基于数据挖掘的多模医学图像连续形变识别

为了提升病变区域识别精度,得出有效的医学图像信息,提出基于数据挖掘的多模医学图像连续形变识别方法。通过直方图修正检测图像灰度值,利用均衡化将像素均匀分布在各个区间,突出影像中重点灰度范围,通过灰度共生矩阵明确目标像素灰度和位置参数;根据数据库事务集合,将图像分成不同标识区域;在信息增益率中加入分裂信息,分割挖掘出对应形变区域;考虑到相邻图像帧会产生时间差,在不发生粘连和分离的前提下迭代更新,完成医学图像的连续形变区域识别。仿真中以胃镜影像作为实验样本,证明所提算法能够精准识别存在形变的区域,清晰划分出形变区域。

Clifford代数空间上的三维多模医学图像配准

3D/3D医学图像的配准在临床上具有重要的临床意义与医学价值,尤其在脑外科手术导航与病灶点定位上,病人的不同模态影像数据需要3D配准,便于更加全面、精确的分析目标组织的医学特性。本文在研究经典配准方法的基础上,将经典配准方法内嵌于Clifford代数计算空间,在Clifford代数空间上构建配准过程计算的几何要素与配准操作的平移算子、几何旋转算子,浮动图像进行对应的算子运算,实现头颅部3D多模医学图像配准。配准方法应用于国际上两个著名3D医学数据库,实验结果表明:本文方法不仅继承经典配准算法的优点,而且配准精度高,几何意义直观,计算时间短。

基于三次样条层间插值的多模态医学图像配准

我们从PET-CT多模态图像序列的特点出发,提出了一种全新的图像配准及融合方法,它采用三次样条插值法对PET-CT图像进行层间插值,然后再利用最大互信息法进行配准,最后应用改进的主成分分析(PCA)法融合PET-CT图像用以增强PET显像效果,从而得到满意的配准以及融合结果。用三次样条插值法进行层间插值并恢复层间缺失图像的信息,弥补了现有配准方法的不足,提高了配准精度,使融合后的图像更加接近实际的物理断层。该方法已经成功应用于三维适形放疗(3D-CRT)系统的开发中。

基于体素灰度三维多模医学图像配准中相似性测度的选取(英文)

目的在基于体素灰度医学图像配准领域 ,找出最适合于临床应用的多模医学图像配准相似性测度。方法在极端的刚体配准条件下 ,检验出互相关系数 ,互信息和相关比相似性测度为适合的相似性测度。同时进一步解释了基于互信息相似性测度的医学图像配准易于陷入局部最优 ,而基于相关比相似性测度的方法易于保证配准得到全局最优。最后 ,利用加速的多分辨率配准方案和Powell′s优化算法 ,对临床医学图像进行了基于相关比相似性测度的多模图像配准试验。结果通过临床医学专家的判断 ,利用相关比相似性测度进行多模医学图像配准 ,完全能满足临床的要求 ,进行MR/CT、MR/PET三维多模医学图像配准时效果非常理想。结论相比于其他相似性测度 ,互相关比相似性测度在基于体素灰度 ,三维多模医学图像配准领域 。

基于体素灰度3D多模医学图像配准中的相似性测度

对基于体素灰度多模医学图像配准中广泛采用的相似性测度 (SM)进行了比较研究 ,认为在配准条件极不理想的条件下 ,基于互信息 (SM)、归一化互信息 SN、相关比 (SR)的 SM是最为适用的 .分析了基于 SR 的配准法相比于 SM,易于保证配准得到全局最优变换 .利用基于 SR 的配准方法 ,对磁共振 (MR)和 CT、MR和正电子发射断层扫描 (PET)临床医学图像进行配准 。

多模医学图像多维可视化技术研究与系统设计

采用VS2008开发工具和VTK开源代码,设计了一个多模医学图像多维可视化系统,对CT、MR、PET和SPECT等体层图像进行多平面重建(MPR)、间接体绘制(IVR)、最大密度投影(MIP)、直接体绘制(DVR)和曲面重组(CPR)。测试结果表明,系统性能稳定,提供的多种可视化方式能为不同医生阅读不同模式的医学图像提供便利;在三维重建时,系统最大能处理的CT切片数量可达2000幅以上,重建速度和重建质量均能满足临床要求。

多模医学图像引导的非小细胞肺癌放疗研究新进展

放射治疗是目前非小细胞肺癌的主要治疗手段之一,在放疗过程中,利用功能影像与CT解剖影像相结合,不但提高了肿瘤靶区的勾画精度,而且,还能利用功能影像显示的靶区细胞的生物学特性,进行生物功能图像引导的剂量雕刻(dosepainting)治疗,这是放射治疗发展过程的一个重要转折点。对局部晚期非小细胞肺癌而言,采用累及野照射的方式优于选择性淋巴结照射。利用4D-CT图像引导的个体化靶区勾画、锥形束CT(cone beam CT,CBCT)图像引导放疗和自适应放疗(adaptive radiation therapy,ART)技术的应用,进一步提高了非小细胞肺癌放疔的精度,可望减少放射性肺炎等正常组织损伤、提高肿瘤控制率和改善疗后生存质量。

基于Fuzzy-RBFNN的多模医学图像融合方法研究

文中将模糊推理理论与径向基神经网络相结合构造了一个基于模糊推理的径向基神经网络(Fuzzy-RBFNN)应用于多模医学图像融合,并应用遗传算法训练网络获得网络参数,可自适应地完成多模医学图像融合。通过与基于梯度的金字塔融合方法的实验比较,证明了算法的有效性与可行性。

基于局部小波模式和一致性点漂移的多模医学图像配准

为提高多模医学图像配准的速度、精度和鲁棒性,本文提出一种基于局部小波模式(LWP)和一致性点漂移(CPD)的多模医学图像配准算法。首先提取图像稳定特征点,然后通过局部小波分解编码8邻域信息;接着变换中心像素值,使中心点像素构成的向量取值与小波分解向量取值范围相一致,通过比较中心像素变换向量与小波分解向量计算LWP描述子;最后把结合高斯混合模型后验概率和负对数似然函数的函数作为目标函数,利用一致性点漂移算法进行模型参数估计和空间变换。实验结果表明在图像存在噪声、灰度不均匀和初始误配的情况下,LWP-CPD算法的鲁棒性、配准精度和计算复杂度都达到很好的效果。

基于小波变换极大模的多模医学图像融合

多模态医学图像融合由于其对医学临床诊断的意义已引起广泛的关注,基于图像边缘特性的融合方法逐渐成为研究的重点。本文提出了一种基于离散二进小波变换的多尺度边缘检测和图像融合的方法,实现了特征级图像融合。不同于以往的从极大模值点直接重建图像,本文的算法利用极大模值点建立有效的融合规则,然后从融合的小波系数重构信号。融合图像的交互信息和峰值信噪比等检测指标表明此方法优于传统融合算法。

基于轮廓特征匹配的数字人多模态图像配准

医学多模图像配准技术是实现非同源图像的信息融合的前提条件和关键步骤。数字人断层影像学的3种图像数据(彩色切片数据、CT和MRI数据)本质上都是医学图像。基于多模图像信息互补的思路,通过将数字人的两种源图像(彩色切片和MRI图像)进行统一分辨率、维数和去噪等预处理后,提取有效轮廓信息,计算图像的周长、质心和主轴作为配准参数,利用仿射模型实现数字人多模图像的配准,为信息融合工作提供准确的图像信息,解决了关键的技术难题。由实验结果可以看出,配准算法准确,实现处理速度快,图像特征精确,图像配准的目标已达到。

基于最大互信息的人脑多模图像快速配准算法

对脑图谱开发过程中来源于不同成像设备的多模图像进行配准。对预处理后的数码图像和MRI图像,首先提取图像的轮廓,采用基于轮廓的力矩主轴法计算初始平移量和旋转量,然后设定初始缩放系数,将此初始配准参数作为改进单纯形法的初始参数,以互信息作为相似性测度迭代搜索,使互信息最大,从而实现最佳配准。结果表明本算法不需要人为预调整待配准图像的分辨率,自动化程度高,配准速度快,精度较高,能够满足脑图谱开发过程中的多模图像配准要求。

基于互信息的人脑图像配准研究

近来利用互信息法进行多模医学图像配准已成为医学图像处理领域的热点。人脑多模医学图像配准对研究神经组织的结构功能关系和引导神经外科手术有着重要的指导意义。本文描述了一种基于互信息的人脑图像配准方法。我们将这种方法应用于图像的几何对准并给出了初步的评估结果。同时,我们还就归一化互信息、多分辨率策略、多种插值和优化算法对配准速度和精度的影响作了讨论。由于不需要对不同成像模式下的图像灰度间的关系作任何假设,互信息法是一种稳健性强、可广泛应用于基于体素的多模医学图像的配准方法。

图像融合技术及其在癫痫患者中的应用

癫痫灶的准确定位是决定癫痫外科疗效的关键步骤。利用多模态医学图像融合技术将MR与PET的影像融合能明显地提高癫痫病灶定位诊断的准确率,为癫痫外科手术治疗和立体定向放射外科治疗提供更准确的信息。将融合技术应用到临床数据,对2 0例癫痫疾病患者的影像数据作了融合研究,并由临床专家作了验证。

基于最大互信息的PET／CT图像配准方法研究

针对最大互信息的多模医学图像配准方法进行分析和研究，描述在PET／CT医学图像配准过程中涉及的插值方法和优化算法，对实验采用三线性PV插值和Powell优化搜索算法，能够快速、准确地实现多模医学图像的配准。