李 萌，秦品乐，曾建潮*，李俊伯

（1.山西省医学影像与数据分析工程研究中心（中北大学），太原 030051；2.中北大学大数据学院，太原 030051；3.山西省医学影像人工智能工程技术研究中心（中北大学），太原 030051）

0 引言

在现代医学领域中，计算机断层扫描（Computed Tomography，CT）［1］、磁共振成像（Magnetic Resonance Imaging，MRI）［2］和其他医学成像技术得到了广泛应用。通过可视化显示人体组织或器官的重建技术，可以将医学成像系统获得的一系列完整的二维数据聚合为三维体数据。为了提供必要的人体视觉信息，需要获取高分辨率、高对比度的医学图像。对于MRI，获取高分辨率图像需要很长时间。因此，为了减少因患者身体位移所造成的误差，降低内存成本，通常只存储必要数量的切片，所以大多数医学成像是各向异性的，切片内的分辨率高，切片间的分辨率低。在这些设备获得的三维体积数据中，切片之间的间距比其相邻像素之间的间距要大得多，包含阶梯状边缘、不连续表面、间断细节和其他现象。所以这些不完整的数据具有较低的诊断意义。

医学数据插值的早期工作可以追溯到1992 年，Goshtasby等［3］提出利用连续切片之间的小且渐进的解剖学差异，并通过搜索小邻域来找到像素之间的对应关系。传统的切片插值方法有两类：基于强度的方法和基于变形的方法。线性和三次样条插值方法是基于强度的方法的经典示例，它们直接根据相邻切片的强度执行插值。在后面的研究，研究者们提出了以寻找更精确的变形场为重点的许多方法，包括基于形状的方法［4］、基于形态学的方法［5］和基于配准的方法［6］等。……