医学图像处理技术fujiaqi.docx
- 文档编号:17700849
- 上传时间:2023-08-03
- 格式:DOCX
- 页数:22
- 大小:57.96KB
医学图像处理技术fujiaqi.docx
《医学图像处理技术fujiaqi.docx》由会员分享,可在线阅读,更多相关《医学图像处理技术fujiaqi.docx(22页珍藏版)》请在冰点文库上搜索。
医学图像处理技术fujiaqi
医学图像处理技术
摘要:
随着医学成像和计算机辅助技术的发展,从二维医学图像到三维可视化技术成为研究的热点,本文介绍了医学图像处理技术的发展动态,对图像分割、纹理分析、图像配准和图像融合技术的现状及其发展进行了综述。
在比较各种技术在相关领域中应用的基础上,提出了医学图像处理技术发展所面临的相关问题及其发展方向。
关键词:
医学图像处理;图像分割;图像配准;图像融合;纹理分析
TheOverviewofMedicalImageProcessingTechnology
Abstract:
Thepresentsituationanddevelopmentofsuchmedicalimageprocessingtechniquesaresummarizedasthetechniquesofimagesegmentation,imageregistration,imagefusionandtextureanalysis.Onthebasisofanalyzingtherelativetechniques,theproblemshavebeenputforwardwhatwearefacingwiththedevelopmentofmedicalmiageprocessingtechniques.Attheendofthispaper,thedevelopmenttendencyofmedicalimageprocessingispredicted.
Keywords:
medicalimageprocessing;imagesegmentation;imageregistration;imagefusion;textureanalysis
目录
引言:
-1-
一.医学图像处理概论-1-
1.1医学影像技术的发展-1-
1.2有关医学成像技术-2-
1.2.1X线成像-2-
1.2.2超声成像-3-
1.2.3CT成像-3-
1.2.4核医学成像-3-
二.医学图像三维可视化技术-4-
2.1三维可视化概述-4-
2.2关键技术-4-
三.医学图像分割-5-
3.1基于统计学的方法-5-
3.2基于模糊集理论的方法-5-
3.2.1基于模糊理论的方法-6-
3.2.2基于神经网络的方法-6-
3.2.3基于小波分析的分割方法-6-
3.3基于知识的方法-6-
3.4基于模型的方法-6-
四.医学图像基本处理步骤-7-
4.1概述-7-
4.2医学图像处理基础-7-
4.3医学图像的运算-7-
4.4医学图像变换-8-
4.5医学图像增强-8-
4.6医学图像分割-9-
4.7医学图像配准-9-
4.8医学图像融合-10-
五.医学图像纹理分析-10-
5.1统计法-10-
5.3模型法-11-
5.4频谱法-11-
六.总结-12-
参考文献:
-12-
引言:
近20多年来,医学影像已成为医学技术中发展最快的领域之一,其结果使临床医生对
人体内部病变部位的观察更直接、更清晰,确诊率也更高。
20世纪70年代初,X-CT的发明
曾引发了医学影像领域的一场革命,与此同时,核磁共振成像象(MRI:
MagneticResonanceImaging)、超声成像、数字射线照相术、发射型计算机成像和核素成像等也逐步发展。
计算机和医学图像处理技术作为这些成像技术的发展基础,带动着现代医学诊断正产生着深刻的变革。
各种新的医学成像方法的临床应用,使医学诊断和治疗技术取得了很大的进展,同时将各种成像技术得到的信息进行互补,也为临床诊断及生物医学研究提供了有力的科学依据。
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,往往需要借助医生的经验来判定。
至于准确的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,利用计算机图象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,可以大大提高医疗诊断的准确性和可靠性。
此外,它在医疗教学、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。
本文对医学图像处理技术中的图像分割、纹理分析、图像配准和图像融合技术的现状及其发展进行了综述。
一.医学图像处理概论
医学图像处理是一门综合了数学、计算机科学、医学影像学等多个学科的交叉科学,是利用数学的方法和计算机这一现代化的信息处理工具,对由不同的医学影像设备产生的图像按照实际需要进行处理和加工的技术。
医学图像处理的对象主要是X射线图像,CT(ComputerizedTomography)图像,MRI(MagneticResonanceImaging)图像,超声(Ultrasonic)图像,PET(Positronemissiontomography)图像和SPECT(SinglePhotonEmissionComputedTomography)图像等。
医学图像处理的基本过程大体由以下几个步骤构成:
首先,要了解待处理的对象及其特点,并按照实际需要利用数学的方法针对特定的处理对象,设计出一套切实可行的算法;其次,利用某种编程语言(C语言,Matlab或其他计算机语言)将设计好的算法编制成医学图像处理软件,最终由计算机实现对医学图像的处理;最后,利用相关理论和方法或对处理结果进行检验,以评价所设计处理方法的可靠性和实用性。
因此,要正确掌握医学图像处理技术,除了具备算法设计(高等数学基础)和计算机程序设计能力外,对所要处理的对象及其特点的了解也是非常重要的,以下就对医学影像技术的发展及相关成像技术做简要的介绍。
1.1医学影像技术的发展
现代医学影像技术的发展源于德国科学家伦琴于1895年发现的X射线并由此产生的X线成像技术(Radiography)。
在发现X射线以前,医生都是靠“望、闻、问、切”等一些传统的手段对病人进行诊断。
医生主要凭经验和主观判断确定诊断结果,诊断结果的正确与否与医生的临床经验直接相关。
X射线的发现彻底改变了传统的诊断方式,它第一次无损地为人类提供了人体内部器官组织的解剖形态照片,由此引发了医学诊断技术的一场革命,从此使诊断正确率得到大幅度的提高。
至今放射诊断学仍是医学影像学中的主要内容,应用普遍。
因此,X射线的发现为现代医学影像技术的发展奠定了基础。
自伦琴发现X线以后不久,X线就被用于对人体检查,进行疾病诊断,形成了放射诊断学(diagnosticradiology)的新学科,并奠定了现代医学影像学(medicalimageology)的基础。
上世纪50年代到60年代开始应用超声与核素扫描进行人体检查出现了超声成像和闪烁成像(-scintigraphy)。
上世纪70年代和80年代又相继出现了X线计算机体层成像(CT)、磁共振成像(MRI)和发射体层成像(EmissionComputedTomography,ECT),如单光子发射体层成像SPECT与正电子发射体层成像PET等新的成像技术。
这样,仅100多年的时间就形成了包括X线诊断的影像诊断学(diagnosticimageology)。
虽然各种成像技术的成像原理与方法不同,诊断价值与限度亦各异,但都是使人体内部结构和器官形成影像,临床医生通过这些影像获得人体解剖与生理功能状况以及病理变化的信息,以达到诊断的目的。
上世纪70年代迅速兴起的介入放射学(interventionalradiology),不仅扩大了医学影像学对人体的检查范围,提高了诊断水平,而且可以对某些疾病进行治疗。
因此,不同成像技术的发展大大地扩展了医学影像学的内涵,并使其成为医疗工作中的重要支柱。
近20年来,随着计算机技术的飞速发展,与计算机技术密切相关的影像技术也日新月异,医学影像学已经成为医学领域发展最快的学科之一。
常规X线成像正逐步从胶片转向计算机放射摄影(ComputedRadiography,CR)或更为先进的直接数字化摄影(DigitalRadiography,DR)的数字化时代。
诞生时即与计算机紧密相关的CT、MRI则发展速度更为惊人。
CT已从早期的单纯的头颅CT发展为超高速多排螺旋CT、电子束CT。
在速度提高的同时,扫描最薄层厚也从早期的10mm到现在的0.5mm以下,图像分辨率也达到了1024*1024。
这些使CT的应用不仅在于早期横断面成像,同时可以作细腻的三维重建,虚拟内窥镜,手术立体定向,CT血管成像(ComputedTomographyAngiography,CTA)等。
MRI也从早期的永磁体、低场强发展到现在的超导、高场强,分辨率在常规扫描时间下提高了数千倍,磁共振血管成像(MagneticResonanceAngiography,MRA)已成为常规检查项目,同时磁共振功能成像以及磁共振波谱(MRS)技术正在迅速发展之中。
1.2有关医学成像技术
1.2.1X线成像
1895年伦琴发现X线,使人们通过X线第一次无须手术就能观察到人体内部的结构,为医生确诊疾病的病因提供了重要直观的信息。
发现X射线以来,医学影像学领域发生了几次具有重大意义的历史性变革。
传统的X-ray成像第一次为人类提供了人体内部器官组织的解剖形态照片,由此引发了医学诊断技术的一场革命,并形成了放射诊断学。
传统的X射线成像得到的是组织或器官的投影像,照片上某个像素的亮度反映穿过人体到达胶片的X射线的强度,它与人体对X射线的吸收量成反比,它将三维空间的图像投影到一个二维平面上,使厚度方面的信息都重叠地加在一起,造成了某些细节因信息重叠而丢失。
因此,这种成像方式难以检测较小的病灶。
X线成像技术到目前已经经历了100多年发展的历程,由最初单一的X线摄影发展到X线透视、X线数字减影血管造影(DigitalSubtractionAngiography,DSA)、X线介入治疗等多种诊断和治疗方式,其中在X线介入治疗基础上形成的介入放射学(InterventionalRadiology)开创了诊断技术应用于临床治疗的先河。
除此之外,X线成像的方式也发生了根本的变化,开始由模拟成像逐步向数字成像方式发展,如目前已经在临床上广泛应用的CR、DR以及数字胃肠机等。
尽管如此,X线成像技术没有从根本上改变3D物体投影到2D平面的问题。
由于处于不同深度的组织的像是重叠在一起的,从而使得X线影像的空间分辨率受到一定限制。
尽管X线成像存在不足之处,但在临床很多方面(例如胃肠道仍主要使用X线检查,骨骼肌肉系统和胸部也多首先应用X线检查等),X线检查仍然是首选的影像学常规检查手段。
1.2.2超声成像
超声可以探查出非常细微的病变组织,是X线摄影的有力补充。
超声成像也是除了X线以外使用最为广泛的医学成像工具。
超声成像依据的是脉冲-回波技术,这个技术和雷达技术相似。
在第二次世界大战时期发展起来的雷达和声纳的基础上,应用超声脉冲反射原理发展了各种超声成像技术,后来又发展了超声多普勒技术和超声计算机断层技术。
目前,三维超声成像技术也在发展之中。
超声波成像从发明到现在已经有了很大的进步。
目前已经从过去的单探头发展成为今天的探测器阵列,从模拟系统发展到全数字化和图像实时显示系统。
超声仪使用的成像物质波源是震动频率在人的听觉范围以外的机械震动波。
所以,超声成像是用不可见的也听不到的超声波能量实现的人体成像,不象X射线,超声波对人体无辐射伤害。
人们常说的B超只是超声波成像仪的一种。
它适合对人体解剖结构和血流进行成像。
由于超声成像安全可靠,价格低廉,所以在临床诊断和介入治疗中都得到了迅速发展,成为目前临床上广泛使用的四大医学影像设备之一。
超声成像的缺点是图像对比度差,图像的重复性依赖于操作人员。
另外,超声检查的视野有限,难以显示正常组织及较大病变的全貌,也不利于与其它检查图像(如CT,MRI)进行对比。
1.2.3CT成像
随着计算机技术的发展,1972年出现了计算机辅助X射线断层扫描术(CT)。
CT是以高穿透性、高能量的X射线穿过人体的受检部位后,由于不同组织或器官在组织密度上的差异,使入射的X射线被人体组织的吸收而发生相应的衰减,得到人体断层中的所有体积元的X线吸收系数。
其主要特点是具有高密度分辨率,比普通X线照片高10~20倍;能准确测出某一平面各种不同组织之间的放射衰减特性的微小差异,以数字图像的形式将其显示,极其精细地分辨出各种软组织的不同密度,从而形成对比。
如头颅X线平片不能区分脑组织及脑脊液,而CT不仅能显示出脑室系统、还能分辨出脑实质的灰质与白质;引入造影剂以增强对比度,可使其分辨率大幅度提高,故而拓宽了疾病的诊断范畴,提高了诊断正确率。
随着计算机技术的不断发展和断层扫描技术的不断改进,CT技术的发展日新月异,从早期的旋转/平移扫描方式到今天的多层螺旋扫描CT的出现,CT的空间分辨率(Spatialresolution)、密度分辨率(Densityresolution)和时间分辨率(Temporalresolution)越来越高,因而诊断效果也越来越好,临床应用也日趋普遍。
由西门子在2005年推出的世界上首台双源CT系统——SOMATOMDefinition,代表了CT技术的最新成果。
它将传统上多层螺旋CT的单X线源、单套检测器改变为相互垂直的双X线源、双套检测器设计。
1.2.4核医学成像
核医学成像是现代医学影像学的重要组成部分。
核医学成像是一种对人体无创、安全而有效的成像方法,它最重要的特点是能反映人体内各组织器官功能性(代谢)的变化,而功能性的变化常发生在疾病的早期。
目前常用的影像诊断方法如超声、CT、MRI等提供的是人体解剖学变化的信息。
而核医学成像提供的是人体组织器官的新陈代谢变化方面的信息,既功能性信息,这些信息有助于更早地发现疾病,并判断疾病的性质及发展程度。
核医学成像技术是以放射性核素示踪法为基础的,其基本特点是利用放射性核素制作标记化合物注入人体,释放的正电子与体内存在的电子碰撞而发生湮灭,从而释放出
射线,利用体外检测器获得数据,并利用这些数据进行图像重建,进而形成核医学图像。
ECT的本质是由在体外测量发自体内的
射线技术来确定在体内的放射性核素的活度。
在核医学成像过程中,注入人体内的放射性药物根据自己的代谢和生物学特性,能特异地分布于体内特定的器官或病变组织,标记在放射性药物分子上的放射性核素由于放出
射线能被体外探测器探测到,通过对探测器探测到的数据进行重建,就可显示放射性核素标记的放射性药物在体内的分布图,即对被标记的药物分布情况的显示。
在被成像物体的体素内存在的物质非常多,但是让成像系统能够看到的物质只是其中被放射性药物标记过的药物分子的浓度分布。
这就是核医学成像特异性问题,是核医学成像之所以立足的最主要原因。
利用放射性药物在体内能被某一器官特异摄取或在某一特定的器官组织中被代谢或通过某一器官排出等特性,在体外测定这些放射性药物在相应的器官中摄取速度、存留时间、排出速度等,就可推断出器官功能状态。
1.2.5MRI成像
磁共振成像(MagneticResonanceImaging,MRI)是在CT出现后又一重大发明,它是医学、化学、物理学、电子学、电子计算机技术、CT技术和磁共振波谱技术等学科相结合的产物。
MRI的物理学基础是核磁共振(Nuclearmagneticresonance,NMR)现象,其本质是一种能级间跃迁的量子效应。
NMR现象是1946年由两位美国的物理学家斯坦福大学的布洛赫(FelixBloch)和哈佛大学的珀塞尔(EdwardPurcell)几乎同时发现的。
由于NMR的发现,使布洛赫和珀塞尔共同荣获1952年的诺贝尔物理奖。
NMR现象是由于人体中的原子核吸收了来自外界的电磁波后,产生了共振现象,然后原子核再将其所吸收的能量以电磁波形式释放出来产生图像的过程。
MRI较CT具有独特的优点和特点:
无电磁辐射损伤,对软组织具有更高的分辩率,多方向、多参数成像方法,无需用造影剂就能对心血管成像。
由于MRI的成像参数是由被检组织器官的化学等环境因素所决定的,MRI图像不仅能显示人体解剖及其病理变化的信息,而且还提供了有关器官功能性和分子水平的诊断信息。
所以MRI所提供的信息比CT多。
因此,有人说MRI是二十一世纪的医学影像技术。
二.医学图像三维可视化技术
2.1三维可视化概述
医学图像的三维可视化的方法很多,但基本步骤大体相同,如图.。
从#$/&’(或超声等成像系统获得二维断层图像,然后需要将图像格式(如0(#1&)转化成计算机方便处理的格式。
通过二维滤波,减少图像的噪声影响,提高信噪比和消除图像的尾迹。
采取图像插值方法,对医学关键部位进行各向同性处理,获得体数据。
经过三维滤波后,不同组织器官需要进行分割和归类,对同一部位的不同图像进行配准和融合,以利于进一步对某感兴趣部位的操作。
根据不同的三维可视化要求和系统平台的能力,选择不同的方法进行三维体绘制,实现三维重构。
图2.1三维可视化步骤
2.2关键技术
图像分割是三维重构的基础,分割效果直接影像三维重构的精确度。
图像分割是将图像分割成有意义的子区域,由于医学图像的各区域没有清楚的边界,为了解决在医学图像分割中遇到不确定性的问题,引入模糊理论的模糊阀值、模糊边界和模糊聚类等概念。
快速准确的分离出解剖结构和定位区域位置和形状,自动或半自动的图像分割方法是非常重要的。
在实际应用中有聚类法、统计学模型、弹性模型、区域生长、神经网络等适用于医学图像分割的具体方法。
由于可以对同一部位用不同的成像仪器多次成像,或用同一台仪器多次成像,这样产生了多模态图像。
多模态图像提供的信息经常相互覆盖和具有互补性,为了综合使用多种成像模式以提供更全面的信息,需要对各个模态的原始图像进行配准和数据融合,其整个过程称为数据整合。
整合的第一步是将多个医学图像的信息转换到一个公共的坐标框架内的研究,使多幅图像在空间域中达到几何位置的完全对应,称为三维医学图像的配准问题。
建立配准关系后,将多个图像的数据合成表示的过程,称为融合。
在医学应用中,不同模态的图像还提供了不互相覆盖的结构互补信息,比如,当CT提供的是骨信息,MRI提供的关于软组织的信息,所以可以用逻辑运算的方法来实现它们图像的合成。
当分割归类或数据整合结束后,对体数据进行体绘制。
体绘制一般分为直接体绘制和间接体绘制,由于三维医学图像数据量很大,采用直接体绘制方法,计算量过重,特别在远程应用和交互操作中,所以一般多采用间接体绘制。
在图形工作站上可以进行直接体绘制,近来随着计算机硬件快速发展,新的算法,如三维纹理映射技术,考虑了计算机图形硬件的特定功能及体绘制过程中的各种优化方法,从而大大地提高了直接体绘制的速度。
体绘制根据所用的投影算法不同加以分类,分为以对象空间为序的算法(又称为体素投影法)和以图像空间为序的算法!
又称为光线投射法",一般来说,体素投影法绘制的速度比光线投射法快。
由于三维医学图像的绘制目的在于看见内部组织的细节,真实感并不是最重要的,所以在医学应用中的绘制要突出特定诊断所需要的信息,而忽略无关信息。
另外,高度的可交互性是三维医学图像绘制的另一个要求,即要求一些常见操作,如旋转,放大,移动,具有很好的实时性,或至少是在一个可以忍受的响应时间内完成。
这意味着在医学图像绘制中,绘制时间短的可视化方法更为实用。
未来的三维可视化技术将与虚拟现实技术相结合,不仅仅是获得体数据的工具,更主要的是能创造一个虚拟环境。
三.医学图像分割
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,图像分割技术主要基于以下几种理论方法。
3.1基于统计学的方法
统计方法是近年来比较流行的医学图像分割方法。
从统计学出发的图像分割方法把图像中各个像素点的灰度值看作是具有一定概率分布的随机变量,观察到的图像是对实际物体做了某种变换并加入噪声的结果,因而要正确分割图像,从统计学的角度来看,就是要找出以最大的概率得到该图像的物体组合。
用吉布斯(Gibbs)分布表示的Markov随机场(MRF)模型,能够简单地通过势能形式表示图像像素之间的相互关系,因此周刚慧等结合人脑MR图像的空间关系定义Markov随机场的能量形式,然后通过最大后验概率(MAP)方法估计Markov随机场的参数,并通过迭代方法求解。
层次MRF采用基于直方图的DAEM算法估计标准有限正交混合(SFNM)参数的全局最优值,并基于MRF先验参数的实际意义,采用一种近似的方法来简化这些参数的估计。
林亚忠等采用的混合金字塔Gibbs随机场模型,有效地解决了传统最大后验估计计算量庞大和Gibbs随机场模型参数无监督及估计难等问题,使分割结果更为可靠。
3.2基于模糊集理论的方法
医学图像一般较为复杂,有许多不确定性和不精确性,也即模糊性。
所以有人将模糊理论引入到图像处理与分析中,其中包括用模糊理论来解决分割问题。
基于模糊理论的图形分割方法包括模糊阈值分割方法、模糊聚类分割方法等。
模糊阈值分割技术利用不同的S型隶属函数来定义模糊目标,通过优化过程最后选择一个具有最小不确定性的S函数,用该函数表示目标像素之间的关系。
这种方法的难点在于隶属函数的选择。
模糊C均值聚类分割方法通过优化表示图像像素点与C各类中心之间的相似性的目标函数来获得局部极大值,从而得到最优聚类。
Venkateswarlu等[改进计算过程,提出了一种快速的聚类算法。
3.2.1基于模糊理论的方法
模糊分割技术是在模糊集合理论基础上发展起来的,它可以很好地处理MR图像内在的模糊性和不确定性,而且对噪声不敏感。
模糊分割技术主要有模糊阈值、模糊聚类、模糊边缘检测等。
在各种模糊分割技术中,近年来模糊聚类技术,特别是模糊C-均值(FCM)聚类技术的应用最为广泛。
FCM是一种非监督模糊聚类后的标定过程,非常适合存在不确定性和模糊性特点的MR图像。
然而,FCM算法本质上是一种局部搜索寻优技术,它的迭代过程采用爬山技术来寻找最优解,因此容易陷入局部极小值,而得不到全局最优解。
近年来相继出现了许多改进的FCM分割算法,其中快速模糊分割(FFCM)是最近模糊分割的研究热点。
FFCM算法对传统FCM算法的初始化进行了改进,用K-均值聚类的结果作为模糊聚类中心的初值,通过减少FCM的迭代次数来提高模糊聚类的速度。
它实际上是两次寻优的迭代过程,首先由K-均值聚类得到聚类中心的次最优解,再由FCM进行模糊聚类,最终得到图像的最优模糊分割。
3.2.2基于神经网络的方法
按拓扑机构来分,神经网络技术可分为前向神经网络、反馈神经网络和自组织映射神经网络。
目前已有各种类型的神经网络应用于医学图像分割,如江宝钏等利用MRI多回波性,采用有指导的BP神经网络作为分类器,对脑部MR图像进行自动分割。
而Ahmed和Farag则是用自组织Kohenen网络对CT/MRI脑切片图像进行分割和标注,并将具有几何不变性的图像特征以模式的形式输入到Kohenen网络,进行无指导的体素聚类,以得到感兴趣区域。
模糊神经网络(FNN)分割技术越来越多地得到学者们的青睐,黄永锋等提出了一种基于FNN的颅脑MRI半自动分割技术,仅对神经网络处理前和处理后的
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 医学 图像 处理 技术 fujiaqi