陳菲，葉浩鋒

摘要：CT對(duì)骨質(zhì)方面具有成像優(yōu)勢(shì)，MR對(duì)軟組織具有成像優(yōu)勢(shì)，臨床上將二者通過醫(yī)學(xué)圖像配準(zhǔn)融合，得到同時(shí)具有軟組織與骨質(zhì)信息的圖像。對(duì)于CT和MR的圖像配準(zhǔn)，該文先采用最大互信息法來進(jìn)行粗配準(zhǔn)，利用優(yōu)化器對(duì)算法的優(yōu)化調(diào)整步長(zhǎng)參數(shù)和最大迭代次數(shù)參數(shù)以修正圖像的不重合現(xiàn)象，再通過同一坐標(biāo)系上的相似幾何變換得出一個(gè)初始配準(zhǔn)圖像，以初始配準(zhǔn)的結(jié)果作為輸入，然后利用算法執(zhí)行仿射變換的方式以達(dá)到進(jìn)一步的精細(xì)配準(zhǔn)。在配準(zhǔn)的過程當(dāng)中采用對(duì)比度強(qiáng)烈的蒙太奇藝術(shù)表現(xiàn)手法，使配準(zhǔn)后的圖像更容易區(qū)分骨質(zhì)與軟組織的位置。

關(guān)鍵詞：多模態(tài)醫(yī)學(xué)圖像配準(zhǔn);最大互信息配準(zhǔn);相似幾何變換;仿射變換

中圖分類號(hào)：TP3? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1009-3044（2021）19-0143-02

1 背景

臨床診斷上，醫(yī)生經(jīng)常需要各種醫(yī)學(xué)圖像的支持來判斷患者的身信息，不同設(shè)備采集的圖像所得出的參數(shù)往往不一樣，當(dāng)一種成像裝置所提供的數(shù)據(jù)信息不能滿足臨床的需要時(shí)，通常都會(huì)使用多種成像裝置進(jìn)行醫(yī)學(xué)圖像成像，如在CT上獲取致密的組織信息（例如骨組織），從MRI上獲得軟組織信息，再進(jìn)行CT和MR圖像的信息對(duì)比。圖像配準(zhǔn)技術(shù)能夠?qū)煞鶊D像中的信息綜合起來，使臨床的各種診斷、放療定位、醫(yī)療計(jì)劃以及療效評(píng)判更加準(zhǔn)確。

2 基于最大互信息的多模醫(yī)學(xué)圖像配準(zhǔn)

2.1 配準(zhǔn)原理

互信息是基于信息理論的交互信息的相似性準(zhǔn)則，被視為兩個(gè)隨機(jī)變量A和B之間的統(tǒng)計(jì)相關(guān)性的量度，或一個(gè)變量包含另一個(gè)變量的信息量的量度：定義圖像A為參考圖像，而圖像B為浮動(dòng)圖像即經(jīng)過平移旋轉(zhuǎn)等方法得到的圖像。

MI（A，B）=H（A）+ H（B）- H（A，B）

H（A）為圖像 A 的參考圖像個(gè)體熵，H（B）為圖像B的浮動(dòng)圖像個(gè)體熵，H（A，B）為參考圖像A和浮動(dòng)圖像B的聯(lián)合熵，為兩幅圖像之間的相關(guān)信息量。當(dāng)兩幅圖像達(dá)到匹配時(shí)，交互信息達(dá)到最大值。互信息圖像配準(zhǔn)方法利用了圖像的所有灰度信息，配準(zhǔn)結(jié)果的精確性精度較高，但在計(jì)算中，聯(lián)合概率分布通過估算圖像重疊部分的聯(lián)合灰度直方圖得到。在配準(zhǔn)過程中，圖像的重疊區(qū)域隨轉(zhuǎn)換參數(shù)的改變而改變，影響互信息算法所得出的值。選取CT與MR圖像，考慮到最大互信息法的配準(zhǔn)相關(guān)性，使二者圖像素大小相接近，以MR圖像為參考圖像，CT圖像為浮動(dòng)圖像為基礎(chǔ)進(jìn)行讀取，讀取的效果如圖1所示。

對(duì)圖像進(jìn)行“montage”的視覺藝術(shù)表現(xiàn)手法，圖像較大的CT圖總體呈現(xiàn)出綠色，圖像較小的MR圖總體呈現(xiàn)為紫色，形成視覺上的對(duì)比性。隨后以MR為參考圖像，CT為浮動(dòng)圖像進(jìn)行最大互信息法配準(zhǔn)，經(jīng)過初步配準(zhǔn)過后，配準(zhǔn)結(jié)果存在著不重合現(xiàn)象，需進(jìn)行優(yōu)化調(diào)整（如圖2（a）所示）。

2.2 改變優(yōu)化參數(shù)提高配準(zhǔn)精度

使用互信息配準(zhǔn)法后，部分區(qū)域未能有效的配準(zhǔn)，通過優(yōu)化器[1]修改相似度量的優(yōu)化方法的步長(zhǎng)[2]與最大迭代次數(shù)[3]來解決。該過程使用了優(yōu)化器的步長(zhǎng)值處理和迭代算法處理。步長(zhǎng)值代表在圖像配準(zhǔn)中，每隔一段距離取一個(gè)點(diǎn)，點(diǎn)與點(diǎn)的距離即步長(zhǎng)，通過修改步長(zhǎng)以確定配準(zhǔn)時(shí)取樣距離的最小值，達(dá)到最佳的配準(zhǔn)結(jié)果。優(yōu)化的算法迭代（優(yōu)化器迭代的最大次數(shù)，指定為正整數(shù)標(biāo)量）將尋找一組參數(shù)，產(chǎn)生最佳的匹配結(jié)果。使用相似度量的優(yōu)化方法，減小算法優(yōu)化器的步長(zhǎng)，使其減小至合適的參數(shù)，并增加其迭代次數(shù)參數(shù)，運(yùn)行后得出較為有效的配準(zhǔn)圖（如圖2（b）所示）。

2.3 改變初始條件進(jìn)行精細(xì)配準(zhǔn)

執(zhí)行多次多種優(yōu)化算法配準(zhǔn)，由于配準(zhǔn)過程中有大量的輸入?yún)?shù)，配準(zhǔn)后優(yōu)化算法之間的差異會(huì)使某些區(qū)域變得不清楚。對(duì)圖像的相似幾何變換進(jìn)行優(yōu)化處理，優(yōu)化后的結(jié)果圖作為引用對(duì)象，以改善步長(zhǎng)與迭代優(yōu)化器的屬性，完善圖像的配準(zhǔn)。使用優(yōu)化器進(jìn)行幾何轉(zhuǎn)換輸出引用浮動(dòng)圖像，再使用重新輸出選項(xiàng)來指定輸出圖像的像素大小和重新采樣的輸出圖像的像素大小。指定參考的圖像隨著重新輸出的引用浮動(dòng)圖像使其具有相同的分辨率和圖像的像素大小。

幾何變換定義的變換矩陣使映射點(diǎn)移動(dòng)到參考圖像的對(duì)應(yīng)點(diǎn)，將仿射幾何變換轉(zhuǎn)換為相似的幾何變換，使圖像作為幾何變換的初始條件。更改初始條件的幾何變換可以對(duì)圖像邊緣處不重合的細(xì)小部分進(jìn)行裁剪。通過以引用圖像為初始配準(zhǔn)完善的相似性配準(zhǔn)的結(jié)果與結(jié)合一個(gè)完整的仿射圖像配準(zhǔn)可以得到一個(gè)較好的配準(zhǔn)結(jié)果。最終的配準(zhǔn)圖像后經(jīng)灰度重新轉(zhuǎn)化為灰度圖得出效果如圖3。

3 結(jié)束語(yǔ)

圖像配準(zhǔn)過程中，先用傳統(tǒng)互信息法用于初步的圖像配準(zhǔn)，互信息方法的算術(shù)缺陷導(dǎo)致初始的配準(zhǔn)效果不佳，使用優(yōu)化器進(jìn)行對(duì)算法的優(yōu)化，經(jīng)過優(yōu)化與變換過后，得出有效的配準(zhǔn)結(jié)果。然而經(jīng)過多次的優(yōu)化算法，配準(zhǔn)后圖像的像素降低，通過相似性變換后的配準(zhǔn)圖像作為初始配準(zhǔn)條件，在仿射變換中使圖像的像素回歸最初的大小，配準(zhǔn)結(jié)果得到優(yōu)化。

參考文獻(xiàn)：

[1] 沈侖，壽鵬里.基于互信息的多模態(tài)醫(yī)學(xué)圖像配準(zhǔn)方法研究[J].科學(xué)技術(shù)創(chuàng)新，2019（34）：93-94.

[2] 鐘娟，楊陽(yáng).淺談醫(yī)學(xué)圖像配準(zhǔn)研究[J].科技致富向?qū)В?014（21）：59.

[3] 曾文鋒，李樹山，王江安.基于仿射變換模型的圖像配準(zhǔn)中的平移、旋轉(zhuǎn)和縮放[J].紅外與激光工程，2001，30（1）：17，18-20.

[4] 劉青芳，李月娥.基于改進(jìn)的互信息結(jié)合邊緣互方差的醫(yī)學(xué)圖像配準(zhǔn)方法研究[J].測(cè)試技術(shù)學(xué)報(bào)，2009，23（6）：535-539.

[5] Blaffert T，Wiemker R.Comparison of different follow-up lung registration methods with and without segmentation[C]// Medical Imaging 2004：Image Processing，San Diego，California，USA.2004，5370：1701-1708.

[5]Blaffert T， Wiemker R. Comparison of different follow-up lung registration methods with and without segmentation. In： Fitzpatrick JM， Milan S， editors; 2004. SPIE. 1701–1708.

[6] 李瑋琳.基于互信息的醫(yī)學(xué)圖像配準(zhǔn)新方法[J].河南科技，2013（14）：1，99.

[7] 馬麗明，李艷婷，黃兆佳，等.醫(yī)學(xué)圖像處理技術(shù)[J].現(xiàn)代醫(yī)院，2007，7（11）：15-19.

[8] 陳昱，莊天戈.基于互信息非剛性醫(yī)學(xué)圖像配準(zhǔn)的方法[J].上海交通大學(xué)學(xué)報(bào)，1999，33（9）：1125-1127.

[9] 劉益含，閆德勤，劉彩鳳.醫(yī)學(xué)圖像配準(zhǔn)分類研究[J].計(jì)算機(jī)科學(xué)，2015，42（11）：22-27.

[10] 杜娟.多模態(tài)醫(yī)學(xué)圖像配準(zhǔn)研究[D].蘭州：蘭州大學(xué)，2005.

【通聯(lián)編輯：代影