《中国组织工程研究与临床康复》杂志2009年第13卷第48期发表了四川大学电气信息学院王志巧等作者的“基于ITK和VTK方法的超声血管图像三维重建”一文，其目的是利用ITK、VTK和改进的Herman插值法，证明超声血管图像可以获得很好的重建效果。

1.实验过程中的操作方法：
1.1提取ROI区域：图像的三维重建是非常耗时的过程，作者考虑在开始就对图像进行ROI提取，将显著减少运算量。本实验的程序基于MFC库，利用捕捉鼠标左键的点击来确定矩形区域，只提取出矩形区域内的图像信息用来下一步处理。
1.2二维图像平滑与分割：由于超声图像噪声干扰明显，需进行平滑处理。ITK中提供了很多平滑算法，本实验中采用Curvature Anisotropic Diffusion算法。图像平滑容易引起边界的模糊，从而改变医学图像中解剖结构的细微部分。但是Curvature Anisotropic Diffusion算法能很好的保持图片结构的细节。分割算法采用的是ITK自带的Shape Detection Segmentation方法，Shape Detection Segmentation可以较好保持解剖结构的完整。
1.3插值：本实验采用基于Herman等提出的轮廓加权平均方法实验轮廓插值，并作出一些改进。Herman方法是在两个相邻断层图像上抽取轮廓，分别得到两个二值图像，其中“1”象素代表轮廓点。对这两幅二值图像进行距离变换，分别得到两个距离图像  。与正规距离变换不同的是：对于轮廓内的点，它的值是它到轮廓上最近一点距离的负值；而对于轮廓外的点，它的值是它到轮廓上最近一点距离的正值。 
1.4三维重建：本实验利用VTK提供的vtkImageMarchingCubes类实现面绘制。vtkImageMarchingCubes 类封装了Marching Cubes算法。Marching Cubes算法是非常经典的体素级重建方法，它对体数据中的体素逐个进行处理。对于每个被处理的体素，以三角片逼近其内部的等值面片。每个体素是一个小立方体，构造三角片的处理过程对每个体素扫描一遍，就好像有一个处理器在这些体素上移动一样，故得名Marching Cubes(移动立方体法)。

2.作者认为：
    目前，已有许多成熟的算法用于从二维切片数据到三维计算机图像的重建，基本上可以满足医学图像三维可视化的要求。但是，这些算法生成的结果数据一般都是象素点、表面多边形等图形学绘制元素，在仿真计算时还需要通过提取这些绘制元素中的几何信息来获得仿真模型的几何信息。不仅如此，由于三维重建往往生成大量绘制元素，这些绘制元素不仅在数量上超过了一般高速仿真计算设备的处理能力，而且在形态上也难以全部满足仿真计算时对计算区域的离散化要求，因此对重建出的模型进行适当简化与调整是仿真计算时的一个必不可少的步骤。

3.提供实验操作者可借鉴的意义：
    ITK主要用于图像的预处理，分割以及配准，而VTK主要用于可视化，故图像的三维重建需要两者结合使用。而由于超声图像固有的Speckle噪声及超声图像的模糊特性，使得超声图像的三维重建更加困难。作者利用先提取ROI以及改进Herman插值算法，并结合ITK，VTK开发包，提供了友好的图形用户界面，能有效完成切片图像的预处理、分割、重建、完成了静脉血管超声图像的三维重建，并以此为例，说明了超声图像重建的过程，为计算机辅助诊断提供了参考。

更多方法请见《中国组织工程研究与临床康复》杂志2009年第13卷第48期9476-9478页。