在過(guò)去幾十年科學(xué)技術(shù)的快速發(fā)展中,非剛性圖像配準(zhǔn)已經(jīng)成為生命科學(xué)、醫(yī)學(xué)成像、運(yùn)動(dòng)跟蹤建模、模式識(shí)別等領(lǐng)域不可缺少的核心圖像處理技術(shù)之一。一方面,隨著成像技術(shù)與設(shè)備的進(jìn)一步發(fā)展,含有豐富結(jié)構(gòu)/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(zhǔn)算法面臨著如何高效計(jì)算圖像數(shù)據(jù)的挑戰(zhàn)。另一方面,由于常見(jiàn)的生物組織運(yùn)動(dòng)、病灶發(fā)展以及外部物理性因素,導(dǎo)致待配準(zhǔn)圖像中出現(xiàn)對(duì)應(yīng)性缺失和復(fù)雜局部大形變的異常問(wèn)題,更加劇了非剛性圖像配準(zhǔn)算法很難兼顧提高精度與魯棒性的兩難問(wèn)題。為了精確、魯棒、高效地解決非剛性圖像配準(zhǔn)中存在的對(duì)應(yīng)性缺失與局部大形變的異常難題,本文提出了一種先估計(jì)全局形變場(chǎng)再局部回歸提升形變場(chǎng)精度的無(wú)監(jiān)督非剛性圖像配準(zhǔn)深度卷積神經(jīng)網(wǎng)絡(luò)框架�？紤]到圖像配準(zhǔn)深度卷積神經(jīng)網(wǎng)絡(luò)就是計(jì)算待配準(zhǔn)輸入圖像對(duì)到輸出兩圖像間形變場(chǎng)之間的映射,而圖像異常使得輸入圖像對(duì)到輸出形變場(chǎng)之間的映射更加難以通過(guò)深度神經(jīng)網(wǎng)絡(luò)直接訓(xùn)練擬合。本文中,我們采用分而治之的策略,將該復(fù)雜映射的學(xué)習(xí)網(wǎng)絡(luò)分解為兩個(gè)更簡(jiǎn)單的子映射網(wǎng)絡(luò)進(jìn)行訓(xùn)練逼近:首先是輸入圖像到粗糙形變場(chǎng)的全局映射深度網(wǎng)絡(luò),緊接著是粗糙形變場(chǎng)到精確形變場(chǎng)局部回歸修正映... 

【文章來(lái)源】：上海交通大學(xué)上海市 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：73 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

單模態(tài)肺部CT圖像的配準(zhǔn)示例

上海交通大學(xué)碩士學(xué)位論文-11-的多視角圖像配準(zhǔn)（Multi-ViewRegistration）；第四類(lèi)，目標(biāo)圖像與圖像公共模板之間的模板配準(zhǔn)（AltasRegistration）。我們以膝蓋圖像的多模態(tài)配準(zhǔn)為示例，在圖1-2中，參考圖像（a）與浮動(dòng)圖像（b）由于成像模式不同，導(dǎo)致圖像存在明顯的灰度差異，傳統(tǒng)基于灰度的相似性測(cè)度是無(wú)效的。為了展現(xiàn)配準(zhǔn)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(dòng)圖像。與配準(zhǔn)前的疊加圖像（c）相比，配準(zhǔn)后的疊加圖像（d）把對(duì)應(yīng)的結(jié)構(gòu)正確對(duì)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(zhǔn)示例Fig.2-Exampleofnon-rigidmulti-modalkneeimageregistration.1.2圖像配準(zhǔn)的發(fā)展與現(xiàn)狀在過(guò)去的幾十年中，圖像配準(zhǔn)算法在醫(yī)學(xué)臨床中發(fā)揮著越來(lái)越重要而廣泛的作用。在放射治療中，圖像配準(zhǔn)已經(jīng)成為臨床放射治療中的基本步驟；在與腫瘤疾病相關(guān)的診斷、手術(shù)階段性規(guī)劃和手術(shù)實(shí)施中放射劑量精準(zhǔn)控制與響應(yīng)監(jiān)測(cè)，配準(zhǔn)算法都起著不可代替作用。另外，基于圖像配準(zhǔn)算法與空間定位導(dǎo)航硬件的手術(shù)導(dǎo)航系統(tǒng)也常常用于圖像引導(dǎo)下的精準(zhǔn)微創(chuàng)手術(shù)，如腦神經(jīng)手術(shù)[9]、介入性放射學(xué)與心臟介入手術(shù)[10]。而在功能性神經(jīng)外科研究中[11]，圖像的多模態(tài)配準(zhǔn)是患者術(shù)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(shù)計(jì)劃。早期的圖像配準(zhǔn)算法研究成果主要集中在簡(jiǎn)單的剛圖像性配準(zhǔn)算法。人們提

上海交通大學(xué)碩士學(xué)位論文-13-素點(diǎn)應(yīng)當(dāng)存在一一對(duì)應(yīng)映射關(guān)系的假設(shè)前提，因而使得傳統(tǒng)圖像配準(zhǔn)方法無(wú)法準(zhǔn)確處理這些異常問(wèn)題。圖像配準(zhǔn)領(lǐng)域的研究者們通常將這種困難的圖像配準(zhǔn)問(wèn)題稱(chēng)為對(duì)應(yīng)性缺失（MissingCorrespondence）和局部大形變（LargeLocalDeformation）。圖1-3存在圖像結(jié)構(gòu)對(duì)應(yīng)性缺失與局部大形變的配準(zhǔn)示例Fig.1-3Exampleofnon-rigidimageregistrationwithmissingcorrespondenceandlargelocaldeformation在圖1-3中展示了腦部MRI圖像結(jié)構(gòu)由于病灶切除，與術(shù)前圖像（a）相比，術(shù)后圖像（b）下方存在著大空洞的對(duì)應(yīng)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(jié)構(gòu)（藍(lán)色方框區(qū)域）帶來(lái)了局部大形變。過(guò)去的幾十年中涌現(xiàn)的大量傳統(tǒng)非剛性圖像配準(zhǔn)算法，主要分為基于特征的非剛性圖像配準(zhǔn)方法與基于圖像灰度的非剛性圖像配準(zhǔn)方法�；谔卣鞯膱D像配準(zhǔn)方法通過(guò)計(jì)算待配準(zhǔn)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(lái)建立來(lái)圖像幾何變換。為了處理配準(zhǔn)圖像中存在的對(duì)應(yīng)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(guò)程中對(duì)對(duì)應(yīng)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(guān)系；CPD[46]將特征匹配問(wèn)題轉(zhuǎn)化為基于混合高斯概率模型的位移形變場(chǎng)估計(jì)問(wèn)題進(jìn)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(zhǔn)方法中，由于幾何變換的計(jì)算過(guò)程易受到特征匹配模糊的影響，仍然很難處理好存在對(duì)應(yīng)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(zhǔn)方法通常將圖像配準(zhǔn)過(guò)程看做求解一個(gè)全局能量函數(shù)最小化問(wèn)題。該能量函數(shù)包含著了形變場(chǎng)的正則化項(xiàng)、圖像相似項(xiàng)。圖像相似度項(xiàng)無(wú)法對(duì)存在圖像異常缺失的區(qū)域進(jìn)行正確描述因而導(dǎo)致錯(cuò)誤的預(yù)測(cè)形變常研究者

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



本文編號(hào)：3597432