基于小波变换的图像融合研究

在导航手术过程中，图像引导起着关键作用，直接影响导航精度。CT图像能清晰显示颅骨和粘贴的标记点，却对脑组织的显示有限。MRI图像对脑内部软组织结构分辨高，但对头颅表面信息显示模糊。因此单一模态的图像对于导航手术引导有限。本文提出基于小波变化的图像融合方法，对CT和MRI图像进行了价值信息的有效融合，弥补了单幅图像信息不足的缺点。实验结果表明，该图像融合方法具有较强的鲁棒性，能够满足临床应用。     

基于Legendre矩的CT及MR医学图象融合方法

为了提高CT、MR多模态医学图象配准、融合的精度和速度,提出了基于Legendre矩的CT和MR多模态医学图象配准、融合方法,并运用二维9数据图象的Legendre矩正交性和无冗余性的特点,通过找出CT及MR两种模态医学图象的质心,计算出两图象的比例因子,从而完成了两图象的平移和旋转,并精确地实现了CT和MR两模态图象的配信、融合,还优化了Legendre矩的快速算法和提高了应用Legendre矩配准CT和MR图象的速度。实验表明,利用Legendre矩对CT和MR等多模态图象配准、融合,不失为一种比较直接、简洁的方法;同时,Legendre矩在医学影象诊断、放疗计划系统等方面也具有重要的应用价值。     

神经区域CT图像的优化方法研究

研究神经区域CT图像质量优化问题.针对神经区域浓密、杂乱、结构复杂,引起图像重叠混乱,影响图像清晰效果,传统的神经区域CT图像采集中,无法准确全面的拍摄神经区域的全部有效信息,神经区域CT图像的的真实感差的问题.为解决上述问题,提出了三维特征融合技术的神经区域CT图像优化方法,它能够对神经系统的CT图像加入三维特征元素,通过添加约束条件,增加传统神经区域CT图片清晰度.仿真结果表明,改进方法可对复杂的神经区域进行影像优化,提高传统CT图像的真实感、清晰度和立体度,达到了满意的效果,为CT图像优化提供依据.     

CT与MRI融合技术的颅内肿瘤应用研究

CT及MRI融合的目的是增强图像显示的直观效果,提高对对疾病诊断的准确性。利用CT及MRI对于机体的骨质、钙化和软组织的分辨率互补性的特点,将同一病例的CT、MRI图像进行融合,从而更精准的进行肿瘤的定位。融合之后的图像不仅反映出硬组织,还正确清晰地反映出其边界,为颅内肿瘤的诊断奠定了基础。CT与MRI图像融合既能弥补各自的不足之处,也能在形态和功能上发挥协同作用,从而更精准地对颅脑肿瘤定位和边界分割,为临床的肿瘤放射治疗提供影像学支持。     

基于优化循环生成对抗网络的医学图像合成方法

放射治疗计划系统需要CT图像准确计算剂量分布,但有时临床只能获得MR图像.图像合成能有效利用现有图像合成新模态图像,从而增强图像信息.针对MR图像生成CT图像问题,综合循环一致生成对抗网络不成对数据可训练合成新模态图像的特点,以及密集连接网络的特征复用和优化信息流传播的优点,提出融合密集连接的循环生成对抗网络模型,改善...     

基于PST相位约束和稀疏表示的MS和PAN影像融合算法

在基于多光谱(MS)影像和全色(PAN)遥感影像融合中,提高融合影像质量的一个关键问题是如何有效提取PAN影像的纹理特征信息,并有针对性地对MS影像进行信息注入.因此,文中提出基于相位拉伸变换(PST)相位约束的MS和PAN影像稀疏融合算法.首先对MS和PAN影像进行高斯滤波.对于中低频信息,基于PST相位差对影像中边缘和纹理区域的敏感性,通过高频信息PST的相位差获得融合权重约束.对于高频信息,通过学习PAN影像的高频信息获得训练字典,并利用字典对MS和PAN影像的高频信息进行稀疏表示和融合,提高融合高频信息的准确度.算法在一定程度上克服传统融合方法对边缘纹理区域融合效果较差和光谱信息扭曲等现象,取得更好的融合效果.大量仿真实验验证算法的有效性.     

医学图像分割及其发展现状

医学图像分割是各种医学图像应用的基础,当前的临床辅助诊断、图像引导的外科手术和放射治疗中,医学图像分割技术显示出越来越重要的临床价值.由于医学图像种类繁多,常规影像包括磁共振(MR)成像、计算机断层(CT)成像、正电子发射计算机断层显像(PET)、超声(US)成像等,其中MR成像还可以产生多种不同时间参数序列的图像模态.为此,医学图像分割技术已成为面向不同的影像模态、临床目标、特定解剖学部位的一种独特的应用科学体系.结合现有的国内外研究成果,该文详细地介绍和系统地对比了图像分割方法并进行了分类,最后还对6个国际知名医学成像期刊和会议进行了统计分析,阐述了医学图像分割技术的研究趋势.     

一种基于SVM的CT与SPECT图像融合算法

将SPECT和CT图像进行融合,可以使功能和解剖影像相互取长补短,有利于临床医生的有效诊断.而CT图像是灰度图像,SPECT图像是伪彩图像,二者的融合处理具有一定难度.文章首先将SPECT图像变换成HSV彩色格式,然后再提取其中的V分量与CT图像做融合处理,利用训练好的支持向量决定融合图像对于源图像信息选取的多少来取得理想的融合效果.     

一种基于EMD和IHS的图像融合算法

提出一种基于经验模态分解和IHS的图像融合算法.首先对多光谱波段影像进行IHS变换获得强度影像I,以I为基准进行全色波段影像的直方图调整,得到PANmatch影像,然后对强度影像及PANmatch影像进行EMD(Empirical Mode Decomposition)多尺度分解,把强度影像的残差与全色影像的IMF(Intrinsic Mode Function)融合得到一个新的强度影像Inew,最后对Inew进行IHS逆变换获得融合影像.实验结果表明,算法具有很好的频谱信息存储能力和空间表达能力.     

基于二元树复小波变换的多模态医学图像融合

在研究了二元树复小波变换(DT-CWT)近似的移动不变性、良好的方向选择性等优点后,提出了一种基于二元树复小波变换的融合方法.将该方法应用于医学脑部CT图像和MR图像的融合,通过与基于传统离散小波变换(DWT)融合方法得到的融合图像进行主观评判和客观效果评价,证实了该方法具有更良好的视觉效果和更优的量化指标,体现出更强的融合性能。     

Multimodal image registration system for image-guided orthopaedic surgery

We present a novel multimodality image registration system for spinal surgery. The system comprises a surface-based algorithm that performs computed tomography/magnetic resonance (CT/MR) rigid registration and MR image segmentation in an iterative manner. The segmentation/registration process progressively refines the result of MR image segmentation and CT/MR registration. For MR image segmentation, we propose a method based on the double-front level set that avoids boundary leakages, prevents interference from other objects in the image, and reduces computational time by constraining the search space. In order to reduce the registration error from the misclassification of the soft tissue surrounding the bone in MR images, we propose a weighted surface-based CT/MR registration scheme. The resultant weighted surface is registered to the segmented surface of the CT image. Contours are generated from the reconstructed CT surfaces for subsequent MR image segmentation. This process iterates till convergence. The registration method achieves accuracy comparable to conventional techniques while being significantly faster. Experimental results demonstrate the advantages of the proposed approach and its application to different anatomies.     

基于小波变换的CT和MR图像融合

在临床医学上,CT图像和MR图像分别从不同的角度反映人体信息,将两者融合到一张图像上全面反映人体信息有很大的实用价值.提出了基于小波变换的区域平均梯度最大值融合方法,用实验结果对该方法和其它常用的几个基于小波变换的融合方法进行了比较,并从主观和客观两个方面进行评价,结果表明运用该融合方法进行图像融合取得了良好的效果,融合图像的质量要高于其它几种方法的融合质量.     

基于NSCT域滚动引导滤波与自适应PCNN的医学图像融合

针对传统CT和MRI医学图像融合后存在边缘轮廓模糊、纹理细节丢失等问题,提出基于NSCT域结合相位一致性滚动引导滤波与改进参数自适应双通道PCNN的图像融合方法。首先,采用相位一致性滚动引导滤波对CT源图像进行增强,提高骨骼轮廓结构清晰度。然后,通过NSCT变换分解增强后的CT和MRI源图像得到低频子带和高频子带。低频子带系数采用改进参数自适应双通道脉冲耦合神经网络融合策略,明显改善了软组织的纹理细节模糊效果;高频子带系数采用加权求和修正拉普拉算法融合,提升了融合后图像的细节、纹理等信息。最后,通过逆NSCT变换重构出融合图像。通过五组对比实验表明,所提方法的AG、CC、SF、MSE以及CEN客观评价指标分别平均提高了13.30%、6.71%、4.40%、40.23%、19.16%,说明该融合方法在处理纹理细节、边缘轮廓、结构相似性以及图像像素方面性能更好。     

改进耦合字典学习的脑部CT/MR图像融合方法

针对目前使用单字典表示脑部医学图像难以得到精确的稀疏表示进而导致图像融合效果欠佳,以及字典训练时间过长的问题,提出了一种改进耦合字典学习的脑部计算机断层成像（CT）/磁共振成像（MR）图像融合方法。该方法首先将CT和MR图像对作为训练集,使用改进的K奇异值分解（K-SVD）算法联合训练分别得到耦合的CT字典和MR字典,再将CT和MR字典中的原子作为训练图像的特征,并使用信息熵计算字典原子的特征指标;然后,将特征指标相差较小的原子看作公共特征,其余为各自特征,并分别使用"平均"和"选择最大"的规则融合CT和MR字典的公共特征和各自特征得到融合字典;其次,将配准的源图像编纂成列向量并去除均值,在融合字典的作用下由系数重用正交匹配追踪（CoefROMP）算法计算得到精确的稀疏表示系数,再分别使用"2范数最大"和"加权平均"的规则融合稀疏表示系数和均值向量;最后通过重建得到融合图像。实验结果表明,相对于3种基于多尺度变换的方法和3种基于稀疏表示的方法,所提方法融合后图像在亮度、清晰度和对比度上都更优,客观参数互信息、基于梯度、基于相位一致和基于通用图像质量指标在三组实验条件下的均值分别为：4.1133、0.7131、0.4636和0.7625,字典学习在10次实验条件下所消耗的平均时间为5.96 min。该方法可以应用于临床诊断和辅助治疗。     

GA-based multiresolution fusion of segmented brain images using PD-, T1- and T2-weighted MR modalities

Medical image fusion has been used to derive the useful complimentary information from multimodality imaging. The proposed methodology introduces fusion approach for robust and automatic extraction of information from segmented images of different modalities. This fusion strategy is implemented in multiresolution domain using wavelet transform- and genetic algorithm-based search technique to extract maximum complementary information. The analysis of input images at multiple resolutions is able to extract more fine details and improves the quality of the composite fused image. The proposed approaches are also independent of any manual marking or knowledge of fiducial points and start the fusion procedure automatically. The performance of fusion scheme implemented on segmented brain images has been evaluated computing mutual information as similarity measuring matrix. Prior to fusion process, images are being segmented using different segmentation techniques like fuzzy C-mean and Markov random field models. Experimental results show that Gibbs- and ICM-based segmentation approaches related to Markov random field perform over the fuzzy C-mean and which are being used prior to GA-based fusion process for MR T1, MR T2 and MR PD images of section of human brain.     

烟花算法优化的软子空间MR图像聚类算法

现有的软子空间聚类算法在分割MR图像时易受随机噪声的影响,而且算法因依赖于初始聚类中心的选择而容易陷入局部最优,导致分割效果不理想.针对这一问题,提出一种基于烟花算法的软子空间MR图像聚类算法.算法首先设计一个结合界约束与噪声聚类的目标函数,弥补现有算法对噪声数据敏感的缺陷,并提出一种隶属度计算方法,快速、准确地寻找簇类所在子空间;然后,在聚类过程中引入自适应烟花算法,有效地平衡局部与全局搜索,弥补现有算法容易陷入局部最优的不足.EWKM,FWKM,FSC,LAC算法在UCI数据集、人工合成图像、Berkeley图像数据集以及临床乳腺MR图像、脑部MR图像上的聚类结果表明,所提出的算法不仅在UCI数据集上能够取得较好的结果,而且对图像聚类也具有较好的抗噪性能,尤其是对MR图像的聚类具有较高的精度和鲁棒性,能够较为有效地实现MR图像的分割.     

融合注意力机制与可变形卷积的多尺度骨病变检测

目的 在计算机断层扫描（computed tomography,CT）影像中对骨组织部位进行自动分析和检测,对于骨科疾病的早期诊断具有重要意义,然而基于人工分析诊断的方法存在效率较低、诊断的准确性和客观一致性无法保证等问题。为此,本文研究构建一个骨组织病变检测的级联神经网络模型,以期为骨科医生的诊断提供支持。方法 在影像预处理阶段使用改进的增强方法对CT影像进行对比度增强并获取影像中的人体有效部位;根据骨骼组织CT值（Hounsfield unit,HU）的分布范围进行阈值分割,得到大致的骨组织区域;以级联目标检测模型为研究基线,结合注意力机制与可变形卷积增加特征图的全局上下文的相关性,以适应形态多变的骨病灶;通过特征融合模块促进不同尺度特征信息之间的融合,并在多个尺度特征图上分别进行骨组织病变训练和预测。结果 在DeepLesion数据集上进行实验,实验结果表明,本文网络对骨病变检测的召回率（recall）、准确率（precision）、F1分数、平均精度（average precision,AP）分别为0.85、0.613、0.712以及0.816;较对照组中性能最优的通用CT病变检测网络对骨病变检测的召回率提升0.15。结论 本文提出的网络模型对CT骨组织病变具有较好的检测效果,能够对骨组织病变判别诊断提供辅助支持,提高诊断效率,降低漏诊风险。     

残差密集相对平均CGAN的脑部图像配准

目的 针对图像合成配准算法中鲁棒性差及合成图像特征信息不足导致配准精度不高的问题,提出了基于残差密集相对平均条件生成对抗网络（residual dense-relativistic average conditional generative adversarial network,RD-RaCGAN）的多模态脑部图像配准方法。方法 相对平均生成对抗网络中的相对平均鉴别器能够增强模型稳定性,条件生成对抗网络加入条件变量能提高生成数据质量,结合两种网络特点,利用残差密集块充分提取深层网络特征的能力,构建RD-RaCGAN合成模型。然后,待配准的参考CT（computed tomography）和浮动MR（magnetic resonance）图像通过已训练好的RD-RaCGAN合成模型双向合成对应的参考MR和浮动CT图像。采用区域自适应配准算法,从参考CT和浮动CT图像中选取骨骼信息的关键点,从浮动MR和参考MR图像中选取软组织信息的关键点,通过提取的关键点指导形变场的估计。从浮动CT图像到参考CT图像估计一个形变场。类似地,从浮动MR图像到参考MR图像估计一个形变场。另外,采用分层对称的思想进一步优化两个形变场,当两个形变场之间的差异达到最小时,将两个形变场融合得到最终的形变场,并将形变场作用于浮动图像完成配准。结果 实验结果表明,与其他6种图像合成方法相比,本文模型合成的目标图像在视觉效果和客观评价指标上均优于其他方法。对比Powell优化的MI（mutual information）法、ANTs-SyN（advanced normalization toolbox-symmetric normalization）、D.Demons（diffeomorphic demons）、Cue-Aware Net（cue-aware deep regression network）和I-SI（intensity and spatial information）的图像配准方法,归一化互信息分别提高了43.71%、12.87%、10.59%、0.47%、5.59%,均方根误差均值分别下降了39.80%、38.67%、15.68%、4.38%、2.61%。结论 本文提出的多模态脑部图像配准方法具有很强的鲁棒性,能够稳定、准确地完成图像配准任务。