顳下頜關節(jié)多模態(tài)圖像配準及三維重建的研究進展*

王雨婕 李志勇

顳下頜關節(jié)紊亂病（Temporomandibular Disorders，TMD）常伴有結(jié)構的異常，如關節(jié)盤的前移位。錐體束CT（CBCT）和磁共振（MRI）是臨床最常用的影像學檢查方法。CBCT較螺旋CT輻射劑量低，同樣可清晰顯示TMJ骨的改變[1，2]，如骨質(zhì)缺損、骨贅生物、位置改變等，但缺乏軟組織的影像信息。當關節(jié)盤發(fā)生移位時，在CBCT中可能表現(xiàn)為關節(jié)間隙的改變[3]，但結(jié)合MRI圖像才能對關節(jié)盤的移位情況進行明確診斷。MRI不產(chǎn)生電離輻射，可以清晰顯示關節(jié)盤、周圍肌肉、關節(jié)積液、骨髓異常等，是確定關節(jié)盤形態(tài)及位置改變的金標準[4，5]，但對于骨質(zhì)的成像不如CBCT。TMJ包含軟組織、硬組織雙重特點，因而對其進行影像學評估較困難，單一的檢查不能完整體現(xiàn)所有結(jié)構。實現(xiàn)CBCT和MRI這兩種影像檢查圖像的配準和融合，能夠同時獲得顳下頜關節(jié)軟、硬組織的可視化影像，更真實直觀地反映結(jié)構間的相對位置，有助于臨床醫(yī)生做出診斷。

圖像配準是通過空間變換對齊兩組圖像的過程，基于迭代優(yōu)化的算法尋找出一種使源圖像與目標圖像達到最佳相似性的映射方式。在醫(yī)學圖像領域中，圖像配準使兩組圖像中具有診斷意義的點對應匹配起來。根據(jù)兩組圖像的成像方式是否一致，可分為單模態(tài)和多模態(tài)圖像配準。

在顳下頜關節(jié)區(qū)域，CBCT或MRI圖像的單模態(tài)配準已有初步的應用。對不同時刻CBCT中髁突、關節(jié)窩三維圖像配準可觀察TMJ骨質(zhì)異常及形態(tài)改變[6]，定量評價骨質(zhì)改建，對顯示微小體積改變更敏感[7]。而利用MRI圖像逐層分割可以三維重建出顳下頜關節(jié)的結(jié)構，更直觀地判斷關節(jié)盤發(fā)生移位的情況[8]。

多模態(tài)圖像配準可以實現(xiàn)同一患者的不同成像方式圖像的融合和信息互補。CT-MRI圖像配準技術自1990 s出現(xiàn)以來，已逐步應用于盆腔、肱骨、顱頜面等臨床醫(yī)學領域的研究[9-12]，但在顳下頜關節(jié)區(qū)域的研究較少。CBCT和MRI的圖像配準和三維重建有助于精準識別顳下頜關節(jié)骨組織的形態(tài)結(jié)構，也是探究關節(jié)盤立體空間位置的有力工具。同時，所獲得的模型包含真實而非人為設置的關節(jié)盤，為生物力學和有限元分析提供了更真實的形態(tài)學基礎，有助于實現(xiàn)病理狀態(tài)下的個性化分析。本文就相關技術最新進展進行綜述。

1.醫(yī)學圖像配準技術

1.1 手動配準MRI和CBCT都是以Dicom格式存儲，為醫(yī)學圖像配準研究提供了便利。實現(xiàn)圖像配準最直接的方法是在視覺上識別解剖標志手動完成[13]，常由放射科醫(yī)生或有經(jīng)驗的臨床醫(yī)生操作。這是一個耗時耗力的過程，并且依賴于操作員的技術，因此，為尋找更為高效可靠的方案，自動化配準技術已受到廣泛研究和應用。

1.2 自動化配準 傳統(tǒng)的自動化配準流程包括特征提取、空間變換、最優(yōu)化搜索策略以及相似性測量，最終獲得最優(yōu)化的配準算法。第一步需要提取兩組不同圖像中高度相似的特征信息，目前方法主要有基于外部標記和不基于外部標記兩大類[14]。對特征信息進行配準操作時，根據(jù)空間變換的性質(zhì)可分為剛性配準和非剛性配準。顳下頜關節(jié)的髁突和關節(jié)窩作為堅硬結(jié)構適合使用剛性配準，即僅通過旋轉(zhuǎn)、平移改變其在坐標軸中的位置。兩組圖像配準效果的質(zhì)量由相似性度量衡量，常用指標有誤差平方和（Sum of Squared Differences，SSD）、絕對誤差和（Sum of Absolute Differences，SAD）、互信息（Mutual Information，MI）等。最優(yōu)化搜索策略則是高效地尋找出兩幅圖像的最高相似性度量的最優(yōu)結(jié)果。近年來，基于深度學習（Deep Learning，DL）技術的圖像配準發(fā)展迅速，相似性度量優(yōu)于傳統(tǒng)方法，已發(fā)展出多種不同的網(wǎng)絡架構。卷積神經(jīng)網(wǎng)絡（Convolutional Neural Netw ork，CNN）廣泛使用于DL設計，具備出色的特征提取能力，利用其優(yōu)勢可以使用MI等深度相似度度量實現(xiàn)令人滿意的多模態(tài)圖像配準效果。生成對抗網(wǎng)絡（Generative Adversarial Netw orks，GAN）通過執(zhí)行圖像域轉(zhuǎn)換能夠使現(xiàn)有的單模態(tài)配準算法可以應用于多模態(tài)圖像配準，克服不同模式之間巨大外觀差異導致的困難[15]。

1.2.1 基于外部標記 在影像學檢查時人為設置可形成清晰影像的標志物，如粘貼固定于皮膚的小球或錨固于骨的鈦釘，其成像可作為標志點用于兩組圖像的配準。但應用于活體被試者時，需考慮到由于在兩次攝片間體位改變和軟組織可讓性，標志點可能發(fā)生移動，以及存在引入有創(chuàng)操作的顧慮[16]。

1.2.2 不基于外部標志點 即利用在兩種影像學檢查內(nèi)部圖像的特征性信息（如解剖結(jié)構清晰的骨皮質(zhì)），進行同一結(jié)構及輪廓的配準，是圖像配準算法研究中的重點。其常用方法可分為三類：（1）基于特征（如點、線、面等）；（2）基于灰度；（3）基于變換域?；谔卣鞯姆椒ㄍㄟ^針對圖像中重要點和特征性的結(jié)構，如骨皮質(zhì)邊緣等，大大減小了計算量?；诨叶戎档姆椒梢宰R別灰度信息的分布的相似特點作為依據(jù)，最小化兩組圖像的灰度值差異而獲取最佳的圖像配準結(jié)果。其中，利用灰度的圖像統(tǒng)計信息（如互信息MI、歸一化互信息Normalized Mutual Information，NMI等[17]）的配準算法研究較多，它不受噪點影響，不必先進行圖像分割等復雜操作，適合應用于多模態(tài)的配準場景。

1.3 半自動配準 由于當前全自動配準技術尚不能達到理想的效果和精度，大部分的圖像配準過程仍需要用戶互動，屬于半自動配準。為減少計算量，可事先分割出原始圖像中感興趣的部分，再進行自動配準。常用的方法是通過調(diào)整合適的閾值提取出所需要的結(jié)構，對粘連的區(qū)域則需手動編輯，這要求操作者具備豐富的臨床及影像診斷經(jīng)驗，不準確的閾值選擇和手動編輯會產(chǎn)生誤差[18]。手動配準也可作為自動配準后的精細調(diào)整，以獲得臨床上令人滿意的圖像配準結(jié)果[19]。

2.顳下頜關節(jié)CBCT和MRI多模態(tài)配準的應用

顳下頜關節(jié)MRI分左、右兩側(cè)，兼有最大張口位、閉口位兩個體位，顯示斜矢狀位、斜冠狀位和軸位數(shù)據(jù)。臨床常用的顳下頜關節(jié)MRI視野局限，切片厚度較大（2-3 mm）[20]，圖像對比度和空間分辨率較低，難以和CBCT一樣經(jīng)多平面重建（Multi-Planar Reconstruction，MPR）提供豐富的特征信息。髁突和關節(jié)窩的骨皮質(zhì)、翼外肌等結(jié)構與關節(jié)盤同為低信號，尤其當髁突、關節(jié)盤位置和形態(tài)出現(xiàn)改變時，這些結(jié)構的影像會干擾對關節(jié)盤的識別，降低診斷的準確性[21]。對于多模態(tài)配準，不同模態(tài)成像之間存在固有的外觀差異，難以構建圖像間的空間對應關系和設計出準確的圖像相似度度量。因此，顳下頜關節(jié)的CBCT-MRI圖像配準是富有挑戰(zhàn)性的。

2.1 2D圖像配準 斜矢狀面是觀察顳下頜關節(jié)結(jié)構時最為常用的影像截面。髁突和關節(jié)窩的骨皮質(zhì)在CBCT中為高信號，而在MRI呈現(xiàn)低信號，但均清晰可見?；谶@種特點，Dai使用了Photoshop軟件在肉眼下根據(jù)骨皮質(zhì)的輪廓進行手動配準和圖像的融合，操作簡便，但其結(jié)果容易受到操作者主觀感覺的影響[22]。

Al-Saleh[23]利用體素分布的歸一化互信息NMI獲取了CBCT與MRI在斜矢狀位的配準圖像，配準效果優(yōu)于基于外部標志點的方法。通過標注出CBCT的骨質(zhì)影像，展示了骨質(zhì)內(nèi)部及邊緣信息，使得關節(jié)盤更易辨別。相比于單純CBCT影像，配準圖像在診斷髁突骨質(zhì)溶解或囊性變、骨質(zhì)硬化方面稍有不足，但在關節(jié)盤位置的診斷方面有明顯優(yōu)勢[11，24]。而與關節(jié)盤診斷的金標準MRI對比時，配準圖像在多位檢查者的多次診斷中重復性更好[25]，降低了MRI檢查中辨別皮質(zhì)骨與關節(jié)盤類似的低信號影像的難度，減少了骨髓、肌纖維、盤后帶影像對關節(jié)盤位置及髁突形態(tài)判斷的影響。

對在CBCT中觀察到關節(jié)間隙內(nèi)高密度影的患者，Wang等[26]使利用剛性變換及標準化互信息的相似性將CBCT和MRI圖像配準，生成了CBCT-MRI 2D融合圖像，相比于單一檢查增強了診斷關節(jié)盤鈣化的準確性，以及不同觀察者間的一致性。對關節(jié)盤不可復性前移位、關節(jié)盤鈣化、髁突慢性炎癥以及腫瘤導致的顳下頜關節(jié)占位性病變，CT/CBCT與MRI的圖像配準都能清晰的展示顳下頜關節(jié)區(qū)域[27]。

因此，2D圖像配準技術可同時展現(xiàn)軟硬組織豐富的細節(jié)結(jié)構，尤其在關節(jié)盤等軟組織發(fā)生病變時能夠為臨床診斷提供有效輔助，便于測量距離、角度等二維數(shù)據(jù)并提高其準確度。但對于橫截面積、體積等更為復雜的數(shù)據(jù)，則需通過三維重建的方式獲得。

2.2 顳下頜關節(jié)3D圖像配準及重建

2.2.1 3D模型圖像配準 基于單獨MRI或CBCT的斷層數(shù)據(jù)均可實現(xiàn)三維重建，顯示出各結(jié)構間的相對位置關系。CBCT三維模型使得對下頜髁突的體積、表面積和表面形態(tài)分析成為可能，同時對髁突長度、寬度、高度的測量不受切面的影響，增加了精確度[28-30]，克服一般2D圖像存在的變形、放大、重疊等缺點[31，32]。MRI經(jīng)三維建?？梢灾苯?、準確地展示關節(jié)區(qū)結(jié)構，通過旋轉(zhuǎn)、切分等操作定量研究關節(jié)盤的改變[33-35]。

利用CBCT和MRI的三維重建模型，可直接用于圖像配準。林有籟等[36]將剛性標志物固定于皮膚后分別拍攝兩種影像，根據(jù)一一對應標志物的位置完成了配準，直觀地呈現(xiàn)出TMJ各個結(jié)構。王政憲[37]則分別在CBCT和MRI的3D模型上手動定義三個點，將兩組模型基于標志點的對應進行配準，配合手動精細調(diào)整形成重疊的3D模型，可作為三維有限元分析的重要基礎。也有部分研究[38-40]利用顳下頜關節(jié)空間解剖結(jié)構，在人為視覺上對髁突影像進行識別，將CBCT的骨皮質(zhì)與MRI的髁突結(jié)構在三維水平上進行圖像配準，未詳細解釋其配準方法。根據(jù)配準后的模型，可測量出關節(jié)盤面積和體積、分析髁突與關節(jié)盤之間空間角度、距離等參數(shù)。

2.2.2 2D圖像配準后3D重建3D重建也可在MRI與CBCT圖像配準之后進行。Al-Saleh等[41]在2D配準圖像上手動標記了各組織邊緣，重建得到包含關節(jié)盤、關節(jié)窩和髁突的TMJ模型，對比多次重復實驗結(jié)果達到了較好的一致性。對因頭頸部腫瘤接受頜骨手術的患者，通過比較術前術后的CBCT-MRI配準圖像的3D重建模型能夠定量計算術前術后髁突和關節(jié)盤大小、形態(tài)、位置的改變[42]。

3.圖像配準效果評價

3.1 精度 顳下頜關節(jié)結(jié)構和功能的復雜使得CBCT和MRI檢查在診斷和研究中必不可少，同時對影像檢查及圖像處理技術提出更高要求。Coombs等[43]基于CBCT和MRI分別重建了3D模型，兩者對髁突或關節(jié)盤尺寸及形態(tài)的測量數(shù)據(jù)幾乎沒有差異。但以尸體頭部物理實際測量作為標準時，其結(jié)果通常要大于基于CBCT或MRI的數(shù)據(jù)，因此要認識到放射成像技術的復雜轉(zhuǎn)換過程對所觀察到的TMJ大小和形態(tài)存在一定的影響。MRI所顯示的髁突包含關節(jié)軟骨的邊緣，尤其在髁突未完全發(fā)育完成的青少年中可能與CBCT對骨的成像存在一定的差異。

對于圖像配準效果，可以比較精度和配準時間，但后者很大程度上取決于硬件配置，因而精度受到更多關注，衡量指標有目標配準誤差（Target Registration Error，TRE）、表面距離、Dice系數(shù)等[15]。在顳下頜關節(jié)區(qū)域，對多模態(tài)圖像配準效果和質(zhì)量的評價主要由研究員判斷，肉眼分辨影像間邊緣輪廓是否精準重合，是否符合解剖學位置關系，而很少有研究使用了客觀指標進行分析。AL Saleh等[23]利用圖像配準進行診斷，通過組內(nèi)相關系數(shù)(Intraclass Correlation Coefficient，ICC)比較了不同時間和觀測者之間的準確度和一致性，從側(cè)面說明配準結(jié)果良好，具有可重復性。在現(xiàn)有的文獻中使用了多種不同圖像后處理的軟件，其圖像配準算法間的差異也缺乏比較。

3.2 不同平面及體位 由于PD加權序列在呈現(xiàn)解剖結(jié)構中的優(yōu)勢，當前研究多使用PD加權像的閉口位斜矢狀面。顳下頜關節(jié)MRI包含不同體位和層面的圖像，用于反映TMJ不同功能狀態(tài)、切面角度的結(jié)構，都是判斷關節(jié)盤位置和形態(tài)不可缺少的部分，但少有文獻兼顧了張口及閉口位[39，40]。張口位的MRI中，髁突位置在張口過程中發(fā)生了顯著改變，不能與閉口位時拍攝的CBCT圖像直接配準。而即使是同在閉口位的MRI和CBCT，不同拍攝時間以及體位的改變可能會出現(xiàn)咬合關系的差異。因此，對關節(jié)窩、髁突、關節(jié)盤圖像進行分割后再分別配準，可能將減小圖像配準的誤差。若為了減少工作量而僅針對髁突進行了圖像配準，所顯示的經(jīng)MRI重建的關節(jié)窩形態(tài)薄弱，表面不光滑連續(xù)降低了TMJ結(jié)構的完整性。此外，斜冠狀位的影像常用于判斷是否發(fā)生內(nèi)側(cè)或外側(cè)移位，結(jié)合斜矢狀面和冠狀面亦可作為補充和校正，有助于實現(xiàn)更全面的關節(jié)盤成像和三維重建效果。

4.小結(jié)

顳下頜關節(jié)CBCT和MRI的多模態(tài)圖像配準可形成軟硬組織結(jié)構完整的TMJ圖像，診斷價值優(yōu)于單獨CBCT或MRI，三維重建提供了可視化TMJ模型，可在三維方向上定量評估關節(jié)盤及髁突的改變。但相關研究處于起步階段，主要關注于PD加權像、閉口位和斜矢狀面，對其他層面的配準很少涉及，同時缺乏客觀指標評價配準的精度。近年來，基于深度學習的圖像配準技術發(fā)展迅速，有希望替代傳統(tǒng)方法應用于顳下頜關節(jié)區(qū)域，提高配準精度和效率。GAN可將更具挑戰(zhàn)性的多模態(tài)配準轉(zhuǎn)換為單模態(tài)圖像配準，是富有前景的發(fā)展方向。