脊椎圖像分割和配準的研究進展

吳劍,肖汝,吳建華

脊椎圖像分割和配準的研究進展

吳劍,肖汝,吳建華

脊柱結構非常復雜,位置極其重要,脊柱手術不僅手術風險性大,而且對醫生熟練程度要求高。利用圖像導航系統進行脊柱外科手術能夠降低風險、減少術后并發癥,而脊柱圖像分割和配準是其中的關鍵步驟。本文歸納總結脊柱圖像分割和配準方法并對其進行分類,并在分析現行方法基礎上指出這一領域存在的不足,并展望未來的發展。

脊柱;圖像分割;圖像配準;綜述

[本文著錄格式]吳劍,肖汝,吳建華.脊椎圖像分割和配準的研究進展[J].中國康復理論與實踐,2010,16(2):130—133.

脊柱是人體的中軸,不僅本身是一個復雜的三維立體結構,而且周圍毗鄰結構復雜,因此它需要手術醫生具有良好的方位感,特別是在某些對操作精度要求較高的手術中。因此,提高對脊柱組織解剖的識別是提高手術水平的關鍵環節。圖像分割是提取圖像中特殊組織的定量信息不可缺少的手段,也是可視化實現的預處理步驟和前提。分割后的圖像能被廣泛應用于組織容積的定量分析、病變組織的定位、功能成像數據的局部體效應校正和計算機指導手術等方面。1992年,導航系統首次被應用于脊柱外科的腰椎椎弓根釘植入手術,發展至今,圖像導航技術作為脊椎外科的重要發展方向,在國際醫療研究中非常熱門。骨科手術涉及的骨骼容易被X射線圖像和CT所辨認,軟組織易從MRI圖像中反映,所以不同模式的圖像配準問題是整個手術導航系統的關鍵。總之,脊柱圖像分割和配準都是圖像分析和處理的關鍵步驟,是圖像對比、數據融合、變化分析和目標識別的必要前提,更是手術導航中的關鍵技術。

1 脊柱圖像的分割方法

圖像分割是根據區域內的相似性以及區域間的相異性,把醫學圖像分為若干區域的操作。分割脊椎對于圖像配準、基于內容的圖像檢索、脊柱畸形的分析以及器官定位和相關疾病的診斷具有重大價值。在基于內容的圖像檢索中,脊柱是解剖組織的最明顯和最穩定的特征,也是胸腹部其他器官的參考坐標系統。

1.1 基于分水嶺的脊柱圖像分割 分水嶺分割算法是根據數學形態學提出的一種基于區域的按圖像的梯度進行分割的方法。其基本思想就是把圖像梯度灰度圖看做是一個拓撲表面,如果雨水降落在這個表面上,則雨水將流向標注為匯水盆地的兩個區域中。若雨水恰好降落在標注的分水嶺脊線上,則雨水等概率流向兩個匯水盆地。分水嶺變換會在灰度級圖像中找到匯水盆地和脊線。該方法簡單、直觀,對微弱邊緣敏感,而且能得到單像素寬、連通、封閉的輪廓。但缺陷是過度分割。目前有很多研究者對其進行改進,將分水嶺算法和其他算法結合起來揚長避短。

基于分水嶺的方法和定向圖搜索法的結合[1],能自動地將椎體從鄰近的肋骨和其他組織中分類出來,能有效地分割椎體邊緣存在空洞的常規CT圖像。對于核磁共振脊柱圖像,孫冬梅[2]利用先驗椎骨形狀信息提取內部標記符來控制分水嶺中局部極小值區域的個數,不僅解決了分水嶺算法中存在的嚴重過分割問題,而且對脊柱側凸,手術后椎間盤變形、移位等圖像仍有很好的分割結果。

1.2 基于水平集的脊柱圖像分割 水平集算法是一種跟蹤曲線或曲面輪廓演化的數學方法。當用于二維圖像分割時稱為曲線演化,三維時則稱為曲面演化。本質上,水平集算法是通過水平集函數在微分方程控制下的演化來控制輪廓的演化。水平集的方法有著對邊緣很敏感的優勢,但它同時存在方向難于控制、容易出現過度分割的情況。在水平集方法基礎上,選取基于曲線傳播的灰度梯度和每點的法向速度的乘積[3]為結束條件來分割脊椎邊緣,可避免局部極小點的存在。當曲線擴散到達圖像邊緣的尖銳突出區域時,由于其拓撲結構易于改變,最終獲得到良好的分割結果。

1.3 基于模型的脊柱圖像分割 模型比其他方法需要更少的假設,靈活性強,適合處理復雜的圖像分割問題。基于形變模型的方法綜合利用了區域與邊界信息,是目前研究最多、應用最廣的分割方法之一。

在椎骨、股骨和主動脈瘤的圖像分割中,活動的形狀模型[4]嵌入到彈性變形表面模型,形狀模型由頂點和坐標、三角形的網格組成,通過表面檢測和網格重構迭代調整實際圖像表面網格,使之保持最佳的網格頂點分配。彈性變形表面的外部能量函數,吸引變形模型到局部檢測的表面,降低由錯誤對象邊界困住的網格。有限元模型[5]產生的網格包括不同層次的小模型疊加和由四面體分子取代小部分的網格,通過三維樣條擬合脊柱側凸的物理模型初始分割后,接著利用疊加的有限元模型算法細分割,通過變形夾層平面實現了脊柱的不同部位的快速分離。不同于以往算法完整地分割出單個椎體,該算法能夠分離椎間盤、關節和植入成分等。但是對于脊柱嚴重變形的部分,速度比較慢。定義單個椎體為局部椎體坐標系統之后, Klinder[6]整個脊柱作為全局模型獲得對象星座圖,將全局模型映射到圖像。另一方面,單個對象的相關位置大致找到后,局部椎體模型準確地調整到椎骨表面輪廓達到分割的目的。

1.4 基于圖譜的脊柱圖像分割 由于不同人存在生理差異,同一解剖結構的形狀、大小、位置等都不同,這使得不同人的圖像配準問題成為圖像分析和處理的難題。圖譜是通過對大量的相同解剖部位的醫學圖像的整理得到,包含了解剖學和形態學信息,以及其幾何學與拓樸學的相互關系。基于圖譜的分割算法是利用圖譜所包含的先驗知識來自動識別和正確地分割患者的圖像。Klinder等通過對多例胸部CT數據統計,得到一套包括完整的胸椎和肋骨的圖譜[7],先利用形狀相似性的內部能量函數和圖像特征的外部能量函數將表面模型調整到與參考CT圖像一致,然后采用圓柱射線搜素方法提取中心線對初始圖譜進行定位,最后在建立局部坐標系統的基礎上迭代地調整到CT圖像從而識別出椎骨輪廓達到分割目的。

1.5 其他脊柱圖像分割方法 在復雜的圖像中,自動、精確地分割出目標區域,單一的分割方法已經不能滿足需求,目前越來越多的分割算法采用多種方法、多步驟相結合。

椎體和椎間盤存在強烈的灰度差,所以定位椎間盤可以作為分割椎體的前提。應用統計模式識別的方法可以[8]提取脊髓并定位椎間盤,采用一個自適應矩形窗方法來定位脊椎。Mastmeyer提出新的分層次的技術[9]可以從粗到細分離椎體,首先由手工點出的椎骨中心[9]擬合的中心線分離出個體椎骨,再使用幾何形狀的布爾變形模型來擬合單個椎體,最后應用局部自適應體增長和形態學操作來調整椎體并分割出邊界。在分割的基礎上能夠提取各種感興趣區域(例如從定義的標記點中提取脊髓、骨密度測量、皮質層)。該法對骨中更小的組織提取、骨質疏松癥的治療和監測有著重要意義。Li[10]認為椎骨區域的密度極值、邊緣、強度脊和灰度球等特征相似,根據特征進行動態閾值和模糊C均值聚類的小波多尺度邊緣檢測,能確定具有最大似然概率的目標地區并減少噪音干擾。Peng等[11]將基于模型搜索方法定位椎間盤和通過Canny邊緣檢測算子提取邊緣結合分割圖像。在三維局部直方圖作為分割的特征基礎上,將光譜圖理論分析方法中的歸一化分割[12]引入圖像分割。

2 脊柱圖像的配準方法

醫學圖像配準是指對于一種圖像,尋求一種或者一系列空間變換,使得它與另一種醫學圖像或者患者實體之間的對應點達到空間上一致的過程。根據圖像的特征不同,可采用基于標記點的方法、基于圖像分割的方法、基于像素特征的方法和基于模型的方法。目前脊柱手術導航的配準包括術前不同模態圖像間的配準和圖像與患者之間的配準。

2.1 基于標記點的脊柱圖像配準 在術前選定的標記點上安裝能固定在患者身上(皮膚或骨骼表面)的標記物,導航系統獲得標記點位置信息后,與待配準圖像中相應點的位置相比較并調整圖像,這一過程稱為基于點的配準。在表面選取多個點進行定位的過程被稱為基于表面的配準,是基于標記點配準的延伸。

Panigrahy[13]通過實驗對三維圖像的CT和MR頸椎圖像配準進行可行性和有效性的評估,實驗結果表明由外部基準標記點配準比解剖標記點準確性高出35%,誤差大約2 mm,比解剖標記點的誤差小2 mm。目前不少研究者將基于點的配準和其他配準方法結合起來以達到更好的配準效果。Hensel等利用正交融合方法和下坡單純形法實現點到點預配準三維超聲波和脊柱術前CT數據集[14],以及隨后的表面配準。Russakoff等則采用基準標記點的度量和基于互信息的相似性度量的加權組合的方法實現了二維/三維脊柱圖像的配準[15]。

迭代最鄰近點法(Iterative Closest Point,ICP)是以點集對點集配準方法為基礎,闡述了一種曲面擬合算法。該算法是基于四元數的點集到點集進行迭代計算,直到殘差平方和所構成的目標函數值不變。ICP配準法主要用于基于自由形態曲面的配準問題。在不依賴激光定位系統的條件下,賈富倉[16]先選擇三對對應點配準以得到一個初始穩定解;再通過閾值分割得到脊椎骨的表面點云,在初始解基礎上,從脊椎骨表面選取更多點通過ICP進行精細配準,避免了不能貼標記點的配準和只利用骨性標記點配準誤差大的問題。ICP配準的結果過于粗糙,一般以之為前提進行細配準。張翼[17]首先通過構建頂點最小外接球樹的方法搜索Marching Cube算法生成脊柱表面的頂點,采用ICP進行初配準。其次根據CT梯度在成像平面的投影強度構造最優化函數,獲得較穩定的局部極值,進行精配準。該算法進行快速粗配準將誤差限制到一定范圍之內解決了捕捉范圍有限的問題。由于只利用圖像邊緣的位置信息,放寬了對成像條件的限制,方便與不同類型的C形臂系統配套使用。在脊柱側彎手術,通過將手術前多平面X線和CT掃描的圖像進行三維重建,利用ICP預配準脊椎模型,然后利用磁數字化儀和機械手臂跟蹤系統進行跟蹤定位[18]三維椎體的活動。該方法適合用于同一患者不同模式下的圖像配準。

2.2 基于圖譜模型的脊柱圖像配準 圖譜模型代表一種統計性的先驗知識,包含解剖組織的結構、形狀等,其處理信息來源于圖像本身;模型既可以是基于整個脊柱的幾何結構也可以是單個椎體結構。

數個具有代表性的側凸椎體的統計模型分析定義全局變形函數,一階馬爾可夫模型定義局部變形函數。從粗到精的配準過程[19]有效地解決進化隨機優化問題。在脊柱矯形外科手術中,假設脊柱是一個由旋轉、平移的連續椎間關節組成的脊椎模型[20],通過馬爾可夫隨機場統計來分割椎體,接著使用線性規劃和對偶實現多個模型參數優化。Benameur[21]利用兩個常規X射線的視圖以及每個椎體幾何結構的先驗全局知識統計出一套變形模板,然后待配準圖像擬合變形模板的投影對每個椎體作3D/2D配準。可變形脊椎表面模型可以由拉格朗日力學偏微分方程動態表示[22],迭代地解此方程而獲得速度、方向、時間等的有限元表面參數,利用這些參數和 Hermite方程將脊椎模型配準到實際圖像的輪廓表面,結果表明能夠適用于復雜結構的表面的匹配。先驗的3D密度特征和結構模型[23]有利于消除骨密度和幾何形狀在縱向定量CT測量的用戶交互。

2.3 基于分割的脊柱圖像配準 基于分割的配準算法是從圖像中分割出具有一定語義結構的線段和曲面、區域等,并以此作為基準配準整幅圖像。目前的分割算法比較成熟,例如區域生長算法、水平集算法、聚類算法、模糊連接算法。基于分割的配準既可以用于剛性變換的配準,從待配準的兩幅圖像提取相應的解剖結構作為其條件;也可以用于彈性配準,從圖像中分割出某些特征,作為形變的前提。基于分割的配準方法不僅能夠提高精度和速度,而且可以做到全自動,但是配準的精度受限于分割的精度。

患者的一些部位例如骨可以看做剛性物體,而其他的可能需要變形。分割出相應的感興趣區域后[24-25],在脊柱之間的CT和MR數據集進行分段剛性配準。由此產生的形變場通過光滑插值延長到周圍的軟組織,證明是可適用于正常情況甚至是損壞或丟失的椎骨椎間盤的情況。針對同一患者不同時間掃描的胸腹部CT圖像配準,盧振泰[26]首先分割出兩組CT圖像中的骨骼結構,并抽取骨骼邊緣上的點作為標記點,利用軟對應匹配算法計算出每一個骨骼與其對應骨骼的剛性變換矩陣:然后通過薄板樣條插值得到出整幅圖像的變形場,以確定對骨骼的精確配準;然后再對軟組織進行基于B樣條的自由形變的配準。

3 總結和展望

由于脊柱圖像的復雜性,到目前為止,還沒有對所有脊柱圖像都能產生滿意的分割方法或配準效果的方法。現在脊柱圖像的分割和配準方法要么針對某一類圖像,要么精度和速度難以均衡發展。結合文獻和臨床實踐發現目前脊柱的圖像分割和配準存在以下問題:①脊柱圖像分割的速度過慢,自動化程度較低。②能應用于臨床的脊柱的分割和配準的圖像大部分是CT和X射線,主要針對的是骨性疾病診斷。而對于對椎間盤突出、脊柱側凸、骨質疏松等疾病診斷,需要完成軟組織方面的信息獲取,CT圖像等分辨率不夠高,而MR圖像對軟組織分辨率較高,但這方面的研究較少,因此在配準前提下不同模態的圖像綜合需要不斷發展和完善。③無法準確地解決術中影像漂移問題,即手術進行中組織結構移位導致影像與真實位置的誤差,該誤差是導致導航系統無法實現精確定位的最大缺陷,其誤差發生率高達66%。所以快速精確的脊柱配準方法對于計算機輔助脊柱外科系統發展是非常關鍵的。

從國內外的文獻研究和醫療發展的需要可知,脊柱圖像的分割和配準將會是一個研究的熱點。而且隨著計算機數據處理水平的提高和醫學圖像的發展,與之密切相關的輔助治療、手術導航、實時定位等技術也會有著更廣泛的應用。

[1]Yao J H,O’Connor SD,Summers RM.Automated Spinal Column Extraction And Partitioning[C].In:3rd IEEE International Symposium on Biomedical Imaging:Nano to Macro,2006:390-393.

[2]Sun DM.Algorithm Study for Disk Segmentation and Labeling of MRI Spine Images[D].Beijing Jiaotong University, Master thesis,2008,4. [孫冬梅.MRI脊柱圖像椎間盤分割及定位算法研究[D].北京交通大學碩士論文,2008:4.]

[3]Li HY,Li GY,Wang Z.An Algorithm Based on the Level Set Method for Spine MRI Image Segmentation[J].Beijing Biomed Eng,2004,23(3):178-181. [李海云,李光穎,王箏.一種基于水平集的脊柱MRI圖像分割算法的研究[J].北京生物醫學工程,2004,23(3):178-181.]

[4]Weese J,Kaus M,Lorenz C,et al.Shape Constrained Deformable Models for 3D Medical Image Segmentation[C]. Information Processing in Medical Imaging:Davis,CA, USA,2001,2082:380-387.

[5]Kaminsky J,Klinge P,Bokemeyer M.3D segmentation and finite element modelling of spine segments[J].Comp Assist Radiol Surg,2003,1256:41-46.

[6]Klinder T,Wolz R,Lorenz C,et al.Spine Segmentation U-sing Articulated Shape Models[C].MICCAI:New York, USA,2008,5241:227-234.

[7]Klinder T,Lorenz C,von Berg J,et al.Automated modelbased rib cage segmentation and labeling in CT images[C]. MICCAI:Brisbane,Australia,2007,4792:195-202.

[8]Li WM,Ding XM,Shi RQ.MRI Spinal Segmentation Based on the NiosⅡProcessor[J].Medical Electronic, 2008,3:90-92. [李偉明,丁曉明,史容瓊.MRI脊柱圖像分割算法在嵌入式系統中的實現[J].電子應用設計,2008,3:90-92.]

[9]Mastmeyer A,Engelke K,Fuchs C,et al.A hierarchical 3D segmentation method and the definition of vertebral body coordinate systems for QCT of the lumbar spine[J].Med Image Analysis,2006,10:560-577.

[10]Li HY,Yan CH,Ong SH.A Multiresolution segmentation technique for spine MR images[J].Med Imaging, 2002,4684:1709-1717.

[11]Peng ZG,Zhong J,Wee W,et al.Automated vertebra detection and segmentation from the whole spine MR Images [J].Conf Proc IEEE Eng Med Biol Soc,2005,3:2527-2530.

[12]Carballido-Gamio J,Belongie SJ,Majumdar S.Normalized cuts in 3-D for spinal MRI segmentation[J].IEEE Trans Med Imaging,2004,23(1):36-44.

[13]Panigrahy A,Caruthers SD,Krejza J.Registration of three-Dimensional MR and CT studies of the cervical spine [J].AJNR,2000,21:282-289.

[14]Hensel K,Hold S,Winter S,et al.Ultrasound based navigation system for minimal invasive surgery at the lumbar spine within OrthoMIT[M].Advances in Medical Engeering,2007,114:79-81.

[15]Russakoff DB,Rohlfing T,Shahidi R.Intensity-based 2D-3D spine image registration incorporating a single fiducial marker[C].MICCAI:Montréal,Canada,2003,2878:287 -294.

[16]Jia FC,Li XW,Chen SP.Registration for CT image guided spine surgery[J].J Shenzhen University Sci Eng, 2007,24(4):406-409. [賈富倉,李修往,陳思平.CT圖像引導脊柱外科配準方法研究[J].深圳大學學報(理工版),2007,24(4):406-409.]

[17]Zhang Y,Wang MN,Song ZJ.Multi-step 2D/3D imageregistration in image-guided spine surgery[J].J Computeraided Design Computer Graphics,2007,19:1154-1158. [張翼,王滿寧,宋志堅.脊柱手術導航中分步式2D-3D圖像配準方法[J].計算機輔助設計與圖形學學報,2007,19: 1154-1158.]

[18]Mac-Thiong JM,Aubin CE,Dansereau J,et al.Registration and geometric modelling of the spine during scoliosis surgery:a comparison study of different pre-operative reconstruction techniques and intra-operative tracking systems [J].Med Biol Eng Computing,1999,37:445-450.

[19]Benameur S,Mignotte M,Labelle H,et al.A hierarchical statistical modeling approach for the unsupervised 3-D biplanar reconstruction of the scoliotic spine[J].IEEE Trans Biomed Eng,2005:52(12),2041-2057.

[20]Kadoury S,Paragios N.3D Registration of Articulated Spine Models Using Markov Random Fields[R].Institute National de Recherche en Information et en Automotiqe, 2009:4

[21]Benameur S,Mignotte M,Parent S,et al.3-D/2-D registration and segmentation of scoliotic vertebrae using statistical models[J].Computerized Med Imag Graphics,2003,5 (27):321-337.

[22]Xuan J H,Wang Y,Adali T.A Deformable Surface-Spine Model for 3-D Surface Registration[C].ICIP:Washington DC,USA,1997:236-239.

[23]Li WJ,Sode M,Saeed I.Automated registration of hip and spine for longitudinal QCT studies:Integration with 3D densitometry and structural analysis[J].Bone,2006,38 (2):273-279.

[24]Cech P,Andronache A,Wang LP.Piecewise rigid multimodal spine registration[M].Bildverarbeitung für die Medizin,2006,3:211-215.

[25]Little JA,Hill DL G,Hawkes DJ.Deformations incorporating rigid structures[J].Comput Vis Image Underst, 1997,66(2):223-232.

[26]盧振泰.醫學圖像配準算法研究[D].南方醫科大學博士論文集,2008.4

Advance in Spinal Image Segmentation and Registration(review)

WU J ian,X IAO Ru,WU J ian-hua.Research Center of Biomedical Engineering,Graduate School at S henzhen,Tsinghua University,Shenzhen518055,Guangdong,China

Because of spine structure and location importantance,spine artificial surgery is not only high-risk but also require proficiency of doctors.Image navigation system for spinal surgery could reduce risk and postoperative complications,and spinal image segmentation and registration methods are the key steps.This paper summarized spinal image segmentation and registration methods.Based on analysis of existing methods,we pointed out the shortcoming in the field,thus forecasts future development.

spine;image segmentation;image registration;review

book=130,ebook=1

TP301.6

A

1006-9771(2010)02-0130-04

2009-12-04)

國家“863”計劃“計算機輔助關節介入手術模擬與導航定位系統”(2006AA02Z4E7)。

清華大學深圳研究生院生物醫學工程研究中心,廣東深圳市518055。作者簡介:吳劍(1976-),男,浙江臺州市人,博士,副教授,主要研究方向:計算機輔助手術導航技術和醫學圖像處理。