ExamWise
115年:核醫診療(2)

PET-MRI 影像定位，需使用各種技術檢視像素強度直方圖（pixel intensity histogram），下列何者除外？

Across-correlation
Bvariance minimization
Centropy minimization
Dthin-plate splines

詳細解析

本題觀念

PET-MRI 影像定位（image registration）是把功能性 PET 與解剖性 MRI 對齊，讓同一個空間位置的訊號可以互相對照。兩種影像的灰階與生理意義不同，不能只要求像素值完全相同，因此常以對應像素的強度關係、強度變異或強度分布建立相似度準則，再由最佳化程序尋找最適合的空間位置。cross-correlation、variance minimization 與 entropy minimization 都是在評估影像強度資料的關係或分布；thin-plate splines 則是描述影像如何變形的空間轉換模型，層次不同。

選項分析

  • A cross-correlation：正確。 交叉相關比較兩組對應像素值的變化關係，會利用影像強度之間的統計相關性，作為判斷 PET 與 MRI 是否更接近對齊的相似度指標。在不同位置反覆計算後，可以找出相關性較佳的配準結果，因此屬於強度型配準準則。

  • B variance minimization：正確。 變異數最小化是觀察對應位置的 PET 強度差異或變異程度，透過降低這些強度變化，讓兩套影像的對應關係更一致。它的計算核心仍是像素強度及其統計變化，而不是直接指定某個解剖部位的幾何形狀，所以可歸入強度相似度的比較方式。

  • C entropy minimization：正確。 熵反映強度分布所包含的不確定性。影像配準時，可以從邊際直方圖或聯合強度直方圖計算熵，藉由最小化適當的熵準則，或最大化相對應的資訊相似度，尋找較好的 PET-MRI 對齊位置。這類方法的資料來源仍是像素強度分布，因此符合題目所說的直方圖檢視技術。

  • D thin-plate splines：錯誤，為本題除外。 thin-plate splines 是薄板樣條轉換，主要用途是依據地標點或稀疏對應點建立非剛性變形場，並以平滑性與彎曲能量控制影像的空間扭曲。它回答的是「影像要如何彎曲、拉伸及插值」的幾何問題，不是「像素強度直方圖有多相似」的統計問題；即使它可以和相似度指標搭配使用，角色仍屬空間變形模型。

答案解析

本題的判斷關鍵是分辨「相似度量」與「幾何轉換模型」。cross-correlation、variance minimization、entropy minimization 都直接利用對應像素值、強度變異或強度直方圖來評估目前的配準品質；最佳化程序可依這些數值調整平移、旋轉或其他參數。PET/MRI 的多模態配準常使用邊際與聯合強度直方圖衍生的統計量，因為 MRI 灰階和 PET 放射性示蹤劑分布不是同一種物理量，不能簡單以逐像素灰階相等作為唯一標準。

thin-plate splines 位於另一個模組：它把控制點的對應關係轉成連續、平滑的非剛性變形，用來處理器官形狀或個體差異造成的空間不一致。配準流程中可以先以某種強度相似度找到對齊方向，再用薄板樣條完成局部變形；但「能被搭配使用」不等於「本身檢視像素強度直方圖」。因此依官方答案，除外的是 D thin-plate splines。

核心知識點

  • 影像配準可拆成兩個概念：相似度量負責評估目前對齊得好不好，轉換模型負責決定影像如何移動或變形。
  • cross-correlation 著重對應強度的相關性；variance minimization 著重降低對應強度的變異；entropy 相關方法則由強度分布或聯合直方圖計算統計資訊。
  • thin-plate splines 是 landmark-oriented 的非剛性轉換與插值方法，核心是平滑變形及彎曲能量，不是強度直方圖相似度。
  • 遇到多模態 PET-MRI 題目，先確認選項是在描述強度相似度、最佳化目標，還是在描述空間變形；這個分類通常比背誦單一名詞更能排除干擾選項。

參考資料

  1. Automated three-dimensional registration of magnetic resonance and positron emission tomography brain images by multiresolution optimization of voxel similarity measures. https://pubmed.ncbi.nlm.nih.gov/9029539/
  2. An MRI-based Attenuation Correction Method for Combined PET/MRI Applications. https://pmc.ncbi.nlm.nih.gov/articles/PMC3653447/
  3. Medical image alignment based on landmark- and approximate contour-matching. https://pmc.ncbi.nlm.nih.gov/articles/PMC8652578/
  4. TPS-HAMMER: improving HAMMER registration algorithm by soft correspondence matching and thin-plate splines based deformation interpolation. https://pubmed.ncbi.nlm.nih.gov/19878724/
了解本站架構