基于多項式展開的彌散張量圖像配準.pdf

1、在本文中,我們基于多項式展開的配準模型,提出了對于兩幅磁共振彌散張量圖像(DTI)的配準方法;根據臨床研究需要,我們在此基礎上提出了多幅圖象的幾何無偏配準方法。
　　DTI張量成像提供了一種對大腦神經纖維束活體成像的方法,腦功能障礙病人的神經纖維束一般都具有某種程度的變異,對病人和正常人的神經纖維束的變異性分析,對于腦功能障礙病人的病情診斷具有重要的意義。由于成像時間的不同、空間坐標系的不同,或者病人和正常人大腦間的差異,要進行精

2、確的對比分析,一般需要先對病人和正常人的圖像序列進行配準。在實際應用中,正常人的圖像序列,有時也用正常人的腦圖譜代替。為了考察某種疾病病人的共同特征,臨床上需要通過分析一組同一種疾病病人的大腦神經纖維束的共同特征來確定該種疾病對于大腦神經纖維束的結構影響。這種情況下,需要同時配準一組具有相同疾病的病人大腦DTI圖像序列。
　　在接下來的工作中,我們主要針對臨床上的上述兩個需要,提出了一種基于多項式展開的對于兩幅或者一組圖像的配準方

3、法。首先,我們基于多項式展開的配準模型,提出了兩幅DTI圖像間的配準方法。由于張量圖像所包含的信息量非常大,我們把臨床上最關心的張量特征:各向異性和張量方向作為重點考慮對象。第一步基于多項式展開的配準模型完成對張量各向異性特征的配準;第二步,根據各向異性特征配準的結果,對張量場的方向進行逐像素的矯正,以完成張量場的方向匹配。其次,基于兩幅圖像的配準方法,我們進一步的提出了多幅圖像的無偏配準。在以往的多幅圖像配準方法中,往往指定其中一幅、

4、或者腦圖譜作為目標圖像,把其余圖像序列配準到目標圖像,這就使得配準結果偏向于目標圖像。在我們的方法中,我們通過尋找這些圖像序列的幾何中心位置,把他們都配準到該位置,從而實現了多幅圖像的無偏配準。
　　概括的說,在本文中我們的貢獻主要包括以下幾點:(1)改進了基于多項式展開的配準模型,提出了更為精確的位移場估計公式,并進一步的提出了對于3D數據的整體仿射配準算法;(2)提出了基于局部鄰域的Multi-Affine變形配準算法,實現了