1. 医学影像三维可视化与测量工程导论
医学影像三维可视化与测量工程，研究的是如何把CT、MRI、超声、PET等断层影像序列，转换为可交互、可量化、可复现的三维几何与测量结果。它既不是单纯的图像美化，也不只是软件操作，而是一条从“像素灰度”到“解剖结构”再到“数值指标”的完整工程链路。理解这条链路，是后续所有章节的基础。
课程定位：从阅片到可计算的三维模型
传统阅片以二维断层为主，医生在脑中完成三维重建。这种方式依赖经验，且难以给出稳定的定量结论。本课程的目标是建立一套可验证的工程方法：给定一组DICOM序列，能够完成坐标统一、体数据重建、目标分割、表面/体绘制、测量与误差评估，并说明每一步的输入、参数与不确定性来源。
因此，本课程的知识结构横跨三个领域：医学影像成像与解剖学提供“对象是什么”，计算机图形学与图像处理提供“如何重建与显示”，测量学与误差理论提供“结果是否可信”。三者缺一不可。只会调软件参数而不理解层厚与体素各向异性，测量结果可能系统性偏大；只懂算法而不理解解剖边界，分割结果可能“好看但错误”。
核心任务：四类可交付结果
本课程的核心任务可归纳为四类可交付结果：
- 三维几何模型：由分割掩膜生成表面网格（如STL/OBJ），用于观察、3D打印或有限元前处理。
- 体绘制与交互视图：通过传递函数把不同CT值映射为颜色与不透明度，用于观察血管、骨骼与软组织关系。
- 定量测量指标：长度、角度、面积、体积、曲率、中心线长度等，需给出单位、坐标系与误差范围。
- 可复现的处理记录：包括数据来源、重采样参数、分割阈值、平滑次数与测量定义，使他人能复算。
这四类结果对应不同的精度要求。例如，骨性结构长度测量通常要求误差控制在1 mm以内；而肿瘤体积随访更关注同一流程下的一致性，而非绝对真值。明确任务目标，才能选择合适的技术路线。
技术栈全景：一条从数据到指标的处理链
下面用一张信号与数据流图概括本课程的技术栈。它按“数据形态变化”组织，而不是按软件菜单组织：DICOM序列先统一到患者坐标系，再重采样为各向同性体素，随后进入分割、重建、测量与验证四个分支。
图中A、B、C三条分支并非严格串行：分割结果既可用于面绘制，也可用于体积测量；体绘制视图常用于检查分割是否遗漏了与周围组织粘连的区域。D层验证贯穿全链，是工程化与“随手调参”的分界线。
典型应用场景与关键参数
不同场景对技术链的侧重点不同，下面给出三个典型场景及其关键参数示例。以下数值为教学示例，用于说明参数如何影响结果，并非实测结论。
| 应用场景 | 主要输入 | 关键处理 | 典型输出 | 需重点关注的误差源 |
|---|---|---|---|---|
| 骨科术前规划 | 薄层CT，层厚0.625 mm | 骨阈值分割（HU≥300），表面平滑2次 | STL模型、力线角度 | 部分容积效应导致骨表面外扩 |
| 肿瘤体积随访 | 增强CT/MRI，层厚1～3 mm | 半自动分割，同一阈值与插值核 | 体积值、变化率 | 层厚不一致、呼吸运动伪影 |
| 血管中心线测量 | CTA，各向同性0.5 mm | 血管增强、骨架化、中心线提取 | 狭窄率、中心线长度 | 钙化斑块干扰、分支处骨架偏移 |
以骨科术前规划为例，若CT层厚为0.625 mm、像素间距为0.7 mm×0.7 mm，则体素在Z方向与XY方向尺寸不同。直接计算体积时，若按各向同性处理，体积会被低估或高估。正确做法是先重采样到0.5 mm×0.5 mm×0.5 mm，再统计掩膜体素数量乘以体素体积。假设重采样后掩膜包含1,200,000个体素，则体积为1,200,000×0.125 mm³=150,000 mm³=150 cm³。这个数值是否可信，还需与体模或排水法对照。
学习路径与工程习惯
本课程后续章节将按“数据—重建—分割—测量—验证”的顺序展开，但不会把每章都写成固定流程。你需要逐步建立以下工程习惯：
- 拿到数据先看DICOM标签中的层厚、像素间距和方向，而不是直接拖入软件。
- 任何分割操作都记录阈值、形态学参数和迭代次数。
- 测量前明确参考点与定义，例如“长度”是中心线长度还是表面最短距离。
- 至少用一种独立方式验证结果，如体模、重复测量或不同操作者对照。
三维可视化与测量工程的价值，不在于生成一张好看的渲染图，而在于让解剖结构变得可计算、可复核、可沟通。当你能说清一个体积值是怎么来的、误差有多大、换一个人能否复现，才算真正掌握了这门课程的核心。