32、基于Delaunay三角剖分的容积医学图像矢量分割技术

基于Delaunay三角剖分的容积医学图像矢量分割技术

1. 医学图像分割概述

医学成像设备如计算机断层扫描（CT）和磁共振成像（MR）能生成详细的人体组织容积图像数据。图像分割在医学图像处理中至关重要，它能将图像中的不同对象（如特定类型的组织）分离出来，分割后的CT/MR数据可用于创建组织的几何模型。3D人体解剖结构表示的优势在于能从任意角度提供更好的视图，目前的研究也聚焦于组织几何的3D建模，用于植入物设计、手术规划和模拟。

现有的分割技术主要分为两类：
- 基于光栅的分割技术 ：许多2D和3D分割算法会产生光栅数据，如阈值分割、聚类、分水岭变换、神经网络等。通常需要使用Marching Cubes等算法从光栅分割数据中重建表面（3D几何模型），并且可能需要对模型进行进一步简化，这一过程并不简单。
- 基于矢量的分割技术 ：最常用的矢量分割方法基于可变形模型。可变形模型包括在图像特征产生的外部和内部力作用下变形的曲线或固体。众多研究人员已将可变形表面模型应用于容积医学图像。这类模型对噪声和边界间隙具有鲁棒性，能适应人体解剖结构的显著变化，但缺点是需要手动初始化和在分割过程中进行交互。

2. Delaunay三角剖分与网格划分

• Delaunay三角剖分 ：DT的每个四面体都满足Delaunay准则，即与四面体相关联的外接球不包含任何其他顶点。这一准则是Delaunay三角剖分的特征，使其生成规则形状的四面体，在图像分割中比其他三角剖分更受青睐。从鲁棒性角度看，Delaunay准则的简单性使其极具吸引力。构建D