基于几何代数 SURF 的三维医学图像配准研究

三维医学图像可辅助医生的临床诊疗,不同模态三维图像通过配准后,可为医生提供更全面的病患信息,而传统三维多 模态医学图像配准的精度不高、耗时较长且易受干扰。 首先搭建 Hessian 四维尺度空间,将加速稳健特征(SURF)框架拓展至三 维,然后基于几何代数构造了梯度角度不变性的三维特征点描述子,以丰富特征点信息;再设计快速空间寻优算法,不仅可保证 配准精度,且提高配准稳定性;最后,采用数据一致性较好的 RIRE 公开数据集和合作附属医院提供的个性化临床实例数据开 展实验。 实验评估中,以手动配准作为金标准,公开库和临床实例图像的配准均值误差都不超过 3 mm,配准相似性超过 99. 1% ;抗扰实验中混入高斯噪声,均值误差仍不超过 3. 5 mm,相似性超过 98. 9% 。 实验结果表明,基于几何代数 SURF 的三维 配准方法的精度更高且稳定性更强,可为临床适用提供理论基础与诊疗预案。

Research on 3D medical image registration based on geometric algebra SURF