基于特征的醫(yī)學圖像配準中若干關鍵技術的研究.pdf

1、醫(yī)學圖像配準是信息科學、計算機圖像技術和當代醫(yī)學等多學科交叉的一個研究領域，已經在臨床診斷、治療、術前規(guī)劃等方面有著廣泛的應用。本文對醫(yī)學圖像配準的理論、方法和技術進行了全面地分析與總結，重點研究了基于特征的醫(yī)學圖像配準。特征是圖像中易于識別并具有一定幾何或解剖意義的信息元素，如點、線段、輪廓等。在特征的引導下，圖像配準可以被快速地實現且配準過程具有較強的目的性。針對醫(yī)學圖像配準中具體問題，我們取得了如下的研究成果： 針對醫(yī)學圖

2、像間存在差異部分或被關心部分只限于某一特定區(qū)域內的情況，論文研究了緊支撐徑向基函數在醫(yī)學圖像配準中應用，提出了一種局部醫(yī)學圖像配準方案，將特征點與圖像灰度信息相結合以優(yōu)化配準變換函數。每個特征點被賦予一個影響半徑，用來控制特征點的作用范圍。針對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(the Sum of Squared Difference)和互信息(Mutual Information)作為衡量圖像匹配結果好壞的相似性測

3、度函數。通過插值特征點建立初始配準變換函數，采用小生境遺傳算法對參數進行優(yōu)化。與標準遺傳算法相比，小生境遺傳算法能夠有效地克服經典遺傳算法搜索能力差與早熟等缺點，從而獲得精確的圖像配準結果。 針對單一特征引導圖像配準的有限性，論文研究了多種圖像特征共同引導圖像配準的方法，提出了一種同時使用輪廓與特征點的醫(yī)學圖像彈性配準方法。通過直線化減少提取輪廓中關鍵點的數量，以提高計算效率。以特征點間距離與輪廓間距離累加和作為圖像配準的相似性

4、測度，采用迭代過程不斷地優(yōu)化配準變換函數，最終達到特征點對與輪廓對同時匹配，進而弓l導圖像配準。算法同時配準圖像整體信息(輪廓)與局部細節(jié)信息(特征點)，可以更加準確地補償圖像間的差異。 研究了特征曲線在醫(yī)學圖像配準中的應用，提出一種使用特征點與特征曲線的醫(yī)學圖像配準算法。算法既保證了基于特征點配準的精確性又兼有基于特征曲線配準的魯棒性。半自動的提取方式使操作者能夠精確地獲得對應的特征點對與特征曲線對，提取后特征曲線采用非均勻三

5、次B樣條表示，以使同一對特征曲線具有相同的參數區(qū)間。非均勻的曲線離散機制保證了離散后點集盡可能忠于原始特征曲線同時又滿足圖像配準中的要求。采用薄板樣條函數插值特征點對建立初始配準變換函數，通過不斷改善特征曲線對間差異最大的區(qū)域獲得最優(yōu)配準變換。特征曲線的引入可以實現圖像中連續(xù)信息的匹配。以特征曲線間的對應關系為基準，提出了一種基于特征曲線的局部圖像配準算法，可以實現特征曲線及其周圍區(qū)域的平滑變換過程。算法采用非均勻三次B樣條表示特征曲線