醫(yī)學圖像自適應配準算法研究.pdf

1、醫(yī)學圖像配準是指通過尋找某種空間的變換，使來自不同成像時間、不同或相同成像傳感器、不同成像角度的同一組織的兩幅或多幅圖像的對應點在解剖結(jié)構(gòu)上達到一致。醫(yī)學圖像配準技術在臨床研究中有重要的應用，包括腫瘤檢測、放射定位、可視化手術、結(jié)構(gòu)匹配等等，是目前的一個研究熱點。
　　本文詳細的分析了醫(yī)學圖像配準的基礎理論以及各種關鍵技術，對醫(yī)學圖像彈性配準算法進行了初步的研究。彈性圖像配準算法中有很多參數(shù)初始值需要人為確定，比如正則化參數(shù)、變形

2、場初始參數(shù)、優(yōu)化函數(shù)中的步長初始參數(shù)以及步長變化方式等等，這些配準初始參數(shù)的選擇對配準過程有著重要的影響，本文著重對醫(yī)學圖像彈性配準過程中的初始參數(shù)自適應選擇問題進行了研究，主要內(nèi)容如下：
　　1.研究了特征在彈性配準中的作用，著重對Sift特征點提取與匹配算法進行了研究，結(jié)合醫(yī)學圖像的特點，通過限制特征點的匹配范圍，減少了錯誤的匹配點，提高了特征點匹配的正確率與速率；并對特征點匹配對數(shù)目進行了監(jiān)視，通過調(diào)整匹配閾值的大小對匹配對

3、數(shù)目進行調(diào)整，以保證配準過程的正確運行。
　　2.研究了彈性配準算法中的初始參數(shù)的自適應選擇問題。通過將Sift提取的特征應用到了配準算法變形函數(shù)中，實現(xiàn)了變形場初始參數(shù)的自適應選擇，增強了算法的自適應性；并且在優(yōu)化過程中克服了部分局部極小值的困擾，減少了尋優(yōu)的時間，使配準速度得到了加快。
　　3.設計了一種自適應步長選擇算法，克服了步長初始值對優(yōu)化函數(shù)的影響，在迭代中的步長自適應調(diào)整也加快了目標函數(shù)的收斂速度。通過實驗證明