基于Demons算法的醫(yī)學(xué)圖像非剛性配準(zhǔn)研究.pdf

1、為了適應(yīng)醫(yī)學(xué)影像檢查技術(shù)的飛速發(fā)展，開展以計算機(jī)輔助診斷或智能化診斷為目標(biāo)的醫(yī)學(xué)圖像處理和分析研究，已經(jīng)成為目前這個領(lǐng)域的一個研究熱點和將來發(fā)展的主要趨勢。在顱腦CT圖像的計算機(jī)自動化病變檢出中，創(chuàng)建正常人腦的數(shù)字化統(tǒng)計圖譜以及準(zhǔn)確提取病人圖像形變信息，是實現(xiàn)病變自動化檢出的基礎(chǔ)和關(guān)鍵之一。非剛性配準(zhǔn)是提取正常人腦解剖結(jié)構(gòu)的變異信息以構(gòu)建組成完備的CT正常人腦數(shù)字化統(tǒng)計圖譜之形變圖譜的關(guān)鍵技術(shù)；同時也是衡量病人圖像與圖譜之間相對形態(tài)差異

2、大小，得出作為后續(xù)模糊推理系統(tǒng)判斷的根據(jù)之一的核心方法。 傳統(tǒng)Demons算法雖然能夠成功構(gòu)建灰度圖譜，但對形變質(zhì)量要求更高的形變圖譜和病人圖像形變信息的提取，Demons算法就不能滿足要求了。Demons算法的一個重要缺陷就是它在形變過程中不保持圖像的拓?fù)浣Y(jié)構(gòu)，這種情況下產(chǎn)生的形變信息是無用的，不論是構(gòu)建形變圖譜還是用來做病變檢出。 為了更好的理解基于灰度的單模態(tài)配準(zhǔn)問題從而更好的理解Demons算法以求改進(jìn)，本文從數(shù)

3、值優(yōu)化的角度分析了用于配準(zhǔn)的李群上的優(yōu)化方法，為后面提出微分同胚Demons算法做好了準(zhǔn)備。在充分利用單模態(tài)圖像配準(zhǔn)的特點后，引入高效二階最小化優(yōu)化算法加速配準(zhǔn)尋優(yōu)過程的收斂速度。 本文從理論上分析了Demons算法的三種變體，認(rèn)識到它們實際上是在對參數(shù)尋優(yōu)過程采用了不同的優(yōu)化算法的結(jié)果，在此基礎(chǔ)上用實驗驗證了基于高效二階最小化算法的對稱Demons力有最快的收斂速度，在相同的迭代次數(shù)下配準(zhǔn)效果最好，同時形變的總能量也較小，形變

4、場最為平滑。 以李群上的優(yōu)化方法為理論基礎(chǔ)，用恒定速度場來參數(shù)化李群空間中的元素--微分同胚，從而可以利用李群及其李代數(shù)間的指數(shù)映射和單參數(shù)子群的性質(zhì)，快速計算出李群中的幾何變換。用這種方式取代原先Demons算法的形變場更新方式，就得到了具有拓?fù)浔３中再|(zhì)的微分同胚Demons算法。分別用模擬和真實顱腦數(shù)據(jù)證實了新算法的優(yōu)良特性：適用于大形變且保持模板圖像的拓?fù)浣Y(jié)構(gòu)不變。另外，在實際應(yīng)用中，對現(xiàn)有的Demons算法采用多分辨率分