医学图像弹性配准中弹性模型的建立

医学图像配准是医学图像处理中的一个重要研究课题，它是图像融合、图像与标准图谱的匹配、显微图像的重建等研究的基础。图像的配准方法有多种，它们可以分为刚性和弹性配准两大类。相对于刚性配准，弹性配准有着更高的精确性，而对于变形大的图像的配准，它是必须的。因此弹性配准的研究有着广泛的意义。本文根据图像的特征，结合弹性力学的理论和方法，建立了一种用于精确配准的弹性数学模型，并用这一模型进行图像的弹性配准，取得了较好的效果。     

基于流体映射模型的医学图像弹性配准

为了实现约束条件下的非刚性匹配,引入流体映射模型,以两组反映待配准图像轮廓信息的对应控制点集,对头颅,肝,脾等各种器官进行弹形匹配.流体模型借用了流体运动中流体的相互关系的数学模型,通过寻求控制点集的最优变换轨迹,以实现图像各象素点相互制约的平滑变形.实验结果证明,无论是对小变形还是大变形图像的弹性配准,使用流体映射模型都能取得良好的配准效果.     

用无约束优化薄板样条实现平滑的医学图像弹性配准

医学图像弹性配准是医学图像处理的一个重要研究方向。目前采用的方法多是手动选择对应标记点，然后用薄板样条插值方法计算配准变换。由于对应点的选取总是存在误差，所以配准的准确性受到影响，而且手动选点操作繁杂、耗时大。为此，我们根据最优化理论，改进了薄板样条插值方法，并在此基础上采用了一种自动标记点选择方法。将这两者结合，我们得到了一种自动、准确、鲁棒性好的配准方法，运用此方法进行医学图像的弹性配准，得到了更好的结果。     

基于关键点的超声图像与磁共振图像多分辨率离散优化配准方法

脑肿瘤手术规划及术中，术前磁共振（MR）图像与术中超声（US）图像的配准甚为关键。考虑到两种模态图像具有不同密度范围及分辨率，且超声图像存在较多的斑点噪声干扰，采用一种基于局部邻域信息的自相似性上下文（SSC）描述子定义图像之间的相似性测度。将超声图像作为参考，使用三维微分运算提取其中角点作为关键点，并采用密集位移采样离散优化算法实施配准。整个配准过程分为仿射配准和弹性配准两个阶段，在仿射配准阶段，对图像进行多分辨率分解，在弹性配准阶段，采取最小卷积和均值场推理策略对关键点的位移向量进行正则化处理。对22名患者的术前MR和术中US图像进行配准实验，仿射配准后的误差为（1.57±0.30）mm，每对图像配准平均耗时1.36 s；弹性配准后的误差为（1.40±0.28）mm，平均用时1.53 s。实验结果证明本文采用的方法具有良好的配准精度和速度。     

医学图像标志点的自动配准

提出一种医学图像标志点自动识别方法，构造一个标志点的模板，利用区域相关景像匹配法，能快速、精确地将图像上的标志点识别出来。同时提出一种标志点自动配准算法：(1)定义标志点的多维距离向量，在图像空间或手术空间中，用某一标志点到其余点有序距离分量组成的向量，作为每个标志点的多维距离向量；(2)由于刚体变换保持距离不变，同一标志点在一个空间中的多维距离向量，与它在另一个空间的多维距离向量具有最大的相近性，比较每两个点(分属不同空间)多维距离向量的相关系数，就可以找出图像空间标志点与手术空间标志点的对应关系；(3)将所有点对坐标值代人刚体变换线性方程组，用最小二乘法求出从图像空间到手术空间的刚体变换矩阵，最终实现医学图像标志点的自动识别和配准。     

基于B样条的弹性配准在放疗CT图像间配准的应用

目的:应用B样条弹性模型研究肿瘤患者放疗前CT图像与放疗后CT图像之间的弹性配准。方法:利用B样条自由弹性模型(free-form deformations,FFD),以灰度差平方和(Sum of Squared Differences,SSD)为相似性测度函数,通过基于多分辨率的B样条弹性配准方法对同一患者放疗前与放疗后的CT图像进行配准。结果:图像通过高斯滤波处理,应用B样条弹性模型,得到较为理想的弹性配准实验结果。结论:基于B样条的CT与CT图像弹性配准可以较好地建模放疗前与放疗后肿瘤区域的形变,为临床分析肿瘤的变化提供支持。     

基于先验知识和MRF随机场模型的医学图像弹性配准方法

本研究提出了一种新的基于先验知识的弹性配准算法，首次把马尔可夫模型应用于图像的弹性配准方面。为了把关于变形场的先验知识融合到弹性配准过程中，本研究以马尔可夫随机场模型作为理论框架，以B样条为基函数来构造弹性变形模型，以弹性模型的B样条系数作为待估参数，以原图像和变形图像作为已知条件，把弹性变形模型和关于变形场的先验知识有机的融合到了马尔可夫随机场模型中，实现了一种基于变形场先验知识的弹性配准算法。这种新算法因为有变形场的先验知识，所以可以得到更好配准结果。本研究以变形场的平滑作为先验知识，可以有效改善局部极值的状况，提高算法的可靠性和鲁棒性。本研究分别对2D和3D图像进行了试验，试验结果证明了这种算法的有效性。     

联合弹性特征的多特征乳腺肿瘤超声图像识别

计算机辅助诊断技术是提高诊断效率的有效手段,目前常使用肿瘤的形态和灰度纹理特征进行综合分析.而临床研究表明,肿瘤弹性也是判别其良恶性的重要指标.本文使用非刚性配准的方法,分析加压前后两幅灰阶超声肿瘤图像之间的差异,从而提取了形变总量和缩小放大比这两个反映肿瘤弹性的特征参数.随后的分类判决实验证明,这两个弹性参数对肿瘤良恶性具有较好的区分能力,联合使用形态特征后性能更优.     

"虚拟中国人男性一号"多模态图像配准

目的：解决“虚拟中国人男性一号”CT图像、MRI图像与断层切削图像之间的多模态图像配准问题。材料和方法：根据这三种图像的特点，选择CT图像为基准图像，在对MRI图像进行配准时，通过求解两幅图像梯度特征的最大互信息，搜索出最佳配准参数；在对断层切削图像进行配准时，采用基于解剖结构特征提取的配准方法获取最佳配准参数：最后．根据所得配准参数对待配图进行变换，从而达到配准目的。结果：对头部三种模态图像数据集进行了配准，与高精度手工分割图像数据集进行对比，配准正确率达到95．8％。结论：配准结果准确，解决了“虚拟中国人男性一号”多模态图像配准问题，为数字化虚拟人多模态图像配准提供了参考。     

一个基于Hermite微分算子的快速弹性配准

本文提出了对Hany Farid医学图像弹性配准算法的一个改进算法.利用正交的Hermite多项式在最佳平方逼近的误差标准下设计了一种离散微分算子,通过对不同特点的医学图像作配准将传统微分算子、原算法微分算子和微分算子进行了比较,验证了使用Hermite微分算子在保持了原算法配准效果的同时极大地提高了配准速度.     

基于图像非线性配准的MRI几何失真校正

采用图像非线性配准的方法,对MRI存在的几何失真进行校正,先选取与MRI具有共同解剖结构且基本无几何失真的CT图像,作为配准校正的目标基准图像,将MRI与CT图像进行刚体配准,然后采用人工选点的方法,寻找CT图像和MRI中的对应标记点集,用改进的弹体样条函数进行全局非线性配准.结果表明:弹体样条变换具有较强的非线性校正能力,较好地实现了二维MRI的几何失真校正.我们采用的变换模型有效可行,并可用于三维失真图像的校正.     

基于多对比度磁共振颈动脉图像的配准算法研究

基于在血管壁增强显示方面的强大潜力,近年来多对比度核磁共振成像已成为斑块分析研究的有力工具,但其效能受到多序列图像血管不匹配的影响。为实现多序列图像的准确血管配准,在管腔分割的基础上提出一种由粗到精的两步配准策略:先采用迭代最近点实现多对比度图像中心线的刚性配准,再采用薄板样条实现基于血管边界点的非刚性配准。在第二步配准中,为准确寻找不同序列血管边界的匹配点,创新使用形状上下文描述子对边界点进行筛选,并应用确定性退火技术进行全局优化。采用新型三维多对比度磁共振血管成像序列,对提出算法的有效性进行定量评价。结果表明,配准后不同序列的边界重合度均达到95%以上,平均表面距离0.12 mm,可有效提高配准精度,为后续斑块成分的分析奠定基础。     

Robust feature-based registration using a Gaussian-weighted distance map and brain feature points for brain PET/CT images

Feature-based registration is an effective technique for clinical use, because it can greatly reduce computational costs. However, this technique, which estimates the transformation by using feature points extracted from two images may cause misalignments, particularly in brain PET and CT images that have low correspondence rates between features due to differences in image characteristics. To cope with this limitation, we propose a robust feature-based registration technique using a Gaussian-weighted distance map (GWDM) that finds the best alignment of feature points even when features of two images are mismatched. A GWDM is generated by propagating the value of the Gaussian-weighted mask from feature points of CT images and leads the feature points of PET images to be aligned on an optimal location even though there is a localization error between feature points extracted from PET and CT images. Feature points are extracted from two images by our automatic brain segmentation method. In our experiments, simulated and clinical data sets were used to compare our method with conventional methods such as normalized mutual information (NMI)-based registration and chamfer matching in accuracy, robustness, and computational time. Experimental results showed that our method aligned the images robustly even in cases where conventional methods failed to find optimal locations. In addition, the accuracy of our method was comparable to that of the NMI-based registration method.     

3D Elastic Registration of Ultrasound Images Based on Skeleton Feature

INTRODUCTION The development of3D imaging has attracted great attention in the field of med-ical imaging by recent years.A majority of investigations in ultrasound imaging sys-tem have also focused on3D ultrasound image reconstruct system.All those recon-struct system based on recombination of2D images has a same condition that spatialposition of object being scanned remains unchanged as time passed by.Only in thisway,3D figure of human’s organ can be reconstructed by2D images obtained…     

Feature-based rectal contour propagation from planning CT to cone beam CT

The purpose of this work is to develop a novel feature-based registration strategy to automatically map the rectal contours from planning computed tomography (CT) (pCT) to cone beam CT (CBCT). The rectal contours were manually outlined on the pCT. A narrow band with the outlined contour as its interior surface was then constructed, so that we can exclude the volume inside the rectum in the registration process. The corresponding contour in the CBCT was found by using a feature-based registration algorithm, which consists of two steps: (1) automatically searching for control points in the pCT and CBCT based on the features of the surrounding tissue and matching the homologous control points using the scale invariance feature transformation; and (2) using the control points for a thin plate spline transformation to warp the narrow band and mapping the corresponding contours from pCT to CBCT. The proposed contour propagation technique is applied to digital phantoms and clinical cases and, in all cases, the contour mapping results are found to be clinically acceptable. For clinical cases, the method yielded satisfactory results even when there were significant rectal content changes between the pCT and CBCT scans. As a consequence, the accordance between the rectal volumes after deformable registration and the manually segmented rectum was found to be more than 90%. The proposed technique provides a powerful tool for adaptive radiotherapy of prostate, rectal, and gynecological cancers in the future.     

基于三次样条层间插值的多模态医学图像配准

我们从PET-CT多模态图像序列的特点出发,提出了一种全新的图像配准及融合方法,它采用三次样条插值法对PET-CT图像进行层间插值,然后再利用最大互信息法进行配准,最后应用改进的主成分分析(PCA)法融合PET-CT图像用以增强PET显像效果,从而得到满意的配准以及融合结果。用三次样条插值法进行层间插值并恢复层间缺失图像的信息,弥补了现有配准方法的不足,提高了配准精度,使融合后的图像更加接近实际的物理断层。该方法已经成功应用于三维适形放疗(3D-CRT)系统的开发中。     

一种基于感兴趣点旋转不变性特征的图像配准新方法

目的:图像配准是图像处理领域重要的研究方向,是图像融合、图像重建和图像分析等研究的基础。在图像配准的主要方法中,基于图像特征的配准方法和基于图像灰度的配准方法各有优缺点,通过结合这两种方法的优点,我们提出了一种基于感兴趣点的旋转不变性特征图像配准的新方法。方法:首先利用Harris角点检测技术,提取模板图像和目标图像的感兴趣点。然后把感兴趣点的旋转不变形特征和灰度值组成图像的特征描述向量,并提出新的代价函数。最后采用分级优化的策略优化代价函数,在配准初期,采用显著的特征点进行配准,以保证配准的速度与鲁棒性,随后通过逐步增加特征点的数量,则保证了配准的精度。结果:为显示本文方法的优越性,实验利用本文方法和基于互信息的B样条方法分别对标准测试图像进行配准,实验结果表明,本文方法较基于互信息的B样条方法在配准精度上有明显提高。结论:本文方法在保持配准鲁棒性的前提下,获得了较高的配准精度。     

灰度与形状同步匹配的非刚性配准研究

基于灰度的非刚性配准算法一般假设参考图像和浮动图像对应结构之间的灰度保持一致,然而在基于图谱的图像配准应用中,这种假设往往不符合实际。本文在给出一种可以同时校正灰度和形状差异的弹性配准算法的同时,针对该算法不能校正局部微小形变的弱点,提出采用自由项变换的方法进行校正以提高配准精度。配准实验基于20个IBSR真实脑部MRI图像,结果表明配准后图像与参考图像间的互相关系数得到明显提高。实验证明,本文提出的方法不仅能够同时校正形状差异和灰度变化,而且具有较高的配准质量。     

利用边缘和表面特征实现脑图像的自动配准

本文中我们使用基于CT、MR和PET图像等值特征表面的配准算法对多模医学图像进行了配准研究，在CT、MR和PET的原始图像中提取等值特征表面，进行图像的几何对准，并对结果进行初步评估，同时对该算法的稳健性，搜索最近点策略和采样策略进行了研究，结果表明；这种方法能够达到亚像素级的配准精度，是一种稳健、高精度、全自动的配准方法。