基于均方差的肺部图像配准算法研究

发布时间：2020-09-11 21:32

　　肺部是人体重要的呼吸器官。对肺部进行疾病诊断时,医生通常通过肺部医学影像来辅助判断病变情况。有时需要将不同时期获取的肺部图像放在一起进行比较和分析,首先需要将这些图像在空间位置上进行对齐,即进行图像配准。肺部由于呼吸运动不可避免的会产生复杂形变,所以肺部CT图像配准需要采用非刚性配准算法来实现。肺部图像配准是非刚性配准领域一个难点课题,也是肺部图像分析的关键步骤之一,具有重要意义。本文以肺部单模态CT图像为数据源,以均方差的相似性测度,高斯牛顿L-BFGS(Limited-memory BFGS)优化算法为基础,针对传统配准方法的计算量大、易陷入局部极值、配准精度差等问题进行研究。在相似性测度、空间变换、优化算法等配准的关键步骤上提出改进,提出了一种肺部CT图像非刚性配准方法,实验结果表明,该方法取得了较好的结果。本文的主要内容有:1.本文在研究均方差测度的基础上结合惩罚项,提出一种基于改进型均方差的单模态非刚性配准算法,该方法提高了配准精度。应用于肺部CT图像中,与传统均方差测度相比较,改进型均方差的配准精度得到较大提升。2.针对肺部CT图像,设计了基于自由形变模型(Free-form Deformation,简称FFD)正则项均方差的非刚性配准算法。针对肺部形变严重,使用FFD模型模拟肺部形变,并引入分层次的空间变换模型,将配准过程分为粗配准和细配准。粗配准即使用仿射变换法使图像全局基本对齐,再进行细配准,即使用FFD模型使图像局部形变得以矫正。并使用带正则项的均方差测度作为衡量图像是否对齐的标准,其中正则项为控制形变平滑度,与改进型均方差测度和传统的均方差测度相比,配准精度得到较大提升。3.针对L-BFGS优化算法易陷入局部极值的缺点,提出一种结合L-BFGS和自适应协方差矩阵进化算法(Convariance Matrix Adaptation Evolutionary Strategies,简称CMA-ES算法)混合优化算法。在配准过程中,先使用CMA-ES算法进行全局搜索,后再使用L-BFGS算法进行局部搜索,实验结果表明,本文提出的混合优化算法取得较好的结果。
【学位单位】：厦门大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：R816.41;TP391.41
【部分图文】：

扫描图像,肺部,不同时期,空间位置

逑图３－１不同时期在同一空间位置上的肺部ＣＴ扫描图像逡逑图３－１为不同时期相同的肺部空间位置的两幅ＣＴ图像，从其基本轮廓可以逡逑看出这两幅图像未对齐。为了清楚展示肺部图像间基本轮廓差异图，对左图肺逡逑部轮廓进行描边，然后使其轮廓边缘线附在右图上，所得轮廓差异图如下图３－２逡逑所示：逡逑ｍｍｍ逡逑嫐逡逑ｌｉ＾＾．邋Ｊ邋？ｒ，－＾Ｓ逡逑图３－２肺部轮廓差异图逡逑在肺部疾病诊断中，往往需要对比不同时期的肺部ＣＴ图像，用于诊断、规逡逑划治疗和监控肺部疾病的发展，将不同时期的肺部ＣＴ图像在空间位置上一一逡逑对齐，其可有助于后续肺部图像融合技术观察肺部疾病的发展情况。临床应用逡逑中，医生往往是通过其经验来判断肺部病变发展情况，存在着较大误差。因此，逡逑１８逡逑

扫描图像,肺部,轮廓,空间位置

图３－１不同时期在同一空间位置上的肺部ＣＴ扫描图像逡逑－１为不同时期相同的肺部空间位置的两幅ＣＴ图像，从其基幅图像未对齐。为了清楚展示肺部图像间基本轮廓差异图行描边，然后使其轮廓边缘线附在右图上，所得轮廓差异

配准,非刚性,对比实验,固定图

逡逑图３－４固定图ＣＴ轮廓与ＭＩ、ＭＳＤ测度配准结果重叠图逡逑左图为固定图像轮廓与ＭＩ测度配准结果重叠，中图为固定图像轮廓与逡逑ＭＳＤ测度配准结果重叠，右图标出两者对齐差异逡逑表３－１分别使用Ｍｌ、ＭＳＤ测度的配准算法运行时间逡逑ｍｉ逦ｉＷ逡逑ＭＩ逦４ｍｉｎ３３．５ｓ逡逑ＭＳＤ逦３ｍｉｎ８．９ｓ逡逑如图３－４右图标识所示，基于ＭＳＤ测度的配准结果与固定图像重叠度更高，逡逑说明配准精度相较于ＭＩ测度更好。根据表３－１，邋ＭＩ测度配准时间较长，因ＭＩ逡逑测度是基于像素灰度的，在配准过程中因需要寻找最佳的空间变换参数，使固逡逑定图像和移动图像相似性达到最大，因此需要更长的配准时间。因此本文选用逡逑在配准精度不逊色于ＭＩ测度且配准时间较短的ＭＳＤ测度进行进一步的改进，逡逑以达到最好的配准效果。Ｋ文将对ＭＳＤ测度和改进型ＭＳＤ测度进行实验对比。逡逑图３－

【参考文献】