医学图像弹性配准新算法的研究

论文摘要

医学图像配准是现代医学图像处理技术应用的一个重要方面，它是指对不同时间、不同视场、不同成像模式的两幅或多幅图像进行空间几何变换，以使代表相同解剖结构的像素或体素在几何上能够匹配对应起来。图像配准的主要目的是去除或者抑制待配准图像和参考图像之间几何上的不一致，包括平移、旋转和形变。它是图像分析和处理的关键步骤，是图像对比、数据融合、变化分析和目标识别的必要前提。在医学领域，配准主要应用于CT、MRI、PET等医学图像的信息融合、实际医学图像和图谱的比较、外科手术导航、心脏运动估计等许多方面。 本文对医学图像处理弹性配准方面主要作了以下三方面的研究，现在对这三方面内容作简要介绍。 1 基于刚—弹性变换的医学图像多分辨率配准算法 在真实的医学图像中，各种变形是同时存在的，即在整体上存在刚性变形，在图像的细节上存在弹性变形。对实际应用问题而言，一个比较好的配准方法首先应该先从整体上作全局变换，然后在细节上作微调，即先进行刚性变换，再在此基础上作弹性变换。如果直接对图像作弹性变形，因为对图像任一部分的变形只利用了图像的局部信息，容易产生误配。另外刚性变形需计算的参数少，计算量小，所以从计算量的角度考虑，也应该先计算刚性变换，再计算弹性变换。Rueckert D等人做过类似的工作，他们是把变形函数分成两部分，分别作仿射变换和用B样条作弹性变换。Michael E等人的方法是在作弹性配准之前有个预配准的过程。他们的配准方法都是把配准过程分为前后两个计算步骤，分别作刚性和弹性配准。这种方法虽然简单，但也造成了它的缺陷，就是配准过程的不连续和计算的复杂。因为刚性变换是包含于弹性变换的，所以有必要设计一种弹性变形函数，实现从刚性到弹性，从简单到复杂的统一的变换表达。

论文目录

• 摘要
• ABSTRACT
• 第一章 引言
• 1.1 什么是图像配准
• 1.2 图像配准的应用
• 1.3 本文的内容安排
• 1.4 本文的主要工作
• 参考文献
• 第二章 医学图像配准方法分类
• 2.1 引言
• 2.2 配准算法的分类
• 2.2.1 基于特征空间的分类
• 2.2.1.1 基于象素的配准算法
• 2.2.1.2 基于变换的配准算法
• 2.2.1.3 基于特征的配准算法
• 2.2.2 基于搜索空间的分类
• 2.2.2.1 局部模型
• 2.2.2.2 全局模型
• 2.2.2.3 半局部模型
• 2.2.3 基于代价函数的分类
• 2.2.3.1 基于相关的方法
• 2.2.3.2 基于概率的方法
• 2.2.3.1 利用正则化项的配准
• 2.2.4 按搜索方法分类
• 2.2.4.1 直接求解
• 2.2.4.2 穷尽搜索
• 2.2.4.3 动态规划
• 2.2.4.4 偏微分方程
• 2.2.4.5 多维优化算法
• 2.2.4.6 多分辨率算法
• 2.3 小结
• 参考文献
• 第三章 基于B样条的多分辨率配准算法
• 3.1 均匀B样条的性质
• 3.2 离散B样条滤波器
• 3.3 多分辨率算法
• 3.4 小结
• 参考文献
• 第四章 基于刚—弹性变换的医学图像多分辨率配准算法
• 4.1 简介
• 4.2 基于B样条的刚—弹性变形模型
• 4.2.1 变形函数
• 4.2.2 多分辨率图像
• 4.2.3 图像插值
• 4.2.4 基函数的选择
• 4.2.5 从刚性变换到弹性变换
• 4.2.6 算法的改进
• 4.2.7 目标函数及其优化算法
• 4.3 实验结果及分析
• 4.3.1 刚性人工变形配准试验
• 4.3.2 真实医学图像配准试验
• 4.3.2.1 人工变形
• 4.3.2.2 无噪声图像试验结果
• 4.3.2.3 有噪声图像配准结果
• 4.4 结论
• 参考文献
• 第五章 基于先验知识和Markov随机场模型的医学图像弹性配准方法
• 5.1 简介
• 5.2 Markov随机场基本理论
• 5.2.1 邻域系统与势团
• 5.2.2 Markov随机场
• 5.2.3 Gibbs随机场与Markov-Gibbs等效性
• 5.2.4 多级逻辑模型
• 5.3 基于B样条的弹性变形模型
• 5.3.1 变形函数
• 5.3.2 图像插值
• 5.4 利用先验知识基于马尔可夫模型的配准算法
• 5.4.1 马尔可夫模型
• 5.4.2 优化方法
• 5.5 试验结果
• 5.6 结论
• 参考文献
• 第六章 基于模糊集的医学图像弹性配准方法
• 6.1 简介
• 6.2 模糊理论的基本概念
• 6.2.1 模糊理论的产生和发展
• 6.2.2 基本概念
• 6.3 传统的基于互信息量的配准算法
• 6.3.1 基于Parzen窗的概论密度函数估计
• 6.3.2 优化算法
• 6.4 基于模糊集的配准算法
• 6.4.1 基于灰度的模糊互信息量
• 6.4.1.1 模糊集的定义
• 6.4.1.2 模糊集的概率、模糊嫡和模糊互信息量
• 6.4.1.3 模糊嫡的不同定义
• 6.4.1.4 优化算法
• 6.4.2 基于空间模糊的多分辨率算法
• 6.4.2.1 模糊集的定义
• 6.4.2.2 利用模糊集实现多分辨率算法
• 5.5 实验结果
• 5.6 结论
• 参考文献
• 第七章 结论
• 攻读学位期间成果
• 致谢
• 学位论文原创性声明
• 学位论文版权使用授权书