歡迎登錄中國視覺網!
學術論文頻道
ACADEMIC PAPERS
位置導航:首頁 >> 學術論文 >> 專業論文 >> 窗寬窗位對基于互信息的醫學圖像

窗寬窗位對基于互信息的醫學圖像

發布時間:2018-11-01     來源:中國視覺網       訪問次數:5714


摘 要:基于互信息的配準方法具有自動化程度高、配準精度高等優點,近來已成為醫學圖像處理領域的熱點?;諢バ畔⒌吶渥擠椒ㄊ抵噬鮮且恢侄曰葉冉型臣坪圖撲愕姆椒?,因此同一圖像采用不同的窗寬窗位表示必然會影響配準結果。本文在分析窗寬窗位對圖像質量的影響和基于互信息配準方法的影響的基礎上,進行了一系列的醫學圖像配準試驗。在詳細分析配準結果的基礎上,給出了基于互信息的配準方法所采用的合理窗寬窗位的建議。
關鍵詞:醫學圖像配準;互信息;窗寬窗位


   1  引  言
   隨著生物醫學工程和計算機技術的發展,醫學影像學為臨床診斷提供了多種模態的醫學圖像,如X線斷層成像、MRI、fMRI、SPET、PET、DSA、超聲成像、腦磁圖等。由于不同模態醫學圖像所能提供的關于解剖結構和生理特征的信息各不相同,為了給醫學診斷和治療計劃提供更加準確全面的圖像依據,對于多模態醫學圖像的融合是必不可少的,而配準是融合的前提。醫學圖像配準是指將來自于不同醫學成像設備的醫學圖像進行空間上的對準,為臨床診斷治療,放療定位,手術設計及手術療效評估提供更全面的來自不同圖像之間的互相補充的信息。
   目前,醫學圖像配準方法可分為基于外部特征的圖像配準(有框架)和基于圖像內部特征的圖像配準(無框架)兩種方法[1,2]。前者利用外部基準點特征,精度較高,但由于它是有創的,且操作較復雜,故應用較少。后者由于其無創性和可回溯性,已成為配準算法研究的重心。
   在基于圖像內部特征的配準方法中,基于體素的方法避免了因分割而帶來的誤差,因而具有精度較高、穩健性強、不需要預處理而能實現自動配準的特點,近來已成為醫學圖像處理領域的熱點?;諤逅氐吶渥擠椒ㄖ苯永猛枷竦幕葉仁?,先確定一定的圖像相似性測度,然后對浮動圖像進行坐標變換,映射到參考圖,配準問題就變為一個多參數的優化問題。當找到最優配準變換參數即優化過程結束時,圖像的相似性測度達到最大極值。
   在基于體素的各種配準方法中,基于互信息的配準方法是精度很高的方法。在基于互信息的配準方法中,雖然只是對灰度進行統計與計算,但是如果圖像象素變化范圍過大,配準過程變慢而配準結果沒有實質性的提高,那么這種大的灰度級別也是不適用的。目前,在基于互信息的配準方法中,一般在配準前將圖像的灰度采用被稱為窗口技術的圖像灰度處理方法映射到一個較小的灰度級。在映射過程中,采用的窗寬窗位不同,圖像的質量和灰度分布也不同,這必然會影響互信息的配準結果。高智勇等人對不同灰度級下的配準結果進行了詳細地比較和分析[3],并給出了基于互信息配準時所采用的合理灰度級別的建議。但是對于窗寬窗位對基于互信息的配準方法的影響并沒有進行比較和分析,本文進行了這方面的研究,并給出了配準時所采用的合理窗寬窗位的建議。
   2  基于互信息測度的配準方法
   2.1  以互信息為相似性測度
   互信息[4]是信息理論中的一個基本概念,通常用于描述兩個系統間的統計相關性,或者是一個系統中所包含的另一個系統中信息的多少,它可以用熵來描述。熵表達的是一個系統的復雜性或者是不確定性。
   系統 的熵定義為:
              (1)
   兩個系統的聯合熵為:
     (2)
   其中 。如果  表示已知系統 的條件熵,那么兩個系統的互信息可描述為:

                                                      (3)
   在多模醫學圖像配準問題中,雖然兩幅圖像來源于不同的成像設備,但是它們基于共同的人體解剖信息,所以當兩幅圖像的空間位置完全一致時,其中一幅圖像表達的關于另一幅圖像的信息,也就是對應象素灰度的互信息應為最大[5]。一般用聯合概率分布 和完全獨立時的概率分布 間的廣義距離來估計互信息:
        (4)
   2.2  窗口技術
   窗口技術[6]是圖像處理技術中常用的一種方法。所謂窗口技術是指縮小某段范圍內灰度的技術。下面以CT圖像灰度為例說明,首先要確定縮小的灰度范圍,把縮小灰度范圍的上限以上增強為全白,把縮小灰度范圍的下限以下壓縮為全黑,這樣就縮小所縮小灰度范圍內不同灰度之間黑白對比的程度。如圖1所示,這個被縮小的灰度范圍叫做窗口 (Window),縮小的灰度范圍上下限之差叫窗寬 (Window width),縮小的灰度范圍的中心CT值叫窗位 (Window level),即:

圖1   窗寬窗位及灰度顯示


   窗寬 =      窗位 =      

   3  窗寬窗位對基于互信息配準的影響
   3.1  窗寬窗位對圖像的影響
   窗寬窗位不同,圖像的對比度和亮度也不同,這必然會影響圖像的質量。
   對于不同模態的醫學圖像來說,其象素分布值也是不一樣的。CT圖像一般用16位存儲,理論上, 其灰度變化范圍可以是 (-32768, 32767),但是大部分CT圖像都是用Hounsfield數來標記,其范圍為(-1000, 1000)。MR圖像一般采用10~20位的數據表示,但是大部分MR圖像的動態范圍不大于8位值。目前在基于互信息的配準方法中,一般在配準前將圖像的灰度采用窗寬窗位技術映射到一個較小的范圍。對于不同模態的醫學圖像,只有窗寬窗位選擇恰當,才能更好地顯示不同密度的組織。窗寬窗位過大,圖像失去對比,黑度和灰霧度增加,反之,對比度和亮度增加,灰度等級減少,這些都可造成病灶顯示不明朗或圖像信息丟失。只有知道顯示組織灰度值的范圍,并選擇合適的對比度和亮度時,才能清晰地顯示組織結構,提高圖像質量。圖2是同一幅CT圖像壓縮到256階灰度時采用不同的窗寬窗位表示的圖像。


圖2   采用不同窗寬窗位表示的同一CT圖像

   從圖中可以看出,(a)圖像窗寬窗位選擇恰當,亮度和對比度適中,能夠清晰地顯示組織的結構。(b)圖像窗位過低,大部分灰度增強為全白。(c)圖像窗寬太小,對比度和亮度增加,灰度等級減少,圖像信息丟失。(d)圖像窗位過高,大部分灰度壓縮為全黑,圖像失去對比,顯示不明朗。
    3.2 窗寬窗位對互信息的影響
   本文采用的圖像數據來源于美國Vanderbilt大學的回顧性圖像配準評估項目,這個項目包括CT和MR等數據。MR分別為PD、T1、T2和矯正過幾何失真的PDre、T1re和T2re圖像。各個圖像的空間分辨率和體素大小因病例的不同而不同。我們對CT和MR圖像進行了大量的單模配準試驗。在進行配準時,參考圖和浮動圖的窗寬窗位是一致的。


圖3   CT圖像在3種窗寬下配準時的最大互信息

圖4    MR圖像在3種窗寬下配準時的最大互信息


   圖3和圖4中的矩形框表示每條曲線所在的窗寬,經過大量的配準試驗發現,在同一窗寬下,窗位在圖像灰度中值附近時,配準時的最大互信息比較穩定,且比較大,這是因為此時的圖像亮度最接近原始圖像;隨著窗寬的減小,在同一窗位配準時的最大互信息先增大然后減小,這是因為窗寬減小,圖像的對比度增加,圖像更加明朗,配準時的最大互信息增大;隨著窗寬的繼續減小,灰度等級減少,對比過強,圖像出現了分層,圖像失真,配準時的最大互信息減小。
   3.3 窗寬窗位對配準精度的影響
   配準精度是醫學圖像配準中最重要的問題之一。配準圖像采用不同的窗寬窗位表示會影響圖像的互信息值,因此改變窗寬窗位必然會影響配準結果。我們采用了POWELL和BRENT優化算法,進行了一系列的配準試驗來考察窗寬窗位對配準結果的影響。

表1   CT和MR圖像在不同窗寬同一窗位下單模配準結果








   為了方便,配準誤差采用像素距離,距離單位為像素。表1中CT和MR配準時的窗位為圖像灰度值的中值,S 表示配準圖像的整個灰度值范圍。從表1可以看出,在CT單模配準中,當窗寬為 S,雖然配準時的最大互信息不是最大,但是配準已經達到較高的精度,圖5的(a)圖所示的就是在此窗寬窗位下所對應的CT圖像;窗寬減小,圖像更加明朗,互信息增大,但配準精度已經沒有明顯的提高,圖5的(b)圖所示的是配準時最大互信息最大時對應的CT圖像;隨著窗寬的繼續減小,配準誤差呈增大的趨勢。在MR單模配準中,總體來說,隨著窗寬的減少,配準誤差呈增大的趨勢,且出現了誤配準現象,當然,當窗寬為 S,窗位為圖像灰度中值時,偶爾也有誤配準現象;且在不同窗寬窗位下配準時,最大互信息最大時,配準精度并不高。



                     (a) 調整前                          (b) 調整后

圖5   窗寬調整前后的 CT 圖像




   4  結  論

   根據以上試驗結果分析,我們可以得出一些結論。將腦部CT、MR圖像采用窗寬窗位技術映射到256階灰度進行互信息剛體配準,其結果可以達到較高的精度。但是在不同窗寬窗位下配準時,最大互信息為最大時,配準精度并不一定最高,因此綜合考慮配準時的最大互信息和配準精度兩個因素,在單模CT配準中,窗寬調小整幅圖像灰度范圍的1/10左右,窗位為圖像灰度中值,配準時最大互信息更趨近于最大值,配準精度更高;在單模MR配準中,窗寬取配準圖像的整個灰度范圍,窗位取配準圖像的灰度中值時,配準更準確,且在此窗寬窗位下,圖像也有較好的顯示效果。
參 考 文 獻
[1]Maintz B A, Viergever M A. A survey of medical image registration[J]. Medical Image Analysis, 1998, 2 (1): 1~36
[2]Maurer C R, Fitzpatrick J M. A review of medical image registration In: Maciunas R J (Ed). Interactive Image-Guided Neuro surgery. Park Ridge, IL: American Association of Neurological Surgeons, 1993, 17~44.
[3]高志勇,林家瑞,灰度級別對基于互信息醫學圖像配準方法的影響[J]. 北京生物醫學工程,2003,22(1): 5~9.
[4]羅述謙, 周果宏, 醫學圖像處理與分析[M]. 北京:科學出版社, 2003: 140~145.
[5]Well WM, Viola P, Atsumi H, et al. Multi-modal volume registration by maximization of mutual information[J]. Medical Image Analysis, 1996, 1(1): 35~51.
[6]王力,窗寬窗位對CT圖像的影響[J]. 醫學信息,2004,17(11): 721~722.