Registro de Imagen Médica Registro

Enterprise 2023-09-08 20:15:52 views: null

Registro de Imágenes Médicas

0, objetivo:

0.1 Resumen de contenido

El propósito de la investigación sobre el registro de este artículo es utilizar el registro como una especie de preprocesamiento , en lugar de una investigación sobre puntos innovadores. Por tanto, se trata de métodos de registro más tradicionales. Incluye principalmente los siguientes aspectos.

1. ¿Entender qué es el registro? ¿Cuál es el propósito del registro de imágenes médicas? ¿Existen métodos de registro?
2. Comprender esos términos, MNI, atlas, plantilla de registro y otros términos profesionales.
3. ¿Cuáles son las bibliotecas públicas antspy, caja de herramientas de registro, etc. para el registro?
4. ¿Cómo realizar la operación de registro? ¿Cómo registrarse dentro de una misma modalidad cerebral?

1. ¿Qué es el registro?

1.1 ¿Qué es el registro?

Registro de imágenes El registro de imágenes es un problema típico y una dificultad técnica en el campo de la investigación del procesamiento de imágenes. Su propósito es comparar o fusionar imágenes adquiridas en diferentes condiciones para el mismo objeto. Por ejemplo, las imágenes provendrán de diferentes dispositivos de adquisición, tomadas de diferentes Tiempo , diferentes ángulos de disparo , etc. A veces también es necesario utilizar cuestiones de registro de imagen para diferentes objetos.
Específicamente, para dos imágenes en un conjunto de conjuntos de datos de imágenes, una imagen (imagen flotante, imagen en movimiento) se asigna a otra imagen (imagen de referencia, imagen fija) buscando una transformación espacial, de modo que los dos puntos en la figura correspondientes a la misma posición en el espacio se corresponden uno a uno para lograr el propósito de la fusión de información.

Registro de imágenes médicas:
en estas dos imágenes, es fácil ver que no están alineadas y el lado izquierdo está inclinado con respecto al lado derecho. Aunque nuestro sistema visual humano aún puede conectar las relaciones anatómicas correspondientes, no es cierto. cuando usamos análisis por computadora.
imagen.png
Por lo tanto queremos que las mismas estructuras anatómicas estén alineadas, expresadas en términos de coordenadas, queremos que estén en las mismas coordenadas. Como se muestra en la figura a continuación
imagen.png
, el proceso de alinear estas estructuras anatómicas se llama registro.
Por lo tanto, el propósito del registro es hacer las mismas estructuras anatómicas en la misma posición para facilitar el análisis. Se pueden registrar tomografías computarizadas y resonancias magnéticas para ver cambios en la misma estructura en las dos modalidades, lo que facilita el diagnóstico de la enfermedad. Del mismo modo, también se puede registrar PET-MRI. También es posible el registro entre diferentes secuencias de MRI. Para la misma secuencia de resonancia magnética, también se pueden registrar dos imágenes tomadas antes y después, y así sucesivamente.

Nota: De hecho, el registro es una operación estandarizada para resolver los diferentes tamaños de diferentes datos y hacerlo para análisis cuantitativo.
Nota: Si está registrando el cerebro, es mejor extirpar primero el cráneo y otros tejidos. Porque solo queremos registrar el tejido cerebral y no nos importa si la nariz y los ojos están registrados, ya que interferirán con la velocidad y precisión del registro.
imagen.png

1.2 Clasificación del registro

Según diferentes criterios, los métodos de registro se pueden clasificar de la siguiente manera:
imagen.png

1.2.1 Según dimensiones espaciales

Si solo se considera la dimensión espacial, se puede dividir en 2D/2D, 2D/3D y 3D/3D. Si se consideran factores de series temporales, también existe el problema de registrar dos imágenes extraídas en momentos diferentes.

1.2.2 Según las características y medidas de similitud basadas en el algoritmo

  • Basado en características internas
    Las características internas se refieren a información extraída del interior de la propia imagen:
    • Basado en puntos característicos: un conjunto de puntos característicos que tienen un significado geométrico especial y que pueden ubicarse (como puntos discontinuos, puntos de giro de gráficos, intersecciones de líneas, etc.) En imágenes médicas, incluso pueden ser puntos con significado anatómico.
    • Basado en superficie: utilice el método de segmentación para extraer el contorno de la parte de interés (curva o superficie) como un espacio de características para comparar [4] [5] .
    • Basado en valores de píxeles: utilice los píxeles o vóxeles de toda la imagen (basado en intensidad) para formar el espacio de características. El cálculo de medidas de similitud basado en la información estadística de los valores de píxeles se puede dividir en método de mínimos cuadrados , método de Fourier, método de correlación cruzada, método de información mutua, etc.
  • Basado en características externas
    En las imágenes médicas, ciertos puntos marcadores en la imagen se obtienen fijando marcadores en el paciente o inyectando sustancias en desarrollo en el cuerpo, que se denominan puntos característicos externos.

1.2.3 Según propiedades de transformación

La transformación espacial de imágenes se puede dividir en transformación de cuerpo rígido (rígida) y transformación de cuerpo no rígido (no rígido, deformable). Por lo general, existen transformaciones de cuerpo rígido, transformaciones afines, transformaciones de proyección y transformaciones de curvas.
(1) Transformación de cuerpo rígido : El llamado cuerpo rígido significa que la distancia entre dos puntos cualesquiera dentro del objeto permanece sin cambios. Por ejemplo, el cerebro humano puede verse como un cuerpo rígido. Cuando se trata de imágenes del cerebro humano, la transformación de cuerpo rígido se utiliza a menudo para el registro de imágenes en diferentes direcciones [4]. La transformación de cuerpo rígido se puede descomponer en rotación y traslación
(2) Transformación afín: la transformación afín [5] asigna líneas rectas a líneas rectas y mantiene el paralelismo. Las manifestaciones específicas pueden ser una transformación de escala uniforme con coeficientes de transformación de escala consistentes en todas las direcciones o una transformación de escala no uniforme y una transformación de corte con coeficientes de transformación inconsistentes. La transformación de escala uniforme se utiliza principalmente para imágenes fotográficas que utilizan sistemas de lentes. En este caso, la imagen del objeto está directamente relacionada con la distancia entre el objeto y el instrumento óptico de imágenes. La transformación afín general se puede utilizar para corregir la inclinación de la TC. pórtico Distorsiones causadas por cizallamiento o imperfecciones en las bobinas de gradiente de RM.
(3) Transformación proyectiva : similar a la transformación afín, la transformación proyectiva [6] asigna líneas rectas a líneas rectas, pero ya no mantiene la propiedad paralela. La transformación proyectiva se utiliza principalmente para el registro de imágenes proyectadas en 2D e imágenes volumétricas en 3D.
(4) Transformación no lineal : La transformación no lineal [7] también se llama transformación curva (transformación curva), que transforma una línea recta en una curva. Las funciones polinomiales se utilizan principalmente, como funciones cuadráticas, cúbicas y funciones spline de placa delgada. A veces también se utilizan funciones exponenciales. Las transformaciones no lineales se utilizan principalmente para deformar atlas anatómicos para ajustarlos a datos de imágenes o para registrar imágenes de órganos torácicos y abdominales con deformación global.
imagen.png

1.2.4 Según el algoritmo de optimización

Cuando la característica de comparación toma la forma de un conjunto de puntos característicos, la solución a la transformación se puede encontrar mediante un sistema de ecuaciones simultáneas. Sin embargo, en general, el problema de registro se transformará en el problema de resolver el valor óptimo de la medida de similitud. En el método de cálculo, generalmente es necesario utilizar algoritmos de optimización iterativos apropiados, como el método de descenso de gradiente, el método de Newton, Powell. método, algoritmo genético, etc.

1.3 Registro de imágenes médicas

1.3.1 Según modalidad de imagen

Dado que los equipos de imágenes médicas pueden proporcionar diferentes formas de imágenes con diferente información sobre los pacientes (tomografía computarizada CT, resonancia magnética MRI, tomografía por emisión de positrones PET, resonancia magnética funcional fMRI, etc.), se puede dividir en unimodal y multimodal . .
(1) Registro de imágenes médicas monomodalidad: Significa que las dos imágenes a registrar se adquieren con el mismo dispositivo de imágenes.
(2) Registro de imágenes médicas multimodal: significa que las dos imágenes a registrar provienen de diferentes dispositivos de imágenes .

1.3.2 Según la materia

Se puede dividir en tres tipos : Intrasujeto (imágenes del mismo paciente ) , Intersujeto (de diferentes pacientes ) y Atlas (registro de datos del paciente y atlas).

(1) Registro de autoimagen (intrasujeto) :
Las imágenes a registrar pueden ser de la misma persona, que pertenece al registro de imagen del propio paciente (intrasujeto). Las imágenes del mismo órgano o parte anatómica obtenidas del mismo paciente en diferentes momentos se pueden utilizar para comparar, a fin de monitorear el desarrollo de la enfermedad y el proceso de tratamiento. Si no hay resección tisular local, este tipo de registro generalmente se puede realizar con transformación de cuerpo rígido.

(2) Registro de imágenes humanas (entre sujetos)
Además, a veces es necesario comparar la imagen del sujeto con la imagen de la misma parte de una persona normal típica para determinar si el sujeto es normal; si es anormal, puede También se puede comparar con la imagen del sujeto. Comparar imágenes típicas de algunas enfermedades para determinar si los pacientes pertenecen a la misma categoría. Todos estos pertenecen al registro de imágenes entre diferentes personas (entre sujetos) [10]. Debido a las diferencias en la anatomía individual, el registro de este último es obviamente más difícil que el del primero.

(3) Registro de imágenes con el Método Atlas (Método Atlas) o registro con el espacio físico.
Debido a diferencias fisiológicas entre diferentes personas, la forma, tamaño y posición de una misma estructura anatómica será muy diferente, lo que dificulta el registro de imágenes. El problema de diferentes personas se ha convertido en el mayor problema en el análisis de imágenes médicas en la actualidad. Al comparar y analizar diferentes imágenes médicas, resulta difícil encontrar con precisión la información anatómica correspondiente. Esto requiere un atlas estándar computarizado que detalle cada ubicación anatómica del cuerpo humano .
Hay aproximadamente dos tipos de métodos comunes: ** Primero, use un estándar común para comparar**. Por ejemplo, para comparar las imágenes PET o MR de dos pacientes [11], primero, ambas imágenes deben asignarse a un Ir a un espacio de referencia común, y luego compare los dos en este espacio. El más utilizado es ** el espacio estándar de Talairach **, que puede comparar diferentes imágenes del cerebro humano; ** el segundo es el método de deformación no lineal **, imitando el Mediante el método de mecánica elástica, la imagen 3D de una persona se transforma paso a paso, para que finalmente pueda coincidir mejor con la imagen 3D de otra persona.

2 Términos profesionales y conocimientos del registro de imágenes médicas.

MNI, atlas, plantilla de registro

2.1 Plantilla de registro:

Cuando se trata de registro, primero debemos introducir la plantilla. Debido a las diferencias individuales en el cerebro humano, las coordenadas de las imágenes en el espacio durante el escaneo también son diferentes. En la investigación, primero debemos eliminar las diferencias individuales y unificar las coordenadas. , es decir, los sujetos deben " corregir/registrar" todos los cerebros en la plantilla estándar , para que se pueda realizar un análisis estadístico posterior.

2.2 Espacio de imagen

Hay tres tipos de espacios de imagen: espacio estándar, espacio estructural y espacio funcional.
imagen.png
Cada espacio puede tener diferentes resoluciones. Por ejemplo, la plantilla de espacio estándar MNI152 tiene resoluciones de 1 mm, 2 mm y 0,5 mm.
imagen.png
Se proporcionan plantillas de diversas resoluciones y necesidades. Podemos alinear nuestros datos al espacio estándar como parte del preprocesamiento.
https://fsl.fmrib.ox.ac.uk/fsl/fslwiki/Atlases

Haga coincidir imágenes con el espacio estándar:
cuando se utilizan varios conjuntos de datos para redes de entrenamiento, cada conjunto de datos tiene diferentes resoluciones y tamaños. Y quiero que todos los conjuntos de datos tengan la misma resolución y pueda especificar su resolución, ¿cómo se debe hacer?
Por ejemplo, los conjuntos de datos de resonancia magnética cerebral incluyen Brats (240x240x155) e IXI (256x256xz, z = 28-136). Estos dos conjuntos de datos deben usarse en el mismo entrenamiento de red y la resolución y el tamaño deben estar unificados.
La mejor manera es asignarlos al mismo espacio estándar (como MNI152)

P: ¿
MNI152 solo tiene datos T1?

2.1 espacio MNI

Actualmente, la plantilla estándar más utilizada en el mundo es MNI152 . MNI es la abreviatura de Instituto de Neurociencias de Montreal, Canadá . MNI152 se obtiene mediante el promedio ponderado de 152 datos 3D T1 de 152 personas sanas. Según diferentes algoritmos de promedio, se divide en dos tipos: lineal y no lineal.
imagen.png
La imagen de arriba proviene de: https://nist.mni.mcgill.ca/atlases/ , donde 152 no lineal de sexta generación se refiere al registro no lineal de alta dimensión antes del promedio ponderado. Plantilla MNI152.
Los cerebros de Talairach fueron seccionados y fotografiados del famoso atlas de Talairach y Tournoux. El mapa tiene marcadores correspondientes, en términos generales, consistentes para las regiones del cerebro de Brodmann.
MNI305 es el predecesor de MNI152, como su nombre indica, proviene de resonancias magnéticas de 305 personas sanas. El consorcio internacional para el mapeo cerebral (ICBM) adoptó MNI305 como modelo, que es el siguiente modelo estándar SMP99. Brain Imaging International Otro modelo recomendado por la alianza es el ICBM152 , que es utilizado por la mayoría de los investigadores como plantilla cerebral en la investigación de neuroimagen.
Posteriormente, el ICBM de la International Brain Imaging Alliance lanzó una plantilla más representativa**: ICBM452**, que es el resultado de convertir 452 cerebros humanos y compararlos con el ICBM 305. Sin embargo, el alcance de uso del ICBM452 es actualmente relativamente pequeño.
El curso general de la plantilla de imágenes cerebrales se puede resumir como:
MNI305 → MNI152 → ICBM152 → ICBM452

3. Herramientas de código abierto relacionadas

3.1 Descripción general de la herramienta

Herramientas clásicas tradicionales:
material presentado en ITK Tutorials :
https://www.kitware.com//courses-in-medical-image-analysis-that-use-itk/
MeVisLab :
https://www.mevislab.de/mevislab /
FSL: https://blog.csdn.net/u014264373/article/details/124852831

MATLAB:

PITÓN:

Otros:
https://paperswithcode.com/task/image-registration

3.2 Software de registro de imágenes médicas ANT (Advanced Normalization Tools)

Debido a las diferentes formas del cerebro de diferentes individuos, para comparar las diferencias en la estructura y función del cerebro de diferentes individuos, es necesario registrar diferentes individuos en una plantilla cerebral estándar. El proceso de registro deforma la imagen del cerebro individual para que el cerebro individual sea lo más consistente posible con la imagen de plantilla.
De hecho, el registro no requiere necesariamente una plantilla: también puede encontrar el cerebro de un paciente como plantilla y todos los demás pacientes coincidirán en el mismo espacio que él.

3.2.1 Descripción de las ANT

El software de registro de imágenes médicas ANT (Advanced Normalization Tools) es un software de procesamiento de imágenes médicas basado en lenguaje C y es relativamente rápido.
ANTs admite imágenes 2D y 3D, incluidos archivos en los siguientes formatos:
• Nifti (.nii, .nii.gz)
• Analizar (.hdr + .img / .img.gz)
• MetaImage (.mha)
• Otros formatos a través de itk ::ImageFileWriter / itk::ImageFileWriter como jpg, tiff, etc. Consulte la documentación de ITK.

Documentación oficial de ANT: http://stnava.github.io/ANTsDoc/

3.2.2 Instalación y uso de ANT

Hay dos formas principales de instalación de ANT:
una es la instalación basada en el código fuente , y la función correspondiente se puede llamar directamente en la línea de comando una vez completada la instalación ;
la otra es la instalación basada en Python, es decir, antspy biblioteca Llame al paquete correspondiente para su uso. Actualmente, los dos métodos solo admiten sistemas Linux y Mac.

(1), instale ANT según el código fuente

  • Primero, instale el compilador git, cmak y c++;
  • Ejecutar desde la línea de comando:
git clone git://github.com/ANTsX/ANTs.git  #从github上克隆相应的仓库，保存在当前目录下的ANTs文件夹下
mkdir antsbin  #创建antsbin文件夹
cd antsbin  #进入antsbin文件夹
ccmake ../ANTs  #进入cmake界面，然后依次按下'C'键，稍作等待，再按下'C'键和'G'键，分别完成设置和生成后回到命令行
make -j 4  #进行编译，需要运行较长时间

Si encuentra que las versiones de cmake o ccmake no coinciden, debe desinstalarlo y reinstalarlo, y actualizar las variables de entorno.

  • Después de compilar, si hay un directorio bin en el directorio antsbin, puede ir al siguiente paso. Si no hay un directorio bin, debe crear un directorio bin usted mismo y copiar los archivos de los tres lugares en él. método es el siguiente:
# 在 antsbin 目录下
mkdir bin #在antsbin下建立bin目录
cp ./ANTS-build/Examples/* ./bin # 将ANTS-build/Examples下的文件复制到bin目录中
cp ./staging/bin/* ./bin #将staging/bin下的文件复制到bin目录中
cp ../ANTs/Scripts/* ./bin #将ANTs/Scripts下的文件复制到bin目录中
  • Establecer variables de entorno, cambiar archivos .bashrc o .profile
cd ~  #回到home文件夹下
vi ~/.bashrc  #打开vi进行编辑，按'i'进入插入模式，并在文档末尾插入以下内容
export ANTSPATH=/home/username/antsbin/bin/
export PATH=“$ANTSPATH:$PATH” 
#以上路径要和真实路径一致，然后依次按'ESC'键,'Shift'+':'键，'w'键和'q'键，然后回车保存并退出
source ~/.bashrc  #激活相应的环境配置

El uso de ANT
Hay varios archivos .sh en la ruta ANT/Scripts, los más utilizados son antsRegistrationSyN.sh, etc. Para facilitar la llamada, puede agregar la ruta del archivo .sh a la variable de entorno:

vi ~/.bashrc  #打开.bashrc文件并在末尾添加以下内容
export PATH=$PATH:/home/username/ANTs/Scripts
#保存并退出
source ~/.bashrc  #使环境变量生效

Luego use antsRegistrationSyN.sh directamente en la línea de comando. Si se proporciona el método para usar el comando, la configuración es exitosa y si se proporciona un mensaje de error, la configuración falla.
Como no tengo datos de registro en formato .nii, hice el experimento con imágenes en formato .jpg. La imagen fija (imagen de arriba) y la imagen en movimiento (imagen de abajo) utilizadas son las siguientes: El comando de registro es


:

antsRegistrationSyN.sh -d 2 -f fixed_img.jpg -m moving_img.jpg -o output

Entre ellos, -d 2 indica que los datos son una imagen bidimensional, -f fix_img.jpg es el nombre de la imagen correspondiente a la imagen fija, -m moving_img.jpg es el nombre de la imagen correspondiente a la imagen en movimiento y -o salida es el nombre del prefijo del resultado de salida. Los datos de salida son los siguientes:

salida0GenericAffine.mat, salida1Warp.nii.gz representan la relación de mapeo estimada mediante transformación lineal y transformación no lineal respectivamente, salidaWarped.nii.gz representa la imagen después de registrar moving_img.jpg en fix_img.jpg, salidaInverseWarped.nii .gz representa la imagen después de registrar fix_img.jpg en moving_img.jpg. Las imágenes de outputWarped.nii y outputInverseWarped.nii son las siguientes:

3.2.3

a, instale antspy basado en python

Consulte el método de instalación:
https://github.com/ANTsX/ANTsPy

imagen.png
Para MacOS y Linux:
Nota: antspyx está instalado

pip install antspyx

antspy ahora solo debería ser compatible con sistemas macos y linux. Windows aún no es compatible. También puedes usar Git para instalar:

git clone https://github.com/ANTsX/ANTsPy
cd ANTsPy
python3 setup.py install

El método de instalación anterior solo puede instalar la versión 0.1.4. Al usar esta versión, habrá algunos errores pequeños, como: el registro de movimiento a corrección debe convertirse de tipo int a tipo flotante, y la versión 0.1.8 no
existe Para tal problema, el método de instalación específico es muy simple y se puede resolver con una línea de código:

pip install git+https://github.com/ANTsX/ANTsPy.git  #可能不能一次性成功，数个小时差不多

b, usos de hormigas

Puede encontrar cómo usar antspy en el manual oficial:
https://antspyx.readthedocs.io/en/latest/registration.html
Si está relacionado con el registro, solo necesita leer el contenido correspondiente de Core y Registration.

import ants
def registration(fix_path,move_path,save_path,label_path =None,save_label_path = None):
    types = ['Translation', 'Rigid', 'Similarity', 'QuickRigid', 'DenseRigid', 'BOLDRigid', 'Affine', 'AffineFast', 'BOLDAffine',
         'TRSAA', 'ElasticSyN', 'SyN', 'SyNRA', 'SyNOnly', 'SyNCC', 'SyNabp', 'SyNBold', 'SyNBoldAff', 'SyNAggro', 'TVMSQ']
    fix_img = ants.image_read(fix_path)
    move_img = ants.image_read(move_path)
    outs = ants.registration(fix_img,move_img,type_of_transform=types[1])
    reg_img = outs['warpedmovout']
    ants.image_write(reg_img,save_path)
    if label_path != None:
        move_label_img = ants.image_read(move_path)
        reg_label_img = ants.apply_transforms(fix_img,move_label_img,transformlist = out['fwdtransforms'],interpolator='nearestNeighbor')
        ants.image_write(reg_label_img,save_label_path)

##将 move向 fix配准
fix_path = 'MNI152_T1_2mm_brain.nii.gz'
move_path = 'sub_strokecace0011_gaojinping_dwi_raw.nrrd'
save_path = 'reg_2min.nii.gz'
registration(fix_path,move_path,save_path)

El efecto se muestra en la imagen: después del registro, plantilla y original.
imagen.png

Referencia:
Una revisión de la tecnología de registro de imágenes médicas - Artículo de Miaozu - Zhihu https://zhuanlan.zhihu.com/p/267339046
[Preprocesamiento de conjuntos de datos multicentro y multisecuencia de resonancia magnética: utilice datos de registro FSL-Flirt]
Texto original Enlace : https://blog.csdn.net/u014264373/article/details/124852831
[Plantilla estándar de registro de procesamiento de datos de RMN]
https://blog.csdn.net/happyhorizion/article/details/79579453
[Descripción general del registro de imágenes]
https: //zhuanlan.zhihu.com/p/80985475
[Uso de ANT para el registro de imágenes de resonancia magnética (estructura, función): instalación, respuestas detalladas del registro]
https://blog.csdn.net/xj4math/article /details/120895684
[Instrucciones para instalación y uso del software de registro de imágenes médicas ANT (Herramientas de normalización avanzadas)]
https://blog.csdn.net/zuzhiang/article/details/104930000

Supongo que te gusta

Origin blog.csdn.net/Alexa_/article/details/131955127
Recomendado
Clasificación
Diario
Más
2024-05-17(4)
2024-05-16(22)
2024-05-15(5)
2024-05-14(10)
2024-05-13(7)
2024-05-12(22)
2024-05-11(31)
2024-05-10(32)
2024-05-09(31)
2024-05-08(18)

Code World

© 2018 codetd.com