用于图谱导航的用户接口是一个分级浏览器。 具体的功能有 • 从任何方向观察图像（角度、高度和旋转） • 图像尺寸缩放（适于观察小的对象） • 以任意维剪切图像（显示隐藏对象） • 按组或按单个颜色显示分级结构 • 利用RGB滑块改变图像颜色 • 给图像贴标签注释3D显示部分 • 在图像上重叠栅格用做贴标签编辑 • 改变标签字体的大小、颜色和字型 • 在3D显示上画线，帮助指向标签标识的脑区 • 存储标签、说明文件、图像，供制做幻灯片、录象 带或以后的脑图谱使用。
数字化脑图谱构建过程图示
(1) 数据的获取
如果数据取自尸体，尸体脑应选自无神经疾病和神经 病理改变的成年死者。保存时应浸泡在福尔马林酒精溶液 中，使其尽量与活体脑状态相近。具体步骤是先用切片机 对尸体头颅沿轴向（即从上向下方向）切片，约每2毫米 一层。然后对各层切片照相，用透明胶片覆盖在照片上。 透明胶片上有毫米刻度的切片机框架标记，覆盖时使该框 架标记与照片中的框架位臵重合。因为照片中各解剖结构 的边缘并非清楚可见，必须辅以必要的手绘。例如在透明 胶片上绘出大脑半球皮层表面、尾状核的头、尾边缘，及 脑室边缘等。这项工作一般是由神经解剖学专家来完成。 如能对每个结构都由熟悉该结构的专家分头描绘，效果会 更好些。最后，用平板式图像扫描仪将描绘好的透明胶片 扫描至计算机图像工作站中，就得到了人脑切片的分层数 据及全脑的体数据。
第8章 医学图像标准数据库
8.1 数字化人脑图谱技术
8.1.1 数字化脑图谱的概念与特点 数字化人脑图谱是用某种特定的扫描装臵获取的 体数据 (1) 经3D分割处理， (2) 添加解剖标识 (3) 辅以3D可视化技术的结果。
在当前的医学图像分析和研究中，构建一个 高精度、高速度、易于操作的三维数字化人脑 图谱（Digitized Atlas of the Human Brain ）的 工作引起科学家们的重视。 使用这种图谱，医生可以在3D空间对人脑 中感兴趣的对象任意旋转和平移，做认真细致 的观察，清楚地了解人脑内部复杂的空间关系。
美国可视人计划意义
（4）解剖信息资源共享
作为高质量、高水平的基础医学数据集，将人 体解剖信息资源为全人类所共享。数据共享是 当今国际科学界极为关注和提倡的。许多有实 力的大学、研究所、医院和公司纷纷融资协力 打造多种领域数据库，甚至是跨国的合作。显 然，VHP数据集是这方面成功的范例。
(6) 数字化人脑图谱的浏览器
解剖是分级组织的，因此浏览器也应是分级的。例 如，上前部皱折是脑前叶的一部分，后者属于新皮层一 部分，而新皮层又是大脑的一部分等等。分级浏览器对 分割图像的可视化提供一个用户友好界面。程序自动将 分割好的图像与包含分级名称与像素值的说明文件关联 起来。用户可选择按像素值或按分级关系显示图像。后 者允许将不同神经解剖区成组或拆组，用色彩加亮不同 的ROI，可以清楚看出结构间的关系。随意上移或下移 至不同的分级以更好地观察较大或较小的分组，更好地 了解结构间的空间关系。
初始分割的基础上，参照现有的神经解剖学专著找出关于 各ROI的标志（Landmark）的叙述，例如关于颞叶，额叶前 部皮层，基底节的详细描述，初步选择ROI。该项工作可以交 互式地进行。 例如对同是灰质的额上回与额中回无法用程序自动区分。 使用能够显示侧面、轴向及冠状（Sagittal, Axial ,Coronal.）三 个正交方向截面图的交互式软件可以观察脑部切片，帮助ROI 的编辑工作。划分的ROI包括大脑皮层灰质（又分为多个脑 叶）、小脑、脑干结构（包括脑桥和延髓）、胼胝体、基底 节、脑缘系统结构、眼与视交叉，脑室系统，及几个白质束 （皮层脊髓束及视辐射线）等。总计有150个左右的解剖结构。 由于解剖结构形态分类的任意性，要做好这项工作需要 专家组对识别的各个脑区评估并不断改进和修正。对脑图谱 众多ROI的确定和轮廓描绘是十分艰苦、费力的事，一般需要 数人年的工作。 由于精心操作，ROI的划分是很准确的。经评估，即使 对体积很小的脑结构，例如颞上回（STG），ROI的误差也能 做到小于4%
8.1.3 数字化人脑图谱的应用
当前比较有代表意义的数字Biblioteka 图脑谱有:• • • • •
Talairach脑图谱 哈佛全脑数据库 蒙特利尔神经所的BrainWeb UCLA的可变形的人脑概率数据库 美国的可视人计划（Visible Human Project）也常常被用于 脑图像研究的参考。
应用领域
(3) 感兴趣区的选取
感兴趣区的选取是图像3D分割与医学先验 知识相结合的产物。图像3D分割可以是自动 的、监督式的、或二者结合的分割。例如，在 滤波后对MR图像做基于灰度的监督式分割 （Supervised Segmentation），尽量得到对每个 像素明晰的组织分类（灰质、白质、脑脊液 等）。分类器可采用非参数统计分类算法，将 灰度图像转换为某种组织的二值图像或概率图 像。
(5)数字化人脑图谱的可视化
有三种方法可以用来实现贴过标签的数据集的可视化:
（1）使用高性能计算机的蛮力绘制法（Brute Force Rendering）。 （2）使用表面模型和标准图形硬件加速方法。 （3) 对于没有硬件加速设备的，可以预先算好绘制的图像， 存储备用。 这三种方法对计算资源的要求不同，前者最高，依次 递降。使用高性能计算机，交互式工作要求每秒几幅 图像的绘制速度。要想得到较好的视觉效果，还必须 对数据点插值或平滑。在3D空间实现对解剖结构分组， 对象的平移与旋转。结构间的关系也很明确，便于观 察和建立解剖结构的3D形象。
8.2 数字化虚拟人体
8.2.1 美国可视人计划
受美国国立图书馆支持美国可视人计划（Visible Human Project，VHP）于1989年立项，并在1994年与1995年相继 推出一男一女尸体高精度、高分辨组织切片光学照相、CT 和MRI断层图像数据集。男的身高1.82米，女的身高1.54米。 在他们死后，立即用CT和MRI作了轴向扫描，男的间距1 毫米，共1878个断面。女的间距0.33毫米，共5189个断面。 然后将尸体填充蓝色乳胶并裹以明胶后冰冻至摄氏零下80 度。再以同样的间距对尸体作组织切片的摄影。数字化扫 描分辨率为20481216像素。所得数据共56GB(男13Gb，女 43GB)。
如果采集的是活体数据，则应选择一个健 康的成年受试者。直接进行MR分层扫描。 多层扫描数据经工作站转换为标准图像格 式供后处理使用。这种扫描数据本身就是 3D体数据集。一般由文件头与二进制MR 数据组成。数据结构很方便做2D或3D处 理。
(2) 图像数据的质量改进
由于MR图像中各解剖结构的边缘并不清晰。因此扫 描要在较短的时间内重复进行多次，扫描过程中受试者 位臵尽量固定不动。将N次扫描数据迭加平均得到的结 果就可将信噪比增加N的平方根倍。例如，MNI的人脑 数据库就是对同一受试扫描27次完成的。此外，还应对 图像噪声加以滤除。有多种滤波器可以使用，例如图像 与高斯核卷积可以抑制随机噪声，但对图像结构边缘有 模糊作用。一种模拟热学中各向异性扩散的滤波器较为 有效，既可滤除噪声，又不破坏图像的解剖细节。
美国可视人体男性与女性
美国可视人体男性断层图像
美国可视人计划意义
（1）实现了人体解剖信息的数字化。 这使得几百年发展起来的基于尸体解剖的 实验解剖学发生革命性的变革。人体解剖 信息一旦数字化后，就找到与计算机接口 方法，后续的计算机处理技术将使这个资 源发生不可估量的影响。
美国可视人计划意义
8.1.2 数字化脑图谱的构建方法
数字化脑图谱的材料大致有以下几种： （1）尸体组织切片 （2）活体扫描 （3）用数学方法仿真产生
活体扫描又可以是 多个受试者的概率结果 或单一受试者的迭加平均结果。
数字化脑图谱构建过程
数字化人脑图谱的制作过程包括： • 数据的获取 • 图像数据的质量改进 • 感兴趣区的选择 • 贴解剖标签 • 3D表面绘制 • 浏览器 • 人机交互接口。
（1） 神经解剖教学
对不同解剖结构的形状、构造及它们之间的关系 的理解是件困难的事情。数字脑图谱可以给学生 提供一种直观地学习神经解剖学快速而有效的方 式。数字化的3D数据集配合灵活快速的表面重建 和浏览功能使学生能从各角度观察指定的解剖结 构，观察的对象也可很方便地选择。所以是一个 很好的教学工具。
（5） 仿真多种成像方式
利用MR人脑图谱数据和特定的其它成像模 式的原理相结合，可以用计算机模拟产生 PET、SPECT或fMRI图像，构建多种模式的 仿真脑图像体数据集供诸如配准等图像方法 学研究。这样构建的仿真数据库特点是成像 参数可控，可以人为添加噪声、模仿部分体 积效应及对灰度不均匀度（INU）进行控制， 用来检测算法的强健性。
（2）极大地提高了人体解剖可视化水平
人类在认识自己身体的结构方面前进了 一大步。使人们以三维形式看到人体数千 个解剖结构的大小、形状、位臵及器官间 的相互空间关系。
美国可视人计划意义
（3）开辟医学研究的虚拟环境。
基于VHP数据集开发各种虚拟内窥镜（例如虚拟 直肠镜、虚拟腹腔镜等）。特别是这种技术不受 腔、管结构的限制，原则上可以在人体内部任何 部分穿通浏览。基于图像引导的外科手术计划与 导航系统可以提高手术的安全性和成功率；虚拟 手术培训系统给广大的未来医生提供最具真实感 的训练机会。对提高人类整体医疗水平具有重要 意义。
由于图谱是数字化的，因此可以很方便地对 整个体数据进行重采样（Resampling），或对数据格 式重组（Reformatting），使人们能够从任意角度、 任何剖面观察脑内结构。 特别是，人脑的主要组成部分在图谱中都有相应 的解剖名词标识，并能在鼠标控制下显示。这无疑 是手术步骤计划的重要参考信息，当然也是神经解 剖教学的好工具。 图谱的这一特性还可使它可以用做模型驱动分割 的模板，对待分析的新的脑图像的多个感兴趣区同 时做特征描述。
（3） 模型驱动分割
由于人体解剖个异性差别较大，人脑中许 多组织和结构的图像灰度分布互相重叠，使 得人脑图像分割具有很大的难度。图谱的信 息可以用于指导分割算法的研究。从图谱信 息到受试者或病人的映射主要使用弹性匹配 方法。