基于图像合成的非刚性多模态医学图像配准

发布时间：2021-05-06 09:44

　　医学图像配准技术是医学图像处理领域中的一个非常重要的环节,也是图像精确融合的基础。多模态医学图像配准将不同模态图像之间的信息互补,可以同时给医生提供病灶部位的功能信息和解剖信息,为辅助医生准确诊断疾病提供有力依据。本文主要对基于图像合成的图像配准方法展开系统研究,本文工作主要包括以下几个方面:（1）针对现有基于图像合成的配准算法中合成模型鲁棒性差及合成图像特征信息表示不足导致配准精度不高的问题,提出了基于残差密集相对平均条件生成对抗网络（residual dense-relativistic average conditional generative adversarial network,RD-RaCGAN）的多模态脑部图像配准方法。首先,结合相对平均生成对抗网络中的相对平均鉴别器能够增强模型稳定性以及条件生成对抗网络加入条件变量能提高生成图像质量的优点,利用残差密集块充分提取深层网络特征的能力,构建RD-RaCGAN合成模型。然后,待配准的参考CT（computed tomography）和浮动MR（magnetic resonance）图像通过已训练好的RD-RaCGAN合成模... 

【文章来源】：中北大学山西省

【文章页数】：77 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第1章 绪论
    1.1 选题依据、研究背景及意义
        1.1.1 选题依据
        1.1.2 研究背景及意义
    1.2 国内外研究现状
        1.2.1 医学图像配准算法分类
        1.2.2 基于图像合成的图像配准算法的研究现状
    1.3 基于图像合成的多模态医学图像配准方法存在的问题
    1.4 本文主要研究内容及组织结构
        1.4.1 本文主要研究内容
        1.4.2 本文组织结构
    1.5 本章小结
第2章 医学图像配准基础理论
    2.1 医学图像配准基本概念
    2.2 残差密集相对平均CGAN的图像配准方法的基础理论
        2.2.1 相对平均生成对抗网络
        2.2.2 条件生成对抗网络
        2.2.3 残差密集块
    2.3 基于多域边缘感知的多模态图像配准方法的基础理论
        2.3.1 Sobel算子
        2.3.2 StarGAN V2
    2.4 评价方法
        2.4.1 图像合成评价方法
        2.4.2 图像配准评价方法
    2.5 本章小结
第3章 残差密集相对平均CGAN的多模态脑部图像配准
    3.1 RD-RACGAN算法网络结构
        3.1.1 生成器
        3.1.2 相对平均鉴别器
        3.1.3 最小二乘损失函数
    3.2 区域自适应配准算法
    3.3 算法流程
    3.4 实验结果与分析
        3.4.1 数据集与实验环境
        3.4.2 训练过程
        3.4.3 实验结果与分析
    3.5 本章小结
第4章 基于多域边缘感知的多模态脑部图像配准
    4.1 多域边缘感知合成算法网络结构
        4.1.1 生成器
        4.1.2 多任务鉴别器
        4.1.3 映射网络
        4.1.4 风格编码器
        4.1.5 损失函数
    4.2 区域自适应配准算法
    4.3 算法流程
    4.4 实验结果与分析
        4.4.1 训练过程
        4.4.2 结果比较与分析
    4.5 本章小结
第5章 多模态脑部图像配准系统
    5.1 系统设计的目的及意义
    5.2 系统总体设计
    5.3 系统模块功能实现
        5.3.1 系统运行主界面
        5.3.2 无图像合成的配准模块运行界面
        5.3.3 基于图像合成的配准模块运行界面
    5.4 本章小结
第6章 总结与展望
    6.1 全文总结
    6.2 未来工作展望
参考文献
攻读硕士学位期间发表的论文及所取得的研究成果
致谢


【参考文献】：
期刊论文
[1]残差密集相对平均CGAN的脑部图像配准[J]. 王丽芳,张程程,秦品乐,蔺素珍,高媛,窦杰亮.  中国图象图形学报. 2020(04)
[2]基于机器学习的医学图像分割、配准、融合及去噪[J]. 左振宇.  电子设计工程. 2019(17)
[3]深度学习在医学图像配准上的研究进展与挑战[J]. 邹茂扬,杨昊,潘光晖,钟勇.  生物医学工程学杂志. 2019(04)
[4]医学图像配准技术[J]. 申艳平.  中国医学物理学杂志. 2013(01)



本文编号：3171702