基于多圖譜配準的醫(yī)學圖像分割.pdf

1、醫(yī)學圖像分割，在臨床診斷、病理分析、手術(shù)計劃、影像信息處理、計算機輔助手術(shù)等醫(yī)學研究與實踐領(lǐng)域有著廣泛的應(yīng)用。相比于耗時費力的手動分割和半自動分割，自動分割算法的研究具有重要的研究意義與使用價值。在眾多自動分割算法中，基于圖譜的分割算法具有突出的表現(xiàn)，因此是近年來的研究熱點?；趫D譜的分割分為基于單圖譜的分割和基于多圖譜的分割，前者側(cè)重于研究腦部各結(jié)構(gòu)或區(qū)域之間的關(guān)系，后者主要用于進行體積測量和形態(tài)學研究，后者的分割精度高于前者。本文主

2、要研究基于多圖譜的分割算法對腦磁共振圖像的分割。
　　圖譜(Atlas)定義為灰度圖像和其對應(yīng)的手動分割圖像?；诙鄨D譜的分割一般是以待分割灰度圖像為參考圖像，以多對圖譜的灰度圖像作為浮動圖像，進行配準，然后使用配準得到的參數(shù)對圖譜的分割圖像進行變形，將變形后的圖譜上的標簽值映射到待分割圖像的坐標中，通過標簽融合等處理得到分割結(jié)果。按此流程可以將算法分為圖譜的獲取、線下學習、配準、圖譜選擇、標簽映射、在線學習、標簽融合和后處理八個

3、步驟，其中配準、標簽融合和后處理是分割算法中的關(guān)鍵，對分割精度有著直接的決定作用，所以本文在實現(xiàn)整個分割算法的過程中對這三個部分進行了詳細的介紹。
　　醫(yī)學圖像配準是使一張圖像通過形狀變化與另一張圖像的相同解剖點匹配的過程，配準的實質(zhì)是對形變參數(shù)的求解。配準算法有四個要素:特征空間、搜索空間、相似性測度和搜索策略。本文中使用圖像的灰度信息，以歸一化互信息為相似性測度，使用Powell算法尋找圖譜與待分割圖像之間的全局相似變換關(guān)系。

4、
　　標簽融合算法中基于局部相似性的加權(quán)融合具有明顯優(yōu)勢，本文研究了多圖譜聯(lián)合加權(quán)融合算法，此算法在繼承傳統(tǒng)的加權(quán)融合算法的多圖譜、局部加權(quán)等優(yōu)勢的同時，將圖譜之間的關(guān)聯(lián)考慮在內(nèi)，將權(quán)重的求解轉(zhuǎn)化為使均方誤差函數(shù)最小的優(yōu)化問題，并在加權(quán)過程中使用塊搜索策略，實驗證明這一策略將進一步提高算法的精度。
　　在對自動分割算法進行評價時，通常將手動分割作為標準分割。由手動分割協(xié)議和自動分割標準之間的不對等引起的誤差稱為系統(tǒng)性誤差，是