基于互信息的腦MR圖像配準算法研究.pdf

1、神經(jīng)性疾病已經(jīng)成為全球健康的主要威脅，其早期診斷有助于顯著降低其發(fā)病率，腦核磁共振（MR）圖像處理方法是神經(jīng)性疾病早期診斷的有效手段，配準方法是其關(guān)鍵環(huán)節(jié)，直接影響其臨床應(yīng)用，由于腦MR圖像中解剖結(jié)構(gòu)具有明確病理意義，因此研究對其精確配準是提高基于腦MR圖像處理方法的神經(jīng)性疾病早期診斷準確性的一個關(guān)鍵問題。
　　本文在重慶大學(xué)中央高?？蒲袉踊稹易匀豢茖W(xué)基金、重慶大學(xué)“211工程”三期創(chuàng)新人才培養(yǎng)計劃建設(shè)項目的資助下，展開了

2、對基于互信息的腦MR圖像配準算法的研究。作者在“基于互信息的腦MR圖像配準算法研究”課題的研究中，將基于互信息的腦MR圖像配準方法轉(zhuǎn)化為一個具有醫(yī)學(xué)圖像背景的優(yōu)化問題。在配準函數(shù)的設(shè)計、優(yōu)化算法的設(shè)計以及動態(tài)優(yōu)化方式的研究三個方面展開了較為深入的研究，以利于提高腦MR圖像配準的精度。在此基礎(chǔ)上，對比研究了圖像配準中幾種具有代表性的互信息測度用于腦圖像配準的性能差異，提出了小波混合優(yōu)化算法用于腦圖像配準，并實現(xiàn)了基于進化學(xué)習的動態(tài)圖像匹配

3、，等。本文基于MATLAB和多幅腦MR圖像對文中提出的各種方法進行多次統(tǒng)計實驗，統(tǒng)計結(jié)果表明，本文的方法用于腦MR圖像，可獲取較高的配準精度，較短的運行時間以及較好的穩(wěn)定性。
　　論文的主要研究工作及創(chuàng)新之處如下：
　?。?）對基于互信息的四種測度的配準性能做了深入的比較研究，包括最大互信息、歸一化互信息、梯度互信息、區(qū)域互信息。基于腦MR圖像配準對上述四種測度進行了比較和分析，定量分析了它們對于腦MR圖像的作用差異及特點，

4、為基于它們設(shè)計腦MR圖像配準方法提供了有益的幫助。實驗結(jié)果表明：四種測度對于腦MR圖像均能達到準確的配準，并具有很好的收斂性能。其中梯度互信息測度的魯棒性最好，區(qū)域互信息測度的配準精度較之其它三者略差。
　?。?）針對目前已有的優(yōu)化算法，提出了基于小波和PSO的混合優(yōu)化算法應(yīng)用于腦MR圖像配準。該算法采用小波分解技術(shù)實現(xiàn)腦MR圖像的高低分辨率分解。在低分辨率圖像上采用PSO（粒子群算法）進行優(yōu)化獲得初步配準參數(shù)，然后基于該獲得的原

5、圖像所對應(yīng)的配準參數(shù)，采用Powell算法進一步精細優(yōu)化，獲得最終配準參數(shù)。實驗結(jié)果表明，針對腦MR圖像配準，該優(yōu)化算法相對于目前一些主流優(yōu)化算法來說，既具有較低的時間代價，同時還能獲得較高的優(yōu)化精度，此外其優(yōu)化穩(wěn)定性也較好。
　　（3）基于動態(tài)優(yōu)化研究實現(xiàn)了動態(tài)圖像匹配。該算法結(jié)合PSO進化算法和機器學(xué)習方法，通過對當前圖像匹配后的最優(yōu)種群動態(tài)繼承與變化，并用于指導(dǎo)后續(xù)圖像的匹配，從而實現(xiàn)了初始種群的優(yōu)化，克服了目前圖像匹配算法

6、中參數(shù)設(shè)定隨機或僅憑經(jīng)驗設(shè)定的局限性，以及對多幅圖像連續(xù)配準時時間較長的缺點。實驗結(jié)果表明，該方法較之傳統(tǒng)的通過隨機重啟生成新種群的配準方式，可以獲取更高的精度和更短的運行時間，同時實現(xiàn)了穩(wěn)定的最優(yōu)圖像匹配。
　　本文結(jié)構(gòu)如下：第一章為緒論，論述本課題背景、研究意義以及國內(nèi)外相關(guān)的研究現(xiàn)狀，介紹本論文的主要內(nèi)容和工作；第二章論述腦MR圖像配準理論基礎(chǔ)，包括基本概念、關(guān)鍵技術(shù)及主要配準方法；第三章論述腦MR圖像配準中互信息測度的研究