最新医学图像处理技术：从形成到解释

上个世纪医学成像技术的进步为无创诊断和已建立的医学成像创造了前所未有的机会，成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。

这一快速发展领域涉及广泛的过程，从原始数据采集到数字图像通信，支持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方面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

< p>构建医学图像处理领域有许多概念和方法，侧重于图1所示核心领域的不同方面。这些领域形成了这一领域 - 图像形成，图像计算和图像管理的三个主要过程。

图像形成过程包括数据采集和图像重建步骤，为数学逆问题提供解决方案。图像计算的目的是改善重建图像的可解释性并从中提取临床相关信息。最后，图像管理处理获取的图像和派生信息的压缩，存档，检索和通信。

图像形成

数据采集

第一个积分图像形成中的步骤是获取原始成像数据。它包含有关捕获的物理量的原始信息，描述了身体的内部方面。该信息成为图像处理的所有后续步骤的主要主题。

不同类型的成像模态可以利用不同的物理原理，因此涉及检测不同的物理量。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，它是受激原子发射的射频信号的参数;在超声检查中，它是声学回声的参数。

然而，无论成像模态的类型如何，数据采集过程都可以细分为物理量的检测，还包括将其转换为电信号，获取信号的预处理及其数字化。表示适用于大多数医学成像模态的所有这些步骤的通用框图如图2所示。

图像重建

图像重建是使用所获取的原始数据形成图像的数学过程。对于多维成像，该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。这部分医学图像处理处理逆问题，这是该领域的基础主题。有两种主要的算法用于解决这类问题 - 分析和迭代。

分析方法的典型例子包括滤波反投影（FBP），广泛用于层析成像;傅立叶变换（FT），在MRI中尤为重要;和延迟和求和（DAS）波束形成，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都是优雅和高效的。

然而，它们基于理想化的模型，因此具有一些独特的局限性，包括它们无法处理诸如统计特性之类的复杂因素。测量噪声和成像系统的物理特性。

迭代算法克服了这些限制，可以显着提高对噪声的不敏感性，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来基于具有假设系数的初始对象模型来计算投影。计算的投影和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值的成本函数最小化 - 导致重建过程收敛到最终图像。

有各种各样的迭代方法，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。

< h3>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。这些方法适用于成像结果的增强，分析和可视化。

增强

图像增强功能可细化图像的变换表示，从而提高所包含信息的可解释性。其方法可以细分为空间和频域技术。

空间域技术直接在图像像素上运行，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降低噪声和不均匀性，对比度优化，边缘增强，消除伪影，以及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。

< h4>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。

< p>图像分割过程将图像划分为不同解剖结构的有意义轮廓。图像配准确保多个图像的正确对准，这对于分析时间变化或使用不同模态获取的图像的组合尤其重要。量化过程确定所识别结构的性质，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

可视化过程使图像数据在视觉上代表解剖学和在定义的尺寸上以特定形式的生理成像信息。通过与数据的直接交互，可以在成像分析的初始阶段和中间阶段执行可视化，例如，协助分割和注册过程，以及在最后阶段显示精细结果。

图像管理

医学图像处理的最后部分涉及所获取信息的管理，并且包括用于图像数据的存储，检索和通信的各种技术。开发了几种标准和技术来解决图像管理的各个方面。例如，医学成像技术图像存档和通信系统（PACS）提供经济的存储和对来自多种模态的图像的访问，并且数字成像和通信医学（DICOM）标准用于存储和传输医学图像。图像压缩和流媒体的特殊技术可以有效地实现这些任务。

挑战和趋势

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更多超过十年。然而，其复杂的性质在其组成的科学学科的各个方面都面临着多方面的挑战，这些挑战不断推动新方法的不断发展。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和丰富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线摄影，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。它们可以显着提高PET的图像质量，减少CT中的X射线剂量，以及MRI中的压缩感知。数据驱动的信号模型正在取代人类定义的模型，以便根据有限或有噪声的数据为逆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，优化算法以及图像质量评估方法。

随着成像硬件捕获越来越多的数据并且算法变得越来越复杂，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解决，为从研究转向应用程序提供了全新的机会。

与图像计算和图像转换相关的主要趋势和挑战管理包含众多主题，其中一些主题如图3所示。

持续发展导致与所有这些主题相关的新技术缩小了研究与临床应用之间的差距，促进了整合将医学图像处理领域纳入医生的工作流程，以确保比以往更准确，更可靠的成像结果。

ADI公司提供多种解决方案，满足医疗成像对数据采集电子设备的最苛刻要求根据动态范围，分辨率，精度，线性度和噪声进行设计。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一些示例。

高度集成的模拟前端ADAS1256具有256通道，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经过优化，具有出色的动态性能和低功耗，可满足PET要求。流水线型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专为低成本和低功耗医疗超声应用而设计，其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该领域包括从数学和计算机科学到物理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，代表该领域的主要主题，趋势和挑战。其中包括数据采集过程是第一个也是最重要的领域之一，它定义了医学图像处理框架所有后续阶段使用的原始数据的初始质量水平。