下載/瀏覽

Download Report

Transcript 下載/瀏覽

Three Dimension Reconstruction of
Medical Images Based on an Improved
Marching Cubes Algorithm
Author : Lei Guo, Ming Hu, Ying Li, and WeiliYan
Published : Biomedical Engineering and Informatics (BMEI), 2013 6th
International Conference
Speaker : 張任頡
Outline
I. Introduction
II. Standard MC algorithm
III. An Improved MC algorithm
IV. Experiment and analysis
V. Conclusions
2
I. Introduction(1/1)
1. 3D醫學影像重建開發在醫學影像可視化的領域上,而Marching Cubes(MC)
在面繪製算法中最為經典的方法
2. MC 也有一些須改善的缺點,本論文針對不必要的計算來做改進
3. 本文結合了 seed region growing 來改進算法,並重構出腦部組織跟鼻咽
3
II. Standard MC algorithm(1/5)
1. 算法過程:
A.每次讀出兩張切片,形成一層(Layer)
B. 兩張切片上下相對應的四個點構成
一個Cube
C. 從左至右、從前到後順序處理一層中的
立方體(抽取每個立方體中的等值面)
然後從下到上順序處理層
4
II. Standard MC algorithm (2/5)
5
II. Standard MC algorithm(3/5)
2. 在VTK標準下的MC之步驟:
1) Read the segmented tissue data with vtkVolumeReader and generate data object.
2) Build vtkMarchingCubes object and set a threshold value (gray scale) to extract the
isosurface.
3) Call filters to process the data object to produce a new object.
4) Call vtkMapper to map the produced data object (3D data) to geometry voxels.
5) Map the geometry voxels to a vtkActor.
6
II. Standard MC algorithm(4/5)
6) Add the vtkActor to a vtkRenderer
7) Add the vtkRenderer to a vtkRenderWindow
8) Initialize the data object and call Render ( ) to render and display the tissues
9) Build an interactive object, set the interactive window and the interactive
attribute
10) Call vtkWriter to save the rendered result
7
II. Standard MC algorithm (5/5)
缺陷:
a. topology structure ambiguity (拓樸結構歧異性)
b. 計算效率低
8
III. An Improved MC algorithm(1/5)
1. Seeded Region growing (種子區塊成長演算法):
利用一個或者多個種子點與鄰點相比較
假使鄰點的灰階值與所設定的灰階值介於設定的
灰階值最大值與最小值,利用這些鄰點組成一種
子區,而種子區依相同模式搜尋鄰邊關係
直到其鄰邊的灰階值非介於最大值與最小值時
種子區的成長即可終止
9
III. An Improved MC algorithm(2/5)
2. The MC Algorithm Based on Seeded Region Growing :
先掃描3D data field 並找到含有
isosurface的初始seed cube
再由6個方向搜尋
10
III. An Improved MC algorithm(3/5)
2. 改進後方法的步驟:
1) 建立兩個查找表
a. TriangleCaseTable :儲存256種cube組合跟其對應的三角化
(triangularizations)的index
b. NeighborCaseTable:儲存每個組合中鄰近的cubes其對應資訊的index
2) 建立 佇列Q 跟 矩陣 F
3) 啟動演算法,將F初始化為0
11
III. An Improved MC algorithm(4/5)
4) 一開始掃描3D data field,當該演算法掃描到第一個種子區塊時,把它標
示為1
5) 從Q的標頭檔提取cube C,然後根據TriangleCaseTable去判斷,並計算出
座標和法向量的交叉點
6) 再根據NeighborCaseTable判斷cube C,並將這些活躍的cubes放入,並
標記
7) 回 5) 繼續該活動,直到Q為空。
12
III. An Improved MC algorithm(5/5)
Example :
NeighborCaseTable中
V7~V1灰階值 高於isoface,V0低於isoface
→ V7~V1被mark V0被 ummark
所以該index為 1111110
NeighborCaseTable中
索引值為 1 0 1 0 0 1 (1:active 0: not active)
13
IV. Experiment and analysis(1/3)
1. 使用之前所提出的方法之結果:
MR影像使用了3D T2 weighted
fast-spin echo pulse sequence
Matrix大小為 256*256*150
14
IV. Experiment and analysis(2/3)
2. 數據比較:
15
IV. Experiment and analysis(3/3)
3. 視覺化後效果差異:
16
V. Conclusions (1/1)
1.結合seeded region growing 與 MC 所改進的方法來重建顱內的組織和鼻咽
2. 改進後的MC 可以根據其應用到的組織類型,時間複雜度降低了6~23%,
也可移除分割階段所產生的雜訊。
3.理論分析和實驗結果表示改進的 MC 是可行的且有效率
17
報告結束
Thanks for your listening.
18