面向医学图像复杂形变和非线性灰度差异配准的关键技术研究

发布时间：2020-05-10 07:47

【摘要】：医学图像配准是医学影像处理和分析的关键步骤,在完成图像信息融合,辅助临床诊断,预测术后代偿效果,跟踪病理变化以及评估治疗效果等方面发挥着重要作用。然而,医学图像的形变复杂性、模态多样性以及灰度差异的非线性等特征使得医学图像配准技术具有巨大的挑战性。已有的大多数医学图像配准技术,要么忽略图像所包含的丰富的空间结构信息,要么对图像中非线性灰度差异不变性的特征考虑不够,导致在复杂形变和非线性灰度差异下的医学图像配准存在收敛速度慢、配准精度低和鲁棒性差的问题。针对这些问题,本文开展了面向医学图像复杂形变和非线性灰度差异配准的关键技术研究。本文通过深入研究和分析现有的医学图像复杂形变和非线性灰度差异配准的关键技术,提出了一系列的改进算法。本文主要的研究工作如下:(1)针对传统互信息仅考虑图像全局一致的灰度统计特性而忽略了空间结构信息、易引起配准误差等缺陷,本文提出了一种基于局部结构张量-互信息(Local Structure Tensor-Mutual Information,LST-MI)的多模态图像配准算法。为了引入图像的空间结构信息,本文将互信息与基于局部结构张量提取的图像结构贡献强度信息相结合,构建了一个新相似性测度LST-MI。随后,本文将LST-MI作为基于刚性变换配准模型的目标能量函数,并利用最速下降法的优化策略来寻找全局最优的模型参数,实现了多模态图像的配准。接下来,本文从不同角度探讨了具有复杂形变肺部器官的非刚性配准问题。非刚性配准过程均在该算法所搭建起的刚性配准平台上进行的。(2)针对胸部随访CT图像之间存在较为严重的形变,而使得它们的配准鲁棒性弱以及精确度低等问题。为了克服这些问题,本文通过研究基于边缘保持平滑滤波器的正则化模型,提出了一种基于HDCS(Hybrid Diffusion filter with Continuous Switch,HDCS)滤波器的新正则化模型约束的图像配准算法。首先,本文将HDCS滤波器代替Gaussian滤波器来实现形变位移场的正则化,构建了一个新正则化方法。其次,本文将该新正则化方法用于基于微分同胚Demons的形变配准模型来实现配准。该新正则化方法能够避免配准过程中形变位移场的过平滑现象,从而降低配准过程陷入局部极值的风险,提高了配准鲁棒性和精确度。(3)针对Log-Demons配准算法及其改进算法中仅采用SSD作为配准模型的相似性项,而忽略了局部结构特征的相似性度量,导致了它们对大而复杂形变图像的配准性能仍然不理想。为此,本文提出了一种基于Log-Euclidean协方差矩阵描述符的医学图像配准算法。在Log-Demons配准模型的基础上,本文首先构建了具有旋转、缩放和尺度不变性的局部结构描述符LECM(Log-Euclidean Covariance Matrices,LECM),然后将参考图像的LECM描述符对数和浮动图像的LECM描述符对数之间的欧氏距离作为一个新的匹配项添加到Log-Demons配准模型的目标函数来实现图像配准。该新匹配项为配准过程中形变位移场的更新提供了结构约束,且保持了新目标函数的可微性,提高了配准鲁棒性和配准精度。(4)针对多模态医学图像较大非线性灰度差异所造成的配准精度低和鲁棒性差的问题,本文鉴于频率特征对非线性灰度差异的不变性,提出了一种基于局部相位和相位一致性的多模态医学图像配准算法。为了克服非线性灰度差异对配准性能的影响,本文利用多方向的局部相位均值和相位一致性特征构建了具有非线性灰度差异不变性的LPPCO(Local Phase mean and Phase Congruency of different Orientations,LPPCO)特征描述符,并将LPPCO之间的归一化互相关(Normalized Cross Correlation,NCC)度量作为快速模板匹配模型的相似性测度来实现配准。实验结果表明,本文的算法对存在复杂形变和非线性灰度差异的图像配准具有较强的鲁棒性、较高的精确度和较快的收敛速度,因此对完善医学图像配准理论、拓展配准的应用领域等具有重要的参考价值。
【学位授予单位】：华南理工大学
【学位级别】：博士
【学位授予年份】：2019
【分类号】：R445;TP391.41

【参考文献】