医学图像配准系统的研究与分析.docx
- 文档编号:3555555
- 上传时间:2022-11-23
- 格式:DOCX
- 页数:32
- 大小:646.21KB
医学图像配准系统的研究与分析.docx
《医学图像配准系统的研究与分析.docx》由会员分享,可在线阅读,更多相关《医学图像配准系统的研究与分析.docx(32页珍藏版)》请在冰豆网上搜索。
医学图像配准系统的研究与分析
医学图像配准系统的研究与分析
摘要
医学图像配准技术是目前医学图像处理中的研究热点,具有重要的理论研究和临床应用价值,如在病灶定位、指导神经手术、放射治疗计划以及检查治疗效果上,其目的是帮助医生提高诊断、监护和治疗水平。
本设计通过对医学图像配准的有关背景、原理及方法进行研究,采用Matlab来编程开发一个医学图像配准系统,从而实现对于人体相同部位而具有不同特征的两种不同类型的医学图像进行配准。
图像配准有两个重要环节。
一是基于图像灰度的方法主要采用互信息,互信息表述了图像像素灰度信息的统计特性。
基于互信息的图像配准方法具有不需要对图像预处理、自动化程度高、配准精度高等优点。
在这里选用MI、EMI、GMI、RMI等互信息方法。
二是图像配准的优化算法。
在本设计中主要选用了粒子群PSO和Powell优化算法,粒子群PSO主要是通过迭代法寻求全局最优解最终达到配准,而Powell主要是直接搜索求最值最终达到配准。
配准过程中首先提取图像的轮廓边界,然后选取算法计算参数进行空间变换,最终实现了对两幅不同类型的医学图像进行配准的目的。
关键词:
图像配准,优化算法,特征提取,灰度变换,互信息
THEANALYSISANDRESEARCHOF
MEDICALIMAGEREGISTRATION
ABSTRACT
Medicalimageregistrationisahighlightofcurrentresearchonmedicalimageprocessing.Ithasimportanteffectonclinicaldiagnosesandtherapies,suchasontheorientationofthedisease,theplanoftheradiationtherapy,guidingthenervoussurgeryandexaminingthetherapeuticeffect.Itspurposeistohelpdoctorsimprovethelevelofdiagnose,guidanceandtherapy.
Studyingthebackground,principleandmethods,I’lldevelopasystemofmedicalimageregistrationbyMatlabinordertoregistertwodifferenttypesofmedicalimages.
Imageregistrationhastwoimportantaspects.Theintensity-basedmethodsselectsmutualInformation,whichshowsthestatisticalcharacteristics.Becauseimageregistrationbasedonmutualinformationisofnotrequiredforimageprocessing,highautomatizationandhighaccuracyinregistration.HereitcanchooseMI,EMI,GMI,andRMIandsoon.
Second,theoptimizationalgorithmofimageregistration.Inthisdesign,wecanmainuseeitherPSOorPowellalgorithmstoregisterimages,PSOmainlythroughtheiterativemethodforglobaloptimalsolutionsultimatelyachieveregistration,butPowellmainlydirectsearchminimumultimatelyachieveregistration.First,thecontourofimagesshouldbeobtainintheprocessofimageregistration,andthenselectoptimizationalgorithmstotransform,finallyitsucceedsinregisteringtwodifferenttypesofmedicalimages.
KEYWORDS:
imageregistration,mutualinformation,optimizationalgorithm,featureextraction,gray
目录
前言1
第一章绪论2
§1.1图像配准依据2
§1.2设计研究的目的2
§1.3图像配准的应用与概况3
§1.3.1图像配准应用前景及展望3
§1.3.2国内外同类设计概况4
第二章基于互信息的医学图像配准5
§2.1医学图像配准的概念5
§2.2图像配准步骤6
§2.3图像配准方法分类6
§2.3.1基于灰度图像配准方法6
§2.3.2基于特征的图像配准方法8
§2.3.3其他分类9
§2.4互信息10
§2.4.1互信息的原理10
§2.4.2互信息的方法11
§2.5图像配准算法14
§2.5.1粒子群PSO优化算法14
§2.5.2POWELL优化算法17
§2.6图像配准的评价19
第三章医学图像配准系统设计20
§3.1设计思路20
§3.2设计流程图20
§3.3具体模块设计21
§3.3.1图像读取21
§3.3.2优化算法选择21
§3.3.3互信息测度选择22
§3.3.4图像配准与显示22
§3.4系统设计GUI界面23
第四章医学图像配准系统调试24
§4.1系统错误类型24
§4.2系统调试结果25
结论27
参考文献28
致谢31
附录32
前言
在做医学图像分析时,经常要将同一患者的几幅图像放在一起分析,从而得到该患者的多方面的综合信息,提高医学诊断和治疗水平。
对几幅不同的图像作定量分析,首先要解决这几幅图像的严格对齐问题,这就是我们所说的图像的配准。
图像配准是对不同时间、不同视点或者不同成像模式的两幅或多幅图像进行空间变换处理,使得各个图像在几何上能够匹配对应起来。
图像配准的主要目的是去除或者抑制待配准图像和参考图像之间几何上的不一致,包括平移、旋转和形变。
它是图像处理和分析的关键步骤,是图像对比、数据融合、变化分析、运动检测和目标识别的必要前提。
配准技术主要应用在遥感图像处理、医学图像处理、制图学、计算机视觉、军事目的等等。
在医学领域中,图像配准在病灶定位、放射治疗计划、指导神经手术以及检查治疗效果上有着重要的应用价值,例如,在放射治疗计划中,需要用CT扫描来计算放射剂量的分布,而用MR来准确地定位病变组织的轮廓;在外科手术导航系统中,将手术前所得到的CT或MR的病灶三维图像与手术中所得到的实时X荧光图像或超声图像进行融合,或它们到物理空间的配准与融合,以便实时地指导和观察,确保手术顺利准确地进行。
图像配准的目的是帮助医生提高诊断、监护和治疗水平。
目前的技术水平可通过各种成像设备来获取医生所需要的信息,不同成像模式获得的图像包含着一定程度共同信息的基础上,常常包含许多不同的互补信息,这些特点决定了多模态医学图像配准具有理论上的可能性,同时又有实现方面的困难性。
Shannon在“Themathematicaltheoryofcommunication”中提出了建立在概率模型基础上的信息度量,为图像配准测度的设计提供了有价值的理论模型。
在此基础上,人们提出了条件熵、联合熵和互信息等测度,这些测度已成为多模态图像配准分厂重要的方法。
本次设计主要是运用Matlab软件进行的,选择合适的配准算法,如PSO粒子群优化算法和POWELL混合优化算法等,基于各种互信息测度来实现多模医学图像配准。
第一章绪论
本章对论文涉及的研究领域进行了较为详细的综述。
简要介绍了医学图像配准设计的基本依据与目的,论述了配准设计的内容和方法,给出了医学图像配准的方法分类,并介绍了图像配准应用前景及展望,简要概括了图像配准的设计在国内外的基本概况。
§1.1图像配准依据
随着生物医学工程和计算机技术的发展,医学影像学为临床诊断提供了多种模态的医学图像[1],如X线断层成像、MRI、fMRI、SPET、PET、DSA、超声成像、脑磁图等。
不同的医学影像可以提供人体相关脏器和组织的不同信息。
如CT具有较高的空间分辨率,有利于定位病灶,MRI对软组织成像清晰,有利于确定病灶范围。
而PET和SPET虽然空间分辨率较差,但却提供了脏器的功能和代谢信息[2]。
所以临床医生迫切希望对不同图像信息进行适当的集成。
然而不同模态的医学图像成像原理不同,分辨率不同,成像参数等不同,因此在图像融合前必须先进行图像配准。
医学图像配准就是通过寻找一种(或一系列)空间变换,使两幅图像的对应点达到空间位置和解剖结构上的完全一致。
配准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都达到匹配[2]。
§1.2设计研究的目的
随着医学影像工程和计算机技术的发展,医学成像已经成为现代医疗不可或缺的一部分,其应用贯穿于整个临床工作。
由于不同设备的成像原理不同,临床诊断上出现了多种医学图像。
这些图像反映了关于人体脏器和病变组织的不同信息。
根据医学图像所提供的信息内涵,可将医学图像分为两大类:
解剖图像和功能图像。
解剖图像包括CT、MRI和B超等;功能图像包括单光子发射型计算机断层成像[3]和正电子发射型断层成像[4]等。
这两类图像各有其优缺点:
解剖图像以高分辨率提供了脏器的解剖形态信息,但无法反映脏器的功能情况;功能图像可以提供脏器的代谢信息,可是图像的分辨率较差。
由此可见,不同成像技术对人体同一解剖结构所得到的形态和功能信息是互不相同、互为补充的。
在临床诊断中,单一模态的图像往往不能提供医生所需要的足够信息,因此,需要将不同模态的医学图像进行适当的配准,使解剖信息和功能信息有机地结合起来,在一幅图像上同时表达来自多种成像源的信息,以便医生了解病变组织或器官的综合情况,并做出更加准确的诊断或制定出更加合适的治疗方案。
做医学图像分析与研究时,往往将患者的几幅不同类型的图像放在一起分析研究,从而可以获得患者多方面的综合信息,进而提高医学诊断和治疗水平[5]。
对几幅不同类型的图像作定量分析时首先要解决这几幅图像的严格对齐问题,这就是我们所要研究的图像配准。
图像配准的主要目的是去除或者抑制待配准图像和参考图像之间几何上的不一致,包括平移、旋转和形变。
它是图像处理和分析的关键步骤,是图像对比、数据融合、变化分析、运动检测和目标识别的必要前提。
§1.3图像配准的应用与概况
§1.3.1图像配准应用前景及展望
医学图像配准的临床新应用有,在放射治疗中应用CT和MR图像配准和融合来进行放疗计划和评估,用CT图像精确计算放射剂量,用MR图像描述肿瘤;在计算机辅助手术中,外科医生根据配准的CT/MR/DSA精确定位病灶,设计出慎密的手术计划,在手术过程中利用三维空间定位系统使术前计划的虚拟病人、手术台上的真实病人和手术器械三者精确联系起来进行手术跟踪。
图像配准作为多源数据融合、时序图像分析、目标变化检测、目标识别、图像镶嵌等实际问题中的重要步骤,其应用遍及军事、遥感、医学、计算机视觉等多个领域。
除上述在医学中的应用外,军事上的应用如在野战环境中,热红外图像能观察到藏匿于树丛中的人和坦克,但却不能反映整个环境情形,可见光图像能清楚地反映整个环境的面貌。
对热红外和可见光图像配准融合后,能定位目标隐藏的位置,协助作战。
医学图像配准的最终目的是帮助医生提高诊断、监护和治疗水平,因此它的发展方向是向着快速、准确、稳定、无创、简单易用的方向发展。
快速是为了使其有实际应用的价值;准确是配准的基本要求;稳定则可以使配准方法有较广泛的实用性;无创使得其对病人友好,减轻病人的痛苦;简单易用则方便了医生的操作与诊断[8,9]。
随着计算机技术和医学成像技术的发展,多模态医学图像的配准技术也一定会得到迅速的发展,一些主要技术难题会得到相应的解决,而与配准相关的一些技术如放射治疗、远程医疗、手术导航等也会得到更广泛的应用,有着更广阔的前景。
§1.3.2国内外同类设计概况
医学图像配准是近年来医学图像处理领域中的重要研究问题,通过寻找某种适当的空间变换,使两幅图像达到空间位置上的定位和配准,进而进行图像融合。
进几年,国内外已涌现了大量关于图像配准技术的研究成果。
医学图像配准方法有多种,常用的有一下几种:
一、基于特征的配准方法,特征可以是标记点、分割区的质心、轮廓、表面、容积,或是他们的组合。
二、矩和主轴法,先计算图像的零阶和一阶矩,得到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。
三、基于灰度的方法包括最大互信息配准法和相关法,基于灰度的方法由于对多模图像的适用性,近几年得到了广泛应用。
这些方法先根据相似性测度决定代价函数,然后通过搜索技术使其最小,从而得到配准。
此外还有许多其他配准方法,如最大相似性法、局部频率法、能用于大尺度变形的流体动力学法、基于FFT的方法和由粗到精进行迭代的金字塔法等。
医学图像配准根据成像模式的不同,以及配准对象间的关系等,可分为多种不同的类型,其中我们研究的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[10]。
例如,CT和MR图像都有较高的空间分辨率,前者对密度差异较大的组织效果较好,后者则可识别软组织;SPECT,PET能反映人体的功能和代谢信息,但空间分辨率差。
因此在临床应用中,常需要将CT(或MR)与SPECT(或PET)配准。
二者的结合能够同时提供功能与解剖的信息,具有临床应用价值。
第二章基于互信息的医学图像配准
医学图像配准是医学图像处理的一个基本问题,是一切多源图像信息处理中必不可少的一个基本环节。
如果配准算法有较好的配准精度和自动化能力,就可以为后续医学图像处理工作的正确有意义进行提供保障。
§2.1医学图像配准的概念
对几幅不同的图像作定量分析,首先要解决这几幅图像的严格对齐问题,这就是我们所说的图像配准。
医学图像配准是现代医学图像处理技术应用的一个重要方面,它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一致。
这种一致是指人体上的同一解剖点在两张匹配图像上有相同的空间位置。
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。
图像配准的主要目的是去除或者抑制待配准图像和参考图像之间集合上的不一致,包括平移、旋转等形变。
它是图像分析和处理的关键步骤,是图像对比、图像融合、变化分析和目标识别的必要前提。
图2-1是配准的示意图。
该图是同一个人从不同角度不同位置拍摄的两幅图像,由于拍摄环境和条件的不同,每幅图像仅反映图片的某些方面的特征。
要将两幅图像进行配准就要先将一幅图像(即浮动图像)做空间变换,使它与另一幅图像对奇,即选择合适的相似度测度(similaritymeasure)使得他们相似度达到最大,然后再配准。
图2-1配准示意图
§2.2图像配准步骤
图像配准是基于一个配准准则,也称匹配准则[9]。
配准准则是判断两幅图像达到配准的衡量标准,即在什么意义下,认为达到图像的配准。
根据这个准则可以将图像配准的步骤分解如下:
(1)建立参考图像和浮动图像坐标系;为图像配准提供一个参考系统。
对于相对配准通常是取一幅图像的图像坐标系作为待校正图像坐标系,而另一幅图像的坐标系为参考坐标系或者校正图像坐标系。
(2)判定图像大小是否相等;两幅图像大小相等是配准的必要前提,第一步完成后对图像配准,观察两幅图像是否大小相等,不等,则调整其中一幅图像的大小使其与另一幅相等。
可以人工调换图像,也可以采用自动放缩图像大小。
在本设计中主要采用人工调换图像。
当图像大小相等时进行下一步操作。
(3)选择配准互信息尺度和算法;这设计中主要采用多种互信息尺度和两种优化算法,对于尺度和算法的选择可以通过下拉菜单进行实现,选择需要的类型。
(4)原始图像和待配准图像的平滑拼接。
在上面步骤的基础上,确立原始图像和待配准图像之间的函数坐标关系,完成图像的匹配。
由于本设计采用了基于灰度图像的互信息配准,所以不需要对图像进行预处理。
§2.3图像配准方法分类
医学图像配准是医学图像融合的前提,是目前医学图像处理中的热点,具有重要的临床诊断和治疗价值[11]。
根据如何确定RCP的方法和图像配准中利用的图像信息区别可将图像配准方法分为三个主要类别:
基于灰度信息法、变换域法和基于特征法[12,13],本设计主要采用基于灰度信息法对图像进行配准。
§2.3.1基于灰度图像配准方法
一、基于灰度图像配准方法的原理
基于灰度信息的图像配准方法一般不需要对图像进行复杂的预先处理,而是利用图像本身具有灰度的一些统计信息来度量图像的相似程度。
经过几十年的发展,人们提出了许多基于灰度信息的图像配准方法,大致可以分为三类:
互信息法(也称模板匹配法)、序贯相似度检测匹配法、交互信息法。
基于灰度的图像配准方法主要特征:
(1)是实现简单,但应用范围较窄,不能直接用于校正图像的非线性形变;
(2)在最优变换的搜索过程中往往需要巨大的运算量;
(3)对目标的旋转、形变及遮挡比较敏感。
因此,在全自动图像配准中,很少采用这类图像配准方法。
如图2-2所示的基于灰度图像的配准方法。
A为参考图像,B为浮动图像,对浮动图像进行平移和翻转等几何变换获得图像TB,然后根据灰度信息统计特性定义取得参考图像与变换后的浮动图像之间的相似性度量Y(A),在相似性度量极值处取得配准参数。
所以配准问题就转化为极值问题,通过一定的最优化方法求得最合适的配准参数。
图2-2基于灰度图像的配准方法示意图
图像配准的结果(采用了EMI互信息和PSO优化算法)应如下图2-3所示。
医学图像配准主要是通过灰度互信息法,并采用优化算法来实现的,根据配准结果可以看出参考图像、浮动图像及这两幅图像的一致信息的边缘轮廓。
不论采用哪种互信息或哪种优化算法得到的大致配准结果图像都是一样的,但是在某些特征点上会有或多或少的差别,可能会有一些有用的信息没有显示出来,所以采用不同的互信息和不同的优化算法,通过综合这些配准结果显示出来的信息可以显示所需要的有用信息。
图2-3配准结果
§2.3.2基于特征的图像配准方法
基于特征的匹配方法的共同之处是首先要对待配准图像进行预处理,也就是图像分割和特征提取的过程,再利用提取得到的特征完成两幅图像特征之间的匹配,通过特征的匹配关系建立图像之间的配准映射关系。
由于图像中有很多种可以利用的特征,因而产生了多种基于特征的方法。
常用到的图像特征有:
特征点(包括角点、高曲率点等)直线段、边缘、轮廓、闭合区域、特征结构以及统计特征如矩不变量、重心等等。
根据所提取的图像特征的不同,特征提取算子可分为点特征提取算子(如Moravec算子、Forstner算子)、线特征提取算子(如LOG算子、Hough变换算子)和面特征提取算子(主要通过区域分割)。
其基本步骤和方法是一致的,包括:
(1)图像预处理
图像预处理是用来消除或减小待匹配图像之间的灰度偏差和几何变形,使图像匹配过程能够顺利地进行。
(2)特征提取
在参考图像与待配准图像上,选择边界、线状物交叉点、区域轮廓线等明显的特征,或者利用特征提取算子自动提取特征。
可提取的特征包括点、线、面三类。
(3)特征匹配
采用一定配准算法,实现两幅图像上对应的明显特征点的匹配,将匹配后的特征点作为控制点或同名点。
“控制点”的选择应注意一下几个方面:
一是分布尽量均匀,二是在相应图像上有明显的识别标志,三是要有一定的数量保证。
(4)空间变换
根据控制点的图像坐标,建立图像的映射关系。
(5)重采样
通过灰度变换,对空间变换后的待配准图像的灰度值进行重新赋值。
基于图像特征的配准方法在实际中的应用越来越广泛。
图像的特征只考虑图像的局部信息,较大地减少了匹配过程的计算量,从而提高了配准的速度;同时,特征点的匹配度量值对位置的变化比较敏感,可以提高匹配的精确度。
但是,该方法只依赖于所提取的图像特征,所以对于图像的细微情节不太敏感。
基于特征的图像配准方法有两个重要环节:
特征提取和特征匹配。
特征匹配一般采用互相关来度量,但互相关度量对旋转处理比较困难,尤其是图像之间存在部分图像重叠的情况。
最小二乘匹配算法和全局匹配的松弛算法能够取得比较理想的结果。
小波变换、神经网络和遗传算法等新的数学方法的应用,进一步提高了图像配准的精度和运算速度。
基于特征的图像配准方法可以克服基于灰度的图像配准方法的缺点,从而在图像配准领域得到了广泛应用。
其优点主要体现在三个方面:
(1)图像的特征点比图像的像素点要少很多,因此大大减少了匹配过程的计算量;
(2)特征点的匹配度量值对位置的变化比较敏感,可以大大提高匹配的精确程度;
(3)特征点的提取过程可以减少噪声的影响,对灰度变化、图像形变以及遮挡等都有较好的适应能力。
§2.3.3其他分类
除上述两类配准方法外最主要的变换域的图像配准方法是傅氏变换方法。
它主要有以下一些优点:
图像的平移、旋转、仿射等变换在傅氏变换域中都有相应的体现;利用变换域的方法还有可能获得一定程度的抵抗噪声的鲁棒性;由于傅氏变换有成熟的快速算法和易于硬件实现,因而在算法实现上有其独特的优势。
另一种是根据配准基准的特性将图像配准的方法分为两大类:
基于外部特征(有框架)的图像配准和基于内部特征(无框架)的图像配准。
前者指强加于患者的各种人造标记,这些标记必须在各种配准模式中灌入不同的显影物质使其清晰可见且可准确检测。
此法简单易行,易实现自动化,能够获得较高的精度,可以作为评估无框架配准算法的标准。
但对标记物的放置要求高,只能用于同一患者不同影像模式之间的配准,不适用于患者之间和患者图像与图谱之间的配准,不能对历史图像做回溯性研究。
基于内部特征的图像配准方法是根据一些用户能识别出的解剖点医学图像中相对运动较小的结构及图像内部体素的灰度信息进行配准[12]。
内部特征的图像配准是一种交互性方法,可以进行回顾性研究,不会造成患者不适,故基于内部特征的图像配准成为研究的重点。
§2.4互信息
医学图像配准的关键问题是图像的相似性测度,它用来衡量两幅图像配准的程度,最常用的图像相似性测度是互信息,因此本设计研究的重点之一是互信息法。
互信息是灰度图像配准中常用的方法,所以本设计主要采用基于灰度图像配准方法来对图像进行配准。
下面主要介绍有关互信息的原理及分类。
§2.4.1互信息的原理
互信息表示的是一个系统包含另一个系统信息的多少。
Collignon、Wells等人用互信息作为医学图像的配准测度。
以互信息作为两幅图像的相似性测度进行配准时,如果两幅基于共同解剖结构的图像达到最佳配准时,它们对应的图像特征互信息应为最大。
最大互信息法几乎可以用在任何不同模式图像的配准中,特别是当其中一
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 医学 图像 系统 研究 分析
![提示](https://static.bdocx.com/images/bang_tan.gif)