基于腹部CT图像的肝脏弹性配准方法的研究与实现

摘要

随着现代计算机技术和数字化医疗设备的发展，数字医学图像成为临床医生和专家进行疾病诊断的主要手段之一。不同模态或不同时间的医学图像配准能够充分地融合医学图像信息，对计算机辅助诊断(Computer aided diagnosis，CAD)具有重要的指导意义，配准的质量直接影响CAD系统中特征提取及疾病诊断的精度。因此，提高图像配准的精度对临床医学具有重要的研究意义和应用价值。
　　本文在充分学习医学图像配准理论的基础上，将灰度信息和特征信息相结合，提出了一种新的基于混合信息模型的医学图像配准方法。算法首先基于灰度信息对图像进行刚性配准，然后基于特征信息实现进一步的非刚性配准。在基于特征信息的弹性配准中，首先要提取图像的特征点和轮廓信息。在特征点提取的过程中，针对SURF算法的局限性，利用本文提出的SEMISURF算法对图像进行特征点提取，然后利用小波变换提取轮廓信息，并对轮廓信息进行优化处理，得到有效的图像特征信息。最后基于薄板样条函数对提取双特征的图像进行弹性配准。在参数优化过程中，针对传统粒子群算法容易陷入局部极值的问题，提出了基于区域互信息与模拟退火粒子群算法相结合的RMI-SAPSO混合优化算法，算法首先选择区域互信息作为配准的目标测度函数，然后基于SAPSO混合优化算法对区域互信息进行优化。该方法通过引入的区域互信息，增加对图像空间信息的提取，提高图像局部区域配准的准确度。
　　将本文方法应用于实际腹部CT图像的肝脏配准实验中，通过对比实验表明:本文方法在配准的精度和效率两方面都优越于传统方法，其中的SEMISURF算法可以有效提取形变复杂图像的特征点，RMI-SAPSO优化算法可以理想的对参数进行优化，基于灰度、特征点和轮廓的混合信息模型可以更精确的对医学图像进行配准并能够获得更好的弹性配准结果。

目录

声明

摘要

第1章 绪论

1．1 课题的研究背景及意义

1．2 医学图像配准技术的发展现状

1．3 医学图像配准技术存在的问题

1．4 本文研究内容及组织结构

第2章 相关技术介绍

2．1 医学图像配准的基本原理及分类

2．1．1 医学图像配准的基本原理

2．1．2 医学图像配准的分类

2．2 医学图像配准的基本流程

2．3 空间变换

2．3．1 刚性变换

2．3．2 仿射变换

2．3．3 投影变换

2．3．4 投影变换

2．4 相似性测度

2．4．1 相似性测度函数的分类

2．4．2 互信息

2．5 插值算法

2．5．1 最近邻点插值算法

2．5．2 双线性插值算法

2．5．3 三次立方卷积插值算法

2．6 优化算法

2．7 本章小结

第3章 改进的图像特征提取算法

3．1 基于特征的图像配准

3．2 图像的特征点提取

3．2．1 SURF特征点提取算法

3．2．2 SEMISURF特征点提取新算法

3．3 基于小波变换的图像轮廓特征提取

3．4 本章小结

第4章 基于混合信息模型的医学图像配准

4．1 改进的RMI-SAPSO混合优化算法

4．1．1 基于区域互信息的图像相似性测度

4．1．2 SAPSO混合优化算法

4．1．3 RMI-SAPSO混合优化算法

4．1．4 实验结果与分析

4．2 基于薄板样条的弹性配准方法

4．2．1 薄板样条插值算法介绍

4．2．2 基于TPS-SEMISURF的医学图像配准算法

4．2．3 实验结果与分析

4．3 基于混合信息模型的医学图像配准

4．3．1 基于灰度信息的医学图像配准

4．3．2 基于特征点和轮廓信息相结合的医学图像配准

4．3．3 基于混合信息模型的医学图像配准

4．3．4 实验结果与分析

4．4 本章小结

第5章 总结与展望

5．1 结论

5．2 展望

参考文献

致谢

攻读硕士学位期间发表论文情况