多模态医学图像的配准与融合技术研究及应用

论文摘要

随着医学成像技术的发展,医学领域出现了各种不同模态的医学图像。这些多模态的医学图像有其各自的优缺点,可以从不同方面提供相互补充的医学信息,充分利用这些信息能够为医学诊断提供更准确的判断依据。为了利用这些信息,首先要对多模态医学图像进行配准和融合。因此,多模态医学图像的配准和融合有着十分重要的意义。本文主要研究了多模态医学图像配准和融合技术,并利用这些技术对“数字化猪”的CT图像和彩色断层削切图像进行配准和融合,实现了这两种不同模态图像在二维空间上的配准和融合。这里进行配准和融合的最终目的是建立“数字化猪”的器官三维模型,所以对融合后的图像又做了分割和三维重建。论文主要工作内容如下:1.在配准过程中,根据这两种图像的特点,选择以彩色断层削切图像为参考图像,对CT图像进行配准,采用基于特征的交互式配准方法,通过手工选取配对特征点的特征提取方式获取仿射变换模型参数,最后实现了图像的配准。2.在图像融合过程中,针对对比度金字塔融合方法和IHS融合方法,提出了一种基于对比度金字塔和IHS相结合的图像融合方法。先将彩色断层削切图像的I分量图像和CT图像进行对比度金字塔融合,然后将获取的图像和彩色断层削切图像进行IHS融合得到最终的融合图像。实验结果验证了本文方法的有效性。3.对医学图像分割的研究现状进行了综述,提出了一种基于GDI+和窄带M-S模型的图像分割方法。对融合后的图像,先利用GDI+技术进行图像组织器官分割,得到较粗糙的器官大致轮廓,然后以此粗糙轮廓线作为初始零水平集曲线,利用M-S模型建立窄带,最终得到较精准的轮廓。实验结果体现了本文方法对融合图像进行分割的优良性。4.采用基于软件AMIRA和3DSMAX的三维重建方法。将分割后的器官数据集及包围盒在AMIRA进行三维重建,然后用AMIRA和3DSMAX分别对初始三维模型进行网格简化和光滑处理,得到最终的三维重建模型。实验结果达到了预期的理想效果。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 课题研究目的和意义
• 1.2 国内外研究现状
• 1.2.1 医学图像配准研究现状
• 1.2.2 医学图像融合研究现状
• 1.3 医学图像配准与融合面临的难题
• 1.3.1 医学图像配准难题
• 1.3.2 医学图像融合难题
• 1.4 数据来源
• 1.5 本文研究内容
• 2 图像配准
• 2.1 图像配准理论基础
• 2.1.1 图像配准的概念
• 2.1.2 图像配准的要素
• 2.1.3 基本变换方法
• 2.2 图像配准常用方法
• 2.2.1 基于灰度的配准方法
• 2.2.2 基于特征的图像配准方法
• 2.2.3 基于互信息的方法
• 2.2.4 配准方法的比较
• 2.3 特征点的提取和匹配
• 2.3.1 特征点的提取
• 2.3.2 特征点的匹配
• 2.4 实验与分析
• 2.4.1 基于角点检测的特征点自动匹配方法
• 2.4.2 基于特征的交互式图像配准方法
• 2.5 本章小结
• 3 图像融合
• 3.1 图像融合理论基础
• 3.1.1 图像融合的概念
• 3.1.2 图像融合主要步骤
• 3.2 图像融合常用方法
• 3.2.1 加权平均法
• 3.2.2 多分辨率金字塔法
• 3.2.3 小波变换法
• 3.2.4 PCA 方法
• 3.2.5 IHS 变换法
• 3.2.6 神经网络法
• 3.3 基于对比度金字塔和IHS 的图像融合方法
• 3.3.1 融合流程
• 3.3.2 实现步骤
• 3.4 实验评价与分析
• 3.5 本章小结
• 4 图像分割
• 4.1 图像分割理论基础
• 4.1.1 图像分割的概念
• 4.1.2 国内外研究现状
• 4.2 基于GDI+和窄带M-S 模型的图像交互分割方法
• 4.2.1 GDI+技术
• 4.2.2 基于窄带M-S 模型的方法
• 4.3 实验结果与分析
• 4.4 本章小结
• 5 三维重建
• 5.1 三维重建理论基础
• 5.1.1 简介
• 5.1.2 研究现状
• 5.2 三维重建总体技术路线
• 5.2.1 分别建立各器官三维模型
• 5.2.2 采用3DS 文件存储各器官的三维模型
• 5.2.3 三维重建总体流程
• 5.3 基于中点插值的移动立方体Marching Cubes 算法
• 5.3.1 MC 算法原理
• 5.3.2 基于中点插值的MC 算法
• 5.3.3 实验结果与分析
• 5.4 采用AMIRA 和3DSMAX 软件的三维重建方法
• 5.4.1 实现流程
• 5.4.2 器官体数据集的抽取与输出
• 5.4.3 AMIRA 三维重建方法
• 5.4.4 3DSMAX 平滑及合并三维模型方法
• 5.4.5 实验结果与分析
• 5.5 本章小结
• 6 总结与展望
• 6.1 研究总结
• 6.2 研究展望
• 致谢
• 参考文献
• 个人简历、在学期间发表的学术论文及取得的研究成果