醫(yī)學圖像傾斜校正方法與應(yīng)用研究.pdf

1、由于醫(yī)學圖像有效地反映了人體生物組織大量信息，因此在臨床醫(yī)學上得到廣泛應(yīng)用。臨床醫(yī)生能夠充分利用這些圖像信息，為臨床診斷、制定有效的治療方案提供更加全面準確的資料；另一方面也可以輔助醫(yī)生對病變體及其它感興趣的區(qū)域進行定性甚至定量的分析，可以大大提高醫(yī)療診斷的準確性和可靠性，進一步豐富醫(yī)生的診斷經(jīng)驗。醫(yī)學圖像處理作為醫(yī)學圖像研究中非常關(guān)鍵的一環(huán)，它對完善醫(yī)學診斷與治療的手段和方法、提高計算機輔助診斷的精度與效率有重大的實用價值。
　

2、　 論文針對采集到的醫(yī)學圖像存在傾斜現(xiàn)象，討論了醫(yī)學圖像傾斜校正方法；針對醫(yī)學圖像配準速度慢、易陷入局部最優(yōu)等問題，論文把傾斜校正方法應(yīng)用于互信息和迭代最近點醫(yī)學圖像配準，并提出了改進的迭代最近點醫(yī)學圖像配準方法；在分析模糊集的基礎(chǔ)上，進一步提出了基于傾斜校正和模糊理論的醫(yī)學圖像配準方法，這些方法不僅豐富與完善了醫(yī)學圖像處理的相關(guān)理論與方法，也解決了醫(yī)學圖像處理上的一些難題，有重大的理論意義和實用價值。概括地說，論文的研究工作包括如下

3、內(nèi)容：
　　 (1)醫(yī)學圖像傾斜校正方法研究。在醫(yī)學圖像成像過程中，由于某些原因，采集到的醫(yī)學圖像中經(jīng)常存在傾斜現(xiàn)象，這給醫(yī)學圖像匹配和融合帶來極大困難。針對這種情況，為了解決傾斜問題，論文在建立醫(yī)學圖像傾斜模型基礎(chǔ)上，把醫(yī)學圖像傾斜校正分為五個過程，但總體上講，關(guān)鍵在于獲取圖像質(zhì)心坐標和圖像傾斜角。根據(jù)獲取圖像傾斜角的方法，論文介紹和提出了七種傾斜校正方法：(a)基于圖像幾何矩的醫(yī)學圖像傾斜校正算法(Algorithm for

4、 Medical Image TiltCorrection Based on Image Moments，ACIM)；(b)基于圖像慣量矩陣的醫(yī)學圖像傾斜校正方法(Method for Medical Image Tilt CorrectionBased on Inertia Matrix，MCIM)；(c)基于奇異值分解的醫(yī)學圖像傾斜校正方法(Method for Medical Image Tilt Correction Based

5、 on SingularValue Decomposition，MSVD)；(d)基于主分量分析的醫(yī)學圖像傾斜校正方法(Method for Medical Image Tilt Correction Based on PrincipalComponent Analysis，MPCA)；(e)基于K-Means聚類的醫(yī)學圖像傾斜校正方法(Method for Medical Image Tilt Correction Based on

6、K-MeansClustering，MKMC)；(f)基于模糊均值聚類的醫(yī)學圖像傾斜校正方法(Method for Medical Image Tilt Correction Based on Fuzzy C-MeansClustering，MFCM)；(g)基于自組織特征映射(Self-Organizing FeatureMap，SOFM)神經(jīng)網(wǎng)絡(luò)聚類的醫(yī)學圖像傾斜校正方法(Method forMedical Image Tilt C

7、orrection Based on SOFM，MSOFM)。ACIM利用了醫(yī)學圖像幾何矩的特點，使二階中心矩變得最小時的旋轉(zhuǎn)角α即為圖像傾斜角；MCIM利用了醫(yī)學圖像慣量矩陣來獲取傾斜角α；MSVD利用了SVD技術(shù)，對醫(yī)學圖像坐標進行奇異值分解，得到特征向量(注：論文中特征向量均為單位特征向量)，獲取傾斜角；MPCA是在分析PCA的基礎(chǔ)上，通過對醫(yī)學圖像坐標進行K-L變換，得到特征向量，進而獲取傾斜角；在分析了K-means聚類和模糊

8、C-均值聚類算法之后，論文討論了MKMC和MFCM，先把醫(yī)學圖像坐標聚成兩類，擬合成一條直線，通過計算該直線斜率得到傾斜角；MSOFM與MKMC和MFCM類似，利用SOFM神經(jīng)網(wǎng)絡(luò)，把醫(yī)學圖像坐標聚成兩類，擬合成一條直線，通過計算該直線斜率得到傾斜角。實驗結(jié)果表明，這些方法對傾斜圖像均有效，ACIM和MCIM校正效果最好，MSVD、MPCA、MKMC、MFCM次之，由于MSOFM聚類時間較長，時間效率最差。
　　 (2)傾斜校正

9、方法在醫(yī)學圖像配準中應(yīng)用研究。論文分析了基于互信息配準和基于迭代最近點配準兩種方法的優(yōu)、缺點，并把醫(yī)學圖像配準分為兩個過程：粗配準和細配準。在粗配準中，通過ACIM、MCIM、MSVD、MPCA、MKMC和MFCM等獲取配準圖像的質(zhì)心坐標和旋轉(zhuǎn)角，并作為細配準中多參數(shù)尋優(yōu)方法的初值。另外，論文提出了改進的迭代最近點配準算法，即用粗配準獲取迭代最近點配準算法的初始旋轉(zhuǎn)參數(shù)和平移參數(shù)，然后使用B樣條梯度算子生成特征點，得到參考點集和浮動點集

10、。實驗結(jié)果表明，使用了傾斜校正方法的互信息配準和改進的迭代最近點配準能有效減少運算量，配準速度快，精度較高，而且克服了容易陷入局部最優(yōu)的問題。
　　 (3)傾斜校正方法和模糊理論在醫(yī)學圖像配準中應(yīng)用研究。在研究模糊集理論基礎(chǔ)上，提出了兩幅圖像之間模糊距離的概念，并進一步提出了模糊信噪比的概念。以Z函數(shù)作為模糊集的隸屬度函數(shù)，以參考圖像和浮動圖像之間的模糊信噪比作為相似性測度，通過傾斜校正方法獲取配準參數(shù)初值，使用單純形法作為多參

11、數(shù)尋優(yōu)方法尋找最優(yōu)幾何變換參數(shù)，進行細配準。實驗結(jié)果表明，模糊信噪比和互信息一樣，均能作為兩幅圖像的相似性測度，兩者具有接近的配準精度，但前者時間效率更高，運算量更少。論文進一步推導(dǎo)出峰值信噪比是模糊信噪比的特例，并把峰值信噪比用作配準函數(shù)，實驗表明峰值信噪比也具有較好的配準性能。在研究了線性插值、二次樣條插值(a=1)、三次樣條插值(a=-0.5)、二次B樣條插值和三次B樣條插值等插值方法之后，從插值方法、數(shù)據(jù)缺失和噪聲干擾等三個方面

12、分析和研究了模糊信噪比、峰值信噪比和互信息等三個相似性測度的魯棒性。實驗結(jié)果表明，在基于傾斜校正和模糊理論的醫(yī)學圖像配準時使用不同的插值方法，峰值信噪比和模糊信噪比保持了較好的有效性；在數(shù)據(jù)缺失不嚴重時，三個相似性測度保持了較好的有效性，但是當數(shù)據(jù)缺失較嚴重時，三個相似性測度均失效；當圖像中存在椒鹽噪聲干擾時，模糊信噪比保持了較好的有效性，互信息次之，而峰值信噪比完全失效；當圖像中存在高斯噪聲干擾時，三個相似性測度完全失效。