醫(yī)學圖像合成方法研究進展

謝 凱，陸正大，李春迎，孫鴻飛，林 濤， 高留剛，眭建鋒，倪昕曄 *

(1.南京醫(yī)科大學附屬常州第二人民醫(yī)院放療科，江蘇 常州 213003；2.南京醫(yī)科大學醫(yī)學物理中心實驗室，江蘇 常州 213003；3.常州市醫(yī)學物理重點實驗室，江蘇 常州 213003)

隨著信息技術(shù)與計算機水平不斷發(fā)展，MRI、CT、US和PET等醫(yī)學影像學檢查方法在疾病診斷和治療中發(fā)揮重要作用。不同模態(tài)醫(yī)學圖像提供的信息可互為補充，臨床實踐中常需對多模態(tài)醫(yī)學圖像進行綜合分析；但由于存在輻射、價格昂貴或設備缺乏等原因，可能無法獲取某種特定圖像，此時通過圖像合成可滿足臨床需求。圖像合成指將某種變換作用于一組給定的輸入圖像，生成與真實圖像足夠接近的新圖像[1]。醫(yī)學圖像合成既可用于不同模態(tài)圖像之間，如將MRI合成CT圖像[2]，也可用于相同模態(tài)不同參數(shù)的圖像，如MR T1WI與T2WI之間、3T與7T MRI之間、錐形束CT(cone beam CT, CBCT)與CT之間；然而由源圖到靶圖的變換往往為高維非線性，導致醫(yī)學圖像合成并非易事[3]。

近年來，醫(yī)學圖像合成相關研究[4-5]多關注分析合成圖像與真實圖像的差異，以評價圖像合成方法的性能，但對于醫(yī)學圖像合成方法的分類尚無統(tǒng)一標準。本研究結(jié)合相關文獻將其主要分為4類：①基于地圖集配準方法；②基于強度變換方法；③基于學習方法；④基于深度學習方法；并針對其存在問題和發(fā)展方向進行綜述。

1 基于地圖集配準方法

地圖集配準方法由MILLER等[6]提出，通過聯(lián)合空間對齊模態(tài)m1與m2配準圖像集a1與a2(稱為地圖集)，之后設定模態(tài)m1的測試圖像b1，將a1形變配準到b1以獲得形變場，并將形變場作用于a2，獲得m2模態(tài)的合成圖像b2。……