文档介绍：该【医学图像融合方法 】是由【青山代下】上传分享，文档一共【4】页，该文档可以免费在线阅读，需要了解更多关于【医学图像融合方法 】的内容，可以使用淘豆网的站内搜索功能，选择自己适合的文档，以下文字是截取该文章内的部分文字，如需要获得完整电子版，请下载此文档到您的设备，方便您编辑和打印。医学图像融合方法一、概述医学成像已经成为现代医疗不可或缺的一部分,其应用贯穿整个临床工作,不仅广泛用于疾病诊断,而且在外科手术和放射治疗等的计划设计、方案实施以及疗效评估方面发挥着重要作用。目前,医学图像可以分为解剖图像和功能图像两个部分。解剖图像主要描述人体形态信息,包括X射线透射成像、CT、MRI、US,以及各类内窥镜(如腹腔镜及喉镜)获取的序列图像等。另外,还有一些衍生而来的特殊技术,比如从X射线成像衍生来的DSA,从MRI技术衍生来的MRA,从US成像衍生而来的Doppler成像等。功能图像主要描述人体代谢信息,包括PET、SPECT、fMRI等。同时,也有一些广义的或者使用较的功少能成像方式:EEG、MEG、pMRI (perfusionMRI)、fCT等。多种成像模式提供的信息常常具有互补性,为了综合使用多种成像模式以提供更全面的信息,常常需要将有效信息进行整合。整合的第一步就是使多幅图像在空间域中达到几何位置的完全对应,这一步骤称为“配准”。整合的第二步就是将配准后图像进行信息的整合显示,这一步骤称为“融合”。二、配准的分类根据成像模式的性质不同,配准可以分为多模配准和单模配准。多模配准是指待配准的多幅图像来源于不同的成像设备单模配准是指待配准的多幅图像是用同一种设备获取的。多模配准主要应用于神经外科的诊断、手术定位及放疗计划设计等。比如将MRI、CT、DSA等解剖图像与SPECT、PET和EEG等功能信息相互结合,对癫痫进行手术定位。另外,由于MR适于肿瘤组织的轮廓描述而通过CT又可精确计算剂量,因此,在放疗中常需要将二者进行配准。单模融合多用于疗前疗后的对比、疾病(如癫痫)发作期与发作间期对比、肿瘤或骨骼的生长监测。比如,可通过将不同权重的MRI图像融合以区分不同组织通过电镜图像序列融合以获得微生物、细胞和亚细胞粒子的形态、运动等动态信息将fMRI图像序列融合以测试脑功能。将一个病人同一器官的不同时间、同种检查图像融合,可以用于对比以跟踪病情发展,确定该检查对该疾病的诊断特异性,并确定治疗过程。如果被分析的图像本身就是三维图像,这样的图像序列就成为四维图像(如心动图像分析)。在肿瘤诊治中,可以通过不同时间的PET图像分析,判断哪些肿物是新生的,哪些是经放射治疗后纤维化的、哪些是转移灶。根据配准依据的不同,医学图像配准方法可分为基于外部特征的图像配准(有框架)和基于图像内部特征的图像配准(无框架)两种方法。外部定位标志法的特点是定位简单,较准确,成像后可以全自动进行配准,对位参数易于计算,不需复杂的优化算法。在医学图像中外部点比内部点更容易识别,直接比较图像标记点的位置,可以进行配准结果视觉检测。该方法不需要过多的校正,但是要保持人体与标志的相对固定。由于外部定位标志法不能包含病人相关图像信息,因此对位限制于刚体变换,从而多限于头部与矫形外科。此法曾作为一种主要的融合对位方式广泛应用,但终因其临床操作麻烦而被放弃。目前较少作为实用融合算法出现,经常用来评估非外部标志融合方法的精度。内部特征法从1不同成像模式中提取共有特征的体位标志进行对位,它仅基于病人自身图像的信息。体位标志包括解剖标志,几何标志,局部点、线、表面轮廓特征及像素特征等。由于标志点、线、面比原始图像点数要少得多,因此可以加快对位速度。由于其无创性和可回溯性,已成为配准算法研究的重心。一般意义下的配准方法可分为以下几个步骤:提取特征、特征配对、选取变换和确定参数、执行整个变换。根据以上四步实现上的不同,配准方法可分为四类:点法、表面法、矩法、基于体素相似性方法。其中基于体素相似性的方法不需要提取图像间对应的解剖特征,是一种稳健性强、精度高的全自动方法。1993年,Woods以条件熵为配准的测度,开发了应用于PET-MR图像配准的软件1995年,VandenElsen利用复微分算子在尺度空间提取的解剖结构用相关性方法来配准CT和MR图像同年,Collignon和Studholme等提出了用联合熵和互信息配准图像的方法随后,Viola,Wells,Maes,Meyer等采用互信息作为配准的相似性测度来配准医学图像1999年,Rangarajan提出了基于互信息的点的配准算法2000年,Likar将互信息应用于弹性形变模型来配准肌纤维图像。由于互信息法不需要对不同成像模式下的图像灰度间的关系作任何假设,也不需要对图像进行分割或任何预处理,因此它在医学图像配准领域得到了普遍关注和广泛应用。三、配准方法的评价对于配准方法的评价常常是从配准精度、速度、稳健性、复杂性等多方面进行的。但是不同的方法各自有其特点,笼统地划分好坏是没有意义的。在不同的应用环境下,需要根据实际情况,选择合适的方法。许多学者和科研机构对配准方法的评价做了大量研究。“回顾性图像配准评估(EvaluationofRetrospectiveImageRegistration)”项目。该评估项目是一种“双盲”性的研究过程。所谓“双盲”,即评估人员不知道项目成员的配准算法,而研究人员不知道“金标准”,直到提交所有的配准结果。这样就使得对算法的评估更加真实、可靠,并且更符合临床实际。目前,已有20多个科研小组参加了该评估项目。四、融合方法的分类融合的目的就是使得临床工作人员可以快速获取感兴趣的互补信息,因此,根据临床工作的目的和****惯的不同,可设计和选择不同的融合方法。目前,融合方法可以分为基于层面的二维融合方法和三维融合方法。二维融合法分为:邻近显示法、直接融合法、特征选择融合法。三维融合方法分为:半三维融合和表面纹理化和表面映射,三维融合技术目前尚在进一步研究中,在临床应用得较少。邻近显示法把多个配准了的图像在不同窗口中按层面显示,层与层之间是对应的,窗口中图像可调整亮度和对比度,在各个窗口中,鼠标指示的是相同的解剖位置,因此可以观察到准确的对位。直接融合法对待融合图像对应象素直接作加、减、乘、加权或者采样运算,所得结果即为融合图像,也可利用“颜色冲洗”技术,把功能图像中的颜色映射到解剖图像中对应位置。特征选择融合是把一幅多幅图像中的特征提取出来,集成到其它图像中去的融合方2法,可以在不同成像模式图像中选取不同成分,然后映射到新的图像空间中去,也可以将一幅图像中的某些特征(如点集、轮廓或解剖结构)提取出来,叠加到另一幅图像中去。邻近显示法容易实现、直观、常用,但是仅有少部分信息参与了集成,许多有意义的特征都被非诊断信息掩盖或模糊。特征选择融合方法把多幅图像中感兴趣的区域进行有效的集成,但需要人为参与图像分割,提取感兴趣区域,不是全自动融合方法。五、讨论目前配准和融合方法的研究进展非常迅速。研究热点主要集中在以下方面:,人们的研究目光集中在内部特征选取上。如何选择一个合适的相似性测度,使得它可以描述图像几何位置符合的程度,并且易于计算是一个重要课题。比如,目前互信息由于其无需预处理以及鲁棒性强等特点,得到了广泛应用,但同时,低阶互信息仅仅关注灰度的统计特性,忽略了空间信息,往往出现误配准,因此,提出了使用高阶互信息,结合邻域中的空间信息,可以大大地降低误配准率。,比如刚体变换有6个参数,参数较多,寻找最优参数的时候,优化方法选择非常重要。梯度下降法、Powell等方法都是局部搜索法,在搜索中可能会陷入局部极值,从而导致误配准。此时可以考虑选择遗传算法和模拟退火等全局搜索算法。但是这些全局搜索算法一方面非常复杂,比如模拟退火法的多个参数的初始值较难选择另一方面,计算时间和空间的要求非常大,不能满足临床的要求。因此,需要选择合适优化方法,在准确性和速度之间作出折衷。,再将结果作为初始参数代入下一级优化。由于低分辨率图像配准的计算代价小,结果代入后能减少原始图像的配准迭代次数,使之很快达到收敛,因此是一种有效的可行的方法。此策略对大多数图像起到了加速效果,表明采样图像和原始图像在同一极值附近收敛。但对某些图像而言,其效果并不显著。原因在于,这些低分辨率图像的采样对配准函数的平滑度产生了负面的效果,这样将更容易导致局部极值,使得配准失败。如果采样图像配准不成功,不能为原始图像提供一个好的初始值的话,那么,这种策略对整个配准过程而言,没有太多意义。因为,下一级原始图像的配准与直接法所需时间将是一样,这使得总时间延长,精度没有变化。,因为很多形变的性质是非刚体、非线性的。比如为了精确定位脑功能区,常需要将CT或MR图像与图谱(如Talairach图谱)进行配准,此时由于个体差异的存在,无法简单使用刚体配准。又比如MR图像,常常伴有组织磁化系数差异、非水分子的化学位移以及血流流动等因素导致的几何畸变以及由于磁场不均匀、磁场梯度非线性及涡流等导致的探测畸变,因此在放疗计划制定中,将CT与MR图像配准时,不能单纯3地使用刚体配准。尤其对一些特殊部位,比如鼻咽部,由于软组织和空气的磁化系数差异大约为105,会引起10ppm的磁场变化,从而导致大于5mm的几何畸变。此时,为了得到满意的结果,必须使用非刚体配准。这类配准问题中常用的方法大致有两类:一是借助一个共同的标准来比较。例如,要对两个病人的PET或MRI图像进行比较,首先要把二者的图像都映射到一个共同的参考空间去,然后在此空间中对二者进行比较。目前使用较多的是Talairach标准空间(图谱)、ThePione-eringVoxelMan图谱、VisibleHuman/Woman数据集,可以对不同的人脑图像进行比较。二是非线性形变法,模仿弹性力学方法,根据人体生理解剖特性,建立特殊物理模型(例如连续统一体模型、线性弹性模型、粘性流体统一体模型、参数模式的弹性模型等),将一个人的三维图像逐步进行非线性变换,使它最终能较好地与另一个人的三维图像达到最佳的匹配。六、结论虽然目前硬件上出现了CT-PET以及带融合功能的SPECT,但是软件配准、融合仍然是不可缺少的。一方面,因为临床需要比较复杂,不可能将所有需要的机器组合都实现另一方面,同一病人不同时间的两幅相同模式图像进行配准以衡量疗效时,就不能不采用软件方式来配准融合。因此,继续进行软件配准融合的研究非常必要。同时,软件配准融合的算法发展迅速,精度和速度等都有非常大的提高,可以满足临床需要。在医学图像配准和融合也必将继续得到广泛关注。4