快速腹部醫(yī)學圖像配準方法的應用研究.pdf

1、醫(yī)學圖像配準是信息處理、計算機圖像技術和現代醫(yī)學等多學科交叉的研究課題，已經在臨床診斷、治療、術前規(guī)劃等方面取得了廣泛的應用。醫(yī)學圖像配準是指利用計算機數字圖像技術，將時變的（如腹部CT圖像的門脈期、靜脈期等）或異源的（如MRI、CT、PET、SPECT等）的兩幅或多幅圖像進行匹配、疊加的過程。通常對待配準圖像進行單次或多次空間變換，使其特征點與參照圖像的對應特征點達到空間一致。在醫(yī)學臨床應用中，圖像配準是圖像分析、融合和三維可視化等后

2、續(xù)操作的基礎。
　　隨著醫(yī)學信息化的進步和診療技術的發(fā)展，臨床醫(yī)學對醫(yī)學圖像配準等計算機輔助醫(yī)學方法提出了實時性要求，如何在保證配準精度的條件下實現實時醫(yī)學圖像配準則成為當前該領域研究的熱點問題。然而，隨著醫(yī)學圖像采集技術的不斷發(fā)展，醫(yī)學圖像的圖幅和精度越來越大，不能單純的依賴更高性能的計算機來解決圖像配準的性能問題，而應當從算法層面加以研究，因此傳統(tǒng)的圖像配準方法面臨新的挑戰(zhàn)。因為腹部醫(yī)學圖像有著組織器官柔軟、易受呼吸影響而形變

3、性強的特點，所以對其圖像的可形變配準方法的研究有著重要的意義和應用價值。
　　醫(yī)學圖像配準方法主要分為三大類:基于互信息的圖像配準方法、基于特征的圖像配準方法和基于生物力學的配準方法，本文基于這三類方法展開研究，對現有方法分別提出改進。
　　首先，本文提出了一種基于多分辨率交替迭代(Multi-Resolution AlternativeIteration，MRAI)的快速三維醫(yī)學圖像配準方法。該方法首先采用自由形變變換的兩

4、階段配準算法得到中間結果，再利用交替迭代的配準算法進一步得到更精確的結果。該方法利用多分辨率分析減少配準算法求解最優(yōu)值時的交替迭代次數。此外，為了進一步提高該方法的效率，運用了基于統(tǒng)一計算設備架構(Compute UnifiedDevice Architecture，CUDA)的高性能計算方法，充分利用CUDA架構下GPU(Graphic Processing Unit，GPU)并行計算的優(yōu)勢，并結合圖像多尺度、最大互信息等方法，實現了

5、腹部三維CT圖像的快速配準。評估結果表明，該方法能夠滿足臨床診斷中的要求，從而輔助醫(yī)生準確、快速地識別和定位肝臟的病灶區(qū)域，提高臨床診斷的準確性和效率。
　　其次，本文提出一種面向空間的尺度不變特征轉換(Scale-invariant FeatureTransform，SIFT)的非剛性配準模型。模型定義一種具備反應圖像全局信息能量的SIFT特征點描述符，以解決傳統(tǒng)SIFT特征提取計算過程耗時過長的問題。本研究在得到SIFT特征點

6、描述符的基礎上，結合圖像積分與圖像區(qū)域劃分，計算特征點的圖像空間分布描述符，并將空間分布描述符與SIFT特征點描述符進行加權聚集，作為新的圖像特征點描述符，最后再矯正匹配誤差。本研究同樣應用CUDA對SIFT特征提取方法進行加速，合理分配與利用CPU和GPU資源，重新設計和實現了SIFT特征提取算法的關鍵步驟。實驗證明，本研究提出的模型和算法能夠顯著提高SIFT特征提取速度從而提高配準的速度。
　　最后，本文提出一種基于生物力學模

7、型的肝臟CT圖像快速配準方法，并通過CUDA對計算過程加速。首先對原圖像進行網格化處理，然后運用三次歸一化逆向距離變換得到圖像中的顯著邊緣信息，最后通過一種新的能量函數來對配準的過程進行約束，并采用最小化能量函數的方式對圖像進行配準。該能量函數中包含一種內部應變勢能和兩種分別基于互信息和基于特征的外部能量，在該能量函數的數值解計算過程中，采用有限元方法進行計算。并基于CUDA對水平集演化過程進行加速，提高數值解計算的運算效率和實時性，從

8、而實現對肝臟CT圖像的實時配準。
　　本研究采用臨床實際腹部CT圖像數據，并在臨床實驗中對上述算法的實時性進行驗證:基于MRAI腹部三維醫(yī)學CT圖像配準方法，在保證配準結果精度的前提下，可以快速完成圖像配準，在CUDA加速架構下與傳統(tǒng)CPU架構下的三維醫(yī)學圖像配準算法相比性能提高255倍;改進的SIFT特征提取方法大大提高了SIFT特征提取速度，其加速比隨著SIFT特征點數目的增加而提高，最大加速比可達到19.54;基于CUDA加