基于特征点和互信息的医学图像配准研究

2D3D医学图像配准研究

分类号：密级： UDC：学号： 010768 东 南 大 学 硕 士 学 位 论 文2D-3D 医学图像配准研究 研究生姓名：梁玮 导师姓名： 鲍旭东 教授 罗立民教授 申请学位级别工学硕士工程领域名称生物医学工程 论文提交日期 2004年 月 日论文答辩日期2004年月日学位授予单位东南大学学位授予日期2004年月日答辩委员会主席评阅人 二〇〇四年六月

2D-3D REGISTRATION OF MEDICAL IMAGE A Dissertation Submitted to Southeast University For the Academic Degree of Master of Engineering BY LIANG Wei Supervised by Prof. BAO Xudong And Prof. LUO Limin Department of Biomedical Engineering Southeast University June 2004

东 南 大 学 学 位 论 文 独 创 性 声 明 本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得东南大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。 研究生签名：日期： 东 南 大 学 学 位 论 文 使 用 授 权 声 明 东南大学、中国科学技术信息研究所、国家图书馆有权保留本人所送交学位论文的复印件和电子文档，可以采用影印、缩印或其他复制手段保存论文。本人电子文档的内容和纸质论文的内容相一致。除在保密期内的保密论文外，允许论文被查阅和借阅，可以公布（包括刊登）论文的全部或部分内容。论文的公布（包括刊登）授权东南大学研究生院办理。 研究生签名： 导师签名：

医学图像配准

《数字医学图像》报告 内容：图像配准专题 专业： 2012级信息管理与信息系统班级：信管一班 小组成员： 20120701020 韩望欣 20120701008 毕卓帅 20120701005 胡庆 指导老师：彭瑜 完成日期： 2015 年 10月 25日

图像配准专题 简介：图像配准是对取自不同时间，不同传感器或不同视角的同一场景的两幅图像或者多幅图像匹配的过程。图像配准广泛用于多模态图像分析，是医学图像处理的一个重要分支，也是遥感图像处理，目标识别，图像重建，机器人视觉等领域中的关键技术之一，也是图像融合中要预处理的问题，待融合图像之间往往存在偏移、旋转、比例等空间变换关系，图像配准就是将这些图像变换到同一坐标系下，以供融合使用。 一：图像配准方法国内外进展情况 图像配准最早在美国七十年代的飞行器辅助导航系统、武器投射系统的末端制导以及寻地等应用研究中提出,并得到军方的大力支持与赞助。经过长达二十多年的研究,最终成功地用于中程导弹及战斧式巡航导弹上,使其弹着点平均圆误差半径不超过十几米,从而大大提高了导弹的命中率。八十年代后,在很多领域都有大量配准技术的应用,如遥感领域,模式识别,自动导航,医学诊断,计算机视觉等。各个领域的配准技术都是对各自具体的应用背景结合实际情况量身订制的技术。但是不同领域的配准技术之间在理论方法上又具有很大的相似性,从而使得在某领域的配准技术很容易移植到其它相关领域。目前国内外研究图像配准技术比较多的应用领域有红外图像处理、遥感图像处理、数字地图定位和医学图像处理等领域。 二、图像配准在医学领域的应用 20世纪以来随着计算机技术的不断发展,医学成像技术得到了快速的发展。尖端的新型医疗影像设备层出不穷,如计算机线摄影、数字减影等等,这些已经成为现代医学诊断必不可少的医学数字成像手段。由于这些医学数字成像设备有不同的灵敏度和分辨率,它们有各自的使用范围和局限性。多种模式图像的结合能充分利用图像自身的特点并做到信息互补。近几十年以来,图像配准在医学上的应用日益受到医学界和工程界的重视,己在世界范围广泛展开,在相关文献中己经提出了很多种医学图像配准的方法,这些研究成果广泛地运用到医学领域中。图像配准在医学中的应用领域主要有以下几方面: ?组织切片图像的处理与显微结构三维重建 ?疾病诊断及其发展和消退的过程检测 ?神经外科手术可视化、神经外科手术一计划及术前评估 ?感觉运动和认知过程的神经功能解剖学研究 ?神经解剖变异性的形态测量分析学 ?放射治疗和立体定向放射外科治疗计划 三、图像配准的定义 对于二维图像配准可定义为两幅图像在空间和灰度上的映射，如果给定尺寸的二维矩阵F 1和F2代表两幅图像F1（X，Y）和F2（X，Y）分别表示相应位置（X，Y）上的灰度值。则图像间的映射可表示为：F （X，Y）=G（F （H（X，Y））），式中H表示一个二维空间坐标变换，即（X’，Y’）=H（X，Y），且G是一维灰度变换。 四、图像配准方法的分类 1、维数 主要是根据待配准图像的空间维数及时间维数来划分的。图像仅含空间维数或者是图像的时间序列中带有空间数，其配准可根据图像的空间维数分2D/2D，2D/3D，3D/3D，4D/4D

医学图像处理综述

医学图像处理综述 墨南-初夏2010-07-24 23:51:56 医学图像处理的对象是各种不同成像机理的医学影像。广泛使用的医学成像模式主要分为X射线成像(X—CT) ，核磁共振成像(MRI)，核医学成像(NMI)和超声波成像(UI) 这四类。 （1）x射线成像：传统x射线成像基于人体不同器官和组织密度不同。对x射线的吸收衰减不同形成x射线影像。（例如人体中骨组织密度最大，在图像上呈白影，肺是软组织并且含有气体，密度最低，在照片上的图像通常是黑影。）常用于对人体骨骼和内脏器官的疾病或损伤进行诊断和定位。现代的x射线断层成像(x—cT) 发明于20世纪70年代，是传统影像技术中最为成熟的成像模式之一，其速度已经快到可以对心脏实现动态成像。其缺点是医生要在病人接收剂量和片厚之间进行折衷选择，空间分辨率和对比度的还需进一步提高。 （2）核磁共振成像(MIR) 发展于20世纪70年代，到80年代才进入市场，这种成像设备具有在任意方向上的多切片成像、多参数和多核素成像、可实现整个空问的真三维数据采集、结构和功能成像，无放射性等优点。目前MRI的功能成像(fMRI) 是MIR设备应用的前沿领域，广泛应用于大脑功能性疾病的诊断,并为肿瘤等占位性病变提供功能信息。MRI 受到世人的广泛重视，其技术尚在迅速发展

过程中。 （3）核医学成像(NMI ) ，目前以单光子计算机断层成像(SPECT) 和正电子断层成像(PET) 为主，其基本原理是向人体注射放射性核素示踪剂，使带有放射性核素的示踪原子进入人体内要成像的脏器或组织通过测量其在人体内的分布来成像。NMI不仅可以提供静态图像，而且可提供动态图像。 （4）超声波成像(Ultrasonic Imaging ) ，属于非电离辐射的成像模态，以二维平面成像的功能为主，加上血液流动的彩色杜普勒超声成像功能在内，在市场上已经广泛使用。超声成像的缺点是图像对比度差、信噪比不好、图像的重复性依赖于操作人员。但是，它的动态实时成像能力是别的成像模式不可代替的 在目前的影像医疗诊断中，主要是通过观察一组二维切片图象去发现病变体．这往往需要借助医生的经验来判定。至于准确地确定病变体的空间位置、大小、几何形状及与周围 生物组织的空间关系，仅通过观察二维切片图象是很难实现的。因此，利用计算机图像处理技术对二维切片图象进行分析和处理。实现对人体器官，软组织和病变体的分割提取，三维重建和三维显示，可以辅助医生对病变体及其它感兴趣的区域进行定性甚至定量的分

医学图像配准技术 综述

医学图像配准技术 A Survey of Medical Image Registration 张剑戈综述，潘家普审校 （上海第二医科大学生物医学工程教研室，上海 200025） 利用CT、MRI、SPECT及PET等成像设备能获取人体内部形态和功能的图像信息，为临床诊断和治疗提供了可靠的依据。不同成像模式具有高度的特异性，例如CT通过从多角度的方向上检测X线经过人体后的衰减量，用数学的方法重建出身体的断层图像，清楚地显示出体内脏器、骨骼的解剖结构，但不能显示功能信息。PET是一种无创性的探测生理性放射核素在机体内分布的断层显象技术，是对活机体的生物化学显象，反映了机体的功能信息，但是图像模糊，不能清楚地反映形态结构。将不同模式的图像，通过空间变换映射到同一坐标系中，使相应器官的影像在空间中的位置一致，可以同时反映形态和功能信息。而求解空间变换参数的过程就是图像配准，也是一个多参数优化过程。图像配准在病灶定位、PACS系统、放射治疗计划、指导神经手术以及检查治疗效果上有着重要的应用价值。 图像配准算法 可以从不同的角度对图像配准算法进行分类[1]：同/异模式图像配准，2D/3D图像配准，刚体/非刚体配准。本文根据算法的出发点，将配准算法分为基于图像特征(feature-based)和基于像素密度(intensity-based)两类。 基于特征的配准算法 这类算法利用从待配准图像中提取的特征，计算出空间变换参数。根据特征由人体自身结构中提取或是由外部引入，分为内部特征(internal feature)和外部特征(external feature)。

【作者简介】张剑戈（1972-），男，山东济南人，讲师，硕士 1. 外部特征 在物体表面人为地放置一些可以显像的标记物（外标记，external marker）作为基准，根据同一标记在不同图像空间中的坐标，通过矩阵运算求解出空间变换参数。外标记分为植入性和非植入性[2]：立体框架定位、在颅骨上固定螺栓和在表皮加上可显像的标记。Andre G[3]等将该方法用于机器人辅助手术，对于股骨移植，位移误差小于1.5mm，角度误差小于3°，由于计算量小，可以实现实时配准。但是标记物必须事先被固定好，不能用于回顾性配准，而且该方法只适用刚体配准。 2. 内部特征 从医学影像中可以提取出点、线和面：血管的交点、血管、胸腹之间的横膈膜等，这些特征作为内标记点(internal marker) ，利用其空间位置同样可以求解出空间变换参数。Hill DL[4]用11个形态点对脑部配准，误差<1mm，方差为1.73mm。Meyer CR[5]除了血管树的交点，还使用了左右脑之间的间隔等特征。Maurer CR[6,7]赋予点、线、面等几何特征不同的权重(weighted geometrical features, WGF)，进一步改进了算法。内标记点配准是一种交互性的方法，将3D图像配准简化为点、线和面的匹配，可以进行回顾性研究，不会造成患者的不适。但是医生对特征位置的判断影响到配准精度，为了克服人为误差，需要多次重复操作，以平均值作为最终结果。 表面匹配算法也利用了内部特征[8]：进行图像分割，提取出轮廓曲线、物体表面等内部特征，使2D/3D图像配准简化为2D曲线和3D曲面的匹配，不再考虑物体内部像素。典型的应用是刚体配准的“头帽”算法[9]，从头部的3D图像中分割出表面轮廓，分别作为头模型和帽模型。配准的目标函数是头表面和帽表面之间的均方距离，该距离是空间变换参数的函数。表面匹配算法是一种自动算法，在物体表面轮廓相似并且清晰的情况下，配准效果很好。其不足之处在于：准确地进行图像分割很困难；不同模式的图像，如CT/PET图像，由于器官的轮廓差异较大，难于精确地匹配。 3. 在非刚体配准中的应用 进行非刚体配准前要确定物理模型，常见有弹性模型、粘稠液体模型、生物力学模型。通过在感兴趣区域中提取参考点、2D或是3D轮廓线，使待配准图像

医学切片图像的配准

中国科学技术大学 硕士学位论文

University of Science and Technology of China A dissertation for master’s degree

中国科学技术大学学位论文原创性声明 本人声明所呈交的学位论文,是本人在导师指导下进行研究工作所取得的成果。除已特别加以标注和致谢的地方外，论文中不包含任何他人已经发表或撰写过的研究成果。与我一同工作的同志对本研究所做的贡献均已在论文中作了明确的说明。 作者签名：___________ 签字日期：_______________ 中国科学技术大学学位论文授权使用声明 作为申请学位的条件之一，学位论文著作权拥有者授权中国科学技术大学拥有学位论文的部分使用权，即：学校有权按有关规定向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅，可以将学位论文编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。本人提交的电子文档的内容和纸质论文的内容相一致。 保密的学位论文在解密后也遵守此规定。 □公开 □保密（____年） 作者签名：_______________ 导师签名：_______________ 签字日期：_______________ 签字日期：_______________

摘 要 医学影像处理是一个具有很强应用前景的研究领域，在医学诊断、临床治疗等方面起着重要的作用。其研究内容是对所采集获取的医学数据（包括CT、MRI、PET及组织切片图像）进行分析、变换、显示等操作，以使人们能清楚地认识蕴涵在数据中的复杂结构。 由于制片和图像采集等原因，序列数字切片图像的每两层间都会存在错位现象，即平移和旋转等变换。基于切片数据的建模分析，其第一步就要对上下相邻层切片图像进行配准，即通过图像的几何变换来完成校准。本文将从图像边缘曲线匹配的角度来处理医学切片数据（人体躯干部位）相邻层之间的配准校正问题。 本文首先综述两种基本的医学图像配准方法：基于点的刚体变换配准算法、最大互信息法。在此基础上，我们给出一种新的医学切片图像数据匹配方法。第一步，计算图像的加权质心，求得图像的PCA坐标轴，并将配准图与参考图坐标轴重合，从而给出图像的全局粗匹配。第二步，在配准图像边缘取采样点，确定其在参考图中的最近点并计算过该点的切线和法向量，并由采样点到参考图的切向距离极小化(TDM)模型求出相应几何变换，通过迭代获得局部精细配准。 数值实验表明，本文所提的匹配方法能很好地实现医学切片数据相邻层之间的高精度配准，而且相对于其它方法（如最大互信息法）可较大程度地减少计算量。

基于医学图像(脑部)配准方法研究任务书_5

本科生毕业设计（论文）任务书 医学图像（脑部）配准方法研究 题目名称 学院 专业班级 姓名 学号 指导老师 一、毕业设计（论文）的内容与要求 （课题内容应明确、详细，难度适中、工作量饱满；强调通过文献研究，找出多个解决方案并进行多方案对比；强调解决复杂工程问题；强调对现代工具的使用及局限性分析，强调对实验结果分析等；明确应用工程管理原理和经济决策方法，分析和评价解决方案对社会、健康、安全、法律以及文化的影响） 图像配准是指：将两张以上图像进行匹配，比如不同时间、不同仪器、不同位置拍摄的两张图像。医学图像配准是指：找一种几何变换方式，使两张医学图像的空间点达到相同。通俗地说，图像配准就是将两幅不同的图像进行一个“对齐”、“匹配”的操作，只有如此，将两幅图像对比才具有实际意义。 图像配准也是许多后续图像处理的预处理步骤，比如图像分割、图像融合，这两种处理方法必须建立在两幅图像已经配准的基础上。这足以说明图像配准方面的研究在临床上具有重要意义。 按空间变换类型对图像配准方法进行归纳，其主要有：刚性配准、相似变换配准、仿射变换配准、投影变换配准、可变形配准。此外还有基于灰度的配准方法，基于图像特征点的配准方法等。 在医学研究和临床治疗中，往往需要将不同模态的图像进行配准融合。我们依据配准过程中涉及到的图像模态，可以将图像配准分为单模态医学图像配准和多模态医学图像配准。当配准图像的模态都为同一模态时（比如CT与CT配准），我们称之为单模态医学图像配准；而配准图像为两种或多种模态时（比如CT与MRI配准），我们称之为多模态医学图像配准。在临床治疗和医学研究中经常会

同时使用多种模态的图像，因此多模态医学图像配准使用较为广泛，也是医学图像配准的主要研究方向。 本课题设计旨在通过大量文献调研，掌握医学图像配准的实验方法，对医学图像配准技术进行研究。从多角度对比各种配准方法的异同点，最后对配准算法进行总结归类，并对实验中的配准算法进行优缺点比较。具体任务为： 1、了解本课题研究背景、目的和意义；分析目前医学图像配准面临的主要技术问题，综述当前医学图像配准技术的研究现状；制定本课题的研究工作内容以及假设实验达到的预期结果。 2、研究掌握配准流程中各个步骤的实现方法、以及现有的各种配准算法的原理、特点。 3、制定实验流程，搭建实验编程环境及平台，目前的医学图像配准开发平台主要有ITK、Elastix、MATLAB等。收集同一部位的多组医学图像数据（如CT、MRI等）， 注：脑部医学图像数据资源较多。 4、对医学图像进行单模态配准（如：CT-CT、MRI-MRI），配准方式：刚性配准和弹性（非刚性）配准。根据实验条件，采用适合的刚性配准算法和非刚性配准算法对图像进行配准操作。对配准实验结果进行比较分析（配准算法比较、配准方式比较） 5、在第4步的实验基础上，对医学图像进行多模态非刚性配准（CT-MRI），并实现较好的配准结果。 注：在第4、5步中，需要利用可视化软件查看配准结果。 6、对上述实验得出的结果，进行讨论分析。 7、对课题进行总结与技术展望。

医学图像处理技术

医学图像处理技术 摘要：随着医学成像和计算机辅助技术的发展，从二维医学图像到三维可视化技术成为研究的热点，本文介绍了医学图像处理技术的发展动态，对图像分割、纹理分析、图像配准和图像融合技术的现状及其发展进行了综述。在比较各种技术在相关领域中应用的基础上，提出了医学图像处理技术发展所面临的相关问题及其发展方向。关键词：医学图像处理；图像分割；图像配准；图像融合；纹理分析 1．引言 近20 多年来，医学影像已成为医学技术中发展最快的领域之一，其结果使临床医生对 人体内部病变部位的观察更直接、更清晰，确诊率也更高。20 世纪70 年代初，X-CT 的发明曾引发了医学影像领域的一场革命，与此同时，核磁共振成像象(MRI :Magnetic Resonance Imaging)、超声成像、数字射线照相术、发射型计算机成像和核素成像等也逐步发展。计算机和医学图像处理技术作为这些成像技术的发展基础，带动着现代医学诊断正产生着深刻的变革。各种新的医学成像方法的临床应用，使医学诊断和治疗技术取得了很大的进展，同时将各种成像技术得到的信息进行互补，也为临床诊断及生物医学研究提供了有力的科学依据。 在目前的影像医疗诊断中,主要是通过观察一组二维切片图象去发现病变体,往往需要借助医生的经验来判定。至于准确的确定病变体的空间位置、大小、几何形状及与周围生物组织的空间关系,仅通过观察二维切片图象是很难实现的。因此,利用计算机图象处理技术对二维切片图象进行分析和处理,实现对人体器官、软组织和病变体的分割提取、三维重建和三维显示,可以辅助医生对病变体及其它感兴趣的区域进行定性甚至定量的分析,可以大大提高医疗诊断的准确性和可靠性。此外,它在医疗教学、手术规划、手术仿真及各种医学研究中也能起重要的辅助作用。 本文对医学图像处理技术中的图像分割、纹理分析、图像配准和图像融合技术的现状及其发展进行了综述。 2．医学图像三维可视化技术 2.1 三维可视化概述 医学图像的三维可视化的方法很多，但基本步骤大体相同，如图.。从#$ /&’(或超声等成像系统获得二维断层图像，然后需要将图像格式（如0(#1&）转化成计算机方便处理的格式。通过二维滤波，减少图像的噪声影响，提高信噪比和消除图像的尾迹。采取图像插值方法，对医学关键部位进行各向同性处理，获得体数据。经过三维滤波后，不同组织器官需要进行分割和归类，对同一部位的不同图像进行配准和融合，以利于进一步对某感兴趣部位的操作。根据不同的三维可视化要求和系统平台的能力，选择不同的方法进行三维体绘制，实现三维重构。 2.2关键技术： 图像分割是三维重构的基础，分割效果直接影像三维重构的精确度。图像分割是将图像分割成有意义的子区域，由于医学图像的各区域没有清楚的边界，为了解决在医学图像分割中遇到不确定性的问题，引入模糊理论的模糊阀值、模糊边界和模糊聚类等概念。快速准确的分离出解剖结构和定位区域位置和形状，自动或半自

图像配准算法综述

杭州电子科技大学 毕业设计（论文）文献综述 毕业设计题目SIFT特征研究及应用 文献综述题目图像配准算法综述学院生命信息及仪器工程学院 专业电子信息技术及仪器 姓名 班级 学号 指导教师

图像配准算法综述 一．前言 图像配准是指找出场景中同一物体表面的结构点在不同图像上的投影像素点之间的对应关系，是图像信息处理领域中一项非常重要的技术，同时也是其它一些图像分析技术，如立体视觉、运动分析、数据融合等的基础。 目前图像配准广泛应用于虚拟现实、视频压缩、图像复原、图像数据库检索等技术中。图像配准的研究是计算机视觉中最困难也是最重要的任务之一。不同的图像配准方法总是对应于某种适用的图像变换模型，其核心问题是提高配准的速度、精度和算法的稳健度。 随着科学技术的发展现在约40%的机器视觉应用中都会使用图像匹配技术，所涉及的领域有：工业检测，导弹的地形匹配，光学和雷达的图像跟踪，交通管理，工业流水线的自动监控、工业仪表的自动监控，医疗诊断，资源分析，气象预报，文字识别以及图像检索等。 图像匹配研究按其处理步骤可以分为样本采集、样本预处理、样本分割、样本的特征提取等，并且与计算机视觉、多维信号处理和数值计算方法等紧密结合。它也是其它一些图像分析技术，如立休视觉、运动分析、数据融合等的基础。正因为其应用的广泛性，新的应用和新的要求逐步产生，使得匹配算法的研究逐步走向深入，出现了快速、稳定、鲁棒性好的匹配算法。因此，研究图像的匹配算法对于如何提高实际工程中的图像处理质量和识别精度具有非常重要的意义。 本文主要分析图像匹配常用方法的优点和不足之处，讨论了图像匹配中需要进一步研究和解决的问题。 二．图像配准算法的研究现状 图像配准是立体视觉、运动分析、数掘融合等实用技术的基础，在导航、地图与地形配准、自然资源分析、天气预报、环境监测、生理病变研究等许多领域有重要的应用价值。国内外学者针对不同的图像配准应用问题进行了大量的研究工作，早在1992年英国剑桥大学的Lisa Gottesfeld Brown在文献[1]习中就总结了图像配准的主要理论及图像配准在各个领域的应用。当时他讨论的图像配准技术主要还是著眼于医学图像处理、遥感图像处理等传统应用领域。图像配准是图像镶嵌技术的核心问题。 微软研究院的Richard Szeliski在1996年SIGGRAPH上提出了基于运动模型的全景图拼接算法[7]。Szeliski采用了非线性优化的方法来最小化像素两幅图像的亮度差以确定变换参数。该方法使用了全部像素进行优化处理，所以配准精度较高，但是计算速度较慢，且稳健性不佳。 国内的赵向阳。杜立民在2004年提出了一种基于特征点匹配的图像自动拼接算法[2]，其中使用了Harris算法[3]提取角点并进行匹配。赵的算法采用了鲁棒变换估计技术，在一定程度上提高配准算法的稳健性，但是计算速度依然较慢，且无法配准重

浅谈医学图像配准研究

浅谈医学图像配准研究 【摘要】随着现代医学影像技术的快速发展，越来越多的影像设备应用于临床，而不同设备采集的图像参数往往是不一样的，因此，要想将病变部位的各种不同情况在一张图像上体现出来，研究图像配准技术就是相当必要的，它能够将两幅图像中的信息综合起来，非常具有现实意义。本文从医学图像配准的概念、发展现状、分类及应用等方面进行了阐述。 【关键词】医学图像配准；多模态；医学影像技术 1.医学图像配准概述 医学图像配准是指将来自不同形式的探测器（如MRI，CT，PET，SPECT 等）的医学图像，利用计算机技术实现对于一幅医学图像寻求一种或者一系列的空间变换，使它与另一幅医学图像上的对应点达到空间上的一致。通俗地讲，医学图像配准就是对参考图像进行一系列的空间变换，使得参考图像和浮动图像中的对应点在空间位置或者解剖位置上达到一致[1]。主要包含4个模块：几何变换、插值算法、相似性测度和寻优算法。医学图像配准是医学图像处理的一个重要研究领域，被广泛应用于手术导航、病变跟踪以及治疗后期评估等临床诊断治疗中。 2.医学图像配准研究的现实意义 随着新型传感器的不断涌现，人们获取图像的能力迅速提高，不同物理特性的传感器所产生的图像也不断增多。由于成像原理以及成像设备的不同，造成成像模式的不同，按照不同成像模式提供信息的不同，医学图像可以分为解剖结构图像和功能图像两大类。单一模态的图像往往很难提供足够的病理信息，让医生作出病理诊断，常常需要将同一病人的多种成像模式的图片综合起来进行分析，以便获得病人更全面的信息，如X 射线断层扫描（CT，Computed Tomography）对骨骼信息的揭示是其他成像手段所不能比拟的，而要查看软组织结构信息，则会选择核磁共振成像（MRI，Magnatic Resonance Imaging）；利用PET、SPECT 获得功能信息，再综合CT、MRI的解剖信息分析。这种把各种成像模式的图像信息融合成一种新的影像模式的技术称为图像融合技术，经过融合后的图像克服了各种单一模式图像信息存在的不足。而在图像融合之前首先要经过图像的配准，配准结果的好坏直接影响图像融合的质量。因此，医生要想全面的了解病变组织的情况，必须准确的对多幅图像进行配准才能融合，进而制定出更加合理的治疗方案。因此，以图像配准技术为基础将多种模态图像信息融合起来，充分利用不同模态图像的优越性，将人体解剖结构信息以及功能代谢信息在同一副图像中表达出来，更有利于医生做出准确、可靠的诊断。 3.医学图像配准的发展现状 图像融合技术诞生于上世纪80年代，是指对多幅源图像的信息进行提取。

图像的分割和配准文献综述

文献综述 作者：李睿钦指导老师：刘文军 在毕业论文《大鼠切片图像的分割和配准》中，主要介绍了图像配准及分割的技术，运用的是MATLAB及3D-DOCTOR软件进行编程及处理。在对大鼠切片图像进行处理，使得最后能得于三维显示，从而给人们提供更多更详细且直观的信息。然而这只是一部分浅显的技术，关于图像配准、三维重建乃至图像处理都还有更多更好的技术 随着计算机辅助三维重建而相继发展起来的图像处理和图像生成技术，已可以在生物组织标本的二维图像基础上精确地重建它们原来的三维构型。目前生物组织三维重建不仅用于组织器官的三维重建，亦用于细胞显微结构及超微结构的三维重建。九十年代以来，由于计算机软硬件技术的高速发展和三维重建理论的创新和提高，使得三维重建无论是技术本身，还是应用领域上都取得了巨大的进步。与过去三维重建相比，不仅以单结构黑白方式，多结构多彩色线条方式显示，还可以多彩色实体模型重显，并结合现代特殊染色技术显示特殊功能状态下的结构特征。由于计算方法的改进，计算机技术的发展，现在三维重建的速度已大大提高，图像的分辨率及图像的质量也有了明显的改进，更具有逼真的效果，使得三维图像能沿着xyz轴以任何角度进行旋转，即可从不同角度进行观察或按不同的速度进行回放，还可同时进行实时测量，以获得物体实际的数量特征如长度，面积，体积，角度等形态学参数。对物体的形态和空间结构分布作出定量的分析和判断。这种技术对结构复杂又精细的组织尤为实用。再利用计算机虚拟现实技术进行复杂的显微操作，从而可进一步提高形态学的研究水平，实现从形态学定性研究向更高发展的定量研究阶段跨越。该方法特别适用于药物和仪器疗效评价的动物实验研究。 医学图像处理的对象是各种不同成像机理的医学影像。临床广泛使用的医学成像模式主要分为X射线成像(X—CT)、核磁共振成像(MRI)、核医学成像(NMI)和超声波成像(UI)四类。在目前的影像医疗诊断中，主要是通过观察一组二维切片图像去发现病变体。这往往需要借助医生的经验来判定。利用计算机图像处理技术对二维切片图像进行分析和处理，实现对人体器官、软组织和病变体的分割提取、三维重建和三维显示，可以辅助医生对病变体及其它感兴趣的区域进行定性甚至定量的分析。从而大大提高医疗诊断的准确性和可靠性；在医疗教学、手术规划、手术仿真及各种医学研究中也能起重要的辅助作用。医学图像处理技术包括很多方面，如图像分割，图像配准和图像融合。 医学图像分割就是一个根据区域间的相似或不同把图像分割成若干区域的过程。目前，主要以各种细胞、组织与器官的图像作为处理的对象传统的图像分割技术有基于区域的分割方法和基于边界的分割方法．前者依赖于图像的空间局部特征，如灰度、纹理及其它象素统计特性的均匀性等。后者主要是利用梯度信息确定目标的边界。结合特定的理论工具，图像分割技术有了更进一步的发展。比如基于三维可视化系统结合FastMarching算法和Watershed变换的医学图像分割方法，能得到快速、准确的分剖结果。 医学图像分割方法的研究具有如下显著特点：现有任何一种单独的图像分割算法都难以对一般图像取得比较满意的结果，要更加注重多种分割算法的有效结合：由于人体解剖结构的复杂性和功能的系统性，虽然已有研究通过医学图像的自动分割区分出所需的器官、组织或找到病变区的方法脚，但目前现成的软件包一般无法完成全自动的分割，尚需要解剖学方面的人工干预。在目前无法完全由计算机来完成图像分割任务的情况下，人机交互式分割方法逐渐成为研究重点；新的分割方法的研究主要以自动、精确、快速、自适应和鲁棒性等几个方向作为研究目标，经典分割技术与现代分割技术的综合利用(集成技术)是今后医学图像

多模态医学图像非刚性配准算法研究综述

多模态医学图像非刚性配准算法研究综述 夏仁波 中国科学院沈阳自动化研究所 医学影像技术的高度发展给临床医学提供了X射线、超声、计算机断层成像（CT）、数字减影血管造影（DSA）、单光子发射断层成像（SPECT）、磁共振成像（MRI）、正电子发射断层成像(PET)等多种模态的影像信息。每种模态都有其优缺点，例如CT可以清楚地显示出体内脏器和骨骼的解剖结构，但不能显示功能信息。PET 是一种无创性的探测生理性放射核素在机体内分布的断层显像技术，是对活机体的生物化学显像，反映了机体的功能信息，但是图像模糊，不能清楚地反映形态结构。由于成像原理不同造成的图像信息局限性，使得单独使用某一类图像的效果并不理想，而多种图像的利用又必须借助于医生的空间想象力和推测去综合判定他们所要的信息，其准确性受到主观影响，更重要的是一些信息可能被忽视。解决这个问题的办法是通过空间变换将两幅图像映射到同一坐标系中，使相应器官的影像在空间中的位置一致，可以同时反映形态和功能信息。而求解空间变换参数的过程就是图像配准。在配准过程中，其中的一幅图像保持固定，称为参考图像（Reference Image），与参考图像进行匹配的图像称之为浮动图像（Floating Image）。医学图像配准是信息科学、计算机图像技术和当代医学等多学科交叉的一个研究领域，在病灶定位、PACS 系统、放射治疗计划、指导神经手术以及检查治疗效果上有着十分重要的应用价值。 按空间变换关系，图像配准可被归为两个大类: 刚性配准（Rigid Registration）和非刚性配准（Non-rigid Registration） 变换，非刚性配准包括仿射、射影和弹性变换等。刚性配准通常假设图像获取过程中目标组织的解剖和病理结构不发生变形或者扭曲，例如，由于受头颅的约束，同一病人的大脑图像被认为只存在刚性变换。“刚性”假设简化了配准的复杂度，经过几十年的发展，刚性配准算法已经比较成熟，但目前的算法对初值非常敏感。另一方面，虽然在一般情况下刚性配准足以描述两幅图像之间的空间变换，然而，许多时候并不能满足临床的需要，因为很多形变的性质是非刚体、非线性的。比如MRI 图像常常伴有组织磁化系数差异、非水分子的化学位移以及血液流动等因素导致的几何畸变以及由于磁场不均匀、磁场梯度非线性及涡流等导致的探测畸变。因此在放疗计划制定中，CT 与MRI 图像配准时，不能单纯地使用刚体配准。尤其对一些特殊部位，比如鼻咽部，由于软组织和空气的磁化系数差异大约为105，会引起10ppm 的磁场变化，从而导致大于5mm 的几何畸变。此时，为了得到满意的结果，必须使用非刚性配准。相对刚性配准，非刚性配准还是一个方兴未艾的课题。采用现有的非刚性算法配准两幅2D的医学图像，一般需要几十分钟，处理 3D图像时，更是多达几个小时。计算量过大已成为非刚性配准算法在临床应用中的最大障碍之一。此外，在处理噪声图像时，特别是处理局部