基于混和水平集模型的CT颅面眼眶分割.doc

基于混和水平集模型的CT颅面眼眶分割 摘要 提出一种混和水平集模型，用于颅面整复的眼眶分割。 与一般水平集模型相比，混和水平集模型同时结合了区域和边缘信息，从而使得其具有较高的鲁棒性和准确性，解决了单纯基于边缘的水平集模型容易产生边缘泄露的问题。采用混和水平集模型分割的结果可用于三维重建和三维充填物计算，从而达到计算机辅助指导临床手术的目的。实验证明混和水平集模型在眼眶分割中取得了很好的效果。 A Hybrid Level Set Model with Application to the Segmentation of Eye Socket Abstract In this paper, we propose a hybrid level set model with application to the segmentation of eye socket. Compared with other level set methods, the hybrid model is more robust and accurate due to the combination of region and boundary information. It solves the leaking problem of boundary based level set method. The segment results of hybrid level set model can be used in 3-D eye socket reconstruction and calculation of hydroxyapatite implant, which are useful in computer-aided surgery. Experiments have shown that hybrid level set model has very good performance in the segmentation of eye socket. 引言 先天性颅面畸形或幼年肿瘤放射治疗后颅面发育不良、外伤后继发畸形等，可致颅面骨架结构异常和颜面轮廓变形，形成颅眶不对称、小眼眶症、严重颅面塌陷等。如何使颅面外形恢复正常，是临床极为棘手的难题[1]。70年代后期，国际上颅面外科的兴起和开展，可以对颅、眶、面、颌骨等部位的畸形进行手术治疗，但由于该部位的精细外形和其在颜面部的显著位置，要很好的恢复颅面外形和正常的颅面结构，至今有存在许多难题，Salyer、David等认为手术前如何进行计算机辅助的术前模拟和设计是近5年颅面外科需要攻克的主要难题之一。 基于医学影像处理的颅面整复手术计算机辅助设计系统借助于计算机图象处理，计算机图像学，计算机网络等技术对颅面骨进行整体的三维重建，分割提取和三维显示，可以帮助我们对受损颅面骨及其它感兴趣的区域进行定性直至定量分析，能更好地辅助医生进行诊断和手术设计以及更精确地实现分割对象的测量计算。 为了进行术前的测量计算，我们首先需要根据骨结构的CT数据资料分割和重建眼眶的外形和结构；然后以眶口作为底部，计算圆锥形眼眶的体积，以作为眼眶容积计算的参考；分别计算患侧眼眶和正常侧眼眶的眼眶容积；再根据正常侧眼眶和患侧眼眶进行手术充填物的三维计算，经过计算机三维重建模拟修复后的眼眶（见图1），用以指导手术[2]。在整个流程中，对正常和病变部位的计算机自动分割技术是不可缺少的重要组成部分，分割的精确程度直接会影响到后续过程的计算。然而，目前常用的一些分割方法，在眼眶分割中，效果都不十分理想[3]。本文在结合基于区域的水平集方法和方向信息的边缘检测的基础上，提出了一种混和水平集模型。实验证明，该模型对于分割正常侧和患侧眼眶的外形具有很好的效果。 基于区域的水平集方法 2.1 图像分割 图像分割是计算机视觉和图象处理中的一个基本问题。图像分割就是指同质区域的分割，即将图像中具有某种相同属性的像素归为一类。常见的图像分割方法有以下两种：基于区域的和基于边缘的。基于区域的方法比较稳定但精确度不够；基于边缘的方法这恰恰相反，其精确度较高但容易受到噪声干扰。在本文中采用的基于区域的水平集方法是一种结合了区域信息和边缘信息的新方法，在颅面眼眶分割中表现出较强的稳定性和精确度。 2.2 原理介绍 水平集方法(Level set method)[4]是基于变形模板的图像分割中的一种。相对于Snake模型[5]来说，水平集方法是一种几何型变形模板。它具有拓扑可变和对初始位置不敏感等特点，是一种很有发展潜力的分割方法。 最初水平集方法提出时是基于边缘的分割方法，但是和其他的边缘分割方法一样，它容易受到噪声的干扰。Mumford-Sha