現(xiàn)代醫(yī)院2007年11月第7卷第1期Modem Hospital Nov 2007 Vol7 No I115醫(yī)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]隨著醫(yī)學(xué)成像和計算機輔助技術(shù)的發(fā)展,從二維醫(yī)學(xué)圖像到三維可視化技術(shù)成為研究的熱點,本文介紹了醫(yī)學(xué)圖像處理技術(shù)的發(fā)展動態(tài),對圖像分割、紋理分析、圖像配準(zhǔn)和困像融合技術(shù)的現(xiàn)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(yīng)用的基礎(chǔ)上,提出醫(yī)學(xué)圖像處理技術(shù)發(fā)展所面臨的相關(guān)問題及其發(fā)展方向。{關(guān)鍵詞]醫(yī)學(xué)圖像處理 圖像分割 圍像配準(zhǔn) 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(yī)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,醫(yī)學(xué)影像已成為醫(yī)學(xué)技術(shù)中發(fā)展最快的領(lǐng)像配準(zhǔn)和圖像融合技術(shù)的現(xiàn)狀及其發(fā)展進(jìn)行了綜述。域之一,其結(jié)果使臨床醫(yī)生對人體內(nèi)部病變部位的觀察更直: 醫(yī)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(jì)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(yī)學(xué)影像領(lǐng)域的一場革命,與此同時，核磁共振醫(yī)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(shù)字射同,如圖1。從CT/MR(或超聲等成像系統(tǒng)獲得二維斷層圖線照相術(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(zhuǎn)化成計算機方便處理的格式。通算機和醫(yī)學(xué)圖像處理技術(shù)作為這些成像技術(shù)的發(fā)展基礎(chǔ),帶過二維濾波,減少圖像的噪聲影響,提高信噪比和消除圖像動著現(xiàn)代醫(yī)學(xué)診斷正產(chǎn)生著深刻的變革。各種新的醫(yī)學(xué)成的尾跡。采取圖像插值方法,對醫(yī)學(xué)關(guān)鍵部位進(jìn)行各向同性像方法的臨床應(yīng)用.使醫(yī)學(xué)診斷和治療技術(shù)取得了很大的進(jìn)處理.,獲得體數(shù)據(jù)。經(jīng)過三維濾波后,不同組織器官霜要進(jìn)展,同時將各種成像技術(shù)得到的信息進(jìn)行互補，也為臨床診行分割和歸類,對同-部位的不同圖像進(jìn)行配準(zhǔn)和融合,以斷及生物醫(yī)學(xué)研究提供了有力的科學(xué)依據(jù)。"利于進(jìn)-步對某感興趣部位的操作。根據(jù)不同的三維可視在目前的影像醫(yī)療診斷中,主要是通過觀察一-組二維切化要求和系統(tǒng)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(xiàn)病變體,往往需要借助醫(yī)生的經(jīng)驗來判定。至制,實現(xiàn)三維重構(gòu)。于準(zhǔn)確地確定病變體的空間位置、大小、幾何形狀及與周圍CT/MR超尚生物組織的空間關(guān)系,僅通過觀察二維切片圖象是很難實現(xiàn)中銀化二維濾波圖像插值| 等醫(yī)學(xué)影像式轉(zhuǎn)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.實現(xiàn)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(yī)生對病變體及其它感興趣的體繪制k配準(zhǔn)融合分割歸類kH三堆濾波區(qū)域進(jìn)行定性甚至定量的分析,可以大大提高醫(yī)療診斷的準(zhǔn)圖1三維可視化大體步驟確性和可靠性。此外,它在醫(yī)療教學(xué).手術(shù)規(guī)劃、手術(shù)仿真及各種醫(yī)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(gòu)的精調(diào)度。出陳分刮定將團家刀利成有意義的子區(qū)域,由528000于醫(yī)學(xué)圖像的各區(qū)域沒有清楚的邊界,為了解決在醫(yī)學(xué)圖像16現(xiàn)代醫(yī)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(jié)合人腦MR圖像的空間關(guān)糊邊界和模糊聚類等概念?？焖贉?zhǔn)確地分離出解剖結(jié)構(gòu)和系定義Mardkov隨機場的能量形式，然后通過最大后驗概率定位區(qū)域位置和形狀,自動或半自動的圖像分割方法是非常(MAP)方法估計Markov隨機場的參數(shù),并通過迭代方法求重要的。在實際應(yīng)用中有聚類法統(tǒng)計學(xué)模型彈性模型、區(qū)解。層次MRF采用基于直方圖的DAEM算法估計標(biāo)準(zhǔn)有限域生長神經(jīng)網(wǎng)絡(luò)等適用于醫(yī)學(xué)圖像分割的具體方法。正交混合( SFNM)參數(shù)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(shù)的實際意義,采用一種近似的方法來簡化這些參數(shù)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(tǒng)最大后驗估計計算量龐大和Cibbs隨機場模型成像模式以提供更全面的信息,需要對各個模態(tài)的原始圖像參數(shù)無監(jiān)督及估計難等問題,使分割結(jié)果更為可靠。進(jìn)行配準(zhǔn)和數(shù)據(jù)融合,其整個過程稱為數(shù)據(jù)整合。整合的第3.2基于模糊集理論的方法-步是將多個醫(yī)學(xué)圖像的信息轉(zhuǎn)換到一個公共的坐標(biāo)框架醫(yī)學(xué)圖像-般較為復(fù)雜,有許多不確定性和不精確性,內(nèi)的研究,使多幅圖像在空間域中達(dá)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(yīng),稱為三維醫(yī)學(xué)圖像的配準(zhǔn)問題。建立配準(zhǔn)關(guān)系后,將多中,其中包括用模糊理論來解決分割問題?；谀：碚摰膫€圖像的數(shù)據(jù)合成表示的過程,稱為融合。在醫(yī)學(xué)應(yīng)用中,圖形分割方法包括模糊閾值分割方法、模糊聚類分割方法不同模態(tài)的圖像還提供了不互相覆蓋的結(jié)構(gòu)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(shù)來定義模如,當(dāng)cT提供的是骨信息,MRI 提供的關(guān)于軟組織的信息，糊目標(biāo),通過優(yōu)化過程最后選擇-一個具有最小不確定性的s所以可以用邏輯運算的方法來實現(xiàn)它們圖像的合成。函數(shù),用該函數(shù)表示目標(biāo)像素之間的關(guān)系。這種方法的難點當(dāng)分割歸類或數(shù)據(jù)整合結(jié)束后,對體數(shù)據(jù)進(jìn)行體繪制。在于隸屬函數(shù)的選擇。模糊C均值聚類分割方法通過優(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(yī)學(xué)圖表示圖像像素點與c各類中心之間的相似性的目標(biāo)函數(shù)來像數(shù)據(jù)量很大,采用直接體繪制方法,計算盤過重,特別在遠(yuǎn)獲得局部極大值,從而得到最優(yōu)聚類。Venkateswarlu 等改進(jìn)程應(yīng)用和交互操作中,所以- -般多采用間接體繪制。在圖形計算過程,提出了一種快速的聚類算法。工作站上可以進(jìn)行直接體繪制,近來隨著計算機硬件快速發(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(chǔ)上發(fā)展起來的，它可以很好地處理MR圖像內(nèi)在的的特定功能及體繪制過程中的各種優(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(jù)所用的投影算法不同有模糊閾值.模糊聚類、模糊邊緣檢測等。在各種模糊分割加以分類,分為以對象空間為序的算法(又稱為體素投影技術(shù)中,近年來模糊聚類技術(shù),特別是模糊C -均值( FCM)法)和以圖像空間為序的算法!又稱為光線投射法,- -般來聚類技術(shù)的應(yīng)用最為廣泛。FCM 是-種非監(jiān)督模糊聚類后說，體素投影法繪制的速度比光線投射法快。由于三維醫(yī)學(xué)的標(biāo)定過程,非常適合存在不確定性和模糊性特點的MR圖圖像的繪制目的在于看見內(nèi)部組織的細(xì)節(jié),真實感并不是最像。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(yī)學(xué)應(yīng)用中的繪制要突出特定診斷所需要的迭代過程采用爬山技術(shù)來尋找最優(yōu)解,因此容易陷入局部極信息,而忽略無關(guān)信息。另外,高度的可交互性是三維醫(yī)學(xué)小值，而得不到全局最優(yōu)解。近年來相繼出現(xiàn)了許多改進(jìn)的圖像繪制的另-一個要求,即要求-些常見操作,如旋轉(zhuǎn),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,具有很好的實時性,或至少是在一個可以忍受的響的研究熱點。FFCM算法對傳統(tǒng)FCM算法的初始化進(jìn)行了應(yīng)時間內(nèi)完成。這意味著在醫(yī)學(xué)圖像繪制中,繪制時間短的改進(jìn),用K-均值案類的結(jié)果作為模糊聚類中心的初值,通可視化方法更為實用。未來的三維可視化技術(shù)將與虛擬現(xiàn)實技術(shù)相結(jié)合,不僅過減少FCM的迭代次數(shù)來提高模糊聚類的速度。它實際上僅是獲得體數(shù)據(jù)的工具,更主要的是能創(chuàng)造一個虛擬環(huán)境。是兩次尋優(yōu)的迭代過程,首先由K-均值聚類得到聚類中心的次最優(yōu)解,再由FCM進(jìn)行模糊聚類,最終得到圖像的最優(yōu)3醫(yī)學(xué)囹像分割模糊分割。醫(yī)學(xué)圖像分割就是一個根據(jù)區(qū)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?fù)錂C構(gòu)來 分,神經(jīng)網(wǎng)絡(luò)像分割成若干區(qū)域的過程。目前,主要以各種細(xì)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)。目前已有各種類型的神經(jīng)網(wǎng)絡(luò)應(yīng)用于醫(yī)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(dǎo)的BP神經(jīng)網(wǎng)絡(luò)3.1基于統(tǒng)計學(xué)的方 法作為分類器,對腦部MR圖像進(jìn)行自動分割。而Ahmed和統(tǒng)計方法是近年來比較流行的醫(yī)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(tǒng)計學(xué)出發(fā)的圖像分割方法把圖像中各個像素點的灰度值行分割和標(biāo)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,觀察到的圖像是對實式輸個中國煤化工體素聚類，以得到感際物體做了某種變換并加人噪聲的結(jié)果,因而要正確分割圖興趣區(qū)三術(shù)越來越多地得到像,從統(tǒng)計學(xué)的角度來看,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隨半自動分割技術(shù),僅對神經(jīng)網(wǎng)絡(luò)處理前和處理后的數(shù)據(jù)進(jìn)行機場(MRF)模型,能夠簡單地通過勢能形式表示圖像像素模糊化和去模糊化,其分割結(jié)果表明FNN分割技術(shù)的抗嗓現(xiàn)代醫(yī)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、精確、快速、自適應(yīng)和魯樟性等幾個方向作3.2.3基于小波分析的分割方法 小波變換是近 年來得到為研究目標(biāo),經(jīng)典分割技術(shù)與現(xiàn)代分割技術(shù)的綜合利用(集廣泛應(yīng)用的一種數(shù)學(xué)工具,由于它具有良好的時-頻局部化成技術(shù))是今后醫(yī)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(yī)學(xué)圖像配準(zhǔn)和融合廣泛的應(yīng)用。小波變換和分析作為一種多尺度多通道分析醫(yī)學(xué)圖像可以分為解剖圖像和功能圖像2個部分。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(nèi)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(yīng)用,即像在空間域中達(dá)到幾何位置的完全對應(yīng),這-步驟稱為“配有效地利用知識實現(xiàn)圖像的自動分割。其知識來源主要有:準(zhǔn)”。整合的第二步就是將配準(zhǔn)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,這一步驟稱為“融合”。在臨床診斷上,醫(yī)生常常需要各種醫(yī)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,但無論哪一類的醫(yī)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(shè)備有關(guān);④統(tǒng)計知識,如MI的質(zhì)子圖像信息綜合研究[)] ,而要做到這-點,首先必須解決圖像密度(PD)、T1和T2統(tǒng)計數(shù)據(jù)。Costin 等提出了一-種基于知的配準(zhǔn)(或叫匹配)和融合問題。醫(yī)學(xué)圖像配準(zhǔn)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(yī)學(xué)圖像像素的空間對應(yīng)關(guān)系;而融合是指將不同形相應(yīng)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(yī)學(xué)圖像中的信息綜合到一起,形成新的圖像的過程。了一種基于知識的人腦三維醫(yī)學(xué)圖像分割顯示的方法。首圖像配準(zhǔn)是圖像融合必需的預(yù)處理技術(shù),反過來,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(zhǔn)的一個目的。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(yī)學(xué)困像配準(zhǔn)后,采用“智能光線跟蹤”方法,在模型知識指導(dǎo)下直接從體醫(yī)學(xué)圖像配準(zhǔn)包括圖像的定位和轉(zhuǎn)換,即通過尋找- -種積數(shù)據(jù)中提取并顯示各組織器官的表面。空間變換使兩幅圖像對應(yīng)點達(dá)到空間位置上的配準(zhǔn),配準(zhǔn)的3.4基于模型的方法結(jié)果應(yīng)使兩幅圖像上所有關(guān)鍵的解剖點或感興趣的關(guān)鍵點該方法根據(jù)圖像的先驗知識建立模型,有動態(tài)輪廓模型達(dá)到匹配。20世紀(jì)90年代以來,醫(yī)學(xué)圖像配準(zhǔn)的研究受到(Active Contour Model,又稱Snake) 、組合優(yōu)化模型等,其中了國內(nèi)外醫(yī)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(shù)采用積分運算,具了二維圖像的配準(zhǔn)方法.并根據(jù)配準(zhǔn)基準(zhǔn)的特性,將圖像配有較好的抗噪性,對目標(biāo)的局部模糊也不敏感,但其結(jié)果常準(zhǔn)的方法分為兩大類:基于外部特征(有框架)的圖像配準(zhǔn)依賴于參數(shù)初始化,不具有足夠的拓?fù)溥m應(yīng)性,因此很多學(xué)和基于內(nèi)部特征(無框架)的圖像配準(zhǔn)?；谕獠刻卣鞯姆秸邔nake與其它方法結(jié)合起來使用.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(biāo)記法等?；谕獠肯闰炛R與Snake結(jié)合的方法,避開圖像的一些局部極小特征的圖像配準(zhǔn),簡單易行，易實現(xiàn)自動化，能夠獲得較高的點,克服了Snake方法的一些不足。 Raquel 等將徑向基網(wǎng)絡(luò)精度,可以作為評估無框架配準(zhǔn)算法的標(biāo)準(zhǔn)。但對標(biāo)記物的(RBFNN cc)與Snake相結(jié)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(zhǔn)，具有以下特點:①該混合模型是靜態(tài)網(wǎng)絡(luò)和動態(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(zhǔn),不能對歷結(jié)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?nèi)部特征的方法是根據(jù)一些用初始化輪廓給出了最佳的控制點;④Snake的能量方程中包戶能識別出的解剖點、醫(yī)學(xué)圖像中相對運動較小的結(jié)構(gòu)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(nèi)部體素的灰度信息進(jìn)行配準(zhǔn)?；趦?nèi)部特征的方法包Snake相結(jié)合的醫(yī)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(yīng)點配準(zhǔn)法、結(jié)構(gòu)配準(zhǔn)法矩配準(zhǔn)法及相關(guān)特點是在少數(shù)用戶交互的基礎(chǔ)上,可以快速可靠地得到一個配準(zhǔn)法?；趦?nèi)部特征的圖像配準(zhǔn)是一-種交互性方法,可以醫(yī)學(xué)圖像序列的分割結(jié)果。進(jìn)行回顧性研究,不會造成患者不適，故基于內(nèi)部特征的圖由于醫(yī)學(xué)圖像分割問題本身的困難性,目前的方法都是像配準(zhǔn)成為研究的重點。針對某個具體任務(wù)而自的,還沒有一個迪用的解決方法。綜近年來,醫(yī)學(xué)圖像配準(zhǔn)技術(shù)有了新的進(jìn)展，在配準(zhǔn)方法觀近幾年圖像分割領(lǐng)域的文獻(xiàn)，可見醫(yī)學(xué)圖像分割方法研究上應(yīng)用了信息學(xué)的理論和方法,例如應(yīng)用最大化的互信息量的幾個顯著特點:①學(xué)者們逐漸認(rèn)識到現(xiàn)有任何一種單獨的作為配準(zhǔn)準(zhǔn)則進(jìn)行圖像的配準(zhǔn),在配準(zhǔn)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意的結(jié)果,因而發(fā)展到三維多模醫(yī)學(xué)圖像的配準(zhǔn)。例如Luo等利用最大互更加注重多種分割算法的有效結(jié)合;②在目前無法完全由計信息法百數(shù)據(jù)進(jìn)行了配準(zhǔn)，算機來完成圖像分割任務(wù)的情況下,半自動的分割方法引起結(jié)果全中國煤化工學(xué)團像配準(zhǔn)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)使人僅在必要的時候進(jìn)行必不可少的干預(yù)，從而得到滿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(jié)果是交互式分割方法的核心問題;③新的分割方法的較高的分辨率,應(yīng)用小波技術(shù)多分辨地描述圖像細(xì)貌.使圖現(xiàn)代醫(yī)院2000年1I1 月第7卷第11期Modem Hopital Nov 2000 Vol7 No I118像由粗到細(xì)的分級快速匹配,是近年來醫(yī)學(xué)圖像配準(zhǔn)的發(fā)展波變換在圖像融合中的應(yīng)用,基于有限元分析的非線性配準(zhǔn)之一。國內(nèi)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(yīng)用將是今后圖像融合提出了一種基于小波變換的自動配準(zhǔn)剛體圖像方法,使用小研究的熱點與方向。隨著三維重建顯示技術(shù)的發(fā)展,三維圖波變換獲得多模圖像特點,然后進(jìn)行圖像配準(zhǔn),提高了配準(zhǔn)像融合技術(shù)的研究也越來越受到重視,三維圖像的融合和信的準(zhǔn)確性。另外,非線性配準(zhǔn)也是近年來研究的熱點，它對息表達(dá),也將是圖像融合研究的一一個重點。于非剛性對象的圖像配準(zhǔn)更加適用,配準(zhǔn)結(jié)果更加準(zhǔn)確。i 醫(yī)學(xué)圖像紋理分析目前許多醫(yī)學(xué)圖像配準(zhǔn)技術(shù)主要是針對剛性體的配準(zhǔn)，-般認(rèn)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(zhǔn)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(yī)學(xué)圖像配準(zhǔn)缺少實時性和準(zhǔn)確復(fù)。Sklansky 早在1978年給出了一個較為適合于醫(yī)學(xué)圖像性及有效的全自動的配準(zhǔn)策略。向快速和準(zhǔn)確方面改進(jìn)算的紋理定義:“如果圖像的-系列固有的統(tǒng)計特性或其它的法,使用最優(yōu)化策略改進(jìn)圖像配準(zhǔn)以及對非剛性圖像配準(zhǔn)的特性是穩(wěn)定的、緩慢變化的或者是近似周期的,那么則認(rèn)為研究是今后醫(yī)學(xué)圖像配準(zhǔn)技術(shù)的發(fā)展方向。圖像的區(qū)域具有不變的紋理"。紋理的不變性即指紋理圖.2 醫(yī)學(xué)困像融合圖像融合的主要目的是通過對多幅圖像間的冗余數(shù)據(jù)像的分析結(jié)果不會受到旋轉(zhuǎn)、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。.理來提高圖像的清晰度。不同的醫(yī)學(xué)影像設(shè)備獲取的影像5.1統(tǒng)計法反映了不同的信息:功能圖像(SPECT、PET等)分辨率較差，統(tǒng)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。基本原理是選擇不同能替代的;解剖圖像(CT MRI、B超等)以較高的分辨率提供的統(tǒng)計量對紋理圖像的統(tǒng)計特征進(jìn)行提取。這類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單,較易實現(xiàn),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(yī)學(xué)圖像合醫(yī)學(xué)圖像中那些沒有明顯規(guī)則性的結(jié)構(gòu)圖像,特別適合于的融合把有價值的生理功能信息與精確的解剖結(jié)構(gòu)結(jié)合在具有隨機的非均勻性的結(jié)構(gòu)。統(tǒng)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(zhǔn)確的資料。是共生矩陣法,其中有灰度共生矩陣( gπay level∞- occur-醫(yī)學(xué)圖像的融合可分為圖像融合的基礎(chǔ)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(chǔ):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(qū)提取的興趣區(qū)(地大類,-類是以圖像像素為基礎(chǔ)的融合法;另-類是以圖像gion of ieret, ROI)進(jìn)行計算,測出了有意義的紋理參數(shù)。特征為基礎(chǔ)的融合方法。以圖像像素為基礎(chǔ)的融合法模型另外,還有長游程法( 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,長游程法是對圖像灰度關(guān)系的高階統(tǒng)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度,而細(xì)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度。wa( imj)為相應(yīng)的權(quán)重。以圖像特征為基礎(chǔ)的融合方法在5.2 結(jié)構(gòu)法原理上不夠直觀且算法復(fù)雜,但是其實現(xiàn)效果較好。圖像融結(jié)構(gòu)分析方法是分析紋理圖像的結(jié)構(gòu),從中獲取結(jié)構(gòu)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(jié)構(gòu)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(shè)計一定特征選擇規(guī)則;③根據(jù)選取的規(guī)則在變定的位置規(guī)則組成的,然后分兩個步驟處理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(guī)律。目前主要用數(shù)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:空間維顯示和時處理紋理圖像,該方法適合于規(guī)則和周期性紋理,但由于醫(yī)間維顯示。學(xué)圖像紋理通常不是很規(guī)則,因此該方法的應(yīng)用也受到限目前，醫(yī)學(xué)圖像融合技術(shù)中還存在較多困難與不足。首制,實際中較少采用。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(xiàn)有的技術(shù)方法還只是針對具體病癥、具體問題發(fā)揮作用，模型分析方法認(rèn)為一個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(yī)學(xué)圖像為互關(guān)系,這種關(guān)系可以是線性的,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、馬爾科夫隨機場模型、腦、腫瘤成像等;其次,由于成像系統(tǒng)的成像原理的差異,其Gibbe隨機場模型分形模型,這些方法都是用模型系數(shù)來表圖像采集方式、格式以及圖像的大小.質(zhì)量、空間與時間特性征紋理圖像,其關(guān)鍵在于首先要對紋理圖像的結(jié)構(gòu)進(jìn)行分析等差異大,因此研究穩(wěn)定且精度較高的全自動醫(yī)學(xué)圖像配準(zhǔn)以選擇到最適合的模利.其次為如何估計這些模型系數(shù),如與融合方法是圖像融合技術(shù)的難點之- ;最后 ,缺乏能夠客何通中國煤化工廳紋理分析。這類方觀評價不同融合方法融合效果優(yōu)劣的標(biāo)準(zhǔn),通常用目測的方法存!YHCNMH G模型表達(dá)的缺點。法比較融合效果,有時還需要利用到醫(yī)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(xiàn),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(xiàn)代醫(yī)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(yī)學(xué)圖像處理技術(shù)的現(xiàn)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(yī)療衛(wèi)生設(shè)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(yī)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(nèi)醫(yī)學(xué)圖像處理技術(shù)的最新動態(tài)Cabor函數(shù)可以捕捉到相當(dāng)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,因此在實際中獲得了較廣泛的應(yīng)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(yīng)用研究[J].中國生物醫(yī)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形小波變(6) :508.換法(小波包法)。小波變換在紋理分析中的應(yīng)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(tǒng)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(yī)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(yī)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(jié)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(guī)則圖像的分割[J].復(fù)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解的完全樹結(jié)構(gòu)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(yī)學(xué)圖像及其紋理的復(fù)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-適合各類醫(yī)學(xué)圖像進(jìn)行紋理分析的方法,因而對于各類不同cal image eries based on active contoumodel{J]. Jourmal of Sof-特點的醫(yī)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(yīng)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,尋求最優(yōu)的紋理特征與紋理參數(shù)也是目前醫(yī)學(xué)圖像紋理verview[J]. Br Intitutle Radiol 2004,14(6) :455 -463.分析中的重點和難點。[17] PETRA A, EISEN V. Meclical Innge maching: A reriew withasifiatio[J]. eee Tans Med Img,1993,12(3) :26 -39.6總結(jié)[18] LUO Shuoqian, u Xiang Implementation of mutul information隨著遠(yuǎn)程醫(yī)療技術(shù)的蓬勃發(fā)展,對醫(yī)學(xué)圖像處理提出的based muli - moddity medical image registration[A]. Eng Med .要求也越來越高。醫(yī)學(xué)圖像處理技術(shù)發(fā)展至今,各個學(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Center Chicao.linois, USA:The Insitute od Eletieal and Eec-題。有效地提高醫(yī)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(yī)務(wù)人員和理論技術(shù)人員之間的交流就顯得越來19] SHARMAN R,TYLERJ M,PIANYKH OL,etal. A fast and毗越重要。多維、多參數(shù)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(guī)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(xiàn)-149.1] TINC JE , uU Ningning, ZHUCE Ying. A Windows NT based[21] 盧鍵,胡志忠,楊如乃.醫(yī)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(yī)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攢型社,2001.的圖像分割[J].中國生物醫(yī)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.