楊劍爐（莆田學(xué)院　電子信息工程學(xué)院，福建　莆田　351100）

?

腦脊液圖像序列的分割及三維重建

楊劍爐
（莆田學(xué)院電子信息工程學(xué)院，福建莆田351100）

摘要：腦脊液三維重建設(shè)計(jì)是以DICOM腦部MRI圖像序列為研究對(duì)象，首先為了保持圖像邊緣的對(duì)比度算法采用各項(xiàng)異向性擴(kuò)散濾波器來(lái)去除原始圖像中的噪聲干擾，然后使用高斯濾波來(lái)平衡邊緣檢測(cè)中平滑和邊緣模糊之間的矛盾，進(jìn)而運(yùn)用映射濾波器來(lái)提高邊緣像素點(diǎn)間的對(duì)比度.在此基礎(chǔ)上研究和分析了水平集算法的一種改進(jìn)算法--快速步進(jìn)分割算法，實(shí)現(xiàn)腦脊液的快速準(zhǔn)確分割.在分割后，使用移動(dòng)立方體實(shí)現(xiàn)圖像的三維重建，建立了腦脊液的三維形態(tài)模型.

關(guān)鍵詞：腦脊液；圖像分割；三維重建

腦脊液（Cerebro-Spinal Fluid，CSF）［1］，又叫做腦脊髓液，是位于位于腦膜的蛛網(wǎng)膜和軟腦膜之間的透明的無(wú)色的液體，主要的作用是對(duì)大腦皮質(zhì)進(jìn)行機(jī)械性緩沖.腦積水（hydrocephalus）則是由于顱內(nèi)疾病導(dǎo)致腦脊液分泌過(guò)多，或者腦脊液的吸收發(fā)生障礙，又或者腦脊液的循環(huán)發(fā)生障礙，從而使得顱內(nèi)腦脊液的總量增加、腦室系統(tǒng)和蛛網(wǎng)膜下腔擴(kuò)大.圖1為腦積水示意圖，左邊為正常腦脊液，右邊是有腦積水癥狀的CT圖.

圖1　腦積水示意圖

MIR是一種比較普遍的腦脊液檢測(cè)手段，能夠比較有效的幫助醫(yī)生診斷腦脊液的病變.但由于二維圖像自身天然的缺陷，需要自身的經(jīng)驗(yàn)才能在腦中形成病人腦脊液的三維形態(tài)，從而進(jìn)行進(jìn)一步的治療.因此非常有必要用三維成像技術(shù)來(lái)幫助醫(yī)生進(jìn)行診斷，使醫(yī)生能夠更直觀、更有把握的確定病人的腦脊液狀況，降低醫(yī)療風(fēng)險(xiǎn)，提高診斷的準(zhǔn)確性.因此腦脊液的三維可視化技術(shù)是腦脊液臨床診斷非常有效的一個(gè)補(bǔ)充.

1　腦脊液圖像序列的預(yù)處理

為了得到較好的分割效果，我們需要對(duì)腦脊液圖像系列進(jìn)行一系列的預(yù)處理，具體處理流程如圖2所示.

圖2　腦脊液圖像序列預(yù)處理流程圖

（1）首先，我們需要平滑圖像.為了克服邊緣模糊的缺陷，算法采用了各項(xiàng)異向性擴(kuò)散濾波器［2］，它將整幅圖像看成一個(gè)能量場(chǎng)，而圖像的的每一個(gè)像素就是能量流，能量流是否要擴(kuò)散取決與相鄰像素間的關(guān)系，相鄰像素差別小則擴(kuò)散，差別大就不擴(kuò)散.而圖像的邊緣區(qū)域的像素差別比較大，因此能量流在這些邊緣地區(qū)并不擴(kuò)散，于是在平滑圖像除去噪聲的同時(shí)避免了圖像的邊緣的模糊.

（2）梯度計(jì)算和高斯濾波.為了分割腦脊液，我們需要檢測(cè)腦脊液的邊緣，邊緣的檢測(cè)的算法則是基于圖像的梯度，圖像的梯度計(jì)算即是計(jì)算圖像能量的一階導(dǎo)數(shù)或者二階導(dǎo)數(shù).但是，圖像的噪聲對(duì)于導(dǎo)數(shù)的計(jì)算影響很大，因此我們需要使用濾波來(lái)改善噪聲對(duì)梯度計(jì)算的影響.但是濾波又會(huì)使得圖像的邊緣變得模糊，從而增加我們對(duì)于邊緣定位的不確定性.因此，我們需要在噪聲和邊緣模糊之間找一個(gè)平衡點(diǎn)，工程實(shí)踐的經(jīng)驗(yàn)表明，高斯濾波是一個(gè)很好的平衡方案，能夠較好地平衡噪聲干擾和邊緣的精確定位.

（3）增強(qiáng)邊緣.一般我們可以認(rèn)為圖像中相鄰像素之間能量值相差較大的即是邊緣點(diǎn)，為了提高邊緣檢測(cè)的精確性，我們需要將這些能量值變化比較大的點(diǎn)進(jìn)行凸顯.這里我們通過(guò)映射濾波器（SigmoidImageFilter）來(lái)將圖像每個(gè)像素的灰度值做一個(gè)非線性的映射，從而使得邊緣點(diǎn)像素之間的變化更為顯著.

圖3 預(yù)處理結(jié)果

圖3表達(dá)了圖2中闡述的流程的輸出.從左到右分別是：原始圖像、進(jìn)行各項(xiàng)異向性擴(kuò)散濾波器變換后的圖像、進(jìn)行高斯濾波后的圖像、非線性映射后的圖像.

2　腦部MRI圖像序列的腦脊液分割

預(yù)處理降低了噪聲對(duì)于后續(xù)工作的影響，并增強(qiáng)了圖像邊緣，從而為腦脊液MRI圖像的分割奠定了良好的基礎(chǔ).這里我們通過(guò)快速步進(jìn)的分割算法［5］對(duì)圖像序列進(jìn)行分割.首先我們?cè)趫D像中腦脊液的內(nèi)部選擇一個(gè)點(diǎn)，然后這個(gè)點(diǎn)向各個(gè)方向進(jìn)行擴(kuò)散，每個(gè)方向的擴(kuò)散速度取決于我們定義的速度函數(shù)，這里的速度函數(shù)定義為exp（-x），其中x是該方向上的梯度大小.通過(guò)速度函數(shù)我們可以發(fā)現(xiàn)，梯度越小即表示該方向越平滑，則擴(kuò)散的越快，反之如果擴(kuò)散到了邊緣處，那么該方向上的速度函數(shù)exp（-x）就會(huì)趨向于0，于是在邊緣處就會(huì)停止擴(kuò)散，在經(jīng)過(guò)足夠多次的擴(kuò)散迭代之后，就可以使得各個(gè)方向的擴(kuò)散都在腦脊液的邊緣處停止，從而到達(dá)腦脊液的分割結(jié)果.圖4是腦脊液數(shù)據(jù)使用快速步進(jìn)分割后的結(jié)果.

圖4　原始圖像和使用快速步進(jìn)分割的結(jié)果

3　腦脊液的三維重建

將要進(jìn)行處理的MRI數(shù)據(jù)是一個(gè)人體頭部的切片數(shù)據(jù)，共有100個(gè)切片.我們打算由這些切片數(shù)據(jù)進(jìn)行腦脊液的三維重建.為此首先應(yīng)選取合適的算法，考慮到我們所處理的數(shù)據(jù)量是非常龐大的，超過(guò)了12兆比特，而且只打算對(duì)表面進(jìn)行重建，所以選擇基于表面重建的經(jīng)典算法Marching Cubes算法［6］.利用本文數(shù)據(jù)經(jīng)過(guò)一系列流程后面繪制結(jié)果如圖5所示.

圖5　腦脊液三維重建結(jié)果

圖6　不同角度的三維形態(tài)

從圖5和圖6我們可以發(fā)現(xiàn)腦脊液三維重建的效果相當(dāng)良好，不但可以從各個(gè)角度觀察模型，也可以通過(guò)放大縮小來(lái)觀察整體或者局部的特征，從而能夠幫助醫(yī)生更為全面、準(zhǔn)確地進(jìn)行診斷.

4　總結(jié)

論文提出一種能夠?qū)⑷梭w的腦部MRI二維的圖像序列分割出腦脊液部分，并在此基礎(chǔ)上實(shí)現(xiàn)了腦脊液的三維重建工作.實(shí)驗(yàn)表明，本文的算法平衡了噪聲影響和圖像邊緣模糊之間矛盾，達(dá)到了一個(gè)良好的腦脊液分割效果和三維重建效果，算法能夠較為精確的建立腦脊液的三維模型，方便腦脊液的診斷醫(yī)師從不同角度，不同細(xì)節(jié)去觀察病人的腦脊液，能夠?yàn)槟X積水的診斷提供一個(gè)良好的技術(shù)支持.

參考文獻(xiàn)：

〔1〕李齡，張光璞.腦積水現(xiàn)代神經(jīng)外科處理［M］.廣州：華南理工大學(xué)出版社，1999.276.

〔2〕袁杲，楊玲，朱小波，等.利用ITK和VTK集成實(shí)現(xiàn)三維醫(yī)學(xué)圖像的分割［J］.計(jì)算機(jī)應(yīng)用與軟件，2009，26（2）：248-250.

〔3〕趙明昌，田捷，薛健，等.醫(yī)學(xué)影像處理與分析開發(fā)包MITK的設(shè)計(jì)與實(shí)現(xiàn)［J］.軟件學(xué)報(bào)，2005，16（4）：485-494.

〔4〕田捷，包尚聯(lián)，周明全.醫(yī)學(xué)影像處理和分析［M］.北京：電子工業(yè)出版社，2003.

〔5〕周振環(huán)，王安明，王京陽(yáng).醫(yī)學(xué)圖像分割與配準(zhǔn)［M］.成都：電子科技大學(xué)出版社，2007.

〔6〕E.lorensen and E.Cline.Marching Cubes：A high resolution 3D surface construction algorithm［J］.Computer Graphics，1987，21（4）：163-170.

中圖分類號(hào)：TP301；R445.2

文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1673-260X（2016）06-0066-02

收稿日期：2016-02-23

基金項(xiàng)目：校內(nèi)課題：基于CT影像的肝臟血管分割、重建及骨架化的三維形態(tài)模型的VTK技術(shù)研究（2013003）