醫(yī)學(xué)圖像配準(zhǔn)與融合研究.pdf

1、醫(yī)學(xué)圖像配準(zhǔn)和融合是醫(yī)學(xué)影像領(lǐng)域的研究熱點(diǎn)之一。對(duì)不同模態(tài)的醫(yī)學(xué)影像信息進(jìn)行適度集成、融合后,可以為臨床醫(yī)生提供更加清晰、直觀的疾病診斷圖像,方便臨床醫(yī)生有效觀察和正確診斷。因此,研究醫(yī)學(xué)圖像配準(zhǔn)和融合具有十分重要的意義。
　　 論文主要研究醫(yī)學(xué)CT和MR圖像的配準(zhǔn)和融合算法,并為將其應(yīng)用于病灶定位與醫(yī)學(xué)診斷奠定基礎(chǔ)。歸納起來,主要工作有如下幾點(diǎn):
　　 (1)論文系統(tǒng)研究了基于互信息和Powell算法的醫(yī)學(xué)圖像配準(zhǔn)算法

2、及其相關(guān)技術(shù)。首先初始化變換參數(shù),并對(duì)圖像進(jìn)行空間變換和PV插值;然后采用互信息作為相似性測(cè)度,用Powell優(yōu)化算法搜索最優(yōu)參數(shù);最后再對(duì)待配準(zhǔn)圖像進(jìn)行空間變換與插值,從而實(shí)現(xiàn)配準(zhǔn)。實(shí)驗(yàn)表明,該算法具有較好的配準(zhǔn)精度和速度。
　　 (2)針對(duì)基于區(qū)域的EM融合算法存在局部細(xì)節(jié)丟失和消耗時(shí)間過多的問題,提出一種基于多分辨率的醫(yī)學(xué)圖像區(qū)域融合算法,并選擇contourlet變換作為多分辨率分解方法。首先,對(duì)低頻帶用FCM(模糊C均

3、值)算法進(jìn)行分割,并建立聯(lián)合區(qū)域映射圖,通過實(shí)驗(yàn)比較了兩種建立聯(lián)合區(qū)域映射圖的方法;然后對(duì)聯(lián)合區(qū)域映射圖的各對(duì)應(yīng)區(qū)域建立圖像信息模型,并假定噪聲服從高斯混合模型,再用EM算法對(duì)模型參數(shù)進(jìn)行估計(jì),并得到最終的區(qū)域融合圖像,高頻帶考慮鄰域的影響,采用重要中心系數(shù)法則進(jìn)行融合,有效克服了噪聲的影響;最后,對(duì)融合系數(shù)進(jìn)行重構(gòu),得到了最終的融合圖像。模擬和真實(shí)醫(yī)學(xué)圖像實(shí)驗(yàn)表明了基于多分辨率的醫(yī)學(xué)圖像區(qū)域融合算法的有效性。
　　 (3)針對(duì)

4、基于區(qū)域的融合算法還存在時(shí)間消耗較多的問題,引入Bootstrap抽樣技術(shù),提出了基于Bootstrap和區(qū)域能量的醫(yī)學(xué)圖像融合算法。先用FCM算法對(duì)源圖像進(jìn)行分割,建立聯(lián)合區(qū)域映射圖;然后對(duì)各對(duì)應(yīng)區(qū)域按照一定的抽樣標(biāo)準(zhǔn)抽樣,得到Bootstrap樣本;之后,通過樣本對(duì)區(qū)域能量進(jìn)行估計(jì),并取能量平均值,來確定區(qū)域融合的加權(quán)系數(shù);最后按加權(quán)平均法進(jìn)行各區(qū)域融合。模擬和真實(shí)醫(yī)學(xué)圖像的融合實(shí)驗(yàn)表明,該方法有效降低了融合時(shí)間,提高了融合質(zhì)量。<