基于灰度相似性测度的医学图像配准技术研究

《基于灰度相似性测度的医学图像配准技术研究》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、山东大学博士学位论文摘要医学图像的配准和融合技术是医学图像分析领域的一个研究热点，在临床诊断、放射治疗计划、图像引导手术以及神经功能解剖学等方面具有重要的应用价值。单模态图像配准可用于骨骼或肿瘤的生长过程监测、治疗效果的评估等，而多模态图像的配准可用于放射治疗计划、计算机辅助神经外科手术等。基于灰度相似性的配准方法由于无需对图像进行预处理、可自动化实现且准确性高，是医学图像配准的发展趋势。互信息是典型的基于灰度相似性的配准方法，本论文针对其速度慢、存在局部极值的问题，从信息论和不等式的角度将互信息进行了多方面的扩展，提出了基于广义熵的测度、改进型厶

2、信息、均值距离测度以及基于AHM测度的弹性配准方法。本论文主要内容包括：1．首先详细介绍了互信息配准医学图像的过程，包括熵和互信息的定义与性质、互信息用于图像配准时的概率估计和插值方法，接着介绍了互信息的几种改进形式。针对互信息测度易陷入局部极值的缺点，将香农熵扩展到广义熵，提出了三种基于广义熵的信息测度，用收敛宽度和收敛半径来评价收敛性能。通过人体脑部多模态图像的刚体配准实验，从计算时间、收敛性能和配准精度方面，对归一化互信息、广义熵信息测度进行了比较与分析。实验结果表明，在不损失计算时间和配准精度的前提下，广义信息熵测度SRIo。和GMIo。的

3、收敛性能优于归一化互信息测度，对噪声有很强的鲁棒性。2．根据互信息和f信息的关系，提出了两种改进型厶信息测度：饿乙信息和SNI．信息。互信息是f信息的特例，其它多种f信息也可以度量概率分布间的距离，这拓宽了配准测度的选择范围。通过人体脑部多模态图像的刚体配准实验，从函数曲线、计算时间和收敛性能方面，对V信息、互信息、厶信息、鄹吃信息和SNI,．信息进行了比较与分析。实验结果表明，FNI．信息测度的收敛性能远优于其它测度，对噪声有很强的鲁棒性；SNIa信息在计算速度方面较互信息有一定程度的提高。3．提出了基于均值不等式的均值距离测度。根据均值不等式推

4、导出5种均值距离测度：方根．算术均值距离(SAM)、方根．几何均值距离(SGM)、方根．I山东大学博士学位论文调和均值距离(SHM)、算术．几何均值距离(AGM)和算术．调和均值距离(AHM)。均值距离测度也可以视作f信息的特例，并由此证明了测度的凸性。由于具有相对简单的表达式，均值距离测度常可以获得更快的配准速度。4．以均值距离为测度，用配准的思想实现了图像的自动分割。将分割后的图像视为原始图像的一种退化，两者之间存在一定的相似性，随着分割类数的增多，它们之间的相似性也随之增大。分割过程就是寻求分割类数与两者相似性之间平衡的过程，以AGM和AHM

5、为目标函数，以模拟退火算法为优化算法，自动确定分割类数，获取最优阈值向量，克服了FCM方法需人为确定分割类数的缺点。在分割类数相同的情况下，该算法的分割效果好于以互信息为目标函数的算法，而且分割速度也显著提高。5．对于配准多幅图像的情况，由于高维互信息的计算速度非常慢，提出了一种用互信息矩阵的熵来计算高维互信息的方法。当多幅图像配准时，互信息矩阵的熵达到最大值。为进一步提高配准速度，进而提出了基于AGM矩阵的配准方法。实验结果表明了算法的快速性与准确性。6．非刚性图像配准是当前医学图像配准领域的研究热点和难点。本论文研究了基于标记点的非刚体配准方法

6、。由于手动选取标记点容易引入人为误差，结合AHM测度，提出了一种自动选取标记点的方法：图像先通过最大化AHM全局配准，然后将图像划分成均匀子块，采用AHM测度刚性配准各对应子块，选取对应子块的中心作为标记点对，最后用三次均匀B样条实现图像的弹性配准。实验结果表明对于较小的形变，这种方法可以快速的实现弹性配准。关键词：图像配准；互信息；f信息；均值距离测度；B样条II山东大学博士学位论文ABSTRACTMedicalimageregistrationandfusionisanactiveresearchhotspotofmedicalimagepro

7、cessandanalysis．Itplaysakeyroleinclinicdiagnosis，radiationtherapy，imageguidedsurgicalplanningandfunctionalneuroanatomy．Inmonomodalapplications，theimagesacquiredfromdifferenttimeareregisteredtoinspectthegrowthofboneortumourandevaluatecurativeeffect．Multimodalimageregistrationha

8、sapplicationsintreatmentplanningsystem，computerassistedneuros