浅析医学图像配准研究的进展

陈晶晶

(浙江省天台县中医院 设备科，浙江天台317200)

浅析医学图像配准研究的进展

陈晶晶

(浙江省天台县中医院 设备科，浙江天台317200)

医学图像配准是指寻求两幅图像间一对一映射的过程，即将两幅图像中对应于空间同一位置的点联系起来。医学图像配准是进行医学图像处理的基础，在临床诊断和治疗中占有重要地位。本研究将对医学图像配准方法分类和应用进行概述，旨在为今后其方法的改进和临床的应用提供参考。

医学图像配准；诊断；治疗

随着医学技术的发展，医学成像技术已在临床广泛应用，成为诊断、治疗、预防的重要辅助手段。成像方式主要分成结构性和功能性成像。两种成像技术得出的数据可为临床追踪提供完整的信息，但由于不同方式形成的医学图像及形成原理、分辨率、各成像参数都不同，所以在进行不同图像融合前需要对图像进行配准。医学图像配准实际上就是找到一定的空间转换方式，将不同图像的对应点达到空间和解剖结构上的一致。只有通过图像配准才能将多幅含有不同信息的图像集成起来[1]。

本研究将对医学图像配准相关信息加以概述，旨在为今后医学图像配准技术的临床应用提供参考。

1 经典的图像配准算法

1.1 维数

空间维数包括：2-D-2-D，2-D-3-D，3-D-3-D；时间维数包括：2-D-2-D，2-D-3-D，3-D-3-D。

(1)空间图像配准方法：现今临床使用较广的空间配准的方法是3-D-3-D配准，即三维空间图像间的配准，主要应用于EEG成像图像的配准。2-D-2-D配准主要应用于肝门静脉成像。2-D-2-D配准相对于3-D-3-D配准，由于其图像包含的参数个数较少，数据也较为集中，所以其配准的速度更快。而2-D-3-D配准由于其成像快，提供信息量也较大，所以常用有手术过程中，以满足短时间内需要提供充足信息的需要[2]。

(2)时间图像配准方法：就是将一段时间间隔内的空间图像进行配准。如在观察儿童骨生长时就需要使用时间图像配准才能得到一段时间内骨头变化的信息。再如对肿瘤生长情况的观察，或对一段时间内药物作用的评价[3]。

1.2 图像配准基准的本质

按配准基准的本质，图像配准可分为基于外部特征的图像配准、基于内部特征的图像配准、基于非图像的配准。其中基于外部特征的图像配准又分为非侵入性的模型、框架或皮肤标记和侵入性的立体定位框架和螺钉标记。此方法的图像配准是在需要成像的空间上加入人造标记。基于外部特征的图像配准能通过精确清晰的观察，迅速成像，其配准参数简单，运算简洁。其缺点是操作人员需要熟练掌握仪器操作，即对操作人员技术水平要求高，且由于非侵入性图像配准精确度低，所以大多使用侵入性配准，对患者身体造成一定伤害[4]。

基于内部特征的图像配准就是利用患者体内图像信息，根据其配准标准分为界标法、分割法、体素特征法。其中界标法是指利用一些明显的标记点如解剖特征部位或几何特征部位，通过识别足够多的标记点来得到原始图像信息。分割法是通过对图像分割来得到配准标记，从而进行计算。体素特征法是利用图像的灰度信息作为配准依据进行计算的方法[5]。

非图像的配准是基于校准扫描坐标系的影像扫描仪，这也要求扫描仪处于相同的物理位置，且患者在扫描的过程中不动。

1.3 转换的本质和域

根据转换的本质图像配准可以分为刚性转换，仿射转换，投射转换，曲线转换。其中基于图像坐标系的转换叫做刚性转换，它允许图像的平移和旋转。仿射转换是指直线映射成直线时保持其平行性，但不保持其垂直性。投射转换是指直线映射时其平行性和垂直性都无法保持。曲线转换是指图像直线映射成曲线，也称之为弹性转换[6]。

根据转换的域可以将图像配准分为全面和局部转换。如果转换应用于全部图像则称之为全面转换，反之则称之为局部转换。近年来，研究人员在图像配准中常常进行如下搭配，刚性和仿射转换与全面转换，而曲线转换与局部转换相搭配。局部曲线转换可以提供局部的精细准确的内部信息，如用于观察脑部结构的脑CT；而全面刚性转换则应用范围更广，因为许多医学图像是刚性线条，而且刚性全面转换过程中索性的参数更少，转换的复杂性更小，配准的速度更快[7]。

1.4 交互性

交互性是指图像配准过程中人参与的程度，主要分为交互型、半自动型、全自动型。交互型是指操作人员自己对图像进行配准，软件只提供转换的图像或数字信息，和可行的初始转换策略，可分为配准算法的初始化提供型和非初始化提供型。半自动型是指一方面操作人员需要初始化配准算法，另一方法，还需要对计算进行指导，也就是拒绝或接受计算机提供的配准假设，其可分为操作人员初始化型、操作人员指导或纠正型、两者皆有型。全自动型是指操作人员只提供图像数据或可能用到的信息即可。基于外部特征的图像配准常常使用全自动法，这是因为图像中的标志物比较明显，计算机能够自己识别，而不需操作人员对其进行纠正，如此也进一步加快了配准的速度。当需要操作人员大致指出标记点时，可以使用半自动法，如基于内部特征的图像配准中的标记点法和分割法往往与需要操作者初始化的半自动法联合，而体素特征法则与全自动法联合。交互法近年来已较少使用[8]。

1.5 优化过程

根据配准参数的求解过程可以将图像配准分为参数直接计算法和参数搜索法。参数直接计算法是指将图像信息简化，然后直接计算出转换参数的方法。参数搜寻法是指在最优匹配测度的指导下，使图像转换时达最大相似度，这一方法需要构建最优匹配测度和能量函数以进行合理变换。实际应用中是多种优化方法联合使用，可以开始时使用粗略快速算法，其后使用精确慢速算法，如Powell法和一维优化法的联合使用，遗传算法和切分矩形法的联合使用[9]。

2 医学图像配准的应用

医学图像配准主要应用于脑部图像的配准，其中包括单模型、多模型、模型和患者配准等。单模型图像配准的经典案例是CT。Gueziec等人在1992年进行了3D CT图像配准，通过配准患者表面的曲率的极致曲线来完成。这项技术随后在1994年和1996年被Thirion应用。Van Herk等人在1994年采用斜面匹配的方法对图像表面进行配准，这项技术主要是应用计算前距离图像来进行两个表面距离的快速计算。Morris等人在1993年应用刚性和仿射法对MR图像进行配准，其主要依据原始轴和重力中心提供的信息进行配准。Nakazawa等人在1994年使用曲线法对MR图像进行配准，其具体过程是对2D切片的结构进行分段曲线或表面的弹性变形。PET图像的配准常常使用3D图像刚性配准[10～12]。Eberl等人使用3D图像刚性配准法对SAD和SPECT图像进行配准。Venot等人引入了DSC标准，对X光图像进行全面刚性配准。Shields等人对颈动脉的US 2D时间图像进行仿射局部匹配配准。Hill等人使用全自动标记点法计算转换参数，从而实现了CT和MR图像之间的配准。Alpert利用图像原始轴和重力中心进行刚性3D转换，进而对CT和PET图像进行配准。Van Herk等人使用刚性斜面匹配法对CT和SPECT图像进行配准。Rubinstein等人使用刚性全自动标记点法对SPECT和MR图像进行配准[13,14]。

3 总结

以上对医学图像配准技术和应用的概述提示医学图像配准在预防，治疗等方面已占有越来越重要的地位。但是由于一些技术的临床应用研究尚浅，所以其有效性还存在争议，所以若要使这些方法发挥充分作用，仍需对其进行更深入的临床和基础研究。

[1]周永新，罗述谦. 基于形状特征点最大互信息的医学图象配准[J]. 计算机辅助设计与图形学学报，2002，14(7)：654-658.

[2]DING L， GOSHTASBY A，SATTER M. VoIume image reg-istration by tempIate matching [J]. Image and Vision Com-puting，2001，19(12)：821-832.

[3]BULOW H，DOOLEY L，WERMSER D. AppIication ofprincipaI axes for registration of NMR image seguences[J]. Pattern Recognition Letters，2000，21(4)：329-336.

[4]吴锋，钱宗才，杭洽时,等. 基于轮廓的力矩主轴法在医学图像配准中的应用[J]. 第四军医大学学报，2001，22(6)：567-569.

[5]葛云，舒华忠，罗立民. 基于 Legendre 正交矩的配准方法及其在二值图像配准中的应用[J]. 电子学报，2001，29(1)：54-57.

[6]WACHOWIAK M P，SMOLIKOVA R，TOURASSI G D， etaI. GeneraIized mutuaI information simiIarity metrics formuItimodaI biomedicaI image registration[A]. Engineeringin Medicine and BioIogy. 24th AnnuaI Conference and theAnnuaI FaII Meeting of the BiomedicaI Engineering Society[C]. Houston， Texas， USA： The Institute of EIectricaI andEIectronics Engineers， Inc，2002，2:1 005-1006.

[7]LUO SHUOIAN，LI XIANG. ImpIementation of mutuaI in-formation based muIti - modaIity medicaI image registration[A]：Engineering in Medicine and BioIogy Society. Pro-ceedings of the 22nd AnnuaI InternationaI Conference of theIEEE[C]. Navy Pier Convention Center Chicago， IIIinois，USA： The Institute of EIectricaI and EIectronics Engineers，Inc，2000，2：1447-1450.

[8]ROHR K， STIEHL H S ， SprengeI R ， et aI. Landmark -based EIastic registration using approximating thin - pIatespIines[J]. IEEE Transactions On MedicaI Imaging，2001,20(6) :526-533.

[9]THOMAS M. LEHMANN，CLAUDIA GONNER，KLAUSSPITZER. Survey： InterpoIation methods in medicaI imagesprocessing[J]. IEEE Transactions On MedicaI Imaging，1999，18 (11):1049-1072.

[10]PLUIM J P W. Information and gradient information[J]. IEEETransactions on MedicaI Imaging，2000，19(8)：809-814.

[11]杨虎，马斌荣，任海萍，等. 基于互信息的人脑图像配准研究[J]. 中国医学物理学杂志， 2001，18 (2) ：69-72.

[12]赵富强，于红玉，马斌荣，等.基于图像特征的 CT - MR 图像配准[J].北京生物医学工程， 2000，19(4)：206-211.

[13]罗纲，罗斌. 图象特征点集配准的加权相关迭代算法[J]. 中国图象图形学报，2000，2 (9)：755-758.

[14]SHUN' ICHI KANEKO， YUTAKA SATOH， SATORU IGA-RASHI. Using seIective correIation coefficient for robustimage registration[J]. Pattern Recognition，2003，36(5)：1165-1173.

2014-07-10

TP391.41

A

1002-2376(2014)12-0004-03