基于CT图像三维重建的颅内电极定位方法的研究

难治性癫痫的手术有时需要通过植入颅内电极进行脑电检测来确定致痫灶,为了准确定位致痫灶,医生需要知道电极的位置,但目前缺乏有效的电极定位方法。本文开发了一种利用植入电极后CT图像序列进行电极定位的方法。首先使用面绘制三维重建出电极序列图像,并对各个电极进行识别和标识,然后将面绘制重建的颅骨图像叠加到电极图像上,建立电极的位置信息与人体解剖结构的联系,最后实现颅内电极定位。经过对10套植入电极后的CT图像进行定位检测,证实基于CT图像三维重建的电极定位方法与目前已有的定位方法比较具有明显优势。     

MRI图像中颅内栅格电极定位算法的研究

在癫痫的手术治疗中,往往需要在患者颅内植入电极,通过记录和分析颅内脑电来精确定位致痫病灶.通常情况下电极植入后,依靠MRI检查来定位这些电极的位置并找到它们和脑组织结构的空间位置关系.但是这些电极定位方法不是需要较多的人工参与就是计算效率较低.为此,本文开发了一种只需要用户很少参与,便可以自动高效地在MRI图像中定位颅内栅格电极的算法.本算法充分利用栅格电极的几何特征以及它在MRI图像中的成像表现来对其定位,之后利用一个光滑曲面模型对结果进行修正,最后在重建的三维人脑结构中标定这些电极的位置,从而帮助实现手术前的规划.应用本算法对数例患者的MRI脑图像进行了实验分析,证明了算法的有效性.     

基于最大互信息的人脑MR-PET图像配准方法

利用最大互信息法进行多模医学图像配准近来成为医学图像处理领域的热点。MR和PET图像配准对研究神经组织的结构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MR－PET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。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,最大互信息法是一种稳健性强,可广泛应用于基于体素的多模图像的配准方法。     

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.     

医学图像配准技术

医学图像配准是医学图像分析的基本课题,具有重要理论研究和临床应用价值。本文较全面地介绍了医学图像配准的概念、分类、配准原理、主要的配准技术及评估方法。     

医学图像配准技术

本文较全面地介绍了医学图像配准的概念,分类,配准原理,主要的配准技术及评估方法。     

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。     

颅内电极脑电图及其对癫痫灶的定位

1　颅内电极记录的必要性脑电图描记的是大脑皮层神经细胞产生的神经电活动 ,需一定数量的神经细胞同步活动才能产生足够强大的电流 ,此种电流传导到头皮表面才能被常规脑电图描记下来。常规脑电图所描记到的脑电活动受到多种因素的影响 ,比如同步活动的神经细胞数量的多寡、神经细胞在大脑皮层脑沟和脑回内排列的方向、颅骨和头皮的完整性以及其导电率的改变等。头皮和颅骨是电的不良导体 ,大脑皮层产生的神经电活动在经过颅骨和头皮的传导时会受到明显的衰减 ,所以头皮记录到的脑电活动通常只有皮层记录的几分之一到十几分之一。此外 ,不…     

基于互信息的多光谱图像配准

研究了多模态医学图像配准的一种，即多光谱图像的配准，分析了该配准存在的困难：运算量巨大，速度较慢，占用内存多，提出了用Parzen窗口函数来估计概率密度，以及用样本平均来估计熵；在搜索策略上采用了快速有效的模拟退火算法。实验证明，本文的方法很好地解决了多模态配准中存在的问题，能够快速稳定地实现多光谱图像的配准。     

医学图象匹配的遗传算法方法

本文用变形轮廓线的方法实现医学图象匹配过程中的对应标记点问题,并用遗传算法进行最佳匹配结果的搜索。遗传算法用变形轮廓的能量函数作为适应度函数,并通过动态映射方法实现搜索空间尺度的自适应变化。实验结果表明,本文的方法能有效地用于建立医学图谱和图象之间的一一对应关系,是对以往人工交互标注方法的重要改进。     

基于投影图像和CT容积图像的三维冠状动脉运动跟踪新方法

目的利用双平面X射线投影图像序列和参考CT容积图像进行冠状动脉的三维运动跟踪建模。方法①提取投影图像序列中的冠状动脉树;②利用多尺度滤波和血管函数提取CT容积图像中的动脉血管;③采用基于B样条配准的方法进行三维运动建模。结果将双投影图像中血管的运动估计结果的三维重建形态与三维运动模型预测出的结果进行了量化比较,调整配准的B样条参数后,两者误差处于有效范围之内。结论由此表明采用投影图像和对应容积图像的联合先验知识进行冠状动脉的三维运动建模是有效的。     

基于多层次变换和优化方法的PET-CT图像弹性配准

目的为校正PET/CT一体化仪器的误配准和形变问题。方法本文提出一种基于多层次变换和优化的弹性配准方法,以互信息为相似性测度,先进行全局刚性变换使用单纯形优化策略,在刚性变换的基础上使用B样条形变变换并使用有限内存的BFGSB(limited memory Broyden Fietcher Goldfarb Shanno bound,LBFGSB)优化算法。选取3个患者PET/CT联合扫描下的6组数据对本文算法进行验证,并与采用传统单一变换方法和单一优化策略的方法进行了对比。结果采用本文提出的配准算法得到的平均配准时间为19.78 s,平均互信息值为0.3115,较传统仅使用单一变换和单一优化的配准方法在配准速度和精度上有一定的提高。结论基于多层次变换和优化方法的图像配准方法能够较好地解决PET产生的形变问题,配准速度快精度高,可以用来校正PET/CT联合扫描由于呼吸运动和脏器运动产生的误配准和形变问题。     

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。     

多模态医学图像配准技术的分类与研究进展

多模态医学图像配准技术是目前医学图像处理中的研究热点 ,对于临床诊断和治疗有重要意义。本文首先分析了图像配准的过程 ,并在此基础上对配准方法进行了反映其本质的分类 ,然后综述了目前的一些主要的多模态医学图像的配准方法 ,最后提出了医学图像配准研究中的几个主要问题。     

带有预处理的计划CT和在线CT的形变配准方法

CT扫描中,水溶性碘造影的存在使得计划CT和在线CT图像中血管内的HU值出现非常大的偏差,从而导致计划CT和在线CT图像错配。针对该问题,本研究提出了一种基于预处理的计划CT和在线CT形变配准方法。首先,根据CT图像组织和结构的信息,利用阈值分割方法分割出血管,并将所有分割中最大的联通区域作为初始分割的强化血管;其次,利用分割得到的强化血管区域外扩5 mm,作为外扩的强化血管,并将血管用固定的HU值进行填充;最后,对完成填充后的图像利用Demons算法进行形变配准。实验结果显示本文提出的带有预处理的形变配准方法,可以较好地解决水溶性碘造影剂引起的CT错配问题。     

肺部图像配准关键技术及研究现状

图像配准是医学图像处理和分析的重要研究内容,其中对肺部的图像配准是医学图像非刚性配准的重要实例应用。因肺在呼吸运动或手术过程中会发生巨大形变,所以肺部图像配准充满着挑战,是图像配准领域内一个活跃的研究课题,具有广阔的应用前景。本文介绍了肺部图像配准的流程,并将其五个关键技术:形变模型、相似度度量、正则化方法、优化策略和评价方法进行了分析和总结。通过对研究现状及关键技术的回顾,提出了肺部图像配准目前面临的困境和未来的研究方向。     

基于卷积神经网络和图像显著性的心脏CT图像分割

目的心脏医学影像中,感兴趣部分的提取与分割是诊断心脏病变部位的关键。由于心脏舒张、收缩以及血液的流动,心脏CT图像易出现弱边界、伪影,传统分割算法易产生过度分割的情况。为此,提出一种基于卷积神经网络和图像显著性的心脏CT图像分割方法。方法采用卷积神经网络对目标区域进行定位,滤除肋骨、肌肉等造影对比不明显部分,截取出感兴趣区域,结合感兴趣区域的对比度计算并提高感兴趣区域的心脏组织的显著值。通过获得的显著值图像截取心脏图像,并与区域生长算法的分割结果进行对比。最后使用泰州人民医院11例患者的影像数据对算法模型进行训练和测试,随机选择9例用于训练,剩余2例用于测试。结果所提算法模型在心底、心中、心尖3个心脏分段的分割正确率分别达到了92.79%、92.79%、94.11%,均优于基于区域生长的分割方法。结论基于卷积神经网络和图像显著性的分割方法能够准确获取心脏的外围轮廓,轮廓边缘更加平滑,完全能够满足CT图像序列的心脏全自动分割任务需求,分割后的图像更有利于医生对患者心脏健康状况和病变部位的观察。     

基于球形标记的多模态医学体配准

本文提出在医学多模态数据集 (尤其是 MRI和 CT)中基于球形人造标记的体配准过程。此过程或是半自动或是全自动完成的。半自动方法要求数据集中标出球形标记的近似点位置 ,再自动进行配准。全自动方法不需要用户的任何交互操作 ,即所有配准子任务 (球体的分割、寻找两组球体的对应关系、最后把第一套球体映射成第二套球体的几何变换的计算 )能由计算机自动执行。在全自动配准中 ,积聚器算法和迭代最近点算法的结合证明是一种有效的和鲁棒性好的点匹配方法