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。     

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。     

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。     

基于概率和引力优化模型的医学图像配准

基于互信息的配准方法,其目标函数经常存在许多局部极值,给配准的优化过程带来很大困难。提出一种基于概率模型的引力优化算法,在空间中随机构造参考物体与浮动物体,根据牛顿万有引力定律,搜索空间中质量最大的物体。利用该算法,实现以归一化互信息为相似性测度的医学图像配准实验。实验结果表明,这种方法能够有效地克服互信息的局部极值,在配准精度、配准时间和抗噪性方面都有较好的性能。     

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。     

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.     

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.     

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。     

基于互信息的多分辨率三维脑图像配准方法

在3D多模医学图像的配准方法中，最大互信息法精度高，鲁棒性强，使用范围广，本文将归一化互信息作为相似性测度，采用不同的采样范围和采样子集，使用Powell多参数优化法和Brent一维搜索算法对3DCT，MR和PET脑图像进行了刚体配准，为了加快配准速度，使用了多分辨的金字塔方法，对PET图像采用基于坐标的阈值选取方法对图像进行分割预算法，消除了大部分放射状背景伪影，美国万德贝尔大学对结果进行的评估证明配准精度可达亚体元级。     

基于广义互信息的人脑图像配准研究

医学图像配准技术是目前医学图像处理领域的研究热点.我们在基于Shannon熵的相似性测度的基础上,提出了一种新的适于图像刚性配准的基于Rényi熵的广义距离量度--广义互信息(GMI),并将其用于人脑的三维医学图像的配准.经仿真实验证明:基于广义距离的配准测度是Shannon熵的互信息测度的自然推广,它们有着不同的适用范围.广义互信息比一般意义下的互信息节省时间,并且能够体现配准图像间更多的一致性,配准效果在很大程度上满足了临床的应用要求.     

基于互信息量图像配准中目标函数局部极值的克服

图像配准技术在医学图像处理领域中已经被广泛应用,基于互信息量的全局图像配准方法具有自动化程度高,配准精度高等优点。但是,当平移距离为像素的整数倍时,插值等法会引入伪影,使目标函数产生局部极值,使得最优化搜索有时会终止于局部极值,得到错误的配准参数。本文提出了一种克服的方法,经检验,能使目标函数进一步光滑,保证了最优化搜索的准确性,提高了互信息量方法配准的成功率。     

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。     

A study on medical image registration by mutual information with pyramid data structure

The registration method based on mutual information is currently a popular technique for medical image registration, but the computation of the mutual information is complex and the registration speed is slow. In this work, a new slice accumulation pyramid (SAP) data structure was proposed to expedite the registration process. A numerical comparative study between the new data structure and the existing wavelet pyramid (WP) data structure was given, and the results confirmed that the new pyramid data structure was superior to the WP in both the calculation efficiency and the optimizing performance. Finally, SAP was applied to remove the artifacts between CT and MRI data sets, and the results showed the validation of SAP to registration of mulmodality images.     

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。     

基于互信息的2D-3D医学图像配准

介绍一种基于互信息的2D-3D医学图像配准方法，将此方法用于X线透射图(由DRR模拟)与CT体数据的配准，对具体实现方法进行了探讨，用数据采样和灰度级压缩的方法对体数据进行预处理，通过改变平行光入射角度，计算不同方向的DRR图像，用互信息方法配准DRR图像，得到了较好的2D-3D图像配准效果。     

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。