多模态医学图像配准技术研究

目的:通过对CT和PET图像进行配准实验,得出CT和PET配准的最优插值搜索方法以及粗配准对二者配准结果的影响。方法:首先利用改进的力矩与主轴法对CT和PET图像进行粗配准,得到CT图像的平移量与旋转量。然后针对不同的插值和搜索方法实现互信息配准,并将所得平移量与旋转量作为Powell优化初值进行实验,与使用默认值的Powell优化方法进行对比。结果:实验结果表明:使用双线性插值算法时,两实验的结果基本一致;采用部分体积插值法时,基于粗配准的Powell优化配准效果优于基于默认值的方法;而使用立方卷积插值法时二者配准效果差别不大,但基于粗配准的方法时间更短。结论:基于粗配准的Powell优化方法(部分体积插值与Brent搜索)有更好的配准速度及效果。     

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。     

基于薄板样条的医学图像弹性配准

非刚体配准是神经外科和放疗计划设汁中的一个关键问题。使用薄板样条方法，利用两个对应标志点集对眼底、脑等多种医学图像进行弹性配准。其中，弹性插值法是将两个点集绝对对齐，常会出现严重的局部畸变；而弹性近似法充分考虑了整体平滑性的要求，对定位有误差的标志点约束的图像配准更为优越。实验结果表明，使用上述两种方法获得了很好的配准效果?     

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。     

一种基于图像形态尺度变化的矢/冠状面图像重建算法

为了得到高质量的矢/冠状面(Sagittal/Coronal)重建图像,提出一种基于图像形态尺度变化的插值重建算法.对整型B样条曲面引入控制点权重,并将权重作为图像值的函数,利用B样条曲面的局部支撑性,由图像值对插值曲面的局部形状进行控制.该算法充分考虑了断层间解剖组织分布形态尺度变化的因素,因此计算精度高,插值图像具有较高的保形性,断层间插值层的过度连续性为C(n)(n>1).     

基于互信息的人脑图像配准研究

近来利用互信息进行多模医学图像配准已成为医学图像处理领域的热点,人脑多模医学图像配准对研究神经组织的结构功能关系和引导神经外科手术有着重要的指导意义,本文描述了一种基于互信息的人脑图像配准方法,我们将这种方法应用于图像的几何对准并给出了初步的评估结果,同时,我们还就归一化互信息、多分辨率策略,多种插值和优化算法对配准速度和精度的影响作了讨论,由于不需要对不同成像模式下的图像灰度间的关系作任何假设,互信息法是一种稳健性强、可广泛应用于基于体素的多模医学图像的配准方法。     

基于ITK多图谱配准的脑部皮质下核团的分割研究

大量研究表明,阿尔茨海默症(AD)的病变与大脑皮质下核团的萎缩息息相关,某些核团的萎缩(如海马)可能成为AD疾病早期诊断的标志,而皮质下核团的分割是研究核团萎缩模式的重要前提。基于AD患者和正常人各30例3DT1W-MR图像,先结合直方图分析和三维形态学分析方法对图像进行脑组织提取,后采用ITK配准算法将10个脑图谱图像经两阶段分别配准到提取脑组织后的图像空间。第一阶段实现基于均方差的仿射配准,第二阶段实现基于互信息的B样条形变配准,两阶段的配准均采用线性插值法和梯度下降的优化搜索方法。最后采用STAPLE融合算法,对配准后得到的10个目标图像进行图像融合,得到最终的分割结果。结果表明:除尾状核外,分割得到的其余6对核团的体积与常用的FSL-FIRST算法的分割结果无统计学差别(P>0.05);AD患者的右侧伏核和双侧海马发生萎缩(P<0.05)。因此,基于ITK配准框架的多图谱配准分割方法能有效分割MR图像上边界不明确的皮质下核团。     

基于自由变形法的多模态医学图像的配准与融合

本研究提出了一种自动识别颈部PET-CT图像特征点的算法，它应用自由变形（FFD）方法以CT图像的特征点为参考使PET图像产生变形，再结合最大互信息法对颈部PET与CT图像进行非刚体配准，最后用改进的小波图像融合法把两者进行融合得出视觉效果比较理想的融合图像。经实际计算得出的变形PET图像与对应CT图像的互信息量大于原始PET图像，并且最后用改进的小波图像融合法得出的融合图像的信息量比一般小波融合大，由此证明本研究所用方法是有效的。     

具紧支撑性质的薄板样条插值函数及其应用

目的：改进薄板样条插值函数，提高薄板样条插值方法的效率；方法：针对薄板样条插值方法的不足。提出了新的处理方法，使薄板样条插值具有紧支撑性，并应用于图象配准过程中；结果：实现了图象快速、准确配准。简化了配准过程；结论：新的插值函数可进一步提高配准的鲁棒性和适用性。     

一种改进的基于互信息的3-D MRI图像配准方法

基于互信息的全局配准算法是近年来图像配准研究的热点之一.该方法具有精度高、鲁棒性强的特点.但目标函数由于插值算法的影响会陷入局部极值,引起误配准.本文实现了一种结合图像滤波预处理进行插值计算的方法,得到更加平滑的目标函数,有效的克服了"插值假像"问题.对标准数据库中的3-D MRI图像进行了刚性配准,实验结果表明该配准方法具有较高的精确度,具有很强的实用性.     

Auto-adjusted 3-D optic disk viewing from low-resolution stereo fundus image

Three-dimensional (3-D) visualization of the optic nerve head (optic disk) is very useful for clinical applications. It allows clinicians to measure the disk parameters more accurately and thus make the pathological diagnosis and progression monitoring easier. This paper describes an automatic, precise, 3-D optic nerve head reconstruction method from a pair of stereo images for which efficient steps including sparse-image registration and dense-depth recovery are used. A combination of two registration methods is used to detect the sub-pixel correspondences. The proposed method takes advantages of both the correlation methods which is robust to noise and the feature-based method on its accuracy. The searching range in image registration is auto-adjusted based on the previous iteration result. Only sparse matched points are computed to speed up the processing and the sub-pixel matching is used to overcome the problem of low resolution in the image. This is followed by the piecewise cubic interpolation to obtain the dense disparities and depths. Multiple windowing is applied here by first using the large window to obtain basic disparities followed by the small window and previous basic disparities to measure details. The result is then smoothed and displayed as the final 3-D shape.     

Polygon interpolation for serial cross sections

In this paper, a new technique for contour interpolation between slices is presented. We assumed that contour interpolation is equivalent to the interpolation of a polygon that approximates the object shape. The location of each polygon vertex is characterized by a set of parameters. Polygon interpolation can be performed on these parameters. These interpolated parameters are then used to reconstruct the vertices of the new polygon. Finally, the contour is approximated from this polygon using a cubic spline interpolation. This new technique takes into account the shape, the translation, the size, and the orientation of the object's contours. A comparison with regular shape-based interpolation is made on several object contours. The preliminary results show that this new method yields a better contour and is computationally more efficient than shape-based interpolation. This technique can be applied to gray-level images too. The interpolation result of an MR image does not show artifact of intermediate substance commonly seen in a typical linear gray-level interpolation.     

灰度级别对基于互信息医学图像配准方法的影响

医学图像配准在医学图像处理领域中已经被广泛使用。基于互信息配准的方法具有自动化程度高、配准精度高等优点。基于互信息的配准方法实质上是一种进行灰度统计和计算的方法 ,因此同一图像采用不同的灰度表示必然会影响配准结果。在分析灰度级别的压缩对于图像质量的影响和基于互信息配准方法的影响的基础上 ,进行了一系列的多模态医学图像配准试验 ,从配准精度和计算时间两个方面比较了不同的灰度级别对图像配准的影响。在详细分析和比较不同级别图像配准结果的基础上 ,给出了基于互信息配准时所采用的合理灰度级别的建议。     

基于多目标交叉变异粒子群算法的多模医学图像非刚性配准

以互信息为相似性测度,采用B样条变换对多模态医学图像进行非刚性配准时,由于噪声及图像插值等原因造成的互信息局部极值使得传统优化方法不能搜索到最佳配准参数。为此,使用粒子群智能优化方法作为搜索策略,以降低对图像预处理的要求,进一步提高基于互信息的非刚性配准的鲁棒性。为了克服粒子群算法受初始值选取等因素的影响易陷于局部最优的缺点,使用LBFGS优化得到的结果构造初始粒子群,采用多目标优化方法结合交叉变异策略加以改进,使得算法在解空间搜索的遍历性得到改善,优化结果更接近全局最优。MR-T2与MR-PD图像的配准实验证明,该方法提高了基于互信息的B样条非刚性配准的鲁棒性,配准率达到94%;CT与PET图像的配准实验表明该方法相比惯性权重粒子群算法提高了配准精度,互信息增加了0.026;另外,CT与CBCT图像的配准实验也验证了本方法的有效性。     

医学图像多维重建中的插值问题研究进展

插值广泛应用于医学成像和图像多维重建中。本文首先对传统插值方法中基于形状的插值和弹性匹配插值作了比较深入的介绍，然后分析了旋转扫描超声心脏图像插值方法的特点、难点和研究现状，论述了插值和匹配的关系，分析表明准确的旋转扫描插值方法应该是基于匹配的方法，最后讨论了图像插值的几种评价方法。     

基于MRI和CT图像配准的颅内电极定位方法

目的应用多模医学图像配准,在颅内电极埋置术后对颅内电极进行精确定位。方法通过对颅内电极埋置前的头颅MRI图像和埋置后头颅CT图像进行配准,利用医学影像配准与分割工具包(ITK),将颅内电极位置准确地定位在MRI图像上,以建立电极位置与大脑解剖结构的联系。结果经过对10组断层图像进行配准定位,差值图像显示匹配程度较好,专家目测融合效果较为精确。在普通PC机上,以笔者所采用的数据为例,设定优化器初始步长为1,松弛因子为0.6,最小步长为0.000 2,最大迭代次数为100,整个电极定位的操作过程时间不超过1 min。结论多模医学图像配准对颅内电极定位较为准确,为医生提供了更加直观和完善的信息。     

基于调幅-调频与熵图多模态医学图像的配准

背景：基于传统互信息量的多模态医学图像配准方法配准时需要利用二维直方图或者Parzen窗函数的方法估计概率密度分布,进而计算互信息量,这种方式计算速度慢,而且只考虑了图像的灰度信息,容易出现误配。 目的：针对目前主流的配准方法鲁棒性差、耗时的缺点,提出了一种新的基于调幅-调频(AM-FM)特征互信息量的快速配准方法。 方法：该方法考虑了图像的空间和结构信息;首先通过AM-FM模型对图像进行分解,得到图像的AM-FM特征,与图像的灰度特征一起组成高维特征;然后利用熵图和最小生成树加快AM-FM特征互信息量的计算,从而实现了医学图像的快速配准。 结果与结论：对20组磁共振T1-T2加权图像、CT/正电子发射计算机断层成像图像进行了实验,结果表明该方法在图像空间分辨率较低,有噪声影响等情况下均可以达到较好的结果,且配准精度优于国际上的主流方法,具有计算速度快,精度高,鲁棒性强的特点,适于临床应用。