發(fā)布時間：2020-05-10 07:47

【摘要】：醫(yī)學圖像配準是醫(yī)學影像處理和分析的關鍵步驟,在完成圖像信息融合,輔助臨床診斷,預測術后代償效果,跟蹤病理變化以及評估治療效果等方面發(fā)揮著重要作用。然而,醫(yī)學圖像的形變復雜性、模態(tài)多樣性以及灰度差異的非線性等特征使得醫(yī)學圖像配準技術具有巨大的挑戰(zhàn)性。已有的大多數(shù)醫(yī)學圖像配準技術,要么忽略圖像所包含的豐富的空間結構信息,要么對圖像中非線性灰度差異不變性的特征考慮不夠,導致在復雜形變和非線性灰度差異下的醫(yī)學圖像配準存在收斂速度慢、配準精度低和魯棒性差的問題。針對這些問題,本文開展了面向醫(yī)學圖像復雜形變和非線性灰度差異配準的關鍵技術研究。本文通過深入研究和分析現(xiàn)有的醫(yī)學圖像復雜形變和非線性灰度差異配準的關鍵技術,提出了一系列的改進算法。本文主要的研究工作如下:(1)針對傳統(tǒng)互信息僅考慮圖像全局一致的灰度統(tǒng)計特性而忽略了空間結構信息、易引起配準誤差等缺陷,本文提出了一種基于局部結構張量-互信息(Local Structure Tensor-Mutual Information,LST-MI)的多模態(tài)圖像配準算法。為了引入圖像的空間結構信息,本文將互信息與基于局部結構張量提取的圖像結構貢獻強度信息相結合,構建了一個新相似性測度LST-MI。隨后,本文將LST-MI作為基于剛性變換配準模型的目標能量函數(shù),并利用最速下降法的優(yōu)化策略來尋找全局最優(yōu)的模型參數(shù),實現(xiàn)了多模態(tài)圖像的配準。接下來,本文從不同角度探討了具有復雜形變肺部器官的非剛性配準問題。非剛性配準過程均在該算法所搭建起的剛性配準平臺上進行的。(2)針對胸部隨訪CT圖像之間存在較為嚴重的形變,而使得它們的配準魯棒性弱以及精確度低等問題。為了克服這些問題,本文通過研究基于邊緣保持平滑濾波器的正則化模型,提出了一種基于HDCS(Hybrid Diffusion filter with Continuous Switch,HDCS)濾波器的新正則化模型約束的圖像配準算法。首先,本文將HDCS濾波器代替Gaussian濾波器來實現(xiàn)形變位移場的正則化,構建了一個新正則化方法。其次,本文將該新正則化方法用于基于微分同胚Demons的形變配準模型來實現(xiàn)配準。該新正則化方法能夠避免配準過程中形變位移場的過平滑現(xiàn)象,從而降低配準過程陷入局部極值的風險,提高了配準魯棒性和精確度。(3)針對Log-Demons配準算法及其改進算法中僅采用SSD作為配準模型的相似性項,而忽略了局部結構特征的相似性度量,導致了它們對大而復雜形變圖像的配準性能仍然不理想。為此,本文提出了一種基于Log-Euclidean協(xié)方差矩陣描述符的醫(yī)學圖像配準算法。在Log-Demons配準模型的基礎上,本文首先構建了具有旋轉、縮放和尺度不變性的局部結構描述符LECM(Log-Euclidean Covariance Matrices,LECM),然后將參考圖像的LECM描述符對數(shù)和浮動圖像的LECM描述符對數(shù)之間的歐氏距離作為一個新的匹配項添加到Log-Demons配準模型的目標函數(shù)來實現(xiàn)圖像配準。該新匹配項為配準過程中形變位移場的更新提供了結構約束,且保持了新目標函數(shù)的可微性,提高了配準魯棒性和配準精度。(4)針對多模態(tài)醫(yī)學圖像較大非線性灰度差異所造成的配準精度低和魯棒性差的問題,本文鑒于頻率特征對非線性灰度差異的不變性,提出了一種基于局部相位和相位一致性的多模態(tài)醫(yī)學圖像配準算法。為了克服非線性灰度差異對配準性能的影響,本文利用多方向的局部相位均值和相位一致性特征構建了具有非線性灰度差異不變性的LPPCO(Local Phase mean and Phase Congruency of different Orientations,LPPCO)特征描述符,并將LPPCO之間的歸一化互相關(Normalized Cross Correlation,NCC)度量作為快速模板匹配模型的相似性測度來實現(xiàn)配準。實驗結果表明,本文的算法對存在復雜形變和非線性灰度差異的圖像配準具有較強的魯棒性、較高的精確度和較快的收斂速度,因此對完善醫(yī)學圖像配準理論、拓展配準的應用領域等具有重要的參考價值。
【學位授予單位】：華南理工大學
【學位級別】：博士
【學位授予年份】：2019
【分類號】：R445;TP391.41

【參考文獻】

相關期刊論文 前2條

1 唐科威;劉日升;杜慧;蘇志勛;;一種基于張量和洛侖茲幾何的降維方法[J];自動化學報;2011年09期

2 袁克虹;向蘭茜;;用于計算機輔助診斷的肺實質(zhì)自動分割方法[J];清華大學學報(自然科學版);2011年01期

相關博士學位論文 前10條

1 陳彥彤;基于局部不變特征的遙感圖像星上目標識別技術研究[D];中國科學院長春光學精密機械與物理研究所;2017年

2 趙麗亞;腫瘤手術導航中圖像分割與配準方法研究[D];北京工業(yè)大學;2016年

3 李碧草;基于信息論測度的醫(yī)學圖像配準技術研究[D];東南大學;2016年

4 吳茜;精準放射治療中圖像配準關鍵技術研究[D];中國科學技術大學;2015年

5 張超;基于局部特征的圖像配準算法及應用研究[D];北京理工大學;2015年

6 曹祝樓;醫(yī)學圖像配準中的若干關鍵問題研究[D];山東大學;2015年

7 張靜亞;非剛體醫(yī)學圖像配準技術研究[D];蘇州大學;2015年

8 靳峰;基于特征的圖像配準關鍵技術研究[D];西安電子科技大學;2015年

9 王雷;多模態(tài)醫(yī)學圖像配準與融合關鍵算法研究[D];華南理工大學;2013年

10 潘曉光;醫(yī)學圖像配準算法及其應用的研究[D];東北大學;2012年

相關碩士學位論文 前3條

1 吳仲明;基于體可視化的計算機輔助頭部輪廓測量系統(tǒng)研究[D];華南理工大學;2016年

2 岑梓源;基于GPU的醫(yī)學圖像體繪制技術研究[D];華南理工大學;2013年

3 冀曉兵;圖像尺寸變換的算法研究[D];西安建筑科技大學;2011年

，

本文編號：2656984