MRI图像的小波融合处理

背景：小波图像融合是将两幅图像融合在一起,以获取对同一场景的更为精确、全面、可靠的图像描述。 目的：用小波变换图像融合技术融合MRI脑梗死图像,以恢复缺损图像。 方法：图像融合的主要机制是利用二维小波分析法对MRI脑梗死图像进行小波分解,并对高低频信号采用多种融合方式进行融合。通过对比不同融合方式后的效果图,找出最适合本部位MRI图像的融合方法。 结果与结论：不同方式的融合技术能成功修复不同的缺损部位,多种融合方式的合适组合能完全修复多处缺失部位。对于文中给出的MRI脑梗死图像,采用最小值融合方式的融合效果最好。提示使用二维小波分析法处理医学图像,简便快捷,能有效改善图像的视觉效果,辅助临床诊断。     

功能图像与解剖图像融合方法的研究

为了更好地同时显示功能图像及其对应解剖图像,要选择一种更有效的显示方法。我们把图像融合的理念引入到功能图像的显示过程中,通过比较几种现有的图像融合方法在功能肱共振成像（tMRI）显示方面的效果,提出了一种改进的基于小波分析的图像融合方法。实验结果表明,这种改进的图像融合方法弥补了传统功能磁共振成像显示方面的不足,在无需阈值化的条件下,不仅可以有效地显示出功能激活区域,同时也能显示激活区域对应的解剖信息,具有一定的临床应用价值。     

基于小波变换的医学图像融合方法综述

目的：图像融合是图像处理领域中的一个热门研究方向,其目的为了将来自不同传感器的多模态信息综合体现在一张高质量的图像上,已被广泛应用于医学、航空遥感、军事等领域。不同的融合算法会得到不同的融合结果,融合算法的选择直接决定融合的结果。方法：本文主要调研了当前比较热门的基于小波变换方法的融合方法。根据小波变换的流程,我们知道影响融合后图像质量的因素主要有两个：一个是变换分类及变换基,另一个是变换域的系数融合规则。本文将从这两方面对基于小波变换的各种融合方法进行总结。文中算法的选取原则为：融合实验效果好、被引用次数较多的文献中的使用的算法。另外,本文对经典的融合算法也进行了较系统的描述。结论：经过对文献的搜集与整理,我们就变换种类与融合规则方法分别进行了汇总：在变换种类上有传统Haar小波、性能经过提升的小波、与小波变换交叉使用的变换方法三个子类;在融合规则上,有单个像素法、区域法、多种决策算法参与的系数融合规则三个子类。最后本文叙述了几种对于融合后图像的图像质量评价指标。     

MRI和CT融合图像与脑膜瘤

脑肿瘤是常见、多发性疾病 ,是严重危害人类健康的顽疾。据统计每年的发病率约为万分之一点三五 ,近年来发病率有逐年增高的趋势。脑肿瘤早期多无明显征象 ,晚期病情凶险 ,死亡率很高 ,因此 ,世界卫生组织将其确立为要攻克的重点课题之一。先进的医疗设备和现代化诊断技术为脑肿瘤的早期诊断带来新的曙光 ,MRI和 CT便是目前诊断颅内肿瘤的最重要的手段。1946年美国哈佛大学的 E.M.Purcell和斯坦福大学的F.Bloch发现了核磁共振现象 ,195 2年获诺贝尔物理奖 ,1982年起 MRI扫描仪应用于临床。由于质子结构简单 ,磁性较强 ,是构成水、脂肪…     

多模式医学图像的融合和配准技术

医学影像工程不断发展,出现了很多先进的成像设备,有力地支持了医学诊断和治疗。而以计算机技术为基础的成像后处理技术进一步提高了诊疗的可靠性。我们着重介绍了多模式医学图像融合和配准的技术内容和应用。     

MRI和PET融合一体的Biograph mMR

MRI可以提供清晰的图像,了解人体器官的结构和功能。PET则可以提供更深层次的人体细胞代谢的信息。这两类信息在临床进行疾病诊断时所必不可少,如果依分别进行MRI和PET检查通常需要化1h以上的时间。西门子公司将成功地将MRI与PET融合到一台设备(Biograph mMR)中,作全身扫描只需要花费短短的30 min,就可同时采集到患者的两种影像信息,可大大节省时间与医疗费用。Biograph mMR磁场强     

CT与MRI图像融合的评价方法研究

医学图像融合的效果评价方法有很多,如信息熵、互信息、均方值、峰值信噪比和平均梯度等.但是对于不同的用途,难以给出一个通用的标准.根据CT与MR图像的不同特点,我们对CT与MR图像融合的评价方法进行研究.在分析实验数据的基础上,针对特殊的应用目的,给出了CT与MR图像融合效果评价方法的一个较全面的和有参考价值的选取准则.     

医学图像融合技术及其应用

医学图像融合技术，作为一种成像后处理技术，把医学图像有机的结合起来，从而为医学诊疗提供了更完善的图像信息，进一步提高了临床诊断和治疗的可靠性。本文着重介绍了图像融合技术的内容及其应用。     

基于薄板样条的MRI图像与脑图谱的配准方法

为了将CT、MRI、PET或SPECT等断层扫描图像用于疾病的辅助诊断、放射治疗、手术计划和引导 ,就必须知道图像中感兴趣区 (ROI)是什么解剖组织 ,即解决医学图像的解剖标识问题。医生通常是从解剖书籍、图谱及自身经验来对ROI做出判断。这些书籍和图谱往往给出的是文字描述和有限数目的 ,固定位置和方向的断层图片 ,很难与患者的实际图像联系起来。对于缺乏临床经验的医生来说尤为困难。数字化 3D人脑解剖图谱使医生对人脑深部组织全方位可视化。因此可以将其通过一定的空间变换 ,与MR体积数据集中的ROI进行比较 ,从而得到ROI的解剖标识。但是 ,没有两个人的大脑是完全一样的。人脑的解剖个体差异较大 ,这就要求利用非线性变形的方法做解剖标识。本研究介绍通过薄板样条变换用Talirach脑图谱对MR图像做解剖标识的方法。     

探索建立颅脑MRI图像、断层标本图像及三维重建图像的对比数据模型

目的利用计算机图像处理系统对颅脑主要重要结构进行三维成像,探索建立1套正常颅脑部MRI图像、断层标本及三维重建图像的数据对照计算机模型,为影像诊断及颅脑部手术定位提供形态依据。方法利用Microsoft Visual Studio将获得的MRI图像、断层标本图像及重建的三维图像建立数据模型。结果建立的数据模型提供了颅脑部正常解剖学影像学对比特点,构建了主要结构的三维立体模型图像,使抽象结构数字化、立体化、可视化,有助于对人脑的理解。结论本数据模型把颅脑结构的三维图像结合到标本MRI的对比图中,有利于初次接触颅脑断层的初学者。     

基于多模态特征融合的脑瘤图像分割方法

针对目前大多数医学图像分割方法难以对多模态图像进行特征融合进而完成精确分割任务的问题,提出一种基于编码器-解码器总体架构的多模态脑瘤图像特征融合策略。首先,编码阶段利用孪生网络对不同模态数据进行特征提取,孪生网络结构参数和权值共享的特性可有效减少网络参数量;其次,在进行特征提取的编码阶段加入级间融合,保留不同模态的共性特征的同时强调其互补特征;然后,在解码阶段引入密集跳跃连接思想,最大程度结合不同尺度特征图的低级细节和高级语义信息;最后,设计混合损失函数,在网络生成的预测图受真值图监督的同时让最高级特征融合图也受同倍下采样真值图的监督。所提方法在公开数据集BraTS2019上进行实验,并用图像分割常用的5种指标进行评估。在脑瘤及水肿区域分割任务中得到平均Dice系数为0.884,阳性预测率为0.870,灵敏度为0.898,豪斯多夫距离为3.917,平均交并比达到79.1%,与较先进的算法U-Net和PA-Net相比多项指标均有提升。实验结果说明,级间融合和层间跳跃连接的加入对多模态医学图像的分割效果有所提升,在医学上对脑肿瘤磁共振图像进行病变区域分割具有重要的应用价值和理论意义。     

基于深度学习的多模态医学图像融合方法研究进展

医学图像融合方法可以将有用的信息整合到一张图上，提高单张图像的信息量。对多模态医学图像进行融合时，如何对图像进行有效的变换，提取到不同图像中独有的特征，并施以适当的融合规则是医学图像融合领域研究的重点。近年随着深度学习的快速发展，深度学习被广泛应用于医学图像领域，代替传统方法中的一些人工操作，并在图像表示、图像特征提取以及融合规则的选择方面显示出独特优势。本文针对基于深度学习的医学图像融合进展予以探讨，介绍了卷积神经网络、卷积稀疏表示、深度自编码和深度信念网络这些常用于医学图像融合的框架，对一些应用于融合过程不同步骤的深度学习方法进行分析和总结，最后，分析了当前基于深度学习的融合方法的不足并展望了未来的研究方向。     

Computerized method for nonrigid MR-to-PET breast-image registration

We have developed and tested a new simple computerized finite element method (FEM) approach to MR-to-PET nonrigid breast-image registration. The method requires five-nine fiducial skin markers (FSMs) visible in MRI and PET that need to be located in the same spots on the breast and two on the flanks during both scans. Patients need to be similarly positioned prone during MRI and PET scans. This is accomplished by means of a low gamma-ray attenuation breast coil replica used as the breast support during the PET scan. We demonstrate that, under such conditions, the observed FSM displacement vectors between MR and PET images, distributed piecewise linearly over the breast volume, produce a deformed FEM mesh that reasonably approximates nonrigid deformation of the breast tissue between the MRI and PET scans. This method, which does not require a biomechanical breast tissue model, is robust and fast. Contrary to other approaches utilizing voxel intensity-based similarity measures or surface matching, our method works for matching MR with pure molecular images (i.e. PET or SPECT only). Our method does not require a good initialization and would not be trapped by local minima during registration process. All processing including FSMs detection and matching, and mesh generation can be fully automated. We tested our method on MR and PET breast images acquired for 15 subjects. The procedure yielded good quality images with an average target registration error below 4 mm (i.e. well below PET spatial resolution of 6-7 mm). Based on the results obtained for 15 subjects studied to date, we conclude that this is a very fast and a well-performing method for MR-to-PET breast-image nonrigid registration. Therefore, it is a promising approach in clinical practice. This method can be easily applied to nonrigid registration of MRI or CT of any type of soft-tissue images to their molecular counterparts such as obtained using PET and SPECT.     

医学图像信息融合技术的发展

医学图像信息融合是医学图像处理、放射医学及医学影像学领域近几年兴起的一种新技术。应用医学图像信息融合技术 ,可以把不同模态的医学图像有机地结合起来 ,为临床诊断和治疗提供更完善的图像信息 ,从而使医学图像能更好地为现代医学服务。本文对医学图像信息融合技术及其研究现状作了详细的介绍和综述 ,并对其研究前景作了预测。     

多序列MR影像组学融合模型预测胶质瘤分级的价值

目的:探讨多序列MR影像组学特征及融合模型预测胶质瘤分级的价值。方法:回顾性分析2016年1月~2021年6月间梅州市人民医院经病理证实且行MR检查的胶质瘤病人资料。将多序列MR DICOM格式的原始图像导入ITK-SNAP软件进行VOI勾画，采用GE A.K分析软件进行影像组学特征提取，用ANOVA+Mann-Whiney、Spearman相关分析和LASSO模型进行特征筛选。选择Logistic回归（LR）算法构建单序列模型，选择LR、线性判别分析（LDA）、支持向量机（SVM）3种机器学习算法构建融合序列模型。通过受试者操作特征曲线评估不同模型的预测效能，并计算其曲线下面积（AUC）。结果:共有150例患者纳入本研究，其中低级别胶质瘤（LGG）41例，高级别胶质瘤（HGG）组109例。LGG组与HGG组病人间的性别、年龄差异无统计学意义（P>0.05）。共获得5个最优特征集，其中T1WI特征集包含15个特征，T2WI特征集包含31个特征，Flair特征集包含25个特征，DWI特征集包含12个特征，T1C包含4个特征，融合序列集包含44个特征。基于T1WI、T2WI、Flair、DWI及T1C各序列MR影像组学预测模型在训练集和测试集中的AUC分别为0.719 0、0.651 4，0.769 5、0.711 4，0.7410、0.610 2，0.721 9、0.747 0，0.815 7、0.754 5。基于LR、LDA、SVM算法的融合模型在训练集和测试集中的AUC分别为0.952 4、0.767 0，0.894 8、0.688 1，0.928 6、0.704 5。结论:基于多序列MRI影像组学特征的单序列模型中，T1C单序列预测模型对胶质瘤分级诊断效能最高；相较于单序列预测模型，多序列融合预测模型具有更高的诊断效能，且基于LR算法构建的融合模型较LDA算法及SVM算法构建的融合模型显示出更高的预测效能。     

脑部PET图像在阿尔茨海默病早期诊断中的应用

目的本研究使用脑部正电子发射型计算机断层显像(positron emission computed tomography,PET),并且设计了一个3D卷积神经网络(convolutional neural networks,CNN),以实现对阿尔茨海默病(Alzheimer disease,AD)的早期诊断。方法研究数据取自美国国立卫生研究院老年研究所的ADNI(Alzheimer’s Disease Neuroimaging Initiative)数据库,PET图像和磁共振(magnetic resonance,MR)图像均有收集并对数据进行相关预处理。为避免过早的下采样给模型性能带来不利影响,设计了一个3D CNN模型,比较两种不同模态的数据在AD早期诊断中各自的优缺点。结果使用本研究组设计的3D CNN模型在基于PET图像的AD早期诊断实验中,预测准确率、灵敏度、特异度以及曲线下面积(area under curve,AUC)分别达到71.19%、79.29%、61.35%、71.09%。此外,对本研究组的模型与计算机视觉中的经典模型VGG和ResNet使用相同数据进行对比实验,许多评价指标都要更优。结论使用脑部PET图像并结合3D CNN可以更好地利用3D图像的空间位置信息,更有效地提取特征,能对AD早期的病变情况有更准确高效的识别。     

Simultaneous MRI and PET imaging of a rat brain

Multi-modality imaging is rapidly becoming a valuable tool in the diagnosis of disease and in the development of new drugs. Functional images produced with PET fused with anatomical structure images created by MRI will allow the correlation of form with function. Our group is developing a system to acquire MRI and PET images contemporaneously. The prototype device consists of two opposed detector heads, operating in coincidence mode. Each MRI-PET detector module consists of an array of LSO detector elements coupled through a long fibre optic light guide to a single Hamamatsu flat panel position-sensitive photomultiplier tube (PSPMT). The use of light guides allows the PSPMTs to be positioned outside the bore of a 3T MRI scanner where the magnetic field is relatively small. To test the device, simultaneous MRI and PET images of the brain of a male Sprague Dawley rat injected with FDG were successfully obtained. The images revealed no noticeable artefacts in either image set. Future work includes the construction of a full ring PET scanner, improved light guides and construction of a specialized MRI coil to permit higher quality MRI imaging.     

How to take and process digital images for publication

The ability to take and process digital images is important in histopathology, cytopathology and pathology-centric research. In particular publishers demand that digital images are presented in a certain format. Since recording, processing and preparing digital images are often in the hands of the researcher, we should know how to handle digital images and prepare them for publication. This paper outlines the basic principles of digital imaging, what defines image resolution and how to prepare digital images for publication. Common pitfalls in preparing digital illustrations are reviewed together with the ethical constraints around the processing of scientific images.     

多模态医学图像融合技术的研究与进展

医学图像融合技术是影像学技术在医学上极具特色的应用,它将解剖影像与功能影像两者有机的结合起来,实现了从单一的形态学诊断进入到功能与形态相结合的综合影像诊断。重点介绍了多模态医学图像融合的意义、融合技术的分类以及各实现方法的原理,主要包括加权平均法、多分辨金字塔法、小波变换法等常用技术,并分析了当前该领域存在的技术难点以及发展前景。