CAS系统简介

CAS 系统的产生与发展

1.3.2.1 神经外科

CAS系统最初是为解决神经外科手术中病灶的定位问题而发明的。神经外科手术中的病灶一般位于脑颅的深处，不便直接观察和进行手术,所以首先要精确确定病灶的位置。利用CAS系统可以得到肿瘤和正常组织的三维模型，不但可以精确确定肿瘤的位置，而且可以进行手术模拟和制订手术计划。手术进行时，立体定位系统可以准确指出病灶的实际位置，引导手术器械完成手术。手术器械的入口可以是开放式、非开放式和封闭式的，手术的路径尽可能做到避开重要器官和组织，如眼球、视觉神经、主要血管和运动中枢等。导航系统实时跟踪手术器械的空间位置,并在显示器上同脑部的三维模型显示出来。手术医生通过观察显示器获得手术信息，操作手术器械按最优手术路径完成手术。基于CAS系统，神经外科出现了多种手术模式。开放式的开颅手术，主要用于切除体积巨大的脑内肿瘤；非开放的开颅手术，只需在颅骨表面切开一个很小的窗口，然后利用精密手术器械完成手术；完全封闭的放射治疗，利用放射线照射肿瘤，使肿瘤细胞致死。放射治疗是技术最为复杂的神经外科手术，目前正在发展的适型调强三维放射治疗技术(Intensity-Modulated Radiation Therapy，IMRT)，可以做到精确杀死肿瘤，且保证正常组织受到的伤害最小，具有广阔的应用前景。 1.3.2.2 骨科

CAS系统在骨科上的应用也非常广泛。人体骨骼在X射线成像和CT中呈高亮信号特征，成像清晰，经过三维重建可以得到高质量的三维模型。在接骨手术、假体植入、全膝置换、脊柱外科等手术中，通常需要先植入螺钉。利用CAS系统可以直观地得到需要植入螺钉的数量和位置。在假体植入、关节置换等手术中，需要摘除严重损坏的断骨和关节，并植入人造骨骼和关节。利用CAS系统，可以设计出匹配程度很高的假体，经过数控机床加工后，就可以得到假体实物。这种利用三维数字模型设计并制造医用假体的技术就是医用CAD、医用CAM的基本原理。 1.3.2.3 整形外科

整形外科手术特别是颅面整形手术不仅要求手术的质量，而且要保证手术部位的美观，是一类精细的外科手术。过去这类手术主要靠测量一些离散的长度、角度和比例等二维信息来大致了解畸形器官的情况，由于获得的信息较少，手术医生只能在大脑中构思手术的步骤，手术难度较大，且手术质量难以保证。利用CAS系统，可以得到手术部位术前三维模型，医生能清楚地看到畸形器官的形态，从而可以方便地安排手术计划。更重要的是手术模拟后，可以得到手术后的效果图，增加医生和病人的信心。 1.3.2.4 内窥镜手术

内窥镜手术是指把微型摄像机和辅助照明设备置入人体内，通过微型摄像机获得的影像信息来导航的一类手术，其最大的优点是手术创伤小。在传统手术中，为方便医生观察手术部位的情况，必须把手术部

位的切口开得很大才行，增加了病人的痛苦，同时带来了止血、麻醉、术后恢复、手术部位外观等一系列问题。如果利用内窥镜进行观察，只需要开一个很小的切口，允许内窥镜和特制的手术器械进入体内即可。术中，微型摄像机拍摄的影像信息显示在显示器上，手术医生通过观测显示器来完成手术。目前，内窥镜手术可应用于颅腔、胸腔、腹腔各器官的手术中，如肺部肿瘤切除手术，胆囊摘除手术等。 1.3.2.5

1.4 CAS 系统的发展前景

CAS系统自问世以来，迅速得到了各发达国家的重视，并投入大量资源进行研究开发，已取得了巨大的成就。目前，由于欧、美、日本等发达国家科研实力较强、起步较早，集中了CAS系统研究和制造的主要力量，如GE、ETHZ、Montreal、Shadyside等。也有一些公司已经开发出很多优秀的CAS系统，在国内外得到了广泛的应用，如：美国Medtronic公司的StealthStation TREON plus Treatment Guidance System、德国BrailLab公司的3D VectorVision系列外科手术导航系统等。

虽然CAS系统已经取得了巨大的成就，但就目前的技术而言，尚存在一定的局限性。首先，术中影像漂移问题无法很好的解决，造成在一些柔软器官、运动器官的手术中应用受到限制，采用内窥镜虽然可以实时获取术中影像，但不够直观，只能完成一些简单的手术。因此，CAS系统应用最成功的领域还只是神经外科和骨科，因为这两类手

术的影像漂移问题要小得多；其次，国际合作的医疗高速网络正在建设之中，还不足以为CAS系统提供安全可靠的高速网络，以满足远程手术的需要。CAS系统还局限于本医院的手术室内，巨大的潜力无法充

分发挥出来。一些发达国家正在进行相关方面的研究，相信在不远的将来，随着技术的进步，上述问题将会得到很好地解决，CAS系统的应用领域将更加广泛。 1.4.1 柔软器官和运动器官的手术

胸腔和腹腔内的器官大多数不仅很柔软，具有流动性，而且会随着心跳、呼吸的节律一起运动。在手术过程中，器官会发生位移和形变。因此，术前影像通常只能应用于术前诊断，而不能用于术中导航。目前主要采取的方法是内窥镜手术，虽然相对传统手术具有较大优势，但影像模糊，视野狭小，无法应用于复杂的手术。因此，内窥镜手术只是当前技术水平限制下的权宜之策，而要想彻底解决这个问题，必须做到两点：首先，要实时获取术中影像，即四维医学影像，虽然4DCT(4维CT)技术已经出现，但还远不成熟；其次，要做到术中影像和术前影像的实时弹性配准和融合，弹性配准是医学图像配准的一个难题，4D医学影像数据量巨大，要做到实时弹性配准更是不易，超出了当前软硬件发展的水平。 1.4.2 机器人手术

在模式识别、人工智能和自动控制等技术的推动下，机器人手术的优势日益突出。相对手术医生而言，手术机器人不会有精神压力，不容

易疲劳，可以持续工作，而且可以大量生产和普及。在某些场合下，人工手术由于自身的弱点很难保证手术的质量，如对精细的血管和神经进行手术时，手臂不可避免地颤抖是致命的。而机器人不存在这种生理上的缺陷，可以完全胜任这类工作。目前，已经有大量手术机器人应用于临床，但只适用于一些病灶位置较浅，复杂度较低的手术。在不远的将来，随着机器人技术的进步，手术机器人会走向各个科室。 1.4.3 虚拟现实和增强现实技术

虚拟现实技术是利用三维技术虚拟一个现实世界中的实体及其周围环境,给人一种身临其境的感受，主要用于手术模拟和医学教学。增强现实技术是指利用投影或显示设备,把虚拟世界中的物体或环境呈现在现实世界中，如把病灶的影像投射在患者身上，是医生视觉功能的延伸，便于更直观地掌握手术信息。如图1.2 所示，(a)为患者头部的实际图像，(b)为利用增强现实技术把患者的三维图像模型投射到患者头部得到的效果，从(b)中可以清楚地看到患者脑颅内部的信息。 1.4.4 远程手术和远程医疗的应用前景

利用医院信息系统(Hospital Information System, HIS)、图片归档和通讯系统(Picture Archiving and Communication System, PACS)和国际高速医疗互联网络终端，CAS可以完成远程手术和远程医疗。远程手术的原理可以简述为：利用高速网络终端把本地手术室中的音讯、医学影像等信息传送给远程的主刀医生，主刀医生通过控制台遥控手术室中的手术器械完成远程手术。远程手术的应用前景十分诱人，可应用于医疗资源共享、战地伤兵救护、太空医疗保障等民用、军用和太

空开发等领域。

1.4.4.1 远程手术和医疗有利于资源共享，提高偏远地区的医疗水平从全球范围来看，少数发达国家的医疗水平大大超过大多数第三世界国家，从一个国家的范围来看，医疗力量主要集中在少数大都市，如我国的北京、上海、广州等城市医疗水平较高，而偏远地区则相对落后很多。这种医疗资源分布的不均，使欠发达国家和地区的健康事业难以得到保障，例如如果西藏地区某公民患突发性疾病，需要尽快进行手术，而当地的医疗水平不足以完成该类

手术，转移到内地在时间上又不允许，此时正处于两难的境地。利用CAS系统可以圆满解决问题，在患者病发后立即把患者转移到当地医院，同时与内地水平较高的医院取得联系，安排远程手术医生，一切到位后远程手术医生开始执行手术，赢得了宝贵的手术时间，拯救了患者的生命。所以说，远程手术使欠发达地区的医院也能完成高难度的手术，有利于医疗资源共享，提高偏远地区的医疗水平，应用前景十分诱人。2001年9月7日，在美国纽约的科研机构通过高速网络控制大西洋彼岸斯特拉斯堡大学医学中心的一架名为ZEUS的机器人成功的完成了胆囊切除手术(如图1.3所示)，用事实证明了远程手术的可行性。

日常生活中应用较多的将是远程诊断。随着医疗水平的提高，人们越来越注重自己的健康状况，需要经常与医生进行交流，而每次亲自去医院就诊未免太费时费力，远程诊断系统将提供一种便捷的方式，让人们足不出户就可以完成就诊。其主要原理是在居民家中安装视频摄

像机和小型医疗检测仪器，这些设备获得的信息通过网络传送给医生。而患者和医生通过视频电话进行交流，然后医生给出诊断结果和处方。虽然远程医疗和远程手术没有根本上的技术难题，而且已有成功的实例，但要达到实用，尚需要一个过程。主要原因是因为作为该系统根基的国际高速医疗互联网络是一个庞大的工程，不仅依赖于技术，对安全性和稳定性的要求更高，而且还关系到国际合作和协商、投资收益等实际问题。 1.4.4.2 战地伤兵救护

美国专门研究战地伤亡和救治的组织WDMET(Wound Data MunitionsEffectiveness Team)对越南战争和海湾战争的伤亡数据进行统计，统计的结果显示：战场上的士兵很少会因为大脑、心脏等要害部位中弹后带来无可挽救的死亡。大部分死亡是由于胸腔、腹腔中弹引起的体内大出血引起的，而且90％的死亡发生在30分钟内。也就是说，如果在士兵中弹后及时进行护理和手术，就很有可能挽回士兵的生命，但传统的战地医院离前线较远，无法及时完成救护工作。而利用远程手术，医生可以在战地医院，甚至在遥远的后方完成对士兵的救护工作。美国对此进行了一系列尝试，他们把医用机器人搬进装甲车，使伤兵在转移的过程中就可以完成手术，赢得了宝贵的时间。士兵受伤后由运输直升机迅速转移到手术装甲车中，医生在战地医院通过遥控操作完成手术，同时后方城市的高水平医生提供技术支持。整个系统的通讯系统分为两部分，战地通讯系统主要由通讯飞机、卫星和地面雷达站组成，用于搜集战场上的伤亡信息，并负责战地医院

和手术装甲车之间的通讯；远程通讯系统由通讯卫星和地面接收装置组成，主要负责战地医院和后方医院之间的通讯。1.4.4.3 远程手术在太空开发和航空宇航方面的应用在21世纪中，人类航天事业将得到长足的发展，将突破小规模、小批次、日程短的范畴。国际空间站已建立多年，开发月球、火星的计划也初露端倪。在太空高辐射、零重力、营养匮乏等恶劣条件下，人体免疫能力下降，组织、器官更容易发生病变。而把手术医生带上航天器是不现实的，也没有必要，因为远程手术机器人可以解决这个问题。因此，太空医疗工程必将成为宇航生命保障工程中的一个重要分支。Jon C. Bowersox的报告指出2020年前后，人类载人登陆火星的计划将付诸实践，届时将有6名宇航员在飞船上进行为期3年的航行和火星地面考察。在这种艰苦的条件下，很难保证所有宇航员在3年内一直保持良好的健康状况。因此，为了保证宇航计划的顺利进行，航天器必须携带远程医疗设备，以处理突发事件。近年来，我国在航天领域取得了令人瞩目的成就，实现了载人航天工程，并向更高的目标迈进，也应该开展太空医疗工程方面的研究。

1.4.5 我国 CAS 系统的发展现状

虽然国际上关于CAS系统的研究已经取得了巨大的进步，但是国内在这方面的研究起步较晚，基础研究还很薄弱。不过近几年随着经济的发展，我国在CAS系统的研发和应用发面进步较快。深圳的安科公司于1999年推出了国内的一台商用CAS系统，但其核心部件导航定位系统仍采用加拿大NDI公司的产品。东南大学、北京航空航天

大学、上海交通大学、中科院自动化所等也从事相关方面的研究。国内的中国医大一院神经外科和沈阳卓越数字医疗有限公司共同研制开发了中国第一台双屏电磁手术导航系统，并于2005年9月20日在医大一院成功实施了一项手术，填补了国内的空白。总体来说，国内自行研发的产品和国际先进水平相比有较大差距，在临床应用，市场开拓上更是任重而道远。目前，CAS系统在国内医院的装机量不高，而且绝大部分为进口产品，价格昂贵，维护成本高，也增加了患者的负担。同时，我国经济实力日益增强，人民生活水平稳步提高，对医疗健康条件的要求越来越高。可以预见，在未来的20年内，拥有13亿人口及数万家大、中、小型医院的我国，对CAS系统和其他大型医疗设备的需求量也非常巨大。为了不把巨大的市场拱手让与他人，降低国民的医疗负担，开发出拥有自主知识产权且具有竞争力的CAS系统及相关医疗设备是一项十分紧迫的任务。

本文主要研究CAS系统中术前图像处理部分的相关关键技术，涉及到的具体工作有：解读DICOM (Digital Imaging and Communications in Medicine ) 3.0协议、读取DICOM医学图像文件、医学图像中标志点的自动识别与定位、CAS系统中的定位技术研究以及空间配准等，其中医学图像中标志点的识别与定位以及空间配准是本文工作的重点。本文研究的目的在于掌握并完善相关技术，开发一种可靠的医学图像中标志点自动识别和定位的算法，同时完成术前重建虚拟数据与术中患者以及手术器械真实位置的空间配准。 第二章 CAS 系统及其关键技术

2.1 引言

CAS系统是一个复杂的综合系统，涉及到计算机软硬件、信息科学、自动控制、临床医学等多个学科的相关技术。从CAS的流程来看，需要下列关键技术的支持。首先，医学影像是整个系统的数据源，用于诊断和建立模型，需要用到医学成像技术；其次，对医学图像进行处理需要图像处理与显示技术的支持，包括图像分割、图像配准和融合、三维重建等；在手术进行时，需要实时跟踪手术器械，所以空间定位技术和空间配准技术也是必须的。 2.2 CAS 系统的组成及运作流程

CAS系统从物理组成上可以分为：成像设备、计算机软硬件环境、图像显示设备、立体定位系统、手术执行设备等(如图2.1所示)。成像设备用于获取医学影像，是整个系统的基础，一般为CT、MRI、PET、内窥镜等；计算机软硬件环境用于图像处理、三维重建、系统建模以及人机交互等，一般为高性能的图形工作站；图像显示设备用于动态、实时地显示图像信息和系统的状态；立体定位系统用于对手术器械进行实时跟踪和定位，其定位精度是影响手术成败的关键之一；手术执行设备主要是指手术器械，它直接对手术部位进行手术操作完成手术，CAS系统中的手术器械一般是为专门的手术所特制的。从执行流程的先后顺序来看，CAS可分为术前数据获取、手术计划制订、术中导航和操作、手术效果评估四个阶段。前两个阶段在手术前完成，术前数据获取是指获取术前医学影像和各坐标系的信息，为手术导航建立数学模型；手术计划制定是指利用三维模型，进行手术模

拟并制订手术计划，有术前图像处理(分割、配准和融合等)与显示、三维图像重建、手术路径优化等几部分内容；术中导航和操作是在手术进行时完成的，分为术中图像获取、处理与显示，术中定位和导航，最后由人机交互完成手术。手术完成后，必须进行手术效果评估，以确定手术的质量。 2.3 CAS 系统中的关键技术

CAS 系统主要有以下几项关键技术：医学成像技术、图像处理技术、三维重建技术、空间配准技术。 2.4 本章小结

本章主要介绍了计算机辅助手术中的五项关键技术，即医学成像技术、图像处理技术、三维重建技术、空间定位技术和空间配准技术。并分析了各自的基本原理、应用概况，以及在CAS系统中的作用和地位，为接下来的工作作铺垫。

1. 二维三维医学图像可视化处理。 1.1 科学计算可视化技术

科学计算可视化( Visualization in Scientific Computing，简称可视化技术)，意指运用计算机图形学技术和图像处理技术，将通过科学计算或者数据采集获得的数据（如有限元分析数据，医学数据）转换为图像的过程。可视化技术的目的在于能用图形图像的方式直观、形象地观察和认识客观事物，用图形图像表示数据，把人们很难理解的抽象的数据场转换为形象直观的图像信息，并结合人机交互技术进行分析解释。现在，随着电子技术、计算机技术以及相关学科的迅速发

展，可视化技术的含义已经大大扩展。不仅包括了科学计算数据的可视化，还包括工程计算数据、测量数据等的可视化，比如有限元分析结果，还有用于医疗领域、勘探领域数据可视化等。主要涉及以下几种：

(1) 数据可视化

包括科学计算数据、工程数据、测量数据等可视化。以医学三维成像技术为例，将CT扫描、核磁共振等二维平面图像便换成三维立体图像，提供直观的三维信息以供诊断和手术决策的软件已达到临床应用的水平。 (2) 信息可视化

主要是对非空间数据也就是抽象数据进行表示、检索等，为了更好地认识，需要了解这些抽象数据之间的相互关系，从中发现一些新的信息。例如物理学中对物理试验得到的试验数据进行分析，如流体动力学分析，得到物体发展规律，预测物体的变化方向。 (3) 知识可视化

知识可视化是一个新兴的研究领域，主要用来提高两个或两个以上的人之间知识的传播与创新。如信息可视化，可在具有大量高维信息的金融、通信和商业领域中发现数据中隐含的内在规律，为决策提供依据。事实上，可视化已成为许多领域必不可少的计算机辅助后置数据处理部分。

医学图像可视化系统的现状

医学图像可视化己经经历了十多年的发展，国际上很多著名的科研机

构都致力于可视化系统方面的研究，部分甚至己经产品化了。由美国国家健康协会(NationalhistituteofHealth)给出的一份临床医学图像处理软件的名单阴是目前在网络上能够搜索到的较全面和详细的相关产品目录。其中包括了有关图像处理、可视化、图像配准、图像分割等多方面的图像处理软件系统。单就可视化方面的软件，目前共罗列了有36种。通过调研，我们着重借鉴了下面这些软件的优点，将之结合到我们的可视化系统中。该软件支持多模态图像，是GenevaPACS系统的一部分。系统的平台无关性和对多模态图像的分析处理是较高级的系统软件功能。这些将是我们可视化系统下一步的发展方向。Tomo巧sion是目前世界上最早实现与Dicom兼容的软件的一家公司自2001年4月发行了sliCeomatic4.2后至今，一直没有新产品或更新版本出现。软件致力于CT和MRI图像中有关器官的分割和标注，这些都是绘制前的预处理，也正是我们系统目前欠缺的一部分。其中，VolView是备受关注的一个用途广泛的体可视化应用程序。由Kitware公司生产，既支持Windows平台，又支持Unix平台。VolView提供了多分辨率、多处理器支持的光线投射方法实现精确的绘制。或者利用二维硬件纹理映射或VolulnePro体绘制硬件在生物医学可视化、模拟和仿真、体图形学等多个应用领域达到较好的可交互的绘制速度。此外，还包括了丰富的体可视化特色，比如最大最小强度和合成模式，传递函数的预设和编辑，多光源设置等。这些出色的特点，都已在我们的系统中很好的实现了。是一个基于unix平台的体可视化系统，将众多可视化方法结合成一个功能强大的可视化系统中，为可视化研

究者、开发人员、科学家和工程师提供了一个灵活的工具。VisualiZationLab一直在继续研究和扩展VolVis系统的功能、用途和稳定性。对VolVis系统的学习可以帮助我们更好的实现系统从windows平台到Unix平台的移植。此外，VTK是又的一个支持多平台(Unix、Linux和Win32)的免费软件系统。VTK开放所有源码，支持三维计算机图形学、图像处理和可视化等。VTK包括一个C+十类库和一个解释性接口层。类库的设计和实现都是基于面向对象原则。VTK不仅提供可视化几何图形，而且还支持大量的可视化算法，包括标量、向量、张量、纹理和体元的算法:网状三维物体的平滑剪切，多边形减少等高级建模技术。正是VTK提供的这些优越的特色，吸引我们决定选用VTK作为系统的软件支持。除那些可免费获取的软件外，一些性能优越的商业系统也吸引了我们的目光。是新一代三维影像系统的代表，具有速度快，操作容易和应用领域广泛的特点，能够适用于医院大量的日常影像工作。巧廿段过与其他的可视化系统类似，提供了很多丰富的可视化调节功能，但是他拥有的一项关键技术是其他可视化系统中未涉及的，也是本文重点关注的。VitreaZ首次提出了显示协议的思想。系统中定制了一系列能够自动优化的显示协议，使得整个影像操作快捷简单。对于VitreaZ所提及的显示协议的研究和实现是本论文要重点解决的问题。 三维影像工作站

三维影像工作站除具备高质量的可视化软件外，还配备高性能的硬件支持。通常，影像丁作站提供强大的图像处理功能，海量存储，

网络支持等丰富的功能和特色，并提供方便、友好的人机交互接口。由于医学图像数据的海量特征，医学图像可视化通常都是在影像工作站甚至小型机上实现的，然而即使如此，可视化速度(尤其是体绘制速度)受计算机硬件条件的限制，一直达不到令人满意的效果。目前使用的可视化系统基本上都是基于面绘制的。由于面绘制本身的特点 (不能保留物体的内部信息)，限制了医学图像可视化发挥更大的作用。虽然，目前很多大医院都配有三维影像工作站，利用工作站医生们可以将病人的多幅二维图像重构成三维的形体，并直观地显示出来。从而一改医生们只能凭经验由多幅一维图像去估计病灶的大小和形状，“构思”病灶与其周围组织的三维几何关系而给治疗带来困难这一现状。但是要获得一个好的可视化效果，对专业知识的要求很强。医生通常不会具有专业的可视化技术，因而，繁琐的参数设置和调节，给医生带来很多不便，同时降低了诊断效率。目前的可视化软件需要很多的手工设置和调整，这样即使对专业人员而言，达到最佳的显示效果也很不易。一幅图像的显示，少则需要10多分钟，多则需要1~2小时。耗时自不用多言，更重要的是医生们渐渐对工作站失去兴趣和耐心，都不愿去用它。从而又导致了设备的闲置和资源的浪费。

考虑到三维医学图像可视化的重要性和目前大部分三维影像工作站存在的问题，我们研究小组致力于新一代三维医学图像可视化系统的研究和开发。我们设计了一种软硬件结合的方法，开发了实时体绘制可视化系统，并在此基础上，针对三维影像工作站实用性差的问题，提出了可供选择的显示协议的思想，能够对不同数据的显示目的

应用合适的显示协议，力图提高三维影像诊断的速度和效率。目前，国外有为数极少的专业化商业软件已经实现了显示协议技术，但是他们价格昂贵。鉴于此，我们计划自主开发一个具备可供选择的显示协议的实时体绘制可视化系统，并将之结合到我们实验室其他小组正在开发的数字影像科系统中，最终建成一个新一代的二维三维影像工作站。

1.2 医学图像的三维可视化技术国内外发展概况

1895年德国科学家伦琴发现了X 射线，随之X射线、透视设备的诞生，使得医学图像进入高速发展时期。如果说 20 世纪是医学图像发展的世纪大量新的成像技术被发现，那么 21 世纪就是医学图像应用的世纪。近几年来，三维可视化技术一直是国际上计算机图形学的研究热点。国外发达国家在三维可视化技术方面起步较早，生产制造很多现在应用的医学可视化系统。目前，世界上有一些国家己经研究出了一些面向临床应用的医学图像处理与分析系统，如美国宾夕法尼亚大学的 MIPG 小组的 3DViewnix 系统、纽约州立大学的VoIVis系统、麻省理工大学(MIT)人工智能实验室和哈佛医学院附属伯明翰女子医院合作开发的 3D Slice 软件，GE 公司的 GEMedical System 产品、SIEMEN5、东芝、PHILIPS 等公司的图像处理与分析系统。但这些系统很多是依附于图像设备厂商提供的，价格昂贵，一般都基于高档工作站，能提供多模图像数据的可视化分析，这些系统依据不同的目的而开发。使用方法也不尽相同。提供多模图像数据的可视化分析但不能在普通计算机上运行。这些系统功能和侧重点各有不同。

我国就进口了大量的精密医学设备和配套的系统应用于临床。国外发达国家尤其是美国非常重视医学图像算法平台的研究。为了开发高质量的医学图像软件和算法平台美国国家卫生院下属的国立医学图书馆每年投入巨资支持三家科研机构对医学图像算法平台的研究。 我国对医学图像三维可视化技术的研究尚处于起步阶段。目前，希望研制具有自主知识产权的三维可视化软件系统的呼声很高。为此加快医学三维可视化技术研究，开发出可实现三维重建和数值仿真的系统，对于扩大数值仿真在医学上的应用具有重要意义。同时，研究和发展医学图像的关键技术、发展相应产业是我国计划于2020年成为世界制造业大国和软件大国的重要举措之一。 1.3 医学图像的三维可视化技术的应用

医学图像的可视化是利用医学成像设备所获得的体数据获得三维立体图形的过程，实质上也就是体数据场的可视化过程。医学图像三维可视化技术在医学领域的诊断和治疗等方面发挥着越来越不可替代的作用，主要应用在以下几个方面：

(1) 基于医学图像的计算辅助诊断重构出清晰的人体组织和器官的三维结构，为医生提供逼真的显示手段和定量分析工具。 (2) 虚拟内窥镜

把视点置入人体器官内甚至血管中，进行视点漫游、变动视距、调整视角，对视点前方组织结构进行动态的实时绘制和显示，可帮助医生在电脑屏幕上完成内窥镜检查。 (3) 外科手术模拟和导航

进行手术规划和手术过程的模拟，提高手术的可靠性和安全性。 (4) 放射性治疗计划的制定以及模拟

在感染或放射情况下，精确复杂的虚拟手术干预将是十分必要和重要的。采用虚拟临场技术可以使医生免受射线的侵害。可视化技术经过多年的发展，从原理、方法到系统实现形成了一套比较完善的体系。随着医学图像数字化的不断发展，对医学图像可视化的研究已经成为可视化的热点研究方向。它涉及数字图像处理、计算机图形学以及生物医学过程等多种技术，是一项多学科交叉的研究课题。医学图像的可视化过程可以提供人日组织器官的三维信息，可辅助医生对病变体及周围组织进行分析，提高医疗诊断的准确性，并可进行手术模拟。 医学图像可视化领域涉及到的范围很广，包括：图像增强技术、图像分割技术、图像配准技术、图像显示技术、图像指导治疗、图像引导手术、手术计划和导航、医学虚拟环境等方面。其中，图像指导治疗、手术计划和导航及医学虚拟环境可以说是医学图像可视化技术在实际当中的应用：医学信息的可视化，能更加真实准确的反映人体内部的情况，从而使医生实现在最少人工介入情况下进行最安全高效的治疗；在外科手术中，手术计划和导航系统能给医生提供一个人体内部虚拟的、非侵入窗口，重建的三维图像可以准确揭示病灶的位置、大小和形状，给外科医生确定切口、路径及周围区域情况的手术计划提供准确可靠的信息，如果将图像坐标与病人的位置坐标联系起来，可实现手术导航；医学虚拟环境可以创建一个 VR 手术训练系统，医生可以通过比较各种模拟手术方案的实施效果，确定最为合适的方案，

从而提高手术的成功率并减少病人的痛苦，虚拟内窥镜就是医学虚拟环境的一个成功应用。医学图像可视化领域每一个分支的处理技术都十分复杂，本文虽然对其中的一些关键技术作了理论分析并开发模块进行能够了实验，取得了一些成果，但由于时间及人力物力等因素，尚有许多问题有待进一步的探索和研究。

2. 实现分离病灶区的二维三维医学图像分割软件。

图像处理技术旨在提高医学图像的质量和信息量，便于疾病诊断和建立三维模型。图像处理分为复原、增强、分割、配准、融合等，其中图像分割技术和图像配准技术占有重要地位。图像分割(Image Segmentation)是指根据某种均匀性(或一致性)的原则将图像分成若干个有意义的部分，使得每一部分都符合某种一致性的要求，而任意两个相邻部分的合并都会破坏这种一致性。医学图像分割的目的是把病灶从人体中分离出来或是把人体从背景中分离出来，以达到突出显示的目的。如把病灶从人体正常组织中分离开来，医生可对病灶进行定性及定量的分析。在图像三维重建中，分割后的病灶可重建出独立的三维图像，更直观地展现出病灶的位置、大小、形状等信息。常用的图像分割技术有阈值分割技术、微分算子技术、区域增长技术和聚类分割技术等。

传统的望闻问切曾经在医疗实践中发挥着重要的作用。但是人眼的观察范围只能局限于体表，观察不到体内的组织结构，以及病变位置。因此，就象宇宙探索必须依赖天文望远镜一样，现代医学对疾病的诊治在很大程度上得益于医学影像技术。100年前德国人伦琴发现

X射线，由此开创了医学放射学的先河。七十年代英国人汉斯菲尔德发明计算机层面照相技术(CT)，使得人们可以观察到人体的内部结构，引起了方射学的一场革命。磁共振成像技术(MRI)、正电子发射层面照相技术(PET)相继问世及其在临床的广泛应用，极大丰富和改善了影像学诊断手段和方法。不但提高了医学影像学的诊断水平，能更早、更准确地发现病变，也为临床定制治疗方案、评价治疗效果提供帮助。

医学影像技术可以划分为两个部分:医学成像技术(MedicalImaging)和医学图像处理与分析。如果将成像技术称为前处理，那么图像的处理与分析可以被称为后处理(PostProcessing)。成像的机制和初级图像的校正可以被称为前处理过程;而医学图像的后处理过程是指在完成医学影像学检查之后，对所获得的图像进行再加工的过程。医学图像后处理过程已经成为临床实用技术并逐渐在各种医疗诊断过程中得到了医生的重视和肯定。医学图像处理过程也是计算机在医疗影像学科应用的主要内容之一。

目前，临床上医学图像后处理主要以应用随机附带的软件进行直接处理为主，由于计算机技术的进步，各种影像学设备随机安装了大量的后处理软件，使图像后处理的临床应用越来越广泛。这使得医疗设备在图像的显示方式上更富多样性、图像显示内容上更具有具体性和针对性。有力的提高了医生的诊断鉴别能力，受到医学影像学科及其它相关临床学科医生的欢迎和好评。但是这种利用随机附带软件进行图像的处理和分析有很大的局限性，不能够满足某些特定的需求。例如，每一类成像设备所生成图像都具有各自特殊的图像属性，都是

为了展示特定的组织结构而设计。CT适合于密度较高的骨组织和钙化区域的显示，MRI适合于显示软组织结构，而PET适合于显示活体生物分子代谢、受体及神经介质的分子代谢活动。对同一患者而言，将这些设备所成图像融合起来，必将为诊断增加信息，使病灶的定位更加准确，相应的形态结构显示的更直观。因此，开发一些满足特定需求的后续图像处理技术是非常必要的。此外每种图像处理算法都有其局限性，而新的图像处理技术也是层出不穷、日新月异。将这些算法融合到诊断治疗当中，将会促进诊断的效率和准确性。

医学影像的后处理涉及到众多内容，其中包括图像分割、图像增强、三维重建、辅助诊断等技术。而图像分割和三维重建技术可以说是其中的基础性技术。多数医学影像后处理系统都是建立在这两项技术之上的。

医学图像分割在临床诊断、病理分析以及治疗方面具有重要意义，具体表现在以下几个方面:

·图像分割的结果常用于生物医学图像的分析，如不同形式图像的配准、融合，解剖结构的测量，获取先验知识用于图像重建以及心脏运动的跟踪等。

·用于测量人体器官、组织或病灶的体积。通过对这些体积在治疗前后的定量测量和分析，可以帮助医生进行诊断、预后和制定或修改对病人的治疗方案。

·用于医学图像的3D重建方面，便于可视化，外科手术方案的制定和仿真，病理研究，药物疗效的评估，解剖参考以及放疗计划中

的3D定位等。

·图像分割结果可用于在不丢失有用信息的前提下进行数据的压缩和传输。这对于提高远程放射学和Internet中的图像传输速度是至关重要的。

·分割后的图像与噪声的关系减弱，因此具有降噪功能，便于图像的理解。

医学图像分割技术往往会将多种理论融合起来运用，以达到相互补充的目的。新的分割方法的研究主要以自动、精确、快速、自适应和鲁棒性等几个方向作为研究目标。分割算法往往受到分割目标的限制，对软组织的分割算法往往很难适应对硬组织的分割，而对器官结构的分割也无法应用到肿瘤体的分割。从分割方式上讲，由于人工分割能够紧密结合医生的解剖学知识，所以依然受到外科医生的喜欢。但是人工分割无法避免的是费时费力、精度差、以及不可重复等问题。在医学研究尤其是神经系统科学的研究中，结果的可重复性和精确性是极其重要的，人工分割无法适应这样的要求。与人工分割相对应的是自动分割。自动分割结果的可重复性是不用考虑的，因为几乎所有的算法的结果都不会因为运行次数的不同而改变。自动分割的难点在于如何将人工分割中解剖学家的知识运用到自动分割中来。这种知识之所以难以表示是因为医学图像形状(指解剖结构没有规则的形状)和外表的复杂性(组织可能具有相同的灰度)。

三维重建是另一项医学影像领域中的基础性技术。医学领域中的三维重建是指利用投影等数学和计算机技术来恢复CT、MRI等成像

设备上生成的二维切片数据序列中感兴趣的三维信息。利用三维重建技术，医生可以获得直观的三维体器官结构和病灶的形状和大小以及周围组织的三维几何关系等信息，在此基础上可以实现矫形手术、放射治疗等计算机模拟及手术规划。例如，髓关节发育不正常在儿童中并不少见。在作矫形手术时，需要对髓关节进行切割、移位、固定等操作。利用三维重建技术可以首先在计算机上构造出骸关节的三维图像。然后对切割部位、切割形状、移位多少及固定方式等多种方案在计算机上进行模拟。并从各个不同的角度观察其效果。最后由医生选择出最佳实施方案，从而大大提高矫形手术的质量。又如，在作脑部肿瘤放射治疗时，需要在颅骨上穿孔，然后将放射性同位素准确地安

装在脑部炉灶部位。既要使治疗效果好，又要保证整个手术过程及同位素不伤及正常组织。由于人脑内部结构十分复杂，而且在不开颅的情况下，医生无法观测到手术进行的实际情况，因而要达到上述要求是十分困难的。利用可视化技术就可以在重构出人脑内部结构三维图像的基础上，对颅骨穿孔位置、同位素植入通道、安放位置以及等计量线等进行计算机模拟，设计并选择出最佳方案。不仅如此，还可以在手术过程中对手术进行情况在屏幕上予以监视，使医生们做到心中育数，因而必将大大提高手术的成功率。

近年来，三维重建技术在医学领域获得了巨大的进展，特别是在基础研究领域。1989年，NLM(美国国家医学图书馆)提出了vHp(VisibleHumanprojeet，即可视化人体计划)，该计划是一项医学图像可视化的开拓计划。其目的是通过采集人体断面CT、MRI以及组

织学等数据利用计算机重建技术建造虚拟人体，为研究人体、揭示人体奥秘，为更深入的医学研究提供基础性数据源。该数据集为三维重建技术提供了施展的舞台，新的高效的重建算法都会被应用到这一研究当中来。

医学影像技术的发展离不开计算机技术的发展。计算机技术的迅速发展带动了医学影像设备的更新。新的成像技术(例如fMRI、PET技术等)的产生及应用更加促进了计算机图像处理技术与医学影像技术的进一步紧密结合，使得医学诊断步入崭新的可视化时代。随着计算机技术的不断发展，以前必须由工作站完成的任务已经被普通的PC机所取代。新的双核心CPU处理器、虚拟硬件技术、新的总线技术(PCI-E)、新的内存存贮技术(DDRZ/DDR3)在PC基上的应用，为PC机带来了质的飞跃。现在的一台PC机在计算能力上早已达到或超越了过去一台工作站的计算能力。特别是基于PCI-E总线的可编程显卡推出以来，由于显卡中包含了具有可编程能力的图形处理单元(GPUS)，原来由CPU作为唯一的数据处理器的架构，将会转化为由CPU和GPUS共同负担。CPU负责总体的控制，而GPUS负责流水线型的大规模数据处理。目前NVidiaGeForee6800tjltraGPtJS处理器的峰值速度可达 40Gigaflops，远远超出了采用SSEZ指令集的Intel3Gpentium4CpU处理器的6Gigaflops。这样强大的计算能力无疑会为医学影像技术的发展带来新的动力。许多医学影像处理算法已经开始从CPU向GPUS上转移，利用GPUS自身强大的并行处理能力处理图像数据，实现准确、快捷的算法。目前，已经成功的将基于水

平集的图像分割方法、基于Markov随机场的图像分割方法成功的移植到GPUs上来;而可视化中的经典Raycasting重建方法、基于Fourier变换频域重建方法也在GPUs上得到了实现。基于GPU的这些图像图形处理方法在速度、实时性、准确性上较基于CPU的软件方法具有较大的优势。这也是医学影像处理中所必须的。随着GPUS的性能进一步的提高，特别是即将增加的GPUS独立寻址能力，未来的PC机架构将会演变成以CPU作为系统中心，以GPUs作为运算中心的形式。如图所示。大规模图像和图形处理将会逐渐转移到GPUS上进行。而作为PC机中央处理器的CPU将只负责数据调度、进程管理等辅助工作。在本论文中将利用GPUS超强的并行计算能力，实现了基于GPUS的骨骼目标体虚拟移动的算法，从而为研制基于GPUS的实时外科手术术前设计系统提供了可能。

医学图像分割问题

图像分割是指将图像划分成一系列彼此互不交叠的匀质区域。它是图像处理(Imageporeessing，Ip)和计算机视觉(Co卿uterVision，eV)的基本h]I题之一，是实现从图像处理到图像分析，进而完成图像理解的关键性步骤。

医学图像分割作为图像分割领域中的一个重要分支，一直受到国际学术界的广泛重视。随着临床大量高精度医学成像设备的涌现和高速计算机的运用，使得在过去的短短的30年间，医学图像技术取得了显著的提高。X线计算机断层(Co娜utedTomognarhy，CT)、超声(ulartsound)、磁共振、数字减影(DigitalSubartetion劫giogPar，hyoSA)、

正电子发射断层(posiortnEmissionTomognar勿，pET)、单光子发射计算机断层(singlePhotonEmission一eT，sPEeT)等多种先进的影像技术己经成功地用于临床，正成为临床医学研究、诊断和治疗的必备和常

规手段，为人们提供了丰富宝贵的图像数据信息，同时也促进了医学图像分割研究的进一步发展，在手术导航(Imageouidedsusre)、模拟手术[，](susriealsimulation)、治疗评估(ThenaryEvaluation)、功能图像的局部容积校正(Partialvolmueeoerretion)和计算机辅助诊断[8](eomPuter一Aidedoiagnosis)等大量的生物医学影像应用方面取得巨大的成功。

针对图像分割领域的相关算法虽然种类繁多，且仍层出不穷，但依然无法完全满足人们的实际需求。其原因相当复杂，包括:无法完全用数学模型来简单描述人们所面临的实际问题;图像结构性质的千差万别:导致图像退化性质迥异以及人们对分割结果预期目标互不相同等。这些都决定了无法实现一种普适、通用的分割方法。只能针对特定问题和具体的需求给予合理选择，在精度、效率、稳定性和鲁棒性等关键性指标上做出均衡或侧重。医学图像分割面临的困难面对临床丰富的图像数据，如何根据不同的应用目的，在特定的成像模态(ImgaingModally)t下选择合适的分割算法，仍然让分割工作者感到棘手，尤其在有噪声困扰、局部容积效应P(artalivolmueEeffcts，PvE)、伪影(Artiafc)st等退化条件下将更为棘手[9J。即便是同一幅脑部MR图像，至少可以根据不同的分割目的将它们分为:脑组织的提取、脑组织的分类、特定脑组织结构的提取等三类，而它们之间的分割方法

却相差甚远。因此，根本无法要求一个分割算法对所有类型的医学图像都一样能奏效。医学图像分割与其它领域的分割算法一样，也在分割结果的精度、算法的鲁棒性、运算速度与人为参与程度等性能指标上给予关注，然而在不同临床应用中的侧重点却大不相同。在治疗计划中，对治疗的组织结构和病灶目标的自动化精确分割尤显重要，然而迄今为止，这部分工作仍依赖于手工描绘和少数功能极有限的半自动分割系统I’“〕，使得对于不同患者都将花费大量的人力，不仅精度得不到可靠保证而且可重复性极差，因此分割精度和自动化这两个指标就显得格外重要;而对于肿瘤患者而言，能否提高其存活率主要决定于疾病的早期发现，鉴于癌变所产生的生物医学信号较微弱且人眼分辨能力有限等诸多因素，极大地限制了疾病的早期发现，因此要求一个至少包含有图像增强与分割等技术为一体的高效图像分析系统却尤为迫切。纵观医学图像分割技术的发展历史，每一阶段成果的取得都充满艰辛。起初的医学图像分割主要依靠手工进行，对于一个具有高对比度、典型的软组织结构图像，解剖学专家要在近八百万体素下完成手工描绘，其工作强度是可想而知，进一步研究表明了五个不同专家对脑组织灰质进行手工分割，其差异在，而针对脑部肿瘤的差异在15一22%之间。解决手工标记不足的最佳方式就是设计自动分割算法，这是分割技术的发展方向之一。然而自动分割所面临的主要挑战来源于对该领域“知识(K力owldege)”的有效表达与运用。知识是通过专家们对大量医学图像训练所获得的关于组织的解剖结构和不同成像特性;而对知识的表达和运用将取决于医学图像形状与

表现的复杂程度，如不规则的解剖结构与同一种组织表现为不同灰度的失真程度等。这些不确定因素将制约着自动分割算法的可靠性与分割结果的精确性。与其它图像分割不同的是医学图像分割所处理的对象，即人体的组织结构图像有其自身特点:

(l)组织结构的相关性和拓扑关系的改变; (2)组织结构复杂。如脑部沟、回间的过度迁回;

(3)不同原因产生图像的退化现象。如噪声、伪影及不均匀场; (4)不同成像模态所提供的信息差异。如Tl加权像，TZ加权像，质子密度(PorotnDnesi，ytpD)像所提供的信息不同，

这些因素都直接或间接地增加医学图像分割算法实现的难度。 医学图像分割方法分类

由于成像的原理和设备不同，存在有多种成像模式(Mutlimodaliyt)。依据其揭示的信息来分类，可以将医学图像分为解剖性成像模式和功能性成像模式两大类。其中，解剖性成像模式包括X光成像术、CT计算机断层成像术、MRJ磁共振成像、US超声成像、DSA数字减影血管造影术、MRA磁共振血管造影术、光纤内窥镜图像以及各种组织切片图像等;功能性成像模式包括SPECT单光子发射断层扫描像、PET正电子发射断层扫描像以及月吐班功能磁共振成像等。

根据成像模式的不同，以及分割过程中的依据不同，存在许多关于医学图像分割的分类方法。

下面就简单介绍各种医学图像分割分类方法以及各种类别里所包含的具体医学图像分割方法。

按所使用知识的特点与层次，可以粗略将图像分割方法分为数据驱动与模型驱动两类。其中数据驱动的主要特点是利用图像数据本身，直接对图像进行相关操作，包括特征提取和灰度变换等。虽然数据驱动也不排除利用有关的先验知识，但却不依赖于先验知识。数据驱动分割方法主要可分为边缘检测和基于区域分割，前者包括Per侧tt算子、sboel算子、Lpalacina算子等，后者包括闭值分割、区域生长、聚类方法等。而模型驱动则直接建立在先验知识基础上，是以获得图像及分割目标的某种先验知识为指导来设计分割方法，最常见的模型算法如:基于动态轮廓方法、组合优化、目标几何及统计模型算法等。而基于动态轮廓方法又可分为参数型变形模型S(nkae)和几何型变形模型L(veelS)et;基于组合优化包括最大后验估计、最大似然法、最小二乘法、期望值最大等。按分割所基于类型特点不同，将分割方法分成基于模型算法和基于特征算法两类。基于模型算法是利用一些常用的数学或统计模型来描述图像数据间的相关关系，这种类型的分割方法一旦满足模型能很好地贴近数据本质特征，将大大地降低分割问题的难度且精度高，因此这类型的分割算法或多或少都将涉及到先验知识的利用;基于特征的方法是一类从图像数据本身出发，取得关于图像灰度统计特性或局部纹理特征，并运用到如聚类或某种能量函数的优化问题中，这类算法由于涉及到特征量的获取，将与特征空间窗口大小的选择和特征位置的采样有密切的关系，因此很难得到问题的最

优解。按分割区域是否允许有“重叠”现象，如上一节概述中所讨论的分割定义是否严格，可将分割方法大体分类为软分割与硬分割两类。其中硬分类可视为软分类中的一种特殊形式。两种分类的主要差别在于分割过程中是否允许为每一体素分配不同的类型，且以一定的概率或某种隶属度形式存在。硬分类是传统的确定性分割算法，在分割中类型最多，软分类常与统计模型、概率模型或随机场模型相结合的方式存在。

另外，人们也可以根据不同的分割目的、不同的寻优方法等标准对分割方法进行分类，本文将不再做具体的阐述。

1.4医学图像分割的评估准则

医学图像分割是一个非常特殊的研究领域。分割质量的好坏直接关系到临床的诊断效果和放射治疗的精度，同时也为医学图像其它相关处理领域提供可靠的技术支持;分割的速度直接关系到分割算法能否符合临床实时需求，为临床医生提供实时的交互手段;分割的鲁棒性直接关系到在临床复杂环境下，分害d算法能否保持其良好的分割精度和可靠性;分割的自动化程度则直接关系到算法在临床中应用的效率，同时也为分割精度提供可靠的保证。然而医学图像分割算法的这些关键性指标在实际复杂的临床环境下，通常不可能兼得且被充分考虑到，这是因为它们之间有时彼此就是一对不可调和的矛盾，应根据实际情况和侧重点不同，给予适当的折衷，以满足临床的实际需求。对于医学图像分割评价准则的研究，由于其种类多、仍没有一个统一的标准，因此，本文不作详细的探讨，只给出一些与本文相关的不同

评估准则。如按原理和切入点的不同，将它们分为最典型的两大对、四类型:其中，“两大对”为分析准则与实验准则，定性准则与定量准则;“四种类型”为定性分析准则、定量分析准则、定性实验准则及定量实验准则四种;另外根据分割在临床中的需要，有如下两种不同的评估方法:

第一种评估方法是客观性评价。在分割结束，有一系列分割的关键性指标也同时得到，对于如算法花费的时间，鲁棒性等指标，都可以通过定性实验甚至定量实验给予评价，而对于分割精度，也可以用错分率E(mrrRates)、重叠率(Overlpa)s等不同性能指标给予评价;

第二种方法也称为目测检验即siualInspecotin)，它是一种主观性的评价方法。和其它图像处理算法评估的方法一样，除去一些客观的指标之外，相关领域专家的目测检验，也相当重要和可信。因为我们得到的结果目的就是直接或间接为他们所用，所以处理结果得到专家的认可也相当的重要。

3. 病理分析软件，实现二维三维多模态医学图像配准。

图像配准(Image Registration)是指对一幅图像寻求一种(或一系列)空间变换，使它与另一幅图像上的对应点达到空间位置上的一致。这种一致是指同一解剖点在两幅匹配图像上具有相同的空间位置。配准的结果应使两幅图像上所有的解剖点，或至少是所有具有诊断意义的点及手术感兴趣的点都达到匹配。图像配准的主要目的是图像融合(Image fusion)，以提高图像的信息量。医学成像设备繁多，各有所长，大体上可分为解剖成像和功能成像两大类。前者主要描述人体组织器

官的解剖结构信息，如CT、US等；后者则主要描述功能代谢信息，如MRI、SPECT、PET等。而且即使是同一类成像也不尽相同，如MRI成像又分为fMRI、T1加权成像、T2加权成像和质子加权成像。在实际临床应用中，有很多场合下需要图像配准技术的支持，最重要的有三个方面。首先是术前诊断，需要综合利用多幅同模态或不同模态图像的信息，做出准确的诊断。如图2.3所示：(a)为MR图像，图像上的肿瘤已经分割出来；(b)为大脑血管造影图像，图中显示有大脑主动脉，是手术中必须避开的地方；(c)是(a)和(b)配准、融合后的图像，包括脑组织、肿瘤和主动脉的信息。显然，一副图像比多幅图像更直观，更有利于诊断。其次是在三维重建和手术计划阶段，需要综合多模态图像的信息，以建立信息全面的模型。如利用CT图像重建的三维图像骨组织结构清晰，而软组织信息缺乏，融合MRI后就可以弥补这个缺陷，得到信息全面的三维图像。最后，手术效果评估也需要对术前和术后的图像进行配准，以观察手术部位和病灶术前、术后的对比效果图像配准的方法总体上可以分为两大类：基于图像特征的配准和基于图像灰度信息的配准。前者主要是先从原始图像提取标识点、特征点、边缘、轮廓等信息，再利用各种算法完成配准，简单实用，但需要较多的人工介入，自动化程度低，是最常用的配准方法，如基于外部、内部标识点、最近迭代点(Iterative Closest Point, ICP)算法、基于分割的图像配准算法等。其中基于外部标识点的配准，是通过成像前在患者皮肤或骨骼上固定特征标识，这些特征标识在图像中具有高亮信号特征，以便识别和分割，该方法精度高，是各配准方

法参考的“金标准”，但是是有创的，增加了患者的痛苦。基于灰度信息的图像配准算法主要是利用整幅图像的灰度信息，再由相应的理论构造一个代表图像间相似性测度的目标函数，当目标函数取得极大值或极小值(取决于不同的算法)时，图像间的相似性最大，图像配准完成。基于灰度信息的图像配准具有人工干预少、自动化程度高、精度高等优点，主要缺点是计算量大、速度较慢，但随着处理芯片运算速度的迅速提高，基于灰度信息的图像配准算法越来越得到人们的重视。典型的方法有互相关法、基于傅立叶域的互相关法和相位相关法、灰度比的方差最小化法、在段内的灰度值方差最小化法、差分图像的直方图熵最小化法、直方图聚类和直方图图离差最小化法、最大互信息法等。

1.1 课题的目的和意义

数字图像配准是八十年代以来发展极为迅速的图像处理技术之一，它是模式识别，自动导航，医学诊断，计算机视觉，遥感图像处理的重要组成部分。图像配准技术经过多年的研究，己经取得了众多研究成果，但由于图像配准的输入数据来源的多样性，以及不同的应用对图像配准的要求各不相同，同时由于影响图像配准的因素的多样性，以及配准问题的复杂性，图像配准的技术还有待于进一步的发展。目前国内外同行都在研究图像配准的方式与其相关的技术。对于图像配准问题，已有一套统一的处理框架和思路，但是每一类具体的图像配准问题又有其特殊的分析、处理方法。同时由于图像之间存在复杂多变的成像畸变，因此图像配准技术是一个非常困难的课题。通过对图像

的精确配准，将能更好的进行图像信息融合，目标定位，变化检测，高分辨率图像的重建等后续处理工作，处理结果的好坏将直接影响后续工作的质量。所以，对图像配准进行研究，具有理论和实践双重意义。

1.2 图像配准国内外发展现状

图像配准最早在美国七十年代从事的飞行器辅助导航系统、武器投射系统的末制导以及寻地等应用研究中提出。八十年代后，在很多不同领域都有大量配准技术的研究，如遥感领域，模式识别，自动导航，医学诊断，计算机视觉等。早在 70 年代，P.E.Anuta就提出了使用 FFT 进行互相关图像检测计算的图像配准技术，以提高配准的速度性能；D.L.Barnea等提出了使用模板子图像差值相似性测度的图像配准技术，它比使用 FFT 计算互相关相似性测度进行图像检测的方法有更高的性能；W.K.Pratt对图像配准的互相关技术进行了全面的研究；M.Svedlow等对图像配准的相似性测度和预处理方法进行了比较分析；Eric.Rignot等在较高层次上对多图像的自动配准技术和要求进行比较和分析；Flussr针对变形图像间的匹配又提出一个自适应映射方法，自动地对两幅遥感图像进行分割，使得分割后两幅图像上相应子块间的相似度较大，从这些子块之间的空间位置关系来对原来的两幅图像进行匹配。根据Insititute of ScientificInformation(ISI)的调查数据表明，最近十年里至少有超过 1000 篇的学术论文在研究图像配准问题。2002 年网上公布的美国申请专利中，图像配准相关的部分就超过 50 项，IBM 和 GE 等大型跨国企业甚至有自己的工作组专门

研图像配准问题。而在最近的国际顶级学术会议上都有关于配准的专题讲座，这足可见图像配准问题的关注程度。另外，医学图像的配准也经过了一个较长的发展历程。二十世纪八十年代初，图像配准主要应用在 DSA（数字减影血管造影）方面。它采用基于图像灰度的方法，针对二维图像，通过检测相关性和灰度值的差异来决定刚性变换的参数。这种方法在今天用于三维变换中仍可以借鉴。二十世纪八十年代中后期到九十年代初，开始关注不同模态的图像配准，这时候图像配准和图像融合也主要集中于二维刚性变换。二十世纪九十年代，医学图像配准在三维方向和非刚性图形配准上取得了飞速发展。在国内，图像处理技术起步相对较晚，后来获得了很大的发展。李智等提出了基于轮廓相似性测度的图像配准方法，它适用于轮廓特征丰富的图像的配准。王小睿等提出并实现了一种自动图像配准方法，用于图像的高精度配准，但实际上它只是一种使用互相关系数作为相似性测度的半自动的图像配准方法。郭海涛等提出了一种将遗传算法(Genetic Algorithm，简称 GA)用于图像配准的算法。熊兴华等提出将遗传算法和最小二乘法结合用于图像的子像素级配准。由此可见，图像配准技术经过多年的研究，己经取得了诸多研究成果，不论在国内还是国外，图像配准技术都发展的非常迅速。早期的图像配准技术主要应用于多波段遥感图像的校准。近二十年来，在模式识别和运动分析等领域里，配准技术发挥着越来越重要的作用。目前，像素级图像配准算法已基本成熟，亚像素级正在快速的发展，也正得到越来越广泛的应用。寻找一种在医学图像、遥感、计算机视觉等诸多领域通用

的有效的图像配准技术也是目前正在积极探索和研究的课题。目前 3D 数据的配准成为学术界的研究热点之一。图像配准的高精度、图 像配准算法的强鲁棒性、图像配准算法的配准速度以及图像配准的自动化一直以来都是图像配准领域所不断追求的目标。 2.1 图像配准简介

图像配准是图像处理的一个基础问题，它源自于多个领域的许多实际问题，如不同传感器获得的信息融合；不同时间、条件获得图像的差异监测；成像系统和物体场景变化情况下获得的图像的三维信息获取；图像中的模式或目标识别等等。

一般来说，图像配准就是对同一场景使用相同或不同的传感器成像条件，在不同条件下，如气候、照度、摄影位置和角度等获得的两幅或多幅图像进行广义的匹配。这些图像之间一般会存在差异，它们之间的差异表现在不同的分辨率、不同的灰度属性、不同的位置平移和旋转、不同的比例尺、不同的非线性变形等等。图像配准研究的目标就是消除以上所述两幅或多幅图像之间存在的种种差异，确定其最佳匹配关系，使它们在目标几何形状上匹配一致，为进一步的分析处理做准备。

图像配准的应用领域概括起来主要有以下几个方面：计算机视觉和模式识别，服务于目标识别、形状重建、运动监测和特征识别等等；医学图像分析，比如肿瘤检测、病变定位、大脑或血管造影、血细胞显微图像分类等等；遥感数据分析，农业、地理、海洋、石油、地矿勘探、污染、城市森林等；目标定位、测量、识别和分析等。根据 Brown

的总结，图像配准在应用上可以粗略地归为四类：多模态配准、模板配准、观察点配准、时间序列配准（表 2.1），从表 2.1 可以看到，图像配准具有非常广谱的方法论，这使得对于图像配准技术的分类和比较评判很困难。每一个配准技术通常是针对某一个具体的应用而设计的，而对于那些特定的应用问题来说，并没有哪一个技术是必须的和唯一的。它们唯一的共性就是每一个配准问题最终都是要在变换空间中寻找一种特定的最优的变换，使得其中一幅图像变换后与另一幅达到某种意义上的匹配。多模态配准分类同一场景上由不同传感方式获得的图像的配准。典型应用多传感器图像的信息融合。方法特点通常需要建立传感模型和变换模型，由于灰度属性或对比度可能有很大的差异，有时需要灰度的预配准，利用物体形状和一些基准标志可以简化问题。医学图像领域：CT、MRI、PET、SPECT 图像结构信息融合。

2.遥感图像领域：多电磁波段图像信息融合，如微波、雷达、可视的或多谱段的等；场景分类，如分类建筑物、道路、车辆、植被等。 模板配准分类在图像中为参考模板样式寻找最佳匹配。

典型应用在图像中识别和定位模板样式，例如：地图、物体、目标物等。方法特点基于模式，预先选定特征，已知物体属性，高等级特征匹配。

遥感数据处理：定位和识别定义好的或已知特征的场景如飞机场、高速路、车站、停车场等。

2.模式识别、字符识别、标志确认、波形分析等。观察点配准分类对

从不同观察点获得的图像进行配准。典型应用深度或形状重建。方法特点变形多为透视变换，常应用视觉几何和表面属性等的假设条件，典型的方案是特征相关，必须考虑阻挡问题。

计算机视觉：从视角差异中构建三维深度和形状信息。目标物的运动跟踪，序列图像分析。时间序列配准分类对同一场景上不同时间或不同条件下获得的图像的配准。检测和监视变化或增长。方法特点需要容忍图像中部分内容的差异和形变对配准造成的影响，有时需要建立传感

噪声和视点变换的模型。医学图像处理：数字剪影血管造影(DSA)、注射造影剂前后的图像配准、肿瘤检测、白内障检测。 遥感数据处理：自然资源监控、核生长监控、市区增长检测。 2.2.2 图像转换类型

对所有图像配准技术而言，最根本的问题就是找出适当的图像变换或映射类型以正确匹配两幅图像。常用到的图像变换主要有刚体变换、仿射变换、投影变换和非线性变换（Nonlinear transformation）。 (1) 刚体变换

如果第一幅图像中的两点之间的距离变换到第二幅图像后仍保持不变，那么这样的变换就称为刚体变换。刚体变换可分解为平移、旋转和反转（镜像）。刚体变换通常用来配准含有刚性物体的图像，例如骨骼图像的配准以及头骨及脑膜均处于非开放状态的脑图像配准。刚体配准也可以应用于物体形变不是太大的物体如连续组织切片及序列 MR 图像的近似配准和物体灰度变化不大的图像如功能性序列

MR 图像的配准。图 2.1 是对一幅 CT 图像进行了刚体变换。 (2) 仿射变换

如果第一幅图像中的一条直线经过变换后映射到第二幅图像上仍然为直线，并且保持平衡关系，这样的变换称为仿射变换。它比刚体变换多了缩放变换。这种变换将直线依然映射为直线，且保持直线间的平行关系但不保持直线段长度和它们的角度。仿射变换通过增加图像每一维度上的比例变化和缩放因子来扩展刚体变换的自由度。仿射变换可以分解为线性（矩阵）变换和平移变换。 (3) 投影变换

如果第一幅图像中的一条直线经过变换后映射到第二幅图像上仍然为直线，但平行关系基本不保持，则这样的变换称为投影变换。投影变换可用高维空间上的线性（矩阵）变换来表示。 (4) 非线性变换

如果第一幅图像中的一条直线经过变换后映射到第二幅图像上不再是直线，则这样的变换称为非线性变换。非线性变换比较适合于那些具有全局性形变的图像配准问题，以及整体近似刚体但局部有形变的配准情况。 2.3 图像配准的方法

迄今为止在国内外的图像处理研究领域，已经报道了相当多的图像配准研究工作，产生了不少图像配准方法。总的来说，各种方法都是面向一定范围的应用领域，具有各自的特点。如何对各种配准方法进行分类，人们也已经进行了一些探索，Brown提出了以三个主要的范畴：

图像特征类别、搜索空间(或等价于应用的变换类型)、搜索策略来进行图像配准分类。 (1) 搜索空间

搜索空间是指一系列可以配准图像的变换操作的集合，以几何变换为主要因素。图像的几何形变可以分为三类：全局的、局部的和位移场形式的。全局的变换通常基于矩阵代数理论，用一个参数矩阵来描述整个图像的变换。典型的全局几何变换包括以下的一种或几种：平移、旋转、各向同性或各向异性的缩放、二次或三次多项式变换等等。局部变换有时候又被称为弹性映射，允许变换参数有位置依赖性，也就是说，不同的位置具有不同的变换参数模型。变换参数往往只是定义在特定的关键点上，而在区域到区域之间进行插值。位移场方法，有时候又称为光流场法，使用一个(连续的)函数优化机制，为图像中的每一点计算出一个独立的位移量，并使用某种规整化机制进行约束。 (2) 图像特征

图像配准中使用的图像特征有着重要的实际意义，因为它们通常决定了这个方法适合于什么样的图像。空间坐标(地标点)被有效应用于很多的同属性图像的配准，但地标控制点的选择是一个困难的过程，不论是自动的还是人工的确定。对于很多图像来说，图像配准精度直接受控制点选择精度的影响。而实际中控制点的数量和精度通常是很有限的。相比较而言，基于初始灰度信息的配准方法充分而又有效地利用所有已知的数据。如果需要，一些二值的掩模或者其他加权过程可以用来强调某些特定的特征信息。恰当的相似性准则的使用可以增加

方法的鲁棒性。 (3) 搜索策略

由于很多配准特征和准则伴随着庞大的计算量，搜索策略成为一个不容忽视的问题。给定一组特征和参数化的形变，优化准则和优化算法本身共同决定了搜索策略。控制点结合最小二乘准则是一个很通用的变换参数确定方法，它通常用在基于特征的配准方法上。此外，常用的搜索策略还有：松弛匹配、动态编程、牛顿法、最速下降法、共扼梯度法等。根据图像配准中利用的图像信息区别将图像配准方法分为三个主要类别基于灰度信息法、基于变换域法和基于特征法。前两种方法是全局图像配准技术(对应于全局几何变换)，这两类方法通常需要假设图像中的对象仅仅是刚性的改变位置、姿态和刻度，改变的原因往往是由照相机运动所引起的。基于灰度的图像配准方法必须考虑匹配点邻域的灰度，故配准时，计算量大，速度较慢；基于特征的配准方法由于提取了图像的显著特征，大大压缩了图像信息的数据量，同时较好地保持了图像的位移、旋转、比例方面的特征，故配准时计算量小，速度较快，但其配准精度往往低于基于灰度的图像配准方法。下面讨论一些常用的图像配准方法。 1. 基于灰度的图像配准方法

此类方法一般不需要对图像进行复杂的预处理,而是利用两幅图像的某种统计信息作为相似性判别标准，采用适当的搜索算法得到令相似性判别标准最大化的图像转换形式，以达到图像配准的目的。主要特点是实现比较简单，但应用范围较窄，不能直接用于校正图像的非线

性形变，而且在最优变换的搜索过程中往往需要巨大的运算量。Rosenfeld与 1982 年提出的交叉相关(Cross-Correlation)法是最基本的基于灰度统计的图像配准方法，它通常被用来进行模板匹配和模式识别。1995 年，出现了一个新的解决图像配准问题的方向，那就是基于信息理论的交互信息相似性准则，并取得了激动人心的结果。Viola 等人和Collignon等人分别独立地把交互信息引入到图像配准领域，初衷是为了解决多模态医学配准问题。交互信息的概念最早可以追溯到 1948 年 Shannon的工作。从此之后，交互信息在很多领域得到应用，例如统计、通信理论、复变分析等等。当两幅图像基于共同解剖结构的图像达到最佳配准时，它们对应像素的灰度互信息应达到最大。由于该测度不需要对不同成像模式下图像灰度间的关系作任何假设，也不需要对图像进行分割或任何预处理，所以被广泛地用于 CT/MR、PET/MR 等多种医学图像配准。特别是当其中一个图像的数据部分缺损时也能得到很好的配准效果。因此，在图像配准领域尤其是医学图像配准领域获得了很大的发展。本文在研究基于灰度的图像配准方法时选择的就是互信息相似性测度，所以在第三章对于互信息有着详尽的叙述。由于以上方法都是在全局作相似性度量，对分辨率高尺度大的图像，相似性度量的计算量也就相应的增大，应用这些方法的必要条件是有对应的搜索策略以减少计算量。最常用的方法是称为金字塔法的由粗到精的迭代搜索算法，它将分辨率较高的图像分解为分辨率较低的图像从而减少搜索数据量，再由低分辨率图像的搜索结果作为下一步搜索过程的初始值，利用迭代逐步提高分辨率直

到得到原分辨率图像的搜索结果。基于全局统计信息的图像配准方法具有对噪声较敏感的缺点，而这一缺点在基于变换域的方法中可以得到一定程度的缓解。

2. 基于变换域的图像配准方法

最主要的变换域方法是傅氏变换方法。图像的旋转，平移，比例变换都能在傅里叶变换频域中反映出来，利用变换域方法还有可能获得一定程度的抵抗噪声的鲁棒性，同时傅里叶变换可以采用 FFT 的方法提高执行的速度，另外，傅氏变换由于有成熟的快速算法和易于硬件实现，因而在算法实现上也具有独特的优势，傅氏变换是图像配准中常用的方法之一。直接利用相位相关技术可以得到具有平移失配的图像间的平移量，Reddy对相位相关技术进行了扩展，使其适用于图像间具有平移、旋转、缩放关系的图像配准问题。其基本原理是通过坐标变换，在对数极(log-polar)坐标下使旋转量和缩放量转化为平移量。 旋转在傅氏变换中是一个小变量。根据傅氏变换的旋转性质，旋转一幅图像，在频域相当于对其傅氏变换作相同角度的旋转变换域配准方法在噪声的敏感性和计算的复杂度上有一定的优势，但从上面的分析可以看出，这一方法受限于傅立叶变换的不变性质，只适用于在傅立叶变换中有相应定义形式(如旋转、平移等)的图像转换中，一般应用于仿射转换的图像配准中，对于图像转换形式较复杂的情况无能为力，此时需要基于图像特征的方法来解决这类问题。 3. 基于特征的图像配准方法

基于图像特征的方法是图像配准中最常见的方法，首先要对待配准图

像进行特征提取，再利用提取到的特征完成两幅图像特征之间的匹配，通过特征的匹配关系建立图像之间的配准映射变换。常用到的图像特征有：特征点（包括角点、高曲率点等）直线段、边缘、轮廓、闭合区域特征结构以及统计特征如矩不变量、重心等等。 1) 点特征

点特征是配准中常用到的图像特征之一。特征点的来源有三个方面：边缘提取上的特征点、区域分割上的特征点、直接来源于灰度的特征点。典型的边缘提取上的特征点有：拐角点、线交叉点、不连续点、轮廓上的曲率最大点；区域分割上的特征点一般指封闭曲线或区域的质心；若无形状或曲线特征，还可以选择区域中的感兴趣点如Moravec算子选择具有局部最大变化的点。点特征易于表示和操作，同时也反映了图像的本质特征。要注意的问题是保证适当的特征点数目，因为配准运算需要足够的特征点，而过多的特征点则使配准难于进行。其中主要应用的是图像中的角点，在计算机视觉、模式识别以及图像配准领域都有非常广泛的应用。基本步骤是首先在两幅图像中分别提取角点，再以各种方法建立两幅图像中角点的相互关联，从而确立同名角点，最后以同名角点对作为控制点对确定图像之间的配准变换。由于角点的提取已经有了比较成熟的方法，因此基于角点的配准方法的难题就是两幅图像之间同名点的匹配问题。已报道的解决点匹配问题的方法包括松弛法，Hausdorff距离及相关方法，相对距离直方图聚集束检测法等等。这些方法都对检测到的角点要求比较苛刻，比如要求同样多的数目、简单的变换关系等等。这样就使得基于角点

的配准方法产生了局限性。

随着小波理论的提出和研究的不断深入，小波变换广泛应用于多个实际领域中，在图像配准领域中出现了采用小波变换的性质处理控制点的提取以及同名控制点匹配的技术。 2) 边缘特征和区域特征

近几十年来，随着图像分割、边缘检测等技术的发展，基于边缘、轮廓和区域的图像配准方法逐渐成为配准领域的研究热点。图像分割和边缘检测技术是这类方法的基础，目前已报道的有很多图像分割方法可以用来做图像配准需要的边缘轮廓和区域的检测，比如 Canny 边缘提取算子、拉普拉斯－高斯算子(LOG)、动态阈值技术和区域增长等等。尽管方法很多且各具特点，但并没有任何一种方法能对所有种类的图像都能获得最佳效果，大多数的分割技术都是依赖于图像本身的(image-dependent)。利用边缘检测和边缘匹配作不同传感器和不同波段图像的配准。其中采用链式编码准则提取图像中地物的边缘，采用五种形状特性作为相似性原则对应闭合边缘，对非闭合边缘则提取角点作点匹配。这一利用边缘作为特征的方法对待匹配图像间的灰度差异不敏感，但同时要求图像本身有较明显的边缘特征，并易于边缘提取。采用二次样条小波对图像进行小波变换，利用小波变换的多尺度特性把图像分解成不同尺度上的多个分量，小波系数模的局部极大值对应着图像中的边缘点。采用轮廓链码配准算法，是基于边界描述的配准算法。首先提取区域的轮廓，并用链码进行描述，通过链码相关完成图像的配准，对几何畸变有一定的适应能力。其他的轮廓描述

方法，如傅立叶描述算子、轮廓分段表示成线段和弧等，也可以相似的来构造其配准算法。采用区域分割的方法来配准图像，利用适当的分割算法，在图像中提取出尽量多的独立闭合边界区域，通过区域边界优化算法使两幅图像中相对应的闭合区域具有更好的相似性，并利用闭合区域的重心作为控制点，得到了亚像素级的配准精度。 图像分割将图像二值化，这就剔除了第二类成像畸变的影响，灵活的选择相似性度量则可以消除第三类成像畸变的影响。矩不变量就是一种常用的区域统计特征，它具有对图像旋转、平移、缩放的不变性，采用欧式距离作为相似性度量，配准只是使两幅图像的矩不变量的相似性达到最大。此外，如果区域形状类似椭圆，则区域的质心和主轴可以用来粗配准，它们计算较简单，而且具有几何位置意义。区域特征配准算法的缺点是区域提取不易达到一致性。 3) 高层模型

上面介绍的边缘、区域、点特征建立的都是图像的中层描述，当获得足够多的信息时，在中层特征提取的基础上，建立图像的高层模型描述，如图、树、文法描述等，能够反映图像的本质结构和特征，消除各类畸变的影响。这类算法最大的困难在于高层模型难以建立。计算快捷、高精度、适应性强的配准算法一直是图像配准问题研究的核心。基于区域的配准算法研究已较为成熟。基于特征的配准算法是当前研究热点，其中基于边缘、特征点、区域特征的配准算法研究较多，而基于图、句法等模型的配准算法还不多见，而且现有的算法也都存在各种限制，对景象类型和成像畸变的适应性不是很高。多个算法的融

合与集成可以克服单个算法的一些局限性，提高配准的适应性。的算法结合了矩不变量形状描述子和改进的链码相关，建立了统一的相似性度量，来建立两幅图像之间的配准。建立基于知识的多算法集成机制，也是研究的一个方向。图像配准做了一个综合性的阐述。对图像配准所用的理论知识进行了详细的介绍，重点研究图像配准的方法分类，通过对各类图像配准方法的研究可以看到，图像配准方法是非常依赖于图像本身的，往往不同的图像配准方法都是针对不同类型的图像的配准问题的。所以到目前为止，尚不存在任何一种图像配准方法能适用于各种图像配准问题，毕竟图像配准的应用领域就很广泛，面对的不同类型的图像也千差万别。因此图像配准方法研究的两个重要的目标是，一方面提高其对于适用图像的算法的有效性、准确性和鲁棒性，另一方面也力求能扩展其适用性和应用领域。 3.1 医学图像配准技术 3.1.1 医学图像配准的分类

医学图像配准是指对于一幅医学图像寻求一种或一系列空间变换，使它与另一幅医学图像上的对应点达到空间上的匹配。这种匹配是指人体上的同一解剖点在两张匹配图像上有相同的空间位置。配准的结果应使两幅图像上所有的解剖点，或至少是所具有诊断意义的点及手术感兴趣的点都达到匹配。多模态图像配准的应用十分广泛。例如，在患者接受放射线疗法时，医生会同时使用CT和MR两种成像技术。CT用来指导医生精确地计算放射线的剂量，而MR图像通常能够更好地表现肿瘤组织的形态。使用多种成像技术并适当地加以结合，能

够为临床诊断提供有力的支持。除多模态图像配准外，很多临床应用中也大量使用单模态图像的配准，如通过手术前后图像的比较来评估手术效果，使用序列MR图像监控肿瘤的生长过程，以及使用X射线监控骨骼的发育等等。由于单模态图像具有高度相似性，解决这类配准问题会比多模态图像配准容易得多。图像配准方法可以按照9种不同的标准进行分类 分类标准分类

维度 2D/2D配准、2D/3D配准、3D/3D配准

图像特征基于外部特征的配准、基于内部特征配准、图像无关配准 变换模型刚性变换、仿射变换、投影变换、非线性变换 变换域全局变换、局部变换

交互性手动配准、半自动配准、全自动配准 优化方法参数计算法、参数优化法 模态单模态配准、多模态配准

对象患者自身配准、患者间配准、模板匹配 目标组织头部、胸部、腹部、骨盆、四肢的配准 3.1.2 医学图像配准中的几个主要问题 2. 图像插值

由于我们获得的图像是数字的、离散的，而不是连续的，当对浮动图像进行变换时，将导致变换后图像的网格与原图像网格不一致，这就需要我们对变换后的图像进行插值。同时，假设理想图像是连续的，我们得到的图像是对连续图像采样后的图像，那么由于插值所引起的

互信息平面相对于理想互信息平面的误差是必然存在的。一般的插值方法使互信息函数产生局部极值，影响配准结果。所以我们要选择合适的插值方法，使实际的互信息平面与理想平面的变化趋势相差较小，尽可能的平滑，配准参数的误差尽可能小，配准更精确。在医学图像配准中，无论采用哪种方法，一个必需的步骤就是将浮动图像进行坐标变换，将其映射到参考图像中，然后进行各种不同的计算。当浮动图像中的点经过坐标变换后，其像素点不一定落在坐标网格上，为了计算非网格点的灰度值，需要通过插值方法来获得该点的灰度值插值方法一般分为两类：(1)第一类是真正意义上的插值，即根据周围像素点的灰度，通过加权平均得到非网格点的灰度值。(2)第二类方法则不是真正意义上的插值，而是为了计算互信息的联合直方图提出来的，因在第一种插值方法中会产生新的灰度值，在计算联合直方图的时候，新加入的灰度值会使目标函数产生局部极值，为了克服这个缺陷，提出了第二种方法以便得到比较光滑的目标函数，它并没有求出插值点的灰度，只是统计直方图的时候替代一般插值求灰度概率分布的辅助手段，它根据线性插值的权值分配原则，将每对像素对联合直方图的贡献分散到联合直方图上，没有生成新的灰度值。这类方法计算简单、速度快，能够满足配准的要求，当然它们也存在计算精度不够等缺点，有时会影响到目标函数值的分布。不同的插值方法对相似性测度函数的精确度和平滑性有不同的影响。

4. 建立在三维医学图像基础上手术方案制定，优化与模拟；或治疗方案。

相比传统手术而言，CAS 优势明显，显著地提高了手术成功率，而且使一些以往无法完成的手术得以实现。CAS系统基于术前医学影像，以手术导航和医学影像交互操作的手术模式为主，并利用术中医学影像对手术进行校正和评估，周密的手术模拟和手术计划。三维模型的建立为医生提供了一个虚拟的手术对象，医生不仅可以获取各种信息，而且可以进行手术模拟，这是传统手术所无法实现的。传统手术中一旦发生失误，会导致灾难性的后果，而CAS的手术模拟过程中发生失误，只需在重新模拟时修正即可。反复进行手术模拟后，得到了最满意的手术路径，然后制订最优的手术计划。手术计划具有前瞻性、对实际手术的可预见性，即在实际手术中，每一步操作前就可以预见操作后的结果，避免了传统手术的盲目性。因此，不会出现在切除肿瘤的同时，伤害其他重要器官、血管和神经的现象，降低了手术风险，提高了手术质量。

颅面畸形外科手术一直被外科医生认为是最危险最复杂的一种综合性外科手术。手术涵盖了颅面外科，脑外科等多种外科手术内容，在手术中常常遇到截骨、接骨、移植填充材料等操作「117」。因此，仔细的分析患者的医学病理特征和细致的术前设计成为了保证手术成功的前提。然而，在多数外科手术中心，外科医生主要还是通过观察一组X图片、CT、MRI的二维切片显像在胶片或荧屏上的图像进行分析，这往往依赖于医生的丰富读片经验，依据图像进行分析，不可能对受损骨的三维结构进行定量测定，重组分析，因此缺乏客观的指标，从而使手术治疗只能依靠经验和模糊的印象下进行，致使骨结构

本文来源：https://www.bwwdw.com/article/yxmw.html