得的三维模型导入3D打印机中，进行打印，打印得到所需的含神经纤维束的头部三维实体模型。
[0019]进一步地，S2中所述标示神经纤维束走向，可以通过不同的颜色对神经纤维束走向进行标记。DTI是利用组织中水分子弥散的各向异性来探测组织微观结构的成像方法，将每个体素的3个矢量成分分配为红(X轴)、绿(Y轴)、蓝(Z轴)3种颜色，扩散最大的方向代表纤维束走行的主要方向。
[0020]S5.中，所述对象为所有的头部医学解剖结构和颅内肿瘤。具体地，头部医学解剖结构为血管、脑组织、皮质脊髓束、胼胝体、内囊、扣带回、冠辐射、视神经、及其他颅内组织。
[0021]在对颅内组织结构进行三维重建时，可以同时进行颅骨的三维重建，获得头部各解剖结构的三维几何模型，直观显示各组织的解剖结构，建立整体头颅的三维模型。
[0022]一种由所述方法制备的三维模型在作为医学教学、临床医生培训，临床上手术模拟、手术评估、手术入路设计等中的应用。
[0023]经过本发明所述重建方法重建的三维模型，使医生可以模拟、预测、规划、评估手术设计的步骤，还可以结合3D打印技术将其转化为实体模型，并藉由该模型演练手术过程，设计手术入路，规划手术方案、预估手术过程中可能遇到的问题，降低手术风险性。
[0024]由所述方法制备的三维实体模型可直观看到不同对象的解剖结构，如血管的形态、走形，管径等或者是如肿瘤的大小，形状，侵蚀周围组织的情况，神经纤维束的走形和方向等。
[0025]由所述方法获得的三维模型和制备的三维实体模型，可以清晰显示人头部的解剖结构和肿瘤，以及肿瘤与各组织的位置关系，在医学教学、培训和临床手术应用中，均有优势。
[0026]本发明与现有技术相比，具有以下有益效果:
(I)提供一种方法，实现颅内神经纤维束的三维重建;提供一种基于3D打印技术的制备方法，获得包含神经纤维束的头部三维实体模型。
[0027](2)本发明通过将MRI和DTI进行融合，建立包含颅内神经纤维束的头部三维模型，通过所述三维模型可以清楚地显示神经纤维束的位置、走行和方向，从而对其他颅内疾病与脑白质纤维束的位置关系和相互影响提供直接的三维结构信息，对于指导医生的临床工作具有重要意义。
[0028](3)通过脑肿瘤、血管、脑组织、神经纤维束的三维重建，获得包含脑肿瘤、血管、脑组织和神经纤维束的三维模型，通过所述三维模型显示肿瘤与周围组织的关系，从而为肿瘤切除提供很好的手术指导。
[0029](4)本发明的神经纤维束的三维重建方法简单可行，做完DTI后只需导出JPG格式图片，剩下的只需重建工程师利用Mimics单一软件即可完成。
[0030](5)进一步地，结合3D打印可获得包含颅内神经纤维束、其他疾病信息、头部正常解剖结构等的头部三维实体模型。所述头部三维实体模型，可以提供疾病全信息的三维视角，医学教学上可以提供真实的1:1的实物疾病模型，与尸头相比，3D打印疾病模型更易获得和数量不受限；临床应用上，3D打印模型将看不见的解剖结构和病变变成真实可触摸的实物，将二维的影像图片变成三维的实物，从而有助于医生更直观地进行术前规划，手术方案设计，手术入路设计，手术模拟等，达到精准手术，降低手术风险，具有很好的临床应用价值。避免了因常规临床对疾病的认识都是二维的，需要医生把病人的各种症状、影像检查结果综合在一起，医生根据自己的医学背景如熟练的解剖知识在自己脑海里构建疾病模型，从而使得每个医生构建的模型都可能有差异，且可能会遗漏某些信息。
【附图说明】
[0031]图1为本发明所述基于DTI的脑肿瘤和脑白质纤维束的三维影像重建方法和基于3D打印技术的包括神经纤维束的头部三维实体模型的制备方法的示意图。
[0032]图2为本发明重建后的包含神经纤维束、颅骨、脑肿瘤及血管三维模型。
[0033]图3为依据图2的三维模型进行3D打印获得的三维实体模型。
【具体实施方式】
[0034]下面结合附图对发明做进一步的描述，但本发明的实施方式并不限于此。
[0035]本实施例针对有脑部肿瘤的病人进行试验，通过三维重建和3D打印获得包含神经纤维束、颅骨、脑肿瘤及血管的三维模型以及相应的三维实体模型。
[0036]参见附图1，一种基于3D打印技术的包括神经纤维束的头部三维实体模型的制备方法，包括以下步骤:
S1:使用磁共振扫描对脑肿瘤病人的头部病灶部位及相关神经纤维束区域进行扫描，获得头部相关组织的MRI影像数据，其MRI影像数据保存为DICOM格式；
S2:对获得的MRI影像进行DTI处理，包括弥散张量计算以及FA，ADC等扩散指标的计算；对于FA>0.2进行全脑体素纤维跟踪及可视化，并分别标示出神经纤维束走向，将标示好神经纤维束走向的图像投射回到MRI影像上从而获得带有可识别的神经纤维的MRI图像；
目前标准的影像数据保存格式为DICOM格式，但是由于将DTI处理后投射回MRI影像上，获得的带有可识别的神经纤维束的MRI图像，其影像数据发生改变，使得在DICOM格式中几乎所有参数信息变为不可见或无法识别，无法采用该DICOM格式数据进行三维重建，因此将带有可识别的神经纤维束的MRI图像导出为JPG格式。
[0037]S3:将所述带有可识别的神经纤维的JPG格式的MRI图像导入到mimics软件中，并推算所述带有可识别的神经纤维束的MRI图像的X、Y、Z轴信息，然后将推算结果输入mimics软件中进行三维重建，获得颅内神经纤维束的三维模型。
[0038]在mimics重建软件中，对于图像信息的获取，需要输入X、Y、Z轴的值。因此，进行神经纤维束的三维重建需要推算所述带有可识别的神经纤维束的MRI图像的Χ、Υ、Ζ轴信息，其推算过程包括:
根据公式
(1)P=S/M
(2)T=P*D
其中P表示影像的像素，S表示影像的视野，M表示影像矩阵，T表示体素，D表示层厚，其中矩阵M中包含rows、Co Iumns信息；
步骤SI中，头部的MRI影像数据中，包含矩阵M的rows、columns和像素P的信息；
步骤S2中，将标示好的神经纤维图像投射回到MRI获得的带有可识别的神经纤维束的MRI图像中，包含新的矩阵M的rows、columns信息。由于DTI是在原来基本的MRI影像数据基础上做的，视野不变，当矩阵变大，则图像对物体空间大小的辨别能力会变高，图像的像素变小；同理，当矩阵变小，则空间分辨率就会变低，像素增大。因此，与步骤SI中的MRI图像相比，其矩阵M发生改变，像素P也随着发生改变，视野S不变，则根据公式(I)计算改变后的像素P值。
[0039]假设步骤SI中，矩阵M的rows、columns值如下:
1.rows=256,columns=256,P=0.859375；
2.rows=512,columns=512，P=0.4296875；
而步骤S2中，矩阵M的rows、columns值如下:1.rows=1024，columns=1024;
由于进行DTI处理前后影像的视野保持不变，则根据公式(I)可以推出步骤S2中像素P的值，P=0.21484375;
X、Y可以用改变后的像素P的值来表示，Z代表图像的断层与断层之间的距离，可以用层厚D的值来表示，层厚D在做DTI前后并没有改变，可以通过步骤SI中获得的MRI影像数据获得，于是得到Χ、Υ、Ζ轴的信息。
[0040]采用mimics软件进行三维重建的过程包括:
(1)将推算的X、Y、Z轴的值输入到mimics软件中，将图片数据进行转换，并标示好图片的上、下、左、右位置信息；
(2)采用mimics中的Thresholding工具提取神经纤维的信息，通过像素灰度值范围来定义提取对象；
(3)区域增长:mimics软件根据选择的像素范围进行计算，将相连的像素形成一体；
(4)三维模型形成:mimics软件中的mask根据区域增长的像素，Calcula