智能算法及其在醫(yī)學成像中的應用.pdf

1、醫(yī)學成像科學作為信息工程和醫(yī)學工程研究的交叉學科是當前學術界研究的熱點領域，在理論研究和實際應用中具有非常廣闊的前景。與此同時，信息工程中的智能計算作為一種軟計算方法，正在不斷代替和改進傳統(tǒng)工程領域的硬計算方式。能否將軟計算的優(yōu)勢用于醫(yī)學成像領域成為一個值得研究的命題。本文嘗試利用智能算法的優(yōu)勢與改進的醫(yī)學成像技術結合，探索提高醫(yī)學成像技術性能的手段。
　　 在工程領域，解決實際工程問題的過程一般可概括為模型設計和最優(yōu)化算法求解

2、兩部分，本文亦按照這種思路展開。在模型選取中，本文選取了醫(yī)學成像技術中應用最為廣泛的配準模型、邊緣檢測模型和分割模型，并分別對這些模型進行改進。在最優(yōu)化算法改進中，本文主要采用遺傳算法和粒子群優(yōu)化算法代替?zhèn)鹘y(tǒng)醫(yī)學成像技術中基于梯度的優(yōu)化算法，或?qū)⒅悄芩惴ㄅc傳統(tǒng)算法結合，以獲取更為理想的優(yōu)化算法。全文的具體內(nèi)容和創(chuàng)新點可概括如下：
　　 1、由于傳統(tǒng)擴散張量成像配準中普遍采用線性變換模型，本文使用Affine-Demons變換模型

3、代替原有的變換模型，以提高其應對非線性畸變的能力。又針對擴散張量成像配準中待配準數(shù)據(jù)為矢量的特性，在傳統(tǒng)模型中增加張量重定向算法，使組織內(nèi)部結構盡可能不受破壞。在此基礎上，提出了FSGA-BFGS算法并應用于配準中的多次尋優(yōu)過程，以獲得更高的配準精度和更快的配準速度。
　　 2、針對醫(yī)學圖像邊緣檢測的特殊需要，在經(jīng)典Canny算子基礎上引入自適應閾值算法。分別利用Otsu算法和概率模型算法作為模型，利用自適應粒子群優(yōu)化算法自適應

4、求解高低閾值，在提高搜索精度和閾值自適應程度的基礎上盡可能減少了搜索所需時間。
　　 3、在混合高斯模型應用于MRI腦圖像分割算法中，用改進的APSO-EM算法代替?zhèn)鹘y(tǒng)的EM算法，吸收了APSO算法在全局搜索和EM算法在局部搜索中的優(yōu)勢，得到了一種較理想的腦組織分割算法。
　　 4、在改進的APSO-EM混合高斯模型腦組織分割算法基礎上，引入畸變場和先驗概率變形場進行聯(lián)合分割，利用循環(huán)迭代的思想，將APSO-EM優(yōu)化算法