基于信息論測度的醫(yī)學(xué)圖像配準技術(shù)研究.pdf

1、醫(yī)學(xué)圖像配準技術(shù)是醫(yī)學(xué)圖像處理的基礎(chǔ)，在醫(yī)學(xué)信息融合、腫瘤生長監(jiān)測、圖像引導(dǎo)手術(shù)治療及放療計劃制定等方面發(fā)揮著重要的作用。醫(yī)學(xué)圖像配準可以將各種互補的信息融合在一起，為醫(yī)生診斷病情提供更多可靠的信息。因此，對醫(yī)學(xué)圖像配準技術(shù)的研究具有十分重要的理論意義和實用價值。
　　醫(yī)學(xué)圖像配準的研究工作在過去的許多年吸引了眾多學(xué)者的關(guān)注，其中基于信息論的配準技術(shù)由于不依賴于圖像的灰度值差異，而且也不需要特征提取和分割等預(yù)處理，因此在多模態(tài)醫(yī)學(xué)

2、圖像配準中受到廣泛關(guān)注，是目前研究較多、應(yīng)用較廣泛的配準方法。本文對基于信息論的醫(yī)學(xué)圖像配準中的相關(guān)問題進行了系統(tǒng)的分析，并對前人的研究工作進行了改進和完善。本文的主要研究工作和貢獻可以概括為以下幾個方面:
　　(1)研究基于Jensen-Arimoto散度的醫(yī)學(xué)圖像配準
　　由于香農(nóng)熵沒有考慮到兩個獨立隨機變量之間的相關(guān)性，而Arimoto熵的非延展性使其考慮了二者之間的相關(guān)，由此，本文提出了一種基于Arimoto熵的相似

3、度測量，并將其應(yīng)用于醫(yī)學(xué)圖像配準。該方法選擇剛體變換和基于B樣條的自由形態(tài)形變作為空間變換模型，另外針對非剛體配準中變換的不光滑問題，引入自由形態(tài)形變的彎曲能量函數(shù)作為平滑項，并聯(lián)合相似度和平滑項構(gòu)造出配準算法的目標函數(shù)。同時利用基于B樣條的Parzen窗來估計待配準圖像的聯(lián)合概率密度，得到目標函數(shù)的解析導(dǎo)數(shù)，采用L-BFGS優(yōu)化算法求得目標函數(shù)的最優(yōu)解。仿真和臨床數(shù)據(jù)的剛體及非剛體配準實驗表明基于詹森Arimoto散度(Jensen-

4、Arimoto divergence，JAD)的方法能夠獲得精確的配準結(jié)果。
　　(2)研究基于連續(xù)圖像表示的直方圖估計方法及其在醫(yī)學(xué)圖像配準中的應(yīng)用
　　為了解決箱子數(shù)和核函數(shù)對傳統(tǒng)的直方圖估計和Parzen窗方法的影響，本文利用基于連續(xù)圖像表示的方法來估計待配準圖像的聯(lián)合直方圖，從而計算聯(lián)合概率分布，然后將獲得的聯(lián)合概率分布用于計算JAD相似度，并用該相似度作為配準標準執(zhí)行醫(yī)學(xué)圖像配準。該算法利用連續(xù)圖像表示推導(dǎo)出二維和

5、三維圖像的聯(lián)合直方圖，而且為了提高基于連續(xù)圖像表示的直方圖估計方法的執(zhí)行效率，并降低圖像配準過程中的網(wǎng)格效應(yīng)，我們結(jié)合圖像的隨機抽樣理論，提出快速連續(xù)的直方圖估計方法。二維和三維剛體實驗結(jié)果表明與沒有結(jié)合隨機抽樣的連續(xù)直方圖估計方法相比，該方法加速了配準過程并保持了配準精度;而且與簡單的直方圖估計和Parzen窗算法相比，基于快速連續(xù)直方圖估計的配準方法也能夠獲得較高的配準精度。
　　(3)提出基于梯度分布距離的醫(yī)學(xué)圖像配準

6、>　　針對經(jīng)典的基于信息論相似度的配準方法沒有考慮像素間空間信息的問題，本文提出一種基于梯度分布距離的醫(yī)學(xué)圖像配準方法，該方法利用待配準圖像的梯度信息，估計出參考圖像與浮動圖像梯度的概率分布，并采用KL(Kullback-Leibler)散度計算二者梯度分布之間的距離，將該梯度分布距離作為目標函數(shù)的一個懲罰項，迫使浮動圖像的梯度分布接近參考圖像的梯度分布。此外根據(jù)JAD的性質(zhì)定義一個歸一化形式的測度，并將其作為相異性度量，然后再聯(lián)合平滑

7、項及梯度分布距離項構(gòu)建最終的目標函數(shù)。為了得到目標函數(shù)的解析導(dǎo)數(shù)，在該方法中，仍然采用Parzen窗來估計概率分布，從而計算待配準圖像的梯度分布距離。臨床數(shù)據(jù)的非剛體配準實驗表明基于梯度分布距離的方法可以得到精確的配準結(jié)果。
　　(4)提出基于結(jié)構(gòu)圖像表示的多模態(tài)醫(yī)學(xué)圖像配準
　　由于Demons算法在處理多模態(tài)醫(yī)學(xué)圖像配準問題時的效果并不佳，因此本文提出了一種基于結(jié)構(gòu)圖像表示的微分同胚Demons配準算法。該方法運用Ari

8、moto熵計算參考圖像和浮動圖像的熵圖像，并用這些熵圖像來表示待配準圖像的結(jié)構(gòu)信息，然后采用微分同胚Demons算法對得到的兩幅熵圖像進行配準，并依據(jù)光流方程獲得圖像間位移場的更新，最后通過迭代獲得最終的位移場。所提出的方法利用圖像的結(jié)構(gòu)信息將待配準圖像的兩種不同模態(tài)轉(zhuǎn)化為第三種模態(tài)，由此，多模態(tài)醫(yī)學(xué)圖像間的配準就轉(zhuǎn)化為單模態(tài)問題。實驗結(jié)果展示:基于Arimoto熵的算法比微分同胚Demons算法和基于香農(nóng)熵的Demons算法具有更高的