盧滌非

DOI：10.16644/j.cnki.cn33-1094/tp.2021.11.010

摘? 要： 為了提高PACS的醫(yī)學影像處理的效率和準確性，在三維智能剪刀技術的基礎上，結合三維圖形處理和醫(yī)學影像處理技術，設計和開發(fā)了智能PACS。不僅可以管理醫(yī)學影像資料，還可以高效自動地輔助醫(yī)生對臟器和腫瘤進行分割標識，醫(yī)生可以在這些數(shù)據(jù)的基礎上對腫瘤的療效和預后進行準確的評估。該系統(tǒng)不僅在算法層面有所創(chuàng)新，而且把最新的學術成果應用到醫(yī)療應用第一線，有重要的理論價值和強烈的應用需求，對公共衛(wèi)生起到明顯促進作用，可以產(chǎn)生巨大的社會效益。

關鍵詞： 三維智能剪刀; 醫(yī)學影像處理; PACS; 三維圖形處理; 智能醫(yī)療

中圖分類號：TP391? ? ? ? ? 文獻標識碼：A? ? ? 文章編號：1006-8228（2021）11-38-03

PACS design using 3D intelligent scissors algorithm

Lu Difei

（Zhejiang Institute of Mechanical & Electrical Engineering， Hangzhou， Zhejiang 310053， China）

Abstract： In order to improve the efficiency and accuracy of medical image processing of PACS （Picture Archiving and Communication System）， an intelligent PACS is designed and developed on the basis of 3D intelligent scissors， by combining 3D graphics processing technology and medical image processing technology. The intelligent PACS can not only manage medical image data， but also efficiently and automatically assist doctors in segmentation and identification of organs and tumors. Doctors can accurately assess the efficacy and prognosis of tumors on the basis of the system. The system is not only innovative in algorithms， but also applies the latest academic achievements to the front line of medical applications. It has important theoretical value and strong application requirements， and it has a significant role in promoting public health and can produce huge social benefits.

Key words： 3D intelligent scissors; medical image processing; PACS; 3D graphics processing; intelligent medical care

0 引言

目前，癌癥死亡已位居我國各類死因的第一位。CT等醫(yī)學成像技術，由于其應用成本相對較低且有效可靠，已逐漸成為癌癥診斷、治療以及療效評估的極為重要的手段。對癌癥病人臟器的醫(yī)學影像進行有效處理和分析對病人的治療和后期監(jiān)測有著非常重要的作用。然而由于醫(yī)學影像的成像原理與傳統(tǒng)成像技術的差異，不可避免地具有模糊、不均勻性特點，醫(yī)學影像的應用主要依賴于放射科醫(yī)生對圖像的理解和解讀，醫(yī)生的主觀性和經(jīng)驗，甚至醫(yī)生的工作狀態(tài)，都對圖像的分析結果有非常大的影響。于是，采用計算機技術對醫(yī)學影像進行輔助處理的意義越來越重大。其中，醫(yī)學影像分割技術是其他處理的基礎，是進行病理分析和手術方案制訂等醫(yī)療措施的基礎，在影像醫(yī)學中有不可替代的作用[1，2]，是當前醫(yī)學圖像處理的一個難點，也是腫瘤量化分析和精準治療的基礎。

當前，圖像分割算法有很多，全自動分割算法無法很好地處理復雜的圖像，如醫(yī)學影像。為了應對這種情況，文獻[3]首次提出了智能剪刀（Intelligent scissors）交互式算法，該算法輔助人工操作，在分割圖像方面有穩(wěn)定性高，計算速度快等優(yōu)點，但是，在涉及有多層數(shù)據(jù)的CT等醫(yī)學影像時，由于沒有使用多層面圖像間的相關性信息，算法的準確性、處理速度和效果都有待提高。針對這種情況，在文獻[3]的基礎上，本文在前期工作中提出了三維智能剪刀（3D Intelligent scissors）算法[4，5]，把僅適用于二維圖像的智能剪刀拓展到了三維空間，并成功應用于胸腔分割[4]和肝臟分割[5]。

1 三維智能剪刀

算法主要內(nèi)容包含以下四部分。

⑴ 輸入五個控制點

首先在三維醫(yī)學影像（圖1（a））輸入五個控制點（圖1（b）），五個控制點A、B、C、D、E大致可以標出目標初步位置。

⑵ 以AB為直徑構造球三維網(wǎng)格

算法從20面體構造一個圓球三角網(wǎng)格。對20面體的每個三角面片，分裂為四個小的三角面片，并替換原來大的三角面片。分裂過程中，對每條邊找出中點，然后連接20面體中心點與該點，找出在圓球上的點，連接這些新生成的點與原來的頂點就生成了一個新的圓球三角網(wǎng)格（圖1（b）圓球網(wǎng)格）。

⑶ 變形網(wǎng)格

為了平滑地把球形網(wǎng)格變形為目標對象初步形狀，本文拓展了文獻[6，7]中的目標函數(shù)，這些目標函數(shù)以仿射變換矩陣的形式表示。整個變形過程受三個目標函數(shù)控制，即光滑約束函數(shù)，變形突變約束函數(shù)，影像和網(wǎng)格配準函數(shù)。

圖1（c）是針對肝臟的初步變形結果，該三維網(wǎng)格具有10242個頂點， 30720條邊和20480個三角面片。

⑷ 迭代優(yōu)化網(wǎng)格及目標邊界

優(yōu)化網(wǎng)格，首先通過圖1（c）網(wǎng)格自動計算出每層影像上目標對象的初始邊界，然后在初始邊界的鄰近區(qū)域?qū)ふ遗K器或腫瘤邊界點來替代初始邊界。邊界優(yōu)化由拉普拉斯零值、梯度閾值、梯度方向、輪廓方向和輪廓等高性共五個約束方程來確定。

2 三維智能剪刀算法的優(yōu)化和工程化

在原型系統(tǒng)上測試表明，文獻[4，5]完成的算法盡管比人工分割要快很多，也穩(wěn)定很多，但是還不能達到實時交互的要求，如果能達到實時交互，本算法在醫(yī)學圖像的編輯處理中發(fā)揮很大的作用。本文的一個重要的研究內(nèi)容就是提高算法的處理效率。算法涉及幾萬個未知數(shù)的大規(guī)模稀疏方程組的求解，在原型系統(tǒng)中采用Umfpack [8]庫求解，實踐中發(fā)現(xiàn)把約束方程轉(zhuǎn)化成Umfpack要求的形式要花費比較多的時間，其求解速度有較大的提高空間。在三維智能剪刀算法中，需要輸入五個控制點作為初始化的數(shù)據(jù)，這些點輸入的效率和有效性與三維交互界面的用戶友好性密切相關。

3 SMART PACS系統(tǒng)的開發(fā)

3.1 系統(tǒng)架構（圖2）

根據(jù)當前醫(yī)學影像處理的臨床需求，以及“互聯(lián)網(wǎng)+”技術的發(fā)展，為了使得三維智能剪刀算法能夠在更大的范圍內(nèi)獲得應用，SMART PACS擬采用B/S結構，圖2展示了整體架構。

3.2 重要功能

⑴ 影像歸檔功能

能夠?qū)τ跋駭?shù)據(jù)并進行歸檔處理，生成病人數(shù)據(jù)和影像數(shù)據(jù)。

⑵ 病人病歷管理功能

通過病人的影像數(shù)據(jù)能夠產(chǎn)生病歷信息。用一個病歷表來儲存病人的基本信息，病歷表與病人表的分離，是為了后期可以靈活綁定檢查。

⑶ 常規(guī)操作功能

智能PACS常規(guī)操作功能見表1。

⑷ 核心功能：三維智能剪刀操作界面和結果展示

操作界面自動提供五個小窗口，同時顯示影像數(shù)據(jù)的不同層面圖像位置，可以方便用戶快速輸入五個控制點。同時設置一些快捷操作，如按下shift鍵--鼠標可回退;Esc按鍵取消;如果不滿意可刪除選區(qū)重新描繪。

結果的展示分兩個部分，一部分是變形后的三維網(wǎng)格，因為整體架構采用B/S結構，考慮使用WebGL繪制，另外一部分為分割后的醫(yī)學影像，擬采用HTML5實現(xiàn)，通過其Canvas元素即可在網(wǎng)頁上繪制從服務器接收到的圖像，通過jQuery插件，捕捉桌面電腦鼠標、鍵盤事件及移動終端觸摸事件，從而實現(xiàn)不同平臺交互事件的統(tǒng)一處理。

4 結束語

本文涉及圖形學和醫(yī)學影像處理的交叉性課題，不僅在學術上有諸多閃光點，而且為三維智能剪刀技術在醫(yī)學影像的應用打下了良好的基礎，可以造福廣大患者。該研究有以下創(chuàng)新之處與特色。

⑴ 方法層面

把圖形處理的方法有效地應用到醫(yī)學圖像分割上，是醫(yī)學圖像處理的一個積極的探索。本文利用網(wǎng)格，把整個CT圖像作為一個整體處理，有效地克服了單一圖像片上邊界模糊難處理的問題。本文算法實質(zhì)上是一個三維網(wǎng)格變形和圖像邊界分割相互融合的過程：在有明確圖像邊界的區(qū)域，三維網(wǎng)格主要按圖像邊界信息進行變形;在沒有明確圖像邊界的區(qū)域，三維網(wǎng)格則按照公式約束方程進行變形。

⑵ 技術與工程層面

把PACS系統(tǒng)推向智能化，有效降低放射科醫(yī)生的工作強度，提高工作結果的準確性和穩(wěn)定性，為分析和比較不同階段的病情提供有效可靠的數(shù)據(jù)支撐，是精準治療和手術的基礎性工作。

參考文獻（References）：

[1] James S.Duncan， Nicholas Ayache， Medical Image

Analysis： Progress over Two Decades and the Challenges Ahead[J].IEEE Transaction on patter analysis and machine intelligence，2000.22（1）：181-204

[2] DzungL.Pham， ChenyangXu， Jerry L.Prince， A Survey of Current Methods in Medical Image Segmentation[R]， Technical Report JHU/ECE 99-01， Johns Hopkins Univ.，1998.

[3] Eric N. Mortensen， William A. Barrett. Intelligent scissors for image composition[C]. InProceedings of the 22nd annual conference on Computer graphics and interactive techniques （SIGGRAPH '95）， Susan G. Mair and Robert Cook （Eds.）. ACM， New York， NY， USA，1995：191-198

[4] 盧滌非，葉修梓，吳吟等.三維網(wǎng)格引導的癌變病人CT圖像的腹腔分割[J].計算機輔助設計與圖形學學報，2015.15（6）：1017-1023

[5] Lu， Difei， Wu， Yin， Harris Gordon， et al.Iterative mesh transformation for 3D segmentation of livers with cancers in CT images[J].Computerized Medical Imaging and Graphics，2015.43（7）：1-14

[6] Lu， Difei，Ye， Xiuzi，Zhou， GuoMin，Animating by example[J].Journal of Visualization and Computer Animation，2007.18（4-5）：247-257

[7] Summer， R. W.， AndPopovi'c， J.Deformation transfer for triangle meshes. ACM Transactions on Graphics 23， 3 （Aug.），2004：399-405

[8] Davis， T. A. 2003. Umfpack version 4.1 user guide. Tech.?rep.， University of Florida.TR-03-008.