CT与MRI医学图像融合方法研究

论文摘要

在医学影像技术快速发展的今天,用于临床诊断与治疗的新成像设备不断被研制出,所获取的不同模态的医学图像为医学研究人员提供了直观、丰富、定量与定性的人体生理信息,但是由于成像原理不同,医学图像反映人体信息的角度也不同,信息的内容各有侧重,单一模态的医学图像不能得到全面的诊断信息,所以它们各有自己的适用范围与局限性。医学图像融合技术是把对同一部位成像的不同医学图像的信息整合到一起,得到对同一部位更全面、更直观、更可靠的新医学图像,从而为医生在临床治疗中作出更准确的诊断,提出更合适有效地治疗方案。本文以CT与MRI医学图像为例对医学图像融合算法及相关理论进行了研究。首先对CT与MRI医学图像进行图像配准,使两幅图像严格对齐,在准确配准的基础上再进行图像的融合,CT图像与MRI图像融合的质量直接受配准效果影响,精确的图像配准与合适的图像融合方法两者的密切联合是为医生提供准确临床诊断的保证,针对医学图像配准本文提出了FTNMI配准方法,在配准过程中采用了基于傅里叶变换的相位相关理论,获得了两幅图像在空间几何变换之前的初始位置参数,使搜索的区域大大减小,提高了配准速度,通过计算正规化互信息值减小了传统的基于互信息方法进行图像配准的误配率,使用GPVE方法进行插值改善了产生局部极值的现象。试验证明该配准方法无论在配准效果、迭代次数、配准精度还是在配准耗时上都优于传统的基于互信图像配准方法。CT与MRI医学图像经过FTNMI方法配准后,本文又提出了基于非亚采样Contourlet变换（non-subsampled Contourlet t ransform , NSCT）与双向搜索脉冲耦合神经网络（Bidirectional search PCNN-BPCNN）相结合的CT与MRI医学图像融合技术。该技术首先对已配准的CT与MRI医学图像采用NSCT技术进行多方向、多尺度分解,获得各带通子带系数与低频子带系数,然后利用BPCNN技术来确定图像融合规则,选取融合图像相应的融合系数,最终经NSCT逆变换获得效果优异的CT与MRI融合图像。实验结果表明,本文所提出的融合方法在图像细节信息保留、图像信息量丰富程度与增加图像对比度等方面比传统的基于小波变换或Contourlet变换有更好的融合效果。

论文目录

• 摘要
• ABSTRACT
• 图表目录
• 第1章 绪论
• 1.1 研究背景及研究意义
• 1.2 医学图像配准与融合研究进展
• 1.3 本文的主要工作及章节安排
• 第2章 相关研究综述
• 2.1 医学图像配准
• 2.1.1 医学图像配准中的空间几何变换
• 2.1.2 医学图像配准的一般过程
• 2.1.3 医学图像配准类别划分
• 2.2 医学图像融合
• 2.2.1 医学图像融合的一般操作步骤及模型
• 2.2.2 融合类型划分
• 第3章 基于 FINMI 的 CT 与 MRI 图像配准
• 3.1 傅里叶相位相关理论
• 3.2 插值技术
• 3.3 互信息理论
• 3.3.1 熵
• 3.3.2 联合熵
• 3.3.3 数字图像的条件熵
• 3.3.4 数字图像的互信息
• 3.3.5 正规化互信息
• 3.4 优化搜索算法
• 3.5 基于FINMI 的CT 与MRI 医学图像配准
• 3.6 实验结果
• 3.7 本章总结
• 第4章 CT 与 MRI 图像融合
• 4.1 NSCT 理论分析
• 4.1.1 NSP 实现原理
• 4.1.2 NSDFB 实现原理
• 4.1.3 NSCT 滤波器组的实现
• 4.2 双向搜索脉冲耦合神经网络
• 4.2.1 脉冲耦合神经网络的模型与原理
• 4.2.2 PCNN 神经元运行方式
• 4.2.3 简化的脉冲耦合神经网络
• 4.2.4 BPCNN 网络点火模式
• 4.3 基于BPCNN 与NSCT 相结合的医学图像融合
• 4.3.1 图像融合规则分析
• 4.3.2 融合信息的选取
• 4.4 实验结果及性能
• 第5章 总结与展望
• 5.1 本文总结
• 5.2 展望
• 致谢
• 参考文献
• 攻读学位期间公开发表的论文