医学成像技术的迅猛发展，为现代医学的临床诊断和治疗提供了相当丰富的信息。借助计算机技术对医学数据进行处理与分析越来越多地受到人们的重视。在医学影像数据的各个研究分支中，可视化无疑是非常重要的一个领域。自20世纪90年代起，一直是国内外研究与应用的热点。 医学影像数据可视化的研究内容涉及数字图像处理、计算机图形学、计算机视觉以及医学等，是一个多学科交叉的研究领域，也是计算机图形学和图像处理在生物医学工程中的重要应用，其成果对于临床诊断、手术虚拟规划及模拟仿真、外科整形、假肢设计和制造、放射治疗规划、解剖教学等方面都将起到重要的推动作用，其实际应用的意义远远超出医学范畴。 现有的医学影像数据可视化技术可分为两大类：面绘制和体绘制。面绘制以传统的计算机图形学为基础，通过阈值方法由三维数据场构造中间几何图元并生成最终图像；而体绘制无需提取中间几何图元，而是根据光线传输方程，直接将原始的三维医学数据映射到二维的投影平面上产生最终绘制结果。目前这两种可视化方法都得到了广泛的应用，并且一直是医学影像数据可视化技术研究的热点问题。 Marching Cubes方法是目前应用最为广泛的面绘制方法之一，自1987年Lorensen等提出该算法以来，科学计算可视化的很多工作都以该算法为基础。此外，大量研究工作对Marching Cubes算法本身进行了有效的探讨，对该算法进行完善或提高其运算效率。对于二义性问题的研究，自始至终贯穿着MC方法的发展和完善过程。最初，众多学者的注意力主要集中在面二义性问题上，目的是提取正确的边界多边形。然而，边界多边形是等值面与体素边界的交，不同的三线性插值曲面与体素相交可产生相同或相似的边界多边形，从而导致体二义性的存在。 在面二义性问题的众多解决方法中，应用最为广泛的是经典的AsymptoticDecider方法。采用Asymptotic Decider方法可正确解决面二义性问题，生成正确的边界多边形且不会产生太多的三角片。但是，在运用该方法构造等值面时，如