基于磁共振影像的颞下颌关节三维模型重建的研究现状

钱 敏,吴梦婕

颞下颌关节(temporomandibular joint,TMJ)是全身唯一的双侧联动关节,包括关节窝、关节结节、髁突、关节盘、关节囊和关节韧带等结构。颞下颌关节紊乱病(temporomandibular joint disorders,TMD)作为口腔颌面部常见的疾病之一,是一系列具有相同或类似症状的疾病总称,常表现为弹响、疼痛、下颌运动异常等。磁共振成像(magnetic resonance imaging,MRI)具有不产生电离辐射、侵害性低、可以显示关节盘、肌肉等软组织等优点,现已成为诊断TMD盘髁关系紊乱的金标准[1]。常规MRI影像常局限于二维平面,无法显示空间三维结构,故本文试对基于MRI的TMJ三维模型重建的研究现状作一总结,希望有助于TMD的诊断与治疗。

1 基于磁共振影像行颞下颌关节三维模型重建的意义

随着医学影像技术的迅速发展,医学影像在临床诊断中的作用越来越重要。但二维影像如全景片,常存在图像变形、重叠、显示不全等缺点[2],易造成误诊、漏诊等情况发生。三维重建技术应运而生。构建TMJ三维模型后,医生可通过旋转、移动等方式从不同角度观察,也可进行距离、角度、面积、体积等测量。构建TMJ三维模型有助于增强医生对TMJ生理病理结构的认识,更好地评估TMD发展进程及开展手术治疗[3-4]。但常见TMJ三维重建往往基于CT影像,而CT影像无法显示关节盘、韧带、肌肉等软组织,这意味着无法从三维角度评估关节盘、肌肉的空间位置、表面积、体积等。因此基于MRI的TMJ三维模型重建必不可少。MRI成像技术仍在不断发展之中,7T MRI成像技术能进一步改善信噪比及提高图像对比度,并减少采集时间,提高诊断效能[5]。TMJ三维有限元分析模型中的结构,如关节盘、肌肉等,通常根据解剖平均值构建,缺少个性化设计。若能通过MRI构建个性化的三维模型,将有助于病理状态下的有限元分析。多模态图像配准可以实现不同模式影像信息的融合与互补,我们通过CBCT和MRI图像数据构建TMJ三维模型并基于髁突标志点进行配准,可实现骨组织结构与软组织空间位置的良好再现(图1),使三维有限元分析更加可行和精确。伴疼痛、张口受限等症状的关节盘不可复性前移位患者,常需通过关节盘复位锚固术恢复关节盘正常位置。术者通过三维重建能更清晰地明确关节盘的空间位置,从而更精准地施加复位锚固力。

A:通过CBCT重建骨组织三维模型;B:通过MRI重建髁突及关节盘三维模型;C:基于髁突标志点配准获得关节盘的空间位置

2 颞下颌关节的三维重建技术

医学影像的三维重建是指通过计算机技术将医生所需的人体结构从二维平面图像重建为三维立体模型[6]。TMJ三维重建基本流程为通过图像预处理提高感兴趣区域(region of interest,ROI)的显示效果,再通过图像分割得到ROI,最后利用三维重建算法输出可视化的三维模型。

2.1 图像处理

受现有成像技术限制,TMJ的MRI图像会出现噪声信号及边界不清的问题。对图像进行去噪处理,获得更清晰的ROI边缘,有助于图像分割。传统的图像去噪方法常分为图像空间域去噪法和图像变换域去噪法[7],传统方式复杂程度低,处理速度快,但容易丢失边缘细节。基于深度学习的MRI图像去噪方法正处于不断发展之中,基于卷积神经网络的去噪方法(DnCNN)[8-9]已被用于脑部MRI中,Jiang等[9]的研究表明,结合残差学习和多通道策略的DnCNN可以有效处理脑部MRI的莱斯噪声。但目前尚无基于深度学习的图像去噪方法应用于TMJ的MRI图像。

2.2 图像分割

图像分割是指根据不同特征如灰度、纹理、结构等,将图像分为若干不同的区域,同一区域内具有一致性,不同区域间存在差异。图像分割根据操作方式可分为手动分割、半自动分割、自动分割。手动分割过于繁琐且耗时,对操作人员有较高的影像诊断水平要求。半自动分割的适用性更广,依靠算法的自动分割方法是当前的研究主流。传统的图像分割方法包括基于区域图像分割法[10]、基于阈值图像分割法[11-12]等。TMJ三维重建较为常用的图像分割法为基于阈值图像分割法,将不同位置的像素值与阈值比较,高于阈值时,该位置像素为ROI的一部分,否则为背景。若阈值设定过高,易出现边缘缺损,阈值过低则边缘易模糊不清,故该方法仍需与人工交互式编辑相结合。以卷积神经网络(convolutional neural network,CNN)为基础的MRI图像自动识别算法,在识别关节盘领域已经有所应用[13-16],但算法依赖于大样本量的训练,准确度也需进一步提高。

2.3 三维重建方法

传统三维重建算法包括面绘制算法(surface rendering)和体绘制算法(volume rendering)。面绘制算法是一种只显示三维物体外表面的重建方法。移动立方体法(marching cubes)是面绘制中使用最为广泛的算法。体绘制算法除能显示三维模型的表面,还能够显示重建后三维模型的内部细节,常用方法有光线投射法、抛雪球法等。随着人工智能日益成熟,CNN、概率神经网络(probabilistic neural network,PNN)等深度学习算法也已应用于医学三维重建中[17-18]。Li等[14]通过以CNN为基础的U-Net++和nnU-Net模型,完成了首例基于MRI的TMJ模型自动分割及构建,有助于关节盘移位的诊断。

3 基于磁共振影像的颞下颌关节三维模型重建的临床实践

目前TMJ的三维重建常与医学影像归档和通信系统(picture archiving and communication systems,PACS)结合,依赖于医学图像三维重建软件或自研程序完成。

3.1 基于医学图像软件重建颞下颌关节三维模型

3.1.1 Mimics软件 Mimics软件是由Materialise公司开发的交互医学影像控制系统,含有图像导入、图像分割、图像可视化、图像配准、图像测量等模块。操作者对ROI进行阈值分割、区域生长、形态学操作、计算三维模型等操作即可获得相应结构的三维重建模型[19]。部分研究通过将MRI以医学数字成像和通信(digital imaging and communications in medicine,DICOM)格式导入Mimics软件,在阈值分割时调节灰度范围0～300[20],从而获得需要的关节盘形态[20-22]。但由于MRI图像的分辨率较低,关节窝、关节盘、关节结节、髁突间的界限模糊不清,操作者在图像分割时常需逐层手动选取ROI[22-25],这就要求操作者拥有较高的MRI诊断水平同时也需耗费较多的时间及精力。Wang等[22]比较不可复性关节盘移位患者行关节盘复位术前后关节盘三维模型发现,术后关节盘体积、表面积、长度、宽度等明显增长,且有向正常恢复的趋势。何妍明等[26]通过MRI三维模型重建得到了关节盘移位患者在开闭口不同状态时关节盘的表面积、体积及其空间位置。周子凌等[24]在一项三维有限元分析中基于MRI重建关节盘及咀嚼肌的三维模型,采用肌力加载的方法探讨咬合接触对TMJ应力分布影响,发现异常咬合接触如单侧后牙反牙合可导致患侧明显的应力集中。由于临床常用TMJ的MRI图像层数厚(2～3 mm)[27],每一序列层数少,存在层间间隔,同时MRI的部分序列在Mimics软件中无法被识别及绘制[28],因此经Mimics重建所得三维模型的准确性仍有待进一步研究。

3.1.2 Amira软件 Amira软件是一款可处理多种图像模态,包括光学和电子显微镜、CT、MRI和其他成像技术图像的图像软件,其功能包括图像数据的可视化、分割、分析和量化等。Hayakawa等[29]对TMJ的高分辨率MRI二维图像进行降噪预处理后,利用半自动分割技术选取二维影像中的髁突及关节窝,同时为克服MRI层厚3 mm,层间存在0.6 mm间隙的问题进行了三次轮廓插值法的运算,最终通过Amira软件内置的曲面生成算法以及逐步平滑获得包括关节窝及髁突的TMJ模型。通过倒置体素值以及对关节窝和髁突3D渲染可以在3D环境中观察到高密度信号影的关节盘形态。Chirani等[30]实现了基于MRI的TMJ三维模型重建及三维运动功能分析,并成功初步评估了在开口运动中髁突的运动轨迹及关节盘位置和面积变化。Coombs等[31]基于MRI使用手动分割的方法建立了包括下颌骨和关节盘的TMJ三维模型,并将其与基于CBCT建立的TMJ骨组织三维模型比较,指出这两种三维模型间相应形态测量指标有存在显著性差异者,且往往小于实际测量值。这可能与不同成像技术有关,这对人工关节设计、手术规划、解剖研究等有参考意义。Kinzinger等[32]则指出利用Amira软件重建TMJ三维模型可清晰地观察到骨性Ⅱ类错牙合畸形患者使用功能性下颌前伸矫治器(functional mandibu-lar advancer,FMA)治疗前后的髁窝空间位置变化,这可能有助于非侵入性地评估髁窝适应机制。Amira软件并非完全适用于医学领域的三维重建软件[19],其渲染工具较为复杂且多数无法直接用于基于 MRI 的三维模型[28],操作繁琐且常需要操作者手动分割,对操作者要求高。

3.1.3 多种软件联合应用 MRIcro软件及MRIcron软件是具有交互式功能、常用于脑图像查看和分析的图像软件,其功能包括图像查看、图像修剪、ROI处理、简单计算等,操作简单,但缺少三维模型可视化功能,可与其他软件连用,实现三维模型重建的目的。ITK-SNAP是一款允许加载多种格式医学图像,着重于图像分割问题的开源软件。操作者可通过手动分割或半自动分割ROI,获取相应的三维模型。该软件支持在同一视图内加载MRI不同序列同一部位的图像,这有助于操作者的分析判断[33]。Luo等[34]首先通过MRIcron软件将MRI图像从DICOM格式转化为神经图像信息技术倡议(neuroimaging informatics technology initiative,NIFTII)格式,再通过ITK-SNAP软件半自动分割选择ROI,从而获得了髁突与关节盘的三维模型。在一项针对关节结节形态的研究中,学者使用MRIcro软件将MRI影像从DICOM格式转换为ANALYZE格式后,利用ITK-SNAP软件半自动分割生成了双侧关节结节的三维模型,并发现关节结节形态与性别、关节盘是否复位没有明显相关性[35]。Costa等[36]采用类似的方法通过手动分割完成了包括关节结节、关节盘、髁突的TMJ三维模型的重建,并指出三维模型在诊断TMJ关节盘移位时与MRI二维影像具有良好的一致性。通过多种软件联合应用可以基本实现基于MRI的TMJ三维模型重建,但过程较为繁琐,且常需结合手动分割,若为大样本量研究时将耗费大量时间。另外这几种软件功能较为简单,较难满足后续三维模型测量、切割、分析等进一步研究需要。

3.2 基于自研程序重建TMJ三维模型

3.2.1 C语言平台 Cookson等[37]通过C语言平台编写了一套计算机程序,共包含三个数据采集程序、三个表面建模程序、一个图像生成程序及两个表面积和体积计算程序。Chu等[38-39]对该套程序的应用表明,该程序可以良好重现TMJ的解剖关系以及放入不同厚度牙合间治疗器(interocclusal appliance,IOA)后的盘髁及盘窝关系变化,但仅可显示大致轮廓。同时由于MRI层厚过厚,5例患者中有2例无法完成三维模型重建,可见三维模型重建成功率与MRI的图像属性及质量有密切联系。

3.2.2 Visual Basic平台 Motoyoshi等[40]将MRI胶片使用扫描仪扫描传输到计算机并进行相应图形处理后,通过使用VB编写的计算机程序交互式选取ROI,后用交叉衰减法克服MRI层间3 mm间隔的问题,最终通过二维与三维坐标转化,结合立体显示程序实现了盘髁三维模型重建。该方法虽然可行但无法直接利用MRI原始图像,需经相应转化,实用性及美观性不佳。

3.2.3 Matlab平台 Leader等[41]基于强度分割法从MRI中分割ROI,使用Matlab软件通过Delaunay三角剖分算法计算三维模型的顶点及面,渲染三维模型,最后得到包括下颌骨及关节窝的三维模型。但由于MRI分辨率低,该三维模型仅能显示大致轮廓,无法实现各结构的精确重现。

4 基于磁共振影像的颞下颌关节三维模型的评估

不同研究均表明基于MRI的TMJ三维模型重建可以良好再现TMJ的三维空间结构且可用于不同临床研究。但不同序列MRI信号不同,基于不同序列MRI重建后的三维模型会有轻微不一致[29],基于不同截面MRI所得三维模型也会有边缘形态差异[42]。三维模型重建质量与MRI的图像属性及质量有密切联系[30,32,42]。郭宏等[43]则指出通过选定MRI适当层厚、扫描位置、成像序列等可以缩短三维重建时间并且改善三维模型质量。不过目前仍无统一推荐的适用于三维重建的MRI拍摄参数及相应的三维模型评估标准。

5 小 结

基于MRI的TMJ三维模型重建,可以清晰地多角度展示关节窝、髁突、关节盘、咀嚼肌的空间位置关系及变化,有助于分析TMD病因机制、治疗效果,在医疗教学、患者教育等方面也有应用潜力。但受限于临床常规MRI层厚、层间间隔、分辨率低等问题,TMJ的三维模型重建仍有操作繁琐、精确度有待提高等缺点。虽然目前已有深度学习技术用于基于MRI的TMJ三维模型重建的研究,但仍有待进一步发展。相信随着医学影像技术及人工智能的日益成熟,基于MRI的TMJ三维模型重建技术会日益完善,为TMD的诊疗提供科学、有效的支持。