基于进化计算的脑MR图像动态配准算法研究

摘要

神经性疾病已经成为全球健康的主要威胁，其早期诊断有利于显著降低其发病率，脑核磁共振(MR)图像处理方法是神经性疾病早期诊断的有效手段，配准方法是其关键环节，直接影响其临床应用。由于脑MR图像中解剖结构具有明确病理意义，因此研究对其精确配准是提高基于脑MR图像处理方法的神经性疾病早期诊断准确性的一个关键问题。
　　 本文在中央高校科研启动基金、教育部留学回国基金的资助下，展开以下方面的研究：
　　 研究了基于惯性权重线性递减粒子群算法的基础理论，提出一种基于该算法的动态脑MR图像配准新方法。该方法的两种形式分别是分别是具有记忆功能的全继承形式，即LDWPSO-FI-DIR算法和具有种群多样性的半继承形式，即LDWPSO-HI-DIR算法。通过对当前图像匹配后的最优种群动态继承与变化，然后用于指导后续图像的匹配，从而实现了初始种群的优化，克服目前图像匹配算法中参数设定随机或仅凭经验设定的局限性，以及对多幅图像连续配准时时间较长的缺点。讨论并且分析传统LDWPSO和基于其改进后的两种动态算法的实验仿真结果。
　　 研究了基于GA的图像配准方法，提出了一种基于GA的动态脑MR图像配准新方法。该方法的两种形式分别是分别是具有记忆功能的全继承形式，即GA-FI-DIR算法和具有种群多样性的半继承形式，即GA-HI-DIR算法这两类算法的主体思想与提出的动态LDWPSO算法类似。根据这三种算法的理论依据进行仿真实验，讨论并分析传统算法和本文算法的配准性能。
　　 研究了多种互信息测度下，本文算法的性能，首先通过对测度函数的性能进行仿真，定量分析了性能曲线；然后采用了本文提出的基于LDWPSO的两种动态优化算法进行多次配准；最后讨论和分析了在不同互信息测度函数下两种不同的动态优化算法形式的配准效果
　　 本文内容安排如下：第一章是绪论，介绍本课题的背景、研究意义和国内外相关的研究现状，同时介绍了本论文的主要研究内容和相关工作；第二章介绍脑MR图像配准方法的框架和理论基础，包括基本的概念、关键技术；第三章研究惯性权重线性递减粒子群算法，以及在该算法基础上提出了新的动态配准新方法，包括理论分析，算法实现和相关实验结果的分析；第四章研究了遗传算法基本原理，以及在此基础上提出的两种动态配准新方法，其中包含理论分析，算法实现以及仿真结果的分析；第五章研究了基于不同互信息测度下，两种动态配准算法的配准效果；第六章为总结与展望，总结本课题的主要研究工作和结果，并展望今后进一步的研究方向。