不同扫描范围的PET与CT医学图像如何完成插值对齐处理

你当前使用的sitk.Resample(imagePET, ctImage)仅能将PET直接映射到CT的空间网格上，未对两者不重叠的扫描范围做逻辑对齐，因此会出现有效区域错位、范围外无效像素干扰插值效果的问题。针对体素尺寸、扫描范围均不一致的医学图像重采样对齐，标准处理流程如下：

处理步骤 #

• 提取图像全量空间属性：通过SimpleITK读取的PET、CT图像自带原点、体素间距、方向矩阵、数组尺寸四类物理坐标属性，处理全程不要提前转换为numpy数组，避免丢失空间信息导致错位。
• 计算公共有效扫描范围：分别计算PET、CT在X/Y/Z三个轴上的物理坐标起止值，取各轴的交集作为后续重采样的有效范围，完全排除两张图像不重叠的无效区域。
• 构造统一重采样参考网格：根据实际需求选定输出的体素间距（需匹配CT分辨率就用CT的间距，需保留PET原始分辨率就用PET的间距），结合公共范围计算对应的输出数组尺寸、输出原点。
• 执行重采样操作：分别对PET、CT执行重采样，对齐到同一参考网格，根据模态特性设置合理的填充值和插值方法。

示例代码 #

import SimpleITK as sitk

def get_physical_range(image):
    # 计算单张图像的三维物理坐标起止范围
    size = image.GetSize()
    spacing = image.GetSpacing()
    origin = image.GetOrigin()
    end_coord = [origin[i] + size[i] * spacing[i] for i in range(3)]
    return origin, end_coord

# 1. 计算两张图像的公共物理范围
pet_origin, pet_end = get_physical_range(imagePET)
ct_origin, ct_end = get_physical_range(ctImage)
common_origin = [max(pet_origin[i], ct_origin[i]) for i in range(3)]
common_end = [min(pet_end[i], ct_end[i]) for i in range(3)]

# 2. 定义重采样输出属性，本示例以对齐CT分辨率为例
out_spacing = ctImage.GetSpacing()
out_direction = ctImage.GetDirection()
# 计算输出图像的数组尺寸
out_size = [
    int(round((common_end[i] - common_origin[i]) / out_spacing[i])) 
    for i in range(3)
]

# 3. 初始化重采样器
resampler = sitk.ResampleImageFilter()
resampler.SetOutputSpacing(out_spacing)
resampler.SetOutputOrigin(common_origin)
resampler.SetOutputDirection(out_direction)
resampler.SetSize(out_size)
resampler.SetTransform(sitk.Transform())
resampler.SetInterpolator(sitk.sitkLinear)

# 4. 重采样PET，超出范围默认填充0
resampler.SetDefaultPixelValue(0)
resampled_pet = resampler.Execute(imagePET)

# 5. 如需将CT也裁剪到公共范围，修改填充值后重采样CT即可
resampler.SetDefaultPixelValue(-1024)
resampled_ct = resampler.Execute(ctImage)

补充说明 #

• 若业务要求保留CT的原始数组维度无需裁剪，可直接用CT的原点、尺寸、间距、方向作为重采样的参考参数，无需计算公共范围，超出CT扫描范围的PET区域会自动填充为默认值，不会出现有效区域突出错位的问题。
• 头颈部PET-CT数据通常存在非单位的方向矩阵，重采样时必须保留方向参数，否则会出现空间层面的轴向错位。

内容的提问来源于stack exchange，提问作者Jakub Mitura