基于互信息的三維醫(yī)學圖像配準與Snake感興趣區(qū)域融合.pdf

1、　　20世紀后期，醫(yī)學影像技術的發(fā)展為臨床醫(yī)學提供了多種模態(tài)醫(yī)學圖像，大致可分為兩類——解剖結構圖像(CT、MR)和功能圖像(PET、SPECT)，為融合不同模態(tài)圖像信息用于臨床診斷提供了可能。融合多種模態(tài)醫(yī)學圖像，可獲得較全面的病變信息，使臨床診斷和治療、放療定位和方案設計、外科手術和療效評估等更加準確完善。醫(yī)學圖像配準是融合多模態(tài)圖像信息的首要前提，是圖像融合的第一步，配準的精度直接影響融合的效果。
　　醫(yī)學圖像配準是指對研究

2、對象的同種模態(tài)或不同模態(tài)的圖像尋求坐標變換，使圖像的對應點達到空間位置和解剖結構上的一致；融合是指將已經配準的不同圖像中的有用信息集成到一幅圖像中，以提供更多的病變信息，利于醫(yī)療診斷。本課題以多模態(tài)頭部圖像為研究對象，對其預處理方法、基于互信息的醫(yī)學圖像配準、感興趣區(qū)域的提取與融合進行了深入而系統的研究，并研究了質心偏差對配準精度速度的影響。
　　配準方法有多種，其中基于灰度的配準方法直接利用原圖像的灰度信息進行配準，不需預處理，

3、因此具有魯棒性強、自動化程度高的特點，且精度高于基于特征的配準方法，可達到亞像素精度，互信息方法是一種灰度配準方法。本文研究了基于互信息的三維醫(yī)學圖像配準方法，改進了互信息和歸一化互信息的公式，減小了互信息計算量；對Powell優(yōu)化算法的方向替換策略進行矯正，最大限度的保持原搜索方向；采用預設旋轉量的方法有效解決了插值贗像局部極值問題；還采用背景閾值策略，減小了互信息的計算區(qū)域；應用形態(tài)學方法，去除了PET圖像的背景偽跡；使用了多分辨率

4、策略，有效地提高了配準的速度。實驗表明，本文改進的算法可達到亞像素精度且在速度上有了明顯的提高。
　　對于醫(yī)學圖像，醫(yī)生關心的區(qū)域可能是特殊的功能區(qū)域或者病變區(qū)域，因此，對這些感興趣區(qū)域進行分割尤為重要。傳統的邊緣提取算法很難提取出閉合的邊緣，且一般不能直接提取ROI的邊緣信息，本文使用Snake算法進行感興趣區(qū)域的提取。對傳統Snake與GVF Snake的分割效果進行了比較，最終采用傳統Snake算法進行感興趣區(qū)域的分割。本文