基于标签化医学图像的多阈值三维重建算法

计算机工程与科学

基于标签化医学图像的多阈值三维重建算法

肖洪旭，杨志永，姜杉，黄哲，赵胜丽

(天津大学机械工程学院,天津 300350)

收稿日期:2015-06-08 修回日期:2016-08-20 出版日期:2017-10-25 发布日期:2017-10-25
基金资助:
国家自然科学基金（51775368）；天津市重大科技专项（14ZCDZGX00490）；广东省省级科技计划

(2017B020210004)

A multi-threshold 3D reconstruction algorithm

based on labeled medical images

XIAO Hong-xu,YANG Zhi-yong,JIANG Shan,HUANG Zhe,ZHAO Sheng-li

(School of Mechanical Engineering,Tianjin University,Tianjin 300350,China)

Received:2015-06-08 Revised:2016-08-20 Online:2017-10-25 Published:2017-10-25

摘要/Abstract

摘要：

针对传统面绘制重建方法MC无法一次性提取多个阈值器官的问题，提出一种将MRI图像中靶区及其周边组织进行标签化分割的

多阈值三维重建算法。该算法通过将二维图像中的多阈值器官标签化为简单的整数，降低提取等值面时的数据存储量，进而

提高等值面的绘制速度。同时，定义了多阈值三维重建时体素顶点索引方式和等值面相交形态，减少了传统MC算法提取多个

阈值器官时存在三角面片与顶点复用的情况，且仅需一次性扫描即可重建多个器官等值面。实验结果表明，本文算法较传统

MC算法，重建器官数量越多，器官彼此结构越紧密，三角面片与顶点复用情况减少越明显，在保证重建效果的同时，绘制速

度可提高30%。

关键词: 三维重建, 分割, 标签, 移动立方体算法

Abstract:

As a traditional surface reconstruction algorithm the marching cubes (MC) is unable to extract multi-

threshold organs at one time. We propose a multi-threshold reconstruction algorithm to divide the target area

and surrounding tissues in the MRI image into several label values. Changing the lables of multi-threshold

organs into brief numbers can decrease the memory space and accelerate the speed of drawing contour surfaces.

We also define the index way of voxel vertexes and isosurface intersecting morphology of multi-threshold

three-dimensional reconstruction, which can avoid the situation of triangle facets and vertexes reuse of the

MC. Furthermore, the contour surface reconstruction of the multi-organ requires only one time scanning of the

MRI image. Experimental results show that the number of facets and vertices is decreased more significantly

when the number of organs is larger and their relationship is closer in comparison with the traditional MC

algorithm, and the reconstruction speed is improved by 30% while the reconstruction effect is guaranteed.

Key words: 3D reconstruction, segmentation, label, marching cubes algorithm

肖洪旭，杨志永，姜杉，黄哲，赵胜丽. 基于标签化医学图像的多阈值三维重建算法[J]. 计算机工程与科学.

XIAO Hong-xu,YANG Zhi-yong,JIANG Shan,HUANG Zhe,ZHAO Sheng-li.

A multi-threshold 3D reconstruction algorithm

based on labeled medical images

[J]. Computer Engineering & Science.

[1]	肖新正, 黄瑞章, 陈艳平, 秦永彬, 宋玉梅, 周裕林, . Corrective-Net：面向多标签文本分类的标签关联学习模块[J]. 计算机工程与科学, 2024, 46(06): 1092-1100.
[2]	范琪, 王善敏, 刘成广, 刘青山. 类别特征约束的多目标域表情识别方法[J]. 计算机工程与科学, 2024, 46(05): 836-845.
[3]	李新洁, 王文君, 董凌, 赖华, 余正涛, 高盛祥, . 基于多特征交互融合的老挝语无监督音素分割方法[J]. 计算机工程与科学, 2024, 46(05): 937-944.
[4]	邱晓梦, 王琳, 谷文俊, 宋伟, 田浩来, 胡誉. 光流法修正的时序图像语义分割模型[J]. 计算机工程与科学, 2024, 46(01): 102-110.
[5]	张文豪, 瞿绍军. 基于双解码器结构的多尺度注意力特征融合网络的视网膜血管分割#br#[J]. 计算机工程与科学, 2023, 45(12): 2175-2185.
[6]	杨春霞, 马文文, 徐奔, 韩煜, . 融合标签信息的分层图注意力网络文本分类模型[J]. 计算机工程与科学, 2023, 45(11): 2018-2026.
[7]	韩慧妍, 王文俊, 韩燮, 况立群, 薛红新, . 融合语义实例重建的抓取位姿估计方法[J]. 计算机工程与科学, 2023, 45(10): 1822-1829.
[8]	马冬梅, 黄欣悦, 李煜. 基于特征融合和注意力机制的图像语义分割[J]. 计算机工程与科学, 2023, 45(03): 495-503.
[9]	厍向阳, 马亦骏. 改进的遥感图像语义分割算法[J]. 计算机工程与科学, 2023, 45(03): 504-511.
[10]	李忠瑞, 崔宾阁, 杨光, 张昊卿. 基于深度学习的海岸线边缘检测网络模型[J]. 计算机工程与科学, 2022, 44(12): 2220-2229.
[11]	蔡雨岐, 郭卫斌. 基于多级语义信息融合编码的序列标注方法[J]. 计算机工程与科学, 2022, 44(12): 2266-2272.
[12]	吴从中, 董浩, 方静. 基于注意力机制的自适应滤波遥感图像分割网络[J]. 计算机工程与科学, 2022, 44(11): 2010-2018.
[13]	蒋芸, 刘文欢, 梁菁. 联合注意力和Transformer的视网膜血管分割网络[J]. 计算机工程与科学, 2022, 44(11): 2037-2047.
[14]	庞兴龙, 朱国胜, 杨少龙, 李修远. 一种基于聚类与噪声的网络流量分类方法[J]. 计算机工程与科学, 2022, 44(07): 1207-1215.
[15]	吴亦奇, 韩放, 张德军, 何发智, 陈壹林. 基于特征通道和空间位置注意力的三维点云特征学习网络[J]. 计算机工程与科学, 2022, 44(07): 1239-1246.