胎兒顏面部三維超聲基準(zhǔn)標(biāo)準(zhǔn)切面自動校對系統(tǒng)的研究*

劉盛鋒，卓柳，倪東△

（1.哈爾濱理工大學(xué)自動化學(xué)院，哈爾濱150080；2.醫(yī)學(xué)超聲關(guān)鍵技術(shù)國家地方聯(lián)合工程實驗室，廣東省生物醫(yī)學(xué)信息檢測與超聲成像重點實驗室，深圳大學(xué)生物醫(yī)學(xué)工程系，深圳518060）

1 引 言

超聲檢查對胎兒和孕婦無副作用，診斷準(zhǔn)確，是目前產(chǎn)前診斷與缺陷兒篩查的首選影像檢查方法。胎兒顏面部檢查是一項重要的超聲產(chǎn)前檢查項目。其中，包含重要解剖結(jié)構(gòu)的標(biāo)準(zhǔn)切面的定位是超聲產(chǎn)前診斷的關(guān)鍵步驟之一。目前臨床超聲產(chǎn)前診斷主要有二維超聲和三維超聲。與二維超聲相比，三維超聲具有表面模式、三平面正交模式和多平面模式，可提供更加全面可靠的信息，更好的評估解剖結(jié)構(gòu)，已廣泛應(yīng)用于臨床胎兒顏面部的診斷。由于宮內(nèi)胎兒胎位的不確定性，醫(yī)生從胎兒顏面部三維超聲體數(shù)據(jù)中手動校對胎兒胎位，手動定位三正交的基準(zhǔn)標(biāo)準(zhǔn)切面是非常困難和耗時的。

近年來，吸引了許多研究者對三維超聲自動提取標(biāo)準(zhǔn)切面的興趣。Carneiro等［1］提出通過精確定位三維胎兒腦部體數(shù)據(jù)中的解剖結(jié)構(gòu)的位置、方向和大小，來定位其解剖結(jié)構(gòu)的標(biāo)準(zhǔn)切面。采用類似的方法，Lu等［2］研究了心臟三維超聲數(shù)據(jù)中標(biāo)準(zhǔn)切面的自動提取方法。Feng等人［3］，針對三維超聲的表面模式，提出了從三維超聲胎兒顏面部體數(shù)據(jù)中自動尋找胎兒面部的最優(yōu)視角，結(jié)合3D人臉表面和2D面部輪廓精確檢測3D人臉。Cuingnet等人［4］針對三維超聲腦部體數(shù)據(jù)，提出將胎兒腦部解剖結(jié)構(gòu)頭骨、正中矢狀面和眼球軌道作為參考，重新建立腦部體數(shù)據(jù)的正交坐標(biāo)系和原點，最終確定腦部解剖結(jié)構(gòu)的標(biāo)準(zhǔn)切面。Chen等人［5］針對三維超聲胎兒顱腦輪廓分割進(jìn)行了研究。

迄今為止，關(guān)于三維超聲標(biāo)準(zhǔn)切面搜索研究已取得了一些進(jìn)展，但就我們所知，尚無一個方法是針對從顏面部體數(shù)據(jù)中自動獲取重要解剖結(jié)構(gòu)的標(biāo)準(zhǔn)切面。另一方面，不管是臨床研究還是計算機輔助，針對胎兒顱腦的研究，最受關(guān)注的解剖結(jié)構(gòu)為雙眼球［4-6］和面部輪廓［3-4，7-8］。雙眼球在超聲圖像中特異性強，對稱存在，相比其他解剖結(jié)構(gòu)易識別，且受胎兒胎位、胎齡的影響小。但是雙眼球灰度信息較為單一，在超聲圖像中存在較多與其表觀類似的區(qū)域，文獻(xiàn)［4-5］僅用雙眼球本身來定位，魯棒性有待提高。另一方面，正中矢狀面上的面部輪廓線亦較易識別，可反應(yīng)顏面部的本質(zhì)特性，臨床上往往對其進(jìn)行多個生物學(xué)參數(shù)測量［9-12］，以判斷是否有顏面部畸形。

本研究提出一種三維超聲胎兒顏面部三正交基準(zhǔn)標(biāo)準(zhǔn)切面自動校對系統(tǒng)，可減少醫(yī)生工作量，提高產(chǎn)前超聲診斷的標(biāo)準(zhǔn)化水平。首先，根據(jù)平面上一點和法向量確定平面的原理，即通過自動檢測雙眼球，并基于對稱性雙眼球軌道和軌道中點定位正中矢狀面；然后，通過自動檢測正中矢狀面上的面部輪廓線定位面額冠狀切面；最后，根據(jù)雙眼球和三平面正交關(guān)系校對水平橫切面。從而重新定義胎兒顏面部的三維基向量。

2 方法

2.1 眼球自動檢測

在三維超聲顏面部體數(shù)據(jù)中，眼球能反應(yīng)胎兒顏面部的本質(zhì)特征：眼球受胎兒體位、大小和圖像質(zhì)量等變化影響??；超聲眼球表現(xiàn)為中央極小的無回聲區(qū)，眼球周邊為一完整的、厚度均勻的強回聲，這一強回聲壁由眼框骨和眼瞼組成，見圖1；眼球具有對稱性，可確定顏面部解剖結(jié)構(gòu)的參考方向，校對正中矢狀面，所以最先檢測雙眼球的位置。但是雙眼球灰度信息較為單一，在超聲圖像中存在較多與其表觀類似的區(qū)域，可能降低自動檢測的魯棒性。在超聲圖像中，蝶骨位于眼球下方，具有對稱性，其聲像表現(xiàn)為中央極小的強回聲區(qū)，周邊為厚度均勻的弱回聲區(qū)，具有較強的標(biāo)識性。因此，可通過聯(lián)合眼球下方的蝶骨增加眼球自動檢測的魯棒性。

圖1 3D超聲眼球灰度示意圖Fig 1 Diagram of 3D ultrasound eyeballs gray images

考慮到超聲圖像中典型眼球和蝶骨具有旋轉(zhuǎn)不變的特性的表觀，本研究擬將2D Haar-like特征［14］擴展到三維空間來描述訓(xùn)練樣本的表觀。2D Haar-like特征的基本原理是：特征值定義為特征模板中不同區(qū)域的像素灰度值之差。本研究定義了10種形式的3D Haar-like特征，見圖2。

圖2 3D Haar-like特征模板示意圖Fig 2 Diagram of 3D Haar-like feature templates

為了更有效的計算濾波器的值，本研究提出了與計算2D Haar-like型特征的“積分圖”方法類似的方法“積分體”?！胺e分體”和“積分圖”的區(qū)別在于“積分體”是在三維空間中計算出來的。其具體計算過程如下：

（1）“積分體”是一個大小與體數(shù)據(jù)相同的三維矩陣，對于“積分體”上的某一點（x，y，z）來說，其值是時空體中所有序號小于等于當(dāng)前位置的所有點的像素亮度和：

其中 iv（x，y，z）表示積分體（x，y，z）位置的值，i（x′，y′，z′）表示體數(shù)據(jù)中（x′，y′，z′）位置的值。（2）借助“積分體”的概念，任何一個立方體中的所有像素和可以通過7個加減操作計算出來。對于每一點（x，y，z）積分體的計算公式為：

每次計算特征值時，只需要計算頂點上的積分體值，這樣可以大大減少計算時間［14-15］。

在機器學(xué)習(xí)的實際應(yīng)用中，特征數(shù)量往往較多，其中可能存在不相關(guān)的特征，特征之間也可能存在相互依賴，容易導(dǎo)致如下后果：（1）特征個數(shù)越多，分析特征、訓(xùn)練模型所需的時間就越長。（2）特征個數(shù)越多，容易引起“維度災(zāi)難”，模型也會越復(fù)雜，其推廣能力會下降?；诖?，本研究將所有Haarlike總特征維數(shù)28318分成每1000維的特征子集，使用支持向量機 （support vector machine，SVM）分類器，然后利用每個特征子集對樣本集進(jìn)行分類，選取分類精度最高的特征子集做為最后的特征。

在獲取最優(yōu)特征子集后，即可分別訓(xùn)練眼球和蝶骨檢測的SVM分類器；根據(jù)眼球與蝶骨位置關(guān)系空間不變性，采用眼球和蝶骨聯(lián)合檢測的方法；對所有眼球檢測的預(yù)測點使用k-means聚類求得雙眼球中心；最后，由雙眼球中心所確定方向向量和雙眼球中心連線的中心點，來定位正中矢狀面。雙眼球與正中矢狀切面空間位置關(guān)系見圖3。

圖3 雙眼球與正中矢狀切面空間位置關(guān)系示意圖Fig 3 Diagram of the spatial relation between the eyeballs and the median sagittal plane

2.2 面部輪廓線自動檢測

面部輪廓線自動檢測的過程，也是求最優(yōu)直線的過程包括三個部分：鼻骨位置、面部輪廓模型和最優(yōu)面部輪廓線擬合。

在三維超聲顏面部體數(shù)據(jù)中，面部輪廓能反應(yīng)胎兒顏面部的本質(zhì)特征：面部輪廓受胎兒體位、胎兒大小和圖像質(zhì)量等變化影響小，清楚可見，易獲??；面部輪廓表現(xiàn)為成一定形狀的強回聲，區(qū)別于周圍其他軟組織，這一強回聲壁由面額骨、鼻子、鼻骨和下巴皮膚、下頜骨組成；面額冠狀切面通過面額骨、鼻骨和下額骨，與正中矢狀面的交線為面部輪廓線，即鼻骨和下額骨的連線，定位面部輪廓線，從而校對面額冠狀面。面部輪廓線及面部冠狀切面超聲圖像見圖4。

圖4 面部輪廓線及面部冠狀切面超聲圖像Fig 4 Ultrasound images of facial profile plane and facial coronary plane

正中矢狀面、雙眼球水平橫切面、面額冠狀切面之間成兩兩正交關(guān)系，相交于鼻骨［16］。鼻骨和雙眼球具有固定的空間位置和大小比例關(guān)系：（1）鼻骨和雙眼球成等腰三角形，鼻骨為頂點；（2）鼻骨到雙眼球中心連線的距離d（如圖（5a）的紅色直線）即為等腰三角形的高；（3）雙眼球中心之間的距離D（如圖5（a）的藍(lán)色直線），即為等腰三角形的底邊；（4）等腰三角形的高和底邊具有一定的比例關(guān)系，大概為d∶D=1∶4。所以，由雙眼球中心連線即可粗略確定鼻骨位置。鼻骨初定位后，為后面的正中矢狀面的面部輪廓區(qū)域分割進(jìn)行了限制，可減少超聲圖像中宮內(nèi)其他組織結(jié)構(gòu)的噪聲影響，提高分割的準(zhǔn)確性。鼻骨-顏面部模型見圖5。

Hough變換是圖像處理中從圖像中識別幾何形狀的基本方法之一。Hough變換的基本原理在于利用點與線的對偶性，將原始圖像空間的給定的曲線通過曲線表達(dá)形式變?yōu)閰?shù)空間的一個點。這樣就把原始圖像中給定曲線的檢測問題轉(zhuǎn)化為尋找參數(shù)空間中的峰值問題。也即把檢測整體特性轉(zhuǎn)化為檢測局部特性。本研究中是用來檢測直線。

在根據(jù)鼻骨確定的面部輪廓區(qū)域中，進(jìn)行kmeans聚類分割得到二值圖，再進(jìn)行Hough直線檢測，檢測到的多條直線集中分布在面部輪廓線區(qū)域，這是因為面部輪廓近似一條直線。根據(jù)Hough變換直線得到極坐標(biāo)下的θ，便大大減少了面部輪廓線確定的范圍，即已經(jīng)確定了面部輪廓線的大致范圍（θ1，θ2）。

圖5 鼻骨-顏面部模型示意圖a.模型示意圖；b.面部比例示意圖；c.鼻骨-眼球中心距離統(tǒng)計圖Fig 5 Diagram of the nasal-facial model

然后采用模板匹配的方法對Hough直線檢測確定的角度范圍和初步鼻骨位置兩個參數(shù)進(jìn)行篩選，得到最佳的面部輪廓擬合直線方程，即為面部輪廓線。其過程是：首先，將多個胎兒正中矢狀面上的面部輪廓區(qū)原圖和對應(yīng)的k-means分割二值圖加權(quán)平均，得到平均模板圖，其中模板大小為80×180。然后，對平均模板圖閾值分割得到面部輪廓線二值模板圖；最后，進(jìn)行模板匹配，原則是，在已經(jīng)確定的面部輪廓線大致范圍內(nèi)（θ1，θ2），將 Hough直線檢測得到的二值圖與面部輪廓線二值模板圖進(jìn)行運算再求和，得到和最大的匹配角度方向即為面部輪廓線的方向位置，再結(jié)合之前確定的鼻骨這個點，就可以精確擬合面部輪廓線。

面部輪廓線檢測后，直接校對面額冠狀切面。最后以鼻骨、雙眼球、面部輪廓線為參考，重新定義胎兒顏面部三維空間坐標(biāo)（x′，y′，z′，o′），鼻骨為新坐標(biāo)系的原點o′，面部輪廓線為新坐標(biāo)的z′軸，雙眼球方向向量為新坐標(biāo)的x′軸，鼻骨與雙眼球軌道中心所在方向向量為新坐標(biāo)的 y′軸，x′o′y′平面即為雙眼球水平橫切面，所以由此校對雙眼球水平橫切面。

2.3 評價方法

本研究對算法在眼球檢測和三個基準(zhǔn)標(biāo)準(zhǔn)切面和用戶間可變性等方面進(jìn)行了定量評估，為了便于作定量評價，基于VTK開發(fā)了一個交互式軟件。用戶可以從體數(shù)據(jù)里獲取任意點的位置，記錄點的坐標(biāo)，還可以獲取任意位置的切面，主要包括切面的法向量和中心點在內(nèi)的參數(shù)信息。此外，還邀請了兩位在胎兒顏面部超聲檢查方面有三年以上經(jīng)驗的超聲醫(yī)生（記為醫(yī)生1和2）和三位超聲醫(yī)學(xué)影像專業(yè)的研究生（訓(xùn)練他們從體數(shù)據(jù)中標(biāo)注三個基準(zhǔn)標(biāo)準(zhǔn)切面；記為學(xué)生1，2和3），請他們標(biāo)注最優(yōu)的標(biāo)準(zhǔn)切面，并記錄下這些切面的法向量和中心點等參數(shù)。在標(biāo)注過程中，用戶可以重復(fù)多次直到結(jié)果滿意為止。

本研究用上述兩位醫(yī)生的平均結(jié)果作為評測的金標(biāo)準(zhǔn)：眼球中心點真實位置（坐標(biāo)點）和三個基準(zhǔn)標(biāo)準(zhǔn)切面的真實位置（切面的法向量和中心點）。其中，眼球真實位置用紅色標(biāo)注，三個標(biāo)準(zhǔn)切面用帶有紅色邊線的平面標(biāo)注。對于評價眼球檢測結(jié)果的好壞，是通過評價自動檢測眼球中心點和臨床專家醫(yī)生標(biāo)注的實際位置的歐式距離。對于評價獲取三個基準(zhǔn)標(biāo)準(zhǔn)切面的好壞，主要采用兩個指標(biāo)：（1）手動獲取與自動檢測的切面之間的角度：

其中，nm表示手動獲取切面的法向量，na表示自動獲取切面的法向量。（2）兩個平面之間的距離：

其中，bautomatic為體數(shù)據(jù)原點到自動獲取切面中心點的距離，bmanual為體數(shù)據(jù)原點到手動獲取切面中心點的距離。

3 實驗內(nèi)容與結(jié)果

3.1 實驗數(shù)據(jù)

本研究使用的數(shù)據(jù)全部由深圳婦幼保健院超聲科邁瑞DC-8機器上采集，包括經(jīng)驗豐富和新手醫(yī)生采集的數(shù)據(jù)，數(shù)據(jù)孕周分布在20周到39周，主要集中在29周到32周之間。共采集了788個來自174個不同的胎兒體數(shù)據(jù)，體數(shù)據(jù)的平均大小為250×195×220（像素），兩個像素相當(dāng)于1 mm，每個胎兒有橫切面和矢狀面兩種掃查方式獲得的多個顏面部體數(shù)據(jù)。本研究使用來自134個胎兒的708個體數(shù)據(jù)做為訓(xùn)練，來自40個胎兒的80個體數(shù)據(jù)（其中矢狀面掃查方式和水平橫切面掃查方式各40個）做為檢測。2D FP profile模板為20個胎兒的平均模板。所有的檢測數(shù)據(jù)都能反應(yīng)一般情況。

3.2 實驗結(jié)果

主要通過平均誤差、中間誤差和標(biāo)準(zhǔn)偏差，定量得到自動檢測的雙側(cè)眼球中心點和三個基準(zhǔn)標(biāo)準(zhǔn)切面的真實位置與臨床專家醫(yī)生標(biāo)注的實際位置誤差分析結(jié)果分別見表1和表2。其中，表2中第一列的前三個指標(biāo)分別為矢狀、冠狀和水平切面的角度，后三個為其對應(yīng)切面間的距離。

表1 眼球檢測的歐氏距離誤差分析Table 1 Error analysis of Euclidean distance for eyeballs detection

表2 三基準(zhǔn)標(biāo)準(zhǔn)切面檢測的誤差分析Table 2 Error analysis of the three reference standard planes detection

為了驗證用戶間的可變性，表3給出了不同用戶之間（包括醫(yī)生與醫(yī)生、醫(yī)生與學(xué)生以及自動檢測與醫(yī)生）的誤差比較。由此可知，自動檢測與醫(yī)生之間的誤差小于醫(yī)生與醫(yī)生之間的誤差，驗證了本研究提出的方法自動獲得的結(jié)果誤差在用戶間可變性變化范圍內(nèi)，可以減少用戶間的差異。

表3 不同用戶間的誤差比較Table 3 Error comparison between different users

4 結(jié)論

首次實現(xiàn)了三維超聲中胎兒顏面部自動校對多基準(zhǔn)標(biāo)準(zhǔn)切面導(dǎo)航系統(tǒng)。通過自動檢測胎兒雙眼球定位正中矢狀面，進(jìn)而通過自動檢測正中矢狀面上的面部輪廓線定位面額冠狀切面，最后以鼻骨、雙眼球和面部輪廓線為參考校對水平橫切面，從而自動定義胎兒顏面部三維基準(zhǔn)向量。實驗表明，標(biāo)準(zhǔn)切面角度誤差在2.541～4.601度之間，距離誤差在0.739～1.000毫米之間。實驗結(jié)果說明了本系統(tǒng)的可行性。