基于医学图像三维重建及可视化的递归图方法

In this project, a recursive map method based on three-dimensional reconstruction and visualization of medical images is proposed. Main characteristic is to describe an image by a matrix instead of the general point cloud space vertex. The first, the technology of medical image feature extraction and simplified based on the matrix is reported. The results of medical image feature extraction and simplified are described by a matrix, and the relationship between medical image and matrix is built. The second, a recursive map about human organ based on Grassmann space is designed. The feature points are replaced by a matrix, then the 3D human organ visualization model can be constructed according to the matrix then 2D image can be constructed into 3D model. The third, personal human organ simulation and visualization are developed. According to the people’s health data, the human organ physiological properties can be visualized, it is useful for the doctor and people to analysis and manage the disease data. Later, the research results are applied in the human organ simulation and visualization platform. There are great theory value and practice application.

本项目是一种将医学图像数据转化成三维可视化模型的技术，主要特点是利用矩阵表示一幅平面图像，代替一般的点云的空间顶点，提供了一种新的可视化技术。主要内容如下：（1）提出了基于矩阵模型的医学图像特征提取和简化。利用二维矩阵表示医学图像中具有特殊含义的分割的结果，并根据解剖平面图之间的对应关系建立矩阵之间的对应关系。（2）建立了基于Grassmann空间递归图的人体器官表示方法。将控制点替换成二维矩阵，省去了建模时构建网格模型的步骤，直接从二维图像转换至三维模型。（3）个性化的三维人体器官可视化与仿真，根据不同患者的数据提取的特征，代入三维人体器官控制模型，同时，基于流体流动的方法，实现了基于生理属性的血液动态仿真，便于让医生和病人直观地了解病人的身体情况和病灶的变化。（4）将所研究的理论方法进行应用验证，构建了基于三维人体器官可视化与仿真应用实验平台。本项目的研究具有理论创新和实际应用价值。

医学图像是一类重要的医疗数据，在医学临床、教学和科研中发挥着越来越重要的作用。本项目的研究目标是实现个性化的三维人体器官建模，建立个性化的三维人体器官模型。根据研究目标和计划，针对医学图像特征提取和简化、三维人体器官几何表示和三维人体器官可视化仿真模型的关键技术问题，提出了 一种快速轻量级的单图像超分辨率网络，用于草图分割的多列Point-CNN模型，用于医学图像检索的纹理特征，基于集成散度特征的医学图像检索算法，本地连接增强和稀疏表示方法，基于先验概率协同表示的视觉识别方法，医学图像检索的细粒度相关分析方法，通过深度残差卷积神经网络进行图像去噪，面向三维模型分割的边界感知点云神经网络，动态自适应采样的新型光线投影算法，用于立体匹配的注意力残差网络（CAR-Net）模型，针对密集点云的快速自适应四边形网格生成算法，基于Gillespie方法的血栓生成模拟方法，密度不变和无散度的耦合计算方法，基于图形的大规模人体轨迹数据可视化查询方法，高效安全的具有读卡器（终端）验证功能的双因素密码认证方案，基于流的可视化分析方法，室内声学信号增强算法和可视化分析等多项理论方法和技术。以上提出的理论方法在医学图像分割，特征提取，三维重建以及可视化仿真结果上取得了显著的效果，推动了个性化的三维人体器官模型的构建，显著地提升了计算机辅助诊断的准确性和高效性。本项目的研究成果在IEEE Transactions on Cybernetics, IEEE Transactions on Computational Social Systems, Multimedia Tools and Application, 计算机辅助设计与图形学学报等国内和国际期刊上发表, 申请了10项国家发明专利，3项软件著作权。在项目执行期间，项目负责人罗笑南举办了2018年数字家庭国际会议（ICDH）国际会议，以及2018年的第二十一届中国计算机辅助设计与图形学 (CAD&CG 2018)、第十一届全国几何设计与计算 (GDC 2018) 联合学术会议，并且项目成员多次参加国内以及国际具有高水平的学术会议。本项目还培养了1名博士后，4名博士研究生和13名硕士研究生（均已经获得硕士学位）。