上海第二医科大学毕业设计论文：标准脑功能图谱的建立及研究.doc

上海第二医科大学毕业设计论文：标准脑功能图谱的建立及研究上海第二医科大学2001级生物医学工程专业毕业论文题目标准脑功能图谱的建立及研究作者姓名： 赵 曙 学 号： 0107027 指导老师： 张剑戈 完成日期： 2005年4月20日 标准脑功能图谱的建立及研究摘要正电子发射型计算机断层图像（PositronEmissionComputedTomography）反映人体的功能和代谢信息，其最大的特点是能对人体生理代谢进行定量研究。但在我国还没有一个明确的定量标准，本课题的主要目的就是要建立这个定量标准：中国人标准脑的脑功能图谱。鉴于在不同年龄段、不同性别的脑功能图像中还存在一定脑结构和功能的改变，在实践中仅采用一个标准是不科学的，因此我们要建立一系列模板用于整个人群的脑功能图像分析。为实现课题目的，在研究过程中读取了大量各年龄段的原始脑图像，应用国际上通用的由伦敦大学开发的脑功能处理软件统计参数绘图分析（Statistical Parametric Mapping）对输入图像作配准预处理。 软件中采用了Talairach和Tournoux所定义的脑图谱空间作为变换的基础，对图像作位置校正，空间变换。然后在此预处理基础上进行影像统计，做出各年龄段、不同性别的大脑平均值模板以及方差模板。统计时利用MATLAB软件实现编程开发，载入一批正常人脑功能图像所包含的信息，直接利用这些图像中的所有灰度信息进行统计计算，得出该组脑的均值模板，并以之作为标准脑的脑功能图谱。由于经过图像位置校正、标准化等配准预处理，其统计结果的标准性将得到充分认可。同时在统计过程中采用直接对图像的像素水平进行分析统计的方法，避免人为因素的影响，较少出现实验误差，有较强的可重复性。目前已经完成10岁以上13个年龄段男性及女性的标准脑功能图谱。通过编写的MATLAB程序可以实现图像数据的读取，显示，处理等基本功能，其中显示部分包括Talairach_Tournoux坐标定位，伪彩染色，最大亮度投影，空间立体显示等。另外在本课题中初步实现了对输入样本的分析诊断功能，即将被试对象与所属年龄段的正常人标准脑功能图谱对比，参考由方差模板得出的标准差值，确定患者是否正常，标注出像素值异常区域。设想今后可以做出一些疾病的典型图谱，确定被试对象是否患有同种疾病，以作为PET脑部功能成像辅助诊断的工具。关键字： 标准脑功能图谱；图像配准； 影像统计 目 录第一章 引言 51.1 课题目的 5 1.2 PET 基本知识 5 1.3 医学影像处理及MATLAB的应用 6 第二章 算法研究及其理论依据 72.1 PET 图像的配准 72.1.1 配准技术简介 72.1.2 SPM 图像预处理 82.1.3 预处理后的数据结构 92.2 基于影像数据结构的统计 10 2.2.1 统计前像素值预处理 112.2.1 均值及方差统计 11 2.2.2 正常区间的确定 12第三章 课题的实现 13 3.1 设计流程 13 3.2 程序构架 14 3.3 课题的实现 163.3.1均值与方差的统计 163.3.2图像的读入与显示 183.3.3 图像平滑 193.3.4 图像的三维可视化 193.3.5 图像分析与比较 20第四章 总结 24 4.1 结果 24 4.2 讨论 244.3 展望 25 参考文献 26 致谢 26 图目录图2-1：医学图象配准类型 7图2-2：Talairach 8 图2-3：仿射变换示意图 9图2-4.：图像Normalize标准化后的效果图 9图2-5：经验法则 12图3-1：设计流程图 13图3-2：Matlab 对象从属关系图14图3-3：主窗口界面14图3-4：统计操作界面16图3-5：统计过程16图3-6：图像读入操作界面18图3-7：图像信息显示18图3-8： 图像在坐标轴的显示 19图3-9：MIP 与 ART20图3-10：RGB数组结构21图3-11：不同年龄段间比较的伪彩显示22图3-12.：对脑疾病患者图像的分析结果22图3-13.：分析结果的三维视图.23 表目录表 2-1：Chebyshev不等式12表4-1：图像总体的分类 24表达式目录表达式2-1：仿射变换8表达式2-2 ：假设10表达式2-3 ：归一化11表达式2-4 ：算术平均11表达式2-5 ：方差11 第一章 引言 1.1 课题目的人类脑计划基本概念萌芽于20世纪80年代早期。在美国国防部资助下，美国国立卫生研究院(NIH)与美国国家科学基金会(NSF)的神经科学家、计算机科学家与预研项目的负责人举行联席会议，集中讨论了“利用新的计算机技术建立脑的数据库或模型”议题。1997年人类脑计划在美国正式启动，要求每个课题应包括脑和信息学两方面研究内容。二十余家著名的大学和研究所参加了这个计划，50多位科学家得到了该项目的基金资助。他们充分利用各自的实验室条件进行神经信息学的有关研究，同时与各研究团体建立合作关系，相互交流。此外，科研团体之间利用电子网络或召开会议，互通信息，资源共享。经过多年的努力，这方面的工作取得了初步结果，积累了一定经验。 目前人类脑计划正在向着全球发展。在我国，PET脑功能成像已在脑研究中广泛应用，我们能够在人或动物活体上进行脑功能的动态研究，进行局部脑血流、葡萄糖代谢、氧代谢的定量分析，获得脏内葡萄糖代谢、脑血流、神经无受体和神经递质变化的分子影像学数据。 2001年9月35日在北京香山召开了以“人类脑计划和神经信息学”为主题的香山科学会议，与会专家们提出在这个浩大的人类脑计划中，中国承担的研究课题拟是：（1）针刺信息在中枢神经系统的获取、处理与整合及脑内神经网络的研究。（2）汉语认知的脑功能成像及脑内信息加工网络与模式。（3）中国人标准脑和脑疾病的脑功能成像图谱；（4）感知觉的脑功能成像。（5）建立中国正常人和脑疾病患者脑基因数据库、蛋白质数据库和相应的数学模拟系统。 在我国尚无标准脑和脑疾病的脑功能成像图谱，因而目前在临床上使用的PET等还没有一个明确定量诊断的标准，既然我国已大量引进了PET等应用于临床，因此，建立中国标准脑的脑功能图谱已迫在眉睫。鉴于在不同年龄段、不同性别的脑功能图像中还存在一定结构及功能上的差异，在实践中仅采用一个标准是不科学的，因此我们要建立一系列标准脑功能图谱用于整个人群的脑功能图谱。1.2 PET 影像特点PET的全称为：正电子发射型计算机断层显像（Positron Emission Computed Tomography），是继CT和核磁共振（MRI）之后应用于临床的一种功能性影像诊断技术。其原理是将人体代谢所必需的物质，如：葡萄糖标记上短寿命的放射性核素（如18F）制成放射性同位素示踪剂（如氟代脱氧葡萄糖，简称FDG），注入人体后用PET扫描仪探测体内放射性元素浓度的分布及变化，将获得的数据信号经过计算机处理，重建为断层显像。由于人体不同组织的代谢状态不同，所以这些被核素标记了的物质在人体各种组织中的分布也不同，如：在高代谢的恶性肿瘤组织中分布较多，这些特点能通过图像反映出来，从而可对病变进行诊断和分析。PET的突出优点在于利用示踪剂对生物体内的某种生理过程或生化过程进行定量测量，准确比较各种异常情况下机体的某些功能指标与正常生理状态下的差异。 当疾病早期处于分子水平变化阶段，病变区的形态结构尚未呈现异常，MRI、CT检查还不能明确诊断时，PET检查即可发现病灶所在，并可获得三维影像，达到早期诊断，这是目前其它影像检查所无法比拟的。并且PET具有特异性高的特点。MRI、CT检查发现脏器有肿瘤时，是良性还是恶性很难做出判断，但PET检查可以根据肿瘤高代谢的特点而做出诊断。但是受到其本身功能成像特点的影响，PET图像质量比较低，在灰度上具有模糊性，分辨率差、噪声较大。1.3 医学影像处理及MATLAB应用医学影像处理与分析是近几年兴起的交叉学科，利用计算机技术、电子技术、图像分析技术对医学影像设备所成的图像进行处理，借助图形，图像技术等手段提高和改善医学图像的显示方法和质量，协助医生提高诊断水平，同时为医学的研究与发展提供坚实的基础，具有无可估量的价值。一般的影像设备获得的是人体某一断层的影像数据，然后医生通过胶片或显示屏幕进行观察，所得到的诊断往往带有医生的主观判断，这在很大程度上影响了诊断的准确性和科学性。另外，医学影像与普通图像相比，本质上具有模糊性和不均匀的特点。影像灰度上的模糊性，在同一种组织中密度会出现大幅度的变化，同时由于技术上的原因带来的噪声往往模糊了物体边缘上的高频信号。医学图像本身的复杂性加上医学影像设备成像技术上的特点，使得一些生物信号被淹没在干扰和噪声中，造成了医务工作者的工作困难。 对于这种状况，应用计算机技术的图像处理可以改变，通过图像处理，对影像数据进行滤波、增强、恢复、去除噪声等操作，对图像还可进行任意放大、缩小、旋转、三维重建等处理。使得医务工作者可以从多方位、多层次的观察角度对影像数据进行详细的观察，对感兴趣的区域进行准确的定性、定量分析。在本课题中采用MATLAB实现对PET影像的处理过程。 MATLAB是工程计算领域中一个非常重要的应用软件，由美国MathWork公司推出，是一种强大的工程语言，主要用于矩阵运算，同时在数值分析、自动控制模拟、数字信号处理、动态分析、绘图等方面也有强大的功能。在MATLAB的所有功能中，图形绘制与图像处理是贯穿于其所有应用中必不可少的基础技术，为此，MATLAB除了提供强大的图形绘制和输出功能，同时还发布了影像处理工具箱（Image Processing Toolbox）专门用于图像处理。 第二章 算法研究及其理论依据 2.1 PET图像的配准在实现标准脑的脑功能成像图谱的研究过程中，是以大量临床PET影像为数据基础的。每次所成的像都受到各种因素的影响，存在较大的实验误差，比如图像位置不正等。若直接对这些图像进行像素水平的统计计算，得出标准脑功能图谱的毫无科学性和准确性可言。要实现标准脑的图谱，其关键也是第一步必须是图像配准。 2.1.1 配准技术简介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，这就是图像的配准（Image Registration）。它具有很高的临床应用价值。 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，使多幅医学图像在空间域中达到几何位置的一致。这种一致是指人体上的同一解剖点在多张匹配图像上有相同的空间位置。在二维空间中表现为二维变换，在三维空间中表现为三维变换。通常寻找几幅图像之间的空间变换或几何变换是配准的关键问题。对于在不同时间或/和不同条件下获取的两幅图像I1（x1，y1，z1）和I2（x2，y2，z2）配准，就是寻找一个映射关系R: I1（x1，y1,z1）= I2 (Rx（x2，y2，z2）,Ry (x2,y2,z2), Rz (x2,y2,z2)使I1 的每一个点在I2上都有唯一的点与之相对应。并且这两点应对应同一解剖位置。映射关系 R表现为一组连续的空间变换。根据成像模式的不同，以及配准对像间的关系等，医学图像配准有多种不同的分类方法（见图2-1）。图2-1.医学图象配准类型在本课题中要进行的是不同人之间的图像配准。由于不同人在生理上存在差异，及在成像操作过程中存在一定体位的随机误差，同一解剖结构的形状、大小、位置都会很不相同。因而在统计和分析不同人的医学图像之前，必须先映射到一个共同的参考空间中去。对于不同人很难精确找出对应的解剖信息。这要求有一个详细标记人体各个解剖位置的计算机化的标准图谱，目前使用较多的是Talairach_Tournoux标准图谱（1988）（图2-2）。图2-2.Talairach 在将每幅PET图像映射到标准空间时，使用的是国际通用的脑功能处理软件SPM2Statistical Parametric Mapping 2 直接利用图像中的所有灰度信息进行配准。 2.1.2 SPM 图像预处理该软件由英国伦敦学院大学认知神经学研究所的Ashburner及 Friston教授等以MATLAB 5.2语言开发，是一个专用于分析脑功能成像数据的共享软件，在国际上被广泛运用。SPM 即统计参数图，其统计功能十分强大，设计这个软件包的初衷是采用统计的方法来处理PET、fMRI和SPECT的数据。用SPM 进行数据处理分析过程主要分为两大部分:预处理过程和统计分析过程。SPM 的图像预处理包括：头动校正（Relign）；不同成像方法间的图像融合（Co-Register）；不同被试间的图像同一化（Normalize）也称为标准化；以及为提高数据的信噪比和消除不同被试脑结构细微差别而进行的空间平滑（Smooth）其中前三项统称图像的空间变换。常用的做法是以其中的一幅图像或标准脑图像（Template Image）为基础通过数学方法将其他图像,也称为目标图像(Object Image)变换到这个基准图像上。在本课题中图像预处理时仅用到SPM的Normalize标准化功能，对读入的PET图像根据所选择的PET模板template进行标准化，位置矫正，映射到Talairach 3D标准栅格系统中。处理后PET的数据格式转换成SPM的数据格式。其具体标准化的过程为用带有整体形变的仿射变换将被试图像同一化到标准脑上；在软件中采用了Talairach和Touroux所定义的脑图谱空间作为变换的基础。仿射变换（ Affine transformation）的表达式为： （ 表达式2-1）其中表示原图像中任意一点的坐标，仿射变换后的图像坐为。如图所示既为仿射变换的示意图，是空间变换的的一种。 图2-3 仿射变换示意图图像经标准化后的效果如图所示，具体的仿射变换表达式也可在界面中看到，左边的三幅图像为所选用的Template，右边为标准化后的图像图2-4. 图像Normalize标准化后的效果图2.1.3 预处理后的图像数据结构PET影像都是三维图像，包含 *.img 和 *.hdr 两种格式的文件，将影像文件分成Data 与information两部分*.img格式文件是一个庞大的像素值数组，数据类型为浮点性或双精度型。每个*.img文件都有 一个 *.hdr头文件与之联系。头文件一般都是348字节，其中包含的是图像在分析过程中的所有基本信息，包括采集对象，采集过程，图像特征的信息，这在图像的处理过程中起着重要的作用。*.img文件*.hdr文件中包括的信息举例如下： Filename:图像名称 Dim: 图像维数 Vox: 像素尺寸（mm） Offset:图像偏移量（mm） Type：数据类型 (float,double,unit16,unit8等 ) Scale: 坐标系数 Origin:图像的原点标准化后的图像维数均为 79 95 68 ，每一个像素尺寸均为2立方毫米，图像原点均为 40 57 26 。 2.2 基于影像数据结构的统计随着PET在临床上的广泛应用，放疗科的影像库中都积累了大量的图像数据，这些影像包含着巨大的信息量。尽管不同的人生理上存在差异，所患的疾病也各有不同，我们还是可以从中找出其中的相似点，尤其是在经过图像配准后，这种情况更加明显，如正常人脑的功能显像，或是某种疾病的典型影像表现。要找出这些共同之处，必然要依靠统计的方法。 在PET影像的统计时，将样本按年龄，性别分组进行统计，使统计得出的结果更趋于精确。然后根据配准后得到 *.img 文件中的 Data像素值矩阵，进行像素水平的统计。直接利用图像中的所有灰度信息统计出均值模板及方差模板。这样做的特点在于输出图像的像素灰度值仅取决于多幅输入图象的对应像素灰度值，与参与运算像素的邻域内像素的灰度值无关，也不会改变像素的空间位置。2.2.1 统计前的像素值预处理然而直接计算统计值仍存在一定的问题。虽然每幅图像经过了空间上的配准，矩阵中灰度值却仍存在很大的差异，若不进行灰度值的“配准”，统计出得模板只能算是解剖结构上的标准图谱，但是在分辨率方面又远远比不上CT,MRI的成像，对于本身功能性成像特点则失去了意义。不同人的PET影像灰度值之所以会出现较大的差异源于PET的成像特点。PET成像是属于化学成像，将超短半寿期的放射性同位素（如F18）制成的标示化合物（如氟代脱氧葡萄糖FDG）注射于人体内，探测标示化合物对生物体内的生理，生化反应产生的交互作用，即可在生物体发生解剖病理缺损之前探测生物化学转态的改变。可以说PET图像的灰度值显示的是组织的代谢情况，并且受到放射性同位素的衰减时间及体内血糖浓度的影响。同时，PET 探测器而是通过正负电子“湮没辐射”后产生的光子而确定正电子的空间位置，进而对体内放射性示踪剂的分布进行准确的定位和定量。仅当两个方向相对的光子闪烁探测器同时记录到射线，才能确定为一个符合事件，即代表核素浓度分布的一个计数。由于由于受放射性药物使用剂量和采集时间的限制，核医学图像的计数有限，统计噪声很大。目前血糖浓度、同位素衰减时间，噪声对PET成像灰度值的具体影响程度尚不清楚,在这里对PET 影像的像素值作如下假设：f = f(xi)f(b)f(t)+n(xi) （表达式2-2）其中 f(xi) 表示PET成像的理论灰度值，f(xi) 表示成像后的实际灰度值，f (b) 表示局部血糖浓度，f (t) 表示放射性同位素的衰减时间，n (xi) 表示噪声。为了消除以上因素对像素值的影响，根据在上文中假设的表示各项因素之间关系的表达式（2-2） ，在统计之前采用归一化的算法重新校正每幅图的灰度值。归一化的具体方法是先得出每幅图像的灰度值总和 f=f(xi)f(b)f(t)+n(xi), 而后对每个像素作如下处理：F(xi) = f(xi)f(b)f(t)+n(xi) f(xi)f(b)f(t)+n(xi) f (xi) f(xi)+N (xi)（表达式2-3 ）其中 N(xi) 表示相除之后的余数，其数值主要由噪声的大小决定，相比原影像中存在的噪声要小很多，属于离散型随机变量。但血糖浓度及核素衰减时间对像素值的影响已被消除，显著减少了统计时不同图像之间像素值的涨落差距。至于仍然存在的 N(xi) 因素，利用多幅图像相加求平均可以有效减弱甚至消除随机噪声的影响。2.2.2 均值及方差统计 统计学中，算术平均值是最常用的描述性度量。它描述了统计资料集合的平均值，是测量值的和除以测量值的个数得到的：=xi N （表达式2-4 ） 代表总体均值，N代表总体容量。如果数据集中的的所有测量值都用他们的算术平均数代替，那么测量值的总和将保持不变，只有算术平均数才具有这个性质。从这个意义上说，算术平均值是数据集的最典型，最具代表性的值。依据算术平均值的这个特性，若计算出经过预处理的所有图像数据矩阵的平均值，就可以作为图像数据集的最典型的值，影像的标准模板由此而产生。在标准模板的基础上就可以进行图像之间的比较。 1 n(xi-x)得出了均值以后，我们还需要给出一种刻画相对于均值的的离散程度的度量，用一个数值描述样本相对于均值的平均偏离程度。对于任意一个样本，它与均值的偏差都是xi-x,从而相对于均值的平均偏离度量为 ，而不论偏离程度如何，相对于均值的正偏差的和恒等于负偏差的和，该计算公式恒等于零。为消除负号的影响，将所有的与均值的偏差平方，然后求和，得出总体方差: =( xi- ) N22 （表达式2-5 ） 取方差的正的平方根,称之为标准差。标准差的单位与原始测量单位相同，在统计中更常用来作为离均差的度量。 在影像统计时，依次读入图像，将代表像素灰度值的三维Data矩阵存进程序中定义的矩阵集X，把矩阵集作为总体样本，利用均值的公式及方差的公式，求出均值和总体方差，便得到了影像集的均值及方差模板。由于载入的图像都是正常人的PET图像，可以认为均值模板就是最具代表性的正常人的脑功能图像，以此将它作为标准脑的脑功能成像图谱。同时，均值模板与方差模板共同描述了正常人的PET图像与标准脑图谱的正常偏离范围。 2.2.3 正常区间的确定 1 k2切比雪夫定理：给定一组数据，其均值假定为m ,标准差为0 ,则对于任意k1位于区间 m-k,m+k内的数据所占比例大于等于1 - 可以从数学上证明，对于任意的测量集合，Chebyshev定理都成立。下表根据Chebyshev的不等式算出了距离k个标准差的数据所占百分比的下限。与相距倍数k位于区间k内的最少量2比例1-1/k2 百分比(1-1/k )100(%)1000.01.55/9=0.55655.623/4=0.75075.02.521/25=0.84084.038/9=0.88988.9 表 2-1.Chebyshev不等式经验法则同样是描述数值在均值附近集中度与标准差之间的关系，假设影像数据集合X的概率分布近似于正态分布，数据集合的均值是，总体方差是，此时位于区间“均值k个标准差”内的数据所占百分比可由正态概率密度函数在该区间内的积分求得。那么X在区间上的取值概率约为0.68，在区间2上的取值概率约为0.95，在区间3上取值约为1.00。95.4%99.7%68.3% -3 -2 - + +2 +3 图 2-5 .经验法则综上所述，我们选定平均模板-3倍标准差模板，平均模板+3倍标准差模板作为脑功能图像的正常范围。将被试对象的脑功能图像与对应的标准脑功能图谱（即平均模板）进行逐点像素值的比较，若有像素值超越这个预设的域值，可判定为非正常像素值，将被试图像中出现的较大范围的像素值异常区域用伪彩色标注出来，提示可能是患病区域，具有一定的辅助诊断意义。如此用计算机自动从像素水平对被试对象进行分析的最大优点便是大大减少了人为实验误差，结果精确。第三章 课题的实现3.1 设计流程运用SPM软件对PET影像库中的图像进行空间配准对每幅图像的像素值进行归一化处理编写统计程序实现图像的平均及方差计算对图像进行分组统计生成标准脑功能图谱及方差模板编写界面程序实现图像基本读入、显示、滤波功能初步实现辅助诊断功能及异常区的标注 图3-1.设计流程图3.2 程序构架Matlab 语言是一种基于矩阵/数组的高级语言，它具有流程控制语句、函数、数据结构、输入输出，以及面向对象的程序设计特性。用Matlab语言可以迅速地建立临时性的小程序，也可以建立复杂的大型应用程序。句柄 图 形 是Matlab的图形系统。它包括一些高级命令，用于实现二维和三维数据可视化、图像处理、动画等功能;还有一些低级命令，用来定制图形的显示以建立Matlab应用程序的图形用户界面。在本课题所涉及的编程过程中，大量的使用到MATLAB句柄图形对象。对象的每个实例均对应于一个唯一的标识符，即句柄（handle）。利用句柄，可以非常容易地操纵现有的图形对象的各种特征，即对象属性。MATLAB中对象的从属关系如下图所示： lightUicontrolRootFigureAxesImageUimenuUicontextmenuLinePatchSurfaceRectangle 图3-2. Matlab 对象从属关系图 Root是根对象，是系统在启动MATLAB是自动创建的，对根对象的属性进行设置，可以影响图形的显示效果。根对象的属性包含当前图形窗口对象（Figure）的句柄和鼠标指针的当前位置 Figure是图形窗口对象，其作用是在Root屏幕上显示图形的独立窗口。所有的图形窗口都是根对象的子对象，而其他的图形对象又是图形窗口Figure的子对象。Figure对象的属性包含其子对象的列表，同时跟踪发生在当前图形窗口中的某些Windows事件。可见程序实现过程中，图形信息都组织在一个有序的金字塔式的阶梯表中，并存储在对象属性中。对象属性是创建图形对象时，通过向构造函数传递“属性名/属性值”参数，设定的特定的值。对象创建完后，利用构造函数返回的对象句柄可以对属性值进行修改，以实现某种功能。以主窗口为例：CoronalAxesSagittalAxesTransverAxesuicontrolsImageLine 图3-3.主窗口界面在这个图形窗口Figure中，创建了Uicontrol及Axes两种子对象。Uicontrol是控制框对象，当用户激活该对象是执行相应的回调函数，其类型包括按钮(PushButton)，无线电按钮（Radio）,编辑框（Editbox）,静态文本框（Statictext）,弹出式菜单（Popupmenu）等，这些类型在图示窗口中均可看到。Axes是坐标轴对象。坐标轴对象的属性包含其每个子对象（图形对象）使用图形颜色映像表的信息。在此Figure窗口中定义了三个区域，用于显示载入PET图像的冠状面，矢状面，水平面。Axes既是窗口对象的子对象，又是Image对象及Line对象的父对象。Image对象包含的是PET图像的Data数据矩阵，有时还包含一个颜色映像表。根据图像处理后数据矩阵元素代表的意义不同，此系统中Image有两种类型，灰度图像及真彩图像。Line对像即线条对象，其父坐标系，即CoronalAxes ,SagittalAxes ,TransverAxes负责线条的定位。这些子对象创建之后的基本功能分配如下：“LOAD”按钮控件实现图像的读取功能，并在三个Axes坐标区域中显示图像。调用了LoadFig.m ;read_imgh.m ;img_type.m ;LoadImg.m ;Loadin.m ;dispimg.m六个m文件实现其功能。“SMOOTH”控件负责对载入的图像进行平滑滤波处理，调用smooth.m文件“A R T”，“M I P”按钮控件以两种算法分别实现了图像的空间三维显示，显示完毕可选择保存成为avi视频文件。调用dispmip.m 文件。“TEMPLATE LOAD”控件用以载入事先经过统计生成的某年龄段男性或女性的标准脑功能图谱及方差模板。调用Loadin.m文件。“DIAGNOSE”控件是一项初步的诊断分析功能。用载入的图像与标准脑图谱进行像素水平的比较，将计算机人为的像素值异常区域用伪彩标注。调用diagnose.m文件。“FINISH”控件将Figure窗口及设计的变量句柄重设成初始状态，等待下幅图的载入。坐标轴附近的弹出式菜单可选择对在入图像的伪彩类型。调用ImgColor.m。“Save Current Img”控件实现对图像的保存，调用SaveImage.m。Figure右下方为图像的信息显示区域。三个Axes坐标轴回调的函数为pushmouse ,click。用户通过点击图像察看PET图像的不同位置。下面简单介绍程序中主要的数据结构：IMAGE关联的是程序中要处理的图像。TEMP,SPMIMG的结构与IMAGE相同，分别关联分析后生成的图像及标准模板。IMAGE.Data = 图像的数据矩阵IMAGE.Filename = ; %图像的文件名IMAGE.Dim = ; %图像的维数IMAGE.Vox = ; %Voxel的尺寸IMAGE.Type = 0; %数据类型int8/ int16 IMAGE.Origin = ; %图像原点Ud是图形窗口Figure的UserData数据域，在本系统中主要用于存放三个坐标系统所涉及的句柄。以TansverseAxes为例：ud.TransverseAxes %TansverseAxes坐标的句柄ud.TransverseImage % 图像显示的句柄 ud.TransverseCrossHairY %十字线句柄ud.TransverseCrossHairX ud.Pos % 鼠标在图像上的点击位置3.3 课题的实现在这一节中，简单介绍用matlab实现课题的过程，将按主要的功能模块分别叙述，说明功能实现过程中的主要源代码。3.3.1 均值与方差统计图像平均值与方差的计算是本课题中最重要也是最主要的一块。在进行统计之前，每幅图像都已经经过了空间上的配准，以及像素值的归一化，这两个预处理过程的方法及原理均已在第二章中详细说明过，在这里直接运用处理后的数据矩阵统计。统计的操作界面如图所示：图3-4.统计操作界面首先是输入需要统计的图像数，激活“数量装载”的控件后，在另一个Figure窗口中弹出新的控件，提示操作步骤，在编辑框中输入1-30之间的任意自然数，确定之后系统提示打开文件，调用LoadImg.m文件载入图像，直到图像完全装载完毕，open窗口不再弹出。 图3-5.统计过程这其中的界面设计，控件对象的各项属性设置属于基本的Matlab语言应用，不再对源代码进行说明。下面是统计的主要过程：输入的统计数量从字符型转成数值型存入mm全局变量，用于均值，方差统计。平均值计算主要代码：for j=1:mm,filename,filepath=uigetfile(*.img,img file); %打开文件LoadImg(filepath,filename);%载入图像，包括*.img及*.hdr中的信息cellsj=IMAGE.Data; %将*.img中的像素矩阵存入cellsj矩阵集j=j+1;end %循环之后，cells集合中包含了所有图像的像素值信息Y=cells1;for k=2:mm;Y=Y+cellsk; %用循环的方式把矩阵集中的数据逐个累加，结果存入Y矩阵End % Y=cellsj 计算时Y矩阵中的数据类型为double型Y=Y/mm; % Y=1/mm cellsj Y即是平均后的图像像素值矩阵IMAGE.Data=Y; % 将计算后得出的矩阵重新放回IMAGE数据结构IMAGE.type=16; % 将矩阵中的数据类型从double型改回float型，便于图像存储。其余.hdr文件中的图像信息不变。DisplayImage; %根据现IMAGE结构中包含的图像信息在坐标轴上显示图像方差计算主要代码：X=cells1(:); % 仍然利用cellsj矩阵集合，但要转成数组形式，这是为了节省平方计算时的系统的内存量X=(X-Y(:).2; % 计算X数组与均值数组的偏差平方for j=2:mmX=X+(cellsj(:)-Y(:).2; % 循环计算偏差的平方，结果累加入X数组endVar=X./mm; % Var =1/mm (cellsj(:)-Y(:)2Var=reshape(Var,IMAGE.Dim) ;% 数组维数重设，与原图像维数相同。IMAGE.Data=Var; % 放回IMAGE数据结构DisplayImage; % 显示方差模板 此程序直接提取了图像的全部像素信息，存入矩阵或数组的集合，再对集合统计计算。由于图像的Data本身就是个巨大的矩阵，所形成的集合中包含的信息量更是庞大，在计算机执行上述代码时，需要占用大量的内存，这是此程序的不足之处。为避免统计时系统警告内存不足，一次统计的图像数量不宜超过30个，即mm取值范围为1，30。程序调试成功后，应用此程序对经过预处理的影像库中的PET脑功能成像图像统计得出了各年龄段不同性别的标准脑功能图谱及方差模板。在统计时出现了一个问题，就是利用SPM软件对图像进行标准化处理（Normalize）后，得到的图像中大约有15% 出现了“被截去一角”的现象，在矩阵上的表现形式为某小片数据的值变成了NaN。NaN是一个非数常量，它与任何数值的数学计算结果都是NaN, 显示成图像就是黑色区域，这给后面的像素值统计带来了极大的影响，既无法进行灰度值的归一化，也使统计出来的平均，方差模板失去了许多信息。这一现象是在图像仿射变换过程中出现的，设想可以在处理后，将图像矩阵中的NaN全部换成0，由于大多数NaN 都出现在图像的背景区域，在替换成0之后，并不会出现视觉上的改变，对统计也不