基于互信息的腦MR圖像配準(zhǔn)算法研究.pdf

1、神經(jīng)性疾病已經(jīng)成為全球健康的主要威脅，其早期診斷有助于顯著降低其發(fā)病率，腦核磁共振（MR）圖像處理方法是神經(jīng)性疾病早期診斷的有效手段，配準(zhǔn)方法是其關(guān)鍵環(huán)節(jié)，直接影響其臨床應(yīng)用，由于腦MR圖像中解剖結(jié)構(gòu)具有明確病理意義，因此研究對(duì)其精確配準(zhǔn)是提高基于腦MR圖像處理方法的神經(jīng)性疾病早期診斷準(zhǔn)確性的一個(gè)關(guān)鍵問題。
　　本文在重慶大學(xué)中央高?？蒲袉?dòng)基金、國家自然科學(xué)基金、重慶大學(xué)“211工程”三期創(chuàng)新人才培養(yǎng)計(jì)劃建設(shè)項(xiàng)目的資助下，展開了

2、對(duì)基于互信息的腦MR圖像配準(zhǔn)算法的研究。作者在“基于互信息的腦MR圖像配準(zhǔn)算法研究”課題的研究中，將基于互信息的腦MR圖像配準(zhǔn)方法轉(zhuǎn)化為一個(gè)具有醫(yī)學(xué)圖像背景的優(yōu)化問題。在配準(zhǔn)函數(shù)的設(shè)計(jì)、優(yōu)化算法的設(shè)計(jì)以及動(dòng)態(tài)優(yōu)化方式的研究三個(gè)方面展開了較為深入的研究，以利于提高腦MR圖像配準(zhǔn)的精度。在此基礎(chǔ)上，對(duì)比研究了圖像配準(zhǔn)中幾種具有代表性的互信息測度用于腦圖像配準(zhǔn)的性能差異，提出了小波混合優(yōu)化算法用于腦圖像配準(zhǔn)，并實(shí)現(xiàn)了基于進(jìn)化學(xué)習(xí)的動(dòng)態(tài)圖像匹配

3、，等。本文基于MATLAB和多幅腦MR圖像對(duì)文中提出的各種方法進(jìn)行多次統(tǒng)計(jì)實(shí)驗(yàn)，統(tǒng)計(jì)結(jié)果表明，本文的方法用于腦MR圖像，可獲取較高的配準(zhǔn)精度，較短的運(yùn)行時(shí)間以及較好的穩(wěn)定性。
　　論文的主要研究工作及創(chuàng)新之處如下：
　?。?）對(duì)基于互信息的四種測度的配準(zhǔn)性能做了深入的比較研究，包括最大互信息、歸一化互信息、梯度互信息、區(qū)域互信息。基于腦MR圖像配準(zhǔn)對(duì)上述四種測度進(jìn)行了比較和分析，定量分析了它們對(duì)于腦MR圖像的作用差異及特點(diǎn)，

4、為基于它們設(shè)計(jì)腦MR圖像配準(zhǔn)方法提供了有益的幫助。實(shí)驗(yàn)結(jié)果表明：四種測度對(duì)于腦MR圖像均能達(dá)到準(zhǔn)確的配準(zhǔn)，并具有很好的收斂性能。其中梯度互信息測度的魯棒性最好，區(qū)域互信息測度的配準(zhǔn)精度較之其它三者略差。
　　（2）針對(duì)目前已有的優(yōu)化算法，提出了基于小波和PSO的混合優(yōu)化算法應(yīng)用于腦MR圖像配準(zhǔn)。該算法采用小波分解技術(shù)實(shí)現(xiàn)腦MR圖像的高低分辨率分解。在低分辨率圖像上采用PSO（粒子群算法）進(jìn)行優(yōu)化獲得初步配準(zhǔn)參數(shù)，然后基于該獲得的原

5、圖像所對(duì)應(yīng)的配準(zhǔn)參數(shù)，采用Powell算法進(jìn)一步精細(xì)優(yōu)化，獲得最終配準(zhǔn)參數(shù)。實(shí)驗(yàn)結(jié)果表明，針對(duì)腦MR圖像配準(zhǔn)，該優(yōu)化算法相對(duì)于目前一些主流優(yōu)化算法來說，既具有較低的時(shí)間代價(jià)，同時(shí)還能獲得較高的優(yōu)化精度，此外其優(yōu)化穩(wěn)定性也較好。
　?。?）基于動(dòng)態(tài)優(yōu)化研究實(shí)現(xiàn)了動(dòng)態(tài)圖像匹配。該算法結(jié)合PSO進(jìn)化算法和機(jī)器學(xué)習(xí)方法，通過對(duì)當(dāng)前圖像匹配后的最優(yōu)種群動(dòng)態(tài)繼承與變化，并用于指導(dǎo)后續(xù)圖像的匹配，從而實(shí)現(xiàn)了初始種群的優(yōu)化，克服了目前圖像匹配算法

6、中參數(shù)設(shè)定隨機(jī)或僅憑經(jīng)驗(yàn)設(shè)定的局限性，以及對(duì)多幅圖像連續(xù)配準(zhǔn)時(shí)時(shí)間較長的缺點(diǎn)。實(shí)驗(yàn)結(jié)果表明，該方法較之傳統(tǒng)的通過隨機(jī)重啟生成新種群的配準(zhǔn)方式，可以獲取更高的精度和更短的運(yùn)行時(shí)間，同時(shí)實(shí)現(xiàn)了穩(wěn)定的最優(yōu)圖像匹配。
　　本文結(jié)構(gòu)如下：第一章為緒論，論述本課題背景、研究意義以及國內(nèi)外相關(guān)的研究現(xiàn)狀，介紹本論文的主要內(nèi)容和工作；第二章論述腦MR圖像配準(zhǔn)理論基礎(chǔ)，包括基本概念、關(guān)鍵技術(shù)及主要配準(zhǔn)方法；第三章論述腦MR圖像配準(zhǔn)中互信息測度的研究