导读:本文包含了多模态医学图像配准论文开题报告文献综述及选题提纲参考文献，主要关键词:多模态,图像配准,Zernike矩,图割
多模态医学图像配准论文文献综述
王雁丽[1]（2019）在《基于模态转换的非刚性多模态医学图像配准》一文中研究指出随着医学技术的发展,出现了各种不同的医学成像模式。不同的成像模式可以提供不同的医学图像,临床医生可使用医学图像来进行疾病诊断。医学图像配准是图像处理和计算机视觉领域重要的组成部分,同时也是图像精确融合的关键前提步骤。多模态医学图像配准有利于将不同模态图像之间的信息互补,信息互补的图像可提供病变组织或器官的多种信息,为医生做出准确的诊断提供有力的理论依据。本文主要是针对非刚性多模态脑部图像进行探索研究,希望能够有效推动医学图像配准的理论研究及其应用。本文重点工作如下:(1)针对脑部图像中存在噪声和强度失真时,现有的基于结构表示的方法不能同时准确提取图像强度信息和边缘、纹理特征,并且连续优化计算复杂度相对较高的问题,根据图像的结构信息,提出了基于改进的Zernike距的局部描述符(IZMLD)和图割(GC)离散优化的非刚性多模态脑部图像配准方法。首先,将图像配准问题看成是马尔可夫随机场(MRF)的离散标签问题,并且构造能量函数,两个能量项分别由位移矢量场的像素相似性和平滑性组成。其次,采用变形矢量场的一阶导数作为平滑项,用来惩罚相邻像素间分配标签的差异性;用基于IZMLD计算的相似性测度作为数据项,用来表示像素相似性。然后,在局部邻域中用图像块的Zernike矩来分别计算参考图像和浮动图像的自相似性并构造有效的局部描述符,把描述符之间的绝对误差和(SAD)作为相似性测度。最后,将整个能量函数离散化,并使用GC的扩展优化算法求最小值。仿真实验效果表明,所提算法实现了在图像存在噪声和强度失真时的高效精确配准。(2)针对基于结构表示方法在模态转换过程中可能会丢失解剖细节信息,并且单向图像合成因忽略另一模态的解剖细节而引起配准偏差的问题,提出了基于CT/MR双向图像合成的非刚性医学图像配准方法。首先,对参考CT图像和浮动MR图像进行简单的预配准。然后,分别采用改进的随机森林和上下文优化模型对CT和MR图像进行双向图像合成。具体而言,采用多目标回归森林算法来合成CT(S-CT);采用学习能力更强的多层多目标回归森林来合成MR(S-MR)。最后,本文提出双路径融合框架:1)从S-CT到CT图像的一条形变路径;2)从MR图像到S-MR的另一条形变路径。迭代融合两条形变路径可有效估计CT和MR图像之间的形变路径。双路径融合框架可同时有效结合两种模态的互补信息。仿真实验效果表明,将双向图像合成用于图像配准最终提高了非刚性多模态医学图像配准的精度。(3)针对本文提出的两种基于模态转换的改进方法,使用基于MATLAB编程平台开发了非刚性多模态脑部图像配准系统。系统主要包括基于结构表示方法和基于图像合成方法进行配准两大模块。将传统方法与本文所提方法进行配准效果对比,体现了本文算法的先进性,同时展示了该系统的稳定性和实用性,可用于实际的临床诊断中。(本文来源于《中北大学》期刊2019-05-21）
何锡嘉,凌巍高,张雅欣,梁志胜[2]（2018）在《数字化医学影像技术下多模态图像配准仿真》一文中研究指出针对当前医学图像配准方法存在配准精度和效率低的问题,提出基于混合策略的数字化医学影像技术下多模态图像配准方法。将多模态图像分量划分为低频子带分量与高频子带分量,对图像中低频分量实行多尺度的Retinex增强,完成图像低频子带去噪。利用阈值法对图像各个尺度与方向上高频噪声进行抑制,实现高频子带去噪。对去噪后的低频子带和高频子带实行模糊对比度增强操作,得到图像最终增强结果。将图像增强结果引入图像配准,利用力矩主轴法对图像进行粗匹配。以粗匹配为基础,通过Powell算法对最佳配准变换参数进行求解,采用最佳配准变换参数实现精图像配准。仿真结果表明,所提方法配准效率高,配准精度最高为98%。上述方法在图像配准精确性和配准耗时上与当前方法相比均有所提升,可为医疗领域的发展提供一定程度上的支撑。(本文来源于《计算机仿真》期刊2018年12期）
苏孟超[3]（2018）在《基于SURF和光流场的多模态医学图像配准技术研究》一文中研究指出随着计算机技术和生物医学工程技术的快速发展,利用电子计算机断层扫描、核磁共振等成像设备可以获取多种模态的医学图像。由于不同模态的医学图像具有差异,通常要把多模态的医学图像结合起来进行分析。通过医学图像融合和叁维重建等技术提高临床中诊断和治疗水平。医学图像配准指的是寻找待配准的两幅医学图像的空间几何变换,使得两幅医学图像在空间上的对应点可以对应起来。多模态图像配准在医学图像处理中广泛应用,也是医学图像融合、医学图像叁维重建等领域中的关键技术。本文主要研究了基于SURF算法和基于光流场模型算法相结合的多模态医学图像非刚性配准算法以及基于CUDA架构下对医学图像配准算法的硬件加速技术。本文的研究工作主要包括以下内容:1.本文首先对医学图像配准算法的研究背景与意义、发展简介以及研究现状进行介绍,详细介绍基于图像特征的医学图像配准算法和基于图像灰度的医学图像配准算法之间的差异及优缺点。然后针对目前基于传统光流场的医学图像配准算法所面临的主要问题进行详细分析。最后本文介绍了医学图像配准算法的理论知识和基本框架,详细介绍了包括医学图像预处理、插值、相似性测度和多参数优化方法等内容。2.由于传统光流场模型要求输入的待配准图像之间具有一致的灰度,所以基于光流场的配准算法对于不同模态的图像并不适用。因此本文采用直方图规定化在配准之前对浮动图像进行预处理,这样可以使得待配准的两幅图像具有相同的灰度,可以解决基于光流场的配准算法不适于多模态医学图像的配准问题。3.由于传统光流场模型算法具有“灰度一致性”的要求,因此基于传统光流场的配准算法要求输入的待配准图像之间结构和灰度差异较小。但是不同模态的医学图像之间存在较大的差异,因此基于传统光流场的医学图像配准算法并不适用于多模态的医学图像。为了解决基于传统光流场模型的医学图像配准算法不适用于多模态医学图像中的配准问题,本文采用分级配准的方法,将SURF算法和基于传统光流场的医学图像配准算法结合起来。首先本文利用SURF算法对两幅医学图像进行特征提取,将特征点进行匹配之后完成医学图像之间的初次配准,以减小图像间的差异。然后本文采用基于光流场模型的医学图像配准算法对SURF算法中匹配得到的图像最终实现精确配准。首先根据Horn-Schunk光流模型计算输入的初匹配图像和参考图像之间的光流场。通过计算得到的光流场确定图像的变形场,然后使用双线性插值对浮动图像进行插值得到最终的配准图像。4.针对基于光流场模型的多模态医学图像配准算法的运算效率较低的问题,本文提出基于CUDA的高性能计算方法。本文充分利用在CUDA架构下GPU并行计算的优势,并且在算法配准精度不变的前提下,可以使得基于光流场模型的多模态医学图像配准算法能够达到实时处理。(本文来源于《南昌航空大学》期刊2018-12-01）
吕芳芳[4]（2018）在《基于几何代数的多模态医学图像配准研究》一文中研究指出随着医学影像技术的迅猛发展,医学图像越来越多样,而每种图像所包含的信息种类单一。医学图像配准技术可将反映机体组织不同的、互补的和重迭的多模态图像信息提供给医生,帮助其制定更有效的治疗方案。现有的医学图像配准技术主要分为两大类:一类是基于图像像素灰度值信息的配准方法,该类方法简单易实现,配准精度较高,但耗时长,鲁棒性差。另一类是基于特征信息的配准方法,该方法计算效率高,但其只考虑了特征信息,所以配准精度较低。这两类方法通常用于二维图像配准中,也可用于叁维图像配准,但存在配准参数多、耗时长、鲁棒性差的不足。针对以上问题,本文提出了一种基于几何代数框架的多模态医学图像配准算法,具体如下:1.图像不变量是影响配准效果的关键因素,而几何代数是完全不依赖于坐标的协变量代数体系,符合几何体计算的不变量体系。因此,本文首先将基于欧氏几何的加速稳健特征(SURF)算法延拓到几何代数(Geometric Algebra,GA)的框架内,得到GA-SURF算法,该算法结合了几何代数和SURF算法的优势,不仅具有平移不变性、旋转不变性、稳定性和鲁棒性强的优点,还能直接处理高维信息,计算效率高。新算法在计算像素点的Hessian矩阵和构造GA特征点的描述子时,考虑了多个维度的信息,然后在几何代数理论构建的尺度空间上提取GA特征点,使得配准精度得到保证,且计算效率高。2.由于人体结构是立体的,所以叁维模型能更加有助于后续匹配。本文基于上述GA-SURF算法提取的GA特征点构建了医学图像的立体几何不变量,即GA特征球,该构建算法简单易实现,且计算量小,耗时短。其次,新算法在共形几何代数框架中,生成GA特征球的描述子以实现参考图像和浮动图像的配准,使用共形几何代数框架配准的优点为直观统一,计算效率高,且能直接处理高维信息。本文通过对实际的人脑影像数据(Vanderbilt大学的RIRE项目)和仿真人脑数据(BrainWeb)实现了配准,实验结果显示该算法配准精度高,耗时短,并能有效解决现有算法不能直接处理高维信息的问题。(本文来源于《深圳大学》期刊2018-06-30）
薛文静[5]（2018）在《基于Demons的多模态医学图像配准研究》一文中研究指出随着现代计算机科学技术和医学影像技术的迅速发展,医学图像已成为辅助医生进行临床疾病诊断以及治疗的前提条件。然而每种医学成像设备都有各自的优势和不足,且人体的不同组织器官所具有的特征并不相同,所以不存在某一种医学成像设备就能够直接为人体做全方位的检查并进行疾病的诊断,而综合来源于不同医学成像设备的图像信息能够相辅相成、互为补充。因此在临床中通常需要综合利用病人的多种图像信息来对疾病进行精确的诊断和治疗,医学图像配准技术为此提供了重要的技术支撑。基于灰度Demons医学图像配准算法,配准过程中利用了图像全部的灰度信息避免了过多人工干预而带来的误差,是一种全自动的高效配准算法,因此在医学图像配准领域中备受研究者的青睐。本文从临床诊断和治疗的需求出发,对基于Active Demons的医学图像配准方法进行了研究及改进,主要研究工作如下:(1)针对Active Demons算法仅用于单模态图像配准、当图像灰度梯度值很小的情况下浮动图像形变方向无法确定造成误配准的问题,引入了精确直方图规定化的理论,并对Active Demons医学图像配准算法进行了改进。该方法首先利用精确直方图规定化将浮动图像进行模态转换,消除了不同模态间图像的灰度差异;其次根据对称性原理对图像灰度梯度信息作平均化处理,并用双边滤波器来替代高斯滤波器进行正则化变换;最后为了提高配准结果的精度和算法的运行效率,将图像多分辨率策略引入到配准算法中。实验结果说明,该算法不仅能适用于不同模态图像间的配准,而且配准的精度和效率都有所提升。(2)为了更进一步提高医学图像配准算法的精确性,针对Active Demons算法仅仅适用于同模态图像间的配准,并且图像的灰度梯度值很小的情况下易导致误配准的问题,引入了局部熵的原理,改进了Active Demons医学图像配准算法。该方法首先将参考图像和浮动图像转换成同种模态图像,即局部熵图像;然后使用在Active Demons上分别加入浮动图像与参考图像灰度梯度值平方的改进Active Demons算法进行配准,正则化变换时同样采用双边滤波器来替代高斯滤波器,使得配准后图像边缘细节信息保持较好。实验结果说明,该算法一定程度上提升了配准结果的精确度,同时也提升了图像质量。(本文来源于《兰州交通大学》期刊2018-04-01）
王丽芳,成茜,秦品乐,高媛[6]（2018）在《基于多通道稀疏编码的非刚性多模态医学图像配准》一文中研究指出针对稀疏编码相似性测度在非刚性医学图像配准中对灰度偏移场具有较好的鲁棒性,但只适用于单模态医学图像配准的问题,提出基于多通道稀疏编码的非刚性多模态医学图像配准方法。该方法将多模态配准问题视为一个多通道配准问题来解决,每个模态在一个单独的通道下运行;首先对待配准的两幅图像分别进行合成和正则化,然后划分通道和图像块,使用K奇异值分解(K-SVD)算法训练每个通道中的图像块得到分析字典和稀疏系数,并对每个通道进行加权求和,采用多层P样条自由变换模型来模拟非刚性几何形变,结合梯度下降法优化目标函数。实验结果表明,与局部互信息、多通道局部方差和残差复杂性(MCLVRC)、多通道稀疏诱导的相似性测度(MCSISM)、多通道Rank Induced相似性测度(MCRISM)多模态相似性测度相比,均方根误差分别下降了30.86%、22.24%、26.84%和16.49%。所提方法能够有效克服多模态医学图像配准中灰度偏移场对配准的影响,提高配准的精度和鲁棒性。(本文来源于《计算机应用》期刊2018年04期）
丁敏[7]（2017）在《基于互信息相关比的多模态医学图像配准算法的研究》一文中研究指出医学图像配准技术是医学图像处理的重要组成部分,配准通过将不同医学图像的信息进行融合比对,在临床诊断、外科手术导航、手术规划及术后评估等方面起到非常重要的作用。尤其是随着医学影像技术的飞速发展,多模态医学图像配准在临床的很多应用上发挥着非常重要的作用,所以对多模态医学图像配准算法的研究具有重要的理论意义和临床价值。本文主要研究多模态医学图像的弹性配准方法,对图像预处理、测度函数、优化算法、正则化技术等方面涉及到的算法展开系统的研究,在配准精度、配准时间以及算法的精确度方面进行分析。本文的工作主要包括以下几个方面:(1)针对光学相关断层图像图像中存在的散斑噪声,对各向异性扩散滤波器、小波变换、双边滤波器这叁种去噪方法做了详细的介绍,并进行了算法的实验验证,叁种去噪方法均可以得到比较好的去噪效果,其中双边滤波器的去噪效果最好,既去除了噪声又保留了图像边缘信息。(2)互信息是多模配准中最常用的测度函数,但是它只考虑图像灰度级之间的对应关系,忽略了图像灰度值之间的映射关系,针对这个问题,利用在互信息相关比的混合测度,结合B样条FFD形变模型和改进的随机梯度优化算法所搭建的配准框架,在临床数据上通过和其他的两种算法进行对比实验,证明了该算法配准时间更少,配准精度更高。(3)空间正则化在图像非刚性配准中十分关键,它能够避免不真实的位移场并防止优化过程陷入局部极值。传统的正则化方法目的是寻求一个全局平滑且连续的位移场,但是胸腹部器官在进行呼吸运动时在器官边界出会存在不连续的位移场,针对这个问题,本文采用全变分作为目标函数的正则项来保留边界不连续位移场,并将其成功的应用在叁维公开数据集和多模临床数据上。公共数据集上的目标配准误差减小到了 1.27mm,比其他的对比算法提高了 15%到30%;临床数据的实验结果证明全变分在保留边界不连续位移场的同时提高了配准精度。(本文来源于《南京理工大学》期刊2017-12-01）
刘薇,陈雷霆[8]（2018）在《黎曼流形上的多模态医学图像配准》一文中研究指出针对传统多模态配准方法忽视图像的结构信息和像素间的空间关系,并假定灰度全局一致的前提,提出了一种在黎曼流形上的多模态医学图像配准算法。首先采用线性动态模型捕捉图像高维空间的非线性结构和局部信息;然后通过参数化动态模型构造出一种李群群元,形成黎曼流形,继而将流形嵌入到高维的再生核希尔伯特空间;最后在核空间上学习出相似性测度。仿真和临床数据实验结果表明,该算法在刚体配准和仿射配准精度上均优于传统互信息方法和基于邻域的相似性测度学习方法。(本文来源于《计算机应用研究》期刊2018年04期）
朱世栋[9]（2016）在《基于特征匹配的多模态医学图像配准研究》一文中研究指出医学图像配准是指在不同的时间、不同角度以及不同模态下获取的多幅医学图像,经过一系列的变换,使相同解剖结构(点)在同一空间坐标位置上一一对应的操作。图像配准是医学图像处理研究的一项核心技术,可用于医学图像的校正,检测解剖结构的变化以及用于融合不同模态的图像,在医学辅助诊断治疗方面应用非常广泛。近几十年来,该项技术的研究得到越来越多学者们的关注。本文针对基于特征匹配的多模态医学图像配准进行了重点研究,使在复杂环境下得到的灰度不均匀和噪声较大的医学图像能够实现自动配准。本文的工作主要包含以下几个方面：1.本文系统地阐述了基于特征点匹配的多模态医学图像配准步骤,介绍了特征点检测、构造描述子、特征匹配、模型参数估计和重采样以及插值技术等算法,着重研究了常用的特征提取算法；分析了Laplace Of Gaussian提取特征点在光照、旋转和尺度等方面的不变性原理。2.针对不同模态医学图像的像素值之间有很大的差异性,导致配准计算复杂度高,配准精度低等问题。本文提出了一种融合熵图理论的基于特征匹配的配准算法。该算法首先利用Laplace Of Gaussian提取特征点,通过局部纹理特征构造加权CS-LBP描述子,然后结合广义近邻图计算特征向量之间的欧式距离进行Renyi互信息的估计并以之为目标函数,最后使用Powell优化算法对目标函数进行优化,求得变换模型参数。该方法在配准过程中不需要对图像的每个像素进行计算,可以提取分布较均匀、易提取的稳定特征来表达图像,在配准过程中只要计算这些特征即可,该方法既可以降低噪声和图像灰度差异所造成的影响,又能降低计算量,缩短配准时间。实验结果表明：在保证配准速度的前提下,配准精度能够达到亚像素级,并对于噪声明显的医学图像也能达到良好的配准效果。3. 针对基于特征提取的医学图像配准算法不能充分利用邻域特征来进行描述子的构建,本文采用了一种新的基于纹理特征的描述子构造方法局部小波模式(Local Wavelet Pattern, LWP),并结合基于概率估计的一致性点漂移算法(Coherent Point Drift, CPD)提出了一种LWP-CPD算法,该算法充分利用了中心点与邻域以及邻域与邻域之间的空间关系,并利用最大似然估计和速度场的运动一致性进行特征点的漂移,最终实现在空间位置上对齐。通过实验结果对比,该算法在配准速度、精度以及鲁棒性等方面明显优于SIFT-CPD和传统NMI的配准算法。(本文来源于《安徽大学》期刊2016-05-01）
李碧草,张俊峰,杨冠羽,舒华忠[10]（2015）在《基于结构图像表示和微分同胚Demons算法的多模态医学图像配准》一文中研究指出为了提高多模态医学图像的配准精度,利用参考图像和浮动图像的结构信息,提出了一种基于结构图像表示和微分同胚Demons算法的多模态医学图像配准算法.该算法由结构图像表示和图像配准组成.在结构图像表示阶段,采用Arimoto熵图像来描述参考图像和浮动图像的结构信息,首先计算2幅图像中所有像素点周围指定大小邻域的熵值,然后把计算的熵值作为熵图像中对应点的灰度值以生成2幅熵图像.在图像配准阶段,使用微分同胚Demons配准算法对2幅熵图像进行配准.基于Brainweb数据库中磁共振数据的测试结果表明:与微分同胚Demons算法和基于香农熵的Demons算法相比,利用Arimoto熵表示图像的结构信息可以进一步提高配准精度.(本文来源于《东南大学学报(自然科学版)》期刊2015年05期）
多模态医学图像配准论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对当前医学图像配准方法存在配准精度和效率低的问题,提出基于混合策略的数字化医学影像技术下多模态图像配准方法。将多模态图像分量划分为低频子带分量与高频子带分量,对图像中低频分量实行多尺度的Retinex增强,完成图像低频子带去噪。利用阈值法对图像各个尺度与方向上高频噪声进行抑制,实现高频子带去噪。对去噪后的低频子带和高频子带实行模糊对比度增强操作,得到图像最终增强结果。将图像增强结果引入图像配准,利用力矩主轴法对图像进行粗匹配。以粗匹配为基础,通过Powell算法对最佳配准变换参数进行求解,采用最佳配准变换参数实现精图像配准。仿真结果表明,所提方法配准效率高,配准精度最高为98%。上述方法在图像配准精确性和配准耗时上与当前方法相比均有所提升,可为医疗领域的发展提供一定程度上的支撑。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
多模态医学图像配准论文参考文献
[1].王雁丽.基于模态转换的非刚性多模态医学图像配准[D].中北大学.2019
[2].何锡嘉,凌巍高,张雅欣,梁志胜.数字化医学影像技术下多模态图像配准仿真[J].计算机仿真.2018
[3].苏孟超.基于SURF和光流场的多模态医学图像配准技术研究[D].南昌航空大学.2018
[4].吕芳芳.基于几何代数的多模态医学图像配准研究[D].深圳大学.2018
[5].薛文静.基于Demons的多模态医学图像配准研究[D].兰州交通大学.2018
[6].王丽芳,成茜,秦品乐,高媛.基于多通道稀疏编码的非刚性多模态医学图像配准[J].计算机应用.2018
[7].丁敏.基于互信息相关比的多模态医学图像配准算法的研究[D].南京理工大学.2017
[8].刘薇,陈雷霆.黎曼流形上的多模态医学图像配准[J].计算机应用研究.2018
[9].朱世栋.基于特征匹配的多模态医学图像配准研究[D].安徽大学.2016
[10].李碧草,张俊峰,杨冠羽,舒华忠.基于结构图像表示和微分同胚Demons算法的多模态医学图像配准[J].东南大学学报(自然科学版).2015