随着医学成像技术的发展,越来越多的医学成像设备用于人体器官的检查和疾病诊断。各种成像技术之间的相互融合,更加提高了医学诊断与治疗的准确性,医学图像配准是这些应用的前提。针对这一技术背景,本文在比较和借鉴现有图像配准方法的基础上,根据当前图像配准技术的研究热点和应用趋势,对PET/CT图像配准技术进行了较深入的研究,提出一种基于细胞神经网络(CNN)和互信息的PET/CT图像配准方法。首先,引入细胞神经网络,用于CT图像边缘检测,构建了新的CT图像的边缘提取算法。CNN能够提取各个方向的边缘,且在其它经典边缘检测算子失效时,CNN仍可成功奏效。CNN硬件电路结构简单,运行速度快,尤其是可实现图像并行处理,对满足医学图像配准的实时性要求有很好的实用价值。其次,用互信息测度作为图像配准依据。基于互信息的配准方法有不依赖于图像本身灰度,可实现自动校准等优点。在CNN边缘提取后,对图像进行互信息配准,减少了计算空间,同时不失互信息多模态医学图像配准方法的优越性。最后,进行配准的仿真实验和仿真分析,进而实现配准优化,确定最佳变换。基于CNN和互信息的PET/CT图像配准方法,结合了基于特征和基于互信息两种图像配准方法的优点,具有相对较小的计算时空,提高了图像配准运行速度,有一定的理论意义和实际应用价值。