改进Demons算法的验证及其在4D-CT轮廓线推衍中的应用

目的研究一种改进的Demons变形配准算法,验证算法的有效性,评价配准算法的精度,并将其应用于4D-CT轮廓线的推衍。方法为加快收敛的速度和提高配准精度,将Demons算法的双向作用力进行重分配,并提出一个能量函数作为相似性测度,利用BFGS优化算法对能量函数进行优化,避免了经典算法中需指定迭代次数的缺陷。分别利用模拟形变CT图像与变形模体,分析和测量了配准算法的精度,并对该算法在4D-CT轮廓线推衍中的应用进行了评价。结果改进后的Demons算法与经典的Demons算法以及类似的变形配准算法相比,有较高的配准精度,推衍生成的轮廓线与人工勾画的轮廓线匹配程度高。结论变形配准是4D-CT中的一项关键技术,改进后的Demons算法应用于轮廓线的推衍有望大大治疗计划设计的轮廓勾画工作量,其配准精度能满足实际临床的需要。

基于改进Demons算法的乳腺X线摄片非刚性配准

Demons算法是一种基于灰度信息的全自动非刚性配准方法,其配准结果容易受图像之间灰度不一致的影响,且迭代收敛速度较慢。针对这两个问题,提出了一种基于多项式最小二乘拟合的灰度归一化方法对灰度进行匹配,并在迭代过程中自适应调整浮动图像所受作用力以加快收敛速度。用改进后的算法与原算法及其他改进算法分别对乳腺X线摄片进行配准实验,对比结果表明,本文的改进方法能够更快地产生更精确的配准结果,配准后的图像增强了乳腺组织的真实变化,有利于乳腺癌的早期诊断。

基于改进Demons算法的非刚性配准及其在肿瘤放疗中的应用

目的提出一种改进的Demons非刚性配准算法,验证算法的有效性,并将其应用于图像引导放射治疗(image-guidedradiotherapy,IGRT)中治疗图像和计划图像的配准。方法基于Brox等提出的梯度恒定假设和Malis的高效二阶最小化算法的思想,将图像灰度梯度场的相似性加入原始的能量函数中,推导出更新变形场的公式。利用有限内存的BFGS算法优化能量函数,自动确定迭代次数。分别利用模拟形变图像、变形体模图像和肝癌病人的临床CT图像验证改进算法的配准精度。结果改进的Demons变形配准算法与原始的"Additive Demons"算法相比,配准精度更高,收敛速度更快。结论在放射治疗的不同分次扫描过程中,因实际扫描条件的影响,两幅待配准图像像素灰度值范围不同的情况下,改进的Demons算法能够更好地实现快速精确的配准。

基于分数阶梯度驱动的主动Demons算法研究

图像非刚性配准在计算机视觉和医学图像有着重要的作用.Demons算法被证明是解决非刚性配准的有效方法,然而存在的Demons非刚性配准算法对灰度均匀和弱纹理区域的图像配准精度低,优化易陷入局部极小导致配准速度缓慢.针对该问题,将R-L（Riemann-Liouville）分数阶微分引入到主动Demons算法中,提出了基于R-L分数阶梯度驱动的主动Demons算法.本文将R-L分数阶梯度代替传统的梯度算子,不但可以增强图像的细节信息,而且可以增强灰度均匀和弱纹理区域的梯度信息,从而提高了图像配准精度和速度.另外,通过实验给出了配准精度与R-L分数阶模板参数之间的关系,从而为模板最佳参数的选取提供了依据.尽管不同类型的图像其最佳参数是不同的,但是其最佳配准阶次一般在0~1之间.理论分析和实验结果均表明,该算法可以用于灰度均匀和弱纹理区域的图像配准,且配准精度和速度都有明显的提高,本文方法是Demons算法应用的一个重要延伸.

基于Demons算法的变形掌纹归一化方法研究

非接触采集是主流掌纹采集方式,但其低约束性可能会导致手掌摆放方式不定,与传感器距离不定,从而引起手掌变形,尤其是手掌平面和传感器平面不平行导致的局部变形问题,这将影响后续特征提取,降低识别率。针对此问题,考虑到人手本身是非刚体的特点,提出基于Demons非刚性配准算法的变形掌纹归一化校正模型,进一步增强变形图像与标准图像的相似性,弥补了传统刚性方法校正效果不佳的缺陷。首先使用改进的Demons非刚性配准算法进行变形掌纹的归一化校正,再使用测度指标进行效果评价,结果表明:在任取的图像序列内,与传统的基于归一化互信息(NMI)的刚性配准方法相比,NMI最高提升3.64%,相关系数(COEF)最高提升156.25%,均方误差(MSE)最高降低81.63%,各指标均优于基于NMI的刚性配准方法,验证了本文方法的有效性和优越性,为后续的特征提取和识别创造了有利条件。

Demons算法在四维CT图像配准中的应用

由呼吸运动引起的器官的运动及形变是4D精确放射治疗中最主要的误差来源。利用4D CT图像和配准技术来分析不同呼吸时相中组织、器官的形变是目前研究的热点。目前常用的研究方法是基于形变模型的3D配准算法。基于光流场的Demons算法具有速度快和精度高的特点,本文将其应用到4D CT图像配准中,并在原始图像形变力的计算中引入了对称梯度。实验结果表明,结合对称梯度的Demons方法具有更快的收敛速度,而且匹配误差小。

GPU框架下基于改进Demons算法的CT-CBCT图像变形配准研究

目的:针对自适应放射治疗中的关键技术--CT和CBCT图像变形配准问题,提出一种基于图形处理器GPU的改进Demons配准算法。方法:通过匹配CT和CBCT图像相应体素局部邻域点集的k阶样本矩,计算CBCT图像每一个体素CT值的线性变换系数,并在每一次Demons迭代过程中,对原CBCT图像逐体素做CT值线性变换,最后利用Demons公式计算变形场。结果:5例临床头颈部肿瘤患者的CT和CBCT图像配准结果表明,改进后算法不受CT和CBCT图像CT值强度不一致的影响,能快速、精确的完成图像的变形配准。结论:基于GPU框架的改进Demons算法可以快速精确完成CT-CBCT图像变形配准,较好的满足了临床对于快速变形图像配准的要求。

基于Demons算法的MR图像与病理切片的非刚性配准

目的:采用Demons算法实现脑胶质瘤MR图像与病理切片图像的非刚性配准。方法:采用Demons算法,加入局部结构张量信息,构建能量函数以获得新的形变向量,最后通过迭代实现MR图像与病理切片图像的配准。结果:配准后病理图像的肿瘤轮廓与MR图像基本吻合。结论:Demons算法可实现脑胶质瘤MR图像与病理切片的非刚性配准,配准后两幅图像的肿瘤大小信息基本达到一致,可为进一步的模型构建提供参考。

基于多分辨率GMI Demons算法的^(18)F-FDG PET-CT图像配准在食道癌病例中的应用

18F-FDG PET和CT图像的精确配准在肿瘤的放射治疗中具有重要的临床研究意义,本研究采用全局刚性粗配准对食道癌病例中的PET和CT图像进行预处理,尽可能地减小摆位误差,然后使用基于互信息梯度的Demons算法(GMI Demons)进行局部形变配准,有效弥补内部器官误差,另外为了加快配准过程,保持图像的鲁棒性的同时避免局部极值,在形变配准前使用多分辨率图像金字塔结构。通过对10例食道癌病例的定量分析,最大互信息值结果说明经GMI Demons算法配准之后的图像精度比基于MI算法要提高8.046%±0.041%,配准前后临床上肿瘤靶区(GTV)大小的变化,说明经GMI Demons算法配准之后的GTV大小比基于MI算法配准之后的精度提高8.022%±0.044%。两种定量结果的一致性和通过对图像的定性分析,说明该配准策略可以快速地精确肿瘤靶区位置,在制定精确的放疗计划和实际的临床应用中具有研究意义。

基于改进Demons算法的三维肺部医学影像配准研究

为实现相同个体在不同呼吸状态下产生较大形变的三维肺部医学影像配准,提出一种基于改进Demons算法的精确有效配准方案。对待配准影像进行全局非刚性配准,通过尺度不变特征变换算法对影像进行特征点提取与匹配,根据匹配结果计算变换参数,完成全局配准;利用改进Demons算法对全局配准后的影像进行局部非刚性配准。使用改进的方案实现了人体肺部影像配准,并且肺部整体轮廓以及内部组织的配准结果较理想。配准前,影像间的均方误差值为25 835.3,经配准后影像间均方误差值降为3 726.31,均方误差值下降率为85.58%。提出的方案能够有效配准三维肺部影像,对肺部呼吸运动估计以及呼吸功能分析提供了良好的基础。

基于结构图像表示和微分同胚Demons算法的多模态医学图像配准

为了提高多模态医学图像的配准精度,利用参考图像和浮动图像的结构信息,提出了一种基于结构图像表示和微分同胚Demons算法的多模态医学图像配准算法.该算法由结构图像表示和图像配准组成.在结构图像表示阶段,采用Arimoto熵图像来描述参考图像和浮动图像的结构信息,首先计算2幅图像中所有像素点周围指定大小邻域的熵值,然后把计算的熵值作为熵图像中对应点的灰度值以生成2幅熵图像.在图像配准阶段,使用微分同胚Demons配准算法对2幅熵图像进行配准.基于Brainweb数据库中磁共振数据的测试结果表明:与微分同胚Demons算法和基于香农熵的Demons算法相比,利用Arimoto熵表示图像的结构信息可以进一步提高配准精度.

声纳图像配准中的Demons算法

针对传统基于光流场模型的Demons算法变形方向不易确定,同时考虑声纳图像序列中连续帧图像缺乏梯度信息,提出一种结合梯度互信息的改进Demons算法。该方法在原有图像变形力的基础上,增加两幅图像间梯度互信息作为驱动图像变形的附加力。在图像配准的同时,使两幅图像的梯度互信息达到最大,避免Demons算法仅依靠图像灰度梯度变形,从而得到更为精确的配准变换。通过声纳图像配准实验,研究结果表明:该算法在互信息量上提高5%以上,验证该方法具有配准精度高,鲁棒性强,是一种有效的非刚性配准方法。

变参数active demons算法下的多通道弥散张量图像配准

目的弥散张量图像(DTI)配准不仅要保证配准前后图像解剖结构的一致性,还要保持张量方向的一致性。demons算法下的多通道DTI配准方法可充分利用张量的信息,改善配准质量,但大形变区域配准效果不理想,收敛速度慢。active demons算法能够加快收敛速度,但图像的拓扑结构容易改变。由此提出一种变参数active demons算法下的多通道DTI配准方法。方法综合active demons算法中平衡系数能加快收敛速度、均化系数能提高DTI配准精度的优点,手动选择一个均化系数,并在算法收敛过程中随着高斯核的减小动态调整平衡系数。在配准开始时采用较小的平衡系数获得较快的收敛速度,随着收敛的加深逐渐增大平衡系数获得较小的配准误差。结果active demons方法能改善DTI大形变区域的配准问题,但均化系数太小会改变图像拓扑结构。固定均化系数,引入单一的平衡系数能加快收敛速度,但会导致拓扑结构改变。变参数active demons方法有效提高了配准的收敛速度,明显改善大形变区域的配准效果,同时能保持图像拓扑结构不变。变参数active demons配准后的10组数据均获得最小均方差(MSE)和最大特征值特征向量对重叠率(OVL),配准精度最高。在0. 05的配对样本t检验水平下,变参数active demons和active demons方法配准后的MSE、OVL的差异均有统计学意义;变参数active demons和demons方法配准后的MSE、OVL的差异均有统计学意义(p <0. 05)。结论变参数active demons算法下的多通道DTI配准方法明显提高了配准精度和速度,改善了demons方法不能有效配准大形变区域的问题,同时能够保持配准前后图像的拓扑结构,尤其适合个体间形变较大的DTI配准。

基于Demons算法的弹性配准在放疗锥形束CT图像配准中的应用

将基于经典Demons算法与加速Demons算法的弹性配准模型应用到放疗患者不同分次间的锥形束CT(CBCT)图像中,为进一步分析肿瘤及危及器官的变化提供软件支持。通过Matlab软件编写三维弹性配准程序,并用此程序对宫颈癌放疗患者不同分次时的两组锥形束CT图像进行仿真实验验证。结果表明经典Demons算法配准前后对比,最小均方误(MSE)减少59.7%,相关系数(CC)提高了11.0%;加速Demons算法配准前后对比,MSE减少40.1%,CC提高7.2%。实验验证上述两种基于Demons模型的弹性配准在CBCT图像配准中取得较好的配准效果,但对细微差别处仍显得精度不够,且整个配准时间较长,如要应用到在线自适应放疗中仍需进一步提高形变的精度并减少配准时间。

基于平衡系数的Active Demons非刚性配准算法

经典的Active demons算法利用参考图像和浮动图像的梯度信息作为驱动力,并使用均化系数调节两种驱动力之间的强度.该算法克服了Demons算法单一使用参考图像的梯度信息作为驱动力的缺点,但是Active demons算法中的均化系数无法同时兼顾大形变和小形变区域的准确配准,还会导致配准的收敛速度和精确度相互制约的问题.为此,本文提出一种新的Active demons非刚性配准算法.提出的算法在Active demons扩散方程中引入一个称为平衡系数的新参数,与均化系数联合调整驱动力,不仅可以兼顾图像中同时具有的大形变和小形变区域的准确配准,而且在一定程度上缓和了收敛速度和精确度相互制约的问题.为了进一步提高配准的收敛速度和精确度,避免陷入局部极值,在新的配准算法的实现中引入由粗到细的多分辨率策略.在Checkboard测试图像、自然图像和医学图像上的实验结果表明,提出的算法较经典的Active demons算法收敛速度更快,配准精度平均提高了54.28%,接近最新的TV-L1光流场图像配准算法的配准精度,解决了Active demons算法存在的问题.

基于Demons算法的多模态医学图像非刚性配准研究

非刚性医学图像配准是医学图像研究领域的热门专题之一,具有重要的临床应用价值。本文提出一种改进的Demons算法,将灰度守恒模型和局部结构张量守恒模型结合起来,构造一个新的能量函数处理多模态配准问题,然后采用L-BFGS算法优化能量函数,解决复杂三维数据的优化问题,并采用多尺度分层细化的思想解决大形变配准。实验表明,本文算法对大形变和多模态三维医学图像配准都有较好的效果。

基于小波变换的脑部医学Demons图像配准

非刚性配准是医学图像处理的一个重要研究方向;针对Demons衍生出的一系列经典的配准算法在医学图像应用上计算复杂、方向信息不足问题进行了研究;基于光流场模型的Demons算法依赖图像灰度梯度使图像发生变形,当缺乏梯度信息时,力不能确定,因而容易造成误差,并且该算法仅适合于单模态图像配准;为此文章提出了一种基于小波变换理论的频域Demons配准处理方法(BDemons);该方法利用小波变换能够对各个尺度、方向和位置实现较好定位的优势,通过高频、低频的图像变换反映出图像的特征信息;实验结果证明了算法的有效性和鲁棒性。

基于Demon算法的乳房核磁共振图像配准

为了提高乳房动态核磁共振成像中不同时间点序列图像的配准速度,提出了将快速的Demon非刚性配准算法与图像强度校正相结合的乳房图像配准模型。Demon算法本身基于图像强度变化计算变形参数,因此不适于强度动态增强的图像配准。首先根据乳房组织的信号增强模型应用多项式理论校正待配准图像的强度,再应用Demon算法进行几何变形配准。实验表明该算法在精度上远优于直接使用Demon算法,在与自由形变配准算法具有几乎相同配准精度的前提下,明显提高了配准速度。

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。

具有大形变特征的颅脑CT图像的非刚性配准

Demons算法是一种基于光流场模型的小形变非刚性配准算法,大形变情况下不具有拓扑保持性,将它用于颅脑CT图像配准时效果不理想。为此,本研究对它进行了改进。首先建立Demons算法目标能量函数,将形变场求解转化为目标函数优化问题;然后通过增加sKL距离作为正则项来优化目标函数,消除了形变场的不适定性,并使形变场更加光滑。对高分辨率颅脑CT图像的实验结果表明,改进算法不仅能够处理大形变问题,还能在处理大形变时通过光滑的形变场得到更精确的配准结果。