医学图像处理：从形成到解释

上个世纪医学成像技术的进步为无创诊断创造了前所未有的机会，并将医学成像确立为当今医疗保健系统不可或缺的一部分。代表这些进步的主要创新领域之一是医学图像处理的跨学科领域。

这个快速发展的领域涉及从原始数据采集到数字图像通信的广泛过程，这些过程支撑着现代医学成像系统中的完整数据流。如今，这些系统在空间和强度维度上提供越来越高的分辨率，以及更快的采集时间，从而产生大量高质量的原始图像数据，必须对其进行适当的处理和解释才能获得准确的诊断结果。

本文重点介绍医学图像处理的关键领域，考虑特定成像模式的背景，并讨论该领域的主要挑战和趋势。

医学图像处理的核心领域

构建医学图像处理领域有许多概念和方法，侧重于图1所示的核心领域的不同方面。这些领域塑造了该领域的三个主要过程——图像形成、图像计算和图像管理。

图1.医学图像处理中主题类别的结构分类。

图像形成过程由数据采集和图像重建步骤组成，为数学逆问题提供了解决方案。图像计算的目的是提高重建图像的可解释性，并从中提取临床相关信息。最后，图像管理处理采集的图像和衍生信息的压缩、存档、检索和通信。

图像形成

数据采集

图像形成的第一个不可或缺的步骤是获取原始成像数据。它包含有关描述身体内部方面的捕获物理量的原始信息。这些信息成为图像处理所有后续步骤的主要主题。

不同类型的成像模式可能利用不同的物理原理，因此涉及对不同物理量的检测。例如，在数字射线照相（DR）或计算机断层扫描（CT）中，它是入射光子的能量;在正电子发射断层扫描（PET）中，它是光子能量及其检测时间;在磁共振成像（MRI）中，它是激发原子发出的射频信号的参数;在超声检查中，它是声波的参数。

然而，无论成像模式的类型如何，数据采集过程都可以细分为物理量的检测，其中还包括将其转换为电信号、采集信号的预处理及其数字化。图2示意性地描绘了代表适用于大多数医学成像模式的所有这些步骤的通用框图。

图2.数据采集过程的通用框图。

图像重建

图像重建是使用获取的原始数据形成图像的数学过程。对于多维成像，此过程还包括以不同角度或不同时间步长捕获的多个数据集的组合。医学图像处理的这一部分处理逆问题，这是该领域的基本主题。有两种主要算法用于解决此类问题 - 分析和迭代。

分析方法的典型例子包括广泛用于断层扫描的过滤反向投影（FBP）;傅里叶变换（FT），在MRI中尤为重要;以及延迟和和（DAS）波束成形，这是一种超声检查不可或缺的技术。这些算法在所需的处理能力和计算时间方面优雅而高效。

然而，它们基于理想化模型，因此具有一些明显的局限性，包括无法处理测量噪声的统计特性和成像系统的物理特性等复杂因素。

迭代算法克服了这些限制，能够显著改善对噪声的不敏感性，并能够使用不完整的原始数据重建最佳图像。迭代方法通常使用系统和统计噪声模型，根据具有假定系数的初始对象模型计算投影。计算的投影与原始数据之间的差异定义了用于更新对象模型的新系数。使用多个迭代步骤重复此过程，直到映射估计值和真实值的成本函数最小化，从而导致重建过程收敛到最终图像。

迭代方法种类繁多，包括最大似然期望最大化 （MLEM）、最大后验 （MAP）、代数重建 （ARC） 技术，以及当今医学成像模式中广泛使用的许多其他方法。

图像计算

图像计算涉及对重建的成像数据进行操作的计算和数学方法，以提取临床相关信息。这些方法用于成像结果的增强、分析和可视化。

增强

图像增强优化图像的变换表示，以提高所包含信息的可解释性。其方法可细分为空间和频域技术。

空间域技术直接对图像像素进行操作，这对于对比度优化特别有用。这些技术通常依赖于对数、直方图和幂律变换。频域方法使用频率变换，最适合通过应用不同类型的滤波器来平滑和锐化图像。

利用所有这些技术可以减少噪声和不均匀性，优化对比度，增强边缘，消除伪影，并改善对后续图像分析及其准确解释至关重要的其他相关属性。

分析

图像分析是图像计算的核心过程，它使用多种方法，可分为三大类：图像分割、图像配准和图像量化。

图像分割过程将图像划分为不同解剖结构的有意义的轮廓。图像配准可确保多个图像的正确对齐，这对于分析时间变化或使用不同模态获取的图像组合尤为重要。定量过程确定所识别结构的特性，例如体积、直径、组成和其他相关的解剖学或生理学信息。所有这些过程都直接影响成像数据的检查质量和医学发现的准确性水平。

可视化

可视化过程渲染图像数据，以在定义的维度上以特定形式直观地表示解剖和生理成像信息。通过与数据的直接交互，可以在成像分析的初始和中间阶段执行可视化，例如，辅助分割和配准过程，以及在最后阶段显示改进的结果。

映像管理

医学图像处理的最后一部分涉及所获取信息的管理，并包含用于存储，检索和通信图像数据的各种技术。有几种标准和技术开发来解决映像管理的各个方面。例如，医学成像技术图像存档和通信系统（PACS）提供对来自多种模式的图像的经济存储和访问，数字成像和通信医学（DICOM）标准用于存储和传输医学图像。图像压缩和流式处理的特殊技术可以有效地实现这些任务。

挑战与趋势

医学成像是一个相对保守的领域，从研究到临床应用的过渡往往需要十多年的时间。然而，其复杂性在其组成科学学科的各个方面都包含多方面的挑战，这稳步推动了新方法的不断发展。这些发展代表了当今医学图像处理核心领域的主要趋势。

图像采集领域受益于为提高原始数据质量并丰富其信息内容而开发的创新硬件技术。集成的前端解决方案可实现更快的扫描时间、更精细的分辨率和先进的架构，如超声/乳腺 X 光检查、CT/PET 或 PET/MRI 组合系统。

快速高效的迭代算法越来越多地用于图像重建，取代分析方法。它们可显著改善 PET 中的图像质量、降低 CT 中的 X 射线剂量以及 MRI 中的压缩传感。数据驱动的信号模型正在取代人类定义的模型，为基于有限或噪声数据的反问题提供更好的解决方案。代表图像重建趋势和挑战的主要研究领域包括系统物理建模和信号模型开发、优化算法和图像质量评估方法。

随着成像硬件捕获的数据量不断增加，算法变得越来越复杂，因此迫切需要更高效的计算技术。这是一个巨大的挑战，通过更强大的图形处理器和多处理技术来解决，为从研究到应用的过渡提供了全新的机会。

与图像计算和图像管理转变相关的主要趋势和挑战包括许多主题，其中一些主题如图3所示。

图3.当今医学图像计算的主要趋势主题示例。

与所有这些主题相关的新技术的不断发展缩小了研究和临床应用之间的差距，并促进了医学图像处理领域与医生工作流程的整合，以确保比以往任何时候都更准确、更可靠的成像结果。

ADI公司提供多种解决方案，可满足数据采集电子设计在动态范围、分辨率、精度、线性度和噪声方面对医学成像的最苛刻要求。以下是为确保原始成像数据的最高初始质量而开发的此类解决方案的几个示例。

具有256通道的高度集成模拟前端ADAS1256专为DR应用而设计。多通道数据采集系统ADAS1135和ADAS1134具有出色的线性度性能，可最大限度地提高CT应用中的图像质量。多通道ADC AD9228、AD9637、AD9219和AD9212针对出色的动态性能和低功耗进行了优化，可满足PET要求。流水线ADC AD9656为MRI提供出色的动态和低功耗性能。集成接收器前端AD9671专为低成本、低功耗医疗超声应用而设计，在这些应用中，小封装尺寸至关重要。

结论

医学图像处理是一个高度复杂的跨学科领域，包括从数学和计算机科学到物理学和医学的众多科学学科。本文试图提出一个简化但结构良好的核心领域框架，代表该领域及其主要主题、趋势和挑战。其中，数据采集过程是定义医学图像处理框

审核编辑：郭婷