第八章图像配准与融合.docVIP

第八章 医学图像的配准与融合 第一节 概述 一、医学图像配准与融合的应用背景 随着计算机技术的飞速发展，与计算机技术密切相关的像技术也是日新月异。各种成像技术和检查方法都有它的优势与不足，并非一种成像技术可以适用于人体所有器官的检查和疾病诊断，也不是一种成像技术能取代另一种成像技术，是相辅相成、相互补充。image registration）。 医学图像配准是指对于一幅医学图像寻求一种（或一系列）空间变换，使它与另一幅医学图像上的对应点达到空间上的一致。这种一致是指人体上的同一解剖点在两张匹配图像上有相同的空间位置（位置一致，角度一致、大小一致）。配准的结果应使两幅图像上所有的解剖点，或至少是所有具有诊断意义的点及手术感兴趣的点都达到匹配。 图8-1 是配准示意图。同一个人从不同角度、不同位置拍摄的两张照片，由于拍摄条件不同，每张照片只反映某些方面的特征。要将这两张照片一起分析，就要将其中的一张人像做移动和旋转，使它与另一幅对齐。这一对齐过程就是配准过程。保持不动的叫做参考图像，做变换的称作浮动图像。将配准后的图像进行融合就可以得到反映人的全貌的融合图像。 二、医学图像配准方法的分类 到目前为止，配准的分类始终没有一个统一的说法Van den Elsen等人对医学图像配准进行的分类，归纳了七种分类标准。 （一）按图像维数分类 按图像维数分为2D/2D，2D/3D，以及3D/3D配准。2D/2D配准通常指两个断层面间的配准；2D/3D配准通常指空间图像和投影图像（或者是单独的一个层面）间的直接配准；3D/3D配准指2幅三维空间图像间的配准。 （二）根据医学图像的模态分类 根据医学图像的模态分为单模态医学图像配准和多模态医学图像配准。单模态图像配准是指待配准的两幅图像是用同一种成像设备获取的。一般应用在生长监控、减影成像等。 （四）根据用户交互性的多少分类 根据用户参与的程度，分为自动配准、半自动配准和交互配准。自动配准是用户只需提供相应的算法和图像数据；半自动配准是用户需初始化算法或指导算法(如拒绝或接受配准假设)；交互配准是用户在软件的帮助下进行配准。 （五）根据配准所基于的图像特征分类 根据配准所基于的图像特征分为基于外部特征和基于内部特征两大类。外部特征的图像配准是指在研究对象上设置一些标志点（这些标记点可以是立体定位框架、在颅骨上固定螺栓和在表皮加上可显像的标记），使这些标记点能在不同的影像模式中显示，然后再用自动、半自动或交互式的方法用标记将图像配准。基于内部特征的配准方法主要包括三个方面：基于标记的配准方法、基于分割的配准方法、基于像素特性的配准。基于标记的配准方法分为解剖知识的标记（如：利用人体特殊的解剖结构，一般由人工直接描述）和基于几何知识的标记（如：运用数学知识得到大量的点、线、面的曲率、角落特征等）；基于分割的配准指通过图像分割获得一些配准标志；基于像素特性的配准方法是把图像内部的灰度信息值作为配准的依据。又可分为两种。一是把图像灰度信息简约成具有一定的尺度和方向的集合（如力矩主轴法）Intrasubject)的 配准。是将来自同一个病人待配准图像，用于任何种类诊断中；(2)Intersubject) 的配准。待配准图像来自不同病人，主要用在三维头部图像(MR、CT)的配准中，既可以基于分割也可以基于灰度。(3) 患者与图谱的(Atlas)图像配准。是待配准图像一幅来自病人，一幅来自图谱；主要用于收集某些特定结构、大小和形状的统计信息。Talairach和 Tournoux 制作的Talairach-Tournoux图谱（TT Atlas）。图谱和实际图像配准后，能更直观和方便地应用图谱中的信息。 三、医学图像配准的基本过程 医学图像配准一般由以下三个步骤组成： 根据待配准图像（浮动图像）I2与参考图像（基准图像）I1，提取出图 像的特征信息组成特征空间； 根据提取出的特征空间确定出一种空间变换(T)，使待配准图像I2经 过该变换后与参考图像I1能够达到所定义的相似性测度，即I1=T（I2）； 在确定变换的过程中，还需采取一定的搜索策略也就是优化措施以使 相似性测度更快更好地达到最优值。 当然，配准过程并不绝对按上述步骤进行，比如一些自动配准方法，一般不包括特征提取步骤。此外，（2）和（3）的过程在实际计算过程中是彼此交叉进行的。 图8-2给出了医学图像配准的流程图： 图8-2 医学图像配准流程图 第三节 医学图像配准的理论基础 一、图像配准原理 由图8-2，可以看出：对于在不同时间或/和不同条件下获取的两幅图像和的配准，就是要定义一个相似性测度并寻找一个空间变换关系，使得经过该空间变换后两幅图像间的相似性达到最大（或者差异性最小）。即使图像A上的每一个点在图像B上都有