(ⅱ) 图像配准(image registration). 在数字人断层数据采集过程中, 因标本和照相机相对位置的不稳定会造成的一定的空间偏差, 需要通过图像配准来消除. 为了减低图像配准的难度, 预先将4 根铜缆沿标本躺卧方向固定绷紧在人体包埋容器内, 与人体标本同时进行机械加工与成像. 铜缆在断层图片中产生的断面区域界线清晰, 区域重心被作为图像配准时的标定点. 标定点的位置提供了图像空间偏差的方式和程度, 这种偏差可以用3 种简化的空间变换表示, 即水平位移、水平旋转和垂直缩放, 对于每一张断层图片, 都能够获得唯一的空间反变换矩阵,再通过矩阵计算实现配准. 图像配准均在MathworksMatlab环境中实现。

    (ⅲ) 感兴趣区域(ROI)提取和无损图像压缩. 它们的作用是去除冗余数据, 实现海量数据存储和传输. ROI 指的是人体外轮廓以内的区域, 该区域以外的部分为包埋剂、比色卡、包埋盒等非人体组织, 为非感兴趣区域. 将ROI 的面积占图像总面积的比例定义为图像利用率, 计算得到CDH M2 数据集的平均图像利用率仅为 15%左右, 即有 85%的数据冗余。将非ROI 的像素亮度置零, 结合图像压缩算法, 可以有效地降低冗余区域存储, 提高计算和传输速度。图像压缩采用无损PNG 图像压缩格式, 具有显示速度快和利于网络传输等特点. 如需进一步提高计算和网络传输速度, 可采用JPEG/JPG (joint photographicexperts group)压缩格式, 在牺牲部分分辨率的前提下,相对于原始数据的压缩比可达到1%。

    2.2 组织器官的分割和标识

    器官和组织的分割标识是构建三维结构数据集的基础, 它将数字人彩色断层图像与解剖学知识相结合, 把图像中具有特殊含义的不同区域分割开来。提高人体切片数据图像分割的精度和速度是目前公认的瓶颈, 也是世界上数字人研究的热点。 图像分割一般有自动分割与基于图像处理软件的交互分割。自动分割对分割对象的要求较高, 特别适用于高对比度的目标物, 如CT 图片中的骨骼、绿色荧光蛋白标记的细胞等, 在CDH M2 数据集中, 自动分割对象有软骨、人体外轮廓、红骨髓、血管、器官内轮廓等. 本研究使用ITK (insight toolkit, 图像分割配准工具包)的阈值处理、区域增长等工具包对红骨髓、器官内轮廓等进行了分割. 在实际使用中证明, 人机交互可以有效提高自动分割的效果, 因ITK 不具备可视化和GUI (graphical user interface, 图形用户界面), 这里结合使用VTK (visualization toolkit, 可视化工具包)和FLTK (the fast light toolkit, GUI 工具包)对其进行扩展编程。

    基于图像处理软件的交互式图像分割是本研究广泛使用的分割方法, 主要基于Adobe Photoshop 图像处理平台, 其具有的优点包括强大的图像分割功能、海量数据处理、任务批处理、操作简易等. 交互式图像分割在图像对比度不高时, 分割准确度要高于自动分割, 大部分的器官和组织只能通过交互式图像分割获得. 交互式图像分割要求具备很好的人体解剖学知识和大工作量的投入. 所以, 组织器官的分割是工程量最大, 耗时最长和投入人力最多的课题。

    为保证图像分割的客观性与准确性, 分割中有解剖学专家进行指导和评估, 并在分割前, 采用印刷行业的屏幕颜色校准方法进行颜色标准统一, 避免显示设备差异带来的分割误差。经过图像分割获得的每一个结果都会有个唯一的标识, 该标识将以格式化文件名的形式赋给图片, 同时被数据库记录. 这里采用医学主题词表(medical subjectheadings, MeSH)命名体系和层次规范[11], 它的唯一性是由生理系统类别、生理结构方位、器官类别、所处断层序号等层次关系实现. 其中, 生理系统类别指的是神经系统、运动系统、循环系统等; 生理结构方位指的是头、胸、腹等; 断层序号为被分割断层图片的序号。

    组织器官的分割和标识结果采用JPEG/JPG 图片格式保存, 压缩比率高, 每个像素用8 位灰度表示,不改变图像大小。

    2.3 海量数据的三维建模

    三维重建是最常用的建模方法, 它将二维信息拓展到三维空间中, 使信息更加直观和生动. 高分辨二维图像集是超过GB 的数据, 构建同分辨率的三维结构数据只能采用并行图像三维重建完成. 并行三维重建使用MPI (message passing interface)并行库和VTK 工具包。海量数据的处理是三维建模中的主要困难. 对于全身性质的完整结构(如皮肤), 重建过程需要一次性地消耗百GB 级的内存空间, 普通计算机只有通过空间采样和分段重建等手段才能勉强达到要求。 对于椎骨、眼球等局部的小器官, 因其有效数据量较少,可以在高性能图形工作站上进行重建. 经分析, 内存消耗主要与三维体素空间的尺寸大小相关, 通过数据并行, 即将大空间分割为若干小空间, 能够有效降低单个计算单元的内存消耗(图 3(c)). 本文采用的基于集群计算机的并行三维重建能够保证高分辨率,具备对所有整体结构、细微器官和组织的数据进行高速、完整的重建的能力。

    本研究对数字人每个组织器官或亚结构进行单独建模, 均采用表面重建方式, 获得表面三角网格(polygonal data)模型[12](图 3(b)). 与另一种常用的体重建方法相比, 表面重建虽然只保留了器官的轮廓信息, 但可以极大地降低可视化的难度, 提高数据集的应用价值[13]. 表面模型并不能完全解决超大模型的应用问题, 为了能够在普通计算机上进行可视化,有意识地缩减原始模型的三角面片数量, 可以获得低分辨率的人体三维模型。

图3 心脏建模示意图
(a) 心脏原始面绘制结果; (b) 面模型某处的三角网格拓扑结构;(c) 并行计算示意图.
① ~④ 为4 种不同灰度区域代表不同计算节点的输出

    解剖结构的三维建模结果主要以二进制形式的VTK 格式保存, 为了增加模型的通用性, 可以通过VTK 自带的IO 接口或其他商业软件进行格式转化,生成3DS, STL, WRL, IV 等常用3D 格式. 所有3D 格式尽量使用二进制形式保存, 与常用的ASCⅡ文本形式相比, 二进制形式能极大提高海量数据模型存储和读写的效率。

    2.4 数字人数据集的可视化

    可视化(visualization)是利用