(سیارک) توموگرافی (مقطع نگاری) رایانه‌ای (سی تی اسکن؛ فاقد کنتراست (unenhanced)، به دنبال آزمایشات کنتراست بالا) سنگ بنای تصویربرداری از تومورهای غدد فوق کلیوی یا آدرنال است. مقادیر کمتر از 10 واحدِ هاوسفیلد (Hounsfield) در یک سی تی اسکن ِ فاقد کنتراست عملا برای تشخیص آدنوم‌ (adenoma) مناسب است. اگر ضایعات توسط سی تی اسکن به خوبی تشخیص داده نشود، ارزیابی تصویربرداری رزونانس مغناطیسی (MRI) (با دنباله های وزن دهیِ -T1 و -T2 ، جابجایی شیمیایی و پروسه حذف و سرکوب چربی‌ها) به کار می‌رود.

تصویر برداری پزشکی هسته ای کاربردی، برای ضایعاتی از غدد فوق کلیوی یا آدرنال مناسب است که پیش‌تر توسط سی‌تی‌اسکن و ام‌آر‌آی تشخیص داده نشده‌اند. اسکن سینتی‌گرافی (Scintigraphy) با یدومتیل نورکلسترول (یک آنالوگِ کلسترول نشاندار شده) می تواند آدنوم قشری ِ غدد فوق کلیوی یا آدرنال را از کارسینوم ها (آماس های سرطانی) تفکیک کند. فئوکروموسیتوم (Pheochromocytomas) در نواحی که جذب غیرعادی یا بالایی از متا – یدوبنزیل‌گوانیدین ( یک آنالوگ نور غدد فوق کلیوی یا آدرنال ین نشاندار شده) دارند، مشاهده می‌شود. نقش مفید و اختصاصی تصویربرداری از غدد فوق کلیوی یا آدرنال شامل تشخیص تومورها، ارزیابی اندازه حقیقی تومور، تفکیک ادنوم ها از کارسینوم ها و متازتاز ها ، و تفکیکِ ضایعاتِ بیش فعال از ضایعات منفعل است. تصویربرداری غدد فوق کلیوی یا آدرنال به ارزیابی هورمونی و کلینیکی تومورهای ادرنال کمک کرده و آن را تکمیل می‌نماید.ترجمه  itrans.ir 

(سیارک) امروزه ترمیم سه بعدی و مدل‌سازی کامپیوتری به عنوان یک ابزار قوی برای مطالعه‌ي ساختارهای عروقی،‌ شناخته می‌شود. روش محاسباتی، همچنین سخت‌افزار کامپیوتری برای این امر، بر اساس اطلاعات مورد نظر انتخاب می شود. برای مدل‌سازی هندسه‌‌ي سطح،‌ همچنین در مورد دریچه‌ي آئورت، یک روش شکل‌گیری سطحی نسبت به روشِ دشوار پردازش حجمی ، مطلوب‌تر است. با این وجود شکل‌گیری سطحی خودکار ، تصاویر با کیفیت خوب و کنتراست بالا نیاز دارد.

مطالعه‌ي ساختارهای عروقی پیچیده، مانند انشعابات شریانی ، دریچه‌های کاردیا ، دریچه‌های مصنوعیِ زیستی می‌تواند تا حد زیادی با ساختِ مدل‌های سه بعدی، آسان می شود. توصیه شده است که دوام دریچه‌های کاردیا تنها به خواص ماده بستگی ندارد، و به هندسه طراحی تجهیزات نیز بستگی دارد. برای این نوع تحقیق، به کارگیری مدل‌های ساختاری، محقق را قادر می‌سازد تا روابط سه بعدی پیچیده را تجسم نماید، هندسه‌های سه بعدی و حجم‌ها را اندازه‌گیری کند و آنالیز (یا تحلیل) کمّی‌ای انجام دهد  که با روش دو بعدی رایج و مقطع‌زنی جزء به جزء بسیار دشوار خواهد بود . همچنین آنالیز المان محدود (یا متناهی) در تحقیق زیست-پزشکی برای تجسم الگوی جریان خون ‌یا محاسبه‌ي ساختاری تغییر شکل‌‌‌ها در پاسخ به تنش  به کار رفته است. برای این کاربردها،‌ مدل‌سازی سه بعدی می‌تواند اطلاعات مورد نیاز برای ساخت یک شبکه‌ي المان محدودِ دقیق را فراهم کند.
تصویربرداری سه بعدی به ویژه در میکروسکوپ روبشی الکترونی (SEM ) و میکروسکوپ هم‌کانون و در پزشکی برای تجسم اندام‌های داخلی، پاتولوژی و ساختارهای اسکلتی، مفید واقع شده است. با نرم‌افزار مناسب، جراحان حتی می‌توانند رَویه‌های دشوار جراحی را به کلی بر اساس مدل سه بعدی، طرح‌ريزى و اجرا کنند . بنابراین روش‌های مختلف برای تولید مدل‌های سه بعدی از تصاویر جز‌ء به جز‌ء دو بعدی گوناگون، توسعه یافته است. این روش‌ها می‌توانند در دو دسته‌ي وسیع، گروه‌بندی شوند: پردازش حجمی، شکل‌گیری سطحی. در پردازش حجمی، مجموعه‌های پیکسل‌های حجمی از تصاویر دو بعدی گوناگون سرِ هم می شوند. لبه‌ها با آستانه‌ی حجمی یا روش‌های نشر‌ اشعه شناسایی می‌شوند و سپس با استفاده از سایه‌ زنی مناسب و الگوریتم‌های پردازش سطحی، ‌نمایش داده می‌شود. معمولاً این روش‌ها برای تجسم اشیاء ترمیم شده از تصاویر حاصل از تصویربرداری رزونانس مغناطیسی (MRI ) یا توموگرافی محوری کامپیوتری ( CAT) توسعه یافته‌اند. روش‌های پردازش حجمی، این مزیت را دارد که تمامی اطلاعات تصویر اصلی در حجم‌های سه بعدی ترمیم شده را حفظ می‌نماید. با روش دوم، شکل‌گیری سطحی، تصاویر جز‌ء به جز‌ء در مرحله‌ی اول به یک مجموعه از نقاط کاهش می‌یابند که منحنی‌های ترسیم کننده‌ی اشیاء را توصیف می‌کنند و سپس با المان‌های (یا عناصر) مثلثی یا تکه‌های سطحی مشتق شده از چند قطعه‌اى مکعبی پوشانده می‌شوند. مگر اینکه روش‌های دقیق‌تر برای حفظ این، به کار گرفته شوند،‌ اطلاعات حجمی استفاده نمی‌شود.
اگرچه پردازش حجمی و نمایش سه بعدی امروزه نسبتاً آسان است،‌ به دست آوردن اطلاعات و پردازش آن، خود می‌تواند اثر تصنعى خاصی ایجاد کند. به دلیل پاسخ کُویل سطحیِ غیریکنواخت، برای مثال، تصاویر رزونانس مغناطیسی اغلب یک توزیع شدت نامنظم ارائه می‌کنند که می‌تواند بر اساس آستانه‌ی حجمی کاملاً دشوار، شدت پیکسل ایجاد کند . ضخامت برش نسبتاً زیادِ تصاویر CAT و MRI می‌تواند همچنین اثرات متوسط حجمی‌ای تولید کند که شدت پیکسل را کاهش دهد و باعث فرسایش ساختار در طی آستانه‌ی حجمی شود . بعلاوه، روش‌های آستانه‌ی حجمی و نشر اشعه اغلب خارج از اشیا‌‌ء مورد نظر، ساختارهای مصنوعی تولید می‌کنند . اگر گروه‌های پیکسل‌های خارج از شیء اصلی میزان خاکستریِ یکسانی مشابه با آن نواحی درون شیء دارند، آن‌ها در حین پردازش به آستانه نرسیده‌اند و همراه با شیء مورد نظر نشان داده می‌شوند. اگرچه آستانه‌رسانی بادقت به کمک-کاربر می‌تواند چنین اثرات مصنوعی‌ای را حداقل کند، آنالیز قطعه‌بندی اضافی یا آزمایش اتصال می‌تواند برای حذف کامل این اثرات،‌ الزامی باشد . مشکل دیگر مرتبط با مجموعه‌های داده‌ي پیکسل حجمی، سایز (یا اندازه‌ی) زیاد آن‌ها می‌باشد. برای مثال،‌ یک مجموعه از دویست تصویر 512 * 512 هشت بیت پیکسلی، تا 52 مگابایت از حافظه، مجموعه داده‌ی بزرگ بازدارنده‌ برای نمایش تعاملی، را اشغال می‌کند. به این دلایل تصاویر پزشکی، ‌اغلب به 10 برش، با وضوح 256 * 256 پیکسل، محدود می‌شوند. اگرچه این امر، مجموعه‌های داده را تا سایز چندین مگابایت کاهش می‌دهد، تعداد زیادی از پیکسل‌های حجمی همچنان باید برای پردازش حجمی، تهیه (یا پردازش) شوند. در نتیجه تولید تصاویر سه بعدی از چنین داده‌‌ای همچنان کاملا‍ً آهسته می‌باشد  و بنابراین عملکرد زمان واقعی فقط با سخت‌افزار بسیار پیچیده و گران‌قیمت امکان‌پذیر است .
در برخی کاربردها،‌ پردازش حجمی نمی‌تواند تضمین شود. در عوض،‌ شکل‌گیری سطحی با مجموعه‌های داده ذاتاً فشرده‌ی آن، می‌تواند اطلاعات یکسانی با عملکرد گرافیکی بهتر فراهم کند. برای ساختارهای زیستی که سطوح خوب تعریف شده‌ای دارند، مانند شریان‌ها یا دریچه‌های قلب، مفید است که مجموعه‌های پیکسل حجمی سه بعدی به فهرست‌های نقطه‌ای که فقط سطح شیء مورد نظر را توصیف می‌کند، کاهش یابند . مجموعه‌های داده، دسته‌هایی از دامنه با سایز کوچکتر می‌باشند که صحت (یا کیفیت) قابل مقایسه در بازتولید دقیق هندسه را نشان می‌دهند و می‌تواند در دورنمای سه بعدی بسیار سریعتر نمایش داده شوند زیرا تنها رئوس سطحی لازم است پردازش شوند. با این روش،‌ به کارگیری زمان واقعی، حتی با سخت‌افزار نسبتاً ارزان، ممکن می‌شود.‌ با این وجود این روش به منظور انتخاب نقاط داده‌ی مناسب از منحنی‌های سطحی، نیاز به پیش‌پردازش تصاویر دارد. کاهش تصویر می‌تواند به صورت دستی با یک ابزار دیجیتالی نمودن، یا به صورت اتوماتیک با الگوریتم‌های شناسایی لبه یا یابنده‌ي منحنی، انجام شود. به دلیل اینکه این فهرست‌های نقطه محاسبه شده‌اند،‌ آنها چندضلعی‌های مورد استفاده برای نوسان کردن ساختار سه بعدی را تعریف می‌نمایند. یک مزیت دیگر این روش این است که مختصات استخراج شده می‌تواند مجدداً پردازش شود و برای ترمیم یک شبکه (یا مِشِ) المان ریز، به کار رود.این مقاله ادامه دارد......ترجمه  itrans.ir