基于CT圖像的數(shù)字化肝臟解剖模型的建立.pdf

1、肝臟解剖結(jié)構(gòu)復(fù)雜,且存在門靜脈、肝靜脈、肝動(dòng)脈、膽管等四套管道系統(tǒng),變異較為常見,因此對(duì)肝臟腫瘤的手術(shù)治療難度大,風(fēng)險(xiǎn)高。
　　隨著CT、MRI等造影技術(shù)的完善,及三維技術(shù)的發(fā)展,可利用三維重建技術(shù)把二維影像信息以三維的形式展示,從而為醫(yī)生掌握組織器官結(jié)構(gòu)提供了直觀的參考。但目前這種重建大多停留在數(shù)據(jù)的顯示層面,并未對(duì)CT影像數(shù)據(jù)進(jìn)行深入的處理、分析及建模。由于缺乏定量分析,不能精確地掌握器官內(nèi)管道的分布及病灶信息,而醫(yī)生所制定手

2、術(shù)方案也較大程度依賴于臨床經(jīng)驗(yàn)性判斷,主觀性強(qiáng),從而給治療帶來(lái)一定的風(fēng)險(xiǎn),影響治療效果。
　　本文利用臨床CT影像建立數(shù)字化肝臟三維解剖模型,該模型能清晰、直觀地從任意角度顯示肝臟內(nèi)管道系統(tǒng),病灶及肝段信息;可實(shí)現(xiàn)對(duì)肝臟、肝段及血管系統(tǒng)的各個(gè)參數(shù)進(jìn)行精確測(cè)量;可輔助醫(yī)生對(duì)管道系統(tǒng)的分布,病灶與肝段的關(guān)系及與血管的供給關(guān)系進(jìn)行準(zhǔn)確分析,并進(jìn)行手術(shù)規(guī)劃,制訂手術(shù)方案,從而提高手術(shù)的治療效果,降低手術(shù)并發(fā)癥。本文的主要研究?jī)?nèi)容及貢獻(xiàn)如下

3、:
　?、籴槍?duì)醫(yī)學(xué)圖像處理中常用的分割算法,綜述了這些算法的特點(diǎn)和實(shí)現(xiàn)方法,并通過(guò)實(shí)驗(yàn)對(duì)比了算法的優(yōu)缺點(diǎn)。同時(shí),非常詳細(xì)的總結(jié)了醫(yī)學(xué)圖像中被廣泛應(yīng)用的活動(dòng)輪廓模型,為提出新方法提供了思路。
　　②針對(duì)腹部CT圖像中的肝臟分割,結(jié)合肝臟的自身特點(diǎn),在DSRLE(Distance Regularized Level Set Evolution)模型的基礎(chǔ)上,引入了強(qiáng)輪廓平滑力項(xiàng),建立了RDRLSE(Reverse DRLSE)模

4、型。該模型是將圖像的梯度信息和平滑關(guān)系聯(lián)系起來(lái)得到的模型。改進(jìn)方法可以較好的處理肝臟右后方的邊緣,防止水平集輪廓線外溢,同時(shí)能較好的平滑輪廓線。對(duì)于整個(gè)肝臟數(shù)據(jù)集的肝臟分割,利用肝臟上下層關(guān)聯(lián)性較強(qiáng)的特點(diǎn),將上一層的分割結(jié)果,作為下一層分割的初始輪廓,在較少的人工干預(yù)下進(jìn)行肝臟的自動(dòng)分割。該方法分割效果較好,可在一定程度上解決器官粘連的問(wèn)題。該方法不僅可以適用于肝臟,也可推廣到其他類似的器官分割中。
　?、劢Y(jié)合多區(qū)域的圖割理論,利

5、用核函數(shù)將CT肝部數(shù)據(jù)映射至高維空間,在核空間中利用圖割算法對(duì)腫瘤區(qū)域進(jìn)行提取。與傳統(tǒng)圖割算法相比,該方法利用了核空間的點(diǎn)積進(jìn)行運(yùn)算,因而有效避免了對(duì)差異較大的圖像區(qū)域進(jìn)行復(fù)雜建模,提高圖割算法的通用性和推廣性。為了解決核圖割分割出來(lái)的肝臟邊緣不連續(xù)等問(wèn)題,將核圖割分割出來(lái)的腫瘤圖像作為初始圖像,利用的RDRLSE模型進(jìn)行精確分割。將核圖割算法和RDRLSE水平集算法相結(jié)合的方法用于肝臟圖像中的腫瘤分割,兩個(gè)算法的優(yōu)勢(shì)和不足互補(bǔ),既縮短

6、了分割時(shí)間,同時(shí)又提高了分割精度。同時(shí)結(jié)合肝臟圖像上下層相關(guān)聯(lián)性強(qiáng)的特點(diǎn),利用相鄰層的腫瘤圖像作為核圖割的初始輪廓,解決了核圖割及RDRLSE水平集初始輪廓的問(wèn)題,這樣分割出來(lái)的腫瘤形態(tài)自然,邊緣平滑,分割精度較高。
　?、茚槍?duì)肝臟血管的提取,本文采用多尺度血管提取方法,首先分析血管的特性,提出基于單高斯背景的自動(dòng)閾值提取算法,該算法能較好的將CT圖像中血管和背景分離,完整的提取整個(gè)1,2級(jí)血管分支;針對(duì)較細(xì)的3級(jí)以上的次級(jí)血管,

7、采用Hessian矩陣增強(qiáng)后的圖像,得到次級(jí)血管分支,對(duì)兩組數(shù)據(jù)進(jìn)行疊加后,得到完整的三維肝臟血管。由于采用該方法提取的血管層次豐富,次級(jí)血管間無(wú)粘連。
　　⑤對(duì)血管細(xì)化并結(jié)構(gòu)化后,對(duì)血管進(jìn)行分級(jí),并計(jì)算其管徑、長(zhǎng)度等特征。利用加窗的最小空間距離法實(shí)現(xiàn)供血流域的計(jì)算,從而實(shí)現(xiàn)肝段的劃分。將分割好的肝臟、腫瘤、血管、肝段及各參數(shù)數(shù)據(jù)進(jìn)行融合,建立肝臟數(shù)字解剖模型。
　　本文利用臨床CT圖像建立數(shù)字化的肝臟解剖三維模型,利用數(shù)字