医学图像处理评估方法罗述谦.PDFVIP

医学图像处理评估方法 罗述谦 本文作者罗述谦先生 首都医科大学生物医学工程系教授 中国医药信息学会北 京分会 生物医学工程专业委员会主任委员 关键词: 医学图像 图像处理 算法评估 一 引言 现代科学的高度发展及计算机技术的结合使得我们有可能以图像的形式得到 有关人体健康的信息 从而在疾病的诊断 外科手术的计划和引导 治疗过程的 监督和康复器械的研制等方面提高医疗水平 在医学可视化技术的研究中出现了 多种模式的成像技术 例如CT MRI PET 及SPECT 等 由于这些图像与我们 习惯上见到的照片不同 它们是通过计算机计算重构的像 因此 就产生了这些 重建的图像是否正确 可信度如何的问题 再者 我们还要经常对医学图像进行 某种处理以突出其中的有用信息 满足临床的需要 但是 任何新的医学图像处 理算法的提出和应用都必须经可靠的方法对其性能评估 这种评估包括用数学或 物理方法的仿真研究以及对真实临床数据的验证 后者当然是我们应用医学图像 的目的 但在很多情况下 这种验证是很困难 有创伤的 甚至难以实现的 例 如对颅内脑组织和人体体内器官的图像的验证 前者则可用数学的方法模拟不同 条件 在很广泛的范围实验验证 但由于数学模拟往往过于简单 模拟的结果与 实际情况有一定的差距 因此 又有一种介于二者之间的折中方法 即在数学模 型中融入解剖知识 建立更接近实际的仿真模型 二 医学图像评估方法的分类 医学图像的评估方法显然与具体的医学图像处理的对象和目的密切相关 一 般来说 对大多数的医学图像处理结果的评估都是件很困难的事情 通常不存在 什么金标准(Gold Standard) 只有相对的最优(某种准则下的)标准 在此意义上 常用的医学图像评估方法有以下几种: 1. 体模(Phantom) 体模又有硬件体模和软件体模之分 后者是计算机图像合成结果 体模法用 已知的图像信息验证新算法的精度 一般硬件体模都比较简单 与实际临床图像 差异较大 因此只能对图像处理算法作初步的评估 例如用添充氧化铁颗粒的琼 脂胶做成的简单几何形状的硬件体模经MR 成像后可用于对分类算法的测试 图1 是颇为著名的Hoffman 硬件脑体模生成的MR 图像 Hoffman 体模就较 为复杂 能够产生更接近真实解剖结构的MR 图像 这个硬件体模由 64 64 的 CdZnTe 阵列构成 内部填充110mCi 的Tc-99m 成像3min 图像总计数19M 次 许多学者还用Hoffman 体模生成PET 图像 用于对PET 图像重建算法的准确度 评估; 测试 SPECT 和PET 图像的配准等 这种体模的好处是可以在各种实际成 像环境广泛使用 性能已知而且稳定 缺点是 由于太稳定了 很难对其形状和 材料作些变动 后面介绍的计算机化软件体模在这方面则具有很大优点 2. 准标(Fiducial Marks) 立体定向框架系统(Stereotactic Frame Systems)包括立体定向参考框架 立体 定向图像获取 探针或手术器械导向几部分 优点是定位准确 不易产生图像畸 变 使用立体定向框架系统的体积图像数据可以用来评估其它配准方法的精度 使用人工记号作准标的方法很多 一种准标是使用9 根棍棒组成的3 个方向 的N 字型结构 在CT 测试时 棒内充以硫酸铜溶液; 作PET 测试则填充氟18 这样 在两组图像中都可见此N 字型准标 从而可对图像准确空间定位 还有人 用在人脑表面嵌8 个螺丝作标记的方法对多个病人做CT MR(T1 T2 及PD)及 PET 扫描 得到多组数据 这些数据专门用于多模医学图像配准算法评估使用 3. 图谱(Atlas) UCLA 的Thompson 教授用随机向量场变换构造一个可变形的概率脑图谱 包括从多个受试者到单一解剖模板的功能 血管 组织诸方面映射 三维图谱到 新受试者的扫描图像的映射 Visible Human CD 的CT 骨窗图像 MR 图像及彩绘的冷冻切片照片像由于具 有清晰的解剖结构和高度的分辨率(1 毫米/每层片) 近来也被用来作医学图像处 理方法的评估手段 4. 目测检验(Visual Inspection) 对医学图像处理方法的结果