论文摘要
医学图像的配准和融合技术是医学图像分析领域的一个研究热点,在临床诊断、放射治疗计划、图像引导手术以及神经功能解剖学等方面具有重要的应用价值。单模态图像配准可用于骨骼或肿瘤的生长过程监测、治疗效果的评估等,而多模态图像的配准可用于放射治疗计划、计算机辅助神经外科手术等。基于灰度相似性的配准方法由于无需对图像进行预处理、可自动化实现且准确性高,是医学图像配准的发展趋势。互信息是典型的基于灰度相似性的配准方法,本论文针对其速度慢、存在局部极值的问题,从信息论和不等式的角度将互信息进行了多方面的扩展,提出了基于广义熵的测度、改进型Iα信息、均值距离测度以及基于AHM测度的弹性配准方法。本论文主要内容包括:1.首先详细介绍了互信息配准医学图像的过程,包括熵和互信息的定义与性质、互信息用于图像配准时的概率估计和插值方法,接着介绍了互信息的几种改进形式。针对互信息测度易陷入局部极值的缺点,将香农熵扩展到广义熵,提出了三种基于广义熵的信息测度,用收敛宽度和收敛半径来评价收敛性能。通过人体脑部多模态图像的刚体配准实验,从计算时间、收敛性能和配准精度方面,对归一化互信息、广义熵信息测度进行了比较与分析。实验结果表明,在不损失计算时间和配准精度的前提下,广义信息熵测度SRI0.9和GMI0.9的收敛性能优于归一化互信息测度,对噪声有很强的鲁棒性。2.根据互信息和f信息的关系,提出了两种改进型Iα信息测度:FNIα信息和SNIα信息。互信息是f信息的特例,其它多种f信息也可以度量概率分布间的距离,这拓宽了配准测度的选择范围。通过人体脑部多模态图像的刚体配准实验,从函数曲线、计算时间和收敛性能方面,对V信息、互信息、Iα信息、FNIα信息和SNIα信息进行了比较与分析。实验结果表明,FNIα信息测度的收敛性能远优于其它测度,对噪声有很强的鲁棒性;SNIα信息在计算速度方面较互信息有一定程度的提高。3.提出了基于均值不等式的均值距离测度。根据均值不等式推导出5种均值距离测度:方根-算术均值距离（SAM）、方根-几何均值距离（SGM）、方根-调和均值距离（SHM）、算术-几何均值距离（AGM）和算术-调和均值距离（AHM）。均值距离测度也可以视作f信息的特例,并由此证明了测度的凸性。由于具有相对简单的表达式,均值距离测度常可以获得更快的配准速度。4.以均值距离为测度,用配准的思想实现了图像的自动分割。将分割后的图像视为原始图像的一种退化,两者之间存在一定的相似性,随着分割类数的增多,它们之间的相似性也随之增大。分割过程就是寻求分割类数与两者相似性之间平衡的过程,以AGM和AHM为目标函数,以模拟退火算法为优化算法,自动确定分割类数,获取最优阈值向量,克服了FCM方法需人为确定分割类数的缺点。在分割类数相同的情况下,该算法的分割效果好于以互信息为目标函数的算法,而且分割速度也显著提高。5.对于配准多幅图像的情况,由于高维互信息的计算速度非常慢,提出了一种用互信息矩阵的熵来计算高维互信息的方法。当多幅图像配准时,互信息矩阵的熵达到最大值。为进一步提高配准速度,进而提出了基于AGM矩阵的配准方法。实验结果表明了算法的快速性与准确性。6.非刚性图像配准是当前医学图像配准领域的研究热点和难点。本论文研究了基于标记点的非刚体配准方法。由于手动选取标记点容易引入人为误差,结合AHM测度,提出了一种自动选取标记点的方法:图像先通过最大化AHM全局配准,然后将图像划分成均匀子块,采用AHM测度刚性配准各对应子块,选取对应子块的中心作为标记点对,最后用三次均匀B样条实现图像的弹性配准。实验结果表明对于较小的形变,这种方法可以快速的实现弹性配准。