基于最大互信息的多模态医学图像配准算法研究-凝聚态物理专业论文.docxVIP

焚良耀 焚良耀 山东火学硕士学位论文 摘 要 在临床或者手术计划中通常采用多种模式成像，即对同一个病人进行多种模 式或同一种模式的多次成像，然后将不同模态的图像取长补短，融合成一幅图， 便于了解病变组织或器官的综合信息。为了得到有效的综合信息，首先要使多模 态的图像配准到一致的空间坐标系，使人体上的同～解剖点在两幅匹配图像上有 相同的空间位置。由于人脑可以近似的视为刚体，论文中的配准变换属于2D刚 体变换，可以通过～个旋转参数和两个平移参数来确定两幅2D图像间的空间位 置关系。 一般来讲，配准算法是按照如下过程来进行的：在两特征集问进行空间变换， 再利用相似性测度衡量两图像的匹配程度，然后用优化算法使该测度达到全局最 优值，最终达到配准。在实际计算过程中，坐标变换和寻优过程是彼此交叉进行 的。 在已有的适合应用的图像配准算法中，以基于特征点(面)或基于相关系数 的配准算法居多，特征点(面)算法原理简单但需要人工介入，且配准精度受限 于特征点(面)的提取分割模式，而相关系数配准算法由于计算前先假设了两图 像灰度间存在着线性关系，不适合多模态图像配准。本论文提出了基于最大互信 息测度的多模态图像配准方法。 本论文的互信息配准测度认为两幅基于共同的解剖结构的图像达到最佳配 准时它们重叠部分对应的像素的灰度互信息值为最大。基于最大互信息的方法不 需要对多模态图像灰度间关系作一些其他的先验假设，也不需要对图像进行分割 和预处理。本论文是将图像像素灰度视为随机变量，使用联合(和边缘)概率分 布理论和信息熵理论来求解两图像的互信息。另外，由于重叠部分的联合(和边 缘)灰度直方图不需要计算互信息的导数，故用它来计算两图像像素的联合概率 分布，这使得配准算法简单且易于实现。 考虑到图像像素点进行空间变换后，其坐标值不一定是整数，得到的非整数 灰度会给灰度直方图的计算带来麻烦，本文引入了插值技术。因为互信息的计算 依赖于灰度值，且PV三线性插值法不会产生分数灰度值，也就不会加入的新灰 蛭良耀 蛭良耀 山东大学顶士学位论文 度值，所以本论文采用了PV三线性插值技术。论文还给出了PV三线性插值法和 最近邻、三线性插值法的比较实验，结果表明PV三线性插值法是更合适的。 本文在搜索最大互信息时引入了爬山法和遗传算法两种参数优化方法。爬山 法适合于局部快速收敛，能够很抉找到局部最优解，但容易限于局部陷阱跳不到 下一个更优解；而遗传算法在全局搜索上有良好的性能，能很快的逼近全局最优 解。所以本论文结合二者的优点给出了以互信息作为适应值的混合遗传算法。 为了加快算法的运行速度，论文特别使用采样因子策略和多分辨率策。 综合实验结果，我们认为本论文所研究的基于混合遗传算法的最大互信息配 准摸式是一种可以达到亚像素级精度的、稳健的和完全自动的多模态图像配准模 式。该模式在提高计算速度的基础上可以使用到临床上。 论文的框架是这样的：第一章是简单的医学图像配准技术的综述；第二、三 章介绍了概率分布与熵的概念，并且引入互信息理论；第四章描述了图像配准的 互信息测度以及爬山法和遗传算法；第五章阐述的是本论文的研究性工作，包括 算法实现、相关实验和结论等。论文的最后还指出了本算法的下一步应该改进的 地方。 本论文算法的实现代码全部在Windows 2000平台使用Matlab6．1工具运行 通过。 关键字：互信息；多模态医学图像；配准；爬山法；遗传算法 莫良耀 莫良耀 山东大学顾上学位沦文 Abstract In order to obtain the integrated information of the pathological organ，it is usual to integrate the patient’s multimodality medical images into an integrated image for clinical diagnoses．To offer the information efficiently,at the first，we must bring the images of different modalities involved into the corresponding spatial coordinate system，so that the homologous anatomical points are mapped onto the same spatial position．Because the human brmn is treated as the rigid bod