医学体数据建模：基于局部特征尺寸的Delaunay四面体算法

"这篇论文研究了一种在医学体数据中基于局部特征尺寸的Delaunay四面体化算法，用于构建虚拟手术仿真系统的器官实体模型。该算法结合了Marching Cubes算法、外存模型简化技术、重心射线法、Delaunay细分以及随机扰动的空间分解法，克服了Delaunay细分算法处理锐角输入的局限性，具有较好的边界保持能力和收敛性。实验结果显示，与传统的Delaunay增量算法相比，新算法在保持模型边界和简化实现方面有显著优势，并已被实际应用于虚拟手术仿真系统。" 本文详细介绍了为虚拟手术仿真系统构建精确的器官实体模型的方法。首先，通过Marching Cubes算法从医学体数据中提取器官的等值面简化模型，以减少计算复杂性。接着，利用重心射线法有效地去除内部冗余网格，形成器官的多面体表面。这一过程有助于减少不必要的计算量，同时保持模型的几何精度。 在获取初步的表面模型后，论文提出基于局部特征尺寸构建表面顶点的保护球。这个步骤是关键，因为它能够捕捉器官表面的局部细节，确保生成的四面体网格能够反映器官的真实形态。接着，结合Delaunay细分算法，生成边界一致的初始四面体网格，使得相邻四面体的边界保持连续性和一致性。 为了解决Delaunay细分算法在处理锐角输入时的问题，论文引入了一种基于随机扰动的空间分解法。这种方法可以快速生成内部节点，并将这些节点逐个插入到四面体网格中，以优化单元质量。通过这种方式，算法能够在不丢失几何细节的同时，提高四面体的质量，增强网格的稳定性和计算效率。 论文还证明了所提算法的收敛性，这意味着随着迭代次数的增加，算法会逐渐接近理想的四面体化结果。实验比较了新算法与Delaunay增量算法，结果显示新算法在保持边界一致性和实现简便性上具有明显优势。 最后，该研究指出，生成的器官模型已成功应用于虚拟手术仿真系统，验证了算法的实际应用价值。这项工作对于提升虚拟手术仿真系统的逼真度和操作精度有着重要意义，为医生提供更加真实、直观的训练环境，进而可能提高实际手术的安全性和成功率。