腦功能成像中的優(yōu)化算法、模型及其應(yīng)用研究.pdf

1、人腦的高級功能是自然界中最復(fù)雜的運動形式之一.在人腦高級功能的研究中,需要取得人腦各個腦區(qū)在受到刺激時的反映,采用PET、SPECT、fMRI等設(shè)備可以獲得腦高級功能實驗所需的具有較高分辨率的圖像.鑒于成像過程中不可避免會有噪音干擾和由于被試運動引起的影像的失真和位置的偏移,有效的信號檢測技術(shù)和圖像處理技術(shù)在研究過程中是必不可少的.腦功能成像技術(shù)是研究腦科學(xué)的重要工具,研究中通常需要將同一病人的多種模式成像結(jié)果或同一模式的時間序列結(jié)果結(jié)

2、合起來分析,首先要解決的問題就是幾幅圖像的嚴(yán)格對齊問題,即所謂的圖像配準(zhǔn).現(xiàn)行對醫(yī)學(xué)圖像配準(zhǔn)的研究通常是采用修正的Gauss-Newton法,通過計算需配準(zhǔn)圖像和參考圖像之間殘差平方和的極小值,得到圖像變換的最優(yōu)解.該文在傳統(tǒng)Gauss-Newton法的基礎(chǔ)上,對其進(jìn)行了改進(jìn),即在求搜索方向p時,引入了一種較為實用有效的求解線性方程組的算法.該算法的引入避免了Gauss-Newton法中矩陣求逆的過程,從而避免了Jacobi矩陣奇異時的

3、舍入誤差,提高了算法的計算速度和精度.另外,針對Gauss-Newton法對迭代初值要求較高和容易陷入局部極小而達(dá)不到全局極值這些缺陷,該文對解決全局優(yōu)化效果較好的模擬退火算法進(jìn)行了相應(yīng)的討論.在該文中引入了一種改進(jìn)的模擬退火算法模型——有記憶的模擬退火算法,該算法對迭代初值要求不高并通過記憶功能有效的避免了最終解不是整個搜索過程中的最優(yōu)解的現(xiàn)象,從而提高了算法所得解的質(zhì)量.最后,該文通過實際算例對Gauss-Newton法和模擬退火兩