劉金明，劉桂陽

（黑龍江八一農(nóng)墾大學(xué)信息技術(shù)學(xué)院，大慶 163319）

隨著CT[1]、MRI 等醫(yī)學(xué)影像技術(shù)的發(fā)展，心臟成像和可視化技術(shù)在心臟類疾病診斷中發(fā)揮著越來越重要的作用。光線投射算法作為典型的體繪制算法，在三維可視化技術(shù)中重建圖像質(zhì)量最高，但計(jì)算繁瑣，時(shí)間復(fù)雜度大，難以實(shí)現(xiàn)實(shí)時(shí)繪制。隨著計(jì)算機(jī)圖形硬件的發(fā)展，可以利用圖形硬件自帶的三線性插值等功能將復(fù)雜的光線投射過程轉(zhuǎn)移到GPU 上進(jìn)行，通過GPU 的流式并行計(jì)算模式實(shí)現(xiàn)加速[2-4]。但文獻(xiàn)中介紹的都是通用GPU 光線投射算法，研究的重點(diǎn)是如何提高渲染速度，并不適用于心臟體數(shù)據(jù)的高質(zhì)量三維可視化。針對心臟體數(shù)據(jù)可視化問題，Gai 等[5]提出基于統(tǒng)計(jì)策略對心臟體數(shù)據(jù)進(jìn)行可視化的新方法，該方法基于統(tǒng)計(jì)策略和梯度信息設(shè)計(jì)傳遞函數(shù)，能夠獲得比較好的心臟內(nèi)部瓣膜組織的繪制效果，但整體輪廓不夠清晰。Wang 等[6]提出了基于上下文保留策略的心臟體數(shù)據(jù)三維可視化方法，獲得了良好的繪制效果，但細(xì)微的冠狀動脈血管部分沒有得到清晰的渲染。

針對通用GPU 光線投射算法不適用于心臟體數(shù)據(jù)高質(zhì)量體繪制和專用心臟數(shù)據(jù)體繪制算法渲染效果有待提高的問題，提出了基于GPU 光線投射算法對心臟體數(shù)據(jù)進(jìn)行高質(zhì)量三維可視化的新方法。

1 GPU 光線投射算法

傳統(tǒng)光線投射算法采用為每個(gè)體素分配光學(xué)屬性的方法合成圖像，有利于體數(shù)據(jù)細(xì)節(jié)的保留，重建圖像質(zhì)量高。但該算法需要對圖像空間的每個(gè)像素點(diǎn)進(jìn)行顏色計(jì)算，對體素進(jìn)行采樣合成時(shí)運(yùn)算量巨大，降低了繪制速度，難以實(shí)現(xiàn)實(shí)時(shí)交互渲染。GPU光線投射算法能夠利用圖形硬件自帶的三線性插值功能快速實(shí)現(xiàn)傳統(tǒng)算法中耗時(shí)的采樣和插值運(yùn)算，并基于GPU 強(qiáng)大的流式并行處理能力完成繁瑣的合成操作。采用的單步GPU 光線投射算法主要由三部分組成：即光線終點(diǎn)的生成、光線方向的生成和光線投射過程。

1.1 光線終點(diǎn)的生成

基于OpenGL 幀緩存對象技術(shù)，沿當(dāng)前視線方向，渲染體數(shù)據(jù)包圍盒的后表面，并作為2D 紋理載入顯存，得到光線終點(diǎn)坐標(biāo)。

1.2 光線方向的生成

渲染體數(shù)據(jù)包圍盒前表面，得到光線進(jìn)入包圍盒的入射點(diǎn)坐標(biāo)。對入射點(diǎn)坐標(biāo)進(jìn)行相應(yīng)的頂點(diǎn)坐標(biāo)變換和歸一化處理后，再通過檢索包圍盒后表面2D 紋理，得到對應(yīng)的光線終點(diǎn)坐標(biāo)。光線終點(diǎn)坐標(biāo)與入射點(diǎn)坐標(biāo)相減即可得到當(dāng)前視口內(nèi)每個(gè)屏幕像素對應(yīng)投射光線的相關(guān)參數(shù)，求得投射光線的長度和方向。

由于高校擴(kuò)招政策并沒有如義務(wù)教育法那樣強(qiáng)制性地以法律的形式規(guī)定下來，因此其對城鄉(xiāng)居民的影響主要體現(xiàn)在教育機(jī)會的增加，同時(shí)高校擴(kuò)招政策的實(shí)施是一個(gè)漸進(jìn)的過程，因此，本文采用模糊斷點(diǎn)回歸分析(Fuzzy RDD)。對于模糊斷點(diǎn)回歸，標(biāo)準(zhǔn)做法是用兩階段最小二乘法(2SLS)進(jìn)行參數(shù)估計(jì)(劉生龍等，2016)。[12]具體來說，計(jì)量方程模型設(shè)定如下：

1.3 光線投射過程

圖2 展示了自適應(yīng)采樣方式下不同光照模型渲染結(jié)果的對比情況。由圖2（a）左下部白色箭頭部分可知，自適應(yīng)采樣方式下，采用多光源光照模型，渲染結(jié)果外部輪廓更加清晰。原因在于自適應(yīng)采樣方式增大了組織邊界處的采樣頻率，提高了邊緣輪廓的可視化效果。

空體素跳過和光線提前終止都是對體數(shù)據(jù)中某些不需要采樣的區(qū)域進(jìn)行忽略，從而達(dá)到提高體繪制速度的目的。

在使用一個(gè)頂點(diǎn)著色程序完成簡單的頂點(diǎn)變換后，單步GPU 光線投射算法僅使用一個(gè)片段著色程序即可完成投射光線方向的生成、按步長采樣、3D紋理的檢索、空體素的跳過、傳遞函數(shù)的映射、顏色和不透明度的合成、梯度和光照的計(jì)算、光線提前終止的判斷等操作，從而加速投射光線上采樣點(diǎn)的前移，提高了繪制速度，而且能夠獲得與傳統(tǒng)光線投射算法相同的圖像重建質(zhì)量。

2 心臟數(shù)據(jù)高質(zhì)量體繪制

為獲得高質(zhì)量的心臟數(shù)據(jù)三維可視化效果，應(yīng)用GPU 光線投射算法對心臟數(shù)據(jù)進(jìn)行體繪制，并對傳遞函數(shù)、光照模型和采樣方式進(jìn)行了改進(jìn)。

2.1 傳遞函數(shù)設(shè)計(jì)

空體素跳過的實(shí)現(xiàn)方法是：通過檢索三維紋理獲取當(dāng)前采樣點(diǎn)的標(biāo)量值，若標(biāo)量值為0，則無需進(jìn)行后續(xù)操作；針對心臟體數(shù)據(jù)空體素區(qū)域的連續(xù)性，可在對下一個(gè)采樣點(diǎn)進(jìn)行判斷之前，先增大采樣步長，以減少空體素采樣的次數(shù)，降低檢索三維紋理的頻率，提高光線投射算法的繪制速度。為了防止因采樣步長過大而忽略過多有效體素，導(dǎo)致重建圖像質(zhì)量下降，當(dāng)探測到空體素時(shí)將采樣步長設(shè)為原始標(biāo)準(zhǔn)步長d 的2 倍。

式中，Iambient=kaIa

其中，pi為標(biāo)量值i 出現(xiàn)的頻率，ni為標(biāo)量值i 出現(xiàn)的總次數(shù)，MP 表示體數(shù)據(jù)中非零體素的總數(shù)量，K為可能出現(xiàn)的最大標(biāo)量值。

采用上述不透明度設(shè)定方法，可以將心臟內(nèi)部各個(gè)瓣膜和心臟外部的冠狀動脈血管等細(xì)微組織不透明度值設(shè)為1，在渲染時(shí)能夠有效突出這部分細(xì)微組織。

在股份制合作社成立之后，將農(nóng)民們從山上竹林生產(chǎn)中轉(zhuǎn)移出來，到山下進(jìn)企業(yè)，或自主創(chuàng)業(yè)，使農(nóng)戶既方便又賺錢，免去了在家經(jīng)營林業(yè)和外出創(chuàng)業(yè)之間轉(zhuǎn)換的時(shí)間浪費(fèi)和辛苦[1]，進(jìn)一步釋放了農(nóng)村勞動力。對于年紀(jì)較大不愿到企業(yè)打工的農(nóng)民，還可參與到合作社的毛竹林培育、管護(hù)、砍伐和銷售等活動中，解決了農(nóng)村剩余勞動力的問題。對合作社來講，可以擴(kuò)大生產(chǎn)規(guī)模，增加科技等現(xiàn)代林業(yè)要素投入，發(fā)展高效生態(tài)的現(xiàn)代林業(yè)，在林業(yè)領(lǐng)域進(jìn)行更高層次的創(chuàng)新創(chuàng)業(yè)[2]。

2.2 光照模型

在體繪制過程中，使用光照能夠有效增強(qiáng)數(shù)據(jù)的深度概念和細(xì)節(jié)特性，對圖像最終渲染結(jié)果有很大影響，此算法中采用Blinn-Phong 多光源光照模型，該模型中光照強(qiáng)度由環(huán)境光、漫反射光和鏡面反射光三部分線性相加構(gòu)成，公式如下：

展會還將與中國食品和包裝機(jī)械協(xié)會、中國包裝和食品機(jī)械有限公司以及上海博華國際展覽有限公司共同主辦的“上海食品加工與包裝機(jī)械展覽會聯(lián)展”以及上海博華旗下的“健康天然原料、食品配料中國展”“上海國際淀粉及淀粉衍生物展覽會”等，貫通農(nóng)業(yè)生產(chǎn)、原材（配）料生產(chǎn)、加工、包裝、物流……食品全產(chǎn)業(yè)鏈上下游的多個(gè)細(xì)分領(lǐng)域?qū)I(yè)展會同期舉辦。除此之外，以“走進(jìn)美麗鄉(xiāng)村，體驗(yàn)農(nóng)游樂趣”為主題的“2019長三角休閑農(nóng)業(yè)和鄉(xiāng)村旅游博覽會”也將與鄉(xiāng)村振興農(nóng)技展同耀上海國家會展中心。

式中，

Idiffuse=kdIlmax（N·L），0）

Ispecular=ksIl（max（（N·H），0））n

其中，m 為點(diǎn)光源的個(gè)數(shù)；ka、kd和ks分別表示環(huán)境光、漫反射光和鏡面反射光的反射系數(shù)，Ia和Il分別表示環(huán)境光和點(diǎn)光源的光源強(qiáng)度；N 為體素的單位法向量，在實(shí)際應(yīng)用中，一般使用梯度作為體素的單位法向量；L 表示體素指向光源的單位向量；H=（L+V）/｜L+V｜，它是光線的入射方向L 和視點(diǎn)方向V 的中間向量；V 表示由體素指向視點(diǎn)的單位向量；n 為高光指數(shù)。

2.3 自適應(yīng)采樣

在使用光線投射算法進(jìn)行體繪制的過程中，重建質(zhì)量的好壞與投射光線的采樣頻率有著密切的關(guān)系。算法在采用空體素跳過和光線提前終止忽略無效體素采樣的同時(shí)，使用基于梯度模的自適應(yīng)采樣方式增大組織邊界的采樣頻率，在提高組織邊界的渲染質(zhì)量的同時(shí)兼顧了重建速度。

那個(gè)男人漲紅了脖子追在后面。等來到房中，沒有事可做，那個(gè)男人像猿猴一般，袒露出多毛的胸膛，去用厚手掌閂門去了！而后他開始解他的褲子，最后他叫金枝：

2.3.2 基于梯度模的自適應(yīng)采樣

該研究中選取2012年7月—2013年7月在該單位接受口腔種植骨結(jié)合治療的糖尿病患者與非糖尿病患者各50例，并對這些患者進(jìn)行隨訪5年，對接受治療的兩組患者的牙齒成活情況進(jìn)行分析比較，對所得的糖尿病患者與非糖尿病患者種植體修復(fù)牙齒的3個(gè)月、1年以及5年失敗率的數(shù)據(jù)進(jìn)行對比，進(jìn)行統(tǒng)計(jì)學(xué)計(jì)算得出，數(shù)據(jù)差異有統(tǒng)計(jì)學(xué)意義（P<0.05）。通過得出的數(shù)據(jù)結(jié)構(gòu)發(fā)現(xiàn)糖尿病的種植體修復(fù)牙齒失敗率略高于非糖尿病患者，所以糖尿病是可以對種植體骨結(jié)合有所影響的。

李四明到宗教團(tuán)體和宗教院校調(diào)研 11月20日，省委統(tǒng)戰(zhàn)部副部長、省民族宗教委黨組書記、主任李四明帶領(lǐng)有關(guān)處室負(fù)責(zé)人到云南佛學(xué)院、省基督教“兩會”、云南基督教神學(xué)院調(diào)研。李四明調(diào)研時(shí)指出，宗教團(tuán)體、宗教院校要主動宣傳黨的宗教工作方針政策、新修訂《宗教事務(wù)條例》，依法依規(guī)開展教務(wù)、教學(xué)活動；堅(jiān)持宗教中國化方向，深入挖掘教義教規(guī)中有利于社會和諧、時(shí)代進(jìn)步、健康文明的內(nèi)容，對教規(guī)教義作出符合當(dāng)代中國發(fā)展進(jìn)步要求、符合中華優(yōu)秀傳統(tǒng)文化的闡釋，在扶貧攻堅(jiān)等領(lǐng)域發(fā)揮積極作用；要發(fā)揮自身優(yōu)勢，引導(dǎo)宗教教職人員、宗教院校學(xué)員、信教群眾愛國愛教、遵紀(jì)守法、正信正行。

傳遞函數(shù)是體繪制算法的重要組成部分，用于映射體素的光學(xué)屬性，其設(shè)計(jì)的好壞直接影響最終的可視化效果。對于已經(jīng)分割后的心臟體數(shù)據(jù)，不同的標(biāo)量值代表著不同的心臟組織?？梢圆捎煤唵蔚囊痪S傳遞函數(shù)方法，為不同的標(biāo)量值設(shè)置相應(yīng)的光學(xué)屬性，其光學(xué)屬性可用四元組（R，G，B，A）表示。其中顏色值（R，G，B）是手動指定的偽彩色，要為不同的心臟組織指定不同的顏色。而不透明度A 基于標(biāo)量值統(tǒng)計(jì)信息進(jìn)行設(shè)定，經(jīng)過反復(fù)測試比較后，確定其設(shè)定公式如下：

在網(wǎng)絡(luò)媒體所引領(lǐng)的Web2.0時(shí)代里，網(wǎng)絡(luò)傳播以空前的影響力介入到人類社會的生活當(dāng)中，并為草根階層構(gòu)建了無限可能的巨大平臺，通過各種前所未有的形式，實(shí)現(xiàn)了心理的宣泄、人性的釋放和獨(dú)立意識的充分表達(dá)，在網(wǎng)絡(luò)的虛擬世界里形成一種和諧、隨意、率真的新型人際關(guān)系和精神交往。巴赫金雖然沒有生活在當(dāng)前這個(gè)時(shí)代，但他所闡釋的“狂歡化”理論正好可以解釋這一社會現(xiàn)象。

光線提前終止的基本思想是：沿投射光線方向進(jìn)行采樣并求得采樣點(diǎn)光學(xué)屬性值后，按由前向后的方式依次對各采樣點(diǎn)進(jìn)行顏色和不透明度合成，當(dāng)累積不透明度接近于1 時(shí)，說明之后的采樣點(diǎn)對最終圖像的貢獻(xiàn)很小，可以提前終止光線采樣。

2.3.1 空體素跳過和光線提前終止

算法針對人體心臟結(jié)構(gòu)復(fù)雜的特點(diǎn)，在采樣過程中實(shí)時(shí)計(jì)算心臟體數(shù)據(jù)內(nèi)部體素基于標(biāo)量值的梯度向量值，基于梯度模自適應(yīng)地調(diào)整采樣步長。在各組織邊界處，對應(yīng)的梯度模值較大，應(yīng)采用相對較小的步長提高采樣頻率，在各組織內(nèi)部梯度模值較小，應(yīng)采用較大的步長快速跳過。通過這種方式，在獲得更好的重建效果的同時(shí)，也盡可能地減少采樣次數(shù)，從而保證實(shí)時(shí)重建的效率?；谔荻饶５淖赃m應(yīng)采樣方式采樣步長計(jì)算公式如下：

其中，d 為標(biāo)準(zhǔn)采樣步長，α 為調(diào)節(jié)系數(shù)，g→為當(dāng)前采樣點(diǎn)的梯度向量，在片段著色程序中采用中心差分法實(shí)時(shí)計(jì)算獲得。因?yàn)閐adaptive∈（0，d]，所以可以通過適當(dāng)增大d 來提高算法的運(yùn)行速度。

3 結(jié)果分析

算法采用C++、OpenGL、Cg 著色語言編程實(shí)現(xiàn)，實(shí)驗(yàn)數(shù)據(jù)為分割后的美國可視人心臟體數(shù)據(jù)，大小為472×325×487，所用的硬件配置如下：CPU 為Intel至強(qiáng)E1230 V2，內(nèi)存容量8 GB，GPU 為NVIDIA GeForce GTX 660，顯存容量2 GB。繪制分辨率為800×800。

3.1 繪制效果比較

為了體現(xiàn)光照模型在體繪制時(shí)對渲染結(jié)果的影響，在兩種采樣方式下對不同光源個(gè)數(shù)下的渲染結(jié)果進(jìn)行了對比，如圖1 和圖2 所示。

圖1 固定步長采樣方式下不同光照模型渲染結(jié)果對比圖Fig.1 Comparison diagram of rendering results in fixed step sampling mode with different illumination models

圖2 自適應(yīng)采樣方式下不同光照模型渲染結(jié)果對比圖Fig.2 Comparison diagram of rendering results in adaptive sampling mode with different illumination models

圖1展示了固定步長采樣方式下不同光照模型渲染結(jié)果的對比情況。其中圖1（a）左下角白色箭頭處的心臟外圍輪廓明顯比圖1（b）中對應(yīng)區(qū)域清晰，說明多光源光照模型能夠有效提高重建圖像外部輪廓的可視化效果。

從當(dāng)前視口內(nèi)每個(gè)屏幕像素對應(yīng)的入射點(diǎn)開始，沿投射光線的方向進(jìn)行按步長采樣，獲得采樣點(diǎn)的三維坐標(biāo)，再以此坐標(biāo)檢索3D 紋理獲得該采樣點(diǎn)體素標(biāo)量值，依據(jù)傳遞函數(shù)完成顏色和不透明度的轉(zhuǎn)換，并按照由前向后的方式進(jìn)行合成。

為比較自適應(yīng)采樣與固定步長采樣兩種采樣方式的重建質(zhì)量優(yōu)劣，在不同光源個(gè)數(shù)下對兩種采樣方式的渲染結(jié)果進(jìn)行了對比，如圖3 和圖4 所示。

圖3 展示了單光源光照模型下兩種采樣方式渲染結(jié)果的對比情況。由圖3（a）右中部白色箭頭部分可知，冠狀動脈血管等細(xì)微組織得到清晰顯示。原因在于冠狀動脈血管等心臟細(xì)微組織都很小，組織邊界相對較多，當(dāng)采樣點(diǎn)位于細(xì)微組織上時(shí)計(jì)算出的梯度模值較大，在采用自適應(yīng)采樣方式進(jìn)行體繪制時(shí)，細(xì)微組織上的采樣頻率相對較高，能夠在重建圖像上獲得清晰的細(xì)微組織繪制效果。

遺傳分化是反映遺傳結(jié)構(gòu)的重要指標(biāo)。本實(shí)驗(yàn)以SSR法得到廣西地不容居群的Fst為0.146 5，Nm為1.456 9，揭示居群具中等程度的遺傳分化，遺傳變異主要分布在居群內(nèi)個(gè)體間，居群間具有中等程度的分化。這與覃艷采用ISSR和RAPD研究得到的結(jié)論一致[6]。

圖4 展示了多光源光照模型下兩種采樣方式渲染結(jié)果的對比情況。由圖4（a）右中部白色箭頭部分可知，冠狀動脈血管等細(xì)微組織得到清晰顯示。同時(shí)，圖4（a）中渲染結(jié)果的整體輪廓效果也比圖4（b）清晰，同樣在于自適應(yīng)采樣提高了各組織邊界處的可視化效果。圖4（a）中，用字母A、B、C 和D 標(biāo)示的區(qū)域是心臟內(nèi)的瓣膜組織，它們的繪制效果要比圖4（b）中對應(yīng)區(qū)域更加清晰。說明采用不透明度值設(shè)定方法和自適應(yīng)采樣方式，能夠在可視化結(jié)果中有效突出瓣膜和冠狀動脈血管等心臟細(xì)微組織。

綜上所述，在多光源光照模型下，基于自適應(yīng)采樣的GPU 光線投射算法不僅能夠渲染出良好的整體輪廓效果，而且內(nèi)部細(xì)微組織也能得到清晰地展示。

圖3 單光源光照模型下兩種采樣方式渲染結(jié)果對比圖Fig.3 Comparison diagram of rendering results in single lamp-house illumination model with two sampling modes

圖4 多光源光照模型下兩種采樣方式渲染結(jié)果對比圖Fig.4 Comparison diagram of rendering results in multiple lamp-houses illumination model with two sampling modes

3.2 繪制速度比較

通過多次實(shí)驗(yàn)發(fā)現(xiàn)，光照模型對繪制速度影響很小，而采樣方式對算法的繪制速度起決定作用。因此，為簡化實(shí)驗(yàn)，在2 個(gè)光源光照模型下，對算法不同參數(shù)下的繪制速度進(jìn)行了測試，測試結(jié)果如表1 所示。

表1 繪制速度比較Table 1 Comparison of rendering speeds

從表1 可知，在相同標(biāo)準(zhǔn)步長下，提出的自適應(yīng)采樣GPU 光線投射在繪制速度上略慢，但仍能在高分辨率下達(dá)到了每秒25 幀以上的實(shí)時(shí)交互渲染速度，能夠滿足醫(yī)學(xué)儀器設(shè)備的應(yīng)用需求。同時(shí)，通過調(diào)整標(biāo)準(zhǔn)步長d 和自適應(yīng)系數(shù)α，可以實(shí)現(xiàn)算法在繪制速度和渲染效果之前的平衡，使算法即能獲得清晰的細(xì)微組織和整體輪廓繪制效果，又能保持高效的繪制速度。其中，圖4（a）的渲染效果對應(yīng)的參數(shù)為：d=0.005，α=6，光源個(gè)數(shù)為2 個(gè)，幀頻為每秒27.8幀。

2) 抗DPPH自由基。準(zhǔn)確吸取維生素C和純化液各2 mL(二者濃度均為0.012 mg/mL)分別置于不同試管中，常溫下每個(gè)試管中快速加入2 mL DPPH溶液振蕩搖勻、密封、避光靜止反應(yīng)30 min，在517 nm處測其吸光度A1。3次重復(fù)。以溶解該樣品的溶劑2 mL無水乙醇+2 mL DPPH溶液在相同條件下反應(yīng)得到的溶液作為空白對照，測其吸光度A0，然后計(jì)算清除率。

1）農(nóng)村公共服務(wù)供給制度的變遷。呂新發(fā)［15］討論了中國農(nóng)村基本公共服務(wù)的強(qiáng)制性制度變遷的內(nèi)因和外因以及變遷的趨勢。從中國長期歷史來看，農(nóng)村基本公共服務(wù)供給制度變遷可分為4個(gè)階段：第一階段，古代與近代；第二階段，新中國成立初期到改革開放前的人民公社時(shí)期；第三階段，改革開放到稅費(fèi)改革前的家庭承包責(zé)任制時(shí)期；第四階段，稅費(fèi)改革以后［16］。新中國建立以來，中國農(nóng)村公共服務(wù)供給制度可先后分為計(jì)劃經(jīng)濟(jì)時(shí)期、農(nóng)村經(jīng)濟(jì)改革初期和新農(nóng)村建設(shè) 3 個(gè)時(shí)期［17］。

4 結(jié)論

使用GPU 光線投射算法保證體繪制速度的基礎(chǔ)上，使用空體素跳過和光線提前終止技術(shù)對其進(jìn)行進(jìn)一步加速；結(jié)合心臟體數(shù)據(jù)的特點(diǎn)，應(yīng)用基于統(tǒng)計(jì)策略的傳遞函數(shù)設(shè)計(jì)方法，加大細(xì)微組織結(jié)構(gòu)的不透明度值；采用基于梯度模自適應(yīng)地調(diào)整采樣步長的方法，加大組織邊界的采樣頻率，實(shí)現(xiàn)細(xì)微組織的清晰繪制；應(yīng)用Blinn-Phong 多光源光照模型，增強(qiáng)整體繪制效果。實(shí)驗(yàn)結(jié)果表明，該方法在實(shí)現(xiàn)實(shí)時(shí)繪制的同時(shí)，能夠獲得高質(zhì)量的體繪制效果。在繪制出良好的整體輪廓效果的同時(shí)，能夠繪制出清晰的瓣膜和冠狀動脈血管等心臟細(xì)微組織。

［1］ 許杰.分形參數(shù)理論在動物CT 影像處理中的研究［J］.黑龍江八一農(nóng)墾大學(xué)學(xué)報(bào)，2012，24（5）：73-79.

［2］ 儲璟駿，楊新，高艷.使用GPU 編程的光線投射體繪制算法［J］. 計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)，2007，19（2）：257-262.

［3］ 鄒華，高新波，呂新榮.層次包圍盒與GPU 實(shí)現(xiàn)相結(jié)合的光線投射算法［J］. 計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)，2009，21（2）：172-178.

［4］ 袁斌. 改進(jìn)的均勻數(shù)據(jù)場GPU 光線投射［J］.計(jì)算機(jī)圖象圖形學(xué)報(bào)，2011，16（7）：1269-1275.

［5］ Gai C Q，Wang K Q，Zhang L，et al. Strategy of statisticsbased visualization for segmented 3D cardiac volume data set［A］. Proceedings of the 7th International Conference on Intelligent Computing［C］. Heidelberg：Springer-Verlag，2011.

［6］ Wang K Q，Zhang L，Gai C Q，et al. Illustrative visualization of segmented human cardiac anatomy based on context-preserving model［A］. Proceeding of Computer in Cardiology ［C］. Washington DC：IEEE Computer Society，2011.