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.     

基于特征提取的脑部医学图像配准研究

目的 基于特征的配准算法具有鲁棒性强、针对性好等显著优势,在图像配准领域被广泛应用,但是该类方法的精度受图像间特征构建和环境噪声影响大,该研究旨在对其缺点进行改进。方法 该研究基于SURF和ORB两种算法,提出了SURF-ORB算法,将参考图像与待配准图像分成上下两部分分别配准。在配准过程中,首先对SURF提取的图像特征点的Harris响应值进行优化,并使用灰度质心法确定特征点主方向。然后计算rBRIEF（旋转BRIEF）描述子,并使用汉明距离进行特征点匹配。最后加入RANSAC精匹配算法,剔除误匹配点。结果和结论 该研究通过对比分析SURF、ORB、SURF-ORB这3种算法的配准结果、抗噪声能力及多模态配准能力,验证了SURF-ORB算法具有较高的配准精度、配准速度和抗噪声能力。文章的创新之处该研究首次将SURF和ORB两种算法进行结合并应用于脑部横断面图像。     

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。     

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。     

一种医学图像几何特征的自动检测

医学图像配准的方法有许多种,它的原理都是选取合适的图像特征量,根据特征量再来确定配准变换,因此特征量的选取是图像配准的第一步。目前用于配准的图像特征量有多种,如图像边界、图像外标记点等。本文提供了一种提取图像脊特征,作为用于配准的特征量的方法,取得了良好效果。     

Projection-Based Medical Image Compression for Telemedicine Applications

Recent years have seen great development in the field of medical imaging and telemedicine. Despite the developments in storage and communication technologies, compression of medical data remains challenging. This paper proposes an efficient medical image compression method for telemedicine. The proposed method takes advantage of Radon transform whose basis functions are effective in representing the directional information. The periodic re-ordering of the elements of Radon projections requires minimal interpolation and preserves all of the original image pixel intensities. The dimension-reducing property allows the conversion of 2D processing task to a set of simple 1D task independently on each of the projections. The resultant Radon coefficients are then encoded using set partitioning in hierarchical trees (SPIHT) encoder. Experimental results obtained on a set of medical images demonstrate that the proposed method provides competing performance compared with conventional and state-of-the art compression methods in terms of compression ratio, peak signal-to-noise ratio (PSNR), and computational time.     

DRR and Portal Image Registration for Automatic Patient Positioning in Radiotherapy Treatment

Image processing turns out to be essential in the planning and verification of radiotherapy treatments. Before applying a radiotherapy treatment, a dosimetry planning must be performed. Usually, the planning is done by means of an X-ray volumetric analysis using computerized tomography, where the area to be radiated is marked out. During the treatment phase, it is necessary to place the patient under the particle accelerator exactly as considered in the dosimetry stage. Coarse alignment is achieved using fiduciary markers placed over the patient’s skin as external references. Later, fine alignment is provided by comparing a digitally reconstructed radiography (DRR) from the planning stage and a portal image captured by the accelerator in the treatment stage. The preprocessing of DRR and portal images, as well as the minimization of the non-shared information between both kinds of images, is mandatory for the correct operation of the image registration algorithm. With this purpose, mathematical morphology and image processing techniques have been used. The present work describes a fully automatic method to calculate more accurately the necessary displacement of the couch to place the patient exactly at the planned position. The proposed method to achieve the correct positioning of the patient is based on advanced image registration techniques. Preliminary results show a perfect match with the displacement estimated by the physician.     

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。     

Effect of Automated Image Registration on Radiologist Interpretation

In this study, we present preliminary data on the effect of automated 3D image alignment on the time to arrive at a decision about an imaging finding, the agreement of multiple of multiple observers, the prevalence of comparison examinations, and technical success rates for the image alignment algorithm. We found that automated image alignment reduced the average time to make a decision by 25% for cases where the structures are rigid, and when the scanning protocol is similar. For cases where these are not true, there is little or no benefit. In our practice, 54% of cases had prior examinations that could be automatically aligned. The overall benefit seen in our department for highly similar exams might be 20% for neuro and 10% for body; the benefit seen in other practices is likely to vary based on scanning practices and prevalence of prior examinations.     

基于Demons的微分同胚非刚性配准研究

Demons算法的一个局限是它无法处理大形变,且不能产生微分同胚的变换以满足计算解剖学的形态分析需要。利用李群中的指数映射,把原来Demons形变场相加的更新方式改进为若干次形变场间的复合,同时又保证了较高的运算效率。实验表明,新算法能配准大形变问题,且真实颅脑CT的实验结果与Demons算法的结果相近,但产生的形变场光滑可逆,并有相对更小的形变能量。     

多模态图像配准技术在HIFU手术中的应用

在交互式的图像导航热疗手术中 ,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。本研究提出了一种用手术前MRI图像重建的三维图像与手术中的超声图像进行配准的方法 ,对肝部肿瘤热疗手术中的目标进行定位。其配准方法采用的是基于肝部血管和表皮等特征的遗传配准算法。     

基于自由变形法的多模态医学图像的配准与融合

本研究提出了一种自动识别颈部PET-CT图像特征点的算法，它应用自由变形（FFD）方法以CT图像的特征点为参考使PET图像产生变形，再结合最大互信息法对颈部PET与CT图像进行非刚体配准，最后用改进的小波图像融合法把两者进行融合得出视觉效果比较理想的融合图像。经实际计算得出的变形PET图像与对应CT图像的互信息量大于原始PET图像，并且最后用改进的小波图像融合法得出的融合图像的信息量比一般小波融合大，由此证明本研究所用方法是有效的。     

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。     

一种人机交互式快速脑图像配准系统

为了推广配准研究在实际临床中的应用,提出并实现了一种脑图像配准系统.与其它自动化配准不同,该系统有意将人机交互引入配准过程,实现了脑图像的快速精确配准,并避免了局部极值等问题.同时,系统包含多种配准测度,适用于不同配准任务.试验表明,该系统配准效率高、能够解决大多数临床脑图像配准问题.     

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。     

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。     

旋转扫描超声心脏图像的中轴匹配与图像插值

研究旋转扫描超声医学图像多维重建中图像中轴匹配方法和插值算法。首先 ,根据图像中轴的特征点分析其时域曲线 ,实现中轴的轴向匹配 ;相似矩阵用来寻找两幅图像中轴附近匹配的像素线。自相关函数和 Fouri-er谱用来对图像中轴的匹配进行评价。其次 ,针对旋转扫描原始图像空间分布的特殊性 ,提出了分区插值法。实验结果表明 :我们提出的图像中轴匹配方法切实可行 ,插值算法快速、精确 ,基于匹配的插值算法可大大改善重建质量