基于改進(jìn)互信息的醫(yī)學(xué)圖像配準(zhǔn)方法研究.pdf

1、醫(yī)學(xué)影像技術(shù)的應(yīng)用隨著醫(yī)學(xué)、計(jì)算機(jī)技術(shù)的發(fā)展貫穿了臨床活動(dòng)的全過程。由于不同設(shè)備成像的原理不同，使得醫(yī)學(xué)影像有提供不同信息的多模態(tài)圖像，臨床上醫(yī)生為了對(duì)患者的病理信息作全面的了解，通常需要對(duì)同一病人進(jìn)行不同模式的成像或者是同一模式的多次成像，最后再整合多幅圖像信息來綜合分析。這種將不同模式的圖像信息整合成一種新模式的圖像稱為醫(yī)學(xué)圖像的融合，而融合的第一步先要配準(zhǔn)。醫(yī)學(xué)圖像配準(zhǔn)作為圖像融合的先決條件，它的研究是醫(yī)學(xué)圖像處理領(lǐng)域的熱點(diǎn)。本文

2、主要對(duì)醫(yī)學(xué)圖像配準(zhǔn)的方法進(jìn)行了深入的研究，從圖像配準(zhǔn)的框架入手，著重研究了基于最大互信息的配準(zhǔn)方法，分析了互信息作為配準(zhǔn)的測(cè)度函數(shù)具有的優(yōu)點(diǎn)和存在的缺點(diǎn)，并針對(duì)其缺點(diǎn)從精度和速度兩方面提出了改進(jìn)的措施。
　　為了加快配準(zhǔn)速度，針對(duì)互信息計(jì)算量大和存在局部極值的問題，本文集中于采樣技術(shù)和優(yōu)化策略的研究，在對(duì)常用采樣方法和一般優(yōu)化算法的討論分析基礎(chǔ)之上，提出了一種基于圖像區(qū)域信息熵的采樣方法，并設(shè)計(jì)了在這種采樣方法下使用Powell與

3、模擬退火相結(jié)合的混合優(yōu)化算法對(duì)互信息函數(shù)進(jìn)行優(yōu)化。最后通過仿真實(shí)驗(yàn)作了定性與定量分析，結(jié)果表明:這種基于信息熵的采樣方法結(jié)合混合優(yōu)化算法既能保留圖像重要的信息不丟失，又能明顯地加快配準(zhǔn)過程中測(cè)度函數(shù)的收斂速度。
　　為了克服互信息因陷入局部極值而導(dǎo)致誤配準(zhǔn)，尤其是兩幅待配準(zhǔn)的圖像在混有大量噪聲、重疊區(qū)域較小、對(duì)比度降低、或者是圖像數(shù)據(jù)缺失等情況下，單獨(dú)利用互信息的方法難以得到精確的配準(zhǔn)結(jié)果，本文提出了兩種互信息的改進(jìn)方法:一種方法

4、是將圖像的空間信息引入到互信息函數(shù)中，即互信息結(jié)合邊緣互方差的配準(zhǔn)方法;另一種方法是將圖像的感興趣區(qū)域(ROI)引入到互信息函數(shù)中，即互信息結(jié)合感興趣區(qū)域互信息的配準(zhǔn)方法，分別用加權(quán)互信息和加權(quán)概率互信息兩種組合構(gòu)造了配準(zhǔn)測(cè)度函數(shù)。
　　在互信息結(jié)合邊緣互方差的配準(zhǔn)方法中，利用Susan算子具有抗噪聲性能好、控制參數(shù)使用靈活性強(qiáng)的優(yōu)點(diǎn)，將其用于醫(yī)學(xué)圖像的邊緣提取。最后經(jīng)實(shí)驗(yàn)證明了，改進(jìn)的互信息配準(zhǔn)方法均比單獨(dú)利用互信息對(duì)圖像配準(zhǔn)時(shí)