【正文】 64M(cd,gh)的樣本點來產(chǎn)生的X光圖像(ad)和明暗圖像(eh)。 在本次實驗中，只是以軟件的形式來實現(xiàn)算法而并沒有用3D硬件加速的方法。因此可以展示該方法不需要昂貴的圖形卡來完成高性能的繪制。下一步工作是使用最新的通用圖形加速卡來實現(xiàn)MCVR更高效的繪制。這將支持128bits浮點方式的alpha混合。在低精度的模型里進行像素值累加，容易導(dǎo)致溢處。如果支持高精度的alpha混合方式，則GPU可以執(zhí)行所有繪制所必需的任務(wù)。如：投影，深度提示，明暗處理和基于加法的alpha混合累加。再者，通過加載點陣（點陣的子集）作為一個靜態(tài)的向量數(shù)組到局部圖像存儲區(qū)中（更有效的向量處理），可以提高繪制的性能。 這里的MCVR是基于體積分而不是線積分，因此與之前方法的定量比較是不合理的。在表12中，MCVR與光線投射法，F(xiàn)VR和硬件加速3D紋理繪制進行了比較。在先前的技術(shù)中，F(xiàn)VR被認(rèn)為是理論上最快的體繪制方法，它的時間復(fù)雜度是：。但實際上，紋理映射是最流行的硬件加速技術(shù)之一。它能對中等規(guī)模的數(shù)據(jù)集(512512200)提供交互幀頻的繪制速度。根據(jù)上面所述，MCVR的時間和空間復(fù)雜度是依賴于像素的數(shù)量而不是體素的數(shù)量。但在考慮將一個NNN的體數(shù)據(jù)投影到一個NN的分辨率圖像上時，對時間和空間開銷的比較是合理的。這樣，MCVR的時間和空間復(fù)雜性是： (在時間復(fù)雜性為的預(yù)處理之后)，其中假設(shè)圖像分辨率是固定的(W=H=N)并且不允許縮放。在繪制大規(guī)模數(shù)據(jù)集的時候，先前方法的主要瓶頸是它們的內(nèi)存開銷。相比之下，MCVR可以根據(jù)當(dāng)前的硬件資源進行適當(dāng)調(diào)整，因為它是根據(jù)樣本點的數(shù)量來確保繪制的準(zhǔn)確性而不是依賴于輸入體數(shù)據(jù)的大小。如果沒有足夠的主存來加載點陣或者處理器不能處理過高的交互幀頻時，則MCVR通過只投影樣本點的一個子集來維持交互式的繪制，而生成圖像的質(zhì)量并沒有太大的下降。 關(guān)于圖像質(zhì)量方面，很難將之前的方法和MCVR進行比較。因為它們基于不同的可視化模型。理論上，F(xiàn)VR提供精確的沿著視線的線積分。實際上，圖像的質(zhì)量卻極大地依賴于應(yīng)用到切片上的重采樣濾波器，這同時也影響性能。而使用體繪制積分的離散逼近是通過沿著視線，均勻地選取樣本點來進行重采樣計算得出。 MCVR的主要缺點是復(fù)合操作受限于灰度值的積分，就像在FVR中一樣。在另一方面，F(xiàn)VR則只能使用線性的或者近似的明暗處理模型，而MCVR則沒有這些限制。再者，F(xiàn)VR只適用于并行投影，而MCVR還支持透視投影。 MCVR另外的一個重要缺點是它是為外部觀察而設(shè)計的。因此，與之前的方法相似，如：FVR或者錯切形變算法，它們都不支持體數(shù)據(jù)的導(dǎo)航和高質(zhì)量的放縮。表12 MCVR與光線投射法，傅立葉體繪制和紋理映射的比較光線投射法FVR硬件加速3D紋理繪MCVR時間復(fù)雜度空間復(fù)雜度精確度依賴于光線數(shù)量依賴于切片離散逼近復(fù)合灰度值積分灰度值積分Alpha混合灰度值積分明暗處理Phone Shading線性模型Phone Shading無限制投影平行或透視投影平行投影平行或透視投影平行或透視投影蒙特卡羅方法體繪制算法用于交互地體繪制大規(guī)模數(shù)據(jù)集，而不需將整個數(shù)據(jù)集放到主存中。從上面的討論中可知，MCVR的時間和空間復(fù)雜性依賴于像素數(shù)量而不是體素數(shù)量。因此在速度方面會比大部分基于軟件加速的體繪制算法快并且能在很大程度上保證生成圖像的質(zhì)量。這便為基于體繪制的反分割方法提供了一種快速的，能用于交互繪制的三維重建算法。第四章 基于體繪制的反分割方法研究反分割方法是指先重建出物體再進行分割或者邊分割邊進行重建。傳統(tǒng)的醫(yī)學(xué)圖像處理流程大致如下[3]： （1）對醫(yī)學(xué)序列圖像進行去噪等消除影響圖像質(zhì)量的雜質(zhì)。 （2）使用合適的分割算法對（1）的結(jié)果進行分割，獲取感興趣的區(qū)域。如：肝膽脾胰等器官。 （3）分割算法執(zhí)行完成后，對分割結(jié)果進行三維重建。如顯示的分割結(jié)果不符合用戶的要求則重復(fù)（2）（3）步的操作。 本文的反分割方法使用邊分割邊重建的方式，用戶可以從三維重建的場景中觀察分割過程，當(dāng)發(fā)現(xiàn)分割過程中出現(xiàn)偏差時可以及時調(diào)整分割過程（如：阻止肝臟的分割結(jié)果包含胰臟部分），使得分割不往不合理的方向繼續(xù)下去。這樣只需經(jīng)過一次的分割和重建就可以獲得合符用戶要求的結(jié)果。 從體繪制三維場景中獲取三維種子點為了在體繪制場景中進行分割操作，需要進行的第一步工作是如何通過二維輸入設(shè)備（這里主要是指鼠標(biāo)）獲取到體繪制場景中感興趣區(qū)域的點。 在傳統(tǒng)的二維圖像上獲取的種子點通常是不準(zhǔn)確的，該種子點不一定屬于感興趣區(qū)域的點集。這是由于用戶通過鼠標(biāo)在二維圖像上點擊所獲取的種子點可能會受到噪聲或誤操作等的干擾，從而造成選取種子點的不正確。而這些錯誤可能在選擇種子點的時候無法發(fā)現(xiàn)，需要等到分割完成，甚至重建后才能觀察到。這便造成時間的浪費和用戶體驗不好。目前解決這類問題的一個常用方法是通過求該種子點nn鄰域的灰度均值作為種子區(qū)域的初始值；另外一種方法則是對二維圖像進行一些預(yù)處理。從而減少噪聲等對種子點選取的影響[66]。 然而上述解決方法只是盡可能降低了誤選率，提高準(zhǔn)確性。但對于人體器官內(nèi)的一些細(xì)節(jié)部分還無法從根本上解決。例如對于肝內(nèi)管道的細(xì)小結(jié)構(gòu)通過上述方法就無法解決。因為細(xì)小結(jié)構(gòu)與肝組織背景之間差異比較小，而且在較長的小分支中存在人眼不能察覺部分。所以人眼在選擇這部分種子點時很難一兩次就準(zhǔn)確選中。另外一個問題是人眼對三維物體和二維圖像的分辨能力。目前的研究表明人眼對三維物體的辨別能力高于二維圖像。因此，在三維場景中選擇種子點的準(zhǔn)確率會比在二維圖像上高。而大多數(shù)的分割技術(shù)都是基于一張圖像上的種子點來進行，算法的初始種子點集都是二維圖像上的像素點。這樣的種子點并不精確，因為在二維圖像上觀察到的點不一定能很準(zhǔn)確地反映出它就是目標(biāo)分割對象的點，二維圖像上的對象可能會包含其他對象。如肝臟還包含腫瘤和血管，而且和胰腺極其接近和相似。如果在進行體繪制后，就能在三維體繪制空間上清楚地區(qū)分出目標(biāo)分割對象和背景對象，觀察得更清晰和更具有真實感。這樣便為分割提供精確的種子點，從而提高分割的準(zhǔn)確性。但使用二維輸入設(shè)備在三維圖像空間上選取種子點是一件十分困難的事。二維設(shè)備很難獲取第三維信息，這些設(shè)備只能在二維平面上進行選擇。本文的解決方法是通過一個 “橋梁”將二維和三維連接起來，從而實現(xiàn)通過二維輸入設(shè)備獲取三維信息。通過在三維空間中放置一個坐標(biāo)軸“橋梁”，然后通過鼠標(biāo)移動坐標(biāo)軸的三個軸來實現(xiàn)三維空間的遍歷。如下圖41所示： 圖41 鼠標(biāo)獲取三維空間點具體操作步驟如下：（1） 鼠標(biāo)選中坐標(biāo)軸中的某條軸；（2） 按住鼠標(biāo)左鍵并移動，可以看到該坐標(biāo)軸及其中心的藍色圓點會按照鼠標(biāo)移動的方向來進行移動；（3） 在藍色圓點移到需要選擇的點的位置時，松開鼠標(biāo)左鍵，在圓點的中心便留下一個紅色的小圓點，該點便是代表用戶在體繪制場景中所選擇的種子點。通過該坐標(biāo)軸，可以用鼠標(biāo)選中體繪制場景中任何位置上的任意像素點。在這個坐標(biāo)軸的原點位置就可以定位三維空間上的一個點。在本文的實現(xiàn)方式中，這個三維的圖像空間是包含了對醫(yī)學(xué)圖像原始數(shù)據(jù)直接進行體繪制所生成的三維物體的一個體繪制空間。在這個空間上所獲取的點將作為運行交互式分割算法的一個初始種子點。本文在VTK的基礎(chǔ)上實現(xiàn)了該數(shù)據(jù)結(jié)構(gòu)及功能，其具體定義如下：class VTK_WIDGETS_EXPORT C3DSeedPointWidget: public vtk3DWidget{public: static C3DSeedPointWidget *New()。virtual void PlaceWidget(double bounds[6])。 // 設(shè)置三維光標(biāo)位置 void GetPolyData(vtkPolyData *pd)。 // 獲取VTK中定義點的對象// 設(shè)置光標(biāo)位置等的多個重載的Get/Setf方法 void SetPosition(double x, double y, double z) …………protected: C3DSeedPointWidget ()。 ~ C3DSeedPointWidget ()。// VTK中事件處理流程的傳遞函數(shù) static void ProcessEvents(vtkObject* object, unsigned long event, void* clientdata, void* calldata)。 // 下面對應(yīng)的事件處理方法又ProcessEvents進行調(diào)用 virtual void OnMouseMove()。 virtual void OnLeftButtonDown()。 virtual void OnLeftButtonUp()。 virtual void OnMiddleButtonDown()。 virtual void OnMiddleButtonUp()。 virtual void OnRightButtonDown()。 virtual void OnRightButtonUp()。 // VTK顯示環(huán)境中使用的成員變量 vtkActor *Actor。 vtkPolyDataMapper *Mapper。 ……… // 平移，縮放等操作的實現(xiàn)函數(shù) void Translate(double *p1, double *p2)。 void Scale(double *p1, double *p2, int X, int Y)。 void MoveFocus(double *p1, double *p2)。 ……… vtkProperty *SelectedProperty。 // 選中對象的屬性 void CreateDefaultProperties()。 // 設(shè)置默認(rèn)的選中對象屬性 ………..}。// 平移，縮放等操作的實現(xiàn)函數(shù) void Translate(double *p1, double *p2)。 void Scale(double *p1, double *p2, int X, int Y)。 void MoveFocus(double *p1, double *p2)。 ……… vtkProperty *SelectedProperty。 // 選中對象的屬性 void CreateDefaultProperties()。 // 設(shè)置默認(rèn)的選中對象屬性 ………}。 模糊區(qū)域生長法與體繪制方法的結(jié)合本文的反分割方法將結(jié)合前面第二章和第三章分別介紹的分割和體繪制算法來實現(xiàn)。 在獲取到進行圖像分割所需要的種子點后，將該點作為第二章分割算法的種子點參數(shù)，并且由于是直接在體繪制場景中進行的分割操作，因此不能將原始的圖像數(shù)據(jù)集作為參數(shù)傳遞給分割算法。而是要將體繪制的輸出數(shù)據(jù)集作為分割算法的輸入?yún)?shù)。這樣才能確保數(shù)據(jù)的一致性。 本文的反分割方法需要分割與重建繪制交替迭代地執(zhí)行，使分割的過程可視化和可修改。這里存在的一個重要問題是：不能把每進行一次分割步驟后的數(shù)據(jù)集整體輸出給重建算法。如果每次都對如此大量的數(shù)據(jù)進行重建繪制，這樣運行的效率會十分低下，同時在實驗中會出現(xiàn)卡機和頻繁閃屏的現(xiàn)象。本文的處理方法是利用二維圖像的掩碼原理。為了提高顯示速度，減少計算量，在每執(zhí)行10次分割步驟后，統(tǒng)計本次分割后哪些點被改變了，得出重建算法所需要計算顯示的點集，最后再通過計算掩碼，只刷新改變的部分。從而避免了閃屏和計算效率低下的情況。具體的執(zhí)行步驟如下圖42所示：圖42 模糊區(qū)域生長法與體繪制方法的結(jié)合 分割與體繪制的同步顯示研究 在傳統(tǒng)的分割與體繪制過程中，分割與體繪制過程是一個串行的流程。如下圖43所示：圖43 分割與體繪制的串行執(zhí)行從上圖中可以發(fā)現(xiàn)存在兩個問題：（1） 分割流程完成后才能執(zhí)行體繪制流程。在完成體繪制前，用戶是無法觀察到分割的執(zhí)行過程，無法了解分割的即時狀態(tài)和分割結(jié)果是否滿足用戶的要求。只有在體繪制完成后才能從三維上觀察到之前的分割結(jié)果是否合理。一旦分割過程出現(xiàn)問題是無法立即發(fā)現(xiàn)。如果分割不合符要求，則需要重新執(zhí)行一遍兩個流程。這便極大地耗費了時間和資源。（2） 分割的結(jié)果無法與源數(shù)據(jù)進行對比。由于在傳統(tǒng)的過程中，程序只將分割的結(jié)果作為參數(shù)傳遞到體繪制算法中。因此，只能顯示出分割的結(jié)果，無法進行源數(shù)據(jù)與最終數(shù)據(jù)的對比。 為解決上述問題，本文提出分割與體繪制的同步執(zhí)行方法，該方法的具體思路描述如下：（1） 在進行圖像分割前，先通過體繪制算法將源數(shù)據(jù)重建并顯示。（2） 通過模糊區(qū)域生長法與體繪制方法相結(jié)合的方式，將部分的分割結(jié)果作為輸入?yún)?shù)傳遞到體繪制算法中并顯示。（3） 迭代執(zhí)行過程（2），直到分割結(jié)束為止。上述方法通過實時顯示分割結(jié)果，并與源數(shù)據(jù)進行對比，從而可以讓用戶觀察分割的過程及檢驗結(jié)果是否滿足用戶的要求。方法處理的流程圖如下圖44所示：圖44分割與體繪制的同步顯示流程圖 圖45 分割結(jié)果與體繪制的同步顯示效果如上圖45所示，使用本小節(jié)所描述的方法，可以將整個肝臟及其分割過程同步顯示出來。其中測試數(shù)據(jù)集是廣東南方醫(yī)科大學(xué)珠江醫(yī)院某女性病人的腹部CT圖像。數(shù)據(jù)集的大小是51251250的部分?jǐn)?shù)據(jù)。體數(shù)據(jù)的圖像分辨率是512512。從圖中可以看到，黑色的部分是源數(shù)據(jù)集的體繪制重建結(jié)果，而紅色部分則是分割算法的實時結(jié)果。這樣便可以通過觀察和比較紅色和黑色部分的數(shù)據(jù)來評價分割的準(zhǔn)確性和合理性。 反分割過程的交互研究在反分