本文選題：醫(yī)學(xué)圖像配準(zhǔn) + 醫(yī)學(xué)圖像變換��； 參考：《河北工業(yè)大學(xué)》2015年碩士論文

【摘要】：近年來,隨著醫(yī)學(xué)影像技術(shù)的不斷進步和發(fā)展,各種模態(tài)的醫(yī)學(xué)圖像應(yīng)運而生。臨床診斷應(yīng)用中,為了使多種模態(tài)的圖像信息可以得到綜合利用,就需要把不同模態(tài)或者不同時刻、不同成像條件的醫(yī)學(xué)圖像結(jié)合起來。但是,不同模態(tài)的圖像在空間位置上往往不能保證一致,因此首先要進行圖像配準(zhǔn),運用多模態(tài)醫(yī)學(xué)圖像配準(zhǔn)技術(shù)來解決這一問題。醫(yī)學(xué)圖像配準(zhǔn)是指通過尋找某種空間變換,使兩幅圖像的特征點達到空間位置和解剖結(jié)構(gòu)上的完全一致,要求配準(zhǔn)的結(jié)果能使兩幅圖像上所有的解剖點或至少是具有診斷意義以及在手術(shù)區(qū)域內(nèi)的點都達到匹配。迭代最近點(Iterative Closest Point,ICP)算法是一種基于特征點集的圖像剛性配準(zhǔn)算法。在一系列剛性配準(zhǔn)算法中,ICP算法能使兩幅圖像之間的距離快速達到很近的位置,但是這一最近距離值收斂到一定的程度便不再變化。因此,為了提高配準(zhǔn)的精度,本文結(jié)合了免疫算法來對ICP算法的配準(zhǔn)結(jié)果精度進行進一步的提高。本文分別運用ICP算法、免疫算法和免疫ICP算法對二維和三維醫(yī)學(xué)圖像進行了不同變換程度下的配準(zhǔn)實驗,并且對三種算法的實驗結(jié)果進行了對比分析。ICP算法收斂速度快,穩(wěn)定性也較好,但僅使用ICP算法獲得的配準(zhǔn)精度到達一定值之后便不再提高。免疫算法的收斂速度比較慢,不適合單獨使用。本文采用的免疫ICP算法結(jié)合了兩種算法的優(yōu)點,獲得了較好的配準(zhǔn)效果。實驗結(jié)果表明,免疫ICP算法在兩套二維圖像數(shù)據(jù)源實驗中的配準(zhǔn)精度比ICP算法提高了11.96%和11.86%,在兩套三維圖像數(shù)據(jù)源實驗中的配準(zhǔn)精度比ICP算法提高了12.51%和10.75%。
[Abstract]:In recent years, with the continuous progress and development of medical imaging technology, various modes of medical images emerge as the times require. In clinical diagnosis, in order to make the image information of multiple modes be used synthetically, it is necessary to combine the medical images with different modes, different times and different imaging conditions. However, the spatial location of images with different modes is often not consistent. Therefore, the first step is to carry out image registration, and to solve this problem by using multi-modal medical image registration technology. Medical image registration means that the feature points of two images can reach the same spatial position and anatomical structure by looking for some kind of spatial transformation. The registration results can match all the anatomical points or at least the points in the surgical area of the two images. Iterative nearest Closest algorithm is a rigid image registration algorithm based on feature set. In a series of rigid registration algorithms, ICP algorithm can make the distance between two images reach a very close position quickly, but the nearest distance value converges to a certain extent and does not change. Therefore, in order to improve the accuracy of registration, this paper combines the immune algorithm to further improve the accuracy of the registration results of the ICP algorithm. In this paper, ICP algorithm, immune algorithm and immune ICP algorithm are used to carry out registration experiments of 2D and 3D medical images in different degrees, and the experimental results of the three algorithms are compared and analyzed. The convergence speed of the three algorithms is fast. The stability is also good, but the registration accuracy obtained by using ICP algorithm can not be improved when it reaches a certain value. The convergence speed of immune algorithm is slow, and it is not suitable for use alone. The immune ICP algorithm proposed in this paper combines the advantages of the two algorithms and achieves a good registration effect. The experimental results show that the registration accuracy of immune ICP algorithm in two sets of two-dimensional image data source experiments is 11.96% and 11.86% higher than that of ICP algorithm, and 12.51% and 10.75% higher than that of ICP algorithm in two sets of 3D image data source experiments.
【學(xué)位授予單位】：河北工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TP391.41

【參考文獻】

相關(guān)期刊論文 前5條

1 盧軍;;基于人工免疫算法的優(yōu)化問題研究[J];煤炭技術(shù);2012年01期

2 吳f3恬;;免疫算法原理及應(yīng)用研究[J];科技信息;2011年08期

3 張利偉;劉宏;張可領(lǐng);許紅軍;趙娟;;CT/MRI圖像融合在腫瘤三維適形放射治療中的應(yīng)用[J];現(xiàn)代腫瘤醫(yī)學(xué);2009年10期

4 張志宏;;醫(yī)學(xué)圖像處理技術(shù)概述[J];長治學(xué)院學(xué)報;2009年02期

5 湯凌;鄭肇葆;虞欣;;一種基于人工免疫的圖像分割算法[J];測繪科技情報;2006年03期

相關(guān)博士學(xué)位論文 前1條

1 許鴻奎;醫(yī)學(xué)圖像配準(zhǔn)關(guān)鍵技術(shù)研究[D];山東大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 王聰;基于視頻特征的圖像配準(zhǔn)算法的研究[D];北京理工大學(xué);2015年

2 徐立建;基于特征的圖像配準(zhǔn)算法研究[D];中國石油大學(xué)（華東）;2013年

3 李元璐;基于ICP算法的醫(yī)學(xué)圖像配準(zhǔn)的研究[D];河北工業(yè)大學(xué);2012年

4 盧柳伊;基于進化計算的腦MR圖像動態(tài)配準(zhǔn)算法研究[D];重慶大學(xué);2012年

5 徐凱;多模態(tài)醫(yī)學(xué)圖像的配準(zhǔn)與融合技術(shù)研究及應(yīng)用[D];重慶理工大學(xué);2011年

6 杜元灰;醫(yī)學(xué)圖像分割算法的研究與實現(xiàn)[D];東北大學(xué);2010年

7 劉芬;基于變化檢測技術(shù)的腦瘤計算機輔助診斷方法應(yīng)用研究[D];山東大學(xué);2010年

8 計玉芳;醫(yī)學(xué)圖像分割算法的研究與應(yīng)用[D];江南大學(xué);2009年

9 呂煊;基于角點特征和最大互信息的多模醫(yī)學(xué)圖像配準(zhǔn)[D];山東師范大學(xué);2008年

10 曹蹊渺;基于互信息的圖像配準(zhǔn)算法研究[D];北京交通大學(xué);2008年

，

本文編號：1950818