医学图像融合与技能分析-医学科技

《医学图像融合与技能分析-医学科技》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、精品文档医学图像融合与技能分析/医学科技1图像处理技术自伦琴1895年发现X线后,在医学上X线被用于人体检查,诊断疾病,逐步形成了放射学。20世纪以来医学成像技术经历了一个从静态到动态、从形态到功能、从平面到立体的发展过程,尤其在计算机技术高度发达之后,出现了计算机断层成像、数字减影血管造影、单光子发射断层成像、磁共振成像、数字荧光造影、正电子发射断层成像等多种成像模式的医学图像,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了人体解剖、生理及病理等信息。为了丰富和突出影像的有用信息,在成像之后,计算图像处理技术被广泛应用,包括将医学图像数字化、去除噪声、恢

2、复图像失真,增强图像对比度、自动分割目标、断层图像的三维重建、定量分析等处理手段[1,2]。但是,由于各种成像设备所特有成像原理各不相同,与各种成像相关的信息内容也各有侧重。如CT、MRI图像主要反映解剖形态结构;核影像对人体功能状态非常敏感,等等。单独用某种模式的图像进行诊疗,即使经过计算机处理,也不能反映全面情况,只能得到定性的,或在一定条件范围内的定量分析。近年来,随着图像处理技术在医学领域的进一步应用,一种新的信息处理技术——2016全新精品资料-全新公文范文-全程指导写作–独家原创10/10精品文档医学图像融合开始受到足够重视[3～8]。它是将多种成像模式的图像结合起来。利

3、用各自的优点,在一幅图像上同时表达来自人体多方面的信息,如融合MRI与PET的胸腹图像,可提高对肿瘤的诊断、定级、定位和定量分析,为放射计划治疗提供依据;又如利用腕骨的CT和MRI融合图像可辅助骨折正位。通过医学图像融合,有效地丰富了图像信息,提高了诊断和治疗的可靠程度。国外已有大量报道这方面的研究、实验成果,并开始用于临床。本文综述了多模式医学图像融合中的有关图像处理技术,着重介绍了图像配准技术,并例举了医学图像融合在医学诊断、治疗等方面的应用。2医学成像技术2016全新精品资料-全新公文范文-全程指导写作–独家原创10/10精品文档医学成像技术是一个综合多种学科成果与先进技术的综

4、合性,实用性学科领域。包括X射线、超声、CT、MRI、核医学图像、红外线图像、数字减影、荧光造影等多种成像方式。各种模式的医学图像从视觉角度为医生及研究人员提供了丰富、直观、定性及定量的人体生理信息,成为诊断各种疾病的重要技术手段。由于不同模式的设备对人体内大到组织小到分子原子有不同的灵敏度和分辨率,因而有它们各自的适用范围和局限性。CT是利用X射线提供的原始信息进行从一维到二维的图像重建,可以对人体作多层横断面扫描。CT具有较强的空间分辨率和几何特性,对人体软组织对比度较低,对骨骼反映清晰。MRI利用人体组织中氢质子在磁场消失后驰豫时间差成像。可得到多种角度、方位的断层图像,空间分

5、辨率小于3mm,可清晰反映软组织、器官、血管等的解剖结构,但对钙化点不敏感,且受到磁干扰会发生几何失真。SPECT、PET是以放射性核素及其标记物在脏器中的浓度差为基础的显像方法,能得到人体任意角度断层面的放射性浓度分布。可反映组织、器官的代谢水平、血流状况,对肿瘤病变呈现“热点”。PET尤其适于对神经系统功能的研究。但图像的分辨率很差,难以得到精确的解剖结构和立体定位,也不易分辨组织、器官的边界。DSA是一种投影图像,由注入造影剂前后的X光投影图相减而得到。可清晰反映人体心、脑血管分布情况,对诊断各种动静脉畸形、血管瘤等有重要价值。但它不能显示周围结构以及病灶的空间位置。各种模式的

6、医学图像从不同角度反映人体信息,单独从某一种图像中无法得到全面的诊断信息。而多种图像又必须借助医生的空间构想和推测去综合判定他们所要的信息,其准确性受到主观影响,更主要的是一些信息将可能被忽视。医学图像融合技术以计算机图像处理方法代替了医生的人工综合方式,可以提高诊断效率和可靠性,并精确指导神经外科手术及放射治疗等。3融合和配准技术2016全新精品资料-全新公文范文-全程指导写作–独家原创10/10精品文档医学图像融合一般指两种图像模式的图像取长补短,结合成一幅图。如CT-MRI,CT-SPECT,MRI-PET、MRI-DSA等。目前国外已有大量研究报道,因研究对象,研究目的不同,

7、融合的方法也多种多样,归纳起来,主要按以下步骤进行:预处理。对获取的两种图像数据进行去噪,增强等处理。统一两种数据格式,图像大小和分辨率。对序列断层图像做三维重建和显示。根据目标特点建立数学模型。分割目标和选择配准特征点。在二维或三维情况下,对目标物或兴趣区进行分割。选取的特点应是同一物理标记点在两个图像上的对应点,该物理标记可以是人工标记,也可以是人体解剖特征点。利用特征点对进行图像配准。可视作两个数据集间的线性或非线性变换,使变换后的两个数集的误差达到