医学图像非刚性配准研究

摘要：非刚性配准是医学图像配准的研究热点。将非刚性配准进行了分类，分析了非刚性配准方法，提出了非刚性配准的研究热点。

关键词：医学图像；配准；非刚性

0引言

医学图像配准是指在源图像和目标图像之间寻求某种变换，使得两幅图像上的特征点达到空间上的一致，是医学图像信息融合和知识发现的关键技术，在疾病诊断、临床治疗、手术、疗效评估等方面得到了广泛应用。对于人体四肢骨骼图像和头部这样不易变形部位的图像的配准，采用刚性配准技术。刚性配准中，图像内部任意两点间的距离变换前后保持不变，因而采取缩放、平移和旋转等线性变换方法即能进行配准。

但是对于胸部、腹部这样容易变形部位的图像的配准，对于不同个体之间图像的配准或者发生图像变形的情况，在图像变换前后，内部任意两点间的距离不再保持不变，需要采用非刚性配准技术。作为一个正在进行的研究领域，同刚性配准相比，非刚性配准技术还不成熟，大多数算法仍在扩展和评估阶段，计算效率和稳定性还有待提高。

1非刚性配准分类

可以根据配准的对象和配准的机理对医学图像非刚性配准进行分类。利用前一种分类法可以将医学图像非刚性配准分为：（1）同一对象，同一模式，不同时间。待配准图像来源于同一

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

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

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

浅谈医学图像配准研究

浅谈医学图像配准研究【摘要】随着现代医学影像技术的快速发展，越来越多的影像设备应用于临床，而不同设备采集的图像参数往往是不一样的，因此，要想将病变部位的各种不同情况在一张图像上体现出来，研究图像配准技术就是相当必要的，它能够将两幅图像中的信息综合起来，非常具有现实意义。本文从医学图像配准的概念、发展现状、分类及应用等方面进行了阐述。【关键词】医学图像配准；多模态；医学影像技术 1.医学图像配准概述医学图像配准是指将来自不同形式的探测器（如MRI，CT，PET，SPECT 等）的医学图像，利用计算机技术实现对于一幅医学图像寻求一种或者一系列的空间变换，使它与另一幅医学图像上的对应点达到空间上的一致。通俗地讲，医学图像配准就是对参考图像进行一系列的空间变换，使得参考图像和浮动图像中的对应点在空间位置或者解剖位置上达到一致[1]。主要包含4个模块：几何变换、插值算法、相似性测度和寻优算法。医学图像配准是医学图像处理的一个重要研究领域，被广泛应用于手术导航、病变跟踪以及治疗后期评估等临床诊断治疗中。 2.医学图像配准研究的现实意义随着新型传感器的不断涌现，人们获取图像的能力迅速提高，不同物理特性的传感器所产生的图像也不断增多。由于成像原理以及成像设备的不同，造成成像模式的不同，按照不同成像模式提供信息的不同，医学图像可以分为解剖结构图像和功能图像两大类。单一模态的图像往往很难提供足够的病理信息，让医生作出病理诊断，常常需要将同一病人的多种成像模式的图片综合起来进行分析，以便获得病人更全面的信息，如X 射线断层扫描（CT，Computed Tomography）对骨骼信息的揭示是其他成像手段所不能比拟的，而要查看软组织结构信息，则会选择核磁共振成像（MRI，Magnatic Resonance Imaging）；利用PET、SPECT 获得功能信息，再综合CT、MRI的解剖信息分析。这种把各种成像模式的图像信息融合成一种新的影像模式的技术称为图像融合技术，经过融合后的图像克服了各种单一模式图像信息存在的不足。而在图像融合之前首先要经过图像的配准，配准结果的好坏直接影响图像融合的质量。因此，医生要想全面的了解病变组织的情况，必须准确的对多幅图像进行配准才能融合，进而制定出更加合理的治疗方案。因此，以图像配准技术为基础将多种模态图像信息融合起来，充分利用不同模态图像的优越性，将人体解剖结构信息以及功能代谢信息在同一副图像中表达出来，更有利于医生做出准确、可靠的诊断。 3.医学图像配准的发展现状图像融合技术诞生于上世纪80年代，是指对多幅源图像的信息进行提取。