医疗影像处理综述

-1-医学图像处理综述二0一四年十月-2-目录1.医学图像处理背景2.医学图像预处理3.医学图像去噪4.医学图像复原5.医学图像分割6.医学图像识别7.医学图像配准8.医学图像的拼接9.医学图像在临床的应用10.医学图像处理技术在科研中的应用-3-医学图像处理背景医学图像处理是一门综合了数学、计算机科学、医学影像学等多个学科的交叉科学，是利用数学的方法和计算机这一现代化的信息处理工具，对由不同的医学影像设备产生的图像按照实际需要进行处理和加工的技术。医学图像处理的对象主要是X射线图像，CT(ComputerizedTomography)图像，MRI(MagneticResonanceImaging)图像，超声(Ultrasonic)图像，PET(Positronemissiontomography)图像和SPECT(SinglePhotonEmissionComputedTomography)图像等。医学图像处理过程一般包括：图像采集、图像预处理、图像分析、图像理解以及控制决策等环节。-4-医学图像处理过程-5-目录1.医学图像处理背景2.医学图像预处理3.医学图像去噪4.医学图像复原5.医学图像分割6.医学图像识别7.医学图像配准8.医学图像的拼接9.医学图像在临床的应用10.医学图像处理技术在科研中的应用-6-含义图像预处理是对输入的图像进行特征抽取、分割及配准前所进行的处理。图像预处理技术分为两大方面，即图像增强和图像复原技术。必要性图像在传输过程和存储过程中难免会受到某种程度的破坏和各种各样的噪声的污染，导致图片丧失了本质或者偏离了人们的需求。这就需要一系列的预处理操作来消除图像受到的影响。进行图像预处理主要目的是为了消除图像中无关紧要的信息，恢复有用的真实的信息，增强相关信息的可检测性和最大限度地简化我们需要的数据，从而增加特征抽取、图像分割、配准和识别等后续图像处理步骤的可靠性。医学图像的预处理-7-图像增强增强图像中的有用信息，它可以是一个失真的过程，其目的是要改善图像的视觉效果，针对给定图像的应用场合，有目的地强调图像的整体或局部特性，将原来不清晰的图像变得清晰或强调某些感兴趣的特征，扩大图像中不同物体特征之间的差别，抑制不感兴趣的特征，使之改善图像质量、丰富信息量，加强图像判读和识别效果，满足某些特殊分析的需要。图像增强技术图像增强技术主要有两种方法：空间域和频率域法。空间域法则主原始图像图像预处理图像理解特征分析，直接在空间域内对图像进行运算处理，包括图像灰度变换、直方图修正、局部统计法、图像平滑和图像锐化等几个方面。频率域法则只在图像的某种变换域里对图像的变换值进行运算，比如对图像进行傅立叶变换，然后在变换域里对图像的频谱进行某种计算，最后把计算后的图像逆变换到空间域。医学图像的预处理-图像增强-8-医学图像的预处理-图像增强方法空间域图像增强频率域灰度变换空域滤波直接灰度变换直方图修正法图像的代数运算直方图均衡化直方图规定化图像平滑图像锐化高通滤波低通滤波带通、带阻滤波-9-医学图像的图像增强-直方图均衡灰度直方图：数字图像中每一灰度级与它出现的频率之间的统计，可以理解为描述各个灰度级的像素出现多少的统计图示。若用横坐标表示灰度级，纵坐标表示频率，就可以看出图像中灰度的分布情况.四种典型灰度图像的直方图特征：(a)暗图像；(b)亮图像；(c)低对照度图像；(e)高对照度图像-10-医学图像的图像增强-图像锐化图像锐化目的：图像经转换或传输后，质量可能下降，难免有些模糊。通过锐化，加强图像轮廓，使图像看起来比较清晰。方法：空间频率愈高，幅度增加就愈大。这表明微分是可以加强高频成分的，从而使图像轮廓变清晰。最常用的锐化方法是梯度法和拉普拉斯算子。-11-医学图像的图像增强-伪彩色增强伪彩色加强：人眼只能区分40多种不同等级的灰度，却能区分几千种不同色度、不同亮度的色彩。伪彩色处理就是把黑白图象的灰度值映射成相应的彩色。人脑图像伪彩色增强心脏图像伪彩色增强-12-医学图像的图像增强-图像去噪图像去噪：现实中的数字图像在数字化和传输过程中，常受到成像设备与外部环境噪声干扰等影响，成为含噪图像。完全去除或减少数字图像中的噪声称为图像去噪技术。必要性：大多数的现实医学图像都是含噪图像，医学图像噪声对医学图像分析、医学图像压缩的影响很大，因此医学图像去噪是医学图像预处理阶段最重要的任务之一。医学图像去噪是图像预处理中一项被广泛应用的技术，其作用是提高医学图像的信噪比，突出医学图像期望特征。因此，具体重要的应用价值。关于图像去噪的详细内容将在之后的章节进行介绍。-13-图像复原技术需要知道图像的降质缘由，根据图像降质的现眼知识，恢复并重构原来的图像。图像复原和图像增强的目的是不一样的，图像增强的目的是为了改善图像视觉效果，便于观察和分析人们所感兴趣的东西，而把那些不重要的地方给清除出去，不仅如此，图像增强还便于人工或者机器对图像的进一步处理。而图像复原不仅仅是对图像进行预处理还要恢复至原来的面貌，它需要建立模型依此为依据进行复原。关于图像复原的详细内容将在之后的章节进行介绍。医学图像的预处理-图像复原-14-目录1.医学图像处理背景2.医学图像预处理3.医学图像去噪4.医学图像复原5.医学图像分割6.医学图像识别7.医学图像配准8.医学图像的拼接9.医学图像在临床的应用10.医学图像处理技术在科研中的应用-15-医学图像去噪方法含义：医学图像在采集、数字化和传输过程中，常受到成像设备与外部环境噪声干扰等影响，成为含噪图像。完全去除或减少数字图像中的噪声称为图像去噪技术。必要性：医学成像过程中由于成像机制的影响,不可避免的引入噪声,图像中的噪声会大大降低图像的质量,使组织边界模糊,细微结构难以辨认,影响医学诊断。因此在医学图像去噪中,有效的去除噪声的同时很好的保留边界和结构信息是十分重要的。-16-医学图像去噪方法-空域法空域法:采用各种图像平滑模板对图像进行卷积处理，达到抑制或消除噪声的目的。高斯滤波：高斯滤波是经典的图像滤波的算法，能够在一定程度上抑制噪声。很多算法都拿高斯滤波做预处理，例如canny边缘检测算子。然而高斯滤波在模糊图像的同时，也模糊了图像的边缘信息。均值滤波：均值滤波的方法是对将处理的当前像素，选择一个模板，该模板为其邻近的若干像素组成，用模板中像素的均值来替代原像素的值。均值滤波是一种线性滤波器，但是模糊效应比较严重，去噪的同时会引起细节信息的丢失。中值滤波:是一种常用的非线性平滑滤波方法，其基本原理是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代换。中值滤波的主要作用是将那些与周围像素灰度值的差比较大的像素改取与周围的像素值接近的值，从而可以消除孤立的噪声点，所以中值滤波对于滤除图像的椒盐噪声非常有效。中值滤波优于均值滤波之处在于它不仅像均值滤波一样可以抑制噪声，而且可以使边缘模糊效应大大降低。-17-医学图像去噪方法-空域法举例a,含椒盐噪声的大脑医学图像b,均值滤波效果,均值滤波：方法是对将处理的当前像素，选择一个模板，该模板为其邻近的若干像素组成，用模板中像素的均值来替代原像素的值。c,中值滤波效果,中值滤波：基本原理是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代换。-18-医学图像去噪方法-频率域法频率域法：通过对图像进行变换以后，选用适当的频率带通滤波器进行滤波，经反变换后获得去噪声图像。小波方法:主要是针对图像信号与噪声信号经小波变换后再不同的分辨率呈现不同的规律，在不同的分辨率下，设定阈值门限，调整小波系数带到图像去噪目的。如果阈值太小，处理后的信号仍有噪声存在，阈值太大，重要的图像特征将被滤掉，引起偏差。利用小波去噪，只有当阈值选择合适才能使达到比较好的去噪效果。基于稀疏变换去噪：将图像有用信息部分作为图像中稀疏成分，而将图像中的噪声作为图像（去除其中稀疏成分后得到）残差，以此作为图像去噪处理的基础。相比于空域方法，基于稀疏变换的方法可以有效保留图像原有高频信息的基础上去除噪声高频分量。-19-医学图像去噪方法-频域法举例利用小波变换对机械部件图像去噪效果对比图,有效的保留了图像的高频分量。-20-目录1.医学图像处理背景2.医学图像预处理3.医学图像去噪4.医学图像复原5.医学图像分割6.医学图像识别7.医学图像配准8.医学图像的拼接9.医学图像在临床的应用10.医学图像处理技术在科研中的应用-21-医学图像的退化图像在形成、记录、处理和传输过程中，由于成像系统、记录设备、传输介质和处理方法的不完善，从而导致的图像质量下降。医学图像的复原试图利用退化过程的先验知识，去恢复已被退化图像的本来面目。复原的过程是沿着质量降质（退化）的逆过程来重现原始图像。医学图像的退化与复原-22-医学图像的复原-基本思路退化了的图像图像退化图像复原因果关系研究退化模型高质量图像复原的图像-23-图像退化典型原因及表现：成像系统的像差、畸变、有限带宽等造成的图像失真。模拟图像在数字化的过程中，由于会损失掉部分细节，因而造成图像质量下降。拍摄时，相机与景物之间的相对运动产生的运动模糊医学图像的复原方法根据图像退化的先验知识建立一个退化模型，以此模型为基础，采用各种逆退化处理方法进行恢复，使图像质量得到改善。图像复原的关键在于建立图像退化模型。这个退化模型应该能够反映图像退化的原因。通常将退化原因作为线性系统退化的一个因素来对待，从而建立系统退化模型来近似描述图像函数的退化。医学图像的退化与复原-24-图像复原方法：退化函数估计：运动矩阵H的估计，噪声（n）的估计。图像去噪：可以使用空间域或频率域滤波器实现。因为不同原因产生的噪音的分布是不同，可以通过分析图片中噪音的分布得到产生这些噪音的参数，然后进行逆运算进行图像复原。逆滤波：有约束的最小二乘法容易通过计算机的简单程序实现，对图像进行逆滤波来实现反卷积的方法方便快捷，无需循环或迭代，直接可以得到反卷积结果。维纳滤波：由Wiener首先提出的，应用于一维信号处理，取得了很好的效果。之后，维纳滤波法被用于二维信号处理，也取得了不错的效果，尤其在图像复原领域，由于维纳滤波计算量小，复原效果好，从而得到了广泛的应用和发展。医学图像的复原方法-25-医学图像的复原方法-去噪声(a)原图像(b)被正弦噪声干扰的图像(c)滤波效果图复原受正弦噪声干扰的图像-26-医学图像的复原方法-维纳滤波去运动模糊(a)原图像(b)运动模糊图像(c)滤波效果图利用维纳滤波复原含运动模糊的图像-27-目录1.医学图像处理背景2.医学图像预处理3.医学图像去噪4.医学图像复原5.医学图像分割6.医学图像识别7.医学图像配准8.医学图像的拼接9.医学图像在临床的应用10.医学图像处理技术在科研中的应用-28-医学图像分割医学图像分割是一个根据图像区域间的相似或不同把图像分割成若干区域的过程。这些区域是互相不交叉的，每一个区域都满足特定区域的一致性。必要性：图像分割是图像分析环节的关键技术，是提取影像图像中特殊组织的定量信息的不可缺少的手段，同时也是可视化实现的预处理步骤和前提。分割后的图像正被广泛应用于各种场合，如组织容积的定量分析，诊断，病变组织的定位，解剖结构的学习，治疗规划，功能成像数据的局部体效应校正和计算机指导手术。由于医学图像的复杂性和多样性，医学图像分割至今仍然是个科学难题。-29-医学图像分割-技术实现方法基于区域的分割方法：利用同一区域内的特征相似性识别图像不同区域的方法。阈值法区域生长和分裂合并分类器和聚类方法基于随机场的方法其他统计方法边缘分割方法：区域边缘上的像素灰度值的变化往往比较剧烈，检测不同区域间的边缘来解决图像分割问题。并行微分算子基于曲面拟合的方法基于边界曲线拟合的方法串行边界查找-30-医学图像分割-阈值法举例脑部CT切片的CT值范围为0-4095,灰度级别为4096,采用多阈值方