淺析醫(yī)學(xué)圖像配準研究的進展

陳晶晶

(浙江省天臺縣中醫(yī)院 設(shè)備科，浙江天臺317200)

淺析醫(yī)學(xué)圖像配準研究的進展

陳晶晶

(浙江省天臺縣中醫(yī)院 設(shè)備科，浙江天臺317200)

醫(yī)學(xué)圖像配準是指尋求兩幅圖像間一對一映射的過程，即將兩幅圖像中對應(yīng)于空間同一位置的點聯(lián)系起來。醫(yī)學(xué)圖像配準是進行醫(yī)學(xué)圖像處理的基礎(chǔ)，在臨床診斷和治療中占有重要地位。本研究將對醫(yī)學(xué)圖像配準方法分類和應(yīng)用進行概述，旨在為今后其方法的改進和臨床的應(yīng)用提供參考。

醫(yī)學(xué)圖像配準；診斷；治療

隨著醫(yī)學(xué)技術(shù)的發(fā)展，醫(yī)學(xué)成像技術(shù)已在臨床廣泛應(yīng)用，成為診斷、治療、預(yù)防的重要輔助手段。成像方式主要分成結(jié)構(gòu)性和功能性成像。兩種成像技術(shù)得出的數(shù)據(jù)可為臨床追蹤提供完整的信息，但由于不同方式形成的醫(yī)學(xué)圖像及形成原理、分辨率、各成像參數(shù)都不同，所以在進行不同圖像融合前需要對圖像進行配準。醫(yī)學(xué)圖像配準實際上就是找到一定的空間轉(zhuǎn)換方式，將不同圖像的對應(yīng)點達到空間和解剖結(jié)構(gòu)上的一致。只有通過圖像配準才能將多幅含有不同信息的圖像集成起來[1]。

本研究將對醫(yī)學(xué)圖像配準相關(guān)信息加以概述，旨在為今后醫(yī)學(xué)圖像配準技術(shù)的臨床應(yīng)用提供參考。

1 經(jīng)典的圖像配準算法

1.1 維數(shù)

空間維數(shù)包括：2-D-2-D，2-D-3-D，3-D-3-D；時間維數(shù)包括：2-D-2-D，2-D-3-D，3-D-3-D。

(1)空間圖像配準方法：現(xiàn)今臨床使用較廣的空間配準的方法是3-D-3-D配準，即三維空間圖像間的配準，主要應(yīng)用于EEG成像圖像的配準。2-D-2-D配準主要應(yīng)用于肝門靜脈成像。2-D-2-D配準相對于3-D-3-D配準，由于其圖像包含的參數(shù)個數(shù)較少，數(shù)據(jù)也較為集中，所以其配準的速度更快。而2-D-3-D配準由于其成像快，提供信息量也較大，所以常用有手術(shù)過程中，以滿足短時間內(nèi)需要提供充足信息的需要[2]。

(2)時間圖像配準方法：就是將一段時間間隔內(nèi)的空間圖像進行配準。如在觀察兒童骨生長時就需要使用時間圖像配準才能得到一段時間內(nèi)骨頭變化的信息。再如對腫瘤生長情況的觀察，或?qū)σ欢螘r間內(nèi)藥物作用的評價[3]。

1.2 圖像配準基準的本質(zhì)

按配準基準的本質(zhì)，圖像配準可分為基于外部特征的圖像配準、基于內(nèi)部特征的圖像配準、基于非圖像的配準。其中基于外部特征的圖像配準又分為非侵入性的模型、框架或皮膚標記和侵入性的立體定位框架和螺釘標記。此方法的圖像配準是在需要成像的空間上加入人造標記。基于外部特征的圖像配準能通過精確清晰的觀察，迅速成像，其配準參數(shù)簡單，運算簡潔。其缺點是操作人員需要熟練掌握儀器操作，即對操作人員技術(shù)水平要求高，且由于非侵入性圖像配準精確度低，所以大多使用侵入性配準，對患者身體造成一定傷害[4]。

基于內(nèi)部特征的圖像配準就是利用患者體內(nèi)圖像信息，根據(jù)其配準標準分為界標法、分割法、體素特征法。其中界標法是指利用一些明顯的標記點如解剖特征部位或幾何特征部位，通過識別足夠多的標記點來得到原始圖像信息。分割法是通過對圖像分割來得到配準標記，從而進行計算。體素特征法是利用圖像的灰度信息作為配準依據(jù)進行計算的方法[5]。

非圖像的配準是基于校準掃描坐標系的影像掃描儀，這也要求掃描儀處于相同的物理位置，且患者在掃描的過程中不動。

1.3 轉(zhuǎn)換的本質(zhì)和域

根據(jù)轉(zhuǎn)換的本質(zhì)圖像配準可以分為剛性轉(zhuǎn)換，仿射轉(zhuǎn)換，投射轉(zhuǎn)換，曲線轉(zhuǎn)換。其中基于圖像坐標系的轉(zhuǎn)換叫做剛性轉(zhuǎn)換，它允許圖像的平移和旋轉(zhuǎn)。仿射轉(zhuǎn)換是指直線映射成直線時保持其平行性，但不保持其垂直性。投射轉(zhuǎn)換是指直線映射時其平行性和垂直性都無法保持。曲線轉(zhuǎn)換是指圖像直線映射成曲線，也稱之為彈性轉(zhuǎn)換[6]。

根據(jù)轉(zhuǎn)換的域可以將圖像配準分為全面和局部轉(zhuǎn)換。如果轉(zhuǎn)換應(yīng)用于全部圖像則稱之為全面轉(zhuǎn)換，反之則稱之為局部轉(zhuǎn)換。近年來，研究人員在圖像配準中常常進行如下搭配，剛性和仿射轉(zhuǎn)換與全面轉(zhuǎn)換，而曲線轉(zhuǎn)換與局部轉(zhuǎn)換相搭配。局部曲線轉(zhuǎn)換可以提供局部的精細準確的內(nèi)部信息，如用于觀察腦部結(jié)構(gòu)的腦CT；而全面剛性轉(zhuǎn)換則應(yīng)用范圍更廣，因為許多醫(yī)學(xué)圖像是剛性線條，而且剛性全面轉(zhuǎn)換過程中索性的參數(shù)更少，轉(zhuǎn)換的復(fù)雜性更小，配準的速度更快[7]。

1.4 交互性

交互性是指圖像配準過程中人參與的程度，主要分為交互型、半自動型、全自動型。交互型是指操作人員自己對圖像進行配準，軟件只提供轉(zhuǎn)換的圖像或數(shù)字信息，和可行的初始轉(zhuǎn)換策略，可分為配準算法的初始化提供型和非初始化提供型。半自動型是指一方面操作人員需要初始化配準算法，另一方法，還需要對計算進行指導(dǎo)，也就是拒絕或接受計算機提供的配準假設(shè)，其可分為操作人員初始化型、操作人員指導(dǎo)或糾正型、兩者皆有型。全自動型是指操作人員只提供圖像數(shù)據(jù)或可能用到的信息即可?；谕獠刻卣鞯膱D像配準常常使用全自動法，這是因為圖像中的標志物比較明顯，計算機能夠自己識別，而不需操作人員對其進行糾正，如此也進一步加快了配準的速度。當需要操作人員大致指出標記點時，可以使用半自動法，如基于內(nèi)部特征的圖像配準中的標記點法和分割法往往與需要操作者初始化的半自動法聯(lián)合，而體素特征法則與全自動法聯(lián)合。交互法近年來已較少使用[8]。

1.5 優(yōu)化過程

根據(jù)配準參數(shù)的求解過程可以將圖像配準分為參數(shù)直接計算法和參數(shù)搜索法。參數(shù)直接計算法是指將圖像信息簡化，然后直接計算出轉(zhuǎn)換參數(shù)的方法。參數(shù)搜尋法是指在最優(yōu)匹配測度的指導(dǎo)下，使圖像轉(zhuǎn)換時達最大相似度，這一方法需要構(gòu)建最優(yōu)匹配測度和能量函數(shù)以進行合理變換。實際應(yīng)用中是多種優(yōu)化方法聯(lián)合使用，可以開始時使用粗略快速算法，其后使用精確慢速算法，如Powell法和一維優(yōu)化法的聯(lián)合使用，遺傳算法和切分矩形法的聯(lián)合使用[9]。

2 醫(yī)學(xué)圖像配準的應(yīng)用

醫(yī)學(xué)圖像配準主要應(yīng)用于腦部圖像的配準，其中包括單模型、多模型、模型和患者配準等。單模型圖像配準的經(jīng)典案例是CT。Gueziec等人在1992年進行了3D CT圖像配準，通過配準患者表面的曲率的極致曲線來完成。這項技術(shù)隨后在1994年和1996年被Thirion應(yīng)用。Van Herk等人在1994年采用斜面匹配的方法對圖像表面進行配準，這項技術(shù)主要是應(yīng)用計算前距離圖像來進行兩個表面距離的快速計算。Morris等人在1993年應(yīng)用剛性和仿射法對MR圖像進行配準，其主要依據(jù)原始軸和重力中心提供的信息進行配準。Nakazawa等人在1994年使用曲線法對MR圖像進行配準，其具體過程是對2D切片的結(jié)構(gòu)進行分段曲線或表面的彈性變形。PET圖像的配準常常使用3D圖像剛性配準[10～12]。Eberl等人使用3D圖像剛性配準法對SAD和SPECT圖像進行配準。Venot等人引入了DSC標準，對X光圖像進行全面剛性配準。Shields等人對頸動脈的US 2D時間圖像進行仿射局部匹配配準。Hill等人使用全自動標記點法計算轉(zhuǎn)換參數(shù)，從而實現(xiàn)了CT和MR圖像之間的配準。Alpert利用圖像原始軸和重力中心進行剛性3D轉(zhuǎn)換，進而對CT和PET圖像進行配準。Van Herk等人使用剛性斜面匹配法對CT和SPECT圖像進行配準。Rubinstein等人使用剛性全自動標記點法對SPECT和MR圖像進行配準[13,14]。

3 總結(jié)

以上對醫(yī)學(xué)圖像配準技術(shù)和應(yīng)用的概述提示醫(yī)學(xué)圖像配準在預(yù)防，治療等方面已占有越來越重要的地位。但是由于一些技術(shù)的臨床應(yīng)用研究尚淺，所以其有效性還存在爭議，所以若要使這些方法發(fā)揮充分作用，仍需對其進行更深入的臨床和基礎(chǔ)研究。

[1]周永新，羅述謙. 基于形狀特征點最大互信息的醫(yī)學(xué)圖象配準[J]. 計算機輔助設(shè)計與圖形學(xué)學(xué)報，2002，14(7)：654-658.

[2]DING L， GOSHTASBY A，SATTER M. VoIume image reg-istration by tempIate matching [J]. Image and Vision Com-puting，2001，19(12)：821-832.

[3]BULOW H，DOOLEY L，WERMSER D. AppIication ofprincipaI axes for registration of NMR image seguences[J]. Pattern Recognition Letters，2000，21(4)：329-336.

[4]吳鋒，錢宗才，杭洽時,等. 基于輪廓的力矩主軸法在醫(yī)學(xué)圖像配準中的應(yīng)用[J]. 第四軍醫(yī)大學(xué)學(xué)報，2001，22(6)：567-569.

[5]葛云，舒華忠，羅立民. 基于 Legendre 正交矩的配準方法及其在二值圖像配準中的應(yīng)用[J]. 電子學(xué)報，2001，29(1)：54-57.

[6]WACHOWIAK M P，SMOLIKOVA R，TOURASSI G D， etaI. GeneraIized mutuaI information simiIarity metrics formuItimodaI biomedicaI image registration[A]. Engineeringin Medicine and BioIogy. 24th AnnuaI Conference and theAnnuaI FaII Meeting of the BiomedicaI Engineering Society[C]. Houston， Texas， USA： The Institute of EIectricaI andEIectronics Engineers， Inc，2002，2:1 005-1006.

[7]LUO SHUOIAN，LI XIANG. ImpIementation of mutuaI in-formation based muIti - modaIity medicaI image registration[A]：Engineering in Medicine and BioIogy Society. Pro-ceedings of the 22nd AnnuaI InternationaI Conference of theIEEE[C]. Navy Pier Convention Center Chicago， IIIinois，USA： The Institute of EIectricaI and EIectronics Engineers，Inc，2000，2：1447-1450.

[8]ROHR K， STIEHL H S ， SprengeI R ， et aI. Landmark -based EIastic registration using approximating thin - pIatespIines[J]. IEEE Transactions On MedicaI Imaging，2001,20(6) :526-533.

[9]THOMAS M. LEHMANN，CLAUDIA GONNER，KLAUSSPITZER. Survey： InterpoIation methods in medicaI imagesprocessing[J]. IEEE Transactions On MedicaI Imaging，1999，18 (11):1049-1072.

[10]PLUIM J P W. Information and gradient information[J]. IEEETransactions on MedicaI Imaging，2000，19(8)：809-814.

[11]楊虎，馬斌榮，任海萍，等. 基于互信息的人腦圖像配準研究[J]. 中國醫(yī)學(xué)物理學(xué)雜志， 2001，18 (2) ：69-72.

[12]趙富強，于紅玉，馬斌榮，等.基于圖像特征的 CT - MR 圖像配準[J].北京生物醫(yī)學(xué)工程， 2000，19(4)：206-211.

[13]羅綱，羅斌. 圖象特征點集配準的加權(quán)相關(guān)迭代算法[J]. 中國圖象圖形學(xué)報，2000，2 (9)：755-758.

[14]SHUN' ICHI KANEKO， YUTAKA SATOH， SATORU IGA-RASHI. Using seIective correIation coefficient for robustimage registration[J]. Pattern Recognition，2003，36(5)：1165-1173.

2014-07-10

TP391.41

A

1002-2376(2014)12-0004-03