醫(yī)學(xué)圖像傾斜校正方法與應(yīng)用研究.pdf

1、由于醫(yī)學(xué)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(xué)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(zhǔn)確的資料；另一方面也可以輔助醫(yī)生對(duì)病變體及其它感興趣的區(qū)域進(jìn)行定性甚至定量的分析，可以大大提高醫(yī)療診斷的準(zhǔn)確性和可靠性，進(jìn)一步豐富醫(yī)生的診斷經(jīng)驗(yàn)。醫(yī)學(xué)圖像處理作為醫(yī)學(xué)圖像研究中非常關(guān)鍵的一環(huán)，它對(duì)完善醫(yī)學(xué)診斷與治療的手段和方法、提高計(jì)算機(jī)輔助診斷的精度與效率有重大的實(shí)用價(jià)值。
　

2、　 論文針對(duì)采集到的醫(yī)學(xué)圖像存在傾斜現(xiàn)象，討論了醫(yī)學(xué)圖像傾斜校正方法；針對(duì)醫(yī)學(xué)圖像配準(zhǔn)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(diǎn)醫(yī)學(xué)圖像配準(zhǔn)，并提出了改進(jìn)的迭代最近點(diǎn)醫(yī)學(xué)圖像配準(zhǔn)方法；在分析模糊集的基礎(chǔ)上，進(jìn)一步提出了基于傾斜校正和模糊理論的醫(yī)學(xué)圖像配準(zhǔn)方法，這些方法不僅豐富與完善了醫(yī)學(xué)圖像處理的相關(guān)理論與方法，也解決了醫(yī)學(xué)圖像處理上的一些難題，有重大的理論意義和實(shí)用價(jià)值。概括地說(shuō)，論文的研究工作包括如下

3、內(nèi)容：
　　 (1)醫(yī)學(xué)圖像傾斜校正方法研究。在醫(yī)學(xué)圖像成像過(guò)程中，由于某些原因，采集到的醫(yī)學(xué)圖像中經(jīng)常存在傾斜現(xiàn)象，這給醫(yī)學(xué)圖像匹配和融合帶來(lái)極大困難。針對(duì)這種情況，為了解決傾斜問題，論文在建立醫(yī)學(xué)圖像傾斜模型基礎(chǔ)上，把醫(yī)學(xué)圖像傾斜校正分為五個(gè)過(guò)程，但總體上講，關(guān)鍵在于獲取圖像質(zhì)心坐標(biāo)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(xué)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(xué)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(xué)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(xué)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(xué)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(xué)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(xué)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(xué)圖像幾何矩的特點(diǎn)，使二階中心矩變得最小時(shí)的旋轉(zhuǎn)角α即為圖像傾斜角；MCIM利用了醫(yī)學(xué)圖像慣量矩陣來(lái)獲取傾斜角α；MSVD利用了SVD技術(shù)，對(duì)醫(yī)學(xué)圖像坐標(biāo)進(jìn)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(guò)對(duì)醫(yī)學(xué)圖像坐標(biāo)進(jìn)行K-L變換，得到特征向量，進(jìn)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(xué)圖像坐標(biāo)聚成兩類，擬合成一條直線，通過(guò)計(jì)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(xué)圖像坐標(biāo)聚成兩類，擬合成一條直線，通過(guò)計(jì)算該直線斜率得到傾斜角。實(shí)驗(yàn)結(jié)果表明，這些方法對(duì)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(shí)間較長(zhǎng)，時(shí)間效率最差。
　　 (2)傾斜校正

9、方法在醫(yī)學(xué)圖像配準(zhǔn)中應(yīng)用研究。論文分析了基于互信息配準(zhǔn)和基于迭代最近點(diǎn)配準(zhǔn)兩種方法的優(yōu)、缺點(diǎn)，并把醫(yī)學(xué)圖像配準(zhǔn)分為兩個(gè)過(guò)程：粗配準(zhǔn)和細(xì)配準(zhǔn)。在粗配準(zhǔn)中，通過(guò)ACIM、MCIM、MSVD、MPCA、MKMC和MFCM等獲取配準(zhǔn)圖像的質(zhì)心坐標(biāo)和旋轉(zhuǎn)角，并作為細(xì)配準(zhǔn)中多參數(shù)尋優(yōu)方法的初值。另外，論文提出了改進(jìn)的迭代最近點(diǎn)配準(zhǔn)算法，即用粗配準(zhǔn)獲取迭代最近點(diǎn)配準(zhǔn)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(diǎn)，得到參考點(diǎn)集和浮動(dòng)點(diǎn)集

10、。實(shí)驗(yàn)結(jié)果表明，使用了傾斜校正方法的互信息配準(zhǔn)和改進(jìn)的迭代最近點(diǎn)配準(zhǔn)能有效減少運(yùn)算量，配準(zhǔn)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(xué)圖像配準(zhǔn)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(jìn)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(dòng)圖像之間的模糊信噪比作為相似性測(cè)度，通過(guò)傾斜校正方法獲取配準(zhǔn)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(jìn)行細(xì)配準(zhǔn)。實(shí)驗(yàn)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(cè)度，兩者具有接近的配準(zhǔn)精度，但前者時(shí)間效率更高，運(yùn)算量更少。論文進(jìn)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(zhǔn)函數(shù)，實(shí)驗(yàn)表明峰值信噪比也具有較好的配準(zhǔn)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(gè)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(gè)相似性測(cè)度的魯棒性。實(shí)驗(yàn)結(jié)果表明，在基于傾斜校正和模糊理論的醫(yī)學(xué)圖像配準(zhǔn)時(shí)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(yán)重時(shí)，三個(gè)相似性測(cè)度保持了較好的有效性，但是當(dāng)數(shù)據(jù)缺失較嚴(yán)重時(shí)，三個(gè)相似性測(cè)度均失效；當(dāng)圖像中存在椒鹽噪聲干擾時(shí)，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(dāng)圖像中存在高斯噪聲干擾時(shí)，三個(gè)相似性測(cè)度完全失效。