文摘

本文提出一种plane-based抽样法来改善传统的射线铸造算法(RCA)的快速重建三维生物医学模型从序列图像。小说中方法,所有采样点的光学特性取决于交集点当光线穿过一个等距平行计划卷数据集的集群。结果表明,该方法提高了渲染速度三倍比传统算法和图像质量保证。

1。介绍

建模三维(3 d)体积的生物组织二维序列图像高度提高诊断精度的一个重要技术(1]。体绘制是指的过程,将3 d离散数字数据映射到图像像素值(2]。它可以分为两类:一是直接体绘制沿射线生成合成图像的像素值转换为一个三维图像,另一个是间接的体绘制可视化图形几何元素提取体积数据3]。体绘制的重要性重采样和图像合成4]。雷铸造,泼洒,shear-warp现在三个受欢迎的体绘制算法(5]。

雷铸造算法(RCA)直接体绘制算法。传统的RCA广泛用于它可以精确地想象各种医学图像序列图像边界和内部信息的细节,而实时渲染与传统RCA由于其巨大的计算仍然是一个障碍。

近年来,众多技术提出了加快渲染速度。一般来说,有三个主要方面,包括基于硬件的并行和基于软件的加速算法。刘等人。6)提出了一个方法结合图形处理单元(GPU)和八叉树编码的速度和加速RCA 85倍。魏和冯7)提出了一种基于gpu的实时光线铸造方法,通过迭代代数b样条曲面root-finding算法。Zhang et al。8)加速RCA统一计算设备架构(CUDA),可以执行更多的树苗在一线段用三次b样条。

然而,基于硬件和并行技术都离不开计算机硬件的发展。相比之下,基于软件的算法可以快速移植在不同的机器上。更重要的是,他们可以展示过程的灵活性,反映了思想的研究。杨et al。9基于所有交集点)采样点的射线则与体素。体素中所有路口取决于四个顶点在一个脸。然而,条件是否两个相交点在相邻或相反的表面体素被忽视了。凌和钱10]用边界体积法避免铸造观看射线不相交的体积。因为这样的情况可以判断迅速通过比较采样点的世界坐标与卷数据集,它没有明显加快渲染过程。最近,钱等。11)取代了采样点与交集点当光线穿过三组平行平面三轴正交的减少渲染时间。然而,它不能保证图像密度时,相邻的平行平面之间的距离远远超过采样间隔。

本文提出了一种改进的RCA速度呈现过程。主要的思想是,当光线穿过一组等距平行平面的体积,交集点。然后相邻交叉口之间的采样点的属性点的公式可以计算出确切的比例和分离点。通过这种方法,一个小数量的交集点被认为是;与此同时,方法不牺牲采样密度。

2。雷铸造算法

2.1。雷铸造算法概述

传统的RCA涉及两个步骤:(1)将光学特性,如颜色和不透明度分配给所有3 d离散点根据其灰度值,和(2)应用采样和创作过程。对于每一个按顺序输出图像像素,做以下。(我)投射线通过音量回到前面。(2)样品的颜色和不透明性在每个定期采样点沿射线。(3)设置显示当前输出像素的颜色

呈现时间主要是由四个部分在上述渲染过程(11]。他们是将灰度值转化为光学性质(大约30%),计算采样点的位置(大约3%),抽样光学特性(大约39%),和合成属性输出像素颜色(大约6%)。采样的时间比例是最高的。此外,四个部分的时间比率不是常数。抽样数据越大,采样时间的比例越大。因此,抽样RCA速度有直接的影响。

2.2。传统的采样方法

传统上,每个采样点的光学性质取决于八个顶点的三线性插值的体素(12,13]。在细节中,有四个步骤的抽样。首先,定位其体素和采样点的世界坐标转换为体素的本地坐标。以下三个步骤过程的线性插入沿三个轴。雷铸造的插值图算法如图1。

例如,样本点在白色的圆(图1),首先获得体素和当地的坐标的表达的是(2)。然后4点的光学性质(在飞机上)推导出根据八个顶点()z设在。接下来的两个点的属性()形成的线段计算在设在。最后在获得按一定比例划分点设在公式。

在图1,假定像素间距,,轴是,,分别与: 在操作符()代表在地上积分。

房地产的可以通过计算和获得的,。显示了它们之间的关系

根据上面的方程,17添加和16个乘法等抽样每个点执行(见图1),包括3增加和9乘法来定位体素并得到当地的坐标。在图1在两体素,有6个采样点,102添加,96乘法。为了简化计算抽样过程,提出了一种基于平面的新RCA集群抽样。

2.3。提出计划抽样法

计划抽样方法的基本思想是获取所有采样点基于交集点当射线穿过一群并行飞机的体积数据字段。

抽样过程,具体来说,包括三个步骤。首先,十字路口和相应的平面得到基于一些必要的初始条件。然后所有的交集点的光学性质是通过线性插值根据平面顶点集群。采样点的光学性质沿射线相交点之间按一定比例和分离点计算公式。

假设射线的方向向量和网格体积数据的程度的间距沿着,,轴,分别三个平面集群如下:

平行平面簇沿着轴被选中。让雷的起源点。光线与平面相交在入口点和属于体素。的坐标和体素推导出下一个。推导过程如下所示。自 在哪里指的是距离来沿着射线的价值可以获得 因此, 和的 可以表示如下: 考虑到属于体素,然后和表示如下: 因此,当是给定的,,和可以通过上述方程。

从数学推导,当初始位置、方向向量,和体积数据的程度,所有体素可以快速获得相关的十字路口和。

在图1,房地产的入口点可以计算的属性()三个顶点的体素,也就是说,

同样,该财产的出口点可以获得。最后,房地产表示如下:

此外,当一个组件的方向向量集群是零,一架飞机可以选择另一个轴。如果两个组件是零,飞机沿着第三轴考虑集群。

2.4。比较两种取样方法

在新的RCA抽样过程,只有沿着一个轴相交点上飞机集群需要考虑没有转换坐标。而在传统的采样过程中,每个采样点的世界坐标转换为体素的本地坐标和三线性插值计算的(14,15]。

作为显示在图1,有6个采样点之间和。添加15和19个乘法执行示例和,24和12次乘法增加运行示例基于6分和。完全,39增加和31个乘法与102年相比增加96乘法和三线性插值。此外,并不是所有的顶点都因为一些顶点(如在图1)不作为参考的新方法。因此,从理论上讲,计算量减少到小于1/3。

3所示。实验和分析

3.1。数据

实验是进行头部CT序列和心脏CT序列。序列都是由西门子螺旋CT扫描。详细信息如表所示1。头为例,区段像素间距为0.486毫米,0.486毫米和0.700毫米,,分别轴。沿着光线采样距离是0.3毫米。

3.2。结果

两个数据集的重建结果如图2和3。数据的呈现时间如表所示1。例如,需要17.158秒呈现头部序列与新抽样方法,使用传统方法在58.274秒。

3.3。分析

新抽样方法不查阅所有3 d体积的顶点数据。出于这个原因,它是一个问题是否可以保证图像质量。它的数据中可以看到2和3图像重建的RCA基于计划抽样方法几乎相同在RCA基于传统三线性插值。他们可以清楚地显示边界和内部的细节信息的体积与新抽样方法。因此,图像质量可以保证。

通过比较计算量()两种抽样方法,新方法可以减少传统的约三分之一。可以看出,总呈现时间(表1)使用小于三分之一的新方法,使用传统的三线性插值。它表明,节省时间查询顶点的财产不供参考不应被低估。

此外,结果表明,加速度率高于头部图像的心脏图像。它们之间的主要区别在于头部CT序列的间隔的密度比心脏数据。因此,密度数据,更有效的新方法。

4所示。结论

本文提出了一种新颖的RCA基于并行计划抽样方法。该方法可以有效地加快抽样过程在超过三次,仍然清晰地显示体积的边界和内部信息;因此,图像质量也得到保证。此外,加速率的比较表明,新方法是更有效的与密集的空间数据集。互动的新方法可以满足实时需求呈现。

确认

这项工作得到了国家自然科学基金(61105073,61105073,61103140)和浙江省科学技术厅(R1110679和2010 c33095)。