基于像素灰度的醫(yī)學圖像剛性配準方法研究.pdf

1、醫(yī)學圖像配準是醫(yī)學圖像處理領域中的一項重要技術，對臨床診斷和治療起著越來越重要的作用．現(xiàn)代醫(yī)學經常需要將幾幅圖像結合起來進行分析，以便獲取更多的醫(yī)療信息，結合分析之前首先要解決這幾幅圖像的嚴格對齊問題，也就是所謂的圖像配準．醫(yī)學圖像配準是指通過尋找某種空間變換，使兩幅圖像的對應點達到空間位置及解剖上的完全一致．對于醫(yī)學圖像配準技術來講，魯棒性和精度很重要，同時臨床上經常需要完全自動地對圖像進行配準，即不需要人工介入，因此基于像素灰度的圖

2、像配準方法受到多數(shù)研究者的青睞．本論文就基于像素灰度的腦圖像剛性配準方法進行了研究，主要工作如下： 1．針對一種常用的單模圖像配準函數(shù)-基于灰度均方差的配準函數(shù)，分別引進一種局部優(yōu)化算法(新結構正割法)和一種全局優(yōu)化算法(新進化策略)對圖像配準函數(shù)進行優(yōu)化，并與其他幾種常用的優(yōu)化算法(阻尼高斯 - 牛頓法、鮑威爾算法、模擬退火算法和經典進化策略—(μ+λ)-ES)進行比較．值得說明的是，新結構正割法對目標函數(shù)海森陣的二階信息項采

3、取了割線近似的辦法，而不是像眾多高斯 - 牛頓法及其各種改進形式(如阻尼高斯 - 牛頓法)那樣將二階信息項直接舍去，因而提高了高斯 - 牛頓法對目標函數(shù)海森陣的近似程度；且校正矩陣在計算過程中始終保持正定，避免了高斯 - 牛頓法中因為矩陣不可逆而找不到下降方向的問題．配準結果表明新結構正割法的配準精度較高，且配準時間相對較少． 2．到目前為止，基于互信息的配準方法(MI)已經得到多數(shù)研究者的認可．基于互信息的配準方法本質上是采用

4、 Kullback-Leilbet 散度(KLD)度量兩幅圖像的聯(lián)合概率分布和完全獨立時兩幅圖像的邊緣概率分布之積間的廣義距離，然后通過尋求使得上述距離達到最大的空間變換對圖像進行配準．本文采用另一種信息離散性度量方法—FDOD函數(shù)—作為上述距離的一個度量．與KLD相比，F(xiàn)DOD 函數(shù)具有更多吸引人的數(shù)學性質．進一步，受到基于歸一化互信息配準方法(NMI)的啟發(fā)，提出了一種歸一化 FDOD函數(shù)(NFDOD)．配準結果證明，上述四種方法(

5、MI，NMI，F(xiàn)DOD和NFDOD)擁有相似的配準精度，而且，歸一化FDOD函數(shù)以最少的函數(shù)調用次數(shù)達到配準的目的，且具有較高的魯棒性． 3．基于互信息的配準方法通常采用歸一化兩幅圖像的聯(lián)合直方圖的辦法計算聯(lián)合概率分布．因此基于互信息的配準方法的關鍵在于聯(lián)合直方圖的構造．目前，大多數(shù)研究者采用插值技術(常用的是三線性插值和PV插值)進行聯(lián)合直方圖的構造．但是眾多研究表明，插值技術容易引起配準函數(shù)出現(xiàn)多極值現(xiàn)象，通常稱這種現(xiàn)象為“

6、插值贗象”．針對這種情況，本文提出了一種新的聯(lián)合直方圖構造方法，該方法不需要引進插值技術，而是通過構造一個復合指數(shù)函數(shù)來計算聯(lián)合直方圖，同時還給出了基于新聯(lián)合直方圖構造方法的互信息配準函數(shù)的梯度形式．實驗證明，新聯(lián)合直方圖構造方法有效地消除了“插值贗象”，在很大程度上改善了配準過程中出現(xiàn)的多極值問題，避免了優(yōu)化算法陷入局部極值點而導致誤配準的問題，特別是待配準圖像的分辨率較低的時候．進一步，在分析比較新提出的聯(lián)合直方圖構造方法和PV插值

7、技術用于基于歸一化互信息配準方法的基礎之上，提出了一種混合歸一化互信息配準方法，在不損失精度的前提下，有效地提高了配準魯棒性和配準速度． 4．隨著各種配準軟件包的應用，目前圖像數(shù)據(jù)庫中已經有了很多已被嚴格配準過的數(shù)據(jù)．把這些已配準了的數(shù)據(jù)作為配準的訓練數(shù)據(jù)集，利用從訓練數(shù)據(jù)集中提取的先驗聯(lián)合概率分布對圖像進行配準．當待配準兩幅圖像的聯(lián)合概率分布與從訓練數(shù)據(jù)集中對應的兩幅圖像中提取的先驗聯(lián)合概率分布相同或者差異性最小的時候，則認為