面向严重关节炎的髋关节CT图像分割研究

At present, artificial joint replacement surgery mainly depends on the subjective judgments of doctors to choose proper artificial prosthesis and to determine the embedding position for patients. It greatly influences the effect and precision of surgery. The accurate three-dimensional bone tissue segmentation based on CT images could provide precise surface appearance of bones and required data, parameters and characteristics of joint replacement to help doctors directly view three-dimensional bone structure and shape, thus realizing perfect matching of artificial prosthesis with patients bone in various biological and physical characteristics and formulating a more accurate joint replacement plan. However, precise joint bone segmentation for serious arthritis patients is still confronted with many problems and few researches on accurate automatic segmentation of hip joint. Based on several years of study in bone tissue segmentation, the project proposed the multi-stage hip joint segmentation method by taking three-dimensional voxel tracking corrector algorithm as its core. The method overcame drawbacks of normal direction which was based on geometrical information in judgment and obtained precise hip joint segmentation. The research achievements of the project will provide technological support to precise joint replacement based on accurate automatic segmentation.

当前人工关节置换术主要凭医生主观判断选择人工假体并确定植入位置，极大的影响了手术的效果和精确性。基于CT图像的精确三维骨组织分割能提供准确的骨外表面状况、关节置换术所需数据、参数和特征，使医生能够直观地掌握三维骨结构和形态，实现人工假体与患者骨关节的各项生物、物理特征准确匹配，制定出更加精确的关节置换术计划。然而，目前严重骨关节炎患者的关节骨的精确分割面临很多困难，有关髖关节骨的精确自动分割研究较少。基于我们多年在骨组织分割方面的研究基础，本项目提出一个以三维曲面体素跟踪校正器算法为核心的多阶段髋关节骨分割方法，该方法克服了基于几何信息的法线方向难以准确判断的弊端，提出一个跟踪校正算法来改善法线方向精度，并沿一维校正过的法线方向实现表面边缘精确检测，获得精准的髋关节骨分割，本项目的研究成果将为实现以精确自动分割为基础的精准关节置换手术提供技术支撑。

项目背景：骨关节炎是一种最常见的关节疾病，据世界卫生组织统计，全世界有3.6亿骨关节炎患者，55岁以上的人群中，骨关节炎的发病率为80%。根据中国医师协会发布的《中国骨关节炎防治认知白皮书》，骨病患者达到1.5亿，已经成为世界骨关节炎患病人数最多的国家之一。髋关节作为我们身体中承重最大的关节，是全身关节中最容易出现问题的关节之一。髋关节CT图像的软骨组织分割可以辅助医生分析软骨的形态，为骨关节炎诊断和治疗提供重要数据。但是当严重关节炎的髋关节病变时，由于相邻表面之间的强烈相互作用，其骨非常接近，它们的边界很弱并且扩散，骨结构的准确分割变得很困难，目前方法的分割精度还不够，本项目研究正是针对这一医学难题提出的。.研究内容：我们研究提出了基于三维物体表面体素跟踪和校正法线方向的精确分割算法，并对算法进行了具体实现，经临床CT图像数据分割结果检验取得较好的分割效果。针对髋关节分割中软骨磨损导致的边缘模糊问题，项目提出一种基于块状细化和区域限制水平集的软骨自动分割方法，对算法进行了编程实现，获取临床CT数据，并对分割结果进行了对比检验，分割结果优于其它方法。.重要结果：提出的基于三维物体表面体素跟踪和校正法线方向的精确分割算法，通过临床数据实验验证，得到了较好的分割结果，髋关节及腕关节分割实验结果的戴斯重叠系数均高于97%。与其它髋骨分割方法相比，基于块状细化和区域限制水平集的软骨自动分割方法不仅显著地提高了髋骨分割的准确率，而且基于块的校正特别适合边缘模糊的病变髋骨分割。 .科学意义：该项目提出的理论和分割方法为关节软骨和人体骨组织分割提供了高精度模型，突破了传统软骨磨损导致的边缘模糊而导致软骨难以分割、严重骨关节炎病人骨组织变形、关节间隙减小甚至消失等问题，有潜力为骨关节炎严重程度的判定提供定量数据，为严重骨关节炎患者全髋关节置换手术提供指导，研究成果可用于髋关节炎的诊断和治疗。