胸主动脉图像的配准方法研究

发布时间：2020-09-10 14:06

　　 在胸主动脉疾病手术中,医生只能看到不显示血管结构的X线图像,因此我们需要将可显示主动脉血管的术前CT和术中X线图像结合使用。为此本文提出一种基于分支编解码结构的深度神经网络配准算法来为手术提供导航。本文的主要工作及创新之处如下:(1)本文利用真实的胸主动脉术前CT切片组和数字重建影像(Digitally Reconstructured Radiograph,DRR)方法,创建了基于投变换的叠加DRR图像数据库。该数据库被用做深度神经网络的训练集和测试集,以实现主动脉DRR图像的位姿估计。本数据库利用基于射线追踪的DRR方法创建,模拟X射线对CT切片组投影,经空间几何变换后包含五万余张图像。(2)提出一种基于编解码分支结构的深度神经网络Inception-branch,来对胸主动脉的DRR图像的位姿进行估计。该网络的编码器部分由Inception结构构成,此结构具有良好的深度和宽度,处理复杂问题的能力很强,可以在复杂的图像内部结构之中很好的提取到可用的特征,进而完成回归训练。本网络的解码器部分为分支结构。由于图像变换中的位移变换和角度变换在图像中的表象不同,将位移变换和角度变换分开进行解码计算,减少它们之间的相互干扰。最后为位移和角度的计算定义不同的损失函数,以提升参数回归的精度。利用创建的叠加DRR图像数据库训练,并进行了包括不同回归器、解码器、编码器、裁剪方式和多种分支结构下的实验及分析,最终找到一组最优的神经网络结构。在位移误差和角度误差方面,加入分支解码结构的网络均比无分支解码的网络提升超过3 0%。(3)利用本文提出的深度神经网络Inception-branch进行胸主动脉术前CT与真实的术中X射线图像的配准,在视觉观感和客观指标评价方面,都达到较高的精度。证明了本文所提算法的有效性和优越性。本文对在真实的病例手术中采集的数据上进行实验,所提出的图像配准算法无论是在准确率上还是在耗时上都要大大优于传统3D/2D配准算法,耗时从多于3分钟减少至2秒钟左右。同时,从精度上看,具有分支解码结构的深度神经网络要优于不含分支解码结构的深度神经网络,将误差减小30%,证明了所提算法的优越性。从配准结果上来看,可以将DRR图像中的主动脉血管结构清晰完整的叠加在术中X射线图像里,使均方根误差上降低了2.1%。
【学位单位】：北方工业大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：R816.2;TP391.41
【部分图文】：

逦１逦１邋ｍ逡逑图１－１配准的分类逡逑如上图，医学图像由于它们在维度上的不同，通常存在２Ｄ／２Ｄ配准，２Ｄ／３Ｄ逡逑配准和３Ｄ／３Ｄ配准三种。其中ＣＴ图像在维度上属于３Ｄ图像，Ｘ线图像则属于逡逑２Ｄ图像，上述两类图像的配准，即２Ｄ／３Ｄ配准在医学上有着广泛的应用［４］。逡逑现如今，胸主动脉疾病（主要是胸主动脉夹层和胸主动脉瘤）发病率日益增逡逑高，但过往的开胸手术耗时过长，体弱的患者无法支撑Ｒ因此一种针对胸主动逡逑脉的微创手术应运而生，即胸主动脉腔内修复术［６］邋（Ｔｈｏｒａｃｉｃ邋ａｏｒｔｉｃ邋ｅｎｄｏｖａｓｃｕｌａｒ逡逑ｒｅｐａｉｒ，ＴＥＶＡＲ）。与传统大规模开胸手术相比，ＴＥＶＡＲ手术具有并发症少，风险逡逑性小

间进行比对，寻找一个最优的变换，利用这组变换实现配准。逡逑本文研宄的ＴＥＶＡＲ手术的待配准图像为胸主动脉术前ＣＴ，如图２－１邋（ａ）逡逑所示；参考图像为术中Ｘ线图像，如图２－１邋（ｂ）所示。从图２－１可看出，图２－１逡逑（ｂ）所示的术中Ｘ线图像质量差、噪声多、图像轮廓不清晰。这些劣势导致基逡逑于ＴＥＶＡＲ手术的配准策略不能使用基于特征的配准方法，因为上述图像本身的逡逑特性，无法很好的提取到鲜明的特征点、特征结构等，因此基于特征的配准方法逡逑将不会在本文中得到提及。在本章中将重点说明基于灰度的配准算法以及本文所逡逑提出的基于深度学习的配准算法。逡逑ｌ．邋Ｍ逡逑（ａ）术前ＣＴ逦（ｂ）术中Ｘ线图像逡逑图２－１邋ＴＥＶＡＲ手术术前ＣＴＡ与术中Ｘ线图像逡逑２．１传统３Ｄ／２Ｄ配准算法逡逑传统３Ｄ／２Ｄ配准就是通过一定的相似性测度和优化策略寻找一个最优空间逡逑几何变换的过程，其问题的关键在于如何寻找最优的配准参数。我们可以由此得逡逑出，胸主动脉的术前ＣＴＡ与术中Ｘ线图像配准，是寻找最优参数的过程，可以逡逑８逡逑

逡逑面上，数字重建影像的原理图如图２－３所示。逡逑ｘ邋／／－邋ｊ邋４逦像序列逡逑／／／／／／／／／／／／／／／／＞／ｙ／／／／／／／逡逑ｊ邋ｉ邋１１邋ｊ邋／邋ｉ邋ｉ邋ｉ邋ｆ邋ｆ邋ｉ邋Ｉ邋／邋ｆ邋ｉ邋／邋ｉ邋Ｐ邋＾邋ｊ邋ｆ邋／邋Ｉ邋Ｔｆ逡逑酬ｉｆｆ逡逑／！／／／邋Ｉｌｌ邋／））＞／／邋１邋）／邋ｌ／ｌ／ｌ邋Ｊ邋／邋／邋／逡逑数字重迂放射影像平而逡逑图２－３射线追踪法ＤＲＲ成像原理逡逑如上图所示，射线追踪法ＤＲＲ成像原理可归结为以下几个步骤：逡逑（１）

【相似文献】

相关期刊论文 前10条

1 贾丽娟;;关于图像分辨率的教学思考[J];印刷世界;2011年05期

2 丁晓莲;周激流;李晓华;吴朋;;人脸识别率与图像分辨率关系的比较分析[J];计算机工程;2009年11期

3 张秀屏，刘锡国，丛玉良;提高彩电图像分辨率的研讨[J];光学精密工程;1994年02期

4 卫红;为DVD机配哪种彩电[J];家庭科技;2000年07期

5 ;斯波特5卫星商业图像分辨率将达2.5m[J];国际太空;1997年05期

6 宋其华;郭根生;;解析计算机图像分辨率[J];中国电化教育;2003年11期

7 谷梗;;数字图像分辨率定义与其计量方法——对“数字电影技术术语普及读本”有关条目的商榷意见[J];现代电影技术;2013年07期

8 ;教你详细了解各种分辨率[J];计算机与网络;2011年24期

9 谢美华;王正明;;图像分辨率增强的偏微分方程方法[J];遥感学报;2005年06期

10 吕庆元;;关于图形图像分辨率、色彩与输出的探讨[J];安徽地质;2007年04期

相关会议论文 前10条

1 杨德强;苏光大;徐天伟;;一种基于幻想脸的人脸图像分辨率提升新技术[A];第二十七届中国控制会议论文集[C];2008年

2 翟广涛;;基于二进小波变换的图像分辨率增强算法[A];2003年中国智能自动化会议论文集（下册）[C];2003年

3 任晓晖;龚勇清;;体全息存储再现图像分辨率实验研究[A];第十一届全国光学测试学术讨论会论文（摘要集）[C];2006年

4 陈乐;强天鹏;章有为;;小径管CR射线检测图像分辨率研究[A];2017远东无损检测新技术论坛论文集[C];2017年

5 赵源萌;邓朝;张馨;张存林;;被动式人体太赫兹安检成像的分辨率增强算法研究[A];中国光学学会2011年学术大会摘要集[C];2011年

6 张月婷;仇晓兰;丁赤飚;雷斌;付琨;;高分辨率SAR图像桥梁目标仿真与特性分析[A];第三届高分辨率对地观测学术年会（地面系统与应用技术分会）优秀论文集[C];2014年

7 张龙;张翔;孟新秀;;基于图像的舰船目标识别技术研究[A];2019年全国公共安全通信学术研讨会优秀论文集[C];2019年

8 郑虹;曾坤;郭迪;应佳熙;杨钰;彭玺;陈忠;屈小波;;基于梯度引导的边缘增强多对比度脑部MRI图像超分辨[A];2018第二十届全国波谱学学术年会会议论文摘要集[C];2018年

9 吴明晓;张晶;;基于深度学习的颈动脉超声图像斑块识别方法[A];中国医学装备大会暨2019医学装备展览会论文汇编[C];2019年

10 蔡世学;;最新研制的一种小型空载图象雷达成果[A];第十三届全国遥感技术学术交流会论文摘要集[C];2001年

相关重要报纸文章 前10条

1 记者 刘霞;迄今最详细人脑图像“出炉”[N];科技日报;2019年

2 记者 刘海英;商用打印机印制出隐形图像[N];科技日报;2016年

3 尹长城 北京大学医学部生物物理学系教授 分析中心电镜室主任 中国生物物理学会冷冻电镜分会副理事长 中国电子显微学会低温电镜专业委员会主任;获诺奖的冷冻电镜是何方“神器”？[N];北京科技报;2017年

4 刘筱霞;陈永常;PHOTOSHOP中图像分辨率的设置[N];中国包装报;2002年

5 WLF;细说分辨率[N];电脑报;2003年

6 记者 曾遗荣邋通讯员 冷承秋 实习生 向哲林;美国一高科技公司将落户武汉[N];湖北日报;2007年

7 燕兰;先科电子：为品牌DVD正名[N];中国经营报;2000年

8 宋连党;家庭VCD像册大制作[N];中国电脑教育报;2003年

9 ;第四代超级CCD的实力[N];计算机世界;2004年

10 房琳琳;“黎明”号传回谷神星最清晰图像[N];科技日报;2015年

相关博士学位论文 前10条

1 卞春江;光学遥感图像有效区域在轨实时检测与压缩技术研究[D];哈尔滨工业大学;2018年

2 牛仁杰;星载ATP图像处理平台关键技术研究[D];中国科学院大学(中国科学院光电技术研究所);2018年

3 穆楠;夜间场景下显著目标检测方法研究[D];武汉科技大学;2019年

4 张士杰;超像素级图像组协同关联性分析与研究[D];天津大学;2017年

5 王文胜;宽幅光学遥感图像舰船飞机目标检测识别技术研究[D];中国科学院大学(中国科学院长春光学精密机械与物理研究所);2018年

6 孙琨;图像匹配与场景三维重建方法研究[D];华中科技大学;2017年

7 霍丽娜;基于视觉感知与注意机制的图像显著目标检测[D];西安电子科技大学;2016年

8 王体春;基于保真性准则的图像智能增强和图像质量评价的理论和方法[D];重庆医科大学;2018年

9 汤杨;基于图像绘制的Image Warping理论与方法研究[D];南京理工大学;2006年

10 宋余庆;医学图像数据挖掘若干技术研究[D];东南大学;2005年

相关硕士学位论文 前10条

1 李丽;立体元图像阵列编码研究[D];吉林大学;2019年

2 闫峰;基于优化极限学习机算法对焊点的质量识别[D];云南大学;2018年

3 余镇;深度学习在胎儿超声图像与皮肤镜图像分类中的研究与应用[D];深圳大学;2018年

4 韦诗莹;基于视觉认知的SAR图像城市建筑物震害损毁快速检测[D];北京建筑大学;2019年

5 彭怀月;基于延时图像的小粒咖啡发育期检测[D];浙江大学;2019年

6 李浩轩;胸主动脉图像的配准方法研究[D];北方工业大学;2019年

7 邓q.月;基于色素分离的皮肤镜图像皮损分割研究[D];武汉理工大学;2018年

8 李世勋;基于最优搜索策略的肝脏CT图像自动分割方法研究[D];兰州财经大学;2019年

9 柯梅静;关联成像空间尺度效应探索研究[D];北京邮电大学;2019年

10 袁t

本文编号：2815916