论文部分内容阅读
肝脏配准主要解决不同时相医学图像中肝脏解剖结构的对齐问题,其目的是完成病理信息的整合,进而辅助医生诊断肝病或实施手术。特征点提取是医学图像配准的一个关键环节,但由于计算机无法自动识别肝脏特有的解剖特征,大部分特征点的提取都需影像学专家手动标记完成,因此耗时较长且存在一定的人为误差。另外,现有的自动检测算法获得的特征点多数分布在脊椎、血管交叉处等位置,只有少部分位于肝脏区域,并不适用于肝脏的配准。为此,本文提出一个全自动检测肝脏内部特征点和表面特征点的方法,实现了多时相肝脏的高效配准。本文利用三维肝脏分割技术自动获取肝脏内部的中心点,采用肝脏边缘纹理和支持向量机(Support Vector Machine,SVM)自动检测其表面特征点,具体从以下几个模块对肝脏配准工作进行深入研究:(1)肝脏内部特征点对的自动检测。采用基于边缘检测和3D-Labeling算法分割提取平扫相和门脉相的三维肝脏,通过平均肝脏及相邻图片差值信息消除假阳性点,得到最终的肝脏区域。以最大面积的肝脏切片为基准,依次向上和向下配对肝脏切片,对应肝脏切片的中心点则作为内部特征点对。(2)肝脏表面特征点对的自动检测。首先建立三维肝脏模型,分析其边缘特征,选取5个较具代表性的表面特征点。其次建立三维灰度共生矩阵(3-dimensional gray level co-occurrence matrix,3D-GLCM)并从中提取16个纹理特征量,以表示不同表面特征点的边缘信息;分别提取肝脏分割前后表面特征点处的纹理量,比较其差异度,实验表明分割后的肝脏有助于扩大各表面点特征量间的差值,致使分类界限更明显。然后采用留一法和SVM分类器优化特征量,得到对分类准确性贡献最大的ASM、COR、IDM特征量组合,并将其应用到测试样本的特征点分类实验中,得到98.5%的分类准确率。实验结果表明,边缘纹理和SVM分类器在表面点的自动检测中取得良好的效果。最后通过肝脏中心坐标消除假阳性点,进一步研究两时相表面点对的匹配方案。(3)两时相三维肝脏配准。基于自动提取的肝脏表面特征点对和内部中心点对,采用三维薄板样条函数(Thin plate splines,TPS)算法完成三维肝脏的配准。配准后两时相的肝脏表面平均误差缩小了 0.93mm。实验结果表明,本文提出的配准算法能有效实现三维肝脏的配准。