基于互信息的醫(yī)學圖像配準與拼接方法研究.pdf

1、隨著醫(yī)學成像技術的迅速發(fā)展,出現(xiàn)了不同的醫(yī)學成像設備,如計算機斷層成像(CT)、磁共振成像(MRI)、數(shù)字減影血管造影(DSA)、單光子發(fā)射斷層成像(SPECT)、正電子發(fā)射斷層成像(PET)等。不同的成像技術能從人體獲取不同方面的信息,然而,由于成像原理的差異,每種成像設備并不能提供人體各個方面的信息。為了使多次成像或多種模式成像的信息可以得到綜合利用,減少由于信息不完整等因素引起的臨床診斷和治療誤差；研究人員開始尋找一項能夠在一幅圖

2、像上同時表達來自人體不同信息的技術,如功能圖像和解剖圖像；而達到這一目的最基本的要求是使不同模式圖像中的同一解剖結構達到空間位置上的一致,從而產生了醫(yī)學圖像配準技術。
　　 醫(yī)學圖像配準是對一幅醫(yī)學圖像尋求一種空間變換,使它與另一幅醫(yī)學圖像上的對應點達到空間位置上的一致。配準過程本質上是一個多參數(shù)最優(yōu)化問題,是圖像融合的前提；在診斷醫(yī)學、手術規(guī)劃、模擬仿真以及放療計劃等方面都有重要應用。因此,對醫(yī)學圖像配準的研究,具有重要的學術

3、意義和臨床應用價值。
　　 由Collignon和Maes、Viola和Wells幾乎同時提出的互信息配準法不需要對被處理圖像進行任何預處理,不需要對配準圖像間的灰度關系進行限制；并且,互信息法幾乎可以用于任何不同模態(tài)圖像的配準,已廣泛應用到多模態(tài)醫(yī)學圖像的配準中。圖像配準方法包括特征空間、空間變換、空間搜索、相似度測量四個方面?；バ畔⑴錅史椒ㄊ菍⒋錅蕡D像的全部灰度信息作為特征空間,用互信息作為相似度來測量兩幅圖像的相關性。<

4、br>　　 在剛性配準過程中,計算兩幅圖像的互信息時,容易引入新的灰度值；為了避免這種問題的出現(xiàn),一般采用部分體積插值統(tǒng)計兩幅圖像的聯(lián)合直方圖。但在該方法計算中,當圖像平移整數(shù)點時,聯(lián)合直方圖統(tǒng)計會出現(xiàn)誤差,使目標函數(shù)出現(xiàn)局部極值,從而造成誤配準。針對這一問題,本文將高斯函數(shù)引入到直方圖統(tǒng)計中,選取適當?shù)泥徲?用高斯函數(shù)計算鄰域內各點像素對聯(lián)合直方圖的貢獻。利用高斯函數(shù)的平滑性,避免了在互信息計算過程中統(tǒng)計圖像聯(lián)合直方圖時出現(xiàn)誤差。使

5、用Powell優(yōu)化方法,尋找最佳的優(yōu)化參數(shù),實現(xiàn)圖像的最佳配準。采用CT-PET數(shù)據(jù)進行實驗,證明該方法平滑了目標函數(shù),有效地消除了局部極值,提高了多模態(tài)圖像配準的精確性,并且,對噪音圖像配準也產生很好的效果。該方法適用于多模態(tài)醫(yī)學圖像配準,克服了傳統(tǒng)互信息計算時的不足,提高了配準的正確率和精確度。
　　 目前提出的許多醫(yī)學圖像配準算法只是針對剛性變換,彈性配準雖然已經提出了一些方法,但同剛性配準算法相比還不成熟,不能滿足臨床實

6、時需求；由于研究對象具有多樣性和復雜性,盡管已提出了許多彈性配準算法,可并沒有一種配準方法能在各個方面都達到臨床需求。也就是說已提出的方法都有一定的局限性,如缺少實時性和有效的全自動性,這些不足在一定程度上制約著醫(yī)學圖像彈性配準算法在實際臨床中的應用。因此醫(yī)學圖像彈性配準有著廣泛的臨床應用,也是醫(yī)學圖像處理領域的研究熱點。
　　 文章實現(xiàn)的非剛性配準算法,是基于B-樣條的FFD變換模型,用互信息作為相似度測量,滿足了配準計算速度

7、和精度的要求。本文選用三次B-樣條曲線做變換模型,具有良好的局部控制特性,每個控制點變換時,只影響周圍4×4的鄰域；控制面網格的疏密可以用來控制形變程度,當控制面網格較密時,變形模型趨向于描述局部形變；控制面網格較疏時,變形模型趨向于對全局進行形變；控制點的移動只影響其周圍網格鄰域內的鄰近點,在計算互信息時,無需計算兩幅圖像整體的互信息來判斷該控制點是否移動到形變的準確位置,只需計算兩幅圖像對應控制點周圍鄰域的互信息,從而達到減少計算量

8、的目的。
　　 圖像拼接是在醫(yī)學領域有著廣泛的應用。隨著醫(yī)療技術的發(fā)展,臨床醫(yī)學對x線影像有一些新的需求,在脊柱和長骨等的骨科診斷和手術治療中,獲取完整解剖結構影像、解剖徑線測量和角度測量。對于術前診斷、術中監(jiān)控和術后評價都具有十分重要的意義。因此,由圖像拼接獲取的全景圖像具有重要的臨床應用價值。
　　 醫(yī)學圖像拼接分搜索重疊區(qū)域、圖像配準、灰度映射、圖像融合等幾部分。文章中實驗數(shù)據(jù)為醫(yī)學圖像采用基于區(qū)域的灰度相關方法進

9、行重疊區(qū)域搜索,用灰度映射對圖像灰度調整及融合。基于區(qū)域的拼接方法,一般直接利用待拼接圖像和參考圖像中像素的灰度相關性,確定相鄰兩幅圖像的重疊區(qū)域,然后構造模板進行匹配,從而得到完整圖像。圖像拼接中相鄰幀間灰度差較大時,找到重疊區(qū)域,直接進行圖像簡單的疊加會出現(xiàn)皮帶現(xiàn)象,導致全景圖像不連續(xù)。針對這一問題提出了灰度映射的方法,統(tǒng)計兩幅圖像重疊區(qū)域的聯(lián)合直方圖,計算出新的灰度映射值；將一幅圖像映射到另一幅圖像,從而減少灰度差,完成圖像的色差