医学图像处理综述Word文档格式.docx

医学图像处理综述Word文档格式.docx

《医学图像处理综述Word文档格式.docx》由会员分享，可在线阅读，更多相关《医学图像处理综述Word文档格式.docx（5页珍藏版）》请在冰豆网上搜索。

目前MRI的功能成像（fMRI）是MIR设备应用的前沿领域，广泛应用于大脑功能性疾病的诊断,并为肿瘤等占位性病变提供功能信息。

MRI受到世人的广泛重视，其技术尚在迅速发展过程中。

（3）核医学成像（NMI），目前以单光子计算机断层成像（SPECT）和正电子断层成像（PET）为主，其基本原理是向人体注射放射性核素示踪剂，使带有放射性核素的示踪原子进入人体内要成像的脏器或组织通过测量其在人体内的分布来成像。

NMI不仅可以提供静态图像，而且可提供动态图像。

（4）超声波成像（UltrasonicImaging），属于非电离辐射的成像模态，以二维平面成像的功能为主，加上血液流动的彩色杜普勒超声成像功能在内，在市场上已经广泛使用。

超声成像的缺点是图像对比度差、信噪比不好、图像的重复性依赖于操作人员。

但是，它的动态实时成像能力是别的成像模式不可代替的

在目前的影像医疗诊断中，主要是通过观察一组二维切片图象去发现病变体．这往往需要借助医生的经验来判定。

至于准确地确定病变体的空间位置、大小、几何形状及与周围

生物组织的空间关系，仅通过观察二维切片图象是很难实现的。

因此，利用计算机图像处理技术对二维切片图象进行分析和处理。

实现对人体器官，软组织和病变体的分割提取，三维重建和三维显示，可以辅助医生对病变体及其它感兴趣的区域进行定性甚至定量的分析。

从而大大提高医疗诊断的准确性和可靠性。

在医疗教学、手术规划、手术仿真及各种医学研究中也能起重要的辅助作用。

医学图像处理技术包括很多方面。

本文主要从图像分割，图像配准，图像融合以及纹理分析技术方面进行介绍。

1.医学图像分割：

由于人体的组织器官不均匀、器官蠕动等造成医学图像一般具有噪声、病变组织边缘模糊等特点，医学图像分割技术的目的就是将图像中感兴趣的区域清楚的提取出来，从而为定量、定性分析提供基础，同时它也是三维可视化的基础。

分割的效果直接影响到三维重建后模型的精确性。

医学图像分割就是一个根据区域间的相似或不同把图像分割成若干区域的过程。

目前，主要以各种细胞，组织与器官的图像作为处理的对象。

传统的图像分割技术有基于区域的分割方法，基于边界的分割方法和基于阈值的图像分割算法。

基于区域的算法依赖于图像的空间域局部特征，如灰度，纹理及其它象素统计特性的均匀性等。

基于边界的算法主要是利用梯度信息确定目标的边界。

结合特定的理论工具。

基于阈值的算法，要选取多个图像灰度取值范围内的阈值，再将图像中各个像素与阈值比较，依据比较的结果将图像划分为互不交叉重叠的区域。

近年来，随着其它新兴学科的发展，产生了一些全新的图像分割技术。

如基于统计学的方法、基于模糊理论的方法、基于神经网络的方法、基于小波分析的方法、基于模型的snake模型f动态轮廓模型）、组合优化模型，以及基于三维可视化系统的FastMarching算法和Watershed变换的医学图象分割方法等。

虽然不断有新的分割方法被提出。

但结果不是很理想。

目前研究的热点是一种基于知识的分割方法．即通过某种手段将一些先验的知识导入分割过程中，从而约束计算机的分割过程，使得分割结果控制在我们所能认识的范围内而不至于太离谱。

比如在肝内部肿块与正常肝灰度值差别很大时。

不至于将肿块与正常肝看成2个独立的组织。

医学图像分割方法的研究具有如下显著特点：

现有任何一种单独的图像分割算法都难以对一般图像取得比较满意的结果。

要更加注重多种分割算法的有效结合：

由于人体解剖结构的复杂性和功能的系统性。

虽然已有研究通过医学图像的自动分割区分出所需的器官、组织或找到病变区的方法脚，但目前现成的软件包一般无法完成全自动的分割．尚需要解剖学方面的人工干预f41。

在目前无法完全由计算机来完成图像分割任务的情况下，人机交互式分割方法逐渐成为研究重点：

新的分割方法的研究主要以自动、精确、快速、自适应和鲁棒性等几个方向作为研究目标。

经典分割技术与现代分割技术的综合利用（集成技术）是今后医学图像分割技术的发展方向。

2．图像配准。

如何使多次成像或多种成像设备的信息得到综合利用，弥补信息不完整、部分信息不准确或不确定引起的缺陷，使临床的诊断治疗、放疗定位、计划设计、外科手术和疗效评估更准确，已成为医学图像处理急需解决的重要课题。

医学图像配准是通过寻找某种空间变换，使两幅图像的对应点达到空间位置和解剖结构上的完全一致。

要求配准的结构能使两幅图像上所有的解剖点，或至少是所有具有诊断意义以及手术区域的点都达到匹配。

目前医学图像配准方法有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。

后者由于其无创性和可回溯性，已成为配准算法的研究中心。

基于互信息的弹性形变模型也逐渐成为研究热点。

互信息是统计两个随机变量相关性的测度，以互信息作为两幅图像相似性测度进行配准基于如下原理：

当两幅基于共同的解剖结构的图像达到最佳配准时，它们对应的图像特征的互信息应为最大。

图像配准是图像融合的前提，是公认难度较大的图像处理技术，也是决定医学图像融合技术发展的关键技术。

近年来国外在图像配准方面研究很多，如几何矩的配准、利用图像的相关系数、样条插值等多项式变换对图像进行配准。

国内研究人员也提出了一些相应的算法：

对于两幅图像共同来估计其正反变换的一种新的图像配准方法，称为一致图像配准方法；

采用金字塔式分割，进行多栅格和多分辨率的图像配准，称为金字塔式多层次图像配准方法；

为了提高CT、MRI、PEC多模态医学图像的三维配准、融合的精度，还可以采用基于互信息的方法。

不同的医学图像提供了相关脏器的不同信息，图像融合的潜力在于综合处理应用这些成像设备所得信息以获得新的有助于临床诊断的信息。

利用可视化软件，对多种模态的图像进行图像融合，可以准确地确定病变体的空间位置、大小、几何形状以及它与周围生物组织之间的空问关系，从而及时高效地诊断疾病，也可以用在手术计划的制定、病理变化的跟踪、治疗效果的评价等方面。

在放疗中，利用MR图像勾勒画出肿瘤的轮廓线，也就是描述肿瘤的大小；

利用CT图像计算出放射剂量的大小以及剂量的分布，以便修正治疗方案。

在制定手术方案时，对病变与周围组织关系的了解是手术成功与否的关键，所以CT与MR图像的融合为外科手术提供有利的佐证，甚至为进一步研究肿瘤的生长发育过程及早期诊断提供新的契机。

在CT成像中，由于骨组织对x线有较大的吸收系数，很敏感而在MR成像中，骨组织含有较低的质子密度，所以MR对骨组织和钙化点信号较弱，融合后的图像对病变的定性、定位有很大的帮助。

由于不同医学成像设备的成像机理不同，其图像质量、空间与时间特性有很大差别。

因此，实现医学图像的融合、图像数据转换、图像数据相关、图像数据库

和数据理解都是亟待解决的关键技术。

2.图像融合。

图像融合的主要目的是通过对多幅图像问的冗余数据的处理来提高图像的可读性．对多幅图像间的互补信息的处理来提高图像的清晰度。

因为不同的医学影像设备获取的影像反映了不同侧重点的信息：

功能图像（SPECT、PET等）分辨率较差，但它提供的脏器功能代谢和血液流动信息是解剖图像所不能替代的；

解剖图像（CT、MRI、B超等）以较高的分辨率提供了脏器的解剖形态信息，其中CT有利于更致密的组织的探测，而MRI能够提供软组织的更多信息。

多模态医学图像的融合把有价值的生理功能信息与精确的解剖结构结合在一起．可以为临床提供更加全面和准确的资料。

融合图像的创建分为图像数据的融合与融合图像的显示两部分来完成。

目前，图像数据融合主要有以像素为基础的方法和以图像特征为基础的方法。

前者是对图像进行逐点处理。

把两幅图像对应像素点的灰度值进行加权求和、灰度取大或者灰度取小等操作。

算法比较简单，不过实现效果和效率都相对较差．融合后图像会出现一定程度的模糊。

以图像像素为基础的融合法模型

后者要对图像进行特征提取、目标分割等处理，用到的算法原理复杂，但是实现效果却比较理想。

图像融合的步骤一般为：

①将源图像分别变换至一定变换域上；

②在变换域上设计一定特征选择规则；

③根据选取的规则在变换域上刨建融合图像；

④逆变换重建融合图像。

⑤融合图像的显示。

融合图像的显示常用的方法有伪彩色显示法、断层显示法和三维显示法等。

伪彩色显示一般以某个图像为基准用灰度色阶显示，将另一幅图像叠加在基准图像上，用彩色色阶显示。

断层显示法常用于某些特定图像。

可以将融合后的三维数据以横断面、冠状面和矢状面断层图像同步地显示。

便于观察者进行诊断。

三维显示法是将融合后数据以三维图像的形式显示，使观察者可更直观地观察病灶的空问解剖位置。

这在外科手术设计和放疗计划制定中有重要意义。

目前,医学图像融合技术中还存在较多困难与不足。

首先，基本的理论框架和有效的广义融合模型尚未形成。

以致现有的技术方法还只是针对具体病症、具体问题发挥作用，通用性相对较弱。

研究的图像以CT、MRI、核医学图像为主，超声等成本较低的图像研究较少,且研究主要集中于大脑、肿瘤成像等；

其次由于成像系统的成像原理的差异，其图像采集方式、格式以及图像的大小、质量、空间与时间特性等差异大，因此研究稳定且精度较高的全自动医学图像配准与融合方法是图像融合技术的难点之一；

最后，缺乏能够客观评价不同融合方法融合效果优劣的标准，通常用目测的方法比较融合效果。

有时还需要利用到医生的经验。

3纹理分析。

一般认为图像的纹理特征描述物体表面灰度或颜色的变化，这种变化与物体自身属性有关，是某种纹理基元的重复。

Sldansky早在1978年给出了一个较为适合于医学图像的纹理定义：

“如果图像的一系列固有的统计特性或其它的特性是稳定的、缓慢变化的或者是近似周期的，那么则认为图像的区域具有不变的纹理”。

纹理的不变性即指纹理图像的分析结果不会受到旋转、平移、以及其它几何处理的影响。

纹理是人类视觉的一个重要组成部分，迄今为止还难以适当地为纹理建模。

有研究针对肝脏疾病难以根除、危害面广的问题，采用灰度梯度共生矩阵的方法，分别提取纤维化肝组织和正常肝组织的CT图像的纹理特征，提出了基于灰度梯度共生矩阵的小梯度优势、灰度均方差、灰度熵等参数作为图像的纹理特征量。

通过选取的纹理参数，可以看到正常组和异常组之间存在显著性差异，为纤维化CT图像临床诊断提供了依据。

4图像的伪彩色处理：

对一幅黑白图像，人眼一般只能辨别出4到5比特的灰度级别，而人眼能辨别出上千种不同颜色。

针对这一特点，人们往往将黑白图像经过处理变为彩色图像，充分发挥人眼对彩色的视觉能力，从而使观察者能从图像中取得更多的信息，这就是伪彩色图像处理技术的目的。

伪彩色处理是医学图像处理中一种常用的方法，是将一副原来没有色彩的灰度图像通过某种对应关系，映射到彩色空间，使之形成一副彩色图像。

这样的彩色并不代表图像中物体的真正颜色。

故将这种为了某种目的经过变换形成的彩色图像称之为“伪彩色”。

医学图像大多是黑白图像，如X、CT、MRI、B超图像等。

经过伪彩色处理技术，即密度分割技术，提高了对图像特征的识别。

通过临床研究对x线图片、CT图片、MRI图片、B超图片、电镜图片均进行了伪彩色技术的尝试，取得了良好的效果，部分图片经过处理后可以显现隐性病灶。

例如对X线图片，在乳腺照影中伪彩色处理能鉴别囊性病、良性和恶性肿瘤，同样，钡餐照影图片和各种x线图片也得到良好的诊断效果。

常用的方法有，灰度分割（也称亮度分割），灰度到彩色的变换，以及频域滤波法等。

①灰度分割是是伪彩色图像处理中最简单的一种，将灰度图看做一个2-D的亮度函数，用一个平行于图像坐标轴的平面来切割亮度函数，把亮度函数分为两个灰度值区间，并赋予两种不同的颜色。

将其推广，在不同的灰度级定义的区域，可对每个灰度值区间内的像素赋予一种颜色，这样不同灰度值区域的像素很容易被区分出来。

②灰度到彩色的变换对原始图像中像素的灰度值用三个独立的变换（红，绿，蓝三个不同特性的变换器）来处理，从而将不同的灰度映射位不同的颜色。

其变换方法是先将黑白灰度图像送到红、绿、蓝3个变换器，而后再将3个不同输出分别送到彩色显像管的红、绿、蓝三枪。

即同一灰度由3个变换器实施不同的变换，使得变换器输出不同的分量，然后在彩色显像管中合成某一种彩色。

这样的伪彩色变换，不同大小灰度级一定可以合成不同的彩色。

取得较好的图像视觉效果。

③频域滤波法。

将输入图像的傅立叶变换。

其基本的思想是根据图像中各区域中的不同频率分量给区域赋予不同的颜色。

未得到不同的频率分量可以分别通过3个不同频带的滤波器（红色高通滤波器，绿色带通滤波器，蓝色低通滤波器）产生不同的频率分量，将输出的每个内的频率分量再经过傅立叶反变换，其结果可进一步处理（如直方图均衡化或规格化）。

最后将个通路的图像分别输彩色显示器对应的红、绿、蓝的入口就能得到增强后的图像。

5医学图像的三维可视化

三维医学图像的可视化通常是利用人类的视觉特性，通过计算机对二维数字断层图像序列形成的三维体数据进行处理，使其变换为具有直观立体效果的图像来展示人体组织的三维形态。

该技术作为有力的辅助手段能够弥补影像设备在成像上的不足，为医生提供具有真实感的三维医学图像，极大地提高了医疗诊断的准确性和科学性。