基于特征的醫(yī)學(xué)圖像配準(zhǔn)中若干關(guān)鍵技術(shù)的研究.pdf

1、醫(yī)學(xué)圖像配準(zhǔn)是信息科學(xué)、計(jì)算機(jī)圖像技術(shù)和當(dāng)代醫(yī)學(xué)等多學(xué)科交叉的一個(gè)研究領(lǐng)域，已經(jīng)在臨床診斷、治療、術(shù)前規(guī)劃等方面有著廣泛的應(yīng)用。本文對(duì)醫(yī)學(xué)圖像配準(zhǔn)的理論、方法和技術(shù)進(jìn)行了全面地分析與總結(jié)，重點(diǎn)研究了基于特征的醫(yī)學(xué)圖像配準(zhǔn)。特征是圖像中易于識(shí)別并具有一定幾何或解剖意義的信息元素，如點(diǎn)、線段、輪廓等。在特征的引導(dǎo)下，圖像配準(zhǔn)可以被快速地實(shí)現(xiàn)且配準(zhǔn)過(guò)程具有較強(qiáng)的目的性。針對(duì)醫(yī)學(xué)圖像配準(zhǔn)中具體問(wèn)題，我們?nèi)〉昧巳缦碌难芯砍晒?針對(duì)醫(yī)學(xué)圖

2、像間存在差異部分或被關(guān)心部分只限于某一特定區(qū)域內(nèi)的情況，論文研究了緊支撐徑向基函數(shù)在醫(yī)學(xué)圖像配準(zhǔn)中應(yīng)用，提出了一種局部醫(yī)學(xué)圖像配準(zhǔn)方案，將特征點(diǎn)與圖像灰度信息相結(jié)合以優(yōu)化配準(zhǔn)變換函數(shù)。每個(gè)特征點(diǎn)被賦予一個(gè)影響半徑，用來(lái)控制特征點(diǎn)的作用范圍。針對(duì)單模與多模圖像間的灰度差異，分別選用灰度差平方和函數(shù)(the Sum of Squared Difference)和互信息(Mutual Information)作為衡量圖像匹配結(jié)果好壞的相似性測(cè)

3、度函數(shù)。通過(guò)插值特征點(diǎn)建立初始配準(zhǔn)變換函數(shù)，采用小生境遺傳算法對(duì)參數(shù)進(jìn)行優(yōu)化。與標(biāo)準(zhǔn)遺傳算法相比，小生境遺傳算法能夠有效地克服經(jīng)典遺傳算法搜索能力差與早熟等缺點(diǎn)，從而獲得精確的圖像配準(zhǔn)結(jié)果。 針對(duì)單一特征引導(dǎo)圖像配準(zhǔn)的有限性，論文研究了多種圖像特征共同引導(dǎo)圖像配準(zhǔn)的方法，提出了一種同時(shí)使用輪廓與特征點(diǎn)的醫(yī)學(xué)圖像彈性配準(zhǔn)方法。通過(guò)直線化減少提取輪廓中關(guān)鍵點(diǎn)的數(shù)量，以提高計(jì)算效率。以特征點(diǎn)間距離與輪廓間距離累加和作為圖像配準(zhǔn)的相似性

4、測(cè)度，采用迭代過(guò)程不斷地優(yōu)化配準(zhǔn)變換函數(shù)，最終達(dá)到特征點(diǎn)對(duì)與輪廓對(duì)同時(shí)匹配，進(jìn)而弓l導(dǎo)圖像配準(zhǔn)。算法同時(shí)配準(zhǔn)圖像整體信息(輪廓)與局部細(xì)節(jié)信息(特征點(diǎn))，可以更加準(zhǔn)確地補(bǔ)償圖像間的差異。 研究了特征曲線在醫(yī)學(xué)圖像配準(zhǔn)中的應(yīng)用，提出一種使用特征點(diǎn)與特征曲線的醫(yī)學(xué)圖像配準(zhǔn)算法。算法既保證了基于特征點(diǎn)配準(zhǔn)的精確性又兼有基于特征曲線配準(zhǔn)的魯棒性。半自動(dòng)的提取方式使操作者能夠精確地獲得對(duì)應(yīng)的特征點(diǎn)對(duì)與特征曲線對(duì)，提取后特征曲線采用非均勻三

5、次B樣條表示，以使同一對(duì)特征曲線具有相同的參數(shù)區(qū)間。非均勻的曲線離散機(jī)制保證了離散后點(diǎn)集盡可能忠于原始特征曲線同時(shí)又滿足圖像配準(zhǔn)中的要求。采用薄板樣條函數(shù)插值特征點(diǎn)對(duì)建立初始配準(zhǔn)變換函數(shù)，通過(guò)不斷改善特征曲線對(duì)間差異最大的區(qū)域獲得最優(yōu)配準(zhǔn)變換。特征曲線的引入可以實(shí)現(xiàn)圖像中連續(xù)信息的匹配。以特征曲線間的對(duì)應(yīng)關(guān)系為基準(zhǔn)，提出了一種基于特征曲線的局部圖像配準(zhǔn)算法，可以實(shí)現(xiàn)特征曲線及其周圍區(qū)域的平滑變換過(guò)程。算法采用非均勻三次B樣條表示特征曲線