醫學影像處理與分割

醫學影像是非破壞性觀察體內與腦內靜態結構及動態功能的媒體。藉由醫學影像的分析及視覺化,我們可以獲得器官、組織、及神經的特性,提供體內病灶臨床診斷及腦部認知研究之用。醫學影像種類繁多;例如,超音波 (ultrasound, Doppler angiography, 3D power Doppler angiography)、斷層掃描 (CT, spiral CT)、核磁共振 (MRI, fMRI, diffusion MRI)、正電子斷層掃描 (PET)、及單光子斷層掃描 (SPECT) 等影像。各類型影像各有其獨特性、適用性、及缺點,因此我們常要對這些影像進行強化處理;例如,雜訊去除、強化對比。

有時我們要從多種不同性質影像各自取得個別資訊再整合分析,因此我們要做影像融合 (fusion)、混合分解分析 (unmixed analysis)等。有時要獲得更準確及更逼真的結果,我們要對各種不同影像進行分割 (segmentation) 及重建三維器官模型 (model reconstruction)。更有時要了解腦部動態功能,我們要以視覺化方式展現分析結果。

醫學影像的研究重點在於醫學影像的處理、分析、與視覺化。我們所規劃的主題包含:(1) 以小波轉換及 Teager’s operator 為基礎的影像強化技術,(2) 以小波轉換及關聯式隱藏馬可夫樹模式 (contextual hidden Markov tree (CHMT) model) 去除超音波、旋進式斷層掃描 (spiral CT)及核磁共振影像的附加雜訊 (additive noises) 與正電子斷層掃描及單光子斷層掃描影像中的乘績雜訊 (multiplicative noises)(3) 小波轉換及追蹤法 (tracking) 擷取多重解析度邊線 (multiresolution edge extraction)(4) 以貝氏決策等階集合 (Bayesian-risk level set) 法擷取器官或腫瘤輪廓(5) 以小波轉換及關聯式隱藏馬可夫樹模式做影像區塊分割 (segmentation of homogeneous regions)(6) 以小波轉換及主成份分析法融合 (fuse) 功能性影像 (functional images) 及結構性影像 (structural images),及 (7) 以線性混合分析法 (unmixed analysis method) CT, MRI (T1, T2, and PD), fMRI, PET, SPECT 影像中分解組織成份

|

 

部份研究成果:雜訊去除邊線偵測與追蹤階集合法做腫瘤輪廓擷取

 

參與研究人員:石明于、陳耀添、陳怡萍

 

影像分割範例

   

    (a) 原始 VHD 影像。      (b) 分割結果。       (c) 邊線偵測結果。

 

影像雜訊去除範例

   

    (a) 原始雜訊影像。                 (b) HMT 方法的結果

 

          (c) uHMT 方法的結果。   (d) 我們的 CHMT 方法的結果

 

 

邊偵測範例

 

(a) 原始影像.                  (b) 真正的邊.              (c) Canny 偵測結果.       (d) 我們的結果.

 

階集合法做腫瘤輪廓擷取

核磁共振 (MRI) 影像。

斷層掃描 (CT) 影像。

     

超音波 (ultrasound) 影像。