增长索引表,然后用二维断层图像定位种子立方体(也称体素),再以种子体素进行增长重建。增长过程分为三个方面:第一方面为如何找到种子体素;第二方面为从种子体素开始向哪几个方向增长,确定有哪些增长方向后,调用对应数量线程,各个线程并行加速增长。第三方面为等值面与立方体的交点求解及交点组成三角形网格。其中整个重建过程拥有六个队列,存储种子体素信息及要增长方向的相邻立方体的信息,以及一个处理标记,记录当前种子体素被处理的情况。当队列中不再有新的体素信息放入时,即生成了指定阈值的等值面三角形网格。
Description
技术领域
本发明属于医学图像领域,具体涉及一种医学图像三维重建等值面网格提取方法。
背景技术
随着医学影像技术的发展,医学影像已成为医生判断病症的重要手段。利用医学二维断层图像重建并显示出人体组织的三维图像,极大提高了医生对病情的诊断率,且减小了医院对胶片的开销。从医学二维断层图像中提取三维模型的过程称为医学图像的三维重建,三维模型一般用网格表示,这个过程也称为等值面网格提取。当前,医学图像网格生成技术最为成熟的是MC算法及其衍生算法,因其原理简单,实现容易,得到了广泛的运用。
MC算法通过遍历所有的立方体生成网格,其中大部分时间浪费在空体素(和等值面没有相交的立方体)计算上,并且等值面是在各个立方体中单独生成的,没有考虑各个立方体之间的联系,生成的等值面存在一定的二义性。本发明针对这些问题,提出一种新的算法,解决MC算法二义性问题的同时极大的加快重建速度。
发明内容
本发明的目的在于提供一种三维重建的网格提取方法,通过各个立方体中的等值面之间的联系进行等值面网格的增长,消除二义性的同时极大的加快重建速度,形成一个连续的等值面网格。
本发明采取的技术方案分为以下步骤:
A、读取医学图像数据,构造立方体数据,选取种子体素;
B、以种子体素开始进行增长,查索引表1确定等值面与各边相交情况后再求解交点,查索引表2确定三角形连接方式并将三角形放入链表中;
C、查索引表3确定当前种子体素的增长方向有哪些,然后调用对应数量的线程,判断要增长方向的相邻体素是否需要处理,若需则将其放入各自增长方向的队列中。然后在每个线程中,分别从各自增长方向的队列中取出数据并行加速增长重建;
D、重复以上B、C步骤,直到队列为空。
在步骤A中,读取医学图像数据后选取种子体素,选取方法为:选取二维断层图像的中间一层,在该层图像中心位置(取整,设为O点),取其灰度值(假设为HuO),再取该层图像四边中点位置(取整)的灰度值(如图1所示,假设分别为Hua1、Hua2、Hua3、Hua4)。依次将HuO与Hua1、HuO与Hua2、HuO与Hua3、HuO与Hua4同阈值分别进行比较,当HuO大于阈值且Hua1小于阈值时,O点所在立方体为种子体素,HuO与Hua2、HuO与Hua3、HuO与Hua4同理依次执行,只要有一组满足条件,就停止查找,若均不满足条件,则进行二次位置确定,取点O与图像各边垂直连线的中点和O点与四个角的连线中点位置(均取整)的灰度值(如图2假设分别为Hub1、Hub2、Hub3、Hub4、Hub5、Hub6、Hub7、Hub8),依次将Hub1、Hub2、Hub3、Hub4、Hub5、Hub6、Hub7、Hub8同阈值进行比较,这8个点的灰度值只要有一个大于阈值就停止查找,即确定该点所在立方体为种子体素。否则去相邻层寻找,直到找到种子体素为止。然后在标记数组中标记该立方体,用于判断其是否已经被处理(整个方案拥有一个全局数组,用于记录所有立方体的处理状态,0表示当前立方体没有处理,1表示当前立方体的信息已经放入了增长队列,2表示当前立方体已经处理),之后进行步骤B、C、D的操作。
在步骤B中,种子体素为所述步骤A中取得的种子立方体数据,通过索引表1确定等值面与立方体各棱边相交情况,确定在哪些棱边相交后,求出交点坐标及梯度等信息,再通过索引表2确定各个棱边交点组成三角形的连接方式,最后将三角形信息保存放入链表中。索引表1、索引表2为改进的MC算法中对应的索引表。
改进的MC算法为,在原有MC算法的15种基本拓扑结构删除一种基础上新增加了4种拓扑构型,并且去除原有三种(如图3中,构型10、12、13为原有存在二义性构型中的三种构型)存在二义性构型对应的反对称性构型,改变其在索引表中对应的数据,丰富了拓扑构型的内涵,改善了相邻立方体连接时容易产生孔洞的问题。索引表1为在原有MC算法中的边索引表基础上改进的边索引表,它包含256个索引项,通过索引表1可以确定等值面与立方体各棱边相交情况。索引表2为在原有MC算法中的三角面片索引表基础上改进的三角面片索引表,它包含256个索引项,通过索引表2确定各个棱边交点组成三角形的连接方式,最后将三角形信息保存放入链表中。
在所述步骤C中,索引表3为改进MC算法在原有的经典MC算法上新增了一个增长索引表,对应新增4种拓扑构型。通过索引表3可以确定种子体素将要向哪些方向增长,然后调用对应数量的线程函数,在每个线程中,判断要增长方向的相邻体素是否需要处理,若需则将其放入各自增长方向的队列中,分别从各自增长方向的队列中取出数据并行加速增长重建。(整个重建过程有六个全局队列,各自存储着当前种子立方体的坐标和对应要增长方向的相邻立方体的坐标、灰度等信息。六个队列对应于立方体的六个方向,在判断哪些方向是要增长方向后,先判断这些增长方向的相邻体素是否标记已处理,若需要处理,则将对应要增长方向的相邻体素放入对应方向的队列中,放入队列的这个步骤放入关键段中,以防止多个线程冲突,为进一步提高效率,线程采用旋转锁的方式等待调用)。
在所述步骤D中,每个线程增长完毕一个相邻体素都继续重复B、C步骤,将新放入该方向的立方体数据视为新的种子体素,继续增长重建,直至各自队列中都为空,增长停止,确保所有相连的网格都能够生长出来。
本发明的有益效果:除了通过建立种子体素的查找方式加速重建之外,还拓展和改进基本拓扑结构并结合等值面体素加速增长的方式,进行医学图像三维重建等值面网格提取,极大减少了对空体素的计算以及对包含等值面体素的加速遍历,不仅避免了网格连接时的二义性问题,而且重建速度明显加快。
附图说明
图1是查找种子体素的一级示意图。
图2是查找种子体素的二级示意图。
图3是改进的MC算法扩展后的18种拓扑结构图。
图4是改进的MC算法流程图。
图5是体素假设构型及其对应的增长方向示意图。
具体实施方式
为使本发明的特点更加清晰,下面结合附图和实例进一步阐述本发明。
本发明为一种基于体素增长的医学图像三维重建等值面网格加速提取方法,以患者下颚骨部位为例,如图4所示,将经过预处理及分割后的图像作为三维重建的读入数据,采用改进的MC算法进行三维重建。
首先要创建对应的新增拓扑结构的索引表1、索引表2、索引表3。索引表1为在原有MC算法中的边索引表基础上改进的边索引表,它包含256个索引项,通过索引表1可以确定等值面与立方体各棱边相交情况;索引表2为在原有MC算法中的三角面片索引表基础上改进的三角面片索引表,它包含256个索引项,通过索引表2确定各个棱边交点组成三角形的连接方式;索引表3为在原有MC算法基础上新增的一个用于等值面体素增长的索引表。
主要重建过程可分为查找种子体素、确定种子体素后进行加速增长、增长过程中的等值面提取。具体重建过程如下:
a、读取处理好的患者下颚骨部位医学图像数据,构造立方体,再根据二位断层图像定位种子立方体,选取种子体素;
b、将种子立方体每个顶点的灰度值和给定等值面阈值进行比较,计算索引值,用灰度差分计算其顶点的梯度;
c、由索引值查找改进后的索引表1,获得和等值面有交点的当前立方体的相交边。根据相交边的两顶点及其法向量,通过插值计算等值点坐标和法向量;
d、根据索引值查改进的索引表2,确定三角形连接方式并将三角形放入链表中保存;
e、根据索引值查改进的索引表3,根据索引表3得到的数组值(将其命名为增长值)可以确定当前种子体素的增长方向有哪几个方向。再根据增长值调用对应数量的线程函数,然后在每个线程中,判断要增长方向的相邻体素是否需要处理,若需则将其放入各自增长方向的队列中。分别从各自增长方向的队列中取出数据并行加速增长重建;
f、调用某一线程处理一个方向的增长时,依据标记数组中该种子立方体要增长方向的相邻立方体的标记是否为0(整个方案拥有一个全局数组,用于记录所有立方体的处理状态,0表示当前立方体没有处理,1表示当前立方体的信息已经放入了增长队列,2表示当前立方体已经处理),判断要增长方向的相邻体素是否需要处理,若为0则放入队列,放入队列的过程采用线程同步加旋转锁的方式,保证每个线程之间有序流畅的运行;
g、取出该要增长方向的立方体数据,在该线程中进行步骤b、c、d、e、f操作进行增长,直到队列为空,等值面网格提取完毕,下颚部网格模型就呈现在眼前。
后续网格模型可以进行可视化显示,重建之后的下颚部模型可以清晰、立体、直观的展现在医生眼前,来帮助医生分析病情。
显然,上述实施案例仅仅是为了说明清楚本发明的思想所做的举例,并非对实施方式和重建部位进行限定。本领域技术人员可以对本发明有多种变形方案实现本发明,并非因此限制本发明的权力保护范围。
Claims (5)
1.一种基于体素增长的医学图像三维重建等值面网格加速提取方法,其特征在于,包括以下步骤:
A、读取医学图像数据,构造立方体数据,选取种子体素;
B、以种子体素开始进行增长,查索引表1确定等值面与各边相交情况后再求解交点,查索引表2确定三角形连接方式并将三角形放入链表中;
C、查索引表3确定当前种子体素的增长方向有哪些,然后调用对应数量的线程,判断要增长方向的相邻体素是否需要处理,若需要处理则将其放入各自增长方向的队列中,然后在每个线程中,分别从各自增长方向的队列中取出数据并行加速增长重建;
D、重复以上B、C步骤,直到队列为空。
2.根据权利要求1所述的一种基于体素增长的医学图像三维重建等值面网格加速提取方法,其特征在于,在所述步骤A中,种子体素的选取方法为:选取二维断层图像的中间一层,在该层图像中心位置(取整,设为O点),取其灰度值(假设为HuO),再取该层图像四边中点位置(取整)的灰度值(如图1所示,假设分别为Hua1、Hua2、Hua3、Hua4),依次将HuO与Hua1、HuO与Hua2、HuO与Hua3、HuO与Hua4同阈值分别进行比较,当HuO大于阈值且Hua1小于阈值时,可以判断出O点所在立方体为种子体素,HuO与Hua2、HuO与Hua3、HuO与Hua4同理依次执行,只要有一组满足条件,就停止查找,若均不满足条件,则进行二级位置确定,取点O与图像各边垂直连线的中点和O点与四个角的连线中点位置(均取整)的灰度值(如图2假设分别为Hub1、Hub2、Hub3、Hub4、Hub5、Hub6、Hub7、Hub8),依次将Hub1、Hub2、Hub3、Hub4、Hub5、Hub6、Hub7、Hub8同阈值进行比较,这8个点的灰度值只要有一个大于阈值就停止查找,即确定该点所在立方体为种子体素,否则去相邻层寻找,直到找到种子体素为止。
3.根据权利要求1所述的一种基于体素增长的医学图像三维重建等值面网格加速提取方法,其特征在于,在所述步骤B中,种子体素为所述步骤A中取得的种子立方体数据,通过索引表1确定等值面与立方体各棱边相交情况,确定在哪些棱边相交后,求出交点坐标及梯度等信息,再通过索引表2确定各个棱边交点组成三角形的连接方式,最后将三角形信息保存放入链表中,索引表1、索引表2为改进的MC算法中对应的索引表,改进的MC算法为,在原有MC算法的15种基本拓扑结构删除一种的基础上新增加了4种拓扑构型,并且去除原有三种(如图3中,构型10、12、13为原有存在二义性构型中的三种构型)存在二义性构型对应的反对称性构型,因为这三种构型的反对称性及旋转变换是一样的,所以改变其在索引表中对应的数据,让其唯一确定,防止二义性的产生。
4.根据权利要求1所述的一种基于体素增长的医学图像三维重建等值面网格加速提取方法,其特征在于,在所述步骤C中,索引表3为改进MC算法在原有的经典MC算法上新增了一个增长索引表,对应新增4种拓扑构型,其中加速增长的方法为:通过索引表3确定种子体素将要向哪些方向增长,然后调用对应数量的线程,在每个线程中,判断要增长方向的相邻体素是否需要处理,若需则将其放入各自增长方向的队列中,分别从各自增长方向的队列中取出数据并行加速增长重建,(整个重建过程有六个全局队列,六个队列对应于立方体的六个方向,在判断哪些方向是要增长方向后,先判断这些增长方向的相邻体素是否标记已处理,若需要处理,则将对应要增长方向的相邻体素放入对应方向的队列中,放入队列的这个步骤放入关键段中,以防止多个线程冲突,为进一步提高效率,线程采用旋转锁的方式等待调用)。
5.根据权利要求1所述的一种基于体素增长的医学图像三维重建等值面网格加速提取方法,其特征在于,在所述步骤D中,继续重复权利要求1所述步骤B、C、D操作,直至整个队列为空为止。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110699832.7A CN113421339A (zh) | 2021-06-23 | 2021-06-23 | 一种基于体素增长的医学图像三维重建等值面网格加速提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110699832.7A CN113421339A (zh) | 2021-06-23 | 2021-06-23 | 一种基于体素增长的医学图像三维重建等值面网格加速提取方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113421339A true CN113421339A (zh) | 2021-09-21 |
Family
ID=77717547
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110699832.7A Pending CN113421339A (zh) | 2021-06-23 | 2021-06-23 | 一种基于体素增长的医学图像三维重建等值面网格加速提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113421339A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113888700A (zh) * | 2021-10-20 | 2022-01-04 | 哈尔滨理工大学 | 一种基于体素增长的医学图像三维重建方法 |
-
2021
- 2021-06-23 CN CN202110699832.7A patent/CN113421339A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113888700A (zh) * | 2021-10-20 | 2022-01-04 | 哈尔滨理工大学 | 一种基于体素增长的医学图像三维重建方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Artzy et al. | The theory, design, implementation and evaluation of a three-dimensional surface detection algorithm | |
Yang et al. | Intra: 3d intracranial aneurysm dataset for deep learning | |
Carr et al. | Simplifying flexible isosurfaces using local geometric measures | |
CN100589775C (zh) | 一种重建人体器官三维表面的方法及系统 | |
JP5225387B2 (ja) | ボリュームレンダリング装置及び方法 | |
CN106097305B (zh) | 双行程区域生长结合形态学重建的肺部气管树分割方法 | |
CN109903396A (zh) | 一种基于曲面参数化的牙齿三维模型自动分割方法 | |
CN103236058A (zh) | 获取四维心脏图像感兴趣体积的方法 | |
CN110033519A (zh) | 基于隐式函数的三维建模方法、装置、系统及存储介质 | |
EP1932120A2 (en) | Method of rendering a surface from a solid graphical image | |
CN109801277A (zh) | 一种图像处理方法及装置、存储介质 | |
CN101551906A (zh) | 基于三维区域分水岭的腹部ct图像主要血管提取方法 | |
Wang et al. | A marching cube algorithm based on edge growth | |
CN113421339A (zh) | 一种基于体素增长的医学图像三维重建等值面网格加速提取方法 | |
CN101976465A (zh) | 基于立方体棱边共享等值点的加速改进算法 | |
CN109509259B (zh) | 一种医学图像三维重建等值面网格提取方法 | |
Huang et al. | 3D reconstruction and visualization from 2D CT images | |
CN105574882B (zh) | 基于胸部横断面ct图像的肺部分割提取方法及系统 | |
CN109886973A (zh) | 一种血管提取方法、装置及计算机可读存储介质 | |
CN109636915B (zh) | 一种基于边增长的医学图像三维重建等值面网格提取方法 | |
Fang et al. | Automatic segmentation and 3D reconstruction of spine based on FCN and marching cubes in CT volumes | |
Li et al. | A fast segmentation method for STL teeth model | |
Lee et al. | Growing-cube isosurface extraction algorithm for medical volume data | |
CN113888700A (zh) | 一种基于体素增长的医学图像三维重建方法 | |
Wang et al. | Design and application of bounding volume hierarchy collision detection algorithm based on virtual sphere |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |