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医学成像技术也是日新月异。但是，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，它们之间是相辅相成、相互补充的。如CT和X线机对骨等密度较高的组织能提供高清晰的图像，MRI对人体软组织的成像具有较高的分辨率，而PET和SPECT则能够提供人体组织或器官的功能性代谢的图像。成像原理的不同造成了某一种成像模式所能提供的图像信息具有一定的局限性，有时单独使用某一类图像难以获得正确的诊断结论。因此，为了提高诊断正确率，需要综合利用患者的各种图像信息。图像配准与融合技术为医学图像的综合利用提供了很好的技术手段。
根据医学图像所提供的信息，可将医学图像分为两大类：解剖结构图像（CT、MRI、X线图
像等）和功能图像（SPECT，PET等）。这两类图像各有其优缺点：解剖图像以较高的分辨率提供了脏器的解剖形态信息，但无法反映脏器的功能情况。功能图像分辨率较差，但它提供的脏器功能代谢信息是解剖图像所不能替代的，这些信息是对疾病特别是肿瘤进行早期诊断的重要依据。 目前医学影像学的一个明显的发展趋势是利用信息融合技术，将多种医学图像结合起来，充分利用不同医学图像的特点，在一幅图像上同时表达来自人体的多方面信息，使人体内部的结构、功能等多方面的状况通过影像反映出来，从而更加直观地提供人体解剖、生理及病理等信息。
二、医学图像配准与融合的关系
信号浪涌保护器医学图像配准和融合有着密切的关系，特别是对多模态图像而言，配准和融合是密不可分的。待融合的图像往往来自于不同的成像设备，它们的成像方位、角度和分辨率等因子都是不同的，所以这些图像中相应组织的位置、大小等都有差异，若事先不对融合图像进行空间上的对准，那么融合后的图像豪无意义。因此，图像配准是图像融合的先决条件，必须先进行配准变换，才能实现准确地融合。
三、医学图像配准和融合在临床中的应用
医学图像配准和融合具有很重要的临床应用价值。对使用各种不同或相同的成像手段所获得的医学图像进行配准和融合不仅可以用于医疗诊断，还可用于外科手术计划的制定、放射计划的制定、病理变化的跟踪和效果的评价等各个方面。
1、在外科手术中的应用
平板电脑支撑架了解病变与周围组织的关系对制定手术方案，决定手术是否成功至关重要。如对脑肿瘤患者，一般是采用外科手术切除肿瘤。患者的生存时间和生活质量与病灶（如肿瘤、血肿等）的切除程度密切相关。如果对病灶过度切除，会造成对病灶周围重要功能区域的损害，而这种损害是不可逆转的，严重影响患者的生活质量；反之如果对病灶切除不够，残余病灶会严重影响患者的生存时间。最大程度地切除病灶，同时使主要的脑功能区域（如视觉、语言和感知运动皮层等）得以保留是神经外科手术的目标。为此，在手术前，一般要利用CT或MRI获取患者的脑肿瘤结构信息，利用PET或fMRI获取患者脑肿瘤周围的脑功能信息，通过对结构成像和功能成像的配准、融合，对脑肿瘤及其周围的功能区进行精确定位，在此基础上制定出外科手术计划，是对患者进行精确手术的基础。
2、在放射中的应用
大约70%的病人在肿瘤的过程中接受放疗。放疗的目的就是最大限度的把放射能量集中在靶位上，从而使周围的正常组织的损害达到最小。放射中，应用CT和MR图像的配准和融合来制定放疗计划和进行评估，用CT图像精确计算放射剂量，用MR图像描述肿瘤的结构。用PET和SPECT图像对肿瘤的代谢、免疫及其他生理方面进行识别和特性化处理，整合的图像可用于改进放射计划或立体定向活检或手术。此外，放射后扫描的MRI图像中，坏死组织往往表现为亮区，很容易与癌症复发混淆。把MRI图像与PET或SPECT图像进行配准，可区分坏死组织（没有代谢）与肿瘤复发（通常表现为高代谢）。
3、在癫痫病中的应用
原发癫痫病灶的准确定位一直是困扰影像界的一大难题，许多学者利用配准和融合技术对此做出了富有成效的探索。例如：Pelizzari等人对癫痫病人的MRI、PET图像融合处理后，可观察到病人的脑外伤、炎症、硬化症等的变化，
还可看到手术及麻醉前后的区别；Lewis 等研究表明，在发作期和发作期间，对癫痫患者
分别进行SPECT 检查，将两者的图像相减，再分别与MRI 图像融合，可使功能损伤的解剖学标记更准确，以SPECT 所示的局部脑血流对大脑新皮质的癫痫病灶进行准确定位，从而为手术提供重要依据。
第二节 医学图像配准技术
一、医学图像配准的概念
对几幅不同的图像作定量分析，首先要解决这几幅图像的严格对齐问题，这就是我们所说的图像配准（image registration ）。
三维人体扫描
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。
FOSY>锁扣二、医学图像配准方法的分类
到目前为止，医学图像配准方法的分类始终没有一个统一的说法。目前比较参考图像 融合
浮动图像 空间变换 配准 图8-1 图像配准示意图
流行的是1993年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
坡度板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。多模态图像配准是指待配准的两幅图像来源于不同的成像设备，主要应用于神经外科的诊断、手术定位及放疗计划设计等。比如将MRI、CT、DSA等解剖图像与SPECT、PET和EEG等功能信息相互结合，对癫痫进行手术定位。另外，由于MR适于肿瘤组织的轮廓描述而通过CT又可精确计算剂量，因此，在放疗中常需要将二者进行配准。多模态图像配准是医学图像配准的重点研究课题。
（三）根据变换性质分类
根据变换的性质可分为刚性变换、仿射变换、投影变换和曲线变换四种。刚性变换只包括平移和旋转；仿射变换将平行线变换为平行线；投影变换将直线映射为直线；曲线变换则将直线映射为曲线。
（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）二是在配准过程中始终使用整幅图像的灰度信息（如：互相关法、最大互信息法）。
（六）根据配准过程中变换参数确定的方式分类
根据配准过程中变换参数确定的方式可以分为两种：一是通过直接计算公式得到变换参数的配准，二是通过在参数空间中寻求某个函数的最优解得到变换参数的配准。前者完全限制在基于特征信息(例如小数目的特征点集、二维曲线、三维表面)的配准应用中。在后者中，所有的配准都变成一个能量函数的极值求解问题。
（七）根据主体分类
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议