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。     

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。     

基于关键点的超声图像与磁共振图像多分辨率离散优化配准方法

脑肿瘤手术规划及术中,术前磁共振（MR）图像与术中超声（US）图像的配准甚为关键。考虑到两种模态图像具有不同密度范围及分辨率,且超声图像存在较多的斑点噪声干扰,采用一种基于局部邻域信息的自相似性上下文（SSC）描述子定义图像之间的相似性测度。将超声图像作为参考,使用三维微分运算提取其中角点作为关键点,并采用密集位移采样离散优化算法实施配准。整个配准过程分为仿射配准和弹性配准两个阶段,在仿射配准阶段,对图像进行多分辨率分解,在弹性配准阶段,采取最小卷积和均值场推理策略对关键点的位移向量进行正则化处理。对22名患者的术前MR和术中US图像进行配准实验,仿射配准后的误差为（1.57±0.30）mm,每对图像配准平均耗时1.36 s;弹性配准后的误差为（1.40±0.28）mm,平均用时1.53 s。实验结果证明本文采用的方法具有良好的配准精度和速度。     

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.     

基于局部联合熵梯度的双向多分辨率Demons算法

针对active demons算法易受到参数设置的影响,无法有效解决大形变场的配准问题,本研究提出了基于局部联合熵梯度的双向多分辨率demons算法。利用在配准过程中两幅图像的互信息不断增加,局部联合熵增大的规律,本研究引入两幅图像局部联合熵参数,将图像局部联合熵的梯度附加到demons驱动力中,实现了基于局部联合熵梯度的双向多分辨率demons算法。利用自然图像、MRI图像和CT图像测试本算法的优越性,与active demons,diffeomorphic demons算法进行对比分析,采用均方误差、归一化互相关系数和结构相似度对配准结果进行定量评价。本算法归一化互相关系数和结构相似度最高,均方误差最小。通过分析权重系数的影响和设置合适的参数,本算法可应用于大形变的医学图像配准,具有一定的临床应用价值。     

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.     

基于互信息的多分辨率三维脑图像配准方法

在3D多模医学图像的配准方法中，最大互信息法精度高，鲁棒性强，使用范围广，本文将归一化互信息作为相似性测度，采用不同的采样范围和采样子集，使用Powell多参数优化法和Brent一维搜索算法对3DCT，MR和PET脑图像进行了刚体配准，为了加快配准速度，使用了多分辨的金字塔方法，对PET图像采用基于坐标的阈值选取方法对图像进行分割预算法，消除了大部分放射状背景伪影，美国万德贝尔大学对结果进行的评估证明配准精度可达亚体元级。     

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。     

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.     

基于图像非线性配准的MRI几何失真校正

采用图像非线性配准的方法,对MRI存在的几何失真进行校正,先选取与MRI具有共同解剖结构且基本无几何失真的CT图像,作为配准校正的目标基准图像,将MRI与CT图像进行刚体配准,然后采用人工选点的方法,寻找CT图像和MRI中的对应标记点集,用改进的弹体样条函数进行全局非线性配准.结果表明:弹体样条变换具有较强的非线性校正能力,较好地实现了二维MRI的几何失真校正.我们采用的变换模型有效可行,并可用于三维失真图像的校正.     

基于多分辨率GMI Demons算法的18F-FDG PET-CT图像配准在食道癌病例中的应用

18F-FDG PET和CT图像的精确配准在肿瘤的放射治疗中具有重要的临床研究意义,本研究采用全局刚性粗配准对食道癌病例中的PET和CT图像进行预处理,尽可能地减小摆位误差,然后使用基于互信息梯度的Demons算法(GMI Demons)进行局部形变配准,有效弥补内部器官误差,另外为了加快配准过程,保持图像的鲁棒性的同时避免局部极值,在形变配准前使用多分辨率图像金字塔结构。通过对10例食道癌病例的定量分析,最大互信息值结果说明经GMI Demons算法配准之后的图像精度比基于MI算法要提高8.046%±0.041%,配准前后临床上肿瘤靶区(GTV)大小的变化,说明经GMI Demons算法配准之后的GTV大小比基于MI算法配准之后的精度提高8.022%±0.044%。两种定量结果的一致性和通过对图像的定性分析,说明该配准策略可以快速地精确肿瘤靶区位置,在制定精确的放疗计划和实际的临床应用中具有研究意义。     

利用相关比相似性测度多分辨率配准MR和PET医学图像的方法

采用了全新的相关比相似性测度作为配准的测度准则，提出了有效的磁共振(MR)和正电子发射端层扫描(PET)临床医学图像配准方法。具体设计时，采用了加速的多分辨率的配准方案，对方案中涉及的几何变换选取、重采样、多分辨率体数据表达及最优化方法进行了详细的设计分析。最后，利用多分辨率配准方法，对MR和PET临床医学图像进行配准，给出了令人满意的效果，同时和基于体素灰度的直接配准法相比，配准速度也有了很大提高。     

基于薄板样条的医学图像弹性配准

非刚体配准是神经外科和放疗计划设汁中的一个关键问题。使用薄板样条方法，利用两个对应标志点集对眼底、脑等多种医学图像进行弹性配准。其中，弹性插值法是将两个点集绝对对齐，常会出现严重的局部畸变；而弹性近似法充分考虑了整体平滑性的要求，对定位有误差的标志点约束的图像配准更为优越。实验结果表明，使用上述两种方法获得了很好的配准效果?     

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多模图像快速配准算法

对脑图谱开发过程中来源于不同成像设备的多模图像进行配准。对预处理后的数码图像和MRI图像,首先提取图像的轮廓,采用基于轮廓的力矩主轴法计算初始平移量和旋转量,然后设定初始缩放系数,将此初始配准参数作为改进单纯形法的初始参数,以互信息作为相似性测度迭代搜索,使互信息最大,从而实现最佳配准。结果表明本算法不需要人为预调整待配准图像的分辨率,自动化程度高,配准速度快,精度较高,能够满足脑图谱开发过程中的多模图像配准要求。