基于锥束CT的两类三维表面重构方法比较研究*

目前锥束CT的三维重构主要采用面绘制,其方法有两类,即体素级重构和切片级重构。在对比两类方法的基础上,提出了一种新的二维切片轮廓重构与三维表面重构相结合的切片级重构方法,然后以标准MC算法和该算法分别对两个实例进行重构并比较。结果表明,该算法更适合工业产品的三维表面重构。     

医学图像三维可视化中任意平面切片的研究与实现

对医学图像的三维重建技术进行研究,利用介于面绘制和体绘制之间的切片法来实现三维体数据可视化,并针对断层图像序列所生成三维体数据的切片方法进行了深入讨论。提出一种可操作性很强的切片方法,能较好地实现三维体数据中冠状面、矢状面、特别是任意平面的切片。同时,该方法已经用VC6．0结合VTK（Visualization Toolkit）编程进行实现,效果符合医学诊断要求,并得到了有关应用。     

小波变换在规则体数据可视化中的应用

针对规则体数据的特点，提出了一种介于直接体绘制和面绘制之间的切片法来实现其可视化，用双线性插值的方法获取切割面上的属性值，并用颜色编码来表示属性值。探讨了三维小波算法在规则体可视化中的应用，给出了用三维小波压缩规则体数据的一般方法。     

基于三维数据场可视化方法的虚拟MEMS加工工艺的研究

虚拟加工工艺是利用计算机产生三维图形的动态生长来模拟实际的加工过程,而如何生成真实自然的三维图形就成了关键所在。本文提出了一种基于三维数据场可视化来实现虚拟加工的方法。该方法类似于医学数据三维重建, 由一序列的分层切片的二维图像重构三维形体。首先根据给出的虚拟加工工艺数据对原始二维版图进行相应的数学形态学变换生成一系列所需的二维切片图像,然后利用这些二维切片图像对体数据场进行初始化,最后采用Marching Cubes方法从体数据场中构造出等值面。本文主要阐述了如何根据工艺参数对原始版图进行数学形态学变换以及如何构造体数据场进行等值面的绘制。     

基于纹理的三维超声实时体绘制

三维纹理的体绘制算法由于其利用显卡加速渲染、硬件实现三线性插值和不丢失图像的纹理特性3大优点，尤其适合医学超声数据的实时三维可视化。显示大量多边形切片（slice polygon）是当前影响三维纹理体绘制渲染实时性的重要因素。为了克服常用的参数化算法在快速生成大量多边形切片时性能不佳的缺点，提出了的空间活动边表的方法，充分利用各个多边形切片之间的空间相关性实现增量计算，明显提高了计算速度。     

单幅人体切片图像的多轮廓二维重构算法研究与实现

基于切片图像数据的轮廓曲线二维重构是轮廓表面三维重构的基础。单幅切片图像可能存在有单轮廓或多轮廓。本文对中国虚拟人切片图像进行分析,针对单幅切片图像里的多轮廓线情况,研究提出了多轮廓提取算法和拟合曲线建模算法。经编程实验,成功实现了单幅图像里的多轮廓二维重构。     

连续切片三维重构绘图过程的消隐技术

消隐技术是计算机三维模拟的关键。为实现对材料三维立体图形的快速绘制,本文利用连续切片截面之间相互平行的特性,通过寻找相邻截面中的关键点,分别从两边向中间绘制侧面并填色,从整体上采用自下而上的方法,实现了立体图形的消隐。该方法避免了常规消隐方法中需要建立构成物体几何元素的方程并求解诸元素之间相交、前后遮挡关系等复杂的运算过程。     

肺泡显微切片的三维重建

本文讨论了对肺泡类软组织切片图象进行三维重建的方法，重点分析了显微切片图象各类噪声的去除方法及灰度校正、几何位置校正、形态校正的方法．其中几何位置技正一直是序列显微切片重建的难点．本文提出的金字塔异或指数自动配难方法大大缩短了几何位置技正时间．从利用体无绘制技术重建的肺泡组织的三维形态来看，该配难方法具有较高的精度．实验证明该重建方法也适用于其他空腔组织、软组织的重建．     

基于预计算切片序列的动态体绘制技术

为进一步提高基于硬件加速的体绘制技术的渲染性能,解决海量体绘制应用中体数据可视化环节的性能瓶颈,文中提出了一种基于硬件加速的实时切片体绘制技术的优化模型。相对于完全基于实时切片的体绘制系统,应用该技术在保证最终图像渲染质量的同时可节省动态判断切片方程的计算开销并大幅降低运行时的数据带宽需求。基于预计算的动态体绘制在切片方向选择空间中选取一组彼此正交的切片方案,并在预处理阶段生成切片几何数据,运行时根据视点位置通过特定判断算法进行方案选择。对基于分块的海量数据体绘制系统,该技术可有效降低海量体绘制的总体带宽消耗,从而进一步拓展系统的渲染规模。     

电磁环境三维可视化技术

针对当前比较复杂的电磁环境,在分析其应用需求的基础上,确定电磁环境可视化的几个基本要素,提出用三维可视化技术来构建电磁环境,采用直接体绘制、面绘制和切片绘制的方法对共进行可视化。利用这些方法实现了某区域电磁态势分析结果的可视化,试验结果证明该方法具有较好的可视化效果。     

基于VTK的三维医学图像虚拟切片提取

目前大多数医学影像设备,如CT、MRI、超声等所产生的图像序列往往必须沿着某一固定方向,但这通常不能满足临床上多方位、任意角度诊查的需要。针对该问题,提出了一种三维医学图像的任意角度虚拟切片提取方法。在Visual C++平台下,结合可视化工具包VTK,对DICOM格式的CT图像序列进行三维重建,通过设置虚拟切面的法向量和内点来对重建后的三维物体进行切割并获得虚拟切片信息,在切割的同时可以同步显示出虚拟切片图像。通过简单的鼠标操作可以生成任意角度、任意部位的虚拟切片图像,并能对切割平面及虚拟切片图像进行移     

减振器节流阀片应力解析计算与计算机仿真

文中利用弹性力学原理,通过阀片应力与阀片变形之间关系,创建了节流阀片应力系数和应力解析计算式.利用该应力计算方法.通过实例,对阀片的径向应力、周向应力和复合应力进行了解析计算和计算机仿真,与其它应力计算方法进行了比较和验证,并对计算偏差进行了分析.结果表明,节流阀片应力系数解析计算方法是准确的,不仅可以阀片在任意半径位置处的应力进行解析计算,还可以对阀片应力进行计算机仿真.     

基于声表面波实现数字微流体的产生

数字微流体的产生是压电材料为基片的微流控芯片进行微流分析的前提,报道了在压电基片上应用声表面波技术产生数字微流体的方法.在128°旋转Y切割X传播方向的LiNbO3基片上集成PDMS微通道,在微通道出口一侧为经疏水处理的铝薄片,注射泵产生恒定流量的微流体经PDMS微通道到达铝薄片并聚集,当聚集的微流体体积足够大时,微流体克服表面张力作用下滑到达压电基片,并在中心频率为27.7 MHz叉指换能器激发的声表面波作用下输运,实现微流体的数字化.同时,理论分析了微流体在铝薄片表面上受力状况,并以水为实验对象,进行微流体数字化实验.结果表明,声表面波作用下能精确产生微升量级数字微流体,为压电微流控芯片提供了一种新的微流体引入方法.     

三维CT数据任意切片的交互式获取技术

基于VTK开发包提出了一种交互式获取三维CT数据任意切片的方法。首先由CT图像序列构造出三维体数据,并实现了体数据切片的显示,然后利用VTK的交互功能实现体数据任意切片信息的获取和显示。结果表明该方法有助于医生从不同截面对同一组织进行观察和诊治。     

Windows操作系统多核CPU内核线程管理方法

Windows是采用CPU时间片轮转多任务分配机制的非实时操作系统,无法满足实时性要求比较高的任务需要。而随着CPU技术的快速发展,当前市场上双核甚至多核CPU已成为主流,这使得在Windows平台上用多核CPU的某些核独立执行任务,从而有效地提高软件的实时性成为可能。本文介绍一种在Windows内核模式下编写Windows驱动程序,有效分配多核CPU资源从而提高软件实时性的方法。     

多任务自主学习的肺癌诊断方法

针对实际任务中肺部CT图像标注数据集稀少的问题,提出一种基于自主学习的U-Net模型与C3D多任务学习网络相结合的肺癌诊断方法。对LUNA16数据集和DSB数据集进行预处理,确保切片图像体素、方向一致,利用C3D多任务学习网络模型构建肺结节检测模型,使用165张LUNA16的切片图像和161张DSB的切片图像训练改进的U-Net网络模型,并采用自主学习方式扩充标注样本,构建肿块检测模型。在此基础上,综合结节与肿块检测结果得到最终的肺癌诊断结果。实验结果表明,该方法的肺癌检测精度为85.3%±0.3%,达到了监督学习策略的检测精度。     

基于卷积神经网络的欠采样脑部核磁共振图像重建方法

针对目前基于深度学习的欠采样磁共振（MR）图像重建方法都是基于单个切片的重建而忽略相邻切片间的数据冗余的问题，提出一种用于欠采样的多切片脑部MR图像重建的混合级联卷积神经网络（HC-CNN）。首先，将传统的重建方法拓展为基于深度学习的重建模型，并使用级联卷积神经网络来代替传统的迭代重建框架。然后，在每次迭代重建中，分别使用3D卷积模块和2D卷积模块来学习脑部MR图像序列中存在的相邻切片间与单幅切片内部的数据冗余。最后，在每次迭代中使用数据一致性（DC）模块来保持重建图像在k-空间的数据保真度。在单线圈脑部MR图像数据集上的仿真实验结果显示，相较于基于单幅MR图像的重建方法，所提方法在4倍加速因子下的峰值信噪比（PSNR）值平均提升了1.75 dB，在6倍降采样因子下的PSNR值平均提升了2.57 dB，而且该方法的单张图像重建平均用时为15.4 ms。实验结果表明：所提方法不仅能够有效利用切片间的数据冗余并重建出更高质量的图像，而且具有较高的实时性。     

基于卷积神经网络的欠采样脑部核磁共振图像重建方法

针对目前基于深度学习的欠采样磁共振（MR）图像重建方法都是基于单个切片的重建而忽略相邻切片间的数据冗余的问题,提出一种用于欠采样的多切片脑部MR图像重建的混合级联卷积神经网络（HC-CNN）。首先,将传统的重建方法拓展为基于深度学习的重建模型,并使用级联卷积神经网络来代替传统的迭代重建框架。然后,在每次迭代重建中,分别使用3D卷积模块和2D卷积模块来学习脑部MR图像序列中存在的相邻切片间与单幅切片内部的数据冗余。最后,在每次迭代中使用数据一致性（DC）模块来保持重建图像在k-空间的数据保真度。在单线圈脑部MR图像数据集上的仿真实验结果显示,相较于基于单幅MR图像的重建方法,所提方法在4倍加速因子下的峰值信噪比（PSNR）值平均提升了1.75 dB,在6倍降采样因子下的PSNR值平均提升了2.57 dB,而且该方法的单张图像重建平均用时为15.4 ms。实验结果表明：所提方法不仅能够有效利用切片间的数据冗余并重建出更高质量的图像,而且具有较高的实时性。     

基于隔离等级的网络切片部署方法

为了兼顾网络切片的性能隔离需求和安全隔离需求,提出了一种基于隔离等级的网络切片部署方法。该方法首先从性能隔离和安全隔离两方面确定了网络切片实例的隔离等级,在选择合适的位置部署虚拟节点时,不但保证所有网络切片实例均能达到各自的性能水平和安全水平,而且从隔离等级差值入手对虚拟节点共存的条件进行限制;然后利用整数线性规划方法对该问题进行建模,把部署成本最小化作为目标函数;最后使用基于遗传算法改进的粒子群算法求出最终的部署结果。仿真结果表明,该方法具有较低的部署成本和较高的收益开销比,并且能够同时保证性能和安全两方面的需求。