基于掩膜优化的多模态医学图像刚性配准

目的:基于配准开源平台ITK和开源计算机显示视觉库OpenCV开发刚性配准程序,并集成到DeepPlan计划系统中,实现快速准确的多模态刚性配准。方法:基于形态学开运算初步去除图像中无需关注的细小区域和部分扫描床,使用最大类间方差法(Otsu)突出感兴趣的图像部位,Canny算子用于提取富含信息区域的边界信息。使用像素填充技术得到图像配准需要的掩膜,并采用OpenMP并行技术加速掩膜计算过程。最终在配准过程中将掩膜作用于参考图像或浮动图像。结果:测试了多组不同模态和部位的算例,实验结果表明基于掩膜优化的多模态医学图像刚性配准方法可以自动去除绝大部分背景图像和扫描床板,节约图像配准中一半以上时间,且图像配准质量并无下降;在1 min内可以完成两组100张左右的图像配准。且本方法以动态链接库的形式成功集成在治疗计划系统DeepPlan中。结论:在保证配准结果准确的基础上,基于掩膜优化的多模态医学图像刚性配准方法显著提高了图像配准速度,且算法稳定性能高,有很好的临床应用前景。     

多模态医学图像配准技术研究

目的:通过对CT和PET图像进行配准实验,得出CT和PET配准的最优插值搜索方法以及粗配准对二者配准结果的影响。方法:首先利用改进的力矩与主轴法对CT和PET图像进行粗配准,得到CT图像的平移量与旋转量。然后针对不同的插值和搜索方法实现互信息配准,并将所得平移量与旋转量作为Powell优化初值进行实验,与使用默认值的Powell优化方法进行对比。结果:实验结果表明:使用双线性插值算法时,两实验的结果基本一致;采用部分体积插值法时,基于粗配准的Powell优化配准效果优于基于默认值的方法;而使用立方卷积插值法时二者配准效果差别不大,但基于粗配准的方法时间更短。结论:基于粗配准的Powell优化方法(部分体积插值与Brent搜索)有更好的配准速度及效果。     

基于自适应微分同胚多分辨率Demons算法的多模态磁共振图像配准

微分同胚Demons能保证变形场的光滑可逆性,避免不合理形变的产生,但迭代次数需手动设定,且对配准结果影响较大。为解决此问题,提出自适应微分同胚的多分辨率Demons算法。首先利用非刚性配准的优化理论框架和多分辨率的策略,引入基于灰度的相似度能量函数,并设置配准终止条件,最终实现迭代次数的自适应。用check board图像,相同模态和不同模态的磁共振图像进行测试,采用配准评价指标进行定量分析,并分析不同驱动力和参数对配准结果的影响。实验结果表明:对于相同模态的磁共振图像,均方误差为514.796 5,归一化互相关系数为0.999 3,结构相似度为0.994 8;对于不同模态的磁共振图像,均方误差为1 354.1,归一化互相关系数为0.593 5,结构相似度为0.511 6;该算法均方误差最小,归一化相关系数、结构相似度最高;该算法具有高效性和鲁棒性,可用于磁共振图像的非刚性配准。     

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.     

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。     

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。     

Active Demons可变形图像配准算法研究

在介绍Active Demons可变形图像配准算法的基础上,重点分析该算法中弹性系数σ和均化系数α对配准过程的影响.实验表明,σ和α较小时算法收敛速度快,较大时配准精度高.因此,通过在配准过程中调整二者的值可以实现即快又准的图像配准.     

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。     

基于灰度和形状的非刚性图像配准算法的研究

提出一种新的灰度和形状信息相结合的全自动同模态医学图像非刚性配准-分割算法,将欧氏距离表示的形状信息融入基于灰度的配准算法中,构造出新的代价函数.该算法在医学图像多目标分割的应用中,能够较好地完成灰度相近、边缘模糊、间距较小的不同结构的分割.对5组真实脑部MRI图像进行分割脑深层灰质结构的实验,结果表明,本算法优于基于灰度信息的图像配准算法.     

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。     

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     

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。     

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。     

GPU框架下基于改进Demons算法的CT-CBCT图像变形配准研究

目的:针对自适应放射治疗中的关键技术--CT和CBCT图像变形配准问题,提出一种基于图形处理器GPU的改进Demons配准算法。方法:通过匹配CT和CBCT图像相应体素局部邻域点集的k阶样本矩,计算CBCT图像每一个体素CT值的线性变换系数,并在每一次Demons迭代过程中,对原CBCT图像逐体素做CT值线性变换,最后利用Demons公式计算变形场。结果:5例临床头颈部肿瘤患者的CT和CBCT图像配准结果表明,改进后算法不受CT和CBCT图像CT值强度不一致的影响,能快速、精确的完成图像的变形配准。结论:基于GPU框架的改进Demons算法可以快速精确完成CT-CBCT图像变形配准,较好的满足了临床对于快速变形图像配准的要求。     

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。     

基于Demons算法的弹性配准在放疗锥形束CT图像配准中的应用

将基于经典Demons算法与加速Demons算法的弹性配准模型应用到放疗患者不同分次间的锥形束CT(CBCT)图像中,为进一步分析肿瘤及危及器官的变化提供软件支持。通过Matlab软件编写三维弹性配准程序,并用此程序对宫颈癌放疗患者不同分次时的两组锥形束CT图像进行仿真实验验证。结果表明经典Demons算法配准前后对比,最小均方误(MSE)减少59.7%,相关系数(CC)提高了11.0%;加速Demons算法配准前后对比,MSE减少40.1%,CC提高7.2%。实验验证上述两种基于Demons模型的弹性配准在CBCT图像配准中取得较好的配准效果,但对细微差别处仍显得精度不够,且整个配准时间较长,如要应用到在线自适应放疗中仍需进一步提高形变的精度并减少配准时间。     

基于循环一致生成对抗网络的多模态影像刚性配准

目的:采用循环一致生成对抗网络(CycleGAN)方法在保证医学影像刚性配准精度的同时,降低图像配准的时间以及训练数据获取难度。方法:首先对训练数据进行标准化与归一化,同时对图像进行重采样与剪裁,去除多余的空气部分。其次采用阈值法与扫描线法获取图像的外轮廓信息,基于CycleGAN建立两个生成器与两个判别器,生成器输入配准图像对和输出配准结果,判别器输入配准图像对和输出配准程度。在原始CycleGAN损失函数基础上,增加轮廓损失项,以约束网络训练方向,提高收敛速度。结果:选取75例腹部病例,其中65例作为训练数据集,10例作为测试数据集,配准结果与配准软件Elastix对比。计算测试图像集外轮廓Dice系数,配准前图像对的平均Dice系数为0.858,Elastix配准后的平均Dice系数为0.926,本方法配准后的平均Dice系数为0.925。配准时间上Elastix的平均配准时间为12.1 s,本研究方法的平均配准时间为0.04 s,加速比达到302。结论:本方法在保证图像配准精度的同时极大降低了图像配准所需的时间,提高了配准流程工作效率。除此之外,与其他深度学习网络相比,本方法不需要真实配准结果以及传统相似性测度。