论文部分内容阅读
医学图像配准是医学图像处理中的热门研究课题。多模态医学图像提供了互补的信息,对这些信息进行配准和融合有助于对病人进行更好地诊断和治疗。虽然目前有一些复合成像系统可以实现多模态图像配准,但是费用高、应用的模态较少,也不能配准不同时期获取的图像。在分析不同时期成像的差异时,一般需要进行单模态图像的配准,例如手术效果评价、肿瘤生长监控等。在精确放射治疗技术中,医学图像配准可对肿瘤进行精确定位,从而使计划靶区和和实际肿瘤部位一致,提高肿瘤的局部控制率,减少正常组织的并发症。随着图像处理技术、计算机技术和自动化技术的发展,医学图像配准理论和技术也有了长足的进步,这使医学图像的自动配准成为可能。所以研究自动化程度高、不受模态限制的医学图像配准技术具有重大的应用价值。目前在医学图像配准领域研究最多的方法是最大互信息方法,及在其基础上所做的改进方法。最大互信息法是一种通用配准方法,不需要对图像进行分割或其它预处理,已被证实具有亚像素级的配准精度。但是这类方法存在如下缺点:含有对数运算,运算量大、配准时间长,难以满足实时处理的要求;配准函数不够光滑,存在过多局部极值;对噪声敏感,噪声容易导致误配准等。这些缺点限制了这类方法在实际临床中的应用。本论文对直接利用图像中所有灰度信息的配准方法的发展过程和各自特点进行了详细的分析。针对医学图像配准领域目前存在的问题,本论文进行了深入探讨和研究,做了大量的对比分析实验,为实际应用中合理选择各种算法提供了有用的参考。在此基础上,发展了新的配准测度、新的数据抽样方法和新的磁共振图像偏差场纠正方法,拓宽了处理医学图像配准问题的思路。本论文具体做了以下方面的研究工作:（1）对比分析了不同插值方法对测度性能的影响。NN插值法运算速度快,但是配准精度低;线性插值法对参考图像灰度的滤波作用,使其在整数平移位置处出现测度极小值;PV插值法和二阶GPVE插值法运算速度相对较慢,但是配准精度高。PV插值法对联合直方图的分散更新,导致其在整数平移位置处出现测度极大值;二阶GPVE插值法让更多的邻点参与联合直方图的更新,消除了测度伪极值点。（2）针对互信息类测度运算量大、配准时间长、局部极值较多的问题,本论文对Buzug提出的医学图像配准方法进行了改进,用严格凹函数取代互信息中的熵函数,形成了互严格凹函数测度。互信息测度只是互严格凹函数测度的一个特例。对比分析了互信息、五种不同凹函数导出的互严格凹函数测度和两种f信息测度的性能。发现:幂次大于1的互严格凹函数测度NM2、NM4和NM5增大了配准稳定区域,减少了配准运算时间,提高了配准速度,这为临床实时配准技术的研究提供了一种思路,具有重要的应用价值:幂次小于1的互严格凹函数测度NM3、NM6不适合医学图像配准,这两种测度参数曲线极值点多、不光滑、易造成误配准,而且配准的稳定范围较窄,配准时间优势也不如测度NM2、NM4、NM5显著;负的凹函数是凸函数,所以互严格凸函数测度也可用于图像配准,其测度的最小值与图像完全配准相对应。（3）将互严格凹函数测度的概念扩展到自变量是向量的情况,同时根据Jensen不等式和Schur凹函数的性质,提出了一种图像配准的新测度——Jensen-Schur测度,简称JS测度。Jensen-Renyi测度是JS测度的一个特例。当JS测度的加权值向量ω是均匀分布的时候,不适合图像配准,但当它是参考图像的边缘概率分布的时候,有很好的配准性能;在ω是参考图像边缘概率分布的时候,新构造的JS2、JS3、JSω比JR、MI、NMI有更快的运算速度、更好的收敛性能及更强的抗噪能力。其中JS2运算速度最快,有很好的收敛性能和抗噪能力。（4）根据一个简单的Schur凹函数,利用该Schur凹函数的特殊上凸性能来消除噪声等引起的小概率分布,同时根据Jensen-Schur测度、广义距离测度和f信息测度的定义,构造了六类医学图像配准测度。通过理论证明和与传统的MI、NMI的对比实验,得到以下结论:参数α的取值对新构造测度的配准性能产生重要的影响;新构造的六种测度的运算时间都少于MI、NMI测度;新构造测度JSβ、Dβ的收敛性能、抗噪声能力强于测度JS、D、If、Ifβ、MI和NMI。（5）传统的数据抽样方法分成均匀抽样法和非均匀抽样法两大类:前类抽样方法可以保证抽样前后灰度概率分布的稳定性,但容易丢失重要的轮廓信息;后类抽样方法可以保留更多的轮廓信息,但抽样前后的概率分布变化太大,从而导致测度的局部极值点增多。根据浮动图像的灰度概率分布和梯度信息,用pdgs抽样方法进行数据抽样,既保证了灰度概率分布的稳定性,又不丢失重要的边缘轮廓信息。在抽样率较低的情况下,使用二阶B样条GPVE插值法,利用抽样后的图像结果进行归一化互信息配准,相对于两种均匀抽样法和两种基于梯度的非均匀抽样法,pdgs抽样方法减少了局部极值现象,提高了测度的收敛性能。（6）磁共振图像的偏差场容易导致误配准,所以在与磁共振图像配准之前,需要对其进行偏差场纠正。基于图像灰度熵最小化的偏差场纠正方法是最近提出的方法,有较好的纠正效果,但是这种方法没有考虑到图像的空间信息。本论文提出了基于灰度和空间联合信息最小化的磁共振图像偏差场纠正方法,该方法把图像的灰度信息和空间信息结合起来。空间信息采用灰度导数信息。被偏差场破坏的图像灰度及其导数值的联合信息（联合熵）大于对应的无偏差场图像的联合熵。联合熵是通过计算灰度及其导数值的联合概率分布得到。脑部MR图像的仿真数据和临床数据的实验结果表明:灰度及其二阶导数联合信息最小化方法纠正效果良好,大大减少了脑白质和脑灰质的灰度交叠。该方法可以作为磁共振图像偏差场纠正的通用方法,它不需要图像预处理,也不需要参数设定,是一种高效可行的方法。