基于血管匹配的三维超声与CT图像的配准方法

提出一种基于血管匹配的三维超声与CT图像配准的新方法.首先,基于水平集方法自动分割出CT图像中的血管；其次,由于超声图像中的声影与血管均属于低回声区域,我们结合声影形成的物理原理及图像纹理特性,自动检测出声影区域,以提高配准的鲁棒性；最后,采用进化算法,将CT图像中分割出的血管与超声图像中低回声区域进行匹配.在肝脏体模和临床脾脏数据上进行了实验验证,自动配准的成功率在95％以上,平均目标配准误差在2 mm以内,实验结果验证了本方法的可行性.     

基于特征提取的脑部医学图像配准研究

目的 基于特征的配准算法具有鲁棒性强、针对性好等显著优势,在图像配准领域被广泛应用,但是该类方法的精度受图像间特征构建和环境噪声影响大,该研究旨在对其缺点进行改进。方法 该研究基于SURF和ORB两种算法,提出了SURF-ORB算法,将参考图像与待配准图像分成上下两部分分别配准。在配准过程中,首先对SURF提取的图像特征点的Harris响应值进行优化,并使用灰度质心法确定特征点主方向。然后计算rBRIEF（旋转BRIEF）描述子,并使用汉明距离进行特征点匹配。最后加入RANSAC精匹配算法,剔除误匹配点。结果和结论 该研究通过对比分析SURF、ORB、SURF-ORB这3种算法的配准结果、抗噪声能力及多模态配准能力,验证了SURF-ORB算法具有较高的配准精度、配准速度和抗噪声能力。文章的创新之处该研究首次将SURF和ORB两种算法进行结合并应用于脑部横断面图像。     

基于Contourlet变换的CT和锥形束CT图像配准算法

目的提出一种基于Contourlet变换,用于放射治疗定位的CT与锥形束CT（cone beam CT,CBCT）图像配准的方法。方法利用Contourlet变换多尺度多方向的分辨特性,将待配准图像进行Contourlet变换分解,分解后的高频方向子带合成梯度图像,采用归一化互信息作为相似性测度,把梯度图像与低频方向子带以加权函数结合,进行临床医学图像的刚性配准,有效弥补了互信息配准中缺少空间信息的不足。结果通过已知空间变换参数图像的配准结果验证了算法的准确性。配准后lO幅图像变换参数的误差极小,且均方根误差接近于0。结论该图像配准算法精确度高,并具有很好的鲁棒性,有助于提高图像引导放射治疗（image guid edradiation therapy,IGRT）中解剖组织结构和靶区的定位精度。     

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。     

Image registration algorithm in CT and cone beam CT based on Contourlet transform

目的提出一种基于Contourlet变换,用于放射治疗定位的CT与锥形束CT(cone beam CT,CBCT)图像配准的方法.方法 利用Contourlet变换多尺度多方向的分辨特性,将待配准图像进行Contourlet变换分解,分解后的高频方向子带合成梯度图像,采用归一化互信息作为相似性测度,把梯度图像与低频方向子带以加权函数结合,进行临床医学图像的刚性配准,有效弥补了互信息配准中缺少空间信息的不足.结果 通过已知空间变换参数图像的配准结果验证了算法的准确性.配准后10幅图像变换参数的误差极小,且均方根误差接近于0.结论 该图像配准算法精确度高,并具有很好的鲁棒性,有助于提高图像引导放射治疗(image guided radiation therapy,IGRT)中解剖组织结构和靶区的定位精度.     

基于配准前特征提取的颅脑病变检出方法研究

针对从高分辨率颅脑CT图像中自动检出病变以实现计算机辅助诊断的需求,提出配准前特征提取的方法。该方法的主要特点是在图谱创建过程中使用散布点内插法获得整数点的特征值,而在病变检出时则采用格子点内插法获得非整数点的特征值。相对于配准后的特征提取,配准前的特征提取能够更加准确地描述图像的灰度特征和纹理特征。通过实验验证,基于配准前特征提取的颅脑病变检出方法能够提高病变检出率,提高检测精度,但同时也增加了假阳性率。为了减少假阳性率、进一步提高检测精度,在下一步的工作中要研究基于三维体数据的病变检出方法,同时还需要进一步研究非刚性配准的可逆性。     

眼底图像配准技术研究进展

眼底图像在疾病的辅助诊断和治疗过程中具有重要的应用意义。眼底图像配准可以衡量疾病进程及治疗效果。近年来,各种眼底图像配准技术已得到广泛研究,但仍有值得改进之处。本文在广泛文献调研的基础上,分析了眼底图像的特点和配准的难点,综述了眼底图像配准技术中变换模型和目前眼底图像配准的主要技术,分析了各类方法的优缺点。最后,总结了目前眼底图像配准存在的主要问题及发展方向。     

基于层次式优化的多幅眼底图像融合方法

针对眼底图像配准后直接叠加产生的接缝及如何保证多幅图像融合后细节信息不丢失的问题,提出层次式优化的多频带眼底图像融合方法。该方法通过多阈值分割获取掩模图像并计算其欧式距离得到各层次图像蒙版;根据欧氏距离值及拉普拉斯能量和设计每层蒙版图像的改进加权系数。构建基于信息熵、空间频率和清晰度的图像融合联合客观评价方法进行分析。最后,利用配准误差及重叠率对图像序列进行分组融合后进入下一层,对于奇数幅图像序列中没有组合的图像直接放入下一层。再根据分组规则重新分组进行优化融合,实现层次式的多幅眼底图像优化融合。通过对75 组取自福建省附属第一医院眼科及眼底相机实验系统的图像序列,涉及4 898 组图像对（正常眼底图像2 952 对,病变眼底图像1 946 对）进行测试与验证,结果表明,提出方法在有效除去拼接缝的同时,融合图像在重叠区域的RMSE值约为（01±005）像素。提出的融合方法在客观评价和主观视觉效果之间取得了较好的平衡。     

手术导航中空间坐标系配准与注册研究

目的手术导航精度对手术的效果有着至关重要的影响,笔者研究了影响导航精度的因素,包括标志点的选取方法和注册算法。标志点的选取影响配准中两个空间相同目标点的选取,而注册算法影响利用这两组点进行空间配准的精度。方法首先分别阐述了在注册过程中基于点匹配和基于点云的迭代最近点(ICP)匹配点选取方法和注册算法,随后对它们的特点与原理进行分析,比较了其优缺点。提出一种基于点匹配的系统注册方法结合四元数坐标系配准方法,并通过实验验证该方法在将手术空间和图像空间配准时符合手术导航精度要求。同时,分析了这种系统注册方法将来存在的问题和研究方向。结果利用光学导航仪追踪注册模具上的反光球,得到模具内乒乓球的球心坐标,而后在CT图像中获取乒乓球的球心坐标,在Visual Studio中验证两组点的配准,实验结果表明误差在科学可接受范围内。结论这种新的系统注册模具可以用于手术导航注册,结合四元数法精度是符合手术导航精度的。     

一种适用于肝脏CT图像配准改进的尺度不变特征变换算法

针对肝脏CT图像特点,在传统的尺度不变特征变换(scale-invariant feature transform,SIFT)算法基础上,结合K-means聚类算法,提出了一种改进的特征点匹配算法。该算法通过聚类SIFT特征点坐标,将配准图像分为4个区域,特征点分块配准。与原算法相比,该算法增加了特征点匹配数量,有效隔离了特征点跨区域的错误匹配,时间复杂度也得到了一定的降低。该算法还减少了肝脏CT图像配准中错误匹配对配准结果的影响,提升了肝脏CT图像的配准精度。     

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…     

基于神经网络的双X射线影像2D-3D配准算法

针对基于迭代优化的传统2D-3D医学图像配准算法运行速度慢，难以达到实时配准的要求，本研究提出一种实时2D-3D配准方法。通过将空间刚体变换参数分解到两个平面上，将2D-3D配准简化为两个步骤，包含2D-2D近似刚体配准与单参数2D-3D刚体配准。同时利用深度卷积神经网络拟合患者X射线影像残差与其对应姿态差异间的非线性映射关系，从X-DRR图像对的残差回归出空间刚体变换参数。经由头颅CT数据训练后的网络，在0.04 s内完成了高精度的双X射线配准。本研究提出的配准方法满足了放疗过程中进行实时2D-3D配准工作的要求。     

Medical Image Registration Based on Phase Congruency and Regional Mutual Information

In this paper, a new approach of multimodality image registration is represented with not only image intensity, but also features describing image structure. There are two novelties in the proposed method. Firstly, instead of standard mutual information ( MI ) based on joint intensity histogram, regional mutual information ( RMI ) is employed, which allows neighborhood information to be taken into account. Secondly, a new feature images obtained by means of phase congruency are invariants to brightness or contrast changes. By incorporating these features and intensity into RMI, we can combine the aspects of both structural and neighborhood information together, which offers a more robust and a high level of registration accuracy.     

CT/MRI混合配准方法及其在放疗计划系统中的应用

旨在研究放疗中图像配准方法,特别是针对放疗中常用的CT、MRI,提出基于混合框架的配准方法,该方法主要包 括两个方面:（1）采用掩膜（Mask）提取感兴趣区域、形态学运算等图像处理方法以及CPU多线程并行技术,大幅度提高配 准速度;（2）采用由全局到局部的混合配准策略,首先利用基于仿射变换的刚性配准整体配准,以防止图像间偏差过大,在 此基础上针对感兴趣区域采用B样条弹性配准,调整局部形变。通过实验表明,采用预处理及加速策略的刚性配准,在保 持其精度的情况下,提速比可达10倍,测试结果已达到临床需求;此外,采用基于GPU加速的混合配准策略,其配准速度 提至约4 min。     

用于面诊的人脸全景图像拼接算法

采用一种基于人脸特征的柱面投影方法,将人的头部近似看做一个圆柱体,有效地解决了在采集过程中因面部角度所引起的视觉不一致性;利用SIFT特征匹配算法提取两幅图像的特征向量,并通过RANSAC匹配优化算法消除错误的匹配,实现图像的配准;接着采用渐入渐出的融合算法,使图像间实现平滑的过渡,消除拼接缝隙。实验结果表明,本研究使用的算法能够快速、有效地生成人脸全景图像,为后续中医面诊奠定了基础。     

Fast Mutual Information Registration Method of 3-D Medical Image

INTRODUCTION　　Multimodal registration,which brings images from different modality into spa-tial correspondence,is of importance in many clinical applications.Over the years,research of multimodal registration has produced a lotof differentmethods.Surveysof medical image registration with a classification have been made〔1,2〕.The registra-tion methods can be classified as frame- based,point- landmark- based,surface- basedand voxel- based.Voxel- based methods achieve registration by iden…     

基于深度学习分割掩膜的胸片图像配准技术及其应用

医学图像配准技术对临床诊断治疗具有重要意义。相比传统的图像配准方法,目前基于深度学习的配准方法提高了配准的精度和速度。为了将深度学习图像配准技术应用于胸片的配准以及减影分析,本研究先采用深度学习掩膜对原始胸片进行预处理,然后以掩膜图像作为输入,以ResUNet网络作为配准框架来实现胸片图像配准,最后评估配准效果。结果显示深度学习掩膜结合深度学习图像配准方法训练出的模型在胸片配准上具有良好的图像配准精度。这种基于掩膜的深度学习配准模型可以较好地应用于胸片的减影分析。     

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。