互信息與精粒度并行遺傳算法在醫(yī)學圖像配準中的應用研究.pdf

1、醫(yī)學圖像配準技術是當代醫(yī)學圖像處理技術的一個重要方面，通過將不同模態(tài)的醫(yī)學圖像有機地結(jié)合起來，可以為醫(yī)生提供更加豐富的診斷信息。基于互信息的醫(yī)學圖像配準方法得到了廣泛的應用，傳統(tǒng)的局部優(yōu)化算法容易陷入局部極值，具有良好全局尋優(yōu)能力的遺傳算法由于存在早熟收斂問題也可能會陷入局部極值，最終得不到全局最優(yōu)解，這些優(yōu)化方法應用于實際的醫(yī)學圖像配準中存在配準精度較低的不足。
　　 本文在研究基于互信息的醫(yī)學圖像配準優(yōu)化方法的基礎上，提出一

2、種改進的粗粒度并行遺傳算法(ICGGA)，并將其應用于醫(yī)學圖像的配準中。改進算法利用粗粒度并行進化結(jié)構，對遺傳參數(shù)進行自適應調(diào)整，使粗粒度并行遺傳算法的種群多樣性得到提高，優(yōu)秀個體得到保護，實現(xiàn)了粗粒度并行遺傳算法不同子種群搜索不同最優(yōu)值的思想，可有效避免局部極值的影響；結(jié)合標準遺傳算法的遺傳終止條件，設計出了適合粗粒度并行遺傳算法的收斂準則。
　　 本文主要工作包括：
　　 ①分別對醫(yī)學圖像配準的研究背景、國內(nèi)外研究現(xiàn)

3、狀、醫(yī)學圖像配準的基礎知識，包括醫(yī)學圖像配準的主要技術和過程進行了詳細的闡述與介紹。
　　 ②對醫(yī)學圖像配準中的相似性測度和優(yōu)化算法進行了研究。醫(yī)學圖像配準過程相似性測度和優(yōu)化方法的選取決定了圖像的配準精度。通過對三種經(jīng)典優(yōu)化算法的比較，得出粗粒度并行遺傳算法的遷移操作可增加種群多樣性，具有更好的全局搜索能力和局部搜索能力，有利于避免過早收斂。
　　 ③通過將現(xiàn)有交叉率及變異率自適應公式和余弦函數(shù)結(jié)合，設計出了一種新型的

4、自適應公式，提出了改進的粗粒度并行遺傳算法。改進算法使得種群多樣性得到提高、優(yōu)秀個體得到保護，實現(xiàn)了粗粒度并行遺傳算法不同子種群搜索不同最優(yōu)值的思想，能有效克服陷入局部極值的缺陷，從而提高圖像配準的精度。另外結(jié)合標準遺傳算法的常用遺傳終止條件，設計出了適合粗粒度并行遺傳算法的收斂準則。
　　 ④對本文所提出方法進行實驗驗證：編程實現(xiàn)了所設計的配準算法，并將改進算法應用于單模及多模圖像的配準，將實驗結(jié)果與傳統(tǒng)的優(yōu)化算法及改進前同類