基于轮廓的力矩主轴法在医学图像配准中的应用

目的 实现头部CT与MR图像的刚性配准,方法 不同模态的医学图像所能提供的解剖结构和功能住处各不相同。为了给医学诊断和治疗计划提供更加准确全面的图像依据。对多种模态的医学图像进行配准和融合就显得尤为重要,针对头部CT与MR图像轮廓清楚的特点,提出了一种基于轮廓的力矩主轴法配准方法,该方法通过提取图像的外围轮廓,计算出图像轮廓的质心及主轴,通过旋转和平移变换使两幅图像的质心及主轴对齐,从而达到配准的目的。结果 通过对实际图像进行配准。结果比较理想。结论 该方法具有速度快、无需人的参与、精度较高等特点。是一种较好的图像配准方法。     

基于划分强度一致测度的多模医学图像配准

以划分强度一致（PIU）测度，运用刚体变换的方法，结合Powell优化算法实现了MR／CT多模医学图像的配准。本方法较好地解决了多模态医学图像配准中存在的问题，能够快速稳定地实现头部MR／CT医学图像的配准。     

基于Demons算法的MR图像与病理切片的非刚性配准

目的:采用Demons算法实现脑胶质瘤MR图像与病理切片图像的非刚性配准。方法:采用Demons算法,加入局部结构张量信息,构建能量函数以获得新的形变向量,最后通过迭代实现MR图像与病理切片图像的配准。结果:配准后病理图像的肿瘤轮廓与MR图像基本吻合。结论:Demons算法可实现脑胶质瘤MR图像与病理切片的非刚性配准,配准后两幅图像的肿瘤大小信息基本达到一致,可为进一步的模型构建提供参考。     

基于GSO算法与互信息的医学图像配准

医学图像处理过程通常包括图像预处理、特征提取、图像分类,Harris角点检测算法是常用的特征点提取算法之一。该算法适应多种变换、运算简便,在医学图像处理领域中广泛应用,但在实际应用中发现传统的Harris算法检测到的特征点数量不足且图像配准精度不高。因此提出了一种优化算法（GM-Harris算法）,即采用群搜索优化算法（GSO算法）与互信息相结合的方式优化传统Harris算法的过程,并从匹配有效率与算法效率两方面对2种算法的特征点提取效果进行了定量分析。实验结果表明,与传统的Harris算法相比,GM-Harris算法不但可以获得较充足的特征点,而且还能提高图像配准的精度。     

CT图像配准算法的研究与实现

将CT片图像准确地配准,是连续CT断层图像三维重建的重要步骤.它直接影响着重建结果和参数计算的准确性.本文针对常规配准算法的不足,提出了一种新的匹配点对位的配准算法.这样不仅简化了配准算法,还提高了精度和效率.对此进行了相关的实验,得到了较好的效果.     

不同图像配准算法调用对食管癌IGRT配准结果的影响

目的探讨食管癌图像引导放疗(Image Guided Radiotherapy,IGRT)时不同配准算法调用对配准结果的影响。方法对20例食管癌IGRT病例的60次锥形束CT图像分别采用骨性算法和灰度算法与计划CT影像进行自动配准,通过比较不同配准算法自动配准与放疗医师手动微调后的配准结果差异来评估食管癌放疗中不同图像配准算法调用对图像配准结果的影响。结果两种算法的自动配准情况:平移误差在三个方向上均存在显著差异,而旋转误差在三个方向只有x方向和y方向有差异,z方向未见明显差异。与放疗医师手动微调后的配准结果差异情况:骨性算法要好于灰度算法,在平移误差上偏差更小(P<0.05),而在旋转误差上则未与灰度算法表现出明显差异(P>0.05)。结论在食管癌IGRT,使用骨性配准算法,并在自动配准的基础上采用手动微调的方式进行图像配准,能够获得满足临床放疗需要的较好配准结果。     

PET/CT胸腹部图像配准算法及系统设计

本文主要从多层次变换和多层次优化策略两个方面对胸腹部联合扫描得到的PET/CT图像进行配准算法研究,重点在于校正因呼吸运动引起的图像形变和误配准,并在此基础上基于医学图像处理软件包（ITK）、可视化工具包（VTK）和面向对象开发框架（QT）设计并实现了一个交互性强、用户界面友好的医学图像配准系统。实验结果表明,本文提出的弹性配准算法能够对PET图像的形变和误配准进行校正,在准确性上比仅使用单一变换和单一优化的方法有较大改进。     

ITEAR算法：以纹理能量分析为基础的早期肿瘤图像检测方法

目的：实现计算机自动检测出CT图像中的早期肿瘤。方法：提出一个以纹理能量分析为基础的可以检测出CT图像中早期肿瘤的算法——ITEAR（image registration and texture energy analysis）。该算法首先用互信息量配准方法将PET图像和同一层的CT图像配准,并且利用自适应阈值法将PET图像中的感兴趣区（region of interest,RO1）检测出来,然后应用纹理能量分析方法检测出早期肿瘤的准确位置,接着运用边缘检测方法将其边界提取出来。结果：ITEAR算法能准确定位早期肿瘤,并且能检测出早期肿瘤的边界。结论：ITEAR算法可以令计算机自动制定三维适形放疗计划。     

基于图像分割的MRI、CT脑图像自动配准的探讨

图像配准是图像融合等医学图像处理过程的关键技术,本文探讨的CT与MRI脑图像配准方法,采用自动分割两种图像的颅骨区域及用数学形态学方法修正,以此区域进行匹配.研究结果表明,该方法对原始图像的质量要求较低,其预处理过程可有效地提高搜索效率.     

眼底图像的配准

医学图像配准是人体可视化和医学图像分析的基础.配准技术的重要医学应用之一就是用手动、半自动或者自动技术进行眼底图像配准、频闪观察,便于眼底疾病的诊断和治疗.本文介绍了图像配准概念和分类,对眼底图像配准方法进行了介绍和对比分析,并且展望了眼底图像配准的发展.     

基于主成分分析的三维医学图像快速配准算法

本文提出了一种新的基于主成分分析的三维医学图像快速配准算法.传统的基于灰度的方法需要考虑整个三维数据的灰度信息,计算复杂度大,无法满足临床需要.而本算法利用数据的轮廓特征,通过主成分分析计算出图像的质心和主轴,通过对齐质心和主轴完成配准.实验结果表明此方法能准确,快速地处理图像刚性配准问题,特别适用于三维医学图像的配准.     

Feature and Intensity Based Medical Image Registration Using Particle Swarm Optimization

Image registration is an important aspect in medical image analysis, and kinds use in a variety of medical applications. Examples include diagnosis, pre/post surgery guidance, comparing/merging/integrating images from multi-modal like Magnetic Resonance Imaging (MRI), and Computed Tomography (CT). Whether registering images across modalities for a single patient or registering across patients for a single modality, registration is an effective way to combine information from different images into a normalized frame for reference. Registered datasets can be used for providing information relating to the structure, function, and pathology of the organ or individual being imaged. In this paper a hybrid approach for medical images registration has been developed. It employs a modified Mutual Information (MI) as a similarity metric and Particle Swarm Optimization (PSO) method. Computation of mutual information is modified using a weighted linear combination of image intensity and image gradient vector flow (GVF) intensity. In this manner, statistical as well as spatial image information is included into the image registration process. Maximization of the modified mutual information is effected using the versatile Particle Swarm Optimization which is developed easily with adjusted less parameter. The developed approach has been tested and verified successfully on a number of medical image data sets that include images with missing parts, noise contamination, and/or of different modalities (CT, MRI). The registration results indicate the proposed model as accurate and effective, and show the posture contribution in inclusion of both statistical and spatial image data to the developed approach.     

标点法MRI-CT图像融合的融合精度分析

目的:研究标点法进行MRI和CT图像融合后的融合精度,以期为颅内肿瘤术后进行放射治疗的患者寻找更有效的图像融合方法及精度评价标准. 方法:24例颅内肿瘤术后患者,在相同定位条件下进行MRI T1WI增强序列和术后定位CT扫描,采用Tris-Axes Landmark方法将其轴位MRI的T1WI增强序列与定位CT图像进行融合,寻找融合分数与融合误差之间的线性关系,并观察每例患者在三维空间的融合误差. 结果:融合分数和融合误差之间存在较好的线性关系,相关系数r= -0.985,回归方程为y=-0.551 3x+5.351 4,据此回归方程推测,融合分数＞6.61者均可满足临床融合需要. 结论:标点法是放射治疗中一种较好的融合方法,能快速准确地定量评价MRI-CT融合精度,可应用于临床放射治疗中.     

基于刚-弹性变换的医学图像塔式配准新算法

提出了利用B样条实现医学图像从刚性到弹性配准的统一的塔式算法。选取图像的四个顶点作为构成变形函数的B样条的节点,合理选择B样条的次数,可以实现图像的仿射变换。沿X和Y方向均匀增加节点数量,逐步增加变形函数的复杂性,通过选择B样条的不同的次数n,可以实现图像的分块仿射变换或n-1阶导数连续的弹性变换。整个匹配算法体现了从整体到细节的匹配思想。实验证明,这种配准方法比单纯的弹性配准方法鲁棒性有很大提高。     

CT-MRI同体位放疗模拟定位装置的研制

目的为了提高CT模拟定位图像与常规MRI扫描图像配准的精确度,使放疗靶区勾画的精确度提高,研制一套CT-MRI同体位放疗模拟定位装置。方法测量CT模拟定位固定装置的规格大小和MRI扫描机的床面大小、孔径大小等相关数据,根据测量数据选用凯夫拉、ABS塑料、尼龙螺丝材料设计并制造出CT-MRI同体位放疗模拟定位装置,包括MRI模拟定位体架、凹面床的平板适配床板和MRI体部扫描线圈拱形支撑架,分别用CT模拟定位固定装置、CT-MRI同体位放疗模拟定位装置对患者进行CT模拟定位和MRI模拟定位扫描,观察两组图像的配准融合效果。结果利用该装置安全、顺利完成MRI模拟定位扫描,经10例临床试验,CT-MRI同体位放疗模拟定位均能得到较好的图像配准融合效果。体位头部DICE:0.988,HD:3.340 mm;非同位头部DIC:0.947,HD:6.445 mm。同体位颈部DICE:0.847,HD:3.803 mm;非同体位颈部DICE:0.829,HD:4.679 mm。结论此CT-MRI同体位放疗模拟定位装置,能有效提高图像配准精确度,提高靶区勾画精确度,满足临床放疗要求。     

医学图像融合技术

医学图像融合就是来自相同或不同成像方式的医学图像之间的空间配准和叠加,这些图像经过必要的变换处理,使它们的空间位置、空间坐标达到匹配,叠加后获得互补信息及增加信息量,把有价值的生理、生化信息与精确的解剖结构结合在一起,给临床医学诊断提供更加全面和准确的资料。     

用Multiquadric方法实现医学图像的弹性配准

目的　改进医学图像弹性配准的精确度和配准方法的稳定性,并简化配准操作。方法　利用Multiquadric插值方法的可平滑性质,将其与一种半自动标记点选择方法结合,建立一种新配准方法。结果　运用此方法进行医学图像的弹性配准,实现了标准图像与变形图像的快速、准确配准。结论　我们建立的配准方法是一种准确、简便和稳定的方法。     

基于区域卫生信息平台的自助医疗系统应用研究

针对传统门诊流程中凸显的“三长一短”、“看病难”的问题,基于某院现有的医疗信息系统平台,以“一体化”的设计思路,提出了适合医院业务流的自助医疗服务系统模型及架构,并开发实施。该系统构建了建卡、挂号、取单、缴费等多项自助功能,实现了与医院HIS、LIS、银联、医保及市民卡接口的无缝数据互通,形成患者医疗信息的集成,为建设居民电子健康档案提供了基础前提。