醫(yī)學(xué)圖像配準(zhǔn)的關(guān)鍵技術(shù)研究.pdf

1、隨著醫(yī)學(xué)成像技術(shù)的發(fā)展，越來越多的臨床應(yīng)用要求對來自不同主體，不同時(shí)期或不同成像設(shè)備的醫(yī)學(xué)圖像進(jìn)行比較和分析。醫(yī)學(xué)圖像配準(zhǔn)是醫(yī)學(xué)圖像分析和計(jì)算解剖的一個關(guān)鍵步驟，被廣泛應(yīng)用在疾病診斷、手術(shù)導(dǎo)航、人腦圖譜和各種醫(yī)學(xué)評價(jià)等方面。然而，醫(yī)學(xué)圖像的多樣性、復(fù)雜性和非連續(xù)性等特征使得醫(yī)學(xué)圖像配準(zhǔn)技術(shù)具有很大的挑戰(zhàn)性。醫(yī)學(xué)圖像數(shù)據(jù)（如擴(kuò)散張量圖像）通常都是非線性結(jié)構(gòu)，存在于非線性的流形上。已有的配準(zhǔn)技術(shù)，無論單模態(tài)還是多模態(tài)，剛體還是非剛體，基于參

2、數(shù)還是非參數(shù)，要么忽略流形的非線性幾何，直接在線性的歐式空間下進(jìn)行研究，要么對非線性數(shù)據(jù)結(jié)構(gòu)所包含的豐富的空間信息考慮不夠。然而這些信息對空間變換下圖像拓?fù)浣Y(jié)構(gòu)的保持具有重要意義。
　　本文較系統(tǒng)地對幾種醫(yī)學(xué)成像技術(shù)進(jìn)行了研究，尤其是磁共振成像技術(shù)和擴(kuò)散張量成像技術(shù)。以拓?fù)鋵W(xué)、微分幾何和幾何代數(shù)作為空間分析的數(shù)學(xué)工具，對醫(yī)學(xué)數(shù)據(jù)的特征拓?fù)浣Y(jié)構(gòu)以及數(shù)據(jù)間的空間關(guān)系進(jìn)行深入探討，圍繞配準(zhǔn)算法的魯棒性，精度和拓?fù)浔３中詫Ψ蔷€性醫(yī)學(xué)成像數(shù)

3、據(jù)的高維空間分布關(guān)系進(jìn)行研究。
　　本文的主要貢獻(xiàn)如下。
　?。?）傳統(tǒng)的非參數(shù)微分同胚配準(zhǔn)算法只是基于像素灰度恒定的假設(shè)，忽略了高維空間變換中數(shù)據(jù)流形的非線性結(jié)構(gòu)的豐富性和拓?fù)湫詫Ρ３趾侠砦锢斫Y(jié)構(gòu)的影響。本文在微分同胚Demons算法的基礎(chǔ)上，提出了一種局部自適應(yīng)拓?fù)浔３值腗R圖像配準(zhǔn)。為了獲得更豐富的空間信息和幾何結(jié)構(gòu)，首先構(gòu)造正定對稱矩陣，并在一定條件下形成高維非線性的李群流形，然后利用流形學(xué)習(xí)方法進(jìn)行自適應(yīng)的鄰域選擇

4、，從而更精確地逼近流形的線性切空間，保持流形的非線性結(jié)構(gòu)，使圖像特征空間的拓?fù)浣Y(jié)構(gòu)在非線性的微分同胚變換中更好地保持物理合理性。
　?。?）針對傳統(tǒng)的DT圖像中張量的重定向策略只適合于剛體配準(zhǔn)或因迭代產(chǎn)生的計(jì)算代價(jià)，本文把張量集轉(zhuǎn)換成一種點(diǎn)集的規(guī)范式，提出一種規(guī)范式下的DT圖像仿射配準(zhǔn)。在這種規(guī)范式下，仿射變換下兩個張量集之間的配準(zhǔn)就可以轉(zhuǎn)換為旋轉(zhuǎn)變換下規(guī)范式之間的配準(zhǔn)，但仍然保持了仿射變換中的非剛體形變分量對重定向的影響，使得形

5、變在解剖結(jié)構(gòu)上更合理。傳統(tǒng)的基于重定向的DT圖像仿射配準(zhǔn)算法只提取剛體旋轉(zhuǎn)部分進(jìn)行空間變化，忽略平移，縮放和切變等形變分量對仿射變換的影響。所以比較傳統(tǒng)方法，本文算法用于仿射變換能獲得更好地精度。進(jìn)一步，為了改善由于重定向引起的計(jì)算代價(jià)，使優(yōu)化過程更有效率，利用旋轉(zhuǎn)變換群---李群SO(3)描述彌散張量的特殊數(shù)學(xué)結(jié)構(gòu)，用單位四元數(shù)旋轉(zhuǎn)替代三維旋轉(zhuǎn)矩陣，從絕對定向中找到最優(yōu)閉式解，能大大減少計(jì)算代價(jià)。
　　（3）針對傳統(tǒng)多模態(tài)配準(zhǔn)方

6、法忽視圖像的空間結(jié)構(gòu)和像素間的空間關(guān)系和假定灰度全局一致，提出一種基于學(xué)習(xí)理論的多模態(tài)圖像配準(zhǔn)算法。本文利用自回歸線性動態(tài)模型描述圖像的局部高維非線性空間結(jié)構(gòu)，這使得特征空間包含了更多空間信息。然后通過參數(shù)化動態(tài)模型構(gòu)造出具有李群結(jié)構(gòu)的群元素，并形成黎曼流形，接下來把黎曼流形嵌入到更高維的再生核希爾伯特空間，再在核空間引入核函數(shù)尋找最優(yōu)的相似性測度，這種核技巧可以把非線性數(shù)據(jù)映射到一個隱式的高維中進(jìn)行處理。算法不僅對剛體配準(zhǔn)，而且對仿射