医学图像非刚性配准

本文是一篇图像论文范文,关于图像相关毕业论文的格式,关于医学图像非刚性配准相关专升本毕业论文范文。适合图像及刚性及医学方面的的大学硕士和本科毕业论文以及图像相关开题报告范文和职称论文写作参考文献资料下载。

摘 要：非刚性配准是医学图像配准的研究热点.将非刚性配准进行了分类,分析了非刚性配准方法,提出了非刚性配准的研究热点.

关 键 词：医学图像；配准；非刚性

中图分类号：TP317.4文献标识码：A文章编号：1672-7800（2012）012-0175-02

0引言

医学图像配准是指在源图像和目标图像之间寻求某种变换,使得两幅图像上的特征点达到空间上的一致,是医学图像信息融合和知识发现的关键技术,在疾病诊断、临床治疗、手术、疗效评估等方面得到了广泛应用.对于人体四肢骨骼图像和头部这样不易变形部位的图像的配准,采用刚性配准技术.刚性配准中,图像内部任意两点间的距离变换前后保持不变,因而采取缩放、平移和旋转等线性变换方法即能进行配准.

但是对于胸部、腹部这样容易变形部位的图像的配准,对于不同个体之间图像的配准或者发生图像变形的情况,在图像变换前后,内部任意两点间的距离不再保持不变,需要采用非刚性配准技术.作为一个正在进行的研究领域,同刚性配准相比,非刚性配准技术还不成熟,大多数算法仍在扩展和评估阶段,计算效率和稳定性还有待提高.

1非刚性配准分类

可以根据配准的对象和配准的机理对医学图像非刚性配准进行分类.利用前一种分类法可以将医学图像非刚性配准分为：

（1）同一对象,同一模式,不同时间.待配准图像来源于同一个体、同一成像设备,但获取时间不同.主要目的是利用图像间的差异,对感兴趣区域或目标的生长、形变等过程进行观察,从而监视疾病的发展或对治疗效果进行评估.

（2）同一对象,不同模式.待配准图像来源于同一个体、不同成像设备.主要目的是利用不同图像之间的信息互补优势,比如将解剖信息和功能信息相结合,提供更加全面、可靠的综合信息.这类配准在疾病诊断和临床治疗中最为常见,是医学图像非刚性配准的重点研究方向.

（3）不同对象,同一模式.待配准图像来源于不同个体,但是来自于同一成像设备.其主要目的一是建立统计图谱和基于图谱进行自动医学图像分割；二是将受试者图像和正常人相同部位图像进行对比以确定前者是否正常,或者在已经异常的情况下与一些疾病的典型图像进行对比,以确定受试者是否患有某种疾病.

（4）不同对象,不同模式.待配准图像来源于不同个体,不同成像设备.此种情况下,即使是同一类型图像,例如CT或者MR,因为来自不同的成像设备,若对其进行配准,前述的同一模式下的配准方法也不再适用,需要研究新的配准方法.

根据图像配准的机理,可以将医学图像非刚性配准分为基于几何特征对应的配准和基于体素相似性配准两类.基于几何特征对应的配准,就是将待配准图像中的点、线、曲面、区域等几何图元相互对应.基于体素相似性的配准,就是利用图像全体像素信息,对不同影像的灰度统计特征进行全局最优化,从而实现图像配准.

2非刚性配准方法

对于非刚性配准,人们已经提出了基于空间变换和基于伪物理模型两大类方法.前者采用图像的空间变换拟合图像的变形,后者基于图像间的差异由物理变形引起的假设,从而构造能够拟合这种变形的物理模型.

2.1基于空间变换的方法

第一种方法是多项式函数法,该法能够模拟全局形状改变,不能调整局部形状改变,高多项式次数可导致赝像.

第二种方法是样条法,该法基于可以在源图像和目标图像当中能够确定一组对应点（控制点）,在变换中将目标图像中的控制点映射到源图像中的对应点.薄板样条是目前使用较多的一种样条配准法,其优点是可以将诸如刚性约束、方向约束等附加的约束加入模型以提高配准精度,缺点是因为控制点对变换具有全局影响,导致难以模拟局部变形.B-样条函数能够模拟自由变形,可以用来控制局部变形.

第三种是基函数法,使用一组基函数的线性组合来描述变形场,常用傅立叶基函数或小波基函数的线性组合.

2.2基于伪物理模型的方法

第一种是弹性模型,原理是将源图像到目标图像的形变过程建模为一个类似于拉伸橡皮这样的弹性材料的物理过程.该过程由两种力——外力和内力来控制,外力是外界作用于弹性体的力,内力是抵消使弹性体从平衡形状变形的力,当内力和外力达到平衡时变形过程结束.在弹性模型中,因为压力导致变形能量随变形强度按比例增加,不能模拟高度的局部变形,但适用于组织变形较小的情形.

第二种是粘性流体模型,原理是将源图像建模为粘性流体,该流体在内力作用下拟合目标图像.内力在图像随时间变形的过程中得到释放,完全释放后流体停止流动.粘性流体模型能够模拟高度局部化的变形,也能够模拟大变形,原则上可以实现任何复杂的变形.

第三种是光流场模型.光流的概念最早出现在计算机视觉中,是为了补偿时序图像的两幅连续帧之间物体和视点的相对运动.目前最著名的是Demons算法,它把图像配准问题看作物理学中的扩散问题,把固定图像中对象的边界看作半可渗透的薄膜,把浮动图像看作可形变的网格.网格在位于薄膜中的受动器作用下进行扩散.算法判断出浮动图像上各个像素点的运动方法,通过对各个像素点的移动来实现医学图像非刚性配准.

3医学图像非刚性配准研究热点

3.1多模态非刚性配准

利用不同模态图像之间的信息互补优势,比如将解剖图像和功能图像进行配准后,进行图像信息融合,可以为诊断和治疗提供更加全面、可靠的信息.这是医学图像非刚性配准的重点研究方向,也是热点方向.目前,多模态配准已有所发展,但是仅限于两种模态的配准,如MR和CT图像的配准,将来有可能发展到三种以上模态图像的配准,还有许多问题有待解决.

3.2高效的全局优化算法

可以将医学图像配准的过程归结为一个多参数优化问题.传统的局部优化算法容易陷入局部极值,从而导致配准误差.解决此问题的方法一是将局部优化算法与多分辨率策略或者多尺度方法相结合；二是使用全局优化算法.使用全局优化算法如粒子群、遗传算法、模拟退火算法能够取得有效的医学图像配准,但是需要非常大的时间代价,这就需要研究高效的全局优化算法.

3.3并行、分布式环境下的算法模型

利用并行计算、分布式等计算技术可以提高全局优化算法的执行速度,但是需要研究这些计算环境下的算法模型.

4结语

同刚性配准相比,非刚性医学图像配准还不成熟.大多已提出的非刚性配准算法仍在扩充和评估阶段,其效率与稳定性有待提高.因此,医学图像非刚性配准是一个非常活跃的研究领域,值得进一步深入研究.