醫(yī)學(xué)圖像配準(zhǔn)中的若干關(guān)鍵問題研究.pdf

1、醫(yī)學(xué)圖像配準(zhǔn)已成為疾病診療的重要工具，如基于多模態(tài)腦圖像配準(zhǔn)的疾病診斷方法和基于肺部4D CT圖像配準(zhǔn)的腫瘤放射治療方法。在多模態(tài)醫(yī)學(xué)圖像配準(zhǔn)中，因?yàn)椴煌B(tài)成像的物理機(jī)理差異較大，圖像不同局部的灰度對應(yīng)關(guān)系不一致，從而難以找到對應(yīng)圖像灰度之間的全局一致對應(yīng)關(guān)系。在單模態(tài)醫(yī)學(xué)圖像進(jìn)行配準(zhǔn)中，圖像會(huì)因?yàn)橹T如非均勻磁場和噪聲等因素導(dǎo)致圖像灰度出現(xiàn)局部非均勻變化，同樣難以找到對應(yīng)圖像灰度之間的全局一致對應(yīng)關(guān)系。這種不一致性制約著圖像配準(zhǔn)精度進(jìn)

2、一步提高，成為醫(yī)學(xué)圖像配準(zhǔn)中的關(guān)鍵問題之一。本文針對腦部磁共振圖像和4D CT肺部圖像的不同特點(diǎn)，提出不同的圖像描述子解決對應(yīng)圖像灰度的全局不一致對應(yīng)問題。
　　圖像引導(dǎo)放射治療是肺癌治療的主要手段之一。而4D CT肺部圖像的非剛性配準(zhǔn)算法是圖像引導(dǎo)放射治療的關(guān)鍵技術(shù)。圖像配準(zhǔn)算法與放療技術(shù)相結(jié)合，有助于精確殺死癌細(xì)胞。然而目前肺部4D CT圖像的非剛性配準(zhǔn)算法存在三大困難:肺部壓縮導(dǎo)致的圖像灰度局部非均勻變化使得經(jīng)典的全局相似度

3、函數(shù)失效;肺部運(yùn)動(dòng)較大的偏移量使得經(jīng)典光流模型很難準(zhǔn)確估計(jì)運(yùn)動(dòng);心臟搏動(dòng)導(dǎo)致肺部運(yùn)動(dòng)的局部不連續(xù)性使得經(jīng)典的正則化目標(biāo)函數(shù)失效。這些困難制約了肺部圖像的配準(zhǔn)算法精度的提高。本文針對4D CT圖像配準(zhǔn)遇到的三大關(guān)鍵問題，提出如下策略:采用提出的圖像描述子解決灰度局部非均勻變化的問題;采用由粗到精圖像金字塔方法解決肺部運(yùn)動(dòng)偏移量較大的問題;采用雙邊濾波器解決肺部運(yùn)動(dòng)的局部不連續(xù)性問題。本文綜合上述措施提出兩種高精度的肺部4D CT配準(zhǔn)算法。

4、
　　本文的主要工作和創(chuàng)新點(diǎn)如下:
　　(1)基于邊緣鄰域描述子的多模態(tài)配準(zhǔn)方法
　　近年來提出的熵圖像描述子、基于流形學(xué)習(xí)描述子和模態(tài)無關(guān)描述子等方法可以在一定程度上解決圖像灰度的全局不一致對應(yīng)的問題。然而這些描述子的計(jì)算復(fù)雜度較高，內(nèi)存要求較高，配準(zhǔn)的精度有待于進(jìn)一步提高。本文提出一種新的描述子，對圖像進(jìn)行結(jié)構(gòu)化表示，使得不同模態(tài)圖像能夠得到一致的結(jié)構(gòu)表示。具體實(shí)現(xiàn)如下，首先將圖像分成4種類型區(qū)域:圖像背景、圖像邊

5、緣、圖像邊緣的鄰域和其他區(qū)域，然后給圖像不同的區(qū)域設(shè)置不同的權(quán)重。由于該描述子同時(shí)依賴于邊緣和鄰域，本文將該描述子命名為邊緣鄰域描述子。該邊緣鄰域描述子原理簡單，計(jì)算速度非常快，是熵圖像描述子計(jì)算速度的50倍。在基于邊緣鄰域描述子的多模態(tài)配準(zhǔn)方法中，首先計(jì)算不同模態(tài)圖像的邊緣鄰域描述子，得到不同圖像的一致表示，然后使用經(jīng)典配準(zhǔn)算法對圖像的邊緣鄰域描述子進(jìn)行配準(zhǔn)。實(shí)驗(yàn)結(jié)果表明基于邊緣鄰域描述子的多模態(tài)腦部圖像配準(zhǔn)精度優(yōu)于經(jīng)典的互信息方法和

6、熵圖像描述子。
　　(2)基于圖像特征和流形學(xué)習(xí)的多模態(tài)配準(zhǔn)方法
　　熵圖像描述子、模態(tài)無關(guān)鄰域描述子和前面提出的邊緣鄰域描述子等方法僅僅考慮局部關(guān)系，沒有考慮像素鄰域間的全局關(guān)系?；诹餍螌W(xué)習(xí)的圖像描述子同時(shí)考慮了像素鄰域間的局部和全局關(guān)系。然而，由于計(jì)算的時(shí)間復(fù)雜度和空間復(fù)雜度特別高，幾乎不可能將流形學(xué)習(xí)直接應(yīng)用到3D圖像中。因此，大尺度流形學(xué)習(xí)逼近方法的研究非常有必要。本文將隨機(jī)投影樹方法和k-means聚類這兩個(gè)經(jīng)典

7、的逼近方法應(yīng)用到基于流形學(xué)習(xí)的圖像描述子中，并提出兩種大尺度流形學(xué)習(xí)的逼近方法。這兩種方法基本思想一致:首先根據(jù)圖像特征檢測的結(jié)果選擇代表性點(diǎn)集;然后在該點(diǎn)集和該點(diǎn)集鄰域窗口上構(gòu)建流形;最后將圖像中剩下的點(diǎn)嵌入到已經(jīng)構(gòu)建的流形中。第一種方法利用Canny邊緣檢測的結(jié)果選擇代表性點(diǎn)集;第二種方法利用Harris角點(diǎn)的檢測結(jié)果選擇代表性點(diǎn)集。提出的兩種大尺度流形學(xué)習(xí)逼近方法比原來的流形學(xué)習(xí)描述子快45到51倍，也比基于隨機(jī)投影樹方法和k-m

8、eans聚類方法的流形學(xué)習(xí)描述子快3到5倍。實(shí)驗(yàn)結(jié)果表明基于提出方法的多模態(tài)腦部圖像配準(zhǔn)精度優(yōu)于熵圖像描述子、隨機(jī)投影樹方法和k-means聚類的方法。
　　(3)基于混合局部二值模式的肺部4D CT非剛性配準(zhǔn)方法
　　肺部4D CT圖像的非剛性配準(zhǔn)是臨床醫(yī)療上的重要工具，有著廣泛的應(yīng)用。然而肺部4D CT圖像配準(zhǔn)精度的提高受到灰度的局部非均勻變化和肺部較大的偏移量等因素的影響。近年來Census代價(jià)函數(shù)被用來處理灰度局部非

9、均勻變化問題。但是該方法降低了圖像的區(qū)分度，給配準(zhǔn)算法帶來負(fù)面的影響。本文將對稱局部二值模式的單一閾值推廣到兩個(gè)閾值，同時(shí)將推廣的對稱局部二值模式和中值二值模式組成一種新的混合局部二值模式。由于使用了更多閾值，混合局部二值模式不僅能夠解決灰度局部非均勻變化問題，而且還能夠較好保持圖像的區(qū)分度。在經(jīng)典的Lucas-Kanade光流法基礎(chǔ)上，我們提出精確逆一致對稱光流法(Accurate Inverse-consistent Symmetr

10、ic Optical Flow，AISOF)。AISOF方法由混合局部二值模式、逆一致對稱方法、由粗到精圖像金字塔方法和經(jīng)典Lucas-Kanade方法集合而成。AISOF方法特點(diǎn):Lucas-Kanade方法簡潔高效;采用混合局部二值模式解決灰度局部非均勻變化問題;采用逆一致對稱方法提高配準(zhǔn)的精度;采用由粗到精圖像金字塔方法解決肺部偏移量較大的問題。實(shí)驗(yàn)結(jié)果表明基于混合局部二值模式的配準(zhǔn)精度高于模態(tài)無關(guān)鄰域描述子、自相似上下文描述子和

11、經(jīng)典的局部二值模式。在美國德克薩斯大學(xué)的4D CT數(shù)據(jù)集上，AISOF方法的目標(biāo)配準(zhǔn)誤差為1.16 mm，這個(gè)誤差比經(jīng)典的Lucas-Kanade方法小1.67mm。
　　(4)基于雙邊濾波器的肺部4D CT配準(zhǔn)方法
　　在本文前期的工作中，提出了混合局部二值模式和AISOF肺部4D CT非剛性配準(zhǔn)方法。在混合局部二值模式中，將經(jīng)典的對稱局部二值模式的單個(gè)閾值推廣到兩個(gè)閾值。然而在灰度變化較大的時(shí)候，兩個(gè)閾值并不能很好的表示

12、局部特征。為此，我們提出三個(gè)閾值的混合局部二值模式，并將其命名為多閾值局部二值模式。心臟搏動(dòng)等因素會(huì)導(dǎo)致肺部運(yùn)動(dòng)在邊界處不連續(xù)性。而雙邊濾波器具有保持邊緣的特征，能夠較好的解決這種不連續(xù)性問題。本文將多閾值局部二值模式和雙邊濾波器應(yīng)用到AISOF方法中，并將其命名為BISOF(Bilateral filtersbased Inverse-consistency Symmetrica Optical Flow)。在美國德克薩斯大學(xué)的4DC