论文部分内容阅读
随着医学成像技术和设备的不断发展进步，医学影像处理与分析作为一门发展迅速的交叉学科，越来越多地受到临床医生的重视，已经成为现代生物医学非常重要的组成部分。医学图像配准是医学影像处理和分析领域中的一个基本而又重要的研究课题，它通过寻找不同时间、不同病人、不同成像模态得到的两个或者多个图像空间上的映射关系，将不同图像上代表相同解构结构的像素或者体素对应起来。图像配准在现代医学临床诊断及治疗过程中有着重要作用：对不同时间获得的同一病人的图像进行配准，可以监控疾病的发展过程，对治疗结果进行评估，以便及时更新治疗计划；对多模态图像完成配准后进行图像融合，可以在同一图像上同时表达出组织器官的结构及功能信息；对不同时间、不同模态的图像进行配准，在图像引导的手术与治疗方面有重要作用。
由于医学图像来源广泛，应用背景和目标复杂多样，所以并不存在适合所有配准要求的通用方法。本文对医学图像配准的相关技术进行了深入的调研，详细分析了图像配准的基本原理和实现方法。在此基础上，针对所在实验室自行研制开发的小动物SPECT-CT双模态成像仪在解决了机械几何校准问题后，由于小动物在成像过程中呼吸和心跳运动的影响，图像中存在的运动伪影问题，编程实现了一种基于自由形变思想的非线性医学图像配准算法。该配准算法成功地消除了呼吸、心跳等生理因素引起的运动伪影。
论文前两章首先对医学图像配准的发展现状、概念和常见的技术方法做了介绍。然后详细介绍了本文基于自由形变的非线性配准方法的原理和实现。自由形变是一种对固体进行几何建模的方法，其核心思想是：形变操作并不直接作用于待变形物体，而是通过编辑由控制点组成的网格运动来控制网格下局部组织的形变。本文配准方法中使用归一化互信息作为相似性测度来衡量图像间的匹配程度，然后建立了综合图像间相似性测度和空间变换函数平滑性要求的代价方程，通过有限记忆BFGS方法搜索使得代价方程取得极值时的参数，从而最终确定此测度下最优的空间变换。
在理论研究的基础上，作者在Matlab环境下编程实现了上述配准算法，并用模拟数据对该算法进行了评价。实验结果表明，这种非线性配准方法能够较好的消除呼吸、心跳等生理活动引起的运动伪影，具有实际应用价值。