萬振環(huán) 黃曉陽

361008廈門醫(yī)學(xué)院醫(yī)學(xué)技術(shù)系（萬振環(huán)）；361005廈門大學(xué)信息科學(xué)與技術(shù)學(xué)院（黃曉陽）通信作者：黃曉陽，Email：xyhuang@xmu.edu.cn

DOI：10．3760/cma．j．issn．1673-4181．2016．03．010

肝臟動、靜脈相CT圖像配準(zhǔn)與融合方法研究

萬振環(huán) 黃曉陽

361008廈門醫(yī)學(xué)院醫(yī)學(xué)技術(shù)系（萬振環(huán)）；361005廈門大學(xué)信息科學(xué)與技術(shù)學(xué)院（黃曉陽）通信作者：黃曉陽，Email：xyhuang@xmu.edu.cn

DOI：10．3760/cma．j．issn．1673-4181．2016．03．010

目的研究肝臟CT掃描序列圖像輪廓提取、配準(zhǔn)與融合問題。方法采用圖像濾波去噪、增強(qiáng)圖像邊緣及提取圖像外輪廓等方法對CT序列圖像進(jìn)行預(yù)處理。對肝臟CT掃描序列圖像動脈相位期與靜脈相位期的圖像輪廓進(jìn)行配準(zhǔn)，選取最優(yōu)配準(zhǔn)參數(shù)確定不同相位期圖像的對應(yīng)關(guān)系，以實現(xiàn)配準(zhǔn)。將配準(zhǔn)后對應(yīng)的動、靜脈相位期圖像融合。結(jié)果融合后的圖像展現(xiàn)了同一位置不同相位期肝臟動、靜脈的情況。結(jié)論配準(zhǔn)、融合后的圖像能提供更加豐富的信息，可為醫(yī)生臨床診斷提供參考。

肝臟；CT圖像；血管；配準(zhǔn)；融合Corresponding author:Huang Xiaoyang,Email:xyhuang@xmu.edu.cn

0 引言

醫(yī)學(xué)圖像在診斷和治療中發(fā)揮著越來越重要的作用，計算機(jī)斷層成像（CT）即利用人體組織對X射線的吸收差異成像，這種橫斷面圖像具有較強(qiáng)的空間分辨率和幾何特征，能有效地分辨軟組織，從而發(fā)現(xiàn)病變組織。CT多期相增強(qiáng)掃描是肝臟診斷的常見檢查方法，水平軸狀切面是肝臟CT檢查中最常用的斷層面，可通過造影劑的顯影作用，在造影劑流經(jīng)肝動脈和肝門靜脈的兩個不同相位期時，獲得兩組清晰的臟內(nèi)血管影像序列。

對肝臟斷層同一位置不同相位期圖像進(jìn)行對比觀察分析很有必要，為方便和精確地觀察分析圖像，往往是將同一位置不同相位期圖像進(jìn)行配準(zhǔn)、融合后再使用。本研究以肝臟CT多期相圖像的分割、配準(zhǔn)及融合為主要內(nèi)容。最終融合的圖像同時具有肝臟動脈和靜脈清晰的影像，能幫助臨床醫(yī)生快速定位病灶區(qū)域，并為診斷和肝外科手術(shù)計劃提供有效參考。

1 資料與方法

1.1 臨床資料

肝臟CT掃描圖像來源于廈門大學(xué)附屬第一醫(yī)院放射科，在17例患者樣本中隨機(jī)選取1例，包括肝動脈期CT圖像160幅、門靜脈期CT圖像160幅，采樣矩陣大小512×512，以1 mm層距連續(xù)掃描，像素深度15 bits，最終得到DICOM3.0格式存儲的圖像數(shù)據(jù)。

1.2 方法

1.2.1 醫(yī)學(xué)圖像預(yù)處理

為保留、增強(qiáng)圖像中對后續(xù)處理有重要作用的特征，抑制不需要的變形，減弱后續(xù)處理會產(chǎn)生的干擾特征，需先對原始圖像進(jìn)行灰度校正、噪聲過濾及增強(qiáng)銳化等圖像預(yù)處理[1]。預(yù)處理操作會降低圖像質(zhì)量，但并未增加圖像信息，只是將圖像的特征信息有選擇地強(qiáng)調(diào)突出。

樣本患者在屏住呼吸，保持不動的情況下完成肝臟CT掃描，圖像數(shù)據(jù)可近似為剛體，CT掃描序列圖像中，胸腹腔的外輪廓具有典型的連續(xù)變化特征和獨特的識別信息，可較好地表征圖像間的異同?？紤]圖像特征提取算法的時間復(fù)雜度和運(yùn)算量，筆者選擇圖像的外輪廓作為圖像配準(zhǔn)的對象。預(yù)處理操作的目的是消除原始圖像的噪點，并突出圖像外輪廓特征。因為邊緣和輪廓均位于灰度突變的地方[2]，所以先采用高斯平滑濾波去噪，改善圖像整體質(zhì)量，然后使用拉普拉斯銳化，增強(qiáng)灰度反差，以加強(qiáng)肝臟圖像的外輪廓。

圖1為靜脈期原始肝臟CT掃描圖像和經(jīng)平滑銳化后的圖像。可看出預(yù)處理后的掃描圖像的輪廓明顯得到增強(qiáng)。

1.2.2 圖像分割與輪廓提取

圖像分割就是把圖像分成若干個特定的、具有獨特性質(zhì)區(qū)域的技術(shù)和過程，分割的目的是為獲取特征圖像信息。肝臟CT圖像在配準(zhǔn)上有價值的分割區(qū)域是外輪廓。肝臟CT掃描患者一次檢查的原始圖像數(shù)據(jù)一般有250張左右，借助于計算機(jī)算法進(jìn)行圖像分割可快捷準(zhǔn)確地得到圖像輪廓。

輪廓是物體在場景中的完整邊界，物體邊緣的連接構(gòu)成輪廓。輪廓的提取一般分為兩個步驟，也就是邊緣檢測和邊緣連接。邊緣檢測主要基于圖像灰度級的不連續(xù)性，常見的方法有串行邊緣檢測法和并行邊緣檢測法[3]。梯度是衡量圖像灰度連續(xù)性的一個重要標(biāo)準(zhǔn)，并行邊緣檢測可借助Laplacian算子、Canny算子及Roberts算子等空間域微分算子，通過模板與圖像卷積同時在各個像素上進(jìn)行，能有效地降低時間復(fù)雜度[4]。

圖像函數(shù)f（x，y）在點（x，y）的梯度向量為

式中：i、j為互相垂直的單位（模為1）向量。梯度值反映了該點的邊緣強(qiáng)度，其方向為

梯度值大小為

Canny邊緣檢測算子是基于高斯函數(shù)一階導(dǎo)數(shù)的去噪聲和邊緣定位算法，目前使用較多；但Canny邊緣檢測算子在過分割和欠分割及光照影響帶來的邊緣不連續(xù)問題上并無較好的解決方法。圖2、3是對原始CT圖像和預(yù)處理后圖像分別使用Canny算子的結(jié)果。

圖1 經(jīng)預(yù)處理前、后的CT圖像

圖2 原始CT圖像Canny邊緣

圖3 預(yù)處理后圖像Canny邊緣

可看出，預(yù)處理后的圖像邊緣檢測可獲得較清晰的有效邊緣。然而直接使用Canny算子檢測邊緣只能將圖像劃分成若干個區(qū)域，要獲取圖像外輪廓還需經(jīng)過大量邊緣連接運(yùn)算，因此需尋找一種恰當(dāng)?shù)乃惴ㄒ钥焖佾@取CT圖像外輪廓。

1.2.3 四周向內(nèi)逼近基于上升緣的外輪廓提取

Canny算子檢測得到的是不封閉、不連續(xù)的邊緣。在邊緣連接得到輪廓的過程中需進(jìn)行大量運(yùn)算，難免會引入錯誤的信息，使得連接后輪廓線與實際不完全吻合。

胸腹腔的外輪廓是感興趣的目標(biāo)，而里面的部分，對于后續(xù)實施的配準(zhǔn)并無實際意義，因此需舍棄。但簡單理解邊緣像素是信號“變化劇烈”的地方，在此定義掃描方向灰度值上升的邊緣為上升緣，灰度值下降的邊緣為下降緣。胸腹腔以外的區(qū)域在圖像中是單一的灰度值，這里選擇從四周向內(nèi)掃描逼近更具有實際操作意義，在四周向中心掃描過程中灰度上升的邊緣即是外輪廓。

為減少計算工作量，在此筆者摒棄先邊緣檢測后連接邊緣的傳統(tǒng)輪廓獲取方法。將檢測邊緣和連接邊緣構(gòu)成邊界的步驟進(jìn)行優(yōu)化合并，采取水平和垂直方向分別掃描圖像的方式，依次從左到右、從上到下、從右到左及從下到上4個方向進(jìn)行掃描。在掃描過程中檢測像素灰度值的變化，當(dāng)遇到上升緣時即可認(rèn)為檢測到邊緣并記錄。圖4是四周向內(nèi)掃描上升緣的示意圖。采用此方法對外輪廓的提取結(jié)果見圖5。

1.2.4 不連續(xù)輪廓圖像的修復(fù)

在醫(yī)學(xué)圖像成像時，由于技術(shù)等原因，部分圖像分辨率較低，致使獲取的外輪廓不連續(xù)。在1.2.3節(jié)中提取到的外輪廓，因部分圖像左上角圖像分辨率較低，造成成像模糊，出現(xiàn)了提取的輪廓不連續(xù)、不完整的現(xiàn)象。成像模糊造成的輪廓缺失部分，存在著一些散列的小聯(lián)通區(qū)域。因此選定一個恰當(dāng)?shù)拈撝捣秶?，統(tǒng)計各聯(lián)通區(qū)域的面積，將滿足閾值范圍的小面積區(qū)域S（n）＜ξ去除即可去掉這些噪點。

插值廣泛應(yīng)用在圖像處理領(lǐng)域，常用的圖像插值算法，針對的是一幅圖像中的像素。在輪廓圖像的處理中，缺失的輪廓線并不能從自身鄰近的像素中獲得。因此改進(jìn)需針對一幅圖像內(nèi)像素的插值方法，假設(shè)A、X、B是CT掃描序列中的3張輪廓圖像，其中A、B圖像輪廓完整，X具有缺陷，投射到一張圖中如圖6所示。

圖6 鄰近圖像關(guān)系示意圖

圖4 四周向內(nèi)逼近基于上升緣的外輪廓提取

圖5CT掃描圖像與對外輪廓的提取結(jié)果

輪廓的變化是連續(xù)的，同一行或列上三幅輪廓坐標(biāo)變化可視為線性變化。要得到X圖缺失的輪廓坐標(biāo)，只需找到坐標(biāo)線性變化函數(shù)線上的點即可。以列為例，遍歷A、B輪廓圖像第n列，得到非0像素的坐標(biāo)A（n，j）、B（n，q），則X（n，y）坐標(biāo)對應(yīng)的圖像像素值為255。其中

式中：d1為X圖像與A圖像的序列差值，d2為X圖像與B圖像的序列差值。分別在垂直和水平方向上對X圖像進(jìn)行插值修補(bǔ)，經(jīng)過雙向插值后的X圖像如圖7所示。

1.2.5 肝臟CT多期相掃描圖像配準(zhǔn)

造影劑在CT掃描時是以高亮顯示的，肝臟動脈、靜脈等管道與肝實質(zhì)在CT數(shù)值上接近，利用造影劑在不同時間流經(jīng)肝動脈及門靜脈的特點，可很容易獲得肝臟管道圖像。圖8為造影劑流經(jīng)肝臟的CT圖像，其中圖8A中肝實質(zhì)內(nèi)呈現(xiàn)高亮度顯示的是肝動脈，圖8B中高亮度顯示的是門靜脈。

在使用CT圖像進(jìn)行診斷時，對相同位置肝臟不同管道結(jié)構(gòu)的觀察很有必要，主觀觀察不一定能很精確地確定兩組序列中的對應(yīng)圖像。不同期相圖像的配準(zhǔn)，其本質(zhì)是兩組三維圖像之間的配準(zhǔn)。CT掃描是等間距掃描，為減少數(shù)據(jù)計算，可選定一個期相圖像序列中一張二維圖像A為參考圖像，另一期相圖像為浮動待配準(zhǔn)圖像。配準(zhǔn)就是對待配準(zhǔn)的序列圖像數(shù)據(jù)B進(jìn)行變換P，即，找到與A同位置的圖像B'。其中β為圖像A與圖像B'之間的相似函數(shù)取得極大值的變換參數(shù)[5]，包括旋轉(zhuǎn)角度α、平移量（x0，y0）及縮放倍數(shù)σ。

對于近似剛體的胸腹腔輪廓圖像，可使用剛體變換處理圖像后再配準(zhǔn)。剛性變換P包括平移、旋轉(zhuǎn)兩種幾何變換。平移時，以待配準(zhǔn)圖像的中心點為原點（0，0，0），經(jīng)過平移后，截去顯示區(qū)域的圖像，同時使用背景灰度0填充空白區(qū)域以形成新的圖像。設(shè)原圖像上的一點X（x，y，z），圖像水平平移量為tx，垂直平移量為ty，縱向平移量為tz，平移后點X（x，y，z）到達(dá)X'＝（x＇，y＇，z＇）坐標(biāo)處，則X和X'由以下關(guān)系矩陣表示

CT圖像連續(xù)地沿脊柱從上到下掃描，可將三維空間內(nèi)的旋轉(zhuǎn)簡化為二維空間的變換，不需考慮x、y方向的旋轉(zhuǎn)，只考慮z軸方向的旋轉(zhuǎn)。旋轉(zhuǎn)以矩陣表示如下

式中：α為z軸方向的旋轉(zhuǎn)角度。綜上所述，用變換矩陣表達(dá)式可表示為

圖7CT掃描圖像缺陷輪廓、去除小聯(lián)通區(qū)域及插值修補(bǔ)對比圖

圖8 肝臟CT多期掃描圖像

圖像的平移、旋轉(zhuǎn)及比例變換均能在傅里葉變換頻域中反映出來。傅里葉-梅林（Fourier-Mellin，F(xiàn)M）變換的相位相關(guān)法，可通過相位關(guān)系來反映平移量和旋轉(zhuǎn)量，按照旋轉(zhuǎn)不變的理論，兩幅圖像f1（x，y）和f2（x，y）存在剛性變換，在只考慮平移和旋轉(zhuǎn)時可得到

f2（x，y）＝f1（xcos α＋ysin α-x0，-xsin α＋ycos α-y0）式中：α為旋轉(zhuǎn)角度，（x0，y0）為平移量。

若f1和f2對應(yīng)的傅里葉變換分別為F1（u，v）和F2（u，v），它們之間有如下關(guān)系

則其傅里葉變換滿足

從提取F1的幅度可看出，兩圖像頻譜的幅度只與旋轉(zhuǎn)角度α有關(guān)，與平移量（x0，y0）無關(guān)。將兩幅圖像的幅度譜變換至對數(shù)極坐標(biāo)系下有

式中：ρ為極坐標(biāo)下的極半徑，θ為角度，α為圖像A與圖像B'之間的相似函數(shù)取得極大值的旋轉(zhuǎn)角度。

基于非特征的FM變換的圖像配準(zhǔn)算法可對兩幅近似滿足剛性變換的圖像進(jìn)行配準(zhǔn)。配準(zhǔn)參考圖像A從動脈期CT掃描的輪廓圖像序列中選取，另在預(yù)估值之內(nèi)選取連續(xù)的n張靜脈期CT掃描的輪廓圖像B1，B2，…，Bn作為待匹配圖像，分別做FM變換的匹配，得到n組匹配圖像：AB1，AB2，…，ABn。

圖9是截取的3組不同吻合程度的匹配后圖像，參考圖像A作為模板始終保持不變，配準(zhǔn)后的圖像吻合程度明顯不一。因此需要某種標(biāo)準(zhǔn)來衡量匹配的吻合程度以確定其配準(zhǔn)結(jié)果。

2 結(jié)果

2.1 肝臟CT掃描圖像分割與輪廓提取結(jié)果

本實驗中，共分割了320張CT圖像數(shù)據(jù)，其中符合目標(biāo)要求的圖像314張，占全部圖像的98.125%。結(jié)果表明，對外輪廓特征明顯的肝臟CT掃描圖像分割，絕大部分的圖像能達(dá)到預(yù)期的分割效果。相對于Canny算法及其他方法（如閾值法）而言，其分割過程人工介入少，批量分割后的輪廓平滑，成功率及分割精度均較高，有較強(qiáng)的適應(yīng)性，對目標(biāo)輪廓獲取精確，且具有較少的運(yùn)算量。此方法的不足之處是因?qū)Ρ环指顖D像的外輪廓成像質(zhì)量要求較高，會有少量圖像分割后輪廓不連續(xù)，需后續(xù)進(jìn)行修復(fù)。為解決分割不連續(xù)的問題，可采用雙向線性插值方法，利用成像清晰的圖像輪廓對缺陷輪廓進(jìn)行修正填補(bǔ)。

為驗證修補(bǔ)的圖像輪廓與真實輪廓的相似度，選取靜脈期第40、80、120張及動脈期第30、50、80、120張圖像，修改輪廓提取算法，取消對圖像左上角圖像的掃描，提取缺失了左上角四分之一的輪廓圖像；再將經(jīng)雙向線性插值修復(fù)缺失的輪廓與正常提取的輪廓進(jìn)行像素吻合比較（表1），表明其像素吻合率在98.8%以上。證明雖然修復(fù)后圖像不能與原圖像完全吻合，但像素偏移量較少，對配準(zhǔn)的影響有限，可滿足配準(zhǔn)的需要。

表1 正常輪廓與修復(fù)輪廓比較

圖93 組不同吻合程度的匹配后圖像

2.2 配準(zhǔn)圖像的確定及結(jié)果

以FM變換為基礎(chǔ)，可實現(xiàn)圖像的快速對齊配準(zhǔn)。各種變換幾何特征的常見不變量主要有主軸方向、凹凸面積、緊密度、實心度、偏心率、面積、周長、長軸及短軸等[6-7]。根據(jù)肝臟CT掃描圖像輪廓的特點，考慮使用質(zhì)心距離和Hausdorff距離來衡量兩幅圖像的匹配吻合程度。

圖像的質(zhì)心點在圖像的旋轉(zhuǎn)、平移以及添加噪點過程中不會有很大的位置變化。對于區(qū)域圖像，可定義m×n的數(shù)字圖像T的質(zhì)心（x0，y0）為

式中：I（x，y）為該點的灰度值，對于兩幅匹配的圖像，質(zhì)心距離越趨近于0，則越匹配。實驗中，以肝臟靜脈掃描圖像輪廓的第10張為參照圖像A，與經(jīng)過FM變換匹配后的30張圖像B1~B30，分別組成匹配組AB1~AB30，計算每組圖像的質(zhì)心距離。（表2）

表230 張配對圖像的質(zhì)心距離（像素）

從表2可知，AB3匹配組的質(zhì)心距離最短，即靜脈期第10張圖像與動脈期第3張圖像是對應(yīng)的，由此可確定靜脈序列圖像與動脈序列圖像的對應(yīng)關(guān)系。為驗證匹配的正確性，采用Hausdorff距離驗證[8]。

Hausdorff距離主要用于測量兩個點集的匹配程度，可用來描述兩個點集之間的相似程度，其值越小，點集之間匹配得越好[9]。因此本研究使用Hausdorff距離作為對質(zhì)心距離確定的匹配結(jié)果進(jìn)行檢驗。對FM變換后的30組輪廓對，計算Hausdoff距離。（表3）

表330 張配對圖像的Hausdorff距離（像素）

表3顯示，AB3組的Hausdorff距離最短，與通過質(zhì)心距離得到的AB3組匹配最優(yōu)判斷結(jié)果一致。因此動脈掃描圖像的第10張與靜脈掃描圖像的第3張最為匹配，即在掃描過程中同一位置的靜、動脈序列相差7張圖片。

圖10為配準(zhǔn)前對應(yīng)序列的兩幅圖像，可看出兩幅圖像表示的組織器官在空間上的關(guān)系并不一致，是不同斷層上的CT圖像。圖11為配準(zhǔn)后相同位置的兩幅圖像。在17例患者樣本中，除1例患者因CT檢查成像較模糊，出現(xiàn)大量輪廓提取缺失導(dǎo)致配準(zhǔn)失敗外，其余樣本均能配準(zhǔn)。

2.3 配準(zhǔn)后圖像融合結(jié)果

圖10 未配準(zhǔn)時在同一位置上的肝臟CT動、靜脈期掃描圖像

圖11 配準(zhǔn)后對應(yīng)的肝臟動、靜脈期圖像

圖12 肝臟動、靜脈造影原始圖像及融合后圖像

CT掃描圖像只能呈現(xiàn)某一時刻器官的形態(tài)和功能，而不同期相的形態(tài)和功能信息是互為差異、互為補(bǔ)充的。圖像融合技術(shù)能幫助臨床醫(yī)生更加直觀、全面和清晰地診斷，融合后的圖像能同時表達(dá)多幅圖像源的信息，從而提高疾病的檢出率[10]。根據(jù)肝臟CT掃描圖像特點，在配準(zhǔn)的基礎(chǔ)上，首先對同一位置的動、靜脈期CT圖像進(jìn)行小波包分解，然后采用自適應(yīng)算子對小波系數(shù)及分解子圖像進(jìn)行處理，最后進(jìn)行小波包重建；對不同期相對應(yīng)位置圖像進(jìn)行基于小波運(yùn)算和自適應(yīng)算子的圖像算法融合[11]，從而獲得融合圖像。在進(jìn)行融合的過程中，可改變兩幅圖像的小波系數(shù)權(quán)值。

圖12為肝臟動、靜脈造影圖像及對應(yīng)位置圖像小波融合后的結(jié)果，可明顯觀察到肝臟同一位置動脈、靜脈的情況。

3 結(jié)論

隨著越來越多的醫(yī)學(xué)圖像成像設(shè)備的使用與普及，醫(yī)學(xué)圖像在臨床診斷中的作用也越來越大。單張醫(yī)學(xué)圖像的信息是有限的，臨床中往往需要綜合使用多張不同空間、不同時間的圖像，經(jīng)融合后可為醫(yī)生提供多方位的診斷參考，具有較高的臨床應(yīng)用意義。

醫(yī)學(xué)圖像處理是基于醫(yī)學(xué)研究及臨床診斷的需要，弱化與研究目的無關(guān)的部分，強(qiáng)化有價值的圖像要素。醫(yī)學(xué)圖像的分割、配準(zhǔn)是圖像融合的前提，本研究通過分析肝臟CT圖像的特點，找到一種合適的圖像分割、配準(zhǔn)方法，經(jīng)融合處理后的圖像展現(xiàn)了同一位置不同相位期肝臟動、靜脈的情況，可為臨床快速定位病灶區(qū)域、診斷和制定肝外科手術(shù)計劃提供有效參考。

利益沖突無

[1]韓麗萍,尹王保,李月娥.一種有效的濾波尺度自適應(yīng)調(diào)整邊緣檢測方法[J].計算機(jī)工程與應(yīng)用,2005,41(11)：70-71.DOI：10.3321/ j.issn：1002-8331.2005.11.022. Han LP,Yin WB,Li YE.An effective determination of filter scales for edge detection[J].Comput Eng＆Appl,2005,41(11)：70-71. DOI：10.3321/j.issn：1002-8331.2005.11.022.

[2]陳顯毅.圖像配準(zhǔn)技術(shù)及其MATLAB編程實現(xiàn)[M].北京：電子工業(yè)出版社,2009. Chen XY.Image registration technology and MATLAB programming [M].Beijing：Publishing House of Electronics Industry,2009.

[3]楊加,吳祈耀,田捷,等.幾種圖像分割算法在CT圖像分割上的實現(xiàn)和比較[J].北京理工大學(xué)學(xué)報,2000,20(6)：720-724.DOI：10.3969/j.issn.1001-0645.2000.06.015. Yang J,Wu QY,Tian J,et al.The implementation and evaluation of several CT image segmentation algorithms[J].J Beijing Inst Technol, 2000,20(6)：720-724.DOI：10.3969/j.issn.1001-0645.2000.06.015.

[4]劉哲,鄧翔,王廣志.一種用于醫(yī)學(xué)圖像分割算法驗證的模擬圖像生成方法[J].國際生物醫(yī)學(xué)工程雜志,2013,36(2)：97-102.DOI：10.3760/cma.j.issn.1673-4181.2013.02.009. Liu Z,Deng X,Wang GZ.A method of generating synthetic medical image for the validation of segmentation algorithms[J].Int J Biomed Eng,2013,36(2)：97-102.DOI：10.3760/cma.j.issn.1673-4181.2013. 02.009.

[5]Zitová B,Flusser J.Image registration methods：a survey[J].Image Vision Comput,2003,21(11)：977-1000.DOI：10.1016/S0262-8856 (03)00137-9.

[6]胡敏,賀曉佳,王曉華.快速區(qū)域質(zhì)心圖像匹配算法[J].電子測量與儀器學(xué)報,2011,25(5)：455-462.DOI：10.3724/SP.J.1187.2011. 00455. Hu M,He XJ,Wang XH.Fast image matching algorithm with area centroid[J].Journal of Electronic Measurement and Instrument, 2011,25(5)：455-462.DOI：10.3724/SP.J.1187.2011.00455.

[7]Ang YH,Li Z,Ong SH.Image retrieval based on multidimensional feature properties[J].Proc SPIE,1995,2420：47-57.DOI：10.1117/ 12.205317.

[8]Zhang ZJ,Huang SB,Shi ZL.A fast strategy for image matching using Hausdorff distance[C]//Proceedings of the 2003 IEEE International Conference on Robotics,Intelligent Systems and Signal Processing.Changsha：IEEE,2003：915-919.DOI：10.1109/RISSP. 2003.1285709.

[9]Zhang J,Zhao BJ.A Quantitative evaluating method for camouflage efect based on wavelet transform and improved Hausdorff distance [C]//ProceedingsoftheSeventhInternationalConferenceon ElectronicMeasurementandInstruments,Beijing,2005,6：556-561.

[10]吳偉,趙建農(nóng),郭大靜,等.三維肝臟快速容積采集整合陣列空間敏感編碼技術(shù)在肝臟動態(tài)增強(qiáng)掃描中的應(yīng)用[J].中華肝臟病雜志,2008,16(4)：294-297.DOI：10.3321/j.issn：1007-3418.2008. 04.018. Wu W,Zhao JN,Guo DJ,et al.The application of 3D liver acquisitionvolume accelerationintegratedwitharrayspatial sensitivityencodingtechniqueinliverdynamic-enhancement scanning[J].Chin J Hepatol,2008,16(4)：294-297.DOI：10.3321/j. issn：1007-3418.2008.04.018.

[11]楊立才,劉延梅,劉欣,等.基于小波包變換的醫(yī)學(xué)圖像融合方法[J].中國生物醫(yī)學(xué)工程學(xué)報,2009,28(1)：12-16.DOI：10.3969/j. issn.0258-8021.2009.01.003. Yang LC,Liu YM,Liu X,et al.A novel algorithm for medical image fusion based on wavelet packet transform[J].Chin J Biomed Eng, 2009,28(1)：12-16.DOI：10.3969/j.issn.0258-8021.2009.01.003.（收稿日期：2016-02-15）

Research on registration and fusion of CT liver images in artery and vein phase

Wan Zhenhuan,Huang Xiaoyang
Department of Medical Technology,Xiamen Medical College,Xiamen 361008,China(Wan ZH);School of Information Science and Engineering,Xiamen University,Xiamen 361005,China(Huang XY)

ObjectiveTo study the extraction,registration and fusion of the image contour of liver CT scan sequence.MethodsFiltering method was used to remove the noise and enhance the edge of the image,and then the contour of the CT image was extracted.According to the optimal registration parameters,the hepatic arterial phase and venous phase images were registered,and the corresponding relationship between the arterial and venous images was determined.At last,the CT images of the arterial and venous phase were fused.ResultsAfter fusing the corresponding arterial and venous images,condition of liver artery and vein of the same cross section in different phase periods could be observed.ConclusionsFused image can offer richer image information to doctors for diagnosis.

Liver;CT image;Vascellum;Registration;Fusion