基于體素相似性的三維腦圖像配準方法研究.pdf

1、醫(yī)學圖像配準是針對兩個圖像或體數(shù)據(jù),找到一個幾何變換讓一個圖像上的點映射到另一個圖像上,使兩圖像達到空間位置上的對齊。隨著醫(yī)學研究的深入,單一模態(tài)下的圖像信息已經(jīng)不能完全滿足臨床需求。為了得到病變組織的全面信息,需要融合多種模態(tài)下的圖像,這就要求先對多模圖像進行配準。
　　本研究的核心內容是實現(xiàn)3D醫(yī)學圖像配準。圖像配準方法有多種,本文主要選用了基于體素相似性的配準方法,該方法又可分為3種,實驗選擇了其中的Mattes互信息方法。

2、該方法以信息論為支撐,不依賴于對圖像數(shù)據(jù)關系的假設,對不同模態(tài)圖像間的灰度關系也不用特殊的假設,所以在醫(yī)學研究領域得到了廣泛應用?；诨バ畔⑴錅实囊罁?jù)是直接對圖像中的灰度信息進行處理,因此,可以避免圖像分割和特征提取帶來的配準精度損失,從而提高了配準成功率,也增強了配準魯棒性。但是該方法要使用圖像的全部數(shù)據(jù)信息,同時也增加了配準執(zhí)行時間。所以,本文在基于體素相似性的互信息配準算法基礎上,提出了引入多分辨率金字塔結構策略,使互信息配準轉化

3、為由粗到精的分層次多分辨率配準過程,在粗尺度通過消除局部最優(yōu)解提高了配準魯棒性,降低了互信息陷入局部極值的可能性,從而提高了配準的速度和成功率。
　　為了實現(xiàn)不同模態(tài)3D圖像配準,本文的主要研究內容如下:
　　1、研究了3D配準體數(shù)據(jù)的常用格式及其取得方法,通過讀取一系列2D切片寫一個3D體數(shù)據(jù),本文選用了raw體數(shù)據(jù)格式文件。
　　2、深入研究了3D配準的4個核心模塊,即3D空間變換、配準測度、插值器、優(yōu)化器,給出了

4、一個完整的3D配準算法具體執(zhí)行流程,并指出了在配準算法執(zhí)行中易混淆的兩個問題:一個是優(yōu)化搜索空間變換函數(shù)映射點的方向是從參考圖像解剖空間坐標系到浮動圖像解剖空間坐標系,而不是從參考圖像的圖像坐標系到浮動圖像的圖像坐標系的映射;另一個是3D配準空間變換必須在解剖坐標系(物理坐標)中計算。
　　3、研究了3D配準中圖像坐標系和解剖坐標系之間的變換關系,并給出了它們之間變換的數(shù)學模型。
　　4、研究了Mattes互信息和多分辨率結

5、合的3D配準方法,其中包括Mattes互信息配準的數(shù)學模型、初始變換參數(shù)估計的數(shù)學模型、多分辨率策略配準框架、圖像金子塔算法的具體實現(xiàn)、互信息配準函數(shù)的兩個重要屬性、互信息測度函數(shù)陷入局部極值的原因,對比分析了加入多分辨率后的Mattes互信息配準的優(yōu)勢,并給出了結合多分辨率的3DMattes互信息配準流程。
　　5、基于Visualstudio2005實現(xiàn)了3D多模和單模配準實驗,實驗選用了BrainWeb網(wǎng)站和美國Vander