上個世紀醫學成像技術的進步為無創診斷創造了前所未有的機會,并將醫學成像確立為當今醫療保健系統不可或缺的一部分。代表這些進步的主要創新領域之一是醫學圖像處理的跨學科領域。
這個快速發展的領域涉及從原始數據采集到數字圖像通信的廣泛過程,這些過程支撐著現代醫學成像系統中的完整數據流。如今,這些系統在空間和強度維度上提供越來越高的分辨率,以及更快的采集時間,從而產生大量高質量的原始圖像數據,必須對其進行適當的處理和解釋才能獲得準確的診斷結果。
本文重點介紹醫學圖像處理的關鍵領域,考慮特定成像模式的背景,并討論該領域的主要挑戰和趨勢。
醫學圖像處理的核心領域
構建醫學圖像處理領域有許多概念和方法,側重于圖1所示的核心領域的不同方面。這些領域塑造了該領域的三個主要過程——圖像形成、圖像計算和圖像管理。
圖1.醫學圖像處理中主題類別的結構分類。
圖像形成過程由數據采集和圖像重建步驟組成,為數學逆問題提供了解決方案。圖像計算的目的是提高重建圖像的可解釋性,并從中提取臨床相關信息。最后,圖像管理處理采集的圖像和衍生信息的壓縮、存檔、檢索和通信。
圖像形成
數據采集
圖像形成的第一個不可或缺的步驟是獲取原始成像數據。它包含有關描述身體內部方面的捕獲物理量的原始信息。這些信息成為圖像處理所有后續步驟的主要主題。
不同類型的成像模式可能利用不同的物理原理,因此涉及對不同物理量的檢測。例如,在數字射線照相(DR)或計算機斷層掃描(CT)中,它是入射光子的能量;在正電子發射斷層掃描(PET)中,它是光子能量及其檢測時間;在磁共振成像(MRI)中,它是激發原子發出的射頻信號的參數;在超聲檢查中,它是聲波的參數。
然而,無論成像模式的類型如何,數據采集過程都可以細分為物理量的檢測,其中還包括將其轉換為電信號、采集信號的預處理及其數字化。圖2示意性地描繪了代表適用于大多數醫學成像模式的所有這些步驟的通用框圖。
圖2.數據采集過程的通用框圖。
圖像重建
圖像重建是使用獲取的原始數據形成圖像的數學過程。對于多維成像,此過程還包括以不同角度或不同時間步長捕獲的多個數據集的組合。醫學圖像處理的這一部分處理逆問題,這是該領域的基本主題。有兩種主要算法用于解決此類問題 - 分析和迭代。
分析方法的典型例子包括廣泛用于斷層掃描的過濾反向投影(FBP);傅里葉變換(FT),在MRI中尤為重要;以及延遲和和(DAS)波束成形,這是一種超聲檢查不可或缺的技術。這些算法在所需的處理能力和計算時間方面優雅而高效。
然而,它們基于理想化模型,因此具有一些明顯的局限性,包括無法處理測量噪聲的統計特性和成像系統的物理特性等復雜因素。
迭代算法克服了這些限制,能夠顯著改善對噪聲的不敏感性,并能夠使用不完整的原始數據重建最佳圖像。迭代方法通常使用系統和統計噪聲模型,根據具有假定系數的初始對象模型計算投影。計算的投影與原始數據之間的差異定義了用于更新對象模型的新系數。使用多個迭代步驟重復此過程,直到映射估計值和真實值的成本函數最小化,從而導致重建過程收斂到最終圖像。
迭代方法種類繁多,包括最大似然期望最大化 (MLEM)、最大后驗 (MAP)、代數重建 (ARC) 技術,以及當今醫學成像模式中廣泛使用的許多其他方法。
圖像計算
圖像計算涉及對重建的成像數據進行操作的計算和數學方法,以提取臨床相關信息。這些方法用于成像結果的增強、分析和可視化。
增強
圖像增強優化圖像的變換表示,以提高所包含信息的可解釋性。其方法可細分為空間和頻域技術。
空間域技術直接對圖像像素進行操作,這對于對比度優化特別有用。這些技術通常依賴于對數、直方圖和冪律變換。頻域方法使用頻率變換,最適合通過應用不同類型的濾波器來平滑和銳化圖像。
利用所有這些技術可以減少噪聲和不均勻性,優化對比度,增強邊緣,消除偽影,并改善對后續圖像分析及其準確解釋至關重要的其他相關屬性。
分析
圖像分析是圖像計算的核心過程,它使用多種方法,可分為三大類:圖像分割、圖像配準和圖像量化。
圖像分割過程將圖像劃分為不同解剖結構的有意義的輪廓。圖像配準可確保多個圖像的正確對齊,這對于分析時間變化或使用不同模態獲取的圖像組合尤為重要。定量過程確定所識別結構的特性,例如體積、直徑、組成和其他相關的解剖學或生理學信息。所有這些過程都直接影響成像數據的檢查質量和醫學發現的準確性水平。
可視化
可視化過程渲染圖像數據,以在定義的維度上以特定形式直觀地表示解剖和生理成像信息。通過與數據的直接交互,可以在成像分析的初始和中間階段執行可視化,例如,輔助分割和配準過程,以及在最后階段顯示改進的結果。
映像管理
醫學圖像處理的最后一部分涉及所獲取信息的管理,并包含用于存儲,檢索和通信圖像數據的各種技術。有幾種標準和技術開發來解決映像管理的各個方面。例如,醫學成像技術圖像存檔和通信系統(PACS)提供對來自多種模式的圖像的經濟存儲和訪問,數字成像和通信醫學(DICOM)標準用于存儲和傳輸醫學圖像。圖像壓縮和流式處理的特殊技術可以有效地實現這些任務。
挑戰與趨勢
醫學成像是一個相對保守的領域,從研究到臨床應用的過渡往往需要十多年的時間。然而,其復雜性在其組成科學學科的各個方面都包含多方面的挑戰,這穩步推動了新方法的不斷發展。這些發展代表了當今醫學圖像處理核心領域的主要趨勢。
圖像采集領域受益于為提高原始數據質量并豐富其信息內容而開發的創新硬件技術。集成的前端解決方案可實現更快的掃描時間、更精細的分辨率和先進的架構,如超聲/乳腺 X 光檢查、CT/PET 或 PET/MRI 組合系統。
快速高效的迭代算法越來越多地用于圖像重建,取代分析方法。它們可顯著改善 PET 中的圖像質量、降低 CT 中的 X 射線劑量以及 MRI 中的壓縮傳感。數據驅動的信號模型正在取代人類定義的模型,為基于有限或噪聲數據的反問題提供更好的解決方案。代表圖像重建趨勢和挑戰的主要研究領域包括系統物理建模和信號模型開發、優化算法和圖像質量評估方法。
隨著成像硬件捕獲的數據量不斷增加,算法變得越來越復雜,因此迫切需要更高效的計算技術。這是一個巨大的挑戰,通過更強大的圖形處理器和多處理技術來解決,為從研究到應用的過渡提供了全新的機會。
與圖像計算和圖像管理轉變相關的主要趨勢和挑戰包括許多主題,其中一些主題如圖3所示。
圖3.當今醫學圖像計算的主要趨勢主題示例。
與所有這些主題相關的新技術的不斷發展縮小了研究和臨床應用之間的差距,并促進了醫學圖像處理領域與醫生工作流程的整合,以確保比以往任何時候都更準確、更可靠的成像結果。
ADI公司提供多種解決方案,可滿足數據采集電子設計在動態范圍、分辨率、精度、線性度和噪聲方面對醫學成像的最苛刻要求。以下是為確保原始成像數據的最高初始質量而開發的此類解決方案的幾個示例。
具有256通道的高度集成模擬前端ADAS1256專為DR應用而設計。多通道數據采集系統ADAS1135和ADAS1134具有出色的線性度性能,可最大限度地提高CT應用中的圖像質量。多通道ADC AD9228、AD9637、AD9219和AD9212針對出色的動態性能和低功耗進行了優化,可滿足PET要求。流水線ADC AD9656為MRI提供出色的動態和低功耗性能。集成接收器前端AD9671專為低成本、低功耗醫療超聲應用而設計,在這些應用中,小封裝尺寸至關重要。
結論
醫學圖像處理是一個高度復雜的跨學科領域,包括從數學和計算機科學到物理學和醫學的眾多科學學科。本文試圖提出一個簡化但結構良好的核心領域框架,代表該領域及其主要主題、趨勢和挑戰。其中,數據采集過程是定義醫學圖像處理框
審核編輯:郭婷
-
數據采集
+關注
關注
40文章
6924瀏覽量
115628 -
MRI
+關注
關注
0文章
65瀏覽量
17018
發布評論請先 登錄
求基于sift的醫學圖像處理的matlab程序,有償!
【學習打卡】【ELT.ZIP】OpenHarmony啃論文俱樂部——淺析稀疏表示醫學圖像
【ELT.ZIP】OpenHarmony啃論文俱樂部——淺析稀疏表示醫學圖像
深度學習在醫學圖像分割與病變識別中的應用實戰
生物信號和生物醫學的圖像處理:以Matlab為基礎的應用程序

基于本體和相似度匹配的DICOM醫學圖像語義檢索
一種基于二維離散小波變換的醫學圖像增強算法
用于醫學圖像消噪的新型小波閥值函數

評論