（生物医学工程专业论文）基于cuda的2d3d医学图像配准技术研究.pdf

硕士毕业论文 基于c 切) a 的2 d 3 d 医学图像配准技术研究 硕士研究生：徐建 指导老师：陈武凡教授 冯前进副教授瑚刖垭剐教玟 摘要 医学图像配准是指对一幅医学图像寻求一种空间变换，使它与另一幅医学 图像上的对应点达到空间位置上的一致。配准过程本质上是一个多参数最优化 问题，它是图像分析的基础，是图像融合的前提。自动快速的刚性医学图像配 准可以将多组医学影像通过刚性变换摆放到同一个坐标空间中，是医学影像诊 断的一种常用方法。医学图像的配准技术在手术导航、放射治疗、评估治疗效 果等方面有着广泛的应用。 2 d 3 d 医学图像配准因其在临床辅助诊断、手术导航等应用中的重要作用， 越来越受到人们的重视。在计算机辅助外科手术和图像导航外科手术中，图像 配准是重要的一环，2 d 图像与3 d 体数据的配准为临床诊断和治疗提供实时信 息，辅助手术的进行。一般是在术前获得3 d 体数据，术中获得2 d 图像，虽然 2 d 图像缺乏空间信息，但是它获取速度快而且能够减少患者和医生暴露在射线 中的时间，因此，我们将术中获得的2 d 图像和术前的3 d 体数据进行配准，补 偿2 d 图像的些空间信息。 目前，2 d 3 d 图像配准研究主要集中在刚性配准方面。由于其配准时间较 长，一般难以满足临床应用中的实时性要求，本文是在学习了图形硬件一g p u 编程技术的基础上，采用当前流行的并行编程语言一c u d a 来加速配准的进程， 以期该技术下的配准能够满足临床应用的要求。 数字影像重建( d r r ，d i g i t a l l yr e c o n s t r u c t e dr a d i o g r a p h ) 在基于灰度的 2 d 一3 d 医学图像配准中具有重要的作用，它是利用光线投射算法从3 d 体数据 如c t 中获得2 d 虚拟x 线图像( d r r 图像) 。影像重建的质量和速度直接影响 到配准的精度和速度，本文对数字影像重建技术作了一定的探讨，实现了对c t 体数据的并行化数字影像重建。基于c u d a 并行加速的技术大大提高了d r r 摘要 图像的生成速度，为后续2 d 3 d 配准研究作了必要的准备。 2 d 2 d ，3 d 3 d 配准是最基本的配准操作，为了验证基于c u d a 技术加速配 准的可行性，本文首先对这两项操作进行了相关研究，取得了不错的实验结果。 然后，我们在此基础上进行了基于c u d a 的2 d 3 d 加速配准的研究。 以3 dc t 体数据为例，在2 d 3 d 医学配准过程中，本文通过建立合理的坐 标系，来模拟2 d 临床x 线图像的生成环境，以单模图像配准中常用的对应像 素灰度值差的绝对值之和作为相似性测度函数，结合p o w e l l 优化方法，与实际 的临床x 线图像进行配准。为了提高系统的配准效率，本文采用了压缩图像数 据，压缩像素灰度级等方法。 为验证基于c u d a 的2 d 3 d 医学配准技术的准确性，用已知位置的d r r 图像作为参考图像，对该技术下的配准进行准确性测试。从测试的结果来看， 该技术的配准精度可满足临床上的需要，即沿各个轴的平移误差在l m m 以内， 绕各个轴的旋转误差在l o 以内。为体现该技术的时间优势，我们把配准平台从 g p u 变换到c p u ，配准的操作流程、插值方式、相似性测度函数以及优化方法 保持不变，从测试的结果来看，该技术的时间优势相当明显，加速比一般可达 几十甚至上百倍。 关键词：医学图像g p u ( 图形处理器)c u d a ( 统一计算设备架构)2 d 3 d 图像配准 d r r ( 数字影像重建)虚拟x 线摄像系统p o w e l l 算法 i l 硕士毕业论文 2 d - 3 dm e d i c a l i m a g er e g i s t r a t i o n t e c h n o l o g yr e s e a r c hb a s e d o nc u d a n a m e ：x uj i a n s u p e r v i s o r ：p r o f c h e nw u f a n a s s o c i a t ep r o f f e n gq i a n j i n a b s t r a c t t h eg o a lo fi m a g er e g i s t r a t i o ni st oo b t a i na t r a n s f o r m a t i o n ，s ot h a tt h ep o i n t si n o n ei m a g ec a nb er e l a t e dt ot h e i rc o r r e s p o n d i n gp o i n t si nt h eo t h e r r e g i s t r a t i o n p r o c e s si se s s e n t i a l l yam u l t i p a r a m e t e ro p t i m i z a t i o np r o b l e m i ti st h eb a s i so f i m a g ea n a l y s i sa n dt h ep r e r e q u i s i t ef o ri m a g ef u s i o n a u t o m a t i cf a s t r i g i dm e d i c a l i m a g er e g i s t r a t i o nc a np l a c eam u l t i p l es e t so fm e d i c a li m a g e si n t ot h es a m e c o o r d i n a t es p a c et h r o u g ht h er i g i dt r a n s f o r m a t i o n ，w h i c hi sac o n l n l o na p p r o a c ho f m e d i c a l i m a g ed i a g n o s i s m e d i c a li m a g er e g i s t r a t i o nh a saw i d er a n g eo f a p p l i c a t i o n si ns u r g i c a ln a v i g a t i o n ，r a d i a t i o nt h e r a p y , a s s e s s m e n to ft h e r a p e u t i c e f f e c t s 2 d 一3 dm e d i c a li m a g er e g i s t r a t i o ni sb e c o m i n gi n c r e a s i n g l yi m p o r t a n tb e c a u s e o fi t sf u n c t i o ni nc o m p u t e r - g u i d e dd i a g n o s i s ，s u r g i c a lo p e r a t i o n n a v i g a t i o na n ds oo n i nt h e s eu s a g e si m a g er e g i s t r a t i o ni sa ni m p o r t a n tp a r t r e g i s t r a t i o nb e t w e e n2 d i m a g ea n d3 dv o l u m ed a t ap r o v i d e sr e a l - t i m ei n f o r m a t i o nf o rd i a g n o s i sa n d t r e a t m e n t ，s oi tc a l la i ds u r g e r yn a v i g a t i o n w eu s u a l l yg e t3 dv o l u m ed a t ab e f o r e s u r g e r ya n do b t a i n2 di m a g ed u r i n gt h es u r g e r y a l t h o u g h2 dd a t ai sd e f i c i e n ti n s p a t i a li n f o r m a t i o n ，i tc a nb eg o tq u i c k l ya n dd e c r e a s ee x p o s u r et i m ei nx r a y s ow e r e t r i e v es o m es p a t i a li n f o r m a t i o nt h r o u g h2 d 一3 dm e d i c a lr e g i s t r a t i o np r o c e s s a tp r e s e n t ，r e s e a r c h e r sp a ym o r ea t t e n t i o no n r i g i dr e g i s t r a t i o n b e c a u s eo ft h i s k i n do fr e g i s t r a t i o nn e e dm o r et i m e ，a n dg e n e r a l l yd i f f i c u l t t om e e tt h ec l i n i c a l a p p l i c a t i o no fr e a l t i m er e q u i r e m e n t s ；t h i sp a p e rb a s e do nt h es t u d yo fg r a p h i c s a b s t r a c t h a r d w a r e - - g p u p r o g r a m m i n gt e c h n i q u e s a n dt h e c u r r e n t l yp o p u l a rp a r a l l e l p r o g r a m m i n gl a n g u a g e - - c u d ai st oa c c e l e r a t et h ep r o c e s so fr e g i s t r a t i o na n dh o p e t h ep r o c e s su n d e rt h i st e c h n o l o g yc a nm e e tt h ec l i n i c a la p p l i c a t i o n s d i g i t a l l yr e c o n s t r u c t e dr a d i o g r a p h yp l a y sak e yp a r ti n2 d 一3 dm e d i c a li m a g e r e g i s t r a t i o nb a s e do ng r a y i to b t a i n2 dv i r t u a lx - r a yi m a g e ( d r ri m a g e ) f r o m3 d d a t as u c ha sc t , u s i n gr a y - c a s t i n ga l g o r i t h m t h eq u a l i t ya n ds p e e do fd r ri m a g e d i r e c t l yi n f l u e n c et h ep r e c i s i o na n ds p e e do fr e g i s t r a t i o n t h i sp a p e rd i s c u s s e dt h e t e c h n o l o g yo fp r o d u c i n gd r ri m a g ea n dr e a l i z e dt h ep r o c e s so fp r o d u c i n gd r r i m a g ef r o mc tv o l u m ed a t a t h i st e c h n o l o g yb a s e d - o nc u d ag r e a t l ya c c e l e r a t e d t h ed r ri m a g e g e n e r a t i o n a n dc r e a t e dt h en e c e s s a r y p r e p a r a t i o n s f o r t h e f o l l o w i n g u p2 d 一3 dr e g i s t r a t i o ns t u d i e s 2 d 一2 d ，3 d 一3 dr e g i s t r a t i o ni st h em o s tb a s i cr e g i s t r a t i o no p e r a t i o n i no r d e rt o v e r i f yt h ef e a s i b i l i t yo fa c c e l e r a t i o nb a s e do nc u d at e c h n o l o g y , w ec a r r i e do u t r e l e v a n tr e s e a r c ho ft h e s et w oo p e r a t i o n si nt h i sp a p e ra n do b t a i n e dg o o dr e s u l t s t h e n ，o nt h i sb a s i s ，w ec a r r i e do u t2 d - 3 da c c e l e r a t i o nr e g i s t r a t i o nb a s e do nt h i s t e c h n o l o g y t a k e3 dc tv o l u m ed a t af o re x a m p l e ，d u r i n gt h e2 d 3 dm e d i c a lr e g i s t r a t i o n p r o c e s s ，w eb u i l da r e a s o n a b l ec o o r d i n a t es y s t e mt os i m u l a t et h e2 dc l i n i c a lx - r a y i m a g eg e n e r a t i o n e n v i r o n m e n t h e r et h es u mo ft h ec o r r e s p o n d e n c ea b s o l u t e d i f f e r e n c eo fp i x e l 黟a yv a l u ep l a y st h er o l eo fs i m i l a r i t ym e a s u r e a sf o rt h eo p t i m a l m e t h o d ，w eu s ep o w e l lm e t h o d i no r d e rt oi m p r o v et h er e g i s t r a t i o ne f f i c i e n c y , w e a l s oa d o p ts e v e r a ls t r a t e g i e st oa c c e l e r a t ep r a c t i c a lr e g i s t r a t i o np r o c e s s ，s u c ha sd a t a r e s c a l i n ga n dg r e yr e s c a l i n ga p p r o a c h i no r d e rt oe s t i m a t es y s t e m sa c c u r a c y , d r r st a k e nf r o mk n o w nv i e w p o i n t s h a v eb e e nu s e da sr e f e r e n c ei m a g e st os e ew h e t h e rt h er e s u l ti sa p p r o x i m a t e l yt h e s a m eo rn o t t h er e s u l ti n d i c a t e st h a to v e rar a n g eo fv i e w p o i n t s ，t h et r a n s l a t i o n a l a n dr o t a t i o n a la c c u r a c ya r eu n d e rl m ma n d1 o r e s p e c t i v e l y , r e g i s t r a t i o na c c u r a c yc a n m e e tc l i n i c a ld e m a n dp r e t t yw e l l i no r d e rt or e f l e c tt h et i m ea d v a n t a g eo ft h e t e c h n o l o g y ，w et r a n s f o r mr e g i s t r a t i o np l a t f o r mf r o mt h eg p ut o t h ec p u ，w i t h q u a s i - o p e r a t i o n a lp r o c e s s e s ，i n t e r p o l a t i o nm e t h o d ，s i m i l a r i t ym e a s u r ef u n c t i o n ，a n d o p t i m i z a t i o nm e t h o d sr e m a i nu n c h a n g e d t h er e s u l ti n d i c a t e st h a tt h et e c h n o l o g y h a sf a i r l yo b v i o u st i m ea d v a n t a g e s ，w i t ht h ea v e r a g ea c c e l e r a t i o ns p e e du pt ot e n so r 硕士毕业论文 e v e nh u n d r e d so ft i m e s ， k e y w o r d s ：m e d i c a li m a g e ；g p u ( g r a p h i cp r o c e s s i n gu n i t ) ；c u d a ( c o m p u t e u n i f i e dd e v i c ea r c h i t e c t u r e ) ；2 d - 3 di m a g er e g i s t r a t i o n ；d r r ( d i g i t a l l y r e c o n s t r u c t e dr a d i o g r a p h ) ；v i r t u a lxr a yc a m e r as y s t e m ；p o w e l la l g o r i t h m 硕士毕业论文 目录 摘要i a b s t r a c t i 第一章绪论1 1 1 研究背景及意义l 1 2国内外研究现状2 1 3 本文结构3 参考文献：4 第二章医学图像配准5 2 1 配准的原理5 2 2 配准的分类5 2 3 配准的基本步骤6 2 3 1空间变换7 2 3 2图像插值8 2 3 3 相似性测度函数8 2 3 4 优化方法10 2 4临床应用。1o 参考文献：1 1 第三章c u d a 介绍1 2 3 1编程模型1 2 3 2 执行模型1 4 3 3 存储模型。15 3 4c u d a 的软件架构。18 3 5c u d a 的优缺点2 0 参考文献：2 0 第四章基于c u d a 的2 d 3 d 医学图像配准技术2 2 4 1 基于c u d a 的2 d 2 d 与3 d 3 d 医学图像配准技术2 2 4 1 1 空间变换2 3 1 目录 4 1 1 12 d 2 d 空间变换矩阵2 3 4 1 1 23 d 3 d 空间变换矩阵2 3 4 1 1 3 基于c u d a 的空间变换2 5 4 1 2图像插值2 5 4 1 3 相似性测度函数2 6 4 1 4 优化方法2 6 4 1 5 配准的并行化实现2 7 4 1 6 配准的实验结果及讨论2 9 4 1 6 12 d 2 d 医学图像配准效果3 0 4 1 6 23 d 3 d 医学图像配准效果31 4 1 6 3 配准效果讨论3 2 4 2 基于c u d a 的2 d 3 d 图像配准技术3 3 4 2 1 2 d 3 d 医学图像配准流程3 3 4 2 2d r r 图像的生成- 3 5 4 2 2 1d r r 图像生成的原理。3 5 4 2 2 2 x 线模拟空间的建立3 7 4 2 2 3 d r r 图像3 8 4 2 32 d 3 d 医学图像配准实验及分析4 0 4 2 3 1 模拟配准效果4 1 4 2 3 2 临床配准效果4 2 4 2 3 3 配准结果分析4 3 4 2 3 4 计算机硬件配置4 4 参考文献：4 5 第五章总结与展望4 7 5 1 本文的工作总结4 7 5 2 后续工作展望4 8 作者在攻读硕士学位其间发表的论文4 9 致i 射5 0 学位论文版权使用授权书5 l 2 硕士毕业论文 1 1 研究背景及意义 第一章绪论 随着医学成像技术迅速发展，各种新的成像设备层出不穷，如计算机断层 成像( c t ) 、磁共振成像( m r i ) 、数字减影血管造影( d s a ) 、单光子发射断层成像 ( s p e c t ) 、正电子发射断层成像( p e t ) 等。各种成像技术都能从人体获取某些方 面的信息，但是，由于成像原理的差异，使得各项技术的成像功能受到一定的 限制，每种成像技术并不能提供人体各个方面的信息。不同的成像技术可以提 供同一个病人的不同方面的信息。例如，c t 能提供清晰的骨组织信息，m r i 能提供清晰的软组织信息，而p e t 可以提供各个器官的代谢功能等信息。为了 使多次成像或多种模式成像的信息可以得到综合利用，弥补信息不完整等因素 引起的诊断和治疗误差，使临床诊疗更加全面、准确，研究人员开始寻找一项 能够在一幅图像上同时表达来自人体功能图像和解剖图像信息的技术，而达到 这一目的的最基本的要求就是不同模式图像中的同一解剖结构要达到空间位置 上的一致，于是医学图像配准技术就应运而生了。 计算机辅助下的手术导航是一个正在兴起的全新技术，它是以医学影像为 基础，在高性能计算机及专业软件的辅助下，通过对手术器械的跟踪定位，实 现微创手术的可视化，从而大大提高了手术的成功率，减少了手术并发症的出 现。随着医学影像学的发展，c t 、m r i 等三维图像数据广泛地应用于外科手术 导航中。目前，在外科手术中，常用c 型臂x 线机作手术引导，但是，从严格 意义上讲，它只是一个二维导航系统，缺乏三维数据中重要的空间信息，不能 提供三维系统那样更直观的图像。要使三维数据介入手术，需将x 线图像与 c t 等3 d 体数据进行配准，即2 d 一3 d 医学图像的配准。2 d 3 d 医学图像配准是 集成外科手术中一项十分关键的技术。该技术对于制定手术计划，实施临床手 术以及安排术后康复有重要作用，能够提高手术的精度，降低手术的侵入性， 克服传统手术的许多缺点【l 】，可应用于运动员膝关节的在体稳定性评价及运动 损伤防治的研究，以及计算机辅助下的骨科手术导航【2 j 。 2 d 3 d 医学图像配准流程图如下所示： 第一章绪论 一一一一国一墨 ( a ) c t 扫描仪( b ) c t 体数据 簖 ( d ) x 线设备( e ) x 线图像( f ) 基于g p u 的2 d 3 d 配准 图l - i2 d 3 d 配准流程 f i g u r e i 1w o r k f l o wo f 2 d 3 dr e g i s t r a t i o n 2 d 3 d 配准操作前，使用c t 扫描仪( a ) 获得病人的体数据( b ) ，然后再由获 得的体数据生成d r r 图像( c ) ，手术或是其他过程中，使用x 线设备( d ) 获得病 人的x 线图像( e ) 。配准过程( f ) 就是比较d r r 图像与x 线图像的相似性，从而 更新变换矩阵t ，直到d r r 图像与x 线图像的相似性测度值达到最佳为止。 1 2 国内外研究现状 以c t 体数据为例，2 d 3 d 医学图像配准是利用术前获得的体数据生成d r r 图像，通过将d r r 图像与术中获得的临床x 线图像配准，将术中病人当前的 世界坐标映射到术前获得体数据坐标系中从而完成定位。d r r 图像的生成是通 过合成穿过体数据光线上的每个体素的衰减值得到的【3 ，4 ，5 】。由于d r r 图像的生 成常采用非常耗时的光线投射算法，而在2 d 3 d 医学图像配准过程中又需计算 多次不同位置下的d r r 图像，致使配准的速度过慢，这已成为2 d 3 d 医学图 像配准在临床应用中的严重瓶颈。为此，在2 d 3 d 医学图像配准领域，如何提 高配准速度是一个研究热点。梁玮【6 】等人采用降低分辨率和压缩灰度级的方法 来提高配准的速度，张薇【7 】等人通过计算感兴趣区的相似性来提高图像的配准 速度，o s a m ad o r g h a m ，m a r kf i s h e r 等采用压缩分解c t 数据场的方式加快d r r 图像的生成，以此来缩短配准时间，提高配准速度，t o r s t e nr o h l f i n g 8 】等则提 2 严 硕士毕业论文 出“逐步衰减域( p r o g r e s s i v ea t t e n u a t i o nf i e l d ，p a f ) 的思想加速d r r 图像的生 成，缩短配准时间。但上述方法都是基于c p u 的。近年来显卡技术迅猛发展， g p u 的通用计算能力和可编程性使其已广泛的应用到医学图像处理领域，如文 献f 9 ，1 0 】所述。因此，将c p u 的串行过程交由g p u 来并行处理将大大提高配准 的效率。本文利用g p u 并行计算环境，提出了基于c u d a 的2 d 3 d 加速配准 技术，实现了高质量d r r 图像的快速生成。由于该技术充分利用了硬件的加速 功能，又兼顾了图像质量，具有重要的现实意义和应用价值。 1 3 本文结构 本文对基于硬件加速的配准技术作了一定的研究，采用硬件支持的并行计 算架构一c u d a ( c o m p u t eu n i f i e dd e v i c ea r c h i t e c t u r e ，统一设备计算架构) 加速了 d r r 图像的生成，实现了x 线透视图像和c t 体积图像2 d 3 d 医学图像的快速 配准。全文共分五章。 第一章即绪论部分，简单介绍了图像配准产生的背景、本课题的研究背景 和意义，以及国内外研究现状。 第二章医学图像配准。系统介绍了医学图像配准的基本原理和相关理论知 识，介绍了配准的定义、图像配准分类以及配准的基本步骤等。 第三章c u d a 基础。依次介绍了c u d a 的编程模型、存储模型、执行模 型、软件包以及c u d a 的优缺点，为研究基于c u d a 并行加速的医学图像配 准过程提供了技术支持。 第四章基于c u d a 的2 d 3 d 医学图像配准技术。这是本文的重点部分， 首先是介绍了基于c u d a 的2 d 2 d 以及3 d 3 d 图像配准技术，接着，在此基 础上引出本文的重点：基于c u d a 的2 d 3 d 的医学图像配准技术，在这一部分 中，首先是重点介绍了采用光线投射( r a yc a s t i n g ) 算法进行数字影像重建 ( d i g i t a l l yr e c o n s t r u c t e dr a d i o g r a p h ，d r r ) 的原理。然后是生成的几幅人体某些 部位的d r r 图像，最后就是本文的试验和讨论部分。 第五章总结与展望。对本论文所作的工作给予简要的归纳总结，并指出目 前工作的不足之处和未来的工作方向。 3 第一章绪论 参考文献： 1 刘洋，医学图像2 d 3 d 配准及可视化研究 d ，广州，南方医科大学， 2 0 0 7 0 6 。 2 陆态，x 线透视图像( 2 d ) 与c t 体积图像( 3 d ) 配准方法研究及其应用 d ，南京，东南大学，2 0 0 7 1 2 。 3 a k h a m e n e ，p b l o c h & w w e t a 1 a u t o m a t i cr e g i s t r a t i o no fp o r t a li m a g e sa n d v o l u m e t r i cc tf o rp a t i e n tp o s i t i o n i n gi nr a d i a t i o nt h e r a p y j 】m e d i c a li m a g e a n a l y s i s10 ，9 6 - l12 ，2 0 0 6 【4 】g s h e r o u s e ，k n o v i n s ，b c h a n e y e t a l c o m p u t a t i p no fd i g i t a l l yr e c o n s t r u c t e d r a d i o g r a p h s f o ru s ei n r a d i o t h e r a p yt r e a t m e n td e s i g n j 】i n t j r a d i a t i o n o n c o l o g yb i 0 1 p h y s 18 ( 3 ) ，6 51 6 5 8 ，m a r c h 19 9 0 5 】j m g a l v i n ，c s i m s & g d e t a 1 t h eu s eo fd i g i t a l l yr e c o n s t r u c t e dr a d i o g r a p h sf o r t h r e e d i m e n s i o n a lt r e a t m e n tp l a n n i n ga n dc t s i m u l a t i o n 【j 】i n t e r n a t i o n a l j o u r n a lo fr a d i a t i o no n c o l o g y 木b i o l o g y 搴p h y s i c s31 ，9 35 - 9 4 2 ，19 9 5 6 梁玮，鲍旭东，罗立民，基于互信息的2 d 一3 d 医学图像配准 j ，生物医学 工程研究，2 0 0 4 ，2 3 ( 1 ) ：1 4 1 6 。 7 张薇，黄毓瑜，栾胜等，基于灰度的二维三维图像配准方法及其在骨科导 航手术中的实现 j ，中国医学影像技术，2 0 0 7 ，2 3 ( 7 ) ：1 0 8 0 - 1 0 8 4 。 【8 】t o r s t e nr o h l f i n g ，d a n i e lb r u s s a k o f f , j o a c h i md e n z l e r ，k e n s a k um o r i c a l v i n r m a u r e r ，j r p r o g r e s s i v ea t t e n u a t i o nf i e l d s ：f a s t2 d 一3 di m a g er e g i s t r a t i o n w i t h o u tp r e c o m p u t a t i o n ，m e d i c a lp h y s i c s ，3 2 ( 9 ) ，2 8 7 0 2 8 8 0 ，s e p t e m b e r2 0 0 5 9 刘磊，基于g p u 的医学图像三维重建及可视化技术研究 d ，广州，南方 医科大学，2 0 0 8 0 6 。 1 0 桂叶晨，冯前进，刘磊等，基于c u d a 的双三次b 样条缩放方法 j ，计算 机工程与应用，2 0 0 9 ，4 5 ( 1 ) ：1 8 3 1 8 5 。 4 医学图像配准在医学图像分析领域有着广泛的应用，是外科手术规划与设 计的基础，更是图像融合的前提，因此，医学图像配准是图像处理领域的一个 重要和基本的研究课题，已成为当前图像处理领域研究的热点。本章节回顾了 配准的原理，配准的分类方法以及常用的优化方法等相关知识。 2 1 配准的原理 医学图像配准【1 】就是指对一幅图像寻求一种( 一系列) 空间变换，使该图 像与同一解剖结构的另一幅图像中的对应点达到空间位置上的一致，这种一致 是指人体上的同一解剖点在两幅图像中有相同的空间位置【2 1 。例如，对于在不 同时间或条件下获取的两幅图像u 和矿配准，就是要定义一个相似性测度函数， 并寻找一个空间变换关系，使得该点经过空间变换以后，两幅图像间的相似性 测度值达到最佳，使图像【，上的每一个点在图像v 上都有唯一的点与之相对应。 即： s ( r ) ：s ( c ，( j ) ，v ( r ( 工) ) ) ( 2 1 ) 式中s 是相似性测度函数，丁是空间变换矩阵，【工) 表示参考图像，y ( ) 表 示变换后的浮动图像。配准的过程可以归结为寻求最佳空间变换矩阵r ，使s 达 到最佳。 t = a r gm a xs ( 丁) ( 2 - 2 ) ， 由于空间变换矩阵r 包含多个参数，因此，配准其实就是一个多参数优化 问题，一般由迭代过程实现。 2 2 配准的分类 医学图像配准方法有很多种，可按照不同的准则对配准进行分类3 1 ，常有如 下几种分类方式： 按照空间维数的多少，分为2 d 2 d ，2 d 3 d ，以及3 d 3 d 配准。在空间维 数基础上再加上时间维数，则原来的2 d 、3 d 就分别变成了3 d 、4 d 。在临床 中可用来观察儿童骨骼生长、监视伤口愈合情况等。 5 第二章医学图像配准 根据配准基准的特性，图像配准可分为基于外部特征的配准和基于内部特 征的配准。外部特征指加在病人身上的各种清晰可见、易检测到的人造标记， 具体又可分为侵入式的( 如立体定位参考框架、螺钉标记等) 和非侵入式的( 如牙 套、泡沫面具等) 。内部特征来自于病人的图像信息，具体又可分为基于标记、 基于分割和基于体素特性的图像配准。 依据变换特性，图像配准可分为刚体变换、仿射变换和非线性( 曲线) 变换。 刚体变换只发生了坐标轴的平移和旋转；如果直线映射成直线后只保持了平行 性而没保持垂直性，则这种坐标变换是仿射变换；若直线的平行性也不能保持， 则仿射变换蜕变为投影变换；非线性变换则是把直线映射成了曲线。 根据配准时的变换区域，图像配准又分为局部配准和全局配准。当改变一 个配准参数时，受影响的只是图像的局部，则为局部配准，若影响整幅图像， 则为全局配准。 根据人为参与的程度，图像配准可分为全自动方式、半自动方式和交互方 式。全自动方式中，使用者只需提供相应的图像或信息；半自动方式中，使用 者需初始化算法或指导算法；交互方式中，使用者需要在软件的帮助下手动进 行配准。若交互程度太大，显然会大大影响该配准方法的实用性。若进行适当 的交互，则可以大大简化、加速配准过程，提高配准的鲁棒性。 根据配准变换的参数求解方式，配准可分为直接法和基于搜索的方法。直 接法把问题简化到一定程度，使得能直接计算出变换参数。而基于搜索的方法 则是从一种或多种猜测开始，在最优匹配测度的指导下，使两幅图像在某一变 换时达到最大相似。 根据图像模态可将配准方法分为四类：1 ) 单模图像间的配准：2 ) 多模图像间 的配准：3 ) 模态和( 解剖或生理) 模型间的配准：4 ) 患者和模态间的配准。 按照图像来源可分为三类：1 ) 内部的，即同一患者的图像配准：2 ) 夕h 部的， 即不同患者的图像配准：3 ) 患者和图谱间的配准。 按配准部位又可分为头部、胸部、腹部、骨盆、会阴、肢体以及脊骨和椎 骨的配准，各部分又可以进一步细分。 2 3 配准的基本步骤 虽然按照不同的准则，图像配准有不同的分类，但是，不论何种配准，其 过程都是基本一致的。由于本文进行2 d 3 d 配准，在配准的分类中属于基于灰 6 硕士毕业论文 度的刚性配准，所以，下面以刚性配准为例，简单介绍一下配准的流程，如图 2 1 所示。 图2 1 配准流程 f i g u r e2 - 1r e g i s t r a t i o np r o c e s s 由上图我们可以看出，基于灰度的刚性配准过程大致上分为这样四步，即： 空间变换、图像插值、计算相似性测度值以及参数寻优。下面我们将依次简要 介绍一下配准的这四个方面。 2 3 1 空间变换 空间变换用于实现浮动图像到参考图像的映射。设同一解剖结构的两幅图 像分别为彳( x ) 和b ( y ) ，图像彳和曰的配准，就是寻找一个映射关系t ：x 匈， 使得图像a 中的每一个点在图像召中都只有唯一的一个点与之相对应，并且这 两个点对应于图像上的同一解剖位置。 在刚性配准中，关键是变换矩阵r 的确定。但在弹性配准中，主要是确定 变换模型的类型及其参数，如b 样条配准中控制参数的确定。 7 第二章医学图像配准 2 3 2 图像插值 图像经过几何变换后，像素的坐标位置一般都不会和原来的采样网格完全 重合。这是因为，一般情况下，输入图像的坐标位置为整数，而输出图像的坐标位 置为非整数。由于数字图像只记录整数坐标位置上的灰度值，这就需要将非整数 坐标位置上的灰度值经过一定的算法重新分配到整数坐标位置，也就是需要对 变换后的图像进行插值处理。常用的插值算法有最邻近法、线性插值法和薄样 板条插值【4 j 。 最邻近法也称为零阶插值，它输出的像素灰度值就等于距离它映射到的位 置最近的输入像素的灰度值。最邻近插值算法具有实现简单，耗时最短的优点 p j 。然而，当图像中包含像素之间的灰度级有变化的细微结构时，最邻近插值 法会在图像中产生人为加工的痕迹。例如，用最邻近插值法旋转矩形图像时， 结果图像往往含有锯齿形的边。 线性插值效果较好，运算量也不是很大，故经常采用。薄样板条插值用于 图像的弹性配准，实现图像的非线性变换和插值。 2 3 3 相似性测度函数 相似性测度定量的衡量了两幅图像匹配的效