杨剑炉（莆田学院　电子信息工程学院，福建　莆田　351100）



脑脊液图像序列的分割及三维重建

杨剑炉
（莆田学院电子信息工程学院，福建莆田351100）

摘要：脑脊液三维重建设计是以DICOM脑部MRI图像序列为研究对象，首先为了保持图像边缘的对比度算法采用各项异向性扩散滤波器来去除原始图像中的噪声干扰，然后使用高斯滤波来平衡边缘检测中平滑和边缘模糊之间的矛盾，进而运用映射滤波器来提高边缘像素点间的对比度.在此基础上研究和分析了水平集算法的一种改进算法--快速步进分割算法，实现脑脊液的快速准确分割.在分割后，使用移动立方体实现图像的三维重建，建立了脑脊液的三维形态模型.

关键词：脑脊液；图像分割；三维重建

脑脊液（Cerebro-Spinal Fluid，CSF）［1］，又叫做脑脊髓液，是位于位于脑膜的蛛网膜和软脑膜之间的透明的无色的液体，主要的作用是对大脑皮质进行机械性缓冲.脑积水（hydrocephalus）则是由于颅内疾病导致脑脊液分泌过多，或者脑脊液的吸收发生障碍，又或者脑脊液的循环发生障碍，从而使得颅内脑脊液的总量增加、脑室系统和蛛网膜下腔扩大.图1为脑积水示意图，左边为正常脑脊液，右边是有脑积水症状的CT图.

图1　脑积水示意图

MIR是一种比较普遍的脑脊液检测手段，能够比较有效的帮助医生诊断脑脊液的病变.但由于二维图像自身天然的缺陷，需要自身的经验才能在脑中形成病人脑脊液的三维形态，从而进行进一步的治疗.因此非常有必要用三维成像技术来帮助医生进行诊断，使医生能够更直观、更有把握的确定病人的脑脊液状况，降低医疗风险，提高诊断的准确性.因此脑脊液的三维可视化技术是脑脊液临床诊断非常有效的一个补充.

1　脑脊液图像序列的预处理

为了得到较好的分割效果，我们需要对脑脊液图像系列进行一系列的预处理，具体处理流程如图2所示.

图2　脑脊液图像序列预处理流程图

（1）首先，我们需要平滑图像.为了克服边缘模糊的缺陷，算法采用了各项异向性扩散滤波器［2］，它将整幅图像看成一个能量场，而图像的的每一个像素就是能量流，能量流是否要扩散取决与相邻像素间的关系，相邻像素差别小则扩散，差别大就不扩散.而图像的边缘区域的像素差别比较大，因此能量流在这些边缘地区并不扩散，于是在平滑图像除去噪声的同时避免了图像的边缘的模糊.

（2）梯度计算和高斯滤波.为了分割脑脊液，我们需要检测脑脊液的边缘，边缘的检测的算法则是基于图像的梯度，图像的梯度计算即是计算图像能量的一阶导数或者二阶导数.但是，图像的噪声对于导数的计算影响很大，因此我们需要使用滤波来改善噪声对梯度计算的影响.但是滤波又会使得图像的边缘变得模糊，从而增加我们对于边缘定位的不确定性.因此，我们需要在噪声和边缘模糊之间找一个平衡点，工程实践的经验表明，高斯滤波是一个很好的平衡方案，能够较好地平衡噪声干扰和边缘的精确定位.

（3）增强边缘.一般我们可以认为图像中相邻像素之间能量值相差较大的即是边缘点，为了提高边缘检测的精确性，我们需要将这些能量值变化比较大的点进行凸显.这里我们通过映射滤波器（SigmoidImageFilter）来将图像每个像素的灰度值做一个非线性的映射，从而使得边缘点像素之间的变化更为显著.

图3 预处理结果

图3表达了图2中阐述的流程的输出.从左到右分别是：原始图像、进行各项异向性扩散滤波器变换后的图像、进行高斯滤波后的图像、非线性映射后的图像.

2　脑部MRI图像序列的脑脊液分割

预处理降低了噪声对于后续工作的影响，并增强了图像边缘，从而为脑脊液MRI图像的分割奠定了良好的基础.这里我们通过快速步进的分割算法［5］对图像序列进行分割.首先我们在图像中脑脊液的内部选择一个点，然后这个点向各个方向进行扩散，每个方向的扩散速度取决于我们定义的速度函数，这里的速度函数定义为exp（-x），其中x是该方向上的梯度大小.通过速度函数我们可以发现，梯度越小即表示该方向越平滑，则扩散的越快，反之如果扩散到了边缘处，那么该方向上的速度函数exp（-x）就会趋向于0，于是在边缘处就会停止扩散，在经过足够多次的扩散迭代之后，就可以使得各个方向的扩散都在脑脊液的边缘处停止，从而到达脑脊液的分割结果.图4是脑脊液数据使用快速步进分割后的结果.

图4　原始图像和使用快速步进分割的结果

3　脑脊液的三维重建

将要进行处理的MRI数据是一个人体头部的切片数据，共有100个切片.我们打算由这些切片数据进行脑脊液的三维重建.为此首先应选取合适的算法，考虑到我们所处理的数据量是非常庞大的，超过了12兆比特，而且只打算对表面进行重建，所以选择基于表面重建的经典算法Marching Cubes算法［6］.利用本文数据经过一系列流程后面绘制结果如图5所示.

图5　脑脊液三维重建结果

图6　不同角度的三维形态

从图5和图6我们可以发现脑脊液三维重建的效果相当良好，不但可以从各个角度观察模型，也可以通过放大缩小来观察整体或者局部的特征，从而能够帮助医生更为全面、准确地进行诊断.

4　总结

论文提出一种能够将人体的脑部MRI二维的图像序列分割出脑脊液部分，并在此基础上实现了脑脊液的三维重建工作.实验表明，本文的算法平衡了噪声影响和图像边缘模糊之间矛盾，达到了一个良好的脑脊液分割效果和三维重建效果，算法能够较为精确的建立脑脊液的三维模型，方便脑脊液的诊断医师从不同角度，不同细节去观察病人的脑脊液，能够为脑积水的诊断提供一个良好的技术支持.

参考文献：

〔1〕李龄，张光璞.脑积水现代神经外科处理［M］.广州：华南理工大学出版社，1999.276.

〔2〕袁杲，杨玲，朱小波，等.利用ITK和VTK集成实现三维医学图像的分割［J］.计算机应用与软件，2009，26（2）：248-250.

〔3〕赵明昌，田捷，薛健，等.医学影像处理与分析开发包MITK的设计与实现［J］.软件学报，2005，16（4）：485-494.

〔4〕田捷，包尚联，周明全.医学影像处理和分析［M］.北京：电子工业出版社，2003.

〔5〕周振环，王安明，王京阳.医学图像分割与配准［M］.成都：电子科技大学出版社，2007.

〔6〕E.lorensen and E.Cline.Marching Cubes：A high resolution 3D surface construction algorithm［J］.Computer Graphics，1987，21（4）：163-170.

中图分类号：TP301；R445.2

文献标识码：A

文章编号：1673-260X（2016）06-0066-02

收稿日期：2016-02-23

基金项目：校内课题：基于CT影像的肝脏血管分割、重建及骨架化的三维形态模型的VTK技术研究（2013003）