陳紅+謝勤嵐

摘要醫(yī)學成像原理與設備、醫(yī)學圖像處理與分析是醫(yī)學工程和影像技術類專業(yè)的重要專業(yè)課程。由于這些課程理論抽象，需要通過實驗來理解原理、掌握方法。本文以心臟CT圖像配準為例子，介紹了醫(yī)學圖像處理實驗的基本步驟。為了簡化實驗復雜度，使用MATLAB實現(xiàn)圖像配準算法。

關鍵詞圖像配準 心臟CT圖像 MATLAB實驗 特征提取

醫(yī)學成像技術與設備、醫(yī)學圖像處理與分析是醫(yī)學工程和影像技術類專業(yè)的重要專業(yè)課程。兩門課程的特點是理論抽象，需要通過大量實驗來理解原理、掌握方法。同時醫(yī)學圖像處理內(nèi)容豐富，算法復雜，需要專業(yè)的算法設計和較大的程序設計工作量，短短的課程實驗難以達到學習的目的。為了簡化實驗復雜度，讓學生的實驗重點關注于圖像處理本身，而不是在程序設計上花費過多的時間和精力，影響本課程的學習相關，使用MATLAB實現(xiàn)核心算法。

MATLAB是MathWorks公司推出的一套高性能的數(shù)值計算和可視化軟件。它集數(shù)值分析、矩陣運算、信號處理和圖形顯示于一體，構成一個方便的、界面友好的用戶環(huán)境。MATLAB強大的擴展功能和影響力吸引各個領域的專家相繼推出了許多基于MATLAB的專用工具箱。MATLAB強大的科學運算、靈活的程序設計流程、高質(zhì)量的圖形可視化與界面設計、便捷的與其他程序和語言的接口等功能，使之成為當今世界最有活力和最具影響力的可視化軟件。

1課程和實驗內(nèi)容介紹

醫(yī)學成像既是指醫(yī)學影像數(shù)據(jù)的形成過程，也指形成醫(yī)學成像的技術或裝置。醫(yī)學成像技術是借助于某種能量與生物體的相互作用，提取生物體內(nèi)組織或器官的形態(tài)、結構以及某些生理功能的信息，為生物組織研究和臨床診斷提供影像信息的一門科學。影像學是高新技術與醫(yī)學的結合點，現(xiàn)代醫(yī)學成像學己由傳統(tǒng)單一普通x線發(fā)展到血管造影檢查、超聲、放射性核素顯像、x線CT、數(shù)字減影血管造影（DSA）、MRI、普通x線檢查的數(shù)字化成像（cR和DR）以及圖像存儲和傳輸系統(tǒng)（PACS）等多種技術組成的醫(yī)學成像體系。醫(yī)學影像成像原理是醫(yī)學工程和影像技術類專業(yè)基礎課之一。通過學習強調(diào)對學生綜合素質(zhì)的提高和能力的培養(yǎng)，強調(diào)學生對基礎理論、基本知識和基本實踐技能的掌握。在醫(yī)學成像原理課程教學中恰當?shù)剡\用現(xiàn)代化教學手段，能夠有效提高教學質(zhì)量。

隨著信息技術及醫(yī)學影像成像技術的發(fā)展，醫(yī)學圖像處理在醫(yī)學臨床應用、教學和科研中發(fā)揮著越來越重要的作用，有力地推動著醫(yī)學科學研究和臨床醫(yī)療的進步。如何有效地應用圖像分析與處理技術，對人體解剖結構和病變區(qū)域進行定位、提取、三維再現(xiàn)并量化分析是使得醫(yī)學影像數(shù)據(jù)應用價值最大化的前提和保證。作為專業(yè)主要課程，要求掌握醫(yī)學圖像的相關概念與圖像處理中的圖像變換、增強、恢復、壓縮、圖像的分割及特征提取等基本理論；掌握醫(yī)學圖像處理的基本理論、技術、方法、應用和進展；了解醫(yī)學信息三維可視化的技術和基本實現(xiàn)方法；并在此基礎上掌握醫(yī)學圖像處理的整體結構框架，逐漸形成觀察、思考、分析和解決有關理論和實踐問題的能力，并通過圖像處理算法的編程來提高實踐操作能力。

近年來，隨著計算機技術在各行各業(yè)不斷滲透，醫(yī)學成像技術也得到了迅速發(fā)展，各種更新?lián)Q代的成像設備不斷涌現(xiàn)?；诙喾N原因，臨床或研究應用中通常需要對同一病人進行多種模式或同一模式的多次成像。即同時從幾幅圖像獲得信息，進行綜合分析，圖像配準即是重要的分析方法之一。在當前醫(yī)學圖像領域中，圖像配準的確是一個研究熱點，具有相當重要的醫(yī)學診斷價值。圖像配準領域已經(jīng)有了各種不同的配準方法。根據(jù)各種方法的特點，它們能應用到不同的領域。在硬件層面上，圖像的同機融合已經(jīng)取得了非常不錯的發(fā)展，但在技術方面，仍然存在很多不足，如當檢測時間延長時，患者軀體位置的變化可能產(chǎn)生不一樣的圖像；在需要圖像融合時，只能對相同機器中兩張圖像進行融合。相反，如果將圖像傳入到電腦，使用軟件來處理圖像并融合，這樣選擇上的靈活性就很大，可以對不同時刻采集到的圖像進行融合處理，具有較大的優(yōu)勢。

近年來，CT技術發(fā)展迅速，應用也越來越廣泛。不僅多排式螺旋CT在實際生產(chǎn)銷售中已經(jīng)發(fā)展到了320排，而且更先進的平板CT也在各個廠家中研發(fā)。PET/CT也廣泛運用在各個醫(yī)學臨床上，它有非常實際的應用價值，其中它在腫瘤診斷方面是最不可缺少的。通過研究CT原理和CT圖像，以及圖像配準的幾種方法，可以更加了解醫(yī)學圖像的處理方法以及它的重要性。

2實驗原理及相關方法

2.1圖像配準的定義和原理

圖像配準，是將不同的傳感器（也稱為成像設備）或不同條件下獲取的兩幅或者多幅圖像進行匹配和疊加的過程，在圖像處理領域通常是指對一幅圖像進行一系列幾何變換后映射到另一幅圖像中，從而讓兩幅圖像中的相關聯(lián)點在空間上達到一致。圖像配準是融合圖像的重要條件，廣泛應用于遙控數(shù)據(jù)分析、計算機視覺以及醫(yī)學圖像處理等領域。

圖像配準過程中，需要尋找合適的空間變換或幾何變換，把兩個圖像里相對應的同一空間位置的點聯(lián)系起來。假設兩幅二維圖像分別是待配準圖L1和參考圖像L2，配準前它們在空間點（XY）處的灰度值分別是L1（XY）、L2（X.y），那么圖像I1和I2的配準可表示尋找變換關系。

根據(jù)圖像變換的形式不同，空間幾何變換可以分成剛體變換與非剛體變換兩種。非剛體變換又包括比例變換和仿射變換還有投影變換以及曲線變換。

2.2醫(yī)學圖像配準實驗的步驟

除了軟件平臺和參數(shù)設置的區(qū)別外，醫(yī)學圖像配準實驗與通常的醫(yī)學圖像配準過程類似，都包括下面的主要步驟。

首先，給出（讀入）兩個需要配準的圖像。

第一步，圖像預處理。給定的圖像一般是有噪聲的圖像，所以首先要消除噪聲影響，通常采用平滑操作。預處理不僅包括去噪，還包括尺度調(diào)整和區(qū)域分割等。分割處理是把一個圖像劃分成可以獲取特征的幾部分，作為特征選擇與對應性的圖像。

第二步，特征選擇。為了配準兩個圖像，需要在圖像中選取合適的圖像特征，以建立兩個圖像的對應關系。有了對應關系，便可求得變換函數(shù)，進而可以對待配準圖像進行重采樣操作，以映射到參考圖像的幾何空間。實際應用中通常都是用角點、線、模板和區(qū)域等作為特征來進行圖像配準。要配準的圖像的類型決定了特征類型的選擇，通常對人體成像選擇線分割進行處理，對衛(wèi)星圖像則主要是選擇輪廓與區(qū)域分割，在立體圖像中，經(jīng)常使用的是面片與區(qū)域。

第三步，特征對應。通常可以在參考圖像上進行特征選擇，然后在待配準圖像上搜索特征的對應性；也可以在分別在兩個圖像上選擇特征，然后再確定特征的對應性。當特征是圖像區(qū)域或者模板的時候，可以采用第一種選擇；而當特征是點或線這種信息量較少的特征時，則可以選第二種方法。當以點作為特征的時候，至少要確定一對對應點，這一步非常有必要。

第四步，確定變換函數(shù)。要確定變換函數(shù)，需要知道一些對應點的坐標。向參考圖像空間進行重采樣也是在這個基礎上進行的。圖像之間的幾何差距類型決定變換函數(shù)的類型。在圖像間的幾何差距是未知的時候，交換調(diào)整到圖像問的幾何差距是很容易的。

第五步，重采樣。得到了圖像間的變換函數(shù)，可以在此基礎上對參考圖像空間進行重采樣。圖像信息就可以融合或者檢測到對象的變換。

2.3圖像配準方法

2.3.1常見的三種圖像配準方法

互信息法。互信息是信息論中的基本概念，也是醫(yī)學圖像配準的重要依據(jù)，它可以用來度量兩個變量間的相似性。當需要配準的兩幅圖像之間的互信息達到極大值的時候，說明兩幅圖像配準完成。

傅里葉變換法。當圖像平移時，圖像的傅里葉變換的幅值是不變的。在頻域中，當它的傅里葉變換作一定角度的旋轉時，圖像的旋轉也是相對應的。因此，兩幅圖像配準若只有相對位移時，是可以對它們進行的配準的。當然，如果兩幅圖像存在平移和旋轉角度，也同樣可以計算出兩者的相對位移。

小波變換法。作為一種信號的時頻分析方法，小波變換具有多分辨率解析的特點，較高的頻率分辨率和較低的時間分辨率是它的一大特點。小波變換被運用于圖像配準的主要原理是：當兩幅圖像分別分解后，它們的伸縮系數(shù)、旋轉角度分別對應相等，因此可以用于圖像配準。

雖然圖像配準方法還有很多種，由于原理和算法復雜，不適合課程實驗，這里不作介紹。

2.3.2圖像配準方法比較

基于互信息的圖像配準方法是不需要提取特征的，它是在灰度的基礎上，將可用的圖像灰度運用起來。這種配準方法，具有更高的精度和更好的魯棒性，其的缺點是計算速度較慢，計算復雜稍高。如果參考圖像和待配準圖像間有較大重疊區(qū)域時，選擇互信息法進行圖像配準是比較合適的。

當圖像的噪聲主要是低頻的，可以選擇基于傅里葉變換或小波變換的圖像配準算法，這跟它對頻域能量變化不敏感的特點有關?；诟道锶~變換的方法計算量稍小，但是當圖像不是灰度線性相關時，此方法不適合進行配準。

3實驗內(nèi)容

3.1實驗用心臟CT影像

課程實驗中使用的心臟CT影像如圖1所示。在兩幅圖中進行特征點選取，并對其排序。得到特征向量對，看兩幅圖像是否存在對應關系，對其進行配準。

3.2買驗程序流程圖

本實驗中的基于MATLAB平臺的醫(yī)學圖像配準程序的流程圖如圖2所示。其具體實現(xiàn)過程如下：首先對參考圖像和待配準圖像進行高斯低通濾波預處理；接著按照給定的初始點使用插值法統(tǒng)計聯(lián)合直方圖并計算參考圖像和待配準圖像的互信息值；然后依據(jù)最大互信息理論判斷所得參數(shù)是否最優(yōu)，若不是，則繼續(xù)搜索較優(yōu)參數(shù)；在搜索時會不斷重復“空間幾何變換一計算互信息值一最優(yōu)化判斷”的過程，直至搜索到滿足精度要求的參數(shù)；最后輸出配準參數(shù)。

在MATLAB中運行CT圖像配準算法，結果如圖3所示。圖3顯示了同一個病人在不同時刻的心臟CT圖像配準后，兩幅圖像中的一些有關聯(lián)的點。圖3中對應的橫線即為特征線，它表明它們在顯示之后具有高度的一致性，說明兩幅圖像存在對應關系，配準成功。

4結論

在醫(yī)學成像技術與設備、醫(yī)學圖像處理與分析等專業(yè)課程的教學中，模擬實驗有著重要作用。除了幫助學生理解原理、掌握方法外，還可以提高學生分析問題、解決問題的能力，也有助于提高學生的計算機應用和軟件編程能力。運用現(xiàn)代化教學手段，能夠有效提高教學質(zhì)量。本文采用MATLAB軟件平臺，針對心臟CT圖像的特性設計了一種基于最大互信息的醫(yī)學圖像配準算法的實驗例子，是教學改革的一次很好的嘗試。該例子的函數(shù)中，有多種配準方法和配準參數(shù)可以選擇。這有助于學生更深地理解課程中的成像原理和圖像處理方法。下一步我們將建立基于MATLAB的集成實驗平臺，包含更多的圖像處理技術，以供本科生和研究生教學和人才培養(yǎng)之用。