- ข้อความ
- ประวัติศาสตร์
Dissection via CryosectionThe abili
Dissection via Cryosection
The ability to distinguish different human
organs in cryosection images is important
for letting anatomy students
demonstrate how much they understand
human anatomic structure in different
perspectives. At the Sichuan Continuing
Education College of Medical Sciences
in China, Lin Yang has been teaching
her students the anatomic structure using
cryosection images since June 2004.
Using their learned anatomy knowledge,
the students found pixels belonging
to the same body part on different
cryosection images and filled these pixels
with a designated color. In time, they
had two sets of images: the original
cryosection images showing natural colors
and the colored images showing
each organ in a different designated
color. Both sets have a 3,072 2,048
pixel resolution, and each uncompressed
image uses roughly 18 Mbytes of storage
space. The thickness of the slices
corresponding to the cryosection images
varies from 0.1 mm to 1.0 mm.
We designed VHASS to extract two
sets of pixels from the colored images.
The first set includes the boundary
pixels for different organ parts,
whereas the second includes the parts’
interior pixels. After the extraction, the
system separates different organ parts
using the following process.
First, we align the cryosection images
and the colored images as two corresponding
stacks according to their original
3D cross-section relations; thus,
each image has a z coordinate identified
according to its thickness, which defines
a 2D plane in 3D in which each pixel
has (x, y, z) coordinates. The cryosection
image stack is a set of volume data.
The colored image stack is another set
of volume data. Each pixel in the first
set has a corresponding pixel in the second.
A color table T includes all artificial
colors used in the colored
images—one color corresponding to
each organ part (see Figure 1).
Next, we use VHASS to create a set
of structures to store the generated
boundaries and interior parts (volume
data) from the colored images according
to their colors. Then, VHASS uses
a pixel in the colored image as an index
to extract the same pixel in the cryosection
image and retrieve the natural-
VIRTUAL HUMAN ANATOMY
By Lin Yang, Jim X. Chen, and Yanling Liu
TO LEARN HUMAN ANATOMY, MEDICAL STUDENTS MUST
PRACTICE ON CADAVERS, AS MUST PHYSICIANS WHEN
THEY WANT TO BRUSH UP ON THEIR ANATOMY KNOWLEDGE.
HOWEVER, CADAVERS ARE IN SHORT SUPPLY IN MEDICAL SCHOOLS
y
0 x 0 x
y
Figure 1. A pixel extraction. The
cryosection image at left has a
corresponding colored image (right).
72 COMPUTING IN SCIENCE & ENGINEERING
color information for storage in the new
data structure.
After creating the data structures,
VHASS retrieves the tissue boundaries.
Intuitively, the system can extract
boundary pixels by applying edge detection—
a mature and widely used technology1—
on the colored images. We
integrated an open-source IM digital
imaging toolkit (www.tecgraf.puc-rio.br/
im) into our system to extract the boundary
information and used Canny’s edge detector1
to perform the edge detection.
The system uses an image’s extracted
boundaries to build 3D surface models of
different organ parts. Figure 2 shows the
extracted boundary slices in 3D.
After extracting the tissue boundaries,
we retrieve all interior tissues and
save them separately. Extracting interior
pixels is much simpler than extracting
boundary pixels—for each
color in the color table T, we simply
convert all matching pixels into 3D
points. However, the size of the extracted
output requires extensive memory.
In our experiment, the interior
points of human skin from the first 200
processed images required more than
600 Mbytes of storage space. Although
upgrading to add memory is a simple
solution, a better one was to optimize
our system so that it would run well on
machines with different configurations.
Thus, our system can dynamically allocate
memory based on the current task
and successfully extract points (3D pixels)
totaling more than 2.5 Gbytes on a
machine with a 512-Mbyte memory.
During extraction, we found that
some parts in the colored images had
slightly bigger or smaller areas than the
actual organ parts on the cryosection images.
This was due to human error—the
colored images that are the basis for feature
extraction might not have been separated
exactly according to human parts,
thus resulting in incorrect retrieval. This
problem was more obvious for outerboundary
pixels of human skin: on the
colored image, these pixels sometimes
ended up outside the body. To solve this
problem, we discard pixels on a colored
image if the corresponding pixels on
cryosection images have the background
color. We must do more work in this
area to improve retrieval accuracy.
After the extraction process, our retrieved
3D points correspond to different
tissue parts and have geometry,
volume, and color information. Additionally,
the system uses the generated
3D cross-sections to interpolate and generate
3D volume pixels that don’t lie on
cross-sections—in both color and
cryosection images—for separate organs,
which lets users visualize the volume of
interior parts using volume rendering.
Figure 3 shows components of the human
brain in different color volumes.
3D Human Parts
Surface reconstruction has received a
significant amount of research
attention.2–6 Compared to volume rendering,
a 3D mesh generated by surface-
reconstruction techniques requires
fewer computational resources for realtime
rendering. Moreover, organizing
3D mesh for complete human parts
normally requires less storage space
than organizing interior points for the
same parts. We developed a surface-reconstruction
algorithm to find boundary
surfaces for all the different tissues
and organ parts. The result is a set of
isosurfaces that constitute organ part
boundaries. The algorithm relies on a
growable triangle mesh to generate organ
surfaces, can process large data sets,
and has a linear memory requirement.
Suppose we’ve already chosen a seed
triangle mesh M representing the partial
surface S. Without losing generality,
we can assume that some growable
triangles are located at the boundary of
M. Our algorithm finds new triangles
for growable triangles in Mby generating
new vertices for the growable vertices.
Before generating new triangles,
the algorithm generates new vertices
and projects them onto the surface implied
by the local neighboring points.
By repeating the growth process, Mwill
eventually become an interpolation for
S. Figure 4 shows a transparent rendering
of different layers.
During the growth process, Mdevelops
more triangles and creeps onto S. In
one growth process, the algorithm
processes all growable triangles on the
edge of M to generate new ones. The
surface reconstruction process continues
or stops depending on the growth
process’s return value—a growth process
returns true when the algorithm successfully
generates new triangles, and
false when it doesn’t generate any new
triangles. Our system’s default configuration
allows multiple surface reconstruction
on one data set because some
body parts have separate components.
After one pass of surface reconstruction,
the system removes boundary points it
has visited and starts a new surfacereconstruction
process on the remaining
boundary points. Surface reconstruction
stops when no boundary points are left.
The Surface Model
Based on the newly generated 3D surface
models we’ve discussed, VHASS allows
arbitrary magnification, view, and
dissection of a surface model. Physicians
and students can use the dissection tool
in VHASS to define multiple 3D planes
(called dissection planes) intersecting with
selected parts. A dissection plane’s normal
vector direction helps the physician
or student determine the plane direc-
V I S U A L I Z A T I O N C O R N E R
Figure 2. Extracted boundary points
from a human head, viewed from
different angles.
SEPTEMBER/OCTOBER 2005 73
tion in which to cut off parts. Multiple
dissection planes are combined with
Boolean operation to form a final shape.
To render a cross-section with natural
colors, the system creates a dissection
mesh, a triangle mesh plane on the
cross-section. Users can specify a resolution
for the dissection mesh to view
results at different resolutions—the
more triangles a dissection mesh has,
the better the image quality. A dissection
mesh’s vertices have interpolated
color based on nearby points. Figure 5
shows the results from a single dissection
plane on the upper half of a human
head. The dissection operation’s
efficiency depends on the area of the
dissection plane—a bigger dissection
plane requires a bigger dissection mesh
and more computational resources for
color interpolation. This process is integrated
with the cryosection volume
data to retrieve the cross-section’s natural
colors. The system retrieves the
interior colors on the cross-section
plane from the volume data. Given that
volume data is used only to retrieve visible
surfaces (such as cross-section
planes), the system renders crosssections
or open cuts in real time,
enabling interactive operations and
transformations that animate the object
in different perspectives.
Our work on virtual anatomy and
surgery for medical education
and training is still in its preliminary
stages, and we must do more to take
advantage of our early results. Specifically,
we plan to use haptic devices as
medical instruments for cutting, show
the medical procedure in stereoscopic
display, and integrate surface and volume
rendering. The latter will let us
visualize the interior organs separately
or at the same time with transparency.
For training purposes, students will be
able to operate on specific parts of the
volume data, separate layers to focus
on certain areas, and visualize interior
parts interactively.
The ability to distinguish different human
organs in cryosection images is important
for letting anatomy students
demonstrate how much they understand
human anatomic structure in different
perspectives. At the Sichuan Continuing
Education College of Medical Sciences
in China, Lin Yang has been teaching
her students the anatomic structure using
cryosection images since June 2004.
Using their learned anatomy knowledge,
the students found pixels belonging
to the same body part on different
cryosection images and filled these pixels
with a designated color. In time, they
had two sets of images: the original
cryosection images showing natural colors
and the colored images showing
each organ in a different designated
color. Both sets have a 3,072 2,048
pixel resolution, and each uncompressed
image uses roughly 18 Mbytes of storage
space. The thickness of the slices
corresponding to the cryosection images
varies from 0.1 mm to 1.0 mm.
We designed VHASS to extract two
sets of pixels from the colored images.
The first set includes the boundary
pixels for different organ parts,
whereas the second includes the parts’
interior pixels. After the extraction, the
system separates different organ parts
using the following process.
First, we align the cryosection images
and the colored images as two corresponding
stacks according to their original
3D cross-section relations; thus,
each image has a z coordinate identified
according to its thickness, which defines
a 2D plane in 3D in which each pixel
has (x, y, z) coordinates. The cryosection
image stack is a set of volume data.
The colored image stack is another set
of volume data. Each pixel in the first
set has a corresponding pixel in the second.
A color table T includes all artificial
colors used in the colored
images—one color corresponding to
each organ part (see Figure 1).
Next, we use VHASS to create a set
of structures to store the generated
boundaries and interior parts (volume
data) from the colored images according
to their colors. Then, VHASS uses
a pixel in the colored image as an index
to extract the same pixel in the cryosection
image and retrieve the natural-
VIRTUAL HUMAN ANATOMY
By Lin Yang, Jim X. Chen, and Yanling Liu
TO LEARN HUMAN ANATOMY, MEDICAL STUDENTS MUST
PRACTICE ON CADAVERS, AS MUST PHYSICIANS WHEN
THEY WANT TO BRUSH UP ON THEIR ANATOMY KNOWLEDGE.
HOWEVER, CADAVERS ARE IN SHORT SUPPLY IN MEDICAL SCHOOLS
y
0 x 0 x
y
Figure 1. A pixel extraction. The
cryosection image at left has a
corresponding colored image (right).
72 COMPUTING IN SCIENCE & ENGINEERING
color information for storage in the new
data structure.
After creating the data structures,
VHASS retrieves the tissue boundaries.
Intuitively, the system can extract
boundary pixels by applying edge detection—
a mature and widely used technology1—
on the colored images. We
integrated an open-source IM digital
imaging toolkit (www.tecgraf.puc-rio.br/
im) into our system to extract the boundary
information and used Canny’s edge detector1
to perform the edge detection.
The system uses an image’s extracted
boundaries to build 3D surface models of
different organ parts. Figure 2 shows the
extracted boundary slices in 3D.
After extracting the tissue boundaries,
we retrieve all interior tissues and
save them separately. Extracting interior
pixels is much simpler than extracting
boundary pixels—for each
color in the color table T, we simply
convert all matching pixels into 3D
points. However, the size of the extracted
output requires extensive memory.
In our experiment, the interior
points of human skin from the first 200
processed images required more than
600 Mbytes of storage space. Although
upgrading to add memory is a simple
solution, a better one was to optimize
our system so that it would run well on
machines with different configurations.
Thus, our system can dynamically allocate
memory based on the current task
and successfully extract points (3D pixels)
totaling more than 2.5 Gbytes on a
machine with a 512-Mbyte memory.
During extraction, we found that
some parts in the colored images had
slightly bigger or smaller areas than the
actual organ parts on the cryosection images.
This was due to human error—the
colored images that are the basis for feature
extraction might not have been separated
exactly according to human parts,
thus resulting in incorrect retrieval. This
problem was more obvious for outerboundary
pixels of human skin: on the
colored image, these pixels sometimes
ended up outside the body. To solve this
problem, we discard pixels on a colored
image if the corresponding pixels on
cryosection images have the background
color. We must do more work in this
area to improve retrieval accuracy.
After the extraction process, our retrieved
3D points correspond to different
tissue parts and have geometry,
volume, and color information. Additionally,
the system uses the generated
3D cross-sections to interpolate and generate
3D volume pixels that don’t lie on
cross-sections—in both color and
cryosection images—for separate organs,
which lets users visualize the volume of
interior parts using volume rendering.
Figure 3 shows components of the human
brain in different color volumes.
3D Human Parts
Surface reconstruction has received a
significant amount of research
attention.2–6 Compared to volume rendering,
a 3D mesh generated by surface-
reconstruction techniques requires
fewer computational resources for realtime
rendering. Moreover, organizing
3D mesh for complete human parts
normally requires less storage space
than organizing interior points for the
same parts. We developed a surface-reconstruction
algorithm to find boundary
surfaces for all the different tissues
and organ parts. The result is a set of
isosurfaces that constitute organ part
boundaries. The algorithm relies on a
growable triangle mesh to generate organ
surfaces, can process large data sets,
and has a linear memory requirement.
Suppose we’ve already chosen a seed
triangle mesh M representing the partial
surface S. Without losing generality,
we can assume that some growable
triangles are located at the boundary of
M. Our algorithm finds new triangles
for growable triangles in Mby generating
new vertices for the growable vertices.
Before generating new triangles,
the algorithm generates new vertices
and projects them onto the surface implied
by the local neighboring points.
By repeating the growth process, Mwill
eventually become an interpolation for
S. Figure 4 shows a transparent rendering
of different layers.
During the growth process, Mdevelops
more triangles and creeps onto S. In
one growth process, the algorithm
processes all growable triangles on the
edge of M to generate new ones. The
surface reconstruction process continues
or stops depending on the growth
process’s return value—a growth process
returns true when the algorithm successfully
generates new triangles, and
false when it doesn’t generate any new
triangles. Our system’s default configuration
allows multiple surface reconstruction
on one data set because some
body parts have separate components.
After one pass of surface reconstruction,
the system removes boundary points it
has visited and starts a new surfacereconstruction
process on the remaining
boundary points. Surface reconstruction
stops when no boundary points are left.
The Surface Model
Based on the newly generated 3D surface
models we’ve discussed, VHASS allows
arbitrary magnification, view, and
dissection of a surface model. Physicians
and students can use the dissection tool
in VHASS to define multiple 3D planes
(called dissection planes) intersecting with
selected parts. A dissection plane’s normal
vector direction helps the physician
or student determine the plane direc-
V I S U A L I Z A T I O N C O R N E R
Figure 2. Extracted boundary points
from a human head, viewed from
different angles.
SEPTEMBER/OCTOBER 2005 73
tion in which to cut off parts. Multiple
dissection planes are combined with
Boolean operation to form a final shape.
To render a cross-section with natural
colors, the system creates a dissection
mesh, a triangle mesh plane on the
cross-section. Users can specify a resolution
for the dissection mesh to view
results at different resolutions—the
more triangles a dissection mesh has,
the better the image quality. A dissection
mesh’s vertices have interpolated
color based on nearby points. Figure 5
shows the results from a single dissection
plane on the upper half of a human
head. The dissection operation’s
efficiency depends on the area of the
dissection plane—a bigger dissection
plane requires a bigger dissection mesh
and more computational resources for
color interpolation. This process is integrated
with the cryosection volume
data to retrieve the cross-section’s natural
colors. The system retrieves the
interior colors on the cross-section
plane from the volume data. Given that
volume data is used only to retrieve visible
surfaces (such as cross-section
planes), the system renders crosssections
or open cuts in real time,
enabling interactive operations and
transformations that animate the object
in different perspectives.
Our work on virtual anatomy and
surgery for medical education
and training is still in its preliminary
stages, and we must do more to take
advantage of our early results. Specifically,
we plan to use haptic devices as
medical instruments for cutting, show
the medical procedure in stereoscopic
display, and integrate surface and volume
rendering. The latter will let us
visualize the interior organs separately
or at the same time with transparency.
For training purposes, students will be
able to operate on specific parts of the
volume data, separate layers to focus
on certain areas, and visualize interior
parts interactively.
0/5000
ชำแหละผ่าน Cryosectionความสามารถในการแยกแยะบุคคลที่แตกต่างกันอวัยวะในรูป cryosection เป็นสำคัญสำหรับให้นักเรียนกายวิภาคศาสตร์แสดงให้เห็นว่าพวกเขาเข้าใจมนุษย์ anatomic โครงสร้างแตกต่างกันมุมมอง ที่เสฉวนอย่างต่อเนื่องการศึกษาวิทยาลัยแพทย์ศาสตร์ในประเทศจีน การสอนลินยางนักเรียนของเธอที่ anatomic โครงสร้างโดยใช้ภาพ cryosection ตั้งแต่ 2547 มิถุนายนใช้ความรู้กายวิภาคศาสตร์เรียนรู้นักเรียนที่พบของพิกเซลส่วนร่างกายเดียวกันในที่ต่าง ๆcryosection ภาพ และเติมพิกเซลเหล่านี้ด้วยสีที่กำหนด ในเวลา พวกเขามีสองชุดของรูปภาพ: ต้นฉบับภาพ cryosection แสดงสีสันที่เป็นธรรมชาติและภาพสีที่แสดงแต่ละอวัยวะในที่ต่าง ๆ กำหนดสี ทั้งสองชุดได้ 3,072 2,048ความละเอียดของพิกเซล และแต่ละยังรูปใช้เก็บประมาณ 18 Mbytesพื้นที่ ความหนาของชิ้นที่สอดคล้องกับภาพ cryosectionตั้งแต่ 0.1 มม.ถึง 1.0 มม.เราออกแบบ VHASS แยก 2ชุดของพิกเซลจากภาพสีชุดแรกมีขอบเขตพิกเซลสำหรับชิ้นส่วนอวัยวะต่าง ๆขณะที่สองประกอบด้วยชิ้นส่วน'ภายในเซล หลังการแยก การระบบแยกส่วนอวัยวะต่าง ๆโดยใช้กระบวนการต่อไปนี้ครั้งแรก เราจัดตำแหน่งภาพ cryosectionและสอดคล้องกับภาพสีเป็นสองกองตามเดิมของพวกเขาความสัมพันธ์ระหว่างส่วน 3D ดังนั้นแต่ละภาพมีพิกัด z ที่ระบุตาม ความหนาที่กำหนดเครื่องบินแบบ 2D ใน 3D ในที่แต่ละพิกเซลมี (x, y, z) พิกัด Cryosectionกองรูปคือ ชุดของข้อมูลเสียงกองภาพสีเป็นชุดอื่นไดรฟ์ข้อมูล แต่ละพิกเซลในครั้งแรกชุดมีพิกเซลตรงที่สองตารางสี T รวมทั้งประดิษฐ์สีที่ใช้ในการสีรูปแบบสีที่สอดคล้องกับอวัยวะแต่ละส่วน (ดูรูปที่ 1)ถัดไป ใช้ VHASS การสร้างชุดโครงสร้างการจัดเก็บที่สร้างขอบเขตและชิ้นส่วนภายใน (ระดับเสียงข้อมูล) จากภาพสีตามสีของพวกเขา แล้ว VHASS ใช้พิกเซลในภาพสีเป็นดัชนีแยกเซลเดียวใน cryosectionภาพ และดึงธรรมชาติ-กายวิภาคศาสตร์มนุษย์เสมือนโดย หยางหลิน เฉิน x. อัพจิม หลิวเยี่ยนหลิ่งนักศึกษาแพทย์ต้องเรียนรู้กายวิภาคศาสตร์มนุษย์ฝึกบน CADAVERS ต้องแพทย์เมื่อพวกเขาต้องการแปรงขึ้นบนความรู้กายวิภาคศาสตร์อย่างไรก็ตาม CADAVERS จะขาดในโรงเรียนแพทย์y0 x 0 xyรูปที่ 1 การแยกเซล ที่cryosection รูปที่ด้านซ้ายมีการตรงสีภาพ (ขวา)72 ในวิทยาศาสตร์และวิศวกรรมคอมพิวเตอร์สีข้อมูลสำหรับจัดเก็บข้อมูลใหม่โครงสร้างข้อมูลหลังจากการสร้างโครงสร้างข้อมูลVHASS ดึงเนื้อเยื่อขอบเขตระบบสามารถแยกได้หมดพิกเซลขอบ โดยใช้การตรวจพบขอบ —technology1 ผู้ใหญ่ และใช้กันอย่างแพร่หลายเช่นในภาพสี เรารวมเป็นแหล่งเปิด IM ดิจิตอลเครื่องมือที่เกี่ยวกับภาพ (ของ www.tecgraf.puc-rio.br/im) เป็นระบบการขยายขอบเขตของเราข้อมูลและของ Canny ใช้ detector1 ขอบเพื่อทำการตรวจจับขอบการใช้ระบบของสกัดภาพแบบจำลองของพื้นผิวเพื่อสร้าง 3Dชิ้นส่วนอวัยวะต่าง ๆ รูปที่ 2 แสดงการแยกชิ้นขอบใน 3Dหลังจากแยกขอบเขตของเนื้อเยื่อเราเรียกเนื้อเยื่อภายในทั้งหมด และบันทึกแยกต่างหาก แยกภายในพิกเซลถูกมากง่ายกว่าการแยกพิกเซลขอบเขตซึ่งในแต่ละสีในตารางสี T เราเพียงแค่แปลงพิกเซลทั้งหมดที่จับคู่ 3Dคะแนน อย่างไรก็ตาม ขนาดของการแยกผลผลิตต้องใช้หน่วยความจำอย่างละเอียดในการทดลองของเรา ตกแต่งภายในจุดของผิวมนุษย์จาก 200 คนแรกประมวลผลภาพที่จำเป็นมากกว่าMbytes 600 พื้นที่จัดเก็บ ถึงแม้ว่าอัพเกรดเพิ่มหน่วยความจำเป็นง่ายโซลูชั่น ดีกว่าถูกปรับให้เหมาะสมระบบของเราเพื่อจะทำงานได้ดีในเครื่อง มีการตั้งค่าคอนฟิกที่แตกต่างกันดังนั้น ระบบของเราสามารถปันส่วนแบบไดนามิกหน่วยความจำที่ใช้งานปัจจุบันและประสบความสำเร็จสกัดจุด (3D พิกเซล)รวม Gbytes มากกว่า 2.5 ในการเครื่องความจำ 512 Mbyteในระหว่างการสกัด เราพบว่ามีบางส่วนในภาพสีพื้นที่ขนาดเล็ก หรือใหญ่กว่าเล็กน้อยชิ้นส่วนอวัยวะจริงบนรูป cryosectionซึ่งเกิดจากข้อผิดพลาดของมนุษย์เช่นการภาพสีที่เป็นข้อมูลพื้นฐานสำหรับลักษณะการทำงานแยกอาจไม่ได้รับการแบ่งตรงตามชิ้นส่วนมนุษย์thus resulting in incorrect retrieval. Thisproblem was more obvious for outerboundarypixels of human skin: on thecolored image, these pixels sometimesended up outside the body. To solve thisproblem, we discard pixels on a coloredimage if the corresponding pixels oncryosection images have the backgroundcolor. We must do more work in thisarea to improve retrieval accuracy.After the extraction process, our retrieved3D points correspond to differenttissue parts and have geometry,volume, and color information. Additionally,the system uses the generated3D cross-sections to interpolate and generate3D volume pixels that don’t lie oncross-sections—in both color andcryosection images—for separate organs,which lets users visualize the volume ofinterior parts using volume rendering.Figure 3 shows components of the humanbrain in different color volumes.3D Human PartsSurface reconstruction has received asignificant amount of researchattention.2–6 Compared to volume rendering,a 3D mesh generated by surface-reconstruction techniques requiresfewer computational resources for realtimerendering. Moreover, organizing3D mesh for complete human partsnormally requires less storage spacethan organizing interior points for thesame parts. We developed a surface-reconstructionalgorithm to find boundarysurfaces for all the different tissuesand organ parts. The result is a set ofisosurfaces that constitute organ partboundaries. The algorithm relies on agrowable triangle mesh to generate organsurfaces, can process large data sets,and has a linear memory requirement.Suppose we’ve already chosen a seedtriangle mesh M representing the partialsurface S. Without losing generality,we can assume that some growabletriangles are located at the boundary ofM. Our algorithm finds new trianglesfor growable triangles in Mby generatingnew vertices for the growable vertices.Before generating new triangles,the algorithm generates new verticesand projects them onto the surface impliedby the local neighboring points.By repeating the growth process, Mwilleventually become an interpolation forS. Figure 4 shows a transparent renderingof different layers.During the growth process, Mdevelopsmore triangles and creeps onto S. Inone growth process, the algorithmprocesses all growable triangles on theedge of M to generate new ones. Thesurface reconstruction process continuesor stops depending on the growthprocess’s return value—a growth processreturns true when the algorithm successfullygenerates new triangles, andfalse when it doesn’t generate any newtriangles. Our system’s default configurationallows multiple surface reconstructionon one data set because somebody parts have separate components.After one pass of surface reconstruction,the system removes boundary points ithas visited and starts a new surfacereconstructionprocess on the remainingboundary points. Surface reconstructionstops when no boundary points are left.The Surface ModelBased on the newly generated 3D surfacemodels we’ve discussed, VHASS allowsarbitrary magnification, view, anddissection of a surface model. Physiciansand students can use the dissection toolin VHASS to define multiple 3D planes(called dissection planes) intersecting withselected parts. A dissection plane’s normalvector direction helps the physicianor student determine the plane direc-V I S U A L I Z A T I O N C O R N E RFigure 2. Extracted boundary pointsfrom a human head, viewed fromdifferent angles.SEPTEMBER/OCTOBER 2005 73tion in which to cut off parts. Multipledissection planes are combined withBoolean operation to form a final shape.To render a cross-section with naturalcolors, the system creates a dissectionmesh, a triangle mesh plane on thecross-section. Users can specify a resolutionfor the dissection mesh to viewresults at different resolutions—themore triangles a dissection mesh has,the better the image quality. A dissectionmesh’s vertices have interpolatedcolor based on nearby points. Figure 5shows the results from a single dissectionplane on the upper half of a humanhead. The dissection operation’sefficiency depends on the area of thedissection plane—a bigger dissectionplane requires a bigger dissection meshand more computational resources forcolor interpolation. This process is integrated
with the cryosection volume
data to retrieve the cross-section’s natural
colors. The system retrieves the
interior colors on the cross-section
plane from the volume data. Given that
volume data is used only to retrieve visible
surfaces (such as cross-section
planes), the system renders crosssections
or open cuts in real time,
enabling interactive operations and
transformations that animate the object
in different perspectives.
Our work on virtual anatomy and
surgery for medical education
and training is still in its preliminary
stages, and we must do more to take
advantage of our early results. Specifically,
we plan to use haptic devices as
medical instruments for cutting, show
the medical procedure in stereoscopic
display, and integrate surface and volume
rendering. The latter will let us
visualize the interior organs separately
or at the same time with transparency.
For training purposes, students will be
able to operate on specific parts of the
volume data, separate layers to focus
on certain areas, and visualize interior
parts interactively.
with the cryosection volume
data to retrieve the cross-section’s natural
colors. The system retrieves the
interior colors on the cross-section
plane from the volume data. Given that
volume data is used only to retrieve visible
surfaces (such as cross-section
planes), the system renders crosssections
or open cuts in real time,
enabling interactive operations and
transformations that animate the object
in different perspectives.
Our work on virtual anatomy and
surgery for medical education
and training is still in its preliminary
stages, and we must do more to take
advantage of our early results. Specifically,
we plan to use haptic devices as
medical instruments for cutting, show
the medical procedure in stereoscopic
display, and integrate surface and volume
rendering. The latter will let us
visualize the interior organs separately
or at the same time with transparency.
For training purposes, students will be
able to operate on specific parts of the
volume data, separate layers to focus
on certain areas, and visualize interior
parts interactively.
การแปล กรุณารอสักครู่..
ผ่าผ่าน Cryosection
ความสามารถในการแยกแยะความแตกต่างของมนุษย์ที่แตกต่างกันอวัยวะในภาพ cryosection เป็นสิ่งสำคัญสำหรับการให้นักเรียนกายวิภาคศาสตร์แสดงให้เห็นว่าพวกเขาเข้าใจโครงสร้างกายวิภาคของมนุษย์ที่แตกต่างกันในมุมมอง อย่างต่อเนื่องในมณฑลเสฉวนการศึกษาวิทยาลัยวิทยาศาสตร์การแพทย์ในประเทศจีนหลินหยางได้รับการเรียนการสอนนักเรียนของเธอโครงสร้างกายวิภาคใช้ภาพcryosection ตั้งแต่เดือนมิถุนายนปี 2004 การใช้ความรู้ทางกายวิภาคของพวกเขาได้เรียนรู้ของนักเรียนพบพิกเซลเป็นไปส่วนหนึ่งของร่างกายที่แตกต่างกันเช่นเดียวกันกับภาพและcryosection ที่เต็มไปด้วยพิกเซลเหล่านี้มีสีที่กำหนด ในเวลาที่พวกเขามีสองชุดของภาพ: ต้นฉบับภาพcryosection แสดงสีสันที่เป็นธรรมชาติและภาพสีแสดงแต่ละอวัยวะในการกำหนดที่แตกต่างกันสี ทั้งสองชุดมี 3072 หรือไม่? 2048 พิกเซลและแต่ละไม่มีการบีบอัดภาพใช้ประมาณ 18 เมกกะไบท์ของการจัดเก็บข้อมูลพื้นที่ ความหนาของชิ้นที่สอดคล้องกับภาพ cryosection แตกต่างกันจาก 0.1 มิลลิเมตรถึง 1.0 มม. เราได้ออกแบบ VHASS เพื่อดึงสองชุดพิกเซลจากภาพสี. ชุดแรกรวมถึงขอบเขตพิกเซลสำหรับชิ้นส่วนอวัยวะที่แตกต่างกันในขณะที่สองรวมถึงชิ้นส่วน'พิกเซลภายใน หลังจากการสกัดที่ระบบแยกชิ้นส่วนอวัยวะที่แตกต่างกันโดยใช้กระบวนการต่อไป. ครั้งแรกที่เราจัด cryosection ภาพและภาพสีที่สอดคล้องกันกับสองกองตามเดิมความสัมพันธ์ที่ตัด3D; ทำให้ภาพแต่ละภาพมีการระบุพิกัด az ตามความหนาของมันซึ่งกำหนดเครื่องบิน 2D ในแบบ 3 มิติซึ่งในแต่ละพิกเซลมี(x, y, z) พิกัด cryosection สแต็คของภาพคือชุดของข้อมูลปริมาณ. กองภาพสีเป็นอีกชุดหนึ่งของข้อมูลปริมาณ พิกเซลเป็นครั้งแรกในแต่ละชุดมีพิกเซลที่สอดคล้องกันในครั้งที่สอง. เสื้อตารางสีรวมถึงการประดิษฐ์ทุกสีที่ใช้ในสีภาพหนึ่งสีที่สอดคล้องกับการเป็นส่วนหนึ่งของอวัยวะแต่ละ(ดูรูปที่ 1). ต่อไปเราใช้ VHASS เพื่อสร้างชุดของโครงสร้างในการจัดเก็บที่สร้างขอบเขตและชิ้นส่วนภายใน(ปริมาณข้อมูล) จากภาพสีตามสีของพวกเขา จากนั้นใช้ VHASS พิกเซลในภาพสีเป็นดัชนีที่จะดึงพิกเซลเดียวกันใน cryosection ภาพและการเรียก natural- กายวิภาคของมนุษย์ VIRTUAL โดยหลินหยางเฉินจิมเอ็กซ์และ Yanling หลิวเรียนรู้กายวิภาคศาสตร์, นักศึกษาแพทย์ MUST การปฏิบัติงานศพ, AS แพทย์ต้องเมื่อพวกเขาต้องการแปรงขึ้นบนความรู้กายวิภาคของพวกเขา. อย่างไรก็ตามโจแอนนาอยู่ในระยะอุปทานในโรงเรียนแพทย์y ที่0 x 0 x y ที่รูปที่1. การสกัดพิกเซล ภาพที่ด้านซ้ายมี cryosection ภาพสีที่สอดคล้องกัน (ขวา). 72 COMPUTING วิทยาศาสตร์และวิศวกรรมข้อมูลสีสำหรับการจัดเก็บใหม่ในโครงสร้างข้อมูล. หลังจากสร้างโครงสร้างข้อมูลที่VHASS ดึงขอบเขตเนื้อเยื่อ. สัญชาตญาณระบบสามารถแยกพิกเซลเขตแดนโดยใช้ขอบ detection- ผู้ใหญ่และใช้กันอย่างแพร่หลาย technology1- ในภาพสี เราบูรณาการโอเพนซอร์ส IM ดิจิตอลชุดเครื่องมือการถ่ายภาพ(www.tecgraf.puc-rio.br/ im) ลงในระบบของเราที่จะดึงขอบเขตข้อมูลและใช้detector1 ขอบแสนรู้ของที่จะดำเนินการตรวจสอบขอบ. ระบบใช้สกัดของภาพขอบเขตการสร้างแบบจำลอง 3 มิติของพื้นผิวชิ้นส่วนอวัยวะที่แตกต่างกัน รูปที่ 2 แสดงให้เห็นถึงการสกัดชิ้นเขตแดนในแบบ3 มิติ. หลังจากการสกัดขอบเขตเนื้อเยื่อที่เราดึงเนื้อเยื่อภายในและช่วยให้พวกเขาแยกกัน สกัดภายในพิกเซลมากง่ายกว่าการสกัดเขตแดนพิกเซลสำหรับแต่ละสีในตารางT สีเราก็แปลงพิกเซลจับคู่ทั้งหมดเป็น3D จุด อย่างไรก็ตามขนาดของแยกส่งออกต้องใช้หน่วยความจำที่กว้างขวาง. ในการทดลองของเราภายในจุดที่ผิวหนังของมนุษย์จากครั้งแรกที่ 200 ภาพที่ต้องการการประมวลผลมากกว่า600 เมกกะไบท์ของพื้นที่จัดเก็บ แม้ว่าการอัพเกรดเพิ่มหน่วยความจำคือการที่ง่ายวิธีการแก้ปัญหาอย่างใดอย่างหนึ่งที่ดีกว่าคือการเพิ่มประสิทธิภาพระบบของเราเพื่อที่มันจะทำงานได้ดีบนเครื่องที่มีการกำหนดค่าที่แตกต่างกัน. ดังนั้นระบบของเราแบบไดนามิกสามารถจัดสรรหน่วยความจำที่อยู่บนพื้นฐานของงานปัจจุบันและประสบความสำเร็จดึงคะแนน(พิกเซล 3D ) รวมกว่า 2.5 Gbytes บนเครื่องที่มีหน่วยความจำ512 Mbyte. ในระหว่างการสกัดเราพบว่าบางส่วนในภาพสีมีพื้นที่ที่ใหญ่กว่าเล็กน้อยหรือขนาดเล็กกว่าชิ้นส่วนอวัยวะที่เกิดขึ้นจริงในภาพcryosection. นี่คือสาเหตุที่ผิดพลาดของมนุษย์ -the ภาพสีที่เป็นพื้นฐานสำหรับคุณลักษณะสกัดอาจจะไม่ได้รับการแยกออกตรงตามชิ้นส่วนของมนุษย์จึงทำให้เกิดการดึงไม่ถูกต้อง ซึ่งปัญหาที่เกิดขึ้นเป็นสิ่งที่ชัดเจนมากขึ้นสำหรับ outerboundary พิกเซลของผิวมนุษย์ในภาพสีพิกเซลเหล่านี้บางครั้งจบลงด้วยการที่อยู่นอกร่างกาย เพื่อแก้ปัญหานี้ปัญหาเราทิ้งพิกเซลบนสีของภาพที่สอดคล้องกันถ้าพิกเซลในภาพcryosection มีพื้นหลังสี เราจะต้องทำงานมากขึ้นในพื้นที่ที่จะปรับปรุงความถูกต้องดึง. หลังจากขั้นตอนการสกัดของเราดึงจุด 3 มิติที่แตกต่างกันตรงกับชิ้นส่วนของเนื้อเยื่อและมีรูปทรงเรขาคณิตปริมาณและข้อมูลสี นอกจากนี้ระบบจะใช้สร้าง3D ข้ามส่วนที่จะสอดแทรกและสร้างพิกเซลปริมาณ3 มิติที่ไม่ได้อยู่ในส่วนข้ามในทั้งสีและcryosection ภาพสำหรับอวัยวะที่แยกจากกันซึ่งจะช่วยให้ผู้ใช้เห็นภาพปริมาณของชิ้นส่วนภายในใช้ปริมาณการแสดงผล. รูปที่ 3 แสดงให้เห็นชิ้นส่วนของมนุษย์สมองในปริมาณสีที่แตกต่าง. 3D มนุษย์ส่วนการฟื้นฟูผิวได้รับจำนวนเงินที่สำคัญของการวิจัยattention.2-6 เมื่อเทียบกับการแสดงผลปริมาณตาข่าย3D ที่สร้างขึ้นโดย surface- เทคนิคการฟื้นฟูต้องใช้ทรัพยากรคอมพิวเตอร์น้อยเรียลไทม์สำหรับการแสดงผล นอกจากนี้การจัดตาข่าย 3D สำหรับชิ้นส่วนของมนุษย์ที่สมบูรณ์ตามปกติต้องใช้พื้นที่จัดเก็บน้อยกว่าการจัดระเบียบจุดภายในสำหรับชิ้นส่วนเดียวกัน เราได้พัฒนาพื้นผิวการฟื้นฟูขั้นตอนวิธีการที่จะหาขอบเขตพื้นผิวสำหรับทุกเนื้อเยื่อที่แตกต่างกันและชิ้นส่วนอวัยวะ ผลที่ได้คือชุดของisosurfaces ที่เป็นส่วนหนึ่งของอวัยวะขอบเขต อัลกอริทึมอาศัยตาข่ายสามเหลี่ยม growable การสร้างอวัยวะพื้นผิวสามารถประมวลผลชุดข้อมูลขนาดใหญ่, และมีความต้องการหน่วยความจำเชิงเส้น. สมมติว่าเราได้เลือกแล้วเมล็ดตาข่ายสามเหลี่ยม M เป็นตัวแทนของบางส่วนพื้นผิวเอสโดยไม่ต้องสูญเสียทั่วไป, เราสามารถสมมติ ที่ growable บางรูปสามเหลี่ยมตั้งอยู่ที่เขตแดนของเอ็ม อัลกอริทึมของเราพบว่ารูปสามเหลี่ยมใหม่สำหรับสามเหลี่ยม growable ใน Mby สร้างจุดใหม่สำหรับจุดgrowable. ก่อนที่จะสร้างรูปสามเหลี่ยมใหม่ขั้นตอนวิธีการสร้างจุดใหม่และโครงการพวกเขาลงบนพื้นผิวโดยนัยจากจุดที่ใกล้เคียงในท้องถิ่น. โดยการทำซ้ำขั้นตอนการเจริญเติบโต Mwill ในที่สุดกลายเป็น แก้ไขสำหรับเอส รูปที่ 4 แสดงให้เห็นถึงการแสดงผลที่โปร่งใสของชั้นที่แตกต่างกัน. ในระหว่างขั้นตอนการเจริญเติบโต Mdevelops สามเหลี่ยมมากขึ้นและครีพไปยังเอสในกระบวนการเจริญเติบโตหนึ่งขั้นตอนกระบวนการสามเหลี่ยมgrowable ทั้งหมดบนขอบของเอ็มที่จะสร้างใหม่ ยังคงกระบวนการฟื้นฟูผิวหน้าหรือหยุดการเจริญเติบโตขึ้นอยู่กับการกลับมาของกระบวนการที่มีมูลค่าเป็นกระบวนการการเจริญเติบโตของผลตอบแทนจริงเมื่อขั้นตอนวิธีการประสบความสำเร็จในการสร้างรูปสามเหลี่ยมใหม่และเท็จเมื่อมันไม่ได้สร้างใหม่ๆรูปสามเหลี่ยม กำหนดค่าเริ่มต้นของระบบของเราจะช่วยให้การฟื้นฟูผิวหลายในชุดข้อมูลหนึ่งเพราะบางส่วนของร่างกายที่มีการแยกส่วนประกอบ. หลังจากที่หนึ่งผ่านของการฟื้นฟูผิวหน้า, ระบบขจัดจุดเขตแดนมันได้เข้าเยี่ยมชมและเริ่มต้นใหม่ surfacereconstruction กระบวนการในส่วนที่เหลืออีกจุดเขตแดน ฟื้นฟูผิวหยุดเมื่อไม่มีจุดเขตแดนที่เหลือ. รุ่นผิวจากพื้นผิว 3 มิติที่สร้างขึ้นใหม่รุ่นที่เราได้กล่าวถึงVHASS ช่วยให้การขยายโดยพลการดูและการตัดของรูปแบบพื้นผิว แพทย์และนักศึกษาสามารถใช้เครื่องมือผ่าในการกำหนดVHASS เครื่องบิน 3D หลาย(เรียกว่าเครื่องบินผ่า) ตัดกับชิ้นส่วนที่เลือก ปกติเครื่องบินผ่าของทิศทางเวกเตอร์จะช่วยให้แพทย์หรือนักเรียนตรวจสอบเครื่องบินทิศทางVISUALIZATIONCORNER รูปที่ 2 จุดเขตแดนสกัดจากหัวมนุษย์มองจากมุมที่แตกต่าง. กันยายน / ตุลาคม 2005 73 การในการที่จะตัดชิ้นส่วน หลายเครื่องบินผ่าจะรวมกันกับการดำเนินการบูลีนในรูปแบบรูปสุดท้าย. เพื่อทำให้ตัดกับธรรมชาติสีระบบสร้างผ่าตาข่ายเครื่องบินตาข่ายสามเหลี่ยมบนcross-section ผู้ใช้สามารถระบุความละเอียดสำหรับการตัดตาข่ายเพื่อดูผลที่แตกต่างกันมติที่สามเหลี่ยมเพิ่มเติมตาข่ายผ่าได้ดีกว่าคุณภาพของภาพ ผ่าจุดตาข่ายได้สอดแทรกสีขึ้นอยู่กับจุดที่อยู่บริเวณใกล้เคียง รูปที่ 5 แสดงให้เห็นถึงผลจากการผ่าเดียวเครื่องบินในครึ่งบนของมนุษย์หัว การดำเนินการผ่าที่มีประสิทธิภาพขึ้นอยู่กับพื้นที่ของเครื่องบินผ่าผ่าใหญ่กว่าเครื่องบินต้องใช้ตาข่ายผ่าใหญ่กว่าและทรัพยากรคอมพิวเตอร์มากขึ้นสำหรับการแก้ไขสี กระบวนการนี้จะบูรณาการที่มีปริมาณ cryosection ข้อมูลเพื่อดึงข้ามส่วนของธรรมชาติสี ระบบดึงสีภายในบนไม้กางเขนส่วนเครื่องบินจากข้อมูลปริมาณ ระบุว่าข้อมูลปริมาณจะใช้เพื่อดึงมองเห็นพื้นผิว(เช่นตัดเครื่องบิน) ระบบการแสดงผล crosssections หรือตัดเปิดในเวลาจริงช่วยให้การดำเนินงานการโต้ตอบและการเปลี่ยนแปลงที่เคลื่อนไหววัตถุในมุมมองที่แตกต่างกัน. การทำงานของเราในลักษณะทางกายวิภาคและเสมือนการผ่าตัดเพื่อการศึกษาทางการแพทย์และการฝึกอบรมยังคงอยู่ในเบื้องต้นขั้นตอนและเราต้องทำขึ้นเพื่อใช้ประโยชน์จากผลของเราเริ่มต้น โดยเฉพาะอย่างยิ่งเราวางแผนที่จะใช้อุปกรณ์สัมผัสเป็นเครื่องมือทางการแพทย์สำหรับการตัดแสดงขั้นตอนทางการแพทย์ในมิติการแสดงผลและบูรณาการพื้นผิวและปริมาณการแสดงผล หลังจะช่วยให้เราเห็นภาพอวัยวะภายในแยกหรือในเวลาเดียวกันด้วยความโปร่งใส. เพื่อประโยชน์ในการฝึกอบรมนักเรียนจะสามารถดำเนินการในส่วนที่เฉพาะเจาะจงของข้อมูลปริมาณชั้นแยกต่างหากที่จะมุ่งเน้นในบางพื้นที่และเห็นภาพการตกแต่งภายในส่วนโต้ตอบ
ความสามารถในการแยกแยะความแตกต่างของมนุษย์ที่แตกต่างกันอวัยวะในภาพ cryosection เป็นสิ่งสำคัญสำหรับการให้นักเรียนกายวิภาคศาสตร์แสดงให้เห็นว่าพวกเขาเข้าใจโครงสร้างกายวิภาคของมนุษย์ที่แตกต่างกันในมุมมอง อย่างต่อเนื่องในมณฑลเสฉวนการศึกษาวิทยาลัยวิทยาศาสตร์การแพทย์ในประเทศจีนหลินหยางได้รับการเรียนการสอนนักเรียนของเธอโครงสร้างกายวิภาคใช้ภาพcryosection ตั้งแต่เดือนมิถุนายนปี 2004 การใช้ความรู้ทางกายวิภาคของพวกเขาได้เรียนรู้ของนักเรียนพบพิกเซลเป็นไปส่วนหนึ่งของร่างกายที่แตกต่างกันเช่นเดียวกันกับภาพและcryosection ที่เต็มไปด้วยพิกเซลเหล่านี้มีสีที่กำหนด ในเวลาที่พวกเขามีสองชุดของภาพ: ต้นฉบับภาพcryosection แสดงสีสันที่เป็นธรรมชาติและภาพสีแสดงแต่ละอวัยวะในการกำหนดที่แตกต่างกันสี ทั้งสองชุดมี 3072 หรือไม่? 2048 พิกเซลและแต่ละไม่มีการบีบอัดภาพใช้ประมาณ 18 เมกกะไบท์ของการจัดเก็บข้อมูลพื้นที่ ความหนาของชิ้นที่สอดคล้องกับภาพ cryosection แตกต่างกันจาก 0.1 มิลลิเมตรถึง 1.0 มม. เราได้ออกแบบ VHASS เพื่อดึงสองชุดพิกเซลจากภาพสี. ชุดแรกรวมถึงขอบเขตพิกเซลสำหรับชิ้นส่วนอวัยวะที่แตกต่างกันในขณะที่สองรวมถึงชิ้นส่วน'พิกเซลภายใน หลังจากการสกัดที่ระบบแยกชิ้นส่วนอวัยวะที่แตกต่างกันโดยใช้กระบวนการต่อไป. ครั้งแรกที่เราจัด cryosection ภาพและภาพสีที่สอดคล้องกันกับสองกองตามเดิมความสัมพันธ์ที่ตัด3D; ทำให้ภาพแต่ละภาพมีการระบุพิกัด az ตามความหนาของมันซึ่งกำหนดเครื่องบิน 2D ในแบบ 3 มิติซึ่งในแต่ละพิกเซลมี(x, y, z) พิกัด cryosection สแต็คของภาพคือชุดของข้อมูลปริมาณ. กองภาพสีเป็นอีกชุดหนึ่งของข้อมูลปริมาณ พิกเซลเป็นครั้งแรกในแต่ละชุดมีพิกเซลที่สอดคล้องกันในครั้งที่สอง. เสื้อตารางสีรวมถึงการประดิษฐ์ทุกสีที่ใช้ในสีภาพหนึ่งสีที่สอดคล้องกับการเป็นส่วนหนึ่งของอวัยวะแต่ละ(ดูรูปที่ 1). ต่อไปเราใช้ VHASS เพื่อสร้างชุดของโครงสร้างในการจัดเก็บที่สร้างขอบเขตและชิ้นส่วนภายใน(ปริมาณข้อมูล) จากภาพสีตามสีของพวกเขา จากนั้นใช้ VHASS พิกเซลในภาพสีเป็นดัชนีที่จะดึงพิกเซลเดียวกันใน cryosection ภาพและการเรียก natural- กายวิภาคของมนุษย์ VIRTUAL โดยหลินหยางเฉินจิมเอ็กซ์และ Yanling หลิวเรียนรู้กายวิภาคศาสตร์, นักศึกษาแพทย์ MUST การปฏิบัติงานศพ, AS แพทย์ต้องเมื่อพวกเขาต้องการแปรงขึ้นบนความรู้กายวิภาคของพวกเขา. อย่างไรก็ตามโจแอนนาอยู่ในระยะอุปทานในโรงเรียนแพทย์y ที่0 x 0 x y ที่รูปที่1. การสกัดพิกเซล ภาพที่ด้านซ้ายมี cryosection ภาพสีที่สอดคล้องกัน (ขวา). 72 COMPUTING วิทยาศาสตร์และวิศวกรรมข้อมูลสีสำหรับการจัดเก็บใหม่ในโครงสร้างข้อมูล. หลังจากสร้างโครงสร้างข้อมูลที่VHASS ดึงขอบเขตเนื้อเยื่อ. สัญชาตญาณระบบสามารถแยกพิกเซลเขตแดนโดยใช้ขอบ detection- ผู้ใหญ่และใช้กันอย่างแพร่หลาย technology1- ในภาพสี เราบูรณาการโอเพนซอร์ส IM ดิจิตอลชุดเครื่องมือการถ่ายภาพ(www.tecgraf.puc-rio.br/ im) ลงในระบบของเราที่จะดึงขอบเขตข้อมูลและใช้detector1 ขอบแสนรู้ของที่จะดำเนินการตรวจสอบขอบ. ระบบใช้สกัดของภาพขอบเขตการสร้างแบบจำลอง 3 มิติของพื้นผิวชิ้นส่วนอวัยวะที่แตกต่างกัน รูปที่ 2 แสดงให้เห็นถึงการสกัดชิ้นเขตแดนในแบบ3 มิติ. หลังจากการสกัดขอบเขตเนื้อเยื่อที่เราดึงเนื้อเยื่อภายในและช่วยให้พวกเขาแยกกัน สกัดภายในพิกเซลมากง่ายกว่าการสกัดเขตแดนพิกเซลสำหรับแต่ละสีในตารางT สีเราก็แปลงพิกเซลจับคู่ทั้งหมดเป็น3D จุด อย่างไรก็ตามขนาดของแยกส่งออกต้องใช้หน่วยความจำที่กว้างขวาง. ในการทดลองของเราภายในจุดที่ผิวหนังของมนุษย์จากครั้งแรกที่ 200 ภาพที่ต้องการการประมวลผลมากกว่า600 เมกกะไบท์ของพื้นที่จัดเก็บ แม้ว่าการอัพเกรดเพิ่มหน่วยความจำคือการที่ง่ายวิธีการแก้ปัญหาอย่างใดอย่างหนึ่งที่ดีกว่าคือการเพิ่มประสิทธิภาพระบบของเราเพื่อที่มันจะทำงานได้ดีบนเครื่องที่มีการกำหนดค่าที่แตกต่างกัน. ดังนั้นระบบของเราแบบไดนามิกสามารถจัดสรรหน่วยความจำที่อยู่บนพื้นฐานของงานปัจจุบันและประสบความสำเร็จดึงคะแนน(พิกเซล 3D ) รวมกว่า 2.5 Gbytes บนเครื่องที่มีหน่วยความจำ512 Mbyte. ในระหว่างการสกัดเราพบว่าบางส่วนในภาพสีมีพื้นที่ที่ใหญ่กว่าเล็กน้อยหรือขนาดเล็กกว่าชิ้นส่วนอวัยวะที่เกิดขึ้นจริงในภาพcryosection. นี่คือสาเหตุที่ผิดพลาดของมนุษย์ -the ภาพสีที่เป็นพื้นฐานสำหรับคุณลักษณะสกัดอาจจะไม่ได้รับการแยกออกตรงตามชิ้นส่วนของมนุษย์จึงทำให้เกิดการดึงไม่ถูกต้อง ซึ่งปัญหาที่เกิดขึ้นเป็นสิ่งที่ชัดเจนมากขึ้นสำหรับ outerboundary พิกเซลของผิวมนุษย์ในภาพสีพิกเซลเหล่านี้บางครั้งจบลงด้วยการที่อยู่นอกร่างกาย เพื่อแก้ปัญหานี้ปัญหาเราทิ้งพิกเซลบนสีของภาพที่สอดคล้องกันถ้าพิกเซลในภาพcryosection มีพื้นหลังสี เราจะต้องทำงานมากขึ้นในพื้นที่ที่จะปรับปรุงความถูกต้องดึง. หลังจากขั้นตอนการสกัดของเราดึงจุด 3 มิติที่แตกต่างกันตรงกับชิ้นส่วนของเนื้อเยื่อและมีรูปทรงเรขาคณิตปริมาณและข้อมูลสี นอกจากนี้ระบบจะใช้สร้าง3D ข้ามส่วนที่จะสอดแทรกและสร้างพิกเซลปริมาณ3 มิติที่ไม่ได้อยู่ในส่วนข้ามในทั้งสีและcryosection ภาพสำหรับอวัยวะที่แยกจากกันซึ่งจะช่วยให้ผู้ใช้เห็นภาพปริมาณของชิ้นส่วนภายในใช้ปริมาณการแสดงผล. รูปที่ 3 แสดงให้เห็นชิ้นส่วนของมนุษย์สมองในปริมาณสีที่แตกต่าง. 3D มนุษย์ส่วนการฟื้นฟูผิวได้รับจำนวนเงินที่สำคัญของการวิจัยattention.2-6 เมื่อเทียบกับการแสดงผลปริมาณตาข่าย3D ที่สร้างขึ้นโดย surface- เทคนิคการฟื้นฟูต้องใช้ทรัพยากรคอมพิวเตอร์น้อยเรียลไทม์สำหรับการแสดงผล นอกจากนี้การจัดตาข่าย 3D สำหรับชิ้นส่วนของมนุษย์ที่สมบูรณ์ตามปกติต้องใช้พื้นที่จัดเก็บน้อยกว่าการจัดระเบียบจุดภายในสำหรับชิ้นส่วนเดียวกัน เราได้พัฒนาพื้นผิวการฟื้นฟูขั้นตอนวิธีการที่จะหาขอบเขตพื้นผิวสำหรับทุกเนื้อเยื่อที่แตกต่างกันและชิ้นส่วนอวัยวะ ผลที่ได้คือชุดของisosurfaces ที่เป็นส่วนหนึ่งของอวัยวะขอบเขต อัลกอริทึมอาศัยตาข่ายสามเหลี่ยม growable การสร้างอวัยวะพื้นผิวสามารถประมวลผลชุดข้อมูลขนาดใหญ่, และมีความต้องการหน่วยความจำเชิงเส้น. สมมติว่าเราได้เลือกแล้วเมล็ดตาข่ายสามเหลี่ยม M เป็นตัวแทนของบางส่วนพื้นผิวเอสโดยไม่ต้องสูญเสียทั่วไป, เราสามารถสมมติ ที่ growable บางรูปสามเหลี่ยมตั้งอยู่ที่เขตแดนของเอ็ม อัลกอริทึมของเราพบว่ารูปสามเหลี่ยมใหม่สำหรับสามเหลี่ยม growable ใน Mby สร้างจุดใหม่สำหรับจุดgrowable. ก่อนที่จะสร้างรูปสามเหลี่ยมใหม่ขั้นตอนวิธีการสร้างจุดใหม่และโครงการพวกเขาลงบนพื้นผิวโดยนัยจากจุดที่ใกล้เคียงในท้องถิ่น. โดยการทำซ้ำขั้นตอนการเจริญเติบโต Mwill ในที่สุดกลายเป็น แก้ไขสำหรับเอส รูปที่ 4 แสดงให้เห็นถึงการแสดงผลที่โปร่งใสของชั้นที่แตกต่างกัน. ในระหว่างขั้นตอนการเจริญเติบโต Mdevelops สามเหลี่ยมมากขึ้นและครีพไปยังเอสในกระบวนการเจริญเติบโตหนึ่งขั้นตอนกระบวนการสามเหลี่ยมgrowable ทั้งหมดบนขอบของเอ็มที่จะสร้างใหม่ ยังคงกระบวนการฟื้นฟูผิวหน้าหรือหยุดการเจริญเติบโตขึ้นอยู่กับการกลับมาของกระบวนการที่มีมูลค่าเป็นกระบวนการการเจริญเติบโตของผลตอบแทนจริงเมื่อขั้นตอนวิธีการประสบความสำเร็จในการสร้างรูปสามเหลี่ยมใหม่และเท็จเมื่อมันไม่ได้สร้างใหม่ๆรูปสามเหลี่ยม กำหนดค่าเริ่มต้นของระบบของเราจะช่วยให้การฟื้นฟูผิวหลายในชุดข้อมูลหนึ่งเพราะบางส่วนของร่างกายที่มีการแยกส่วนประกอบ. หลังจากที่หนึ่งผ่านของการฟื้นฟูผิวหน้า, ระบบขจัดจุดเขตแดนมันได้เข้าเยี่ยมชมและเริ่มต้นใหม่ surfacereconstruction กระบวนการในส่วนที่เหลืออีกจุดเขตแดน ฟื้นฟูผิวหยุดเมื่อไม่มีจุดเขตแดนที่เหลือ. รุ่นผิวจากพื้นผิว 3 มิติที่สร้างขึ้นใหม่รุ่นที่เราได้กล่าวถึงVHASS ช่วยให้การขยายโดยพลการดูและการตัดของรูปแบบพื้นผิว แพทย์และนักศึกษาสามารถใช้เครื่องมือผ่าในการกำหนดVHASS เครื่องบิน 3D หลาย(เรียกว่าเครื่องบินผ่า) ตัดกับชิ้นส่วนที่เลือก ปกติเครื่องบินผ่าของทิศทางเวกเตอร์จะช่วยให้แพทย์หรือนักเรียนตรวจสอบเครื่องบินทิศทางVISUALIZATIONCORNER รูปที่ 2 จุดเขตแดนสกัดจากหัวมนุษย์มองจากมุมที่แตกต่าง. กันยายน / ตุลาคม 2005 73 การในการที่จะตัดชิ้นส่วน หลายเครื่องบินผ่าจะรวมกันกับการดำเนินการบูลีนในรูปแบบรูปสุดท้าย. เพื่อทำให้ตัดกับธรรมชาติสีระบบสร้างผ่าตาข่ายเครื่องบินตาข่ายสามเหลี่ยมบนcross-section ผู้ใช้สามารถระบุความละเอียดสำหรับการตัดตาข่ายเพื่อดูผลที่แตกต่างกันมติที่สามเหลี่ยมเพิ่มเติมตาข่ายผ่าได้ดีกว่าคุณภาพของภาพ ผ่าจุดตาข่ายได้สอดแทรกสีขึ้นอยู่กับจุดที่อยู่บริเวณใกล้เคียง รูปที่ 5 แสดงให้เห็นถึงผลจากการผ่าเดียวเครื่องบินในครึ่งบนของมนุษย์หัว การดำเนินการผ่าที่มีประสิทธิภาพขึ้นอยู่กับพื้นที่ของเครื่องบินผ่าผ่าใหญ่กว่าเครื่องบินต้องใช้ตาข่ายผ่าใหญ่กว่าและทรัพยากรคอมพิวเตอร์มากขึ้นสำหรับการแก้ไขสี กระบวนการนี้จะบูรณาการที่มีปริมาณ cryosection ข้อมูลเพื่อดึงข้ามส่วนของธรรมชาติสี ระบบดึงสีภายในบนไม้กางเขนส่วนเครื่องบินจากข้อมูลปริมาณ ระบุว่าข้อมูลปริมาณจะใช้เพื่อดึงมองเห็นพื้นผิว(เช่นตัดเครื่องบิน) ระบบการแสดงผล crosssections หรือตัดเปิดในเวลาจริงช่วยให้การดำเนินงานการโต้ตอบและการเปลี่ยนแปลงที่เคลื่อนไหววัตถุในมุมมองที่แตกต่างกัน. การทำงานของเราในลักษณะทางกายวิภาคและเสมือนการผ่าตัดเพื่อการศึกษาทางการแพทย์และการฝึกอบรมยังคงอยู่ในเบื้องต้นขั้นตอนและเราต้องทำขึ้นเพื่อใช้ประโยชน์จากผลของเราเริ่มต้น โดยเฉพาะอย่างยิ่งเราวางแผนที่จะใช้อุปกรณ์สัมผัสเป็นเครื่องมือทางการแพทย์สำหรับการตัดแสดงขั้นตอนทางการแพทย์ในมิติการแสดงผลและบูรณาการพื้นผิวและปริมาณการแสดงผล หลังจะช่วยให้เราเห็นภาพอวัยวะภายในแยกหรือในเวลาเดียวกันด้วยความโปร่งใส. เพื่อประโยชน์ในการฝึกอบรมนักเรียนจะสามารถดำเนินการในส่วนที่เฉพาะเจาะจงของข้อมูลปริมาณชั้นแยกต่างหากที่จะมุ่งเน้นในบางพื้นที่และเห็นภาพการตกแต่งภายในส่วนโต้ตอบ
การแปล กรุณารอสักครู่..
การผ่าศพทาง cryosection
ความสามารถในการแยกแยะอวัยวะมนุษย์
แตกต่างกันใน cryosection ภาพสำคัญ
นักศึกษากายวิภาคศาสตร์ให้แสดงวิธีการมากที่พวกเขาเข้าใจโครงสร้างกายวิภาคของมนุษย์ในมุมมองต่าง ๆ
ในมณฑลเสฉวนต่อเนื่องการศึกษาวิทยาลัย
วิทยาศาสตร์การแพทย์ในจีน หลินยังได้สอน
โครงสร้างกายวิภาคที่ใช้นักเรียนของเธอcryosection ภาพตั้งแต่เดือนมิถุนายน 2004
ใช้เรียนรู้กายวิภาคศาสตร์ ความรู้
ให้นักศึกษาพบพิกเซลของร่างกายเดียวกัน ส่วนภาพ cryosection แตกต่างกัน
เต็มพิกเซลเหล่านี้กับเขตสี ในเวลาที่พวกเขา
ได้สองชุดภาพ : เดิม
cryosection ภาพแสดงสีธรรมชาติและสีภาพการแสดง
แต่ละอวัยวะในที่แตกต่างกันเขต
สีทั้งชุดมี 1 พิกเซลความละเอียด 2048
การบีบอัด และแต่ละภาพใช้ประมาณ 18 เมกกะไบท์ของพื้นที่เก็บข้อมูล
ความหนาของชิ้น
cryosection ภาพที่แตกต่างกันจาก 0.1 มม. 1.0 มม.
เราออกแบบ vhass แยกสองชุดของพิกเซลจากสีภาพ
ชุดแรกรวมถึงขอบเขตของพิกเซลสำหรับชิ้นส่วนอวัยวะที่แตกต่างกัน
ส่วนที่สองรวมถึงส่วนที่ '
ภายในพิกเซล หลังจากการสกัด แยก ชิ้นส่วนอวัยวะ ระบบต่าง ๆ
ตามขั้นตอนต่อไปนี้ .
ครั้งแรกเราจัด cryosection ภาพ
และสีภาพเป็นสองกอง ตามของเดิมที่
3
ตัดสัมพันธ์ ดังนั้น แต่ละภาพมีระบุพิกัด Z
ตามความหนาของมันซึ่งกำหนด
เครื่องบิน 2D ใน 3D ซึ่งในแต่ละพิกเซล
ได้ ( x , y , z ) พิกัด การ cryosection
รูปกองชุดข้อมูลเสียง ภาพสี
กองเป็นอีกชุดของข้อมูลเสียง แต่ละพิกเซลในชุดแรก
มีพิกเซลที่สอดคล้องกันในที่สอง
T ตารางที่มีสีเทียม
ภาพสีสีที่ใช้ในหนึ่งสีตรงกัน
อวัยวะแต่ละส่วน ( ดูรูปที่ 1 ) .
ต่อไปเราใช้ vhass เพื่อสร้างชุด
ของโครงสร้างการจัดเก็บสร้างขอบเขตและชิ้นส่วนภายใน ( ข้อมูลปริมาณ
) จากสีภาพตาม
สีพวกเขา แล้ว vhass ใช้
พิกเซลในรูปสีเป็นดัชนี
สกัดเดียวกันพิกเซลใน cryosection
รูปภาพและดึงธรรมชาติ -
เสมือนมนุษย์กายวิภาคศาสตร์
โดยหลินหยาง จิม เอ็กซ์ เฉิน และเยี่ยนหลิง หลิว
เรียนรู้กายวิภาคศาสตร์มนุษย์นักศึกษาแพทย์ต้อง
การปฏิบัติต่อศพ เป็นต้องแพทย์เมื่อพวกเขาต้องการที่จะแปรงขึ้นบน
ความรู้ทางกายวิภาคของพวกเขา อย่างไรก็ตาม ศพอยู่ในการจัดหาสั้นในโรงเรียนแพทย์
0 X Y
Y
0 x 1 รูป พิกเซลในการสกัด
cryosection ภาพที่ด้านซ้ายมีภาพสีเดียวกัน ( ขวา )
& 72 คอมพิวเตอร์วิทยาศาสตร์วิศวกรรมสีข้อมูลที่เก็บในโครงสร้าง
ข้อมูลใหม่
ความสามารถในการแยกแยะอวัยวะมนุษย์
แตกต่างกันใน cryosection ภาพสำคัญ
นักศึกษากายวิภาคศาสตร์ให้แสดงวิธีการมากที่พวกเขาเข้าใจโครงสร้างกายวิภาคของมนุษย์ในมุมมองต่าง ๆ
ในมณฑลเสฉวนต่อเนื่องการศึกษาวิทยาลัย
วิทยาศาสตร์การแพทย์ในจีน หลินยังได้สอน
โครงสร้างกายวิภาคที่ใช้นักเรียนของเธอcryosection ภาพตั้งแต่เดือนมิถุนายน 2004
ใช้เรียนรู้กายวิภาคศาสตร์ ความรู้
ให้นักศึกษาพบพิกเซลของร่างกายเดียวกัน ส่วนภาพ cryosection แตกต่างกัน
เต็มพิกเซลเหล่านี้กับเขตสี ในเวลาที่พวกเขา
ได้สองชุดภาพ : เดิม
cryosection ภาพแสดงสีธรรมชาติและสีภาพการแสดง
แต่ละอวัยวะในที่แตกต่างกันเขต
สีทั้งชุดมี 1 พิกเซลความละเอียด 2048
การบีบอัด และแต่ละภาพใช้ประมาณ 18 เมกกะไบท์ของพื้นที่เก็บข้อมูล
ความหนาของชิ้น
cryosection ภาพที่แตกต่างกันจาก 0.1 มม. 1.0 มม.
เราออกแบบ vhass แยกสองชุดของพิกเซลจากสีภาพ
ชุดแรกรวมถึงขอบเขตของพิกเซลสำหรับชิ้นส่วนอวัยวะที่แตกต่างกัน
ส่วนที่สองรวมถึงส่วนที่ '
ภายในพิกเซล หลังจากการสกัด แยก ชิ้นส่วนอวัยวะ ระบบต่าง ๆ
ตามขั้นตอนต่อไปนี้ .
ครั้งแรกเราจัด cryosection ภาพ
และสีภาพเป็นสองกอง ตามของเดิมที่
3
ตัดสัมพันธ์ ดังนั้น แต่ละภาพมีระบุพิกัด Z
ตามความหนาของมันซึ่งกำหนด
เครื่องบิน 2D ใน 3D ซึ่งในแต่ละพิกเซล
ได้ ( x , y , z ) พิกัด การ cryosection
รูปกองชุดข้อมูลเสียง ภาพสี
กองเป็นอีกชุดของข้อมูลเสียง แต่ละพิกเซลในชุดแรก
มีพิกเซลที่สอดคล้องกันในที่สอง
T ตารางที่มีสีเทียม
ภาพสีสีที่ใช้ในหนึ่งสีตรงกัน
อวัยวะแต่ละส่วน ( ดูรูปที่ 1 ) .
ต่อไปเราใช้ vhass เพื่อสร้างชุด
ของโครงสร้างการจัดเก็บสร้างขอบเขตและชิ้นส่วนภายใน ( ข้อมูลปริมาณ
) จากสีภาพตาม
สีพวกเขา แล้ว vhass ใช้
พิกเซลในรูปสีเป็นดัชนี
สกัดเดียวกันพิกเซลใน cryosection
รูปภาพและดึงธรรมชาติ -
เสมือนมนุษย์กายวิภาคศาสตร์
โดยหลินหยาง จิม เอ็กซ์ เฉิน และเยี่ยนหลิง หลิว
เรียนรู้กายวิภาคศาสตร์มนุษย์นักศึกษาแพทย์ต้อง
การปฏิบัติต่อศพ เป็นต้องแพทย์เมื่อพวกเขาต้องการที่จะแปรงขึ้นบน
ความรู้ทางกายวิภาคของพวกเขา อย่างไรก็ตาม ศพอยู่ในการจัดหาสั้นในโรงเรียนแพทย์
0 X Y
Y
0 x 1 รูป พิกเซลในการสกัด
cryosection ภาพที่ด้านซ้ายมีภาพสีเดียวกัน ( ขวา )
& 72 คอมพิวเตอร์วิทยาศาสตร์วิศวกรรมสีข้อมูลที่เก็บในโครงสร้าง
ข้อมูลใหม่
การแปล กรุณารอสักครู่..
ภาษาอื่น ๆ
การสนับสนุนเครื่องมือแปลภาษา: กรีก, กันนาดา, กาลิเชียน, คลิงออน, คอร์สิกา, คาซัค, คาตาลัน, คินยารวันดา, คีร์กิซ, คุชราต, จอร์เจีย, จีน, จีนดั้งเดิม, ชวา, ชิเชวา, ซามัว, ซีบัวโน, ซุนดา, ซูลู, ญี่ปุ่น, ดัตช์, ตรวจหาภาษา, ตุรกี, ทมิฬ, ทาจิก, ทาทาร์, นอร์เวย์, บอสเนีย, บัลแกเรีย, บาสก์, ปัญจาป, ฝรั่งเศส, พาชตู, ฟริเชียน, ฟินแลนด์, ฟิลิปปินส์, ภาษาอินโดนีเซี, มองโกเลีย, มัลทีส, มาซีโดเนีย, มาราฐี, มาลากาซี, มาลายาลัม, มาเลย์, ม้ง, ยิดดิช, ยูเครน, รัสเซีย, ละติน, ลักเซมเบิร์ก, ลัตเวีย, ลาว, ลิทัวเนีย, สวาฮิลี, สวีเดน, สิงหล, สินธี, สเปน, สโลวัก, สโลวีเนีย, อังกฤษ, อัมฮาริก, อาร์เซอร์ไบจัน, อาร์เมเนีย, อาหรับ, อิกโบ, อิตาลี, อุยกูร์, อุสเบกิสถาน, อูรดู, ฮังการี, ฮัวซา, ฮาวาย, ฮินดี, ฮีบรู, เกลิกสกอต, เกาหลี, เขมร, เคิร์ด, เช็ก, เซอร์เบียน, เซโซโท, เดนมาร์ก, เตลูกู, เติร์กเมน, เนปาล, เบงกอล, เบลารุส, เปอร์เซีย, เมารี, เมียนมา (พม่า), เยอรมัน, เวลส์, เวียดนาม, เอสเปอแรนโต, เอสโทเนีย, เฮติครีโอล, แอฟริกา, แอลเบเนีย, โคซา, โครเอเชีย, โชนา, โซมาลี, โปรตุเกส, โปแลนด์, โยรูบา, โรมาเนีย, โอเดีย (โอริยา), ไทย, ไอซ์แลนด์, ไอร์แลนด์, การแปลภาษา.
- Vast
- gracious generosity
- น้ำพริกกุ้งเสียบ
- transferring
- ทำไมคุณถึงเมินฉัน
- คุณควรจะดูบ้างนะมันเป็นหนังที่ดีมาก
- การเหยียดสีผิวมีมาตั้งแต่อดีตจนถึงปัจจุบ
- These garden can help reducing the tempe
- Refer to the exhibit. After Host A pings
- Stayed
- These garden can help reducing the tempe
- Stayed
- close to me
- วัตถุประสงค์ในการจัดทำเว็บแอปพลิเคชันระบ
- ปัญหาด้านการดำเนินธุรกิจต้องเสียค่าใช้จ่
- วัตถุประสงค์ในการจัดทำเว็บแอปพลิเคชันระบ
- The need is likely higher in areas of so
- Expansion of movie production to new cou
- To understand your
- How many There is different the thailand
- นักวิจัยผูหนึ่งสงสัยวาคาเฉลี่ยความดัน
- cellular
- อุทยานประวัติศาสตร์สุโขทัย ได้รับการยกย่
- Plai es una chica hermosa y la quiero mu
