基于互信息和梯度信息的多模醫(yī)學(xué)圖像配準(zhǔn)研究.pdf

1、在多模醫(yī)學(xué)圖像配準(zhǔn)中，互信息方法以其許多優(yōu)點(diǎn)，得到了廣泛的應(yīng)用，盡管不同模態(tài)的醫(yī)學(xué)圖像灰度會(huì)有差異，但成像對(duì)象卻是同一器官或組織，因此兩幅圖像完全對(duì)齊時(shí)，圖像互信息應(yīng)為最大值?？梢?，互信息取得最大的位置就是圖像的配準(zhǔn)位置。雖然互信息法比基于特征的方法，在魯棒性和配準(zhǔn)精度方面表現(xiàn)較好，但互信息本身也有缺點(diǎn)，一是互信息的度量會(huì)受待配準(zhǔn)圖像間的重疊部分的多少的影響，這一問題可通過歸一化的互信息或熵相關(guān)系數(shù)來解決。二是互信息在空間信息表達(dá)方面的

2、固有缺陷-忽略了圖像的空間信息，可能無法正確的反映圖像間的關(guān)系，從而導(dǎo)致誤配的情況發(fā)生，可通過加入梯度信息來彌補(bǔ)這一不足之處。本文提出了一種新的配準(zhǔn)方法，新配準(zhǔn)方法把歸一化的互信息和梯度信息結(jié)合起來作為相似性測(cè)度，利用遺傳算法和 Powell 算法相結(jié)合混合算法優(yōu)化配準(zhǔn)參數(shù)。通過對(duì)新配準(zhǔn)函數(shù)特性進(jìn)行分析，新配準(zhǔn)函數(shù)的光滑性相對(duì)于傳統(tǒng)互信息有一定改善，但仍表現(xiàn)出的局部極值特性，使像 Powell 這類局部搜索算法在優(yōu)化配準(zhǔn)參數(shù)時(shí)易陷入局部

3、極值點(diǎn)，從而導(dǎo)致配準(zhǔn)精度不高，甚至可能配準(zhǔn)失敗。為解決這一問題，使得須考慮使用全局策略來尋找最優(yōu)值。針對(duì)新相似性測(cè)度，利用遺傳算法在低精度條件下進(jìn)行粗略的全局配準(zhǔn)，把獲得的最優(yōu)解做Powell 算法的初始點(diǎn)，利用 Powell 算法在高精度條件下在進(jìn)行局部搜索，逼近全局最優(yōu)解?；旌蟽?yōu)化算法繼承了遺傳算法和 Powell 算法各自優(yōu)勢(shì)，使配準(zhǔn)結(jié)果可以以較高的精度收斂于全局最優(yōu)值。由于加入了空間信息，采用了歸一化的互信息，并對(duì)新配準(zhǔn)函數(shù)使用