基于定量定性互信息的醫(yī)學(xué)圖像配準.pdf

1、綜合利用同一患者在不同時期或從不同成像設(shè)備獲得的圖像信息是醫(yī)學(xué)圖像分析的一個基本任務(wù)。為了對多幅圖像所提供的信息進行整合，首先要解決多幅圖像之間的匹配問題，即圖像配準問題。醫(yī)學(xué)圖像配準是指對一幅醫(yī)學(xué)圖像尋求一種(或一系列)空間變換，使它與另一幅圖像上的對應(yīng)點達到空間位置和解剖位置上的完全一致。配準的結(jié)果應(yīng)使兩幅圖像中所有解剖點、或至少是所有具有診斷意義上的點都達到匹配。近年來，研究人員提出了許多不同的配準方法。其中，應(yīng)用最為廣泛的方法當

2、屬基于互信息的配準方法。 目前，所有基于互信息的配準方法在計算兩幅圖像的互信息時均假設(shè)圖像中的像素是獨立同分布的。但事實上，不同的像素在圖像中的重要性以及它們對圖像配準的效用是不同的。獨特的像素在圖像配準中往往具有更高的效用，所以在決定兩幅圖像的變換過程中應(yīng)該起更大的作用。例如，由于匹配靠近大腦皮層的白質(zhì)點比匹配位于大面積白質(zhì)區(qū)域內(nèi)的白質(zhì)點更為有效，因此靠近大腦皮層的白質(zhì)點在計算兩幅腦圖像的互信息時應(yīng)該貢獻更多的作用。

3、為了在圖像配準過程中結(jié)合像素的效用，本文首先從控制論的角度出發(fā)，提出了一種新的信息測度-定量定性互信息。然后，提出了基于定量定性互信息的配準方法。為了定義兩幅圖像的定量定性互信息，本文提出使用獨特性值來表示像素在圖像中的重要性以及它相對于圖像配準的效用，并通過綜合兩幅圖像像素的效用來定義圖像亮度對的聯(lián)合效用。實驗結(jié)果表明：與基于傳統(tǒng)互信息的配準方法相比，基于定量定性互信息的配準方法極大的提高了配準算法的成功率(成功率的提高量約為20％)

4、，從而顯示了所提出方法的魯棒性。 為了確保配準方法的精確性，本文又提出了基于定量定性互信息的層次化的配準方法。在層次化的配準方法中，像素的效用不再是固定不變的，而是隨著配準的進展而不斷地變化，并在配準的最后階段，使所有的像素對配準起相同的貢獻作用。即，在配準的初始階段，像素的初始效用由獨特性值決定；隨著圖像配準的進展，像素的效用逐漸變?yōu)?。于是，通過在配準的初始階段依靠具有較高效用的像素或區(qū)域，配準方法的魯棒性得到了提高；通過在

5、配準的最后階段將像素的效用逐漸變?yōu)?，配準方法得到了與基于傳統(tǒng)互信息的配準方法類似的配準精度。 在本文中，基于定量定性互信息的層次化的配準方法被應(yīng)用于3D臨床數(shù)據(jù)(例如，MR，CT和PET)的剛體配準中。實驗結(jié)果表明：與傳統(tǒng)互信息產(chǎn)生的配準函數(shù)相比，定量定性互信息產(chǎn)生的配準函數(shù)不僅更為光滑，而且還擁有更大的收斂范圍。同時，實驗結(jié)果還表明：層次化的配準方法不僅提高了配準方法的魯棒性，還使配準方法擁有可達到子體素精度的配準結(jié)果。

6、 在許多臨床應(yīng)用中，剛體變換并不足以描述圖像間的變形，這時就需要考慮非剛體配準，因此本文還研究了一般化的基于定量定性互信息的非剛體配準方法。另外，為了節(jié)省計算時間，我們還推導(dǎo)了定量定性互信息相對于變換參數(shù)的梯度的解析形式，從而使得配準算法可以采用基于梯度的優(yōu)化方法?；诙慷ㄐ曰バ畔⒌姆莿傮w配準方法被應(yīng)用于MRbreast序列圖像的運動校正。實驗結(jié)果表明：與層次化的剛體配準方法相比，基于定量定性互信息的非剛體配準方法可以有效地減少由