本文關(guān)鍵詞：MRA血管體視化中傳遞函數(shù)設(shè)計(jì)

  更多相關(guān)文章： 體繪制 光線投射 傳遞函數(shù) 多尺度增強(qiáng)濾波器 GPU 勞斯-赫爾維茨定理

【摘要】：隨著人們生活水平不斷的提高,心腦血管疾病逐步成為當(dāng)今世界上威脅人類最嚴(yán)重的疾病之一,比如動(dòng)脈粥樣硬化、腦溢血等等,其發(fā)病率和死亡率已超過腫瘤而躍居世界第一,心腦血管疾病也是我國首位死亡原因,因此預(yù)防和治療血管疾病已成為當(dāng)今社會(huì)的一個(gè)亟待解決的課題。隨著社會(huì)的迅速發(fā)展,三維醫(yī)學(xué)可視化在臨床醫(yī)學(xué)中得到了廣泛的應(yīng)用,其中血管可視化對(duì)醫(yī)學(xué)輔助診斷血管疾病有著至關(guān)重要的作用。在上述背景下,本文主要應(yīng)用醫(yī)學(xué)可視化方法中的體繪制技術(shù),以達(dá)到MRA數(shù)據(jù)中的血管結(jié)構(gòu)可視化的目的。本文主要有以下幾個(gè)創(chuàng)新點(diǎn):1)根據(jù)對(duì)體繪制中傳遞函數(shù)設(shè)計(jì)的要求分析,提出了一個(gè)新的二維傳遞函數(shù)。本文依照以往傳遞函數(shù)設(shè)計(jì)的不足,結(jié)合對(duì)圖像增強(qiáng)的一些算法研究,提出了針對(duì)于三維血管顯示的新的二維傳遞函數(shù)。傳遞函數(shù)設(shè)計(jì)一直是體繪制算法研究中的難點(diǎn)。高維傳遞函數(shù)雖然能將目標(biāo)數(shù)據(jù)提取出來,但是設(shè)計(jì)的參數(shù)較多,為了達(dá)到最佳效果進(jìn)行調(diào)節(jié)時(shí)難度較大。因此本文提出了基于灰度-多尺度濾波器的二維傳遞函數(shù)。首先,使用Frangi增強(qiáng)函數(shù)對(duì)血管結(jié)構(gòu)進(jìn)行增強(qiáng),使每一個(gè)體素點(diǎn)得到相應(yīng)的標(biāo)量值,并根據(jù)高斯函數(shù)中的尺度因子構(gòu)造多尺度濾波器。其次,基于灰度在MRA數(shù)據(jù)分類中的重要作用,我們構(gòu)造了灰度-多尺度濾波器二維特征空間。通過特征區(qū)域選擇,賦予體素相應(yīng)的顏色和阻光度,最終顯示出血管結(jié)構(gòu)。2)針對(duì)本文設(shè)計(jì)的二維傳遞函數(shù)顯示結(jié)果進(jìn)行了改善。在血管可視化結(jié)果中常存在兩方面問題,一是可視化結(jié)果中碎片太多,二是結(jié)果有一些類血管結(jié)構(gòu)對(duì)目標(biāo)結(jié)構(gòu)形成了遮擋。針對(duì)第一個(gè)問題,本文提出了連通性計(jì)算。根據(jù)對(duì)不同鄰域連通性計(jì)算的實(shí)驗(yàn)分析,我們選擇26鄰域連通性計(jì)算方法,很好的去除了碎片結(jié)構(gòu)。針對(duì)第二個(gè)問題,我們根據(jù)對(duì)連通性計(jì)算得到的連通集進(jìn)行分類并排序,并將不同的連通集賦予不同的顏色和阻光度。這樣我們就可以通過交互的形式,將非血管結(jié)構(gòu)去除。3)針對(duì)本文提出的算法計(jì)算耗時(shí)過長提出了相應(yīng)的加速計(jì)算方法。首先,本文實(shí)現(xiàn)了基于GPU的光線投射體繪制加速算法。在臨床應(yīng)用中,醫(yī)生經(jīng)常需要對(duì)顯示結(jié)果進(jìn)行交互操作(比如旋轉(zhuǎn),縮放物體)以達(dá)到最佳觀察效果,然而每次操作都需要大量的運(yùn)算,但是過長的運(yùn)算時(shí)間往往會(huì)影響到實(shí)驗(yàn)或使用的進(jìn)行,本文通過GPU加速,最終達(dá)到了實(shí)時(shí)繪制的效果;其次,在構(gòu)建多尺度濾波器時(shí),我們需要對(duì)三維數(shù)據(jù)的每個(gè)點(diǎn)根據(jù)尺度不同多次求Hessian矩陣特征值和特征向量,尤其是當(dāng)數(shù)據(jù)較大時(shí),運(yùn)算過于復(fù)雜,將為實(shí)際臨床應(yīng)用帶來極大的不便,因此本文提出了兩種加速算法,一是快速計(jì)算,另一個(gè)是基于勞斯-赫爾維茨定理的算法改進(jìn),大大的縮小了計(jì)算時(shí)間。
【關(guān)鍵詞】：體繪制 光線投射 傳遞函數(shù) 多尺度增強(qiáng)濾波器 GPU 勞斯-赫爾維茨定理
【學(xué)位授予單位】：上海交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：R54;R743;TP391.41
【目錄】：

• 摘要6-8
• ABSTRACT8-16
• 第一章 緒論16-23
• 1.1 課題研究背景及意義16-17
• 1.2 課題的國內(nèi)外研究現(xiàn)狀17-21
• 1.3 本文主要研究工作和創(chuàng)新之處21-22
• 1.4 本文的主要內(nèi)容與章節(jié)安排22-23
• 第二章 基于MRA的二維傳遞函數(shù)設(shè)計(jì)23-41
• 2.1 引言23
• 2.2 體繪制中傳遞函數(shù)設(shè)計(jì)23-28
• 2.2.1 傳遞函數(shù)的數(shù)學(xué)定義25
• 2.2.2 傳遞函數(shù)的數(shù)據(jù)特性和值域特性25-28
• 2.2.3 傳遞函數(shù)研究方向28
• 2.3 多尺度血管增強(qiáng)濾波器28-33
• 2.3.1 Hessian矩陣基本原理29-31
• 2.3.2 三維圖像增強(qiáng)函數(shù)設(shè)計(jì)31-32
• 2.3.3 多尺度融合32-33
• 2.4 基于血管可視化的體繪制傳遞函數(shù)設(shè)計(jì)33-35
• 2.4.1 灰度特性在血管可視化中的作用33-34
• 2.4.2 構(gòu)造二維傳遞函數(shù)特征空間34-35
• 2.5 實(shí)驗(yàn)結(jié)果分析35-40
• 2.5.1 本章方法和基于灰度梯度傳遞函數(shù)方法對(duì)比37-38
• 2.5.2 本章方法和最大密度投影算法對(duì)比38-40
• 2.6 本章小結(jié)40-41
• 第三章 基于傳遞函數(shù)特征空間的算法改進(jìn)41-56
• 3.1 引言41-42
• 3.2 基于空域信息的特征提取42-46
• 3.2.1 連通性計(jì)算42-44
• 3.2.2 連通性計(jì)算算法流程44-46
• 3.3 基于連通性算法的算法改進(jìn)46
• 3.4 實(shí)驗(yàn)結(jié)果分析與討論46-55
• 3.4.1 不同鄰域連通性計(jì)算方法對(duì)比47-49
• 3.4.2 本文方法的實(shí)驗(yàn)步驟及分析49-55
• 3.5 本章小結(jié)55-56
• 第四章 血管可視化加速算法設(shè)計(jì)56-72
• 4.1 引言56
• 4.2 基于GPU的體繪制加速設(shè)計(jì)56-60
• 4.2.1 GPU圖形繪制管線56-58
• 4.2.2 基于GPU的光線投射體繪制技術(shù)58-60
• 4.3 基于Hessian矩陣的多尺度濾波器加速算法60-67
• 4.3.1 雅克比迭代法求取特征值61-62
• 4.3.2 快速求取矩陣特征值算法62-64
• 4.3.3 基于勞斯-赫爾維茨定理的算法改進(jìn)64-67
• 4.4 實(shí)驗(yàn)結(jié)果分析67-70
• 4.4.1 快速計(jì)算和Jacobi迭代法分析比較67-69
• 4.4.2 基于勞斯-赫爾維茨判定定理改進(jìn)算法的效果分析69
• 4.4.3 兩種加速算法和Jaocbi方法對(duì)比69-70
• 4.5 本章小結(jié)70-72
• 第五章 總結(jié)與展望72-74
• 5.1 本文研究內(nèi)容72-73
• 5.2 未來研究展望73-74
• 參考文獻(xiàn)74-80
• 致謝80-81
• 攻讀碩士學(xué)位期間已發(fā)表或錄用的論文專利81

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前7條

1 郭小朝;頭部關(guān)聯(lián)傳遞函數(shù)線性濾波器模型建構(gòu)方法[J];人類工效學(xué);2000年03期

2 董現(xiàn)玲;丁有得;江貴平;;基于曲率的保留上下文傳遞函數(shù)設(shè)計(jì)[J];中國醫(yī)學(xué)物理學(xué)雜志;2013年04期

3 顧，

本文編號(hào)：804932