基于联合显著图双向强化的全局到局部无监督非刚性图像配准网络
发布时间：2022-01-19 19:31
在过去几十年科学技术的快速发展中,非刚性图像配准已经成为生命科学、医学成像、运动跟踪建模、模式识别等领域不可缺少的核心图像处理技术之一。一方面,随着成像技术与设备的进一步发展,含有丰富结构/功能信息的高维度、大规模图像数据的涌现使非刚性图像配准算法面临着如何高效计算图像数据的挑战。另一方面,由于常见的生物组织运动、病灶发展以及外部物理性因素,导致待配准图像中出现对应性缺失和复杂局部大形变的异常问题,更加剧了非刚性图像配准算法很难兼顾提高精度与鲁棒性的两难问题。为了精确、鲁棒、高效地解决非刚性图像配准中存在的对应性缺失与局部大形变的异常难题,本文提出了一种先估计全局形变场再局部回归提升形变场精度的无监督非刚性图像配准深度卷积神经网络框架。考虑到图像配准深度卷积神经网络就是计算待配准输入图像对到输出两图像间形变场之间的映射,而图像异常使得输入图像对到输出形变场之间的映射更加难以通过深度神经网络直接训练拟合。本文中,我们采用分而治之的策略,将该复杂映射的学习网络分解为两个更简单的子映射网络进行训练逼近:首先是输入图像到粗糙形变场的全局映射深度网络,紧接着是粗糙形变场到精确形变场局部回归修正映...
【文章来源】：上海交通大学上海市 211工程院校 985工程院校 教育部直属院校
【文章页数】：73 页
【学位级别】：硕士
【部分图文】：
单模态肺部CT图像的配准示例
上海交通大学硕士学位论文-11-的多视角图像配准（Multi-ViewRegistration）；第四类，目标图像与图像公共模板之间的模板配准（AltasRegistration）。我们以膝盖图像的多模态配准为示例，在图1-2中，参考图像（a）与浮动图像（b）由于成像模式不同，导致图像存在明显的灰度差异，传统基于灰度的相似性测度是无效的。为了展现配准前后的差异，我们利用粉红色与绿色分别表示参考图像与浮动图像。与配准前的叠加图像（c）相比，配准后的叠加图像（d）把对应的结构正确对齐，如右下区域的边缘纹理。图1-2多模态膝盖图像的配准示例Fig.2-Exampleofnon-rigidmulti-modalkneeimageregistration.1.2图像配准的发展与现状在过去的几十年中，图像配准算法在医学临床中发挥着越来越重要而广泛的作用。在放射治疗中，图像配准已经成为临床放射治疗中的基本步骤；在与肿瘤疾病相关的诊断、手术阶段性规划和手术实施中放射剂量精准控制与响应监测，配准算法都起着不可代替作用。另外，基于图像配准算法与空间定位导航硬件的手术导航系统也常常用于图像引导下的精准微创手术，如脑神经手术[9]、介入性放射学与心脏介入手术[10]。而在功能性神经外科研究中[11]，图像的多模态配准是患者术前管理的必不可少一部分，以帮助医生优化患者的手术计划。早期的图像配准算法研究成果主要集中在简单的刚图像性配准算法。人们提
上海交通大学硕士学位论文-13-素点应当存在一一对应映射关系的假设前提，因而使得传统图像配准方法无法准确处理这些异常问题。图像配准领域的研究者们通常将这种困难的图像配准问题称为对应性缺失（MissingCorrespondence）和局部大形变（LargeLocalDeformation）。图1-3存在图像结构对应性缺失与局部大形变的配准示例Fig.1-3Exampleofnon-rigidimageregistrationwithmissingcorrespondenceandlargelocaldeformation在图1-3中展示了脑部MRI图像结构由于病灶切除，与术前图像（a）相比，术后图像（b）下方存在着大空洞的对应性缺失（红色箭头指示的区域）。这样的缺失随后也为周边附近的结构（蓝色方框区域）带来了局部大形变。过去的几十年中涌现的大量传统非刚性图像配准算法，主要分为基于特征的非刚性图像配准方法与基于图像灰度的非刚性图像配准方法。基于特征的图像配准方法通过计算待配准图像间局部特征描述子（如SIFT[43]、几何不变形特征向量[18]）的相似程度来建立来图像几何变换。为了处理配准图像中存在的对应性缺失与局部大形变异常，RPM[44]在迭代模拟退火算法求解过程中对对应矩阵施加了模糊软赋值策略以保证特征之间的一一映射关系；CPD[46]将特征匹配问题转化为基于混合高斯概率模型的位移形变场估计问题进行求解。其它的鲁棒性匹配策略可参考综述介绍[39]。基于特征的图像配准方法中，由于几何变换的计算过程易受到特征匹配模糊的影响，仍然很难处理好存在对应性缺失伴随局部大形变的情形。基于图像灰度的非刚性图像配准方法通常将图像配准过程看做求解一个全局能量函数最小化问题。该能量函数包含着了形变场的正则化项、图像相似项。图像相似度项无法对存在图像异常缺失的区域进行正确描述因而导致错误的预测形变常研究者
【参考文献】：
硕士论文
[1]基于各向异性结构张量和联合显著信息的非刚性医学图像配准研究[D]. 周嘉玮.上海交通大学 2011
本文编号：3597432
【文章来源】：上海交通大学上海市 211工程院校 985工程院校 教育部直属院校
【文章页数】：73 页
【学位级别】：硕士
【部分图文】：
单模态肺部CT图像的配准示例
上海交通大学硕士学位论文-11-的多视角图像配准（Multi-ViewRegistration）；第四类，目标图像与图像公共模板之间的模板配准（AltasRegistration）。我们以膝盖图像的多模态配准为示例，在图1-2中，参考图像（a）与浮动图像（b）由于成像模式不同，导致图像存在明显的灰度差异，传统基于灰度的相似性测度是无效的。为了展现配准前后的差异，我们利用粉红色与绿色分别表示参考图像与浮动图像。与配准前的叠加图像（c）相比，配准后的叠加图像（d）把对应的结构正确对齐，如右下区域的边缘纹理。图1-2多模态膝盖图像的配准示例Fig.2-Exampleofnon-rigidmulti-modalkneeimageregistration.1.2图像配准的发展与现状在过去的几十年中，图像配准算法在医学临床中发挥着越来越重要而广泛的作用。在放射治疗中，图像配准已经成为临床放射治疗中的基本步骤；在与肿瘤疾病相关的诊断、手术阶段性规划和手术实施中放射剂量精准控制与响应监测，配准算法都起着不可代替作用。另外，基于图像配准算法与空间定位导航硬件的手术导航系统也常常用于图像引导下的精准微创手术，如脑神经手术[9]、介入性放射学与心脏介入手术[10]。而在功能性神经外科研究中[11]，图像的多模态配准是患者术前管理的必不可少一部分，以帮助医生优化患者的手术计划。早期的图像配准算法研究成果主要集中在简单的刚图像性配准算法。人们提
上海交通大学硕士学位论文-13-素点应当存在一一对应映射关系的假设前提，因而使得传统图像配准方法无法准确处理这些异常问题。图像配准领域的研究者们通常将这种困难的图像配准问题称为对应性缺失（MissingCorrespondence）和局部大形变（LargeLocalDeformation）。图1-3存在图像结构对应性缺失与局部大形变的配准示例Fig.1-3Exampleofnon-rigidimageregistrationwithmissingcorrespondenceandlargelocaldeformation在图1-3中展示了脑部MRI图像结构由于病灶切除，与术前图像（a）相比，术后图像（b）下方存在着大空洞的对应性缺失（红色箭头指示的区域）。这样的缺失随后也为周边附近的结构（蓝色方框区域）带来了局部大形变。过去的几十年中涌现的大量传统非刚性图像配准算法，主要分为基于特征的非刚性图像配准方法与基于图像灰度的非刚性图像配准方法。基于特征的图像配准方法通过计算待配准图像间局部特征描述子（如SIFT[43]、几何不变形特征向量[18]）的相似程度来建立来图像几何变换。为了处理配准图像中存在的对应性缺失与局部大形变异常，RPM[44]在迭代模拟退火算法求解过程中对对应矩阵施加了模糊软赋值策略以保证特征之间的一一映射关系；CPD[46]将特征匹配问题转化为基于混合高斯概率模型的位移形变场估计问题进行求解。其它的鲁棒性匹配策略可参考综述介绍[39]。基于特征的图像配准方法中，由于几何变换的计算过程易受到特征匹配模糊的影响，仍然很难处理好存在对应性缺失伴随局部大形变的情形。基于图像灰度的非刚性图像配准方法通常将图像配准过程看做求解一个全局能量函数最小化问题。该能量函数包含着了形变场的正则化项、图像相似项。图像相似度项无法对存在图像异常缺失的区域进行正确描述因而导致错误的预测形变常研究者
【参考文献】：
硕士论文
[1]基于各向异性结构张量和联合显著信息的非刚性医学图像配准研究[D]. 周嘉玮.上海交通大学 2011
本文编号：3597432
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3597432.html
最近更新
教材专著
