三维重建
Parent: ai_keywords
三维重建（3D Reconstruction）
核心定义
三维重建指从二维图像、传感器数据或医学影像（如CT、MRI）中，通过算法恢复物体或场景的几何形状、空间位置及表面属性的计算过程。在AI与临床医学交叉领域，它实现了将人体解剖结构从“切片”向“立体”的数字化转化，是精准诊断、手术规划与神经科学研究的基础工具。
关键技术点
- 多视角几何重建：基于多个视角的二维图像（如立体相机、DSA），利用特征匹配与三角测量原理计算三维点云。在神经介入中，常用于脑血管三维旋转造影。
- 深度学习重建：以NeRF（神经辐射场）为代表，利用神经网络隐式学习场景的连续体积密度与颜色，从稀疏二维视图生成高保真三维模型，尤其适合软组织（如脑皮质）精细重建。
- 医学影像体素重建：从CT/MRI的DICOM序列出发，通过分割、阈值、边缘检测等算法生成表面网格（如Marching Cubes算法）。在神经科学中，常结合FreeSurfer等工具提取皮层厚度、脑沟回形态。
- SLAM（同步定位与地图构建）重建：应用于术中导航或内窥镜手术，实时融合深度传感器与视觉信息，动态重建手术野的三维环境，辅助电极植入或肿瘤切除。
医学/神经科学应用场景：脑卒中后运动皮层功能重组的三维重建分析
基于首都医科大学宣武医院与北京脑重大疾病研究院的协作背景，研究团队利用高分辨率7T MRI对缺血性脑卒中患者进行三维重建。首先，通过T1加权序列与弥散张量成像（DTI）重建患者双侧运动皮质的灰质表面及深部白质纤维束（如皮质脊髓束），然后融合静息态功能MRI（rs-fMRI）的血氧水平依赖（BOLD）信号，在三维空间中映射病灶周围与对侧半球的激活簇。该多模态三维重建模型可量化皮质-皮质下通路的结构损伤度与功能代偿强度，术前协助神经外科医生评估运动区致痫灶切除的入路风险，术后动态追踪康复期语言/运动网络的可塑性变化，为个体化神经调控（如经颅磁刺激靶点定位）提供立体解剖依据。
