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