[发明专利]一种基于MC-T算法的CT图像三维重建方法

说明书

本发明属于图像处理领域，具体涉及一种基于MC‑T算法的CT图像三维重建方法，该方法包括：获取待重建的脑出血CT图像和脑出血CT病灶掩膜图；对获取脑出血CT图像和脑出血CT病灶掩膜图进行预处理；采用MC‑T算法对预处理后的图像数据进行重建，得到重建后的三维图像；本发明针对传统的MC算法中存在的计算速度慢以及二义性问题，提出了一种基于MC算法改进的三维重建算法，该算法以二维脑出血CT图像和病灶分割掩膜切片作为输入，在三维数据场中通过体素棱边标记的方法，有效的排除了空体元的检测。

技术领域

本发明属于图像处理领域，具体涉及一种基于MC-T算法的CT图像三维重建方法。

背景技术

医学图像的三维重建是指利用二维的切片图像，如CT，MRI等序列图像，进行3D图像的模型绘制。常见的医学图像三维重建方法包括体绘制和面绘制；体绘制是根据一定的物理模型，直接将三维数据绘制成三维模型，常见的体绘制算法有光线投射算法、错切变形算法等；采用体绘制方法重建三维模型能表现出更多的细节信息，但是它需要更多的计算机内存，并且绘制速度较慢；面绘制是利用各类面元(三角形或者四边形等)，通过算法连接起来构造等值面的方式去近似拟合真实的器官、组织的表面轮廓。相比于体绘制，面绘制的方式计算量小，实时性高，较利于实际的应用。常见的面绘制算法有立方块算法、MC(Marching Cubes)算法以及平行轮廓线算法等。

Lorensen等人提出的MC算法开辟了医学图像三维重建研究的新篇章，它从三维标量数据场中提取三角形面片，用来构造等值面近似逼近真实的器官表面，具有高效性和简单性的特点。但是MC算法存在一些缺点，Nielson针对MC算法存在的二义性问题，提出了基于双曲线渐近线法，该算法从精度上有效的解决了空洞问题，但是没有从速度上进行改进。MT(Marching Tetrahedra)算法是MC算法的发展，它将MC算法中的一个体元细分为若干个四面体，等值点的连接方式就是唯一的，从而解决了二义性问题。但是该算法计算量是MC算法的好几倍。李怡敏等人针对MC算法的二义性问题做出了改进，但是补充的基本构型不够完整，此外计算量也比较大。王铮等人提出一种基于插值点连线交点的方法解决面二义性问题，其本质上与基于双曲线渐近线的方法一致。Lopes等人改进MC算法，通过多体元内多边形进行三角化、系统化进而提高算法的鲁棒性和绘制精度。刘侠等人利用区域生长的思想对MC算法进行改进，减少遍历体元的数量，但是如果错误选取种子体元，会导致重建模型效果不佳。苏冬雪通过改进体素的表示形式，增加体素的体积的方式来减少需要遍历体素的数目，但是如果体素的体积增加不当，会使得重建效果失真。金钊等人基于VTK工具包提出基于二次中值运算的MC优化算法。肖红旭针对MC算法无法一次性提取多阈值器官的问题，提出一种标签化三维重建算法，但在多阈值情况下，标签阈值的选取存在最优问题，从而影响重建效果。本文从速度和精度两方面对MC算法进行改进，提出一种新的三维重建算法，在解决二义性的同时有效的加快了重建速度。

发明内容

为解决以上现有技术存在的问题，本发明提出了一种基于MC-T算法的CT图像三维重建方法，该算法包括：获取待重建的脑出血CT图像和脑出血CT病灶掩膜图；对获取脑出血CT图像和脑出血CT病灶掩膜图进行预处理；采用移动立方体构型重组MC-T算法对预处理后的图像数据进行重建，得到重建后的三维图像。

优选的，对获取的数据进行预处理包括：对脑出血CT图像和脑出血CT病灶掩膜图进行分割处理，分割后的每个切均为一个二维数组，二维数组中的值为该切片位置的标量值。

优选的，采用MC-T算法对预处理后的图像数据进行重建的过程包括：

S1：根据的脑出血CT病灶掩膜图像构建三维数据场；

S2：根据三维数据场构造立方体素；

S3：对二维病灶掩膜图像进行边缘轮廓检测，标记与轮廓像素相交的棱边，并保存含有标记棱边的立方体素；