多模醫(yī)學(xué)圖像配準(zhǔn)與融合的研究與實(shí)現(xiàn).pdf

1、上個(gè)世紀(jì)以來，醫(yī)學(xué)成像技術(shù)從原來的靜態(tài)信息發(fā)展到動(dòng)態(tài)信息，從原來的形態(tài)信息發(fā)展到包含了人體的功能信息，從平面成像發(fā)展到立體成像。醫(yī)學(xué)成像技術(shù)這樣的發(fā)展過程也促進(jìn)了醫(yī)學(xué)診斷技術(shù)的發(fā)展，為醫(yī)生診斷提供了更全面的圖像信息。不同醫(yī)學(xué)成像模式有著各自不同的特點(diǎn)并呈現(xiàn)人體各部分不同特征信息。不同的成像模式同時(shí)又互相彌補(bǔ)對(duì)方的不足。因此，單模態(tài)圖像不能完整地反映人體的信息。為了更完整更全面地反映人體各個(gè)部位的形態(tài)和功能信息，有必要將不同醫(yī)學(xué)成像設(shè)備獲

2、得的多模態(tài)圖像進(jìn)行融合，得到更全面更可靠的圖像信息，以輔助醫(yī)生完成臨床診斷。由于不同醫(yī)學(xué)成像模式的成像特點(diǎn)不同，為了綜合各種成像模式的特點(diǎn)，要將不同模態(tài)的圖像提供的信息進(jìn)行融合，在進(jìn)行圖像融合之前首先要使得不同圖像在空間上達(dá)成一致，使不同圖像完成空間位置和解剖結(jié)構(gòu)的統(tǒng)一，即圖像配準(zhǔn)。因此，醫(yī)學(xué)圖像配準(zhǔn)是實(shí)現(xiàn)醫(yī)學(xué)圖像融合的關(guān)鍵技術(shù)，對(duì)臨床醫(yī)學(xué)診斷有著非常重要的意義。
　　 本文對(duì)多模態(tài)醫(yī)學(xué)圖像配準(zhǔn)與融合的相關(guān)技術(shù)進(jìn)行研究和算法實(shí)現(xiàn)

3、，論文的主要工作如下：
　　 1.對(duì)醫(yī)學(xué)圖像配準(zhǔn)技術(shù)進(jìn)行分析，明確研究目的、研究背景及意義，總結(jié)了該領(lǐng)域國(guó)內(nèi)外的發(fā)展現(xiàn)狀。
　　 2.詳細(xì)介紹了醫(yī)學(xué)圖像配準(zhǔn)方法及其分類，從配準(zhǔn)空間變換方式、圖像插值方法、優(yōu)化策略和相似性度量方法等方面對(duì)醫(yī)學(xué)圖像配準(zhǔn)進(jìn)行了分析。討論了醫(yī)學(xué)圖像融合的步驟和評(píng)價(jià)標(biāo)準(zhǔn)，并對(duì)醫(yī)學(xué)圖像融合的分類和方法進(jìn)行了闡述。
　　 3.針對(duì)目前基于互信息圖像配準(zhǔn)的局部極值問題，提出了一種改進(jìn)的人工魚群算

4、法和Powell算法結(jié)合的多分辨率醫(yī)學(xué)圖像配準(zhǔn)算法。該算法采用新的相似性測(cè)度方法即歸一化模糊加權(quán)互信息和歸一化局部能量加權(quán)匹配度，利用多分辨率策略，采用HPV插值，并采用改進(jìn)的人工魚群算法結(jié)合Powell算法完成MRI和CT圖像的配準(zhǔn)。采用改進(jìn)的人工魚群算法在圖像的最低分辨率上進(jìn)行全局優(yōu)化，以全局最優(yōu)值為初始值，結(jié)合Powell算法完成圖像配準(zhǔn)。這不僅基本解決了互信息函數(shù)和Powell算法的局部極值問題，還減少了數(shù)據(jù)的處理量，加快了配準(zhǔn)