基于3D輪廓表面的醫(yī)學(xué)圖像配準(zhǔn)與融合方法研究.pdf

1、各種模式的醫(yī)學(xué)圖像的成像原理各不相同，它們分別從不同角度反映人體的內(nèi)部信息。借助于醫(yī)學(xué)圖像配準(zhǔn)技術(shù)和信息融合技術(shù)，可將各種模式圖像融合起來進(jìn)行顯示，充分利用各種圖像的信息優(yōu)勢(shì)，在一幅圖像上同時(shí)表達(dá)來自人體的多方面信息。使人體內(nèi)部的結(jié)構(gòu)、功能等多方面的狀況通過影像反映出來，從而更加直觀地提供人體解剖、生理及病理等信息。醫(yī)生可以充分利用各種模式形成的圖像，從多視角進(jìn)行疾病的診斷。 本文主要研究CT和MRI圖像的基于3D輪廓表面圖像

2、配準(zhǔn)算法，它屬于基于特征配準(zhǔn)算法中的基于內(nèi)部特征算法。該算法首先進(jìn)行圖像分割，提取出輪廓曲線、物體表面等特征，使2D/3D圖像配準(zhǔn)簡(jiǎn)化為2D曲線和3D曲面的匹配，不再考慮物體內(nèi)部像素。 文中采用的CT和MRI圖像全部是DICOM3.O標(biāo)準(zhǔn)格式的，簡(jiǎn)要介紹了DICOM標(biāo)準(zhǔn)圖像的格式，并編程實(shí)現(xiàn)DICOM格式文件的讀取和存儲(chǔ)。在此基礎(chǔ)上，利用邊界搜索方法中的8領(lǐng)域搜索法進(jìn)行圖像分割，搜索圖像的邊界，獲取CT和MRI圖像中病人的輪廓

3、表面信息，建立輪廓點(diǎn)集。接著本文利用這些輪廓點(diǎn)集分別進(jìn)行CT和MRI圖像的三維重建，形成輪廓表面的三維表面模型。接下來的關(guān)鍵是根據(jù)輪廓點(diǎn)集和三維重建模型進(jìn)行CT和MRI輪廓表面的配準(zhǔn)。文中定義了兩種圖像輪廓間的互距離，計(jì)算CT和MRI輪廓之間的互距離，把互距離作為配準(zhǔn)優(yōu)化的相似性度量進(jìn)行優(yōu)化。使用先粗配準(zhǔn)再精確配準(zhǔn)的配準(zhǔn)算法，最終獲得變換圖像相對(duì)于參考圖像的變換參數(shù)。配準(zhǔn)參數(shù)包括三個(gè)平移變量和三個(gè)繞三個(gè)坐標(biāo)軸的旋轉(zhuǎn)變量。 圖像