快速腹部醫(yī)學(xué)圖像配準(zhǔn)方法的應(yīng)用研究.pdf

1、醫(yī)學(xué)圖像配準(zhǔn)是信息處理、計(jì)算機(jī)圖像技術(shù)和現(xiàn)代醫(yī)學(xué)等多學(xué)科交叉的研究課題，已經(jīng)在臨床診斷、治療、術(shù)前規(guī)劃等方面取得了廣泛的應(yīng)用。醫(yī)學(xué)圖像配準(zhǔn)是指利用計(jì)算機(jī)數(shù)字圖像技術(shù)，將時(shí)變的（如腹部CT圖像的門脈期、靜脈期等）或異源的（如MRI、CT、PET、SPECT等）的兩幅或多幅圖像進(jìn)行匹配、疊加的過程。通常對待配準(zhǔn)圖像進(jìn)行單次或多次空間變換，使其特征點(diǎn)與參照圖像的對應(yīng)特征點(diǎn)達(dá)到空間一致。在醫(yī)學(xué)臨床應(yīng)用中，圖像配準(zhǔn)是圖像分析、融合和三維可視化等后

2、續(xù)操作的基礎(chǔ)。
　　隨著醫(yī)學(xué)信息化的進(jìn)步和診療技術(shù)的發(fā)展，臨床醫(yī)學(xué)對醫(yī)學(xué)圖像配準(zhǔn)等計(jì)算機(jī)輔助醫(yī)學(xué)方法提出了實(shí)時(shí)性要求，如何在保證配準(zhǔn)精度的條件下實(shí)現(xiàn)實(shí)時(shí)醫(yī)學(xué)圖像配準(zhǔn)則成為當(dāng)前該領(lǐng)域研究的熱點(diǎn)問題。然而，隨著醫(yī)學(xué)圖像采集技術(shù)的不斷發(fā)展，醫(yī)學(xué)圖像的圖幅和精度越來越大，不能單純的依賴更高性能的計(jì)算機(jī)來解決圖像配準(zhǔn)的性能問題，而應(yīng)當(dāng)從算法層面加以研究，因此傳統(tǒng)的圖像配準(zhǔn)方法面臨新的挑戰(zhàn)。因?yàn)楦共酷t(yī)學(xué)圖像有著組織器官柔軟、易受呼吸影響而形變

3、性強(qiáng)的特點(diǎn)，所以對其圖像的可形變配準(zhǔn)方法的研究有著重要的意義和應(yīng)用價(jià)值。
　　醫(yī)學(xué)圖像配準(zhǔn)方法主要分為三大類:基于互信息的圖像配準(zhǔn)方法、基于特征的圖像配準(zhǔn)方法和基于生物力學(xué)的配準(zhǔn)方法，本文基于這三類方法展開研究，對現(xiàn)有方法分別提出改進(jìn)。
　　首先，本文提出了一種基于多分辨率交替迭代(Multi-Resolution AlternativeIteration，MRAI)的快速三維醫(yī)學(xué)圖像配準(zhǔn)方法。該方法首先采用自由形變變換的兩

4、階段配準(zhǔn)算法得到中間結(jié)果，再利用交替迭代的配準(zhǔn)算法進(jìn)一步得到更精確的結(jié)果。該方法利用多分辨率分析減少配準(zhǔn)算法求解最優(yōu)值時(shí)的交替迭代次數(shù)。此外，為了進(jìn)一步提高該方法的效率，運(yùn)用了基于統(tǒng)一計(jì)算設(shè)備架構(gòu)(Compute UnifiedDevice Architecture，CUDA)的高性能計(jì)算方法，充分利用CUDA架構(gòu)下GPU(Graphic Processing Unit，GPU)并行計(jì)算的優(yōu)勢，并結(jié)合圖像多尺度、最大互信息等方法，實(shí)現(xiàn)了

5、腹部三維CT圖像的快速配準(zhǔn)。評估結(jié)果表明，該方法能夠滿足臨床診斷中的要求，從而輔助醫(yī)生準(zhǔn)確、快速地識別和定位肝臟的病灶區(qū)域，提高臨床診斷的準(zhǔn)確性和效率。
　　其次，本文提出一種面向空間的尺度不變特征轉(zhuǎn)換(Scale-invariant FeatureTransform，SIFT)的非剛性配準(zhǔn)模型。模型定義一種具備反應(yīng)圖像全局信息能量的SIFT特征點(diǎn)描述符，以解決傳統(tǒng)SIFT特征提取計(jì)算過程耗時(shí)過長的問題。本研究在得到SIFT特征點(diǎn)

6、描述符的基礎(chǔ)上，結(jié)合圖像積分與圖像區(qū)域劃分，計(jì)算特征點(diǎn)的圖像空間分布描述符，并將空間分布描述符與SIFT特征點(diǎn)描述符進(jìn)行加權(quán)聚集，作為新的圖像特征點(diǎn)描述符，最后再矯正匹配誤差。本研究同樣應(yīng)用CUDA對SIFT特征提取方法進(jìn)行加速，合理分配與利用CPU和GPU資源，重新設(shè)計(jì)和實(shí)現(xiàn)了SIFT特征提取算法的關(guān)鍵步驟。實(shí)驗(yàn)證明，本研究提出的模型和算法能夠顯著提高SIFT特征提取速度從而提高配準(zhǔn)的速度。
　　最后，本文提出一種基于生物力學(xué)模

7、型的肝臟CT圖像快速配準(zhǔn)方法，并通過CUDA對計(jì)算過程加速。首先對原圖像進(jìn)行網(wǎng)格化處理，然后運(yùn)用三次歸一化逆向距離變換得到圖像中的顯著邊緣信息，最后通過一種新的能量函數(shù)來對配準(zhǔn)的過程進(jìn)行約束，并采用最小化能量函數(shù)的方式對圖像進(jìn)行配準(zhǔn)。該能量函數(shù)中包含一種內(nèi)部應(yīng)變勢能和兩種分別基于互信息和基于特征的外部能量，在該能量函數(shù)的數(shù)值解計(jì)算過程中，采用有限元方法進(jìn)行計(jì)算。并基于CUDA對水平集演化過程進(jìn)行加速，提高數(shù)值解計(jì)算的運(yùn)算效率和實(shí)時(shí)性，從

8、而實(shí)現(xiàn)對肝臟CT圖像的實(shí)時(shí)配準(zhǔn)。
　　本研究采用臨床實(shí)際腹部CT圖像數(shù)據(jù)，并在臨床實(shí)驗(yàn)中對上述算法的實(shí)時(shí)性進(jìn)行驗(yàn)證:基于MRAI腹部三維醫(yī)學(xué)CT圖像配準(zhǔn)方法，在保證配準(zhǔn)結(jié)果精度的前提下，可以快速完成圖像配準(zhǔn)，在CUDA加速架構(gòu)下與傳統(tǒng)CPU架構(gòu)下的三維醫(yī)學(xué)圖像配準(zhǔn)算法相比性能提高255倍;改進(jìn)的SIFT特征提取方法大大提高了SIFT特征提取速度，其加速比隨著SIFT特征點(diǎn)數(shù)目的增加而提高，最大加速比可達(dá)到19.54;基于CUDA加