交互式腎小管結(jié)構(gòu)三維模型建立.pdf

1、目的：
　　組織或器官微細(xì)結(jié)構(gòu)的三維重建以其直觀性給傳統(tǒng)的形態(tài)學(xué)研究方法帶來(lái)了革新。這種方法使用先進(jìn)的顯微鏡配上高分辨率圖像采集系統(tǒng)，加上大存儲(chǔ)量、高運(yùn)算速度的計(jì)算機(jī);結(jié)合免疫組化等生物樣本制作技術(shù)，使得微細(xì)結(jié)構(gòu)三維重建的信息更加豐富，研究效率更高。本方法在結(jié)構(gòu)三維可視化、形態(tài)信息豐富、細(xì)胞活動(dòng)定位準(zhǔn)確等方面具有傳統(tǒng)形態(tài)學(xué)研究無(wú)可比擬的優(yōu)勢(shì)。
　　文獻(xiàn)報(bào)道已有基于Linux平臺(tái)，對(duì)100萬(wàn)像素水平的連續(xù)顯微切片圖像進(jìn)行配準(zhǔn)，

2、并配合人工追蹤程序標(biāo)記腎小管位置，最終顯示部分腎小管的立體結(jié)構(gòu)模型;這些已經(jīng)發(fā)表的成果在小鼠腎的功能、特定蛋白定位及腎臟發(fā)育過(guò)程研究中發(fā)揮了重要作用。但隨研究深入，對(duì)連續(xù)切片圖像的分辨率、被追蹤小管的數(shù)量和精度、以及顯示效果等都提出了更高要求。
　　本研究通過(guò)生物醫(yī)學(xué)工程中的圖像配準(zhǔn)、區(qū)域分割、目標(biāo)提取和追蹤、三維重建等方法，建立小鼠腎小管的微細(xì)結(jié)構(gòu)模型并通過(guò)計(jì)算機(jī)進(jìn)行可視化分析。重點(diǎn)解決:(1)任意旋轉(zhuǎn)角度和擺放位置的8000萬(wàn)

3、像素水平顯微圖像配準(zhǔn);(2)序列圖像中圖像間染色不均一的自動(dòng)校正算法;(3)顯微切片的目標(biāo)追蹤和器官中復(fù)雜空間結(jié)構(gòu)分析問(wèn)題。
　　本文選擇胚齡為14d和17d的胎鼠，和生后1d、3d、5d、7d和10d的仔鼠和一只成年昆明鼠的腎臟，建立了X-Y分辨力0.23μm/pixel，Z分辨力2.5μm，可覆蓋全部截面的連續(xù)光學(xué)顯微切片圖片集;并通過(guò)本文提出的方法完成配準(zhǔn)、顏色校正和部分腎小管的追蹤，建立了KM小鼠腎發(fā)育過(guò)程的三維空間結(jié)構(gòu)模

4、型，空間位置相對(duì)誤差＜2％;本文還開(kāi)發(fā)了基于DirectX技術(shù)實(shí)時(shí)交互式的小鼠腎小管三維模型瀏覽與分析軟件。
　　本文的結(jié)果為腎臟復(fù)雜空間結(jié)構(gòu)分析提供了方法，并以形態(tài)學(xué)的視角揭示腎臟發(fā)生發(fā)育過(guò)程;最終目標(biāo)是結(jié)合核酸檢測(cè)和蛋白定位技術(shù)等方法，為小鼠腎小管發(fā)生發(fā)育過(guò)程中細(xì)胞增殖、遷移、分化、凋亡等的時(shí)空變化規(guī)律進(jìn)行探索。在組織學(xué)與胚胎學(xué)、生理學(xué)和發(fā)育生物學(xué)的研究中具有科學(xué)意義和應(yīng)用價(jià)值。
　　實(shí)驗(yàn)方法：
　　一、方向梯度直

5、方圖優(yōu)化高分辨率連續(xù)顯微切片配準(zhǔn)
　　“列文伯格-馬奎斯特”算法（以下簡(jiǎn)稱(chēng)LM算法）是圖像配準(zhǔn)中常用的搜索算法，但容易陷入局部極值，造成配準(zhǔn)錯(cuò)誤。但只有嚴(yán)格精確的配準(zhǔn)對(duì)高分辨率圖像才有意義。論文第一部分針對(duì)高分辨率連續(xù)切片圖像的特點(diǎn)，設(shè)計(jì)配準(zhǔn)方法:
　　首先利用“方向梯度直方圖”算法快速獲得圖像的旋轉(zhuǎn)角度參數(shù)，這個(gè)步驟可以看成是“粗配準(zhǔn)”。接下來(lái)將圖像的灰度作為特征，均方差作為“相似性測(cè)度”，使用“雙三次插值”算法，“LM”

6、搜索算法和“金字塔”優(yōu)化算法，將兩幅圖像進(jìn)行精確配準(zhǔn)。
　　在連續(xù)圖像配準(zhǔn)階段，為避免因切片輕微形變帶來(lái)的累積誤差，本文設(shè)計(jì)圖像“骨架配準(zhǔn)”算法進(jìn)行連續(xù)圖像配準(zhǔn)。
　　二、連續(xù)顯微切片圖像的亮度補(bǔ)償與對(duì)比增強(qiáng)
　　自動(dòng)追蹤或基于灰度的三維重建都需要連續(xù)圖像中的各個(gè)圖像灰度一致，但切片制作由手工完成，很難保證染色一致性。已有灰度恢復(fù)算法又因連續(xù)切片跨度大，圖像內(nèi)容變化明顯而無(wú)法準(zhǔn)確還原圖像。
　　本研究第二部分設(shè)計(jì)

7、了“序列灰度直方圖擬合”算法（以下簡(jiǎn)稱(chēng)“SHFA”算法）。算法首先分析序列圖像中每一張圖像的“灰度直方圖”，并設(shè)置關(guān)鍵點(diǎn);然后對(duì)四次曲線“擬合”算法，對(duì)這些關(guān)鍵點(diǎn)擬合以得到變化趨勢(shì);接下來(lái)利用擬合后的關(guān)鍵點(diǎn)恢復(fù)目地直方圖;最后采用“直方圖規(guī)定化”，進(jìn)行亮度補(bǔ)償和對(duì)比增強(qiáng)。
　　三、腎小管自動(dòng)追蹤
　　本研究第三部分首先設(shè)計(jì)了基于Windows平臺(tái)的腎小管手工追蹤程序。
　　在自動(dòng)跟蹤部分我們首先提取腎小管的特征點(diǎn)，然后

8、對(duì)相鄰圖像的特征點(diǎn)進(jìn)行匹配，進(jìn)而還原整個(gè)腎小管的三維結(jié)構(gòu)，具體過(guò)程如下:首先基于“尺度不變特征變換”（以下簡(jiǎn)稱(chēng)“SIFT”算法），對(duì)相鄰的兩幅已配準(zhǔn)圖片提取腎小管的關(guān)鍵點(diǎn)和關(guān)鍵點(diǎn)屬性;并在相鄰圖像的鄰域內(nèi)進(jìn)行關(guān)鍵點(diǎn)匹配;然后使用“隨機(jī)抽樣一致”（以下簡(jiǎn)稱(chēng)“RANSAC”算法），對(duì)已匹配關(guān)鍵點(diǎn)進(jìn)行“一致性提純”，刪除錯(cuò)誤匹配點(diǎn);接下來(lái)進(jìn)行關(guān)鍵點(diǎn)連通性檢測(cè)，判斷兩關(guān)鍵點(diǎn)是否是同一腎小管，若是則建立同平面的連接關(guān)系;最后序列圖像特征點(diǎn)匹配，顯

9、示腎小管原本的折返、分支等結(jié)構(gòu)，刪除過(guò)短的腎小管連接。
　　四、腎小管微細(xì)結(jié)構(gòu)可視化
　　基于“.NET平臺(tái)”和“DirectX”技術(shù)，建立交互式的腎小管三維可視化軟件。
　　結(jié)果：
　　一、方向梯度直方圖優(yōu)化高分辨率連續(xù)顯微切片配準(zhǔn)
　　選取胚齡為14d和17d的胎鼠，和生后1d、3d、5d、7d和10d的仔鼠和一只成年昆明鼠的腎臟;取材并采用標(biāo)準(zhǔn)的多聚甲醛固定與樹(shù)脂包埋技術(shù)，或戊二醛固定與石蠟包埋技術(shù)制

10、作切片;甲苯胺藍(lán)或蘇木精染色;通過(guò)“病理切片掃描儀”獲取圖像，建立了X-Y分辨力0.23μm/pixel，Z分辨力2.5μm，時(shí)間分辨率為2d的小鼠腎發(fā)育過(guò)程光學(xué)顯微圖片集共10組，5891張，1200GB。
　　通過(guò)對(duì)10組圖片集測(cè)試:兩幅圖像配準(zhǔn)中，其中方向梯度直方圖算法在處理方向性明顯的圖片的有效率約98％，對(duì)近乎圓形組織切片圖像的有效率最低組約為85％;優(yōu)化后的LM算法配準(zhǔn)正確率為90-98％，運(yùn)算速度提高約30％-65％

11、。
　　骨架算法中，骨架圖像的間距為1-5張，測(cè)試表明可對(duì)超過(guò)95％的圖像獲得最佳配準(zhǔn)效果;骨架算法可以有效地避免因切片皺褶、形變、破損而帶來(lái)的累積誤差，提高序列圖像的配準(zhǔn)精度。10組圖像均由骨架配準(zhǔn)算法進(jìn)行連續(xù)圖像配準(zhǔn)，全部有效。
　　二、連續(xù)顯微切片圖像的亮度補(bǔ)償與對(duì)比增強(qiáng)
　　本文設(shè)計(jì)的SHFA算法可以自動(dòng)的對(duì)連續(xù)顯微圖像進(jìn)行亮度補(bǔ)償與對(duì)比增強(qiáng)，算法處理時(shí)考慮了圖片所包含的信息，因此在圖片全局的亮度補(bǔ)償與對(duì)比增強(qiáng)

12、的同時(shí)，圖片暗部和亮部細(xì)節(jié)仍然保留。
　　三、腎小管自動(dòng)追蹤算法
　　腎小管自動(dòng)追蹤算法可以對(duì)腎小管進(jìn)行檢測(cè)。通過(guò)調(diào)整SIFT算法中的模糊系數(shù)，可選擇檢測(cè)尺度，以適應(yīng)不同斷面的小管大小。各斷面腎小管的綜合檢測(cè)準(zhǔn)確率＞95％。臨近圖像的關(guān)鍵點(diǎn)的匹配正確率在98％所有。
　　本文目前測(cè)試了成年小鼠腎圖片集中25-300號(hào)切片的自動(dòng)跟蹤效果，每切片的關(guān)鍵點(diǎn)檢測(cè)數(shù)在2500-5000點(diǎn)，最終選取長(zhǎng)度在20個(gè)節(jié)點(diǎn)以上的腎小管最為

13、閾值，共檢測(cè)到腎小管1521條。最終繪制的腎小管自動(dòng)檢測(cè)接過(guò)約50萬(wàn)節(jié)點(diǎn)。
　　四、腎小管微細(xì)結(jié)構(gòu)可視化方法
　　基于DirectX技術(shù)的腎小管微細(xì)結(jié)構(gòu)可視化方法，已經(jīng)測(cè)試的50萬(wàn)節(jié)點(diǎn)水平的腎小管結(jié)構(gòu)，可以實(shí)時(shí)顯示，CPU占用率不超過(guò)5％，小管結(jié)構(gòu)中的前后毗鄰（繪圖時(shí)的遮擋）關(guān)系表現(xiàn)準(zhǔn)確，三維空間點(diǎn)的拾取準(zhǔn)確，標(biāo)注等附加功能基本完善。
　　結(jié)論：
　　本文提出的方法可以完成連續(xù)光學(xué)顯微圖像配準(zhǔn);對(duì)序列圖片間染色不