（计算机科学与技术专业论文）基于特征的医学图像配准中若干关键技术的研究.pdf

浙江大学博士学位论文摘要 摘要 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，已经在临床诊断、治疗、术前规划等方面有着广泛的应用。本文对医 学图像配准的理论、方法和技术进行了全面地分析与总结，重点研究了基于特征 的医学图像配准。特征是图像中易于识别并具有一定几何或解剖意义的信息元 素，如点、线段、轮廓等。在特征的引导下，图像配准可以被快速地实现且配准 过程具有较强的目的性。针对医学图像配准中具体问题，我们取得了如下的研究 成果： 针对医学图像问存在差异部分或被关心部分只限于某一特定区域内的情况， 论文研究了紧支撑径向基函数在医学图像配准中应用，提出了一种局部医学图像 配准方案，将特征点与图像灰度信息相结合以优化配准变换函数。每个特征点被 赋予一个影响半径，用来控制特征点的作用范围。针对单模与多模图像间的灰度 差异，分别选用灰度差平方和函数( t h es u mo fs q u a r e dd i f f e r e n c e ) 和互信息 ( m u t u a li n f o r m a t i o n ) 作为衡量图像匹配结果好坏的相似性测度函数。通过插值 特征点建立初始配准变换函数，采用小生境遗传算法对参数进行优化。与标准遗 传算法相比，小生境遗传算法能够有效地克服经典遗传算法搜索能力差与早熟等 缺点，从而获得精确的图像配准结果。 针对单一特征引导图像配准的有限性，论文研究了多种图像特征共同引导图 像配准的方法，提出了一种同时使用轮廓与特征点的医学图像弹性配准方法。通 过直线化减少提取轮廓中关键点的数量，以提高计算效率。以特征点间距离与轮 廓间距离累加和作为图像配准的相似性测度，采用迭代过程不断地优化配准变换 函数，最终达到特征点对与轮廓对同时匹配，进而引导图像配准。算法同时配准 图像整体信息( 轮廓) 与局部细节信息( 特征点) ，可以更加准确地补偿图像问 的差异。 研究了特征曲线在医学图像配准中的应用，提出一种使用特征点与特征曲线 的医学图像配准算法。算法既保证了基于特征点配准的精确性又兼有基于特征曲 线配准的鲁棒性。半自动的提取方式使操作者能够精确地获得对应的特征点对与 特征曲线对，提取后特征曲线采用非均匀三次b 样条表示，以使同一对特征曲线 具有相同的参数区间。非均匀的曲线离散机制保证了离散后点集尽可能忠于原始 特征曲线同时又满足图像配准中的要求。采用薄板样条函数插值特征点对建立初 浙江大学博士学位论文 始配准变换函数，通过不断改善特征曲线对间差异最大的区域获得最优配准变 换。特征曲线的引入可以实现图像中连续信息的匹配。 以特征曲线间的对应关系为基准，提出了一种基于特征曲线的局部图像配准 算法，可以实现特征曲线及其周围区域的平滑变换过程。算法采用非均匀三次b 样条表示特征曲线，每条特征曲线的作用范围被限制在一定区域内并且分为两部 分：内部作用范围和外部作用范围。在内部作用范围内，通过计算每一点相对于 测试特征曲线的局部坐标，然后在参考特征曲线坐标系下找到相同的坐标位置， 完成该点的变换过程。以边界的精确匹配为依据，在外部作用范围内尽可能均匀 地分布一系列对应点对，然后插值这些点对获得外部配准变换函数，完成该区域 内的图像配准。该算法对测试特征曲线和参考特征曲线建立共同的外部边界，可 以保证配准变换的连续性与局部性。 关键词医学图像、图像配准、特征点、轮廓、特征曲线、灰度信息、局部配准、 径向基函数、薄板样条、小生境遗传算法 一 浙江大学博士学位论文 a b s a c t a b s t r a c t m e d i c a li m a g er e g i s t r a t i o n ，ac r o s s i n gr e s e a r c ht o p i co fi n f o r m a t i o ns c i e n c e ， c o m p u t e ri m a g et e c h n o l o g ya n dm o d e mm e d i c i n e ，h a sb e e na p p l i e dw i d e l yi n t h e a r e a so fc l i n i c a ld i a g n o s e s ，t h e r a p ya n dp r e o p e r a t i v ep l a n n i n g t h i sd i s s e r t a t i o n c o m p r e h e n s i v e l ya n a l y z e s a n ds u m m a r i e st h er e l a t e d c o n c e p t s ，m e t h o d s a n d t e c h n i q u e s o fm e d i c a li m a g e r e g i s t r a t i o n ，a n d t h ef e a t u r e b a s e dm e d i c a li m a g e r e g i s t r a t i o n i se m p h a s i z e d t h ef e a t u r ei st h ee a s i l y r e c o g n i z e d ，g e o m e t r i ca n d a n a t o m i ci n f o r m a t i o ne l e m e n ti nt h ei m a g e ，f o re x a m p l e ，p o i n t ，l i n e ，c o n t o u re t c u n d e rt h eg u i d eo ft h ef e a t u r e s ，i m a g er e g i s t r a t i o nc a nb ei m p l e m e n t e di n t e n t i o n a l l y a n dq u i c k l y f o rt h e p r a c t i c a lp r o b l e m s i nm e d i c a l i m a g er e g i s t r a t i o n ，s o m e a c h i e v e m e n t sa sf o l l o w i n ga r eo b t a i n e d a i m i n ga tt h ec o n d i t i o nt h a ti nm e d i c a li m a g e ，t h er e g i o n st h a ta r ed i f f e r e n to r c a r e da r er e s t r i c t e dt os p e c i f i cd o m a i n s t h ea p p l i c a t i o no fr a d i a lb a s i sf u n c t i o nw i t h c o m p a c ts u p p o r tt om e d i c a li m a g er e g i s t r a t i o ni ss t u d i e d al o c a li m a g er e g i s t r a t i o n m e t h o d ，t h ec o m b i n a t i o no ff e a t u r ep o i n t sa n di n t e n s i t yi n f o r m a t i o nt oo p t i m i z et h e t r a n s f o r m a t i o nf t m c t i o n ，i sp r o p o s e d e a c hf e a t u r ep o i n th a sa ni n f l u e n c er a d i u st h a t c a nc o n t r o lt h ea c t i o nd o m a i no ft h ef e a t u r ep o i n t f o rt h ed i f f e r e n c eo ft h ei n t e n s i t y b e t w e e nm o n o m o d a l i t ym a dn m l t i m o d a l i t yi m a g e ，t h es u mo fs q u a r e dd i f f e r e n c ea n d m u t u a li n f o r m a t i o na r er e s p e c t i v e l yc h o s e na ss i m i l a r i t ym e a s u r e st h a tc a ne v a l u a t et h e r e s u l to fi m a g er e g i s t r a t i o n t h et r a n s f o r m a t i o nf u n c t i o ni si n i t i a l i z e db yi n t e r p o l a t i n g t h ef e a t u r ep o i n t - p a i r s ，a n dt h e no p t i m i z e di tw i t i ln i c h eg e n e t i ca l g o r i t h m ( n g a ) i n c o m p a r i s o nw i t hg a ，n g ae f f e c t i v e l yo v e r c o m e st h ed r a w b a c k so fp r e m a t u r ea n d w e a ke x p l o i t a t i o nc a p a b i l i t i e sa n dt h ep r e c i s ei m a g er e g i s t r a t i o nr e s u l t sa r ea c h i e v e d d u et ot h el i m i t a t i o no fi m a g er e g i s t r a t i o nw i t ho n ek i n do ff e a t u r e ，m u l t i p l e f e a t u r e ss h o u l db ei n t r o d u c e dt og u i d ei m a g er e g i s t r a t i o n t h i sd i s s e r t a t i o np r o p o s e sa n e l a s t i cm e d i c a li m a g er e g i s t r a t i o nm e t h o du s i n gb o t hc o n t o u ra n df e a t u r ep o i n t s 1 1 1 e l i n e a r i z a t i o ni s e m p l o y e dt or e d u c ek e yp o i n t s i nt h e e x t r a c t e dc o n t o u r , w h i c h i m p r o v e st h ec o m p u t a t i o ne f f i c i e n c y n es u mo ft h e d i s t a n c e sb e t w e e n f e a t u r e p o i n t - p a i r sa n dt h ed i s t a n c e sb e t w e e nc o n t o u r - p a i ri sr e g a r d e da st h ec r i t e r i o no fi m a g e r e g i s t r a t i o n t h et r a n s f o r m a t i o nf u n c t i o ni sn o tr e s o l v e di t e r a t i v e l yu n t i lt h ea l i g n m e n t o ff e a t u r e p o i n t - p a i r s a n d c o n t o u r - p a i r i sa c h i e v e d t h ep r e s e n t e d a l g o r i t h m s i m u l t a n e o u s l yr e g i s t e r st h eg l o b a ls t r u c t u r ei n f o r m a t i o no ft h ei m a g e ( c o n t o u r ) a n d t h el o c a ld e t a i li n f o r m a t i o n ( f e a t u r ep o i n t s ) ，s ot h a tt h ed i f f e r e n c eb e t w e e ni m a g e sc a n b ec o m p e n s a t e de x a c t l y 浙江大学博士学位论文 a b s t r a e t am e d i c a l i m a g er e g i s t r a t i o na l g o r i t h m u s i n g f e a t u r ep o i n t sa n dc u r v e si s p r o p o s e do nt h eb a s i so ft h er e s e a r c ha b o u tt h ea p p l i c a t i o no ft h ef e a t u r e c u r v e st o i m a g e rr e g i s t r a t i o n t l l i sp r e s e n t e da l g o r i t h mn o to n l yh a st h ea c c u r a c yo fi m a g e r e g i s t r a t i o nb a s e do np o i n t sb u ta l s op o s s e s s e st h er o b u s to fi m a g er e g i s t r a t i o nb a s e d o nc u r v e s r h ef e a t u r e p o i n t p a i r sa n df e a t u r ec u r v e p a i r sf r o mt h ei m a g e sc a nb e e x a c t l ye x t r a c t e du n d e rt h eh e l po fs e n t i a u t o m a t i ce x t r a c t i o nm e t h o d t h ee x t r a c t e d c u r v e - p a i r sa r em o d e l e db yn o n - - u n i f o r mc u b i cb - s p l i n e ss ot h a tt h e yh a v et h es a m e p a r a m e t e rs p a c e n l em e c h a n i s mo fn o n - u n i f o r ms u b d i v i s i o no ff e a t u r ec u r v e se n s u r e s t h a tt h ed i s c r e t ep o i n t sc a nm a t c ht h eo r i g i n a lf e a t u r ec u r v ea sc l o s ea sp o s s i b l ea n d f u l f i l lt h er e q u i r e m e n to fi m a g er e g i s t r a t i o n t h eo p t i m a lt r a n s f o r m a t i o nf u n c t i o n ， w h i c hi si n i t i a l i z e db yi n t e r p o l a t i n gt h ef e a t u r ep o i n t - p a i r s 、i t l lt h i np l a t es p l i n e s i s s o l v e di t e r a t i v e l yb yc o n t i n u o u s l yi m p r o v i n gt h er e g i o n so fm a x i m u md i f f e r e n c e b e t w e e nt w of e a t u r ec u r v e s t h ei n t r o d u c t i o no ff e a t u r ec u r v e sc a ni m p l e m e n tt h e r e g i s t r a t i o no f t h ec o n t i n u o u si n f o r m a t i o ni nt h ei m a g e s an e wf e a t u r ec u r v eb a s e dl o c a li m a g er e g i s t r a t i o nm e t h o d ，w h i c hc a nm a k ea s m o o t hd e f o r m a t i o nf o rf e a t u r ec u r v ea n di t sn e i g h b o r h o o d ，i sp r o p o s e db a s e do nt h e b e n c h m a r ko fc o r r e s p o n d i n gr e l a t i o n s h i pb e t w e e nf e a t u r ec u r v e p a i r 1 1 1 ef e a t u r e c u r v e se x t r a c t e df r o mt h ei m a g e sa r em o d e l e db yn o n u n i f o r mc u b i cb s p l i n e s ，a n dt h e a c t i o nd o m a i no fe a c hf e a t u r ec u r v ei sd i v i d e di n t ot w op a r t s ：i n n e ra c t i o nd o m a i na n d o u t e ra c t i o nd o m a i n i ni n n e ra c t i o nd o m a i n ，t h el o c a lc o o r d i n a t eo fe a c hp o i n tr e l a t e d t ot e s tf e a t u r ec u r v en e e dt ob ec a l c u l a t e d ，a n dt h e nt h ep o i n ti sd e f o r m e db yf i n d i n g t h ep o s i t i o nw i t l lt h es a n l ec o o r d i n a t er e l a t e dt or e f e r e n c ef e a t u r ec u r v e o nt h eb a s i so f p r e c i s ea l i g n m e n to ft h eb o u n d a r y , s o m ec o r r e s p o n d i n gp o i n t - p a i r sa r ed i s t r i b u t e da s e v e n l ya sp o s s i b l ei no u t e ra c t i o nd o m a i n o u t e rt r a n s f o r m a t i o nf u n c t i o n ，w h i c hi s b u i l tb yi n t e r p o l a t i n gt h e s ep o i n t p a i r s ，i su s e dt or e g i s t e rt h ei m a g ei no u t e ra c t i o n d o m a i n i np r o p o s e da l g o r i t h m ，t h ed e f o r m a t i o no ft h ei m a g er e m a i n sc o n t i n u o u sa n d l o c a lb yb u i l d i n gt h es a m eo u t e rb o u n d a r yf o rt e s tf e a t u r ec u r v ea n dr e f e r e n c ef e a t u r e e l l r v e k e y w o r d s m e d i c a li m a g e ，i m a g er e g i s t r a t i o n ，f e a t u r ep o i n t ，c o n t o u r , f e a t u r ec u r v e ， i n t e n s i t y , l o c a lr e g i s t r a t i o n ，r a d i a lb a s i sf u n c t i o n ，t h i np l a t es p l i n e s ，n i c h e g e n e t i c a l g o r i t h m 浙江大学博士学位论文图目录 图目录 图1 1 医学图像配准流程图3 图1 2 医学图像配准实例4 图2 1 变换函数类型示意图1 4 图3 1 基函数示意图2 5 图3 - 2 平移情况配准结果比较2 9 图3 - 3 比例放大情况配准结果比较2 9 图3 - 4 真实医学图像配准结果3 0 图3 5 配准优化流程图3 0 图3 - 6 图像来源类型3 l 图3 7 两个随机变量的互信息示意图3 3 图3 8 互信息计算实例中的原始图像3 4 图3 - 9 单幅图像的直方图3 4 图3 1 0 两幅图像间联合分布与联合直方图3 4 图3 1 1 不合理的变换函数形式3 9 图3 1 2 影响半径变化量对配准结果的影响4 0 图3 1 3 计算区域示意图4 l 图3 1 4 仿真图像配准结果4 2 图3 1 5 不同算法互信息随进化代数增加的变化趋势4 3 图3 1 6 单模图像配准及结果比较4 4 图3 1 7c t - m r j 图像配准。4 5 图4 1 配准算法流程图4 8 图4 2 圆形模板的位置5 0 图4 3u s a n 区域5 0 图4 - 43 7 个像素的圆形模板。5 0 图4 5 轮廓提取5 1 图4 - 6 关键点的弯曲度定义5 3 图4 7 轮廓直线化5 4 图4 8 二维薄板样条的基函数5 6 图4 9 不同相似性测度随迭代次数的变化6 0 图4 1 0 不同配准算法结果比较6 l 图4 1 1 配准实例结果6 2 图4 1 2 特征曲线提取6 3 图4 1 3 一对特征曲线的离散结果6 7 图4 1 4 曲线模型对配准结果的影响6 7 图4 1 5 曲线离散方式对配准结果的影响6 8 图4 1 6 一对特征曲线的迭代求解过程6 9 v 浙江大学博上学位论文 图目录 图4 - 1 7 基于特征点与特征曲线的医学图像配准结果7 0 图4 1 8 医学配准实验结果7 0 图5 1 特征曲线的作用范围7 4 图5 2 内部变换示意图7 5 图5 3 迭代过程的初始值求解7 6 图5 - 4 特征曲线的外包多边形7 7 图5 5 点到特征曲线的最短距离计算示意图7 7 图5 _ 6 采用扩展的特征曲线时点的变换过程7 8 图5 7 外部作用范围及外部变换中的区域定义7 9 图5 8 对应关系建立过程8 0 图5 - 9 对应关系结果图8 0 图5 1 0 测试曲线外部作用区域的内部边界和外部边界的分割8 1 图5 1 1 引导线的建立过程8 2 图5 1 2 基于单条特征曲线的变换函数8 4 图5 1 3 一点在多条特征曲线作用下的目标位置计算过程8 4 图5 1 4 基于两条特征曲线的变换函数8 5 图5 1 5 内部作用半径对配准变换结果的影响8 6 图5 1 6 选用不同采样点数时外部变换模型的结果对比8 7 图5 1 7 采用不同算法配准仿真图像的结果比较8 7 图5 1 8 实验结果与比较8 9 图5 1 9 特征曲线过于弯曲导致错误的对应关系9 0 v i 浙江大学博士学位论文 表目录 表目录 表3 1 特征点数值3 9 表3 2 影响半径变化量对互信息变化量的影响4 0 表3 3 已知变换函数的配准结果4 3 表3 - 4 互信息量比较4 5 表4 1 平均距离对比6 0 表4 2 配准结果数据对比6 9 浙江大学博士学位论文第1 章绪论 第1 章绪论 医学图像配准是实现医学图像信息融合的基础与前提，已经广泛应用于疾病 诊断、术前规划等领域。医学图像配准是将两个图像数据在空间和几何上进行匹 配，以使代表相同解剖结构的像素或体素一一对应的方法与过程【l 】。本章将介绍 医学图像配准的背景与意义及图像配准技术，指出本文的创新点和主要贡献，同 时给出后续各章的内容安排。 1 1 医学图像配准问题的背景与意义 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，尤其在计算机技术高度发达之后，医学成像技术的发展给 临床医学提供了x 射线、超声、计算机断层成像( c t ) 、数字减影血管造影( d s a ) 、 电光子发射断层成像( s p e c t ) 、磁共振成像( m l u ) 、数字荧光造影( d f ) 、正 电子发射断层成像( p e t ) 等形态和功能的影像信息。根据医学图像所提供的信息内 涵，可将这些图像分为两大类：解剖结构图像( c t ，m 刚，b 超等) 和功能图像 ( s p e c t ，p e t 等) 。这两类图像各有其优缺点：功能图像分辨率较差，但它提 供的脏器功能代谢信息是解剖图像所不能替代的；解剖图像以较高的分辨率提供 了脏器的解剖形态信息( 功能图像无法提供脏器或病灶的解剖细节) ，但无法反 应脏器的功能情况。目前这两类成像设备的研究都已取得了很大的发展，图像的 空间分辨率和图像质量有很大的提高，但由于成像原理不同所造成的图像信息的 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 助医生的空间想象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， 更主要的是一些信息将可能被忽视。 另外，随着临床应用和基础研究的发展，对多种模式数据配准和融合的要求 也越来越多。如前所述，x 线c t 图像表现的是人体的解剖结构信息，在空间分 辨率方面，p e t 图像比c t 图像差，而p e t 独特的功能显像能力是c t 所不具备 的。将两类图像相融合，使它们互相取长补短，一直是医学界的期望。以前的尝 试是：先用不同模式的系统分别采集图像，然后再进行数据融合。这种基于计算 机算法的配准和融合方法在处理脑部图像方面得到了成功的应用，但对身体其它 部位，如胸、腹等部位，由于器官的运动造成的位移和伪影的存在，难以获得精 确的配准，限制了进一步的研究和应用。 被融合的图像必须互相配准，一种想法是在一次扫描中同时获得两种图像， 浙江大学博士学位论文 第1 章绪论 因此需要研制兼有p e t 和c t 两种成像功能的复合系统。这种系统对成像中可能 发生运动的体段，如胸腔、腹腔的图像融合尤其有价值。 美国匹兹堡大学和c t i 公司研制的一种复合系统样机i ”，采用s o m a t o m 的 a r s p 型螺旋c t 和s i e m e n s 的e c a t a r t 型连续旋转扫描p e t 部件，将p e t 部 件安装在c t 的旋转支撑结构上。扫描床可沿轴向运动1 0 0 c m ，足够覆盖病人从 下颚到大腿根的部分。c t 图像还可以为p e t 提供衰减校正因子，以及基于模型 的散射校正所需的解剖结构图，省去了p e t 的透射扫描放射源。该复合系统还可 以在c t 引导的活检中提供功能图像，在放疗计划中描绘出肿瘤的代谢旺盛程度， 目前正在研究中的复合成像系统有：p e t s p e c t 系统；p e t c t 系统；p e t m r i 和p e t n m r 系统；p e t s p e c t c t 系统等b 4 1 。 多模式成像系统可以在同一台机器上同时或间隔很短地获取功能性和解剖 性图像，解决了临床应用中一些复杂的实际问题，将成为未来高级医学影像设备 的重要发展方向。 但是，目前这些复合系统还非常不成熟、不完善，并且较高的成本会限制其 应用范围。另一种最有效的解决方法就是以医学图像配准技术为基本方法将这两 种图像结合起来，利用各自的信息优势，在一幅图像上同时表达来自人体的多方 面信息，使人体内部的结构、功能等多方面的状况通过影像反应出来，从而更加 直观地提供人体解剖、生理、及病理等信息。 这些基于图像处理的配准技术和相应的软件系统，以其良好的可靠性、灵活 的可控制性、广泛的应用范围、低廉的价格和宽广的适用性，已经为医学基础研 究和临床实践做出了重要贡献。因此，对于基于图像的医学配准进行深入研究， 具有十分重要的理论和现实意义。 在过去的一、二十年中，广大学者对医学图像配准技术进行了大量的研究工 作，并取得了很多成绩。然而，医学图像配准是一个非常复杂的过程，不同的医 学应用需要不同的配准技术。而且随着生物体视学技术的兴起，显微、超微结构 的三维重建和可视化、定量化研究，以及各种组织切片图像的处理，不断为医学 图像配准技术提出新的问题，注入新的研究动力1 5 】。 自动、快速、精确的医学图像配准方法一直是广大学者追求的目标，但在医 学图像处理领域完全自动化是非常困难的，也是没有必要的。因为作为辅助治疗 的图像配准过程需要专家医生的交互才能融入大量的经验知识，一味地追求自动 化会降低配准结果的可用性。因此，本文以医学图像中的具有几何或解剖意义的 元素为特征，通过半自动方式由专家医生对图像中感兴趣区域进行标记，从而引 2 浙江大学博士学位论文第1 章绪论 导更具目的性、更加准确的医学图像配准。 1 2 医学图像配准技术 图1 - 1 医学图像配准流程图 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匹配。这种匹配是指人体上的同一解剖点 在两张匹配图像上有相同的空问位置。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。目前，图像 配准在医学中的应用领域有： 1 ) 疾病诊断； 3 浙江大学博士学位论文 第l 章绪论 2 ) 疾病发展和消退的过程监测； 3 ) 术前评价和神经外科手术计划； 4 ) 神经外科手术可视化； 5 ) 放射治疗和立体定向放射外科治疗计划； 6 ) 感觉运动和认知过程的神经功能解剖学研究； 刀神经解剖变异性的形态测量分析学； 8 1 组织切片图像的处理与显微结构三维重建等。 对于在不同时间、不同成像模式等条件下获取的两幅医学图像进行配准，就 是要定义_ 个相似性测度函数，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( 或者差异性最小) 。一个完整的医学图像配 准过程可以用示意图1 1 来表示。给定待配准的两幅图像，称为参考图像( r e f e r e n c e i m a g e ) 与测试图像( t e s ti m a g e ) ，在特定的变换函数空间选取初始变换函数并将 其作用于测试图像，获得变换结果。然后以莱一测度函数( c o s tf u n c t i o n ) 来衡量 变换结果与参考图像问的相似性，如果比较结果不满足测度函数，则采用优化策 略对初始变换函数进行改进。重复此过程直到比较结果满足测度函数，配准过程 结束。 图1 - 2 医学图像配准实例 医学图像配准问题可表示为一个优化过程。输入为待配准的参考图像i ，( ) 和 测试图像i 。( ) ，( ) 表示的图像可能是二维( 2 d ) 或者三维( 3 d ) 的，当配准图 像是2 d 时，i 。( ) = i ，( x ，y ) ，i t ( ) = i t ( x ，y ) ，当配准图像是3 d 时，i ，( ) = i 。( x ，y ，z ) ， i 。( ) = i 。( x ，y ，z ) 。然后确定合适的变换函数g 和相似性测度函数e ，其中g 可以是 只包括平移和旋转的刚体变换也可以是复杂的柔性变换，而e 可以表示待配准图 像的相似度，如相关系数、互信息等，也可以表示两者的差异性，如距离函数、 总绝对差函数、总平方差函数等。此时图像配准过程可归结为 4 浙江大学博士学位论文第1 章绪论 矿= a r g m 倒a x e ( ( ) ，( g ( i ) ) ) ( 1 2 1 ) 当表示图像间差异性时只需求解最小值即可。图1 - 2 是一个医学图像配准的实例， 从左到右依次为：测试图像、参考图像和配准后的测试图像。 1 3 本文的创新点及贡献 在查阅了国内外医学图像配准相关领域和其他图像配准领域的大量文献资 料的基础上，对基于特征的医学图像配准及其相关技术进行了深入研究和总结， 并针对医学图像配准中的具体问题，在以下方面取得了一定的研究成果： i )针对医学图像间存在差异部分或被关心部分只限于某一特定区域内 的情况，论文研究了紧支撑径向基函数在医学图像配准中应用，提 出了一种局部医学图像配准方案，将特征点与图像灰度信息相结合 以优化配准变换函数。每个特征点被赋予一个影响半径，用来控制 特征点的作用范围。针对单模与多模图像间的灰度差异，分别选用 灰度差平方和函数( t h es u m i a f s q u a r e dd i f f e r e n c e ) 和互信息( m u t u a l i n f o r m a t i o n ) 作为衡量图像匹配结果好坏的相似性测度函数。通过插 值特征点建立初始配准变换函数，采用小生境遗传算法对参数进行 优化。与标准遗传算法相比，小生境遗传算法能够有效地克服经典 遗传算法搜索能力差与早熟等缺点，从而获得精确的图像配准结果。 2 )针对单一特征引导图像配准的有限性，研究了多种图像特征共同引 导图像配准的方法，提出了一种同时使用轮廓与特征点的医学图像 弹性配准方法。通过直线化减少提取轮廓中关键点的数量，以提高 计算效率。将特征点间距离与轮廓间距离累加和作为图像配准的相 似性测度，采用迭代过程不断地优化配准变换函数，最终达到特征 点对与轮廓对同时匹配，进而引导图像配准。算法同时配准图像整 体信息( 轮廓) 与局部细节信息( 特征点) ，可以更加准确地补偿图 像问的差异。 3 )研究了特征曲线在医学图像配准中的应用，提出一种使用特征点与 特征曲线的医学图像配准算法。算法既保证了基于特征点配准的精 确性又兼有基于特征曲线配准的鲁棒性。半自动的提取方式使操作 者能够精确地获得对应的特征点对与特征曲线对，提取后特征曲线 采用非均匀三次b 样条表示，以使同一对特征曲线具有相同的参数 区间。非均匀的曲线离散机制保证了离散后点集尽可能忠于原始特 浙江大学博士学位论文第1 章绪论 征曲线同时又满足图像配准中的要求。采用薄板样条函数插值特征 点建立初始配准变换函数，通过不断改善特征曲线对间差异最大的 区域获得最优配准变换。特征曲线的引入可以实现图像中连续信息 的匹配。 4 )以特征曲线问的对应关系为基准，提出了一种基于特征曲线的局部 图像配准算法，可以实现特征曲线及其周围区域的平滑变换过程。 算法采用非均匀三次b 样条表示特征曲线，每条特征曲线的作用范 围被限制在一定区域内并且分为两部分：内部作用范围和外部作用 范围。在内部作用范围内，通过计算每一点相对于测试特征曲线的 局部坐标，然后在参考特征曲线坐标系下找到相同的坐标位置，完 成该点的变换过程。以边界的精确匹配为依据，在外部作用范围内 尽可能均匀地分布一系列对应点对，然后插值这些点对获得外部配 准变换函数，完成该区域内的图像配准。该算法对测试特征曲线和 参考特征曲线建立共同的外部边界，可以保证配准变换的连续性与 局部性。 在此要特别指出，本文涉及到的图像配准技术主要针对2 d 平面数据。随着 成像仪器设备的发展，目前出现了更多的3 d 体数据的配准需求，因此，3 d 数据 的配准也将成为目前学术界的研究热点之一。然而，2 d 数据的配准还没有得到 完全解决，且一些2 d 数据的配准技术可以被扩展到3 d 数据上，所以本文的探讨 基础和实验都是建立在2 d 数据上。 1 4 本文的组织结构 本论文后续各章的内容安排如下； 第二章对目前流行的医学图像配准方法作了比较详细的回顾和评价，进行 了概括分类，同时指出每种方法的特点、主要贡献和其适用范围。着重介绍了基 于特征的医学图像配准方法，并按照特征的分类进行了总结与分析。 第三章研究了基于紧支撑径向基函数的局部医学图像配准方法，将特征点 与图像灰度信息相结合，提出了一种局部医学图像配准方案。 第四章研究了多种图像特征共同引导图像配准的方法，分别针对特征点与 轮廓和特征点与特征曲线提出相应的医学图像配准算法。 第五章研究了基于特征曲线的局部图像配准算法，以特征曲线间的对应关 系为基准，可以实现特征曲线及其周围区域的平滑变换过程。 6 浙江大学博士学位论文第1 章绪论 第六章对全文的研究工作进行总结，并对进一步的研究做出了展望。 7 浙江大学博士学位论文 第2 章医学图像配准方法的综述 第2 章医学图像配准方法的综述 2 1 引言 在过去的几十年里，图像采集设备发展惊人，大量图像信息的获取增加了对 图像配准技术的需求。尽管早在1 9 8 3 年g h a f f a r y 就发表了关于配准的综述1 6 j ，但 是内容基本上是针对相关性算法的。第一篇影响深远的综述性文章在1 9 9 2 年由 b r o w n 发表1 7 】，而针对医学图像配准及其相关技术在文献【8 ，9 ，1 0 都中有阐述。根 据i n s t i t u t eo f s c i e n t i f i ci n f o r m a t i o n ( i s i ) 的调查数据表明，最近1 0 年里至少有数千 篇的学术论文在研究图像配准问题。2 0 0 2 年网上公布的美国申请专利中，与图像 配准的相关的部分就有超过5 0 项，m m 和g e 等大型跨国企业甚至拥有自己的 工作组专门研究医学图像配准问题。而在最近的国际顶级学术会议上( c v p r 2 0 0 4 和i c i p 2 0 0 5 ) 都有关于配准的专题讲座，这足见图像配准问题的关注程度。 在医