基于投影近似不变性的3D-2D医学图像配准

研究了同一病人的MRA和DSA图像之间的3D-2D配准问题，提出了一种基于投影近似不变性的配准算法，即在同一视角下，同一病人的三维MRA血管骨架的投影与二维DSA的骨架保持一致。通过定义二者之间的代价函数，并利用牛顿迭代法可得到视角参数的最优解。针对临床采集的MRA和DSA数据进行了实验，取得了较为满意的结果。     

利用高维互信息的多模态医学图像配准

互信息相似性测度在多模态医学图像配准中获得了广泛的应用,然而其不足之处在于没用充分利用图像固有的空间信息。针对这一不足,提出了利用图像邻域信息的高维互信息配准方法。首先用图像像素及其邻域构成高维向量的集合,然后利用基于最近邻的熵估计法来估计集合的高维熵,并采用近似最近邻搜索算法来加快高维熵的计算。实验结果验证了新的相似性测度的有效性。     

用改进的粒子群算法实现多模态刚性医学图像的配准

多模态医学图像的配准在医学诊断和治疗计划中起着重要的作用．提出了一种基于轮廓特征点和改进的粒子群优化算法((Particle Swarm Optimization,PSO))求解的配准方法．该方法首先用Canny算子提取图像的边缘,用ISODATA算法进行聚类分析提取出轮廓特征点,然后用两轮廓匹配点对的欧几里德距离平均值的极小值作为两个特征点对配准准则,并用改进的PSO算法求解配准所需的空间变换参数．实验证明;该方法配准精度能够达到亚像素级,能够避免陷入局部极小值而且速度得到明显改善,其应用于多模态医学图像的配准是可行的．     

黎曼流形上的多模态医学图像配准

针对传统多模态配准方法忽视图像的结构信息和像素间的空间关系,并假定灰度全局一致的前提。本文提出了一种在黎曼流形上的多模态医学图像配准算法。首先采用线性动态模型捕捉图像的高维空间的非线性结构和局部信息,然后通过参数化动态模型构造出一种李群群元,形成黎曼流形,继而将流形嵌入到高维的再生核希尔伯特空间,再在核空间上学习出相似性测度。仿真和临床数据实验结果表明本文算法在刚体配准和仿射配准精度上均优于传统互信息方法和基于邻域的相似性测度学习方法。     

基于QPSO的多模态医学图像配准研究

本文提出一种基于QPSO的形态金字塔多模态医学图像配准算法,该方法以梯度互信息作为相似性度量标准,运用全局仿射变换建立数学模型,充分利用形态金字塔的非线性、多分辨率等特性将图像进行分层处理,并且利用QPSO和Powell算法结合逐层获取参数解。实验结果表明在任意初始值的情况下,基于QPSO的寻优算法比Levenberg-Marquardt寻优算法运行速度快,并且配准精度更高。     

非刚性医学图像配准与融合

非刚性医学图像的突出特点是不同图像间可能存在着较大的形态差异,因此非刚性医学图像的配准与融合是一项极富挑战性的研究工作.本文重点对现有的非刚性医学图像配准与融合的方法进行了归纳、总结和整理,并根据作者自己的研究体会,对这一领域内的发展方向做出了展望.     

基于改进平衡优化器的医学2D/3D图像快速配准算法

医学三维图像(如CT、MRI等)和二维图像(如X光)的配准技术已经被广泛应用于临床诊断和手术规划中. 医学图像配准的实质为使用优化算法寻找某种空间变换, 使两张图像在空间以及结构上对齐. 配准过程中往往由于优化算法寻优精度不高、易陷入局部极值的问题导致配准质量低. 针对此问题, 提出一种改进的平衡优化器算法(improved equilibrium optimizer based on Logistic-Tent chaos map and Levy flight, LTEO), 首先针对种群初始化容易分布不均匀, 且随机性太高的问题, 引入Logistic-Tent混沌映射对种群进行初始化, 提高种群多样性, 使它们尽可能地分布于搜索空间内; 对迭代函数进行更新, 使得优化算法更注重全局范围的搜索, 提高算法收敛速度并利于找到全局最优解; 引入Levy飞行策略对停滞粒子进行扰动, 防止算法陷入局部极值. 最后将改进的平衡优化器算法用于2D/3D医学图像配准任务, 并对配准过程中数据的频繁传输进行优化, 降低配准耗时. 通过基准函数测试和临床配准实验对算法进行验证, 改进后的平衡优化器可有效提高寻优精度和稳定性, 并提高医学图像配准的质量.     

基于轮廓特征匹配的数字人多模态图像配准

医学多模图像配准技术是实现非同源图像的信息融合的前提条件和关键步骤。数字人断层影像学的3种图像数据(彩色切片数据、CT和MRI数据)本质上都是医学图像。基于多模图像信息互补的思路,通过将数字人的两种源图像(彩色切片和MRI图像)进行统一分辨率、维数和去噪等预处理后,提取有效轮廓信息,计算图像的周长、质心和主轴作为配准参数,利用仿射模型实现数字人多模图像的配准,为信息融合工作提供准确的图像信息,解决了关键的技术难题。由实验结果可以看出,配准算法准确,实现处理速度快,图像特征精确,图像配准的目标已达到。     

基于数据融合及小波变换的医学超声图像去噪方法

医学超声图像固有的斑纹噪声,极大地降低了超声图像的质量,严重影响了对病灶的识别。经典的去噪方法在抑制斑纹噪声时丢失了图像中大量的细节和微弱的边缘信息。本文提出一种基于数据融合的小波变换去噪算法,首先对医学超声图像进行对数变换,将乘性噪声变成加性噪声,然后对同一原始信号含噪声的两幅同源图像分别进行小波分解,对两幅图像中小波系数的低频分量作加权融合;对水平、垂直与对角方向高频分量取两幅图像中各尺度下对应小波系数绝对值较大者各自分别融合,使高频分量中信号得以最大限度地保留,最后,经小波逆变换和指数变换得到去噪后图像。该方法在去除噪声同时能够有效保持边缘信息,较好地改善去噪后图像的视觉效果,取得了良好的效果。     

基于DELPHI的CT医学图象处理系统研究及实现

医学图象处理系统(MIPS:MedicalImageProcessingSystem)作为独立于CT设备的后处理系统,主要针对现有CT设备,利用计算机对CT图象进行处理和分析。其目的是实现一个基于PC机的通用CT医学图象处理系统,满足医学图象分析要求以及医生对辅助诊断、病历报告、病历管理、影像教学等辅助功能的要求。该项研究主要针对医学CT图象处理系统软、硬件环境,改进了系统实现过程,优化系统各处理模块分析和实现。该系统基于Windows操作系统,采用面向对象并具有良好图象处理能力的Delphi语言作为RAD平台。由于对系统采用面向对象的方法进行分析、设计、开发,系统有良好的可维护性、可操作性、友好的界面。     

医学图像矢状面和冠状面清晰度研究

国产CT、MRI图像工作站或手术计划、手术导航软件中,三维重建普遍采用双线性插值算法,重建出来的矢状面和冠状面图像不清晰,影响诊断和治疗。该文采用三次卷积算法进行z方向插值,效果十分明显,重建出来的矢状面和冠状面图像质量得到改善。进一步研究发现,矢状面和冠状面图像的清晰度,不仅与z方向插值有关,而且与x,y方向插值密切相关。     

非刚性医学图像配准研究综述

非刚性配准技术是医学图像配准中的一个重要研究课题,是非刚性组织配准,不同个体之间的配准以及个体同图谱配准的基础。该文提出了多项式法、样条函数法等基于空间变换的配准方法,以及弹性模型、粘性流体模型和光流场模型等基于物理模型的配准方法两大类方法。同刚性配准相比,非刚性配准技术还不成熟,计算效率和稳定性还需要进一步提高,仍是一个非常活跃的研究领域。     

医学影像仿真扫描工作站的设计与实现

文中简单介绍了基于计算机仿真技术的医学影像仿真扫描工作站系统的设计。该系统采用Visual C++进行界面设计以及核心算法编程的实现;通过C++语言来调用VTK ( Visualization ToolKit)的类库函数,用以实现医学图像的三维重建;使用Microsoft Access数据库管理与保存患者信息数据与图像数据。实现了一款无需医学影像设备的医学影像仿真扫描工作站软件系统,该系统模拟仿真真实扫描工作站的工作流程以及系统功能。     

基于小波变换的医学图像融合技术的实现

研究目的：为了对医学图像进行基于小波变换的融合。方法：首先通过学习和研究小波理论的有关知识来研究小波理论在图像融合中的应用目的和实现方法，并借助MATLAB平台，通过小波工具箱实现了图像融合，同时比较了使用这两种方法实现图像融合的效果；然后借助MATLAB中的函数，通过编程实现了图像融合算法。结果：由两幅非同源的医学图像（CT图像和MRI图像）的融合结果可见，两种方法得到的融合图像的效果一致，其对于两幅图像中同一部位相对位置偏移量小的融合效果较好，但对偏移量较大以及存在形变情况的融合则效果不好。结论：通过小波工具箱可以实现一些简单的医学图像融合，但是随着医学图像融合技术的进一步发展和医学图像的复杂度的进一步加深，尤其是对于腹部和胸部的医学图像，则要通过非刚性配准之后才能再进行融合显像，其过程更加复杂。     

医学影像处理与分析开发包MITK的设计与实现

随着VTK(visualization ToolKit)和ITK(insight segmentation and registration ToolKit)两个软件开发包的成功,医学影像领域内的研究人员越来越重视本领域内的软件包的开发问题.介绍了所开发的集成化的三维医学影像处理与分析开发包MITK(medical imaging ToolKit),其目的主要是提供一个一致的框架,整合医学图像分割、配准、可视化等功能.给出了MITK的设计目标、整体框架和关键技术的实现,以及一些应用实例以展示MITK的功能.希望MITK能成为本领域内研究开发人员的另外一个可选择的开发包.