發(fā)布時(shí)間：2020-06-12 09:02

【摘要】：放射治療、手術(shù)和化療是腫瘤治療的三大主要手段,據(jù)估計(jì),每年約有60%-70%以上的腫瘤患者治療過(guò)程中采用過(guò)放射治療(包括單純放療、術(shù)前或術(shù)后放療、放療合并化療等)。精確放射治療(PAR)是現(xiàn)代放射治療技術(shù)的主流,它要求做到精確定位、精確計(jì)劃、精確擺位、精確照射,三維空間上的高劑量分布與靶區(qū)的實(shí)際形狀一致,靶區(qū)內(nèi)劑量強(qiáng)度可調(diào)。采用的治療方式有：立體定向放射治療、三維適形放射治療(3DCRT)、調(diào)強(qiáng)放射治療(IMRT)、圖像引導(dǎo)放射治療(IGRT)。實(shí)際臨床應(yīng)用時(shí),由于技術(shù)的復(fù)雜性,精確放射治療的優(yōu)勢(shì)還遠(yuǎn)遠(yuǎn)沒(méi)有發(fā)揮出來(lái),目前尚有許多問(wèn)題需要解決：如靶區(qū)的準(zhǔn)確定位問(wèn)題。 有關(guān)研究表明,靶區(qū)的準(zhǔn)確定位(放療醫(yī)生的靶區(qū)勾畫)是影響精確放療療效最重要的一個(gè)因素。臨床上放療計(jì)劃設(shè)計(jì)最基本的參考圖像是CT解剖圖像,它具備較高的空間分辨率,對(duì)骨骼等高密度組織比較敏感,能很好的進(jìn)行病灶定位,但對(duì)軟組織尤其是浸潤(rùn)性腫瘤無(wú)法清晰的顯示邊界,造成不同的醫(yī)生在勾畫靶區(qū)時(shí)有不同的結(jié)果。醫(yī)生的主觀經(jīng)驗(yàn)性比較強(qiáng),會(huì)造成一定的漏畫或誤畫,直接影響到后續(xù)的治療過(guò)程。 近年來(lái),隨著醫(yī)學(xué)成像技術(shù)的發(fā)展,出現(xiàn)了越來(lái)越多的醫(yī)學(xué)成像設(shè)備,為臨床診斷和治療提供許多不同模態(tài)的醫(yī)學(xué)圖像。這些醫(yī)學(xué)圖像依據(jù)自身所包含信息的不同可分為兩大類：解剖成像(如：X射線、超聲、CT、MRI)和功能成像(如：SPECT、PET)。其中,解剖成像空間分辨率高,對(duì)病灶區(qū)域組織結(jié)構(gòu)顯示清晰,能提供精確地腫瘤大小、部位等信息,可明確地顯示腫瘤與周圍組織的結(jié)構(gòu)關(guān)系,但缺乏病灶區(qū)域的功能代謝信息,無(wú)法準(zhǔn)確的確定其邊界。功能成像是通過(guò)核醫(yī)學(xué)手段獲得的圖像,對(duì)早期代謝或功能異常的病灶十分敏感,可以在復(fù)雜的解剖結(jié)構(gòu)中探測(cè)到損傷,在還沒(méi)有發(fā)生解剖結(jié)構(gòu)損傷之前就能對(duì)病灶進(jìn)行定位,但空間分辨率低,對(duì)微小損傷診斷受限,難以滿足精確判定損傷與周圍組織結(jié)構(gòu)關(guān)系的需要。由此可見(jiàn),這兩類醫(yī)學(xué)圖像在對(duì)相同區(qū)域成像時(shí)可以提供互補(bǔ)的醫(yī)學(xué)信息。如果我們能把這些互補(bǔ)信息綜合在一起,作為一個(gè)整體來(lái)表達(dá),就可以為醫(yī)學(xué)診斷、人體功能和結(jié)構(gòu)的研究提供更全面的信息。這一綜合的過(guò)程就是醫(yī)學(xué)圖像信息融合,簡(jiǎn)稱醫(yī)學(xué)圖像融合。 醫(yī)學(xué)圖像融合是在信息融合和圖像融合的基礎(chǔ)上發(fā)展起來(lái)的。它是對(duì)2個(gè)或2個(gè)以上的不同醫(yī)學(xué)成像設(shè)備獲得的同一病灶區(qū)域的圖像經(jīng)過(guò)一定的變換處理,達(dá)到空間位置、空間坐標(biāo)的匹配后,整合成一幅新的醫(yī)學(xué)圖像,從而獲得互補(bǔ)信息,增加信息量,使臨床診斷和治療更為準(zhǔn)確和完善。圖像融合技術(shù)根據(jù)處理信息抽象程度的不同,可分為像素級(jí)、特征級(jí)和決策級(jí)融合。其中基于像素級(jí)的融合方法由于它對(duì)圖像所包含的單個(gè)像素信息進(jìn)行處理,可保留盡可能多的信息,具有很高的精度,被廣泛應(yīng)用于醫(yī)學(xué)圖像的融合處理。 目前,像素級(jí)圖像融合方法有兩大類：空間域和變換域�；诳臻g域的方法是簡(jiǎn)單地對(duì)兩幅圖像的對(duì)應(yīng)點(diǎn)像素灰度值進(jìn)行加權(quán)求和、灰度取大或取小,方法簡(jiǎn)單可行,但融合效果一般,應(yīng)用場(chǎng)合有限。而基于變換域的方法,如多分辨金字塔法、小波變換法等,是先對(duì)待融合的多源圖像進(jìn)行空間變換,得到各圖像分解后的系數(shù)表示,再對(duì)這組變換后的系數(shù)表示按一定的融合規(guī)則進(jìn)行融合處理得到一個(gè)融合后的系數(shù)表示,最后經(jīng)圖像的逆變換獲得融合圖像。在這當(dāng)中,小波變換法具有良好的時(shí)域局部化特性、多尺度多分辨特性,可充分提取被融合圖像的互補(bǔ)和冗余信息,可針對(duì)性地突出、強(qiáng)化所感興趣區(qū)域的特征、細(xì)節(jié)信息,一直是圖像融合研究的熱點(diǎn)。本文亦采用這一方法。 Mallat算法是小波分析領(lǐng)域最具經(jīng)典的算法,相當(dāng)于FFT(快速傅里葉算法)在傅里葉變換中的地位。它的出現(xiàn),奠定了離散小波變換在圖像處理、圖像編碼等領(lǐng)域中的應(yīng)用基礎(chǔ)。圖像經(jīng)二維離散小波分解后,被分解成兩部分：1個(gè)低頻子帶和3個(gè)高頻子帶。其中低頻子帶反映的是圖像的近似分量,代表原圖像的基本信息。高頻子帶反映的是圖像在水平、垂直、對(duì)角三個(gè)方向的細(xì)節(jié)分量,對(duì)應(yīng)圖像的邊緣、線、區(qū)域、邊界等信息�；谛〔ㄗ儞Q的圖像融合的本質(zhì)是對(duì)圖像分解后的不同子帶采用不同的融合規(guī)則進(jìn)行處理,得到融合后的小波系數(shù),最后利用小波逆變換重構(gòu)融合圖像。 在運(yùn)用小波變換進(jìn)行圖像融合時(shí),融合規(guī)則的選取是圖像融合的核心,直接影響著圖像融合的速度和質(zhì)量。在眾多的小波圖像融合中,研究最多的是如何選擇合適的融合算子進(jìn)行高頻子帶的融合,對(duì)低頻子帶常采用像素加權(quán)、取大,本文側(cè)重于研究圖像低頻子帶的融合。在綜合比較分析像素、窗口、區(qū)域三類融合規(guī)則優(yōu)缺點(diǎn)的基礎(chǔ)上,提出了基于窗口局部特征的圖像融合方法：低頻采用窗口鄰域熵取大,高頻采用窗口標(biāo)準(zhǔn)差取大。這是因?yàn)椋盒〔ǚ纸庾罡邔拥慕谱訋D像是源圖像的平滑,它繼承了源圖像的部分性質(zhì),如灰度均值和紋理信息等,使用鄰域熵測(cè)度可很好的體現(xiàn)近似子帶圖像的這一特性。方法是：計(jì)算固定大小的鄰域窗口熵值(這里取3×3窗口),把它賦值給中心像素,然后在整幅圖像上移動(dòng)鄰域窗口,得到與每個(gè)像素對(duì)應(yīng)的鄰域熵值,即得到-幅鄰域熵圖像。選擇鄰域熵較大的圖像的灰度值作為融合后圖像的灰度值。對(duì)于三個(gè)方向的高頻細(xì)節(jié)子帶圖像,由于它們抽取的是與邊緣相關(guān)的感知信息,系數(shù)值在零值附近變化,這里采用圖像局部區(qū)域標(biāo)準(zhǔn)差取大的方法,因?yàn)闃?biāo)準(zhǔn)差越大,說(shuō)明灰度級(jí)分布越分散,變化越大,而灰度級(jí)的起伏和變化反映了圖像的細(xì)節(jié)、紋理和邊緣信息。 其次,本文的小波圖像融合方法是通過(guò)MATLAB這一數(shù)值計(jì)算軟件實(shí)現(xiàn)的,充分利用了MATLAB自帶的小波工具箱。在小波工具箱里提供了很多不同派系的小波基函數(shù),同一副圖像,用不同的小波基函數(shù)進(jìn)行分解所得到的效果是不同的,因此利用小波進(jìn)行圖像融合時(shí),需要考慮小波基函數(shù)的選取。另外,小波變換的層數(shù)越多,融合的細(xì)節(jié)也就越豐富,但是,并不是層數(shù)越多越好。這是因?yàn)?圖像分解層數(shù)越多,產(chǎn)生的子帶就越多,級(jí)間濾波器增加,造成信號(hào)移位增大,同時(shí)低頻子帶的空間分辨率降低,低頻子圖像越來(lái)越模糊,邊界延拓造成的塊狀效應(yīng)也越來(lái)越明顯,引起的邊界失真也越來(lái)越大。因此,需根據(jù)圖像的不同類型及所要達(dá)到的融合效果限制分解層數(shù)。本文在參考相關(guān)文獻(xiàn)的基礎(chǔ)上,提出以下最佳小波分解參數(shù)方法：采用MATLAB自帶的"wmaxlev"函數(shù)計(jì)算各小波基函數(shù)作用于圖像的最大分解層數(shù)；接著在不超過(guò)這一上限的分解層數(shù)下,對(duì)各圖像進(jìn)行小波分解,提取各分解層的低頻子帶圖像,通過(guò)比較低頻子帶與原始圖像的熵差來(lái)確定圖像的最佳分解層數(shù)；最后引入融合評(píng)價(jià)指標(biāo)評(píng)估采用不同小波基函數(shù)進(jìn)行融合得到的新圖像的優(yōu)劣來(lái)確定最佳的小波基函數(shù)。 綜上,在這篇論文中,我們討論了不同層次的醫(yī)學(xué)圖像融合方法,綜合對(duì)比各方法的優(yōu)缺點(diǎn),建立了基于像素級(jí)的小波圖像融合方法,采用基于窗口鄰域熵值取大的低頻融合算子和窗口標(biāo)準(zhǔn)差取大的高頻融合算子實(shí)現(xiàn)圖像的融合。接著,對(duì)不同小波基函數(shù)的特性進(jìn)行討論,在此基礎(chǔ)上提出一確定小波基函數(shù)選取的方法：先確定每一種小波基函數(shù)作用于圖像的最佳分解層數(shù),然后通過(guò)融合圖像效果評(píng)價(jià)來(lái)確定最優(yōu)小波基函數(shù)。實(shí)驗(yàn)數(shù)據(jù)采用PET圖像和CT圖像,用基于統(tǒng)計(jì)特性、信息量的方法來(lái)評(píng)估融合圖像的優(yōu)劣。 研究結(jié)果表明,小波變換算法是一種有效的圖像融合方法,運(yùn)用本文提出的小波融合算子和小波最佳參數(shù)的確定方法能得到高性能的融合圖像。在論文的最后,我們對(duì)研究工作中的遺留問(wèn)題進(jìn)行了討論,并對(duì)今后的工作進(jìn)行了展望。
【圖文】：

(l)原始采集到的CT圖像和PET圖像，圖像大小、分辨率等級(jí)是不同的，一般CT圖像的分辨率是PET圖像的兩倍。倘使沒(méi)有對(duì)CT圖像和PET圖像進(jìn)行分辨率統(tǒng)一，可以采用圖2一3所示的融合模型[l91。源圖像小彼分解系數(shù) ......... lllllllll }}}}}}}1}{lll附 }}}}}}}}}}}}}}}}}}}}}}}}}}}.............................睡塞 塞塞塞塞 塞尹尹崖鑫 鑫 鑫鑫 鑫柑柑柑附附 {{{{{{{圖2一3不同分辨率等級(jí)的小波多尺度分解 F19.2一 3thedifferentresolutionsIevelofwavelettransforms

碩士學(xué)位論文卜△一民一△+司上光滑地由1變成。，如圖3一卜耳一洲!。卿訓(xùn)圖3一1窗口函數(shù)g(t)Fig.3一 1thewindowfunetion則相應(yīng)的窗口傅里葉變換為:(圖3一2所示)J(t)g(t)圖3一2窗口傅里葉變換示意圖Fig.3一 2theschematiediagramofwindowFFT由此可知，窗口傅里葉變換把信號(hào)劃分成許多小的時(shí)間間隔，用傅里葉變換分析每一個(gè)時(shí)間間隔，，以便確定該時(shí)間間隔存在的頻率，在一定程度上克服了標(biāo)準(zhǔn)傅里葉變換不具有局部分析能力的缺陷。但是，這里的窗口函數(shù)g(t)一旦選定后，窗口的形狀和大小就固定下來(lái)，與頻率無(wú)關(guān)。而頻率與時(shí)域窗口是成反比的，要獲得信號(hào)的高頻成分的細(xì)致分辨，就需使用很窄的時(shí)域窗口，而要獲得信號(hào)低頻成分的粗疏分辨，必須用較寬的時(shí)域窗口，如圖3一3。““公”‘一日 日成成“一”’廠-份氣‘’ ’ fff一 rZttt，，戒甲’一， .)___vvvU’、 、廣 廣丫/‘“)’.“一
【學(xué)位授予單位】：南方醫(yī)科大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2011
【分類號(hào)】：R730.55;TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 田成軍,楊陽(yáng);VC與MATLAB的混合編程方法研究[J];長(zhǎng)春理工大學(xué)學(xué)報(bào);2003年03期

2 譚善文,秦樹人,湯寶平;小波基時(shí)頻特性及其在分析突變信號(hào)中的應(yīng)用[J];重慶大學(xué)學(xué)報(bào)(自然科學(xué)版);2001年02期

3 任國(guó)強(qiáng),吳欽章,楊梅;用PCI9052實(shí)現(xiàn)的高性能CCD圖像采集設(shè)備[J];光電工程;2002年01期

4 秦定宇;王敬東;李鵬;;圖像融合中小波基的選擇分析[J];光電子技術(shù);2006年03期

5 魏寶琴;李白萍;;最優(yōu)小波基的選取原則[J];甘肅科技;2007年10期

6 趙大鵬;時(shí)家明;;小波圖像融合的最佳參數(shù)研究[J];激光與紅外;2007年02期

7 任國(guó)超;師黎;;基于2v-SVM和一致性檢驗(yàn)的醫(yī)學(xué)圖像融合算法[J];計(jì)算機(jī)工程與應(yīng)用;2010年13期

8 朱瑞輝;萬(wàn)敏;范國(guó)濱;;基于金字塔變換的圖像融合方法[J];計(jì)算機(jī)仿真;2007年12期

9 胡鋼;劉哲;徐小平;高瑞;;像素級(jí)圖像融合技術(shù)的研究與進(jìn)展[J];計(jì)算機(jī)應(yīng)用研究;2008年03期

10 王亞麗;;PET核醫(yī)學(xué)成像原理分析[J];科技情報(bào)開(kāi)發(fā)與經(jīng)濟(jì);2007年18期

本文編號(hào)：2709307