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(zhǔn)研究的進(jìn)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(zhǔn)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(diǎn)聯(lián)系起來。醫(yī)學(xué)圖像配準(zhǔn)是進(jìn)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(zhǔn)方法分類和應(yīng)用進(jìn)行概述，旨在為今后其方法的改進(jìn)和臨床的應(yīng)用提供參考。

醫(yī)學(xué)圖像配準(zhǔn)；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(jìn)行不同圖像融合前需要對圖像進(jìn)行配準(zhǔn)。醫(yī)學(xué)圖像配準(zhǔn)實(shí)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(diǎn)達(dá)到空間和解剖結(jié)構(gòu)上的一致。只有通過圖像配準(zhǔn)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(zhǔn)相關(guān)信息加以概述，旨在為今后醫(yī)學(xué)圖像配準(zhǔn)技術(shù)的臨床應(yīng)用提供參考。

1 經(jīng)典的圖像配準(zhǔn)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(zhǔn)方法：現(xiàn)今臨床使用較廣的空間配準(zhǔn)的方法是3-D-3-D配準(zhǔn)，即三維空間圖像間的配準(zhǔn)，主要應(yīng)用于EEG成像圖像的配準(zhǔn)。2-D-2-D配準(zhǔn)主要應(yīng)用于肝門靜脈成像。2-D-2-D配準(zhǔn)相對于3-D-3-D配準(zhǔn)，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(zhǔn)的速度更快。而2-D-3-D配準(zhǔn)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(zhǔn)方法：就是將一段時間間隔內(nèi)的空間圖像進(jìn)行配準(zhǔn)。如在觀察兒童骨生長時就需要使用時間圖像配準(zhǔn)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(jià)[3]。

1.2 圖像配準(zhǔn)基準(zhǔn)的本質(zhì)

按配準(zhǔn)基準(zhǔn)的本質(zhì)，圖像配準(zhǔn)可分為基于外部特征的圖像配準(zhǔn)、基于內(nèi)部特征的圖像配準(zhǔn)、基于非圖像的配準(zhǔn)。其中基于外部特征的圖像配準(zhǔn)又分為非侵入性的模型、框架或皮膚標(biāo)記和侵入性的立體定位框架和螺釘標(biāo)記。此方法的圖像配準(zhǔn)是在需要成像的空間上加入人造標(biāo)記?；谕獠刻卣鞯膱D像配準(zhǔn)能通過精確清晰的觀察，迅速成像，其配準(zhǔn)參數(shù)簡單，運(yùn)算簡潔。其缺點(diǎn)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(zhǔn)精確度低，所以大多使用侵入性配準(zhǔn)，對患者身體造成一定傷害[4]。

基于內(nèi)部特征的圖像配準(zhǔn)就是利用患者體內(nèi)圖像信息，根據(jù)其配準(zhǔn)標(biāo)準(zhǔn)分為界標(biāo)法、分割法、體素特征法。其中界標(biāo)法是指利用一些明顯的標(biāo)記點(diǎn)如解剖特征部位或幾何特征部位，通過識別足夠多的標(biāo)記點(diǎn)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(zhǔn)標(biāo)記，從而進(jìn)行計(jì)算。體素特征法是利用圖像的灰度信息作為配準(zhǔn)依據(jù)進(jìn)行計(jì)算的方法[5]。

非圖像的配準(zhǔn)是基于校準(zhǔn)掃描坐標(biāo)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(zhǔn)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(biāo)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(zhǔn)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(zhǔn)中常常進(jìn)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(xì)準(zhǔn)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?yàn)樵S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(zhǔn)的速度更快[7]。

1.4 交互性

交互性是指圖像配準(zhǔn)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(jìn)行配準(zhǔn)，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(zhǔn)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(zhǔn)算法，另一方法，還需要對計(jì)算進(jìn)行指導(dǎo)，也就是拒絕或接受計(jì)算機(jī)提供的配準(zhǔn)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。基于外部特征的圖像配準(zhǔn)常常使用全自動法，這是因?yàn)閳D像中的標(biāo)志物比較明顯，計(jì)算機(jī)能夠自己識別，而不需操作人員對其進(jìn)行糾正，如此也進(jìn)一步加快了配準(zhǔn)的速度。當(dāng)需要操作人員大致指出標(biāo)記點(diǎn)時，可以使用半自動法，如基于內(nèi)部特征的圖像配準(zhǔn)中的標(biāo)記點(diǎn)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(zhǔn)參數(shù)的求解過程可以將圖像配準(zhǔn)分為參數(shù)直接計(jì)算法和參數(shù)搜索法。參數(shù)直接計(jì)算法是指將圖像信息簡化，然后直接計(jì)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(dá)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(jìn)行合理變換。實(shí)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(zhǔn)的應(yīng)用

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

3 總結(jié)

以上對醫(yī)學(xué)圖像配準(zhǔn)技術(shù)和應(yīng)用的概述提示醫(yī)學(xué)圖像配準(zhǔn)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(jìn)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(diǎn)最大互信息的醫(yī)學(xué)圖象配準(zhǔn)[J]. 計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)，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(zhǔn)中的應(yīng)用[J]. 第四軍醫(yī)大學(xué)學(xué)報(bào)，2001，22(6)：567-569.

[5]葛云，舒華忠，羅立民. 基于 Legendre 正交矩的配準(zhǔn)方法及其在二值圖像配準(zhǔn)中的應(yīng)用[J]. 電子學(xué)報(bào)，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(zhǔn)研究[J]. 中國醫(yī)學(xué)物理學(xué)雜志， 2001，18 (2) ：69-72.

[12]趙富強(qiáng)，于紅玉，馬斌榮，等.基于圖像特征的 CT - MR 圖像配準(zhǔn)[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(diǎn)集配準(zhǔn)的加權(quán)相關(guān)迭代算法[J]. 中國圖象圖形學(xué)報(bào)，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