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。     

多模态医学图像配准技术研究进展

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.首先分析了图像配准的过程,然后根据待配准图像的特征,包括图像的外部特征和内部特征,系统且详细地介绍了多模态医学图像配准的常用方法,并对这些方法进行了比较.     

基于混合互信息和改进粒子群优化算法的医学图像配准方法

为满足医学图像辅助诊断与治疗的需要,提出一种基于混合互信息和改进粒子群优化算法的医学图像配准方法。在每次迭代时,首先使用基于Renyi熵的改进粒子群优化算法对图像进行全局搜索,再使用基于Shannon熵的Powell算法对当前得到的最优解进行局部寻优。实验图像为60幅模拟图像和10幅临床图像,对70幅图像进行单模态和多模态的医学图像配准实验,所提出算法的单模态医学图像配准结果均达到亚像素级。在多模态医学图像配准实验中,采用5种性能指标,评价配准结果的质量。同3种医学图像配准算法进行比较,结果显示新算法除计算时间外,其他4项指标均为最优,MI指数、NMI指数和CC指数的均值分别为1.338 6、1.363 1和0.837 8。主观和客观分析显示,所提出算法在精确度和收敛速度方面均优越于其他配准算法。     

多模态医学图像配准技术的分类与研究进展

多模态医学图像配次技术是目前医学处理中的研究热点,对于核准 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。     

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。     

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。     

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。     

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。     

"虚拟中国人男性一号"多模态图像配准

目的：解决“虚拟中国人男性一号”CT图像、MRI图像与断层切削图像之间的多模态图像配准问题。材料和方法：根据这三种图像的特点，选择CT图像为基准图像，在对MRI图像进行配准时，通过求解两幅图像梯度特征的最大互信息，搜索出最佳配准参数；在对断层切削图像进行配准时，采用基于解剖结构特征提取的配准方法获取最佳配准参数：最后．根据所得配准参数对待配图进行变换，从而达到配准目的。结果：对头部三种模态图像数据集进行了配准，与高精度手工分割图像数据集进行对比，配准正确率达到95．8％。结论：配准结果准确，解决了“虚拟中国人男性一号”多模态图像配准问题，为数字化虚拟人多模态图像配准提供了参考。     

基于海明窗滤波及粒子群优化搜索的医学图像配准

针对互信息在多模态医学图像配准中的局部极值问题,利用海明窗(Hamming窗)进行滤波预处理,并采用粒子群优化(Particle swarm optimization,PSO)方法搜索配准参数。结果表明,图像经过Hamming窗低通滤波后,局部极值大大减少,有利于利用互信息进行图像的配准。另外,PSO优化算法在大多数情况下都可以收敛到全局最优解。我们提出的方法可有效克服互信息的局部极值问题,并有效提高配准精度。     

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。     

一种用于医学图像配准的图像外边界的提取方法

医学图像配准是医学图像融合的第一步,而基于图像边界的配准方法对刚性物体图像（如人头颅骨的CT、MRI图像）来讲是一种较好的配准方法。本文给出了一种医学图像外边界的提取方法,它能够快速、准确地提取出CT、MRI等图像的外边界,为用边界法进行图像配准提供了保证。     

一种新颖的序列图像自动配准方法

序列图像的配准是医学临床与科研实践中扮演着非常重要的角色.为了快速、准确地进行医学序列图像配准,本文提出了一种利用图像联合直方图进行序列图像自动配准的新方法.首先对图像阈值分割,将其联合直方图划分为4个区域,然后根据不同的配准图像数据,选择定义在不同区域上的计数值作为参数计算的准则函数.该方法设计简单、巧妙,以计数方法代替其他方法中大量的浮点运算.由于准则函数具有良好的光滑特性,且选择Powell算法做最优化搜索,因此保证了优化结果的准确性.和其他算法相比,该方法大大简化了准则函数的计算,从而显著提高了配准优化搜索的速度.根据实验结果,及与基于互信息量方法的对比,证明该方法准确、简便、快速、有效.     

引入高斯函数的互信息法多模态图像配准

目的：最大互信息作为相似度测量在医学图像配准中已被广泛应用。在计算图像互信息时,为了避免引入新的灰度值一般采用部分体积插值统计两幅图像的联合直方图。但用该方法计算中,当图像平移整数点时,统计联合直方图会出现缺陷,使目标函数出现局部极值,从而造成误配准。方法：将高斯函数引入到直方图统计中,选取适当的邻域,用高斯函数计算邻域内各点像素对联合直方图的贡献。利用高斯函数的平滑性,避免了在互信息计算过程中统计图像联合直方图时出现误差。使用Powell优化方法,寻找最佳的优化参数,实现图像的最佳配准。结果：采用CT-PET数据进行实验,该方法平滑了目标函数,有效地消除了局部极值,提高了多模态图像配准的精确性,并且,对噪音图像配准也产生很好的效果。结论：该方法适用于多模态医学图像配准,克服了传统互信息计算时的不足,提高了配准的正确率和精确度。     

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。     

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。     

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。     

医学图像非刚性配准研究进展

医学图像非刚性的配准在医学诊断和治疗计划中起着重要的作用,学者们为此提出了各种非刚性配准算法.本文首先分析了非刚性配准的必要性;接着介绍了近年来提出的典型非刚性配准算法,给出了这些方法的基本原理及研究进展,最后对非刚性配准的发展方向进行了展望.