（通信与信息系统专业论文）多模态医学图像配准研究.pdf

兰州大学硕士学位论文 摘要 医学图像配准是医学图像分析的基本课题，在病灶定位、放射治疗计划、指 导神经手术以及检查治疗效果上有着重要的应用价值，其目的是帮助医生提高诊 断、监护和治疗水平。而多模态医学图像配准问题是目前的一个热点问题，国内 外有大量的研究者正在进行这方醯的研究。 本文首先对医学图像配准的有关背景、原理及分类作了综述，其次具体阐述 了配准过程中的配准方法、变换以及优化策略，然后在p i u 方法( p a r t i t i o n e d i n t e n s i t yu n i f o r m i t yt e c h n i q u e ) 的基础上引入本文提出的一种新的基于灰度的多 模态图像配准方法( d o u b l ed i r e c t i o n a lp i u ，以下称d r p i u ) ：利用正向反向变换 和稳健估计来降低图像噪声的影响。为了加快算法速度而又不致使结果陷入局部 最小，采用多分辨率技术、模拟退火法和p o w e l l 法相结合的优化策略。我们在 实验中，用此方法和目前比较常用的最大互信息法( m i ，m a x i m i z a t i o no fm u t u a l i n f o r m a t i o n ) 以及p i u 方法作比较来检验模拟数据和真实数据。实验结果表明， 新方法较p i u 方法有更好的稳健性和精确性，可与最大互信息法相比拟。 关键词：医学图像配准，正向反向变换，稳健估计，多分辨率技术，模拟退火法 p o w e l l 法 兰州大学硕士学位论文 a b s t r a c t m e d i c a li m a g ef e 百s t r a t i o ni sab a s i c p a r t i nm e d i c a li m a g ea n a l y z i n g n s a p p l i c a t i o na r e a se x i ti nl o c a t i n gl e s i o n s ，r a d i o t h e r a p yt r e a t m e n tp l a n s ，g u i d i n gn e r v e s u r g e o n sa n di n s p e c t i n gt r e a t m e n t ，e t c t h eg o a lo f m e d i c a li m a g er e g i s t r a t i o ni st o h e l pd o c t o ri n c r e a s et h el e v e lo fd i a g n o s e s ，w a r d ，a n dt r e a t m e n t a tp r e s e n t ，m a n y r e s e a r c h e ra r es t u d y i n gt h eh o t s p o tp r o b l e m ：m t d t i m o d a l i t yr e 西s 仃a d o n i nt h i s p a p e r , w e f i r s ti n t r o d u c et h e b a c k g r o u n d ，t h ec o n c e p t ，a n d t h e c l a s s i f i c a t i o na b o u tm e d i c a li m a g er e g i s t r a t i o n a n dt h e nw ep r e s e n ts i m i l a r i t y m e t r i c 、t r a n s f o r m a t i o n 、a n do p t i m i z a t i o nd u r i n gr e g i s t r a t i o n n e x t ，t h en e wm e t h o df o r m u l t i m o d a l i t yr e g i s t r a t i o n ，w h i c hi sb a s e do np i u ( p a r t i f i o n e di n t e n s i t yu n i f o r m i t y ) t e c h n i q u ei sp r o p o s e d ：d r p i u ( d o u b t ed i r e c t i o n a lp i u ) ，i nw h i c h b o t ht h ef o r w a r d a n dt h ei n v e r s et r a n s f o r m a t i o nw i t ht h er o b u s te s t i m m i o na r eu s e dt or e d u c et h ee r i e c t o fn o i s ei nt h ei m a g e s t os h o r t e nt h eo p e r a t i o nt i m ea n dg e tt h eg l o b a lo p t i m i z a t i o n r e s u l t s ，m u l t i r e s o l u t i o nt e c h n i q u e ，t h es i m u l a t e da u n e 她m e t h o d a n dt h ep o w e l l m e t h o da r ea d o p t e d i no u re x p e r i m e n t s t h en e wm e t h o d i sc o m p a r e d 协o t h e r p o p u l a r s i m i l a r i t y m e a s u r e s ：p i ua n dm i ( m a x i m i z a t i o no fm u i n f o r m a t i o n ) o i lt h e s y n t h e t i cd a t aa sw e l la st h er e a l w o r l dd a t a ，a n dt h ee x p e r i m e n t a lr e s u l t ss h o w t h a t t h en e wm e t h o da n dm i t e c h n i q u e a r em o r er o b u s tt ot h en o i s et h a np i u t e c h n i q u e k e yw o r d s ：m e d i c a li m a g e sr c g i s t r a h o n ，f o r w a r da n di n v e r s et r a n s f o r m a t i o n ，r o b u s t e s t i m a t i o n , m u l t i r e s o l u t i o nt e c h n i q u e ，t h es i m u l a t e da n n e a l i n gm e t h o d ， t h ep o w e l lm e t h o d i i 原创性声明 本人郑重声明：本人所呈交的学位论文，是在导师的指导下独立进行 研究所取得的成果。学位论文中凡引用他人已经发表或来发表的成果、数 据、观点等，均已明确注明出处。除文中已经注明引用的内容外，不包含 任何其他个人或集体已经发表或撰写过的科研成果。对本文的研究成果做 出重要贡献的个人和集体，均已在文中以明确方式标明。 本声明的法律责任由本人承担。 论文作者签名：垒至丝叠日期：兰! i ：丝 关于学位论文使用授权的声明 本人在导师指导下所完成的论文及相关的职务作品，知识产权归属兰 州大学。本人完全了解兰州大学有关保存、使用学位论文的规定，同意学 校保存或向国家有关部门或机构送交论文的纸质版和电子版，允许论文被 套阅和借阅；本人授权兰州大学可以将本学位论文的全部或部分内容编入 有关数据库进行检索，可以采用任何复制手段保存和汇编本学位论文。本 人离校后发表、使用学位论文或与该论文直接相关的学术论文或成果时， 第一署名单位仍然为兰州大学。 保密论文在解密后应遵守此规定。 论文作者签名：至兰垡导师签名：匕堑。毛日期：吲! ：! 趔 兰州大学硕士学位论文 第一章医学图像配准概述 1 1 引言 医学成像技术是一个综合多种学科成果与先进技术的综合性、实用性的学科 领域。各种模态的医学图像( 图1 1 ) 1 1 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。它 们大体上可分为解剖成像和功能成像。解剖成像，如x 线透射( ) ( 一r a y ) 、x 线计 算机断层( c o m p u t e dt o m o g r a p h y , c t ) 、磁共振( m a g n e t i cr e s o n a n c ei m a g i n g ，m r i ) 、 超声( u l t r a s o u n d ，u s ) ，以及各种内窥镜( 如腹腔镜及喉镜) 成像等，为临床提供 了人体的解剖结构信息；功能成像包括正电子发射断层( p o s i t r o ne m i s s i o n t o m o g r a p h y , p e n 、单光子发射断层( s i n g l ep h o t o ne m i s s i o nc o m p u t e dt o m o g r a p h y , s p e c t ) 、功能磁共振( f u n c t i o n a lm a g n e t i cr e s o n a n c ei m a g i n g ，f m r i ) 等，为临床提 供了人体的代谢信息。由于不同成像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。 图1 1 对人脑可进行多种模式成像 m r i 利用人体组织中氢质子在磁场消失后驰豫时间差来成像。可以得到多 种角度、方位的断层图像，空间分辨率小于3 m m ，可以清晰地反映出软组织、 气管、血管等的解剖结构，有利于病灶范围确定，但对钙化点不敏感，在受到磁 干扰时会发生几何失真。 c t 是利用x 射线提供的原始信息进行从一维n - - 维的图像重建，可以对人 兰州丈学硕士学位论义 体作多层横断面扫描。c t 具有较强的空间分辨率( 3 m m ) 和几何特性，对骨骼反 映清晰。它可以为病灶提供良好的参照，但是对软组织的对比度较低。 s p e c t 、p e t 是阻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 和血流状况，对肿瘤病变呈现“热点”。但它们的图像分辨率差( s p e c t 约 o m m ) ， 难以得到精确的解剖结构和立体定位，也不宜分辨组织、器官的边界。 d s a 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 晰地反映人体心、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。它不能显示周围结构以及病灶的空间位置。 各种模态的医学图像从不同角度反映人体信息，单一地从某种图像中无法得 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 们所需要的信息，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。 所以通常需要将不同的图像融合在一起，得到更丰富的信息以便了解病变组织或 器官的综合信息，从而做出准确的诊断或制定出合适的治疗方案。在此过程中， 首先要确定图像间的空间对应关系，使其统一于同坐标系下，这就是图像的配 准。 1 2 配准原理和过程 由于成像设备和成像原理不同，不同模态豹图像其特点不同，所以人体的同 一解剖位置在不同的成像方式下得到的图像会在图像分辨率、大小、几何形状、 扫描角度等方面有所差异。配准就是将不同的图像通过空间变换映射到同一坐标 系中，使相应器官的影像在空间中的位置一致。即通过最优化方法找到映射变换， 实现图像间相似性的最大化1 2 1 。从这个角度讲，配准是一个多参数优化的过程。 配准方法是由特征空间、搜索空间、搜索算法和相似性测度四个组成部分懿 不同方法的组合【3 ，4 1 。特征空间是对待配准的图像的特征信息的提取：搜索空随 是进行变换的方式及变换范围：搜索算法决定下一步变换的具体方法以得到最锁 的变换参数；相似性测度是用来衡量图像间相似性的一种标准。根据成像时所辟 的传感器类型、传感器的位置、图像之间的时间差、图像中目标的变化如变形神 增长等因素，b r o w n 将配准分为四种类型：多模态配准，视角配准，模板配准， 兰州大学硕上学位论文 时阂配准；而r i t t e r n 等则加上了第五种配准类型：目标间配准。根据以上的配 准种类，b r o w n 、r i t t e r n 以及后来的研究者如z u k t d 等、l e s t e r h 等对配准的 基本过程进行了分析与总结，得出一般配准的基本步骤如下所述： ( 1 ) 分割图像特征的提取：对图像进行分割基本上有两种不同的方法。第一 种方法是直接依据图像感兴趣区域( r 0 0 中的生理特征进行分析，将这些特征与 图像中的边、轮廓、表面，或跳跃性特征如角落、线的交叉点、高曲率点，或统 计性特征如力矩常量或中心相互对应，然后根据先验知识选择一定的分割阈值对 图像进行自动、半自动或手动的分割，从而得出图像的几何特征。另一种方法是 采用特征点的方法。特缝点可分为内部点( i n t r i n s i cp o i n t s ) 及外部点( e x t r i n s i c p o i n t s ) 。内部点是从与病人相关的图像性质中得到的，如解剖标志点( a n a t o m i c a l l a n d m a r kp o i n t s ) 。解剖标志点必须是在三维空间定义的，并在两种扫描模式的图 像中可见。典型的解剖标志点可以是一个点状的解剖结构，例如，耳蜗尖端拐点 处；两个线性结构的交点；血管的分叉或相交处；某一表面上特定的拓扑属性； 一个沟回的可识别部分等。外部点则是在受试者颅骨嵌入的螺钉、在皮肤上作的 记号或其它在两幅图像中都可检测到的附加标记物，例如充有硫酸铜的管子、玻 璃珠、铬合金珠、明胶球等。 ( 2 ) 变换，即将一嚆图像中的坐标点变换到另一幅图像的坐标系中。经过图 像分割后，配准问题就转换为求解两幅图像中对应点的变换问题。可参考第三章： 医学图像的基本变换和变换域。 ( 3 ) 寻优，即在定义了种相似性测度之后用优化算法使该测度达到最优值。 用当前估计出的变换参数对图像进行变换，然后计算图像间灰度的某种相似性测 度，由此不断对交换参数进行优化，直到找到最优解，使图像匹配。可参考第四 章：最优化算法。 当然，配准的过程并不绝对按上述步骤进行，如基于体素的配准方法，它们 的配准过程中一般都不包括分割步骤。此外，坐标变换和寻优过程在实际中是彼 此交叉进行的。 图1 ，2 是配准的示意图【“。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， 就要将其中一张中的人像做移动和旋转，使它与另一幅对齐。保持不动的叫做参 兰州大学硕士学位论文 考图像，做变换的叫做浮动图像。经配准和融合后的图像反映人的全貌。 图1 2 图像配准示意图 1 3 配准分类 医学图像配准方法可按下述标准大致分类h - s ： 1 维数 不管待配准图像是否包含时间维数，均可按空间维数分为2 d 一2 d ，2 d 一3 d ，以 及3 d 3 d 配准。2 d 2 d 配准通常指两个断层层面问的配准：2 d 一3 d 配准通常指 投影图像( 或者是单独的一个层面) 和空间图像间的直接配准；3 d - 3 d 配准摆两 幅三维空问图像间的配准。2 d 2 d 图像配准不具有回溯性，而2 d 一3 d ，3 d - 3 d 能 克服这个局限，不过，当2 d 扩展到3 d 时，参数个数和图像数据量也会随着增 大，配准也会变得复杂。 在空问维数基础上再加上时间维数，则原来的2 d 、3 d 就分别变成了3 d 、 4 d 。在临床中可用来观察儿童骨骼生长、监视创口愈合等。 2 配准基准的特性 按配准基准的特性，图像配准可分为基于外部特征的配准、基于内部特征的 配准和基于非图像的配准。 ( 1 ) 基于外部特征的配准： 外部特征是指加在病人身上的各种清晰可见、易检测到的人造标记，这些标 记必须在各种配准模式中都清晰可见且可以准确检测得到。具体又可分为侵入式 的和非侵入式的。前者是指固定到病人体内对病人有损伤的基准标志，如立体定 位参考框架、螺钉标记等；后者是指固定在皮肤表面对病人没有损伤的基准标志， 兰州大学硕上学位论文 如牙套、泡沫面具等。两种途径相比，非侵入式的虽然对病人比较友好，但精度 没有侵入式的高。外部点不能进行回溯配准，且对放置要求较高，但简单易行， 易实现自动化。由于未包含病人图像信息，因此般只限于刚体变换。这种方法 的所求参数可用联立方程组直接计算得到。 ( 2 ) 基于内部特征的配准：； 内部特征是指由病人图像内部本身得到的位置相对固定且图像特征明晰的 各种配准标志。内部点可进行回溯配准，但由于受主观因素的影响，同一内部点 的定位可能千差万别，故其配准精度很难达到外部点的水平。这些标志可根据获 得的方法不同而分为基于标记的、基于分割的和基于体素特性的图像配准。 基于标记的通常是由人进行鉴别得到的基准，这些基准有基于解剖特性的 ( 如一些明显的解剖部位) 和基于几何特性的( 如局部曲率极值、隅角等) 。这 种方法在理论上可用于任何图像，但经常用在剐体和仿射变换中。如果标记点数 目足够多，也能用于更复杂的非刚体变换。识别出来的标志点集相对原始图像信 息要稀疏，因此参数优化相对较快。这类算法使用的最优化铡度有：a 中的每个 标记点和b 中最近的配对点之间的平均距离( l 2 范数) 、迭代的最小标记点距离 等。其中后者常用迭代的最近点算法( i c p ) 及其衍生算法优化求解。 基于分割的图像配准是指通过图像分割获得一些配准标志，可以是基于刚体 模型提取出来的( 如点、曲线以及袭面等) ，也可以是基于变形模型提取出来的 ( 如s n a k e s 、n e t s 等) 。这种方法的最大缺点是配准精度受分割精度的限制，除 了分割阶段，算法可以做到全自动化，分害i 阶段经常也是半自动实现的。著名的 “头帽”法，其关键是头部的c t 、m r 和p e t 图像中皮肤表面的分割，因为这 种分割比较容易实现，且算法的计算复杂性相对比较低，继而出现了很多自动化 分割步骤和提高优化求解的改良算法。另一个著名的算法是1 9 8 8 年b o r g e f o r s 设计的快速斜面配准算法，它是通过距离变换的方法配准解剖结构的二进制图 像。 基于体素特性的配准方法是指把图像内部的灰度信息值作为配准依据，无需 对图像进行分割和特征提取。是目前研究者比较重视和感兴趣的方法。 ( 3 ) 基于非图像的配准： 基于非图像的配准是通过校准两个扫描器的成像坐标系统来实现的。前提是 兰州大学硕上学位论文 扫描器应在同一个物理位置上，并且在获取两幅图像的过程中病人保持不动。这 在临床中是可以实现的，如超声系统通过光学定位系统能够很容易得到校准，之 后再和c t m r 进行配准。 3 变换特性和域 根据变换特性，图像配准可分为剐体变换( r i g i dt r a n s f o r m a t i o n ) 、仿射变换 ( a t r i n et r a n s f o r m a t i o n ) 和非线链变换( c u r v e dt r a n s f o r m a t i o n ) 。配准时的变换区域 根据实际需要又可分为局部( l o c , a t ) j 7 准和全局( g l o b a l ) 配准。具体将在第三章中 介绍。 4 成像模态 根据成像模态可将配准方法分为4 类：单模态图像间的配准：多模态图像间 的配准；模态和( 解剖或生理) 模型间的配准；患者和模态间的配准。 ( 1 ) 单模态图像间的配准： 相同成像方式的图像配准称为单模态图像配准，多用于治疗前后的对比、肿 瘤或骨骼的生长监测等。 ( 2 ) 多模态图像间的配准： 不同成像方式的图像配准称为多模态图像配准，主要应用于神经外科的诊 断、手术定位及放疗计划设计等。例如，在放射治疗中，需要用c t 扫描来计算 放射剂量的分布，而用m r 来准确地定位病变组织的轮廓；s p e c t 、p e t 能反映 人体的功能和代谢信息，但空间分辨率较差，将它们与解剖成像配准，不仅能够 精确定位，还可以准确认识疾病的性质。其它多模态间配准如：c t - m r 、c t - p e t 、 p e t - m r 、p e t - u s 、s p e c t - m r 、u s c t 、x r a y u s 等。图1 3 是m r 图像和p e t 图像配准f ”。 ( 3 ) 模态和模型问的配准： 包括c t 、m r 、s p e c t 、x r a y 等。 ( 4 ) 患者和模态间的配准： 有c t 、m r 、p e t 、x r a y 等。 在后两种配准中，配准的对象包括图像和其他“模态”。本文中“模态”的 含义比较广泛，它不仅可以是已获取的图像，还可以是解剖或生理的数学模型， 有时甚至是患者本身。 6 兰州大学硕士学位论文 图1 3 人脑p e t - m r 图像配准。左：p e t 图像：中：m r 图像；右：融合图像 5 研究对象 按图像来源可分为三类：同一患者的图像配准；不同人间的图像配准；图像 与图谱配准或与物理空间配准。 ( 1 ) 同一患者的图像配准： 是指待配准的图像是同一个人的。对同一患者在不同时间获取同一器官或解 剖部位的图像，可以用于对比，从而监视疾病的发展及治疗过程。如果没有局部 的组织切除，这种配准一般用刚体变换就可以了。 ( 2 ) 不同人之间的图像配准： 是将被试者的图像与典型正常人相同部位的图像进行对比，以确定被试者是 否正常；如果异常，也许还要与一些疾病的典型图像对比，确定患者是否属于同 类。 ( 3 ) 图像与图谱配准或与物理空间配准： 由于不同人在生理上存在差异，同一解剖结构的形状、大小、位置都会很不 相同，这就使不同人之间的图像配准问题成为当今医学图像分析中的最大难题。 在对比和分析不同的医学图像时，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。常见的方法大致有两类：一 是借助一个共同的标准来比较。例如要对两个病人的p e t 或m r 图像进行比较， 目前用得较多的是t a l a i m c h 标准空间( 图1 4 ) 。首先要把二者的图像都映射到 这个共同的参考空间去，然后在此空间中对二者进行比较。二是非线性形变法， 兰州大学硕士学位论文 图1 4t a l a i r a e h 人脑图谱 模仿弹性力学方法，将一个人的3 d 图像逐步变换，使它最终能较好的与另一个 人的3 d 图像最佳匹配( 图1 5 ) 吐 图1 5 用非线性方法配准a i 同人脑表面沟回 在立体定向装置或图像引导的手术导航系统中，则是将图像像素与物理空间 中探针或手术器械或实况摄像的位置配准。 6 配准部位 按配准部位可分为头部、胸部、腹部、骨盆和会阴、肢体以及脊骨和椎骨。 头部又分为脑和头骨、眼和牙齿；胸部分为整个胸部、心脏及乳房；腹部分为整 个腹部、肾和肝；肢体分为整个肢体、腿部、肱部和手。 7 交互性 根据人的参与程度，配准可分为全自动式、半自动式和交互式。全自动式中 兰州大学硕士学位论文 使用者只需提供相应的图像或信息；半自动式中使用者须初始化算法( 如分割数 据) 或指导算法( 如拒绝或接受配准假设) ：交互式中使用者须在软件的帮助下 亲自进行配准。若交互程度太大，显然会导致该配准方法的实用性。若进行适当 的交互，则可以大大简化、加速配准过程，提高稳健性。 8 优化过程 根据配准变换的参数求解方式可分为直接法和基于搜索的方法。直接法把问 题简化到一定程度，使得能直接计算出变换参数，如穷尽搜索法。而基于搜索的 方法从一种或多种猜测开始，在最优匹配测度的指导下，使两幅图像在某一变换 时达到最大相似。因此用这种方法需构造出能合理估计变换的最优匹配测度或能 量函数。而该函数( 或测度) 的精确度和计算速度又往往是相互约束的，而且要 避免局部极值。目前应用比较广泛的有p o w e u 法、下山单纯形法、b r e n t 法以及 一系列一维搜索算法、梯度下降法( g r a d i e n td e s c e n tm e t h o s ) 、模拟退火法 ( s i m u l a t e da n n e a l i n g ) 等。多分辨率方法可以加速最优化的收敛速度。在实际中 经常混合使用多种优化算法f 卯。有人对3 d 多模态图像进行配准时采用了p o w e | l 法和一维优化算法，并用多分辨率方法加速配准过程。还有入提出了全局优化策 略综合了遗传算法和切分矩形( d i v i d i n gr e c t a n g l e ) 。 1 4 医学图像配准的评估 医学图像配准，特别是多模态医学图像配准结果的评估一直是件很困难的事 情【l l 。由于待配准的多幅图像基本上都是在不同时间和条件下获取的，所以没有 绝对的配准问题，郎不存在什么金标准( g o l ds t a n d a r d ) ，只有相对的最优( 某种准 则下的) 配准。在此意义上，最优配准与配准的目的有关。常用的评估方法有以 下几种： ( 1 ) 体模( p h a n t o m ) ： 体模又有硬件体模和软件体模之分，后者是计算机图像合成结果。体模法用 己知的图像信息验证新配准算法的精度。由于体模都比较简单，与实际临床图像 差异较大，因此只能对配准方法作初步的评估。 ( 2 ) 准标( f i d u c i a lm a r k s ) x 立体定向框架系统( s t e r e o t a c t i cf r a m es y s t e m s ) 包括立体定向参考框架、立体 兰州大学硕士学位论文 定向图像获取、探针或手术器械导向几部分。优点是定位准确，不易产生图像畸 变。使用立体定向框架系统的体积图像数据可以用来评估其它配准方法的精度。 使用人工记号作准标的方法很多。一种准标是使用9 根棍棒组成的3 个方向的n 字形结构。在c t 测试时，棒内充以硫酸铜溶液；作p e t 测试则填充氟1 8 。这 样，在两组图像中都可见此n 字形准标，从而可对图像准确空间定位。f i t z p a t r i c k 用在人脑表面嵌螺丝做标记( 每人8 个) 的方法对多个病人作c t 、m r 和p e t 实测，得到多组数据。这些数据专门用于多模态医学图像配准算法评估使用。 ( 3 ) 图谱： t h o m p s o n 用随机向量场变换构造一个可变形的概率脑图谱。包括从多个受 试者到单一解剖模板的功能、血管、组织诸方面映射，三维图谱到新受试者的扫 描图像的映射。v i s i b l eh u m a nc d 的c t 骨窗图像、m r 图像及彩绘的冷冻切片 照片像由于具有清晰的解剖结构和高度的分辨率( 1 m m 每层片) ，近来也被用来 作为薪配准方法精度韵评估。 ( 4 ) 目测检验( v i s u a li n s p e c t i o n ) ： 对多模态医学图像配准的结果请领域专家用目测方法检验，听起来有些主 观，但的确是一种相当可信的方法。 兰州大学硕士学位论文 第二章医学图像配准的主要方法 2 1 基于特征的配准方法 特征可以是标记点、分割区的质心、轮廓、表面、容积，或者是它们的组合。 2 1 1 基于点的方法 当两幅图像的对应点集确定以后，只要对准了这些标志点，图像也就配准了。 基于点的方法主要差别在于特征点的选取。原则上外部点法可用于配准任何模态 的图像，而且外部点在医学图像中要比内部点好识别得多，通过比较图像中记号 的位置对配准结果也易于视觉检测：缺点是在使用这些记号时，受试者都要在扫 描装置内严格保持不动，有些还是介入性的。相比起来，内部点法则对受试者比 较友好，而且是全回顾式配准，缺点是内部点的寻找相当困难、费事，要求有一 定的经验，方法带有一些主观性。无论内部点还是外部点，一经确定，两图像的 配准问题就归结为求解对应点集的刚体变换了。对准了这些标志点，两幅图像也 就配准了。 b r a i nc p o r t e r 等【5 】利用3 d m r i 和超声数据中的脉管作为标记点使两幅图 像空间三维对齐。w a n gmy 等人不仅改善了该算法，而且就识别和定位颅骨上 的外特征点作了较详细的研究。r a n g a r a j a n 等对待配准的两幅图像提取出形状特 征点的集合，然后利用互信息法来达到配准。而后周永新等对该法进行了一定的 简化和修正，引入了人机交互，缩短了优化过程，避免了局部极值。由于很多图 像配准技术只适用于图像间存在小角度旋转( 大约为0 5 。) ，周鹏等提出了一种 适用于大角度旋转情况下的快速图像配准方法。它是基于一种新的具有旋转不变 性的角点检测方法，适用于刚体变换，对富含角点信息的图像配准效果更为理想。 2 1 2 基于面的方法 基于面的配准方法中最典型的就是p e l i z z a r i 和c h e n 等研究的“头帽”法。 即从一幅图像中提取一个表面模型称为“头”( h e a d ) ，从另外一幅图像中提取的 轮廓点集称为“帽”( h a t ) 。用刚体变换或选择性的仿射变换将“帽”的点集变 兰”l 大学硕士学位论立 换到“头”上，然后采用优化算法使“帽”的各点到“头”表匝的均方根距离最 小。 如图2 1 是脑c t 和m r 图像的表面匹配示意g r i t 6 1 。先将多层扫描的c t 提 取头外表面轮廓，如图中连续闭合曲线，形成“头”表面；再将m r i 特征点覆 予“头”上，称“幅”。开始“头”与“帽”不相配，经过一个可迭代运算的非 线性变换，使“帽”各点到“头”的均方根距离趋予最小，最终实现两者匹配。 许多学者对该算法作了重要改进，例如用多分辨率金字塔技术克服局部极值问 题；用距离变换拟合两幅图像的边缘点( e d g ep o i n t s ) ，而斜面匹配技术 ( c h a m f e r i n gm e t h o d ) 可有效地计算距离变换。 图2 1 “头帽”法不熏图 迭代最近点法( i t e r a t i v ec l o s e tp o i n ta l g o r i t h m ) 是另一种典型算法【4 】。该算法首 先计算一幅图像中到另一幅图像中代表该特征表面的所有点的最近距离点，然后 通过迭代变换来确定最终的变换参数。为了解决收敛性和局部极小值问题， h e r r i n g j l 、m a u r e r c rj r 等提出了先用手动配准使图像的位置接近于准确值，即 其平移和旋转的范围较小，之后用此方法作进一步的精确配准。 除了采用分割的方法提取两幅图像中脑外表面轮廓特征外【7 j ，还有用多尺度 g a u s s i a n 算子提取脑内部几何特征，然后采用榴关方法在多尺度空间结合外表面 特征和内部特征进行自动配准的方法。也有采用平面变形轮廓( s n a k e ) 和样条插值 提取手术前c t 图像的表面轮廓点集，通过最小化从二维轮廓到三维表面的投影 兰州大学硕士学位论文 线的能量而达到与手术中所获得的脊椎点集配准的目的。 图谱与图像的配准也可认为是一种基于面的配准方法 1 】。不同人脑图像的配 准远比同一个人的不同模式图像的配准困难得多，这是因为每个人脑的形状、尺 寸都有很大的差异。如果我们将脑图像做一定的尺度变换，并对深度内部结构适 当取向后，就会发现不同人脑的解剖结构的大小和形状方面还是具有一定的共性 的。这就使我们有可能构造一个解剖图谱，其前提是受试者间脑的拓扑结构具有 不变性。由于在脑图谱构建过程中有神经解剖学专家直接参与，利用脑图谱进行 配准，就可以利用图谱所包含的先验知识来对病人或其他人的图像自动识别和正 确地分割。一个最著名的方案是建立一个标准的脑坐标系统。t a l a i r a c h3 d 正交 栅格系统为大家广泛接受，从图谱到脑图像的配准归结为逐段仿射变换问题。但 仿射变换不能解决人脑形态的复杂非线性问题，故一些学者研究了用非线性变换 的配准技术。 e v a n s 构建了一个三维的计算机化脑图谱。他们用手工方法从一个高分辨率 的m r 体积图像的所有层片的每半球中都提取6 0 个解剖结构的轮廓线，然后用 贴片算法( t i l i n ga l g o r i t h m ) 将这些结构转化为闭合的多面体，使用时，通过全局仿 射变换或薄板样条函数，交互地使图谱变形去拟合图像数据。g r e i t z 构建的图谱 则是从冷冻尸体脑切片的数字化照片中人工提取2 5 0 个结构，配准方法是先用仿 射变换粗定位，再用非线性变换精细对齐，整个配准过程是交互式的。b a j c s y 等 人首先用弹性形变方法使三维的计算机化脑图谱变形，用于配准c t 和m r 体积 图像。他们还应用从粗到细的多分辨率匹配策略减少计算的复杂性和提高配准精 度。b o o k s t e i n 的薄板样条法和非线性形变理论、m o s h f e g h i 等人的弹性匹配方法、 d a v a t z i k o s 的活动轮廓模型都是独有特色的非线性形变配准方法。c h r i s t e n s e n 用 粘滞流体模型( v i s c o u sf l u i dm o d e l ) 控制形交，模板图像被建模为厚的流体，流体 在内力作用下流动去拟合待配准的体积图像，经过一段时间后，流体停止活动。 该法可以实现任何复杂形状的形变，被认为是当前最高级的图像配准算法，缺点 是算法所需计算量太大，使用d e c m p p1 2 8x6 4m a sp a r 计算机作3 d 配准需要 2 - 6 小时，在m i p s r4 4 0 0 处理机上执行时间约为7 天。只有使用超级计算机做 并行计算，这种算法才能得以实现。 l d i n g 等f 5 】提出了一种利用体积图像的模板匹配法。他们认为，当图像灰 兰州大学硕士学位论文 度不均或几何上差别较大时，利用图像的亚体积反丽会得到更精确的结果。 其它的基于面的配准方法，如b r i c a u l ti 等人用提出了对支气管的术前三维 c t 图像和术中二维内窥镜图像的配准方法，采用多级分割技术，对每级配准都 定义了相关算法：还有研究者根据给定的视角进行明显特征的提取，对术前和术 中的图像配准，并对畸变进行了校准。 2 2 矩和主轴法 基于矩和主轴的方法可以用于体、面和分散点的配准。它的本质是借用经典 力学中物体质量分布的概念，计算两幅图像像素点的质心和主轴，再通过平移和 旋转使两幅图像的质心和主轴对齐从而达到配准的目的。该方法对数据的缺失 较敏感，即要求整个物体必须完整地出现在两幅图像中，此外，该方法对神经医 生感兴趣的某些病案效果不佳。例如，p e t 图像中大的周边低代谢肿瘤可能引起 较大的m r - p e t 配准误差。但是，该算法自动、快速、易实现，所以主要被用 作预配准，以减少后续精确配准时优化算法的搜索区间和计算肘问。 h b i l l o w 等人【5 j 把主轴法应用于n m r 图像序列的配准中，来得到三维骨骼 结构的空间方向。吴锋、钱宗才等提出了一种基于轮廓的力矩主轴配准方法，质 心和主轴的提取是通过c t 和m r 图像的外围轮廓来实现的。葛云等提出的 l e g e n d r e 正交矩无冗余性，和几何矩相比，具有重建特性，且匹配更加准确。但 该正交矩目前还只能用于二维图形的线性配准。 r u s i n e k 等 6 1 对主轴法和表面匹配法作了详细的比较。两种方法都会因提取 脑轮廓所造成的畸变而影响精度；主轴法还对扫描不完全的程度敏感；表面匹配 法无需人为监督，自动化程度高，配准精度高，只是运算较复杂，处理时间长。 2 。3 基于体素特性的配准方法 基于体素特性的配准方法是人们最感兴趣和最重视的研究方法，无需预先的 图像分割，使用灵活，近几年得到了广泛应用。这些方法先根据相似性测度决定 代价函数，然后通过搜索技术使其最小，从而得到配准。日前常觅的基于体素特 性的配准方法有：相关法、最大互信息法( m i ) 、p i u 算法、基于傅立叶域的互 相关法和相位相关法、直方图浆类和直方图离差最小化法、差分图像中零交叉的 兰州大学硕二 学位论文 最大化法等。本文主要介绍前三种方法。 2 3 1 相关法 对于同一物体由于图像获取条件的差异或物体自身发生的小的改变而产生 的图像序列，采用使图像闯相似性最大化的原理实现图像间的配准，即通过优化 两幅图像间相似性测度来估计变换参数，主要是刚体的平移和旋转i “。对照相序 列，考虑到棱镜系统的使用，还要做必要的尺度变换。还须对曝光时间不同引起 的强度差异作修正。对核医学图像也要做强度换算来修正因获取时间、注入活性 及背景等因素产生的影响。所使用的相似性测度可以是多种多样的，例如相关函 数、相关系数、差值的平方和或差的绝对值和等。由于要对每种变换参数可能的 取值都要计算一次相似性涮度，相关法的计算量十分庞大，一些学者在这方面做 出了努力。比如，用相位相关傅立叶法估算平移和旋转参数：用遗传算法和模拟 退火技术减少搜索时间和克服局部极值问题，以及用傅立叶不变性和对数变换分 解变量的互相关技术。赵富强等译谰基于图像特征( “脊”或“谷”) 的相关性算 法对3 维c t - m r 图像进行了配准。罗纲等则以传统的u m e y a m a 点集相关度量 为基础，结合p r o c r u s t e 正规化配准方法，提出了一个新的图像特征点集配准的 加权相关算法。通过引入能逐步修正的加权矩阵，解决了传统方法要求两点集有 相厨点数的限制。s h u n i c h ik a n e k o 等提出了一种选择性相关系数法，可用于光 照条件不好或曲线不完全闭合的图像配准。和经典的互相关法比较，相位相关法 能精确检测出互相关函数的尖峰，而且相位相关法归一化后能拓宽信号范围，对 和图像函数相关的噪声具有很大鲁棒性。 对于属于同一组织结构的医学图像中的两个体索，虽然灰度值不完全一致， 但很接近。因此，和某一组织结构灰度值相邻界的灰度值，往往传递了一定的空 间位置信息。秦斌杰等【5 】对基于体素配准中广泛采用的相似性测度( s m ) 进行了比 较研究，认为在配准条件极不理想的条件下，基于互信息、归一化互信息、相关 比的s m 是最为适用的。但基于互信息进行多模态医学图像配准时，在得到几何 变换的优化过程中容易陷入局部最优，丽基于裙关比进行多模态医学图像配准 时，考虑了体索在表现人体组织结构时的一定灰度值范围的近似量化，易于保证 得到全局最优值。 相关法主要限于单模态图像配准，特别是对一系列图像进行比较，从中发现 兰州大学硕：i ：学位论文 由疾病引起的微小改变。 2 3 2 最大互信息法( m i ) 基于信息论的最大互信息法( m i ，m a x i m i z a t i o no fm u t u a li n f o r m a t i o n ) 是近几 年来受到许多学者广泛关注的一种配准方法【8 】。它是利用图像的灰度特征，在两 幅图像重叠区域内根据像素灰度值直接计算相似性测度函数，不需要对不同成像 模式下的图像灰度间的关系作任何假设，也不需要对图像进行分割或任何预处 理。所以被广泛地用于c t - m r 、p e t - m r 等多种配准处理。 假设两幅图像，。( ) 、j 肋。( r ( ) ) 为两个随机变量，它们的灰度概率密度分 别为p ( i ) 和p ( j ) ，灰度联合概率分布为p ( i ，j ) ，这些概率密度分布可通过图像的 直方图和联合直方图来获得。如桑i t a r g a ( ) 、，。( r ( ) ) 独立不相关，则有 p ( i ，j ) = p ( i ) - p ( j ) ；如果，。( ) 、，f 侧( 7 1 ( ) ) 完全相关，则有p ( f ，j ) = p ( i ) = p ( j ) 。 互信息量就是用来衡量这两个随机变量，。( ) 、，脚( 丁( ) ) 之间的相关性与独立 不相关时的差距。互信息量i p 。( ) ，埘( 丁( 一) ) ) 可表示为： ，( ，。“舢仃”= 吾l - i 丢j - p 川唱兹笼 叫， 其中，、j 分别是两幅图像的灰度级数目，r 是配准过程中用到的变换。当两 组图像的空间位置达到一致的时候，也就是配准的时候，由于图像之间存在的相 关性最大，灰度联合概率密度分布p ( f ，) 最集中，互信息量将最大。 l u o s h u q i a n 等【5 】利用最大互信息法对c t - m r 和m r - p e t 三维全脑数据进行 配准，结果全部达到了亚像素级配准精度。该方法在具体实施过程中采用了不增 加新数据点的格点采样予集、不产生分数灰度值的p v 捶值法和出界点等技术； 在搜索策略上采用了无需计算梯度的p o w e l l 法。 由于原来在栅格上的点经过空间转换后的坐标值不一定为整数，因此需要通 过插值方法获得变换点的灰度值。j o s i e n p tw p l u i m 等对基于互信息的图像配准 所经常用到的两种插值法，线性插值法和部分体积插值法进行了分析。 兰州大学硕士学位论立 p l u i m j p w 等认为互信息的鲁棒性值得怀疑。该论文把待配准图像的互信 息和图像梯度进行综合，从而引进了空间信息。和( 归一化) 互信息相比，该方 法对低样本分辨率不敏感，而且不会出现错