用改进的粒子群算法实现多模态刚性医学图像的配准

基于ICP算法的医学图像几何配准技术

机器人技术、计算机技术、图像处理技术与临床外科手 术相结合，产生了一个崭新的研究领域——计算机集成外科手术系统(Computer Integrated Surgical systems and ，。它旨在利用等图像信息并结合立technology CIS)CT/MRI 体定位系统对人体解剖结构进行术前显示、术前计划和术中定位，在外科手术中利用医用机器人和计算机进行干预。外科手术也逐渐从医院外科医生的单独工作，转移到包括工程技术人员和康复人员在内的一个工程系统，由他们组成的医疗小组共同制定手术计划、实施临床手术以及安排手术后的康复。其中医学图像几何配准是这个系统的关键技术，它 完成两个不同空间中对应于同一医学解剖特征的两点间的映射。医生能够利用配准的有用信息进行手术计划，引导手术进行。几何配准主要由个部分组成：术前模型的建立，术3中数据的获取和配准计算。如图所示。 1 图几何配准模块 1 基于的配准算法 1 ICP 配准算法最初由 ICP (Iterative Closest Point Algorithm)和Besl Mckey [1] 提出，这是一种基于轮廓特征的点配准方法。对同一解剖结构，提取医学图像的轮廓，得到术前模型},..,2,1,0,{k i x X i ==的一组点集和术中的一组点 集},..,2,1,0,{n i u U i ==U X 。其中和不必具有相同 n k ≥U i u X 数量的元素令。对集合中的一个点，集合, i u 中与的距离最短的点被称为最近点。图像几何配准就 是通过两个坐标系之间的旋转和平移，使得来自医学图像上 的同源点间距离最小。假设每对点 ),..,,(21im i i i u u u u =和 ),..,,(21im i i i x x x x =都是三m 维点＝，为了使它们配准起来，就要找到最优的旋转( 3)矩阵和平移向量，满足目标表达式 R T [2] ()2 ,min ∑ +?T Ru x i i T R 其中，是×的旋转矩阵；是×的平移矩阵。R 33 T 31为了解决这个问题，采用叠代最近点的方法：Y X Y ?X U 获得点集，，由中对距离最近的点(1) 组成； 应用四元数法(2)[3] ，得到旋转矩阵和配准(quaternions)R 向量； T 将和作用于集合； (3)R T U 决定均方差值是否小于预先估计的临界值，如不是(4)则返回到继续进行。 (1)术前建模及数据获取 2 术前模型的建立 2.1 在计算机集成外科手术系统中，全膝置换手术占很大比例，本文以股骨为例建立三维几何模型。首先采用扫描CT 得到股骨内、外结构的截面二维几何信息。然后在Pro/软件中读取这些信息，进行二维断层图像的三维 Engineer CT 重建[4] ，得到的股骨硬组织三维模型如图所示。 2基于算法的医学图像几何配准技术 ICP 李　斌1，吴　松2，王成焘1 （上海交通大学机械与动力工程学院，上海；上海交通大学研究生院，上海） 1. 200030 2. 200030摘　要：几何配准是医学图像领域研究的重要内容，医学图像几何配准的目标就是建立术前和术中两组点的变换关系。该文利用股骨为模型，讨论了基于轮廓特征的医学图像几何配准算法，从技术上实现了术前建模和术中取点，并编制相应的算法程序。ICP ICP 关键词：几何配准；医学图像；算法 ICP Technique for Medical Image Geometrical Registration Based on ICP Algorithm LI Bin 1，WU Song 2，WANG Chengtao 1 ； (1.College of Mechanical Engineering, Shanghai Jiaotong Univ.,Shanghai 200030 2. Graduate School,Shanghai Jiaotong Univ., Shanghai 200030)【】Abstract Geometrical registration is an important research field in medical image. The goal of medical image registration is to establish a common reference frame between pre-surgical and intra-surgical 3-D data sets. This paper presents an ICP(iterative closest point ) algorithm based on contour ，：，feature. According to the example of femur model it realizes three parts of geometrical registration establishing pre-operative model selecting intra ，-operative data sets and programming ICP algorithm. 【】Key words ；；Geometrical registration Medical image ICP algorithm 第卷　第期2914№ Vol.29 14计　算　机　工　程Computer Engineering 年月 20038 August 2003 ?多媒体技术及应用? 中图分类号： TP391 文章编号：———10003428(2003)14 015103 文献标识码：A

小动物多模态分子医学影像系统

569小动物多模态分子医学影像系统院系：工学院 小动物多模态分子医学影像系统 国家重大科学仪器设备开发专项项目《小动物多模态分子影像重大科研仪器及关键技术研究项目》ZL201220380368.1人，硕士生1人；博士后3人。三年内利用该仪器作为主要科研手段发表学术论文（三大检索） 12 篇，其中代表论文：论文题目期刊名年 卷（期）起止页码Gold Nanoshelled Nanomicelles for Potential MRI Imaging, Light-Triggered Drug Release, and Photothermal Therapy.Adv Funct Mater 201323（7）815-822Laser Oblique Scanning Optical Microscopy (LOSOM) for Optics Express 201220（13）14100-14108RGD-conjugated gold nanorods induce radiosensitization in melanoma cancer cells by downregulating alpha(v)beta(3) International Journal of Nanomedicine 20127915-924Position mapping and a uniformity correction method for small-animal SPECT based on connected regional recognition.Nuclear Instruments and Methods in Physics Research Section A 20137041-6

ebnnuqc医学_图像处理技术

^ | You have to believe, there is a way. The ancients said:" the kingdom of heaven is trying to enter". Only when the reluctant step by step to go to it 's time, must be managed to get one step down, only have struggled to achieve it. -- Guo Ge Tech 医学图像处理技术 摘要：随着医学成像和计算机辅助技术的发展，从二维医学图像到三维可视化技术成为研究的热点，本文介绍了医学图像处理技术的发展动态，对图像分割、纹理分析、图像配准和图像融合技术的现状及其发展进行了综述。在比较各种技术在相关领域中应用的基础上，提出了医学图像处理技术发展所面临的相关问题及其发展方向。关键词：医学图像处理；图像分割；图像配准；图像融合；纹理分析 1．引言 近20 多年来，医学影像已成为医学技术中发展最快的领域之一，其结果使临床医生对 人体部病变部位的观察更直接、更清晰，确诊率也更高。20 世纪70 年代初，X-CT 的发明 曾引发了医学影像领域的一场革命，与此同时，核磁共振成像象(MRI :Magnetic Resonance Imaging)、超声成像、数字射线照相术、发射型计算机成像和核素成像等也逐步发展。计算机和医学图像处理技术作为这些成像技术的发展基础，带动着现代医学诊断正产生着深刻的变革。各种新的医学成像方法的临床应用，使医学诊断和治疗技术取得了很大的进展，同时将各种成像技术得到的信息进行互补，也为临床诊断及生物医学研究提供了有力的科学依据。 在目前的影像医疗诊断中,主要是通过观察一组二维切片图象去发现病变体,往往需要借助医生的经验来判定。至于准确的确定病变体的空间位置、大小、几何形状及与周围生物组织的空间关系,仅通过观察二维切片图象是很难实现的。因此,利用计算机图象处理技术对二维切片图象进行分析和处理,实现对人体器官、软组织和病变体的分割提取、三维重建和三维显示,可以辅助医生对病变体及其它感兴趣的区域进行定性甚至定量的分析,可以大大提高医疗诊断的 准确性和可靠性。此外,它在医疗教学、手术规划、手术仿真及各种医学研究中也能起重要的辅助作用。 本文对医学图像处理技术中的图像分割、纹理分析、图像配准和图像融合技术的现状及其发展进行了综述。 2．医学图像三维可视化技术 2.1三维可视化概述 医学图像的三维可视化的方法很多，但基本步骤大体相同，如图.。从#$ /&’(或超声等成像系统获得二维断层图像，然后需要将图像格式（如0(#1&）转化成计算机方便处理的格式。通过二维滤波，减少图像的噪声影响，提高信噪比和消除图像的尾迹。采取图像插值方法，对医学关键部位进行各向同性处理，获得体数据。经过三维滤波后，不同组织器官需要进行分割和归类，对同一部位的不同图像进行配准和融合，以利于进一步对某感兴趣部位的操作。根据不同的三维可视化要求和系统平台的能力，选择不同的方法进行三维体绘制，实现三维重构。

基于图像特征和光流场的非刚性图像配准

第２５卷 第９期 ２０１７年９月 光学精密工程 Optics and Precision Engineering Vol ．２５ No ．９ Sep ．２０１７ 收稿日期：２０１７-０３-０６；修订日期：２０１７-０５-２８． 基金项目：国家自然科学基金资助项目（No ．８１６７１８４８，No ．８１３７１６３５）；山东省重点研发计划资助项目（No ： ２０１６GGX １０１０１７）文章编号 １００４-９２４X （２０１７）０９-２４６９-１４ 基于图像特征和光流场的非刚性图像配准 纪慧中，贾大宇，董恩清*，薛 鹏，唐振超 （山东大学（威海）机电与信息工程学院，山东威海２６４２００） 摘要：考虑传统非刚性图像配准方法无法同时满足配准精度和配准时间要求，综合图像的特征和灰度信息，提出了几种改进的非刚性图像配准方法：基于圆形描述子特征的非刚性配准方法（Circle Descriptor Feature ，CDF ），基于动态驱动力Demons 的非刚性配准方法（Dynamic Driving Force Demons ，DDFD ），和基于图像特征和光流场的非刚性配准方法。CDF 方法通过提取图像的特征点，采用圆形描述子代替传统方法的正方形描述子来保证图像的旋转不变性，提高配准 速度；DDFD 方法通过引入驱动力系数动态改变驱动力，有效地解决了传统方法配准时间和配准精度低的问题；基于图像特征和光流场的非刚性配准方法则首先提取浮动图像和参考图像的特征点，然后利用提取的特征点进行粗配准（特征级配准），再采用基于光流场的方法进行精细配准（像素级配准），最终实现配准精度和配准时间的兼顾。对checkboard 测试图像、自然图像、脑部M R 图像、肝部CT 图像进行了实验测试，结果表明，本文方法在配准时间、配准精度及对大形变图像的适应性方面均优于传统尺度不变特征转换（SIFT ）、加速鲁棒特征（SURF ）、Demons 、Active Demons 和全变差正则项-L １范数项（T V -L １）等方法。 关 键 词：图像配准；非刚性配准；特征提取；光流场模型；圆形描述子 中图分类号：T P ３９１．４ 文献标识码：A doi ：１０．３７８８／OPE ．２０１７２５０９．２４６９Non -rigid registrations based on image characteristics and optical flows JI Hui -zhong ，JIA Da -y u ，DONG En -q ing *，XU E Peng ，T ANG Zhen -chao （School o f Mechanical ，Electrical &In f ormation En g ineering ， Shandon g Universit y ，W eihai ２６４２００，China ） *Corres p onding author ，E -mail ：en q dong ＠sdu ．edu ．cn Abstract ：As the non -rigid image registration methods can not meet the requirements of registration accuracy and registration time simultaneously ，three kinds of improved non -rigid registration methods are proposed based on image characteristics and image gray ．T hese non -rigid registration methods were based on the Circle Descripto increases Feature （CDF ），Dynamic Driving Force Demons （DDFD ）and image characteristics and optical flow ，respectively ．In CDF method ，feature points were extracted from the images ，and the circle descriptor is used in the method instead of square descriptor in classical methods ，by w hich the rotation invariance was maintained and the speed of the registration was increased ．In DDFD method ，the driving force was changed by introducing the driving force coefficient ，so that the registration time and registration accuracy were improved effectively ．In registration methods based on image characteristics and optical flow ，the feature points were extracted 万方数据

医学图像配准

《数字医学图像》报告 内容：图像配准专题 专业： 2012级信息管理与信息系统班级：信管一班 小组成员： 20120701020 韩望欣 20120701008 毕卓帅 20120701005 胡庆 指导老师：彭瑜 完成日期： 2015 年 10月 25日

图像配准专题 简介：图像配准是对取自不同时间，不同传感器或不同视角的同一场景的两幅图像或者多幅图像匹配的过程。图像配准广泛用于多模态图像分析，是医学图像处理的一个重要分支，也是遥感图像处理，目标识别，图像重建，机器人视觉等领域中的关键技术之一，也是图像融合中要预处理的问题，待融合图像之间往往存在偏移、旋转、比例等空间变换关系，图像配准就是将这些图像变换到同一坐标系下，以供融合使用。 一：图像配准方法国内外进展情况 图像配准最早在美国七十年代的飞行器辅助导航系统、武器投射系统的末端制导以及寻地等应用研究中提出,并得到军方的大力支持与赞助。经过长达二十多年的研究,最终成功地用于中程导弹及战斧式巡航导弹上,使其弹着点平均圆误差半径不超过十几米,从而大大提高了导弹的命中率。八十年代后,在很多领域都有大量配准技术的应用,如遥感领域,模式识别,自动导航,医学诊断,计算机视觉等。各个领域的配准技术都是对各自具体的应用背景结合实际情况量身订制的技术。但是不同领域的配准技术之间在理论方法上又具有很大的相似性,从而使得在某领域的配准技术很容易移植到其它相关领域。目前国内外研究图像配准技术比较多的应用领域有红外图像处理、遥感图像处理、数字地图定位和医学图像处理等领域。 二、图像配准在医学领域的应用 20世纪以来随着计算机技术的不断发展,医学成像技术得到了快速的发展。尖端的新型医疗影像设备层出不穷,如计算机线摄影、数字减影等等,这些已经成为现代医学诊断必不可少的医学数字成像手段。由于这些医学数字成像设备有不同的灵敏度和分辨率,它们有各自的使用范围和局限性。多种模式图像的结合能充分利用图像自身的特点并做到信息互补。近几十年以来,图像配准在医学上的应用日益受到医学界和工程界的重视,己在世界范围广泛展开,在相关文献中己经提出了很多种医学图像配准的方法,这些研究成果广泛地运用到医学领域中。图像配准在医学中的应用领域主要有以下几方面: ?组织切片图像的处理与显微结构三维重建 ?疾病诊断及其发展和消退的过程检测 ?神经外科手术可视化、神经外科手术一计划及术前评估 ?感觉运动和认知过程的神经功能解剖学研究 ?神经解剖变异性的形态测量分析学 ?放射治疗和立体定向放射外科治疗计划 三、图像配准的定义 对于二维图像配准可定义为两幅图像在空间和灰度上的映射，如果给定尺寸的二维矩阵F 1和F2代表两幅图像F1（X，Y）和F2（X，Y）分别表示相应位置（X，Y）上的灰度值。则图像间的映射可表示为：F （X，Y）=G（F （H（X，Y））），式中H表示一个二维空间坐标变换，即（X’，Y’）=H（X，Y），且G是一维灰度变换。 四、图像配准方法的分类 1、维数 主要是根据待配准图像的空间维数及时间维数来划分的。图像仅含空间维数或者是图像的时间序列中带有空间数，其配准可根据图像的空间维数分2D/2D，2D/3D，3D/3D，4D/4D

2D3D医学图像配准研究

分类号：密级： UDC：学号： 010768 东 南 大 学 硕 士 学 位 论 文2D-3D 医学图像配准研究 研究生姓名：梁玮 导师姓名： 鲍旭东 教授 罗立民教授 申请学位级别工学硕士工程领域名称生物医学工程 论文提交日期 2004年 月 日论文答辩日期2004年月日学位授予单位东南大学学位授予日期2004年月日答辩委员会主席评阅人 二〇〇四年六月

2D-3D REGISTRATION OF MEDICAL IMAGE A Dissertation Submitted to Southeast University For the Academic Degree of Master of Engineering BY LIANG Wei Supervised by Prof. BAO Xudong And Prof. LUO Limin Department of Biomedical Engineering Southeast University June 2004

东 南 大 学 学 位 论 文 独 创 性 声 明 本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得东南大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。 研究生签名：日期： 东 南 大 学 学 位 论 文 使 用 授 权 声 明 东南大学、中国科学技术信息研究所、国家图书馆有权保留本人所送交学位论文的复印件和电子文档，可以采用影印、缩印或其他复制手段保存论文。本人电子文档的内容和纸质论文的内容相一致。除在保密期内的保密论文外，允许论文被查阅和借阅，可以公布（包括刊登）论文的全部或部分内容。论文的公布（包括刊登）授权东南大学研究生院办理。 研究生签名： 导师签名：

医学图像处理综述

医学图像处理综述 墨南-初夏2010-07-24 23:51:56 医学图像处理的对象是各种不同成像机理的医学影像。广泛使用的医学成像模式主要分为X射线成像(X—CT) ，核磁共振成像(MRI)，核医学成像(NMI)和超声波成像(UI) 这四类。 （1）x射线成像：传统x射线成像基于人体不同器官和组织密度不同。对x射线的吸收衰减不同形成x射线影像。（例如人体中骨组织密度最大，在图像上呈白影，肺是软组织并且含有气体，密度最低，在照片上的图像通常是黑影。）常用于对人体骨骼和内脏器官的疾病或损伤进行诊断和定位。现代的x射线断层成像(x—cT) 发明于20世纪70年代，是传统影像技术中最为成熟的成像模式之一，其速度已经快到可以对心脏实现动态成像。其缺点是医生要在病人接收剂量和片厚之间进行折衷选择，空间分辨率和对比度的还需进一步提高。 （2）核磁共振成像(MIR) 发展于20世纪70年代，到80年代才进入市场，这种成像设备具有在任意方向上的多切片成像、多参数和多核素成像、可实现整个空问的真三维数据采集、结构和功能成像，无放射性等优点。目前MRI的功能成像(fMRI) 是MIR设备应用的前沿领域，广泛应用于大脑功能性疾病的诊断,并为肿瘤等占位性病变提供功能信息。MRI 受到世人的广泛重视，其技术尚在迅速发展

过程中。 （3）核医学成像(NMI ) ，目前以单光子计算机断层成像(SPECT) 和正电子断层成像(PET) 为主，其基本原理是向人体注射放射性核素示踪剂，使带有放射性核素的示踪原子进入人体内要成像的脏器或组织通过测量其在人体内的分布来成像。NMI不仅可以提供静态图像，而且可提供动态图像。 （4）超声波成像(Ultrasonic Imaging ) ，属于非电离辐射的成像模态，以二维平面成像的功能为主，加上血液流动的彩色杜普勒超声成像功能在内，在市场上已经广泛使用。超声成像的缺点是图像对比度差、信噪比不好、图像的重复性依赖于操作人员。但是，它的动态实时成像能力是别的成像模式不可代替的 在目前的影像医疗诊断中，主要是通过观察一组二维切片图象去发现病变体．这往往需要借助医生的经验来判定。至于准确地确定病变体的空间位置、大小、几何形状及与周围 生物组织的空间关系，仅通过观察二维切片图象是很难实现的。因此，利用计算机图像处理技术对二维切片图象进行分析和处理。实现对人体器官，软组织和病变体的分割提取，三维重建和三维显示，可以辅助医生对病变体及其它感兴趣的区域进行定性甚至定量的分

医学图像配准技术 综述

医学图像配准技术 A Survey of Medical Image Registration 张剑戈综述，潘家普审校 （上海第二医科大学生物医学工程教研室，上海 200025） 利用CT、MRI、SPECT及PET等成像设备能获取人体内部形态和功能的图像信息，为临床诊断和治疗提供了可靠的依据。不同成像模式具有高度的特异性，例如CT通过从多角度的方向上检测X线经过人体后的衰减量，用数学的方法重建出身体的断层图像，清楚地显示出体内脏器、骨骼的解剖结构，但不能显示功能信息。PET是一种无创性的探测生理性放射核素在机体内分布的断层显象技术，是对活机体的生物化学显象，反映了机体的功能信息，但是图像模糊，不能清楚地反映形态结构。将不同模式的图像，通过空间变换映射到同一坐标系中，使相应器官的影像在空间中的位置一致，可以同时反映形态和功能信息。而求解空间变换参数的过程就是图像配准，也是一个多参数优化过程。图像配准在病灶定位、PACS系统、放射治疗计划、指导神经手术以及检查治疗效果上有着重要的应用价值。 图像配准算法 可以从不同的角度对图像配准算法进行分类[1]：同/异模式图像配准，2D/3D图像配准，刚体/非刚体配准。本文根据算法的出发点，将配准算法分为基于图像特征(feature-based)和基于像素密度(intensity-based)两类。 基于特征的配准算法 这类算法利用从待配准图像中提取的特征，计算出空间变换参数。根据特征由人体自身结构中提取或是由外部引入，分为内部特征(internal feature)和外部特征(external feature)。

【作者简介】张剑戈（1972-），男，山东济南人，讲师，硕士 1. 外部特征 在物体表面人为地放置一些可以显像的标记物（外标记，external marker）作为基准，根据同一标记在不同图像空间中的坐标，通过矩阵运算求解出空间变换参数。外标记分为植入性和非植入性[2]：立体框架定位、在颅骨上固定螺栓和在表皮加上可显像的标记。Andre G[3]等将该方法用于机器人辅助手术，对于股骨移植，位移误差小于1.5mm，角度误差小于3°，由于计算量小，可以实现实时配准。但是标记物必须事先被固定好，不能用于回顾性配准，而且该方法只适用刚体配准。 2. 内部特征 从医学影像中可以提取出点、线和面：血管的交点、血管、胸腹之间的横膈膜等，这些特征作为内标记点(internal marker) ，利用其空间位置同样可以求解出空间变换参数。Hill DL[4]用11个形态点对脑部配准，误差<1mm，方差为1.73mm。Meyer CR[5]除了血管树的交点，还使用了左右脑之间的间隔等特征。Maurer CR[6,7]赋予点、线、面等几何特征不同的权重(weighted geometrical features, WGF)，进一步改进了算法。内标记点配准是一种交互性的方法，将3D图像配准简化为点、线和面的匹配，可以进行回顾性研究，不会造成患者的不适。但是医生对特征位置的判断影响到配准精度，为了克服人为误差，需要多次重复操作，以平均值作为最终结果。 表面匹配算法也利用了内部特征[8]：进行图像分割，提取出轮廓曲线、物体表面等内部特征，使2D/3D图像配准简化为2D曲线和3D曲面的匹配，不再考虑物体内部像素。典型的应用是刚体配准的“头帽”算法[9]，从头部的3D图像中分割出表面轮廓，分别作为头模型和帽模型。配准的目标函数是头表面和帽表面之间的均方距离，该距离是空间变换参数的函数。表面匹配算法是一种自动算法，在物体表面轮廓相似并且清晰的情况下，配准效果很好。其不足之处在于：准确地进行图像分割很困难；不同模式的图像，如CT/PET图像，由于器官的轮廓差异较大，难于精确地匹配。 3. 在非刚体配准中的应用 进行非刚体配准前要确定物理模型，常见有弹性模型、粘稠液体模型、生物力学模型。通过在感兴趣区域中提取参考点、2D或是3D轮廓线，使待配准图像

多模态医学图像的融合研究

第22卷　第2期2004年6月 广西师范大学学报(自然科学版)JOU RNAL O F GUAN GX INORM AL UN I V ERS ITY V o l .22 N o.2June 2004收稿日期:2004203218 基金项目:广西教育厅科研基金资助项目 作者简介:王修信(1963—),男,广西桂林人,广西师范大学副教授,硕士. 多模态医学图像的融合研究 王修信1,张大力2 (11广西师范大学物理与信息工程学院,广西桂林541004;21清华大学自动化系,北京100084) 摘　要:图像融合作为一种有效的信息融合的技术,已广泛用于医学图像、军事、遥感、机器视觉等领域.基于 小波变换的图像融合是一种新的多尺度分解像素级融合方法,利用小波变换分别对CT ,M R I 医学图像进行 分解处理,按照融合规则构造融合图像对应的各小波系数,再根据融合图像的各小波系数重构融合图像,重构 后的融合图像完好地显示源图像各自的信息.实验图像使用互信息量化判据来评价融合效果,结果表明小波 变换比传统的像素级加权平均融合算法效果更好. 关键词:医学图像;融合;小波变换 中图分类号:T P 391141 文献标识码:A 文章编号:100126600(2004)022******* 医学影像学为临床提供了超声图像、X 射线、 电子计算机体层扫描(CT )、磁共振成像(M R I )、数字减影成像(D SA )、正电子发射体层扫描(PET )、单光子发射断层成像(SPECT )等多种模态影像信息[1～3].不同的医学影像可以提供人体相关脏器和组织的不同信息,如CT 和M R I 提供解剖结构信息,而PET 和 SPECT 提供功能信息 .在实际临床应用中,单一模态图像往往不能提供医生所需要的足够信息,通常需要将不同模态图像融合在一起,得到更丰富的信息以便了解病变组织或器官的综合信息,从而做出准确的诊断或制订出合适的治疗方案.例如,CT 利用各种组织器官对X 射线吸收系数的不同和计算机断层技术对人体进行成像,它对于骨、软组织和血管的组合成像效果很好,而对软组织则近乎无能为力.M R I 利用水质子信息成像,对软组织和血管的显像灵敏度比CT 高得多,但对骨组织则几乎不显像.由此可见不同成像技术对人体同一解剖结构所得到的形态和功能信息是互为差异、互为补充的,因此对不同影像信息进行适当的集成便成为临床医生诊断和治疗疾病的迫切需要. 小波变换具有多分辨率分析特点,可聚焦到分析对象的任意细节,特别适合图像信号非平稳信源的处理[4].基于小波变换的图像融合是一种新的多尺度分解像素级融合方法,已有的应用研究主要是热图像和可视图像的融合[5,6].本文利用小波变换分别对CT ,M R I 医学图像进行分解处理,按照融合规则构造融合图像对应的各小波系数,再根据融合图像的各小波系数重构融合图像,重构后的融合图像完好地显示源图像各自的信息.实验图像使用互信息量化判据来评价融合效果,结果表明小波变换比传统的像素级加权平均融合算法效果更好. 1　基于小波变换的图像融合原理 小波变换是用一族小波函数系去逼近一信号,而小波函数系是通过一个基本小波函数在不同尺度下经伸缩和平移构成[7]. 7a ,b (x )=1?a ? 7x -b a ,　a ,b ∈R ,a ≠0其中a 为伸缩因子,b 为平移因子. 对于二维情况,设V 2j (j ∈Z )是空间L 2(R 2)的一个可分离多分辨率分析,对每一个j (j ∈Z )来说,尺度

非刚性医学图像配准算法的设计与实现

【关键词】医学图像；非刚性；图像配准；匹配矩阵；薄板样条 摘要：非刚性图像匹配问题已成为医学图像分析中一个非常具有挑战性的问题。基于薄板样条插值方法 ,引入实匹配矩阵,并给出相应配准变换算法，该算法将薄板样条参数表示成仿射分量和非仿射分量，并分别进行求解。与其它非刚性匹配算法相比，该算法不仅保证了对应特征点的双向对应，也实现了自动特征点选择，实验结果令人满意。编辑。 关键词：医学图像；非刚性；图像配准；匹配矩阵；薄板样条 1引言 在医学诊断和治疗过程中，常需要对比分析多幅图像，以获得更为精确和全面的信息。图像分析大都要求多幅图像的几何位置一致，因此，配准是医学图像分析的一个重大课题。医学图像配准是指对于一幅医学图像寻求一种(或一系列)空间变换，使它与另一幅医学图像上的对应点达到空间上的一致。这种一致是指人体上的同一解剖点在两张匹配图像上有相同的空间位置。配准的结果应使两幅图像上所有的解剖点，或至少是所有具有诊断意义的点及手术感兴趣的点都达到匹配。图像配准不仅可以校正病人多次成像间的位置变化，也可以校正由于成像模式本身导致的畸变。对同一个病人的不同时间的图像进行配准，可以了解发育过程及肿瘤病变的病情；对不同人的图像进行配准，去除种族、年龄等临床及遗传差异，从而形成疾病或人群特异性图谱，可用于正常与否的分析；对不同成像模式进行配准，可以获得互补信息。 医学图像配准可分为刚性配准和非刚性配准两类。刚性配准在许多情况下不能满足临床的需要，因为很多形变的性质是非刚体、非线性的。比如为了精确定位mr图像左心室，常常伴有组织磁化系数差异、非水分子的化学位移以及血流流动等因素导致的几何畸变以及由于磁场不均匀、磁场梯度非线性及涡流等导致的探测畸变，因此在放疗计划制定中，将mr图像配准时，不能单纯地使用刚性配准，必须使用非刚性配准。 非刚性配准算法可分为灰度驱动、模型驱动及混合算法三种［1~3］。灰度驱动方法基于数学或统计尺度将一个灰度模式与另一个对准。典型情况下，需要定义源系统与目标系统之间的灰度相似性的数学量度。灰度相似性测度包括象素灰度的均方差、相关或互信息。模型驱动方法首先建立明确的几何模型，以此表示解剖标志。这些解剖标志包括有重要功能的表面、曲线和点。将源系统的解剖标志参数化，与目标系统的对应部分对准，以这种对应关系引导系统其余部分的变换。模型驱动算法包括点约束法、线约束法和面约束法。混合算法是结合使用以上两种算法的方法。薄板样条插值方法是非刚体变换中的一种特殊的变换，它允许局部调整，并符合某种连续性或平滑性要求。第2节讨论刚性能量函数；第3节给出非刚性能量函数；第4节设计并实现一个非刚性配准算法；最后给出实验结果。 2刚性能量函数 本研究之所以采用薄板样条，是因为它的独特性质，就是能够将空间变换分解为一个全局仿射变换和一个局部非仿射变换。booksteein［4］首先将薄板样条函数应用于标志点的匹配，结果证明它是一个非常有用的形状分析工具。假设在二维空间，已知两个具有n对对应点的点集，q={qi，i=1，2，…，n}和p={pi，i=1，2，…，n}，将点集q，p表示为： q=1 x1 y1 1 x 2 y2 ……… 1 xn ynp=1 x1 y1 1 x 2 y2 ……… 1 xn yn 下面我们建立从点集p到点集q的薄板样条映射f(pi)，由于薄板样条是不对称的，因此从

多模态医学图像非刚性配准算法研究综述

多模态医学图像非刚性配准算法研究综述 夏仁波 中国科学院沈阳自动化研究所 医学影像技术的高度发展给临床医学提供了X射线、超声、计算机断层成像（CT）、数字减影血管造影（DSA）、单光子发射断层成像（SPECT）、磁共振成像（MRI）、正电子发射断层成像(PET)等多种模态的影像信息。每种模态都有其优缺点，例如CT可以清楚地显示出体内脏器和骨骼的解剖结构，但不能显示功能信息。PET 是一种无创性的探测生理性放射核素在机体内分布的断层显像技术，是对活机体的生物化学显像，反映了机体的功能信息，但是图像模糊，不能清楚地反映形态结构。由于成像原理不同造成的图像信息局限性，使得单独使用某一类图像的效果并不理想，而多种图像的利用又必须借助于医生的空间想象力和推测去综合判定他们所要的信息，其准确性受到主观影响，更重要的是一些信息可能被忽视。解决这个问题的办法是通过空间变换将两幅图像映射到同一坐标系中，使相应器官的影像在空间中的位置一致，可以同时反映形态和功能信息。而求解空间变换参数的过程就是图像配准。在配准过程中，其中的一幅图像保持固定，称为参考图像（Reference Image），与参考图像进行匹配的图像称之为浮动图像（Floating Image）。医学图像配准是信息科学、计算机图像技术和当代医学等多学科交叉的一个研究领域，在病灶定位、PACS 系统、放射治疗计划、指导神经手术以及检查治疗效果上有着十分重要的应用价值。 按空间变换关系，图像配准可被归为两个大类: 刚性配准（Rigid Registration）和非刚性配准（Non-rigid Registration） 变换，非刚性配准包括仿射、射影和弹性变换等。刚性配准通常假设图像获取过程中目标组织的解剖和病理结构不发生变形或者扭曲，例如，由于受头颅的约束，同一病人的大脑图像被认为只存在刚性变换。“刚性”假设简化了配准的复杂度，经过几十年的发展，刚性配准算法已经比较成熟，但目前的算法对初值非常敏感。另一方面，虽然在一般情况下刚性配准足以描述两幅图像之间的空间变换，然而，许多时候并不能满足临床的需要，因为很多形变的性质是非刚体、非线性的。比如MRI 图像常常伴有组织磁化系数差异、非水分子的化学位移以及血液流动等因素导致的几何畸变以及由于磁场不均匀、磁场梯度非线性及涡流等导致的探测畸变。因此在放疗计划制定中，CT 与MRI 图像配准时，不能单纯地使用刚体配准。尤其对一些特殊部位，比如鼻咽部，由于软组织和空气的磁化系数差异大约为105，会引起10ppm 的磁场变化，从而导致大于5mm 的几何畸变。此时，为了得到满意的结果，必须使用非刚性配准。相对刚性配准，非刚性配准还是一个方兴未艾的课题。采用现有的非刚性算法配准两幅2D的医学图像，一般需要几十分钟，处理 3D图像时，更是多达几个小时。计算量过大已成为非刚性配准算法在临床应用中的最大障碍之一。此外，在处理噪声图像时，特别是处理局部

基于ITK与VTK的医学图像配准软件的开发

[1] 工作。图像配准技术已经广泛的应用于计算机视觉、医学图像处理、遥感数据分析等领域。医学图像配准是医学图像处理和分析的前提和基本技术。精确的医学图像配准结果对医学影像分析和临床辅助诊断有着重要的意义。目前已经有大量的用于医学图像处理和分析的开发应用平台，其中ITK（Insight Segmentation and Registration Toolkit）主要提供了医学图像分割和配准等方面的功能[2]，VTK （Visualization Toolkit）则提供了可视化方面的功能[3,4]，用于观察结果以及进行交互显示。本文借助Qt和C++开发了基于ITK和VTK的医学图像配准软件，可用于基本的图像配准工作。 1 开发工具 ■1.1 ITK简介 ITK是六位开发者合作开发的，用于图像配准和分割的软件工具包。鉴于在开发过程中做出的杰出贡献，六位合作开发者受到美国国立卫生研究院的表彰。后来所开发的源代码被整理成为今天的ITK。ITK是开源的、面向对象的、具有大量算法的软件开发包，主要针对于医学图像领域的分割与配准问题。常用的算法包括阈值分割算法、区域生长法、基于分水岭的分割算法，以及快速匹配算法等。ITK还具有跨平台的特性，不仅支持Windows，还支持Unix和Linux 等多种平台。ITK将大量实用的图像处理算法封装起来，形成了丰富的算法库，屏蔽了程序开发的细节，简化了开发的过程，为医学图像处理领域的开发工作提供了宝贵的技术资料。但是ITK没有实现相应的图像可视化功能，因此需要与VTK结合进行应用程序的开发。本文的医学图像处理软件采用Qt开发，通过ITK进行图像配准算法上的操作，同时结合VTK实现了图像的可视化。 ■1.2 VTK简介 VTK是一个免费、开源的软件开发包，主要用于计算VTK以方便性和灵活性为主要开发原则，具有如下几个的特点：（1）具有强大的三维图形显示功能。VTK既支持基于体素的体绘制法，又保留了传统的面绘制发，从而能够在最大限度的改善可视化效果的同时，又充分利用了现有的图形库和图形加速硬件。（2）VTK的体系结构具有强大的流处理和高速缓存能力，在处理的数据非常大时，不会受内存资源限制的影响。（3）VTK能够很好的支持网络工具的应用和开发。（4）VTK具有设备无关性的特征，使得用其开发的代码具有良好的可移植性。（5）VTK中具有许多宏定义，这些宏极大的简化了编程工作，并且加强了一致的对象行为。（6）VTK具有更丰富的数据类型，具有多种数据类型的处理能力。（7）VTK具有跨平台的特性，既可以工作于Windows操作系统，又可以工作于Unix等其他操作系统，极大的方便了用户。 ■1.3 Qt简介 Qt是1991年开发的一个跨平台的、具有图形用户界面的、用于C++应用程序的开发框架。它既可以开发GUI （Graphical User Interface，图形用户界面）程序，也可以开发控制台工具、服务器等非GUI程序。Qt是面向对象的应用程序开发框架，采用组件编程，使用大量的宏定义，容易扩展。同时Qt具有跨平台、面向对象、提供大量API、支持2D/3D图形渲染，以及开发文档丰富等特性。Qt Creator是一个用于Qt开发的，轻量级跨平台集成开发环境。 2 图像配准的概念 图像配准是将不同时间、不同成像设备、不同条件下获取的两幅或者多幅图像进行匹配的一个优化过程，也就是将一幅图像上的像素点映射到另一幅图像上同源点的空间转换过程。图像配准的输入数据是两幅图像，其中一幅图像被定义为参考图像F（x，y），另一幅图像被定义为待配准图 46 | 电子制作 2019年09月

多模态医学图像外边界点云数据实时配准仿真

第36卷第3期 计算机仿真2019年3月文章编号:1006-9348 (2019)03-0248-04 多模态医学图像外边界点云数据实时配准仿真 李玮琳\曾琪峰\李颖1 (1.长春工业大学人文信息学院，吉林长春13_;2.长春光学精密机械与物理研究所光电技术研发中心，吉林长春13_) 摘要：为了提升医学图像识别质量，需要对医学图像外边界点云数据进行实时配准。针对当前多模态医学图像外边界点云 数据实时配准中，存在着配准精度较低、完成时间过长、误差较大等问题。提出基于特征点对齐度的图像外边界点云数据实 时配准方法。采用SIFT算法提取出医学图像待配准特征点，以小波边缘检测法获取待配准特征点中的医学图像外边界点 云数据，构建附近区域外边界点云数据特征，求出具有显著外边界点特征的特征点，结合Shape-context算子和显著外边界特 征点，构建特征描述向量，利用角度直方图提取以特征点为中心的图像外边界点特征子图，计算出所有外边界点特征子图的 对齐度来确定候选配准点对，引用线性加权法消除错误配准，以此完成正确配准。实验结果表明，所提方法在进行医学图像 外边界点云数据配准中，配准精度较高、所需完成时间较短误差较小。 关键词：多模态；医学图像;外边界点云数据;实时配准 中图分类号:TP391.41 文献标识码：B Multi-Modal Medical Image Boundary Point Cloud Data Real-Time Registration Simulation LI Wei-lin 丨，ZENG Qi -feng2，LI Ying1 (1. College of Humanities and Information, Changchun University of Technology, Changchun J i l i n 130000, China； 2. Optoelectronic Technology r&d Center, Changchun I n s t i t u t e of Optics, Fine Mechanics and Physics, Chinese Academy of Sciences, Changchun J i l i n 130000, China) A B S T R A C T：In t h i s article, a method of real-time regis t r a t i o n f o r cloud data of external boundary point i n medical image based on the alignment metric of feature points was presented.Firstly, SIFT algorithm was used t o extract the feature points t o be registered i n medical image.Secondly, wavelet edge detection method was used t o obtain the cloud data of external boundary points i n the feature points t o be registered.Thirdly, the cloud data features of exter-nal boundary points i n nearby region were established t o get the feature point with remarkable external boundary point https://www.360docs.net/doc/cd7206649.html,bined with Shape-context operator and s i g n i ficant external boundary feature point, the feature description vector was constructed.In addition, the angle histogram was used t o extract sub graph of external boundary point fea-ture centered on the feature point.Meanwhile, the alignment degree of a l l the external boundary point feature sub graphs was calculated t o determine the candidate matching point pairs.Finally, the linear weighting method was used t o eliminate the wrong registration, so as t o complete the correct registration.Simulation resu l t s show t h a t the pro-posed method has higher r e g i s t r a t i o n accuracy, l e s s completion time and l ess error during the r e g i s t r a t i o n of cloud data of external boundary point i n medical image. K E Y W O R D S-.Multimodal； Medical image； External boundary point cloud data； Real-time r e g i s t r a t i o n i引言 医学技术、计算机技术和生物工程技术的不断发展，医学影像为临床诊断提供了多种模态的医学图像[1]。医学图 像配准是对图像处理的基本，是对相同两幅医学图像进行最 基金项目：吉林省教育厅"十三五"科学技术项目（jjkh20171025k) 收稿日期=2018-05-23修回日期:2018-06-20佳匹配的过程[2_3]。但是在现阶段医学图像外边界点云数据 配准的过程中,存在着配准精度较低、完成时间过长、误差较 大等问题。在这种情况下，如何有效提取图像外边界点特征,得到高精度的外边界点云数据配准成为当今社会亟待解 决的问题―51。 目前，陆雪松、涂圣贤、张素[6]提出一种基于多维特征度 量的医学图像非刚性配准方法。该方法采用最小距离树建 立多维特征矩阵,利用多维特征矩阵对形变模型参数进行解 —248 —