基于小波变换的脑部医学Demons图像配准

非刚性配准是医学图像处理的一个重要研究方向;针对Demons衍生出的一系列经典的配准算法在医学图像应用上计算复杂、方向信息不足问题进行了研究;基于光流场模型的Demons算法依赖图像灰度梯度使图像发生变形,当缺乏梯度信息时,力不能确定,因而容易造成误差,并且该算法仅适合于单模态图像配准;为此文章提出了一种基于小波变换理论的频域Demons配准处理方法(B-Demons);该方法利用小波变换能够对各个尺度、方向和位置实现较好定位的优势,通过高频、低频的图像变换反映出图像的特征信息;实验结果证明了算法的有效性和鲁棒性。     

牙周膜胶原纤维组织切片的显微图像配准

针对牙周膜胶原纤维组织切片在制作过程中对力度和方向非常敏感,极易造成组织变形和空间位移的问题,采用了一种有效的图像配准方法,以便后期对胶原纤维组织空间结构的重建。在Masson染色制成的兔牙周膜石蜡切片的基础上,利用高倍光学显微镜获得了牙周膜的序列切片图像;再采用基于正规步长梯度下降的二维刚性配准和基于对数域对称Demons微分同胚非刚性配准相结合的方法,对牙周膜序列切片图像进行级联配准。实验结果表明,相对于有限元非刚性配准而言,对数域对称Demons微分同胚非刚性配准方法具有较好的优势,其配准每张图片的平均时间为有限元法的3.1%,而配准均方误差平均为有限元法的89%。     

大形变微分同胚图像配准快速算法

本文提出一种研究大形变图像配准算法. 大形变使得图像信息和拓扑结构有较大的改变, 目前该方面的研究仍然是一个难点. 基于严密数学理论的微分同胚Demons算法是图像配准的著名算法, 为解决大形变配准问题提供了重要基础. 基于对微分同胚Demons算法的研究结合流形学习的思想提出一种大形变图像配准的新算法(MRL算法). 新算法通过挖掘图像的局部和全局流形信息改进微分同胚Demons 速度场的更新, 更好地保持图像的拓扑结构. 对比实验结果表明, 本文所提出的算法能够快速高精度地实现大形变图像的配准.     

梯度与曲率变形力相结合的图像配准方法——大形变非刚性图像配准

Active Demons算法是Demons算法的改进形式,其将形变配准视作扩散问题,利用牛顿作用力与反作用力思想,仅依靠梯度信息确定浮动图像的位移,在处理大形变配准问题时存在配准精度不高的弊病。将等照度线曲率作为一个控制形变的驱动力因素引入Active Demons扩散方程,建立了一个具有梯度与曲率双重驱动力相结合的非线性扩散模型（Active G&C model）,并在Active G&C模型应用于大形变图像配准的算法实现过程中加入多分辨率策略,以提高大形变图像的配准精度。实验结果表明,这一模型较经典的Active Demons算法具有更好的配准性能。     

基于边缘保护尺度空间的形变配准方法及在自适应放疗中的应用

计划CT图像与锥形束CT (Cone beam CT, CBCT)图像的配准是基于CBCT图像引导放射治疗(Image guided radiation therapy, IGRT)系统中实现自适应放疗(Adaptive radiation therapy, ART)的关键部分.边缘保护多尺度空间基于非线性扩散模型,可以为基于互信息的配准提供丰富的空间位置信息.为了提高系统中配准算法性能,本文提出了一种基于边缘保护尺度空间与自由形变模型(Free form deformation, FFD)相结合的多尺度形变配准方法.我们采用了在不同的尺度上根据精细程度选择相应的自由形变控制点数,由粗及精地恢复形变.同时, 提出了自动获取非线性扩散模型中平滑参数λ的方法来实现全自动配准. 实验结果表明,本文提出的方法用于基于CBCT的图像引导放射系统时,可实现日常放疗时的CBCT图像和计划CT图像准确且快速的配准.通过获得的形变域,可实现CBCT图像肿瘤靶区、危及器官(Organ at risk, OR)和等剂量线的自动勾画,从而实现剂量体积直方图(Dose volume histograms, DVH)分析.最终实现了放疗计划从CT到CBCT的自适应转移.     

基于自适应分数阶的医学图像非刚性配准

现有的医学图像配准算法对于灰度均匀、弱边缘以及弱纹理图像易陷入局部最优从而导致配准精度低下、收敛速度缓慢. 分数阶主动Demons (Fractional active Demons, FAD)算法是解决该问题的有效方法, 并且适用于图像的非刚性配准. 但FAD中的最佳分数阶阶次是人工交互选取, 并且对整幅图像都是固定不变的. 为了解决该问题, 提出一种阶次自适应的主动Demons算法并将其应用到医学图像的非刚性配准中. 算法首先根据图像的局部特征建立分数阶阶次自适应的数学模型, 并逐像素计算最优阶次, 基于该阶次构造Riemann-Liouvill (R-L)分数阶微分动态模板; 然后将自适应R-L分数阶微分引入到Active Demons算法, 在一定程度上缓解了图像配准在弱边缘和弱纹理区域易陷入局部最优问题, 从而提高了配准精度. 通过在两个医学图像库上进行实验验证, 实验结果表明该方法可以处理灰度均匀、弱纹理和弱边缘的医学图像非刚性配准, 配准精度得到较大提升.     

梯度与曲率变形力相结合的图像配准方法

针对Demons算法将形变配准视作扩散问题,仅靠梯度信息确定浮动图像的位移,在梯度非常小时图像形变方向不能确定,会导致错误的配准变换这一弊病,将等照度线曲率作为一个控制形变的驱动力因素引入Demons扩散方程,建立了一个具有梯度与曲率双重驱动力的非线性扩散模型,将其应用于图像配准。实验结果表明,这一模型较经典Demons算法具有更好的配准性能。     

基于ITK的Mattes互信息医学图像配准研究

近年来非刚性医学图像配准在临床上的需求越来越明显,而使用互信息的方法已经受到许多学者的关注。本文较为详细的介绍了医学图像分割与配准算法工具包在VS2008中的安装和使用,基于该工具包完成了2D-2DMRI脑部图像的Mat-tes互信息配准,对互信息算法及其实现做了研究,并提出了使用图像金字塔算法策略联合互信息测度进行配准的方案。实验表明,与没有使用联合策略的配准方法相比,该方案在配准鲁棒性没有受到明显影响的同时,提高了配准速度和精度。     

基于最小概率距离和改进PV插值的图像配准

提出一种基于最小概率距离和改进部分体积(PV)插值的图像配准方法。采用Powell优化算法迭代搜索对称KL距离的最小值,获取最小概率距离,将其作为配准测度,并利用改进的PV插值算法提高图像配准的鲁棒性。实验结果表明,与基于互信息的图像配准方法相比,该方法能有效地减少耗费时间,提高配准精度。     

基于VTK的图像三维可视化系统

图像的三维可视化可以通过可视化工具包（VTK）提供的API实现。VTK是图像可视化的开法工具包,它把可视化的算法封装起来,利用简单的代码生成所需图形。基于VTK的图像三维可视化系统阐述了如何借助VTKAPI读入二维图像序列、操作二维图像、重建三维图像以及进行三维图像可视化的全套方案,为可视化观察二维图像提供了有益的途径。     

配准算法对 PCA 单幅投影肺部重建的影响

肺癌放射治疗中,肺部肿瘤位置实成像对于临床意义重大。在一种利用单X射线投影进行成像的实时肺部3D成像算法中,图像配准过程引入的不准确对于PCA模型构建以及重建过程有重大影响。文章分析了光流法、Demons算法、水平集算法三种配准算法对重建效果的影响,并通过定性以及定量实验分析验证。结果表明,光流法配准在配准结果以及模型构建方面有较好的效果。     

脊柱手术导航中分步式2D/3D图像配准方法

为实现微创脊柱手术导航,提出一种将脊柱术前CT与其术中X射线图像配准的方法.首先基于一种最近点迭代法进行快速粗配准;然后提取图像的梯度特征,根据投影变换原理,采用寻找具有CT最大梯度投影位置的方法进行精配准.在模拟数据及临床标本上进行实验的配准率分别为92%和78%. 实验结果表明:该方法鲁棒性强、人工干预少、适合于临床应用.     

基于深度卷积特征光流的形变医学图像配准算法

光流法是一种基于光流场模型的重要而有效的形变配准算法。针对现有光流法所用特征质量不高使得配准结果不够准确的问题，将深度卷积神经网络特征和光流法相结合，提出了基于深度卷积特征光流（DCFOF）的形变医学图像配准算法。首先利用深度卷积神经网络稠密地提取图像中每个像素所在图像块的深度卷积特征，然后基于固定图像和浮动图像间的深度卷积特征差异求解光流场。通过提取图像的更为精确和鲁棒的深度学习特征，使求得的光流场更接近真实形变场，提升了配准精度。实验结果表明，所提算法能够更有效地解决形变医学图像配准问题，其配准精度优于Demons算法、尺度不变特征变换(SIFT) Flow算法以及医学图像专业配准软件Elastix。     

基于感兴趣窄带区域的同步分割与配准方法及在IGRT中的应用

医学图像分割与配准是图像引导放疗(Image guided radiation therapy, IGRT)系统中的关键技术. 为提高基于CBCT (Cone beam CT)的IGRT系统实施胸腹部肿瘤放疗的实时性与自适应性, 特别是实现重要危及器官肝脏区域照射剂量的合理控制, 本文提出一种基于感兴趣窄带区域的同步分割与配准方法, 目标是实现放疗计划系统中计划CT和CBCT图像目标区域的分割与配准. 通过构建感兴趣窄带模型, 并且与活动轮廓模型相结合实现初始分割, 然后与基于光流场(Optical flow field, OFF)的形变配准方法进行循环迭代, 从而构造ASOR分割与配准同步模型(Active contour segmentation and optical flow registration synchronously, ASOR). 在方法实施时, 首先利用非线性扩散模型和窄带活动轮廓模型在CT图像中提取肝脏空间初始位置信息, 为同步模型提供合理的肝脏初始轮廓. 然后将该轮廓及相应窄带区域经仿射变换映射到CBCT图像, 进而结合构造的ASOR同步模型, 用光流场确定活动轮廓水平集的运动情况, 使分割与配准在同一个演化过程中完成迭代. 实验结果和临床应用表明, 本文提出的方法应用于基于CBCT的IGRT系统时, 可实现肝脏组织的自动分割与放疗剂量分布的快速计算. 同时, 我们将同步过程中获得的形变域用于实现肝脏与肿瘤靶区等剂量线从计划CT到CBCT的自适应转移, 进行自适应放疗效果的临床测评.     

基于非刚性配准的交互式医学图像序列分割

提出了一种新的交互式医学图像序列分割算法,该算法将非刚性配准技术和解剖先验知识相结合把图像分割问题转化为图像配准问题。首先采用Demons算法进行图像配准,用光流法计算瞬时位移,设计了一个新的停止准则使其能自适应地确定迭代次数,并将它在金字塔型的多尺度框架下实现。然后用配准得到的形变域对已精确分割的图像进行形变就能自动地获得未分割目标图像的分割结果。扩展上述过程就可实现整个图像序列分割。试验结果表明该算法用户干预少、分割速度快、分割结果准确。     

基于改进Demons算法的三维肺部医学影像配准研究*

为实现相同个体在不同呼吸状态下产生较大形变的三维肺部医学影像配准,提出一种基于改进Demons算法的精确有效配准方案。首先,对待配准影像进行全局非刚性配准。通过尺度不变特征变算法对影像进行特征点提取与匹配,根据匹配结果计算变换参数,完成全局配准;其次,利用改进Demons算法对全局配准后的影像进行局部非刚性配准。使用改进的方案实现了人体肺部影像配准,并且肺部整体轮廓以及内部组织的配准结果较理想。配准前,影像间的均方误差值为25835.3,经配准后影像间均方误差值降为3726.31,均方误差值下降率为85.58%。提出的方案能够有效配准三维肺部影像,为对肺部呼吸运动估计以及呼吸功能分析提供良好的基础。