基于腹部CT圖像三維重建算法的實(shí)現(xiàn)

李玲，程正喜，羅新，徐杰，陳光達(dá)，劉畢

(湖北科技學(xué)院生物醫(yī)學(xué)工程學(xué)院，湖北咸寧437100)

醫(yī)學(xué)影像診斷技術(shù)中，最常見的為斷層圖像，主要是根據(jù)本身各自物理學(xué)原理然后從人體器官采樣，把采樣所得到的數(shù)據(jù)進(jìn)行重建為二維圖像。醫(yī)學(xué)圖像的三維重建越來(lái)越重要。而醫(yī)學(xué)影像要想顯示三維圖像，一般方法則是對(duì)所得的一個(gè)序列的橫斷層圖像或者其它斷層圖像進(jìn)行計(jì)算機(jī)處理，有三維重建算法重建所得來(lái)的，三維重建圖像可以達(dá)到原來(lái)器官的三維表面形式，也可以同時(shí)重建出其它未得到截面圖像。隨著醫(yī)療技術(shù)的發(fā)展，醫(yī)學(xué)三維重建圖像能夠?yàn)楹笃卺t(yī)學(xué)治療提供更精確的數(shù)據(jù)和直觀的依據(jù)。

目前，計(jì)算機(jī)輔助診斷技術(shù)在迅速的發(fā)展，各種更多先進(jìn)的算法被利用，更高科技的計(jì)算機(jī)技術(shù)被實(shí)現(xiàn)，而這些相關(guān)的技術(shù)在醫(yī)學(xué)領(lǐng)域都能夠得到異常廣泛應(yīng)用。在醫(yī)學(xué)影像技術(shù)當(dāng)中，其中CT(ComputedTomography，CT)技術(shù)根據(jù)自身的特點(diǎn)，僅能得到橫斷面圖像。而臨床醫(yī)生在治療之前，要想準(zhǔn)確的確定病灶的大小、形狀，還有其所在的空間關(guān)系，以及病灶本身與周圍組織之間的空間關(guān)系和信息情況，只有三維圖像能夠更直觀的顯示和測(cè)量。CT圖像要想得到三維圖像，就必須利用計(jì)算機(jī)三維重建技術(shù)進(jìn)行人體器官和病灶的重建，三維重建技術(shù)可以重建出矢狀面和冠狀面，也可以重建出三維立體結(jié)構(gòu)，CT技術(shù)本身無(wú)法達(dá)到的技術(shù)，就可以經(jīng)過后期處理和重建得到直接所得圖像無(wú)法達(dá)到的信息。

而本論文以腹部CT橫斷面圖像為例，利用重建算法實(shí)現(xiàn)重建出腹部的矢狀面和冠狀面，并重建出三維結(jié)構(gòu)。本算法可以直接重建醫(yī)院常用圖像格式，用一系列的腹部橫斷面的CT圖像，重建出CT技術(shù)無(wú)法直接得到的矢狀面、冠狀面和三維立體結(jié)構(gòu)。

一、三維重建算法

目前，代表性算法是基于等值面的繪制，又叫移動(dòng)立方體法(MarchingCubes)。

本文主要應(yīng)用MarchingCubes算法，由于其比較容易實(shí)現(xiàn)，所以是三維重建中常用的方法。

MarchingCubes算法是一種面顯示算法，其過程是從一個(gè)三維數(shù)據(jù)場(chǎng)當(dāng)中提取一個(gè)等值面。在這個(gè)等值面上，函數(shù)的值是其中一個(gè)給定值。從這個(gè)給定的采樣點(diǎn)中找出等值面，由采樣點(diǎn)恢復(fù)出連續(xù)函數(shù) ，等值面是由連續(xù)函數(shù)和某一給定的閾值得出來(lái)的，這就是所謂的等值面提取算法。等值面提取算法誤差大又復(fù)雜，所以本文主要利用的是隱式的等值面提取方法。這種算法就是在數(shù)據(jù)體中8個(gè)相鄰的體素組成一個(gè)cube，所謂cube，就是我們常說(shuō)的立方體，然后，用圖像的灰度界限值來(lái)把每個(gè)體素區(qū)分為對(duì)象外和對(duì)象內(nèi)兩類。我們可以根據(jù)這種方法對(duì)立方體進(jìn)行編碼。最后，我們就可以把這些切點(diǎn)連接成相鄰的三角形，這樣就可以表達(dá)這個(gè)立方體內(nèi)對(duì)象的表面，然后要求得該表面的方向，可以通過計(jì)算灰度梯度值。

圖1立體示意圖

從圖1我們可以得出，分別由相鄰的圖像f1(x，y，z)及f2(x，y，z)兩個(gè)大小為M*N的所構(gòu)成在M*N個(gè)cube中。而我們只將那些所要抽取的等值面的閾值小于立方體的頂點(diǎn)的灰度值標(biāo)記為黑色。每個(gè)cube都是有8個(gè)頂點(diǎn)所組成，每個(gè)頂點(diǎn)都是有兩種狀態(tài)存在的，所以說(shuō)，等值面的分布加起來(lái)共有256種可能。我們?cè)谟?jì)算過程中將256種拓?fù)浣Y(jié)構(gòu)總結(jié)成了15種基本cube。我們可以記錄所有情況下的等值面連接方式。最后，我們所要做的就是得出這個(gè)立方體在那條邊上的等值點(diǎn)，把這些等值點(diǎn)連接起來(lái)形成等值面。

二、實(shí)驗(yàn)結(jié)果

本文方法的流程圖如圖2所示，其中包括輸入、輸出、圖像預(yù)處理、三維重建和三維顯示等。

圖2CT圖像三維重建系統(tǒng)結(jié)構(gòu)圖

其中輸入圖像可以為DICOM格式的醫(yī)學(xué)圖像，也可以為其它常見的格式。圖像預(yù)處理主要對(duì)原始所得圖像進(jìn)行平滑濾噪和調(diào)整窗寬窗位等預(yù)處理。三維重建主要是利用三維重建算法進(jìn)行軟件的實(shí)現(xiàn)，三維圖像顯示可以顯示利用CT橫斷面重建得到的矢狀面、冠狀面和三維立體結(jié)構(gòu)的圖像，同時(shí)還可以對(duì)圖像進(jìn)行測(cè)量和方向轉(zhuǎn)換，簡(jiǎn)單的圖像分割。

1．輸入的原始CT腹部橫斷面圖像

以下是直接輸入DICOM格式的一系列腹部CT圖像，其中部分圖像如圖3所示。

圖3原始的腹部CT圖像

可以根據(jù)需要顯示某一幅圖像，并對(duì)圖像按要求調(diào)整窗寬窗位，對(duì)顯示的圖像進(jìn)行測(cè)量。

2．重建后的腹部CT圖像

三維重建后，可以依次根據(jù)需要顯示圖像的矢狀面、冠狀面和三維立體圖像。

以下是由二維CT橫斷面圖像重建所得的矢狀面和冠狀面，如圖4所示。

圖4重建所得圖像的矢狀面和冠狀面

重建所得的矢狀面和冠狀面可以根據(jù)個(gè)人需要著重顯示病變部位，或者根據(jù)需要轉(zhuǎn)換方向和查看重點(diǎn)位置，對(duì)圖5所示為轉(zhuǎn)換方向重點(diǎn)顯示的病變位置(其中肝臟中的低密度區(qū)為病變)。

圖5轉(zhuǎn)換方向后的矢狀面和冠狀面圖像

本算法重建出的立體三維圖像只能顯示其表面結(jié)構(gòu)，不能通過透明化顯示內(nèi)部結(jié)構(gòu)，以下圖像為一系列橫斷面CT圖像三維重建后的立體結(jié)構(gòu)，如圖6所示。

圖6三維重建后的立體結(jié)構(gòu)

相比二維CT橫斷面圖像，三維重建后，成像質(zhì)量提高了，對(duì)病變部位能多方位清晰顯示出來(lái)。對(duì)于組織內(nèi)部的結(jié)構(gòu)，可以清晰可辨，對(duì)病變部位可多剖面觀察。

醫(yī)生可以整體看圖像，也可以每個(gè)層面順序觀察，更有利于醫(yī)生診斷病情和確定病變的具體位置和形狀特征。

本算法的實(shí)現(xiàn)，不僅實(shí)現(xiàn)了圖像的三維重建，三維顯示，還可以對(duì)圖像進(jìn)行切割和旋轉(zhuǎn)。

三、討論

本研究不需要圖像格式的轉(zhuǎn)換，可以直接輸入醫(yī)院常用格式DICOM格式，也可以選用其它常用格式，一般會(huì)先對(duì)圖像進(jìn)行預(yù)處理和測(cè)量，然后根據(jù)三維重建算法實(shí)現(xiàn)三維圖像的重建，二維CT橫斷面圖像進(jìn)行三維可視化方便快捷，重建效果較好。同時(shí)還可以根據(jù)需要，對(duì)重建圖像實(shí)現(xiàn)冠狀面及矢狀面的顯示，并根據(jù)病灶所處位置和特點(diǎn)對(duì)冠狀面和矢狀面圖像分層顯示，幾種顯示圖像綜合以后，對(duì)病變可以全方位觀察和診斷，并具有更重要的意義。此研究還能實(shí)現(xiàn)對(duì)圖像的切割、旋轉(zhuǎn)、縮放和測(cè)量等的操作，為影像醫(yī)生的診斷和臨床醫(yī)生的后期治療提供了更為直觀和形象的醫(yī)學(xué)圖像。

此研究由于本人所具備的計(jì)算機(jī)性能有限，重建效果和速度還有待提高。以后隨著計(jì)算機(jī)的性能的提高，立體三維成像速度會(huì)更快，形態(tài)更加逼真。

［1］VovkU，PernusF，LikarB．AReviewofmethodsforcorrectionofintensityinhomogeityinMRI［J］．IEEETranson MedicalImaging，2007，3(26):405 ～421．

［2］陳作炳，胡新宇，李世普，等．利用DICOM圖片實(shí)現(xiàn)CT圖像的三維重建［J］．武漢理工大學(xué)學(xué)報(bào)，2005，27(2):52～54．

［3］孫蕾，耿國(guó)華，周明全，等．基于可變形模型提取腫瘤區(qū)域的方法研究［J］．計(jì)算機(jī)仿真，2005，22(2):236～238．．

［4］ XueZhong，LiStanZ，TeohEamKhwang．AI－ Eigen-Snke:Anaffine－invariantdeformablecontourmodelforobjectmatching［J］．ImageVesionComputing ，2002 ，20(2):77～84．

［5］GouwsA，WoodsW，MillmanR，etal．DataViewer3D:an opensource，cross－ palatformmulti－ Modalneuroimaging datavisualizationtool［J］．FrontNeuroinformatics，2009，3(9):6～10．

［6］陳國(guó)平．一種改進(jìn)的Snake算法［J］．?dāng)?shù)學(xué)理論與應(yīng)用，2004，24(4):41 ～43．

［7］廖其光，鮑蘇蘇，潘家輝等．基于VTK肝臟三維模型可視化研究與實(shí)現(xiàn)［J］．計(jì)算機(jī)與數(shù)學(xué)工程，2005，36(2):102～104．