不同模態(tài)的醫(yī)學(xué)圖像從不同角度反映人體信息，僅從某一種圖像 無法對病人進行全面診斷。而依據(jù)多種圖像進行診斷時，醫(yī)生又只能 憑借個人的空間構(gòu)想和推測去綜合判定他們所需要的信息，因此其準(zhǔn) 確性受到主觀影響，更嚴(yán)重的是一些重要的信息可能被忽略。 醫(yī)學(xué)圖像配準(zhǔn)技術(shù)能夠使一幅醫(yī)學(xué)圖像與另一幅醫(yī)學(xué)圖像上的對 應(yīng)點達(dá)到空間上的一致，從而把各種影像模態(tài)的圖像信息融合成一種 新的影像模式展現(xiàn)給醫(yī)生，因而能解決上述醫(yī)學(xué)上的難題，使各種成 像設(shè)備在信息表達(dá)上達(dá)到優(yōu)勢互補的目的。 本文針對頭部CT與MRI圖像的特點，提出了一種的由“粗”到 “細(xì)”圖像配準(zhǔn)策略，即先通過配準(zhǔn)兩幅圖像的輪廓使其達(dá)到粗略配 準(zhǔn)的目的，并根據(jù)“粗”配參數(shù)給出“細(xì)”配參數(shù)的變化范圍；再以 互信息為配準(zhǔn)的代價函數(shù)，以三線性部分體積插值為其插值算法，以 第四軍醫(yī)大學(xué)碩士論文 一種組合的全局優(yōu)化算法為其最優(yōu)化算法，求取最優(yōu)配準(zhǔn)參數(shù)。實驗 ...

【文章頁數(shù)】：91 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘 要
中文摘要
英文摘要
第一章 緒 論
    1.1 概述
    1.2 醫(yī)學(xué)圖像配準(zhǔn)的發(fā)展現(xiàn)狀
        1.2.1 醫(yī)學(xué)圖像配準(zhǔn)的基本過程
        1.2.2 醫(yī)學(xué)圖像配準(zhǔn)方法的分類
        1.2.3 醫(yī)學(xué)圖像配準(zhǔn)的主要方法
        1.2.4 醫(yī)學(xué)圖像配準(zhǔn)的準(zhǔn)確性評估
        1.2.5 醫(yī)學(xué)圖像融合技術(shù)及應(yīng)用
        1.2.6 CT與MRI圖像的成像特點
    1.3 課題內(nèi)容及重點難點
        1.3.1 課題內(nèi)容
        1.3.2 課題重點
        1.3.2 課題難點
    1.4 開發(fā)工具簡介
        1.4.1 軟件環(huán)境
        1.4.2 硬件環(huán)境
    1.5 數(shù)據(jù)來源
第二章 配準(zhǔn)代價函數(shù)及圖像重采樣算法研究
    2.1 引言
    2.2 配準(zhǔn)代價函數(shù)
        2.2.1 圖像的二維直方圖
        2.2.2 互信息
    2.3 配準(zhǔn)變換模型
    2.4 圖像重采樣算法
        2.4.1 插值算法
        2.4.2 圖像變換策略
第三章 力矩主軸法對圖像的粗略配準(zhǔn)
    3.1 頭部實體的邊緣提取
    3.2 力矩主軸法
        3.2.1 定義圖像輪廓
        3.2.2 計算質(zhì)心
        3.2.3 計算旋轉(zhuǎn)角度
        3.2.4 計算縮放比例
    3.3 實驗結(jié)果
第四章 求解配準(zhǔn)最優(yōu)變換參數(shù)的最優(yōu)化算法研究
    4.1 問題的提出與解決
        4.1.1 優(yōu)化問題的定義
        4.1.2 優(yōu)化問題的解決
    4.2 模式搜索法
        4.2.1 探測性移動和模式性移動
        4.2.2 模式搜索算法
    4.3 改進的模擬退火法
        4.3.1 模擬退火法
        4.3.2 改進的模擬退火法
    4.4 本文所采用的最優(yōu)化策略
    4.5 算法驗證
    4.6 MSAM算法在圖像配準(zhǔn)中的應(yīng)用
第五章 整體配準(zhǔn)算法描述及實現(xiàn)
    5.1 由“粗”到“細(xì)”的混合配準(zhǔn)算法
    5.2 力矩主軸法確定粗略配準(zhǔn)參數(shù)及個參數(shù)變化范圍
    5.3 精細(xì)求解最優(yōu)配準(zhǔn)變換參數(shù)
    5.4 結(jié)論
第六章 配準(zhǔn)結(jié)果的評價
    6.1 配準(zhǔn)結(jié)果評價中用到的兩種配準(zhǔn)方法
        6.1.1 基于圖像特征點的配準(zhǔn)算法
        6.1.2 基于圖像輪廓的圖像配準(zhǔn)算法
    6.2 配準(zhǔn)結(jié)果的評價
        6.2.1 已知配準(zhǔn)變換參數(shù)的配準(zhǔn)評價
        6.2.2 本文配準(zhǔn)方法與點配準(zhǔn)方法的比較
        6.2.3 本文配準(zhǔn)方法與輪廓配準(zhǔn)方法的比較
        6.2.4 本文配準(zhǔn)方法的抗噪性能研究
        6.2.5 利用幾種方法對配準(zhǔn)圖像進行融合
    6.3 總結(jié)與展望
學(xué)習(xí)期間發(fā)表的論文
附錄
參考文獻
致 謝



本文編號：3807897