X线头影标志点的计算机自动识别初步研究
作者：魏明贵 周正炎 丁国伟 王国世 郭其一 杨杰
单位：魏明贵 周正炎 丁国伟(同济大学附属同济医院口腔颌面外科 200065)；郭其一(同济大学)；王国世(静安区中心医院)；杨杰(上海交通大学图像所)
关键词：计算机图像处理；模式识别；标志点；自动定位；头影测量
口腔颌面外科杂志000401 摘 要：目的 旨在研究用于X线头影测量分析的各标志点的计算机自动识别与定位方法，建立计算机自动定点的X线头影测量分析系统(CACAS)。方法 应用现代计算机图像处理与模式识别的相关技术，其中包括中值滤波、直方图均衡、基于小波变换的多尺度分析、Canny边缘检测、基于知识的边缘跟踪及可变模板匹配技术等，改善X线头影图像质量，提取软硬组织边缘轮廓，自动定位识别标志点。结果 CACAS系统成功实现了17个标志点的自动识别与定位及面下1/3轮廓描迹。结论 本研究建立CACAS系统所运用的技术方法是有效可靠的。
, http://www.100md.com
中图分类号：R782.2 文献标识码：A
文章编号：1005-4979(2000)04-0283-05
PRELIMARY STUDY OF COMPUTERIZED AUTOMATIC IDENTIFICATION OF LANDMARKS IN X-RAY CEPHALOMETRY
WEI Ming-gui,ZHOU Zhen-yan,DING Guo-wei,et al.
(Department of Stomatology,Tongji Hospital,Tongji University,Shanghai 200065)
Abstract：Objective To exploit the technique for automatic identification of landmarks and develop the computerized automatic cephalometric analysis system(CACAS) to identify the landmarks by computer instead of manual operation.Methods The techniques related to computer digital image processing and pattern recognition such as Median filtering,Histogram equalization,Canny edge detection,Wavelet transformation,Knowledge based edge tracing and changeable template were introduced to develop the computerized automatic cephalometeric analysis system(CACAS).The whole function of CACAS were realized by three steps as followed:firstly,image preprocessing including moving noise and image enhancement by applying Median filtering and Histogram equalization;secondly,extracting the soft-hand tissue edge of image by applying canny edge detection wavelet transformation,Knowdege based edge tracing and changeable template techniques;finally,landmark identification by identifying its geometric characters.Result Seventeen landmarks were successfully identified and low 1/3 face profile werre outlined by CACAS.Conclusion The techniques applied to develop the CACAS were effective and reliable.Especially the identification of landmarks in extra-edge of image is more precise than manual operation.But the landmarks of inner edge of image were not identified by computer at present.The study must be continued further.
, 百拇医药
Key words：Computer image processing;Pattern recognition;Landmarks;Automatic identification;Cephalometry
自1931年Broadbennt创立了定位X线头影测量技术以来，该项技术广泛应用于牙颌面畸形的定量分析诊断和治疗设计。早期X线头影测量包括手工描迹、标志点定位，相关距离、角度、比例关系的测量和计算；70年代，Walker将计算机测量分析技术应用于X线头影测量，然而仍在手工下进行描图和定点[1]；80年代起，计算机数字图象处理技术应用于X线头影测量分析，以人机交互方式下进行定点和描图[2]；但无论手工还是人机交互方式定点均造成较大的误差。因此本研究将基于现代计算机数字图象处理与模式识别技术的基础上，开发X线头影标志点的计算机自动识别与定位技术，为建立X线头影计算机自动分析系统奠定基础。
1 材料与方法
, 百拇医药
1.1 硬件组成
头颅定位X线摄片机(SIEMENS ORTHOCEPH 10s)；主机Pentium或更高档次微机；图象输入设备：扫描仪(Microtek ScanMakerE6+TMA)；图象输出设备：监视器(800×600,24bit),显卡(4M显示内存)，激光打印机HP-Ⅲ型(2M内存)。
系统硬件配置的框架图如下：
1.2 软件系统
由操作系统软件、支持软件、功能软件组成。
系统软件：Windows95或98，提供应用软件运行的环境。
, 百拇医药
支持软件：Photoshop5.0;Scanwizard为数字图象的输入、方位校准及存取的支持系统。
功能软件：建立在Window95操作系统基础上，程序设计使用C++语言，上海交通大学图象所协助开发。其编程及实现的逻辑算法流程见图1。
图1 算法流程示意图
1.3 头颅定位X线片的摄取
摄片时患者头部用定位仪严格固定，眶针指向右眶点，两耳塞与眶针所处平面于水平面平行，正中咬合位，上下唇自然姿势位。摄片机球管X线中心线对准两耳塞连线，球管至耳塞中心距离为150cm，胶片至耳塞中心距离越接近越好。摄片时管电压80kV、管电流10mA、曝光时间2s。曝光后胶片常规显影、定影及漂洗、烘干后备用。
, http://www.100md.com
1.4 侧位X线片数字化转换
将X线胶片置于已联机的扫描仪玻璃平台上，盖上TMA板，于Photoshop5.0支持环境下进行扫描，扫描的分辨率为72dpi，灰阶为256级，亮度为0～10%，图象存取格式为BMP。
1.5 X线数字图象方位校准
X线胶片扫描完成后，必须保持X线头影在标准头颅定位位置上进行标志点定位与边缘描迹，故图象输入之前，在Photoshop5.0软件运行环境下进行X线头影位置校正，以眶耳平面水平作为校正标准，通过测量耳点、眶点连线与水平面的夹角，利用软件的图象旋转指令进行数字X线头影方位校正。
1.6 图像的归一化的处理
将不同尺寸的图像通过放大和缩小，或者以P点为基准点，抽取图像中包含有用信息的子块，统一为尺寸一致的256级灰度图像；通常尺寸大小统一为550×670点阵，基本上包括临床上所需要各个标志点的图像区域。
, http://www.100md.com
1.7 图象的预处理
1.7.1 噪声的去除 我们采用中值滤波器去除噪声，提高图像信噪比。中值滤波器是非线性滤波器，可以在去除噪声的同时完成平滑边缘的工作。
1.7.2 灰度直方图均衡 由于X线投照的剂量不一样，使得不同的X线图像的亮度、灰度动态范围差别较大。采用直方图均衡增大灰度级，归一化灰度动态范围，使图像灰度分布层次分明，提高图像清晰度，间接起到增强边缘作用，方便进一步的处理。
1.7.3 小波变换的多尺度分析 基于小波变换的多尺度分析是建立在严密的数学基础上，通过在不同尺度上对信息和图像的处理，获得不同的细节信息。在X线头影图像中，许多边缘轮廓线，由于边缘噪声的影响，会造成边缘的中断、分岔等。我们根据X线图像特征，选择恰当的小波基，对图像进行多级分解，得到不同分辨率的图像，以获取最大限度的边缘细节信息，这样相当于去除噪声的作用，同时又起到连接边缘的作用。实验结果也表明，进行过小波多尺度处理后的图像，边缘比较连续，噪声干扰相对较少(见图2)。
, 百拇医药
1.8 图象的边缘提取与连接
本研究采用不同宽度的Canny滤波器对经小波分解后X线头影图象边缘进行检测与提取，把低分辨率图像上处理的结果在高分辨率图像上进行再处理，这种我们称作基于大尺度引导的小尺度下的边缘精确定位方法，帮助我们精确地找到边缘，且边缘的连续性较好。对于由于图像退化而连续性较差的边缘，可用基于知识的可变模板匹配法寻找缘线。对于有中断的边缘采用基于知识跟踪技术进行连接，连接边缘时，中断间隔在3个像素之内则直接用直线连接，大于3个像素时则用二次样条曲线插值方法连接。然后将提取的边缘二值化及细化处理。这样将得到一幅X线头影的软、硬组织的轮廓图边缘线。(见图3a,b)
1.9 特征标志点的识别与标记
根据特征性标志点在X线头影边缘上所处的几何特征，如大多数标志点或位于最凸点、最凹点；或位于最前点、最后点，或是几个解剖结构的交界点；或是在某一几何形状的中心点。计算机系统根据其几何特征的数学描述进行运算即能定位标志点。一部分特征点的几何定义描述如下：
, http://www.100md.com
B点，凹点，连接Gn和Ii(或者Is)，则B点与此线段的距离最远；
Gn点，下颌骨骼轮廓线的最右下点，也是局部的曲率最大点；
Ii或者Is点，曲率最大点，也是局部的横坐标值的最大点；
Pg点，下颌骨骼轮廓线最前点；
Me点，下颌骨骼轮廓线最下点；
S点，近似半圆弧的中心点。
1.10 自动建立坐标系与标志点定标
系统定位N点后，自动建立以N点为原点，SN平面顺时针旋转7°为X轴，通过N点垂直X轴线作为Y坐标轴的座标系。同时系统根据建立的座标系自动计算出各标志点坐标值，系统是通过计算像素数目及像素大小而转换出相应坐标数值的。
, http://www.100md.com
2 结果
本研究建立的系统成功地识别并定位了骨骼标志点9个：S，N，Is,Ii,B,Pg,Gn,Me,Go,P。软组织标志点8个：Li,Ls,Si,Pgs,Gns,Mes,Stms,Stmi。同时系统能准确计算并显示各个标志点的坐标数值，自动描迹侧面轮廓线图，主要是面下三分之一软硬组织侧貌。图4示17个标志点自动定点的结果。
图2 X线头影图像的小波一次分解
图3(a) 对原图进行Canny滤波所之后所得到的边缘
, 百拇医药
图3(b) 对小波一次分解得图象进行Canny滤波所得到的边缘
图4(a) 原图图4(b) 自动提取的特征点3 讨论
3.1 数字图象处理与模式识别技术的应用
数字图象处理即利用计算机对模拟量图象进行数字化、滤波、去噪声、分析及判断等处理过程，是以计算机为基础的信息技术中的一门新兴科学。由于视觉是人类最重要的感知手段，图象又是视觉的基础，因而数字图象处理成为研究军事、遥感、气象及医学影像等视觉感知领域的重要手段[3]。早在80年代，Jackson[2]首先报道了数字图象处理在头颅定位X线测量分析中的应用，通过计算机对X线头影数字图象进行一系列预处理，在不丧失有效信息的基础上达到去 除噪声及伪影，实现图象增强及边缘平滑，显著地改善了图象灰度比，提高图象的视觉效果，因而增强了人眼对X线头影的解剖结构及标志点的分辨力，提高了测量分析的可信度。Eppley[4]等通过对常规X线片与处理过的数字图象在标志点人工定位方面的评价，研究表现：骨骼标志点定位精度无明显差异，而软组织标志点的定位，数字化X线头影明显优于常规X线片。
, 百拇医药
模式识别是数字图象处理技术中重要组成部分，其主要任务是实现对数字图象的特征信息进行分析与识别，识别的过程包括有图象分割、特征提取及分类三个阶段[3，5]。Cohen[6]首先报道了采用模式识别的有关技术对X线头影硬组织个别标志点进行了成功的定位。Parthasarathy等[7]等采用基于知识的边缘跟踪技术自动识别定位骨性标志点9个。Tong等[8]报道了动态阈值技术自动识别包括软组织在内的特征标志点17个。尽管如此，他们随后报道了自动定点准确性较差，且受X线片质量影响大，因而并没有在临床上得到认可与应用[9]。现在一直认为，由于颅颌面软硬组织结构重叠的复杂性和生物个体表现的多样性，单纯应用某一种全局性识别处理技术是无法达到所有标志点准确定位的。因此本研究在特征标志点识别与定位中，结合颅颌面结构中各标志点分布区域的影像结构特点，初步小波多尺度分析、采取Canny滤波、基于知识的边缘追踪及可变模板匹配等多种处理技术，成功地实现软硬组织17个标志点自动定位。经过临床应用验证，标志点自动定位的准确性高且较稳定(临床评价待发表)。
, 百拇医药
3.2 标志点自动定位实现的意义
定位X线头影测量技术包括标志点的定位、头影的描迹、测量与计算等操作程序。其发展趋势将经历手工测量、人机交互半自动化测量、计算机自动化测量等三个阶段[1]。但实现计算机完全自动化分析的关键是标志点的准确识别与定位。关于这方面的研究国内进行得很少，国外目前也还处在探索阶段。
无论在手工测量还是在人机交互的半自动分析中，其头影的描迹与标志点的定位均由人眼来判断与识别，由于X线头影图像本身复杂性及生物个体的多样性，不同的测量者对各个标志点的定义理解偏差、测量经验及熟练程度不同，均造成较大的定点误差。Baurimid[5]早在70年代的研究表明手工定点平均随机误差为1.26mm，定点的误差直接影响测量分析结果的准确性，给临床诊断与治疗设计带来较大不利影响。另外手工定点操作枯燥且耗时，测量者必须具有良好的解剖知识与放射学知识。
, http://www.100md.com
X线头影图像中的绝大多数标志点均为某个特征结构边缘的极点，如最前点、最下点及最后点，或某一几何形状的中心点如S点。而计算机对各标志点的识别是建立在各标志点空间位置数学描述及几何定义的基础上，经过严密的运算而得到的。因此计算机自动识别与定位标志点有其客观的根据，无疑消除了人为主观因素造成的误差，为X线头影测量分析中标志点确定开辟了一条新途径。
3.3 计算机自动定点准确性的影响因素
本研究认为X线头影片质量是影响数字图像与定点精度主要因素。计算机对标志点的识别定位基于边缘提取的前提下，对一幅黑白图像来说，边缘信息灰度变化的产物，而曝光过大或不足的X线头影片将会产生一些灰度变化较弱区域，这样会隐去了一些边缘结构，这对计算机识别边缘与标志点是非常不利的。尽管预处理能够增强边缘与改善灰度比，但有一定的局限性。其次数字图像的输入和输出设备的精度也影响自动定点的精确性。
本研究采用的实验数字图像，其光学分辨率为72dpi、灰阶为8bit。像素平均大小为0.35mm×0.35mm，定位标志点是以某一像素的位置来标定，其坐标值是以计算像素点数表示，因而像素本身大小也是定位精度影响因素之一。
, 百拇医药
3.4 本研究初步实现了软、硬组织17个标志点的自动定位，同时实现面下1/3软硬组织的侧面轮廓边缘自动描图。由于各方面的条件限制，目前还没有实现所有特征性标志点自动定位，尤其在上颌内部及颅底结构部分的标志点的自动识别，因此有待于进一步深入探讨与研究。
基金项目：本课题由铁道部科技计划基金资助(J99YG03)
作者简介：魏明贵(1969-)，男，安徽，硕士医师.现在上海静安区中心医院工作.
参考文献：
[1]Forsyth B,Shaw B,Richmond S,et al.Digital image of cephalometric radiography[J].Angle Orthod,1996;66(1):37.
[2]Jackson,Dickson,Birnie,et al.Digital image of cephalomerric radiographs:a preliminary report[J].Br J Orthod,1985;12:122.
, 百拇医药
[3]Kenneth R.Digital image processing[M].北京电子工业出版社(译)，1998.
[4]Eppley MD,Michael MD.Computerized digital enhancement in craniofacial cephlometric radiography[J].J Oral Maxillofac Surg,1991;49:1038.
[5]Rudolph DJ,Sinclair PM,Coggins JM,et al.Automatic computerized radiographic identification of cephalometric landmarks[J].Am J Orthod Orthop,1998;113:1.
[6]Cohen AM,Linney AD.A priminary study of computer recognition and identification of skeletal landmarks as a new method of cephalometric analysis[J].Br-J-Orthod,1984;11:143.
, 百拇医药
[7]Parthasarathy S,Nugent ST,Gregson PG,et al.Automatic landmarking of cephalograms.Comput Biomed Res,1989;22:247.
[8]Tong W,Jensen GM,Fay DF,et al.Landmarking of cephalograms using a microcomputer system[J].Comput Biome Res,1990;23:358.
[9]Forsyth B,Davis DN.Assessment of an automated cephalometric analysis system[J].Euo J Orthod,1996;18:471.
收稿日期：2000-03-20, 百拇医药
单位：魏明贵 周正炎 丁国伟(同济大学附属同济医院口腔颌面外科 200065)；郭其一(同济大学)；王国世(静安区中心医院)；杨杰(上海交通大学图像所)
关键词：计算机图像处理；模式识别；标志点；自动定位；头影测量
口腔颌面外科杂志000401 摘 要：目的 旨在研究用于X线头影测量分析的各标志点的计算机自动识别与定位方法，建立计算机自动定点的X线头影测量分析系统(CACAS)。方法 应用现代计算机图像处理与模式识别的相关技术，其中包括中值滤波、直方图均衡、基于小波变换的多尺度分析、Canny边缘检测、基于知识的边缘跟踪及可变模板匹配技术等，改善X线头影图像质量，提取软硬组织边缘轮廓，自动定位识别标志点。结果 CACAS系统成功实现了17个标志点的自动识别与定位及面下1/3轮廓描迹。结论 本研究建立CACAS系统所运用的技术方法是有效可靠的。
, http://www.100md.com
中图分类号：R782.2 文献标识码：A
文章编号：1005-4979(2000)04-0283-05
PRELIMARY STUDY OF COMPUTERIZED AUTOMATIC IDENTIFICATION OF LANDMARKS IN X-RAY CEPHALOMETRY
WEI Ming-gui,ZHOU Zhen-yan,DING Guo-wei,et al.
(Department of Stomatology,Tongji Hospital,Tongji University,Shanghai 200065)
Abstract：Objective To exploit the technique for automatic identification of landmarks and develop the computerized automatic cephalometric analysis system(CACAS) to identify the landmarks by computer instead of manual operation.Methods The techniques related to computer digital image processing and pattern recognition such as Median filtering,Histogram equalization,Canny edge detection,Wavelet transformation,Knowledge based edge tracing and changeable template were introduced to develop the computerized automatic cephalometeric analysis system(CACAS).The whole function of CACAS were realized by three steps as followed:firstly,image preprocessing including moving noise and image enhancement by applying Median filtering and Histogram equalization;secondly,extracting the soft-hand tissue edge of image by applying canny edge detection wavelet transformation,Knowdege based edge tracing and changeable template techniques;finally,landmark identification by identifying its geometric characters.Result Seventeen landmarks were successfully identified and low 1/3 face profile werre outlined by CACAS.Conclusion The techniques applied to develop the CACAS were effective and reliable.Especially the identification of landmarks in extra-edge of image is more precise than manual operation.But the landmarks of inner edge of image were not identified by computer at present.The study must be continued further.
, 百拇医药
Key words：Computer image processing;Pattern recognition;Landmarks;Automatic identification;Cephalometry
自1931年Broadbennt创立了定位X线头影测量技术以来，该项技术广泛应用于牙颌面畸形的定量分析诊断和治疗设计。早期X线头影测量包括手工描迹、标志点定位，相关距离、角度、比例关系的测量和计算；70年代，Walker将计算机测量分析技术应用于X线头影测量，然而仍在手工下进行描图和定点[1]；80年代起，计算机数字图象处理技术应用于X线头影测量分析，以人机交互方式下进行定点和描图[2]；但无论手工还是人机交互方式定点均造成较大的误差。因此本研究将基于现代计算机数字图象处理与模式识别技术的基础上，开发X线头影标志点的计算机自动识别与定位技术，为建立X线头影计算机自动分析系统奠定基础。
1 材料与方法
, 百拇医药
1.1 硬件组成
头颅定位X线摄片机(SIEMENS ORTHOCEPH 10s)；主机Pentium或更高档次微机；图象输入设备：扫描仪(Microtek ScanMakerE6+TMA)；图象输出设备：监视器(800×600,24bit),显卡(4M显示内存)，激光打印机HP-Ⅲ型(2M内存)。
系统硬件配置的框架图如下：
1.2 软件系统
由操作系统软件、支持软件、功能软件组成。
系统软件：Windows95或98，提供应用软件运行的环境。
, 百拇医药
支持软件：Photoshop5.0;Scanwizard为数字图象的输入、方位校准及存取的支持系统。
功能软件：建立在Window95操作系统基础上，程序设计使用C++语言，上海交通大学图象所协助开发。其编程及实现的逻辑算法流程见图1。
图1 算法流程示意图
1.3 头颅定位X线片的摄取
摄片时患者头部用定位仪严格固定，眶针指向右眶点，两耳塞与眶针所处平面于水平面平行，正中咬合位，上下唇自然姿势位。摄片机球管X线中心线对准两耳塞连线，球管至耳塞中心距离为150cm，胶片至耳塞中心距离越接近越好。摄片时管电压80kV、管电流10mA、曝光时间2s。曝光后胶片常规显影、定影及漂洗、烘干后备用。
, http://www.100md.com
1.4 侧位X线片数字化转换
将X线胶片置于已联机的扫描仪玻璃平台上，盖上TMA板，于Photoshop5.0支持环境下进行扫描，扫描的分辨率为72dpi，灰阶为256级，亮度为0～10%，图象存取格式为BMP。
1.5 X线数字图象方位校准
X线胶片扫描完成后，必须保持X线头影在标准头颅定位位置上进行标志点定位与边缘描迹，故图象输入之前，在Photoshop5.0软件运行环境下进行X线头影位置校正，以眶耳平面水平作为校正标准，通过测量耳点、眶点连线与水平面的夹角，利用软件的图象旋转指令进行数字X线头影方位校正。
1.6 图像的归一化的处理
将不同尺寸的图像通过放大和缩小，或者以P点为基准点，抽取图像中包含有用信息的子块，统一为尺寸一致的256级灰度图像；通常尺寸大小统一为550×670点阵，基本上包括临床上所需要各个标志点的图像区域。
, http://www.100md.com
1.7 图象的预处理
1.7.1 噪声的去除 我们采用中值滤波器去除噪声，提高图像信噪比。中值滤波器是非线性滤波器，可以在去除噪声的同时完成平滑边缘的工作。
1.7.2 灰度直方图均衡 由于X线投照的剂量不一样，使得不同的X线图像的亮度、灰度动态范围差别较大。采用直方图均衡增大灰度级，归一化灰度动态范围，使图像灰度分布层次分明，提高图像清晰度，间接起到增强边缘作用，方便进一步的处理。
1.7.3 小波变换的多尺度分析 基于小波变换的多尺度分析是建立在严密的数学基础上，通过在不同尺度上对信息和图像的处理，获得不同的细节信息。在X线头影图像中，许多边缘轮廓线，由于边缘噪声的影响，会造成边缘的中断、分岔等。我们根据X线图像特征，选择恰当的小波基，对图像进行多级分解，得到不同分辨率的图像，以获取最大限度的边缘细节信息，这样相当于去除噪声的作用，同时又起到连接边缘的作用。实验结果也表明，进行过小波多尺度处理后的图像，边缘比较连续，噪声干扰相对较少(见图2)。
, 百拇医药
1.8 图象的边缘提取与连接
本研究采用不同宽度的Canny滤波器对经小波分解后X线头影图象边缘进行检测与提取，把低分辨率图像上处理的结果在高分辨率图像上进行再处理，这种我们称作基于大尺度引导的小尺度下的边缘精确定位方法，帮助我们精确地找到边缘，且边缘的连续性较好。对于由于图像退化而连续性较差的边缘，可用基于知识的可变模板匹配法寻找缘线。对于有中断的边缘采用基于知识跟踪技术进行连接，连接边缘时，中断间隔在3个像素之内则直接用直线连接，大于3个像素时则用二次样条曲线插值方法连接。然后将提取的边缘二值化及细化处理。这样将得到一幅X线头影的软、硬组织的轮廓图边缘线。(见图3a,b)
1.9 特征标志点的识别与标记
根据特征性标志点在X线头影边缘上所处的几何特征，如大多数标志点或位于最凸点、最凹点；或位于最前点、最后点，或是几个解剖结构的交界点；或是在某一几何形状的中心点。计算机系统根据其几何特征的数学描述进行运算即能定位标志点。一部分特征点的几何定义描述如下：
, http://www.100md.com
B点，凹点，连接Gn和Ii(或者Is)，则B点与此线段的距离最远；
Gn点，下颌骨骼轮廓线的最右下点，也是局部的曲率最大点；
Ii或者Is点，曲率最大点，也是局部的横坐标值的最大点；
Pg点，下颌骨骼轮廓线最前点；
Me点，下颌骨骼轮廓线最下点；
S点，近似半圆弧的中心点。
1.10 自动建立坐标系与标志点定标
系统定位N点后，自动建立以N点为原点，SN平面顺时针旋转7°为X轴，通过N点垂直X轴线作为Y坐标轴的座标系。同时系统根据建立的座标系自动计算出各标志点坐标值，系统是通过计算像素数目及像素大小而转换出相应坐标数值的。
, http://www.100md.com
2 结果
本研究建立的系统成功地识别并定位了骨骼标志点9个：S，N，Is,Ii,B,Pg,Gn,Me,Go,P。软组织标志点8个：Li,Ls,Si,Pgs,Gns,Mes,Stms,Stmi。同时系统能准确计算并显示各个标志点的坐标数值，自动描迹侧面轮廓线图，主要是面下三分之一软硬组织侧貌。图4示17个标志点自动定点的结果。
图2 X线头影图像的小波一次分解
图3(a) 对原图进行Canny滤波所之后所得到的边缘
, 百拇医药
图3(b) 对小波一次分解得图象进行Canny滤波所得到的边缘
图4(a) 原图图4(b) 自动提取的特征点3 讨论
3.1 数字图象处理与模式识别技术的应用
数字图象处理即利用计算机对模拟量图象进行数字化、滤波、去噪声、分析及判断等处理过程，是以计算机为基础的信息技术中的一门新兴科学。由于视觉是人类最重要的感知手段，图象又是视觉的基础，因而数字图象处理成为研究军事、遥感、气象及医学影像等视觉感知领域的重要手段[3]。早在80年代，Jackson[2]首先报道了数字图象处理在头颅定位X线测量分析中的应用，通过计算机对X线头影数字图象进行一系列预处理，在不丧失有效信息的基础上达到去 除噪声及伪影，实现图象增强及边缘平滑，显著地改善了图象灰度比，提高图象的视觉效果，因而增强了人眼对X线头影的解剖结构及标志点的分辨力，提高了测量分析的可信度。Eppley[4]等通过对常规X线片与处理过的数字图象在标志点人工定位方面的评价，研究表现：骨骼标志点定位精度无明显差异，而软组织标志点的定位，数字化X线头影明显优于常规X线片。
, 百拇医药
模式识别是数字图象处理技术中重要组成部分，其主要任务是实现对数字图象的特征信息进行分析与识别，识别的过程包括有图象分割、特征提取及分类三个阶段[3，5]。Cohen[6]首先报道了采用模式识别的有关技术对X线头影硬组织个别标志点进行了成功的定位。Parthasarathy等[7]等采用基于知识的边缘跟踪技术自动识别定位骨性标志点9个。Tong等[8]报道了动态阈值技术自动识别包括软组织在内的特征标志点17个。尽管如此，他们随后报道了自动定点准确性较差，且受X线片质量影响大，因而并没有在临床上得到认可与应用[9]。现在一直认为，由于颅颌面软硬组织结构重叠的复杂性和生物个体表现的多样性，单纯应用某一种全局性识别处理技术是无法达到所有标志点准确定位的。因此本研究在特征标志点识别与定位中，结合颅颌面结构中各标志点分布区域的影像结构特点，初步小波多尺度分析、采取Canny滤波、基于知识的边缘追踪及可变模板匹配等多种处理技术，成功地实现软硬组织17个标志点自动定位。经过临床应用验证，标志点自动定位的准确性高且较稳定(临床评价待发表)。
, 百拇医药
3.2 标志点自动定位实现的意义
定位X线头影测量技术包括标志点的定位、头影的描迹、测量与计算等操作程序。其发展趋势将经历手工测量、人机交互半自动化测量、计算机自动化测量等三个阶段[1]。但实现计算机完全自动化分析的关键是标志点的准确识别与定位。关于这方面的研究国内进行得很少，国外目前也还处在探索阶段。
无论在手工测量还是在人机交互的半自动分析中，其头影的描迹与标志点的定位均由人眼来判断与识别，由于X线头影图像本身复杂性及生物个体的多样性，不同的测量者对各个标志点的定义理解偏差、测量经验及熟练程度不同，均造成较大的定点误差。Baurimid[5]早在70年代的研究表明手工定点平均随机误差为1.26mm，定点的误差直接影响测量分析结果的准确性，给临床诊断与治疗设计带来较大不利影响。另外手工定点操作枯燥且耗时，测量者必须具有良好的解剖知识与放射学知识。
, http://www.100md.com
X线头影图像中的绝大多数标志点均为某个特征结构边缘的极点，如最前点、最下点及最后点，或某一几何形状的中心点如S点。而计算机对各标志点的识别是建立在各标志点空间位置数学描述及几何定义的基础上，经过严密的运算而得到的。因此计算机自动识别与定位标志点有其客观的根据，无疑消除了人为主观因素造成的误差，为X线头影测量分析中标志点确定开辟了一条新途径。
3.3 计算机自动定点准确性的影响因素
本研究认为X线头影片质量是影响数字图像与定点精度主要因素。计算机对标志点的识别定位基于边缘提取的前提下，对一幅黑白图像来说，边缘信息灰度变化的产物，而曝光过大或不足的X线头影片将会产生一些灰度变化较弱区域，这样会隐去了一些边缘结构，这对计算机识别边缘与标志点是非常不利的。尽管预处理能够增强边缘与改善灰度比，但有一定的局限性。其次数字图像的输入和输出设备的精度也影响自动定点的精确性。
本研究采用的实验数字图像，其光学分辨率为72dpi、灰阶为8bit。像素平均大小为0.35mm×0.35mm，定位标志点是以某一像素的位置来标定，其坐标值是以计算像素点数表示，因而像素本身大小也是定位精度影响因素之一。
, 百拇医药
3.4 本研究初步实现了软、硬组织17个标志点的自动定位，同时实现面下1/3软硬组织的侧面轮廓边缘自动描图。由于各方面的条件限制，目前还没有实现所有特征性标志点自动定位，尤其在上颌内部及颅底结构部分的标志点的自动识别，因此有待于进一步深入探讨与研究。
基金项目：本课题由铁道部科技计划基金资助(J99YG03)
作者简介：魏明贵(1969-)，男，安徽，硕士医师.现在上海静安区中心医院工作.
参考文献：
[1]Forsyth B,Shaw B,Richmond S,et al.Digital image of cephalometric radiography[J].Angle Orthod,1996;66(1):37.
[2]Jackson,Dickson,Birnie,et al.Digital image of cephalomerric radiographs:a preliminary report[J].Br J Orthod,1985;12:122.
, 百拇医药
[3]Kenneth R.Digital image processing[M].北京电子工业出版社(译)，1998.
[4]Eppley MD,Michael MD.Computerized digital enhancement in craniofacial cephlometric radiography[J].J Oral Maxillofac Surg,1991;49:1038.
[5]Rudolph DJ,Sinclair PM,Coggins JM,et al.Automatic computerized radiographic identification of cephalometric landmarks[J].Am J Orthod Orthop,1998;113:1.
[6]Cohen AM,Linney AD.A priminary study of computer recognition and identification of skeletal landmarks as a new method of cephalometric analysis[J].Br-J-Orthod,1984;11:143.
, 百拇医药
[7]Parthasarathy S,Nugent ST,Gregson PG,et al.Automatic landmarking of cephalograms.Comput Biomed Res,1989;22:247.
[8]Tong W,Jensen GM,Fay DF,et al.Landmarking of cephalograms using a microcomputer system[J].Comput Biome Res,1990;23:358.
[9]Forsyth B,Davis DN.Assessment of an automated cephalometric analysis system[J].Euo J Orthod,1996;18:471.
收稿日期：2000-03-20, 百拇医药