基于互信息的醫(yī)學(xué)圖像配準(zhǔn)與拼接方法研究.pdf

1、隨著醫(yī)學(xué)成像技術(shù)的迅速發(fā)展,出現(xiàn)了不同的醫(yī)學(xué)成像設(shè)備,如計算機(jī)斷層成像(CT)、磁共振成像(MRI)、數(shù)字減影血管造影(DSA)、單光子發(fā)射斷層成像(SPECT)、正電子發(fā)射斷層成像(PET)等。不同的成像技術(shù)能從人體獲取不同方面的信息,然而,由于成像原理的差異,每種成像設(shè)備并不能提供人體各個方面的信息。為了使多次成像或多種模式成像的信息可以得到綜合利用,減少由于信息不完整等因素引起的臨床診斷和治療誤差；研究人員開始尋找一項(xiàng)能夠在一幅圖

2、像上同時表達(dá)來自人體不同信息的技術(shù),如功能圖像和解剖圖像；而達(dá)到這一目的最基本的要求是使不同模式圖像中的同一解剖結(jié)構(gòu)達(dá)到空間位置上的一致,從而產(chǎn)生了醫(yī)學(xué)圖像配準(zhǔn)技術(shù)。
　　 醫(yī)學(xué)圖像配準(zhǔn)是對一幅醫(yī)學(xué)圖像尋求一種空間變換,使它與另一幅醫(yī)學(xué)圖像上的對應(yīng)點(diǎn)達(dá)到空間位置上的一致。配準(zhǔn)過程本質(zhì)上是一個多參數(shù)最優(yōu)化問題,是圖像融合的前提；在診斷醫(yī)學(xué)、手術(shù)規(guī)劃、模擬仿真以及放療計劃等方面都有重要應(yīng)用。因此,對醫(yī)學(xué)圖像配準(zhǔn)的研究,具有重要的學(xué)術(shù)

3、意義和臨床應(yīng)用價值。
　　 由Collignon和Maes、Viola和Wells幾乎同時提出的互信息配準(zhǔn)法不需要對被處理圖像進(jìn)行任何預(yù)處理,不需要對配準(zhǔn)圖像間的灰度關(guān)系進(jìn)行限制；并且,互信息法幾乎可以用于任何不同模態(tài)圖像的配準(zhǔn),已廣泛應(yīng)用到多模態(tài)醫(yī)學(xué)圖像的配準(zhǔn)中。圖像配準(zhǔn)方法包括特征空間、空間變換、空間搜索、相似度測量四個方面?；バ畔⑴錅?zhǔn)方法是將待配準(zhǔn)圖像的全部灰度信息作為特征空間,用互信息作為相似度來測量兩幅圖像的相關(guān)性。<

4、br>　　 在剛性配準(zhǔn)過程中,計算兩幅圖像的互信息時,容易引入新的灰度值；為了避免這種問題的出現(xiàn),一般采用部分體積插值統(tǒng)計兩幅圖像的聯(lián)合直方圖。但在該方法計算中,當(dāng)圖像平移整數(shù)點(diǎn)時,聯(lián)合直方圖統(tǒng)計會出現(xiàn)誤差,使目標(biāo)函數(shù)出現(xiàn)局部極值,從而造成誤配準(zhǔn)。針對這一問題,本文將高斯函數(shù)引入到直方圖統(tǒng)計中,選取適當(dāng)?shù)泥徲?用高斯函數(shù)計算鄰域內(nèi)各點(diǎn)像素對聯(lián)合直方圖的貢獻(xiàn)。利用高斯函數(shù)的平滑性,避免了在互信息計算過程中統(tǒng)計圖像聯(lián)合直方圖時出現(xiàn)誤差。使

5、用Powell優(yōu)化方法,尋找最佳的優(yōu)化參數(shù),實(shí)現(xiàn)圖像的最佳配準(zhǔn)。采用CT-PET數(shù)據(jù)進(jìn)行實(shí)驗(yàn),證明該方法平滑了目標(biāo)函數(shù),有效地消除了局部極值,提高了多模態(tài)圖像配準(zhǔn)的精確性,并且,對噪音圖像配準(zhǔn)也產(chǎn)生很好的效果。該方法適用于多模態(tài)醫(yī)學(xué)圖像配準(zhǔn),克服了傳統(tǒng)互信息計算時的不足,提高了配準(zhǔn)的正確率和精確度。
　　 目前提出的許多醫(yī)學(xué)圖像配準(zhǔn)算法只是針對剛性變換,彈性配準(zhǔn)雖然已經(jīng)提出了一些方法,但同剛性配準(zhǔn)算法相比還不成熟,不能滿足臨床實(shí)

6、時需求；由于研究對象具有多樣性和復(fù)雜性,盡管已提出了許多彈性配準(zhǔn)算法,可并沒有一種配準(zhǔn)方法能在各個方面都達(dá)到臨床需求。也就是說已提出的方法都有一定的局限性,如缺少實(shí)時性和有效的全自動性,這些不足在一定程度上制約著醫(yī)學(xué)圖像彈性配準(zhǔn)算法在實(shí)際臨床中的應(yīng)用。因此醫(yī)學(xué)圖像彈性配準(zhǔn)有著廣泛的臨床應(yīng)用,也是醫(yī)學(xué)圖像處理領(lǐng)域的研究熱點(diǎn)。
　　 文章實(shí)現(xiàn)的非剛性配準(zhǔn)算法,是基于B-樣條的FFD變換模型,用互信息作為相似度測量,滿足了配準(zhǔn)計算速度

7、和精度的要求。本文選用三次B-樣條曲線做變換模型,具有良好的局部控制特性,每個控制點(diǎn)變換時,只影響周圍4×4的鄰域；控制面網(wǎng)格的疏密可以用來控制形變程度,當(dāng)控制面網(wǎng)格較密時,變形模型趨向于描述局部形變；控制面網(wǎng)格較疏時,變形模型趨向于對全局進(jìn)行形變；控制點(diǎn)的移動只影響其周圍網(wǎng)格鄰域內(nèi)的鄰近點(diǎn),在計算互信息時,無需計算兩幅圖像整體的互信息來判斷該控制點(diǎn)是否移動到形變的準(zhǔn)確位置,只需計算兩幅圖像對應(yīng)控制點(diǎn)周圍鄰域的互信息,從而達(dá)到減少計算量

8、的目的。
　　 圖像拼接是在醫(yī)學(xué)領(lǐng)域有著廣泛的應(yīng)用。隨著醫(yī)療技術(shù)的發(fā)展,臨床醫(yī)學(xué)對x線影像有一些新的需求,在脊柱和長骨等的骨科診斷和手術(shù)治療中,獲取完整解剖結(jié)構(gòu)影像、解剖徑線測量和角度測量。對于術(shù)前診斷、術(shù)中監(jiān)控和術(shù)后評價都具有十分重要的意義。因此,由圖像拼接獲取的全景圖像具有重要的臨床應(yīng)用價值。
　　 醫(yī)學(xué)圖像拼接分搜索重疊區(qū)域、圖像配準(zhǔn)、灰度映射、圖像融合等幾部分。文章中實(shí)驗(yàn)數(shù)據(jù)為醫(yī)學(xué)圖像采用基于區(qū)域的灰度相關(guān)方法進(jìn)

9、行重疊區(qū)域搜索,用灰度映射對圖像灰度調(diào)整及融合。基于區(qū)域的拼接方法,一般直接利用待拼接圖像和參考圖像中像素的灰度相關(guān)性,確定相鄰兩幅圖像的重疊區(qū)域,然后構(gòu)造模板進(jìn)行匹配,從而得到完整圖像。圖像拼接中相鄰幀間灰度差較大時,找到重疊區(qū)域,直接進(jìn)行圖像簡單的疊加會出現(xiàn)皮帶現(xiàn)象,導(dǎo)致全景圖像不連續(xù)。針對這一問題提出了灰度映射的方法,統(tǒng)計兩幅圖像重疊區(qū)域的聯(lián)合直方圖,計算出新的灰度映射值；將一幅圖像映射到另一幅圖像,從而減少灰度差,完成圖像的色差