多模态医学图像配准与融合技术研究

《多模态医学图像配准与融合技术研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、中北大学学位论文小波变换可以将图像分解成逼近图像和细节图像之和，在空间和频率域上都具有局域性，能通过伸缩平移等运算功能对信息进行多尺度的细化分析，因而有数字显微镜的美誉，很快成为医学图像融合技术研究的热点n8一钔。随着三维重建显示技术的发展，三维图像融合技术的研究越来越受到重视，三维图像的融合和信息表达，也将是图像融合研究的重点心0。2刳。作为图像融合的先决条件，三维图像配准也是研究的新重点，尤其是基于有限元分析的非线性配准是一个方向，非线性配准是近年来医学图像处理领域的新的研究热点∞1。神经网络砼4—

2、51、模糊逻辑嘶3、语义学瞳铂等人工智能技术也被应用到图像融合中来，这些技术能够模拟人类智能处理方法，根据不同需求对图像进行自动的分割和融合处理，其发展还不完善，是融合研究的一个新方向。1．3论文的主要工作安排本文将通过对医学图像的配准和融合方法的研究，解决不同模态不同分辨率的图像之间的配准和融合问题，即对于非刚体变换的图像配准和融合的方法。在配准阶段，首先采用力矩主轴法计算出图像的初始配准参数，再以互信息作为目标函数，探讨相应的优化搜索算法、尺度变换、局部极值的问题，使得图像配准在速度和精度上都得到很

3、大的提高。在图像进行了精确配准的基础上，探讨采用小波变换的图像融合的方法，并根据图像的特点，在高频部分和低频部分分别采用不同的融合规则。本文的结构如下：第一章绪论；第二章讨论了图像配准和融合的基本概念和方法，对当前比较流行和成熟的图像配准和融合的技术做了详细的探讨；第三章应用力矩主轴法计算出两幅图像的配准参数；第四章研究了互信息的基本方法，采用了基于最大互信息的医学图像的配准配准方法，将力矩主轴法计算出的参数作为初始的配准参数，采用改进单纯形法，求取出最优配准变换参数，完成图像的精确匹配；第五章在图像精

4、确配准的基础上深入研究了基于小波变换的图像融合算法，并对多幅不同模态的图像进行实验，给出了仿真结果及分析；第六章对全文的研究工作进行了总结和分析，对未来的发展趋势进行讨论和展望。4中北大学学位论文2医学图像配准与融合的理论基础2．1多模态医学图像医学影像设备广泛应用于临床诊断和治疗中。由于成像的原理和设备不同，存在有多种成像模式。从大的方面来看，分为描述生理形态的解剖成像模式和描述人体功能或代谢功能的成像模式。多种模式的医学图像为医生和研究人员提供了丰富、直观、互补的人体信息，成为诊断各种疾病的重要手段

5、。由于不同模式的设备对人体中各组织都有不同的灵敏度和分辨率，因此有各自的适用范围和局限性，本文简要介绍几种常用模态的医学图像。2．1．1数字放射图像传统的X线投影图像现在在很多场合中都以数字方式保存。数字放射技术也已用在实时的X线成像系统中，例如用于数字血管减影(DSA)以及双平面心脏功能成像中，可以得到反映血流变化和心脏活动的序列图像，它们是属于功能性的成像技术。但大部分数字放射图片是用于结构成像的。2．1．2CT图像CT是用x线束对人体某部一定厚度的层面进行扫描，由探测器接收透过该层面的x线，转变为

6、可见光后，由光电转换变为电信号，再经模拟／数字转换器转为数字，输入计算机处理。图像形成的处理有如对选定层面分成若干个体积相同的长方体，称之为体素。扫描所得信息经计算而获得每个体素的x线衰减系数或吸收系数，再排列成矩阵，即数字矩阵。经数字／模拟转换器把数字矩阵中的每个数字转为由黑到白不等灰度的小方块，即象素，并按矩阵排列，即构成CT图像。所以，CT图像是重建图象。每个体素的x线吸收系数可以通过不同的数学方法算出。CT图像是以不同的灰度来表示，反映器官和组织对x线的吸收程度。因此，与x线图像所示的黑白影像一

7、样，黑影表示低吸收区，即低密度区，如肺部；白影表示高吸收区，即高密度区，如骨骼。但是CT与x线图像相比，CT的密度分辨力高，即有高的密度5中北大学学位论文分辨力。人体软组织的密度差别虽小，吸收系数多接近于水，也能形成对比而成像，这是CT的突出优点。2．1．3MRI图像磁共振成像(MRr)N用人体组织水分子中的氢核(即质子)磁共振信号进行成像。它最突出的特点是对软组织的显像特别清晰，尤其是在提供脑、脊髓、骨骼肌肉的结构和解剖细节方面效果更加明显，磁共振成像的原理完全不同于CT成像，超声成像和同位素成像。M

8、对能进行快速和超快速成像。MRI是医学成像最重要的进展之～。它在临床应用方面的广泛性及其重要性日益显著。就本征特性来看，由于骨骼组织含水很少，MRI信号很弱，显像很差，因此MRI不擅长骨骼病变的诊断。相反，骨骼组织的CT信号很强，密度分辨率高，故CT特别擅长骨骼病变的诊断。软组织含水量高，MR／信号很强，MR[对软组织分辨率高，因此MR／特别擅长软组织的病变诊断。而CT则差得多，因此MRI和CT的图像信息是互补的，这两种模态的匹配和融合是研