Статья:

Трехмерная визуализация

Конференция: XX Международная научно-практическая конференция «Научный форум: инновационная наука»

Секция: Медицина и фармацевтика

Выходные данные
Волков Г.А., Волкова К.Р. Трехмерная визуализация // Научный форум: Инновационная наука: сб. ст. по материалам XX междунар. науч.-практ. конф. — № 2(20). — М., Изд. «МЦНО», 2019. — С. 8-12.
Конференция завершена
Мне нравится
на печатьскачать .pdfподелиться

Трехмерная визуализация

Волков Григорий Александрович
магистрант, Марийский государственный университет, РФ, г. Йошкар-Ола
Волкова Ксения Романовна
магистрант, Марийский государственный университет, РФ, г. Йошкар-Ола

 

Three-dimensional visualization

 

Grigory Volkov

student of the magistracy, physics and mathematics faculty, Mari State University, Russian Federation, Yoshkar-Ola

Ksenia Volkova

student of the magistracy, Mari State University, Russian Federation, Yoshkar-Ola

 

Аннотация. В данной статье рассмотрены основные методы трехмерной визуализации. Визуализация в медицине занимает особое место, поэтому к методам, на которых она базируется, необходим основательный подход. К основным алгоритмам относятся: проекцию максимальной интенсивности, проекции максимальной и мини­мальной интенсивности, изображение затенённых поверхностей, объёмный рендер и многоплоскостное переформатирование.

Abstract. In this article the main methods of three-dimensional visualization are considered. Visualization in medicine holds a specific place therefore to methods on which it is based substantial approach is necessary. Treat the main algorithms: projection of the maximum intensity, projection of the maximum and minimum intensity, image of the shielded surfaces, volume render and multiplane reformatting.

 

Ключевые слова: трехмерная визуализация; проекцию макси­мальной интенсивности; проекции максимальной и минимальной интенсивности; изображение затенённых поверхностей; объёмный рендер; многоплоскостное переформатирование; отображение данных.

Keywords: three-dimensional visualization; projection of the maximum intensity; projection of the maximum and minimum intensity; image of the shielded surfaces; volume render; multiplane reformatting, display of data.

 

Визуализация в медицине занимает особое место, поэтому к методам, на которых она базируется, необходим основательный подход. Зачастую трехмерная визуализация имеет большой объем отображаемых данных, которые, в свою очередь, требую эффективности использования методов. К основным алгоритмам относятся:

  • проекцию максимальной интенсивности,
  • проекции максимальной и минимальной интенсивности,
  • изображение затенённых поверхностей,
  • объёмный рендер,
  • многоплоскостное переформатирование.

Рассмотрим первый способ трехмерной визуализации – проекцию максимальной интенсивности (maximum intensity projection – MIP). Ее можно получить благодаря трассировке лучей от плоскости изобра­жения через объём вокселей, максимальная интенсивность значения которого отображается на пути луча для всех пикселей. У такого представления есть один существенный недостаток: само изображение не дает воспринимать глубины. К преимуществам можно отнести то, что становятся хорошо заметными наиболее яркие элементы такие, как сосуды с контрастным веществом [1]. MIP представлен на рисунке 1.

 

Рисунок 1. Проекция максимальной интенсивности

 

Кроме проекции максимальной интенсивности существует и минимальная (minimal intensity projection), которая изображена на рисунке 2. Она является вариацией предыдущего способа и создается следующим образом: значение пикселя изображения равно минималь­ному значению интенсивности вокселей вдоль трассируемого луча. Данный метод подходит для изучения органов, которые заполнены воздухом, например, легкие.

 

Рисунок 2. Проекция минимальной интенсивности

 

Еще одним способом трехмерной визуализации будет изображение затенённых поверхностей (shaded surface display – SSD), продемонстрированное на рисунке 3. Данный метод базируется на заданных пользовательских порогах. Трехмерная поверхность получается путем соединения вершин соседних вокселей, значение которых близко к пороговому. Для лучшего восприятия глубины затемненных поверхностей необходимо использовать алгоритмы освещения, которые способны генерировать тени [2].

 

Рисунок 3. Изображение затенённых поверхностей

 

Предпоследним методом трехмерной визуализации является объёмный рендер (volume rendering), показанный на рисунке 4. Отличие данного способа от предыдущего заключается в том, что здесь не нужно отбирать воксели поверхности, а применяются передаточные функции для определения цвета и прозрачности каждого вокселя. Поскольку такой метод не строит дополнительных структур, его можно назвать непосредственный объёмный рендер (direct volume rendering – DVR) [3].

 

Рисунок 4. Непосредственный объёмный рендер

 

Последним и самым сложным способом трехмерной визуализации будет многоплоскостное переформатирование (multiplanar reformatting – MPR) [4]. Суть этого метода, изображенного на рисунке 5, будет в зада­нии пользовательских произвольных секущих плоскостей, которые будут проходить через визуальный объем.

 

Рисунок 5. Многоплоскостное переформатирование

 

Таким образом, трехмерная визуализация может быть важной на любом этапе постановки диагноза и предоперационного планирования. От ее качества будет зависеть на только правильность постановки диагноза, но и выбор метода лечения.

 

Список литературы:
1. Kersten-Oertel M., Jannin P., Collins D.L. Dvv: a taxonomy for mixed reality visualization in image guided surgery // Visualization and Computer Graphics, IEEE. – 2012. – Vol. 18. – Р. 332-352.
2. Kersten-Oertel M., Jannin P., Collins D.L. The state of the art of visu-alization in mixed reality image guided surgery // Computerized Medical Imaging and Graphics. – 2013. – Vol. 37. – Р. 98-112.
3. Heimann T., Meinzer H.P. Statistical shape models for 3D medical image segmentation: a review // Medical image analysis. – 2009. – Vol. 13. – Р. 543-563.
4. Heimann T., Van Ginneken B., Styner M., Arzhaeva Y., Aurich V., Bauer C., Beck A., Becker C., Beichel R., Bekes G. et al. Comparison and evaluation of methods for liver segmentation from CT datasets // Medical Imaging, IEEE. – 2009. – Transactions on 28. – Р. 1251-1265.