基于GPU的快速三维医学图像刚性配准技术

自动三维配准将多个图像数据映射到同一坐标系中,在医学影像分析中有广泛的应用。但现有主流三维刚性配准算法(如FLIRT)速度较慢,2563大小数据的刚性配准需要300 s左右,不能满足快速临床应用的需求。为此提出了一种基于CUDA(compute unified device architecture)架构的快速三维配准技术,利用GPU(gra-phic processing unit)并行计算实现配准中的坐标变换、线性插值和相似性测度计算。临床三维医学图像上的实验表明,该技术在保持配准精度的前提下将速度提高了一个数量级,非常适合海量快速的临床应用。

3D非刚性图像配准在DCE-MRI诊断肺结节/肿块良恶性中的应用价值

目的:探讨3D非刚性图像配准在DCE-MRI诊断肺结节/肿块良、恶性中的临床应用。方法:回顾性分析经病理证实的65例肺部结节/肿块(恶性43例,良性22例),所有患者均在术前行DCE-MRI检查。评估前对良、恶性两组患者数据行3D非刚性图像配准,应用Extended tofts模型,分别测量配准前、后肺结节/肿块的定量参数:容积转移常数(Ktrans)、组织间隙-血浆速率常数(Kep)、细胞外间隙容积分数(Ve)。比较图像配准前、后胸主动脉时间-浓度曲线,并以病理结果为金标准绘制受试者工作特征曲线(ROC),评估图像配准前、后定量DCE-MRI鉴别肺结节/肿块良恶性的诊断效能。结果:3D非刚性图像配准后,胸主动脉时间-浓度曲线波动幅度缩小,具有更好的平滑性。3D非刚性图像配准前,各参数鉴别良恶性无统计学差异;3D非刚性图像配准后,Ktrans、Kep鉴别良恶性有意义(P<0.05)。结论:3D非刚性图像配准后,定量参数Ktrans及Kep可用于肺结节/肿块良恶性鉴别诊断。

基于改进光流场和尺度不变特征变换的非刚性医学图像配准

该文对传统的变分光流模型进行了改进,结合尺度不变特征变换(SIFT)特征点提取提出一种新颖的非刚性医学图像配准算法。该算法模型使用亮度守恒与梯度守恒假设相结合的数据项,很好地解决了对医学图像中局部病灶异常、亮度不均匀等区域的处理问题;通过采用自适应的各向异性正则项,解决了传统光流模型中的过平滑所导致的图像严重模糊和重要细节丢失的问题;通过结合SIFT特征点提取,并采用多分辨率分层细化、内部不动点迭代以及由粗到细的变形技术求解策略,很好地解决了传统光流场模型无法对大形变医学图像以及细节进行配准的问题。实验证明:该文的模型和算法可以很好地实现对医学图像的非刚性配准。

基于像素合作博弈的非刚性图像配准方法

用离散位移场表示形变,将非刚性图像配准问题转化为马尔可夫随机场中的最大后验概率推理问题,从而等价于吉布斯随机场中的能量极小问题。为获得能量极小点,将配准视为像素间的博弈,提出了基于多人合作博弈的非刚性图像配准方法,设计了相应的确定性算法。博弈配准时,每个像素尝试与邻居结盟选择一致的位移向量,使自身和联盟的收益都最大化,迭代地完成配准。新方法能配准复杂的形变,精度高、鲁棒性好,非常适用于图像的精配准。实验结果验证了合作博弈配准方法的可行性和有效性。

一种改进的非刚性医学图像配准算法

非刚性医学图像配准是医学影像处理和应用中重要的研究课题。对传统的基于局部仿射变换的非刚性图像配准模型进行了改进,结合图像的区域灰度信息和切比雪夫低通滤波器幅度特性提出了一种新颖的非刚性医学图像配准算法。该算法采用自适应的局部非线性正则项,比传统算法更好地保持了图像的局部细节和边缘信息,通过结合多分辨率分层细化以及由粗到细的变形技术求解策略,很好地解决了传统配准模型无法对大变形单模态图像或者存在灰度差异的多模态图像之间进行配准的问题。实验证明,该模型和算法可以很好地实现对医学图像的非刚性配准。

基于B样条自由形变三维医学图像非刚性配准研究

医学超声成像具有成本低、实时成像等优势,基于超声的多模态配准在临床诊断、病情监测、外科手术等应用上具有较大的意义。三维医学图像能够清晰地显示病变大小、形态,提供相对完整的人体组织的三维结构信息。本文采用基于B样条自由形变模型的非刚性配准方法对三维超声图像和计算机断层扫描图像(Computed Tomography,CT)进行配准,利用薄板样条能量约束项解决三维图像配准过程中的图像交叉与重叠问题。此外,使用仿体数据以及临床数据验证算法性能,通过感兴趣区域的相对重叠率,互信息值和程序运行时间这三个指标对算法精度和速度进行评价。其中Demons方法平均耗时1896s,本文改进算法平均耗时195s,运行效率提高8.7倍;算法改进前后的感兴趣区域重叠率分别是89.58%和91.35%,精度提高2.0%。实验结果表明此算法能够对超声和CT图像进行配准并获得较好的结果。

医学图像形变配准在图像引导放射治疗中的应用

本文详细介绍了形变图像配准技术在国内外的进展、形变图像配准的定义,根据不同划分标准进行的分类,以及在肿瘤诊断和肿瘤图像引导放射治疗的中的应用的举例。展示了形变图像配准技术在当前图像引导放疗领域中的重要性,特别是在自适应放疗方面,通过形变配准技术快速判断放疗过程中的解剖部位的变化、退缩,和位移情况。还可以领用形变配准技术进行在线的快速计划,进行快速剂量计算,来判断由于解剖部位的变化对剂量的影响程度,以及这种影响是否需要再计划。另外在肺和肝脏4DCT中形变配准的应用可准确计算肿瘤靶区在肺和肝脏中的由于呼吸运动产生的位移,用来指导放疗计划靶区的勾画和放疗计划的设计。本文还展望了形变配准在放射治疗计划系统的应用:利用形变配准的快速勾画功能快速勾画病人正常器官轮廓,以提高工作效率。本文还分析了形变配准目前存在的不足之处,以及在该领域中的优缺点和应用前景。

子宫肌瘤MRI影像非刚性配准研究

高强度聚焦超声(High-Intensity Focused Ultrasound,HIFU)治疗和磁共振技术结合(MRI-guided HIFU,MRgHIFU)采用MRI进行目标定位、治疗规划和能量沉积的闭环控制以保障热消融不伤及周围组织,其中图像配准是校正定位误差,实施精确治疗的重要环节。针对三维非刚性配准方法,在子宫肌瘤的治疗计划修正和跟踪方面的应用进行研究。针对前后两个不同时段采集的子宫肌瘤MR影像,分别进行基于自由形变模型(Free-From Deformation,FFD)算法和Demons算法的非刚性配准对比。实验结果表明,该基于FFD的非刚性配准算法,对于形变较小的子宫肌瘤真实数据能够取得较为合适的配准效果,重叠区域的互相关系数(CC)从配准前的0.59提高到配准后的0.74。

基于图像配准的电影MR心脏图像心肌内外膜轮廓传递方法

4D MR图像心功能参数分析对心脏疾病诊断有着重要的意义,心肌内外膜轮廓的位置与形态受呼吸和心脏收缩运动影响,随时间变化。心肌内外膜轮廓勾画是否准确直接影响MR图像心功能参数计算的准确性。笔者提出一种以局部刚性为原理的非刚性配准算法,通过此算法计算同一位置的不同相位的MR图像心肌的形变场,用户只需要对该位置上的其中一个相位的心肌内外膜轮廓进行勾画,通过图像配准所得的形变场,将该期相的轮廓自动并准确地映射给其他相位的心肌图像上,从而得到更准确的心肌分割结果。用20例患者的数据对该方法进行实验,笔者提出的方法优于基于Demons的非刚性配准方法,用实验数据提供的标准分割结果,计算该方法的Dice平均值为98%。由于配准实现过程是在加载电影MR数据预处理时并行进行,在进行轮廓传递时,只需用已计算的形变场进行轮廓映射,因此可进行实时轮廓传递,该方法从时效性和准确性上均满足MR心脏应用的需求。

联合显著图强化形变配准网络

配准图像中存在的结构对应性缺失与局部复杂大形变给非刚性图像配准准确寻找一一映射形变变换带来了极大挑战。传统配准方法以及基于深度学习配准方法都不能处理好此类图像配准异常难题。基于全局到局部的递进深度网络策略,该文提出了配准图像联合显著结构上下文信息增强的无监督式深度配准网络。其中,全局到局部的卷积网络通过将待配准图像输入到结果形变场输出的复杂映射分解为两个更易求解的全局映射与局部映射网络,同时结合配准图像联合显著结构上下文信息双向加强网络的学习训练,实现了精确、鲁棒、高效的联合显著图强化形变配准网络,有效地解决了既存在结构对应性缺失又存在局部复杂大形变的图像配准难题。

一种在医学图像中挖掘非对称区域的方法

提出一种利用图像刚性配准算法和数字形态学调整近似对称区域、有效挖掘出图像非对称区域,并自动判断头部炎症类疾病的算法.首先扩展适用于二值图像的自反射刚性配准算法到灰度医学图像上,然后对配准后的图像使用条件腐蚀算子调整那些近似对称区域的边界,在不同的精度下进行迭代以获得最终的非对称区域.在人类头部CT的胆脂瘤检测实验中,该方法显示出良好的挖掘效果,检测成功率达到95%.

基于互信息的Active Demons非刚性图像配准算法

非刚性图像配准技术在计算机领域中是一个重要的研究方向,也广泛应用在医学、天文和军事等领域。非刚性图像配准过程中,往往无法同时解决局部大形变和小形变的问题。针对此问题,结合归一化互信息图像配准的理论,提出基于互信息的Active Demons非刚性图像配准算法。该算法通过引入互信息来提高Active Demons算法的驱动力,同时采用待配准图像和原图像的互信息自适应地调节归一化因子α,再对医学图像、自然图像和合成图像进行测试仿真实验。实验结果表明:所提算法在配准精度和鲁棒性上优于原来的ActiveDemons算法,可以较好地处理大形变图像并保留其边缘特征,得到更好的配准精度和视觉效果。

一种改进的非刚性图像配准算法

非刚性图像配准一直是计算机视觉领域的研究重点.为解决上述问题,提出一种改进的光流场模型算法,以提高光流估计的准确度.算法首先对原始变分光流模型进行了改进,提出利用新的各向异性正则项来代替原来的同向扩散函数,以避免图像模糊,保留图像的边缘特征与细节特征;此外,通过引入包含邻域信息的非局部平滑项来去除光流噪点,同时增加了一个结合图像结构与光流运动信息的权函数,以减少过平滑所造成的细节丢失,提高算法的鲁棒性.最后,利用交替最小化与金字塔分层迭代策略相结合的方法求解位移场,实现非刚性图像的自动配准.仿真实验结果表明,与传统方法相比,本文算法对不同类型的非刚性图像均具有较高的鲁棒性,取得了理想的图像配准效果.

基于超像素运动统计的误匹配去除方法

特征匹配是实现图像配准的重要手段,然而特征匹配中往往存在大量的误匹配,对于存在非刚性形变和大位移运动的图像序列尤为严重;如何从初始匹配结果中找到准确可靠的匹配点集,是提升图像配准性能的关键.为解决上述问题,首先根据图像的空间和色彩相似性,利用改进的超像素分割算法对图像进行分割;分割后的超像素块在空间上紧密相连,严格遵循图像轮廓边缘,且在同一区域内的颜色纹理基本趋于一致,可保证内部特征点具有相同或一致的运动趋势;同时,采用ORB算子对图像进行特征提取与描述,并利用暴力匹配算法得到初始匹配点集.其次,在超像素运动一致性约束下,提出了一种基于超像素运动统计模型的误匹配去除算法.通过建立超像素网格统计模型,将初始匹配坐标分配至相应的超像素区域,利用累加器计算出每个超像素对的匹配度,将初始匹配的概率分布特性转换为统计特性.最后,根据超像素匹配度的差异,计算出正确匹配的掩膜图像,实现了误匹配点的自动识别和剔除.仿真实验结果表明,与当前的误匹配去除算法相比,本文算法不依赖于复杂的参数模型,具有较高的鲁棒性,运算速度较快,可有效去除非刚性形变图像配准过程中产生的误匹配.

一种补偿水波扰动带来的随机图像畸变算法

透过水空介面成像是透过扰动介质成像领域的一个新方向,与透过单一湍流介质成像相比,这种成像方式的图像退化主要表现为更严重的随机畸变。提出了一种补偿水波扰动带来的随机图像畸变的算法。该方法可以从畸变图像序列中恢复出一帧无畸变的图像。首先对图像序列进行筛选,从图像序列中选出最清晰的一帧作为基准帧。使用非刚性配准结合一些后续处理,估计出基准帧到图像序列几何中心的非刚性变形向量场。然后,用这个非刚性变形向量场对基准帧坐标映射并插值得到无畸变的图像。最后,分析讨论了该算法的优势和局限性。通过实验验证了该算法的有效性。