本文關(guān)鍵詞： 圖像配準 肝臟DCE-MRI 靜息態(tài)fMRI 低秩分解 流形學(xué)習(xí) 功能相關(guān)性張量 自由形變模型 LDDMM配準　出處：《南方醫(yī)科大學(xué)》2017年博士論文　論文類型：學(xué)位論文

【摘要】：醫(yī)學(xué)圖像在臨床上的應(yīng)用,比如疾病監(jiān)測和診斷,愈合結(jié)果的評判等等,使其研究和分析迅速成為一個新興領(lǐng)域。隨著圖像尺寸的增加,醫(yī)學(xué)圖像可以提供更多更豐富的醫(yī)學(xué)信息,這些龐大的信息需要及時和準確的解釋和分析。因此,醫(yī)學(xué)圖像配準就變得十分重要且必要,這種處理方式可以讓不同醫(yī)學(xué)圖像傳遞的信息可比,幫助我們從多個層面分析和診斷疾病�；趫D像配準的學(xué)習(xí)和理解,以及對DCE-MRI(Dynamic Contrast-Enhanced Magnetic Resonance Image)和 fMRI(Functional Magnetic Resonance Image)圖像本身特點的理解,本文致力于準確且合理地配準DCE-MRI和fMRI數(shù)據(jù),為之后的醫(yī)學(xué)圖像分析提供更可靠的保證。歸納起來,本論文主要包括以下幾個方面工作:1)造影劑的注入往往使得傳統(tǒng)肝臟DCE-MRI配準方法產(chǎn)生不真實的形變。為了解決這個問題,我們提出了一種基于流形的配準方法。假設(shè)肝臟DCE-MR時間序列位于一個低維流形中,表示DCE-MR圖像中幀與幀之間的本質(zhì)相似度。基于這個流形,我們可以將兩幅較不相似的圖像之間的大形變場分解成流形上一系列相近圖像的小形變場。這樣,我們就可以沿著流形上的測地路徑將每個圖像配準到模板圖像上。在配準過程中,我們使用魯棒的主成分分解方法將造影劑導(dǎo)致的增強部分從原始圖像中分離出來。同時也利用了求測地距離上的均值,自動選擇出無偏差的模板圖像。實驗結(jié)果表明本文提出的方法在保證圖像的拓撲結(jié)構(gòu)的基礎(chǔ)上,可以有效減少由于呼吸等因素造成的肝臟運動。2)使用靜息態(tài)功能磁共振(resting-state fMRI)理解大腦功能需要將大腦功能區(qū)域準確地配準。通常都使用與fMRI對應(yīng)的高分辨率結(jié)構(gòu)圖像的配準結(jié)果輔助fMRI配準。但是,這種配準方法并不能很好的對齊功能區(qū)域。因為解剖結(jié)構(gòu)和功能區(qū)域不一定完全對齊。一些文獻提出可以直接利用灰質(zhì)或者大腦皮層上的功能信息對fMRI數(shù)據(jù)配準。由于灰質(zhì)或者大腦皮層是一個薄且曲率高的結(jié)構(gòu),這樣的功能信息很難得到全腦的功能區(qū)域的準確配準。越來越多的研究表明,大腦功能信息不僅僅存在于灰質(zhì)中同時也存在于白質(zhì)�；谶@個事實,本文提出一種描述功能連接性各向異性的特征描述方法,不僅僅提取灰質(zhì)的功能信息同時提取白質(zhì)的功能信息,最終完成全腦的fMRI配準。本文新的配準方法主要分成兩個部分:首先,利用組織特異的功能連接張量(tissue-specific patch-based functional connectivity tensors,ts-PFCTs),我們分別在白質(zhì)和灰質(zhì)上提取功能的灰度信息和方向信息。其次,使用多通道大形變微分同胚映射(multi-channel Large Deformation Diffeomorphic Metric Mapping,LDDMM)配準算法融合多組織特征得到fMRI準確的功能配準結(jié)果。實驗結(jié)果表明與目前的方法相比,本文方法可以得到更好的功能一致性。
[Abstract]:The clinical application of medical images, such as disease monitoring and diagnosis, evaluation of healing results and so on, makes the research and analysis of medical images rapidly become a new field. Medical images can provide more and richer medical information, which requires timely and accurate interpretation and analysis. Therefore, medical image registration becomes very important and necessary. This method of processing allows different medical images to transmit information comparable, and helps us analyze and diagnose diseases on multiple levels. Learning and understanding based on image registration, as well as understanding the characteristics of DCE-MRI(Dynamic Contrast-Enhanced Magnetic Resonance image and fMRI(Functional Magnetic Resonance image, This paper is devoted to the accurate and reasonable registration of DCE-MRI and fMRI data, which provides a more reliable guarantee for medical image analysis. This paper mainly includes the following aspects: (1) injection of contrast media often results in unreal deformation of traditional liver DCE-MRI registration method. In order to solve this problem, In this paper, we propose a registration method based on manifold, assuming that the liver DCE-MR time series is located in a low dimensional manifold, which represents the essential similarity between frames in the DCE-MR image. We can decompose the large deformation field between two dissimilar images into small deformation fields of a series of similar images on the manifold. We can match each image to the template image along the geodesic path on the manifold. We use robust principal component decomposition to separate the contrast enhancement from the original image. We also use the mean value of the geodesic distance. The experimental results show that the proposed method is based on the topological structure of the image. Can effectively reduce liver movement caused by breathing and other factors. 2) use resting functional magnetic resonance imaging (fMRI) to understand brain function requires accurate registration of brain functional regions. High resolution structures corresponding to fMRI are usually used. Image registration results assist fMRI registration. However, This registration method can not align the functional regions very well, because the anatomical structure and functional areas are not always aligned completely. Some literatures suggest that the fMRI data can be registered directly by using the functional information of gray matter or cerebral cortex. Because gray matter or cortex is a thin, high-curvature structure, It is difficult to get accurate registration of functional regions in the whole brain. More and more studies show that the functional information of the brain exists not only in gray matter but also in white matter. In this paper, a feature description method for describing functional connectivity anisotropy is proposed, which not only extracts the functional information of gray matter, but also extracts the functional information of white matter. Finally, the fMRI registration of the whole brain is completed. The new registration method is divided into two parts: first, Using the tissue-specific patch-based functional connectivity connections of Zhang Liang and PFCTs, we extract gray and direction information from white matter and gray matter, respectively. The multi-channel Large Deformation Diffeomorphic Metric mapping algorithm for multi-channel Large Deformation Diffeomorphic Metric mapping LDDMMs is used to obtain the accurate functional registration results of fMRI. The experimental results show that the proposed method can achieve better functional consistency than the current methods.
【學(xué)位授予單位】：南方醫(yī)科大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2017
【分類號】：R735.7;R445.2;TP391.41

【相似文獻】

相關(guān)期刊論文 前10條

1 劉毅,邵慶余,李橋;醫(yī)學(xué)圖像的色彩處理[J];北京生物醫(yī)學(xué)工程;1998年02期

2 劉毅,邵慶余,李橋;醫(yī)學(xué)圖像的色彩處理[J];醫(yī)療衛(wèi)生裝備;1998年02期

3 杜宏明,李羅洪,呂波;計算機圖像處理技術(shù)在醫(yī)學(xué)影像中的應(yīng)用[J];中華醫(yī)學(xué)信息導(dǎo)報;1997年21期

4 宋廷浩;劉克強;陳孝威;楊魯平;;數(shù)字圖像處理系統(tǒng)在臨床放射學(xué)中的應(yīng)用[J];貴州醫(yī)藥;1992年05期

5 曹新華,蔣大宗,鄭崇勛;一種數(shù)字胸片圖像肺部區(qū)域的自動分割方法[J];生物醫(yī)學(xué)工程學(xué)雜志;1998年04期

6 莊偉,林理忠,胡問國;SDIPS—MI醫(yī)學(xué)圖像微機處理系統(tǒng)[J];現(xiàn)代科學(xué)儀器;1994年01期

7 趙喜平,鄭崇勛;磁共振腦功能成像中圖像的分類及表達[J];中國醫(yī)學(xué)影像技術(shù);2000年02期

8 劉毅,劉維獻;醫(yī)學(xué)圖像的色彩處理[J];醫(yī)學(xué)信息;1998年04期

9 李濤;;醫(yī)院PACS系統(tǒng)的組成及應(yīng)用[J];中國醫(yī)療器械信息;2004年04期

10 楊吉宏,李元振,張民;一種改進的灰度醫(yī)學(xué)圖像平滑濾波算法[J];生物醫(yī)學(xué)工程研究;2005年02期

相關(guān)會議論文 前8條

1 劉海硯;安曉亞;;基于GDI+的圖像快速處理[A];中國地理信息系統(tǒng)協(xié)會第四次會員代表大會暨第十一屆年會論文集[C];2007年

2 郝紅星;吳玲達;宋漢辰;;一種殘損圖像修補算法改進與實現(xiàn)[A];第18屆全國多媒體學(xué)術(shù)會議（NCMT2009）、第5屆全國人機交互學(xué)術(shù)會議（CHCI2009）、第5屆全國普適計算學(xué)術(shù)會議（PCC2009）論文集[C];2009年

3 鄧烈;郁道銀;江潔;李威;;一種基于掩模的圖像平滑方法[A];第三屆全國現(xiàn)代生物物理技術(shù)學(xué)術(shù)討論會論文摘要匯編[C];2000年

4 李弼程;魏俊;郭志剛;王禹;黃玉琪;;一種有效的圖像多分辨鑲嵌技術(shù)[A];第十屆全國信號處理學(xué)術(shù)年會（CCSP-2001）論文集[C];2001年

5 郭海濤;王連玉;田坦;厚宇德;;模糊數(shù)學(xué)在海底小目標聲吶圖像平滑中的應(yīng)用[A];中國海洋學(xué)會2005年學(xué)術(shù)年會論文匯編[C];2005年

6 陳海燕;郭克華;王洪南;趙春霞;;基于各向異性分布偏微分方程的路面圖像平滑技術(shù)[A];圖像圖形技術(shù)與應(yīng)用進展——第三屆圖像圖形技術(shù)與應(yīng)用學(xué)術(shù)會議論文集[C];2008年

7 魏林;王佳;;一種基于OS-CFAR的圖像平滑方法[A];第六屆全國信號和智能信息處理與應(yīng)用學(xué)術(shù)會議論文集[C];2012年

8 楊浩;袁海文;彭琴;武新成;;基于無向圖的瀝青路面裂縫檢測技術(shù)研究[A];2010全國虛擬儀器大會暨MCMI2010’會議論文集[C];2010年

相關(guān)博士學(xué)位論文 前8條

1 唐廠;自然場景的3D深度恢復(fù)及應(yīng)用研究[D];天津大學(xué);2015年

2 周宇佳;醫(yī)學(xué)圖像配準在肝臟DCE-MRI和靜息態(tài)fMRI中的應(yīng)用[D];南方醫(yī)科大學(xué);2017年

3 楊秋菊;基于全天空圖像和紫外圖像的極光事件檢測與分析[D];西安電子科技大學(xué);2013年

4 曾生根;快速獨立分量分析方法及其在圖像分析中的若干應(yīng)用研究[D];南京理工大學(xué);2004年

5 賈迪野;基于偏微分方程的圖像平滑與分割研究[D];哈爾濱工程大學(xué);2005年

6 王騰;大功率碟型激光焊金屬蒸汽圖像動態(tài)特征分析[D];廣東工業(yè)大學(xué);2012年

7 王文惠;基于內(nèi)容的圖像檢索技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2001年

8 曹毅;基于圖像的中國水墨畫繪制方法的研究[D];吉林大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 張冒;貨運索道行走車自動轉(zhuǎn)軌裝置設(shè)計[D];西南交通大學(xué);2015年

2 梁志彪;基于紋理壓縮觀測的圖像自動標注方法研究[D];華南理工大學(xué);2015年

3 高聰;基于GPU的改進型血管重建方法[D];山東大學(xué);2015年

4 肖娜;基于圖像內(nèi)容分析的去噪與編碼研究[D];哈爾濱工業(yè)大學(xué);2015年

5 梁曉罡;面向圖像認知的fMRI數(shù)據(jù)的群組分析研究[D];大連海事大學(xué);2015年

6 張茜;CT圖像中肝臟分割方法研究[D];北京理工大學(xué);2015年

7 邢丹;基于非局部小波和水平集的SAR圖像變化檢測[D];西安電子科技大學(xué);2014年

8 薛長祺;基于多目標聚類與非局部均值的SAR圖像變化檢測[D];西安電子科技大學(xué);2014年

9 韓正汀;自然圖像去霧算法研究[D];西安電子科技大學(xué);2014年

10 胡惠平;基于SIFT的航空視頻影像鑲嵌關(guān)鍵技術(shù)的研究[D];福州大學(xué);2013年

，

本文編號：1532867