在過去幾十年科學技術的快速發(fā)展中,非剛性圖像配準已經成為生命科學、醫(yī)學成像、運動跟蹤建模、模式識別等領域不可缺少的核心圖像處理技術之一。一方面,隨著成像技術與設備的進一步發(fā)展,含有豐富結構/功能信息的高維度、大規(guī)模圖像數(shù)據(jù)的涌現(xiàn)使非剛性圖像配準算法面臨著如何高效計算圖像數(shù)據(jù)的挑戰(zhàn)。另一方面,由于常見的生物組織運動、病灶發(fā)展以及外部物理性因素,導致待配準圖像中出現(xiàn)對應性缺失和復雜局部大形變的異常問題,更加劇了非剛性圖像配準算法很難兼顧提高精度與魯棒性的兩難問題。為了精確、魯棒、高效地解決非剛性圖像配準中存在的對應性缺失與局部大形變的異常難題,本文提出了一種先估計全局形變場再局部回歸提升形變場精度的無監(jiān)督非剛性圖像配準深度卷積神經網絡框架�？紤]到圖像配準深度卷積神經網絡就是計算待配準輸入圖像對到輸出兩圖像間形變場之間的映射,而圖像異常使得輸入圖像對到輸出形變場之間的映射更加難以通過深度神經網絡直接訓練擬合。本文中,我們采用分而治之的策略,將該復雜映射的學習網絡分解為兩個更簡單的子映射網絡進行訓練逼近:首先是輸入圖像到粗糙形變場的全局映射深度網絡,緊接著是粗糙形變場到精確形變場局部回歸修正映... 

【文章來源】：上海交通大學上海市 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：73 頁

【學位級別】：碩士

【部分圖文】：

單模態(tài)肺部CT圖像的配準示例

上海交通大學碩士學位論文-11-的多視角圖像配準（Multi-ViewRegistration）；第四類，目標圖像與圖像公共模板之間的模板配準（AltasRegistration）。我們以膝蓋圖像的多模態(tài)配準為示例，在圖1-2中，參考圖像（a）與浮動圖像（b）由于成像模式不同，導致圖像存在明顯的灰度差異，傳統(tǒng)基于灰度的相似性測度是無效的。為了展現(xiàn)配準前后的差異，我們利用粉紅色與綠色分別表示參考圖像與浮動圖像。與配準前的疊加圖像（c）相比，配準后的疊加圖像（d）把對應的結構正確對齊，如右下區(qū)域的邊緣紋理。圖1-2多模態(tài)膝蓋圖像的配準示例Fig.2-Exampleofnon-rigidmulti-modalkneeimageregistration.1.2圖像配準的發(fā)展與現(xiàn)狀在過去的幾十年中，圖像配準算法在醫(yī)學臨床中發(fā)揮著越來越重要而廣泛的作用。在放射治療中，圖像配準已經成為臨床放射治療中的基本步驟；在與腫瘤疾病相關的診斷、手術階段性規(guī)劃和手術實施中放射劑量精準控制與響應監(jiān)測，配準算法都起著不可代替作用。另外，基于圖像配準算法與空間定位導航硬件的手術導航系統(tǒng)也常常用于圖像引導下的精準微創(chuàng)手術，如腦神經手術[9]、介入性放射學與心臟介入手術[10]。而在功能性神經外科研究中[11]，圖像的多模態(tài)配準是患者術前管理的必不可少一部分，以幫助醫(yī)生優(yōu)化患者的手術計劃。早期的圖像配準算法研究成果主要集中在簡單的剛圖像性配準算法。人們提

上海交通大學碩士學位論文-13-素點應當存在一一對應映射關系的假設前提，因而使得傳統(tǒng)圖像配準方法無法準確處理這些異常問題。圖像配準領域的研究者們通常將這種困難的圖像配準問題稱為對應性缺失（MissingCorrespondence）和局部大形變（LargeLocalDeformation）。圖1-3存在圖像結構對應性缺失與局部大形變的配準示例Fig.1-3Exampleofnon-rigidimageregistrationwithmissingcorrespondenceandlargelocaldeformation在圖1-3中展示了腦部MRI圖像結構由于病灶切除，與術前圖像（a）相比，術后圖像（b）下方存在著大空洞的對應性缺失（紅色箭頭指示的區(qū)域）。這樣的缺失隨后也為周邊附近的結構（藍色方框區(qū)域）帶來了局部大形變。過去的幾十年中涌現(xiàn)的大量傳統(tǒng)非剛性圖像配準算法，主要分為基于特征的非剛性圖像配準方法與基于圖像灰度的非剛性圖像配準方法�；谔卣鞯膱D像配準方法通過計算待配準圖像間局部特征描述子（如SIFT[43]、幾何不變形特征向量[18]）的相似程度來建立來圖像幾何變換。為了處理配準圖像中存在的對應性缺失與局部大形變異常，RPM[44]在迭代模擬退火算法求解過程中對對應矩陣施加了模糊軟賦值策略以保證特征之間的一一映射關系；CPD[46]將特征匹配問題轉化為基于混合高斯概率模型的位移形變場估計問題進行求解。其它的魯棒性匹配策略可參考綜述介紹[39]�；谔卣鞯膱D像配準方法中，由于幾何變換的計算過程易受到特征匹配模糊的影響，仍然很難處理好存在對應性缺失伴隨局部大形變的情形�；趫D像灰度的非剛性圖像配準方法通常將圖像配準過程看做求解一個全局能量函數(shù)最小化問題。該能量函數(shù)包含著了形變場的正則化項、圖像相似項。圖像相似度項無法對存在圖像異常缺失的區(qū)域進行正確描述因而導致錯誤的預測形變常研究者

【參考文獻】：
碩士論文
[1]基于各向異性結構張量和聯(lián)合顯著信息的非剛性醫(yī)學圖像配準研究[D]. 周嘉瑋.上海交通大學 2011



本文編號：3597432