当前位置：文档之家 › 一种改进的基于互信息的三维医学图像配准算法

一种改进的基于互信息的三维医学图像配准算法

  • 格式：pdf
  • 大小：552.42 KB
  • 文档页数：5

下载文档原格式

  / 5

合集下载

基于改进SLNC的2D-3D医学图像配准

基于改进SLNC的2D-3D医学图像配准
首 先对Ｃ 体 积数据 进行 三 线性插 值 ， 到各 向 分辨率 相 同的体 积数据 ， 用光线跟踪 算 法对其进行 数 字 图像 Ｔ 得 采
重建 。 对不 同位 置和 方 向的重建 图像 ， 针 在灰度 级压 缩 的基础 上 ， 改进 Ｓ ＮＣ函数评 价 其 与ｘ线透视 图像 的 用 Ｌ
相似性 ， 用与Ｂ ｅ ｔ￣ 利 ｒｎｆ 结合 的Ｐ ｗｅｌ ｏ ｌ 优化 方法 ， 索 出相似 性最 大时 的投 影 变换 参数 。 搜 将此 方法 用于移动数 字 Ｘ线投 影设备啊
（． １东南大学影像科 学与技术 实验 室，南京 ２ ０ ９ １０ ６； ２南方医科 大学医学生物 力学实验室 ， 东省 医学生物 力学重点实验 室 ，广州 ５ ０ １ ） ． 广 １ ５ ５
摘 要 ： 绍 了一种 基于 改进Ｓ ＮＣ ｓｍ ｏ ｌｃｌ ｏｍａｚｄｃｒ ｌ ｉｎＳ ＮＣ 的２ ３ 介 Ｌ （ ｆｏａ ｎｒ ｌ ｅ ｏｒ ａｏ ，Ｌ ） Ｄ一Ｄ医学图像 配 准方 法。 ｕ ｉ ｅｔ
准效果 。
Ｂ ｐａ ａ ０ 采集的Ｘ线透视 图像 与相 应Ｃ 体 积数据 的 配准实验 ， 到较好 的２ 一Ｄ图像 配 ｉｌｎ ｒ ０ ５ Ｔ 得 Ｄ３
关键 词 ：Ｄ一Ｄ图像 配准； ２ ３ 数字图像重建 ； 相似性测度 ； 的Ｓ ＮＣ函数 ；Ｐ ｗ ｌ 法 改进 Ｌ ｏ ｅｌ 算
中图分类： ３８ Ｒ１
ｍ ｅ ｕ ｅｔ ｓｉ ａｅｓｍ ｌｒｔ ｅｔ ｅ ｎｓ ｎ ｅ ｃｉ ａ ｅａ ｄｒｄｉｇ ａ ． ｈ ｂ ｄ ｏ ｉ ｚ ｔｏ ｇ ｒｔ ｃ ｍ ｂｎ ｄｂ ｗｅｌａ ｄＢｒ ｎ ， ｓ ｓ ｓ ａ ｒ ｏｅ ｔ ｔ ｉ ａｉ ｂ ｗ ｅ ｙ ｔ ｔ ｍ ｇ ｎ ａ ｏ ｐｈ Ａ ｙ ｒ ｐｔ ｍ ｉ ｙ ｈ ｉ ｒ ｉ ｉ ｍ ａ ｎａ ｏ ｈｍ ｏ ｉｅ ｙＰｏ ｌｎ ｅ ｔＷａ ａ ｏ ｉ ｌ ｉ ｌ

基于改进SLNC的2D-3D医学图像配准

基于改进SLNC的2D-3D医学图像配准

基于改进SLNC的2D-3D医学图像配准陆忞;鲍旭东;罗立民;李鉴轶【期刊名称】《生物医学工程研究》【年(卷),期】2007(026)002【摘要】介绍了一种基于改进SLNC(sum of local normalized correlation,SLNC)的2D-3D医学图像配准方法.首先对CT体积数据进行三线性插值,得到各向分辨率相同的体积数据,采用光线跟踪算法对其进行数字图像重建.针对不同位置和方向的重建图像,在灰度级压缩的基础上,用改进SLNC函数评价其与X 线透视图像的相似性,利用与Brent相结合的Powell优化方法,搜索出相似性最大时的投影变换参数.将此方法用于移动数字X线投影设备--Biplanar 500采集的X 线透视图像与相应CT体积数据的配准实验,得到较好的2D-3D图像配准效果.【总页数】4页(P170-173)【作者】陆忞;鲍旭东;罗立民;李鉴轶【作者单位】东南大学影像科学与技术实验室,南京,210096;东南大学影像科学与技术实验室,南京,210096;东南大学影像科学与技术实验室,南京,210096;南方医科大学医学生物力学实验室,广东省医学生物力学重点实验室,广州,510515【正文语种】中文【中图分类】R318【相关文献】1.基于互信息的2D-3D医学图像配准 [J], 梁玮;鲍旭东;罗立民2.基于GPU的2D-3D医学图像配准 [J], 党建武;杭利华;王阳萍;杜晓刚3.基于改进K-Means聚类医学图像配准 [J], 陈园;侯赞;刘军华;雷超阳4.基于改进头脑风暴优化算法的医学图像配准方法 [J], 曹国刚;朱信玉;陈颖;曹聪;孔德卿5.基于DRR及相似性测度的2D-3D医学图像配准算法 [J], 麦永锋;孙启昌;贾鹏飞;陈晓军因版权原因，仅展示原文概要，查看原文内容请购买。

基于互信息的医学图像配准中的优化算法的改进

基于互信息的医学图像配准中的优化算法的改进
Ｉ Ｎ ０ －３ ４ ＳＳ １ ０９ ０ ４
Ｅ－ｍａｌ ｅ ｆ Ｃ Ｃ ．ｅ ．ｎ ｉ： ｄｕ ＠ Ｃ Ｃｎ ｔｃ
Ｃ ｍｐ ｔｒ ｎｗｅｇ ｎ ｅｈ ｏｏｙ电脑 知 识 与技术 ｏ ｕｅ ｏ ｌｄｅａ ｄＴ ｃｎ ｌ Ｋ ｇ
Ｖｏ ．， ．６ Ｊ ｎ ０１ ． １８ Ｎｏ１ ， ｕ ｅ２ ２
摘要 ： 究 了基于互信息测度的 医学图像配 准方 法， 出了一种优化算 法的改进 。 目的 旨在 于解决配准的精 度和在基于互信 息配 研 提 准过 程 中的效率 问题。提 出的优化算 法是将拟 牛顿方法运用于 多模 医学图像配 准中。实验 结果说 明这种改进的方法能有效提 高
配准的精度和效率 问题 ， 并得到好的实验 效果 。
Ｕｎｖ ｒ ｔ ， ａ ｇｈ ｕ ５ ０ ０ ， ｉａ ｉｅ ｉ Ｇｕ ｎ ｚ ｏ １ ０ ６Ｃｈｎ） ｓｙ
Ａｂ ｔａ ｔ ｓｒ ｃ：Ｔｈｓｐ ｐ ｒｐ ｅｅ ｔ ａｎ ｖ ｌＯｐｉ ｚ ｄｍｅｈ ｄｆｒｍｅ ｉａ ａｅｒｇｓ ａｉｎ ｔｅｐ 印 ｏｅｉ ｔ ｏｖ ｒ ｂｅ ， ｉｈ ａｅ ｔｅ ｉ ａ ｅ ｒｓｎｓ ｏ ｅ ｔｍｉｅ ｔｏ ｏ ｄｃｌｍ ｇ ｅ ｉ ｒｔ ， ｈ ｕ ｓ ｓ ｏ ｓｌｅｐｏ ｌｍｓ ｗｈｃ ｒ ｈ ｉ ｔ ｏ
１ 熵 与 互信 息 ． １
熵是信息论 中的一个概念 ， 是系统复杂性和不确定性 的测度 。香农在 １４ 年提 出了熵 的概念 ， 以度量通信过程 中心信息源 ９８ 用
ｗｈｃ ｅ ｅ ｐ ｒｃ ｉ ｎｏ ｒｇ ￣ ｉｎ ｃｎ ｓｌ ｅ ｒｂｅ ｏ ｈ ｇ ａ ｕａ ｏ ， ｎ ｈｅ ｅ ｏ ｄｅ ｅ ｔ ｉ ｄ ｖ ｌ ｓ ｅ ｉｏ ｆ ｅ ｓ ｏ ， ａ ｖ ｔ ｏ ｌ ｈ ｏ ｐ ｓ ｉ ｏ ｅｈ ｐ ｍ ｆ ｕ ｅｃ ｃ ｌ ｉｎ ａ ｄ ｃ ｉ ｏ ｃ ． ｌ ｔ ａ ｖ ｇ ｆ ｓ

基于深度学习的3D生物医学脑图像配准算法研究

基于深度学习的3D生物医学脑图像配准算法研究

基于深度学习的3D生物医学脑图像配准算法研究摘要：在生物医学领域，脑图像配准是一个非常重要的问题。

如今，深度学习技术的出现给脑图像配准带来了新的机遇。

本文提出了一种基于深度学习的3D生物医学脑图像配准算法。

首先，我们使用卷积神经网络（CNN）提取两个脑图像的特征。

然后，我们使用特征点匹配来获得一些对应特征点对。

接着，我们使用非刚性变换来对脑图像进行配准。

我们的实验结果表明最终的配准效果极佳，并且远优于其他同类算法。

这说明了该算法的可行性和有效性，同时也证明了深度学习技术在生物医学领域中的巨大潜力。

关键词：3D生物医学脑图像，配准，深度学习，卷积神经网络1. 引言在医学图像处理中，脑图像配准是一个非常关键的问题。

脑图像配准是指将不同时间（比如同一人的不同时间点）、不同位置或不同成像仪器获取的脑影像进行匹配。

它在神经科学研究、诊断和治疗方面都起着重要作用。

传统的脑图像配准算法通常基于特征匹配、区域匹配、表面匹配等技术，但它们存在许多问题，如难以匹配非刚性变形、计算速度较慢等缺点。

因此，新的、快速、准确的配准算法就得到了广泛的研究。

近年来，深度学习技术的出现，尤其是卷积神经网络（CNN），取得了在图像识别、分类等方面巨大的成功。

随着技术的发展，它们也被用于医学图像处理的许多方向中。

尤其是对于脑图像配准而言，深度学习技术具有更明显的优势。

深度学习技术本质上是一种学习特征的方法，可以克服传统匹配算法的一些缺点，并且应用于非刚性变形的匹配问题，具有广泛的潜力。

本文提出了一种新的基于深度学习的3D生物医学脑图像配准算法。

该算法使用卷积神经网络（CNN）提取脑图像的特征，使用特征点匹配来进行配准，并使用非刚性变换方法来获得最终的配准结果。

本研究提出的算法能够匹配多个不同形态的脑部区域，适用于更广泛的临床场景。

同时，我们还对算法的性能和鲁棒性进行了详细的分析和实验。

2. 相关工作传统的脑图像配准算法主要有以下几种：2.1 基于特征匹配的算法特征匹配是一种常用的图像配准方法，此类算法可以通过检测两个脑图像之间的共同特征点，然后根据不同的特征点匹配策略来进行匹配。

基于互信息的医学图像配准中的优化算法

基于互信息的医学图像配准中的优化算法

但 遗 传 算 法 存 在 着 明 显 的缺 点 ， 在 经 常 实验 的 传统 遗 传算 法 的进 化 即 从 医学图像配准（ｅ ｉａ ｉ ｇ ｅｉｒｔ ｎ与 图像 融合技术是 近年 过 程 中 ，交 叉 算 子 产 生 新染 色体 的能 力 和 种 群 的多 样 性 不 断降 低 ， ｍ ｄｃｌｍａｅｒｇ ｔ ｉ ） ｓａｏ 出现 “ 早 收 敛 ” 过 问题 。 文献 ［ 用 一 种改 进 的 自适 ８ １ 采 来 在 医 学 图像 处 理 领 域 中 的热 门研 究 方 向之 一 。 图像 配 准是 图像 融 合 而 容易 陷入 早 熟 ， 对 很 过 和 进 行 多模 态 图像 分 析 的 基本 问题 。近 年 来 ， 学 图 像 配 准 技 术 有 了 应 遗 传 算 法 ， 医学 图 像 进 行 配 准 ， 好 的 克 服 了遗 传 算 法 “ 早 收 医
能够记 住搜索过程中遇到 的最好 结果 ， 当退 火结束时 ， 将所得最终解 ＩＡ， ＝ Ａ） 日（ 一 Ａ， ＝ （ Ｂ） 日（ ＋ Ｂ） Ｈ（ Ｂ） 日 Ｔ 在 医学 图像 配 准 中 ．虽 然 两 幅 图像 可 能 来 自不 同的 成 像 设 备 ， 但 与 记 忆 器 中 的 解 比较 并 取 较 优 者 作 为 最 后结 果 。并 用该 法 对 Ｃ 和
新 的 进 展 ， 大 互 信 息 法 是 目前 应 用 较 多 的 一 种 方 法 ， 配 准 精 度 一 敛 ” 问题 ， 得 了 良好 的效 果 最 其 的 取 ３４模 拟 退 火 法 简 称 Ｓ 法 ， 受 到 固体 退 火 过 程 的 启 发 而提 出 ， Ａ 是 般高于基于分割的方法 ， 由于 该 方 法 不 需 要 对 图 像 做 分 割 、 征 处 理 特 等 预 处 理 ， 乎 可 以 用 于 任 何 不 同模 式 图 像 的 配 准 ． 具 有 较 强 的 鲁 的 一种 全 局 优 化 方 法 ， 拟 退 火 算 法 在 某 一 初 温 下 ， 用 具 有 概 率 突 几 并 模 利 ｔ ｏｉ ｏ ｓ 伴 棒 性 。但 是 最 大 互 信 息 的 计算 涉及 大 量 的 浮 点 运 算 ， 配 准 过 程 复 杂 跳 特性 的 Ｍｅｒｐ ｌ 抽 样 策 略 在 解 空 间 中进 行 随 机 搜 索 ， 随 温 度 的 其

基于互信息的医学图像匹配中的改进插值算法

基于互信息的医学图像匹配中的改进插值算法
一

般都定位在单一的传统插值算法 ， 由于传统的插值算法存在插值精 度低或插值速度慢 的缺点 ， 提出 了一种基 于像素点 的
亮度绝对误差的图像插值算法 ， 插值算法结合了近邻插值算法 和双三次插值算法 的优 点， 提高了配准 的速度 和精确度 。通 过对头部 图像进行配准实验， 验证 了插值方法的有效性 。 关键词 ： 互信息 ； 插值算法 ； 像素点亮度
第２ 卷 第７ ７ 期
文章 编 号 ：０ ６—９４ （０ ０ ０ １０ ３ ８ ２ １ ）７—０ ９ ０ １４— ４
计
算
机
仿
真
２０ 月 ０ 年７ １
基 于 互信 息 的 医学 图像 匹 配 中 的改进 插 值 算 法
刘喜 平 ， 龚晓彦 ， 希娟 郭
（ 山大学 ， 燕 河北 秦皇岛 ０ ６０ ６ ０４） 摘要： 基于互信息的配准方法是医学 图像配准领域的重要方法 ， 具有 鲁棒性 ， 精度高等优点 ， 已成为医学图像处理 领域的热 点。在计算两个图像之间的互信息时 ， 了图像 配准精度 ， 为 图像的像素点经过空间变换需要进行插值 ， 目前 采用的插值方法
ｌ ｏ ｉｈ ｃ ｍｂ ｎ ｓｔ ｅ ａ ａ ｔ ｇ ｓｏ ｅ ｒｓ ｅｉｈ ｏ ｎｅ ｌｔｏ ｏ ｉｈ ａ ｄ ｂ ａ ｇ ｒｔｍ ｏ ｉ ｅ ｈ ｄｖ ｎ ａ ｅ ｆｎ ａｅ ｔｎ ｇ ｂ ｒｉ ｔｒ ｏ ａｉｎ ａｇ ｒｔ ｍ ｎ ｉ— ｃ ｂｉ ｉｔｒ ｌｔｏ ｇ ｒｔ ， ｐ ｌ ｕ ｃ ｎ ｅｐｏａｉｎ ａ ｏ ｈｍ ｌ ｉ
Ｗ ｈ ｎ ｃ ｃ ａｉ ｇ ｔｅ ｍｕｔａ ｎｏ ａ ｉｎ ｂ ｔ ｅ ｗｏ ｉ ａ ｅ ｅ ａ ｕｌｔｎ ｈ ｌ ｕ ｉ ｒ ｔｏ ｅｗｅ ｎ ｔ ｍ ｇ ｓ，ｔｅ ｉ ｇ ｘ ｌｐ ｉ ｓｎ ｅ ｎｅｐｏａｉｎ ｉ ｐ ｃ ｒ ｎ — ｌ ｆ ｍ ｈ ｍａ ｅ ｐｉｅ ｏｎｔ ｅ ｄ ｉ ｔｒ ｌ ｔ ｎ ｓ ａ ｅ ｔａ ｓ ｏ

基于三维互信息的多模医学图像配准


3. 3 三线 性 插值 ( P a r t i a l V o l u meD i s t r i b u t i o nI n t e r p o l a t i o n , P V ) 将浮动 图像的 8 个顶点的 灰度值与参考图像中的 p R灰度值组 成 8 个灰度序偶 , 每一对灰度序偶对联合直方图贡献权值 ω 。 i
1 0 0 t x 0 t y 1 t z 0 1
ƒ( p ) =i n t ( F
( n) ) ∑ ω· r
i i i
( 16) ( 17)
H ƒ( p ) , r ( p ←H ( ƒ( p ) ,r ( p ) )+ 1 α F R) α F R
T=
0 1 0 0 0 0
( 8)
旋转变化矩阵 R , Ф , Фy , Фz人为绕 x , y , z 轴旋转的角度 , 单位 x 为弧度 。 Rx , R , R 分别为绕 x , y, z , 轴的旋转变换矩阵 。 y z Rx= 0 s i n ( Фx ) c o s ( Фx ) 0
( 20)
比例变换矩阵 S , S ,S , S 分别为 x, y, z 轴的比例变换系数 。 x y z
s x 0
S=
0 0 0
s y 0 0 0 0
s z 0
2. 3 浮动图像到参考图像坐 标变换 浮 动图像 坐标到参 考图像 坐标的仿射几何变换 , 可以通过以下三步完成 。 。 2. 3. 1 浮动图像坐标 P , ω ·P F 到浮动世界坐标 ω F F =T i ,ω ,F F 2. 3. 2 从浮动世界坐标 ωF映射到参考世界坐标岭 ω ,ω A · R R=
∑ ω(p) =1
i F i
( 18)

改进的基于最大归一化互信息的医学图像配准算法


Ｍａ ．２ ０ ｙ ０８
文章编号
１０ ００—５６ （ ０８ ０ ０ ８ ０ ２ ９ ２０ ）３－ ２４－ ５法
刘 洪 ， 良荣 ， 李 王
摘
蓓
（ 贵州大学 电子科学与信息技术学院 ，贵阳 ５ ０２ ） ５０ ５
要： 作者提 出了一种基于最大归一化互信息的医学图像配准算法。该算法利用改进的部分
体积插值法进行插值计算， 有效地克服 了图像配准中常见的局部极值 问题。该算法利用最大互
信息作为 目标函数，Ｏ Ｌ 优化搜 索算法搜索一个最大互信息量从而获得最佳 配准参数。实 Ｐ ＷＥ Ｌ 验证明， 该算法计算 简单， 配准速度快 ， 具有更好的精确性和鲁棒性。
关 键词 ： 归一 化互信 息 ； 医学 图像 配准 ； 部分体 积插 值
达同一 内容的像素点在几何上一一对应时， 互信息取得最大值。图像的配准本质上是一个多参数的优化
中图分类 号 ：Ｐ ９ Ｔ３１ 文献标 识码 ： Ａ
Ｉ ｐ ｏ ｅ ｅ ｉ ａ ｍ ａ ｅ Ｒｅ ｉｔ ａ ｉ ｎ Ａｌ ｏ ｉｈ ｓ ｄ ｍ ｒ ｖ ｄ Ｍ ｄ ｃ ｌＩ ｇ ｇ ｓｒ ｔｏ ｇ ｒｔ ｍ Ｂａ ｅ
ｏ ａ ｉ ｉ ａ ： ｎ ｏ ｒ ａ ｉｅ ｕ ｕ ｌＩ ｆ ｒ ａ ｉ ｎ ｎ Ｍ ｘ ｍ ｚ ｔｏ ｆ Ｎｏ ｍ ｌ ｄ Ｍ ｔ ａ ｎ ｏ ｍ ｔｏ ｉ ｚ
Ａｂ ｔ ａ ｔ ｎ ｔｉ ａ ｅ ｄ ｃ ｌ ｉ ｇ ｅ ｉｔ ｔ ｎ ａｇ ｒ ｍ ａ ｅ ｎ ｍａ ｉ ｚ ｔ ｎ ｏ ｏ ｍａ ｉ ｄ ｓｒ ｃ ：Ｉ ｈ ｓｐ ｐ ｒ ａ ｍｅ ｉａ ｍａ ｅ ｒ ｇ ｓ ａ ｉ ｏ ｉ ｒ ｏ ｌ ｈ ｔ ｂ ｓ ｄ ｏ ｘ ｍｉａｉ ｆｎ ｒ ｌ ｚ ｏ ｅ ｍｕ ｕ ｎ ｏ ａｉｎ ｗａ ｒ ｐ ｓ ｄ ｈ ｌｏ ｉ ｍ ｓ Ｓ ｔ ｅ ｉ ｒ ｖ ｄ ｐ ｒｉ ｏｕ ｉ ｒ ｕ ｉｎ ｉ ｔ ｒ ｏ ｔ ａ ｉ ｆｒ ｔ ｓ ｐ ｏ ｏ ｅ ．Ｔ ｅａ ｇ ｒ ｈ Ｕ ｍｐ ｏ ｅ ａ ｔ ｖ ｌ ｍｅ ｄ ｓ ｉ ｔ ｎ ｅ ｐ － ｌ ｍ ｏ ｔ ｅ ｈ ｌ ａ ｔｂ ｏ

互信息医学图像配准中PV插值算法的改进

Computer Engineering and Applications计算机工程与应用2010，46（20）113互信息医学图像配准中PV插值算法的改进陈伟卿，华顺刚，欧宗瑛CHEN Wei-qing，HUA Shun-gang，OU Zong-ying大连理工大学机械工程学院CAD&CG研究所，辽宁大连116024CAD&CG Lab，School of Mechanical Engineering，Dalian University of Technology，Dalian，Liaoning116024，ChinaE-mail：cwqcgx_chen@CHEN Wei-qing，HUA Shun-gang，OU Zong-ying.Improvement of PV interpolation in mutual information-based medi-cal image puter Engineering and Applications，2010，46（20）：113-115.Abstract：In algorithm of medical image registration based on Mutual Information（MI），when the translation component isinteger times of pixel size，conventional PV（Partial Volume）interpolation method will result in the emergency of the localextremes in mutual information registration function，which may hamper the optimization algorithm from getting accuratematch parameters.An improved PV interpolation method is proposed by using Blackman-Harris windowed sinc function askernel function.In addition，the number of concerned neighborhood pixels increases to16from 4.Local extremes are eliminat-ed effectively and smooth MI function curve is acquired.The experiments show that the new method is feasible andhashigher robustness.Key words：image registration；mutual information；partial volume interpolation；local extremes；Blackman-Harris windowed sincfunction摘要：基于互信息的医学图像配准算法中，传统的部分体积插值法（PV）使互信息函数在像素整数倍位移处产生局部极值，使优化算法陷于局部最优解，从而导致错误配准。

一种改进的基于最大互信息的图像配准方法

Ｓ ｏａｏｄ ｇｔｎ ｎｏｌｃ ｘｒｍ ｙａ ｊｓ ｎ ｅ ｒｈｎ ｉ ｃｉｎ ｈ ｅｒｇ ｔ ｔ ｎ ｒｓ ｌ ｆ ｕ ｎ Ｏａ ｔ ｖ ｉ ｅｔ ｇｉｔ ｏａ ｅｔ ａｂ ｄｕｔ ｇｓａｃ ｉｇｄｒ ｔ ．Ｔ ｅ ｓ ａｉ ｅｕｔ ｏ Ｄ ｈ ｍａ ｓ ｉ ｌ ｅ ｉ ｅ ｏ ｉｒ ｏ ｓ ３
２ ．西安政治学院 心理战系 ，陕西 西安 摘 要
基 于互信 息的图像 配准方法在单模 图像 配 准中极 易受局部极 小值影 响 ，从 而导 致配 准失败。提 出
了一种改进 的局部优 化方法 ，在 Ｐｗ ｌ方法中引入针对 空间变换参数 的约束条件 。针 对 ８套脑部 ＭＲ ｏｅ ｌ Ａ和 ＭＲ 的 Ｉ 体数 据集进行 的 实验表 明 ，该方法可 以很 好地克服 优化 陷入 局部极值的情况 。 关键 词 单模 图像配准 ；最大互信息 ；全局优 化 ；脑部 ＭＲ Ａ和 ＭＲ Ｉ Ｔ ３ １４ Ｐ９． １ 文献标识码 Ａ 文章编号 １０ ７ ２ （０ ８ ０ ０ ３— ３ ０７— ８ ０ ２０ ）６— ７ ０
中图分类号
Ａｎ Ｉ ｐ ｏ ｅ ｍ ａ ｅ Ｒｅ ｉｔ ａ ｉ ｎ Ｂａ ｅ ｎ Ｍ ａ ｉ ｚ ｔｏ ｆＭ ｕｔ ｌＩ ｆ ｒ ａ ｉ ｎ ｍ ｒ ｖ ｄ Ｉ ｇ ｇ ｓ ｒ ｔｏ ｓ ｄ ｏ ｘ ｍｉ ａ ｎ ｏ ｉ ｕａ ｎ ｏ ｍ ｔｏ
Ｂａ ｉ， ，Ｚ ｅ ｇＹ ｎｎ ｉｎＱａ ｈ ｎ ｉｉｇ ，
是非 常重 要 ，已 经 受 到 了广 泛 的 关 注 和 研 究 ，它 能 以合成 的方 式 提 供 关 于 解 剖 和 生 理 学 方 面 的额
外信息。基于互信息最大化 的医学 图像配准方 法
是通 过 直接 计 算 两 组 图像 间 的 统计 相 关 性 来 匹 配 图像 的。 由于 不 需 要 事 先 的 分 割 、特 征 提 取 以及 其他 的处 理 等 优 点 ，这 种 方 法 更 加 通 用 和 有 效 ， 并且 已经很成 功 的应 用 于 多模 图像 配 准 中¨２。然 ． Ｊ
  1. 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
a ∈A , b ∈B
.
pA ( a ) = ∑pAB ( a , b) ,
b ∈B
( 6) ( 7)
【1】
pB ( a ) = ∑pAB ( a , b) .
b ∈A
2 改进的互信息测度
用 Powell 算法进行医学图像配准 , 需要几百次 计算互信息的值 ,如果能够快速计算出互信息 ,就可 以提高配准速度 . 对两幅待配准的图像 ,一幅作为参 考图像 R ,另一幅作为浮动图像 F ,则互信息的计算 公式可改写为 : I1 ( F , R ) = H ( F) + H ( R ) - H ( F , R ) . ( 11) 经分析可知 ,图像 F 中的每个像素点在每次计 算联合直方图 h ( A , B ) 时都被考虑到 , 且对直方图 的贡献始终为 1. R 图像中的像素点对直方图的总 的权值未必为 1 ,且在坐标变换较大时 R 图像中有 部分像素未被计入联合直方图计算 , 因此每次计算 互信息时 H ( F) 为一常量而 H ( R ) 为一变化较小的 量 . 配准时 H ( F) 只计算一次 , 作为常数进行配准 , 以简化互信息的计算 . 简化的互信息公式如下 : ( 12) I2 ( F , R ) = H ( R ) - H ( F , R ) + K , 归一化互信息测度和熵的相关系数改进为 : 2 I2 ( F , R ) H ( R) + K Y ( F , R) = , ECC ( F , R ) = . H ( F , R) H ( R) + K ( 13) 其中 K 是常数 ,为 H ( F) 的第 1 次计算值 . 如果忽略 R 图像的误差 ,互信息公式退化为联 合熵的计算 : ( 14) I3 ( F , R ) = - H ( F , R ) ,
互信息定义为 : I ( A , B ) = H ( A) + H( B ) - H ( A , B) .
对于待配准的两幅图像 , 可认为是关于图像灰 度的随机变量集 A 和 B ,概率分布可以通过归一化 两幅图像的联合灰度直方图 h ( A , B ) 得到 : h ( a , b) ( 5) pAB ( a , b) = , ∑ h ( a , b)
θ θ 其中 , R = Rx (θ x ) Ry ( y) R ( z ) , Vf 和 V r 为 3 3 3 的 对角阵 ,代表图像 F 和图像 R 的像素实际大小 , Cf 为图像 F 的灰度重心 , R 为旋转角度矩阵 , t 是平 移向量 . 根据 Vanderbilt 大学评估项目要求 ,将 CT 图 像作为浮动图像 ,MR 图像设为参考图像 . 1. 4 搜索算法 三维图像配准本质上是一个多参数最优化问 题 ,即寻找使互信息达到最大时的 6 个配准参数 ( 3 个平移参数 ,3 个旋转参数 ) . 采用 Powell 多参数优 化算法和 Brent 一维搜索算法优化配准参数 . 初始搜 索方向设为共轭的单位向量 . 选择优化过程的搜索 顺序为 ( t x , t y , <z , <x , <y , tz ) , 采用 Powell 的 Sargent 形式
第 36 卷
计相关性的测度 . 当两幅基于共同解剖结构的图像 达到最佳配准时 ,互信息达到极大值 . 基于互信息的 配准包含如下内容 : 互信息测度 ( MI) 、 联合灰度直 方图估计 、 插值算法 、 优化搜索算法等 .
1. 1 互信息测度
为沿行扫描方向 , y 轴为沿列扫描方向 , z 轴则为从 颅底到颅顶的方向 ,满足右手准则 . 脑图像可视为刚 体 ,故配准时仅考虑旋转变换和平移变换 6 个参数 . 从浮动图 F 的空间坐标 Pf 到参考图 R 的空间坐标
互信息还有两种其它形式 : Studholme 提出的归 一化互信息测度和 Maes 提出的熵的相关系数 H ( A) + H( B ) Y( A , B) = , H( A , B)
ECC ( A , B ) =
: ( 8) ( 9)
2 I ( A ,B) . H ( A) + H ( B )
1. 2 联合灰度直方图估计
收稿日期 :2005209201 基金项目 : 科学技术发展计划项目 (2005 GG4201010)
种改进的基于互信息的三维脑图像配准方法 , 简化 了互信息的计算 , 改进了 Powell 算法的方向替换策 略 ,实现了 CT2MR 的脑图像三维配准 . 结果表明 , 改 进的互信息测度简化了互信息的计算 ,加快了配准速 度 ,且达到了亚像素精度 . 在本文中还分析了多分辨 率策略、 搜索顺序等因素对配准速度的影响 . 图像数 据来源于美国 Vanderbilt 大学的 “回顾性图像配准评 (evaluation of retrospective image registration) 项目 . 估”
Pr 的刚体变换公式如下 : Pr = V r Vf R ( Pf - Cf ) + Cf + t ( t x , t y , tz ) . ( 10)
- 1
互信息用来测量两个随机变量的相关程度. 对 于两个随机变量 A , B , 其概率分布分别为 pA ( a ) ,
pB ( b) ,联合概率分布为 pAB ( a , b) ,则它们的信息熵
对两幅待配准的图像 ,一幅作为参考图像 R ,一 幅为浮动图像 F , F 的每个像素点旋转平移后对应 到 R 上 ,联合直方图 h ( F , R ) 通过变换后的像素点 【2】 对计算得到 . 浮动图像 F 的空间采样点通过坐标变换后得 到的坐标不一定是整数 , 需要通过插值方法获得参 考图像 R 上变换点的灰度值 . 常用的插值方法有最 近邻法 (NN ) 、 线性插值法 ( TRI) 、 部分体积插值法 ( PV) 等 . 插值方法可以分为两种 : 基于灰度的插值 方法和基于直方图的插值法 . 直方图插值法直接将 权值系数加到直方图 h ( F , R ) 上而不影响原图像的 灰度值 ,如 :Colignon 提出的 PV 插值方法 . 1. 3 采样策略 、 坐标变换 为抑制插值赝像 , 有关学者提出了过采样方法 【4 ,5】 并取得了较好的结果 ,但会影响图像的灰度值和 空间信息 ,在本文中采用隔点采样法以减少计算量 . 对两帧待配准三维图像 ,定义立体坐标系 : x 轴
3. 2 测试结果
图 1 平移时 3 种测度的变化曲线图 ( 自上而下分别为 互信息 、 改进后的互信息 、 联合熵) Fig. 1 Curves of three measures on translation (MI , Modified MI , Joint entropy)
A modified MI measure on 3D medical image rபைடு நூலகம்gistration
ZHAI Hai2ting , WU Xiao2juan , PENG Zhang ( School of Information Science and Engineering , Shandong University , Jinan 250100 , China) Abstract : Medical image registration based on Mutual Information (MI) is a hot topic in registration research. The MI’ s formula is modified to reduce computing cost , and the replace of Powell’ s search direction is also rectified to reserve the original direction , Multi2resolution method is used in our registration test . The results show that the modified MI measure can reach sub2voxel precision , and the registration time is reduced remarkably. Key words : image registration ; multi2modality medical image ; mutual information ; Powell search algorithm
【3】
第4期
翟海亭 ,等 : 一种改进的基于互信息的三维医学图像配准算法
【7】
35
经测试知 ,改进后的互信息测度具有与原测度 相同的收敛特性 , 且计算简便 . 3 种测度对平移 、 旋 转的变化曲线如图 1 和图 2 所示 .
的方向 Xi ( : , ibig) ,替换本轮搜索的最好方向 Xit 的过程如下 : Xi ( : , ibig) = Xi ( : , n) , Xi ( : , n ) = Xit , ( 15) 即将下降最大的方向替换为末方向 , 原来的末方向 替换为新的方向 . 因新方向 Xit 的贡献主要由 Xi ( : , ibig) 做出 , 这样会改变原搜索方向 , 而搜索次序设 定为 ( t x , t y , <z , <x , <y , tz ) 时效率最高 , 因此会影响 配准的速度和精度 . 对此进行改进 ,即在需要替换搜 索方向时直接替换原下降最大的方向 : ( 16) Xi ( : , ibig ) = Xit . 采用此法可大致保持搜索顺序不变 , 从而提高配准 速度 .
文章编号 :167223961 (2006) 0420033204
一种改进的基于互信息的三维医学图像配准算法
翟海亭 , 吴晓娟 , 彭 彰
( 山东大学 信息科学与工程学院 , 山东 济南 250100)
摘要 : 基于互信息的三维医学图像配准是配准的一大热点 . 本文提出的配准方法主要是对互信息测度的公式进行 简化 ,修正了 Powell 算法的方向替换方法 ,保持了原搜索方向 ,提高了配准速度 . 合理的设置收敛阈值 ,并用多分辨 率策略进行了图像配准测试 . 实验表明 ,改进后的互信息测度可以达到亚像素精度 , 而且在配准速度上有了明显 提高 . 关键字 : 图像配准 ; 多模态医学图像 ; 互信息测度 ; Powell 优化搜索算法 中图分类号 :TP391 文献标识码 :A