使用三维智能剪刀算法的PACS设计

卢涤非

DOI：10.16644/j.cnki.cn33-1094/tp.2021.11.010

摘  要： 为了提高PACS的医学影像处理的效率和准确性，在三维智能剪刀技术的基础上，结合三维图形处理和医学影像处理技术，设计和开发了智能PACS。不仅可以管理医学影像资料，还可以高效自动地辅助医生对脏器和肿瘤进行分割标识，医生可以在这些数据的基础上对肿瘤的疗效和预后进行准确的评估。该系统不仅在算法层面有所创新，而且把最新的学术成果应用到医疗应用第一线，有重要的理论价值和强烈的应用需求，对公共卫生起到明显促进作用，可以产生巨大的社会效益。

关键词： 三维智能剪刀; 医学影像处理; PACS; 三维图形处理; 智能医疗

中图分类号：TP391          文献标识码：A      文章编号：1006-8228（2021）11-38-03

PACS design using 3D intelligent scissors algorithm

Lu Difei

（Zhejiang Institute of Mechanical & Electrical Engineering， Hangzhou， Zhejiang 310053， China）

Abstract： In order to improve the efficiency and accuracy of medical image processing of PACS （Picture Archiving and Communication System）， an intelligent PACS is designed and developed on the basis of 3D intelligent scissors， by combining 3D graphics processing technology and medical image processing technology. The intelligent PACS can not only manage medical image data， but also efficiently and automatically assist doctors in segmentation and identification of organs and tumors. Doctors can accurately assess the efficacy and prognosis of tumors on the basis of the system. The system is not only innovative in algorithms， but also applies the latest academic achievements to the front line of medical applications. It has important theoretical value and strong application requirements， and it has a significant role in promoting public health and can produce huge social benefits.

Key words： 3D intelligent scissors; medical image processing; PACS; 3D graphics processing; intelligent medical care

0 引言

目前，癌癥死亡已位居我国各类死因的第一位。CT等医学成像技术，由于其应用成本相对较低且有效可靠，已逐渐成为癌症诊断、治疗以及疗效评估的极为重要的手段。对癌症病人脏器的医学影像进行有效处理和分析对病人的治疗和后期监测有着非常重要的作用。然而由于医学影像的成像原理与传统成像技术的差异，不可避免地具有模糊、不均匀性特点，医学影像的应用主要依赖于放射科医生对图像的理解和解读，医生的主观性和经验，甚至医生的工作状态，都对图像的分析结果有非常大的影响。于是，采用计算机技术对医学影像进行辅助处理的意义越来越重大。其中，医学影像分割技术是其他处理的基础，是进行病理分析和手术方案制订等医疗措施的基础，在影像医学中有不可替代的作用[1，2]，是当前医学图像处理的一个难点，也是肿瘤量化分析和精准治疗的基础。

当前，图像分割算法有很多，全自动分割算法无法很好地处理复杂的图像，如医学影像。为了应对这种情况，文献[3]首次提出了智能剪刀（Intelligent scissors）交互式算法，该算法辅助人工操作，在分割图像方面有稳定性高，计算速度快等优点，但是，在涉及有多层数据的CT等医学影像时，由于没有使用多层面图像间的相关性信息，算法的准确性、处理速度和效果都有待提高。针对这种情况，在文献[3]的基础上，本文在前期工作中提出了三维智能剪刀（3D Intelligent scissors）算法[4，5]，把仅适用于二维图像的智能剪刀拓展到了三维空间，并成功应用于胸腔分割[4]和肝脏分割[5]。

1 三维智能剪刀

算法主要内容包含以下四部分。

⑴ 输入五个控制点

首先在三维医学影像（图1（a））输入五个控制点（图1（b）），五个控制点A、B、C、D、E大致可以标出目标初步位置。

⑵ 以AB为直径构造球三维网格

算法从20面体构造一个圆球三角网格。对20面体的每个三角面片，分裂为四个小的三角面片，并替换原来大的三角面片。分裂过程中，对每条边找出中点，然后连接20面体中心点与该点，找出在圆球上的点，连接这些新生成的点与原来的顶点就生成了一个新的圆球三角网格（图1（b）圆球网格）。

⑶ 变形网格

为了平滑地把球形网格变形为目标对象初步形状，本文拓展了文献[6，7]中的目标函数，这些目标函数以仿射变换矩阵的形式表示。整个变形过程受三个目标函数控制，即光滑约束函数，变形突变约束函数，影像和网格配准函数。

图1（c）是针对肝脏的初步变形结果，该三维网格具有10242个顶点， 30720条边和20480个三角面片。

⑷ 迭代优化网格及目标边界

优化网格，首先通过图1（c）网格自动计算出每层影像上目标对象的初始边界，然后在初始边界的邻近区域寻找脏器或肿瘤边界点来替代初始边界。边界优化由拉普拉斯零值、梯度阈值、梯度方向、轮廓方向和轮廓等高性共五个约束方程来确定。

2 三维智能剪刀算法的优化和工程化

在原型系统上测试表明，文献[4，5]完成的算法尽管比人工分割要快很多，也稳定很多，但是还不能达到实时交互的要求，如果能达到实时交互，本算法在医学图像的编辑处理中发挥很大的作用。本文的一个重要的研究内容就是提高算法的处理效率。算法涉及几万个未知数的大规模稀疏方程组的求解，在原型系统中采用Umfpack [8]库求解，实践中发现把约束方程转化成Umfpack要求的形式要花费比较多的时间，其求解速度有较大的提高空间。在三维智能剪刀算法中，需要输入五个控制点作为初始化的数据，这些点输入的效率和有效性与三维交互界面的用户友好性密切相关。

3 SMART PACS系统的开发

3.1 系统架构（图2）

根据当前医学影像处理的临床需求，以及“互联网+”技术的发展，为了使得三维智能剪刀算法能够在更大的范围内获得应用，SMART PACS拟采用B/S结构，图2展示了整体架构。

3.2 重要功能

⑴ 影像归档功能

能够对影像数据并进行归档处理，生成病人数据和影像数据。

⑵ 病人病历管理功能

通过病人的影像数据能够产生病历信息。用一个病历表来储存病人的基本信息，病历表与病人表的分离，是为了后期可以灵活绑定检查。

⑶ 常规操作功能

智能PACS常规操作功能见表1。

⑷ 核心功能：三维智能剪刀操作界面和结果展示

操作界面自动提供五个小窗口，同时显示影像数据的不同层面图像位置，可以方便用户快速输入五个控制点。同时设置一些快捷操作，如按下shift键--鼠标可回退;Esc按键取消;如果不满意可删除选区重新描绘。

结果的展示分两个部分，一部分是变形后的三维网格，因为整体架构采用B/S结构，考虑使用WebGL绘制，另外一部分为分割后的医学影像，拟采用HTML5实现，通过其Canvas元素即可在网页上绘制从服务器接收到的图像，通过jQuery插件，捕捉桌面电脑鼠标、键盘事件及移动终端触摸事件，从而实现不同平台交互事件的统一处理。

4 结束语

本文涉及图形学和医学影像处理的交叉性课题，不仅在学术上有诸多闪光点，而且为三维智能剪刀技术在医学影像的应用打下了良好的基础，可以造福广大患者。该研究有以下创新之处与特色。

⑴ 方法层面

把图形处理的方法有效地应用到医学图像分割上，是医学图像处理的一个积极的探索。本文利用网格，把整个CT图像作为一个整体处理，有效地克服了单一图像片上边界模糊难处理的问题。本文算法实质上是一个三维网格变形和图像边界分割相互融合的过程：在有明确图像边界的区域，三维网格主要按图像边界信息进行变形;在没有明确图像边界的区域，三维网格则按照公式约束方程进行变形。

⑵ 技术与工程层面

把PACS系统推向智能化，有效降低放射科医生的工作强度，提高工作结果的准确性和稳定性，为分析和比较不同阶段的病情提供有效可靠的数据支撑，是精准治疗和手术的基础性工作。

参考文献（References）：

[1] James S.Duncan， Nicholas Ayache， Medical Image

Analysis： Progress over Two Decades and the Challenges Ahead[J].IEEE Transaction on patter analysis and machine intelligence，2000.22（1）：181-204

[2] DzungL.Pham， ChenyangXu， Jerry L.Prince， A Survey of Current Methods in Medical Image Segmentation[R]， Technical Report JHU/ECE 99-01， Johns Hopkins Univ.，1998.

[3] Eric N. Mortensen， William A. Barrett. Intelligent scissors for image composition[C]. InProceedings of the 22nd annual conference on Computer graphics and interactive techniques （SIGGRAPH '95）， Susan G. Mair and Robert Cook （Eds.）. ACM， New York， NY， USA，1995：191-198

[4] 盧涤非，叶修梓，吴吟等.三维网格引导的癌变病人CT图像的腹腔分割[J].计算机辅助设计与图形学学报，2015.15（6）：1017-1023

[5] Lu， Difei， Wu， Yin， Harris Gordon， et al.Iterative mesh transformation for 3D segmentation of livers with cancers in CT images[J].Computerized Medical Imaging and Graphics，2015.43（7）：1-14

[6] Lu， Difei，Ye， Xiuzi，Zhou， GuoMin，Animating by example[J].Journal of Visualization and Computer Animation，2007.18（4-5）：247-257

[7] Summer， R. W.， AndPopovi'c， J.Deformation transfer for triangle meshes. ACM Transactions on Graphics 23， 3 （Aug.），2004：399-405

[8] Davis， T. A. 2003. Umfpack version 4.1 user guide. Tech. rep.， University of Florida.TR-03-008.