多模医学图像配准与融合技术及医学智能辅助诊断系统研究

论文摘要

本文基于现有的医学图像处理、配准和融合技术，提出了层间插值配准法、自由变形法非刚体配准法、改进的PCA融合法、改进的小波融合法。作为今后研究的基础，本文提出了用于提取SPECT心肌灌注图像心脏区域的MRS算法，开发了全身骨SPECT图像智能诊断系统及提出了相应的核心分类算法，并开发了WBBSIID诊断报告数据库系统。 文章首先论述了本文所作研究的目的和重要性，介绍了图像配准与融合技术以及国内外相关的研究成果和进展，描述了医学图像配准与融合技术的应用前景，阐述了未来的医学图像综合诊断报告系统的发展和趋势。 针对CT图像和PET图像层与层之间缺失的数据，本文提出了利用三次样条插值法恢复层间丢失数据，通过实验数据证明该方法提高PET／CT图像配准精确度。本文用自由变形法并且提出相应的特征点自动识别算法进行非刚性配准，克服了在扫描时，因呼吸、心跳等不能自我控制的生理运动而产生的同一位置PET和CT图像形状不一致的问题，该配准方法既能保证变形效果同时又能兼顾实时应用的运算速度。为了提高运算速度，本文率先提出沿图像梯度搜索步长加速法优化以上配准算法，经过实践验证其效果优于传统的配准搜索方法。 接着，本文系统介绍了医学图像融合的分类以及融合效果评价标准。由于融合过程会降低图像的分辨率，本文提出了一种改进的PCA融合法，它可以增强融合图像的分辨率，令融合图像的细节更突出。另外，本文还提出了一种改进的小波融合方法，该方法利用加权的办法令高分辨率图像的小波系数增加，从而使融合图像的细节效果得到满意的提高，得到视觉效果比较好的融合图像。用融合效果评价标准对实验数据进行对比测试，在综合性能方面，以上两种改进的融合方法比传统方法优胜。 然后本文提出了专门用于识别SPECT心肌灌注图像心脏区域的MRS算法，该算法能消除邻近器官影像的影响，准确地把心肌从背景中分割出来。针对全身骨SPECT图像临床诊断的病例数量较多，医生为此要付出大量精力进行长时间、繁重的重复性工作，且容易因此出错的问题，本文研究出了全身骨SPECT图像智能诊断算法，该算法能有效减少膀胱的影响，能比较准确地判断出图像中病灶的位置，并且能自动分类正常和异常图像。以上两种识别算法不用考虑药剂灌注时间、剂量，显像时间等因素对成像造成的影响，亦不须顾及不同生产厂家SPECT设备之间差异的问题。只要能提供符合一般诊断需要的SPECT图像，本文所用方法一般都能得出正确结果。

论文目录

• 摘要
• ABSTRACT
• 目录
• CONTENTS
• 第一章 绪论
• 1.1 引言
• 1.2 图像配准与融合技术的发展历史
• 1.3 医学图像配准
• 1.3.1 图像预处理
• 1.3.2 配准算法
• 1.4 医学图像融合
• 1.4.1 像素级融合
• 1.4.2 特征级融合
• 1.4.3 决策级融合
• 1.5 评价标准
• 1.6 医学图像配准融合技术的应用和前景
• 1.7 医学图像综合智能诊断报告系统
• 1.7.1 病变判别、智能化阅片
• 1.7.2 指导治疗
• 1.7.3 疗效监测
• 1.7.4 计算机智能诊断
• 1.8 内容安排
• 第二章 医学图像配准
• 2.1 图像配准简介
• 2.1.1 医学图像配准的原理及概念
• 2.1.2 医学图像配准的类型
• 2.1.3 主要配准方法
• 2.2 医学图像预处理
• 2.2.1 灰度均一化
• 2.2.2 窗口灰度变换
• 2.2.3 灰度线性变换
• 2.3 层间插值配准
• 2.3.1 插值法的基本思想
• 2.3.2 三次样条插值
• 2.3.3 三次样条插值应用结果分析
• 2.4 自由变形法非刚性配准
• 2.4.1 FFD方法简介
• 2.4.2 特征点自动识别算法
• 2.4.3 FFD方法配准算法
• 2.4.4 最大互信息配准
• 2.4.5 FFD方法配准应用结果分析
• 2.5 配准优化算法
• 2.5.1 沿图像梯度搜索步长加速法
• 2.5.2 算法的基本原理
• 2.5.3 沿图像梯度搜索步长加速法计算步骤
• 2.6 本章小结
• 第三章 医学图像融合
• 3.1 医学图像融合简介
• 3.2 医学图像融合分类
• 3.2.1 像素级融合
• 3.2.2 特征级融合
• 3.2.3 决策级融合
• 3.3 医学图像融合评价标准
• 3.3.1 单个图像统计特征的评价方法
• 3.3.2 计算融合图像与源图像关系的评价方法
• 3.4 改进的主成分分析（PCA）图像融合
• 3.4.1 PCA算法介绍
• 3.4.2 PCA算法的改进
• 3.4.3 改进的 PCA方法融合应用结果与分析
• 3.5 改进小波变换图像融合
• 3.5.1 图像小波分解
• 3.5.2 图像的小波域融合
• 3.5.3 小波反变换
• 3.5.4 小波融合结果与分析
• 3.6 本章小结
• 第四章 计算机综合智能辅助诊断系统
• 4.1 模式识别简介
• 4.1.1 数据获取
• 4.1.2 预处理
• 4.1.3 特征提取和选择
• 4.1.4 分类决策
• 4.2 医学图像识别
• 4.3 SPECT心脏灌注图像中心肌的识别
• 4.3.1 MRS算法
• 4.3.2 最佳阈值分割
• 4.3.3 图像腐蚀
• 4.3.4 轮廓跟踪
• 4.3.5 搜索心肌的质心
• 4.3.6 算法应用结果与分析
• 4.4 全身骨 SPECT图像分类（病灶识别）
• 4.4.1 最佳灰度阈值分割法分离全身骨头与本底（背景）
• 4.4.2 灰度均衡消除膀胱高计数量影响
• 4.4.3 划分正常与病变全身骨 SPECT图像
• 4.4.4 全身骨 SPECT图像智能诊断算法步骤
• 4.4.5 算法应用结果与分析
• 4.5 SPECT全身骨智能诊断数据库报告系统
• 4.5.1 WBBSIID数据库管理系统
• 4.5.2 全身骨 SPECT图像智能诊断界面
• 4.5.3 WBBSIID数据库系统开发运行环境
• 4.6 计算机综合智能辅助诊断系统的发展方向和展望
• 4.6.1 计算机综合智能辅助诊断系统现状
• 4.6.2 计算机综合智能辅助诊断系统未来展望
• 4.7 本章小结
• 结论
• 本项目的主要研究成果及创新点
• 今后课题的研究方向
• 参考文献
• 攻读博士学位期间发表的论文
• 致谢