论文部分内容阅读
医学图像非刚性配准技术在治疗过程监控、外科手术导航、放射治疗计划制订、回顾性研究以及医师培训等临床应用中具有重要作用。近年来，基于物理模型的非刚性配准受到关注，其中流体模型将图像中目标的形变模拟为流体的流动过程，相比于其它几种物理模型，适用于更大的目标形变。传统的流体配准算法中仅采用了图像的灰度值信息作为相似性度量，而医学图像可能包含噪声等干扰，容易造成误配准。尺度不变特征变换（Scale-invariant feature transform，SIFT）能够提取对于尺度、旋转、光照具有不变性的特征点，应用于医学图像配准可以提供稳定的匹配点对；形状信息是对治疗靶区最直接的描述，同样可以提供稳定的匹配点信息。由于在治疗中靶区的形态经常会发生变化，可使用形变模态提取算法，利用不同治疗次间图像的形变场生成形变向量，通过主元分析法（Principal ComponentAnalysis, PCA）提取主导形变模态，对治疗计划进行修正，同时指导后续靶区轮廓的提取。因此本课题组提出了融合SIFT以及形状信息的流体配准算法，将SIFT特征点以及形状轮廓的对应关系结合到相似性度量的构建中。本文在此基础上就2D SIFT算法及其在3D空间中的拓展以及形变模态提取的相关算法做了研究，并应用于前列腺图像中。首先在2D以及3D空间中定量分析SIFT算法的相关参数，并就MRI以及CT图像中的使用效果进行了比较。然后通过计算形变向量的特征值及特征向量，验证了治疗靶区的形变空间可以用较少的主导形变模态来描述，并在构造靶区形变向量时分别提出并比较了三种不同的采样方式。最后将SIFT特征以及形状信息结合到流体配准中，通过实验确定了其在前列腺图像相似性度量构建中图像灰度、SIFT特征点、形状信息各部分权重系数的选取并获得较好的配准效果。