成像模型（精选7篇）
成像模型 篇1
0 引言
在机器视觉中, 双目视觉是指在不需要特殊光源的情况下, 运用两台视觉传感器在一定距离范围内同时对同一物体拍摄, 通过获取的两幅图像中对应点的位置关系最终确定该物体的空间位置。机器视觉技术相较于其他技术而言是一种快速发展的新技术, 20世纪60年代美国的Robert通过分析大量图像, 把对图像的研究从二维发展到了三维。20世纪80年代初期, 美国麻省理工学院的David Marr教授提出了视觉研究中较为完善的视觉理论系统, 该系统至今仍为机器视觉系统发展的理论基础。其中涉及到的摄像机成像模型有很多种类, 但对双目视觉而言主要有标准双目视觉模型和汇聚式双目视觉模型两种。
1 标准双目视觉模型
我们通常把由两个光轴平行且内部参数一致的相机组成的双目视觉模型称之为标准双目视觉模型[1], 如图1所示。
图2为标准双目视觉理论模型, 其中, 和π2分别为左、右两摄像机的透视平面[2], P1和P2分别为三维空间点P在左、右两透视平面的投影点。
假如P点三维空间坐标为 (x, y, z) , 则与之对应的P点在左摄像机中的图像坐标为P1 (X1, Y1) , 在右摄像机中的图像坐标为P2 (X2, Y2) , 由此可得到以下关系[3]:
其中:u0, v0, ax, ay为摄像机的内部参数;△x为两台摄像机光心之间的距离;X1-X2称为视差[4]。由此可知, 在摄像机内部参数已知的情况下, 我们只要知道空间中某点投影到两摄像机左、右平面上的图像坐标就可以利用视差原理恢复出该点的空间三维坐标, 这也就是双目视觉三维重建的基本原理。但标准视觉模型也有它自身的局限性, 即它需要两个摄像机配置相同, 且所放置的位置要处于绝对平行的状态, 所以其不便于广泛应用。
2 汇聚式双目视觉模型
相对于标准双目视觉模型来说汇聚式双目视觉模型对光轴位置无特殊要求, 所以它使用的范围更为广泛一些, 且标准双目视觉模型可以看成是它的一个特例。汇聚式双目视觉模型如图3所示[5]。
图4为汇聚式双目视觉理论模型。空间点P的三维空间坐标为 (x, y, z) , 同时使左相机坐标系o1x1y1z1与三维空间坐标系重合, 原点o1为光心, 图像坐标系为O1X1Y1, 有效焦距为f1;右相机坐标系为o2x2y2z2, 图像坐标系为O2X2Y2, 有效焦距为f2。由成像模型可知:
其中:k1, k2为比例因子, 且满足;R为一个3阶的空间旋转矩阵, 为旋转分量;T为3×1的空间平移矩阵, 为平移分量。
同时左相机坐标系o1x1y1z1和右相机坐标系o2x2y2z2的空间位置有如下关系:
由式 (2) ~式 (5) 可得出空间点P的坐标。即:
由式 (6) 可以解得:
由此可以得出一般双目视觉模型为:
或者:
式 (8) 和式 (9) 为汇聚式双目视觉模型中空间三维坐标的解, 在其他因素已知的情况下, 利用汇聚式双目视觉模型就能够求出空间中某点的坐标。
3 结论
由上述可知, 在双目视觉系统中, 不同的成像模型有各自不同的特点和应用范围, 我们应该合理选择成像模型以期满足自己的实际需求。
摘要：重点对双目视觉建立过程中的不同成像模型进行了分析研究, 并最终找到一种适用范围更为广泛的双目视觉成像模型。
关键词：双目视觉,坐标变换,透视平面,视觉模型
参考文献
[1]穆向阳, 张太镒.机器视觉系统的设计[J].西安石油大学学报 (自然科学版) , 2007, 21 (6) :1-2.
[2]张艳珍, 欧宗瑛.一种新的摄像机线性标定方法[J].中国图像图形学报, 2001 (8) :14-18.
[3]马颂德, 张正友.计算理论与算法基础[M].北京:科学出版社, 2003.
[4]贾云得.机器视觉[M].北京:科学出版社, 2000.
[5]M Sonka, V H1avac, R Boyle.图像处理与机器视觉[M].艾海舟, 武勃, 译.北京:人民邮电出版社, 2003.
卫星颤振光学成像仿真模型分析 篇2
高分辨对地观测技术主要在地球资源和侦查两类应用卫星中运用得比较多。由于国家安全和国防建设的需求,高分辨对地观测技术的研发得到世界大多数发达国家前所未有的支持力度,从两类卫星的发展速度可见一斑。我国在高分辨对地观测领域也投入了大量的人力和物力,期待能够建立一套自己的对地观测系统,实现全天候、高时间和高空间分辨率全球观测的使命,紧随发达国家的科技发展道路上前行。
高分辨对地观测从以往的几十米地面分辨距离,已发展到如今能够拍摄得到地面分辨距离1 m内的图像。但是制约高分辨对地观测能力的因素有很多,大致可以归类为光学系统、卫星平台、空间环境、以及电子电路系统等四方面。根据国内外的颤振资料显示,卫星上的颤振已经成为影响卫星光学成像质量的重要因素之一[1,2,3]。在姿态调整动量轮、调姿推力器以及外界扰动等因素下,地面目标在成像器件上位置发生了变化,这种变化在不同的成像方式下,对图像质量造成的影响不同[4]。因此,本文针对高分辨对地观测中,不同的光学成像模式下,卫星颤振对成像质量的影响展开研究,建立卫星颤振光学成像模型,并编制仿真软件SIBSIV1.0用于辅助卫星高分辨对地成像像质预测研究。
1 卫星颤振光学成像模型
以高分辨对地观测为主要目标的两类应用卫星:地球资源卫星和侦查卫星主要分布在太阳同步轨道、地球静止轨道、中高轨道以及甚低轨道等四类成像轨道上。卫星上装载的用于可见光成像的有效载荷,以面阵型相机和TDI相机(Time Delay and Integration,TDI)为主。在颤振影响下,在星载相机设定的曝光时间内,额外的颤振会导致地面目标在成像器件上位置发生了变化。此时,若采用面阵凝视成像,传感器像面的同一位置会接受物面不同点的亮度信息,导致图像分辨率降低;若采用TDI相机[5,6,7,8,9],像在像面的运动速度会与TDI相机预先设定的电荷转移速度失配,像面出现倾斜错乱并模糊的现象。
本文以模块化的思路,将卫星颤振的光学成像退化模型分成像模式模块和颤振模块进行研究,构建颤振影响下的物像之间的关系,具体细节如下。
1.1 面阵凝视成像退化模型
在面阵凝视成像模式中,当目标与成像器件在曝光期间存在颤振时,忽略成像过程中引入的噪声,曝光成像的过程可以理解为探测器接受物面光强信息的一个积分过程[10]。在这个曝光积分周期里目标与成像器件的相对位置发生改变,使得像面同一位置接受到物面不同点的信息,这些信息经过积分和平均处理,就使得出来的图像变得模糊。因此,颤振模糊物像关系表达如下:
式中:(x0,y0)表示成像平面坐标,te表示曝光时间,g和f分别表示像函数和物函数,x(t),y(t)为颤振函数。再将式(1)做傅里叶变换得物像频谱关系为
式中:(u,v)表示频谱坐标,G和F表示像面和物面的频谱分布。由上式提取得颤振相关的关键函数为
Fmot(u,v)就是仿真颤振成像的关键函数,即颤振引起的光学传递函数(Optical transfer function,OTF)。建立面阵凝视颤振成像模型的关键是建立颤振信息函数x(t)、y(t)和因颤振造成的光学传递函数Fmot(u,v)的关系,从而仿真模拟出在当前条件下的像输出情况。
1.2 TDI扫描成像退化模型
根据TDI特殊的工作机制,TDI相机扫描成像的模型通过一个临时矩阵A来建立物像之间的关系。临时矩阵A描述的是当前TDI面阵中各像素所包含的信息。每经过一个行周期,即电荷转移周期,重新计算矩阵A所包含的内容。当矩阵A最后输出行存在数据时,则为输出像的一行信息。这个计算过程正好模拟了TDI相机以面阵的结构,延迟积分成像的工作过程。矩阵A的计算方式如下:
上式表达的是,当前矩阵A的信息gi(k,m)和上一行周期矩阵A的信息gi-1(k,m-)1。(k,m)表示矩阵中各个像素坐标,f(x,y)表示落在TDI像面上的像信息,x(t)和y(t)分别表示在当前周期内像在水平和垂直方向上由颤振引入的移动量;T为TDI相机的行周期。
1.3 颤振模型
在颤振模块中,本文主要考虑三方面的颤振来源:平台颤振、卫星绕转以及地球自转[11]。颤振模块将这三种来源的颤振归结到像面上进行考虑。以像面的运动类型进行归纳分类,如表1所示,包括匀速运动、正弦颤振、随机运动以及它们的随意组合。
在实际成像过程,若是存在运动,往往不是一个简单的简谐振动或者线性振动,极有可能是由多个运动组合而成的。本文以组合颤振为例,研究复杂运动形态下的光学传递函数。以函数集{si(t)}来表示多个运动函数,并且{ϕi}是它们分别对应的运动方向。将每一个运动在x方向和y方向上进行分解,得:
式中:x(t)total和y(t)total就是在空间坐标下,沿着x方向和y方向的总位移量,那么由式(3),即可计算复杂运动的OTF,如下:
对上述情况采用坐标系旋转的方法进行处理。通过坐标旋转,每一种运动函数在新坐标系下,可用{xi′(t),yi′(t)}和{ϕi}来表示;那么对应的在频域空间就可以用{ui′,vi′}和{ϕi}来表示。新旧坐标系下的坐标关系就为
式(6)中的Fmot(u,v)变为
即,若复杂运动是由n种不同方向不同频率的运动构成的话,就需要n次的旋转运动来计算OTF。若在不同时间段存在不同类型的运动时,可采用以上方法,以分段函数积分的方式,实现OTF的计算。
2 仿真结果与分析
基于以上退化模型,本文对具有典型意义的运行在地球静止轨道下的卫星进行仿真成像。分析在既定的地面分辨率下,成像系统对低频和高频的卫星颤振的敏感程度。
地球静止轨道参数如表2所示,根据现有卫星运行情况,地球静止轨道上采用的成像器件通常为面阵凝视型相机,故仿真采用的相机参数如表3所示。
设定卫星光学系统焦距,可以在同一轨道上得到不同的理想地面分辨距离。根据卫星颤振的情况,拟定如表4颤振参数范围。
在以上0∼100 Hz频率的颤振范围内,对清晰卫星图像做仿真成像,得到各个频率分量上的颤振临界值,即当某个频率的卫星颤振幅度小于这个临界值时,获得的图像可以达到当前设定的地面分辨距离;反之,图像的模糊较为严重,到了不可忽视的程度。经过多次仿真实验,由上述参数分别测得以下临界状态。临界结果以结构相似性指数(Structural Similarity Index,SSIM)约为0.7以及主观对比为条件。
由图1的曲线分布可观察得到以下结论:首先,图中点划线(地面分辨距离50 m)最高,短横线(地面分辨距离40 m)次之,最后是实线(地面分辨距离20 m)。即,当卫星运行在静地轨道上对地观测,当地面分辨率越高时,成像系统的抗颤振能力越差,对卫星稳像装置的要求性也就越高。其次,将图1中的(a)与(b)比较发现,对成像质量的影响较为严重的颤振在低频区的幅度明显高于高频区,也就是说真正影响成像质量的颤振多集中在大幅度的低频区和小幅度的高频区。
3 验证实验
本文搭建了一套模拟遥感成像的地面半物理仿真实验系统。利用图像调制传递函数(MTF)为像质评价标准,验证了仿真模型的正确性和有效性。实验系统由成像标板、压电平移台、平行光管、成像镜头、成像相机等部分组成。实验原理框图如图2(a)所示,实物图如图2(b)所示。
成像标板放置于压电平移台上,由环形排列的LED光源均匀照明,用以模拟地物。压电平移台可按照给定振动条件进行二维振动。地物发出光线经过平行光管准直后进入成像镜头成像。具体实验步骤如下:
1)保持成像标版静止,获得静止状态下标版像,利用刃边法获取其MTF静态[12];
2)控制压电平移台运动(运动参数可由传感器实时精确测出),得到标版在特定颤振条件下退化像,并利用刃边法获取其MTF退化;
4)利用理论仿真模型计算相应运动参数造成的MTF下降;
5)比较两个MTF下降值。
对实验系统加载如表5所示颤振参数,可以分别得到标版的静态像与退化像如图3(a)、(b)所示。分别对图3的两幅像取MTF值,并利用上一节分析的仿真模型计算相应运动条件下MTF下降值,得到MTF曲线图如图4所示。
MTFA为MTF所覆盖区域面积,近年来较常用于图像像质评价中,以衡量图像整体对比度情况。本文参考0.1到0.5归一化频率处MTF值以及MTFA对所得MTF曲线变化趋势做出比较,结果如表6所示。
从表中可以看出,实验所得MTF曲线在趋势和数值上基本和理论仿真模型计算值一致,波动范围较小,因此可以认为在误差范围内实验结果与理论计算相吻合,较好地验证了理论仿真模型的有效性与可靠性。
4 结论
研究了卫星颤振光学成像退化的模型,围绕高分辨对地观测中光学成像所采用的不同的光学成像模式,建立了基于传感器模块和颤振模块的卫星颤振光学成像退化模型。基于模型对静地轨道上卫星光学成像系统对颤振的敏感程度进行了分析。仿真实验结果证明,地面分辨率越高时,成像系统的抗颤振能力越差。当颤振幅值高于某一临界值时,该颤振对成像质量的影响就不可忽略了。搭建了一套模拟遥感成像的地面半物理仿真实验系统,利用图像调制传递函数(MTF)为像质评价标准,验证了仿真模型的正确性和有效性。本文对卫星颤振成像进行理论推导和仿真设计,可用于卫星遥感稳像系统的指导设计,也为进一步研究卫星颤振带来的成像退化的补偿技术奠定了基础。
参考文献
[1]Sudey J Jr,Schulman J R.In-orbit measurements of Landsat-4thematic mapper dynamic disturbances[C]//International Astronautical Federation,International Astronautical Congress,35th,Lausanne,Switzerland,Oct7-13,1984,12:485-503.
[2]M Toyoshima,K Araki.In-orbit measurements of short term attitude and vibrational environment on the Engineering Test Satellite VI using laser communication equipment[J].Optical Engineering(S0091-3286),2001,40:827.
[3]Wittig M E.In-orbit measurements of microaccelerations of ESA's communication satellite OLYMPUS[C]//Society of Photo-Optical Instrumentation Engineers,Orlando,Florida,July1,1990.
[4]樊超,李英才,易红伟.颤振对TDICCD相机像质的影响分析[J].光子学报,2007,36(9):1714-1717.FAN Chao,LI Yingcai,YI Hongwei.Influence Analysis of Buffeting on Image quality of TDICCD Camera[J].Acta Photonica Sinica,2007,36(9):1714-1717.
[5]石俊霞,薛旭成,郭永飞.卫星振动对TDICCD成像质量的影响及补偿方法[J].光电工程,2010,37(12):11-16.SHI Junxia,XUE Xucheng,GUO Yongfei.Effect of Satellite Vibration on Imaging Quality of TDICCD Camera and Compensation Method[J].Opto-Electronic Engineering,2010,37(12):11-16.
[6]佟首峰,李德志,高分辨力TDI—CCD遥感相机的特性分析[J].光电工程,2001,28(4):64-67.TONG Shoufeng,LI Dezhi.Analysis on the Characteristics of TDI-CCD High-Resolution Camera for Remote Sensing[J].Opto-Electronic Engineering,2001,28(4):64-67.
[7]许世文,姚新程,付苓.推帚式TDI—CCD成象时象移影响的分析[J].光电工程,1999,26(4):60-63.XU Shiwen,YAO Xincheng,FU Lin.An Analysis for the Influence of Image Method[J].Opto-Electronic Engineering,1999,26(4):60-63.
[8]赵贵军.推扫型TDI CCD光学遥感器动态成像研究[J].光学精密工程,2006,14(2):291-296.ZHAO Guijun.Study on dynamic imaging on push-broom TDI CCD optical remote sensor[J].Optics and Precision Engineering,2006,14(2):291-296.
[9]Wong H S,Yao Y L,Schlig E.TDI charge-coupled devices:design and applications[J].IBM Journal of Research and Development(S0018-8646),1992,36(1):83-106
[10]Yitzhaky Y.Evaluation of the PSF from motion-blurred images[C]//10th Meeting on Optical Engineering,Israel,September22,1997:822-831.
[11]赵阳.太阳帆板振动对星载CCD相机成像的影响[J].中国空间科学技术,1995,15(2):32-39.ZHAO Yang.Influence of array elasticity vibration on CCD image[J].Chinese Space Science and Technology,1995,15(2):32-39.
成像模型 篇3
电阻层析成像 (Electrical Resistance Tomography, 简称ERT) 技术是通过在被测场域的目标边界加载电流形成电压驱动信号, 然后在边界测量响应信号, 根据一定的算法利用计算机来表现敏感场域内电阻分布的一门技术, 在肺部图像监护方面具有广阔前景。
目前常用的有限元模型是将肺部近似为规则的椭圆模型, 但是却未考虑肺的不规则外形, 这将影响准确获取肺部电阻信息。针对该问题, 我们通过对拟合的肺部外形轮廓曲线进行调整, 即特定点替换, 在逼近真实肺部轮廓的有限元模型上进行ERT仿真研究, 为ERT应用于肺部疾病预防打下基础[1]。
1 ERT数学模型
假设在ERT敏感场的内部没有电流源的存在, 那么根据Maxwell方程, ERT传感器的敏感场可以描述为:
在Ω内部
边界条件
其中:n表示边界外法线方向;Ω表示物体所在的空间区域;σ表示电导率分布;鄣Ω表示物体所在区域的边界;ujo表示边界电势分布函数;j表示边界电流密度分布函数;分别表示梯度和散度算子;准表示电势分布函数。
2 建立有限元模型
2.1 边界追踪算法
为了建立肺部的有限元模型, 本文采用四邻域的边界追踪算法[2,3]提取边界轮廓线。建立的算法如下:
Step1:按自左到右、自上到下的顺序扫描肺部CT图像, 在所有像素点中寻找没有结束记号的第一个起始点Ao (具有最小行和列值的边界点) ;
Step2:构造方向变量direction, 其初始值为3, 该变量用于记录前一个坐标点到下一个坐标点的移动方向, 如图1 (a) 所示;沿着逆时针方向搜索当前像素的3×3邻域, 定义其搜索方向为: (direction+3) mod 4, 如图1 (b) 所示:
Step3:在3×3邻域中, 按上一步骤中的搜索方向进行搜索, 新的边界点An选取条件为搜索到的与当前像素值相同的像素点, 更新变量direction;
Step4:如果An-1与第一个边界点A0相同且后一个边界点An与第二个边界点A1相同, 则停止搜索, 跳转Step5, 否则跳转Step2继续搜索;
Step5:由边界点A0, A1, A2, …, An-2构成的边界便为要跟踪的边界。
根据上述边界追踪算法对肺部的边界进行追踪, 追踪结果如图2 (a) 所示, 通过对追踪的结果与原CT片的肺部边界轮廓曲线 (如图2 (b) 所示) 的对比发现, 它们基本吻合, 因此该算法可行。
2.2 曲线拟合
将由边界追踪算法得到的边界像素坐标转化为实际直角坐标。通过对边界曲线的大致判断, 本文采用基于最小二乘法的椭圆拟合对边界曲线进行拟合[4]。
假设拟合曲线的表达式为:
那么直接应用方程 (4) 对边界追踪后的离散点进行最小二乘处理得到各系数, 即求目标函数
的最小值来确定各系数。欲使最小, 必有
则求解方程即可求得各参数, 从而得到方程。
2.3 曲线调整
通过上述的曲线拟合方法对追踪后的离散点进行拟合, 得到的椭圆的标准方程为
为了检验拟合曲线的准确程度, 本文按照下式计算拟合曲线的形状误差:
其中:i=1, 2, …, m;m表示边界追踪后离散点的数量;a和b分别表示椭圆的长轴和短轴;xi和yi表示边界坐标点的横纵坐标;ri表示椭圆上某点到原点的距离;ER表示某点的形状误差。
根据 (7) 式计算的结果发现由曲线拟合得到的曲线的形状误差较大, 不能很好的体现出原肺部CT图像的外部轮廓, 因此本文采用下述方法对拟合的曲线进行调整:
对比拟合的曲线与边界追踪得到的轮廓曲线, 发现两者之间具有良好的关联性, 因此可以通过将边界追踪得到的边界点与拟合的曲线对应点进行对比替换的方法对拟合曲线进行调整。
将通过边界追踪得到的边界坐标点运用下式进行成比例的放缩[5]:
式中:i=1, 2, …, lay, j=1, 2, …, i·lay;lay表示划分的有限元的层数;xij和yij表示边界坐标点的横纵坐标;x′ij和y′ij表示放缩后的边界坐标点的横纵坐标;ρij表示每层的坐标点距离中心点的最大距离;
在新得到的坐标点中, 寻找与拟合曲线中对应坐标点最接近的坐标点进行替换, 即可得到人体肺部电阻层析成像有限元模型, 如图3 (a) 所示。
将上述均匀分布的有限元模型按照一定比例划分为非均匀分布的有限元模型, 如图3 (b) 所示。
3 仿真实验与分析
3.1 仿真实验条件
仿真实验环境为Pentium M 1.60 GHz CPU, 760 M RAM, MATLAB 2010a版本;数据采集模式采用相邻激励模式, 电极数目为n=16。
3.2 有限元质量的计算
当前, 一般采用具有三个节点的三角形有限元建立ERT有限元模型[6], 而三角形的形状因子是常用的用来描述有限元质量的因素, 其表达式为:
其中:R与r分别表示三角形外接圆半径和内切圆半径;α值越大表明三角形有限元质量越高。
本文采用下式评价三角形有限元质量:
其中;a、b、c为三角形边长;β越大, 有限元质量越高。根据 (11) 式可得图3中2种不同拓扑结构的有限元模型有限元质量如表1所示。
由表1可知, 在相同数目有限元情况下, 非均匀分布模型有限元质量比均匀分布的高, 且非均匀分布模型最差的有限元的质量也相对较高。
4 结论
本文所建立的人体肺部电阻层析成像有限元模型能够正确反应出肺部真实外形, 经仿真实验表明有限元模型合理有效, 为电阻层析成像技术应用于人体肺部疾病预防打下基础。
参考文献
[1]帅万钧, 董秀珍, 付峰, 尤富生, 刘锐岗, 史学涛.在逼近真实脑有限元模型上实现电阻断层成像的仿真研究[J].医疗卫生装备, 2004, (11) :11-12.
[2]张永利.医学图像中边界轮廓线的提取方法[D].大连理工大学 (辽宁) , 2008:26-31.
[3]薛申芳.MATLAB在平面图像边界信息提取中的应用[J].衡水学院学报, 2009, 11 (4) :25-27.
[4]闫蓓, 王斌, 李媛.基于最小二乘法的椭圆拟合改进算法[J].北京航空航天大学学报, 2008, 34 (3) :295-298.
[5]肖理庆, 邵晓根, 王琳琳, 张亮, 石天明.电阻层析成像有限元仿真模型分析与设计[J].仪器仪表学报, 2008, 29 (2) :354-360.
成像模型 篇4
电阻抗断层成像(electrical impedance tomography,EIT)技术由于具有无创、低成本、操作简便、功能成像和实时连续监护的特点,目前已受到国内外临床医学与生物医学界的广泛关注,有望成为床旁图像监护的新手段[1]。其基本原理是通过对被测目标的边界施加激励电流(或电压),获得被测目标的边界电压(或电流),从而计算出被测目标内部的电阻抗变化或分布,进行成像[2]。
颅脑电阻抗成像是EIT技术应用的一个重要方面,对监测颅内出血等颅脑危重病症有重要意义[3]。颅脑EIT技术中的一个关键问题是人脑被电阻率相对较高的颅骨所包围,这使施加在头皮上的注入电流只有小部分才能穿透颅骨进入大脑,造成EIT系统对颅内阻抗信号的灵敏度降低。有研究表明,颅骨影响会使脑功能活动期间预期的2%~5%的阻抗变化衰减为0.2~1%[4]。随着课题组研究的深入,我们发现颅骨非均匀电阻率分布和真实形状对EIT的定位精度和分辨率有显著影响[5],建立基于真实颅骨外形和电阻率分布的头部模型是推动相关研究走向深入的关键环节[6],此类模型国内外尚未见诸报道。
快速成型(rapid prototyping,RP)是一种不断发展的先进制造技术,它由三维CAD(computer aided design)模型直接驱动,能快速制造任意复杂形状的三维实体,目前已在工程和医疗领域得到广泛应用[7]。
本研究基于课题组的前期工作,利用激光快速成型技术和翻模工艺首次制作了近似真实形状和真实电阻率分布的头部物理模型,为颅脑电阻抗成像的进一步深入研究打下基础。
2 材料和方法
2.1 材料
上海硬石膏(上海医疗器械股份有限公司),SI1260阻抗分析仪(英国SOLARTRON公司),婴儿培养箱(YP-970,宁波戴维医疗器械有限公司),64排螺旋VCT(美国GE LightSpeed VCT),激光烧结式快速成型机(AFS360型,北京隆源自动成型系统有限公司),聚-N-邻羟苄叉乙烯基苄胺(poly-N-salicylidenevinylbenzylamine,PSB)树脂(北京隆源公司),藻酸盐印模粉(上海医疗器械股份有限公司齿科材料厂),游标卡尺(精度0.02 mm),直尺,两脚规等。
2.2 方法
2.2.1 制作流程
包含真实形状和电阻率分布的头部物理模型的制作流程如图1所示。
2.2.2 CT数据采集
使用螺旋CT(GE LightSpeed VCT)对无颅骨病变的成年患者进行颅脑扫描,扫描范围包括全部头颅骨。扫描参数为:层厚为0.625 mm,电压120 k V,电流为240 mA。重建数据不压缩,将数据用标准DICOM(digital imaging and communication in medicine)文件格式刻录进光盘保存。
2.2.3 模型的三维重建
应用Geomagic Studio4.0及MIMICS10.0将DICOM图像文件读入,通过对骨组织区域识别、提取和三维叠加,完成颅骨几何模型的三维重建,并对其进行查错修补(如图2(a)所示)。提取重建后的三维图形外表面,并向外生长5 mm厚度作为实验容器的内表面,实验容器厚度设置为5 mm(如图2(b)所示)。另对原来重建的三维图形按照骨缝进行分割,做成分离的颅骨几何模型(如图2(c)所示)。
2.2.4 快速成型机制造
将三维可视模型进行三角形网格划分,输出STL格式的模型文件。用选择性激光烧结(selected laser sintering,SLS)机,以PSB树脂为原料,通过激光照射逐层烧结容器和分离颅骨模型(如图3所示)。
2.2.5 翻制分离颅骨块模型
对快速成型的颅骨模型(以下简称树脂模型)进行表面打磨,消除由于工艺生产造成的毛刺等。用齿科藻酸盐印模材分别制取每块树脂模型的印模,待印模形成后,取出树脂模型,立即以相应水粉比的石膏[7]灌注模型,待石膏凝固后即可脱模(如图4所示)。
2.2.6 拼接模型
将脱模后的各块颅骨的石膏模型进行修正、打磨,然后用相当于骨缝电阻率的石膏将各块石膏模型拼接在一起,形成真实形状和真实电阻率分布的头部物理模型(如图5(a)所示)。将颅骨模型与树脂容器组装,可为下一步的实验提供平台(如图5(b)所示)。
2.3 测量并进行误差分析
2.3.1 模型形态方面的测量和分析
快速成型技术已广泛应用于外科手术中,其精度完全满足临床需要[9],藻酸盐印模材也是口腔修复中常用的精度较高的取模材料,因此本研究在理论上有良好的准确性,但在实际操作时仍存在系统误差,为检测该制作方法的可行性和所得模型的准确性,必须进行测量检验。
颅骨形状的不规则性使量化颅骨的形状比较复杂。为比较所制作模型的准确性,首先确定各标志点。现以左侧顶骨为例,规定冠状缝与矢状缝的内缘交点为A,此处厚度为h1;矢状缝与人字缝的内缘交点为B,此处厚度为h2;顶颞缝与人字缝的内缘交点为C,此处厚度为h3;顶颞缝与蝶骨大翼的内缘交点为D,此处厚度为h4;矢状缝中点到上颞线的直线距离为L;将顶骨的凹面朝下放在水平面上,此时凸面的高度为H1,矢状缝外缘中点的高度为H2,顶颞缝外缘中点的高度为H3(如图6所示)。标志点的直线距离作为测量线。为确保标志点及测量结果的同一性,所有模型的标志点均由作者本人在同一时间标定,所有测量均由作者一人先测量2次,隔日再测量2次,取其平均值以减小测量误差。将树脂模型和石膏模型的测量数据进行比较分析。其他各块颅骨模型测量方法类似。
2.3.2 模型电阻率分布的测量和分析
在灌注每一块颅骨石膏模型的同时,用相同水粉比的石膏灌注6个圆柱体,编为一组,测量圆柱体的电阻率就可以得出相应石膏模型的电阻率。石膏柱长为70 mm,直径为29 mm。用婴儿培养箱控制温湿度,通过SI1260阻抗分析仪测量石膏柱的阻抗值。测量条件:温度为(36.5±1.5)℃,湿度为(60±2)%RH,激励电流为0.1 mA,扫频范围为100 Hz~100 kHz。将每一组的测量数据与相应颅骨的真实值[10]做单样本检验(使用SPSS12.0统计软件),分析石膏模型的电阻率与真实颅骨电阻率的差异。
3 结果
3.1 形态
从外观上看,石膏模型和树脂模型高度相似,石膏模型完整逼真地呈现出整个树脂模型,如图3所示。但某些边缘细节会由于灌注时残留的石膏而变得尖锐或者光滑。
模型形态方面的测量结果如表1所示。通过对石膏模型和树脂模型相应测量值的比较,可见差值的绝对值小于0.60 mm,差值总的平均值为-0.20 mm,数值无明显差异,可以满足实验需要。
mm
3.2 电阻率
每块石膏颅骨对应电阻率的测量值如表2所示。由此可见,在显著性水平α为0.05时,差异无显著性,可以认为各石膏模型的电阻率能代表真实颅骨的电阻率。
4 讨论
制作颅骨模型的材料须满足以下条件:材料与颅骨的电阻率值要接近;材料的电阻率时间稳定性要好,可以长期使用;电阻率空间分布均匀;材料要尽可能地易于获取和加工成型。与导电橡胶、金属等材料相比,口腔修复用的石膏具有易于加工、不易变形等特点[11],并能通过改变水粉比来得到不同的电阻率[8],因此本研究采用石膏来制作颅骨模型。
利用石膏制作真实形状和真实电阻率分布的颅骨模型,首先需要能制作精确的印模。快速成型技术自20世纪80年代问世以来,在成型系统、材料方面有了长足的进步,同时推动了快速制模技术(rapid tooling,RT)和快速制造技术(rapid manufacturing,RM)的发展。快速成型技术具有速度快、成本低、精度高、取材广泛、高度集成、适于加工各种形状等突出优点,广泛用于机械制造和医疗等领域,取得了良好的社会效益和经济效益[12]。快速成型的方法多达10余种,目前应用较多的有光立体化固化(stereo lithography apparatus,SLA)、分层实体制造(laminated object manufacturing,LOM)、选择性激光烧结(selective laser sintering,SLS)、熔积成型(fused deposition modeling,FDM)等。综合考虑原型精度、常用材料、制作成本等因素[13],本研究采用选择性激光烧结法来制作树脂模型,制作精度可达0.1 mm[14]。高精度的树脂模型为制作准确的印模提供了条件。
口腔修复中常用的印模材有藻酸盐、硅橡胶、琼脂等类型。由于藻酸盐印模材具有价格便宜、制作方便、精度较高等优点[15],因此本研究将其作为制作印模的首选。但在制作过程中要掌握好时间,及时灌注石膏,防止印模脱水而引起变形。颅骨模型的整个制作过程利用了现代先进的快速成型技术,并借鉴口腔修复的相关工艺,降低了问题的复杂性,制作方法简单,节省时间,模型形态清晰,范围完整。制作的树脂模型还可以重复利用。研究结果进一步证明了这种方法的可行性和有效性。
在下一步的研究中,可以基于此模型比较半球形颅骨模型和真实模型对EIT成像精度和分辨率的影响;进行颅内出血等临床疾病的模拟,并用EIT监测以证明其在该方面监护的可行性和有效性。
5 结论
本研究不同于传统制作模型的方法,首先采用快速成型技术制作颅骨的树脂模型,然后用藻酸盐印模材对树脂模型取模,并用不同水粉比的石膏灌注成型,最后将各块颅骨模型拼接,制作过程节省时间、降低成本。从研究结果看,此模型比较接近真实形状和电阻率分布,为脑部电阻抗断层成像的研究提供了一个实验平台,有利于开展进一步的相关研究。
摘要：目的:研究制作近似真实形状和电阻率分布的颅骨物理模型的方法,为电阻抗断层成像的相关研究提供更加准确的实验平台。方法:采集颅骨的CT图像,用快速成型机制作出树脂模型,然后将每一块树脂模型翻制成不同电阻率的石膏模型并将其黏合成完整的颅骨模型,最后测量分析模型的精确性。结果:首次制作了近似真实形状和真实电阻率分布的颅骨模型,外形差异平均值为0.20 mm,模型电阻率值与真实值无明显差异(P>0.05)。结论:所做模型可满足实验需要,有利于开展脑部电阻抗断层成像的深入研究。
成像模型 篇5
除了被认为是“黄金标准”但需要更多人力与时间投入的“手动勾勒”方法之外[3],Kass M.提出的“动态轮廓”[4]作为一种基于模型的方法被广泛地应用。它是一个由内部连续性、光滑性作用力和外部的基于图像特征的作用力(或者叫限制性能量成分)来引导的最小化能量的样条。但是,传统动态轮廓模型的限制之一,就是初始轮廓的位置必须尽量接近最终轮廓的位置,否则轮廓在变化过程中可能会被某些离散的噪声点给吸引住。针对这一点,Lapeer R.J.等人[5]在运用动态轮廓模型提取腹部器官的过程中,采用基于标记的分水岭算法,得到接近最终目标边缘位置的初始轮廓。而Cohen L.D.等人[6]在动态轮廓模型中添加了一个“气球力”,使初始轮廓可以手动设置在远离最终轮廓的位置。
本文基于肾脏的核磁共振图像,提出了一种结合阈值分割与动态轮廓模型的方法,用来提取肾脏内部的皮质与髓质区域。首先,阈值分割得到一个初始的掩码图像;其次,模仿气球力的简化动态轮廓模型得到所需组织的初始轮廓;最后,初始轮廓在传统动态轮廓模型的作用下被真正的由梯度图像定义的组织边缘给吸引住。
1算法与实现
图1显示了算法的整个过程。首先,通过预处理从原始肾脏图像中得到对比度增强的图像,继而就能通过梯度运算得到梯度图像,同时通过阈值分割得到掩码图像。接着,手动设置的起始轮廓在简化的动态轮廓模型的气球力作用下变形,得到所需的组织初始轮廓,同时也得到了内部作用力。最后,初始轮廓在传统的动态轮廓模型的内外部作用力下,变形得到最终的皮质与髓质的区域。
1.1图像预处理与阈值分割
图像预处理的目的是为了提高原始图像不同区域间的对比度,改善之后的梯度图像和阈值分割图像的质量。文中采用基于图像形态学操作[7]的tophat滤波和bottomhat滤波结果相减的方法。
对阈值分割[7]来说,它是非模型方法中最简易最快的自动分割算法。在一个最小阈值设定后,图像中任何灰度值高于这个阈值的像素都被认为是感兴趣区域的一部分。阈值分割在文中的目的是为了得到一个肾脏二值掩码图像,基于它,可以得到所需的皮质与髓质部分的初始轮廓。
1.2传统的离散动态轮廓模型
动态轮廓模型是一个连续和光滑的可变形样条,它受到由内,外部作用力组成的能量最小化函数的作用[4]。在实际应用中,采用公式(1)中的离散形式:
“贪婪算法”[8]被用来作为动态轮廓上离散点v1,v2,......vN运动的依据,见图2所示。每个点的运动被限制在以它为中心的3×3矩阵中,移动到的那个像素点具有公式(1)中的三个能量和的最小值。
内部作用力参考Lobregt S.等人提出的模型[9],对于点来说,
vi'对应于图3中的向量它是方向从前一个离散点指向当前离散点的差向量。同时,
vi"对应于图3中的向量指的是当前点的曲率,定义为在当前点的两个内部作用力的3×3领域矩阵创建后,需要除以最大值对他们进行归一化。
外部作用力采用传统的梯度图像,即I是对比度增强后的图像。在3×3领域矩阵创建后,同样需要进行归一化。
在轮廓上所有离散点每变动一次位置后,需要用“重采样”的机制[9]来控制相邻点间的距离。如果距离小于用户定义的最小距离lmin,那么两个点将由它们的中间点来替代;如果距离超过了用户定义的最大距离lmax,这两个点的正中位置将插入一个新的点。
1.3模仿气球力的简化动态轮廓模型
为了从肾脏的二值掩码图像中得到所需组织的初始轮廓,文中模仿“气球力”[6]的作用,对公式(1)的传统离散动态轮廓模型进行了简化。不同于Cohen L.D.[6]提出的在模型中添加一个气球力的方式,我们将表示内部作用力的“曲率”在作用上转化成使轮廓不断膨胀变形的“气球力”,同时去掉对“气球膨胀”没有作用的Econtinous。简化公式表示如下:
首先,切向量和法向量[9]的定义方式见图4。结合图3,是向量和的和,而是顺时针转90度的结果。
由图3和图4可见,为了让任一轮廓离散点向外膨胀运动,只需要让它的运动方向和法向量ri相反即可。因此我们定义:当曲率作用力和法向量同方向,即当前点处在轮廓的一个凸出点时,我们将反向,作为气球力,相应的公式(3)的结果取“负”号;当反方向,即当前点vi处在轮廓的一个凹陷点时,保持原始的不变并作为气球力。
外部作用力在公式(4)中不是原始图像的梯度图像,而是二值化掩码图像的梯度图像。
2 结果
2.1 二值掩码图像
在matlab的编程环境中,首先对原始MRI肾脏图像用imtophat-imbothat的形态学方式来提高图像的对比度(结构元素采用半径为40的“disk”)。之后用graythresh自动检测阈值的方式进行图像的阈值分割。最后对分割结果,先用参数为3的“square”结构元素通过imreconstruct去除图像背景上的一些噪声点,接着用参数为4的“square”结构元素对图像进行imclose的闭操作得到最后的肾脏掩码图像。图5分别显示原始图像、对比度增强后的图像和阈值分割处理后的掩码图像。
2.2 皮质与髓质区域的初始轮廓
根据2.3节中对原始动态轮廓模型的简化,公式(4)中参数设置为:B2=0.5,R2=5。在髓质和皮质区域设置的起始三角型轮廓,会在气球力的作用下迅速变形,停靠到组织的边缘处(见图6),作为下一步骤的初始轮廓。
2.3 最终分割的结果
在得到皮质与髓质的初始轮廓之后,根据公式(1)中传统的离散动态轮廓模型(设定),就能获取目标组织的光滑的边缘轮廓,位置是由预处理之后的梯度图像来决定的,见图7所示。
3 结论
本文实现了一种结合非模型与基于模型的分割算法。非模型的阈值分割先得到的是具有目标组织形态的掩码图像。通过仿照气球膨胀作用而简化的动态轮廓模型,可以手动设置最简单的起始轮廓(三角型),并在很短时间内得到所需组织的初始轮廓。它很接近最终轮廓位置,因而在传统的动态轮廓模型作用下就能准确地被组织边缘吸引住,从而完成相关区域的分割与提取。未来的工作中,除了会尝试更多的非模型与基于模型算法的组合方式,如分水岭和动态轮廓之外,也会对更多的医学图像数据进行测试。
摘要：提出了一种基于肾脏核磁共振图像来提取肾脏内部的皮质与髓质区域的图像分割算法,它结合了阈值分割与动态轮廓模型。首先,通过预处理和阈值分割得到初始的二值图像;接着,手动设定起始轮廓,它在简化后的动态轮廓模型作用下,模仿“气球”膨胀变形,最终,得到所需目标组织的初始轮廓;最后,它在传统的动态轮廓模型作用下停靠在由原图的梯度图像定义的组织边缘处。
关键词：肾脏,核磁共振图像,阈值分割,动态轮廓模型
参考文献
[1]百度百科-肾脏[OL].http://baike.baidu.com/view/66040.htm.最近更新2010.12.25.
[2]de Priester JA,den Boer JA,Giele EL,et al.MR renography:an algorithm for calculation and correction of cortical volume averaging in medullary renographs[J].J Magn Reson Imaging,2000,12(3):453-459.
[3]Chow TW,Takeshita S,Honjo K,et al.Comparison of manual and semi-automatic delineation of regions of interest for radioligand PET imaging analysis[J].BMC Nuclear Medicine,2007,7:2.
[4]Kass M,WitKin A,Terzopoulos D.Snake:Active contour model[J].International Journal of Computer Vision,1988:321-331.
[5]Lapeer R.J.,Tan A.C.,Aldridge R.Active watersheds:combining 3D watershed segmentation and active contours to extract abdominal organs from MR images[A].MICCAI[C]2002,2488:596-603.
[6]Cohen L D On active contour models and balloons[J].Cvgip:Image Understanding,1991,53(2):211-218.
[7]Gonzalez R C,Woods R E著,阮秋绮,等,译.数字图像处理(第二版)[M].北京:电子工业出版社.2007.
[8]Williams DJ,Shah M.A fast algorithm for active contours and curvature estimation[J].Computer Vision,Graphics,and Image Processing:Image Understanding.1992,55(1):14-26.
成像模型 篇6
1资料与方法
1.1研究对象郑州大学第一附属医院2012-10~2013- 04经影像学检查及病理证实的48例 (共57处病灶) 乳腺病变患者, 年龄21~72岁, 中位年龄44岁。所有患者MRI检查前均未接受治疗, 且于检查后10 d内行手术治疗。48例中, 21例良性病变 (23处病灶, 良性组) , 27例恶性病变 (34处病灶, 恶性组) , 具体病变类型见表1。排除5例双侧乳腺病变患者, 以患者自身对侧正常腺体作为对照组 (43处) 。本研究经郑州大学第一附属医院伦理委员会批准, 所有患者均知情同意并签署知情同意书。
1.2仪器与方法采用GE Discovery MR750 3.0T MR仪, 8通道乳腺专用相控线圈。患者取俯卧位, 双侧乳腺自然悬垂于线圈孔内, 胸壁紧贴线圈, 足头位进入主磁场。扫描参数:MR平扫采用轴位快速梯度回波T1WI :TR 640 ms, TE最小值, FOV 32 cm×32 cm, 矩阵512×512, 层厚4 mm, 层间距1 mm, 激励次数 (NEX) 1;轴位脂肪抑制快速自旋回波T2WI :TR 2587 ms, TE 85 ms, FOV 32 cm×32 cm, 矩阵512×512, 层厚4 mm, 层间距1 mm, NEX 2;单b值DWI采用轴位单次激发自旋平面回波序列, b=0、800 s/mm2, TR5600 ms, TE最小值, FOV 32 cm×32 cm, 重建矩阵256×256, 层厚4 mm, 层间距1 mm, NEX 6;多b值DWI采用轴位单次激发自旋平面回波序列, b=0、20、 50、100、200、400、600、800、1000、1200、1500、 2000 s/mm2, NEX=1、1、1、2、2、2、4、4、6、6、 8、10, 其余参数同单b值DWI。MR增强扫描采用轴位Vibrant压脂序列, TR 3.9 ms, TE 1.7 ms, FOV36 cm×36 cm, 矩阵512×512, 层厚1.4 mm, 层间距0。 对比剂选用钆喷替酸葡甲胺, 剂量0.2 mmol/kg, 用高压注射器经肘静脉以2.0 ml/s团注, 注射后追加10~20 ml生理盐水冲管。
1.3图像后处理在GE Advantage Windows 4.5工作站, 应用Functool工具包对单指数DWI图像和双指数DWI图像进行后处理。图像分别导入工具包中的ADC和MADC软件, 结合DWI原始图像在增强图像上手工放置感兴趣区 (ROI) 和对侧腺体的对照区。ROI的选取原则为, 将ROI放置于病灶最大平面上, 选取增强最明显处, 尽量避开病变坏死或囊变区。软件通过进行单指数和双指数模型计算分别生成ADC、Slow ADC、 fast ADC及ffast伪彩图, 并得到ROI相应参数的数值, 所有数据均测量3次取平均值。
1.4统计学方法采用SPSS 17.0软件, 良性组、恶性组与对照组间ADC值、Slow ADC值、Fast ADC值及ffast值比较采用单因素方差分析, 两两比较采用LSD法;并绘制单、双指数模型ADC值、Slow ADC值、 Fast ADC值及ffast值的ROC曲线, P<0.05表示差异有统计学意义。
2结果
2.1组间各参数值比较恶性组 (图1) 乳腺病变最大径为 (14.65±6.62) mm, 良性组 (图2) 最大径为 (13.35±6.79) mm。良性组与恶性组、良性组与对照组、恶性组与对照组间ADC值和Slow ADC值差异均有统计学意义 (t=4.40~13.41, P<0.05) ;良性组与恶性组、恶性组与对照组间ffast值差异有统计学意义 (t=3.22、 6.39, P<0.05) 。见表2。
2.2诊断效能评估绘制ADC、Slow ADC、FastADC及ffast的ROC曲线 (图3) , 其曲线下面积 (AUC) 分别为0.82、0.89、0.63、0.75。根据Youden指数, 找出各个参数的最佳诊断切点值, ADC、Slow ADC、Fast ADC及ffast鉴别诊断乳腺良恶性病变的最佳阈值分别为1.14×10-3mm2/s、0.84×10-3mm2/s、2.22×10-3mm2/s及0.30; 以此阈值判断各参数鉴别诊断乳腺良恶性病变的敏感度和特异度见表3。
图1女, 51岁, 左乳浸润性导管癌 (II级) 。左侧乳腺9~12点钟方向见一类圆形肿块, 平扫T1WI呈稍低信号, 压脂T2WI呈高信号;结合DWI原始图像 (A) 在增强图像 (B) 上手工放置感兴趣区和对侧腺体的对照区, 并在生成的ADC (C) 、Slow ADC (D) 、Fast ADC (E) 及ffast (F) 伪彩图上记录相应的参数值, 感兴趣区4个参数值分别为0.94×10-3、0.32×10-3、2.39×10-3mm2/s及0.19;对照区分别为2.11×10-3、1.96×10-3、2.44×10-3mm2/s及0.63
图2女, 37岁, 右乳纤维腺瘤。右侧乳腺约10点钟方向可见一类圆形肿块, 平扫T1WI呈低信号, 压脂T2WI呈高信号;结合DWI原始图像 (A) 在增强图像 (B) 上手工放置感兴趣区和对侧腺体的对照区, 并在生成的ADC (C) 、Slow ADC (D) 、Fast ADC (E) 及ffast (F) 伪彩图上记录相应的参数值, 感兴趣区4个参数值分别为1.44×10-3、1.17×10-3、2.29×110-3mm2/s及0.38;对照区分别为1.97×10-3、2.03×10-3、2.39×10-3mm2/s及0.56
注:*与良性组比较, P<0.05;#与对照组比较, P<0.05
3讨论
传统的DWI技术基于单指数模型计算ADC值, 以反映活体组织中水分子的扩散, 可以在一定程度上在分子水平评价疾病的病理生理过程。然而, 该模型却忽略了组织中血液微循环灌注对ADC值的影响。 Le Bihan等[6]研究发现, 通过MR信号与单指数模型计算出的ADC值不能真实地反映组织扩散的生物学特征。双指数模型DWI用更精确的方法通过其定量参数评价组织的扩散系数和组织微血管灌注, 将扩散与灌注分离。双指数模型DWI可以计算出3个相关参数: Slow ADC反映水分子真实的扩散效应, Fast ADC和ffast均与组织的微灌注相关。国外已有学者应用双指数模型评价肝纤维化、慢性脑缺血等[4,6], 国内也有学者应用此模型评价颈内动脉狭窄[7]、慢性肾脏病[8]、儿童脑肿瘤分级[9]或鉴别诊断椎体良恶性病变[10]等。本研究在国内首次将IVIM DWI技术应用于乳腺, 评价其在乳腺病变良恶性鉴别诊断中的价值, 并与传统的单指数模型ADC值进行对比研究, 显示出较高的诊断效能。
3.1单指数模型DWI DWI通过检测水分子扩散能力来评估组织的性质。水分子在活体组织内的扩散与细胞密度、细胞膜通透性、细胞内外成分等因素有关。在病理情况下, 上述因素发生改变导致水分子扩散发生变化, 从而使DWI图像上的信号发生改变。目前主要应用由两点法得到的ADC值来鉴别诊断乳腺良恶性病变, 乳腺恶性病变的ADC值小于良性病变[2,3,11,12]。虽然高b值时ADC值的诊断效能更高, 但是随着b值的增加, 组织的信噪比及病灶的对比噪声比逐渐降低, 所以不宜选择过大的b值, 因此, 本研究中单指数DWI选用b值为0、800 s/mm2。乳腺恶性肿瘤细胞增殖快, 细胞外空间较乳腺腺瘤小, 腺瘤细胞外水含量高[13,14], 这可能是良恶性病变ADC值差异的机制。
3.2双指数模型DWI与单指数模型不同, 双指数模型通过分离水分子扩散和血液灌注, 准确测量水分子扩散系数, 区分良恶性病变的血液灌注。根据双指数模型计算Slow ADC值代表组织中水分子真正的扩散效应, 又称纯扩散系数。本研究中, 恶性组Slow ADC值明显低于良性组, 说明恶性病灶扩散受限较良性病灶更明显, 这可能与乳腺癌组织内癌细胞异常增殖, 局部细胞密度增高, 癌细胞细胞核增大, 细胞质减小, 核质比降低有关。ROC曲线显示鉴别恶性组与良性组的最佳Slow ADC值是0.84×10-3mm2/s, 由于双指数模型DWI在计算Slow ADC值时剔除了灌注的影响, 所以该阈值低于本研究中ADC值的阈值1.14×10-3mm2/s。虽然Slow ADC值在恶性组和良性组鉴别中具有一定的价值, 但组间Slow ADC值存在一定程度的重叠, 其真正的鉴别诊断效能尚需增加病例进一步研究。
根据IVIM理论, Fast ADC很大程度上取决于肿瘤组织的毛细血管密度, 与组织微血管灌注的丰富程度有关。本研究中恶性组和良性组间Fast ADC值无显著差别, 这可能与本研究中乳腺纤维腺瘤占良性组的绝大多数有关。雷振等[15]研究证明, 乳腺纤维腺瘤是一种供血较充足的良性肿瘤, 灌注血流较丰富。ffast值为灌注分数, 理论上应随着组织微循环灌注的增加而增大。本研究中, 对照组的ffast值为0.58±0.17, 与Sigmund等[16]研究的灌注分数小到可以忽略并不一致。原因可能与所使用软件的不同或线性拟合方法的不同有关;另外也可能与Sigmund等[16]的研究中双指数DWI仅使用一个扩散敏感梯度方向, 限制了扩散各向异性的灵敏度有关, 其根本原因还需进一步研究。
3.3单、双指数模型DWI在乳腺良恶性病变鉴别诊断中的价值比较ROC曲线和AUC作为一种比较不同诊断参数对疾病识别能力的指标已得到普遍认可, 越靠近ROC曲线左上角的点是错误最少的最好阈值, 其假阳性和假阴性的总数最少, 并且AUC越接近1, 诊断效能越大。本研究中, 利用ROC曲线对单指数模型参数ADC值, 双指数模型参数Slow ADC、Fast ADC及ffast值诊断效能的对比评估发现, Slow ADC鉴别乳腺良恶性病变的敏感度和特异度较高, 并且AUC最大, 即诊断效能最大, 原因可能是:1细胞内部成分众多, 恶性肿瘤细胞的变化主要表现在细胞内成分上, 导致细胞内水分子运动相对细胞外受限;2微血管血流灌注会对细胞外水分子扩散起弥补作用, 而对细胞内水分子扩散作用甚微。所以反映细胞外扩散的Slow ADC在良恶性病变上差异最大, 重叠性最小。其根本原因有待进一步探讨。另外本研究存在一定的偏倚, 如良性组内病变类型不均衡、样本量较小和手工放置感兴趣区具有主观性等。
成像模型 篇7
1 材料与方法
1.1 模型制作
分离一段长约30 cm的新鲜猪结肠, 清洗后将肠壁外翻, 于黏膜面钳夹小块黏膜组织, 用医用丝线结扎其根部形成模拟息肉, 息肉以一定间隔连续排列, 共30个, 其中息肉高度1.0~3.0 mm 10个, 3.1~5.0 mm 10个, 5.1~10.0 mm 10个, 见图1。然后将黏膜翻入恢复原肠壁结构, 注入空气使肠管充分膨胀后结扎肠管。扫描前将结肠模型固定于塑料容器内, 并向容器内注满0.1%碘水溶液。
图1模拟息肉。将离体猪结肠肠壁外翻, 于黏膜面用医用丝线结扎其根部形成连续线性排列的模拟息肉
1.2 CT检查
采用GE Discovery CT 750HD宝石能谱CT机扫描结肠息肉模型, 分别以不同管电流 (10、20、30、40、50、60、70、80、90、100、120、140、160、180、200、240、320 m A) 重复扫描。其他扫描参数:管电压120 k V, 球管旋转时间0.6 s, 螺距0.984∶1, 层厚0.625 mm, 层间距0.625 mm, 矩阵512×512, 重建视野50 cm。
1.3 图像重建
CT扫描结束后, 对不同管电流扫描条件下所得图像均以FBP、50%ASIR、100%ASIR和MBIR算法进行重建, 软组织算法, 重建层厚0.625 mm, 层间距0.625 mm。
1.4 图像分析
将重建后的数据传至GE ADW 4.3工作站进行图像后处理, 获得CT虚拟结肠镜 (CT virtue endoscopy, CTVE) 、结肠虚拟分割 (virtual dissection, VD) 和多平面重组 (MPR) 图像。由2名有CTC诊断经验的放射科副主任医师采用盲法对每组图像质量以4分制[5,6]进行评分, 评分标准见表1, 并记录每组图像的目测息肉检出率。取2名医师评分结果及息肉检出率的平均值进行分析。2名医师分别对每组图像固定选取2个层面测量图像的噪声和对比噪声比 (CNR) 。将圆形感兴趣区放置在容器上方空气内, 面积为1 cm2, 将被测空气密度的标准差 (SD) 作为图像噪声。CNR为息肉与空气的CT值之差与噪声的比值。噪声和CNR结果取2名观察者的平均值, 再分别计算ASIR和MBIR相对于FBP的噪声降低率和CNR提高率, 以MBIR为例, 噪声降低率MBIR= (SDFBP-SDMBIR) /SDFBP×100%;CNR提高率MBIR= (CNRMBIR-CNRFBP) /CNRFBP×100%。
1.5 统计学方法
采用SPSS 17.0软件, 各组图像噪声及CNR进行析因设计的方差分析, 对不同管电流水平的4种重建方法比较采用LSD法, P<0.05表示差异有统计学意义。
2 结果
2.1 FBP、ASIR及MBIR对图像噪声的影响
4种重建模式下的图像噪声均随管电流减小而增加, 其中MBIR增加幅度最小, FBP增加幅度最大 (图2A) 。MBIR及ASIR图像噪声较FBP明显下降 (F=21.860, P<0.05) ;管电流10~70 m A时, MBIR图像噪声均较FBP、50%ASIR及100%ASIR明显下降 (P<0.05) 。随着管电流降低, 50%ASIR及100%ASIR的噪声降低率无明显变化, 而MBIR的噪声降低率逐渐增加 (图3A) , 提示MBIR及ASIR均较FBP降低图像噪声能力强, 在低剂量条件下MBIR较ASIR降低图像噪声能力更强。
2.2 FBP、ASIR及MBIR对图像CNR的影响
4种重建模式下的图像CNR随着管电流减小而减小, 其中100%ASIR减小幅度最大, FBP减小幅度最小 (图2B) 。MBIR及100%ASIR图像CNR较FBP明显提高 (F=4.209, P<0.05) ;10~80 m A管电流时, MBIR图像CNR较FBP、50%ASIR及100%ASIR明显提高 (P<0.05) 。随着管电流降低, 50%ASIR及100%ASIR的CNR提高率无明显变化, 而MBIR的CNR提高率逐渐升高 (图3B) , 提示MBIR及ASIR图像CNR较FBP提高, 在低剂量条件下, MBIR图像CNR较ASIR及FBP提高。
2.3不同重建算法对结肠息肉的检出情况
利用4种重建算法获得CT仿真内镜及虚拟分割图像在所有管电流条件下息肉检出率均为100%, 3 mm以下息肉在重建获得的MPR图像上由于表现为微小隆起而不易与黏膜皱襞的局部隆起相鉴别, 而3 mm以上息肉在MPR图像上均可以显示。
图2不同重建算法的噪声 (A) 及CNR (B) 与管电流变化的关系
图3噪声降低率 (A) 和CNR提高率 (B) 与管电流变化的关系
2.4 FBP、ASIR及MBIR图像质量评价
10 m A管电流时FBP、50%ASIR、100%ASIR及MBIR 4种重建算法的平均主观评分值分别为 (2.00±0.77) 分、 (2.50±0.92) 分、 (2.50±0.50) 分、 (3.00±0.63) 分, 所得图像符合诊断要求的最低管电流及重建算法为10m A并应用MBIR重建算法。MBIR的CTVE及VD图像比FBP、50%ASIR及100%ASIR的图像对黏膜皱襞细节的显示更为清晰, 黏膜皱襞更为光滑。100%ASIR的MPR图像可见“勾边样”伪影, 而FBP、50%ASIR及MBIR的MPR图像中无此伪影, 且MBIR的MPR图像比FBP、50%ASIR及100%ASIR的图像更细腻, 息肉边缘更为光滑锐利, 病变密度更为均匀 (图4) 。管电流10 m Av及以上时, 4种重建算法的息肉检出率均为100%。
图4扫描电压为120 k V、管电流为10 m A时不同重建算法对图像质量的影响。A~D分别为FBP、50%ASIR、100%ASIR和MBIR的图像重建结果, 各组图像的横列从左至右为CTVE图像、VD图像和MPR图像 (轴位) 。MBIR的CTVE、VD图像较FBP、50%ASIR和100%ASIR对于黏膜皱襞细节显示更为清晰, MBIR的MPR图像息肉边缘较其他3种算法更为光滑锐利, 息肉密度更为均匀, 且没有100%ASIR图像中的“勾边样”伪影
3 讨论
3.1 ASIR和MBIR的原理
ASIR算法使用FBP数据建立一个最终结果, 假设邻近体素之间的噪声差异是由统计波动或图像噪声引起的, 对所有投射数据进行多次选择迭代和矫正, 由此重建出高质量和低噪声的图像。ASIR百分比反映了原始FBP图像与本质上完全通过数学模型建立的无噪声图像的混合比例, 例如0%ASIR实际上即FBP图像[7,8]。
MBIR是一个完全的迭代重建算法, 使用多次迭代和多模型, 除建立系统统计模型之外, 还建立了系统光学模型, 体素、X线光子初始位置和探测器几何因素均通过模型进行模拟, 真实地还原了X线从投射到采集的过程, 提高了重建图像的空间分辨率。MBIR用于重建的模型包括焦点模型、X线锥形束模型、三维体素模型、探测器单元模型、系统噪声模型。MBIR对每一个体素进行精确描述, 并考虑体素受到特定大小的X线焦点照射后激活探测器单元的情况;随体素的位置不同, 与X线焦点的距离不同, 受照射后激活探测器单元区域的大小也会不同。MBIR通过迭代方法不断地去除原始数据中的统计噪声和光学模糊效应, 从而还原一个真实的物体。此外, MBIR还加入了去除硬化伪影和金属伪影的技术, 但MBIR重建所需计算量非常大, 重建时间较长, 目前尚未应用于临床[6,9,10]。
3.2 ASIR和MBIR改善图像质量比较
本研究表明, 无论常规剂量还是低剂量扫描条件下, MBIR和ASIR图像的噪声均比FBP图像低, 而在低剂量扫描条件下MBIR的图像噪声比ASIR更低;在各个剂量条件下, MBIR和100%ASIR图像的CNR均比FBP图像高, 在低剂量扫描条件下MBIR图像的CNR比ASIR更高。低剂量扫描时, MBIR的CTVE、VD图像与ASIR及FBP图像相比, 黏膜皱襞细节显示更为清晰, 降低了息肉检出的假阳性率;而MBIR的CTVE及VD图像在息肉显示方面与ASIR及FBP图像差别不大, 可能是由于后处理时重建CTVE及VD图像的软件应用了某些算法, 改变了图像质量;MBIR的MPR图像对息肉边缘显示较ASIR及FBP图像更为光滑, 病变密度更为均匀, 且没有100%ASIR图像中的“勾边样”伪影, 可见MBIR的图像质量比ASIR及FBP的图像质量高。在较高扫描剂量时, 尽管MBIR与100%ASIR相比不能明显降低图像噪声并提高图像CNR, 但100%ASIR的MPR图像中有“勾边样”伪影, 且临床上一般也不采用100%ASIR图像, 由于过高的ASIR (如100%) 噪声谱与常规不同, 高比例的ASIR可能会大幅改变图像的纹理和特性[11]。
本体外实验模型研究发现, 对息肉满足100%检出率的CTC最低剂量扫描方案为扫描电压为120 k V、管电流为10 m A, 最佳图像质量为应用MBIR, 与Yoon等[12]的研究结果一致。尽管MBIR的MPR图像对3 mm以下息肉的检出率不能达到100%, 但MBIR的CTVE及VD图像息肉检出率可达100%, 能满足诊断要求。
3.3 本研究的局限性
本研究的局限性在于: (1) 本研究样本量小, 且模拟息肉均为带蒂息肉, 未包括扁平息肉和无柄息肉, 而扁平息肉及无柄息肉不易与黏膜皱襞局部隆起相鉴别, 故此离体模型研究有可能高估息肉检出率。 (2) 本实验模型中息肉以一定间隔呈线性排列是为了方便对息肉进行观察, 比较息肉大小, 但是可能会降低息肉检出的假阳性率。 (3) 扫描中盛放肠管的容器体积固定, 不能代表不同体重指数的患者。 (4) 本离体模型研究属于理想条件下的研究, 未考虑肠蠕动和血管搏动等的影响, 并且不存在患者肠道清洁不满意的因素, 还需要在后续的体内研究中加以改进。 (5) 本研究未评估2名观察者对图像质量进行主观评价时观察者间的差异。
总之, 本离体模型研究结果表明在CTC中, ASIR和MBIR重建算法与FBP算法相比, 均可以显著降低图像噪声, 提高图像质量。在低剂量扫描条件下, MBIR提高图像质量的能力比ASIR更强, 为低剂量条件下进行CTC筛查结肠疾病提供了可能。
参考文献
[1]Svensson MH, Svensson E, Lasson A, et al.Patient acceptance of CT colonography and conventional colonoscopy:prospective comparative study in patients with or suspected of having colorectal disease.Radiology, 2002, 222 (2) :337-345.
[2]Laghi A, Iafrate F, Rengo M, et al.Colorectal cancer screening:the role of CT colonography.World J Gastroenterol, 2010, 16 (32) :3987-3994.
[3]Gunn ML, Kohr JR.State of the art:technologies for computed tomography dose reduction.Emerg Radiol, 2010, 17 (3) :209-218.
[4]Ulzheimer S, Endt H, Flohr T.Computed tomography—patient dose and dose reduction technologies.Health Phys, 2011, 100 (3) :325-328.
[5]宁培钢, 朱绍成, 史大鹏, 等.高级迭代重建算法降低腹部CT剂量的潜能:体模研究.中国医学影像技术, 2012, 28 (12) :2243-2247.
[6]吴瑶媛, 王万勤, 刘斌, 等.FBP、ASiR和VEO三种重建算法对常规剂量胸部CT图像质量的影响.中国医学影像技术, 2012, 28 (3) :575-578.
[7]王艳, 史大鹏, 朱绍成, 等.比较以自适应性统计迭代重建技术和滤过反投影重建的低剂量腹部CT的图像质量.中国医学影像技术, 2012, 28 (10) :1902-1905.
[8]于晓坤, 孙浩然, 李又洁, 等.ASIR提高低剂量CT结肠成像息肉检出率有效性的体模研究.临床放射学杂志, 2011, 30 (10) :1536-1540.
[9]Chang W, Lee JM, Lee K, et al.Assessment of a model-based, iterative reconstruction algorithm (MBIR) regarding image quality and dose reduction in liver computed tomography.Invest Radiol, 2013, 48 (8) :598-606.
[10]Miéville FA, Gudinchet F, Brunelle F, et al.Iterative reconstruction methods in two different MDCT scanners:physical metrics and 4-alternative forced-choice detectability experiments--a phantom approach.Phys Med, 2013, 29 (1) :99-110.
[11]Silva AC, Lawder HJ, Hara A, et al.Innovations in CT dose reduction strategy:application of the adaptive statistical iterative reconstruction algorithm.Am J Roentgenol, 2010, 194 (1) :191-199.