基于多項(xiàng)式展開(kāi)的彌散張量圖像配準(zhǔn).pdf

1、在本文中,我們基于多項(xiàng)式展開(kāi)的配準(zhǔn)模型,提出了對(duì)于兩幅磁共振彌散張量圖像(DTI)的配準(zhǔn)方法;根據(jù)臨床研究需要,我們?cè)诖嘶A(chǔ)上提出了多幅圖象的幾何無(wú)偏配準(zhǔn)方法。
　　DTI張量成像提供了一種對(duì)大腦神經(jīng)纖維束活體成像的方法,腦功能障礙病人的神經(jīng)纖維束一般都具有某種程度的變異,對(duì)病人和正常人的神經(jīng)纖維束的變異性分析,對(duì)于腦功能障礙病人的病情診斷具有重要的意義。由于成像時(shí)間的不同、空間坐標(biāo)系的不同,或者病人和正常人大腦間的差異,要進(jìn)行精

2、確的對(duì)比分析,一般需要先對(duì)病人和正常人的圖像序列進(jìn)行配準(zhǔn)。在實(shí)際應(yīng)用中,正常人的圖像序列,有時(shí)也用正常人的腦圖譜代替。為了考察某種疾病病人的共同特征,臨床上需要通過(guò)分析一組同一種疾病病人的大腦神經(jīng)纖維束的共同特征來(lái)確定該種疾病對(duì)于大腦神經(jīng)纖維束的結(jié)構(gòu)影響。這種情況下,需要同時(shí)配準(zhǔn)一組具有相同疾病的病人大腦DTI圖像序列。
　　在接下來(lái)的工作中,我們主要針對(duì)臨床上的上述兩個(gè)需要,提出了一種基于多項(xiàng)式展開(kāi)的對(duì)于兩幅或者一組圖像的配準(zhǔn)方

3、法。首先,我們基于多項(xiàng)式展開(kāi)的配準(zhǔn)模型,提出了兩幅DTI圖像間的配準(zhǔn)方法。由于張量圖像所包含的信息量非常大,我們把臨床上最關(guān)心的張量特征:各向異性和張量方向作為重點(diǎn)考慮對(duì)象。第一步基于多項(xiàng)式展開(kāi)的配準(zhǔn)模型完成對(duì)張量各向異性特征的配準(zhǔn);第二步,根據(jù)各向異性特征配準(zhǔn)的結(jié)果,對(duì)張量場(chǎng)的方向進(jìn)行逐像素的矯正,以完成張量場(chǎng)的方向匹配。其次,基于兩幅圖像的配準(zhǔn)方法,我們進(jìn)一步的提出了多幅圖像的無(wú)偏配準(zhǔn)。在以往的多幅圖像配準(zhǔn)方法中,往往指定其中一幅、

4、或者腦圖譜作為目標(biāo)圖像,把其余圖像序列配準(zhǔn)到目標(biāo)圖像,這就使得配準(zhǔn)結(jié)果偏向于目標(biāo)圖像。在我們的方法中,我們通過(guò)尋找這些圖像序列的幾何中心位置,把他們都配準(zhǔn)到該位置,從而實(shí)現(xiàn)了多幅圖像的無(wú)偏配準(zhǔn)。
　　概括的說(shuō),在本文中我們的貢獻(xiàn)主要包括以下幾點(diǎn):(1)改進(jìn)了基于多項(xiàng)式展開(kāi)的配準(zhǔn)模型,提出了更為精確的位移場(chǎng)估計(jì)公式,并進(jìn)一步的提出了對(duì)于3D數(shù)據(jù)的整體仿射配準(zhǔn)算法;(2)提出了基于局部鄰域的Multi-Affine變形配準(zhǔn)算法,實(shí)現(xiàn)了