3分钟上手！Rerun医学3D重建：CT扫描数据体素化可视化全流程

你还在为医学影像3D可视化流程复杂而烦恼？还在为CT数据体素化配置耗费数小时？本文将带你用Rerun实现CT扫描数据的体素化可视化，3步完成专业级医学影像重建。读完本文你将掌握：Rerun医学数据可视化全流程、体素化参数调优技巧、3D交互分析方法，以及如何将DICOM格式的CT数据转化为直观的3D体素模型。

环境准备：5分钟搭建Rerun开发环境

安装Rerun SDK

首先确保你的Python环境已配置，通过以下命令安装最新版Rerun SDK：

pip install --upgrade rerun-sdk

详细安装指南可参考官方文档。

获取CT扫描示例项目

克隆项目仓库并进入DICOM示例目录：

git clone https://gitcode.com/GitHub_Trending/re/rerun.git
cd rerun/examples/python/dicom_mri

该目录包含完整的医学影像处理代码，核心实现文件为dicom_mri.py。

数据处理：从DICOM文件到体素矩阵

DICOM数据加载

医学影像常用DICOM（数字成像和通信）格式存储。Rerun提供的示例代码可自动下载并解析DICOM数据集：

def ensure_dataset_downloaded():
    dicom_files = list(list_dicom_files(DATASET_DIR))
    if not dicom_files:
        print("下载示例CT数据集...")
        os.makedirs(DATASET_DIR, exist_ok=True)
        resp = requests.get(DATASET_URL, stream=True)
        with zipfile.ZipFile(io.BytesIO(resp.content)) as z:
            z.extractall(DATASET_DIR)
    return dicom_files

这段代码会将CT扫描数据下载到本地dataset目录，包含512×512×512个体素的三维数据。

体素矩阵提取

通过dicom_numpy库将DICOM切片组合为三维体素矩阵：

def extract_voxel_data(dicom_files):
    slices = [dicom.read_file(f) for f in dicom_files]
    voxel_ndarray, ijk_to_xyz = dicom_numpy.combine_slices(slices)
    return voxel_ndarray.astype(np.uint16), ijk_to_xyz

转换后的体素矩阵形状为(512,512,512)，每个元素代表对应位置的CT值（Hounsfield单位）。

体素化配置：参数优化实现清晰3D成像

核心参数说明

Rerun的Tensor类型支持灵活的维度命名和数据类型设置，关键参数如下表：

参数名	说明	医学影像推荐值
dim_names	定义三维坐标轴含义	["right", "back", "up"]
data_type	体素数据存储类型	uint16（适合CT值范围）
coordinate_system	坐标系定义	medical（医学标准坐标系）

体素化代码实现

仅需一行代码即可完成CT数据的体素化记录：

rr.log("ct_scan", rr.Tensor(voxels_volume_u16, dim_names=["right", "back", "up"]))

这段代码将体素矩阵记录到"ct_scan"实体路径，Rerun Viewer会自动识别为三维体素模型。

3D可视化：交互式CT体素模型分析

启动Rerun Viewer

运行示例代码启动可视化界面：

python dicom_mri.py

程序会自动打开Rerun Viewer，展示CT扫描数据的3D体素模型。你可以通过鼠标拖拽旋转视角，滚轮缩放，按住Shift键平移模型。

高级可视化设置

在Viewer右侧的Blueprint面板中，你可以调整以下参数优化显示效果：

• 颜色映射：选择"viridis"或"grayscale"配色方案
• 阈值过滤：设置HU值范围（如-1000到400显示软组织）
• 切片平面：添加正交切片查看内部结构
• 透明度：调整体素透明度观察内部细节

案例应用：医学影像分析实战

肿瘤定位分析

通过调整阈值和透明度，可清晰显示肺部结节或肿瘤位置。在Viewer中创建多个视图窗口，同时观察轴向、矢状面和冠状面切片，精确定位病变区域。

手术规划辅助

利用Rerun的测量工具可直接在3D模型上测量肿瘤大小、距离等关键参数。将鼠标悬停在感兴趣区域，状态栏会显示当前体素的坐标和CT值，帮助医生制定手术方案。

图：Rerun Viewer显示的CT扫描体素化模型，可清晰观察骨骼和软组织结构

总结与进阶

本文展示的CT体素化流程同样适用于MRI、PET等其他医学影像模态。Rerun的Tensor组件支持任意维度的科学数据可视化，配合TextDocument可同时记录患者信息等元数据。

进阶学习推荐：

• 探索体素化参数配置
• 尝试自定义颜色映射方案
• 学习如何将Rerun集成到医院PACS系统

点赞收藏本文，关注Rerun项目获取更多医学可视化案例！下期我们将介绍如何使用Rerun进行动态器官运动分析，敬请期待。

提示：示例项目中包含测试用的CT扫描RRD文件，可通过rerun ./tests/assets/rrd/examples/dicom_mri.rrd直接查看预渲染结果。