基于CT圖像的阈值处理股骨三维重建.docVIP

基于CT图像的人体股骨逆向工程 Jianghaibo 摘要：目的：重建人体股骨并应用于有限元计算。方法：本文应用逆向工程原理，通过Otsu准则对CT图像进行阈值的选取和确定，应用相关软件对人体股骨进行包括骨髓腔在内的三维重建。结果：得到可应用于有限元分析的模型。 关键词：CT 逆向工程 阈值 1. 引言 人工关节置换时，按所采用人工关节种类可分为两种方法：标准系列化人工关节置换和定做式人工关节置换[1]。由于人体骨骼的形状及大小各不相同，而目前国内或国外生产的标准系列化人工关节的规格、种类有限，因此，假体在大多数情况下不能与受区骨骼形成解剖匹配，接触面积小，假体与骨骼之间实际上不是面的接触，而是几个点或小区的接触，导致假体～骨界面的应力分布极不合理，从而显著影响假体稳定性。 2. 二维CT图像的获得 图像采用美国GE公司生产的HispeedNx/i型双层螺旋CT（Computer Tomography）扫描得到。为使重建模型与实体尽可能一致，采用层间距1mm、120KV、90mAs对从髋关节至膝关节部分进行扫描，得到如图1所示512×512的DICOM格式图像520张。 图1 髋关节某一断层CT图 图1是髋关节的CT断层扫描图。通过调整将骨组织以高分辨率显示。从图中可以看出CT图像是灰度图像，每一点的灰度值反映了该处的骨密度。在三维重建过程中所关心的只是每一层骨头的内外轮廓，对其他的部分并不感兴趣。因此，为提取出每一层封闭的内、外轮廓线必须对CT灰度图像进行必要的处理。 针对通常情况下由模型到实物的设计步骤，从实体产生模型再进行制造的过程称为逆向工程。标准的逆向工程定义为：分析目标系统，认定系统的构件及其交互关系，并且通过高层抽象或其他形式来展现目标系统的过程[2]。其执行过程如图2所示： 图2 逆向工程过程简图 3. Otsu阈值算法的引入 前人采用的对边界进行取点生成曲线的做法不但工作量大而且由于存在人为误差容易造成边界的畸形，直接影响到建模的准确性和后期的分析结果。为了提取准确的轮廓线本文通过设定一定的“阈值”范围来提取大轮廓，再对所得数据进行处理的方法。“阈值”命令将灰度图像转换为高对比度的黑白图像。可以按实际需要指定某个色阶作为阈值。所有比阈值亮的像素转换为白色；而所有比阈值暗的像素转换为黑色。“阈值”命令对确定图像的最亮和最暗区域很有用。在“阈值”应用中Otsu法应用最广泛，Otsu法是通过获得使类内差最小或类间差最大来实现阈值选取的。在此基础上对图像进行进一步分割会得到较好的效果[3]。 记为图像点处的灰度值，灰度级为，不妨假设 取值为，记为灰度值为的频率，则有： 假设用灰度值为阈值分割图像，此时的背景与目标分别为：和，于是： 背景部分所占的比例： 目标部分所占的比例： 背景均值： 目标均值： 图像的总均值： Otsu准则给出的图像最佳阈值的公式为： 找到图像最佳阈值后，将图像按下面的规则分割： 式中：表示分割后的图像。 4. CT图像阈值的选取 应用改进的Otsu准则对CT图像进行处理，应用相关软件先划一条穿透股骨所在区域的直线，系统显示如图3所示的曲线，因为骨组织与肌肉、脂肪组织的CT阈值是不同的，从图中可以看出有两个很明显的峰值突起，是由于股骨的阈值与其他组织的阈值差别较大造成的，中间的凹陷区则是由骨髓腔所处部分形成。在峰值的中部确定一个阈值就可以将绝大多数的其他组织从CT图中暗化从而突出所需部位，便于后面的处理。本文中选取了566作为最低阈值进行处理。 图3 阈值选取示意图 如下图所示，左图是进行阈值化处理前的CT图，右图是经过阈值化处理的CT图片，所有大于选定阈值最小值的像素以高亮的绿色显示。右侧图是阈值处理后的局部放大图，从图中可以清楚地看出经过阈值化处理的CT图中骨组织的边界变得明显。 图4 阈值处理前后的股骨CT图 5. 三维实体的生成 对任意一层的CT图像进行处理后，软件会根据设定值对所有CT图像进行相同阈值处理，处理后得到股骨边界关键点，连接同层的关键点形成曲线，进而连接所有图层的曲线形成与测试实体基本完全相似的三维模型，如图5所示。通过其可以较准确地分析生物力学特性从而指导假体的置换和假体的设计。与单纯的外形建模相比，基于CT图像的建模可以生成骨髓腔的准确形貌，有利于后期的计算。 图5 股骨三维生成示意图 图6 股骨局部剖视图 6. 结论 通过股骨三维实体建模可以看出，从CT图像中利用阈值选取骨骼的边界不但切实可行而且对于边界的光滑具有重要意义。通过CT图像的建模比单纯的外