基于PET/CT的医学图像融合算法的设计与实现

论文摘要

现代医学能够利用各种成像设备得到人体的内部组织、脏器形态、功能变化等多方面的影像信息,从而更加直观、准确地了解人体的健康状况。应用图像融合技术,可以把不同模态的医学图像有机地结合,全面地显示组织器官的结构部位和功能变化。PET/CT融合技术是在分子水平上研究人体心脑代谢和身体功能的重要手段,在肿瘤学、心血管疾病学和神经系统疾病学等领域中越来越受到人们的关注。本文主要针对PET/CT医学图像融合技术进行了研究与实现。本课题在广泛查阅了医学图像融合技术相关文献的基础上研究了医学图像融合的类型、医学图像融合的方法、医学图像融合的客观评价指标,在像素级图像融合上设计并实现了改进PCA（主成分分析）图像融合算法和基于多小波变换的图像融合算法。针对图像的不平衡性,在对PCA图像融合算法进行研究的基础上,采用分块预处理方法对该算法进行了改进,提出了改进PCA图像融合算法。另外,由于多小波在图像分析和处理方面具有单小波所不具有的优点,在深入研究离散多小波变换、多小波的性质和多小波系数融合策略的基础上,设计并实现了基于多小波变换的医学图像融合算法。本文在Microsoft Visual C++6.0环境下对上述融合算法进行了仿真实验,并对实验结果进行了定量的客观评价。实验结果表明,这两种算法能够以不同方式获取PET/CT的细节信息,得到较好的融合效果,具有一定的临床应用价值。

论文目录

• 中文摘要
• Abstract
• 第1章 绪论
• 1.1 研究背景
• 1.2 PET/CT发展状况
• 1.3 医学图像融合技术
• 1.4 本课题研究意义
• 1.5 论文的结构安排
• 第2章 医学图像融合
• 2.1 医学图像的预处理
• 2.1.1 灰度级变换
• 2.1.2 空间坐标变换
• 2.1.3 图像的插值算法
• 2.2 医学图像融合方法
• 2.2.1 空间域法
• 2.2.2 变换域法
• 2.2.3 智能域法
• 2.3 本章小结
• 第3章 PCA图像融合算法的改进与实现
• 3.1 PCA图像融合
• 3.1.1 PCA的概念
• 3.1.2 PCA的数学模型
• 3.1.3 PCA图像融合的一般步骤
• 3.2 PCA图像融合算法的改进
• 3.3 算法实现及实验结果
• 3.4 本章小结
• 第4章 基于多小波变换的医学图像融合算法的设计与实现
• 4.1 多小波理论
• 4.1.1 多小波理论简介
• 4.1.2 离散多小波变换
• 4.1.3 多小波的特点
• 4.2 基于多小波变换的图像融合算法的设计
• 4.2.1 图像的前置滤波
• 4.2.2 图像的多小波变换
• 4.2.3 多小波小波系数融合规则
• 4.2.4 一致性检验
• 4.2.5 多小波的逆变换及后置滤波
• 4.3 算法实现及实验结果
• 4.4 本章小结
• 第5章 医学图像融合效果的评价及分析
• 5.1 图像融合的评价标准
• 5.1.1 基于信息量的评价
• 5.1.2 基于统计特性的评价
• 5.1.3 基于清晰度的评价
• 5.1.4 基于弧度/角度相似性的评价
• 5.2 对本文医学图像融合算法的评价及分析
• 5.3 本章小结
• 第6章 结论与展望
• 6.1 结论
• 6.2 展望
• 参考文献
• 致谢
• 攻读硕士学位期间参加的科研项目