基于Matlab的多模態(tài)醫(yī)學(xué)圖像融合仿真

陳文+郁蕓+周梅紅

摘 要 多模態(tài)醫(yī)學(xué)圖像融合是一種集醫(yī)學(xué)圖像處理和醫(yī)學(xué)影像診斷于一體的新技術(shù)，其迅猛發(fā)展對(duì)醫(yī)學(xué)影像技術(shù)的進(jìn)步和臨床診療產(chǎn)生了深遠(yuǎn)的影響。本文使用幾種多模態(tài)醫(yī)學(xué)圖像融合的典型方法，在Matlab環(huán)境下進(jìn)行了仿真實(shí)驗(yàn)，為相關(guān)領(lǐng)域的專業(yè)人員和非專業(yè)關(guān)注者提供了參考。

【關(guān)鍵詞】多模態(tài)醫(yī)學(xué)圖像融合 Matlab 醫(yī)學(xué)圖像處理 醫(yī)學(xué)影像學(xué)

1 引言

隨著計(jì)算機(jī)技術(shù)的飛速發(fā)展和信息時(shí)代的到來，醫(yī)學(xué)成像成為了現(xiàn)代醫(yī)療技術(shù)不可缺少的一部分。由于各種成像設(shè)備的成像原理有所差異，不同模態(tài)的圖像有各自的優(yōu)點(diǎn)和局限性。在此背景下，充分利用現(xiàn)有的成像設(shè)備，研究一種能整合來自不同成像設(shè)備的圖像信息并將其作為一個(gè)整體加以表達(dá)的圖像融合技術(shù)，受到了相關(guān)領(lǐng)域的高度重視。本文分析了多模態(tài)醫(yī)學(xué)圖像融合的典型方法，并在Matlab環(huán)境下進(jìn)行了仿真實(shí)驗(yàn)，為相關(guān)領(lǐng)域的專業(yè)人員和非專業(yè)關(guān)注者提供了參考。

2 多模態(tài)醫(yī)學(xué)圖像的融合方法

醫(yī)學(xué)圖像融合方法可分為像素級(jí)、特征級(jí)和決策級(jí)三個(gè)層次，目前應(yīng)用比較廣泛的是像素級(jí)層次融合融合方法，同時(shí)它又是后兩種融合方法的基礎(chǔ)，本文主要研究像素級(jí)層融合方法。

根據(jù)其特點(diǎn)、融合步驟和基本原理，又可將其分為基于空間域融合方法和基于變換域融合方法兩大類。這兩類方法不是相互獨(dú)立的關(guān)系，在許多算法中將兩者結(jié)合使用可以達(dá)到更好的融合效果。

3 多模態(tài)醫(yī)學(xué)圖像融合matlab仿真程序

本文針對(duì)以下幾種融合方法，進(jìn)行了多模態(tài)醫(yī)學(xué)圖像融合的仿真實(shí)驗(yàn)，實(shí)驗(yàn)所用為兩幅已經(jīng)做完配準(zhǔn)處理的MRI和CT圖像，如圖1所示。

下面將詳細(xì)闡述程序?qū)崿F(xiàn)和實(shí)驗(yàn)結(jié)果，如圖2所示。

3.1 像素灰度值極大/極小融合法

% 圖像像素灰度值極大法

for i=1：m1

for j=1：n1

if （abs（M1（i，j）） >= abs（M2（i，j）））

M3（i，j） = M1（i，j）；

elseif （abs（M1（i，j）） < abs（M2（i，j）））

M3（i，j） = M2（i，j）；

end

end

end

3.2 像素灰度值加權(quán)平均融合法

% 圖像加權(quán)融合

M3 = 0.5* M1 + 0.5* M2；

M3 = im2uint8（M3）；

M4 = 0.3* M1 + 0.7* M2；

M4 = im2uint8（M4）；

3.3 傅立葉變換法

程序代碼如下：

% 對(duì)圖像進(jìn)行二維傅里葉變換

y1 = fft2（M1）；

y2 = fft2（M2）；

% 對(duì)變換系數(shù)進(jìn)行加權(quán)融合

y3 = 0.5* y1 + 0.5* y2；

y4 = 0.3* y1 + 0.7* y2；

% 傅里葉反變換

M3 = ifft2（y3）；

M4 = ifft2（y4）；

% 數(shù)據(jù)類型轉(zhuǎn)換

M3 = im2uint8（M3）；

M4 = im2uint8（M4）；

3.4 小波變換法

zt =2；% 小波分解層數(shù)

wtype = 'db1'；%使用的小波類型

% 小波分解

[c0， s0] = wavedec2（M1，zt，wtype）；%多尺度二維小波分解

[c1， s1] = wavedec2（M2，zt，wtype）；%多尺度二維小波分解

%小波系數(shù)簡單加權(quán)法

c = （c0 + c1）* 0.5；

% 高頻部分系數(shù)選擇絕對(duì)值極大法，低頻部分系數(shù)采用二者求平均的方法

KK = size（c1）；

Coef_Fusion1 = zeros（1，KK（2））；

% 低頻系數(shù)的處理

Coef_Fusion1（1：s1（1，1）） = （c0（1：s1（1，1）） + c1（1：s1（1，1））） / 2；

% 高頻系數(shù)的處理

MM1 = c0（s1（1，1） + 1：KK（2））；

MM2 = c1（s1（1，1） + 1：KK（2））；

mm = （abs（MM1）） > （abs（MM2））；

Y = （mm.* MM1） + （（～mm）.* MM2）；

Coef_Fusion1（s1（1，1） + 1：KK（2）） = Y；

% 小波重構(gòu)

Y1 = waverec2（c，s0，wtype）；

Y2 = waverec2（Coef_Fusion1，s0，wtype）；

4 結(jié)語

多模態(tài)醫(yī)學(xué)圖像融合技術(shù)是醫(yī)學(xué)圖像處理技術(shù)的一個(gè)重要分支，在臨床診療、計(jì)算機(jī)輔助診斷、遠(yuǎn)程醫(yī)療、放射治療及手術(shù)計(jì)劃的制定等方面有著廣泛的應(yīng)用前景，對(duì)醫(yī)學(xué)影像的進(jìn)步和發(fā)展有重要的促進(jìn)作用。在此背景下，本文分析了多模態(tài)醫(yī)學(xué)圖像融合的典型方法，并給出了Matlab環(huán)境下的仿真實(shí)例，對(duì)相關(guān)領(lǐng)域的專業(yè)人員和非專業(yè)關(guān)注者具有一定的參考價(jià)值。

參考文獻(xiàn)

[1]李偉，朱學(xué)峰.醫(yī)學(xué)圖像融合技術(shù)及其應(yīng)用[J].中國醫(yī)學(xué)影像技術(shù)，2005，21（07）：1126-1129.

[2]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(dòng)態(tài)[J].電子科技大學(xué)學(xué)報(bào)，2002，31（05）：485-489.

[3]陳顯毅，周開利.醫(yī)學(xué)圖像配準(zhǔn)常用方法與分類[J].信息技術(shù)，2008（07）：17-19，24.

[4]胡朝芬，黃之杰，羅來華.醫(yī)學(xué)圖像融合技術(shù)研究進(jìn)展[J].醫(yī)療衛(wèi)生裝備，2010，31（04）：157-160.

[5]孫野.醫(yī)學(xué)圖像融合算法的研究[D].吉林大學(xué)，2011.

[6]邱建峰，聶生東.醫(yī)學(xué)影像圖像處理實(shí)踐教程[M].北京：清華大學(xué)出版社，2013：108-109.

[7]王陽萍，杜曉剛，趙庶旭，王松.醫(yī)學(xué)影像圖像處理[M].北京：清華大學(xué)出版社，2012：150-151.

[8]張莉.醫(yī)學(xué)圖像融合及算法研究[D].南京理工大學(xué)，2006.

[9]柴苗.醫(yī)學(xué)圖像融合算法研究與應(yīng)用[D].西安電子科技大學(xué)，2009.

[10]劉雯敏.醫(yī)學(xué)圖像融合的方法研究及其應(yīng)用[D].江南大學(xué)，2013.

[11]何凱.像素級(jí)醫(yī)學(xué)圖像融合研究[D].西北工業(yè)大學(xué)，2006.

[12]陳爽.基于小波和復(fù)小波變換的醫(yī)學(xué)圖像融合的研究[D].山東大學(xué)，2007.

作者簡介

陳文（1996-），江蘇省蘇州市人。在讀碩士。研究方向?yàn)獒t(yī)學(xué)影像。

作者單位

1.南京醫(yī)科大學(xué)基礎(chǔ)醫(yī)學(xué)院 江蘇省南京市 211166

2.南京航空航天大學(xué)自動(dòng)化學(xué)院 江蘇省南京市 210000