基于邊緣紋理特征的多時(shí)相肝臟圖像配準(zhǔn)研究.pdf

1、肝臟配準(zhǔn)主要解決不同時(shí)相醫(yī)學(xué)圖像中肝臟解剖結(jié)構(gòu)的對(duì)齊問(wèn)題，其目的是完成病理信息的整合，進(jìn)而輔助醫(yī)生診斷肝病或?qū)嵤┦中g(shù)。特征點(diǎn)提取是醫(yī)學(xué)圖像配準(zhǔn)的一個(gè)關(guān)鍵環(huán)節(jié)，但由于計(jì)算機(jī)無(wú)法自動(dòng)識(shí)別肝臟特有的解剖特征，大部分特征點(diǎn)的提取都需影像學(xué)專家手動(dòng)標(biāo)記完成，因此耗時(shí)較長(zhǎng)且存在一定的人為誤差。另外，現(xiàn)有的自動(dòng)檢測(cè)算法獲得的特征點(diǎn)多數(shù)分布在脊椎、血管交叉處等位置，只有少部分位于肝臟區(qū)域，并不適用于肝臟的配準(zhǔn)。為此，本文提出一個(gè)全自動(dòng)檢測(cè)肝臟內(nèi)部特征點(diǎn)

2、和表面特征點(diǎn)的方法，實(shí)現(xiàn)了多時(shí)相肝臟的高效配準(zhǔn)。
　　本文利用三維肝臟分割技術(shù)自動(dòng)獲取肝臟內(nèi)部的中心點(diǎn)，采用肝臟邊緣紋理和支持向量機(jī)(Support Vector Machine，SVM)自動(dòng)檢測(cè)其表面特征點(diǎn)，具體從以下幾個(gè)模塊對(duì)肝臟配準(zhǔn)工作進(jìn)行深入研究:
　　(1)肝臟內(nèi)部特征點(diǎn)對(duì)的自動(dòng)檢測(cè)。采用基于邊緣檢測(cè)和3D-Labeling算法分割提取平掃相和門脈相的三維肝臟，通過(guò)平均肝臟及相鄰圖片差值信息消除假陽(yáng)性點(diǎn)，得到最終的

3、肝臟區(qū)域。以最大面積的肝臟切片為基準(zhǔn)，依次向上和向下配對(duì)肝臟切片，對(duì)應(yīng)肝臟切片的中心點(diǎn)則作為內(nèi)部特征點(diǎn)對(duì)。
　　(2)肝臟表面特征點(diǎn)對(duì)的自動(dòng)檢測(cè)。首先建立三維肝臟模型，分析其邊緣特征，選取5個(gè)較具代表性的表面特征點(diǎn)。其次建立三維灰度共生矩陣(3-dimensional gray level co-occurrence matrix，3D-GLCM)并從中提取16個(gè)紋理特征量，以表示不同表面特征點(diǎn)的邊緣信息;分別提取肝臟分割前后表面

4、特征點(diǎn)處的紋理量，比較其差異度，實(shí)驗(yàn)表明分割后的肝臟有助于擴(kuò)大各表面點(diǎn)特征量間的差值，致使分類界限更明顯。然后采用留一法和SVM分類器優(yōu)化特征量，得到對(duì)分類準(zhǔn)確性貢獻(xiàn)最大的ASM、COR、IDM特征量組合，并將其應(yīng)用到測(cè)試樣本的特征點(diǎn)分類實(shí)驗(yàn)中，得到98.5％的分類準(zhǔn)確率。實(shí)驗(yàn)結(jié)果表明，邊緣紋理和SVM分類器在表面點(diǎn)的自動(dòng)檢測(cè)中取得良好的效果。最后通過(guò)肝臟中心坐標(biāo)消除假陽(yáng)性點(diǎn)，進(jìn)一步研究?jī)蓵r(shí)相表面點(diǎn)對(duì)的匹配方案。
　　(3)兩時(shí)相