醫學圖像配準方法研究

摘要：醫學圖像配準是醫學圖像處理中的關鍵技術，也是醫學圖像融合和三維重建的基礎。本文介紹了醫學圖像配準的基本概念，概述了其框架，包括搜索空間、空間搜索策略、灰度插值、特征空間和相似性測度。詳細介紹了醫學圖像配準中常用的算法，如剛體變換、部分體積（PV）插值法和粒子群優化（PSO）算法。接著，描述了醫學圖像配準的基本流程。隨后，通過實例說明了醫學圖像配準在圖像融合和三維重建中的具體應用。最后，總結了醫學圖像配準質量評估的方法與指標。

關鍵詞：醫學圖像配準；剛體變換；PV 插值法；粒子群優化算法；醫學圖像融合；三維重建

中圖分類號：TP393

文章編號：1009-3044（2025）06-0031-04開放科學（資源服務）標識碼（OSID）：

1 圖像配準的概念

圖像配準是將同一對象在不同條件下獲取的圖像進行對齊的一項技術。其本質是找到一組空間幾何變換關系，使得其中一幅圖像上的所有像素點都可以通過另一幅圖像經過該變換得到。在圖像配準中，通常將空間位置固定不變的圖像稱為參考圖像，而另一幅以參考圖像為標準，需要不斷進行空間變換與插值的圖像稱為浮動圖像。假設兩幅二維圖像R和F，其在（x，y）點處對應的灰度值分別用R（x，y）和F（x，y）表示。若定義R為參考圖像，F為浮動圖像，則這兩幅圖像R和F之間的映射關系可以表示為[1]：

R（x，y） = F （ T （x，y）） （1）

式中：T 表示二維空間幾何變換函數。圖像配準的最終任務是找到最優的空間幾何變換函數T，使浮動圖像F 經過T 變換后，與參考圖像R 達到最佳的空間位置匹配。因此，醫學圖像配準可定義為尋找一組最佳幾何變換參數Tt，使目標函數S （R（x，y），F （T ）） t （x，y） 取得最大值，如式（2）所示。

式中：t 表示變換T的控制參數，S表示目標函數，通常用相似性度量來表示，用以衡量兩幅圖像的匹配相似度。

2 醫學圖像配準框架

醫學圖像配準框架如圖1所示，主要包括搜索空間、灰度插值法、特征空間、搜索策略和相似性測度五個方面：搜索空間：指采用的變換方式及變換范圍；搜索策略：指尋優過程中采用的優化搜索算法；灰度插值法：由于幾何變換后的圖像上的點并不一定剛好落在參考圖像的網格上，因此需要通過插值法計算變換后點的灰度值；特征空間：指提取的待配準的兩幅圖像的相似特征集合；相似性測度：用于衡量兩幅圖像的相似性程度。

2.1 搜索空間

搜索空間是解決“如何變換”的問題，指采用何種變換方式、變換范圍以及如何與被匹配圖像進行匹配。常見的變換范圍包括局部變換、全局變換和位移場變換等。變換方式可分為線性變換方式（如剛體變換、仿射變換和投影變換）和非線性變換方式（如B 樣條、薄板樣條等）。變換類型如表1所示[2]。

剛體變換：包括旋轉、平移和放縮變換，圖像的細節結構不會發生變化。

仿射變換：包括剪切和放縮，剪切變換的特點是圖像中任何兩條對邊之間仍保持平行。

投影變換：變換方式更加靈活，對邊關系可能發生變化。

非線性變換：允許直線和曲線進行配準，不一定是剛性配準。

2.4 特征空間

特征空間是在配準過程中提取的用于匹配的特征集合。根據配準方法的不同，特征空間分為基于體素的配準和基于特征的配準?；隗w素的配準是直接采用圖像本身的灰度信息進行匹配，而不涉及對圖像進行更高層次的抽象特征提取?；谔卣鞯呐錅适菑膱D像中辨識并提取出一些明顯的特征，例如關鍵點、邊界線、曲線、曲面或者形狀輪廓等，用以實現圖像之間的配準。

2.5 相似性測度

相似性度量是用于評估參考圖像與浮動圖像之間匹配度的一個重要指標，它充當配準過程中優化的目標函數角色。常見的相似性度量方法包括以下幾種類型。

基于特征的相似性度量：包括使用歐氏距離和馬氏距離等度量方式，它們依據圖像特征之間的空間關系進行評估。

基于體素的相似性度量：這類度量方法包括相關系數（CC）、聯合熵（JE）、互信息（MI）以及歸一化互信息（NMI）等，它們通過分析圖像體素值的統計特性來評價圖像間的相似性。

3 醫學圖像配準基本流程

醫學圖像配準的基本流程涉及以下關鍵步驟。

1）特征提?。悍謩e提取參考圖像和浮動圖像的不變特征，形成特征空間?；谔卣鞯呐錅史椒ㄌ崛〉奶卣靼▓D像的角點、邊緣、輪廓、閉合區域等；基于灰度的配準方法提取的特征則為圖像的灰度值。

2）空間變換與插值：分析提取的特征，選取適合的空間變換方式和灰度插值算法，對浮動圖像進行空間變換和灰度插值。

3）參數優化：采用有效的搜索策略，尋找最優變換參數以最大化圖像間的相似性。

4）相似性評估：確定相似性測度?；谔卣鞯呐錅史椒ǖ南嗨菩詼y度一般為歐氏距離、馬氏距離等；而基于灰度的配準方法的相似性測度常用相關性、聯合熵、互信息、歸一化互信息等。判斷參考圖像和浮動圖像的相似性程度是否達到最大值，若是則輸出最優參數；否則，不斷重復“空間變換—灰度插值—相似性測度—最優化判斷”。

5）輸出配準結果：根據最優參數對浮動圖像進行最終的空間變換和插值，得到配準后的圖像。

4 醫學圖像配準的應用

醫學圖像配準在醫學圖像融合和三維重建中有廣泛的應用。

4.1 在圖像融合中的應用

醫學圖像融合能夠將不同模態的醫學圖像信息整合，有助于提高診斷的準確性。然而，不同模態的圖像在空間位置上存在差異，配準是圖像融合的前提[7]。

圖5 給出了一個醫學圖像配準在融合中的應用實例。（a） CT圖像：顯示骨組織信息；（b） MR 圖像：顯示軟組織信息；（c） 配準后的MR 圖像：經過配準，MR 圖像與 CT圖像在空間位置上對齊；（d） 配準前的 MR- CT 融合圖像：由于未進行配準，融合效果不佳；（e） 配準后的MR-CT融合圖像：融合了骨組織和軟組織信息，效果理想。

通過配準，可以有效融合不同模態的醫學圖像，獲取綜合信息，輔助臨床診斷。

4.2 在三維重建中的應用

醫學圖像的三維重建技術通過從二維醫學圖像切片中獲取三維結構信息，對其進行定性分析和定量分析，重新還原三維立體數據，形成具有立體感的三維醫學圖像。通過對二維人體器官、病變體、軟組織等一系列連續切片序列圖進行配準后，再進行三維重建，能夠還原具有真實感和立體感的三維圖像。這有助于醫生從多方位、多層次觀察病情和分析病情，在腦功能分析、外科手術引導治療等研究領域具有重要意義。

對圖像進行三維重建的一個前提是對切片序列圖像進行配準[8]。通過對不同切面（軸向、冠狀、矢狀）的一系列連續切片序列進行配準，使序列切片的空間幾何位置對齊，然后采用三維重建技術對切片序列進行三維重建，最終還原具有立體感和真實感的三維醫學圖像。

5 醫學圖像配準質量評估

評估配準結果的質量對于驗證算法的有效性至關重要。常用的評價指標包括精確度、魯棒性和運行效率。精確度：主要用于描述配準結果的誤差，通常以像素偏差或物理距離表示。魯棒性：表示配準方法對不同處理對象的適用能力。運行效率：指運行時間和運行成本代價。

評估方法可分為主觀評估和客觀評估兩大類。主觀評估依賴專家根據臨床應用效果對配準圖像進行判斷[9]?？陀^評估采用定量測度，包括以下方法，相關系數（CC）：反映配準圖像與參考圖像的相似度。均方誤差（MSE）：計算兩圖像在像素級別差異的平方均值?；バ畔ⅲ∕I）：評價配準圖像與參考圖像的相關性。歸一化互信息（NMI）：通過熵的幾何平均歸一化互信息，使其值域在0到1之間。

客觀評價方法除了定量評價外，還包括直觀評價方法，例如棋盤格參照對比[10]、邊緣重疊程度和灰度差值[11]等。直觀評價方法如圖6所示。通過對兩幅圖像a和b 的棋盤格對照、邊緣重疊差異對比以及灰度差異分析，可以直觀地觀察配準前后圖像的差異，從而評估配準方法的優劣。

6總結

本研究全面探討了醫學圖像配準的技術方法。首先，對醫學圖像配準的概念進行了闡釋，隨后從搜索空間、空間搜索策略、灰度插值、特征空間和相似性測度等幾個方面詳細分析了配準的框架。重點介紹了剛體變換、PV插值方法和粒子群優化算法等關鍵技術的應用。接著，概述了醫學圖像配準的步驟，并通過具體案例演示了其在圖像融合和三維圖像重建方面的實際應用。最后，總結了常見的醫學圖像配準質量評估方法。

總之，醫學圖像配準在醫學圖像處理領域具有重要意義。未來，將進一步研究更高效、更精確的配準算法，并探索其在臨床診斷和治療中的應用。