醫(yī)學(xué)影像圖像融合技術(shù)的新進(jìn)展
【關(guān)鍵詞】 診斷顯像
【摘要】 為彌補解剖結(jié)構(gòu)圖像（CT, MRI, B超等）和功能圖像（SPECT, PET等）的各自不足，醫(yī)學(xué)圖像融合技術(shù)應(yīng)運而生，并且有了較大發(fā)展. 本文從三方面綜述了近年來有關(guān)醫(yī)學(xué)圖像融合技術(shù)研究的最新進(jìn)展，認(rèn)為在醫(yī)學(xué)影像設(shè)備的發(fā)展中，功能圖像和解剖圖像的結(jié)合是一個發(fā)展趨勢，在腫瘤的精確定位、早期檢測和診斷中將發(fā)揮重要的作用.
【關(guān)鍵詞】 診斷顯像；圖像融合
0引言
醫(yī)學(xué)影像學(xué)是臨床診斷信息的重要來源之一. 根據(jù)醫(yī)學(xué)圖像所提供的信息內(nèi)涵，可將醫(yī)學(xué)影像分為兩大類： 解剖結(jié)構(gòu)圖像（CT, MRI, B超等）和功能圖像（SPECT, PET等）. 這兩類圖像各有其優(yōu)缺點： 功能圖像分辨率較差，但它提供的臟器功能代謝信息是解剖圖像所不能替代的；解剖圖像以高分辨率提供了臟器的解剖形態(tài)信息（功能圖像無法提供臟器或病灶的解剖細(xì)節(jié)），但無法反映臟器的功能情況.
目前這兩類成像設(shè)備的研究都已取得了很大的進(jìn)步，一方面，雙方都在逐步彌補自身弱點，如MR的功能成像開發(fā)以拓展其功能，SPECT, PET新型晶體開發(fā)以增強(qiáng)自身的空間分辨率；另一方面，雙方均在不斷地增強(qiáng)自身強(qiáng)項，如MR開發(fā)不同新型成像序列，CT的螺旋層數(shù)不斷增加，PET的晶體數(shù)目越來越多. 這使得各自圖像的空間分辨率和圖像質(zhì)量有很大的提高，但由于成像原理不同所造成的圖像信息局限性，使得單獨使用某一類圖像的效果并不理想，且進(jìn)展緩慢，往往事倍功半. 由于上述原因，醫(yī)學(xué)圖像融合技術(shù)應(yīng)運而生［1］.
1圖像融合（image fusion）技術(shù)的內(nèi)涵
圖像融合是指將多源信道所采集到的關(guān)于同一目標(biāo)的圖像經(jīng)過一定的圖像處理，提取各自信道的信息，最后綜合成同一圖像以供觀察或進(jìn)一步處理［2］. 簡單來說，醫(yī)學(xué)圖像融合就是將解剖結(jié)構(gòu)成像與功能成像兩種醫(yī)學(xué)成像的優(yōu)點結(jié)合起來，為臨床提供更多、更準(zhǔn)確的信息. 其最終結(jié)果是1＋1>2.
20世紀(jì)90年代以來，醫(yī)學(xué)圖像融合技術(shù)隨著計算機(jī)技術(shù)、通訊技術(shù)、傳感器技術(shù)、材料技術(shù)等的飛速發(fā)展而獲得重大發(fā)展，經(jīng)歷了異機(jī)圖像融合和同機(jī)圖像融合兩個階段.
2異機(jī)圖像融合
2.1異機(jī)圖像融合的研究內(nèi)容在同機(jī)融合顯像設(shè)備沒有出現(xiàn)以前，圖像融合的研究僅限于異機(jī)圖像融合. 最初其研究內(nèi)容僅限于相同或不同成像模式（imaging modality）所得圖像經(jīng)過必要的幾何變換，空間分辨率統(tǒng)一和位置匹配后，進(jìn)行疊加獲得互補信息，增加信息量. 而現(xiàn)在，異機(jī)圖像融合的研究范圍包括： 圖像對位、融合圖像的顯示和分析，利用從對應(yīng)解剖結(jié)構(gòu)圖像（MRI， CT）獲取的先驗信息對發(fā)射型數(shù)據(jù)（SPECT， PET）做有效的衰減校正、數(shù)據(jù)重建等［3］.
2.2異機(jī)圖像融合的基本方法按圖像融合對象的來源可分為同類圖像融合（innermodality，如SPECTSPECT， CTCT等等）和異類圖像融合（intermodality，如SPECTCT, PETMRI, MRICT, MRB超等). 按圖像融合的分析方法可分為同一患者的圖像融合、不同患者間的圖像融合和患者圖像與模板圖像融合. 按圖像融合對象的獲取時間可分為短期圖像融合(如跟蹤腫瘤的發(fā)展情況時在1~3 mo內(nèi)做的圖像進(jìn)行融合)和長期圖像融合(如進(jìn)行治療效果評估時進(jìn)行的治療后2~3 a的圖像與治療后當(dāng)時的圖像進(jìn)行融合). 臨床工作人員根據(jù)自己的研究目的不斷設(shè)計出更多的融合方式.
2.3異機(jī)圖像融合的主要技術(shù)圖像融合的步驟大致為： 特征提取，設(shè)計誤差評估方法，對圖像數(shù)據(jù)進(jìn)行處理使誤差最小，將變換后的圖像數(shù)據(jù)進(jìn)行對位和綜合顯示，分析綜合數(shù)據(jù). 其中對位技術(shù)是圖像融合的關(guān)鍵和難點［4］.
2.3.1特征提取特征提取可分為內(nèi)部特征提取和外部特征提取內(nèi)部特征主要是人體解剖結(jié)構(gòu)特征，如顱骨、脊柱、胸骨、肋骨、關(guān)節(jié)；膈下軟組織，如脾、肝、腎等等. 外部特征是為進(jìn)行融合處理而特制在兩幅圖像上均可見的體表標(biāo)記物. 據(jù)文獻(xiàn)報道使用的外標(biāo)志物有進(jìn)行腦圖像融合的頭罩、牙環(huán)，胸部、腹部圖像融合采用的背帶，四肢圖像融合采用的支架，甚至顱骨嵌入螺釘?shù)鹊? 采用內(nèi)部特征的優(yōu)點是不需要對患者做預(yù)處理，可進(jìn)行多次融合方法分析，缺點是難以實現(xiàn)融合自動化處理，需要人工干預(yù)，融合的精確性往往與經(jīng)驗有關(guān). 外部特征的優(yōu)點是特征明確，易于進(jìn)行計算機(jī)自動處理，缺點是預(yù)處理復(fù)雜，并且由于體位而引起的臟器與體表標(biāo)記之間的位移誤差難以避免.
2.3.2誤差評估方法常用的有基于相似度的誤差評估方法(以相似度最大為最優(yōu))和基于距離的誤差評估方法(以距離最小為最優(yōu)).
2.3.3圖像處理圖像預(yù)處理： 對于有條件的圖像進(jìn)行重新斷層分層(reslice)以確保圖像在空間分辨率和空間方位上的大體接近. 幾何變換： 主要包括尺度變換、平移、旋轉(zhuǎn)等.
2.3.4圖像的對位將處理好的圖像按誤差最小的原則進(jìn)行對位. 按外部特征進(jìn)行對位的方法以兩幅圖像上的特征點配準(zhǔn)為對位成功. 按內(nèi)部特征進(jìn)行圖像對位法主要有兩種：圖像分割配準(zhǔn)和像素特征配準(zhǔn)［5］.
圖像分割配準(zhǔn)法分為曲線法和表面法，在目前實際應(yīng)用中較多采用. 因分割算法通常是半自動的，需人為參與，其配準(zhǔn)的精度受限于分割的精度. 理論上此法可用于全身各部位的配準(zhǔn)，但現(xiàn)在常用于神經(jīng)系統(tǒng)成像和矯形外科成像. 曲線法是將一些具有幾何特征的線條（如脊線）或柵格提取出來進(jìn)行配準(zhǔn). 但是，曲線法要求圖像有較高分辨率，以便提取幾何特征. 表面法的代表算法是“頭帽法”： 從一幅圖中提取一組輪廓點作為“帽子”，從另一幅圖中提取表面模型作為“頭”，然后使用Powell搜索算法（使帽點和頭表面間的距離平均平方和最�。﹣泶_定變換關(guān)系. 采用表面匹配技術(shù)可以對SPECT和PET的心臟圖像進(jìn)行了對位融合.
表面配準(zhǔn)算法不僅用于3D剛性（rigid）變換，而且可用于3D彈性（elastic）變換，從而為一些組織器官的配準(zhǔn)，如心臟、肝臟、肺等，提供了可能性. 但這種方法與其他基于組織分割的算法一樣，配準(zhǔn)精度受限于組織分割的精度. 近年來，由于分割算法的復(fù)雜程度降低、自動化程度提高以及斜面匹配技術(shù)在計算距離變換上的優(yōu)勢，此法被普遍應(yīng)用. 表面配準(zhǔn)法主要應(yīng)用于PETMR圖像的配準(zhǔn)，由于SPECT圖像的邊界模糊，不宜使用此法. 像素特征配準(zhǔn)法［6］： 像素特征配準(zhǔn)法與其他內(nèi)部特征配準(zhǔn)方法不同之處在于,他是以圖像灰度為配準(zhǔn)依據(jù)，不需要對圖像原始數(shù)據(jù)進(jìn)行預(yù)歸納或預(yù)分割,其常用算法有主軸矩配準(zhǔn)、全圖像信息配準(zhǔn)和圖譜法配準(zhǔn). 主軸矩配準(zhǔn)： 是將圖像灰度內(nèi)容轉(zhuǎn)換為數(shù)量和方向的幾何表示. 目前大多是從零階及一階矩中計算出圖像的質(zhì)心及主軸，再通過平移和旋轉(zhuǎn)使兩幅圖像的質(zhì)心和主軸對齊，達(dá)到配準(zhǔn)目的. 此法對于數(shù)據(jù)缺失比較敏感，細(xì)節(jié)丟失或形狀的病理性改變均會影響配準(zhǔn)結(jié)果. 但此法實現(xiàn)了自動化，且十分快捷，易于移植，目前多用于粗配準(zhǔn). 全圖像信息配準(zhǔn)： 是在配準(zhǔn)全過程中使用全部圖像信息，使用的算法有區(qū)域相似性測量法、最大互信息法、相關(guān)法、聯(lián)合熵法、條件熵法等. 此方法適用性最廣，它不象其他內(nèi)部特征法那樣需先進(jìn)行灰度圖像的信息壓縮提取，而是在配準(zhǔn)過程中利用所有可獲得的信息. 圖譜法： 用于患者間的圖像配準(zhǔn)同一解剖結(jié)構(gòu)的形狀、大小、位置都會因解剖和生理上的個體差異有很大不同，這就使患者間的圖像配準(zhǔn)問題成為當(dāng)今醫(yī)學(xué)圖像分析中的最大難題. 因此就要有一個詳細(xì)標(biāo)記人體各個解剖位置的標(biāo)準(zhǔn)化圖譜. 用圖譜法對兩個患者的PET或MRI圖像進(jìn)行比較時，首先把二者的圖像都映射到一個標(biāo)準(zhǔn)化的圖譜空間去，然后在此空間中進(jìn)行比較. 使用內(nèi)部特征定位不需外加定位裝置,但要求兩幅圖像要有相似結(jié)構(gòu)或共同體位特征才可進(jìn)行匹配. 定位的精確度是由具體的算法來決定的.
2.3.5融合數(shù)據(jù)的分析以某種算法將融合圖像數(shù)據(jù)綜合顯示并做定量分析. 有些影像學(xué)工作者提出了如融合圖像中像素CT值/SPECT計數(shù)等數(shù)值分析方法，但由于圖像融合技術(shù)研究時間較短，各種融合數(shù)據(jù)對臨床的指導(dǎo)意義有待進(jìn)一步檢驗確定.
2.4異機(jī)圖像融合的現(xiàn)狀目前對于剛性組織的對位已基本解決，如腦部異機(jī)圖像融合［8］，而對于非剛性組織（如腹部）的對位有待進(jìn)一步研究. 因此在圖像對位技術(shù)上目前尚未找到一種確保完全、通用、有效的方法.
3同機(jī)圖像融合
同機(jī)圖像融合是伴隨著同機(jī)顯像設(shè)備的發(fā)展而發(fā)展的. 1991年，Hasegawa等［9,10］人首先提出了同機(jī)圖像融合設(shè)備的設(shè)想. 1999年，通用電器公司(GE)推出了全球第一臺醫(yī)用同機(jī)圖像融合設(shè)備Hawkeye，它將XCT球管、探測器及放射性核素探頭裝在同一旋轉(zhuǎn)機(jī)架上，患者可同時進(jìn)行CT和SPECT檢查. 得到的X線圖像不僅可以用來與SPECT圖像進(jìn)行融合，還可以通過不同軟組織及骨骼對X線與γ光子的不同衰減比例因子，由CT值計算線性衰減系數(shù)，進(jìn)行SPECT的衰減校正. 由于這一臺劃時代設(shè)備的出現(xiàn)，使得圖像融合技術(shù)發(fā)生了根本性的變化.
由于圖像融合設(shè)備顯像過程中，患者同時進(jìn)行兩種不同的檢查，其體位變化由計算機(jī)精確控制，且不同顯像間的時間間隔非常短暫，從根本上解決了異機(jī)圖像融合中的最大難題：對位技術(shù)的準(zhǔn)確性. 在CT與SPECT圖像融合的領(lǐng)域內(nèi)，它具有了所有異機(jī)圖像融合的優(yōu)勢，而且實現(xiàn)過程更為簡單，并廣泛應(yīng)用于臨床醫(yī)學(xué)的各個領(lǐng)域［11］. 因此，這一設(shè)備從產(chǎn)生之日起，就對影像醫(yī)學(xué)特別是影像核醫(yī)學(xué)產(chǎn)生了革命性的影響. 目前已廣泛應(yīng)用于國內(nèi)、外影像醫(yī)學(xué)臨床診斷.
在Hawkeye之后，GE公司、西門子公司及飛利浦先后推出了第二代圖像融合設(shè)備： PET/CT［12］，其功能在Hawkeye基礎(chǔ)上更進(jìn)一步，定位更加準(zhǔn)確，診斷準(zhǔn)確性進(jìn)一步提高. 目前國內(nèi)有此設(shè)備十余臺.
相比PET/CT，PET/MR的研究更加令影像醫(yī)學(xué)工作者期待. PET/MR除具有所有PET/CT的優(yōu)點外，還可以提供更多的軟組織信息，其提供的組織信息可應(yīng)用于高精度的PET圖像衰減校正，從而進(jìn)一步提高圖像質(zhì)量和空間分辨率. 目前，美國將PET晶體置于MR內(nèi)部，已研制出一種新型的PET/MR，并已獲得了大鼠腦部同機(jī)融合圖像［13］，相信PET/MR很快將進(jìn)入臨床.
4展望
總之，在醫(yī)學(xué)影像設(shè)備的發(fā)展中，功能圖像和解剖圖像的結(jié)合是一個發(fā)展趨勢，而圖像融合的潛力在于綜合處理應(yīng)用這些成像設(shè)備所得信息以獲得新的有助于臨床診斷的信息［14］，在腫瘤的精確定位、癌癥的早期診斷和治療中發(fā)揮重要的作用. 隨著功能成像設(shè)備和解剖成像設(shè)備雜交技術(shù)的出現(xiàn)，圖像融合技術(shù)將得到進(jìn)一步的發(fā)展，給臨床診斷帶來一場新的變革.
【參考文獻(xiàn)】
�。�1］ Davide W, Simon R. Combining anatomy and function the pathto image fusion ［J］. Eur Radiol, 2001;11:1968-1974.
�。�2］ 蔣長英. 什么是“醫(yī)學(xué)圖像融合”［J］? 抗癌,2003;(1):36-37.
�。�3］ 張孝飛,王強(qiáng). 醫(yī)學(xué)圖像融合技術(shù)研究綜述［J］. 廣西科學(xué),2002;9(1):64-68.
�。�4］ 劉敬華,錢宗才. 醫(yī)學(xué)圖像融合技術(shù)及其應(yīng)用［J］. 醫(yī)學(xué)信息醫(yī)學(xué)與計算機(jī)應(yīng)用,2002;15(5):258-259.
［5］ 俞亞青,田學(xué)隆,閆春紅. 醫(yī)學(xué)圖像配準(zhǔn)方法分類及現(xiàn)狀［J］. 重慶大學(xué)學(xué)報(自然科學(xué)版),2003;26(8):114-118.
�。�6］ 姜慶娟,譚景信. 像素級圖像融合方法與選擇［J］. 計算機(jī)工程與應(yīng)用,2003;39(25):116-120.
�。�7］ 唐慶玉,王宇. 醫(yī)學(xué)圖像融合顯示的幾種方法［J］. 中國醫(yī)療器械信息,2002;8(3):14-15.
�。�8］ Ferroli P, Franzini A, Marras C, et al. A simple method to assess accuracy of deep brain stimulation electrode placement: Preoperative stereotactic CT + postoperative MR image fusion ［J］. Stereotact Funct Neurosurg, 2004;82:14-19.
�。�9］ Hasegawa BH, Stebler B, Butt BK, et al. A prototype highpurity germanium detector system with fast photoncounting circuiry for medical imaging ［J］. Med Phys, 1991;18:900-999.
［10］ Lang TF, Hasegawa BH, Liew SC, et al. Description of a prototype emissiontransmission computed tomography imaging system ［J］. J Nucl Med, 1991;33:1881-1887.
�。�11］ Schillaci O. Functionalanatomical image fusion in neuroendocrine tumors ［J］. Cancer Biother Radiopharm, 2004;19:129-134.
�。�12］ Townsend DW, Beyer T, Blodgett TM. PET/CT scanners: A hardware approach to image fusion ［J］. Semin Nucl Med, 2003;33:193-204.
�。�13］ Marsden PK, Strul D, Keevil SF, et al. Simultaneous PET and NMR ［J］. Br J Radiol, 2002;75 (Special):53-59.
�。�14］ 陳浩,李本富. 醫(yī)學(xué)圖像處理技術(shù)新進(jìn)展［J］. 第四軍醫(yī)大學(xué)學(xué)報,2004;25(5):478-479.
【醫(yī)學(xué)影像圖像融合技術(shù)的新進(jìn)展】相關(guān)文章：
計算機(jī)圖像處理技術(shù)論文05-13
數(shù)字圖像計量技術(shù)應(yīng)用分析論文12-01
文本圖像信息隱藏技術(shù)研究提綱12-04
企業(yè)戰(zhàn)略與技術(shù)管理融合分析11-14
談小學(xué)美術(shù)與音樂信息技術(shù)的融合11-30
- 相關(guān)推薦