基于體素成像的醫(yī)學影像三維可視化平臺建立

[摘" "要]" "目的：探討基于體素成像的醫(yī)學影像三維可視化平臺基本算法與UI設計。方法：利用MATLAB集成命令對DICOM數據進行導入，進行體數據重構后，得到水平、矢狀與垂直切面，將體積數據中的像素映射到三維坐標空間，保存其像素灰度值。通過三維散點繪制方法將體素繪制成像。利用閾值顯示其中不同的組織結構。采用軸限制方法對三維可視化結構進行興趣區(qū)調整。結合顯示域寬對模型體素著色進行對比度調整。采用RGB分量分段線性擬合法對映射進行偽彩調整。用代碼制作出用戶圖形界面，利用回調參數實現上述算法。采用CT數據對平臺進行測試。結果：平臺可讀取dcm格式的序列圖像并形成體積數據，并重構出斷層。映射算法可將體積數據拆解為三維坐標信息與顏色信息并進行體素繪制。利用閾值可單顯骨骼結構。采用軸限制法可對三維模型進行X、Y、Z方向的限制顯示，觀察模型內部結構。調節(jié)顯示域寬可增加或減小三維模型中顏色信息的對比度。RGB分量分段線性擬合可對模型顏色映射進一步調整。結論：利用體素繪制算法可構建出醫(yī)學影像的體素成像平臺，分段線性擬合可實現偽彩映射的自然過渡。

[關鍵詞]" "體素成像；醫(yī)學影像；三維可視化；顏色映射；MATLAB

[中圖分類號]" "R445" " " " " " " "[文獻標志碼]" "B" " " " " " " "[文章編號]" "1674-7887（2025）01-0086-04

醫(yī)學影像三維可視化一直是臨床醫(yī)學或基礎醫(yī)學研究的熱點。由于CT和MRI興起，這方面的研究最早起于歐美，如開源的3DSlicer（哈佛大學醫(yī)學院，美國，https：//www.slicer.org/），經過FDA認證的MIMICS（Materialise corp.， 比利時，https：//www.materialise.com/en）。在國內，圖靈醫(yī)道的三維重建醫(yī)學圖像處理軟件和振源醫(yī)療的三維可視化系統(tǒng)近年來也逐漸應用于醫(yī)療和教學中。三維可視化過程包括表面成像與體積成像，前者基于二值圖像邊界的等值面繪制，需要提取圖像中的目標結構，因此又稱為模型重建[1-2]。后者基于體積數據的全部信息，經灰度閾值篩選后特定地顯示其中的部分結構[3-4]，相比表面成像，體積成像雖然耗費內存大，對顯卡要求高，但其沒有光照和紋理渲染的要求，而且可隨意切割，因此在實際應用中可為觀察者提供更多的內部信息，有助于疾病的診療[5-8]。目前的三維成像軟件中，采用的光線追蹤、光線投影等算法，成像速度快，圖像也較清晰，有著較大的優(yōu)勢，而上述這些體積繪制算法缺少了量化的信息，即體素量和灰度量，無法進行體積計算以及顏色微調。鑒于此，本研究利用MATLAB平臺，將導入的DICOM體積數據進行體素成像，結合分段線性擬合方法進行顏色的微調，以期發(fā)現體素成像在影像三維成像中的新方法。

1" "材料和方法

1.1" "影像掃描參數" "CT數據1套，為腿部掃描數據，圖像分辨率為276像素×512像素×1 177像素，空間分辨率為0.873 mm×0.873 mm×1 mm，掃描范圍自第1腰椎至足底共1 170 mm，掃描電壓120 kV。該數據由南通大學附屬醫(yī)院分院提供。研究流程分為圖像讀取、體積數據形成、體素映射3個主要部分，見圖1。

1.2" "圖像讀取" "圖像讀取包括DICOM數據導入，信息讀取，像素分辨率向空間分辨率轉化，利用公式1實現這一過程。

Sspace=Spixel×Pspacing（公式1）

其中Spixel表示像素分辨率，Pspacing表示像素大小，Sspace表示空間分辨率。

建立起空間分辨率后，將該信息存儲為體積數據。

1.3" "體積數據

1.3.1" "斷層重構" "由1.2建立起體積數據，通過矩陣重排實現斷層重構，即由原始橫斷面數據重構為連續(xù)的矢狀面和冠狀面。即由原始橫斷面體積數據轉化為冠狀面體積和矢狀面體積共3個體積數據，見圖2。

1.3.2" "散點映射" "體積數據繪制成像，需要得到其體素的坐標值與灰度值兩個維度的信息。前者分解為{XT， YT， ZT}，其中XT與YT是直接記錄每個斷層像素位置的列數索引與行數索引集合，而Z則由每層的層厚進行重復得到。灰度信息分解為向量{C}。兩種信息的提取在程序中同時進行。

1.4" "體素成像" "對1.3.2中提取到的{XT， YT， ZT信息與{C}進行繪制，在MATLAB中，應用散點圖命令形成體素圖像。成像后，通過閾值形成掩模，搜索非零值坐標，再保留原先體素中與掩模非零坐對應灰度值。

1.4.1" "軸限制顯示" "軸限制顯示是MATLAB中最節(jié)省內存的興趣區(qū)顯示方法，采用MATLAB中的軸限制方法對體素模型進行單方向切割顯示，再利用邏輯法，實現反向切割，其原理見公式2。

Vshow=axis（[Value， max{V}]）" " " rev=0Vshow=axis（[min{V}， 1-Value]）" "rev=0（公式2）

其中Value是調節(jié)值，rev是逆向限制開關，V是體積數據，其形式為M×N×P×G矩陣，左右軸限制即取M（左右尺寸）的最大值與最小值，前后軸限制即取N（前后尺寸）的最大值與最小值，上下軸限制即取P（上下尺寸）的最大值與最小值，G表示體積數據空間點的灰度值。axis則是軸限制函數，為MATLAB內部函數，Vshow則是限制后的顯示圖像，因此需要3個限制函數來實現三維的限制顯示。

1.4.2" "8區(qū)段線性偽彩映射擬合" "偽彩映射是基于0～1灰度范圍內的各體素點灰度信息擴增，將原有的灰度信息擴增為RGB分量，其底層信息仍是灰度向量，不同的偽彩映射對灰度值的響應不同。采用MATLAB中默認的64段偽彩映射，其調節(jié)點為8間隔點，應用分段線性方法實現調節(jié)點間的顏色管理，每兩個調節(jié)點間的顏色值以等差數列進行擬合。圖3顯示了RGB偽彩對同一體素模型的響應。

偽彩帶寬則利用軸顯示窗口進行調節(jié)，以[最低值，最高值]向量方式進行，最低值可為負值。帶寬低，則對比度增加，帶寬高，則對比度減弱。

2" "結" " " 果

2.1" "分布式界面" "由圖4可見，整個顯示平臺由窗口界面，DICOM數據界面，斷層顯示界面和3DView界面組成，每個處理界面均可單獨移動至任何位置，每個界面關閉后亦可再開啟。

2.2" "斷層重構與軸限制體素成像顯示" "利用軸限制，對體素成像模型進行切割，圖5顯示了軸限制下體素模型的可視化效果。

2.3nbsp; "偽彩映射與色彩調整" "平臺共植入15種偽彩算法，下面以gray和pink為例，結合閾值對體素成像進行顯示。由圖6可見，基于gray與pink偽彩映射的微調，可明顯增加下肢骨骼與肌肉的辨識度。

3" "討" " " 論

3.1" "分布式窗口的優(yōu)勢與缺點" "普通的軟件窗口多以一體化為主，即一個主界面，包括功能區(qū)與顯示區(qū)，這樣的優(yōu)點是可以一起最小化、縮放與最大化。但缺點是，不同區(qū)域很難做到單獨顯示，必須連同功能區(qū)或操作區(qū)一起展示。因此，本研究采用分布式窗口，將窗口控制區(qū)、功能區(qū)、斷層區(qū)和3D顯示區(qū)獨立開，既可將其放置在一起，也可關閉某些窗口，不影響顯示器中其他區(qū)域的瀏覽。由圖3可見，分布式窗口的效果實現方法簡單，起到單獨開閉某個窗口的作用。

3.2" "體素成像的優(yōu)勢與缺點" "與普通的應用不同，醫(yī)學圖像體積成像又稱體積渲染，屬于全息成像[9]或多平面成像[10-11]的一種，對于影像數據的保存度最高，但同時也最耗內存與算力。當前流行的體積渲染如前所述，包括光線投影、最大密度投影。在3DSlicer中，采用光線投影算法實現體積數據的渲染[12]，速度快，但光線投影算法的基礎是基于假設視線方向像素灰度的疊加，3D形式則是基于視角變換與體積數據相乘所得，因此對圖像增強算法并不敏感。針對上述缺點，本研究基于體積數據構建出體素，包含坐標值與灰度值兩種信息，形成了體積灰度信息，繪制出的體素模型包含了符合閾值條件體積信息的三維空間點云，可對其進行軸限制“切割”，增加了體積數據顯示的信息量和特征。由圖5可見，體素成像結合軸限制顯示實現了數據內部結構的可視化。體素成像的另一大優(yōu)勢是可附加偽彩映射，偽彩映射將原先的單維灰度向量擴增為三維彩色向量，提高了組織結構的肉眼辨識度，圖5中腎臟、骨骼和肌肉都得到較好的區(qū)分。同時，由于體素成像是對分散的體素進行繪制，雖然保存了較多的體積數據信息，但對噪點敏感，且存在不同角度下顯示不全或出現斷層現象。另外，體素成像繪制元比較單一，即點繪制，相鄰點在繪制時會出現黑邊現象。在體積數據灰度值歸一化過程中，由于掃描信號偏差，也會出現體素色彩不均一的層化現象。這些缺點也需要進一步優(yōu)化算法如低通濾波、高帽變換[13]等進行消除。

3.3" "偽彩分段線性擬合的優(yōu)勢與缺點" "MATLAB偽彩映射庫有15種，但不能滿足多變的顯示目標，尤其在顯示對比度、亮度上，需要對不同組織結構進行更好的區(qū)分[14]，偽彩等級越多，對組織細節(jié)的分辨率越高，但對噪點也越敏感。基于某種偽彩的調整必不可少。MATLAB中偽彩映射一般為64階，對映0-1的64個雙精度灰度，每個灰度范圍對應一個連續(xù)的RGB分量變化值。若對每階進行調整，則調整過程復雜，效果也不好。基于此，將64階簡化為8階，每相鄰階之間采用控制點形成峰值，左右區(qū)以線性下降方式實現RGB梯度變化，如此，實現偽彩映射的自然過渡調節(jié)。由圖6可見，基于特征偽彩映射的分段線性調節(jié)，可實現腿部骨骼和肌肉的區(qū)分以及肌肉紋理和肌肉邊界的區(qū)分。

[參考文獻]

[1]" "周娟. 基于MITK的醫(yī)學圖像三維表面重建算法[J]. 計算機科學， 2016， 43（S1）：194-197.

[2]" "孫少平， 潘李鵬， 賀建峰， 等. 基于OK圖像采集卡和VTK的醫(yī)學圖像處理系統(tǒng)[J]. 北京生物醫(yī)學工程， 2012， 31（2）：125-129， 145.

[3]" "鄒坤宇， 肖朝， 陳鋒. 基于三維體積紋理的云渲染研究[J]. 信息與電腦， 2021， 33（9）：68-70.

[4]" "李森濤， 萬旺根， 王旭智， 等. 基于體積渲染和幾何一致性的多視圖三維重建[J]. 工業(yè)控制計算機， 2023， 36（10）：98-100.

[5]" "高淑瑩， 譚延曦， 楊幸， 等. 多層螺旋CT三維重建聯合磁共振成像對踝關節(jié)骨折分型的診斷價值[J]. 醫(yī)學影像學雜志， 2024， 34（9）：166-169.

[6]" "袁鈺曉， 黃偉. 高場強MRI與CT三維重建聯合診斷膝關節(jié)外傷的臨床價值[J]. 浙江創(chuàng)傷外科， 2024， 29（8）：1577-1579.

[7]" "譚恒. 三維重建技術與CT聯合診斷肩胛骨疾病的價值分析[J]. 中國醫(yī)療器械信息， 2024， 30（16）：132-134.

[8]" "吳名. 64排螺旋CT三維重建在診斷隱匿性肋骨骨折中的應用[J]. 中外醫(yī)學研究， 2024， 22（22）：59-62.

[9]" "HOU Y H， HUANG Q， LI Z S， et al. Color spherical holographic display system based on conformal diffraction principle[J]. Opt Laser Technol， 2024， 177：111056.

[10]" "TAKEUCHI T， HAYASHI N， UJITA K， et al. Optimization of 3D imaging time reduction by assessing spatial resolution in the slice selective direction using the ladder method[J]. Magn Reson Imag， 2024， 114：110246.

[11]" "NECKER F N， MELCHER M L， BUSQUE S， et al. Nested Semi-Transparent Isosurface Simulated Volume-Rendering（NESTIS-VR）-An efficient on-device rendering approach for Augmented Reality headsets increasing surgeon confidence of kidney donor arterial anatomy[J]. Comput Biol Med， 2024， 183：109267.

[12]" "ZHOU L， XU G， LIU K， et al. 3D Slicer combined with neuroendoscopic surgery for the treatment of basal Ganglia hemorrhage after cranioplasty： a case report and literature review[J]. Heliyon， 2024， 10（18）：e37773.

[13]" "張風超. 醫(yī)學數字X射線圖像處理與分析算法研究[D]. 上海： 上海交通大學， 2005.

[14]" "孫裕洋， 姜涵， 鄭永果， 等. 基于可調雙向量參數的SPECT重建數據偽彩色映射模型[J]. CT理論與應用研究， 2021， 30（6）：701-708.

[收稿日期] 2024-11-11