针对脊柱CT图像三维重构MC方法的改进

doi:10.3778/j.issn.1002-8331.2010.02.008

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (2): 25-28.DOI: 10.3778/j.issn.1002-8331.2010.02.008

针对脊柱CT图像三维重构MC方法的改进

余伟巍¹，何飞²，席平¹

1.北京航空航天大学机械工程及自动化学院，北京 100191
2.昆明医学院第一附属医院骨科，昆明 650032

收稿日期:2009-10-13 修回日期:2009-11-16 出版日期:2010-01-11 发布日期:2010-01-11
通讯作者: 余伟巍

Improvement of MC method for 3D reconstructed model based on spine CT images

YU Wei-wei¹，HE Fei²，XI Ping¹

1.School of Mechanical Engineering and Automation，Beihang University，Beijing 100191，China
2.Department of Orthopedic Surgery，1st Affiliated Hospital of Kunming Medical College，Kunming 650032，China

Received:2009-10-13 Revised:2009-11-16 Online:2010-01-11 Published:2010-01-11
Contact: YU Wei-wei

摘要/Abstract

摘要： 对原始MC（Marching Cubes）方法存在的问题和局限进行改进，并以此为基础重构脊柱三维模型，使之满足术前分析和远程手术的要求。采用双曲渐近线判别式消除面二义性问题，利用插值函数的空间连续性解决体二义性问题。提出基于对象相关性的cube连通性判断，减少三角面片过多的问题，进一步采用Decimation算法消减面片网格。实验证明了上述改进方法的有效性和正确性，可得到良好的三维重构效果。

关键词: 计算机图像处理, 医学图像, 三维重构, 移动立方体

Abstract: Improving original Marching Cubes（MC） method to reconstruct 3D models with correct topological structure and fewer triangles.Solving the problem of faces ambiguity by using hyperbolic asymptote and the problem of inferior ambiguity by judging the relationship of hyperbolic asymptote on inferior parallel plane.Giving a method to avoid the computation of unnecessary triangles based on the connectivity between cubes.Finally，preserving the original topology structure and reducing more candidate triangles by using Decimation algorithm.Experiment illustrates that these improvement for original MC method can obtain satisfied results.

Key words: image processing, medical image, 3D reconstruction, Marching Cubes（MC）

中图分类号:

TP391.41

余伟巍¹，何飞²，席平¹. 针对脊柱CT图像三维重构MC方法的改进[J]. 计算机工程与应用, 2010, 46(2): 25-28.

YU Wei-wei¹，HE Fei²，XI Ping¹. Improvement of MC method for 3D reconstructed model based on spine CT images[J]. Computer Engineering and Applications, 2010, 46(2): 25-28.

[1]	张晓丽，张魁星，江梅，魏本征，丛金玉. 淋巴瘤图像分类技术研究综述[J]. 计算机工程与应用, 2021, 57(6): 1-9.
[2]	卢苇，刘丹，邵敏，吴扬东. 改进Mask R-CNN网络在医学图像识别与分割中的应用[J]. 计算机工程与应用, 2021, 57(24): 234-241.
[3]	高爽，徐巧枝. 迁移学习方法在医学图像领域的应用综述[J]. 计算机工程与应用, 2021, 57(24): 39-50.
[4]	黎英. 迁移学习在医学图像分析中的应用研究综述[J]. 计算机工程与应用, 2021, 57(20): 42-52.
[5]	李祥霞，谢娴，李彬，尹华，许波，郑心炜. 生成对抗网络在医学图像处理中的应用[J]. 计算机工程与应用, 2021, 57(18): 24-37.
[6]	郭艳芬，崔喆，杨智鹏，彭静，胡金蓉. 基于深度学习的医学图像配准技术研究进展[J]. 计算机工程与应用, 2021, 57(15): 1-8.
[7]	陈少洁，赵淦森，林成创，彭璟，黄凯信，李壮伟，黄润桦，杜嘉华，樊小毛. 深度学习在染色体分割中的应用综述[J]. 计算机工程与应用, 2021, 57(11): 46-56.
[8]	周涛，陆惠玲，霍兵强. 深度信念网络研究进展[J]. 计算机工程与应用, 2020, 56(9): 24-32.
[9]	吴帆，高媛，秦品乐，王丽芳. 基于拉普拉斯金字塔和CNN的医学图像融合算法[J]. 计算机工程与应用, 2020, 56(15): 208-214.
[10]	鞠维欣1，赵希梅1，2，魏宾2，王国栋1. 深度学习模型GoogleNet-PNN对肝硬化的识别[J]. 计算机工程与应用, 2019, 55(5): 112-117.
[11]	席志红，侯彩燕，袁昆鹏. 基于残差网络的医学图像超分辨率重建[J]. 计算机工程与应用, 2019, 55(19): 191-197.
[12]	张经宇，滕建辅，白煜. 医学图像边缘检测的Levy-DNA-ACO算法研究[J]. 计算机工程与应用, 2018, 54(8): 14-20.
[13]	孙利雷1，2，徐勇3. 基于深度学习的乳腺X射线影像分类方法研究[J]. 计算机工程与应用, 2018, 54(21): 13-19.
[14]	邢晓羊1，2，魏敏1，2，符颖1，2. 基于特征损失的医学图像超分辨率重建[J]. 计算机工程与应用, 2018, 54(20): 202-207.
[15]	贾文娟1，王水花1，张煜东2. 基于影像的病脑检测方法综述[J]. 计算机工程与应用, 2018, 54(11): 21-29.

针对脊柱CT图像三维重构MC方法的改进

Improvement of MC method for 3D reconstructed model based on spine CT images

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics