基于體素相似性的三維腦圖像配準(zhǔn)方法研究.pdf

1、醫(yī)學(xué)圖像配準(zhǔn)是針對(duì)兩個(gè)圖像或體數(shù)據(jù),找到一個(gè)幾何變換讓一個(gè)圖像上的點(diǎn)映射到另一個(gè)圖像上,使兩圖像達(dá)到空間位置上的對(duì)齊。隨著醫(yī)學(xué)研究的深入,單一模態(tài)下的圖像信息已經(jīng)不能完全滿足臨床需求。為了得到病變組織的全面信息,需要融合多種模態(tài)下的圖像,這就要求先對(duì)多模圖像進(jìn)行配準(zhǔn)。
　　本研究的核心內(nèi)容是實(shí)現(xiàn)3D醫(yī)學(xué)圖像配準(zhǔn)。圖像配準(zhǔn)方法有多種,本文主要選用了基于體素相似性的配準(zhǔn)方法,該方法又可分為3種,實(shí)驗(yàn)選擇了其中的Mattes互信息方法。

2、該方法以信息論為支撐,不依賴(lài)于對(duì)圖像數(shù)據(jù)關(guān)系的假設(shè),對(duì)不同模態(tài)圖像間的灰度關(guān)系也不用特殊的假設(shè),所以在醫(yī)學(xué)研究領(lǐng)域得到了廣泛應(yīng)用?；诨バ畔⑴錅?zhǔn)的依據(jù)是直接對(duì)圖像中的灰度信息進(jìn)行處理,因此,可以避免圖像分割和特征提取帶來(lái)的配準(zhǔn)精度損失,從而提高了配準(zhǔn)成功率,也增強(qiáng)了配準(zhǔn)魯棒性。但是該方法要使用圖像的全部數(shù)據(jù)信息,同時(shí)也增加了配準(zhǔn)執(zhí)行時(shí)間。所以,本文在基于體素相似性的互信息配準(zhǔn)算法基礎(chǔ)上,提出了引入多分辨率金字塔結(jié)構(gòu)策略,使互信息配準(zhǔn)轉(zhuǎn)化

3、為由粗到精的分層次多分辨率配準(zhǔn)過(guò)程,在粗尺度通過(guò)消除局部最優(yōu)解提高了配準(zhǔn)魯棒性,降低了互信息陷入局部極值的可能性,從而提高了配準(zhǔn)的速度和成功率。
　　為了實(shí)現(xiàn)不同模態(tài)3D圖像配準(zhǔn),本文的主要研究?jī)?nèi)容如下:
　　1、研究了3D配準(zhǔn)體數(shù)據(jù)的常用格式及其取得方法,通過(guò)讀取一系列2D切片寫(xiě)一個(gè)3D體數(shù)據(jù),本文選用了raw體數(shù)據(jù)格式文件。
　　2、深入研究了3D配準(zhǔn)的4個(gè)核心模塊,即3D空間變換、配準(zhǔn)測(cè)度、插值器、優(yōu)化器,給出了

4、一個(gè)完整的3D配準(zhǔn)算法具體執(zhí)行流程,并指出了在配準(zhǔn)算法執(zhí)行中易混淆的兩個(gè)問(wèn)題:一個(gè)是優(yōu)化搜索空間變換函數(shù)映射點(diǎn)的方向是從參考圖像解剖空間坐標(biāo)系到浮動(dòng)圖像解剖空間坐標(biāo)系,而不是從參考圖像的圖像坐標(biāo)系到浮動(dòng)圖像的圖像坐標(biāo)系的映射;另一個(gè)是3D配準(zhǔn)空間變換必須在解剖坐標(biāo)系(物理坐標(biāo))中計(jì)算。
　　3、研究了3D配準(zhǔn)中圖像坐標(biāo)系和解剖坐標(biāo)系之間的變換關(guān)系,并給出了它們之間變換的數(shù)學(xué)模型。
　　4、研究了Mattes互信息和多分辨率結(jié)

5、合的3D配準(zhǔn)方法,其中包括Mattes互信息配準(zhǔn)的數(shù)學(xué)模型、初始變換參數(shù)估計(jì)的數(shù)學(xué)模型、多分辨率策略配準(zhǔn)框架、圖像金子塔算法的具體實(shí)現(xiàn)、互信息配準(zhǔn)函數(shù)的兩個(gè)重要屬性、互信息測(cè)度函數(shù)陷入局部極值的原因,對(duì)比分析了加入多分辨率后的Mattes互信息配準(zhǔn)的優(yōu)勢(shì),并給出了結(jié)合多分辨率的3DMattes互信息配準(zhǔn)流程。
　　5、基于Visualstudio2005實(shí)現(xiàn)了3D多模和單模配準(zhǔn)實(shí)驗(yàn),實(shí)驗(yàn)選用了BrainWeb網(wǎng)站和美國(guó)Vander