基于边缘纹理特征的多时相肝脏图像配准研究

摘要

肝脏配准主要解决不同时相医学图像中肝脏解剖结构的对齐问题，其目的是完成病理信息的整合，进而辅助医生诊断肝病或实施手术。特征点提取是医学图像配准的一个关键环节，但由于计算机无法自动识别肝脏特有的解剖特征，大部分特征点的提取都需影像学专家手动标记完成，因此耗时较长且存在一定的人为误差。另外，现有的自动检测算法获得的特征点多数分布在脊椎、血管交叉处等位置，只有少部分位于肝脏区域，并不适用于肝脏的配准。为此，本文提出一个全自动检测肝脏内部特征点和表面特征点的方法，实现了多时相肝脏的高效配准。
　　本文利用三维肝脏分割技术自动获取肝脏内部的中心点，采用肝脏边缘纹理和支持向量机(Support Vector Machine，SVM)自动检测其表面特征点，具体从以下几个模块对肝脏配准工作进行深入研究:
　　(1)肝脏内部特征点对的自动检测。采用基于边缘检测和3D-Labeling算法分割提取平扫相和门脉相的三维肝脏，通过平均肝脏及相邻图片差值信息消除假阳性点，得到最终的肝脏区域。以最大面积的肝脏切片为基准，依次向上和向下配对肝脏切片，对应肝脏切片的中心点则作为内部特征点对。
　　(2)肝脏表面特征点对的自动检测。首先建立三维肝脏模型，分析其边缘特征，选取5个较具代表性的表面特征点。其次建立三维灰度共生矩阵(3-dimensional gray level co-occurrence matrix，3D-GLCM)并从中提取16个纹理特征量，以表示不同表面特征点的边缘信息;分别提取肝脏分割前后表面特征点处的纹理量，比较其差异度，实验表明分割后的肝脏有助于扩大各表面点特征量间的差值，致使分类界限更明显。然后采用留一法和SVM分类器优化特征量，得到对分类准确性贡献最大的ASM、COR、IDM特征量组合，并将其应用到测试样本的特征点分类实验中，得到98.5％的分类准确率。实验结果表明，边缘纹理和SVM分类器在表面点的自动检测中取得良好的效果。最后通过肝脏中心坐标消除假阳性点，进一步研究两时相表面点对的匹配方案。
　　(3)两时相三维肝脏配准。基于自动提取的肝脏表面特征点对和内部中心点对，采用三维薄板样条函数(Thin plate splines，TPS)算法完成三维肝脏的配准。配准后两时相的肝脏表面平均误差缩小了0.93mm。实验结果表明，本文提出的配准算法能有效实现三维肝脏的配准。

目录

声明

摘要

第一章 绪论

1．1 课题研究背景与意义

1．2 国内外研究现状

1．2．1 肝脏图像配准研究

1．2．2 边缘纹理研究

1．3 研究思路及研究内容

1．4 组织结构

第二章 三维肝脏配准实验的概述

2．1 医学图像配准理论

2．1．1 基本变换

2．1．2 图像插值

2．1．3 医学图像配准方法

2．1．4 图像配准评价准则

2．2 实验材料

2．3 实验流程

2．4 本章小结

第三章 肝脏内部点对的自动检测

3．1．1 边缘检测算法

3．1．2 3D Labeling算法

3．1．3 三维肝脏自动提取系统

3．2 内部特征点对检测实验

3．3 本章小结

第四章 肝脏表面特征点对的自动检测

4．1 表面特征点的选择

4．2 3D-GLCM理论

4．3 边缘纹理特征量的提取与优化

4．4 表面特征点自动检测实验

4．4．1 支持向量机

4．4．2 训练样本选择

4．4．3 实验流程

4．5 结果分析

4．5．1 表面特征点的检测

4．5．2 假阳性点的消除

4．5．3 表面特征点对的匹配

4．6 本章小结

第五章 基于特征点的三维肝脏非刚性配准

5．1 TPS算法原理

5．2 自动TPS配准算法

5．3 肝脏配准结果分析

5．3．1 观察法分析

5．3．2 定量法分析

5．4 本章小结

6．1 全文总结

6．2 后续工作

参考文献

致谢

攻读学位期间发表论文情况