基于改進互信息的醫(yī)學(xué)圖像配準(zhǔn)方法研究.pdf

1、醫(yī)學(xué)影像技術(shù)的應(yīng)用隨著醫(yī)學(xué)、計算機技術(shù)的發(fā)展貫穿了臨床活動的全過程。由于不同設(shè)備成像的原理不同，使得醫(yī)學(xué)影像有提供不同信息的多模態(tài)圖像，臨床上醫(yī)生為了對患者的病理信息作全面的了解，通常需要對同一病人進行不同模式的成像或者是同一模式的多次成像，最后再整合多幅圖像信息來綜合分析。這種將不同模式的圖像信息整合成一種新模式的圖像稱為醫(yī)學(xué)圖像的融合，而融合的第一步先要配準(zhǔn)。醫(yī)學(xué)圖像配準(zhǔn)作為圖像融合的先決條件，它的研究是醫(yī)學(xué)圖像處理領(lǐng)域的熱點。本文

2、主要對醫(yī)學(xué)圖像配準(zhǔn)的方法進行了深入的研究，從圖像配準(zhǔn)的框架入手，著重研究了基于最大互信息的配準(zhǔn)方法，分析了互信息作為配準(zhǔn)的測度函數(shù)具有的優(yōu)點和存在的缺點，并針對其缺點從精度和速度兩方面提出了改進的措施。
　　為了加快配準(zhǔn)速度，針對互信息計算量大和存在局部極值的問題，本文集中于采樣技術(shù)和優(yōu)化策略的研究，在對常用采樣方法和一般優(yōu)化算法的討論分析基礎(chǔ)之上，提出了一種基于圖像區(qū)域信息熵的采樣方法，并設(shè)計了在這種采樣方法下使用Powell與

3、模擬退火相結(jié)合的混合優(yōu)化算法對互信息函數(shù)進行優(yōu)化。最后通過仿真實驗作了定性與定量分析，結(jié)果表明:這種基于信息熵的采樣方法結(jié)合混合優(yōu)化算法既能保留圖像重要的信息不丟失，又能明顯地加快配準(zhǔn)過程中測度函數(shù)的收斂速度。
　　為了克服互信息因陷入局部極值而導(dǎo)致誤配準(zhǔn)，尤其是兩幅待配準(zhǔn)的圖像在混有大量噪聲、重疊區(qū)域較小、對比度降低、或者是圖像數(shù)據(jù)缺失等情況下，單獨利用互信息的方法難以得到精確的配準(zhǔn)結(jié)果，本文提出了兩種互信息的改進方法:一種方法

4、是將圖像的空間信息引入到互信息函數(shù)中，即互信息結(jié)合邊緣互方差的配準(zhǔn)方法;另一種方法是將圖像的感興趣區(qū)域(ROI)引入到互信息函數(shù)中，即互信息結(jié)合感興趣區(qū)域互信息的配準(zhǔn)方法，分別用加權(quán)互信息和加權(quán)概率互信息兩種組合構(gòu)造了配準(zhǔn)測度函數(shù)。
　　在互信息結(jié)合邊緣互方差的配準(zhǔn)方法中，利用Susan算子具有抗噪聲性能好、控制參數(shù)使用靈活性強的優(yōu)點，將其用于醫(yī)學(xué)圖像的邊緣提取。最后經(jīng)實驗證明了，改進的互信息配準(zhǔn)方法均比單獨利用互信息對圖像配準(zhǔn)時