医学图像配準 _生活百科

文章插图
医学图像配準【医学图像配準】医学图像配準是医学图像分析的基本课题 ,具有重要理论研究和临床套用价值。
基本介绍中文名：医学图像配準
外文名：medical image registration
专业：医学图像分析
基本概念在做医学图像分析时 ,经常要将同一患者几幅图像放在一起分析 ,从而得到该患者的多方面的综合信息 ,提高医学诊断和治疗的水平。对几幅不同的图像作定量分析 ,首先要解决这几幅图像的严格对齐问题 ,这就是我们所说的图像的配準。医学图像配準是指对于一幅医学图像寻求一种 (或一系列 )空间变换 ,使它与另一幅医学图像上的对应点达到空间上的一致。这种一致是指人体上的同一解剖点在两张匹配图像上有相同的空间位置。配準的结果应使两幅图像上所有的解剖点 ,或至少是所有具有诊断意义的点及手术感兴趣的点都达到匹配。医学图像配準技术是 90年代才发展起来的医学图像处理的一个重要分支。医学图像配準技术主要讨论的是数据获取后的( post-acquisition)配準 ,也称作回顾式配準( retrospective registration) 。当前 ,国际上关于医学图像配準的研究集中在断层扫描图像( tomographic images, 例如CT、 MRI、SPECT、 PET 等 )及时序图像 ( time seriesimages,例如 fMRI及 4D心动图像 )的配準问题。基本变换对于在不同时间或 /和不同条件下获取的两幅图像配準 ,就是寻找一个映射关係P ,使图像1上的每一个点在图像2 上都有唯一的点与之相对应。并且这两点应对应同一解剖位置。映射关係 P表现为一组连续的空间变换。常用的空间几何变换有刚体变换( Rigid body transformation )、仿射变换( Affine transformation)、投影变换 ( Projective transformation)和非线性变换 ( Nonlineartransformation) 。( 1)刚体变换: 所谓刚体 ,是指物体内部任意两点间的距离保持不变。例如 ,可将人脑看作是一个刚体。处理人脑图像 ,对不同方向成像的图像配準常使用刚体变换。刚体变换可以分解为旋转和平移( 2)仿射变换: 仿射变换将直线映射为直线 ,并保持平行性。具体表现可以是各个方向尺度变换係数一致的均匀尺度变换或变换係数不一致的非均匀尺度变换及剪下变换等。均匀尺度变换多用于使用透镜系统的照相图像 ,在这种情况下 ,物体的图像和该物体与成像的光学仪器间的距离有直接的关係 ,一般的仿射变换可用于校正由 CT 台架倾斜引起的剪下或 MR梯度线圈不完善产生的畸变。( 3)投影变换: 与仿射变换相似 ,投影变换将直线映射为直线 ,但不再保持平行性质。投影变换主要用于二维投影图像与三维体积图像的配準。( 4)非线性变换: 非线性变换也称做弯曲变换 (curved transformation) ,它把直线变换为曲线。使用较多的是多项式函式 ,如二次、三次函式及薄板样条函式。有时也使用指数函式。非线性变换多用于使解剖图谱变形来拟合图像数据或对有全局性形变的胸、腹部脏器图像的配準。类型根据成像模式的不同 ,以及配準对象间的关係等 ,医学图像配準可有多种不同的分类方法。按成像的模式分类由于成像的原理和设备不同 ,存在有多种成像模式 (imaging modalities) 。从大的方面来说 ,可以分为描述生理形态的解剖成像模式 ( anatomical imaging modality )和描述人体功能或代谢的功能成像模式 ( functionalimaging modality )( 1)单模 ( monomodality )医学图像配準: 是指待配準的两幅图像是用同一种成像设备获取的。( 2)多模 ( multimodality)医学图像配準:是指待配準的两幅图像来源于不同的成像设备。按受试对象分类待配準的图像可以是同一个人的 ,属于患者自身图像配準 (intra-subject) 。对同一病人在不同时间获取同一器官或解剖部位的图像 ,可以用于对比 ,从而监视疾病的发展及治疗过程。如果没有局部的组织切除 ,这种配準一般用刚体变换就可以了。除此之外 ,有时要将被试者的图像与典型正常人相同部位的图像对比 ,以确定被试者是否正常;如果异常 ,也许还要与一些疾病的典型图像对比 ,确定患者是否属于同类。这些都属于不同人间的图像配準 (inter-subject) 。由于个体解剖的差异 ,后者的配準显然要难于前者。图像与图谱配準 ( Atlas Method)或与物理空间配準由于不同人在生理上存在差异 ,同一解剖结构的形状、大小、位置都会很不相同 ,这就使不同人的图像配準问题成为当今医学图像分析中的最大难题。在对比和分析不同的医学图像时 ,很难精确找出对应的解剖信息。这要求有一个详细标记人体各个解剖位置的计算机化的标準图谱。常见的方法大致有两类: 一是藉助一个共同的标準来比较 ,例如要对两个病人的 PET 或 MR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标準空间 ,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 ,将一个人的 3D图像逐步变换 ,使它最终能较好地与另一个人的3D图像最佳匹配。方法原理医学图像的配準过程本质上是一个多参数最最佳化问题。用的较多的是使两个图像对应像素特徵值差值平方和最小化。一般可用Gauss-Newton最最佳化算法实现。方法（1)点法 ( Point Method): 又分内部点( Intrinsic points)及外部点 ( Extrinsic points) 。内部点是从与病人相关的图像性质中得到的 ,如解剖标誌点 ( anatomical landmarkpoints) 。解剖标誌点必须是在三维空间定义的 ,并在两种扫描模式的图像中可见。原则上外部点法可用于配準任何模式的图像 ,而且外部点在医学图像中要比内部点好识别得多 ,通过比较图像中记号的位置对配準结果也易于视觉检测;缺点是在使用这些记号时 ,受试者都要在扫描装置内严格保持不动 ,有些还是介入性的。( 2)曲线法 ( Curve Method): Batler对二维投影放射照片首先用人工的方法在两幅图像中寻找对应的开曲线 ( Open curve) ,再在两条曲线局部曲率最佳拟合的线段用相同的採样率找出一组对应点来 ,以后继续用点法匹配两幅图像 ( 3)表面法 ( Surface Method): 基于表面的配準技术典型的例子是Pelizzari 和Chen研究的“头帽法” 。从一幅图像轮廓提取的点集称作帽子 (`hat’ ) ,从另一幅图像轮廓提取的表面模型叫作头 (`head’ ) 。一般用体积较大的病人图像 ,或在图像体积大小差不多时用分辨较高的图像来产生头表面模型。( 4)矩和主轴法 ( Moment and PrincipalAx es M ethod): 借用经典力学中物体质量分布的概念 ,计算两幅图像像素点的质心和主轴 ,再通过平移和旋转使两幅图像的质心和主轴对齐 ,从而达到配準的目的。( 5)相关法 ( Correlatiom Method): 对于同一物体由于图像获取条件的差异或物体自身发生的小的改变而产生的图像序列 ,採用使图像间相似性最大化的原理实现图像间的配準,( 6)最大互信息配準法 ( Maximizatio n ofMutual Info rmatio n): 互信息是资讯理论的一个基本概念 ,是两个随机变数统计相关性的测度。Woods使用给出参考像后测试图像的条件熵作为配準的测度。他研究的 AIR是一种广泛套用于 PET到 MR图像配準的算法 ,( 7)图谱法 ( Atlas Method)与非线性变换技术: 不同人脑图像的配準远比同一个人的不同模式图像的配準困难得多 ,这是因为每个人脑的形状、尺寸都有很大的差异。如果我们将脑图像作一定的尺度变换 ,并对深度内部结构适当取向后 ,就会发现不同人脑的解剖结构的大小和形状方面还是具有一定的共性的。这就使我们有可能构造一个解剖图谱 ,其前提是受试者间脑的拓扑结构具有不变性。由于在脑图谱构建过程中有神经解剖学专家直接参与 ,利用脑图谱进行配準 ,就可以利用图谱所包含的先验知识来对病人或其他人的图像自动识别和正确地分割。评估医学图像配準 ,特别是多模医学图像配準结果的评估一直是件很困难的事情。由于待配準的多幅图像基本上都是在不同时间 /和条件下获取的 ,所以没有绝对的配準问题 ,即不存在什幺金标準 ( gold standard ) ,只有相对的最优 (某种準则下的 )配準。在此意义上 ,最优配準与配準的目的有关。常用的评估方法有以下几种:( 1)体模 ( Phantom): 体模又有硬体体模和软体体模之分 ,后者是计算机图像合成结果。体模法用已知的图像信息验证新配準算法的精度。由于体模都比较简单 ,与实际临床图像差异较大 ,因此只能对配準方法作初步的评估。( 2)準标 ( fiducial marks): 立体定向框架系统 ( Stereotactic Frame Systems)包括立体定向参考框架、立体定向图像获取、探针或手术器械导向几部分。优点是定位準确 ,不易产生图像畸变。( 3)图谱: Thompson用随机向量场变换构造一个可变形的机率脑图谱。包括从多个受试者到单一解剖模板的功能、血管、组织诸方面映射 ,三维图谱到新受试者的扫描图像的映射。( 4)目测检验 ( visual inspection): 对多模医学图像配準的结果请领域专家用目测方法检验 ,听起来有些主观 ,但的确是一种相当可信的方法。