医学图像配准是信息处理、计算机图像技术和现代医学等多学科交叉的研究课题,已经在临床诊断、治疗、术前规划等方面取得了广泛的应用。医学图像配准是指利用计算机数字图像技术,将时变的(如腹部CT图像的门脉期、静脉期等)或异源的(如MRI、CT、PET、SPECT等)的两幅或多幅图像进行匹配、叠加的过程。通常对待配准图像进行单次或多次空间变换,使其特征点与参照图像的对应特征点达到空间一致。在医学临床应用中,图像配准是图像分析、融合和三维可视化等后续操作的基础。随着医学信息化的进步和诊疗技术的发展,临床医学对医学图像配准等计算机辅助医学方法提出了实时性要求,如何在保证配准精度的条件下实现实时医学图像配准则成为当前该领域研究的热点问题。然而,随着医学图像采集技术的不断发展,医学图像的图幅和精度越来越大,不能单纯的依赖更高性能的计算机来解决图像配准的性能问题,而应当从算法层面加以研究,因此传统的图像配准方法面临新的挑战。因为腹部医学图像有着组织器官柔软、易受呼吸影响而形变性强的特点,所以对其图像的可形变配准方法的研究有着重要的意义和应用价值。医学图像配准方法主要分为三大类：基于互信息的图像配准方法、基于特征的图像配准方法和基于生物力学的配准方法,本文基于这三类方法展开研究,对现有方法分别提出改进。首先,本文提出了一种基于多分辨率交替迭代(Multi-Resolution Alternative Iteration, MRAI)的快速三维医学图像配准方法。该方法首先采用自由形变变换的两阶段配准算法得到中间结果,再利用交替迭代的配准算法进一步得到更精确的结果。该方法利用多分辨率分析减少配准算法求解最优值时的交替迭代次数。此外,为了进一步提高该方法的效率,运用了基于统一计算设备架构(Compute Unified Device Architecture, CUD A)的高性能计算方法,充分利用CUDA架构下GPU(Graphic Processing Unit, GPU)并行计算的优势,并结合图像多尺度、最大互信息等方法,实现了腹部三维CT图像的快速配准。评估结果表明,该方法能够满足临床诊断中的要求,从而辅助医生准确、快速地识别和定位肝脏的病灶区域,提高临床诊断的准确性和效率。其次,本文提出一种面向空间的尺度不变特征转换(Scale-invariant Feature Transform, SIFT)的非刚性配准模型。模型定义一种具备反应图像全局信息能量的SIFT特征点描述符,以解决传统SIFT特征提取计算过程耗时过长的问题。本研究在得到SIFT特征点描述符的基础上,结合图像积分与图像区域划分,计算特征点的图像空间分布描述符,并将空间分布描述符与SIFT特征点描述符进行加权聚集,作为新的图像特征点描述符,最后再矫正匹配误差。本研究同样应用CUDA对SIFT特征提取方法进行加速,合理分配与利用CPU和GPU资源,重新设计和实现了SIFT特征提取算法的关键步骤。实验证明,本研究提出的模型和算法能够显著提高SIFT特征提取速度从而提高配准的速度。最后,本文提出一种基于生物力学模型的肝脏CT图像快速配准方法,并通过CUDA对计算过程加速。首先对原图像进行网格化处理,然后运用三次归一化逆向距离变换得到图像中的显著边缘信息,最后通过一种新的能量函数来对配准的过程进行约束,并采用最小化能量函数的方式对图像进行配准。该能量函数中包含一种内部应变势能和两种分别基于互信息和基于特征的外部能量,在该能量函数的数值解计算过程中,采用有限元方法进行计算。并基于CUDA对水平集演化过程进行加速,提高数值解计算的运算效率和实时性,从而实现对肝脏CT图像的实时配准。本研究采用临床实际腹部CT图像数据,并在临床实验中对上述算法的实时性进行验证：基于MRAI腹部三维医学CT图像配准方法,在保证配准结果精度的前提下,可以快速完成图像配准,在CUDA加速架构下与传统CPU架构下的三维医学图像配准算法相比性能提高255倍；改进的SIFT特征提取方法大大提高了SIFT特征提取速度,其加速比随着SIFT特征点数目的增加而提高,最大加速比可达到19.54；基于CUDA加速的生物力学模型肝脏图像配准方法,能够更高效地对腹部CT图像进行配准,该算法与未使用CUDA加速的算法相比性能提高46.8倍。本文提出的实时腹部医学图像配准算法,能够为临床计算机辅助诊断提供实现腹部中肝脏和其他组织不同时期CT图像的可形变的快速配准,从而辅助放射科医生快速准确的识别和定位腹部尤其是肝脏部的病灶,提高外科手术医生的手术计划水平和手术期间导航的准确性。