（信息与通信工程专业论文）多模医学图像处理平台的设计.pdf

霹 87 6 60 0 摘要 随着先进的医学影像设备的不断发展和图像处理算法的不断进步，医学影像 技术得到了飞速的发展，医学诊断和治疗技术取得了长足的进步。现在，医生已 经能够利用医学影像看到病人的病变区域，可以从一系列断层图像以多视角多方 位的三维方式观察病变区域。 功能各异的影像设备可以提供相关脏器的不同信息，可以使医生诊断更加准 确。但对于图像处理的工作，提出了新的挑战面对着各种类型的图像，如何提 供有效的算法来得到我们需要的结果。为了解决这一问题，医学图像处理的算法 层出不穷，主要包括图像分割，图像配准，图像信息融合，三维可视化四个方面。 为了充分利用各种已有算法，避免重复开发，提高开发的效率，一些国内外 研究机构开始把目光转向医学图像处理的软件平台。目前比较成功的是i t k 和 。但i t k 与k 也各有缺陷。i t k 不具备可视化的能力，v 是一个通 用的可视化开发包，并不是专门针对医学图像处理的。 在这样的背景下，我们希望开发一个多模医学图像处理平台。该平台在开源 源代码的基础上，整合国内外最流行平台的优势，弥补其它平台的不足，打造实 用的专业的医学影像处理与分析开放式集成化平台，使这个平台可以为我国的医 学影像事业做出贡献，也为全世界的医学工作者和医学图像算法开发者提供一个 良好的合作交流的平台。 本文着眼于多模医学图像处理平台的框架设计，并依据该平台架构设计了医 学图像处理软件3 d 1 0 0 l 。 全文共由七章组成，其中第二章和第三章研究了i t k 与v t k ，并利用它们 进行了一系列的图像处理工作。第五章和第六章讨论了多模医学图像处理平台的 整体架构与软件的开发。各章内容如下：第一章对医学影像处理进行了简单的概 述，介绍了本文的主要工作内容。第二章对i t k 进行了深入的研究与学习，并 利用i t k 进行了一些图像的分割与配准。第三章对v t k 进行了深入的研究与学 习，并利用v t k 进行了三维可视化的实验。第四章分析n k 与v t k 的不足， 并介绍了1 1 k 和v t k 对于我们开发多模医学图像处理平台的意义。第五章讨论 了多模医学图像处理平台的整体框架，及实现思路与关键问题的解决。第六章分 析了医学图像处理软件3 d t o o l 的开发与设计。第七章是总结与展望 关键字：医学图像，图像分割，图像配准，1 t k ，v ，q f r ，c m a k e ，3 维可视化 a b s t r a c t t h ed e v e l 叩m 锄to fm e d i c a li m a g i n gf a c i l i 右e s 锄dt e c l l l l i q u e so fi m a g e p r o c e s s i n gh 嬲b e e ne n f o r c i n gt 1 1 ea d v a n c e m e n to fm e d i c a 】d i a 鲷o s ea j l dm e r a p y n o w a d a y s ，髂s i s t e db ym u l t i m o d e l e dm e d i c a li m a g e s ( c t m r i ，e t c ) ，d o c t o r sc a i l e x a m i n ep a m o l o g i c a lc h a n g e sf b md i 8 色r e n t 、r i s u a la 1 1 9 l e sa n de v i n3 dm o d e v a r i o u sk i n d so fi m a 画n ge q u i p m e n t sp r o v i d ed i f 免r e n ti n f o r m a t i o na b o u tt 1 1 e s a m ev i s c e r a ，w h i c hh e l p sd o c t o r sj u d g e 、v i t hm o r ea c c u r a c y a n dt 1 1 eo b l i g a t i o na n d c h a l l e n g eo fi m a g ep r o c e s s i n gi st of 血do u te m c i e n tm e t l l o dt op r o c e s st h o s ei m a g e s b e f o r e 击e ya r ea v a i l a b l ea n da c c e s s i b l et od o c t o r st h em e 山o d sf o rm e d i c a li m a g e p r o c e s s i n gq p ) a r en o ws w 删l n 晷a c c o r d j n gt od i f f e r e n tp u r p o s e si ts e r v e s ，m i p t e c h n i q u ec a nb er o u 曲l yd i v i d e di n t om r c ep a r t _ s e g m e n t a _ d o n ，r e 垂s 仃a t i o n ，d a t a a s s o c i a t i o n a i l d3 dv i s u a l i 洲o n t of 试l yt a k ea d v 锄t a 叠e so ft l l ee x i s t i n gm e t h o d sa n da tt h es 姗e 廿m et oa v o i d r e p e a t e dw o r kl o a ds o m er e s e a r c hi n s t i t u 石o n sh a v eb e g l l l lt oi n t e 盯a 士ev 面u a b l e a j g o m h m si n t oau n j f b 肿s o 最w a r ep l a t f o h ns u c c e s s f u le x a m p l e sa r ei t ka n dv h o w e v e r b o t h ka n dv t kh a v em e i rd r a w b a c k sr e s p e c t i v e l v ki sat o o lk i t 、v i m n o 如e n d l yi n t e r f a c e ，v 脚1 ev r k ag e n e r a l 、，i s u a l i z a t i o nt o o lk i tn o te x c l u s i v e l yf o r p i nl i 曲to ft h i s ，w es e to u rp u r p o s et od e v e l o pam u l t i _ m o d e lm i p p l a 饪b r r n t o t a 】( et h ea c 廿o n w ec o m b i n et l l ev i r t u e so fv t k 锄d1 1 xa i l dc o n s t r u c ta b o v et | l e ma p r a c t i c a la n do p e ni n t e g r a t e dn pp l a t f b ms ot h a te m c i e n tc o o p e r a 石o na n d c o m m u n i c 枷o nc a i lb ep r a c 6 c e du p o ni t i nt h i st h e s i s ，、v e f o c l l so nt h ef r 锄e 、r kd e s i g n o ft 1 1 em u l t i m o d e l p l a t f o r m ，mp a m c l i l a lam i ps o f t w a r ec a l l e d3 d t ( ) o l si sp r o p o s e d t h i st h e s i sc o n t a i n ss e v e n6 h a p t e r sc h a p t e rt w oa n dt h r e ea r ei n 订o m l c t i o nt o 1 1 _ ka 1 1 dv t k ，a n ds o m ei m a g e p r o c e s s l n ge x a r n p l e sa r es h o 啪c h 印t e rf i v ea n ds i x d i s c u s sm eo v e r a l lf h m e w o r ka n ds o r 吼r ed e v e l o d m e n to fm em u l 石一m o d e l 凡p p l a t f o m lh e r ea r em o r ed e t a j l s ：c h a p t e ro n eh a v eas i m p l ei n 仃0 d u c t i o no f ：m a i l d t h ew o r kw eh a v ed o n ec h a p t e rt 、v o 画v e sp r o f o u n dd i s c u s s i o nd b o u ti t ka 1 1 ds o m e n e wa n di m p r e s s i v ea l g o r i t l l m so fs e g m e n t a t i o na n dr e g i s t f 。a t i o na r es h o 啪b yu s i n g l t kc h a d t e rt 1 r e ed i s c u s s e sv t ki n d e t a i l sa n dw ef o c u so ni t s3 dv i s u a l i z a d o n a b m t y c h a p 把rf o u ra i l a l y s e sm ed i s a d v a n t a g e so fv t k 柚d1 t k ，w h i c hi sa l s om e p r o b l e mo u r 、v o r kt r i e st 0s o l v ec h a p t e r6 v ep r o p o s e st h e 行锄e w o r ko fl 量1 e m u l t i m o d e l1 垤【pp l a t f o mt h er e a l i z a h 彻c o n c e m sa n ds o l u t i o n st ot h ek e v p r o b l e m sa r ed i s c u s s e d h lc h a p t e rs i x ，t h ed e v e l o p m e n t 锄dd e s i g 口o f p3 d 1 o o i s i sp r o p o s e dac o n c l u s i o ni sc o n t a i n e di nt h e1 a s tc h a d t e f k e y w o r d s ：m e d i c a li m a g e ，i m a g es e g m e n t a t i o n ，i m a g er e 画s t r 撕o n ，i t k ，v r k ，3 d s u a i i z 撕o n i i 浙江大学硕士学位论文( 2 0 0 6 ) 第一章绪论 1 1 医学影像技术的发展 第一章绪论 自从x 射线发明以来，c t ( 计算机断层成像) ，m r i ( 磁共振成像) ，b 超等 现代医学影像设备先后出现，使得传统的医学诊断方式发生了根本性的变化。随 着计算机技术和图像处理算法的不断进步，以及越来越多地采用了先进的医学影 像采集设备，医学影像技术得到了飞速的发展，医学诊断和治疗技术取得了长足 的进步。同时将各种成像技术得到的信息进行互补融合，也为临床诊断及生物医 学研究提供l ，有力的科学依据。现在，医生已经能够利用医学影像看到病人的病 变区域，可以从一系列断层图像以多视角多方位的三维方式观察病变区域。通过 这些成像手段，减轻了病人的痛苦，提高了诊断的准确性。因此，医学影像技术 和医学图像处理算法一直受到国内外有关专家的高度重视。 1 2 医学影像的种类和特点 现代医学离不开医学影像信息的支持，而医学研究和临床诊断所需要的医学 影像是多种多样的，如病理切片图像、x 射线透视图像、c t 和m i u 扫描影像、 核医学影像、超声影像、红外线热成像图像及窥镜图像等等。不同的医学图像提 供了相关脏器的不同信息，比如，c t 和m r i 以较高的空间分辨率提供了脏器的 解剖结构信息，而p e t ( 正电子发射计算机断层扫描) 和s p e c t ( 单光子发射断层 扫描) 尽管空间分辨率比较差，但提供了脏器的新陈代谢功能信息。 功能各异的医学影像技术主要分为结构影像技术、功能影像技术及分子成像 三大类。结构影像技术主要用于观察人体器官解剖结构图像，医学人员借助此类 结构透视图像，不需要解剖检查，就可以诊断出人体器官的器质性病变。c t 及 m r l 属于此类结构影像技术的代表。然而在人体器官发生病变的早期，器官外 形结构仍表现为正常时，器官的某些生理功能，如新陈代谢等却开始发生异常变 化。此时采用结构影像检查便无法及时诊断出病变的器官，而需借助基于s p e c t 及p e t 的功能影像技术。功能影像能够检测到人体器官的生化活动状况，并将 其以功能影像的方式呈现出来。分子成像技术提供了另一种手段，让医学研究者 可以看到细胞分子水平的变化，能够更加准确地做出诊断。核磁共振图像，核素 成像即属于分子成像技术。 显然，采用多种成像设备可以提供更加全面的信息，但如何能将这些不同的 成像设备所产生的信息有机的结合起来，是医学影像领域的一个重点和难点。因 此，发展多模医学图像处理平台的意义重大。 浙江大学硕士学位论文( 2 0 0 6 ) 第一章绪论 1 3 医学图像处理与分析技术的发展 应用计算机来辅助医生诊断和分析医学影像的技术，称为医学图像处理与分 析。他们可以协助医生更好，更方便，更加准确地诊断。 医学图像处理与分析包含很多方面；包括图像处理、计算机图形学、模式识 别、虚拟现实、医学知识等。目前，最受关注的研究领域主要有医学图像的分割、 医学图像的配准、医学图像信息的融合、以及三维可视化四个方面。 1 3 1 医学图像的分割 医学图像分割就是把医学图像中具有特殊涵义( 如病灶组织) 的不同区域分 开来，使互不相交的每一个区域都满足特定区域的一致性。它是图像处理与图像 分析中的个基本问题。医学图像分割是许多医学图像处理的重要步骤，如体积 测量和图像配准只有在分割完毕后才可以使用不同的组织和器官。同时，医学图 像分割又是进行三维重建的基础，分割的效果直接影响到三维重建后模型的精确 性，分割可以帮助医生将感兴趣的物体提取出来，帮助医生对病变组织进行定性 及定量的分析，从而提高医生诊断的准确性和科学性。 目前针对各种具体问题已经提出了许多的图像分割算法，对图像分割的效果 也有很好的分析结论。但是由于医学图像分割问题所面向领域的特殊性，至今尚 未得到圆满的、具有普遍性的解决方法。 医学图像分割的方法主要可以分为三大类：分类和聚类法、基于区域的方法、 基于边界的方法。 6 2 】 ( 1 ) 分类和聚类法 由于图像中相同的组织有相似的亮度及其它的特征如纹理，可以建立一个从 像素到特征空间的映射，图像中相同组织的区域在特征空间中的向量彼此靠近， 形成聚类，处理的过程就是找出这些聚类，为每一像素赋予一个表示组织类型的 标号。标号的方法又可分为两种：硬标号和模糊标号。 ( 2 ) 基于区域的方法 区域生长法是从一些种子像素出发，假定这些种子像素是属于某个目标的。 然后迭代检查临近的像素，判断这些像索是否属于同一目标对象。把那些属于同 一目标对象的像素加入到区域中，这样区域就增大了。然后进行新一轮迭代。 ( 3 ) 基于边界的方法 边界检测的依据是边界处灰度的变化明显。可以通过找图像一阶导数的局部 极大值或者找二阶导数的过零点来判断个像素点是否是边界点。这种方法速度 快，但是对噪声敏感而且容易造成边界不连续。 医学图像分割技术经过多年的发展，已在灰度阈值分割法、区域跟踪分割法、 浙江大学硕士学位论文( 2 0 0 6 ) 第一章绪论 边缘检测分割法的基础上结合特定的理论工具有了更进一步的发展。比如 l c v e l s e t 水平集方法和w a t e r s h e d 变换的医学图像分割方法，能得准确的分割结 果。 1 3 2 医学图像配准 医学图像可能来自于不同类型的采集设备或不同的采集时间，为了准确地分 析图像，图像配准非常重要。医学图像配准是指通过寻找某种空间变换，使两幅 图像的对应点达到空间位置和解剖结构上的一致。要求配准的结构能使两幅图像 上所有的解剖点或至少是所有具有诊断意义以及手术区域的点都达到匹配。 配准应用非常广泛，如：融合来自于不同的采集设备的图像；监测不同 时间组织的大小、形状和灰度的变化：在图像指导手术中，把预手术图像、手 术计划与手术室病人关联；关联病人解剖图和标准解剖图。 图像配准是图像融合的前提，是公认难度较大的图像处理技术，也是决定医 学图像融合技术发展的关键技术。目前医学图像配准主要有两大类别：基于外部 特征的图像配准( 有框架) 和基于图像内部特征的图像配准( 无框架) 。后者由于其 无刨性和可回溯性，已成为配准算法的研究中心。近年来国内外在图像配准方面 研究很多，如几何矩的配准、基于互信息的配准、金字塔式多层次配准、利用图 像的相关系数、样条插值等对图像进行配准。 图像配准的算法具体而言主要有以下几种【6 4 】： ( 1 ) 基于特征的配准 主要包括基于特征点和特征表面的配准方法。 基于特征点的方法包括利用外部特征点，内部特征点和定位框架标记点。基 于特征点的总体思想是利用奇异值分解方法将像素点的平移和旋转解耦，通过计 算两点集中标记点中心的距离来计算平移向量，而旋转矩阵则通过计算两个空间 中标记中心位置差的协方差矩阵的奇异值分解得到。这种方法对数据的变异性很 敏感，当图像中有细节丢失或病变时会严重影响到配准的精度。 基于特征表面的配准方法最典型的例子是p e l i z t 和c h e n 研究的“头帽法”。 从一幅图像轮廓提取的点集称作帽子，从另一幅图像轮廓提取的表面模型叫作 头。一般用体积较大的病人图像或在图像体积大小差不多时用分辨较高的图像来 产生头表面模型，“头和帽”算法是找出从一个设备得到的图像的表面( 头) 到另 一设备得到图像对应的表面的一组点( 帽) 之间的对应关系，使这组点到表面的距 离最小。p o w e l l 探索算法被用来寻求所需的几何变换，即使帽点和头表面间的距 离平均平方值最小。许多学者对该算法作了重要改进，例如用多分辨金字塔技术 克服局部极值问题；用距离变换拟合两幅图像的边缘点，斜面匹配技术可有效地 计算距离变换。 浙江大学硬士学位论文( 2 0 0 6 ) 第一章绍论 ( 2 ) 基于灰度信息的配准 该类方法的主要思路是利用待配准的图像的灰度信息，采用使图像问灰度信 息相似性最大化的原理实现图像问的配准，比较传统的方法是通过优化2 幅图像 问相似性准则来估计变换参数，主要是刚体的平移和旋转。目前，比较热门的配 准方法是利用信息论理论，采用图像间的晟大互信息来配准图像。该方法是使得 联台熵最小化，同时图像重叠部分的熵也就是耳信息量最大化。互信息量是一 幅图像如伺能“解释”另一幅图像的一种度量。该方法被证明非常鲁棒而且是完 全自动的刚体之日j 的配准方法，因而已得到广泛使用。 1 33 医学图像融合 多模态医学图像融合是信息融台的一个极具特色的戍用领域，其意义在于综 合整体信息大于各部分信息之和。从多源信息如c t 、m r i 、s p e c t 、p e t 等综 台应，u 处理巾获得新信息，为现代医学临床诊断带来新的思维。 利用可视化软件，对多种模态的图像进行图像融合，u j 以准确地确定病变体 的空间位置、大小，几何形状及它与周围生物组织之间的空间关系，从而及时高 效地诊断疾病，也可匕【用在手术计划的制定、病理变化的跟踪、治疗效果的评价 等方面。倒如在放疗中，利用m r 图像勾勒画出肿瘤的轮廓线，描述肿瘤的大小t 利用c r 图像计算出放射剂量的大小以及剂量的分布，咀便修止治疗方案。在制 定手术方案时，对病变与周围组织关系的了解是手术成功与否的关键，所以c t 与m r 图像的融合为外科手术提供有力的帮助，甚至为进一步研究肿瘤的生长发 育过程及早期诊断提供新的契机。在c t 成像中，由于骨组织对x 线有较大的吸 收系数因此对骨组织很敏感：而在m r 成像中，骨组织台有较低的质子密度， 所以m r 对骨组织和钙化点信号较弱，融合后的图像对病变的定性、定位有很大 的帮助。由于不同医学成像设备的成像机制不同，其图像质量、空问与时间特性 有很大差别。凶此，实现医学图像的融合、图像数据转换、图像数据相关、图像 数据库和数据理解都是亟待解决的关键技术【6 5 ，6 6 】。 1 3 4 医学图像三维可视化 在医疗渗断中，医生通过观察病人的一组二维断层图像诊断病情是目前比较 常规的方法。但是，由于人体器官结构的复杂性和形态多样性以及病变或破损位 置、形状的不可预知性，仅凭医生通过想象来重建病变体足十分困难的。周此迫 功需要一种科学有效的可视化工具来完成对a 体器官、软组织和瘸变体的三维重 建和i 维显示。三维可视化技术就是辅助医生对病变体和周围组织进行分析和显 示的有效工具，它十厦大地提高了医疗诊断的准确性和科学性。= 维可视化不仅提 高r 医疗诊断水平，同时还在手术规划与模拟、解剖学教育和医学研究中发挥着 重要的作用。 浙江大学硕士学位论文( 2 0 0 6 ) 第一章绪论 具体表现在：提供器官和组织的三维结构信息，使医生对病情做出正确的 判断：进行手术规划和手术过程模拟，提高手术的可靠性和安全性；根据三 维重建所得到的几何描述，用计算机辅助制造系统( c a m ) 自动的加工人体器官 ( 如假肢1 ；作为医学研究和教学的工具；结构分析及关于各种器官和组织 的温度、应力的有限元分析；人体血液或体液的动态分析。 未来的医学影像不但可用来观看，还可实现虚拟现实，创造逼真的虚拟环境， 让操作者在这个虚拟环境中对人体的三维影像进行操作和改造活动。该技术可让 医生在虚拟手术室对病人的虚拟模型实施各种手- 术方案，模拟手术过程，使医生 在手术之前就可以进行多次演练，以帮助制定最佳手术方案和提高手术的安全 性。虽然目前这种技术在我国还未兴起，相信随着计算机技术在医学领域的不断 发展，不远的将来，我们一定会看到三维可视化技术在我国医学行业中成功实现。 目前三维医学图像可视化技术主要分为面绘制和体绘制两种方法。 ( 1 ) 面绘制 面绘制就是将数据场中感兴趣的部分提取出来并以表面的方式表达，常用的 是等值面。其方法分为两类：一类是先在一系列切面上生成等值线，然后连接等 值线得到等值面；另一类是直接抽取等值面。该类方法速度快，实时性好，但确 定相邻切面的多个等值线的连接关系比较困难。第二类的典型方法是移动立方体 ( m a r c h i n g c u b e s ) 方法。m a r c h i n g c u b e s 方法的基本思想是逐个处理每个立方体， 用插值法计算出等值面与立方体边的交点，将这些交点以一定的方式连接生成等 值面。立方体每个顶点有两种可能状态( 大于、小于或等于等值面) ，共有2 5 6 种 组合。根据对称性可简化成15 种图形。由这1 5 种图形就可以构成我们需要提取 的等值面。 ( 2 ) 体绘制 体绘制方法可以在不构造表面的情况下显示组织的三维结构。体绘制技术的 中心思想是为每一个体素指定一个不透明度，并考虑每一个体素对光线的透度、 发射和反射作用。体绘制的成像方法是先对数据场进行分类，为每一类数据赋以 不透明度和色彩，由光学模型为某个像素进行色彩累积计算。 体绘制方法可分为两种：一种是光线跟踪法，一种是单元投影法。体绘制方法 的显示效果一般要优于面绘制，但是其算法复杂度高，实时性比较差。 随着计算机图形技术的不断发展，科学可视化和医学扫描技术的速度已经提 升了很多，从一系列切片图片重建的精度也提升了很多。 1 4 开发医学图像处理平台的意义 在过去的2 0 年里，医学图像研究者在医学图像处理领域已经开发了很多的 算法，并且新的算法也正在不断出现。为了充分利用各种已有算法，一些研究机 浙江大学硕士学位论文( 2 0 0 6 ) 第一章绪论 构开始把目光转向医学图像处理的软件平台。软件平台封装了各种算法，避免了 重复开发，提高了开发的效率，为医学影像领域的研究者提供了极大的方便。 目前，在医学软件平台领域最著名的开发包包括m ( ( i n s i 曲ts e g m e n t a t i o n a n dr e 画s 仃a t i o nt o o l k i t ) 和v t k ( v i s u a l i z 撕o nt 0 0 1 k i t ) 。当然，还有许多正在开 发的软件平台，如德国科学家正在开发的m i t k ，虽然没有推出正式版本，但其开 发过程中的很多新思想，已经得到了一定的重视。在2 0 0 4 年s p m 医学影像大会 上，专门有个领域v i s u a l i z a t i o nt o o l k i t s ，专门研究可视化开发包。在 m i c c a j ( m e d i c a li m a g ec o m p u t i n g & c o m p u t e ra s s i s t e di n t e r v e n t i o n ) 2 0 0 3 会议上， 专门有个小组研究医学影像计算机辅助开发的开发包的相关工作。相信在不远的 将来，将会出现更多的，功能更加全面，结构更加清晰，使用更加方便的医学软 件平台。 伴随着i t k 和v 1 k 的成功，国外很多知名公司与学术机构对于医学图像处 理工具平台的歼发越来越重视，他们投入巨资和大量的人力物力来研究开发自己 的医学影像平台，并取得了一定的进展。在这样的背景下，我们希望能够构建我 们自己的多模医学图像处理平台。这里面的“多模”指的是我们的平台面向多种 医学设备采集到的反映不同信息的医学图像，包括ct m r 】，b 超等医学影像。 多模医学图像平台的目的是在开源的情况下，整合国内外最流行平台的优 势，弥补其它平台的不足，打造实用的专业的医学影像处理与分析开放式集成化 、f 台，使这个平台可以为我国的医学影像事业做出贡献，也为全世界的医学工作 者和医学图像算法开发者提供一个良好的合作交流的空间，避免重复开发，集合 全世界所有算法研发和软件开发工作者的智慧，推动人类的医学水平的发展。 具体而言，开发多模医学图像处理平台主要有以下几个方面的意义：提供 给科研工作者一个交流的平台；可扩充，可扩展，使用灵活：能够跨平台使 用；集成了多种优秀的算法；避免重复工作；减轻医学科研工作者的编程 压力，使得他们能够专心算法的研究。 1 5 本文包括的主要内容 本文的主要工作都是围绕着多模医学图像处理平台来开展的。主要包括了以 下几个方面： ( 1 ) 研究了i t k ，v t k 的结构特点，编程特点，各自的优缺点分析，以及配置 与使用的过程。 ( 2 ) 利用i t k 的软件开发包，实现_ 一些医学图像的滤波，分割，配准的算 法。 ( 3 ) 利用v t k 的软件开发包，实现了一些三维可视化的算法，包括面绘制与 体绘制。 浙江大学硕士学位论文( 2 0 0 6 ) 第一章绪论 ( 4 ) 通过对于i t k 和v t k 的结构、算法研究分析与编程实践，利用i t k 与v t k 的优点，提出了我们的多模医学图像处理平台的框架结构、功能模块、实现的方 法，以及具有的优势。 ( 5 1 使用图形界面工具q t 构建了一个实用的多模医学图像处理的软件。一方 面作为一个开发的演示，证明了我们的多模医学图像处理平台的构想的可行性： 另一方面，为医学工作者提供了一个良好的辅助工具。 浙江大学硕士学位论文( 2 0 0 6 ) 第二章基础开发包i t k 分析与研究 第二章基础开发包i t k 分析与研究 由于我们构建的医学图像处理平台d v 凹( i i l t e f a t e p l a 仃o r h lf o rm e d i c a l i m a g ep r o c e s s i n 曲是构建在i t k 与v t k 之上，集成了两者的优势，为我们的开发 奠定了基础。但由于i t k 与v t k 是国外的开源的开发包，每个开发包的系统架构 与包含的内容层次关系相当复杂，因此，我们必须研究i t k 与v t k 的结构特点与 各自所包含的主要内容，才能更好的使用它们，发挥它们各自的优势。在第二章 和第三章中将分别讨沦i t k 与v t k 。 i t k 主要是医学图像处理的算法的仓库，因此，本章的主要内容是介绍i t k 发展过程，分析i t k 内部结构与特点，研究i t k 的编程方法，在本章的后面，介 绍了一些i t k 的主要的算法，并且应用i t k 进行了一些图像处理的实验，从而为 我们开发多模医学图像处理平台做好充分的准备。 2 1l t k 的发展 1 9 9 9 年，美国国家卫生院下属的国立医学图书馆发起了一个投标活动，要出 资资助开发。个分割与配准的开发平台，作为s 】b l e h u m a l l r 可视人体) 项月的一 个工具，对s i b l eh u m a n 项目得到的数据进行处理与分析，最终选中6 家单位 合作开发，包括3 个大学u n c 、u n i v e r s i t yo fu t a l 、u n i v e r s i t yo fp e 蚰s y l v a n i a 和3 个商业公司k i t w a r e 、g e 、i n s i 曲仃l d 。其中，】( j 铆a r e 负责整体框架的设计 和平时维护，3 个学术机构负责算法的开发。从1 9 9 9 年1 0 月开始到2 0 0 2 年1 0 月发行了k1o 。目前i t k 的开发也采用开放源码的形式，由i ( i t 、a r e 公司负 责维护。i i k 目前的稳定版本是24 。 i t k 是一个用c + + 语言建立的、面向对象的、采用模板编程技术的、跨平台 的开源软件开发包，主要目的是提供图像的分割与配准功能，是专门针对医学影 像领域开发的。分割是一个识别图像和分类图像的过程，这些图像是经过数字采 样的，一般情况下，这些采样的数据是从医学仪器c t ，m r j 扫描出来的。配准 是在数据之间一个排列和协调的过程。例如，在医学环境下，c t 扫描的凰像与 m r i 扫描的图像对应起来，目的是合成各自反映的信息。配准和分割是医学图 像处理应用的基础方面，也是应用系统中的算法核心。 因为1 t k 是一个开源的项目，全世界的开发者都可以使用、调试、发展该 软件。i t k 使用了软件开发过程的一种e x t r e m ep r o g r 姗m i n g ，该方法可以把传 统的开发模型变成一个设计、执行、调试、发布同时进行的过程。e 舯e m e p r o g r a 舢向n g 最主要的特点是交流和测试。i t k 社区里面的开发者之间的交流与 合作，帮助l 软件开发包的快速演化与完善。 浙江大学硕士学位论文( 2 0 0 6 ) 第二章基础开发包i t k 分析与研究 因此，可以这么说，r 限是算法设计者的一个有力助手，是医学图像处理工 作者的案例研究的算法仓库。通过这样一个持续发展的、公开的、可扩展的软件 开发包，可以增加全世界的研究者研发能力，来研究新的分割和配准的算法，并 且创造新的应用，来促进医学事业的发展。 2 2l t k 的特点与软件架构 k 的软件系统具备了很多的优点，但同时也增加了软件的复杂性，因此我 们需要通过仔细研究该软件开发包的架构，分析其所具备的特点，这样，可以帮 助我们更好的使用该软件开发包，也为我们扩展该软件开发包奠定了基础。 2 2 1i 啊( 的特点 k 的特点主要包括一下几个方面： ( 1 ) 开放的源代码 当前的软件开发往往在一个包括很多开发者合作的分布式环境下进行。一个 单独开发者可以创造一个软件系统的时代已经过去。现在的软件比以前复杂，因 此需要一个团队的开发者，持续的努力才能维持软件的生存和发展。软件的复杂 性的提高意味着测试是一个保证软件代码质量的重要手段。通过b u g 的修正，更 颖软件版本。 因此，开源的软件开发模型已经在世界范围内赢得了广泛的接受。尽管准确 的定义还在讨论中，但基本的理念就是，源代码可以被任何想要使用的人自由的 使用。这与以前的商业软件，免费软件，共享软 牛有很大的区别，上述的几种软 件，都仅仅发行以二进制代码格式。而开源的代码为广大的使用者在软件的开发 过程中创造了非常多的机会和好处。最近几年，一些软件项目已经把这种模式带 给了公众。这些项目包括l j n l l ) 【操作系统，a p a c h e w e bs e e r f 运行5 0 的世界 范围内的、v e b ) 等等。 开源有很多的好处，开源软件比封闭软件提供了更多的可升级能力，有更多 的人关注源代码，程序缺陷可以更快的被发现和解决。而且，在没有额外花销的 情况下，新的开发者不断加入到开发团队，加强了开发的能力和效率。 医学影像种类繁多，处理的方式与要求也各不相同，这就导致了要开发一个 医学的图像处理开发工具是一项任务非常繁重的工作，因此，非常适合于采用开 源的形式，来集中更多人的智慧，开发出大量的、实用的算法。 ( 2 ) 开发过程采用e x t r e m ep r o g r a m m i n g 极限编程 极限编程包含高密度的设计、测试，支持网络的工具，集成了许多自动测试 与调试开发的软件。把标准的分析、设计、执行、测试的过程压缩成一个连续的 处理过程。如图【2 一l 】所示。 浙江大学硕士学位论文( 2 0 0 6 ) 第二章基础开发包i t k 分析与研究 图 21 e m r e m ep r o g r 帅m l ”g 文献【6 7 】 ( 3 ) 算法采用模板编程 i t k 的算法充分利用了模板编程的方法。目的是在运行效率与保持通用化代 码之间取得一种平衡。通用的算法一般都是针对n 维的图像。由于采用了模板 编程，因此i t k 的c + + 的模板代码的效率非常高，许多软件的问题能够在编 译的时候被发现，而不是运行的时候。 模板编程是i t k 中算法设计的核心。模板编程的核心思想就是通过个模 板编写的算法可以应用到多种类型的处理算法中。模板编程的最基本的想法就是 用c o n t a i n e r s 来保存数据，i t e r a t o r s 来访问数据，模板的算法用c o n t a i n e r s 和 i t e r a t o r s 来创建高效的、基础的算法。因此我们将在后面的章节1 1 k 程序设计部 分重点分析模板编程。这里只给出模板编程的几个重要概念。 ( 4 ) 跨平台的使用 通过c m a l ( e 工具可以把软件开发包构建在多种操作系统下运行。如 w i n d o 、v s 、m a c0 s 、l i n l l ) 【、u m x 。同时也支持多种编译器，如v c 系列版本。 ( 5 ) 封装了其他解释性语言的接口 i t k 的核心是用c 十+ 语言来编写，但是封装了一些解释性的语言接口，例如： t c l ，p y t h o n ，j a 。 ( 6 ) 专门针对医学影像 因为i t k 完全是面向医学图像的，因此，算法针对的数据对象是有限的数 据源。主要包括常见的二维图像格式b m p 、j p e g 、p f l g ：也包括三维数据格式r a w 、 m e t a 。特别的，随着医学图像处理的发展，已经形成了共识，那就是形成一种统 一的医学图像格式，因此，d i c o m 标准产生r 。目前，越来越多的开发者已经 把目光投向d i c o m 格式。所以，在i t k 中特别提供了针对d i c o m 标准的一些 浙江大学硕士学位论文( 2 0 0 6 ) 第二章基础开发包i t k 分析与研究 算法和类，在i t k 的中已经提供了对于d i c o m 格式的读写操作。 ( 7 ) 面向对象的编程 9 0 年代以来，软件系统开发领域的主要方法就是面向对象的编程方法，并 且将会在软件设计领域被持续采用。面向对象的编程方法特别适用于处理复杂的 系统，为其提供一个编程的抽象来处理数据和算法。 ( 8 ) 多线程的能力 在多种操作系统中运用多线程的能力，可以在不同的线程中执行一个算法或 者每个线程执行一个算法。 但是，使用多线程的过程中我们需要注意线程的安全： 每个线程访问不同的类的实例，这样的多线程是安全的。 在不同的线程中调用同一个类的实例的方法是不安全的，是需要避免的。 ( 9 ) 管道式结构 圉 2 - 2 】管道流水线结构示意国 管道结构是一系列的处理的对象( 算法) 连接而成，用来处理一个或多个数 据对象( 数据结构) 。数据对象沿着管道流动，如图2 2 所示。管道的结构特别 适合于医学图像处理应用，因为在医学图像处理中，很多应用都是基于一个框架 模型，而框架模型中，包含了很多模块，每个模块是由若干算法构成。如果这个 框架的各个功能模块按照管道的结构来设计，那么很多功能模块中的算法可以经 过简单的替换，而使框架在结构上不发生改变的情况下，可以适合于更加广泛的 医学应用。 在管道结构中，因为数据与算法是分开的，我们可以在中间的某个滤波器的 输出的地方，查看数据，这样当发现数据出现异常结果的时候，可以更加容易的 发现出现故障的滤波器节点( 也就是哪个算法或者滤波器出现了问题) ，这样对 于调试也是相当有利的。 ( 1 0 ) 提供了许多专门的数学上的处理方法 如对矩阵、向量的专门处理，矩阵分解，多项式优化的等。 新江大学硕士学位论文( 2 0 0 6 )第二章基础开发包i t k 分析与研究 2 2 2i t k 的软件架构 由于i t k 主要是用来进行医学图像分割和配准的，其中包含了很多种类的 算法。通过图【2 - 3 】，可以看出i t x 的算法核心的结构分类，k 的核心算法主要 集中于c o d e 文件夹中。c o d e 下面，又按照类别分成了以下几个部分：a l g o r i 也m s 、 b a s i c f i l t e r s 、c o m m o n 、i o 、n u m e c s 、p a t e n t e d 、s p a t l a l o b j e c t s 。 崩1 2 3ji t x 中的核心代码分类周 i t k 中包含了成百的c + + 类，面向对象的编程风格规定了许多类足基类和支 持类。其中一些基本的涉及到数据处理的和接口处理相关的类已经列在图中。下 面我们介绍一下i t k 中关于图像处理的算法，在这里我们只是就i t k 包含的算 法作出简单介绍，在本章第四节中，将利用i t k 的算法作一些图像处理的实验， 那时，可以对i t k 所包含的算法有更进一步的理解。 i t k 的核心图像处理功能算法主要可以分为以下三个方面：滤波算法、分割 算法、配准算法。 ( 1 ) 图像滤波： 包括递归高斯滤波、中值滤波、均值滤波、数学形态学滤波等。 ( 2 ) 图像分割： 包括基于统计模型的相似性分割、基于区域的分割、基于边缘的分割、基于 模型的分割、混合的分割方法。其中基于模型的分割包括了目前比较流行的 l e v e l s e t 水平集模型等。 ( 3 ) 图像配准： 主要包括刚体和非刚体配准。在i t k 中有具体的配准模型，模型中一j e 有 四个主要功能模块：分别是m e 砸c s ( 特征信息空间) 、o d t i i n i z e r s ( 优化) 、t r a j l s f o h n ( 变换) 、i n t e r i ) o l a t o r s ( 插值) 。针对其中的每个部分都提供了一些常用算法， 用户可以组合成多种配准的具体应用方法。 浙江大学硕士学位论文( 2 0 0 6 ) 第二章基础开发包1 t k 分析与研究 1 ) m e t r i c s 包括： m u t l l a li n f o n i l a t i o n 、m e a ns q u a r e s 、n o r m a l i z e d 等方法。 2 ) o p t i m b 他r s 包括： g r 枷e n td e s c e n t 、r e g u l a rs t 印g r a d i e n td e s c e n t 、c o n j u g a t eg r 砌e n t 、 l e v e n b e r g m a r q u a r d t 等方法。 3 ) t r s f o r m 包括： t f a n s l 撕0 n 、s c a l e 、r o t 撕o n 、碰g i d 3 d 、r i g i d 2 d 、a 伍n e 等方法。 4 ) i n t e r p o i a t o r s 包括： n e a r e s tn e i 曲b o r 、l i n e a r 、b s p l i n e 等方法。 2 3l t k 算法程序设计中的关键问题 i i k 算法丰富，系统复杂，编程的风格采用了a n s ic + 中较新的模板编程的 思想。因此，我们需要对i t k 算法程序设计中的关键问题进行详细的分析。一 方面，将使我们在应用1 1 k 的