醫(yī)學影像處理存在的問題和展望

1、醫(yī)學影像處理存在的問題和展望 醫(yī)學影像處理存在的問題和展望摘要：隨著高性能計算技術與高精度探測技術的不斷發(fā)展，醫(yī)學影像輔助診療已經(jīng)被醫(yī)療界廣泛接受和采用，同時對醫(yī)學影像的處理提出了更高的要求和挑戰(zhàn)。簡要介紹了醫(yī)學影像處理技術的已有技術，并重點論述了該領域存在的主要問題，指出今后醫(yī)學影像發(fā)展方向和趨勢。關鍵詞：醫(yī)學影像；輔助診療；展望1 醫(yī)學影像處理的結(jié)果對于輔助診療的理論方面缺乏足夠的支持（1）醫(yī)學圖像的處理目標主要是以能否達到醫(yī)生的視覺效果和分辨出病灶有關系。從醫(yī)學影像處理的總體目標而言，所有影響影像處理結(jié)果應用幾乎都與醫(yī)學影像的分割相關。由于醫(yī)學圖像對于病灶的分割直接關系到醫(yī)生的診斷結(jié)果，

2、 因此，一個魯棒分割算法是必須的， 但就目前的圖像分割算法來看，主要分為3 類，一類是完全的人工分割方法，一類是半自動的分割方法，另外一類便是全自動的分割方法，這些分割方法各有優(yōu)缺點。同時，諸多的算法沒有相應算法的分析與評價體系，并且其分割效果的好壞評價主要是人視覺上主觀的觀察，并沒有其相應的理論根據(jù)。醫(yī)學圖像分割要求算法對圖像本身的目標對象具有不可預知性，分割區(qū)域的連通性，以及邊界曲線的不規(guī)則性，比如說惡性腫瘤與良性腫瘤的輪廓與邊界，而這些性質(zhì)由于算法模型自身的問題有時候就被破壞了，例如原始水平集方法中要求輪廓曲線是閉合簡單曲線；同時，如何將醫(yī)學灰度圖像進行多層次多分辨率的分割，也是醫(yī)學影像

3、處理的一個重要的問題。實際上，醫(yī)學的診斷給醫(yī)學的圖像處理領域已經(jīng)提出了更高的要求，那就是，如何根據(jù)醫(yī)學圖像，建立某個器官或者某個組織的多層次結(jié)構，比如說，同一個人的胸腔的骨質(zhì)結(jié)構，肌肉結(jié)構，以及小到心臟動脈結(jié)構，因為這些小的器官，人們往往不能或者很難從纖維內(nèi)窺鏡或者其他的電子設備中直接獲取，而這些都依賴于對于影像數(shù)據(jù)的準確高精度的分割。（2）在現(xiàn)有的多排螺旋CT 掃描所得到的醫(yī)學圖像中，人們常常關注的是被掃描對象的三維空間結(jié)構，而恰恰忽略了掃描對象的第四維鈥敿詞奔瀋賢枷竦謀浠廡翁系謀浠蟯巧瓚韻蠊艿囊桓齜從常庋褪溝靡窖枷竦拇斫黿鼉窒抻詰枷竦木蔡治觶揮懈徊澆沂酒湎嚶鈉鞴俟鼙局市畔煌?；臀滔抵\浠諶死

4、嗟娜現(xiàn)討校導噬鮮且桓霾還嬖蚯嬖謔奔瀋系謀浠淙桓咚偈只囊攪粕璞縛梢允迪滯輝碩櫓蛘咂鞴僭誆煌恢 米刺廈嫻撓跋袷藎僑嗣嵌哉廡跋袷萑鄙偃嫻姆治鲇氪懟?（3）醫(yī)學圖像中，對于某種或者某類疾病，缺少某種標準條件下影像必要的回歸處理和分析，沒有相應的正常和非正常的組織和器官各種參數(shù)的定量研究報告，使得醫(yī)生診斷往往具有很大的主觀性， 這便給患者的后期的治療帶來很大的風險；同時，沒有相應的形態(tài)學量化與組織功能的對應量化分析，就在很大程度上很難達到功能的修復目的。（4）缺少醫(yī)學圖像自適應或者智能修復與增強、放大算法的理論與應用研究。當前大部分應用于醫(yī)學影像處理這些方法都是來自于非醫(yī)學圖像的處理方法，這些方法有的就

5、不太適合醫(yī)學影像的處理。比如當CT 圖像遇到相互組織成像重疊時，普通圖像處理會將這些重疊的數(shù)據(jù)理解為噪聲或者其它干擾信號。同樣，僅僅就圖像放大技術和方法而言，醫(yī)療專家和研究者需要保持圖像上面邊界或者目標輪廓的邊界具有的幾何保持紡射不變。圖像的修復和去噪永遠是一對矛盾，主要是因為這種操作在實際的應用中圖像的細節(jié)和噪聲一并被去掉。而常見的圖像放大算法在很大情況下用的是線性因子，或者分段的線性因子，這樣做的直接后果就是圖像出現(xiàn)方塊效應，由于該過程模糊了諸多的信息，普通的算法圖像增強的結(jié)果與放大的影像，對醫(yī)生的診斷卻帶來了難以預料的困難。（5）醫(yī)學圖像的顏色問題。在常見的醫(yī)學圖像中，人們能夠看到的大部

6、分是灰度圖像或者偽彩色圖像，而醫(yī)生在實際的解剖學中看到的是彩色的組織， 這便給醫(yī)生的診斷帶來了困難。由于對醫(yī)師診斷來說，組織的顏色等信息在診斷學中占有很大的權重，比如說某組織的炎癥，在解剖學上大部分體現(xiàn)紅腫，雖然腫可以在影像形態(tài)學上部分地反映，但是往往被誤認為是患者的個性器官形態(tài)上的差異。因此，這些情形就引發(fā)了圖像的處理的另外一個問題鈥斎綰衛(wèi)猛枷竦幕葉刃畔】贍艿鼗乖蛘咄撇獠瞬”洳課壞淖櫓媸敵畔虢峁梗傭窖鋃咸峁銜憊鄣氖泳跣保捎諶鄙傺丈畔南允疚侍猓溝沒頰呋迥誆亢芏喙艿濫誆康難丈揮邢嚶耐庠詒硐鄭褪溝迷誆±碚鋃現(xiàn)釁鹱胖匾饔玫難丈庖惶卣饜畔? 從而在通常的醫(yī)學影像學中都很難或者沒有體現(xiàn)出來，而

7、在實際的組織活檢中，有經(jīng)驗醫(yī)生的眼睛對顏色的敏銳程度非常高。2 醫(yī)學可視化主要是計算復雜度、工程實現(xiàn)速度及定位（1）利用計算機進行醫(yī)學三維可視化后，實現(xiàn)計算機輔助外 科手術的導航存在諸多的問題。主要缺乏根據(jù)醫(yī)學圖像，重建三維對象時其世界坐標系與觀察坐標系估計的研究，從而為計算機輔助外科手術導航帶來了極大的障礙，而這一問題的根本原因主要是患者在進行圖像采集時，除了自身生長發(fā)育的個體差異外，還會受到患者成像時的對造影劑的敏感性，對姿勢的差異性等等。因此，導致計算機對于重構出來的對象或組織三維空間結(jié)構的重建誤差很難進行定性和定量上的分析，而這一問題是三維可視化后計算機輔助外科手術的基本問題之一。（2

8、）缺少高效快速的三維動態(tài)或者成為四維可視化的研究。此類研究主要體現(xiàn)在人的主要器官可視化方面， 比如說人的大腦，心臟、肺等組織，缺少相應的動態(tài)三維重建與顯示研究，并且方法需要高效快速，從而可以稱為是實時地完成，而這些恰恰能夠更真實地反映活體組織的形態(tài)與功能運動變化， 因為只有這樣， 醫(yī)學影像處理的可視化技術才可以為醫(yī)生的診斷提供更為有效便捷的服務。（3）缺少醫(yī)學影像的圖像融合。人們長期的經(jīng)驗得知，CT圖像對含鈣質(zhì)差異明顯的組織具有特別好的解析度與分辨率，但是對于肌肉組織之間的解析度與分辨率則不如MRI 與B超。同時，又因為MRI 與B 超則不具有CT 圖像的優(yōu)點，那么，如何利用這些各自設備的優(yōu)缺

9、點，將采集到同一個對象的圖像數(shù)據(jù)融合起來，利用各自的優(yōu)點，避免各自的缺點，進行三維對象的重建，缺少一定的有效算法及其優(yōu)劣標準。3 醫(yī)學影像處理理論的發(fā)展趨勢及展望從眾多的醫(yī)學影像處理的應用來看，處理方法的來源除了依賴于常見的其它圖像處理理論之外，還必須或者最好是從醫(yī)學影像本身的成像原理出發(fā)， 設計出適當?shù)尼t(yī)學影像處理算法，從而在很大程度上滿足實際工作的需要，筆者認為，醫(yī)學影像的處理，今后的工作主要可能集中在以下幾個方面：（1）醫(yī)學影像的分割需要研究更為先進高效的算法。由于曲率驅(qū)動的曲線演化對于圖像的分割具有天然的連通性與有效性，同時對分割對象的輪廓具有很強的魯棒性，因此，對于醫(yī)學圖像的分割，采

10、用曲線演化的算法的基本思想，設計高效率的醫(yī)學圖像的分割算法，并給出其算法的正確性與效率的評價準則，研究其嵌入函數(shù)的最優(yōu)選取以及分段連續(xù)函數(shù)的選區(qū)準則，同時給出其數(shù)值算法的實現(xiàn)，這些方面的研究應該在今后是一個十分有意義的工作；同時，利用智能算法的基本思想，設計醫(yī)學圖像多層次分割算法，研究算法的有效性與最優(yōu)準則也給醫(yī)學影像處 理工作者提供了一個新的課題。（2）醫(yī)學影像的分類需要得到其同一個組織的形態(tài)學特征空間，從而為醫(yī)生的診斷提供足夠的參考信息。以CT 圖像序列為例，利用非線性流形的相關理論與流形學習算法，討論該圖像序列中多排螺旋CT 圖像的一維流形嵌入的存在性，設計發(fā)現(xiàn)低維流形嵌入的算法，給出該

11、螺旋掃描的一維曲線的一維流形描述，應該是理論工作者以后的研究重點。（3）跟蹤同一病例的數(shù)據(jù)，建立某種病變的科學客觀的數(shù)據(jù)采集、診斷量化信息。通過收集大量同一病例數(shù)據(jù)，在相關醫(yī)生指導下，建立某種疾病數(shù)據(jù)采集參考標準狀況，分別利用非線性回歸的方法與非線性流行的學習方法，得出同一種疾病在確定標準條件下的量化分析特征，并給出相應的理論依據(jù)與算法實現(xiàn)，比較分析各自算法的優(yōu)劣性，應該是今后醫(yī)學影像輔助診療應用研究領域的一個難點。（4）對于人體內(nèi)某些極其微小的組織結(jié)構，如何利用現(xiàn)有的數(shù)據(jù)采集設備，得到其對臨床診斷有診斷價值的信息是一個十分具有挑戰(zhàn)意義的課題。從目前現(xiàn)有的理論與技術來看，利用一些人工智能的方法

12、，獲取被放大圖像基本的幾何信息與本質(zhì)特征信息，然后再保持這些信息放射不變的情況下，利用某種數(shù)學的方法，把圖像放大然后再進行三維可視化，應該是一種可行的方法，同時又要盡可能地維持圖像的本質(zhì)信息與拓撲結(jié)構不發(fā)生變化根本的形態(tài)學變化。（5）如何利用醫(yī)學影像相關間接的知識，試圖為相關的進行部分或者全部著色，以便盡可能地體現(xiàn)器官機體的本來顏色信息， 為醫(yī)生準確診斷在一定意義下提供一定的參考價值，而這一問題又是醫(yī)學影像學處理不能快速應用于臨床診斷依據(jù)的一大障礙，如果這些研究得到突破，則其對臨床的診斷意義是十分巨大的。（6）醫(yī)學影像的配準與數(shù)據(jù)融合技術，也是目前亟需解決的問題之一。研究醫(yī)學影像中不同圖像設備

13、時間的圖像融合問題，圖像融合參數(shù)的選取與優(yōu)化指標，從而為逼真精確地體現(xiàn)患者器官的結(jié)構等理論與算法，依據(jù)估計三維重建對象的參考坐標系， 校正同一掃描對象在不同設備上圖像獲取的定位，從而為醫(yī)學圖像的融合奠定理論基礎與算法保證；同時精確地配準與定位技術，可以為外科手術的導航提供可靠的技術支持。（7）醫(yī)學影像的處理與分析，需要研究利用時間上的形態(tài)學變化對某個病變與組織器官的功能預測，研究利用相關的數(shù)據(jù)與知識進行推測的方法。研究如何利用高精度的醫(yī)學影像獲取設備， 建立一些重要器官的動態(tài)三維重建與顯示，并給出這些器官的生命特征曲線，從而反映這些器官的功能，同時通過形態(tài)學、功能上與病理學的觀點，從而為預防與

14、早發(fā)現(xiàn)諸如中老年人心腦血管疾病，提供堅實可靠的醫(yī)學量化指標，同時也可以為相應的病變提供手術前、后的診療評估。（8）研究適應新的成像技術下的醫(yī)學影像處理方法，可能是今后一個長時期的熱點。實際上，當前的醫(yī)學影像成像的基本原理主要有吸收成像，X 射線相位襯度成像， 超聲成像和核磁共振成像。后兩者圖像獲取，目前還受到影像師的采集技術以及患者個體差異的影響比較大，同時不適合采集高精度的影像數(shù)據(jù)。而衍射增強成像是X 射線相位襯度成像方法之一，這種方法具有較高的襯度和空間分辨率，在生物、醫(yī)學、材料科學等無損檢測領域中的應用研究， 已成為當前國際上X 射線成像領域中的研究熱點。因此研究衍射增強成像方法和該方法在計算機斷層成像中的應用，可以預計使用衍射增強成像方法獲得的數(shù)據(jù)源能夠重建出微米級的生物組織結(jié)構，這些組織結(jié)構信息在常規(guī)X 射線斷層成像中是難以得到的。因此，研究適應這種新的成像技術下的圖像處理方法， 必然是以后的發(fā)展趨勢。（9）必將有一部分醫(yī)學影像處理新的方法來自于醫(yī)療設備的成像原理。縱觀現(xiàn)