基于互信息的多模态医学图像非刚性配准研究

摘要

医学图像非刚性配准技术是医学影像处理的基础,在图像信息融合、辅助诊断、手术规划、手术导航以及医学基础理论研究等领域发挥着十分重要的作用。特别是随着医学影像技术的快速发展,多种模态的医学影像在临床上发挥着越来越重要的作用。因此,对多模态图像非刚性配准技术的研究具有十分重要的理论意义和实用价值。本文从相似性测度和正则化技术两个方面对非刚性配准技术进行了研究,以获得快速、高精度的非刚性配准算法。
　　互信息相似性测度是多模态图像配准的最重要的相似性测度。然而,估计图像互信息的计算量大,使得图像配准耗时很长。针对这个问题,提出了基于快速高斯变换的图像互信息估计算法,分析了快速高斯变换的截断误差,并证明了一个新的截断误差上限。该算法具有线性时间复杂度,在加快图像互信息估计的同时并不影响估计的精度。
　　针对互信息相似性测度没有充分利用图像固有的空间信息和假定图像灰度具有全局一致的统计关系的不足,提出了局部互信息相似性测度。该方法将图像空间划分为多个子空间,每个子空间各自独立地估计互信息,再将各个子空间的互信息的加权和作为相似性测度。实验结果表明局部互信息测度在具有灰度不均匀的单模态和多模态非刚性配准情况下具有更好的鲁棒性,获得了更好的配准精度。为加快局部互信息测度的估计,提出了基于熵的自适应局部互信息测度。该方法利用局部熵作为选择准则,仅仅选择具有高熵的区域用于图像配准。实验结果表明,自适应方法对图像配准的精度影响很小,但节约了近50％的计算时间。此外,还根据不同区域对图像配准的贡献度不同,提出了局部互信息的加权策略。
　　非刚性图像配准是一个病态问题,必须使用正则化方法。然而,现有的多种基于物理模型的正则化方法都采用全局一致的正则化方法,求得的形变不符合物理实际,在图像某些区域过度平滑,丢失了形变细节。针对这个不足,提出了基于非线性扩散的自适应正则化非刚性配准算法。该方法能根据图像的内容白适应地调整扩散系数,在图像的内部区域和边界区域采用不同的平滑策略,以便保留形变细节,反映真实的形变。实验结果表明,自适应正则化方法能处理较大的形变,运算速度快,改进了配准的精度。另外,还利用非线性扩散滤波方法对demon非刚性配准算法进行了改进。
　　由于通常的正则化方法只能保证形变的连续性,不能保证形变的可逆性,且在某些情况下形变域会出现折叠、撕裂等不符合物理实际的现象。为解决这个问题,提出了同胚映射非刚性配准算法。从连续域和离散域分析了满足同胚映射的条件,并将这个条件嵌入非刚性配准模型中,将非刚性配准问题转变为约束最优化问题,并采用内点罚函数法对其进行求解。采用人工合成图像与临床MRI图像的实验表明新的配准算法能得到可逆平滑、拓扑保持的形变,提高了配准精度。