Інститут математики та комп'ютерних наук в медицині [email protected] методи візуалізації додатки висновки література

У різних областях медицини все більш широке поширення набувають сьогодні методи візуалізації внутрішніх структур людини на основі даних томографічних досліджень. Ці методи комп'ютерної графіки називаються візуалізацією обсягу. У статті наводиться огляд методів, використовуваних для кожного з етапів конвеєра візуалізації обсягу, при цьому особлива увага приділяється структурам даних, методам сегментації і методам рендеринга, в основі яких лежить або подання поверхні об'єкта, або його воксельного уявлення. Методи ілюструються прикладами з різних галузей медицини: черепно - лицевої хірургії, травматології, нейрохірургії, радіотерапії та медичну освіту.

На Протягом двох останніх десятиліть технологія медичної інтроскопії (medical imaging) або технологія отримання зображень внутрішніх органів людини пережила ряд принципових змін. Раніше в розпорядженні лікарів були лише рентгенівські знімки, які давали певне уявлення про досліджуваних органах у вигляді накладення тіней на зображеннях. Ці зображень відрізнялися поганий контрастністю і відсутністю будь-якої інформації про глибину об'єктів. Використання комп'ютерів дало можливість розвиватися новим напрямкам томографической интроскопии, таким як комп'ютерна томографія (CT-computed tomography), магнітна резонансна томографія (MRI-magnetic resonance imaging) та позитронна емісійна томографія (PET-positron emission tomography). За допомогою томографической апаратури можна отримати знімки безлічі перетинів тіла пацієнта, які характеризують особливості його анатомії і фізіології. Ці знімки з надзвичайною чіткістю показують різні органи, причому зображення органів не накладаються один на одного. Математичні методи дозволяють реконструювати тривимірну структуру органів по безлічі паралельних перетинів.

У багатьох випадках для встановлення діагнозу лікар візуально аналізує зображення окремих перетинів об'єкта, отриманих при томографическом обстеженні. Однак, для деяких клінічних задач, подібних хірургічного планування, необхідно розуміти 3D структуру в усій її складності і бачити дефекти. Досвід показав, що "умоглядна реконструкція" об'єктів по зображеннях їхніх перетинів надзвичайно важка і сильно залежить від досвіду і уяви спостерігача. У таких випадках хотілося б уявити людське тіло так, як його побачив би хірург або анатом.

Мета використання методу візуалізації обсягу в медицину - створення точних та реалістичних візуальних уявлень об'єктів за медичними даними. Отримані в результаті зображення, навіть якщо вони по-суті двомірні, часто називають 3D зображеннями або 3D реконструкціями для того, щоб відрізняти їх від 2D перетинів або звичайних рентгенівських знімків. Аналогічні підходи застосовуються також для експериментальних і модельних даних, які отримують в інших областях, таких як динаміка рідин, геологія і метеорологія [1].

методи візуалізації

Наведемо огляд методів, використовуваних при візуалізації обсягу. На рис. 1. показані всі фази конвеєра візуалізації обсягу. Після отримання серії томографічних зображень частин тіла пацієнта дані зазвичай піддаються деяким процедурам предобработки для перетворення і, можливо, фільтрації. Подальша обробка може слідувати декількома шляхами.

Малюнок 1.Етапи конвейра візуалізації обсягу. При іспользовнаіі конкретних методів окремі кроки обробки можуть бути опущені, суміщені або переставлені місцями.

Пунктирною лінією на рис. 1. представлені ранні підходи, в яких об'єкт реконструювався по контурах на зображеннях перетинів. В інших методах, позначених товстою лінією, процес побудови зображень починається безпосередньо з об'ємних даних, заданих на регулярній сітці. При необхідності, шляхом інтерполяції можна забезпечити однаковий крок вибірки даних по всіх трьох вимірах. Для поліпшення якості обсяг можна піддати процедурі фільтрації, подібно до того, як це робиться при обробці 2D зображень.

Наступний крок полягає в ідентифікації різних об'єктів, представлених в об'ємних даних так, щоб їх можна було виділити для візуалізації або, навпаки, зробити невидимими. Цей крок включає сегментацію і інтерпретацію. Простий спосіб полягає в бинаризации даних з використанням порогу інтенсивності, наприклад, для виділення кісток з інших тканин в комп'ютерній томографії. Однак, в деяких випадках, особливо при використанні даних MRI, потрібні більш витончені методи сегментації.

Після сегментації існує вибір, який з методів рендеринга використовувати далі. Більш традиційні підходи, які засновані на представленні об'єктів їх поверхнями, спочатку створюють проміжну модель, виділяючи поверхні об'єкту. Далі виконується рендеринг з використанням будь-якого стандартного методу машинної графіки. Відносно недавно були розроблені підходи, засновані на воксельного поданні обсягів, які створюють тривимірні зображення об'єкта безпосередньо з об'ємних даних. Ці методи використовують повну інформацію про значеннях інтенсивності півтонування для рендеринга поверхонь, розрізів або прозорих і напів-прозорих обсягів. Обидва ці підходи мають свої переваги. Рішення про те, який з методів слід використовувати для конкретного додатка, залежить як від розміру пам'яті і потужності комп'ютера, так і від цілей візуалізації. Нещодавно був розроблений новий підхід до візуалізації обсягу, який використовує методи рендеринга, засновані на перетвореннях.

Структури, для опису об'ємних даних

Найбільш важливими структурами для опису об'ємних даних є:

сегментація

Напівтонової обсяг зазвичай включає велику кількість різних структур, що затінюють один одного. Для того, щоб зобразити одну з них, слід вирішити, яку частину даних необхідно використовувати, а яку ігнорувати. В ідеалі, вибір повинен бути зроблений за допомогою команди типу "покажи тільки мозок". Однак, для цього потрібно, щоб комп'ютер знав, які частини обсягу (або, точніше, які вокселі) відносяться до мозку, а які ні.

Першим кроком розпізнавання об'єкта має бути розподіл полутонового обсягу на різні області, які є однорідними по відношенню до деякого формального критерію і відповідають реальним (анатомічним) об'єктів. Такий процес називається сегментацією. Для представлення результатів придатною структурою даних є узагальнена воксельного модель. На наступному кроці інтерпретації, області можуть бути ідентифіковані і співвіднесені осмисленим поняттям, таким як "біла речовина" або "шлуночок".

Всі методи сегментації можна розділити на два типи: "бінарні" і "нечіткі", відповідно до того, яка логіка покладена в основу: бінарна або нечітка. При бінарної сегментації відповідь на питання, чи належить воксель певній галузі, завжди так чи ні. Така інформація є передумовою, наприклад, для створення поверхневого уявлення по об'ємним даними. Однак, недоліком методу є те, що він не справляється з випадками невизначеності або випадками, коли об'єкт займає тільки частину вокселя. У разі нечіткої сегментації не обов'язково приймати точне рішення "так" або "ні" - кожному воксель приписуються ймовірності того, що він належить тій чи іншій матерії.

Зараз є велика кількість методів сегментації для 3D медичних зображень, які можна розбити на три типи: методи на основі точок, меж і областей. При сегментації на основі точок, вокселі класифікуються тільки відповідно до величини їх інтенсивності. Добре відомі такі методи, як розпізнавання патернів [3] і нейронні мережі [4]. При сегментації на підставі кордонів, в зображуваному обсязі визначають неоднорідності в розподілі інтенсивності, використовуючи для цього перші або другі похідні. При сегментації на основі областей, розглядаються властивості цілих областей, такі як розмір або форма. Часто використовується комбінація декількох різних підходів.

Хоча, безумовно, кінцевою метою є автоматична сегментація, методи, існуючі сьогодні, все ще недостатньо надійні, щоб належним чином працювати в будь-яких ситуаціях. Тому на практиці часто більш корисні зручні інтерактивні системи (рис. 2).

Малюнок 2.
3D зображення плоду за даними MRI. З використанням системи інтерактивної сегментації було визначено близько 50 об'єктів.

Візуалізація поверхонь

Ключовою ідеєю цього виду рендеринга є побудова проміжного опису поверхні необхідних об'єктів по об'ємним даними, використовуючи для цього результати сегментації. Якщо в якості елементів поверхні використовуються трикутники, то цей процес називається тріангуляції. Побудоване опис використовується потім для рендеринга.

До явних переваг методів на основі поверхонь можна віднести дуже велике зменшення кількості даних при переході від об'ємного уявлення до поверхневого. Час рендеринга також може бути зменшено, якщо при формуванні поверхні використовуються загальноприйняті структури даних, такі як сітки з трикутними осередками, рендеринг яких підтримується програмними і апаратними засобами. З іншого боку, на етапі реконструкції поверхні відкидається велика кількість цінної інформації, що міститься в зображеннях перетинів. Якщо подання до вигляді поверхні вже сформовано, повернутися назад і отримати вихідні значення інтенсивності неможливо. Розрізи об'єкта в цьому поданні безглузді, так як інформації про його внутрішньої частини немає. Крім того, кожна зміна критеріїв для визначення поверхні, наприклад, порогів, вимагає перерахунку всієї структури даних.

Реконструкція поверхні з обсягу. Перший метод, який широко використовувався в клінічній практиці, був розроблений в кінці 70-х [5]. Напівтонової обсяг спочатку бінарізуется з використанням порогу інтенсивності. Потім створюється список граней вокселей, розташованих на кордоні між воксель, що належать внутрішньої і зовнішньої частин об'єкта. Можна показати, що результуючі поверхні завжди добре визначені і замкнуті. Опис поверхні, сформований з даного алгоритму зовсім просте - всі грані мають однаковий розмір і форму, і можуть бути орієнтовані тільки шістьма різними способами. Звичайно, такий метод дає тільки грубе наближення до цієї формі об'єкта. Тому на результуючому 3D зображенні відсутні багато тонкі деталі.

Пізніше були запропоновані методи, які використовують всю півтонову інформацію. В алгоритмі марширують кубів, розробленому Лоренсеном і Клайном, розглядається куб об'ємних даних, що складається з 222 суміжних вокселей [6]. Залежно від того, один або більше таких вокселей міститься всередині об'єкта (їх значення вище порогової величини), будується частина поверхні, що складається з не більше, ніж чотирьох трикутників, і поміщається всередину куба. Точна локалізація трикутників знаходиться шляхом лінійної інтерполяції інтенсивностей в вершинах вокселей. В результаті виходить поверхня з великою кількістю деталей і дозволом вище воксельного (рис.3). Орієнтація поверхні обчислюється по градієнту інтенсивності.

Малюнок 3.3D зображення частини мозку, отримане з використанням алгоритму марширують кубів, техніки тріангуляції (вгорі) і зафарбовування (внизу) за даними MRI.

При застосуванні алгоритму марширують кубів до клінічних даними створюються сотні тисяч трикутників. Було показано, що число цих трикутників може бути значно зменшено шляхом подальшого спрощення трикутної сітки без великої втрати інформації.

Зафарбування. В загальному плані, зафарбування - це отримання реалістичного зображення об'єкта виходячи з положення, орієнтації і характеристик його поверхонь і з урахуванням висвітлюють його джерел світла. Що відображають властивості поверхні описуються за допомогою моделі освітленості, наприклад, моделі Фонга, яка враховує властивості розсіяного, дифузного і дзеркального світла. Найбільш істотними вхідними даними таких моделей є локальна орієнтація поверхні, що задається векторами нормалей. Спосіб обчислення нормалі до поверхні в методі марширують кубів і описується нижче. Альтернативний спосіб - використовувати нормалі трикутників, що становлять поверхню.

Візуалізація на основі вокселей

При рендеринге на основі вокселей зображення формується безпосередньо з об'ємних даних. Основна перевага цього методу в порівнянні з методами на основі поверхонь, полягає в тому, що вся початкова інформація про интенсивностях зберігається протягом процесу рендеринга. Це робить даний метод ідеальною технікою для інтерактивного дослідження даних. При цьому інтерактивно можна змінювати величини порогів та інші параметри, які спочатку не відомі. Крім того, рендеринг на основі вокселей дозволяє комбінувати зображення різних типів: непрозорі і напівпрозорі поверхні, розрізи і проекції максимальних інтенсивностей. Недоліком методів на основі вокселей є необхідність обробляти велику кількість даних. Це не дозволяє вирішувати прикладні завдання на сучасних комп'ютерах в реальному часі. Однак, із застосуванням спеціальних апаратних засобів вже зараз можна досягти швидкостей кілька кадрів в секунду.

Сканування обсягу. Способи воксельного рендеринга розрізняються, головним чином, стратегією сканування: піксель за пікселем (впорядкування по зображенню) або воксель за воксель (впорядкування за обсягом). При скануванні з упорядкуванням по зображенню об'ємні дані вибираються на променях вздовж напрямку спостереження. Цей метод відомий як метод відстеження променя:

FOR кожного пікселя на площині зображення DO FOR кожної точки на промені зору DO Обчислити внесок в піксель

Основні положення даного методу ілюструються на рис. 4. Уздовж променя легко визначається видимість поверхонь і об'єктів. Луч може зупинитися, коли на його шляху зустрічається непрозора поверхню.

Малюнок 4.Метод відстеження променя для візуалізації обсягу. В цьому випадку для нахожденіяповерхності об'єкта використовується поріг інтенсивності.

Метод відстеження променя є дуже гнучким і добре зрозумілим прийомом сканування. Порівняно легко сполучати методи рендеринга для непрозорих, напівпрозорих і прозорих поверхонь. Крім того, сканування по зображенню можна одночасно використовувати для рендеринга як воксельних, так і поверхневих даних. Якість зображення можна змінювати, збільшуючи або зменшуючи крок вибірки даних. Всі ілюстрації, представлені в даній статті отримані з використанням алгоритму відстеження променя.

З Іншого боку, можлівість! Застосування алгоритмів відстеження променя обмежується Вимогами великого ОБСЯГИ пам'яті и вісокої потужності комп'ютера. Для того, щоб об'єкт можна Було розглядаті з різніх напрямків, необходимо Забезпечити довільній доступ до всіх вхідних об'ємнім данімі. Кроме того, для Косих променів нужно інтерполяція інтенсівностей в точках Вибірки Даних. Для Зменшення годині Обчислення процедуру рендеринга почінають з малої щільності Вибірки Даних, щоб Швидко згенеруваті результуюча вид. Якщо користувач не вносить будь-яких змін, то щільність вибірки даних поступово збільшується до максимального дозволу. Інший прийом використовує те, що велика кількість часу витрачається на трасування порожнього простору далеко від зображуваних об'єктів. Якщо обмежувати промені так, щоб сканувати дані тільки всередині визначеного обсягу навколо розглянутих об'єктів, то час сканування сильно зменшується.

При скануванні з упорядкуванням за обсягом вхідні об'ємні дані вибираються вздовж рядків і стовпців 3D масиву і проводиться проектування обраного виду на площину зображення в напрямку спостереження.

FOR кожної точки обсягу DOFOR кожного пікселя її проекції DOОбчислити внесок в піксель

Обсяг можна сканувати, починаючи з вокселей, що знаходяться на максимальній відстані від площини зображення і закінчуючи воксель з мінімальним відстанню (back-to-front - BTF), або в зворотному порядку (front-to-back - FTB). В обох випадках кілька вокселей можуть проектуватися в один і той же піксель. Якщо необхідно зобразити непрозору поверхню, слід визначити, які частини будуть видимими. При використанні техніки BTF, значення пікселів просто заміщуються новими, так що з'являються тільки видимі поверхні. При техніці FTB пікселі, які вже були записані, зберігаються за допомогою z-буфера.

Скануючи дані в тому ж порядку, в якому вони і зберігаються, ці методи є досить швидкими навіть для комп'ютерів з невеликою оперативною пам'яттю. Вони особливо підходять для паралельної обробки. До сих пір більшою гнучкістю при комбінуванні різних способів зображень володіли алгоритми відстеження променя. Однак, вже розроблені нові методи рендеринга обсягу, що використовують упорядкування за обсягом.

Зафарбування поверхонь. Застосовуючи один з описаних методів сканування, можна визначити видиму поверхню об'єкта, використовуючи, наприклад, поріг. Відомий алгоритм зафарбовування, який дуже точно обчислює вектора нормалі до поверхні. Через ефект часткового заповнення обсягу, інтенсивність вокселей, що лежать на поверхні, визначається внеском різних матеріалів, що знаходяться всередині вокселей. Градієнт результуючої інтенсивності може бути, таким чином, використаний для обчислення відміни поверхні. У всіх ілюстраціях, наведених в даній статті, для зафарбовування використовувався цей метод.

Площині розрізів. Якщо поверхню об'єкта отримана, то дуже простим і ефективним методом візуалізації його внутрішніх структур є побудова розрізів. Коли вихідні величини інтенсивності відображаються на площину розрізу, їх легше зрозуміти в анатомічному контексті. Особливим випадком є ​​виборчий розріз, для якого певні об'єкти виключаються (рис. 5).

Малюнок 5.3D зображення мозку за даними MRI. Вихідні величини інтенсивностей відображаються на площині розрізів.

Інтегральна проекція і проекція максимальних інтенсивностей. Інший спосіб зазирнути всередину об'єкта - це проинтегрировать величини інтенсивностей вздовж напрямку променя зору. Якщо при цьому використані всі об'ємні дані, то такий спосіб - крок назад до старої техніки рентгенограм. Однак, якщо така проекція будується лише за обраними даними, то в деяких випадках результат виявляється корисним.

Для маленьких яскравих об'єктів, подібних судинах, зареєстрованих методом магнітно-резонансної ангіографії (MRA), більше підходить метод проекції максимальних інтенсивностей (maximum intensity projection (MIP)) (рис. 6). При цьому підході уздовж кожного променя по об'ємним даними визначаються значення максимальної інтенсивності, які потім проектуються на площину зображення. Гідність методу полягає в тому, що при його використанні не потрібно ні сегментація, ні зафарбування - процедури, які можуть погано працювати для дрібних судин. Однак у такого підходу є і недоліки: так як MIP зовсім не враховує відображення світла, результуючі зображення не дають реалістичного тривимірного сприйняття об'єктів. Просторове сприйняття можна поліпшити, обертаючи об'єкт, комбінуючи відображення з різних поверхонь або площин розрізу.

Малюнок 6.3D зображення судин голови за даними магнітної резонансної ангіографії (MRA). Хоча проекція максимальних інтенсивностей (зліва) виявляє більше деталей об'єкта, просторове сприйняття значно краще при використанні порогової сегментації і зафарбовування на основі градієнта (праворуч).

Візуалізація обсягу. В області візуалізації рендеринг обсягу є еквівалентом нечіткої сегментації. Вперше цей підхід було використано для медичних програм в 1988 році [7, 8]. Моделлю, яка зазвичай використовується для розгляду цього підходу, є забарвлений напівпрозорий гель, зі зваженими в ньому відображають частинками. Проходячи через обсяг, промені освітлення частково відбиваються і змінюють колір. Для кожного вокселя визначається колір і непрозорість. Непрозорість виходить як добуток двох функцій: "функції ваг об'єкта" і "функції ваг градієнта". Функція ваг об'єкта зазвичай залежить від рівня інтенсивності, однак, може бути отримана з використанням більш витонченого алгоритму нечіткої сегментації. Функція ваг градієнтів виділяє поверхні для 3D зображень. Все вокселі закрашуються з використанням методу градієнта інтенсивностей. Значення зафарбовування зважуються і підсумовуються уздовж променя зору.

Так як при рендеринге обсягу не проводиться бінаризація даних, результуючі зображення виходять дуже гладкими і з великою кількістю тонких деталей (рис. 7). Іншим важливим достоїнством методу є те, що навіть для грубо певних об'єктів можна здійснити рендеринг з прийнятною якістю. З іншого боку, більш-менш прозорі образи, отримані за допомогою методів рендеринга обсягу, часто важко зрозуміти, тому їх клінічне застосування може бути обмеженим. Однак, просторове сприйняття можна поліпшити шляхом обертання об'єкта. Інша проблема виникає через велику кількість параметрів, які необхідні для визначення вагової функції. Крім того, рендеринг обсягу - порівняно повільна процедура: операції зважування і зафарбовування проводяться на кожному промені для багатьох вокселей.

Малюнок 7.Ізображеніе дитини з Краніосиностоз (trigonocephalon), отримане за даними СТ методом рендеринга обсягу. Напівпрозора візуалізація деталей дозволяє побачити багато різних структур, таких як поверхні шкіри і кісток, проте просторове сприйняття сильно утруднено.

Візуалізація на основі перетворень

Обидва методи рендеринга, як на основі поверхонь, так і на основі вокселей, працюють в тривимірному просторі. Однак, 3D зображення можна отримати, виходячи і з інших представлень даних. Один з таких методів - рендеринг в частотних областях, який створює 3D зображення в просторі Фур'є. Це дуже швидкий метод, однак його застосовність обмежена досить простими інтегральними проекціями.

Більш перспективний підхід використовує вейвлетного перетворення (wavelet tranforms). Ці методи створюють мультімасштабное уявлення 3D об'єктів, що дозволяє локально регулювати розміри відображаються деталей. Таким чином можна дуже сильно скоротити кількість даних і час рендеринга.

Додатки

На перший погляд, можна було очікувати, що основною областю для застосування методів візуалізації обсягу стане діагностична рентгенологія. Однак, це виявилося не так. Одна з причин полягає в тому, що рентгенологи вже мають великий досвід при аналізі двовимірних зображень перетинів. Інша причина пов'язана з тим, що багато діагностичні завдання, такі як визначення і класифікація пухлин, можуть бути досить точно вирішені за допомогою томографічних зображень. Крім того, для 3D візуалізації об'єктів за даними MRI необхідні потужні алгоритми сегментації, яких все ще немає.

Інакше йдуть справи в тих областях, в яких терапевтичне рішення по рентгенографическим зображень повинен приймати не лікар-рентгенолог. Основною областю для застосування методів візуалізації обсягу є черепноліцевая хірургія. Візуалізація обсягу не тільки полегшує розуміння патологічних умов, але також є корисним інструментом для планування оптимальних хірургічних підходів і косметичних результатів втручання.

Іншою важливою сферою застосування є травматологія (рис. 8). У критичних випадках час прийняття рішення має бути дуже малим. З впровадженням нових швидких видів інтроскопії і зростанням потужності комп'ютерів, з'являється можливість користуватися методами візуалізації обсягу і в важких випадках. Вважається, що візуалізація обсягу особливо корисна в хірургії таза, де морфологія ускладнює доступ до потрібних областях.

Малюнок 8.3D зображення таза з безліччю переломів за даними СТ з полуфронтальним напрямком променя зору.

Додатком, яке стає все більш привабливим зі збільшенням дозволу і специфічності MRI, є нейрохірургічне планування. У цьому випадку проблема пов'язана з вибором правильного шляху доступу до пошкодження. 3D візуалізація тканин мозку за даними MRI і кровоносних судин за даними MRA до хірургічного втручання дозволяє хірургу знайти шлях доступу з мінімальним ризиком. Якщо при цьому використовується 3D координатний дігітайзер, то зібрана з його допомогою інформація може в якійсь мірі направляти дії хірурга під час операції. Для полегшення локалізації пошкодження поєднують використання методів візуалізації обсягу і функціональну інформацію, отриману з PET зображень.

Іншим потенційним застосуванням, що зменшує ризик терапевтичного втручання, є планування радіотерапії. В цьому випадку необхідно сфокусувати об'єктив так, щоб опромінювався тільки необхідний обсяг, не зачіпаючи здорові органи. 3D візуалізація обсягу-мішені, близколежащих органів і моделювання доз радіації дозволяють проводити реалістичні репетиції лікувальної процедури.

Додатками, не пов'язаними безпосередньо з клінічної роботою, є медичні дослідження і освіту. 3D атласи мозку, показані на Мал. 5 і 9, виготовлені за даними MRI і представляються користувачеві, як якийсь інтелектуальний обсяг. Структурні і функціональні компоненти мозку можна вивчати на екрані комп'ютера, подібно до того, як це робиться при реальному анатомуванні. Зараз готуються і інші атласи. Якщо для їх підготовки використовуються зрізи мозку, отримані за допомогою кріогенної техніки (такі зрізи були виготовлені в проекті "Видимий Людина" Національної медичної бібліотеки США), то виходить ще більш детальна і реалістична модель (рис. 10).

Малюнок 9.Ізученіе анатомії шляхом розсічення медичних об'єктів на екрані комп'ютера: інтерфейс користувача системи VOXEL-MAN / brain. Обсяг можна довільно повернути і розрізати. Вказуючи на зображену поверхню, можна виділити певну область і забезпечити її примітками. Користувач може також за бажанням зобразити об'єкти, вибрані з бази знань.

Малюнок 10.Анатомірованіе з використанням системи Відомий Людина.

Висновки

Методи візуалізації обсягу в медицині пройшли довгий шлях розвитку від перших експериментів до сучасних методів рендеринга, що дозволяють демонструвати тонкі деталі об'єктів. У міру вдосконалення алгоритмів рендеринга і збільшення точності результуючих картинок, 3D зображення стають не просто красивими ілюстраціями, а потужним джерелом інформації для лікарів. У деяких областях медицини, наприклад, таких, як черепноліцевая хірургія або травматологія, візуалізація обсягу все більше стає частиною стандартних передопераційних процедур. Очікується подальше швидке розвиток методів візуалізації обсягу.

Ряд проблем все ще заважають більш широкого використання методів візуалізації обсягу в медицині. По-перше, сучасні робочі станції ще не здатні створювати 3D зображення досить швидко. Протягом декількох років з ростом потужності комп'ютерів ця проблема буде вирішена.

Другою важливою проблемою цього підходу є створення такого інтерфейсу користувача, який би влаштовував лікарів. Сьогодні існує велика кількість чисто технічних параметрів, наприклад, для управління сегментацією і закраской. Визнання розглянутого підходу медичним співтовариством напевно буде залежати від прогресу в цій області.

Третя проблема пов'язана з методами сегментації обсягів в мають сенс частини, які представляють різні об'єкти. На сьогоднішній день не існує надійних автоматичних методів, які б добре працювали в усіх випадках, особливо, для даних MRI. Як було показано, тривають дослідження в різних напрямках для вирішення цього завдання.

У найближчому майбутньому, при візуалізації обсягу методи рендеринга на основі поверхонь, мабуть, поступляться місцем більш потужним і гнучким методам на основі вокселей. Крім того, можуть бути впроваджені в практику нові методи візуалізації, такі як рендеринг на основі перетворень. Слід очікувати, що стануть робочими і більш складні системи, що використовують як візуалізацію, наприклад системи хірургічного моделювання та навчальні системи.

Можна уявити, що в більш віддаленому майбутньому буде враховуватися і функціональна інформація (рух, навантаження та ін.), І навіть динамічно змінюється в часі (4D інтроскопія). Інша викликає інтерес ідея полягає в поєднанні візуалізації обсягу з сучасними досягненнями в системах віртуальної реальності, які будуть давати можливість лікаря ходити або літати навколо віртуального пацієнта. Майбутнє покаже, який з цих нових підходів виявиться дійсно корисним для клінічної практики.

література

[1] Kaufman, A. (Ed.): Volume Visualization. IEEE Computer Society Press, Los Alamitos, CA, 1991.

[2] Laur, D., Hanrahan, P .: Hierarchical splatting: A progressive refinement algorithm for volume rendering. Comput. Graphics 25, 4 (1991), 285-288.

[3] Gerig, G., Martin, J., Kikinis, R., K "ubler, O., Shenton, M., Jolesz, FA: Automating segmentation of dual-echo MR head data. In Colchester, ACF, Hawkes , D. (Eds.): Information Processing in Medical Imaging, Proc. IPMI "91, Lecture Notes in Computer Science 511, Springer-Verlag, Berlin, 1991, 175-187.

[4] Haring, S., Viergever, MA, Kok, JN: A multiscale approach to image segmentation using Kohonen networks . In Barrett, HH, Gmitro, AF (Eds.): Information Processing in Medical Imaging, Proc. IPMI "93, Lecture Notes in Computer Science 687, Springer-Verlag, Berlin, 199, 212-224.

[5] Chen, LS, Herman, GT, Reynolds, RA, Udupa, JK: Surface sh ding in the cuberille environment. IEEE Comput. Graphics Appl. 5, 12 (1985), 33-43.

[6] Lorensen, WE, Cline, HE: Marching cubes: A high resolution 3D surface construction algorithm. Comput. Graphics 21, 4 (1987), 163-169.

[7] Drebin, RA, Carpenter, L., Hanrahan, P .: Volume rendering. Comput. Graphics 22, 4 (1988), 65-74.

[8] Levoy, M .: A hybrid ray tracer for rendering polygon and volume data . IEEE Comput. Graphics Appl. 10, 2 (1990), 33-40