何洪林,谢 峻,李 毅,雷 跳,钱 俊,马桃林
基于裸眼3D视觉效果的脑血管CT图像快速三维重建方法研究
何洪林,谢 峻,李 毅,雷 跳,钱 俊,马桃林
目的:针对传统脑血管CT图像三维重建过程的复杂性与不便捷性,探究一种基于裸眼3D视觉效果的脑血管CT图像三维重建方法,使重建过程更加快速。方法:在智能化神经网络融合模型的基础上,对脑血管CT图像病灶部分进行分割,建立3D人体模型数据库,从数据库选取相应部分对病灶进行替换,快速地完成脑血管CT三维重建过程。结果:通过3D人体模型数据库,节省了重建过程的时间,大大提高了脑血管CT图像三维重建的效率,从而有助于快速完成诊断。结论:该方法有利于更快速、便捷地实现脑血管CT的逼真展示,方便医生与病患的交流与沟通。
视觉效果;3D人体模型数据库;三维重建
CT灌注成像是诊断缺血性脑血管病的常用方法[1]。通过CT灌注成像获得的二维图像对病灶区域情况的表达能力还不够,无法做到视觉效果的逼真展示,不利于医生与病患之间的交流和沟通[2]。与二维图像相比,三维图像具有更强的表达与展示能力,因此实现CT灌注图像的三维立体化对于解决诊断中的不足是十分必要的。血管灌注成像技术只能显示出二维的血管结构,没有能够得到三维影像的设备,在诊断过程中只能根据医生的主观判断去建立三维结构,这样结果很不准确,容易出现错误,更不能对血管进行定量分析[3]。目前,血管三维重建技术主要以二维血管造影图像数据为基础,使用双平面技术[4]完成三维重建。例如Coatrieux等[5]采用矢量跟踪算法,提取血管中轴线和边界,此种方法对用户干预较少,更节省时间。SUN[6]利用血管信息的连续性,根据血管起始点的位置、方向等信息,自动检测血管中轴线和边缘信息。Kitamura等[7]根据正交的双平面造影图像,先估算出二维的血管中心线,再手工标记出与二维中心线关键点相匹配的对应点,最后依靠一定的几何关系反投影,从而得到三维的中心线。Saito等[8]则根据多幅造影图像中造影剂在血管中的流动过程来确定出匹配的血管段,从而可以重建出三维血管。
以上传统的三维重建算法都是基于精确计算的方法,需要通过双视图或者多视图进行重建,重建过程较为繁琐复杂。为了使三维重建更加快速,本文提出一种基于裸眼3D视觉效果的脑血管CT图像快速三维重建的方法,在智能化神经网络融合模型的基础上,对脑血管CT图像病灶部分进行分割处理,再利用3D人体模型数据库对病灶部分进行替换,快速完成脑血管CT的三维重建。重建后基于裸眼3D视觉效果的CT图像具有更强的展示和表达能力。相比传统的三维重建方法,省去了精确分割与计算的复杂过程,实现了CT图像的快速重建。
本研究的技术路线流程图如图1所示。
(1)对区域性脑血流量(regional cerebral blood flow,rCBF)、局域脑血容量(regional cerebral blood volume,rCBV)、平均通过时间(mean transit time,MTT)和峰值时间(time to peak,TTP)等一系列灌注参数图像进行预处理——提取、增强、匹配等。(2)使用神经网络模型对头颅灌注图像进行初步融合,完成由多幅单参数头颅灌注图像向单幅多参数头颅灌注图像的转变。(3)针对解剖学成像图像纹理的空间关系和多参数信息图像的特征关系,利用代数加权乘积变换方法进行二次融合处理,实现缺血性脑血管病(ischemic cerebral vascular disease,ICVD)患者的CT灌注诊断结果直观显示。(4)在智能化神经网络融合模型的基础上,对脑血管CT图像病灶部分进行分割处理,再利用3D人体模型数据库对病灶部分进行替换,快速地完成脑血管CT三维重建的过程。
图1 技术路线流程图
(1)、(2)、(3)过程已经通过智能化神经网络融合模型实现[1],因此本文着重研究CT图像快速实现三维重建的方法。通过对融合图像进行去噪、分割、处理,提取病灶部分,从已建立的3D模型数据库中选取相应的部分对病灶部分进行替换,从而快速实现三维重建过程。
传统的三维重建方法不但要对能够清晰显示的主要血管进行分割,对可见度很低、模糊的细小血管也要做分割处理。要得到理想的图像分割效果需要在此之前对图像进行预处理来提高图像的质量和处理精度,包含去噪部分。然后使用直方图技术、空域频域内的处理、边缘增强、边缘检测、轮廓提取和轮廓跟踪等图像增强技术。这使得图像预处理以及分割的过程比较复杂,而且对于清晰度不高的血管部分,处理和分割效果并不是很好。
2.1 去噪处理
在智能化神经网络融合模型的基础上,病灶部分的大体位置分布即疑似病灶部位已经得到确定,现只关注病灶部分的情况,可以暂不考虑病灶周围其他组织。如图2所示,箭头所指位置为出现堵塞等发病血管位置,方框区域的疑似病灶部分是需要分割的内容。
图2 疑似病灶部分
病灶部分的分割提取,首先要进行去噪,鉴于本研究是基于裸眼3D视觉效果的三维重建,是通过3D人体模型数据库进行填充替换,所以无需进行精确定位和清晰显示,只需要呈现病灶部分的大致分布即可。在去噪处理过程中,选取较大的阈值处理病灶区域图像,如图3所示。病灶部分血管的大致分布得到呈现,因为选取较大的阈值,血管的边缘不够清晰,而且出现了图中圆圈区域所示的血管断节,但是不影响后面的操作。
图3 选取较大的阈值去噪
2.2 病灶部分的边缘检测法分割
通过上述去噪,病灶部分血管的大致分布得到较为清晰呈现,但还需要通过边缘检测法对病灶部分进行进一步分割。边缘检测法是通过对目标边界的检测即边缘检测来实现图像分割的方法。与传统的分割方法不同,本研究只需要得到病灶部分较为粗略的分割,而对于病灶部分以外的组织不进行考虑,因而大大简化了传统分割的步骤,提高了分割的效率。所以只需要选择已有的算子对病灶部分图像进行边缘检测分割。
以Kirsch边缘检测算子为例,其为一种由8个方向卷积核组成的边缘检测算子,图像中的每个点都用8个卷积核进行卷积,每个卷积核都对某个特定边缘方向做出最大相应[9]。如图4所示,对脑血管CT图像进行Kirsch算子边缘检测处理。边缘检测处理之后病灶部分得到分割,达到下一步三维重建的要求。
通过对脑血管CT图像的处理病灶部分得到分割,但是二维的图像对病灶区域的表现力仍然不够,无法对病情做到形象逼真地展示,不利于医生与患者的交流、沟通、诊断。因此,我们要对图像进行三维重建,提高CT图像的立体可视化。由于已有的三维重建技术要使用双视图或者多视图进行三维重建,过程较为繁琐,而且介于我国的重建技术比较落后,本文基于视觉效果的角度出发,探究一种仅使用一幅视图进行三维重建的方法,使三维重建过程简单、快捷。
图4 Kirsch算子边缘检测处理
3.1 3D人体模型数据库的建立
可视化技术为人们对不同信息源的大量数据的分析解释带来了方便,在包括医疗领域内的各个领域得到广泛应用。3D技术的发展势必让3D可视化取代2D格式。3D可视化技术在国际上成为研究的热点。数据库概念使在合理时间内快速完成对数据的撷取处理得到实现,并将计算机可视化技术与医疗领域结合。建立3D人体模型数据库,包含人体各个解剖构造、以活人体和尸体的磁共振成像(magnetic resonance imaging,MRI)数据为基础数据来源的人体解剖3D模型数据库。通过数据库的3D视图可以看到骨骼、肌肉、韧带、静脉、动脉以及内脏器官等的3D结构。由于采集大量的数据作存储,我们可以随时通过数据库搜寻所需要的模型。
如图5(a)所示,以脑血管为例,建立脑血管3D模型库,通过模型库脑血管的各个部分组织可以随时分离进行提取,如图5(b)所示。3D模型库的存在(如图5(c)所示),使我们只需提取需要的部分进行下面的替换重建即可,很大程度上简化了操作过程。
图5 脑血管3D模型
3.2 三维重建
通过脑血管CT图像病灶部分的分割,图像中病灶部分大致分布走向得到较为清晰呈现。即使病灶部分会出现血管的断点,但是本研究是基于3D人体模型数据库的三维重建,我们可以通过数据库中的血管走向对断点进行处理,然后从3D人体模型数据库中选取我们需要的与病灶部分相应的3D模型对CT图像中的组织进行填充替换。如图6(a)所示,病灶部分得到呈现后的脑血管CT图像,通过从3D人体模型数据库选取相应的3D模型对病灶部分进行填充替换得到具有立体效果的病灶部分图像,如图6(b)所示。通过上面的3D人体模型数据库选取替换的方法,仅通过一幅视图完成脑血管CT图像的三维重建过程,如图6(c)所示,避免了传统双视图、多视图重建方法的繁琐过程,快速完成了图像的三维重建。重建后病灶部分可以用不同的颜色标记,方便医生的诊断。
图6 数据库选取并替换完成三维重建过程
通过3D人体模型数据库替换完成三维重建,再通过3DMAX软件以虚拟立体摄影的方式生成序列视差图像,经抽样、合成输出到光栅板上,经光栅显示器折射分像再现立体感[10],完成CT图像在裸眼3D显示设备上的立体显示,将病灶部分更加逼真地展示给医生和患者。如图7所示,在治疗过程中三维
图7 三维脑血管CT在治疗中的使用
(▶▶▶▶)(◀◀◀◀)立体效果的脑血管CT图像中病灶部分与周围组织清晰可见,提高了诊断的便捷性、准确性。
本文通过对脑血管CT图像的分割处理使病灶部分得到较为清晰的呈现,从而确定了病灶血管的大致分布走向。通过建立3D人体模型数据库,从中选取相应的模型以替代病灶血管实现对病灶部分的三维重建。相比传统三维重建中使用双视图或多视图的重建方法,文中所述方法仅利用一幅视图实现脑血管CT病灶部分的三维重建,更加方便快速。重建后的CT图像具有更为逼真的展示效果,有利于医生与患者之间的交流与沟通。
[1]何洪林,赵育新.基于神经网络融合模型的头颅灌注图像分析[J].医疗卫生装备,2013,34(1):19-21,31.
[2]韩智涌.脑血管CT图像三维重建关键技术研究[D].大连:大连海事大学,2011.
[3]李金,胡战利.基于MC算法的CT图像三维重建[J].应用科技,2008,35(4):30-33.
[4]夏顺仁,吕维雪.双平面投影心血管三维重建技术研究新进展[J].国外医学:生物医学工程分册,1993(5):4-9.
[5]Coatrieux J L,Garreau M,Collorec R,et al.Computer vision approaches for the three-dimensional reconstruction of coronary arteries review and prospects[J].Cri Rev Biomed Eng,1994,22(1):1-38.
[6]SUN Ying.Automated identification of vessel contours in coronary arteriograms by an adaptive tracking algorithm[J].IEEE Trans Med Imag,1989,8(1):78-88.
[7]Kitamura K,Tobis J M,Sklansky J.Estimating the 3D skeletons and transverse areas of coronary arteries from biplane angiograms[J].IEEE Trans Med Imag,1988,7(3):173-187.
[8]Saito T,Misaki M,Shirato K,et al.Three-dimensional quantitative coronary angiography[J].IEEE Trans Biomed Eng,1990,37(8):768-777.
[9]Kirsch R A.Computer determination of the constituent structure of biological images[J].Computer Biomed Res,1971,4(3):315-328.
[10]何赛军.基于柱透镜光栅的多视点自由立体显示技术研究[D].杭州:浙江大学信息学院,2009.
(收稿:2014-12-08 修回:2015-04-07)
Rapid 3D reconstruction based on wiggle stereoscopy for cerebrovascular CT images
HE Hong-lin1,XIE Jun1,LI Yi2,LEI Tiao2,QIAN Jun2,MA Tao-lin2
(1.Wuhan General Hospital of Guangzhou Military Area Command,Wuhan 430070,China; 2.School of Printing and Packaging,Wuhan University,Wuhan 430072,China)
ObjectiveTo explore rapid 3D reconstruction based on wiggle stereoscopy for cerebrovascular CT images to eliminate the complicacy and inconvenience of the traditional methods.MethodsFocal parts of cerebrovascular CT images were segmented based on intelligent neural network fusion model.A 3D human body model base was established,and the focal parts were replaced with the corresponding ones in the base to realize cerebrovascular CT images 3D reconstruction.ResultsThe 3D human body model base enhanced the efficiency of the cerebrovascular CT images 3D reconstruction greatly.ConclusionThe rapid reconstruction based on wiggle stereoscopy facilitates the display of cerebrovascular CT images.[Chinese Medical Equipment Journal,2015,36(9):24-26,46]
visual effect;3D human body model base;3D reconstruction
R318;R814.49
A
1003-8868(2015)09-0024-04
10.7687/J.ISSN1003-8868.2015.09.024
武汉市科技攻关计划(2013060602010245)
何洪林(1960—),男,高级工程师,主要从事放射影像技术方面的研究工作,E-mail:wdrf2004@163.com。
430070武汉,广州军区武汉总医院(何洪林,谢 峻);430072武汉,武汉大学印刷与包装系(李 毅,雷 跳,钱 俊,马桃林)
钱 俊,E-mail:qianjungreat@126.com