一、概述
醫(yī)學(xué)成像已經(jīng)成為現(xiàn)代醫(yī)療不可或缺的一部分，其應(yīng)用貫穿整個(gè)臨床工作，不僅廣泛用于疾病診斷，而且在外科手術(shù)和放射治療等的計(jì)劃設(shè)計(jì)、方案實(shí)施以及療效評估方面發(fā)揮著重要作用。目前，醫(yī)學(xué)圖像可以分為解剖圖像和功能圖像兩個(gè)部分。解剖圖像主要描述人體形態(tài)信息，包括X射線透射成像、CT、MRI、US，以 及各類內(nèi)窺鏡 (如腹腔鏡及喉鏡)獲取的序列圖像等。另外，還有一些衍生而來的特殊技術(shù)，比如從X射線成像衍生來的DSA，從MRI技術(shù)衍生來的MRA，從US成像衍生 而來的Doppler成像等。功能圖像主要描述人體代謝信息，包括PET、SPECT、fMRI等。同時(shí)，也有一些廣義的或者使用較少的功能成像方式: EEG、MEG、pMRI (perfusion MRI)、fCT等。多種成像模式提供的信息常常具有互補(bǔ)性，為了綜合使用多種成像模式以提供更全面的信息，常常需要將有效信息進(jìn)行整合。整合的第一步就是使多幅圖像在空間域中達(dá)到幾何位置的完全對應(yīng)，這一步驟稱為“配準(zhǔn)”。整合的第二步就是將配準(zhǔn)后圖像進(jìn)行信息的整合顯示，這一步驟稱為“融合”。
二、配準(zhǔn)的分類
根 據(jù)成像模式的性質(zhì)不同，配準(zhǔn)可以分為多模配準(zhǔn)和單模配準(zhǔn)。多模配準(zhǔn)是指待配準(zhǔn)的多幅圖像來源于不同的成像設(shè)備' 單模配準(zhǔn)是指待配準(zhǔn)的多幅圖像是用同一種設(shè)備獲取的。多模配準(zhǔn)主要應(yīng)用于神經(jīng)外科的診斷、手術(shù)定位及放療計(jì)劃設(shè)計(jì)等。比如將MRI、CT、DSA等解剖圖像與SPECT、PET和EEG等功能信息相互結(jié)合，對癲癇進(jìn)行手術(shù)定位。另外，由于MR適于腫瘤組織的輪廓描述而通過CT又可精確計(jì)算劑量，因此，在放 療中常需要將二者進(jìn)行配準(zhǔn)。單模融合多用于療前療后的對比、疾病(如癲癇)發(fā)作期與發(fā)作間期對比、腫瘤或骨骼的生長監(jiān)測。比如，可通過將不同權(quán)重的MRI 圖像融合以區(qū)分不同組織' 通過電鏡圖像序列融合以獲得微生物、細(xì)胞和亞細(xì)胞粒子的形態(tài)、運(yùn)動(dòng)等動(dòng)態(tài)信息' 將fMRI圖像序列融合以測試腦功能。將一個(gè)病人同一器官的不同時(shí)間、同種檢查圖像融合，可以用于對比以跟蹤病情發(fā)展，確定該檢查對該疾病的診斷特異性，并確定治療過程。如果被分析的圖像本身就是三維圖像，這樣的圖像序列就成為四維圖像(如心動(dòng)圖像分析)。在腫瘤診治中，可以通過不同時(shí)間的PET圖像分 析，判斷哪些腫物是新生的，哪些是經(jīng)放射治療后纖維化的、哪些是轉(zhuǎn)移灶。
根據(jù)配準(zhǔn)依據(jù)的不同，醫(yī)學(xué)圖像配準(zhǔn)方法可分為基于外部特征的 圖像配準(zhǔn)(有框架)和基于圖像內(nèi)部特征的圖像配準(zhǔn)(無框架)兩種方法。外部定位標(biāo)志法的特點(diǎn)是定位簡單，較準(zhǔn)確，成像后可以全自動(dòng)進(jìn)行配準(zhǔn)，對位參數(shù)易于 計(jì)算，不需復(fù)雜的優(yōu)化算法。在醫(yī)學(xué)圖像中外部點(diǎn)比內(nèi)部點(diǎn)更容易識(shí)別，直接比較圖像標(biāo)記點(diǎn)的位置，可以進(jìn)行配準(zhǔn)結(jié)果視覺檢測。該方法不需要過多的校正，但是要保持人體與標(biāo)志的相對固定。由于外部定位標(biāo)志法不能包含病人相關(guān)圖像信息，因此對位限制于剛體變換，從而多限于頭部與矯形外科。此法曾作為一種主要的融 合對位方式廣泛應(yīng)用，但終因其臨床操作麻煩而被放棄。目前較少作為實(shí)用融合算法出現(xiàn)，經(jīng)常用來評估非外部標(biāo)志融合方法的精度。內(nèi)部特征法從不同成像模式中提取共有特征的體位標(biāo)志進(jìn)行對位，它僅基于病人自身圖像的信息。體位標(biāo)志包括解剖標(biāo)志，幾何標(biāo)志，局部點(diǎn)、線、表面輪廓特征及像素特征等。由于標(biāo)志點(diǎn)、 線、面比原始圖像點(diǎn)數(shù)要少得多，因此可以加快對位速度。由于其無創(chuàng)性和可回溯性，已成為配準(zhǔn)算法研究的重心。一般意義下的配準(zhǔn)方法可分為以下幾個(gè)步驟: 提取特征、特征配對、選取變換和確定參數(shù)、執(zhí)行整個(gè)變換。根據(jù)以上四步實(shí)現(xiàn)上的不同，配準(zhǔn)方法可分為四類: 點(diǎn)法、表面法、矩法、基于體素相似性方法。其中基于體素相似性的方法不需要提取圖像間對應(yīng)的解剖特征，是一種穩(wěn)健性強(qiáng)、精度高的全自動(dòng)方法。1993 年，Woods以條件熵為配準(zhǔn)的測度，開發(fā)了應(yīng)用于PET-MR圖像配準(zhǔn)的軟件' 1995年，Van den Elsen利用復(fù)微分算子在尺度空間提取的解剖結(jié)構(gòu)用相關(guān)性方法來配準(zhǔn)CT和MR圖像' 同年，Collignon和Studholme等提出了用聯(lián)合熵和互信息配準(zhǔn)圖像的方法' 隨后，Viola，Wells，Maes，Meyer等采用互信息作為配準(zhǔn)的相似性測度來配準(zhǔn)醫(yī)學(xué)圖像' 1999年，Rangarajan提出了基于互信息的點(diǎn)的配準(zhǔn)算法' 2000年，Likar將互信息應(yīng)用于彈性形變模型來配準(zhǔn)肌纖維圖像。由于互信息法不需要對不同成像模式下的圖像灰度間的關(guān)系作任何假設(shè)，也不需要對圖像進(jìn)行分割或任何預(yù)處理，因此它在醫(yī)學(xué)圖像配準(zhǔn)領(lǐng)域得到了普遍關(guān)注和廣泛應(yīng)用。
三、配準(zhǔn)方法的評價(jià)
對 于配準(zhǔn)方法的評價(jià)常常是從配準(zhǔn)精度、速度、穩(wěn)健性、復(fù)雜性等多方面進(jìn)行的。但是不同的方法各自有其特點(diǎn)，籠統(tǒng)地劃分好壞是沒有意義的。在不同的應(yīng)用環(huán)境下，需要根據(jù)實(shí)際情況，選擇合適的方法。許多學(xué)者和科研機(jī)構(gòu)對配準(zhǔn)方法的評價(jià)做了大量研究。其中最為著名的是由美國Vanderbilt大學(xué)J. Michael Fitzpatrick教授領(lǐng)導(dǎo)的“回顧性圖像配準(zhǔn)評估(Evaluation of Retrospective Image Registration)”項(xiàng)目。該評估項(xiàng)目是一種“雙盲”性的研究過程。所謂“雙盲”，即評估人員不知道項(xiàng)目成員的配準(zhǔn)算法，而研究人員不知道“金標(biāo) 準(zhǔn)”，直到提交所有的配準(zhǔn)結(jié)果。這樣就使得對算法的評估更加真實(shí)、可靠，并且更符合臨床實(shí)際。目前，已有20多個(gè)科研小組參加了該評估項(xiàng)目。
四、融合方法的分類
融 合的目的就是使得臨床工作人員可以快速獲取感興趣的互補(bǔ)信息，因此，根據(jù)臨床工作的目的和習(xí)慣的不同，可設(shè)計(jì)和選擇不同的融合方法。目前，融合方法可以分為基于層面的二維融合方法和三維融合方法。二維融合法分為: 鄰近顯示法、直接融合法、特征選擇融合法。三維融合方法分為: 半三維融合和表面紋理化和表面映射，三維融合技術(shù)目前尚在進(jìn)一步研究中，在臨床應(yīng)用得較少。鄰近顯示法把多個(gè)配準(zhǔn)了的圖像在不同窗口中按層面顯示，層與層之間是對應(yīng)的，窗口中圖像可調(diào)整亮度和對比度，在各個(gè)窗口中，鼠標(biāo)指示的是相同的解剖位置，因此可以觀察到準(zhǔn)確的對位。直接融合法對待融合圖像對應(yīng)象素直 接作加、減、乘、加權(quán)或者采樣運(yùn)算，所得結(jié)果即為融合圖像，也可利用“顏色沖洗”技術(shù)，把功能圖像中的顏色映射到解剖圖像中對應(yīng)位置。特征選擇融合是把一幅多幅圖像中的特征提取出來，集成到其它圖像中去的融合方法，可以在不同成像模式圖像中選取不同成分，然后映射到新的圖像空間中去，也可以將一幅圖像中的 某些特征(如點(diǎn)集、輪廓或解剖結(jié)構(gòu))提取出來，疊加到另一幅圖像中去。鄰近顯示法容易實(shí)現(xiàn)、直觀、常用，但是僅有少部分信息參與了集成，許多有意義的特征都被非診斷信息掩蓋或模糊。特征選擇融合方法把多幅圖像中感興趣的區(qū)域進(jìn)行有效的集成，但需要人為參與圖像分割，提取感興趣區(qū)域，不是全自動(dòng)融合方法。
五、討論
目前配準(zhǔn)和融合方法的研究進(jìn)展非常迅速。研究熱點(diǎn)主要集中在以下方面:
1. 相似性測度的選擇
因 為外標(biāo)志點(diǎn)方法的臨床應(yīng)用局限性，人們的研究目光集中在內(nèi)部特征選取上。如何選擇一個(gè)合適的相似性測度，使得它可以描述圖像幾何位置符合的程度，并且易于計(jì)算是一個(gè)重要課題。比如，目前互信息由于其無需預(yù)處理以及魯棒性強(qiáng)等特點(diǎn)，得到了廣泛應(yīng)用，但同時(shí)，低階互信息僅僅關(guān)注灰度的統(tǒng)計(jì)特性，忽略了空間信 息，往往出現(xiàn)誤配準(zhǔn)，因此，提出了使用高階互信息，結(jié)合鄰域中的空間信息，可以大大地降低誤配準(zhǔn)率。
2. 優(yōu)化方法的選擇
由 于相似性測度的最優(yōu)化涉及到多個(gè)參數(shù)，比如剛體變換有6個(gè)參數(shù)，參數(shù)較多，尋找最優(yōu)參數(shù)的時(shí)候，優(yōu)化方法選擇非常重要。梯度下降法、Powell等方法都 是局部搜索法，在搜索中可能會(huì)陷入局部極值，從而導(dǎo)致誤配準(zhǔn)。此時(shí)可以考慮選擇遺傳算法和模擬退火等全局搜索算法。但是這些全局搜索算法一方面非常復(fù)雜，比如模擬退火法的多個(gè)參數(shù)的初始值較難選擇' 另一方面，計(jì)算時(shí)間和空間的要求非常大，不能滿足臨床的要求。因此，需要選擇合適優(yōu)化方法，在準(zhǔn)確性和速度之間作出折衷。
3. 多分辨率方法
多分辨率方法先用通過采樣得到的低分辨率圖像進(jìn)行預(yù)配準(zhǔn)，再將結(jié)果作為初始參數(shù)代入下一級(jí)優(yōu)化。由于低分辨率圖像配準(zhǔn)的計(jì)算代價(jià)小，結(jié)果代入后能減少原始圖像的配準(zhǔn)迭代次數(shù)，使之很快達(dá)到收斂，因此是一種有效的可行的方法。此策略對大多數(shù)圖像起到了加速效果，表明采樣圖像和原始圖像在同一極值附近收斂。但 對某些圖像而言，其效果并不顯著。原因在于，這些低分辨率圖像的采樣對配準(zhǔn)函數(shù)的平滑度產(chǎn)生了負(fù)面的效果，這樣將更容易導(dǎo)致局部極值，使得配準(zhǔn)失敗。如果采樣圖像配準(zhǔn)不成功，不能為原始圖像提供一個(gè)好的初始值的話，那么，這種策略對整個(gè)配準(zhǔn)過程而言，沒有太多意義。因?yàn)椋乱患?jí)原始圖像的配準(zhǔn)與直接法所需 時(shí)間將是一樣，這使得總時(shí)間延長，精度沒有變化。
4. 非剛體配準(zhǔn)
剛體配準(zhǔn)在 許多情況下不能滿足臨床的需要，因?yàn)楹芏嘈巫兊男再|(zhì)是非剛體、非線性的。比如為了精確定位腦功能區(qū)，常需要將CT或MR圖像與圖譜(如Talairach 圖譜)進(jìn)行配準(zhǔn)，此時(shí)由于個(gè)體差異的存在，無法簡單使用剛體配準(zhǔn)。又比如MR圖像，常常伴有組織磁化系數(shù)差異、非水分子的化學(xué)位移以及血流流動(dòng)等因素導(dǎo)致 的幾何畸變以及由于磁場不均勻、磁場梯度非線性及渦流等導(dǎo)致的探測畸變，因此在放療計(jì)劃制定中，將CT與MR圖像配準(zhǔn)時(shí)，不能單純地使用剛體配準(zhǔn)。尤其對 一些特殊部位，比如鼻咽部，由于軟組織和空氣的磁化系數(shù)差異大約為105，會(huì)引起10ppm的磁場變化，從而導(dǎo)致大于5mm的幾何畸變。此時(shí)，為了得到滿 意的結(jié)果，必須使用非剛體配準(zhǔn)。這類配準(zhǔn)問題中常用的方法大致有兩類: 一是借助一個(gè)共同的標(biāo)準(zhǔn)來比較。例如，要對兩個(gè)病人的PET或MRI圖像進(jìn)行比較，首先要把二者的圖像都映射到一個(gè)共同的參考空間去，然后在此空間中對二 者進(jìn)行比較。目前使用較多的是Talairach標(biāo)準(zhǔn)空間(圖譜)、The Pione-ering VoxelMan圖譜、Visible Human/Woman數(shù)據(jù)集，可以對不同的人腦圖像進(jìn)行比較。二是非線性形變法，模仿彈性力學(xué)方法，根據(jù)人體生理解剖特性，建立特殊物理模型(例如連續(xù) 統(tǒng)一體模型、線性彈性模型、粘性流體統(tǒng)一體模型、參數(shù)模式的彈性模型等)，將一個(gè)人的三維圖像逐步進(jìn)行非線性變換，使它最終能較好地與另一個(gè)人的三維圖像達(dá)到最佳的匹配。
六、結(jié)論
雖 然目前硬件上出現(xiàn)了CT-PET以及帶融合功能的SPECT，但是軟件配準(zhǔn)、融合仍然是不可缺少的。一方面，因?yàn)榕R床需要比較復(fù)雜，不可能將所有需要的機(jī)器組合都實(shí)現(xiàn)' 另一方面，同一病人不同時(shí)間的兩幅相同模式圖像進(jìn)行配準(zhǔn)以衡量療效時(shí)，就不能不采用軟件方式來配準(zhǔn)融合。因此，繼續(xù)進(jìn)行軟件配準(zhǔn)融合的研究非常必要。同時(shí)，軟件配準(zhǔn)融合的算法發(fā)展迅速，精度和速度等都有非常大的提高，可以滿足臨床需要。在醫(yī)學(xué)圖像配準(zhǔn)和融合也必將繼續(xù)得到廣泛關(guān)注。
聯(lián)系客服
