论文部分内容阅读
随着医学影像技术的迅猛发展,医学图像越来越多样,而每种图像所包含的信息种类单一。医学图像配准技术可将反映机体组织不同的、互补的和重叠的多模态图像信息提供给医生,帮助其制定更有效的治疗方案。现有的医学图像配准技术主要分为两大类:一类是基于图像像素灰度值信息的配准方法,该类方法简单易实现,配准精度较高,但耗时长,鲁棒性差。另一类是基于特征信息的配准方法,该方法计算效率高,但其只考虑了特征信息,所以配准精度较低。这两类方法通常用于二维图像配准中,也可用于三维图像配准,但存在配准参数多、耗时长、鲁棒性差的不足。针对以上问题,本文提出了一种基于几何代数框架的多模态医学图像配准算法,具体如下:1.图像不变量是影响配准效果的关键因素,而几何代数是完全不依赖于坐标的协变量代数体系,符合几何体计算的不变量体系。因此,本文首先将基于欧氏几何的加速稳健特征(SURF)算法延拓到几何代数(Geometric Algebra,GA)的框架内,得到GA-SURF算法,该算法结合了几何代数和SURF算法的优势,不仅具有平移不变性、旋转不变性、稳定性和鲁棒性强的优点,还能直接处理高维信息,计算效率高。新算法在计算像素点的Hessian矩阵和构造GA特征点的描述子时,考虑了多个维度的信息,然后在几何代数理论构建的尺度空间上提取GA特征点,使得配准精度得到保证,且计算效率高。2.由于人体结构是立体的,所以三维模型能更加有助于后续匹配。本文基于上述GA-SURF算法提取的GA特征点构建了医学图像的立体几何不变量,即GA特征球,该构建算法简单易实现,且计算量小,耗时短。其次,新算法在共形几何代数框架中,生成GA特征球的描述子以实现参考图像和浮动图像的配准,使用共形几何代数框架配准的优点为直观统一,计算效率高,且能直接处理高维信息。本文通过对实际的人脑影像数据(Vanderbilt大学的RIRE项目)和仿真人脑数据(BrainWeb)实现了配准,实验结果显示该算法配准精度高,耗时短,并能有效解决现有算法不能直接处理高维信息的问题。