1、分类号： 密级：U D C： 编号： 学 位 论 文应用于肿瘤治疗的 CT 与 MRI图像融合研究指导教师姓名： 教 授 河北工业大学申请学位级别： 硕 士 学科、专业名称： 测试计量技术及仪器论文提交日期： 年 月 论文答辩日期: 年 月学位授予单位： 河北工业大学答辩委员会主席：评 阅 人：年 月Thesis Submitted toHebei University of TechnologyforThe Master Degree ofMeasuring and Testing Technologies and InstrumentsRESEARCH ON FUSION METHODS
2、OFCT AND MRI IMAGE FORCANCER THERAPY河北工业大学硕士学位论文应用于肿瘤治疗的 CT 与 MRI 图像融合研究摘 要随着医学与科技的不断发展，肿瘤的靶向治疗受到了国际、国内的普遍关注，并得到了较广泛的应用。在进行氩氦刀靶向肿瘤治疗前，必须明确肿瘤的形状和部位及其与周围血管和其他器官的关系，才能制定出合理的治疗计划。肿瘤的靶向治疗一般情况下是在 B 超或 CT 图像或 MRI 图像的引导下进行手术的。由于成像原理不同 ,CT 和 MRI 反映人体的信息也各有侧重，利用单模态图像制定的靶向治疗计划是不全面的，在治疗时难以达到肿瘤的精确定位。图像融合技术可以从不同模
3、态的图像中提取有用信息，剔除冗余，所以图像融合技术在肿瘤治疗中起到了越来越重要的作用。本文主要研究 CT 与 MRI 图像融合算法和图像融合应用。在图像融合算法方面，提出了基于 PCA 加权和小波变换的图像融合方法，并进行了实验。在图像融合的应用方面，为了辅助氩氦刀肿瘤靶向治疗系统，对肿瘤的分割技术和肿瘤测量技术进行了深入的研究，并进行了实验。通过本文的研究不仅可以辅助医生做出更加合理的靶向治疗计划还有助于靶向治疗手术中肿瘤的精确定位。关键词：肿瘤，靶向治疗，氩氦刀，图像融合，分割，测量i应用于肿瘤治疗的 CT 与 MRI 图像融合研究RESEARCH ON FUSION METHODS OF
4、 CT ANDMRI IMAGE FOR CANCER THERAPYABSTRACTAlong with the medicine and the technical unceasing development, the tumor target has received internationally, the domestic universal attention to the treatment, and obtained the widespread application. In carries on cryocare targeted therapy to the tumor
5、treatment before, we must be clear about the tumor shape and the tumor size and with the periphery blood vessel and other organ relations, can formulate the reasonable treatment plan. In the ordinary circumstances cryocare targeted therapy system carries on in B-mode ultrasonography either the CT im
6、age or under the MRI image guidance. Because the image formation principle is different, CT and MRI reflected the human body the information also respectively has the stress, therefore uses the single modality image formulation the target to the treatment plan is not comprehensive, realizes the tumo
7、r pinpointing localization with difficulty. The image fusion technology may extract the useful information from in the different modality image, the rejection redundancy, therefore the image fusion technology in the tumor treatment the more and more vital role.Through the investigation and study, th
8、is article mainly studies CT and the MRI image fusion algorithm and the image fusion application. In the image fusion algorithm aspect, proposed based on the PCA weighted sum wavelet transformation image fusion method, and has carried on the experiment. In the image fusion application aspect, for th
9、e assistance cryocare targeted therapy system, has conducted the thorough research to the tumor segmentation technology and the tumor measurement technology, and has carried on the experiment. Through this article research not only may assist doctor to make a more reasonable targeted therapy plan bu
10、t also helpful to tumor pinpoint localization in the targeted therapy surgery.KEY WORDS: tumour, targeted therapy, cryocare, image fusion, segmentation,measurementii河北工业大学硕士学位论文目 录第一章 绪论. 11-1 课题提出的意义. 11-2 图像融合的国内外发展现状. 11-3 图像融合方法综述. 21-3-1 像素级图像融合的算法. 31-3-2 特征级图像融合算法. 51-3-3 符号级图像融合算法. 61-3-4 小结
11、. 71-4 本学位论文的主要工作. 71-4-1 本学位论文主要的研究内容. 71-4-2 本论文的总体结构. 7第二章 像素级简单图像融合方法. 92-1 像素灰度值选大图像融合方法. 92-2 像素灰度值选小图像融合方法. 92-3 加权平均图像融合方法. 102-4 权系数主分量分析的选取方法. 102-5 像素级简单融合方法的图像融合实验. 122-6 本章小结. 14第三章 基于 PCA 加权和小波变换的图像融合方法 .153-1 小波变换的图像融合方法. 153-1-1 目前人们利用小波变换做图像融合研究的现状. 163-1-2 图像的小波变换及其 Mallat 算法. 183-
12、1-3 小波变换高、低频常用的融合规则介绍. 203-2 基于 PCA 加权和小波变换的图像融合方法. 253-2-1 基于 PCA 加权和小波变换的图像融合方法的提出依据和方法介绍. 263-2-2 基于 PCA 加权和小波变换的图像融合实验. 283-3 融合效果评价. 293-4 本章小结. 31第四章 医学图像肿瘤分割技术. 324-1 医学图像分割技术. 324-1-1 医学图像分割的目的和意义. 324-1-2 医学图像分割技术的发展. 334-1-3 医学图像分割方法. 334-1-4 医学图像分割技术的评价. 354-1-5 小结. 364-2 肿瘤分割技术. 36iii应用于
13、肿瘤治疗的 CT 与 MRI 图像融合研究4-2-1 图像的二值化处理. 374-2-2 数学形态学处理. 384-2-3 区域生长法分割. 414-2-4 边界追踪. 444-3 肿瘤交互分割的实现. 474-4 本章小结. 50第五章 肿瘤测量. 515-1 肿瘤面积的测量. 515-1-1 区域筛选法. 515-1-2 多边形逼近法. 525-1-3 多边形面积公式推导. 545-2 肿瘤体积的测量. 575-2-1 曲线拟合. 575-2-2 常用的曲线拟合方法. 585-3 肿瘤位置及其与周围组织关系的测量. 605-3-1 肿瘤的重心. 605-3-2 肺部的外轮廓. 615-3-
14、3 肿瘤位置与肺部外轮廓的关系. 615-4 确定肿瘤面积、体积以及其与周围组织关系. 615-5 本章小结. 67第六章 结论与展望. 68参考文献. 69致谢. 72iv河北工业大学硕士学位论文第一章 绪论1-1课题提出的意义恶性肿瘤是当前严重影响人类健康、威胁人类生命的主要疾病之一。癌症与心脑血管疾病和意外事故一起，构成当今世界所有国家三大死亡原因。因此，世界卫生组织和各国政府卫生部门都把攻克癌症列为一项首要任务。随着医学与科技的不断发展，越来越多的高科技肿瘤治疗技术不断涌现，氩氦刀靶向手术系统就是其中之一。氩氦刀靶向肿瘤治疗技术的工作原理为：病人在 B 超或 CT(Computed T
15、omography)的引导下定位,通过计算机控制冷冻和加热系统来调节超导刀尖的温度以及升降温的时间和速度 ,并且使冰球大小和形状与病灶大小和形状相同,对病人进行冷冻、热疗和免疫治疗,以达到彻底杀死病灶组织的目的。具有多探头、高精度、快速冷冻作用的氩氦刀靶向治疗系统是当今微创超低温治疗肺部恶性肿瘤的一项新技术 1，该手术具有创伤小、恢复快、疗效好等特点而使一些无法耐受肺部手术的肿瘤患者可以接受治疗，手术一般需在 CT 引导下经皮穿刺实施，依据术前 CT 定位片所提示的进针方向、近针角度、进针深度，将穿刺针快速刺入肿瘤靶点。通过氩氦刀靶向肿瘤治疗技术的工作原理，我们知道，在利用氩氦刀靶向治疗前需要
16、明确病灶的形状、大小以及和周围组织的关系，才能制定出合理的手术计划，这就需要对病人的病灶精确的定位和测量。由于成像原理不同,CT 和 MRI 反映人体的信息也各有侧重。CT 是根据人体组织对 X 射线的吸收率不同而成像。由于骨组织对 X 射线有较大的吸收系数，因此骨组织 CT 成像清晰，呈高亮色；肌肉等软组织对 X 射线吸收少,图像呈暗色,且不能分辨软组织的细节。在 MRI(Magnetic Resonance Imaging) 成像中,骨组织含有较低的质子密度，MRI 图像对骨组织和钙化点信号较弱,但可清楚分辨出肌肉、筋膜、脂肪、脑灰质、脑白质等软组织。可见 CT 和 MRI 图像的特征有着
17、很强的对比性和互补性。由于肿瘤的病灶有骨骼、毛发、软组织等，所以单纯从一种成像模式获得的信息是不全面的,因而难以精确定位病灶，为了达到较高的定位精度，本文融合这两种图像，把两者的优点集合在一起。为了得到信息比较丰富的融合图像，需要对原图像逐像素的考虑，所以本文中对于 CT 和 MRI 图像的融合采用的是像素级的图像融合方法；在利用融合后的图像对肿瘤病灶分割时为了得到精确的病灶区域，充分利用了计算机的计算能力和人的识别能力采用人机交互的分割方法，得到了肿瘤的精确区域；在肿瘤的测量部分通过测量分割出的肿瘤病灶的面积和体积，明确了肿瘤的大小，通过对肿瘤位置的测量和与外轮廓关系的测量明确了他们之间的关
18、系。这就为氩氦刀肿瘤靶向治疗前为医生提供了充足的数据，能够帮助医生作出合理的靶向治疗计划。所以，本课题的研究具有重要的理论意义和实用价值。1-2图像融合的国内外发展现状信息融合技术最早出现在 70 年代末期，Tenney 和 Sandell 提出了多传感器信息融合的概念，当时并未引起人们的足够重视，只是局限于军事应用方面的研究。C 3I(指挥、控制、通信和情报)系统率先采用多传感器信息融合技术来采集和处理战场信息获得成功。到 80 年代中期，信息融合技术在军事领域中已经取得了相当的进展。各种各样的系统能有效地融合来自现有的和改进后的军事传感器数据，大到战略上的海洋监视系统，小到战区战术系统。在
19、世界上几次重大的局部战争中，信息融合显示了强大的威力，C3I（指挥、控制、通信和情报）系统发挥的作用引起世人的关注，体会到该技术的巨大应用潜力，此后逐年增加投资力度，在 C 3I 系统中又增加了计算机，建立了以数据融合为核心的 C4I 系统；1应用于肿瘤治疗的 CT 与 MRI 图像融合研究由于融合技术可以有效地利用不同输入信道图像信息的 互补性和冗余性，因此融合图像比任何单一信道图像具有更丰富的信息量，更高的可靠性及更易于理解和判读。基于这种优势图像融合技术得到各国的重视和快速的发展。1985 年，Cliche 等人将 SPOT 卫星图像中的全色光通道同多光谱模式结合到一起，以增强图像的敏锐
20、效果；1994 年，美国开发出战场便携式实时多光谱成像融合和景物区分系统；同年，Li 等人提出将小波变换方法用于图像融合；1998 年，Stevens 等人建立了一种基于多传感器模型的目标识别和可视化系统，系统内部包含各传感器的仿真模型，基于三种传感器图像进行信息融合。1999 年，Aguliar 等人基于人类彩色视觉原理，开发出的夜视系统装置能将微光 CCD 相机和非冷却式热红外相机拍摄到的图像进行实时融合，其融合视频的帧速度达到 30 帧/s；2001 年，Scheunders 等人又提出了一个基于多尺度基本形式小波表示的多光谱图像融合方法。为了跟踪国际前沿，我国政府也不失时机地把信息融合
21、技术列为 “863”计划和“九五”、“十五”规划中的重点研究项目之一 2，作为发展信息技术、空间技术等高新产业领域的关键技术之一。特别是在二十世纪九十年代以来，图像数据融合技术在国内得到了迅速的发展和应用，被广泛的应用于图像领域的各个范畴。尤其是近些年来，随着现代医学的不断发展，医学图像信息已经显示出了它在各种医学信息方面的优越性。越来越多的医学问题的解决将不可避免的使用到医学图像及其处理技术。医学图像融合技术也因此应运而生。医学图像融合技术自从 90 年代发展开始以来，一直都是当前国内外研究的热点。例如：美国的 Edidame 研究小组开发了颅脑外科计算机虚拟可视化系统；新加坡国立大学和美国
22、 JohnsHopkkins 大学共同开发了一个交互式大脑图谱系统。这些均已说明，医学图像融合技术已成为现代医学的重要研究领域和发展方向。目前图像融合方法可以分为三个层次：像素级图像融合、特征级融合、决策级融合。在当前的研究中主要有两类方法:以像素为基础的方法和以图像特征为基础的方法。像素级融合方法的研究仍是目前研究的主流方向。目前，像素级融合算法主要有：空域加权平均法，彩色空间法，多分辨塔式融合算法，小波融合算法等。实验证明小波域融合法效果较好，应用较广，同时也是本文研究的重点。目前医学图像融合的常见方法可粗略分为空间域融合法、变换域融合法和智能域融合方法。空间域的方法是将两幅图像在空间坐标
23、下直接进行运算和叠加，空间域图像融合方法包括加权平均融合法、象素灰度值选择融合方法、基于区域特征的融合方法等、对比度调制法、PCA 法等；变换域方法，顾名思义，就是将变换后的两个或多个图像进行融合，在通过反变换得到融合后图像的方法，常用在变换域进行图像融合的方法有：金字塔图像融合法，小波变换图像融合法；智能域的方法是近年来研究的新热点，它主要是模拟人类的智能处理方法，如语义谓词、神经网络、模糊逻辑等等，对图像进行特征提取和数据融合 。1-3图像融合方法综述图像融合是采用某种算法对两幅或多幅图像进行综合处理，最终形成一幅新的图像。然而这种处理是有层次的，若根据图像的表征层来划分，图像融合可在三个
24、层次上进行：像素级图像融合、特征级融合、符号（决策）级融合。像素级图像融合属于较低层次的融合，目前大部分研究集中在该层次上。像素层图像融合一般要求原始图像在空间上精确配准，如果图像具有不同分辨率在融合前需作映射处理。它的优点在于它尽可能多地保留了场景的原始信息。通过对多幅图像进行像素级图像融合，可以增加图像中像素级的信息，它提供了其它两种层次图像融合特征级融合和决策级融合，所不具有的细节信息。参与融合的各图像可能来自多个不同类型的图像传感器，也可能来自单一图像传感器。单一图像传感器提供的各图像可能来源于不同观测时间或空间(视角)，也可能是同一时间、空间不同光谱特性的图像。与单一传感器获得的图像
25、相比，通过像素级图像融合后的图像包含的信息更丰富、精确、可靠、全面，更有利于图像的进一步分析、处理与理解，如场景分析、监视、图像分割、特征提取、目标识别、图像恢复等等。像素级图像融合可能提供最优决策和识别性能。在某些场合，例如对于不同成像模式的医学图像，实施像素级图像融合之前，有时可能需要先对参加融合的各图像进行预处理：图像的配准、彩色空间的变换、图像的2河北工业大学硕士学位论文增强、降噪等，其目的是保证图像可融合性及融合后的质量。其中图像的降噪、增强是非必需的，但对参加融合的各图像的配准(必须保证配准精度不低于像素级)以及彩色空间变换(对于彩色图像融合而言)是必不可少的。特征级图像融合是指从
26、各个传感器图像中提取特征信息并将其进行综合分析和处理的过程，提取的特征信息应是像素信息的充分表示量或充分统计量，典型的特征信息有边缘、形状、轮廓、角、纹理、相似亮度区域、相似景深区域等。在进行融合处理时，所关心的主要特征信息的具体形式和内容与多传感器图像融合的应用目的和场合密切相关。通过特征级图像融合可以在原始图像中挖掘相关征信息，增加特征信息的可信度，排除虚假特征，建立新的复合特征等。特征级图像融合是中间层次上的融合，为决策级融合做准备。特征级融合对传感器对准要求不如符号级和像素级要求严格，因此图像传感器可分布于不同平台上。特征级融合的优点在于实现了可观的信息压缩，便于实时处理。由于所提取的
27、特征直接与决策分析有关，因而融合结果能最大限度地给出决策分析所需要的特征信息。目前大多数 C4I 系统的数据融合研究都是在该层次上展开的。特征级数据融合的主要方法有聚类分析法、Dempster-shafer 推理法、贝叶斯估计法、加权平均法、表决法以及神经网络法等。决策级图像融合是在信息表示的最高层次上进行的融合处理。在进行融合处理前，先分别对从各个传感器获得的图像进行预处理、特征处理、识别或判决，建立对同一目标的初步判决和结论；然后，对来自各传感器的决策进行相关处理；最后，进行决策级的融合处理从而获得最终的联合判决。决策级融合是直接针对具体的决策目标，充分利用了来自各图像的初步决策。因此，在
28、决策级图像融合中，对图像的配准要求比较低，某些情况下甚至无须考虑，因为其各传感器的决策己符号化或数据化了。多种逻辑推理方法、统计方法、信息论方法等都可用于决策级的图像融合，由于对预处理及特征抽取有较高要求，所以决策级融合的代价较高。目前，常用的决策级数据融合的方法主要有:贝叶斯估计法、模糊聚类法、神经网络法及专家系统等。决策级图像融合具有实时性好的优点，同时当一个或几个传感器失效时，仍能给出最终的正确决策，因此其具有良好的容错性。表 1.1 给出了不同多传感器图像融合层次及其性能特点的比较情况。从表中及前面所介绍的内容可以看出，像素级图像融合是最重要、最根本的多传感器图像融合方法，其获取的信息
29、量最多、监测性能最好、难度也最大，是特征级图像融合和决策级图像融合的基础，也是本文主要讨论的内容。表 1.1 图像融合层次性能比较Table 1.1 Image fusion level performance comparison融合层数 像素级融合 特征级融合 决策级融合特性信息量 最大 中等 最小信息损失 最小 中等 最大容错性 最差 中等 最好抗干扰性 最差 中等 最好对传感器的依赖性 最大 中等 最小融合方法难度 最难 中等 最易预处理 最小 中等 最大分类性能 最好 中等 最差系统开放性 最差 中等 最好对于目前的医学图像处理水平来说，进行精确的特征抽取和预处理都很难做到，因此，像素级融合方法是目前普遍研究的一类方法，下面就简要的总结了一下各个层次上常用的融合算法。1-3-1 像素级图像融合的算法1、逻辑滤波器法最直观的融合方法是两个像素的灰度值进行逻辑运算，如:两个像素的灰度值均大于特定的门限值，3
