骨科手术医疗图像三维重建系统的实现方法与流程

：
1.本发明涉及一种三维图像重建系统，具体的说是一种能够完成二维医疗图像的三维重建、手术区域透明度差异显示、手术区域测量以及手术区域生理组织分离演示的骨科手术医疗图像三维重建系统的实现方法。


背景技术：

2.现有手术医疗图像多为ct图像，均为二维图像数据，需要进一步处理后获取三维图像数据，在手术准备前，重建后的手术区域三维图像数据显然能够为医护人员提供更多帮助。现阶段将几十张术前ct影像切片数据三维重建后，所获的三维数据在缩放、平移、旋转等交互过程中存在响应慢的问题，用户体验很差，且无法实现手术区域测量、手术区域差异化显示以及生理组织分离展示等功能，不能满足医护人员工作研究需求。


技术实现要素：

3.本发明针对现有技术中存在的缺点和不足，提出了一种能够完成二维医疗图像的三维重建、手术区域差异化显示、手术区域测量以及手术区域生理组织分离演示的骨科手术医疗图像三维重建系统的实现方法。
4.本发明通过以下措施达到：
5.一种骨科手术医疗图像三维重建系统的实现方法，其特征在于，所述骨科手术医疗图像三维重建系统设有手术图像三维重建单元、三维图像快速预览处理单元、手术区域差异化显示单元、手术区域标记测量单元以及手术区域分离演示单元，其中所述手术图像三维重建单元中设有面绘制三维图像获取模块或体绘制三维图像获取模块；所述三维图像快速预览处理单元设有降采样处理模块；所述手术区域差异化显示单元设有不透明度调整模块、绘制颜色调整模块、预设值调整模块；所述手术区域标记测量单元设有两点间最短路径计算模块；所述手术区域分离演示单元设有区域分割处理模块。
6.本发明所述三维图像快速预览处理单元设有降采样处理模块用于在三维图像上分别沿x、y、z的方向，按间隔选取采样点，并增大像素点间距，以保持立体图像大小不变，输出较模糊的立体图像后，若停止鼠标操作(鼠标操作包括平移、旋转、缩放操作)，恢复原图像显示，以保证交互响应速度和图像显示清晰度。
7.本发明所述面绘制三维图像获取模块采用移动立体法实现，首先读取数据，提取等值面，找出等值面经过的体元位置，求出该体元内的等值面并计算相关参数，完成数据映射后，实例化角色，完成绘制；所述体绘制三维图像获取模块采用光线透射法实现。
8.本发明所述手术区域差异化显示单元中预设值调整模块是指手术区域中骨骼、皮肤、软组织任意两者间的颜色和透明度差异显示，通过以下方式实现：获取待调整像素点数据的三维空间数据场f(i，j，k)，进行数据预处理，获得颜色值c(i，j，k)以及不透明度值a(i，j，k)，对该点颜色值c(i，j，k)、不透明度值a(i，j，k)进行调整后，合成新的像素点。
9.本发明所述手术区域标记测量单元中的两点间最短路径计算模块采用dijkstra
算法实现。
10.本发明所述手术区域分离演示单元设有区域分割处理模块通过对照阈值分割和区域增长算法处理后生成的新图层和mpr三个切面上的底图，在新生成的图层上手动填充擦除实现，具体包括：
11.步骤1：显示mpra\mprb\mprc\vr\sr数据信息；
12.步骤2：进行阈值处理二值化；
13.步骤3：选取种子点，采用区域增长法分割处理形成新图层；
14.步骤4：检查新生成的图层自动分割是否理想，若理想，则将新生成的图层转为3d对象，并存成stl文件，否则执行下一步；
15.步骤5：对照mpr三切面底图对新生成的涂层进行手动擦除或填充；
16.步骤6：检查手动擦除或填充是否理想，若理想，则将所获图层转为3d对象，并存成stl文件，否则重复执行步骤5。
17.本发明与现有技术相比，能够实现手术区域图像精确可靠的三维重建，快速响应对三维图像的缩放、平移、旋转处理，且能够针对手术区域进行差异化显示、多重测量标记以及手术部位切割分离演示。
附图说明：
18.附图1是本发明中面绘制的流程图。
19.附图2是本发明中体绘制面绘制数据流示意图。
20.附图3是本发明中自由改变体绘制不透明度和颜色的一种实施方式示意图。
21.附图4是本发明中手术区域切割分离显示的流程示意图。
具体实施方式：
22.下面结合附图和实施例，对本发明做进一步的说明。
23.实施例1：
24.本例提供了一种骨科手术医疗图像三维重建系统的实现方法，医疗图像三维重建，主要有面绘制和体绘制两种方法，其中面绘制是采用分割技术对一系列的二维图像进行轮廓识别、提取等操作，最终还原出被检测物体的三维模型，并以表面的方式显示出来。主要分为两大类：体素级重建和切片级重建。由于切片级重建效果不理想，现在主要使用的是体素级重建，例如移动立方体法(marching cubes)。移动立方体法(marching cubes)算法简介：首先，假定原始数据是离散的三维空间规则数据场(断层扫描仪ct及核磁共振仪mri产生的图像均属于这一类型)；其次，给出所求等值面的值(为了在这一数据场中构造等值面)；最后，找出等值面经过的体元位置，求出该体元内的等值面并计算出相关参数(以便由常用的图形软件包或图形硬件提供的面绘制功能绘制等值面)；面绘制数据流如图1所示。
25.体绘制直接从三维数据场产生屏幕上的二维图像，成像真实，能够观察物体内部结构，缺点数据存储量大，计算时间长，主要方法为光线投射法(ray-casting)算法，除了光线投射法外，还有二维纹理映射和基于volumepro硬件辅助的体绘制。二维纹理映射绘制速度比光线投射法快上5～10倍，但是成像质量远不及采用三线性插值的光线投射法精确，当
视角改变时还会产生伪迹。volumepro硬件辅助的体绘制方法体绘制速度最快，但是成像质量不及光线投射法，目前只支持平行投影且价格昂贵。因而本例采用光线投射法来进行体绘制。
26.光线投射法是一种基于图像空间扫描的，生成高质量图像的典型的体绘制算法，基本思想是从图像平面的每个像素都沿着视线方向发出一条射线，此射线穿过体数据集，按一定步长进行采样，由内插计算每个采样点的颜色值和不透明度，然后由前向后或由后向前逐点计算累计的颜色值和不透明度值，直至光线完全被吸收或穿过物体。该方法能很好地反映物质边界的变化，利用镜面反射、漫反射和环境反射的光照效果，可以将医学上各组织器官的性质属性、形状特征及相互之间的层次关系很好地展现出来；体绘制面绘制数据流如图2所示。
27.由于目前对于几十张的术前ct切片，三维重建成体绘制图或面绘制图后，如果对其进行放大，缩小，平移和旋转操作的话，图像交互响应瞬间完成，用户体验很好。但是对于上千张的术前ct切片，三维重建成体绘制图或面绘制图后，如果对其进行放大，缩小，平移和旋转操作的话，图像交互响应很慢，用户体验非常不好。为了提高面绘制图像或体绘制图像的交互响应，在放大，缩小，平移和旋转操作过程中采用降采样技术(在x，y，z方向上按一定的间隔选取采样点同时增大像素点的间距以保持立体图像大小不变)，尽管图像显示模糊，但是交互响应很快。一旦停止鼠标操作，恢复原来的显示方式，交互后的图像由模糊变清晰。
28.本例中基于体绘制流程中改变不透明度梯度传递函数和颜色传递函数设计了灰度直方图和颜色条，有三个功能：
29.1)灰度直方图上显示不透明度曲线，用户通过拖拽曲线的各个顶点来调整不透明度，上下拖动改变不透明度，左右拖拽改变阈值。
30.2)用户可以自由地调整体绘制颜色。
31.用户可以用鼠标在颜色条上增加或移动控制点，双击控制点弹出调色板，在调色板上修改颜色。除此之外用户还可以删除颜色条上的控制点。
32.3)用户可以通过选择预设值来调整体绘制的不透明度和阈值。预设值包括：
33.骨骼、骨骼和皮肤、软组织、骨骼和软组织和骨骼透明
34.实现自由改变体绘制不透明度和颜色的算法流程如图3所示；在目前国内的医学软件中，标记测量一般包括距离,角度,椭圆或矩形感兴趣区域的面积、灰度均值和标准差等。这些测量一般是在mpra，mprb和mprc的三个切割面上进行的。另外在体绘制和面绘制上测量两个点的直线距离功能也比较常见，但是在骨头的曲面上测量两个点之间的最短距离的功能却很少，这个需求也是临床骨科医生在他们日常使用国外医疗软件时经常会使用到的一个测量功能，这个问题，归根结底，是一个数学问题。那就是在一个由很多个点构成的网络图模型中，如何在给定起始点和终止点的条件下，找到这两个点之间的最短路径。目前实现曲面上最短路径最常用的算法有：dijkstra算法，a*算法，spfa算法，bellman-ford算法，floyd-warshall算法，johnson算法。由于这个功能是在手术前规划使用，算法的速度不是那么重要(相对于实时手术过程)，因而我们采用了dijkstra算法来实现这个功能。
35.dijkstra算法思想：如果存在一条从i到j的最短路径(vi.....vk,vj)，vk是vj前面的一顶点。那么(vi...vk)也必定是从i到k的最短路径。为了求出最短路径，dijkstra就
提出了以最短路径长度递增，逐次生成最短路径的算法。譬如对于源顶点v0，首先选择其直接相邻的顶点中长度最短的顶点vi，那么当前已知可得从v0到达vj顶点的最短距离
36.dist[j]＝min{dist[j],dist[i]+matrix[i][j]}。
[0037]
根据这种思路，假设存在g＝《v,e》，源顶点为v0，u＝{v0},dist[i]记录v0到i的最短距离，path[i]记录从v0到i路径上的i前面的一个顶点。
[0038]
从v-u中选择使dist[i]值最小的顶点i，将i加入到u中；
[0039]
更新与i直接相邻顶点的距离值dist；
[0040]
(dist[j]＝min{dist[j],dist[i]+matrix[i][j]})
[0041]
直到u＝v，停止。
[0042]
目前国内医疗三维重建软件一般仅仅是为了浏览显示三维图像，少数具备切割和分割股骨的功能。阈值分割是一种最常见的并行直接检测区域的分割方法，常用领域为ct图像中皮肤和骨骼的分割。当不同类的物体灰度值或其他特征值相差较大时，它能够有效的对图像进行分割；当图像中不存在明显的灰度差异或各物体之间的灰度值范围有较大重叠的分割问题难以得到准确的结果，因而阈值分割通常作为一种预处理，在此基础上，再应用其他的分割方法(譬如区域生长算法)。区域生长算法是经典的串行区域分割方法，基本思想是讲具有相似性质的像素集中起来构成一个区域，首先需要选取一个种子点，然后依次将种子像素相邻的相似像素合并到所选种子像素所在的区域中。缺点是需要人工选取种子点，而且对噪声较为敏感，导致抽取的区域存在空洞或在局部体效应的情况下将本来应该分割开的区域连接到一起，譬如股骨复杂部位分割出来的图像很不理想，不能用于真实手术配准。也就是说，目前使用自动分割算法(阈值分割+区域增长算法)很难将股骨复杂区域分割出来，因而我们需要在这个基础上用别的方案来修补空洞或者擦除粘连部位。
[0043]
体绘制和面绘制的每一个空间点信息都会映射在mpra，mprb和mprc三个面上，反过来通过修改mpra，mprb和mprc三个切面上的像素信息，可以达到改变体绘制和面绘制的相应位置处的像素信息。除此之外，还需要不断通过鼠标滚轮改变mpra，mprb和mprc三个切面的位置来达到修改体绘制和面绘制上不同部位对应的像素信息。为了能让股骨复杂部位也能被分割的比较理想，我们通过对照阈值分割和区域增长算法处理后新生成的图层和mpr三个切面上底图，在新生成的图层上手动填充擦除这个方案来解决自动分割(阈值分割+区域增长算法)很难解决的问题。手动分割完成后，将新图层的信息转换成3d对象信息并以stl文件形式保存下来(供手术配准中使用)。具体的算法流程如图4所示。