基于HIS平台的三维图像重建

论文摘要

现在的社会已经发展进入计算机时代,好多平时用人工进行的操作现在都用计算机代替了,而医院信息系统正是这个时代的产物。在医院,大家都是用纸的病历本来登记挂号的,而且不同的医院是无法共享同一本病历的,这可以说是对纸张的巨大浪费;同时,医院里每天会拍摄大量的X光片,如果拍成胶片,则给存放带来了非常大的不便,另外,对病人来说,花费也是巨大的。医院信息系统正好可以解决上述问题,它是以计算机为载体的,将病人的信息与病人的图像数据都存储在计算机内,使医院可以节省大量的病历、胶片的开销,同时也免去了病人看病时不必要的花费。医院信息系统可以轻松地进行病人档案的管理,同时其中的辅助诊断系统,可以帮助医生将误诊率降到最低。医学影像的三维重建也一直是医学界研究的热门话题,将二维的切片图像三维化,可以使医生对病灶部位有更直观的观察,方便医生在手术前进行仿真实验等作用。但是由于重建数据的庞大,现在三维重建尤其是体重建往往只有工作站这种大型机才可以实现,小型机即使实现了,也需要长时间的等待,这使得三维重建无法满足在医生诊断时的辅助诊断效果。本论文的主要研究目的就是将上述两个问题结合起来,实现医院信息系统中门诊医生工作站这个部分,将医生诊断时由登录到下载病人图像病历数据,再到图像的转化、显示以及三维重建各个步骤有机地结合在一起。本论文的主要研究方法是通过在PC机上使用MyEclipse建立医院信息系统的仿真平台。首先,在这个平台上建立了病人与医生的登录系统,并在系统中添加了表单的验证与验证后的处理,使用Tomcat作为容器来访问Oracle所存储的病人诊断数据库等信息;其次,对DICOM格式的图像从客户端的上传到服务器站点、从站点写入数据库、从数据库读出以及从服务器站点下载图像都做了详细的分析,同时,仔细地分析了DICOM格式以及DICOM文件中的内容,将文件中的图像数据提取处理转化为位图格式,有助于医生的观察与诊断;最后,在OpenGL环境下实现了诊断系统的三维重建的功能,该功能可以对从病人数据库里下载的图像数据进行重建。本论文的研究结果及意义是对医院信息系统特别是其中的门诊医生工作站有了深入的了解,并且解决了工作站作为客户端从服务器上下载图像的问题;在图像处理方面,对面重建中的Marching Cube算法进行了改进,使其可以满足了实时性的要求,将三维重建与医生的诊断结合起来,使医生能够有效的进行诊断。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 论文的背景和意义
• 1.1.1 可视化的背景和意义
• 1.1.2 HIS系统的背景与意义
• 1.2 问题的提出
• 1.3 论文的主要内容
• 1.4 论文的结构安排
• 第二章 HIS系统的研究与模型的初步建立
• 2.1 HIS系统的组成
• 2.2 门诊医生工作站
• 2.3 数据库基础
• 2.3.1 为什么选择Oracle作为服务器的数据库
• 2.3.2 JDBC数据库基础
• 2.3.3 Oracle数据库中的表
• 2.4 网络编程基础
• 2.4.1 Serv1et
• 2.4.2 JSP
• 2.4.3 JavaBean
• 2.4.4 MVC结构
• 2.4.5 Struts
• 2.5 模型建立的步骤
• 2.5.1 站点的建立
• 2.5.2 表单的验证
• 2.5.3 表单处理与数据库的连接
• 2.5.4 将站点添加到服务器中
• 2.5.5 建立模型时可能遇到的问题
• 2.5.5.1 多国语言问题
• 2.5.5.2 表单提交的方式
• 2.5.5.3 数据库的连接
• 2.6 病人诊断数据库中图像数据库的建立
• 2.6.1 将图像上传到数据库
• 2.6.2 将图像下载到本地
• 2.7 图像数据的使用
• 2.8 本章小结
• 第三章 病人数据的数字图像处理
• 3.1 数字图像的获取方法
• 3.2 什么是DICOM格式
• 3.3 DICOM文件的格式
• 3.3.1 DICOM 3.0的编码与传输内容
• 3.3.2 几个概念的详细描述
• 3.4 本文使用的几种图像类型
• 3.4.1 二值图像
• 3.4.2 灰度图像
• 3.5 关于位图格式的介绍
• 3.5.1 什么是设备无关位图
• 3.5.2 BMP文件中DIB的结构
• 3.6 由DICOM文件格式转化为位图格式的具体实现与相关代码
• 3.6.1 DICOM格式文件的读取
• 3.6.2 将DICOM文件转化为位图文件
• 3.6.3 保存为位图程序的部分代码
• 3.7 本章小结
• 第四章 三维重建与医疗诊断系统的结合
• 4.1 三维重建的简介
• 4.1.1 什么是三维重建
• 4.1.2 表面绘制
• 4.1.3 体绘制
• 4.2 三维重建无法与医院的诊断体系广泛结合的原因
• 4.3 重建前的数据处理
• 4.3.1 图像的增强
• 4.3.1.1 梯度锐化
• 4.3.1.2 拉普拉斯锐化
• 4.3.1.3 两种锐化的实验比较
• 4.3.2 图像的分割
• 4.3.3 图像的轮廓跟踪
• 4.4 Marching Cube算法
• 4.4.1 Marching Cube的基本原理
• 4.4.1.1 确定包含等值面的立方体
• 4.4.1.2 求等值面与立方体边界的交点
• 4.4.1.3 求等值面的法线
• 4.4.2 算法的改进与仿真详解
• 4.5 本章小结
• 第五章 总结与展望
• 5.1 课题总结
• 5.2 研究展望
• 附录
• 参考文献
• 致谢
• 攻读硕士学位期间发表的论文
• 学位论文评阅及答辩情况表