這一快速發(fā)展的領(lǐng)域涉及從原始數據采集到數字圖像傳輸的廣泛流程，而這些流程是現代醫療成像系統中完整數據流的基礎。如今，這些系統在空間和強度維度方面提供越來(lái)越高的分辨率，以及更快的采集時(shí)間，從而產(chǎn)生大量?jì)?yōu)質(zhì)的原始圖像數據，必須正確處理和解讀這些數據才能獲得準確的診斷結果。

 

本文重點(diǎn)介紹醫療圖像處理的關(guān)鍵領(lǐng)域，考慮特定成像模式的環(huán)境，并討論該領(lǐng)域的主要挑戰和趨勢。

 

醫療圖像處理的核心領(lǐng)域

 

有許多概念和方法用于構建醫療圖像處理領(lǐng)域，這些概念和方法側重于其核心區域的不同方面，如圖1所示。這些方面形成此領(lǐng)域的三個(gè)主要過(guò)程——圖像形成、圖像計算和圖像管理。

 

圖1. 醫療圖像處理中主題類(lèi)型的結構分類(lèi)。

 

圖像形成過(guò)程由數據采集和圖像重構步驟組成，用于解答數學(xué)反演問(wèn)題。圖像計算的目的是提高重構圖像的可解讀性并從中提取與臨床相關(guān)的信息。最后，圖像管理處理所獲取圖像和派生信息的壓縮、存檔、檢索和傳輸。

 

圖像形成

 

數據采集

 

圖像形成的第一個(gè)必須步驟是采集原始成像數據。該數據包含有關(guān)描述身體各內部器官的捕獲物理量的原始信息。這些信息成為所有后續圖像處理步驟的主要主題。

 

不同類(lèi)型的成像模式可以利用不同的物理原理，由此涉及不同物理量的探測。例如，在數字射線(xiàn)照相 (DR) 或計算機斷層掃描 (CT) 中，它是入射光子的能量；在正電子發(fā)射斷層掃描 (PET) 中，它是光子能量及其探測時(shí)間；在磁共振成像 (MRI) 中，它是由激發(fā)原子發(fā)射的射頻信號的參數；而在超聲波中，它是回聲參數。

 

但是，無(wú)論是哪種類(lèi)型的成像模式，數據采集過(guò)程都可以細分為物理量的探測，還包括將物理量轉換為電信號、對采集的信號進(jìn)行預調理，以及物理量的數字化。表示所有這些步驟均適用于大多數醫療成像模式的一個(gè)通用框圖如圖2所示。

 

圖2. 數據采集過(guò)程的通用框圖。

 

圖像重構

 

圖像重構是利用獲取的原始數據形成圖像的數學(xué)過(guò)程。對于多維成像，該過(guò)程還包括以不同角度或不同時(shí)間步驟捕獲的多個(gè)數據集的組合。這部分醫療圖像處理解決的是反演問(wèn)題，這是該領(lǐng)域的基本主題。用于解決這類(lèi)問(wèn)題的算法主要有兩種——分析和迭代。

 

分析法的典型示例包括廣泛用于斷層掃描的濾波反投影 (FBP)；在MRI中尤為重要的傅里葉變換 (FT)；以及延時(shí)疊加 (DAS) 波束成型，這是超聲檢查中一種不可或缺的技術(shù)。這些算法在所需的處理能力和計算時(shí)間方面精巧而高效。

 

然而，它們基于理想化模型，因此有一些明顯的局限性，包括它們無(wú)法處理諸如測量噪聲的統計特性和成像系統物理等復雜因素。

 

迭代算法則克服了這些局限性，極大地提高了對噪聲的不敏感性以及利用不完全原始數據重構最優(yōu)圖像的能力。迭代法通常使用系統和統計噪聲模型，基于初始目標模型利用假設系數計算投影。計算出的投影與原始數據之間的差異定義用于更新對象模型的新系數。使用多個(gè)迭代步驟重復此過(guò)程，直到將映射估計值和真值的代價(jià)函數最小化，從而將重構過(guò)程融入最終圖像。

 

迭代法有很多種，包括最大似然期望最大化(MLEM)、最大后驗(MAP)、代數重建(ARC)技術(shù)以及許多其他目前廣泛應用于醫療成像模式的方法。

 

圖像計算

 

圖像計算涉及對重建成像數據運算的計算和數學(xué)方法，用于提取臨床相關(guān)信息。這些方法用于成像結果的增強、分析和可視化。

 

增強

 

圖像增強優(yōu)化圖像的變換表示，以提高所包含信息的可解讀性。其方法可細分為空間域和頻域技術(shù)。

 

空間域技術(shù)直接作用于圖像像素，對于對比度優(yōu)化特別有用。這些技術(shù)通常依賴(lài)于對數、直方圖和冪律變換。頻域方法采用頻率變換，最適合于通過(guò)應用不同類(lèi)型的濾波器對圖像進(jìn)行平滑和銳化。

 

利用所有這些技術(shù)可以減少噪聲和不均勻性，優(yōu)化對比度，增強邊緣，消除偽像，以及改善對后續圖像分析及其精確解讀至關(guān)重要的其他相關(guān)特性。

 

分析

 

圖像分析是圖像計算中的核心過(guò)程，它使用的各種方法可分為三大類(lèi)：圖像分割、圖像配準和圖像量化。

 

圖像分割過(guò)程將圖像分割為不同解剖結構的有意義輪廓。圖像配準可確保多個(gè)圖像正確對齊，這對于分析時(shí)間變化或組合使用不同模式獲取的圖像特別重要。量化的過(guò)程決定了所識別結構的性質(zhì)，如體積、直徑、成分和其他相關(guān)的解剖或生理信息。所有這些過(guò)程都直接影響到成像數據的檢查質(zhì)量和醫學(xué)結果的準確性。

 

可視化

 

可視化過(guò)程將圖像數據呈現為在定義的維度上以特定形式直觀(guān)地表示解剖和生理成像信息。通過(guò)與數據直接交互，可以在成像分析的初始階段和中間階段進(jìn)行可視化（例如，協(xié)助分割和配準過(guò)程），并在最后階段顯示優(yōu)化的結果。

 

圖像管理

 

醫療圖像處理的最后一部分涉及對所獲取信息的管理，包括用于圖像數據存儲、檢索和傳輸的各種技術(shù)。制定了若干標準和技術(shù)，用于處理圖像管理的各個(gè)方面。例如，醫療成像技術(shù)圖像存檔與傳輸系統 (PACS) 提供對來(lái)自多種模式的圖像的經(jīng)濟存儲和訪(fǎng)問(wèn)，而醫學(xué)數字成像和通信(DICOM)標準用于存儲和傳輸醫療圖像。圖像壓縮和流傳輸的特殊技術(shù)高效地實(shí)現了這些任務(wù)。

 

挑戰和趨勢

 

醫療成像是一個(gè)相對保守的領(lǐng)域，從研究過(guò)渡到臨床應用通?？赡苄枰嗄甑臅r(shí)間。然而，它的性質(zhì)復雜，在其構成科學(xué)學(xué)科的各個(gè)方面都面臨著(zhù)多方面的挑戰，這穩步推動(dòng)了新方法的不斷發(fā)展。這些發(fā)展代表了在當今醫療圖像處理核心領(lǐng)域可以確定的主要趨勢。

 

圖像采集領(lǐng)域受益于為提高原始數據質(zhì)量和豐富其信息內容而開(kāi)發(fā)的創(chuàng )新硬件技術(shù)。集成的前端解決方案可實(shí)現更快的掃描時(shí)間、更精細的分辨率和先進(jìn)的架構，如超聲波/乳房X線(xiàn)照相術(shù)、CT/PET或PET/MRI組合系統。

 

快速高效的迭代算法取代了分析法，越來(lái)越多地用于圖像重構。它們能顯著(zhù)改善PET的圖像質(zhì)量，減少 CT 中的 X 射線(xiàn)劑量，并在MRI中進(jìn)行壓縮檢測。數據驅動(dòng)的信號模型正在取代人工定義的模型，基于有限或噪聲數據為反演問(wèn)題提供更好的解決方案。代表圖像重構趨勢和挑戰的主要研究領(lǐng)域包括系統物理建模和信號模型的開(kāi)發(fā)、優(yōu)化算法以及圖像質(zhì)量評估方法。

 

隨著(zhù)成像硬件捕獲越來(lái)越多的數據，算法變得越來(lái)越復雜，人們迫切需要更高效的計算技術(shù)。這個(gè)巨大的挑戰可通過(guò)更強大的圖形處理器和多處理技術(shù)解決，為從研究過(guò)渡到應用提供全新的機會(huì )。

 

與圖像計算和圖像管理這一轉變相關(guān)的主要趨勢和挑戰涵蓋許多主題，其中一些主題如圖3所示。

 

圖3. 當今醫療圖像計算中的主要趨勢主題示例。

 

與所有這些主題相關(guān)的新技術(shù)不斷發(fā)展，縮小了研究與臨床應用之間的差距，促進(jìn)了醫療圖像處理領(lǐng)域與醫師工作流程的整合，確保實(shí)現更準確、更可靠的成像結果。

 

ADI提供多種解決方案，用以滿(mǎn)足對數據采集電子設計提出的最苛刻的醫療成像要求，包括動(dòng)態(tài)范圍、分辨率、準確性、線(xiàn)性度和噪聲。下面是為確保原始成像數據最高初始質(zhì)量而開(kāi)發(fā)的此類(lèi)解決方案的幾個(gè)例子。

 

專(zhuān)為DR應用設計了帶256通道的高度集成的模擬前端ADAS1256 。具有出色線(xiàn)性度的多通道數據采集系統ADAS1135 和 ADAS1134 可最大限度地提高CT應用的圖像質(zhì)量。多通道ADC AD9228, AD9637, AD9219, 以及 AD9212 經(jīng)過(guò)優(yōu)化后具有出色的動(dòng)態(tài)性能和低功耗，可滿(mǎn)足PET要求。流水線(xiàn)ADC AD9656 為MRI提供出色的動(dòng)態(tài) 性能和低功耗特性。集成式接收器前端 AD9671 專(zhuān)為要求小尺寸 封裝的低成本、低功耗的醫療超聲應用而設計。

 

ADAS1256產(chǎn)品詳情

 

● 256通道電荷至數字轉換器

● 16位分辨率、無(wú)失碼

● 同步采樣

● 用戶(hù)可調滿(mǎn)量程范圍，最高32pC

● 最低22 µs線(xiàn)路時(shí)間

● 超低噪聲：560 e−（范圍：2pC）

● INL ±2.5lsb或57.5ppm，包括ADC

● 極低功耗

● 多功能功耗模式：從每通道1mW至每通道3mW

● 多種休眠和電源模式，低至每通道0.005mW

● 可測量通過(guò)電子或空穴收集的電荷

 

結論

 

醫療圖像處理是一個(gè)非常復雜的跨學(xué)科領(lǐng)域，涵蓋從數學(xué)、計算機科學(xué)到物理學(xué)和醫學(xué)的眾多科學(xué)學(xué)科。本文試圖提出一個(gè)簡(jiǎn)化但結構良好的核心領(lǐng)域框架，此框架代表該領(lǐng)域及其主要主題、趨勢和挑戰。其中，數據采集過(guò)程是第一個(gè)也是最重要的領(lǐng)域之一，它定義醫療圖像處理框架所有后續階段中使用的原始數據的初始質(zhì)量水平。

 

 

推薦閱讀：