本站小編為你精心準備了醫學圖像融合與技能分析參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

1圖像處理技術

自倫琴1895年發現X線后,在醫學上X線被用于人體檢查,診斷疾病,逐步形成了放射學。20世紀以來醫學成像技術經歷了一個從靜態到動態、從形態到功能、從平面到立體的發展過程,尤其在計算機技術高度發達之后,出現了計算機斷層成像(CT)、數字減影血管造影(DSA)、單光子發射斷層成像(SPECT)、磁共振成像(MRI)、數字熒光造影(DF)、正電子發射斷層成像(PET)等多種成像模式的醫學圖像,使人體內部的結構、功能等多方面的狀況通過影像反映出來,從而更加直觀地提供了人體解剖、生理及病理等信息。為了豐富和突出影像的有用信息,在成像之后,計算圖像處理技術被廣泛應用,包括將醫學圖像數字化、去除噪聲、恢復圖像失真,增強圖像對比度、自動分割目標、斷層圖像的三維重建、定量分析等處理手段[1,2]。但是,由于各種成像設備所特有成像原理各不相同,與各種成像相關的信息內容也各有側重。如CT、MRI圖像主要反映解剖形態結構;核影像對人體功能狀態非常敏感,等等。單獨用某種模式的圖像進行診療,即使經過計算機處理,也不能反映全面情況,只能得到定性的,或在一定條件范圍內的定量分析。近年來,隨著圖像處理技術在醫學領域的進一步應用,一種新的信息處理技術——醫學圖像融合開始受到足夠重視[3～8]。它是將多種成像模式(一般為兩種)的圖像結合起來。利用各自的優點,在一幅圖像上同時表達來自人體多方面的信息,如融合MRI與PET的胸腹圖像,可提高對腫瘤的診斷、定級、定位和定量分析,為放射計劃治療提供依據;又如利用腕骨的CT和MRI融合圖像可輔助骨折正位。通過醫學圖像融合,有效地豐富了圖像信息,提高了診斷和治療的可靠程度。國外已有大量報道這方面的研究、實驗成果,并開始用于臨床。本文綜述了多模式醫學圖像融合中的有關圖像處理技術,著重介紹了圖像配準技術,并例舉了醫學圖像融合在醫學診斷、治療等方面的應用。

2醫學成像技術

醫學成像技術是一個綜合多種學科成果與先進技術的綜合性,實用性學科領域。包括X射線、超聲、CT、MRI、核醫學圖像(SPECT、PET)、紅外線圖像、數字減影、熒光造影等多種成像方式。各種模式的醫學圖像從視覺角度為醫生及研究人員提供了豐富、直觀、定性及定量的人體生理信息,成為診斷各種疾病的重要技術手段。由于不同模式的設備對人體內大到組織小到分子原子有不同的靈敏度和分辨率,因而有它們各自的適用范圍和局限性。CT是利用X射線提供的原始信息進行從一維到二維的圖像重建,可以對人體作多層橫斷面掃描。CT具有較強的空間分辨率(3mm)和幾何特性,對人體軟組織對比度較低,對骨骼反映清晰。MRI利用人體組織中氫質子在磁場消失后馳豫時間差成像。可得到多種角度、方位的斷層圖像,空間分辨率小于3mm,可清晰反映軟組織、器官、血管等的解剖結構,但對鈣化點不敏感,且受到磁干擾會發生幾何失真。SPECT、PET是以放射性核素及其標記物在臟器中的濃度差為基礎的顯像方法,能得到人體任意角度斷層面的放射性濃度分布。可反映組織、器官的代謝水平、血流狀況,對腫瘤病變呈現“熱點”。PET尤其適于對神經系統功能的研究。但圖像的分辨率很差(SPECT約10mm,ECT約6mm),難以得到精確的解剖結構和立體定位,也不易分辨組織、器官的邊界。DSA是一種投影圖像,由注入造影劑前后的X光投影圖相減而得到。可清晰反映人體心、腦血管分布情況,對診斷各種動靜脈畸形、血管瘤等有重要價值。但它不能顯示周圍結構以及病灶的空間位置。各種模式的醫學圖像從不同角度反映人體信息,單獨從某一種圖像中無法得到全面的診斷信息。而多種圖像又必須借助醫生的空間構想和推測去綜合判定他們所要的信息,其準確性受到主觀影響,更主要的是一些信息將可能被忽視。醫學圖像融合技術以計算機圖像處理方法代替了醫生的人工綜合方式,可以提高診斷效率和可靠性,并精確指導神經外科手術及放射治療等。

3融合和配準技術

醫學圖像融合一般指兩種圖像模式的圖像取長補短,結合成一幅圖。如CT-MRI,CT-SPECT,MRI-PET、MRI-DSA等。目前國外已有大量研究報道,因研究對象,研究目的不同,融合的方法也多種多樣,歸納起來,主要按以下步驟進行:(1)預處理。對獲取的兩種圖像數據進行去噪,增強等處理。統一兩種數據格式,圖像大小和分辨率。對序列斷層圖像做三維重建和顯示。根據目標特點建立數學模型。(2)分割目標和選擇配準特征點。在二維或三維情況下,對目標物或興趣區進行分割。選取的特點應是同一物理標記點在兩個圖像上的對應點,該物理標記可以是人工標記,也可以是人體解剖特征點。(3)利用特征點對進行圖像配準。可視作兩個數據集間的線性或非線性變換,使變換后的兩個數集的誤差達到某種準則的最小值。(4)配準后的兩種模式的圖像在同一坐標系下將各自的有用信息融合表達成二維或三維的圖像。(5)從融合圖像中提取和測量醫學特征參數,定性、定量分析,做出病情診斷或指導外科手術及放射治療計劃。在完成上述圖像融合的過程中,涉及到許多具體的技術,尤其集中于計算機自動處理方面。下面就幾個主要技術加以總結。

3.1圖像分割和特征點選取

圖像配準的精度取決于特征點的選取。以大腦的圖像融合為例,在早期的研究中[3,4],采用戴含界標的頭套或將病人頭部固定于立體定位架中,經兩種成像可得到共同的參照坐標系,這一方法顯然操作不便,也使病人痛苦,不太實用。后來,人們將頭(腦)的外輪廓及內部一些解剖特征點作為標記,實現無架匹配[5～8]。這些特征點應具有空間不變性,還要求同時存在于兩種圖像中,并且在自動提取算法中易于識別。除腦之外,其它部位或興趣區(ROI、VOI)的融合也選取了諸如外標記架、橡膠綁帶、標記釘、體內解剖特征點(血管分支點,器官邊界、血管壁等)。為準確、自動提取標記點,需對圖像作精確分割。如分割出頭皮、顱骨、灰白質等,并剔除非腦軟組織。Ardekani等[9]提出了全自動的腦MRI圖像分割方法,首先用梯度算子提取腦輪廓;第二步用K-均值算法將腦內部聚類成4個不同類;最后,利用多個特征參數-灰度、邊界分維數、平均深度、對稱性等,得到多個興趣區的邊界,與原圖像疊加,即可顯出腦內部主要區域及腦輪廓。其它一些分割方法諸如用數學形態算子[10]、邊緣提取方法[11],以及人工交互式分割[12]都可有效分割目標。

3.2配準技術

人體同一解剖位置經不同的圖像設備得到的圖像會在圖像分辨率、大小、幾何形狀、掃描角度、斷層間距等方面不一致。配準就是將這兩種圖像統一到共同的空間坐標系中,保持兩圖像中對應位置的一致性。從數學模型上表達,配準可描述為求解從一個數據集到另一個數據集的映射變換,經過變換后的兩個圖像集將達到最優匹配,即它們之間的誤差距離(有多種定義)最小。

3.2.1基于多項式配準方法對于有架或外部界標的配準,從參照系中的對應點可直接求得變換函數。一般為多項式線性函數,可簡單表示為:x′1=a*1x1+b*1y1+c1y′1=a*2x1+b*2y1+c2其中:a1,a2,b1,b2,c1,c2為多項式系數,(x1,y1)點經變換后為(x′1,y′1)。要使對應點(x1,y1)和(x2,y2)相匹配,需滿足誤差E=(x′1-x2)2+(y′1-y2)2最小。據此匹配條件,利用多個特征點數據可求取多項式各系數。于是,就可變換整幅圖像數據,完成配準過程。

3.2.2基于主軸和表面的配準方法在無架配準方法中,基于腦解剖特征的主軸法比較成熟[13]。該方法以目標體(近似柱體或橢圓體)的中心點及三個正交主軸為匹配基準,通過旋轉、移位變換使兩個目標相對應。另一種無架自動配準方法是三維表面匹配算法,在許多融合處理中被采用[6,16,18]。如圖1是腦CT和MRI圖像的表面匹配示意。先將多層掃描的CT提取頭外表面輪廓,如圖中連續閉合曲線,形成“頭”表面;再將MRI特征點覆于“頭”上,稱“帽子”。開始“頭”與“帽”不相配,經過一個可迭代運算的非線性變換,使“帽子”各點到“頭”質心的均方根距離趨于最小,最終實現兩者匹配。Rusinek等[14]對主軸法和表面匹配法作了詳細的比較。兩種方法都會因提取腦輪廓所造成的畸變而影響精度;主軸法還對掃描不完全的程度敏感;表面匹配法無需人為監督,自動化程度高,配準精度高,只是運算較復雜,處理時間長。從實際應用角度看,文中認為表面匹配法優于主軸法。

3.2.3其它配準方法van.denElsen等[11]在配準CT、MRI和SPECT圖像時,除提取腦外表面輪廓特征,還用多尺度Gaussian算子提取腦內部幾何特征,在多尺度空間進行匹配。Meltzer等[15]先將腦MRI圖的內部分割成幾個興趣區(ROI),再分別以各ROI為模板自動配準到PET圖對應的區域。腹部臟器(或腫瘤)的圖像配準不如腦部精確,一般配準誤差約6mm～2cm,因為在成像過程中可能發生局部位移、形變。Parsai[8]和Wahl等[16]在研究中還需依靠外部基準標記架或橡膠綁帶,并適當選用少量內部特征點。Wahl所用方法是基于一種仿射變換幾何模型。Pietrzyk等[17]對全自動配準方法進行分析后,認為自動配準方法需假設對象為剛體并要選取有效特征點對,因而僅限于腦、脊髓等組織,也僅限于幾種圖像模式的融合。他們提出了人工交互式配準方法。該方法利用可視化交互式圖形軟件包對兩種圖像進行編輯、旋轉、對準、排列,可達到很高配準精度,并符合醫學理解。此方法適應多種模式配準,并用于人體多個部位:腦、胸、腹、骨等組織。

3.2.4配準方法驗證用于控制配準優化過程的準則主要有:對應特征點或表面的誤差均方(平方)和最小;ROI中心——中心距離最小;或定義代價函數,使函數趨于某極限,等等。為了評價無架配準方法的有效性,在研究中多以含外部標記的模型或有架配準結果作為依據,進行比較分析,并以實際病人數據進行驗證[18]。

3.3數據融合和顯示

對于兩個配準后的圖像顯示,要以數據融合為目的,即要將兩種圖像模式的特點同時表現出來,突出最能反映生理、病理變化的形態和功能信息。盡量避免覆蓋、遮擋。一般可采用多種圖形顯示方法[6,8,16,17],如給不同區域定義多個灰度或彩色,或用不同紋理區別顯示等。關于斷層圖像的三維顯示已有成熟的方法,主要有表面顯示,體顯示和剖面顯示等方式。Stokking等[19]以灰度顯示腦三維表面結構(MRI),將放射性分布信息(SPECT)以彩色方式疊加于表面,并以色彩濃淡表示濃度,再用這種融合顯示方式同時顯示多個深度(5mm,10mm,15mm)的腦三維表面,給醫生很直觀的診斷信息。

3.4其它相關技術

PACS即醫學文檔和通訊系統是支持圖像融合的重要平臺和環境[20]。該系統將醫院的各種成像設備聯成網絡,以數字方式存貯、管理和處理多種影像資料,有利于數據共享,遠程診療和計算機圖像分析,圖像融合等技術的實現。要實現PACS,需解決:各種圖像數據的獲取;圖像存儲協議;多級網絡建立等問題。其中,要求對圖像進行高壓縮比的不失真壓縮處理,以提高傳輸效率,如何實現這種高效算法引起許多研究人員的濃厚興趣,除了對傳統壓縮方法進行改造,基于知識的、基于神經網絡的、基于小波分解的或分形編碼的一些新方法,正在深入探討和實驗中。適當的成像方法和顯影劑的選擇也直接影響圖像的融合和配準。例如,立體定位架的設計,外標記的位置安排,不同掃描方式的角度、層間隔的統一等成像技術細節都是很值得研究的。

4醫學圖像融合的應用

醫學圖像融合的臨床應用多種多樣。主要集中于大腦的診斷和手術治療,以及臟器腫瘤的診斷、定位等。在大腦的圖像融合應用中,Hill等[5]融合CT和MRI圖像,建立了大腦的三維坐標系統,可輔助腦定位治療,定位精確度高于單獨從一個圖中的定位。Pelizzari等[6]對癲癇病人的MRI、PET圖像處理后,可觀察到病人的腦外傷、炎癥、硬化癥等的變化,還可看到手術及麻醉前后的區別。在Grzeszezuk的研究中[21],通過CT、MRI融合圖,可輔助腦電極植入指定位置,并根據立體分布的電極的記錄分析,與相應的PET圖相對應,可更全面了解手術前腦的活動情況,提高了手術計劃的可靠性。在胸腹部圖像融合應用中,Wahl[16]將MRI融合到三維PET代謝圖中,顯示代謝與解剖信息,對10個內臟腫瘤患者的實驗中,以不同色彩顯示腹部各區域的三維圖像。Kramer[22]以融合技術確定放射線標記的單克隆抗體聚積(SPECT圖)的解剖結構(CT圖),可對術前及治療中的腫瘤進行精確分級和定位,其實驗對象為8例可疑直腸癌。Birn-baum[23]在融合配準過程中,不借助外部界標,而在ROI中以肝輪廓、脾尖、動靜脈管壁等為內部標記,進行MRI-SPECT及CT-SPECT的匹配,通過對多例病人的實際處理,可診斷小到1cm的肝血管瘤,證明該技術比單獨從SPECT中估計肝血管損傷更有效。

5結束語

我們總結了近年來醫學圖像融合和配準技術的進展和應用。可以看到,這種技術不僅大大提高了醫學診斷的可靠性,更在三維放射治療計劃、立體定位手術等方面顯出了令人矚目的前景。目前,國外已開展了多年的研究;國內也開始重視起來,有些院校和醫院已著手有關工作。在實際應用中還要考慮圖像融合和配準的許多具體問題。從工程角度,提高配準精度、自動化程度和處理速度等;從醫學角度,應使處理(顯示)結果符合醫學理論和醫生的習慣。因此,對于一種融合配準方法需從上述兩方面給予定量、定性的評價。相信,隨著現代科學技術的飛速發展,多模式醫學圖像融合和配準技術也會不斷發展并有更廣泛的應用。