基于納米材料的多模態跨尺度醫學成像分析

殷朋宜，王志永

(1.陜西能源職業技術學院，陜西 西安 710613；2.陜西省結核病防治院(陜西省第五人民醫院)，陜西 西安 710100)

現代計算機的發展，促進了醫學影像工程的發展，也研發了大量的CT、MRI等成像設備，為臨床診斷提供了更多的可能性。在臨床實際使用過程中，單一模態圖像無法為醫生提供足夠信息，要融合不同模態的圖像，得出全面信息，對病變和器官的組織信息進行全面掌握，提高診斷精準性，實現合適治療方案的制定。為此，對多模態醫學圖像分析尤為重要。

1 多模態跨尺度的醫學成像

1.1 超分辨單分子成像

疾病發展早期，生物學受到DNA、蛋白質分子、RNA等亞細胞結構的影響。對疾病早期的診斷，通過超分辨光學觀察活細胞水平亞細胞結構，受激發射損耗顯微鏡技術STEM是將激光發射作為基礎增加空心光束，避免外圍樣品出現損耗等問題，使成像的分辨率得到提高。在STED顯微成像的過程中，要提高熒光探針的光穩定性、高效受激輻射率等。稀土上轉換發光納米材料(UCNPs)在980 mm激光照射過程中會導致光子雪崩和交叉馳豫等效應，從而反轉局部。通過此特質，能夠實現28 nm的超分辨和低功率成像。

1.2 細胞成像與跟蹤

生物體基本構成的主要單位為細胞，其輔助疾病的診斷。聚乙烯亞胺(PEI)包覆的NaYF：Yb，Er納米材料能夠有效結合葉酸，從而實現交聯靶向造影劑的創建，開展納米材料活細胞成像。通過癌細胞天然細胞膜創建囊泡修飾納米材料，得到同源靶向能力，對細胞成像進行跟蹤。人骨髓間充質干細胞(hMSCs)的再生潛力比較強，但是因為缺少有效方法對體內分化與遷移監控，導致應用受限。納米材料表面和光控接頭相互連接，對干細胞分化進行有效控制，在干細胞研究過程中廣泛使用此種技術。

1.3 雙模態成像

雖然分子生物成像中上轉換納米材料(UCNPs)的使用具有一定優勢，但單一模態成像無法將信息提供給監測對象。利用雙模態融合解決不同成像技術中的應用缺點，使診斷有效率得到提高，進一步滿足精準醫學的需求。納米材料的修飾能力和比表面積比較大，能夠創建多模態造影劑。利用不同信號組件的結合，與近紅外光學成像結合。

1.4 近紅外光成像

UCNPs具有良好的發光強度和光穩定性，在980 nm激發下的主要優點包括較強穿透力、無自熒光背景干擾、生物分子吸收少等，被廣泛應用到活體成像與深組織成像中。使靶向整合素受體精氨酸-甘氨酸-天冬氨酸多肽和UCNPs共價偶聯配制分子探針，通過活體成像結果可以看出來，此納米粒子注射之后1 h，就能夠看到清楚地腫瘤靶向成像；在注射24 h之后就能夠得到腫瘤成像。

2 圖像融合算法的改進

2.1 圖像分解

醫學圖像能夠分解為高頻細節紋理和低頻主體輪廊，為了對圖像高頻、低頻部分有效地處理，就要實現高頻低頻的區分。通過Mallat算法對醫學圖像進行層分解，不同分階層具備4幅子圖像，指的是圖像被分解之后不同方向的高頻分量，包括水平、垂直、角方向和低頻等。圖像在分解之后產生高頻、低頻的子帶，低頻分量對圖像輪廊信息進行描述；高頻分量對細節信息進行描述。在小波分解層數增加的時候，會使子圖像尺寸得到縮小，MRI圖像小波分解的結構如圖1所示。

圖1 MRI圖像小波分解結構Fig. 1 Wavelet decomposition structure of MRI image

2.2 圖像融合過程

通過小波變換轉變頻率和局部，利用圖像提取信息，實現高低頻空間的細分化。利用小波變換使圖像融合算法得到實現，首先，實現融合圖像的小波分解，之后得出高低頻的子圖像。其次，以小波分解系統的特點，針對不同的分辨率進行分解，根據不同的融合算法結合實際方案，利用小波變換得出最終融合結果。

在低頻系數融合過程中，針對醫學圖像，低頻分量影響恢復圖像的質量，有效定位病灶。本文使用選擇與加權因子融合的規則，利用以下公式計算：

(,)=[(,)+·(,)]·-(,)-·(,)·(2)

(1)

式中：、和均為加權因子，其中為調節因子，能調節2幅圖像的比例，均衡2幅圖像的亮度；在因子不斷增加的過程中，圖像就會更亮；在因子不斷增加的過程中，會加強圖像邊緣。針對圖像類型不同，適當調整因子就能夠將模糊邊緣消除，保證在消減過程中不過度的喪失圖像邊緣信息。

在融合高頻系數時，假如和為利用小波變換后的高頻分量；=(=，，)為融合后結果。計算基于高頻系數的區域能量，區域大小為×，和指的是奇數，并且≥3，≥3。

(2)

(3)

(4)

(5)

(6)

(7)

2.3 融合策略的改進

圖像融合的重點就是圖像融合策略，所使用的規則和方法會對融合質量和速度造成影響；在進行融合時，融合作用尤為重要。為了提高圖像高低頻的處理效率，要進行有效區分。本實驗提出了將鄰域窗口一致性作為基礎的檢驗規則，使融合圖像穩定性得到提高，區域方差策略應用到低頻融合過程中，將其作為基礎進行實驗。

低頻融合

圖像局部區域方差利用單個像素灰度對區域灰度均值離散情況進行分析，展現出圖像的紋理、細節與邊緣等信息；在對低頻小波系數融合選擇的過程中，使局部區域方差融合策略得到實現。

(1)將點(,)作為在2幅源圖像中心的局域區域方差表示：

(8)

式中：為源圖像或者；與對局域區域大小進行規定，本實驗使用3×3局域區域；

(2)對圖像局部區域匹配度進行計算：

(9)

(3)根據局域方差與匹配度確定小波空間的融合權重，實現確定匹配度閾值(=056)。在(，)<的時候，區域方差大的相應點分解系數作為融合圖像分解系數：

(10)

在(,)≥的時，使用加權平均方法相應分解系數。

高頻融合

將融合圖像應用到臨床醫學中，集成全部圖像信息，避免存在誤診的情況。利用高頻子帶系數將源圖像細節信息展現出來，包括邊緣、紋理、輪廊等。通過細節信息構成源圖像，醫學圖像細節在對病垢診斷時尤為重要，如果存在不同的細節，也有不同的診斷。所以，對高頻子帶圖像融合要進行重視。

一致性檢驗是以最大值原則為基礎，如果細節圖像為中心像素，鄰域中像素大部分都是細節圖像，那么要改變中心像素，使其成為細節像素。本實驗實現高頻小波系數的滑動鄰域操作，為了避免不同圖像中存在大部分鄰域融合系數，對于濾波后高頻小波系數調整鄰域窗口的一致性，進一步提高融合圖像的穩定性與連續性；一致性校驗強度設置為5。

2.4 適應度函數的選擇

在通過算法解決巡游問題的時候，選擇適應度函數會對遺傳優化算法最終結果造成影響。利用優化算法對最優解進行優化，不需要外部因素，只要基于適應度函數值計算迭代種群個體適應度函數值，選擇代種群中的最優解即可。

此算法的高低頻融合規則具備可變參數，通過遺傳優化算法對自適應性進行確定。利用邊緣評價因子和信息熵開展實驗，充分展現圖像中的信息量，使其能夠作為適應度函數，最大程度地繼承融合圖像的源圖像信息，重視信息的繼承，定義為：

(11)

邊緣信息評價因子能夠充分反映融合圖像輪廊邊緣的細節信息，使其成為適應度函數，重視繼承細節信息。

2.5 醫學圖像的融合步驟

本實驗算法主要步驟：

(1)利用NSST實現配準的待融合源圖像進行分解，得出低頻與高頻分量；

(2)因為低頻分量的稀疏性比較差，所以要對其實施稀疏表示，得到稀疏系數。之后，根據改進融合規則實現稀疏系數融合，實現稀疏系數重構得出融合之后的低頻分量；

(3)高頻分量的稀疏性良好，還能夠將源圖像細節信息進行描述，使用簡化自適應融合規則實現融合，得出融合之后的高頻分量；

(4)針對融合之后的低頻與高頻分量實現逆變換，從而得到融合圖像。

3 結果與分析

為了全面分析算法有效性，對5種算法選擇后開展灰度、彩色的圖像融合實驗。根據不同指標開展客觀質量評價，記錄多算法融合處理的時間。

3.1 灰度圖像融合實驗

灰度圖像實驗利用不同腦部狀態下圖像作為待融合圖像。圖2～圖4分別為正常腦部、急性腦卒中CT/MRI和多發性腦梗塞MR-T1/MR-T2醫學圖像融合結果。

圖2 正常腦部CT/MRI醫學圖像融合結果Fig. 2 CT/MRI medical image fusion results of normal brain

圖3 急性腦卒中CT/MRI醫學圖像融合結果Fig. 3 CT/MRI medical image fusion results of acute stroke

圖4 多發性腦梗塞MR-T1/MR-T2醫學圖像融合結果Fig. 4 MR-T1/MR-T2 medical image fusion results of multiple cerebral infarction

表1～表3分別為正常腦部、急性腦卒中CT/MRI和多發性腦梗塞MR-T1/MR-T2不同融合算法的醫學融合定量評價效果。

表1 正常腦部CT/MRI不同融合算法的醫學融合質量結果Tab.1 Medical fusion quality results of different CT/MRI fusion algorithms for normal brain

表2 急性腦卒中CT/MRI不同融合算法的醫學融合質量結果Tab.2 Medical fusion quality of CT/MRI fusion algorithms for acute stroke

表3 多發性腦梗塞MR-T1/MR-T2不同融合算法的醫學融合質量結果Tab.3 Medical fusion quality of MR-T1/MR-T2 different fusion algorithms for multiple cerebral infarction

由表1～表3可知，評價指標Qabf、SD、IE，本實驗圖像融合算法更加優異；CT/MRI的圖像融合效果更好。由表3還可知，評價指標SD、IE，此算法能夠都得到MR-T1/MR-T2的融合圖像質量。

3.2 彩色圖像融合實驗

本選擇待融合的圖像是指不同狀態的組織圖像，利用RGB-IHS空間變換融合彩色圖像；圖5為彩色圖像的融合流程。

圖5 彩色圖像的融合流程Fig. 5 Color image fusion process

綜合實驗對照數據，本文所提出的多模態跨尺度醫學成像融合算法能夠將源圖像保存，對比圖像灰度融合分散，就邊緣特性具有良好的傳遞效果。但是，此算法高頻部分比較復雜，所以整體運算過程比較長。

4 結語

從單分子成像到組織、細胞、活體成像，單一模態逐漸發展為4模態成像，納米材料在分子生物成像、腫瘤診斷一體化和細胞示蹤等方面具有較大的臨床應用潛力。雖然納米材料的優勢比較多，但在今后發展中，還要解決多方面的問題。比如，提高化學穩定性、體內滯留時間比較長，需要對代謝特性和生物毒性進行驗證。所以，如何創建強特異性、高穩定性和良好生物兼容性的納米材料還需要進一步研究。