[發(fā)明專利]基于脊波變換的醫(yī)學(xué)數(shù)字減影圖像融合方法

無效

• 申請?zhí)枺?/td>: 201010126052.5
• 申請日: 2010-03-17
• 公開（公告）號: CN101799918A
• 公開（公告）日: 2010-08-11
• 發(fā)明（設(shè)計）人: 崔志明;張廣銘;吳健
• 申請（專利權(quán)）人: 蘇州大學(xué)
• 主分類號: G06T5/50
• 分類號: G06T5/50
• 代理公司: 蘇州創(chuàng)元專利商標事務(wù)所有限公司 32103
• 代理人: 陶海鋒

技術(shù)領(lǐng)域

本發(fā)明屬于醫(yī)學(xué)圖像處理技術(shù)中的圖像融合領(lǐng)域，涉及一種醫(yī)學(xué)數(shù)字 減影(DSA)圖像的自適應(yīng)融合方法，具體涉及動態(tài)模糊技術(shù)與Ridgelet 變換理論。

背景技術(shù)

當今世界，心腦血管疾病正嚴重威脅著人類的健康和生命安全。但血 管類軟組織的診斷卻相當復(fù)雜，極大地依賴于計算機與X線血管造影技術(shù) 等高科技手段。

數(shù)字減影血管造影(DSA)是20世紀80年代興起的一種醫(yī)療圖像學(xué)新 技術(shù)，是計算機與常規(guī)X線血管造影相結(jié)合的一種新的檢查方法，它集數(shù) 字電子學(xué)、計算機技術(shù)與血管造影于一體的新技術(shù)，它具有實時成像、分 辨率高、減影效果及繪制血管路徑圖等特點，可清晰地顯示血管形態(tài)及分 支，是研究血管影像特征的有效方法。DSA圖像是通過將造影劑注入到心 腦血管等感興趣部位，將相同部位造影劑注入前后的兩幅X射線成像圖像 相減，去除非感興趣器官對X射線吸收形成的背景圖像，以得到的清晰的 血管造影圖像。

由于腦部血管形態(tài)結(jié)構(gòu)復(fù)雜，粗細不均，個體差異又客觀存在，導(dǎo)致 造影劑在血管里的流動速度不一致，從而產(chǎn)生了差異極大的DSA序列圖 像。單幅序列圖像只能代表局部血管影像狀況。醫(yī)生觀察整個序列圖像費 時費力且容易產(chǎn)生漏診。因此將每一幅DSA序列圖像融合到一幅完整的圖 像中，使之包含血管整體結(jié)構(gòu)，又不乏細節(jié)表述，對醫(yī)療輔助診斷具有重 要意義。

傳統(tǒng)的圖像融合技術(shù)可分為像素級的圖像融合、特征級的圖像融合和 決策級的圖像融合。其中，像素級和特征級的圖像融合的研究和使用最廣 泛。像素是圖像的基本元素，像素間灰度值的差異顯現(xiàn)出圖像中所包含的 結(jié)構(gòu)信息，以像素為基礎(chǔ)的方法由于直接對圖像進行逐點處理，所以，用 到的數(shù)學(xué)原理易于理解，算法實現(xiàn)也比較簡單，不過實現(xiàn)的效果相對較差。 而以圖像特征為基礎(chǔ)的方法，由于要對圖像進行特征提取、目標分割等處 理，算法復(fù)雜，但是實現(xiàn)的效果基本能滿足診斷的要求。

由于心腦血管瘤的特殊性和復(fù)雜性，這些傳統(tǒng)的融合技術(shù)在醫(yī)學(xué)圖像 的融合過程中都不能發(fā)揮很好的作用。首先，由于心腦腦血管圖像大多是 灰度圖像、比較模糊，將所有序列圖像按同固定閾值進行直接融合，其對 比度分辨率相對就低。其次，由于人體血管組織比較復(fù)雜，結(jié)構(gòu)很不規(guī)則， 融合時濾波器的選擇至關(guān)重要。

因而，需要一種新的方法對DSA圖像進行融合，以獲得較好的融合圖 像。利用獲得的融合圖像可以對圖像中的血管實現(xiàn)檢測，以構(gòu)建DSA圖像 計算機輔助診斷系統(tǒng)，對心腦血管的診斷起到輔助作用。

近年來，美國斯坦福大學(xué)E.J.Candes和D.L.Donoho建立了一種非 常適合于表示方向差異性的多尺度方法—Ridgelet變換。由于Ridgelet變 換本質(zhì)是通過對小波基函數(shù)添加一個表征方向參數(shù)得到的，所以它不但和 小波一樣具有局部時頻分析能力，而且還具有很強的方向選擇和識別能力， 可以非常有效的表示信號中具有方向性的奇異性特征，如圖像的線性輪廓 等，這是傳統(tǒng)小波變換方法無法做到的。大量實驗表明，Ridgelet變換在 直線特征的表示和提取中非常有效.[參見文獻：E.J.Candes，Ridgelets. Theory?and?Applications[D]，Departmentof?Statistics，Stanford University，1998.]

由于Ridgelet變換與小波變換類似，但是Ridgelet函數(shù)引入了表示直 線的參數(shù)，而小波函數(shù)采用了表示點的參數(shù)，因此小波變換可以刻畫點(零 維)的奇異性，但是無法刻畫圖像中線、面(一維或更高維)的奇異性，這一 性質(zhì)直接影響小波變換在表示圖像邊緣等幾何機構(gòu)方面的有效性；而 Ridgelet函數(shù)的橫截面是一條類似小波的曲線，Ridgelet沿著脊線是一條 直線。正是這樣的幾何結(jié)構(gòu)使得Ridgelet變換可以有效的處理圖像中直線 狀和超平面狀的奇異性。

李國新在“基于Ridgelet變換的圖像融合”(通信技術(shù)2009年第6期 P.144-146)一文中公開了一種基于Ridgelet變換的圖像融合方法，用于照 片類圖像的融合。Ridgelet變換所產(chǎn)生的高頻及低頻系數(shù)是進行圖像濾波 處理的關(guān)鍵，但高頻和低頻的劃分標準是一個模糊概念，傳統(tǒng)的閾值處理 已不能很好的處理包含復(fù)雜紋理信息的圖像。因此，當將上述方法用于醫(yī) 學(xué)數(shù)字減影(DSA)圖像融合時，難以獲得較好的、均衡的融合效果。

發(fā)明內(nèi)容