选取1名发育正常的健康男性志愿者, 牙列完整, 面部组织无瘢痕与畸形。志愿者对试验方案知情且签署同意书, 本试验得到医院伦理道德委员会批准。

64排螺旋CT（Philips/Brilliance 64, Netherlands）; MRI（GE, USA）。个人PC系统配置：Intel（R）Core（M）i7-6500CPU、3.20 GHz处理器、6 G DDR2内存、256 M RADEON显卡、4 TB硬盘, Wind7-SP1操作系统, Mimics15.0 （Materialise’ s Interactive Medical Image Control System, Belgium）。

扫描之前, 在志愿者颌面部轻轻黏贴上9个带有树脂小球（直径为1 mm）的贴片, 部位分别为：矢状面的颏下点、鼻尖点、发际中点, 使3点在一条直线上; 横断面的两侧耳屏前点和鼻根点; 冠状面两侧下颌角点和头皮正中顶点, 一共9个点。CT扫描时, 志愿者取仰卧息止颌位, 采用标准头位, 红外线十字定位标志通过鼻根、颏下和发际中点, 扫描基线平行于眶耳平面, 从眶上缘至下颌下缘进行连续断层扫描（图1）。扫描参数：110 kV, 240 mas, 层厚0.9 mm, 窗宽2 100 Hu, 窗位400 Hu, 分辨率512 × 512, 获得颅颌面CT断层图片共238层。MRI扫描时, 体位同上述, 选择普通加权序列, 场强为1.5 T（1 T=800 kA/m）, 采用标准头线圈, 参数为：层厚1.0 mm, 矩阵512 × 512, FOV 25.6。所有影像学数据以DICOM3.0（Digital Imaging and Communications in Medicine, 格式刻录光盘备用^[2]。

图1

Figure 1

	Figure Option ViewDownloadNew Window
	图1 树脂球贴片的位置示意图Figure 1 Location of resin ball patch

将DICOM格式的CT数据导入Mimics15.0中形成Project 1, 将MRI数据导入Mimics15.0中形成Project 2。在Project 2中完成两种数据的配准融合, 基本流程如下：①点击image registeration 模块, 进入两组数据的配准界面。界面左边自上而下为CT的3个断面：横断面、矢状面、冠状面, 右侧至上而下为MRI的3个断面。②首先手动调整两组数据影像的矢状面, 至颏下点、鼻尖点、发际中点的3个小球出现的断面, 分别点选3个小球作为3个配准点。③然后分别在横断面和冠状面2个视位, 调整至出现一个标志球的断层, 各选择至少1个标志球作为配准点。④选择至少5个配准点后, 执行多点配准运算, 完成两种数据的配准融合。

在完成两种数据融合后的Project 2中, 首先隐藏MRI数据, 利用CT数据重建颌骨和皮肤3D模型：在“ 分割模块” 中, 利用阈值选取（Thresholding）、区域增长（Region Growing）操作分离颌骨和面部皮肤蒙罩 （Mask）, 阈值范围分别是226~2976和-718~177 HounsField单位; 在断层图像上确定上下颌骨及上下颌牙列的边界, 逐层编辑蒙罩, 使上下颌牙列和颞下颌关节窝结构不连续, 分离上下颌骨, 再逐层手工补全骨骼中未被标记的空洞部分及去除与皮肤相连的头枕等部位蒙罩; 使用Calculate 3D建立完整上下颌骨、面部皮肤组织的三维几何表面模型。

隐藏CT数据, 利用MRI数据重建面部主要肌肉3D模型：在“ 分割模块” 中, 利用蒙罩编辑（Mask edit）工具, 在3个断面上逐层勾画编辑肌肉的轮廓蒙罩, 包括3对咀嚼肌（咬肌、颞肌、翼内肌）和12对表情肌（额肌、眼轮匝肌、口轮匝肌、提上唇肌、提口角肌、颧肌、降口角肌、降下唇肌、颊肌等）, 并三维重建面部肌肉组织的几何表面模型。

精确建立颌面软硬组织三维虚拟模型是数字化颌面疾病诊疗的前提。CT与MRI数据融合的图像可同时显示骨骼和软组织结构, 信息较单一的CT或MRI更加丰富, 为临床医生提供更全面、可靠的影像学信息, 在医学各个学科均有较大的应用价值^{[5, 6, 7, 8, 9, 10]}。CT和MRI数据的融合除了便于临床诊断和术前设计外, 在力学检测和模型分析等方面也有重要价值^[4]。本研究在Mimics软件中重建的3D模型形态逼真, 结构精确, 进而可利用Magics模块进行自由面网格划分, 做smooth和mesh处理后导出STL文件, 模型的空间坐标位置关系也随同保存, 还可利用布尔运算估算脂肪层的位置和厚度, 为进一步的颌面部三维有限元研究奠定模型基础^{[11, 12]}。

本研究使用Mimics软件中诸多功能, 图像分割根据掌握的颌面解剖知识和MRI中软硬组织差异, 通过形态学编辑工具, 在每个断层对特定肌肉轮廓做精确的编辑。与区域增长等半自动编辑方式相比, 手动编辑虽然工作量大, 但建立3D模型的精度高, 可分割感兴趣的肌肉组织, 包括面部主要12对表情肌和3对咀嚼肌, 也可利用增强CT数据来分割重建血管的3D模型。由于CT和MRI都是断层成像, 其层厚决定了三维重建模型的光滑度和精度, 实验中采用了比常规临床应用更薄的层厚参数。

配准是图像融合的关键, 根据标志点位置可将配准分为内部和外部特征配准两大类^{[13, 14]}。内部特征配准又可分为3类：特殊标记、图像分割以及像素特性配准法。何巍等^[15]提出了一种基于点云的三维CT与MRI图像膝关节胫骨配准方法, 采用MC算法进行点云重建, 并改进ICP算法来进行点云配准。该方法配准精度高, 计算量较小, 但其配准步骤较复杂, 不适合常规临床应用。总体来说, 图像的内部特征多受图像灰度值的影响且缺乏判断标准, 在操作上不如外部特征配准精确。所谓外部特征配准, 即在头皮或面部皮肤加上可显像的标记等在检查对象上设置一些外在标志点的方法。

CT、MRI配准的基本条件是要能够在同一断层内找到同样位置的配准点, 两种扫描层厚不同, 如何能保证选点时图像位于同一断层?本研究中采用在CT和MRI图像中均能显影的树脂球作为同一断层的标志。CT、MRI两次扫描时, 以矢状面3个树脂球为扫描中线, 保证了3个配准点能同时出现在正中矢状面上。当然两次扫描时头位可能不完全一致, 在横断面和冠状面可能不会同时出现3个树脂球, 但由于两种影像扫描的层厚均小于1.0 mm, 保证了在横断面/冠状面均能找到至少一个树脂球。这样从理论上来讲, 本研究的配准方法在3个不同视图断面至少能选择到5个配准点, 保证了两种影像数据的配准精度在1.0 mm左右。

由于CT、MRI影像中软硬组织的图像灰度值是完全不同的, 经过融合获得的图像是无法再次利用阈值选取、区域增长的方法来重建模型的。所以本研究利用Project2来单独分离颌面部主要肌肉组织, 整体保存为STL格式文件, 文件中自动带有肌肉3D模型的位置信息; 再与Project1（主要利用CT数据建立颌骨和皮肤的3D模型）进行配准融合后, 导入的肌肉3D模型自动与颌骨3D模型形成了准确的相对位置关系。