基于梯度互信息的CT/PET图像分步配准

研究了基于互信息的医学图像配准方法,针对其缺乏空间信息而容易导致误配准以及计算量大,耗时长的问题.提出了一种梯度和互信息相结合的分步配准方法,应用于CT和PET图像的配准.该方法利用形态学运算去除PET图像背景伪迹,运用对比度拉伸和直方图均衡化对其增强,获取结构清晰、完整的梯度图像.利用矩和主轴法时梯度图像进行初步配准,对初步配准后的梯度图像进行互信息精配准.实验表明,该方法用于CT和PET图像的配准.在精度和速度上都明显优于传统互信息方法.     

基于互信息和二级搜索的图像配准

基于互信息的图像配准方法,已经广泛应用于图像配准领域.但互信息图像配准方法容易受到局部极值的干扰,难以得到最优解.对互信息图像配准中互信息的表征、图像插值方法以及优化搜索算法三个要素做了探讨,尤其针对常用的Powell搜索算法的不足,提出了基于互信息和二级搜索的图像配准算法.该算法以标准互信息为图像相似测度,利用PV插值法平滑搜索空间,采用Simplex算法进行一级粗配准,采用Powell算法进行二级精配准.仿真结果表明,二级搜索配准算法能够有效地克服局部极值,提高计算速度,用于大差异图像配准.     

基于边缘特征点互信息熵的医学图像配准方法

基于互信息熵的图像配准方法已经被广泛应用于医学图像配准中,为克服互信息配准方法的不足,结合图像空间结构信息,本文提出一种基于边缘特征点互信息熵的医学图像配准方法,设计了包括互信息熵、图像空间结构和形状特征点等多信息融合的配准新测度。算法首先采用改进的形态学梯度提取医学图像边缘轮廓;然后构造了以边缘区域特征和梯度信息为基础的特征点互信息能量函数,并通过最小化能量函数来获取配准参数;最后,结合梯度下降法优化策略,实现图像配准。实验研究表明,该方法在保证了配准精度的同时,配准速度较快、鲁棒性较好、综合性能优良,具有一定的临床推广价值。     

互信息医学图像配准研究与局部极值的克服

研究了基于互信息的三维医学图像配准，并克服了的局部极值问题。改进了互信息和归一化互信息的公式，减小了计算量：对Powell算法的方向替换策略进行矫正，最大限度地保持原搜索方向；采用预谩旋转量的方法有效解决了插值赝像局部极值问题。采用背景阚值策略，减小了互信息的计算区域，应用形态学方法，去除了PET图像的背景伪迹，使用了多分辨率策略，有效地提高了配准的速度。实验表明，用谊改进的算法进行三雏医学图像配准可以达到亚像素精度，且在速度上有了明显的提高。     

基于图形处理器加速的医学图像配准技术进展

针对目前医学图像配准技术无法满足临床实时性需求问题,对基于图形处理器(GPU)加速的医学图像配准技术进行综述探讨。首先对GPU通用计算进行概述,再以医学图像配准基本框架为主线,对近年来基于GPU加速的医学图像配准技术在国内外发展现状进行深入研究,并针对正电子发射型计算机断层显像(PET)和电子计算机断层扫描(CT)数据的非线性配准问题,分别基于中央处理器(CPU)和GPU平台进行配准实验,通过实验结果的对比,体现GPU加速配准技术的优越性。基于GPU加速的自由形变(FFD)和归一化互信息(NMI)结合的非线性配准方法配准后互信息值略低于CPU平台的配准结果,但其配准速度是CPU平台的12倍。基于GPU加速的配准算法在保持配准精度的基础上,配准速度都得到了很大的提升。     

基于互信息的N维多模医学图像配准

目前多模医学图像配准都定位在两幅图像配准的研究,很少涉及N维(3维及3维以上)图像的配准.当用扩展的N维互信息测度(E-NMIM)进行多个图像配准时,不能保证互信息(MI)值的非负性,并且运算速度慢,达不到临床要求.本文提出一种新的N维互信息测度(N-NMIM),不仅保证了MI值的非负性,而且在[1,2]有界范围内,也提高了配准的速度.通过腰椎部位的CT,T1加权的MRI和T2加权的MRI图像进行实验,验证了这种配准方法的有效性.     

基于改进梯度向量流与最大互信息的图像配准

基于最大互信息的多模医学图像配准已成为医学图像处理领域的热点.低阶互信息仅关注灰度的统计特性,忽略了空间信息,因此采用图像梯度向量流的空间信息与最大互信息组合的方法来实现医学图像配准.实验表明,该方法可以大大提高配准速度和精度,降低误配准率.     

尺度空间图像的互信息与配准

提出基于多尺度图像的互信息测度的配准方法,主要讨论这种方法的性能。提出这种方法的主要目的是在保证这种方法的准确性和鲁棒性的同时加快配准速度,并且具有强抗噪性。将这种方法在MR图像和CT图像上进行检验。这是首次将属性尺度空间与互信息结合,实验表明多尺度图像的互信息测度是一种行之有效的配准方法。     

基于小波变换和互信息的医学图像配准

为提高医学图像配准效果,提出了一种基于小波变换和互信息的配准方法。该方法首先通过小波变换将图像分层,并用小波分解的近似分量从最顶层开始搜索,同时以添加边界约束条件的下降单纯形法为搜索策略,而以搜索结果作为下一层搜索的粗略位置;然后逐层细化,以实现由粗到细的搜索过程;同时,针对不同的分解层采用不同的配准方法,即下层引入结合空间信息的区域互信息(RMI)为相似性测度,而上层采用PV插值法,以避免陷入局部极值。最后将此法应用于加噪MR图像单模配准、PET图像单模配准和MR-PET图像多模配准的。实验结果表明,该方法可以得到精确、有效的配准结果。与传统方法相比,该方法不仅配准精度高、抗噪性能好,而且计算效率高。     

基于Harris角点和最大互信息的多模医学图像配准

介绍了一种基于最大互信息原理的图像配准技术.针对基于最大互信息图像配准的不足,研究了基于Harris角点算子的多模态医学图像配准.在计算互信息的时候,采用部分体积插值法计算联合灰度直方图.在优化互信息函数的时候,采用了改进的遗传算法将配准参数收敛到最优值附近.实验结果表明,该方法具有较高的配准精度和稳定性.     

区域和局部信息结合的双向医学图像配准

提出了一种新的基于区域互信息和局部频率信息结合的双向图像配准测度。首先,以原参考图像为参考,计算出正向变换下图像的区域互信息和Gabor滤波后的得到局部频率 信息;同时,以输入图像为参考图像,计算出逆变换下的逆向互信息和局部频率信息。将正向与逆向变换下的互信息和局部频率信息各自相乘后求和,减去两幅图像对应的配准残 量,得到双向图像配准度量,用于对输入图像进行配准。仿真实验结果在验证分析结果的同时也表明,方法对图像噪声、分辨率等具有较高的鲁棒性,可有效提高配准的精度。     

改进的区域互信息和小波变换的图像配准

为提高图像配准的速度和精度,对基于区域互信息配准算法进行了改进,运用了两层小波分解策略的配准方法,小波分解得到的最顶层图像采用粒子群优化全局寻优算法,利用搜索的结果作为下一层Powell寻优方法的起点,另外,对待配准图像应用形态学方法去除噪音。针对不同分解层的特点,采用不同的测度方法,得到的顶层图像采用改进后的区域互信息为相似性测度,而底层采用归一化互信息测度和相位一致性的相结合的方法,不仅提高了速度,还克服了图像间明暗对比的影响。实验结果表明,提出的配准算法对图像噪声有较高的鲁棒性,可达到亚像素精度,在配准速度上也有了很大的提高。     

联合弯曲能量和标志点对应约束的非刚性医学图像配准

由于缺乏图像几何空间约束,基于互信息的非刚性医学图像配准常常产生不合理的形变。提出一种联合弯曲能量和标志点对应约束的非刚性医学图像配准方法,在互信息配准目标函数中添加弯曲能量惩罚和对应标志点间欧氏距离2个正则项,约束医学图像软组织不合理形变。脑部MRI、头颈部CT、胸部CBCT影像配准实验结果表明,该方法可有效提高配准质量。     

基于邻域信息的红外与可见光图像互信息配准

基于互信息的配准方法以其自动化程度高和配准精度高的优点被广泛应用在图像配准中.文中针对红外与可见光图像配准中采用传统的互信息,仅考虑图像像素的灰度信息,而没有考虑图像像素之间空间信息的情况,提出了一种基于邻域信息的互信息配准算法.该算法充分利用图像像素之间的空间信息,在互信息计算中图像中每个像素的灰度值由其邻域像素的灰度值按照距离分配不同的权值共同得到.实验表明该算法使配准曲线更加光滑,配准过程中极值更易找出,提高了配准精度和抗噪能力.     

基于特征点互信息的医学图像配准

针对互信息配准方法耗时较长、容易陷入极值的缺陷,提出采用ReNet的方法提取图像边缘,构建边缘特征点互信息能量函数,通过改进Powell算法对配准进行优化.通过实验,基于特征点互信息的医学图像配准方法与结构互信息相比,在配准准确率大致相同的情况下,配准所需时间大幅降低.     

基于归一化互信息与模糊自适应PSO的图像自动配准方法

提出了一种基于归一化互信息相似性判据,并采用模糊自适应粒子群优化算(particle swam optimization,PSO)作为搜索策略的图像自动配准方法.由于互信息方法不能解决图像缩放的问题,该方法在计算图像互信息之前,先对图像进行尺寸相同化操作;同时针对互信息方法中目标函数易陷入局部极值及搜索速度慢的问题,该方法采用归一化互信息作为相似性准则,并提出以模糊自适应PSO算法作为优化策略来提高配准速度和精度的方法.实验表明,采用归一化互信息作为配准测度,可提高配准的鲁棒性,而且,引入了模糊推理机之后,配准效率得到大幅提高,用该方法对具有仿射变换的图像进行配准能得到快速、精确的配准结果,证明了该算法的可行性和有效性.     

基于双树复小波变换的PET/CT自适应融合算法

PET/CT医学图像融合对于图像分析及临床诊断具有重要的应用价值,通过融合PET/CT图像,可以丰富图像的信息量,提高信息准确度。针对PET/CT融合问题,提出了一个基于双树复小波的PET/CT自适应融合算法。对已配准的PET和CT图像进行双树复小波变换（dual-tree complex wavelet transform,DTCWT）,得到低频分量和高频分量;根据低频图像集中了大部分源图像能量及决定了图像轮廓的特点,采用了自适应高斯隶属度函数的融合规则;在高频图像部分,考虑了图像相邻像素之间的相关性和模糊性问题,在第一层的高频分量上采用了高斯隶属度函数和3×3领域窗口相结合的融合规则,在第二层高频分量上采用了区域方差的融合规则。最后,为了验证算法的有效性和可行性,做了3个方面的实验,分别是该算法和其他像素级融合算法的比较实验,利用信息熵、均值、标准方差和互信息的融合效果评价实验,双树复小波变换中不同融合规则的比较实验。实验结果表明,该算法信息熵提高了7.23%,互信息提高了17.98%,说明该算法是一种有效的多模态医学影像融合方法。     

基于分块互信息的图像配准

针对传统互信息缺乏利用空间信息而容易导致误配的缺点,提出了基于分块互信息的多模图像配准方法,并运用于可见光与红外图像之间的配准。该方法首先将可见光与红外图像分块,求得每个可见光与红外图像块对的互信息,并由块对中可见光与红外图像的质心间的距离为参数,确定块对的配准系数,求得每个块对的互信息与配准系数的乘积的和,定义为分块互信息,并以此为配准准则。实验表明,该方法运用与可见光与红外光配准,在配准精度上优于传统互信息方法。     

基于特征分类的MRI医学图像弹性配准

基于互信息的弹性图像配准是医学图像配准的重要方法之一。然而由于互信息在小样本图像配准中,会出现多局部极值和极值偏离问题,从而容易出现配准误差,进而造成整图的弹性配准误差。为减少这种配准误差,提出了一种基于特征分类的互信息医学图像弹性配准方法。该方法先采用图像的灰度和梯度特征训练自组织映射(self-organized mapping,SOM)神经网络特征分类器,将图像由高维灰度空间映射到低维特征类别空间;然后,在特征类别空间进行互信息图像弹性配准。实验结果表明,该方法大大提高了小样本图像配准的成功率,并可通用于有噪和无噪的医学图像弹性配准中。     

互信息在医学图像配准中的应用研究

多模态图像配准已成为医学图像分析的一项重要研究内容.互信息是最为广泛使用的一种配准方法,其精度和鲁棒性都相对使人满意.通过实验证明了该方法的实用性,并且对其扩展形式如基于高阶熵的互信息和加入梯度的互信息等方法进行了分析,验证了空间信息在配准中的重要作用.