基于Markov-Gibbs Random Fields模型的醫(yī)學(xué)圖像彈性配準(zhǔn)算法的研究與平臺(tái)開(kāi)發(fā).pdf

1、隨著醫(yī)學(xué)影像工程和計(jì)算機(jī)技術(shù)的發(fā)展，醫(yī)學(xué)成像技術(shù)已經(jīng)成為現(xiàn)代醫(yī)療的一個(gè)重要組成部分，其應(yīng)用貫穿于整個(gè)臨床工作。醫(yī)學(xué)影像學(xué)為臨床診斷提供了多種模態(tài)的醫(yī)學(xué)圖像。但是不同的醫(yī)學(xué)圖像提供的人體相關(guān)臟器和組織的信息不同。CT具有較高的空間分辨率，有利于定位病灶。MR對(duì)軟組織成像清晰，有利于確定病灶范圍。而PET和SPECT的空間分辨率較差，但卻提供了臟器的功能和代謝信息。醫(yī)學(xué)上，迫切希望對(duì)不同形態(tài)信息的圖像進(jìn)行快速準(zhǔn)確的融合，為臨床診斷和手術(shù)治療

2、提供更加全面準(zhǔn)確的信息。然而不同模態(tài)的醫(yī)學(xué)圖像成像原理，分辨率和成像參數(shù)都不相同，因此在圖像融合前必須先進(jìn)行圖像配準(zhǔn)。本文對(duì)多模態(tài)圖像的彈性配準(zhǔn)技術(shù)進(jìn)行了研究。
　　 論文介紹了醫(yī)學(xué)圖像配準(zhǔn)技術(shù)的發(fā)展歷史和現(xiàn)狀，對(duì)現(xiàn)有的醫(yī)學(xué)圖像配準(zhǔn)算法進(jìn)行了分類，敘述了國(guó)內(nèi)外專家和學(xué)者研究的最新進(jìn)展及存在的問(wèn)題，提出了基于MGRF和B樣條小波的醫(yī)學(xué)圖像彈性配準(zhǔn)算法。對(duì)醫(yī)學(xué)圖像存在的兩類噪聲進(jìn)行了分析。針對(duì)內(nèi)部噪聲產(chǎn)生的運(yùn)動(dòng)偽影采用模擬退火方法去

3、除，大大改善了醫(yī)學(xué)圖像的質(zhì)量；對(duì)于外部噪聲采用HMT在小波域的方法去除，達(dá)到了較好的效果。分析了目前國(guó)內(nèi)外普遍采用的仿射變換、投影變換及非線性變換模型。深入研究了基于B樣條插值的彈性變換的優(yōu)缺點(diǎn)，提出了基于MGRF模型的B樣條小波變換方法，提高了配準(zhǔn)的準(zhǔn)確度，取得了較理想的彈性配準(zhǔn)效果。
　　 在研究了國(guó)內(nèi)外現(xiàn)有圖像處理軟件的基礎(chǔ)上，使用統(tǒng)一的編程風(fēng)格和開(kāi)放式源碼，開(kāi)發(fā)了基于ITK、VTK和VC++的醫(yī)學(xué)圖像配準(zhǔn)算法平臺(tái)，并且測(cè)