上個世紀在醫療成像領域中，在技術上所達到的進展，在於非侵入診斷創造了前所未有的機會，並確立醫療成像作為醫療健康系統的組成部分。代表這些進步的主要創新領域之一，就是醫療影像處理的跨學科領域。
此一快速發展的領域，涉及從原始資料擷取到數位圖像傳輸的廣泛流程，而這些流程是現代醫療成像系統中完整資料流程的基礎。如今，這些系統在空間和強度維度方面提供越來越高的解析度，以及更快的採集時間，從而產生大量優質的原始圖像資料，必須正確處理和解讀這些資料才能獲得準確的診斷結果。本文將重點介紹醫療影像處理的關鍵領域，考慮特定成像模式的環境，並討論該領域的主要挑戰和趨勢。
醫療影像處理核心領域
目前有許多概念和方法運用於構建醫療影像處理領域，這些概念和方法側重於其核心區域的不同方面，如圖1所示。這些方面形成此領域的三個主要過程：圖像形成、圖像運算和圖像管理。圖像形成過程由資料擷取和圖像重構步驟組成，用於解答數學反演問題。圖像運算的目的是提高重構圖像的可解讀性並從中取得與臨床相關的資訊。最後，圖像管理處理所擷取圖像，以及派生資訊的壓縮、存檔、檢索和傳輸等。
圖1 圖1 醫療影像處理中主題類型的結構分類醫療影像處理中主題類型的結構分類
圖像形成
如上所述，圖像形成過程由資料擷取和圖像重構步驟組成，用於解答數學反演問題。
圖像形成的第一個必需步驟是採集原始成像資料。該資料包含有關描述身體各內部器官的擷取物理量的原始資訊。這些資訊成為所有後續影像處理步驟的主要主題。
不同類型的成像模式可以利用不同的物理原理，由此涉及不同物理量的探測。例如，在數位射線照相(DR)或電腦斷層掃描(CT)中，它是入射光子的能量；在正電子發射斷層掃描(PET)中，是光子能量及其探測時間；在磁共振成像(MRI)中，是由激發原子發射的射頻訊號的參數；而在超音波中，則會是回聲參數。
但是，無論是哪種類型的成像模式，資料擷取過程都可以細分為物理量的探測，還包括將物理量轉換為電訊號、對採集的訊號進行預處理，以及物理量的數位化。圖2表示所有這些步驟均適用於大多數醫療成像模式的一個通用框圖。
圖2 資料擷取過程的通用框圖
圖像重構是利用擷取的原始資料形成圖像的數學過程。對於多維成像，該過程還包括以不同角度或不同時間步驟捕獲的多個資料集的組合。這部分醫療影像處理解決的是反演問題，這是該領域的基本主題。用於解決這類問題的演算法主要有兩種：分析和反覆運算。
分析法的典型示例包括廣泛用於斷層掃描的濾波反投影(FBP)；在MRI中尤為重要的傅立葉變換(FT)；以及延時疊加(DAS)波束成形，這是超音波檢查中一種不可或缺的技術。這些演算法在所需的處理能力和運算時間方面精巧而高效。然而，它們基於理想化模型，因此有一些明顯的局限性，包括它們無法處理諸如測量雜訊的統計特性和成像系統物理等複雜因素。
反覆運算演算法則克服了這些局限性，極大地提高了對雜訊的不敏感性以及利用不完全原始資料重建最優圖像的能力。反覆運算法通常使用系統和統計雜訊模型，基於初始目標模型利用假設係數運算投影，運算出的投影與原始資料之間的差異定義用於更新物件模型的新係數。使用多個反覆運算步驟重複此過程，直到將映射估計值和真值的代價函數最小化，從而將重構過程融入最終圖像。
反覆運算法有很多種，包括最大似然期望最大化(MLEM)、最大後驗(MAP)、代數重建(ARC)技術以及許多其他目前廣泛應用於醫療成像模式的方法。
圖像運算
圖像運算涉及對重建成像資料的運算和數學方法，用於取得臨床相關資訊。這些方法用於成像結果的增強、分析和視覺化。
圖像增強優化圖像的變換表示，以提高所包含資訊的可解讀性。其方法可細分為空間域和頻域技術。空間域技術直接作用於圖像圖元，對於對比度優化特別有用。這些技術通常依賴於對數、長條圖和冪律變換。頻域方法採用頻率變換，最適合於透過應用不同類型的濾波器對圖像進行平滑和銳化。
利用所有這些技術可以減少雜訊和不均勻性、優化對比度、增強邊緣、消除偽像，以及改善對後續圖像分析及對其精確解讀至關重要的其他相關特性。
圖像分析是圖像運算中的核心過程，它使用的各種方法可分為三大類：圖像分割、圖像配準和圖像量化。
圖像分割過程將圖像分割為不同解剖結構的有意義輪廓。圖像配準可確保多個圖像正確對齊，這對於分析時間變化或組合使用不同模式擷取的圖像特別重要。量化的過程決定了所識別結構的性質，如體積、直徑、成分和其他相關的解剖或生理資訊。所有這些過程都直接影響到成像資料的檢查品質和醫學結果的準確性。
視覺化過程將圖像資料呈現為在定義的維度上以特定形式直覺地表示解剖和生理成像資訊。透過與資料直接交互，可以在成像分析的初始階段和中間階段進行視覺化(例如，協助分割和配準過程)，並在最後階段顯示優化的結果。
圖像管理
醫療影像處理的最後一部分涉及對所擷取資訊的管理，包括用於圖像資料儲存、檢索和傳輸的各種技術。制定了若干標準和技術，用於處理圖像管理的各個方面。例如，醫療成像技術圖像存檔與傳輸系統(PACS)提供對來自多種模式的圖像的經濟儲存和存取，而醫學數位成像和通訊(DICOM)標準用於儲存和傳輸醫療圖像。圖像壓縮和串流傳輸的特殊技術高效地實現了這些任務。
醫療成像挑戰/趨勢
醫療成像是一個相對保守的領域，從研究過渡到臨床應用通常可能需要十多年的時間。然而，它的性質複雜，在其構成科學學科的各個方面都面臨著多方面的挑戰，這穩定地推動了新方法的不斷發展。這些發展，代表了在當今醫療影像處理核心領域可以確定的主要趨勢。
圖像採集領域受益於為提高原始資料品質和豐富其資訊內容而開發的創新硬體技術。整合式的前端解決方案可實現更快的掃描時間、更精細的解析度和先進的架構，如超音波/乳房X光、CT/PET或PET/MRI組合系統。
快速高效的反覆運算演算法取代了分析法，越來越多地用於圖像重構。它們能顯著改善PET的圖像品質，減少CT中的X射線劑量，並在MRI中進行壓縮檢測。資料驅動的訊號模型正在取代人工定義的模型，基於有限或雜訊資料為反演問題提供更好的解決方案。代表圖像重構趨勢和挑戰的主要研究領域包括系統物理建模和訊號模型的開發、優化演算法以及圖像品質評估方法。
隨著成像硬體捕獲越來越多的資料，演算法變得越來越複雜，人們迫切需要更高效的運算技術。這個巨大的挑戰可透過更強大的圖形處理器和多處理技術解決，為從研究過渡到應用提供全新的機會。與圖像運算和圖像管理此一轉變相關的主要趨勢和挑戰涵蓋許多主題，其中一些主題如圖3所示。
圖3 當今醫療圖像運算中的主要趨勢主題示例
與所有這些主題相關的新技術不斷發展，縮小了研究與臨床應用之間的差距，促進了醫療影像處理領域與醫師工作流程的整合，確保實現更準確、更可靠的成像結果。因應此趨勢，半導體業者如ADI也提供解決方案，用以滿足對資料擷取電子設計提出的最嚴苛的醫療成像要求，包括動態範圍、解析度、準確性、線性度和雜訊。以下列舉幾個專為確保原始成像資料最高初始品質而開發的此類解決方案的案例，如專為DR應用設計了帶256通道的高度整合的類比前端ADAS1256，以及具有線性度的多通道資料擷取系統ADAS1135。另外，多通道ADC經過優化後具有出色的動態性能和低功耗，可滿足PET要求；流水線ADC為MRI提供出色的動態性能；而低功耗特性整合式接收器前端則專為要求小尺寸封裝的低成本、低功耗的醫療超音波應用而設計。
醫療影像處理框架簡化判讀流程
醫療影像處理是一個非常複雜的跨學科領域，涵蓋從數學、電腦科學到物理學和醫學的眾多科學學科。本文試圖提出一個簡化、但結構良好的核心領域框架，此框架代表該領域及其主要主題、趨勢和挑戰。其中，資料擷取過程是第一個也是最重要的領域之一，它定義了醫療影像處理框架所有後續階段中使用的原始資料的初始品質水準。
(本文作者任職於ADI)