Ｘ線頭影測量計算機自動識別系統的建立

[摘要]目的：建立計算機對X線頭顱定位側位片的自動識別系統。方法：針對X線頭顱定位側位片圖像的特征，采用圖像處理技術來確定頭影測量所需標志點；用Borland C Builder編程語言編寫程序。結果：提取了頭顱定位側位片的軟組織和硬組織輪廓曲線和圖像內部的某些特征曲線，在此基礎上確定了19個頭影測量標志點，建立了X線頭影測量計算機自動識別系統。結論：利用現代圖像處理技術可以開發建立X線頭影測量計算機自動識別系統。

[關鍵詞]頭影測量；計算機；自動識別

[中圖分類號]R783 [文獻標識碼]A [文章編號]1008－6455(2007)07－0971－03

X線頭影測量主要是測量X線頭顱定位片，對牙頜、顱面各標志點描繪出一定的線角，進行測量分析，從而了解牙頜、顱面軟硬組織的結構，使對牙頜、顱而的檢查和診斷由表面形態深入到內部的骨骼結構中去。自從1931年Broadbent創立了X線頭影測量分析技術以來，至今它仍然是口腔正畸和正頜外科等學科重要的臨床輔助診斷工具和科研手段。目前頭影測量分析主要依靠臨床醫師手工描圖、定點和分析，不僅費時費力，而且會不可避免地產生土觀性誤差。隨著數字化X線攝影的發展，傳統的X線膠片將逐漸被數字化圖像所取代；數字圖像處理技術是利用計算機對數字化圖像進行一系列操作、從而獲得某種預期結果的技術。本研究的目的是利用數字圖像處理技術來建立頭影測量計算機自動識別系統。

1 材料和方法

1．1 材料

1．1．1 選取在本科就診的口腔止畸患者的X線頭顱定位側位片10張作為研究的實驗圖片，要求在X線放射量上較合適，不出現明顯曝光過量和不足的情況，并且無明顯劃痕和污跡。

1．1．2 使用上海中晶科技有線公司的Microtech5．0透射平板掃描儀，掃描時的像素分辨率設為600dpi，將X線片掃描后以BMP格式存入計算機內。

1．1．3 實現環境：使用Windows 2000操作平臺，具體程序設計使用Borland c++Builder 6.0編程語苦。

1．2 方法

1．2．1 圖像預處理：首先將存入計算機內的頭顱定位側位片進行預處理。采用半徑是5×5的高斯濾波器進行中值濾波，去除圖像的噪聲，去掉南非可控因素產生的隨機噪聲，同時還可以初步平滑待識別輪廓的邊緣。

1．2．2 圖像分割：是指把圖像分成各具特性的、互不重疊的區域，并提取出感興趣的目標，它是目標表達的基礎。本研究采取閾值化分割算法。根據圖像的灰度直方圖，選取合適的閾值，像素灰度值大于閾值的歸于一類，小于閾值的歸于另一類，從而將圖像分割開來。通過選取不同的閾值，將圖像分割，獲得了頭顱定位側位片的軟組織外輪廓、硬組織外輪廓、硬組織內部輪廓、蝶鞍區輪廓和耳部區域輪廓。

1．2．3 邊緣提取：采用拉普拉斯梯度算子，對分割后的圖像進行運算，提取出輪廓的邊緣，并進行曲線細化、曲線跟蹤和曲線抽樣擬合。

1．2．4 提取特征標志點：本研究提取的標志點為頭影常用測量標志點(軟組織和硬組織標志點)。根據各標志點在提取曲線上的幾何性質，用計算機語言進行重新定義，從而識別各標志點。例如，一部分標志點的計算機語言定義為：①額點(G點)：硬組織額部的最突點，即該區域曲線上橫坐標最大的點；②上齒槽座點(A點)：上頜骨前緣最凹點，即上頜骨曲線j=二橫坐標最小的點；③下齒槽座點(B點)：下頜骨前緣最凹點，即下頜骨曲線上橫坐標最小的點；④頦F點(Me點)：頦部最下點，即頦部曲線上縱坐標最小的點；⑤軟組織頦頂點(Gns點)：軟組織頦部曲線上與一條斜率為1的直線距離最近的點。

1．2．5 建立自動識別系統：分別實驗實現了頭影測量標志點的自動識別后，用Borland C++Builder6．0編程語言編寫綜合軟件程序，建立自動識別系統。

2 結果

建立了頭影測量計算機自動識別軟件系統，具體功能包括：打開、保存、顯示圖像的灰度直方圖、對X線頭顱定位側位片進行自動識別，提取出19個頭影測量標志點并自動生成坐標值。這19個標志點為：軟組織額前點、軟組織鼻根點、上唇緣點、上唇突點、下唇突點、下唇緣點、頦唇溝點、軟組織頦前點、軟組織頦頂點、軟組織頦下點、額點、上齒槽座點、上中切牙點、下齒槽座點、頦前點、頦頂點、Pm點、頦下點、D點。

3 討論

頭影測量技術作為一種研究工具被廣泛應用，它可以量化個體或者人群的顱面部參數，區分正常和異常的解剖形態，對治療前后進行比較。但是，頭影測量并不是一門精確的科學，盡管頭顱片可以精確的測量，但是測量誤差隨著給予標志點的不同可以有很大的差異。目前國內的正畸臨床醫師絕大部分仍采用手工描圖、定點和測量分析，這種傳統的頭影測量方法枯燥而且費時，并且不可避免地帶來了主觀性的誤差，據報道，手工定點的平均隨機誤差為1.26mm。定點的誤差將會影響測量分析結果的準確性，影響診斷和治療計劃的擬訂。因此，本實驗致力于研究開發自動化的頭影測量分析系統，建立簡便、精確的頭影測量分析方法。

數字圖像處理技術是在計算機的應用基礎上的一門新興技術。它的最終目的是用計算機代替人去認識圖像，對圖像的內容加以理解，從而指導和規劃行動。國外學者早在80年代就開始致力于計算機對頭影測量自動分析的研究，并進行了大量的嘗試，包括模板匹配和模糊邏輯的識別方法，基于數學形態學和遺傳算法的識別方法，運用空間光譜的分析方法等。國內的學者們在計算機自動識別標志點方面也做了很多工作。但是，迄今為止，仍然沒有開發出成熟的、能夠應用于臨床和科研工作的頭影測量計算機自動識別分析系統。

目前的頭影測量分析方法(無論是人工頭影測量分析還是計算機輔助的頭影測量分析)，都是用主觀性的方法，而不是用嚴格的數學定義來識別標志點。不同的測量者或同一測量者在不同時間段進行標志點識別時，都可能得到不同的值，而本實驗中，計算機對各種標志點的識別是建立在各個標志點空間位置的數學描述以及幾何定義的基礎上，是經過嚴密計算而得到的，因此是位置唯一的、并且可以重復得到的點。

在本實驗建立的軟件系統中，可以實現打開BMP圖像、保存BMP圖像的功能，并對X線頭顱定位側位片進行自動識別，可以自動產生出19個頭影測量標志點的坐標值。本研究尚處于初級階段，還不能識別出頭影測量分析所需要的所有標志點，從而不能進行標志點之間距離和角度的測量分析比較。在以后進一步的研究上作中，考慮引入人工智能模式識別方法，將人工識別的優點同計算機識別的優點相結合，從而完善計算機自動頭影測量識別系統。