闡述了醫(yī)學(xué)圖像處理技術(shù)的發(fā)展動(dòng)態(tài)，介紹了目前國內(nèi)在三維醫(yī)學(xué)圖像的可視化和基于PACS的醫(yī)學(xué)圖像壓縮在醫(yī)學(xué)圖像處理方面的進(jìn)展。在比較各種技術(shù)在相關(guān)領(lǐng)域中應(yīng)用的基礎(chǔ)上，提出了醫(yī)學(xué)圖像處理技術(shù)發(fā)展所面臨的相關(guān)問題及其發(fā)展方向。
關(guān) 鍵 詞 醫(yī)學(xué)圖像處理; 可視化; 圖像分割; 圖像匹配; 圖像融合; 圖像存檔通信系統(tǒng)

近20多年來，醫(yī)學(xué)影像已成為醫(yī)學(xué)技術(shù)中發(fā)展最快的領(lǐng)域之一，其結(jié)果使臨床醫(yī)生對(duì)人體內(nèi)部病變部位的觀察更直接、更清晰，確診率也更高。70年代初，X-CT的發(fā)明曾引發(fā)了醫(yī)學(xué)影像領(lǐng)域的一場(chǎng)革命，與此同時(shí)，核共振成像、超聲成像、數(shù)字射線照相術(shù)、發(fā)射型計(jì)算機(jī)成像和核素成像等也逐步發(fā)展。計(jì)算機(jī)和醫(yī)學(xué)圖像處理技術(shù)作為這些成像技術(shù)的發(fā)展基礎(chǔ)，帶動(dòng)著現(xiàn)代醫(yī)學(xué)診斷正產(chǎn)生著深刻的變革。各種新的醫(yī)學(xué)成像方法的臨床應(yīng)用，使醫(yī)學(xué)診斷和治療技術(shù)取得了很大的進(jìn)展，同時(shí)將各種成像技術(shù)得到的信息進(jìn)行互補(bǔ)，也為臨床診斷及生物醫(yī)學(xué)研究提供了有力的科學(xué)依據(jù)。因此，醫(yī)學(xué)圖像處理技術(shù)一直受到國內(nèi)外有關(guān)專家的高度重視。醫(yī)學(xué)圖像處理技術(shù)
醫(yī)學(xué)圖像處理技術(shù)包括很多方面，本文主要介紹分析圖像分割、圖像配準(zhǔn)和融合以及偽彩色處理技術(shù)和紋理分析在醫(yī)學(xué)領(lǐng)域的應(yīng)用和發(fā)展。
圖像分割就是把圖像中具有特殊涵義的不同區(qū)域分開來，這些區(qū)域使互不相交的每 一 個(gè)區(qū)域都滿足特定區(qū)域的一致性。它是圖像處理與圖像分析中的一個(gè)經(jīng)典問題。目前針對(duì)各種具體問題已經(jīng)提出了許多不同的圖像分割算法, 對(duì)圖像分割的效果也有很好的分析結(jié)論。但是由于圖像分割問題所面向領(lǐng)域的特殊性，至盡尚未得到圓滿的、具有普適性的解決方法。圖像分割技術(shù)發(fā)展至今，已在灰度閾值分割法、邊緣檢測(cè)分割法、區(qū)域跟蹤分割法的基礎(chǔ)上結(jié)合特定的理論工具有了更進(jìn)一步的發(fā)展。比如基于三維可視化系統(tǒng)結(jié)合Fast Marching算法和Watershed變換的醫(yī)學(xué)圖像分割方法, 能得到快速、準(zhǔn)確的分割結(jié)果。圖像分割同時(shí)又是進(jìn)行三維重建的基礎(chǔ)，分割的效果直接影響到三維重建后模型的精確性，分割可以幫助醫(yī)生將感興趣的物體(病變組織等)提取出來，幫助醫(yī)生能夠?qū)Σ∽兘M織進(jìn)行定性及定量的分析，從而提高醫(yī)生診斷的準(zhǔn)確性和科學(xué)性。如何使多次成像或多種成像設(shè)備的信息得到綜合利用，彌補(bǔ)信息不完整、部分信息不準(zhǔn)確或不確定引起的缺陷，使臨床的診斷治療、放療定位、計(jì)劃設(shè)計(jì)、外科手術(shù)和療效評(píng)估更準(zhǔn)確，已成為醫(yī)學(xué)圖像處理急需解決的重要課題。醫(yī)學(xué)圖像配準(zhǔn)是通過尋找某種空間變換，使兩幅圖像的對(duì)應(yīng)點(diǎn)達(dá)到空間位置和解剖結(jié)構(gòu)上的完全一致。要求配準(zhǔn)的結(jié)構(gòu)能使兩幅圖像上所有的解剖點(diǎn)，或至少是所有具有診斷意義以及手術(shù)區(qū)域的點(diǎn)都達(dá)到匹配。目前醫(yī)學(xué)圖像配準(zhǔn)方法有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。后者由于其無創(chuàng)性和可回溯性，已成為配準(zhǔn)算法的研究中心?；诨バ畔⒌膹椥孕巫兡Ｐ鸵仓饾u成為研究熱點(diǎn)?；バ畔⑹墙y(tǒng)計(jì)兩個(gè)隨機(jī)變量相關(guān)性的測(cè)度，以互信息作為兩幅圖像相似性測(cè)度進(jìn)行配準(zhǔn)基于如下原理：當(dāng)兩幅基于共同的解剖結(jié)構(gòu)的圖像達(dá)到最佳配準(zhǔn)時(shí)，它們對(duì)應(yīng)的圖像特征的互信息應(yīng)為最大。 ]5[]6[
圖像配準(zhǔn)是圖像融合的前提，是公認(rèn)難度較大的圖像處理技術(shù)，也是決定醫(yī)學(xué)圖像融合技術(shù)發(fā)展的關(guān)鍵技術(shù)。近年來國外在圖像配準(zhǔn)方面研究很多，如幾何矩的配準(zhǔn)、利用圖像的相關(guān)系數(shù)、樣條插值等多項(xiàng)式變換對(duì)圖像進(jìn)行配準(zhǔn)。國內(nèi)研究人員也提出了一些相應(yīng)的算法：對(duì)于兩幅圖像共同來估計(jì)其正反變換的一種新的圖像配準(zhǔn)方法，稱為一致圖像配準(zhǔn)方法；采用金字塔式分割，進(jìn)行多柵格和多分辨率的圖像配準(zhǔn)，稱為金字塔式多層次圖像配準(zhǔn)方法；為了提高CT、MRI、PET多模態(tài)醫(yī)學(xué)圖像的三維配準(zhǔn)、融合的精度，還可以采用基于互信息的方法。在圖像配準(zhǔn)方面，在努力提高配準(zhǔn)精度的同時(shí)，目前提出的多種方法都盡量避免人工介入，力求整個(gè)過程自動(dòng)化，其結(jié)果導(dǎo)致實(shí)現(xiàn)算法的過程復(fù)雜而耗費(fèi)時(shí)間，文獻(xiàn)[5]已進(jìn)行研究，試圖實(shí)現(xiàn)基于人機(jī)交互的快速圖像配準(zhǔn)策略, 同時(shí)根據(jù)圖像的不同成像模式選擇合適的配準(zhǔn)測(cè)度也十分重要。
不同的醫(yī)學(xué)圖像提供了相關(guān)臟器的不同信息，圖像融合的潛力在于綜合處理應(yīng)用這些成像設(shè)備所得信息以獲得新的有助于臨床診斷的信息。利用可視化軟件，對(duì)多種模態(tài)的圖像進(jìn)行圖像融合，可以準(zhǔn)確地確定病變體的空間位置、大小、幾何形狀及它與周圍生物組織之間的空間關(guān)系，從而及時(shí)高效地診斷疾病，也可以用在手術(shù)計(jì)劃的制定、病理變化的跟蹤、治療效果的評(píng)價(jià)等方面。在放療中，利用MR圖像勾勒畫出腫瘤的輪廓線，也就是描述腫瘤的大??；利用CT圖像計(jì)算出放射劑量的大小以及劑量的分布，以便修正治療方案。在制定手術(shù)方案時(shí)，對(duì)病變與周圍組織關(guān)系的了解是手術(shù)成功與否的關(guān)鍵，所以CT與MR圖像的融合為外科手術(shù)提供有利的佐證，甚至為進(jìn)一步研究腫瘤的生長(zhǎng)發(fā)育過程及早期診斷提供新的契機(jī)。在CT成像中，由于骨組織對(duì)X線有較大的吸收系數(shù)，因此對(duì)骨組織很敏感；而在MR成像中，骨組織含有較低的質(zhì)子密度，所以MR對(duì)骨組織和鈣化點(diǎn)信號(hào)較弱，融合后的圖像對(duì)病變的定性、定位有很大的幫助。由于不同醫(yī)學(xué)成像設(shè)備的成像機(jī)理不同，其圖像質(zhì)量、空間與時(shí)間特性有很大差別。因此，實(shí)現(xiàn)醫(yī)學(xué)圖像的融合、圖像數(shù)據(jù)轉(zhuǎn)換、圖像數(shù)據(jù)相關(guān)、圖像數(shù)據(jù)庫和數(shù)據(jù)理解都是亟待解決的關(guān)鍵技術(shù)。對(duì)一幅黑白圖像，人眼一般只能辨別出4到5比特的灰度級(jí)別，而人眼能辨別出上千種不同的顏色。針對(duì)這一特點(diǎn)，人們往往將黑白圖像經(jīng)過處理變?yōu)椴噬珗D像，充分發(fā)揮人眼對(duì)彩色的視覺能力，從而使觀察者能從圖像中取得更多的信息，這就是偽彩色圖像處理技術(shù)。醫(yī)學(xué)圖像大多是黑白圖像，如X、CT、MRI、B超圖像等。經(jīng)過偽彩色處理技術(shù)，即密度分割技術(shù)，提高了對(duì)圖像特征的識(shí)別。通過臨床研究對(duì)X線圖片、CT圖片、MRI圖片、B超圖片、電鏡圖片均進(jìn)行了偽彩色技術(shù)的嘗試，取得了良好的效果，部分圖片經(jīng)過處理后可以顯現(xiàn)隱性病灶。例如對(duì)X線圖片，在乳腺照影中偽彩色處理能鑒別囊性病、良性和惡性腫瘤，同樣，鋇餐照影圖片和各種X線圖片也得到良好的診斷效果。紋理是人類視覺的一個(gè)重要組成部分，迄今為止還難以適當(dāng)?shù)貫榧y理建模。為此有關(guān)專家進(jìn)行了大量的探索研究，但未能獲得有關(guān)紋理的分析、分類、分割及其綜合的有效解釋。有研究針對(duì)肝臟疾病難以根除、危害面廣的問題，采用灰度梯度共生矩陣的方法，分別提取纖維化肝組織和正常肝組織的CT圖像的紋理特征，提出了基于灰度梯度共生矩陣的小梯度優(yōu)勢(shì)、灰度均方差、灰度熵等參數(shù)作為圖像的紋理特征量。通過選取的紋理參數(shù)，可以看到正常組和異常組之間存在顯著性差異，為纖維化CT圖像臨床診斷提供了依據(jù).