基于互信息的医学图像配准实验

基于互信息的配准方法，包括互信息和归一化互信息方法，是目前医学图像配准中无创、自动且精度很高的一种方法。已经被广泛应用。但是在其目标函数中存在着一定程度的幅值振荡现象。特别是在单模态图像配准中。我们研究发现，产生这种振荡的原因除了插值赝像外，还有由配准过程中图像重叠部分发生变化而引起的熵的变化不确定性。由插值赝像所带来的振荡基本上可以被消除掉；由熵的变化不确定性所带来的振荡很难被消除，但是这种振荡作用在归一化互信息中影响不大。归一化互信息比互信息具有更高的稳健性，适合于更广的应用范围。     

医学图像配准在手术导航中的应用

目的：针对外科手术导航中的需求，研究实现了二维医学图像和三维体数据的配准。方法：利用DRR模拟图像与真实图像比较，互信息量作为目标函数，参数寻优采用Powell算法，实现2D～3D医学图像的刚性配准。结果：配准误差在0．1～5度之间。结论：DRR图像影响配准精度，误差难以避免。     

基于互信息的医学图像配准技术研究进展

基于互信息的图像配准方法具有自动化程度高、配准精度高等优点,已被广泛应用于医学图像的配准。详细地介绍了互信息的基本概念、归一化互信息、互信息计算中常用的变换模型、插值方法、优化算法及提高配准速度策略等。同时对互信息在配准技术中存在的问题及解决方法进行了系统地介绍,最后对今后互信息的研究工作作了展望。     

PSO和Powell混合算法在医学图像配准中的应用研究

基于互信息的图像配准方法具有自动化程度高、配准精度高等优点,已被广泛应用于医学图像的配准.但是,基于互信息的目标函数经常是不光滑的,存在许多局部极值,给问题的求解带来了很大的困难.本文讨论了互信息函数的多极值特性,并提出了一种粒子群优化算法(particle swarm optimization,PSO)和Powell混合优化方法.经检验,这种方法能有效地克服互信息函数的局部极值,大大地提高了配准精度,达到亚像素级.     

医学图像形变配准在图像引导放射治疗中的应用

本文详细介绍了形变图像配准技术在国内外的进展、形变图像配准的定义,根据不同划分标准进行的分类,以及在肿瘤诊断和肿瘤图像引导放射治疗的中的应用的举例。展示了形变图像配准技术在当前图像引导放疗领域中的重要性,特别是在自适应放疗方面,通过形变配准技术快速判断放疗过程中的解剖部位的变化、退缩,和位移情况。还可以领用形变配准技术进行在线的快速计划,进行快速剂量计算,来判断由于解剖部位的变化对剂量的影响程度,以及这种影响是否需要再计划。另外在肺和肝脏4DCT中形变配准的应用可准确计算肿瘤靶区在肺和肝脏中的由于呼吸运动产生的位移,用来指导放疗计划靶区的勾画和放疗计划的设计。本文还展望了形变配准在放射治疗计划系统的应用:利用形变配准的快速勾画功能快速勾画病人正常器官轮廓,以提高工作效率。本文还分析了形变配准目前存在的不足之处,以及在该领域中的优缺点和应用前景。     

多模态图像配准在HIFU定位系统中的应用

在交互式图像导航HIFU(高强度聚焦超声)治疗系统中,需要对病灶目标进行非常精确的实时成像和定位.而现有的超声成像技术很难单独完成这个任务.本文提出了一种用手术前MRI三维图像与手术中的超声图像进行配准的方法,对手术前MR图像和手术中超声图像两种模态下都可见的血管进行配准.配准算法采用遗传算法和共轭梯度法结合的优化策略来最小化目标函数,并设计了两个实验对配准方法进行评价,从实验结果看这种方法从配准精度和收敛速度上都要优于另外的两种经典算法.     

自适应指数加权互信息配准医学图像的测度及相应算法

为配准医学图像,本文提出了一种新的自适应指数加权的互信息(Adaptive Exponential Weighted Mutual Informa-tion,AEWMI)测度,分析表明:通过对互信息(Mutual Information,MI)测度进行指数加权可以提高测度曲线的峰值尖锐性和平滑性;而指数的权值则可以通过评估待配准图像的质量和分辨率大小来自适应确定.仿真实验结果在验证分析结果的同时也表明,基于本文AEWMI测度的配准方案,对图像噪声、分辨率差异等有较高的鲁棒性,且可有效地提高配准的成功率.     

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。     

医学图像配准技术研究进展

医学图像配准是近年来医学图像处理领域中的重要研究问题,通过寻找某种适当的空间变换,使两幅图像达到空间位置上的定位和配准,进而进行图像融合。医学图像配准在临床诊断、治疗、质量保证和疗效评价等方面具有重要的应用价值。通过对近年来医学图像配准的主要方法(相关法、互信息法及小波变换法)进行综述,比较了各种算法的特点及其典型应用。     

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。     

基于互信息医学刚性图像配准方法的研究

目的:基于互信息的配准方法是医学图像配准领域的重要方法,具有鲁棒性,精度高等优点。本文探究医学刚性图像配准的有效算法和关键技术。方法:基于互信息配准方法,利用Powell多参数算法和改进的PV插值算法,得到两幅图像之间的最大互信息和最佳配准参数。结果:二维磨牙CT图像配准实验表明,配准速度快,精度提高,验证了插值方法的有效性。结论:方法和算法可提高配准速度,能有效抑制互信息目标函数的局部极值。     

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…     

医学图像配准技术及其研究进展

目的:对近年来的医学图像配准技术及其研究进展情况进行详尽地综述和讨论,从而为开展医学图像配准技术在医学图像三维重建、医学图像可视化和定量分析方面的研究提供参考.方法:首先,查阅国内外近年来医学图像配准技术研究的权威文献;然后,深入分析和研究这些文献所介绍方法的特点、存在的问题,并针对存在的问题提出可能的解决方案.结果:通过对近年来医学图像配准算法的最新研究进展情况进行深人细致地分析和讨论,在比较了一些典型算法的特点及其应用的基础上,对医学图像配准技术的发展进行了展望.结论:使用最优化策略改进图像配准质量以及对非刚体图像配准的研究是今后医学图像配准的发展方向.     

基于互严格凹函数测度的医学图像配准新方法

为了提高医学图像配准的运算速度和增大配准的稳定区域，提出用严格凹函数取代互信息中的香农熵函数的方法，形成了互严格凹函数测度（NMi，i=1，2，…，6）。互信息只是互严格凹函数测度的一个特例。并提出一种新的判断配准好坏的标准——稳定区域和稳定区域宽度。通过试验比较得NM2、NM4、NM5互严格凹函数测度比互信息好，比Ⅰ0.2和R0.2测度更好，即这三个测度的配准时间比互信息少，比Ⅰ0.2和R0.2测度更少；三个测度配准的平均稳定区域宽度比互信息宽，比Ⅰ0.2和R0.2测度更宽。最后用NM2测度进行多模态医学图像的非刚体配准试验，结果表明效果良好。     

基于粗配准和混合互信息的医学图像配准算法

利用边缘检测算子和数学形态学方法提取医学图像轮廓,采用主轴矩法配准两幅图像的轮廓,使其达到粗略配准的目的。通常的互信息测度是基于香农熵的,因为香农熵对于局部极值具有很强吸引域,而某些参数下的雷尼熵可以消除局部极值,将两种测度分别用于精配过程中不同的搜索阶段。首先利用全局搜索算法,寻找基于雷尼熵的归一化互信息测度的全局最优初值,再通过局部优化算法对当前的最优解寻找基于香农熵的更精确的全局最优解。实验表明,这种配准算法是有效的。     

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.     

基于互信息与边缘梯度相结合的多模医学图像配准方法

针对传统互信息配准方法未利用图像空间信息的缺点,本文研究了图像边缘信息的梯度相似性.首先采用小波模极大值边缘检测提取出图像边缘,提出将边缘图像的梯度相似性系数与传统的互信息相乘作为图像配准的目标函数.然后通过使用Powell优化算法对目标函数进行寻优,得出配准变换参数.最后在互信息的基础上引入图像边缘梯度信息,突出了全局最优解.实验结果表明,该方法可以得到精确、有效的配准结果.