王雨婕 李志勇

颞下颌关节紊乱病（Temporomandibular Disorders，TMD）常伴有结构的异常，如关节盘的前移位。锥体束CT（CBCT）和磁共振（MRI）是临床最常用的影像学检查方法。CBCT较螺旋CT辐射剂量低，同样可清晰显示TMJ骨的改变[1，2]，如骨质缺损、骨赘生物、位置改变等，但缺乏软组织的影像信息。当关节盘发生移位时，在CBCT中可能表现为关节间隙的改变[3]，但结合MRI图像才能对关节盘的移位情况进行明确诊断。MRI不产生电离辐射，可以清晰显示关节盘、周围肌肉、关节积液、骨髓异常等，是确定关节盘形态及位置改变的金标准[4，5]，但对于骨质的成像不如CBCT。TMJ包含软组织、硬组织双重特点，因而对其进行影像学评估较困难，单一的检查不能完整体现所有结构。实现CBCT和MRI这两种影像检查图像的配准和融合，能够同时获得颞下颌关节软、硬组织的可视化影像，更真实直观地反映结构间的相对位置，有助于临床医生做出诊断。

图像配准是通过空间变换对齐两组图像的过程，基于迭代优化的算法寻找出一种使源图像与目标图像达到最佳相似性的映射方式。在医学图像领域中，图像配准使两组图像中具有诊断意义的点对应匹配起来。根据两组图像的成像方式是否一致，可分为单模态和多模态图像配准。

在颞下颌关节区域，CBCT或MRI图像的单模态配准已有初步的应用。对不同时刻CBCT中髁突、关节窝三维图像配准可观察TMJ骨质异常及形态改变[6]，定量评价骨质改建，对显示微小体积改变更敏感[7]。而利用MRI图像逐层分割可以三维重建出颞下颌关节的结构，更直观地判断关节盘发生移位的情况[8]。

多模态图像配准可以实现同一患者的不同成像方式图像的融合和信息互补。CT-MRI图像配准技术自1990 s出现以来，已逐步应用于盆腔、肱骨、颅颌面等临床医学领域的研究[9-12]，但在颞下颌关节区域的研究较少。CBCT和MRI的图像配准和三维重建有助于精准识别颞下颌关节骨组织的形态结构，也是探究关节盘立体空间位置的有力工具。同时，所获得的模型包含真实而非人为设置的关节盘，为生物力学和有限元分析提供了更真实的形态学基础，有助于实现病理状态下的个性化分析。本文就相关技术最新进展进行综述。

1.医学图像配准技术

1.1 手动配准MRI和CBCT都是以Dicom格式存储，为医学图像配准研究提供了便利。实现图像配准最直接的方法是在视觉上识别解剖标志手动完成[13]，常由放射科医生或有经验的临床医生操作。这是一个耗时耗力的过程，并且依赖于操作员的技术，因此，为寻找更为高效可靠的方案，自动化配准技术已受到广泛研究和应用。

1.2 自动化配准 传统的自动化配准流程包括特征提取、空间变换、最优化搜索策略以及相似性测量，最终获得最优化的配准算法。第一步需要提取两组不同图像中高度相似的特征信息，目前方法主要有基于外部标记和不基于外部标记两大类[14]。对特征信息进行配准操作时，根据空间变换的性质可分为刚性配准和非刚性配准。颞下颌关节的髁突和关节窝作为坚硬结构适合使用刚性配准，即仅通过旋转、平移改变其在坐标轴中的位置。两组图像配准效果的质量由相似性度量衡量，常用指标有误差平方和（Sum of Squared Differences，SSD）、绝对误差和（Sum of Absolute Differences，SAD）、互信息（Mutual Information，MI）等。最优化搜索策略则是高效地寻找出两幅图像的最高相似性度量的最优结果。近年来，基于深度学习（Deep Learning，DL）技术的图像配准发展迅速，相似性度量优于传统方法，已发展出多种不同的网络架构。卷积神经网络（Convolutional Neural Netw ork，CNN）广泛使用于DL设计，具备出色的特征提取能力，利用其优势可以使用MI等深度相似度度量实现令人满意的多模态图像配准效果。生成对抗网络（Generative Adversarial Netw orks，GAN）通过执行图像域转换能够使现有的单模态配准算法可以应用于多模态图像配准，克服不同模式之间巨大外观差异导致的困难[15]。

1.2.1 基于外部标记 在影像学检查时人为设置可形成清晰影像的标志物，如粘贴固定于皮肤的小球或锚固于骨的钛钉，其成像可作为标志点用于两组图像的配准。但应用于活体被试者时，需考虑到由于在两次摄片间体位改变和软组织可让性，标志点可能发生移动，以及存在引入有创操作的顾虑[16]。

1.2.2 不基于外部标志点 即利用在两种影像学检查内部图像的特征性信息（如解剖结构清晰的骨皮质），进行同一结构及轮廓的配准，是图像配准算法研究中的重点。其常用方法可分为三类：（1）基于特征（如点、线、面等）；（2）基于灰度；（3）基于变换域。基于特征的方法通过针对图像中重要点和特征性的结构，如骨皮质边缘等，大大减小了计算量。基于灰度值的方法可以识别灰度信息的分布的相似特点作为依据，最小化两组图像的灰度值差异而获取最佳的图像配准结果。其中，利用灰度的图像统计信息（如互信息MI、归一化互信息Normalized Mutual Information，NMI等[17]）的配准算法研究较多，它不受噪点影响，不必先进行图像分割等复杂操作，适合应用于多模态的配准场景。

1.3 半自动配准 由于当前全自动配准技术尚不能达到理想的效果和精度，大部分的图像配准过程仍需要用户互动，属于半自动配准。为减少计算量，可事先分割出原始图像中感兴趣的部分，再进行自动配准。常用的方法是通过调整合适的阈值提取出所需要的结构，对粘连的区域则需手动编辑，这要求操作者具备丰富的临床及影像诊断经验，不准确的阈值选择和手动编辑会产生误差[18]。手动配准也可作为自动配准后的精细调整，以获得临床上令人满意的图像配准结果[19]。

2.颞下颌关节CBCT和MRI多模态配准的应用

颞下颌关节MRI分左、右两侧，兼有最大张口位、闭口位两个体位，显示斜矢状位、斜冠状位和轴位数据。临床常用的颞下颌关节MRI视野局限，切片厚度较大（2-3 mm）[20]，图像对比度和空间分辨率较低，难以和CBCT一样经多平面重建（Multi-Planar Reconstruction，MPR）提供丰富的特征信息。髁突和关节窝的骨皮质、翼外肌等结构与关节盘同为低信号，尤其当髁突、关节盘位置和形态出现改变时，这些结构的影像会干扰对关节盘的识别，降低诊断的准确性[21]。对于多模态配准，不同模态成像之间存在固有的外观差异，难以构建图像间的空间对应关系和设计出准确的图像相似度度量。因此，颞下颌关节的CBCT-MRI图像配准是富有挑战性的。

2.1 2D图像配准 斜矢状面是观察颞下颌关节结构时最为常用的影像截面。髁突和关节窝的骨皮质在CBCT中为高信号，而在MRI呈现低信号，但均清晰可见。基于这种特点，Dai使用了Photoshop软件在肉眼下根据骨皮质的轮廓进行手动配准和图像的融合，操作简便，但其结果容易受到操作者主观感觉的影响[22]。

Al-Saleh[23]利用体素分布的归一化互信息NMI获取了CBCT与MRI在斜矢状位的配准图像，配准效果优于基于外部标志点的方法。通过标注出CBCT的骨质影像，展示了骨质内部及边缘信息，使得关节盘更易辨别。相比于单纯CBCT影像，配准图像在诊断髁突骨质溶解或囊性变、骨质硬化方面稍有不足，但在关节盘位置的诊断方面有明显优势[11，24]。而与关节盘诊断的金标准MRI对比时，配准图像在多位检查者的多次诊断中重复性更好[25]，降低了MRI检查中辨别皮质骨与关节盘类似的低信号影像的难度，减少了骨髓、肌纤维、盘后带影像对关节盘位置及髁突形态判断的影响。

对在CBCT中观察到关节间隙内高密度影的患者，Wang等[26]使利用刚性变换及标准化互信息的相似性将CBCT和MRI图像配准，生成了CBCT-MRI 2D融合图像，相比于单一检查增强了诊断关节盘钙化的准确性，以及不同观察者间的一致性。对关节盘不可复性前移位、关节盘钙化、髁突慢性炎症以及肿瘤导致的颞下颌关节占位性病变，CT/CBCT与MRI的图像配准都能清晰的展示颞下颌关节区域[27]。

因此，2D图像配准技术可同时展现软硬组织丰富的细节结构，尤其在关节盘等软组织发生病变时能够为临床诊断提供有效辅助，便于测量距离、角度等二维数据并提高其准确度。但对于横截面积、体积等更为复杂的数据，则需通过三维重建的方式获得。

2.2 颞下颌关节3D图像配准及重建

2.2.1 3D模型图像配准 基于单独MRI或CBCT的断层数据均可实现三维重建，显示出各结构间的相对位置关系。CBCT三维模型使得对下颌髁突的体积、表面积和表面形态分析成为可能，同时对髁突长度、宽度、高度的测量不受切面的影响，增加了精确度[28-30]，克服一般2D图像存在的变形、放大、重叠等缺点[31，32]。MRI经三维建模可以直接、准确地展示关节区结构，通过旋转、切分等操作定量研究关节盘的改变[33-35]。

利用CBCT和MRI的三维重建模型，可直接用于图像配准。林有籁等[36]将刚性标志物固定于皮肤后分别拍摄两种影像，根据一一对应标志物的位置完成了配准，直观地呈现出TMJ各个结构。王政宪[37]则分别在CBCT和MRI的3D模型上手动定义三个点，将两组模型基于标志点的对应进行配准，配合手动精细调整形成重叠的3D模型，可作为三维有限元分析的重要基础。也有部分研究[38-40]利用颞下颌关节空间解剖结构，在人为视觉上对髁突影像进行识别，将CBCT的骨皮质与MRI的髁突结构在三维水平上进行图像配准，未详细解释其配准方法。根据配准后的模型，可测量出关节盘面积和体积、分析髁突与关节盘之间空间角度、距离等参数。

2.2.2 2D图像配准后3D重建3D重建也可在MRI与CBCT图像配准之后进行。Al-Saleh等[41]在2D配准图像上手动标记了各组织边缘，重建得到包含关节盘、关节窝和髁突的TMJ模型，对比多次重复实验结果达到了较好的一致性。对因头颈部肿瘤接受颌骨手术的患者，通过比较术前术后的CBCT-MRI配准图像的3D重建模型能够定量计算术前术后髁突和关节盘大小、形态、位置的改变[42]。

3.图像配准效果评价

3.1 精度 颞下颌关节结构和功能的复杂使得CBCT和MRI检查在诊断和研究中必不可少，同时对影像检查及图像处理技术提出更高要求。Coombs等[43]基于CBCT和MRI分别重建了3D模型，两者对髁突或关节盘尺寸及形态的测量数据几乎没有差异。但以尸体头部物理实际测量作为标准时，其结果通常要大于基于CBCT或MRI的数据，因此要认识到放射成像技术的复杂转换过程对所观察到的TMJ大小和形态存在一定的影响。MRI所显示的髁突包含关节软骨的边缘，尤其在髁突未完全发育完成的青少年中可能与CBCT对骨的成像存在一定的差异。

对于图像配准效果，可以比较精度和配准时间，但后者很大程度上取决于硬件配置，因而精度受到更多关注，衡量指标有目标配准误差（Target Registration Error，TRE）、表面距离、Dice系数等[15]。在颞下颌关节区域，对多模态图像配准效果和质量的评价主要由研究员判断，肉眼分辨影像间边缘轮廓是否精准重合，是否符合解剖学位置关系，而很少有研究使用了客观指标进行分析。AL Saleh等[23]利用图像配准进行诊断，通过组内相关系数(Intraclass Correlation Coefficient，ICC)比较了不同时间和观测者之间的准确度和一致性，从侧面说明配准结果良好，具有可重复性。在现有的文献中使用了多种不同图像后处理的软件，其图像配准算法间的差异也缺乏比较。

3.2 不同平面及体位 由于PD加权序列在呈现解剖结构中的优势，当前研究多使用PD加权像的闭口位斜矢状面。颞下颌关节MRI包含不同体位和层面的图像，用于反映TMJ不同功能状态、切面角度的结构，都是判断关节盘位置和形态不可缺少的部分，但少有文献兼顾了张口及闭口位[39，40]。张口位的MRI中，髁突位置在张口过程中发生了显著改变，不能与闭口位时拍摄的CBCT图像直接配准。而即使是同在闭口位的MRI和CBCT，不同拍摄时间以及体位的改变可能会出现咬合关系的差异。因此，对关节窝、髁突、关节盘图像进行分割后再分别配准，可能将减小图像配准的误差。若为了减少工作量而仅针对髁突进行了图像配准，所显示的经MRI重建的关节窝形态薄弱，表面不光滑连续降低了TMJ结构的完整性。此外，斜冠状位的影像常用于判断是否发生内侧或外侧移位，结合斜矢状面和冠状面亦可作为补充和校正，有助于实现更全面的关节盘成像和三维重建效果。

4.小结

颞下颌关节CBCT和MRI的多模态图像配准可形成软硬组织结构完整的TMJ图像，诊断价值优于单独CBCT或MRI，三维重建提供了可视化TMJ模型，可在三维方向上定量评估关节盘及髁突的改变。但相关研究处于起步阶段，主要关注于PD加权像、闭口位和斜矢状面，对其他层面的配准很少涉及，同时缺乏客观指标评价配准的精度。近年来，基于深度学习的图像配准技术发展迅速，有希望替代传统方法应用于颞下颌关节区域，提高配准精度和效率。GAN可将更具挑战性的多模态配准转换为单模态图像配准，是富有前景的发展方向。