基于CT数据的肺部影像可视化系统设计.pdf

第41卷第3期340-2024年3月DOI:10.3969/j.issn.1005-202X.2024.03.012基于CT数据的肺部影像可视化系统设计中国医学物理学杂志Chinese Journal of Medical PhysicsVol.41 No.3March 2024医学影像物理付俊泽，贾茜，李几雄，张建敏江汉大学人工智能学院，湖北武汉430 0 56【摘要】设计一种基于CT数据的肺部影像二维可视化与三维重建系统，首先对DICOM图像进行解析，分割和标记出肺结节的位置；然后利用CT序列的重采样、面绘制的三维重建、形态学处理等技术，实现肺实质和结节的多视角、多分辨率三维显示；最后设计交互界面，包括图像增强、肺部二维可视化、结节勾勒、肺实质和结节三维重建、旋转、缩放切换视角等功能。实验表明，本系统对于二维图像的可视化和病灶区域勾勒位置清晰、准确，并使三维图像呈现的结节完整且光滑。本系统相较于已有的类似医学处理软件，大幅度提高重建和可视化效率，使医生能够更加快速、精确地观察三维图像，辅助疾病诊断和手术方案制定。【关键词】肺；CT；可视化；三维重建；医学图像【中图分类号】R318;TP317.4Design of a lung image visualization system based on CT data【文献标志码】A【文章编号】10 0 5-2 0 2 X（2 0 2 4)0 3-0 32 7-0 8FU Junze,JIA Qian,LI Jixiong,ZHANG JianminSchool of Artificial Intelligence,Jianghan University,Wuhan 430056,ChinaAbstract:A system for achieving two-dimensional(2D)visualization and three-dimensional(3D)reconstruction of lungimages using CT data is designed.After DICOM image processing,and lung nodule segmentation and labeling,the multi-view and multi-resolution 3D display of lung parenchyma and nodules is realized using techniques such as resampling of CTsequences,3D reconstruction based on surface rendering,and morphological processing.Finally,the interactive interface isdesigned for implementing the functions of image enhancement,2D visualization,nodule delineation,3D reconstructions oflung parenchyma and nodules,rotation,zooming and switching the viewpoint.Experimental results show that the systemprovides clear and accurate 2D image visualization and lesion delineation,while reconstructing nodules in the generated 3Dimages completely and smoothly.Compared with the existing similar medical processing software,the developed systemsubstantially improves the reconstruction and visualization efficiencies,enabling doctors to observe 3D images more quicklyand accurately,and assisting in disease diagnosis and surgical planning.Keywords:lung;CT;visualization;three-dimensional reconstruction;medical image前言目前，医学图像处理与三维重建系统已经成为医学领域中的重要技术手段。在传统的二维CT图像中，器官和组织的形态特征以及它们之间的空间信息难以被准确体现。为了作出诊断,医生不得不仅依靠其临床经验来推测患者病灶的形状大小和空间关系。然而,随着临床诊疗需求的不断增长,传统【收稿日期】2 0 2 3-0 9-11【基金项目】武汉市科技计划项目（2 0 2 0 0 2 0 6 0 10 12 32 0）【作者简介】付俊泽，研究方向：图像处理、计算机视觉，E-mail:ed-的二维断层图像已经不能够满足医学诊断和治疗的需要，而利用医学图像处理与三维重建系统构建人体模型的方法可以显著提高临床诊疗的效率1-2。本文提出一种肺结节可视化系统，医生可以通过标注结节信息并利用相关算法进行二维或三维可视化呈现，以便更直观、全面地观察疾病，这种可视化方式不仅可以帮助医生更好地理解病情，还可以有效地指导医生进行治疗和手术方案的制定。1CT图像二维可视化CT图像二维可视化模块流程图如图1所示。在CT图像的二维可视化中,读取CT数据后需要解析DICOM和XML文件。通过对这两种文件的解析,可以分别获得医学图像数据、元数据信息以及结构、形第3期状信息。解析后对DICOM数据进行调窗处理，使其在可视化时具有更好的可读性和对比度。同时，通过在DICOM数据上标记出CT图像中感兴趣的轮廓信息，可以更直观地呈现CT图像中感兴趣的区域和内容。因此，在CT图像的二维可视化过程中,需要将DICOM和XML文件的解析结果分别进行处理并整合，以共同完成二维可视化效果。读取CT数据解析DICOM文件解析xml文件调窗处理轮廓标记二维可视化图1CT图像二维可视化流程图Figure 1 Flowchart of two-dimensional visualization of CT images1.1DICOM文件的读取与解析CT文件采用DICOM国际标准作为医学图像格式，并对其进行解析。这个过程需从多个层面获取CT图像的信息,并对这些信息进行处理和存储，以便于后续的分析与诊断。在DICOM文件解析与可视化的过程中，需要使用相关的图像分析算法，以获取关键的图像信息，去除允余信息3-6。本系统采用调窗处理或直方图均值化处理，来突出图像中的目标组织。其中调窗处理是根据窗宽和窗位对CT的像素值进行调整，并对超出窗口范围的像素值进行截断7。对图像中的每个像素值点进行以下操作：cta-(c-0.5 w)n=W其中，n为像素值，w为窗宽，c为窗位，cta为原CT序列的像素值。再对像素值进行截断，使其落在区间0,1内:(0,n 1(n，0n11.2结节轮廓的标记结节的位置、大小及形态等特征对于病变的诊断和分型能够帮助医生更加方便、快捷地观察病例，进一步提高医生的诊断效率7。提取结节轮廓步骤付俊泽，等.基于CT数据的肺部影像可视化系统设计S,=Sxrf+0.5其中,表示向下取整。进一步,根据新数据大小以及原始数据大小，可以计算出真实的新像素间距：DDrn=SnS最后，通过重采样，可以将原医学影像调整到新(1)的像素间距下，从而保证图像的分辨率和质量，如图2所示。2.2三维可视化实现工具包在医学图像处理领域被广泛使用，目前VTK提供全面的功能支持，封装了很多优秀的三维(2)数据场可视化算法，让用户可以方便转换和操作数据集，支持二维和三维图形的可视化计算，提供几何计算、体绘制、图像算法。本系统通过VTK可视化工具包10-14来完成医学图像的三维重建。2.2.1 Marching Cubes面绘制算法基于三角化面绘制的等值面生成算法15,用于实现医学影像的三维-341 如下：（1)形态学处理8-91:对图像进行膨胀和腐蚀处理，以去除与肺部结节相连的其他组织；（2)连通域分析：通过8 连通分析得到结节区域的位置和大小信息；（3)使用多边形函数，根据得到的结节区域信息，绘制出准确的结节轮廓，以便医生和研究人员进行后续的结节形态、纹理和增强特征等定量分析。肺实质与结节三维重建2.1CT图像序列的重采样在CT、M RI、PET 这样的断层扫描数据中,X、y、Z3个扫描方向像素间距不一致，会导致三维建模结果的失真和模型形态畸变。对于CT图像，根据DICOM标准定义，x方向对应人体左右方向，y方向对应人体前(胸)后（背)方向，z方向对应人体上下(头脚)方向。x、y 方向的像素间距较小、分辨率较高，一般约为0.5mm;z方向的像素间距（层间距)相对大一些，通常为1 3 mm。为了便于后续分析，一般在预处理阶段通过图像插值9 把像素间距调整为各向同性，也就是x、y、z 3个方向的像素间距一致。本数据集x、y方向的像素间距为1mm,z轴像素间距为2.5mm,需要将x、y、z 轴间距都为1mm需要使用以下步骤。假设D为原医学影像的像素间距,D，为重采样后的新像素间距，那么可以通过以下公式来计算调整系数rf:Drf=D,由此，可以计算出重采样后的新数据分辨率大小S,：(4)(5)(3)-342-中国医学物理学杂志0010050100200150300-2004002503005000a：采样前图像大小为512 x512Figure 2 Comparison of CT images before and after resampling第41卷200400图2 CT图像重采样前后对比0b：采样后图像大小为32 0 x320100200300可视化。实现步骤如下：（1)将医学影像数据划分为若干等大小的小立方体，然后寻找每个小立方体内的等值面；(2)在等值面与当前小立方体的表面相交时，使用线性插值计算等值面交点，并用这些交点和周围顶点构建三角形面；（3)完成对整个体数据的扫描、交点计算和三角面构建之后，就能够生成医学影像的三维表面，通过调整等值面的阈值可生成不同的三维表面模型。该算法具有快速、高效、可视化直观的特点，在实现医学影像的三维可视化方面具有重要作用。此算法能够快速地生成医学影像的三维表面并进行三维可视化展示。2.2.2基于连通域肺实质分割使用肺实质连通域切割7-8 的方法，以实现自动分割医学CT图像中的肺部组织，实现步骤如下：(1)对重采样后的数据进行处理，使用阈值处理将HU值小于-32 0 的像素设置为0,其余的像素设置为1,按以下公式进行处理：(1,f(x,y)-320f(x,y)=(0,F(x,J)-320(2)将二值化数据做2 6 连通分析并进行标签化，目的是能够区分和标记各个肺部实体。（3）从每个切片的显示实体中提取最大的肺部实体标记，去除肺部中出现的气泡区域干扰，最终生成肺部二值化掩模。该方法具有去除背景噪声和气泡干扰，生成高精度的肺部二值化掩模的功能。2.2.3结节空间位置标记对肺部CT图像数据进行结节的快速、准确提取，并将提取出的结节信息保存为二维图像16-18。具体流程如下：(1)从DICOM格式的肺部CT图像数据和结节位置信息中提取出需要的信息；(2)对每个切片进行处理，提取出二维平面中的结节轮廓信息，再计算每个轮廓的最大外接圆，生成对应的掩膜,图3所示是某一病例中9张包含结节信息的切片；（3)根据保存的结节轮廓mask与原CT图像相乘，得到每个包含结节的最大外接圆切片，将每个切片保留结节信息的二维数组沿z轴堆叠起来，并进行重采样形成结节的空间信息，如图4所示；(4)堆叠起来的三维数组做前文提到的二值化并与连通域分析，只保留结节部分，并用面绘制方法将结(6)节标注出来。mask 1mask 2mask3mask 4mask5mask 6mask 7mask 8mask9图3结节掩膜Figure3Nodularmasks第3期付俊泽，等.基于CT数据的肺部影像可视化系统设计12-343-3456789图4包含结节的切片与结节三维效果图Figure 4 3D rendering of the nodules and the section containing the nodules系统软件的设计及实验系统框架图如图5所示。系统软件配置采用Python语言，在6 4位的Windows10系统中，以Pycharm为开发平台，结合VTK、Py q t 5、O p e n CV等开发工具包进行开发。硬件配置为IntelRCoreTMi7-10750H 2.60 GHz(CPU)6.0 Gbyte 显存(GPU)。数据集为LIDC-IDRI,由美国国家癌症研究所发起收集，目的是为了研究高危人群早期癌症检测。该数据集由胸部医学图像文件（如CT、X光片）和对应的诊断结果病变标注组成,共收录10 18 个研究实例,对于每个实例中的图像，都由4位经验丰富的胸部放射科医师进行两阶段的诊断标注19-2 1。肺部CT影像可视化与重建系统DICOM文件的读取与解析模块7二维可视化模块三维可视化模块结节轮廓标记模块结节三维重建与标记模块图5系统框架图Figure5Systemframework3.1二维DICOM图像的处理和可视化模块二维CT图像的处理和显示模块中，标签展示区中设置3列：第1列为标签代码（tab）,第2 列为标签名称（tagName）,第3列为对应标签的值（Value）。同时，在图像展示区也可显示对应的二维图像，如图6 a所示。为了对不同组织进行区分,CT诊断中使用不同的CT值表示不同密度的组织，这些CT值也称为Hounsfield(HU)单位。展示的二维图像是将像素值转为HU值后的图像。当切换至图像展示区的“CLAHE处理后”时，可以看到经过限制对比度的自适应直方图均衡后的图像，有助于阅片人员更清晰、准确地分辨病灶,如图6 b6c所示。3.2结节轮廓的标记模块结节轮廓的标记模块使用OpenCV开发库，通过以下步骤进行标记：（1)形态学处理：为解决掩膜中可能存在与肺壁相连的结节影响肺部轮廓提取的问题，该方法通过将肺部分为左右两个部分分别进行凸包处理,并进行膨胀和腐蚀，最终得到剔除与肺壁相连结节的肺部掩膜；（2)连通域分析：在二维切片上通过阈值处理获取肺部区域的掩膜，在此基础上进行连通性分析，去除掩膜面积小于30 mm或离心率大于0.99的区域，并在三维空间中保留掩膜中未连接边缘部分和体积在0.6 8 7.50 dm区域，以得到准确的肺部掩膜2-2 3；（3)勾勒结节轮廓：通过读取DICOM图像的XML文件中结节区域中的结节轮廓坐标信息，绘制出准确的结节区域轮廓，为后续的肺癌诊断提供帮助。结节标记结果如图7 所示，图中选取部分病人含有结节的切片。3.3CT图像的三维可视化模块三维可视化模块集成4个不同的功能：可调整等值面的三维可视化、肺实质分割、显示结节、标记结节。三维可视化窗口如图8 所示。3.3.1可调整等值面功能选“调整等值面”复选框，并在其右侧的文本框中输入所需的等值面阈值，随后点击“提交 按钮。这一功能允许用户根据其需要，得到不同的表面模型。等值面是指一组等值的数值，在三维图像中，等值面是由三维曲面构成的，表现为具有相同数值的三维曲面,在CT图像中每个点的数值即为HU值。用户能在三维可视化模块中，勾-344-中国医学物理学杂志1-025tag1-0261-0271-0281-0291-0301-0311-0321-0331-0341-0351-0361-0371-0381-0391-0401-0411-0421-0431-0441-0451-0461-0471-0481-0491-0501-0511-0521-0531-0541-0551-0561-057第41卷tag1(0008,0005)SpecificCharacterSet(0008,0008)ImageType(0008,0016)SOPClass UID(0008,0018)SOPInstanceUID(0008,0020)StudyDate(0008,0021)SeriesDate(0008,0022)AcquisitionDate(0008,0023)ContentDate(0008,0024)0verlayDate(0008,0025)CurveDate(0008,002a)AcquisitionDateTime(0008,0030)studyTime(0008,0032)AcquisitionTime(0008,0033)ContentTime(0008,0050)AccessionNumber(0008,0060)Modality(0008,0070)Manufacturer(0008,0090)ReferringPhysiciansNaa：标签展示区图6 图像的处理和可视化模块展示Figure 6 Image processing and visualization moduleb:CT图像展示CLA吐理后C:CT图像CLAHE处理展示a:1号病人第45张切片b：2 2 号病人第2 9张切片图7 标记结节轮廓的结果Figure 7 Results of outlining nodular contoursc:54号病人第48 张切片d:97号病人第133张切片3.3.2.肺实质分割功能三维可视化？全选调整等值面肺实质分割显示结节标记结节提交图8 三维可视化窗口Figure 8 Three-dimensional(3D)visualization window可以根据不同的等值面参数，调整曲面的阈值，并生成具有不同特征的表面模型，如图9所示。在三维可视化模块中，勾选“肺实质分割”并点击“提交”可实现肺部组织的分割,进而获得肺实质切割后的三维视图，将医学图像中的肺部组织与其他组织进行分离，以此提高医学影像的质量和形态学分析的准确性，方便医师测量肺容积、评估肺功能，检测肿瘤、肺炎等疾病的病变。肺实质切割三维视图如图10 所示。3.3.3结节显示功能三维可视化模块中，勾选“显示结节”，点击“提交”，可得到结节的三维视图。结节三维视图如图11所示，图中选取部分病人结节。3.3.4结节标记功能在三维可视化模块中勾选“标记结节”并点击“提交”，可以得到肺实质分割后的结果，并将结节位置进行标记。同时以不同的颜色或标记方式将结节位置进行标记，使得医生能够更加第3期付俊泽,等.基于CT数据的肺部影像可视化系统设计345a：等值面阅值为-30 0 HUb:等值面阅值为2 0 0 HU图9不同等值面效果图Figure 9 Results with different isosurfacesc：等值面阈值为40 0 HUa：俯视图b：正视图图10 肺实质切割三维视图Figure 10 3D views of lung parenchyma segmentationC：侧视图a:1号病人的结节b:22号病人的结节c:54号病人的结节图11结节三维视图Figure 113D views of nodulesd:97号病人的结节明确地掌握结节的位置、大小、形态等信息，可以帮助医生快速准确地评估肺癌的形态特征,并且提高疾病诊断的准确性。标记结节后三维视图如图12所示。a：俯视图b：正视图图12 标记结节后三维视图Figure 12 3D views after nodule labelingc:侧视图-346-3.4实验分析结果及算法效率分析在二维可视化模块中，实现了以下功能：（1)在标签区中,用户可以选择任意一个切片，并将其在右侧的窗口中显示出来，这种交互式的操作使得用户可以方便地查看和分析DICOM图像中的不同切片；(2)针对具有结节的切片实现结节轮廓的标记功能，用户可以使用标记工具在切片上绘制结节的轮廓，以便于后续的检测和分析。在三维可视化模块中，实现了以下功能：（1)通过调整等值面的设置，用户可以观察到不同阈值下的三维表面模型，这种功能使用户能够根据自身需求选择合适的等值面，并以三维形式展示CT图像中的结构；（2)通过肺实质分割功能，能够精确地将肺实质从CT图像中分离出来，,这为进一步的结节分析和疾病诊断提供重要的基础；（3)在结节显示功能方面，呈现出了平滑而清晰的结节三维模型,通过将检测到的结节进行适当的表面煊染，能够将结节的形态特征以逼真的方式展示给用户，这有助于医生们更好地理解和分析结节的形态和分布；（4)在标记结中国医学物理学杂志节的功能中，实现了准确地标记出结节的空间位置并用红色进行显示，这项功能对于结节的定位和跟踪是至关重要的，使医生能够明确地看到结节的位置，并在后续的研究和治疗中参考这些标记结果2 4-2 6。对不同的病人标记结节的功能进行分析，结果如表1所示,表中列出6 例病人肺部三维重建所需的DICOM文件数量、顶点个数、三角面个数、模型文件大小、数据处理时间和三维重建时间。根据表1提供的数据分析，本系统所使用的肺部三维重建模型具有空间效率高、重建速度快且细节保留较好的优点。从数据处理时间来看，本系统以高效的方式处理了足够的数据量，并在较短时间内完成三维重建。同时，本系统在三角面个数和顶点个数方面也表现出明显的性能优势，具有更加精细的细节呈现能力。此外，模型文件大小也较小，说明本系统采用合适的算法，在保证数据质量的前提下最大程度地减少存储空间的占用。第41卷表1不同病例的三维模型参数及处理时间Table 1 Parameters and processing time of the 3D model for different cases病人编号DICOM文件数量顶点个数三角面个数模型文件大小/MB113321403133413351336245数据处理时间/ss三维重建时间/s总时间/s44646289178064704012926424446158874907912711575228576897115225274987414981320.0440.0580.0440.0890.0580.08929.34340.63824.21429.55535.06143.07019.15827.89918.64932.69525.04131.42348.50168.53842.86362.25060.10274.4944结语本文开发一套集CT影像分割、重建、二维可视化与三维重建功能的医学图像处理系统。该系统的特色包括：（1)能够同时进行CT影像的二维可视化与三维重建；(2)重建出的三维模型可以将正常组织与病灶区分开,并且可自由缩放与旋转视角，便于用户更加清晰地观察；（3）系统较常用的医学图像处理软件Mimics具有更快的处理速度，使用户能够快速浏览和处理医学图像，以辅助医疗诊断和科研分析；(4)本系统使用的二维可视化与三维重建的方法也可迁移到其他部位的结节疾病辅助诊断中。对于其他部位疾病的医学影像重建和可视化研究，也是今后的研究工作。【参考文献】1刘子成，杨赫，王鸿亚，等.基于三维重建的影像学分析在部分实性肺结节中的研究进展J.中国肺癌杂志，2 0 2 2,2 5(2)：12 4-12 9.Liu ZC,Yang H,Wang HY,et al.Research progress in 3D-reconstruction based imaging analysis in partial solid pulmonarynoduleJ.Chinese Journal of Lung Cancer,2022,25(2):124-129.2张文园，刘雪莹，王福.生物医学图像三维重建技术应用研究进展J.中华实用诊断与治疗杂志,2 0 16,30(7):6 2 9-6 31.Zhang WY,Liu XY,Wang F.Application of three-dimensionalreconstruction based on biomedical images J.Journal of ChinesePractical Diagnosis and Therapy,2016,30(7):629-631.3罗旋.基于DICOM序列影像的肺结节检测算法研究D.成都：电子科技大学,2 0 15.Luo X.The study of pulmonary nodule detection algorithm based onDICOM sequence image D,Chengdu:University of ElectronicScience and Technology of China,2015.4赵媛媛，雷建锋，王战京.基于DICOM动态图像的Web浏览系统开发J.实验技术与管理,2 0 18,35(4):151-154.Zhao YY,Lei JF,Wang ZJ.Development of Web brow singsystembased on DICOM dynamic imageJ.Experimental Technology第3期and Management,2018,35(4):151-154.5 Nguyen VS,Tran MH,Vu HM.A research on 3D model constructionfrom 2D DICOM C/International Conference on AdvancedComputing and Applications.IEEE,2017:158-163.6任正伟，宋晓梅，黄素真.基于ITK、VT K、Q t 的DICOM文件的读取与显示J.国外电子测量技术,2 0 17,36(11):6 2-6 6.Ren ZW,Song XM,Huang SZ.Read and display of DICOM filesbased on ITK,VTK,Qt J.Foreign Electronic MeasurementTechnology,2017,36(11):62-66.7王贝.CT图像的肺结节检测与分割D.成都：电子科技大学,2 0 18.Wang B.Research on pulmonary nodule detection and segmentationusing CT imagesD.Chengdu:University of Electronic Science andTechnology of China,2018.8刘莹芳.基于CT图像的肺实质分割方法研究D.昆明：云南大学，2019.Liu YF Research on pulmonary parenchyma segmentation methodbased on CT imageD.Kunming:Yunnan University,2019.9雷若鸣.医学图像三维重建技术研究D.兰州：兰州大学,2 0 17.Lei RM.Research on 3D reconstruction of medical image D.Lanzhou:Lanzhou University,2017.10 胡战利.基于VTK的医学图像三维重建及交互研究D.哈尔滨：哈尔滨工程大学，2 0 0 8Hu zL.Three-dimensional reconstruction and interaction research ofmedical images based on VTK D.Harbin:Harbin EngineeringUniversity,2008.11 陈文驰.基于VTK的医学图像三维重建系统研究与实现D.西安:长安大学，2 0 16.Chen WC.Research and implement of medical_ imagethreedimensional reconstruction system based on VTKD.Xian:Changan University,2016.12苏瑞朋，李益杰，尹小芳，等.VTK在医学图像处理中的应用J.信息与电脑,2 0 18,12(4):10 7-10 9.Su RP,Li YJ,Yin XF,et al.Application of VTK in medical imageprocessing J.China Computer&Communication,2018,12(4):107-109.13关天民，刘光孟，轩亮.基于ITK和VTK的医学图像分割与重建J.大连交通大学学报,2 0 19,40(3):6 1-6 5.Guan TM,Liu GM,Xuan L.Medical image segmentation andreconstruction based on ITK and VTKJ.Journal of Dalian JiaotongUniversity,2019,40(3):61-65.14孙浩，雒伟群.基于VTK的三维医学影像可视化系统设计与实现J.西藏科技,2 0 19,5(11):6 7-7 1.Sun H,Luo WQ.Design and implementation of 3D medical imagevisualization system based on VTKJ.Tibet Science and Technology,2019,5(11):67-71.【15】万里涛.基于等值面提取的医学数据三维重建系统的设计与实现D.武汉：华中科技大学,2 0 2 0.Wan LT.Design and implementation of medical data 3D reconstructionsystem based on isosurface extraction D.Wuhan:HuazhongUniversity of Science and Technology,2020.16尹哲.医学图像三维重建系统的设计与实现D.成都：电子科技大学,2 0 18.Yin Z.Design and implementation of medical image 3D reconstruction付俊泽,等.基于CT数据的肺部影像可视化系统设计28(9):177-181.18董默,赵若晗,周志尊,等.医学图像三维重建系统设计与应用J.软件,2 0 18,39(1):8 7-90.Dong M,Zhao RH,Zhou ZZ,et al.A Design and application ofmedical image three-dimensional reconstruction systemJ.ComputerEngineering&Software,2018,39(1):87-90.19 Zhang X,Zhang K,Pan Q,et al.Three-dimensional reconstruction of medical images based on 3D SlicerJ.J Complex,2019,2(1):1-12.20闫洪波，王梦薇,徐洋，等.基于Matlab GUI的医学图像处理仿真系统设计J.计算机应用，2 0 2 0,40(S1):226-230.Yan HB,Wang MW,Xu Y,et al.Design of medical image processingsimulation system based on Matlab GUIJJ.Computer Applications,2020,40(S1):226-230.21黄春桦.医学影像三维可视化系统设计及关键技术研究D.西安西安电子科技大学，2 0 0 5.Huang CH.Design of a medical visualization system and research onsome key techniques D.Xian:Xian University of ElectronicScienceand Technology,2005.22 Wu F,Tian SP,Jin X,et al.CT and histopathologic characteristics oflung adenocarcinoma with pure ground-glass nodules 10 mm or lessin diameterJ.Eur Radiol,2017,27(10):4037-4043.23赖婵，李儒琼,张嘉瑜，等.最大径 1cm肺小结节螺旋CT靶扫描及重建的良恶性判断分析J.中国CT和MRI杂志,2 0 2 0,18(6):41-42.Lai C,Li RQ,Zhang JY,et al.Benign and malignant judgment oftargeted spiral CT scanning and reconstruction techniques in smallpulmonary nodules of 1 cm or less in maximal diameter J.ChineseJournal of CT and MRI,2020,18(6):41-42.24曹桂平,张明娇,刘非，等.Arigin 3D Pro软件与Mimics 软件三维重建模型的精度研究J.中国组织工程研究,2 0 18,2 2(15):2 38 4-2 38 9.Cao GP,Zhang MJ,Liu F,et al.Accuracy of three-dimensionalreconstruction models using Arigin 3D Pro and Mimics softwareJ.Chinese Journal of Tissue Engineering Research,2018,22(15):2384-2389.25胡晓晖，洪翔，何冰凡，等.基于Simpleware全颈椎三维有限元模型的构建与分析J.医用生物力学,2 0 14,2 9(6):530-535.Hu XH,Hong X,He BF,et al.3D finite element modeling and analysisof the whole cervical spine based on Simpleware J.Journal ofMedical Biomechanics,2014,29(6):530-535.26王剑，陈清勇，郁东伟，等.基于Mimics软件构建多种肺部疾病的三维模型J.浙江医学，2 0 2 1,43(13)：1432-1434.Wang J,Chen QY,Yu DW,et al.Construction of 3D model ofpulmonary diseases based on Mimics softwareJ.Zhejiang MedicalJournal,2021,43(13):1432-1434.（编辑：陈丽霞）-347-system D.Chengdu:University of Electronic Science andTechnology of China,2018.17马思然，杨媛媛,倪扬帆，等.肺结节智能检测和三维可视化系统设计与实现J.计算机测量与控制,2 0 2 0,2 8(9):17 7-18 1.Ma SR,Yang YY,Ni YE,et al.Design and implementation ofintelligent detection and three-dimensional visualization system forpulmonary nodulesJ.Computer Meas