论文部分内容阅读
背景如今,临床技术人员越来越多地应用到医学图像配准及融合技术,这是因为多种来源的图像可以为医生诊断病情提供更全面更准确的信息。核磁共振成像(MRI)和正电子发射体层摄影(PET)是目前脑部成像常用的两种技术。核磁共振成像(MRI)是解剖结构成像,它有较高的空间分辨率。而正电子发射体层摄影(PET)是一种功能性成像,它提供了人体生理代谢信息,但组织结构显示效果较差。它们各有优势,医生希望二者能结合起来。目的本项目旨在设计一种基于神经网络的改进的PET/MRI异机脑部影像信息融合系统,主要解决不同影像设备PET、MRI获得同患者多模态影像的特征配准和信息融合问题。方法对该领域常用的医学图像配准、融合的常用相关方法进行细致的研究,并把相关方法处理的结果进行了比较分析,进而设计了一种改进的基于神经网络的PET/MRI异机脑部影像信息融合方法。具体实现步骤是:1.待融合的PET图像(索引图像)进行IHS变换和彩色变换,转化为IHS和RG B通道信息;2.采用基于脑部轮廓像素点的PET、MRI刚性配准,通过平移、旋转、缩放,使脑解剖位置对齐;3.利用NSCT变换获取不同尺度不同方向的频率特征,设计基于局部领域的加权平均法的低频信息融合规则和空间频率激励的PCNN高频信息融合规则,实现RGB三通道的PET图像和MRI灰度图像的信息融合;4.利用其它常用图像融合方法对同一源图像进行融合,把各种融合结果进行比对分析。结果为了对各种方法的效果有一个比较直观的比较,用标准差、熵、清晰度、平均梯度、Qabf来衡量融合后图像的质量。标准差反应灰度级的离散程度;熵表示图像的信息量,熵越大,包含的信息量越大;清晰度反应图像对微小细节的表达能力;平均梯度反应图像的边缘细节的能力;Qabf衡量边缘的融合效果,融合结果与源图像的结构相似度。本设计的这几项参数分别达到了150.2410,8.5421,15.320,0.0926,0.5714均比其它方法要高。结论基于人工神经网络的融合方法,充分利用了神经网络的特征识别能力和自学能力,再结合多尺度变换法,通过对比度的选择实现图像融合,充分利用PET影像提供的功能信息和MRI图像提供的解剖、软组织信息,大大提高了医生的诊断效率和准确度,该融合效果最大程度上保留了轮廓、纹理等特征,细节更加突出,主观效果最好。