DEXA骨密度仪中的图像处理与定量计算

0　引言

DEXA骨密度仪的测量原理对穿过人体的X射线进行成像和定量测量,而X线的发生和测量具有一定的统计性,这在定量计算中表现为统计误差。同时,在对由得到的图像进行图像识别时,计数的统计涨落表现为图像的噪声,增加了图像处理的难度。本文讨论了在对DEXA测量骨矿物含量测定中采用的一些具体的处理方法。

1　DEXA测量骨密度的原理

DEXA即双能X线吸收法,它是利用两束不同能量的X线穿过两种物体的混合物,根据不同物体对不同能量的X线的衰减系数不同,从而计算出每种物体的含量[1,2]。

2　DEXA中的图像识别

在DEXA骨密度仪中,对被测区域进行扫描得到该区域的高低能两幅图像,忽略该区域中的脂肪与肌肉等组织的区别,即认为该区域是由骨和软组织组成的,通过对这两幅图像中的对应点分别按式(3)进行计算,消去软组织,得到被测区域的骨密度(BMD)图像,该图像中的每个像素的数据值代表了该点的骨密度的测量值。在骨密度的图像中,还需要进行感兴趣区域(ROI)的识别,即从图像中取出需要的骨骼部位,计算该部位的骨密度的平均值,因此还需要对骨密度图像进行图像识别和进一步计算出ROI的平均值[2]。

2.1　图像的预处理

由于骨密度图像是由高低能图像进行计算得到的,因此图像中引入了高低能计数的统计误差,对其直接进行图像识别处理是非常困难的,必须对图像进行降噪处理。以下以腰椎图像的处理为例,说明骨密度图像的处理过程(图1),其中(a,b)是高能、低能投影图像,(c)是经平滑后的BMD图像,(d)是中值滤波后的BMD图像。(c)的视觉效果比较好,但在实际处理过程中,发现依据中值滤波的图像(d)进行进一步的处理可以得到最好的结果。

2.2　图像中的直方图处理

通过对多幅腰椎骨密度图像的分析,确定了人体腰椎骨密度(即BMD)分布的数学模型。图2b为按从上到下的像素行的BMD累加和,可以确定在椎间隙位置一定是该累加和的最小值。由此条件,加上人体骨骼的长度的一般知识,可以确定出被测区域内的椎间隙位置(图2a、b中的水平线)。

另外,对该图像进行的BMD累加,还可以得到另一幅轮廓图(图2c)。对于大多数摆放体位正直的被测对象,其腰椎图像也保持正直,所以一般可以进一步确定腰椎的中轴线,并以此为进一步进行每行左右边界识别的依据。

2.3　图像中腰椎左右边界的确定

对于经过以上处理的人体腰椎骨密度图像,进一步经过简单的阈值识别,可以确定出腰椎的左右边界(图3b),但由于人体腰椎实际上还包括了如横突(图3c)等附件以及在测量中可能出现的脂肪沉积点,而骨密度计算中必须除去这些因素的影响,所以还要在左右边界点的确定时加上其他的约束条件,以保证得到腰椎的实际边界点(图3中的圆圈表示为识别出的边界点)。