（生物医学工程专业论文）强鲁棒的非刚性点配准方法及其应用研究.pdf

中国科学技术大学博士学位论文 摘要 ( 3 ) 实现了利用近似薄板样条作为变换模型，将标记点位置的变换扩展到整 个图像空间中。任意d 维的薄板样条函数可以描述为多变量插值问题，但是插值 薄板样条要求两幅图像中标记点是完全匹配的。然而，在实际应用中不管是人工、 半自动化或完全自动化提取的标记点，其位置总是存在误差的。为了考虑标记点 位置的误差，在薄板平滑样条的基础上，提出了一种各项异性近似薄板样条，考 虑标记点在不同方向上的误差及其互相关性，使得算法能够处理各项异性误差及 不同类型的标记点，提高配准的准确度。 ( 4 ) 引入聚类技术，减少配准点集的数目，大大提高了混合点配准算法的计 算速度。在混合点配准算法( m p m ) 中，当特征点的数目达到上百甚至上千时，估 计对应关系和变换的计算量非常巨大。为了减少其计算代价，并使算法具有对称 性，对第三章的混合点配准算法进行扩展，提出了一种对称的混合点配准算法 ( s m p m ) 和一种联合聚类一配准算法( j c m ) ，结合有粗到细配准的策略反复多次 配准。这样不仅可以大大减少计算代价，还提高了配准精度。 ( 5 ) 实现了将非刚性点配准算法用于解决医学图像中一个重要的问题 个体之间的3 d 脑解剖结构特征的非刚性配准。由于大脑结构的异常复杂性和多 变性，个体之间的脑解剖结构配准是一项非常困难的任务。本文在深入研究脑配 准的研究现状及困难的原因之后，提出了一种基于联合聚类一配准的特征匹配方 法。利用前期的双表面分割方法以及联合聚类一配准算法，实现了不同个体之间 3 d 脑解剖结构特征的非刚性配准。对不同类型的几何特征进行了融合，并实现 了不同变换模型的比较。配准过程完全自动化。 ( 6 ) 实现了基于一定人群的可形变数字化概率图谱的建立。可形变数字化 概率图谱是研究自动化分割工具的基础。本文在研究数字化统计图谱创建方法和 特点的基础上，对前期的联合聚类配准算法进行一些改进，允许多个点集同时 配准，实现了可形变数字化概率图谱的自动化创建。并将其应用到2 d 胼胝体的 可形变数字化概率图谱的建立中。 关键词：几何活动轮廓模型，混合点配准算法( m p m ) ，近似薄板样条，可形 变数字化概率图谱 第1 1 1 页共x 页 尘曼型兰垫奎奎耋璧圭兰堡尘兰 丝! ! ! 竺! 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 ni sa l li m p o r t a n ta n dr u d i m e n t a ls t u d ys u b j e c ti nt h e a r e ao fm e d i c a li m a g ep r o c e s s i n g i ti st h ef o u n d a t i o no fm e d i c a li m a g ef u s i o n ， r e s t o r a t i o n ，a n dt h ec o n s t r u c t i o no fs t a n d a r da t l a s ，e t c b e c a u s eo ft h ec o m p l e x i t yo f h u m a nb o d ys t r u c t u r e ，m a n yt i s s u e sa r ee l a s t i c i t y s i m p l er i g i dr e g i s t r a t i o nc a n n o t s h o wt h el o c a ld e t a i l so fb o d yc o m p l e xs t r u c t u r e b u tt h e s ed e t a i l sa r et h ei m p o r t a n t g i s to fc l i n i c a ld i a g n o s i s s oi t n e e d sn o n r i g i dm a t c h i n gt e c h n o l o g yw i t hh i g h e r f r e e d o m n o n r i g i dr e g i s t r a t i o n i sa ni m p o r t a n ts t u d ys u b j e c ti nm e d i c a li m a g e p r o c e s s i n g c o m p a r e dt or i g i dr e g i s t r a t i o n ，n o n - r i g i dr e g i s t r a t i o n i sn o tam a t u r e t e c h n o l o g y h o wt oc o n s t r u c tr e a s o n a b l e t r a n s f o r m a t i o nm o d e l t of i ta l lk i n d so f c o m p l i c a t e dt i s s u ed e f o r m a t i o n ，h o wt oi m p r o v et h es p e e da n da c c u r a c yo fn o n 。r i g i d r e g i s t r a t i o n ，a n dh o wt oe v a l u a t en o n r i g i dr e g i s t r a t i o na l lm u s t b ef u r t h e rr e s e a r c h e d n o n r i g i dp o i n tm a t c h i n g i st h em o s tb a s i ca n dp r i m a r yp r o b l e mi nt h e r e g i s t r a t i o nb a s e d o nf e a t u r e ，a n di ti st h ef o u n d a t i o no f t h er e g i s t r a t i o nm e t h o d sb a s e d o nc u r ea n ds u r f a c e i nt h i s p a p e rb a s e d o nt h e t h o r o u g hs t u d yo fu o d 。r i g i d r e g i s t r a t i o n ，w ep r e s e n tag e n e r a ln o n r i g i dp o i n tm a t c h i n gm e t h o d t h ea l g o r i t h mi s m o r er o b u s ta n da u t o m a t i c a n dt h e ni ti sa p p l i e dt ot h er e g i s t r a t i o no f3 db r a i ni m a g e a n dt h ec o n s t r u c t i o no fd e f o r m a b l ep r o b a b i l i s t i ca t l a s t h em a j o rc o n t r i b u t i o n so f t h i s d i s s e r t a t i o na r ea sf o l l o w s ： ( 1 ) p r e s e n t i n gac o u p l ep r o p a g a t i n ga l g o r i t h mb a s e do nl e v e ls e tm e t h o d t h e s e g m e n t a t i o no fc o r t i c a ls u r f a c ea n ds u l c a lr i b b o n sa u t o m a t i c a l l ya n dr o b u s t l yw a s c a r r i e do u tb yi t e x t r a c t i n gt h ef e a t u r ei nt h eo r i g i n a li m a g e si st h ep r e c o n d i t i o no f t h er e g i s t r a t i o nm e t h o db a s e do nf e a t u r e i nt h i sp a p e rb a s e do nt h ed e e ps t u d yo f m a n ys e g m e n t a t i o nm e t h o d s ，o n ek i n do fa l g o r i t h mc a l l e dg e o m e t r i c a la c t i v ec o n t o u r m o d e l ，w a sc h o s e n a n dm o d i f i e d ac o u p l e p r o p a g a t i n ga l g o r i t h m b a s e do n m u l t i p h a s e sl e v e ls e tm e t h o dw a sp r o p o s e d ，w h i c ho v e r c a m em a n yd i s a d v a n t a g e so f 第1 v 蕊共x 页 中国科学技术大学博士学位论文 a b s t r a c t s n a k em o d e la n dt r a d i t i o n a ll e v e ls e tm e t h o db e t t e r t h e ni tw a sa p p l i e dt o3 db r a i n c o r t i c a ls e g m e n t a t i o np r o b l e ms u c c e s s f u l l y , w h i c hi m p l e m e n t e dt h ee x t r a c t i o no ft h e f e a t u r eo f c o r t i c a ls u r f a c ea n dm a j o rs u l c a lr i b b o n sa u t o m a t i c a l l y ( 2 ) p r o p o s i n gam o r eg e n e r a ln o n - r i g i dp o i n tm a t c h i n ga l g o r i t h m - m i x t u r ep o i n t m a t c h i n ga l g o r i t h m ( m p m ) n o n r i g i dp o i n tm a t c h i n gi st h eb a s eo fo t h e rm a t c h i n g m e t h o db a s e do nf e a t u r e ，a n di st h e k e yt oi m p l e m e n ti n t r a - s u b j e c t3 db r a i n a n a t o m i c a lf e a t u r er e g i s t r a t i o n a f t e rt h e s u r v e yo ft h ep r o b l e mi nn o n r i g i dp o i n t m a t c h i n g ，ak i n do fm i x t u r ep o i n tm a t c h i n ga l g o r i t h m ( m p m ) w a sp u tf o r w a r db y u t i l i z i n gt h et e c h n o l o g yo fg a u s sm i x t u r em o d e l i ts o l v e dt h eh i g hd i m e n s i o n a l i t yo f t h ep a r a m e t e rs p a c ea n do u t l i e rp r o b l e m si nn o n - r i g i dp o i n tm a t c h i n gs u c c e s s f u l l y f i n a l l yas e r i e so fe x p e r i m e n t sw a sd o n et oe v a l u a t et h ea l g o r i t h mv a l i d i t y ( 3 ) e x t e n d i n gt h ep o s i t i o no fl a n d m a r k st o t h ew h o l ei m a g es p a c eu s i n g a p p r o x i m a t i n gt h i n p l a t es p l i n e sa st r a n s f o r m a t i o nm o d e l t h et h i n p l a t es p l i n e so f a r b i t r a r yd i m e n s i o ndc a nb e s t a t e da sam u l t i v a r i a t ei n t e r p o l a t i o np r o b l e m b u t i n t e r p o l a t i n gt h i n - p l a t es p l i n e sr e q u i r el a n d m a r k si nt w oi m a g e sb em a t c h e de x a c t l y h o w e v e r , i nt h ep r a c t i c a la p p l i c a t i o n sl a n d m a r kl o c a l i z a t i o n sa r ea l w a y sp r o n et o e r r o r ，w h i c hi st r u ef o rm a n u a l ，s e m i - a u t o m a t i ca sw e l la sf u l l ya u t o m a t i cl a n d m a r k l o c a l i z a t i o n s t ot a k ea c c o u n tl a n d m a r kl o c a l i z a t i o ne r r o r s ，b a s e do nt h i n - p l a t e s m o o t h i n gs p l i n e s ，w ei n t r o d u c e dak i n do fa p p r o x i m a t i n gt h i n p l a t es p l i n e sw i t h a n i s o t r o p i cl a n d m a r ke r r o r s ，w h i c hc a l c u l a t e d t h ee r r o r sa n dc o r r e l a t i o n so ft h e l a n d m a r ki nd i f f e r e n td i r e c t i o n s s oi te n a b l e dt h ea l g o r i t h mt od e a lw i t hi s o t r o p i c l a n d m a r ke r r o r sa n da n i s o t r o p i cl a n d m a r ke r r o r s ，w h i c hi m p r o v e dt h em a t c h i n g v e r a c i t y ( 4 ) t h ec l u s t e r i n gt e c h n o l o g yw a si n t r o d u c e dt or e d u c et h en u m b e ro fp o i n t s ，s o t h ec o m p u t a t i o n a ls p e e do fm i x t u r ep o i n tm a t c h i n ga l g o r i t h m ( m p m ) w a si m p r o v e d g r e a t l y i nt h ep r e v i o u sm p ma l g o r i t h mw h e nt h et o t a ln u m b e ro fl a n d m a r k sr e a c h e s i n t oh u n d r e d se v e n t h o u s a n d s ，t h ec o m p u t a t i o n a lc a p a c i t y o fe s t i m a t i n gt h e c o r r e s p o n d e n c ea n dt r a n s f o r m a t i o ni sv e r yg e m e n d o u s t or e d u c et h ec o m p u t a t i o n a l 第v 页共x 页 中国科学技术大学博士学位论文 a b s t r a c t c o s ta n dm a k et h ea l g o r i t h ms y m m e t r i c ，s o m em o d i f i c a t i o n sw e r em a d ef o rt h e p r e v i o u sm p ma l g o r i t h m ak i n do fs y m m e t r i cm p mf o r m u l a ( s m p m ) a n dak i n do f j o i n tc l u s t e r i n ga n dm a t c h i n ga l g o r i t h m ( j c m ) w e r ep a tf o r w a r d ，a n dc o a r s e t o f i n e s t r a t e g yw a sc o m b i n e da n dr e p e a t e dm a n yt i m e s t h i sc o u l dn o to n l yr e d u c et h e c o m p u t a t i o n a lc o s t ，b u ta l s oi m p r o v et h em a t c h i n gp r e c i s i o n ( 5 ) a p p l y i n gt h en o n r i g i dp o i n tm a t c h i n ga l g o r i t h mt os o l v ea ni m p o r t a n t p r o b l e mi nm e d i c a li m a g i n g - - i n t e r - s u b j e c tn o n r i g i d3 db r a i na n a t o m i c a lf e a t u r e r e g i s t r a t i o n i ti s av e r yd i f f i c u l tt a s km a i n l yd u et ot h ee x t r e m ec o m p l e x i t ya n d v a r i a b i l i t yw i t h i nt h eb r a i ns t r u c t u r e i nt h ep a p e ra f t e ri n v e s t i g a t i n gt h ec u r r e n t s i t u a t i o na n dt h er e a s o nw h yr e g i s t r a t i o ni s d i f f i c u l t ，ak i n do ff e a t u r em a t c h i n g m e t h o db a s e do nj c ma l g o r i t h mw a sp u tf o r w a r d ，t h ep r e v i o u s c o u p l e ds u r f a c e p r o p a g a t i n gm e t h o da n dj c ma l g o r i t h mw e r eu s e dt oc a r r yo u t3 db r a i na n a t o m i c a l n o n r i g i dr e g i s t r a t i o n i tc a ni n c o r p o r a t ed i f f e r e n tt y p eg e o m e t r i c a lf e a t u r e st o g e t h e r f o rt h er e g i s t r a t i o n a n dac o m p a r i s o nw a sc a r r i e do u tt oi n v e s t i g a t et h e a b i l i t yo f d i f f e r e n tm a p p i n gm o d e l si nb r a i na n a t o m i c a lr e g i s t r a t i o n t h ew h o l em a t c h i n g p r o c e s si sf u l la u t o m a t i c ( 6 ) c a r r y i n go u tt h ec o n s t r u c t i o no fd e f o r m a b l ed i g i t a lp r o b a b i l i s t i ca t l a s e sb a s e d o ns o m ep o p u l a t i o n o nt h eb a s eo fr e v i e w i n gt h em e t h o do fc o n s t r u c t i n gd i g i t a l p r o b a b i l i s t i ca t l a s e sa n di t sc h a r a c t e r i s t i c ，s o m em o d i f i c a t i o n sw e r em a d eo nt h e p r e v i o u sj c ma l g o r i t h mt h a ta l l o wm o r et h a nt w op o i n ts e t st om a t c hs i m u l t a n e o u s l y d e f o r m a b l ed i g i t a lp r o b a b i l i s t i ca t l a s e sw e r ec o n s t r u c t e da u t o m a t i c a l l yb yi t a n dt h e a l g o r i t h mw a sa p p l i e d t ot h ec o n s t r u c t i o no fd e f o r m a b l ed i g i t a lp r o b a b i l i s t i ca t l a s e so f 2 dc o m u sc a l l o s u m k e y w o r d s ：g e o m e t r i c a la c t i v ec o n t o u r , m i x t u r ep o i n tm a t c h i n ga l g o r i t t t r n ( m p m ) a v o r o x i m a t i n gt h i n p l a t es p l i n e s ，d e f o r m a b l ed i g i t a lp r o b a b i l i s t i ca t l a s 第v i 页共x 页 中国科学技术大学博士学位论文致请 致谢 在即将完成学业之际，我深深地感谢导师周康源教授三年来对我的悉心教 导、爱护和培养。周老师高尚的人格、严谨求实、刻意创新的治学精神和诲人不 倦的气度使我在学术领域和人生哲学上都有了长足的进步。从论文的选题、方案 的制定以及最后论文的撰写，每一步都无不倾注着恩师的心血。在完成这些工作 的过程中，周老师以渊博的知识，严谨的治学精神，敏锐的洞察力，不倦的工作 热情，民主的科研作风引导我逐步走上一条科学研究的道路。 感谢电子科学与技术系的冯焕清教授和自动化系的周荷琴教授，在学习期间 给予我的关心、支持和帮助，感谢他们亲自为我审阅和修改学位论文，感谢他们 对我毕业课题提供的建议和帮助。在此，我谨向冯老师和周老师表示衷心的感谢 及敬意! 同时，我还要衷心地感谢学习所在实验室陶进绪副教授、李传富博士、胡跃 辉博士、陈曾胜博士、施俊博士，博士研究生黄丹、周平、哈章，研究生张卿， 何力硕士、王庆临硕士、段新权硕士等同学在本人论文工作期间提供的帮助和建 议，这些帮助和建议对我博士论文的完成起了一定的作用。特别要感谢安徽省中 医一附院影像科主任李传富博士，在我完成论文的过程中给予了很多的帮助和建 议，并提供了大量的医学临床数据资料。 感谢我的父母，是他们用一辈子的辛苦和汗水把我培育成人。感谢我的弟弟 吴田富硕士，这三年来给予我的建议和帮助。感谢我的妹妹对我学习的理解、支 持和鼓励。 最后，我向所有给予我支持和帮助的师长、同学、朋友和亲人表示最衷心的 感谢。 中国科学技术大学博士学位论文 第1 章绪论 1 1 引言 第1 章绪论 随着生活水平的提高，人们对健康的要求也不断提高，促进了医学水平的发 展。当代科学技术的迅速发展促使多种医学检测手段的形成。众所周知，近几十 年来，医学影像技术得到了长足的发展，尖端的新型医疗影像设备层出不穷。如 x 线计算机断层( c t ) 、核磁共振( m r i ) 、数字减影( d s a ) 、正电子发射断层( p e t ) 、 单光子发射计算机断层( s p e c t ) 以及超声( u l t r a s o n i c ) 等多种先进的影像技术已经 成功地用于临床，成为医学研究、检测和治疗的必备和常规手段。我们可以把这 些影像设备堪称传感器，它们获取的是人体的物理、化学或者功能等某一性质的 图像。如x 线c t 图像反映的是人体某一断层不同物质的x 线衰减特性的图像； p e t 图像是在人体中注入某种放射示踪剂后，随着人体的功能作用，利用光子探 测器来跟踪显示图像。多种医学检测手段的形成使人们可以利用不同的成像方 式，从不同的角度观察人体内部同一对象的结构、功能或代谢情况。众多的成像 手段和应用技术的成熟对医学图像的分析和理解提出了越来越多的要求，其中包 括自动化、定量化、智能化和集成化等。 目前的成像方式主要包括解剖结构成像( 如c t 、m r i 等) 和功能成像( 如 f m r i 、p e t 、s p e t 等) 两大类。这两类成像方式各有优缺点，解剖结构成像的 空间分辨率高，能够提供人体的解剖形态信息：功能成像空间分辨率较低，但能 够提供人体内部器官、大脑等的功能信息。即使是同一类成像方式，提供的信息 也不完全相同。因而在临床疾病的渗断和治疗中单一模态的图像无法给出足够的 信息，医生经常需要采用多种影像模式，以提供互为补充的形态信息和功能信息。 例如在放射治疗中，c t 图像具有很高的分辨率，骨骼成像非常清晰，对病灶的 定位提供了良好的参照，但对病灶本身的显示就较差。而m r i 图像则不同，虽 然它的空间分辨率比不上c t 图像，但是它对软组织成像清晰，有利于病灶范围 的确定，可是它又缺乏刚性的骨组织作为定位参考。这样，我们自然想到能否将 第1 页其1 3 6 页 中国科学技术大学博士学位论文 第1 章绪论 这两种图像进行匹配，融合进行显示，互相弥补? 又如d s a 图像是一个数据减 影的二维投影图像，而不同层面的c t 图像可以很容易建立三维立体图像，我们 能否匹配、融合这两种图像，使得它们产生一一对应的关系，以便提供医生更加 直观准确的信息? 因此，不同模态成像方式的融合能提供形态和功能方面互相补 充的信息i 肌i ii 。 随着医学影像技术的飞速发展，包括多排螺旋c t 在内的先进检查设备产生 的影像数据清晰度越来越高，容量也越来越大。海量的容积数据在为影像诊断医 师提供更加详细、更加准确诊断信息的同时，也显著地增加了读片医师的工作负 荷和视觉疲劳。传统的人工读片方式与越来越先进的检查设备之间的矛盾将随着 这些设备的不断普及应用而变得日益突出。为了适应医学影像检查技术的飞速发 展，开展以计算机辅助诊断或计算机智能化诊断为目标的医学图像处理和分析研 究已经成为目前这个领域的一个研究热点和将来发展的主要趋势。为此需要发展 自动化、集成化的方法。首先要将这些不同模态的图像或同一模态不同时刻成像 的图像校准到同一个空间坐标系中，以使不同图像中同一位置的像素对应于同一 解剖位置。然后采用集成化的方法，将不同图像中互为补充的信息融合在一起， 以形成一幅新的影像模式的图像，从而获得更多的信息，使病灶或感兴趣的部位 有明显的可视性，有助于临床诊断、放射治疗计划的制定和术后评估研究。这一 过程所涉及的关键技术正是医学图像配准技术。正因为具有重要的科学意义和临 床应用价值，医学图像配准技术的研究受到广泛的关注，成为图像处理领域里的 一个研究热点。在医学教学中的虚拟现实、手术导航以及放射治疗计划中，医学 图像配准也已经越来越得到广泛的应用。 1 2 非刚性配准技术的分类及研究现状 要比较不同来源的图像数据，首先必须将这些图像进行空间归化，即对齐 不同图像中对应结构的空间关系。这种将不同图像进行空间变换以达到对应结构 相互对齐的技术就是图像配准技术。图像配准技术最初提出只是作为实现一幅图 像向另外一幅图像进行几何学变换的图像处理方法，如今其应用范围已经扩展到 医学图像处理的各个方面，包括图像分割【a - 1 0 、图像融合、脑功能分析【1 2 】、数 第2 页共1 3 6 页 中国科学技术大学博士学位论文第1 章绪论 字减影【1 3 ，侧、手术导航【1 5 8 1 、病变检出【1 9 之8 1 等。 图像配准的方法很多，根据不同的准则可以有不同的分类2 9 t3 们。按照变换 的性质可将其分为刚性配准和非刚性配准两大类。刚性配准属于全局配准的方 法，一般只是对图像的旋转、平移、缩放等几个参数进行仿射变换，达到两幅图 像在大体位置上的对齐。一般只有9 个自由度( 3 个方向的旋转、3 个方向的平 移和3 个方向的缩放) 。经过多年的发展，用于同一模式和不同模式的刚性配准 算法已经成熟，可以达到很高的配准精度，并且能够临床应用。然而，刚性变换 只适用于不存在变形或刚性体的配准，如：由于大脑的变形基本上被颅骨限制， 所以同一患者的大脑图像可以通过刚性变换来联系。对于患者和图谱之间的匹 配、不同患者之间的配准以及存在变形的配准( 肿瘤、开颅手术等) ，刚性变换 都是不适用的。要比较不同个体之间的差异或存在非刚性变形时，必须采用具有 更高自由度的非刚性配准技术。非刚性配准技术属于一种局部配准的方法，这种 局部配准技术不再局限于旋转、平移和缩放等几种全局性的变换，而是针对两个 数据集之间存在的所有的局部性细节差异，因而空间变换具有更高的自由度，通 常三维数据的非刚性配准具有数以百万计的变换自由度。随着非刚性配准技术研 究的深入，这种图像配准算法已经成为一种极其重要的研究工具，在各类医学图 像处理和分析研究中发挥了巨大的作用【3 1 】。但同刚性配准相比，非刚性配准还 不成熟，如何提高非刚性配准的计算速度、配准精度以及对非刚性配准的评估都 需要进一步的研究。目前，非刚性配准仍然是一个有意义的非常活跃的研究领域。 近十多年来，人们提出了大量的非刚性图像配准算法。总的来说，这些算法 可分为三大类，即灰度驱动算法、模型驱动算法以及将两者结合在一起的综合性 算法。模型驱动算法首先要在每个需要匹配的数据集上建立明确的、代表不同解 剖结构的几何模型。这些解剖结构通常包括重要功能区的表面、曲线和标记点。 然后将这些解剖结构参数化，以便与目标数据中的对应结构进行匹配。 与模型驱动配准算法对应的是灰度驱动的配准算法。基于灰度的配准方法通 常采用数学或统计学的原则，直接利用图像的所有像素数据的统计特性进行配 准，以相对应的每个区域的灰度特征为配准元素。这种方法通常会以像素灰度的 均方根距离、相关性、梯度互相关、图像差熵、互信息等方法，在形变数据和目 第3 页共1 3 6 页 中国科学技术大学博士学位论文 第1 章绪论 标数据之间定义一个反映灰度相似性的度量。这个相似性测度用来衡量两幅图像 的相似程度，通过对相似性测度可以保证两幅图像的匹配程度。那么配准的过程 就在于寻找一种合适的变换，通过一种合适的优化方法不断的变换参数，使得配 准图像的相似性测度达到最优。在灰度驱动的图像配准算法发展过程中，将图像 数据与物理意义上的形变系统联系在一起是促进该算法发展的关键思想。连续体 模型( p h y s i c a lc o n t i n u u mm o d e l ) 假定形变过程中的图像是一种三维的可形变介 质，如弹性物体或粘性流体。将这种介质放置于分布式的内力场中，内力促使这 种介质发生形变并导致其向最终的目标图像配准变形。这种促使发生形变的内力 一般都是基于数据集的局部灰度特征，形变力的局部作用最终将导致图像对应区 域的灰度值相似。基于灰度的配准方法对于同模态图像配准而言，稳健性好，能 取得良好的配准效果。但是基于灰度的配准方法大都要求所有的像素点都参与计 算，而且需要经过多次的迭代，这个计算量是非常惊人的。同时，对于多模态不 同对象的图像配准，像素的灰度信息差异较大，不易作为配准的判决依据，因而 较难有实际应用。 尽管灰度驱动和模型驱动配准算法均具有各自独特的优势，但同时也具有各 自的不足。模型驱动算法具有明确的解剖结构几何模型，能够保证对应解剖结构 在空间上的一一对应关系，但创建一个完整、准确的几何模型往往需要手工的介 入，难以实现配准过程的完全自动化。而灰度驱动的配准方法一般不需要人工的 介入，比较容易实现配准过程的自动化，但难以保证配准后解剖结构之间的完全 一一对应关系。综合性非刚性配准算法就是为了克服单纯灰度驱动和模型驱动配 准算法的不足，综合两者优势提出的算法。 目前国内外关注较多的涉及配准的领域有： i ) 配准相似特征的提取和表述； i i l 刚性物体和非刚性物体的配准模型； i m 配准的智能化； i v l 配准的优化方法； v 1 多模态图像融合方法。 第4 页共1 3 6 页 中国科学技术大学博士学位论文 第1 章绪论 1 3 配准的研究内容综述 医学图像配准近几年得到了广泛的研究和应用，m i c h e l ( 2 0 0 0 ) t 3 2 1 在对表皮配 准研究的专门论述中，将总体的配准分为四个部分：特征空间的表达、相似测度 的表达、变换空间的选择、确定配准变换的方法等。 特征空间的选择主要确定配准比对的数据来源。它们一般为图像内在的典型 结构。可能是原始的图像灰度，可能是提取的图像边界、外部轮廓线、表皮等。 也有可能是在图像内部提取的显著的几何特征，如：轮廓线中具有的局部曲率最 大点、局部图像窗口中方差的最大点、闭合曲线或面中均匀介质的质心、典型特 征线的交叉点等，还包括线、面的曲率、傅立叶变换中的频率描述等。还有可能 是基于统计知识特性的特征，如基于体素的直方图、特征的距离空间、边界、面、 体特征的几何矩、正交矩、投影矩等。 比对的相似测度的选择，是表示图像配准所选择的相似评判测度。如当两图 像配准时，点特征集合之间的“距离”接近于零，这时特征集合之间的“距离” 作为一种相似性测度来显示匹配程度。进一步扩展，可以直接求取两匹配体素的 互信息、熵等统计信息来作为比对的相似测度。 变换空间的选择主要是确定配准变换空间的范围。如匹配图像之间的位移、 旋转、缩放等具有一定的范围，非线性配准的失真不会超过一定的限度，图像的 噪声污染幅度具有某种限制等。另外变换本身的精度也是变换空间选择中需要考 虑的一个内容，一般全局变换的精度会较为粗糙，要求会偏低一些，而局部的配 准会要求为精确配准。 确定配准变换的过程或方法一般包括直接法、参数优化以及弹性匹配等。直 接法就是根据匹配的特征直接求出配准图像的对应关系，如通过求取刚体的质心 来确定位移参数，根据体积确定缩放参数等。在较为复杂的配准中一般都无法采 用直接法直接求取。参数优化是一个比较常用的方法，在构造特征配准唯一性的 前提下，一般都可以利用非线性规划理论中的优化等方法得到变换结果，如利用 距离空间实现配准时，它们之间的距离接近于零，这就确定了参数优化结果的唯 一性。参数优化一般要求变换空间的范围不是太大。弹性配准的方法在非线性配 第5 页共1 3 6 页 中国科学技术大学博士学位论文第1 章绪论 准中应用较广，它一般用于精细的局部配准。 下面介绍几种典型的医学图像配准方法。 1 3 1 灰度驱动算法 如前所述，灰度驱动算法通常采用数学或统计学的原则，以匹配每个区域的 灰度特征为目标。一般在形变数据和目标数据之间定义一个灰度相似性测度。灰 度相似性测度可以是像素或体素灰度的均方差、区域相关度或互信息等。灰度驱 动配准算法的寻优过程一般是将形变数据的结构完整性与灰度相似性测度两者 结合起来，通过反复迭代不断调整形变场的参数来实现。 i 3 i i 弹性配准算法 弹性配准方法首先由b a j c s y 等人【3 3 】提出，用于大脑图谱和人体c t 图像的 匹配。思路是将源图像到目标图像的变形过程建模为一个物理过程，类似于拉伸 一个诸如橡皮的弹性材料。这个物理过程由两种力来控制：内力和外力。内力是 由于弹性材料的变形和抵消作用于弹性体从平衡到变形的力产生的。外力是外界 作用于弹性体的力，当作用于弹性体上的外力和内力达到平衡时变形过程结束。 在弹性介质中，对于线性弹性体内部变形力f ( x ) 导致的位移场u ( x ) 满足 n a v i e r s t o k e s 平衡方程式： p v 2 u + ( 九+ “) v ( v 1 u ( x ) ) + f ( x ) = 0 ，v x r 这里的r 代表需要配准数据的离散化网格点，v 1 u ( x ) = a u ，a x ，是介质的 三维膨胀变化，v 2 是l a p l a c i a n 操作符，系数九和“代表介质的弹性属性。驱动配 准的内部变形力可以源自于局部相关函数的梯度。在b a j c s y 年l l k o v a c i c 研究中 【3 3 1 ，每个数据集对应点及其相邻点的灰度值被投射到一个删节的三维h e r m i t e 多 项式基函数上，以增强图像的边缘特征和加快计算速度。a m i t 设计了更加复杂的 局部运算用于确定目标图像的对应点【3 4 1 。利用适当的边界条件，弹性体平衡方 程可以通过有限差分( f i n i t ed i f f e r e n c e ) 、有限元( f i n i t ee l e m e n t ) 或功率谱( s p e c t r a l m e t h o d ) 的方法求解。假设u ：x 斗x 十u ( x ) ，那么u c r ) 就是向目标图像配准变形的 最终图像。 第6 页共1 3 6 页 中国科学拄术大学博士学位论文第1 章绪论 准中应用较广，它一般用于精细的局部配准。 f 面介绍几种典型的医学图像配准方法。 1 3 1 灰度驱动算法 如前所述，灰度驱动算法通常采用数学或统计学的原则，以匹配每个区域的 灰度特征为目标。一般在形变数据和目标数据之间定义一个灰度相似性测度。灰 度相似性测度可以是像素或体素灰度的均方差、区域相关度或互信息等。灰度驱 动配准算法的寻优过程一般是将形变数据的结构完整性与灰度相似性测度两者 结合起来，通过反复迭代不断调整形变场的参数来实现。 1 3 1 1 弹性配准算法 弹性配准方法首先由b a c s y 等人p 3 1 提出，用于大脑图谱和人僻= c t 图像的 匹配。思路是将源图像到目标图像的变形过程建模为一个物理过程，类似于拉伸 一个诸如橡皮的弹性材料。这个物理过程由两种力来控制：内力和外力。内力是 由于弹性材料的变形和抵消作用于弹性件从平衡到变形的力产生的。外力是外界 作用于弹性体的力，当作用于弹一陛体上的外力和内力达到平衡时变形过程结束。 在弹性介质中，对于线性弹性体内部变形力f ( x ) 导致的位移场u ( x ) 满足 n a v i e r s t o k e s 平衡方程式： l 甲2 u + ( 九+ 曲v ( v 1 u ( x ) ) + f ( x ) = 0 ，v x r 这里的r 代表需要配准数据的离散化网格点，v 7 u ( x ) = a u ，a x ，是介质的 三维膨胀变化，v 2 是l a p l a c i a n 操作符，系数 和p 代表介质的弹性属性。驱动配 准的内部变形力可以源自于局部相关函数的梯度。在b a j c s y 和k o v a c i c 的