马东孙永兴综述程敬之审校

摘要医学影像工程不断发展，出现了很多先进的成像设备，有力地支持了医学诊断和治疗。而以计算机技术为基础的成像后处理技术进一步提高了诊疗的可靠性。我们着重介绍了多模式医学图像融合和配准的技术内容和应用。

Registraction and Fusion of Multimodality Medical Images

Ma DongSun YongxingCheng Jingzhi

Department of Biomedical Engineering and Instrumentation, Xi'an Jiao Tong University, Xi'an710049

Department of Biomedical Engineering and Instrumentation,Fouth Military Medical University, Xi'an710032

AbstractThis paper introduces the present situation of research and methods of multimodality medical images fusion. Some algorithms and relative techniques are given in detail. A summary of the clinical application of multimodality medical images fusion is also presented.

Key wordsMedical imagesImage processingRegistrationFusion

1引言

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(CT)、数字减影血管造影(DSA)、单光子发射断层成像(SPECT)、磁共振成像(MRI)、数字荧光造影(DF)、正电子发射断层成像(PET)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——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(一般为两种)的图像结合起来。利用各自的优点，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

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，实用性学科领域。包括X射线、超声、CT、MRI、核医学图像(SPECT、PET)、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(3 mm)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，空间分辨率小于3 mm，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(SPECT约10 mm，ECT约6 mm)，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

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，融合的方法也多种多样，归纳起来，主要按以下步骤进行：

(1)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。

(2)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。

(3)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某种准则的最小值。

(4)配准后的两种模式的图像在同一坐标系下将各自的有用信息融合表达成二维或三维的图像。

(5)从融合图像中提取和测量医学特征参数，定性、定量分析，做出病情诊断或指导外科手术及放射治疗计划。

在完成上述图像融合的过程中，涉及到许多具体的技术，尤其集中于计算机自动处理方面。下面就几个主要技术加以总结。

3.1图像分割和特征点选取

图像配准的精度取决于特征点的选取。以大脑的图像融合为例，在早期的研究中^［3，4］，采用戴含界标的头套或将病人头部固定于立体定位架中，经两种成像可得到共同的参照坐标系，这一方法显然操作不便，也使病人痛苦，不太实用。后来，人们将头(脑)的外轮廓及内部一些解剖特征点作为标记，实现无架匹配^［5～8］。这些特征点应具有空间不变性，还要求同时存在于两种图像中，并且在自动提取算法中易于识别。除脑之外，其它部位或兴趣区(ROI、VOI)的融合也选取了诸如外标记架、橡胶绑带、标记钉、体内解剖特征点(血管分支点，器官边界、血管壁等)。

为准确、自动提取标记点，需对图像作精确分割。如分割出头皮、颅骨、灰白质等，并剔除非脑软组织。Ardekani等^［9］提出了全自动的脑MRI图像分割方法，首先用梯度算子提取脑轮廓；第二步用K-均值算法将脑内部聚类成4个不同类；最后，利用多个特征参数-灰度、边界分维数、平均深度、对称性等，得到多个兴趣区的边界，与原图像叠加，即可显出脑内部主要区域及脑轮廓。其它一些分割方法诸如用数学形态算子^［10］、边缘提取方法^［11］，以及人工交互式分割^［12］都可有效分割目标。

3.2配准技术

人体同一解剖位置经不同的图像设备得到的图像会在图像分辨率、大小、几何形状、扫描角度、断层间距等方面不一致。配准就是将这两种图像统一到共同的空间坐标系中，保持两图像中对应位置的一致性。从数学模型上表达，配准可描述为求解从一个数据集到另一个数据集的映射变换，经过变换后的两个图像集将达到最优匹配，即它们之间的误差距离(有多种定义)最小。

3.2.1基于多项式配准方法对于有架或外部界标的配准，从参照系中的对应点可直接求得变换函数。一般为多项式线性函数，可简单表示为：

x^′₁=a^．₁x₁+b^．₁y₁+c₁

y^′₁=a^．₂x₁+b^．₂y₁+c₂

其中：a₁，a₂，b₁，b₂，c