基于灰度的医学图像配准技术研究

医学图像配准是医学图像处理的一项重要技术,广泛应用于临床诊断和治疗、计划设计、外科手术等领域中.从基于灰度的医学图像配准角度,描述了医学图像配准的基本过程和优化策略,着重阐述了目前普遍采用的相关技术和方法的表示形式,以及这些方法的特点和应用领域,并进一步分析了在这一方面的研究中存在的问题和未来的发展方向.     

医学图像配准中的数据抽样方法研究

针对在基于灰度的医学图像配准中,传统数据抽样方法在过抽样时产生较多的局部极值点问题,提出了基于浮动图像灰度概率分布和其梯度信息的抽样方法.通过对人体脑部的刚体配准实验,从函数曲线和收敛性能方面,对比分析了五种数据抽样方法.实验结果表明,新抽样方法可以有效地减少局部极值点,提高归一化互信息测度的收敛性能.     

BSP模型下最大互信息医学图像配准研究

文中研究了在医学图像处理中基于最大互信息的图像配准的理论和实现的算法,并在此基础上给出了并行模型BSP下的实现算法。通过实验数据可以分析得出,文中提出的算法可以很好地解决医学图像处理中的图像配准的速度。     

医学图像的非刚性配准技术研究

非刚性配准技术是医学图像领域的一个重要研究方向，对于图像的进一步分析起着非常重要的作用。目前也已经提出了很多种解决方法，但是算法的成熟性远低于刚性配准，在临床中几乎没有应用。现对这些方法做了一个回顾，并详细阐述了非刚性配准的分类、方法、评估及研究进展。     

新的Jensen-Schur测度在医学图像配准中的应用

针对传统的互信息和归一化互信息运算时间长、收敛性能和抗噪声能力差的缺点,提出了一种新的医学图像配准测度,Jensen-Schur测度.从理论上分析了该测度可用于图像配准的性质,并构造了三类Jensen-Schur测度:Jensen-Schur-alpha、Jensen-Rényi-alpha、JenserrSchur-w测度.通过对人体脑部MR/CI"和MR/PET图像的刚体配准实验,从运算时间、收敛性能、抗噪鲁棒性方面,对这三类测度、互信息和归一化互信息进行了比较和分析.实验结果表明,Jensen-Schur-alpha(alpha=2或3)和Jensen-Schur-w测度的收敛性能优于其它测度,运算速度快于其它测度,对噪声有很强的鲁棒性.最后用Jensen-Sehur-alpha(alpha=2)测度进行多模态医学图像的配准实验,结果表明效果良好.     

医学图像配准中的改进型Ⅰα信息测度研究

针对互信息测度在配准医学图像时存在速度慢和有时误匹配的缺点，提出了2种改进型Ⅰα信息测度：FNⅠα信息和SNⅠα信息。通过人体脑部CT／MR和MR／PET图像的刚体配准实验，从函数曲线、计算时间和收性能对Ⅴ信息、互信息、Ⅰα信息、FNL和SNⅠα信息进行了比较与分析。实验结果表明，FNL信息测度的收敛性能远优于其它测度，对噪声有很强的鲁棒性；SNⅠα信息在计算速度方面较互信息有一定程度的提高。     

基于ITK实现多模态医学图像配准

多模态医学图像配准是医学图像配准领域的一项关键技术.目前,医学图像配准技术已经拥有了不少成熟的算法,但因其算法本身的复杂性或编程的复杂性,给许多致力于医学图像的分析处理和应用研究但又缺乏软件开发经验的研究人员增加了研究工作的难度.以基于互信息的多模态医学图像配准算法为例,将ITK有关类库函数应用于医学图像配准中.给出了基于ITK实现图像配准的处理流程、数据输入输出方式以及算法的编译和运行方法.实例表明,基于ITK的配准算法简化了医学图像配准程序的开发工作,为医学图像引导临床诊断的研究应用提供参考.     

基于归一化互信息的CT-MRI脑图像配准

医学图像配准研究有非常重要的临床应用价值。针对现在流行的基于最大互信息量的配准方法展开分析和研究。在此基础上对比研究了归一化互信息配准法。通过对一组CT-MR脑图像配准的仿真研究,证明归一化互信息配准法的配准效果很好。特别是在图像重叠区域较小的情况下,比最大互信息配准法效果优越。     

医学图像配准常用方法与分类

图像配准是当前医学图像领域的研究热点,具有重要的临床诊断和治疗价值.简述了图像配准的基本原理,对当前常用的医学图像配准方法进行了分类,详细分析了基于互信息、傅里叶变换和小波变换三种医学图像配准的算法实现、优缺点及典型应用.     

医学图像配准框架的研究进展及展望

医学图像配准是利用计算机技术实现的参考图像与浮动图像对齐,在医学领域中这一技术的现实应用,更加有助于主治医师了解患者的病灶位置,具备较高的临床应用价值。而融合信息技术与图像技术,在临床诊断和手术治疗中皆可实现更为精准的医学图像判断。为了解析医学图像配准的关键技术应用模式,本文探究近些年来学图像配准框架的研究进展,进而以医学配准维度探索发展前景。     

基于SURF的彩色图像配准

提出了一种基于SURF(Speeded Up Robust Feature)的彩色图像配准算法.该算法利用图像彩色信息计算得到的颜色不变量来提取图像的特征点;提取到特征点后,结合图像的灰度信息为特征点生成特征描述子;最后采用欧氏距离进行相似性度量,提取两幅图像间匹配的特征点对.实验结果表明,该算法在保持算法的快速性和准确性的同时,获得的配准点对比SURF要多.所以该算法可以有效地避免像原始SURF算法那样因为配准点少而造成的配准失效,从而提高了算法的稳定性.     

基于CSURF的彩色图像配准技术

提出了通过构建颜色不变量将彩色图像转换到颜色不变量空间,再构建CSURF描述符进行图像配准的方法。该算法能够充分利用彩色图像的色彩信息,相比其他大多数算法基于灰度图像的配准方法有更高的稳健性,同时继承了SURF算法良好的尺度不变性和旋转不变性,相对于SIFT算法计算量小、计算效率高。通过CSURF描述符性能测试和图像配准测试,证明CSURF算法比灰度图像SURF算法在尺度不变性和旋转不变性方面有更高的稳健性。     

图像融合中的图像配准方法研究

图像配准是对取自不同时间、不同传感器或不同视角的同一场景的两幅图像或者多幅图像匹配的过程。快速准确地实现配准是图像融合的前提,为此提出了基本相似性测度算法的模板匹配方法。对像素相关性小的红外和可见光图像,提出了基于sobel 快速边缘检测的模板匹配方法。     

基于MSD-Vnet的三维医学图像配准

基于编解码结构的卷积神经网络在医学图像配准中具有巨大的应用优势,但是依然存在不足.基于此,提出一种基于多尺度跳过连接、选择核注意力机制及深度监督V-net(MSD-Vnet)的三维医学图像配准方法.该方法使用多尺度跳过连接提高网络对解剖结构位置信息的定位能力,选择核注意力机制根据输入特征的多个尺度自适应调整感受野大小来...     

基于主相位一致性的医学图像配准

 本文提出了一种新的图像特征——主相位一致性(Principal Phase Congruency,PPC),并在此基础上构造了一种新的基于主相位一致性的配准算法.首先计算不同尺度、方向上的相位一致性,然后利用主成分分析将它们进行融合,从而得到信息更加丰富的主相位一致性;将待配准图像的主相位一致性看作模糊集合,引入模糊数学中的贴近度概念,计算它们的模糊相似性.我们对模拟和真实数据进行了实验,结果表明在图像空间分辨率较低,有噪声影响等情况下该算法具有精度高、鲁棒性强的特点,特别适合于医学图像的配准.     

光流场模型用于非刚性医学图像配准

采用一种窗口化的光流配准方法,实现了非刚性医学图像的配准.该方法通过调整窗口函数大小来控制对图像造成的模糊程度,同时采用图像的塔式分解,解决了Horn光流场不能处理大位移的问题.实验结果表明,文中方法可以满足医学图像对于配准精度要求,具有较高的运行效率.     

基于改进Hausdorff测度的医学图像配准算法

 本文针对在医学图像配准中采用Hausdorff(HD)测度算法时存在精度和计算量之间的矛盾,提出了HD测度的改进算法,在HD测度算法中首次引入非线性的Bayesian一致性函数,以达到提高配准精度和抗噪声性能的目的.实验表明,该方法有效地解决了采用传统HD距离测度算法时,因出格点和噪声点引起的误配问题,获得了较好的配准效果.     

基于混合粒子群优化算法的医学图像配准

提出了一种基于粒子群算法PSO和Powell的混合优化算法,将PSO算法的全局搜索能力与Powell算法的局部寻优能力有机地结合起来.即在PSO算法每步迭代后对当前的局部最优解增加一步Powell局部寻优算法,进而保证了解的精确性的同时提高了求解的速度.将其应用于配准过程中对目标函数的最优化,取得了比较好的效果.     

基于轮廓特征点最大互信息的多模态医学图像配准

提出了一种基于轮廓特征点最大互信息的多模态医学图像配准方法,并将粒子群优化算法(PSO)和Powell算法相结合以一种组合的全局优化算法(PPSO)来求取最优配准变换参数.实验结果表明,该方法具有配准精度高、速度快、鲁棒性强等特点,是一种有效地全自动配准方法.