基于CT數據的醫學圖像處理系統設計

張玉芳，關天民，劉光孟，郭艷利，張玉芬

1.大連交通大學機械工程學院，遼寧大連116028；2.鶴壁市人民醫院，河南鶴壁458030

前言

近年來，隨著計算機醫學成像技術的迅猛發展，人們可以快速獲取高質量的醫學序列圖像數據。通過圖像數據的分割和重建，為醫學診斷和生物醫學工程等學科研究提供重要的科學依據。醫學圖像分割技術是醫學圖像處理中至關重要的一環，模型的準確性對醫生診斷和后續相關處理研究至關重要。由于醫學圖像的復雜性，其所采用的分割原理和分割方法不同，故分割技術對醫學圖像的處理不具有通用性，這也是醫學圖像處理的難點。醫學圖像三維重建技術即從二維序列圖像中獲取三維的結構信息并顯示立體模型，為用戶呈現出直觀的效果。由于醫學數據的三維模型構造涉及學科間交叉，需要一款快速、簡便的模型構造操作平臺以降低操作難度，提高工作效率。

1 CT圖像的讀取與預處理

CT 圖像不同于常規的圖像形式，主要應用于醫學診治領域，不僅能夠展示圖形信息，同時也包含了患者信息、診斷情況等大量非圖形信息。

Visualization Toolkit（VTK）是一個開源軟件包，主要應用于三維計算機圖形學、圖像處理和可視化等領域，它是以三維函數庫OpenGL為基礎采用面向對象的設計方法發展起來的，具有跨平臺的特征［1-3］。VTK是專注于可視化的開源平臺，自帶Reader識別各種圖片格式，其中vtkDICOMImageReader類支持對DICOM格式圖像的直接讀取，通過vtkImageViewer2達到模型可視化［4］。

為突顯醫學圖像的目標區域，需對圖像進行去除冗余信息等預處理。常用的處理手段有平滑濾波、圖像增強處理等，針對DICOM醫學圖像，采用窗技術即調窗處理，突出分割目標組織。CT可識別2 000多個灰階密度，遠高于人眼可識別的16個灰階度，根據這一特性，可將組織密度分為16個灰階，以達到最佳顯示效果。窗寬的選取，對CT圖像的顯示效果也產生較大的影響。增大窗寬，則圖像CT 值范圍增大，組織結構增多，但各結構間灰度差別減少；減少窗寬，則組織結構減少，各結構間灰度差別增大。圖1為不同窗寬下的圖像可視化效果圖。

圖1 不同窗寬下的圖像可視化效果圖Fig.1 Image visualization under different window widths

2 CT序列圖像分割

圖像分割包括識別和描繪操作，其目的是將圖像中具有特定信息和意義的不同區域區分開，使這些區域不交叉并且每個區域都能滿足預設效果［5-7］。

2.1 圖像閾值分割

閾值分割方法是通過不同閾值，將圖像分割為若干類。灰度圖像包括目標、背景和噪聲的差異，設定某一個閾值T將圖像分成兩個部分：≥T的像素群和＜T的像素群：

由于實際得到的圖像目標和背景之間不單純地分布在兩個灰度范圍內，此時需要設置多個閾值進行目標提取。

2.2 目標區域分割

本文主要研究對象是脊柱及其周邊組織的分割，其中周邊組織選取區域較大的肺部為例。結構分割采用Insight Segmentation and Registration Toolkit（ITK）進行圖像處理。

2.2.1 結合閾值和區域生長方法的分割首先對分割圖像進行調窗處理，快速定位目標范圍和背景區域，并采用區域生長方法分割出目標區域。程序開始前，需要include 頭文件，聲明像素類型和圖像維度，分割完成后需要將 itkImageData 轉換成vtkImageData，進行可視化。為了節省系統內存，實現數據之間的共享，筆者使用了智能指針（itkPointer和vtkSmartPointer）來檢測引用數值，當引用計數減少到零，會自動釋放對應對象的資源。

由于ITK中沒有實現可視化的功能，可視化需要在VTK中實現，所以在ITK進行分割的基礎上，結合VTK對圖像進行可視化處理［8］。

2.2.2 結合閾值和水平集方法的分割水平集分割的流程大致與區域生長分割方法類似，首先調用itkFastMarchingImageFilter 作為分割濾波器，然后選用Sigmoid函數作為梯度值函數，控制曲線演化。

Sigmoid 函數作為梯度值函數，提供了一種曲線演化參數控制方法。其行進方式為：圖像梯度較高時演化過程放緩，梯度較低時演化加快。這樣的行進策略使演化曲線輪廓在接近目標結構邊緣時速率放緩，可更精確的完成分割。

分割過程中，使用itk Curvature Anisotropic Diffucsion ImageFilter 進行平滑，然后傳入itkGradient Magnitude Recursive Gaussian Image Filter得到梯度圖像，再由itkSigmoidImageFilter 得到梯度強度的Sigmoid 計算得到演化的速率系數，然后用itkFastMarchingImageFilter 水平集分割，最后通過二值化閾值itkBinaryThresholdImageFilter 生成一個binary mask得到分割圖像。

實際上itkSigmoidImageFilter作為一個亮度變換來使用，它將亮度值的特定范圍邊界平滑地映射到一個新的亮度范圍，其亮度變換規則如式（3）所示。ITK中通過式中4個參數來調節，使Sigmoids濾波器具有更高的機動性。

其中，I是輸入像素亮度，I′是輸出像素亮度，Min、Max 表示輸出像素的最小值與最大值，由用戶自定義。α表示輸入亮度范圍的寬度，β表示圍繞在范圍中心的亮度。

經過對比分割效果和分割效率等因素，在分割大面積組織區域時一般采用區域生長分割法，分割效率高，算法穩定性強；對小面積輪廓復雜的目標區域進行分割時采用水平集分割，分割輪廓保持較好。

3 基于VTK的醫學序列圖像三維重建

通過VTK可視化工具包來完成醫學圖像的三維重建，其封裝了實現三維可視化的兩種技術：面繪制和體繪制［9］。

3.1 面繪制方法及其編程實現

根據數據類型的不同，VTK 中提供了多個等值面提取類，其等值面提取算法多是基于MarchingCube 算法來實現，本文選用VTK 中的體素級重建方法（Marching Cubes,MC）算法完成面繪制［10-11］。核心實現程序如下：讀取DICOM序列圖像，初始化渲染對象，創建渲染窗口，添加交互機制：

接下來實例化vtkMarchingCubes 類來抽取等值面：

此處的（0,value）代表提取的第一個面及其提取值，可以通過SetValue添加提取多個等值面。提取等值面后實例化Actor和Mapper，接受提取輪廓并進行繪制實現可視化。

MC算法僅顯示特定的等值面信息特定輪廓，對于其他信息，在繪制時會直接舍棄，無法展示更多細節。為了解決這種問題，采用體繪制方法進行完善。

3.2 體繪制方法及其編程實現

體繪制技術是一種直接基于視覺原理的三維重建技術，通過體數據直接合成三維圖像。不同于面繪制方法，體繪制需要對體數據屬性（Volume Property）進行設置，包括不透明度傳遞函數、梯度不透明度函數和顏色傳輸函數［12-14］。

3.2.1 不透明度傳遞函數不透明度傳遞函數是一個分段線性標量映射函數，利用該函數可將光線透射過程中的采樣點灰度映射為不同的不透明度值，以決定最終的顏色值。vtk 中使用vtkPiecewiseFunction類對其進行設定。設置方法有兩種：第一種為直接添加斷點，使用方法為intAddpoint（double x,double y），參數x 為自變量即灰度值，參數y 為映射值即不透明度。第二種為直接添加一條線段，即添加兩個斷點void AddSegment（double x1,double y1,double x2,double y2），斷點（x1,y1），（x2,y2）組成一條線段，參數含義同第一種方法。一個標準的直接添加斷點的不透明度設置代碼如下：

3.2.2 梯度不透明度函數梯度模值映射為一個不透明度乘子，從而增強過渡區域的顯示效果。該函數同樣使用vtkPiecewiseFunction 類。一個具體的添加不透明度函數的代碼如下：

上述代碼中，當點的梯度小于等于x1時，一般從0開始，即不透明度乘子設置為0，呈透明狀態。梯度介于x1和x2之間時，不透明度乘子通過線性映射至y1到y2之間的數值。梯度為x2時，不透明度乘子設置為y2，以此類推到y3。

3.2.3 顏色傳輸函數顏色傳輸函數的使用與不透明度傳輸函數類似，但顏色傳輸函數需要把一個標量映射為顏色值。該顏色值的設置有兩種選擇：Red Green Blue（RGB）色彩模式值和Hue Saturation Value（HSV）顏色空間值，一般無特殊要求的情況下均選用RGB 值。 VTK 中的顏色傳輸函數采用vtkColorTransferFunction類實現。

通過設置體繪制參數，實現了面繪制中類似骨骼等值面提取的可視化效果，但重建結果質感更加真實，如圖2所示。

圖2 不同體繪制屬性下的效果Fig.2 Volume rendering results under different volume rendering attributes

不同體繪制參數獲得不同骨骼、肌肉效果，圖2a中實現了與面繪制中類似骨骼等值面提取的可視化效果，較傳統的二維X光片更具直觀和真實性。圖2b調高參數上下限獲得更詳細的骨骼信息，增加了胸骨、鎖骨等模型，在臨床應用中醫師可通過該骨骼三維模型查看患者骨骼情況。圖2c中顯示軟肋等軟骨信息，但脊柱顯示較模糊，當患者軟骨患有病灶時可采用該視圖參數查看。圖2d增加了肌肉、內臟等信息，可為醫師提供患者內臟患病情況。在實際臨床應用時，可根據患者具體情況，選擇不同參數建立模型，提高診斷效率。

4 醫學圖像處理系統的設計及案例分析

通過開發平臺將圖像的分割、重建等工作集成到醫學圖像處理系統中，旨在提供一款快速瀏覽并處理醫學圖像的軟件，以輔助用戶進行醫療診斷和科研分析。系統采用C++語言，在64位的Windows7系統中，以VS2013為開發平臺，結合ITK、VTK開發工具包和QT 5.8.0進行開發。以一位青少年特發性脊柱側彎患者CT序列圖像在本系統中圖像處理為例，構建其骨骼、肌肉等三維模型，測量患者側彎角度，為治療醫師提供直觀的視覺效果，方便臨床治療。

系統采用通用的框架結構，即遵循底層、中層、上層3層構架結構。上層即數據應用層，用來實現圖像顯示、用戶交互和參數設置等功能；中層為數據處理層，用于實現醫學圖像的讀取、二維分割與顯示、三維重建等功能，是實現業務邏輯的層構架；底層即算法庫和系統自帶的底層框架，供中層調取使用。

4.1 圖像讀取與保存

醫學圖像的讀取、顯示和保存除了支持醫學DICOM 和STL 圖像格式文件外，分別調用vtkJPGEReader、vtkBMPReader類增加了對通用圖片格式JPG、BMP的讀取，此模塊可實現快捷的格式轉換［15-16］。讀入患者CT數據，運行結果如圖3所示。

4.2 圖像預處理模塊

圖像預處理模塊包括濾波處理和形態學處理，其中形態學處理也可以作為分割后處理。此模塊分別調用itk Binary Erode Image Filter、itk Binary Dilate Image Filter、itk Grayscale Fillhole Image Filter、itk Binary Fillhole Image Filter、vtk Image Gaussian Smooth、vtkI mage Convolve及其成員函數來實現［17-18］。

4.3 圖像分割模塊

圖像分割模塊集成了3 種分割方法：閾值分割、區域生長分割和水平集分割。具體實現方法和核心代碼前文已作闡述，此處不再贅述。

4.3.1 閾值分割模塊閾值分割模塊頁面如圖4 所示，包含二值閾值分割參數設置、二值閾值分割、最大類間方差法（OTSU）分割3部分。

閾值分割模塊包括二值閾值分割和OTSU分割，其中由日本學者Nobuyuki Otsu提出的OTSU是一種基于圖像的自動分割算法，不需要輸入參數。二值分割需要輸入上下門限值，點擊菜單欄“閾值分割”，進入“二值閾值分割參數設置”，跳出對話框，進行參數設置。圖5 和圖6 分別為參數設置模塊和對應參數下的分割結果，分別分割出內臟和骨骼模型。

圖3 圖像讀取及顯示Fig.3 Image reading and display

圖4 閾值分割模塊Fig.4 Threshold segmentation module

青少年特發性脊柱側彎（Adolescent Idiopathic Scoliosis,AIS）是發生在三維空間中脊柱和肋骨的畸形導致的人體軀干畸形［19-21］。為方便醫師觀察AIS患者的骨骼和肌肉的情況，設置不同參數分別提取骨骼、肌肉模型，醫師可選擇側彎椎體提取上下椎體側彎線，測量對應側彎Cobb 角度，結果如圖7 所示，為醫師診治提供快捷操作。為增加模型的逼真度，將模型進行了平滑處理，且通過鼠標的按鍵可對三維模型進行縮放、旋轉、平移等操作，實現用戶交互，體驗效果良好。構建的三維模型為stl 格式，可由UG、SolidWorks等三維建模軟件讀取，方便模型的后續處理。

4.3.2 區域生長分割模塊用戶提供分割種子點，通過“區域生長分割參數設置”對話框進行參數設置，點擊應用即可得到該參數范圍內的模型點云數據（圖8）。

4.3.3 水平集分割模塊水平集分割模塊通過“水平集分割參數設置”對話框輸入分割參數，其中α為亮度范圍的寬度，β為圍繞在范圍中心的亮度（圖9）。

圖5 二值閾值參數設置Fig.5 Parameter setting of binary threshold

圖6 不同參數下二值閾值分割結果Fig.6 Segmentation results of binary threshold under different parameters

圖7 人體三維模型及Cobb角Fig.7 Three-dimensional model of human and Cobb angle

圖8 區域生長分割模塊Fig.8 Region growth and segmentation module

4.4 三維重建模塊

三維重建模塊包括面繪制模塊和體繪制模塊。面繪制使用MC算法，設置提取等值面的值，在“面繪制參數設置”對話框設置數值，不同參數的面繪制模塊如圖10所示。

體繪制模塊實現了光線投影法和最大密度投影法兩種繪制方法，使用默認參數直接進行體繪制。在交互方面，提供了VTK中的常用交互，可以實現模型的縮放、翻轉等功能。另外加入vtkPlaneWidget，實現模型任意方向的平面切割。

圖9 水平集分割模塊Fig.9 Level set segmentation module

圖10 面繪制模塊Fig.10 Surface rendering module

體繪制界面分為兩部分，如圖11所示，左側為使用最大密度投影法實現的體繪制結果，右側為平面切割后獲取的切割平面圖像。鼠標左鍵拖住穿過切割平面（紅色平面）的箭頭可以調節切割角度，拖住平面內任意一點進行上下移動，可以得到不同位置的切割圖像，交互過程簡單便捷。

5 結語

醫學圖像分割及三維重建技術在骨科診療等多個領域具有重要應用，真實、立體的三維模型可直觀顯示患者病痛位置，降低醫生診斷難度，縮短診斷時間，提高工作效率；同時，醫生在與患者溝通過程中可方便交流，減少醫患沖突。在Window7 系統中基于VS2013 和QT5.8.0，調用VTK、ITK 軟件開發包設計醫學軟件處理系統，該系統較常用的醫學圖像處理軟件mimics 可節省大量處理圖像的時間，且模型劃分更清晰、逼真。系統包括4 大功能模塊，實現了圖像的二維分割和三維重建功能，且提供了良好的用戶交互。隨著醫學采集技術的迅猛發展，醫學圖像數據包含的信息越來越多，隨之而來的是待處理數據量的不斷增加，優化分割算法對海量數據進行更高效的處理是后續研究的一個重要方向。

圖11 體繪制界面Fig.11 Volume rendering interface