世界首個三維可視化的數(shù)字豬

張建勛，徐 凱，邱宗國

(重慶理工大學 計算機科學與工程學院，重慶400050)

1989年，美國國立醫(yī)學圖書館建立了采集人體橫斷面CT、MRI和組織學數(shù)據(jù)的項目，名為“可視人體計劃”(visible human project，VHP)［1］?！翱梢暼梭w計劃”的立項、實施和開發(fā)具有重大意義。這樣的數(shù)據(jù)集在醫(yī)學史上是首創(chuàng)，它改變了醫(yī)學可視化的模式，為計算機圖像處理和虛擬現(xiàn)實進入醫(yī)學敞開了大門。

在一些國家，家豬被作為研究人類疾病的生物醫(yī)學模型，但各國都還沒有自己的數(shù)字豬解剖圖像。為了解決這個問題，便于未來的研究和教育，“數(shù)字豬”項目應(yīng)運而生。中國重慶市畜牧科學研究院、第三軍醫(yī)大學和重慶理工大學正在著手研究世界上第一個“數(shù)字豬”。目前，數(shù)字豬項目已經(jīng)實現(xiàn)了良好的三維可視化效果，并建立了數(shù)字豬數(shù)據(jù)集。這套數(shù)據(jù)具有非常大的生物醫(yī)學研究價值，不僅可以用于解剖教學，還可以作為生長模擬、動物仿真等研究的基礎(chǔ)。

1 三維可視化方法實現(xiàn)流程

圖1說明了如何經(jīng)過4步流程將數(shù)字豬斷層圖像(輸入數(shù)據(jù)結(jié)構(gòu))轉(zhuǎn)化為最終的三維可視化圖像(輸出數(shù)據(jù)結(jié)構(gòu))。

圖1 三維可視化方法的流程

2 圖像采集

選取2頭5個月大的榮昌豬(一頭公豬和一頭母豬)，處死并固定，在重慶第三軍醫(yī)大學附屬西南醫(yī)院進行CT斷層掃描以采集CT圖像，然后將尸體灌注后放入模中冷凍定型，以保持豬的姿勢。在低溫實驗室中，采用高精度程控銑床對冷凍后的尸體進行削切。數(shù)據(jù)采集時將高分辨率數(shù)碼相機與銑頭固定，對每次削切后的剖面進行攝像，采用TIF無損格式保存，共獲取高分辨率彩色圖像2 315幅。如圖2所示，CT樣本圖像相鄰斷面間距2.5 mm。如圖3所示，數(shù)碼相機樣本圖像相鄰斷面間距0.5 mm。

圖2 豬CT圖像樣本

圖3 豬彩色圖像樣本

3 圖像配準

3.1 常用圖像配準方法

1)基于特征的圖像配準方法［2］。首先提取圖像信息的特征，然后以這些特征為模型進行配準。此方法的主要優(yōu)點是計算量更小，速度更快，而且對圖像灰度的變化具有魯棒性，但對特征提取和特征匹配的錯誤比較敏感。

2)基于灰度的圖像配準方法。通常直接利用整幅圖像的灰度信息，建立兩幅圖像之間的相似性度量，然后采用某種搜索方法，尋找使相似性度量值最大或最小的變換模型的參數(shù)值。此方法能提高估計的精度和魯棒性，但計算量很大，速度較慢。

3)最大互信息圖像配準方法。這種方法的突出優(yōu)點為魯棒性好、配準精度高、人工干預(yù)少。但其配準過程復(fù)雜費時，當平移距離為像素的整數(shù)倍時會使目標函數(shù)產(chǎn)生局部極值。

表1為3種常用配準方法的比較。

表1 3種常用配準方法的比較

3.2 項目采用的配準方法

圖像配準是公認難度較大的圖像處理技術(shù)，也是本項目中對圖像分割起著決定性作用的關(guān)鍵技術(shù)。

由于本項目中用來削切豬的高精度程控銑床最大加工尺寸只有50 cm，所以需要分段3次才能完成整個豬的削切工作。也就是說，每次削切完成后需將豬身體前移50 cm以便下一段削切，移動前后采集的豬彩色圖像可能會發(fā)生位移。對于發(fā)生位移的圖像，需要采用圖像配準技術(shù)進行校正位置。

這里采用基于圖像特征的配準方法，首先需要提取圖像中的特征點，然后根據(jù)提取的特征點用三角函數(shù)計算出圖像的旋轉(zhuǎn)角度，借助MatLab中的圖像處理函數(shù)，編程實現(xiàn)圖像的旋轉(zhuǎn)，然后進行圖像的平移操作，以達到配準的目的。圖4為其中某原始圖像與配準后圖像。

圖4 2幅豬彩色圖像

4 圖像分割

圖像分割就是根據(jù)區(qū)域內(nèi)的相似性以及區(qū)域間的差異性把圖像分割成若干區(qū)域的過程。

從醫(yī)學研究和應(yīng)用的角度來看，圖像分割的目的是將原始的圖像分成不同性質(zhì)的(如灰度、紋理等)區(qū)域，提取并進行三維重建，使其盡可能的接近解剖結(jié)構(gòu)，為解剖學和病理學研究提供可靠依據(jù)。

由于本項目彩色豬切片圖像組織器官邊界錯綜復(fù)雜，傳統(tǒng)算法很難得到器官平滑、連續(xù)的初始輪廓線，這里利用GDI+技術(shù)在器官周圍人工添加標記點，并在目標周圍生成樣條插值曲線，以此曲線作為零水平集，建立窄帶，再利用M－S模型［3］完成目標的分割(圖5)。

圖5 豬切片圖像(箭頭指向肌肉輪廓線)

5 三維重建及可視化

5.1 三維重建流程

三維重建流程見圖6。

圖6 三維重建流程

數(shù)字豬切片器官輪廓數(shù)據(jù):原始數(shù)字豬橫斷面切片圖像經(jīng)重慶市畜牧科學院勾勒器官輪廓后形成的切片器官輪廓集，每個切片形成一個文件，包含該切片上各種器官輪廓，器官輪廓以輪廓曲線上插值點描述。

抽取器官輪廓:該步驟提取單個器官體在各切片上的輪廓，形成該器官體的輪廓邊界集。

對器官輪廓進行填充:該步驟進一步對切片上的器官體內(nèi)外部進行標識，尤其是找出器官體內(nèi)的空洞部分。

器官三維重建:該步驟是整個流程的關(guān)鍵。

輸出器官3DS模型:將重建后的模型按3DS文件格式輸出。

器官合成:將各器官合成成完整的數(shù)字豬模型。

5.2 基于斷層間輪廓線的圖像三維重建及可視化方法

三維數(shù)據(jù)集的重建和繪制問題，傳統(tǒng)上有2種方法:表面重建和體繪制［4］。根據(jù)數(shù)字豬的特點，這里采用表面重建方法。

5.2.1 基于斷層輪廓的表面重建

這種方法簡單且數(shù)據(jù)量小，但不是很直觀。除了以輪廓線表示物體外，還可以由輪廓重建物體的表面來表示。最早的方法是基于多邊形技術(shù)，主要采用平面輪廓的三角形算法，用三角片面擬合這組表面輪廓的曲面。

5.2.2 基于體素(Voxel)的等值面重建

1)Cuberille方法。將三維圖像中的每一像素看成是空間中的一個六面體單元，即體素。在體素內(nèi)數(shù)據(jù)場具有相同的值，用邊界體素的6個面擬合等值面，即邊界體素中相互重合的面去掉，只把不重合的面連接起來近似表示等值面。這種方法的特點是算法簡單易行，便于并行處理;主要問題是會出現(xiàn)走樣。

2)Marching Tetrahedral方法。首先將立方體體素剖分成四面體，然后在其中構(gòu)造等值面，進行四面體剖分后，等值面在四面體中的剖分模式減少，算法實現(xiàn)簡單。常見的立方體剖分成四面體的方法有5個、6個和24個四面體剖分法。一般最常用的是5個四面體剖分法。

3)Dividing Cubes方法。逐個掃描每個體素，當體素的8個頂點越過等值面時，將該體素投影到顯示圖像上。如果投影面積大于一個像素的大小，則該體素被分割成更小的子體素，使子體素在顯示圖像上的投影為一像素的大小，每一子體素在圖像空間被繪制成一表面點。采用繪制表面點而不是繪制體素內(nèi)等值面片，從而節(jié)省了大量的計算時間。

5.3 基于中點插值的MC算法

標準的MC算法基本思想是逐個處理數(shù)據(jù)場的體元，分類出與等值面相交的體元，假設(shè)體元數(shù)據(jù)沿著體元的棱邊數(shù)據(jù)場呈線性變化，采樣線性插值計算出與等值面相交的體元的棱邊上的交點，根據(jù)體元8個頂點與等值面的相對位置，將這些交點按一定方式連接成等一個或多個三角面，作為等值面在體元內(nèi)的逼近表示。

MC算法首先對體元的8個頂點進行分類，以判定該頂點是位于等值面內(nèi)還是等值面外。再根據(jù)8個頂點的狀態(tài)，確定等值面在體元內(nèi)部的連接方式。

本項目的器官分類采用手動分割，對器官進行分割后得到的三維數(shù)據(jù)集是二值數(shù)據(jù)(0表示背景，1表示需要重建的物體)。利用這些數(shù)據(jù)來構(gòu)造三維等值面時，等值面索引的構(gòu)造方式與標準的MC方式相同。但是等值面與立方體交點的計算，這里取立方體棱邊的中點作為等值面與立方體的交點，省去了線性插值的計算。這主要是考慮到圖像是二值的，沒有合適的閾值來進行求交;另一方面，通過中點來求交，最大的誤差為0.5個立方體。

5.4 實現(xiàn)效果及分析

用中點MC算法進行數(shù)字豬的三維重建后發(fā)現(xiàn)模型存在臺階現(xiàn)象。針對臺階出現(xiàn)的原因，這里改用Amira進行器官模型的三維重建及網(wǎng)格簡化，用3DSMAX對簡化后的網(wǎng)格進行平滑的方法來消除器官三維重建后的臺階現(xiàn)象。

5.5 使用Amira和3DSMAX三維重建數(shù)字豬的方法

方法流程分為3個階段:

1)在自編軟件VolViewer中，先抽取器官輪廓，然后進行填充，并依據(jù)器官的坐標集計算出包圍盒，該包圍盒的極值點坐標是全局坐標。

2)在Amira軟件中，將填充器官內(nèi)部后的數(shù)據(jù)集及器官包圍盒送入到Amira進行三維重建，由于切片層間差異較大，Amira建立的原始三維模型同樣有臺階現(xiàn)象，不過可以借助Amira網(wǎng)格簡化工具對原始模型進行網(wǎng)格簡化，能夠很好地消除臺階，但同時也會使模型產(chǎn)生很多菱角。這就需要用3DSMAX對簡化后的模型進行平滑。由于3DSMAX只對Amira模型數(shù)據(jù)的DFX文件支持，所以要將簡化后的模型導(dǎo)出成DFX格式。

3)在3DSMAX中，利用3DSMAX對DFX格式的簡化模型進行光滑，并導(dǎo)出成最后的3DS文件格式供后續(xù)的視景操作用。同時用該軟件也可以進行數(shù)字豬多器官的合成。

圖7 數(shù)字豬圖像

6 結(jié)束語

介紹了世界首個三維可視化數(shù)字豬的實現(xiàn)流程，給出了各流程的實現(xiàn)方法，最后對可視化效果進行分析并作出了合理的改進，使得三維可視化的效果更好。

目前，本項目已完成數(shù)字豬的三維可視化，建立了數(shù)字豬數(shù)據(jù)集和虛擬豬模型，并開發(fā)了網(wǎng)絡(luò)教學平臺。我們還將開展一些后續(xù)研究，包括生長模擬、動物仿真等。

致謝:本項目所用數(shù)字豬數(shù)據(jù)集由重慶市畜牧科學研究院和第三軍醫(yī)大學提供，特此感謝。

［1］ 李七渝，張紹祥，林支付，等.中國數(shù)字化可視人腦基底核團的三維立體解剖與可視化［J］.解剖學雜志，2008(6):845－847.

［2］ 張建勛，劉羽.基于多分辨率圖像錐與Hausdorff距離的醫(yī)學圖像配準［J］.重慶理工大學學報:自然科學版，2010(1):60－64.

［3］ 楊長輝，張紹祥，王金勇，等.基于窄帶M－S模型的豬序列切片圖像的交互式分割［J］.計算機科學，2009(1):234－238.

［4］ 傅由甲，洪雄，張建勛，等.三維重建表面任意切面圖像提取及映射有效方法［J］.計算機應(yīng)用研究，2009(9):3548－3565.