摘要
医学图像配准是将浮动图像通过空间变换，使其与参考图像的对应点在空间位置上匹配的过程。它是医学图像三维重建和医学图像融合等任务的基础。它在器官运动校正、图像引导手术、放疗计划制定等临床应用中具有重要的应用价值。 近年来，许多学者提出了大量的医学图像非刚性配准算法用于有效描述待配准图像间不规则的复杂形变，在非刚性配准算法中，Demons算法因其具有完备的理论基础，受到了学者们的广泛关注。然而，Demons算法通过各向同性正则化来平滑形变，这种各向同性模型容易导致医学图像细节信息丰富区域或组织器官运动过程中配准精度有所下降，从而不能很好的拟合组织器官的运动过程。针对上述问题，本文研究基于各向异性正则化的医学图像Demons配准算法,用于解决各向同性正则化模型导致配准精度差的问题,并进一步提升配准的执行效率。具体研究内容如下: (1)针对Demons算法采用各向同性正则化进行配准，导致图像细节信息丰富的区域配准误差大的问题，以及正则化过程中逐像素平滑操作导致大尺寸图像配准效率低的问题，本文设计了基于形变引导正则化的医学图像Demons快速配准算法(DGRDemons)。该算法有三个优势:首先，DGRDemons通过引入各向异性的快速引导滤波器作为配准的正则化项，有效保留了图像边缘细节，减少了复杂器官运动的配准误差;其次，DGRDemons采用待配准图像间的形变来引导正则化过程，由于充分利用了形变的空间信息，获得了更加精确的配准结果;最后，DGRDemons通过对形变进行下采样，使得正则化中的平滑映射关系计算均在低分辨率形变图像上执行，从而有效减少配准耗时。实验结果表明，DGRDemons实现了更快、更精确的配准结果，与主流Demons算法相比，配准精度提高了约40％,配准效率提高了约8％。 (2)微分同胚Demons算法使用Gaussian正则化来平滑形变，各向同性的特性使其不能有效处理组织器官的滑动运动，同时采用灰度平方差测量配准图像的相似程度，不适用于精确度量灰度差异大的图像，导致复杂医学图像配准精度低。为了解决这些问题，本文设计了基于自适应各向异性正则化的医学图像Demons配准算法(A2Demons)。该算法有三个优势:首先，采用自适应各向异性模型作为配准正则化项,通过局部邻域方差优化权值来获取强各向异性的正则化，同时，利用加权平均来实现扩散最大化，从而真实地模拟器官的复杂运动。其次，根据形变图像所包含的空间信息不同，在正则化过程中，通过自适应选取内核大小来调整正则化的平滑程度，从而在获得良好滤波效果的同时又能更好的保留图像的细节信息,进一步减少参数选择对配准精度的影响。最后，设计了互信息-灰度平方差融合相似性测度，有效解决复杂医学图像存在灰度强度差的问题,提升配准结果的准确性及鲁棒性。实验证明A2Demons可以有效的处理复杂器官运动，同时获取精确的配准结果。
NETL