CN100588370C - 小儿漏斗胸三维建模方法 - Google Patents

Abstract

本发明公开了一种小儿漏斗胸三维建模方法，首先针对小儿漏斗胸原始螺旋CT图片，采用区域搜索法，对胸廓硬骨部分进行建模；测量胸廓三维模型软骨区灰度值，修正后创建蒙罩分离肋软骨图像数据；采用区域增长法，对每根肋骨硬骨与软骨结合端使用区域增长分离肋软骨图像数据；对经过两次数据分离后的肋软骨数据进行立体绘制，生成漏斗胸肋软骨三维模型；对肋软骨三维模型进行高斯平滑处理，将小儿漏斗胸胸廓硬骨部分模型，与肋软骨三维模型进行叠加，得到完整的小儿漏斗胸三维模型。由于采用区域搜索法处理与硬骨结合部位软骨，采用区域增长法解决了软骨CT图像不可见问题，所建三维模型肋软骨没有粘连，各肋软骨圆润光滑，仿真程度高。

Description

小儿漏斗胸三维建模方法

技术领域

本发明涉及一种漏斗胸的建模方法，特别是小儿漏斗胸三维建模方法。

背景技术

漏斗胸和鸡胸的发病率约为1～4‰，其中漏斗胸患儿约占90％。漏斗胸主要表现是胸骨体向内凹陷，在胸骨体和剑突交接处呈漏斗状。漏斗胸的畸形胸廓不仅造成凹陷的胸骨压迫心脏、心搏出量减少、肺总容量和肺活量下降，而且易造成患儿心理自卑，以致严重影响患儿的心理和生理健康。医学界大多学者认为是由肋软骨和胸骨异常过度增长所致。

文献“漏斗胸的微创手术矫正治疗现状.高亚，李恭才.《中华小儿外科杂志》，2005，(08)：431-432”公开了一种利用微创手术进行漏斗胸矫正治疗的方法，漏斗胸微创矫正手术的优点是切口与创伤小、出血与并发症少；手术时间短；有效的改善了心肺功能；可以获得较满意的胸廓矫形效果。但实际上漏斗胸微创矫形手术也存在着许多问题，如矫形手术中肋软骨的形状位置不可视，仅依靠CT图片和医生手感经验判断，因而无法对病变软骨形状位置做出准确判断；矫形支架位置难以科学定位，导致矫形支架容易移位，使得再次手术率高达30％。因此，若能在术前获得患儿的胸廓三维模型，则可以在术前进行仿真实验，不但解决了手术的可视化问题，还能解决矫形支架的固定问题，从而提高手术成功率。

人体软骨密度非常接近软组织，CT图像很难区分软骨与软组织，所以软骨建模相对比较困难。

文献“人体胸廓三维有限元模型的建立及应力分析研究.胡辉莹，钟世镇，张美超等.《中国急救医学》，2007，(12)：1098-1100”公开了一种利用胸廓三维有限元建模及应力分析的方法。该方法采用螺旋CT对一成年男性新鲜尸体标本进行胸部扫描，扫描间隔1.0mm，共得440张断层图片，使用比利时Materialise公司生产的医学影像三维重建软件Mimics10.1，对断层图片分别设立蒙罩截取软骨和硬骨图像数据，然后对这些数调用三维体绘制操作生成模型，建立了包括锁骨、肋骨、脊柱等结构的人体胸廓的三维有限元模型。该文献建立的脊柱和肋骨硬骨部分模型比较完整，肋软骨部分第4肋和第5肋在剑突部位粘连在一起，且第4、5、6、7等肋软骨模型过于扁平，局部过于粗大，明显偏离人体实际生理形状，模型在肋软骨方面比较粗糙。

发明内容

为了克服现有技术由于肋软骨的透明性、密度与胸廓软组织差别小，而导致螺旋CT图像质量差、软骨不可见的不足，本发明提供一种小儿漏斗胸三维建模方法，采用区域搜索法处理与硬骨结合部位软骨，分析软骨特征参数，采用区域增长法解决了软骨CT图像不可见问题，可以实现人体软骨建模。

本发明解决其技术问题所采用的技术方案：一种小儿漏斗胸三维建模方法，其特点是包括下述步骤：

(a)针对小儿漏斗胸原始螺旋CT图片，采用区域搜索法，对胸廓硬骨部分进行建模；

(b)用医学图像处理软件Mimics测量胸廓三维模型肋骨末端软骨与硬骨结合部位软骨区灰度值为65～80，修正后创建蒙罩分离肋软骨图像数据；

(c)采用区域增长法，判断式|F(G_k)-F(s)|＜T是否成立，选择每根肋硬骨末端分离出的软骨图像数据，阈值T＝5～8，特征区域函数F(G_k)＝68～78，特征向量F(s)＝51～70作为增长点，对每根肋骨硬骨与软骨结合端使用区域增长分离肋软骨图像数据；

式中，T为阈值，F(G_k)是特征区域函数，F(s)是特征向量；

(d)采用光线投射法对经过步骤(b)、(c)两次数据分离后的肋软骨数据进行体绘制，肋软骨数据完整分离后采用光线投射法进行体绘制生成漏斗胸肋软骨三维模型；

(e)对肋软骨三维模型进行高斯平滑处理，使其圆润光滑；

(f)将步骤(a)所建立的小儿漏斗胸胸廓硬骨部分模型，与步骤(b)～(e)所建立的小儿漏斗胸肋软骨三维模型进行叠加，得到完整的小儿漏斗胸三维模型。

本发明的有益效果是：由于采用区域搜索法处理与硬骨结合部位软骨，分析软骨特征参数，采用区域增长法解决了软骨CT图像不可见问题，实现了人体软骨建模，所建三维模型肋软骨没有粘连，各肋软骨圆润光滑，仿真程度高。

下面结合附图和实施例对本发明作详细说明。

附图说明

图1是本发明小儿漏斗胸三维建模方法所用的漏斗胸螺旋CT图片。

图2是图1软骨数据分离后断层图片。

图3是图1软骨数据区域增长后断层图片。

图4是本发明方法所建立的肋软骨三维初始模型。

图5是本发明方法所建立的平滑处理后肋软骨三维模型。

图6是本发明方法所建立的漏斗胸胸廓三维模型。

具体实施方式

本发明的漏斗胸胸廓三维模型的建立方法，具体按以下步骤进行：

将图1所示某患儿漏斗胸原始螺旋CT图片输入计算机。CT图片为切片图像，灰度模式显示，分主视、俯视和左视三个方向。图片分辨率为512×512像素，切片数目为227，切片间距为0.4mm。从原始CT图像灰度上仅能分辨出肋骨硬骨和软组织的区别，无法分辨出软骨和软组织。

首先对某患儿漏斗胸原始螺旋CT图片进行图像处理。对于某患儿漏斗胸原始螺旋CT图片是灰度图像的情况，先对其进行肋软骨灰度数据提取。人体组织CT图像灰度值范围为-1024～1250，不同组织材料有不同灰度值，对欲分离的肋软骨来讲，除了软骨组织其余部分均可视为噪音。

区域搜索法。小儿肋软骨与软组织密度近似，透明性高，CT图像上无法区分软骨与软组织，且软骨CT图像灰度值范围无资料可参考，因此无法直接分离肋软骨图像数据；而肋硬骨由于组织密度与周围软组织差别较大，CT图像清晰可见并且边缘轮廓清楚；从生理结构看，肋软骨与肋硬骨相连，肋硬骨末端相邻组织即是肋软骨组织。因此，只要建立起肋硬骨模型，精确定位肋硬骨模型边缘区域，即可确定肋软骨区域。硬骨图像灰度值范围一般为226～1250，创建蒙罩Bone Mask，灰度范围226～1250，分离图像数据可得包括胸椎、肋骨、胸骨等硬质骨图像数据，对这些硬质骨图像数据采用体绘制操作建立肋骨硬骨部位三维模型，在三维模型肋硬骨末梢单击鼠标进行定位，则三视图中鼠标光标自动出现在相对应位置，该位置即是肋硬骨末端肋软骨起始处。

软骨区域及参数确定。由于肋软骨密度与胸廓软组织差别小，CT图像质量差，视觉确定肋软骨区域存在困难。但从生理结构上看，肋软骨与肋硬骨相连，而硬骨CT图像质量高，建模简单，建立胸肋骨硬骨模型，其肋骨末端区域必然是肋软骨。创建蒙罩，建立肋骨硬骨三维模型。蒙罩即是前景背景数据分离器，设置蒙罩参数为最小灰度226，最大灰度1250，分离肋骨硬骨数据并绘制三维模型。由于小儿肋软骨透明性高、密度与胸廓软组织差别小、螺旋CT图像质量较差，且软骨螺旋CT灰度范围无经验值可参考，故须测量实际螺旋CT图片肋软骨区实际数据才能确定。本发明根据具体漏斗胸的CT图片，用医学图像处理软件Mimics的区域灰度测量工具Profile Line测得软骨区灰度值为65～80，修正后创建蒙罩，参数设为最小灰度值60，最大灰度值为85，平均灰度值为68.88，标准偏差为6.1751，应用蒙罩可滤出所有大部分肋软骨灰度像素及部分软组织和脾脏灰度像素，得到分离出的用不同颜色表示的肋软骨图像数据。从图2软骨数据分离后断层图片可以看出，使用蒙罩分离软骨数据后，由于图像数据的析出表现为不同组织不同的灰度，明显区别于图1原组织图像及周围软组织的灰色。但是，软骨数据分离后断层图片中间部位为脾脏组织，因其CT图像灰度值与软骨组织相同，亦被分离了出来，需要进一步处理。

本发明采用基于区域增长法的进一步数据分离方法。即在待分割的前景区域中选择一个与肋硬骨相连的种子点作为生长的起始点；在种子点邻域中搜索与种子点的相似特征度，可保证满足指定生长准则的像素，使像素与种子点所在区域合并。再将新合并的像素作为新的种子点，采用循环搜索与合并方法，直至获得满意像素。令F表示衡量像素相似程度的特征函数，G_k代表第k步时生长的区域，则G_k的区域特征函数为F(G_k)。设当前像素为s(i，j)，其特征向量为F(s)，判断下列不等式是否成立

|F(G_k)-F(s)|＜T    (1)

式中，T为一定的阈值。

若(1)式成立，则像素s被合并至G_k+1＝G_k+s，否则跳过像素s搜索下一相邻像素。算法的核心就是比较F(G_k)与F(s)的特征距离是否满足一定的阈值T。

对于已经分离出来的肋软骨图像数据，本发明采用区域增长法进一步分离数据。由于婴幼儿软组织和脾脏组织CT灰度十分近似软骨CT灰度，亦会作为肋软骨数据被分离出来。用医学图像处理软件Mimics的区域增长工具Region Growing，设定区域增长工具参数：阈值T＝5～8，特征区域函数F(G_k)＝68～78，特征向量F(s)＝51～70，点选肋硬骨末端已经确认为肋软骨的区域，进行区域增长的二次软骨数据分离。经二次数据分离提取肋软骨数据后，可得到以第三种颜色标注的肋软骨图像灰度数据，相比于第一次数据分离，二次数据分离后肋软骨数据更完整。从图3中可以看出，蒙罩加区域增长法处理后，由于区域增长源为软骨而非脾脏，脾脏组织已经作为噪音信号被屏蔽了起来。

本发明的体绘制方法采用光线投射法。经过两次数据分离后的肋软骨数据为二维几何数据，需进行体绘制后才能生成三维几何模型，本发明采用光线投射法实现体绘制，再现肋软骨三维几何模型。该法模拟图像平面的每个像素都沿着视线方向发射出一条射线，这条射线穿过体数据集。沿着这条射线选择k个等距采样点，并由距离某一采样点最近的8个数据点的色值和不透明度值作三次线性插值，求出该采样点的不透明度和色值，最后将这条射线上的各采样点的色值及不透明度值由前向后或由后向前加以合成，即可得到该像素的色值，进而组合反映出物体的轮廓结构。

体绘制生成三维模型。3D视图是通过分开的区域三角计算生成的，每张CT断层图片里存在经过前两次数据分离滤出的肋软骨像素，沿任一断层图片的任意像素点发出一条视线到下一断层图片某像素点上，这两点就构成了三角形的一条边，若这条边延伸到更下层断层图片上仍有相同像素点，则该边就同时连接了三张断层图片；同样道理可以组成三角形的第二、第三条边。三角形数量决定了3D模型的质量，三角形越多，品质越好，需要的内存越多。调用体绘制工具Calculate 3D from mask，设定参数为3D品质选用户，插补方法选轮廓插值，矩阵压缩XY分辨率为2，Z分辨率为1，其余参数默认，计算三角形并绘制体轮廓得到图4漏斗胸肋软骨三维初始模型。从图4三维模型可以看出，经过前述操作后初始三维模型已经建立，只是模型比较粗糙，下面进行进一步优化。

表面平滑处理是三维几何模型处理的进一步优化。表面平滑主要目的是减少图像噪声，本发明平滑方法采用高斯平滑方法。采用高斯平滑方法，设置平滑因子为0.4，平滑次数选3，经过三次平滑处理后得漏斗胸肋软骨3D最终几何模型。从图5可以看出，经过平滑处理后漏斗胸肋软骨模型完整，形态自然，各肋软骨清晰光滑没有粘连。

将前述的小儿漏斗胸胸廓硬骨部分模型，与前述的小儿漏斗胸肋软骨三维模型进行叠加，得到完整的小儿漏斗胸三维模型。从图6可以看出，所建立的小儿漏斗胸三维模型图像清晰，肋软骨没有粘连，各肋软骨圆润光滑，仿真程度高。

Claims (1)

1、一种小儿漏斗胸三维建模方法，其特征在于包括下述步骤：

(a)针对小儿漏斗胸原始螺旋CT图片，采用区域搜索法，创建蒙罩，灰度范围226～1250，分离图像数据可得到包括胸椎、肋骨、胸骨硬质骨图像数据，对所述硬质骨图像数据采用体绘制操作建立肋骨硬骨部位三维模型；

(b)根据具体漏斗胸的CT图片，用医学图像处理软件Mimics的区域灰度测量工具Profile Line测得软骨区灰度值为65～80，修正后创建蒙罩，参数设为最小灰度值60，最大灰度值为85，平均灰度值为68.88，标准偏差为6.1751，应用蒙罩滤出所有肋软骨灰度像素及部分软组织和脾脏灰度像素，得到分离出的用不同颜色表示的肋软骨图像数据；

(c)采用区域增长法，判断式|F(G_k)-F(s)|＜T是否成立，选择每根肋硬骨末端分离出的软骨图像数据，用医学图像处理软件Mimics的区域增长工具Region Growing，设定区域增长工具参数：阈值T＝5～8，特征区域函数F(G_k)＝68～78，特征向量F(s)＝51～70作为增长点，对每根肋骨硬骨与软骨结合端使用区域增长分离肋软骨图像数据；

式中，T为阈值，F(G_k)是特征区域函数，F(s)是特征向量；

(d)采用光线投射法对经过步骤(b)、(c)两次数据分离后的肋软骨图像数据进行体绘制，肋软骨图像数据完整分离后采用光线投射法进行体绘制生成漏斗胸肋软骨三维模型；

(e)对肋软骨三维模型进行高斯平滑处理，使其圆润光滑；

(f)将步骤(a)所建立的小儿漏斗胸肋骨硬骨部位三维模型，与步骤(b)～(e)所建立的小儿漏斗胸肋软骨三维模型进行叠加，得到完整的小儿漏斗胸三维模型。

Images