基于ICP算法的醫(yī)學(xué)圖像配準(zhǔn)的研究.pdf

1、　　隨著醫(yī)學(xué)影像技術(shù)的發(fā)展,臨床上能獲得各種模態(tài)的醫(yī)學(xué)圖像。這些醫(yī)學(xué)圖像有各自的特點(diǎn),在臨床診斷中,常常需要把不同模態(tài)或者不同時刻,不同成像條件的醫(yī)學(xué)圖像結(jié)合起來。把兩幅或者多幅不同的醫(yī)學(xué)圖像融合到同一幅圖像中,可以結(jié)合不同圖像的優(yōu)點(diǎn),使圖像的包含的信息更豐富,有更高的臨床診斷價值。但是,來自不同模態(tài)和條件的圖像在空間位置上往往不能保證一致,不能直接融合圖像,首先要進(jìn)行圖像配準(zhǔn)。因此,圖像配準(zhǔn)是圖像融合的基礎(chǔ)。
　　迭代最近點(diǎn)(

2、Iterative Closest Point, ICP)算法是基于特征點(diǎn)集的算法。該算法通過不斷迭代使點(diǎn)集距離最近,此時認(rèn)為點(diǎn)集空間位置達(dá)到了一致,點(diǎn)集的空間變換參數(shù)就是圖像的空間映射參數(shù)。ICP 算法能使圖像的距離快速達(dá)到很近的位置,但是這一最近距離值收斂到一定的程度便不再變化。為了提高配準(zhǔn)的精度,本文嘗試使用了免疫算法。免疫算法在優(yōu)化目標(biāo)函數(shù)方面有很重要的應(yīng)用,可以通過設(shè)置參數(shù)使配準(zhǔn)參數(shù)達(dá)到理想的精度。缺點(diǎn)是在沒有經(jīng)驗(yàn)值的情況下,

3、收斂速度很慢,用于優(yōu)化最近距離函數(shù)沒有現(xiàn)實(shí)意義。結(jié)合這兩種算法的優(yōu)勢,本文選擇用ICP算法進(jìn)行初配準(zhǔn)使圖像基本配準(zhǔn)。在此基礎(chǔ)上有了較好的經(jīng)驗(yàn)值,再使用免疫算法優(yōu)化最近距離函數(shù),這種方法取得了滿意的效果。
　　由實(shí)驗(yàn)結(jié)果可知,ICP算法具有收斂速度快的優(yōu)點(diǎn)。對MR和CT圖像,T1和T2圖像的配準(zhǔn)都適用,且對于空間位置差異不大的醫(yī)學(xué)圖像穩(wěn)定性很強(qiáng)。唯一的缺點(diǎn)就是精度到達(dá)一定的值不再提高。免疫算法的缺點(diǎn)是收斂速度慢,但是能達(dá)到較高的精