CT与MRI融合技术的颅内肿瘤应用研究

周志尊，孙 璐，胡明成，徐树林，董 默，杨成程，周鸿锁，胡馨元

（医学影像学院，黑龙江 牡丹江 157011）

CT与MRI融合技术的颅内肿瘤应用研究

周志尊，孙 璐，胡明成，徐树林，董 默，杨成程，周鸿锁，胡馨元

（医学影像学院，黑龙江 牡丹江 157011）

CT及MRI融合的目的是增强图像显示的直观效果，提高对对疾病诊断的准确性。利用CT及MRI对于机体的骨质、钙化和软组织的分辨率互补性的特点，将同一病例的CT、MRI图像进行融合，从而更精准的进行肿瘤的定位。融合之后的图像不仅反映出硬组织，还正确清晰地反映出其边界，为颅内肿瘤的诊断奠定了基础。CT与MRI图像融合既能弥补各自的不足之处，也能在形态和功能上发挥协同作用，从而更精准地对颅脑肿瘤定位和边界分割，为临床的肿瘤放射治疗提供影像学支持。

图像融合；边界分割；肿瘤定位

0 引言

图像融合技术的研究与应用是医学影像技术发展方向之一。 将各种不同的医学图像相融合，可以充分综合各自图像的特质，用单幅图像同时表达人体器官或病变组织的全方位信息，器官或病变组织的解剖学结构与功能等诸多信息都可以该图像得以体现[1]。为有效地提高对医学影像的准确诊断，增加医学图像的综合信息，本文旨对CT与MRI的图像融合技术进行了研究，并对其在颅内脑肿瘤的诊断与治疗方面的应用进行详细讨论。

医学图像融合即不同医学图像经过空间配准[2]后所构成的图像，将同一种类种或后不同种类的医学图像技术性叠加，凸显特异性部分，已达到相互取长补短的目的[3]。医学图像可化分为形态学图像与功能性图像两大类。形态学图像通常是由常规X线、CT、常规MRI、超声、DSA，以及各类医学光学仪器所成的图像，而功能性图像通常指正电子发射断层成像、单光子发射断层成像、功能磁共振成像、磁共振波谱等[4]。CT和MRI是颅内脑肿瘤诊断与治疗过程中最常采用的影像学方法，二者对颅内脑肿瘤的诊断作用不同[5]。CT的成像原理决定了它所成的像具有高密度分辨率，可清晰显示颅脑肿瘤的钙化和周围颅骨骨质结构及肿瘤内部和周边组织密度的变化 但对颅脑肿瘤内部结构、边界及后颅窝的肿瘤显示效果不佳。MRI的成像具有对软组织对比分辨率最高的特点，可以清晰显示肿瘤的血管结构及肿瘤的边界，利于对颅内脑肿瘤的定位与边界划分[6,7]。

颅内脑肿瘤的临床治疗方法主要以手术及放射治疗为主，而手术及放射治疗均需准确诊断颅内脑肿瘤的性质，精确分割肿瘤的边界。CT及MRI图像对于人体器官与病变组织的骨质、钙化和软组织的空间分辨率具有互补特性，因此，CT及MRI图像的融合技术为的颅内脑肿瘤的诊断与治疗提供了新的方法[8,9]。本课题将会对同一颅内脑肿瘤病例的CT及MRI图像的融合方法、肿瘤的定性、定位、周边关系探查及肿瘤的精确分割进行探究，从而为肿瘤的手术切割及放射治疗范围精确划分与放疗强度的设计提供影像学支持。

1 材料与方法

1.1 材料

收集来自牡丹江医学院第一附属医院的5个患有颅内肿瘤的患者头部CT与MRI图片男3 例，2例，年龄40~60岁。全部病例均在入院1~2周内分别进行了CT和MRI扫描。其中脑膜瘤1例，垂体瘤2例，胶质瘤1例，神经鞘瘤1例，所有病例均经手术或病理证实。

1.2 设备和成像技术

1.2.1 CT成像设备及成像参数

CT采用Neusoft128层螺旋CT扫描仪，120千伏，350 mA，矩阵512×512，准直器宽度16×0.75，螺距1.0，X线管旋转时间0.42 s/r，轴面图像视野中心（field of visual，FOV）与MRI轴面图像必须保持完全一致。

患者体位成仰卧状，自下颌角平面至双侧脑室上缘平面扫描，扫描基线与听眶线平行。

1.2.2 MRI成像设备及成像参数

采用Philips Achieva 3.0T超导MR扫描仪图像重组层厚0.75 mm，间距0.75 mm，图像矩阵256× 256，扫描序列包括SE序列、FSE序列、T2FLAIR（液体衰减反转恢复）序列，横断面扫描，获得平扫T1WI和T2WI。所有病例均行无间距薄层扫描，TR、TE时间同常规扫描。

1.2.3 图像后处理、图像配与图像融合设备

硬件：多功能图像后处理工作站，Dell Precision立式7810 XCTO16GB E5-2609 v3 (4x4 GB) 2133 MHz DDR4 RDIMM ECCNvidia Quadro K2200 4 GB (2 DP, DL-DVI-I)。

软件：应用Dicom Viewer将Dicom 图像文件首先转换成JPEG图像文件，应用Photoshop软件对生成的JPEG的图像进行剪切、对比度、亮度及图片大小等参数的调整，然后选定两张图片的特征点进行配准，最后应用MATLAB，采用小波变换实现图像的融合。

1.3 原始图像的评价及分析

首先对原始图像进行临床评价，评价的内容包括骨质改变，肿瘤的钙化或骨化，肿瘤的内部结构（平扫的病变密度或信号)、病变的轮廓、病变与邻近血管的关系、病变与周围神经的关系、病变周围组织的改变及周边结构的累及情况。CT平扫示右侧额部颅板下方见半球形略高密度影，宽基底，其内可见钙化影，邻近脑实质受压，肿瘤周围见低密度水肿带。MRI平扫：右侧额部见半球形异常信号影，T1WI像病变呈稍低信号，T2WI呈等信号，并可见瘤周稍高信号水肿带，邻近脑实质受压。

图1 患者CT脑肿瘤原始图像Fig.1 patient brain tumor original CT image

图2 患者MRI脑肿瘤原始图像Fig.2 patient brain tumor original MRI

1.4 图像的配准

图像的配准是图像融合的基础，配准方法的选择决定了融合以后图像的清晰度。虽然本课题所选取的CT与MRI图像均来自于同一患者，同一部位的脑肿瘤，且是在相同时间段内的断层扫描图像，但由于患者成像于不同仪器，其体位，仪器参数的选取及成像条件会产生一定的差异，使CT及MRI图像的空间位置，空间分辨率和器官大小均有不同，通过配准才能使两张图像达到最佳匹配。

对于在不同时间不同条件下获取的两幅图像F(x)和 G(x)的配准，即找到相似度和一个空间变换关系，经过该空间变换后两幅图像间的相似性达到最大。即使图像A上的每一个点在图像B上都有唯一的点与之对应，并且这两点应对应同一解剖位置。用公式表示如下：

S(T)=S(F(x),(G(x))

式中，S是相似度，配准的过程就是寻求最佳空间变换的过程。

Tˆ=argmaxS(T)

采用Photoshop对原始图像首先进行预处理，分别将脑肿瘤的CT及MRI图像廓特征定位剪裁，并对两幅图像大小及像素值进行调整使其完全一致，然后实施对预处理后的CT及MRI图像的配准。

图3 配准后的CT图像Fig.3 the registrated CT image

1.5 图像融合

1.5.1 融合技术的算法

图4 配准后的CT图像Fig.4 the registrated MRI

经过对MRI及CT图像进行精确配准后，运用MATLAB软件对图像首先进行小波变换，图像分解，然后对分解层进行融合，处理各分解层上的不同频域分量。对融合后的小波图像进行小波逆变换，最终得到融合图像。图像经小波分解后，不同频率范围内的图像将会分别组合，生成不同特征的融合图像，图像不同分辨率噪声不会相互干扰，在分解过程中图像无信息损失[7]。先对已配准的两幅图像进行小波分解，然后采用自适应算子对小波系数及分解子图像进行处理，最后进行小波重建，从而获得融合图像[1]。

小波变换本质上是高通滤波，小波基不同，滤波效果就不同。通过小波变换将待融合图像分解成具有空间分辨率和频域特性不同的子图像，组合不同频带子图像的小波系数，得到融合图像的小波系数[7]。基于小波变换的图像融合方法可分为分解、融合与逆变换三步来完成，即对配准后的CT及MRI图像分别进行小波变换，获取每幅图像在不同分辨率下不同频带上的小波系数，依据小波分解系数的特点，对各个不同分辨率上的小波分解得到的频率分量，然后应用融合算子分别进行融合处理，并对对融合后系数进行小波逆变换，最终得到CT及MRI融合图像。

1.5.2 实现图像融合

依据图像融合的算法，建立数学模型，然后应用MATLAB编程加以实施。如下给出了程序关键部分的源代码。

CT=imread('CT.jpg'); MRI=imread('MRI.jpg'); CT= double(CT); MRI=double(MRI); [c1,I1]=wavedec2 (CT,2,'sym4'); [c2,I2]=wavedec2(MRI,2,'sym4'); c= c1+c2; X3=waverec2(c,I1,'sym4'); c=c1+c2; CTMRI= waverec2(c,I2,'sym4'); imshow(uint8(CTMRI));

2 结果

2.1 融合后的图像分析

图1与图2是脑部同一层面的CT与MRI图像。单从图1 CT图像上观察，病变钙化显影清楚，邻近骨质显示较好，但瘤体整体及边界显示不及MRI，从图2 MRI图像上观察，其弥补了CT的缺陷，清晰地显示出软组织边界及水肿带，但对钙化及骨质改变不及CT。图5是将图一和图二融合之后的图像，其不仅反映软组织改变、水肿带显示也很清晰，也同时清晰的显示钙化及骨质改变，为颅内肿瘤的诊断奠定了基础。即CT及MRI融合后的图像，在一张图像上显示既有CT的改变，也有MRI表现。

图5 融合后的CT与MRI图像Fig.5 the fused CT and MRI image

2.2 图像融合技术的应用价值

2.2.1 应用于脑肿瘤的诊断与精准放射治疗

CT和MRI的成像各自存在不足，仅凭一种成像方法不能全面显示脑肿瘤的所有征象[13]。CT与MRI融合后的图像能提供更多有关肿瘤的精确信息，尤其是颅脑肿瘤，种类繁多，性质复杂，影像学诊断难度大。CT对肿瘤内实质的密度成像精准，而MRI则对肿瘤边界成像更清晰，融合图像结合了二者的优点，使放疗对脑肿瘤内部与边界的放射计量的设计提供了依据。从而达到了精准放射治疗的目的。 应用MR图像勾画肿瘤轮廓，再利用CT图像计算出放射剂量大小及分布，把经CT得到的剂量分布投射到显示软组织结构的MRI图像中，有利于对肿瘤及周边的放疗范围的界定[2]。

2.2.2 脑肿瘤的手术方案制定

在脑肿瘤术前的诊断与手术方案的制定过程中，对脑肿瘤与周边血管，神经功能区的关系，肿瘤内部的性状以及肿瘤边界的清晰界定至关重要[12,13]。MRI可以判断肿瘤内部的性质，且有很高的空间分辨率，同时对肿瘤与周边的关系的评估意义重大。对于肿瘤性质起重大作用的征象，如肿瘤的骨化与钙化的改变等，CT成像更为显著[8,9]。CT与MR融合图像在显示肿瘤与颅骨的关系和肿瘤与血管的关系两方面均优于原始CT和MR图像。因此，融合图像可现实肿瘤内部及与周边关系，为手术方案的制定提供技术支持[10]。

3 讨论

大多数颅脑肿瘤的MRI信号特点相似，即T1WI多为低信号，T2WI多为高信号，若存在肿瘤卒中，信号会有所不同，众所周知，MRI 具有超强显示软组织的能力[14]，能清晰显示肿瘤的边界、信号、瘤周水肿的能力，但是对钙化和骨皮质均较差，以上述图像病例，T1WI及T2WI像脑膜瘤呈稍低及等信号，肿瘤边界显示清晰，周围可见T2WI像稍高信号，但对瘤内的钙化显示不佳，邻近颅骨骨质改变显示也不佳。而CT在显示钙化、骨质改变方面较为敏感，以本文上述脑膜瘤为例，CT能显示肿瘤的形态、密度改变更为敏感，能显示邻近颅骨的改变，如受压变薄或刺激性增厚，病灶内钙化改变显示清楚，本文所将病灶的CT与MRI图像通过软件进行融合，在同一张图像上既有CT图像，又有MRI图像，既能显示病变的CT表现，又能显示MRI表现，CT对骨质改变及钙化，甚至灶内出血都能敏感显示，但是软组织分辨不及MRI，而MRI对软组织的显示能力极强，但钙化及骨质改变不及CT，所以二者图像融合后，弥补了各自的不足之处，也能在形态和功能上发挥协同作用，从而更精准地对颅脑肿瘤的定位和定性诊断，为临床放射与手术治疗提供重要依据，因此，CT与MRI图像融合技术在颅脑肿瘤诊断中具有重要的临床应用价值。

[1] 董默, 苏奎, 周志尊, 周鸿锁. 生物医学工程专业《医学图像处理》实践教学的改革[J]. 软件, 2017, 38(2): 37-41.

[2] 李凯, 曾庆劲, 郑荣琴, 苏中振, 贺需旗等. CT/MR图像融合评价肝癌消融的安全边界[J]. 中国医学影像技术, 2012, 25(12): 2189-2192.

[3] 吴涛, 崔坤炜. SPECT/CT融合显像在临床核医学中的应用现状[J]. 中国医学影像技术, 2016, 32(2): 306-308.

[4] 尚靳, 郭启勇, 孙洪赞, 辛军. CT、MRI与PET融合显像评价宫颈癌分期及淋巴结转移中的应用进展[J]. 中国医学影像技术, 2016, 32(5): 795-798.

[5] Wang Y, Liu ZY, Dou WC, Ma WB, Wang RZ, Guo Y. Application of Preoperative CT/MRI Image Fusion in Target Positioning for Deep Brain Stimulation[J]. Chin Med Sci J,2016, 31(3): 161-167.

[6] Geevarghese R, O’Gorman Tuura R, Lumsden DE, Samuel M, Ashkan K. Registration Accuracy of CT/MRI Fusion for Localisation of Deep Brain Stimulation Electrode Position: An Imaging Study and Systematic Review[J]. Stereotact Funct Neurosurg, 2016, 94(3): 159-63.

[7] Chavan SS, Mahajan A, Talbar SN, Desai S, Thakur M, D’cruz A. Nonsubsampled rotated complex wavelet transform (NSRCxWT) for medical image fusion related to clinical aspects in neurocysticercosis[J]. Comput Biol Med, 2017, 81: 64-78.

[8] Barnaure I, Pollak P, Momjian S, Horvath J, Lovblad KO. Evaluation of electrode position in deep brain stimulation by image fusion (MRI and CT)[J]. Neuroradiology. 2015, 57(9): 903-910.

[9] Prada F, Del Bene M, Mattei L, Lodigiani L, DeBeni S, Kolev V, Vetrano I, Solbiati L, Sakas G, DiMeco F. Preoperative magnetic resonance and intraoperative ultrasound fusion imaging for real-time neuronavigation in brain tumor surgery[J]. Ultraschall Med, 2015, 36(2): 174-86.

[10] Djan. I, Petrovi. B, Erak. M, Nikoli. I, Luci. S. Radiotherapy treatment planning: benefits of CT-MR image registration and fusion in tumor volume delineation[J]. Vojnosanit Pregl, 2013, 70(8): 735-9.

[11] Fiorentino A, Caivano R, Pedicini P, Fusco V. Clinical target volume definition for glioblastoma radiotherapy planning: magnetic resonance imaging and computed tomography[J]. Clin Transl Oncol, 2013, 15(9): 754-8.

[12] O’Gorman RL, Jarosz JM, Samuel M, Clough C, Selway RP, Ashkan K. CT/MR image fusion in the postoperative assessment of electrodes implanted for deep brain stimulation[J]. Stereotact Funct Neurosurg, 2009, 87(4): 205-10.

[13] Kuhn SA, Romeike B, Walter J, Kalff R, Reichart R. Multiplanar MRI-CT fusion neuronavigation-guided serial stereotactic biopsy of human brain tumors: proof of a strong correlation between tumor imaging and histopathology by a new technical approach[J]. J Cancer Res Clin Oncol, 2009, 135(9): 1293-302.

[14] 白人驹主编, 医学影像学, 第二版. 北京: 人民卫生出版社, 2010.

The Study of CT and MRI Fusion Technique Applications in Intracranial Tumor Diagnosis and Treatment

ZHOU Zhi-zun, SUN Lu, HU Ming-cheng, XU Shu-lin, DONG Mo, YANG Cheng-cheng, ZHOU Hong-suo, HU Xin-yuan
(Medical image department of Mudanjiang medical university, Mudanjiang Heilongjiang, China, 1570112)

The purpose of CT and MRI fusion is to enhance the visual effect of image display and improve the accuracy of diagnosis. Using the complementary characteristics of resolution of the bone, calcification and soft tissue of the body, same case CT and MRI images were fused, so that the location of the tumor is more accurate. After fusion, the fused image not only reflects the hard tissue, but also reflects the boundary of the tissue, It is the intracranial tumors diagnosis foundation. CT and MRI image fusion can not only make up for their shortcomings, but also can play a synergistic role in morphology and function, more accurate brain tumor location and boundary segmentation, provide imaging support for the clinical treatment of radiation oncology.

Image fusion; Boundary segmentation; Tumor location

TP319

A

10.3969/j.issn.1003-6970.2017.05.007

黑龙江省自然基金项目(No. H2015082)；黑龙江省教育厅科技项目(No. 12541846)；教育部大学生创新创业与黑龙江省的学生创新创业项目(No. 201510229003)

周志尊(1962-)，男，黑龙江人，硕士，教授，医学影像学院医学图像处理教研室主任，研究方向：医学图像处理。

周志尊，牡丹江医学院。

本文著录格式：周志尊，孙璐，胡明成，等. CT与MRI融合技术的颅内肿瘤应用研究[J]. 软件，2017，38（5）：34-38