醫學圖像處理:從形成到解釋

上個世紀在醫學成像方面取得的技術進步為無創診斷創造了前所未有的機會,並將醫學成像確立為當今醫療保健系統的一部分。代表這些進步的主要創新領域之一是醫學圖像處理的跨學科領域。

 

這一快速發展的領域涉及從原始數據採集到數字圖像通信的大量過程,這些過程支撐著現代醫學成像系統中的完整數據流。如今,這些系統在空間和強度維度上提供越來越高的分辨率,以及更快的採集時間,從而產生大量高質量的原始圖像數據,這些數據必須經過適當的處理和解釋才能獲得準確的診斷結果。

 

本文重點關注醫學圖像處理的關鍵領域,考慮特定成像模式的背景,並討論該領域的關鍵挑戰和趨勢。

醫學圖像處理核心領域

 

構建醫學圖像處理領域的概念和方法有很多,它們側重於圖 1 所示核心領域的不同方面。這些領域形成了該領域的三個主要過程——圖像形成、圖像計算和圖像管理。

 

deaf8871-2200-43ab-9d81-2a10766e1e1f.jpeg

圖 1. 醫學圖像處理中主題類別的結構分類。

 

圖像形成過程由數據採集和圖像重建步驟組成,為數學逆問題提供了解決方案。圖像計算的目的是提高重建圖像的可解釋性並從中提取臨床相關信息。最後,圖像管理處理獲取的圖像和派生信息的壓縮、歸檔、檢索和通信。

圖像形成

 

數據採集

 

圖像形成的第一步是採集原始成像數據。它包含有關捕獲的描述身體內部方面的物理量的原始信息。該信息成為圖像處理所有後續步驟的主要主題。

 

不同類型的成像模態可以利用不同的物理原理,因此涉及不同物理量的檢測。例如,在數字射線照相術 (DR) 或計算機斷層掃描術 (CT) 中,它是入射光子的能量;在正電子發射斷層掃描(PET)中,它是光子能量及其檢測時間;在磁共振成像(MRI)中,它是被激發原子發射的射頻信號的參數;在超聲檢查中,它是聲學回波的參數。

 

然而,無論成像模式的類型如何,數據採集過程都可以細分為物理量的檢測,包括將其轉換為電信號、對採集的信號進行預處理和數字化。圖 2 示意性地描繪了代表適用於大多數醫學成像模式的所有這些步驟的通用框圖。

a6e20b31-f5bb-4b62-bdeb-5e900123f197.jpeg

圖 2. 數據採集過程的通用框圖。

 

影像重建

 

圖像重建是使用獲取的原始數據形成圖像的數學過程。對於多維成像,此過程還包括以不同角度或不同時間步長捕獲的多個數據集的組合。醫學圖像處理的這部分處理逆問題,這是該領域的基本主題。有兩種主要算法用於解決這類問題——分析的和疊代的。

 

分析方法的典型示例包括廣泛用於斷層掃描的濾波反投影 (FBP);傅里葉變換 (FT),在 MRI 中尤為重要;延遲和和 (DAS) 波束成形,這是超聲檢查不可或缺的技術。這些算法在所需的處理能力和計算時間方面是優雅和高效的。

 

然而,它們基於理想化模型,因此具有一些明顯的局限性,包括它們無法處理諸如測量噪聲的統計特性和成像系統的物理特性等複雜因素。

 

疊代算法克服了這些限制,能夠顯著提高對噪聲的不敏感度,並能夠使用不完整的原始數據重建最佳圖像。疊代方法通常使用系統和統計噪聲模型來計算基於具有假定係數的初始對像模型的投影。計算的投影與原始數據之間的差異定義了用於更新對像模型的新係數。使用多個疊代步驟重複此過程,直到映射估計值和真實值的成本函數最小化——導致重建過程收斂到最終圖像。

 

有各種各樣的疊代方法,包括最大似然期望最大化 (MLEM)、最大後驗 (MAP)、代數重建 (ARC) 技術以及當今在醫學成像模式中廣泛使用的許多其他方法。

圖像計算

圖像計算處理對重建的成像數據進行運算的計算和數學方法,以提取臨床相關信息。這些方法用於增強、分析和可視化成像結果。

 

增強

 

圖像增強改進了圖像的變換錶示,以提高所包含信息的可解釋性。其方法可以細分為空間和頻域技術。

空間域技術直接作用於圖像像素,這對於對比度優化特別有用。這些技術通常依賴於對數、直方圖和冪律變換。頻域方法使用頻率變換,最適合通過應用不同種類的濾波器來平滑和銳化圖像。

利用所有這些技術可以減少噪聲和不均勻性、優化對比度、增強邊緣、消除偽影以及改進其他對後續圖像分析及其準確解釋至關重要的相關屬性。

 

分析

 

圖像分析是圖像計算的核心過程,它使用多種方法,可分為三大類:圖像分割、圖像配準和圖像量化。

圖像分割過程將圖像分割成不同解剖結構的有意義的輪廓。圖像配準可確保多個圖像的正確對齊,這對於分析時間變化或使用不同模式獲取的圖像組合尤為重要。量化過程確定了已識別結構的特性,例如體積、直徑、成分和其他相關的解剖或生理信息。所有這些過程都直接影響成像數據的檢查質量和醫學發現的準確性水平。

 

可視化

 

可視化過程呈現圖像數據以在定義的維度上以特定形式直觀地表示解剖和生理成像信息。通過與數據的直接交互,可以在成像分析的初始階段和中間階段執行可視化——例如,輔助分割和配準過程,並在最後階段顯示精細結果。

 

圖像管理

 

醫學圖像處理的最後一部分涉及對獲取的信息的管理,包括用於存儲、檢索和通信圖像數據的各種技術。已經開發了幾種標準和技術來解決圖像管理的各個方面。例如,醫學成像技術圖片存檔和通信系統 (PACS) 提供經濟的存儲和訪問來自多種模式的圖像,數字成像和通信醫學 (DICOM) 標準用於存儲和傳輸醫學圖像。圖像壓縮和流式傳輸的特殊技術提供了這些任務的有效實現。

挑戰與趨勢

醫學影像是一個相對保守的領域,從研究到臨床應用的轉變通常需要十多年的時間。然而,其複雜的性質在其組成科學學科的各個方面都面臨著多方面的挑戰,這穩步推動了新方法的不斷發展。這些發展代表了當今醫學圖像處理核心領域的主要趨勢。

 

圖像採集領域受益於為提高原始數據質量和豐富其信息內容而開發的創新硬件技術。集成前端解決方案可實現更快的掃描時間、更精細的分辨率和先進的架構,例如超聲/乳房 X 線攝影、CT/PET 或 PET/MRI 組合系統。

 

快速高效的疊代算法越來越多地用於圖像重建以替代分析方法。它們可以顯著提高 PET 的圖像質量,減少 CT 中的 X 射線劑量,以及 MRI 中的壓縮傳感。數據驅動的信號模型正在取代人工定義的模型,為基於有限或嘈雜數據的逆問題提供更好的解決方案。代表圖像重建趨勢和挑戰的主要研究領域包括系統物理建模和信號模型的開發、優化算法和圖像質量評估方法。

 

隨著成像硬件捕獲越來越多的數據並且算法變得越來越複雜,迫切需要更高效的計算技術。這是一個巨大的挑戰,由更強大的圖形處理器和多處理技術解決,這些技術為從研究到應用的過渡提供了全新的機會。

 

與圖像計算和圖像管理這一轉變相關的主要趨勢和挑戰包括許多主題,其中一些在圖 3 中呈現。

6d7cd072-67e2-4963-b48b-ecde0f8681c2.jpeg

圖 3. 當今醫學圖像計算的主要趨勢主題示例。

 

與所有這些主題相關的新技術的持續發展縮小了研究與臨床應用之間的差距,並促進了醫學圖像處理領域與醫生工作流程的整合,以確保比以往任何時候都更準確、更可靠的成像結果。

 

ADI 公司提供多種解決方案,可滿足醫療成像對數據採集電子設計在動態範圍、分辨率、準確度、線性度和噪聲方面的最苛刻要求。以下是為確保原始成像數據的最高初始質量而開發的此類解決方案的一些示例。

 

具有 256 通道的高度集成模擬前端ADAS1256專為 DR 應用而設計。具有出色線性性能的多通道數據採集系統ADAS1135和ADAS1134可最大限度地提高 CT 應用中的圖像質量。多通道 ADC AD9228、AD9637、AD9219和AD9212經過優化,具有出色的動態性能和低功耗,可滿足 PET 要求。流水線 ADC AD9656為 MRI 提供出色的動態和低功耗性能。集成接收器前端AD9671專為低成本和低功耗醫療超聲應用而設計,其中小封裝尺寸至關重要。