基于Demons算法的多模态医学图像非刚性配准研究

非刚性医学图像配准是医学图像研究领域的热门专题之一,具有重要的临床应用价值。本文提出一种改进的Demons算法,将灰度守恒模型和局部结构张量守恒模型结合起来,构造一个新的能量函数处理多模态配准问题,然后采用L-BFGS算法优化能量函数,解决复杂三维数据的优化问题,并采用多尺度分层细化的思想解决大形变配准。实验表明,本文算法对大形变和多模态三维医学图像配准都有较好的效果。     

多模态医学图像配准技术研究

目的:通过对CT和PET图像进行配准实验,得出CT和PET配准的最优插值搜索方法以及粗配准对二者配准结果的影响。方法:首先利用改进的力矩与主轴法对CT和PET图像进行粗配准,得到CT图像的平移量与旋转量。然后针对不同的插值和搜索方法实现互信息配准,并将所得平移量与旋转量作为Powell优化初值进行实验,与使用默认值的Powell优化方法进行对比。结果:实验结果表明:使用双线性插值算法时,两实验的结果基本一致;采用部分体积插值法时,基于粗配准的Powell优化配准效果优于基于默认值的方法;而使用立方卷积插值法时二者配准效果差别不大,但基于粗配准的方法时间更短。结论:基于粗配准的Powell优化方法(部分体积插值与Brent搜索)有更好的配准速度及效果。     

多模态医学图像配准技术研究进展

多模态医学图像配准技术是目前医学图像处理中的研究热点,对于临床诊断和治疗有重要意义.首先分析了图像配准的过程,然后根据待配准图像的特征,包括图像的外部特征和内部特征,系统且详细地介绍了多模态医学图像配准的常用方法,并对这些方法进行了比较.     

多模态医学图像配准技术的分类与研究进展

多模态医学图像配次技术是目前医学处理中的研究热点,对于核准 重要意义。本文首先分析了图像配准的过程,并在此基础上对配准方法进行了反映其本质的分类。然后综述了目前的一些主要的多模态医学图像的配准方法,最后提出了医学图像配准研究中的几个主要问题。     

多模态医学图像配准技术的分类与研究进展

多模态医学图像配准技术是目前医学图像处理中的研究热点 ,对于临床诊断和治疗有重要意义。本文首先分析了图像配准的过程 ,并在此基础上对配准方法进行了反映其本质的分类 ,然后综述了目前的一些主要的多模态医学图像的配准方法 ,最后提出了医学图像配准研究中的几个主要问题。     

医学图像非刚性配准研究进展

医学图像非刚性的配准在医学诊断和治疗计划中起着重要的作用,学者们为此提出了各种非刚性配准算法.本文首先分析了非刚性配准的必要性;接着介绍了近年来提出的典型非刚性配准算法,给出了这些方法的基本原理及研究进展,最后对非刚性配准的发展方向进行了展望.     

基于球形标记的多模态医学体配准

本文提出在医学多模态数据集（尤其是MRI和CT）中基于球形人造标记的体配准过程，此过程是半自动或是全自动完成的，半自动方法要求数据集中标出球形标记的近似点位置，再自动进行配准，全自动方法不需要用户的任何交互操作，即所有配准子任务（球体的分割，寻找两组球体的对应关系，最后把第一套球体映射成第二套球体的几何变换的计算）能由计算机自动执行，在全自动配准中，积聚器算法和迭代最近点算法的结合证明是一种有效的和鲁棒性好的点匹配方法。     

基于球形标记的多模态医学体配准

本文提出在医学多模态数据集 (尤其是 MRI和 CT)中基于球形人造标记的体配准过程。此过程或是半自动或是全自动完成的。半自动方法要求数据集中标出球形标记的近似点位置 ,再自动进行配准。全自动方法不需要用户的任何交互操作 ,即所有配准子任务 (球体的分割、寻找两组球体的对应关系、最后把第一套球体映射成第二套球体的几何变换的计算 )能由计算机自动执行。在全自动配准中 ,积聚器算法和迭代最近点算法的结合证明是一种有效的和鲁棒性好的点匹配方法     

基于自由变形法的多模态医学图像的配准与融合

本研究提出了一种自动识别颈部PET-CT图像特征点的算法，它应用自由变形（FFD）方法以CT图像的特征点为参考使PET图像产生变形，再结合最大互信息法对颈部PET与CT图像进行非刚体配准，最后用改进的小波图像融合法把两者进行融合得出视觉效果比较理想的融合图像。经实际计算得出的变形PET图像与对应CT图像的互信息量大于原始PET图像，并且最后用改进的小波图像融合法得出的融合图像的信息量比一般小波融合大，由此证明本研究所用方法是有效的。     

基于三次样条层间插值的多模态医学图像配准

我们从PET-CT多模态图像序列的特点出发,提出了一种全新的图像配准及融合方法,它采用三次样条插值法对PET-CT图像进行层间插值,然后再利用最大互信息法进行配准,最后应用改进的主成分分析(PCA)法融合PET-CT图像用以增强PET显像效果,从而得到满意的配准以及融合结果。用三次样条插值法进行层间插值并恢复层间缺失图像的信息,弥补了现有配准方法的不足,提高了配准精度,使融合后的图像更加接近实际的物理断层。该方法已经成功应用于三维适形放疗(3D-CRT)系统的开发中。     

基于调幅-调频与熵图多模态医学图像的配准

背景：基于传统互信息量的多模态医学图像配准方法配准时需要利用二维直方图或者Parzen窗函数的方法估计概率密度分布,进而计算互信息量,这种方式计算速度慢,而且只考虑了图像的灰度信息,容易出现误配。 目的：针对目前主流的配准方法鲁棒性差、耗时的缺点,提出了一种新的基于调幅-调频(AM-FM)特征互信息量的快速配准方法。 方法：该方法考虑了图像的空间和结构信息;首先通过AM-FM模型对图像进行分解,得到图像的AM-FM特征,与图像的灰度特征一起组成高维特征;然后利用熵图和最小生成树加快AM-FM特征互信息量的计算,从而实现了医学图像的快速配准。 结果与结论：对20组磁共振T1-T2加权图像、CT/正电子发射计算机断层成像图像进行了实验,结果表明该方法在图像空间分辨率较低,有噪声影响等情况下均可以达到较好的结果,且配准精度优于国际上的主流方法,具有计算速度快,精度高,鲁棒性强的特点,适于临床应用。     

基于互信息医学刚性图像配准方法的研究

目的:基于互信息的配准方法是医学图像配准领域的重要方法,具有鲁棒性,精度高等优点。本文探究医学刚性图像配准的有效算法和关键技术。方法:基于互信息配准方法,利用Powell多参数算法和改进的PV插值算法,得到两幅图像之间的最大互信息和最佳配准参数。结果:二维磨牙CT图像配准实验表明,配准速度快,精度提高,验证了插值方法的有效性。结论:方法和算法可提高配准速度,能有效抑制互信息目标函数的局部极值。     

基于多目标交叉变异粒子群算法的多模医学图像非刚性配准

以互信息为相似性测度,采用B样条变换对多模态医学图像进行非刚性配准时,由于噪声及图像插值等原因造成的互信息局部极值使得传统优化方法不能搜索到最佳配准参数。为此,使用粒子群智能优化方法作为搜索策略,以降低对图像预处理的要求,进一步提高基于互信息的非刚性配准的鲁棒性。为了克服粒子群算法受初始值选取等因素的影响易陷于局部最优的缺点,使用LBFGS优化得到的结果构造初始粒子群,采用多目标优化方法结合交叉变异策略加以改进,使得算法在解空间搜索的遍历性得到改善,优化结果更接近全局最优。MR-T2与MR-PD图像的配准实验证明,该方法提高了基于互信息的B样条非刚性配准的鲁棒性,配准率达到94%;CT与PET图像的配准实验表明该方法相比惯性权重粒子群算法提高了配准精度,互信息增加了0.026;另外,CT与CBCT图像的配准实验也验证了本方法的有效性。     

基于循环一致生成对抗网络的多模态影像刚性配准

目的:采用循环一致生成对抗网络(CycleGAN)方法在保证医学影像刚性配准精度的同时,降低图像配准的时间以及训练数据获取难度。方法:首先对训练数据进行标准化与归一化,同时对图像进行重采样与剪裁,去除多余的空气部分。其次采用阈值法与扫描线法获取图像的外轮廓信息,基于CycleGAN建立两个生成器与两个判别器,生成器输入配准图像对和输出配准结果,判别器输入配准图像对和输出配准程度。在原始CycleGAN损失函数基础上,增加轮廓损失项,以约束网络训练方向,提高收敛速度。结果:选取75例腹部病例,其中65例作为训练数据集,10例作为测试数据集,配准结果与配准软件Elastix对比。计算测试图像集外轮廓Dice系数,配准前图像对的平均Dice系数为0.858,Elastix配准后的平均Dice系数为0.926,本方法配准后的平均Dice系数为0.925。配准时间上Elastix的平均配准时间为12.1 s,本研究方法的平均配准时间为0.04 s,加速比达到302。结论:本方法在保证图像配准精度的同时极大降低了图像配准所需的时间,提高了配准流程工作效率。除此之外,与其他深度学习网络相比,本方法不需要真实配准结果以及传统相似性测度。     

多模态图像配准在HIFU定位系统中的应用

在交互式图像导航HIFU(高强度聚焦超声)治疗系统中,需要对病灶目标进行非常精确的实时成像和定位.而现有的超声成像技术很难单独完成这个任务.本文提出了一种用手术前MRI三维图像与手术中的超声图像进行配准的方法,对手术前MR图像和手术中超声图像两种模态下都可见的血管进行配准.配准算法采用遗传算法和共轭梯度法结合的优化策略来最小化目标函数,并设计了两个实验对配准方法进行评价,从实验结果看这种方法从配准精度和收敛速度上都要优于另外的两种经典算法.     

引入高斯函数的互信息法多模态图像配准

目的：最大互信息作为相似度测量在医学图像配准中已被广泛应用。在计算图像互信息时,为了避免引入新的灰度值一般采用部分体积插值统计两幅图像的联合直方图。但用该方法计算中,当图像平移整数点时,统计联合直方图会出现缺陷,使目标函数出现局部极值,从而造成误配准。方法：将高斯函数引入到直方图统计中,选取适当的邻域,用高斯函数计算邻域内各点像素对联合直方图的贡献。利用高斯函数的平滑性,避免了在互信息计算过程中统计图像联合直方图时出现误差。使用Powell优化方法,寻找最佳的优化参数,实现图像的最佳配准。结果：采用CT-PET数据进行实验,该方法平滑了目标函数,有效地消除了局部极值,提高了多模态图像配准的精确性,并且,对噪音图像配准也产生很好的效果。结论：该方法适用于多模态医学图像配准,克服了传统互信息计算时的不足,提高了配准的正确率和精确度。     

基于混合优化算法的医学图像配准方法

基于互信息的图像配准算法计算复杂度高,配准速度慢。针对这一问题,本文提出一种基于改进遗传算法和Powell算法相结合的医学图像配准方法。首先针对传统遗传算法收敛速度慢、易早熟的缺陷,本文对遗传操作中的交叉运算过程提出了改进策略,并将改进的遗传算法与Powell算法相结合,充分利用遗传算法的全局搜索能力与Powell算法的局部搜索能力。与Powell算法和未改进的遗传算法相比,本文提出的算法极大地缩短了图像配准所用的时间,同时提高了算法的抗噪性。     

多模态图像配准技术在HIFU手术中的应用

在交互式的图像导航热疗手术中 ,需要对病灶目标进行非常精确的实时成像和定位。而现有的超声成像技术很难单独完成这个任务。本研究提出了一种用手术前MRI图像重建的三维图像与手术中的超声图像进行配准的方法 ,对肝部肿瘤热疗手术中的目标进行定位。其配准方法采用的是基于肝部血管和表皮等特征的遗传配准算法。     

基于互信息与边缘梯度相结合的多模医学图像配准方法

针对传统互信息配准方法未利用图像空间信息的缺点,本文研究了图像边缘信息的梯度相似性.首先采用小波模极大值边缘检测提取出图像边缘,提出将边缘图像的梯度相似性系数与传统的互信息相乘作为图像配准的目标函数.然后通过使用Powell优化算法对目标函数进行寻优,得出配准变换参数.最后在互信息的基础上引入图像边缘梯度信息,突出了全局最优解.实验结果表明,该方法可以得到精确、有效的配准结果.     

医学图像配准技术

医学图像配准是医学图像分析的基本课题,具有重要理论研究和临床应用价值。本文较全面地介绍了医学图像配准的概念、分类、配准原理、主要的配准技术及评估方法。