基于Markov-Gibbs Random Fields模型的醫(yī)學圖像彈性配準算法的研究與平臺開發(fā).pdf

1、隨著醫(yī)學影像工程和計算機技術的發(fā)展，醫(yī)學成像技術已經(jīng)成為現(xiàn)代醫(yī)療的一個重要組成部分，其應用貫穿于整個臨床工作。醫(yī)學影像學為臨床診斷提供了多種模態(tài)的醫(yī)學圖像。但是不同的醫(yī)學圖像提供的人體相關臟器和組織的信息不同。CT具有較高的空間分辨率，有利于定位病灶。MR對軟組織成像清晰，有利于確定病灶范圍。而PET和SPECT的空間分辨率較差，但卻提供了臟器的功能和代謝信息。醫(yī)學上，迫切希望對不同形態(tài)信息的圖像進行快速準確的融合，為臨床診斷和手術治療

2、提供更加全面準確的信息。然而不同模態(tài)的醫(yī)學圖像成像原理，分辨率和成像參數(shù)都不相同，因此在圖像融合前必須先進行圖像配準。本文對多模態(tài)圖像的彈性配準技術進行了研究。
　　 論文介紹了醫(yī)學圖像配準技術的發(fā)展歷史和現(xiàn)狀，對現(xiàn)有的醫(yī)學圖像配準算法進行了分類，敘述了國內(nèi)外專家和學者研究的最新進展及存在的問題，提出了基于MGRF和B樣條小波的醫(yī)學圖像彈性配準算法。對醫(yī)學圖像存在的兩類噪聲進行了分析。針對內(nèi)部噪聲產(chǎn)生的運動偽影采用模擬退火方法去

3、除，大大改善了醫(yī)學圖像的質(zhì)量；對于外部噪聲采用HMT在小波域的方法去除，達到了較好的效果。分析了目前國內(nèi)外普遍采用的仿射變換、投影變換及非線性變換模型。深入研究了基于B樣條插值的彈性變換的優(yōu)缺點，提出了基于MGRF模型的B樣條小波變換方法，提高了配準的準確度，取得了較理想的彈性配準效果。
　　 在研究了國內(nèi)外現(xiàn)有圖像處理軟件的基礎上，使用統(tǒng)一的編程風格和開放式源碼，開發(fā)了基于ITK、VTK和VC++的醫(yī)學圖像配準算法平臺，并且測