王沫楠+李鵬程+劉宇銘

摘要：為了設計針對人體組織建模和分析的仿真軟件，利用Visual C++語言，以Visual Studio 2010為開發(fā)工具在Windows平臺上設計開發(fā)一個人體組織三維建模軟件，它既可以單獨使用，也可以作為虛擬手術系統(tǒng)的子模塊。該軟件主要包括醫(yī)學圖像分割和三維重建模塊，并能夠實現(xiàn)三維模型的可視化顯示。通過該軟件對人體髖關節(jié)肌肉、股骨和髖骨進行分割及三維重建，所生成的三維幾何模型能夠合理的表達出髖部組織的結構信息。

關鍵詞：虛擬手術；圖像分割；三維重建；MC算法

DOI：10.15938/j.jhust.2017.02.001

中圖分類號： TP301文獻標志碼： A文章編號： 1007-2683（2017）02-0001-06Geometry Modeling Program Implementation of Human Hip Tissue

Abstract：Aiming to design a simulate software of human tissue modeling and analysis， Visual Studio 2010 is selected as a development tool to develop a 3D reconstruction software of human tissue with language C++. It can be used alone. It also can be a module of the virtual surgery systems. The system includes medical image segmentation modules and 3D reconstruction modules， and can realize the model visualization. This software system has been used to reconstruct hip muscles， femur and hip bone accurately. The results show these geometry models can simulate the structure of hip tissues.

Keywords：virtual surgery， image segmentation， 3D reconstruction， human hip

0引言

人體組織三維幾何建模是虛擬手術系統(tǒng)的核心模塊，也是醫(yī)學領域研究的熱點問題，通過三維幾何建模可以輔助醫(yī)務人員對患者進行準確高效的醫(yī)療診斷，提高手術的成功率。本文主要介紹虛擬手術系統(tǒng)中幾何建模軟件的實現(xiàn)方法。人體組織三維幾何建模包括醫(yī)學圖像的預處理和三維重建兩部分。圖像預處理的核心操作是醫(yī)學圖像的分割， Kayalvizhi R等提出一種新的智能算法-粒子群算法（PSO），并將其應用到傳統(tǒng)的閾值分割中[1]。CruzAceves I等提出一種基于活動輪廓模型理論和分布估計算法的自動圖像分割方法[2]。Nayak NR等通過評估三種不同的聚類算法，提出了一種適用于灰度圖像的改進聚類算法[3]。對于一般的醫(yī)學圖像來說，計算機自動分割方法的準確性都很難達到要求，因此，圖像分割的過程中必須有交互式操作，才能得到更加精確的分割結果。Milanova M等提出一種基于視覺來確定位置的圖像分割方法[4]。劉再濤等依據(jù)人類視覺感知的分層特性，提出一種新的復合醫(yī)學圖像分割方法。該方法通過提取醫(yī)學圖像的底層特征，利用FuzzyART神經(jīng)網(wǎng)絡作為像素的分類器，對醫(yī)學圖像進行連續(xù)兩次分割[5]。Gonzalo RD等提出一種基于B樣條的的交互式圖像分割方法。通過控制圖像上的一些點來約束曲線的拓撲結構，并設計了一個交互式界面，用戶通過手動操作進行圖像分割[6]。Aragon AC等為髖關節(jié)圖像分割提供了一個網(wǎng)絡平臺，該平臺收集志愿者的MRI圖像，形成一個解決方案的知識庫，提供數(shù)據(jù)用于訓練自動分割算法，用戶可以在界面中進行手動和半自動的交互式分割[7]。盡管近年來提出的圖像分割方法層出不窮，但由于醫(yī)學圖像分割本身的困難，任何一種單獨的計算機圖像分割方法，不管是自動分割還是交互式分割都難以得到令人滿意的結果。本研究采用的是將基于灰度差的區(qū)域生長方法和基于邊填充算法的交互式分割方法結合起來的方法對醫(yī)學圖像進行分割，該方法可以滿足一般醫(yī)學圖像的分割要求。三維重建的算法很多[8-11]，Habert S等提出一種新的方法將輪廓形狀（SFS）方法應用于冠狀動脈與血管造影的三維重建中 [12]。CohenSteiner D提出了一種三維重建算法，與傳統(tǒng)的重建算法不同。首先，該算法處理的是由一般形狀聚合在一起的緊密集合。其次，該算法并不輸出一個體數(shù)據(jù)而是輸出一個網(wǎng)狀的序列。第三，該算法具有拓撲持久性，從而可以選擇最穩(wěn)定的重建特性[13]。Meko M等提出一種改進的三維重建算法，該算法從兩個或兩個以上的攝像頭獲得圖像，目標是減少傳統(tǒng)三維重建算法中三角形網(wǎng)格和弟歸子網(wǎng)格的數(shù)量。優(yōu)化計算的復雜性，降低了三維重建對計算能力的需求[14]。Da FP等提出基于雙目立體視覺的算法來生成三維的人臉密集點去模型[15]。本研究采用的是MC算法，與其他算法相比，該算法容易程序化，生成三維模型的速度快，占用內存少，可移植性強，可以利用普通的計算機圖形處理硬件實現(xiàn)快速的幾何變換和繪制，并且能夠很好的表現(xiàn)出人體組織的表面結構，滿足虛擬手術系統(tǒng)對三維幾何模型的要求。

在編程實現(xiàn)區(qū)域生長模塊、交互式分割模塊和三維重建模塊功能的基礎上，本研究設計了一款集二維醫(yī)學圖像瀏覽、預處理和三維幾何重建功能于一體的人體器官幾何建模軟件，該軟件可以獨立使用，也是整個虛擬手術系統(tǒng)設計的一部分。

1人體組織幾何建模算法

利用Visual Studio 2010軟件設計人體組織幾何建模界面，軟件主要模塊功能和實現(xiàn)方法包括：區(qū)域生長模塊功能和算法，交互式分割模塊功能和算法、三維重建模塊功能和算法實現(xiàn)。

1.1區(qū)域生長模塊

區(qū)域生長算法的基本思想是將具有相同或相似性質的像素集合起來構成區(qū)域。先在感興趣的區(qū)域人工選取一個像素點作為種子點，然后根據(jù)某一準則將種子點周圍鄰域中滿足條件的像素合并到種子區(qū)域中，再將這些新的像素點作為種子點反復進行上面的步驟，直到再沒有滿足條件的像素點，這樣就形成了一個區(qū)域。區(qū)域生長方法是經(jīng)典的串行區(qū)域分割方法，后面的分割以前面的結果作為判定條件。區(qū)域生長算法的關鍵在于生長準則和種子點的選取，大部分生長準則是根據(jù)圖像的局部特征而定的。本文的研究對象為二維醫(yī)學圖像，故選用的生長準則為基于區(qū)域灰度差的準則。

該模塊功能是利用區(qū)域生長方法對載入的二維醫(yī)學斷層圖像進行分割。該模塊中所用的區(qū)域生長方法是將灰度值作為相似性度量，通過對生長準則參數(shù)的設定，分割出感興趣的人體組織。該模塊主要用于分割灰度值均勻，組織間灰度值相差較明顯且邊緣清晰的醫(yī)學圖像。對于灰度差較小或灰度分布不均勻的組織，容易造成空洞或過度分割?？膳浜辖换ナ椒指钅K協(xié)同完成分割工作。

本研究中的基于灰度差的區(qū)域生長算法具體如下：假設用戶選取的種子點灰度值為gs，當前鄰域中的像素點灰度值為gc，其相鄰點灰度值為gn，則當相鄰點灰度值滿足條件|gn-gc|

區(qū)域生長模塊程序的實現(xiàn)過程：①設計區(qū)域生長對話框。通過該對話框實現(xiàn)對醫(yī)學體數(shù)據(jù)的分割，并將結果返回到CMITKTestDoc。添加名為CRegionGrowSegDlg的對話框類。并在該對話框類中添加兩個mitkImageView的成員變量，用來顯示源圖像和目標圖像。②添加分割按鈕。在工具欄上添加分割按鈕，用來彈出區(qū)域生長對話框。③實現(xiàn)在源場景中顯示源圖像功能。將載入的體數(shù)據(jù)存放到mitkDicomReader *reader中。利用mitkDicomReader：：output（）函數(shù)將輸出存到mitkVolume *m_Volume中。利用mitkImageModel：：SetData（）函數(shù)將m_Volume存放到mitkImageModel *m_SrcModel。利用mitkImageView：：AddModel（）函數(shù)將m_SrcModel存放到mitkImageView *m_ScrView中。運行mitkImageView：：Update（）函數(shù)完成View的更新。在源圖像窗口中顯示圖像。④實現(xiàn)選取種子點功能。在源圖像場景中響應鼠標消息來獲取種子點的坐標。此功能是由mitkImageViewManipulatorStandard派生的一個子類mitkRegionGrowImageViewManipulator完成的，通過響應_onMouseDown消息，利用mitkRegionGrowImageFilter：：SetSeedPoint（）來設置種子點坐標。⑤實現(xiàn)分割功能。實際的分割任務是通過mitkRegionGrowImageFilter實現(xiàn)的。利用mitkRegionGrowImageFilter類中的SetMaxDifferentValue（）和SetMaxChangeValue（）函數(shù)來修改灰度差參數(shù)。將設置好的圖像數(shù)據(jù)交給mitkRegionGrowImageFilter *m_SliceFilter，最后運行算法m_SliceFilter>Run（），完成區(qū)域生長的分割。⑥顯示分割后的圖像。將分割好的數(shù)據(jù)返回到mitkImageView中，在主界面左側區(qū)域中顯示出來。

1.2交互式分割模塊

本研究采用邊填充算法的交互式分割方法，由操作者根據(jù)要分割的區(qū)域繪制任意多邊形，程序自動將多邊形內部的區(qū)域分離出來。算法可以簡單描述為兩個步驟：將繪圖窗口的背景色置為M顏色；對多邊形的每一條非水平邊，從該邊上的每個像素開始向右求補。

該模塊功能是利用一種交互式分割方法對載入的二維醫(yī)學斷層圖像進行分割。利用手動繪制多邊形選出感興趣的區(qū)域并提取、分離，從而完成對醫(yī)學圖像的分割。該模塊對形狀規(guī)則的組織器官分割效果較好且節(jié)省時間，對于形狀不規(guī)則的組織器官往往配合區(qū)域生長模塊共同分割，否則消耗大量的時間。

交互式分割模塊程序的實現(xiàn)過程：①設計圓形、矩形和多邊形分割工具的三個類，每個類完成一種分割方式的功能。分別為RectWidgetManipulator，EllipseWidgetManipulator和PolyWidgetManipulator。②利用CMITKTestView：：OnAddWidget（）完成對分割工具的選擇，選擇圓形、矩形或多邊形。③響應鼠標消息MyEllipseWidgetManipulator：：_onMouseDown（）完成多邊形的繪制。④調用CMITKTestView：：OnSegmentCurrent（）中的GetRegionMask（）函數(shù)對選定的多邊形區(qū)域進行填充。⑤調用CMITKTestDoc：：SegmentCurrent（）對填充后的多邊形所包含的圖像區(qū)域進行分割。⑥將結果返回到m_ImageModel>SetSliceChanged（）中，最后由m_View>Update（）顯示在主界面左側區(qū)域中。

1.3三維重建模塊

本文中的表面重建算法采用的是經(jīng)典的MC算法，用戶通過設置一個高閾值一個低閾值，將處于兩閾值之間的組織器官分離出來，從而實現(xiàn)醫(yī)學圖像的表面重建。該模塊功能是利用一種基于體素的三維重建算法對分割后的一組二維醫(yī)學斷層圖像進行幾何三維表面重建。用戶可以對重建后的三維模型進行放大、縮小、移動和旋轉等操作，從而能夠直觀的觀察該組織的生理結構和病灶的大小、位置等信息。

三維重建模塊程序的實現(xiàn)過程：①設計一個表面重建按鈕和一個設置高閾值和低閾值的對話框，載入體數(shù)據(jù)后，數(shù)據(jù)被讀取到CMITKTestDoc類的mtikVolume *m_Volume中，這時表面重建按鈕變?yōu)橛行?。②將保存有體數(shù)據(jù)的成員m_Volume交給mitkMarchingCubes *mc，再運行該算法mc>Run（）完成表面重建功能。③將重建后的數(shù)據(jù)交給mitkMesh *m_Mesh，m_Mesh通過GetMesh函數(shù)交給mitkSurfaceModel *m_SurfaceModel，調用m_SurfaceModel>GetProperty（）設置面繪制方法并設置表面材質屬性、顏色、光照等。④通過mitkView *view>AddModel（）把m_SurfaceModel交給view，view>show（）在主界面右側窗口中顯示模型，調用view>Update（）更新界面。⑤利用mitkPLYBinaryWriter將三維幾何模型保存成ply格式。

2人體髖部組織幾何建模實現(xiàn)

2.1幾何建模系統(tǒng)界面設計

根據(jù)以上分析，利用Visual Studio C++軟件進行虛擬手術系統(tǒng)界面的設計，如圖1所示。其中各個菜單的子菜單如圖2所示。幾何建模界面如圖3所示，區(qū)域生長對話框如圖4所示。

其中：：醫(yī)學圖像瀏覽功能。：交互式分割按鈕。：區(qū)域生長對話框按鈕。：三維重建按鈕。

Different Value和Change Value輸入框設置生長準則的兩個參數(shù)。

2.2人體組織三維重建程序設計

人體組織幾何三維重建就是從一組二維醫(yī)學圖像中進行邊界識別分割，提取物體相關表面信息來重新還原物體的三維模型，從而真實的反映人體器官的生理結構。目前人體組織幾何建模三維重建方法主要分兩種：表面重建和體重建。表面重建可以將任意組織的表面結構表達出來，但無法表達組織器官的內部結構。體重建不僅能夠表達組織器官的表面信息還可以表現(xiàn)其內部結構，但是其計算量太大，并且生成的體模型內部存在大量空洞。由于本研究中的虛擬手術系統(tǒng)對三維模型的內部表現(xiàn)要求不高，最重要的是要求模型內部必須是連續(xù)貫通的，其內部的填充在接下來的工作中實現(xiàn)，因此選用了表面重建方法。三維重建模塊程序流程圖如圖5所示。

3髖部骨和肌肉幾何建模結果

肌肉的數(shù)據(jù)來源為本課題組一名健康男性在哈爾濱醫(yī)科大學附屬第一醫(yī)院拍攝的髖關節(jié)MRI圖像，采用軸位連續(xù)斷層掃描方式，選擇T2加權自旋回波序列。掃描參數(shù)如下：矩陣512×512，層厚3 mm，視野FOV17 cm，共計182層。骨的數(shù)據(jù)來源同區(qū)域生長模塊。本模塊的軟件環(huán)境：使用Visual C++開發(fā)環(huán)境在Windows PC平臺上實現(xiàn)。硬件環(huán)境：CPU 為AMD Athlon 7750雙核，內存4G。提取的程序運行結果包括：研究對象在相同種子點不同參數(shù)下應用區(qū)域生長算法的分割結果；研究對象在不同種子點相同參數(shù)下應用區(qū)域生長算法的分割結果；分別應用區(qū)域生長算法和交互式分割算法分割股骨的結果；分別應用區(qū)域生長算法和交互式分割算法分割半腱肌的結果。

1）以源圖像骨薄肌中選取的點為種子點，參數(shù)dv和cv均取30，利用區(qū)域生長算法分割出的肌肉如圖6所示。

2）以源圖像骨薄肌中選取的點為種子點，參數(shù)dv和cv均取90，利用區(qū)域生長算法分割出的肌肉如圖7所示。

3）以源圖像半腱肌中選取的點為種子點，參數(shù)dv和cv仍取30，利用區(qū)域生長算法分割出的肌肉如圖8所示。

4）以股骨中的一個點為種子點，由于骨的灰度值較大，因此參數(shù)dv取300，cv取900。股骨的分割結果如圖9所示。

分割結果1）～4）表明，以源圖像股薄肌中選取的點為種子點，參數(shù)dv和cv均取30，利用區(qū)域生長算法可以分割出完整的股薄肌切片。但是對于同樣的種子點，當參數(shù)dv和cv均取90時，由于選擇的參數(shù)較大，利用區(qū)域生長算法分割出連通的多塊肌肉。如果參數(shù)dv和cv均取30，在參數(shù)不變的情況下，選取邊界模糊的半腱肌中的一個點作為種子點，分割出了包括半腱肌在內的多塊肌肉。從肌肉和骨的分割結果可以看出，區(qū)域生長算法對參數(shù)的控制和種子點的選擇要求較高，對邊界較模糊的組織容易提取出分割對象以外的多個部分即出現(xiàn)過度分割。

5）醫(yī)學數(shù)據(jù)來源與區(qū)域生長模塊相同，利用交互式分割算法對人體肌肉和骨骼進行分割處理，半腱肌的分割結果如圖10所示，股骨分割結果如圖11所示。

從分割結果5）可以看出，交互式分割方法可以的分割出任何感興趣的組織和器官，但是該方法操作起來比較費時，并且對操作者有較高的要求，因此，對于股骨這樣邊界清晰且灰度值差比較大的組織可以直接選用區(qū)域生長算法進行分割，而對于半腱肌等邊界模糊的肌肉組織，就可以考慮選用交互式分割方法，或者首先采用交互式分割將感興趣的區(qū)域大體的分割出來，將灰度值相差不大的組織分離出去，再利用區(qū)域生長方法就可以更好的分割出想要的結果，既有效的避免了區(qū)域生長方法的過度分割，也提高了分割的效率。

由于三維重建的幾何模型是由計算機合成的，非自然圖像，用戶在重建模型的過程中，根據(jù)需要設定和調整相關參數(shù)，因此很難定量的對三維重建的結果進行評估。目前對三維重建質量的評估主要是主觀上的，根據(jù)操作者的解剖學經(jīng)驗或對比真實的人體器官，對三維模型的關鍵特征點進行比較，來判斷重建結果的優(yōu)劣。下面是本軟件重建的三維幾何模型與真實的人體肌肉和骨骼結構的對比：

縫匠肌對比如圖12所示：（a）為真實人體縫匠肌結構，（b）為基于本軟件建立的縫匠肌幾何模型。

如圖13所示：（a）圖為真實人體髖骨正面結構，（c）圖為真實人體髖骨背面結構，（b）和（d）為基于本軟件建立的髖骨正面和背面幾何模型。

從圖12和圖13可以看出，本軟件重建的三維幾何模型與真實人體肌肉和骨骼的生理結構基本吻合，能夠表現(xiàn)出相應肌肉和骨骼的細節(jié)特征。在未來的研究中，將考慮生成體模型方法和程序實現(xiàn)，以便與研究組設計的體網(wǎng)格劃分模塊和生物力學有限元分析模塊連接在一起。

4結論

本軟件實現(xiàn)了同時載入多張醫(yī)學圖像的功能。提供了區(qū)域生長和交互式分割兩種分割方法，可以同時利用兩者對圖像進行分割，結合各自的優(yōu)點和適用范圍，使分割結果更加精確且保證了分割的速度。本軟件可以不必保存分割后的數(shù)據(jù)直接進行三維重建，使界面左側的圖像分割和右側的三維重建保持同步，可以直接根據(jù)三維重建的效果對二維圖像的分割進行修改，省去了以往軟件必須先保存再重建的繁瑣操作。依據(jù)所提出的方法，對人體髖部骨和肌肉進行了幾何重建，重建的三維模型能夠表現(xiàn)出相應部位的細節(jié)特征。

參 考 文 獻：

[1]KAYALVIZHI R， DURAISAMY SP. A New Multilevel Thresholding Method Using Swarm Intelligence Algorithm for Image Segmentation[J]. Journal of Intelligent Learning Systems and Applications， 2010， 2（3）：126-138.

[2]CRUZaceves I， AVINAcervantes JG， LOPEZhernandez JM， et al. Automation Image Segmentation Using Active Contours with Univariate Marginal Distribution[J]. Mathematical Problems in Engineering， 2013（2）： 23-27.

[3]NAYAK NR， MISHRA BK， RATH AK， et al. A Time Efficient Clustering Algorithm for Gray Scale Image Segmentation [J]. International Journal of Computer Vision and Image Processing， 2013， 3（1）： 22-32.

[4]MILANOVA M， MENDI E. Contourbased Image Segmentation Using Selective Visual Attention [J]. Journal of Software Engineering and Applications， 2010， 3（8）： 796-802.

[5]劉再濤， 魏本征， 柳澄. 一種基于視覺感知的復合醫(yī)學圖像分割算法[J]. 鄭州大學學報（理學版）， 2011（1）： 62-66.

[6]GONZALO RD， UNSER M. Splinebased Framework for Interactive Segmentation in Biomedical Imaging [J]. IRBM， 2013（3）： 230-233.

[7]ARAGON AC， LEE WS， VYAS A. A Crowdsourcing Web Platform Hip Joint Segmentation by Nonexpert Contributors[J]IEEE International Symposium on Medical Measurements & Applications，2013（2）： 350-354.

[8]FU J， CHEN LY. Singleslice Reconstruction Method for Helical conebeam Differential Phasecontrast CT[J]. BioMedical Materials and Engineering，2013，24（1）： 45-51.

[9]HABERT S， DAHDAH N， CHERIET F. A Novel Method for an Automatic 3d Reconstruction of Coronary Arteries from Angiographic Image[J]. Information Science， Signal Processing and Their Applications， 2012 11th International Conference on， 2012： 484-489.

[10]CAZALS F， DAVID CS. Reconstructing 3d compact sets. Comput. Geom， 2012， 45（1）： 1-2.

[11]MESKO M， KRSAKK E， HRKU't P. The Recursive Segment 3D Reconstruction Algorithm[J]. 2013（3）： 261-264.

[12]王沫楠胞元模型在骨組織建模中的應用及評價[J].機械工程學報，2015，51（11）：142-149

[13]WANG Monan， WANG Lei， LI Pengcheng， et al. A Novel Modeling and Simulation Method of Hip Joint Surface Contact Stress[J]. Bioengineered， 2017，8（1）：105-112.

[14]DAVID L M， NIGEL P W.Unstructured Grid Generation Using Iterative Point Insertion and Local Reconnection[J]. Aiaa Journal， 1995，33（9）：1619-1625.

[15]DA FP， SUI YH. 3d Reconstruction of Human Face Based on an Improved Seedsgrowing Algorithm[J]. Machine Vision and Applications， 2011， 22（5）： 212-213.

（編輯：溫澤宇）