基于Marching Cubes算法的3D心脏图像重建和可视化
论文阅读—基于Marching Cubes算法的3D心脏图像重建和可视化
-------------------2016 KCIC（2016 Knowledge Creation and Intelligent Computing） 3D Heart Image Reconstruction and Visualization with Marching Cubes Algorithm
⚡️ 初步阅读笔记
- ????作者为什么研究这个课题？
Heart image taken using a CT-scan or MRI is a two-dimensional image. Information obtained from these images is very limited and it takes a lot of pictures from various sides to be able to determine the condition of the heart as a whole. This may slow the process of diagnosis of the heart condition of a patient.
从二维图像（CT或MRI）中获取心脏信息非常有限，且完整心脏的诊断需要从各方面拍摄大量 的照片。这可能会减慢诊断患者心脏状况的过程。
- ????文献解决的问题？
This study aims to solve these problems by developing a 3D reconstruction system. Some 2D images taken from different sides, and then go through the filtering to remove noise and sharpen images. The result of filtering is reconstructed using
surface rendering technique and implementation of Marching Cubes (MC) algorithm. The MC algorithm used is a standard MC with 15 combinations of the cube. The use of 64 images is sufficient provided that it has an average error of 1%.
从二维图像（CT或MRI）中获取心脏信息非常有限，且完整心脏的诊断需要从各方面拍摄大量 的照片。 从不同侧面拍摄的一些2D图像，然后经过过滤以去除噪点并锐化图像。 使用表面渲染 技术和Marching Cubes（MC）算法的实现重建滤波结果。 使用的MC算法是具有15个立方体组合的标准MC。 假设平均误差为1％，则使用64张图像就足够了。
-
????实验的数据和采集？
-
????实验用到的理论或模型？
表面渲染：从三维数据中进行物体表面建模的技术，是通过生成代表表面并显示3D模型的多边形来开发数据集解释，表面由强度相同的.重建过程使用最流行的表面渲染技术-----Marching Cubes。
使用理由：简单simplicity, 鲁棒性robustness, 效率efficiency，另一方面，使用的是64-slice的扫描图像，这种方法更适用。
algorithm that produces a triangulated mesh surface from vertices derived on the edges of the rectilinear lattices [1], [7]. Marching Squares, which is the 2D equivalent of Marching Cubes, generates contours in order to choose the threshold in the 3D reconstruction. Marching Cubes is using divide-andconquer approach to generate connectivity between slices, then create a table of cases which defines the topology of the triangle [11]. Furthermore, the algorithm would process the 3D
medical data in scan-line order and determines triangle vertices using linear interpolation between adjacent slices [9]. Image generated from a surface model is a result of the stabilization of inter-slice connectivity, surface data and gradient information in the original 3D data.
Marching Cube算法是等值面近似一种算法，该算法根据在直线格子[1]，[7]的边缘上得出的顶点生成三角网格表面。 行进方块（相当于行进立方体的2D等效物）会生成轮廓，以便在3D重建中选择阈值。 Marching Cubes正在使用分而治之的方法来生成切片之间的连通性，然后创建一个定义三角形拓扑的案例表。 此外，该算法将处理3D以扫描线顺序排列医学数据，并使用相邻切片之间的线性插值确定三角形顶点[9]。 从表面模型生成的图像是原始3D数据中切片间连接性，表面数据和渐变信息稳定的结果。
**标准的marching cube可能出现的缺点：**标准的MC算法偶尔会出现“孔问题”，而且还会产生大量的产生的三角形以及由立方体旋转带来的计算开销。 它使用了15种预定义的立方体配置，减少了原始配置的数量（256），可能会产生拓扑上不连贯的表面，或者在某些情况下会产生两个相邻立方体的“孔”。
????改进的marching Cubes：
1、建议使用边缘变换来改善行进立方体的网格质量，提出了一种修改行进多维数据集的网格的方法，该方法大大提高了提取网格的质量。 实验结果没有产生任何退化的三角形，修改后的内容可以轻松集成到现有的Marching Cubes实现中。
2、
-
????实验的处理方式和目的？
在系统中，主要有五个步骤，包括数据采集、预处理、特征提取、模型创建和显示。
1、数据采集 CT-Scan（医学成像硬件）生成64个心脏图像切片。
2、预处理包括平滑、过滤、增强和降低。主要用到Laplacian滤波器（用于锐化图像，是心脏边界看起来更清晰），Binary thresholding（利用灰度颜色组合来移除图像中不需要的部分）, Contour Area Filtering, Erosion and Dilation（侵蚀和扩张）。
使用Marching Squares方法进行图像分割
然后使用行进方块查找表进行一个数据标号。
然后，使用三月立方体算法组合两个 2D 图像切片，对 2D图像的提取进行处理，以获得单个3D 切片。Marching Cubes 算法的基本概念是沿网格边缘的线性插值过程，以计算等值面近似值的顶点[1]。然后连接顶点以形成有效的三角剖分。
立方体算法简化的15个情况
-
????得出的结果？
通过一系列预处理和marching cubes算法最终重建的结果图
-
????实验评价指标
-
????论文总结或思考
1、需要64张不同角度CT或者MRI的图像，数据的采集是否存在问题？
2、系统最终实现的3D模型的平滑问题非常大，只能重建出大致的一个形状和模型，这样的重建似乎并无多大的现实意义。
-
????推荐阅读（参考文献）