醫(yī)學(xué)圖像配準(zhǔn)算法及其應(yīng)用的研究.pdf

1、醫(yī)學(xué)圖像配準(zhǔn)是近年來(lái)醫(yī)學(xué)圖像處理領(lǐng)域的研究熱點(diǎn)之一，在臨床診斷與治療等多個(gè)方面具有廣泛的應(yīng)用價(jià)值。但是目前配準(zhǔn)算法研究中仍然存在很多亟待解決的問題，本文針對(duì)其中制約醫(yī)學(xué)圖像配準(zhǔn)的精度和速度兩個(gè)關(guān)鍵問題進(jìn)行了深入研究，并結(jié)合實(shí)際應(yīng)用研究了專用的配準(zhǔn)算法。
　　互信息的配準(zhǔn)方法由于不需要進(jìn)行預(yù)處理，具有配準(zhǔn)精度高、容易實(shí)現(xiàn)自動(dòng)化等優(yōu)點(diǎn)，廣泛的應(yīng)用于醫(yī)學(xué)圖像配準(zhǔn)中。本文擴(kuò)展了互信息方法，提出雙向梯度歸一化互信息方法，該方法考慮圖像空間信

2、息和實(shí)際的不對(duì)稱性，是一種將互信息與梯度相似性結(jié)合的雙向醫(yī)學(xué)圖像配準(zhǔn)方法。利用三維MR的T1/T2序列圖像和PET/CT多模圖像分別進(jìn)行平移、旋轉(zhuǎn)分析，得到配準(zhǔn)函數(shù)曲線和配準(zhǔn)結(jié)果。與基于傳統(tǒng)互信息的配準(zhǔn)方法相比，雙向梯度歸一化互信息方法極大地提高了多模態(tài)圖像配準(zhǔn)的成功率（成功率約提高20％）和精度。
　　基于體素的配準(zhǔn)方法如互信息方法，配準(zhǔn)過(guò)程非常耗時(shí)。針對(duì)醫(yī)學(xué)圖像配準(zhǔn)的快速要求，本文分析研究了基于體素的剛體配準(zhǔn)過(guò)程，提出一種主軸

3、面互信息的粗配準(zhǔn)方法，并提出了結(jié)合增量的坐標(biāo)變換方法和多分辨率方法進(jìn)行配準(zhǔn)的策略。多模態(tài)和單模態(tài)配準(zhǔn)實(shí)驗(yàn)結(jié)果表明，上述快速配準(zhǔn)策略，大大減少了每次迭代的時(shí)間和尋優(yōu)迭代的次數(shù)。
　　本研究針對(duì)不同的醫(yī)學(xué)應(yīng)用，研究和開發(fā)專用的配準(zhǔn)算法。圍繞PET&CT圖像配準(zhǔn)需求，本文提出了一種自動(dòng)的掩模分割方法輔助配準(zhǔn)，并結(jié)合前文的研究成果形成了全自動(dòng)的多模態(tài)圖像配準(zhǔn)方法，利用25套PET/CT數(shù)據(jù)對(duì)該方法的魯棒性、穩(wěn)定性、準(zhǔn)確性和速度進(jìn)行了實(shí)驗(yàn)評(píng)

4、估，配準(zhǔn)結(jié)果全部達(dá)到了亞像素精度，全身數(shù)據(jù)的配準(zhǔn)時(shí)間約為20秒。此方法對(duì)MR頭部圖像與PET全身圖像同樣有效。針對(duì)基于MR影像的腎小球?yàn)V過(guò)率測(cè)量中需要精確分割序列圖像中腎臟的要求，本文利用兩次配準(zhǔn)與水平集分割相結(jié)合的方法實(shí)現(xiàn)了全自動(dòng)MR影像中的腎臟定位和分割，為后續(xù)的定量分析奠定了基礎(chǔ)。最后，本文基于內(nèi)關(guān)聯(lián)點(diǎn)漂移(coherentpoint drift,CPD)的非剛性配準(zhǔn)方法，研發(fā)了乳腺病變分布的全自動(dòng)的可視化工具，并用4個(gè)腫塊大樣本

5、的數(shù)據(jù)集討論了該工具的可行性。該工具可以使醫(yī)生方便直觀地了解感興趣數(shù)據(jù)集的病變分布情況，積累臨床信息。
　　實(shí)驗(yàn)結(jié)果表明，雙向梯度歸一化互信息比傳統(tǒng)互信息和梯度互信息方法有更高的魯棒性和精度，該方法能夠更加精確和穩(wěn)定地解決醫(yī)學(xué)圖像剛性配準(zhǔn)問題。本文提出的配準(zhǔn)加速方法，不僅大大加速醫(yī)學(xué)圖像的配準(zhǔn)過(guò)程，同時(shí)減少了因?yàn)橄萑刖植繕O值而導(dǎo)致的配準(zhǔn)失敗。
　　本研究結(jié)合醫(yī)生的臨床診斷需要，將配準(zhǔn)算法與其他算法有機(jī)地結(jié)合起來(lái)，產(chǎn)業(yè)化為實(shí)際