基于進化計算的腦MR圖像動態(tài)配準算法研究.pdf

1、神經性疾病已經成為全球健康的主要威脅，其早期診斷有利于顯著降低其發(fā)病率，腦核磁共振(MR)圖像處理方法是神經性疾病早期診斷的有效手段，配準方法是其關鍵環(huán)節(jié)，直接影響其臨床應用。由于腦MR圖像中解剖結構具有明確病理意義，因此研究對其精確配準是提高基于腦MR圖像處理方法的神經性疾病早期診斷準確性的一個關鍵問題。
　　 本文在中央高校科研啟動基金、教育部留學回國基金的資助下，展開以下方面的研究：
　　 研究了基于慣性權重線性遞

2、減粒子群算法的基礎理論，提出一種基于該算法的動態(tài)腦MR圖像配準新方法。該方法的兩種形式分別是分別是具有記憶功能的全繼承形式，即LDWPSO-FI-DIR算法和具有種群多樣性的半繼承形式，即LDWPSO-HI-DIR算法。通過對當前圖像匹配后的最優(yōu)種群動態(tài)繼承與變化，然后用于指導后續(xù)圖像的匹配，從而實現了初始種群的優(yōu)化，克服目前圖像匹配算法中參數設定隨機或僅憑經驗設定的局限性，以及對多幅圖像連續(xù)配準時時間較長的缺點。討論并且分析傳統(tǒng)LDW

3、PSO和基于其改進后的兩種動態(tài)算法的實驗仿真結果。
　　 研究了基于GA的圖像配準方法，提出了一種基于GA的動態(tài)腦MR圖像配準新方法。該方法的兩種形式分別是分別是具有記憶功能的全繼承形式，即GA-FI-DIR算法和具有種群多樣性的半繼承形式，即GA-HI-DIR算法這兩類算法的主體思想與提出的動態(tài)LDWPSO算法類似。根據這三種算法的理論依據進行仿真實驗，討論并分析傳統(tǒng)算法和本文算法的配準性能。
　　 研究了多種互信息測

4、度下，本文算法的性能，首先通過對測度函數的性能進行仿真，定量分析了性能曲線；然后采用了本文提出的基于LDWPSO的兩種動態(tài)優(yōu)化算法進行多次配準；最后討論和分析了在不同互信息測度函數下兩種不同的動態(tài)優(yōu)化算法形式的配準效果
　　 本文內容安排如下：第一章是緒論，介紹本課題的背景、研究意義和國內外相關的研究現狀，同時介紹了本論文的主要研究內容和相關工作；第二章介紹腦MR圖像配準方法的框架和理論基礎，包括基本的概念、關鍵技術；第三章研究