交互式腎小管結構三維模型建立.pdf

1、目的：
　　組織或器官微細結構的三維重建以其直觀性給傳統(tǒng)的形態(tài)學研究方法帶來了革新。這種方法使用先進的顯微鏡配上高分辨率圖像采集系統(tǒng)，加上大存儲量、高運算速度的計算機;結合免疫組化等生物樣本制作技術，使得微細結構三維重建的信息更加豐富，研究效率更高。本方法在結構三維可視化、形態(tài)信息豐富、細胞活動定位準確等方面具有傳統(tǒng)形態(tài)學研究無可比擬的優(yōu)勢。
　　文獻報道已有基于Linux平臺，對100萬像素水平的連續(xù)顯微切片圖像進行配準，

2、并配合人工追蹤程序標記腎小管位置，最終顯示部分腎小管的立體結構模型;這些已經發(fā)表的成果在小鼠腎的功能、特定蛋白定位及腎臟發(fā)育過程研究中發(fā)揮了重要作用。但隨研究深入，對連續(xù)切片圖像的分辨率、被追蹤小管的數量和精度、以及顯示效果等都提出了更高要求。
　　本研究通過生物醫(yī)學工程中的圖像配準、區(qū)域分割、目標提取和追蹤、三維重建等方法，建立小鼠腎小管的微細結構模型并通過計算機進行可視化分析。重點解決:(1)任意旋轉角度和擺放位置的8000萬

3、像素水平顯微圖像配準;(2)序列圖像中圖像間染色不均一的自動校正算法;(3)顯微切片的目標追蹤和器官中復雜空間結構分析問題。
　　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)光學顯微切片圖片集;并通過本文提出的方法完成配準、顏色校正和部分腎小管的追蹤，建立了KM小鼠腎發(fā)育過程的三維空間結構模

4、型，空間位置相對誤差＜2％;本文還開發(fā)了基于DirectX技術實時交互式的小鼠腎小管三維模型瀏覽與分析軟件。
　　本文的結果為腎臟復雜空間結構分析提供了方法，并以形態(tài)學的視角揭示腎臟發(fā)生發(fā)育過程;最終目標是結合核酸檢測和蛋白定位技術等方法，為小鼠腎小管發(fā)生發(fā)育過程中細胞增殖、遷移、分化、凋亡等的時空變化規(guī)律進行探索。在組織學與胚胎學、生理學和發(fā)育生物學的研究中具有科學意義和應用價值。
　　實驗方法：
　　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
　　“列文伯格-馬奎斯特”算法（以下簡稱LM算法）是圖像配準中常用的搜索算法，但容易陷入局部極值，造成配準錯誤。但只有嚴格精確的配準對高分辨率圖像才有意義。論文第一部分針對高分辨率連續(xù)切片圖像的特點，設計配準方法:
　　首先利用“方向梯度直方圖”算法快速獲得圖像的旋轉角度參數，這個步驟可以看成是“粗配準”。接下來將圖像的灰度作為特征，均方差作為“相似性測度”，使用“雙三次插值”算法，“LM”

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

7、了“序列灰度直方圖擬合”算法（以下簡稱“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”，并設置關鍵點;然后對四次曲線“擬合”算法，對這些關鍵點擬合以得到變化趨勢;接下來利用擬合后的關鍵點恢復目地直方圖;最后采用“直方圖規(guī)定化”，進行亮度補償和對比增強。
　　三、腎小管自動追蹤
　　本研究第三部分首先設計了基于Windows平臺的腎小管手工追蹤程序。
　　在自動跟蹤部分我們首先提取腎小管的特征點，然后

8、對相鄰圖像的特征點進行匹配，進而還原整個腎小管的三維結構，具體過程如下:首先基于“尺度不變特征變換”（以下簡稱“SIFT”算法），對相鄰的兩幅已配準圖片提取腎小管的關鍵點和關鍵點屬性;并在相鄰圖像的鄰域內進行關鍵點匹配;然后使用“隨機抽樣一致”（以下簡稱“RANSAC”算法），對已匹配關鍵點進行“一致性提純”，刪除錯誤匹配點;接下來進行關鍵點連通性檢測，判斷兩關鍵點是否是同一腎小管，若是則建立同平面的連接關系;最后序列圖像特征點匹配，顯

9、示腎小管原本的折返、分支等結構，刪除過短的腎小管連接。
　　四、腎小管微細結構可視化
　　基于“.NET平臺”和“DirectX”技術，建立交互式的腎小管三維可視化軟件。
　　結果：
　　一、方向梯度直方圖優(yōu)化高分辨率連續(xù)顯微切片配準
　　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;取材并采用標準的多聚甲醛固定與樹脂包埋技術，或戊二醛固定與石蠟包埋技術制

10、作切片;甲苯胺藍或蘇木精染色;通過“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，時間分辨率為2d的小鼠腎發(fā)育過程光學顯微圖片集共10組，5891張，1200GB。
　　通過對10組圖片集測試:兩幅圖像配準中，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算法配準正確率為90-98％，運算速度提高約30％-65％

11、。
　　骨架算法中，骨架圖像的間距為1-5張，測試表明可對超過95％的圖像獲得最佳配準效果;骨架算法可以有效地避免因切片皺褶、形變、破損而帶來的累積誤差，提高序列圖像的配準精度。10組圖像均由骨架配準算法進行連續(xù)圖像配準，全部有效。
　　二、連續(xù)顯微切片圖像的亮度補償與對比增強
　　本文設計的SHFA算法可以自動的對連續(xù)顯微圖像進行亮度補償與對比增強，算法處理時考慮了圖片所包含的信息，因此在圖片全局的亮度補償與對比增強

12、的同時，圖片暗部和亮部細節(jié)仍然保留。
　　三、腎小管自動追蹤算法
　　腎小管自動追蹤算法可以對腎小管進行檢測。通過調整SIFT算法中的模糊系數，可選擇檢測尺度，以適應不同斷面的小管大小。各斷面腎小管的綜合檢測準確率＞95％。臨近圖像的關鍵點的匹配正確率在98％所有。
　　本文目前測試了成年小鼠腎圖片集中25-300號切片的自動跟蹤效果，每切片的關鍵點檢測數在2500-5000點，最終選取長度在20個節(jié)點以上的腎小管最為

13、閾值，共檢測到腎小管1521條。最終繪制的腎小管自動檢測接過約50萬節(jié)點。
　　四、腎小管微細結構可視化方法
　　基于DirectX技術的腎小管微細結構可視化方法，已經測試的50萬節(jié)點水平的腎小管結構，可以實時顯示，CPU占用率不超過5％，小管結構中的前后毗鄰（繪圖時的遮擋）關系表現準確，三維空間點的拾取準確，標注等附加功能基本完善。
　　結論：
　　本文提出的方法可以完成連續(xù)光學顯微圖像配準;對序列圖片間染色不