一种基于MATLAB的快速MRI图像三维重建方法*

王 军 王 昕

(1.泰安市第四人民医院放射科，山东 泰安 271000； 2.泰山医学院放射学院，山东 泰安 271016)

由MRI断层序列图像进行相关器官与组织三维重建的技术，已经广泛应用于科学研究和临床诊断。但对于影像技师和医学影像技术从业人员来讲，三维重建的实际应用偏向于两个极端。一种是按照软件工程的思路使用C语言等进行基本编程，该方法对操作者大规模编程能力要求较高。另一种是以软件的形式(mimics、3D doctor等)被高度集成在磁共振操作系统或图像工作站上，进行三维重建的过程被简化为几个选项和按键。用户可以进行的中间介入性操作几乎没有[1-3]。这两种进行三维重建的方式，对于影像技师和技术从业人员来说均不够合理。最佳应是在介于二者之间的软件层面上，进行较大开放度的三维重建实现。本研究基于这一思路，实现了一种基于MATLAB的快速三维重建方法，遵循图像预处理、配准、分割、插值和三维重建的经典方法[4]，可较快的对颅脑等实体组织三维体绘制重建。

1 材料与方法

1.1材料 万东i-open 0.36T 开放型磁共振、PC机(配置：CPU Duo T2250,Display 15.4'w×GA,HD 80 GB,Memory 512 MB)，正交头线圈；Matlab7.0软件。采集部位：颅脑，薄层、多重复次数获得全脑T2加权横断面的横断位图像。

1.2方法 将17幅颅脑横断位图像导入Matlab软件中，进行颅脑的重建，重建分为：进行滤波降噪等图像像预处理； 对图像进行阈值、形态学和主观轮廓方法的分割，以提取出颅脑； 对分割提取出的颅脑断层像进行层间插值，生成数据足够的三维体数据集；使用移动立方体法，对颅脑进行三维重建[4]。

1.2.1将原始颅脑横断位图像导入Matlab，使用medfilt2函数对序列图像进行3×3模版的中值滤波，获得高对比度低噪声的待分割图像。相对于其他滤波算子，中值滤波在抑制图象随机脉冲噪声方面较为有效。且运算速度快，可硬化，便于方法的硬件集成。3×3模版尺寸适于滤除图像中众多的单像素宽噪声。

1.2.2全脑重建需要去除图像中的颅骨和面部脂肪、肌肉，这里采用了阈值、形态学和主观轮廓方法相结合，进行横断位图像中脑的分割提取[5]。MRI颅脑横断位图像中骨骼相对密度较低，脑组织和骨骼对比度大，选取足够阈值显示即可消除颅骨。但头皮和皮下脂肪密度较高，和脑白质、脑脊液形成密度的高斯分布重叠。需要借助形态学分割去除。

位于听眦线以下区域的横断位影像中，脑与颅底组织交界复杂，环状密度影像不明显。此时借助诊断医师的主观判断和先验知识，使用鼠标标定一个颅脑封闭联通的单像素宽轮廓，用imfill函数对轮廓内像素进行填充，确定脑区域；再使用immultiply函数与原图像相乘，去除脑区域外高灰度值，从而提取出脑。

1.2.3在原始采集的颅脑图像中共30幅像，其中17幅含有脑组织。但由于采集序列和层厚等原因，使普通低场MRI无法进行大范围无间隔的容积扫描，因此重建后脑组织会存在变形和数据缺失。在无法增加原始数据的前提下，可以通过层间插值的方法进行体数据扩充，从而改善重建效果[6-9]。

该方法中，插值采用三维等间距高阶插值。使用cat函数将17副分割后的图像生成256×256×17的三维体数据。使用tformarray函数对体数据进行三维仿射变换，仿射变换式为：

获得插值后256×256×51的三维体数据。插值后图像对比如图1。

图1 插值后51副图像

1.2.4对插值后的三维体数据进行移动立方体的面绘制方法三维重建。使用isosurface和isocaps函数进行等值面提取，形成脑表面阈值一致的三角面片，采用gouraud光照模型进行明暗渲染。选择合适的缩放比例和初始视角后，即可获得脑的三维重建，如图2。

图2 脑三维重建的不同视角

2 结 果

该方法最终重建出三维形态的脑组织，去除了头皮、骨骼等脑的包围。重建出的大脑纵裂、横裂等解剖标示清晰可见，部分较深的脑沟回得以显示。眼球(在分割过程中保留)与脑的相对结构位置正确，贴近真实颅脑的形状，具有一定的诊断价值。

方法的鲁棒性较好，经过对多例志愿者的MRI颅脑影像进行上述重建过程，证明均能较好的提取出三维脑组织，稳定可靠。同时，相比于集成度高的三维重建软件，该方法的灵活性更高，可方便的调节分割阈值、等值面阈值和光照模型等参数，有助于不同重建效果的比较，加强技术人员对三维面绘制技术理解和掌握。

3 讨 论

三维重建已经成为CT、MRI中一项不可或缺的技术，但高度集成的重建软件使技师和医师无从理解各种三维重建的特点与不同。而MATLAB作为广泛应用的矩阵处理平台，可以帮助他们搭建一个简单编程、快速实现的三维重建过程。本文的重建方法正是基于这一思路，根据基本的三维可视化算法，实现断层图像的颅脑三维重建。

三维重建的效果对诊断结果至关重要，本研究使用的方法尚有亟待改进之处。由图2可得到，虽已进行了插值，但重建后的梯田效应仍很明显。一种较为简便的改进方法就是进行非线性插值，即对颅脑上部采用高密度插值。在MRI的颅脑三维重建中，还应考虑头动对重建的影响，应先对序列图像以第一幅像为基准进行二维配准，然后重建，消除移动引起的层间偏差[8]。

[1] 何叶松，付淼,洪洋，等.人体颅脑计算机三维模型的创建[J].中国医学物理学杂志，2008，11(6)：887-889.

[2] 栾红霞，戚飞虎.一种新的用于MR脑图像分割的主动轮廓模型[J].仪器仪表学报，2004，25(Z1):558-560.

[3] 何培.三维人体颅脑有限元模型构建和颅脑正面碰撞分析[D].天津科技大学，2006.

[4] 罗述谦，周果宏.医学图像处理与分析[M].北京:北京科学出版社，2003：203-210.

[5] Risa J.Robinson,Jackie Russo,Richard L.Doolittle.3D Airway Reconstruction Using Visible Human Data Set and Human Casts with Comparison to Morphometric Data[J].The Anatomical Record: Advances in Integrative Anatomy and Evolutionary Biolog，2009,292(7)：1028-1044.

[6] 冯衍秋.基于Gibbs随机场理论的脑部MR图像分割新算法研究[D].中国人民解放军第一军医大学,2003.

[7] Stefania Pallotta.A simple device for high-precision head image registration:Preliminary performance and accuracy tests[J]. Med Phys, 2007,34(5):2-10.

[8] 王昕.颅脑MRI图像三维重建的实现[D].泰山医学院，2009.

[9] Mauro Costagli, R. Allen Waggoner, Kenichi Ueno, etl. Correction of 3D rigid body motion in fMRI time series by independent estimation of rotational and translational effects in k-space[J]. Neuro Image, 2009, 45:749-757.