醫學(xué)圖像處理技術(shù)

現代醫院2007年11月第7卷第1期Modem Hospital Nov 2007 Vol7 No I115醫學(xué)圖像處理技術(shù)馬麗明李艷婷黃兆佳葉兆斌THE OVERVIEW OF MEDICAL IMAGE PROCESSING TECHNOLOGYMA Liming, L Yaning, HUANG Zhaojia, et al[摘要]隨著(zhù)醫學(xué)成像和計算機輔助技術(shù)的發(fā)展,從二維醫學(xué)圖像到三維可視化技術(shù)成為研究的熱點(diǎn),本文介紹了醫學(xué)圖像處理技術(shù)的發(fā)展動(dòng)態(tài),對圖像分割、紋理分析、圖像配準和困像融合技術(shù)的現狀及其發(fā)展進(jìn)行了綜述。在比較各種技術(shù)在相關(guān)領(lǐng)域應用的基礎上,提出醫學(xué)圖像處理技術(shù)發(fā)展所面臨的相關(guān)問(wèn)題及其發(fā)展方向。{關(guān)鍵詞]醫學(xué)圖像處理 圖像分割 圍像配準 圖像融合 紋理分析[ Abstract] The present situation and development of such medical image procesing tecbniques are summa-rized 甜the techniques of image segmentaion, image regsiration, imnage fusion and texture analyis. On the basis ofanalyzing the relative techniques, the problems have been put forward what we are facing with the development ofmedieal image proessing technique. At the end of this paper, the derelopment tendency of medical image pocssingis predicted.[Key words] Medical image processing, Image segmentation, Image rgistation, lmage fusion, Texture 8nalysis[Author's adress Women & Children Health Isitution of Foban City, Cuangdong Province 528000 PRC本文對醫學(xué)圖像處理技術(shù)中的圖像分割紋理分析、圖1引言近20年來(lái),醫學(xué)影像已成為醫學(xué)技術(shù)中發(fā)展最快的領(lǐng)像配準和圖像融合技術(shù)的現狀及其發(fā)展進(jìn)行了綜述。域之一,其結果使臨床醫生對人體內部病變部位的觀(guān)察更直: 醫學(xué)圖像三維可視化技術(shù)接更清晰,確診率也更高。20世紀70年代初,X -CT的發(fā)2.1三維可視化概述明曾引發(fā)了醫學(xué)影像領(lǐng)域的一場(chǎng)革命,與此同時(shí)，核磁共振醫學(xué)圖像的三維可視化的方法很多,但基本步驟大體相成像( MRI : Magnetic Resonance Imaging)、超聲成像、數字射同,如圖1。從CT/MR(或超聲等成像系統獲得二維斷層圖線(xiàn)照相術(shù)發(fā)射型計算機成像和核素成像等也逐步發(fā)展。計像,然后需要將圖像格式轉化成計算機方便處理的格式。通算機和醫學(xué)圖像處理技術(shù)作為這些成像技術(shù)的發(fā)展基礎,帶過(guò)二維濾波,減少圖像的噪聲影響,提高信噪比和消除圖像動(dòng)著(zhù)現代醫學(xué)診斷正產(chǎn)生著(zhù)深刻的變革。各種新的醫學(xué)成的尾跡。采取圖像插值方法,對醫學(xué)關(guān)鍵部位進(jìn)行各向同性像方法的臨床應用.使醫學(xué)診斷和治療技術(shù)取得了很大的進(jìn)處理.,獲得體數據。經(jīng)過(guò)三維濾波后,不同組織器官霜要進(jìn)展,同時(shí)將各種成像技術(shù)得到的信息進(jìn)行互補，也為臨床診行分割和歸類(lèi),對同-部位的不同圖像進(jìn)行配準和融合,以斷及生物醫學(xué)研究提供了有力的科學(xué)依據。"利于進(jìn)-步對某感興趣部位的操作。根據不同的三維可視在目前的影像醫療診斷中,主要是通過(guò)觀(guān)察一-組二維切化要求和系統平臺的能力,選撣不同的方法進(jìn)行三維體繪片圖象去發(fā)現病變體,往往需要借助醫生的經(jīng)驗來(lái)判定。至制,實(shí)現三維重構。于準確地確定病變體的空間位置、大小、幾何形狀及與周?chē)鶦T/MR超尚生物組織的空間關(guān)系,僅通過(guò)觀(guān)察二維切片圖象是很難實(shí)現中銀化二維濾波圖像插值| 等醫學(xué)影像式轉化的。因此,利用計算機圖象處理技術(shù)對二維切片圖象進(jìn)行分析和處理.實(shí)現對人體器宮、軟組織和病變體的分割提取、三維重建和三維顯示,可以輔助醫生對病變體及其它感興趣的體繪制k配準融合分割歸類(lèi)kH三堆濾波區域進(jìn)行定性甚至定量的分析,可以大大提高醫療診斷的準圖1三維可視化大體步驟確性和可靠性。此外,它在醫療教學(xué).手術(shù)規劃、手術(shù)仿真及各種醫學(xué)研究中也能起重要的輔助作用。2.2中國煤化工.DH.CNMH改果直接影像三維重馬麗明李艷婷黃兆佳葉兆斌:佛山市婦幼保健院廣東佛山構的精調度。出陳分刮定將團家刀利成有意義的子區域,由528000于醫學(xué)圖像的各區域沒(méi)有清楚的邊界,為了解決在醫學(xué)圖像16現代醫院2007年11月第7卷第11期Modem Hospital Nov 2007 Vol7 No 11分割中遇到不確定性的問(wèn)題,引人模糊理論的模糊閥值、模之間的相互關(guān)系,因此周剛慧等結合人腦MR圖像的空間關(guān)糊邊界和模糊聚類(lèi)等概念?？焖贉蚀_地分離出解剖結構和系定義Mardkov隨機場(chǎng)的能量形式，然后通過(guò)最大后驗概率定位區域位置和形狀,自動(dòng)或半自動(dòng)的圖像分割方法是非常(MAP)方法估計Markov隨機場(chǎng)的參數,并通過(guò)迭代方法求重要的。在實(shí)際應用中有聚類(lèi)法統計學(xué)模型彈性模型、區解。層次MRF采用基于直方圖的DAEM算法估計標準有限域生長(cháng)神經(jīng)網(wǎng)絡(luò )等適用于醫學(xué)圖像分割的具體方法。正交混合( SFNM)參數的全局最優(yōu)值,并基于MRF先驗參由于可以對同一部位用不同的成像儀器多次成像,或用數的實(shí)際意義,采用一種近似的方法來(lái)簡(jiǎn)化這些參數的估同-臺儀器多次成像,這樣產(chǎn)生了多模態(tài)圖像。多模態(tài)圖像計。林亞忠等采用的混合金字塔Cibbs 隨機場(chǎng)模型,有效地提供的信息經(jīng)常相互覆蓋和具有互補性,為了綜合使用多種解決了傳統最大后驗估計計算量龐大和Cibbs隨機場(chǎng)模型成像模式以提供更全面的信息,需要對各個(gè)模態(tài)的原始圖像參數無(wú)監督及估計難等問(wèn)題,使分割結果更為可靠。進(jìn)行配準和數據融合,其整個(gè)過(guò)程稱(chēng)為數據整合。整合的第3.2基于模糊集理論的方法-步是將多個(gè)醫學(xué)圖像的信息轉換到一個(gè)公共的坐標框架醫學(xué)圖像-般較為復雜,有許多不確定性和不精確性,內的研究,使多幅圖像在空間域中達到幾何位置的完全對也即模糊性。所以有人將模糊理論引人到圖像處理與分析應,稱(chēng)為三維醫學(xué)圖像的配準問(wèn)題。建立配準關(guān)系后,將多中,其中包括用模糊理論來(lái)解決分割問(wèn)題?；谀：碚摰膫€(gè)圖像的數據合成表示的過(guò)程,稱(chēng)為融合。在醫學(xué)應用中,圖形分割方法包括模糊閾值分割方法、模糊聚類(lèi)分割方法不同模態(tài)的圖像還提供了不互相覆蓋的結構互補信息，比等。模糊閾值分割技術(shù)利用不同的S型隸屬函數來(lái)定義模如,當cT提供的是骨信息,MRI 提供的關(guān)于軟組織的信息，糊目標,通過(guò)優(yōu)化過(guò)程最后選擇-一個(gè)具有最小不確定性的s所以可以用邏輯運算的方法來(lái)實(shí)現它們圖像的合成。函數,用該函數表示目標像素之間的關(guān)系。這種方法的難點(diǎn)當分割歸類(lèi)或數據整合結束后,對體數據進(jìn)行體繪制。在于隸屬函數的選擇。模糊C均值聚類(lèi)分割方法通過(guò)優(yōu)化體繪制一般分為直接體繪制和間接體繪制,由于三維醫學(xué)圖表示圖像像素點(diǎn)與c各類(lèi)中心之間的相似性的目標函數來(lái)像數據量很大,采用直接體繪制方法,計算盤(pán)過(guò)重,特別在遠獲得局部極大值,從而得到最優(yōu)聚類(lèi)。Venkateswarlu 等改進(jìn)程應用和交互操作中,所以- -般多采用間接體繪制。在圖形計算過(guò)程,提出了一種快速的聚類(lèi)算法。工作站上可以進(jìn)行直接體繪制,近來(lái)隨著(zhù)計算機硬件快速發(fā)3.2.1基于模糊理論的方法 模糊分割技術(shù)是在模糊集合展,新的算法,如三維紋理映射技術(shù),考慮了計算機圖形硬件理論基礎上發(fā)展起來(lái)的，它可以很好地處理MR圖像內在的的特定功能及體繪制過(guò)程中的各種優(yōu)化方法,從而大大地提模糊性和不確定性,而且對噪聲不敏感。模糊分割技術(shù)主要高了直接體繪制的速度。體繪制根據所用的投影算法不同有模糊閾值.模糊聚類(lèi)、模糊邊緣檢測等。在各種模糊分割加以分類(lèi),分為以對象空間為序的算法(又稱(chēng)為體素投影技術(shù)中,近年來(lái)模糊聚類(lèi)技術(shù),特別是模糊C -均值( FCM)法)和以圖像空間為序的算法!又稱(chēng)為光線(xiàn)投射法,- -般來(lái)聚類(lèi)技術(shù)的應用最為廣泛。FCM 是-種非監督模糊聚類(lèi)后說(shuō)，體素投影法繪制的速度比光線(xiàn)投射法快。由于三維醫學(xué)的標定過(guò)程,非常適合存在不確定性和模糊性特點(diǎn)的MR圖圖像的繪制目的在于看見(jiàn)內部組織的細節,真實(shí)感并不是最像。然而,FCM算法本質(zhì)上是一種局部搜索尋優(yōu)技術(shù),它的重要的,所以在醫學(xué)應用中的繪制要突出特定診斷所需要的迭代過(guò)程采用爬山技術(shù)來(lái)尋找最優(yōu)解,因此容易陷入局部極信息,而忽略無(wú)關(guān)信息。另外,高度的可交互性是三維醫學(xué)小值，而得不到全局最優(yōu)解。近年來(lái)相繼出現了許多改進(jìn)的圖像繪制的另-一個(gè)要求,即要求-些常見(jiàn)操作,如旋轉,放FCM分割算法,其中快速模糊分割( FFCM)是最近模糊分割大,移動(dòng),具有很好的實(shí)時(shí)性,或至少是在一個(gè)可以忍受的響的研究熱點(diǎn)。FFCM算法對傳統FCM算法的初始化進(jìn)行了應時(shí)間內完成。這意味著(zhù)在醫學(xué)圖像繪制中,繪制時(shí)間短的改進(jìn),用K-均值案類(lèi)的結果作為模糊聚類(lèi)中心的初值,通可視化方法更為實(shí)用。未來(lái)的三維可視化技術(shù)將與虛擬現實(shí)技術(shù)相結合,不僅過(guò)減少FCM的迭代次數來(lái)提高模糊聚類(lèi)的速度。它實(shí)際上僅是獲得體數據的工具,更主要的是能創(chuàng )造一個(gè)虛擬環(huán)境。是兩次尋優(yōu)的迭代過(guò)程,首先由K-均值聚類(lèi)得到聚類(lèi)中心的次最優(yōu)解,再由FCM進(jìn)行模糊聚類(lèi),最終得到圖像的最優(yōu)3醫學(xué)囹像分割模糊分割。醫學(xué)圖像分割就是一個(gè)根據區域間的相似或不同把圖3.2.2基于神經(jīng)網(wǎng)絡(luò )的方法 按拓撲機構來(lái) 分,神經(jīng)網(wǎng)絡(luò )像分割成若干區域的過(guò)程。目前,主要以各種細胞組織與技術(shù)可分為前向神經(jīng)網(wǎng)絡(luò )、反饋抻經(jīng)網(wǎng)絡(luò )和自組織映射神經(jīng)器官的圖像作為處理的對象,圖像分割技術(shù)主要基于以下幾網(wǎng)絡(luò )。目前已有各種類(lèi)型的神經(jīng)網(wǎng)絡(luò )應用于醫學(xué)圖像分割，種理論方法。如江寶釧等利用MRI多回波性,采用有指導的BP神經(jīng)網(wǎng)絡(luò )3.1基于統計學(xué)的方 法作為分類(lèi)器,對腦部MR圖像進(jìn)行自動(dòng)分割。而Ahmed和統計方法是近年來(lái)比較流行的醫學(xué)圖像分割方法。從Farag則是用自組織Kohencn網(wǎng)絡(luò )對CT MRI腦切片圖像進(jìn)統計學(xué)出發(fā)的圖像分割方法把圖像中各個(gè)像素點(diǎn)的灰度值行分割和標注,并將具有幾何不變性的圖像特征以模式的形看作是具有-定概率分布的隨機變量,觀(guān)察到的圖像是對實(shí)式輸個(gè)中國煤化工體素聚類(lèi)，以得到感際物體做了某種變換并加人噪聲的結果,因而要正確分割圖興趣區三術(shù)越來(lái)越多地得到像,從統計學(xué)的角度來(lái)看,就是要找出以最大的概率得到該學(xué)者們fHCNMHG于FNN的顱腦MRU圖像的物體組合。用吉布斯(ibbs)分布表示的Markov隨半自動(dòng)分割技術(shù),僅對神經(jīng)網(wǎng)絡(luò )處理前和處理后的數據進(jìn)行機場(chǎng)(MRF)模型,能夠簡(jiǎn)單地通過(guò)勢能形式表示圖像像素模糊化和去模糊化,其分割結果表明FNN分割技術(shù)的抗嗓現代醫院2007年11月第7卷第11期Modem Hopital Nov 2007 Vol7 No 1117和抗模糊能力更強。研究主要以自動(dòng)、精確、快速、自適應和魯樟性等幾個(gè)方向作3.2.3基于小波分析的分割方法 小波變換是近 年來(lái)得到為研究目標,經(jīng)典分割技術(shù)與現代分割技術(shù)的綜合利用(集廣泛應用的一種數學(xué)工具,由于它具有良好的時(shí)-頻局部化成技術(shù))是今后醫學(xué)圖像分割技術(shù)的發(fā)展方向。特征、尺度變化特征和方向特征,因此在圖像處理上得到了4醫學(xué)圖像配準和融合廣泛的應用。小波變換和分析作為一種多尺度多通道分析醫學(xué)圖像可以分為解剖圖像和功能圖像2個(gè)部分。解工具,比較適合對圖像進(jìn)行多尺度的邊緣檢測,典型的有如剖圖像主要描述人體形態(tài)信息,功能圖像主要描述人體代謝Mallat 小波模極大值邊緣檢測算法”。.信息。為了綜合使用多種成像模式以提供更全面的信息,常3.3基于知識的 分割方法基于知識的分割方法主要包括兩方面的內容:①知識的常需要將有效信息進(jìn)行整合。整合的第一步就是使多幅圖獲取,即歸納提取相關(guān)知識,建立知識庫;②知識的應用,即像在空間域中達到幾何位置的完全對應,這-步驟稱(chēng)為“配有效地利用知識實(shí)現圖像的自動(dòng)分割。其知識來(lái)源主要有:準”。整合的第二步就是將配準后圖像進(jìn)行信息的整合顯.①臨床知識，即某種疾病的癥狀及它們所處的位置;②解剖示,這一步驟稱(chēng)為“融合”。在臨床診斷上,醫生常常需要各種醫學(xué)圖像的支持,如學(xué)知識,即某器官的解剖學(xué)和形態(tài)學(xué)信息,及其幾何學(xué)與拓CT MRI、PET、SPECT以及超聲圖像等,但無(wú)論哪一類(lèi)的醫撲學(xué)的關(guān)系，這種知識通常用圖譜表示;③成像知識,這類(lèi)知學(xué)圖像往往都難以提供全面的信息,這就需要將患者的各種識與成像方法和具體設備有關(guān);④統計知識,如MI的質(zhì)子圖像信息綜合研究[)] ,而要做到這-點(diǎn),首先必須解決圖像密度(PD)、T1和T2統計數據。Costin 等提出了一-種基于知的配準(或叫匹配)和融合問(wèn)題。醫學(xué)圖像配準是確定兩幅識的模糊分割技術(shù)，首先對圖像進(jìn)行模糊化處理,然后利用或多幅醫學(xué)圖像像素的空間對應關(guān)系;而融合是指將不同形相應的知識對各組織進(jìn)行模糊邊緣檢測。而謝逢等則提出式的醫學(xué)圖像中的信息綜合到一起,形成新的圖像的過(guò)程。了一種基于知識的人腦三維醫學(xué)圖像分割顯示的方法。首圖像配準是圖像融合必需的預處理技術(shù),反過(guò)來(lái),圖像融合先,以框架為主要表示方法,建立完整的人腦三維知識模型,是圖像配準的一個(gè)目的。包含腦組織幾何形態(tài)生理功能圖像灰度三方面的信息;然4.1醫學(xué)困像配準后,采用“智能光線(xiàn)跟蹤”方法,在模型知識指導下直接從體醫學(xué)圖像配準包括圖像的定位和轉換,即通過(guò)尋找- -種積數據中提取并顯示各組織器官的表面?？臻g變換使兩幅圖像對應點(diǎn)達到空間位置上的配準,配準的3.4基于模型的方法結果應使兩幅圖像上所有關(guān)鍵的解剖點(diǎn)或感興趣的關(guān)鍵點(diǎn)該方法根據圖像的先驗知識建立模型,有動(dòng)態(tài)輪廓模型達到匹配。20世紀90年代以來(lái),醫學(xué)圖像配準的研究受到(Active Contour Model,又稱(chēng)Snake) 、組合優(yōu)化模型等,其中了國內外醫學(xué)界和工程界的高度重視,1993年P(guān)etra等綜述Snake最為常用。Snake算法的能量函數采用積分運算,具了二維圖像的配準方法.并根據配準基準的特性,將圖像配有較好的抗噪性,對目標的局部模糊也不敏感,但其結果常準的方法分為兩大類(lèi):基于外部特征(有框架)的圖像配準依賴(lài)于參數初始化,不具有足夠的拓撲適應性,因此很多學(xué)和基于內部特征(無(wú)框架)的圖像配準?；谕獠刻卣鞯姆秸邔nake與其它方法結合起來(lái)使用.如王蓓等利用圖像的法包括立體定位框架法、面膜法及皮膚標記法等?；谕獠肯闰炛R與Snake結合的方法,避開(kāi)圖像的一些局部極小特征的圖像配準,簡(jiǎn)單易行，易實(shí)現自動(dòng)化，能夠獲得較高的點(diǎn),克服了Snake方法的一些不足。 Raquel 等將徑向基網(wǎng)絡(luò )精度,可以作為評估無(wú)框架配準算法的標準。但對標記物的(RBFNN cc)與Snake相結合建立了一種混合模型,該模型放置要求高,只能用于同一患者不同影像模式之間的配準，具有以下特點(diǎn):①該混合模型是靜態(tài)網(wǎng)絡(luò )和動(dòng)態(tài)模型的有機不適用于患者之間和患者圖像與圖譜之間的配準,不能對歷結合;②Snake的初始化輪廓由RBFNN cc提供;③Snake的史圖像做回溯性研究?；趦炔刻卣鞯姆椒ㄊ歉鶕恍┯贸跏蓟喞o出了最佳的控制點(diǎn);④Snake的能量方程中包戶(hù)能識別出的解剖點(diǎn)、醫學(xué)圖像中相對運動(dòng)較小的結構及圖含了圖像的多譜信息。Luo 等提出了一種將live wire算法與像內部體素的灰度信息進(jìn)行配準?；趦炔刻卣鞯姆椒ò黃nake相結合的醫學(xué)圖像序列的交互式分割算法,該算法的括手工交互法、對應點(diǎn)配準法、結構配準法矩配準法及相關(guān)特點(diǎn)是在少數用戶(hù)交互的基礎上,可以快速可靠地得到一個(gè)配準法?；趦炔刻卣鞯膱D像配準是一-種交互性方法,可以醫學(xué)圖像序列的分割結果。進(jìn)行回顧性研究,不會(huì )造成患者不適，故基于內部特征的圖由于醫學(xué)圖像分割問(wèn)題本身的困難性,目前的方法都是像配準成為研究的重點(diǎn)。針對某個(gè)具體任務(wù)而自的,還沒(méi)有一個(gè)迪用的解決方法。綜近年來(lái),醫學(xué)圖像配準技術(shù)有了新的進(jìn)展，在配準方法觀(guān)近幾年圖像分割領(lǐng)域的文獻，可見(jiàn)醫學(xué)圖像分割方法研究上應用了信息學(xué)的理論和方法,例如應用最大化的互信息量的幾個(gè)顯著(zhù)特點(diǎn):①學(xué)者們逐漸認識到現有任何一種單獨的作為配準準則進(jìn)行圖像的配準,在配準對象方面從二維圖像圖像分割算法都難以對一般圖像取得比較滿(mǎn)意的結果,因而發(fā)展到三維多模醫學(xué)圖像的配準。例如Luo等利用最大互更加注重多種分割算法的有效結合;②在目前無(wú)法完全由計信息法百數據進(jìn)行了配準，算機來(lái)完成圖像分割任務(wù)的情況下,半自動(dòng)的分割方法引起結果全中國煤化工學(xué)團像配準技術(shù)方了人們的廣泛注意,如何才能充分利用計算機的運算能力，面引入MHCN M H G波變換。小波技術(shù)使人僅在必要的時(shí)候進(jìn)行必不可少的干預，從而得到滿(mǎn)意的在空間和頻域上具有良好的局部特性,在空間和頻域都具有分割結果是交互式分割方法的核心問(wèn)題;③新的分割方法的較高的分辨率,應用小波技術(shù)多分辨地描述圖像細貌.使圖現代醫院2000年1I1 月第7卷第11期Modem Hopital Nov 2000 Vol7 No I118像由粗到細的分級快速匹配,是近年來(lái)醫學(xué)圖像配準的發(fā)展波變換在圖像融合中的應用,基于有限元分析的非線(xiàn)性配準之一。國內外學(xué)者在這方面作了大量的工作,如Sharman等以及人工智能技術(shù)在圖像融合中的應用將是今后圖像融合提出了一種基于小波變換的自動(dòng)配準剛體圖像方法,使用小研究的熱點(diǎn)與方向。隨著(zhù)三維重建顯示技術(shù)的發(fā)展,三維圖波變換獲得多模圖像特點(diǎn),然后進(jìn)行圖像配準,提高了配準像融合技術(shù)的研究也越來(lái)越受到重視,三維圖像的融合和信的準確性。另外,非線(xiàn)性配準也是近年來(lái)研究的熱點(diǎn)，它對息表達,也將是圖像融合研究的一一個(gè)重點(diǎn)。于非剛性對象的圖像配準更加適用,配準結果更加準確。i 醫學(xué)圖像紋理分析目前許多醫學(xué)圖像配準技術(shù)主要是針對剛性體的配準，-般認為圖像的紋理特征描述物體表面灰度或顏色的非剛性圖像的配準雖然已經(jīng)提出一些解決的方法.但同剛性變化,這種變化與物體自身屬性有關(guān),是某種紋理基元的重圖像相比還不成熟。另外,醫學(xué)圖像配準缺少實(shí)時(shí)性和準確復。Sklansky 早在1978年給出了一個(gè)較為適合于醫學(xué)圖像性及有效的全自動(dòng)的配準策略。向快速和準確方面改進(jìn)算的紋理定義:“如果圖像的-系列固有的統計特性或其它的法,使用最優(yōu)化策略改進(jìn)圖像配準以及對非剛性圖像配準的特性是穩定的、緩慢變化的或者是近似周期的,那么則認為研究是今后醫學(xué)圖像配準技術(shù)的發(fā)展方向。圖像的區域具有不變的紋理"。紋理的不變性即指紋理圖.2 醫學(xué)困像融合圖像融合的主要目的是通過(guò)對多幅圖像間的冗余數據像的分析結果不會(huì )受到旋轉、平移、以及其它幾何處理的影響。目前從圖像像素之間的關(guān)系角度,紋理分析方法主要包的處理來(lái)提高圖像的可讀性對多幅圖像間的互補信息的處括以下幾種。.理來(lái)提高圖像的清晰度。不同的醫學(xué)影像設備獲取的影像5.1統計法反映了不同的信息:功能圖像(SPECT、PET等)分辨率較差，統計分析方法主要是基于圖像像素的灰度值的分布與.但它提供的臟器功能代謝和血液流動(dòng)信息是解剖圖像所不相互關(guān)系,找出反映這些關(guān)系的特征?；驹硎沁x擇不同能替代的;解剖圖像(CT MRI、B超等)以較高的分辨率提供的統計量對紋理圖像的統計特征進(jìn)行提取。這類(lèi)方法一般了臟器的解剖形態(tài)信息,其中CT有利于更致密的組織的探原理簡(jiǎn)單,較易實(shí)現,但適用范圍受到限制。該方法主要適測,而MRI能夠提供軟組織的更多信息。多模態(tài)醫學(xué)圖像合醫學(xué)圖像中那些沒(méi)有明顯規則性的結構圖像,特別適合于的融合把有價(jià)值的生理功能信息與精確的解剖結構結合在具有隨機的非均勻性的結構。統計分析方法中,最常用的一起,可以為臨床提供更加全面和準確的資料。是共生矩陣法,其中有灰度共生矩陣( gπay level∞- occur-醫學(xué)圖像的融合可分為圖像融合的基礎和融合圖像的rence matrix , CLCM)和灰度-梯度共生矩陣。 杜克大學(xué)的顯示。①圖像融合的基礎:目前的圖像融合技術(shù)可以分為2R. Voracek 等使用GLCM對肋間周邊區提取的興趣區(地大類(lèi),-類(lèi)是以圖像像素為基礎的融合法;另-類(lèi)是以圖像gion of ieret, ROI)進(jìn)行計算,測出了有意義的紋理參數。特征為基礎的融合方法。以圖像像素為基礎的融合法模型另外,還有長(cháng)游程法( run length matrix , RLM) ,其紋理特征可以表示為:包括短游程優(yōu)勢、長(cháng)游程優(yōu)勢、灰度非均勻化、游程非均勻F(ij) = wW,(iJ)S(ij) + Wa(ij)S(ij)化、游程百分比等,長(cháng)游程法是對圖像灰度關(guān)系的高階統計, .W.(ij) = Wa(iJj) =1對于給定的灰度游程,粗的紋理具有較大的游程長(cháng)度,而細其中, F,為融合圖像,S.(ij)、S(ij)為源圖像, W.(i,j)、的紋理具有較小的游程長(cháng)度。wa( imj)為相應的權重。以圖像特征為基礎的融合方法在5.2 結構法原理上不夠直觀(guān)且算法復雜,但是其實(shí)現效果較好。圖像融結構分析方法是分析紋理圖像的結構,從中獲取結構特合的步驟-般為:①將源圖像分別變換至一-定變換 域上;②征。結構分析法首先將紋理看成是有許多紋理基元按照一在變換域上設計一定特征選擇規則;③根據選取的規則在變定的位置規則組成的,然后分兩個(gè)步驟處理①提取紋理基換域上創(chuàng )建融合圖像;④逆變換重建融合圖像。②融合圖像元;②椎論紋理基元位置規律。目前主要用數學(xué)形態(tài)學(xué)方法.的顯示:融合圖像的顯示方法可分成2種:空間維顯示和時(shí)處理紋理圖像,該方法適合于規則和周期性紋理,但由于醫間維顯示。學(xué)圖像紋理通常不是很規則,因此該方法的應用也受到限目前，醫學(xué)圖像融合技術(shù)中還存在較多困難與不足。首制,實(shí)際中較少采用。先,基本的理論框架和有效的廣義融合模型尚未形成。以致5.3模型法現有的技術(shù)方法還只是針對具體病癥、具體問(wèn)題發(fā)揮作用，模型分析方法認為一個(gè)像素與其鄰域像素存在某種相.通用性相對較弱。研究的圖像以CT、MRI、核醫學(xué)圖像為互關(guān)系,這種關(guān)系可以是線(xiàn)性的,也可以是符合某種概率關(guān)主,超聲等成本較低的圖像研究較少,且研究主要集中于大系的。模型法通常有自回歸模型、馬爾科夫隨機場(chǎng)模型、腦、腫瘤成像等;其次,由于成像系統的成像原理的差異,其Gibbe隨機場(chǎng)模型分形模型,這些方法都是用模型系數來(lái)表圖像采集方式、格式以及圖像的大小.質(zhì)量、空間與時(shí)間特性征紋理圖像,其關(guān)鍵在于首先要對紋理圖像的結構進(jìn)行分析等差異大,因此研究穩定且精度較高的全自動(dòng)醫學(xué)圖像配準以選擇到最適合的模利.其次為如何估計這些模型系數,如與融合方法是圖像融合技術(shù)的難點(diǎn)之- ;最后 ,缺乏能夠客何通中國煤化工廳紋理分析。這類(lèi)方觀(guān)評價(jià)不同融合方法融合效果優(yōu)劣的標準,通常用目測的方法存!YHCNMH G模型表達的缺點(diǎn)。法比較融合效果,有時(shí)還需要利用到醫生的經(jīng)驗。在圖像融合技術(shù)研究中,不斷有新的方法出現,其中小頻譜分析方法主要基于濾波器理論,包括傅立葉變換現代醫院2007年11月第7卷第11期Modem Hospital Nov 2007 Vol7 No 1119法、Cabor變換法和小波變換法。[6] 劉俊敏，黃忠全,王世耕,等.醫學(xué)圖像處理技術(shù)的現狀及發(fā)展1973年Bajcsy使用傅立葉濾波器方法分析紋理。In方向[].醫療衛生設備,2005 ,26(12):25 -26.dhal等利用2- D快速傅立葉變換對紋理圖像進(jìn)行頻譜分[7]聶生東,陳 瑛,顧順德 戤共振顱腦圖像快速模糊聚類(lèi)分削析,從而獲得紋理特征。該方法只能完成圖像的頻率分解,算法研究[J].中國生物醫學(xué)工程學(xué)報,2001 ,20(2):104.因而獲得的信息不是很充分。1980 年Laws對圖像進(jìn)行傅[8]江寶釧,張鈞良. 基于BP神經(jīng)網(wǎng)絡(luò )的MRI分割[J].微機發(fā)展,000,10(1):67.氏變換,得出圖像的功率譜,從而提取紋理特征進(jìn)行分析。9] 田婭,饒妮妮,蒲立新.國內醫學(xué)圖像處理技術(shù)的最新動(dòng)態(tài)Cabor函數可以捕捉到相當多的紋理信息,且具有板佳[J].電子科技大學(xué)學(xué)報2002 ,Vol31(5) :485 -489.的空間/頻域聯(lián)合分辨率,因此在實(shí)際中獲得了較廣泛的應10] 黃水峰,岑 康,司京玉,等模糊神經(jīng)網(wǎng)絡(luò )在顱腦磁共振圖用像分割中的應用研究[J].中國生物醫學(xué)工程學(xué)報,2003 ,22小波變換法大體分金字塔形小波變換法和樹(shù)形小波變(6) :508.換法(小波包法)。小波變換在紋理分析中的應用是Mallat[11] COSTIN H, ROTARIU C R. Kowledge - baed contour detecion在1989年首先提出的,主要用二值小波變換( Diecrete Wave-in nedical imaging ueing fuxy lojge[J]. Intemational Syapoiumlet Transfrm, DWT) ,之后各種小波變換被用于抽取紋理特on SCS'03 ,003,1 :273.征。傳統的金字塔小波變換在各分解級僅對低頻部分進(jìn)行[12] 謝逢,羅立民,田雪琴.基于知識的人腦三維醫學(xué)圖像分割分解,所以利用金字塔小波變換進(jìn)行紋理特征提取是僅利用顯示方法[J].生物醫學(xué)工程學(xué)雜志,1997 ,14(2):124.了紋理圖像低頻子帶的信息,但對某些紋理,其中高頻子帶[13]王蓓,張立明 利用圖像先驗知識與Snake結合對心臟序列仍含有有關(guān)紋理的重要特征信息(如對具有明顯的不規則圖像的分割[J].復旦大學(xué)學(xué)報:自然科學(xué)版,2003,42(1):紋理的圖像,即其高頻子帶仍含有有關(guān)紋理的重要特征)得[14] RAQUEL v C,VERONICA M B,0SCAR Y s. Coupling d ndiadl不到利用。使用在每個(gè)分解級對所有的頻率通道均進(jìn)行分- basis network and mctive contour model for mulipetral brin解的完全樹(shù)結構小波變換提取特征,能夠較全面地提取有關(guān)MRU egmenatiom[J]. IEEE Transctons ∞n Bionedical Engi-紋理特征。.neering,2004 ,51(3) :459.由于醫學(xué)圖像及其紋理的復雜性,目前還不存在通用的[IS] LUO x P.T1AN J,LIN Y, An lgihm for egnentation of medi-適合各類(lèi)醫學(xué)圖像進(jìn)行紋理分析的方法,因而對于各類(lèi)不同cal image eries based on active contoumodel{J]. Jourmal of Sof-特點(diǎn)的醫學(xué)圖像就必須采取有針對性地最適合的紋理分析ware, 2002 ,13(6) :1050.技術(shù)。另外,在應用某- -種紋理分析方法對圖像進(jìn)行分析[16] HALPIKE L,HAWKES DJ. Medical image eirtation: An o時(shí),尋求最優(yōu)的紋理特征與紋理參數也是目前醫學(xué)圖像紋理verview[J]. Br Intitutle Radiol 2004,14(6) :455 -463.分析中的重點(diǎn)和難點(diǎn)。[17] PETRA A, EISEN V. Meclical Innge maching: A reriew withasifiatio[J]. eee Tans Med Img,1993,12(3) :26 -39.6總結[18] LUO Shuoqian, u Xiang Implementation of mutul information隨著(zhù)遠程醫療技術(shù)的蓬勃發(fā)展,對醫學(xué)圖像處理提出的based muli - moddity medical image registration[A]. Eng Med .要求也越來(lái)越高。醫學(xué)圖像處理技術(shù)發(fā)展至今,各個(gè)學(xué)科的Bill Soc Proe 22nd Ann Int Conf IEEE[ C]. Navy Pier Convention交叉滲透已是發(fā)展的必然趨勢,其中還有很多亟待解決的問(wèn)Center Chicao.linois, USA:The Insitute od Eletieal and Eec-題。有效地提高醫學(xué)圖像處理技術(shù)的水平,與多學(xué)科理論的triceal and Electronics Engineers , Ind ,2000 ,2:;1447 -1450. .交叉融合、醫務(wù)人員和理論技術(shù)人員之間的交流就顯得越來(lái)19] SHARMAN R,TYLERJ M,PIANYKH OL,etal. A fast and毗越重要。多維、多參數以及多模式圖像在臨床診斷(包括病curste to method to regster medical images using wavelet modulus灶檢測定性,臟器功能評估,血流估計等)與治療(包括三maxcima[J]. Patt Recog Lett ,000,21:447 - 462.維定位體積計算、外科手術(shù)規劃等)中將發(fā)揮更大的作用。[20] LEStER H, ARRIDGES RL A Survey of hierarchiel non - linearnedical inege rejsraion[ J]. Pttem Recogitin,1999 ,32:129畚考文獻-149.1] TINC JE , uU Ningning, ZHUCE Ying. A Windows NT based[21] 盧鍵,胡志忠,楊如乃.醫學(xué)圖像融合技術(shù)的研究[].上海3D imaging and analysie eystem[ C]. Poeding of Fint Euro &生物醫學(xué)工程,2006 ,27(3):163 -167.China Conferance on the Inormeion society, Beijing, 1997.[22]王新成高級圖像處理技術(shù)[ M].北京:中國科學(xué)技術(shù)出版[2} 林亞忠,陳武凡,旨 豐基于混合金字塔吉布斯隘機場(chǎng)攢型社,2001.的圖像分割[J].中國生物醫學(xué)工程學(xué)報2004,23(1):79.[23] VORACEK R, MCADAMS H P,FLOYD C E. Corputer Aided3] AHMED M N,FARAG A. Two - stage neural network for volumeDiagnoeis of Interitial Lang Diseaec: a Tcxtume Feaure Extracegmentation of medical inuges[J]. Procoding of IEEE Interme-tion snd asificatio Approach[J]. Prve of SPIE, 198.3338:tiona! Coference on Neural Networks,1997 ,28(3) :1373.1502 - 1509.[4] 周剛慧,施鵬飛 磁共振圖像的隨機場(chǎng)分割方法[J]上海交[24]中國煤化工fature etretion通大學(xué)學(xué)報,2001 ,35(11) :1655._modeling{J]. JoumalCNMHG[5] ZHANC H M, YUAN Z J,CAI z M. Segmentation of MRI ueing:Hhierarchical markor random feld[J]. Joumal of Sofware,2002，[25] SUETENS P. Fundurnentals of Meclial Imnaging[ M]. Cambridge13(9) :1779.Univernity Preas ,2002.