口腔CT

口腔CT（精选四篇）

口腔CT 篇1

1 材料及方法

1.1 材料和仪器

牙片机系统: Kodak 2100 60kv7ma 配备天津小象E速快感牙片及对应的显定影药水;全景曲面断层系统:Kodak 8000 配备激光打印设备, 富士DV4000激光相机;牙科三维CT系统:Kodak 9000C 3D 配备Kodak牙科CT三维专属软件阅读系统以及激光打印设备, Kodak DV5800激光相机、光盘刻录。

1.2 方法

分别对埋伏牙18例、种植牙12例、阻生齿14例、牙髓填充8例、牙周病8例的患者, 进行根尖片、全景曲面断层片及牙科三维CT拍摄[1]的检查对比分析。

2 结果

2.1 根尖片、全景曲面断层片及牙科三维CT拍摄片影像比较

图1-1、1-2中可以到患者的埋伏牙存在, 但却无法清晰准确的判断其生长方向, 行牙科三维CT后, 从牙科三维CT三维图像中清晰并准确的判断出此埋伏牙沿人体矢状位方向, 向颚侧生长, 并且根尖部位向上弯曲, 通过三维软件测量近95°角。

图2-1、2-2中明显看到此患者双磨牙阻生, 但由于根尖片与全景曲面断层属于二维影像, 无法准确判断两个磨牙的根尖走向、根管情况。行牙科三维CT后, 牙科三维CT矢状位中可以清晰准确看到根尖、根管及其与周围颌骨间的详细关系, 方便手术。

图3-1中明显看出种植体在颌骨中与左右邻牙的位置, 但却无法更详细的了解种植体与颌骨的详细关系。行牙科三维CT后, 分别从三种扫描位置 (水平位、矢状位、冠状位) 可以更加详细的了解种植体位于颌骨唇颊侧的具体位置, 并且可以清晰看到与下颌神经管的关系, 便于牙体种植后医生详细观察种植体的位置情况。

2.2根尖片、全景曲面断层片及牙科三维CT拍摄片疾病诊断率比较

三维CT拍摄片比较根尖片、全景曲面断层片有更高的疾病诊断率, 分别为埋伏牙与阻生齿100%, 种植牙99%, 牙体髓腔走向98.5%, 牙周病99.2%。

3讨论

牙科三维CT成像系统图像清晰:它的基本原理[1,3]是X线从各个方向以层厚最小为76μm通过被检部位形成一个直径为5cm, 高为5cm的圆柱型多部位连续扫描, 利用计算机程序对X线通过不同部位后的衰减情况进行分析测量, 采集被拍摄部位的三维信息, 全面观察其内部结构从而获得被检部位所有信息, 进行容积重组形成更精确分辨率更高的图像。另外, 它除了可以通过激光相机的打印成胶片之外, 更可以将所成影像进行刻录成光盘, 不但利于保存, 更可以在任何一台计算机中自由读取、分析、调整所采集到的影像。从所选60例患者的采集图像中可以看出牙科三维CT在口腔临床应用中的重要性。三种不同的成像技术检查方法对病症的正确诊断率检出结果对比:根尖片因图像信息记录在胶片上固定不变无法进行后处理, 并病变部位显示局限。而全景曲面断层由于配备影响后处理系统可以对影像进行后期处理, 全齿的观察起到很大作用, 对于病变的细致部位显示则不如根尖片清晰。但牙科三维CT成像系统恰恰结合了前两者优点, 并且在前两者观察的基础上更加细致的体现了病变区域, 通过三维的成像后处理系统调节病变区进行三维的旋转, 达到详细了解病变的成体形态、边缘以及内部结构特征等, 以提高对疾病的定性定量诊断, 结果证实牙科三维CT在口腔临床上诊断应用相对比根尖片、全景曲面断层对病症的正确诊断率检出率与特异性都有非常大的提高。目前, 牙科三维CT在牙槽骨外科手术、牙体牙髓病科治疗及牙种植修复中得到了较广泛的应用, 取得了较好的诊疗效果[2,3,4];其在肿瘤的诊断、牙周病的诊断与治疗、正畸治疗及口腔美容等方面易达成医患间的理解和配合, 提高患者对牙病治疗的接受程度和满意度, 为口腔临床教学和科研提供必要的信息资料, 与根尖片、全景曲面断层对比更为优越突出。总之, 随着牙科三维CT在口腔医学临床的广泛使用, 其分辨率高, 定位准确, 图像清晰, 避免重叠的特点必将使口腔医学的诊断和治疗获得深入的发展, 给医生和患者带来福音。同时也为医院的服务质量带来提升。

关键词：三维CT,口腔,成像

参考文献

[1]董海霞, 程传明, 张采云, 等.上颌埋伏牙的螺旋CT扫描和三维重建[J].中国临床医学影像杂志, 2001, 12 (3) :209

[2]唐小山等:牙科三维CT在埋伏阻生牙助萌中的应用[J].同济大学学报, 2008, 29 (6) :124- 127

[3]宿玉成.现代口腔种植学[M].北京:人民卫生出版社, 2004, 10

口腔CT 篇2

1 资料与方法

1.1 一般资料

选取2013年6月～2014年12月我院经手术及病理证实口腔癌患者30例,男性18例,女性12例,病程2个月～3年,平均7±2月,年龄29～78岁,平均43.9±11.6岁,所有患者术前未接受任何抗肿瘤治疗。

1.2 方法

所有患者采用CE Brightspe多层螺旋CT机进行检查,扫描层厚度为5mm,电压为120kV,管电流180mA,扫描位置从颅底至锁骨。另采用增强CT扫描,造影剂为300mL碘海醇,高压注射器进行静脉注射,注射速率控制3mL/s。检查的影像资料均由高资质的反射医生分析判断。

2 结果

30例患者病理学检查:牙龈癌15例(上颌骨6例,下颌骨9例),口底癌11例(牙槽骨4例,下颌骨7例),舌癌4例(下颌骨4例)。增强CT扫描结果与手术病理学检查结果一致。螺旋CT扫描:牙龈癌10例(上颌骨4例,下颌骨6例),口底癌8例(牙槽骨3例,下颌骨5例),舌癌3例(下颌骨3例)。

增强CT扫描:15例牙龈癌患者病变直径1.5～5.0cm,平均1.69±0.70cm,均见浸润性生长、溃疡型病变。4例舌癌患者主要为溃疡型病变,呈浸润性增长,病变直径1.5～3.0cm,平均1.57±0.4cm,边缘模糊。11例口底癌患者主要为溃疡型病变,病变直径2.5～4.0cm,平均1.73±0.60cm,形态不规则。

3 讨论

口腔癌是高发的恶性肿瘤,口腔内环境较小,存在较复杂的解剖结构,口腔癌极易侵犯附近结构[2]。口腔癌常发恶性肿瘤部位包括唇部、牙龈、舌前、口底等。相关研究表明,国内口腔癌发病率约为1.06～1.69/10万,约占全身恶性肿瘤的1.9%～3.5%[3]。口腔癌患者常出现骨质侵犯,尤其是口底癌、牙龈癌等,主要侵犯部位包括上颌骨、压槽骨、下颌骨等,因下颌骨是颌面部唯一可以运动的部分,与舌头、牙龈等距离较近,须予以切除。即使小范围切除下颌骨也会影响咀嚼、言语等功能,影响患者术后生活质量。因此,临床医生要最大可能准确判断口腔癌侵犯情况,制定合理的治疗方案。目前,口腔癌诊断方法较多,临床须考虑肿瘤原发疾病及转移情况。CT平扫是口腔癌患者术前常用的影像学检查方式,但无法显示较小或浸润性表浅溃疡型肿瘤。增强CT是常规术前诊断方法,检查肿瘤原发灶、转移情况效果显著,诊断准确率较高。本研究表明,增强CT检查结果与手术病理检查结果一致;增强CT可用于常规术前诊断肿瘤原发病灶及其转移[4]。

综上所述,增强CT扫描能准确判断口腔癌下颌骨侵犯患者病变范围、位置,准确率较高,值得临床推广应用。

参考文献

[1]黄铿霖,马隆佰.颌面部恶性纤维组织细胞瘤的CT与MRI表现[J].放射学实践,2013,28(2):146-149.

[2]蒲德利,廖江荣,彭刚,等.放射性125I柱子植入近距离放射治疗18例口腔癌的疗效观察[J].介入放射学杂志,2013,22(10):851-853.

[3]叶宇,邱晓明,王弘等.右侧下颌骨、颞骨巨细胞修复性肉芽肿1例[J].医学影像学杂志,2014,15(6):1027-1027,1031.

口腔CT 篇3

1 cone-beam CT技术的主要特点

1.1 精度比较高

cone-beam CT的图像体素已经达到了0.1~0.5 mm,其中一次扫描可以分解成多于108个均等的立方体,经计算机对数据进行处理后,则可以在轴面、矢状面及冠状面等进行重建,其精度远远比传统医疗CT高。很多专家学者深入地对cone-beam CT技术精度实施了研究,将cone-beam CT技术的测量结果和在干颅骨上直接测量的结果(颅颌骨测量中的金标准)实施对比后,发现cone-beam CT技术存在的系统误差非常小[6,7]。

1.2 扫描时间短

以往的医疗CT一般需要在持续不断的螺旋运动状态下连续拍摄轴平面影像,再实施叠加处理,其扫描时间一般为3~5 min[8,9]。但是大部分cone-beam CT的拍摄与曲面断层片相类似,只需要在患者周围旋转拍摄则能够获得完整的数据,能够一次性地对全部牙齿以及颅颌面容积数据进行采集,还能够选择性地对局部数据进行采集,其扫描时间一般为10~70 s。因为扫描时间短,促使由于运动而产生的有效放射剂量以及伪影等也逐渐减少[10,11]。

2 cone-beam CT技术在口腔正畸中的具体应用

2.1 骨组织重建

经cone-beam CT技术三维重建能够清晰地对颅底和上下颌骨之间的关系进行展现,有利于正畸诊断过程中的骨骼分型。此外,通过对牙槽骨形态及压槽嵴高度等进行观察,能够充分对患者牙周情况进行了解[12]。除此之外,在进行正畸治疗的过程中,因为牙齿过度移动而导致的骨开裂及骨开窗,牙根吸收检出率等都明显的比普通X线片高,其有利于尽早地发现,且及时地给予处理。cone-beam CT技术还可以对牙齿下舌侧骨板的具体厚度进行判断,并对下舌侧牙槽骨板的吸收与改进等具备着至关重要的作用[13]。

2.2 定位埋伏牙及阻生牙

经cone-beam CT三维重建,能够准确地对埋伏牙及阻生牙进行定位,其中多层面重建技术能够对任何方向中的曲面、矢状面、冠状面及斜面等众多平面断面图像进行显示,且直观地对埋伏牙检查中涉及的内部层面信息进行显示,并精确地对埋伏牙的邻牙牙根吸收、牙体所在位置、牙的大小、牙体萌出方向以及牙体表面形态等进行显示[14,15]。

3 讨论

在20世纪30年代,美国及欧洲的专家学者提出了X线头影测量技术,且得到了很好的发展,一直到20世纪60年代,X线头影测量技术才被正式的应用到我国口腔正畸的临床研究中,虽然此技术具有价格低廉及操作简单等特征,但是却只能对头颅结构的二维影像进行反映,缺少颌面部的有效分析,并具有图像放大失真等弊端。而随着科学技术的不断发展进步,计算机技术及图像数字处理技术也得到了很大的发展,促使颌面三维重建及测量得到了很好的发展。其中cone-beam CT技术具备着辐射少、扫描快、空间分辨力高及图像伪影少等优势,特别适用于颅颌面检查,其被广泛地应用在口腔正畸领域中。

4 结语

口腔CT 篇4

20世纪70年代,CT技术成功应用于临床医学,使人体无创检查成为现实。虽然基于X射线特性的CT骨骼显示能力明显优于MR、B超扫描等方法[1],但是在口腔疾病诊断中,由于口腔内部软组织结构的复杂性,使得其CT图像整体亮度和软组织对比度偏低,边缘和细节特征不明显,给医生的诊断带来困难。通常需要借助MR图像进行口腔软组织病变诊断,提高了诊治费用。因此,对口腔CT图像进行软组织对比度增强,使其能够同时显示骨骼和软组织将具有极大的临床应用价值。

大多数经典的时域图像处理方法,如直方图均衡、反锐化掩膜等,由于未考虑图像的频域信息,加之CT图像的成像特点, 易使图像过增强,且对噪声敏感,局部增强能力不足,无法保留一些有意义的图像特征。随着小波变换理论及相关MALLAT算法的出现,近年来,小波变换已经成为图像处理的一个重要工具。小波变换的多分辨分析特性,可将图像分解为低频和高频子带,根据处理目的不同,选择性地对图像局部进行处理,是一种较为成熟的CT图像处理方法[2],目前已被应用于乳腺钙化点提取[3]、肝癌CT图像增强[4]、以及CT图像去噪[5]等领域。 在临床实践中,考虑到大量口腔病灶位于骨骼附近的软组织区域,传统的小波高频处理方法对口腔中低频软组织结构的增强效果不够明显,仍然不能用于临床实践。

法国学者G. Matheron和J. Serra于1964年提出了数学形态学,这是一种由形态学衍生的建立在集合理论上的数学方法,为图像处理领域提供了一种重要工具[6],形态学开闭运算组成的级联滤波器可消除灰度图像中的尖峰与低谷噪声,已经在图像去噪[7]、图像边缘检测[8]等方面得到应用。

本文针对口腔CT图像的特点,提出了一种先通过小波变换预处理,针对代表软组织区域的低频子带进行增强,然后结合数学形态学开闭级联滤波器对图像进行平滑处理,去除噪声。 图像处理流程如图1所示,实验分析结果表明,这种结合小波变换和数学形态学的方法,在图像的高、低频段内均获得了较为理想的对比度增强效果,有助于临床口腔软组织病灶部位的区分和诊断。

1 口腔 CT 图像特点

图2是口腔CT原图像,相比传统X光片及全身CT,具有清晰、准确等特点。借助Ka VO e Xam Vision软件,可将图片重建为三维模型,全方位地反映出组织情况,目前已经广泛应用于临床诊断。然而,由于口腔结构的复杂性,某些病灶部位往往位于牙齿骨骼结构周围的软组织区域。基于X射线的物理特性,牙齿骨骼等结构位于图像的高频部分( 图2A中白色部分) ,边缘和细节特征明显。而周围肌肉、软组织等信息 ( 图2B中灰色部分) 存在于低频部分,在整张图片中仅占有很窄的灰度范围,对比度低,轮廓模糊。常规的小波分析对比度增强算法为了增强细节信息,往往只处理图像高频部分,造成处理后的图像整体灰度变化不大,因此在口腔CT图像中无法取得明显的效果。

2 口腔 CT 对比度增强方法

2. 1 小波增强

通常把图像定义为以 ( x,y) 为空间坐标,f为幅值的二维函数矩阵,采用基于二维MALLAT快速算法的小波变换进行图像处理。其基本原理为: 用一维的高通滤波器H、低通滤波器L分别对原图像进行逐行和逐列的滤波处理。根据香农采样定理, 对滤波后的图像再进行二倍下采样处理,扔掉一半的冗余信息, 进而得到4幅子图像。第j层分解公式如下:

其中,fj( k,l) 为原始图像,fjL+L1( n,m) 为图像低频子带,代表着图像的近似部分,含有原图的大部分信息。fjH+L1( n,m) 、fjL+H1( n, m) 、fjH+H1( n,m) 分别为水平、垂直和对角方向的高频子带,代表图像中灰度剧烈变化的边缘和细节信息。分解过程如图3所示[9]。

本文根据上述原理,将图2原始图像分解后,得到其高频子带为牙齿和骨骼的边缘部分。图像的大部分信息集中在图像的低频子带,但只占据了很窄的灰度范围,轮廓模糊,细节不清晰。 因此,应重点增强图像的低频子带部分。由于医学图像的特殊性,保留原始信息十分重要,因此本文选用bior3. 7小波对图像进行一层分解并提取低频小波系数。文献[10]采用了一种非线性增益算子结合硬阈值的方法对超生图像的高频部分进行处理,得到了理想的效果。由于本文需要增强低频子带,无需考虑高频噪声,故将算法简化为非线性函数G( UL) 并移植到低频子带,修正软组织区域亮度的不均匀性。

( 1) 首先将低频小波系数做归一化处理:

其中,wL为低频小波系数,M为低频小波系数最大值。

( 2) 对低频小波系数做非线性变换并重构图像:

其中,b ∈ ( 0,1) 为控制增强曲线形状的参数。图4为不同参数下增强函数曲线。

从图4中可以看出,参数d控制曲线的增强程度,参数b影响曲线的凹凸性。根据图2的特点,本文选择d = 27,b = 0. 32 , 既拉伸了灰度范围,又保留了细节特征,效果较为理想,图5为小波增强算法流程图。

2. 2 形态学去噪

经上述算法处理后的图像,对比度增强效果明显,突出了软组织部分的特征信息。然而,由于小波变换方法的缺陷,无法准确地分离噪声的特征部位,因此在增强图像过程的同时,不可避免地增强了软组织区域周围的噪声信号,具体表现为图中的细小颗粒状结构。形态学开闭级联滤波器通过选择不同的结构元素,可根据图像几何结构消除噪声,特别适合处理此类噪声信号[11]。因此,在小波分析的基础上,本文引入数学形态学方法。 数学形态学作为一种基于几何空间的非线性方法,为图像处理领域提供了一种重要的工具。形态学算法可分为形态学滤波运算和结构元素选取两大部分[12]。

形态学滤波运算包括膨胀、腐蚀、开、闭运算和其组成的级联滤波器[13]。灰度形态学的基本运算如下: 设f( x,y) 和b( u, v) 分别为原图像和结构元素,用b( u,v) 对f( x,y) 的膨胀与腐蚀运算定义如下:

其中,Df、DB分别为f和B的定义域。

由膨胀腐蚀组成的形态学开启和闭合运算定义如下:

在灰度图像中,噪声信号往往表现为灰度图中突出的尖峰或低谷。形态学开运算具有平滑图像,消除毛刺及孤立斑点的作用,可以消除尺寸小于结构元素的亮细节。而闭运算可以填补细小的裂缝及空洞,常用于消除尺寸小于结构元素的暗细节。 因此通过对原图像先后进行开闭运算,便可达到消除图中噪声的目的,且保持图像整体灰度值基本不变。形态学OC,CO滤波器定义如下:

图6所示为利用圆形结构元素对原始信号进行先开后闭的运算,达到了同时去除波峰与波谷噪声的目的。但是由于开、闭运算分别具有的收缩、扩张性,经过开、闭运算后的图像分别处于原始信号的下方和上方,造成OC或者CO滤波处理后的图像出现漂移现象。

为了解决输出信号的单向漂移问题,本文选择交替混合OCCO滤波器,对小波增强后的图像进行滤波处理,具体算法如下:

OCCO( f) ( x,y) = [OC( f) ( x,y) + CO( f) ( x,y) ]/2 ( 11) 该式表明,对口腔CT图像进行滤波去噪的处理为对输入图像分别进行先开后闭和先闭后开的运算,然后对两种算法的结果取线性平均值。

除了滤波运算的变换形式,结构元素的形状和大小的选择同样很大程度影响图像的滤波效果。常用的结构元素多为一些简单的二值图形,如圆形、直线型、三角形、矩形、梯形、八角形等。实际应用中,结构元素的形状选取应与噪声图像的形状尽可能相似,尺度应大于噪声图像尺寸,小于非噪声图像尺寸。结构元素尺寸选择过大,会造成图像边缘模糊,细节不清晰; 尺寸过小则会造成去噪效果不明显。对于结构较为复杂的输入图像,应选择组合形式的结构元素,进行多尺度运算,并且根据不同的图像特征和滤波器的滤波顺序选取不同的组合顺序[14]。 本文根据图像特点及大量实验验证,选择尺度为4和6的圆形和方形结构元素,式( 12) 中矩阵B1,B2表示简单二值图形,分别为半径是4的圆形和边长是6的方形。采用多结构元素滤波的方法可以滤除更多类型的噪声,但结构元素过多将增加运算时间。

综上所述,本文在将传统的OCCO滤波器改进为多尺度多结构元素的复合滤波器。考虑到开运算在消除正脉冲噪声的同时,会加大负脉冲的 幅值,反之亦然。 因此,先用小的结构元素作开运算,再用大的结构元素去除幅值加大的负脉冲较为合理。本文采取的滤波器结构要根据结构元素形状和尺度大小的不同来确定,将输入图像分为四组运算,并将结果加权叠加,最终得到输出图像。图7为形态学去噪算法流程图。

2. 3 软件实现方法

算法在MATLAB环境下实现,核心编程包括小波增强和形态学去噪算法,部分代码如下所示:

2. 4 结果分析

本文算法实验操作平台是主频CORE2 2. 2GHz,内存2G,操作系统WIN7的PC机。通过MATLAB7. 0软件平台编程实现。 实验图像为口腔医院提供的DICOM格式口腔CT图像( 640 × 640) 。为验证本文算法的增强效果,本文采取传统小波软阈值增强算法、直方图均衡化方法和直接形态学去噪的方法进行对比分析。结果如图8所示。

通过比较,本文算法增强效果优于上述算法。图8( b) 传统小波阈值增强法选择图像高频部分进行增强,骨骼牙齿等高频特征信息细节更为清晰,但软组织对比度增强效果不明显。图8( c) 直方图均衡化方法在增强图像对比度的同时放大了噪声, 且部分区域出现过增强现象。图8( d) 的直接形态学去噪方法可以去除原图中大量噪声,但不产生增强效果。本文算法( 图8 ( a) ) 在小波变换良好的多分辨特性基础上,选择性地针对图像软组织部分进行增强。同时利用形态学滤波良好的去噪性能, 在增强特征信息的同时抑制噪声,获得了较好的增强效果。

由于视觉信息带有主观性,本文采取直方图对比和信息熵两种方法来客观评价以上算法。通过图9中直方图的比较可以看出,本文算法处理后的图像灰度分布较为平均,且可以辨识部分不明显细节。图像信息熵是衡量图像质量的重要指标,代表了图像所包含的信息数量,即熵值越大,图像中保留的细节内容越多,包含的信息量越丰富。熵的定义为:

式中 λ 为灰度级上限,本文取为255,p( i) 为灰度等于i的点出现的概率。由式( 11) 计算得上述各处理方法的熵值。

表1列出了三种不同处理方法得到的信息熵值,本文采用的方法相比传统的算法可以更好地增强信息量。同时,该方法具有可移植性,通过参数调整,可应用于此类增强低频子带的图像增强中。

1) 串口服务器启动后,对串口和网口进行参数设置,等待计算机终端连接,如图6所示。

2) 计算机终端连接成功以后,纸卷输送系统各设备装置就可以通过数据包通信协议与计算机终端进行数据通信。由于低速串口和高速网口存在速率不匹配的问题,需增设一个环形缓冲区来防止数据延迟或者数据丢失的现象。

3) 计算机终端将串口服务器采集到的数据实时显示到用户界面,便于技术人员实时监控纸卷输送系统各设备装置的状态。例如当纸卷输送速度和切纸施胶速度不协调时,则需从计算机终端发送控制命令,对相应的设备进行参数配置。

6 结 语

将串口服务器应用在造纸工业中,可以用于多路数据采集。 结果表明,该设计可以控制8路串口设备,实现远距离串口通信,且系统成本和功耗低,克服了传统设备通信的局限性,做到了一卡多用的效果,可实现单路和多路设备的高频率通信,同时可避免一般通信设备转接复杂,设计繁琐等问题,为多串口实时通信提供一种可行方案,有着广阔的应用前景。

摘要：针对口腔CT图像软组织部位分辨率低,细节不清晰的问题,提出一种基于数学形态学的图像处理方法,较好地避免了目前常用的直方图均衡、反锐化掩膜以及小波阈值增强等方法在图像处理过程中产生的细节丢失、噪声放大等缺陷。该方法通过对图像进行小波变换预处理,增强表达软组织信息的低频小波系数并重构图像,并解决了增强信息的同时带来的噪声放大问题。同时引入形态学开闭级联滤波器,增强特征信息,进一步去除噪声平滑图像。实验结果证明了该方法的有效性,有助于临床口腔软组织病灶部位的区分和诊断。