1第一章 绪论
1.1 研究背景及意义
随着计算机运算能力的迅速提升，出现了规模越来越大、复杂程度越来越高的数值模型，从而造就了形形色色体积庞大的数值型数据集。同时，人们不但利用医学扫描仪和显微镜之类的数据采集设备获取大型的数据集，而且还利用可以保存文本、数值和多媒体信息的大型数据库来收集数据。面对海量数据，如何及时有效地提取有用信息成为当前面临的巨大挑战。
1982 年 2 月，美国国家科学基金会在华盛顿召开了科学可视化技术的首次会议，会议认为“科学家不仅需要分析由计算机得出的计算数据，而且需要了解在计算过程中的数据变换，而这些都需要借助于计算机图形学以及图像处理技术”。会议将这一涉及到多个学科的领域定名为“Visualization in Scientific Computing”，简称“ScientificVisualization”。医学图像可视化技术研究是科学计算可视化研究的一个要应用。随着计算机断层成像(Computed Tomography,CT)、核磁共振成像(Magnetic Resonance Imaging,MRI)、正电子发射断层成像(Positron Emission Tomography,PET)和单光子发射断层成像(Single-photon Emission Computed Tomography,SPECT)等现代医学影像设备相继问世，使得人们对人体结构的认识变得容易和清晰。尽管这些设备已经广泛应用于医疗诊断，但仅根据这些只能反映人体某一截面信息的二维断层序列图像，很难准确地确定组织器官或病灶的空间位置、形状及其与周围组织的空间关系。在放射治疗应用中，仅由二维断层图像上某些解剖部位进行简单的坐标叠加，不能给出准确的三维影像，造成病变(靶区)定位的失真与畸变。因此，迫切需要一种行之有效的方法将二维断层图像序列转变为具有直观立体效果的图像，并逼真地显示给医生，让医生多角度、多层次地进行医学病理观察分析，从而可以大大提高医疗诊断的准确性和正确性。医学图像三维重建与可视化技术就是在这一背景下提出的。这一技术一经提出，就得到了大量研究和广泛的临床应用。然而，三维医学图像数据量很大，并且随着 CT、MRI 等医学成像设备的更新换代，所产生的医学图像的分辨率会更高，导致其三维重建的计算量倍增，单纯依靠CPU 的计算难以满足实时性的需求。2003 年以来，CPU 因其频率带来的高功耗和高发热率，使主流 CPU 止步于 4GHz，并往多核和提高缓存的方向发展。与此同时 GPU确以超出摩尔定律的速度发展。由于 GPU 天生是为计算密集、高度并行计算设计的，许多以前在 CPU 上非常耗时的算法，均可以移植到 GPU 上实现。由于国内在开展医学图像可视化技术研究方面起步较晚，目前，为保证图像绘制的质量和速度，大多依赖从国外进口的图形加速卡或图形工作站，这些设备价格昂贵，很难大范围推广。所以在普通 PC 上实现 GPU 的实时三维图像可视化研究成为主流。
1.2 研究现状
1.2.1 国外研究现状
医学图像三维可视化研究开始于 20 世纪 70 年代中期，80 年代是其蓬勃发展的时期，在物体表面重建方面有了很大的发展，其中具有代表性的是 Lorensen 等人提出的移动立方体法(Marching Cubes)。80 年代末直接体绘制开始发展，其中以 Westover提出的抛雪球法(Splatting)为代表。经过几十年的发展，医学图像三维可视化方法大致形成两种主要方法：面绘制(Surface Rendering)和体绘制(Volume Rendering)，这两个主要的研究方向都有许多成熟的算法，新的算法也在不断地涌现。为了更好地总结并利用现有算法，在发达国家，尤其在美国，对于开发高质量的算法平台非常重视，以期理论成果到实际应用的快速转化。
目前，国外比较著名的算法平台有：（1）VTK(Visualization ToolKit)，是一套进行数据可视化的开发工具包，最早在 1993 年 12 月由美国 GE 公司研发部门的 Will Schroeder 和 Ken Martin 首次发布，当时是作为《The Visualization ToolKit:An Object-Oriented Approach to 3DGraphics》这本书的配套软件赠送。VTK 完全采用面向对象的设计思路来设计和开发，提供了超过 300 个 C++类，并且支持跨平台开发。（2）ITK(Insight Segmentation andRegistration Toolkit)，主要是提供一个医学影像分割与配准的算法平台。它是由美国国家卫生院下属的国立医学图书馆投入巨资支持的，由 6 家单位，包括 University ofNorth Carolina、University of Utah、University of Pennsylvania 3 所大学以及 Kitware、GE、Insightful 3 个商业公司合作开发的。以上两种软件都采用开源的形式发行，所有研究人员都可以免费下载并使用。在医学图像三维可视化的应用领域，国外已经有许多基于医学图像三维重建的可视化系统：加拿大的 Allegro 系统，它可以根据用户需要，与不同厂商的 CT 扫描设备或核磁共振仪相连；以色列爱尔新持公司(ElscintUd)、美国通用电器公司(GE)生产的螺旋 CT 扫描设备均附有基于图形工作站的医学图像可视化系统等。但这些需要计算能力强、存储容量大的计算机系统，其中许多还需要有专用的硬件进行加速，价格非常昂贵。对于我国绝大多数医疗行业的单位，单独添加这样的设备，一方面负担过重，另一方面，即使勉强购置了此类设备，最后也会分担在病人身上，间接地增加了人们看病的成本。在加速技术方面，从减少数据冗余方面改进 Marching Cubes 算法，提出用 GPGPU 提高 Marching Cubes 算法性能。除了此之外，基于硬件特别是基于GPU 的加速技术研究一直是学者研究的热点。2000 年和 2001 年 Graphics Hardware年会的最佳论文都是基于硬件加速改进原来算法的文章。
1.2.2 国内研究现状
我国从九十年代开始在很多高校陆续开展了此方面的研究，经过近二十年的发展，医学图像三维可视化在我国取得了长足进步。其中比较出色的有：
(1) 中国科学院自动化研究所复杂系统与智能科学重点实验室独立开发了一套集成化医学影像算法平台 MITK(Medical Image ToolKit)，MITK 结合了 ITK 的配准和分割功能以及 VTK 的可视化功能。此外，还基于 MITK 设计并实现了三维医学影像处理与分析系统 3Dmed。
(2) 数字化虚拟人体。2002 年 10 月第三军医大学完成了“首例中国数字化可视人体数据集”的采集工作，2003 年 3 月，第一军医大学研究小组初步完成了中国首例女虚拟人的三维重建，这使我国成为继美国、韩国之后第三个拥有本国人种三维数据库的国家。
(3) 浙江大学 CAD&CG 国家重点实验室实现了一个面向网格基于 Java 的交互式远程并行可视化体系结构和系统 Gvis。目前，国内尚没有成熟的商用系统，因此开展这方面的研究，具有重要的理论意义和广阔的应用前景。
第二章 面绘制三维重建算法设计.........................................................................6
2.1 面绘制算法.......................................................................................6
2.2 MC 算法 ..........................................................................................7
2.2.1 MC 算法的基本原理 ...................................................................................7
2.2.2 MC 算法流程 .............................................................................................10
2.2.3 MC 算法存在的问题 ................................................................................. 11
2.3 基于分割的 MC 算法 .......................................................................................... 11
2.3.1 二维图像滤波............................................................................................12
2.3.2 阈值分割过程............................................................................................14
2.3.3 基于分割的 MC 算法流程 .......................................................................18
2.4 面绘制重建结果...................................................................................................18
2.5 本章小结..........................................................................................19
第三章 体绘制三维重建算法设计....................................................................................20
3.1 体绘制算法...........................................................................................................20 3.2 RC 算法 ..............................................................................21
3.2.1 RC 算法原理 ..............................................................................................21
3.2.2 RC 算法流程 ..............................................................................................22
3.3 传递函数..................................................................................................25
3.4 本章小结...............................................................................................................27
第四章 基于 CUDA 的三维重建方法..............................................................................28
4.1 CUDA .....................................................................................................28
4.1.1 CUDA 简介 ................................................................................................28
4.1.2 编程模型....................................................................................................29
4.2 基于 CUDA 的重建算法 .....................................................................................30
4.2.1 基于 CUDA 的 MC 算法 ..........................................................................30
4.2.2 基于 CUDA 的 RC 算法...........................................................................32
4.3 实验分析...........................................................................................33
4.4 本章小结..............................................................................................35
第五章 医学图像三维重建系统 Mi3D 实现....................................................................36
5.1 三维重建系统概述.........................................................................................36
5.2 图像解析模块.............................................................................................37
5.3预处理模块...................................................................................38
5.4面绘制三维重建模块..................................................................................39
5.5 体绘制三维重建模块..................................................................................40
5.6 本章小结...........................................................................................41
第六章 总结与展望.............................................................................................42
6.1 本文工作总结...............................................................................................42
6.2 未来工作展望............................................................................................43
参考文献...................................................................................44
第六章 总结与展望
6.1 本文工作总结
医学图像三维重建是计算机图形学和图像处理技术在生物医学工程中的重要应用，它涉及数字图像处理、计算机图形学以及生物医学领域的相关知识，是一项多学科交叉的研究领域。它在医疗诊断、手术规划及模拟仿真、虚拟内窥镜和解剖教学等方面都有重要应用。目前，为了保证图像绘制的质量和速度，大多依赖昂贵的图形加速卡或图形工作站，所以在普通 PC 上进行实时三维重建方法的研究具有重要的理论意义和应用价值。
面绘制和体绘制是医学图像三维重建的两种主要方法，本文围绕这两种方法所做的主要工作如下：
(1) 介绍了现有的面绘制算法，着重研究了 Marching Cubes 算法，对其算法原理和存在的问题做了分析。另外，对阈值分割过程做了详细的阐述，并将分割结果用于改进的 MC 算法--基于分割的 MC 算法，该算法在重建出感兴趣组织的同时，缩短了重建时间。
(2) 综述了现有的体绘制算法，重点对 RC 算法的基本原理以及算法实现步骤做了详细介绍，并对影响图像质量的传递函数的设计问题做了分析。本文通过对体数据标量场及其沿梯度方向的一阶导数据进行统计分析，给出一维和二维传递补函数的设计原理。
(3) 在分析 CUDA 编程模式的基础上，分别对 MC 算法和 RC 算法基于 CUDA 的改进实现过程做了详细的阐述。测试表明，基于 CUDA 的 MC 算法的重建时间大大缩短，基于 CUDA 的 RC 算法可以实时响应鼠标的交互，达到了实时体绘制。
(4) 本文设计了医学图像三维重建系统 Mi3D，该系统包括图像解析、预处理、面绘制和体绘制四个模块，其中包含的重建算法有：MC 算法、基于分割的MC 算法和 RC 算法，文章在最后阐述了系统各个模块的功能与实现。
6.2 未来工作展望
医学图像三维重建是一个复杂的研究课题，本文虽然做了一些研究，尚不够完善，以下几个方面还需要进一步研究：
(1) 基于分割的 MC 算法虽然减少了生成的三角面片数，但其生成的三角面片数量也相当大，可以采用网格简化技术，在不影响图像质量的同时，可以加快重建的速度。
(2) 二维传递函数比一维传递函数可以更好区分物质边界，但当遇到比较复杂的组织比如大脑时，二维传递函数就会暴露其短板，所以，设计区分度高、效率更高的传递函数也是一个值得研究的课题。
(3) 本文只分别对面绘制中的 MC 算法和体数绘制中的 RC 算法做了加速尝试，其它算法是否会有更好的效果，需要进一步研究。