基于分割的肝癌三维可视化研究与实现

提出一种基于分割的肝癌三维可视化方法.利用动态自适应区域生长算法分别把肝脏、肿瘤以及肝内血管从图像中提取出来;通过调用VTK开发包中的MC面绘制三维蕈建算法,对这些器官和组织进行三维绘制.这种方法分割准确.重建的三维器官模型立体感强,形态逼真,便于观察肿瘤与其它器官组织的空间位置关系.     

肝脏虚拟手术中的关键技术研究与实现

对虚拟仿真手术中的图像配准、图像分割、人体器官三维重建以及虚拟切割等关键技术进行了深入的探讨与研究,通过PHANTOM操纵"虚拟手术刀"对肝脏及其内部管道模型进行了仿真切割实验.结果表明,在力反馈设备的基础上进行虚拟肝脏切割手术.仿真手术过程和结果基本符合临床实际情况.     

Jolly：基于Python的医学图像处理框架

研究支持快速开发医学图像处理系统的框架 Jolly,采用Python作为主要开发语言,通过对比当前已有的医学图像处理系统,抽象出应用层模块:数据管理模块、可视化管理模块、数据表示及转换模块.在主流医学图像处理系统开发包ITK、VTK等提供的医学图像分割、配准、可视化等功能基础上,提供更高级的组件式开发功能.应用实例和与当前主流开发包对比表明Jolly在支持快速开发医学图像处理系统中具有优势,可以作为开发医学图像处理系统的一个选择.     

立体显示技术在力反馈仿真手术的应用

本文介绍了立体显示技术,并且结合触觉编程开发包OpenHaptics,应用于以PHANToM作为力反馈设备构建的虚拟手术仿真系统上。使仿真系统能够实时进行具有立体感的多种手术操作,提供真实的立体视觉反馈和力反馈,具有良好的沉浸感和交互性。     

基于64排CT序列图像的肝脏及其管道的提取算法

目的：把肝脏及其内部的肝静脉和门静脉两种管道从64排CT序列图像中提取出来,为后续肝及其管道的三维重建及最终的虚拟手术模拟提供正确的数据。方法：利用CT序列图像之间的相似性,通过自适应的区域生长算法对CT序列图像进行自动提取。结果：实验结果表明这种提取算法能得到很好的分割结果。结论：本文提出的这种算法可以正确有效地完成CT序列图像的提取工作。     

一种基于区域生长的CT序列图像分割算法

提出一种基于区域生长的CT序列图像的分割算法。在第一张待分割目标区域中选取一个种子点,利用四领域的生长规则对种子点进行区域生长,得到一组点集,将这个点集投影到下一张CT图像中,得到一组新的点集,再提取该点集的轮廓,最后对该轮廓上的点进行四领域的区域生长,分割出最终的目标区域。实验结果表明,该分割算法不仅适用于简单的图像分割问题,而且对于背景复杂、光照不均匀的图像也能取得较好的分割效果。     

基于自适应区域生长算法的肝脏分割

把肝脏器官从医学图像中提取出来,为肝脏的三维重建及最终的仿真手术模拟提供正确的数据。针对腹部CT图像中脏器组织多、图像纹理结构复杂、灰度差别小、边缘不明显等特点,提出一种改进的自适应区域生长分割算法。该算法基于两个局部参数：待生长点的局部平均灰度和局部平均梯度,对传统区域生长算法的生长准则进行了改进。实验结果表明,得到的肝脏分割结果比传统区域生长算法分割结果更精确,可以为后续的肝脏三维重建及仿真手术提供准确的数据。     

CT序列图像中肝脏及其管道的分割

把肝脏及其内部各种管道从CT序列图像中分割出来,为后续肝脏及其管道的三维重建及最终的虚拟手术模拟提供正确的数据。在结合CT序列图像之间的相似性基础之上,提出一种动态自适应的区域生长算法。首先对原始CT数据进行中值滤波,去除部分噪声,然后采用相应的序列化区域生长分割模型,对CT序列图像中肝脏及其内部管道分别进行提取。实验结果表明,应用该方法能得到准确的肝脏及管道分割结果。     

一种基于蒙特卡罗方法的体绘制算法*

为解决医学图像三维可视化中大规模体数据显示速度与成像质量问题,引入一种基于蒙特卡罗方法的新颖体绘制算法。本算法根据给出的概率密度函数从随机样本点或其子集中选取一个点阵来进行绘制,主要适用于对大规模体数据集的有效可视化。另外,使用渐进细化的方法在图像质量和交互性上进行权衡折中,以适应实时要求。实验结果表明,在最终图像分辨率固定的情况下,本算法的时间复杂度和空间复杂度都比之前的算法要好,成像质量也满足实时绘制要求,可以在实际应用中使用。