基于遺傳算法及最大互信息的醫(yī)學(xué)圖像配準(zhǔn)研究.pdf

1、在臨床診斷治療中，往往要求對(duì)病人的病變部位進(jìn)行多次成像，以獲取互補(bǔ)、有效、全面的信息，提高醫(yī)生的診斷治療效果，這就需要進(jìn)行醫(yī)學(xué)圖像的信息融合，把多幅圖像的信息融合在一起，并在一幅圖像上體現(xiàn)多方面的信息。作為醫(yī)學(xué)圖像信息融合的基礎(chǔ)，醫(yī)學(xué)圖像配準(zhǔn)(medicalimageregistration)具有重要的臨床應(yīng)用價(jià)值，不僅可以用于診斷治療，還可以用于病理變化的跟蹤和治療效果的評(píng)價(jià)等多方面。醫(yī)學(xué)圖像配準(zhǔn)已經(jīng)成為當(dāng)前醫(yī)學(xué)圖像處理領(lǐng)域中的研究熱

2、點(diǎn)，它主要是尋找兩幅圖像之間的一個(gè)最優(yōu)變換，使得其中一幅圖像在這種變換下和另一幅圖像達(dá)到空間位置和解剖結(jié)構(gòu)的一致，實(shí)質(zhì)上這是一個(gè)最優(yōu)化問題。醫(yī)學(xué)圖像配準(zhǔn)的研究具有一定的復(fù)雜性和困難度，雖然目前已經(jīng)提出了許多的算法，但每種配準(zhǔn)方法都是針對(duì)某一特定問題而設(shè)計(jì)，具有一定的局限性，而且在配準(zhǔn)速度、配準(zhǔn)精度等方面都不能同時(shí)達(dá)到理想的效果。因此，針對(duì)醫(yī)學(xué)圖像配準(zhǔn)的研究是一項(xiàng)極富挑戰(zhàn)性的課題，許多研究者都在該領(lǐng)域不斷地進(jìn)行探索。 特征空間、幾

3、何變換、相似性測(cè)度以及優(yōu)化算法是設(shè)計(jì)醫(yī)學(xué)圖象配準(zhǔn)方法時(shí)要考慮的四個(gè)主要因素。已經(jīng)提出的醫(yī)學(xué)圖像配準(zhǔn)方法主要可以分為兩類：基于特征的配準(zhǔn)和基于灰度統(tǒng)計(jì)的配準(zhǔn)，其中用得較多的是基于特征的配準(zhǔn)?；谔卣鞯呐錅?zhǔn)方法簡(jiǎn)單且易于實(shí)現(xiàn)，但配準(zhǔn)精度受到特征提取的分割步驟的影響。本論文引入一種最新的基于灰度統(tǒng)計(jì)的圖像配準(zhǔn)模型：互信息配準(zhǔn)模型，基于該模型的配準(zhǔn)方法稱為最大互信息法，它利用信息論中的互信息作為兩幅配準(zhǔn)圖像之間的相似性測(cè)度，不需要對(duì)圖像進(jìn)行分割

4、等預(yù)處理，幾乎適用于任何不同模式圖像的配準(zhǔn)，能夠得到很好的配準(zhǔn)效果。最大互信息法的基本思想是：當(dāng)基于共同解剖結(jié)構(gòu)的兩幅圖像達(dá)到最佳配準(zhǔn)時(shí)，互信息達(dá)到最大。本論文給出了最大互信息法的相關(guān)概念和理論，并分析了采樣率對(duì)互信息的影響以及互信息和圖像重疊度之間的正比關(guān)系。在圖像配準(zhǔn)過程中，采用了三線性PV插值來(lái)避免圖像變換所帶來(lái)的灰度直方圖計(jì)算困難的問題。 醫(yī)學(xué)圖像配準(zhǔn)中采用的優(yōu)化算法很少涉及到全局優(yōu)化算法，主要以局部?jī)?yōu)化算法居多，但這些

5、局部?jī)?yōu)化算法容易陷入局部極值，從而導(dǎo)致圖像的誤配準(zhǔn)。本論文采用的優(yōu)化算法是具有良好全局搜索能力的遺傳算法。但是，遺傳算法由于其存在容易早熟、收斂速度慢的不足，在醫(yī)學(xué)圖像配準(zhǔn)的應(yīng)用中有一定的缺陷。本論文通過在編碼、遺傳操作算子等方面對(duì)標(biāo)準(zhǔn)遺傳算法進(jìn)行改進(jìn)，提高了算法的性能。 本論文針對(duì)人腦的二維圖像設(shè)計(jì)了一種遺傳算法和最大互信息相結(jié)合的醫(yī)學(xué)圖像配準(zhǔn)算法，采用互信息配準(zhǔn)模型，以圖像的灰度統(tǒng)計(jì)信息為配準(zhǔn)依據(jù)，用改進(jìn)的遺傳算法搜索圖像間