第一章 绪论
1.1课题研究背景及其意义
医学影像学起源于放射诊断学，是一门由 X 射线应用在医学领域而兴起的一门学科，在临床医学中往往作为医生分析病人病变部位的一种辅助诊断与治疗手段。几十年以来，该学科已经取得了较大的发展，其所覆盖的范围也从较早的如心电 ECG(Electr--ocardiogram)等一维线性的可视化成像，发展至当今的二维空间平面的可视化影像信息，乃至三维空间立体的影像可视化信息，如 MRI(Magnetic Resonance Imaging)、US 超声成像(Ultrasound)、PET(Position Emission Tomography)以及 CT(Computer Tomography)等，分别从定性与定量、静态与动态以及平面到立体等方面为临床的实践应用提供了丰富的多模态、多内容的图像[错误！未定义书签。]。近些年来，随着成像技术的不断发展，医学影像技术逐渐向着高分辨率、多模态、多维度的方向发展，如由传统 CT 技术改进而产生的螺旋 CT 技术；同时得益于计算机技术的发展，医学影像学产生了医学图像处理与计算机技术相互交叉交融的学科，主要有：医学图像分割、图像融合、病变检测以及三维重建等。在实际的临床诊断中，一般根据影像所反映的信息而将医学成像分为结构解剖模式与组织功能模式成像[错误！未定义书签。]：前者成像可以直接形象地反映出人体的生理结构，特点是分辨率高但无法反映脏器的功能情况，包括 X 射线、CT 计算机断层扫描成像、US超声成像、MRI 核磁共振成像，以及衍生发展而来的相关成像技术，如：螺旋 CT、高分辨率 DSA(Digital Subtraction Angiography)X 射线数字减影血管成像技术、MRA(Magnetic Resona--nce Imaging)磁共振血管成像等；后者则主要描述不同状态下人体组织器官的新陈代谢信息，特点是图像分辨率较差，主要用于早期病变的诊断与治疗中，例如 SPECT(Single Photon Emission CT)单光子发射计算机断层成像、PET 正电子发射断层成像、FMRI 磁共振功能成像以及 DT-MRI(Diffusion Tensor-MRI)扩散张量磁共振成像等。不同模式的成像特点不同，其侧重应用也有所区别，例如 X 射线与 CT 成像对骨组织有较高的空间分辨率，MRI 能更清晰地显示脑部软组织的信息；PET 与 SPET 成像则能较好地描述有关肿瘤等病变部位的代谢、免疫等功能信息[错误！未定义书签。而在最近的临床研究中，科学家则通过 FMRI 追踪富氧血液的流动，呈现大脑活动情况，进而实现“脑死亡”患者的交流等。
现有的成像技术仍有诸如易受噪声干扰、分辨率低、实时性差等局限，在此前提下，为了详尽掌握病人病变部位的具体情况，必须充分利用不同成像技术的优势，借助于模式识别、计算机视觉以及图像处理等计算机技术，进而融合不同模态的图像以便得到更丰富更全面的信息。例如通过 PET/CT 图像融合同时表达病变部位的病理变化以及结构形态；三维可视化技术中，用作三维重建的 CT 或 MR，其成像的方位和角度易受患者的摆位差异与体位移动（如呼吸、心跳等器官运动）影响，致使对应解剖点位置不匹配而无法直接用于重建；为研究某一病灶在不同时期的生长规律，需要对其在同一设备不同时期的成像差异作分析，以期给予疾病的诊断与治疗提供相应的先验知识，如基于肺部 CT 的肺结节的检测与跟踪；处理异模医学图像的分割问题，从而实现对病灶的自动检测，如螺旋 CT 的脊椎成像的自动分割的问题；随着医学成像技术的日益高分辨率化，临床医学影像数据量的几何增长与传统的人工图像分析技术所产生的越来越大的矛盾等等的需求问题，都使得医学图像配准技术的研究与应用越来越受到人们的重视。
1.2课题研究现状及趋势
图像配准技术的提出与初步发展得益于美国军方于上世纪七十年代的应用，主要用于飞行器导航、导弹制导之中的，八十年代有学者将其引入医学领域用于数字减影血管造影以及多模医学图像配准。在这一阶段中，需要人工干预的医学图像刚性配准技术在二维影像领域得到了初步的应用。九十年代后，计算机技术的发展推动了三维数据图像配准以及非刚性图像配准的研究与应用，图像配准技术虽然已经在自动化程度和精确度已经取得了一定进步，但仍然面临许多的问题：初期的医学图像配准主要是基于图像特征的图像配准，这类方法通常需要在病人体位植入标记物，且需在配准前作特征提取以及图像分割等预处理，同时这种技术不适用于多模图像配准，给临床研究和患者治疗带来诸多不便。随后出现的基于内部特征的配准方法，其典型的方法代表有迭代近邻点 ICP(Iterative Closest Point)与头帽法(Head--Hat)。相对有了较快的配准速度，但仍无法摆脱特征提取对配准精确度的影响；与前者不同，后来出现的基于灰度的图像配准方法是一种基于灰度相关性决定变换参数的一种配准方法，最常用的是最小灰度划分一致性 PIU(Partioned Intensity Uniformity)和互相关法 CC(Cross-Correlation)等，该方法的自动化程度与精度均有所提高，但对图像缺失、噪声以及灰度变化较为敏感，且计算量大，无法适用于快速配准[9]。
第二章 医学图像配准技术概述
2.1 图像配准的定义与分类
图像配准的方法随其分类不同而有所区别，通用的图像配准有三个模块[24-25]：特征检测，即提取标识图像本质信息的特征构成特征空间。特征空间包括特征点，特征线/曲面与图像像素点。关于前二者的提取是否能实现自动化，是关于给予特征的图像配准技术能否自动实行的关键。特征匹配，即根据特征空间确定一种空间变换，以达到所规定的相似性度量。这一过程中，需要通过优化函数以寻找最优变换参数，并以相似性测度函数为度量而作为搜索的终止判断条件。重采样与插值，即经过变换的图像 F (T )，在映射到参考图像R 后，相应映射点坐标可能落在非整数区域，这就需要通过插值以获取该点的灰度值以完成变换；同时，由于基于灰度信息的配准方法其处理过程涉及到所有的像素点，其计算量大，且易陷入局部极值，为此便需要通过抽取有代表性特征或者有明显灰度信息的像素点，即通过采样与重采样过程以降低计算量求取最优的变换参数。与其他应用领域的图像配准相比较，医学图像配准有他独有的特殊性与复杂性。Crum 等人[25]将医学图像配准分为：几何变换、相似性测度、图像插值以及优化函数四个模块，易于理解但不具有通用性。为便于以后的非刚性配准的研究，本文采用通用Brown 的配准框架，即：特征空间、几何变换、相似性测度和搜索策略[26-28]。关于图像配准技术的研究与改进便以四个模块为研究对象研究进行。图 2.1 为图像配准流程的示意图。
第三章 基于互严格凹测度的医学图像配准 ......21
3.1 互严格凹函数测度....22
3.1.1 Shannon 熵 ....22
3.1.2 严格凹函数 .........23
3.1.3 互严格凹函数测度 .........24
3.2 插值技术 ......25
3.3 POWELL 优化算法 .........29
3.4 测度曲线对比分析 ........30
3.4.1 PV 插值对2NM 与 MI 测度曲线影响 .........31
3.4.2 结果分析 .......33
3.5 医学图像配准验证与应用 ........34
3.5.1 基于单模态的配准实验结果 .....34
3.5.2 基于多模态的配准实验结果 .....37
3.6 本章小结 ......39
第四章 基于 DEMONS 非刚性图像配准.......40
4.1 HORN-SCHUNCK 光流场模型 ......41
4.2 DEMONS 和 ACTIVE DEMONS....43
4.2.1 Demons 非刚性配准算法........43
4.2.2 Active Demons 非刚性配准算法 ........44
4.3 MAD 非刚性配准方法 ....46
4.4 G&M ACTIVE DEMONS....46
4.5 精确直方图规定化....47
4.6 实验结果及其分析.....49
4.6.1 基于 G&M Active Demons 的实验结果........49
4.6.2 有灰度差异的医学图像的配准 .........50
4.7 本章小结 ........52
结论
医学图像配准是医学图像处理领域中的一个重要分支，在临床医学中有广泛的应用。针对不同的应用，医学图像配准在配准精度、算法速度以及鲁棒性等方面有不同的技术问题需要解决。为抑制配准过程中的局部极值现象，提高大形变图像的配准精度，本文深入研究了医学图像配准中的互严格凹函数测度度量以及 Demons 非刚性配准算法。主要工作总结如下：
（1）对当前医学图像配准领域的主要理论、技术以及配准评价作了简要综述。
（2）阐述了医学图像配准中的互严格凹函数测度理论，并分析了不同窗函数的 PV插值对互严格凹函数测度的影响，设计了一种基于互严格凹函数测度的刚性配准方法，较好地抑制了医学图像配准中的局部极值现象。
（3）详细介绍了基于光流场模型的 Demons 非刚性配准算法的原理，分析了该算法在处理大形变与多模图像配准中所遇到问题的原因；综合考虑了形变对灰度与梯度的影响进而对驱动力参数判断，对 MAD 算法改进提出了 G&MAD 算法。
（4）设计了一种适合于处理有灰度差异的医学图像非刚性配准方法。首先利用精确直方图规定化 EHS 技术对灰度不一致的待配准图像作预处理，继而采用 G&MAD 非刚性配准算法进行配准，取得了较好的效果。
参考文献
[1] 杨金宝.基于灰度相似性测度的医学图像配准技术研究[D]:[博士学位论文].济南:山东大学生物医学工程系,2008
[2] 卢振泰.医学图像配准算法研究[D]:[博士学位论文]. 广州:南方医科大学生物医学工程,2008
[3] [林相波.基于非刚性配准的图像分割研究及其在脑部 MRI 图像中的应用[D]:[博士学位论文].大连:大连理工大学生物医学工程,2010
[4] 乔晓芳.图像检测与配准的方法研究[D]:[硕士学位论文].江苏:江南大学,2008
[5] 周峰.基于尺度不变特征变换(SIFT)的图像配准技术研究[D]:[硕士学位论文]. 昆明,昆明理工大学计算机软件与理论,2008
[6] 薛嗣麟.基于改进光流场模型的医学图像非刚性配准算法研究及实现[D]:[硕士学位论文].沈阳:东北大学信号与信息处理,2009
[7] 倪国强,刘琼.多模态医学图像配准技术的研究[J].光电工程,2004,31(9):1-6
[8] Feldmar J,Declerck J,Malandain G,Ayache N.Extension of the ICP algorithm to nonrigidintensity-based registration of 3D volumes[J].Computer Vision and Image Understanding, 1997,66(2):193-206
[9] 许鸿奎.医学图像配准关键技术研究[D]:[博士学位论文].济南:山东大学信号与信息处理,2011
[10] K.Rohr. Landmark-based elastic registration using approximating thin-plate splines[J].IEEE TransMed Imaging, 2000 20(6): 526-534