学习笔记：关于医学图像配准，以及腹部 CT、X线、MRI等图像的一些问题 持续更新

本文记录一些学习上的问题和思考

有帮助的博客：

掌握这篇，晋级腹部 CT 影像高手 - 丁香园 (dxy.cn)

肠壁增厚的CT诊断 - 知乎 (zhihu.com)

关于肠道扩张，您可能不知道的诊断技巧_小肠 (sohu.com)

人体八大系统之消化系统_百科TA说 (baidu.com)

(1条消息) 医学图像中的atlas代表什么_atlas 分割_XL_Dylan的博客-CSDN博客

医学图像配准技术综述 - 知乎 (zhihu.com)

医学图像数据集集锦(附下载) - 知乎 (zhihu.com)

有用的视频：

【系统解剖】：如何识别大肠和小肠？结肠袋、结肠带和肠脂垂_哔哩哔哩_bilibili

关于大肠的小知识~_哔哩哔哩_bilibili

重要的论文——未作笔记的部分：

来自不同组织切片的光学显微和红外光谱图像的多模态配准：结肠癌的应用 - ScienceDirect

仰卧位到俯卧位结肠登记和基于最佳质量传输的可视化 - ScienceDirect

腹部CT图像中多器官分割技术从传统学习到深度学习的演变–系统评价 - ScienceDirect

Medical image registration using unsupervised deep neural network: A scoping literature review - ScienceDirecthttps://arxiv.org/ftp/arxiv/papers/2204/2204.11341.pdf

使用深度神经网络的医学图像配准：综合综述 - ScienceDirect

尤其是上面两篇综述，基本覆盖了最新的22年前的DL配准方法。

下面是一些将形状先验&解剖学约束引入图像处理的论文：

用于3D可变形医学图像配准的渐进式解剖学约束深度神经网络 - ScienceDirect

基于CNN的肺部CT配准，具有多种解剖学限制 - ScienceDirect

将先前的解剖学信息明确纳入胸部和腹部 CT 以及 18-FDG 全身发射 PET 图像的非刚性配准中 |IEEE 期刊和杂志 |IEEE Xplore

通过形状先验重新思考医学图像重建，更深入更快：深度关节间接配准与重建 - ScienceDirect

2303.17967v1.pdf (arxiv.org)

腹部图像的复杂性：以下图片转载自掌握这篇，晋级腹部 CT 影像高手 - 丁香园 (dxy.cn)

以下图片转载自​​​​【系统解剖】：如何识别大肠和小肠？结肠袋、结肠带和肠脂垂_哔哩哔哩_bilibili

 关于大肠的小知识~_哔哩哔哩_bilibili

以下图片转载自关于肠道扩张，您可能不知道的诊断技巧_小肠 (sohu.com)

 

 

 

 

 

问题

Q1 大肠CT图像可以反映大肠的褶皱吗？

可以，大肠CT图像可以反映大肠的褶皱。CT图像可以显示大肠的褶皱，但是褶皱的形态和数量会因为肠道的扩张、收缩、肿瘤等因素而发生变化。

Q2 肠壁炎症可能发生在肠道的任何地方，但最常见于大肠。大肠发炎称为结肠炎。

注意：用腹部平片鉴别结肠炎的不同病因是不可能的；但请记住，溃疡性结肠炎只累及大肠，而Crohn和感染可能影响胃肠道的任何地方，缺血性肠病通常会影响一个特定的血管区（如肠系膜上动脉供应区或肠系膜下动脉供应区）。

Q3 图谱一词是指与其结构CT扫描图像相对应手动分割和标记的图像。图集本身可以被认为是一个带标签的图像。解剖图像图谱与受试者对齐以提取器官形状、位置、外观等。参看博客(1条消息) 医学图像中的atlas代表什么_atlas 分割_XL_Dylan的博客-CSDN博客

如何生成图谱？生成图谱的方法有很多种。它可以由单个或大量图像构建。首先，从给定数据集中随机选择一个图像作为参考图像。该选定的参考图像将被配准到目标图像上以构建概率图谱。所有剩余的图像都与此参考图像对齐，该图像可以直接使用，也可以平均。此平均图像用于执行分割。分割后的图像被视为图集。在一些研究中，引用多个图像来生成图集。除此之外，选择单个图像作为参考在图集构建中是非常重要的，因为如果所选个体不能完全代表整个人口，那么就会偏向所选目标，因此不适合其他目标。此偏斜图集将错误分类体素并降低精度。需要生成无偏的图谱以进行有效分割。无偏图谱可以通过取人口的平均值或中位数，或者通过找到最接近人口平均值的个体，或者通过将图谱收敛到人口平均值的方式来构建。

Q4 在配准领域，大脑和心脏分别是最常见的器官，头颈部和全身的研究较少。选择大脑作为最常见的器官的原因可能是它被头骨包围，导致更简单和更快的对齐程序，而且兴趣结构通常在MRI和CT等不同模式下更明显，从而产生更精确和准确的验证程序。

Q5：目前图像配准的情况如何？截图自：https://arxiv.org/ftp/arxiv/papers/2204/2204.11341.pdf

大脑和视网膜图像的最短运行时间分别为0.0027s和0.021s（到达实时的要求）；大脑MSI图像的最佳平均DSC为97%（比人类标注效果更好）大脑MRI图像则在90上下，

 腹部的情况：截图自TransMorph: Transformer for unsupervised medical image registration - ScienceDirect

 

 DeedsBCV方法：Proceedings of VISCERAL Challenge at 2015 IEEE ISBI (ceur-ws.org)

Q5 将解剖学约束引入的科学依据？摘自：将先前的解剖学信息明确纳入胸部和腹部 CT 以及 18-FDG 全身发射 PET 图像的非刚性配准中 |IEEE 期刊和杂志 |IEEE Xplore特别是在胸部和腹部图像中。人们需要补偿位于这些区域的器官的弹性性质，运动，解剖学和代谢活动方面的巨大主体内变异性以及两种获取技术背后的不同物理性质，以实现两种类型信息的结合。所有这些因素加起来会导致相应结构之间高达10厘米的位移。....我们的配准方法需要一组同源结构，这些结构可以牢固地定位在胸部/腹部发射PET和CT图像中。在与医学专家讨论的基础上，我们最终选择细分以下结构：皮肤、骨骼、肺、肾和肝。获得上述解剖结构的准确、全自动分割本身就是一项艰巨的任务，特别是对于功能图像。幸运的是，分割准确性不是本申请的优先事项，因为在拟议的注册程序中，分割错误不会传播到最终注册结果。关键是，如果检测到更多的器官，那么结果会更好，因为我们对整个体积有更多的限制。但是这些器官的分割不需要非常准确。通常，在我们的方法中，几毫米的分割误差并不重要。事实上，基于强度的第二个配准阶段将能够纠正它们。总之，信息量很重要，但其准确性并不重要。因此，分割过程将侧重于速度和可靠性，而不是准确性。