头影测量标志点计算机自动识别的初步研究

头影测量标志点计算机自动识别的初步研究胡遒生1潘林2鲍旭东2王林1[摘要]目的实现标志点的自动识别是当前计算机头影测量技术的发展方向和研究热点。本研究对计算机头影测量自动定点技术进行了初步探讨。方法从南京医科大学口腔医学院正畸科门诊随机选择20张头颅侧位片作为待测图像，另选1张高质量的X光片为标准图像。使用仿射变换结合模板匹配的方法来识别标志点。首先在标准图像上手工确定各标志点的位置并建立标志点的标准模板；然后用仿射变换的方法把标志点从标准图像变换到待测图像上去，获得标志点的初始位置；最后经模板匹配确定标志点的准确位置。结果共识别出11个硬组织点和10个软组织点。硬组织点平均误差2.28mm，软组织点平均误差0.77mm。有4个硬组织标志点的定点误差小于2mm。结论初步建立了头影测量标志点自动识别系统，但整体上标志点识别的准确性尚不能满足临床应用要求。本研究为今后的工作打下了一定的基础。[关键词]X线头影测量图像处理,计算机辅助计算机辅助诊断仿射变换模板匹配AutomaticIdentificationofCephalometricLandmarksHuQiusheng,PanLin,BaoXudong,WangLin(StomatologicalCollege,NanjingMedicalUniversity,Nanjing,China，210029)[Abstract]ObjectiveAresearchonautomaticidentificationofcephalometriclandmarkswasperformedinthisstudy.MethodsAhighqualitylateralskullimagewaschosenasstandardimage.Landmarkswerelabeledmanuallyonstandardimage,thenthetemplateofeachlandmarkwasestablished.ResultsTotally,11hardtissuelandmarksand10softtissuelandmarkswereidentifiedautomaticallybymeansoftemplatematchingcombinedwithaffinedtransformationin20testimages.Themeanerrorofhardtissuelandmarksidentificationwas2.28mmandthemeanerrorofsofttissuelandmarkswas0.77mm.ConclusionTheresultofthelandmarkingwasnotgoodenoughforclinicuse.Furthereffortsshouldbemadetoimprovetheaccuracyofautomaticidentificationofcephalometriclandmarks.[KeyWords]cephalometry;imageprocessing,computer-assisted;diagnosis,computer-assisted;affinedtransformation;templatematching本研究受江苏省科委自然科学基金资助（项目编号BS99063）作者单位：1南京医科大学口腔医学院正畸科(210029)2东南大学影像科学与技术实验室通讯作者：胡遒生（1971-），男，硕士，Tel:[phone],Email:[e-mail]线头影测量分析的自动化使得牙颌面畸形的诊断、治疗设计更加准确，并大大减轻了操作者的负担。但是，标志点定位的准确与否会直接影响测量结果的可靠性，如果标志点的输入仍然停留在人工定点的水平，不仅需要大量时间，而且主观因素强，不可避免地会产生人为误差，危及测量结果的准确性。因此，要使得测量分析快捷、准确，就必须实现头影测量标志点识别的自动化。从1980年代中期开始，学者们就尝试进行标志点的计算机自动识别，并报道了许多不同的识别方法和识别结果。然而由于图像结构复杂，图像质量差异较大，再加上硬件条件的限制，迄今为止尚未出现能应用于临床实际的自动识别系统。本文将对头影测量标志点的计算机自动识别进行初步探讨。1材料与方法1.1研究条件硬件环境：IBM计算机(PIII1.5G/516M/40G/17”)，扫描仪(UmaxPowerLook2100)，打印机(MinoltaDeskLaser2200)。软件环境：Windows2000操作平台、自行研制开发的计算机X线头影测量软件。1.2数字X线图像的获取从南京医科大学口腔医学院正畸科门诊随机选择20张头颅侧位X线片，使用扫描仪将其输入计算机。扫描参数为256级、72dpi（dotsperinch）、透射模式、放大率1:1。扫描得到的数字图像文件以BMP格式保存。1.3标志点标准坐标的获取由3名熟练掌握头影测量分析技术的临床医师使用自行研制开发的计算机X线头影测量软件，独立对扫描得到的20副图像进行测量分析。分析过程如下：首先由软件在打开图像时自动建立坐标系，该坐标系以图像的左上角为原点，水平向为X轴，垂直向为Y轴。操作者面对屏幕上的图像，使用鼠标在屏幕上确定标志点。然后由计算机自动获取并记录每一个标志点的坐标。这样，对于每一个标志点都有3个不同的坐标值，这3个坐标值的平均值就被设定为本研究中的标志点的标准坐标。定点过程中，操作者可以随时修改标志点的位置，直到满意为止。对于一些质量不高的图像，还可以使用图像预处理、图像放大/缩小、软硬组织增强、亮度/对比度调节等辅助功能，以提高定点的准确性。1.4标志点的计算机自动识别综合运用边缘检测、仿射变换和模板匹配等方法进行识别。首先建立各标志点的标准模板。另选一幅高质量的图像作为标准图像，在其中确定所有标志点的位置，并以此为基础生成一系列的标准模板，如蝶鞍曲线、眶点曲线、上中切牙切缘曲线等等，用于后续的模板匹配。由于软硬组织的影像特性不同，因此采用不同的方法识别软硬组织的标志点。对于硬组织标志点，识别过程如下：第一步，使用全图模板匹配的方法识别耳点（P）、额前点（Gh）、颏下点（Me）、上中切牙切端（UI）四个基准点。因为这四个点特征明显或位于清晰的边缘上，只要建立合适的模板，较容易识别。第二步，以上述四个点为参照，确定仿射变换的参数，利用仿射变换的方法把标准图像中的标志点变换到待测图像中去，获得标志点的初始位置。第三步，以此初始位置为基础，在一定的范围内进行搜索和模板匹配。再根据标志点特征的不同，运用不同的图像处理方法，对模板匹配的结果进行必要的修整、平滑等处理，最终获得标志点的正确位置。详细过程见参考文献[1，2]。由于软组织在X光片上的显影情况差别很大，根据图像质量的好坏，识别过程略有不同。对于质量很好的图片，可以完全自动识别。方法如下：首先依据先验知识检测出头颅定位标尺的位置，然后依此确定软组织鼻根点（Ns），再以该点为起始点，使用边缘跟踪检测技术获得软组织侧貌轮廓曲线，最后提取出所需标志点。对于质量一般的图片，需手工确定软组织鼻根点的位置，再以该点为起始点，识别出软组织侧貌轮廓曲线和所需标志点。以同样的方法建立坐标系并记录待测图像中标志点的坐标值。1.5计算机自动定点的准确性检验将自动定点所得坐标值与手工确定的标准坐标值进行比较，计算二者之间的误差，并将其换算成实际距离（mm）。分别计算每一个标志点的误差情况，统计误差小于1mm，2mm和5mm所占的比例。2结果本研究已自动识别出软硬组织标志点共21个，所有标志点的平均误差为1.59mm。11个硬组织标志点中有4个点的误差小于2mm（上中切牙切端点（UI）、颏顶点（Gn）、颏前点（Po）、颏下点（Me）），7个点的误差大于2mm，平均误差2.28mm。识别准确性最高的是上中切牙切端点（UI），平均误差不足1mm。眶点（Or）定点准确性最差，平均误差为5.80mm。软组织标志点识别准确性高于硬组织标志点，平均误差为0.77mm，其中下唇凹点（LL）误差最大，为1.19mm。所有的软组织标志点平均误差均小于2mm。各标志点的误差详细情况见表1。3讨论近年来，国内外学者都将研究的焦点集中到了标志点的计算机自动识别，并报道了许多研究结果。然而迄今为止，尚未出现完全成熟的标志点计算机自动识别系统。各种研究使用的方法和获得的结果也不尽相同。标志点的识别方法大体上可分为二类：一是基于先验知识的边缘检测法，一是模板匹配法。Levy-Mandel[3]、Davis[4]等学者使用的是第一种方法。基于先验知识的边缘检测法的缺点在于对图像质量依赖较高，只有位于清晰边缘的标志点才能被识别。由于先验知识被“编码”入算法，每个算法只能针对特定的结构，因此，当解剖结构变异过大时识别率就会下降。并且，如果要添加新的识别内容是很困难的，因为那要添加新的算法。Cardillo[5]、Rudolph[6]等学者使用模板匹配法来识别标志点。模板匹配法对图像质量要求不是非常高，但对标志点附近灰度的变化比较敏感。由于在整个图像中寻找特定结构，模板匹配法运算量很大，识别时间较长，而且最大的问题在于可能出现严重远离正常位置的识别结果。本研究使用将二者结合运用的方法进行标志点的识别。首先使用全图模板匹配法识别4个特征明显的基准点，确定标志点的总体框架。再利用仿射变换把标志点从标准图像上变换到待测图像上去，确定标志点的大致范围和搜索区域。最后再用边缘检测技术和局部模板匹配识别出标志点的准确位置。这种方法的好处是缩小了搜索区域，边缘检测和模板匹配只在指定的很小的范围内进行，避免了模板匹配时多个匹配结果或远离正确位置的匹配结果的出现，可以减少识别过程中的运算量和运算时间，提高识别的准确性。本研究共自动识别出21个软硬组织标志点，与手工确定的标准坐标相比，平均定点误差1.59mm。硬组织标志点总体误差大于软组织标志点。既往的研究表明，头影测量标志点的误差类型是不一样的，不同标志点的识别准确性也不一样[7]。本研究中，上中切牙切端（UI）是识别准确性最高的硬组织标志点。这是因为上中切牙切端影像特征非常明显，表现为一个典型的“V”字型，而且中切牙切端牙釉质厚度较大，在X片上显示为高密度的影像。而中切牙切端周围影像密度又较低，与牙齿影像形成了明显的反差，边缘非常清晰。因此，使用模板匹配的方法即能较准确地识别该点。硬组织标志点中，其它几个识别准确性较高的点也都位于对比清晰的边缘，如颏顶点（Gn）、颏前点（Po）、颏下点（Me）等，均位于下颌颏部下缘。而位于颅面结构深处或周围结构复杂的标志点，如眶点（Or），蝶鞍点（S）等，则识别难度较大，识别率低。本研究由于采用了手工确定识别起始点的方法来检测软组织边缘，因此软组织检测结果较为准确，标志点识别误差也较小。然而，这种方法充其量也只能称之为半自动检测，离真正意义上的全自动分析还有较大距离。本研究中11个硬组织标志点的平均误差为2.28mm，有4个点的定点误差小于2mm，这与以往的研究结果大体相当。Rudolph[6]使用空间光谱分析法（spatialspectroscopy）对14张图像进行分析，识别了15个标志点，平均误差3.07mm。Hutton（2000）[8]报道使用变形模板算法识别标志点，结果：13%的点误差1mm，35%的点2mm，74%的点5mm。Grau（2001）[9]提出二步识别法，识别了20张图像中的17个标志点，平均误差1.1mm，识别成功率90.3%（2mm）。一般认为，头影测量标志点的定点误差小于2mm是“可以接受”的，误差小于1mm的定点是相当“精确”的[10]。本研究硬组织标志点的平均定点误差为2.28mm，离头影测量精确性的要求尚有一定距离。但本研究中已经有4个标志点的误差小于2mm，有的点甚至达到了“精确”的程度，这为今后的进一步研究奠定了基础。研究表明，头影测量的准确性受多