当前位置: > 硕士毕业论文 > 55000字硕士毕业论文新配准方法在医学图像配准和灰度与几何信息结合中的应用

55000字硕士毕业论文新配准方法在医学图像配准和灰度与几何信息结合中的应用

论文类型:硕士毕业论文
论文字数:55000字
论点:图像,测度,医学
论文概述:

医学图像配准是生物医学工程中基础性的研究领域,在医学很多应用领域中都是必不可少的技术手段。现今伴随着医学成像技术的高速发展,各种成像手段不断涌现,为医患提供了不同方面的诊

论文正文:

第一章医学图像配准

医学图像融合是从多个医学图像中整合信息的过程,但整合过程不能是任意的。根据医学图像之间的对应关系融合医学图像是有意义的。在成像期间根据多个医学图像的真实身体组织结构信息在它们之间建立正确对应关系的技术被称为医学图像配准(Medical Image Registration)。因此,医学图像融合的核心是医学图像配准。本文将介绍作者在医学图像配准方面的工作,包括建立基于C++的医学图像配准平台,以及一种新的包含图像灰度和几何信息的医学图像配准度量算法。

1.1医学图像配准的概念

直到20世纪80年代中期,医学图像配准一直被认为是医学图像应用中的一个非常小的组成部分技术,但从那时起,它越来越受到人们的关注,成为医学图像领域中一个非常重要的分支学科和医学图像研究的一个重要课题。这个领域的学术会议和论文增长迅速。根据作者在Scopus1数据库中以医学图像配准或对齐为关键词的搜索,截至2011年12月28日,共有5450个结果,表明它已经成为医学图像处理的一个重要分支领域。根据不同的标准,医学图像配准可以分为许多类别,但是大多数应用领域是为了诊断和分析患者病变。患者可能需要比较时间轴上的不同图像,以观察病变的生长或分析术后效果,或与正常数据进行差异比较。患者还可能需要在短时间内通过不同的成像设备成像,并使用不同的成像技术来完全理解病理信息。如前所述,不同图像显示的信息是不同的。因此,医学图像配准具有许多复杂的应用领域,使得通用配准方法变得罕见。然而,医学图像配准中的共同点可以通过总结来提取。也就是说,医学图像配准旨在获得图像之间的空变换关系,并且该方法是通过每个图像的信息连续地找到最佳配准位置。至于如何判断图像的配准程度,一般以图像的相似度为标准,即前提是“完全配准或对应的图像应该具有最大相似度”。然而,相似性的不同定义也导致不同的配准方法。
医学图像配准基于医学成像原理。医学成像的前提是建立成像图像中的几何信息与受检者体内组织器官之间的对应关系,并在此前提下进行诊断和分析。如前所述,不同的成像技术由于其不同的原理而具有在成像图像上表示身体组织和器官的不同方式。例如,较高的x光吸收率,即在计算机断层图像上较高密度的组织和器官将显示较高的灰度值,而在磁共振图像上的灰度值与不同组织和器官的弛豫时间相关。因此,通过不同成像技术获得的图像在同一检查者的同一组织和器官上具有不同的性能。例如,计算机断层扫描对人体骨骼成像有很好的分辨率,而核磁共振成像对软组织器官成像有很大的优势。正电子发射断层扫描(PET)、断层扫描(SPECT)和功能磁共振成像(fMRI)都是功能性的,可以显示组织和器官的功能特征或代谢活动,但它们的解剖成像(如磁共振成像)是清晰的。医学图像配准的目标是在具有不同表现的图像之间建立对应关系空以便实现与真实组织和器官的一致性。因此,如果将电脑断层图像与核磁共振图像配准,我们还可以获得骨骼分辨率和软组织分辨率都很强的图像,这对医生在手术过程中会有很大的帮助,指导医生避免触及受伤的重要部位,并清晰显示病灶区域。如果正电子发射断层扫描和核磁共振成像图像被配准,我们可以直观地看到组织中的小病灶和微小癌组织的位置,以便更准确地进行外科手术导航。当然,医学图像配准的对象不仅仅是图像,其范围包括图像和图像配准、图像和真实对象配准、图像和模型配准、模型和模型配准等。,但本文将主要关注图像和图像配准,许多概念在不同类型的配准中是常见的。

1.2医学图像配准的分类和研究现状

自医学图像配准发表80年以来,许多研究者在这一领域做了大量工作,产生了不同的配准算法来处理不同的医学应用。本部分首先对医学图像配准进行简要分类,并在此基础上简要介绍各分类的研究现状。

1.2.1医学图像配准根据手动参与程度进行分类
医学图像配准根据手动参与程度大致可分为手动配准、半自动配准和全自动配准。手动注册需要手动注册,这需要操作者有很强的经验和技术,并且有很多限制。全自动注册不需要人工参与。图像输入后,程序可以通过一些图像处理技术自动找到配准位置。这是目前的主要研究领域,本文也属于这一范畴。半自动配准是手动和全自动配准方法的结合。为了提高配准的成功率和稳定性,可能需要首先手动配准图像,然后自动和精细地配准图像。

1.2.2按输入图像分类
本文主要讨论输入对象是图像的情况。此外,还有模型和图像的配准、模型和模型的配准等。,这在空间上是有限的,在本文中将不再描述。根据输入图像的尺寸,医学图像配准可分为3D和3D配准、3D和2D配准以及2D和2D配准。根据医学成像模式,可以分为相同模式配准和不同模式配准。根据图像对象,可以分为相同的结构配准、不同的结构配准、图集配准等。可以看出,医学图像配准可以根据其应用进行不同的分类,但其模型和主要概念都是相同的。不同尺寸的图像尺寸对应于不同的医学应用。如果两幅图像都是二维的,自然会使用2D-2D配准框架。如果获得的医学图像是三维的,将自然地使用3D-3D配准。特别的是3D-2D配准,它经常发生在手术过程中,用于手术过程中的实时导航。其中,3D图像一般是术前图像,可以是高分辨率的图像,如电脑断层扫描(CT)或核磁共振成像(MRI),可用于指导手术前手术路径的规划和手术期间的实时评估。其中,2D图像通常是在手术过程中实时采集的。它们通常是快速、简单、无害和低分辨率的成像技术,如超声波。这样,有必要获得实时2D图像和通过术前成像获得的3D图像之间的对应关系。使用3D-2D配准模式的现代医学成像技术不断发展,各种成像方法也不断发展,还有各种成像模式,如计算机断层扫描、核磁共振成像、断层扫描、正电子发射断层扫描、超声成像等。如此多的成像模式具有多种配准组合。我们将相同成像技术的图像之间的配准称为单模态配准,反之亦然。模内配准通常用于观察组织生长变化、仪器入侵确认和一些比较工作。异形配准的应用范围主要在临床,是辅助诊断和手术指导的关键技术。由于两种不同的成像技术会有很大的不同,并且所获得的图像对相同的组织和器官会有非常不同的表示,所以不同模式的配准往往比相同模式的配准更困难,这也是目前医学图像配准的主要研究领域。一般来说,医学图像配准中的对象对象是相同的。例如,在前一示例中登记的两个输入图像的对象是相同的个体和相同的组织。这是最常见的注册应用,在术前诊断、术中导航和术后评估中有很大的应用。然而,除此之外,还有不同对象的注册。一般来说,不同检查体的组织和器官之间有配准,人体地图和地图集之间有配准。不同考试机构的注册申请之一是在科学研究领域。例如,定岗神[17]利用不同个体的大量数据进行登记和比较,研究老年痴呆症的脑部变化,从而更好地了解疾病,为以后的患者诊断提供依据。其他成像图像和图谱的配准可用于教学目的,用于判断和识别图像的各种组织和器官,也有利于医生在手术过程中识别出现的组织和器官,从而更好地进行手术,降低手术风险,降低手术难度。另一个主要应用是图像分割。当图像和地图集被配准时,图像和地图集具有对应的关系,并且地图集已经被分割,那么地图集自然可以用于分割图像。如在[19],使用磁共振成像和地图集配准。

1.2.3根据空
之间的变换进行分类如上所述,医学图像配准可以分为同一对象和不同对象的配准,因此同一对象的配准过程可能问题较少,但自然,在不同对象配准中几何形状和大小会有所不同,因为图像来自不同的个体,所以空之间的变换方法应该不同。空之间的变换根据其分类一般可以分为两类:线性变换和非线性变换。线性变换保持线性性质不变,即在原始图像中是一条直线,那么它在变换后仍然是一条直线,可以用4×4齐次坐标矩阵数学表达,而非线性变换没有这样的约束。线性变换根据自由度的不同可以分为刚体变换和仿射变换。刚体变换只有平移和旋转操作,3D 空只有6个自由度,分别是X轴、Y轴和Z轴的平移和旋转。仿射变换将仿射运算添加到刚体变换中。它可以自由选择4×4矩阵的前3×4子块中的每个元素,因此它有12个自由度。然而,由于其特殊性,非线性变换没有固定的变换方法。大量研究人员提出了非线性变换模型,试图在应用领域更贴近变形现实。关于空之间转换的更多知识将在第2章中展开。

1.2.4按配准度量分类
配准度量是医学图像配准中最重要的模块,它直接关系到配准的准确性和稳定性。根据配准测度的算法原理,一般可以分为:利用图像灰度信息进行测度,利用图像几何信息进行测度,结合图像灰度和几何信息进行测度。在这三个类别中有大量的度量,并且在不同的应用领域中会有一些权衡。本文的任务之一是提出一种结合灰度和几何信息的新方法,试图充分利用这两种信息来最小化配准误差。第3.1节将进一步介绍注册措施,第3.4节将介绍本文提出的措施在注册平台中的实施。

第二章医学图像注册平台……9
2.1医学图像配准模型................................9
2.2平台实施框架.............................10
2.3每个模块实施并验证................................11
第3章结合灰色信息和几何信息的新度量…… 27
3.1当前主要度量.............................27
3.2法向量和几何信息................................30
3.3结合灰色信息和几何信息..............................32
3.4实验和集成..............................37
3.5测量曲线..............................37
第4章注册实验43
4.1概述.........................................43
4.2验证实验..............................44
4.3临床数据实验.............................47
4.4概述.........................................52
全文摘要........55

全文摘要

本文主要介绍作者在硕士学习期间的主要工作。以构建基于C++的医学图像配准平台和提出的结合灰度和几何信息的新配准方法为主要部分,进行医学图像配准的概念介绍和工作演示。
C++医学图像配准平台是基于ITK配准框架和模块化原则设计实现的。实现了各种变换、优化、插值和测量算法,实现了医学图像配准的应用功能,为结合灰度和几何信息的新测量方法的验证提供了测试平台,这也是本文的另一个工作内容。
本文的另一个主要任务是研究当前常用的医学图像配准测量算法及其对图像灰度信息和几何信息的利用。针对目前主要配准算法只使用灰度或几何信息的缺点,提出了一种结合两方面信息的配准新方法。法向量用于表达图像的几何信息,法向量用作图像几何信息的表达手段。考虑到互信息在揭示数据集的相关性或相似性方面的强大功能,两幅图像的法向量的每个分量之间的互信息之和被用作测量几何信息的分量。灰度分布的互信息作为灰度信息测量的组成部分。灰度部分乘以灰度权重值并与几何部分相加,以获得结合灰度和几何信息的最终新配准度量。在该措施实施并集成到前面介绍的医学图像配准平台后,本文进行了各种实验来验证该措施的有效性。实验结果表明,该方法比仅使用图像单侧信息的方法具有更高的精度,特别是对于低分辨率图像,添加几何信息的方法比仅使用灰度信息的方法具有更高的精度和鲁棒性。