吳劍,肖汝,吳建華

脊椎圖像分割和配準(zhǔn)的研究進(jìn)展

吳劍,肖汝,吳建華

脊柱結(jié)構(gòu)非常復(fù)雜,位置極其重要,脊柱手術(shù)不僅手術(shù)風(fēng)險(xiǎn)性大,而且對(duì)醫(yī)生熟練程度要求高。利用圖像導(dǎo)航系統(tǒng)進(jìn)行脊柱外科手術(shù)能夠降低風(fēng)險(xiǎn)、減少術(shù)后并發(fā)癥,而脊柱圖像分割和配準(zhǔn)是其中的關(guān)鍵步驟。本文歸納總結(jié)脊柱圖像分割和配準(zhǔn)方法并對(duì)其進(jìn)行分類,并在分析現(xiàn)行方法基礎(chǔ)上指出這一領(lǐng)域存在的不足,并展望未來(lái)的發(fā)展。

脊柱;圖像分割;圖像配準(zhǔn);綜述

[本文著錄格式]吳劍,肖汝,吳建華.脊椎圖像分割和配準(zhǔn)的研究進(jìn)展[J].中國(guó)康復(fù)理論與實(shí)踐,2010,16(2):130—133.

脊柱是人體的中軸,不僅本身是一個(gè)復(fù)雜的三維立體結(jié)構(gòu),而且周圍毗鄰結(jié)構(gòu)復(fù)雜,因此它需要手術(shù)醫(yī)生具有良好的方位感,特別是在某些對(duì)操作精度要求較高的手術(shù)中。因此,提高對(duì)脊柱組織解剖的識(shí)別是提高手術(shù)水平的關(guān)鍵環(huán)節(jié)。圖像分割是提取圖像中特殊組織的定量信息不可缺少的手段,也是可視化實(shí)現(xiàn)的預(yù)處理步驟和前提。分割后的圖像能被廣泛應(yīng)用于組織容積的定量分析、病變組織的定位、功能成像數(shù)據(jù)的局部體效應(yīng)校正和計(jì)算機(jī)指導(dǎo)手術(shù)等方面。1992年,導(dǎo)航系統(tǒng)首次被應(yīng)用于脊柱外科的腰椎椎弓根釘植入手術(shù),發(fā)展至今,圖像導(dǎo)航技術(shù)作為脊椎外科的重要發(fā)展方向,在國(guó)際醫(yī)療研究中非常熱門。骨科手術(shù)涉及的骨骼容易被X射線圖像和CT所辨認(rèn),軟組織易從MRI圖像中反映,所以不同模式的圖像配準(zhǔn)問(wèn)題是整個(gè)手術(shù)導(dǎo)航系統(tǒng)的關(guān)鍵。總之,脊柱圖像分割和配準(zhǔn)都是圖像分析和處理的關(guān)鍵步驟,是圖像對(duì)比、數(shù)據(jù)融合、變化分析和目標(biāo)識(shí)別的必要前提,更是手術(shù)導(dǎo)航中的關(guān)鍵技術(shù)。

1 脊柱圖像的分割方法

圖像分割是根據(jù)區(qū)域內(nèi)的相似性以及區(qū)域間的相異性,把醫(yī)學(xué)圖像分為若干區(qū)域的操作。分割脊椎對(duì)于圖像配準(zhǔn)、基于內(nèi)容的圖像檢索、脊柱畸形的分析以及器官定位和相關(guān)疾病的診斷具有重大價(jià)值。在基于內(nèi)容的圖像檢索中,脊柱是解剖組織的最明顯和最穩(wěn)定的特征,也是胸腹部其他器官的參考坐標(biāo)系統(tǒng)。

1.1 基于分水嶺的脊柱圖像分割 分水嶺分割算法是根據(jù)數(shù)學(xué)形態(tài)學(xué)提出的一種基于區(qū)域的按圖像的梯度進(jìn)行分割的方法。其基本思想就是把圖像梯度灰度圖看做是一個(gè)拓?fù)浔砻?如果雨水降落在這個(gè)表面上,則雨水將流向標(biāo)注為匯水盆地的兩個(gè)區(qū)域中。若雨水恰好降落在標(biāo)注的分水嶺脊線上,則雨水等概率流向兩個(gè)匯水盆地。分水嶺變換會(huì)在灰度級(jí)圖像中找到匯水盆地和脊線。該方法簡(jiǎn)單、直觀,對(duì)微弱邊緣敏感,而且能得到單像素寬、連通、封閉的輪廓。但缺陷是過(guò)度分割。目前有很多研究者對(duì)其進(jìn)行改進(jìn),將分水嶺算法和其他算法結(jié)合起來(lái)?yè)P(yáng)長(zhǎng)避短。

基于分水嶺的方法和定向圖搜索法的結(jié)合[1],能自動(dòng)地將椎體從鄰近的肋骨和其他組織中分類出來(lái),能有效地分割椎體邊緣存在空洞的常規(guī)CT圖像。對(duì)于核磁共振脊柱圖像,孫冬梅[2]利用先驗(yàn)椎骨形狀信息提取內(nèi)部標(biāo)記符來(lái)控制分水嶺中局部極小值區(qū)域的個(gè)數(shù),不僅解決了分水嶺算法中存在的嚴(yán)重過(guò)分割問(wèn)題,而且對(duì)脊柱側(cè)凸,手術(shù)后椎間盤變形、移位等圖像仍有很好的分割結(jié)果。

1.2 基于水平集的脊柱圖像分割 水平集算法是一種跟蹤曲線或曲面輪廓演化的數(shù)學(xué)方法。當(dāng)用于二維圖像分割時(shí)稱為曲線演化,三維時(shí)則稱為曲面演化。本質(zhì)上,水平集算法是通過(guò)水平集函數(shù)在微分方程控制下的演化來(lái)控制輪廓的演化。水平集的方法有著對(duì)邊緣很敏感的優(yōu)勢(shì),但它同時(shí)存在方向難于控制、容易出現(xiàn)過(guò)度分割的情況。在水平集方法基礎(chǔ)上,選取基于曲線傳播的灰度梯度和每點(diǎn)的法向速度的乘積[3]為結(jié)束條件來(lái)分割脊椎邊緣,可避免局部極小點(diǎn)的存在。當(dāng)曲線擴(kuò)散到達(dá)圖像邊緣的尖銳突出區(qū)域時(shí),由于其拓?fù)浣Y(jié)構(gòu)易于改變,最終獲得到良好的分割結(jié)果。

1.3 基于模型的脊柱圖像分割 模型比其他方法需要更少的假設(shè),靈活性強(qiáng),適合處理復(fù)雜的圖像分割問(wèn)題。基于形變模型的方法綜合利用了區(qū)域與邊界信息,是目前研究最多、應(yīng)用最廣的分割方法之一。

在椎骨、股骨和主動(dòng)脈瘤的圖像分割中,活動(dòng)的形狀模型[4]嵌入到彈性變形表面模型,形狀模型由頂點(diǎn)和坐標(biāo)、三角形的網(wǎng)格組成,通過(guò)表面檢測(cè)和網(wǎng)格重構(gòu)迭代調(diào)整實(shí)際圖像表面網(wǎng)格,使之保持最佳的網(wǎng)格頂點(diǎn)分配。彈性變形表面的外部能量函數(shù),吸引變形模型到局部檢測(cè)的表面,降低由錯(cuò)誤對(duì)象邊界困住的網(wǎng)格。有限元模型[5]產(chǎn)生的網(wǎng)格包括不同層次的小模型疊加和由四面體分子取代小部分的網(wǎng)格,通過(guò)三維樣條擬合脊柱側(cè)凸的物理模型初始分割后,接著利用疊加的有限元模型算法細(xì)分割,通過(guò)變形夾層平面實(shí)現(xiàn)了脊柱的不同部位的快速分離。不同于以往算法完整地分割出單個(gè)椎體,該算法能夠分離椎間盤、關(guān)節(jié)和植入成分等。但是對(duì)于脊柱嚴(yán)重變形的部分,速度比較慢。定義單個(gè)椎體為局部椎體坐標(biāo)系統(tǒng)之后, Klinder[6]整個(gè)脊柱作為全局模型獲得對(duì)象星座圖,將全局模型映射到圖像。另一方面,單個(gè)對(duì)象的相關(guān)位置大致找到后,局部椎體模型準(zhǔn)確地調(diào)整到椎骨表面輪廓達(dá)到分割的目的。

1.4 基于圖譜的脊柱圖像分割 由于不同人存在生理差異,同一解剖結(jié)構(gòu)的形狀、大小、位置等都不同,這使得不同人的圖像配準(zhǔn)問(wèn)題成為圖像分析和處理的難題。圖譜是通過(guò)對(duì)大量的相同解剖部位的醫(yī)學(xué)圖像的整理得到,包含了解剖學(xué)和形態(tài)學(xué)信息,以及其幾何學(xué)與拓樸學(xué)的相互關(guān)系?；趫D譜的分割算法是利用圖譜所包含的先驗(yàn)知識(shí)來(lái)自動(dòng)識(shí)別和正確地分割患者的圖像。Klinder等通過(guò)對(duì)多例胸部CT數(shù)據(jù)統(tǒng)計(jì),得到一套包括完整的胸椎和肋骨的圖譜[7],先利用形狀相似性的內(nèi)部能量函數(shù)和圖像特征的外部能量函數(shù)將表面模型調(diào)整到與參考CT圖像一致,然后采用圓柱射線搜素方法提取中心線對(duì)初始圖譜進(jìn)行定位,最后在建立局部坐標(biāo)系統(tǒng)的基礎(chǔ)上迭代地調(diào)整到CT圖像從而識(shí)別出椎骨輪廓達(dá)到分割目的。

1.5 其他脊柱圖像分割方法 在復(fù)雜的圖像中,自動(dòng)、精確地分割出目標(biāo)區(qū)域,單一的分割方法已經(jīng)不能滿足需求,目前越來(lái)越多的分割算法采用多種方法、多步驟相結(jié)合。

椎體和椎間盤存在強(qiáng)烈的灰度差,所以定位椎間盤可以作為分割椎體的前提。應(yīng)用統(tǒng)計(jì)模式識(shí)別的方法可以[8]提取脊髓并定位椎間盤,采用一個(gè)自適應(yīng)矩形窗方法來(lái)定位脊椎。Mastmeyer提出新的分層次的技術(shù)[9]可以從粗到細(xì)分離椎體,首先由手工點(diǎn)出的椎骨中心[9]擬合的中心線分離出個(gè)體椎骨,再使用幾何形狀的布爾變形模型來(lái)擬合單個(gè)椎體,最后應(yīng)用局部自適應(yīng)體增長(zhǎng)和形態(tài)學(xué)操作來(lái)調(diào)整椎體并分割出邊界。在分割的基礎(chǔ)上能夠提取各種感興趣區(qū)域(例如從定義的標(biāo)記點(diǎn)中提取脊髓、骨密度測(cè)量、皮質(zhì)層)。該法對(duì)骨中更小的組織提取、骨質(zhì)疏松癥的治療和監(jiān)測(cè)有著重要意義。Li[10]認(rèn)為椎骨區(qū)域的密度極值、邊緣、強(qiáng)度脊和灰度球等特征相似,根據(jù)特征進(jìn)行動(dòng)態(tài)閾值和模糊C均值聚類的小波多尺度邊緣檢測(cè),能確定具有最大似然概率的目標(biāo)地區(qū)并減少噪音干擾。Peng等[11]將基于模型搜索方法定位椎間盤和通過(guò)Canny邊緣檢測(cè)算子提取邊緣結(jié)合分割圖像。在三維局部直方圖作為分割的特征基礎(chǔ)上,將光譜圖理論分析方法中的歸一化分割[12]引入圖像分割。

2 脊柱圖像的配準(zhǔn)方法

醫(yī)學(xué)圖像配準(zhǔn)是指對(duì)于一種圖像,尋求一種或者一系列空間變換,使得它與另一種醫(yī)學(xué)圖像或者患者實(shí)體之間的對(duì)應(yīng)點(diǎn)達(dá)到空間上一致的過(guò)程。根據(jù)圖像的特征不同,可采用基于標(biāo)記點(diǎn)的方法、基于圖像分割的方法、基于像素特征的方法和基于模型的方法。目前脊柱手術(shù)導(dǎo)航的配準(zhǔn)包括術(shù)前不同模態(tài)圖像間的配準(zhǔn)和圖像與患者之間的配準(zhǔn)。

2.1 基于標(biāo)記點(diǎn)的脊柱圖像配準(zhǔn) 在術(shù)前選定的標(biāo)記點(diǎn)上安裝能固定在患者身上(皮膚或骨骼表面)的標(biāo)記物,導(dǎo)航系統(tǒng)獲得標(biāo)記點(diǎn)位置信息后,與待配準(zhǔn)圖像中相應(yīng)點(diǎn)的位置相比較并調(diào)整圖像,這一過(guò)程稱為基于點(diǎn)的配準(zhǔn)。在表面選取多個(gè)點(diǎn)進(jìn)行定位的過(guò)程被稱為基于表面的配準(zhǔn),是基于標(biāo)記點(diǎn)配準(zhǔn)的延伸。

Panigrahy[13]通過(guò)實(shí)驗(yàn)對(duì)三維圖像的CT和MR頸椎圖像配準(zhǔn)進(jìn)行可行性和有效性的評(píng)估,實(shí)驗(yàn)結(jié)果表明由外部基準(zhǔn)標(biāo)記點(diǎn)配準(zhǔn)比解剖標(biāo)記點(diǎn)準(zhǔn)確性高出35%,誤差大約2 mm,比解剖標(biāo)記點(diǎn)的誤差小2 mm。目前不少研究者將基于點(diǎn)的配準(zhǔn)和其他配準(zhǔn)方法結(jié)合起來(lái)以達(dá)到更好的配準(zhǔn)效果。Hensel等利用正交融合方法和下坡單純形法實(shí)現(xiàn)點(diǎn)到點(diǎn)預(yù)配準(zhǔn)三維超聲波和脊柱術(shù)前CT數(shù)據(jù)集[14],以及隨后的表面配準(zhǔn)。Russakoff等則采用基準(zhǔn)標(biāo)記點(diǎn)的度量和基于互信息的相似性度量的加權(quán)組合的方法實(shí)現(xiàn)了二維/三維脊柱圖像的配準(zhǔn)[15]。

迭代最鄰近點(diǎn)法(Iterative Closest Point,ICP)是以點(diǎn)集對(duì)點(diǎn)集配準(zhǔn)方法為基礎(chǔ),闡述了一種曲面擬合算法。該算法是基于四元數(shù)的點(diǎn)集到點(diǎn)集進(jìn)行迭代計(jì)算,直到殘差平方和所構(gòu)成的目標(biāo)函數(shù)值不變。ICP配準(zhǔn)法主要用于基于自由形態(tài)曲面的配準(zhǔn)問(wèn)題。在不依賴激光定位系統(tǒng)的條件下,賈富倉(cāng)[16]先選擇三對(duì)對(duì)應(yīng)點(diǎn)配準(zhǔn)以得到一個(gè)初始穩(wěn)定解;再通過(guò)閾值分割得到脊椎骨的表面點(diǎn)云,在初始解基礎(chǔ)上,從脊椎骨表面選取更多點(diǎn)通過(guò)ICP進(jìn)行精細(xì)配準(zhǔn),避免了不能貼標(biāo)記點(diǎn)的配準(zhǔn)和只利用骨性標(biāo)記點(diǎn)配準(zhǔn)誤差大的問(wèn)題。ICP配準(zhǔn)的結(jié)果過(guò)于粗糙,一般以之為前提進(jìn)行細(xì)配準(zhǔn)。張翼[17]首先通過(guò)構(gòu)建頂點(diǎn)最小外接球樹(shù)的方法搜索Marching Cube算法生成脊柱表面的頂點(diǎn),采用ICP進(jìn)行初配準(zhǔn)。其次根據(jù)CT梯度在成像平面的投影強(qiáng)度構(gòu)造最優(yōu)化函數(shù),獲得較穩(wěn)定的局部極值,進(jìn)行精配準(zhǔn)。該算法進(jìn)行快速粗配準(zhǔn)將誤差限制到一定范圍之內(nèi)解決了捕捉范圍有限的問(wèn)題。由于只利用圖像邊緣的位置信息,放寬了對(duì)成像條件的限制,方便與不同類型的C形臂系統(tǒng)配套使用。在脊柱側(cè)彎手術(shù),通過(guò)將手術(shù)前多平面X線和CT掃描的圖像進(jìn)行三維重建,利用ICP預(yù)配準(zhǔn)脊椎模型,然后利用磁數(shù)字化儀和機(jī)械手臂跟蹤系統(tǒng)進(jìn)行跟蹤定位[18]三維椎體的活動(dòng)。該方法適合用于同一患者不同模式下的圖像配準(zhǔn)。

2.2 基于圖譜模型的脊柱圖像配準(zhǔn) 圖譜模型代表一種統(tǒng)計(jì)性的先驗(yàn)知識(shí),包含解剖組織的結(jié)構(gòu)、形狀等,其處理信息來(lái)源于圖像本身;模型既可以是基于整個(gè)脊柱的幾何結(jié)構(gòu)也可以是單個(gè)椎體結(jié)構(gòu)。

數(shù)個(gè)具有代表性的側(cè)凸椎體的統(tǒng)計(jì)模型分析定義全局變形函數(shù),一階馬爾可夫模型定義局部變形函數(shù)。從粗到精的配準(zhǔn)過(guò)程[19]有效地解決進(jìn)化隨機(jī)優(yōu)化問(wèn)題。在脊柱矯形外科手術(shù)中,假設(shè)脊柱是一個(gè)由旋轉(zhuǎn)、平移的連續(xù)椎間關(guān)節(jié)組成的脊椎模型[20],通過(guò)馬爾可夫隨機(jī)場(chǎng)統(tǒng)計(jì)來(lái)分割椎體,接著使用線性規(guī)劃和對(duì)偶實(shí)現(xiàn)多個(gè)模型參數(shù)優(yōu)化。Benameur[21]利用兩個(gè)常規(guī)X射線的視圖以及每個(gè)椎體幾何結(jié)構(gòu)的先驗(yàn)全局知識(shí)統(tǒng)計(jì)出一套變形模板,然后待配準(zhǔn)圖像擬合變形模板的投影對(duì)每個(gè)椎體作3D/2D配準(zhǔn)?？勺冃渭棺当砻婺Ｐ涂梢杂衫窭嗜樟W(xué)偏微分方程動(dòng)態(tài)表示[22],迭代地解此方程而獲得速度、方向、時(shí)間等的有限元表面參數(shù),利用這些參數(shù)和 Hermite方程將脊椎模型配準(zhǔn)到實(shí)際圖像的輪廓表面,結(jié)果表明能夠適用于復(fù)雜結(jié)構(gòu)的表面的匹配。先驗(yàn)的3D密度特征和結(jié)構(gòu)模型[23]有利于消除骨密度和幾何形狀在縱向定量CT測(cè)量的用戶交互。

2.3 基于分割的脊柱圖像配準(zhǔn) 基于分割的配準(zhǔn)算法是從圖像中分割出具有一定語(yǔ)義結(jié)構(gòu)的線段和曲面、區(qū)域等,并以此作為基準(zhǔn)配準(zhǔn)整幅圖像。目前的分割算法比較成熟,例如區(qū)域生長(zhǎng)算法、水平集算法、聚類算法、模糊連接算法。基于分割的配準(zhǔn)既可以用于剛性變換的配準(zhǔn),從待配準(zhǔn)的兩幅圖像提取相應(yīng)的解剖結(jié)構(gòu)作為其條件;也可以用于彈性配準(zhǔn),從圖像中分割出某些特征,作為形變的前提?；诜指畹呐錅?zhǔn)方法不僅能夠提高精度和速度,而且可以做到全自動(dòng),但是配準(zhǔn)的精度受限于分割的精度。

患者的一些部位例如骨可以看做剛性物體,而其他的可能需要變形。分割出相應(yīng)的感興趣區(qū)域后[24-25],在脊柱之間的CT和MR數(shù)據(jù)集進(jìn)行分段剛性配準(zhǔn)。由此產(chǎn)生的形變場(chǎng)通過(guò)光滑插值延長(zhǎng)到周圍的軟組織,證明是可適用于正常情況甚至是損壞或丟失的椎骨椎間盤的情況。針對(duì)同一患者不同時(shí)間掃描的胸腹部CT圖像配準(zhǔn),盧振泰[26]首先分割出兩組CT圖像中的骨骼結(jié)構(gòu),并抽取骨骼邊緣上的點(diǎn)作為標(biāo)記點(diǎn),利用軟對(duì)應(yīng)匹配算法計(jì)算出每一個(gè)骨骼與其對(duì)應(yīng)骨骼的剛性變換矩陣:然后通過(guò)薄板樣條插值得到出整幅圖像的變形場(chǎng),以確定對(duì)骨骼的精確配準(zhǔn);然后再對(duì)軟組織進(jìn)行基于B樣條的自由形變的配準(zhǔn)。

3 總結(jié)和展望

由于脊柱圖像的復(fù)雜性,到目前為止,還沒(méi)有對(duì)所有脊柱圖像都能產(chǎn)生滿意的分割方法或配準(zhǔn)效果的方法?，F(xiàn)在脊柱圖像的分割和配準(zhǔn)方法要么針對(duì)某一類圖像,要么精度和速度難以均衡發(fā)展。結(jié)合文獻(xiàn)和臨床實(shí)踐發(fā)現(xiàn)目前脊柱的圖像分割和配準(zhǔn)存在以下問(wèn)題:①脊柱圖像分割的速度過(guò)慢,自動(dòng)化程度較低。②能應(yīng)用于臨床的脊柱的分割和配準(zhǔn)的圖像大部分是CT和X射線,主要針對(duì)的是骨性疾病診斷。而對(duì)于對(duì)椎間盤突出、脊柱側(cè)凸、骨質(zhì)疏松等疾病診斷,需要完成軟組織方面的信息獲取,CT圖像等分辨率不夠高,而MR圖像對(duì)軟組織分辨率較高,但這方面的研究較少,因此在配準(zhǔn)前提下不同模態(tài)的圖像綜合需要不斷發(fā)展和完善。③無(wú)法準(zhǔn)確地解決術(shù)中影像漂移問(wèn)題,即手術(shù)進(jìn)行中組織結(jié)構(gòu)移位導(dǎo)致影像與真實(shí)位置的誤差,該誤差是導(dǎo)致導(dǎo)航系統(tǒng)無(wú)法實(shí)現(xiàn)精確定位的最大缺陷,其誤差發(fā)生率高達(dá)66%。所以快速精確的脊柱配準(zhǔn)方法對(duì)于計(jì)算機(jī)輔助脊柱外科系統(tǒng)發(fā)展是非常關(guān)鍵的。

從國(guó)內(nèi)外的文獻(xiàn)研究和醫(yī)療發(fā)展的需要可知,脊柱圖像的分割和配準(zhǔn)將會(huì)是一個(gè)研究的熱點(diǎn)。而且隨著計(jì)算機(jī)數(shù)據(jù)處理水平的提高和醫(yī)學(xué)圖像的發(fā)展,與之密切相關(guān)的輔助治療、手術(shù)導(dǎo)航、實(shí)時(shí)定位等技術(shù)也會(huì)有著更廣泛的應(yīng)用。

[1]Yao J H,O’Connor SD,Summers RM.Automated Spinal Column Extraction And Partitioning[C].In:3rd IEEE International Symposium on Biomedical Imaging:Nano to Macro,2006:390-393.

[2]Sun DM.Algorithm Study for Disk Segmentation and Labeling of MRI Spine Images[D].Beijing Jiaotong University, Master thesis,2008,4. [孫冬梅.MRI脊柱圖像椎間盤分割及定位算法研究[D].北京交通大學(xué)碩士論文,2008:4.]

[3]Li HY,Li GY,Wang Z.An Algorithm Based on the Level Set Method for Spine MRI Image Segmentation[J].Beijing Biomed Eng,2004,23(3):178-181. [李海云,李光穎,王箏.一種基于水平集的脊柱MRI圖像分割算法的研究[J].北京生物醫(yī)學(xué)工程,2004,23(3):178-181.]

[4]Weese J,Kaus M,Lorenz C,et al.Shape Constrained Deformable Models for 3D Medical Image Segmentation[C]. Information Processing in Medical Imaging:Davis,CA, USA,2001,2082:380-387.

[5]Kaminsky J,Klinge P,Bokemeyer M.3D segmentation and finite element modelling of spine segments[J].Comp Assist Radiol Surg,2003,1256:41-46.

[6]Klinder T,Wolz R,Lorenz C,et al.Spine Segmentation U-sing Articulated Shape Models[C].MICCAI:New York, USA,2008,5241:227-234.

[7]Klinder T,Lorenz C,von Berg J,et al.Automated modelbased rib cage segmentation and labeling in CT images[C]. MICCAI:Brisbane,Australia,2007,4792:195-202.

[8]Li WM,Ding XM,Shi RQ.MRI Spinal Segmentation Based on the NiosⅡProcessor[J].Medical Electronic, 2008,3:90-92. [李偉明,丁曉明,史容瓊.MRI脊柱圖像分割算法在嵌入式系統(tǒng)中的實(shí)現(xiàn)[J].電子應(yīng)用設(shè)計(jì),2008,3:90-92.]

[9]Mastmeyer A,Engelke K,Fuchs C,et al.A hierarchical 3D segmentation method and the definition of vertebral body coordinate systems for QCT of the lumbar spine[J].Med Image Analysis,2006,10:560-577.

[10]Li HY,Yan CH,Ong SH.A Multiresolution segmentation technique for spine MR images[J].Med Imaging, 2002,4684:1709-1717.

[11]Peng ZG,Zhong J,Wee W,et al.Automated vertebra detection and segmentation from the whole spine MR Images [J].Conf Proc IEEE Eng Med Biol Soc,2005,3:2527-2530.

[12]Carballido-Gamio J,Belongie SJ,Majumdar S.Normalized cuts in 3-D for spinal MRI segmentation[J].IEEE Trans Med Imaging,2004,23(1):36-44.

[13]Panigrahy A,Caruthers SD,Krejza J.Registration of three-Dimensional MR and CT studies of the cervical spine [J].AJNR,2000,21:282-289.

[14]Hensel K,Hold S,Winter S,et al.Ultrasound based navigation system for minimal invasive surgery at the lumbar spine within OrthoMIT[M].Advances in Medical Engeering,2007,114:79-81.

[15]Russakoff DB,Rohlfing T,Shahidi R.Intensity-based 2D-3D spine image registration incorporating a single fiducial marker[C].MICCAI:Montréal,Canada,2003,2878:287 -294.

[16]Jia FC,Li XW,Chen SP.Registration for CT image guided spine surgery[J].J Shenzhen University Sci Eng, 2007,24(4):406-409. [賈富倉(cāng),李修往,陳思平.CT圖像引導(dǎo)脊柱外科配準(zhǔn)方法研究[J].深圳大學(xué)學(xué)報(bào)(理工版),2007,24(4):406-409.]

[17]Zhang Y,Wang MN,Song ZJ.Multi-step 2D/3D imageregistration in image-guided spine surgery[J].J Computeraided Design Computer Graphics,2007,19:1154-1158. [張翼,王滿寧,宋志堅(jiān).脊柱手術(shù)導(dǎo)航中分步式2D-3D圖像配準(zhǔn)方法[J].計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào),2007,19: 1154-1158.]

[18]Mac-Thiong JM,Aubin CE,Dansereau J,et al.Registration and geometric modelling of the spine during scoliosis surgery:a comparison study of different pre-operative reconstruction techniques and intra-operative tracking systems [J].Med Biol Eng Computing,1999,37:445-450.

[19]Benameur S,Mignotte M,Labelle H,et al.A hierarchical statistical modeling approach for the unsupervised 3-D biplanar reconstruction of the scoliotic spine[J].IEEE Trans Biomed Eng,2005:52(12),2041-2057.

[20]Kadoury S,Paragios N.3D Registration of Articulated Spine Models Using Markov Random Fields[R].Institute National de Recherche en Information et en Automotiqe, 2009:4

[21]Benameur S,Mignotte M,Parent S,et al.3-D/2-D registration and segmentation of scoliotic vertebrae using statistical models[J].Computerized Med Imag Graphics,2003,5 (27):321-337.

[22]Xuan J H,Wang Y,Adali T.A Deformable Surface-Spine Model for 3-D Surface Registration[C].ICIP:Washington DC,USA,1997:236-239.

[23]Li WJ,Sode M,Saeed I.Automated registration of hip and spine for longitudinal QCT studies:Integration with 3D densitometry and structural analysis[J].Bone,2006,38 (2):273-279.

[24]Cech P,Andronache A,Wang LP.Piecewise rigid multimodal spine registration[M].Bildverarbeitung für die Medizin,2006,3:211-215.

[25]Little JA,Hill DL G,Hawkes DJ.Deformations incorporating rigid structures[J].Comput Vis Image Underst, 1997,66(2):223-232.

[26]盧振泰.醫(yī)學(xué)圖像配準(zhǔn)算法研究[D].南方醫(yī)科大學(xué)博士論文集,2008.4

Advance in Spinal Image Segmentation and Registration(review)

WU J ian,X IAO Ru,WU J ian-hua.Research Center of Biomedical Engineering,Graduate School at S henzhen,Tsinghua University,Shenzhen518055,Guangdong,China

Because of spine structure and location importantance,spine artificial surgery is not only high-risk but also require proficiency of doctors.Image navigation system for spinal surgery could reduce risk and postoperative complications,and spinal image segmentation and registration methods are the key steps.This paper summarized spinal image segmentation and registration methods.Based on analysis of existing methods,we pointed out the shortcoming in the field,thus forecasts future development.

spine;image segmentation;image registration;review

book=130,ebook=1

TP301.6

A

1006-9771(2010)02-0130-04

2009-12-04)

國(guó)家“863”計(jì)劃“計(jì)算機(jī)輔助關(guān)節(jié)介入手術(shù)模擬與導(dǎo)航定位系統(tǒng)”(2006AA02Z4E7)。

清華大學(xué)深圳研究生院生物醫(yī)學(xué)工程研究中心,廣東深圳市518055。作者簡(jiǎn)介:吳劍(1976-),男,浙江臺(tái)州市人,博士,副教授,主要研究方向:計(jì)算機(jī)輔助手術(shù)導(dǎo)航技術(shù)和醫(yī)學(xué)圖像處理。