超聲圖像與其它醫(yī)學圖像間的配準方法研究.pdf

1、本文首先介紹了醫(yī)學圖像配準的一般過程和所需算法，其中包括相似度測量、空間變換、灰度插值、優(yōu)化算法等。在配準過程中，相似性測度的選取和空間變換的復雜性在很大程度上影響了配準的效果和復雜程度。本文選取互信息作為配準過程中的相似性測度。論文首先分析了信息熵的概念以及不同形式的信息熵對互信息算法的影響，介紹了目前運用在配準領域的幾種熵的定義和理論意義。通過實驗比較了基于Shannon熵、Renyi熵和Tsallis熵三種不同形式信息熵的互信息在

2、超聲圖像配準中的效果。經(jīng)典互信息算法僅僅利用了圖像的灰度信息而忽略了圖像空間信息，為了充分利用超聲圖像中包含的信息，介紹了互信息的衍生形式如區(qū)域互信息、條件互信息等算法并比較其在超聲圖像配準中的表現(xiàn)。通過理論研究與對實驗結果的分析，提出了基于Tsallis熵的改進型條件互信息算法并介紹其推導過程。由于超聲圖像常用于軟組織成像，文中選取了3次均勻B樣條彈性變換作為待配準圖像的空間變換形式。在配準過程中為了提高配準效率，利用多分辨率分析算法

3、得到不同分辨率的待配準圖像，將低分辨率圖像的配準結果作為高分辨率圖像的初始參數(shù)。為了驗證算法的效果，本文分別設計了理論實驗、單模態(tài)超聲圖像配準實驗和多模態(tài)US-MR圖像配準實驗，實驗證明改進型條件互信息算法在2D圖像配準過程中有較好的表現(xiàn)。在2DUS-3DMR圖像的配準過程中，利用SIFT算法分別提取超聲圖像與磁共振序列圖像的SIFT特征向量并進行比較，從而獲得初始空間變換參數(shù)，然后再進行配準。選取了歸一化互信息、條件互信息、改進型條件