上個世紀在醫療成像領域實現的技術進步為非侵入診斷創造了前所未有的機會，并確立醫療成像作為醫療健康系統的組成部分。代表這些進步的主要創新領域之一是醫療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越高的分辨率，以及更快的采集時間，從而產生大量優質的原始圖像數據，必須正確處理和解讀這些數據才能獲得準確的診斷結果。

　　本文重點介紹醫療圖像處理的關鍵領域，考慮特定成像模式的環境，并討論該領域的主要挑戰和趨勢。

　　醫療圖像處理的核心領域

　　有許多概念和方法用于構建醫療圖像處理領域，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。這些方面形成此領域的三個主要過程——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型的結構分類。

　　圖像形成過程由數據采集和圖像重構步驟組成，用于解答數學反演問題。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

　　圖像形成的第一個必需步驟是采集原始成像數據。該數據包含有關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；在正電子發射斷層掃描（PET）中，它是光子能量及其探測時間；在磁共振成像（MRI）中，它是由激發原子發射的射頻信號的參數；而在超聲波中，它是回聲參數。

　　但是，無論是哪種類型的成像模式，數據采集過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通用框圖如圖2所示。

　　圖2.數據采集過程的通用框圖。

　　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過程。對于多維成像，該過程還包括以不同角度或不同時間步驟捕獲的多個數據集的組合。這部分醫療圖像處理解決的是反演問題，這是該領域的基本主題。用于解決這類問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）；以及延時疊加（DAS）波束成型，這是超聲檢查中一種不可或缺的技術。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。使用多個迭代步驟重復此過程，直到將映射估計值和真值的代價函數最小化，從而將重構過程融入最終圖像。

　　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方法，用于提取臨床相關信息。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。

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

　　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，消除偽像，以及改善對后續圖像分析及其精確解讀至關重要的其他相關特性。

　　分析

　　圖像分析是圖像計算中的核心過程，它使用的各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為不同解剖結構的有意義輪廓。圖像配準可確保多個圖像正確對齊，這對于分析時間變化或組合使用不同模式獲取的圖像特別重要。量化的過程決定了所識別結構的性質，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到成像數據的檢查質量和醫學結果的準確性。

　　可視化

　　可視化過程將圖像數據呈現為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。通過與數據直接交互，可以在成像分析的初始階段和中間階段進行可視化（例如，協助分割和配準過程），并在最后階段顯示優化的結果。

　　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。制定了若干標準和技術，用于處理圖像管理的各個方面。例如，醫療成像技術圖像存檔與傳輸系統（PACS）提供對來自多種模式的圖像的經濟存儲和訪問，而醫學數字成像和通信（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高效地實現了這些任務。

　　挑戰和趨勢

　　醫療成像是一個相對保守的領域，從研究過渡到臨床應用通常可能需要十多年的時間。然而，它的性質復雜，在其構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。這些發展代表了在當今醫療圖像處理核心領域可以確定的主要趨勢。

　　圖像采集領域受益于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。集成的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，如超聲波/乳房X線照相術、CT/PET或PET/MRI組合系統。

　　快速高效的迭代算法取代了分析法，越來越多地用于圖像重構。它們能顯著改善PET的圖像質量，減少CT中的X射線劑量，并在MRI中進行壓縮檢測。數據驅動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域包括系統物理建模和信號模型的開發、優化算法以及圖像質量評估方法。

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

　　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的新技術不斷發展，縮小了研究與臨床應用之間的差距，促進了醫療圖像處理領域與醫師工作流程的整合，確保實現更準確、更可靠的成像結果。

　　ADI公司提供多種解決方案，用以滿足對數據采集電子設計提出的最苛刻的醫療成像要求，包括動態范圍、分辨率、準確性、線性度和噪聲。下面是為確保原始成像數據最高初始質量而開發的此類解決方案的幾個例子。

　　專為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應用的圖像質量。多通道ADC AD9228、AD9637、AD9219和AD9212經過優化后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提供出色的動態性能和低功耗特性。集成式接收器前端AD9671專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。

　　結論

　　醫療圖像處理是一個非常復雜的跨學科領域，涵蓋從數學、計算機科學到物理學和醫學的眾多科學學科。本文試圖提出一個簡化但結構良好的核心領域框架，此框架代表該領域及其主要主題、趨勢和挑戰。其中，數據采集過程是第一個也是最重要的領域之一，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量水平。

　　作者簡介

　　Anton Patyuchenko于2007年獲得慕尼黑技術大學微波工程碩士學位。畢業之后，Anton曾在德國航空航天中心（DLR）擔任科學家。他于2015年加入ADI公司擔任現場應用工程師，目前為ADI公司戰略與重點客戶提供現場應用支持，主要負責醫療健康、能源和微波應用。