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。     

基于形态学梯度和互信息的医学图像配准方法

基于互信息的图像配准方法,已被广泛用于医学图像的配准.但是该方法计算量较大且无法处理图像空间信息,导致运行时间较长且易陷入局部极值.为解决此问题,本研究提出了一种基于形态学梯度和互信息相结合的医学图像配准新方法,该方法充分利用图像的灰度信息和空间几何形状,可节省运行时间且有效改善传统互信息方法中的局部极值问题.实验结果表明,该方法的配准精度和运行速度明显优于传统方法.     

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Demons算法的多模态医学图像非刚性配准研究

非刚性医学图像配准是医学图像研究领域的热门专题之一,具有重要的临床应用价值。本文提出一种改进的Demons算法,将灰度守恒模型和局部结构张量守恒模型结合起来,构造一个新的能量函数处理多模态配准问题,然后采用L-BFGS算法优化能量函数,解决复杂三维数据的优化问题,并采用多尺度分层细化的思想解决大形变配准。实验表明,本文算法对大形变和多模态三维医学图像配准都有较好的效果。     

基于互信息的医学图像配准中互信息的计算

基于互信息的配准方法是医学图像配准领域的重要方法.互信息是图像配准中常用的相似性度量,具有鲁棒、精度高等优点,但基于互信息的配准计算量大,制约了它的实际应用.我们采用基于多分辨率和混合优化策略的配准方法,在图像的不同灰度等级数下进行配准,分析了互信息的计算量与灰度等级数的关系,并用人头部的MRI图像和CT图像做了二维的单模模拟实验和多模实际配准实验,结果显示在灰度等级数为32和64时,与灰度等级数为256时相比,配准精度没有明显改变,而计算量下降显著.     

利用图谱匹配分割标注VHP数据集

利用TT脑图谱中丰富的结构信息,本文提出了一种自动分割脑图像的方法,并将其用于Visible Human数据集（VHD）的脑图像的分割,这种方法可分为两步,首先,将VHD中的脑图像和TT Atlas配准,通过图像和医学图谱的匹配,可以把图谱中存储的拓朴信息直接映射到ＶＨＤ,然后,利用这个预分割的模板对VHD脑图像进行模糊聚类分割,为自动将模板中的结构信息用于分割,本文利用Chamfer距离变换,提出了一中引入形状因子的FCM聚类算法。     

基于配准方法的颅脑CT图像病变信息自动提取算法

医学图像中病变信息的计算机自动提取是实现计算机智能辅助诊断的关键与难点,本研究的目的就是提出一个解决该难题的算法,称之为PATHOINFER。该算法的基本过程是首先选择一幅具有代表性的模板图像帆和一系列与其相应的正常图像样奉Mi,利用非刚性配准分别建立表示“正常图像”灰度变化的灰度均值图谱,表示正常变异的统计概率图谱和反映其解剖结构空间关系的分割模板。以实现对“正常图像”的计算机描述。再通过M0与目标图像S的配准,达到“正常图像”与S在空间关系上的一致,然后通过S与“正常图像”的比较,利用模糊逻辑推理,自动检出S中的病变区域,并实现对其病变特征信息的自动提取。实验结果表明,PATHOINFER算法可自动地检出并分割病变区域,并能够自动地提取包括病变发生部位在内的特征信息。实现了计算机智能辅助诊断研究中病变信息自动提取的难胚。     

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B样条的医学图像弹性配准

为解决医学图像上的形变和偏移,本研究采用基于B样条自由形变的配准方法.建立一个由控制点组成的网格,并将其套用在待配准图像上,得到初始控制网格参数.以梯度下降法为优化算法,以SSD测度为相似性测度,不断修正该参数,参数的改变将引起控制点最近邻4×4控制网格内所有的像素点发生移动,移动后的坐标位置由B样条拟合得到.以双线性插值为插值算法,计算出该位置的灰度值,该位置相对于配准后图像,等同于像素点移动前的位置映射到参考图像相对应的位置,当配准后图像与参考图像对应位置的灰度差异度达到最小时,就达到图像的最佳配准.实验结果表明,该算法配准结果满意,从而验证了本研究算法的有效性.     

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。