0 引言

医学图像按照功能划分可以分为功能图像和解剖图像两大类。功能图像主要用来呈现人体的形态信息，如MRI、CT图像等，解剖图像是描述人体的功能和代谢信息，如PET、SPECT 图像等。这些图像类型提供了多种模态的医学图像，不同模态的图像具有不同的特性，功能图像显示的分辨率不强，但是它可以提供解剖图像不能提供的脏器功能的代谢信息；而解剖图像能够很好的显示脏器的解剖信息，并且分辨率较强，这一点又是功能图像无法比拟的。

目前，多模态医学图像融合需要解决较多的技术难题，并且面临着非常大的挑战。首先，融合方法具有局限性，不能普遍适应于多种图像融合，尚未形式一套完整的融合理论和统一的融合模型；其次，由于不同模态医学图像成像机制不同，导致不同的图像具有不同的格式、大小、质量，所以，医学图像的预处理工作严格、繁琐，非常需要提出性能稳定且融合效果较好的融合方法；最后，融合完成后，没有统一的医学图像评价指标，医生只能通过肉眼和自身的经验去选择不同算法融合后的图像。在客观评价方面的标准也是采用现成的评价指标，并没有结合医学图像自身的特点形成合适的评价指标。针对以上医学图像融合技术中存在的问题，急需要研究出新的有效的融合方法和合适的评价指标来解决问题。

1 医学图像融合基本流程

多模态医学图像融合通常分为四步：分别是图像预处理、图像配准、图像融合、融合结果评价。融合流程图如图1所示。

图1 图像融合基本流程

图像预处理主要是将输入的源图像进行噪声滤除和几何校正等操作。一般来说，功能图像噪声较大，只有对其进行滤波和增强操作，才能获得使用者满意的图像[1]。

图像配准就是在两幅图像间建立一一对应关系，把实际物理空间中同一位置的点对应起来，忽略其在其他方面的差异。图像配准包括基于区域的图像配准和基于特征的图像配准。

图像配准是为图像融合服务，最终融合后的图像不仅能够保留源图像的显著信息，而且可以增加不同源图像的互补信息，使融合后的图像能够提供完整、准确的信息，从而消除单一源图像的局限性。

目前融合结果评价主要分为主观评价和客观评价。

2 医学图像融合的关键技术

多模态医学图像融合[2]就是将不同模态的图像信息整合汇总到一张图像中，使融合后的图像能够包含更直观、更综合、更准确的信息。下面介绍融合过程中的三个关键技术。

2.1 图像融合对象的选择

⑴CT图像

CT 即X 线计算机断层摄影，是Computed Tomography 的缩写。CT 是Hounsfield1969 年设计成功，于1972 年公诸于世。与X 线成像原理不同，CT 是通过X线束对人体层面扫描，获得信息，然后使用计算机处理，得到重建图像。得到的重建图像是断面解剖图像，在密度分辨力方面比X线图像好。CT也大大促进了医学影像学的发展。

⑵MRI图像

MRI 也就是磁共振成像，英文全称是：Magnetic Resonance Imaging。最初这项技术被称为核磁共振成像，1980 年初NMR（核磁共振成像，NMR Imaging）一词逐渐被大众知晓。随着大磁体的安装，有人担心NMR 中的字母“N”代表的单词“nuclear”容易使人们将核磁共振成像与核医学联系起来。因此，为了告诉大众这项技术不会产生电离辐射，减少人们的担心，研究者将“核磁共振成像术”省略了汉字“核”更名为“磁共振成像”英文缩写为“MRI”。

⑶PET图像

PET 成像即正电子发射断层显像，是Positron Emission Tomography 的缩写。PET 是核医学领域比较先进的成像技术，也是当前唯一可以反映活体分子代谢的新型造影技术。该技术是某种物质用短寿命的放射性元素标记后注入人体，通过对该物质在代谢中的聚焦来判断生命代谢活动的情况，将这种聚焦特点用图像来反映就得到了PET图像。PET图像能显示人体的代谢功能信息，但是分辨率较低，在细节信息显示方面较差。

通常是将CT 图像与MRI 图像进行融合，将CT 图像和PET 图像进行融合从而扬长避短，分别发挥两幅图像的优势弥补两幅图像的不足。

2.2 医学图像融合方法的选择

目前，多模态医学图像融合算法大致分为两类，分别是基于变换域的融合算法和基于空间域的融合算法[3]。

2.2.1 基于变换域的医学图像融合算法

文章来源：《医学信息》 网址: http://www.yxxxbjb.cn/qikandaodu/2021/0216/1140.html