基于特征向量的二維顱腦CT圖像配準(zhǔn)與分割.pdf

1、隨著醫(yī)學(xué)影像技術(shù)的飛速發(fā)展，包括多排螺旋CT在內(nèi)的先進(jìn)的成像設(shè)備開始在臨床上廣泛使用。它們產(chǎn)生的影像資料清晰度越來越高，數(shù)據(jù)量也越來越大，一方面為影像醫(yī)師提供了更清晰的醫(yī)學(xué)圖像，但另一方面也給他們帶來了很大的讀片負(fù)荷。在此背景下，計算機(jī)輔助診斷成為解決此問題的一個有效途徑。 在顱腦病變的檢查中，許多MRI圖像難以應(yīng)用的場合，高分辨率CT圖像是一種十分重要的替代手段，針對腦出血和腦腫瘤等病變更是具有自己獨特的優(yōu)勢，具有不可替代的地

2、位。開展基于顱腦CT圖像的計算機(jī)輔助診斷的研究，需要針對CT圖像的特點研究諸如特征提取、圖像配準(zhǔn)和圖像分割在內(nèi)的一系列相關(guān)的技術(shù)。 本文利用醫(yī)學(xué)圖像紋理分析技術(shù)提出一種基于局部直方圖的幾何不變矩。通過提取不同尺度下的局部直方圖，計算能夠反映圖像紋理特征的幾何不變矩，并融合了圖像像素的邊界信息，為圖像中的每個像素建立了屬于其自身的特征向量作為其形態(tài)學(xué)簽名。實驗證明，特征向量將圖像的灰度信息映射到特征空間，從而增大了屬于同一組織的像

3、素的相似性和分屬不同組織的像素的差異性，具有良好的紋理特征區(qū)分性能。 在實現(xiàn)計算機(jī)輔助診斷的研究中，圖像的非剛性配準(zhǔn)是關(guān)鍵的一步。本文利用具有相同解剖位置的像素的特征向量的相似性，實現(xiàn)了對應(yīng)特征點的自動搜索和準(zhǔn)確定位，解決了基于特征點的非剛性配準(zhǔn)算法需要手動選擇標(biāo)志點的問題。更進(jìn)一步，利用基于特征向量的對應(yīng)特征點自動搜索算法的良好性能，通過將特征提取與近似薄板樣條非剛性配準(zhǔn)相結(jié)合，提出了一種特征向量驅(qū)動的顱腦CT圖像配準(zhǔn)算法。該

4、配準(zhǔn)算法保證了顱腦CT圖像上具有關(guān)鍵解剖意義的點的--對應(yīng)，不僅適用于正常圖像的配準(zhǔn)，而且也適用于病變圖像的配準(zhǔn)。 圖像分割在基于數(shù)字化圖譜的病變檢出中，是一種重要的定量分析手段。特征向量具有良好的組織區(qū)分能力，能夠區(qū)分出顱腦CT圖像上分屬不同組織但具有相似或相同灰度值的像素。用改進(jìn)的模糊C均值聚類的方法將特征空間的點聚集成對應(yīng)不同組織區(qū)域的類團(tuán)，并將分類結(jié)果映射回圖像空間，在顱腦CT圖像顱內(nèi)空間的組織分割中取得了良好的效果，能