本文關(guān)鍵詞：非剛體醫(yī)學(xué)圖像配準(zhǔn)技術(shù)研究，由筆耕文化傳播整理發(fā)布。

【摘要】：醫(yī)學(xué)圖像配準(zhǔn),也稱對齊、匹配,是指在相同或不同的主體上獲取的相同或不同模式的圖像間求取空間對齊,廣泛應(yīng)用于放射治療計(jì)劃制定、手術(shù)引導(dǎo)、成像運(yùn)動(dòng)校準(zhǔn)、疾病診斷、圖像分割以及治療效果跟蹤檢查中。由于人體器官組織普遍存在的非剛體特征,因此在醫(yī)學(xué)影像的配準(zhǔn)技術(shù)研究中,非剛體配準(zhǔn)技術(shù)得到了比剛體配準(zhǔn)更為廣泛的研究,并提出了許多配準(zhǔn)算法。然而,如何解決復(fù)雜、大形變下的醫(yī)學(xué)圖像配準(zhǔn)問題仍有待進(jìn)一步研究。本文主要圍繞這一問題研究非剛體醫(yī)學(xué)圖像配準(zhǔn)技術(shù),主要工作和貢獻(xiàn)如下:在彈性體形變模型的有限元法求解中,由于結(jié)點(diǎn)位置的分布以及結(jié)點(diǎn)位移的精度對整體的位移場有著很大的影響,為了提高該模型配準(zhǔn)精度并且不增加過多計(jì)算量,本文提出了一種自適應(yīng)區(qū)域細(xì)化的網(wǎng)格剖分算法。該算法根據(jù)圖像中目標(biāo)解剖結(jié)構(gòu)特征和目標(biāo)形變密度,以自適應(yīng)方式建立了多層次多分辨率的區(qū)域細(xì)化標(biāo)志,并根據(jù)細(xì)化標(biāo)志生成最終的非均勻有限元網(wǎng)格。在20對模擬形變的肺部CT(computed tomography)圖像上以及40對不同病人腦部的單模態(tài)和多模態(tài)MRI(Magnetic Resonance Imaging)臨床圖像上得到的配準(zhǔn)結(jié)果表明,應(yīng)用了自適應(yīng)區(qū)域網(wǎng)格細(xì)化算法的模型相對于傳統(tǒng)均勻剖分算法模型、區(qū)域方差細(xì)化算法模型、以及基于控制點(diǎn)位移的B樣條自由形變模型具有更好的配準(zhǔn)效果。在基于灰度信息的非剛體醫(yī)學(xué)圖像配準(zhǔn)中,常常出現(xiàn)全局相似度最優(yōu)而局部欠配準(zhǔn)或者過配準(zhǔn)的矛盾。為了減少這種矛盾,本文提出在能量函數(shù)中增加能反映圖像結(jié)構(gòu)特征信息的匹配特征點(diǎn)距離項(xiàng)來約束特征點(diǎn)附近的形變的策略。與傳統(tǒng)方法中通過手工設(shè)置標(biāo)志點(diǎn)不同,本文采用尺度不變特征變換算法自動(dòng)提取圖像間的匹配特征點(diǎn)以及特征向量,并將特征點(diǎn)距離項(xiàng)結(jié)合到傳統(tǒng)的彈性體模型中。對臨床實(shí)驗(yàn)數(shù)據(jù)的實(shí)驗(yàn)結(jié)果證明,采用該算法可以比傳統(tǒng)算法取得更好的配準(zhǔn)效果。針對軟組織具有高度的非線性且臨床中常表現(xiàn)出局部的大形變特性的事實(shí),以及傳統(tǒng)線性彈性體形變模型在大形變條件下難以準(zhǔn)確跟蹤目標(biāo)區(qū)域的輪廓或者解剖結(jié)構(gòu)細(xì)節(jié),從而帶來局部誤配準(zhǔn)的問題,本文提出了一個(gè)基于二階位移梯度式的應(yīng)變張量來代替無限小形變假設(shè)下的應(yīng)變張量表達(dá)式,并進(jìn)一步由彈性勢能獲得了一個(gè)可滿足大變形的非線性彈性體形變模型驅(qū)動(dòng)方程。實(shí)驗(yàn)結(jié)果表明,該算法有利于對大形變圖像的準(zhǔn)確配準(zhǔn)。針對基于互信息相似度準(zhǔn)則的多模態(tài)圖像配準(zhǔn)因沒有考慮圖像中灰度的空間分布及其潛在的目標(biāo)組織結(jié)構(gòu)差異的影響,從而可能導(dǎo)致局部的誤配準(zhǔn)的問題,本文提出了一種新穎的圖像結(jié)構(gòu)化描述的方法。該方法融合了圖像的結(jié)構(gòu)張量跡值和圖像的局部熵,將多模態(tài)圖像映射到一個(gè)圖像之間可以進(jìn)行直接灰度比較的公共空間。在該公共的結(jié)構(gòu)化描述空間中,本文采用了簡單的局部仿射變換模型來對公共空間的圖像進(jìn)行配準(zhǔn)。實(shí)驗(yàn)結(jié)果顯示,該算法所融合的兩種圖像描述信息對配準(zhǔn)結(jié)果都起到了正面的效果,相對于傳統(tǒng)的互信息算法,該算法顯示了其較大的優(yōu)勢。最后,本文還對傳統(tǒng)的基于局部仿射變換的非剛體圖像配準(zhǔn)模型進(jìn)行了改進(jìn),算法結(jié)合圖像的區(qū)域灰度信息和切比雪夫低通濾波器幅度特性設(shè)計(jì)了一種新穎的局部非線性正則項(xiàng)。實(shí)驗(yàn)證明,該算法比傳統(tǒng)算法更好地保持了圖像的局部細(xì)節(jié)和邊緣信息。
【關(guān)鍵詞】：非剛體圖像配準(zhǔn) 彈性體形變模型 有限元法 網(wǎng)格剖分 特征點(diǎn) 多模態(tài)圖像
【學(xué)位授予單位】：蘇州大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2015
【分類號(hào)】：TP391.41
【目錄】：

• 中文摘要4-6
• Abstract6-13
• 第一章 緒論13-22
• 1.1 非剛體醫(yī)學(xué)圖像配準(zhǔn)的研究背景和研究意義13-14
• 1.2 非剛體醫(yī)學(xué)圖像配準(zhǔn)的研究現(xiàn)狀14-16
• 1.3 非剛體醫(yī)學(xué)圖像配準(zhǔn)在基礎(chǔ)研究及臨床研究中的應(yīng)用16-19
• 1.3.1 放射治療計(jì)劃16-17
• 1.3.2 腫瘤診斷17
• 1.3.3 與圖譜對照的形態(tài)研究17
• 1.3.4 手術(shù)引導(dǎo)17-19
• 1.3.5 治療跟蹤19
• 1.4 本文的主要工作和貢獻(xiàn)19-21
• 1.5 本文的結(jié)構(gòu)安排21-22
• 第二章 非剛體醫(yī)學(xué)圖像配準(zhǔn)技術(shù)及其發(fā)展概況22-34
• 2.1 非剛體醫(yī)學(xué)圖像配準(zhǔn)簡介22-23
• 2.2 非剛體醫(yī)學(xué)圖像配準(zhǔn)的分類23-24
• 2.2.1 基于圖像特征的配準(zhǔn)和基于圖像灰度信息的配準(zhǔn)23
• 2.2.2 基于物理學(xué)定律的配準(zhǔn)和基于函數(shù)參數(shù)表達(dá)的配準(zhǔn)23-24
• 2.2.3 單模態(tài)配準(zhǔn)和多模態(tài)配準(zhǔn)24
• 2.2.4 全局配準(zhǔn)和局部配準(zhǔn)24
• 2.3 非剛體醫(yī)學(xué)圖像配準(zhǔn)的基本框架24-32
• 2.3.1 變換模型25-28
• 2.3.2 相似度函數(shù)28-30
• 2.3.3 優(yōu)化策略30-31
• 2.3.4 配準(zhǔn)質(zhì)量評價(jià)標(biāo)準(zhǔn)31-32
• 2.4 非剛體醫(yī)學(xué)圖像配準(zhǔn)的一些關(guān)鍵問題32-34
• 2.4.1 基于物理模型的配準(zhǔn)算法的改進(jìn)32-33
• 2.4.2 多模態(tài)圖像配準(zhǔn)的新方法33
• 2.4.3 非線性正則項(xiàng)的構(gòu)造33-34
• 第三章 基于自適應(yīng)彈性體形變模型的非剛體配準(zhǔn)34-58
• 3.1 引言34-35
• 3.2 基于區(qū)域灰度方差的細(xì)化標(biāo)志35-37
• 3.3 基于區(qū)域形變密度的標(biāo)志矩陣37-42
• 3.3.1 SURF算法38-42
• 3.3.2 形變密度的衡量42
• 3.4 用于圖像配準(zhǔn)的自適應(yīng)區(qū)域網(wǎng)格細(xì)化算法42-44
• 3.5 彈性體形變模型的有限元解44-45
• 3.6 驅(qū)動(dòng)外力場的導(dǎo)出45-47
• 3.6.1 空間加權(quán)的灰度差平方和梯度流45-46
• 3.6.2 空間加權(quán)的互信息梯度流46-47
• 3.7 實(shí)驗(yàn)結(jié)果和分析47-57
• 3.7.1 用于配準(zhǔn)質(zhì)量評估的幾種方法47-48
• 3.7.2 用于比較的幾種算法48
• 3.7.3 參數(shù)設(shè)置48-49
• 3.7.4 模擬形變醫(yī)學(xué)圖像的非剛體配準(zhǔn)結(jié)果49-55
• 3.7.5 臨床真實(shí)圖像的配準(zhǔn)結(jié)果55-57
• 3.8 本章小結(jié)57-58
• 第四章 結(jié)合特征點(diǎn)約束的非剛體圖像配準(zhǔn)58-67
• 4.1 引言58
• 4.2 結(jié)合特征點(diǎn)約束的彈性體形變模型驅(qū)動(dòng)方程58-61
• 4.2.1 彈性形變勢能59
• 4.2.2 圖像相似度項(xiàng)59-60
• 4.2.3 圖像匹配特征點(diǎn)項(xiàng)60
• 4.2.4 有限元求解60-61
• 4.3 算法流程61-62
• 4.4 實(shí)驗(yàn)結(jié)果和分析62-66
• 4.4.1 MRI圖像的非剛體配準(zhǔn)62-64
• 4.4.2 乳腺鉬靶圖像的配準(zhǔn)64-66
• 4.5 本章小結(jié)66-67
• 第五章 基于非線性彈性體形變模型的非剛體圖像配準(zhǔn)67-84
• 5.1 引言67
• 5.2 非線性彈性體形變模型的驅(qū)動(dòng)方程67-69
• 5.3 基于Green-St.Venant應(yīng)力的彈性建模69-70
• 5.4 彈性形變勢能70-71
• 5.5 彈性力71-72
• 5.6 模型驅(qū)動(dòng)外力72-73
• 5.7 基于非線性彈性體形變模型的非剛體配準(zhǔn)算法73
• 5.8 實(shí)驗(yàn)結(jié)果和分析73-83
• 5.8.1 用于性能比較的幾種算法74
• 5.8.2 參數(shù)設(shè)置74-75
• 5.8.3 模擬形變醫(yī)學(xué)圖像的非剛體配準(zhǔn)結(jié)果75-80
• 5.8.4 臨床真實(shí)醫(yī)學(xué)圖像配準(zhǔn)的配準(zhǔn)結(jié)果80-83
• 5.9 本章小結(jié)83-84
• 第六章 聯(lián)合結(jié)構(gòu)信息和局部熵的多模態(tài)MRI圖像配準(zhǔn)84-95
• 6.1 引言84-85
• 6.2 圖像描述統(tǒng)一化85-88
• 6.2.1 基于結(jié)構(gòu)張量的圖像結(jié)構(gòu)信息描述85-87
• 6.2.2 基于局部熵的圖像描述87
• 6.2.3 結(jié)構(gòu)描述圖像的配準(zhǔn)87-88
• 6.3 實(shí)驗(yàn)結(jié)果和分析88-94
• 6.3.1 用于性能比較的幾種算法88
• 6.3.2 參數(shù)設(shè)置88-89
• 6.3.3 模擬形變圖像的配準(zhǔn)結(jié)果89-91
• 6.3.4 臨床真實(shí)圖像的配準(zhǔn)結(jié)果91-94
• 6.4 本章小結(jié)94-95
• 第七章 采用非線性正則項(xiàng)的非剛體圖像配準(zhǔn)95-104
• 7.1 引言95
• 7.2 基于非線性正則項(xiàng)的配準(zhǔn)模型95-98
• 7.2.1 非線性正則項(xiàng)96-97
• 7.2.2 由區(qū)域灰度信息確定濾波器參數(shù)97-98
• 7.3 基于非線性正則項(xiàng)的圖像配準(zhǔn)算法98
• 7.4 實(shí)驗(yàn)結(jié)果和分析98-103
• 7.5 本章小結(jié)103-104
• 第八章 總結(jié)和展望104-106
• 8.1 本文工作總結(jié)104-105
• 8.2 今后研究工作展望105-106
• 參考文獻(xiàn)106-116
• 攻讀學(xué)位期間公開發(fā)表的論文116-117
• 致謝117-118

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前4條

1 羅述謙,呂維雪;醫(yī)學(xué)圖像配準(zhǔn)技術(shù)[J];國外醫(yī)學(xué).生物醫(yī)學(xué)工程分冊;1999年01期

2 張紅穎;張加萬;孫濟(jì)洲;;改進(jìn)Demons算法的非剛性醫(yī)學(xué)圖像配準(zhǔn)[J];光學(xué)精密工程;2007年01期

3 王婕妤;王加俊;張靜亞;;基于改進(jìn)光流場和尺度不變特征變換的非剛性醫(yī)學(xué)圖像配準(zhǔn)[J];電子與信息學(xué)報(bào);2013年05期

4 林相波;邱天爽;阮素;NICOLIER Frédéric;;Demons非剛性配準(zhǔn)算法拓?fù)浔３中缘难芯縖J];自動(dòng)化學(xué)報(bào);2010年01期

中國博士學(xué)位論文全文數(shù)據(jù)庫 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

  本文關(guān)鍵詞：非剛體醫(yī)學(xué)圖像配準(zhǔn)技術(shù)研究，，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：281571