（生物医学工程专业论文）基于互信息的医学图像配准算法研究(1).pdf

东南大学硕士学位论文 ab s t r a c t t h e d e v e l o p m e n t o f m e d i c a l i m a g i n g p r o v i d e s a n e f f i c i e n t a s s i s t a n t w a y f o r t h e c l i n i c a l d i a g n o s i s a n d t h e r a p y . i n o r d e r t o i m p r o v e t h e l e v e l o f d i a g n o s i n g d o c t o r s o f t e n n e e d t o c o m b i n e d i f f e r e n t i m a g i n gm o d e s o f t h e s a m e p a t i e n t . m o r e o v e r , m e d i c a l i m a g e s o f t h e s a m e p a t i e n t c a n b e g o t a t d i f f e r e n t t i m e , d i f f e r e n t p o s i t i o n s a n d d i f f e r e n t c o n d i t i o n . i t i s d i f f i c u l t f o r d o c t o r s t o i n t e g r a t e a l l t h e i m a g e s f r o m d i f f e r e n t m o d a l i t y b y e y e s . i f t h e i n f o r m a t i o n i n d i f f e r e n t m o d a l i t i e s c a n b e i n t e g r a t e d b y i m a g e p r o c e s s i n g , t h i s t e c h n o l o g y c a n b e v e r y u s e f u l b y s u p p l y i n g c o m p r e h e n s i v e a n d i n t u i t i v e i m a g e s . f o r t u n a t e l y , m u l t i m o d a l m e d i c a l i m a g e r e g i s t r a t i o n i s s u c h a t e c h n o l o g y . r e g i s t r a t i o n r e f e r s t o a l i g n c o r r e s p o n d i n g t i s s u e s o r o r g a n s i n d i f f e r e n t i m a g e s s p a t i a l l y b y t r a n s f o r m a t i o n o f m e d i c a l i m a g e s f r o m d i f f e r e n t m o d a l i t i e s , d i f f e r e n t s o u r c e s , a t d i f f e r e n t t i m e e t c . s o m e i n d e p e n d e n t r e s e a r c h s h o w s t h e m u t u a l i n f o r m a t i o n a p p r o p r i a t e f o r m u l t i m o d a l m e d i c a l i m a g e r e g i s t r a t i o n . i n t h e i n t e r n a t i o n a l r e s e a r c h r e t r o s p e c t i v e r e g i s t r a t i o n m e t h o d s e v a l u a t i o n ，r e g i s t r a t i o n s o f c t , p e t a n d m r b r a i n p i c t u r e s a r e s t u d i e d . a n d t h e r e s e a r c h e r s c o m p a r e t h e - r e s u l t b a s e d o n m i w i t h t h e o n e b a s e d o n l a n d m a r k s , w h i c h i s c a l l e d g o l d s t a n d a r d . t h e y c o n c l u d e t h a t r e g i s t r a t i o n b a s e d o n m i i s o n e o f t h e e x a c t m et h od s . a l t h o u g h m u t u a l i n f o r m a t i o n m e t h o d h a s a l o t a d v a n t a g e s , i t i s n o t p r i n o c e a . t h e r e g i s t r a t i o n p r o c e s s i s s l o w a n d c o n t a i n s l o c a l m a x i m a l r e s u l t i n m i s r e g i s t r a t i o n . t o i m p r o v e t h e s p e e d , w e a n a l y z e t h e m a i n s t e p s i n t h e r e g i s t r a t i o n p r o c e s s .耻 n o t i c e t h a t t h e c o m p u t a t i o n o f j o i n t h i s t o g r a m r e p r e s e n t s u p t o 9 0 9 6 o f t i m e o # t h e w h o l e p r o c e s s . w e p r o p o s e i n t h i s w o r k a m e t h o d t o a c c e l e r a t e t h e c o m p u t a t i o n o f t h e s e h i s t o g r a m s 基于互信息的医学图像配准算法研究 i n t h e c a s e o f a f f i n e t r a n s f o r m a t i o n s , w i t h a s l i g h t l o s s o f a c c u r a c y ; a t t h e s a m e t i m e w e d o s o m e r e s e a r c h a n d e x p e r i m e n t s i n g r a y l e v e l s a n d m u l t i r e s o l u t i o n m e t h o d ; w e a l s o a n a l y z e d i f f e r e n t o p t i m i z a t i o n m e t h o d s b y e x p e r i m e n t s a n d g e t t h e r e s u l t o f d i f f e r e n t m e t h o d s i n t h e r e g i s t r a t i o n p r o c e s s . w h a t s m o r e , t h e a d o p t e d s i m u l a t e d a n n e a l i n g m e t h o d i s s t u d i e d e s p e c i a l l y r e g i s t r a t i o n o f m u l t i - s p e c t r u m i m a g e i s a l s o s t u d i e d . d i f f i c u l t y i n t h i s k i n d o f r e g i s t r a t i o n i s a n a l y z e d : r e g i s t r a t i o n s p e e d i s v e r y s l o w ; m e m o r y n e e d e d i s t o o l a r g e .脆 p r o p o s e t o a p p r o x i m a t e t h e u n d e r l y i n g p r o b a b i l i t y d e n s i t y b y u s i n g p a r z e n w i n d o w d e n s i t y e s t i m a t e a n d e s t i m a t e e n t r o p i e s b y a s a m p l e m e a n . a n d w e t r y t o d e t e r m i n e t h e n u m b e r o f t h e s a m p l e b e f o r e r e g i s t r a t i o n b y q u a n t i t a t i v e a n a l y s i s . o u r e x p e r i m e n t s i l l u s t r a t e t h a t t h e m e t h o d i n t h i s p a p e r c a n a l i g n m u l t i - s p e c t r u m i m a g e q u i c k l y a n d s t a b l y . k e y w o r d s : m u l t i m o d a l m e d i c a l i m a g e ; i m a g e r e g i s t r a t i o n ; i m a g e f u s i o n ; m u t u a l i n f o r m a t i o n ; o p t i m i z a t i o n ; m u l t i - s p e c t r u m 第一章 绪论 第一章 绪论 1 . ， 引言 自 古以 来， 医生在对病人进行诊断 和治疗的过程中， 首先1t 的 就是取得 足够 的关于病人状态的信息， 从古代的 “ 望闻问 切”到 现代的 量体 温、血压、心率， 验血、 验尿等多是从病人身上获取有效信息的 手段。 从信息量的角度看， 图 像所 包 含 的 信 ，、 。 似烤 蜘 冻 巾 救 琳翩铭网 ; ， 自 伦琴 1 8 9 5 年发现x 线以 后， 在医学上x 线被用于人体检查，诊断疾病， 逐步形成了放 射学。2 0世纪以 来医学成像技术 经历了一 个从 静态到 动态、 从形 态 到 功 能、 从 平 面 到 立 体的 发 展 过 程 ， 尤 其 在 计 算 机 技 末 高 度 发 达之 后， 出 现了 计算机断层成像 (ic p ) 、数字血管造影 ( d s a ) 、 单光子发射断 层成像 ( s p e l t ) , 磁共振成像 ( m r i ) 、 数字荧光造影 ( d p ) 、 正电 子发射断层成像 ( p e t ) 等多种成 像模式的医学图 像， 使人体内部的结构、 功能 等多方面的 状况通过 影像反映出来， 从而更加直观地提供人体解剖、生理及病理等信息。 1 . 2研究目的与意义 为了 丰富 和突出 影像的 有用信息， 在成像之后， 计 算图 像处 理技术被广 泛应 用， 包 括 将 医 学 图 像 数 字 化、 去 除 噪 声 、 恢复 图 像失 真 ， 增 强 图 像 对比 度、 自 动 分割目 标、 断层图像的三维重建、 定t分析等处理手段。 但是， 由于 各种成像设 备 所特有成像原理各不相同，与各种成 像相关的信息内 容也各有侧重。 如 ct, m r i 图 像主要反映解剖形态结构; 核影像 对于人体功能状态非常敏感， 等等。 单 独用某种模式的图像进行诊疗， 即使经过计算机处理， 也不能反映 全面情况， 只 能得到定 性的， 或在一定条 件范围内的定量分析。 而且同一病人的 各种医学图像 i if 以 在不同的时间， 不同的位置， 甚至是不同 状态下获得的。 例如同一病人疗效 检查 所用的图像是在不同时间所获得的， 因此即 使是同 意模式的图像也需要进行 处 理 。 面对大量来自不同途径的图像信息，如果仅凭医生的肉眼把它们综合在一 东南大学硕士学位论文 起， 那是很困 难的。 但是如果 通过图 像处理 技术将各种医 学图 像的 信息整合或集 成在一起， 就可以构成全面反映病人状况且非常直观的图像。 多模态医学图像配 准 ( m u l t i m o d a l i m a g e r e g i s t r a t i o n ) i是研究 这个ib 题， 通过把来自 不同模 态、 不同 来源、 不同 时间等医学图 像进行几何变换， 映 射到另 外的图 像中， 使得 不同图像中相关的组织或器官达到空间上的一致。 而图像融合 ( i m a g e f u s i o n ) 则是将配准后的多幅图像集成显示出 来， 以 便给医生提供包含多种图像信息的综 合图像。 随着医学影像学的不断发展， 医学图像的配准已经成为医学图像研究领域的 热门专题之一医 学图 像配准具 有很 重要的临 床应用价 值w . 对各种使用不同或 相同 的成像手段所获取的 医学图 像进行配准不仅可以 用于医疗诊断， 还可用于手 术计划的制定、 放射治 疗计 划的制定、 病理变化的跟踪和治疗效果的评价等各个 方 面2 ,。 例 如 ， 在制 定 放射 治 疗 计 划 时， 需 要 用x - c t 片 进 行放 射剂 量 分 布 的 计 算， 而病灶区域的轮廓通常在m r i ( 磁共 振成像) 中能 很好的体 现出 来。 在核医 学中， 把功能图像 ( p e t 一正电子发射图像或 s p e l t 一 单光子发射图 像) 和形态 学图 像 ( m r i 图像或x -c i 图像) 结 合起来可以 使得机能 障碍区的 解剖定位和功 能一 结构的关系 研究 变得更为方便。 总之， 多 模态医 学图像的配准与 胜合 技术多 年来一 直时图 像处理中的 研究热 点之一， 对于发展计算机辅助诊断和治疗系统、 虚拟手术、 手术导航、 远程医疗 等有决定性的作用， 对于提高临床的诊断水平和提高国民卫生 健康水 平有重要的 意义 。 1 . 3多模态医学图像配准方法的分类、主要方法和发展趋势 1 .3 .1 医学图像配准方法的分类 根据成像模式的不同，以及配准对象间的关系等，医学图像配准可有多种 不同的分类方法旧 ， 。 一 按成像的模式分类 第一章 绪论 由于 成像的原 理和设 备不同， 存在有多种成像模式( i m a g i n g m o d a l i t i e s ) , 从大的 方面来说， 可以 分为描述形态的解剖成像( a n a t o m i c a l i m a g i n g m o d a l i t y ) 和描述人体功能或代谢的功能成像 模式 ( f u n c t i o n a l i m a g i n g m o d a l i t y ) , ( 1 ) 单模 ( m o n o m o d a l i t y ) 医学图像配准: 是指配准的两 幅图像是 用同一 种成 像设备获取的。 单模医学图像配准的典型应用如下。 不同m r 加权像间的配准:由 于使用的射频脉冲序列以及成 像参数 的设置不同， 磁共 振图像 会有很大的不同。对自 旋回 波 ( s p i n e c h o ) 脉冲 序列主要有三种不同 类型的磁共振图 像，即t 1 加权像、 t 2 加权像 及质子 密度 ( p d ) 加权像。 人体不同的 组织在这些图像上表现为不同的强度。例 如， 很多肿瘤、 炎症及病灶多会增加组织中的自由 水成分。 在t l 加权像中 表现为低强度; 而骨、 纤维及钙化组织不 含自 由 水， 在t 2 加权像中呈低强 度; 亚急性出血在t 1 和t 2 像中同 时表现为高强度等。 不同 加权m r 图像的 信息可以互 补，临 床上. 它们的结合可提供更全面的诊断信息。 配准后的 图 像还可用 于脑内组 织的 分类 ( 如白质、 灰质及c s f 等) 。 由 于该分类方 法 的原 理与利用卫星遥感图像处理地面资 源的 方法 相似， 这种分 类方法又 称 为多谱医学图像分析。 电镜图像序列的配准: 在不同时间 采集的 多幅物体图 像， 构成沿时 间 轴的 2 d / 3 d 图像的集合，称为 时间序列图像。生 物医学 方面， 在显微镜 下观察组织结构， 可分析徽生物、 细胞和亚细胞粒子的移动及其引起的形 态变化， 研究它们的生 长和变态现象。对系列微循环图像分析还可得到微 血流变化的情况。 f m r i 图像序列的 配准: f m r i ( 功能 磁共振成像，f u n c t i o n a l m r i ) 也是时间序列图像。 大脑活动过程中， 会产生氧摄取量与脑流间的不平衡， 这种不平衡必然会引起脑血管周围m r i 信号的改变。 在对 磁场不均匀性很 敏感的m r i 图像 序列中就可以 侧得这些信号的改变。由于该方法无须对比 增强剂，也无辐射剂盘， 又能 反映脑功能，因此在 神经科学的认知研究中 得到普遥的重视。功能测试要求受试者做出某种反映，很大程度上会引起 东南大学硕士学位论文 头部的移动， 产生伪像。 因此， 在 f m r i 序列图像研究中图像配准更是严重 的问题。 脑、 腹部脏器的图 像配准: 如果被分析的图像本身就是3 d 图像， 这 样的图 像序列就成为4 d 图像， 例如4 d 心动图像分析。要进行定量的分 析， 往往要 求确定 各幅图 像中的公共参考点位置，既 要求解决图像定位问 题。 还要解决目 标 物体处于运动过程可能存在的局部 变形和 严重的噪声问 题， 例如在心动周期中的不同时刻， 心脏的形状、 大小、位置都会发生变 化，介于 3 d 图像间的时间插值图像是常用的方法。 ( 2 ) 多模 ( m u l t i m o d a l i t y ) 医学图像配准: 是指待配准的两幅图像来源于不同的成像设备。例如， c t和m r图 像都有 较 高 的 空 间 分 辨 戴 前 者 对 密 度 差 异 较 大的 组 织 效 果 好 ， 后者 则 可 识 别软 组 织; s p e c t , p e t能反映 人体的功能和代谢信息，但空间分辨 率较 差。因 此在临 床应 用中， 常需要将c t ( 或m r ) 与s p e c t( 或p e t ) 配 准. 二者的结合能够同时提供 功能的与 解剖的 信息， 具有临 床实用价值。 由于 扫描设备的原理不同， 扫描参数 条件各异， 所以 两种断层图 像间并不存在着简单的一一 对应关 系。 多模态医学图 像配 准是医学图像配准的重点研究课题。 二 按受试对象分类 待配准的图像可以是同一个人的，属于患者自 身图像配准 ( i n t r a - s u b j e c t ) 。 对同一病人 在不同时何获得同一 器官 或解剖部位的图像， 可以 用于对 比， 从而监视疾病的发展及治疗过程。如果没有局部的组织切除， 这种配准一般 用刚体变换就可以了。 除此之外， 有时要 将被试者的图 像与典型正常人相同部位 的图像对比， 以 确定被试者是否正常; 如果异常， 也许还要与 一些疾病的典型图 像对比，确定患者是否属于同类。 这些都属于不同人间的图像配准 ( i n t e r - s u b j e c t ) 。由于个体解剖的差异，后者的配准显然要难于前者。 三图像与图谱配准 ( a t l a s m e t h o d ) 或与物理空间配准 第一章 绪论 由 于不同 人在生理上存在差异，同一解剖结构的形状、大小、 位置都会很 不相同.这就使不同 人的图像配准问题成为当 今医学图像分析中的最大难题之 一。 在对比 和分 析不同的 医学图 像时， 很难精确找出 对应的解剖信息。 这要求有 一个详细标记 人体各个解剖位置的计算机化的 标准图谱。 常见的方法大致有两 类: 一是借助一个 共同的 标准来比 较， 例如要对两个病 人的p e t 域 m r 图像进行 比 较， 首先要把二者的图像都映射到一个共同的 参考空间去， 然后 在此空间对二 者进行比 较， 目 前使用较多的是t a l a i r a c h 标准空间， 可以 对不同的人脑图像进 行比 较; 二是非线性形变法， 模仿弹性力学方法， 将一个人的3 d 图像逐步变换， 使它最终能较好地与另一个人的 3 d 图像最佳匹配。 在立体定向 装置或图 像引 导的 手术导 航系 统中，则是 将图像像素与物理空 间中 探针或手术器械或实况摄像的位置配准。 1 .3 . 2 主要的医学图像配准方法 关于医学图 像配 准的研究或实验结果已 经有大量的文献报道， 如早在 1 9 9 3 年 v a n d e n e l s o n等人的综述中总共引用了 1 2 5 篇相关文献“ ， ， m a i n t z 在 1 9 9 8 年的关于医学图 像配准方法 的综述中也 引用了一百多篇 相关文献闭 . 随 着近几年 新兴成像技术和计算 机技术的迅猛发展， 配准技术有了 更大的发展， 所提出的配 准方法也更多。 按医学图像配准方法的分类原则，目前应用得比较广泛的配准方 法回顾 如下171 : u )标志点法 ( p o i n t m e t h o d ) :又分内部标志点 ( i n t r i n s i c p o i n t s )及外 部标志点 ( e x t r i n s i c p o i n t s ) 。内部点是 从病人 相关的图像中 提取的生理标志 点， 如解剖标志点。 解剖标 志点必 须是在三维空 间定 义的， 并在两种扫描模式的 图像中可见。 典型的 解剖标志点可以是一 个点 状的 解剖结构， 例如: 耳蜗尖端拐 点处; 两个线 性结构的交点;血管的分叉 或相交处: 某一 表面的 特定拓扑属性; 一个 沟回的可识别部分等。 外部点 则是在受试者颅骨嵌入的螺钉、 在皮肤上做的 记号 或其他在两幅图像都可检测到的 附加标记物， 例如充有硫酸铜的管子、 玻璃 珠、明胶球等。 东南大学硕士学位论文 原则上外部点法可用于配准任何模式的图像， 而且外部点在医学图像中要比 内 部点好识别的多， 通过比 较图 像中记号的 位置也易于配准结果的视觉检测; 缺 点是在使用这些记 号时， 受 试者都要在 扫描 装置内严 格保持不动， 有些还是介入 性的。 相比 起来， 内 部点 法则对受 试者比 较友 好， 而且是全回顾式配准; 缺点 是 内 部点的 寻找相当困 难、 费事， 要求有一定的经 验， 方法带有一些主观性。 无论 内 部点还是外部点， 一经确定， 两图 像的配准问 题就归结为求解对应点 集的 刚体 变换了。 对准了 这些标记点， 两幅图 像也 就配准了。 (2 ) 曲 线法 ( c u r v e m e t h o d ) : b a t l e r 对二维投影 放射照片首先用人工的方法 在两幅图 像中寻找对应的开曲 线 ( o p e n r t ir v e ) ， 再在两条曲 线局部曲率 最佳拟 合的线段用相同的采样率找出一组对应点来，以后继续用点法匹配两幅图像。 g u e z i e c和 a y a c h e配准 c t体 积图像系 列时， 用图 像强度的导数自 动提 取脊线 ( r i d g e o r c r e s t ) . 然 后 ， 用 连 续 的 样 条 近 似 这 些 离 散的 曲 线 并 计 算曲 率和 扭 矩。曲线的对应关系是用几何散 列表 g e o m e t r i c h a s h i n g )检索 和表决技术确 定的。对应曲 线及图像间的配准是通过刚体变化实现的。 ( 3 ) 表面法 ( s u r f a c e m e t h o d ) : 基于表面的配准技术典 型的例子是p e l i z z a r i 和 c h e n 研究的 “ 头相法” 。从一幅图像轮廓提取的点集称作帽子 ( h a t ) . 从另 一 幅图像轮廓提取的 表面模型叫作头 ( h e a d ) 。 一般用体积较大的病人图 像， 或在图像体积大小差不多时用分辨较高的 周像来产生头 表面模型。 p o w e l l探索 算法被用来寻 求所韶 韵几 何变换，即 俊栩点和头表面间的距离平均平方值最小。 许多学者 对该算法做了重要改进， 例 如用多分辨金字塔技术克服局部极值问 题; 用距离 变换拟合两幅图像的边缘点 ( e d g e p o i n t s ) , 斜面匹配技术 ( c h a m f e r i n g m e t h o d )可有效地计算距离变换。 ( a ) 矩和主轴法 ( m o m e n t a n d p r i n c i p a l a x e s m e t h o d ) :借用经典力学中物 体质量分布的 概念， 计算两幅图 像像素点的质心和主轴， 再通过平移和旋转使两 幅图像的质心和主轴对齐， 从而达到配准的目 的。 该方 法对数 据的缺失比 较敏感， 即要求整个物体必须完整的出现在两幅图像中， 此外， 该方 法还 对神经医生感兴 趣的某些病案效果不佳。 例如， p e t 图像中大的周边低代谢肿瘤可能引 起较大的 m k -p e t 配准误差。 学 者们更多的是使用主轴变换 法作粗配准， 使两幅图 像初步 第 一 章绪 论 对齐，可以减少后续主要配准方法的搜索步骤。 ( 5 ) 相关法 ( c o r r e l a t i o n m e t h o d ) :同一物体由 于图像获取条件的 差异或 物 体自 身发生的 小的改 变而产生的图 像序列， 采用使图 像间 相似性最大化的原理实 现图 像 间 的 配 准， 即 通 过 优 化 两 幅 图 像 间 相 似 性 准 则 来 估 计 变 换 笋 数， 主 要 是 刚 体的平移和旋转。 对照相序列， 考虑到 棱镜系统的使 用， 还要作必要的 尺度变换。 还需对曝光时间 不同引 起的强 度差异作修正。 对核医 学图 像也要 作强度换算来修 正因获取时间、 注入活性及背景等因素产生的影响。 所使用的 相似性测 度可以 是 多 种多 样. 例如相关函 数、 相关系数、 差值的平方和或差的绝对值和等。 由于 要 对每种变换参数可能的取值都要计算一次相似性测度， 相关法的计算量十分 庞 大， 一些学者在这方面做出了 努力。 例如， 用相位相关傅 立叶 法估算平移和旋转 参数: 用遗传算法和模拟退火法技术减少搜索时间 和克 服局部极值问 题， 及用 傅 立叶不变性和对数变换分解分量的互相关技术。 相关法主要限于 单模图像配准， 特别是对一系 列图 像进行比 较， 从中发现由 疾病引起的微小改变。 ( 6 ) 最大互信息配准法 ( m a x i m i z a t i o n o f m u t u a l i n f o r m a t i o n ) :互信息是 信息论的一个基本概念， 是两个随机变a统计相关性的溯度. w o o d s t0 l使用给出 参考像后测试图像的条件嫡作为配准的侧度。他研究的 a i r是一种广泛应用于 p e t 到m r 图像配准的算法， 但缺点是依赖对m r 图像的预处理， 这通常涉及很费 功夫的剔除4w组织的手1编辑i作. c o l l i g n o n , v i o l a 和w e l l s t 03 . s t u d h o l m e 等人用互信息作为多模医学图像的配准测度。 如果两幅图像几何上对齐的话， 它 们对应体素对的强 度值的互 信息 最大。 由于该方法不需 要对两种成像模式中图像 强度间关系的性质 做任何假设， 也不需要对图 像作分割或任何预处理， 所以 被广 泛地用于c t / m r . p e t / m r 等多 种配准工作。 最大互信息 法几乎可以 用于任何不同 模式图像的 配准， 特别是当其中一个图像的数据部分缺损时也能得到很好的 配准 效果 。 ( 7 ) 图谱法 ( a t l a s m e t h o d ) 与 非线性变换技术: 不同人脑图像的 配准远比同 个 人的不同模式图像的 犯准困 难得多， 这是因为 每个人 脑的形状、 尺寸都有很 东南大学硕士学位论文 大的差异。 如果我 们将脑图像作一定的尺度变换， 并对深度内 部结构适当取向 后， 就会发现不同 人脑的 解剖结 构的大小和形 状方面还是具 有一定 共性的。 这就使我 们有可能构造一个解剖图谱， 其前提是受试者间脑的拓扑结构具有不变性。由于 在脑图谱构建过程中有神经解剖专家直接参与， 利用脑图谱进行配准， 就可以利 用图 谱所包含的先验知识来 对病人或其他人的图像进行自 动识别和正 确地分割。 1 .3 .3 医学图像配准方法的发展趋势 虽然到目前为止已经有大量的配准方法被提出来.但是在各种医学图像配 准方法中还存在着一些问 题。 对于 基于特征的方法 来说， 它们往 往具 有操作简单， 配准速度较快、 精度较高等 特点。 现在临床应用的 配准方法基本上都是基于特征 的 配 准 法。 但 是 这 类 方 法 也 同 时 给 病 人 带 来 痛 苦 和 额 外 的 创 伤， 在“ 科 技以 人 为 本” 的 概念大行其道的现代社会， 这种方法正在慢慢的减少。 而通过图 像分割等 技术来确定图像特征也存在较大的问 班， 因为图 像分割的精度和评价标准都还没 有得到很好的解决， 所以 基于图 像分 割为 特征提 取方法的图 像配准方法的精度 会 受到除算法本身 之外的因 素的影响。 通过医生的干 预来提取图 像特征则 会受到 操 作者的水平和主 观因素的影响， 给配准结 果带来 更大的 不确定性。 对于 基于灰 度 的配准方法来说， 对于它们只对圈 住的灰度进行处 理， 可以 避免主 观因素的 影响， 配准结果只依赖配准方法本身， 同时可以避免因 图像分割而给配 准带来额 外的 误 差， 实 现自 动的配准. 但是由 于这类方法一般需要对图像所有的像素点 进行处理， 因此其计算t较大。 这些缺点在一定 程度上妨碍了它 们在临床上的广泛应用。 但 是随着这类方法的改进和计算机技术的发展，这些缺陷会得到较好的克服。 从以 上的主要配准方法可以 看出， 从最初的立体框架定位配准到通过分割 图像做定位标 记来进行配准的方法， 再到现在的研究热点基于互信息的方法， 多 模态医学图像配准技术正在向基于灰度的配准方法发展。 从临床应用的角度来 说，基于灰度的配准方法比基于特征的方法更有发展前景. 医学图像配准的最终目 的是通过给医生提供全面准确的 信息而帮助医生提 高诊断和治疗水平，因 此它的发展方向是充分满足临 床应用的要 求，向着准确、 稳定、快速、无创、简单易用的方向发展。 准确、稳定是任何一种配准方法所应 第一章 绪论 具有的 特点。 随 着成像技术的发展， 医学图 像的质量在提高， 图像的分辨率也在 不断地提高， 配准的精度和稳定 性也要 相应的提高， 使得在高配准成功率地条件 下配准误差达到亚像素级或更低。 虽然快速配准的要求并不是在所有的 临床应用 中都要 达到， 但是提高图 像配准速度无疑可以 促进配准技 术更广 泛的应用， 特别 是 在日 益 增 多 的 手 术 导 航 系 统 和 虚 拟 手 术 系 统中 ， 快 速配 准 更是 必需 的 。 无 创 是 临 床治疗的更高要求， 作为治 疗的辅助工具， 医学图像配准技术更不应该给病人 增加额外的创伤。 简单易 用则 可以促 进该技 术更广 泛的应 用。 虽然已 经有大量的 配准方 法被提出来， 但是能达到上述要求的方法还不多， 因此对医学图像配准方 法特别是基于互信息的配准方法还需要进行更广泛、 更深入的研究， 以 期能达到 临床应用要求，帮助医生提高诊断和治疗水平。 1 . 4本文研究内容 互信息方法虽然有很多 优点， 但是也不是完美无缺的， 需要我们作进一步的 研究。第二章首先讨论了互信息基本原理和配准的基本过程。 在第三章中， 对基于互信息配准方法的速度和稳健性进行了详细的研究， 基 于互信 息的配准方法的一个 显著的问 题就是计算量大， 配 准时间长。 我们首先提 出了一种可以 预设精度的快速联合 直方图的计算 方法; 然后对影响配准 速度和健 壮性的 一些重要的 方面进行了实验和讨论:多分辨率的配准方法对于 配准的影 响，灰度级数对于配准的影响，多今傲优化方法在配准中的作用和选取。 在第四章中， 研究了多模态医学图 像配准的一种， 即多光谱图 像的配准， 分 析了该配准存在的困难:运算量巨大，速度较慢，占用内存多。我们用 p a r z e n 窗口函 数来估计概率密度， 以 及用 样本平均来估计嫡。 实验证明， 本文的 方法很 好的解决了多模态配准中存在的问题，能够快速稳定的实现多光谱图像的配准。 最后一章对全文的研究工作做了总结和展望，对后续工作进行介绍。 第二章 基于互信息配准方法的荃本原理 第二章 基于互信息配准方法的基本原理 互信息配准方法被认为是目 前最准确、稳健性最高的回溯性配准方法之一， w e s t 等人进行的回溯性配准方法的比 较和评估结果中， 在所有的1 6 种方法中， 基于互信息的 两种方法比 其它的算法性能更好， 具 有最高 的精度了 基本上达到了 金标准的精度级别。 本章 将主 要介绍 基于互 信息配准 方法的原 理， 并讨论此方法 存在的困难和研究的重点。 2 . 1互信息理论 互信息是信息论中的一个测度，主要用来测量两个随机变量之间的依赖程 度. 和信号的嫡紧密联系在一起， 最早用于通讯系统中 对输入信号和输出 信号之 间的 联 系进 行度 量的 一 个 测度。 在 1 9 9 5 年， 互 信 息分 别 被 c o l l i g o n e等和 v i o l a ， 等首次用于医学图像配准中，随后研究者们对它进 行了大量的研究。 2 . 1 . 1 嫡 ( e n t r o p y ) 互信息理论中的一个重要概念是墒.嫡是用来测量一个信源所含信息量的 测 度， 是 由 香 农( s h a n n o n ) 最 早 提 出 的 i t5 1假设 一 个 信 源a 输出n 个 消 息， 其 中” 个不同的 消息， 第i 个消息( i= 1 ,2 ,.二 ，川 重复h i 次， 则h il n 为每个输出 消息的 重复 频率，故可用概率替换 ， 即p i= h d n. 则该信源的 平均 信息盈即 嫡为: h ( a ) 一艺p , 1o g p , ( 2 - 1 一 1 ) 上式中对数的底对应于不同的单位:以2 为底时，嫡的单位是比特 ( b i t ) ; 如果以 1 0为底则单位是哈特 ( h a r t ) :如果对数以 e 为底则单位是奈特 ( n i t ) . 嫡表示的是一个系统的复杂性或不确定性。 对灰度图像来说，可以将图像的灰度看作是一个随机变量，每个点的灰度 取值为该随机变量的一个事件， 则可以根 据图像的 灰度信息计算出每级灰度发生 的概率 p i = h il n，其中 h i 为图像中灰度值为 i 的像素点的总数， n 为图像中的像 素总数。 如果图像中的灰度级越多， 像素灰度值分布越分散， 则每级灰度的 概率 值很接近， 或者说图像中任一点的灰度值具有很大的不 确定性， 我们所获得的信 弓 5 东南大学硕士学位论文 息量也就越大， 该图像的嫡值也越大: 反之， 如果图像中的灰度值分布比较集中， 则一些灰度的概率值较大，不确定性减少，嫡值较小。 联合嫡h (a , b ) 是检测随即 变量a 和b相 关性的 统计量。 对于 两个随机变量 a , b ， 它们的概率分布分别为p a ( i) 和 p b 6 ) ， 联合概率分布为 p a b ( i j) ， 则它们 的联合嫡为: h ( a , b ) 二 一 叉p a b ( i 1 j ) lo g p a b ( i j ) ( 2 - 1 - 2 ) 2 . 1 .2 互信息 ( mi , mu t u a l i n f o r m a t i o n 互信息 通常用于描述两个系统间的统计相关性，或者是一 个系统中所包含 的另一个系统中信息的多少，它可以用摘来描述。 如果h ( a i b ) 表示已知系统b 时a 的 条件 摘， 那么h ( a ) 与h ( ,4 1 b ) 的 差值， 就代表了 在系统b 中 所包 含的a 的 信息， 即互信息。 因 此两个系 统间的 互信息 可 以用下式来描述 i ( a , b ) =h ( a ) + h( b 卜 h( a , b ) =h( a 卜 h( a i b ) = h( b 卜 h( b i a ) ( 2 - 1 - 3 ) 在多模医学图像配准问 题中， 虽然两幅图像 来源于不 同的成像设备， 但是它们基 于共同的人体解剖信息， 所以当 两幅图像的空间位里完全一致时. 其中一幅图像 表达的关于另一幅图 像的 信息. 也鱿是 对应像素灰 度的 互信息应为最大。 一般用 联合 概率 分 布p a b ( a , b ) 和 完全 独 立时 的 概 率分 布p a ( a ) - p , ( b ) 间 的 广 义距离 来 估计互信息 1 ( a , b ) = 艺p i b ( a ,b ) lo g p a b ( a , b ) p a ( a ) p b ( b ) ( 2 - 1 一 ) 对 于 离 散的 数 字图 像， 联 合 概 率 分 布pa, ( a , b ) 可 以 用 归 一 化 的 联 合 直 方图 w 表 示 p , ( i , j ) = h ( i , j ) 艺h ( i , j ) ( 2 - 1 - 5) 第二章 攀于互债鱼母准友拮帅荃本原理 边 缘概率分布p , ( a ) 表示为 p a ( 1) = 21 p air (t ,力 ( 2 - 1 - 6) 边缘概率分 布p x ( b ) 表示为 ， ， ( 力= y-p ar ( i,j ) ( 2 - 1 - 7 ) i ( a , b ) = 艺p , /, 0 , d lo g p a s ( i , j ) p a ( t) - p s (j ) ( 2 - 1 - 8) 至此，己有了由互信息表示的相似性测度。 2 . 2图像配准的基本过程 对于在不同时间 或不同条件下获取的两幅图像u ( x ) 和v ( x ) 配准，就是要定 义一个相似性测度， 并寻找一个空间变换关系， 使得经过该空间变换后， 两幅图 像间的相似性达到最大7)。 即使图像u上的每一个点在图像v 上都有唯一的点与 之相对应。并且这两点应对应同一解剖位置，如: s ( t ) =s ( u ( x) , v ( t ( x) ) ) 2 - 2 - 1 ) 式中s 是相似性测度，t 为空间 变换， 在基于互信息的 配准方法中， 上面所介绍 的互信息就是这里所求的 相似性测度。 配准的过程可归结为寻求最佳空间变换 t = a r g m a x s ( t )f ( 2 - 2 - 2) 由于空间变换包含多个参数， 可见这是一个多 参数最优化问 题， 一般由 迭代过程 .实现 t 二t+at ( 2 - 2 - 3) 东南大学硕士学位论文 下面分别对配准实现过程中的涉及的主要方面进行介绍. 2 .2 .1 几何变换 常 用的空间 几何变化有刚体变 换 ( r i g i d b o d y t r a n s f o r m a t i o n ) 、仿射变换 ( a f f i n e t r a n s f o r m a t i o n ) ,投影变换 ( p r o j e c t i v e t r a n s f o r m a t i o n )和非线 性变换 ( n o n l i n e a r t r a n s f o r m a t i o n ) . 刚体变换是指在 变换前后的两 个平面中， 任意 两点间的 距离 保持不变的一种 坐标变换方法。刚性变换又可以 分解为平移 ( t r a n s l a t i o n ) 、旋转 ( r o t a t i o n ) 和镜面反射( m i r r o r r e f l e c t i o n ) 。 在二维刚性变换中， 一般包 含三 个变换 参数: 两个平 移量众 、 ry和一个旋转变i;在 三维 剧性变换中，则包含6 个变换参数: 3 个平移 量红 、 ly、 a 和绕三个坐标轴旋转变量:叮、 ry. r z 。 仿射变换是指在变换前后的 平面中， 任意两条直线间的平行关系保持不变。 仿射变换能够反映图 像的 剪切变形。 二维仿射变换有6 个变换 参数， 而三维仿射 变换则有 1 2 个变换参数。 投影变换是指将变换 前的直 线在变换后仍保 持为直 线， 但相互之间的 平行关 系 一般并 不保证。 这种变换反映了从 不同距 离对目 标进行成 像时 在成 像系统