肝脏动、静脉相CT图像配准与融合方法研究

万振环 黄晓阳

361008厦门医学院医学技术系（万振环）；361005厦门大学信息科学与技术学院（黄晓阳）通信作者：黄晓阳，Email：xyhuang@xmu.edu.cn

DOI：10．3760/cma．j．issn．1673-4181．2016．03．010

肝脏动、静脉相CT图像配准与融合方法研究

万振环 黄晓阳

361008厦门医学院医学技术系（万振环）；361005厦门大学信息科学与技术学院（黄晓阳）通信作者：黄晓阳，Email：xyhuang@xmu.edu.cn

DOI：10．3760/cma．j．issn．1673-4181．2016．03．010

目的研究肝脏CT扫描序列图像轮廓提取、配准与融合问题。方法采用图像滤波去噪、增强图像边缘及提取图像外轮廓等方法对CT序列图像进行预处理。对肝脏CT扫描序列图像动脉相位期与静脉相位期的图像轮廓进行配准，选取最优配准参数确定不同相位期图像的对应关系，以实现配准。将配准后对应的动、静脉相位期图像融合。结果融合后的图像展现了同一位置不同相位期肝脏动、静脉的情况。结论配准、融合后的图像能提供更加丰富的信息，可为医生临床诊断提供参考。

肝脏；CT图像；血管；配准；融合Corresponding author:Huang Xiaoyang,Email:xyhuang@xmu.edu.cn

0 引言

医学图像在诊断和治疗中发挥着越来越重要的作用，计算机断层成像（CT）即利用人体组织对X射线的吸收差异成像，这种横断面图像具有较强的空间分辨率和几何特征，能有效地分辨软组织，从而发现病变组织。CT多期相增强扫描是肝脏诊断的常见检查方法，水平轴状切面是肝脏CT检查中最常用的断层面，可通过造影剂的显影作用，在造影剂流经肝动脉和肝门静脉的两个不同相位期时，获得两组清晰的脏内血管影像序列。

对肝脏断层同一位置不同相位期图像进行对比观察分析很有必要，为方便和精确地观察分析图像，往往是将同一位置不同相位期图像进行配准、融合后再使用。本研究以肝脏CT多期相图像的分割、配准及融合为主要内容。最终融合的图像同时具有肝脏动脉和静脉清晰的影像，能帮助临床医生快速定位病灶区域，并为诊断和肝外科手术计划提供有效参考。

1 资料与方法

1.1 临床资料

肝脏CT扫描图像来源于厦门大学附属第一医院放射科，在17例患者样本中随机选取1例，包括肝动脉期CT图像160幅、门静脉期CT图像160幅，采样矩阵大小512×512，以1 mm层距连续扫描，像素深度15 bits，最终得到DICOM3.0格式存储的图像数据。

1.2 方法

1.2.1 医学图像预处理

为保留、增强图像中对后续处理有重要作用的特征，抑制不需要的变形，减弱后续处理会产生的干扰特征，需先对原始图像进行灰度校正、噪声过滤及增强锐化等图像预处理[1]。预处理操作会降低图像质量，但并未增加图像信息，只是将图像的特征信息有选择地强调突出。

样本患者在屏住呼吸，保持不动的情况下完成肝脏CT扫描，图像数据可近似为刚体，CT扫描序列图像中，胸腹腔的外轮廓具有典型的连续变化特征和独特的识别信息，可较好地表征图像间的异同。考虑图像特征提取算法的时间复杂度和运算量，笔者选择图像的外轮廓作为图像配准的对象。预处理操作的目的是消除原始图像的噪点，并突出图像外轮廓特征。因为边缘和轮廓均位于灰度突变的地方[2]，所以先采用高斯平滑滤波去噪，改善图像整体质量，然后使用拉普拉斯锐化，增强灰度反差，以加强肝脏图像的外轮廓。

图1为静脉期原始肝脏CT扫描图像和经平滑锐化后的图像。可看出预处理后的扫描图像的轮廓明显得到增强。

1.2.2 图像分割与轮廓提取

图像分割就是把图像分成若干个特定的、具有独特性质区域的技术和过程，分割的目的是为获取特征图像信息。肝脏CT图像在配准上有价值的分割区域是外轮廓。肝脏CT扫描患者一次检查的原始图像数据一般有250张左右，借助于计算机算法进行图像分割可快捷准确地得到图像轮廓。

轮廓是物体在场景中的完整边界，物体边缘的连接构成轮廓。轮廓的提取一般分为两个步骤，也就是边缘检测和边缘连接。边缘检测主要基于图像灰度级的不连续性，常见的方法有串行边缘检测法和并行边缘检测法[3]。梯度是衡量图像灰度连续性的一个重要标准，并行边缘检测可借助Laplacian算子、Canny算子及Roberts算子等空间域微分算子，通过模板与图像卷积同时在各个像素上进行，能有效地降低时间复杂度[4]。

图像函数f（x，y）在点（x，y）的梯度向量为

式中：i、j为互相垂直的单位（模为1）向量。梯度值反映了该点的边缘强度，其方向为

梯度值大小为

Canny边缘检测算子是基于高斯函数一阶导数的去噪声和边缘定位算法，目前使用较多；但Canny边缘检测算子在过分割和欠分割及光照影响带来的边缘不连续问题上并无较好的解决方法。图2、3是对原始CT图像和预处理后图像分别使用Canny算子的结果。

图1 经预处理前、后的CT图像

图2 原始CT图像Canny边缘

图3 预处理后图像Canny边缘

可看出，预处理后的图像边缘检测可获得较清晰的有效边缘。然而直接使用Canny算子检测边缘只能将图像划分成若干个区域，要获取图像外轮廓还需经过大量边缘连接运算，因此需寻找一种恰当的算法以快速获取CT图像外轮廓。

1.2.3 四周向内逼近基于上升缘的外轮廓提取

Canny算子检测得到的是不封闭、不连续的边缘。在边缘连接得到轮廓的过程中需进行大量运算，难免会引入错误的信息，使得连接后轮廓线与实际不完全吻合。

胸腹腔的外轮廓是感兴趣的目标，而里面的部分，对于后续实施的配准并无实际意义，因此需舍弃。但简单理解边缘像素是信号“变化剧烈”的地方，在此定义扫描方向灰度值上升的边缘为上升缘，灰度值下降的边缘为下降缘。胸腹腔以外的区域在图像中是单一的灰度值，这里选择从四周向内扫描逼近更具有实际操作意义，在四周向中心扫描过程中灰度上升的边缘即是外轮廓。

为减少计算工作量，在此笔者摒弃先边缘检测后连接边缘的传统轮廓获取方法。将检测边缘和连接边缘构成边界的步骤进行优化合并，采取水平和垂直方向分别扫描图像的方式，依次从左到右、从上到下、从右到左及从下到上4个方向进行扫描。在扫描过程中检测像素灰度值的变化，当遇到上升缘时即可认为检测到边缘并记录。图4是四周向内扫描上升缘的示意图。采用此方法对外轮廓的提取结果见图5。

1.2.4 不连续轮廓图像的修复

在医学图像成像时，由于技术等原因，部分图像分辨率较低，致使获取的外轮廓不连续。在1.2.3节中提取到的外轮廓，因部分图像左上角图像分辨率较低，造成成像模糊，出现了提取的轮廓不连续、不完整的现象。成像模糊造成的轮廓缺失部分，存在着一些散列的小联通区域。因此选定一个恰当的阈值范围ξ，统计各联通区域的面积，将满足阈值范围的小面积区域S（n）＜ξ去除即可去掉这些噪点。

插值广泛应用在图像处理领域，常用的图像插值算法，针对的是一幅图像中的像素。在轮廓图像的处理中，缺失的轮廓线并不能从自身邻近的像素中获得。因此改进需针对一幅图像内像素的插值方法，假设A、X、B是CT扫描序列中的3张轮廓图像，其中A、B图像轮廓完整，X具有缺陷，投射到一张图中如图6所示。

图6 邻近图像关系示意图

图4 四周向内逼近基于上升缘的外轮廓提取

图5CT扫描图像与对外轮廓的提取结果

轮廓的变化是连续的，同一行或列上三幅轮廓坐标变化可视为线性变化。要得到X图缺失的轮廓坐标，只需找到坐标线性变化函数线上的点即可。以列为例，遍历A、B轮廓图像第n列，得到非0像素的坐标A（n，j）、B（n，q），则X（n，y）坐标对应的图像像素值为255。其中

式中：d1为X图像与A图像的序列差值，d2为X图像与B图像的序列差值。分别在垂直和水平方向上对X图像进行插值修补，经过双向插值后的X图像如图7所示。

1.2.5 肝脏CT多期相扫描图像配准

造影剂在CT扫描时是以高亮显示的，肝脏动脉、静脉等管道与肝实质在CT数值上接近，利用造影剂在不同时间流经肝动脉及门静脉的特点，可很容易获得肝脏管道图像。图8为造影剂流经肝脏的CT图像，其中图8A中肝实质内呈现高亮度显示的是肝动脉，图8B中高亮度显示的是门静脉。

在使用CT图像进行诊断时，对相同位置肝脏不同管道结构的观察很有必要，主观观察不一定能很精确地确定两组序列中的对应图像。不同期相图像的配准，其本质是两组三维图像之间的配准。CT扫描是等间距扫描，为减少数据计算，可选定一个期相图像序列中一张二维图像A为参考图像，另一期相图像为浮动待配准图像。配准就是对待配准的序列图像数据B进行变换P，即，找到与A同位置的图像B'。其中β为图像A与图像B'之间的相似函数取得极大值的变换参数[5]，包括旋转角度α、平移量（x0，y0）及缩放倍数σ。

对于近似刚体的胸腹腔轮廓图像，可使用刚体变换处理图像后再配准。刚性变换P包括平移、旋转两种几何变换。平移时，以待配准图像的中心点为原点（0，0，0），经过平移后，截去显示区域的图像，同时使用背景灰度0填充空白区域以形成新的图像。设原图像上的一点X（x，y，z），图像水平平移量为tx，垂直平移量为ty，纵向平移量为tz，平移后点X（x，y，z）到达X'＝（x＇，y＇，z＇）坐标处，则X和X'由以下关系矩阵表示

CT图像连续地沿脊柱从上到下扫描，可将三维空间内的旋转简化为二维空间的变换，不需考虑x、y方向的旋转，只考虑z轴方向的旋转。旋转以矩阵表示如下

式中：α为z轴方向的旋转角度。综上所述，用变换矩阵表达式可表示为

图7CT扫描图像缺陷轮廓、去除小联通区域及插值修补对比图

图8 肝脏CT多期扫描图像

图像的平移、旋转及比例变换均能在傅里叶变换频域中反映出来。傅里叶-梅林（Fourier-Mellin，FM）变换的相位相关法，可通过相位关系来反映平移量和旋转量，按照旋转不变的理论，两幅图像f1（x，y）和f2（x，y）存在刚性变换，在只考虑平移和旋转时可得到

f2（x，y）＝f1（xcos α＋ysin α-x0，-xsin α＋ycos α-y0）式中：α为旋转角度，（x0，y0）为平移量。

若f1和f2对应的傅里叶变换分别为F1（u，v）和F2（u，v），它们之间有如下关系

则其傅里叶变换满足

从提取F1的幅度可看出，两图像频谱的幅度只与旋转角度α有关，与平移量（x0，y0）无关。将两幅图像的幅度谱变换至对数极坐标系下有

式中：ρ为极坐标下的极半径，θ为角度，α为图像A与图像B'之间的相似函数取得极大值的旋转角度。

基于非特征的FM变换的图像配准算法可对两幅近似满足刚性变换的图像进行配准。配准参考图像A从动脉期CT扫描的轮廓图像序列中选取，另在预估值之内选取连续的n张静脉期CT扫描的轮廓图像B1，B2，…，Bn作为待匹配图像，分别做FM变换的匹配，得到n组匹配图像：AB1，AB2，…，ABn。

图9是截取的3组不同吻合程度的匹配后图像，参考图像A作为模板始终保持不变，配准后的图像吻合程度明显不一。因此需要某种标准来衡量匹配的吻合程度以确定其配准结果。

2 结果

2.1 肝脏CT扫描图像分割与轮廓提取结果

本实验中，共分割了320张CT图像数据，其中符合目标要求的图像314张，占全部图像的98.125%。结果表明，对外轮廓特征明显的肝脏CT扫描图像分割，绝大部分的图像能达到预期的分割效果。相对于Canny算法及其他方法（如阈值法）而言，其分割过程人工介入少，批量分割后的轮廓平滑，成功率及分割精度均较高，有较强的适应性，对目标轮廓获取精确，且具有较少的运算量。此方法的不足之处是因对被分割图像的外轮廓成像质量要求较高，会有少量图像分割后轮廓不连续，需后续进行修复。为解决分割不连续的问题，可采用双向线性插值方法，利用成像清晰的图像轮廓对缺陷轮廓进行修正填补。

为验证修补的图像轮廓与真实轮廓的相似度，选取静脉期第40、80、120张及动脉期第30、50、80、120张图像，修改轮廓提取算法，取消对图像左上角图像的扫描，提取缺失了左上角四分之一的轮廓图像；再将经双向线性插值修复缺失的轮廓与正常提取的轮廓进行像素吻合比较（表1），表明其像素吻合率在98.8%以上。证明虽然修复后图像不能与原图像完全吻合，但像素偏移量较少，对配准的影响有限，可满足配准的需要。

表1 正常轮廓与修复轮廓比较

图93 组不同吻合程度的匹配后图像

2.2 配准图像的确定及结果

以FM变换为基础，可实现图像的快速对齐配准。各种变换几何特征的常见不变量主要有主轴方向、凹凸面积、紧密度、实心度、偏心率、面积、周长、长轴及短轴等[6-7]。根据肝脏CT扫描图像轮廓的特点，考虑使用质心距离和Hausdorff距离来衡量两幅图像的匹配吻合程度。

图像的质心点在图像的旋转、平移以及添加噪点过程中不会有很大的位置变化。对于区域图像，可定义m×n的数字图像T的质心（x0，y0）为

式中：I（x，y）为该点的灰度值，对于两幅匹配的图像，质心距离越趋近于0，则越匹配。实验中，以肝脏静脉扫描图像轮廓的第10张为参照图像A，与经过FM变换匹配后的30张图像B1~B30，分别组成匹配组AB1~AB30，计算每组图像的质心距离。（表2）

表230 张配对图像的质心距离（像素）

从表2可知，AB3匹配组的质心距离最短，即静脉期第10张图像与动脉期第3张图像是对应的，由此可确定静脉序列图像与动脉序列图像的对应关系。为验证匹配的正确性，采用Hausdorff距离验证[8]。

Hausdorff距离主要用于测量两个点集的匹配程度，可用来描述两个点集之间的相似程度，其值越小，点集之间匹配得越好[9]。因此本研究使用Hausdorff距离作为对质心距离确定的匹配结果进行检验。对FM变换后的30组轮廓对，计算Hausdoff距离。（表3）

表330 张配对图像的Hausdorff距离（像素）

表3显示，AB3组的Hausdorff距离最短，与通过质心距离得到的AB3组匹配最优判断结果一致。因此动脉扫描图像的第10张与静脉扫描图像的第3张最为匹配，即在扫描过程中同一位置的静、动脉序列相差7张图片。

图10为配准前对应序列的两幅图像，可看出两幅图像表示的组织器官在空间上的关系并不一致，是不同断层上的CT图像。图11为配准后相同位置的两幅图像。在17例患者样本中，除1例患者因CT检查成像较模糊，出现大量轮廓提取缺失导致配准失败外，其余样本均能配准。

2.3 配准后图像融合结果

图10 未配准时在同一位置上的肝脏CT动、静脉期扫描图像

图11 配准后对应的肝脏动、静脉期图像

图12 肝脏动、静脉造影原始图像及融合后图像

CT扫描图像只能呈现某一时刻器官的形态和功能，而不同期相的形态和功能信息是互为差异、互为补充的。图像融合技术能帮助临床医生更加直观、全面和清晰地诊断，融合后的图像能同时表达多幅图像源的信息，从而提高疾病的检出率[10]。根据肝脏CT扫描图像特点，在配准的基础上，首先对同一位置的动、静脉期CT图像进行小波包分解，然后采用自适应算子对小波系数及分解子图像进行处理，最后进行小波包重建；对不同期相对应位置图像进行基于小波运算和自适应算子的图像算法融合[11]，从而获得融合图像。在进行融合的过程中，可改变两幅图像的小波系数权值。

图12为肝脏动、静脉造影图像及对应位置图像小波融合后的结果，可明显观察到肝脏同一位置动脉、静脉的情况。

3 结论

随着越来越多的医学图像成像设备的使用与普及，医学图像在临床诊断中的作用也越来越大。单张医学图像的信息是有限的，临床中往往需要综合使用多张不同空间、不同时间的图像，经融合后可为医生提供多方位的诊断参考，具有较高的临床应用意义。

医学图像处理是基于医学研究及临床诊断的需要，弱化与研究目的无关的部分，强化有价值的图像要素。医学图像的分割、配准是图像融合的前提，本研究通过分析肝脏CT图像的特点，找到一种合适的图像分割、配准方法，经融合处理后的图像展现了同一位置不同相位期肝脏动、静脉的情况，可为临床快速定位病灶区域、诊断和制定肝外科手术计划提供有效参考。

利益冲突无

[1]韩丽萍,尹王保,李月娥.一种有效的滤波尺度自适应调整边缘检测方法[J].计算机工程与应用,2005,41(11)：70-71.DOI：10.3321/ j.issn：1002-8331.2005.11.022. Han LP,Yin WB,Li YE.An effective determination of filter scales for edge detection[J].Comput Eng＆Appl,2005,41(11)：70-71. DOI：10.3321/j.issn：1002-8331.2005.11.022.

[2]陈显毅.图像配准技术及其MATLAB编程实现[M].北京：电子工业出版社,2009. Chen XY.Image registration technology and MATLAB programming [M].Beijing：Publishing House of Electronics Industry,2009.

[3]杨加,吴祈耀,田捷,等.几种图像分割算法在CT图像分割上的实现和比较[J].北京理工大学学报,2000,20(6)：720-724.DOI：10.3969/j.issn.1001-0645.2000.06.015. Yang J,Wu QY,Tian J,et al.The implementation and evaluation of several CT image segmentation algorithms[J].J Beijing Inst Technol, 2000,20(6)：720-724.DOI：10.3969/j.issn.1001-0645.2000.06.015.

[4]刘哲,邓翔,王广志.一种用于医学图像分割算法验证的模拟图像生成方法[J].国际生物医学工程杂志,2013,36(2)：97-102.DOI：10.3760/cma.j.issn.1673-4181.2013.02.009. Liu Z,Deng X,Wang GZ.A method of generating synthetic medical image for the validation of segmentation algorithms[J].Int J Biomed Eng,2013,36(2)：97-102.DOI：10.3760/cma.j.issn.1673-4181.2013. 02.009.

[5]Zitová B,Flusser J.Image registration methods：a survey[J].Image Vision Comput,2003,21(11)：977-1000.DOI：10.1016/S0262-8856 (03)00137-9.

[6]胡敏,贺晓佳,王晓华.快速区域质心图像匹配算法[J].电子测量与仪器学报,2011,25(5)：455-462.DOI：10.3724/SP.J.1187.2011. 00455. Hu M,He XJ,Wang XH.Fast image matching algorithm with area centroid[J].Journal of Electronic Measurement and Instrument, 2011,25(5)：455-462.DOI：10.3724/SP.J.1187.2011.00455.

[7]Ang YH,Li Z,Ong SH.Image retrieval based on multidimensional feature properties[J].Proc SPIE,1995,2420：47-57.DOI：10.1117/ 12.205317.

[8]Zhang ZJ,Huang SB,Shi ZL.A fast strategy for image matching using Hausdorff distance[C]//Proceedings of the 2003 IEEE International Conference on Robotics,Intelligent Systems and Signal Processing.Changsha：IEEE,2003：915-919.DOI：10.1109/RISSP. 2003.1285709.

[9]Zhang J,Zhao BJ.A Quantitative evaluating method for camouflage efect based on wavelet transform and improved Hausdorff distance [C]//ProceedingsoftheSeventhInternationalConferenceon ElectronicMeasurementandInstruments,Beijing,2005,6：556-561.

[10]吴伟,赵建农,郭大静,等.三维肝脏快速容积采集整合阵列空间敏感编码技术在肝脏动态增强扫描中的应用[J].中华肝脏病杂志,2008,16(4)：294-297.DOI：10.3321/j.issn：1007-3418.2008. 04.018. Wu W,Zhao JN,Guo DJ,et al.The application of 3D liver acquisitionvolume accelerationintegratedwitharrayspatial sensitivityencodingtechniqueinliverdynamic-enhancement scanning[J].Chin J Hepatol,2008,16(4)：294-297.DOI：10.3321/j. issn：1007-3418.2008.04.018.

[11]杨立才,刘延梅,刘欣,等.基于小波包变换的医学图像融合方法[J].中国生物医学工程学报,2009,28(1)：12-16.DOI：10.3969/j. issn.0258-8021.2009.01.003. Yang LC,Liu YM,Liu X,et al.A novel algorithm for medical image fusion based on wavelet packet transform[J].Chin J Biomed Eng, 2009,28(1)：12-16.DOI：10.3969/j.issn.0258-8021.2009.01.003.（收稿日期：2016-02-15）

Research on registration and fusion of CT liver images in artery and vein phase

Wan Zhenhuan,Huang Xiaoyang
Department of Medical Technology,Xiamen Medical College,Xiamen 361008,China(Wan ZH);School of Information Science and Engineering,Xiamen University,Xiamen 361005,China(Huang XY)

ObjectiveTo study the extraction,registration and fusion of the image contour of liver CT scan sequence.MethodsFiltering method was used to remove the noise and enhance the edge of the image,and then the contour of the CT image was extracted.According to the optimal registration parameters,the hepatic arterial phase and venous phase images were registered,and the corresponding relationship between the arterial and venous images was determined.At last,the CT images of the arterial and venous phase were fused.ResultsAfter fusing the corresponding arterial and venous images,condition of liver artery and vein of the same cross section in different phase periods could be observed.ConclusionsFused image can offer richer image information to doctors for diagnosis.

Liver;CT image;Vascellum;Registration;Fusion