基于Matlab的多模態醫學圖像融合仿真

陳文+郁蕓+周梅紅

摘 要 多模態醫學圖像融合是一種集醫學圖像處理和醫學影像診斷于一體的新技術，其迅猛發展對醫學影像技術的進步和臨床診療產生了深遠的影響。本文使用幾種多模態醫學圖像融合的典型方法，在Matlab環境下進行了仿真實驗，為相關領域的專業人員和非專業關注者提供了參考。

【關鍵詞】多模態醫學圖像融合 Matlab 醫學圖像處理 醫學影像學

1 引言

隨著計算機技術的飛速發展和信息時代的到來，醫學成像成為了現代醫療技術不可缺少的一部分。由于各種成像設備的成像原理有所差異，不同模態的圖像有各自的優點和局限性。在此背景下，充分利用現有的成像設備，研究一種能整合來自不同成像設備的圖像信息并將其作為一個整體加以表達的圖像融合技術，受到了相關領域的高度重視。本文分析了多模態醫學圖像融合的典型方法，并在Matlab環境下進行了仿真實驗，為相關領域的專業人員和非專業關注者提供了參考。

2 多模態醫學圖像的融合方法

醫學圖像融合方法可分為像素級、特征級和決策級三個層次，目前應用比較廣泛的是像素級層次融合融合方法，同時它又是后兩種融合方法的基礎，本文主要研究像素級層融合方法。

根據其特點、融合步驟和基本原理，又可將其分為基于空間域融合方法和基于變換域融合方法兩大類。這兩類方法不是相互獨立的關系，在許多算法中將兩者結合使用可以達到更好的融合效果。

3 多模態醫學圖像融合matlab仿真程序

本文針對以下幾種融合方法，進行了多模態醫學圖像融合的仿真實驗，實驗所用為兩幅已經做完配準處理的MRI和CT圖像，如圖1所示。

下面將詳細闡述程序實現和實驗結果，如圖2所示。

3.1 像素灰度值極大/極小融合法

% 圖像像素灰度值極大法

for i=1：m1

for j=1：n1

if （abs（M1（i，j）） >= abs（M2（i，j）））

M3（i，j） = M1（i，j）；

elseif （abs（M1（i，j）） < abs（M2（i，j）））

M3（i，j） = M2（i，j）；

end

end

end

3.2 像素灰度值加權平均融合法

% 圖像加權融合

M3 = 0.5* M1 + 0.5* M2；

M3 = im2uint8（M3）；

M4 = 0.3* M1 + 0.7* M2；

M4 = im2uint8（M4）；

3.3 傅立葉變換法

程序代碼如下：

% 對圖像進行二維傅里葉變換

y1 = fft2（M1）；

y2 = fft2（M2）；

% 對變換系數進行加權融合

y3 = 0.5* y1 + 0.5* y2；

y4 = 0.3* y1 + 0.7* y2；

% 傅里葉反變換

M3 = ifft2（y3）；

M4 = ifft2（y4）；

% 數據類型轉換

M3 = im2uint8（M3）；

M4 = im2uint8（M4）；

3.4 小波變換法

zt =2；% 小波分解層數

wtype = 'db1'；%使用的小波類型

% 小波分解

[c0， s0] = wavedec2（M1，zt，wtype）；%多尺度二維小波分解

[c1， s1] = wavedec2（M2，zt，wtype）；%多尺度二維小波分解

%小波系數簡單加權法

c = （c0 + c1）* 0.5；

% 高頻部分系數選擇絕對值極大法，低頻部分系數采用二者求平均的方法

KK = size（c1）；

Coef_Fusion1 = zeros（1，KK（2））；

% 低頻系數的處理

Coef_Fusion1（1：s1（1，1）） = （c0（1：s1（1，1）） + c1（1：s1（1，1））） / 2；

% 高頻系數的處理

MM1 = c0（s1（1，1） + 1：KK（2））；

MM2 = c1（s1（1，1） + 1：KK（2））；

mm = （abs（MM1）） > （abs（MM2））；

Y = （mm.* MM1） + （（～mm）.* MM2）；

Coef_Fusion1（s1（1，1） + 1：KK（2）） = Y；

% 小波重構

Y1 = waverec2（c，s0，wtype）；

Y2 = waverec2（Coef_Fusion1，s0，wtype）；

4 結語

多模態醫學圖像融合技術是醫學圖像處理技術的一個重要分支，在臨床診療、計算機輔助診斷、遠程醫療、放射治療及手術計劃的制定等方面有著廣泛的應用前景，對醫學影像的進步和發展有重要的促進作用。在此背景下，本文分析了多模態醫學圖像融合的典型方法，并給出了Matlab環境下的仿真實例，對相關領域的專業人員和非專業關注者具有一定的參考價值。

參考文獻

[1]李偉，朱學峰.醫學圖像融合技術及其應用[J].中國醫學影像技術，2005，21（07）：1126-1129.

[2]田婭，饒妮妮，蒲立新.國內醫學圖像處理技術的最新動態[J].電子科技大學學報，2002，31（05）：485-489.

[3]陳顯毅，周開利.醫學圖像配準常用方法與分類[J].信息技術，2008（07）：17-19，24.

[4]胡朝芬，黃之杰，羅來華.醫學圖像融合技術研究進展[J].醫療衛生裝備，2010，31（04）：157-160.

[5]孫野.醫學圖像融合算法的研究[D].吉林大學，2011.

[6]邱建峰，聶生東.醫學影像圖像處理實踐教程[M].北京：清華大學出版社，2013：108-109.

[7]王陽萍，杜曉剛，趙庶旭，王松.醫學影像圖像處理[M].北京：清華大學出版社，2012：150-151.

[8]張莉.醫學圖像融合及算法研究[D].南京理工大學，2006.

[9]柴苗.醫學圖像融合算法研究與應用[D].西安電子科技大學，2009.

[10]劉雯敏.醫學圖像融合的方法研究及其應用[D].江南大學，2013.

[11]何凱.像素級醫學圖像融合研究[D].西北工業大學，2006.

[12]陳爽.基于小波和復小波變換的醫學圖像融合的研究[D].山東大學，2007.

作者簡介

陳文（1996-），江蘇省蘇州市人。在讀碩士。研究方向為醫學影像。

作者單位

1.南京醫科大學基礎醫學院 江蘇省南京市 211166

2.南京航空航天大學自動化學院 江蘇省南京市 210000