浅谈医学图像配准研究

《浅谈医学图像配准研究》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、浅谈医学图像配准研究【摘要】随着现代医学影像技术的快速发展，越來越多的影像设备应用于临床，而不同设备采集的图像参数往往是不一样的，因此，要想将病变部位的各种不同情况在一张图像上体现出来，研究图像配准技术就是相当必要的，它能够将两幅图像中的信息综合起來，非常具有现实意义。本文从医学图像配准的概念、发展现状、分类及应用等方面进行了阐述。【关键词】医学图像配准；多模态；医学影像技术1.医学图像配准概述医学图像配准是指将來自不同形式的探测器（如MRI,CT,PET,SPECT等）的医学图像，利用计算机技术实现对于一幅医学图像寻求一种或者一系列的空间变换，使

2、它与另•幅医学图像上的对应点达到空间上的一致。通俗地讲，医学图像配准就是对参考图像进行一系列的空间变换，使得参考图像和浮动图像中的对应点在空间位置或者解剖位置上达到一致［1］。主要包含4个模块：几何变换、插值算法、相似性测度和寻优算法。医学图像配准是医学图像处理的一个重要研究领域，被广泛应用于手术导航、病变跟踪以及治疗后期评估等临床诊断治疗屮。2.医学图像配准研究的现实意义随着新型传感器的不断涌现，人们获取图像的能力迅速提高，不同物理特性的传感器所产生的图像也不断增多。由于成像原理以及成像设备的不同，造成成像模式的不同，按照不同成像模式提供信息的不

3、同，医学图像可以分为解剖结构图像和功能图像两人类。单一模态的图像往往很难提供足够的病理信息，让医生作出病理诊断，常常需要将同一病人的多种成像模式的图片综合起来进行分析，以便获得病人更全面的信息，如X射线断层扫描(CT,ComputedTomography)对骨骼信息的揭示是其他成像手段所不能比拟的，而要查看软组织结构信息，则会选择核磁共振成像(MRI,MagnaticResonanceImaging)；利用PET、SPECT获得功能信息，再综合CT、MRI的解剖信息分析。这种把各种成像模式的图像信息融合成一种新的影像模式的技术称为图像融合技术，经过

4、融合后的图像克服了各种单一模式图像信息存在的不足。而在图像融合之前首先耍经过图像的配准，配准结果的好坏直接影响图像融合的质量。因此，医生要想全I何的了解病变组织的情况，必须准确的对多幅图像进行配准才能融合，进而制定出更加合理的治疗方案。因此，以图像配准技术为基础将多种模态图像信息融合起来，充分利用不同模态图像的优越性，将人体解剖结构信息以及功能代谢信息在同一副图像中表达出来，更有利于医生做出准确、可靠的诊断。1.医学图像配准的发展现状图像融合技术诞生于上世纪80年代，是指对多幅源图像的信息进行提取。90年代初期，融合技术逐步应用于医学影像领域。与普

5、通图像融合相比，医学图像融合要求更为精确：首先，必须保证融合后的图像包含更多准确的源图像信息，不能扭曲或者产生新的细节，以免出现误诊；其次融合后的图像满足人眼识别的要求，便于研究人员观察组织器官状态信息。经过几十年的发展，相关学者先后提出了如像素加权求平均、小波变换等多种融合方法，其中小波变换在时、频域突出信号局部特征的能力逐渐成为图像融合领域的主流算法。随着计算机技术的飞速发展，人工智能技术以其处理自动化、智能化的特点，也逐步应用于医学图像融合，这势必成为一个新的研究方向。近20年来，国内外专家、学者在医学图像配准研究方面取得了诸多成果。然而，生

6、物体视学的兴起、成像技术的进一步发展以及临床实践的更高要求都为医学图像配准提出了新的课题、注入了新的研究动力。此外,医学图像种类繁多，医学图像配准的过程又相当的复杂，到目前为止，还没有一种普适的配准算法被提出。现有的医学图像配准算法各有优缺点，有的虽然配准精度高，但是计算量大、计算复杂度高、耗时较长；有的虽然配准速度快，但是容易导致误匹配；有的则是自动化程度不高，需要经验丰富的医生或者专家介入才能完成配准。这些情况都限制了医学图像配准技术在临床应用屮的发展，因此对现冇医学图像配准算法进行研究和改进，具有理论和实践意义。1.医学图像配准的分类医学图像

7、配准从不同角度可以分成不同类别。（1）从人工智能的角度划分，有人工配准、半自动配准和全自动配准。人工配准需要人为于动进行配准，限制比较多；全自动配准是不需要人工参与的，图像输入后程序便可以通过图像处理的一些技术自动寻找配准位置，是当前主要的研究领域；半自动配准是结合了手动与全自动的一种配准方式，可能图像需要先用人工进行初配准，然后进行自动化的精细配准以提高配准的成功率和稳定性。（2）从输入图像的维度来分，有2D-2D配准和3D-3D配准，当然也有一种特殊的情况就是2D-3D配准。（3）按空间变换来分，分为两大类：线性变换，非线性变换。线性变换保持线

8、性性质不变，也即在原图中是直线的，那么变换好后仍然会是直线，在数学上可以山一个4X4齐次坐标矩阵来表示，而非线性变换则没有