数字放射成像的基本物理学/计算机

计算机广泛应用于放射学的许多领域。我们的主要应用是数字放射成像的显示和存储。本章介绍了通用计算机的基本描述，概述了通用数字图像处理器的设计，并简要介绍了数字成像，然后介绍了一些更常见的图像处理应用。

在考虑这些主题之前，需要对计算机处理信息的形式以及支撑计算机发展的技术进行一些一般性的评论，以便将讨论置于一个背景下。

二进制表示

如今使用的几乎所有计算机都基于对以二进制数形式编码的信息的处理。二进制数只能取两种值之一，即 0 或 1，这些数字被称为二进制数 - 或者用计算机术语来说是位。当一段信息表示为一系列位时，该序列被称为字，当该序列包含八位时，该字被称为字节 - 字节在当今被广泛用作表示二进制编码信息量的基本单位。此外，大量编码信息通常用千字节、兆字节、吉字节等来表示。重要的是要注意，由于信息的二进制性质，这些前缀的含义略有不同于它们的传统含义。因此，计算机术语中的千表示 1024 个单位 - 1024（或 2¹⁰）是最接近一千的 2 的幂。因此，1 千字节指的是 1024 字节信息，1 兆字节指的是 1024 乘以 1024 字节，依此类推。

为了将图像存储在计算机中，需要对图像信息进行二进制编码。然而，医学中使用的大多数成像设备生成的的信息可以取预设限制之间的一系列连续值，即信息是以模拟形式存在的。因此，当将图像输入到计算机时，必须将这种模拟信息转换为二进制编码所需的离散形式。这通常是通过使用一种称为模数转换器 (ADC) 的电子设备来实现的。

现代计算机的发展几乎完全依赖于 20 世纪后半叶在材料科学和数字电子学方面取得的重大进展。这些发展使高度复杂的电子电路能够压缩成称为集成电路的小型封装。这些封装包含微小的硅（或其他半导体材料）碎片，经过专门制造以执行复杂的电子过程。这些硅碎片通常被称为硅片或微芯片。在芯片的电路中，高电子电压可以用来表示数字1，而低电压可以用来表示二进制数字0。因此，该电路可用于处理以二进制数形式编码的信息。

这些电子元件的一个重要特点是电路中不同部分的两个电压电平可以非常高速地变化。这使得计算机能够快速地处理二进制信息。此外，现代集成电路的微小尺寸使得能够制造出物理尺寸非常小且不会产生过量热量的计算机 - 以前的计算机占满了整个房间，需要冷却，因为它们是用较大的电子元件（如阀门和晶体管）建造的。因此，现代计算机能够安装在桌面上，例如，在不需要特殊空调的环境中。此外，使用大规模生产方法制造集成电路的能力导致了成本的大幅下降 - 这促成了这项技术在 21 世纪初向手机/计算机市场的爆炸式发展。

值得注意的是，鉴于该领域正在进行的快速发展，本章中的信息很可能在本章阅读时发生变化。因此，这里讨论的重点是通用概念 - 读者应该注意，当前的技术和方法可能与这里描述的不同。此外，请注意，本章中提及任何硬件或软件产品并不表示支持该产品，其在本次讨论中的使用纯粹是为了说明目的。

通用计算机

下图显示了通用计算机的主要硬件组件的框图。该图说明了计算机由一条称为总线的中央通信路径组成，专用电子组件连接到该路径。下面简要描述了这些组件中的每一个。

通用计算机组件的框图。

• 中央处理单元 (CPU): 这通常基于称为微处理器的集成电路。它的作用是充当计算机的大脑，在这里解释和执行指令，以及处理数据。CPU 通常包含两个子单元 - 控制单元 (CU) 和算术逻辑单元 (ALU)。控制单元用于解释包含在计算机程序中的指令以及执行这些指令。例如，这些指令可能用于将信息发送到计算机的其他组件以及控制这些设备的操作。ALU 主要用于使用数学技术（例如，数字的加法或乘法）以及逻辑决策来处理数据。
• 主存储器：通常由大量集成电路组成，用于存储计算机用户当前需要的資訊。电路一般分为两种类型 - 随机存取存储器（RAM）和只读存储器（ROM）。RAM 用于短期存储資訊，它是一种易失性存储器，因为当计算机电源关闭时，其資訊内容会丢失。其内容也可以快速擦除 - 并快速填充新的資訊。另一方面，ROM 是非易失性的，用于永久存储计算机操作基本方面所需的資訊。
• 辅助存储器：用于以永久或可擦除的形式存储資訊，以便更长时间使用，即，对于用户当前不需要但可能在以后阶段有用的一些資訊。用于辅助存储器的设备类型很多，包括 硬盘、CD-ROM 和 闪存驱动器。
• 输入/输出设备：用于用户控制计算机，通常由 键盘、视觉显示器 和 打印机 组成。它们还包括一些设备，如 鼠标、操纵杆 和 触控板，这些设备用于增强用户与计算机的交互。
• 计算机总线：它由计算机组件的通信通道组成，其功能与 中枢神经系统 类似。通过总线通信的資訊类型包括指定数据、控制指令以及存储和检索資訊的内存地址。正如预期的那样，计算机的操作速度取决于这种通信链路的工作速度。这种速度必须与其他组件的速度兼容，例如 CPU 和主存储器。
• 软件：计算机技术不仅仅是电子硬件。为了使电子组件组合能够工作，需要以数据和计算机指令的形式提供資訊。这种資訊通常被称为 软件。计算机指令通常包含在计算机程序中。计算机程序的类别包括

• 操作系统：用于操作计算机和管理计算机的各种资源。操作系统 的示例包括 Windows、MacOS X、Linux 和 UNIX；
• 应用软件包：供计算机的常规用户使用。这些软件包包括用于 文字处理（例如 MS Word）、电子表格（例如 MS Excel）、数据库（例如 FileMaker Pro）、图形（例如 Adobe Illustrator）和 数字图像处理（例如 OsiriX）的程序 - 以及用于操作特定数字图像接收器的软件；
• 编程软件包：用于编写计算机 程序。用于编写程序的常见 计算机语言 的示例包括 Fortran、C 和 Java。为了编写这样的程序，还需要一些额外的软件，这些软件可以包括

• 一个 文本编辑器，用于将程序的文本写入计算机（类似于用于文字处理的程序）；
• 一个 子程序 库 - 这是用于操作特定常见功能的小程序；
• 一个 链接器，用于将用户编写的程序链接到子程序库；
• 一个 编译器，用于将用户编写的程序转换为可以被计算机直接解释的格式，即，用于以数字格式编码指令。

数字图像处理器

用于数字图像处理的计算机通常包含一些专门的组件，除了通用计算机中使用的组件外。由于图像中包含了大量的資訊，因此需要高容量的存储介质以及非常高速的通信和数据处理能力，因此需要这些专门的组件。

数字图像处理器的组件框图。黄色部分是通用计算机的组件。

数字图像处理包括图像数据的处理和分析。图像处理的一个例子是计算机对图像的增强，以便更清晰地显示微妙的特征。图像分析的一个例子是提取表示正在研究的解剖区域某些功能方面的指标。大多数数字放射成像系统提供了广泛的图像处理功能，以及有限范围的图像分析功能。

下图显示了一个通用数字图像处理器。图中底部的黄色组件是通用计算机的组件，如上所述。数字图像处理组件是连接到图像数据总线的那些组件。下面简要介绍了每个额外的组件。

• 成像系统：这是产生主要图像資訊的设备，即图像接收器和相关的电子设备。成像系统通常在物理上与图像处理器的其他组件分离。成像系统产生的图像資訊被馈送到数字图像处理器的图像采集电路。数字图像处理器到成像系统的连接通常也存在，用于控制成像系统操作的特定方面，例如在透视成像系统中移动 C 形臂和患者台。
• 图像采集：此电路用于将成像系统产生的模拟資訊转换为二进制数字形式。用于此目的的设备类型称为模数转换器（ADC）。图像采集设备还可以包括电路，用于处理数字化数据以校正图像数据中的任何像差。可用于此目的的电路类型称为输入 查找表。这种数据处理的一个例子是数字放射成像中的对数图像变换。
• 图像显示：此设备用于将数字图像转换为适合显示的格式。图像显示单元还可以包括电路，用于处理显示的图像以增强其外观。可用于此目的的电路类型称为输出查找表，这种数据处理的示例包括窗口化。图像显示组件提供的其他图像处理形式可以包括图像放大和在一个屏幕上显示多个图像的能力。该设备还可以允许用患者姓名和与患者检查相关的详细信息对显示的图像进行标注。
• 图像存储器：这通常由一定容量的 RAM 组成，足以存储用户当前感兴趣的多个图像。
• 图像存储：这通常由磁盘组成，其容量足以存储大量用户当前不感兴趣的图像，这些图像可以在需要时传输到图像存储器。
• 图像 ALU：这由专门用于处理图像数据的 ALU 组成。它通常用于相对简单的计算，例如数字减影血管造影 ( DSA ) 中的图像减法以及通过对一系列图像进行平均来减少噪声。
• 数组处理器：它由专门用于更复杂地处理图像数据，并且比图像 ALU 速度更快的电路组成。它通常包含一个额外的 CPU 以及专门的高速数据通信和存储电路。它可以被视为一台单独的专用计算机，其设计以牺牲操作灵活性为代价来提高计算速度。这种增强的速度是通过以并行方式操作数据的能力提供的，而不是像通用计算中所采用的顺序处理那样，尽管随着多核 CPU等的发展，这种区别正变得越来越不明显。例如，该组件用于计算快速傅里叶变换，以及在锥束 CT中的重建计算。
• 图像数据总线：该组件由专门针对图像数据设计的超高速通信链路组成。

请注意，上面描述的许多功能如今已封装在一个称为图形处理单元（GPU）的设备中，并已集成到许多计算机设计中，例如iMac 计算机。

数字图像

图像数字化通常包含两个同时进行的过程——采样和量化。这两个过程通常同时发生，并将在下面简要描述。

当对一个原始图像（包含一个中心暗区，亮度向周边递增）进行数字化，且 N=8 且 G=4（即 m=2）时，得到的数字图像的示意图。

图像采样是在数字化图像中空间信息时使用的过程。它通常是通过将图像分割成一个正方形或矩形的采样点阵列来实现的，参见下图。每个采样点被称为像素元素——或像素，用计算机术语来说。虽然在 DR 图像接收器的背景下，也使用探测器元素或 del 一词。当然，像素或 del 的数量越多，数字化的图像的空间分辨率就越接近于通过患者传输的辐射模式的空间分辨率——参见下图，面板 (a) 和 (b)。

该过程可以概括为将图像数字化为一个 N x N 的像素数据阵列。N 的值示例包括 1024（用于血管造影图像）和 3,000（用于数字放射照片）。

请注意，每个像素并不代表图像中的一个点，而是代表离散矩阵的一个元素。水平和垂直轴上的距离不再是连续的，而是以离散的步长进行，每个步长由像素大小给出。像素越大，空间分辨率越差，因为像素内没有显示细节，而且在像素边界会显示出灰度不连续（像素化）——参见图中的面板 (b)。空间分辨率随着像素变小而提高，像素化感知上的缺失给观看者带来了空间连续图像的印象。

像素大小对于足够的图像数字化至关重要。为了捕获精细的细节，需要以足够的采样频率 f_s对图像进行采样。理论上，该频率由奈奎斯特-香农采样定理给出，该定理表明它应该至少是图像中最高空间频率 f_max的两倍，即

f_s ≥ 2 f_max

因此，例如，当数字成像仪的像素大小为x mm 时，可以充分表示的最高空间分辨率由以下公式给出

f_N = (2 x)^-1 线对/mm。

其中 f_N 被称为奈奎斯特频率。

一条线对包含一条放射不透明材料的带和一条放射透明材料的带，它们具有相同的宽度，我们将在下一章中看到。简单来说，至少需要两个像素才能充分地表示一条线对。因此，当一个 43 cm x 43 cm 的图像接收器被数字化为 3,000x3,000 像素时，可以充分表示的最高频率约为 3.5 LP/mm。当图像包含高于此频率的频率时，它们在数字化时会欠采样，并以数字图像中较低的频率信息出现。这被称为混叠，并导致虚假频率出现，这些频率与实际高于奈奎斯特频率的频率一样低于奈奎斯特频率。换句话说，高频率在采样频率周围折叠回来，在数字图像中以低于 f_N 的频率出现。

在实践中，几乎所有数字图像在某种程度上都存在欠采样现象。例如，可以使用比理论最优值略大的像素大小，这将允许大部分频率内容被充分地数字化。请注意，当对精细的重复图案（例如分辨率测试物体）进行成像时，会发生明显的混叠伪像，并可能导致莫尔图案。在数字化之前对模拟图像进行滤波，以消除更高空间频率的内容，可以用来减少这种效应。请注意，当使用数字图像接收器时，如果使用静止栅格，也会发生混叠效应，这是因为栅格线和图像矩阵之间存在干扰。因此，栅格间距至少应为 70 线/cm。

以 (a) 256x256x8 位、(b) 32x32x8 位、(c) 256x256x2 位的图像分辨率显示的数字化胸部放射照片。

图像量化是用于数字化图像中亮度信息的过程。它通常是通过用一个整数值来表示像素的亮度来实现的，该整数值与亮度成正比。该整数被称为“像素值”，系统可以处理的可能像素值的范围被称为灰度级。自然地，灰度级越高，数字化的图像中的亮度信息就越接近原始图像——参见下图，面板 (a) 和 (c)。该过程可以被认为是将图像亮度数字化为 G 个灰度级。G 的值取决于信息编码的二进制性质。因此，G 通常是 2 的整数次幂，即 G=2^m，其中 m 是一个整数，它指定存储所需的位数。G 的值示例包括 1,024 (m=10)（用于透视检查）、2,048 (m=11)（用于血管造影）和 4,096 (m=12)（用于数字放射照片）。请注意，模拟图像中的亮度与其在数字图像中的像素值之间微小的差异被称为量化误差，并且在 G 较大时误差更小。

以数字格式表示图像所需的位数 b 由以下公式给出

b = N x N x m。

因此，一个 512x512x8 位的图像代表 0.25 兆字节的存储内存，而一个 3,000x3,000x12 位的图像代表约 13 兆字节的存储内存。因此，存储数字放射照片需要相当大的计算机内存，并且在操作大量此类数据时，处理时间可能相对较长。数字图像的这一特性导致需要专门用于图像数据的硬件，这些硬件与通用计算机的组件是分开的——尽管这种区别可能会随着未来技术的发展而消失。

数字图像处理

可以使用数字图像处理器操作数字放射照片中的维度是那些涉及图像亮度和空间表示变化的维度。图像亮度调整包括对比度增强和直方图处理，而空间调整包括空间频率和空间域处理。我们将在下面分别考虑这些方面。

对比度增强

图 5.5：用于对比度增强 256 个灰度级（即 m=8 位）图像的灰度级变换。在本例中，未处理的数据被变换，使得所有像素值小于 50 的像素显示为黑色，所有像素值大于 150 的像素显示为白色，所有像素值介于 50 到 150 之间的像素显示为中间灰度级。

对比度增强是一种广泛使用的图像处理形式，在整个医学成像中都有应用，并将用作基本方法的示例。这种处理形式（通常称为窗口化）将在下面进行描述，它是一种灰度级变换，其中实际像素值被替换为新的像素值，用于显示目的。该过程通常是在图像显示组件的输出查找表部分执行的——参见图 5.2。因此，图像内存中的原始数据不会受到该过程的影响，因此从操作角度来看，可以轻松地检索原始图像数据，以防获得不令人满意的输出图像。此外，该过程可以使用现代电子技术以极高的速度实现，因此，同样从操作角度来看，用户交互是可能的。

图 5.5 显示了一个可用于对比度增强的查找表 (LUT) 示例。该过程通常由数字图像处理器的控制台上两个控件控制——电平和窗口。应注意，这些控件的名称及其确切的操作方式在不同的系统中可能存在差异，但这里描述的一般方法足以满足我们的目的。从图中可以看出，电平控制着低于该值的阈值，所有低于该阈值的像素将显示为黑色，窗口控制着类似的阈值，用于白色输出。同时使用这两个控件可以应用可变宽度的灰度级窗口，该窗口可以放置在灰度级的任何位置。因此，图像中的细微灰度级变化可以得到增强，从而使它们以更高的清晰度显示——参见图 5.6。

图 5.6：对比度增强应用于手腕放射照片的示例：（a）未处理图像，(b) 窗口和电平已调整，(c) 反转灰度级。

图 5.7：细微对比度增强曲线的示例。

更复杂的查找表可用于实现更细微的效果。图 5.7 展示了高纬度和低纬度显示的示例，还展示了反转灰度，其中可以优先增强暗像素，并抑制亮像素。

查找表也可用于以伪彩色显示灰度图像。这在 3D 可视化 中特别有用，例如，可以使用从黄色到红色逐渐过渡的颜色尺度来显示骨骼和组织。可以使用 颜色查找表 (CLUT) 生成此类颜色尺度。

直方图处理

对比度增强也可以通过操纵图像的统计直方图来实现，如图 5.8 所示。 直方图 是图像中每个像素值的出现频率图 - 请参见面板 (a) 中的示例，其中此频率被绘制为像素值的函数。可以看出，来自手部黑色周围环境的像素由低像素值处的峰值表示。还可以看出，表示骨骼和组织衰减的像素值形成一个较宽的较低频率范围，延伸到略高于灰度级的二分之一。事实上，可以看出“L”标记的像素在 75 的像素值处形成一个孤立的突起。请注意，此处使用的术语频率不应与我们在讨论 傅立叶技术 时一直使用的术语空间频率混淆。

操纵此类直方图数据可用于对比度增强，方法是重新分配像素值以生成例如对灰度级更好的利用。 直方图均衡化 的过程如图 5.8 的面板 (b) 以及其直方图（面板 (c)）所示。可以看出，该过程加宽了频率分布，使其现在跨越灰度级的全部范围。还要注意，该过程可以生成缺失的像素值：操纵此类直方图数据可用于对比度增强，方法是重新分配像素值以生成例如对灰度级更好的利用。 直方图均衡化 的过程如图 5.8 的面板 (b) 以及其直方图（面板 (c)）所示。可以看出，该过程加宽了频率分布，使其现在跨越灰度级的全部范围。还要注意，该过程可以生成缺失的像素值。

图 5.8(a)：上面图中面板 (c) 中图像的像素值直方图。

图 5.8(b)：对比度均衡化后的腕部X射线照片。

图 5.8(c)：对比度均衡化后的X射线照片的直方图。

空间频率处理

傅立叶方法用于数字图像处理以增强图像细节的显示。此处操纵 2D-FFT，以便在显示的图像中增强某些空间频率，例如，增强特征周围环境的显示，例如 边缘增强。使用此技术还可以抑制特征以生成图像细节的平滑效果，以减少其突出程度和图像噪声的斑点外观。一般过程如图 5.9 所示。它涉及使用快速傅立叶变换 (FFT) 将图像数据变换到空间频率域，通过应用空间频率滤波器操纵这些频率，然后使用逆快速傅立叶变换 (IFT) 将数据重新变换回空间域。定义滤波器的参数会产生不同的效果。

图 5.9：傅立叶滤波过程的说明。

图 5.10 更详细地展示了傅立叶滤波。图 5.6 中的腕部/手部X射线照片再次用于此说明。您可能还记得，它的 2D FFT 在 之前的章节 中进行了讨论。该滤波器以二维图像的形式显示在图中的面板 (c) 中。可以看出，图像数据围绕中心是对称的（即 各向同性），其中它的像素值相对较低。在这个中心暗区之外，一圈明亮的像素值主导着图像，因为像素值缓慢地向外围下降。通过此图像的幅度剖面如图 5.10 的面板 (d) 所示，以进一步说明效果。该滤波器可用于通过将其乘以滤波器值来修改 2D-FFT，例如，形成一个经过滤波的 2D-FFT - 如面板 (e) 所示。然后，此数据的逆快速傅立叶变换 (IFT) 会揭示经过滤波的图像 - 请参见面板 (f)。鉴于某些空间频率被放大，而另一些则被抑制，这种类型的滤波器被称为 带通滤波器。

图 5.10：傅立叶滤波：(a) 腕部的X射线照片，(b) 此图像的 2D-FFT，(c) 以二维形式显示的滤波器，(d) 通过此滤波器的一维剖面，(e) 将 2D-FFT 乘以滤波器值的结果，以及 (f) 经过滤波的 2D-FFT 的 IFT。

请注意，空间频率滤波器也可以归类为 低通滤波器（提供图像平滑效果）和 高通滤波器（提供边缘增强）。此处，图中面板 (d) 中所示的滤波器函数将具有允许低频或高频被突出显示，而高频或低频分别被抑制的形式。可以控制突出显示和抑制频率之间的转换的参数是

• 发生转换的值，称为 截止频率，例如，以及

• 转换变化的速率 - 突然或逐渐 - 称为滤波器函数的阶数或幂。

空间域处理

类似的增强效果也可以使用空间域处理来生成，即不使用傅立叶方法。此处，滤波器通常定义为掩模，该掩模由一个小的二维值数组组成，用于修改图像中每个像素的值。右侧显示了一个 3x3 像素掩模，其中 W₁ 到 W₉ 代表用于像素修改过程的加权因子。

W1	W2	W3
W4	W5	W6
W7	W8	W9

在此基础上，每个像素的值与其最近的相邻像素的值相结合，以形成经过滤波的图像，如图 5.11 所示。该过程有时被称为图像卷积，掩模被称为卷积滤波器或核。请注意，可以根据应用定义更大的掩模，例如 5x5、9x9 加权因子数组。

图 5.11：空间滤波的说明：(a)-(c) 可用于平均、边缘增强和边缘检测的 3x3 像素掩模示例；(d)-(f) 使用类似内核处理的腕部X射线照片。

图 5.12：不锐化掩蔽过程的说明。

其他可使用的空间定义滤波器有

• 高斯滤波器：使用形成高斯函数形状的大内核提供图像平滑效果，
• 中值滤波器：用自身及其相邻像素的中值替换每个像素，
• 最大滤波器：用自身及其相邻像素的最大值替换每个像素，以及
• 最小滤波器：用自身及其相邻像素的最小值替换每个像素。

不锐化掩蔽

不锐化掩蔽 是一种也可用于图像增强的技术。此处，模糊版本的图像使用加权因子 W 从原始图像中减去，该因子可以控制边缘增强的程度 - 请参见图 5.12。边缘增强的效果类似于使用空间或傅立叶滤波器实现的效果，如图 5.13 所示。

图 5.13(a)：边缘增强。

图 5.13(b)：不锐化掩蔽。

临床应用中存在更复杂的流程，以上讨论仅用于传达基本原理。现代 CR 和 DR 系统整合了复杂的、多阶段的流程，这些流程分析空间频率内容（例如使用 FFT），并以类似于音频均衡器的方式调节不同空间频率频段的灰度，例如多尺度图像对比度放大 (MUSICA)和增强可视化处理 (EVP)。多频处理允许根据图像特征的对比度、尺寸和背景亮度来增强和抑制图像特征。结果是图像数据的协调，例如在胸部 X 光片中显示出更透明的纵隔，以及改善低对比度细节的可视化。这些算法的改进已被证明在临床应用中非常有用。此外，还可以应用诸如自适应直方图均衡之类的过程来均衡图像不同区域的对比度。通常还提供其他功能，例如为图像呈现目的自动添加黑色周围蒙版。

注意，还需要在图像接收器级别应用其他图像处理，其中包括

• 对数变换，以校正指数 X 射线衰减，并进行增益和偏移校正，
• 暗场校正，以克服像素间灵敏度变化，以及
• 中值滤波，以抑制坏像素的影响。

坏像素是制造过程中出现的缺陷像素，无法避免。它们对图像的影响可能很明显，尽管它们的数量通常很少。可以使用中值滤波进行补偿。所有其他像素对彼此的响应略有不同。可以通过使用均匀曝光获得的参考图像对图像进行暗场校正来校正这种影响。对数变换校正衰减，并通常按比例缩放到所需的图像亮度。

可以通过空间处理（例如中值滤波）和时间域处理来减少图像噪声。例如，可以对图像的时间序列进行平均，以生成噪点明显减少的单个图像。这些技术的更多细节可以在后面的章节中找到。

图像分割

许多形式的图像分析都需要识别图像中的结构和物体。图像分割是通过将属于同一物体的像素分组来将图像划分为不同区域的过程。已经开发出两种通用的方法

阈值定义

图 5.13.5：左侧是阈值查找表，右侧是阈值化双峰分布。

在这里，将图像的某些属性与固定或可变阈值逐像素比较。一个简单的例子是灰度阈值，其中应用了图 5.13.5 左侧面板所示形式的查找表 (LUT)，并且阈值 T 的值可以交互调整。

当图像包含单个定义明确的物体或一组具有相似像素值的物体叠加在具有显著不同像素值的背景上时，这是一种有用的技术。但是，当物体彼此靠近时，灰度阈值化会遇到困难，例如心腔。直方图分析可以用作替代方法，其中根据像素值的出现频率对其进行阈值化，如图中的右侧面板所示。其他替代方法包括在应用 CLUT 时对颜色进行阈值化，监视示踪剂或对比介质在图像区域中的到达时间，以及分析感兴趣物体中像素邻域的像素值变化。

区域生长

图 5.13.6：区域生长：在左上角面板中识别了 CT 扫描中的感兴趣物体。指定了该物体的像素值范围以突出显示结果区域（右上角面板），识别区域的边界（左下角面板）或将物体提取到另一幅图像中（右下角面板）。

这种技术利用了图像物体的两个特征

• 物体的像素往往具有相似的像素值，以及
• 同一物体的像素是连续的。

一种常见的技术是首先在物体中定义一个起始像素，然后根据特定标准测试相邻像素，以将其添加到不断增长的区域中。例如，该标准可以基于像素值考虑因素（如图 5.13.6 所示），或者基于物体的预期尺寸或形状。

请注意，当图像数据包含一组连续的断层扫描切片时，这种方法可以很容易地扩展到在三维空间中生长区域。

3D 可视化

例如，来自计算机断层扫描 (CT) 的 3D 图像数据可以被认为是大小相同的体素立方体，每个体素都有不同的体素值。以下将使用这种观点来说明在二维计算机屏幕上呈现这种 3D 数据的各种选项。请注意，在 3D 可视化中应用的“重建”一词与从投影中进行 CT 重建时使用的含义不同。

轴向投影

我们将考虑的第一种技术是一种相对简单的技术，称为轴向投影。它涉及整合多个轴向图像以显示一个复合图像，该复合图像呈现了该图像数据量的三维印象。该技术有时被称为厚层或Z 投影。

图 5.14 说明了一系列 Z 投影方法的结果，右下角显示了一个单一切片作为参考。左上角的第一幅图像显示了对 16 个切片进行求和的结果，同一行中的其他两幅图像显示了计算这些切片的平均值和中值的结果。

图 5.14：CT 扫描中 16 个轴向切片的 Z 投影范围，右下角显示了一个参考单一切片。

第二行中的前两幅图像显示了所谓的最大强度投影 (MIP) 和最小强度投影 (MinIP) 的结果，分别。MIP 评估体积中每个体素线上的每个体素，以确定最大体素值，并使用为每条线确定的值形成图像。MinIP 使用最小体素值，如图 5.15 所示。

图 5.15：穿过 8 个轴向切片的单个体素线，说明了左侧 MIP 的最大体素值确定，以及右侧 MinIP 的最小值确定。

图 5.14 底部行中的前两幅图像显示了体积渲染投影。这种图像合成方法涉及将不透明度函数应用于体素数据以及对结果数据进行递归加法。形式为

C_n = A_n + B_n

其中

• A_n = (α).(体素 n 的体素值)，

 

• B_n = (1-α).(体素 n-1 的体素值)，以及

 

• α = 不透明度，范围为 0（即完全透明）到 1（即完全不透明），

 

应用于每条体素线，如图 5.16 所示。

该图显示了我们之前使用过的体素线，右上角有一个不透明度表。所示的不透明度函数是，其中将零不透明度应用于低于阈值水平的体素值，将不透明度的线性增加应用于中间范围的体素值，并将最大不透明度应用于高体素值。不透明度表有点像我们之前描述过的用于灰度窗口的查找表之前，该函数应用于体素值的透明度而不是它们的灰度级。请注意，也可以应用比我们上面图形中使用的更复杂的不透明度表，例如对数函数和指数函数。

图 5.16 的下半部分显示了计算合成体素的体积渲染值的步骤。体素值显示在顶行，每条体素的不透明度值（来自粗略的不透明度表）显示在第二行。第三、第四和第五行详细说明了使用我们上面的体积渲染方程计算的 A、B 和 C 的值。最终的体素值是通过对底行求和获得的，并将结果归一化为，比如，256 级灰度级。

这种处理方式的结果是生成一个包含视觉深度线索的图像，其原理是类似的体素值将以类似的透明度显示，而最靠近参考切片的体素将比来自更远切片的体素具有更强的贡献。此外，请注意，每条线中的所有体素值都对渲染的图像有贡献，这与仅有有限数量的体素对 MIP 或 MinIP 图像有贡献形成对比。体积渲染会产生 3D 效果，如图 5.14 所示。

图 5.16：体积渲染过程的示意图。

请注意，体积渲染可以从远端切片到近端切片应用，如图所示，也可以反过来，即从近端切片到远端切片应用。因此，图 5.14 中使用了向上体积渲染和向下体积渲染这两个术语。

适用于单个患者研究的轴向投影方法类型取决于与诊断过程相关的解剖和/或功能信息。例如，让我们考虑对上述九个示例图像中的对比剂填充血管进行成像的情况。请注意，MIP 可以用于直观地展现患者肺部血管床。然而，这种投影几乎没有深度信息，因此重叠和底层的血管可能会遮挡目标血管中可能存在的病变。因此，这种轴向投影形式在血管造影中的应用仅限于血管重叠不是问题的研究。体积渲染图像中包含体素透明度和深度加权解决了 MIP 处理的这一限制。

最后需要注意的是，这种图像投影形式也可以应用于数据立方体的其他平面，而不是轴向平面，我们将在下一节中讨论。

多平面重建

在最简单的情况下，多平面重建 (MPR) 涉及生成相对于轴向切片堆栈呈直角的视角，以便生成冠状面和矢状面图像。在本节中，我们将首先描述这些正交投影，然后再考虑它们的同步复合显示。我们还将描述此主题的三个变体：倾斜重建、曲线重建和集成三维显示。

冠状面重建

在此，图像堆栈被旋转，使得 z 轴变为垂直方向，并使用从患者的前表面到后表面排列的平行体素平面重建一系列图像。

来自我们图像数据的冠状面重建以动画形式显示在图 5.17 中。

这里，重建的切片通常从患者的前表面显示到他们的后表面，患者的头朝向切片的顶部，他们的左手侧位于切片的左侧。

图 5.17：来自 CT 肺血管造影 (CTPA) 研究的重建冠状面切片的动画序列。

图 5.18：来自 CT 肺血管造影 (CTPA) 研究的重建 (从左到右) 矢状面切片的动画序列。

矢状面重建

通过对图像堆栈进行额外的旋转，可以实现矢状面重建，从而生成患者从左到右的切片序列，如图 5.18 所示。

这里，重建的切片通常从患者的左侧显示到右侧，头部朝向顶部，前表面朝向切片的左侧。请注意，使用数据附加几何变换还可以生成从右到左的矢状面堆栈。

复合 MPR 显示

冠状面和矢状面重建被称为正交 MPR，因为生成的视角来自彼此成直角的图像数据平面。可以生成复合 MPR 显示，以便使用链接的光标或十字线从所有三个视角定位一个感兴趣点，如图 5.19 所示。

图 5.19：来自 CT 研究的轴向和矢状面重建，蓝色线定义了冠状面 MIP。

倾斜重建

通过在体素数据中定义倾斜平面，可以实现倾斜 MPR，如图 5.20 所示。

在这里，可以例如在轴向图像（左上角红色线）中定义平面，并显示重建平面（右侧）的最大强度投影（使用的限制由蓝色线突出显示）。当尝试生成视角时，该技术非常有用，在这些视角中，三维结构的可视化由于重叠的解剖细节而变得复杂。

图 5.20：包含倾斜 MIP 的 CT MPR。

曲线重建

曲线 MPR 可用于重建更复杂的视角，如图 5.21 所示。

这里，可以在轴向图像（左侧面板）中放置一条曲线（以绿色突出显示），以定义一个沿 z 方向延伸通过体素数据的曲面，并且可以将来自此数据体的素重建成二维图像（右侧面板）。请注意，可以生成比图示更复杂的曲线，例如，可以隔离主要血管的三维走行，或者可以对 CT 头部扫描进行平面化，以用于正畸应用。

图 5.21：左侧 CT 扫描的轴向切片，其中有一条曲线（以绿色突出显示），用于定义右侧的重建。

图 5.22：3D 正交 MPR 旋转序列。

3D 多平面重建

MPR 主题的最后一个变体是生成一个三维显示，显示组合在一起的所有三个正交投影，以便一个定义的感兴趣点定位平面的交点，如图 5.22 所示。

出于说明目的，交点位于图中体素数据的中心。通常可以使用交互式控件将其放置在 3D 数据中的任何点。此外，还可以交互式地操作用于旋转序列的视角，以改善感兴趣区域的可视化。请注意，图示的图像序列只是可以生成的无数视角中的一种。还要注意，切片投影（例如 MIP）可以与这种显示形式结合使用，以提供对感兴趣特征的额外视角。

最大强度投影

我们之前在轴向投影的背景下描述了最大强度投影 (MIP)，其中针对平行穿过投影切片厚度的线确定最大体素值。当将此计算应用于体素数据周围的连续角度时，可以生成一系列此类图像。一个简单的序列是围绕水平平面旋转 360 度的序列，如图 5.23 的左侧面板所示，其中对患者周围每隔 9 度进行最大强度投影，并将生成的 40 幅图像编译成一个重复的、时间（例如，电影）序列。

请注意，3D MIP 从 CT 扫描中衰减最强的区域获取信息（因为CT 值直接取决于线性衰减系数），因此它描绘了骨骼、对比介质和金属，几乎没有来自周围衰减较低的组织的信息。因此，它已在3D 血管造影和介入放射学中得到应用。还要注意，连续观看旋转 MIP 序列可能会产生令人不适的效果，其中旋转方向似乎周期性反转 - 这可能是感知振荡的一个方面。上图右侧面板中所示的透视 MIP 可以通过提供可用于引导持续视觉检查的空间线索来减少这一限制。

图 5.23：CT 扫描的 3D MIP：使用平行投影（左侧）和透视投影（右侧）的水平旋转序列。

透视投影可以通过从用于生成平行投影的平行线更改为体素线来生成，这些体素线从体积后面一个明显的点发散，距离足以使显示器的观察者将图像数据的较近特征可视化为相对于更深特征而言更大 - 请参见图 5.24。请注意，它在原理上与使用像一般放射照相一样的小源的投影成像有些相似。

图 5.24：使用体素数据和投影图像观察者的眼睛的概化侧视图来说明平行（左侧）和透视（右侧）投影。

体积渲染

体积渲染可以以如上所述的 MIP 连续旋转方式应用于体素数据，如图 5.25 所示。显然，它比 MIP 提供了更优质的显示。

图 5.25：3D 体积渲染平行投影（左侧）和透视投影（右侧）。

请注意，可以对比增强体积渲染，例如，通过体素值进行阈值处理以消除较低衰减的表面，如图 5.26 所示。

图 5.26：通过体素值范围逐步应用的 3D VR 对比增强，从左上到右下面板。

此外，颜色查找表 (CLUT) 可以变化以突出显示特定兴趣的特征，如图 5.27 中的一组图像所示。有大量的 CLUT 可用，这里所示的四个仅用于说明目的。

图 5.27：使用四个不同 CLUT 的 3D 体积渲染。

图 5.28：使用四个不同不透明度表的 3D 体积渲染。

不透明度表的影响如图 5.28 所示，该图显示了 (从左上到右下) 线性、指数、对数和非线性函数的效果。

关于体积渲染的最后一个值得注意的特征是，可以应用 3D 编辑技术来排除不需要的特征，并暴露出内部结构。如图 5.29 所示，正交框架的平面可以移动以仅在一个方向上裁剪体素数据，例如，以显示主动脉 (右上)，或者在多个方向上裁剪以检查移植的肾脏 (右下)，作为第二个示例。

图 5.29：带有裁剪框架的 3D 体积渲染。

表面渲染

图 5.30：表面渲染的示意图。

表面渲染也称为阴影表面显示 (SSD)，它涉及从 3D 数据中具有相似体素值的区域生成表面。

该过程涉及根据以下假设显示可能存在于 3D 体素数据中的表面：对象的边缘可以预期具有相似的体素值。一种方法是使用灰度阈值技术，其中一旦在投影线上遇到阈值，就会提取体素——参见图 5.30。然后使用三角形对提取的体素进行细分，如上图右面板所示——使用恒定值填充三角形，并在模拟固定虚拟光源的效果的基础上应用阴影——如上图左面板所示。

可以将不透明度表应用于结果，以便可以可视化内部特征的表面，如图 5.31 所示。这里，使用区域增长技术对患者气道的轴向 CT 数据进行了分割，并将结果使用表面渲染进行处理，左面板显示完全不透明，右面板显示降低了不透明度 (30%)

图 5.31：3D SSD：不透明和透明显示。

请注意，当不透明度降低时，可以识别出每个肺的内部特征。还要注意，持续查看这种类型的透明度显示会产生明显的图像旋转反转，类似于上面提到的 3D MIP。克服这种问题的一种方法是，例如，对每个肺进行分割，并将结果混合，如图 5.32 所示。

图 5.32：3D SSD：对每个肺进行分割后的混合。

虚拟内窥镜

在这里，可以将虚拟相机放置在 3D 图像数据中，以从内部视角生成内部表面的图像。例如，该技术可用于虚拟结肠镜检查，以生成与光学结肠镜检查程序中生成的图像有些类似的图像。可以使用三个 MPR 视图来定义虚拟相机的定位和方向，并且可以将此类图像的序列混合以提供穿过感兴趣区域的虚拟飞行。此类电影也可以从内部和外部相机位置生成，以产生 3D 图像数据的虚拟游览，如下图所示。

通过混合来自大量视角的 VR 图像生成的电影。

图像存储和分发

通用 PACS 的基本元素。来自模态的图像被发送到短期 RAID 存储并同时存档。通过高速局域网可以访问图像，该局域网将图像分发到临床和诊断工作站，以及到 Web 服务器以分发到远程站点。（术语表：NM：核医学；US：超声；HIS：医院信息系统；RIS：放射科信息系统；RAID：独立磁盘冗余阵列）。

图像归档和通信系统 (PACS) 通常基于专用计算机，该计算机可以访问存储在不同成像模态的数字图像处理器中的数据，并将这些数据以高速传输到报告工作站、远程查看控制台、存档存储介质以及其他计算机系统，无论是在设施内还是在远程位置——参见下图。

PACS 环境通常包含以下功能

• 不同医学成像设备、工作站和计算机之间交换图像数据的标准化方式。 医学数字成像与通信 (DICOM) 标准被广泛使用。
• 与放射科信息系统 (RIS) 对接，而 RIS 又与医院信息系统 (HIS) 对接。整合医疗保健企业 (IHE) 倡议用于促进此类数据传输。
• 高质量图像显示设备——参见之前讨论。
• 用户友好的工作站，在工作站上以临床直观的方式显示和操作图像。
• 在整个设施（包括病房、手术室、诊所等）以及远程位置高效地分发图像。
• 图像传输时间短，在支持临床决策的时间范围内。因此，广泛使用具有Gbit/s 传输速度的高速网络。
• 档案存储高达T字节，提供非当前图像文件的检索。

DICOM 标头文件的一小部分。

DICOM 标准图像包含一个称为标头文件的文件，其中包含有关患者、检查和图像数据的相关信息——下图显示了其中一个部分的示例。请注意，在本例中，图像数据指的是手/腕图像，该图像以 2,920x2,920 像素的尺寸存储，每个像素的大小为 0.1 毫米。此外，还显示了默认窗口显示设置。此外，可以使用图像压缩的形式，即无损，它保留图像数据的保真度，或者有损，它为了图像传输速度而降低保真度。标头文件中还可以包含许多其他参数。

PACS 的主要优势与所有计算机化环境共有的易用性、便利性和准确性因素有关。