多模态医学图像配准与融合方法的研究

阅读量：

348

作者：

胡克敏

展开

摘要：

随着现代医学影像学和放射学的不断发展、新一代影像设备(如CT、MRI、PET、SPECT)的不断涌现,以计算机技术为基础的图像处理和分析技术发挥越来越重要的作用,尤其是多模态医学图像的配准与融合技术已经成为医学图像研究领域的热点之一。在临床应用上,通常将同一病人的多种模态图像结果综合分析,可更全面的获得人体各种形态、功能等信息,以提高医学诊断和治疗水平;但由于各图像在成像时的人体定位差异、不同成像参数设置(分辨率、对比度)等造成医生很难凭想象将多幅图像对齐,因此,在不同模态的图像间寻找最佳的空间几何变换方式,使它们达到空间位置和解剖结构上的一致,完成图像配准,然后将配准好的图像信息融合在一幅新的图像并显示,使解剖信息和功能信息有机结合,完成图像融合,最终达到及时高效地诊断疾病或制定合适的治疗计划的目标。 本文从理论、方法等多方面概述了多模态医学图像配准与融合技术,重点研究了基于灰度配准方法中的基于互信息的多模态医学图像配准算法,针对头部CT、MR、PET图像数据,给出了较好的脑CT-MR、PET-CT、PET-MR图像配准融合结果。其步骤是首先提取DICOM格式图像信息,并设定初始配准参数等,以互信息作为相似性测度,采用优化算法进行迭代搜索,当互信息取最大值时实现最佳配准。其中优化迭代搜索过程又包括各参数优化算法的选取、坐标变换过程中灰度的插值计算等。该方法人工干预少,不需要图像特征点的提取以及组织分类等预处理,只依赖于图像本身信息。 相对传统的互信息图像配准算法,本文在精细的互信息图像配准前,增加了两种快速粗略配准算法,一种为多级分辨率配准,首先在低分辨率下对图像进行粗配准并给出相应的配准参数,在此基础上进行精细配准;另一种为图像灰度级压缩,包括线性压缩(配准结果较差)和根据组织分类的方法,即利用图像的灰度直方图信息(灰度直方图峰值)将灰度空间分割成简单的几个部分,然后进行粗略配准,得出的结果作为互信息精细配准算法的初始条件;除线性压缩灰度级以外,其余两种算法都能一定程度上减少互信息精细配准算法所用的时间,而且避免了优化算法产生的局部极值问题。 研究最后还对配准算法进行了评估,并应用了以像素为基础的图像融合算法,给出融合后图像的伪彩色增强显示,结果很满意。

展开

关键词：

图像配准 图像融合 最大互信息 灰度直方图 优化算法 Image Registration Fusion Maximum Mutual Information Histogram Algorithm Optimization Method

DOI：

CNKI:CDMD:2.2010.124065

被引量：

4