一个时代的斯文
七七事变论文摘要：本文借助医学影像处理技术对肝脏器官进行三维分割与可视化。通过一种基于2.5D网络的SE-Unet自动分割方法作为分割模块；再将上个模块的分割结果进行线性插值，使用面绘制算法在Unity平台上实现肝脏等器官的三维重建及交互；最后利用全息投影技术将肝脏等器官三维重建结果进行显像。本文提出一个全新的肝脏器官分割与重建一体化系统，且利用全息投影3D金字塔将肝脏器官的三维分割结果进行呈现。 关键词：医学影像处理；2.5D 分割；Unity3D可视化；3D金字塔
引言
人体组织器官的三维影像分割是生物医学影像研究与生物医学的重要基础,因此三维可视化技术成为了生物医学影像研究中的重点探索内容。计算机辅助诊断分析是医学信息处理中
的热门。卷积神经网络是人工神经网络的一种，在图像识别中性能优越冗余系统
[1]，其中U-Net模型是一种改进的FCN结构，目前已广泛应用于医学图像的研究。本文实现了一个全新的肝脏器官分割与重建一体化系统，其主要分为三块：分割、重建和显像。 1分割模块
首先对原始的三维数据肝脏MRI影像进行重采样。本文实验中重采样间距固定为0.75mm。基于医学影像和人工智能相结合[2]，经典U-Net在肝脏分割中使用跳级连接的网络结构能更好的捕捉到图像的特征，适用于医学图像的分割任务。我们对U-Net进行改进，增强模型对图像细节的分割效果，使得其在关注大组织轮廓时能关注小组织。
本文提出了一种结合2.5D网络的医学影像自动分割方法。在该改进的网络模型中，我们使用多轴位剖片的方法对3D数据进行剖析，对预处理后的2D切片数据集使用增加通道注意力的SE-Unet模型进行自动分割。改进后的2.5D SE-Unet模型结构如图1所示。
2 重建模块
针对分割模块获取到的断层图像特点，数据量
较少且相邻层间距较大，本文采用基于层间轮廓线图1 基于2.5D网络的SE-Unet模型弯而不折
的线性插值方法[3]，在两张相邻的二值图像间做线性插值。NIFTI图像为二值图，根据相应脏器的等值线算出待插值的轮廓线的质心位置，并以质心为坐标原点，将轮廓线分为4个象限分而治之，并用DFS算法保证相邻层间图像在每个象限上都存在轮廓线依次对应[4]。之后在已匹配的二个等值线中到相匹配的点，尽可能确定较长等值线的每个象素点至少有一个较小等值线上的一个点与它相配。利用归并排序算法中的分治策略，递归调用得到不同的内插像素点集。经过线性插值之后，便可利用MarchingCubes算法三维重建肝脏等器官的画面。最后，利用Unity3D可视化编程将肝脏等器官三维重建模型以系统的方式进行展示及交互。此场景全面呈现分割结果,帮助医师更全面的分析病情。
3 显像模块
最后本文利用全息投影技术[5]将肝脏等器官三维重建结果进行显像得到全息视频资源，如图2所示。再利用金字塔结构反射光线，在金字塔内部生成三维旋转立体图像[6]，结构见图3。
图2全息视频资源
雾凇大桥
图3 金字塔成像结构图
4 总结
本文构建了一套端到端的肝脏分割与重建显像一体化系统用于辅助医生精准判断病灶。由于肝脏分割中各器官界限模糊,而结合深度学习算法可以提供一个基于2.5D网络的自动分割方案,该方法可以充分利用不同尺度的数据实现分割。重建模型中仅提取轮廓信息并进行逐层线性插值，实现高效运算，对于不规则轮廓图形有较强的鲁棒性。使用Unity3D开发的可视化系统[7]多媒体网络教学系统，扩展性强便于二次开发。显像模块中，利用全息投影技术直观展示三维空间的分割结果，交互性强。
参 考 文 献
[1] 周飞燕, 金林鹏, 董军. 卷积神经网络研究综述[J]. 计算机学报, 2017, 40(6):23.
[2] 刘士远, 萧毅. 基于深度学习的人工智能对医学影像学的挑战和机遇[J]. 中华放射学杂志, 2017, 51(12):3.
[3] 徐振豪, 何良华. 基于Unity的肝脏三维可视化系统设计与实现[J]. 电脑知识与技术:学术版, 2021.
[4] 严海, 贾博浩. 基于DFS算法的路内停车预约车位设置方法[J]. 长安大学学报：自然科学版, 2021, 41(3):11.
[5] 赵高峰, 陈华, 张奔,等. 一种三维成像方法及金字塔三维成像装置:, CN106997616A[P]. 2017.
[6] 潘俊捷, 欧阳浩艺, 崔佳琪,等. 倒金字塔状裸眼3D显示器的制作与思考[J]. 电子制作, 2021(3):3.
[7] Li C Y, Tang B H. Research on the application of AR technology based on Unity3D in education[C]//Journal of Physics: Conference Series. IOP Publishing, 2019, 1168(3): 032045.
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议