（信号与信息处理专业论文）mr脊柱图像的曲面重建研究.pdf

学位论文版权使用授权书 本学位论文作者完全了解北京交通大学有关保留、使用学位论文的规定。特 授权北京交通大学可以将学位论文的全部或部分内容编入有关数据库进行检索， 提供阅览服务，并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。 同意学校向国家有关部门或机构送交论文的复印件和磁盘。 ( 保密的学位论文在解密后适用本授权说明) 学位论文作者签名：羡戈隶 签字同期：细d 年6 j l2 调 导师签名： 矽纠争 签字同期：如，护年歹月z 调 ，r ， i1 中图分类号：t n 9 1 1 u d c ： 学校代码：1 0 0 0 4 密级：公开 北京交通大学 作者姓名：吴文东 导师姓名：孙冬梅 学位类别：工学 硕士学位论文 m r 脊柱图像的曲面重建研究 c p rf o rm r s p i n ei m a g e s 学号：0 8 1 2 0 4 3 4 职称：教授 学位级别：硕士 学科专业：信号与信息处理研究方向：医学图像处理 北京交通大学 2 0 1 0 年6 月 致谢 本论文的工作是在我的导师孙冬梅教授的悉心指导下完成的，孙冬梅教授严 谨的治学态度和科学的工作方法给了我极大的帮助和影响。在此衷心感谢两年来 孙冬梅老师对我的关心和指导。 同时，我得到了裘正定教授和丁晓明教授在实验室科研工作中悉心的指导， 在学习上给予了我很大的关心和帮助，在此向裘老师和丁老师表示衷心的谢意。 在实验室工作及撰写论文期间，查艳丽、张苏萍、远财贸同学对我论文中的 算法研究以及系统实现工作给予了热情帮助，在此向他们表达我的感激之情。 感谢美国辛辛那提大学医学院提供的医学图像数据库。 另外也感谢我的家人和一直陪伴着我的好朋友，他们的鼓励和支持使我能够 在学校专心完成我的学业。 中文摘要 摘要：医学图像处理是利用图像视觉的处理方法辅助临床诊断的一个重要技术， 因此，近年来逐渐成为研究热点。对于脊柱核磁共振图像曲面重建的研究，其至 关重要的临床价值体现在计算机辅助信息的识别和脊柱病理学的临床研究。如果 脊柱没有被正确地定位和曲面重建，那么所谓的用计算机描述的临床价值将受到 局限。传统的对于整个脊椎的定位的耗时将让人很难接受。因此计算机自动定位 分割椎问盘对于辅助诊断具有重要的临床应用价值。 本文对整个脊柱核磁共振图像进行定量分析，通过将原有的矢状面图像重建 到冠状面和合成w a t e r 、f a t 图像两种定位方法，准确有效地消除了脊柱侧弯对定位 的影响。在定位的基础上拟合脊柱中心线并建立测点集，应用m c 算法输出三角 网格模型，重建出脊柱中心曲面。利用美国辛辛那提大学医学院提供的核磁共振 脊柱图像数据库进行实验，证明了上述算法准确有效。 关键词：核磁；脊柱；m c ；矢状面；冠状面；曲面重建 分类号：t n 9 1 1 c l a s s n 0 ：t n 9 1 1 、，l l 1 4 2 论文安排1o 2基于冠状面重建的椎间盘定位算法1 3 2 1问题提出及算法主要思想l3 2 2图像预处理1 4 2 2 1 传统预处理方法一1 4 2 2 2 形态学预处理一1 6 2 2 3实验结果分析19 2 3椎间盘定位算法2 0 2 3 1实验数据一2 0 2 3 2 算法实现2 1 2 3 3实验结果分析。2 4 3 基于f a t 和w a t e r 图像的定位分析3 3 3 1 核磁矢状面的f a t 图像和w a t e r 图像3 3 3 2 霍夫变换原理一3 3 3 3算法基本思路3 5 3 4 算法小结4 4 4 基于m c 算法的脊柱曲面重建。4 7 、 一 4 1m c 算法原理4 7 4 2算法基本思路4 9 4 2 1组建测点集4 9 4 2 2应用m c 算法进行曲面重建5 2 4 2 3实验结果。5 4 4 3若干问题的讨论5 6 5总结与展望5 9 5 1全文工作总结5 9 5 2 展望一5 9 参考文献6 3 作者简历6 7 攻读硕士期间发表论文6 9 独创性声明7 1 学位论文数据集7 3 核磁成像在脊柱疾病的诊断、治疗中发挥着重要作用。在我国4 0 岁的人群中， 4 0 的人脊柱有不同程度的病变。同时，另一个统计发现，我国儿童脊柱侧弯症 的发病率高达2 0 。在美国，超过1 4 的职业病是腰部疼痛问题；美国每年仅脊柱 腰段手术的病例就超过2 5 万例，为此耗资6 0 亿美元乜1 。由此可见脊柱方面疾病已 经成为困扰人类健康的一大问题。文献口1 中提到，“对于椎间盘的退化的成像在核 磁共振图像中比其他形式的成像中有更好的效果”。m r i 脊柱图像对脊柱和椎管内 病变有重要的诊断意义，如椎管肿瘤、脊柱炎症病变、椎间盘突出、椎间盘退化 性错位、脊柱侧弯、脊柱侧凸、脊柱先天畸形、退行性病变、脊柱外伤与手术后 改变等，而这些症状是在6 0 8 0 9 6 成年人中的常见病h 1 。 脊椎骨的退化性错位是导致大多数异常排列、椎间盘退化以及脊髓的狭窄的 损伤和残疾的原因，而通过脊柱核磁共振图像可以查看这些疾病问题。并且核磁 共振图像也能用于研究脊柱的运动，从而可以诊断潜在的导致背部疼痛的原因。 同时，也可以应用于评估脊柱外科手术后病人的治疗和恢复情况。本课题通过对 磁共振脊柱图像椎间盘定位和曲面重建来帮助医生对患者的病情有更深入的了 解，以便做出更合理的诊断。 1 2m r 脊柱成像 1 2 1医学成像的特点及分类 医学影像是一个新的研究领域，由于它自身的特点，应用传统的基于光强度 的光学图像的研究方法来处理不能满足医学和临床需求。因此，必须提出新的、 有针对性的理论和方法来进行研究。另外，医学影像的处理还需要多领域的知识， 所以该学科的研究需要结合医学专家的指导。从这个意义上讲，该领域的研究涉 及人机结合的问题，如何使得医学领域的专家与计算机有机的结合起来也是其特 色问题。 医学影像处理涉及的研究内容包括：医学影像数据的获取、医学图像分割、 医学图像配准、三维可视化、虚拟现实技术、d i c o m 数据通信技术、p a c s 系统和 图像引导手术等畸】。 与普通图像比较，医学图像本质上具有模糊性和不均匀的特点： ( 1 ) 医学图像具有灰度上的含糊性。由于技术上的原因带来的噪声信号往往 模糊了物体边缘的高频信号，以及由于人体内部组织的蠕动等生理现象造成了图 像在一定程度上的模糊效应。 ( 2 ) 局部效应。在一个边界上的体素中，常常同时包含边界和物体两种物质； 图像中物体的边缘、拐角及区域间的关系都难以精确地描述；一些病变组织由于 侵袭周围组织，其边缘无法明确界定。 ( 3 ) 不确定性知识。通常，在病变情况下往往出现正常组织或部位没有的结 构，如脏器表面的肿物，骨骼表面的骨刺，它的出现给建造模型带来了困难。 为解决医学图像这些弱点给我们带来的应用困难，准确地分辨医学图像中的 正常组织结构和异常病变，需要对医学图像进行定位、分割，用三维数据场重建 出能准确反映人体某区域信息的具有直观立体效果的三维图像。重建成的三维图 像可以使医生能够更充分地了解病灶的性质及其周围组织的三维结构关系，从而 帮助医生做出准确的诊断和制定正确的治疗方案。 1 2 2磁共振成像 核磁共振是在外加磁场的作用下，正在旋进的某些原子核发出一定频率的电 磁波，如果用适当的射频电流从与主磁场相垂直的方向上对旋进的原子进行激励， 则其旋进角度增大；如果撤除激励电源，原子则要逐渐回到原始状态，并发射出 与激励信号频率相同的信号，这一现象称为核磁共振，简称n m r 。利用这种原理得 到的影像，称为核磁共振图像，这种成像技术称为核磁共振成像。目前，磁共振 成像技术在医学诊断中具有非常重要的地位。 影响磁共振成像质量的因素有很多。图像空间分辨率、图像对比度、图像的 信噪比及检查条件等均可影响图像质量。 图像对比度对于不同的扫描方式其影响因素不同。信噪比是信号与噪声的比 值，简称信噪比。信噪比越高，图像越清晰；反之图像越模糊。信噪比受很多因 2 素影响，如磁场强度。伪影是造成图像质量下降的又一重要原因。有诸多因素如： 化学位移、运动、金属、部分容积效应都会使磁共振图像上出现伪影。 m r i 成像的主要优点是：软组织成像效果好；空间分辨率高；对人体无害；扫 描角度灵活；无骨伪影。缺点是：对骨组织成像效果较差；成像时间较c t 长。 1 2 3 脊柱成像介绍 椎骨( v e r t e b r a e ) 在未成年前有3 2 3 4 块，即颈椎( c e r v i c a lv e r t e b r a e ) 7 块、 胸椎( t h o r a c i cv e r t e b r a e ) 1 2 块、腰椎( 1 u m b a rv e r t e b r a e ) 5 块、骶椎( s a c r u m s p i n e ) 5 块和尾椎( c o c c y xs p i n e ) 3 5 块。青春期后5 块骶椎融合成l 块骶骨，约 在3 0 4 0 岁尾椎才融合成尾骨。如图卜1 所示。 胸樵 揍椎一一南一 ； 旷z 、 傲骨一一t 民堍。一t j i 。 ；“。：， 、，蠢 # 、， # rr 图1 - 1 人体脊柱左侧图 f i g1 - 1l e f tl a t e r a lv i e wo fs p i n e 文中所用到的图像是m r i 脊柱图像。为了方便描述，采用解剖学中定义的三 个轴：垂直轴，从上到下；矢状轴，人体从前到后；冠状轴：左右横贯身体的轴， 人体的从左到右方向。依据上面3 种轴，设立相互垂直的三种面，即矢状面、冠 状面、水平面，如图1 - 2 所示：冠状面是将人体分为前后两部分的纵切面，与矢 ， 珏 推颈 状轴垂直，即平面l ；轴状面又叫横截面，是将人体分为上下两部分的切面，与垂 直轴垂直，即平面2 ；矢状面是将人体分为左右两部分的纵切面，与冠状轴垂直， 即平面3 。 图l - 2 解剖平面( 1 ：冠状面，2 ：轴状面，3 ：矢状面) f i g1 - 27 m a t o m yp l a n e s ( 1 ：c o r o n a l ，2 ：a x i a l ，3 ：s a g i t t a lp l a n e s ) m r i 脊柱图像的研究大多集中在矢状面和轴状面上进行。本文选用矢状面图 像，主要是因为在矢状图中比在轴状图中能包含关于椎骨和椎间盘的更多的信息， 如图1 - 3 所示。 论文采用的脊柱图像分为上下两个部分，每一部分图像大小为5 1 2 x5 1 2 ，在 实际处理中，我们是对整个脊柱进行处理，即图像大小为1 0 2 4 x5 1 2 。图像中间部 位的类似于椭圆形的亮度较高的位置即为椎间盘，共有2 3 个。可以看出，椎间盘 的亮度明显高于椎体的亮度。 椎间盘( i n t e rv e r t e b r a ld i s k s ) 是连接两个椎体之间的软组织。成人的椎间 盘除第l 、第2 颈椎之间缺失外，共有2 3 块，最上一个在第2 、第3 颈椎之间， 最后一个在第5 腰椎体与骶骨底之间。整个腰椎间盘的厚度为8 一1 0 毫米。 4 图1 - 3 整个m i u 脊柱矢状图像 f i g1 - 3s a g i t t a lv i e w so ft h ew h o l em l us p i n e 1 3脊柱定位及曲面重建的研究现状 首先要找到椎间盘和椎骨的位置，再通过椎骨空间信息查找脊柱中心曲线并 进行曲面重建。主要工作分为两个部分，一是椎间盘的定位和标注，二是查找脊 柱中心线和曲面重建。 1 3 1椎间盘的定位和标注 最早的研究工作主要集中在胸椎腰椎部分7 1 ，因为这些区域的椎间盘和椎骨 相对比较稳定，并且对应的这一段脊髓曲线相对比较垂直，所以计算机自动处理 和分析比较简单。 文献h 一9 1 提出了一种全自动的针对整个脊椎的定位算法。先从切片序列中选择 出一幅最优图像( 包含椎间盘信息最多的图像) 作为处理图像，然后通过曲线拟合 的方法，提取出可以覆盖整个脊椎的曲线并计算曲线上像素的灰度值，利用m r 图 像的特点即软组织椎间盘的位置呈浅色，骨骼即椎体位置呈黑色这一灰度信息， 找到椎间盘的大概位置，最后利用基于模板匹配方法定位出具体的椎间盘的位置。 文献哺，钔中测试图像有2 0 幅，其中有1 8 幅被准确定位，但是有2 幅图像因为所选 择的最优切片没有完全包含整个脊椎的信息所以无法定位。这也说明了这种方法 的问题：即由于脊椎侧弯或者m r 成像问题，造成一幅切片很难完全反应整个脊椎 的信息。其次，文中对于丢失的椎间盘没有做出合理的估计，使得所得结果不够 准确。再次，相邻椎问盘之间的位置，距离，大小都存在一定的相关性，文中没 有利用上这一非常有用的先验知识也造成了定位的不够准确。文献睁1 中的全自动方 法主要是根据上下椎间盘的解剖学信息预先得到的模板进行部分定位。提出了一 种充分的内部连接模型使得即使对丢失的椎间盘的定位也有很高的鲁棒性。并利 用树状结构提高了计算的效率。 另一部分的研究工作主要集中在半自动定位方法n m 1 1 j 2 13 1 。这类方法是通过人 工选择专家点，根据专家点的位置信息做一系列的辅助处理最后定位出椎间盘。 文献 1 2 】中需要使用者手动地在图像中标出顶部、中部、底部的椎骨。文献n 中， 其方法也是需要手动的初始化获得关于椎骨位黄，尺度和方向的信息。文献 1 0 中，只需要人工定位出c 2 3 的位置，然后利用灰度阈值信息进行图像二值化以搜 索下面的椎间盘，所以对图像质量及二值化前的预处理有很高的要求。文中利用 了大量的先验知识例如相邻椎间盘的位置信息、偏离程度、旋转角度、椎间盘的 宽度高度等定位出椎间盘并对丢失的椎间盘做出了合理的估计。文中共对5 0 个病 人进行测试，准确率达到9 6 ，其中还包括脊椎移位、手术后的脊椎、有丢失现象 的脊椎都得到了准确的定位，只有一个存在脊椎倒塌情况的病人没有被准确定位 出来。由此可以看出，这个算法的准确率还是比较高的，但是因为算法是在三维 数据体内进行处理，其复杂度使得算法处理速度比较慢，因此还要对算法进行合 理的优化。文献1 也是用半自动的方法计算了整个脊髓的长度和面积以及两个椎 间盘之间的脊髓长度。文中也是选择了中间的矢状图进行处理，经过平滑滤波等 预处理后，沿着脊髓选择种子点，用基于水平集的方法进行分割，搜索出整个脊 髓。实验结果中，脊髓面积的标准差为0 7 ，长度的标准差为0 3 。 1 3 2脊柱曲面重建 医学图像三维重建技术是在二维图像分析的基础上发展起来的新兴技术。自 1 8 7 9 年n e w t e n 开始构思三维重建以来。三维重建技术已经经历了手工方法光学方 法、计算机方法大约一百年的历史。7 0 年代初，r a k i c 借助计算机对胚胎猴脑连 续切片进行脑细胞三维图像重建。此后，计算机辅助的三维重建技术开始渗透到 医学领域的每个角落。目前医学图像的三维重建包括两种方法：一种是三维体绘 制，另一种是三维面绘制。三维体绘制将数据场中的体元看成一种半透明物质， 并赋予其一的颜色和阻光度，由光线穿过整个数据场，进行颜色合成。其特点是 6 计算量大，难以实时处理。三维面绘制是表示三维物质形状最基本的方法。它可 以提供三维物体的全面信息，与基于体素的方法相比速度快，适合于实时性要求 高的地方。在三维面绘制中，基于等值的表面曲面表示方法最为常用，就是直接 从三维体据生成等值面。目前已有多种方法，其最具代表性是m a r c h i n gc u b e s ( m c 算法) 和m a r c h i n gt e t r a h e d a ( m t 算法) 。 在曲面重建方面，l o r e n s e nw e 、c 1i n eh e 等人于1 9 8 7 年提出来的一种三 维表面重建方法- m c 算法 4 1 。因为它的本质是从一个三维的数据场中抽取出一个 等值面，所以也被称为“等值面提取 ( i s os u r f a c ee x t r a c t i o n ) 算法。传统的 m c 算法的基本思想是把三维图像相邻层上的各4 个像素组成立方体的8 个顶点。 逐个处理三维图像中的立方体，分类出与等值面相交的立方体，采用插值计算出 等值面与立方体边的交点。根据立方体每一顶点与等值面的相对位置，将等值面 与立方体的边的交点按一定方式连接生成等值面，作为等值面在该立方体内的一 个逼近表示。h o p p e 等人于1 9 9 2 年提出零集法汹1 ，基于曲面上的离散点集进行曲 面重建。它通过定义每个取样点的近似切平面，把最近点到切平面的有向距离作 为三维空间中的距离函数，并对这个距离函数进行插值，用m c 算法生成多边形网 格，然后生成曲面。 传统的m c 算法的实现相当直接。并且得到的图像的解析度很高。但是，传统 的骶算法存在着下面两点缺陷： l 、拓扑不一致。当立方体的一个面的一条对角线上的两个顶点是有标记的 ( m a r k e d ) ，而另外一条对角线上的两个顶点是无标记的，则此面就叫做二义性面， 此时可以有多种连接方式。 2 、计算效率低。从前面的介绍中可以看出，传统的m c 算法是顺序检测每个 立方体，在抽取一个等值面的过程中，有超过9 0 的时间花在了对空立方体的检测 上。 传统的m t 算法是在传统的m c 算法上发展起来的，它将立方体剖分为四面体， 然后在各个四面体中构造等值面h 。常见的将立方体剖分成四面体的方法有5 个、 6 个和2 4 个四面体剖分法。例如当采用的是5 个四面体的剖分法时，由于四面体 是最简单的多面体，等值面模式只有3 种情况，如下图所示： 7 仓金金 立方体的网陋体剡分四面体中的等值面 图1 - 4m t 算法立方体的剖分 f i g1 - 4d i s s e c t i o no fc u b ei nm tm e t h o d 如果顶点数据值全大于或小于等值面值，等值面与单元无交，则等值面是一个 三角片；如2 点大于、2 点小于等值面值，则等值面是一个四边形，可由两个三角 片构造。采用这种重建方法生成的等值面不存在二义性面问题，且消除了相邻的 面之问可能会出现空洞的问题。 在医学影像设备和三维重建技术发展的同时，获取组织或器官内部剖析图像的 技术也开新月异。起初，尽管c t 、m r 等医学影像设备的发展使人们获取了越来越 精确的人体三视图解剖信息，但由于人体组织或器官迂回弯曲，传统三视图无法 在某一平面上显示其全貌。m u l t i p l a n a rr e f o r m a t i o n ( m p r ) 较好地解决了这一问 题。医生可以在某一断面感兴趣的部位划一条直线，此部位的解剖信息在多张二 维平面上展示，有利于病变位置的准确定位。c u r v e dp l a n a rr e f o r m a t i o n ( c p r ) 是在m p r 基础上发展起来的，能在一张二维图像上展示弯曲迂回的器官全貌。c p r 的基本思想是首先查找到待建器官的中心线，然后沿中心线取垂截面序列，最后 在这些垂截面上选取直线，形成沿中心线平滑的一系列直线，构成器官的中心曲 面。 s h e 等研究了以中轴线重建的方法显示c t 图像啪1 ，t o m a z 等人实现了基于c t 图像的脊柱中心曲面重建( c u r v e dp l a n a rr e f o r m a t i o n ，c p r ) 泓3 2 瑚1 。n o a hl e e 实现了血管交叉处的曲面重建口引。a r m i nk a n i t s a r 将传统c p r 总结分类为有投影 法( p r o j e c t e dm o d e ) 、拉伸法( s t r e t c h e dm o d e ) 和展平法( s t r a i g h t e n e dm o d e ) 并描述了三种改进算法t h i c kc p r 、r o t a t i n gc p r 、m u l t i p a t hc p r b 。投影法最 简单容易实现，但这种方法不能真实反应曲面形状，而且如果曲面迂回或者曲面 与投影面成垂直关系时，投影后曲面会重叠而无法分辨。拉伸法在此基础上有所 改进，先将曲面拉伸再将其投影，基本解决投影法中曲面重叠的缺陷。但是拉伸 法中所有取样向量都是同一个方向的，而展平法中取样向量都垂直与曲面，更加 真实地反应了曲面上的图像，如图卜5 所示。本文选择了展平法重建脊柱中心曲 面。 p r o j e c t e d p r o j e c t e di m a g e r _ - 。弋斯棚 p 睥 c u r v e 卜 毪 一尺 e n d p r o j e c t e di m a g e i m a g ep l a n e ( b ) i m a g ep l a n e ( c )( d ) 图1 - 5 曲面重建 2 7 1 ( a ) 投影法；( b ) 投影法 ( c ) 拉伸法；( d ) 拉伸法与展平法 f i g1 5c u r v e dp l a n a rr e f o r m a t i o n 2 7 】 ( a ) p r o j e c t e dm o d e ；( b ) p r o j e c t e dm o d e ( c ) s t r e t c h e dm o d e ；( d ) s t r e t c h e dm o d ea n ds t r a i g h t e n e dm o d e 本论文结合了c p r 、零集法和m c 算法，首先按c p r 的基本思路查找脊柱中心 曲面上的点作为曲面离散点集也即测点集，然后采用零集法的思路计算测点处切 平面和场函数，最后用用m c 算法输出三角网络模型，实现了脊柱中心面的曲面重 建。考虑到脊柱中心面各点处曲率比较小且与人体冠状轴接近垂直，在m c 过程中 不存在二义性，易于限定遍历立方体范围，故本文采用比较简单的传统m c 算法进 9 行重建，并根据脊柱上述特点调整算法，提高了效率。 1 4 论文的主要工作 1 4 1主要工作 本文主要描述了核磁共振脊柱图像的定位和分割算法，其中包括椎间盘的定位 和分割，椎体的分割。本文主要工作分为以下三个部分。 l 、椎间盘定位算法。现有算法通常针对序列中最清晰的一幅矢状图进行操作， 而未使用全部图像( 即椎间盘三维信息) 。当病人脊柱侧弯严重时，二维定位算法 无法适用。本文j 下是从以上问题出发，将图像矢状面转换到对脊柱侧弯不明显的 冠状面，并在其冠状面上实现定位算法。 2 、基于w a t e r 、f a t 图像的椎问盘定位算法。本文提出了一种基于w a t e r 和 f a t 图像的全自动椎问盘定位算法。综合两种图像得到合成的数据集，利用w a t e r 、 f a t 图像的差异及椎问盘、椎骨成分差异特征合成图像，扩大图像的对比度，提高 了算法效率和定位准确度。 3 、曲面重建算法。m c 算法是曲面重建的经典算法，零集法实现了基于测点集 的曲面重建，c p r 是当前医学影像后处理中解析弯曲器官内剖面的重要手段。本论 文结合了c p r 、零集法和m c 算法，并根据脊柱生理结构特点，改进了零集法中的 距离函数和m c 算法中的立方体遍历范围，保证了准确、迅速地建立脊柱中心曲面。 1 4 2论文安排 第一章绪论。简要介绍本课题研究的意义、医学图像处理的背景、核磁共振 成像的基本原理以及脊柱核磁共振图像定位和分割的研究现状、本文的研究内容 以及全文的组织情况。 第二章基于冠状面重建的椎问盘定位算法。其中包括图像的预处理算法，将 矢状图像重建到冠状面上，在相对杂余信息较少的冠状面上定位椎间盘的三维信 息，再将冠状面还原到矢状面，根据空间三维信息将所有椎间盘重建到一幅矢状 图像上，对每个椎间盘和椎体医学名称标注。 第三章本文提出了一种基于w a t e r 和f a t 图像的全自动椎间盘定位算法。以 两种图像的差值建立数据集，利用w a t e r 、f a t 图像的差异及椎间盘、椎骨成分差 异特征合成图像，扩大图像的对比度，提高了算法效率和定位准确度。 第四章基于m c 算法的脊柱中心曲面重建。本文给出了一种以三维数据集为处 l o 理对象，生成脊柱中心剖面的算法。此算法首先根据核磁图像进行椎间盘定位， 然后拟合出脊柱中心线，沿中心线建立曲面测点集，最后应用m c 算法输出三角网 络模型，实现曲面重建。算法结合了椎骨轴线查找方法和m c 算法，并根据曲面特 点调整算法从而提高了效率。应用实例表明，算法效果良好。 第五章总结和展望。总结所作的研究工作，给出了现有算法以及系统在实际 应用过程中的不足，提出了进一步进行研究方向。对脊柱核磁共振图像分割算法 的发展前景进行了展望。 1 2 着脊髓曲线的方向，将整个脊柱的每一个椎间盘定位，并给出量化标注。这种方 法的问题是：并非所有病人的m r i 图像中脊髓曲线都可见，如果由于成像的原因 而造成脊髓不可见，这种方法将失效。而分水岭算法是先将椎间盘从图像中分割 出来再找到每个被分割的椎间盘几何质心。这种方法中过分割现象没有得到很好 的解决。以至于分割出的部分比实际椎间盘的数量要多。上述的两种方法都是在 挑选了序列中最清晰的一幅矢状图像进行操作，没有用到所有的图像，即椎间盘 的三维信息，序列片数信息。当一个病人脊柱侧弯严重时，见图2 1 ，左图中的脊 柱侧弯严重，绿线代表核磁共振机器成像的切片线( 每条切片线表示矢状序列的 一幅图像) ，抽象为右图，在绿线所示的矢状切片上不可能看到所有的椎间盘和椎 骨。导致病人矢状图像序列中将找不到一幅所有椎间盘都出现的图像，那么现有 的二维定位算法便会失败。a s sis t 的穷尽搜索方法定位虽然用到了三维信息，但 由于是穷尽搜索耗时比较大。而且矢状面除了脊椎还有很多与定位算法无关的组 织结构，对定位造成了干扰。如果沿着椎管的曲线重建出冠状面心5 l ，见图2 2 ，就 可以同时使所有椎骨和椎间盘可见，给定位带来方便。可以看到在冠状面上椎体 和椎问盘只在纵坐标方向上有变化，而矢状面在横纵方向上都有变化，变化少意 味着处理起来会方便。而且冠状面上其他人体组织杂余干扰较少，见图2 2 。本文 的研究就是本着以上问题出发，从三维空间进行冠状面重建的，并在冠状面上进 行定位操作。 图2 - 1 脊柱侧弯 图2 - 2 沿椎管曲线重建出冠状面 j 竖立变适太堂亟堂位途塞 f i g2 - 1s c o l i o s i so fs p i n ef i g2 - 2r e c o n s t r u c tc o r o n a lp l a n eb a s e do ns p i n a lc o r d 文献 3 1 中提到的曲面重建的方法：投影法、拉伸法和展平法，本文选用展平 法进行曲面重建。投影法最简单容易实现，但这种方法暴露的问题比较多，不能 真实反应曲面上画面的形状情况，而且如果曲面勾回深或者曲面与投影面成垂直 关系时，投影后曲面会重叠在一起，无法分辨。拉伸法在此基础上有所改进，先 将曲面拉伸再将其投影，基本解决投影法中曲面重叠的缺陷。但是拉伸法中所有 取样向量都是同一个方向的，而展平法中取样向量都垂直与曲面，更加真实地反 应了曲面上的图像。根据脊柱图像脊髓线弯曲程度不大和计算复杂度的具体情况， 本文选择了展平法重建冠状面。 2 2 图像预处理 本文中的图像预处理是传统预处理与形态学预处理相结合的方法。 2 2 1 传统预处理方法 本节提到的图像预处理算法是指在图像分割之前针对m r i 脊柱图像的特点所 做的去噪和增强等图像处理方法。传统的预处理算法主要包括以下内容：平滑滤 波和对比度拉伸。平滑处理的主要目的是减少图像的噪声，对比度拉伸的主要目 的是提高图像对比度。 下面将以m r i 脊柱图像为实验对象简要叙述一下传统预处理结果。 1 平滑滤波 平滑处理的主要目的就是减少图像的噪声。在频率域中，由于噪声通常对应一 种高频分量，可以用各种形式的低通滤波器达到平滑的目的。空间域则往往采用 范本操作，它实现了领域运算，即运算后某个像素点的值取决于其自身和邻域点 的值。图2 3 为高斯平滑滤波和中值滤波结果。 1 4 霹 藤i 嘲 谶j图 ( a ) 原图( b ) 高斯滤波结果( c ) 中值滤波结果 图2 3 各种滤波平滑处理后结果 f i g2 - 3s m o o t hf i l t e r i n gi m a g e s ( a ) o r i g i n a li m a g e( b ) t h er e s u l to fg a u s s i a nf i l t e r i n g ( c ) t h er e s u l to fm e d i a nf i l t e r i n g 2 对比度拉伸 d b = f ( d a ) = 六见+ 厶 ( 2 - 1 ) 其中只为输入图像，仇为输出图像，厶、厶根据输入图像的上下限取值为： 以= 下限值6 5 5 3 5 ( 下限值一上限值) ( 2 - 2 ) 无= 6 5 5 3 5 ( 上限值一下限值) ( 2 - 3 ) 图2 4 、2 5 分别给出了原始图像及其灰度直方图以及灰度变换后的图像及其 直方图，可明显看出，图像灰度从原来的小范围扩展到了 0 ，6 5 5 3 5 整个灰度范 围内。 1 5 图2 _ 4 原始图像及其灰度直方图 f i g2 - 4o r i g i n a li m a g ea n di m a g eg r a yh i s t o g r a m x1 0 图2 - 5 对比度拉伸后图像及其灰度直方图 f i g2 - 5c o n t r a s t s t r e t c h i n gi m a g ea n di m a g eg r a yh i s t o g r a m 2 2 2 形态学预处理 1 6 xl o 一 ( a ) 原图嘞结构元素是o n e s ( 1 ，3 )( c ) 结构元素是s t r e l ( d i s k ，2 ) 图2 - 6 用不同的结构元素去噪 f i g2 - 6u s i n gs t r u c t u r a le l e m e n t st or e m o v en o i s e 2 、顶帽运算在预处理中的应用 本节主要研究灰度形态学中的顶帽运算的应用，对m r i 脊柱图像进行预处理的 效果。顶帽变换是数学形态学中常用的方法，起增强细节的作用，是本文预处理 算法的关键部分。 a ) 提取图像背景，增强对比度。 通过观察m r i 脊柱图像，我们发现，图像上半部分灰度偏亮而下半部分灰度偏 暗。利用丌运算可将比背景亮且比结构元素尺寸小的区域除去，所以通过选取合 适的结构元素进行开运算可使图像中仅剩下对背景的估计。如果从原始图像中减 去对背景的估计，就可将目标提取出来，这样可以弥补医学图像灰度不均匀的缺 点。 结构元素的选择是非常重要的。经试验得，在此开运算过程中的结构函数选择 1 7 半径为1 0 的圆盘。半径是根据m r i 脊柱图像中椎间盘的半径而定的，一般取比最 大椎问盘的半径大即可。经过开运算之后，再用原图像减去该图像，可以生成一 幅具有合适且均匀的背景图像。处理结果如图2 - 7 所示。可以看出：项帽运算能 有效地去除背景，加强m r i 脊柱图像中前景和背景的对比。 ( a ) 原图( b ) 结构元素为s t r e l ( d i s k ，1 0 ) 的顶帽运算结果 图2 7 项帽运算 f i g2 - 7t o p - h a tt r a n s f o r m a t i o n b ) 选择合适的结构元素，去除干扰区域。 顶帽运算有效地提高了整个脊柱图像的对比度，但是我的目标区域是椎间盘， 所以要尽量减少图像中的干扰区域，即除椎间盘所在位置外的其他高亮度区域， 比如椎管及背部脂肪等。脊柱图像中椎间盘近似为水平方向较长的椭圆形，本文 可以通过选择合适的结构元素滤除纵方向较长的高亮度区域。经实验得，选用o n e s ( 2 0 ，5 ) 的结构元素，处理结果较好，如图2 - 8 所示。 基于顶帽运算的预处理方法，不但提高了前景与背景的对比度，而且尽量多地 去除了除椎间盘位置外的其它亮度比较高的位置，这对之后的定位提供了非常大 的便利。 ( a ) 顶帽运算后图像( b ) 结构元素为o n e s ( 2 0 ，5 ) 的顶帽运算结果 图2 8 去除图像中干扰区域 f i g2 8e r a d i c a t i n gt h ed i s t u r b e dr e g i o n s 2 2 3实验结果分析 由图2 - 9 可得，传统预处理方法首先采用高斯滤波或者中值滤波等平滑处理， 这样可以有效地去除噪声。其次通过灰度变换大大增强m r i 脊柱图像的对比度， 将图像的灰度范围扩大到整个灰度区间，但是在整个预处理过程中既提高了椎间 盘亮度同时也提高了背部脂肪、脊髓等区域的亮度，给后续椎间盘的分割处理带 来不便。 对此，本文结合数学形态学为基础的预处理算法取得了很好的效果。在传统预 处理的基础上，选择合适的结构元素，采用灰度形态学中顶帽运算对图像进行预 处理。顶帽运算是数学形态学中常用的方法，起增强细节的作用。顶帽运算的应 用是本预处理算法的关键部分。形态学预处理算法不仅能有效地增强m r i 脊柱图 像中前景和背景的对比，提高对比度，而且还去除了许多干扰区域，为后续的图 像处理提供有力的保障。 1 9 孵蠢 ( a ) 对比度拉仲后高斯滤波结果( b ) 结合形态学后预处理结果 图2 - 9 预处理结果 f i g2 - 9c o m p a r i s o no fp r e p r o c e s s i n gr e s u l t 2 3 椎间盘定位算法 2 3 1实验数据 实验所用数据是由g e 公司商用的1 5 tm r i 系统得到的。其中，每一个病人 有9 幅矢状图像切片，每个切片分上下两部分。视野( f o v ) 均为3 5 c m x3 5 c m ，倾角 为3 0 度，切片厚度为4m m ，间隔为l m m ，带宽为1 5 6 k h z 。所用图像为1 6b i td i c o m 格式图像，上半部分和下半部分的图像大小均为5 1 2 5 1 2 ( p i x e l s ) 。在本文的处 理中，需要把上下两部分图像合并成一幅图像进行处理，即形成1 0 2 4 x 5 1 2 ( p i x e l s ) 的图像。 v l， x 图2 1 0 数据封装 f i g2 1 0d a t ap a c k i n g 输入数据 。!j t 对比度拉伸，高斯滤波平滑，l i 翌望兰竺查堡! 里塑塑婆望型 。!i!。，一一 计算矢状面到冠状面的切割位置，将矢状图像变换到冠 状面上，用区域描绘子方法找到冠状面椎问盛质心，再 对应回矢状面，循环计算，直至j 2 3 个椎问盘都找到 2 3 2算法实现 图2 - 1 1 算法流程 f i g2 11p r o c e s s i n go f t h ea l g o r i t h m 本文的方法是在图像数据预处理后将其切换到冠状面上，在噪声相对少的冠 状面上获得椎间盘的三维坐标信息，再通过冠状面和矢状面的空间关系将坐标信 息转化到矢状面上，最终完成在原来的空间位置上进行椎问盘进行定位。在这里 约定三维空间在的坐标，见图2 1 2 。 2 1 3 ( a )( b )( c ) 图2 - 1 2 ( a ) ：矢状面坐标系；( b ) ：冠状面坐标系；( c ) - 轴状面坐标系 矢状面：d i m e n s i o n1 ：从项到底d i m e n s i o n2 ：从前到后d i m e n s i o n3 ：从左到右 冠状面：d i m e n s i o n1 - 从项到底d i m e n s i o n2 ：从左到右d i m e n s i o n3 ：从后到前 轴状面：d i m e n s i o n l ：从后到前d i m e n s i o n 2 ：从左到右d i m e n s i o n4 ：从底到顶 f i g2 - 1 2 ( a ) ：s a g i t t a lc o o r d i n a t e s ；( b ) ：c o r o n a lc o o r d i n a t e s ；( c ) ：a x i a sc o o r d i n a t e s s a g i t t a l ：d i m e n s i o n1 ：t o pt ob o t t o md i m e n s i o n2 ：f r o n tt ob a c kd i m e n s i o n3 - l e f tt of i g h t c o r o n a l ：d i m e n s i o n1 ：t o pt ob o t t o md i m e n s i o n2 ：l e f tt or i g h td i m e n s i o n3 ：b a c kt of r o n t a x i a s ：d i m e n s i o n i ：b a c kt of r o n td i m e n s i o n 2 ：l e f tt or i g h td i m e n s i o n4 ：b o t t o mt ot o p 由于核磁共振机器成的矢状序列图像之间不是连续的，问隔为l m m ，组成长方 体是栅栏状态的。切换到冠状面如果想正常准确地显示图像，冠状面的第二维需 要插值。通过式( 2 4 ) 啪1 从矢状面转换到冠状面，见图2 - 2 ，矢状面第一维变为冠 状面第一维，矢状面第三维变为冠状面第二维，矢状面第二维变为冠状面第三维。 工，y ，_ ，是变换后冠状面的空间坐标，w ，v ，“是变换前矢状面的空间坐标，t 是变换 矩阵。 其中： t = lo o1 5 0o o0 x ，y ，z ，1 - - w , v ，“，1 卜t oo 0o 0 50 t1 ( 2 - 4 ) 其中1 5 是冠状面第二维插值的系数。为使插值后图像跟原貌最接近，就得 使插值后每个维度的抽样率一致。通过实验数据的参数，矢状第一维像素间的距 离3 5 c m 5 1 2 = 0 6 8 r a m 。矢状面第三维，即冠状面第二维间隔为i m m ，这个系数为 l m m 0 6 8 m m = 1 5 。t 中第三列，式( 2 4 ) 展成方程组 z = 0 5 术u + t ( 2 - 5 ) 因矢状序列一共9 幅图像，事先规定产生2 0 幅冠状面序列图像，使这2 0 幅 冠状面图像最大限度的展示冠状面信息，希望其中第l o 幅冠状面图像尽量是过椎 图2 1 3 欠状面( 与冠状面对应的) f i g2 13s a g i t t a lp l a n e ( c o r r e s p o n d i n g t oc o r o n a lp l a n e ) 图2 1 4 冠状面( 标注出最清晰的冠状面) f i g2 - 14c o r o n a lp l a n e ( m a r k e dt h ec l e a r e s tc o r o n a lp l a n e ) 式( 2 - 5 ) 为变换后的轴z ，是原来的轴u 每隔一个像素的抽取。假如某时处 理的椎问盘的中心正好在一幅矢状图像宽的中点处，即第2 5 6 个像素的位置，隔 一个像素抽取一片，因为需要抽取2 0 片，所以抽取的范围是第2 3 6 像素到2 7 6 像 素。当z 等于o 时，u 等于2 3 6 ，t 等于一1 1 8 。由于每个检测处的椎问盘位置不一 样，t 是需要实时计算的变量。选取重建的冠状面序列第1 0 幅图像用区域描绘子 技术提取椎间盘的质心，通过对应坐标关系变换回矢状面完成定位。这种定位的 同时可以得到每个椎间盘最佳的显示片数，有效地消除了脊柱侧弯对定位的影响。 2 3 2 3实验结果分析 l 、专家点的选择 为了保证定位的精确性，需要手动选取一个专家点。手动在序列中选择一幅 比较清晰的图像，专家点是指在脊柱图像上由专家点击第一块可见的椎间盘c 2 3 ( 连接第二块和第三块椎骨的软组织) ，见图2 - 1 5