基于信息論測(cè)度的醫(yī)學(xué)圖像配準(zhǔn)技術(shù)研究.pdf

1、醫(yī)學(xué)圖像配準(zhǔn)技術(shù)是醫(yī)學(xué)圖像處理的基礎(chǔ)，在醫(yī)學(xué)信息融合、腫瘤生長(zhǎng)監(jiān)測(cè)、圖像引導(dǎo)手術(shù)治療及放療計(jì)劃制定等方面發(fā)揮著重要的作用。醫(yī)學(xué)圖像配準(zhǔn)可以將各種互補(bǔ)的信息融合在一起，為醫(yī)生診斷病情提供更多可靠的信息。因此，對(duì)醫(yī)學(xué)圖像配準(zhǔn)技術(shù)的研究具有十分重要的理論意義和實(shí)用價(jià)值。
　　醫(yī)學(xué)圖像配準(zhǔn)的研究工作在過(guò)去的許多年吸引了眾多學(xué)者的關(guān)注，其中基于信息論的配準(zhǔn)技術(shù)由于不依賴于圖像的灰度值差異，而且也不需要特征提取和分割等預(yù)處理，因此在多模態(tài)醫(yī)學(xué)

2、圖像配準(zhǔn)中受到廣泛關(guān)注，是目前研究較多、應(yīng)用較廣泛的配準(zhǔn)方法。本文對(duì)基于信息論的醫(yī)學(xué)圖像配準(zhǔn)中的相關(guān)問(wèn)題進(jìn)行了系統(tǒng)的分析，并對(duì)前人的研究工作進(jìn)行了改進(jìn)和完善。本文的主要研究工作和貢獻(xiàn)可以概括為以下幾個(gè)方面:
　　(1)研究基于Jensen-Arimoto散度的醫(yī)學(xué)圖像配準(zhǔn)
　　由于香農(nóng)熵沒(méi)有考慮到兩個(gè)獨(dú)立隨機(jī)變量之間的相關(guān)性，而Arimoto熵的非延展性使其考慮了二者之間的相關(guān)，由此，本文提出了一種基于Arimoto熵的相似

3、度測(cè)量，并將其應(yīng)用于醫(yī)學(xué)圖像配準(zhǔn)。該方法選擇剛體變換和基于B樣條的自由形態(tài)形變作為空間變換模型，另外針對(duì)非剛體配準(zhǔn)中變換的不光滑問(wèn)題，引入自由形態(tài)形變的彎曲能量函數(shù)作為平滑項(xiàng)，并聯(lián)合相似度和平滑項(xiàng)構(gòu)造出配準(zhǔn)算法的目標(biāo)函數(shù)。同時(shí)利用基于B樣條的Parzen窗來(lái)估計(jì)待配準(zhǔn)圖像的聯(lián)合概率密度，得到目標(biāo)函數(shù)的解析導(dǎo)數(shù)，采用L-BFGS優(yōu)化算法求得目標(biāo)函數(shù)的最優(yōu)解。仿真和臨床數(shù)據(jù)的剛體及非剛體配準(zhǔn)實(shí)驗(yàn)表明基于詹森Arimoto散度(Jensen-

4、Arimoto divergence，JAD)的方法能夠獲得精確的配準(zhǔn)結(jié)果。
　　(2)研究基于連續(xù)圖像表示的直方圖估計(jì)方法及其在醫(yī)學(xué)圖像配準(zhǔn)中的應(yīng)用
　　為了解決箱子數(shù)和核函數(shù)對(duì)傳統(tǒng)的直方圖估計(jì)和Parzen窗方法的影響，本文利用基于連續(xù)圖像表示的方法來(lái)估計(jì)待配準(zhǔn)圖像的聯(lián)合直方圖，從而計(jì)算聯(lián)合概率分布，然后將獲得的聯(lián)合概率分布用于計(jì)算JAD相似度，并用該相似度作為配準(zhǔn)標(biāo)準(zhǔn)執(zhí)行醫(yī)學(xué)圖像配準(zhǔn)。該算法利用連續(xù)圖像表示推導(dǎo)出二維和

5、三維圖像的聯(lián)合直方圖，而且為了提高基于連續(xù)圖像表示的直方圖估計(jì)方法的執(zhí)行效率，并降低圖像配準(zhǔn)過(guò)程中的網(wǎng)格效應(yīng)，我們結(jié)合圖像的隨機(jī)抽樣理論，提出快速連續(xù)的直方圖估計(jì)方法。二維和三維剛體實(shí)驗(yàn)結(jié)果表明與沒(méi)有結(jié)合隨機(jī)抽樣的連續(xù)直方圖估計(jì)方法相比，該方法加速了配準(zhǔn)過(guò)程并保持了配準(zhǔn)精度;而且與簡(jiǎn)單的直方圖估計(jì)和Parzen窗算法相比，基于快速連續(xù)直方圖估計(jì)的配準(zhǔn)方法也能夠獲得較高的配準(zhǔn)精度。
　　(3)提出基于梯度分布距離的醫(yī)學(xué)圖像配準(zhǔn)

6、>　　針對(duì)經(jīng)典的基于信息論相似度的配準(zhǔn)方法沒(méi)有考慮像素間空間信息的問(wèn)題，本文提出一種基于梯度分布距離的醫(yī)學(xué)圖像配準(zhǔn)方法，該方法利用待配準(zhǔn)圖像的梯度信息，估計(jì)出參考圖像與浮動(dòng)圖像梯度的概率分布，并采用KL(Kullback-Leibler)散度計(jì)算二者梯度分布之間的距離，將該梯度分布距離作為目標(biāo)函數(shù)的一個(gè)懲罰項(xiàng)，迫使浮動(dòng)圖像的梯度分布接近參考圖像的梯度分布。此外根據(jù)JAD的性質(zhì)定義一個(gè)歸一化形式的測(cè)度，并將其作為相異性度量，然后再聯(lián)合平滑

7、項(xiàng)及梯度分布距離項(xiàng)構(gòu)建最終的目標(biāo)函數(shù)。為了得到目標(biāo)函數(shù)的解析導(dǎo)數(shù)，在該方法中，仍然采用Parzen窗來(lái)估計(jì)概率分布，從而計(jì)算待配準(zhǔn)圖像的梯度分布距離。臨床數(shù)據(jù)的非剛體配準(zhǔn)實(shí)驗(yàn)表明基于梯度分布距離的方法可以得到精確的配準(zhǔn)結(jié)果。
　　(4)提出基于結(jié)構(gòu)圖像表示的多模態(tài)醫(yī)學(xué)圖像配準(zhǔn)
　　由于Demons算法在處理多模態(tài)醫(yī)學(xué)圖像配準(zhǔn)問(wèn)題時(shí)的效果并不佳，因此本文提出了一種基于結(jié)構(gòu)圖像表示的微分同胚Demons配準(zhǔn)算法。該方法運(yùn)用Ari

8、moto熵計(jì)算參考圖像和浮動(dòng)圖像的熵圖像，并用這些熵圖像來(lái)表示待配準(zhǔn)圖像的結(jié)構(gòu)信息，然后采用微分同胚Demons算法對(duì)得到的兩幅熵圖像進(jìn)行配準(zhǔn)，并依據(jù)光流方程獲得圖像間位移場(chǎng)的更新，最后通過(guò)迭代獲得最終的位移場(chǎng)。所提出的方法利用圖像的結(jié)構(gòu)信息將待配準(zhǔn)圖像的兩種不同模態(tài)轉(zhuǎn)化為第三種模態(tài)，由此，多模態(tài)醫(yī)學(xué)圖像間的配準(zhǔn)就轉(zhuǎn)化為單模態(tài)問(wèn)題。實(shí)驗(yàn)結(jié)果展示:基于Arimoto熵的算法比微分同胚Demons算法和基于香農(nóng)熵的Demons算法具有更高的