Ｘ线头影测量计算机自动识别系统的建立:计算机视觉需要学什么

　　[摘要]目的：建立计算机对X线头颅定位侧位片的自动识别系统。方法：针对X线头颅定位侧位片图像的特征，采用图像处理技术来确定头影测量所需标志点；用Borland C Builder编程语言编写程序。结果：提取了头颅定位侧位片的软组织和硬组织轮廓曲线和图像内部的某些特征曲线，在此基础上确定了19个头影测量标志点，建立了X线头影测量计算机自动识别系统。结论：利用现代图像处理技术可以开发建立X线头影测量计算机自动识别系统。
　　[关键词]头影测量；计算机；自动识别
　　[中图分类号]R783 [文献标识码]A　[文章编号]1008－6455(2007)07－0971－03
　　
　　X线头影测量主要是测量X线头颅定位片，对牙颌、颅面各标志点描绘出一定的线角，进行测量分析，从而了解牙颌、颅面软硬组织的结构，使对牙颌、颅而的检查和诊断由表面形态深入到内部的骨骼结构中去。自从1931年Broadbent创立了X线头影测量分析技术以来，至今它仍然是口腔正畸和正颌外科等学科重要的临床辅助诊断工具和科研手段。目前头影测量分析主要依靠临床医师手工描图、定点和分析，不仅费时费力，而且会不可避免地产生土观性误差。随着数字化X线摄影的发展，传统的X线胶片将逐渐被数字化图像所取代；数字图像处理技术是利用计算机对数字化图像进行一系列操作、从而获得某种预期结果的技术。本研究的目的是利用数字图像处理技术来建立头影测量计算机自动识别系统。
　　
　　1　材料和方法
　　
　　1．1　材料
　　1．1．1　选取在本科就诊的口腔止畸患者的X线头颅定位侧位片10张作为研究的实验图片，要求在X线放射量上较合适，不出现明显曝光过量和不足的情况，并且无明显划痕和污迹。
　　1．1．2　使用上海中晶科技有线公司的Microtech5．0透射平板扫描仪，扫描时的像素分辨率设为600dpi，将X线片扫描后以BMP格式存入计算机内。
　　1．1．3　实现环境：使用Windows 2000操作平台，具体程序设计使用Borland c++Builder 6.0编程语苦。
　　
　　1．2　方法
　　1．2．1　图像预处理：首先将存入计算机内的头颅定位侧位片进行预处理。采用半径是5×5的高斯滤波器进行中值滤波，去除图像的噪声，去掉南非可控因素产生的随机噪声，同时还可以初步平滑待识别轮廓的边缘。
　　1．2．2　图像分割：是指把图像分成各具特性的、互不重叠的区域，并提取出感兴趣的目标，它是目标表达的基础。本研究采取阈值化分割算法。根据图像的灰度直方图，选取合适的阈值，像素灰度值大于阈值的归于一类，小于阈值的归于另一类，从而将图像分割开来。通过选取不同的阈值，将图像分割，获得了头颅定位侧位片的软组织外轮廓、硬组织外轮廓、硬组织内部轮廓、蝶鞍区轮廓和耳部区域轮廓。
　　1．2．3　边缘提取：采用拉普拉斯梯度算子，对分割后的图像进行运算，提取出轮廓的边缘，并进行曲线细化、曲线跟踪和曲线抽样拟合。
　　1．2．4　提取特征标志点：本研究提取的标志点为头影常用测量标志点(软组织和硬组织标志点)。根据各标志点在提取曲线上的几何性质，用计算机语言进行重新定义，从而识别各标志点。例如，一部分标志点的计算机语言定义为：①额点(G点)：硬组织额部的最突点，即该区域曲线上横坐标最大的点；②上齿槽座点(A点)：上颌骨前缘最凹点，即上颌骨曲线j=二横坐标最小的点；③下齿槽座点(B点)：下颌骨前缘最凹点，即下颌骨曲线上横坐标最小的点；④颏F点(Me点)：颏部最下点，即颏部曲线上纵坐标最小的点；⑤软组织颏顶点(Gns点)：软组织颏部曲线上与一条斜率为1的直线距离最近的点。


　　1．2．5　建立自动识别系统：分别实验实现了头影测量标志点的自动识别后，用Borland C++Builder6．0编程语言编写综合软件程序，建立自动识别系统。
　　
　　2　结果
　　
　　建立了头影测量计算机自动识别软件系统，具体功能包括：打开、保存、显示图像的灰度直方图、对X线头颅定位侧位片进行自动识别，提取出19个头影测量标志点并自动生成坐标值。这19个标志点为：软组织额前点、软组织鼻根点、上唇缘点、上唇突点、下唇突点、下唇缘点、颏唇沟点、软组织颏前点、软组织颏顶点、软组织颏下点、额点、上齿槽座点、上中切牙点、下齿槽座点、颏前点、颏顶点、Pm点、颏下点、D点。
　　
　　3　讨论
　　
　　头影测量技术作为一种研究工具被广泛应用，它可以量化个体或者人群的颅面部参数，区分正常和异常的解剖形态，对治疗前后进行比较。但是，头影测量并不是一门精确的科学，尽管头颅片可以精确的测量，但是测量误差随着给予标志点的不同可以有很大的差异。目前国内的正畸临床医师绝大部分仍采用手工描图、定点和测量分析，这种传统的头影测量方法枯燥而且费时，并且不可避免地带来了主观性的误差，据报道，手工定点的平均随机误差为1.26mm。定点的误差将会影响测量分析结果的准确性，影响诊断和治疗计划的拟订。因此，本实验致力于研究开发自动化的头影测量分析系统，建立简便、精确的头影测量分析方法。
　　数字图像处理技术是在计算机的应用基础上的一门新兴技术。它的最终目的是用计算机代替人去认识图像，对图像的内容加以理解，从而指导和规划行动。国外学者早在80年代就开始致力于计算机对头影测量自动分析的研究，并进行了大量的尝试，包括模板匹配和模糊逻辑的识别方法，基于数学形态学和遗传算法的识别方法，运用空间光谱的分析方法等。国内的学者们在计算机自动识别标志点方面也做了很多工作。但是，迄今为止，仍然没有开发出成熟的、能够应用于临床和科研工作的头影测量计算机自动识别分析系统。
　　目前的头影测量分析方法(无论是人工头影测量分析还是计算机辅助的头影测量分析)，都是用主观性的方法，而不是用严格的数学定义来识别标志点。不同的测量者或同一测量者在不同时间段进行标志点识别时，都可能得到不同的值，而本实验中，计算机对各种标志点的识别是建立在各个标志点空间位置的数学描述以及几何定义的基础上，是经过严密计算而得到的，因此是位置唯一的、并且可以重复得到的点。
　　在本实验建立的软件系统中，可以实现打开BMP图像、保存BMP图像的功能，并对X线头颅定位侧位片进行自动识别，可以自动产生出19个头影测量标志点的坐标值。本研究尚处于初级阶段，还不能识别出头影测量分析所需要的所有标志点，从而不能进行标志点之间距离和角度的测量分析比较。在以后进一步的研究上作中，考虑引入人工智能模式识别方法，将人工识别的优点同计算机识别的优点相结合，从而完善计算机自动头影测量识别系统。