医学图像处理的难点与问题

医学图像处理的特点与难题 陈 武 凡第一军医大学医学图像处理全军重点实验室2003年12月7日 杭州l遥感图像处理 应用面窄l医学图像处理 应用面宽一、视觉信息处理的支撑性一、视觉信息处理的支撑性l高度复杂的成像机制l综合深厚的数学基础l精确实用的高新技术l重大需求的应用前景二、医学图像处理的前瞻性二、医学图像处理的前瞻性l生理评判的模糊性l信息生成的随机性l物理求解的病态性l面对应用的实时性三、医学图像处理的特殊性三、医学图像处理的特殊性四、医学图像处理的主要问题四、医学图像处理的主要问题与我们的工作与我们的工作关于成像重建算法现研究热点集中在 MR与PET成像，而CT或螺旋CT等的成像研究，大多是针对具体问题（如乳房、心脏）提出某种特殊技术去解决，不具普适性。1 1、优质重建、优质重建主要问题 采样密集度的改变常导致图像退化。 相应对策 K-空间中的任意重采样技术。 工作基础 因缺乏成像前数据，我们未开展此类研究。MR图像存在问题 图像分辨率低，噪声大，缺少结构信息， 无法定位病灶。 相应对策a.前处理：基于小波包门限估计的正则化抑噪技术。b.后处理：提出各种优化方法，如正则 化方法、最大似然法等滤噪。PET图像已有工作a.前处理：由于缺乏成像前数据，我们未从 事其研究b. 后处理：我们提出了正则化参数自适应修 改模型与 迭代快速算法（ARCTLS），并从 理论上首次证明了迭代解的存在性与稳定 性，重建质量与速度均比国外最近同类算 法（RCTLS）提高3倍以上。自适应图像重建 (a)退化图像(b)正则化总体最小二乘法重建图像(c)局部线化D.F.P方法重建图像 (d)自适应正则化总体最小二乘法重建图像 信噪比与计算耗时的比较RCTLSLL- D.F.PARCTLSSET1ISNR (dB)1.172.504.012C. Time (s)112.654.335.5注：实验在P-II/166 上实现2 2、伪影校正、伪影校正MRMR成像中，运动伪影几乎无所不在，损害了成像中，运动伪影几乎无所不在，损害了 图像质量。图像质量。主要问题现有各种前处理技术（快速扫描、门控扫描 、欠扫描、过扫描或可矫正重建模式）的校正 效果不理想 相应对策 必须提出新的方法，能具普适性，又有优越的 校正效果。工作基础(1)前处理：我们最新提出的逆向迭代修正算逆向迭代修正算法法(IIC)(IIC)对对MRMR图像中的图像中的仿真仿真平移运动伪影平移运动伪影处理处理, ,比美国最近算法比美国最近算法(EF)(EF)的信噪比提高的信噪比提高约个约个dB,dB,计算速度提高一倍以上计算速度提高一倍以上, ,且稳且稳健性好健性好(2)后处理：目前我们正想从统计学入手来展开此类研究。a.模板原始图图像 b.平移伪伪影图图像c.能量聚焦法修正结结果 d.逆向迭代修正结结果MR平移运动伪影消除a、e为原始图像；b、f为模拟伪影图像；c、g为能量聚焦法修正的结果； d、h为自动逆向迭代法修正的结果EF和IIC在信噪比和运行时间上的对比 方法模板 图图像头颅头颅 图图像腹部 图图像信噪比 （dB）EF2.0361.9982.141IIC15.7168.6519.121时间时间 （min）EF12.3013.6515.71IIC5.256.868.43 注：实验在P-III/1G 上实现3 3、图像配准、图像配准多模态医学图像信息融合是当前研究热点，多模态医学图像信息融合是当前研究热点， 而前提是配准技术。而前提是配准技术。主要问题 当前国际主流算法的误配率较大，难以实 用。 相应对策 提出模糊或广义模糊相似准则来提高配准 精度。工作基础(1) 模糊弹性配准相似性测度方法正在研究中(2) 我们提出的医学图像刚性配准的模糊医学图像刚性配准的模糊相似性测度函数（相似性测度函数（FSFS），稳健性与计），稳健性与计算精度明显优于当前同类研究（算精度明显优于当前同类研究（MIMI），配准精度提高，配准精度提高2 2倍倍。实验采用美国Vanderbilt大学Retrospective Registration Evaluation Project（RREP）项目组提供的国际通用刚性配准图像数据，评估方式采用配准获得的结果与项目组已有的金标准进行比较。基于模糊边缘场的CT与MR刚性配准FS与MI配准方法的误配率比较方法CT-MRPET-MRMI20%44%FS5%22%4 4、目标分割、目标分割医学图像目标分割也是当前国际研究热点，是医学图像目标分割也是当前国际研究热点，是 精确量化诊断的重要依据。精确量化诊断的重要依据。主要问题 分割精度不高，灰度归类算法没有考虑空间 特性。 相应对策 要提出模糊随机分割模型，以提高分割的效 果。工作基础我们提出的广义模糊我们提出的广义模糊GibbsGibbs分割算法（分割算法（FGSFGS）可自动获取最优分割效果，且算法稳健性优可自动获取最优分割效果，且算法稳健性优于国外同类算法（于国外同类算法（MLML与与CGSCGS）。）。实验数据采用哈佛大学附属医院提供在 Internet 网上的20幅正常脑部MR图像，分割结果与其提供的手动分割结果（即金标准）进行对比。(a) 原始图像, (b) ML 分割结果, (c) CGS 分割结果, (d) FGS分割结果（a） （b）（c） （d）脑部冠状面磁共振图像脑部MR图像的分割算法比较(a)为白质的重叠率 (b)为灰质的重叠率5 5、运动估计、运动估计心脏序列图像分析中，左心室内壁的廓线心脏序列图像分析中，左心室内壁的廓线 运动跟踪是心功能量化评价的重要依据。运动跟踪是心功能量化评价的重要依据。主要问题 轮廓跟踪精度低，误差大。 相应对策 要提出新跟踪算法，解决精度与速度问题 。工作基础最新提出的广义模糊粒子滤波（GFPF）算法，跟踪效果明显优于当前国际上最好的Unscented PF（UPF），跟踪精度提高约一倍多。试验数据由美国NIH心肺血液研究所提供，对心脏图像的处理结果与其公布的手工勾画左心房内壁（即金标准）轮廓进行比较。心脏序列图像的左心房边缘（NIH金标准） 上行: GFPF的跟踪结果; 下行: UPF的跟踪结果跟踪结果误差对比 均方误误差Error（1）Error（3）Error（5）Error（Aver）GFPF0.29740.30790. 34230.3114UPF0.54010.66440.77080.6832主要问题医学序列图像的帧内冗余与帧间冗余度很大，失去 一些无关细节不影响诊断，但迄今医学图像的有损 压缩没有一个公认的标准。相应对策要提出新的有损标准及算法，实现高压缩比下的高 信噪比优质解码图像。6 6、图像压缩、图像压缩工作基础提出了模糊聚类的软分类问题的最优分类测度与算法（OFC），自动实现优化分类，且运算速度比国际通用算法（LBG）提高56倍。(a) OFC (b) LBG CT_head 码码本大小为为980(c) OFC (d) LBG MR_head 码码本大小为为970基于最优模糊矢量量化的图像压缩基于最优模糊矢量量化的图像压缩实验结果与分析图图像码码本 大小OFC（ PSNR）LBG （PSNR）图图像码码本 大小OFC （PSNR）LBG （PSNR）MR97041.3032.82CT154941.7831.6452235.8031.4098033.4927.9830032.8829.9668329.9726.41（在有损压缩比相同条件下）基于模糊聚类优化的序列图像分形压缩测试图像为标准QCIF格式的运动图像序列，包括由150帧图像(176×144) 组成的标准序列和22帧医学图像序列（128×128）。只对亮度信号进行编码，色度信号的压缩原理完全相同。 表 基于OFC算法不同运动图像序列实验结果比较测试图像ForemanNewsContainerQCIF-Cardio算法经典 算法OFC经典 算法OFC经典 算法OFC经典 算法OFC平均PSNR（dB）37.1937.1534.5633.2536.8936.7136.0133.49平均编码时间（s ）48.24.215.62.39.332.629.87.6压缩比（倍）149.94142.5398.1389.5672.2786.7563.6462.89两种算法下重建运动图像序列Foreman的每帧PSNR比较1st frame11th frame7 7、边缘检测、边缘检测提出了广义模糊边缘检测算子，是唯一满 足国际边缘检测三准则的快速算法广义模糊边沿检测对比图（采用国际标准图像测试）原图象(带加性噪声)GFO算法边缘检测结果Roberts算法边缘检测结果LOG算法边缘检测结果主要问题医学MR图像由于图像采集过程中射频磁场的非均匀性，造成图像中灰度的非均匀分布，表现为图像中局部过亮与过暗，掩盖了有效的诊断信息。相应对策要提出非均匀性校正后处理方法。8 8、MRMR非均匀性校正非均匀性校正工作基础提出了基于Gibbs随机场理论与EM算法的MR图像非均匀性校正算法。MR非均匀性的矫正9 9、血管血管重建重建由于由于DSADSA只能提供只能提供2D2D数据，故无法对病灶与数据，故无法对病灶与 介入路径进行空间定位，为患者带来很大痛介入路径进行空间定位，为患者带来很大痛 苦。苦。主要问题仅利用2D信息不能导出3D血管空间结构。相应对策国际上缺乏此类研究，我们提出从人体血管标本模型出发，建立3D血管网络数字化模型作为知识工程；然后以患者2D（两个以上不同方位）DSA图像为引导，采用智能分析与优化路径搜寻策略来重建患者真3D环境。工作基础由于工程较大，我们现正开始研究谢谢 谢谢