主動式輪廓模型應用於脊椎後外側融合骨面積測量之研究.pptVIP

* * 主動式輪廓模型應用於脊椎後外側融合骨面積測量之研究 Study on Active Contour Model Applying in Measurement of Bone Mass Area in Spinal　Postero-Lateral Fusion 前言 由於全球人口平均壽命的延長，最直接的關係就是慢性病及骨科疾病罹患率的增加。 骨科疾病則因為骨骼長期的磨耗、生活型態的改變、肥胖與運動量減少的問題而逐年成長。 此類病患常常需要行「椎間盤切除術、椎體融合術、骨釘骨板固定」。 * * 相關背景 目前骨科疾病中，關節炎和背部疾病是最常見的病兆，對於整體社會影響也最大。 在骨科手術中，人工關節與脊椎修復市場總數約達85億美元，約佔骨科整體的64%。 手術過程中包含了兩種治療方法，一、保守療法，二、侵襲性療法。 在脊椎融合術中，採用自體骨骼移植，同時並配合固定器來達到椎體穩定的效果。 * * * * 動機及目的 骨科外科手術，術後成功率的判斷常藉由醫生直接對X 光片的判讀來分析骨頭的癒合情形。 為了提出明確的數據，證明骨頭癒合良好，醫生必須計算骨頭融合後之面積大小，才能佐證手術成效。 目前的PACS並無法根據手術前後X光片的資訊自動描繪骨頭融合部位輪廓再計算其面積。 改良現有骨科醫師直接在X光片上描繪骨骼輪廓的技術，減少人為因素所造成的誤差，達到更精確分析的目標。 * * * * 文獻探討(一) 適應性的對比度強化(ACE：adaptive contrast enhancement)，是利用局部對比增益(CG：contrast gains)來調整一張影像高頻的部分，是一個普遍應用在醫學影像處理的技術。 Chang[29]提出了一個強化的適應性對比度增強演算法，它改善了以往ACE演算法中可能造成過度強化和人為雜訊的問題。 其方法是把區域標準差(LSD：local standard deviation)應用在局部對比增益(CG)裡面。 適當的局部對比增益(CG)可以有效的減少X光影像中過度強化和人為雜訊所造成的問題。 * * 文獻探討(二) 頭顱X光影像當中基本上包含了三個部分：背景、軟組織和骨頭，但是頭顱X光影像常常會有過度曝光的問題產生。 Frosio[30]提出一個演算法，叫做軟組織濾波(soft-tissue filter) 。 利用高斯分配(Gaussian distributions)和反轉的指數分配(inverted lognormal distribution)的混合模型來分析影像的直方圖，且透過區域的咖馬修正(Local Gamma Correction)來達到影像強化的目的。 * * 文獻探討(三) Jindan[19]於2005年提出了一個精確的牙齒骨骼身分識別系統。 利用形態學[21]的方法強化牙齒影像。 頂-帽轉換(Top-Hat Transform)和底-帽轉換(Bottom-Hat Transform)。 ht=I-(I。b) ， hb=(I．b)-I 我們應用此技術在影像強化方面，其方法為： EnhancedImage = OriginalImage + top-hat(OriginalImage) ? bottom-hat(OriginalImage) * * 文獻探討(四) Chang-Yan Xiao[25]等人提出了一個diffusion stick的方法來抑制超音波影像裡的雜訊。 其方法是利用不同方向stick的計算來強化影像中不明顯的細節。 利用每一個stick的加權平均值來產生強化後的影像。 * * 文獻探討(五) 剛體影像校正。 非剛體影像校正。 影像校正技術就是要尋找一個合適的空間轉換函數。 將重疊區域中每個像素的誤差值平方再加總起來(sum of squared differences, SSD) 。 * * * * 文獻探討(六) 主動式輪廓模型(active contour model) 。 一種可變曲線模型，其功能可以捕捉影像之中的物件邊緣。 此模型是由許多頂點所構成，這些頂點可以受到影像內力和外力的影響而任意移動並改變位置。 作用在每一頂點的力量可以分成內力(internal)、外力(external)、和束縛力(damping)三種。 * * * * 目標物輪廓 Snake初始輪廓 第一次迭代輪廓 第二次迭代輪廓 第三次迭代輪廓 Snake最終收斂輪廓 研究方法及流程(一) * * 研究方法及流程(二) * * 研究方法及流程(三) * * References [1] 2006 年5 月工研院產業經濟與趨勢研究中心報告。 [2] Cowan et al., “Changes in the